Escolar Documentos
Profissional Documentos
Cultura Documentos
14 de maio de 2021
.
Prefácio
Longe de ser um livro de Álgebra Linear, esse texto são notas de aula
retirada de vários materiais que estão citados na bibliografia. Tudo é
apresentado de forma simples e por isso o aluno não precisa de muitos
pré-requisitos para entender o conteúdo aqui presente.
Dentre as vantagens do aluno acompanhar a disciplina com essas
anotações posso destacar: permitir antecipar a ida à aula; tentar suprir
alguma informação despercebida na hora da explicação e fazer o aluno
meditar sobre a matéria que lhe é apresentada noutro ambiente. Segue
abaixo, o cronograma dos cinco capítulos.
No capítulo 1 apresentamos os seguintes conteúdos: espaço
vetorial e subespaços, combinações lineares, conjuntos linearmente
independentes e dependentes, bases e dimensão, coordenadas de
um vetor e mudança de bases. Introduzimos e desenvolvemos todo
conteúdo axiomático que se precisa para entender o que é um espaço
vetorial. Por tudo isso, nesse inicio, é necessário um esforço maior :) .
O capítulo 2 é reservado ao estudo das transformações lineares,
núcleo, imagem e matriz de uma transformação linear. Para
a penúltima seção Capítulo é necessário lembrar os métodos de
resolução dos sistemas lineares como, por exemplo, escalonamento
e método de Cramer.
No capítulo 3 definimos o que significa um operador ser
diagonalizável. Para isso é introduzido as definições de autovalores,
autovetores, polinômio característico e minimal. Vale ressaltar que
utilizamos resultados básicos da álgebra polinomial: conceito de grau,
divisibilidade, raízes, decomposição etc. Além disso, abordaremos
sem grandes detalhes a parte dos operadores não diagonalizáveis
apresentando o conceito de bloco de Jordan.
No capítulo 4 introduzimos o produto interno, como funciona
o processo de ortonormalização de Gram-Schmidt, o que é o
complemento ortogonal e caracterização dos funcionais lineares em
espaços com produto interno (teorema de Riesz).
Por fim, no capítulo 5 é apresentado um dos teorema mais
importantes da álgebra linear que é o teorema espectral para
operadores auto-adjunto. Apresentamos também uma generalização
desse resultado chamado de teorema dos valores singulares.
.
4
Sumário
1 Espaço Vetorial 8
1.1 Espaços Vetoriais e Exemplos . . . . . . . . . . . . . . . . 8
1.2 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.3 Subespaços e Soma de Subespaços . . . . . . . . . . . . . 14
1.4 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.5 Combinações Lineares e Subespaço Gerado . . . . . . . . 20
1.6 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.7 Dependência Linear e Independência Linear . . . . . . . 23
1.7.1 Propriedades da Dependência Linear . . . . . . . . 24
1.8 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.9 Base e Dimensão . . . . . . . . . . . . . . . . . . . . . . . 27
1.10 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
1.11 Soma de Subespaços . . . . . . . . . . . . . . . . . . . . . 34
1.12 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
1.13 Coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . 38
1.14 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
1.15 Mudança de Base . . . . . . . . . . . . . . . . . . . . . . . 40
1.16 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2 Transformações Lineares 48
2.1 Preliminares . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.2 Transformações Lineares . . . . . . . . . . . . . . . . . . . 50
2.3 Os Espaços das Transformações Lineares . . . . . . . . . 51
2.4 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
2.5 Composição de duas Transformações Lineares . . . . . . 55
2.6 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
2.7 Espaço Dual . . . . . . . . . . . . . . . . . . . . . . . . . . 58
5
2.8 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
2.9 Núcleo e Imagem . . . . . . . . . . . . . . . . . . . . . . . 61
2.10 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
2.11 Isomorfismo . . . . . . . . . . . . . . . . . . . . . . . . . . 67
2.12 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
2.13 Matriz de uma Transformação Linear . . . . . . . . . . . 71
2.13.1 Propriedades das Matrizes de Transformações
Lineares . . . . . . . . . . . . . . . . . . . . . . . . . 78
2.14 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
3 Autovalores e Autovetores 87
3.1 Autovalores e Autovetores de Transformações Lineares e
Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
3.2 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
3.3 Polinômio Característico . . . . . . . . . . . . . . . . . . . 95
3.4 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
3.5 Operadores Diagonalizáveis . . . . . . . . . . . . . . . . . 101
3.6 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
3.7 Polinômio Minimal . . . . . . . . . . . . . . . . . . . . . . 107
3.8 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
3.9 Operadores Não Diagonalizáveis . . . . . . . . . . . . . . 113
3.10 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
6
7
Espaço Vetorial
1. Comutatividade: 𝑢 + 𝑣 = 𝑣 + 𝑢
2. Associativa: (𝑢 + 𝑣) + 𝑤 = 𝑢 + (𝑣 + 𝑤).
8
9
1. 𝛼 · 0® = 0;
®
®
2. 0 · 𝑣 = 0;
𝛼 · 𝑣 ≠ 0® se 𝛼 ≠ 0 e 𝑣 ≠ 0.
®
Além disso,
Demonstração:
𝛼·0® = 𝛼·(0+
® 0)
® = 𝛼·0+𝛼·
® 0® ⇒ 𝛼·0+(−𝛼·
® ® = 𝛼·0+𝛼·
0) ® ®
0+(−𝛼· ® ⇒ 0® = 𝛼·0.
0) ®
3. Suponha que exista um outro vetor nulo, isto é, existe um vetor 0®0
tal que 0®0 + 𝑢 = 𝑢 + 0®0 = 𝑢. Fazendo 𝑢 = 0® temos que
0®0 = 0®0 + 0® = 0®
0® = 0 · 𝑣 = [1 + (−1)] · 𝑣 = 𝑣 + (−1) · 𝑣
⇒ −𝑣 + 0® = −𝑣 + 𝑣 + (−1) · 𝑣
(−1) · 𝑣 = −𝑣
R𝑛 = {(𝑥1 , 𝑥2 , 𝑥3 , . . . , 𝑥 𝑛 ); 𝑥1 , 𝑥2 , . . . , 𝑥 𝑛 ∈ R}
𝑥 1 = 𝑦1 , 𝑥 2 = 𝑦2 , · · · , 𝑥 𝑛 = 𝑦 𝑛 .
𝑢 + 𝑣 = (𝑥1 + 𝑦1 , 𝑥2 + 𝑦2 , . . . , 𝑥 𝑛 + 𝑦𝑛 )
e
𝛼 · 𝑢 = (𝛼𝑥1 , 𝛼𝑥2 , · · · , 𝛼𝑥 𝑛 )
F(𝐴; 𝑉) = { 𝑓 : 𝐴 → 𝑉; f é função}.
𝛼 · (𝑥, 𝑦) = (𝛼 · 𝑥, 𝑦)
1.2 Exercícios
⊕ 0 1 2 0 1 2
0 0 1 2 0 0 0 0
1 1 2 0 1 0 1 2
2 2 0 1 2 0 2 1
(a) Tome 𝑛 = 7 e encontre as inversas 1−1 , 2−1 , 3−1 , 4−1 , 5−1 , 6−1
(em relação ao produto módulo 7).
(b) Tome 𝑛 = 8 e verifique que não existe a inversa 2−1 (isto é, não
existe 𝑥 tal que 2 𝑥 = 1 módulo 8).
(c) Tome 𝑛 = 3 e verifique que se 𝑎 ∈ Z3 então 𝑎 + 𝑎 + 𝑎 = 0. Faça
o mesmo para 𝑛 = 4, 𝑎 ∈ Z4 e 𝑎 + 𝑎 + 𝑎 + 𝑎 = 0.
(d) Existe 𝑎 ∈ Z3 tal que 𝑎 2 = 2? (Com as operações módulo 3).
14
©1 1 2ª
𝐴 = 0 2 1 ®.
®
®
2 0 2
« ¬
Calcule det 𝐴, usando as operações módulo 3. Use a regra de
Cramer para encontrar a matriz inversa 𝐴−1 (faça isso usando as
operações módulo 3). Verifique que a inversa 𝐴−1 obtida é de fato
a inversa de 𝐴, isto é, 𝐴−1 𝐴 é a matriz identidade.
ii) 𝛼 ∈ R, 𝑢 ∈ 𝑊 ⇒ 𝛼 · 𝑢 ∈ 𝑊 .
Observação 4. O item 𝑖𝑖) da definição acima garante que o vetor nulo sempre
pertence ao subespaço.
Exemplo 7. Seja 𝑉 = R𝑛 e
𝑊1 + 𝑊2 = {𝑣 = 𝑤 1 + 𝑤 2 ∈ 𝑉; 𝑤1 ∈ 𝑊1 e 𝑤 2 ∈ 𝑊2 }
é um subespaço de V.
Exemplo 11. Sejam os subespaços vetoriais
𝑊1 = {(𝑎, 𝑏, 0) ∈ R3 ; 𝑎, 𝑏 ∈ R} e 𝑊2 = {(0, 0, 𝑐) ∈ R3 ; 𝑐 ∈ R}
𝑤2 = (𝑤 1 + 𝑤2 ) − 𝑤 1 ∈ 𝑊1
| {z } |{z}
∈𝑊1 ∈𝑊1
𝑊1 + · · · + 𝑊𝑛 = {𝑤1 + · · · + 𝑤 𝑛 ∈ 𝑉; 𝑤 1 ∈ 𝑊1 , · · · , 𝑤 𝑛 ∈ 𝑊𝑛 }.
n o
Se 𝑊𝑗 ∩ (𝑊1 + · · · + 𝑊𝑗−1 + 𝑊𝑗+1 + · · · + 𝑊𝑛 ) = 0® , para cada 𝑗 = 1, . . . , 𝑛,
diremos que esta soma é direta e usaremos a notação 𝑊1 ⊕ · · · ⊕ 𝑊𝑛 .
18
1.4 Exercícios
6. Sejam 𝑎1 , . . . , 𝑎 𝑛 ∈ R. O conjunto
𝐻 = {(𝑥 1 , . . . , 𝑥 𝑛 ); 𝑎 1 𝑥 1 + · · · + 𝑎 𝑛 𝑥 𝑛 = 0}
(a)
(b) 𝑊 = {(𝑥, 𝑦, 𝑧) ∈ R3 ; 𝑥 ≥ 0};
(c) 𝑊 = {(𝑥, 𝑦, 𝑧) ∈ R3 ; 𝑥 + 𝑦 + 𝑧 ≤ 2};
(d) 𝑊 = {(𝑥, 𝑦, 𝑧) ∈ R3 ; 𝑥, 𝑦, 𝑧 ∈ Q}.
𝑎1 · 𝑣1 + · · · + 𝑎 𝑛 · 𝑣 𝑛
[𝑆] = {𝑎1 · 𝑣 1 + 𝑎2 · 𝑣2 + · · · + 𝑎 𝑛 · 𝑣 𝑛 ; 𝑎1 . . . , 𝑎 𝑛 ∈ R, 𝑣1 , 𝑣2 , . . . , 𝑣 𝑛 ∈ 𝑉 }.
