Professional Documents
Culture Documents
Algebra
Linear
S
ergio Lu
s Zani
Departamento de Matem
atica
ICMC { USP
Sum
ario
1 Espacos Vetoriais
17
29
37
45
5.1 Base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
5.2 Dimens~ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3
SUMARIO
61
71
8 Transformaco
es Lineares
85
8.1
8.2
8.3
8.4
8.5
Introduc~ao e Exemplos . . . . . . . . .
O Espaco Vetorial L (U, V) . . . . . .
Imagem e Nucleo . . . . . . . . . . . .
Isomorsmo e Automorsmo . . . . .
Matriz de uma Transformac~ao Linear .
8.5.1 Denic~ao e Exemplos . . . . .
8.5.2 Propriedades . . . . . . . . . .
8.6 Exerccios Resolvidos . . . . . . . . . .
8.7 Exerccios . . . . . . . . . . . . . . . .
9 Autovalores e Autovetores
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
85
88
95
103
106
106
108
113
119
127
141
155
SUMARIO
163
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
163
167
170
171
172
178
182
184
188
191
SUMARIO
Captulo 1
Espa
cos Vetoriais
1.1
Introduc
ao e Exemplos
CAPITULO 1. ESPAC
OS VETORIAIS
~ E EXEMPLOS
1.1. INTRODUC
AO
5. (A) = ()A;
6. ( + )A = A + A;
7. (A + B) = A + B;
8. 1A = A.
Podemos ver que tanto o conjuntos das funco~es denidas na reta a valores reais como o das matrizes quadradas quando munidos de somas e multiplicac~ao por escalares adequadas apresentam propriedades algebricas
comuns. Na verdade muitos outros conjuntos munidos de operaco~es apropriadas apresentam propriedades semelhantes as acima.
por isso que ao inves de estudarmos cada um separadamente estudaE
remos um conjunto arbitrario e n~ao vazio, V, sobre o qual supomos estar
denidas uma operac~ao de adic~ao, isto e, para cada u, v V existe um
unico elemento de V associado, chamado a soma entre u e v e denotado
por u + v, e uma multiplicac~ao por escalar, isto e, para cada u V e R
existe um unico elemento de V associado, chamado de produto de u pelo
escalar e denotado por u.
Definic
ao 1.1 Diremos que um conjunto V como acima munido de
u + v = v + u para todo u, v V;
(ev2)
u + (v + w) = (u + v) + w para todo u, v, w V;
(ev3)
(ev4)
(ev5)
CAPITULO 1. ESPAC
OS VETORIAIS
10
(ev6)
( + )u = u + u para todo u V, , R;
(ev7)
(u + v) = u + v para todo u, v V e R;
(ev8)
1u = u para todo u V.
Observac
ao 1.3 O elemento 0 na propriedade ev3
e unico, pois qual0
quer outro 0 V satisfazendo a mesma propriedade ev3 ent~ao, pelas
propriedades ev3 e ev1 teramos 0 0 = 0 + 0 0 = 0 0 + 0 = 0, isto e, 0 = 0 0 .
Observac
ao 1.4 Em um espaco vetorial, pela propriedade ev4, para
cada u V existe v V tal que u + v = 0. Na verdade, para cada
u V existe somente um elemento v V com esta propriedade. De
fato, dado u V se v e v 0 em V s~ao tais que u + v = 0 e u + v 0 = 0
a operaca~o de adic~ao e s~ao conhecidas, respectivamente, por propriedade comutativa, propriedade associatividade, exist^encia do elemento
neutro e exist^encia do elemento inverso.
A quinta e a oitava propriedades s~ao exclusivas da multiplicaca~o
por escalar e tambem podem ser chamadas de associatividade e elemento neutro da multiplicaca~o, respectivamente.
A sexta e a setima propriedades relacionam as duas operaco~es e
s~ao ambas conhecidas por distributividade.
~ E EXEMPLOS
1.1. INTRODUC
AO
11
Observac
ao 1.6 A rigor, a denica
~o de espaco vetorial que demos
uma rotina bem simples vericar que desse modo Rn e um espaco vetoE
rial. Deixamos como exerccio esta tarefa.
Verique tambem que os seguintes exemplos s~ao espacos vetoriais.
1. Sejam n N e V = Pn (R) o conjunto formado pelo polin^omio nulo e
por todos os polin^omios de grau menor ou igual a n com coecientes
CAPITULO 1. ESPAC
OS VETORIAIS
12
6. O conjunto das matrizes m por n com coecientes reais: Mmn (R)
munido de operaco~es analogas aquelas denidas em Mn (R).
~ E EXEMPLOS
1.1. INTRODUC
AO
13
( x) = x = (x ) = x = x = ()
x V e , R;
x para quaisquer
x = x1 = x para qualquer x V.
x) (
y) para
CAPITULO 1. ESPAC
OS VETORIAIS
14
1.2
Propriedades
1. Para qualquer R, 0 = 0.
2. Para qualquer u V, 0u = 0.
3. Se u = 0 ent~ao = 0 ou u = 0.
4. Para quaisquer R e u V, ()u = (u) = (u).
5. Para qualquer u V, (u) = u.
6. Se u + w = v + w ent~ao u = v.
7. Se u, v V ent~ao existe um unico w V tal que u + w = v.
Prova:
1.3. EXERCICIOS
4. Utilizando a propriedade
15
1.3
Exerccios
CAPITULO 1. ESPAC
OS VETORIAIS
16
Captulo 2
Subespa
cos Vetoriais
2.1
Introduc
ao e Exemplos
Definic
ao 2.1 Seja V um espaco vetorial. Dizemos que W V
e um
subespaco vetorial de V se forem satisfeitas as seguintes condico~es:
(sv1)
0 W;
(sv2)
Se u, v W ent~ao u + v W;
(sv3)
Observac
ao 2.2 Note que todo subespaco vetorial W de um espaco
vetorial V e ele proprio um espaco vetorial. As propriedades comuta-
ev8
17
CAPITULO 2. SUBESPAC
OS VETORIAIS
18
(sv1')
0 W;
(sv2')
Se u, v W e R ent~ao u + v W.
~ E EXEMPLOS
2.1. INTRODUC
AO
19
CAPITULO 2. SUBESPAC
OS VETORIAIS
20
2.2
Intersec
ao e Soma de Subespa
cos
Proposic
ao 2.13 (Intersec
ao de subespacos) Sejam U e W subespacos vetoriais de V. Ent~ao U W e subespaco vetorial de V.
Prova:
1. Como 0 U e 0 W ent~ao 0 U W;
2. Se x, y U W e R ent~ao x + y U e x + y W. Portanto,
x + y U W.
Quest
ao: Com a notac~ao da proposic~ao acima, podemos armar que
U W e subespaco vetorial de V?
Resposta : N~ao. Basta considerar V = R2 , U = {(x, y) R2 ; x + y = 0}
e W = {(x, y) R2 ; x y = 0}. Note que (1, 1) U U W e (1, 1)
W U W mas (1, 1) + (1, 1) = (2, 0) 6 U W.
Se U e W s~ao subespacos vetoriais de um espaco vetorial V e V 0 e um
subespaco de V que contenha U e W, isto e, U W V 0 ent~ao V 0 tera
que conter todos os vetores da forma u + w, u U e w W. Isto motiva
a seguinte
Definic
ao 2.14 Sejam U e W subespacos vetoriais de um espaco vetorial V. Denimos a soma de U e W como U+W = {u+w; u U, w
W}.
Proposic
ao 2.15 (Soma de subespacos) Sejam U, W e V como na
denic~ao acima. Ent~ao U + W e um subespaco vetorial de V. Alem
do mais, U W U + W.
Prova: Veriquemos que U + W e subespaco vetorial de V.
1. Como 0 U e 0 W ent~ao 0 = 0 + 0 U + W;
~ E SOMA DE SUBESPAC
2.2. INTERSEC
AO
OS
21
2. Sejam x1 , x2 U + W ent~ao xj = uj + wj , uj U, wj W, j = 1, 2.
Agora, se R ent~ao x1 + x2 = u1 + w1 + (u2 + w2 ) = (u1 + u2 ) +
(w1 + w2 ) U + W, pois U e W s~ao subespacos vetoriais.
Mostremos que U W U + W. Seja v U W. Se v U ent~ao
v = v + 0 U + W. Se v W ent~ao v = 0 + v U + W. Ou seja,
U W U + W.
subespacos vetoriais.
Proposic
ao 2.19 (Soma direta de subespacos vetoriais) Sejam U e
W subespacos vetoriais de um espaco vetorial V. Temos V = U W se
e somente se para cada v V existirem um unico u U e um unico
w W satisfazendo v = u + w.
Prova: Suponha que V = U W, isto e, V = U + W e U W = {0}.
Ent~ao, dado v V existem u U e w W satisfazendo v = u + w.
22
CAPITULO 2. SUBESPAC
OS VETORIAIS
~ E SOMA DE SUBESPAC
2.2. INTERSEC
AO
OS
23
x + y + z = 0
x=0
y = 0
e V = {(x, y, z) R3 ; y = 0}.
24
CAPITULO 2. SUBESPAC
OS VETORIAIS
obvio que
Observac
ao 2.24 E
cj + + Un
0 U j U1 + + U
se U1 , . . . , Un s~ao subespacos vetoriais.
Proposic
ao 2.25 Sejam U1 , . . . , Un subespacos vetoriais de um espaco
vetorial V. Ent~ao V = U1 Un se e somente se para cada v V
existe, para cada j = 1, . . . , n, um unico uj Uj tal que v = u1 + +un .
Prova: A prova e analoga a da proposic~ao 2.19.
Exemplo 2.26 Mostre que P2
e soma direta dos seguintes subespacos
vetoriais U1 = {a0 ; a0 R}, U2 = {a1 x; a1 R} e U3 = {a2 x2 ; a2 R}.
2.3. EXERCICIOS
2.3
25
Exerccios
1. V = M2 , W =
a b
a c
; a, b, c, R .
2. V = R4 , W = {(x, x, y, y); x, y R} .
3. V = Pn (R), W = {p Pn (R); p(0) = p(1)} .
4. V = Mn , dada B Mn , dena W = {A Mn ; BA = 0} .
5. V = Rn , W = {(x1 , x2 , , xn ); a1 x1 + + an xn = 0} , onde a1 , . . . ,
an R s~ao dados.
6. V = Mn1 , W = {X Mn1 ; AX = 0} , onde A Mmn e dada.
7. V = Pn (R), W = {p Pn (R); p0 (t) = 0, t R} .
8. V = Mn , W = {A Mn ; At = A} .
9. V = Mn , W = {A Mn ; At = A} .
10. V = C (R; R), W = {f C (R; R); limx+ f(x) = 0} .
11. V = F (R; R), W = {f F (R; R); f(x0 ) = 0} , x0 R.
Ex. 2.28 Diga, em cada um dos itens abaixo, se a armaca
~o e ver-
dadeira ou falsa, justicando sua resposta. isto e, provando se for
verdadeira ou dando um contra-exemplo se for falsa.
1. Se W1 e W2 s~ao susbespacos de um espaco vetorial V ent~ao W1 W2
e subespaco de V.
CAPITULO 2. SUBESPAC
OS VETORIAIS
26
1. U = (x, y) R2 ; y = 0 ,
V = R2 .
2. U =
a 0
0 b
W = (x, y) R2 ; x = 2y ,
!
;
a, b R , W =
0 c
0 d
!
;
c, d R ,
V = M2 .
W = {q(t) V; q0 (t) = 0} .
V = P3 (R)
Ex. 2.30 Verique, em cada um dos itens abaixo, se V = U W.
1. V = R2 ,
U = (x, y) R2 ; 2x + 3y = 0 ,
W = (x, y) R2 ; x y = 0 .
a b 0
2. V = M3 , U = 0 0 c ; a, b, c, d R ,
0 0 d
0 0 e
W = f g 0 ; e, f, g, h, i R .
h i 0
3. V = P3 (R),
2.3. EXERCICIOS
27
Ex. 2.31 Em cada um dos itens abaixo, dado U subespaco de V , encontrar o subespaco suplementar de U, isto e, o subespaco W de V
tal que V = U W.
1. V = R3 , U = {(x, y, 0); x, y R} .
2. V = P3 (R), U = {p(t) P3 (R); p 00 (t) = 0, t R} .
3. V = M3 , U = {A M3 ; At = A} .
4. V = M21 , U = {X M21 ; AX = 0} , onde A =
1 1
0 1
!
.
28
CAPITULO 2. SUBESPAC
OS VETORIAIS
Captulo 3
Combina
co
es Lineares
3.1
Introduc
ao e Exemplos
Definic
ao 3.1 Sejam u1 , . . . , un elementos de um espaco vetorial V.
Dizemos que u e combinac~ao linear de u1 , . . . , un se existirem numeros
reais 1 , . . . , n tais que u = 1 u1 + + n un
Observac
ao 3.2 Sejam U um espaco vetorial e V U um subespaco
vetorial. Se u1 , . . . , un V e 1 , . . . , n R ent~ao a combinaca~o linear
1 u1 + + n un pertence a V.
Exemplo 3.3 Em P2 , o polin^
omio p(x) = 2 + x2 e uma combinaca~o
dos polin^omios p1 (x) = 1, p2 (x) = x e p3 (x) = x2 .
29
~
CAPITULO 3. COMBINAC
OES
LINEARES
30
+ + = 1
+=0
= 1
3.2
= 1, = 1 e = 1.
