Escolar Documentos
Profissional Documentos
Cultura Documentos
1 Espaços Vetoriais
Nesta seção, K representa um corpo qualquer, e na maioria dos casos nos escolheremos Q, R,
C ou Fq , onde q = pr com r ≥ 1 e p um número primo.
Definição 1.1. Um conjunto não vazio V é um Espaço Vetorial sobre K (um corpo) se em
seus elementos, denominados vetores, estiverem definidas as seguintes duas operações:
(A3) Existe um vetor ~0 ∈ V , chamado vetor nulo, tal que ~0 + v = v + ~0 = v para todo v ∈ V .
(Vetor nulo)
(A4) Para cada vetor v ∈ V , existe um vetor −v ∈ V , tal que v + (−v) = ~0. −v é chamado
o oposto de v. (V, +) é um grupo abeliano.
Exemplo 1.2. Q, R e C são espaços vetoriais sobre eles mesmos. C é também espaço vetorial
sobre R e R sobre Q.
tem uma estrutura de espaço vetorial sobre K bastante natural com as operações:
Exemplo 1.5. O conjunto Mm×n (K), das matrizes de tamanho m × n com entradas em K,
é um espaço vetorial sobre K, onde as operações são definidas por: (A + B)ij = Aij + Bij e
a multiplicação por escalar é (cA)ij = cAij .
Exemplo 1.6. O espaço Pn (K) = {p(x) ∈ K[x] : deg(p(x)) ≤ n}, que é o conjunto dos
polinômios com coeficientes em K de grau menor ou igual a n. Observe que:
1. u ⊕ v = (u1 + v2 , u2 + v1 );
2. u ⊕ v = (u1 v1 , u2 v2 );
2
Proposição 1.10 (Propriedades). Seja V um espaço vetorial sobre K. Então,
u − v = u + (−v) .
3
1.1 Subespaços Vetoriais
1. 0 ∈ W ;
2. Se u, v ∈ W então u + v ∈ W ;
Podemos simplificar essas propriedades assumindo que W 6= ∅ e para todo α ∈ K e para todo
u, v ∈ W temos que αu + v ∈ W .
Por exemplo {0} e V são subespaços vetoriais triviais de V .
Exemplo 1.13. Seja W = {(x, y, z) ∈ R3 : x + y = 0} é subespaço de R3 .
Exemplo 1.14. Seja u ∈ V um vetor não nulo. O conjunto W = {αu : α ∈ K} de todos os
múltiplos de u é um subespaço de V , chamado a reta que passa pela origem e contém u.
Proposição 1.15. A interseção de qualquer coleção de subespaços do mesmo espaço vetorial
V é também um subespaço de V .
a b a 0
Exemplo 1.16. Seja V = M2 (R). Sejam S1 = a, b ∈ R e S2 = a, c ∈ R .
0 0 c 0
a 0
A interseção S = S1 ∩ S2 é um subespaço de V , onde S = a∈R .
0 0
Exemplo 1.17. O conjunto de matrizes simétricas é um subespaço vetorial de Mn (K).
Exemplo 1.18. Seja V = {A ∈ Mn (C) : Ajk = Akj } o conjunto de matrizes Hermitianas.
V não é espaço vetorial sobre C porque?, mas é espaço vetorial sobre R. Observe que uma
matriz A de tamanho 2 × 2 é Hermitiana se e somente se a matriz é da forma
a x + iy
A=
x − iy b
onde a, b, x, y ∈ R. Com isso, podemos ver que em geral, o conjunto de matrizes Hermitianas
não é um subespaço de Mn (C), pois, se A é uma matriz Hermitiana, então os elementos da
sua diagonal principal são todos números reais, mas os elementos da diagonal da matriz iA
não necessáriamente são.
Exemplo 1.19. Mostre que o espaço solução do sistema linear homogêneo AX = 0m×1 ,
onde A ∈ Mm×n (K) e X ∈ Mn×1 é um K-espaço vetorial. Para mostrar isto, note que
A(αX + Y ) = αAX + AY = 0 quando AX = 0 e AY = 0 e α ∈ K.
Exemplo 1.20. 1. O conjunto das funções polinomiais é um subespaço de F(C, C).
4
3. O subconjunto de K∞ :
é um subespaço de K∞ .
4. O subconjunto de K∞ :
é um subespaço de K∞ .
Xk
W1 + W2 + · · · + Wk = { wi : wi ∈ Wi } .
i=1
Wi ⊆ W1 + W2 + · · · + Wk , para todo i = 1, . . . , k .
Proposição 1.25. O espaço vetorial V é soma direta dos subespaços W1 , . . . , Wk se, e so-
mente se, V = W1 + · · · + Wk e Wi ∩ (W1 + · · · + Wi−1 + Wi+1 + · · · + Wk ) = {0} para todo
i = 1, . . . , k.
Demonstração. Exercı́cio
Observação 1.26. É suficiente que Wi ∩ Wj = {0} com i 6= j para que V seja soma direta
de W1 , . . . , Wk ?
U = {(x, 0, 0) : x ∈ K} e W = {(0, y, z) : y, z ∈ K}
5
1.3 Combinações Lineares
Uma das caracterı́sticas mais importantes de espaços vetoriais é a obtenção de novos vetores
a partir de vetores dados.
Sejam os vetores v1 , v2 , . . . , vn do espaço vetorial V e os escalares α1 , α2 , . . . , αn ∈ K. Se o
vetor v ∈ V é da forma:
n
X
v = α1 v1 + α2 v2 + · · · + αn vn = αi vi ,
i=1
Exercı́cio 1.29. 1. Escreva o vetor v = (−4, −18, 7) como combinação linear dos vetores
v1 = (1, −3, 2) e v2 = (2, 4, −1).
2. Determine o valor de k para que o vetor u = (−1, k, −7) seja combinação linear de
v1 = (1, −3, 2) e v2 = (2, 4, −1).
3. Determinar a condição sobre x, y e z de modo que (x, y, z) seja combinação linear dos
vetores v1 = (1, −3, 2) e v2 = (2, 4, −1).
Definição 1.30. Seja S um conjunto de vetores do espaço vetorial V . O subespaço gerado por
S, denotado por hSi, é definido como a interseção W de todos os subespaços de V que contém
S. Quando S é um conjunto finito de V , S = {v1 , v2 , . . . , vn }, chamamos simplesmente W
como o subespaço gerado por v1 , v2 , . . . , vn , denotado por hv1 , v2 , . . . , vn i.
v = α1 v1 + α2 v2 + · · · + αn vn e w = β1 w1 + β2 w2 + · · · + βr wr ,
então n r n r
X X X X
kv + w = k αi vi + βi w i = (kαi )vi + βi wi ∈ L ,
i=1 j=1 i=1 j=1
Com a notação acima, a partir daqui denotaremos o espaço gerado por um conjunto S de
vetores, por hSi.
6
Exemplo 1.32. Seja F um subcorpo dos números complexos. Seja W o subespaço de F 5
gerado por v1 = (1, 2, 0, 3, 0), v2 = (0, 0, 1, 4, 0), v3 = (0, 0, 0, 0, 1). Então, o subespaço W
gerado pelos vetores u, v, w é dado pelos vetores da forma
v = c1 v1 + c2 v2 + c3 v3 = (c1 , 2c1 , c2 , 3c1 + 4c2 , c3 ) .
De forma diferente, podemos expressar todo elemento v = (x1 , x2 , x3 , x4 , x5 ) ∈ W com xi ∈ F
tal que
x2 = 2x1 , e x4 = 3x1 + 4x3 .
Exemplo 1.33. Os vetores i = (1, 0) e j = (0, 1) geram o R2 , pois qualquer (x, y) ∈ R2 é
combinação linear de i, j, ou R2 é o espaço gerado pelos vetores i, j.
Exercı́cio 1.34. 1. Seja V = R3 . Determinar o subespaço gerado pelo vetor u = (3, 2, 1).
Este subespaço representa uma reta que passa pela origem.
2. Seja V = R3 . Determinar o subespaço gerado pelos vetores u1 = (1, −1, 1) e u2 =
(2, 3, 0). O subespaço gerado pelos vetores u1 , u2 ∈ R3 , não-colineares, é um plano π
que passa pela origem.
−1 2 3 −1
3. Seja V = M2 (R) e o subconjunto S = , Determinar o espaço
−2 3 1 1
gerado por S.
A maioria dos exemplos que estudaremos de espaços vetoriais podem ser gerados por um
número finito de vetores.
Exemplo 1.36. Observe no R3 o conjunto
S = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} .
Como para todo (a, b, c) ∈ R3 , vale a igualdade
(a, b, c) = a(1, 0, 0) + b(0, 1, 0) + c(0, 0, 1) ,
então podemos dizer que S gera o R3 .
Exemplo 1.37. M2 (K) é finitamente gerado pelo conjunto
1 0 0 1 0 0 0 0
S= , , , ,
0 0 0 0 1 0 0 1
pois, para todo a, b, c, d ∈ K temos que
a b 1 0 0 1 0 0 0 0
=a +b +c +d
c d 0 0 0 0 1 0 0 1
.
7
Exemplo 1.38. Kn é finitamente gerado pelo conjunto
f = a0 f 0 + a1 f 1 + · · · + an f n .
α1 f1 + α2 f2 + · · · + αn fn
não ultrapassa o grau de fn . Assim, S não gera os polinômios de grau maior ao de fn o que
implica que hSi =6 P (R), para todo conjunto finito S ⊆ P (K). Portanto o conjunto gerador
é infinito.
O objetivo principal é mostrar que todo espaço vetorial finitamente gerado V existe um
subconjunto finito B tal que todo elemento de V é combinação linear, de forma única a
menos de ordem, desse subconjunto. Qualquer outro subconjunto de V com esta propriedade,
possuem o mesmo número de elementos que B. Daqui sairá o conceito de Dimensão.
Seja V um espaço vetorial sobre K.
Definição 1.41. Dizemos que um conjunto L = {u1 , u2 , . . . , un } ⊆ V é linearmente inde-
pendente (L.I) se, e somente se, dada qualquer combinação linear tal que
a1 u1 + a2 u2 + · · · + an un = 0 ,
8
Exemplo 1.42. Verifique quais dos seguintes conjuntos são L.I. em R3 .
6. {1 + 2x − x2 , 2 − x + 3x2 , 3 − 4x + 7x2 }
Exemplo 1.43. {sen(x), cos(x)} é L.I. no R-espaço vetorial C([0, 2π], R).
Exercı́cio 1.44. Determine o valor de k para que o conjunto {(1, 0, −1), (1, 1, 0), (k, 1, −1)}
seja L.I.
Exemplo 1.45. Sejam u, v, w ∈ V , tal que u ∈ hwi e v ∈ hwi. Mostre que {u, v} é L.D.
Exemplo 1.46. Mostre que o conjunto {(1, 0, α), (1, 1, α), (1, 1, α2 )} ⊆ R3 é L.I., desde que
α 6= 0 e α 6= 1.
Exercı́cio 1.47. Mostre que o se o conjunto {u, v, w} ⊆ V sobre o corpo K com car(K) 6= 2
for L.I., então o conjunto {u + v, u + w, v + w} é também L.I.
Exemplo 1.48. Mostre que o conjunto de vetores {(1 − i, i), (2, −1 + i)} ⊆ C2 é L.D. sobre
C, mas L.I. sobre R.
1. B é L.I.;
2. B gera V .
Isto significa que todo vetor v ∈ V , se escreve, de forma única, como combinação linear
v = a1 v1 + · · · + an vn dos elementos da base B.
Exemplo 1.51. 1. B = {(1, 0), (0, 1)} é base de K2 . Chamada de base canônica de K2 .
(Falar de Kn )
9
2. B = {(1, 1), (0, −1)} é base de R2 .
1 0 0 1 0 0 0 0
3. B = , , , é a base canônica de M2 (K).
0 0 0 0 1 0 0 1
5. B = {(1, 0), (0, 1), (3, 4)} não é base de R2 , pois B é L.D.
6. B = {(1, 0, 2), (0, 1, 0)} não é base de R3 , pois é L.I. mas não gera R3 .
9. O conjunto B = {(1, 0), (0, 1), (i, 0), (0, i)} é uma base de C2 sobre R.
10
Como os vi com i = 1, . . . , m formam uma base de V , então para cada i = 1, . . . , m temos
n
X
que aij cj = 0, logo terı́amos um sistema homogêneo de m equações com n variáveis com
j=1
n > m, então existe uma solução não nula e portanto temos que o conjunto S é L.D.
Corolário 1.54 (de Invariança). Seja V um espaço vetorial finitamente gerado. Então, duas
bases quaisquer de V têm o mesmo número de vetores.
Demonstração. Como V é finitamente gerado então tem uma base finita {v1 , v2 , . . . , vm }.
Pelo teorema anterior, temos que todo conjunto L.I. tem no máximo m elementos, assim se
{w1 , w2 , . . . , wn } é uma outra base de V então temos que n ≤ m. Pelo mesmo argumento,
chegamos que m ≤ n, e portanto m = n.