21
[𝑣] = {𝑎 · 𝑣; 𝑎 ∈ R}
Exemplo 17. O conjunto 𝛽 = {(2, 1), (1, 0)} gera o R2 pois podemos escrever
22
um par ordenado (𝑥, 𝑦) qualquer como combinação linear desses dois vetores
1.6 Exercícios
𝑥1 + 𝑥2 + 𝑥3 + 𝑥4 = 0
2𝑥 1 + 𝑥 2 + 𝑥 3 − 𝑥 4 = 0
3𝑥 1 − 2𝑥 2 + 𝑥 3 − 2𝑥 4 = 0
Exemplo 20. O conjunto {(1, 1, 0, 0); (0, 1, 0, 0); (2, 1, 0, 0)} ⊂ R4 é l.d.,
pois:
𝑎1 · (1, 1, 0, 0) + 𝑎2 · (0, 1, 0, 0) + 𝑎3 · (2, 1, 0, 0) = 0® ⇒
(
𝑎1 + 2𝑎3 = 0
⇒
𝑎1 + 𝑎2 + 𝑎3 = 0
Como o sistema acima é indeterminado, existem infinitas soluções (além
da trivial).
Assim concluirmos que {(1, 1, 0, 0); (0, 1, 0, 0); (2, 1, 0, 0)} é l.d..
24
𝛼 cos 𝑥 + 𝛽sen𝑥 = 0
Demonstração:
®
𝑎1 · 𝑣 1 + · · · + 𝑎 𝑛 · 𝑣 𝑛 + 0 · 𝑤1 + · · · + 0 · 𝑤 𝑚 = 0,
25
®
𝑎 1 · 𝑣1 + · · · + 𝑎 𝑛 · 𝑣 𝑛 + 𝑎 · 𝑣 = 0.
𝑎1 · 𝑣1 + · · · + 𝑎 𝑛 · 𝑣 𝑛 = 0®
1.8 Exercícios
1. 𝛽 é l.i.
2. 𝛽 gera 𝑉.
Pelo o que foi definido acima, podemos concluir que todo conjunto
l.i. de um espaço vetorial 𝑉 é base do subespaço por ele gerado.
1. dim R𝑛 = 𝑛;
2. dim P𝑛 (R) = 𝑛 + 1;
n o
Exemplo 27. Se 𝑉 é um espaço vetorial e 𝑊 = 0® então dim 𝑊 = 0.
2. 𝑆0 é l.i..
𝑢1 = 𝑎 1 · 𝑣 1 + · · · + 𝑎 𝑘 · 𝑣 𝑘
𝑣 = 𝑏1 · 𝑣1 + 𝑏2 · 𝑣2 + · · · + 𝑏 𝑘 · 𝑣 𝑘 . (1.1)
Escrevendo
1 𝑎2 𝑎𝑘
𝑣1 = · 𝑢1 − · 𝑣2 − · · · − · 𝑣𝑘
𝑎1 𝑎1 𝑎1
e substituindo o valor de 𝑣1 escrito na igualdade (1.1) temos
𝑏1 𝑏1 𝑎2 𝑏1 𝑎 𝑘
𝑣= · 𝑢1 + 𝑏 2 − · 𝑣2 + · · · + 𝑏 𝑘 − · 𝑣𝑘 .
𝑎1 𝑎1 𝑎1
𝑢2 = 𝑎 1 · 𝑢1 + 𝑎 2 · 𝑣2 + · · · + 𝑎 𝑘 · 𝑣 𝑘 ,
𝑆 = {𝑢1 , . . . , 𝑢 𝑘 }
𝑢 𝑘+1 = 𝑎1 · 𝑢1 + ... + 𝑎 𝑘 · 𝑢 𝑘
1.10 Exercícios
𝑈 = {(𝑥, 𝑦, 𝑧, 𝑤) ∈ R4 ; 𝑦 + 𝑧 + 𝑤 = 0}
e
𝑊 = {(𝑥, 𝑦, 𝑧, 𝑤) ∈ R4 ; 𝑥 + 𝑦 = 0, 𝑧 = 2𝑤}
𝐹 = {(𝑥 1 , 𝑥2 , 𝑥3 , 𝑥4 ); 𝑥 1 = 𝑥 2 = 𝑥 3 = 𝑥 4 = 0}
𝐺 = {(𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ); 𝑥1 = 𝑥2 e 𝑥3 = 𝑥4 = 0}
𝐻 = {(𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ); 𝑥1 = 𝑥2 = 𝑥3 }
𝐾 = {(𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ); 𝑥1 + 𝑥2 + 𝑥3 + 𝑥4 = 0}
onde
0 1 0
𝐴=2 1 0
1 1 4
12. Encontre uma base para o subespaço vetorial de R3 dado por
𝑈 = [(1, 0, 1), (1, 2, 0), (0, 2, −1)].
e
𝛽 2 = {𝑣1 , . . . , 𝑣 𝑛 , 𝑢1 , . . . , 𝑢𝑙 }.
𝛽 = {𝑣1 , . . . , 𝑣 𝑛 , 𝑤1 , . . . , 𝑤 𝑘 , 𝑢1 , . . . , 𝑢𝑙 }.
𝑛
Õ 𝑘
Õ 𝑙
Õ
𝑎𝑖 · 𝑣𝑖 + 𝑏𝑖 · 𝑤𝑖 + ®
𝑐 𝑖 · 𝑢𝑖 = 0. (1.2)
𝑖=1 𝑖=1 𝑖=1
Note que
𝑙
Õ 𝑛
Õ 𝑘
Õ
𝑢 := 𝑐 𝑖 · 𝑢𝑖 = − 𝑎𝑖 · 𝑣𝑖 − 𝑏 𝑖 · 𝑤 𝑖 ∈ 𝑊1 ∩ 𝑊2 .
𝑖=1 𝑖=1 𝑖=1
𝑛
Õ 𝑙
Õ
𝑑𝑖 · 𝑣 𝑖 − ®
𝑐 𝑖 · 𝑢𝑖 = 0,
𝑖=1 𝑖=1
𝑑1 = · · · = 𝑑𝑛 = 𝑐 1 = · · · = 𝑐 𝑙 = 0.
36
𝑛
Õ 𝑘
Õ
𝑎𝑖 · 𝑣𝑖 + ®
𝑏 𝑖 · 𝑤 𝑖 = 0.
𝑖=1 𝑖=1
𝑎1 = · · · = 𝑎 𝑛 = 𝑏1 = · · · = 𝑏 𝑘 = 0.
Portanto,
n o n o
Demonstração: Se 𝑊 = 0® ou 𝑊 = 𝑉 , tome 𝑈 = 𝑉 ou 𝑈 = 0® ,
respectivamente.
Suponha que não. Seja {𝑣1 , . . . , 𝑣 𝑘 } uma base para 𝑊 . Complete
esta base até uma base de 𝑉 , digamos, {𝑣 1n, . o. . , 𝑣 𝑘 , 𝑤1 , . . . , 𝑤 𝑙 }. Denote
𝑈 := [𝑤 1 , . . . , 𝑤 𝑙 ]. De fato, se 𝑊 ∩ 𝑈 ≠ 0® , existe 𝑣 ∈ 𝑊 ∩ 𝑈 , não
nulo. Na combinação linear
𝑘
Õ
𝑣= 𝑎𝑖 · 𝑣𝑖 ,
𝑗=1
37
e
𝑙
Õ
𝑣= 𝑏𝑖 · 𝑤𝑖 ,
𝑗=1
𝑘
Õ 𝑙
Õ
𝑎𝑖 · 𝑣𝑖 − 𝑏 𝑖 · 𝑤 𝑖 = 0®
𝑗=1 𝑗=1
1.12 Exercícios
1. Dados
𝑈 = {𝐴 ∈ M2 (R); 𝐴 = 𝐴𝑡 }
e " !#
1 1
𝑊=
0 1
encontre uma base 𝑈; 𝑊; 𝑈 ∩ 𝑊; 𝑊 + 𝑈.
𝑈 = {(𝑥, 𝑦, 𝑧) ∈ R3 ; 𝑥 + 𝑦 + 𝑧 = 0}
38
e
𝑊 = {(𝑥; 𝑦; 𝑧) ∈ R3 ; 𝑥 + 𝑦 = 0 e 𝑥 − 𝑧 = 0}.
e
{(1, 2, 2, −2), (2, 3, 2 − 3), (1, 3, 4, −3)},
respectivamente. Encontre
i) dim 𝑊 + 𝑈
ii) dim 𝑊 ∩ 𝑈.
Mostre que 𝑊 ∩ 𝑈 ≠ 0® .
1.13 Coordenadas
0® = (𝑎1 − 𝑏 1 ) · 𝑣1 + (𝑎2 − 𝑏2 ) · 𝑣2 + · · · + (𝑎 𝑛 − 𝑏 𝑛 ) · 𝑣 𝑛 .
𝑎1 = 𝑏1 , 𝑎2 = 𝑏2 , . . . , 𝑎 𝑛 = 𝑏 𝑛
𝑎1 𝑎1
𝑎2 𝑎2
.. ou ..
. .
𝑎𝑛 𝑎𝑛
𝛽
Exemplo 28. Considere 𝑉 = R2 e 𝛽 1 = {(1, 0), (0, 1)}. Seja 𝑣 = (−2, 5).
Segue que (−2, 5) = −2 · (1, 0) + 5 · (0, 1). Portanto,
" #
−2
[(−2, 5)]𝛽1 = .
5
Se 𝛽 2 = {(−1, 1), (0, 1)}, então (−2, 5) = 𝑥 · (−1, 1) + 𝑦 · (0, 1), resultando
40
𝑥 = 2 e 𝑦 = 3. Então
" #
2
[(−2, 5)]𝛽2 = .
3
1.14 Exercícios
(c) (𝑥 1 , 𝑥2 ).
𝑥1 𝑦1
𝑥2 𝑦2
[𝑢]𝛽1 = .. e [𝑢]𝛽2 = ..
. .
𝑥𝑛 𝑦𝑛
𝛽1 𝛽2
𝑛
!
Õ
𝑣 2 = 𝑝 12 · 𝑢1 + 𝑝22 · 𝑢2 + · · · + 𝑝 𝑛2 · 𝑢𝑛 = 𝑝 𝑖2 𝑢𝑖
𝑖=1
···
𝑛
!
Õ
𝑣 𝑛 = 𝑝1𝑛 · 𝑢1 + 𝑝2𝑛 · 𝑢2 + · · · + 𝑝 𝑛𝑛 · 𝑢𝑛 = 𝑝 𝑖𝑛 · 𝑢𝑖
𝑖=1
42
Portanto,
𝑢 = 𝑦1 · 𝑣 1 + 𝑥 2 · 𝑣 2 + · · · + 𝑥 𝑛 · 𝑣 𝑛
𝑛
Õ
= 𝑦𝑗 · 𝑣 𝑗
𝑗=1
𝑛 𝑛
!
Õ Õ
= 𝑦𝑗 𝑝 𝑖𝑗 · 𝑢𝑖
𝑗=1 𝑖=1
𝑛 𝑛
!
Õ Õ
= 𝑝 𝑖𝑗 𝑦 𝑗 · 𝑢𝑖
𝑗=1 𝑖=1
Em forma matricial,
𝑥 1 𝑝 11 𝑝12 · · · 𝑝 1𝑛
𝑦
1
𝑥 2 𝑝 21 𝑝22 · · · 𝑝 2𝑛 𝑦2
.. .
.. = .. .. . . . .. ·
. . . . .
𝑥 𝑛 𝑝 𝑛1 𝑝 𝑛2 · · · 𝑝 𝑛𝑛 𝑦𝑛
A matriz
𝑝 11 𝑝12 · · · 𝑝 1𝑛
𝑝 21 𝑝22 · · · 𝑝 2𝑛
𝛽
𝑀𝛽12
= .. .. . . . ..