Geradores
Definic
ao 3.5 Sejam V um espaco vetorial e S um subconjunto n~
ao
vazio de V. Usaremos o smbolo [S] para denotar o conjunto de todas as
combinaco~es lineares dos elementos de S. Em outras palavras, u [S]
se existirem 1 , . . . , n R e u1 , . . . , un S tais que u = 1 u1 + +
n un .
Proposic
ao 3.6 Sejam V um espaco vetorial e S um subconjunto n~
ao
vazio de V. Ent~ao [S] e um subespaco vetorial de V.
Prova:
3.2. GERADORES
31
Definic
ao 3.7 Sejam S e V como acima. Diremos que [S]
e o subespaco vetorial gerado por S. Os elementos de S s~ao chamados de
geradores de [S]. Se S = {u1 , . . . , un } tambem usaremos a notaca~o
[S] = [u1 , . . . , un ].
Proposic
ao 3.8 Sejam S e T subconjuntos n~
ao-vazios de um espaco
vetorial V. Temos
1. S [S];
2. Se S T ent~ao [S] [T ];
3. [[S]] = [S];
4. Se S e um subespaco vetorial ent~ao S = [S];
5. [S T ] = [S] + [T ].
Prova:
1. Se u S ent~ao u = 1u [S];
2. Se u [S] ent~ao existem 1 , . . . , n R e u1 , . . . , un S tais que
u = 1 u1 + +n un . Como S T temos u1 , . . . , un T e, portanto,
u [T ];
~
CAPITULO 3. COMBINAC
OES
LINEARES
32
Definic
ao 3.9 Dizemos que um espaco vetorial V
e nitamente gerado
se existir um subconjunto nito S V tal que V = [S].
33
3.2. GERADORES
(k,l)
), k = 1, . . . , m, l =
3. Mmn e gerado pelas matrizes Ekl = (i,j
1, . . . n, onde
1 se (i, j) = (k, l)
(k,l)
i,j =
0 caso contrario .
Exemplo 3.10 Seja P(R) o espaco vetorial formado por todos os polin^omios. Armamos que P(R) n~ao e nitamente gerado.
evidente
Seja N o grau mais alto dentre os polin^omios p1 (x), . . . , pn (x). E
que xN+1 n~ao pode ser escrito como combinac~ao linear de p1 (x), . . . , pn (x)
e, assim, xN+1 6 [p1 (x), . . . , pn (x)] = P(R). Uma contradic~ao.
Note que [1, x, x2 , . . . ] = P(R).
Exemplo 3.11 Seja V um espaco vetorial gerado por u1 , . . . , un . Mostre que se, por exemplo, u1 e uma combinaca~o linear de u2 , . . . , un
ent~ao V e gerado por u2 , . . . , un .
~
CAPITULO 3. COMBINAC
OES
LINEARES
34
isto e,
U = [(1, 1, 0, 0), (0, 1, 1, 0), (0, 1, 0, 1)].
isto e,
V = [(1, 0, 0, 1), (0, 1, 0, 1), (0, 0, 1, 1)].
3. Se (x, y, z, t) U V ent~ao
xy+t+z=0
x + y t + z = 0,
que implica em x = z e y = t.
Deste modo, (x, y, z, t) = (x, y, x, y) = x(1, 0, 1, 0) + y(0, 1, 0, 1)
e, portanto,
U V = [(1, 0, 1, 0), (0, 1, 0, 1)].
Observe que
(1, 1, 0, 0) = (1, 0, 0, 1) + (0, 1, 1, 0) (0, 0, 1, 1)
e, portanto,
U + V = [(0, 1, 1, 0), (0, 1, 0, 1), (1, 0, 0, 1), (0, 0, 1, 1)].
3.3. EXERCICIOS
3.3
35
Exerccios
3. S = 1, t, t2 , 1 + t3 , V = P3 (R).
0 1
0 0
4. S =
0 0
1 0
!
, V = M2 .
1. W = (x, y, z) V = R3 ; x 2y = 0 .
.
2. W = {p V = P3 (R); p0 (t) = 0, t R} .
.
3. W = {A V = M2 ; At = A} .
.
4. W = {X V = M31 ; AX = 0} , onde
0 1 0
A = 2 1 0 .
1 1 4
Ex. 3.15 Encontrar, em cada um dos itens abaixo, os subconjuntos S
do espaco vetorial V que geram U, W , U W e U + W.
~
CAPITULO 3. COMBINAC
OES
LINEARES
36
"
3. U = {A M2 ; At = A} , W =
1 1
0 1
!#
, V = M2 .
4. U = [t3 +4t2 t+3, t3 +5t2 +5, 3t3 ], W = [t3 +4t2 , t1, 1], V = P3 (R).
Ex. 3.16 Obtenha o subconjunto formado por vetores do espaco vetorial P3 (R) que geram os seguintes subespacos;
Captulo 4
Depend
encia Linear
4.1
Introduc
ao e Exemplos
captulo anterior ao estudarmos os geradores de um espaco vetorial procuramos encontrar um determinado conjunto de vetores de modo
que qualquer vetor do espaco em quest~ao pudesse ser escrito como combinac~ao linear dos vetores deste conjunto. Por exemplo, se v e w geram
um espaco V ent~ao para qualquer u V e possvel encontrar escalares
e satisfazendo u = v + w, ou seja
o
v + w 1u = 0.
Note que a combinac~ao linear acima e nula, embora nem todos os escalares
que aparecem na sua formac~ao s~ao nulos.
Vejamos agora a seguinte situac~ao: sera possvel encontrar escalares
, e , n~ao todos nulos, de modo que, em R3 tenhamos
(1, 0, 0) + (0, 1, 0) + (0, 0, 1) = (0, 0, 0)?
A resposta e, obviamente n~ao. Isto signica que n~ao e possvel escrever
nenhum dos vetores acima como combinac~ao linear dos outros dois. Isto
37
38
^
CAPITULO 4. DEPENDENCIA
LINEAR
Observac
ao 4.5 A denica
~o de depend^encia linear para a sequ^encia
u1 , . . . , un
e equivalente a dizer que e possvel encontrar numeros
reais 1 , . . . , n n~ao todos nulos tais que 1 u1 + + n un = 0.
Exemplo 4.6 O, u1 , . . . , un V
e uma sequ^encia l.d., onde O e o
elemento neutro do espaco vetorial V.
~ E EXEMPLOS
4.1. INTRODUC
AO
39
+ + = 0
+=0
= 0,
u2 = (x2 , y2 , z2 )
u3 = (x3 , y3 , z3 ).
1 x1 + 2 x2 + 3 x3 = 0
1 y1 + 2 y2 + 3 y3 = 0
z + z + z = 0
1 1
2 2
3 3
x1 x2 x3
y1 y2 y3
z1 z2 z3
^
CAPITULO 4. DEPENDENCIA
LINEAR
40
0 1
1 1
+
0 1
0 1
+
0 0
que equivale a
+ +
0
+
!
=
!
=
!
0 0
,
0 0
!
0 0
,
0 0
41
4.2. PROPRIEDADES
Como
1 cos2 x sen 2 x = 0,
para todo x R,
4.2
Propriedades
Proposic
ao 4.14 Se u1 , . . . , un s~
ao l.d. em um espaco vetorial V ent~ao
j1
j+1
n
1
u1
uj1
uj+1
un .
j
j
j
j
Proposic
ao 4.15 Se u1 , . . . , un em V s~
ao l.d. ent~ao qualquer sequ^encia nita de vetores de V que os contenha, tambem sera l.d..
42
^
CAPITULO 4. DEPENDENCIA
LINEAR
dependentes.
Como existem numeros reais 1 , . . . , n n~ao todos nulos tais que 1 u1 +
+ n un = 0, podemos escrever
1 u1 + + n un + 0un+1 + + 0um = 0
sendo que nesta ultima express~ao nem todos os coecientes s~ao nulos.
Proposic
ao 4.16 Se u1 , . . . , un , un+1 , . . . , um s~
ao linearmente independentes em um espaco vetorial V ent~ao qualquer subsequ^encia destes
Prova: Basta mostrar que se u1 , . . . , un , un+1 , . . . , um s~ao linearmente independentes ent~ao u1 , . . . , un tambem s~ao.
Suponha que 1 u1 + + n un = 0. Mas como
1 u1 + + n un = 1 u1 + + n un + 0un+1 + + 0um = 0
4.3. EXERCICIOS
43
Proposic
ao 4.18 Sejam u1 , . . . , un vetores l.i. em um espaco vetorial
V. Ent~
ao cada vetor v [u1 , . . . , un ] se escreve de maneira unica como
v = 1 u1 + + n un .
Prova:
Temos
(1 1 )u1 + + (n n )un = 0
4.3
Exerccios
2. S = 1 + t t2 , 2 + 5t 9t2 , V = P2 (R).
1 1
0 0
3. S =
2 0
1 0
!
, V = M2 .
1 1 1
0 0 0
1 2 0
5. S = 3 0 1 , 0 0 0 , 10 5 7
, V = M3.
0 0 2
1
1
1
1 0 1
44
^
CAPITULO 4. DEPENDENCIA
LINEAR
Ex. 4.21 Sejam f, g C1 ((a, b); R). Mostre que se existir x (a, b) tal
que f(x)g 0 (x) 6= f 0 (x)g(x) ent~ao f e g s~ao l.i..
Captulo 5
Base, Dimens
ao e Coordenadas
5.1
Base
Definic
ao 5.1 Seja V 6= {0} um espaco vetorial nitamente gerado.
Uma base de V e uma sequ^encia de vetores linearmente independentes
B de V que tamb
em gera V.
Exemplo 5.2 Os vetores de B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} formam uma base de R3 .
45
46
~ E COORDENADAS
CAPITULO 5. BASE, DIMENSAO
Ex. Resolvido 5.4 Mostre que (1, 1) e (1, 1) formam uma base de
R2 .
preciso mostrar que estes vetores s~ao l.i. e que todo ponto
Resoluc
ao: E
de R2 se escreve como combinac~ao linear de (1, 1) e (1, 1). No entanto,
se mostrarmos que todo ponto de R2 se escreve de maneira u
nica como
combinac~ao linear de (1, 1) e (1, 1) ja estaremos mostrando as duas pro-
= y.
~
5.2. DIMENSAO
47
isto e,
1 u1 + + n1 un1 un = 0,
5.2
Dimens
ao
Prova: Sejam u1 , . . . , un e v1 , . . . , vm bases de um espaco vetorial nitamente gerado V. Suponhamos que n > m e mostremos que isto implicara
que u1 , . . . , un s~ao l.d., o que contraria o fato de formarem uma base.
~ E COORDENADAS
CAPITULO 5. BASE, DIMENSAO
48
m
X
!
i1 vi
+ + xn
m
X
i=1
ou ainda,
n
X
j=1
in vi
= 0,
i=1
!
xj 1j
v1 + +
Pn
n
X
!
xj mj
vm = 0.
j=1
uma innidade de vetores linearmente independentes, ou seja, existem vetores uj , j N, de modo que a sequ^encia u1 , . . . , un e linearmente independente para todo n N.
~
5.2. DIMENSAO
49
independentes.
A seguinte proposic~ao e um resultado da prova do teorema 5.9.
Proposic
ao 5.13 Em um espaco vetorial de dimens~
ao m qualquer
sequ^encia de vetores com mais de m elementos e linearmente de-
pendente.
Corol
ario 5.14 Todo subespaco vetorial de um espaco vetorial de di-
contradic~ao.
Corol
ario 5.15 Se V
e um espaco vetorial n-dimensional e u1 , . . . , un
s~ao vetores de V linearmente independentes ent~ao estes vetores formam uma base de V.
Exemplo 5.16 dim Rn = n.
Exemplo 5.17 A dimens~
ao de P(R) e innita. Veja o exemplo 3.10.
50
~ E COORDENADAS
CAPITULO 5. BASE, DIMENSAO
k = 1, . . . , m, l = 1, . . . , n onde
1
k,l
i,j =
0
se (i, j) = (k, l)
se (i, j) 6= (k, l)
~ DE SOMA DE SUBESPAC
5.3. DIMENSAO
OS VETORIAIS
51
1 a x
1 b y
1 c z
que e dado por x(b + c) y(a + c) + z(b a) seja diferente de zero. Ha
uma innidade de possibilidades para que isto aconteca. Por exemplo,
tomando (a, b, c) = (0, 1, 1) e (x, y, z) = (0, 0, 1).
5.3
Dimens
ao de Soma de Subespa
cos Vetoriais
Proposic
ao 5.23 Seja V um espaco vetorial de dimens~
ao nita. Se
U e W s~
ao subespacos vetoriais de V ent~ao
(5.24)
~ E COORDENADAS
CAPITULO 5. BASE, DIMENSAO
52
(5.25)
ou seja
U 3 1 u1 + + p up + 1 v1 + + m vm = 1 w1 q wq W.
Logo,
1 w1 q wq U W = [v1 , . . . , vm ].
ou seja,
1 w1 + + q wq + 1 v1 + + m vm = 0.
~ DE SOMA DE SUBESPAC
5.3. DIMENSAO
OS VETORIAIS
53
um absurdo.
Exemplo 5.29 Sejam U = {p(x) P3 (R); p(0) = p(1) = 0} e V =
{p(x) P3 (R); p(1) = 0}. Encontre uma base de U, V, U V e U + V.
