Escolar Documentos
Profissional Documentos
Cultura Documentos
Leandro F. Aurichi
A ideia deste texto não é só focar em determinados conteúdos, mas também- numa forma de pensar
e organizar para se tratar de problemas matemáticos. Tente encarar o texto apenas como um ponto
inicial: não fique apenas com o que for apresentado aqui. Algumas sugestões: 1
Não leia passivamente. Papel e lápis são seus amigos;
Tente explicar a colegas o conteúdo aqui apresentado. Procure ajuda de colegas quando algo não
for claro;
Leia as soluções apresentadas uma vez. Numa segunda, tente resolver por conta própria. Não
conseguiu? Leia um pouco (mas só um pouco) e volte a tentar. Repita;
Viu um problema e já sabe resolver? Pense em formulações alternativas. E se as condições fossem
um pouco diferentes? Saberia resolver um caso mais geral?
Tente se divertir.
1 Obviamente, essas sugestões não funcionam para todo mundo. Dê uma chance a cada uma, veja as que parecem
1
Aula 1
Vamos começar com uma intuição sobre vetores e sua representação gráfica. A formalização de fato
faremos adiante - por enquanto é só uma intuição mesmo sobre o tipo de ferramenta que queremos
abordar. Papel e lápis ajudam bastante nessa hora (e no futuro também!).
Intuição
Slide 2
Slide 3
2
Figura 1: Direção Figura 2: Magnitude
Queremos representar sobre sobre esse ponto algo com duas grandezas: direção e magnitude. Cha-
mamos cada uma dessas representações de vetor.
Na figura, a direção é dada pela “inclinação” do vetor. Já a magnitude é dada pelo comprimento.
Slide 4
Ponto
Slide 5
Podemos utilizar a outra ponta do vetor para indicar outros pontos. Note que qualquer outro ponto
pode ser representado assim, inclusive a própria origem, se tomarmos um vetor de magnitude 0.
Pense como se o vetor “apontasse”, partindo da origem, para o novo ponto.
3
Retas
Slide 6
Fixando um vetor não nulo e variando só a sua magnitude, obtemos os pontos de uma reta. Note
que qualquer reta que passa pela origem pode ser representada dessa forma.
Se temos dois vetores fixados na origem, podemos tentar “combiná-los” num só, que chamaremos de
soma de tais vetores.
4
Figura 3: Copiando Figura 4: Ligando
Somando vetores
Slide 8
Começamos “copiando” um dos vetores para a ponta do outro. Depois, “ligamos” a origem ao ponto
final - essa é conhecida como “regra do elefantinho”.
Slide 9
Pense nisso como cada vetor indicando uma força sendo aplicada no ponto e a soma representando a
força resultante da combinação das forças originais.
Slide 10
Fixamos dois vetores “não alinhados” e variamos suas magnitudes de forma livre. Finalmente, fazemos
todas as possı́veis somas.
Ou seja, fazemos todas as somas possı́veis, onde cada uma das parcelas é um dos vetores originais,
mas com outras magnitudes.
5
Plano
Slide 11
Se olhamos todos os pontos obtidos nesse processo, obtemos um plano que contém a origem.
Se somamos dois vetores com a mesma direção, o resultado é um vetor de mesma direção cuja
magnitude é a soma das magnitudes do vetores originais?
Se aplicamos a regra do elefantinho em outra ordem (qual é o vetor copiado, qual é fixado), muda
o resultado?
Dá para saber relações entre retas geradas só olhando seus vetores? Por exemplo, dá para dizer se
3 retas estão num mesmo plano, só olhando para os seus vetores?
Dá para representar de forma parecida retas que não passam pela origem? E planos?
Parece que daria fazer esse tipo de coisa mesmo com dimensão maior que 3. Mas como, se não dá
para desenhar?
Qual seria o análogo para 3 vetores de “2 vetores não alinhados”? E para n vetores?
6
Aula 2
Vamos apresentar o conceito de um espaço vetorial. Isso é a definição de um conjunto com algumas
operações que precisam satisfazer determinadas regras. Depois de apresentarmos quem são as regras2 ,
apresentaremos alguns exemplos que satisfazem tais regras - tais exemplos vão variar bastante com relação
à natureza: poderão ser pontos do espaço (R3 ), matrizes ou mesmo funções. No final, apresentaremos
algumas propriedades que todos os espaços vetoriais possuem - e é aqui que começa aparecer a força
de tal procedimento. Vamos mostrar que todos os exemplos possuem tais propriedades porque elas são
consequências das regras iniciais que fixamos. Ou seja, se um espaço satisfaz as regras, também vai
possuir as propriedades que são consequência de tais regras, não dependendo da natureza do espaço.
Posteriormente, veremos como essa linguagem de espaço vetorial, no caso especı́fico de R2 ou R3 ,
cobre a intuição que apresentamos para vetores.
Espaço vetorial
Slide 13
Soma
Slide 14
A primeira operação é entre vetores - mais formalmente, ela é uma operação que recebe dois vetores
e os associa a um terceiro. Vamos chamar tal operação de soma e, por enquanto, vamos denotá-la com
o sı́mbolo ⊕. Ela satisfaz as seguintes condições, dados quaisquer u, v, w ∈ V :
v ⊕ w = w ⊕ v;
u ⊕ (v ⊕ w) = (u ⊕ v) ⊕ w;
v⊕O
⃗ = v;
Multiplicação
Slide 15
A segunda operação é chamada de multiplicação por escalar3 : dados um número real e um vetor,
associamos um vetor. Nesse contexto, os números reais são chamados de escalares. Por enquanto,
usaremos o sı́mbolo ⊙ para tal operação. Ela satisfaz as seguintes condições para todo v, w ∈ V e
a, b ∈ R:
1 ⊙ v = v;
(ab) ⊙ v = a ⊙ (b ⊙ v);
(a + b) ⊙ v = (a ⊙ v) ⊕ (b ⊙ v);
a ⊙ (v ⊕ w) = (a ⊙ v) ⊕ (a ⊙ w).
7
R2
Slide 16
Podemos considerar como V o conjunto R2 = {(a, b) : a, b ∈ R}. Nesse caso, O ⃗ = (0, 0), (a, b) ⊕
(x, y) = (a + x, b + y) e λ ⊙ (a, b) = (λa, λb).
Como exemplo, vamos verificar uma das condições, as outras ficando como exercı́cio. Precisamos
verificar que, dados v, w ∈ V , v ⊕ w = w ⊕ v. Sejam (a, b) = v e (x, y) = w. Temos
R3
Slide 17
De maneira muito similar, podemos considerar como V o conjunto R3 = {(a, b, c) : a, b, c ∈ R}. Nesse
caso, O⃗ = (0, 0, 0), (a, b, c) ⊕ (x, y, z) = (a + x, b + y, c + z) e λ ⊙ (a, b, c) = (λa, λb, λc).
Novamente, como exemplo, vamos verificar uma das condições, as outras ficando como exercı́cio.
Precisamos verificar que, dados v ∈ V , existe v ′ ∈ V tal que v ⊕ v ′ = O. ⃗ Seja (a, b, c). Considere
v ′ = (−a, −b, −c) (note que, de fato, v ′ ∈ V ). Temos
Rn
Slide 18
Sem surpresas, podemos considerar como V o conjunto Rn = {(a1 , a2 , ..., an ) : a1 , ..., an ∈ R}. Nesse
⃗ = (0, ..., 0), (a1 , ..., an ) ⊕ (x1 , ..., xn ) = (a1 + x1 , ..., an + xn ) e λ ⊙ (a1 , ..., an ) = (λa1 , ..., λan ).
caso, O
Novamente, vamos verificar uma das condições, as outras ficando como exercı́cio. Precisamos verificar
que, dados v ∈ V e α, β ∈ R, (α + β) ⊙ v = (α ⊙ v) ⊕ (β ⊙ v). Seja (a1 , ..., an ) = v. Temos:
(α + β) ⊙ v = (α + β) ⊙ (a1 , ..., an )
= ((α + β)a1 , ..., (α + β)an )
= (αa1 + βa1 , ..., αan + βan )
= (αa1 , ..., αan ) ⊕ (βa1 , ..., βan )
= (α ⊙ (a1 , ..., an )) ⊕ (β ⊙ (a1 , ..., an ))
= (α ⊙ v) ⊕ (β ⊙ v)
Matrizes
Slide 19
a b
O conjunto4 M2 formado pelas matrizes da forma com a, b, c, d ∈ R também é um espaço
c d
vetorial, se consideramos as operações
a b α β a+α b+β
⊕ =
c d γ δ c+γ d+δ
a b λa λb
λ⊙ =
c d λc λd
4 Veja o Alongamento 2.3.
8
Como exemplo,
verificar que dados M ∈ M2 e α, β ∈ R, temos que (αβ) ⊙ M = α ⊙ (β ⊙ M ).
vamos
a b
De fato, seja = M . Temos
c d
a b
(αβ) ⊙ M = (αβ)
c d
αβa αβb
=
αβc
αβd
βa βb
= α⊙
βc βd
a b
= α ⊙ (β ⊙ )
c d
= α ⊙ (β ⊙ M )
Funções
Slide 20
(λ ⊙ f )(x) = λf (x).
Resumindo
Slide 21
Para evitar repetições, fora menção contrária, toda vez que usarmos V , será para denotar um espaço
vetorial. Também faremos a notação mais prática de usar + em vez de ⊕ e, normalmente, simplesmente
omitiremos o sı́mbolo ⊙. Assim, as propriedades ficam:
S1 v + w = w + v;
S2 u + (v + w) = (u + v) + w;
⃗ = v;
S3 v + O
⃗
S4 para todo v ∈ V , existe v ′ ∈ V tal que v + v ′ = O;
P1 1v = v;
P2 (ab)v = a(bv);
P3 (a + b)v = (av) + (bv);
P4 a(v + w) = (av) + (aw).
9
Algumas propriedades básicas
Slide 22
Slide 23
⃗
Proposição 2.2. Dado v ∈ V , 0v = O.
⃗ (tal w existe pela propriedade S4). Temos:
Demonstração. Seja w tal que 0v + w = O
P3
0v = (0 + 0)v = 0v + 0v.
Assim,
⃗ = 0v + w (∗)
O ⃗ = 0v.
= (0v + 0v) + w = 0v + (0v + w) = 0v + O
Slide 24
⃗
Proposição 2.3. Dado v ∈ V , v + (−1v) = O.
Demonstração. Pela proposição anterior, basta notar que
⃗
v + (−1v) = 1v + (−1v) = (1 − 1)v = 0v = O.
Slide 25
Temos também a unicidade para isso:
⃗ então w = (−1v).
Proposição 2.4. Seja v ∈ V . Se w é tal que v + w = O,
⃗ obtemos
Demonstração. Somando (−1v) em ambos os lados de v + w = O,
⃗ + (−1v).
(v + w) + (−1v) = O
Note que, simplificando o lado esquerdo obtemos w enquanto que o lado direito resulta em (−1v).
Assim, passamos a usar a notação −v no lugar de (−1v) e a usar a notação w −v em vez de w +(−1v).
−v é chamado de oposto de v.
Slide 26
⃗ = O.
Proposição 2.5. Dado a ∈ R, aO ⃗
⃗ para qualquer v, em particular, temos que 0O
Demonstração. Como 0v = O ⃗ = O.
⃗ Assim
⃗ = a(0O)
aO ⃗ = (a0)O
⃗ = 0O
⃗ = O.
⃗
10
Slide 27
⃗ então a = 0 ou v = O.
Proposição 2.6. Dados v ∈ V e a ∈ R tais que av = O, ⃗
⃗ (note que isso é suficiente6 ). Temos
Demonstração. Suponha que a ̸= 0. Vamos então provar que v = O
1 1⃗ ⃗
v = 1v = av = O = O.
a a
Note que todas essas propriedades básicas (assim como outras que veremos no futuro), como são
consequências da definição de espaço vetorial, elas valerão em todos os exemplos possı́veis de espaços -
e não precisamos fazer a verificação exemplo a exemplo, fizemos tudo de uma vez, genericamente.
Alongamentos da Aula 2
1 2 0 3 7 −4
Alongamento 2.1. Sejam A, B, C ∈ M2 , onde A = , B = e C = .
2 1 1 0 1 0
Calcule, com as operações usuais de M2 , os seguintes elementos:
(a) A + B
(b) B + 21 C
(c) A − B + 4C
Alongamento 2.2. Mostre que R com as operações usuais é um espaço vetorial.
Alongamento 2.3. Defina o espaço M3 (matrizes da forma 3 × 3). Verifique as condições de espaço
vetorial.
Alongamento 2.4. Considere as funções f, g ∈ F dadas por f (x) = x2 + 1 e g(x) = 3x para qualquer
x ∈ R. Quanto vale a função f + g calculada no ponto 2?
Alongamento 2.5. Dados V um espaço vetorial, a, b ∈ R e v ∈ V , mostre que a · (b · v) = b · (a · v).
Exercı́cios da Aula 2
Exercı́cio 2.1. Sejam V um espaço vetorial e v, u, w ∈ V . Mostre as seguintes afirmações:
(a) Se u + v = w + v então u = w;
(b) Se u + u = 0 então u = 0.
⃗
Exercı́cio 2.2. Suponha que w seja tal que seu oposto seja ele mesmo. Mostre que w = O.
Exercı́cio 2.3. Considere R2 com a multiplicação por escalar usual, mas com a soma definida de forma
que
(a, b) ⊕ (x, y) = (a + x, 0).
Isso é um espaço vetorial?
Exercı́cio 2.4. Considere R2 com a multiplicação por escalar usual, mas com a soma definida de forma
que
(a, b) ⊕ (x, y) = (b + y, a + x).
Isso é um espaço vetorial?
Exercı́cio 2.5. Considere R>0 com as seguintes operações:
v ⊕ w = vw;
5 Veja o Exercı́cio 2.7.
6 Você pode pensar que são dois casos: o primeiro, a = 0 e nada há para ser provado. O segundo, a ̸= 0, é o que fizemos.
11
λ ⊙ v = vλ ,
⃗
para v, w ∈ R>0 e λ ∈ R. Mostre que isso é um espaço vetorial. Comece tentando ver quem é O.
Exercı́cio 2.6. Sejam (U, ⊕U , ⊙U ) e (V, ⊕V , ⊙V ) espaços vetoriais. Considere U × V = {(u, v) : u ∈
U, v ∈ V } com as seguintes operações:
α · (u, v) = (α ⊙U u, α ⊙V v)
onde u, u1 , u2 ∈ U , v, v1 , v2 ∈ V e α ∈ R. Mostre que (U × V, +, ·) é um espaço vetorial.
Exercı́cio 2.7. Nós provamos na Proposição 2.1 que, se v ∈ V é tal que para todo w, w + v = w, então
⃗ Mostre que se existe algum w tal que w + v = w, então v = O
v = O. ⃗ (note como o resultado fica mais
“forte”).
12
Aula 3
Subespaço
Slide 28
Se já temos um espaço vetorial V , muitas vezes é conveniente tomarmos um subconjunto de vetores
que forme também um espaço vetorial:
Definição 3.1. Seja V um espaço vetorial. Dizemos que S ⊂ V é um subespaço vetorial se S,
juntamente com as operações herdadas de V , é um espaço vetorial.
Um exemplo
Slide 29
a 0
Exemplo 3.2. Considere D = : a, b ∈ R .
0 b
Isso é um subespaço vetorial com as operações induzidas de M2 . Fica como exercı́cio a verificação
de que todas as propriedades valem. Mas duas verificações são importantes de serem feitas: precisamos
ver se, de fato, ao somar dois vetores de D, a resposta continua em D - e o análogo para a multiplicação.
Afinal, estamos vendo se D é ele mesmo um espaço vetorial - então as operações precisam resultar em
elementos do próprio espaço.
Slide 30
Temos
a 0 x 0 a+x 0
+ = ∈ D.
0 b 0 y 0 b+y
a 0 λa 0
λ = ∈ D.
0 b 0 λb
Daria errado
Slide 31
a 1
Se, aleternativamente, fizéssemos a definição E = : a, b ∈ R , isso não seria um subespaço
0 b
vetorial.
Note que sempre que somamos dois elementos de E, o resultado não pertence a E.
Um não exemplo
Slide 32
13
Outro não exemplo
Slide 33
Uma caracterização
Slide 34
Até o momento, todas as vezes que estamos verificando se algo é um subespaço vetorial ou não,
precisamos verificar se as operações estão bem definidas e se as propriedades de espaço vetorial estão
satisfeitas.
O próximo critério é bem mais cômodo de se aplicar do que se verificar cada uma das condições de
espaço vetorial.
Slide 35
Proposição 3.3. Seja V espaço vetorial. Dado S ⊂ V não vazio e com as operações herdadas de V ,
temos que S é subespaço de V se, e somente se, para todo a, b ∈ S e todo λ ∈ R, a + b ∈ S e λa ∈ S.
Demonstração. Supondo que S é um subespaço vetorial, é claro que tais operações precisam resultar
em elementos de S e que S ̸= ∅ (pois O ⃗ ∈ S). Por outro lado, se temos S não vazio “fechado” para
soma e para produto por escalar, precisamos verificar as condições de espaço vetorial. Primeiramente,
seja v ∈ S qualquer. Por hipótese, 0v ∈ S. Como já sabemos que 0v = O ⃗ (Proposição 2.2), temos que
⃗ ∈ S.
O
Slide 36
Como exemplo, vamos verificar duas das condições, deixando as outras como exercı́cio. Seja v ∈ S.
⃗ Por hipótese, (−1)v ∈ S. Além disso, sabemos
Precisamos mostrar que existe v ′ ∈ S tal que v + v ′ = O.
que v + (−1)v = O. ⃗
Dados v, w ∈ S, precisamos mostrar que v + w = w + v. Mas note que isso é imediato já que a
operação é a mesma que em V (que é um espaço vetorial).
Polinômios
Slide 37
Vamos aproveitar o último critério para dar um exemplo importante. Dizemos que f : R → R é um
polinômio se existem a0 , ..., an ∈ R tais que f (x) = a0 + a1 x + ... + an xn . Considere P o conjunto de
todos os polinômios como subconjunto de F (espaço de todas as funções). Pelo critério, para sabermos
que P é de fato um subespaço, basta notarmos que que ele é fechado para a soma e pelo produto por
escalares (além de ser não vazio).
Slide 38
Como exemplo, vamos fazer a soma. Sejam p, q ∈ P . Note que existem n, m ∈ N e a0 , ..., an , b0 , ..., bm ∈
R tais que p(x) = a0 + a1 x + ... + an xn e q(x) = b0 + b1 x + ... + bm xm . Note que, a prı́ncı́pio, n não precisa
ser igual a m. Mas podemos supor n = m, simplesmente “completando” o menor deles com coeficientes
nulos. Assim,
(p + q)(x) = a0 + a1 x + · · · + an xn + b0 + b1 x + · · · + bn xn
= (a0 + b0 ) + (a1 + b1 )x + · · · + (an + bn )xn
que, claramente, é um polinômio.
14
Combinação linear
Slide 39
Dados v1 , ..., vn ∈ V , dizemos que w é uma combinação linear de v1 , ..., vn se existem a1 , ..., an ∈ R
tais que
w = a 1 v1 + · · · + a n vn .
n
P
Também usamos a notação w = ai vi .
i=1
Espaço gerado
Slide 40
Slide 41
No caso do enunciado anterior, chamamos S de subespaço gerado por v1 , ..., vn e usamos a notação
S = [v1 , ..., vn ].
Dependência linear
Slide 42
Dizemos que v1 , ..., vn ∈ V são linearmente dependentes se algum dos vi ’s é combinação linear
dos outros. Ou seja, existe i tal que existem αj para j = 1, ..., n, j ̸= i, tais que
n
X
vi = αj vj .
j=1,j̸=i
Exemplos
Slide 43
15
Um exemplo LI
Slide 44
Ou seja,
(1, 1, 0) = (0, a, a) + (b, −2b, b).
Ou seja, temos o seguinte sistema (olhando coordenada a coordenada):
1 = b
1 = a − 2b
0 = a+b
Slide 46
Da primeira com a última equação obtemos que 0 = a + 1. Ou seja, a = −1, mas isso contraria a
segunda equação (1 = −1 − 2). Assim, o sistema não admite soluções e, portanto, tal combinação linear
é impossı́vel.
Critério
Slide 47
Terı́amos ainda que fazer mais dois sistemas e verificar que eles também não admitem solução. Ou
seja, dá para ver que isso facilmente se torna um processo bastante trabalhoso. Por isso o próximo
critério acaba sendo bastante prático:
Proposição 3.5. Dados v1 , ..., vn ∈ V , temos que eles são LI se, e somente, para quaisquer λ1 , ..., λn ∈ R
tais que
X n
λi vi = O⃗
i=1
temos que λ1 = λ2 = · · · = λn = 0.
Slide 48
Demonstração. Primeiramente, suponha P que v1 , ..., vn sejam LI. Suponha por contradição que exis-
n ⃗ Sem perda de generalidade, vamos supor
tam λ1 , ..., λn ∈ R não todos nulos tais que i=1 λi vi = O.
que λ1 ̸= 0. Note que, então,
X n
−λ1 v1 = λ i vi .
i=2
Como λ1 ̸= 0, obtemos:
X −λi
v1 = vi .
i=2
λ1
Ou seja, v1 é combinação linear de v2 , ..., vn , contradição.
16
Slide 49
Agora suponha que a única solução possı́vel seja λ1 = · · · = λn = 0. Suponha por contradição
v1 , ..., vn sejam LD. Então algum dos vi ’s é combinação linear dos outros. Sem perda de generalidade,
suponha que seja v1 . Então existem λ2 , ..., λn ∈ R tais que
n
X
v1 = λ i vi .
i=2
Um exemplo
Slide 50
1 −1 0 0 1 1 0 0
Vamos verificar se , , , são LI ou LD.Sejam λ1 , ..., λ4 tais
1 −1 1 1 0 0 0 2
que
1 −1 0 0 1 1 0 0 0 0
λ1 + λ2 + λ3 + λ4 = .