. . .
𝑝 𝑛1 𝑝 𝑛2 · · · 𝑝 𝑛𝑛
é chamada de matriz de mudança de base, mais especificamente,
matriz de mudança da base 𝛽 2 para a base 𝛽 1 .
𝛽
e agora, 𝑀𝛽23 = [𝑞 𝑖𝑗 ] é a matriz de mudança da base 𝛽 3 para a base 𝛽 2 .
Das duas decomposições acima segue
!
Õ Õ Õ Õ Õ Õ
𝑤𝑗 = 𝑞𝑘 𝑗 · 𝑣𝑘 = 𝑞𝑘 𝑗 𝑝 𝑖 𝑘 · 𝑢𝑖 = 𝑝𝑖 𝑘 𝑞𝑘 𝑗 = 𝑟 𝑖𝑗 · 𝑢𝑖
𝑘 𝑘 𝑖 𝑖 𝑘 𝑖
𝛽
onde 𝑀𝛽13 = [𝑟 𝑖𝑗 ] = [ 𝑝 𝑖𝑘 𝑞 𝑘 𝑗 ] é a matriz de mudança da base 𝛽 3 para
Í
𝑘
a base 𝛽 1 . Como
" #
𝛽 𝛽 𝛽
Õ
𝑀𝛽13 = [𝑟 𝑖𝑗 ] = 𝑝 𝑖 𝑘 𝑞 𝑘 𝑗 = [𝑝 𝑖 𝑘 ][𝑞 𝑘 𝑗 ] = 𝑀𝛽12 · 𝑀𝛽23 ,
𝑘
𝛽 𝛽 𝛽
provamos a identidade 𝑀𝛽13 = 𝑀𝛽12 · 𝑀𝛽23 .
𝛽 𝛽 𝛽
Quando 𝛽 3 = 𝛽 1 , a matriz 𝑀𝛽13 é a identidade 𝐼 e 𝑀𝛽23 = 𝑀𝛽21 . Da
igualdade acima segue
𝛽 𝛽
𝑀𝛽12 · 𝑀𝛽21 = 𝐼,
𝛽
[𝑢]𝛽1 = 𝑀𝛽12 · [𝑢]𝛽2 .
Portanto,
Õ Õ Õ Õ ©Õ
𝑢= 𝑏𝑗 · 𝑤𝑗 = 𝑏𝑗 𝑝 𝑖𝑗 · 𝑣 𝑖 = 𝑝 𝑖𝑗 𝑏 𝑗 ® · 𝑣 𝑖 .
ª
𝑗 𝑗 𝑖 𝑖 « 𝑗 ¬
Como 𝑢 = 𝑎 𝑖 𝑣 𝑖 , segue da unicidade da decomposição de um
Í
𝑖
vetor nos elementos da base que
Õ
𝑎𝑖 = 𝑝 𝑖𝑗 𝑏 𝑗
𝑗
𝛽
que corresponde à igualdade matricial [𝑢]𝛽1 = 𝑀𝛽12 · [𝑢]𝛽2 .
Exemplo 29. Sejam 𝛽 1 = {(10, 5), (10, 10)} e 𝛽 2 = {(4, 5), (2, 0)} bases de
R2 . Então
" #
𝛽 1 2
𝑀𝛽12 = .
3 1
1.16 Exercícios
7. Consideremos as bases
(" # " # " # " #)
0 1 1 0 0 1 1 0
𝛽1 = , , ,
1 0 1 0 0 1 0 −1
𝛽 𝛽
Determine as matrizes mudanças de base 𝑀𝛽12 e 𝑀𝛽21 . Além disso,
calcule "" ##
1 1
1 1
𝛽1
Transformações Lineares
2.1 Preliminares
48
49
∀ 𝑢1 , 𝑢2 ∈ 𝑈 , 𝑢1 ≠ 𝑢2 ⇒ 𝑇𝑢1 ≠ 𝑇𝑢2 .
𝑆 ◦ 𝑇𝑢 = 𝑆(𝑇𝑢).
𝑇 −1 (𝑇𝑢) = 𝑢 e 𝑇(𝑇 −1 𝑣) = 𝑣
para todo 𝑢 ∈ 𝑈 e 𝑣 ∈ 𝑉.
2. 𝑇(𝛼 · 𝑢) = 𝛼𝑇𝑢, 𝛼 ∈ R e 𝑢 ∈ 𝑈.
L(𝑈 , 𝑉) = {𝑇 : 𝑈 → 𝑉; 𝑇 é linear}.
(𝑇 + 𝑆)𝑢 = 𝑇𝑢 + 𝑆𝑢,
(𝛼𝑇)𝑢 = 𝛼(𝑇𝑢).
para todo 𝑢 ∈ 𝑈.
É facil verificar que L(𝑈 , 𝑉) é um espaço vetorial.
Observação 10. Quando 𝑈 = 𝑉 em vez de escrever L(𝑈 , 𝑉), escrevemos
L(𝑈).
Observação 11. Quando 𝑈 = R o espaço L(𝑈 , R), é chamado de espaço
dual e escrevemos 𝑈 ∗ .
Proposição 5. O espaço vetorial L(𝑈 , 𝑉) tem dimensão dim 𝑈· dim 𝑉.
Demonstração: Suponha que dim 𝑈 = 𝑛 e dim 𝑉 = 𝑚 e seja
𝛽𝑈 = {𝑢1 , . . . , 𝑢𝑛 } uma base de 𝑈 e 𝛽𝑉 = {𝑣 1 , . . . , 𝑣 𝑚 } uma base de
𝑉. Para 𝑖 = 1, . . . , 𝑛 e 𝑗 = 1, . . . , 𝑚, defina 𝐸 𝑖𝑗 : 𝑈 → 𝑉 como sendo a
única aplicação linear
𝐸 𝑖𝑗 (𝑢 𝑘 ) = 𝛿 𝑖 𝑘 · 𝑣 𝑗 , 𝑘 = 1 . . . , 𝑛,
𝛽 = 𝐸 𝑖𝑗
1=1,...,𝑛,𝑗=1,...,𝑚
pois isso significa dizer que 𝛽 gera L(𝑈 , 𝑉). Com efeito,
𝑛 𝑚 𝑛 𝑚 𝑛 𝑚
©Õ Õ 𝑖𝑗 ª
ÕÕ
𝑖𝑗
ÕÕ
𝑎 𝑖𝑗 𝐸 ® (𝑢 𝑘 ) = 𝑎 𝑖𝑗 𝐸 (𝑢 𝑘 ) = 𝑎 𝑖𝑗 (𝛿 𝑖 𝑘· 𝑣 𝑗 )
« 𝑖=1 𝑗=1 ¬ 𝑖=1 𝑗=1 𝑖=1 𝑗=1
𝑚 𝑛 𝑚
!
Õ Õ Õ
𝛿 𝑖𝑘 𝑎 𝑖𝑗 𝑣 𝑗 = 𝑎 𝑘 𝑗 · 𝑣 𝑗 = 𝑇(𝑢 𝑘 )
𝑗=1 𝑖=1 𝑗=1
Então
𝑛 𝑚
©Õ Õ
𝑎 𝑖𝑗 𝐸 𝑖𝑗 ® (𝑢 𝑘 ) = 0.
ª
« 𝑖=1 𝑗=1 ¬
para todo 𝑘 = 1, . . . , 𝑛. Isto mostra que essa aplicação é identicamente
nula, e seguindo o argumento anterior, podemos escrever para cada
𝑘 = 1, . . . , 𝑛
𝑚
Õ
0 = 0(𝑢 𝑘 ) = 𝑎𝑘 𝑗 · 𝑣𝑗 ,
𝑗=1
donde
𝑎 𝑘1 = · · · = 𝑎 𝑘𝑚 = 0.
54
2.4 Exercícios
(a) 𝑇 : R3 → R; 𝑇(𝑥, 𝑦, 𝑧) = 𝑥 + 5𝑦 − 𝑧
(b) 𝑇 : R3 → 𝑅; 𝑇(𝑥, 𝑦, 𝑧) = 𝑥 + 5𝑦 − 𝑧 + 1
(c) 𝑇 : R3 → 𝑅; 𝑇(𝑥, 𝑦, 𝑧) = 𝑥 2 + 5𝑦 − 𝑧
(d) 𝑇 : 𝑀𝑛×1 (R) → 𝑀𝑛×1 (R); 𝑇(𝑋) = 𝐴 · 𝑋 + 𝑋
(e) 𝑇 : P𝑛 (R) → P𝑛 (R); 𝑇(𝑝) = 𝑝 0 + 𝑝 00
(f) 𝑇 : 𝑀2 (R) → 𝑀2 (R); 𝑇(𝑋) = 𝐴 · 𝑋 , onde 𝐴 ∈ 𝑀2 (R) está
fixada.
(g) 𝑇 : P2 (R) → P2 (R), 𝑇(𝑝) = 𝑝 + 𝑞, onde 𝑞(𝑡) = 𝑡 2 + 1, 𝑡 ∈ R.
!
𝑎 𝑏
(h) 𝑇 : 𝑀2 (R) → R; 𝑇 = 𝑎𝑑 − 𝑏𝑐
𝑐 𝑑
(a) 𝑇 : R2 → R; 𝑇(𝑥, 𝑦) = 𝑦 + 2𝑥
(b) 𝑇 : R3 → R, 𝑇(𝑥, 𝑦, 𝑧) = 𝑧 − 2𝑥
(c) 𝑇 : R2 → R2 , 𝑇(𝑥, 𝑦) = (2𝑥 + 2𝑦, 𝑥 + 𝑦)
(d) 𝑇 : R2 → R2 , 𝑇(𝑥, 𝑦) = (𝑥 + 𝑦, 𝑥 − 𝑦)
(e) 𝑇 : R3 → R3 , 𝑇(𝑥, 𝑦, 𝑧) = (𝑧 − 𝑥, 𝑧 − 2𝑥, 𝑧 − 3𝑥)
55
(a) ( ® então 𝑣 = 0;
) Se 𝑣 ∈ 𝑉 é tal que 𝑇𝑣 = 0, ®
(b) ( ) Se 𝑇𝑣 = 𝑇𝑢 + 𝑇𝑤, então 𝑣 = 𝑢 + 𝑤;
(c) ( ) Se 𝑣 é combinação linear de 𝑢1 , . . . , 𝑢𝑛 , então 𝑇𝑣 é
combinação linear de 𝑇𝑢1 , . . . , 𝑇𝑢𝑛 ;
(d) ( ) Se 𝑢, 𝑣, 𝑤 são colineares, então 𝑇𝑢, 𝑇𝑣, 𝑇𝑤 são
colineares.
𝑇(𝑒1 ) = (2, 3, 1), 𝑇((1, 1, 0)) = (5, 2, 7), e 𝑇((1, 1, 1)) = (−2, 0, 7).
𝑆 ◦ 𝑇𝑢 = 𝑆(𝑇𝑢)
para todo 𝑢 ∈ 𝑈.
Exemplo 38. Seja 𝑇 ∈ L R2 , definida por 𝑇(𝑥, 𝑦) = (𝑥, 2𝑦) e 𝑆 ∈ L(R2 ),
por
𝑆 ◦ 𝑇(𝑥, 𝑦) = 𝑆(𝑇(𝑥, 𝑦)) = 𝑆(𝑥, 2𝑦) = (𝑥, 2𝑦, 𝑥 + 2𝑦).