U : Temos
p(x) = a0 + a1 x + a2 x2 + a3 x3 U p(0) = p(1) = 0
54
~ E COORDENADAS
CAPITULO 5. BASE, DIMENSAO
a0 = 0
a0 + a1 + a2 + a3 = 0
a 0 = 0
2
3
p(x) = a0 +a1 x+a2 x +a3 x UV a0 + a1 + a2 + a3 = 0
a a + a a = 0
0
1
2
3
a0 = a2 = 0
~ DE SOMA DE SUBESPAC
5.3. DIMENSAO
OS VETORIAIS
55
=
=
=
=
Veriquemos que os geradores acima s~ao na verdade bases para os respectivos subespacos vetoriais. Para tanto basta vericar que cada sequ^encia
de vetores acima e l.i..
Analisemos primeiramente para U: se
(1, 1, 0, 0) + (0, 1, 1, 0) + (0, 1, 0, 1) = (0, 0, 0, 0)
ent~ao
(, + + , , ) = (0, 0, 0, 0)
que implica em = = = 0.
Vejamos agora o caso do subespaco V : se
(1, 0, 0, 1) + (0, 1, 0, 1) + (0, 0, 1, 1) = (0, 0, 0, 0)
ent~ao
(, , , + + ) = (0, 0, 0, 0)
que implica em = = = 0.
Passemos agora a U V : se
(1, 0, 1, 0) + (0, 1, 0, 1) = (, , , ) = (0, 0, 0, 0)
que implica em = = 0.
Pela proposic~ao 5.23 temos dim (U + V) = 3 + 3 2 = 4. Como
(0, 1, 1, 0), (0, 1, 0, 1), (1, 0, 0, 1), (0, 0, 1, 1) geram U + V segue-se do fato
da dimens~ao deste subespaco ser quatro que formam uma base de U + V.
Como a dimens~ao de R4 tambem e U + V R4 , temos pela proposic~ao
5.27 que U + V = R4 . Note que esta soma n~ao e direta.
~ E COORDENADAS
CAPITULO 5. BASE, DIMENSAO
56
5.4
Coordenadas
Exemplo 5.31 Mostre que os vetores (1, 1, 1), (0, 1, 1) e (0, 0, 1) formam uma base de R3 . Encontre as coordenadas de (1, 2, 0) R3 com
relaca~o a base B formada pelos vetores acima.
Ja sabemos que dim R3 = 3. Para vericar se os vetores acima formam
uma base de V, basta vericar se eles s~ao l.i.. Utilizando o exemplo 4.8
vemos que estes vetores s~ao de fato l.i. pois a matriz
1 0 0
1 1 0
1 1 1
= 1
+=2
+ + = 0
57
5.4. COORDENADAS
1
1 .
2
Exemplo 5.32 Mostre que os polin^
omios 1, x, x2 x formam uma base,
B, de P2 (R). Encontre as coordenadas de 1 + x + x2 com relaca
~o a
base B. Encontre tambem as coordenadas deste mesmo polin^omio com
relaca~o a base C formada pelos polin^omios 1, x e x2 .
Para vericar que 1, x, x2 x formam uma base de P2 (R) basta mostrar
cada p(x) = a0 + a1 x + a2 x2 P2 (R) se escreve de maneira unica como
combinac~ao linear de 1, x e x2 x. Isto e equivalente a mostrar que a
equac~ao p(x) = 1+x+(x2 x) possui uma unica soluc~ao (, , ) R3 .
A equac~ao acima se escreve como
a0 + a1 x + a2 x2 = + ( )x + x2 ,
= a 0
= a1
= a ,
2
~ E COORDENADAS
CAPITULO 5. BASE, DIMENSAO
58
5.5
Exerccios
1. B = 1, 1 + t, 1 t2 , 1 t t2 t3 , V = P3 (R).
1 1
0 0
2. B =
!
,
2 1
0 0
!
,
0 1
1 0
!
,
0 0
0 2
!
, V = M2 .
1. W = (x, y, z, t) R4 ; x y = 0 e x + 2y + t = 0 , V = R4 .
2. W = {X M2 ; AX = X} , onde A =
1 2
0 1
!
, V = M2 .
1 0
1 1
!
, V = M2 .
5.5. EXERCICIOS
59
2. U = {A M2 ; tr (A) = 0} , W = {A M2 ; At = A} , V = M2 , onde
tr (A) e a soma dos elementos da diagonal principal de A, chamado de traco de A
3. U = {p(t) V; p0 (t) = 0} , W = {p(t) V; p(0) = p(1)} , V = P2 (R).
Ex. 5.36 Determinar as coordenadas do vetor u = (1, 8, 5) R3 em
relaca~o a cada uma das bases de R3 abaixo;
1. base can^onica
2. {(0, 0, 1), (0, 1, 1), (1, 1, 1)}
3. {(1, 2, 1), (0, 3, 2), (1, 1, 4)}
Ex. 5.37 Determinar as coordenadas do polin^
omio p(t) P3 (R),
2
3
dado por p(t) = 10 + t + 2t , t R em relaca~o as seguintes bases
de P3 (R);
1. base can^onica
2. 1, 1 + t, 1 + t + t2 , 1 + t + t2 + t3
3. 4 + t, 2, 2 t2 , t + t3
2 5
8 7
M2 em
~ E COORDENADAS
CAPITULO 5. BASE, DIMENSAO
60
1. base can^onica
2.
1 0
0 0
!
,
1 1
0 0
!
,
1 1
1 0
!
,
1 1
1 1
!
p(0)
p 0 (0)
p 00 (0)
2!
,
..
p(n) (0)
n!
1. {u1 , u1 + u2 , u1 + u2 + u3 , . . . , u1 + , un } e um base de V;
2. se j 6= 0, j = 1, . . . , n ent~ao {1 u1 , . . . , n un } e uma base de V.
Captulo 6
Mudan
ca de Base
6.1
Introduc
ao, Exemplos e Propriedades
c1 = 11 b1 + + n1 bn
..
.
cn = 1n b1 + + nn bn .
c1B
11
1n
..
..
= . , , cnB = . .
n1
nn
61
CAPITULO 6. MUDANC
A DE BASE
62
11
1n
n1
nn
MCB = ...
...
.. ,
.
Precisamos resolver
(1, 0, 0) = 11 (1, 0, 1) + 21 (1, 1, 1) + 31 (1, 1, 2)
(0, 1, 0) = 12 (1, 0, 1) + 22 (1, 1, 1) + 32 (1, 1, 2)
(0, 0, 1) = 13 (1, 0, 1) + 23 (1, 1, 1) + 33 (1, 1, 2)
(11 + 21 + 31 , 21 + 31 , 11 + 21 + 231 ) = (1, 0, 0)
(12 + 22 + 32 , 22 + 32 , 12 + 22 + 232 ) = (0, 1, 0)
(13 + 23 + 33 , 23 + 33 , 13 + 23 + 233 ) = (0, 0, 1).
1 1 1
x
a
0 1 1 y = b
1 1 2
z
c
~ EXEMPLOS E PROPRIEDADES
6.1. INTRODUC
AO,
63
1 1 1
x
a
0 1 1 y = b
0 0 1
z
ca
MCB
1 1 0
= 1
1 1 .
1 0
1
y1
..
vC = .
yn
n
X
i=1
xi bi =
n
X
j=1
yj cj =
n
X
j=1
yj
n
X
i=1
!
ij bi
n
n
X
X
i=1
j=1
!
ij yj bi
CAPITULO 6. MUDANC
A DE BASE
64
11 12
1n
y1
x1
..
.. ..
.. . . ..
.
. = . ,
..
.
n1 n2 nn
yn
xn
ou mais simplesmente,
vB = MCB vC .
u2 = ( sen , cos )
ent~ao
cos sen = 0
sen + cos = 0
= = 0,
~ EXEMPLOS E PROPRIEDADES
6.1. INTRODUC
AO,
pois
65
det
cos sen
= 1 6= 0.
sen cos
que e equivalente a
(1, 0) = (11 cos 21 sen , 11 sen + 21 cos )
(0, 1) = (12 cos 22 sen , 12 sen + 22 cos ),
x
y
!
=
x
y
!
!
cos sen
=
sen cos
!
cos + sen
.
cos sen
cos sen
MCB =
.
sen cos
Agora, se uB representa as coordenadas de u = ae1 + be2 com relac~ao a
base B e uC as coordenadas do mesmo vetor com relac~ao a base C, pela
proposic~ao 6.3 temos
cos sen
uB = MCB uC =
sen cos
a
b
!
=
!
a cos + b sen
.
b cos a sen
CAPITULO 6. MUDANC
A DE BASE
66
Proposic
ao 6.5 Sejam B, C e D bases de um espaco vetorial n di-
mensional. Temos
C
D
MD
B = MB MC .
n
X
ij bi ,
dk =
i=1
n
X
jk cj ,
dk =
j=1
n
X
ik bi .
(6.6)
i=1
Assim,
dk =
n
X
j=1
jk cj =
n
X
jk
j=1
n
X
i=1
!
ij bi
n
n
X
X
i=1
!
ij jk bi ,
j=1
ij jk ,
1 i, k n.
j=1
Proposic
ao 6.7 Sejam B e C bases em um espaco vetorial de n dimensional V. Ent~ao a matriz MCB possui inversa e esta inversa e dada
por MBC , a matriz de mudanca da base C para a base B.
Prova: Pela proposic~ao anterior temos MCB MBC = MBB e MBC MCB = MCC .
Resta mostrar que MBB = MCC = I = (ij ), onde
1
se i = j
ij =
0
caso contrario,
6.2. EXERCICIOS
67
6.2
Exerccios
g1 = e1 + e2 e3
g2 = 2e2 + 3e3
g = 3e + e
3
1
3
do vetor v em relaca
2
CAPITULO 6. MUDANC
A DE BASE
68
v em relaca
~o a base B, isto e, vB .
Ex. 6.10 Considere as bases ordenadas B =
1, t, t2 de P2 (R).
1, 1 + t, 1 + t2
e C=
2. Se vB =
4 encontre vC .
6
3. Se vC =
1 encontre vB .
3
4. Se D = 1, t, t2 e a base can^onica de P2 (R), encontre as matrizes de mudanca da base B para a base D e da base D para a
base C, isto e, MDB e MCD , respectivamente.
Ex. 6.11 Considere o seguinte subespaco de M2 ;
!
x y
W=
M2 ; x y z = 0 .
z t
1. Mostre que
B=
1 1
0 0
C=
s~ao bases de W.
1 0
1 0
!
,
!
,
1 0
1 0
0 1
1 0
0 0
0 1
!
,
0 0
0 1
!
!
6.2. EXERCICIOS
69
1 1 0
P= 0 0 2
0 3 1
70
CAPITULO 6. MUDANC
A DE BASE
Captulo 7
Exerccios Resolvidos Uma
Revis
ao
~
CAPITULO 7. EXERCICIOS RESOLVIDOS { UMA REVISAO
72
2. Se X, Y W e R, ent~ao, pelas propriedades da soma e da multiplicac~ao por escalar usuais entre as matrizes e, tambem, pelas propriedades do produto entre matrizes, temos
A(X + Y) = AX + A(Y) = AX + AY = O + O = O.
Portanto X + Y W.
Conclumos que W e um subespaco vetorial de Mn1 .
onde
0 1 0
A = 2 1 0 .
1 1 4
73
Resoluc
ao:
0 1 0
X = W 2 1 0 = 0
1 1 4
1 4
0
1 1
4
1 0 = 0 0 1 4 = 0
1 0
0
0 1
0
1 4
0
1 1 4
1 4 = 0 0 1 4 = 0
1 0
0
0 0 4
0
1 1 4
0 1 4 = 0 = = = 0,
0
0 0 1
2
0
0
0
portanto,
0
W = 0 .
0
onde
A=
1 1 1 0
2 0
1 1
.
3 1
0 1
0 2 3 1
74
~
CAPITULO 7. EXERCICIOS RESOLVIDOS { UMA REVISAO
Resoluc
ao:
1 1 1 0
0
2 0
1 1 0
X = W
=
0 1 0
3 1
0 2 3 1
1 1 1 0
0
0 2 3 1 0
=
0 2 3 1 0
0 2 3 1
1 1 1 0
0 2 3 1 0
=
0 0 0
0 0
0
0 0
0 0
0
1 1 1
0
0 1 3/2 1/2 0
=
0
0 0
0 0
0
0 0
0
0
0
1 0 1/2
1/2
0 1 3/2 1/2 0
=
0
0 0
0 0
0
0 0
0
0
= /2 /2
,
= 3/2 + /2
isto e,
/2 /2
1/2
1/2
3/2 + /2
3/2
1/2
X=
=
+
,
1
0
0
1
75
portanto,
1/2
1/2
3/2 1/2
W =
,
.
1 0
0
1
Ex. Resolvido 7.7 Encontre uma base do subespaco vetorial de R3
dado por U = [(1, 0, 1), (1, 2, 0), (0, 2, 1)].
Resoluc
ao: Primeiro Modo: (x, y, z) U se e somente se existem , ,
R tais que
(1, 0, 1) + (1, 2, 0) + (0, 2, 1) = (x, y, z),
1 1
0
x
1 1 0
2 = y
0 2 2 = y 0 2
zx
0 1 1
z
1 0 1
1 1
0
0 1
1 = y/2
zx
0 1 1
1 1 0
0 1 1 =
y/2
0 0 0
z x + y/2
1 0 1
x y/2
0 1 1 =
y/2
0 0 0
z x + y/2
~
CAPITULO 7. EXERCICIOS RESOLVIDOS { UMA REVISAO
76
e como
(1, 0, 1), (0, 1, 1/2)
(7.8)
+ = 0
+ = 0 = = ,
= 0
ou seja, os vetores
(1, 0, 1), (1, 2, 0), (0, 2, 1)
(7.9)
77
Ex. Resolvido 7.10 Dados os subespacos
U = {A M2 : At = A}
"
W=
1 1
0 1
!#
a b
c d
!
