MB 701 Algebra Linear
-
Upload
independent -
Category
Documents
-
view
0 -
download
0
Transcript of MB 701 Algebra Linear
Capítulo 1
Espaço Vetoriais
O objetivo deste capítulo é introduzir o conceito de espaços vetoriais, dependência eindependência linear.
Definição 1.1 Seja V um conjnto não vazio e R o corpo dos números reais, nos quaispodemos definir as seguintes operações:
+ : V × V → V,
que a cada par (u, v) ∈ V × V, associa o elemento u+ v ∈ V, denominada adição e
· : R× V → V,
que a cada par (α, u) ∈ R × V, associa o elemento α · u ∈ V, denominada multiplicaçãopor escalar. Dizemos que V munido destas operações é um espaço vetorial real se esomente se estas operações satisfazem as seguintes propriedades:
a) associatividade: (u+ v) + w = u+ (v + w) , para todos u, v, w ∈ V
b) comutatividade: u+ v = v + u, para todos u, v ∈ V
c) existência de elemento neutro: existe 0 ∈ V tal que u+ 0 = u, para todo u ∈ V
d) existência de elemento simétrico: para cada u ∈ V, existe −u ∈ V tal que u+(−u) = 0.
e) α · (u+ v) = α · u+ α · v, para todo α ∈ R e para todos u, v ∈ V
f) (α + β) · u = α · u+ β · v, para todos α, β ∈ R e para todo u ∈ V
g) (αβ) · u = α · (β · u) , para todos α, β ∈ R e para todo u ∈ V.
h) 1 · u = u, para todo u ∈ V
Exemplo 1.1 O conjunto V = R2, munido das operações de adição (x, y) + (a, b) =(x+ y, a+ b) e de multiplicação por escalar α · (x, y) = (αx, αy) é um espaço vetorialreal.
1
2 CAPÍTULO 1. ESPAÇO VETORIAIS
Exemplo 1.2 O conjunto V = Mm×n (R) , munido das operações de adição de matrizese da multiplicação de uma matriz por um escalar é um espaço vetorial real.
Exemplo 1.3 O conjunto dos números complexos C, munido das operações de adiçãode números complexos (x+ iy) + (a+ ib) = (x+ a) + i (y + b) e da multiplicação de umnúmero complexo por um número real: α · (x+ iy) = αx+ iαy é um espaço vetorial real.
Proposição 1.1 Seja V um espaço vetorial real. Então:
a) O elemento neutro é único.
b) Para cada u ∈ V o elemento simétrico de u é único.
c) α · u = 0⇔ α = 0 ou u = 0.
d) (−1) · u = −u, para todo u ∈ V.
Definição 1.2 Seja V um espaço vetorial real e H ⊂ V, H �= ∅. Dizemos que H é umsubespaço vetorial de V, quando H munido das operações definidas em V, é tambémum espaço vetorial.
Proposição 1.2 Seja V um espaço vetorial real e H ⊂ V, H �= ∅. H é um subespaçovetorila de V ⇔ α · u+ β · v ∈ H, para todo u, v ∈ H e α, β ∈ R.
Exemplo 1.4 Considere V = R2 então H = {(x, y) ∈ R2;x = y} é um subespaçovetorial de R2, já que (0, 0) ∈ H, portanto H �= ∅. Ainda para todos (x, y) , (u, v) ∈ H,
e α, β ∈ R tem-se que x = y e u = v, logo α (x, y) + β (u, v) = (αx+ βu, αy + βv) ∈ H,
pois αx+ βu = αy + βv.
Exemplo 1.5 Considere V = Mn×n (R) , então H = {A ∈ V ;At = A} é um subespaçovetorial de V.
Exemplo 1.6 O conjunto constituído apenas do vetor nulo é um subespaço vetorial dequalquer espaço vetorial.
Proposição 1.3 Seja V um espaço vetorial real e H,W subespaços de V então:
a) H ∩W é um subespaço de V.
b) H +W = {u+ v; u ∈ H e v ∈W} é um subespaço de V.
1.1. DEPENDÊNCIA E INDEPENDÊNCIA LINEAR 3
1.1 Dependência e independência linear
Daremos a seguir o importante conceito de dependência e independência linear, um dosprincipais conceitos de Álgebra linear. Em todo este parágrafo V é um espaço vetorialreal.
Definição 1.3 Sejam u1, u2, . . . , un ∈ V . Dizemos que u ∈ V é uma combinação linearde u1, u2, . . . , un se e só se existem α1, α2, . . . , αn ∈ R tais que
u =n∑
i=1
αiui. (3)
Nota 1.1 Quando u é uma combinação linear de u1, u2, . . . , un, dizemos que u é ger-ado por {u1, u2, . . . , un} e que α1, α2, . . . , αn são os coeficientes de u com respeito a esteconjunto gerador.
Definição 1.4 Seja S = {u1, u2, . . . , un} ⊂ V. O conjunto de todas as combinaçõeslineares dos elementos de S será denotado por [S] . Ou seja,
[S] =
{n∑
i=1
αiui;αi ∈ R}
(4)
Proposição 1.4 [S] é um subespaço vetorial de V, denominado subespaço gerado por S.
Nota 1.2 Se S é um subconjunto infinito de V, então [S] é o conjunto de todas as com-binações lineares dos subconjuntos finitos de S, pois uma combinação linear é semprefinita.
Nota 1.3 Por convenção dizemos que o subespaço nulo é gerado pelo conjunto vazio, istoé, [∅] = {0}.
Proposição 1.5 Seja V um espaço vetorial real e S,F ⊂ V então:
a) S ⊂ [S] .
b) Se S ⊂ F então [S] ⊂ [F ] .
c) [[S]] = [S] .
d) [S ∪ F ] = [S] + [F ] .
Nota 1.4 Observe que o vetor nulo é gerado por qualquer subconjunto de vetore de V,
bastando tomar os coeficientes todos iguais a 0. Mas veremos que esta não é a únicamaneira de gerar o vetor nulo.
4 CAPÍTULO 1. ESPAÇO VETORIAIS
Definição 1.5 Sejam u1, u2, . . . , un ∈ V . Dizemos que {u1, u2, . . . , un} é um subconjuntolinearmente independente (l.i) . de V quando a única combinação linear que gera ovetor nulo é aquela em que todos os coeficientes são nulos. Ou seja,
n∑
i=1
αiui = 0⇔ αi = 0, i = 1, . . . , n.
Caso contrário, dizemos que {u1, u2, . . . , un} é um subconjunto linearmente dependente(l.d.) de V , isto é, se existe algum αi ∈ R, αi �= 0, tal que
∑n
i=1 αiui = 0 = 0.
Exemplo 1.7 O subconjunto {(1, 1) , (1,−1)} do R2 é l.i., pois
α (1, 1) + β (1,−1) = (0, 0)
se e somente se {α + β = 0α− β = 0
⇔ α = β = 0.
Exemplo 1.8 O subconjunto {(1, 1) , (1,−1) , (2, 4)} do R2 é l.d., pois
α (1, 1) + β (1,−1) + γ (2, 4) = (0, 0)
se e somene se {α + β + 2γ = 0α− β + 4γ = 0
se e somente se {α = −3γβ = γ
, ∀γ ∈ R,
ou seja tomando α = −3 e β = γ = 1, temos que
−3 (1, 1) + (1,−1) + (2, 4) = (0, 0) ,
portanto uma combinação linear, onde nenhum dos coeficientes é 0 gerando o vetro nulo(0, 0) .
Proposição 1.6 Seja V um espaço vetorial e S ⊂ V. Então:
a) S = {u} é l.d.⇔ u = 0.
b) S = {u1, u2, . . . , un} é l.d.⇔ existe k ∈ {1, . . . , n} tal que uk ∈ [S\{uk}] .
c) Se S = {u1, u2, . . . , un} é l.i. então para cada u ∈ [S] existem únicos α1, . . . , αn talque u =
∑n
i=1 αiui.
d) Se S = {u1, u2, . . . , un} é l.i. e S ∪ {w} é l.d. então w ∈ [S] .
e) Se S é l.i. então todo subconjunto de S é l.i.
f) Se S é l.d. e S ⊂ T ⊂ V então T é l.d.
1.1. DEPENDÊNCIA E INDEPENDÊNCIA LINEAR 5
1.1.1 Lista de exercícios
Exercício 1.1 Analise se o conjunto V = {(x, y) ;x, y ∈ R com y > 0} munido dasoperações
(x, y)⊕ (u, v) = (x+ u, yv) , para todo (x, y) , (u, v) ∈ V.α · (x, y) = (αx, yα) , para todo α ∈ R e (x, y) ∈ V.
é um espaço vetorial real.
Exercício 1.2 Verifique quais dos subconjuntos abaixo são subespaços de V = M2×2 (R) .
a) H = {A ∈ V ;At = −A}.
b) H = {A ∈ V ; tr (A) = 1}.
Exercício 1.3 Determine um conjunto finito e l.i.de geradores dos subespaços abaixo,isto é, determine S finito l.i. tal que [S] = H.
a) H = {(x, y, z) ∈ R3; x+ y − z = 0}.
b) H = {A ∈M2×2 (R) ;At = A}.