2. Nenhum subconjunto de V com menos de n elementos pode gerar todo o espaço vetorial
V.
Definição 1.56. Seja V espaço vetorial finitamente gerado sobre K. Denomina-se dimensão
de V , denotamos por dimK V , o número de vetores de qualquer uma de suas bases. Dizemos
também que V é um espaço de dimensão finita sobre K.
Exemplo 1.57. dimK {0} = 0, dimK {Kn } = n, dimK Pn (K) = n + 1, dimR Mm×n (R) =
mn, dimC Mm×n (C) = mn, dimR Mm×n (C) = 2mn.
a1 v1 + a2 v2 + · · · + am vm + av = 0 .
o que é contraditório, pois implicaria que v estaria no gerado por S. Assim, se a = 0, então
segue que a1 v1 +a2 v2 +· · ·+am vm = 0 e como S é L.I. segue que ai = 0 para i = 1, . . . , m.
11
Agora, estendemos S0 para uma base de W . Se hS0 i = W nada a fazer. Caso contrário,
pelo lema acima, encontramos um vetor β1 ∈ W tal que S1 = S0 ∪ {β1 } seja L.I. Se S1 gera
W então acabamos, mas caso contrário aplicamos de novo o lema para encontrar um vetor
β2 ∈ W tal que S2 = S1 ∪ {β2 } seja L.I. Continuando desta forma, em no máximo dim V
passos, obtemos um conjunto
Sm = S0 ∪ {β1 , β2 , . . . , βm } ,
onde {e1 , e2 , . . . , en } é a base canônica de Kn . Assim, temos que a matriz B = (bij ) satisfaz
que I = BA.
Teorema 1.63. Sejam W1 e W2 subespaços finitamente gerados de um espaço vetorial V .
Então, W1 + W2 é finitamente gerado e
Demonstração. Pelo Teorema anterior e seus corolários segue que W1 ∩ W2 tem uma base
finita {w1 , . . . , wk } que faz parte de uma base
{w1 , w2 , . . . , wk , α1 , α2 , . . . , αm } para W1 ,
{w1 , w2 . . . , wk , β1 , β2 , . . . , βn } para W2 .
12
Assim, o subespaço W1 + W2 é gerado pelos vetores
w1 , w2 , . . . , wk , α1 , α2 , . . . , αm , β1 , β2 , . . . , βn ,
e além disso esse conjunto é L.I. De fato, suponhamos que existem escalares xi , yj , zk ∈ K tal
que X X X
xi wi + yj αj + zk βk = 0 .
Então, X X X
− zk βk = x i wi + y j αj ,
P P P
ePdaı́ que − zk βk ∈ W1 e comoP tambémP − zk βk ∈ W2 então podemos escrever − zk βk =
ci wi com ci ∈ K. Assim, 0 = zk βk + ci wi e como o conjunto {w1 , w2 , . . . , wk , β1 , . . . , βm }
é L.I. então todos os escalares zk = 0 e ci = 0. Logo,
X X
xi w i + y j αj = 0 ,
Exemplo 1.64. Seja V = {(2, 1, 1, 0), (1, 0, 1, 2), (0, −1, 1, 4)} ⊆ R4 . Escalonamos a matriz
até obter uma matriz escalonada reduzida.
Uma forma prática para determinar a dimensão de um espaço vetorial é verificar o número
de variáveis livres do seu vetor genérico. Esse número é a dimensão do espaço.
S = {(x, y, z) ∈ R3 : x + 2y + z = 0}
13
1.5.1 Coordenadas de um vetor
14
v = (a11 c1 + a12 c2 + · · · + a1n cn )u1 + · · · + (an1 c1 + an2 c2 + · · · + ann cn )un .
Em forma matricial,
b1 a11 · · · a1n c1
.. .. .. .. ..
. = . . . .
bn an1 · · · ann cn
15
1. [v]α onde [v]α0 = (−1, 2, 3)
2. [v]α0 onde [v]α = (−1, 2, 3)
Exemplo 1.74. Sejam B1 = {(1, 0), (0, 2)}, B2 = {(−1, 0), (1, 1)}, B3 = {(−1, −1), (0, −1)}
três bases ordenadas de R2 .
1. Ache
(a) [I]B2
B1
(b) [I]B3
B2
(c) [I]B3
B1
(d) [I]B B3
B1 · [I]B2
2
Pj = [a0j ]B , para j = 1, . . . , n .
Teorema 1.77. Seja P ∈ Mn (K) uma matriz invertı́vel. Seja V um espaço vetorial de
dimensão n sobre K, e B uma base ordenada de V . Então existe uma única base ordenada
B 0 de V tal que
[v]B = P [v]B 0
e
[v]B 0 = P −1 [v]B ,
para todo v ∈ V .
16
Assim, o subespaço gerado pelo conjunto
B 0 = {w1 , . . . , wn } ,
contendo B e portanto é igual a V . Logo, B 0 é uma base e pelo Teorema anterior seguem as
igualdades.
Verifique que v = v + W = {v + w : w ∈ W } .
Seja V /W = {v : v ∈ V }. Vamos mostrar que V /W tem uma estrutura natural de espaço
vetorial sobre K. Vamos definir as seguintes operações:
v 1 + v 2 = v1 + v2 , para v 1 , v 2 ∈ V /W ,
e
λv = λv , para v ∈ V /W, e λ ∈ K .
Verifique que as operações estão bem definidas, isto é, que não dependem dos representantes
da classe e veja que são satisfeitas as propriedades de espaço vetorial.
2. Se W = V , então V /W = {0}.
Exemplo 1.79. Sejam V = R2 e W = h(1, 1)i ( R2 . Queremos achar uma base do espaço
V /W = {v + W : v ∈ V }. Vamos considerar uma base de R2 que contenha o vetor (1, 1),
por exemplo B = {(1, 1), (1, 0)}. Vejamos que {(1, 0)} é uma base para V /W . Assim, seja
v ∈ V /W e fixemos v ∈ v. Como B é uma base de V , temos que existem escalares a1 , a2 ∈ R
tais que v = a1 (1, 1) + a2 (1, 0). Daı́, que v = a1 (1, 1) + a2 (1, 0) = a2 (1, 0). Assim, {(1, 0)}
gera V /W .
A construção feita no exemplo anterior, pode ser generalizada como nos mostra o seguinte
resultado.
17
Demonstração. Sejam B 0 = {v1 , . . . , vm } uma base de W e B = {v1 , . . . , vm , vm+1 , . . . , vn }
uma base de V contendo a base B 0 . Vamos mostrar que C = {v m+1 , . . . , v n } forma uma base
de V /W . Vejamos que os vetores de C são L.I. Suponhamos que existem escalares λj ∈ K
com j = m + 1, . . . , n tais que λm+1 v m+1 + · · · + λn v n = 0. Logo, λvm+1 + · · · + λn vn ∈ W .
Então, existem α1 , . . . , αn ∈ K tais que
λvm+1 + · · · + λn vn = α1 v1 + · · · + αn vn .
18
2 Transformações Lineares
Nesta seção vamos estudar funções entre espaços vetoriais. Veremos que a noção de base será
bastante útil para descrever tais transformações.
Sejam U e V espaços vetoriais sobre K. Dizemos que uma aplicação T : U → V é uma
transformação linear se
Exemplo 2.2. Sejam U, V espaços vetoriais. Então, I(u) = u a identidade, é uma trans-
formação linear de U em U . A transformação nula de U em V , 0(u) = 0V é também uma
transformação linear de U em V .
Exemplo 2.3. Seja V o espaço das funções polinomiais sobre o corpo K dadas por f (x) =
c0 + c1 x + · · · + ck xk . Então o operador diferencial D(f ) = c1 + 2c2 x + · · · + kck xk−1 é uma
transformação linear de V em V .
Exemplo 2.5. Seja T : R2 → R3 definida por T (x, y) = (3x, −2y, x − y). Verifique que
T é uma transformação linear. Calcule T (1, −1). Calcule todos os (x, y) ∈ R2 tal que
T (x, y) = (0, 0, 0).
Exemplo 2.6. Mostre que T : R → R definida por T (x) = 4x + 3 não é uma transformação
linear.
Lema 2.7. Sejam U e V espaços vetoriais sobre K. Então uma aplicação T : U → V é uma
transformação linear se, e somente se,
T : R3 → R3
é linear.
v 7→ −v
19
Exemplo 2.9. A projeção ortogonal do R3 sobre o plano xy.
T : R3 → R3
é linear.
(x, y, z) 7→ (x, y, 0)
20
Exemplo 2.11. Rotação de um ângulo θ no sentido anti-horário.
T : R3 → M
2 (R)
x+y 0 é linear.
(x, y, z) 7→ T (x, y, z) =
0 z−y
Exemplo 2.13. Um operador linear T : R2 → R2 é tal que T (1, 0) = (3, −1) e T (0, 1) =
(1, 4). Determine T (x, y).
1 2
Exemplo 2.14. Seja a matriz A = −2 3 . Essa matriz determina a transformação:
0 4
TA : R2 → R3
é linear.
v = (x, y) 7→ Av = A(x, y)
1. T (0U ) = 0V
21
m
! m
X X
3. T αi ui = αi T (ui )
i=1 i=1
A propriedade 3 acima é bastante útil para se saber o valor que T assume num vetor u ∈ U ,
sendo suficiente conhecer o valor de T nos vetores da base e as coordenadas do vetor nesta
base.
Teorema 2.17. Dados dois espaços vetoriais reais U e V , e uma base B = {u1 , . . . , un } de
U , sejam v1 , . . . , vn elementos arbitrários de V . Então existe uma única transformação linear
T : U → V tal que T (u1 ) = v1 , . . . , T (un ) = vn .
22
Exemplo 2.21. Calcule o núcleo e a imagem das seguintes transformações lineares.
1. T : R2 → R2 , T (x, y) = (x + y, 2x − y)
2. T : R3 → R2 , T (x, y, z) = (x − y + 4z, 3x + y + 8z).
3. T : R2 → R, T (x, y) = x + y.
4. T : R3 → R3 , T (x, y, z) = (x, 2y, 0).
Exemplo 2.22. Considere a seguinte transformação linear
R3 → M2 (R)
T :
a+b 0
(a, b, c) 7→
o c−b
Calcular o posto e a nulidade de T e observar que a soma é justamente a dimensão de R3 .
Proposição 2.23. Sejam U e V espaços vetoriais sobre K e T : U → V uma transformação
linear. Se B = {u1 , . . . , un } é uma base de U , então o conjunto {T (u1 ), . . . , T (un )} gera a
Im(T ).
Demonstração: Seja v ∈ Im(T ). Então existe u ∈ U tal que T (u) = v, e além disso temos
que u = a1 u1 + · · · + an un . Assim, segue que T (u) = T (a1 u1 + · · · + an un ) = a1 T (u1 ) + · · · +
an T (un ) = v, logo Im(T ) = hT (u1 ), . . . , T (un )i.
A proposição acima nos dá uma forma de conseguir uma base de Im(T ).
Teorema 2.24 (Teorema do Núcleo e da Imagem). Sejam V e W espaços vetoriais sobre K,
a dimensão de V finita, e T : V → W uma transformação linear. Então:
dimK (V ) = dimK (N uc(T )) + dimK (Im(T )) .
23
Assim, temos que
k
X n
X
bj αj + ci α i = 0 ,
j=1 i=k+1
b1 = · · · = bk = ck+1 = · · · = cn = 0 .
Se r é o posto de T , então o fato que T (αk+1 ), . . . , T (αn ) formam uma base para a Im(T ),
segue que r = n − k, onde k é a nulidade de T e n é a dimensão de V .
T : R3 → R3 T (x, y, z) = (x + 2y − z, y + 2z, x + 3y + z) .
Observação 2.26. O vetor imagem T (x, y, z) pode ser escrito da seguinte forma:
onde T (1, 0, 0) = (1, 0, 1), T (0, 1, 0) = (2, 1, 3) e T (0, 0, 1) = (−1, 2, 1), logo Im(T ) =
hT (1, 0, 0), T (0, 1, 0), T (0, 0, 1)i.
2. Se dim V = dim W = n < ∞ e T é injetora, então T transforma base em base, isto é,
se B = {v1 , . . . , vn } é base de V , então T (B) = {T (v1 ), . . . , T (vn )} é base de W .
24
2.2 Isomorfismos
Vimos que as transformações lineares são funções que preservam as operações de espaço
vetorial. Nesta seção iremos estudar as transformações lineares bijetoras e ver que nessas
condições os espaços vetoriais envolvidos podem de alguma forma ser identificados.
(i) Seja T : U → V uma transformação linear. Se T for bijetora, então dizemos que T é
um isomorfismo.
Demonstração. Exercı́cio.