= At c = b,
0 1
+
1 0
!
0 0
+
.
0 1
gera W e e n~ao nula, ela serve como base de W. Note que dim W = 1.
UW :
A U W A = At e existe R tal que A =
!
,
0
78
~
CAPITULO 7. EXERCICIOS RESOLVIDOS { UMA REVISAO
0
,
p(0) = a0 = 0
p(1) = a0 + a1 + a2 = 0
p(t) = a1 t a1 t2 = a1 (t t2 ),
79
U W : p(t) U W = [1] [t t2 ] se e somente se existem , R tais que
p(t) = = (tt2 ). Claramente, isto so e possvel quando = = 0,
ou seja, quando p(t) = 0. Assim, U W = {0} e dim U W = 0.
U + W : Temos
g1 = e1 + e2 e3
g2 = 2e2 + 3e3
g = 3e + e
3
1
3
1
s~ao dadas por 3 encontre as coordenadas de v em relaca~o
2
a base C, isto e, vC .
3. Se as coordenadas
do vetor v em relaca~o a base C, isto e, vC ,
Resoluc
ao:
80
~
CAPITULO 7. EXERCICIOS RESOLVIDOS { UMA REVISAO
1. Temos
1 0 3
MCB = 1 2 0 .
1 3 1
1
.
.
0 3 .. 1 0 0
1 0 3 .. 1 0 0
1 2 0 ... 0 1 0 0 2 3 ... 1 1 0
..
..
1 3 1 . 0 0 1
0 3 4 . 1 0 1
1 0 3
0 1 3
2
0 3 4
1 0
0 1 2
0 0
..
. 1 0 0
1 0 3
..
1
1
. 2 2 0 0 1 32
..
. 1 0 1
0 0 172
..
. 1
0
..
. 12 12
.. 5
. 17 173
Portanto,
.
1 0 0 ..
..
0
0 1 0 .
.
0 0 1 ..
2
17
MBC =
2
17
171
5
17
9
17
4
17
173
176
3
17
2
17
..
. 1 0 0
..
. 12 21 0
.. 5
3
. 2 2 1
2
17
171
5
17
2. Como vC = MBC vB ,
vC =
2
17
171
5
17
9
17
4
17
173
176
3
17
2
17
1
1
3 = 1 .
2
0
9
17
4
17
173
176
3
17
2
17
81
3. Como vB = MCB vC ,
1 0 3
2
1
vB = 1 2 0 3 = 8 .
1 3 1
1
6
Ex. Resolvido 7.13 Considere o seguinte subespaco de M2 :
!
x y
W=
M2 ; x y z = 0 .
z t
1 1
0 0
!
, B2 =
1 0
1 0
!
, B3 =
0 0
0 1
1 0
1 0
!
, C2 =
0 1
1 0
!
, C3 =
0 0
0 1
s~ao bases de W.
b) Encontre as matrizes de mudanca da base B para a base C e da
base C para a base B.
c) Encontre uma base D de W , tal que a matriz
1 1 0
P= 0 0 2
0 3 1
82
~
CAPITULO 7. EXERCICIOS RESOLVIDOS { UMA REVISAO
Resoluc
ao:
a)
x y
z t
A=
!
W x = y + z.
isto e,
"
1 0
+z
1 0
!
0 0
+t
,
0 1
(7.14)
!
!
!#
1 1
1 0
0 0
,
,
.
0 0
1 0
0 1
W=
1 0
1 0
!
+
0 1
1 0
!
=
!
+
0 0
0 0
0 0
0 1
0 0
0 0
!
= = = 0.
e da,
0 1 0
MCB = 1 1 0 .
0 0 1
83
Quanto a MBC , vemos que
B1 = C 1 C 2
B2 = C 1
B3 = C 3
e assim,
1 1 0
MBC = 1 0 0 .
0 0 1
84
~
CAPITULO 7. EXERCICIOS RESOLVIDOS { UMA REVISAO
Captulo 8
Transforma
c
oes Lineares
8.1
Introduc
ao e Exemplos
e agora estudamos os espacos vetoriais e seus subespacos, introduzimos os conceitos como depend^encia e independ^encia linear e, a partir
disto, pudemos descrev^e-los de maneira mais simples usando para isto geradores e, mais especicamente, bases. De certa forma ja temos em m~aos
tudo o que precisamos para trabalhar com espacos vetoriais. No captulo
12 voltaremos a estudar espacos vetoriais que possuem uma estrutura mais
rica.
O leitor ja deve estar familiarizado com o conceito de funco~es, principalmente com aquelas que est~ao denidas em um subconjunto da reta
e tomam seus valores tambem no conjunto dos numeros reais. Nosso
proximo passo e estudar funco~es que t^em como domnio um espaco vetorial e que tomam seus valores em um outro espaco vetorial. Note que os
valores tomados s~ao, na verdade, vetores. No entanto, vamos nos restringir
a apenas alguns tipos especiais dentre estas funco~es. Estamos interessados em funco~es que preservem as operaco~es existentes no espaco vetorial
que atua como o seu domnio e aquelas do espaco vetorial que age como
t
85
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
86
contra-domnio. Por exemplo, por preservar a adic~ao de vetores entendemos que ao tomar dois vetores no domnio da func~ao o valor que esta deve
ter para a soma destes dois vetores e a soma dos valores que ela possui
para cada um dos vetores. De maneira semelhante a func~ao deve preservar
o produto por escalar. Funco~es com estas propriedades s~ao chamadas de
transformaco~es lineares. Mais precisamente, temos.
Definic
ao 8.1 Sejam U e V espacos vetoriais. Dizemos que uma
funca~o T : U V e uma transformac~ao linear se forem vericadas
as seguintes condico~es:
1. T (u + v) = T (u) + T (v),
2. T (u) = T (u),
u U,
u, v U;
R.
Observac
ao 8.2 Note que T : U V
e uma transformaca~o linear se
e somente se T (u + v) = T (u) + T (v), para todo u, v U, , R.
Observac
ao 8.3 Note que pela propriedade 2 temos
T (0) = T (00) = 0T (0) = 0.
~ E EXEMPLOS
8.1. INTRODUC
AO
87
f(x) dx,
0
T (f) =
0
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
88
8.2
89
8.2. O ESPAC
O VETORIAL L (U, V)
rial.
Definic
ao 8.7 Se U
e um espaco vetorial, denimos o espaco dual
0 .
de U como sendo U = L (U, R), isto e, U 0 e formado pelas transformaco~es lineares T : U R. Estas transformaco~es lineares tambem
s~ao chamadas de funcionais lineares denidos em U.
Teorema 8.8 Se U
e um espaco vetorial de dimens~ao n e V e um
espaco vetorial de dimens~ao m ent~ao L (U, V) tem dimens~ao mn.
Prova: Fixemos duas bases, uma formada por vetores u1 , . . . , un de U e
outra formada por v1 , . . . , vm , vetores de V.
Para cada 1 i n e 1 j m dena
Tij (x1 u1 + + xn un ) = xi vj ,
Note que
Tij (uk ) =
vj
0
x1 , . . . , xn R.
se i = k
se i 6= k
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
90
L (U, V).
Pn Pm
Se
0=
i=1
m
n X
X
i=1 j=1
j=1
n
m X
X
j=1 i=1
m
X
j=1
m
X
akj vj
j=1
ou seja
T = 11 T11 + + m1 T1m + + 1n T1n + + mn Tnm .
91
8.2. O ESPAC
O VETORIAL L (U, V)
Corol
ario 8.9 Se V
e um espaco de dimens~ao n ent~ao o seu dual
tambem tem dimens~ao n.
f2 (x, y, z) = y z
f3 (x, y, z) = x y.
Definic
ao 8.11 Sejam U, V e W espacos vetoriais. Se T L (U, V) e
S L (V, W) denimos a composta ST : U W por ST (u) = S(T (u)),
u U.
Exemplo 8.12 Considere T, S L (R2 ) dadas por T (x, y) = (x + y, 0) e
S(x, y) = (x, 2y). Encontre T S e S T.
T S(x, y) = T (S(x, y)) = T (x, 2y) = (x + 2y, 0).
S T (x, y) = S(T (x, y)) = S(x + y, 0) = (x + y, 0).
Note que T S 6= S T.
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
92
Definic
ao 8.13 Se T L (U), denimos T 1 = T e T n = T T n1 para
n 2.
Definic
ao 8.14 T L (U)
e chamada de nilpotente se existir algum
inteiro positivo n tal que T n = 0, a transformaca~o nula.
operador nilpotente.
Proposic
ao 8.17 Sejam T L (U, V), S L (V, W) e R L (W, X),
onde U, V, W e X s~ao espacos vetoriais. Ent~ao (R S) T = R (S T ).
Prova: Para todo u U, temos
(R S) T (u) = (R S)(T (u)) = R(S(T (u)))
8.2. O ESPAC
O VETORIAL L (U, V)
93
Proposic
ao 8.18 Se S, T L (U, V), R L (V, W) ent~
ao R (S + T ) =
R S + R T.
Prova: Dado u U, temos
R (S + T )(u) = R((S + T )(u)) = R(S(u) + T (u)) = R(S(u)) + R(T (u))
= R S(u) + R T (u) = (R S + R T )(u).
Proposic
ao 8.19 Se T L (U, V) e IV L (V)
e a identidade em V,
isto e, I(v) = v, v V, e IU L (U) e a identidade em U, ent~ao
IV T = T e T IU = T.
Prova: Dado u U, temos
IV T (u) = IV (T (u)) = T (u)
e
T IU (u) = T (IU (u)) = T (u).
Definic
ao 8.20 Diremos que T L (U, V) possui inversa se existir
S : V U tal que S T (u) = u para todo u U e T S(v) = v para todo
v V. Em outras palavras, T S = IV e S T = IU , onde IU : U U
e
a identidade em U e IV : V V e a identidade em V.
Proposic
ao 8.21 Se T L (U, V) possui uma inversa ent~
ao esta in-
versa e unica.
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
94
Definic
ao 8.22 Uma transformaca
~o linear T : U V e
injetora.
Dado v V vemos que T (T 1 (v)) = v e, portanto, T tambem e sobrejetora. Assim, T e bijetora.
Suponha agora que T seja bijetora. Dado v V existe um unico uv U
tal que v = T (uv ). Dena S : V U por S(v) = uv . Mostremos que S e a
inversa de T.
Se v V ent~ao T (S(v)) = T (uv ) = v.
Se u U ent~ao S(T (u)), pela denic~ao de S, e o unico elemento u 0
em U tal que T (u 0 ) = T (u). Como T e injetora, temos u 0 = u e, assim,
S(T (u)) = u.
8.3. IMAGEM E NUCLEO
95
Proposic
ao 8.25 Se T L (U, V) possui inversa T 1 : V U ent~
ao
1
T L (V, U).
Prova: Devemos mostrar que T 1 : V U e linear.
Sejam v1 , v2 V e 1 , 2 R. Como T e sobrejetora existem u1 , u2 U
tais que T (u1 ) = v1 e T (u2 ) = v2 . Assim,
T 1 (1 v1 + 2 v2 ) = T 1 (1 T (u1 ) + 2 T (u2 )) = T 1 (T (1 u1 + 2 u2 ))
= 1 u1 + 2 u2 = 1 T 1 (v1 ) + 2 T 1 (v2 ).
8.3
Imagem e N
ucleo
Definic
ao 8.26 Seja T : U V uma transformaca
~o linear.
96
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
8.3. IMAGEM E NUCLEO
97
Resoluc
ao: Suponha que T 2 = 0. Se v T (U) ent~ao existe u U tal que
v = T (u) e, portanto, T (v) = T 2 (u) = 0. Logo, v N (T ).
Suponha agora que T (U) N (T ). Dado u U, como T (u) T (U)
N (T ), temos T 2 (u) = T (T (u)) = 0.
Ex. Resolvido 8.32 Seja R. Encontre o n
ucleo da transformaca~o
2
2
linear T : R R dada por
T (x, y) = (x cos y sen , x sen + y cos ).
Resoluc
ao: Por denic~ao, (x, y) N (T ) se e somente se T (x, y) = (0, 0),
x cos y sen = 0
x sen + y cos = 0
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
98
e da,
v = T (u) = T (1 u1 + + p up + 1 v1 + + q vq )
= 1 T (u1 ) + + p T (up ) + 1 T (v1 ) + + q T (vq )
= 1 T (v1 ) + + q T (vq ),
ja que u1 , . . . , up N (T ).
Corol
ario 8.34 Se U e V s~
ao espacos vetoriais de dimens~ao nita
tais que dim U = dim V e se T : U V e uma transformaca~o linear
8.3. IMAGEM E NUCLEO
99
linearmente independentes.
Seja v V. Como T e sobrejetora, existe u U tal que v = T (u).