Exercício 1.4 Determine se os subconjuntos do R3 abaixo são l.i. ou l.d.
a) S = {(1, 1,−1) , (0, 2, 3) , (2, 1, 1) , (−1, 1, 3)}. para cada u
b) S = {(0, 1, 0) , (−1, 2, 1)}.
c) S = {(5,−2, 0) , (2, 3, 1) , (1, 0, 1)}.
Exercício 1.5 Seja {v1, . . . , vn} um subconjunto de um espaço vetorial real. Mostre que{v1, . . . , vn} é l.i. ⇔ a igualdade α1v1 + · · · + αn vn = β
1v1 + · · ·βn vn só é válida se
αi = βi, i = 1, . . . n.
Exercício 1.6 Prove que {u, v} é um subconjunto l.i. de um espaço vetorial V ⇔ {u +v, u− v} é também um subconjunto l.i. de V.
Exercício 1.7 Prove que se {u, v, w} é um subconjunto l.i. de um espaço vetorial V então{u+ v + w, u− v, 3v} também um subconjunto l.i. de V.
6 CAPÍTULO 1. ESPAÇO VETORIAIS
1.2 Base
Vimos na seção anterior que se u ∈ [S] e S é um subconjunto finito e l.i. de um espaçovetorial V então a combinação linear de elementos de S é única. Isto nos leva a definiçãode base de um espaço vetorial finitamente gerado.
Definição 1.6 Seja V um espaço vetorial real. Dizemos que V é finitamente gerado,quando existe um subconjunto finito S de V tal que V = [S] .
Exemplo 1.9 O R2 é um espaço finitamente gerado pois [(1, 0) , (0, 1)] = R2.
Exemplo 1.10 O M2×2 (R) é um espaço finitamente gerado pois[(
1 00 0
),
(0 10 0
),
(0 01 0
),
(0 00 1
)]= M2×2 (R) .
Definição 1.7 Seja V um espaço vetorial finitamente gerado. Dizemos que B ⊂ V éuma base de V quando [B] = V e B é l.i.
Exemplo 1.11 O subconjunto B = (1, 0) , (0, 1) é uma base do R2 pois [B] = R2 e(1, 0) , (0, 1) é l.i.
Exemplo 1.12 O subconjunto B =
(1 00 0
),
(0 10 0
),
(0 01 0
),
(0 00 1
)é uma
base de M2×2 (R) , pois [B] = V e B é l.i.
Proposição 1.7 Seja V um espaço vetorial real finitamente gerado V.Então B = {u1, . . . , un}é uma base de V ⇔ para cada u ∈ V existem únicos α1, . . . , αn ∈ R tais que u =∑n
i=1 αiui.
Nota 1.5 A base de um espaço vetorial não é única. Para isso vejamos alguns exemplos:
Exemplo 1.13 Os subconjuntos {(1, 0) , (0, 1)} e {(1, 1) (1,−1)} são bases do R2.
No entanto temos algumas propriedades sobre bases quaisquer de um mesmo espaçovetorial.
Proposição 1.8 Se B é uma base de um espaço vetorial real finitamente gerado V, comn elementos então:
a) Qualquer subconjunto de V com mais de n elementos é l.d.
b) Todo subconjunto l.i. de V tem no máximo n elementos.
Teorema 1.9 Duas bases de um mesmo espaço vetorial real V finitamente gerado pos-suem o mesmo número de elementos.
1.2. BASE 7
Definição 1.8 Seja V um espaço vetorial real finitamente gerado. Dizemos que a di-mensão de V é n quando uma base de V possui n elementos. Denotamos por:
dimV = n.
Exemplo 1.14 dimR2 = 2.
Exemplo 1.15 dimM2×2 (R) = 4.
Definição 1.9 Seja W um subespaço vetorial de um espaço vetorial real finitamente ger-ado V . Definimos dimensão de W, como sendo o número de elementos de uma basequalquer de W.
Notação 1.10 dimW = número de elementos de uma base de W.
Exemplo 1.16 Seja B = {u1, u2, u3} uma base de um espaço vetorial V e W = [u1 −u2, u1 + u2 + u3]. Determine dimW. Como já temos um conjunto gerador, basta verificarse este é l.i. Vejamos α (u1 − u2) + β (u1 + u2 + u3) = 0⇔ (α + β)u1 + (β − α)u2 + βu3e como B é l.i, então β = 0 = α e portanto o conjunto gerador de W é l.i, sendo assimé uma base de W ⇒ dimW = 2.
Proposição 1.11 Seja V um espaço vetorial real de dimensão n. Então todo subconjuntode V, l.i., com n elementos é uma base de V.
Definição 1.10 Uma base ordenada de um espaço vetorial real finitamente geradoV dedimensão n é uma n− upla ordenada de vetores l.i.de V.
Exemplo 1.17 Como {(1, 0) , (0, 1)} é uma base do R2 então ((1, 0) , (0, 1)) é uma baseordenada de R2, assim como ((0, 1) , (1, 0)) é uma outra base ordenade de R2.
Definição 1.11 Seja V um espaço vetorial real fintamente gerado e B = (u1, . . . , un) umabase ordenada de V. Então sabemos que para cada u ∈ V existem únicos α1, . . . , αn ∈ R
tais que u =∑n
i=1 αiui. À matriz coluna
α1...αn
de números reais, denominamos de
coordenadas de u com respeito à base ordenada B e denotamos por
(u)B =
α1...αn
.
Nota 1.6 Observe que uma vez conhecida a base ordenada as coordenadas de um vetoro caracterizam completamente.
8 CAPÍTULO 1. ESPAÇO VETORIAIS
Vejamos alguns resultados importantes envolvendo as coordenadas dos vetores comrespeito a uma determinada base ordenada.
Exemplo 1.18 Considerando B = ((1, 0, 1) , (0, 1, 0) , (1, 0,−1)) uma base ordenada deR3, temos que para cada (x, y, z) ∈ R3 existem α, β, γ ∈ R tais que
(x, y, z) = α (1, 0, 1) + β (0, 1, 0) + γ (1, 0,−1)
ou seja(x, y, z) = (α+ γ, β, α− γ) .
Assim temos o seguinte sistema
x = α + γ
y = β
z = α− γ
o que implica
α =x+ z
2β = y
γ =x− z
2
.
Assim,
((x, y, z))B=
x+ z
2yx− z
2
.
Proposição 1.12 Seja B = (u1, . . . , un) uma base ordenada de um espaço vetorial realV . Então (u+ v)B = (u)B + (v)B e (λu)B = λ (u)B , para todos u, v ∈ V e λ ∈ R.
Proposição 1.13 Seja B = (u1, . . . , un) uma base ordenada de um espaço vetorial real
V. Então dado (a1, . . . , an) ∈ Rn, existe um único u ∈ V tal que (u)B =
a1...an
.
A demonstração destas proposições seguem diretamente da definição de coordenadasde um vetor com respeito a uma base ordenada e serão deixadas como exercícios.
Nota 1.7 Das duas proposições anteriores segue que podemos identificar os elementosde um espaço vetorial real V de dimensão n com os elementos do Rn, pois existe umacorrespondência biunívoca entre eles, que preserva suas operações.
1.2. BASE 9
Proposição 1.14 Seja B = (u1, . . . , un) uma base ordenada de um espaço vetorial real V.
e w1, . . . , wn ∈ V tais que (w1)B =
a11...a1n
, . . . , (wn)B =
an1...ann
. Então {w1, . . . , wn}
é l.i⇔ {(w1)B , . . . , (wn)B} é um subconjunto l.i. deMn×1 (R)⇔ det
a11 . . . a1n...
......
an1 . . . ann
�=
0.
Em algumas situações a escolha da base adequada ajuda na resolução de problemasmais facilmente. No entanto, se já conhecemos as coordenadas de um vetor com respeitoa uma determinada base e queremos mudar a base, queremos saber qual a relação entreas coordenadas de um vetor numa nova base, a partir das coordenadas denadas do mesmovetor com respeito a diferentes bases, pois assim poderemos resolver nosso problema nabase mais adequada e em seguida voltar à base inicial. Vejamos então como proceder.Para isso é necessário trabalharmos com matrizes, como veremos a seguir.
Definição 1.12 Sejam B = (u1, . . . , un) e C = (v1, . . . , vn) bases ordenadas de um espaçovetorial V. Então como cada vi, i = 1, . . . , n é um vetor de V e B é base ordenadade
V , segue que existem únicos aji ∈ R, j = 1, . . . , n tais que vi =n∑
j=1
ajiuj. À matriz
M =
a11 . . . a1n...
......
an1 . . . ann
denominamos matriz mudança da base B para a base C e
a denotaremos por MBC.
