Drio Souza Rocha

Disney Douglas de Lima Oliveira

Domingos Anselmo Moura da Silva

lgebra
Linear II

4.

Perodo

Manaus 2007

FICHA TCNICA
Governador

Eduardo Braga
ViceGovernador

Omar Aziz
Reitora

Marilene Corra da Silva Freitas

ViceReitor

Carlos Eduardo S. Gonalves

PrReitor de Planejamento

Osail de Souza Medeiros

PrReitor de Administrao

Fares Franc Abinader Rodrigues

PrReitor de Extenso e Assuntos Comunitrios

Roglio Casado Marinho

PrReitora de Ensino de Graduao

Edinea Mascarenhas Dias

PrReitor de PsGraduao e Pesquisa

Jos Luiz de Souza Pio

Coordenador Geral do Curso de Matemtica (Sistema Presencial Mediado)

Carlos Alberto Farias Jennings

Coordenador Pedaggico

Luciano Balbino dos Santos

NUPROM
Ncleo de Produo de Material
Coordenador Geral

Joo Batista Gomes

Editorao Eletrnica

Helcio Ferreira Junior

Reviso Tcnicogramatical

Joo Batista Gomes

Rocha, Drio Souza.

R672a

lgebra linear II / Drio Souza Rocha, Disney Douglas de Lima

Oliveira, Domingos Anselmo Moura da Silva. - Manaus/AM: UEA,
2007. - (Licenciatura em Matemtica. 4. Perodo)
101 p.: il. ; 29 cm.
Inclui bibliografia.
1. lgebra linear - Estudo e ensino. I. Oliveira, Disney
Douglas de Lima. II. Silva, Domingos Anselmo Moura da. III.
Srie. IV. Ttulo.
CDU (1997): 512.64
CDD (19.ed.): 512.5

SUMRIO
UNIDADE I Espao e Subespao Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

07

TEMA 01 Espao Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

09

TEMA 02 Subespaos Vetoriais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

13

UNIDADE II Combinao Linear, Vetores LI e LD. Base de um Espao Vetorial . . . . . . . . . . . . . . . . . . . . . . . .

21

TEMA 03 Combinao Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

23

TEMA 04 Independncia e Dependncia Linear de Vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

26

TEMA 05 Base e Dimenso de um Espao Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

30

UNIDADE III Transformaes Lineares e Matriz Mudana de Base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

35

TEMA 06 Transformaes lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

37

TEMA 07 Definies e Proposies sobre transformaes Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

46

TEMA 08 Mudana de Base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

49

UNIDADE IV Polinmio Caracterstico e Diagonalizao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

65

TEMA 09 Polinmios sobre Matrizes

............................................................

67

TEMA 10 Diagonalizao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

76

UNIDADE V Produto Interno, Operadores Lineares e Auto-Adjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

83

TEMA 11 Produto Interno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

85

TEMA 12 Operadores Lineares Especiais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

91

TEMA 13 Operadores Auto-Adjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

95

Referncias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101

PERFIL DOS AUTORES

Drio Souza Rocha

Licenciado e Bacharel em Matemtica - UFAM
Especialista em Matemtica - UFAM

Disney Douglas de Lima Oliveira

Licenciado e Bacharel em Matemtica - UFAM
Mestre em Matemtica - UFAM
Doutorando em Computao Grfica - UFRJ

Domingos Anselmo Moura da Silva

Licenciado e Bacharel em Matemtica - UFAM
Mestre em Matemtica - UFAM

UNIDADE I
Espao e Subespao Vetorial

lgebra Linear II Espao e Subespao Vetorial

Sendo assim, diremos que o conjunto V acima

com as duas operaes dito um espao vetorial real ou um espao vetorial sobre IR, se as
seguintes propriedades listadas abaixo forem
verificadas, para quaisquer u,v e wV e
,IR.

TEMA 01
ESPAO VETORIAL
1. 1 Introduo

i)

O que lgebra Linear?

ii) u + v = v + u

lgebra linear um ramo da Matemtica que

estuda vetores, espaos vetoriais, transformaes lineares, sistemas de equaes lineares e
matrizes. Todos esses itens servem para um
estudo detalhado de sistemas de equaes lineares. A inveno da lgebra Linear tem origem nos estudos de sistemas de equaes lineares. No obstante o fato de a lgebra Linear
ser um campo abstrato da Matemtica, ela tem
um grande nmero de aplicaes dentro e fora
da Matemtica.

iii) V tal que u + = u ( chamado de

vetor nulo)
iv) para cada uV existe uV tal que u+(u)
=
v) ( + ).u = .u + .u
vi) .(u + v) = .u + .v
vii) ( . ).u = .(.u)
viii 1IR tal que 1 . u = u
Se, na definio acima, em vez de termos como
escalares nmeros reais, tivermos nmeros
complexos, V ser um espao vetorial complexo.

Um dos conceitos bsicos em lgebra Linear

o de espao vetorial ou espao linear.
A noo comum de vetores como objetos com
tamanho, direo e sentido, juntamente com as
operaes de adio e multiplicao por nmero reais forma a idia bsica de um espao vetorial. Desse ponto de partida ento, para definirmos
um espao vetorial, precisamos de um conjunto
de elementos e duas operaes definidas sobre
os elementos deste conjunto, adio e multiplicao por nmeros reais ou complexos.

Observaes:
1. Os elementos do espao vetorial V sero chamados vetores, independente de sua natureza.
Vejamos alguns exemplos:
a) V conjunto de matrizes reais m por n

No necessrio que os vetores tenham interpretao geomtrica, mas podem ser quaisquer objetos que satisfaam os axiomas abaixo. Polinmios de grau menor que n formam
um espao vetorial, por exemplo, assim como
grupos de m x n e o espao de todas as
funes de um conjunto em outro (com algumas condies adicionais).

b) V conjunto de todas as funes de

em

V= f (IR, IR) = {f : IR IR , funes reais}

c) V conjunto dos nmeros complexos
V=
d) V o conjunto dos nmeros racionais (

, onde repre-

Dessa forma, vamos definio formal de Espao Vetorial.

senta

o conjunto dos nmeros inteiros.

e) V conjunto de matrizes complexas m por n

1.2 Definio de Espao Vetorial

Seja V um conjunto no-vazio munido com duas operaes: adio, que denotamos por + e
multiplicao por um escalar, que denotaremos por , isto :
e

u + (v + w) = (u + v) + w

,
onde representa o conjunto dos nmeros
complexos.
2. Daqui por diante, salvo referncia expressa em
contrrio, sero considerados somente espa-

.
9

UEA Licenciatura em Matemtica

u + (u) =

os vetoriais reais. Assim, quando dissermos

que V um espao vetorial, deve ficar bem
claro que V um espao vetorial sobre o conjunto IR dos nmeros reais.

v) ( + ).u = .u + .u
vi) .(u + v) = .u + .v
vii) (.).u = (.u)

Vamos agora, como exemplo, mostrar que o

conjunto

viii) 1IR tal que 1.u = u

i) u + (v + w) = (u + v) + w

u + (v + w) = (uij)mxn + ((vij)mxn + (wij)mxn) =

Munidos das operaes adio de matrizes e
produto de um escalar por uma matriz respectivamente definidos por:

= (uij)mxn + (vij + wij)mxn = (uij + (vij + wij))mxn

(u + v) + w = ((uij)mxn +(vij)mxn) + (wij)mxn =
= (uij+vij)mxn + (wij)mxn = ((uij + vij) + wij)mxn =

+:Mm x n(IR) x Mm x n(IR) Mm x n(IR)

onde uij + (vij + wij) = (uij + vij) + wij

uij, vij, wij IR

(A,B) A + B
: IR x Mm x n(IR) Mm x n(IR)

portanto

(,B) .B

u+(v +w) = (u + v) + w u, v, wMm x n(IR)

Sendo A = (aij)m x n, B = (bij)m x n Mm x n(IR) e

IR temos que:

ii) u + v = v + u
u + v = (uij)m x n + (vij)m x n = (uij + vij)m x n

i) A + B = C = (cij)m x n, onde cij = aij + bij para

todo 1 i m e 1 j n com m,n *.

v + u = (vij)m x n + (uij)m x n = (vij + uij)m x n

ii) .B = C = (cij)m x n, onde cij= bij para todo

1 i m e 1 j n com m,n *.

onde

Exemplo 1

portanto

Mostre que o conjunto Mm x n(IR) definido acima, com as operaes de adio de matrizes
e produto de um escalar por uma matriz, um
espao vetorial real.

u+v=v+u

uij + vij = vij + uij

uij, vij IR

iii) V tal que u + = u ( chamado de

vetor nulo)
Seja = (ij)m x n Mm x n(IR) tal que ij = 01
i m e 1 j n, esta matriz denominada de matriz nula .Sendo assim temos:

Soluo:
Como foi definido acima, para todo par de matrizes A = (aij)m x n, B = (bij)m x n Mm x n(IR) e
IR temos que:

u + = (uij)m x n + (ij)m x n = (uij + ij)m x n

Sendo ij = 01 i m e 1 j n, temos
que uij + ij = uij. De onde conclumos que
u + = u uMm x n(IR)

i) A + B = C = (cij)m x n, onde cij = aij + bij para

todo 1 j m e 1 j n com m,n *.
ii) .B = C = (cij)m x n, onde cij = bij para todo
1 i m e 1 j n com m,n *.

iv) para cada uMm x n(IR) existe uMm x n(IR),

tal que u + (u) =

Basta mostrar que a terna (Mmxn(IR), +, )

satifaz as seguintes propriedades, para todos u = (uij)m x n, v = (vij)m x n,
w = (wij)m x n Mm x n (IR) e , IR.

Dada a matriz u = (uij)m x nV, podemos

definir a matriz 1.u = uMm x n(IR) pondo
u = (uij)m x n.
Dessa forma, temos:

i) u + (v + w) = (u + v) + w

u + (u) = (uij)m x n + (uij)m x n =

ii) u + v = v + u

= (uij + (uij))m x n =

iii) V tal que u + = u ( chamado de

vetor nulo).

Pois uij + (uij) = 0 1 i m e 1 j m

iv) para cada u V existe u V tal que

v) ( + ).u = .u + .u
10

lgebra Linear II Espao e Subespao Vetorial

( + ).u = ( + ).(uij)m x n = (( + ).uij)m x n

i) u + (v + w) = (u + v) + w

.u + .u = (uij)m x n + (uij)m x n =(uij)m x n +

ii) u + v = v + u

+ (uij)m x n =(uij + uij)m x n

iii) F tal que u + = u ( chamado de

vetor nulo)

onde

iv) para cada uF existe uF tal que u+(u) =

( + ).uij = uij + uij 1 i m e 1 j n

v) ( + ).u = .u + .u

portanto ( + ).u = . u + . u

vi) .(u + v) = .u + .v

vi) .(u + v) = .u + .v

vii) ( . ).u = .(.u)

.(u+v) = .((uij )m x n + (vij )m x n) = .(uij +vij)m x n

viii) 1IR tal que 1. u = u

.(u+v) = .(uij + vij)m x n = (.(uij +vij))m x n

i) u + (v + w) = (u + v) + w

.u + .v = .(uij)m x n + .(vij)m x n =

Aplicando u + (v + w) em x IR temos que:

= (uij )m x n +(vij)m x n = (uij + vij)m x n

(u + (v + w))(x) = u(x) + (v + w)(x)=

onde (uij + vij) = uij + vij 1 i m e

1 j n

= u(x)+(v(x) + w(x)) = (u(x) + v(x)) +w(x) =

= (u + v)(x) + w(x) = ((u + v) + w)(x)

portanto (u + v) = .u + .v.

sendo

vii) (.).u = (.u)

(.).u = (.).(uij)m x n = ((.).uij)m x n =

(u + (v + w))(x) = ((u + v) + w)(x) xIR

= (.(.uij))m x n = .(.uij)m x n =

temos que vlida a propriedade

u + (v + w) = (u + v) + w u, v, wF

= .(.(uij)m x n) = .(.u)

ii) u + v = v + u

viii) 1IR tal que 1 . u = u

Aplicando u + v em x IR, temos que:

1.u = 1.(uij)m x n = (1.uij)m x n = (uij)m x n = u

(u+v)(x)= u(x) + v(x) = v(x)+u(x) = (v+u)(x)

Sendo
(u + v)(x) = (v + u)(x) x , temos

Exemplo 2
Mostre que o conjunto de todas as funes
F = F(IR, IR) = {f : IRIR, funes reais},
com as operaes de adio de funes e
produto de um escalar por uma funo definidas abaixo, um espao vetorial real.

u + v = v + u u, vF.
iii) F tal que u + = u ( chamado de
vetor nulo)
Tome F como sendo a aplicao nula , ou
seja : IR IR; (x) = 0 xIR . Logo, para
toda funo u F tem-se

+: F x F F
(f, g) f + g : IR IR
x (f + g)(x) = f(x) + g(x)

(u + )(x) = u(x) + (x) = u(x) + 0 = u(x)

xIR, sendo assim temos que u + = u.

xIR
e
: IR x F F

iv) para cada u F existe u F tal que

u + (u) =

(,g) .g : IR IR

Para

cada

vamos

definir

x (.g)(x) .=..g(x)

xIR

. Destas forma temos que:

Soluo:

(u+(u))(x) = u(x) + (u)(x)= u(x)+(u(x)) = 0

xIR

De fato, vamos mostrar que a terna (F, +, )

satifaz as seguintes propriedades a seguir
para todos u,v,wF e , IR.

Logo u + (u) = para cada u F.

11

UEA Licenciatura em Matemtica

v) ( + ).u = .u + .u

Suponha que exista um outro vetor neutro,

~
~
digamos V tal que u + = u uV.
Dessa forma, temos que:

Aplicando ( + ).u em xIR temos que:

((+).u)(x)= ( + )u(x) = u(x) + u(x) =

+ = e + = =

= (u)(x) + (u)(x) = (u + u)(x) xIR

ii) Para cada u V, existe apenas um e nico

simtrico u V, tal que u + (u)= .

Sendo assim
( + ).u = .u + .u ,IR e uF.

Demonstrao:

vi) .(u + v) = .u + .v

Suponha que para este uV, exista um outro simtrico, digamos bV tal que u + b =
. Sendo assim, temos:

Aplicando .(u+v) em x IR temos que:

(.(u+v))(x)=.(u(x)+v(x))=.u(x)+.v(x)=

u = u + = u + (u + b) = (u + u) + b
=+b=b

= (.u)(x) + (v)(x) = (.u + x)(x) xIR

Sendo assim (u + v) = .u + .v IR
e u,vF.

iii) Se u + v = u + w v = w u, v, w V

vii) (.).u = (.u)

Demonstrao:

Aplicando (.).u em xIR temos que:

Por hiptese, u + v = u + w, como u V

temos que existe u V tal que u + (u) = .
Logo,

((.).u)(x) = (.).u(x) = .(u(x)) =

= .(u)(x) = (.(u)(x) xIR

u + (u + v) = u + (u + w)

Sendo assim (.).u = .(.u) , IR e

uF.

(u + u) + v (u + u) + w
+v=+w v=w

viii) 1IR tal que 1 . u = u

De fato tome u F, logo teremos que 1. u aplicado em x IR ser (1.u)(x) = 1.u(x) = u(x)
Exemplo 3
O conjunto IR3 = {(x, y, z); x,y,z IR} um
espao vetorial com as operaes de adio e
multiplicao por um escalar assim definida:

1. Sendo V um espao vetorial, mostre que

(u) = u u V.

u, vIR3 e IR temos que u + vIR3 e

uIR3. Sendo u = (u1, u2, u3) e v = (v1, v2, v3)

2. Sendo V um espao vetorial, mostre que

0 . u = u V.

conhecidos, temos que:

u + v = (u1, u2, u3) + (v1, v2, v3) =
= (u1, v1, u2 + v2, u3 + v3)

3. Sendo V um espao vetorial, mostre que

. = IR.

e u = (u1, u2, u3) = (u1, u2, u3)

Vamos deixar a verificao para o leitor como
exerccio.

4. Sendo V um espao vetorial, mostre que

.u = = ou u = .

1.3 Propriedades dos Espaos Vetoriais

5. Para todo uV temos (1)u = u.

Como conseqncia da definio de espao

vetorial V, decorrem as seguintes propriedades:

Demonstrao:

6. Verifique se o IR3, munido das operaes adio (a,b,c) + (x,y,z) = (a + x, b + y, c + z) e

mutiplicao por um escalar (x,y,z) = (0,0,0),
(a,b,c), (x,y,z) IR3 e IR um espao
vetorial real.

Temos que V tal que u + = u. Vamos

mostrar que tal vetor nico.

7. Verifique se o IR2, munido das operaes

i) O vetor nulo (elemento neutro da adio)

em V nico .

12

lgebra Linear II Espao e Subespao Vetorial

adio (a,b) + (x,y) = (a x, b +y) e mutiplicao por um escalar (x,y) = (x,y), (a,b),
(x,y) IR2 e IR um espao vetorial real.

TEMA 02
SUBESPAOS VETORIAIS

8. Verifique se o conjunto M2 x 2(IR) das matrizes

de ordem 2, munido das operaes adio

2.1 Subespao vetorial

Definio Seja V um espao vetorial, e S um
subconjunto no vazio de V. Diremos que S
um subespao vetorial de V se forem satisfeitas as seguintes condies:

e mutiplicao

por um escalar

i) u, vS tem-se u + vS.
ii) uS e IR tem-se uS.

e IR um espa-

Exemplo 1
Seja V = IR2 e S = {(x,2x); xIR} IR2 uma reta
que passa pela origem dos espaos. Mostre
que S um subespao vetorial de IR2.

o vetorial real.

Soluo:
Vamos verificar as condies (i) e (ii) da
definio de subespao vetorial.
i) u, vS tem-se u + vS.
ii) uS e IR tem-se uS.
i) Se u = (a, 2a) e v = (b,2b), temos que:
u+v = (a,2a) + (b,2b) = (a + b, 2a + 2b) =
= (a + b, 2(a + b))S
ii) Se u = (a, 2a) e IR, temos que:

u = (a, 2a) = (a, (2a)) = (a,(.2)a) =

= (a,(2.)a) = (a, 2(a))S
Sendo satisfeitas as condies (i) e (ii), temos
que o conjunto S um subespao vetorial do
espao vetorial IR2.
Esse subespao vetorial representa geometricamente uma reta que passa pela origem .

Exemplo 2
Mostre que o conjunto S = {(t, t + 1);
tIR}IR2 no um subespao de IR2.
13

UEA Licenciatura em Matemtica

vetor nulo do IR3. Sendo assim, suponha que o

vetor nulo pertena a S, logo teramos:

Soluo:
Basta mostrar que uma das condies dadas
na definio no satisfeita.
Por exemplo:

O que gera um absurdo, pois a2 + 1 0 aIR.

Donde conclumos que osubconjunto S = {(a2
+ 1,b,0); a,bIR}, no pode ser um subespao vetorial do espao vetorial IR3.

i) u,vS tem-se u + vS.

Sendo u = (a, a +1) e v = (b,b + 1), temos
que
u + v = (a, a + 1) + (b, b + 1) =

Exemplo 5

= (a + b, (a + b) + 2)S

Seja V = IR4 um espao vetorial, e SV, dada

por S = {(a,b,c,d)IR4; a = b + d e c = 0}.

Logo, S no um subespao vetorial de IR .

Mostre que tal conjunto, munido das operaes de adio e produto por um escalar definidas

Geometricamente, temos:

em V, subespao vetorial .

Soluo:
Observe que podemos reescrever o subconjunto S, como sendo
S = {(b + d,b,0,d);b,dIR}
Vamos verificar as condies (i) e (ii) da definio de subespao vetorial.
i) u = (b1+d1,b1,0,d1), v = (b2+d2, b2, 0, d2)S
temos que:
Exemplo 3

u + v = (b1+d1,b1,0,d1) + (b2+d2, b2, 0, d2)

Seja S um subespao vetorial do espao vetorial V. Sendo o vetor nulo de V, ento S.

u + v = (b1+d1) + (b2 + d2), b1+ b2, 0, d1+d2)

u + v = ((b1+b2)+(d1+d2),b1+b2,0, d1+d2)S

Soluo:

ii) u = (b+d, b, 0, d1)S e IR, temos que:

u = (b+d, b, 0, d) = ((b + d), b, 0, d) =

Sendo S subespao vetorial de V, vamos fazer

uso da condio (ii) da definio de subespao, que nos diz que uS e IR tem-se
uS.

= (b + d, b, 0, d)S
Portanto S um subespao vetorial de IR4.

Fazendo = , teremos 0.u = S.

O exemplo 2 diz-nos que, se o subconjunto S
no possui o vetor nulo do espao vetorial, ento tal subconjunto no pode ser um subespao vetorial.

Exemplo 6
Seja V = Mnxn(IR) o espao vetorial das matrizes quadradas de ordem n, e seja BMnxn(IR)
fixa. Mostre que o subconjunto
S={AMnxn(IR); A.B = 0} das matrizes que ao
multiplicar esquerda de B um subespao
vetorial.

Exemplo 4

Soluo:

Verifique se o subconjunto

Vamos verificar as condies (i) e (ii) da definio de subespao vetorial, as quais so:

Observao:

S = {(a2 + 1, b, 0); a, bIR} um subespao

vetorial do espao vetorial V = IR3.

i) u, vS tem-se u + vS.

Soluo:

ii) uS e IR tem-se uS.

Uma condio necessria para que tal subconjunto seja um subespao que ele possua o

i) A1, A2 S temos que A1 . B = 0 e A2 . B =

0, dessa forma temos:
14

lgebra Linear II Espao e Subespao Vetorial

(A1 + A2)B = A1.B + A2.B = 0 + 0 = 0

2. Seja V = Mn x n(IR) o espao vetorial das matrizes quadradas de ordem n, e seja
S = {AMnxn(IR); At = A} um subconjunto de V.
Mostre que S um subespao vetorial de V.

A1 + A2S
ii) AS e S tem-se que AS
De fato, AS temos que A.B = 0. Sendo
assim, S e AS tem-se que AS, j
que (A).B = (A.B) = .0 = 0.
Portanto S um subespao vetorial de
Mnxn(IR).

3. Seja V = Mn x n(IR) o espao vetorial das matrizes quadradas de ordem n, e seja

S = {AMnxn(IR); At = A} um subconjunto de
V. Mostre que S um subespao vetorial de V.

Exemplo 7

um subconjunto de

4. Seja V = IR3 um espao vetorial munido com

um produto interno, e seja wIR3 fixo. Mostre
que o subconjunto S = {uIR3; uw = 0} um
subespao vetorial de IR3.

M2x2(IR). Mostre que tal subconjunto um subespao vetorial.

5. Sejam S,W subespaos vetoriais do espao

vetorial V e um valor real fixo. Mostre que:

Seja V = M2x2(IR) o espao vetorial das

matrizes de ordem 2 e

Soluo:

a) SW = {u; uS e uW}

Vamos verificar as condies (i) e (ii) da definio de subespao vetorial, as quais so:

b) S + W = {u = s + w; sS e wW}

i) u, vS tem-se u + vS.

so subespaos vetoriais do espao vetorial V.

c) S = {s; sS}

ii) uS e IR tem-se uS.

i) Se

6. Sejam V = M1x3(IR) e S o conjunto soluo do

sistema linear homogneo a trs variveis definido abaixo. Dessa forma, mostre que S um
subespao vetorial de M1x3(IR).

elementos

quaisquer de S, podemos concluir que:

7. Sejam

pao vetorial das funes polinomiais de grau

n, com aiIR i = 1,2,...,n e S um subconjunto das funes pares de V definido por S =
{fV; f(x) = f(x) xIR}. Mostre que S um
subespao vetorial .

S e IR, dessa forma

ii) Seja

o es-

termos
Portanto S um subespao vetorial de
M2X2(IR).

8. Sejam

o es-

pao vetorial das funes polinomiais de grau

n, com aiIR i = 1,2,...,n e S um subconjunto das funes mpares de V definido por

S = {fV; f(x) = f(x) xIR} . Mostre que S
um subespao vetorial .
1. Mostre que os subconjuntos do espao vetorial IR3 so subespaos vetoriais.
a) S = {(x,y,z)IR3 ; x + y = z}

2.3 Interseo e soma de subespaos vetoriais

b) S = {(x,y,z)IR ; x y + z = 0}

2.3.1 Teorema da interseo de subespaos

c) S = {(x,y,z)IR ; x = 0}
3

Seja S a interseo dos n subespaos vetoriais

15

(x,x2,x3,x4)S1 e (x,x2,x3,x4)S2

S1,S2,S3,...,Sn do espao vetorial V, ou seja,

x1 = 0 e x4 = 0

. Sendo assim, temos que S um

De onde conclumos que interseo de S1 com

S2, dada por

subespao vetorial de V.
Demonstrao:

S1 S2 ={(0,x2,x3,0); x2,x3IR}.

i) Se u,v so elementos quaisquer de S, ento

u, vSk k = 1,2,3,...,n. Logo teramos que
u + v Sk k, emplicando que
.
Satisfaz-se, assim, a primeira condio.

1. Sejam S = {(a,b,c,d); a + b = 0 e c d = 0} e
W = {(a,b,c,d); a b c + d = 0} subespaos
vetoriais do espao vetorial IR4; determine
SW.

ii) Para qualquer IR: se u elemento quaisquer de S, ento uSk k = 1,2,3,...,n.

Logo teramos que uSk k, emplicando
que

2. Sendo

Satisfaz-se, assim, a segunda condio.

Sendo assim, temos que

subespa-

um

subespao vetorial do espao vetorial V.

os vetoriais do espao vetorial das matrizes

M2x2(IR), determine SW.