1 −1 1 1 0 0 0 2 0 0
Montando o sistema, obtemos:
λ1 + λ3 = 0
−λ1 + λ3 = 0
λ1 + λ2 = 0
−λ1 + λ2 + 2λ4 = 0
Slide 51
Somando a primeira com a segunda, obtemos que λ3 = 0 e, então, que λ1 = 0. Daı́, pela terceira,
temos que λ2 = 0. Finalmente, a quarta nos dá que λ4 = 0. Ou seja, todos λi ’s são nulos e, portanto,
tais matrizes são LI.
Mais um exemplo
Slide 52
Considere (1, 1, 1), (2, 0, 1), (−1, 1, 0) ∈ R3 . Vamos verificar se eles são LI ou LD. Sejam λ1 , λ2 , λ3 ∈ R
tais que
λ1 (1, 1, 1) + λ2 (2, 0, 1) + λ3 (−1, 1, 0) = (0, 0, 0).
Montando o sistema, obtemos
λ1 + 2λ2 − λ3 = 0
λ1 + λ3 = 0
λ1 + λ2 = 0
Somando a primeira com a segunda, obtemos que 2λ1 + 2λ2 = 0. Ou seja, λ1 = −λ2 . Já a segunda
nos dá que λ1 = −λ3 . Note que, assim, fazendo λ1 = 1, temos que λ2 = −1 e λ3 = −1 nos dá uma
solução não toda nula.
Slide 53
Não custa confirmar que, de fato, isso é solução (para evitarmos erros em contas despercebidos):
17
Conjuntos
Slide 54
Normalmente, em vez de falarmos que alguns vetores v1 , ..., vn são LI ou não, dizemos que um certo
conjunto X é LI ou não (e tal conjunto nem precisa ser finito). Para isso precisamos definir o que isso
quer dizer exatamente:
Definição 3.6. Dizemos que X ⊂ V é LI se, para quaisquer v1 , ..., vn ∈ X distintos temos que v1 , ..., vn
são LI.
Note que, negando a definição acima e usando novamente que “não LI” significa LD, obtemos
Definição 3.7. Dizemos que X ⊂ V é LD se existem v1 , ..., vn ∈ X distintos tais que v1 , ..., vn são LD.
Alongamentos da Aula 3
⃗ e o próprio V são subespaços de V (esses são
Alongamento 3.1. Seja V espaço vetorial. Note que {O}
chamados de subespaços triviais de V ).
Alongamento 3.2. Seja V espaço vetorial e S ⊂ V não vazio. Mostre que S é subespaço de V se, e
somente se, para cada v, w ∈ S e λ ∈ R, temos que λv + w ∈ S.
Alongamento 3.3. Mostre que o conjunto dos polinômios de grau até 3 (isto é, p(x) é da forma
a0 + a1 x + a2 x2 + a3 x3 ) é um subespaço vetorial de P (espaço de todos os polinômios).
Alongamento 3.4. Mostre que se v, w são vetores não nulos LD, então v = λw para algum λ ∈ R.
Alongamento 3.5. Considere R2 com as operações usuais. Escreva (1, 2) como combinação linear de
{(1, 1), (0, 4)}.
Exercı́cios da Aula 3
Exercı́cio 3.1. Decida se os conjuntos abaixo são subespaços vetoriais de R3 com as operações induzidas
pelas operações usuais de R3 .
(a) A = {(x, y, z) ∈ R3 : z = 0}
(b) B = {(x, y, z) ∈ R3 : x + y = z}
(c) C = {(x, y, z) ∈ R3 : xy = 0}
(d) D = {(x, y, z) ∈ R3 : x + z = 0}
(e) E = {(x, y, z) ∈ R3 : x2 + z 2 = 1})
Exercı́cio 3.2. Sejam V um espaço vetorial e A, B ⊂ V subespaços vetoriais de V . As seguintes
afirmações são verdadeiras?
(a) A ∩ B é um subespaço vetorial de V .
(b) A ∪ B é um subespaço vetorial de V .
(c) {a + b : a ∈ A e b ∈ B} é um subespaço vetorial de V .
(d) Se A ⊂ B então A é subespaço vetorial de B.
Exercı́cio 3.3. Seja v ∈ R2 . Mostre que R2 \ {v} não é um subespaço de R2 .
Exercı́cio 3.4. Considere os seguintes vetores em R3 : (1, 2, 1), (1, 1, 0), (2, 2, 0).
(a) Mostre que tais vetores são LD.
(b) Note que o primeiro vetor não é combinação dos outros dois.
⃗ ∈ X. Mostre que X é LD.
Exercı́cio 3.5. Seja V espaço vetorial e X ⊂ V tal que O
18
Exercı́cio 3.6. Sejam A, B ⊂ V tais que A ⊂ B. Mostre que se A é LD, então B é LD. Por outro lado,
mostre que se B é LI, então A é LI.
Exercı́cio 3.7. Dê exemplos para mostrar que as implicações reversas do exercı́cio anterior não são
necessariamente verdadeiras.
19
Aula 4
Com insipiração no que ocorre em R2 e R3 , vamos definir determinadas estruturas geométricas em espaços
vetoriais gerais. Quando tais definições forem aplicadas nos casos especı́ficos de R2 e R3 , teremos as
estruturas usuais de geometria analı́tica.
Retas
Slide 55
Exemplo
Slide 56
{(1 − λ, 2 + λ, 3) : λ ∈ R}.
Caso trivial
Slide 58
Note que se não exigirmos que o vetor diretor seja não nulo, podemos obter apenas um ponto (o
base).
Planos
Slide 59
20
Exemplo
Slide 60
Casos triviais
Slide 61
Se os vetores v1 e v2 da definição forem nulos, novamente obtemos apenas um ponto (o base). Intui-
tivamente, se eles forem LD (e não ambos nulos), obtemos apenas uma reta.
Vamos ver que isso de fato ocorre.
Slide 62
Se π = {w ∈ V : ∃α, β ∈ R b + αv1 + βv2 } e v1 , v2 não são ambos nulos e são LD, então π é uma reta.
De fato, como vimos num exercı́cio, nessas condições um dos vetores é múltiplo do outro. Sem perda
de generalidade, vamos supor que v1 = λv2 e que v2 ̸= O. ⃗ Considere
r = {w ∈ V : ∃γ ∈ R w = b + γv2 }.
Slide 63
r ⊂ π: Seja w ∈ r. Então existe γ tal que w = b + γv2 . Mas note que isso quer dizer que w ∈ π (é
só fazer α = 0 e β = γ na definição original de π).
π ⊂ r: Seja w ∈ π. Então existem α, β tais que w = b + αv1 + βv2 . Usando o fato que v1 = γv2 ,
obtemos
w = b + α(γv2 ) + βv2 = b + (γ + β)v2 ∈ r.
Ponto e reta
Slide 64
Note que dada uma reta r e um ponto P , decidir ser P ∈ r é basicamente verificar um sistema.
Vejamos um exemplo.
Considere P = (3, 9) ∈ R2 e r = {v ∈ R2 : ∃λ ∈ R v = (−1, 1) + λ(2, 4)}. Saber se P ∈ r é o mesmo
que saber se existe λ ∈ R tal que
(3, 9) = (−1, 1) + λ(2, 4).
Resolvendo o sistema (coordenada a coordenada), obtemos que λ = 2 serve como solução. Ou seja,
P ∈ r.
Slide 65
Considere P = (1, 0, −1) e r = {v ∈ R3 : ∃λ ∈ R v = (1, 1, 1) + λ(2, 0, 1)}. Precisamos procurar
soluções para
(1, 0, −1) = (1, 1, 1) + λ(2, 0, 1).
Dessa vez, caı́mos num sistema impossı́vel e, portanto não há solução para λ. Assim, P ∈
/ r.
21
Posição relativa entre retas
Slide 66
Exemplo
Slide 67
Considere
r1 = (1, 1, 0) + α(0, 2, 1)
r2 = (3, 9, 5) + β(1, 1, 1).
Para verificar se as retas se encontram, podemos montar o seguinte sistema (coordenada a coorde-
nada):
1 = 3+β
1 + 2α = 9 + β
α = 5+β
Resolvendo o sistema, obtemos uma solução em α = 3 e β = −2. Assim, o ponto que está na intersecção
das duas retas pode ser obtido fazendo a substituição numa das equações7 : (1, 1, 0)+3(0, 2, 1) = (1, 7, 3).
Slide 68
Se o sistema não tivesse solução, terı́amos que as retas não se interceptariam.
Mas, se o sistema tivesse mais de uma solução (indeterminado), terı́amos que as duas equações
indicam a mesma reta. Veremos como formalizar isso mais adiante.
Dada uma reta r, existem diversas equações possı́veis para ela. Às vezes é útil trocar de equação para
alguma que seja mais conveniente. O seguinte resultado mostra duas trocas simples:
Proposição 4.3. Considere uma reta r dada por b + λv. Seja P um ponto qualquer de r e seja w = αv
com α ̸= 0. Considere
s dada por P + γv;
Slide 70
Demonstração.
Vamos mostrar que s = r fazendo as duas inclusões.
Seja x ∈ r. Então x = b + λv para algum λ. Como P ∈ r, existe α tal que P = b + αv. Assim,
b = P − αv. Juntando tudo isso, temos
x = b + λv = (P − αv) + λv = P + (λ − α)v ∈ s.
Agora, dado x ∈ s, temos que x = P + γv. Como acima, sabemos que existe α tal que P = b + αv.
Assim
x = P + γv = (b + αv) + γv = b + (α + γ)v ∈ r.
22
Slide 71
Agora temos que mostrar que r = t. Novamente, vamos fazer as duas inclusões.
1
Dado x ∈ r, temos que x = b + λv para algum λ. Como w = αv e α ̸= 0, temos que v = α w. Assim
1 γ
x = b + γv = b + γ( w) = b + w ∈ t.
α α
Por outro lado, dado x ∈ t, temos que x = b + βw para algum β. Temos
x = b + βw = b + β(αv) = b + (βα)v ∈ r.
Apesar de existirem muitas equações para uma mesma reta, elas precisam ser bastante parecidas:
Proposição 4.4. Se b1 + λv1 e b2 + γv2 são equações para uma mesma reta, então v1 = αv2 para algum
α.
Demonstração. Pelo resultado anterior, temos que b2 +λv1 também é uma equação da reta8 . Logo, b2 +v1
também é ponto da reta9 . Usando a segunda equação, sabemos que existe α tal que b2 + v1 = b2 + αv2 .
Assim,
v1 = αv2 .
Proposição 4.5. Se A e B são pontos distintos de uma reta, então o vetor B − A serve como vetor
diretor da equação da reta. Em particular, a equação A + λ(B − A) é uma equação para essa reta.
Demonstração. Seja v tal que A + γv seja uma equação para essa reta. Pelos resultados anteriores,
basta mostrarmos que B − A = αv para algum α. De fato, como B é ponto da reta, existe α tal que
B = A + αv. Assim, B − A = αv como querı́amos.
23
Intersecção de retas
Slide 75
Com os últimos resultados, podemos concluir o seguinte: dadas retas r e s, existem 3 opções para
r ∩ s:
r ∩ s = ∅ (as retas não se cruzam, o sistema era impossı́vel);
r ∩ s é unitário (as retas se cruzam num único ponto, o sistema era determinado);
r ∩ s é infinito (as retas são iguais, o sistema era indeterminado).
Reduzindo possibilidades
Slide 76
Proposição 4.7. Suponha que as retas r e s tenham vetores diretores LD. Então r ∩ s = ∅ ou r = s (ou
seja, não existe a possibilidade r ∩ s ser unitário).
Demonstração. Como os vetores diretores são múltiplos um do outro, podemos supor sem perda de
generalidade que eles são um mesmo vetor v (porquê?)
Se as retas tiverem algum ponto b em comum, então b + λv serve como equação para ambas. Caso
contrário, r ∩ s = ∅.
Slide 77
Proposição 4.8. Suponha que as retas r e s tenham vetores diretores LI. Então r ∩ s é unitário ou
vazio (ou seja, elas não podem ser iguais).
Demonstração. Se r = s, então os vetores diretores são múltiplo um do outro (visto anteriormente). Ou
seja, eles seriam LD.
Alongamentos da Aula 4
Alongamento 4.1. Em R3 , dê uma equação para uma reta passando pelos seguintes pares de pontos:
(a) (1, 0, 1) e (2, 1, 1);
(b) (0, 0, 0) e (−1, 2, 4).
Alongamento 4.2. Em R3 , verifique se as retas dadas pelas seguintes equações se intersectam.
Exercı́cios da Aula 4
Exercı́cio 4.1. Sabendo que (1, 1, 2) + λ(1, 0, 2) e (0, 1, 0) + λ(4, 0, x) são equações para uma mesma
reta em R3 , determine x.
Exercı́cio 4.2. Considere r dada por (1, 2) + α(−1, 1) e s dada por (0, 1) + α(2, 2). Essas retas se
interceptam? Se sim, onde?
Exercı́cio 4.3. Considere r dada por (1, 0, −1) + α(−1, 1, 2) e s dada por (0, 0, 0) + α(2, −2, 4). Essas
retas se interceptam? Se sim, onde?
7 Faça a substituição na outra equação para verificar as contas - se tudo estiver certo, tem que dar o mesmo ponto.
8 Pois b2 é ponto da reta.
9 Faça λ = 1.
24
Exercı́cio 4.4. Um drone está na posição (3, 0, −1) e quer ir para o ponto (5, 1, 5). Indique um vetor
que representa a direção que ele deve seguir.
Exercı́cio 4.5. Sabendo que o conjunto {(x, y, z) : x = 2y, z = 3} é uma reta, dê uma equação para ela.
Exercı́cio 4.6. Um drone passou pelos pontos (1, 3, 0) e (1, 0, −1). Sabe-se também que ele passou pelo
ponto (1, −4, x). Sabendo que ele está andando em linha reta, determine o valor de x.
Exercı́cio 4.7. Uma partı́cula sai do ponto (1, 0, 3) com direção e velocidade dada por (−1, −1, −1).
Uma segunda partı́cula sai do ponto (2, −9, −1) e com direção e velocidade dada por (−1, 1, 0). Elas se
chocam?
1 0 1 2
Exercı́cio 4.8. Considere os seguintes conjuntos em M2 : A = { +λ : λ ∈ R} e
2 −1 3 4
2 2 2 4
B={ +λ : λ ∈ R}. Determine um valor para a e b de forma que A ∩ B seja infinito.
a b 6 8
Exercı́cio 4.9. Considere as retas r dada por (1, −1, 0)+α(4, 0, −1) e s dada por (−1, 1, 1)+α(2, 3, −2).
Encontre uma equação para uma reta que intercepte r e s.
Exercı́cio 4.10. Uma partı́cula saiu do ponto (1, 0, −1) e chegou no ponto (2, 2, 4). Sabendo que ela
andou em linha reta e com velocidade constante, em que posição ela estava depois de transcorrer 32 do
tempo total?
25
Aula 5
Vamos agora começar a trabalhar com relações entre retas e planos. No geral, temos uma reta dada
por uma equação da forma b1 + λv e um plano dado por uma equação b2 + αw1 + βw2 e podemos verificar
se eles possuem pontos em comum ou não.
Exemplo
Slide 79
Considere r dada por (1, 0, −1) + λ(2, 2, 1) e π dado por (0, 0, 1) + α(1, 0, 1) + β(2, 4, 0).
Para ver se r e π têm pontos em comum, precisamos ver se o seguinte sistema admite solução:
26
Trocando de equações
Slide 83
Slide 84
Demonstração.
π ⊂ ρ: seja x ∈ π. Então existem α, β tais que x = b + αv1 + βv2 . Além disso, temos que c ∈ π.
Então existem γ, λ tais que c = b + γv1 + λv2 . Ou seja, b = c − γv1 − λv2 . Assim
x = b + αv1 + βv2
= (c − γv1 − λv2 ) + αv1 + βv2
= c + (α − γ)v1 + (β − λ)v2 ∈ ρ.
Slide 85
µ ⊂ π: seja x ∈ µ. Então existem α, β tais que x = b + αw1 + βw2 . Por hipótese, w1 , w2 ∈ [v1 , v2 ].
Então existem γ, λ, γ ′ , λ′ tais que w1 = γv1 + λv2 , w2 = γ ′ v1 + λ′ v2 . Assim
x = b + αw1 + βw2
= b + α(γv1 + λv2 ) + β(γ ′ v1 + λ′ v2 )
= b + (αγ + βγ ′ )v1 + (αλ + βλ′ )v2 ∈ π
Slide 86
π ⊂ µ: seja x ∈ π. Então existem α, β tais que x = b+αv1 +βv2 . Pelo lema anterior, v1 , v2 ∈ [w1 , w2 ].
Então existem γ, λ, γ ′ , λ′ tais que v1 = γw1 + λw2 , v2 = γ ′ w1 + λ′ w2 . Assim
x = b + αv1 + βv2
= b + α(γw1 + λw2 ) + β(γ ′ w1 + λ′ w2 )
= b + (αγ + βγ ′ )w1 + (αλ + βλ′ )w2 ∈ µ
Inclusão
Slide 87
Não há muitas alternativas para a intersecção entre uma reta e um plano:
Proposição 5.4. Se r é uma reta e π é um plano tais que |r ∩ π| ≥ 2, então r ⊂ π.
Demonstração. Sejam A, B distintos tais que A, B ∈ r ∩ π. Note que então r é dada por A + λ(B − A)
e π é dado por A + αv1 + βv2 para algum v1 , v2 . Além disso, temos que B − A ∈ [v1 , v2 ]. Isto é, existem
α, β tais que B − A = αv1 + βv2 . Assim, dado x ∈ r, existe λ tal que x = A + λ(B − A). Temos que
mostrar que x ∈ π. De fato
27
Colineariedade
Slide 88
Dizemos que A, B, C pontos distintos são colineares se existe uma reta r tal que A, B, C ∈ r. Caso
contrário, dizemos que A, B, C são não colineares.
Slide 89
Slide 90
Corolário 5.6. Se r é uma reta, então não existe π plano tal que π ⊂ r.
Três pontos
Slide 91
Proposição 5.7. Dados A, B, C pontos não colineares, existe um único plano contendo A, B, C.
Demonstração.
Existência: Vamos mostrar que B − A e C − A são LI. De fato, suponha que não. Então existe11 λ
tal que B − A = λ(C − A). Considere a reta r dada por A + γ(C − A). Note que A, C ∈ r. Além disso,
fazendo γ = λ, temos
A + λ(C − A) = A + (B − A) = B.
Logo, B ∈ r contrariando a não colineariedade.
Assim, note que π dado por A + α(B − A) + β(C − A) é o plano desejado.
Slide 92
Unicidade: pela demonstração da existência, temos que π dado por A + α(B − A) + β(C − A) é um
plano que contém A, B, C. Seja ρ dado por b + γv1 + λv2 que também contenha A, B, C. Vamos provar
que π = ρ (note que isso é suficiente). Como A, B, C ∈ ρ, temos que (B −A), (C −A) ∈ [v1 , v2 ] (lema feito
anteriormente). Note que (B − A) e (C − A) são LI (feito anteriormente). Assim, b + γ(B − A) + λ(C − A)
é uma equação para ρ e, portanto, A + γ(B − A) + λ(C − A) também (pois A ∈ ρ).
É combinação linear
Slide 93
Proposição 5.8. Sejam r uma reta dada por b + λv e π um plano dado por c + αw1 + βw2 . Se r ⊂ π,
então v ∈ [w1 , w2 ].
Demonstração. Sejam A, B ∈ r distintos. Sabemos que existe λ tal que v = λ(B − A) (pois B − A serve
como vetor diretor de r). Também sabemos que B − A = αw1 + βw2 para algum α, β (pois A, B ∈ π).
Juntando, temos:
v = λ(B − A) = λ(αw1 + βw2 ) = λαw1 + λβw2 .
28
Slide 94
Corolário 5.9. Se r é dada por b + λv, π é dado por c + αw1 + βw2 e v, w1 , w2 são LI, então r ̸⊂ π.
Exemplo estranho
Slide 95
e ρ dado por
0 0 0 0 0 0
+α +β .
0 0 1 0 0 1
0 0
Note que, de fato, π e ρ são planos. Mas note que π ∩ ρ = . Intuitivamente, isso é
0 0
impossı́vel de acontecer em12 R3 . O que causa isso? Assim como o lema que ficamos devendo, isso é algo
que depende da dimensão - conceito que veremos em breve.
Exercı́cios da Aula 5
Exercı́cio 5.1. Dê uma equação para o plano π que contém os pontos (1, 0, 7), (−1, 1, 0) e (1, 1, 1).
Exercı́cio 5.2. Dê uma equação para o plano π que contém o ponto (1, 0, 1) e a reta r dada por
(−1, 1, 1) + λ(2, 2, 0).
Exercı́cio 5.3. Sabe-se que a reta r dada por (1, 0, a) + λ(3, 2, 1) está contida no plano π dado por
(4, 0, 1) + α(3, 1, 0) + β(0, 1, 1). Determine o valor de a.
1 0 1 0 0 1
Exercı́cio 5.4. Considere o plano π dado por +α +β .
2 1 0 1 1 0
1 1
(a) O ponto pertence a π?
1 1
3 −1
(b) O ponto pertence a π?
1 3
Exercı́cio 5.5. Considere a reta r dada por (1, 0, 1) + α(2, 1, 1). Dê uma equação para um plano que
contenha r. Ele é único?
Exercı́cio 5.6. Considere π dado por p + αv + βw. Seja q ∈ π. É verdade que p − q é combinação linear
de {v, w}?
29
Aula 6
Sistemas lineares
Slide 96
Antes de prosseguirmos com os espaços vetoriais, vamos ver uma aplicação no estudo de sistemas
lineares homogêneos. E vamos fazer essa aplicação agora pois um dos resultados nos ajudará a definir
dimensão.