Nota 1.8 Observe que, com a notação da definição acima segue que
MBC =((v1)B · · · (vn)B
)
isto é, as colunas de MBC são as coordenadas dos vetores da base C com respeito à baseB.Exemplo 1.19 Sejam B = ((1, 0, 0) , (0, 1, 0) , (0, 0, 1)) e C = {(1, 0, 1) , (0, 1, 0) , (1, 0,−1)bases ordenadas de R3. A matriz MBC é dada por
MBC =
1 0 10 1 01 0 −1
,
enquanto que a matriz mudança da base C para a base B, isto é, MCB é dada por
MCB =
1
20
1
20 1 01
20 −1
2
.
10 CAPÍTULO 1. ESPAÇO VETORIAIS
Veremos a seguir importantes propriedades da matriz mudança de base e como ela nosajudará a determinar as coordenadas de um vetor numa nova base.
Proposição 1.15 Sejam B, C e D bases ordenadas de um espaço vetorial finitamentegerado V, de dimensão n. Então
a) MBD = MBCMCD.
b) (u)C = MCB (u)B .
c) M−1BC = MCB.
d) MBB = In, onde In é a matriz identidade n× n.
Exemplo 1.20 Sejam B = ((1, 0, 0) , (0, 1, 0) , (0, 0, 1)) e C = {(1, 0, 1) , (0, 1, 0) , (1, 0,−1)bases ordenadas de R3, já vimos que
((x, y, z))C =
x+ z
2yx− z
2
e ((x, y, z))B =
x
y
z
,
logo tem-se que
((x, y, z))B =
x
y
z
=
1 0 10 1 01 0 −1
x+ z
2yx− z
2
= MBC ((x, y, z))C
((x, y, z))C =
x+ z
2yx− z
2
=
1
20
1
20 1 01
20 −1
2
x
y
z
= MCB ((x, y, z))B .
1.2.1 Lista de exercícios
Exercício 1.8 Fixada uma base ordenada B de R3, considere os vetores u, v, w ∈ R3 tais
que (u)B =
213
, (v)B =
01−1
e (w)B =
453
.
a) Calcule (u+ v)B e (u− 2v + 3w)B .
b) Determine a e b, de modo que au+ bv = w.
1.2. BASE 11
Exercício 1.9 Seja B uma base ordenada de R3. Mostre que {u, v} é l.d.⇔existe λ, α ∈
R não ambos nulos tais que α (u)B + λ (v)B =
000
, isto é, se suas coordenadas são
proporcionais.
Exercício 1.10 Seja B uma base ordenada de R3. Determine m, de modo que os vetoresabaixo sejam l.d..
a) (u)B =
351
, (v)B =
204
e (w)B =
1m
3
b) (u)B =
135
e (v)B =
2
1 +m
10
Exercício 1.11 Dada a base ordenada de R3, (e1, e2, e3) ,considere os vetores f1 = e1 −e2 − e3, f2 = e1 + 2e2 + e3 e f3 = 2e1 + e2 + 4e3.
a) Verifique que (f1, f2, f3) é uma base.
b) Determine a matriz mudança da base nova para a base antiga.
c) Sendo v = 3e1 − 5e2 + 4e3, determine as coordenadas de v na nova base.
Exercício 1.12 Para cada um dos subespaços abaixo, determine uma base e sua dimen-são:
a) H = {A ∈M2×2 (R) ;At = −A}.
b) H = {(x, y, z) ∈ R3; x+ y − 2z = 0}.
c) H = {p ∈ P2 (R) ; p (1) = 0}.
Exercício 1.13 Considerando U = {(x, y, z) ∈ R3; x + 2y − z = 0} e W = {(x, y, z) ∈R3; x+ z = 0} subespaços do R3, determine uma base de U ∩W e uma base para U +W.
Exercício 1.14 Determine as coordenadas do vetor u = (4,−5, 3) ∈ R3 em relação àbase ordenada B = ((1, 2, 1) , (0, 3, 2) , (1, 1, 4)) .
Exercício 1.15 Amatriz mudança de uma base ordenada B do R2 para a base ((1, 1) , (0, 2))desse mesmo espaço é: [
5 −20 3
].
Determine a base B.
12 CAPÍTULO 1. ESPAÇO VETORIAIS
Exercício 1.16 Considere o seguinte subespaço vetorial de M2×2 (R) :
U = {[a b
c d
]; a− b− c = 0}.
a) Mostre que os subconjuntos abaixo são bases de
B =
([1 10 0
],
[1 01 0
],
[0 00 1
]),
C =
([1 01 0
],
[0 −11 0
],
[0 00 1
]).
b) Determine a matriz mudança da base B para a base C e a da base C para a base B.
c) Determine uma base D de U, tal que a matriz mudança de D para B seja
1 1 00 0 20 3 1
.
1.3 Produto Interno
Conceitos importantes na geometria são o de ângulo entre vetores, o de distância e o decomprimento de vetores. Todos esses conceitos provem do conceito de produto escalar.Vamos agora generalizar este conceito para um espaço vetorial qualquer.
Definição 1.13 Seja V um espaço vetorial real. Um produto interno sobre V é umafunção
〈, 〉 : V × V → R
tal que:
i) 〈u, v〉 = 〈v, u〉 , para todos u, v ∈ V.
ii) 〈u+ v,w〉 = 〈u, w〉+ 〈v,w〉 para todos u, v, w ∈ V.
iii) 〈α · u.v〉 = α 〈u, v〉 para todos u, v ∈ V e α ∈ R.
iv) 〈u, u〉 ≥ 0, para todo u ∈ V e 〈u, u〉 = 0 se e somente se u = 0.
Um espaço vetorial real munido de um produto interno é denominado um espaço veto-rial euclidiano.
Exemplo 1.21 Um produto interno sobre R3 é dado por:
〈(x, y, z) , (a, b, c)〉 = xa+ yb+ zc.
1.3. PRODUTO INTERNO 13
Exemplo 1.22 Um produto interno sobre P2 (R) é
⟨a+ bt+ ct2, α + βt+ γt2
⟩= aα + bβ + cγ.
Exemplo 1.23 Um produto interno sobre Mm×n (R) é dado por:
〈A,B〉 = tr(ABt
).
Proposição 1.16 Seja V um espaço vetorial real euclidiano. Então:
P1) 〈0, u〉 = 0, para todo u ∈ V.
P2) 〈u, v + w〉 = 〈u, v〉+ 〈u, w〉 para todos u, v, w ∈ V.
P3) 〈u, α · v〉 = α 〈u, v〉 para todos u, v ∈ V e α ∈ R.
P4)
⟨n∑
i=1
αiui, v
⟩=
n∑
i=1
αi 〈ui, v〉 .
Definição 1.14 Seja V um espaço vetorial euclidiano. Então para cada u ∈ V, definimosa norma de u, como sendo o número real não negativo:
‖u‖ =√〈u, u〉.
Exemplo 1.24 Em Rn a norma de (x1, . . . , xn) é dada por:
‖(x1, . . . , xn)‖ =√x21+ · · ·+ x2n.
Exemplo 1.25 Em Mm×n (R) a norma de cada matriz A é dada por:
‖A‖ = tr(AAt
).
Proposição 1.17 Seja V um espaço vetorial euclidiano. Então:
a) ‖u‖ ≥ 0, para todo u ∈ V e ‖u‖ = 0⇔ u = 0.
b) ‖α · u‖ = |α| ‖u‖ para todo u ∈ V e α ∈ R.
c) ‖u+ v‖ ≤ ‖u‖+ ‖v‖ para todos u, v ∈ V.
Proposição 1.18 (Desigualdade de Cauchy-Schwarz): Seja V um espaço vetorialeuclidiano. Então para todos u, v ∈ V, tem-se que:
|〈u, v〉| ≤ ‖u‖ ‖v‖ .
14 CAPÍTULO 1. ESPAÇO VETORIAIS
Nota 1.9 A partir da desigualdade acima, se u, v são vetores não nulos de V, tem-se que
−1 ≤ 〈u, v〉‖u‖ ‖v‖ ≤ 1,
e portanto define-se o ângulo θ entre u e v, tal que
cos θ =〈u, v〉‖u‖ ‖v‖ .
Definição 1.15 Seja V um espaço vetorial euclidiano. Dizemos que u, v ∈ V são ortog-onais quando 〈u, v〉 = 0. Denotaremos u⊥w.
Nota 1.10 Observe que quando u �= 0, v �= 0 então 〈u, v〉 = 0⇔ o ângulo θ entre u e v
éπ
2. Enquanto que {u, v} são l.d.⇔ o ângulo θ entre u e v é 0. ou π.
Proposição 1.19 Seja V um espaço vetorial euclidiano. Se {u1, . . . , un} é um subcon-junto de vetores não nulos e dois a dois ortogonais então {u1, . . . , un} é um subconjuntol.i.
Definição 1.16 Dizemos que uma base B de um espaço vetorial real V finitamente geradoé ortonormal quando seus vetores são unitários, isto é têm norma igula a 1, e são doisa dois ortogonais.
Nota 1.11 É claro que se um espaço W é tal que dimW = 1, uma base ortonormal deW terá apenas um vetor unitário.
Veremos a seguir como a norma de um vetor, o produto interno entre dois vetores eas coordenadas de um vetor podem ser escritos em relação às suas coordenadas quando abase é ortonormal.