Exemplo 8
V = IR3 e S1 S2 a reta de interseo dos
planos S1 e S2, onde S1 e S2 so subespao
vetoriais do IR3.

2.5 Teorema da soma de subespaos

A soma dos n subespaos vetoriais S1, S2,
S3,...,Sn do espao vetorial V um subespao
vetorial do espao vetorial V. Seja,
onde skSk. Temos que S um subespao vetorial de V.
Demonstrao:
Seja

onde skSk

para cada k = 1,2,3,...,n.

Se u e v so elementos quaisquer de S, onde
, ukSk e
Exemplo 9

, vkSk

k = 1,2,...n. Dessa forma, temos:

Seja o espao vetorial IR4e os subespaos S1

= {(x,y,z,0); x,y,zIR} e
S2 = {(0,b,c,d); b,c,d IR}. Determine a interseo de S1 com S2.
Soluo:

Se uk,vkSk, temos que uk + vkSk, pois, por

hiptese, Sk subespao vetorial k = 1,2,...n.

Seja (x,x2,x3,x4)S1 S2 qualquer. Dessa forma,

teramos:

Satisfaz-se, assim, a condio (i) da definio

de subespao vetorial.
16

lgebra Linear II Espao e Subespao Vetorial

Para qualquer IR e para todo

com

uSk k = 1,2,3,...,n, temos:

.
Satisfaz-se, assim, a condio (ii) da definio
de subespao veetorial.

Mostre que S1 + S2 = M2x2(IR)

Exemplo 10

Soluo:
Temos que S1 + S2 = {u + v | uS1 e vS2}.
Logo

Sejam w1 e w2 dois subespaos do espao vetorial IR3, sendo W1 e W2 duas retas concorrentes. Esboe, geometricamente, a soma de
W1 com W2.
Soluo:
Sabemos, da geometria espacial, que duas retas concorrentes determinam um nico plano,
e esde plano pode ser determinado fazendo
uso da lgebra Linear da seguinte forma:
Os vetores diretores das retas so linearmente
independentes, pois as retas so, por hiptese, concorrentes. Dessa forma, podemos determinar o vetor normal a esse plano fazendo
uso do produto vetorial entre os vetores diretores da retas, determinando, assim, a equao normal do plano que passa pela origem.

1. Sejam S = {(a,b,c,d); a + b = 0 e c d = 0} e
W = {(a,b,c,d); a b c + d = 0}
subesapaos vetoriais do espao vetorial IR4;
determine S + W.

Sendo assim, temos que a soma dos dois subespaos um plano que passa pela origem e
que contm as retas.

2. Sendo

Geometricamente, temos:
e

subes-

paos vetoriais do espao vetorial das matrizes

M2x2(IR), determine S + W.
3. Sejam

espao vetorial das funes polinomiais de grau

n, munido das operaes usuais de adio e
produto por um escalar, S e W definidos abaixo
so subespaos vetoriais de F(IR, IR).
S = {fV; f(x) = f(x) xIR}
W = {fV; f(x) = f(x) xIR}

Exemplo 11

Mostre que F(IR,IR) = S + W, ou seja, toda

funo f de F(IR, IR) pode ser escrita como a
soma de uma funo gS com uma funo
hW, isto , f = g + h.

Sejam S1 e S2 subespaos vetoriais do espao

vetorial das matrizis reais de dimenso 2, definidas por:
17

UEA Licenciatura em Matemtica

2.7 Soma direta de dois ou mais subespaos

vetoriais.

Exemplo 13 (Teorema)
Se V a soma direta dos subespaos vetoriais
V1 e V2, mostre que todo elemento de V se
escreve de modo nico como a soma de um
elemento de V1 com um elemento de V2.

2.7.1 Definio de soma direta.

Sejam U,W subespaoes de um espao vetorial V. Diremos que o espao vetorial V a soma
direta dos subespao U,W, a qual ser representada por, V = U W se as seguintes condioes forem satisfeitas:
i)

Soluo:
Temos, por hiptese, que V=V1V2;
logo, para todo vV existem v1V1 e v2V2, tais
que v = v1+v2.

U W = {}, onde o vetor nulo de V.

ii) V = U + W, ou seja, para todo vV temos

que v = u + w onde uU e wW.

Suponha, ento, que pudessem existir a e b

vetores tais que v = a + b, com aV1 e bV2.
Dessa forma, teramos v1 + v2 = a + b, implicando que v1 a = v2 b.

Exemplo 12
Se S1 = {(x,0); xIR} e

Sendo V1 V2 = {(0)} e v1 a = b v2, temos

que v1 a = e b v2 = , implicando v1 = a
e b = v2, pois v1 aV1 V2 = {(0)} e
b v2V1 V2 = {(0)}.

S2 = {(0,y); yIR} so subespaos vetoriais de

IR2, ento IR2 = S1 S2.
Soluo:
Diremos que igualdade dada IR2 = S1S2 verdadeira se as seguintes condioes forem satisfeitas:
i) S1 S2 = {(0,0)}.
ii) IR2 = S1 + S2, ou seja, para todo vV, temos
que v = u + w onde uS1 e wS2.

1. Sejam

i) Tome s = (a,b)S1 S2 qualquer. Logo

o espao vetorial das funes polinomiais

grau n, munido das operaes usuais
adio e produto por um escalar, S e
definidos abaixo so subespaos vetoriais
F(IR, IR).

(a,b)S2 b = 0 e (a,b)S1 a = 0.
Sendo assim, s(a,b)S1 S2 tem-se que
s = (0,0), logo S1 S2 = {(0,0)}.
Satisfaz-se, dessa forma, a condio (i).

de
de
W
de

S = {fV; f(x) = f(x) xIR}

ii) v = (x,y)IR2 temos que v = (x, y) =

= (x,0) + (0,y) = u + w, onde u = (x,0)S1
e w = (0,y)S2.

W = {fV; f(x) = f(x) xIR}

Mostre que F(IR, IR) = S W.

Dessa forma, temos que IR2 = S1 + S2, satisfazendo, assim, a condio (ii).

2. Sejam S1 e S2 subespaos vetoriais do espao

vetorial das matrizis reais de dimenso 2,

Sendo satisfeias as condies (i) e (ii),

temos que IR2 = S1 S2.

definidas por

Geometricamente, temos que:

.
Mostre que M2x2(IR) = S1 S2.

3. Sejam S = {(a,b,c,d); a + b = 0} e
W = {(a,b,c,d)}; c 2d = 0} subespaos veto-

18

lgebra Linear II Espao e Subespao Vetorial

riais do espao vetorial IR4. Verifique se

W = 4.

4. Sendo
e

subespa-os vetoriais do espao vetorial das

matrizes M2x2(IR). Verifique se S W = M2x2( ).
5. Sejam S ={(0,y,z); z,y } e S = {(x,0,0); x }
dois subconjunto do 3. Mostre que S e S so
subespaos vetoriais. Verifique ainda que
S S = 3.
6. Sejam f : V W uma funo entre os espaos
vetoriais reais V e W, tal que f(x + y) = f(x) + f(y)
e f(x) = f(x) x, yV e . Sendo f uma
funo bijetiva, S1 e S2 subespaos vetoriais de
V com S1 S2 = V, verifique se f(S1) f(S2) = W.

19

UNIDADE II
Combinao Linear, Vetores LI e LD.
Base de um Espao vetoriaL

lgebra Linear II Combinao Linear, Vetores LI e LD. Base de um Espao Vetorial

TEMA 03
COMBINAO LINEAR
3.1 Definio de combinao linear
Sejam v1,v2,...,vn vetores do espao vetorial V
e 1,2,...,n escalares reais ou complexos.
Qualquer vetor vV da forma

Exemplo 3: Seja

uma combinao linear dos vetores v1,v2,...,vn.

o espao ve-

Exemplo 1: Sendo v1 = (1,0,1), v2 = (1,1,0),

v3 = (0,0,1) vetores do espao vetorial IR3.
Mostre que o vetor v = (2, 1, 1) de IR3, pode
ser escrito como combinao linear dos vetores v1, v2 e v3.

torial das funes polinomiais de grau n, com

ai IR i = 1,2,...,n.
Se f, g, h e p so funes de V definidas por
f(x) = 1, g(x) = 2 x, h(x) = x + x2 e
p(x) = 2x2 + 3x 6. Verifique se p pode ser
escrito como combinao linear dos vetores f,
g e h.

Soluo:
Para verificar se o vetor v = (2, 1,1) IR3
pode ser escrito como combinao linear dos
vetores v1, v2 e v3, temos que encontrar
escalares reais 1, 2, 3 tais que

Soluo:
Para verificar que o vetor p pode ser escrito
como combinao linear dos vetores f, g e h,
temos que encontrar escalares a, b e c reais
tais que p = af + bg + ch.

(2,1,1) = 1(1,0,1) + 2(1,1,0) + 3(0,0,1)

(2,1,1) = (1 +2, 2, 1 + 3)

Como p e af + bg + ch possuem mesmo

domnio e mesmo contra-domnio, verificar que
p(x) = af(x) + bg(x) + ch(x) xIR
2x2 + 3x 6 = a.1 + b(2 x) + c(x + x2)

Exemplo 2: Sendo

2x2 + 3x 6 = a + 2b bx + cx + cx2
6 + 3x + 2x2 = (a + 2b) + (b + c)x + cx2

e
Verifique se

vetores do espao vetorial M2x2(IR).

o vetor

,
3.2 Subespao Vetorial Gerado

pode ser escrito como combinao linear dos

vetores v1, v2 e v3.

Fixado v1,v2,...,vn vetores do espao vetorial V.

Seja W o conjunto de todas os vetores de V tais
que esses vetores se escrevem com combinao linear dos vetores v1,v2,...,vn.

Soluo:
Para verificar se o vetor

Vamos denotar tal conjunto por W = [v1,v2,...,vn]

ou W = G(A) onde A = {v1,v2,...,vn} ou

pode ser escrito como combinao linear dos

vetores v1,v2 e v3, temos que encontrar escalares
reais a, b e c tais que v = av1 + bv2 + cv3.

.
Mostraremos que tal conjunto um subespao
vetorial de V.
23

UEA Licenciatura em Matemtica

De fato se :
e

Exemplo 6: Seja V = 3, u,v wV e

u v + w , IR. Desta forma, temos
que [u,v,w] = {X = u + v + w|, , IR}
o prprio IR3.

so elementos de W

quaisquer podemos ter

Sendo u + vW e uW u,vW e , temos que W um subespao espao vetorial de V.

Exemplo 7: Determine o subespao gerado

pelos vetores u = (1,0) e v = (0,2) pertencente ao 2.

Exemplo 4: Seja V = 3, vV e v . Desta

forma , temos que [v] = {x = v| } uma
equao da reta que passa pela origem.

Soluo:
Temos que o subespao gerado pelos vetores
u = (1,0) e v = (0,2) dado por:
[u,v] = {w

|w = au + bv, onde a e bIR}.

Sendo temos que:

w = au + bv = a(1,0) + b(0,2) = (a,2b), de
onde concluimos que todo vetor de 2 pode
ser escrito como combinao linear dos vetores u e v. Sendo assim temos que [u,v] = 2.
Exemplo 5: Seja V = IR3, u, vV e u v
IR. Desta forma , temos que [u,v] = {X =
u + v | , IR} uma equao de um
plano que passa pela origem.

Exemplo 8: Sejam u = (1,0,1) e v = (0,1,1)

3
.Determine o
vetores do espao vetorial
subespao gerado pelos vetores u e v.
Soluo:
Observe que u v , e fazendo uso
do exemplo 2 temos que [u,v] = {X = u + v
| , IR} a equao de um plano.
Sendo X = (x,y,z)[u,v] temos que:
(x,y,z) = (1,0,1) + (0,1,1)
(x,y,z) = (,0,) + (0,,) = (, , + )
x = , y = , z = + z = x y x y z = 0
[u,v] = {(x,y,z)IR3|x y z = 0}
Exemplo 9: Mostre que o conjunto A = {u,v,w}
gera o 3, sendo u = (1,1,0), v = (0,1,1) e
w = (2,0,1).
Soluo:
24

lgebra Linear II Combinao Linear, Vetores LI e LD. Base de um Espao Vetorial

3
Dizer que o
gerado pelo conjunto A,
seguinifica que todo vetor z = (x,y,z) de 3 se
escrevem como combinao linear dos vetores
u = (1,1,0), v = (0,1,1) e w = (2,0,1), isto ,
existem escalares a,b,c tais que z = au +
bv + cw.

subconjunto AM2x2(
G(A).

) tal que M2x2(

) =

De fato , para toda matriz AM2x2(

) com

tem-se:

(x,y,z) = a(1,1,0) + b(0,1,1) + c(2,0,1)

,

(x,y,z) = (a,a,0) + (0,b,b) + (2c,0,c)

logo tomando

(x,y,z) = (a + 2c, a b, b c)

teremos
que M2x2(

) = G(A).

Tomando a equao (i) temos que a + 2c = x

a = x 2c(iv).
Substituindo a equao (iv) em (ii) temos:
x 2c b = y b 2c = y x

1. Sejam V = M2x3 (

)e

e
.
Determine G(A).

.
Substituindo

o valor

de c em

2. Seja V = 3 um espao vetorial. Verifique se o

vetor (3,4,1)[(1,2,0),(0,1,1),(1,3,0),(0,0,1)].

(i), temos

. Desta forma podemos escre-

3. Verifique se o conjunto A = {u,v,w} gera o

3
, sendo u = (1,2,0), v = (0,1,1).

ver qualquer (x,y,z) de 3 como combinao

linear dos vetores u = (1,1,0), v = (0,1,1) e
w = (2,0,1).

4. Mostre que o
mente gerado.

Observao: Sendo V um espao vetorial e

A = {v1,v2,v3,v4,...,vn} um subconjunto finito de
V. Diremos que V um espao vetorial finitamente gerado se, e somente se, V = G(A), isto
, o espao vetorial V gerado pelo subconjunto A.

a) Verifique se um dos vetores, digamos

(1,1,2) a combinao linear dos demais
vetores.
b) Verifique se o subconjunto W gera o

c) Encontre um subconjunto A em W, tal que

3
= G(A).

Soluo:
3

um espao vetorial finita-

5. Seja W um subconjunto de 3 definido por

w = {(1,0,0),(0,0,1),(1,0,1),(0,2,0),(1,1,2)}.

Exemplo 10: Temos que o 3 um espao

vetorial finitamente gerado, pois existe um subconjunto A 3 tal que G(A) = 3.
De fato , para todo (x,y,z)

tem-se que:

(x,y,z) = x(1,0,0) + y(0,1,0) + z(0,0,1)}, logo

tomando A = {(1,0,0),(0,1,0),(0,0,1)} temos
que G(A) = 3.
Exemplo 11: Temos que o espao vetorial
M2x2( 3) finitamente gerado, pois existe um
25

UEA Licenciatura em Matemtica

Faa
(x,y,z) = a(1,0,1) + b(0,0,1) + c(0,1,0)

TEMA 04

(x,y,z) = (a,0,a) + (0,0,b) + (0,c,0)

INDEPENDNCIA E DEPENDNCIA LINEAR

DE VETORES.

(x,y,z) = (a, c, a + b)

4.1 Definio
Seja V um espao vetorial e A = {v1,v2,v3,v4,...,vn}
um subconjunto de V. Diremos que o conjunto
A Linearmente Independente (L.I) se a equao

Sendo assim concluimos que o conjunto A

gera IR3

admite apenas a solouo tri-

vial, ou seja, ak = 0 k = 1,2,3,...,n. Caso

exista algum ak 0 na soluo da equao

Exemplo 3: Sejam M2 x 2(IR) o espao vetorial

das matrizes reais de ordem 2 e
um sub-

, diremos que tal conjunto linear-

conjunto de M2 x 2(IR). Verifique se A L.I.

Verifique ainda se A gera M2 x 2(IR) = G(A).

mente dependente (L.D).

Exemplo 1: Mostre que o conjunto A {(1,1,0),
(0,1,1)} IR3 linearmente independente.

Soluo:
Sabemos que o conjunto A L.I se, se
somente se, a equao abaixo admite apenas
a soluo trivial, ou seja a = b = c = d = 0.

Soluo:
Basta mostrar que a equao a(1,1,0) +
b(0,1,1) = (0,0,0) com a,bIR adimite soluo
trivial, ou seja, a = b = 0.
a(1,1,0) + b(0,1,1) = (0,0,0) (a, a + b, b) =
(0,0,0) a = b = 0

Sendo assim, temos:

Exemplo 2: Verifique se o subconjunto A IR3

dado por A = {(1,0,1),(0,0,1),(0,1,0)} L.I, e
se o mesmo gera o IR3.
Soluo:
Vamos verificar em primeiro lugar se A L.I.
Sabemos que um subconjunto A IR3 L.I
se, e somente se, a equao a(1,0,1) +
b(0,0,1) + c(0,1,0) = (0,0,0) admite apenas a
soluo trivial, ou seja a = b = c = 0.
Sendo (a,0,a) + (0,0,b) + (0,c,0) = (0,0,0)
temos:

Vamos verificar se M2 x 2(IR) = G(A).

(a,c, a + b) = (0,0,0)

Tome

onde concluimos que A L.I.

Vamos agora verificar se tal conjunto gera o
IR3. Isto , todo vetor (x,y,z)IR3 se escreve como combinao linear dos vetores (1,0,1),
(0,0,1) e (0,1,0).
26

qualquer, logo:

lgebra Linear II Combinao Linear, Vetores LI e LD. Base de um Espao Vetorial

a1 + b1x + c1x2 + d1x3

a + bx + b + 2c cx2 + d + dx + x + x3) =
a1 + b1x + c1x2 + d1x3
(a + b + 2c + d) + (b + d)x cx2 + dx3 =
Onde concluimos que o conjunto A gera
M2x2(IR), isto M2x2(IR) = G(A).
Exemplo 4: Se
o
Onde concluimos que

espao das funes polinomiais reais de grau

3 e A = {f1,f2,f3,f4} um subconjunto de
(IR,IR), onde cada fi com i = 1,2,3,4 definida
por f1(x) = 1, f2(x) = x + 1, f3(x) = 2 x2 e
f4(x) = 1 + x + x3. Verifique se A L.I ou L.D.
Verifique ainda se (IR,IR) = G(A).

(IR,IR) = G(A)

Exemplo 5: Sejam M2 x 2(IR) o espao vetorial

das matrizes reais de ordem 2 e A = {X,Xt} um
subconjunto de A onde

. Mostre

que A L.I.

Soluo:

Soluo:

Seja f (IR,IR) a funo polinomial nula, ou

~
seja f(x) = 0 xIR. Sendo assim temos que
~
mostrar que af1 + bf2 + cf3 + df4 = f a = b
= c = d = 0.

De fato, basta mostra que aX + bXt =

a = b = 0, sedo a matriz nula de ordem 2.

De fato, tome:
~

(af1 + bf2 + cf3 + df4)(x) = f (x)

~

(af1)(x) + (bf2)(x) + (cf3)(x) + (df4)(x) = f (x) = 0

~

af1(x) + bf2(x) + cf3(x) + df4(x) = f (x) = 0

a.1 + b(x + 1) + c(2 x2) + d(1 + x + x3) = 0
a + bx + b + 2c cx2 + d +dx + dx3 = 0
(a + b + 2c + d) + (b + d) x cx2 + dx3 = 0

Sendo assim temos que o conjunto A L.I.

Onde concluimos que A L.I.Vamos agora

verificar se (IR,IR) = G(A), isto , se o conjunto A gera o espao vetorial (IR,IR).
1. Seja W um subconjunto de IR3 definido por

Sendo assim, tome a equao af1 + bf2 + cf3

+ df4 = f f (IR,IR) e mostre que existem
a,b,c,dIR tais que satisfazem a igualdade,
onde f dada por f(x) = a1 + b1x + c1x2 + d1x3.

W = {(1,0,0),(0,0,1),(1,1,0),(0,2,0)}.
a) Verifique se o subconjunto W L.I ou L.D.
b) Verifique se o subconjunto W gera o IR3.

(af1 + bf2 + cf3 + df4)(x) = f (x)

c) Caso o subconjunto W seja L.D, encontre

um subconjunto S de W tal que S seja L.I.

(af1)(x) + (bf2)(x) + (cf3)(x) + (df4)(x) = f(x)

af1(x) + bf2(x) + cf3(x) + df4(x) = f(x)

d) Mostre ainda que o subconjunto S de W

gera o IR3.

a . 1 + b(x + 1) + c(2 x2) + d(1 + x + x3) =

27

UEA Licenciatura em Matemtica

2. Se

temos que

espao das funes polinmiais reais de grau

3 e A = {f1,f2,f3,f4} um subconjunto de
(IR,IR), onde cada fi com i = 1,2,3,4 definida
por f1(x) = 2, f2(x) = x + 2, f3(x) = 1 + x + x2
e f4(x) = 2 + x x3. Verifique se A L.I ou L.D.

com 1 = 1 0 e,
portanto, {v1,v2,v3,...,vj 1,vj ,vj + 1,...,vn} L.D.

3. Sejam M2 x 2(IR) o espao vetorial das matrizes

reais de ordem 2 e A = {X,Xt,Y,Yt} um subcon-

Um conjunto de vetores A L.I se, e somente se

nenhum deles for a combinao linear dos outros.

junto de A onde

Uma proposio equivalente ao teorema a

seguinte:

Verifique se A L.I.
Exemplo 6: Se dois vetores u e v so colineares , ento eles so L.D, isto existe um escalar
tal que u = v.

4. Mostre que o conjunto A = {(1,1,2,0),

(0,0,2,1), (0,1,0,0),(0,0,1,0)} L.I e gera o IR4.

Exemplo 7: Dois vetores u e v coplanares e

no colineares so sempre L.I, pois no existe
um tal que u = v.

4.3 Teorema
Dado um espao vetorial V e um subconjunto
finito A de V, diremos que tal conjunto ou L.I
ou L.D.
Uma forma elegaante de se verificar se tal conjunto A L.I ou L.D, pode ser verificado fazendo uso do teorema o qual vamos enunciar
abaixo.

Exemplo 8: Trs vetores u, v e w coplanares e

no colineares so sempre L.D, pois no
existe escalares , tal que w = u + v.

Teorema: Seja V um espao vetorial e A um

subconjunto de V dada por A = {v1,v2,v3,...,vn}.
Diremos que A L.D se, e somente se, um desses vetores a combinao linear dos demais
vetores.
Demonstrao:
Sendo A linearrmente dependente, temos que
um dos coificientes da equao

diferente de zero. Suponha ento que aj seja tal

coeficiente, desta forma teremos que

Exemplo 9: Sejam M2 x 2(IR) o espao vetorial

das matrizes reais de ordem 2 e

emplicando que

um subconjunto
de M2 x 2(IR). Verifique se A L.I ou L.D.

. Onde concluimos

Soluo:
que vj uma combinao dos vetores v1,
v2,v3,...,vj 1, vj + 1,...,vn.

Afirmo que o conjunto L.D..Pois ao observar

o conjunto A que tem apenas dois elementos,
temos que um deles o mltiplo escalar do
outro. Ou seja , existe um nmero real, neste

Por outro lado , se tivermos {v1,v2,v3,...,vj 1,vj +

1,...,vn} tal que para algum j,
28

lgebra Linear II Combinao Linear, Vetores LI e LD. Base de um Espao Vetorial

caso

4.4

c) Caso o subconjunto W seja L.D, encontre

um subconjunto S de S tal que S seja L.I.

tal que

Propriedades de Dependncia
Independncia linear

d) Mostre ainda que o subconjunto S de W

gera o 3.

da

2. Mostre que o conjunto A = {u,v,w} 3,

sendo u = (1,1,0), v = (0,1,1) e w = (2,0,1)
L.I.

Seja V um espao vetorial real ( ou complexo)

1) Seja A = {u} um subconjunto de V, com u
0 ento A L.I.

3. Mostrar que se u, v e w so L.I, ento u + v, u

+ w e v w so tambm L.I.

Sendo u 0, temos que a combinao linear au = emplica que a = 0. Logo o conjunto A L.I.

4. Determine o valor de k para que o conjunto

2. Todo conjunto A V no vazio no qual A

L.D.

seja L.D.

Sendo A = {v1,v2,v3,...,vj 1, ,vj + 1,...,vn} tal

conjunto,
temos
que
a
equao
a1v1+a2v2+...+ajivji+aj+aj+ivj+i+...+anvn =

5. Determine o valor de k para que o conjunto

A = {(1,2,k),(0,3k,2),(3,4,2)} seja L.I.

verdadeira para todo

aj 0 e a1 = a2 = ... = aj i = aj + i = an = 0.

6. Seja M2x3( ) o espao vetorial das matrizes

2 x 3, verificar de {u,v,w} L.I ou L.D, sendo

Onde concluimos que o conjunto A L.D.

3. Seja B V um subconjunto no vazio,se B
contm um subconjunto L.D ento B L.D.

Seja B = {v1,v2,v3,...,vj 1, vj, vj + 1,...,vn} tal

subconjunto de V e A = {v1,v2,v3,...,vj 1} um
subconjunto de B L.D.
Sendo A = {v1,v2,v3,...,vj 1} L.D temos que a
equao a1v1 + a2v2 +...+ akvk + ... + aj 1vj
para algum ak 0 com
1 = se verifica
k = 1,2,...,j 1. E para esse mesmo ak 0
teremos a1v1 + akvk +...+ aj 1vj 1 + 0aj 0vj +
1 + 0vn = onde concluimos que B L.D.

7. Considere dois vetores u e v do plano. Mostre

que:
a) Se ad bc = 0 ento u e v so L.D.
b) Se ad bc 0 ento u e v so L.I.