Pelo teorema anterior podemos ver que espaços vetoriais isomorfos tem a mesma dimensão,
e vice-versa se dois espaços vetoriais tem a mesma dimensão então eles são isomorfos.
Exemplo 2.33. Considere o espaço vetorial KN formado por todas sequencias de elementos
de K (K = R ou K = C). Quais das seguintes transformações são isomorfismo:
2. T (x1 , x2 , x3 , . . .) = (0, x1 , x2 , . . .)
25
Exemplo 2.34. D : P(R) → P(R) o operador derivada. Observemos que D não é injetora,
pois todo polinômio constante está no N uc(T ). Porém, T é sobrejetora, pois todo polinômio
é uma função integrável.
Proposição 2.35. Sejam U e V K-espaços vetoriais, B = {ui ; i ∈ I} uma base de U e
{vi ; i ∈ I} um subconjunto de V . Então,
i) Existe uma única transformação linear T : U → V tal que T (ui ) = vi para todo i ∈ I.
ii) T é injetora se, e somente se, {vi ; i ∈ I} é L.I.
iii) T é sobrejetora se, e somente se, h{vi ; i ∈ I}i = V .
Demonstração. Seja ψ : U/N uc(T ) → Im(T ) definida por ψ(ū) = T (u). Mostre que ψ está
bem definida e que é um isomorfismo. Mostre que ψ é linear.
Exemplo 2.37. Sejam W1 , W2 subespaços de V tais que V = W1 ⊕ W2 . Mostre que V /W1 '
W2 .
Nesta parte veremos que o estudo de transformações lineares pode ser reduzido ao estudo de
matrizes.
Seja T : V → W uma transformação linear, Bv uma base de V e BW uma base de W . Sem
perda de generalização, consideramos o caso em que dim V = 2 e dim W = 3. Assim, sejam
Bv = {v1 , v2 } e BW = {w1 , w2 , w3 }, bases de V e W respetivamente. Um vetor v ∈ V pode
ser escrito como v = x1 v1 +x2 v2 e a imagem T (v) = y1 w1 +y2 w2 +y3 w3 . Por outro lado temos
que T (v) = x1 T (v1 ) + x2 T (v2 ). Sendo T (v1 ) e T (v2 ) vetores de W temos que eles podem ser
escritos por
T (v1 ) = a11 w1 + a21 w2 + a31 w3 ,
e
T (v2 ) = a12 w1 + a22 w2 + a32 w3 .
26
ou
T (v) = (a11 x1 + a12 x2 )w1 + (a21 x1 + a22 x2 )w2 + (a31 x1 + a32 x2 )w3 .
Daı́ que
B
e as bases sejam iguais então denotamos [T ]B , simplesmente por [T ]B .
Exemplo 2.38. Seja V = P3 (R) e considere D como sendo o operador linear derivação.
Ache a matriz de D na base canônica.
Exemplo 2.39. Seja T : R3 → R2 dada por T (x, y, z) = (2x − y + z, 3x + y − 2z), linear.
Considere as bases BV = {v1 , v2 , v3 } onde v1 = (1, 1, 1), v2 = (0, 1, 1), v3 = (0, 0, 1) e BW =
{w1 , w2 } onde w1 = (2, 1) e w2 = (5, 3).
27
1. Determinar [T ]B
BW .
V
1. Determinar [T ]B
BW . Esta é chamada à matriz canônica.
V
Nós vimos que dados dois espaços vetoriais V e W sobre K e considerando as bases β =
{v1 , . . . , vn } e β 0 = {w1 , . . . , wm } respetivamente e uma transformação linear T : V → W ,
que existia uma única matriz M ∈ Mm×n (K) tal que [T ]ββ 0 = M . O próximo resultado nos
mostra que a recı́proca também é verdadeira.
Proposição 2.41. Sejam V e W dois espaços vetoriais sobre K com dimensões n e m
respetivamente. Dadas bases β de V , β 0 de W e uma matriz M ∈ Mm×n (K), então existe
uma única transformação linear T : V → W tal que [T ]ββ 0 = M .
Demonstração. Exercı́cio.
[Id]B
B 0 [v]B = [Id(v)]B 0 = [v]B 0 .
0
Observe que a matriz [Id]B
B 0 é justamente a matriz mudança de base de B para B .
Nosso estudo será centrado em olhar transformações lineares entre espaços vetoriais de di-
mensão finita por meio de suas matrizes associadas. Isto traz inúmeras vantagens computa-
cionais, como por exemplo, que a matriz da composta de duas transformações lineares é a
multiplicação das duas matrizes das transformações, nas suas bases correspondentes.
Teorema 2.42. Sejam F : U → V e G : V → W duas transformações lineares onde U, V e
W são espaços vetoriais de dimensões n, m e r, respetivamente. Fixe bases β, β 0 e β 00 para
U, V e W , respetivamente. Então,
0
[G ◦ F ]ββ 00 = [G]ββ 00 [F ]ββ 0 .
m
X
1. [F ]β,β 0 = (aij ), isto é, F (uj ) = aij vi para j = 1, . . . , n.
i=1
r
X
2. [G]β 0 mβ 00 = (bki ), isto é, G(vi ) = bki wk para i = 1, . . . , m.
k=1
28
r
X
3. [G ◦ F ]β,β 00 = (ckj ), isto é, (G ◦ F )(uj ) = ckj wk , para j = 1, . . . , n.
k=1
m
! m
X X
(G ◦ F )(uj ) = G(F (uj )) = G aij vi = aij G(vi )
i=1
! i=1 !
m
X r
X r
X m
X
= aij bki wk = bki aij wk .
i=1 k=1 k=1 i=1
Comparando-se está ultima relação com (3), e pela unicidade nas coordenadas de um vetor
numa base ordenada segue que
m
X
ckj = bki aij , para todo j = 1, . . . , n, e para todo k = 1, . . . , r ,
i=1
isto é, que o elemento ckj da matriz [G◦F ]ββ 0 é o elemento na posição (k, j) da matriz resultante
0 0
da multiplicação de [G]ββ 00 por [F ]ββ 0 . Portanto, [G ◦ F ]ββ 00 = [G]ββ 00 [F ]ββ 0 .
e 0
[IdU ]ββ = [T −1 ◦ T ]ββ = [T −1 ]ββ [T ]ββ 0 .
Observando que as matrizes do lado esquerdo das igualdades acima0 são as matrizes identidade
de tamanho n × n, segue que [T ]ββ 0 é invertı́vel com inversa [T −1 ]ββ = ([T ]ββ 0 )−1 .
29
Composição Se T1 é uma transformação linear entre os espaços vetoriais W e U sobre K,
então podemos definir (T ◦ T1 )(v) = T (T1 (v)) uma transformação linear de V em U .
Proposição 2.44. Com a soma e multiplicação por escalar definida acima, temos que
L(V, W ) é um espaço vetorial sobre K.
Demonstração. Sejam
β = {v1 , . . . , vn } e β 0 = {w1 , . . . , wm } ,
duas bases ordenadas de V e W respetivamente. Defina a aplicação
De fato, ψββ0 (αS + T ) = [αS + T ]ββ 0 . Se [S]ββ 0 = (aij )m×n e [T ]ββ 0 = (bij )m×n então temos que
[αS + T ]ββ 0 = (αaij + bij )i=1,...,m, e j=1,...,n = α[S]ββ 0 + [T ]ββ 0 = αψββ0 (S) + ψββ0 (T ) .
Claramente N uc(ψββ0 ) = {0}, logo a aplicação é injetora. Pela proposição 3.42 acima, temos
que a aplicação é sobrejetora e portanto um isomorfismo.
1. I ◦ S = S ◦ I = S;
2. S ◦ (T1 + T2 ) = S ◦ T1 + S ◦ T2 e (T1 + T2 ) ◦ S = T1 ◦ S + T2 ◦ S;
30
Pelo Lema anterior podemos dizer que o espaço vetorial L(V, V ) junto com a operação de
composição é uma Álgebra Linear com Identidade.
Exemplo 2.47. Seja K um corpo e V o espaço vetorial dos polinomios de K em K. Seja D
o operador diferenciação e o operador T como sendo a multiplicação por x, isto é, T (f )(x) =
xf (x). Então, claramente temos que D ◦ T 6= T ◦ D. Observe que D ◦ T − T ◦ D = I. Isto
nos mostra que a composta não é comutativa.
Nesta parte vamos estudar transformações lineares cujos contradomı́nios sejam o corpo base
K.
Definição 2.48. Seja V um espaço vetorial sobre K. Um funcional linear em V é uma
transformação linear f : V → K.
31
2.5.1 Base Dual
Seja V um espaço vetorial de dimensão finita sobre K e seja β = {v1 , . . . , vn } uma base
ordenada de V . Queremos construir uma base β ∗ de V ∗ que esteja relacionada com β.
Então, para cada i = 1, . . . , n definimos os funcionais lineares fi : V → K por
0 se i 6= j
fi (vj ) = δij =
1 se i = j .
Pn
Com isso, teremos n funcionais lineares f1 , . . . , fn ∈ V ∗ . Observe que se v = j=1 αj vj ∈ V ,
com α1 , . . . , αn ∈ K, então teremos para cada i = 1, . . . , n que
n
! n n
X X X
fi (v) = fi αj vj = αj fi (αj ) = αj δij = αi .
j=1 j=1 j=1
Vamos mostrar que β ∗ = {f1 , . . . , fn } é base de V ∗ . Como dimK V = dimK V ∗ , basta mostrar
Xn
que β ∗ é um conjunto L.I. De fato, sejam λ1 , . . . , λn ∈ K tais que f = λi fi = 0, isto é,
i=1
o funcional linear f é o funcional linear nulo. Com isso, f (v) = 0 para todo v ∈ V . Em
particular, f (vj ) = 0 para j = 1, . . . , n. Logo,
n
X
0 = f (vj ) = (λ1 f1 + · · · + λn fn )(vj ) = λ1 f (vj ) + · · · + λn fn (vj ) = λi δij = λj .
i=1
Demonstração. Mostramos acima que existem únicos funcionais lineares f1 , . . . , fn tais que
∗
fP
i (vj ) = δij para i, j = 1, . . . , n, que β = {f1 , . . . , fn } é uma base de V ∗ e que v =
n
i=1 fi (v)vi , para cada v ∈ V . Falta mostrar a última igualdade do enunciado. Assim,
32
considere f ∈ V ∗ e observe que existem γ1 , . . . , γn ∈ K tais que f = ni=1 γi fi . Observe que
P
calculando f no vetor vj , temos que
n
! n n
X X X
f (vj ) = γi fi (vj ) = γi (fi (vj )) = γi δij = γj ,
i=1 i=1 i=1
A base β ∗ definida acima é chamada de base dual a β. A relação entre as bases β e β ∗ nos
diz que se v ∈ V , então as coordenadas de este vetor na base β são f1 (v), . . . , fn (v), isto é,
[v]β = (f1 (v), . . . , fn (v))β . Além disso, as coordenadas de f ∈ V ∗ com relação à base β ∗ são
f (v1 ), . . . , f (vn ), isto é, [f ]β 0 = (f (v1 ), . . . , f (vn ))β 0 . Dizemos que existe uma dualidade entre
estas duas bases.
Exemplo 2.54. Seja β = {v1 , v2 , v3 } uma base de R3 , com v1 = (1, 1, 1), v2 = (1, 1, −1) e
v3 = (0, 1, 1). Vamos calcular a base dual β ∗ = {f1 , f2 , f3 } de (R3 )∗ . Dado v = (x, y, z) ∈ R3
precisamos achar α1 , α2 , α3 ∈ R tais que v = α1 v1 +α2 v2 +α3 v3 , e daı́ que fi (v) = fi (x, y, z) =
2x − y + z y−z
αi . Então, f1 (x, y, z) = , f2 (x, y, z) = e f3 (x, y, z) = y − x.
2 2
Exemplo 2.55. Seja V = P2 (R) e considere a base β = {1, t + 1, t2 + t}. Um elemento
p(t) = a2 t2 + a1 t + a0 ∈ V pode ser escrito em função da base β como
Exemplo 2.56. Agora vamos considerar o problema inverso, isto é, dado um espaço vetorial
V e uma base β ∗ de V ∗ e tentar encontrar uma base β de V tal que β ∗ seja a base dual de
β. Seja V = P2 (R) e considere os seguintes funcionais em (P2 (R))∗ para i = 1, 2, 3:
fi : P(R) to R
p(t) 7→ p(i) .
Não é difı́cil mostrar que β ∗ = {f1 , f2 , f3 } é uma base de V ∗ . Queremos encontrar uma base
β = {p1 (t), p2 (t), p3 (t)} de espaço V tal que fi (pj (t)) = δij , para i, j = 1, 2, 3 (propriedade
da base dual). Em outras palavras, temos que fi (pj (t)) = pj (i) = δij , então como p1 (2) =
p1 (3) = 0 segue que (t − 2)(t − 3) são fatores de p1 e dado que p1 (1) = 1 temos que p1 (t) =
(t − 2)(t − 3)
, fazendo o mesmo analise temos que p2 (t) = −(t − 1)(t − 3) e que p3 (t) =
2
(t − 1)(t − 2)
.