Proposição 1.20 Seja B = (e1, . . . , en) uma base ordenada ortonormal de um espaço
vetorial real euclidiano V e u, w ∈ V tais que (u)B =
a1...an
e (w)B =
b1...bn
. Então
ai = 〈u, ei〉 , bi = 〈w, ei〉 , 〈u,w〉 = a1b1 + · · ·+ anbn = (u)tB (w)B e ‖u‖ =√a21+ · · ·+ a2n.
Exemplo 1.26 Seja V um espaço vetorial real euclidiano de dimensão igual a 3. De-termine u ∈ V tal que ‖u‖ = 3
√3, u⊥w, u⊥v e u forma um ângulo agudo com e1,
onde B = (e1, e2, e3) é uma base ortonormal de V , (w) =
23−1
e (v) =
1−23
.
Consideremos u = ae1 + be2 + ce3. Assim, das hipóteses, segue que
a2 + b2 + c2 = 27
2a+ 3b− c = 0
a− 2b+ 3c = 0
1.3. PRODUTO INTERNO 15
Assim, temos que b = c, a = −b e portanto b = ±3. Agora utilizando a hipótese de que uforma um ângulo agudo com e1, segue que a > 0 e assim, b = −3, a = 3 e c = −3. Logou = 3e1 − 3e2 + 3e3.
Veremos a seguir que dada uma base ordenada qualquer de um espaço vetorial realeuclidiano V, pode-se construir uma nova base ordenada ortonormal, da seguinte forma:
Teorema 1.21 Processo de ortonormalização de Gram-Scmidt: Seja B = (u1, . . . , un)uma base ordenada de V. Então existe C = (e1, . . . , en) base ordenada ortonormal de V
tal que [{e1, . . . ek}] = [{u1, . . . , uk}] , 1 ≤ k ≤ n.
Prova. Para que [{e1}] = [{u1}] , devemos ter {e1, u1} l.d., portanto deve existir α ∈ Rtal que e1 = αu1 e como ‖e1‖ = 1, segue que α =
1
‖u1‖. Logo, e1 =
1
‖u1‖u1. Assim, temos
as condições requeridas para o primeiro vetor da base ordenada ortonormal. O segundovetor deve ser tal que [{e1, e2}] = [{u1, u2}] e portanto e2 deverá pertencer a [{u1, u2}] =[{e1, u2}] ou seja e2 = βe1 + γu2 e como {e1, e2} deve ser l.i. então γ �= 0, logo podemos
tomar e2 = γ
(β
γe1 + u2
)= γ (λe1 + u2) e como ‖e2‖ = 1, segue que |γ| = 1
‖λe1 + u2‖.
logo devemos determinar λ e para isso, é só lembrar que a base que queremos é ortonormal,portanto 〈e2, e1〉 = 0 ⇔ 〈λe1 + u2, e1〉 = 0. Assim das propriedades de produto interno,
obtemos que λ = −〈u2, e1〉 ⇒ e2 =u2 − 〈u2, e1〉 e1‖u2 − 〈u2, e1〉 e1‖
. Procedendo de modo análogo,
vamos determinar δ, η ∈ R tais que (u3 + δe2 + ηe1)⊥e1 e (u3 + δe2 + ηe1)⊥e2. Utilizandoo que já obtivemos e as propriedades de produto interno, obtemos que δ = −〈u3, e2〉 e η =
−〈u3, e1〉 e como e3 é um vetor unitário, segue que e3 =u3 − 〈u3, e2〉 e2 − 〈u3, e1〉 e1‖u3 − 〈u3, e2〉 e2 − 〈u3, e1〉 e1‖
. E
assim sucessivamente para cada 1 ≤ k ≤ n, tem-se que
ek =uk − 〈uk, ek−1〉 ek−1 − · · · − 〈uk, e1〉 e1‖uk − 〈uk, ek−1〉 ek−1 − · · · − 〈uk, e1〉 e1‖
.
�
Exemplo 1.27 Sabendo que B = ((1, 0, 1) , (1, 2, 1) , (1,−1, 0)) é uma base de R3, deter-mine uma nova base ortonormal de R3, construída a partir do processo de Gram Scmidt
e se (u)B =
311
, determine (u)C .
Solução 1.22 Do processo de Gram Smidt, construímos C = (e1, e2, e3) da seguinte
forma, e1 =1√2(1, 0, 1) , 〈e1, u2〉 =
2√2, logo u2 − 〈u2, e1〉 e1 = (0, 2, 0) ⇒ e2 = (0, 1, 0).
16 CAPÍTULO 1. ESPAÇO VETORIAIS
Ainda, 〈u3, e2〉 = −1, 〈u3, e1〉 =1√2, u3 − 〈u3, e2〉 e2 − 〈u3, e1〉 e1 =
(1
2, 0,−1
2
)e por-
tanto e3 =
(1√2, 0,− 1√
2
). Ainda, temos que MCB =
√2√2 2√2
0 2 1
0 0√2
. Assim,
(u)C = MCB (u)B =
6√2
3√2
.
Proposição 1.23 Sejam B = (u1, . . . , un) e C = (e1, . . . , en) bases ordenadas ortonor-mais de um espaço vetorial real eucldiano V . Então a matriz mudança entre as bases Be C é uma matriz ortogonal, isto é, M−1
BC = M tBC e M−1
CB = M tCB.
Definição 1.17 Seja V um espaço vetorial euclidiano e U um subespaço vetorial de V.
Definimos o complemento ortogonal de U, como sendo o subconjunto:
U⊥ = {w ∈ V ; 〈w, u〉 = 0, para todo u ∈ U}.
Proposição 1.24 Seja V um espaço vetorial euclidiano e U um subespaço vetorial de V.O complemento ortogonal de U, U⊥, é um subespaço vetorial de V, tal que U ∩U⊥ = {0}.
Exemplo 1.28 O complemento ortogonal do subespaço vetorial U = {x, y, z); x−2z = 0}do R3 é tal que 〈(a, b, c) , (x, y, z)〉 = 0, para todo (x, y, z) ∈ U. Primeiramente deter-minemos uma base de U. Da definição de U, temos que (x, y, z) ∈ U ⇔ x = 2z, portantoum vetor de U é da forma (2z, y, z) = z (2, 0, 1) + y (0, 1, 0), logo U = [(2, 0, 1) , (0, 1, 0)] .Ainda como
α (2, 0, 1) + β (0, 1, 0) = (0, 0, 0)⇔ α = 0 = β,
temos que {(2, 0, 1) , (0, 1, 0)} é uma base de U. Logo das propriedades de produto interno,
segue que (a, b, c) ∈ U⊥ ⇔{〈(a, b, c) , (2, 0, 1)〉 = 0〈(a, b, c) , (0, 1, 0)〉 = 0
, ou seja se e somente se
{2a+ c = 0b = 0
.
Logo U⊥ = {(a, 0,−2a) ; a ∈ R}.
Definição 1.18 Seja V um espaço vetorial euclidiano e U um subespaço vetorial de V
de dimensão finita. Considere B = (e1, . . . , en) uma base ortonormal de U. Definimos aprojeção ortogonal de V sobre U, como sendo a função: ProjU : V → U definida porProjU (v) = 〈v, e1〉 e1 + · · ·+ 〈v, en〉 en.
Exemplo 1.29 Determine a projeção ortogonal do vetor (1, 1, 1) ∈ R3 sobre o subespaçoU do exemplo anterior. Para isso precisamos determinar uma base ortonormal de U
e como já temos uma base, basta utilizar o processo de Gram-Schmidt. Assim, e1 =
1.3. PRODUTO INTERNO 17
1√5(2, 0, 1) e como
⟨1√5(2, 0, 1) , (0, 1, 0)
⟩= 0, então e2 = (0, 1, 0) , já que tal vetor
é unitário. Logo ProjU (1, 1, 1) =3√5
1√5(2, 0, 1) + (0, 1, 0) =
(6
5, 1,
3
5
). É claro que
(6
5, 1,
3
5
)∈ U, já que
6
5− 2.
3
5= 0.
Exemplo 1.30 Seja V um espaço vetorial e u ∈ V, u �= 0 tal que U = [u] subespaço deV, então uma base ortonormal de U é {e} onde e =
u
‖u‖ . Assim, para cada v ∈ V, tem-se
que ProjU (v) = 〈v, e〉 e =
⟨v,
u
‖u‖
⟩u
‖u‖ =〈v, u〉‖u‖2
u.
Nota 1.12 A projeção ortogonal se caracteriza pelo fato de v − ProjU (v) ∈ U⊥. AindaProjU (v) ∈ U é o vetor de U mais próximo de v, já que ‖v − ProjU (v)‖ ≤ ‖v − u‖ , paratodo u ∈ U.