4. Se um conjunto A V L.I, ento qualquer

qualquer parte prpria de A no vazia
tambm L.I.
Fica como exerccio para o leitor

1. Seja W um subconjunto de 3 dafinido por

W = {(1,0,0),(0,0,1),(1,0,1),(0,2,0),(1,1,2)}.
a) Verifique se o subconjunto W L.I ou L.D.
b) Verifique se o subconjunto W gera o

29

UEA Licenciatura em Matemtica

(a, c, a + b) = (0,0,0)
TEMA 05
BASE E DIMENSO DE UM ESPAO
VETORIAL

onde concluimos que A L.I.

5.1 Definio
Sejam V um espao vetorial real (ou complexo)
e = {v1,v2,...,vn} um subconjunto de V no
vazio. Diremos que uma base de V se:

Vamos mostrar que o conjunto A GERA O IR3.

Isto , todo vetor (x,y,z)IR3 se escreve como
combinao linear dos vetores (1,0,1), (0,0,1),
(0,1,0).

i) L.I

Faa

ii) gera V

(x,y,z) = a(1,0,1) + b(0,0,1) + c(0,1,0)

Exemplo 1: Sejam M2x2( ) o espao vetorial

das matrizes reais de ordem 2 e

(x,y,z) = (a,0,a) + (0,0,b) + (0,c,0)

(x,y,z) = (a,c, a + b)

um subconjunto de M2x2( ). Mostre que o conjunto A

uma base para M2x2( ).
Sendo assim concluimos que o conjunto A
gera IR3. Onde concluimos que A uma base
de 3.

Soluo:
Fazendo uso da resoluo do exemplo 3 (4.1
Exemplos), afirmo que tal conjunto uma
base para o espao vetorial M2x2( ).

Observases:
1. Quando um espao vetorial V admite uma
base finita, dizemos que V um espao
vetorial de dimenso finita.

Exemplo 2: Se
o

2. Seja = {v1,v2,...,vn} uma base para o espao vetorial V. Pela observao (1) temos
que V um espao vetorial de dimeno
finita, e neste caso diremos que dimV = n,
no qual a quantidade de vetores existente
na base neste espao.

espao das funes polinomiais reais de grau

3 e A = {f1,f2,f3,f4} um subconjunto de
(IR,IR), onde cada fi com i = 1,2,3,4 definida por f1(x) = 1, f2(x) = x + 1, f3(x) = 2 x2 e
f4(x) = 1 + x + x3. Mostre que o conjunto A
uma base para (IR,IR).
Soluo:
Fazendo uso da resoluo do exemplo 4 (4.1
Exemplos), afirmo que tal conjunto uma base
para o espao vetorial (IR,IR).

1. Verifique quais dos seguintes conjuntos de

vetores formam base do 2:

Exemplo 3: Mostre que o conjunto

A = {(1,0,1),(0,0,1),(0,1,0)} uma base para
o 3.

a) {(1,1),(0,1)}
b) {(1,2),(3,1)}

Soluo:
Vamos verificar em primeiro lugar que A L.I.

c)

Sabemos que o subconjunto AIR3 L.I se, e

somente se, a equao a(1,0,1) + b(0,0,1) +
c(0,1,0) = (0,0,0) admite apenas a soluo
trivial, ou seja a = b = c = 0.

2. Mostre que o conjunto

uma

Desta forma temos: (a,0,a) + (0,0,b) + (0,c,0)

= (0,0,0) temos:

base do espao vetorial M2x2( ).

30

lgebra Linear II Combinao Linear, Vetores LI e LD. Base de um Espao Vetorial

v1,v2,...,vn2 so linearmente independentes,

ento eles cumprem as condies para um
base, logo o teorema estaria demonstrado.
Agora se v1,v2,...,vn2 so linearmente dependentes, ento existe uma combinao linear
deles, com algum coeficientes no zero, dando

3. Se (IR,IR) o espao das funes polinomiais reais de grau 3 e A = {f1,f2,f3,f4} um subconjunto de

(IR,IR), onde cada fi com i =
1,2,3,4 definida por f1(x) = 1, f2(x) = 2 x,
f3(x) = 1 + x + x2 e f4(x) = x x3. Mostre que o
conjunto A uma base para (IR,IR).

o vetor nulo

4. Seja A = {(1,0,1),(0,1,1),(0,0,1),(2,1,2),(1,3,1)}
um subconjunto do 3. Determine uma base
para o 3, com os elementos do conjunto A.

Seguindo desta forma, aps uma quantidade

finitas de estgios, chegaremos a um subconjunto de {v1,v2,...,vn}, formado por r(r n)
vetores L.I vi1,vi2,...,vir que ainda geram V, ou
seja, formaremos uma base.

5. Complete o conjunto
de modo que o

5.3.2 Teorema: Seja um espao vetorial V gerado por um conjunto finito de vetores
v1,v2,...,vn. Ento, qualquer conjunto com mais
de n vetores necessariamente L.D (e, portanto, qualquer conjunto L.I).

conjunto A, venha a ser uma base para o

espao vetorial M2x2( ).

5.3 Teoremas

Demonstrao:

5.3.1 Teorema: Sejam v1,v2,...,vn vetores no nulos que geram um espao vetorial V. Ento, entre
esses vetores podemos extrair uma base de V.

Como G{(v1,v2,...,vn)} = V, pelo toreoma anterior, podemos extrair uma base para V de
v1,v2,...,vn. Seja {v1,v2,...,vr} com r n, esta
base . Consideremos agora w1,w2,...,wm, m
vetores de V, com m > n. Ento existem, cons-

Demonstrao:
Se v1,v2,...,vn so linearmente independentes,
ento eles cumprem as condies para um
base, logo o teorema estaria demonstrado.
Agora se v1,v2,...,vn so linearmente dependentes, ento existe uma combinao linear
deles, com algum coeficientes no zero, dando
o vetor nulo

tantes aij, tais que

(II).
Substituindo as relaes (I) em (II) e cocoletando os termos, obtemos

ou seja vn a combi-

nao linear dos vetores v1,v2,...,vn1 e, portanto

geram V, ou seja G({v1,v2,...,vn1}) = V. Se
v1,v2,...,vn1 so linearmente independentes,
ento eles cumprem as condies para um
base, logo o teorema estaria demonstrado.
Agora se v1,v2,...,vn1 so linearmente dependentes, ento existe uma combinao linear
deles, com algum coeficientes no zero, dando
o vetor nulo

para cada

i = 1,2,...,m. Consideremos agora uma combinao dos vetores w1,w2,...,wm dando zero

Seja, por exemplo n 0. Ento podemos

escrever

Como v1,v2,...,vr so L.I, ento

Seja, por exemplo n10. Ento podemos

escrever

Temos ento um sistema linear homogneo

com r equaes e m incgnitas x1,x2,...,xm e,
como r n < m, ele admite uma soluo no
trivial. Portanto w1,w2,...,wm so L.D.

ou seja vn1 a combi-

nao linear dos vetores v1,v2,...,vn2 e, portanto geram V, ou seja G{(v1,v2,...,vn2)} = V. Se

31

UEA Licenciatura em Matemtica

Exemplo 5: Determine os coeficientes do vetor

em relao a base
1. Se dimV = n, qualquer conjunto de n vetores
L.I formar uma base de V.

2. Dada uma base = {v1,v2,...,vn} de V, cada

vetor de V escrito de modo nico como combinao linear dos vetores v1,v2,...,vn.

Soluo:
Tome

3. Se U e W so subespaos vetoriais do espao

vetorial V que tem dimiso dimenso finita,
ento dimU dimV e dimW dimV. Alm disso
dim(U + W) = dimU + dimW dim(UW).
4. Qualquer conjunto de vetores L.I de um
espao vetorial V de dimenso finita pode ser
completado de modo a formar uma base de V.

5.5 Coordenadas de vetor

5.5.1 Definio
Sejam = {v1,v2,...,vn} base de V e vV onde
.

Chamamos

estes

nmeros

a1,a2,...,an de coeficientes de v em relao

base e denotaremos por

1. Determine
os
coeficientes
do
v = (1,1,2) 3 em relao as bases:

vetor

a) = {(1,0,0),(0,1,0),(0,0,1)}
b) = {(1,2,0),(1,1,1),(0,2,1)}
c) = {(1,0,1),(0,1,1),(0,0,1)}

Exemplo 4: Determine os coeficientes do vetor

v = (2,1,3) 3 em relao a base =
{(1,1,0),(0,1,1),(0,0,2)}.

2. Determine os coeficientes do vetor h

(IR,IR), definido por h(x) = 2 + x x2 + 3x3 em
relao as bases:

Soluo:
Faa
(2,1,3) = a(1,1,0) + b(0,1,1) + c(0,0,2)
(2,1,3) = (a,a,0) + (0,b,b) + (0,0,c)
(2,1,3) = (a, a + b, b 2c)

a) = {f1,f2,f3,f4} onde cada fi com i = 1,2,3,4

definida por f1(x) = 2, f2(x) = x + 2,
f3(x) = 1 + x +x2 e f4(x) = 2 + x x3.
b) = {f1,f2,f3,f4} onde cada fi com i = 1,2,3,4
definida por f1(x) = 1, f2(x) = x, f3(x) = x2
e f4(x) = x3.
c) = {f1,f2,f3,f4} onde cada fi com i = 1,2,3,4
definida por f1(x) = 1, f2(x) = x + 1,
f3(x) = 1 + x + x2 e f4(x) = 1 + x + x3.
32

lgebra Linear II Combinao Linear, Vetores LI e LD. Base de um Espao Vetorial

3. Sejam

{(1,0,1),(0,2,1),(0,0,1)}
bases do

Determine [v], sendo

e
3

4. Determine os coeficientes do vetor vM2x2( )

em relao a base
. Sendo

que

onde

5. Seja T :

( )uma funo definida por

3x1

a) Sendo {(1,0,0),(0,2,0),(0,0,1)} uma base

do 3, determine [(3,4,2)].
b) Verifique se = {T(1,0,0),T(0,1,0),T(0,0,1)}
uma base de 3x1( ).
c) Sendo = {T(1,0,0),T(0,1,0),T(0,0,1)}
uma base de 3x1( ), determine [T(1,2,3)].

33

UNIDADE III
Transformaes Lineares e Matriz mudana de base

lgebra Linear II Transformaes Lineares e Matriz mudana de base

Essas duas propriedades, aqui apresentadas serviro para caracterizar as transformaes lineares.

TEMA 06

6.2 Transformaes lineares

TRANSFORMAES LINEARES

6.2.1 Definio de Funo

6.1 Introduo

Sejam V e W espaos vetoriais reais(ou compleos) Diremos que T : V W uma aplicao entre os espaos vetoriais V e W, se
para todo vetor vV podemos associar de
modo nico um vetor wW.

Vamos estudar um tipo especial de aplicao

(funo), onde o domnio e o contradomnio
so espaos vetoriais sobre o mesmo corpo
(real ou complexo). Tais aplicaes satisfazendo determinadas condies, so determinadas, transformaes lineares.

Notao:

Tais funes descrevem um tipo de dependncia entre variveis. Por exemplo:

Q : V W
v | T(v)

Se de um kilograma de soja, so extrados

0,2 litros de de leo, de uma produo de qkg
de soja seriam extrados 0,2q litros de leo. A
aplicao matemtica que pode descrever tal
problema o seguinte:
Q(q) = 0,2q
onde Q simboliza a quandidade em litros de
leo e q simboliza kg a quandidade de
soja.Estes dodos podem ser representado
graficamente por:
Q:

q | Q(q) = 0,2q

.2.2 Definio de Transformao Linear

Sejam V e W espaos vetoriais reais(ou compleos). Diremos que a aplicao T : V W
uma transformao linear entre os espaos
vetoriais V e W, se as seguintes condies
abaixo so satisfeitas:

Vamos estender a aplicao Q para todo q

real, ou seja:

i)

i) T(u + v) = T(u) + T(v )

u,vV

Vamos analizar neste exemplo simples duas

propriedades importante:

ii) T(u) = T(u) uV e

Para calcular a produo de leo fornecida por

(q1 + q2)kg de soja, podemos tanto multiplicar
q1 + q2 pelo fator de rendimento 0,2, como calcular as produes de leo de cada uma das
quantidades q1 e q2 e somlos, isto ,

Exemplo 1: Seja T : V uma aplicao do

espao vetorial V em , definida por T(v) = 0
vV. Verifique que a plicao linear.
Soluo:
De fato, basta verificar que T satisfaz as
condies (i) e (ii) da definio 6.2.2

Q(q1 + q2) = 0,2(q1 + q2) = 0,2q1 + 0,2q2 =

Q(q1) + Q(q2)

i) Para todo u,vV temos que T(u) = 0 e

T(v) = 0, logo T(u + v) = 0 = 0 + 0 = T(u) + T(v).

ii) Se a quantidade de soja for multiplicada por

um fator (digamos real), a prduo de leo
ser multiplicado por este mesmo fator, isto ,

ii) Para todo uV temos que T(u) = 0, logo

T(u) = 0 = 0 = T(u) para todo .

Q(q) = 0,2(q) = (0,2q) = Q(q).

37

UEA Licenciatura em Matemtica

Exemplo 2: Mostre que a aplicao T : 2

2
definida por T(x,y) = (x,y) uma transformao linear.

e (ii) da definio 6.2.2.

Soluo: Basta verificar, se T satisfaz as

condies (i) e (ii) da definio 6.2.2.

i) T(u + v) = T(x + a, y + b, z + c)

Sejam u = (x,y,z) e v = (a,b,c) vetores quaisquer do 3 e um valor real.

T(u + v) = (0, y + z, z + c)
T(u + v) = (0,y,z) + (0,b,c)
T(u + v) = T(u) = T(v)
ii) T(u) = T(x,y,z)
T(u) = (0,y,z)
T(u) = (0,y,z)
T(u) = (0,y,z)

Para todo u = (x,y) e v = (a,b) 2 e para todo

real, temos que u + v = (x + a, y + b) e
u = (x,y).

T(u) = T(u)
Sendo satisfeitas as condies as condies (i)
e (ii) da definio 6.2.2. Temos que T linear.

Logo:
i) T(u+v) = T(x + a, y + b) = (x + a, (y + b))

Exemplo 4:
Mostre que a aplicao
T : M2x2( ) M2x2( ) definida por T(A) = A
uma transformao linear.

T(u+v) = (x + a, y b) = (x, y) + (a b)
T(u+v) = T(x, y) + T(a, b) = T(u) + T(v)

Soluo:

Satisfazendo assim a condio (i)

i) T(A + B) = (A + B) = A A = T(A) + T(B)

ii) T(u) = T(x, y) = (x, (y)) = (x, y)

ii) T(A) = (A) = (A) = T(A)

T(u) = T(x, y) = T(x,y) = T(u)

A,B M2x2( ) e

Satisfazendo assim a condio (ii)

3

Sendo satisfeitas as condies as condies (i)

e (ii) da definio 6.2.2. Temos que T linear.

Exemplo 3: Mostre que a aplicao T :

definida por T(x,y,z) = (0,y,z) uma transformao linear.

Exemplo 5: Mostre que a aplicao T : M2x2( )

M2x2( ) definida por T(A) = At uma transformao linear.

Soluo:
Geometricamente temos:

Soluo:
i) T(A + B) = (A + B)t = At + Bt = T(A) + T(B)
ii) T(A) = (A)t = At = T(A)

A,B M2x2( ) e
Sendo satisfeitas as condies as condies
(i) e (ii) da definio 6.2.2. Temos que T linear.
Exemplo 6: Mostre que a aplicao T :
M2x2( ) definida por

uma

transformao linear.
Soluo:
Sejam u(x,y,z,t) e v = (a,b,c,d) vetores quaisquer do 4 e um valor real.

Vamos verificar, se T satisfaz s condies (i)

38

lgebra Linear II Transformaes Lineares e Matriz mudana de base

seja, temos que mostrar que ,para todo x,yV

e para todo tem-se:

i) T(u + v) = T(x + a, y + b, z + c, t +d)

i) (T + S)(x + y) = (T + S)(x) + (T + S )(y)

ii) (T + S)(x) = (T + S)(x)
Demonstrao:
i) (T + S)(x + y) = T(x + y) + S(x + y)

T(u + v) = T(u) + T(v)

(T + S)(x + y) = T(x) + T(y) + S(x) +S(y)

ii) T(u) = T(x,y,z,t)

(T + S)(x + y) = T(x) + S(x) + T(y) + S(y)

(T + S)(x + y) = (T + S)(x) + (T + S)(y)
Satisfazendo a condio (i) da definio 6.2.2
ii) (T + S)(x) = T(x) + S(x)
T(u) = T(x,y,z,t)

(T + S)(x) = T(x) + S(x)

T(u) = T(u)

(T + S)(x) = (T(x) + S(x)

Sendo satisfeitas as condies as condies

(ii) e (ii) da definio 6.2.2. Temos que T linear.

(T + S)(x) = (T(x) + S(x))

(T + S)(x) = (T + S(x))

Observao: Se uma das duas condies da

definio 6.2.2. no for satisfeita diremos que a
aplicao T : V W no a uma transformao linear.

Satisfazendo a condio (ii) da definio 6.2.2

Onde concluimos que T + S uma transformao linear.
Exemplo 8: Sejam T,S : 2 2 transformaes lineares definidas por T(x,y) = (x + y,
x y) e S(x,y) = (y x, x +y). Determine a soma
de T com S.

Exemplo 7: Verifique se a aplicao T :

definida por T(x) = |x| uma transformao
linear.
Soluo:

Soluo:

i) Vamos verificar se x,y

tem-se
T(x + y = T(x) + T(y). Sendo assim:

Sabemos que a soma de vtransformao lineares linear e que a soma dada por:

T(x + y) = |x + y|

(T + S)(u) = T(u) + S(u) u

T(x) + T(y) = |x|+|y|

(T + S)(x,y) = T(x,y) + S(x,y)

T(x + y) = |x + y||x|+|y| = T(x) + T(y)

(T + S)(x,y) = (x + y, x y) + (y x, x + y)

Basta tomar x = 2 e y = 2, logo teremos:

(T + S)(x,y) = ((x + y)+(y x),(x y) + (x + y))

0 = |2 + (2)||2|+|2|4

(T + S)(x,y) = (2y,2x)

6.3 Soma de duas ou mais transformao lineares

Sejam T e S duas transformaes lineares de V
em W. Definimos a soma de T e S, como
sendo:
T + S : V W onde (T + S)(x) = T(x) + S(x)
xV

1. Produto de um escalar por uma transformao

linear) Sejam T uma transformao linear de V
em W e . Definimos o produto de por T,
como sendo:

Sendo assim, vamos mostrar que a soma de

transformaes lineares ainda uma trnasformao linear.

T : V W onde (T)(x) = T(x) xV

Mostre que a aplicao T : V W definida
acima uma transformao linear.

Para isto temos que mostrarn que T + S satisfaz as condies (i) e (ii) da definio 6.2.2. Ou
39

UEA Licenciatura em Matemtica

2. (Composio de transformaes lineares)

Sejam T : V W e S : W U transformaes
lineares.Definimos a composio de T com S
como sendo S T : V U dada por
S T(u) = S(T(u)).

6.5.2 A projeo ortogonal

A projeo ortogonal do
ou seja,

sobre o plano xy,

P : 3 3 definida por P(x,y,z) = (x,y.0)

uma transformao linear.
Vejamos a figura abaixo

u = S(w) = S(T(v)) = (S T)(v)

Mostre que a aplicao S T : V U acima
uma transformao linear.
3
3. Sejam T, S :
3 aplicaes lineares,
definidas por T(x,y,z) = (x,y,x + y + z) e
S(x,y,z) = (x,y z,z). Determine:

De fato temos que P uma transformaao linear, pois para todo u = (x,y,z) e v = (a,b,c) 3
e para todo so satisfeitas as condies
(i) e (ii) da definio 6.2.2 , isto :

a) T + S
b) 5T
c) T S

i) P(u + v) = P((x,y,z) + (a,b,c))

d) S T

P(u + v) = P(x + a, y + b, z + c)
P(u + v) = (x + a, y + b, 0) = (x,y,0) + (a,b,0)
P(u + v) = P(u) + P(v)

6.5 Tipos Especiais de Transformaes Lineares

ii) P(u) = P((x,y,z)) = P(x,y,z)

6.5.1 Transformao linear nula

P(u) = (x,y,0) = (x,y,0)

A transformao linear nula entre os espaos

vetoriais V e W, a aplicao

P(u) = (x,y,0) = P(u)

Q : VW

6.6 Propriedades da transformao Linear

u | T(u) = 0.

6.6.1 Propriedade 1

De fato:

Sendo T : V W uma transformao linear ,

ento T(0V) = OW, ou seja, a transformao linear leva o vetor nulo de V no vetor nulo de W.

i) T(u + v) = 0 = 0 + 0 = T(u) + T(v)

ii) T(u) = 0 = .0 = T(u)
40

lgebra Linear II Transformaes Lineares e Matriz mudana de base

Demonstrao:

Um fato muito importante, que decorre dessa

propriedade: Uma transformao linear fica
completamente determinada se conhecemos
as imagens dos vetores de uma base do
espao vetorial domnio.

Faa = 0 na condio (ii) da definio 6.2.2,

logo teremos que:
T(0,u) = 0.T(u) T(0v) = 0W
Observaes:

Assim, se T : V W uma transformao linear, ento ns s precisamos saber como T

atua nos vetores de uma base de V para determinarmos a imagem de qualquer outro vetor
de V. Para ver esse fato tomemos,

1. A propriedade ns diz que se uma determinada aplicao entre espaos vetoriais no leva o
vetor nulo no vetor nulo, ento ela no uma
transformao linear.

= {v1,v2,...,vn}, uma base de V e qualquer outro

vetor vV. Como uma base de V, existem

2. A recproca dessa propriedade no verdadeira, isto , se uma determinada aplicao

entre espaos vetoriais leva o vetor nulo no
vetor nulo no emplica que a mesma seja uma
transformao linear.

nicos escalares a1,a2,...,an tais que:

, ento

Contra-exemplo para a observao 2.

2

Exemplo 9: Seja T : 2 2 uma transformao linear e = {(1,1),(0,1)} uma base do

2
. Se T(1,1) = (1,0) e T(0,1) = (0,1), determine T(x,y).

uma aplicao definida por

Seja T :
2
T(x,y,z) = (x ,y,z). Observe que T(0,0,0) =
(02,0,0) = (0,0,0), ou seja , leva o vetor nulo no
vetor nulo.

Soluao:

Porm

Vamos expressar

T(u + v) = T((x,y,z) + (a,b,c)) = T(x + a, y + b,

z + c)

(x,y) = a(1,1) + b(0,1) = (a, a + b)

T(u + v) = ((x + a)2, y + b, z + c)

T(u + v) = (x2 + 2xa + a2, y + b, z + c)

(x,y) = x(1,1) + (y x)(0,1)

T(x,y) = T(x(1,1) + (y x)(0,1))

T(u) + T(v) = T(x,y,z) + T(a,b,c)

2

T(x,y) = xT(1,1) + (y x)T(0,1)

T(u) + T(v) = (x ,y,z) + T(a ,b,c)

T(x,y) = x(1,0) + (y x)(0,1)

T(u) + T(v) = (x2 + a2, y + b, z + c)

T(x,y) = (x,0) + (0, y x)

Onde concluimos que T(u + v) T(u) + T(v),

logo a aplicao no uma transformao linear.

T(x,y) = (x, y x)

Sendo T : V W for uma transformao linear,

ento T(au + bv) = aT(u) + bT(v), u,vV e
a,b .

Exemplo 10: Seja T : 3 2 uma transformao linear e = {v1,v2,v3} uma base do 3,

sendo v1 = (0,1,0), v2 = (1,0,1) e v3 = (1,1,0).
Determine T(5,3,2), sabendo que T(v1) =
(1,3), T(v2) = (3,1) e T(v3) = (0,2).

Demonstrao:

Soluo:

Sendo T uma transformao linear , temos que

as condies (i) e (ii) da definio 6.2.2 so
satisfeitas, isto :

Expressamos o vetor v = (5,3,2) como combinao linear dos vetores da base:

6.6.2 Propriedade 2

(5,3,2) = a(0,1,0) + b(1,01) + c(1,1,0)

i) T(u + v) = T(u) + T(v)

ii) T(u) = T(u)

u, vV e

sendo assim temos:

Ento:

T(au + bv) = T(au) + T(bv) = aT(u) + bT(v)

(5,3,2) = 4(0,1,0) 2(1,01) + 7(1,1,0)

41

UEA Licenciatura em Matemtica

Determine o conjunto

Nos exerccios de 1 a 10 so dadas as aplicaes. Verifique quais so transformaes lineares.

1. T :

, T(x) = (x,x,x + 3)

2. T :

3. T :

4. T :

5. T :

6. T :

uma transformao linear,

definida por

. Se

, T(x,y) = (x y, x + y, x2)
uma ba-

, T(x,y,z) = (x y, x + y, cox z)
se

do

espao

vetorial

M2x2( ),

ento

, T(x,y,z) = (x y, x + y, |z|)

, T(x,y,z,t) = (x y, z + t)
4

uma base para

14. Seja T : M2x2( )

, T(x,y,z) = |x + y + z|
15. Sejam T,S :
Determine:

7. L : M2x2( ) M2x2( ), L(A) = A

transformaes lineares.

a) A aplicao T tal que T(1,1,0) = (0,1,0),

T(0,1,1) = (0,0,2) e T(0,0,1) = (0,0,0)

8. L : M2x2( ) M2x2( ), LX(A) = A.X + X.A onde

X uma matriz fixa.
9. T : M2x2( )

b) A aplicao S tal que S(1,1,0) = (0,1,1),

S(0,1,1) = (1,0,1) e S(0,0,1) = (0,0,1)

, T(A) = det A

c) A aplicao h, tal que h = S T

, Pn( ) o espao

10.

vetorial dos polinmis de grau n.