Abuso de notação
Slide 97
Daqui em diante, muitas vezes vamos usar o sı́mbolo 0 no lugar de O.⃗ Muito cuidado com o contexto:
várias vezes vamos dizer 0, mas o que estamos indicando é (0, 0, 0) ou (0, ..., 0).
Slide 98
Definição 6.1. Dizemos que um sistema com n equações nas incógnitas x1 , ..., xk é um sistema linear
homogêneo se cada uma das suas equações é da forma α1 x1 + α2 x2 + · · · + αk xk = 0 com α1 , ..., αk ∈ R.
Dizemos que v = (v1 , ..., vk ) ∈ Rk é uma solução para o sistema se, para cada equação α1 x1 + · · · αk xk =
0, temos que α1 v1 + · · · + αk vk = 0. Dado um sistema linear homogêneo E com k incógnitas, denotamos
por Sol(E) o conjunto {v ∈ Rk : v é solução de E}. Chamamos Sol(E) de espaço solução de E.
Exemplo
Slide 99
x1 + 2x2 = 0
x2 − x3 = 0
é um sistema linear homogêneo13 . Uma solução para tal sistema é (−2, 1, 1) ∈ R3 . Outra é (4, −2, −2).
Na verdade, com um pouco de esforço, podemos notar que Sol(E) = {λ(−2, 1, 1) : λ ∈ R}.
É um espaço vetorial
Slide 100
Nosso primeiro resultado já indica uma ligação entre os sistemas lineares e álgebra linear: o conjunto
solução é um espaço vetorial.
Proposição 6.2. Seja E um sistema linear homogêneo com k incógnitas. Então Sol(E) é um subespaço
vetorial de Rk .
Pk Slide 101
Demonstração. Comecemos mostrando que 0 ∈ Sol(E). Dada i=1 αi xi = 0 equação de E, temos
Pk
que i=1 αi 0 = 0, logo, 0 é solução.
Agora sejam (v1 , ..., vk ), (u1 , ..., uk ) soluções de E. Vamos mostrar que (v1 , ..., vk ) + (u1 , ..., uk ) =
Pk
(v1 + u1 , ..., vk + uk ) é solução de E. Seja i=1 αi xi = 0 uma equação de E. Temos:
Pk Pk Pk
i=1 αi (vi + ui ) = i=1 αi vi + i=1 αi ui
= 0+0
= 0
13 repareque há incógnitas que não aparecem em todas as equações, o que seria exigido pela nossa definição. Mas isso
pode ser facilmente contornado, notando-se, por exemplo, que a primeira equação é equivalente a x1 + 2x2 + 0x3 = 0.
30
Slide 102
Agora sejam (v1 , ..., vk ) ∈ Sol(E) e γ ∈ R. Vamos mostrar que γ(v1 , ..., vk ) = (γv1 , ..., γvk ) ∈ Sol(E).
Pk
Seja i=1 αi xi = 0 uma equação de E. Temos:
Pk Pk
i=1 αi (γvi ) = γ i=1 αi vi
= γ0
= 0
O que vamos fazer agora é determinar uma condição para que um sistema linear homogêneo tenha
soluções não triviais (i.e. não nulas).
Slide 104
Pk
Lema 6.3. Considere E uma equação da forma i=1 αi xi = 0. Sejam u, v ∈ Rk onde v não é solução
para E. Então existe γ ∈ R tal que u − γv é solução para E.
Pk Pk
Demonstração. Escrevemos u = (u1 , ..., uk ) e v = (v1 , ..., vk ). Sejam a = i=1 αui e b = i=1 αvi .
Como v não é solução para E, temos que b ̸= 0. Assim, podemos tomar γ = ab . Vejamos que tal γ
satisfaz o enunciado. Temos que u − γv = (u1 − γv1 , ..., uk − γvk ). Assim
Pk Pk Pk
i=1 αi (ui − γvi ) = i=1 αi ui − γ i=1 αi vi
a
= a − bb
= 0
Slide 105
Proposição 6.4. Seja E um sistema linear homogêneo com n equações e k incógnitas com k ≥ n. Então
existe um conjunto linearmente independente em Sol(E) com pelo menos k − n elementos.
Demonstração. Vamos fazer por indução sobre n. Caso n = 0 temos que Sol(E) = Rk e temos o
resultado (basta notar que {(1, 0, ..., 0), (0, 1, ..., 0), ..., (0, 0, ..., 1)} é LI e tem k elementos). Vamos fazer
o caso n + 1, supondo que o caso n vale. Ou seja, temos que mostrar que se E tem n + 1 equações, Sol(E)
tem um subconjuto linearmente independente com k − n − 1 elementos. Se n + 1 = k, terminamos já
que ∅ ⊂ Sol(E).
Slide 106
Então podemos supor n + 1 < k, logo, k − n > 0. Considere E0 ⊂ E onde E0 tem n equações. Seja
F a equação restante. Por hipótese de indução, temos que Sol(E0 ) tem um subconjunto A linearmente
independente com k − n elementos. Se todos os elementos de A forem solução para F , temos que todos
os elementos de A são solução para E e temos o resultado. Se não, então existe v ∈ A tal que v não é
solução de F . Escreva A \ {v} = {a1 , ..., ak−n−1 }. Para cada i = 1, ..., k − n − 1, seja γi ∈ R tal que
ai − γi v seja solução para F (existe pelo lema). Como a1 , ..., ak−n−1 e v são soluções para E0 , temos que
cada ai − γi v é solução para14 E0 . Logo, {a1 − γ1 v, ..., ak−n−1 − γk−n−1 v} ⊂ Sol(E).
31
Slide 107
Logo, para concluirmos o resultado, basta mostrarmos que tal conjunto é linearmente independente.
Pk−n−1
Sejam α1 , ..., αk−n−1 ∈ R tais que i=1 αi (ai − γi v) = 0. Temos:
Pk−n−1
0 = αi (ai − γi v)
Pi=1
k−n−1 Pk−n−1
= αi ai − i=1 αγv
i=1
Pk−n−1 Pk−n−1 i i
= i=1 αi ai − ( i=1 αi γi )v
Como {a1 , ..., ak−n−1 , v} = A é um conjunto linearmente independente, temos que que α1 = ... =
αk−n−1 = 0 como querı́amos.
Resumindo
Slide 108
Corolário 6.5. Seja E um sistema linear homogêneo com mais incógnitas do que equações. Então E
tem uma solução não trivial, isto é, existe v ∈ Sol(E) com v ̸= 0.
Limitando conjuntos LI
Slide 109
Uma aplicação do último resultado é que muitas vezes podemos limitar o tamanho de conjuntos LI:
Proposição 6.6. Seja V um espaço vetorial tal que V = [v1 , ..., vn ] (isto é, V é gerado por n vetores).
Então todo subconjunto de V com mais de n elementos é linearmente dependente.
Demonstração. Seja A = {u1 , ..., um } com m > n. Vamos mostrar que A é linearmente dependente
(note que isso implica o resultado). Como {v1 , ..., vn } é gerador de V , para cada uk existem βk,1 , ..., βk,n ∈
R tais que
Xn
βk,i vi = uk .
i=1
Slide 110
Considere o seguinte sistema linear, nas incógnitas a1 , ..., am :
β1,1 a1 + · · · + βm,1 am = 0
..
.
β1,n a1 + · · · + βm,n am = 0
Como esse sistema é homogêneo, tem m incógnitas, n equações e n < m, temos que existem α1 , ..., αm ,
com algum αi ̸= 0, que é solução. IstoP
é, para cada i = 1, ..., n, temos que β1,i α1 + · · · + βm,i αm = 0.
m
Logo, para todo i = 1, ..., n, temos que k=1 βk,i αk vi = 0.
Slide 111
Assim, temos: Pn Pm
0 = Pi=1 Pk=1 βk,i αk vi
m n
= Pk=1 i=1Pnβk,i αk vi
m
= Pk=1 αk i=1 βk,i vi
m
= k=1 αk uk
32
Exemplo
Slide 112
Exemplo 6.7. Considere R4 com as operações usuais. Então o conjunto {(1, 2, 1, 0), (3, −1, 4, 2),
(1, 1, 1, 1), (1, 0, 0, 1), (7, −1, 4, 10)} é linearmente dependente. Isso decorre do fato de tal conjunto
ter 5 elementos e sabermos que {(1, 0, 0, 0), (0, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1)}, que tem 4 elementos, gerar
R4 .
Exercı́cios da Aula 6
Exercı́cio 6.1. Encontre um conjunto gerador para o espaço solução de cada um dos sistemas a seguir.
x1 + x2 = 0
(a)
x2 − x3 = 0
x1 + x2 + 3x3 − x4 = 0
(b) x1 + x5 = 0
x5 + x2 − x3 = 0
33
Aula 7
Diminuindo geradores
Slide 113
O próximo resultado será útil para quando formos cuidar da minimalidade de conjuntos geradores.
Ele simplesmente diz que, se um conjunto gerador finito é linearmente dependente, então existe um
elemento dele que podemos “descartar”.
Proposição 7.1. Seja V um espaço vetorial. Seja A ⊂ V finito e linearmente dependente. Então existe
v ∈ A tal que [A] = [A \ {v}].
Demonstração. Escreva A = {v1 , ..., vn }. Como A é LD, existem k e αi ∈ R tais que
n
X
vk = αi vi .
i=1
i ̸= k
Vamos mostrar que [A] = [A \ {vk }]. É claro que [A \ {vk }] ⊂ [A] (exercicio).
Pn Slide 114
Assim, resta mostrar que [A] ⊂ [A \ {vk }]. Seja v ∈ [A]. Sejam β1 , ..., βn ∈ R tais que v = i=1 βi vi .
Temos Pn
v = i=i βiP vi
n
= βk vk + i = 1 βi v i
Pn i ̸= k Pn
= βk i = 1 αi vi + i = 1 βi vi
i ̸= k i ̸= k
Aumentando conjuntos LI
Slide 115
O próximo resultado diz que podemos aumentar um conjunto linearmente independente com elemen-
tos que não sejam combinação linear dele.
Proposição 7.2. Sejam V um espaço vetorial e A ⊂ V um subconjunto linearmente independente. Seja
v ∈ V tal que v ∈/ [A]. Então A ∪ {v} é linearmente independente.
Bases
Slide 116
34
R4
Slide 117
Considere R4 com as operações usuais. Temos que B = {(1, 0, 1, 0), (0, 1, 0, 1), (1, 0, 0, 1), (0, 0, 1, 1)}
é uma base para R4 . De fato, seja (a, b, c, d) ∈ R4 , vamos mostrar que (a, b, c, d) é combinação linear de
B. Considere α, β, γ, δ ∈ R tais que α(1, 0, 1, 0) + β(0, 1, 0, 1) + γ(1, 0, 0, 1) + δ(0, 0, 1, 1) = (a, b, c, d).
Temos
α+γ =a
β=b
α+δ =c
β+γ+δ =d
Slide 118
Assim, temos α = a − d + b + c−a+d−b 2 , β = b, γ = d − b − c−a+d−b
2 , δ = c−a+d−b
2 . Logo, temos que
4
[B] = R . Vamos agora mostrar que B é LI. Sejam α, β, γ, δ ∈ R tais que α(1, 0, 1, 0) + β(0, 1, 0, 1) +
γ(1, 0, 0, 1) + δ(0, 0, 1, 1) = (0, 0, 0, 0). Temos
α+γ =0
β=0
α+δ =0
β+γ+δ =0
Polinômios
Slide 119
Mas temos que um polinômio identicamente nulo tem todos os seus coeficientes nulos. Logo, α0 =
· · · αn = 0.
Caso geral
Slide 120
35
Lembrando
Slide 122
Vimos que se um espaço é gerado por n vetores, então qualquer conjunto com mais de n vetores é
LD.
Proposição 7.6. Seja V um espaço vetorial finitamente gerado. Dadas B, B ′ ⊂ V bases de V , temos
que B e B ′ têm a mesma quantidade de elementos.
Demonstração. Como B gera V e B ′ é linearmente independente, temos que |B ′ | ≤ |B|. Por outro lado,
como B ′ gera V e B é linearmente independente, temos que |B| ≤ |B ′ |.
Dimensão
Slide 123
Dada a unicidade garantida pelo último resultado, podemos fazer a seguinte definição:
Definição 7.7. Seja V um espaço vetorial. Se V é finitamente gerado e B é uma base para V , dizemos
que V tem dimensão |B| e denotamos por dim V = |B|. Se V não é finitamente gerado, simplesmente
dizemos que V tem dimensão infinita. Neste caso, denotamos dim V = ∞.
Números complexos
Slide 124
Completando bases
Slide 126
A idéia do próximo resultado é que, num espaço finitamente gerado, podemos ir “aumentando” um
conjunto linearmente independente até obtermos uma base.
Teorema 7.8 (do completamento de base). Sejam V um espaço vetorial finitamente gerado e A ⊂ V
um conjunto linearmente independente. Então existe B base de V tal que B ⊃ A.
Demonstração. Se [A] = V , não há nada a mostrar. Caso contrário, existe v1 ∈ V \ [A]. Pela
Proposição 7.2, temos que B1 = A ∪ {v1 } é LI. Se [B1 ] = V , acabamos. Se não, existe v2 ∈ V \ [B1 ].
Novamente pela Proposição 7.2, temos que B2 = B1 ∪ {v2 } é LI. Continuamos tal processo até que
36
[Bn ] = V . Observe que, de fato, isso ocorre, pois, caso contrário, terı́amos conjuntos LI arbitrariamente
grandes o que não pode ocorrer já que V é finitamente gerado e pela Proposição 6.6.
Diminuindo geradores
Slide 128
Já o próximo resultado diz que, em espaços finitamente gerados, podemos “diminuir” conjuntos
geradores linearmente dependentes até obtermos uma base.
Proposição 7.10. Seja V um espaço vetorial. Seja A ⊂ V finito tal que [A] = V . Então existe B ⊂ A
base para V .
Demonstração. Se A é linearmente independente, acabamos. Se não, pela Proposição 7.1, existe v1 ∈ A
tal que A1 = A \ {v1 } é tal que [A1 ] = [A] = V . Se A1 é linearmente independente, acabamos. Se
não, novamente pela Proposição 7.1, existe v2 ∈ A1 tal que A2 = A1 \ {v2 } = A \ {v1 , v2 } é tal que
[A2 ] = [A1 ] = [A] = V . E podemos repetir tal processo até que se encontre An ⊂ A LI tal que [An ] = V
(note que tal processo de fato termina já que A tem finitos elementos).
Corolário 7.11. Seja V um espaço vetorial de dimensão n. Seja B ⊂ V tal que |B| = n e [B] = V .
Então B é base para V .
Demonstração. Pelo resultado anterior, existe C ⊂ B tal que C é base para V . Pela definição de
dimensão, temos que |C| = n. Assim, C = B e, portanto, B é base para V .
Observe que pelas proposições 7.9 e 7.11 temos que, num espaço vetorial de dimensão n, se temos
um conjunto com n elementos, para decidirmos se ele é uma base, basta uma só verificação: se ele é
linearmente independente ou se ele é gerador.
Alongamentos da Aula 7
Alongamento 7.1. Considere P2 = {a+bx+cx2 : a, b, c ∈ R} o conjuntos dos polinômios de grau menor
ou igual a 2 com as operações usuais. Verifique se os seguintes elementos são linearmente independentes
ou não.
(a) f (x) = 1 + x + x2 , g(x) = 2 + 2x + 2x2 .
(b) f (x) = x + x2 , g(x) = 2, h(x) = 1 + 2x2 .
(c) f (x) = 1 + x, g(x) = 2 + x, h(x) = x2 .
Alongamento 7.2. Considerando as operações usuais de cada espaço, exiba uma base e calcule a
dimensão de cada um dos espaços abaixo:
37
(a) R2
(b) M2
(c) Pn
(d) R
(e) D (matrizes diagonais em M2 )
Exercı́cios da Aula 7
Exercı́cio 7.1. Sejam V um espaço vetorial e B uma base para V . Considere C, D ⊂ V tais que C ⊊ B
e D ⊋ B. Mostre que C e D não são bases de V .
Exercı́cio 7.2. Sejam V um espaço vetorial e B uma base para V . Seja α ∈ R com α ̸= 0. Mostre que
C = {αv : v ∈ B} é uma base para V .
Exercı́cio 7.3. Sejam V um espaço vetorial e S ⊂ V um subespaço tal que S ̸= {0}. Considere B base
para V . É verdade que, necessariamente, B ∩ S ̸= ∅?
Exercı́cio 7.4. Considerando as operações usuais de P3 , mostre que o conjunto {q1 , q2 , q3 , q4 , q5 } é
linearmente dependente, onde q1 (x) = x + 1, q2 (x) = x2 − 2x, q3 (x) = x3 + 5x, q4 (x) = x2 + 9 e
q5 = x3 + x2 − x + 1.
Dica: Dimensão
Exercı́cio 7.5. Considere R4 com as operações usuais. Defina bases para R4 que contenham os seguintes
vetores
(a) (1, 1, 0, 0) e (1, 1, 1, 1).
(b) (0, 0, 0, 1)
(c) (2, 0, 0, 2), (2, 0, 0, 1), (1, 1, 2, 1).
38
Aula 8
Aviso
Slide 130
A menos de menção contrária, sempre estaremos trabalhando com espaços finitamente gerados - ou
seja, de dimensão finita.
Dimensões de subespaços
Slide 131
Slide 132
Proposição 8.2. Se S é subespaço de V e dim S = dim V , então S = V .
Demonstração. Comece com uma base B para S. Note que se existe v ∈ V \ S, então B ∪ {v} é LI. Mas
|B| = dim S = dim V , logo não existe um conjunto LI de tamanho |B| + 1.
Contendo a origem
Slide 134
Proposição 8.4. Dado π plano, temos que π é um subespaço se, e somente se, 0 ∈ π.
Demonstração. É claro que, se π é subespaço, então 0 ∈ π. Por outro lado, suponha que 0 ∈ π. Note
que então uma equação para π é 0 + αv + βw para algum v, w. Note que, então π = [v, w] e, portanto,
é subespaço.
Slide 135
Vale o análogo para retas.
39
Subespaço associado
Slide 136
Proposição 8.5. Dados π plano e b ∈ π, temos que S = {v − b : v ∈ π} é um plano que contém 0 (e,
portanto, é um subespaço vetorial).
Demonstração. Note que uma equação para π é da forma b + αu + βw. Note também que um ponto de
S é da forma
(b + αu + βw) − b = αu + βw.
Ou seja, os pontos de S são os pontos que satisfazem 0 + αu + βw.
Slide 137
Slide 138
Seja s ∈ S. Então existe v ∈ π tal que s = v − b. Assim, existem α, β ∈ R tais que v = b + αu + βv.
Logo,
s = v−b
= b + αu + βv − b
= αu + βv
= c + αu + βv − c
Slide 139
De forma análoga, se r é uma reta e b ∈ r, S = {v − b : v ∈ r} é o subespaço associado a r.
Proposição 8.7. Se π é um plano dado por b + αv + βw que não contém a origem, então {v, w} é uma
base para o subespaço associado (em particular, a dimensão do subespaço associado é 2).
Demonstração. Na demonstração de que o subespaço associado é de fato um subespaço vetorial, vimos
que ele é igual a [v, w]. Como v e w são LI, temos o resultado.
Já vimos que se r e s são retas, então r ∩ s tem apenas 3 alternativas: r ∩ s = ∅ (elas não tem pontos
em comum), r ∩ s é um conjunto unitário e r ∩ s = r = s (são a mesma reta). Ainda há uma questão
de nomenclatura: quando r ∩ s = ∅, dizemos que r e s são paralelas se existe um plano π que contém
ambas. E, ainda se r ∩ s = ∅, dizemos que elas são reversas se não existe um plano π que as contém.
Se r ∩ s é unitário, dizemos que as retas são concorrentes15 .
15 Alguns lugares deixam chamam duas retas iguais de paralelas também. Nesse caso, para obter o sentido aqui apresen-
40
Retas concorrentes
Slide 142
Proposição 8.8. Se r é uma reta dada por p + λv e s é uma reta dada por q + λw e r, s são retas
concorrentes, então π dado por p + αv + βw é um plano que contém r e s.
Demonstração. Primeiramente, seja t ∈ r ∩ s. Note que t + λv é uma equação para r e t + λw é uma
equação para s. Note que π dado por t + αv + βw é um plano (já que v e w não são múltiplos um do
outro). Note que π ⊃ r, s. Finalmente, note que p ∈ π, logo p + αv + βw é uma equação para π.
Retas reversas
Slide 143
Proposição 8.9. Sejam r e s retas dadas por p + αv e q + βw respectivamente com v e w LI. Então
p − q não é combinação linear de {v, w} se, e somente se, r, s são reversas.
Demonstração. Suponha que r e s não sejam reversas. Então existe um plano que contém ambas.
Noteque o plano é dado por p + αv + βw e, como p, q são pontos do plano, p − q ∈ [v, w] como querı́amos.
Slide 144
Se r, s são reversas, então π dado por p+αv +βw é um plano (note que v e w são LI). Note que r ⊂ π.
Se p − q é combinação de {v, w}, então existem α, β tais que p − q = αv + βw. Logo, q = p + αv + βw.
Mas isso implica que q ∈ π. Logo, q + αv + βw também seria uma equação para π. E, portanto, r, s ⊂ π
o que é uma contradição.
Único plano
Slide 145
Proposição 8.10. Se r e s são paralelas existe um único plano que contém ambas.
Demonstração. Por definição, já temos que existe um plano que contém r e s. Falta a unicidade. Sejam
a, b ∈ r distintos. Seja c ∈ s (note que c ∈ / r). Note que não existe uma reta contendo a, b, c (pois, se
existisse, teria que ser igual a r). Assim, a, b, c determinam um plano.
Slide 146
De forma análoga, podemos mostrar:
Proposição 8.11. Se r e s são concorrentes, então existe um único plano contendo ambas.