1.3.1 Método dos mínimos quadrados
Aproximação por projeções
Suponhamos que você queira determinar o valor de uma constante. Por exemplo umaconstante da Física. Para isso você faz n medições. Se as medidas não tivessem erros vocêdeveria ter n valores iguais desta medida, já que ela é constante, mas como as mediçõestrazem imprecisões, em geral obtém-se n valores distintos. O que se faz é tomar a médiaaritmética como o valor mais provável da constante. Vejamos porque realmente este éo valor mais provável. Suponhamos então que obtivemos k1, . . . , kn valores para a talconstante. Definimos então o vetor experiência v = (k1, . . . , kn) ∈ Rn e consideremoso subespaço do Rn, U = [(1, . . . , 1)] . Como o valor que gostaríamos de ter obtido eraaquele em que v pertencesse a U, vamos determinar a projeção ortogonal de v sobre U, jáque esta projeção nos dá o vetor de U, mais próximo de v.. Assim, devemos determinar
k ∈ R, tal que k · (1, . . . , 1) = ProjU (v) =〈(k1, . . . , kn) , (1, . . . , 1)〉
‖(1, . . . , 1)‖2(1, . . . , 1) , ou seja
k =〈(k1, . . . , kn) , (1, . . . , 1)〉
‖(1, . . . , 1)‖2=k1 + · · ·+ kn
n, da definição de produto interno do Rn. Ou
seja o melhor valor para a constante k =k1 + · · ·+ kn
n.
Se tivermos uma experiência mais complexa, onde queremos determinar o valor de 2constantes, simultaneamente e tivermos encontradom valores k1, . . . , km, para uma delas el1, . . . , lm valores para a segunda, consideremos o vetor experiênciaE = (k1, . . . , km, l1, . . . , lm) ∈R2m, espaço vetorial euclidiano, com o produto interno usual e consideremos o subespaçovetorial de R2m, U = [(1, . . . , 1, 0, . . . , 0) , (0, . . . , 0, 1, . . . , 1)] . Assim, queremos deter-minar k, l ∈ R tais que k (1, . . . , 1, 0, . . . , 0) + l (0, . . . , 0, 1, . . . , 1) = ProjU (E) . Como
18 CAPÍTULO 1. ESPAÇO VETORIAIS
(1, . . . , 1, 0, . . . , 0) e (0, . . . , 0, 1, . . . , 1) já são ortogonais, para determinar uma vase orto-
normal de U, basta tomarmos e1 =(1, . . . , 1, 0, . . . , 0)
‖(1, . . . , 1, 0, . . . , 0)‖ =(1, . . . , 1, 0, . . . , 0)√
me e2 =
(0, . . . , 0, 1, . . . , 1)
‖(0, . . . , 0, 1, . . . , 1)‖ =(0, . . . , 0, 1, . . . , 1)√
m.Assim, k (1, . . . , 1, 0, . . . , 0)+l (0, . . . , 0, 1, . . . , 1) =
ProjU (E) = 〈E, e1〉 e1 + 〈E, e2〉 e2 ⇒ k =k1 + · · ·+ km
me l =
l1 + · · ·+ lm
m.
Ajuste de curvas
Uma necessidade bastante frequente é dados n pontos (xi, yi) , 1 ≤ i ≤ n encontraruma função g, combinação linear de funções conhecidas g1, . . . , gm, que passa por estespontos. Como muitas vezes estes pontos são obtidos por esperiência ou medição, elestrazem consigo imprecisões e por isso na maioria das vezes não encontramos tal com-binação linear que passe pelos pontos (xi, yi) , 1 ≤ i ≤ n. Consideremos os vetoresG1 = (g1 (x1) , . . . , g1 (xn)) , . . . , Gm = (gm (x1) , . . . , gm (xn)) , Y = (y1, . . . , yn) ∈ Rn
e o subespaço U = [G1, . . . , Gm] . Queremos então determinar c1, . . . , cm ∈ R tal quec1G1+ · · ·+ cmGm = ProjU Y , que é o vetor combinação linear das funções, mais próximode Y. Mas c1G1 + · · ·+ cmGm = ProjU Y ⇔ Y − (c1G1 + · · ·+ cmGm) ∈ U⊥, ou seja,
〈Y − (c1G1 + · · ·+ cmGm) , Gi〉 = 0, 1 ≤ i ≤ n
〈c1G1 + · · ·+ cmGm, Gi〉 = 〈Y,Gi〉 , 1 ≤ i ≤ n.
Logo resolvendo o sistema, determinaremos c1, . . . , cm ∈ R, que fornecem a combinaçãolinear tal que ‖Y − (c1G1 + · · ·+ cmGm)‖ é mínima e portanto este método é denominadométodo dos mínimos quadrados.
Exemplo 1.31 Uma experiência forneceu os seguintes valores (x1, y1) = (3, 6) , (x2, y2) =(1, 3) , (x3, y3) = (5, 9) e (x4, y4) = (4, 7) . Determinemos a reta da forma y = kx quemelhor se adapta a estes resultados no sentido dos mínimos quadrados. Temos entãouma única função, a saber, g1 (x) = x. Consideremos os vetores Y = (6, 3, 9, 7) e G1 =(3, 1, 5, 4) . Assim, queremos determinar k ∈ R tal que
〈Y − kG1, G1〉 = 0⇔ k ‖G1‖2 = 〈Y,G1〉 ,
logo,
k =3.6 + 1.3 + 5.9 + 4.7
32 + 12 + 52 + 42=
94
51.
Exemplo 1.32 Ajustar uma função do tipo g (x) = a + bx2 aos pontos (0, 1.1) , (1, 0.1)e (2,−3.1) . Assim, a função g1 = 1 e g2 = x2. Consideremos então os vetores do R3,Y = (1.1, 0.1,−3.1) , G1 = (1, 1, 1) e G2 = (0, 1, 4) . Assim, devemos encontrar a, b ∈ Rtais que {
3a+ 5b = −1.95a+ 17b = −12.3 ,
que resolvendo nos dá a ∼= 1.12 e b ∼= −1.05.
1.3. PRODUTO INTERNO 19
1.3.2 Lista de Exercícios
Exercício 1.17 Num espaço vetorial euclidiano V, mostre que.
a) 〈u, v〉 = 1
4
[‖u+ v‖2 − ‖u− v‖2
].
b) ‖u‖2 + ‖v‖2 = 1
2
[‖u+ v‖2 + ‖u− v‖2
].
Exercício 1.18 Seja B = (f1, f2, f3) uma base ortonormal de um espaço vetorial euclidi-ano V e C = (e1, e2, e3) uma base dada por e1 = 2f1+3f2, e2 = f1+f2+f3, e3 = f2+2f3.
a) Determine a matriz MBC.
b) Dados os vetores u, v ∈ V tais que (u)C =
−1
2−45
2
, (v)C =
1−11
, calcule ‖u‖ ,
‖v‖ e 〈u, v〉 .
c) Determine as coordenadas de um vetor w em relação à base C, de modo que ‖w‖ = 1,w⊥u e w⊥v, onde u e v do ítem (b).
d) Determine o ângulo entre e1 e e2. Responda se a base C é ortonormal.
Exercício 1.19 Considere V = {(x, y, z) ∈ R3;x+ z = 0}.
a) Determine uma base ortonormal de V.
b) Determine u0 ∈ R3 tal que u0⊥u, ∀u ∈ V.
c) Dado o vetor w = (1,−3,−2) ∈ R3, determine v0 ∈ V de modo que w−v0⊥v,∀−→v ∈ V.
Exercício 1.20 Considere(−→i ,−→j ,−→k)
a base ortonormal canônica de R3.
a) Determine x ∈ R tal que x−→i + 3
−→j + 4
−→k ⊥3−→i +
−→j +−→k .
b) Determine os ângulos entre os vetores: (i) 2−→i +−→j e
−→j − −→k , (ii) −→i +
−→j +
−→k e
−2−→j − 2−→k .
c) Determine um vetor unitário da direção da bissetriz da ângulo entre os vetores 2−→i +
3−→j +−→k e 3
−→i + 2
−→j − 3
−→k .
Exercício 1.21 Determine uma base ortonormal de W e uma base ortonormal de W⊥,
onde W é o subespaço do R4 dado por W = {(x, y, z, t) ; x+ y = 0 e 2x+ z = y}.
20 CAPÍTULO 1. ESPAÇO VETORIAIS
Exercício 1.22 Determine a projeção ortogonal do vetor (1, 1, 0,−1) ∈ R4 sobre o sube-spaço W = {(x, y, z, t) ∈ R4; x− y − z = 0 e z − 2t = 0}.
Exercício 1.23 Determine a reta em R2 de equação y = kx que melhor se adapte aospontos (3, 0) , (2, 1) e (1, 2) .
Exercício 1.24 Determine o polinômio f (x) = ax2 + bx + c, que melhor se ajuste aospontos (1, 2) , (3, 1) , (4, 2) e (2, 0) .
Capítulo 2
Transformações Lineares
No primeiro capítulo estudamos os espaços vetoriais e as suas principais propriedades.Neste próximo capítulo estudaremos as aplicações entre espaços vetoriais, onde as maisimportantes são as transformações lineares.
Definição 2.1 Sejam U e V dois espaços vetoriais reais. Dizemos que uma função T :U → V é uma transformação linear quando:
T (u+ v) = T (u) + T (v) , para todos u, v ∈ UT (α · u) = α · T (u) , para todo u ∈ U e α ∈ R.