56
Note que 𝑇 ◦ 𝑆 ≠ 𝑆 ◦ 𝑇.
Seja 𝑇 : 𝑉 → 𝑉 um operador linear. Dizemos que 𝑇 é nilpotente se
existe algum inteiro positivo 𝑟 tal que
𝑇 𝑟 = 𝑇 ◦ · · · ◦ 𝑇 = 0.
| {z }
𝑟−vezes
𝐷 : P𝑛 (R) → P𝑛 (R)
𝑝 ↦→ 𝑝0
Observação 13. Note que se 𝑇 ∈ L(𝑈 , 𝑉) tiver inversa, então esta inversa é
única. Com efeito, caso 𝑇 possua duas inversas 𝑅, 𝑆 ∈ L(𝑉 , 𝑈), então
𝑆 = 𝑆 ◦ 𝐼𝑉 = 𝑆 ◦ (𝑇 ◦ 𝑅) = (𝑆 ◦ 𝑇) ◦ 𝑅 = 𝐼𝑈 ◦ 𝑅 = 𝑅.
2.6 Exercícios
𝑅(𝑥, 𝑦, 𝑧, 𝑤) = 𝑥 + 𝑦 − 𝑧 − 𝑤.
Determine 𝑅 ◦ 𝑆 ◦ 𝑇.
𝑇(𝑥, 𝑦, 𝑧) = (𝑎1 𝑥 + 𝑏1 𝑦 + 𝑐 1 𝑧, 𝑎2 𝑥 + 𝑏2 𝑦 + 𝑐2 𝑧, 𝑎3 𝑥 + 𝑏 3 𝑦 + 𝑐3 𝑧)
𝑓𝑖 (𝑢 𝑗 ) = 𝛿 𝑖𝑗 .
então
𝑛
Õ
0(𝑢 𝑗 ) = 𝑎 𝑖 · 𝑓𝑖 (𝑢 𝑗 ) = 𝑎 𝑗
𝑖=1
para todo 𝑗.
Resta mostrar que 𝛽 ∗ gera 𝑈 ∗ . Isso vem do fato que 𝑛 vetores l.i. em
um espaço vetorial de dimensão 𝑛 é uma base.
𝑓 𝑗 (𝑢) = 𝑓 𝑗 (𝑎1 𝑢1 + · · · + 𝑎 𝑛 𝑢𝑛 ) = 𝑎 𝑗 , 𝑗 = 1, . . . , 𝑛,
Assim,
𝑛 𝑛
!
Õ Õ
0 = 𝑓 𝑗 (𝑣) = 𝑓 𝑗 𝑥𝑖 𝑒𝑖 = 𝑥 𝑖 𝑓 𝑗 (𝑒 𝑖 ) = 𝑥 𝑗
𝑖=1 𝑖=1
para cada 𝑗 = 1, . . . , 𝑛.
®
Portanto, 𝑣 = 0.
60
Teorema 9. A aplicação
𝑇𝑣∗ :𝑉 ∗ → K
𝑓 ↦→ 𝑇𝑣∗ ( 𝑓 ) = 𝑓 (𝑣)
𝑇𝑣∗ (𝛼 𝑓 + 𝑔) = (𝛼 𝑓 + 𝑔)(𝑣)
= 𝛼 𝑓 (𝑣) + 𝑔(𝑣)
= 𝛼𝑇𝑣∗ ( 𝑓 ) + 𝑇𝑣∗ (𝑔)
Portanto, 𝑇𝑣∗ ∈ 𝑉 ∗∗ .
2.8 Exercícios
𝑢 = 𝑓1 (𝑢) · 𝑢1 + · · · + 𝑓𝑛 (𝑢) · 𝑢𝑛 ,
𝑓 = 𝑓 (𝑢1 ) · 𝑓1 + · · · + 𝑓 (𝑢𝑛 ) · 𝑓𝑛 .
Observação 16. Claramente, temos que N(𝑇) ⊂ 𝑉. Além disso, observe que
N(𝑇) ≠ ∅, pois 0® ∈ N(𝑇).
Logo,
𝑢1 + 𝑢2 ∈ N(𝑇);
Logo,
𝛼 · 𝑢1 ∈ N(𝑇).
62
Demonstração: A combinação
𝑛
Õ
𝑎 𝑖 𝑇𝑢𝑖 = 0®
𝑖=1
implica que
𝑛
Õ
𝑎 𝑖 · 𝑢𝑖 ∈ N(𝑇),
𝑖=1
pois
𝑛 𝑛
!
Õ Õ
0® = 𝑎 𝑖 𝑇𝑢𝑖 = 𝑇 𝑎 𝑖 · 𝑢𝑖 .
𝑖=1 𝑖=1
e
𝑇(𝑢)
˜ = 𝑇(𝛼 · 𝑢1 ) = 𝛼𝑇𝑢1 = 𝛼 · 𝑣1
𝑢 = 𝑎1 · 𝑢1 + · · · + 𝑎 𝑛 · 𝑢𝑛 + 𝑏 1 · 𝑣 1 + · · · + 𝑏 𝑚 · 𝑣 𝑚 .
Mas,
𝑣 = 𝑇𝑢 = 𝑇(𝑎1 · 𝑢1 + · · · + 𝑎 𝑛 · 𝑢𝑛 + 𝑏1 · 𝑣1 + · · · + 𝑏 𝑛 · 𝑣 𝑚 )
= 𝑎1 · 𝑇𝑣 1 + · · · + 𝑎 𝑚 · 𝑇𝑣 𝑚 ,
®
pois os vetores {𝑢1 , . . . , 𝑢𝑛 } pertencem ao N(𝑇), isto é, 𝑇𝑢𝑖 = 0,
para 𝑖 = 1, . . . , 𝑛. Assim, a imagem de 𝑇 é gerada pelos vetores
𝑇𝑣 1 , . . . , 𝑇𝑣 𝑚 .
𝑎1 · 𝑇𝑣1 + 𝑎2 · 𝑇𝑣 2 + · · · + 𝑎 𝑚 · 𝑇𝑣 𝑚 = 0®
Como 𝑇 é linear,
®
𝑇(𝑎1 · 𝑣 1 + 𝑎2 · 𝑣 2 + · · · + 𝑎 𝑚 · 𝑣 𝑚 ) = 0.
65
Logo
𝑎1 · 𝑣1 + 𝑎2 · 𝑣2 + · · · + 𝑎 𝑚 · 𝑣 𝑚 ∈ N(𝑇).
𝑎 1 · 𝑣 1 + · · · + 𝑎 𝑚 · 𝑣 𝑚 = 𝑏 1 · 𝑢1 + · · · + 𝑏 𝑛 · 𝑢 𝑛 ,
ou ainda,
®
𝑎1 · 𝑣 1 + · · · + 𝑎 𝑚 · 𝑣 𝑚 − 𝑏 1 · 𝑢1 − · · · − 𝑏 𝑛 · 𝑢𝑛 = 0.
2.10 Exercícios
𝑇(𝑥, 𝑦, 𝑧) = (𝑥 + 2𝑦 − 𝑧, 𝑦 + 𝑧, 𝑥 + 𝑦 − 2𝑧).
(a) Encontre 𝑇 (𝑣 1 + 𝑣 2 ) e 𝑇 (𝑣 1 + 𝑣 2 + 𝑣 3 ).
(b) Encontre uma base de N(𝑇) e de 𝐼𝑚 𝑇.
12. Determinar um 𝑇 ∈ L(P3 (R), P2 (R)) cujo núcleo seja gerado pelos
polinômios 1 + 𝑥 3 e 1 − 𝑥 2 .
2.11 Isomorfismo
Logo,
𝑇 −1 (𝑤1 + 𝛼 · 𝑤2 ) = 𝑢1 + 𝛼 · 𝑢2 = 𝑇 −1 (𝑤 1 ) + 𝛼𝑇 −1 (𝑤2 ).
68
𝑇𝑢𝑖 = 𝑒 𝑖
é um isomorfismo.
𝑇 ∗∗ (𝑣) = 𝑇𝑣∗ ,
𝑇 ∗∗ (𝛼𝑣1 + 𝑣2 ) = 𝑇𝛼𝑣
∗
1 +𝑣 2
(𝑓)
= 𝑓 (𝛼𝑣 1 + 𝑣 2 )
= 𝛼 (𝛼𝑣1 + 𝑣 2 )
= 𝛼 𝑓 (𝑣 1 ) + 𝑓 (𝑣 2 )
= 𝛼𝑇𝑣∗1 + 𝑇𝑣∗2
= 𝛼𝑇 ∗∗ (𝑣1 ) + 𝑇 ∗∗ (𝑣2 )
69
Logo, 𝑇 ∗∗ é linear.
Seja 𝑣 ∈ 𝑉 tal que 𝑇 ∗∗ (𝑣) = 0. Assim,
𝑣 = 0®𝑣 .
2.12 Exercícios
(a) 𝑇 : R3 → R4 ,
𝑇 (𝑥, 𝑦, 𝑧) = (𝑥 + 𝑦 + 𝑧, 𝑥 − 𝑧, 2𝑥 + 𝑦, 3𝑥 + 2𝑦 + 𝑧) .
𝑢 = 𝑎 1 · 𝑢1 + · · · + 𝑎 𝑛 · 𝑢 𝑛 .
𝑇𝑢𝑖 = 𝑣 𝑖 , 1 ≤ 𝑖 ≤ 𝑛.
𝑇𝑢 := 𝑎1 · 𝑣1 + · · · + 𝑎 𝑛 · 𝑣 𝑛 ,
𝑢 = 𝑎1 · 𝑢1 + · · · + 𝑎 𝑛 · 𝑢𝑛 .
𝑢 = 𝑎 1 · 𝑢1 + · · · + 𝑎 𝑛 · 𝑢𝑛 ,
73
e
𝑢˜ = 𝑏 1 · 𝑢1 + · · · + 𝑏 𝑛 · 𝑢𝑛 .
Assim,
𝑛 𝑛
!
Õ Õ
𝑇(𝑢 + 𝛼 · 𝑢)
˜ =𝑇 𝑎 𝑖 · 𝑢𝑖 + 𝛼 𝑏 𝑖 · 𝑢𝑖
𝑖=1 𝑖=1
𝑛
!
Õ
=𝑇 (𝑎 𝑖 + 𝛼𝑏 𝑖 ) · 𝑢𝑖
𝑖=1
𝑛
Õ
= (𝑎 𝑖 + 𝛼𝑏 𝑖 ) · 𝑣 𝑖
𝑖=1
𝑛
Õ 𝑛
Õ
= 𝑎𝑖 · 𝑣𝑖 + 𝛼𝑏 𝑖 · 𝑣 𝑖
𝑖=1 𝑖=1
= 𝑇𝑢 + 𝛼𝑇 𝑢.
˜
𝑢 = 𝑥 1 · 𝑒1 + · · · + 𝑥 𝑛 · 𝑒 𝑛
e portanto,
𝑛
©Õ
[𝑇] · 𝑢 = [𝑇] · 𝑥𝑗 · 𝑒𝑗®
ª
« 𝑗=1 ¬
𝑛
Õ
= 𝑥 𝑗 [𝑇] · 𝑒 𝑗
𝑗=1
𝑛
Õ
= (𝑎1𝑗 𝑥 𝑗 , 𝑎2𝑗 𝑥 𝑗 , . . . , 𝑎 𝑚 𝑗 𝑥 𝑗 )
𝑗=1
𝑛 𝑛 𝑛
©Õ Õ Õ
= 𝑎1𝑗 𝑥 𝑗 , 𝑎2𝑗 𝑥 𝑗 , . . . , 𝑎𝑚 𝑗 𝑥 𝑗 ® .