6.8 Ncleo de uma transformao linear

3

6.8.1 Definio

11. Consideremos o operador linear T :

definido por T(x,y,z) = (x + 2y + 2z, x + 2y z,

x + y + 4z).
a) Determine o vetor u
(1,8,11).

Seja T : V W uma transformao linear, o

conjunto de todos os vetores vV tal que
T(v) = 0 chamado de ncleo , isto ,

tal que T(u) =

b) Determine, caso exista o vetor u

que T(u) = u.

{vV|T(v) = 0}
tal

Vamos denotar tal conjunto por KerT ou N(T),

sendo assim temos KerT = {vV|T(v) = 0}
ou N(T) = {vV|T(v) = 0}.

12. Um operador linear T,S : 3 3 tal que:

T(1,1,0) = (0,0,0), T(0,1,0) = (0,2,0) e
T(0,1,1) = (2,0,1).
Sendo assim determine:
a) T(x,y,z)
b) Os vetores do
13. Seja L : M2x2( )
definida

por

tais que T(x,y,z) = (0,0,0)

uma transformao linear,

Observaes Importantes:

1. O ncleo de uma transformao linear T : V W,

42

lgebra Linear II Transformaes Lineares e Matriz mudana de base

dado por KerT = {vV|T(v) = 0} diferente do

conjunto vazio, pois T(0) = 0. Onde concluimos que o vetor nulo de V pertence ao
ncleo da aplicao.

Soluo:
a) Neste caso temos que o ncleo da aplicao dado por KerT = {(x,y) 3
|T(x,y,z) = 0}. Sendo assim temos:

2. O ncleo de uma transformao linear T : V W,

dado por KerT = {vV|T(v) = 0} um subespao vetorial de V.

T(x,y,z) = x + y + z = 0, emplicando x + y
+ z = 0. Logo z = x y, onde concluimos
que o ncleo dado por KerT = {(x,y, x
y); x }.

De fato, para todo u e v pertencente ao conjunto KerT e para todo tem-se:

b) Dado um vetor qualquer uKerT, temos que

u(x,y, x y) = (x,0,x) + (0,y,y)

i) T(u + v) = T(u) + T(v) = 0 + 0 = 0, emplicando que u + vKerT.

u = x(1,0, 1) + y(0,1,1)

ii) T(u) = T(u) = . 0 = 0, emplicando que

uKerT.

Onde concluimos que o conjunto A dado

por A = {(1,0,1),(0,1,1)}.

3. Sendo KerT um subespao vetorial, temos que

dimKerT dimV.

Exemplo 14: Seja T : M2x2( ) M2x2( ) uma

transformao
linear
definida
por

Exemplo 11: Determine o ncleo da transformao linear T : 2 2 definida por T(x,y) =

(x + y, x y).

.
a) Determine o KerT.

Soluo:

b) Determine uma base para o ncleo.

Neste caso temos que o ncleo da aplicao

dado por KerT = {(x,y) 2 |T(x,y) = (0,0)}.
Sendo assim temos:

Soluo:
a) Neste caso temos que o ncleo da aplicao dado por

T(x,y) = (x + y, x y) = (0,0)

.
Sendo assim, temos:

Onde concluimos que o ncleo dado por

KerT = {(0,0)}
Exemplo 12: Determine o ncleo da transformao linear T : 2 2 definida por T(x,y) =
(x y, 0).
Soluo:

Onde concluimos que o ncleo, do tipo:

Neste caso temos que o ncleo da aplicao

dado por KerT = {(x,y) 2|T(x,y) = (0,0)}.
Sendo assim, temos que:

b) Vamos determinar uma base para o ncleo,

j que o ncleo um subespao
vetorial.Sendo assim, tome um elemento

T(x,y) = (xy,0) = (0,0), emplicando que x y = 0.

Logo x = y, onde concluimos que o ncleo
dado por KerT = {(x,x,x); x .

qualquer do ncleo KerT, logo

uma transforExemplo 13: Seja T : 3

mao linear definida por T(x,y,z) = x + y + z.

teremos:

a) Determine N(T)
b) Determine A

, tal que G(A) = N(T)

43

UEA Licenciatura em Matemtica

T : V W, dado por Im(T) = {wW|T(v) = w

para algum vV} diferente do conjunto vazio,
pois T(0) = 0. Onde concluimos que o vetor
nulo W peretence ao conjunto imagem de T.

Onde concluimos que o ncleo gerado

apenas por

. E como um s vetor

2. O conjunto imagem de uma transformao linear

T : V W, dado por Im(T) = {wW|T(v) = w
para algum vV} um subespao vetorial de W.

no nulo sempre L.I, temos que

uma base para o KerT.
2

De fato, para todo a,bW existem u,vV tais

que T(u) = a e T(v) = b.

uma transforExemplo 15: Seja T :

mao linear definida por T(x,y) = (x y,0) e
KerT o ncleo da T.L dado por KerT ={(x,x);
x }.

i) a + b = T(u) + T(v), como T uma transformao linear temos que :

a + b = T(u) + T(v) = T(u + v)
Logo para todo a + ,bW, existe pelo
menos u + vV tal que T(u + v) = a + b.
Onde concluimos que a + bIm(T).
ii) Temos a = T(u) para todo aW. .Desta
forma e aW tem-se:

Observe que todo vetor do tipo (x,x)KerT e

portanto T(x,x) = (x x,0) = (0,0).

a = T(u) = T(u)
Logo para todo aW,existe pelo menos
uV tal que T(u) = a. Onde concluimos
que aIm(T).

Exemplo 16:
A transformao linear nula entre os espaos
vetoriais V e W, a aplicao

3. Sendo Im(T) um subespao vetorial, temos

que dim(T) dimV.

T : V W
u | T(u) = 0 uV
Onde concluimos que o ncleo da aplicao
KerT = V.

Exemplo 17: Seja a transformao linear

T : 3 3 definida por T(x,y,z) = (x,2y,z).
Determine a imagem de T.
Soluo:

6.9 Imagem de uma transformao linear

Temos que T(x,y,z) = (x,2y,z), sendo assim :

6.9.1 Definio

T(x,y,z) = (x,2y,z) = (x,0,0) + (0,2y,0) +

Seja T : V W uma transformao linear. A

coleo de todos os vetores de W tais que
esses vetores esto relacionados com algum
vetor de V chamado da imagem da aplicao
T, ou seja,

+(0,0,z) = x(1,0,0) + y(0,2,0) + z(0,0,1)

Onde concluimos que o conjunto imagem
Im(T) gerado pelos vetores (1,0,0),(0,2,0) e
(0,0,1). Sendo tais vetores so L.I, temos que
{(1,0,0),(0,2,0),(0,0,1)} uma base para Im(T).
Onde concluimos que a dim(T) = 3, logo
Im(T) = 3.

Im(T) = {wW|T(v) = w para algum vV

Exemplo 18 : Seja a transformao linear

T : 2 3 definida por T(x,y) = (x,y,0).
Determine a imagem de T.
Soluo:
Temos que T(x,y) = (x,y,0), sendo assim:
T(x,y) = (x,y,0) = (x,0,0) + (0,y,0)

Observaes Importantes:

T(x,y,z) = x(1,0,0) + y(0,1,0)

1. O conjunto imagem de uma transformao linear

44

lgebra Linear II Transformaes Lineares e Matriz mudana de base

Onde concluimos que o conjunto imagem

Im(T) gerado pelos vetores (1,0,0) e (0,1,0).
Sendo tais vetores so L.I, temos que
{(1,0,0),(0,1,0)} uma base para Im(T). Onde
concluimos que a dimIm(T) = 2, o que
seguinifica que o conjunto imagem um plano
que passa pela origem.

T(1,1,0) = (0,0,0), T(0,1,0) = (0,2,0) e

T(0,1,1) = (2,0,1).
Sendo assim determine:
a)

T(x,y,z)
3

b) Os vetores do
13. Seja M2x2( )

tais que T(x,y,z) = (0,0,0)

uma transformao linear,

definida por

Determine o conjunto
Nos exerccios de 1 a 10 so dadas as transformaes lineares. Em cada caso determine o
ncleo e a imagem das aplicaes.
1. T :

, T(x) = (x,x,x)

14. Seja T : M2x2( )

2. T :

3. T :

4. T :

5. T :

6. T :

, T(x,y,z) = x + y + z

, T(x,y) = (x y, x + y,x)

uma transformao line-

ar, definida por

.

, T(x,y,z) = (x y, x + z,0)

uma

Se

, T(x,y,z) = (x y, x + y,x)

base do espao vetorial M2x2(

, T(x,y,z,t) = (x y, z + t)

uma base para

7. L : M2x2( ) M2x2( ), L(A) = A

15. Sejam T , S :
es. Determine:

8. L : M2x3( ) P4( ),

), ento

transformaes linear-

a) A aplicao T tal que T(1,1,0) = (0,1,0),

T(0,1,1) = (0,0,2) e T(0,0,1) = (0,0,0)
9. T : M2x2( )

b) A aplicao S tal que S(1,1,0) = (0,1,1),

S(0,1,1) = (1,0,1) e S(0,0,1) = (0,0,1)

, T(A) = A

c) A aplicao h, tal que h = S T

10.

, Pn( ) o
espao vetorial dos polinmis de grau n.

11. Consideremos o operador linear T : 3 3

definido por T(x,y,z) = (x + 2y + 2z, x + 2y z,
x + y + 4z).
a) Determine o vetor u
(1,8,11).

tal que T(u) =

b) Determine, caso exista o vetor u

que T(u) = u.
12. Um operador linear T , S :

tal

tal que:
45

UEA Licenciatura em Matemtica

Logo sendo

TEMA 07

vetores

de M2x2( ) temos que:

DEFINIES E PROPOSIES SOBRE

TRANSFORMAES LINEARES
7.1 Definio

(x + y, y + z, z + t, t) = (a + b, b + c, c + d, d)

Dada uma aplicao T : V W, diremos que T

injetora(injetiva) se, e somente se, para todo
u,vV como T(u) = T(v) tivermos que u = v.
Simbolicamente temos:
T injetora u, vV com T(u) = T(v) u = v
Uma forma equivalente de escrever esta
definio, a seguinte:

onde concluimos

Dada uma aplicao T : V W, diremos que T

injetora se, e somente se, para todo u,vV
como u v tivermos que T(u) T(v).

Onde concluimos que T injetiva.

Observao:
Dada uma transformao linear T : V W, nem
sempre fcil verificar pela definio que a
mesma injetiva. Para isto, vamos enunciar
uma proposio que vai caracterizar as funes lineares injetiva.

Simbolicamente temos:
T injetora u, vV com u v T(u) T(v)
Exemplo 1: Seja T : 2 2 uma transformao linear, definido por T(x,y) = (x + y, x y).
Mostre que T injetiva.

7.2 Proposio

Soluo:

Uma transformao linear T : V W injetora

se, e somente se, KerT = {}.

T injetiva u, v 2 com T(u) = T(v)

u = v. Logo sendo u =(x,y) e v = (a,b) vetores
do 2 temos que:

Demonstrao:
Lembremos que a demonstrao do tipo se, e
somente se, se da em duas partes.

T(u) = T(v) T(x,y) = T(a,b)

T(u) = T(v) (x + y, x y) = (a + b, a b)

Primeira parte:
Uma transformao linear T : V W injetora,
ento kerT = {}.
Para todo vKerT temos que T(v) = W. Sendo
T uma transformao linear , temos que T leva
o vetor nulo V no vetor nulo de W, isto ,
T()=W. Desta forma temos que T(v) = W =
T(), emp[licando que v = , pois T injetiva.

x = a e y = b (x,y) = (a,b) u = v
Onde concluimos que T injetiva.
Exemplo 2: Seja T : M2x2 ( )
formao linear, definido por

Segunda parte:
4

Uma transformao linear T : V W injetora

se, e somente se, KerT = {}.

uma trans-

Se o ncleo de uma transformao linear T : V

. Mostre que T

W formado s pelo vetor nulo, isto , KerT

= {} ento T injetiva.

injetiva.

Vamos mostrar que u,vV com T(u) = T(v)

tem-se u = v. Sendo assim temos:

Soluo:
T injetiva u, v M2x2( ) com T(u) = T(v)

T(u) = T(v) T(u) T(v) = W T(u v) = W

u = v.

46

lgebra Linear II Transformaes Lineares e Matriz mudana de base

T(u v) = W u vKerT = {} u v =

Vamos mostrar que Im(T)= [T(vn+1), T(vn+2),...,T(vm)].

u = v. Onde concuimos que T injetiva.

Dado um wIm(T) qualquer, temos que existe

vV tal que T(v) = w, ento:

Exemplo 3: Seja T :

uma transformao linear, definido por T(x,y) = (x + y, x

y). Mostre que T injetiva.

, para k

k = 1,2,...,m

Soluo:
Vamos fazer uso da Proposio:
T(x,y) = (x + y, x y) = (0,0)
como T(vk) = 0 k = 1,2,...,n pois vkKerT
Onde concluimos que KerT = {(0,0)}. Sendo
assim temos que T injetiva.
Exemplo 4: Seja T : M2x2 ( )
formao linear, definido por

temos

uma trans-

, logo

. Mostre que T

Onde concluimos que

Im(T) = [T(vn + 1),T(vn + 2),...,T(vm)]

injetiva.
Soluo:
Vamos fazer uso da Proposio:

Afirmo que {T(vn + 1),T(vn + 2),...,T(vm)} L.I.

De fato,
an+1T(vn+1) + an+2T(vn+2) +... + anT(vm) = 0
T(an+1vn+1) + T(an+2 + vn+2) +... + T(anvm) = 0
T(an+1vn+1 + an+2+vn+2 +... + anvm) = 0
logo
Onde concluimos que

an+1vn+1 + an+2vn+2 +... + anvmKerT.

. Sen-

Sendo 1 = {v1,v2,v3,...,vn} uma base para o

KerT, temos que

do assim temos que T injetiva.

7.3 Teorema(Teorema da dimenso)
Seja T : V W uma transformao linear,
definida num espao vetorial V de dimenso
finita e W um espao vetorial qualquer. Ento ,
dimKerT + dim(T) = dimV.

a1 =...= am = 0
pois = {v1,v2,v3,...,vn,vn+1,vn+2,...,vm} a base de V.
Sendo assim, temos que dimKerT + dimIm(T)
= dimV pois m = n + (m n).

Demonstrao:
Digamos que dimV = m e seja 1 = {v1,v2,v3,...,vn}
uma base de KerT. Como KerT um suespao
vetorial do espao vetorial V, podemos completar at obtermos uma base para V.

Exemplo 5: Considere a transformao linear

T : 3 3 dada por T(x,y,z) = (x,z y, x).
a) Determine uma base para o ncleo de T.

Seja 1 = {v1,v2,v3,...,vn,vn + 1,vn + 2,...,vm} a base de V.

Vamos mostrar que 2 = T(vn + 1), T(vn + 2),...,T(vm)
uma base para Im(T), ou seja Im(T)= [T(vn + 1),
T(vn + 2),...,T(vm)] e {T(vn + 1), T(vn + 2),...,T(vm)} L.I.

b) D a dimenso da imagem de T.
c) Verifique o teorema da dimenso.
Soluo:
47

UEA Licenciatura em Matemtica

a) Sendo KerT = {(x,y,z); 3|T(x,y,z)=(0,0,0)}

o ncleo da aplicao , temos que
T(x,y,z) = (x, z y, x) = (0,0,0).
Sendo assim teremos:

KerT = {(x,x,0,0);x }, onde concluimos

que {(1,1,0,0)} uma base para o ncleo,
logo a dim KerT = 1. Sendo a dim 4= 4 ,
temos que:

E portanto o ncleo dado por

KerT = {(0,y,y);y }
Tomando um vetor qualquer de KerT, teremos: (0,y,y) = y(0,1,1). Onde concluimos
que o vetor (0,1,1) gera o ncleo, isto ,
KerT = [(0,1,1)]. E sendo tal vetor L.I, temos
que {(0,1,1)} a base do KerT. Observe
que dimKerT = 1.

dimKert + dimIm(T) = dim

dimIm(T) = dim

dimKert = 4 1 = 3

b) Temos que T(x,y,z) = (x, z y, x), logo:

(x, z y, x) = (x,0,x) + (0,y,0) + (0,z,0)
(x, z y, x) = x(1,0,1) + y(0,1,0) + z(0,1,0)

1. Seja T : 2 2 uma transformao linear,

dada por T(x,y) = (x + y, x y).

Im(T) = [(1,0,1),(0,1,0),(0,1,0)]
Observe que os vetores (1,0,1),(0,1,0) e
(0,1,0) so L.D, pois (0,1,0) e (0,1,0)so
colineares.

a) Mostre que T injetiva.

b) Determine a dimIm(T).
c) Se {(1,1),(0,1)} uma base de
{T(1,1),T(0,1)} uma base de 2.

Observe tambm que os vetores (1,0,1) e

(0,1,0) so L.I. E portanto o conjunto formado pelos dois geram a imagem da aplicao e so L.I, o que define uma base para
Im(T), isto , {(1,0,1),(0,1,0)} uma base
de Im(T). Observe que dimIm(t) = 2.
c) dimKerT + dimIm(T) = dim

2. Seja T : M2x2 ( )

a) Mostre que T uma aplicao linear.

Dos itens (a) e (b) temos dimKerT = 1 e

dimIm(T) = 2.

b) Determine o ncleo da aplicao.

Sendo dim 3 = 3 temos que o teorema da

dimenso satisfeita, pois

d) Verifique o teorema da dimeno.

3 = dim

c) Determine a dimIm(T).

= 1 + 2 = dimKerT + dimIm(T)

Exemplo 6: Seja T :

3. Seja L : M2x2 ( )

M2x2 ( ) uma trans-

formao linear, dada por

, ento

uma aplicao definida

por

uma aplicao linear,

definida por

a) Mostre que T injetiva.

Determine dimIm(T).
Soluo:

b) Se

Vamos primeiramente calcular a dimeno do

ncleo.

base

de M2x2 ( ). Determine uma base para o

4. Seja T : V W uma transformao linear. Se

dimV = dimW, ento T injetiva se, e somente
se T sobrejetiva.
48

lgebra Linear II Transformaes Lineares e Matriz mudana de base

5. Seja T : V W uma transformao linear injetiva. Se dimV = dimW, ento T leva base em
base.

TEMA 08

6. Determine o ncleo e a imagem do operador

T : 3 3, definido por T(x,y,z) = (x + 2y
z, y 3z, y + z).

MUDANA DE BASE

7. Seja T : 3 2 a transformao linear tal

que T(1) = (1,2), T(2) = (0,1), T(3) = (2,3),
sendo {1,2,3} a base cannica de 3.

bases ordenadas de um espao vetorial V.

Sejam = {u1,u2,...,un} e = {v1,v2,...,vn} duas

Dado um vetor vV, podemos escreve-lo
como:

a) Determine o KerT e uma de suas bases. T

injetiva?

b) Determine a Im(T)e uma de suas bases. T

sobrejetiva?

Como podemos relacianar as coordenadas de

v em relao base .

8. Chama-se isomorfismo do espao vetorial V

no espao vetorial W a uma transformao linear T : V W, que bijetora. Neste caso, os
espaos vetoriais V e W so ditos
isomorfos.Alm disso, se T : V W um isomorfismo ento T possui uma aplicao inversa a qual vamos denotar por T 1 : W V.

Com as coordenadas do mesmo vetor v em

relao base .

Mostre mostre que a inversa de um isomorfismo uma transformao linear.

9. Mostre que a aplicao L : 3 3 definida
por L(x,y,z) = (y x, z + y, 2x) um isomorfismo. Determine ainda uma a inversa de L.

Escrevendo cada vk na base , temos:

Sendo assim, temos:

v = y1v1 + y2v2 + ... + ynvn

Como v = x1u1 + x2u2 + ... + xnun teremos :

49

UEA Licenciatura em Matemtica

Vamos determinar [I] .

(0,1) = x(2,0) + y(0,1)
(0,1) = (2x,0) + (0,y)
(0,1) = (2x,y) x = 0, y = 1
(0,1) = 0(2,0) + (1)(0,1)
(2,1) = a(2,0) + b(0,1)
(2,1) = (2a,0) + (0,b)

Em forma matricial teremos:

(2,1) = (2a,b) a = 1, b = 0
(2,1) = 1(2,0) + 0(0,1)
Sendo
Isto , denotando
temos que

[v] = [I] . [v] temos

Exemplo 2: Sendo

Exemplo 1: Sejam = {(2,0),(0,1)} e =

{(0,1),(2,1)} bases de 2. Determine [I] e [I]

Soluo:

Vamos determinar [I] .

bases de

(2,0) = a(0,1) + b(2,1)

(2,0) = (0,a) + (2b,b)

M2x2( ). Determine [I] e [I] .

(2,0) = (2b, b a)

Soluo:

(2,0) = 1(0,1) + 1(2,1)

Vamos determinar em primeiro lugar a matriz

[I] . Para isto vamos escrever cada elemento

da base como a combinao dos vetores na
base .

(0,1) = a(0,1) + b(2,1)

(0,1) = (0,a) + (2b,b)
(0,1) = (2b, b a)

(0,1) = 1(0,1) + 0,(2,1)

Sendo
Sendo assim temos:
temos que

50

lgebra Linear II Transformaes Lineares e Matriz mudana de base

3. Determine

Vamos determinar em segundo lugar a matriz

[I] . Para isto vamos escrever cada elemento

da base como a combinao dos vetores na
base .

[(0,1,1,2)],

sabendo-se

que

Exemplo 3: Sejam
e
4. Determine

, sabendo-se que

bases do
espao vetorial M2x2( ). Sendo

, determine
uma
base de M2x2( ).

v em relao a base de M2x2( ).

Soluo: Sabemos que [v] = [I] . [v], desta

forma temos:

5. Se

, determine ([I]AB)1.

6. Sejam A = {(1,1),(0,2)}, B = {(3,0),(0,1)} e

C = {(1,1),(0,1)} bases do 2. Determine [I]BC
e [I]AB. Verifique ainda que [I]BC . [I]AB = [I]AC .

8.2 Matriz de uma aplicao linear

Sejam T : V W uma transformao linear,
uma base de V e uma base de W. Sem perda
de generalizao, consideremos o caso em
que dimV = 2 e dimW = 3.
Sejam = {v1,v2} e = {w1,w2,w3} bases de V
e W respectivamente.
Um vetor vV pode ser espresso por:
v = x1v1 + x2v2 e sua imagem
T(v) = y1w1 + y2w2 + y3w3
Por outro lado temos que

1. Sejam = {(1,1,0,0),(0,0,0,1),(0,1,0,1),(0,2,1,0)}
e = {(1,1,0,0),(0,2,1,0),(0,0,0,3),(0,0,3,0)}

bases do 4. Determine [I] e [I].

2. Seja

(I)

T(v) = T(x1v1 + x2v2) = x1T(v1)+ x2T(v2) (II)

Sendo 1T(v1),T(v2) vetores de W, temos que
eles podem ser escrito como combinao linear dos vetores de :

. Deter-

mine [v] = [I] . [v].

Substituindo (III) em (II), temos:

51

UEA Licenciatura em Matemtica

T(v) = x1T(v1) + x2T(v2) =

= {(0,1),(1,0)}, determine [T] e [T] .

= x1(a11w1 + a21w2 + a31w3) +

Soluo:

x2(a12w1 + a22w2 + a32w3)

Vamos determinar [T] , sendo = {(1,1),(0,1)

e = {(0,1),(1,0)}.

= (x1a11 + x2a12)w1 + (x1a21 + x2a22)w2 +

(x1a31 + x2a32)w3

Logo

comparando a ltima igualdade com (I) temos:

T(1,1) = (2,0) = a11(0,1) + a21(1,0) (i)

T(0,1) = (1,1) = a12(0,1) + a22(1,0) (ii)
De (i) e (ii)temos:

ou em formatricial:

e a11 = 0, a12 = a22 = 1,

Sendo
ou, simbolicamente:

a21 = 2 teremos que

[T(v)] = [T] . [v] sendo a matriz [T] denominada de matriz de T em relao as bases e
.

.
Vamos determinar [T] , sendo = {(1,1),(0,1)}
e = {(0,1),(1,0)}.

Observaes:

Logo

1. A ordem da matriz [T] 3 x 2 quando dimV =

2 e dim = W = 3

T(0,1) = (1, 1) = a11(1,1) + a21(0,1) (i)

T(1,0) = (1, 1) = a12(1,1) + a22(0,1) (ii)

2. as colunas da matriz [T] so as componentes

das imagens dos vetores das bases em
relao base .

De (i) e (ii) temos:

e a11 = 1, a12 = 1,

Sendo
De modo geral, para T : V Wlinear, se
dimV = n e dimW = m, = {v1,v2,...,vn} e
= {w1,w2,...,wm} so bases de V e W,
resppectivamente, logo teremos que

a21 = 2, a22 = 0 teremos que

Exemplo 5: Sejam T :
formao
linear

M2x2( ) uma transdefinida

por

, e bases
cannicas de

e M2x2( ). Determine [T] .

Soluo:

Exemplo 4: Sejam T : 2 2 uma transformao linear dada por T(x,y) = (x + y, x y)

e , bases de 2. Sendo = {(1,1),(0,1)} e

Sendo
52

a lei da

lgebra Linear II Transformaes Lineares e Matriz mudana de base

transformao linear, = {(1,0,0),(0,1,0),(0,0,1)}

e = {1,2,3,4} as bases cannicas do 4 e
M2x2( ) respectivamentes, onde
.