Resumo
Slide 147
Dadas retas r e s dadas respectivamente por p + αv e q + βw, temos o seguinte resumo:
concorrentes reversas paralelas r = s
v = λw ✓ ✓
existe π ⊃ r, s ✓ ✓ ✓
p − q é combinação linear de {v, w} ✓ ✓
r∩s = ∅ ✓ ✓
|r ∩ s| ≥ 2 ✓
existe único π ⊃ r, s ✓ ✓
41
Reta e plano
Slide 148
Proposição 8.12. Sejam r reta dada por p + λv e π plano dado por q + αu + βw. Se v é combinação
de linear de {u, w}, então r ∩ π = ∅ ou r ⊂ π.
Demonstração. Vamos provar que, se existe a ∈ r ∩ π, então r ⊂ π. Note que isso é suficiente. Neste
caso, podemos tomar a + λv e a + αu + βw como equações para r e π respectivamente. Seja b ∈ r.
Então existe λ tal que b = a + λv. Como v é combinação linear de {u, w}, existem α, β ∈ R tais que
v = αu + βw. Assim:
b = a + λv = a + λαu + λβw.
Ou seja, b ∈ π como querı́amos.
Slide 149
Corolário 8.13. Sejam r reta dada por p + λv e π plano dado por q + αu + βw e suponha v combinação
linear de {u, w}. Então se p ∈ π, temos que r ⊂ π. Se p ∈
/ π, temos que r ∩ π = ∅.
Problema
Slide 150
Dá vontade de falar que se o vetor diretor de r não for combinação linear dos vetores de π, então
necessariamente r cruza π. Mas note o seguinte
exemplo.
1 0 1 0 3 2 0 2
Exemplo 8.14. Considere a reta r : +λ e o plano π : +α +
0 1 0 1 1 0 1 0
0 1
β .
−1 0
Para podermos contornar esse tipo de problema, teremos que fixar o espaço com dimensão 3.
Em R3
Slide 151
Proposição 8.15. Em R3 , sejam r uma reta dada por b + λv e π um plano dado por c + αu + βw tais
que v não é combinação linear de u e w. Então r ∩ π é unitário.
Demonstração. Já sabemos que r ̸⊂ π. Então só precisamos mostrar que há pelo menos um ponto em
comum. Note que, como {u, w} é LI e v ∈ / [u, w], {u, v, w} é LI. Logo, u, v, w é base para R3 . Então
existem λ, α, β ∈ R tais que b − c = λv + αu + βw. Reorganizando, temos
b − λv = c + αu + βw
Alongamentos da Aula 8
Alongamento 8.1. Em R3 , considere o plano π dado por (1, 0, −1) + α(−1, 1, 0) + β(2, 2, 1).
(a) Encontre uma reta r contida em π (de a equação dela).
(b) Encontre uma reta s disjunta de π.
Alongamento 8.2. Em R3 , considere as retas r e s dadas por (1, 1, 0) + α(2, 1, −1) e (3, 2, −1) +
β(0, −1, 2). Existe um plano que as contém? Se sim, dê uma equação para ele.
16 O lado esquerdo pertence à reta e o lado direito pertence ao plano.
42
Exercı́cios da Aula 8
Exercı́cio 8.1. Em R3 , conidere o plano π dado por (3, 2, 1) + α(1, 1, −1) + β(4, 0, 1).
43
Aula 9
Dimensão união
Slide 152
Demonstração. Seja {v1 , ..., vn } base para A ∩ B. Sabemos que existem a1 , ..., ap de forma que
{v1 , ..., vn , a1 , ..., ap } é base para A. De maneira análoga, existem b1 , ..., bq tais que {v1 , ..., vn , b1 , ..., bq }
é uma base para B. Note que [A ∪ B] = [v1 , ..., vn , a1 , ..., ap , b1 , ..., bq ] (exercı́cio). Assim, se provarmos
que {v1 , ..., vn , a1 , ..., ap , b1 , ..., bq } é LI, teremos o resultado.
Slide 153
Suponha que não. Então algum desses vetores é combinação dos demais. Vamos supor que seja b1 ,
os outros casos são similares. Temos então que existem λ1 , ..., λn , α1 , ..., αp , β2 , ..., βq ∈ R tais que
b1 = λ1 v1 + · · · + λn vn + α1 a1 + · · · + αp ap + β2 b2 + · · · βq bq .
Assim,
b1 − β2 b2 − · · · − βq bq = λ1 v1 + · · · + λn vn + α1 a1 + · · · + αp ap .
Note que o lado esquerdo é um elemento de B, enquanto que o lado direito é um elemento de A. Logo,
ambos os lados são elementos de A ∩ B. Como {v1 , .., vn } é base para A ∩ B, podemos supor que
α1 , ..., αp = 0 na igualdade acima. Mas então temos
b1 = λ1 v1 + · · · + λn vn + β2 b2 + · · · βq bq
Consequência em R3
Slide 154
Dois planos
Slide 155
Tı́nhamos dado um exemplo de dois planos que tinham um único ponto em comum. Mas isso
aconteceu pois o espaço na ocasião tinha dimensão 4:
Lema 9.3. Em R3 , sejam π e ρ planos dados por p + αv + βw e q + γx + δy. Se x ∈
/ [v, w] ou y ∈
/ [v, w],
então π e ρ possuem pelo menos um ponto em comum.
17 Note que A ∪ B não necessariamente é um espaço vetorial, então precisamos do [·]. Já A ∩ B é subespaço, então não
há problemas.
44
Demonstração. Sem perda de generalidade, suponha que x ∈/ [v, w]. Então, como a dimensão de R3 é
3, temos que {v, w, x} forma uma base. Assim, existem α, β, γ ∈ R tais que q − p = αv + βw + γx.
Reorganizando, obtemos
q − γx = p + αv + βw.
Ou seja, tal ponto pertence a π ∩ ρ.
Slide 156
Proposição 9.4. Em R3 , sejam π e ρ planos dados por p + αv + βw e q + γx + δy. Se x ∈
/ [v, w] ou
y∈
/ [v, w], então π ∩ ρ é uma reta.
Demonstração. Pelo lema, podemos supor que p = q. Como estamos trabalhando em R3 , temos que
dim([v, w] ∩ [x, y]) = 1. Seja u tal que [u] = [v, w] ∩ [x, y]. Note que r dada por p + λu é tal que
r = π ∩ ρ.
Slide 157
Proposição 9.5. Sejam π e ρ planos dados por p + αv + βw e q + γx + δy. Se x, y ∈ [v, w], então π e
ρ são disjuntos ou iguais.
Demonstração. Suponha que exista a ∈ π ∩ ρ. Então a + αv + βw é uma equação para π. Por sua vez,
a + γx + δy também é - já que x, y ∈ [v, w]. Mas note que essa última equação é também uma equação
para ρ (já que a ∈ ρ).
Resumindo
Slide 158
Em R3 , só há 3 alternativas para a intersecção de planos π dado por p + αv + βw e ρ dado por
q + γx + δy:
π ∩ ρ = ∅. Nesse caso, x, y ∈ [v, w], mas q ∈
/ π;
π = ρ. Nesse caso, x, y ∈ [v, w] e q ∈ π;
π ∩ ρ é uma reta. Nesse caso, x ∈
/ [v, w] ou y ∈
/ [v, w].
Alongamentos da Aula 9
Alongamento 9.1. Em R3 , considere os planos π e ρ dados por (1, 0, 1) + α(1, 1, −1) + β(2, 0, 0) e
(4, 1, 0) + γ(0, 1, −1) + δ(0, 0, 1). Determine π ∩ ρ.
Exercı́cios da Aula 9
Exercı́cio 9.1. Seja V um espaço vetorial. Considere A, B ⊂ V conjuntos não vazios tais que a dimensão
de [A] é m, de [B] é n e a de [A ∪ B] = k.
(a) Dê um exemplo onde m < n < k.
(b) Dê um exemplo onde m = n < k.
(c) Dê um exemplo onde m = n = k.
(d) É possı́vel acontecer k < max{m, n}?
(e) O que podemos afirmar sobre [A], [B] e [A ∪ B] se m = n = k?
(f) Suponha [A] ⊂ [B]. Calcule k em função de m e n.
(g) Suponha [A] ∩ [B] = {0}. Calcule k em função de m e n.
45
Exercı́cio 9.2. Em R4 , sejam S, T subespaços distintos de dimensão 3. Determine dim(S ∩ T ).
Exercı́cio 9.3. Em R3 , considere os planos π, ρ dados por p + αv + βw e p + γv + δu.
46
Aula 10
Sistemas de coordenadas
Slide 159
O que vamos fazer agora é construir um novo jeito de se descrever os elementos de um espaço vetorial.
Definição 10.1. Seja V um espaço vetorial finitamente gerado. Um sistema de coordenadas, ou
base ordenada, em V é uma base B = {v1 , ..., vn } ⊂ V em que a ordem dos elementos está fixada18 .
Slide 160
O próximo resultado nos dá uma grande utilidade para os sistemas de coordenadas:
Proposição 10.2. Sejam V um espaço vetorial finitamente gerado e B = {v1 , ..., P
vn } uma base ordenada
n
para V . Então, para cada elemento v ∈ V , existem a1 , ..., an ∈ Rn tais que v = i=1 ai vi . Além disso,
tais ai ’s são únicos com tal propriedade.
Demonstração. A existência de a1 , ..., an se dá simplesmente pelo fato de B ser base.
Pn Slide 161
Vamos mostrar então a unicidade. Sejam b1 , ..., bn ∈ R tais que v = i=1 bi vi . Temos
0 = vP− v
n Pn
= Pi=1 ai vi − i=1 bi vi
n
= i=1 (ai − bi )vi
Logo, como v1 , ..., vn são linearmente independentes, (ai − bi ) = 0 para todo i = 1, ..., n.
Slide 162
O resultado anterior nos permite fazer a seguinte definição:
Definição 10.3. Sejam V um espaço vetorial finitamente gerado e B = {v1 , ..., vPn } uma base ordenada
n
para V . Dado v ∈ V , denotamos por [v]B = (a1 , ..., an )B a única n-upla tal que i=1 ai vi = v.
Exemplo
Slide 163
Considere R3 com as seguintes bases ordenadas: B1 = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}, B2 = {(1, 1, 0), (0, 1, 1), (0, 2, 0)}
e B3 = {(0, 1, 0), (1, 0, 0), (0, 0, 1)}.
Seja v = (1, 2, 3) ∈ R3 . Temos
[v]B1 = (1, 2, 3)B1
[v]B2 = (1, 3, −1)B2
[v]B3 = (2, 1, 3)B3
Note que o processo de se mudar as coordenadas de um vetor de uma base para outra muitas vezes
é trabalhoso. Mais adiante, veremos uma maneira bem mais simples de se fazer isso. Mas, para isso,
precisamos do conceito de transformações lineares e de alguma teoria sobre elas. Como as transformações
lineares são úteis em diversos outros problemas, faremos um apanhado geral de sua teoria antes de
voltarmos à aplicação de mudança de bases.
18 ouseja, um sistema de coordenadas é uma n-upla (v1 , ..., vn ) cujas coordenadas formam uma base de V . Mas, por
comodidade, utilizaremos o mesmo sı́mbolo de conjunto.
47
Transformações Lineares
Slide 164
Vamos agora considerar funções entre espaços vetoriais. Para nós vão interessar as funções que
preservam a estrutura de espaço vetorial.
Definição 10.4. Sejam U e V espaços vetoriais. Uma função T : U → V é dita uma transformação
linear se, dados u1 , u2 ∈ U e α ∈ R temos:
(i) T (u1 + u2 ) = T (u1 ) + T (u2 );
(ii) T (αu1 ) = αT (u1 )
É comum se usar T u em vez de T (u).
Exemplos
Slide 165
Exemplo 10.5. Sejam U e V espaços vetoriais. Considere T : U → V dada por T (u) = 0 para qualquer
u ∈ U . Temos que T é linear. De fato, dados u1 , u2 ∈ U , temos T (u1 + u2 ) = 0 = 0 + 0 = T (u1 ) + T (u2 )
e, dado α ∈ R, temos que T (αu1 ) = 0 = α0 = αT (u1 ).
Slide 166
Exemplo 10.6. Seja V um espaço vetorial. Considere T : V → V dada por T (v) = v para qualquer
v ∈ V . Temos que T é linear. De fato, dados v1 , v2 ∈ V , temos que T (v1 + v2 ) = v1 + v2 = T (v1 ) + T (v2 )
e, dado α ∈ R, temos que T (αv1 ) = αv1 = αT (v1 ).
Slide 167
Exemplo 10.7. Seja T : R3 → R2 dada por T (a, b, c) = (a, b + c). Temos que T é linear. De fato, sejam
(a1 , b1 , c1 ), (a2 , b2 , c2 ) ∈ R3 , temos
48
Slide 169
Exemplo 10.9. Considere R2 com as operações usuais. Então T (a, b) = (a2 , b) para (a, b) ∈ R2 não
é uma transformação linear. Pois, T (3, 0) = (9, 0) e, por outro lado, (3, 0) = (1, 0) + (2, 0). Assim,
T (1, 0) + T (2, 0) = (1, 0) + (4, 0) = (5, 0). Logo, T ((1, 0) + (2, 0)) ̸= T (1, 0) + T (2, 0).
Imagem
Slide 170
O próximo resultado diz que a imagem de uma transformação linear é um espaço vetorial.
Proposição 10.10. Sejam U e V espaços vetoriais e T : U → V uma transformação linear. Temos que
ImT = {v ∈ V : ∃u ∈ U T (u) = v} é um subespaço vetorial de V .
Demonstração. Temos que T (0) = T (0 · 0) = 0T (0) = 0. Logo, 0 ∈ ImT . Sejam v1 , v2 ∈ ImT . Então
existem u1 , u2 ∈ U tais que T (u1 ) = v1 e T (u2 ) = v2 . Temos que v1 + v2 = T (u1 ) + T (u2 ) = T (u1 + u2 )
e, como u1 + u2 ∈ U , temos que v1 + v2 ∈ ImT . Sejam v ∈ ImT e α ∈ R. Seja u ∈ U tal que T (u) = v.
Temos que αv = αT (u) = T (αu) e, como αu ∈ U , temos que αv ∈ ImT .
Composta
Slide 171
Temos que composta de transformações lineares é uma transformação linear, como mostra o resultado
a seguir.
Proposição 10.11. Sejam U , V e W espaços vetoriais. Sejam T : U → V e F : V → W transformações
lineares. Então F ◦ T : U → W , dada por (F ◦ T )(u) = F (T (u)) para u ∈ U é uma transformação linear.
Demonstração. Primeiramente, note que, como T (u) ∈ V , podemos tomar F (T (u)) e, portanto, F ◦ T
está bem definida. Sejam u1 , u2 ∈ U . Temos:
(F ◦ T )(u1 + u2 ) = F (T (u1 + u2 ))
= F (T (u1 ) + T (u2 ))
= F (T (u1 )) + F (T (u2 ))
= (F ◦ T )(u1 ) + (F ◦ T )(u2 )
Exercı́cios da Aula 10
1 0 0 1 0 1 0 0
Exercı́cio 10.1. Considere B = , , , base ordenada de M2 .
1 0 0 1 0 0 1 1
Calcule [v]B em cada um dos seguintes casos:
2 1
(a) v =
0 0
1 1
(b) v =
1 1
Exercı́cio 10.3. Seja V espaço vetorial finitamente gerado. Sejam B1 e B2 bases ordenadas para V .
Mostre que B1 e B2 são iguais se, e somente se, dado qualquer v ∈ V , [v]B1 = [v]B2 .
19 dado p(x) = a0 + a1 x + · · · an xn , denotamos por p′ (x) o polinômio a1 + 2a2 x + · · · nan xn−1
49
Exercı́cio 10.4. Seja V ̸= 0 um espaço finitamente gerado e seja A = {a1 , ..., an } ⊂ V ordenado tal
que
Pn [A] = V ,Pmas A não é base de V . Mostre que existem v ∈ V e α1 , ..., αn , β1 , ..., βn ∈ R tais que
n
i=1 αi ai = i=1 i ai = v, mas αi ̸= βi para algum i = 1, ..., n.
β
Exercı́cio 10.5. Sejam U espaço vetorial finitamente gerado, α ∈ R e u, v ∈ U . Seja B base ordenada
para U .
(a) Mostre que [u]B + [v]B = [u + v]B .
(b) Mostre que α[u]B = [αu]B .
Exercı́cio 10.6. Verifique se as seguintes funções são transformações lineares de R2 em R2 , considerando-
se R2 com as operações usuais:
(a) T (a, b) = (a + 1, b − 1);
(b) T (a, b) = ( a2 , a + b);
√
(c) T (a, b) = ( a, 0);
(d) T (a, b) = (a − 2b, 0);
(e) T (a, b) = (2b, 3a);
(f) T (a, b) = (2b, 3b);
Exercı́cio 10.11. Seja V um espaço vetorial finitamente gerado. Seja B = {v1 , ...,P vn } uma base para
n
V . Para cada i = 1, ..., n considere Πi : V → V dada por Πi (v) = αi vi onde v = j=1 αj vj . Mostre,
para cada i = 1, ..., n:
Pn Pn Pn Pn
(a) Πi está bem definida, isto é, se j=1 αj vj = j=1 βj vj então Πi ( j=1 αj vj ) = Πi ( j=1 βj vj ).
(b) Πi é uma transformação linear.
Exercı́cio 10.12. Sejam U e V espaços vetoriais. Seja B = {u1 , ..., un } base para U . Mostre que
[T (u1 ), ..., T (un )] = ImT .
50
Aula 11
Revisão de funções
Slide 172
Dada uma transformação linear T : U → V podemos nos perguntar se conseguimos uma outra
transformação linear que faça o “caminho inverso”, isto é, uma transformação F : V → U tal que
F (T (u)) = u para qualquer u ∈ U .
Definição 11.1. Sejam A e B conjuntos não vazios. Seja f : A → B uma função. Dizemos que f é
uma função injetora quando, dados a1 , a2 ∈ A, se f (a1 ) = f (a2 ) então a1 = a2 . Dizemos que f é
uma função sobrejetora se, para qualquer b ∈ B, temos que existe a ∈ A tal que f (a) = b. Isto é,
quando temos que Imf = B. Dizemos que f é uma função bijetora se ela é injetora e sobrejetora
simultaneamente.
Inversa
Slide 173
Slide 174
Se uma função qualquer é bijetora, podemos construir uma inversa. Agora, voltando ao nosso pro-
blema original, veremos que se T é uma transformação linear bijetora, então sua inversa também é uma
transformação linear.
Proposição 11.3. Sejam U e V espaços vetoriais. Seja T : U → V transformação linear. Suponha que
T seja bijetora. Então T −1 : V → U é uma transformação linear.
Demonstração. Sejam v1 , v2 ∈ V . Sejam u1 , u2 tais que T (u1 ) = v1 e T (u2 ) = v2 (podemos fazer
isso pois T é sobrejetora). Temos
Núcleo
Slide 175
A uma transformação linear qualquer, temos dois subespaços naturalmente associados: o núcleo e a
imagem da transformação. A imagem nós já vimos que é um subespaço de V . Vejamos agora o núcleo20 :
Definição 11.4. Sejam U e V espaços vetoriais. Seja T : U → V uma transformação linear. Chamamos
de núcleo de T o seguinte conjunto:
N ucT = {u ∈ U : T (u) = 0}
51
Slide 176
Proposição 11.5. Sejam U e V espaços vetoriais. Seja T : U → V uma transformação linear. Então
N ucT é um subespaço vetorial de U .
Núcleo e injetividade
Slide 177
Demonstração. Suponha que T é injetora. Temos que mostrar que N ucT = {0}. Como T (0) = 0,
temos que {0} ⊂ N ucT . Suponha que não é verdade que N ucT ⊂ {0}. Então existe u ∈ U com u ̸= 0
tal que T (u) = 0 = T (0), contrariando que T é injetora.
Suponha que N ucT = {0}. Sejam u, w ∈ U tais que T (u) = T (w) temos que mostrar que u = w.
De T (u) = T (w), temos que 0 = T (u) − T (w) = T (u − w). Logo, u − w ∈ N ucT = {0} e, portanto,
u − w = 0. Ou seja, u = w.
Exemplos
Slide 178
Exemplo 11.7. Considere U e V espaços vetoriais. Seja T : U → V dada por T (u) = 0 para todo
u ∈ U . Temos que N ucT = U . Assim T é injetora se, e somente se, U = {0}. Observe também que T é
sobrejetora se, e somente se, V = {0}.
Slide 179
Exemplo 11.8. Considere U um espaço vetorial. Seja T : U → U dada por T (u) = u para todo u ∈ U .
Note que T é bijetora. Observe também que T −1 = T .
Slide 180
Exemplo 11.9. Considere R3 e R2 com as operações usuais. Seja T : R3 → R2 dada por T (a, b, c) =
(a, b + c) para todo (a, b, c) ∈ R3 . Observe que
Note que T é sobrejetora. De fato, dado (x, y) ∈ R2 , temos que T (x, y, 0) = (x, y).
52
Basta definir na base
Slide 181
O próximo resultado nos dá uma maneira simples de definir uma transformação linear:
Proposição 11.10. Sejam U um espaço vetorial finitamente gerado e V um espaço vetorial qualquer.
Seja B = {b1 , ..., bn } ⊂ U uma base para U . Para cada bi ∈ B, seja vi ∈ V . Então existe uma única
transformação linear T : U → V tal que T (bi ) = vi para todo bi ∈ B.
Pn
Demonstração. Dado v ∈ U , existem α1 , ...αn ∈ R tais que v = i=1 αi bi (lembre que tais αi ’s são
únicos). Defina
Xn
T (v) = αi T (bi ).
i=1
Vamos mostrar que T assim definida é linear.
Pn Pn Slide 182
Sejam u, v ∈ U . Sejam α1 , ..., αn , β1 , ..., βn ∈ R tais que u = i=1 αi bi e v = i=1 βi bi . Temos
Pn
T (u + v) = Pi=1 (αi + βi )T (b Pin)
n
= i=1 αi T (bi ) + i=1 βi T (bi )
= T (u) + T (v)
Pn Pn
Seja α ∈ R. Temos que T (αu) = i=1 (ααi )bi = α i=1 αi bi = αT (u).