2
Agora veremos o que acontece em espaços de dimensão infinita. Seja V um espaço de di-
mensão infinita e β = {vi }i∈I uma base ordenada de V . Então, podemos construir o conjunto
β ∗ = {fi }i∈I em V ∗ tal que fi (vj ) = δij para i, j ∈ I. Este conjunto será L.I. mas não será
uma base de V ∗ . Vamos exemplificar isto com o espaço V = P(R). Seja β a base canônica de
33
V . Observe que o conjunto β ∗ construı́do neste caso será enumerável, pois β é enumerável.
Vamos ver que β ∗ não gera todo o (P(R))∗ . De fato, para cada α ∈ R − {0}, considere o
funcional linear fα : P(R) → R dado por fα (p(t)) = p(α). Pm Se fα pertencesse ao subespaço ge-
∗
rado por β , existiriam λ1 , . . . , λm ∈ R tais que fα = i=1 λi fi . Calculando-se este funcional
no polinômio p(t) = tm+1 , terı́amos:
m
! m
X X
m+1 m+1 m+1
α = fα (t )= λi fi (t )= λi fi (tm+1 ) = 0 .
i=1 i=1
Nesta seção o que queremos é que dado um espaço vetorial V de dimensão finita e dada uma
base C = {f1 , . . . , fn } de V ∗ , existe uma base β = {v1 , . . . , vn } de V tais que fi (vj ) = δij ? E
se existir, como poderemos construı́-la? Para tanto, introduziremos a noção de espaço bidual
a V e analisaremos as relações entre estes.
φv : V ∗ → K
f 7→ φv (f ) = f (v) .
Logo, φv ∈ V ∗∗ .
φλv1 +v2 (f ) = f (λv1 + v2 ) = λf (v1 ) + f (v2 ) = λφv1 (f ) + φv2 (f ) = (λφv1 + φv2 )(f ) .
Vamos agora a mostrar que φ é injetora. Seja v ∈ V , tal que φ(v) = 0, isto é, tal que φv seja
o funcional nulo. Então, 0 = φ(v)(f ) = φv (f ) = f (v) = 0 para todo f ∈ V ∗ , logo segue que
v = 0 (Exercı́cio). Portanto, φ é injetora.
34
Em geral, φ não é sobrejetora, mas o resultado a seguir mostrará em que casos isso acontece.
φ: V → V ∗∗
v 7 → φv
é um isomorfismo.
Demonstração. Nós temos que dimK V ∗∗ = dimK V ∗ = dimK V e que φ é injetora pelo lema
acima. Segue então que φ é um isomorfismo.
Corolário 2.60. Seja V um espaço vetorial de dimensão finita sobre K. Então, toda base
de V ∗ é dual de uma base de V .
2.7 Hiperplanos
35
Definição 2.62. Seja V um espaço vetorial não nulo. Um hiperplano de V é um subespaço
próprio W tal que se W 0 for um subespaço de V satisfazendo W ⊆ W 0 ⊆ V então W = W 0
ou W 0 = V .
36
Exemplo 2.65. Os seguintes conjuntos são hiperplanos de R3 :
i) H1 = {(z1 , z2 , z3 ) ∈ R3 : z2 = 0}
ii) H2 = {(z1 , z2 , z3 ) ∈ R3 : z1 + z2 − z3 = 0}
∗
Os funcionais lineares fi ∈ VP tal que N uc(fi ) = Hi são: f1 (z1 , z2 , z3 ) = z2 , f2 (z1 , z2 , z3 ) =
z1 + z2 − z3 e f3 (z1 , z2 , z3 ) = 3i=1 ai zi .
Rb
Exemplo 2.66. O subespaço H = {g ∈ C([a, b], R) : a g(t) dt = 0} é um hiperplano de
C([a, b], R). Para ver isto basta observar que H = N uc(φ), onde φ é o seguinte funcional
linear
φ : C([a, b], R) → R
Rb
g 7→ a g(t) dt
2.8 Anuladores
2. Se S = {0} então S 0 = V ∗ .
3. Se S = V então S 0 = {0}.
37
Demonstração. Considere a dimK V = n e dimK W = m. Seja β 0 = {v1 , . . . , vm } uma base de
W e complete esta a uma base β = {v1 , . . . , vm , vm+1 , . . . , vn } de V . Seja β ∗ = {f1 , . . . , fn }
a base dual de β, isto é, a base de V ∗ tal que fi (vj ) = δij para todo i, j = 1, . . . , n. Vamos
0
mostrar que C = {fm+1 , . . . , fn } é uma base de W P . Como C ⊆ W 0 e é L.I., então só falta
mostrar que gera W 0 . Se f ∈ V ∗ , sabemos que f = Pni=1 f (vi )fi . Agora, se dado um f ∈ W 0 ,
temos que f (vi ) = 0 para 1 ≤ i ≤ m e daı́ que f = ni=m+1 f (vi )fi e daı́ que C gera W 0 .
Exemplo 2.70. Seja V = R4 e W o subespaço gerado pelos vetores v1 = (1, 0, −1, 3) e
v2 = (−2, 0, 1, −3). Vamos encontrar uma base de W 0 . Como β 0 = {v1 , v2 } é L.I. então
segue que de fato é uma base de W . Completemos para uma base de V . Um possı́vel com-
pletamento é β = {v1 , v2 , v3 = (0, 1, 0, 0), v4 = (0, 0, 0, 1)}. Vamos agora a calcular a base
β ∗ = {f1 , f2 , f3 , f4 } dual da base β. Como vimos anteriormente, se v = (α1 , α2 , α3 , α4 )β
então fi é definida por fi (v) = αi . Uma conta simples mostra que
(x, y, z, t) = (−x − 2z, −x − z, y, t + 3z)β .
Pela definição das funções, podemos ver claramente que g ∈ V 0 e que h ∈ W 0 e além disso,
f (v + w) = f (v) + f (w) = h(v + w) + g(v + w) = (h + g)(v + w) ,
para todo v + w ∈ V ⊕ W = U . Agora, vamos mostrar que V 0 ∩ W 0 = {0}. De fato, seja
f ∈ V 0 ∩ W 0 , então f (v + w) = f (v) + f (w) = 0 para cada elemento v + w ∈ V ⊕ W = U ,
logo f = 0. Com isso, provamos que U ∗ = V 0 ⊕ W 0 .
Para mostrarmos que V ∗ é isomorfo a W 0 , consideramos a seguinte função
T : W0 → V∗
V → K
f 7→ T (f ) :
v 7 → T (f )(v) = f (v) .
Como f é linear, então T (f ) é linear e portanto T (f ) ∈ V ∗ . Por outro lado, temos que
T (λf1 + f2 )(v) = (λf1 + f2 )(v) = λf1 (v) + f2 (v) = (λT (f1 ) + T (f2 ))(v) ,
38
para todo λ ∈ K e para todo f1 , f2 ∈ W 0 e todo v ∈ V , então segue que T é uma trans-
formação linear. Falta mostrar que T é bijetora. Assim, seja f ∈ W 0 tal que T (f ) = 0, isto
é, T (f )(v) = f (v) = 0 para todo v ∈ V . Como f ∈ W 0 então temos que f (v + w) = f (v) = 0
para todo v + w ∈ V ⊕ W . Logo, f = 0 e portanto T é injetora. Por outro lado, seja g ∈ V ∗ ,
definimos f : U → K dada por f (v + w) = g(v). É claro que f ∈ W 0 e que T (f ) = g e
portanto T é sobrejetora. Logo, W 0 e V ∗ são isomorfos. De forma análoga se mostra que V 0
e W ∗ são isomorfos.
39
Vamos agora a descrever o núcleo e a imagem da transposta de uma transformação.
Teorema 2.74. Sejam U e V espaços vetoriais sobre K e T ∈ L(U, V ). Então,
i) N uc(T t ) = (ImT )0
N uc T t = {f ∈V∗ : T t (f ) = 0}
= {f ∈V∗ : T t (f )(u) = 0, ∀u ∈ U }
= {f ∈V∗ : f (T (u)) = 0, ∀u ∈ U }
(Im T )0 = {f ∈V∗ : f (v) = 0, ∀v ∈ ImT }
dimK V = dimK V ∗
dimK V = dimK Im T + dimK (Im T )0
dimK V ∗ = dimK N uc T t + dimK Im T t .
Daı́ temos que dimK Im T = dimK (N uc T )0 e pelo item ii) segue que dimK Im T t =
dimK (N uc T )0 e o resultado está provado.
40
Demonstração. Sejam β = {v1 , . . . , vn } e C = {w1 , . . . , wm } bases de V e W respectivamente,
e sejam β ∗ = {f1 , . . . , fn } e C ∗ = {g1 , . . . , gm } as bases duais de β e C, respetivamente. Por
definição temos que fi (vj ) = δij para i, j = 1, . . . , n, e gk (wl ) = δkl para k, l = 1, . . . , m.
Sejam [T ]β,C = (aki ) com 1 ≤ k ≤ m e 1 ≤ i ≤ n, e [T t ]β ∗ ,C ∗ = (bik ) com 1 ≤ i ≤ n e
1 ≤ k ≤ m as matrizes de T e T t nas bases indicadas. por definição, valem as relações
m
X
T (vi ) = ali wl , i = 1, . . . , n , e
l=1
n
X
t
(∗) T (gk ) = bik fi , k = 1, . . . , m .
i=1
T : C2 → C3
(x, y) 7→ (2x + x, y − x, iy)
e considere as bases β = {(1, i), (0, 1)} e C = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} de C2 e C3 respeti-
vamente. Teremos então que
2+i 1
[T ]β,C = i − 1 1 .
−1 i
Logo, t
2+i 1
2 + i i − 1 −1
[T t ]β ∗ ,C ∗ = i−1 1 = .
1 1 i
−1 i
41
3 Formas Canônicas
Nesta seção trabalharemos com V um espaço vetorial sobre o corpo K de dimensão n ≥ 1 e
T : V → V um operador linear sobre V . Dada uma base β de V , vimos que a matriz [T ]β nos
dá várias informações sobre a transformação linear T , então o que queremos nesta parte é
procurar uma base de V de forma que a matriz de T nessa base seja o mais simples possı́vel.
Exemplo 3.1. Se T : R2 → R2 é dada por T (x, y) = (αx, βy) então (a, 0) para todo a ∈ R
é autovetor de T associado ao autovalor α e (0, b) com b ∈ R é autovetor de T associado ao
autovalor β.
Demonstração.
Teorema 3.4. Sejam V um K-espaço vetorial, dim V = n < ∞ e T ∈ L(V ). São equivalen-
tes:
1. λ ∈ K é um autovalor de T .
2. T − λI não é um isomorfismo.
42
3. det ([T ]B
B − λI) = 0, para toda base B de V .
Demonstração.
43
Definição 3.5. Sejam V um espaço vetorial de dimensão n sobre K, T ∈ L(V ) e B uma
base de V . O polinômio mônico
Exemplo 3.7. Seja S ∈ L(R3 ) dada por S(x, y, z) = (−3x−7y −6z, x+5y +6z, −x−y −2z).
44
Proposição 3.8. Sejam V um espaço vetorial de dimensão n sobre K e T ∈ L(V ). O
polinômio caracterı́stico pT (λ) de T independe da escolha da base de V .
Demonstração.
T (v) = λv
T 2 (v) = T (T (v)) = T (λv) = λT (v) = λ2 v
T 3 (v) = λ3 v
.. .. ..
. . .
T m (v) = λm v
Isto mostra que dado T ∈ L(V ) e q(x) ∈ K[x] e v um autovetor de T associado a λ, então v
é um autovetor de q(T ) associado a q(λ).
Teorema 3.9. Seja T ∈ L(V ) onde V é um espaço vetorial de dimensão finita sobre K.
Sejam λ1 , . . . , λs com s ≥ 1, autovalores distintos de T .
45
1. Se v1 + · · · + vs = 0 com vi ∈ V (λi , T ), i = 1, . . . , s, então vi = 0 para todo i = 1, . . . , s.
Demonstração.
46
Definição 3.10. Dizemos que T ∈ L(V ) é diagonalizável se existe uma base de V formada
por autovetores de V .
Demonstração.
47
Dos resultados anteriores temos que:
i) T é diagonalizável;
Note que se K é algebricamente fechado, então pelo corolário acima, para T ser diagonalizável
basta que seja satisfeita a condição (ii).
Note que é fácil ver que existe um polinômio não nulo q ∈ P(K) de grau no máximo n2 tal
2
que q(T ) = 0. De fato, sendo dim L(V ) = n2 temos que I, T, T 2 , . . . , T n é L.D. e portanto
existem a0 , . . . , an2 ∈ K não todos nulos tais que
2
a0 I + a1 T + · · · + an 2 T n = 0 ,
2
ou seja, basta tomar q(x) = a0 + a1 x + · · · + an2 xn .