Vamos agora determinar [T] , e para isto vamos

determinar T(1,0,0,0), T(0,1,0,0),T(0,0,1,0) e
T(0,0,0,1) na base . Desta forma temos:
,

,
e

Vamos tomar uma matriz AM2x2( ) qualquer e

escrever como combinao linear na base .
Seja

Exemplo 6: Seja T : P3
uma transformao linear definida por T(a + bt + ct2+
dt3) = (a + b) + (c + d)i. Se e bases
respectivamente.Sendo
cannicas de P3 e

assim determine [T] .

tal matriz, logo teremos:

Soluo:

Onde concluimos que x1 = a, x2 = b, x3 = c,

x4 = d

Sendo T(a + bt + ct2+ dt3) = (a + b) + (c + d)i

a lei da transformao linear, e e bases
respectivamente.
cannicas de P3 e

Portanto

Logo
T(p(t) = (1a + 1b + 0c + 0d) + (0a + 0b+1c + 1d)i
onde p(t) = a + bt + ct2 + dt3.

Desta forma a matriz da transformao [T] ,

ser dada por:

Exemplo 7: Sejam T : 4 M2x2( ) uma transformao linear definida por

Onde concluimos que [T] dada por:

,
= {(1,0,0,0),(0,1,0,0),(0,0,1,0),(0,0,0,1)} base
cannicas do 4 e = {u1,u2,u3,u4} uma base
Observao: Como e so as bases cannicas do 4 e do espaos das matrizes M2x2( )
respectivamente, temos que a matriz da transfor
mao linear [T] dada de modo imediato, isto
, s de olhar a lei da transformao.

do espao M2x2( ), onde

Determine [T] .
Soluo:
53

UEA Licenciatura em Matemtica

temos que:

Para isto, temos:

,

e
Vamos tomar uma matriz AM2x2( ) qualquer e
escrever como combinao linear na base .

Como = {1,2,3,4} a base cannica de

M2x2( ) onde

tal matriz, logo teremos:

Seja

.
Sendo assim, temos que toda matriz
expresso na base da

Onde concluimos que

forma:
Portanto
Logo

Onde concluimos que

Onde concluimos que

Exemplo 8: Sejam T :
formao
xlinear

T ( x, y , z , t ) =
z

M2x2( ) uma trans-

y definida

x+ y+ z +t ,

por
e

bases do
e do espao das matrizes M2x2( )
respectivamentes.

1. Sejam T :

M2x2( ) uma transformao

,

linear definida por

Determine [T] , sendo = {(1,0,0,0), (0,1,0,0),

(0,0,1,0), (0,0,0,2)} e a base cannica .

e bases do 4 e do espao das matrizes

M2x2( ) respectivamentes.

Determine [T] , sendo = {(1,0,1,0), (0,1,0,1),

(0,1,1,0), (0,0,0,2)} e a base cannica .

Soluo:
Sendo

2. Seja T : P3

= {(1,0,0,0), (0,1,0,0), (0,0,1,0), (0,0,0,2)},

54

( ) uma transformao lin-

2x2

lgebra Linear II Transformaes Lineares e Matriz mudana de base

ear definida por

Soluo:
a) Vamos determinar [T + L]AB

. Se e

(T + L)(x,y) = T(x,y) + L(x,y)

bases cannicas de P3 e 2x2( ) respectiva

mente.Sendo assim determine [T] .

(T + L)(x,y) = (x + y, x y) + (y x, x + y)
= (2y,2x)
(T + L)(x,y) = (2y,2x)

3. Consideremos a transformao linear T : 3

3
definida por T(x,y,z) = (x y, y z, 2z) e as
bases A = {(1,1,0),(0,2,1),(0,0,1)} e
B = {(1,0,0),(0,1,0),(0,1,2)} do 3. Determine [T]AB. Qual a matriz [T]AC, onde C a base
cannica do 3.

(T + L)(1,0) = (0,2) = 0(1,1) +(1)(0,2)

(T + L)(0,1) = (2,0) = 2(1,1) +(1)(0,2)

b) Vamos determinar [T]AB

4. Seja T :

tal que

do A = {(1,1,0),(0,1,0),(0,0,1)} e
= {(0,1),(1,0)} bases do 3 e do
vamente.

sen-

T(1,0) = (1,1) = (1)(1,1) + 1(0,2)

B
respecti-

T(0,1) = (1,1) = 1(1,1) + 0(0,2)

a) Encontre a expresso T(x,y,z).

c) Vamos determinar [L]AB

b) Dertermine Im(T) e uma base para esse

subespao.

L(1,0) = (1,1) = 1(1,1) + 0(0,2)

L(1,1) = (1,1) = 1(1,1) + (1)(0,2)

c) Determine Ker(T) e uma base para esse

subespao.
d) T injetora? T sobrejetora? Justificar.

d) Vamos verificar se [T + L]AB = [T]AB + [L]AB

8.4 Operaces com transformaes lineares

8.4.1 Adio
Sejam T : V W e L : V W transformaes
lineares. Chama-se soma das transformaes
lineares T e L transformao linear

Exemplo 10: Sejam T, J :

2x2
aplicaes
lineares
definidas
, A e B bases de

T+L:VW

2x2

duas
por
e do

(T + L)(v) = T(v) + L(v) vV

Se A e B so bases de V e W, respectivamente
temos que [T + L]AB = [T]AB + [L]AB
2

respectivamente. Sendo

, determine [T + J]AB.

Exemplo 9 : Sejam T, L :

transformaes lineares definidas por T(x,y) = (x + y,

x y) e L(x,y) = (y x, x + y). Sendo
A = {(1,0),(0,1)} e B = {(1,1),(0,2)} so
bases do 2.

Soluo:
Sabemos que [T + J]AB = [T]AB +[J]AB, desta
forma temos que:

a) Determine [T + L]AB
b) Determine [T]AB
c) Determine [L]AB
d) Verifique se [T + L]AB = [T]AB + [L]AB
55

UEA Licenciatura em Matemtica

8.4.2 Multiplicao por um escalar

T:

Seja T : V W uma tansformao linear.

Definimos o produto de um escalar pela tansformao T, como sendo a tansformao linear

uma transformao linear

B as bases cannicas de
respectivamente.

, A e
( ) e do

2x2

Soluo:

W(T)(v) = T(v)

( )e

Sendo A e B as bases cannicas de

do 4 respectivamente, ou seja,

Sendo A e B bases de V e W, respectivamente

temos que [T]AB = [T]AB.

2x2

A
B

Determine [3T] , sendo

uma transformao linear

definida por

B = {e1,e2,e3,e4}, onde e1 = (1,0,0,0),

e2 = (0,1,0,0), e3 = (0,0,1,0), e4 = (0,0,0,1).

, A e

B as bases cannicas de
respectivamente.

definida por

T : V W

Exemplo 11:
T:
)
2x2(

( )

2x2

( ) e do

2x2

Logo

Soluo:
Em primeiro lugar vamos determinar a aplicao linear 3T.

( )e

Sendo A e B as bases cannicas de

do 4 respectivamente, ou seja,

2x2

sendo assim, temos:

e
B = {e1,e2,e3,e4}, onde e1 = (1,0,0,0), e2 =
(0,1,0,0), e3 = (0,0,1,0), e4 = (0,0,0,1).
Logo

E portanto

Observe que dos exemplos 11e 12 temos

[3T]AB = [3T]AB
8.4.3 Composio

sendo assim, temos:

Sejam T : V W e J : W U transformaes
lineares. Chama-se aplicao composta de T e
J, e se representa por J T, transformao linear
JT:VU
Exemplo

12:

Determine

A
B

3[T] ,

(J T)(v) = J(T(V)) vV

sendo

56

lgebra Linear II Transformaes Lineares e Matriz mudana de base

Vamos determinar [L]BC

L(1,0,1) = (1,0,0,1) = 1e1 + 0e2 + 0e3 + 1e4
L(0,1,1) = (0,1,1,1) = 0e1 + 1e2 + 1e3 + 1e4
L(0,0,1) = (0,0,0,1) = 0e1+1e2 + 1e3 +(1)e4

c) (L T)(x,y) = (x,y,y,x + y)
(LT)(1,0) = (1,0,0,1) = 1e1 + 0e2 + 0e3 + 1e4
(L T)(0,1) = (0,1,1,1)
(L T)(0,1) = 0e1 + (1)e2 + (1)e3 + (1)e4

Se A, B e C so bases de V, W e U respectivamentes, temos que [J T]AC = [J]BC . [T]AB.

Observe que:

Exemplo 13: Sejam T : 2 3 e L : 3 4

transformao
lineares
definidas
por
T(x,y) = (x,y,x + y) e L(x,y,z) = (x,y,y,z).
Se A = {(1,0),(0,1)}, B = {(1,0,1),(0,1,1),(0,0,1)}
e C {e1,e2,e3,e4} so as bases do 2, 3 e 4

Exemplo 14: Sejam T :

)
e
2x2(
3 transformao lineares definidas
L:
por

respectivamente , determine:
a) L T
b) [T]AB e [L]BC

e L(t) = (t,t,0).

c) [L T]AC
Observao: C {e1,e2,e3,e4} a base cannica
do 4.

Se

Soluo :

B = {1} e C = {u1 = (1,0,0), u2 = (0,1,0),

u2 = (0,0,1)} so as bases cannicas de
),
e 3 respectivamente , determine [L
2x2(
A
T] C.

a) Vamos determinar L T
(L T)(x,y) = L(T(x,y)) = L(x,y,x + y)
(L T)(x,y) = (x,y,y,x + y)

Soluo:

b) Vamos determinar [T]AB

u1 = (1,0,1), u2 = (0,1,1), u3 = 0(0,0,1)

Para determinar [L T]AC, basta determinar

[L]BC . [T]AB pois [L T]AC = [L]BC . [T]AB. Desta
forma vamos calcular [L]BC e [T]AB.

T(1,0) = (1,0,1) = 1u1 + 0u2 + 0u3

[T]AB = ?

Faa

T(0,1) = (0,1,1) = 0u1 + (1)u2 + 0u3

Se
nnicas temos:
[T]AB = (1 1 1 1).
57

, A e B bases ca-

UEA Licenciatura em Matemtica

[L]BC = ?

2. Sendo C a base cannica do 3 e T1,T2 eT3

3
operadores lineares de
, definidos por
T1(x,y,z) = (x,x y,z), T2(x,y,z) = (x,y,y + z) e
T3(x,y,z) = (x + z,x,y). Determine:

Se L(t) = (t,t,0), B e C bases cannicas temos:

a) [T1 + T2] C
C

b) [T1 + T3] C
E portanto temos

c) [T1 + T2 + T3] C
C

d) [T1 T2] C
C

e) [T1 T3] C
C

f) [T2 T3] C
C

g) [T1 T2 T3] C
4
3. As transformaes lineares T :
2 e
2
3

so tais que T(x,y,z,t) = (x + y, z

L:
+ t) e L(x,y) = (x,y,x y).

Sejam T1 : V1 V2, T2 : V2 V3,..., Tn : Vn W

transformao lineares. Se 1,2,3,...,n e
so bases de V1,V2V3W

a) Sendo A a base cannica do 4 e B a base

cannica do 2, determine a matriz [T]AB.
b) Sendo B a base cannica do 2 e C a base
cannica do 3, determine a matriz [L]CB.

Sejam T1 : V1 V2, T2 : V2 V3,..., Tn : Vn W

c) Sendo A, B e C as bases cannicas do

2
e 3, determine a matriz [L T]AC.

transformao lineares . Se 1,2,3,...,n e

so bases de V1,V2,V3,..,Vn e W respectivamente. Desta forma temos

4. Seja T :

( )

2x2

uma transformao line-

ar definido por

a) Mostre que T um isomorfismo

b) Determine sua inveersa
c) Mostre que T T1 = id, onde T1 a inversa de T e que id a identidade.

1. Sejam T1,T2 e T3 operadores lineares de 3, definidos por T1(x,y,z) = (x,y,z), T2(x,y,z) = (x,y,z) e
T3(x,y,z) = (z,x,y). Determine:

d) Determine [T T1]AB, onde A e B so as

bases cannicas de 2x2( ) e 4 respectivamente.

a) T1 + T2

e) Mostre que [T1]AB = (T]AB)1

b) T1 T2
5. Sejam T e S dois oparadores lineares definidos
em P3 tais que T(a + bt + ct2 + dt3) = b + 2c +
3dt2 e S(a + bt + ct2 + dt3) = d + ct + bt2 + at3.

c) T1 T2
d) T2 T1
e) T1 + T3

a)

f) T1 T1
g) T2 T2
h) T3 T2

Determine [T S]AB, sendo A a base cannica de P3 e B uma base P3 de definida por

B = {1,2 t, t2, t t3}.

8.5 OPERADORES LINEARES

i) T1 T2 T3

8.5.1 Definio

j) T1 T3 T2

As transfprmaes lineares T de um espao

58

lgebra Linear II Transformaes Lineares e Matriz mudana de base

vetorial V em si mesmo, isto , T : V V so

ditas operadores lineares.

como consequncia o operador T invertvel

se, e somente se, det[T] 0.

Como exemplos temos:

Observao:

a) T :

definida por

Se a base for a base cannica do espao

vertorial V, denotaremos [T1] = [T]1.

T(a,b,c,d) = (0,0,a + b,c d)

3 - T regular se, e somente se, T leva a base em

base.

b) D : P3 P3 definida por
D(a + bx + cx2 + dx3) = b + 2cx + 3dx2

Fica como exerccio para o leitor.

c) J : 2x2( ) 2x2( ) definida por J(A) = AT,

onde AT a matriz transposta da matriz A.

definida por T(z) = z .

d) T :

Exemplo 15: Seja T : 2 2 um operador

definido por T(x,y) = (x + y, x y).
a) Mostre que T no-singular.

8.5.2 Operadores Inversives

b) Encontre uma regra para T1 como a que

define T.

Diremos que o operador linear T : V V

inversvel se, e somente se, existe um operador
S : V V tal que T S = S T = id

c) Se = {(1,0),(0,1)} uma base do

verifique que [T1] . ([T])1.

Equivalentimente temos que:

Soluo a :

Diremos que o operador linear T : V V

inversvel se, e somente se, T um operador
linear bijetivo.

Basta mostrar que o KerT = {(0,0)}.

De fato:
KerT = {(x,y)

Observaes:

|T(x,y) = (0,0)}

1- Sendo T : V V inversvel, denotaremos o

operador inverso por T1 : V V.

O ncleo do operador dado por , deste modo

teremos que:

2- Quando o operador T admite a inversa T1, dizse que T inversvel, invertvel, regular ou nosingular.

, onde
concluimos que x = y = 0.
Logo o KerT = {(0,0)}, e portanto T no-singular.

8.5.3 Propriedades dos operadores Inversives

Seja T um operador linear.

Soluo b:

1 - Diremos que o operador linear T : V V

inversvel se, e somente se, kerT = {}.

Seja = {(1,0),(0,1)} a base cannica do

temos que:

De fato T invetvel se, e somente se, T bijetivo. Logo T injetivo, onde concluimos que
kerT = {}.

T(1,0) = (1,1) T1(1,1) = (1,0)

T(0,1) = (1,1) T1(1,1) = (0,1)
Sendo T invertvel temos que , T leva a base
numa base = {(1,1),(1,1)}. Sendo assim
temos que:

Sendo kerT = {}, temos o operador T injetivo e como consequcia dimKerT = 0. Logo,
fazendo uso da expresso dimKerT +
dimIm(T) = dimV, concluimos que T sobrejetivo pois dimIm(T) = dimV.

(x,y)
que

2 - Se T no-singular e base qualquer de V,

ento T1 linear e:
[T1] = ([T])1
Fica como exerccio para o leitor.
Sendo assim, temos que [T1] . ([T]) = [I], e
59

, (x,y) = a(1,1) + b(1,1) emplicado

e

UEA Licenciatura em Matemtica

[a b c] + [0 0 0] a = b = c = 0
Portanto o conjunto = {[1 0 0],[0 1 0],[0 0 1]}
L.I. Sendo dimM1x3( ) = 3, temos 0 conjunto
uma base de M1x3( ).
Mostraremos agora que uma base de
M1x3( ).
c) Vamos determinar [T].

a [0 1 0] + b[1 1 0] + c[0 0 1] = [0 0 0]

T(1,0) = (1,1) = 1(1,0) + (1)(0,1)

[0 a 0] + [b b 0] + [0 0 c] = [0 0 0]

T(0,1) = (1,1) = (1)(1,0) + (1)(0,1)

[b a + b c] = [0 0 0] a = b = c = 0
Portanto o conjunto = {[0 1 0],[1 1 0],[0 0 1]}
L.I. Sendo dimM1x3( ) = 3, temos 0 conjunto
uma base de M1x3( ).5r
Como T definido por T([1 0 0]) = [0 1 0],

Sendo assim temos

T([0 1 0]) = [1 1 0] e T([0 0 1]) = [0 0 1],

temos T leva a base na base . Onde concluimos que T no-singular.

Vamos determinar [T1].

b) Vamos determinar T1.

Tomando
v1 = [1 0 0], v2 = [0 1 0], v3 = [0 0 1],
u1 = [0 1 0], u2 = [1 1 0] e u3 = [0 0 1]
temos
T(v1) = u1 T1(u1) = v1
T(v2) = u2 T1(u2) = v2
1

T(v3) = u3 T1(u3) = v3

Donde concluimos que [T ] = ([T ]) .

[x y z] = a[0 1 0] + b[1 1 0] + c[0 0 1]

[x y z] = [0 a 0] + [b b 0] + [0 0 c]

Exemplo 16: Seja T : 1x3( ) 1x3( ) um

operador definido por T([1 0 0]) = [0 1 0],
T([0 1 0]) = [1 1 0]
e T([0 0 1]) = [0 0 1].
a) Verifique se T no-singular.

Logo teremos que a = y x, b = x e c = z.

b) Caso T seja no-singular, determine T1.

[x y z] = (y x)u1 + xu2 + zu3

c) Se base cannica de M1x3( ), verifique

que [T1] = [T]1

T1[x y z] = (y x)T1 (u1)+ xT1(u2) + zT1(u3)

T1([x y z]) = (y x)v1 + xv2 + zv3)

Soluo a:

Sendo

Basta mostrar que T leva base em base por

exemplo.

(y x)v1 = (y x)[1 0 0] = [x y 0 0]
zv2 = x[0 1 0] = [0 x 0]

Afirmo que = {[1 0 0],[0 1 0],[0 0 1]} e

= {[0 1 0],[1 1 0],[0 0 1]} so bases de
M1x3( ).

zv3 = z[0 0 1] = [0 0 z]
Temos

De fato:

T1 ([x y z]) = [x y x z]

a = [1 0 0] + b[0 1 0] + c[0 0 1] = [0 0 0]

Soluo c:

[a 0 0] + [0 b 0] + [0 0 c] = [0 0 0]

Diremos que [T1] = [T]1 [T1] .[T] = [I]

60

lgebra Linear II Transformaes Lineares e Matriz mudana de base

Em primeiro lugar vamos determinar a lei do

operador T.
Temos que:

1. Em cada caso abaixo, verifique quais dos operadores lineares so inversveis, e nos casos
afirmativos determine uma frmula para T1, [T]
e [T1].

[x y z] = a[1 0 0] + b[0 1 0] + c[0 0 1]

[x y z] = [a 0 0] + [0 b 0] + [0 0 c]
[x y z] = [a b c] a = x, b = y, c = z
[x y z] = x[1 0 0] + y[0 1 0] + z[0 0 1]

a) T :

t[(x y z)] = xT(v1) + yT(v2)+ zT(v3)

b) T :

t[(x y z)] = xu1 + yu2+ zu3

c) T :

Onde concluimos que

d) T :

e) T :

T([x y z]) = [y y x z].

f) T :

Para isto, vamos calcular a imagem de cada

vetor da base cannica , pela aplicao T.

g) T :

h) T :

T([1 0 0]) = [0 1 0]

i) T :

T([0 1 0]) = [1 1 0]
T([0 0 1]) = [0 0 1]

Sendo assim vamos determinar [T] = [T].

Logo teremos:

Vamos determinar [T1] = [T1].

, T(x,y) = (y,x)
, T(x,y) = (y x,x)
, T(x,y) = (y,x + y)
, T(x,y) = (0,x y)

, T(x,y) = (2x y,0)

j) T :

l) T :

, T(x,y) = (y, x)
, T(x,y) = (y + x,x)

, T(x,y,z) = (y,x,z)

, T(x,y,z) = (x + y,x,z)
, T(x,y,z) = (y,x,z y)

, T(x,y,z) = (x y,0, z x)

m) T :

n) T :

, T(x,y,z) = (x + y + z,x,y)
, T(x,y,z) = (0,x,x z)

8.7 Matrizes Semelhantes

Sabemos que T1([x y z]) = [x y x z]. Desta

forma, vamos calcular a imagem de cada vetor
da base cannica , pela aplicao T1.

Dado um operador linear T : V Ve uma

base qualquer de V, vamos denotar [T] por
[t], isto , [T] = [T].

T1([1 0 0]) = [1 1 0]

Sejam T : V V um operador linear, e

bases de V, [t] e [t] as matrizes que representam o operador T nas bases e , respectivamente. Sendo assim temos que

T1([0 1 0]) = [1 1 0]
T1([0 0 1]) = [0 0 1]
Logo teremos:

[t] = ([I])1 . [t] . [I], sendo [T] a matriz

mudana de base para a base .
De fato: Dadas asa bases e bases de V,
temos que [T(v)] = [T] . [v] e [T(v)] = [T] . [v].
Sendo [I] a matriz mudana de base para a
base , tem-se que:

De (I) e (II)temos:

[v] = [I] . [v] e [T(v)] = [I] . [T(v)] desta

forma ao substituir [v] = [I] . [v] e
[T(v)] = [I] . [T(v)] em [T(v)] = [T] . [v],
obtemos :

Ondde concluimos que [T1] = [T]1.

[I] . [T(v)] = [T] . [I] . [v]

Sendo [I] inversvel, logo teremos:
61

UEA Licenciatura em Matemtica

[T(v)] = ([I])1.[T] . [I] . [v]

Vamos chamar

Sendo [T(v)] = ([I])1.[T] . [I] . [v] e [T(v)] =

[T] . [v], teremos que:
1

, a matriz das coor-

denadas da base = {(1,1),(0,2)} e

[T] . [v] = ([I] ) .[T] . [I] . [v], onde concluimos que [T] = ([I])1.[T] . [I].

, a matriz das coordenadas da

Denotando [I] = M, teremos

base = {(1,1),(1,2)}.

[T] = M .[T].M.

Desta forma vamos determinar M = 1 . ,

onde 1 a matriz inversa da matriz .

Desta forma diremos que as matrizes [T] e [T],

so ditas semelhantes.

Logo:

Exemplo 17: Seja T : 2 2 um operador linear. Se = {(1,1),(0,2)} e = {(1,1),(1,2)}

so bases do

. Determine

Uma propriedade entre duas matrizes semelhantes [T] e [T] a seguinte:

[t], fazendo uso da relao

[T] = M1.[T].M.

8.7.1 Propriedade entre matrizes semelhantes

Soluo:

Dadas duasa matrizes semelhantes [T] e [T],

temos que det[T] = det[T].

Vamos em primeiro lugar determinar a matriz M

= [I].
De modo geral, temos que todo (x,y)
escreve na base do seguinte modo:

Demonstrao:

se

Sendo [t] e [t] semelhantes, temos que existe

uma matriz M = [I] tal que [T] = M1.[T]M.
Destab forma calculando o determinante de [t]
teremos:

Sendo assim temos:

det[T] = det(M1.[T]M) = detM1 . det[T] . detM

(1,1) = 1(1,1) + 0(0,2)

det[T] = 1 . det[T] . 1 = det[T]

Logo
1. Sejam = {(2,0),(0,2)}, = {(1,2),(0,1)} e
= {(0,1),(2,0)} bases do 2. Determine:

e:

a) [I]

b) [I]

logo:

c) [I]

[T] = M .[T] .M

d) [I]
2- Sabendo que

e a= {(1,0),(0,1)}

detrermine a base .
3. Sejam = {(1,0,0),(0,1,0),(0,0,1)} e
= {(1,0,1),(0,1,0),(0,1,1)} bases do 3.

Uma forma prtica de determinar M = [I] a

seguinte:

a) Determine [I].
62

lgebra Linear II Transformaes Lineares e Matriz mudana de base

b) Utilizar a matriz obtida no item a) para

calcular [v], sendo

c) Determime a matriz [I] .