ª
𝑥1
..
𝑋 = [𝑢]𝛽1 = .
𝑥 𝑛
𝛽
[𝑇𝑢]𝛽2 = [𝑇]𝛽12 · [𝑢]𝛽1 .
𝑥1
..
e 𝑉 , respectivamente. Se [𝑢]𝛽1 = . então
𝑥 𝑛
Assim,
𝑎11 𝑎12 · · · 𝑎1𝑛 𝑥1
.. .. . . . .. ..
[𝑇𝑢]𝛽2 = . . . · . .
𝑎 𝑚1 𝑎 𝑚2 · · · 𝑎 𝑚𝑛 𝑥 𝑛
| {z } |{z}
𝛽 [𝑢]𝛽1
=[𝑇]𝛽1
2
𝛽
Observação 17. Quando 𝑈 = 𝑉 , 𝛽 1 = 𝛽2 = 𝛽, em vez de representar [𝑇]𝛽11
𝛽
ou [𝑇]𝛽22 , podemos também escrever [𝑇]𝛽 .
Observação 18. Em geral, dada uma matriz 𝐴 ∈ M𝑚×𝑛 (R), ela é encarada
como uma aplicação linear 𝑇𝐴 : R𝑛 → R𝑚 em relação às bases canônica de
R𝑛 e R𝑚 .
Exemplo 43. A transformação linear associada a matriz
" #
2 0
𝐴= ,
0 1
e que depende das bases 𝛽 1 = {(1, 0), (0, 1)} e 𝛽 2 = {(1, 1), (0, 1)} é
𝑇𝐴 𝑢 = (2𝑥 − 𝑦, 2𝑥 + 𝑦). De fato, se 𝑢 = (𝑥, 𝑦) então
" #
𝑥
𝑋 = [𝑢]𝛽1 = .
𝑦
77
Assim,
Dessa maneira,
1 −1
𝛼
[𝑇]𝛽 = 0 1
−2 3
onde
𝛼 = {(1, 0), (0, 1)} e 𝛽 = {(1, 0, 1), (−2, 0, 1), (0, 1, 0)}.
Como " #
𝑥
[(𝑥, 𝑦)]𝛼 =
𝑦
temos que
1 −1 " # 𝑥 − 𝑦
𝑥
[𝑇(𝑥, 𝑦)]𝛽 = 0 1 = 𝑦
𝑦
−2 3 −2𝑥 + 3𝑦
78
Logo,
𝛽 𝛽 𝛽
[𝑇 + 𝛼𝑆]𝛽12 = [𝑇]𝛽12 + 𝛼[𝑆]𝛽12 .
𝛽 𝛽
[𝐼]𝛽12 = 𝑀𝛽21 .
𝛽 𝛽 𝛽
[𝑆 ◦ 𝑇]𝛽13 = [𝑆]𝛽23 · [𝑇]𝛽12 .
79
𝛽
[𝑇]𝛽1
(𝑈 , 𝛽 1 ) 2 / (𝑉 , 𝛽 2 )
𝛽
[𝑆]𝛽2
𝛽 𝛽 𝛽 3
[𝑆◦𝑇]𝛽1 =[𝑆]𝛽2 ·[𝑇]𝛽1
3 3 2
#
(𝑊 , 𝛽 3 )
[𝑇]𝛽1
(𝑈 , 𝛽 1 ) / (𝑈 , 𝛽 1 )
𝛽 𝛽
𝑀𝛽 1 𝑀𝛽 1
2 2
(𝑈 , 𝛽 2 ) 𝛽 𝛽
/ (𝑈 , 𝛽 2 )
[𝑇]𝛽2 =𝑀𝛽 1 ·[𝑇]𝛽1 ·𝑀𝛽 2
2 1
Demonstração:
𝛽
i) Supondo 𝛽 1 = {𝑢1 , . . . , 𝑢𝑛 }, 𝛽 2 = {𝑣 1 , . . . , 𝑣 𝑚 }, [𝑇]𝛽12 = [𝑎 𝑖𝑗 ] e
80
𝛽
[𝑆]𝛽12 = [𝑏 𝑖𝑗 ] temos que
(𝑇 + 𝛼𝑆)𝑢 𝑗 = 𝑇𝑢 𝑗 + 𝛼𝑆𝑢 𝑗
= (𝑎1𝑗 · 𝑣 1 + · · · + 𝑎 𝑚 𝑗 · 𝑣 𝑚 ) + 𝛼 · (𝑏 1𝑗 · 𝑣1 + · · · + 𝑏 𝑚 𝑗 · 𝑣 𝑚 )
= (𝑎1𝑗 + 𝛼𝑏 1𝑗 ) · 𝑣1 + · · · + (𝑎 𝑚 𝑗 + 𝛼𝑏 𝑚 𝑗 ) · 𝑣 𝑚 .
Logo,
𝛽 𝛽 𝛽
[𝑇 + 𝛼𝑆]𝛽12 = [𝑎 𝑖𝑗 ] + 𝛼[𝑏 𝑖𝑗 ] = [𝑇]𝛽12 + 𝛼[𝑆]𝛽12 .
𝑛 𝑛
!
Õ Õ
𝑆 ◦ 𝑇𝑢 𝑗 = 𝑆 𝑎 𝑖𝑗 · 𝑣 𝑖 = 𝑎 𝑖𝑗 𝑆𝑣 𝑖
𝑖=1 𝑖=1
𝑛 𝑝 𝑝 𝑚
! !
Õ Õ Õ Õ
= 𝑎 𝑖𝑗 𝑏 𝑘𝑖 · 𝑤 𝑘 = 𝑏 𝑘𝑖 𝑎 𝑖𝑗 𝑤 𝑘 .
𝑖=1 𝑘=1 𝑘=1 𝑖=1
𝛽 𝛽 𝛽
Assim, [𝑆 ◦ 𝑇]𝛽13 = [𝑆]𝛽23 · [𝑇]𝛽12 .
81
𝛽 𝛽
[𝑇]𝛽12 · [𝑇 −1 ]𝛽21 = [𝑇 ◦ 𝑇 −1 ]𝛽2 = [𝐼]𝛽2 = 𝐼𝑛 .
Analogamente,
𝛽 𝛽
[𝑇 −1 ]𝛽21 · [𝑇]𝛽12 = [𝑇 −1 ◦ 𝑇]𝛽1 = [𝐼]𝛽1 = 𝐼𝑛 .
𝛽 𝛽 𝛽 𝛽
vii) Como [𝐼]𝛽12 = 𝑀𝛽21 e [𝐼]𝛽21 = 𝑀𝛽12 , temos
𝛽 𝛽 𝛽 𝛽 𝛽 𝛽
𝑀𝛽12 · [𝑇]𝛽2 · 𝑀𝛽21 = [𝐼]𝛽12 · [𝑇]𝛽1 · [𝐼]𝛽21 = [𝐼]𝛽12 · [𝑇]𝛽21 = [𝑇]𝛽2 .
1 0 " #
𝛼
𝛽 1 0 1
[𝑇]𝛽 = 2 1 e [𝑆]𝛾 =
−1 1 0 0 1
sendo 𝛼 = {(1, 0), (1, 1)}, 𝛽 = {(1, 1, 1), (1, 0, 1), (0, 0, 1)} e 𝛾 = {(1, 0), (0, 2)}.
" # 1 0 " #
1 0 1 0 1
[𝑆 ◦ 𝑇]𝛼𝛾 = 2 1= .
0 0 1 −1 1
−1 1
82
" #" #
0 1 𝑥−𝑦
=
−1 1 𝑦
" #
𝑦
=
2𝑦 − 𝑥
e, consequentemente,
𝑒 " #" #
3 −4 𝑥
𝑇 −1 (𝑥, 𝑦) =
−2 3 𝑦
" #
3𝑥 − 4𝑦
=
−2𝑥 + 3𝑦
83
Portanto,
𝑇 −1 (𝑥, 𝑦) = (3𝑥 − 4𝑦, −2𝑥 + 3𝑦)
𝑇(𝑥, 𝑦) = (𝑥 + 2𝑦, 𝑦)
onde " #
1 1 1
𝑀𝛽𝛼 =
3 2 −1
e " #
𝑎 𝑐
[𝑇]{𝑒1 ,𝑒2 } =
𝑏 𝑑
A sobrejetividade de 𝑇 garante que para cada (𝑟, 𝑠) ∈ R2 , existe (𝑥, 𝑦) ∈ R2
84
tal que 𝑇(𝑥, 𝑦) = (𝑎𝑥 + 𝑐𝑦, 𝑏𝑥 + 𝑑𝑦) = (𝑟, 𝑦) se, somente se, o sistema
(
𝑎𝑥 + 𝑐𝑦 = 𝑟
𝑏𝑥 + 𝑑𝑦 = 𝑠
com 𝑎𝑑 − 𝑏𝑐 ≠ 0.
2.14 Exercícios
definida por
𝛽
Φ(𝑇) = [𝑇]𝛽12
é um isomorfismo linear.
𝑇(𝑥, 𝑦, 𝑧) = (2𝑥, 4𝑥 − 𝑦, 2𝑥 + 3𝑦 − 𝑧)
3. Sejam 𝛽 1 = {(0, 2), (2, −1)} e 𝛽 2 = (1, 1, 0), (0, 0, −1), (1, 0, 1) bases
85
de R2 e R3 . Se
2 0
𝛽1
[𝑆]𝛽2 = 4 0 .
0 −4
Dê a expressão para 𝑆(𝑥, 𝑦).
4 2
𝛽1 2 1
.
[𝑇]𝛽2 =
3 1
3 0
Determine 𝑇.
8. Dadas as bases
𝛼 = {(1, 1) , (1, −1)} ⊂ R2
Autovalores e Autovetores
87
88
n o
i) O vetor nulo 0® e o próprio 𝑉 são invariantes;
Observação 21. O número 𝜆 pode ser igual a 0, mas o vetor 𝑣 não pode ser
nulo.
𝑇𝑢 = 𝑇(𝛼 · 𝑣) = 𝛼𝑇𝑣 = 𝛼 · (𝜆 · 𝑣) = 𝜆 · (𝛼 · 𝑣) = 𝜆 · 𝑢.
𝑉𝜆 = {𝑣 ∈ 𝑉; 𝑇𝑣 = 𝜆 · 𝑣}
𝑉𝜆 = N(𝑇 − 𝜆 · 𝐼);
n o
b) Se 𝑢 ∈ 𝑉𝜆 \ 0® então 𝑢 é um autovetor de 𝑇 associado ao autovalor 𝜆;
n o
c) Para dois autovalores distintos 𝜆1 , 𝜆2 de 𝑇 temos que 𝑉𝜆1 ∩ 𝑉𝜆2 = 0® ;
Dividiremos em casos:
i) Se 𝑦 ≠ 0, a segunda equação diz que 𝜆 = −1 e voltando a primeira
equação temos 𝑦 = −2𝑥. Portanto,
𝑉3 = [(1, 0)].
𝑎11 · · · 0
.. . . . ..
