Cap 4 - Def. Espaços Vet.: é um conjunto V, não vazio, Def. Mudança de Base: Sejam β = {u1, u2, ...

, un} e β’ =
com duas operações: soma, V × V → V, e multiplicação por {w1, w2, ...,wn} duas bases de V. Um vetor v ∈ V pode ser
escalar, ℝ × V→V, tais que, para quaisquer u, v, w ∈ V e a, escrito como:
b ∈ ℝ, as propriedades são satisfeitas.
v = x1u1 + x2u2 + ... + xnun
i) (u + v) + w = u + (v + w) ii) u + v = v + u v = y1w1 + y2w2 + ... + ynwn
iii) 0 ∈ V tal que u + 0 = u (0 é o vetor nulo) Em relação às bases β e β’:
iv) -u ∈ V tal que u + (-u) = 0 𝑥1 𝑦1
[v]β = [𝑥2] [v]β’ = [𝑦2
…
]
v) α(u + v) = αu + αv vi) (α + β)v = αv + βv …
𝑥n 𝑦n
vii) (αβ)v = α(βv) viii) 1u = u
A matriz [I]β’β é chamada matriz de mudança da base β’
Def. Subesp. Vetoriais: Dado um espaço vetorial V, um para a base β.
subconjunto W, não vazio, será um subespaço vetorial se: 𝑎11 ⋯ 𝑎1n
[I]β’β = [ ⋮ ⋱ ⋮ ]
i) ∀ u, v ∈ W, temos u + v ∈ W 𝑎n1 ⋯ 𝑎nn
ii) ∀ α ∈ ℝ u ∈ W, temos αu ∈ W
Temos então [v]β = [I]β’β [v]β’.
Def. Subesp. Ger.: é o conjunto de todos os vetores V q
são combinações lineares dos vetores {v1, v2, ..., vn} ∈ V. Inversa da mudança de base: ([I]β’β)-1 = [I]ββ’

Teorema (Intersecção): Sejam W1 e W2 subespaços de V, Cap 5 - Def. Transf. Linear: Sejam V e W dois espaços
a intersecção de W1 e W2 é um subespaço de V. vetoriais. Uma TL (ou aplicação linear) é uma função de V
em W, T:V→W, que satisfaz as seguintes condições:
W1 ∩ W2 = {v ∈ V | v ∈ W1 e v ∈ W2}
i) ∀ u, v ∈ V, temos T(u + v) = T(u) + T(v)
Teorema União (Soma): Sejam W1 e W2 subespaços de V. ii) ∀ α ∈ ℝ v ∈ V, temos T(αv) = αT(v)
Tem-se o conjunto: iii) 0 → T(0) = 0
W1+W2={v ∈ V | v = w1 + w2, w1 ∈ W1 e w2 ∈ W2} Lei da Transformação: T: U → V
Def. Comb. Linear: consiste em multiplicar um escalar por T(v) = αT(u1) + βT(u2) + ... + γT(un)
vetor, tal que, v1, v2, ..., vn ∈ V e a1, a2, ..., an ∈ ℝ.
Def. Núcleo (ker(T)): é o conjunto dos vetores v ∈ V, tais
v = a1v1 + a2v2 + ... + anvn que T(v) = 0 é o núcleo de T. Isto é:
Uma combinação não é linear quando: ker(T) = {v ∈ V | T(v) = 0}
 v = a1v1 . v2. Multiplicação de vetores não é linear. Cap 6 – Autovalores e Autovetores: T:ℝn → ℝn
 v = a1[v1]². Um vetor não pode ser elevado a uma
potência. T(v) = λv = Av •v≠0 •λ∈ℝ

Def. LI e LD: o conjunto é LI se a equação: Encontrar os autovalores: det(A – λI) = 0, sendo a matriz
A =[𝑎 𝑏 ] e λI = [λ 0]. Logo:
a1v1 + a2v2 + ... + anvn = 0. Implica que a1 = a2 = ... = an = 0. 𝑐 𝑑 0 λ
Um vetor não pode estar em função do outro. det([𝑎 𝑏 ] – [λ 0]) = [0 0]
𝑐 𝑑 0 λ 0 0
Para o vetor ser LD, um dos vetores deve ser combinação
linear dos outros. Pode ser encontrado através das raízes do polin. caract.

Def. Base: é o conjunto de todos os vetores que gera o Encontrar os autovetores: (A – λI) [x, y] = [0, 0]. Deve-se
subespaço com o menor número de vetores. O conjunto {v1, substituir λ pelos autovalores correspondentes.
v2, ..., vn} ∈ V será base se: Polinômio Característico: polinômio de grau n, dado por:
i) {v1, v2, ..., vn} é LI ii) {v1, v2, ..., vn} = V • P(λ) = det(A – λI). O polinômio caract. de A anula A.
Não pode ter vetores irrelevantes e nenhum pode ser CL dos Matrizes semelhantes possuem o mesmo polinômio caract.
outros. Polinômio Minimal: denotado por m(λ), o polinômio
minimal de A é o polin. de menor grau, tal que m(A) = 0.
Sejam β = {v1, v2, ..., vn} base de V e v ∈ V onde v = a1v1 +
a2v2 + ... + anvn. Chamamos a1, a2, ..., an de coordenadas de • m(λ) = λk + ak-1λk-1 + ... + a0. k = coeficiente. Verifica se a
v em relação a base β denotado por: matriz é diagonalizável sem calcular os autovetores.
𝑎1 Cap 7 – Diagonalização de Matrizes: é diagonalizável se
[v]β = [𝑎2] existir alguma matriz P invertível:
…
𝑎n
• P-1AP = D ↔ A = P-1DP. D = matriz diagonal onde a
Def. Dimensão: é dado pelo número de elementos de uma diagonal principal são os autovalores e o resto é zero.
base (dim(V)).
P = matriz formada pelos autovetores de A.