Slide 183
Pn o enunciado. Seja F : U → V
Vamos agora mostrar que T é a única transformação linear que satisfaz
satisfazendo o enunciado. Sejam u ∈ U e α1 , ...αn ∈ R tais que u = i=1 αi bi . Temos
Pn
F (u) = F ( i=1 αi bi )
∗ Pn
= i=1 αi F (bi )
∗∗ Pn
= i=1 αi T (bi )
= T (u)
onde (∗) vale pois F é linear e (∗∗) vale por hipótese.
Slide 184
3 2
Exemplo 11.11. Considere R e R com as operações usuais. Seja {(1, 1, 0), (0, 1, 0), (0, 2, 2)} base
para R3 . Podemos definir uma transformação linear T : R3 → R2 , definindo seu valor somente nos
vetores desta base. Por exemplo, definimos T (1, 1, 0) = (1, 0), T (0, 1, 0) = (2, 0) e T (0, 2, 2) = (1, 2).
Desta forma, T está completamente definida. Por exemplo, dado (1, 1, 1) ∈ R3 , temos que (1, 1, 1) =
1(1, 1, 0) − 1(0, 1, 0) + 12 (0, 2, 2). Assim, pela demonstração da Proposição 11.10, T (1, 1, 1) = 1(1, 0) −
1(2, 0) + 12 (1, 2) = (− 12 , 1).
Relacionando dimensões
Slide 185
O próximo resultado mostra que a dimensão da imagem, do núcleo e do domı́nio de uma transformação
estão relacionadas entre si.
Teorema 11.12. Sejam U e V espaços vetoriais finitamente gerados. Seja T : U → V uma trans-
formação linear. Então temos
dim U = dim ImT + dim N ucT
Demonstração. Seja n = dim U . Como N ucT ⊂ U , temos que N ucT é finitamente gerado. Seja
k = dim N ucT . Note que k ≤ n. Note que, se k = n, o resultado vale já que T é a função constantemente
nula.
20 Muitas vezes se adota o termo em inglês: kernel.
21 Veja os exercı́cios.
53
Slide 186
Suponha k = 0. Temos que T é injetora. Seja {a1 , ..., an } base para U . Temos que ImT =
[T (a1 ), ..., T (an )]. Como T é injetora, temos que T (a1 ), ..., T (an ) são linearmente independentes (veja os
exercı́cios). Assim, temos que dim ImT = n e, portanto, temos o resultado.
Slide 187
Agora suponha que k > 0. Seja {b1 , ..., bk } base para N ucT . Como {b1 , ..., bk } é base, temos que
{b1 , ..., bk } é linearmente independente. Assim, por 7.8, existem u1 , ..., up ∈ U tais que {b1 , ..., bk , u1 , ..., up }
é uma base para U . Note que, assim, p = n − k. Vamos mostrar que {T (u1 ), ..., T (up )} é base de ImT .
Note que, com isso, teremos o resultado.
Slide 188
Note que [T (b1 ), ..., T (bk ), T (u1 ), ..., T (up )] = ImT (veja os exercı́cios). Mas temos também que
[T (b1 ), ..., T (bk ), T (u1 ), ..., T (up )] = [T (u1 ), ..., T (up )] já que T (bi ) = 0 para todo i = 1, ..., k (mostre
que de fato vale a igualdade). Assim, temos que [T (u1 ), ..., T (up )] = ImT . Resta, portanto, mostrar
que T (u1 ), ..., T (up ) são linearmente independentes. Sejam α1 , ..., αp ∈ R tais que α1 T (u1 ) + · · · +
αp T (up ) = 0. Com isso, temos que 0 = T (α1 u1 ) + · · · + T (αp up ) = T (α1 u1 + · · · αp up ). Logo, α1 u1 +
· · · αp up ∈ N ucT = [b1 , ..., bk ]. Assim, temos que α1 u1 + · · · + αp up ∈ [u1 , ..., up ] ∩ [b1 , ..., bk ]. Como
{b1 , ..., bk , u1 , ..., up } é linearmente independente, α1 u1 + · · · αp up = 0. Como u1 , ..., up é linearmente
independente, temos que α1 = · · · = αp = 0 e, portanto {T (u1 ), ..., T (up )} é linearmente independente.
Exemplo
Slide 189
Exemplo 11.13. Considere M2 e R3 com as operações usuais. Vamos construir uma aplicação linear
T : M2 → R3 tal que
a 0
N ucT = A = : a, b ∈ R
0 b
ImT = B = {(a, 2a, b) : a, b ∈ R}
Primeiramente, note que (exercı́cio)
1 0 0 0
A= ,
0 0 0 1
Slide 190
Por 11.10, podemos determinar T apenas exibindo seus valores calculados na base canônica de M2 .
Assim, considere T tal que
1 0 0 1
T = (0, 0, 0) T = (1, 2, 0)
0 0 0 0
0 0 0 0
T = (0, 0, 1) T = (0, 0, 0)
1 0 0 1
Já temos que ImT = B. Resta mostrar que N ucT = A. Observe que A ⊂ N ucT (exercı́cio) e que
dim A = 2. Note que, por 11.12, dim N uc = 4 − 2 = 2. Logo, temos que N ucT = A.
54
Slide 191
Exemplo 11.14. Considere R3 e R2 com as operações usuais. Vamos definir uma transformação linear
T : R3 → R2 tal que N ucT = {(0, 2a, b + a) : a, b ∈ R} e ImT = [(1, 1)]. Note que uma base para
N ucT é {(0, 2, 1), (0, 0, 1)}. Para podermos usa a Proposição 11.10, vamos estender a base encontrada
para N ucT para uma base para R3 . Considere a seguinte base para R3 {(0, 2, 1), (0, 0, 1), (1, 0, 0)}. Note
que ela de fato estende a base fixada para N ucT . Agora, para definirmos T , fazemos T (0, 2, 1) = (0, 0),
T (0, 0, 1) = (0, 0) e T (1, 0, 0) = (1, 1).
Isomorfismo
Slide 192
Equivalências
Slide 193
Proposição 11.16. Sejam U e V espaços finitamente gerados tais que dim U = dim V . Seja T : U → V
uma transformação linear. As seguintes afirmações são equivalentes:
(i) T é um isomorfismo.
(ii) T é injetora.
(iii) T é sobrejetora.
Demonstração. É imediato pelas definições que (i) ⇒ (ii) e (i) ⇒ (iii). Resta mostrar que (ii) ⇒ (i)
e (iii) ⇒ (i). Seja n = dim U = dim V .
Slide 194
(ii) ⇒ (i) Suponha que T é injetora. Então, por 11.6, temos que dim N ucT = 0. Por 11.12, temos que
n = dim Im + 0. Logo, ImT = V e, portanto, T é sobrejetora.
(iii) ⇒ (i) Suponha que T é sobrejetora. Então dim T = dim V = n. Assim, por 11.12, temos que
n = n + dim N ucT . Logo, dim N ucT = 0 e, por 11.6, temos que T é injetora.
Slide 195
Os próximos resultados dizem que, do ponto de vista da estrutura de espaço vetorial, dois espaços
com a mesma dimensão finita são iguais.
Teorema 11.17. Sejam U e V espaços vetoriais finitamente gerados de mesma dimensão. Então U e
V são isomorfos.
Demonstração. Seja n = dim U = dim V . Sejam {u1 , ..., un } e {v1 , ..., vn } bases para U e V
respectivamente. Considere T : U → V tal que T (ui ) = vi para todo i = 1, ..., n. Por 11.16, basta
mostrarmos que T é injetora. Para isso, basta mostrarmos que, se u ∈ N ucT , então u = 0.
55
Pn Slide 196
Seja u ∈ N ucT . Então T (u) = 0. Sejam α1 , ..., αn ∈ R tais que u = i=1 αi ui . Temos
0 = T
P(u)
n
= Pi=1 T (αi ui )
n
= Pi=1 αi T (ui )
m
= i=1 αi vi
Slide 197
Corolário 11.18. Todo espaço vetorial de dimensão n ≥ 1 é isomorfo a Rn .
Alongamentos da Aula 11
Alongamento 11.1. Exiba quatro transformações lineares de R3 em R3 cujos núcleos tenham dimensão
0, 1, 2 e 3 respectivamente.
Exercı́cios da Aula 11
Exercı́cio 11.1. Calcule o núcleo e a imagem de cada transformação (em cada espaço, considere as
operações usuais).
(a) T (a, b, c, d) = (a + b, c)
(b) T (a, b) = a − b
(c) T (a, b) = (a, 2b, a + b, a − b)
Exercı́cio 11.2. Seja U e V espaços vetorias. Considere T : U → R, (R com as operações usuais) e
F : V → N ucT transformações lineares. Descreva T ◦ F .
Exercı́cio 11.3. Sejam U e V espaços vetoriais. Considere T : U → V uma transformação linear.
Mostre as seguintes afirmações:
(a) T é injetora se, e somente se, para qualquer A ⊂ U linearmente independente, temos que T [A] é
linearmente independente.
(b) Sejam u1 , ..., un ∈ U . Se T (u1 ), ..., T (un ) são linearmente independentes, então u1 , ..., un são linear-
mente independentes.
Exercı́cio 11.4. Considere a transformação linear G obtida no exercı́cio 10.9 de ??. Descreva N ucG
em termos de N ucF e N ucT .
Exercı́cio 11.5. Sejam U e V espaços vetoriais. Seja B = {u1 , ..., un } base para U . Seja T : U → V
uma transformação linear. É verdade que N ucT = [C], onde C = {bi ∈ B : T (bi ) = 0}? Vale que
[C] ⊂ N ucT ?
Exercı́cio 11.6. Considere R3 e R2 com as operações usuais. Sejam T : R3 → R2 e F : R2 → R3
transformações lineares. T pode ser injetora? F pode ser sobrejetora?
Exercı́cio 11.7. Considere R4 com as operações usuais. Sejam U = {(a, a2 , a + b, −b) : a, b ∈ R} e
V = {(x, y, z, w) ∈ R4 : x − y = 0 e z + w = 0} subespaços vetoriais de R4 . Defina uma transformação
linear T : R4 → R4 tal que N ucT = U e ImT = V .
Exercı́cio 11.8. Considere
M2
com as operações
usuais. : M2 →
Defina T M2 uma transformação
1 1 0 0 0 1 1 0
linear tal que N ucT = , , e ImT = .
0 0 1 1 0 0 0 0
Exercı́cio 11.9. Sejam U e V espaços vetoriais finitamente gerados. Seja T : U → V uma transformação
linear.
56
(a) Mostre que, se T é injetora, então dim V ≥ dim U .
(b) Mostre que, se T é sobrejetora, então dim U ≥ dim V .
Exercı́cio 11.10. Seja U espaço vetorial finitamente gerado. Seja T : U → U . Suponha que N ucT =
ImT .
(a) Dê um exemplo de um espaço e de uma transformação que satisfaçam o enunciado.
(b) Mostre que dim U é par.
Exercı́cio 11.11. Sejam U e V espaços vetoriais. Seja T : U → V um isomorfismo. Mostre que
T −1 : V → U é um isomorfismo.
Exercı́cio 11.12. Sejam U e V espaços vetoriais finitamente gerados. Suponha que dim U ̸= dim V .
Mostre que U e V não são isomorfos.
Exercı́cio 11.13. Considere T : R4 → R4 dada por T (1, 0, 0, 0) = (0, 1, 0, 0), T (0, 1, 0, 0) = (0, 0, 1, 0),
T (0, 0, 1, 0) = (0, 0, 0, 1), T (0, 0, 0, 1) = (0, 0, 0, 0). Mostre que
T 4 (v) = T (T (T (T (v)))) = 0
para qualquer v ∈ R4 .
57
Aula 12
Agora veremos como podemos representar transformações lineares entre espaços de dimensão finita
usando matrizes reais.
Definição 12.1. Sejam U e V espaços vetoriais. Sejam B = {b1 , ..., bn } e C = {c1 , ..., cm } bases
ordenadas para U e V respectivamente. Seja T : U → V uma transformação linear. Para cada i = 1, ..., n,
sejam α1i , ..., αmi ∈ R tais que T (bi ) = α1i c1 + · · · + αmi cm . Considere
α11 α12 · · · α1n
α21 α22 · · · α2n
M = . ∈ Mm×n
..
αm1 αm2 · · · αmn
Tal matriz é chamada de matriz da transformação T nas bases B e C e é denotada por [T ]BC .
Aplicando
Slide 199
O próximo resultado mostra uma utilidade de tal representação: aplicar uma transformação a um
vetor passa a ser mero cálculo matricial.
Proposição 12.2. Sejam U e V espaços vetoriais. Sejam B = {b1 , ..., bn } e C = {c1 , ..., cm } bases
ordenadas para U e V respectivamente. Seja T : U → V uma transformação linear. Então vale a
seguinte equação, dado u ∈ U :
[T ]BC [u]B = [T (u)]C
Isto é, a matriz de T nas bases B e C multiplicada pelo vetor formado pelas coordenadas de u na base
B é igual ao vetor das coordenadas de T (u) na base C.
Slide 200
Demonstração. Para cada i = 1, ..., n, sejam α1i , ..., αmi ∈ R tais que T (bi ) = α1i c1 + · · · + αmi cm .
Seja u ∈ U . Sejam β1 , ..., βn ∈ R tais que u = β1 b1 + · · · βn bn . Temos
Pn
α11 α12 · · · α1n β1 Pni=1 α1i βi
α21 α22 · · · α2n β2
i=1 α2i βi
.. =
.. ..
. .
Pn .
αm1 αm2 · · · αmn βn i=1 αmi βi
Slide 201
Verifiquemos agora que, de fato, o vetor obtido é o desejado.
Pn Pn Pm Pn
i=1 α1i βi c1 + · · · + i=1 αmi βi cm = Pj=1 P i=1 αji βi cj
n m
= α βc
Pi=1
n Pm ji i j
j=1
= β i j=1 αji cj
Pi=1
n
= i=1
Pn β i T (b i)
= T ( i=1 βi bi )
= T (u)
58
Exemplo
Slide 202
Slide 205
Agora, usemos a matriz [T ]BC . Antes, observe que [u]B = (1, 2, 3, 4)B . Assim, temos
1
1 1 0 0 2 1+2 3
−1 −1 2 −1 = −1 − 2 + 2 · 3 − 4 = −1
3
0 0 −1 1 −3 + 4 1
4
Com isso, temos que [T (u)]C = (3, −1, 1)C . Voltando para as coordenadas usuais, temos:
Caracterizando
Slide 206
59
Slide 207
Corolário 12.4. Seja U, V espaços vetoriais finitamente gerados. Sejam B, C bases para U e V respec-
tivamente. Seja T : U → V uma transformação linear. Seja M ∈ MdimV ×dimU tal que, para qualquer
u ∈ U , M [u]B = [T (u)]C . Então M = [T ]BC .
Demonstração. Basta notar que M a = [T ]BC a para qualquer a ∈ RdimU .
Composta × produto
Slide 208
Slide 209
Vejamos que mostrar que o caminho inverso também é verdadeiro, isto é, dada uma matriz, existe
uma transformação associada.
Proposição 12.6. Sejam U e V espaços vetoriais. Sejam B = {b1 , ..., bn } e C = {c1 , ..., cm } bases para
U e V respectivamente. Então, dada uma matriz A ∈ Mm×n existe uma única transformação linear
T : U → V tal que [T ]BC = A.
Demonstração. Sejam αij com i = 1, ..., m e j = 1, ..., n tais que
α11 α12 · · · α1n
α21 α22 · · · α2n
A= .
..
αm1 αm2 ··· αmn
Slide 210
PmPor 11.10, existe uma única transformação linear T : U → V tal que, para cada j = 1, ..., n, T (uj ) =
i=1 αij ci . Observe que [T ]BC = A.
Vejamos agora o caso particular de quando queremos usar a representação matricial apenas para
obter uma mudança na base em que os vetores serão escritos.
Definição 12.7. Sejam U um espaço vetorial e B = {b1 , ..., bn } e C = {c1 , ..., cn } bases ordenadas para
U . Chamamos de matriz de mudança de base de C para B a matriz [Id]BC , onde Id : U → U é tal
que Id(u) = u para todo u ∈ U .
Segue imediatamente da definição que, dado u ∈ U temos que, se A é a matriz de mudança de base
de C para B, A[u]B = [u]C .
60
Invertendo
Slide 212
Proposição 12.8. Sejam U um espaço vetorial e B = {b1 , ..., bn } e C = {c1 , ..., cn } bases ordenadas
para U . Se A é a matriz de mudança de base de C para B, então A−1 (a matriz inversa de A) existe e
é a matriz de mudança de base de B para C.
Demonstração. Lembre-se que X é a inversa de A se, e somente se, AX = I onde I é a matriz
formada por aij com i = 1, ..., n e j = 1, ..., n tal que
1 se i = j
aij =
0 se i ̸= j
Lembre-se também que Y = I se, e somente se, para todo r ∈ Rn temos que Y r = r. Assim, para
mostrarmos o resultado, basta mostrarmos que AXr = r para todo r ∈ Rn onde X é a matriz de
mudança de base de C para B.
Slide 213
Seja r ∈ Rn . Seja u ∈ U tal que [u]C = r. Temos:
AXr = AX[u]C
= A(X[u]C )
= A([u]B )
= [u]C
= r
Slide 214
Corolário 12.9. Sejam U um espaço vetorial e B = {b1 , ..., bn } e C = {c1 , ..., cn } bases ordenadas para
U . Seja T : U → U uma transformação linear. Seja P a matriz de mudança de base de C para B.
Então [T ]BB = P −1 [T ]CC P .
Demonstração. Basta mostrarmos que, dado u ∈ U , P −1 [T ]CC P [u]B = [T (u)]B . De fato, temos
Exercı́cios da Aula 12
Exercı́cio 12.1. Considere T : R3 → R4 dada por T (a, b, c) = (a + b, 0, 2c, −b). Sejam B = {(1, 0, 0),
(0, 0, 1), (0, 2, 0)} e C = {(1, 0, 0, 0), (0, 2, 2, 0), (0, 0, 4, 0), (0, 0, −2, −2)} bases ordenadas de R3 e R4 res-
pectivamente. Calcule
(a) [T ]BC
(b) (T (1, 2, 4))C
(c) T (u), onde [u]B = (1, 2, 4)B
(d) T (u)C onde [u]B = (1, 2, 4)B
61
a b
Exercı́cio 12.2. Considere T : M2 → R2 dada por T = (a + b, 2(c − d)). Encontre uma base
c d
4 4 0 0
C para R2 tal que [T ]BC = , onde B é a base canônica de M2 .
0 0 6 −6
Exercı́cio 12.3. Sejam U e V espaços vetoriais finitamente gerados. Sejam B = {b1 , ..., bn } e C =
{c1 , ..., cm } bases para U e V respectivamente. Sejam T : U → V e F : U → V transformações lineares.
Considere G : U → V dada por G(u) = T (u) + F (u) para todo u ∈ U . Escreva [G]BC em termos de
[T ]BC e [F ]BC .
Exercı́cio 12.4. Considere R4 e R3 com as operações usuais. Sejam B e C as bases canônicas de R4 e
R3 respectivamente. Calcule [T ]BC nos seguintes casos:
(a) T (a, b, c, d) = (0, 0, a)
(b) T (a, b, c, d) = (a + b + c + d, a2 , c − d)
(c) T (a, b, c, d) = (a, b, c)
Exercı́cio 12.5. Considere P3 com as operações usuais e B = {1, x, x2 , x3 } a base canônica de B.
Considere T : P3 → P3 tal que
1 2 0 0
0 3 0 4
[T ]BB =
−1 2 0
1
0 0 2 1
Calcule:
(a) T (x2 + 3x + 7).
(b) T ((x + 1)3 ).
(c) p(4) onde p = T (x3 + x2 + x − 7).
Exercı́cio 12.6. Considere R3 com as operações usuais. Seja B = {(1, 1, 1), (0, 1, 1), (1, 1, 0)} base do
R3 . Calcule:
(a) A matriz de mudança de base de B para a canônica.
(b) A matriz de mudança de base da canônica para B.
(c) [u]B onde u = (6, 1, 2)
(d) (1, 4, 10)B expresso da maneira usual.
Exercı́cio 12.7. Considere R4 com as operações usuais. Sejam B = {(1, 0, 1, 0), (0, 1, 0, 1), (1, −1, 0, 0),
(0, 0, 1, 1)} e C = {(2, 1, 0, 0), (1, 0, 2, 0), (0, 4, 6, 0), (0, 0, 2, 8)} bases para R4 . Calcule:
(a) A matriz de mudança de base de B para a canônica.
(b) A matriz de mudança de base de C para a canônica.
(c) A matriz de mudança de base da canônica para B.
(d) A matriz de mudança de base da canônica para C.
(e) A matriz de mudança de base de B para C.
(f) A matriz de mudança de base de C para B.
(g) [u]B onde u = (1, 0, 0, 0).
(h) [u]B onde u = (1, 0, 0, 0)C .
(i) [u]C onde u = (1, 0, 0, 0).
62
(j) [u]C onde u = (1, 0, 0, 0)B .
2 1 0
Exercı́cio 12.8. Considere R3 com as operações usuais. Considere A = 0 1 1 e C = {(1, 0, 0),
1 0 0
(0, 1, 1), (1, 0, 1)}. Sabendo que A é a matriz de mudança de base de B para C, calcule B.
63
Aula 13
Produto interno
Slide 215
Propriedades básicas
Slide 216
Proposição 13.2. Sejam V um espaço vetorial e ⟨·, ·⟩ : V × V → R um produto interno sobre V . Temos
que valem as seguinte propriedades, dados u, v, w ∈ V e λ ∈ R:
(i) ⟨0, v⟩ = 0
(ii) ⟨v, v⟩ = 0 se, e somente se, v = 0
(iii) ⟨u, λv⟩ = λ ⟨u, v⟩
(iv) ⟨u, v + w⟩ = ⟨u, v⟩ + ⟨u, w⟩
Demonstração.