𝐴= . .
0 · · · 𝑎 𝑛𝑛
91
e dados os vetores
temos que
0
..
.
𝐴 · 𝑒 𝑖 =
𝑎 𝑖𝑖 = 𝑎 𝑖𝑖 · 𝑒 𝑖 .
..
.
0
Assim, estes vetores da base canônica de R𝑛 são autovalores para 𝐴 e o
autovetor 𝑒 𝑖 é associado ao autovalor 𝑎 𝑖𝑖 .
®
𝑎1 · 𝑇𝑣 1 + · · · + 𝑎 𝑘 · 𝑇𝑣 𝑘 = 0,
92
o que nos dá
®
𝑎1 · 𝜆1 · 𝑣1 + · · · + 𝑎 𝑘 · 𝜆 𝑘 · 𝑣 𝑘 = 0. (3.2)
®
𝑎1 · (𝜆1 − 𝜆 𝑘 ) · 𝑣1 + · · · + 𝑎 𝑘−1 · (𝜆 𝑘−1 − 𝜆 𝑘 ) · 𝑣 𝑘−1 = 0.
0® = 𝑎1 · 𝑣 1 + · · · + 𝑎 𝑘−1 · 𝑣 𝑘−1 + 𝑎 𝑘 · 𝑣 𝑘 = 𝑎 𝑘 · 𝑣 𝑘 .
Portanto, 𝑎 𝑘 = 0.
3.2 Exercícios
" # 1 0 −1
2 1
𝐴= , 𝐵 = −2 3 −1
1 2
−6 6 0
e
cos 𝜃 −sen 𝜃 0
𝐶 = sen 𝜃 cos 𝜃 0 .
0 0 1
7. Mostre que se 𝜆 é autovalor do operador linear 𝑇 : 𝑉 → 𝑉 , então
𝜆𝑛 é autovalor de 𝑇 𝑛 .
94
𝑎 −𝜆 𝑎 12 ··· 𝑎1𝑛
𝑥1 0
11
𝑎21 𝑎22 − 𝜆 𝑎2𝑛 𝑥2 0
···
.
.. .. ... .. · .. = ..
. . . .
𝑎 𝑛1 𝑎 𝑛2 · · · 𝑎 𝑛𝑛 − 𝜆 𝑥𝑛 0
| {z }
𝐵
96
𝑝 𝐴 (𝜆) = det (𝐴 − 𝜆 · 𝐼)
= det(𝑀 −1 · 𝐵 · 𝑀 − 𝜆 · 𝑀 −1 · 𝐼 · 𝑀)
= det (𝑀 −1 · (𝐵 · 𝑀 − 𝜆 · 𝐼 · 𝑀))
= det (𝑀 −1 · (𝐵 − 𝜆 · 𝐼) · 𝑀)
= 𝑃𝐵 (𝜆)
Note que pelo o que foi provado acima, temos que dado um
operadores linear 𝑇 : 𝑉 → 𝑉 e duas bases de 𝑉 , 𝛽 1 , 𝛽 2 , então
𝛽 𝛽 𝛽 𝛽
[𝑇]𝛽2 = 𝑀𝛽21 · [𝑇]𝛽1 · 𝑀𝛽12 = (𝑀𝛽12 )−1 · [𝑇]𝛽1 · 𝑀𝛽12 .
Assim,
𝑝(𝜆) = 𝜆2 − 5𝜆 + 4.
Proposição 15. Sejam 𝑉 um espaco vetorial de dimensão finita e 𝑇 : 𝑉 → 𝑉
um operador linear. Então as afirmações abaixo são equivalente:
1. 𝜆 é um autovalor de 𝑇;
2. 𝑝𝑇 (𝜆) = 0.
Demonstração: Suponha que 𝜆 seja um autovalor de 𝑇. Então existe
𝑣 ≠ 0® tal que
𝑇𝑣 = 𝜆 · 𝑣,
ou seja,
®
(𝑇 − 𝜆 · 𝐼)𝑣 = 0.
𝑝𝑇 (𝜆) = (𝜆 − 𝜆0 )𝑑 · 𝑞(𝑡)
𝜆0 0 · · · 0
0 𝜆0 · · ·
0
𝐴𝑚(𝑔)𝜆0 ×(𝑛−𝑚(𝑔)𝜆0 )
.. .. . . . ..
. . .
.
0 · · · 𝜆0
0
𝑚(𝑔)𝜆0 ×𝑚(𝑔)𝜆0
𝐵(𝑛−𝑚(𝑔)𝜆0 )×(𝑛−𝑚(𝑔)𝜆0 )
0(𝑛−𝑚(𝑔)𝜆0 )×𝑚(𝑔)𝜆0
𝑛×𝑛
3.4 Exercícios
−𝜆3 − 2𝜆2 + 𝜆 + 5
e
−𝜆3 − 2𝜆2 .
101
Calcule os determinantes de 𝐴 e 𝐵.
𝜆1 0 · · · 0
0 𝜆2 · · ·
0
.. .
[𝑇]𝛽 = .. .. . . .
. . .
0 · · · 𝜆𝑛
0
102
Reciprocamente se
𝜆1 0 · · · 0
0 𝜆2 · · ·
0
.. ,
[𝑇]𝛽 = .. .. . . .
. . .
0 · · · 𝜆𝑛
0
então pela própria definicão de matriz de uma transformação linear,
vemos que 𝑇(𝑣 𝑖 ) = 𝜆 𝑖 · 𝑣 𝑖 .
Dizemos que uma matriz 𝐴 ∈ M𝑛 (R) é diagonalizável se existir
𝑀 ∈ M𝑛 (R) invertível tal que 𝑀 −1 · 𝐴 · 𝑀 seja uma matriz diagonal.
𝑀 −1 · [𝑇]𝛽 · 𝑀
𝑢 𝑗 = 𝑎1𝑗 · 𝑣 1 + · · · + 𝑎 𝑛 𝑗 · 𝑣 𝑛 ,
𝛾
é uma base de 𝑉. Denotando, 𝑀 = 𝑀𝛽 temos que
𝛽 𝛾
[𝑇]𝛾 = 𝑀 𝛾 · [𝑇]𝛽 · 𝑀𝛽 = 𝑀 −1 · [𝑇]𝛽 · 𝑀.
103
𝑉 = 𝑉𝜆1 ⊕ · · · ⊕ 𝑉𝜆 𝑘 .
1. 𝑇 é diagonalizável;
2. 𝑚(𝑎)𝜆𝑖 = 𝑚(𝑔)𝜆𝑖
a base 𝛽 é da forma
𝜆 ·𝐼 0 ··· 0
1 𝑚(𝑔)𝜆1
𝜆2 · 𝐼𝑚(𝑔)𝜆2
0 ··· 0 .
[𝑇]𝛽 = .. .. ... ..
. . .
· · · 𝜆 𝑘 · 𝐼𝑚(𝑔)𝜆 𝑘
0 0
𝑘
Õ 𝑘
Õ
dim 𝑉 = 𝑚(𝑔)𝜆𝑖 = 𝑚(𝑎)𝜆𝑖
𝑖=1 𝑖=1
𝜆1 · · · 0
.. . . . ..
. . ··· 0
0 · · · 𝜆1
𝑚(𝑔)𝜆1 ×𝑚(𝑔)𝜆1
.. ... .. .
. .
𝜆𝑘 · · · 0
.. . . . ..
. .
0 ···
0 · · · 𝜆 𝑘
𝑚(𝑔)𝜆 𝑘 ×𝑚(𝑔)𝜆 𝑘
e " #
1
− 13
𝑀𝛽𝛼 = 3
1 2
.
3 3
Usando a igualdade,
𝛽 𝛽
[𝑇]𝛼 = 𝑀 𝛼 · [𝑇]𝛽 · 𝑀 𝛼
segue que
" #
𝛽 𝛽 1366 2730
([𝑇]𝛼 )6 = 𝑀 𝛼 · ([𝑇]𝛽 )6 · 𝑀 𝛼 = .
1365 2731
106
3.6 Exercícios
é diagonalizável.
2. 𝑇 𝑓 (𝑇) = 𝑓 (𝑇)𝑇.
√
Supondo que 𝑛 = dim 𝑉 , os 𝑛 + 1 operadores 𝐼, 𝑇, . . . , 𝑇 𝑛 são l.d..
Portanto existem 𝑎0 , . . . , 𝑎 𝑛 ∈ R, tais que
implicando que
𝑠
Õ
𝑏 𝑖 𝑇 𝑖 𝑣 = 0® ∀𝑣 ∈ 𝑉.
𝑖=0
109
Assim,
𝑠−1
𝑠
Õ 𝑏 𝑖
𝑇 𝑣=− 𝑇 𝑖 𝑣, ∀𝑣 ∈ 𝑉.
𝑏𝑠
𝑖=0
𝑚𝑇 = (𝑥 − 𝜆)𝑞,
assim
0® = 𝑚𝑇 (𝑇) = (𝑥 − 𝜆)(𝑇)𝑞(𝑇) = (𝑇 − 𝜆 · 𝐼)𝑞(𝑇)
0® = (𝑇 − 𝜆 · 𝐼)𝑞(𝑇)𝑣 = (𝑇 − 𝜆 · 𝐼)𝑤
110
e portanto 𝜆 é um autovalor de 𝑇.
Reciprocamente, seja 𝜆 é um autovalor de 𝑇. Então existe um vetor
𝑣 ≠ 0® tal que 𝑇𝑣 = 𝜆 · 𝑣. Pelo Lema anterior
0® = 𝑚𝑇 (𝑇)𝑣 = 𝑚𝑇 (𝜆)𝑣,
donde 𝑝(𝜆) = 0.
𝑚𝑇 (𝑥) = (𝑥 − 𝜆 𝑘 ) · (𝑥 − 𝜆 𝑘−1 ) · · · · · (𝑥 − 𝜆1 ).
𝑞(𝑥) := (𝑥 − 𝜆 𝑘 ) · (𝑥 − 𝜆 𝑘−1 ) · · · · · (𝑥 − 𝜆1 ).
e portanto
𝑚𝑇 (𝑥) = 𝑞(𝑥).
®
(𝑇 − 𝜆 𝑖 · 𝐼)𝑣 = 0.
111
®
𝑞(𝑇)𝑣 = 0,
𝑚𝑇 (𝑥) = (𝑥 − 𝜆1 ) · (𝑥 − 𝜆2 ) · · · · · (𝑥 − 𝜆 𝑘 ),
então 𝑇 é diagonalizável.
𝑇 2 = 0®L(R11 ,R11 ) .
Em contrapartida, o operador
3.8 Exercícios
𝑚𝑇 (𝑥) = (𝑥 − 𝜆1 ) · (𝑥 − 𝜆2 ) · · · · · (𝑥 − 𝜆 𝑘 ).
dim 𝑈 = 𝑚1 + · · · + 𝑚𝑛 + 2𝑝1 + · · · + 2𝑝 𝑘
onde 𝜆𝑟 ≠ 𝜆 𝑠 , 𝛼 𝑟 + 𝑖𝛽 𝑟 ≠ 𝛼 𝑠 + 𝑖𝛽 𝑠 se 𝑟 ≠ 𝑠 e 𝛽 𝑠 ≠ 0.
𝜆 1 0 · · · 0 0
0 𝜆 1 ··· 0 0
.. .. .. . . . .. ..
𝐽𝑚 (𝜆) =
. . . . .