Escrevendo u como 1 u1 + + n un vemos que
v = T (1 u1 + + n un ) = 1 T (u1 ) + + n T (un ),
isto e, T (u1 ), . . . , T (un ) geram V. Observe que ja havamos provado isto na
proposic~ao 8.4
(4) = (1): Seja u1 , . . . , un uma base de U. Por hipotese, T (u1 ), . . . ,
T (un ) formam uma base de V. Assim, dado v V existem 1 , . . . , n R
tais que v = 1 T (u1 )+ +n T (un ). Deste modo, v = T (1 u1 + +n un ),
isto e, T e sobrejetora.
Ex. Resolvido 8.35 Mostre que toda transformaca
~o linear bijetora
2
2
T : R R leva retas em retas, isto
e, a imagem de uma reta por T
e uma reta.
Resoluc
ao: Dada uma reta r no plano usaremos a equac~ao vetorial para
representar seus pontos, isto e, um ponto P r e da forma Po + ~v, onde
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
100
ou seja, dim H = n 1.
1 2
0 1
mos
a b
c d
!
=
a b
c d
!
1 2
,
0 1
8.3. IMAGEM E NUCLEO
101
isto e,
a + 2c b + 2d
c
d
a 2a + b
c 2c + d
que equivale a
a + 2c = a
b + 2d = 2a + b
c=c
d = 2c + d
Portanto,
a b
0 a
X=
c = 0 e a = d.
1 0
0 1
=a
+b
0 1
.
0 0
!
0 1
.
0 0
Y=
!
T (M2 )
se e somente se existir
X=
a b
c d
!
=
1 2
0 1
a b
c d
a b
c d
1 2
0 1
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
102
=
a + 2c b + 2d
c
d
a 2a + b
c 2c + d
2c 2d 2a
=
0
2c
!
!
1 0
0 1
= 2c
+ 2(d a)
,
0 1
0 0
ou seja, a imagem de T e gerada pela base (note que as matrizes s~ao l.i.)
formada pelas matrizes
1 0
0 1
!
0 1
.
0 0
0 1
0 0
formam uma base do nucleo de T e, como no referido teorema, a completamos ate uma base de M2 como, por exemplo,
!
!
!
1 0
0 1
0 0
,
,
e
0 1
0 0
1 0
0 0
0 1
0 0
1 0
!!
=
2 0
0 2
eT
0 0
0 1
!!
=
0 1
0 0
103
Note que
T 2 (x, y) = T (x, 0) = (x, 0) = T (x, y).
Proposic
ao 8.41 Mostre que se T L (U)
e idempotente ent~ao
U = T (U) N (T ).
Prova: Dado u U podemos escrever
u = T (u) + (u T (u)).
8.4
Isomorfismo e Automorfismo
Definic
ao 8.42 Dizemos que uma transformaca
~o linear T : U V e
isomorsmo quando ela for bijetora. No caso em que U = V diremos
que T e um automorsmo.
Definic
ao 8.43 Dizemos que os espacos vetoriais U e V s~
ao isomorfos
se existir um isomorsmo T : U V.
104
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
x y = 0
x = y = z.
xz=0
z y = 0
que
Corol
ario 8.46 Se T : U V
e um isomorsmo e V tem dimens~ao
nita ent~ao dim U = dim V.
105
dim U = dim V.
Proposic
ao 8.47 Sejam U e V espacos de dimens~
ao n. Se u1 , . . . , un
e v1 , . . . , vn formam bases de U e V, respectivamente, ent~ao
T (x1 u1 + + xn un ) = x1 v1 + + xn vn ,
x1 , . . . , xn R,
coordenadas de um vetor com relac~ao a uma base s~ao unicamente determinadas por ele e pela base.
Veriquemos que T e linear.
Dados w1 , w2 U, podemos escrever
w1 =
n
X
xi u i
w2 =
n
X
yi ui ,
i=1
i=1
com xi , yi R, i = 1, . . . , n. Se 1 , 2 R, temos
T (1 w1 + 2 w2 ) = T
n
X
!
(1 xi + 2 yi )ui
i=1
i=1
= 1
P
n
X
i=1
xi vi + 2
n
X
(1 xi + 2 yi )vi
=
n
X
yi vi = 1 T (w1 ) + 2 T (w2 ).
i=1
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
106
Corol
ario 8.48 Dois espacos vetoriais de dimens~
ao nita s~ao isomor-
8.5
8.5.1
Defini
c
ao e Exemplos
A matriz
= 1, . . . , n.
Mmn
..
.. . .
..
.
.
.
.
am1 am2 . . . amn
~ LINEAR
8.5. MATRIZ DE UMA TRANSFORMAC
AO
107
Assim,
[T ]B,C =
!
1 1 0
.
1 0 1
Assim,
[T ]B,D =
!
1 1
0
.
0 1 1
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
108
por
Tij (x1 u1 + + xn un ) = xi vj ,
Note que
Tij (uk ) =
x1 , . . . , xn R.
vj se i = k
0 se i 6= k
0v1 + + 0vj1 + 1vj + 0vj+1 + + 0vn se i = k
0 se i 6= k
1
se (j, i) = (k, l)
0 caso contr
ario ,
ou seja, a matriz Eji possui todos os coecientes nulos com exceca~o
daquele que ocupa a j-esima linha e da i-esima coluna cujo valor e 1.
8.5.2
Propriedades
Proposic
ao 8.53 Sejam U e V espacos vetoriais de dimens~
ao nita
com bases B e C, respectivamente. Se T, S L (U, V) e , R ent~ao
[T + S]B,C = [T ]B,C + [S]B,C .
Prova: Colocando B = {u1 , . . . , un }, C = {v1 , . . . , vm }, [T ]B,C = (ij ) e
[S]B,C = (ij ) temos
(T + S)(uj ) = T (uj ) + S(uj )
= (1j v1 + + mj vm ) + (1j v1 + + mj vm )
~ LINEAR
8.5. MATRIZ DE UMA TRANSFORMAC
AO
109
e, desse modo,
11 + 11
..
.
[T + S]B,C =
...
m1 + m1
1n + 1n
..
.
= [T ]B,C + [S]B,C .
mn + mn
Corol
ario 8.54 Sejam U e V espacos vetoriais de dimens~
ao nita
com bases B e C, respectivamente. Se T L (U, V) e a transformaca~o
nula ent~ao [T ]B,C = 0.
Proposic
ao 8.55 Se B e C s~
ao bases de um espaco vetorial V de dimens~ao nita e I L (V) e a identidade de V ent~ao [I]B,C = MBC .
Prova: Sejam B = {u1 , . . . , un }, C = {v1 , . . . , vn } e [I]B,C = (ij ). Como
uj = I(uj ) = 1j v1 + + nj vn
i=1
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
110
=
m
X
i=1
ij
p
X
!
ki wk
k=1
Portanto,
[S T ]B,D =
p
m
X
X
k=1
m
X
!
ki ij
wk .
i=1
!
ki ij
= [S]C,D [T ]B,C .
i=1
Proposic
ao 8.57 Sejam U e V espacos vetoriais de dimens~
ao nita
com bases B e C, respectivamente. Se T L (U, V) possui inversa T 1
ent~ao [T 1 ]C,B = [T ]1
B,C .
Prova: Seja n = dim U = dim V. Temos
[T ]B,C [T 1 ]C,B = [T T 1 ]C,C = [I]C,C = In
Portanto, [T 1 ]C,B = [T ]1
B,C .
Proposic
ao 8.58 Seja V um espaco de dimens~
ao nita. Se T L (V)
e B e C s~ao bases de V ent~ao
[T ]C,C = MBC [T ]B,B MCB .
Prova: Como [I]B,C = MBC e [I]C,B = MCB , temos
MBC [T ]B,B MCB = [I]B,C [T ]B,B [I]C,B = [I]B,C [T ]C,B = [T ]C,C .
~ LINEAR
8.5. MATRIZ DE UMA TRANSFORMAC
AO
111
obtemos
MCB =
1
2
1
2
1
2
12
!
C 1
e MBC = MB
!
1 1
.
1 1
Assim,
[T ]C,C = MBC [T ]B,B MCB =
!
!
!
!
1
1
1 1
1 0
3
2
2
2
=
.
1
1
1 1
0 5
2 3
2
2
Note que
T (x, y) = T (x(1, 0) + y(0, 1)) = xT ((1, 0)) + yT ((0, 1))
= x(3(1, 0) 2(0, 1)) + y(2(1, 0) + 3(0, 1)) =
= x(3, 2) + y(2, 3) = (3x 2y, 3y 2x).
Proposic
ao 8.60 Sejam U e V espacos vetoriais de dimens~
ao nita
com bases B e C, respectivamente. Se T L (U, V) e u U ent~ao,
representando por T (u)C e uB as coordenadas dos vetores T (u) e u,
respectivamente, temos
T (u)C = [T ]B,C uB .
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
112
Temos
T (u) = T (a1 u1 + + an un ) = a1 T (u1 ) + + an T (un )
= a1 (11 v1 + + m1 vm ) + + an (1n v1 + + mn vm )
= (a1 11 + + an 1n )v1 + + (a1 m1 + + an mn )vm ,
ou seja,
T (u)C =
a1 11 + + an 1n
..
.
11
1n
a1
..
.. .. ,
...
= .
. .
a1 m1 + + an mn
m1 mn
an
113
8.6
Exerccios Resolvidos
de ordem dois.
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
114
Se
a b
c d
X=
a b
c d
a + 2c = 0
b + 2d = 0
!
=
0 0
0 0
X =
1 2
0 0
2c 2d
c
d
a b
c d
!
=
0 0
0 0
!
!
2 0
0 2
=c
+d
.
1 0
0 1
2 0
1 0
e M2 =
0 2
0 1
seja a trivial.
Colocando
M3 =
a b
c d
e M4 =
x y
z t
obtemos
2 0
1 0
0 2
+
0 1
a b
+
c d
x y
+
z t
!
=
!
0 0
,
0 0
115
0
0
z
=
y 0
t
2 0 a
0 c
1
0 2 b
0
1 d
a b
c d
!
=
1 2
0 1
x y
z t
e M4 =
!
=
!
1 1
.
2 0
1 2
0 1
!!
=
2 0
2 0
e T
1 1
2 0
!!
=
6 2
6 2
subespaco gerado por estes vetores tem dimens~ao dois. Logo, a transformac~ao procurada devera ter necessariamente nucleo unidimensional.
116
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
O que faremos e denir uma transformac~ao tal que T (1, 0, 0) = (1, 2, 0),
T (0, 1, 0) = (1, 1, 1) e T (0, 0, 1) = (0, 0, 0), ou seja,
T (x, y, z) = x(1, 2, 0) + y(1, 1, 1) = (x + y, 2x + y, y)
se e somente se = = = = 0.
Assim, as imagens dos polin^omios 1 e x, pela transformac~ao procurada
precisam necessariamente ser linearmente independentes. Para isto, o que
faremos e denir T : P3 P2 tal que T (1) = 1, T (x) = x, T (1 + x3 ) = 0 e
T (1 x2 ) = 0.
Dado p(x) = a0 + a1 x + a2 x2 + a3 x3 , reescrevemos p(x) = a0 + a2
a3 + a1 x + a3 (1 + x3 ) a2 (1 x2 ) e colocamos
T (p(x)) = T (a0 + a2 a3 + a1 x + a3 (1 + x3 ) a2 (1 x2 ))
= (a0 + a2 a3 )1 + a1 x = a0 + a2 a3 + a1 x,
117
1
T (x) = ,
2
1
T (x2 ) = .
3
1 1
2 3
.
T (x) = 1 = 1 + 0x + 0x2 ,
T (x3 ) = 3x2 = 0 + 0x + 3x2
0 1 0 0
0 0 2 0 .
0 0 0 3
Ex. Resolvido 8.69 Seja T : R3 R3 a transformaca
~o linear dada
por
T (x, y, z) = (x + z, y + z, x + y + 2z).
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
118
Resoluc
ao: Com relac~ao a base can^onica e1 = (1, 0, 0), e2 = (0, 1, 0) e
e3 = (0, 0, 1), temos
T (e1 ) = T (1, 0, 0) = (1, 0, 1) = e1 + 0e2 + e3
T (e2 ) = T (0, 1, 0) = (0, 1, 1) = 0e1 + e2 + e3
T (e3 ) = T (0, 0, 1) = (1, 1, 2) = e1 + e2 + 2e3
e, portanto,
1 0 1
[T ]C = 0 1 1 .
1 1 2
e, portanto,
3 0 0
[T ]B = 0 1 0 .
0 0 0
8.7. EXERCICIOS
forma
119
..
.
..
.
0
8.7
. . . ..
.
..
.
...
0 0
0 11
0 q1
. . . ..
.
..
.
..
.
1q
. . . ..
.
qq
Exerccios
1. T : R3 R, T (x, y, z) = x + 5y z, (x, y, z) R3 .
2. T : R3 R, T (x, y, z) = x + 5y z + 1, (x, y, z) R3 .
3. T : R3 R, T (x, y, z) = x2 + 5y z, (x, y, z) R3 .
4. T : Mn1 Mn1 , T (X) = AX + X, X Mn1 com A Mn xa.
5. T : Pn (R) Pn (R), T (p) = p0 + p00 , p Pn (R).
6. T : M2 M2 , T (X) = AX, X M2 , onde A M2 esta xada.
7. T : P2 (R) P2 (R), T (p) = p+q, p P2 (R) e q(t) = t2 +1, t R.
Ex. 8.72 Determinar o n
ucleo das transformaco~es lineares abaixo e
descreva-os geometricamente.
120
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
1 2
2 4
!
.
1 4
2 3
!
.
(T (p1 ))(t) = t + t2
onde pi (t) = ti , i = 0, 1, 2.