Demonstração.
48
49
Definição 3.17. Sejam V um espaço vetorial de dimensão n sobre K e T ∈ L(V ). O
polinômio minimal de T , denotado por mT ∈ P(K), é um polinômio mônico de grau
mı́nimo tal que mT (T ) = 0.
Proposição 3.18. Sejam V um espaço vetorial de dimensão n sobre K e T ∈ L(V ).
Demonstração.
50
Exemplo 3.19. Seja T : V → V um operador linear e β uma base de V . Suponhamos que
o polinômio caracterı́stico de T seja p(x) = (x − 3)2 (x − 1)3 (x + 5), então seu polinômio
minimal será um dos seguintes polinomios:
51
Nosso próximo objetivo vai ser mostrar o seguinte teorema.
Teorema 3.21. Sejam V um espaço vetorial de dimensão n sobre K e T ∈ L(V ). São
equivalentes:
i) T é diagonalizável;
Demonstração. Basta tomar uma base B 0 de W e estende-la a uma base B de V . Neste caso,
M = [T |W ]B 0 .
Corolário 3.23. Sejam V um espaço vetorial de dimensão n sobre K e T ∈ L(V ). Se
W1 , . . . , Ws são subespaços T -invariantes e V = W1 ⊕ · · · ⊕ Ws , então existe uma base B de
V tais que
A1 0 · · · 0
0 A2 · · · 0
[T ]B = ..
.. . . ..
. . . .
0 0 · · · As
Demonstração.
52
Lema 3.24. Sejam V um espaço vetorial de dimensão n sobre K, T ∈ L(V ) e W ≤ V
T -invariante. Então,
pT |W (x)|pT (x) e mT |W |mT .
Observe que para todo v ∈ V temos que ST (v, W ) 6= ∅, pois pT ∈ ST (v, W ) já que pT (T )(v) =
0 ∈ W.
Demonstração. Sejam q1 (x), q2 (x) ∈ ST (v, W ). Então (q1 +q2 )(T )(v) = q1 (T )(v)+q2 (T )(v) ∈
W. Sejam q(x) ∈ ST (v, W ) e p(x) ∈ P(K). Então, (q · p)(T )(v) = (p · q) = (p(T ) ◦ q(T ))(v) =
p(q(T )(v)) ∈ W , pois q(T )(v) ∈ W e W é T -invariante. Portanto, ST (v, W ) é um ideal de
P(K).
Definição 3.27. Como P(K) é um D.I.P. então chamamos o único gerador mônico de
ST (v, W ) de polinômio T -condutor de v em W .
Observe que v ∈ W ⇔ ST (v, W ) = P(K). De fato, tomando p(x) = 1 temos que p(T )(v) =
Iv = v ∈ W ⇔ 1 é gerador de ST (v, W ) ⇔ ST (v, W ) = P(K).
Proposição
Qs 3.28. Sejam V um espaço vetorial de dimensão n sobre K e T ∈ L(V ) tal que
ri
mT (λ) = i=1 (λ − λi ) , onde λ1 , . . . , λs são elementos distintos de K. Seja W ⊂ V um
subespaço T -invariante. Então, existe v ∈ V tal que
i) v 6∈ W
53
pois mT (T )(v1 ) = 0 ∈ W , temos que q(x) = si=1 (x − αi )si , comQ0 ≤ si ≤ ri para todo
Q
i = 1, . . . , s com pelo menos um sj > 0. Defina h(x) = (x − αj )sj −1 si=1,i6=j (x − αi )si . Como
q(x) = (x − αj )h(x), temos que deg(h(x)) = deg(q(x)) − 1, e portanto, h(x) 6∈ ST (v1 , W ).
Assim, tomando v = h(T )(v1 ), temos que v 6∈ W . Além disso, como q(T )(v1 ) ∈ W temos
que q(T )(v1 ) = (T − αj I) ◦ h(T )(v1 ) = (T − αj I)v ∈ W .
i) T é diagonalizável;
Demonstração. (i) ⇒ (ii). Como T é diagonalizável, temos que pT (x) = si=1 (x − αi )di
Q
. . . , αs ∈ K distintos. Como mT (x) possui as mesmas raı́zes de pT (x), temos que
com α1 ,Q
h(x) = si=1 (x − αi ) é um candidato a mT . Para concluir que h(x) = mT (x), basta mostrar
que h(T ) = 0. Como T é diagonalizável, V possui uma base de autovetores de T . Logo,
basta mostrar que h(T )(v) = 0 para todo autovetor de T . Então, dado v autovetor de T
associado ao autovalor αj , temos que:
s
!
Y
h(T )(v) = (T − αi ) ◦ (T − αj I)(v) = 0 .
i=1,i6=j
(ii) ⇒ (i). Como mT e pT possuem as mesmas raı́zes, temos que α1 , . . . , αs são todos os
autovalores distintos de T . Denotando W = V (α1 , T ) ⊕ · · · ⊕ V (αs , T ) basta mostrar que
V = W . Suponhamos, que W ( V . Sabemos que W é T -invariante e pela proposição
anterior, existe v ∈ V \ W tal que (T − αj I)v = w ∈ W para algum j ∈ {1, . . . , s}. Definindo
q(x) tal que mT (x) = (x − αj )q(x) e note que q(x) − q(αj ) = g(x)(x − αj ), para algum
g(x) ∈ P(K). Assim,
Projeções
Definição 3.30. Seja V um K-espaço vetorial e P ∈ L(V ). Dizemos que P é uma projeção
de V quando P 2 = P .
54
Proposição 3.32. Sejam V um K-espaço vetorial e P uma projeção de V . Então,
Demonstração. (i) Sabemos que Im(P ) = {v ∈ V : ∃w ∈ V, P (w) = v}, mas como P é uma
projeção então segue que v = P (w) = P 2 (w) = P (v), logo Im(P ) = {v ∈ V : P (v) = v} =
V (1, P ).
(ii) Note que, dado v ∈ V temos que v = P (v) + (v − P (v)), onde P (v) ∈ Im(P ) e como
P (v −P (v)) = P (v)−P 2 (v) = P (v)−P (v) = 0, então v −P (v) ∈ N uc(P ). Também, observe
que se v ∈ Im(P ) ∩ N uc(P ), então P (v) = 0 e P (v) = v, logo v = 0 é o único elemento na
interseção, portanto a soma é direta.
(iii) Seja v ∈ V tal que v = v1 + v2 com v1 ∈ Im(P ) e v2 ∈ N uc(P ). Então, temos que
P (v) = P (v1 ) = v1 e daı́ que v2 = v − v1 = v − P (v),
Teorema 3.33. Sejam V um espaço vetorial de dimensão n sobre K e P ∈ L(V ) uma
projeção de V . Então P é diagonalizável e pP (λ) = (λ − 1)d λn−d .
Demonstração. Como V = Im(P )⊕N uc(P ), seja {v1 , . . . , vd } uma base de Im(P ) e {vd+1 , . . . , vn }
uma base de N uc(P ), então B = {v1 , . . . , vn } é uma base de V . Como P (vi ) = vi para todo
i = 1, . . . , d e P (vj ) = 0 para todo j = d + 1, . . . , n, temos que
Id 0
[P ]B = − − − − − − ,
0 0n−d
logo pT (x) = (x − 1)d xn−d .
55
Demonstração. Dado v ∈ V , sabemos que exitem únicos wi ∈ Wi de i = 1, . . . , s tal que
v = w1 + · · · + ws . Definimos, Pi (v) = wi . Claramente são projeções para i = 1, . . . , s. Além
disso, para i 6= j, temos que (Pi ◦ Pj )(v) = Pi (Pj (v)) = Pi (wj ) = 0 para todo v ∈ V , logo
Pi ◦Pj = 0. Também, para todo v ∈ V observamos que (P1 +· · ·+Ps )(v) = P1 (v)+· · ·+Ps (v) =
w1 + · · · + ws = v, logo P1 + · · · + Ps = IV . Pela definição de Pi temos que Im(Pi ) = Wi .
Reciprocamente, dado v ∈ V , de (iii) segue que v = P1 (v) + · · · + Ps (v) ∈ Im(P1 ) + · · · +
Im(Ps ). Agora, seja v ∈ Im(Pi ) ∩ Im(P1 ) + · · · + Im(Pi−1 ) + Im(Pi+1 ) + · · · + Im(Ps ). Como
v ∈ Im(Pi ), então v = Pi (v), e como v ∈ Im(P1 ) + · · · + Im(Pi−1 ) + Im(Pi+1 ) + · · · + Im(Ps ),
então temos que v = v1 + · · · + vi−1 + vi+1 + · · · + vs , com vj ∈ Im(Pj ). Pelo item (ii) segue
que Pi (v) = 0 = v, para todo i = 1, . . . , s, portanto segue que a soma é direta.
Agora daremos uma caracterização da decomposição por subespaços T -invariantes por projeções.
Teorema 3.35. Sejam V um K-espaço vetorial, W1 , . . . , Ws ≤ V tal que V = W1 ⊕ · · · ⊕ Ws
e suponha que P1 , . . . , Ps são as projeções associadas. Dado T ∈ L(V ),
i) Se T ◦ Pi = Pi ◦ T então Wi é T -invariante.
ii) Se Wi é T -invariante para todo i = 1, . . . , s então T ◦ Pi = Pi ◦ T para todo i = 1, . . . , s.
Demonstração. (i) Seja w ∈ Wi = Im(Pi ). Logo, w = Pi (w), e daı́ que T (w) = T (Pi (w)) =
Pi (T (w)) ∈ Im(Pi ) = Wi , portanto Wi é T -invariante para todo i = 1, . . . , s.
(ii) Agora, suponhamos que Wi = Im(Pi ) seja T -invariante. Logo, dado w ∈ Wi então
T (w) = w0 ∈ Wi = Im(Pi ). Assim, (P ◦ T )(w) = Pi (w0 ) = w0 = T (w) = T (Pi (w)) =
(T ◦ Pi )(w) para todo w ∈ Wi . Seja v ∈ V tal que v = w1 + · · · + ws . Então, T (v) =
T (w1 ) + · · · + T (ws ) e daı́ que (Pi ◦ T )(v) = Pi (T (v)) = Pi (T (w1 )) + · · · + Pi (T (ws )) =
Pi (T (wi )) = T (wi ) = T (Pi (wi )) = T (Pi (v)) = (T ◦ Pi )(v).
Teorema 3.36. (Decomposição Espectral)
Sejam V um K espaço vetorial e T ∈ L(V ). São equivalentes:
i) T é diagonalizável;
ii) T = λ1 P1 + · · · + λs Ps , onde λ1 , . . . , λs são os autovalores distintos de T e P1 , . . . , Ps
são projeções de V satisfazendo Pi ◦ Pj = 0 para i 6= j e I = P1 + · · · + Ps .
Demonstração. (i) ⇒ (ii). Sendo T diagonalizável, temos que todas as raı́zes distintas
λ1 , . . . , λs de pT estão em K, e que V = V (λ1 , T ) ⊕ · · · ⊕ V (λs , T ). Assim, sejam P1 , . . . , Ps
as projeções associadas a está decomposição de V em som direta, ou seja, são válidas as
propriedades Pi ◦ Pj = 0 se i 6= j, I = P − 1 + · · · + Ps e Im(Pi ) = V (λi , T ) para i = 1, . . . , s.
Só falta verificar que T = λ1 P1 · · · + λs Ps . Dado v ∈ V , podemos escrever v = v1 + · · · + vs
com vi ∈ V (λi , T ) para i = 1, . . . , s. Assim,
T (v) = T (v1 )+· · ·+T (vs ) = λ1 v1 +· · ·+λs vs = λ1 P1 (v1 )+· · ·+λs Ps (vs ) = (λ1 P1 +· · ·+λs Ps )v .
56
Para cada i, seja Bi uma base de Im(Pi ). Como a som é direta, temos que B = ∪si=1 Bi é
uma base de V . Vamos mostrar que V é formada por autovetores de T . De fato, note que
T ◦ Pj = (λ1 P1 + · · · + λs Ps ) ◦ Pj = λj Pj ◦ Pj = λj Pj ,
para todo j = 1, . . . , s. Se vj ∈ Bj , então T (vj ) = T (Pj (vj )) = (T ◦Pj )(vj ) = λj Pj (vj ) = λj vj ,
para todo j = 1, . . . , s. Logo, vj é autovetor de T associado a λj .
Teorema 3.37. (da Decomposição primária)
Sejam V um K-espaço vetorial de dimensão n e T ∈ L(V ). Seja
mT = q1r1 · · · qsrs ,
o polinômio minimal de T , onde os qi são polinômios distintos, irredutı́veis e mônicos em
P(K) e r1 , . . . , rs são inteiros positivos. Seja Wi = N uc(qiri (T )) para todo i = 1, . . . , s.