4. Sejam = {(1,1),(0,1)} e = {(0,1),(2,0)}
bases do 2. Determine em cada caso abaixo
a matriz M, tal que [T] = M1.[T]M.
a) T :

( ), T(x,y) = (y,x)

b) T :

c) T :

d) T :

e) T :

f) T :

g) T :

, T(x,y) = (y x,x)
, T(x,y) = (y,x + y)
, T(x,y) = (2x + y, x y)
, T(x,y) = (2x y,y)
, T(x,y) = (y, x)
, T(x,y) = (y + x,x)

5. Sejam = {(1,1,0),(0,1,0),(0,0,2)} e
= {(0,1,0),(2,0,0),(0,1,1)} bases do 3.
Determine em cada caso abaixo a matriz M, tal
que [T] = M1.[T]M.
a) T :

b) T :

c) T :

d) T :

e) T :

f) T :

, T(x,y,z) = (y,x,z)
, T(x,y,z) = (x + y,x,z)
, T(x,y,z) = (y,x,z y)
, T(x,y,z) = (x y,x,z x)
, T(x,y,z) = (x + y,z,x,z)
, T(x,y,z) = (y,x,x z)

63

UNIDADE IV
Polinmio caracterstico e Diagonalizao

lgebra Linear II Polinmio caracterstico e diagonalizao

TEMA 09
b)

Polinmios sobre matrizes

g(x) = x2 5x + 1

Seja A uma matriz quadrada definida sobre um

corpo K. Definimos as potncias de A por:

g(A) = A2 5A + I

A2 = A . A;
A3 = A2 . A;
A4 = A3 . A;
.
.
.
An+1 = An . A; e
A0 = I
Assim para qualquer polinmio

c)

f(x) = a0 + a1x + a2x2 + ... + anxn

onde aiK Podemos definir o polinmio f sobre
matriz A, como sendo a matriz:
2

f(A) = a0I + a1A + a2A + ... + anA

h(t) = t2 + 9
h(A) = A2 + 9I

Observe que f(A) obtido de f(x) substituindo

a varivel x pela matriz A e substituindo o
escalar a0 pela matriz escalar a0I.
Se f(A) a matriz nula ento A chamado de
zero ou raiz de f(x).
Exemplo 1: Dada a matriz A calcule o valor do
polinmio dado em A:
Exemplo 2: Seja

a) f(t) = t2 3t 18;

. Verifique se A

raiz dos polinmios f(x) = 2x2 3x + 5 e g(x) =

x2 3x + 7.

b) g(x) = x2 5x + 1;

Soluo:
2

c) h(t) = t + 9;
Soluo:

f(x) = 2x2 3x + 5

a)

f(A) = 2A2 3A + 5I

f(t) = t2 3t 18
f(A) = A2 3A 18I

g(A) = A2 + 3A 10I

67

UEA Licenciatura em Matemtica

Assim A no raiz do polinmio f(x), mas raiz

do polinmio g(x).
Teorema 9.1: Sejam f e g polinmios quaisquer. Para qualquer matriz quadrada A e qualquer escalar k temos:

f(A).g(A) = (f.g)(A)
Deixamos como exerccios a demonstrao de
(iii) e (iv).

(i) (f + g)(A) = f(A) + g(A)

Os exemplos a seguir so para ilustrar as propriedades e para relembrar como devemos
proceder para operar polinmios.

(ii) (f . g)(A) = f(A) . g(A)

(iii) (K.f(A) = k . f(A)
(iv) (f)(A) . g(A) = g(A) . f(A)

Exemplo 3: Dada a matriz

Observe que o produto de dois polinmios em

A comuta como vemos no item (iv).

, e os

polinmios f(t) = t2 3t 18 e g(t) = t2 5t +

1, calcule:

Demonstrao:
Suponha que

a) (f + g)(A) e f(A) + g(A);

2

f(x) = a0 + a1x + a2x + ... + amx

b) (f . g)(A) e f(A) . g(A);

c) (2 . f)(A) e 2 . f(A);
2

g(x) = b0 + b1x + b2x + ... + bnx .

d) g(A) . f(A).

Ento, por definio

Soluo:
2

f(A) = a0I + a1A + a2A + ... + anA

Vamos inicialmente calcular A2 que ser utilizado em todos os itens deste exemplo:

e
g(A) = b0I + b1A + b2A2 + ... + bmAm.
(i) Suponha que m n, assim bi = 0 para i > m.
Ento

a) Agora sabendo que f(t) = t2 3t 18 e

g(t) = t2 5t + 1, temos:

(f + g)(x) = (a0 + b0) + (a1 + b1)x +

+ (a2 + b2)x2 + ... + (an + bn)xn

(f + g)(t) = f(t) + g(t)

(f + g)(A) = (a0 + b0)I + (a1 + b1)A +

(f + g)(t) = 2t2 8t 17

+ (a2 + b2)A2 + ... + (an + bn)An

(f + g)(A) = 2A2 8A 17I

(f + g) = a0 I + b0I + a1A + b1A

+ a2A2 + b2A2 + ... + anAn + bnAn
(f + g)(A) = f(A) + g(A)
(ii) Por definio
(f.g)(x) = cn+mxn+m + ... + c2x2 + c1x + c0

f(A) = A2 3A 18I

,
onde
Portanto

g(A) = A2 5A + I

68

lgebra Linear II Polinmio caracterstico e diagonalizao

Assim observamos o item (i) do teorema 9.1

(kf)(A) = k . f (A).
d) Finalmente vamos calcular g(A) . f(A) :
Assim observamos o item (i) do teorema 9.1
(f + g)(A) = f(A) + g(A).
b) Vamos obter agora (f . g)(A)
(f . g)(t) = f(t) . g(t)

Aqui podemos concluir dois fatos interessantes:

(f . g)(t) = (t2 3t 18)(t2 5t +1)

1 Exemplificamos o item (iv) f(A) . f(A) =

g(A) . f(A), do teorema 9.1;

(f . g)(t) = (t2 3t 18)(t2 5t +1)

4

(f . g)(t) = t 8t 2t + 87t 18

2 Apesar do produto de matrizes no ser comutativo, temos aqui, pelo teorema 9.1, um grupo
de matrizes que comutam: Se duas matrizes
so imagens de duas matrizes quaisquer, por
funes polinomiais, ento essas matrizes comutam no produto de matrizes.

(f . g)(A) = A4 8A3 2A2 + 87A 18I

9.1 Matrizes e operadores lineares

Seja T : V V um operador linear no espao
vetorial V. Podemos definir potncias de T
atravs da operao de composio de operadores, isto ,
T2 = T T;
T3 = T2 T;

Calculando f(A).g(A), temos:

T4 = T3 T;
.
.
.
Tn+1 = Tn T;
e
Assim observamos o item (ii) do teorema
9.1 (f . g)(A) = f(A) . g(A).

T0 = I.

(2 . f)(t) = 2 . f(t) = 2(t2 3t 18)

Da mesma forma que fizemos com as matrizes,

podemos definir tambm para qualquer
polinmio

(2 . f)(t) = 2t2 6t 36

f(x) = a0 + a1x + a2x2 + ... + anxn,

(2 . f)(A) = 2A2 6A 36I)

o operador f(T):

c) Obteremos agora (2 . f)(A):

f(T) = a0I + a1T + a2T2 + ... + anTn

onde I agora o operador identidade. Tambm
dizemos que T um zero ou raiz de f(x), se f(T)
igual ao operador nulo, ou seja, f(T) = 0.
As relaes do Teorema 9.1 so vlidas para
operadores lineares, assim como eram para

Calculando 2 . f(A), obtemos:

69

UEA Licenciatura em Matemtica

matrizes.
Seja A a representao matricial do operador
linear T. Ento f(A) a representao matricial
de f(T) e, em particular, f(T) = 0 se e somente
se f(A) = 0.

1. Sejam

. Calcule f(A),

g(A), f(B), g(B) onde f(x) = 2x2 5x + 6 e

g(x) = t3 2t2+ t + 3.

Exemplo 4: Seja T : IR2 IR2, a transformao

linear definida por T(x,y) = (x 2y, 4x + 5y).
Verifique se T raiz dos polinmios abaixo.
a) f(t) = t2 3t + 7

2. Seja

. Calcule a matriz real A

b) g(t) = t 6t + 13
tal que B = A3.

Soluo:
Em primeiro lugar calcular vamos obter a
matriz [T]:

3. Verifique a validade do teorema 9.1 para os

polinmios f e g, e para a matriz A do exerccio
1.(Para a propriedade (iii) tome k = 3)

T(1,0) = (1 2 . 0,4 . 1 + 5 . 0) = (1,4) =

1 . (1,0) + 4 . (0,1)

4. Verifique a validade do teorema 9.1 para os

polinmios f e g, e para a matriz B do exerccio
1.(Para a propriedade (iii) tome k = 5)

T(0,1) = (0 2 . 1,4 . 0 + 5 . 1) = (2,5) =

2 . (1,0) + 5 . (0,1)

5. Sabendo que as propriedades demonstrada

para o teorema 9.1 so vlidas tambm para
operadores lineares, verifique-as para o oper3
ador T ;
3 definida por T(x,y,z) =
(2x,y,z), e os polinmios f(t) = t3 2t2 + t + 3
e g(t) = t3 4t2 + 5t 2.

.
Assim
a) f(t) = t2 3t + 7
f([t]) = [t]2 3[t] + 7I

9.3 Polinmio Caracterstico

9.3.1 Polinmio caracterstico de uma matriz
Seja A = [aij] uma matriz quadrada de ordem n.
A matriz

b) g(t) = t 6t + 13

M = A tIn,

g([T]) = [T]2 6[T] + 13I

onde In a matriz identidade de ordem n e t

uma incgnita, pode ser obtida subtraindo-se t
de cada elemento da diagonal de A.
Definimos o polinmio caracterstico p(t) da
matriz A por
Como f(A) 0 e g(A) = 0, conclumos que
A raiz apenas do polinmio g(x), e portanto T tambm o .

p(t) = det(M) = det(A tIn)

Teorema 9.2: Toda matriz A raiz de seu
polinmio caracterstico.
Demonstrao:
De fato, para p(t) = det(A tIn) basta substituirmos t por A, ento obtemos
70

lgebra Linear II Polinmio caracterstico e diagonalizao

p(A) = det(A AIn) = det(A A)

p(A) = 0, como queramos.
Exemplo 5: Determine o polinmio caracterstico da matriz

p(t) = (5 3)(3 t)(5 t)(1 t)

p(t) = t4 14t3 + 68t2 130t + 75

Soluo:
p(t) = det(A tI2)

Determine o polinmio caracterstico de cada

uma das matrizes abaixo:
p(t) = (1 t)(5 t) 6

a)

p(t) = t2 6t 1

b)

Exemplo 6. Determine o polinmio caracterstico da matriz

c)

Soluo

d)

p(t) = det(A tI3):

e)

Teorema 9.3: Matrizes semelhantes possuem

o mesmo polinmio caracterstico.
p(t) = t3 13t2 + 31t 17

Demonstrao:
Sejam A e V matrizes semelhantes, digamos
que B = PAP1, onde P inversvel.

Exemplo 7. Determine o polinmio caracterstico da matriz

Sabemos que tI = PtIP1, assim temos

PB(t) = det(B tI) = det(PAP1 tI)
PB(t) = det(PAP1 PtIP1)
PB(t) = det[P((A tI)P1]

Soluo:

PB(t) = det(P).det(A tI).det(P1)

p(t) = det(A tI4)

PB(t) = det(A tI)

PB(t) = PA(t)
9.5 Polinmio caracterstico de um operador linear
Seja T : V V um operador linear sobre um
71

UEA Licenciatura em Matemtica

espao vetorial V de dimenso finita. Definimos

o polinmio caracterstico p(t) de T como
sendo o polinmio caracterstico de qualquer
representao matricial de T.

1. Mostre que uma matriz A e sua transposta At

possuem o mesmo polinmio caracterstico.

Exemplo 8: Determine o polinmio caracterstico

de cada um dos operadores abaixo:

2. Seja A uma matriz quadrada qualquer e f(t) um

polinmio. Mostre que:

a) F : IR2 IR2, definida por F(x,y) = (3x + 5y,

2x 7y).
b) D : V V, definida por

a) f(PAP1)n = PAnP1
b) f(PAP1) = Pf(A)P1

, onde V

c) f(AT) = [f(A)]T

o espao das funes de base B = {sent,

cost}.

d) Se A simtrica ento f(A) simtrica.

Soluo:

3. Calcule o polinmio caractersticos dos operadores abaixo:

a) Vamos determinar inicialmente a matriz A

que define F, na base cannica de IR2.

a) T(x,y,z) = (x + 2y + 3z, 3x + 4z, 6x + 4y + 5z)

b) T(x,y,z,w) = (x + y + 2z + 2w, 3y + 3z + 4w,
5z + 5w, 6w)

p(t) = det(A tI2)

c) T(x,y) = (x 2y, 4x + 5y)

4. Determine o polinmio caracterstico para o
operador linear D : V V, definida por
, onde V o espao das funes contnuas de uma varivel real de base B = {cost,
sent}.

p(t) = (3 t)(7 t) 10
p(t) = t2 + 4t 31
b) Novamente determinaremos inicialmente a
matriz A que define D, na base B = {sen t,
cos t}.

9.7 Autovalores e autovetores

9.7.1 Autovalores e autovetores de matrizes

D(sent) = cost = 0 . sent + 1 . cost

Seja A uma matriz quadrada de ordem n. Um

escalar chamado de autovalor de A se existe
um vetor (coluna) v no nulo tal que

D(cost) = sent = 1 . sent + 0 . cost

Assim obtemos

Av = v.
Qualquer vetor Satisfazendo esta relao
chamado de autovetor de A associado ao autovalor .

p(t) = det(A tI2)

Observe que qualquer mltiplo escalar kv de

um autovetor v associado a tambm um
autovetor, com efeito:
A(kv) = k(Av) = k(v) = (kv)

p(t) = (t)(t) 1

Os termos valor caracterstico ou valor prprio

e vetor caracterstico ou vetor prprio so tambm usados no lugar de autovalores e autovetores.

p(t) = t2 + 1

72

lgebra Linear II Polinmio caracterstico e diagonalizao

Exemplo 10: Mostre que 7 um autovalor da

matriz A do exemplo anterior e determine os
autovetores associados.

9.7.2 Propriedades dos autovalores e

autovetores de matrizes
Propriedade 1: Seja A uma matriz quadrada.
So equivalentes:

Soluo:
Como o 7 autovalor de A, ento satisfaz a
equao

(i) O escalar um autovalor de A.

(ii) A matriz M = A I singular.

Au = 7u

(iii)O escalar uma raiz do polinmio caracterstico p(t) de A.

onde

autovetor associado ao auto va-

lor 7. Assim temos

Propriedade 2: Seja A uma matriz quadrada

sobre o corpo dos complexos. Ento a matriz
A possui ao menos um autovalor.

Au 7u = 0
(A 7I)u = 0

Propriedade 3: Os autovalores de uma matriz

diagonal so os elementos de sua diagonal
principal.
Propriedade 4: Sejam v1, v2,...,vn so autovetores de uma matriz A associados aos autovalores distintos 1, 2, ... ,n. Ento
v1,
v2,...,vn so linearmente independentes.
Temos ento um sistema possvel, mas indeterminado, pois uma equao mltipla escalar
da outra, portanto pelo escalonamento obtemos

Propriedade 5: (Teorema da matriz inversvel)

Seja A uma matriz quadrada. Ento A inversvel se, e somente se, o escalar zero no
autovalor para A.
Observao:
muito simples determinar se um vetor
autovetor de uma matriz, como tambm simples decidir se um escalar um autovalor,
como mostram os exemplos abaixo.

Assim temos que todo vetor da forma

com x 0, um autovetor de A associado ao

autovalor = 7.

ser que u e v so autovetores de A?

9.7.3 Autovalores e autovetores de operadores lineares.

Exemplo 9: Sejam

Seja T um operador linear. Um escalar

chamado de autovalor de T se existe um vetor
v no nulo tal que T(v) = v.
Qualquer vetor Satisfazendo esta relao
chamado de autovetor de T associado ao autovalor .

Soluo:

Au = 4 . u

O conjunto W de todos os autovetores de V

associados a , formam um subespao de V
chamado de auto-espao. Com efeito, 0W
pois T(0) = 0 = 0, para v1, v2 W temos
T(v1 + v2) = T(v1) + T(v2)

,
Conclumos ento que u autovetor de A associado ao autovalor 4, ao passo que v no
autovetor de A, pois Av no mltiplo escalar
de v.

T(v1 + v2) = v1 + v2
73

UEA Licenciatura em Matemtica

T(v1 + v2) = (v1 + v2)

Soluo:

portanto v1 + v2 W, e

Nesse exemplo, mostraremos os passos

necessrios para obtermos o polinmio caracterstico de matrizes de ordem 2 de uma
maneira bem simples.

T(kv) = kT(v) = k(v) = (kv), para todo k no

corpo.
De maneira anloga podemos demonstrar que
cada autovetor associado ao respectivo autovalor de uma matriz quadrada gera um subespao.

a) Para qualquer matriz A de ordem dois seu

polinmio caracterstico dado por:
p(t) = t2 tr(A)t + det(A), onde tr(A) o
trao de A (somatrio dos elementos da
diagonal principal de A) e det(A) o determinante de A.

9.7.4 Propriedades dos autovalores e

autovetores de operadores lineares
Seja T um operador linear sobre um espao de
dimenso finita V:
Propriedade 1: T pode ser representado por uma
matriz diagonal D se e somente se existe uma
base B de V formada apenas por autovetores de
T. Neste caso, os elementos diagonais de D so
os autovalores correspondentes.

Assim
p(t) = t2 + 3t 10
cujas razes so 1 = 2 e 2 = 5 e so tambm autovalores de A.
Vamos agora determinar os autovetores
associados a cada auto valor:

Propriedade 2: Seja T um operador linear. So

equivalentes:

Seja v1(x,y) o auto vetor associado ao autovalor 1 = 2. Assim

(i) O escalar um autovalor de T.

Av1 = 1v

(ii) O operador linear T I singular.

(iii)O escalar uma raiz do polinmio caracterstico p(t) de T.
Propriedade 3: Seja V um espao vetorial
complexo. Ento T possui ao menos um autovalor.
Propriedade 4: Sejam v1, v2,...,vn so autovetores
no nulos de um operador linear T associados
aos autovalores distintos 1, 2,...,n. Ento
v1, v2,...,vn so linearmente independentes.

{x 4y = 0
{x = 4y
A soluo do sistema ento (4y,y) =
y(4,1). Assim v1 = (4,1) o auto vetor associado ao autovalor 1 = 2.

Propriedade 5: Seja p(t) = (t a1)(t a2)...(t an)

o polinmio caracterstico de T. Ento T semelhante a matriz diagonal D = diag(a1, a2,...,an).
Propriedade 6: Seja A uma representao
matricial de T. Ento T diagonalizvel se, e
somente se, A diagonalizvel.
Exemplo 11: Seja

Procedendo da mesma maneira para

1 = 5, temos:

a) Determine todos os autovalores

autovetrores correspondentes.

b) Determine matrizes P e D tais que P no

singular e D = P1AP diagonal.
74

lgebra Linear II Polinmio caracterstico e diagonalizao

c)

{2x y = 0

, = 1, = 2, = 3

{y = 2x
A soluo do sistema ento (x,2x) =
x(1,2). Assim v2 = (1,2) o auto vetor associado ao autovalor 2 = 5.
b) Seja P a matriz cujas colunas so v1 e v2.

6. Para

, obtendo a matriz inversa

Ento

, =3

d)

determine um autovalor sem

fazer qualquer clculo e justifique sua resposta.

,

de P,
temos

7. Explique por que uma matriz quadrada de

ordem 2 pode ter no mximo dois autovalores
distintos. Explique por que uma matriz quadrada de ordem n pode ter no mximo n autovalores distintos.

8. Seja um autovalor para a matriz inversvel A.

mostre que 1 um autovalor para A1.
9. Mostre que A e At tm os mesmos autovalores.
1. verdade que = 2 autovalor para

2.

verdade

que

autovetor

?
10. Considere uma matriz quadrada A de ordem n
com a propriedade de que a soma de cada
linha tem o mesmo valor s. Mostre que s um
autovalor para A.

para

11. Determinar autovalores, em IR, e autovetores

de

3. verdade que

a) T(x,y) = (y,x)

autovetor para

b) T(x,y) = (y,x)
c) T(x,y,z) = (x,y,0)

d) T(x,y) = (x + y, x y)
?
4. verdade que = 4 autovalor para

5. Determine uma base para o auto-espao associado a cada autovalor.

a)

b)

, = 1, = 5
, = 10

75

UEA Licenciatura em Matemtica

O aplicando o mtodo para obter a inversa de

P temos:

TEMA 10
DIAGONALIZAO

Assim

Agora temos as ferramentas matemticas

necessrias para determinar quando uma
matriz quadrada A ou uma matriz associada a
um operador T sobre um espao de dimenso
finita V diagonalizvel. Antes comearmos a
falar de diagonalizao propriamente, veremos
um mtodo para calcular Ak, onde A uma
matriz quadrada.

A2 = (PDP1)(PDP1)

A2 = PD2P1
A3 = A2A = (PD2P1)(PDP1)

10.1 Determinao de Ak

A3 = PD3P1
Em geral para k 1,

A informao sobre autovalores e autovetores

contida numa matriz A pode ser apresentada
atravs de uma fatorao til do tipo

AK = PDKP1

A = PDP1.
A fatorao acima nos permite calcular Ak rapidamente para valores grandes de k, uma idia
fundamental em muitas aplicaes de lgebra
linear.
Exemplo1: Se

Teorema 10.1 (Teorema da diagonalizao):

Uma matriz quadrada A de ordem n diagonalizvel se, e somente se, A tem n autovetores
linearmente independentes.

, ento :

De fato, A = PDP1, onde D uma matriz diagonal se, e somente se, as colunas de P so os n
autovetores de A linearmente independentes.
Nesse caso, os elementos da diagonal principal
de D so os autovalores de A associados,
respectivamente, aos autovalores em P.
, para k 1.

Em geral

Em outras palavras se A a matriz de um operador linear T : V V, com V espao vetorial de

dimenso finita, A diagonalizvel se e
somente se existem autovetores suficientes
para formar uma base para V. Chamamos tal
base de base de autovetores.

Agora vejamos para uma matriz qualquer

1
A = PDP , com P uma matriz inversvel e D
uma matriz diagonal:
Exemplo 2:. Seja

Demonstrao:

Primeiro, observe que se P for qualquer matriz

quadrada de ordem n com colunas v
v1,v2,v3,...,vn e se D qualquer matriz diagonal
cujos elementos da diagonal principal so
1,2,3,...,n, ento

Determine uma frmula para Ak, dado que

A = PDP1, onde
e

AP = A[v1,v2,...,vn]
AP = [Av1,Av2,...,Avn] (1)

Soluo:
76

lgebra Linear II Polinmio caracterstico e diagonalizao

Passo 1: Determinar os autovalores de A.

O polinmio caracterstico de A

Enquanto

p(t) = det(A tI)

PD = [1v1,2v2,...,Nvn] (2)
Suponha, agora, que A seja diagonalizvel e
que A = PDP1. Ento multiplicando essa
relao direita por P, obtemos AP = PD.
Nesse caso (1) e (2) implicam que

p(t) = t3 3t2 + 4

[v1,v2,...,vn] = [1v1,2v2,...,Nvn] (3)

Assim os autovalores so 1 = 1 e 2 = 2.

Igualando as colunas, obtemos

Passo 2: Determinar os autovetores de A.

Av1 = 1v1

No esquea que para termos A diagonalizvel necessrio que encontremos 3 vetores linearmente independentes, pois A de ordem 3.
O mtodo estudado na seo 9.7 fornece uma
base para cada auto-espao:

p(t) = (t 1)(t + 2)2

Av2 = 2v2
.
.
.
Avn = nvn (4)
Como P inversvel suas coluna so linearmente independentes. Mais ainda, como essas
colunas so no nulas, (4) mostra que 1,
2,...,n so autovalores e v1, v2,...,vn so os
autovetores associados. Essa argumentao

Para 1 = 1, a base

Para 2 = 2, a base so

prova as primeiras duas afirmaes do teorema.

Finalmente dados quais quer n autovetores v1,
v2,...,vn
, use-os para montar as colunas de P e
use os autovalores associados 1, 2,...,n para
montar D. Por (1) (3), AP = PD. E se P inversvel conclumos que

to linearmente independente.

A = PDP1.

P = [v1 v2 v3]

Voc pode verificar que {v1,v2,v3} um conjunPasso 3: Monte P a partir dos vetores do passo 2.
No importa a ordem dos vetores, mas usando
a ordem escolhida no passo 2 temos

Exemplo 3: Diagonalize a seguinte matriz, se

possvel,

Passo 4: Monte D a partir dos autovalores

associados.
Soluo:

Neste passo temos que tomar o cuidado de

escolher os autovalores na mesma ordem
escolhida para as colunas de P. use o autoval-

Diagonalizar uma matriz determinar uma

matriz inversvel P e uma matriz diagonal D tal
que

or 2 = - 2 duas vezes, uma para cada autovetor que a ele est associado.

A = PDP1.
Vamos fornecer, ao resolver este exemplo, um
algoritmo para determinar os autovalores e
autovetores da matriz A e se existe ou no uma
matriz P inversvel tal que D = P1AP diagonal.
77

UEA Licenciatura em Matemtica

izvel. A matriz do exemplo 1, de ordem 3,

desta seo diagonalizvel e possui apenas
dois autovalores distintos.
Teorema 10.3: Seja A uma matriz quadrada de
ordem n cujos autovalores distintos so
1,2,,...,p.

sempre bom verificar se P e D realmente funcionam. Para evitar calcular P1, verifique simplesmente que AP = PD. Isso equivalente
a A = PDP1 quando P inversvel.

(i) para 1 k p, a dimenso do auto-espao

para k menor ou igual a multiplicidade do
autovalor k.

Exemplo 4: Diagonalize a seguinte matriz, se

possvel,

(ii) A matriz A diagonalizvel se e somente se

a soma das dimenses dos auto-espaos
distintos igual a n, e isso acontece se e
somente se a dimenso do auto-espao
para cada k for igual multiplicidade de k.

Soluo:

(iii)Se A diagonalizvel e Bk uma base para

o auto-espao associado a k para cada k,
ento a coleo total dos vetores de B1,
B2,..., Bp forma uma base de autovetores
para o IRn.

O polinmio caracterstico o mesmo do

exemplo 1.
p(t) = t3 3t2 + 4
p(t) = (t 1)(t + 2)2
Assim os autovalores so 1 = 1 e 2 = 2.

Exemplo 5: Seja

Mas ao calcularmos os autovetores vemos que

cada auto-espao de dimenso 1.

a) Determine todos os autovalores de A.

b) Determine um conjunto maximal S de auto
vetores linearmente independentes de A.