8.7. EXERCICIOS
121
0 0
1 0
!!
=
0 0
2 1
!
,
0 0
0 1
!!
=
1 0
2 0
122
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
8.7. EXERCICIOS
123
4. U =
a 0
0 0
; a R , V = {p P3 (R); p0 (t) = 0, t R} .
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
124
1 2
0 1
!
.
p(t) dt,
p P2 (R).
b) B = 1, 1 + t, 1 + t + t2 , C = {2} .
1 1 0
A= 0 1 0
0 1 1
8.7. EXERCICIOS
125
p(t) P2 (R).
T (e2 ) = e1 + e2
S(e2 ) = e1 e2 e3
T (e3 ) = e2 + e3
S(e3 ) = e1 + e2 2e3
(x, y, z) R3 .
126
~
CAPITULO 8. TRANSFORMAC
OES
LINEARES
Captulo 9
Autovalores e Autovetores
9.1
Definic
ao, Exemplos e Propriedades
Definic
ao 9.1 Sejam U um espaco vetorial e T L (U). Dizemos que
127
128
~ EXEMPLOS E PROPRIEDADES
9.1. DEFINIC
AO,
129
Resoluc
ao: R e um autovalor de T se e somente se existir (x, y) =
6
(0, 0) tal que T (x, y) = (x, y), ou seja, se e somente se existir (x, y) =
6
(0, 0) tal que (y, 4x) = (x, y). Isto equivale a que o sistema
y x = 0
4x y = 0
possua uma soluc~ao n~ao trivial. Isto acontece se e somente se o determinante da matriz
!
1
4
130
2 0
.
0 2
Ex. Resolvido 9.9 Faca o mesmo que se pede no exerccio 9.7 para
a transformaca~o T (x, y) = (y, x).
Resoluc
ao: R e um autovalor de T se e somente se existir (x, y) =
6
(0, 0) tal que T (x, y) = (x, y), ou seja, se e somente se existir (x, y) =
6
(0, 0) tal que (y, x) = (x, y). Isto equivale a que o sistema
x + y = 0
x y = 0
possua uma soluc~ao n~ao trivial. Isto acontece se e somente se o determinante da matriz
!
1
1
for igual a zero. Como este determinante e 2 1 < 0, vemos que n~ao
existem autovalores associados a transformac~ao T.
Ex. Resolvido 9.10 Seja T : Pn (R) Pn (R) dada por T (p(x)) =
p 0 (x). Verique que 0
e o unico autovalor desta transformac~ao. Encontre V(0).
Resoluc
ao: Note que R e um autovalor de T se e somente se existir
p(x) 6= 0 tal que p 0 (x) = p(x). Se 6= 0 esta equac~ao so e verdadeira
para o polin^omio nulo, posto que para qualquer outro polin^omio os graus
de p 0 (x) e p(x) s~ao distintos. Desta forma, 6= 0 n~ao e autovalor de T.
~ EXEMPLOS E PROPRIEDADES
9.1. DEFINIC
AO,
131
Agora, se = 0, ent~ao p 0 (x) = 0 apresenta como soluc~ao todos os polin^omios constantes. Logo, = 0 e um autovalor associado, por exemplo,
ao autovetor p(x) = 1.
Quanto a V(0), basta ver que V(0) = N (T ) = [1], isto e, o subespaco
gerado pelo polin^omio 1.
Ex. Resolvido 9.11 Seja T : R3 R3 dada por T (x, y, z) = (x, y, x).
Encontre os autovalores de T, os respectivos subespacos proprios e a
Resoluc
ao: Veja que R e um autovalor de T se e somente se existir
(x, y, z) 6= (0, 0, 0) tal que T (x, y, z) = (x, y, z), isto e, se e somente se
existir (x, y, z) 6= (0, 0, 0) tal que (x, y, x) = (x, y, z). Isto equivale a
que o sistema
(1 )x = 0
(1 )y = 0
z x = 0
possua uma soluc~ao n~ao trivial. Isto acontece se e somente se o determinante da matriz
1
0
0
1 0
0
1
0
132
(9.13)
ent~ao
T (u1 ) = T (2 u2 + + n un ) = 2 T (u2 ) + + n T (un )
1 u1 = 2 2 u2 + + n n un ,
(9.14)
~ EXEMPLOS E PROPRIEDADES
9.1. DEFINIC
AO,
133
(2) (2)
(1)
(2) (2)
u = 1 v1 + + (1)
m1 vm1 = 1 v1 + + m2 vm2 .
(9.16)
(2)
(1)
(2)
(1)
(2)
(2)
1 T (v1 ) + + (1)
m1 T (vm1 ) = 1 T (v1 ) + + m2 T (vm2 ),
ou seja,
(1)
(1)
(2)
(2)
(2)
(1)
(2)
1 1 v1 + + (1)
m1 1 vm1 = 1 2 v1 + + m2 2 vm2 .
(9.17)
134
(2)
(2)
1 (2 1 )v1 + + (2)
m2 (2 1 )vm2 = 0.
(2)
e uma base de V(2 ), temos
Como v(2)
1 , . . . , v m2
(2)
1 (2 1 ) = = (2)
m2 (2 1 ) = 0
(2)
e, como 1 6= 2 , resulta que (2)
1 = = m2 = 0. Segue-se de 9.16 que
u = 0.
ent~ao
(j) (j)
(1) (1)
(j)
u = 1 v1 + + (j)
mj vmj = 1 v1 +
(j+1) (j+1)
v1
(j1)
+ (j1)
mj1 vmj1 + 1
(n) (n)
+ + m
v . (9.18)
n mn
(j)
(1)
(1)
(j)
1 T (v1 ) + + (j)
mj T (vmj ) = 1 T (v1 ) +
(j+1)
(j1)
+ (j1)
mj1 T (vmj1 ) + 1
(j+1)
T (v1
(n)
) + + m
T (v(n)
mn )
n
isto e,
(j)
(j)
(1)
(1)
(j)
1 j v1 + + (j)
mj j vmj = 1 1 v1 +
(j+1)
(j1)
+ (j1)
mj1 j1 vmj1 + 1
(j+1)
j+1 v1
(n)
+ + (n)
mn n vmn . (9.19)
^
9.2. POLINOMIO
CARACTERISTICO
135
(1)
(j1)
1 (1 j )v1 + + (j1)
mj1 (j1 j )vmj1 +
(j+1)
(j+1)
(j+1 j )v1
(n)
+ + (n)
mn (n j )vmn = 0
9.2
Polin
omio Caracterstico
Definic
ao 9.20 Dada A Mnn denimos o polin^
omio caracterstico
de A como sendo o determinante
pA () = det (A I),
136
Prova: Temos
det M
Encontre pT ().
Resoluc
ao: Usaremos a base can^onica, C, de R2 . Como T (1, 0) = (a, c) e
T (0, 1) = (b, d), vemos que
!
a b
[T ]C =
.
c d
^
9.2. POLINOMIO
CARACTERISTICO
Assim,
pT () = det
= det
a b
c d
137
1 0
0 1
!!
!
a
b
= 2 (a + d) + ad bc.
c
d
Proposic
ao 9.25 Sejam U um espaco vetorial de dimens~
ao nita e T
em L (U). Ent~ao, e um autovalor de T se e somente se pT () = 0.
Em outras, palavras, os autovalores de T s~ao as razes reais de seu
polin^omio caracterstico.
Definic
ao 9.27 Sejam U um espaco vetorial de dimens~
ao nita e
T L (U). Se
e um autovalor de T, denimos a multiplicidade
algebrica de como sendo a multiplicidade de como raiz do polin^omio caracterstico de T.
138
Proposic
ao 9.28 Sejam U um espaco vetorial de dimens~
ao nita e
T em L (U). Se o
e um autovalor de T ent~ao a sua multiplicidade
o 0
0 0
. .
Ar(nr)
..
..
.
. .
o rr
0(nr)r
B(nr)(nr) nn
^
9.2. POLINOMIO
CARACTERISTICO
139
p
p
(a + d)2 4(ad bc)
a + d (a + d)2 4(ad bc)
e
.
2
2
Assim,
p(A) = a0 In + + am Am = a0 M1 In M + + am M1 Bm M =
= M1 (a0 In + + am Bm )M = M1 p(B)M.
Ex. Resolvido 9.31 Sejam p(t) = a0 + + am tm um polin^
omio e
m
T L (U). Denimos p(T ) = a0 I + + am T , onde I
e a identidade
de U. Se B e uma base de U mostre que [p(T )]B = p([T ]B ).
Resoluc
ao: Pelas proposico~es 8.53 e 8.56 temos que
[p(T )]B = [a0 I + + am T m ]B = a0 [I]B + + am [T ]m
B = p([T ]B ).
140
9.3
Exerccios
seguintes casos:
a) V = R2 , T (x, y) = (x + y, x y).
b) V = R3 , T (1, 0, 0)= (2, 0, 0), T (0,
1, 0) = (2, 1, 2), T (0, 0, 1) = (3, 2, 1).
3 1
0 3
c) V = R4 e [T ]B =
0 0
0 0
0
0
4
0
0
0
0
3
e base can^onica de R4 .
, onde B
Ex. 9.33
a) Seja A Mn uma matriz triangular, isto e, A = (aij ) onde aij = 0,
sempre que i > j (ou sempre que i < j). Qual o polin^omio caracterstico de A?
b) Sejam A, B Mn matrizes triangulares com a mesma diagonal
Captulo 10
Diagonaliza
c
ao
10.1
Definic
ao e Caracteriza
c
ao
1 0 0
0 2 0
[T ]B = . . .
,
.
.
.
.
.
. .
. .
0 0 n
ou seja, [T ]B e uma matriz diagonal, isto e, uma matriz quadrada (aij ) tal
que aij = 0 se i 6= j.
Reciprocamente, se existir uma base C = {v1 , . . . , vn } de U com relac~ao
a qual a matriz de T L (U) e diagonal, isto e, todos os seus coecientes
141
~
CAPITULO 10. DIAGONALIZAC
AO
142
1 0 0
0 2 0
[T ]C = .
.
.
.
.
.
.
.
.
. .
.
0 0 n
ent~ao, pela propria denic~ao de matriz de uma transformac~ao linear, vemos que T (v1 ) = 1 v1 , . . . , T (vn ) = n vn , ou seja, a base C e formada por
autovetores de T. Resumiremos este fato no seguinte
Teorema 10.1 Sejam U um espaco vetorial de dimens~
ao nita e T
L (U). Ent~
ao T e diagonalizavel se e somente se existir uma base de
U com relaca
~o a qual a matriz de T e diagonal.
Note que se T L (U) e diagonalizavel ent~ao existe uma base B formada por autovetores de T com relac~ao a qual a matriz de T e diagonal.
Se C e uma outra base de U sabemos que [T ]B = (MBC )1 [T ]C MBC . Esta
ultima igualdade nos sugere a seguinte
Definic
ao 10.2 Dizemos que uma matriz A Mnn
e diagonalizavel
1
se existir M Mnn invertvel tal que M AM seja uma matriz dia-
gonal.
Proposic
ao 10.3 Sejam U um espaco vetorial de dimens~
ao nita, T
L (U) e C uma base qualquer de U. Ent~
ao T e diagonalizavel se e
somente se a matriz [T ]C for diagonalizavel.
Prova: Ja vimos que se T for diagonalizavel ent~ao [T ]C e uma matriz
diagonalizavel.
Reciprocamente, suponha que [T ]C seja diagonalizavel. Assim, existe
M = (aij ) Mnn invertvel tal que M1 [T ]C M e uma matriz diagonal.
Se u1 , . . . , un s~ao os vetores da base C ent~ao, colocando vj = a1j u1 + +
~ E CARACTERIZAC
~
10.1. DEFINIC
AO
AO
143
j=1
caracterstico e da forma
pT () = (1 ) (n ),
144
~
CAPITULO 10. DIAGONALIZAC
AO
~ E CARACTERIZAC
~
10.1. DEFINIC
AO
AO
145
Vejamos como e possvel decidir sobre a diagonalizac~ao de um operador linear a partir das multiplicidades algebrica e geometrica de seus
autovalores.
Sejam U um espaco vetorial de dimens~ao m e T L (U).
Sejam 1 , . . . , n os autovalores de T, dois a dois distintos. Assim, o
polin^omio caracterstico de T e dado por
(10.8)
.
..
...
..
.
r1 r1
...
n 0
.. . .
.
.
. ..
0 n r
n rn
mm
146
~
CAPITULO 10. DIAGONALIZAC
AO
e diagonalizavel.
~ E CARACTERIZAC
~
10.1. DEFINIC
AO
AO
147
Resoluc
ao: Com relac~ao a base can^onica, a matriz de T e dada por
1 0 1
0 1 1 .
1 1 2
Assim,
1
0
1
pT () = det 0
1
1
1
1
2
= (1 )((1 )(2 ) 1) + 1((1 ))
= (1 )(2 3) = (1 )( 3).
Resoluc
ao: autovalor 0: Precisamos encontrar (x, y, z) n~ao nulo tal que
T (x, y, z) = (0, 0, 0).
Temos
x + z = 0
y+z=0
x + y + 2z = 0
x = y = z
x + y + 2z = 0
x = y = z,
~
CAPITULO 10. DIAGONALIZAC
AO
148
x + z = x
y+z=y
x + y + 2z = z
z=0
x = y
zendo
Temos
x + z = 3x
y + z = 3y
x + y + 2z = 3z
z = 2x = 2y,
0 0 0
0 1 0 .