⟨0, v⟩ = ⟨0v, v⟩ = 0 ⟨v, v⟩ = 0.
Slide 217
Suponha que ⟨v, v⟩ = 0. Pela propriedade (d) da definição de produto interno, temos que v = 0.
Por outro lado, temos que, se v = 0, então ⟨v, v⟩ = ⟨0, 0⟩ = 0.
⟨u, λv⟩ = ⟨λv, u⟩ = λ ⟨v, u⟩ = λ ⟨u, v⟩.
⟨u, v + w⟩ = ⟨v + w, u⟩ = ⟨v, u⟩ + ⟨w, u⟩ = ⟨u, v⟩ + ⟨u, w⟩.
Exemplos
Slide 218
Considere Rn com as operações usuais. Sejam a = (a1 , ..., an ), b = (b1 , ..., bn ) ∈ Rn . Definimos
n
X
⟨a, b⟩ = ai bi .
i=1
Vamos mostrar que ⟨·, ·⟩ assim definido é de fato um produto interno. Sejam a = (a1 , ..., an ), b =
, ..., cn ) ∈ Rn e λ ∈P
(b1 , ..., bn ), c = (c1P R. Temos P
n n n
⟨a + b, c⟩ = i=1 (ai + bi )ci = i=1 ai ci + i=1 bi ci = ⟨a, c⟩ + ⟨b, c⟩.
Pn Pn
⟨λa, b⟩ = i=1 (λai )bi = λ i=1 ai bi = λ ⟨a, b⟩.
64
Slide 219
Pn Pn
⟨a, b⟩ = i=1 ai bi = i=1 bi ai = ⟨b, a⟩.
Suponha a ̸= 0. Então, existe j tal que aj ̸= 0. Temos
n
X
⟨a, a⟩ = a2i
i=1
≥ a2j
> 0
Slide 220
Considere P2 o espaço dos polinômios de grau até 2. Sejam α, β, γ ∈ R distintos. Defina
Precisamos mostrar que ⟨·, ·⟩ é um produto interno. Como exemplo, vamos provar que ⟨a, a⟩ > 0 se
a ̸= 0 (as outras condições ficam como exercı́cio). Temos
Slide 221
Proposição 13.3. Sejam U e V espaços vetoriais. Sejam ⟨·, ·⟩ um produto interno sobre V e T : U → V
uma transformação linear injetora. Então ⟨·, ·⟩T : U × U → R dada por
⟨a + b, c⟩T = ⟨T (a + b), T (c)⟩ = ⟨T (a) + T (b), T (c)⟩ = ⟨T (a), T (c)⟩+⟨T (b), T (c)⟩ = ⟨a, c⟩T +⟨b, c⟩T .
⟨λa, b⟩T = ⟨T (λa), T (b)⟩ = ⟨λT (a), T (b)⟩ = λ ⟨T (a), T (b)⟩ = λ ⟨a, b⟩T .
Slide 222
Suponha a ̸= 0. Temos que T (a) ̸= 0, pois T é injetora. Logo, ⟨T (a), T (a)⟩ > 0. Assim ⟨a, a⟩T =
⟨T (a), T (a)⟩ > 0.
Desigualdade de Cauchy
Slide 223
Proposição 13.4. Sejam V um espaço vetorial e ⟨·, ·⟩ um produto interno sobre V . Dados u, v ∈ V ,
temos que vale a seguinte desigualdade:
2
⟨u, v⟩ ≤ ⟨u, u⟩ ⟨v, v⟩
65
Demonstração. Sejam u, v ∈ V . Sejam α, β ∈ R. Se v = 0, temos o resultado. Agora suponha que
v ̸= 0. Temos:
Slide 224
Fazendo α = ⟨v, v⟩ e β = ⟨u, v⟩ temos:
Norma
Slide 225
Definição 13.5. Seja V um espaço vetorial. Dizemos que ∥·∥ : V → R é uma norma sobre V se, dados
u, v ∈ V e α ∈ R são satisfeitas as seguintes condições:
(a) ∥v∥ ≥ 0.
(b) Se ∥v∥ = 0, então v = 0.
Exemplos
Slide 226
Vejamos que ela, de fato, é uma norma. Sejam (a, b), (c, d) ∈ R2 e λ ∈ R.
(a) ∥(a, b)∥ = |a| + |b| ≥ 0.
(b) Suponha ∥(a, b)∥ = 0. Então |a| + |b| = 0 e, portanto, a = b = 0.
(c) ∥λ(a, b)∥ = ∥(λa, λb)∥ = |λa| + |λb| = |λ||a| + |λ||b| = |λ|(|a| + |b|) = |λ| ∥(a, b)∥.
(d) ∥(a, b) + (c, d)∥ = ∥(a + c, b + d)∥ = |a + c| + |b + d| ≤ |a| + |b| + |c| + |d| = ∥(a, b)∥ + ∥(c, d)∥.
66
Slide 227
Considere em R3 a seguinte norma:
Vejamos que ela, de fato, é uma norma. Sejam (a, b, c), (x, y, z) ∈ R3 e λ ∈ R. Temos
∥(a, b, c)∥ = max{|a|, |b|, |c|} ≥ 0
Suponha ∥(a, b, c)∥ = 0. Então a = b = c = 0.
Temos também
∥λ(a, b, c)∥ = max{|λa|, |λb|, |λc|}
= |λ| max{|a|, |b|, |c|}
= |λ| ∥(a, b, c)∥
Slide 228
Finalmente,
Norma induzida
Slide 229
Teorema 13.7. Sejam V um espaço vetorial e ⟨·, ·⟩ um produto interno sobre V . Então ∥·∥ : V → R
dado por p
∥v∥ = ⟨v, v⟩
para v ∈ V é uma norma sobre V . Chamamos ∥·∥ de norma induzida por ⟨·, ·⟩.
Demonstração. Sejam u, v ∈ V e λ ∈ R. Temos
p
(a) ∥v∥ = ⟨v, v⟩ ≥ 0.
(b) Suponha que ∥v∥ = 0. Então ⟨v, v⟩ = 0. Logo, v = 0.
p p p
(c) ∥λv∥ = ⟨λv, λv⟩ = λ2 ⟨v, v⟩ = |λ| ⟨v, v⟩ = |λ| ∥v∥.
2 13.4 p 2
(d) ∥u + v∥ = ⟨u + v, u + v⟩ = ⟨u, u⟩ + 2 ⟨u, v⟩ + ⟨v, v⟩ ≤ ⟨u, u⟩ + 2 ⟨u, u⟩ ⟨v, v⟩ + ⟨v, v⟩ = ∥u∥ +
2
2 ∥u∥ ∥v∥ + ∥v∥ = (∥u∥ + ∥v∥)2 .
Exemplo
Slide 230
Exemplo 13.8. Considere ⟨(a, b), (c, d)⟩ = ac + bd o produto interno usual em R2 . Temos que a norma
induzida por tal produto interno é
p p
∥(a, b)∥ = ⟨(a, b), (a, b)⟩ = a2 + b2
67
Exercı́cios da Aula 13
Exercı́cio 13.1. Considere R3 com as operações usuais. Verifique se ⟨·, ·⟩ é um produto interno, justifi-
cando suas respostas, onde, dados (a, b, c), (d, e, f ) ∈ R3 :
68
Aula 14
Ortogonalidade
Slide 231
Definição 14.1. Sejam V um espaço vetorial e ⟨·, ·⟩ um produto interno sobre V . Dizemos que u, v ∈ V
são ortogonais se ⟨u, v⟩ = 0. Notação u⊥v.
Slide 232
Proposição 14.2. Sejam V um espaço vetorial e seja ⟨·, ·⟩ um produto interno sobre V . Seja A ⊂ V
tal que 0 ∈
/ A e, dados u, v ∈ A distintos, temos que u e v são ortogonais. Então A é linearmente
independente.
Demonstração.
Pn Suponha que não vale o resultado. Então existem v, v1 , ..., vn ∈ A e α1 , ..., αn ∈ R
tais que v = i=1 αi vi = 0 e v ̸= vi para i = 1, ..., n.
Slide 233
Considere ∥·∥ a norma induzida pelo produto interno. Temos
2
∥v∥ = ⟨v, v⟩
* n +
X
= v, αi vi
i=1
n
X
= ⟨v, αi vi ⟩
i=1
Xn
= αi ⟨v, vi ⟩
i=1
= 0
Ortogonalização
Slide 234
Demonstração. Vamos mostrar o resultado por indução sobre n. Caso n = 1, nada há para mostrar.
Agora suponha que já temos os resultado para n e vamos mostrar para n + 1.
69
Slide 235
Como [b1 , ..., bn ] = [a1 , ..., an ] e {a1 , ..., an+1 } é linearmente independente, temos que an+1 ∈ / [b1 , ..., bn ].
Assim, bn+1 = an+1 − i=1 ⟨a∥b n+1 ,bi ⟩
Pn
2 b i é diferente de 0. Vamos agora mostrar que b n+1 é ortogonal a bi
i∥
para todo i = 1, ..., n.
* n
+
X ⟨an+1 , bj ⟩
⟨bn+1 , bi ⟩ = an+1 − 2 bj , bi
j=1 ∥bj ∥
n
X ⟨an+1 , bj ⟩
= ⟨an+1 , bi ⟩ − 2 ⟨bj , bi ⟩
j=1 ∥bj ∥
⟨an+1 , bi ⟩
= ⟨an+1 , bi ⟩ − 2 ⟨bi , bi ⟩
∥bi ∥
=0
Slide 236
Assim, pela hipótese de indução, temos que bi e bj são ortogonais para todo i, j = 1, ..., n + 1 com
i ̸= j. E, como cada bi ̸= 0, temos que {b1 , ..., bn+1 } é linearmente independente. Observe que [B] ⊂ [A].
Como dim B = dim A, temos que [A] = [B].
Base ortonormal
Slide 237
Definição 14.4. Seja V um espaço vetorial de dimensão finita n ≥ 1. Dizemos que B = {b1 , ..., bn } é
uma base ortonormal se seus elementos são ortogonais entre si e, dado bi ∈ B temos ∥b∥ = 1.
Slide 238
Corolário 14.5. Seja V um espaço vetorial de dimensão finita n ≥ 1 com um produto interno ⟨·, ·⟩.
Então V tem uma base ortonormal.
Demonstração. Seja B = {b1 , ..., bb } uma base para V . Por 14.3, existe C = {c1 , ..., cn } tal que
[C] = [B] e os elementos de C são ortogonais entre si. Considere D = {d1 , ..., dn } onde, dado i = 1, ..., n
temos:
1
di = ci .
∥ci ∥
D E
Sejam i e j distintos. Temos que ⟨di , dj ⟩ = ∥c1i ∥ ci , ∥c1j ∥ cj = ∥ci ∥∥c
1
j∥
⟨ci , cj ⟩ = 0.
rD Slide 239
p E
1 1 1
Seja i = 1, ..., n. Temos ∥di ∥ = ⟨ci , ci ⟩ = ∥ci ∥ ci , ∥ci ∥ ci = ∥ci ∥ ∥ci ∥ = 1. Assim, temos que C
é um conjunto formado por n elementos ortogonais entre si e todos não nulos. Assim, C é linearmente
independente e, portanto, é base para V .
Slide 240
Proposição 14.6. Seja V um espaço vetorial de dimensão finita n ≥ 1 com um produtoPn interno ⟨·, ·⟩.
Seja B = {b1 , ..., bn } uma base ortonormal para V . Sejam u, v ∈ V . Então ⟨u, v⟩ = i=1 αi βi , onde
[u]B = (α1 , ..., αn )B e [v]B = (β1 , ..., βn )B .
Demonstração. Sejam u, v ∈ V . Sejam α1 , ..., αn , β1 , ..., βn ∈ R tais que [u]B = (α1 , ..., αn )B e
[v]B = (β1 , ..., βn )B .
70
Slide 241
Temos
* n n
+
X X
⟨u, v⟩ = αi bi , β i bi
i=1 i=1
n
* n
+
X X
= αi bi , βj bj
i=1 j=1
Xn
= αi βi
i=1
Slide 242
Proposição 14.7. Seja V um espaço vetorial com um produto interno ⟨·, ·⟩. Seja v ∈ V . Então
f : V → R dada por
f (u) = ⟨u, v⟩
para u ∈ V é uma transformação linear.
Demonstração. Sejam a, b ∈ V e λ ∈ R. Temos
f (a + b) = ⟨a + b, v⟩
= ⟨a, v⟩ + ⟨b, v⟩
= f (a) + f (b)
Slide 243
f (λa) = ⟨λa, v⟩
= λ ⟨a, v⟩
= λf (a)
Slide 244
Teorema 14.8. Seja V um espaço vetorial de dimensão finita n ≥ 1. Seja f : V → R transformação
linear. Então existe v ∈ V tal que, para todo u ∈ V , f (u) = ⟨u, v⟩.
Pn
Demonstração. Seja B = {b1 , ..., bn } uma base ortonormal para V . Seja v = i=1 f (bi )bi . Vamos
mostrar que v satisfaz o enunciado. Para isso, vamos mostrar que g(bi ) = f (bi ) para todo i = 1, ..., n
onde g(u) = ⟨u, v⟩ para u ∈ V . Note que isso é suficiente pois B é base. Seja bi ∈ B.
g(bi ) = ⟨bi , v⟩
* n
+
X
= bi , f (bj )bj
j=1
= f (bi )
71
Soma de espaços
Slide 245
Slide 246
Vejamos que, de fato, S + W define um subespaço vetorial.
Proposição 14.10. Sejam V um espaço vetorial e S, W ⊂ V subespaços vetoriais. Então S + W é um
subespaço de V .
Demonstração. Primeiramente, observe que 0 ∈ S + W já que 0 = 0 + 0 e 0 ∈ S, W . Agora sejam
a, b ∈ S + W e vamos mostrar que a + b ∈ S + W . Sejam s1 , s2 ∈ S e w1 , w2 ∈ W tais que a = s1 + w1 e
b = s2 + w2 . Temos
a + b = (s1 + w1 ) + (s2 + w2 )
= (s1 + s2 ) + (w1 + w2 )
Soma direta
Slide 247
Slide 248
Uma vantagem da soma direta é o seguinte resultado:
Proposição 14.12. Sejam V espaço vetorial e S, W ⊂ V subespaços vetoriais tais que S ∩ W = {0}.
Sejam v ∈ S ⊕ W , s1 , s2 ∈ S e w1 , w2 ∈ W tais que v = s1 + w1 = s2 + w2 . Então s1 = s2 e w1 = w2
(ou seja, a escrita é única).
Demonstração. Sejam v ∈ S ⊕ W , s1 , s2 ∈ S e w1 , w2 ∈ W tais que v = s1 + w1 = s2 + w2 . Temos
s1 − s2 = s1 − s2 + v − v
= s1 − s2 + s2 + w2 − s1 − w1
= w2 − w1
Slide 249
Proposição 14.13. Seja V espaço vetorial de dimensão finita. Suponha que V = S ⊕ W . Então
dim V = dim S + dim W .
Demonstração. Sejam {s1 , ..., sn } base para S e {w1 , ..., wm } base para W . Vamos provar que
{s1 , ..., sn , w1 , ..., wm } é base para S ⊕ W = V . Note que isso mostra o resultado.
Seja v ∈ V . Temos Pn que existem P s ∈ S e w ∈ W tais que v = s+w. Assim,
Pn existem Pmα1 , ..., αn , β1 , ..., βm ∈
m
R tais que s = i=1 αi si e w = i=1 βi w1 .Assim, temos que v = i=1 αi + i=1 βi w1 e, portanto,
{s1 , ..., sn , w1 , ..., wm } gera V .
72
Slide 250
Resta mostrar que é linearmente independente. Suponha que não, então existe algum elemento em
{s1 , ..., sn , w1 , ..., wm } que pode ser escrito como combinação linear dos outros. Vamos supor que seja
um dos si ’s (o outro caso é análogo). Assim, temos que si = s + w, onde s ∈ [{s1 , ..., sn } \ {si }] e
w ∈ [w1 , ..., wm ]. Por outro lado, sabemos que si = si + 0, onde si ∈ S e 0 ∈ W . Assim, pelo resultado
anterior, s = si e w = 0. Ou seja, temos que si ∈ [{s1 , ..., sn }\{si }], contradição com o fato de {s1 , ..., sn }
ser base.
Espaço ortogonal
Slide 251
Slide 252
Vejamos que, de fato, o espaço ortogonal é um espaço vetorial:
Proposição 14.15. Seja V um espaço vetorial com um produto interno. Seja S subespaço de V . Então
S ⊥ é um subespaço de V .
Demonstração. Note que 0 ∈ S ⊥ . Sejam a, b ∈ S ⊥ . Vamos mostrar que a + b ∈ S ⊥ . Para isso, seja
s ∈ S. Precisamos mostrar que (a + b)⊥s. De fato, temos ⟨a + b, s⟩ = ⟨a, s⟩ + ⟨b, s⟩ = 0 + 0 = 0. Seja
a ∈ S ⊥ e α ∈ R. Temos que αa ∈ S ⊥ pois, dado s ∈ S temos ⟨αa, s⟩ = α ⟨a, s⟩ = α0 = 0.
Slide 253
Proposição 14.16. Seja V espaço vetorial com produto interno. Seja S subespaço de V . Então valem
as seguintes propriedades:
(i) S ⊂ (S ⊥ )⊥ ;
(ii) S ∩ S ⊥ = {0}.
Demonstração.
(i) Seja s ∈ S. Temos que, dado a ∈ S ⊥ , a⊥s. Assim, s ∈ (S ⊥ )⊥ .
(ii) Seja v ∈ S ∩ S ⊥ . Como v ∈ S ⊥ , temos que ⟨v, s⟩ = 0 para todo s ∈ S. Em particular, ⟨v, v⟩ = 0 e,
portanto, v = 0.
Proposição 14.17. Seja V espaço vetorial de dimensão finita com produto interno. Seja S subespaço
de V . Temos que V = S ⊕ S ⊥ .
Demonstração. Temos que S ∩ S ⊥ = {0} pelo resultado anterior. Resta mostrar que, dado v ∈ V
exitem s ∈ S e t ∈ S ⊥ tais que v = s + t. Seja B1 base para S e B2 conjunto linearmente independente
tal que B1 ∪ B2 seja uma base para V . Por 14.3, existe C = C1 ∪ C2 base ortogonal para V tal que C1
é base para S. Assim, temos que, dado v ∈ V , existem s ∈ [C1 ] e t ∈ [C2 ] tais que v = s + t. Note que
s ∈ S, já que C1 é base para S. Resta mostrar que t ∈ S ⊥ . Note que t é ortogonal a qualquer elemento
de [C1 ] = S (ver os exercı́cios), logo t ∈ S ⊥ .
73
Slide 255
Corolário 14.18. Seja V espaço vetorial de dimensão finita e com produto interno. Seja S ⊂ V
subespaço. Então temos que (S ⊥ )⊥ = S.
Demonstração. Já temos que S ⊂ (S ⊥ )⊥ . Resta mostrar a outra inclusão. Seja v ∈ (S ⊥ )⊥ . Pelo
resultado anterior, temos que existem s ∈ S e t ∈ S ⊥ tais que v = s + t. Se mostrarmos que t = 0,
teremos o resultado. Para isso, vamos mostrar que ⟨t, t⟩ = 0.Como s ∈ S e t ∈ S ⊥ , temos que ⟨t, s⟩ = 0.
E, como t ∈ S t e v ∈ (S ⊥ )t , temos que ⟨t, v⟩ = 0. Assim
⟨t, t⟩ = ⟨t, v − s⟩
= ⟨t, v⟩ − ⟨t, s⟩
= 0+0
= 0
Exercı́cios da Aula 14
Exercı́cio 14.1. Seja V um espaço vetorial. Seja v ∈ V . Mostre que S = {u ∈ V : u é ortogonal a v} é
um subespaço de V .
Exercı́cio 14.2. Mostre que a base canônica do R3 , com relação ao produto interno usual, é uma base
ortonormal.
Exercı́cio 14.3. Seja V um espaço vetorial e A = {a1 , ..., an } um conjunto cujos elementos são ortogonais
entre si. Seja λ ∈ R, com λ ̸= 0. Mostre que B = {λa1 , ..., λan } também é um conjunto cujos elementos
são ortogonais entre si.
Exercı́cio 14.4. Considere R4 e R com as operações usuais. Para cada f : R4 → R a seguir, determine
v ∈ R4 tal que f (u) = ⟨u, v⟩ para todo u ∈ R4 . Dica: leia a demonstração do teorema 14.8.
(a) f (a, b, c, d) = 0;
(b) f (a, b, c, d) = a + b + c + d;
(c) f (a, b, c, d) = a − 2b;
(d) f (a, b, c, d) = 3a + 2c;
Exercı́cio 14.5. Mostre que a condição de que S ∩ W = {0} em 14.12 é necessária. Isto é, dê um
exemplo de um espaço V , S, W ⊂ V subespaços e v ∈ V que possa ser escrito de duas maneiras distintas
na forma v = s + w com s ∈ S e w ∈ W .
Exercı́cio 14.6. Sejam V um espaço vetorial e S, W ⊂ V subespaços vetoriais. Mostre que S + W =
[S ∪ W ].
Exercı́cio 14.7. Use o exercı́cio anterior e o exercı́cio ?? de ?? para mostrar que, dados V espaço vetorial
de dimensão finita e S, W ⊂ V subespaços, temos que dim(S + W ) = dim S + dim W − dim(S ∩ W ). Use
este resultado para dar outra demonstração do caso particular de 14.13.
Exercı́cio 14.8. Seja V espaço vetorial com produto interno. Sejam A, B ⊂ V tais que, para quaisquer
a ∈ A e b ∈ B temos que a⊥b. Então, dado v ∈ [B] temos que v⊥w para qualquer w ∈ [A].