Exemplo 2.1 Considere C1 (R) o espaço vetorial das funções reais continuamente de-riváveis e C (R) o espaço vetorial das funções reais contínuas. A função D : C1 (R) →C (R) definida por D (f) = f ′ é uma transformação linear, já que (f + g)′ = f ′ + g′ e(αf)′ = αf ′, para todas f, g ∈ C1 (R) e α ∈ R. Assim, D (f + g) = D (f) + D (g) eD (αf) = αD (f) .
Exemplo 2.2 Considere os espaços vetoriais C ([a, b]) e C1 ([a, b]) . A função I : C ([a, b])→C1 ([a, b]), definida por I (f) =
∫af , ou seja que a cada função contínua associa a primi-
tiva F de f tal que F (a) = 0 é uma transformação linear, já que∫a(f + g) =
∫af +
∫ag
e∫aαf = α
∫af , para todas f, g ∈ C ([a, b]) e α ∈ R. Assim, I (f + g) = I (f) + I (g) e
I (αf) = αI (f) .
Nota 2.1 Quando U = V, denominamos a transformação linear T : V → V de operadorlinear.
Proposição 2.1 Sejam U e V espaços vetoriais reais e T : U → V uma transformaçãolinear. Então:
a) T (0) = 0, isto é T leva vetor nulo de U em vetor nulo de V.
b) T (−u) = −T (u) , para todo u ∈ U, ou seja T leva o elemento simétrico de cada vetoru de U no elemento simétrico de sua imagem em V.
21
22 CAPÍTULO 2. TRANSFORMAÇÕES LINEARES
c) Se W é um subespaço de U então T (W ) = {T (w) ;w ∈ W} é um subespaço de V.
Portanto a imagem de T, denotada por Im (T ) é um subespaço de V.
d) Se H é um subespaço de V então T−1 (H) = {u ∈ U ;T (u) ∈ H} é um subespaço deU.
Definição 2.2 Sejam U e V espaços vetoriais reais e T : U → V uma transformaçãolinear. Denotamos por Ker (T ) o seguinte subconjunto de U, denominado núcleo de T :
Ker (T ) = {u ∈ U ;T (u) = 0} = T−1{0}.
Exemplo 2.3 Seja T : R3 → P1 (R) definida por T (x, y, z) = (x+ z) − yt. Para deter-minarmos o núcleo de T, devemos fazer T (x, y, z) = 0 + 0t, que é o polinômio nulo degrau menor ou igual a 1. Assim, temos:
(x+ z)− yt = 0 + 0t⇔{
x+ z = 0y = 0
,
portanto Ker (T ) = {(x, 0,−x) ; x ∈ R} = [(1, 0,−1)] .
Vejamos algumas propriedades do núcleo de uma transformação linear.
Proposição 2.2 Sejam U e V espaços vetoriais reais e T : U → V. Então:
i) Ker (T ) é um subespaço vetorial de U.
ii) T é uma função injetora ⇔ Ker (T ) = {0}.
Teorema 2.3 (dimensão do núcleo e da imagem): Sejam U e V espaços vetoriaisreais e T : U → V uma transformação linear, sendo U um subespaço de dimensão finita.Então
dim (U) = dim (Ker (T )) + dim (Im (T )) .
Exemplo 2.4 Seja T : R3 → M2×2 (R) definida por T (x, y, z) =
[x− z y + z
2x+ 2y x+ y
].
É claro que T é uma transformação linear(mostre) e dim (R3) = 3. Ainda para de-terminarmos o núcleo de T, devemos determinar (x, y, z) ∈ R3 tal que T (x, y, z) =[x− z y + z
2x+ 2y x+ y
]=
[0 00 0
]. Portanto
x = z
y = −zx = −y
,
23
ou seja Ker (T ) = {(x,−x, x) , x ∈ R} = {x · (1,−1, 1) , x ∈ R} = [(1,−1, 1)] , portantodim (Ker (T )) = 1. Logo pelo teorema da dimensão do núcleo e da imagem, segue quedim (Im (T )) = 2. Verifiquemos:
Im (T ) =
{[x− z y + z
2x+ 2y x+ y
], x, y, z ∈ R
}=
=
{x
[1 02 1
]+ y
[0 12 1
]+ z
[−1 10 0
], x, y, z ∈ R
}=
=
[{[1 02 1
],
[0 12 1
],
[−1 10 0
]}]=
=
[{[1 02 1
],
[0 12 1
]}],
pois [−1 10 0
]=
[0 12 1
]−
[1 02 1
]
e como{[
1 02 1
],
[0 12 1
]}é l.i., já que α
[1 02 1
]+β
[0 12 1
]=
[0 00 0
]⇔ α = 0 =
β, segue que{[
1 02 1
],
[0 12 1
]}é base de Im (T ) , o que implica que dim (Im (T )) = 2,
conforme o teorema.
Corolário 2.4 Sejam U e V espaços vetoriais reais de mesma dimensão n e T : U → V
uma transformação linear. Então são equivalentes:
i) T é sobrejetora.
ii) T é injetora.
iii) T é bijetora.
iv) T transforma uma base de U numa base de V.
Prova. i)⇒ii): Como T é sobrejetora então Im (T ) = V, logo dim (Im (T )) = n =dim (U) , portanto do teorema do núcleo e da imagem, temos que dim (Ker (T )) = 0, ouseja Ker (T ) = {0}, o que implica que T é injetora.
ii)⇒iii): Como T é injetora, segue queKer (T ) = {0}, o que implica que dim (Ker (T )) =0, portanto do teorema do núcleo e da imagem, temos que dim (Im (T )) = n = dimV ecomo Im ((T )) é subespaço de V, segue que Im (T ) = V, o que implica que T é sobrejetorae portanto bijetora.
iii)⇒iv): Como T é bijetora, segue que Im (T ) = V. Ainda se B = {u1, . . . , un} é umabase de U, então Im (T ) = [T (u1) , . . . , T (un)] . Basta então verificar que {T (u1) , . . . , T (un)}é l.i. De fato:
α1T (u1) + · · ·+ αnT (un) = 0⇔ T (α1u1 + · · ·+ αnun) = 0⇔⇔ α1u1 + · · ·+ αnun ∈ Ker (T )⇔ α1u1 + · · ·+ αnun = 0,
24 CAPÍTULO 2. TRANSFORMAÇÕES LINEARES
pois T é injetora. Mas como {u1, . . . , un} é uma base de U, segue que {u1, . . . , un} é l.i..o que implica que
α1 = 0 = · · · = αn.
Logo {T (u1) , . . . , T (un)} é base de Im (T ) e portanto base de V.iv)⇒i): Se B = {u1, . . . , un} é uma base de U, segue que {T (u1) , . . . , T (un)} é base
de V, mas Im (T ) = [T (u1) , . . . , T (un)] e portanto {T (u1) , . . . , T (un)} é base de Im (T ) ,logo Im (T ) = V, portanto T é sobrejetora. �
Definição 2.3 Sejam U e V espaços vetoriais reais. Dizemos que T : U → V é umisomorfismo quando T é uma transformação linear bijetora.
Exemplo 2.5 Seja T : R3 → P2 (R) definida por T (a, b, c) = (a+ c) + (b− 2c) t +(2a) t2.Verifiquemos primeiramente que T é uma transformação linear:
T ((a, b, c) + (x, y, z)) = T (a+ x, b+ y, c+ z) =
= (a+ x+ c+ z) + (b+ y − 2 (c+ z)) t+ 2 (a+ x) t2 =
=[(a+ z) + (b− 2c) t+ 2at2
]+
[(x+ x) + (y − 2z) t+ 2xt2
]=
= T (a, b, c) + T (x, y, z) .
T (α · (a, b, c)) = T (αa, αb, αc) = (αa+ αc) + (αb− 2αc) t+ 2αat2 =
= α[(a+ c) + (b− 2c) t+ 2at2
]= αT (a, b, c) .
Para mostrar que T é bijetora, basta mostrar, pelo corolário, que T é injetora, poisdim (R3) = dim (P2 (R)) = 3. Verifiquemos:
T (a, b, c) = 0⇔ (a+ c) + (b− 2c) t+ (2a) t2 = 0 + 0t+ 0t2 ⇔⇔ a = −c, b = 2c, a = 0⇔ a = 0 = b = c,
o que implica que Ker (T ) = {0} logo T é um isomorfismo.
Definição 2.4 Sejam U e V espaços vetoriais reais. Dizemos que U e V são isomorfosquando existe um isomorfismo entre U e V.
Exemplo 2.6 Do exemplo anterior temos que R3 e P2 (R) são isomorfos.
Nota 2.2 Observe que basta existir uma transformação linear bijetora entre espaços iso-morfos.
Proposição 2.5 Sejam U e V espaços vetoriais reais de dimensão finita. U e V sãoisomorfos ⇔ dimU = dimV.
25
Prova. (⇒)Se U e V são isomorfos então existe um isomorfismo entre U e V. PortantoKer (T ) = {0} e Im (T ) = V, ou seja dim (Ker (T )) = 0 e dim (Im (T )) = dimV. Mas doteorema da dimensão do núcleo e da imagem, segue que dimU = dim (Im (T )) = dimV.