0 0 0 ··· 𝜆 1
0 0 0 · · · 0 𝜆
𝑚×𝑚
e
0 1 0 · · · 0
0 0 1 ··· 0
𝑁 =
0 0 0 ···
0
.. .. .. . . . ..
. . . .
0 0 0 · · · 0
𝑚×𝑚
é uma 𝑁 é uma matriz nilpotente, pois 𝑁 𝑚 é a matriz nula.
𝛼 𝛽 1 0 ··· 0 0
© ª
−𝛽 𝛼 0 1 ··· 0 0 ®®
0 0 𝛼 𝛽 ··· 0 0 ®
®
®
𝐽𝑚 (𝛼, 𝛽) = 0 0 −𝛽 𝛼 · · · 0 0 ® .
.. .. .. .. . . . .. ..
®
. . . . . .
®
®
𝛼 𝛽
®
0 0 0 0 ··· ®
®
« 0 0 0 0 · · · −𝛽 𝛼 ¬𝑚×𝑚
" # 𝜆 1 0
𝜆 1
𝐽1 (𝜆) = [𝜆], 𝐽2 (𝜆) = , 𝐽3 (𝜆) = 0 𝜆 1 , . . .
0 𝜆
0 0 𝜆
são blocos de Jordan que, naturalmente, estão em forma canônica de Jordan.
115
−2 1 0 0 0 0
0 −2 0 0 0 0
0 0 5 1 0 0
𝐴=
0 0 0 5 1 0
0 0 0 0 5 0
0 0 0 0 0 −2
está em forma canônica de Jordan tem 3 blocos de Jordan: 𝐽2 (−2), 𝐽3 (5) e
𝐽1 (−2), ou seja, 𝐴 = 𝑑𝑖𝑎 𝑔(𝐽2 (−2), 𝐽3 (5), 𝐽1 (−2)).
Teorema 22. (Forma Canônica de Jordan) Seja 𝑈 um espaço vetorial de
dimensão finita. Seja T ∈ L (U) cujo polinômio característico é dado por
𝑝1 𝑝𝑘
𝑚1 𝑚𝑛 2 2
𝑝𝑇 (𝜆) = (𝜆 − 𝜆1 ) ·· · ··(𝜆 − 𝜆𝑛 ) (𝜆 − 𝛼1 ) + 𝛽 21 · · · (𝜆 − 𝛼 𝑘 ) + 𝛽 2𝑘
𝐽1 (𝑎) = [𝑎].
𝑏 0 0 0 0
0 𝑎 0 0 0
0 0 𝑎 0 0
0 0 0 𝑎 0
0 0 0 0 𝑎
2. Se 𝑚 𝑔 (𝑎) = 3 existem três blocos: dois bloco são 𝐽1 (𝑎) = [𝑎] e o outro é
" #
𝑎 1
𝐽2 (𝑎) =
0 𝑎
A matriz da forma canônica de jordan é 𝑑𝑖𝑎 𝑔(𝐽1 (𝑏), 𝐽1 (𝑎), 𝐽1 (𝑎), 𝐽2 (𝑎)).
Note que a soma das ordens dos blocos 𝐽1 (𝑎), 𝐽1 (𝑎) e 𝐽2 (𝑎) é igual a
𝑚 𝑎 (𝑎) = 4.
A matriz da forma canônica de Jordan é 𝑑𝑖𝑎 𝑔(𝐽1 (𝑏), 𝐽2 (𝑎), 𝐽2 (𝑎)). Além
disso, a soma das ordens dos blocos 𝐽2 (𝑎) e 𝐽2 (𝑎) é 𝑚 𝑎 (𝑎) = 4.
117
𝑎 1 0 0
0 𝑎 1 0
𝐽4 (𝑎) =
0 0 𝑎 0
0 0 0 𝑎
A matriz da forma canônica de Jordan do operador é 𝑑𝑖𝑎 𝑔(𝐽1 (𝑏), 𝐽4 (𝑎)).
© 𝑎 0 0 0ª
0 𝑎 0 0 ®®
𝑏 ®®
®
0 0 0
« 0 0 −𝑏 0 ¬
© 𝑎 1 0 0ª
0 𝑎 0 0 ®®
𝑏 ®®
®
0 0 0
« 0 0 −𝑏 0 ¬
3.10 Exercícios
Produto Interno
h·, ·i : 𝑉 × 𝑉 −→ R
(𝑢, 𝑣) ↦−→ h𝑢, 𝑣i
®
iv) (Positividade) h𝑢, 𝑢i ≥ 0 ∀ 𝑢 ∈ 𝑉 e h𝑢, 𝑢i = 0 ⇔ 𝑢 = 0.
119
120
para todo 𝑢𝑖 , 𝑣 𝑖 ∈ 𝑉 , 𝑎 𝑖 , 𝑏 𝑖 ∈ R, 𝑖 = 1, . . . , 𝑛, 𝑗 = 1, . . . , 𝑚.
Exemplo 64. Podemos munir o espaço euclidiano R𝑛 de um produto interno
canônico (ou usual) dos vetores 𝑢 = (𝑥 1 , . . . , 𝑥 𝑛 ), 𝑣 = (𝑦1 , . . . , 𝑦𝑛 ) ∈ R𝑛
como sendo
h𝑢, 𝑣i = 𝑥1 𝑦1 + · · · + 𝑥 𝑛 𝑦𝑛 .
Exemplo 65. Se 𝑉 = R2 então h(𝑎, 𝑏), (𝑐, 𝑑)i = 𝑎𝑐 + 8𝑏𝑑 + 2𝑎𝑑 + 2𝑏𝑐 é
um produto interno em R2 , mas h(𝑎, 𝑏), (𝑐, 𝑑)i = 𝑎𝑐 − 𝑏𝑑 não é um produto
interno do R2 .
121
Note que
2 Õ
Õ 2 Õ
h𝐴, 𝐵i = 𝑎 𝑖𝑗 𝑏 𝑖𝑗 = (𝑎 𝑖1 𝑏 𝑖1 + 𝑎 𝑖2 𝑏 𝑖2 )
𝑖=1 𝑗=1 𝑖=1
= −1 + 2 + 4 + 10 = 15.
h𝑎 𝑛 𝑡 𝑛 + · · · + 𝑎1 𝑡 + 𝑎 0 , 𝑏 𝑛 𝑡 𝑛 + · · · + 𝑏 1 𝑡 + 𝑏0 i := 𝑎 𝑛 𝑏 𝑛 + · · · + 𝑎1 𝑏1 + 𝑎0 𝑏 0 .
4.2 Exercícios
4.3 Norma
= k𝑢k 2 + 2𝛼h𝑢, 𝑣i + k𝑣 k 2 𝛼2 .
k𝑢 + 𝑣 k ≤ k𝑢k + k𝑣 k, ∀ 𝑢, 𝑣 ∈ 𝑉.
k𝑢 + 𝑣 k 2 = h𝑢 + 𝑣, 𝑢 + 𝑣i = k𝑢k 2 + k𝑣 k 2 + 2h𝑢, 𝑣i
|h𝑣, 𝑤i|
≤1
k𝑣k · k𝑤k
h𝑣, 𝑤i
−1 ≤ ≤ 1.
k𝑣 k · k𝑤 k
h𝑣, 𝑤i
cos 𝜃 = .
k𝑣k · k𝑤k
𝜋
Os vetores 𝑣 e 𝑤 são ortogonais quando 𝜃 = 2 ou h𝑣, 𝑤i = 0, fato
que será indicado pelo símbolo 𝑣 ⊥ 𝑤.
Se 𝑤 for ortogonal a si mesmo então h𝑤, 𝑤i = 0 e isto implica em
® Se 𝑤 for ortogonal a todo elemento de 𝑉 , então é ortogonal a si
𝑤 = 0.
® Se a dimensão de 𝑉 for finita e 𝑤 for ortogonal a uma
mesmo e 𝑤 = 0.
®
base de 𝑉 , então 𝑤 = 0.
Um conjunto de vetores {𝑣1 , . . . , 𝑣 𝑛 } é ortogonal quando h𝑣 𝑖 ; 𝑣 𝑗 i = 0
para 𝑖 ≠ 𝑗 e k𝑣 𝑖 k ≠ 0. Se além disto, todos os vetores possuírem norma
unitária, isto é, k𝑣 𝑖 k = 1, dizemos que o conjunto é ortonormal.
k𝑢 + 𝑣 k 2 = k𝑢k 2 + k𝑣k 2 .
Demonstração: De fato,
k𝑢 + 𝑣k 2 = h𝑢 + 𝑣; 𝑢 + 𝑣i = k𝑢k 2 + k𝑣 k 2 − 2 h𝑢, 𝑣i .
|{z}
=0
® = h𝑣 𝑖 , 𝑎1 · 𝑣1 + · · · + 𝑎 𝑛 · 𝑣 𝑛 i = 𝑎 𝑖 · h𝑣 𝑖 , 𝑣 𝑖 i = 𝑎 𝑖 · k𝑣 𝑖 k 2 .
0 = h𝑣 𝑖 , 0i
𝑣 = h𝑣, 𝑣1 i · 𝑣 1 + · · · + h𝑣, 𝑣 𝑛 i · 𝑣 𝑛 .
𝑣 = h𝑣, 𝑣1 i · 𝑣1 + · · · + h𝑣, 𝑣 𝑛 i · 𝑣 𝑛 .
obde 𝑊 = [𝛽] = [𝑣 1 , . . . , 𝑣 𝑛 ].
𝑣
Observação 30. Se 𝛽 = ® então
, com 𝑣 ≠ 0,
k𝑣 k
h𝑢, 𝑣i
Proj𝑊 𝑣 = · 𝑣,
k𝑣 k 2
4.4 Exercícios
a) 𝑣 = (1, 1, 0) e 𝑢 = (0, 1, 1)
2. Verifique as relações
k𝑢 + 𝑣 k 2 − k𝑢k 2 − k𝑣 k 2
a) h𝑢, 𝑣i =
2
k𝑢 + 𝑣 k 2 − k𝑢 − 𝑣k 2
b) h𝑢, 𝑣i =
4
3. Mostre que a desigualdade do teorema 22 se transforma na
igualdade h𝑢; 𝑣i = k𝑢k · k𝑣 k se, e somente se, 𝑢 é múltiplo de
𝑣.
𝛽 = {𝑢1 , . . . , 𝑢𝑛 }
129
𝑇𝑒 𝑖 = 𝑢𝑖 , 𝑖 = 1, . . . , 𝑛
onde
{𝑢1 , . . . , 𝑢𝑛 }
𝛽 = {𝑢1 , . . . , 𝑢 𝑘 }
um conjunto ortonormal de 𝑉 e
𝑃𝑣 = h𝑣, 𝑢1 i 𝑢1 + · · · + h𝑣, 𝑢 𝑘 i 𝑢 𝑘 , ∀𝑣 ∈ 𝑉
k𝑃𝑣k ≤ k𝑣 k, ∀𝑣 ∈ 𝑉
k𝑃𝑣k = k𝑣k, ∀𝑣 ∈ 𝑉
𝑣 = 𝑢 − h𝑢, 𝑢1 i · 𝑢1 − · · · − h𝑢, 𝑢𝑛 i · 𝑢𝑛
𝑣 = 0® ⇔ 𝑢 ∈ [𝑢1 , . . . , 𝑢𝑛 ].
Teorema 24. Todo espaço vetorial de dimensão finita admite uma base
ortogonal.