Exercı́cio 14.9. Seja V um espaço vetorial de dimensão finita e com produto interno. Seja S ⊂ V
subespaço vetorial. Considere T : V → S e F : V → S ⊥ dadas por T (v) = s e F (v) = t para v = s + t
onde s ∈ S e t ∈ S ⊥ .
(a) Mostre que T e F são transformações lineares.
(b) Calcule N ucT e N ucF .
(c) Calcule ImT e ImF .
74
Exercı́cio 14.10. Determine os seguintes subespaços em R3 , dando uma base para cada um deles:
(a) [(1, 0, 0)]⊥ ;
(b) [(1, 0, 0), (1, 1, 0)]⊥ ;
75
Aula 15
Distância
Slide 256
Dados a, b pontos num espaço vetorial normado, dizemos que distância entre eles é dada por ∥a − b∥.
Note que a distância entre dois pontos só é 0 no caso em que os pontos são iguais.
Pitágoras
Slide 257
2
Teorema 15.1. Sejam a, b vetores de um espaço com produto interno tais que a⊥b. Então22 ∥a∥ +
2 2
∥b∥ = ∥a − b∥ .
Demonstração. Temos
2
∥a − b∥ = ⟨a − b, a − b⟩
= ⟨a, a⟩ − 2 ⟨a, b⟩ + ⟨b, b⟩
2 2
= ∥a∥ + ∥b∥
A ideia do próximo resultado é a seguinte: fixado um ponto A e uma reta, o ponto da reta mais
próximo de A é o ponto cujo segmento entre ele e A é perpendicular à reta.
Proposição 15.2. Sejam p um ponto e r uma reta tal que p ∈ / r. Então existe um único v ∈ r tal que
⟨p − v, w⟩ = 0, onde w é um vetor diretor de r. Além disso, v é o ponto de r mais próximo de p.
Demonstração. Sem perda de generalidade, vamos supor que ∥w∥ = 1. Comecemos mostrando a
existência de v. Seja u ∈ r qualquer. Considere v = u − ⟨u − p, w⟩ w. Note que v ∈ r. Assim, basta
mostrar que w⊥(p − u). De fato:
⟨w, p − v⟩ = ⟨w, p − u + ⟨u − p, w⟩ w⟩
= ⟨w, p − u⟩ + ⟨u − p, w⟩ 1
= ⟨w, p − u⟩ − ⟨p − u, w⟩ 1
= 0
Slide 259
Agora seja u ∈ r. Vamos mostrar que ∥p − v∥ ≤ ∥p − u∥. Note que
2 2
∥p − u∥ = ∥p − v + v − u∥
2 2
= ∥p − v∥ + ∥v − u∥
2
≥ ∥p − v∥
Slide 260
Para a unicidade, suponha que v ′ ∈ r também seja tal que ⟨p − v ′ , w⟩ = 0. Por Pitágoras, temos que
2
∥v − v ′ ∥ + ∥p − v∥ = ∥p − v ′ ∥. Mas como ambos os pontos atingem a menor distância com relação a p,
temos que ∥p − v∥ = ∥p − v ′ ∥ e, portanto, ∥v − v ′ ∥ = 0.
22 Lembre que ∥a − b∥ é a distância entre a e b, daı́ o enunciado fica mais intuitivo.
76
Exemplo
Slide 261
Vamos calcular a distância do ponto (1, 2, 3) para a reta r dada por (1, 0, −1) + λ(0, 1, 2). Essa
distância é a distância do ponto cuja reta ortogonal passando por (1, 2, 3) cruza com r. Vamos chamar
tal ponto de p = (a, b, c). Sabemos que ((a, b, c) − (1, 2, 3))⊥(0, 1, 2). Também sabemos que (a, b, c) =
(1, 0, 1) + λ(0, 1, 2).
Slide 262
Vamos montar as equações:
λ − 2 + 2(1 + 2λ) − 6 = 0.
Retas ortogonais
Slide 263
Definição 15.3. Dizemos que duas retas são ortogonais se seus vetores diretores são ortogonais entre si
e as duas retas são concorrentes.
Exemplo
Slide 264
Note que (1, −1)⊥(2, 2). Assim, as retas dadas por (1, 2) + λ(1, −1) e (1, 2) + λ(2, 2) são ortogonais.
A ideia do próximo resultado é que a distância entre os pontos de duas retas paralelas é um valor
fixo (veja também o Exercı́cio 15.2).
Proposição 15.4. Sejam r e s retas paralelas. Então, dados a, b ∈ r, a distância de a para s é a mesma
que a distância de b para s.
Demonstração. Considere r dada por p + λv e s dada por q + λv (podemos tomar o mesmo v). Note
que a distância de a para s é dada pela norma do vetor a′ − a, onde a′ ∈ s e (a′ − a) é ortogonal a v.
Analogamente, a distância de b a s é dada pela norma do vetor b′ − b, onde b′ ∈ s e (b′ − b) é ortogonal a
v. Se provarmos que a′ − a = b′ − b, teremos o resultado já que, em particular, suas normas serão iguais.
Slide 266
Como b ∈ r, temos que existe λ ∈ R tal que b = a + λv. Note que a′ + λv ∈ s. Vamos provar que
′
a + λv − b é ortogonal a v. De fato
77
Desta forma, por unicidade, temos que b′ = a′ + λv. Logo
b′ − b = a′ + λv − a − λv = a′ − a
como querı́amos.
Exemplo
Slide 267
Considere as retas (1, 0, 1) + λ(2, 0, 1) e (0, 0, 0) + λ(−4, 0, −2). Qual a distância entre elas?
Primeiramente, note que elas são paralelas. Então basta calcular a distância entre um ponto da
primeira com a segunda reta. Assim, queremos λ tal que
O que implica
(4λ − 1)2 + (2λ − 1) = 0
3
λ=
10
Slide 268
Então, o ponto na segunda reta mais próximo de (1, 0, 1) é
3 12 6
(0, 0, 0) + (4, 0, 2) = ( , 0, )
10 10 10
12 6
E, portanto, a distância entre as retas é
(1, 0, 1) − ( 10 , 0, 10 )
.
Produto vetorial
Slide 269
Definição 15.5. Dados dois vetores (x, y, z) e (a, b, c), definimos o vetor
Slide 270
Uma forma rápida de lembrar a expressão é fazer o determinante de:
i j k
x y z
a b c
Propriedade básica
Slide 271
⟨(yc − zb, za − xc, xb − ya), (x, y, z)⟩ = xyc − xzb + zay − xcy + xbz − yaz
= 0
78
Exemplo
Slide 272
Considere as retas r : (1, 0, −1) + λ(1, 1, 1) e s : (2, 0, 0) + λ(0, 0, 1). Qual a distância entre elas?
Primeiramente, note que elas são reversas. Assim, para encontrar a distância entre elas, precisamos
encontrar os pontos a, b em r, s respectivamente de forma que a − b seja ortogonal a (1, 1, 1) e (2, 0, 0) ao
mesmo tempo. Note que (1, 1, 1) × (0, 0, 1) satisfaz isso. Então simplesmente temos que encontrar a ∈ r
e b ∈ s tais que
a − b = λ((1, 1, 1) × (0, 0, 1)) = λ(1, −1, 0).
Assim, precisamos encontrar
Slide 273
Fazendo o sistema, temos
1+α−2=λ
α = −λ
−1 + α + β = 0
−1 1
Assim, λ = 2 , α= 2 e β = 12 . Ou seja, a distância é dada por
(1, 0, −1) + 1 (1, 1, 1) − (2, 0, 0) − 1 (0, 0, 1)
.
2 2
Caso particular
Slide 274
Slide 275
Essa definição é distributiva:
Slide 276
Também se pode provar que
Proposição 15.9. Sejam a, b e λ ∈ R. Então (λa)b = λ(ab).
Slide 277
Com isso, temos:
Proposição 15.10. As definições de · e de ⟨·, ·⟩ coincidem.
79
Slide 278
Isso motiva a definição de ângulo entre vetores em qualquer espaço vetorial.
Proposição 15.11. Considere dois segmentos de reta A e B que formam um ângulo θ. Então o terceiro
lado triângulo (C) satisfaz
|C|2 = |A|2 + |B|2 − 2|A||B| cos(θ)
Demonstração. Sejam a, b vetores de comprimento |A| e |B| respectivamente e com ângulo entre eles
θ. Note que o vetor c dado por a − b “fecha” o triângulo.
Slide 279
Vamos calcular a norma de c:
2
∥c∥ = ⟨c, c⟩
= ⟨a − b, a − b⟩
= ⟨a − b, a⟩ − ⟨a − b, b⟩
= ⟨a, a⟩ − ⟨a, b⟩ − ⟨a, b⟩ + ⟨b, b⟩
2 2
= ∥a∥ + ∥b∥ − 2 ⟨a, b⟩
2 2
= ∥a∥ + ∥b∥ − 2 ∥a∥ ∥b∥ cos(θ)
2
∥v × w∥ = ⟨(yc − zb, za − xc, xb − ya), (yc − zb, za − xc, xb − ya)⟩
= (yc)2 − 2(yc)(zb) + (zb)2 + (za)2 − 2(za)(xc) + (xc)2 + (xb)2 − 2(xb)(ya) + (ya)2
= x2 (c2 + b2 ) + y 2 (c2 + a2 ) + z 2 (b2 + a2 ) − 2(yczb + zaxc + xbya)
= x2 (a2 + b2 + c2 ) + y 2 (a2 + b2 + c2 ) + z 2 (a2 + b2 + c2 ) − x2 a2 − b2 y 2 − c2 z 2 − 2(yczb + zaxc + xbya)
2
= ∥v∥ ∥w∥ − ⟨v, w⟩
Slide 281
Proposição 15.13. ∥v × w∥ = ∥v∥ ∥w∥ sen(θ), onde θ é o ângulo formado entre os dois.
Demonstração. Temos
2 2 2 2
∥v × w∥ = ∥v∥ ∥w∥ − ⟨v, w⟩
2 2 2 2
= ∥v∥ ∥w∥ − ∥v∥ ∥w∥ cos2 (θ)
2 2 2
= ∥v∥ ∥w∥ (1 − cos (θ))
2 2
= ∥v∥ ∥w∥ sen2 (θ)
Alongamentos da Aula 15
Alongamento 15.1. Seja v ∈ R3 . Mostre que 0 × v = v × 0 = 0.
Alongamento 15.2. Encontre uma equação para a reta que passa por (1, 0, 0) e é ortogonal a (2, 0, 0) +
λ(0, 1, 2).
80
Exercı́cios da Aula 15
Exercı́cio 15.1. Mostre que se a⊥b, então ∥a − b∥ = ∥a + b∥. Mostre que a hipótese de que a⊥b é
essencial.
Exercı́cio 15.2. Sejam r e s retas paralelas. Seja p ponto de r e q ponto de s. Mostre que a distância
de p a s é igual à distância de q a r.
Exercı́cio 15.3. Sejam v, w ∈ R3 e seja λ ∈ R. Mostre que λ(v × w) = (λv) × w = v × (λw).
Exercı́cio 15.4. Sejam v, w ∈ R3 linearmente dependentes. Mostre que v × w = 0.
81
Aula 16
Slide 283
Proposição 16.2. n é ortogonal π : p + αv + βw se, e somente se, n é ortogonal a v e w.
Demonstração. Um lado é imediato. Agora suponha que n é tal que n⊥v e n⊥w. Seja u = αv + βw.
Temos
⟨n, u⟩ = ⟨n, αv + βw⟩
= α ⟨n, v⟩ + β ⟨n, w⟩
= 0.
Quase unicidade
Slide 284
Proposição 16.3. Em R3 . Sejam v, w linearmente independentes e a, b ortogonal aos dois e não nulos.
Então a é múltiplo de b.
Demonstração. Note que {b, v, w} é uma base para R3 . Sejam α, β, γ ∈ R tais que
a = αb + βv + γw.
Slide 285
Corolário 16.4. Considere o plano π : p+αv+βw. Então n é normal a π se, e somente se, n = λ(v×w)
para algum λ ̸= 0.
82
Distância entre ponto e plano
Slide 286
Proposição 16.5. Em R3 , seja π dado por p + αv + βu e q ∈ / π. Então existe um único ponto k ∈ π tal
que q − k é ortogonal a π. Além disso, k é o ponto de π mais próximo de q.
Demonstração. Primeiramente, note que a reta q + λ(v × u) intercepta o plano num único ponto.
Vamos chamar tal ponto de k. Note que q − p é múltiplo de v × u, assim já temos a ortogonalidade.
Seja a ∈ π. Vamos mostrar que ∥q − k∥ ≤ ∥q − a∥. De fato
2 2
∥q − a∥ = ∥q − k + k − a∥
2 2
= ∥q − k∥ + ∥k − a∥
2
≥ ∥q − k∥
por Pitágoras.
Slide 287
Para a unicidade, suponha a ∈ π tal que q − a também seja ortogonal a π. Pela argumentação acima,
∥q − a∥ = ∥q − k∥. Assim
2 2
∥q − a∥ = ∥q − k + k − a∥
2 2
= ∥q − k∥ + ∥k − a∥
2 2
= ∥q − a∥ + ∥k − a∥
Assim, ∥k − a∥ = 0 e, portanto, a = k.
Slide 288
Considere o plano π : (1, 2, 3) + α(1, 2, 0) + β(0, 0, −1) e o ponto (4, 0, 1). Qual a distância de (4, 0, 1)
a π? Primeiramente, note que (4, 0, 1) ∈ / π. Então o que precisamos encontrar é o q em π tal que p − q
seja ortogonal a π. Mas isso é fácil, já que sabemos um jeito de calcular o vetor normal ao plano π:
n = (−2, 1, 0).
Então o ponto q é da forma
(1, 2, 3) + α(1, 2, 0) + β(0, 0, −1) = (4, 0, 1) + λ(−2, 1, 0).
Fazendo o sistema, temos
1 + α = 4 − 2λ
2 + 2α = λ
3−β =1
Slide 289
Desta forma, obtemos que β = 2 e 1 + α = 4 − 2(2 + 2α). Logo
1
α= .
3
2
Portanto, λ = 2 + 3 e daı́ é só determinar o ponto e calcular a distância.
83
Slide 291
Como b ∈ r, temos que existe λ ∈ R tal que b = a + λv. Note que a′ + λv ∈ π. Vamos provar que
′
a + λv − b é ortogonal a v. De fato
b′ − b = a′ + λv − a − λv = a′ − a
como querı́amos.
Exemplo
Slide 292
Considere a reta r dada por (2, 0, 0) + λ(1, 2, 1) e π plano dado por (0, 0, 1) + α(1, 1, 0) + β(0, 1, 1).
Note que r ∩ π = ∅. Qual a distância entre r e π? Pelo resultado anterior, é suficiente calcular a distância
entre (2, 0, 0) e π. Note que (1, 1, 0) × (0, 1, 1) = (1, −1, 1). Queremos então resolver:
Slide 294
Por outro lado, seja q tal que q − p é ortogonal a v × w. Note que {v, w, v × w} é uma base para R3 .
Logo, q − p = αv + βw + γ(v × w). Note que, se mostrarmos que γ = 0, temos o resultado. De fato,
temos
0 = ⟨q − p, v × w⟩
= ⟨αv + βw + γ(v × w), v × w⟩
2
= γ ∥v × w∥
Como ∥v × w∥ =
̸ 0, temos que γ = 0 como querı́amos.
84
Planos paralelos
Slide 295
Slide 297
Agora seja (x1 , x2 , x3 ) satisfazendo a equação. Note que, pelo argumento acima, temos que ⟨(x1 , x2 , x3 ) − (p1 , p2 , p3 ), (a
0 e, portanto, o ponto pertence a π.
Slide 298
Uma equação da forma p + αv + βw é chamada de equação vetorial. Já uma equação no formato
ax + by + cz + d = 0 é chamada de equação geral.
Exemplo
Slide 299
Vamos encontrar a equação geral para π : (1, 0, −1) + α(0, 4, 1) + β(1, 1, 1). Começamos calculando
(0, 4, 1) × (1, 1, 1) = (3, 1 − 4). Já o “d” da equação geral é dado por − ⟨(1, 0, −1), (3, 1, −4)⟩ = −7.
Assim, a equação fica
3x + y − 4z − 7 = 0.
Só a tı́tulo de verificação, considere o ponto de π dado por (1, 0, −1) + (0, 4, 1) = (1, 4, 0). Vejamos
que ele de fato satisfaz a equação. Temos
3 · 1 + 4 − 4 · 0 − 7 = 0.
Exemplo
Slide 300
85
Planos paralelos via equação geral
Slide 301
Intersecção de planos
Slide 302
Exemplo
Slide 303
Considere π dado por (1, 0, 0) + α(1, 1, 0) + β(0, 1, 1) e ρ dado por (0, 0, 0) + λ(1, 2, 1) + γ(1, 0, 0).
Note que π ∩ ρ é uma reta. Vamos determinar tal reta23 . Primeiramente, procuramos um ponto na
intersecção. Note que (2, 2, 1) ∈ π ∩ ρ (faça α = β = λ = γ = 1). Sabemos que o vetor diretor de tal reta
é ortogonal aos vetores normais dos planos. Calculando um vetor normal de π, temos
Slide 304
Assim, um vetor diretor é dado por
Exercı́cios da Aula 16
Exercı́cio 16.1. Mostre que, num espaço com produto interno, dado um plano π, sempre podemos
tomar seus vetores diretores ortogonais entre si.
Exercı́cio 16.2. Considere r : (1, 0, 2) + λ(1, 1, 1) e π : (0, 2, 0) + α(1, 1, 0) + β(0, 0, 1). Qual a distância
entre r e π?
Exercı́cio 16.3. Considere os planos dados pelas equações x + 2y + 3z − 1 = 0 e x + 2y + 3z + 2 = 0.
Qual a distância entre eles?
23 Observando as equações, dá para notar que (1, 2, 1) está no gerado pelos vetores diretores de ambos os planos - portanto,
ele será um vetor diretor da reta que é a intersecção. Vamos fazer a conta sem notar isso e chegar ao mesmo resultado.
86
Exercı́cio 16.4. Em R3 , dizemos que um reta r é ortogonal a um plano π, se o vetor diretor de r é
ortogonal a π.
(a) Considere o plano (1, 1, 1) + α(2, 0, 0) + β(1, 2, 3). Encontre uma reta ortogonal a π.
(b) Mostre que se duas retas distintas são ortogonais a um mesmo plano, então elas são paralelas.
Exercı́cio 16.5. Em R3 , dizemos que um plano π é ortogonal a um plano ρ se ρ contém um reta
ortogonal a π.
(a) Considere o plano dado por (1, 0, 1) + α(1, 0, 0) + β(0, 2, 1). Encontre um plano ortogonal a ele.
(b) Dado um plano π, mostre que existe um plano ρ ortogonal a ele.
(c) Mostre que se π é ortogonal a ρ, então ρ é ortogonal a π.
87
Aula 17
Operador adjunto
Slide 305
Slide 306
Proposição 17.2. Sejam V espaço vetorial de dimensão finita e ⟨·, ·⟩ produto interno sobre V . Seja
T : V → V uma transformação linear. Então existe uma única transformação linear S : V → V tal que,
para qualquer a, b ∈ V , temos:
⟨T (a), b⟩ = ⟨a, S(b)⟩
Demonstração. Seja b ∈ V . Considere a seguinte transformação fb : V → R dada por fb (a) =
⟨T (a), b⟩ para a ∈ V . Note que, de fato, fb é uma transformação linear. Pela proposição 14.8, temos
que existe cb ∈ V tal que fb (a) = ⟨a, cb ⟩ para todo a ∈ V . Defina S : V → V como S(b) = cb . Vamos
mostrar que S satisfaz o enunciado.
Slide 307
Primeiramente, vamos mostrar que é linear. Sejam u, v ∈ V e λ ∈ R. Pela unicidade de 14.8, basta
mostrarmos que cu+v = cu + cv e que cλv = λcv . Temos que cu+v é tal que fu+v (a) = ⟨a, cu+v ⟩ e que
fu (a) = ⟨a, cu ⟩ e fv (a) = ⟨a, cv ⟩. Assim, ⟨a, cu+v ⟩ = ⟨a, cu + cv ⟩ para todo a. Pelo lema anterior, temos
que cu+v = cu + cv . Analogamente, temos que λcv = cλv .
Slide 308
Agora vamos mostrar que, para todo a, b ∈ V , ⟨T (a), b⟩ = ⟨a, S(b)⟩. Dados a, b ∈ V , temos
⟨T (a), b⟩ = fb (a)
= ⟨a, cb ⟩
= ⟨a, S(b)⟩
Só nos resta mostrar que S é única. Sejam S : V → V e H : V → V tais que, para todo a, b ∈ V ,
⟨T (a), b⟩ = ⟨a, S(b)⟩ = ⟨a, H(b)⟩. Como ⟨a, S(b)⟩ = ⟨a, H(b)⟩ para todo a, ∈ V , S(b) = H(b) (pelo lema
anterior).
Slide 309
88
Exemplo
Slide 310
Considere R3 com as operações usuais. Seja T : R3 → R3 dada por T (a, b, c) = (a + b, 2c, c − b).
Vamos calcular T ∗ . Pela demonstração de 17.2, temos que S(x, y, z) = v, onde v é tal que ⟨(a, b, c), v⟩ =
f(x,y,z) (a, b, c) = ⟨T (a, b, c), (x, y, z)⟩ = (a + b)x + (2c)y + (c − b)z. Assim, pela demonstração de 14.8,
temos que v = (f(x,y,z) (1, 0, 0), f(x,y,z) (0, 1, 0), f(x,y,z) (0, 0, 1)). Calculando:
f(x,y,z) (1, 0, 0) = 1x
f(x,y,z) (0, 1, 0) = 1x − 1z
f(x,y,z) (0, 0, 1) = 2y + 1z
Slide 311
Assim, T ∗ (x, y, z) = (x, x − z, 2y + z). Verificando, temos que
Slide 312
Proposição 17.4. Sejam V espaço vetorial de dimensão finita e S : V → V , T : V → V transformações
lineares. Então temos que valem as seguintes afirmações:
(a) (T ∗ )∗ = T ;
(b) (S ◦ T )∗ = T ∗ ◦ S ∗ ;
Demonstração. (a) Basta mostrarmos que, para qualquer a, b ∈ V , temos ⟨T ∗ (a), b⟩ = ⟨a, T (b)⟩. Mas
isso vale já que ⟨a, T (b)⟩ = ⟨T (b), a⟩ = ⟨b, T ∗ (a)⟩ = ⟨T ∗ (a), b⟩.