Então,
i) V = W1 ⊕ · · · ⊕ Ws .
ii) Wi é T -invariante, para todo i = 1, . . . , s.
iii) Se Ti = T |Wi então o polinômio minimal de Ti é qiri para todo i = 1, . . . , s.
57
fi = N uc(q ri (T )).
seja, W i
(ii). Como Pi = hi (T ) para todo i = 1, . . . , s, temos que T ◦ Pi = Pi ◦ T e portanto Wi é
T -invariante pelo Teorema 3.35, para todo i = 1, . . . , s.
(iii). Se Ti = T |Wi , dado v ∈ Wi = N uc(qiri (T )), temos que qiri (Ti )v = qiri (T )v = 0, logo
mTi |qiri , para todo i = 1, . . . , s. Por outro lado, dado
M g ∈ P(K) tal que g(Ti ) = 0 ∈ L(Wi ).
Note que, g(T )◦fi (T ) = 0, pois fi (T ) se anula em Wj e g(T ) se anula em Wj . Portanto,
j=1,j6=i
mT |g·fi , logo existe t(x) ∈ P(K) tal que g(x)fi (x) = mT (x)t(x) e da definição de fi temos que
g(x) = qiri (x)t(x) e daı́ que qiri |g. Em particular, qiri |mTi , pois qiri divide qualquer polinômio
que se anula em Ti , e portanto mTi = qiri , para todo i = 1, . . . , s.
Exemplo 3.38. Seja T : R4 → R4 definido por T (x, y, z, t) = (2x−y+t, 3y−z, y+z, −y+3t).
ii) T é diagonalizável?
58
Exemplo 3.39. Faça um estudo análogo para T : R3 → R3 dada por T (x, y, z) = (−2x, 2z, −2y).
59
Operadores Nilpotentes
Definição 3.40. Dado V um espaço vetorial sobre K, dizemos que T ∈ L(V ) é nilpotente
se exite um inteiro k ≥ 1 tal que T k = 0. Dizemos que m é o ı́ndice de nilpotência de um
tal operador se T m = 0 e T m−1 6= 0.
2 2 0 1
Exemplo 3.41. 1. T : R → R tal que [T ] = . Como [T ]2 = 0 então T é
0 0
nilpotente de ı́ndice 2.
Note que se T ∈ L(V ) é nilpotente, então N uc(T ) 6= {0}. De fato, se seu ı́ndice for m ≥ 1
então existe v ∈ V tal que T m (v) = 0 mas T m−1 (v) 6= 0. assim, T m−1 (v) ∈ N uc(T ).
α1 v + α2 T v + · · · + αm T m−1 v = 0 .(∗)
α1 T m−1 v + α2 T m v + · · · + αm T 2m−2 v ,
60
Afirmação 1. V = U + W 00 .
Dado u ∈ V temos que T u ∈ ImT = U 0 ⊕ W 0 , logo T u = u0 + w0 com u0 ∈ U 0 e w0 ∈ W 0 .
Assim, existem α1 , . . . , αm ∈ K tal que
m−1 m−1
!
X X
u0 = αi T i v = T αi T i−1 v .
i=1 i=1
m−1
! m−2
X X
0 = Tu = T βi T i v = βi T i+1 v .
i=0 i=0
De (∗), temos que dim W 00 − dim(U ∩ W 00 ) = dim W + dim W 0 = dim W . Logo, dim V =
dim U + dim W e portanto V = U ⊕ W . Além disso, como W ⊂ W 00 , temos que T (W ) ⊂
W 0 ⊂ W , ou seja, W é T -invariante.
ii) Note que se pT (λ) = (λ − α)n então pelo Teorema de Cayley-Hamilton temos que Tα I é
nilpotente, de fato, o grau de nilpotência coincide com o grau m de mT (λ) = (λ − α)m
com m ≤ n. Se m = n, de (i) temos que existe uma base B tal que
61
0 ··· 0 0
0
1 ··· 0 0
0
[T − αI]B = [T ]B − αI =
0 ··· 0 0
1 ,
.. ..
. . .. ..
. .. . .
0 0 ··· 1 0
o que implica que
α 0 ··· 0 0
1 α ··· 0 0
[T ]B =
0 1 ··· 0 0
.. .. . . .. ..
. . . . .
0 0 ··· 1 α
Definição 3.44. Uma matriz de tamanho r × r com o formato da matriz acima é chamado
bloco de Jordan r × r associado ao autovalor α e é denotado por Jr (α).
Se T é nilpotente, utilizamos o Teorema anterior para obter B tal que [T ]B é formada por
blocos de Jordan.
i) m = m1 ≥ m2 ≥ · · · ≥ mt .
Demonstração. (i). Como T m−1 6= 0, existe v1 ∈ V tal que T m−1 v1 6= 0. Pelo Teorema 3.42,
temos que o conjunto B1 = {v1 , T v1 , . . . , T m−1 v1 } é L.I. e V = W1 ⊕ W20 , onde W1 = hB1 i
e W2 é T -invariante. Faça m1 = m. Note que T restrito a W2 também é nilpotente com
ı́ndice m2 ≤ m1 . Repetindo o argumento acima nesta restrição, existe v2 ∈ W20 tal que
B2 = {v2 , T v2 , . . . , T m2 −1 v2 } é L.I. e W20 = W2 ⊕ W30 , onde W2 = hB2 i e W30 é T -invariante.
Repetindo-se o argumento acima, como dim V < ∞, chega-se aos valores t, m1 , . . . , mt satis-
fazendo i), ii) e iii). E neste caso,
62
Jm1 (0) 0 ··· 0
−−− −−− −−− −−−
0 Jm2 (0) ··· 0
[T ]B =
−−− −−− −−− −−− ,
.. ..
. .
−−− −−− −−− −−−
0 0 Jmt (0)
(iv). Exercı́cio
V = W1 ⊕ · · · ⊕ Ws ,
Exemplo 3.46. Dado T : C5 → C5 tal que pT (λ) = (λ + 2)3 (λ − 5)2 . Encontre as possı́veis
formas de Jordan.
63
Exemplo 3.47. T : R4 → R4 dada por T (x, y, z, t) = (2x − y + t, 3y − z, y + z, −y + 3t) com
PT (λ) = (λ − 3)(λ − 2)3 e mT (λ) = (λ − 3)(λ − 2)2 . Encontre a base de Jordan.
2 −1 0 1
0 3 −1 0
A = [T ] =
0 1
1 0
0 −1 0 3
2 − x −1 0 1
3 − x −1 0
4 0 3 − x −1 0
pT (x) = (−1) det(A−xI) = = (2−x) 1 1−x 0
0 1 1−x 0
−1 0 3−x
0 −1 0 3−x
3 − x −1
pT (x) = (2 − x)(3 − x) = (x − 3)(x − 2)3 .
1 1−x
Candidatos à polinômio minimal são: (x − 3)(x − 2), (x − 3)(x − 2)2 , PT . Assim,
−1 −1 0 1 0 −1 0 1 0 −1 1 0
0 0 −1 0 0
1 −1 0 0 −1 1 0
(A − 3I)(A − 2I) = =
0 1 −2 0 0 1 −1 0 0 −1 1 0
0 −1 0 0 0 −1 0 1 0 −1 1 0
0 −1 1 0 0 −1 0 1 0 0 0 0
0 −1 1 0 0
1 −1 0 0 0 0 0
(A − 3I)(A − 2I)2 = = ,
0 −1 1 0 0 1 −1 0 0 0 0 0
0 −1 1 0 0 −1 0 1 0 0 0 0
então mT (x) = (x − 3)(x − 2)2 .
Forma de Jordan
3 0 0 0
− −− −− −
0 2 0 0
JT =
0 1 2 0
− −− −− −
0 0 0 2
Autoespaços
−1 −1 0 1 0
0 0 −1 0 0
V (3, T ) = N uc(A−3I), para v = (x, y, z, t) devemos ter que (A−3I)v = 0 ⇔
0 1 −2 0 0
0 −1 0 0 0
Assim, y = 0 = z e x = t, e daı́ que V (3, T ) = h(1, 0, 0, 1)i.
64
0 −1 0 1 0
0 1 −1 0 0
V (2, T ) = N uc(A−2I), para v = (x, y, z, t) devemos ter que (A−2I)v = 0, logo
0 1 −1 0 0
0 −1 0 1 0
e daı́ segue que y = z = t e x é livre. Então, V (2, T ) = h(1, 0, 0, 0), (0, 1, 1, 1)i.
Sabemos que V = W1 ⊕ W2 , onde W1 = N uc(T − 3I) = V (3, T ) = h(1, 0, 0, 1)i e W2 =
N uc(T −2I)2 . B1 = {(1, 0, 0, 1)} e B2 = {v, (T −2I)v, u} onde (T −2I)v e u são autovetores.
0 −1 0 1 1
0 1 −1 0 1
(T − 2I)v = w onde w é autovetor. Logo,
0 1 −1 0 1
0 −1 0 1 1
onde a última coluna é um autovetor. Daı́ que t = z + 2, y = z + 1 e x e z são variáveis
livres. Logo, tomando x = 0 e z = −1 temos que v = (0, 0, −1, 1).
Assim, BJ = B1 ∪ B2 = {(1, 0, 0, 1), (0, 0, −1, 1), (1, 1, 1, 1), (1, 0, 0, 0)}, logo [T ]B = JT .
Observações práticas
i) Se mT (λ) = si=1 (λ − λi )di , então pelo Teorema da decomposição primária temos que
Q
V = W1 ⊕ · · · ⊕ Ws onde dim Wi = di é o tamanho da matriz [T |W i ]Bi para todo
i − 1, . . . , s.
ii) Se mT (λ) = si=1 (λ − λi )ri , então o tamanho do primeiro (maior) bloco de Jordan
Q
associado a λi (em [T |W i ]Bi ) é ri × ri .
iii) A quantidade de blocos de Jordan em [T |W i ]Bi é igual a dim N uc(T −λi I) = dim V (λi , T ) =
m.g.(λi ) para todo i = 1, . . . , s.
Exemplo 3.48. Calcule a forma de Jordan do operador T : R4 → R4 tal que pT (λ) = (λ+5)4
e mT (λ) = (λ + 5)2 . Só tem duas possibilidades:
5 0 0 0 5 0 0 0
1 5 0 0
1 5 0 0
− − − −
− − − −
0 0 5 0 0 0 5 0
0 0 1 5 0 0 0 5
Exemplo 3.49. Obter a forma de Jordan e a base de Jordan dos operadores:
65
2 0 0 0 0 0
1 2 0 0 0 0
−1 0 2 0 0 0
3. A =
0 1 0 2 0 0
1 1 1 1 2 0
0 0 0 0 1 −1
66
Exemplo 3.50. Seja T : R2 → R2 dada por T (x, y) = (−x − y, 2x − 3y)
−1 −1
A = [T ] = então pT (x) = x2 + 4x + 5, logo x = −2 ± i, autovalores complexos.
2 −3
Logo, os autovetores também são complexos. Para λ1 = −2 + i, temos que
1−i −1 x 0
(A − λI)w = = ,
2 −1 − i y 0
−1 −1 1
Aw = = (−2 − i, −1 − 3i) = (−2 − i)(1, 1 + i) .
2 −3 1+i
2 −2 + i 0
Então, C = {w, w} é base de C e temos que [T ]C = .
0 −2 − i
Existe uma base para T na qual sua matriz seja real?
Note que w = (1, 1) + i(0, −1) = u + iv com u, v ∈ R2 e B = {u, v} é L.I. e portanto uma
base de R2 e também de C por vetores reais.
Aw = A(u + iv) = Au + iAv e Aw = λ1 w = (−2 + i)(u + iv) = −2u − v + i(u − 2v), logo
Au = −2u − v e Av = u − 2v, então
−2 1
[T ]B = .
−1 −2
a b
Em geral, se λ = a+ib então terı́amos que [T ]B = , é chamada a forma de Jordan
−b a
real de T .
−1 1 1
Exemplo 3.51. Seja T : R3 → R3 dada por [T ] = 0 4 −13
0 1 0
Exemplo 3.52. Obter a forma Real de Jordan do operador T tal que: pT (x) = p31 (x)p32 (x)p33 (x)
e mT (x) = p1 (x)p22 (x)p33 (x), onde p1 (x) = x2 − 4x + 13, p2 (x) = x2 + 2x + 5 e p3 (x) = x2 + 5.
10 0 0 −7 1
0 0 −1 0 0
Exemplo 3.53. A = 0 1 0 0 0
13 0 0 −9 1
4 0 0 −3 1
67
3.3 Complexificação de um R-espaço vetorial
VC = {u + iv : u, v ∈ V } = V + iV ,
+ : VC × VC → VC
(u1 + iv1 , u2 + iv2 ) 7→ (u1 + u2 ) + i(v1 + v2 )
· : C × VC → VC
(α, u + iv) 7→ αu + iαv ,
com as quais temos que VC é um C-espaço vetorial.
ii) pT = pTC ;
68
Demonstração.