Agora escreva
𝑤2 = 𝑣2 − 𝑏 12 · 𝑤 1
131
𝑤3 = 𝑣3 − 𝑏 13 · 𝑤 1 − 𝑏 23 · 𝑤2
h𝑤1 , 𝑣3 i h𝑤2 , 𝑣3 i
𝑏 13 = e 𝑏 23 =
h𝑤 1 , 𝑤1 i h𝑤2 , 𝑤2 i
𝑤1 = 𝑣1
e
𝑤 𝑘 = 𝑣 𝑘 − 𝑏1𝑘 · 𝑤1 − · · · − 𝑏 𝑘−1,𝑘 · 𝑤 𝑘−1
para 𝑘 = 2, . . . , 𝑛, onde
h𝑤 𝑖 , 𝑣 𝑘 i
𝑏𝑖 𝑘 = .
h𝑤 𝑖 , 𝑤 𝑖 i
𝑆 ⊥ = {𝑣 ∈ 𝑉; h𝑣, 𝑢i = 0, ∀𝑢 ∈ 𝑆}.
®
𝑆 ∩ 𝑆 ⊥ = {0}.
𝑆 ⊥ = {𝑣 ∈ 𝑉; h𝑣, 𝑤i = 0, ∀𝑤 ∈ 𝑆},
temos que
133
i) 0® ∈ 𝑆 ⊥ ; h𝑢, 0i
® = 0, ∀𝑢 ∈ 𝑆
𝑢 ∈ 𝑆 ⊥ ⇒ h𝑢, 𝑤i = 0; ∀𝑤 ∈ 𝑆
e
𝑣 ∈ 𝑆 ⊥ ⇒ h𝑣, 𝑤i = 0; ∀𝑤 ∈ 𝑆
temos que
h𝑢 + 𝑣, 𝑤i = h𝑢, 𝑣i + h𝑣, 𝑤i = 0 + 0 = 0, ∀𝑤 ∈ 𝑆
Portanto, 𝑢 + 𝑣 ∈ 𝑆 ⊥ .
h𝛼 · 𝑢, 𝑤i = 𝛼 · h𝑢, 𝑤i = 𝛼 · 0 = 0, ∀𝑤 ∈ 𝑆.
Logo, 𝑆 ⊥ é um subespaço.
𝑆 = [(2, 2, −1, 0, 1), (−1, −1, 2, −3, 1), (1, 1, −2, 0, −1), (0, 0, 1, 1, 1)],
𝑤 = 𝑣 − h𝑣, 𝑣1 i · 𝑣1 − · · · − h𝑣, 𝑣 𝑝 i · 𝑣 𝑝
𝑆 = (𝑆 ⊥ )⊥ .
assim,
4.7 Exercícios
(a) Encontre 𝑆 ⊥
(b) Encontre uma base para 𝑆 e 𝑆⊥ .
onde 𝑤 = 𝑓 (𝑣 1 ) · 𝑣1 + · · · + 𝑓 (𝑣 𝑛 ) · 𝑣 𝑛 .
𝑇𝑣 = ( 𝑓1 (𝑣), . . . , 𝑓𝑚 (𝑣)),
4.9 Exercícios
Teorema Espectral
𝑝(𝑇) = 𝑎 0 𝐼 + 𝑎1𝑇 + · · · + 𝑎 𝑛 𝑇 𝑛 : 𝑉 → 𝑉.
138
139
existe pelo menos um 𝑝 𝑖 (𝑇) não invertível, isto é, existe 𝑣 ∈ 𝑉 tal que
𝑝 𝑖 (𝑇)𝑣 = 0®L(𝑉 ,𝑉) e 𝑣 ≠ 0.
®
𝜉 : 𝑉 → 𝑉∗
𝑣 ↦→ 𝜉(𝑣) = 𝑣 ∗ : 𝑉 −→ R
𝑤 ↦→ 𝑣 ∗ (𝑤) = h𝑤, 𝑣i
Fazendo 𝑤 = 𝑣, temos
h𝑣, 𝑣i = 0 ⇒ 𝑣 = 0,
𝑇∗ : 𝑉 → 𝑈
𝑣 ↦→ 𝑇 ∗ 𝑣
141
para todo 𝑢 ∈ 𝑈.
= h𝑢, 𝑇 ∗ 𝑣i + 𝛼h𝑢,
˜ 𝑇 ∗ 𝑣˜ i = 𝑇 ∗ (𝑣)(𝑢) + 𝛼𝑇 ∗ (𝑣˜ )(𝑢).
h𝑢, 𝑇 ∗ 𝑣i = h𝑇𝑢, 𝑣i = 0,
implicando que 𝑇 ∗ 𝑣 ∈ 𝑈 ⊥ .
Logo 𝑈 ⊥ é invariante por 𝑇 ∗ .
5.3 Exercícios
para todo 𝑢, 𝑣 ∈ 𝑉.
(𝑇 ◦ 𝑆)∗ = 𝑆 ∗ ◦ 𝑇 ∗ = 𝑆 ◦ 𝑇.
h𝑣 𝑖 , 𝑇𝑣 𝑗 i = h𝑇𝑣 𝑖 , 𝑣 𝑗 i.
temos que
h𝑇𝑣, 𝑤i = h𝑣, 𝑇𝑤i, ∀𝑣, 𝑤 ∈ 𝑉.
Portanto 𝑇 é auto-adjunto.
𝑢 ∈ 𝑈 , 𝑢 ⊥ ∈ 𝑈 ⊥ ⇒ 𝑇𝑢 ∈ 𝑈 ⇒ h𝑢, 𝑇 ∗ (𝑢 ⊥ )i = h𝑇𝑢, 𝑢 ⊥ i = 0.
(𝜆 𝑖 − 𝜆 𝑗 )h𝑣 𝑖 , 𝑣 𝑗 i = h𝜆 𝑖 · 𝑣 𝑖 , 𝑣 𝑗 i − h𝑣 𝑖 , 𝜆 𝑗 · 𝑣 𝑗 i = h𝑇𝑣 𝑖 , 𝑣 𝑗 i − h𝑣 𝑖 , 𝑇𝑣 𝑗 i = 0,
| {z }
h𝑇𝑣 𝑖 ,𝑣 𝑗 i
pois 𝑇 é auto-adjunto.
Como 𝜆 𝑖 ≠ 𝜆 𝑗 e 𝜆 𝑖 , 𝜆 𝑗 ≠ 0, temos que a igualdade
(𝜆 𝑖 − 𝜆 𝑗 )h𝑣 𝑖 , 𝑣 𝑗 i = 0
implica que
h𝑣 𝑖 , 𝑣 𝑗 i = 0.
144
h𝑇𝑣 𝑖 , 𝑣 𝑗 i = h𝜆 𝑖 · 𝑣 𝑖 , 𝑣 𝑗 i = 𝜆 𝑖 · 𝛿 𝑖𝑗 = 𝜆 𝑗 · 𝛿 𝑗𝑖 = h𝑣 𝑖 , 𝜆 𝑗 · 𝑣 𝑗 i = h𝑣 𝑖 , 𝑇𝑣 𝑗 i,
para 𝑖, 𝑗 = 1, . . . , 𝑛.
5.5 Exercícios
𝜆h𝑣, 𝑣i = h𝜆 · 𝑣, 𝑣i = h𝑇𝑣, 𝑣i ≥ 0
temos que
𝑛 𝑛 𝑛
* +
Õ Õ Õ
h𝑇𝑣, 𝑣i = 𝑎 𝑖 𝑇𝑣 𝑖 , 𝑎𝑗 · 𝑣𝑗 = 𝜆 𝑖 𝑎 2𝑖
𝑖=1 𝑗=1 𝑖=1
e asim
𝑘
Õ
0 = h𝑇𝑣, 𝑣i = 𝜆 𝑖 𝑎 2𝑖
𝑖=1
5.7 Exercícios
Daí,
𝑇 ∗ ◦ 𝑇𝑣 = 0 ⇒ 𝑇𝑣 ∈ N(𝑇 ∗ ) = Im(𝑇)⊥
⇒ 𝑇𝑣 ∈ Im(𝑇) ∩ Im(𝑇)⊥
⇒ 𝑇𝑣 = 0
⇒ 𝑣 ∈ N(𝑇).
Por fim,
= dim Im(𝑇).
5.9 Exercícios
que
𝑇𝑢𝑖 = 𝜆˜ 𝑖 · 𝑣 𝑖 e 𝑇 ∗ 𝑣 𝑖 = 𝜆˜ 𝑖 · 𝑢𝑖 ,
𝜎1 ≥ 𝜎2 ≥ · · · ≥ 𝜎𝑟 ,
𝐴 = 𝑈Σ𝑉 𝑡
onde
1
𝑢𝑖 = 𝐴𝑣 𝑖 , 𝑖 = 1, . . . , 𝑚;
𝜎𝑖
𝜎1 . . . 0
.. . . ..
em que 𝐷 = . . . .
0 . . . 𝜎𝑟
𝑟×𝑟
Exemplo 76. Vamos calcular a decomposição em valores singulares da matriz
1 1
𝐴= 0 0.
−2 2
√ √
Os autovalores da matriz 𝐴𝐴𝑇 são 𝜎1 = 8, 𝜎2 = 2. De fato,
1 1" # 2 0 0
1 0 −2
𝑇
𝐴𝐴 = 0 0 =0 0 0
−2 2 1 0 2
0 0 8
𝑇
Os autovalores serão as raízes de det 𝐴𝐴 − 𝜆𝐼 = 0
2−𝜆 0 0
det 0 −𝜆 0 = 0 ⇒ (2 − 𝜆)(8 − 𝜆)(−𝜆) = 0
0
0 8−𝜆
154
• 𝜆1 = 8 :
2 − 𝜆1 0 0 𝑥 0
0 0 − 𝜆1 0 𝑦=0
0
0 8 − 𝜆1
𝑧 0
Resolvendo o sistema e tomando 𝑧 = 1 tem-se 𝑥 = 𝑦 = 0. Assim,
0
𝑢1 = 0 ;
1
• 𝜆2 = 2
2 − 𝜆2 0 0 𝑥 0
0 0 − 𝜆2 0 𝑦=0
0
0 8 − 𝜆2
𝑧 0
Resolvendo o sistema e tomando 𝑥 = −1 tem-se 𝑧 = 𝑦 = 0. Assim,
−1
𝑢2 = 0
0
• 𝜆3 = 0 :
2 − 𝜆3 0 0 𝑥 0
0 0 − 𝜆3 0 𝑦=0
0
0 8 − 𝜆3
𝑧 0
155
0
𝑢3 = −1
0
" # −1 " √ #
1 𝑇 1 1 0 −2 − 2/2
𝑣2 = 𝐴 𝑢2 = √ 0 = √
𝜎2 2 1 0 2 − 2/2
0
Segue que: " √ √ #
− 2/2 − 2/2
𝑉= √ √
2/2 − 2/2
Logo
√
0 −1 0 8 0 " √
− 2/2 √2/2
#
√
𝐴 = 𝑈Σ𝑉 𝑇 = 0 0 −1 0 2 √ √ .
− 2/2 − 2/2
1 0 0 0 0
156
5.11 Exercícios
157
158
[10] LANG, S., Álgebra Linear, 3a. Ed., Editora Ciência Moderna, 2004.
[19] STRANG, G., Linear Algebra and its Applications, 3rd. Ed.,
Brooks Cole, 1988.