(b) Basta mostrarmos que, para qualquer a, b ∈ V , temos ⟨S(T (a)), b⟩ = ⟨a, T ∗ (S ∗ (b))⟩. De fato, temos
⟨S(T (a)), b⟩ = ⟨T (a), S ∗ (b)⟩ = ⟨a, T ∗ (S ∗ (b))⟩.
Matriz transposta
Slide 313
Slide 314
Lema 17.6. Seja V espaço vetorial de dimensão n e com produto interno ⟨·, ·⟩. Sejam B = {b1 , ..., bn }
base ortonormal para V e T : V → V transformação linear. Então ⟨T (bj ), bi ⟩ = aij onde [T ]B =
(aij )i,j=1,...,n .
Demonstração. Primeiramente, note que (T (bj ))B é igual a j-ésima coluna de [T ]B . Note que pela
proposição 14.6, ⟨T (bj ), bi ⟩ é a i-ésima coordenada de (T (bj ))B . Logo, ⟨T (bj ), bi ⟩ = aij .
89
Slide 315
Proposição 17.7. Seja V espaço vetorial de dimensão n e com produto interno ⟨·, ·⟩. Sejam B =
{b1 , ..., bn } base ortonormal para V e T : V → V transformação linear, temos que [T ∗ ]B = [T ]tB .
Demonstração. Sejam (aij )i,j=1,...,n = [T ]B e (bij )i,j=1,...,n = [T ∗ ]B .Temos que mostrar que bji = aij
para todo i, j = 1, ..., n. Temos, dados i, j = 1, ..., n:
∗
bji = ⟨T ∗ (bi ), bj ⟩
= ⟨bj , T ∗ (bi )⟩
= ⟨T (bj ), bi ⟩
∗
= aij
Exemplo
Slide 316
Considere a mesma T : R3 → R3 do exemplo anterior (isto é, T (a, b, c) = (a + b, 2c, c − b)) . Considere
a seguinte base ortonormal para R3 B = {(1, 0, 0), (0, 0, −1), (0, 1, 0)}. Temos que
T (1, 0, 0) = (1, 0, 0), logo [T (1, 0, 0)]B = (1, 0, 0)B .
T (0, 0, −1) = (0, −2, −1), logo [T (0, 0, −1)]B = (0, 1, −2)B .
Assim,
1 0 1
[T ]B = 0 1 1
0 −2 0
Slide 317
Então, por simples transposição, temos que
1 0 0
[T ∗ ]B = 0 1 −2
1 1 0
Exemplo
Slide 318
Considere R2 com as operações usuais. Seja T (a, b) = (2a + b, 0) para todo (a, b) ∈ R2 . Temos que
T (1, 0) = (2, 0) e que T (0, 1) = (1, 0). Assim, considerando C = {(1, 0), (0, 1)}, temos
2 1
[T ]C =
0 0
90
Assim,
2 0
[T ∗ ]C =
1 0
E, portanto, T ∗ (x, y) = (2x, x). Verificando: ⟨T (a, b), (x, y)⟩ = ⟨(2a + b, 0), (x, y)⟩ = 2ax + bx e
⟨(a, b), T ∗ (x, y)⟩ = ⟨(a, b), (2x, x)⟩ = 2ax + bx.
Operador Autoadjunto
Slide 319
Definição 17.8. Sejam V espaço vetorial com produto interno e T : V → V uma transformação linear.
Dizemos que T é um operador autoadjunto se T = T ∗ .
Exemplo
Slide 320
⟨T (a, b, c), (x, y, z)⟩ = ⟨(a + 2c, 2b + 3c, 2a + 3b + c), (x, y, z)⟩
= (a + 2c)x + (2b + 3c)y + (2a + 3b + c)z
= a(x + 2z) + b(2y + 3z) + c(2x + 3y + z)
= ⟨(a, b, c), (x + 2z, 2y + 3z, 2x + 3y + z)⟩
= ⟨(a, b, c), T (x, y, z)⟩
Matriz simétrica
Slide 321
Definição 17.9. Dizemos que A ∈ Mn é uma matriz simétrica se, para todo i, j = 1, ..., n, temos que
aij = aji onde A = (aij )i,j=1,...,n .
Note que A é simétrica se, e somente se, At = A.
Relacionando
Slide 322
Proposição 17.10. Seja V espaço vetorial com produto interno e dimensão n. Sejam B = {b1 , ..., bn }
base ortonormal para V e T : V → V uma transformação linear. Temos que T é autoadjunta se, e
somente se, [T ]B é simétrica.
91
Exemplo
Slide 323
Proposição 17.11. Sejam V espaço vetorial com produto interno e S ⊂ V subespaço. Então T : V → V
dada por T (v) = s − t, onde v = s + t, s ∈ S e t ∈ S ⊥ , é uma transformação linear autoadjunta.
Demonstração. Primeiramente, note que T está bem definida já que, dado v ∈ V , temos que só
existem um s ∈ S e um t ∈ S ⊥ tais que v = s + t. Vamos ver que T é uma transformação linear. Sejam
a, b ∈ V . Seja sa , sb ∈ S e ta , tb ∈ S ⊥ tais que a = sa +ta e b = sb +tb . Note que a+b = (sa +sb )+(ta +tb )
e que sa +sb ∈ S e ta +tb ∈ S ⊥ . Assim T (a+b) = sa +sb −ta −tb = T (a)+T (b). O caso da multiplicação
por escalar é análogo.
Slide 324
Mostremos que T é autoadjunto. Sejam a, b ∈ V . Seja sa , sb ∈ S e ta , tb ∈ S ⊥ tais que a = sa + ta e
b = sb + tb . Temos
⟨T (a), b⟩ = ⟨sa − ta , b⟩
= ⟨sa , b⟩ − ⟨ta , b⟩
= ⟨sa , sb + tb ⟩ − ⟨ta , sb + tb ⟩
= ⟨sa , sb ⟩ + ⟨sa , tb ⟩ − ⟨ta , sb ⟩ − ⟨ta , tb ⟩
= ⟨sa , sb ⟩ − ⟨ta , tb ⟩
Slide 325
Por outro lado, temos:
Inversa
Slide 326
Proposição 17.12. Sejam V espaço vetorial com produto interno e T : V → V operador autoadjunto.
Temos que se T é bijetora, então T −1 é autoadjunto.
Demonstração. Temos que mostrar que, para todo a, b ∈ V , T −1 (a), b = a, T −1 (b) . Temos
−1
T (a), b =
T −1 (a), T (T −1 (b))
=
T (T −1 (a)), −1
T (b)
−1
= a, T (b)
Caracterizando
Slide 327
Proposição 17.13. Sejam V espaço vetorial com produto interno e T : V → V transformação linear.
Se ⟨T (v), v⟩ = 0 para todo v ∈ V e T é auto adjunto, então T (v) = 0 para todo v.
92
Demonstração. Seja v ∈ V . Temos
0 = ⟨T (v − T (v)), v − T (v)⟩
= ⟨T (v) − T (T (v)), v − T (v)⟩
= ⟨T (v), v − T (v)⟩ − ⟨T (T (v)), v − T (v)⟩
= ⟨T (v), v⟩ − ⟨T (v), T (v)⟩ − ⟨T (T (v)), v⟩ + ⟨T (T (v)), T (v)⟩
= − ⟨T (v), T (v)⟩ − ⟨T (T (v)), v⟩
= − ⟨T (v), T (v)⟩ − ⟨T (v), T (v)⟩
= −2 ⟨T (v), T (v)⟩
Slide 328
Assim, ⟨T (v), T (v)⟩ = 0 para todo v ∈ V e, portanto, T (v) = 0 para todo v ∈ V .
Composição
Slide 329
Logo, T ◦ S é autoadjunto.
Slide 330
Agora suponha que T ◦ S seja autoadjunto. Sejam a, b ∈ V . Por um lado, temos que ⟨T (S(b)), a⟩ =
⟨b, S ∗ (T ∗ (a))⟩ = ⟨b, S(T (a))⟩ pois T e S são autoadjuntos. Por outro lado, ⟨T (S(a)), b⟩ = ⟨a, T (S(b))⟩
por T ◦ S ser autoadjunto. Assim, dados a, b ∈ V , temos que ⟨S(T (a)), b⟩ = ⟨T (S(a)), b⟩. Temos, dado
a∈V:
⟨T (S(a)) − S(T (a)), T (S(a)) − S(T (a))⟩
= ⟨T (S(a)), T (S(a)) − S(T (a))⟩
− ⟨S(T (a)), T (S(a)) − S(T (a))⟩
= ⟨S(T (a), T (S(a)) − S(T (a))⟩
− ⟨S(T (a), T (S(a)) − S(T (a))⟩
= 0
Logo S(T (a)) = T (S(a)) para todo a ∈ V .
Exercı́cios da Aula 17
Exercı́cio 17.1. Considere R3 com as operações usuais. Determine T ∗ para as seguintes transformações,
dado (a, b, c) ∈ R3 :
(a) T (a, b, c) = (a, a, a);
93
(c) T (a, b, c) = (c, 2b, 3a);
Exercı́cio 17.3. Sejam V espaço vetorial com produto interno e S ⊂ V . Seja T : V → V operador
autoadjunto. Mostre que se, para todo s ∈ S, T (s) ∈ S, então, para todo t ∈ S ⊥ , T (t) ∈ S ⊥ .
Exercı́cio 17.4. Mostre que a hipótese de que T é autoadjunto na proposição 17.13 é necessária. Isto
é, dê um exemplo de uma transformação T não nula tal que ⟨T (v), v⟩ = 0 para todo v.
Exercı́cio 17.5. Determine a, b, c ∈ R para que a transformação T : R3 → R3 seja um operador
autoadjunto (R3 com as operações usuais) onde T é dada por:
94
Aula 18
Operadores ortonormais
Slide 331
Definição 18.1. Seja V um espaço de vetorial com produto interno. Seja T : V → V uma transformação
linear. Dizemos que T é um operador ortonormal se, para todo a ∈ V , temos que ∥a∥ = ∥T (a)∥.
É isomorfismo
Slide 332
Caracterizando
Slide 333
Proposição 18.3. Seja V um espaço vetorial com produto interno e T : V → V uma transformação
linear. São equivalentes:
(a) T é um operador ortonormal;
(b) ⟨T (a), T (b)⟩ = ⟨a, b⟩ para todo a, b ∈ V .
Slide 334
Demonstração.
(a ⇒ b) Sejam a, b ∈ V . Temos:
2 2
⟨a + b, a + b⟩ = ∥a∥ + ∥b∥ + 2 ⟨a, b⟩
Assim, temos:
2 2 2
⟨a, b⟩ = 21 (∥a + b∥ − ∥a∥ − ∥b∥ )
2
= 21 (∥T (a) + T (b)∥ − ∥T (a)∥ − ∥T (b)∥)
= ⟨T (a), T (b)⟩
Slide 335
p p
(b ⇒ a) Seja a ∈ V . Temos ∥a∥ = ⟨a, a⟩ = ⟨T (a), T (a)⟩ = ∥T (a)∥.
Slide 336
Proposição 18.4. Seja V um espaço vetorial de dimensão finita com produto interno e T : V → V uma
transformação linear. Dada B = {b1 , ..., bn } base ortonormal para V , são equivalentes:
(a) T é um operador ortonormal;
(b) T [B] é uma base ortonormal.
Demonstração.
(a ⇒ b) Sejam bi , bj ∈ B. Note que, pela proposição anterior, ⟨T (bi ), T (bj )⟩ = ⟨bi , bj ⟩. Logo, como B é
ortonormal, T [B] é ortonormal.
95
Slide 337
(b ⇒ a) Seja a ∈ V . Por (b), temos que {T (b1 ), ..., T (bn )} também é uma base ortonormal para V .
Sejam α1 , ..., αn ∈ R tais que v = α1 b1 , ..., αn bn . Assim,
p
∥a∥ = p⟨a, a⟩
∗
= pα12 + · · · + αn2
∗
= ⟨α1 T (b1 ) + · · · + αn T (bn ), α1 T (b1 ) + · · · + αn T (bn )⟩
= ∥T (a)∥ .
Slide 338
Proposição 18.5. Seja V espaço vetorial de dimensão finita com produto interno ⟨·, ·⟩. Seja T : V → V
transformação linear. São equivalentes:
(a) T é um operador ortonormal;
(b) T ∗ = T −1 .
Demonstração.
(a ⇒ b) Temos que provar que, dados a, b ∈ V , ⟨T (a), b⟩ = a, T −1 (b) . De fato, temos
= ⟨T (a), b⟩
Slide 339
(b ⇒ a) Seja a ∈ V . Temos: p
∥T (a)∥ = p⟨T (a), T (a)⟩
∗
= p⟨a, T (T (a))⟩
−1
= p⟨a, T (T (a))⟩
= ⟨a, a⟩
= ∥a∥
Slide 340
Corolário 18.6. Seja V um espaço vetorial de dimensão finita com produto interno. Sejam B uma base
ortonormal para V e T : V → V uma transformação linear. São equivalentes:
(a) T é um operador ortonormal;
(b) [T ]−1 t
B = [T ]B .
Exemplo
Slide 341
√ √
Considere R3 com as operações usuais e T : R3 → R3 dada por T (a, b, c) = (a, 22 (b + c), 22 (c −
3
b)).√ Seja√B a base canônica do R√ (que
√
é ortonormal). Temos que T (1, 0, 0) = (1, 0, 0), T (0, 1, 0) =
2 2 2 2
(0, 2 , − 2 ) e que T (0, 0, 1) = (0, 2 , 2 ).
1 0
√ √
0
2 2
[T ]B = 0
2√ √2
0 − 22 2
2
96
√ √ √ √ Slide 342
2 2 2 2
Como {(1, 0, 0), (0, 2 , − 2 ), (0, 2 , 2 ) é uma base ortonormal, temos:
1 √0 0√
[T −1 ]B = [T ]tB = 0 √22 −√ 22
0 22 2
2
De fato,
1 0 0 1 0 0√
√ √ √ 1 0 0
2 2 2
0 0 −√ 22 = 0 1 0
2√ √2 √2
0 − 22 2
0 2 2 0 0 1
2 2 2
Rotações
Slide 343
Translações
Slide 345
Uma translação é uma função F : V → V tal que F (v) = v + a para algum a ∈ V . Note que, em
geral, uma translação não é uma transformação linear. Na verdade, só é se a = 0.
Exemplos
Slide 346
97
Descrevendo movimentos
Slide 347
Podemos tentar “quebrar” movimentos em dois pedaços: a rotação e a translação. Muito cuidado
que essas duas coisas não comutam.
Exemplo
Slide 348
Considere em R2 a rotação que gira o plano em 90o anti-horário e a translação que “anda” com um
ponto na direção (1, 2). Se primeiro fazemos a rotação em (x, y), temos:
(x, y) 7→ (x + 1, y + 2)
e depois rotacionando,
(x, y) 7→ (y + 2, −x − 1)
Caso especı́fico
Slide 349
Um truque
Slide 350
Esse movimento continua não sendo linear. Mas, apesar disso, podemos fazer uma adaptação e
conseguir uma representação matricial, fazendo um truque: dado um ponto (x, y) ∈ R2 , vamos representá-
lo no R3 como (x, y, 1).
Daı́ a matriz pode ser feita da seguinte forma:
cos(θ) −sen(θ) a
sen(θ) cos(θ) b
0 0 1
Slide 351
Note que, ao se aplicar essa matriz a um vetor v, obtemos o resultado desejado se fizermos a convenção
acima:
cos(θ) −sen(θ) a x x cos(θ) − ysen(θ) + a
sen(θ) cos(θ) b y = xsen(θ) + y cos(θ) + b
0 0 1 1 1
98
Exercı́cios da Aula 18
Exercı́cio 18.1. Seja V espaço vetorial de dimensão finita com produto interno. Sejam T : V → V e
S : V → V operadores ortonormais. Mostre que:
(a) T ◦ S é ortonormal.
(b) T −1 é ortonormal.
Exercı́cio 18.2. Considere R3 com as operações usuais. Verifique quais destas transformações são
operadores ortonormais:
(b) T(a, b, c, d) = (c - a, c - b, d - c, c)
99
Aula 19
Autovalores e autovetores
Slide 352
Definição 19.1. Sejam U um espaço vetorial e seja T : U → U uma transformação linear. Dizemos que
λ ∈ R é um autovalor de T se existe u ∈ U , u ̸= 0 tal que T (u) = λu. Neste caso, dizemos que u é um
autovetor de T associado a λ.
Exemplo
Slide 353
Exemplo 19.2. Considere R2 com as operações usuais. Seja T : R2 → R2 dada por T (a, b) = (4b, 4a).
Observe que 4 é um auto valor de T e (1, 1) é um auto vetor associado a 4 já que T (1, 1) = 4(1, 1).
Autoespaço
Slide 354
Slide 355
Assim, temos:
T (v) = T (α1 v1 + · · · + αn vn )
= α1 T (v1 ) + · · · + αn T (vn )
= α1 λv1 + · · · + αn λvn
= λv
São LI
Slide 356
100
Slide 357
Multiplicando a equação anterior por λn+1 , temos:
λn+1 α1 v1 + · · · + λn+1 αn+1 vn+1 = 0
e, aplicando T na primeira equação, temos
λ1 α1 v1 + · · · + λn+1 αn+1 vn+1 = 0.
Subtraindo estas duas últimas equações, temos:
(λn+1 − λ1 )α1 v1 + · · · + (λn+1 − λn )αn vn = 0.
Slide 358
Como λn+1 − λi ̸= 0 para todo i = 1, ..., n, temos, pela hipótese de indução, que αi = 0 para todo
i = 1, ..., n. Substituindo estes valores na primeira equação, como vn+1 ̸= 0, temos que αn+1 = 0 como
querı́amos.
Exemplo
Slide 359
Resultados básicos
Slide 360
Slide 361
Corolário 19.7. Sejam U um espaço vetorial e T : U → U uma transformação linear. Então λ ∈ R é
um autovalor de T se, e somente se, N uc(T − λId) ̸= {0}.
Slide 362
Corolário 19.8. Sejam V espaço vetorial de dimensão finita e T : V → V . Então T admite autovalor
λ se, e somente se, T − λId não for inversı́vel.
Demonstração. Basta lembrar que, se V tem dimensão finita, T : V → V é bijetora se, e somente se, é
injetora.
101
Exemplo
Slide 363
Slide 365
Um autovetor está associado a 0. Assim, sabemos que existe (a, b, c) tal que T (a, b, c) = (b + c, b −
c, 2c) = (0, 0, 0). Ou seja, b = c = 0. Logo, um vetor associado a 0 é (1, 0, 0).
Há um autovetor associado a 1. Assim, sabemos que existe (a, b, c) tal que T (a, b, c) = (b+c, b−c, 2c) =
(a, b, c). Ou seja,
a=b+c
b=b−c
c = 2c
Slide 366
Finalmente, há um autovetor associado a 2. Assim, sabemos que existe (a, b, c) tal que T (a, b, c) =
(b + c, b − c, 2c) = 2(a, b, c). Ou seja,
2a = b + c
2b = b − c
2c = 2c
Assim, fazendo c = 1, obtemos que b = −1 e a = 0. Ou seja, um vetor associado é (0, −1, 1).
Slide 367
Se quisermos calcular [T ]B , note o seguinte padrão:
Slide 368
Assim, a matriz de T com relação a B fica bem simpática:
0 0 0
[T ]B = 0 1 0
0 0 2
Note que o 0 na primeira entrada vem do primeiro autovalor - ou seja, na diagonal apareceram exatamente
os 3 autovalores (e não foi coincidência).
Slide 369
Suponha que queremos calcular quanto é T 10 (1, 2, 3). Por um lado, podemos simplesmente aplicar a
definição de T 10 vezes. Mas há uma maneira alternativa. Começamos escrevendo (1, 2, 3) na base B:
102
Assim
α+β =1
β−γ =2
γ=3
Ou seja, γ = 3, β = 5 α = −4.
Slide 370
Note que
[T 10 ]B = [T ]10
B
Assim,
0 0 0
[T 10 ]B = 0 1 0
0 0 1024
Aplicando no vetor
Lembrando que (1, 2, 3) = (−4, 5, 3)B , temos que
0 0 0 −4 0
(T 10 (1, 2, 3))B 0 1 0 5 = 5
0 0 1024 3 3072
Slide 372
Assim, voltando para a canônica, temos:
Exercı́cios da Aula 19
Exercı́cio 19.1. Seja U um espaço vetorial finitamente gerado. Sejam B base para U e n = dim U . Sejam
u, v ∈ U e λ ∈ R. Sejam α1 , ..., αn , β1 , ..., βn ∈ R tais que [u]B = (α1 , ..., αn )B e [v]B = (β1 , ..., βn )B .
Mostre que u = λv se, e somente se, αi = λβi para todo i = 1, ..., n.
Exercı́cio 19.2. Sejam U um espaço vetorial e T : U → U uma transformação linear. Suponha que T
não é injetora. Mostre que T admite um autovalor.
Exercı́cio 19.3. Seja T : R3 → R3 uma transformação linear. Suponha que 1, 2 e 3 sejam auto valores
para T . Suponha também que (1, 1, 0) é um autovetor associado a 1, (0, 1, 1) é um autovetor associado
a 2 e que (0, 0, 1) é um autovetor associado a 3. Seja (a, b, c) ∈ R3 . Calcule T (a, b, c).
103