69
Teorema 3.57. Sejam V um R-espaço vetorial n dimensional, T ∈ L(V ) e TC ∈ L(VC ) a
complexificação de T . Então,
Demonstração. Se
α β 1 0 0 0 ··· 0 0
−β α 0 1 0 0 ··· 0 0
0 0 α β 1 0 ··· 0 0
Dα,β I2 0 ··· 0 0
0 0 −β α 0 1 ··· 0 0
0
Dα,β I2 ··· 0 0
J2d (α, β) = .. .. .. .. . . .. ..
.. .. .. .. .. ..
= .
. . . . . . . . . . . .
0
0 0 0 ··· α β 1 0
0 0 0 ··· Dα,β I2
0
0 0 0 · · · −β α 0 1
0 0 0 ··· 0 Dα,β
0 0 0 0 ··· 0 0 α β
0 0 0 0 ··· 0 0 −β α
70
Demonstração.
71
Exemplo 3.58. a) T : R2 → R2 dado por T (x, y) = (−y, x).
d) Obter a forma de Jordan de T ∈ L(R16 ) sabendo que pT (λ) = p31 P23 (λ − 4)4 e mT (λ) =
p21 p32 (λ − 4)3 , onde p1 (λ) = λ2 − 2λ + 5 e p2 (λ) = λ2 + 4.
e) Obter a forma de Jordan de T ∈ L(R18 ) sabendo que pT (λ) = p31 P23 p33 e mT (λ) = p1 p22 p33 ,
onde p1 (λ) = λ2 − 4λ + 13, p2 (λ) = λ2 + 2λ + 5 e p3 (λ) = λ2 + 5.
72
4 Produto Interno
Neste capı́tulo queremos estender os conceitos de comprimento de um vetor e de ângulo
entre dois vetores num espaço vetorial real quaisquer. Com isto, poderemos ver a noção de
“medida” num espaço vetorial, análoga ao que é feito no plano e no espaço. E é a noção de
medida que nos leva aos conceitos de área e volume, entre outros. A partir de agora K = R
ou C.
Definição 4.1. Seja V um espaço vetorial sobre K. Um produto interno sobre V é
uma função que a cada par de vetores v1 e v2 , associa um escalar, denotado por hv1 , v2 i,
satisfazendo as seguintes propriedades:
Além disso, para v ∈ V temos que h0, vi = h0 + 0, vi = ho, vi + h0, vi, implica que h0, vi = 0.
Note que o produto interno sobre um espaço vetorial real é uma função bilinear, isto é, linear
em cada uma de suas variáveis.
Exemplo 4.3. Em V = Kn temos o chamado produto interno usual:
n
X
h(x1 , . . . , xn ), (y1 , . . . , yn )i = xi yi .
i=1
Dos exemplos anteriores, concluı́mos que qualquer K espaço vetorial de dimensão finita admite
um produto interno.
Definição 4.5. Seja V um espaço vetorial com produto interno h , i sobre K. Definimos
p a
norma (ou comprimento) de um vetor v em relação a este produto interno por ||v|| = hv, vi.
Se ||v|| = 1, então v é chamado de vetor unitário.
Observação 4.6. Das propriedades de produto interno
p p ||u|| ≥ 0 para
segue que p todo u ∈ V
e que ||u|| = 0 ⇔ u = 0. Além disso, ||αu|| = hαu, αui = ααhu, ui = |α|2 hu, ui =
|α|||u||, para todo α ∈ K e u ∈ V .
73
Definição 4.7. Se u, v ∈ V e V é um K espaço vetorial com produto interno, então dizemos
que u e v são ortogonais se hu, vi = 0. Denotamos u⊥v.
Exemplo 4.8. Seja V = C([a, b], K). Dados f, g ∈ V , então definimos o produto interno
Z b
hf, gi = f (t)g(t) dt .
a
74
Demonstração.
75
Definição 4.11. Seja V um K espaço vetorial com produto interno h , i. Dizemos que
um subconjunto S ⊂ V , S 6= ∅ é ortogonal se para todo u, v ∈ S com u 6= v temos que
hu, vi = 0. Dizemos que S é ortonormal se for ortogonal e ||v|| = 1 para todo v ∈ S.
Exemplo 4.12. As bases canônicas de Rn e Cn com os produtos internos usuais, são con-
juntos ortonormais.
Observação 4.13. Como h0, vi = 0, para todo v ∈ V o vetor nulo é ortogonal a todo v ∈ V .
Este é o único vetor com tal propriedade.
Proposição 4.14. Seja V um K espaço vetorial com produto interno h , i e S = {v1 , . . . , vn }
um conjunto ortogonal de vetores não nulos de V . Então,
Corolário 4.15. Seja V um K espaço vetorial com produto interno h , i {v1 , . . . , vn } é uma
base ortonormal de V , então
n
X
v= hv, vi ivi , para todo v ∈ V .
i=1
76
Teorema 4.16. (Processo de Ortonormalização de Gram-Schmidt)
Todo K espaço vetorial V de dimensão n com produto interno, possui uma base ortonormal.
Demonstração.
77
A seguir, algumas consequências de se trabalhar com bases ortonormais.
Demonstração. hu, vi =
Demonstração. Se
78
Definição 4.19. Dados V um K espaço vetorial com produto interno h , i e S ⊂ V , S 6= ∅.
O conjunto ortogonal a S, denotado por S ⊥ , é o conjunto de todos os vetores de V que são
ortogonais a todos os vetores de S, ou seja,
S ⊥ = {v ∈ V : hv, wi = 0, ∀w ∈ S} .
Demonstração. Dado
Demonstração.
79
Corolário 4.23. (W ⊥ )⊥ = W ⊥⊥ = W .
80
Observação 4.27. Se T ∈ L(V, W ) preserva produto interno, então temos que
2. ||T v|| = ||v|| para todo v ∈ V . T preserva a norma induzida pelo produto interno, T é
uma isometria.
3. T é injetora.
Teorema 4.28. Sejam V e W K espaços vetoriais com produto interno tais que dim V =
dim W < ∞ e T ∈ L(V, W ). São equivalentes
Demonstração. (i) ⇒ (ii). Como T preserva o produto interno então T é injetora e como
dimV = dimW < ∞ temos que T é um isomorfismo que preserva o produto interno.
(ii) ⇒ (iii). Seja hv1 , . . . , vn i uma base ortonormal de V . Como todo isomorfismo leva base
em base, então hT v1 , . . . , T vn i é uma base de W . Como T preserva o produto interno, segue
que
hT vi , T vj i = hvi , vj i = δij , ∀i, j ∈ {1, . . . , n}
. Ou seja, {T v1 , . . . , T vn } é uma base ortonormal.
(iii) ⇒ (i). Dada {v1 , . . . , vn } uma base ortonormal de V e u, v ∈ V , existem αi , βj ∈ K tais
que
Xn Xn
u= αi vi e v= βj vj .
i=1 j=1
n
! n
! n n n
X X X X X
hT u, T vi = hT αi vi ,T βj vj i = αi βj hT vi , T vj i = αi βj δij = αi βi = hu, vi .
i=1 j=1 i,j=1 i,j=1 i=1
81
Exemplo 4.29. Considere os R espaços vetoriais V = C([0, 1], R) com
Z 1
hf, giV = x2 f (x)g(x) dx ,
0
3. Note que
Z 1 Z 1
hT f, T giW = T (f )(x)T (g)(x) dx = x2 f (x)g(x) = hf, giV , ∀f, g ∈ V .
0 0
Assim,
1 1 1 1
hT u, T vi = ||T u + T v||2 − ||T u − T v||2 = ||T (u + v)||2 − ||T (u − v)||2 ||
4 4 4 4
1
isometria 1
= ||u + v||2 − ||u − v||2 = hu, vi, ∀u, v ∈ V .
4 4
Observe que dado V um K espaço vetorial com produto interno e w ∈ V , então a aplicação
f : V → K dada por f (v) = hv, wi é linear, ou seja, f ∈ V ∗ .
82
Teorema 4.32. (da Representação de Riesz)
Sejam V um K espaço vetorial n dimensional com produto interno. Dado f ∈ V ∗ , existe um
único wf ∈ V tal que f (v) = hv, wf i para todo v ∈ V .
f (v)
0 = hu, wi = hv − αw, wi = hv, wi − αhw, wi = hv, wi − hw, wi
f (w)
então,
f (w) f (w)
f (v) = 2
hv, wi = hv, wi .
||w|| ||w||2
f (w)
Portanto, basta tomar wf = . (Existência)
||w||2
(Unicidade) Sejam w1 , w2 ∈ V tais que hv, w1 i = hv, w2 i, para todo v ∈ V . Então, hv, w1 −
w2 i = 0 para todo v ∈ V e portanto w1 − w2 = 0, logo w1 = w2 .
Definição 4.33. Sejam V um K espaço vetorial com produto interno h , i e T ∈ L(V ). Se
dado S ∈ L(V ) tal que satisfaz
83
hu, T ∗ (αv1 +v2 )i = hT u, αv1 +v2 iαhT u, v1 i+hT u, v2 i = αhu, T ∗ v1 i+hu, T ∗ v2 i = hu, αT ∗ v1 +T ∗ v2 i ,
logo,
hu, T ∗ (αv1 + v2 ) − αT ∗ v1 − T ∗ v2 i = 0, ∀u ∈ V .
Portanto, T ∗ ∈ L(V ).
(Unicidade) Suponha que T1∗ , T2∗ ∈ L(V ) satisfaçam
Neste caso, hu, T1∗ v−T2∗ vi = 0 para todo u, v ∈ V . Portanto, T1∗ v = T2∗ v para todo v ∈ V .
Proposição 4.35. (Propriedades) Dados T, S ∈ L(V ) operadores que admitem adjuntos T ∗
e S ∗ respectivamente, e α ∈ K, então
i) (T + S)∗ = T ∗ + S ∗
ii) (αT )∗ = αT ∗
iii) (T ◦ S)∗ = S ∗ ◦ T ∗
iv) (T ∗ )∗ = T
Segue de i) e ii) que o subconjunto de L(V ) dos operadores que admitem adjunto, é um
subespaço de L(V ).
84
Exemplo 4.37. Dado T ∈ L(C3 ) definido por T (x, y, z) = (x + 2y, iz, y − iz) obter T ∗ .
Xn n
X
hT vj , vi i = h a`j ve ll, vi i = a`j hv` , vi i = aij ,
`=1 `=1
Definição 4.39. Sejam V um K espaço vetorial com produto interno e T ∈ L(V ). Dize-
mos que T é auto-adjunto se T = T ∗ . No caso em que K = C usa-se também o termo
Hermitiano e quando K = R usa-se simétrico.
Corolário 4.40. Sejam V um K espaço vetorial com produto interno e T ∈ L(V ). São
equivalentes:
i) T é auto-adjunto;
t
ii) [T ]B = [T ]B para toda base B ortonormal de V ;
t
iii) [T ]B = [T ]B para alguma base ortonormal B de V .
Demonstração. i) ⇒ ii) Como T = T ∗ então para toda base B ortonormal temos que
t
[T ]B = [T ∗ ]B = [T ]B .
85
(ii) ⇒ (iii) Óbvio.
t t
(iii) ⇒ (i) Se [T ]B = [T ]B , para alguma base ortonormal B de V , então como [T ∗ ]B = [T ]B =
[T ]B temos que T ∗ = T , ou seja, T é autoadjunto.
t
Observação 4.41. Se T é auto-adjunto e [T ]B = (aij ) temos que [T ]B = [T ]B então aij = aji .
Em particular, aii = aii , logo os elementos da diagonal principal de [T ]B são reais.
Exemplo 4.42. V = C com produto interno usual e T ∈ L(C2 ) dada por
T (x, y) = (2x + (1 + i)y, (1 − i)x + 3y) .
2 1+i t 2 1+i
[T ] = ⇒ [T ] = = [T ]
1−i 3 1−i 3
Então, T é autoadjunto.
Exemplo 4.43. S(x, y) = (ix + (−1 + 2i)y, (−1 − 2i)x + 5y)
i −1 + 2i t −i −1 + 2i
[S] = ⇒ [S] = 6= [S]
−1 − 2i 5 −1 − 2i 5
Logo, S 6= S ∗ .
Operadores Unitários
Definição 4.44. Sejam V um K espaço vetorial com produto interno e T ∈ L(V ). Dizemos
que T é unitário se for um isomorfismo de espaços vetoriais com produto interno.
Teorema 4.45. Sejam V um K espaço vetorial com produto interno e T ∈ L(V ). Então, T
é unitário ⇔ T ∗ = T −1 .