Para 1 = 1, a base

c) A diagonalizvel? Se for , determine P tal

que D =P1AP diagonal.
Para 2 = 2, a base

Soluo:

Portanto A impossvel obter uma base para o

3
IR . Pelo teorema da diagonalizao A no
diagonalizvel.

a) Vamos calcular o polinmio caracterstico

de A. Para isso veremos um mtodo prtico
para determin-lo sempre que a matriz for
de ordem 3:

Teorema 10.2: Uma matriz quadrada de ordem

n com n autovalores distintos diagonalizvel.

p(t) = t tr(A)t + (A11 + A22 + A33)t det(A),

onde tr(A) o trao de A, Aii a matriz do cofator aii de A e det(A) o determinante de A.

Demonstrao:

tr(A) = 4 + 5 + 2 = 11

Sejam v1,v2,...,vn autovetores associados aos n

autovalores distintos da matriz A, ento
{v1,v2,...,vn} linearmente independente, pela
propriedade 4 de autovalores e autovetores de
uma matriz A. portanto pelo Teorema 10.1
diagonalizvel.

det(A) = 40 2 2 + 5 + 8 4 = 45

Observao:

p(t) = t3 11t2 + 39t 45

No necessrio que uma matriz de ordem n

tenha n autovalores distintos para ser diagonal-

Considerando que p(t) possui uma raiz

racional ela um dos seguintes nmeros:
78

lgebra Linear II Polinmio caracterstico e diagonalizao

1, 3, 5, 9, 15, 45.
1. Calcule A8 onde

Testando cada raiz e utilizando o mtodo de

Briott-Ruffini temos

2. Diagonalize as matrizes abaixo, se possvel. Os

autovalores dos exerccios: (c) {1, 2, 3}, (d) {5, 1}.
Assim t = 3 3 raiz de p(t) e t 3 um de
seus fatores, portanto

a)

b)

c)

d)

p(t) = (t 3)(t 5)(t 3) = (t 3)2(t 5)

Assim = 3 e = 5 so os autovalores de A.
b) Utilizando os mtodos dos exemplos anteriores:
i) Para = 3, fazendo Av = v obtemos a equao

e)

x+yz=0
x+y=z
3. A uma matriz quadrada de ordem 5 com dois
autovalores. Um auto-espao tridimensional
e o outro bidimensional. A diagonalizvel?
Por qu?

cujo conjunto soluo dado por

(x,y,x + y) = x(1,0,1) + y(0,1,1)
Assim obtemos os vetores u = (1, 0, 1) e v
= (0, 1, 1) linearmente independentes.

4. A uma matriz quadrada de ordem 4 com trs

autovalores. Um auto-espao unidimensional e
um dos outros bidimensional. possvel que A
no seja diagonalizvel? Justifique sua resposta.

ii) = 5, fazendo Aw = w obtemos o sistema

cujo conjunto ouluo (z,2z,z) = z(1,2,1)

5. Se B = PAP1 e x um autovetor para A associado a um autovalor , ento Px um autovetor

para B associado tambm a .

Assim w = (1, 2, 1) uma soluo.

Desta forma
S = {u,v,w} = {1,0,1},(0,1,1),(1,2,1)} um
conjunto maximal de autovetores de linearmente independentes de A, pela propriedade 4 de autovalores e autovetores.

6. Demonstre o Teorema 10.3.

10.3 Diagonalizao de matrizes simtricas

c) A diagonalizvel pois possui trs vetores

linearmente independentes.

H muitas matrizes reais A quadradas que no

so diagonalizveis. Na verdade, algumas
matrizes reais no possuem autovalor (real).
Contudo, se A uma matriz real simtrica, ento
esses problemas no ocorrem. Especificamente,
temos os seguintes teoremas:

Para obtermos P basta tomarmos os

autovetores como colunas de P.
e

Teorema 10.4: Seja A uma matriz real simtrica. Ento toda raiz de seu polinmio caracterstico real.

Note que se A diagonalizvel, a diagonal

principal da matriz D formada pelos autovalores de A, na ordem que foram tomados
os autovetores associados aos autovalores.

Teorema 10.5: Seja A uma matriz real simtrica. Suponha que u e v so vetores de A pertencentes a autovalores distintos 1 e 2 .
79

UEA Licenciatura em Matemtica

Ento u e v so ortogonais, isto , (u,v) = 0.

a)

Os dois teoremas acima nos do o seguinte

resultado fundamental.

b)

Teorema 10.6: Seja A uma matriz real simtrica.

Ento existe uma matriz ortogonal P tal que A =
PDP1, onde D uma matriz diagonal.

c)

Neste caso A dita ortogonalmente diagonalizvel.

Exemplo 6: Diagonalize ortogonalmente a
matriz simtrica

10.5 Polinmio Minimal

Seja A uma matriz quadrada qualquer. Seja J(A)

o conjunto de todos os polinmios f(t) que possuem A com raiz, isto , para os quais f(A) = 0.
O conjunto J(A) no vazio uma vez que o
Teorema 9.2 nos diz que o polinmio caracterstico pA(t) de A pertence a J(A). Seja m(t) o
polinmio mnico de menor grau em J(A). (tal
polinmio existe e nico.) Chamamos m(t) de
polinmio minimal da matriz A.

Soluo:
p(t) = det(A tI)

Um polinmio f(t) dito mnico quando o coeficiente de seu termo de maior grau um.

p(t) = t2 7t + 6
p(t) = (t 6)(t 1)

O polinmio mnimo m(t) de um operador linear T definido da mesma forma que

definido para uma matriz quadrada, claro
tendo o operador T como raiz. Contudo, para
qualquer polinmio f(t), temos

Assim os autovetores so 1 = 6 e 2 = 1.
Para 1 = 6, a base

f(T) = 0 se e s se f(A) = 0

Para 2 = 1, a base

onde A qualquer representao matricial de

T. Desta forma T e A possuem o mesmo
polinmio minimal. Assim os teoremas a seguir
se aplicam para os operadores lineares e para
as matrizes.

Normalizando os autovetores temos

e

Teorema 10.7:
O polinmio mnimo m(t)
de uma matriz A (operador linear) divide qualquer polinmio que possui A como raiz. Em
particular m(t) divide o polinmio caracterstico
p(t) de A.

Demonstrao:
Seja f(t) um polinmio tal que f(A) = 0 e m(t) o
polinmio minimal de A. Pelo algoritmo da
diviso, existem polinmios q(t) e r(t) tais que
f(t) = m(t) q(t) + r(t).
1. Diagonalize a matriz simtrica

Temos ento que r(t) = 0 ou r(t) tem grau

menor que m(t). Substituindo t por A, temos
f(A) = m(A) q(A) + r(A)

2. Determine a matriz ortogonal P tal que

D = PAP1 diagonal:

0 = 0 q(A) + r(A)
80

lgebra Linear II Polinmio caracterstico e diagonalizao

r(A) = 0.
Se r(t) 0, ento o grau de r(t) menor que o
grau de m(t) e possui A como raiz, o que contraria a definio de polinmio mnimo. Assim
conclumos que r(t) = 0 e dessa forma
f(t) = m(t)q(t),
isto , m(t) um divisor de f(t).
Teorema 10.8: O polinmio caracterstico p(t)
e o polinmio mnimo m(t) de uma matriz A
possuem os mesmos fatores irredutveis.
Teorema 10.9: Um escalar um autovalor da
matriz A se e s se uma raiz do polinmio
mnimo de A.

1. Sejam
e
.

Exemplo 7: Determine o polinmio mnimo da

matriz

O polinmio caracterstico dessas duas

matrizes p(t) = (t 2)(t 1)2. Determine o
polinmio mnimo m(t) de cada uma dessas
matrizes.

Soluo:

2. Determine o polinmio mnimo de cada uma

das matrizes abaixo:

p(t) = det(A tI)

a)

b)

c)

p(t) = t3 5t2 + 7t 3
p(t) = (t 1)2(t 3)
O polinmio minimal m(t) deve ser um divisor
de p(t). Alm disso, qualquer fator irredutvel de
p(t), isto , t 1 e t 3, devem ser fatores de
m(t). Assim m(t) pode ser:

3. Para cada uma das matrizes B simtricas

dadas, determine seus autovalores, um conjunto maximal S de autovetores ortogonais e
1
uma matriz ortogonal P tal que D =P AP
diagonal.

f(t) = (t 3)(t 1)
ou
g(t) = (t 3)(t 1)2

a)

Sabemos pelo Teorema 9.2 que g(A) = f(A) =

p(A) = 0. Ento devemos verificar se A raiz
f(t):
f(t)= (t 3)(t 1)
f(A) = (A I)(A 3I)

b)
81

UNIDADE V
Produtos Internos, Operadores Lineares e Auto-Adjuntos

lgebra Linear II Produto Interno, Operadores Lineares e Auto-Adjuntos

Com essa notao, tem-se |u|2 = u,u e a igualdade u + v, u + v = u,u + u,v + v,u + v,v
l-se:

TEMA 11

|u + v|2 = |u|2+|v|2 + 2u,v.

Tema 11: Produto interno

Quando |u| = 1 diz-se que uE um vetor

unitrio. Todo vetor u 0 se escreve como
u=|u|.u, em que u um vetor unitrio. Basta
pr u = |u|1.u.

O produto interno, que j foi mencionado antes

na disciplina lgebra Linear I, ser apresentado de modo mais geral nesta seo e adotado
sistematicamente a partir daqui. Trata-se de
uma noo que completa e enriquece a estrutura de um espao vetorial, permitindo a utilizao de uma linguagem geomtrica altamente
sugestiva e o destaque de tipos especiais de
operadores, os quais admitem uma anlise mais
profunda de suas propriedades, como veremos a seguir.

Exemplo 1
No espao euclidiano n, o produto interno cannico os vetores u = (1,...,n) e v = (1,...,n) e
definido por u,v = 11 +...+ nn. Esse o
produto interno que consideraremos em n, salvo aviso em contrrio.
Exemplo 2

Os axiomas de espao vetorial no so suficientes para abordar certas noes geomtricas

como ngulo, perpendicularismo, comprimento, distncia, etc. Isso se torna possvel com a
introduo de um produto interno.

Consideremos 2 como o modelo aritmtico

do plano euclidiano, no qual se introduziu um
sistema de coordenadas cartesianas. Dados
u = (12) e v = (12), os nmeros

Um produto interno num espao vetorial tg E

um funcional bilinear simtrico e positivo em E.
Mais precisamente, um produto interno uma
funo E x E , que ssocia a cada par de
vetores u,vE um nmero real u,v chamado
produto interno de u por v, de modo que
sejam vlidas as seguintes propriedades, para
quaisquer u, u, v, vE e .
i)

medem realmente os comprimentos das flechas que representam esses vetores.

Suponhamos u 0, v 0 e chamemos de o
ngulo formado por essas flechas. Afirmamos
que o produto interno u,v = 12 + 22 acima
definido igual a |u||v|cos . Isso ser provado em trs passos:

Bilinearidade:
u u,v = u,v + u,v,
u,v = u,v,
u, v + v = u,v + u,v,

1. Se os vetores u e v so perpendiculares, ento

u, v = u,v
ii) Comutatividade (simetria): u,v = v,u;

u,v = 0 = |u||v|cos90.

iii) Positividade: u,u > 0 se u 0.

Com efeito, por um lado,

Como 0,v = 0 + 0,v = 0,v +0,v , segue-se

que 0,v = v,0 = 0 para todo vE.

|u + v|2 = u + v, u + v = |u|2 + |v|2 +

2u,v e por outro lado, pelo Teorema de Pitgoras, |u +v|2 = |u|2 + |u|2

Resulta da positividade que se u.v = 0 para todo vE ento u = 0. Com efeito, se fosse u
0, teramos u,v 0 pelo menos quando v = u.
Segue-se dessa observao que se u,uE
so vetores tais que u,v = u,v para todo
vE ento u = u. Com efeito, isso implica que
u u,v para todo vE, logo u = u = 0 e u = u.
O nmero no-negativo
chama-se

Logo u.v = 0.

a norma ou o comprimento do vetor u.

85

UEA Licenciatura em Matemtica

2. Se |u|=|v|=1 ento u,v = cos .

Exemplo 4

Com efeito, tomando o vetor unitrio u* perpendicular a u, temos, pela definio de

seno e cosseno, v = cos. u + sen. u*.
Veja figura abaixo.

Se V o espao de funes contnuas no intervalo [0,1] dadas f1 e f2V, definimos

Poderemos verificar que as quatro condies

da definio so satisfeitas em cada exemplo
e, portanto, , um produto interno.
Nesse caso, a norma da funo f1

Tomando o produto interno de ambos os

membros desta igualdade por u vem

Esse produto interno utilizado no estudo das

sries de Fourier.

u,v = cos. u,u + sen . u,u*. Como

u,u = 1 e u,u*= 0 pelo primeiro passo,
temos u,v = cos .

Observao Seja E um espao vetorial de dimenso finita arbitrrio. Dada uma base
{u1,...un} E, podemos definir um produto interno em E pondo, para

3. Caso geral Pomos u = |u|.u e v = |v|.v

onde

so vetores

u = iui, u,v = ii, por definio.

Isso mostra que todo espao vetorial de dimenso finita pode ser munido de um produto
interno (fato verdadeiro em geral, pois qualquer espao vetorial possui base, mas no entraremos nesse terreno). Assim, quando nos
referirmos a um espao munido de um produto interno, no estaremos com isso atribuindo
uma propriedade especial a esse espao, mas
apenas dizendo que, entre os possveis produtos internos que nele podem ser introduzidos,
um particular foi escolhido e fixado.

unitrios.
Ento, u,v = |u||v|u,v = |u||v|cos .
Vemos, em particular, que os vetores u,v formam um ngulo agudo quando u,u > 0,
um ngulo obtuso quando u,v < 0 e um
ngulo reto quando u,u = 0.
Exemplo 3
Sejam V = M(2,2) as matrizes quadradas de
ordem 2 reais e o produto interno dado pela
expresso (comprove que realmente um produto interno, testando as propriedades):

Seja V um espao vetorial com produto interno

,. Diz-se que dois vetores v e w de V so ortogonais (em relao a esse produto interno) se
v,w = 0. No caso em que v e w so ortogonais, escrevemos

Vamos calcular o ngulo entre as matrizes

e

v w.

, segundo esse produto interno.

Propriedades:
Ento,

i)

0 v para todo vV.

ii) v w implica que w v.

iii) Se v w para todo wV, ento v = 0.
e

iv) Se v1 w e v2 w, ento v1 + v2 w.

Portanto

v) Se v w e um escalar, v w.

e assim,

Vamos demonstrar a primeira delas, e voc poder provar facilmente as outras, usando as
propriedades do produto interno.

86

lgebra Linear II Produto Interno, Operadores Lineares e Auto-Adjuntos

i) Para mostrar que 0 ortogonal a todo vetor

v, lembremos que 0 = 0. v e, portanto,
0,v = 0.v,v = 0v,v = 0.

Num espao vetorial E com produto interno,

seja u um vetor unitrio. Dado qualquer vE, o
vetor u,v . u chama-se a projeo ortogonal
de v sobre o eixo que contm u. A justificativa
para esta denominao est no fato de que,
escrevendo w = v u,vu, tem-se v = u,vu +
w, onde w perpendicular a u. Com efeito, tomando o produto interno de u por ambos os
membros da igualdade w = v u,vu, tem-se

Um conjunto X E diz-se ortogonal quando dois vetores distintos quaisquer em X

so ortogonais. Se, alm disso, todos os
vetores de X so unitrios, ento X chamase um conjunto ortonormal. Portanto o conjunto X E ortonormal se, e somente se,
dados u,vX tem-se u,v = 0 se u v e
u,v = 1 se v = u.

u,w = u,v u,vu,u = u,v u,v = 0,

pois u,u = 1.

Uma base ortonormal uma base de E que

um conjunto ortonormal.

Como na figura abaixo:

Teorema 1
Num espao vetorial E com produto interno, todo conjunto ortogonal X de vetores no-nulos
L.I.
Demonstrao Sejam v1,...,vnX. Temos
vi,vj = 0 se i j. Se 1v1 +...+nvn= 0 uma
combinao linear nula desses vetores, ento,
para cada i = 1,2,...,n, tomamos o produto
interno de ambos os membros dessa igualdade por vi e temos 1v1,v1 +...+nvn,vi += 0.
Logo ivi,vi = i|vi|2, pois todos os produtos
internos vj,vi, com j i, so nulos em virtude
da ortogonalidade de X. Alm disso, como os
vetores pertencentes ao conjunto X so todos
no-nulos, resulta de i|vi|2 = 0 que i = 0.
Assim, os coeficientes da combinao linear
ivi = 0 so todos iguais a zero, e os vetores
do conjunto X so, portanto, linearmente independentes.

Quando se tem apenas u 0, o eixo que contm u o mesmo que contm o vetor unitrio

A projeo ortogonal de v sobre este eixo , portanto, igual a u,vu, ou

seja,

. Usaremos a notao

para indicar a projeo ortogonal do vetor v

sobre o eixo que contm vetor no-nulo u.

Exemplo 5

Se z = pru(v), tem-se v = z + w, com w z.

Pelo Teorema Pitgoras, |v|2=|z|2+|w|2. Em
particular, vemos que |z||v|, isto , o comprimento da projeo pru(v) menor do que ou
igual ao primento de v.

A base cannica {e1,...en} n ortonormal:

tem-se ei,ej = ij, onde ij = 0 se i j e ij = 1
se i = j. No plano 2, os vetores u = (1,1) e
v = (1,1) so ortogonais.
Pondo

Ora, a norma do vetor pru(v) igual a

e

Segue-se, ento, que, para quaisquer u,vE, tem-

o conjunto {u,v} 2 uma base ortonormal.

|u +v|2 = |u|2 + |v|2 + 2u,v

se

Quando u e v so ortogonais, a igualdade se

torna

dade de Schwarz).

, ou seja |u,v| |u|.|v| (desigual-

A rigor, o argumento acima prova a desigualdade de Schwarz apenas no caso em que u 0.

Mas ela bvia no caso em que u = 0. Logo
vale em geral.

|u +v| = |u| + |u| . Esta a verso do

Teorema de Pitgoras para um espao vetorial
com produto interno.
87

UEA Licenciatura em Matemtica

Um importante complemento da desigualdade

de Schwarz que e a igualdade |u,v|=|u||v|
se, e somente se, um dos vetores u,v mltiplo do outro. Isso resulta do raciocnio acima,
pois, no Teorema Pitgoras |v|2 = |z|2+|w|2,
dizer |v|=|z| significa que w = 0, isto , que v
mltiplo de u.

Isso significa que

Resulta da desigualdade de Schwarz que num

espao vetorial com produto interno a norma
satisfaz a desigualdade triangular:
|u + v||u|+|v|
Como se trata de nmeros no-negativos, para
provar essa desigualdade basta mostrar que
|u + v||u|+|v|
|u + v|2 (|u|+|v|)2

Ficamos, ento, com

Ora,

v1 = v1
2

|u + v| = u + v, u + v
= |u|2 + |v|2 + 2 u,v

|u|2 + |v|2 + 2|u||v|

Observe que v2 foi obtido de v2, subtraindo-se

deste a projeo do vetor v2 na direo de v1, e
que v1 e v2 so vetores ortogonais no-nulos.
Podemos, ento, normaliz-los,

= (|u|+|v|)

pois u,v |u||v| pela desigualdade de

Schwarz.
Vale a igualdade |u + v|=|u|+|v| somente
quando um dos vetores u,v um mltiplo nonegativo do outro. Com efeito, pelo argumento
acima, |u + v|=|u|+|v| ocorre quando
u,v = |u||v|, o que bvio quando u = 0 e
implica v = u quando u 0. Nesse caso,

e
obtendo uma base = {u1,u2} que ortonormal. Como voc pode afirmar que u1 e u2 so
L.I.? (Veja o Teorema 1).

|u||v|= u,v = |u|2, logo 0.

Exemplo 6

Alm da desigualdade triangular, a norma goza

ainda das seguintes propriedades, de imediata
verificao:

Seja = {(2,1),(1,1)} uma base do R2. Vamos

obter, a partir de , uma base ortonormal em
relao ao produto interno usual.

|u|>0 se u 0 e |.u| = ||u|

Sejam v1 = (2,1) e v2 = (1,1).

Em particular, |u|=|u|.

v1 = v1 = (2,1)
v2 = v2 cv1

11.2 PROCESSO DE ORTOGONALlZAO DE

Como j vimos, a condio de que v2 seja ortogonal a v1 implica que

GRAM-SCHMIDT
A partir de uma base qualquer de um espao
vetorial, existe um processo para se obter uma
base ortonormal. Inicialmente, vamos dar uma
descrio desse processo de ortonormalizao
para uma base = {v1,v2}.

e, portanto

Seja v1 = v1 Precisamos encontrar, a partir de

v2, um novo vetor v2 ortogonal a v1 , isto ,
v2 ,v1 = 0. Para isso, tomamos v2 = v2 cv1 ,
onde c um nmero escolhido de modo que
v2 ,v1 = 0, isto , v2 cv1 , cv1 = 0.
88

lgebra Linear II Produto Interno, Operadores Lineares e Auto-Adjuntos

Normalizando esses vetores, obtemos:

Este procedimento conhecido como processo de ortogonalizao de Gram-Schmidt.

Se quisermos agora obter uma base ortonormal, basta normalizarmos os vetores v1. Isto ,

Ento, = {u1,u2} uma base ortonormal.

, obtemos a base

tomando

O procedimento de ortogonalizao de dois

vetores pode ser generalizado para uma base

{u1,u2,...,un} de vetores ortonormais.

= {v1,...,vn}. Tomemos, como no caso anterior, v1 = v1

Observamos que se os primeiros m vetores da

base {v1,...vn} E j formarem uma base ortonormal do subespao por eles gerado, ento o
processo de Gram-Schmidt transforma essa
base numa base normal {u1,...un} E na qual
u1 = v1,..., um = vm

v2 = v2 cv1 onde
Ento, v1 ortogonal a v2 .
Vamos procurar agora um vetor v3 que seja
ortogonal ao mesmo tempo a v1 e v2 . Por analogia ao caso anterior, vamos estabelecer que
v3 = v3 mv2 kv1 e determinar os valores de
m e k tais que v3 ,v2 = 0 e v3 ,v2 = 0. Desenvolvendo estas duas condies, obtemos:

Segue-se da que, dado um subespao vetorial F E, toda base normal de F estende-se a

uma base ortonormal de E: basta estend-la a
uma base qualquer de E e depois ortonormalizar esta ltima por Gram-Schmidt.

v3 ,v1 = 0 v3 mv2 kv1 , v1 = 0

Exemplo 7
Seja = {(1,1,1),(0,2,1),(0,0,1)} uma base de
R3. Vamos obter, a partir de , uma base ortonormal em relao ao produto usual. Sejam

Assim, como v2 ,v1 = 0, temos v3 ,v2 = 0 se,

e somente se,

v1 = (1,1,1), v2 = (0,2,1), v3 = (0,0,1).

v1 = v1 = (1,1,1)

Da mesma forma, v3 ,v2 = 0 se, e somente se,

.

E, portanto,
Procedendo de maneira anloga, obtemos os
vetores v4 , ... , vn .
Assim, a partir de uma base = {v1,...,vn} de
um espao vetorial V, construmos a base ortogonal {v1 , ... , vn } dada por:
v1 = v1
.

Normalizando esses vetores, obteremos a base

ortonormal; temos:
89

UEA Licenciatura em Matemtica

b) Tr(A.B) = Tr(B.A)?
c) Tr(A) = Tr(At)?
d) Tr(A) = (Tr(A1))1?
e) Tr(A.B) = Tr(A).Tr(B)?
.

6. Sejam A e B matrizes de M(2,2).

Define-se <A,B> = Tr(Bt . A).

Portanto a base = {u1,u2,u3} ortonormal.

a) Verifique que <A,B> um produto interno.

b) Exiba uma base ortonormal segundo este
produto interno, a partir da base
.

1. Seja = {(1,1,0),(1,0,1),(0,2,0)}. Ache uma

base ortonormal de 3, em relao ao produto interno usual.
2. Seja V =

. Sejam v1(x1,y1) e v2(x2,y2). Se

f(v1,v2) = 2x1x2 + x1y2 + x2y1 + y1y2.

a) Mostre que f um produto interno.
b) Seja = {(1,1),(1,1)}. Ache uma base
ortogonal de 2 em relao ao produto
interno definido por f.
3. Considere o subespao W de 3 gerado por
v1 = (1,0,0), v2 = (0,1,1) e v3 = (1,1,1). Sendo
<,> o produto interno cannico:
a) Ache W.
b) Exiba uma transformao linear T :
tal que Im(T) = W e ker(T) = W.
4. Seja V =

e S = {(1,0,1),(1,1,0),(2,1,1)}.

a) Encontre S.
b) Encontre uma base ortogonal para S e S.
c) Se S fosse [(1,0,1),(1,1,0),(2,1,1)], qual seria S? Nesse caso, encontre uma base ortogonal para S e S.
5. Seja A = (aij)n x n. Definimos o trao de
.

a) Calcule

90

lgebra Linear II Produto Interno, Operadores Lineares e Auto-Adjuntos

da transformao A sob um novo ngulo. Essa

mudana de ponto de vista reveladora, especialmente quando ocorre a existncia de
relaes entre A e A*.

TEMA 12
OPERADORES LINEARES ESPECIAIS

Definio Seja A uma matriz n x n real e At

sua transposta.