(⇐) Temos que dimU = dimV = n. Considere B = {u1, . . . , un} é uma base de U eC = {v1, . . . , vn} é uma base de V. Seja T : U → V, definida por
T (α1u1 + · · ·+ αnun) = α1v1 + · · ·+ αnvn, ∀u = α1u1 + · · ·+ αnun ∈ U.
É fácil mostrar que T é uma transformação linear (mostre). Ainda T leva base de U embase de V, pois
T (u1) = T (1 · u1 + 0 · u2 + · · ·+ 0 · un) = 1 · v1 + 0 · v2 + · · ·+ 0 · vn = v1,
T (u1) = T (0 · u1 + 1 · u2 + · · ·+ 0 · un) = 0 · v1 + 1 · v2 + · · ·+ 0 · vn = v2,
...
T (un) = T (0 · u1 + 0 · u2 + · · ·+ 1 · un) = 0 · v1 + 0 · v2 + · · ·+ 1 · vn = vn.
Logo como dimU = dimV, segue do corolário acima que T é bijetora e portanto umisomorfismo, o que implica que U e V são isomorfos. �
Exemplo 2.7 Os espaços vetoriais M2×2 (R) e R4 são isomorfos pois tem a mesma di-mensão.
2.0.3 Lista de Exercícios
Exercício 2.1 Determine uma base e a dimensão do núcleo e da imagem das transfor-mações lineares abaixo:
a) T : R3 → R2 dada por T (x, y, z) = (x+ y − z, x+ y) .
b) T : P2 (R)→ P2 (R) dada por T (p) (t) = t2p” (t) .
Exercício 2.2 Determine um operador linear do R3 cujo núcleo é gerado por {(1, 1, 1) , (0,−1, 2)}.
Exercício 2.3 Mostre que cada um dos operadores lineares do R3 abaixo é um isomor-fismo e determine o isomorfismo inverso:
a) T (x, y, z) = (x− y, 2z, y + z) .
b) T (x, y, z) = (3y − 2z, x, x− 3z) .
Exercício 2.4 Sabendo que T : P2 (R)→ R3 é uma transformação linear tal que T (1) =(1,−1, 0) , T (t) = (0, 2, 1) e T (t2) = (1, 0,−1) , determine T (a+ bt+ ct2) .
Exercício 2.5 Seja V um espaço vetorial euclidiano e U = [{e1, . . . , en}], onde {e1, . . . , en}é uma base ortonormal de U. Mostre que E : V → U projeção ortogonal de V sobre U éuma transformação linear, tal que Ker (E) = U⊥ e Im (E) = U.
26 CAPÍTULO 2. TRANSFORMAÇÕES LINEARES
2.1 Matriz de uma transformação linear
O objetivo deste parágrafo é identificar uma transformação linear entre espaços de dimen-são finita com matrizes, assim poderemos reduzir nosso trabalho às matrizes.
Definição 2.5 Sejam U e V espaços vetoriais reais de dimensão finita e T : U → V
uma transformação linear. Considere B = (u1, . . . , un) uma base ordenada de U e C =(v1, . . . , vm) uma base ordenanda de V. Assim,
T (ui) =m∑
j=1
ajivj.
Definimos a matriz de T com respeito às bases ordenadas B e C, denotada por(T )BC
(T )BC = [aji]m×n =[(T (u1))C . . . (T (un))C
].
Exemplo 2.8 Seja T : R2 → P2 (R) por T (a, b) = (a− b) + 3bt − 2at2. Considere B =((1, 0) , (0, 1)) e C = (1, t, t2) bases ordenadas de R2 e P2 (R) respectivamente. Portantoda definição de T, tem-se que
T (1, 0) = 1− 2t2 = 1 + 0t− 2t2,
T (0, 1) = −1 + 3t = −1 + 3t+ 0t2.
Logo
(T )BC =
1 −10 3−2 0
.
Exemplo 2.9 Seja T : P2 (R)→ P1 (R) tal que
(T )BC =
[−1 1 02 −5 3
],
onde B = (1, t, t2) e C = (1, t, ) são bases ordenadas de P2 (R) e P1 (R) respectivamente,então
T (1) = −1 + 2t,
T (t) = 1− 5t,
T(t2)
= 3t.
Logo T (a+ bt+ ct2) = aT (1)+bT (t)+cT (t2) = a (−1 + 2t)+b (1− 5t)+c3t = (b− a)+(2a− 5b+ 3c) t.
Nota 2.3 Dos exemplos acima podemos ver que conhecendo a transformação linear e asbases ordenadas podemos determinar a matriz de T com respeito a tais bases e reciproca-mente conhecendo a matriz e as bases ordenadas recuperamos a transformação linear.
2.1. MATRIZ DE UMA TRANSFORMAÇÃO LINEAR 27
Nota 2.4 É bom observar também que a matriz da transformação linear depende dasbases ordenadas consideradas, isto é, para cada par de bases ordenadas temos uma únicamatriz, mas se mudarmos as bases ordenadas mudamos também a matriz.
Quando T é um operador linear, ou seja, T : U → U, pode-se tomar a mesma baseordenada B para o domínio e o contradomínio e denotamos por (T )B .Exemplo 2.10 Seja T : R2 → R2 definida por T (x, y) = (x− 2y, 3x+ y) . ConsiderandoB =((1, 1) , (1,−1)) base ordenada do R2, determinemos a matriz de T com respeito à baseB
T (1, 1) = (−1, 4) e T (1,−1) = (3, 2) .
Mas (−1, 4) = a (1, 1) + b (1,−1) = (a+ b, a− b) ⇒{
a+ b = −1a− b = 4
⇒ a =3
2e b = −5
2.
Ainda (3, 2) = α (1, 1) + β (1,−1) = (α + β, α− β) ⇒{
α + β = 3α− β = 2
⇒ α =5
2e β =
1
2.
Portanto
(T )B =
3
2
5
2
−5
2
1
2
.
A importância da matriz de transformação linear é que podemos trabalhar apenas coma matriz ao invés de trabalharmos com a transformação linear. Para isso apresentaremosalgumas propriedades.
Proposição 2.6 Sejam U e V espaços vetoriais reais de dimensão n em, respectivamentee T : U → V uma transformação linear. Considere B = (u1, . . . , un) uma base ordenadade U e C = (v1, . . . , vm) uma base ordenanda de V. Então
(T (u))C = (T )BC (u)B .
O resultado acima nos diz que para obtermos as coordenadas de T (u) basta multiplicara matriz de T pelas coordenadas de u.
Exemplo 2.11 Seja T : P2 (R)→ P1 (R) tal que
(T )BC =
[−1 1 02 −5 3
],
onde B = (1, t, t2) e C = (1, t, ) são bases ordenadas de P2 (R) e P1 (R) respectivamente.Então
(T
(a+ bt+ ct2
))C
= (T )BC(a+ bt+ ct2
)B=
[−1 1 02 −5 3
]
a
b
c
=
=
[b− a
2a− 5b+ 3c
],
o que implica que T (a+ bt+ ct2) = (b− a) + (2a− 5b+ 3c) t, como vimos em exemploanterior.
28 CAPÍTULO 2. TRANSFORMAÇÕES LINEARES
Pode-se também operar transformações lineares, operando suas matrizes.
Proposição 2.7 Sejam U, V,W espaços vetorias reais de dimensão n,m e k, respectiva-mente. Considere T, F : U → V e G : V →W transformações lineares e α ∈ R. Prova-seque T + F, αT e G ◦ T são transformações lineares (prove!). Considere B = (u1, . . . , un)uma base ordenada de U , C = (v1, . . . , vm) uma base ordenanda de V e D = (w1, . . . , wk)uma base ordenada de W. Então:
a) (T + F )BC = (T )BC + (F )BC .
b) (αT )BC = α (T )BC .
c) (G ◦ T )BD = (G)CD (T )BC .
Pode-se ainda ter a necessidade de mudar de base. Como fazer sem ter que voltarpara a transformação linear, ou seja, trabalhando apenas com matrizes? Para responderesta pergunta vamos dar mais algumas propiedades.
Proposição 2.8 Seja U um espaço vetorial real de dimensão n. Considere B = (u1, . . . , un)e C = (v1, . . . , vm) bases ordenadas de U. Então
(I)BC = MCB e (I)CB = MBC
onde I : U → U, tal que I (u) = u e MCB é a matriz mudança da base C para a base B.
Proposição 2.9 Sejam U e V espaços vetoriais reais de dimensão n em, respectivamentee T : U → V uma transformação linear e F : U → U um operador linear. Considere B,B1 bases ordenadas de U e C, C1 bases ordenadas de V. Então
(T )BC = MCC1 (T )B1C1 MB1B,
(F )B1 = MB1B (F )BMBB1 =
= M−1BB1
(F )BMBB1 .