0 0 3
Ex. Resolvido 10.14 Seja T : R2 R2 cuja matriz com relaca
~o a
A=
!
a b
.
b c
~ E CARACTERIZAC
~
10.1. DEFINIC
AO
AO
149
Resoluc
ao: O polin^omio caracterstico de T e dado por
pT () = 2 (a + c) + ac b2 .
Vemos que pT () apresenta duas razes reais simples, isto e, com multiplicidade um, se e somente se o discriminante (a + c)2 4(ac b2 ) for
positivo. Assim,
(a + c)2 4(ac b2 ) = a2 + c2 2ac + 4b2 = (a c)2 + 4b2 > 0
e diagonalizavel.
Resoluc
ao: A matriz de T com relac~ao a base can^onica e dada por
1 2 2
A = 0 1 4 .
0 0
1
0 2 2
x
0
2
p(t) = x + yt + zt V(1) 0 0 4 y = 0
0 0
0
z
0
y = z = 0 p(t) = x.
~
CAPITULO 10. DIAGONALIZAC
AO
150
1 1 0
0 1 0
0 0 2
0 0 2
0
0
1
1
1
1
0
0
1
0
0
0
pT () = det
= (1 )2 ((2 )(1 ) 2)
0
2
1
0
0
0
2
1
= (1 )2 (2 3) = ( 3)(1 )2 .
(i) autovalor 0:
(x, y, z, t) V(0) (x + y, y, 2z + t, 2z + t) = (0, 0, 0, 0)
x+y=0
y = 0
2z + t = 0
2z + t = 0
x=y=0
~ E CARACTERIZAC
~
10.1. DEFINIC
AO
AO
151
(ii) autovalor 3:
(x, y, z, t) V(3) (x + y, y, 2z + t, 2z + t) = (3x, 3y, 3z, 3t)
x + y = 3x
y = 3y
2z + t = 3z
2z + t = 3t
x=y=0
t=z
(iii) autovalor 1:
x+y=x
y = y
2z + t = z
2z + t = t
vetores
e p = (0, 1, 0, 0).
Resoluc
ao: Ja sabemos que T (u) = 0, T (v) = 3v e T (w) = w. Agora,
como
~
CAPITULO 10. DIAGONALIZAC
AO
152
vemos que
0
0
[T ]B =
0
0
0
3
0
0
0
0
1
0
0
0
.
1
1
que
10.2. EXERCICIOS
153
pois pT (j ) = 0, j = 1, . . . , n. Assim, pT (T ) = 0.
Observac
ao 10.20 Pode-se mostrar que mesmo que T L (U) n~
ao
seja diagonalizavel vale pT (T ) = 0.
10.2
Exerccios
2 4
3 13
!
b) A =
3 2
2 1
gonalizavel.
1 2 2
a) [T ]C = 2 1 2
2 2 3
1 0 0
b) [T ]C = m 2 0
n 0 2
lizavel.
a) [T ]C =
1 4 2 2
4 1 2 2
2
2
1
4
2
2
4
1
b) [T ]C =
1 1
1
1
1 1 1 1
1 1 1 1
1 1 1 1
154
~
CAPITULO 10. DIAGONALIZAC
AO
Captulo 11
Forma Can
onica de Jordan
11.1
Introduc
ao e Exemplos
^
CAPITULO 11. FORMA CANONICA
DE JORDAN
156
1
0
= 0
.
..
0 0
1 0
0 1
.. ..
. .
0 0 0
1 0
1
0
0
0
.. .. . . ..
. .
. .
0 0 0 rr
0 1 0 0
0 0 1 0
+ 0 0 0 0
. . . .
.. .. .. . . ...
J(; r) = 0
.
..
0
0
. . . ..
.
1 rr
0 0 0
= I + N,
rr
0
0
N = 0
.
..
1 0
0 1
0 0
.. ..
. .
0 0 0
0
0
0
.
. . . ..
.
0 rr
0
R(, ; r) =
..
.
0
0
1
0
0
0
..
.
..
.
0
0
0
0
0
0
0 .
.. . .
.. ..
.
.
. .
0
0 rr
0
1
0
0
0
0
~ E EXEMPLOS
11.1. INTRODUC
AO
157
iguais, denimos diag (B1 , . . . , Bk ) como sendo a matriz quadrada de ordem igual a soma das ordens de B1 , . . . , Bk dada por
B1 0 0
0 B2 0
,
..
.. . .
..
.
. .
.
0 0 Bk
por exemplo, se
3
2 1 0
4
B1 = 0 2 1 , B2 =
0
0 0 2
0
ent~ao
2
0
diag (B1 , B2 ) =
0
0
0
1
2
0
0
0
0
0
4 1
3 0
0 3
0 4
0 0 0 0
1 0 0 0
2 0 0 0
0 3 4 1
0 4 3 0
0 0 0 3
0 0 0 4
0
1
4
3
0
0
0 .
4
3
(11.2)
158
^
CAPITULO 11. FORMA CANONICA
DE JORDAN
{(1 , 1 ), . . . , (k , k )}.
Observac
ao 11.3 A matriz 11.2
e unica a menos de permutaco~es dos
Observac
ao 11.4 Se
e um autovalor de T ent~ao a soma das ordens
dos blocos J(; s) e igual a multiplicidade algebrica de .
Observac
ao 11.5 Se + i
e uma raiz complexa de pT () ent~ao a
soma das ordens dos blocos R(, ; s) e igual ao dobro da multiplicidade da raiz + i.
Observac
ao 11.6 Se
e um autovalor de T com multiplicidade geometrica r ent~ao existem r blocos J(; s) associados ao autovalor .
Observac
ao 11.7 Suponha que
pT () = (1 )m1 (n )mn
da forma 11.2
~ E EXEMPLOS
11.1. INTRODUC
AO
159
Resoluc
ao: Note que T apresenta apenas os autovalores 2 e 1.
0
0
0
2
0
0
0
0
2
0
0
.
0
2
J(2; 2) =
!
2 1
.
0 2
1
0
0
0
0
2
0
0
0
1
2
0
0
0
.
0
2
2 1 0
J(2; 3) = 0 2 1 .
0 0 2
160
^
CAPITULO 11. FORMA CANONICA
DE JORDAN
0
0
0
2
0
0
0
.
1
2
0
1
2
0
0 2
.
2 0
0
0
0 0
1 0
0 0
0 2
0
.
2
0
Se a multiplicidade geometrica do autovalor 1 for um ent~ao existe apenas um bloco de ordem dois associado a este autovalor que e dado por
J(1; 2) =
!
1 1
.
0 1
0
0
1 0
1 0
0 0
0 2
0
.
2
0
~ E EXEMPLOS
11.1. INTRODUC
AO
161
matriz da transformaca~o
2 1 1
1
0 2 1 1
0 0 3 1
0 0 0
4
0
0
0
x
1 1
1
0 1 1 y 0
= ,
0 1 1 z 0
0
t
0 0
2
ou seja, (x, y, z, t) = x(1, 0, 0, 0). Assim, dim V(2) = 1 e T n~ao e diagonalizavel. Sendo assim, a matriz de T na forma can^onica de Jordan e da
forma
0
0
1
2
0
0
0
0
3
0
0
.
0
4
162
^
CAPITULO 11. FORMA CANONICA
DE JORDAN
0
0
1 1
1
a
1
0 1 1 b 0
=
0 1 1 c 0
d
0
0 0
2
cuja soluc~ao geral e da forma (a, 1, 0, 0). Podemos tomar, por exemplo,
u2 = (0, 1, 0, 0) e isto nos fornecera a base procurada.
11.2
Exerccios
Captulo 12
Espa
cos Euclidianos
12.1
Produto Interno
Definic
ao 12.1 Seja V um espaco vetorial. Um produto interno sobre
V
e uma aplicaca~o que a cada par (u, v) V V associa um numero
real denotado por hu, vi satisfazendo as seguintes propriedades
164
escalar.
(12.4)
165
1
1 0 1 2 1 4
+
+
= .
2
3
4
3
(12.10)
166
Z 2
sen x cos x dx =
sen 2 x
= 0.
0
Exemplo 12.12 Se A = (aij ), B = (bij ) Mmn denimos
hA, Bi =
n
m X
X
aij bij .
i=1 j=1
1 1
0 2
B=
!
2 0
.
1 1
Resoluc
ao:
hA, Bi = 1 (2) + 1 0 + 0 1 + 2 1 = 0.
Exerccio 12.14 O traco de uma matriz quadrada A
e a soma dos
elementos da diagonal da matriz e e denotado por tr A. Mostre que
se A, B Mn ent~ao
hA, Bi = tr (Bt A)
dene um produto interno em Mn .
167
12.2. NORMA
12.2
Norma
Definic
ao 12.15 Se V p
e um espaco euclidiano, denimos para cada
u V o n
umero ||u|| = hu, ui. Este valor e chamado de norma de u.
Observac
ao 12.16 Note que
e possvel extrair a raiz quadrada de
hu, ui pois este n
umero e n~ao negativo.
Exemplo 12.17 Em Rn , com o produto interno dado por 12.4, a
norma de x = (x1 , . . . , xn ) e dada por
q
||x|| = x21 + + x2n .
Proposic
ao 12.19 Seja V um espaco vetorial com um produto in-
terno. Temos
168
Prova:
1. ||u|| =
p
p
p
hu, ui = 2 hu, ui = || hu, ui = || ||u||.
2. Obvio
pois a raiz quadrada e n~ao negativa.
3. Se u = 0 ent~ao kuk =
h0, 0i = 0.
p
hu, ui > 0.
Assim,
.
= 4hu, vi2 4||u||2 ||v||2 0,
f(x)g(x) dx
a
[f(x)]2 dx
[g(x)]2 dx.
169
12.2. NORMA
Proposic
ao 12.20 (Identidade do Paralelogramo) Sejam u e v ve-
t~ao
170
12.3
Dist
ancia
Definic
ao 12.23 Num espaco euclidiano V denimos a dist^
ancia entre u, v V como
d(u, v) = ku vk.
Z 2
Z 2
=
0
[1 2 sen x cos x] dx =
2
= x sen 2 x0 = 2.
^
12.4. ANGULO
12.4
171
Angulo
Sejam V um espaco euclidiano e u, v V ambos n~ao nulos. Pela desigualdade de Cauchy-Schwarz (veja proposic~ao 12.19) temos
kuk kvk hu, vi kuk kvk
ou ainda,
hu, vi
1.
kuk kvk
Desta forma, existe um unico numero real [0, ] tal que
1
cos =
hu, vi
.
kuk kvk
Z 2
0
2
1
2
sen x cos x dx = sen x = 0.
2
0
Assim, hu, vi = 1 e
cos =
ou seja, = .
hu, vi
= 1,
kuk kvk
172
12.5
Ortogonalidade
Definic
ao 12.29 Seja V um espaco euclidiano. Dizemos que u, v V
s~ao ortogonais se hu, vi = 0 e, neste caso, denotaremos uv.
Dizemos que um conjunto S = {u1 , . . . , un } V e ortogonal se ui uj
quando i 6= j.
Dizemos que um conjunto ortogonal S = {u1 , . . . , un } V e ortono-mal se kuj k = 1, j = 1, . . . , n.
Dizemos que u V e ortogonal a um subconjunto n~ao vazio S de
V se u for ortogonal a todos os elementos de S. Neste caso usaremos
a denica~o uS.
Exemplo 12.30 S = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} R3
e um conjunto or-
Observac
ao 12.31 Se u = 0 ou v = 0 ent~
ao uv. Se u 6= 0 e v 6= 0
ent~ao uv se e somente se o a^ngulo entre u e v e /2.
Observac
ao 12.32 Se S = {u1 , . . . , un } V
e um conjunto ortogonal
com uj 6= 0, j = 1, . . . , n ent~ao
un
u1
,...,
ku1 k
kun k
e um conjunto ortonormal.
Proposic
ao 12.33 Sejam V um espaco euclidiano e S = {u1 , . . . , un }
V um conjunto ortonormal. Ent~
ao u1 , . . . , un s~ao linearmente inde-
pendentes.
Prova: Se
1 u1 + + n un = 0
(12.34)
12.5. ORTOGONALIDADE
173
Definic
ao 12.36 Se V
e um espaco euclidiano de dimens~ao n e se
u1 , . . . , un formam um conjunto ortonormal, ent~
ao diremos que estes
vetores formam uma base ortonormal de V.
Proposic
ao 12.37 Sejam V um espaco euclidiano que possui uma
base ortonormal dada por u1 , . . . , un . Ent~ao, se u V temos
u = hu, u1 iu1 + + hu, un iun .
Prova: Como u1 , . . . , un formam uma base de V, existem 1 , . . . , n R
tais que
u = 1 u1 + + n un .
174
2 2
2 2
2
2
2
2
(1, 1) = h(1, 1), (
,
)i(
,
) + h(1, 1), (
,
)i(
,
)
2 2
2 2
2
2
2
2
2 2
2
2
,
) + 0(
,
).
= 2(
2 2
2
2
Desta forma as coordenadas de (1, 1) com relac~ao a base acima s~ao
!
2
.
0
Proposic
ao 12.39 Sejam V um espaco euclidiano e U = [u1 , . . . , un ] o
subespaco gerado por um conjunto ortonormal S = {u1 , . . . , un }. Ent~ao,
para qualquer u V o vetor dado por
v = u hu, u1 iu1 hu, un iun
12.5. ORTOGONALIDADE
175
Proposic
ao 12.40 Sejam V um espaco vetorial e U um subespaco de
V. Se u U e uU ent~
ao u = 0.