86
Exemplo 4.47. Vimos que o adjunto de T : C3 → C3 dado por T (x, y, z) = (x+2y, iz, y−iz)
é T ∗ (x, y, z) = (x, 2x − z, iz − iy). Se B é a base canônica, que é ortonormal, então temos
que
1 2 0 1 0 0 5 0 −2
t
[T ◦ T ∗ ]B = [T ]B [T ∗ ]B = [T ]B [T ]B = 0 0 i 2 0 1 = 6= Id
0 1 −i 0 −i i
t t
Definição 4.48. Seja A ∈ Mn (K). Dizemos que A é unitária se AA = A A = Idn . Quando
K = R, também dizemos que A é ortogonal, e denotamos por O(n). Se K = C, o grupo
unitário é denotado por U (n).
a b
Exemplo 4.49. Vamos descrever A ∈ O(2). Seja A = ∈ O(2). Como At A = Id
c d
temos que det(A) = ±1. Sabemos que
−1 1 d −b t a c
A = =A = .
detA −c a b d
a b
Se detA = 1 então temos que a = d e c = −b, logo A = e a2 + b2 = 1.
−b a
a b
Se detA = −1 então d = −a e b = c, logo A = com a2 + b2 = 1. Como dados
b −a
a, b ∈ R tais que a2 + b2 = 1 existe θ ∈ [0, 2π] tal que a = cos θ e b = sin θ temos que
cos θ − sin θ cos θ sin θ
A ∈ O(2) ⇔ A = ou
sin θ cos θ sin θ − cos θ
No primeiro caso, são rotações e no segundo são reflexões. O subgrupo SO(2) = {A ∈ O(2) :
det(A) = 1} é o grupo otogonal especial ou grupo de rotações.
Exercı́cio 4.50. Descreva as matrizes unitárias 2 × 2, isto é, U (2).
Operadores Normais
Definição 4.51. Sejam V um K espaço vetorial com produto interno e T ∈ L(V ). Dizemos
que T é normal se existe T ∗ tais que T ◦ T ∗ = T ∗ ◦ T .
Observação 4.52. a) Operadores auto-adjuntos e unitários são exemplos de operadores
normais.
87
ii) Se tv = αT v para v ∈ V e α ∈ K, então T ∗ v = αv.
iii) Se v1 e v2 são autovetores de T associados a α1 6= α2 então v1 ⊥v2 .
Nosso próximo objetivo e mostrar que dado um operador auto-adjunto, então existe uma
base ortonormal de autovetores.
Teorema 4.54. Sejam V um K espaço vetorial de dimensão n com produto interno. Se
T ∈ L(V ) é auto-adjunto, então T possui um autovetor.
Demonstração. Se K = C então pT (λ) possuı́ raı́zes que são autovalores de T e daı́ segue o
resultado. Considere K = R e tome B uma base ortonormal de V , e seja A = [T ]B . Sendo
t
T = T ∗ temos que A = A . Considerando A agindo em Cn da seguinte forma:
t
Seja W = Mn×1 (C) com produto interno hX, Y i = Y X e S ∈ L(W ) dado por S(X) = AX.
Note que
t t t
hAX, Y iY AX = (At Y )t X = (A Y )t X = hX, A Y i ,
88
t
ou seja, S ∗ Y = A Y = AY = SY para todo Y ∈ W , logo S é autoadjunto. Além disso,
observe que pT (λ) = pS (λ). Como W é C-espaço vetorial, então pS (λ) possui raiz α, autovalor
de S. Observe que se v 6= 0 é autovetor de S associado a α, temos
Como hv, vi =
6 0 temos que α = α logo α é real. Logo, α sendo raiz real de pT (λ) é autovalor
de T e o resultado segue.
Lema 4.55. Sejam V um K espaço vetorial de dimensão n com produto interno e T ∈ L(V ).
Se W ≤ V é T invariante, então W ⊥ é T ∗ invariante.
Corolário 4.57. Seja A ∈ Mn (R) uma matriz simétrica. Então, existe uma matriz invertı́vel
P ∈ Mn (R) tal que P t AP é diagonal.
Demonstração. Seja Rn com o produto interno usual, e T ∈ L(Rn ) tal que [T ]C = A, onde C
é a base canônica de Rn . Como A = At segue que T é autoadjunto. Pelo Teorema 4.56, Rn
possui uma base ortonormal B = {v1 , . . . , vn } formada por autovetores de T . Seja P = [I]B
C
a matriz mudança de base de B para C. Temos que
B −1
D = [T ]B = [I]C B B
B [T ]C [I]C = ([I]C ) [T ]C IC ,
89
Demonstração. ⇒) Como V é C espaço vetorial e C é algebricamente fechado, podemos
assumir que T possui um autovetor v1 . Seja W = hv1 i. Por Proposição acima, v1 também é
autovetor de T ∗ . Logo, W é T ∗ invariante e, pelo Lema acima, W ⊥ é invariante por T ∗∗ = T .
É claro que a restrição T|W ⊥ é normal. Usando o argumento de indução do Teorema 4.56
obtêm-se uma base ortonormal de V formada por autovetores de T .
⇐) Seja B = {v1 , . . . , vn } uma base ortonormal de V formada por autovetores de T e seja
αi ∈ C tal que T vi = αi vi para todo i = 1, . . . , n. Então,
t
[T ]B = diag(α1 , . . . , αn ) e [T ∗ ]B = [T ]B = diag(α1 , . . . , αn ) .
Assim, [T ]B [T ∗ ]B = [T ∗ ]B [T ]B = diag(|α1 |2 , . . . , |αn |2 ), e portanto T é normal.
90
4.1 Formas Bilineares
ii) f (u, αv1 + v2 ) = αf (u, v1 ) + f (u, v2 ) para todo α ∈ K e para todo u ∈ U e todos
v1 , v2 ∈ V .
91
Definimos a matriz de f ∈ B(U, V ) em relação as bases B = {u1 , . . . , um } e C = {v1 , . . . , vn }
como sendo A = (aij ) ∈ Mm×n (K) tal que aij = f (ui , vj ) para todo i, j. Denotamos por
[f ]B,C .
Demonstração.
92
Corolário 4.62. Sejam B = {u1 , . . . , um } base de U , C = {v1 , . . . , vn } base de V , B ∗ =
{h1 , . . . , hm } e C ∗ = {g1 , . . . , gn } bases de U ∗ e V ∗ duais a B e C, respectivamente. Então,
D = {fij (u, v) = hi (u)gj (v); u ∈ U, v ∈ V, i = 1, . . . , m e j = 1, . . . , n} forma uma base de
B(U, V ).
Mudança de Base
Seja V um K espaço vetorial n dimensional. No caso em que f ∈ B(V ), a cada base
B = {u1 , . . . , un } de V , associamos uma matriz [f ]B = (aij ) = (f (ui , uj )) ∈ Mn (K). Vamos
analisar o que ocorre com tal matriz quando se efetua uma mudança de base B para outra
base C = {v1 , . . . , vn }.
93
Exemplo 4.64. Sejam V = R2 , C a base canônica e f ∈ B(R2 ) dado por f ((x1 , y1 ), (x2 , y2 )) =
x1 x2 − 2x1 y2 + 3y1 x2 − 4y1 y2 .
f : V ×V → R
(u, v) 7→ hu, vi
2. A forma do exemplo (4.64) não é simétrica pois f ((1, 0), (0, 1)) = −2 e f ((0, 1), (1, 0)) =
3.
Teorema 4.68. Seja V um K espaço vetorial de dimensão n. Dada f ∈ B(V ), são equiva-
lentes:
i) f é simétrica;
94
Demonstração. i) ⇒ ii)
95
Definição 4.69. Sejam V um K espaço vetorial e f ∈ B(V ). A função q : V → K dada por
q(v) = f (v, v) é denominada forma quadrática associada a f .
Identidade de Polarização
Dados V um K espaço vetorial, f ∈ BS (V ) e q a forma quadrática associada a f , então para
todo u, v ∈ V temos que
1 1
f (u, v) = q(u + v) − q(u − v) .
4 4
Demonstração.
96
Corolário 4.72. Sejam V um K espaço vetorial de dimensão n, f ∈ BS (V ) e q : V → K a
form quadrática associada a f . Então existem λ1 , . . . , λn ∈ K e uma base B = {v1 , . . . , vn }
de V tais que
f (vi , vj ) = δij λi , ∀i, j = 1, . . . , n
e n n
X X
q(v) = λi αi2 , ∀v = αi vi ∈ V .
i=1 i=1
97
Teorema 4.73. Seja V um R espaço vetorial de dimensão n com produto interno. Então
BS (V ) é isomorfo ao subespaço A(V ) de L(V ) dos operadores auto-adjuntos.
Demonstração.
98
4.2 Quádricas Reduzidas
Definição 4.74. Uma quádrica em R3 é uma superfı́cie do R3 cujos pontos (x, y, z) num
certo sistema, satisfazem uma equação da forma
ax2 + by 2 + cz 2 + dxy + exz + f yz + gx + hy + iz + j = 0 ,
onde a − j ∈ R e a2 + b2 + c2 6= 0.
Quando nada mencionado, tomamos o sistema de coordenadas canônico {~i, ~j, ~k}.
Em notação matricial temos que (exercı́cio):
X t AX + KX + j = 0 ,
a d/2 e/2 x
onde A = d/2 b f /2 , K = (g h i) e X =
y .
e/2 f /2 c z
Note que a parte de grau 2 é representada por uma forma quadrática Q : R3 → R dada por
Q(X) = X t AX = f (X, X) ,
onde f : R3 × R3 → R é uma forma bilinear simétrica cuja matriz na base canônica C
de R3 e [f ]C = A. De uma observação feita anteriormente, existe uma base ortonormal
B = {v1 , v2 , v3 } de R3 tal que [f ]B é diagonal. Se B
P 0=[I]C , a matriz de mudança da base B
x
0
para a base C, temos que X = P X , onde X = 0 y 0 são as coordenadas de X na base B.
z0
Assim, a equação (∗∗) pode ser escrita no novo sistema de coordenadas {0, v1 , v2 , v3 } como
(P X 0 )t AP X 0 + KP X 0 + j = 0 ou X 0t P t AP X 0 + K 0 X 0 + j = 0 ,
ou
X 0t DX 0 + K 0 X 0 + j = 0 ,
λ1 0 0
onde D = 0 λ2 0 e K 0 = KP = (g 0 h0 i0 ).
0 0 λ3
Assim, a quádrica fica λ1 x02 + λ2 y 02 + λ3 z 02 + g 0 x0 + h0 y 0 + i0 z 0 + j = 0 sem termos mistos.
Completando quadrados e realizando uma translação, temos que
00
x = x0 − α
y 00 = y 0 − β
00
z = z0 − γ
Obtemos uma quádrica na forma reduzida no sistema de coordenadas {000 , v10 , v20 , v30 }, onde é
possı́vel identificá-la.
99
Revisão de quádricas
Sejam a, b, c reais positivos, então
d > 0 Elipsóide
ax2 + by 2 + cz 2 = d d = 0 Ponto
d < 0 Vazio
d > 0 Hiperbolóide de uma folha
ax2 + by 2 − cz 2 = d d = 0 Cone
d < 0 Hiperbolóide de duas folhas
2 2 c 6= 0 Parabolóide Elı́ptico
ax + by = cz
c=0 Reta z livre
2 2 c 6= 0 Parabolóide Hiperbólico
ax − by = cz
c=0 Planos concorrentes
d > 0 Cilindro Elı́ptico
ax2 + by 2 = d d=0 Reta
d<0 Vazio
2 2 d 6= 0 Cilindro Hiperbólico
ax − by = d
d = 0 Par de planos concorrentes
Exemplo 4.75. Identifique e esboce a quádrica 7x2 + 17y 2 + 7z 2 − 4xy + 6xz − 4yz − 6x −
12y − 6z + 1 = 0.
100
Reconhecimento de Cônicas
Definição 4.76. Uma cônica em R2 é uma curva do plano cujos pontos (x, y) num certo
sistema de coordenadas satisfazem uma equação da forma
ax2 + bxy + cy 2 + dx + ey + f = 0 ,
onde a, b, c, d, e, f ∈ R e abc 6= 0.
X t AX + KX + f = 0 ,
x a b/2
onde X = , A = e K = (d e). Note que os termos de grau 2 são
y b/2 a
representados por uma forma quadrática q : R2 → R dada por
q(X) = X t AX = f (X, X) ,
(P X 0 )t AP X 0 + KP X 0 + f = 0 , ou X 0t P t AP X 0 + K 0 X 0 + f = 0 ,
ou
X 0t DX 0 + K 0 X 0 + f = 0 ,
λ 0
onde D = e K 0 = (d0 e0 ) = KP . Neste novo sistema a quádrica fica
0 µ
λx02 + µy 02 + d0 x0 + e0 y 0 + f = 0 .
obtemos uma cônica na forma reduzida no sistema de coordenadas {000 , v10 , v20 } onde é possı́vel
identificá-la.
101
20 80
Exemplo 4.77. Identifique e esboce a cônica 5x2 − 4xy + 8y 2 + √ x − √ y + 4 = 0.
5 5
102
“O segredo de viver contente é adorar a Deus”
103