Mostraremos, nesta seo, como o produto interno permite-nos associar a cada transformao linear A : E F uma nova transformao
A* : E F, chamada a adjunta de A. (Em
espaos sem produto interno, tambm existe
uma noo de adjunta, mas a se trata de uma
transformao linear F* E* no dual de F no
dual de E. O produto interno d-nos condio
de permanecer com E e F. Isso particularmente interessante no caso de um operador linear A : E E).

a) Se A = At, dizemos que A uma matriz

simtrica.
b) Se A . At = At . A = I (ou seja, a inversa de A
At), dizemos que A uma matriz ortogonal.
Em lgebra Linear I, j vimos exemplos de matrizes simtricas. Quanto segunda definio,
as matrizes ortogonais determinam um subconjunto das matrizes inversveis. Efetivamente
a relao entre matrizes simtricas, inversveis
e ortogonais indicada pela figura abaixo.

Teorema 1
Sejam V um espao vetorial real com produto
interno ,, e = {u1,...,un} base ortonormal de
V.
Ento, se v e w so vetores de V com

, temos

M: matrizes
MI: matrizes inversveis

v,w = x1y1 + x2y2 + ... + xnyn

MO: matrizes ortogonais

Em outras palavras, ao trabalharmos com uma

base ortonormal, para efetuar o produto interno de dois vetores basta multiplicar as coordenadas correspondentes e somar.

MS : matrizes simtricas
Como exemplos de matrizes ortogonais temos:

Prova: v = x1u1 + x2u2 +...+ xnun

e w = y1u1 + y2u2 +...+ ynun

Para verificar isso, basta multiplicar cada uma

pela sua transposta, obtendo, assim, a matriz
identidade. Calculando, temos, no primeiro caso:

u,w = x1u1 +...+ xnun, y1u1 +...+ ynun

= x1u1 +...+ xnun, y1u1 + x1u1 +...+ xnun, y2u2+
+...+ x1u1 +...+ xnun, ynun

Mas como

, os nicos ter-

Observe que a transformao associada primeira matriz uma rotao.

mos no-nulos so aqueles onde i = j. Logo,

u,w = x1y1 + x2y2 + ... + xnyn

Consideremos agora trs propriedades das matrizes ortogonais.

A adjunta d-nos, por assim dizer, uma viso

91

UEA Licenciatura em Matemtica

Teorema 2
Seja A uma matriz ortogonal. Ento, detA = 1

quer dizer que

unitrio. Da mesma for-

Prova: Como A ortogonal, A. A = I.

Ento, det(A . At ) = det I e

Assim, (det(A))2 = 1, ou seja, det(A) = 1.

ma, percorrendo a diagonal principal, vemos

que cada vetor-coluna da matriz A unitrio. O
que encontramos saindo dessa diagonal? O
elemento na posio i, j(i j) a1ia1j +...+ anianj, e seu valor deve ser zero.

Teorema 3

Mas isso diz que o produto interno

det(A).(detA ) = 1.
Mas det(A) = det(At ).

por

Uma matriz ortogonal se, e somente se, as

colunas (ou as linhas) so vetores ortonormais.
nulo, ou seja, vetores-coluna so dois a

Prova: Seja

dois ortogonais quando i j.

Est terminada, ento, a primeira parte da prova. Ainda falta provar que se os vetores-coluna
(linha) de uma matriz forem ortonormais, a matriz ser ortogonal. Vamos deixar esta prova para voc, j que ela apenas uma adaptao da
prova dada acima.

Na primeira parte da prova, queremos mostrar

que, se A ortogonal, isso implica que

Apresentaremos agora uma situao em que

as matrizes ortogonais ocorrem naturalmente.
Exemplo 1
Seja V = R2 e = {(1,0),(0,1)} e
{(cos, sen),(sen . cos)} bases ortonormais. Calculemos a matriz de mudana de ba
se [I] . Como uma base ortonormal, podemos encontrar as coordenadas dos elementos
da base em relao a por meio dos coeficientes de Fourier.

so ortonormais (o mesmo vale para as linhas).

Para isso, faamos o produto de A pela sua
transposta.
pois AA = I.

= cos(cos, sen) + sen(sen,cos)

(0,1) = sen(cos, sen) + cos(sen, cos)
Assim,
pois At A = I.
Observe que esta matriz ortogonal. Tal resultado vale em geral.
Observamos que

. Mas isso
92

lgebra Linear II Produto Interno, Operadores Lineares e Auto-Adjuntos

de seus autovalores. Isso nos permitir chegar

a importantes resultados sobre diagonalizao
na prxima seco.

Teorema 4 Se V um espao vetorial com

produto interno, e e so bases ortonormais

de V, ento a matriz de mudana de base [I]

Definio Seja V um espao vetorial com produto interno, uma base ortonormal e
T : V V um operador linear. Ento:

uma matriz ortogonal.

Prova: Sejam = {v1,...,vn} e = {w1,...,wn}

a) T chamado um operador auto-adjunto se

[T] uma matriz simtrica.

b) T chamado um operador ortogonal se

[T] uma matriz ortogonal.

Como base, existem nmeros aij tais que

Os operadores auto-adjuntos (ou ortogonais)

esto bem definidos no sentido de que o fato
de um operador ser auto-adjunto (ou ortogonal) no depende da base ortonormal escolhi
da, isto , se [T] for simtrica (ou ortogonal)
numa determinada base ortonormal , ento
[T] tambm ser simtrica (ou ortogonal) para
qualquer outra base ortonormal . Mostremos
esse fato no caso do operador ser auto-adjunto. (O caso ortogonal demonstrado de maneira similar).

Mas ortonormal e por isso cada vi unitrio.

Isto , 1 = vi,vi. Alm disso, ortonormal e,
assim, podemos encontrar vi,vi multiplicando
as coordenadas. (Veja Teorema 1)
Portanto
. Em outras palavras,

cada vetor-coluna de [I] unitrio. Mostraremos agora que esses vetores so ortogonais

e portanto [I] ortogonal. (Teorema 3)

Sejam e bases ortonormais e suponhamos

que [T] seja simtrica.

Queremos mostrar que [T] tambm simtrica, isto , ([T]) = [T].

Como vi e vj so ortogonais quando i j,

0 = vi , vj = a1i,a1j+...+anianj ou seja,

Observamos que

([ T ]) = ([I] )1 . [ T ] . [I]

Tambm
([ T ] )1= ([T] ),
pois e so ortonormais (Teorema 4). Ento,

[ T ] = ([I] ) . [ T ] . [I]

so ortogonais sempre que i j.

Tomando a transposta, temos:

([ T ]) = ([I] ) . ([ T ] ) . [I] , pois

Assim, a afirmao de que [I] ortogonal verdadeira.

(([I] )) = [I] e [T] simtrica.

Observamos, ento, que nessa situao

[I] ([I] ) = I ou seja, ([I] ) = ([I] )1, e ainda

mais ([I] ) = [I]

Exemplo 2
Consideremos T : 3 3, a rotao de um ngulo em torno do eixo-z. Podemos expressar
T por:

Isso facilita o processo seguido para se en

contrar [I] conhecendo [I] onde e so
bases ortonormais. [I] nada mais que a

transposta de [I] . Estamos agora em condies de introduzir os conceitos de operador

ortogonal e auto-adjunto.

T(x,y,z) = (xcos ysen, xsen + ycos, z)

(verifique).

12.2 OPERADORES AUTO-ADJUNTOS E

ORTOGONAIS
Agora definiremos os operadores associados
s matrizes estudadas na seco anterior, e estabeleceremos relaes entre estes e o produto interno, e descobriremos as particularidades
93

UEA Licenciatura em Matemtica

Tomando a base cannica e calculando a

matriz de T nessa base, temos

= v1,2v2 = 2v1,v2
Ento, (1 2) v1,v2 = 0
Como 1 2 0, vem que v1,v2 = 0 ou v1 v2.
As propriedades dadas a seguir so conseqncias dos resultados anteriores, mas so
to importantes que as destacaremos numa
seco especial.

J vimos que esta matriz ortogonal e, portanto, T um operador ortogonal.

Exemplo 3
Seja T :

, onde

T(x,y) = (2x 2y, 2x + 5y).

2

Se a base cannica de

, a matriz de T

1. Seja = {w1,w2,w3} uma base de V, um

espao vetorial real com produto interno <,>.

, uma matriz simtrica e, portanto, T operador auto-adjunto.

Estudemos agora as propriedades desses operadores.

Se <u,v> = 2, a base ortonormal?

Teorema 5 Seja V um espao vetorial com

produto interno , e T : V V linear. Ento, T
auto-adjunto implica que Tv,w = v,Tw para
todo v,wV.

2. Sejam = {(1,1),(2,0)} e = {(1,0),(2,1)}. A

Partir das bases e , construa bases ortonormais usando o Gram-Schmidt. Denotando
estas bases respectivamente por e ,
mostre que

Prova (caso n = 2)
Sejam = {v1,v2} uma base ortonormal,
v = x1v1 + y1v2 e w = x2v1 + y2v2
ou

3. Seja T(x,y,z) = (2x + y, x + y, y 3z) de

3
com produto interno cannico.

em

a) Mostre que T umoperador auto-adjunto

mas no ortogonal.

Como T auto-adjunto, [T] simtrica.

b) Se v = (2, 1, 5) e w = (3,0,1), verifique que

<Tv,w> = <v,Tw>.

Seja

Ento,

c) Exiba uma base de autovalores de T e verifique que uma base ortogonal.

d) A partir da base obtida no item c) obtenha

uma base ortonormal.
4. Seja o operador linear T :

Assim, Tv,w = (ax1 + by1)x2 +(bx1 + cy1)y2 e

v,Tw = x1(ax2 + by2) + y1(bx2 + cy2) e, portanto, Tv,w = v,Tw

em relao base cannica

Teorema 6 Seja T : V V auto-adjunto e

1,2 autovalores distintos de T e v1 e v2 os
autovetores associados 1 e 2 respectivamente. Ento, v1 v2.

cuja matriz

Exiba uma base uma base ortonormal de

vetores.

Prova:

1v1,v2 = 1v1,v2 = v1,v2 = v1,v2

94

lgebra Linear II Produto Interno, Operadores Lineares e Auto-Adjuntos

Pv,v = z,v = z,z = v,z = v,Pv

Reciprocamente, se a projeo P : E E sobre o subespao F1 paralelamente a F2, onde
E = F1 F2, for um operador auto-adjunto, ento para quaisquer v1F1, v2F2 vale:

TEMA 13
OPERADORES AUTO-ADJUNTOS
13.1 Introduo

v1,v2 = Pv1,v2 = v1,Pv2 = v1,0 = 0.

O Teorema Espectral para operadores auto-adjuntos, a ser provado nesta seo, um dos
resultados mais relevantes da lgebra Linear.
Sero tambm demonstradas algumas de suas
conseqncias, entre as quais se destaca o
Teorema dos Valores Singulares.

Logo, F2 = F 1. Assim, a projeo P : E E

um operador auto-adjunto se, e somente se,
uma projeo ortogonal.
Uma matriz quadrada a = [aij] diz-se simtrica
quando igual sua transposta a, isto ,
quando aij = aij para todo i e todo j.

Um operador linear A : E E, num espao vetorial munido de produto interno, chama-se

auto-adjunto quando A = A*, ou seja, quando

No teorema 1, dado um operador linear

A : E E, espao vetorial de dimenso finita,
dotado de produto interno.

Au,v = u,Av para quaisquer u,vE.

Se A, B : E E so operadores auto-adjuntos
e ento (A + B)* = A* + B* = A + B e
(A)* = A* = A, logo A + B e A so autoadjuntos.
O produto AB dos operadores auto-adjuntos
A,B auto-adjunto se, e somente se, A e B
comutam, isto , AB = BA. Com efeito, sendo
A e B auto-adjuntos, temos (AB)* = B*A* = BA.

13.2 Teoremas
Teorema 1 A : E E auto-adjunto se, e
somente se, sua matriz a = [aij] relativamente a
uma (e portanto a qualquer) base ortonormal
u = {u1,...,un}E uma matriz simtrica.

Logo, AB auto-adjunto se, e somente se,

BA = AB.

Demonstrao ui,auj = [i-sima coordenada

do vetor Auj na base u] = [i-simo elemento da
j-sima coluna de a] = aij. Portanto a matriz a
simtrica se, e somente se, ui,Auj = Aui,uj
para quaisquer i,j = 1,...,n.

Exemplo 1
Sejam A,B : 2 2 os operadores lineares
definidos por A(x,y) = (x,2y) e B(x,y) = (y,x).
Para todo v = (x,y) tem-se:

Devido linearidade de A e bilinearidade do

produto interno, isso equivale a dizer que
u,Av = Au,v para quaisquer u,vE, ou seja,
que A auto-adjunto.

e1,A*v = Ae1 = e1,v = x

e2,A*v = Ae2,v = 2e2,v = 2y,
Portanto A*v = (x,2y) = Av e A* = A.

Exemplo 3

Analogamente se mostra que B* = B. Entretanto, como AB(x,y) = (y,2x), v-se que, para
v = (x,y),e1,(AB)*v = ABe1,v = 2y, enquanto
e1,ABv = y logo (AB)* AB, ou seja, o produto AB dos operadores auto-adjuntos A,B no
auto-adjunto. Isto se d porque AB BA. Com
efeito, AB(x,y) = (y = 2x) e BA(x,y) = (2y,x).

As matrizes dos operadores A e B do Exemplo

1 na base cannica de 2 so, respectivamente,
e
ambas simtricas. Quanto ao Exemplo 2, se
tomarmos em E uma base ortonormal cujos
primeiros m elementos formem uma base de F
e os ltimos uma base de F, a matriz da projeo P nessa base ter os m primeiros termos
da diagonal iguais a 1 e todos os demais elementos iguais a zero. Seu formato ser

Exemplo 2
A projeo ortogonal P : E E sobre um subespao F E um operador auto-adjunto. Com
efeito, dados v = z + w, v = z + w com z, zF
e w, w F temos:
95

UEA Licenciatura em Matemtica

Um problema importante sobre operadores

num espao vetorial de dimenso finita o de
encontrar uma base em relao qual a matriz
desse operador seja a mais simples possvel.
Mostraremos, nesta seo, que, se A : E E
um operador auto-adjunto num espao vetorial
de dimenso finita com produto interno, existe
uma base ortonormal em E, relativamente
qual a matriz de A uma matriz diagonal
a = [aij], isto , aij = 0 se i j. Esse o contedo do Teorema Espectral.

em que os termos fora da diagonal, no indicados acima, so todos zeros.

Essas matrizes so simtricas, refletindo o fato
de que representam operadores auto-adjuntos
em bases ortonormais.

Existe um tipo de operador auto-adjunto para o

qual o Teorema Espectral imediato: se
P : E E a projeo ortogonal sobre o subespao F, tomando uma base ortonormal
{ui,...,un}E cujos primeiros vetores ui,...,um
formem uma base de F (portanto os n m ltimos formam uma base de F), a matriz de P
nessa base tem a forma diagonal vista no Exemplo 3.

Teorema 2 Seja A : E E um operador autoadjunto. Se o subespao F E invariante por

A, seu complemento ortogonal F tambm .
Teorema 3 Se o subespao F E invariante pelo operador linear A : E E, ento seu
complemento ortogonal F invariante pelo
operador adjunto A* : E E.

Quando se diz que a matriz do operador

A : E E na base {ui,...,un}E uma matriz
diagonal, isso significa que, para todo
j = 1,...,n, tem-se Auj = juj, ou seja, que os
vetores da base dada so todos eles autovetores de A.

Demonstrao:
[uF, vF] AuF

u,A*v = Au,v = A*vF

logo F invariante por A*.

No caso da projeo ortogonal sobre o subespao F, tem-se Puj = uj para j = 1,...,m e

Puj = 0 se j = m + 1,...,n. Assim, a base ortonormal acima fixada de fato formada por
autovetores de P. Os autovalores so 1 e 0.

Exemplo 4 No cisalhamento A : 2 2,
em que A(x,y) = (x y, y), com 0, o eixo
x, das abcissas, invariante, mas seu complemento ortogonal, o eixo y, das ordenadas,
no , pois Ae2 = (,1) no vertical.

Comecemos com o caso particular do Teorema Espectral em que o espao tem dimenso
2.

Teorema 4 Se 1,...,m so autovalores dois a

dois diferentes do operador auto-adjunto
A : E E os autovetores correspondentes
v1,...,vm so dois a dois ortogonais.

Teorema 5 Seja A : E E um operador autoadjunto num espao vetorial de dimenso 2,

munido de produto interno. Existe uma base
ortonormal {u1,u2}E formada por autovetores
de A.

Demonstrao Para i j quaisquer:

(1 j)vi,vj = jvi,vj vi,jvj = Avi,vj vi,Avj
Avi,vj Avi, vlj = 0 pois A auto-adjunto.

Demonstrao Seja {v,w}E uma base ortonormal arbitrria. Em virtude do Teorema 1,

temos Av = av + bw + Aw = bv + cw. Como
j vimos antes, os autovalores de A so as razes reais do polinmio caracterstico
P() = 2 (a + c) + ac b2. O discriminante
deste trinmio

Como 1 j 0 de (1 j)vi,vj = 0 resulta

vi,vj = 0.
Observao Se Av = v, ento, para todo
mltiplo w = v, tem-se ainda Aw = w. Logo,
na situao do Teorema 4, os vetores v1, ... ,vm
podem ser tomados unitrios, caso haja convenincia.

= (a + c)2 4(ac b2) = (a c)2 + 4b2 0.

96

lgebra Linear II Produto Interno, Operadores Lineares e Auto-Adjuntos

Se = 0, ento b = 0, a = c e A = aI, logo

todo vetor no-nulo em E um autovetor.
Se > 0, ento o trinmio P() possui 2 razes
reais distintas 1,2. Isso, como sabemos, quer
dizer que os operadores A 1I e A 2I so
ambos no-invertveis, logo existem vetores nonulos (que podemos supor unitrios) u1,u2E
tais que (A 1I)u1 = 0 e (A 2I)u2 = 0, ou
seja, Au1 = 1u e Au2 = 2u2. Pelo Teorema 4,
{u1,u2}E uma base ortonormal de autovetores de A.

vetores para este operador? Inicialmente, observamos que T um operador auto-adjunto,

pois a base cannica ortonormal (em relao
ao produto interno cannico), e a matriz simtrica. O teorema espectral garante, ento, a
existncia de uma base ortonormal de autovetores. Calculando os autovalores e autovetores associados, temos:
Para 1 = 2, v1 = (1,0,0); para 2 = 7, v2 = (0,1,1)
e para 3 = 5, v3 = (0,1,1).
Como esses autovetores provm de autovalores distintos e T auto-adjunto, o teorema 4
garante que eles so ortogonais. Ento,
{(1,0,0),(0,1,1),(0,1,1)} uma base ortogonal
de autovetores. Basta agora normaliz-los para
obtermos a base procurada:

Corolrio Todo operador auto-adjunto A : E

E, num espao vetorial de dimenso finita com
produto interno, possui um autovetor.
Com efeito, existe um subespao F E, de dimenso 1 ou 2, invariante por A. Se dimF = 1,
todo vetor no-nulo vF um autovetor de A.
Se dim F = 2, ento, aplicando o Teorema 5
restrio A : F F de A ao subespao invariante F, obtemos um autovetor vF.

Observao Vale a recproca do Teorema

Espectral: se existe uma base ortonormal
{u1,...,un}E formada por autovetores do operador A : E E, ento este operador autoadjunto. Com efeito, para quaisquer
i,j = 1,...,n tem-se Aui,vj = iui,vj = iij =
uijvj = uiAuj e da resulta que Au,v =
u,Av para quaisquer u, vE.

Teorema 6 (Teorema Espectral) Para todo

operador auto-adjunto A : E E, num espao
vetorial de dimenso finita munido de produto
interno, existe uma base ortonormal
{u1,...,un}E, formada por autovetores de A.
Demonstrao Usaremos induo na dimenso de E. O teorema evidente se dimE = 1. Supondo-o verdadeiro em dimenso n 1, seja
E = n. Pelo Corolrio do Teorema 5, existe um
autovetor unitrio un, portanto um subespao F
E, de dimenso 1, invarian por A. Pelo Teorema 2, o complemento ortogonal F tambm
invariante por A. Como dimF = n 1, a hiptese
de induo assegura a existncia de uma base
ortonormal

Exemplo 6
Seja o operador linear T : R3 R3 cuja matriz
em relao base cannica

Exibamos uma base ortonormal de autovetores para este operador. Procedendo de modo anlogo ao anterior, vemos que T autoadjunto e, portanto, tal base existe. Calculando
os autovalores e autovetores associados, temos: Para 1 = 0; os autovetores so do tipo
(y,y,y), e o subespao desses autovetores tem
dimenso 1. Para 2 = 3, os autovetores so
do tipo (y + z,y,z), e o subespao associado tem
dimenso 2.

{u1,...,un1}F formada por autovetores da

restrio A : F F. Segue-se que
{u1,...,un1,un}E uma base ortonormal formada por autovetores de A.

Exemplo 5 Seja T : R3 R3 o operador linear

cuja matriz em relao base cannica

Vamos construir uma base de autovetores escolhendo um autovetor do subespao associado a 1 = 0 e dois autovetores L.I. do subespa-

Podemos exibir uma base ortonormal de auto-

97

UEA Licenciatura em Matemtica

o associado a 2 = 3. Suponhamos que v1 =

(-1, 1, 1) tenha sido tomado no primeiro subespao. Como todos os autovetores no segundo
so da forma (y + z, y, z), observamos que o
produto interno de (1,1,1) com qualquer da
forma (y + z,y,z) 0. Mas no garantido que
quaisquer dois vetores de (y + z,y,z) so ortogonais, mesmo que sejam L.I. Por exemplo,
(1,1,0)e (1,0,1) so L.I., mas no ortogonais.
Contudo, podemos usar o vetor (1,1,0) e
procurar outro vetor do tipo (y + z, y, z) que
seja ortogonal a (1,1,0), isto , o produto interno destes deve ser nulo. Ou seja,
y
+ z + y = 2y + z = 0 ou z = 2y

5. Seja T(x,y,z) = (2x + y, x + y + z, y 3z) de R3

em R3 com produto interno cannico.

Um vetor que satisfaa essas relaes deve ser

do tipo (y,y,2y). Por exemplo, (1,1,2).

a) Mostre que os autovalores so: a,b + c e b c.

a) Mostre que T um operador auto-adjunto,

mas no ortogonal.
b) Se v = (2,1,5) e w = (3,0,1), verifique que
Tv,w = v,Tw.
c) Exiba uma base de autovetores de T e verifique que uma base ortogonal. A partir
dessa base, escreva uma base ortonormal.

6. Dada a matriz

b) Ache uma base de autovetores.

Ficamos, assim, com a base

{(1,1,1),(1,1,0),(1,1,2)}, que formada de
autovetores dois a dois ortogonais. Normalizando esses vetores, temos a base procurada:

7. Seja o operador linear T : R3 R3 cuja matriz

em relao base cannica

.
Exiba uma base ortonormal de autovetores.
8.
a) Mostre que se T uma transformao ortogonal do plano no plano, sua matriz em relao base cannica s pode ser da forma:

1. Seja = {w1,w2,w3} uma base de V, um espao vetorial real com produto interno ,.

ou da forma
e

. Se u,v = 2, a base

a ortonormal?

(Sugesto: 9.3.3 (d)).

2. Ache valores para x e y tais que

b) Observe que se a matriz de T for da forma dada

por A. T ser uma rotao de um ngulo a.

seja

uma matriz ortogonal.

Mostre que B = A . J onde

3. Sejam = {(1,1),(2,0)} e = {(1,0),(2,1)}. A

partir das bases e , construa bases ortonormais, usando o mtodo de Gram-Schmidt.
Se essas novas bases forem e respectivamente, mostre que a matriz de mudana de base

. (J a

matriz em relao base cannica de reflexo

no eixo-x). Conclua, finalmente, usando composio de funes, que se a transformao T
for dada por B,T, ser uma reflexo por meio de
uma reta do plano que passa pela origem.

ortogonal.

9. Seja V um espao vetorial real de dimenso

n,T : V V um operador linear auto-adjunto e

4. Dada uma matriz A cujas colunas so vetores

ortonormais, prove que A ortogonal.
98

lgebra Linear II Produto Interno, Operadores Lineares e Auto-Adjuntos

vVum autovetor de T.
a) Mostre que [v], o espao gerado por v,
invariante por aplicao do operador T, isto
, se w[v], ento Tw[v].
b) Mostre que [v]. o complemento ortogonal
de [v] (veja 8.5) invariante por aplicao
do operador T, isto , se w[v], ento
Tw[v] e, portanto, T induz um operador
linear
T1 : [v] [v]
w Tw
c) Mostre que o operador T1 definido no item
(b) auto-adjunto.
d) Mostre que todo autovetor w de T1 com
autovalor o tambm autovetor de T com o
mesmo autovalor .
10. a) D a transformao linear que descreve o
movimento rgido que leva o segmento de
extremos (6,2) e (1,2) no segmento de
extremos (2,6) e (1,2) respectivamente.
b) Mostre que esta transformao uma rotao e encontre seu ngulo.

99

REFERNCIAS

Ayres Jr, F. - Geometria analtica plana e slida - S. Paulo - Mc Graw Hill do Brasil - 1983.
Iezzi,G - Geometria analtica - S. Paulo - Atual - 1996.
Oliva, W.M. - Vetores e geometria - S. Paulo - Edgard Blucher - 1990.
Carvalho, J.P. - Introduo lgebra linear - Rio de Janeiro- livros tcnicos e cientficos - 2002.
Lang,S. - lgebra linear - S. Paulo - Edgard Blucher - 1983.
Machado, Antnio dos Santos - lgebra linear e geometria analtica - S. Paulo- Atual editora - 1991.

101