Prova: Como u U e u e ortogonal a todo vetor de U, devemos ter
||u||2 = hu, ui = 0, ou seja, u = 0.
Proposic
ao 12.41 Sejam S = {u1 , . . . , un } e R = {v1 , . . . , vn } conjuntos
ortonormais de um espaco euclidiano V tais que [S] = [R]. Ent~ao, para
u V, temos
hu, u1 iu1 + + hu, un iun = hu, v1 iv1 + + hu, vn ivn .
Prova: Seja u V. Coloque U = [R] = [S],
u1 = u (hu, u1 iu1 + + hu, un iun )
e
u2 = u (hu, v1 iv1 + + hu, vn ivn ) .
176
Definic
ao 12.42 Sejam S = {u1 , . . . , un } V um conjunto ortonormal
de um espaco euclidiano V e U = [u1 , . . . , un ]. Se u V, o vetor
hu, u1 iu1 + + hu, un iun
w = hu,
v
hu, vi
v
i
=
v.
kvk kvk
kvk2
1 1 1
+ + =1
3 3 3
e
ku2 k2 =
Tambem,
1 1
+ = 1.
2 2
1 1
1 1
1
hu1 , u2 i = + 0 = 0.
3 2
3 2
3
177
12.5. ORTOGONALIDADE
1
1 1
1
1 1
= h(2, 3, 1), ( , , )i( , , )
3
3 3
3
3 3
1 1
5 5
1 1
+ h(2, 3, 1), ( , , 0)i( , , 0) = ( , , 0).
2 2
2 2
2 2
Ex. Resolvido 12.45 Considere P3 (R) com o produto interno dado
por
Z1
hp, qi =
p(x)q(x) dx.
0
Z1
1
x7 x3 2x5
kqk = (x x) dx = (x + x 2x ) dx =
+
7
3
5 0
0
0
2
1 1 2
8
+ =
;
7 3 5
105
Z1
2
3
3
hp, qi = h1 + x + x + x , x xi = (1 + x + x2 + x3 )(x3 x) dx
=
Z1
(x x2 + x5 + x6 ) dx = 11/21.
=
0
11 105 3
55
(x x) = (x3 x).
21 8
8
178
12.6
Processo de Gram-Schmidt
ma base ortonormal.
v1
kv1 k
v1
.
kv1 k
e ent~ao
u1 =
v1
kv1 k
u20
ku20 k
u2 =
v2 hv2 , u1 iu1
kv2 hv2 , u1 iu1 k
179
onde
un =
Observac
ao 12.47 No caso de um espaco euclidiano tridimensional,
se v1 , v2 , v3 formam uma base, ent~ao uma base ortonormal deste espa-
u1 =
u2 =
e
u3 =
v1
,
kv1 k
v2 hv2 , u1 iu1
kv2 hv2 , u1 iu1 k
180
Resoluc
ao: Usaremos o processo de Gram-Schmidt para construir uma
base ortonormal a partir da base formada pelos polin^omios 1, x e x2 . Temos
Z1
2
k1k = 12 dx = 1
0
onde
x hx, 1i1
,
kx hx, 1i1k
Z1
Z1
1
1
1
2
hx, 1i = x dx =
e kx hx, 1i1k = (x )2 dx = .
2
2
12
0
0
,
p3 (x) =
kx2 hx2 , 1i1 hx2 , 3(2x 1)i 3(2x 1)k
onde
Z1
hx2 , 1i =
0
1
x2 dx = ,
3
hx2 ,
Z1 2
3
3(2x 1)i = 3 x (2x 1) dx =
6
0
e
kx2 hx2 , 1i1 hx2 ,
1
3(2x 1)i 3(2x 1)k2 = kx2 x + k2 =
6
Z1
=
Assim,
1
1
.
(x2 x + )2 dx =
6
180
0
1
180(x2 x + ) = 5(6x2 6x + 1).
6
Desta forma, uma base ortonormal de P2 (R) e dada por
p1 (x) = 1,
p2 (x) = 3(2x 1)
e
p3 (x) = 5(6x2 6x + 1).
p3 (x) =
181
(2, 1, 0)
2 1
(2, 1, 0) h(2, 1, 0), (0, 0, 1)i(0, 0, 1)
=
= ( , , 0).
k(2, 1, 0) h(2, 1, 0), (0, 0, 1)i(0, 0, 1)k
k(2, 1, 0)k
5 5
Como (1, 1, 0, 0), (1, 0, 1, 0) e (1, 0, 0, 1) s~ao linearmente independentes, segue-se que formam uma base de W. Coloquemos
u1 =
u2 =
(1, 1, 0, 0)
1 1
= ( , , 0, 0).
k(1, 1, 0, 0)k
2 2
182
=
u3 =
( 12 , 12 , 1, 0)
1
= (1, 1, 2, 0).
1
1
k( 2 , 2 , 1, 0)k
6
onde
1 1
1
h(1, 0, 0, 1), u1 i = h(1, 0, 0, 1), ( , , 0, 0)i =
2 2
2
1
1
h(1, 0, 0, 1), u2 i = h(1, 0, 0, 1), (1, 1, 2, 0)i = .
6
6
Assim,
(1, 0, 0, 1) h(1, 0, 0, 1), u1 iu1 h(1, 0, 0, 1), u2 iu2
1
1 1
1 1
= (1, 0, 0, 1) ( , , 0, 0) (1, 1, 2, 0)
2
2 2
6 6
1 1 1
1 1 1
1 1
= (1, 0, 0, 1) + ( , , 0, 0) + ( , , , 0) = ( , , , 1).
2 2
6 6 3
3 3 3
Desta forma,
u3 =
( 31 , 13 , 31 , 1)
1
1 1 1
=
3( , , , 1)
1
1
1
2
3 3 3
k( 3 , 3 , 3 , 1)k
12.7
Complemento Ortogonal
Definic
ao 12.51 Sejam V um espaco euclidiano e U um subespaco
vetorial de V. O complemento ortogonal de U e o conjunto
U = {v V; hu, vi = 0,
u U}.
Proposic
ao 12.52 U
e um subespaco vetorial de V.
183
Portanto, v + w U .
Observac
ao 12.53 Se V tem dimens~
ao nita ent~ao u U se e somente se u e ortogonal a todos os vetores de uma base qualquer de
U.
Ex. Resolvido 12.54 Encontre U se U = {(x, y, z) R3 ; xyz = 0}.
Resoluc
ao: Temos (x, y, z) U se somente se (x, y, z) = (y + z, y, z) =
y(1, 1, 0) + z(1, 0, 1). Vemos que (1, 1, 0) e (1, 0, 1) formam uma base de U.
Assim, (x, y, z) U se somente se
h(x, y, z), (1, 1, 0)i = 0
ou seja,
x+y=0
x+z=0
Assim,
U = [(1, 1, 1)].
Teorema 12.55 Sejam V um espaco euclidiano de dimens~
ao nita e
184
12.8
Isometria
Definic
ao 12.56 Sejam U e V espacos euclidianos. Dizemos que T
L (U, V)
e uma isometria se hT (u1 ), T (u2 )i = hu1 , u2 i para todo u1 , u2
U.
Observac
ao 12.57 Note que os produtos internos acima, embora representados pelo mesmo smbolo, s~ao produtos internos de V e de U,
respectivamente.
equivalentes:
1. T e uma isometria;
2. kT (u)k = kuk para todo u U;
185
12.8. ISOMETRIA
1,
0,
se i = j
se i 6= j,
186
e
v = 1 u1 + + n un
e obtemos
hT (u), T (v)i = h
n
X
i T (ui ),
i=1
n
X
j T (uj )i =
j=1
n X
n
X
i j hT (ui ), T (uj )i
i=1 j=1
n
X
i i .
i=1
n
X
i=1
i ui ,
n
X
j uj i =
i j hui , uj i
i=1 j=1
j=1
n
n X
X
n
X
i i .
i=1
187
12.8. ISOMETRIA
Resoluc
ao: Vejamos, se u, v e uma base ortonormal de R2 e
!
a b
c d
e a matriz de uma isometria S com relac~ao a esta base ent~ao pelo teorema
anterior kS(u)k = kS(v)k = 1. Alem do mais, hS(u), S(v)i = 0. Como
S(u) = au + cv e S(v) = bu + dv, teramos
2
2
a + c = 1
b 2 + d2 = 1
ab + cd = 0
obtemos
a1i a1j + + ani anj = hT (ui ), T (uj )i = hui , uj i = ij =
1,
0,
se i = j
se i 6= j
188
12.9
Operador Autoadjunto
Definic
ao 12.64 Sejam U um espaco euclidiano e T L (U). Dizemos
que T e um operador autoadjunto se hT (u), vi = hu, T (v)i para todo
u, v U.
Ex. Resolvido 12.65 Seja T L (R2 ) dado por T (x, y) = (ax+by, bx+
cy). Verique que T
e um operador autoadjunto.
Resoluc
ao: Temos
hT (x, y), (z, t)i = h(ax + by, bx + cy), (z, t)i = axz + byz + bxt + cyt.
189
Temos
(12.67)
para todo k = 1, . . . , n.
Tomando o produto interno de 12.67 com k = i com o vetor uj , obtemos
hT (ui ), uj i = a1i hu1 , uj i + + ani hun , uj i = aji .
(12.68)
(12.69)
Note que se
u = 1 u1 + + n un
e
v = 1 u1 + + n un ,
190
n
X
i T (ui ),
i=1
n
X
j uj i =
j=1
n X
n
X
i j hT (ui ), uj i
i=1 j=1
e, analogamente,
hu, T (v)i =
n X
n
X
i=1 j=1
Desta forma, basta mostrar que hT (ui ), uj i = hui , T (uj )i. Como (aij ) e a
matriz de T com relac~ao a esta base, temos por 12.68 e 12.69 que
hT (ui ), uj i = hui , T (uj )i,
como queramos.
Teorema 12.70 Se T L (U)
e um operador autoadjunto e se e
s~ao autovalores distintos de T ent~ao os autovetores correspondentes
s~ao ortogonais.
Temos
12.10. EXERCICIOS
191
autoadjunto e diagonalizavel.
A=
a b
.
b c
Como
(a + c)2 4(ac b2 ) = a2 + c2 2ac + 4b2 = (a c)2 + 4b2 0
12.10
Exerccios
192
c) o a
^ngulo entre u e v.
b) kuk, kvk
R1
0
p(t)q(t) dt, u =
B=
1 2
4 12
!
.
3
t
4
R1
0
p(t)q(t) dt , u = 1+t,
+ 3t .
1 2 3
u= 4 5 6
1 1 1
1 2 1
v = 0 0 1 .
2 2 2
12.10. EXERCICIOS
193
Ex. 12.75 Verique se o subconjunto S do espaco com produto interno V e ortogonal.
R1
0
p(t)q(t) dt , S =
1 0
0 0
S=
!
,
0 1
0 1
!
,
!
0 0
1 0
ortonormais?
Ex. 12.77 Determinar uma base ortonormal para cada um dos subespacos vetoriais W do espaco com produto interno V abaixo, utili-
R1
0
p(t)q(t) dt , W =
[1, 1 + t, t ].
1 0
0 0
!
,
0 1
0 1
!
,
0 0
1 1
!#
.
194
0
2
2
laca~o a base can^onica e 0 0 1
(onde x, y, z R devem ser
x y z
determinados).
uma isometria.
Refer
encias Bibliogr
aficas
[CDC]
Callioli, C. A., Domingues, H. H., Costa, R. C. F., Algebra
a
Linear e Aplicaco~es, 2 edic~ao, Atual Editora Ltda, 1978.
[L]
Lima, E. L., Algebra
Linear, Colec~ao Matematica Universitaria,
IMPA, CNPq, Rio de Janeiro, 1995.
195
Indice Remissivo
^angulo, 171
automorsmo, 103
autovalor, 128
autovetor, 127
base, 45
dual, 91
ortonormal, 173
complemento ortogonal, 182
composta, 91
conjunto
ortogonal, 172
ortonormal, 172
coordenada, 56
dual, 89
vetorial, 9
espacos
isomorfos, 103
forma can^onica de Jordan, 157
funcional linear, 89
gerador, 31
imagem, 95
imagem inversa, 95
isometria, 184
isomorsmo, 103
desigualdade
de Cauchy-Schwarz, 167
triangular, 167
dimens~ao
da soma de subespacos, 51
de um espaco vetorial, 48
dist^ancia, 170
matriz
de mudanca de base, 62
diagonal, 141
diagonalizavel, 142
ortogonal, 187
semelhante, 135
multiplicidade
algebrica, 137
geometrica, 128
espaco
nucleo, 96
196
INDICE REMISSIVO
norma, 167
operador
autoadjunto, 188
ortogonalidade, 172
polin^omio caracterstico, 135
de um operador linear, 136
produto
escalar, 164
interno, 163
por escalar, 9
projec~ao ortogonal, 176
subespaco
invariante, 127
proprio, 128
vetorial
denic~ao, 17
gerador, 31
soma de, 20
soma direta de, 21
teorema
do completamento, 50
do nucleo e da imagem, 97
transformac~ao
bijetora, 94
diagonalizavel, 141
idempotente, 102
injetora, 94
linear, 86
matriz de uma, 106
197
nilpotente, 92
sobrejetora, 94