Proposição 2.10 Sejam U e V espaços vetoriais reais ambos de dimensão n, e T : U →V uma transformação linear. Considere B base ordenada de U e C base ordenada de V .Então T é um isomorfismo ⇔ (T )BC for inversível e (T−1)CB = (T )−1BC . Analogamente seF : U → U é um operador linear e B base ordenada de U . Então F é um isomorfismo⇔ (F )B for inversível e (F−1)B = (F )−1B .
Exemplo 2.12 Seja T : P2 (R) → P1 (R) tal que (T )BC =
[−1 0 21 2 3
], onde B base
ordenada de P2 (R) e C base ordenada de P1 (R). Se B1 base ordenada de P2 (R) e C1 baseordenada de P1 (R) tal que
MCC1 =
[1 12 1
]e MBB1 =
1 0 −12 1 10 −1 −2
,
2.1. MATRIZ DE UMA TRANSFORMAÇÃO LINEAR 29
então(T )B1C1 = MC1C (T )BCMBB1 = M−1
CC1(T )BCMBB1 .
Mas
M−1CC1
= −[
1 −1−2 1
]=
[−1 12 −1
],
portanto
(T )B1C1 =
[−1 12 −1
] [−1 0 21 2 3
]
1 0 −12 1 10 −1 −2
=
=
[2 2 1−3 −2 1
]
1 0 −12 1 10 −1 −2
=
[6 1 −2−7 −3 −1
].
Exemplo 2.13 Sabendo que T : P1 (R) → P1 (R) é tal que (T )B =
[2 −20 1
], como
det (T )B = 2 �= 0, segue que T é um isomorfismo, então T−1 : P1 (R)→ P1 (R) é tal que
(T−1
)B= (T )−1B =
1
2
[1 20 2
].
2.1.1 Lista de Exercícios
Exercício 2.6 Determine o operador linear do R2 cuja matriz em relação à base ordenadaB = ((1, 2) , (1,−1)) é dada por [
3 1−2 1
].
Exercício 2.7 Se a matriz de um operador linear F do R3 em relação à base canônica é
1 −1 20 4 32 0 −2
e se T = I +2F −F ◦F, determine a matriz de T em relação à base canônica e verifiquese T é ou não um isomorfismo. Determine também T (x, y, z) e T−1 (x, y, z) .
Exercício 2.8 Seja T : C → C um operador linear tal que (T )B =
[1 −23 −1
], onde
B base ordenada de C. Sabendo que MBC =
[−2 51 3
], onde C base ordenada de C,
determine (T )C . Se u ∈ C é tal que (u)C =
[3−7
], determine (T (u))C .
30 CAPÍTULO 2. TRANSFORMAÇÕES LINEARES
2.1.2 Diagonalização de operadores
Como vimos podemos trabalhar com matrizes ao invés de operadores lineares. Mas éimportante em algumas situações determinar uma base onde a matriz do operador seja amais simples, por exemplo uma matriz diagonal. É isso que veremos neste parágrafo.
Definição 2.6 Seja V um espaço vetorial real e T : V → V um operador linear. Dizemosque λ ∈ R é um autovalor de T quando existe u ∈ V, u �= 0, tal que T (u) = λu. Nestecaso u é denominado autovetor de T associado ao autovalor λ.
Proposição 2.11 Seja V um espaço vetorial real de dimensão n e T : V → V umoperador linear. Então λ ∈ R é um autovalor de T ⇔ det ((T )B − λIn) = 0, qualquer queseja B base ordenada de V e In a matriz identidade n× n.
Prova. λ ∈ R é um autovalor de T ⇔ existe u ∈ V, u �= 0, tal que T (u) =λu ⇔ existe u ∈ V, u �= 0, tal que T (u) − λu = 0 ⇔ existe u ∈ V, u �= 0, tal que(T − λI) (u) = 0 ⇔ Ker (T − λI) �= {0} ⇔ (T − λI) não é um isomorfismo ⇔ (T − λI)não é inversível ⇔ det (T − λI)B = 0, qualquer que seja B base ordenada de V. Mas(T − λI)B = (T )B − λ (I)B = (T )B − λIn. �
Exemplo 2.14 Seja T : P2 (R)→ P2 (R) definida por T (p) (t) = p (t)+3p′ (t)+ t2p′′
(t) .Para determinar os autovalores de T, vamos determinar a matriz de T em relação à baseordenada B =(1, t, t2) ,
T (1) = 1 = 1 + 0t+ 0t2,
T (t) = 3 + t = 3 + t+ 0t2,
T(t2)
= 6t+ 3t2 = 0 + 6t+ 3t2.
Assim,
(T )B =
1 3 00 1 60 0 3
,
logo,
det ((T )B − λI3) = det
1− λ 3 00 1− λ 60 0 3− λ
= (1− λ) [((1− λ) (3− λ))] .
Portanto det ((T )B − λI3) = 0 ⇔ λ = 1 e λ = 3. Logo os autovalores de T são 1 e 3.Para determinar os autovetores associados, basta lembrar que p ∈ P2 (R) é um autovetorassociado ao autovalor λ ⇔ T (p) = λp ⇔ (T − λI) (p) = 0 ⇔ (T − λI)B (p)B = 0,
2.1. MATRIZ DE UMA TRANSFORMAÇÃO LINEAR 31
qualquer que seja a base ordenada B de P2 (R) ⇔ ((T )B − λI3) (p)B = 0. Assim, para
λ = 1, considerando (p)B =
a
b
c
, temos
0 3 00 0 60 0 2
a
b
c
=
000
3b = 06c = 02c = 0
⇒ b = 0 = c,
portanto os autovetores de T associados ao autovalor λ = 1 são tais que (p)B =
a
00
=
a
100
, com a �= 0, ou seja, p (t) = a, a �= 0, isto é, os autovetores de T associados ao
autovalor λ = 1 são os polinômios constantes não nulos. Para λ = 3, obtemos
−2 3 00 −2 60 0 0
a
b
c
=
000
{−2a+ 3b = 0−2b+ 6c = 0
⇒ b = 3c e a =9
2c,
portanto os autovetores de T associados ao autovalor λ = 3 são tais que (p)B =
9
2c
3cc
=
c
9
231
, com c �= 0, ou seja, p (t) = c
(9
2+ 3t+ t2
), c �= 0.
Proposição 2.12 Seja V um espaço vetorial real e T : V → V um operador linear.Então autovetores associados a autovalores distintos são l.i.
Definição 2.7 Seja V um espaço vetorial real de dimensão finita n e T : V → V um op-erador linear. Dizemos que T é diagonalizável quando existe uma base de V constituídade autovetores de T. Neste caso se B = (u1, . . . , un) é uma base ordenada de V constituída
32 CAPÍTULO 2. TRANSFORMAÇÕES LINEARES
de autovetores de T , com ui autovetor associado ao autovalor λi, temos que
(T )B =
λ1 0 · · · 0 00 λ2 0 · · · 0... 0 λ3 0
......
......
. . . 00 0 · · · 0 λn
,
isto é, a matriz de T em relação à base constituída de autovetores é uma mtriz diagonal,onde na diagonal principal aparecem os autovalores, na ordem em que os autovetoresaprecem na base ordenada.
Vemos que o operador linear do exemplo anterior não é diagonalizável, pois tem-seapenas 2 autovetores l.i. de T.
Exemplo 2.15 Seja T : C→ C, tal que (T )B =
[1 11 1
], onde B = {1 + i, 1− i}. Ver-
ifiquemos se T é diagonalizável. Para isso determinemos os autovalores e os autovetoresde T.
det
[1− λ 11 1− λ
]= (1− λ)2 − 1 = λ2 − 2λ = 0⇔ λ = 0 ou λ = 2.
Observe que temos 2 autovalores distintos e portanto temos 2 autovetores l.i. e comodimC = 2, segue que T é diagonalizável, pois admite uma base constituída de autovetores.Determinemos tal base e a matriz de T com respeito a esta base. Para λ = 0, considerando
(u)B =
[x
y
], obtemos
[1 11 1
] [x
y
]=
[00
]⇒ x+ y = 0⇒ y = −x,
logo os autovetores associados a λ = 1, são tais que (u)B =
[x
−x
]= x
[1−1
], x �= 0.
Portanto podemos tomar u1 ∈ C tal que (u1)B =
[1−1
]⇒ u1 = 2i. Para λ = 2,
[−1 11 −1
] [x
y
]=
[00
]⇒ x− y = 0⇒ y = x,
logo os autovetores associados a λ = 2, são tais que (u)B =
[x
x
]= x
[11
], x �= 0.
Portanto podemos tomar u2 ∈ C tal que (u2)B =
[11
]⇒ u1 = 2. Assim a base constituída
2.1. MATRIZ DE UMA TRANSFORMAÇÃO LINEAR 33
de autovetores é C = {2i, 2}. Portanto a matriz mudança da base C para a base B é
MCB =
1
2−1
21
2
1
2
⇒MBC = 2
1
2
1
2
−1
2
1
2
=
[1 1−1 1
].
Logo
(T )C = MCB (T )BMBC =
=
1
2−1
21
2
1
2
[
1 11 1
] [1 1−1 1
]=
=
[0 01 1
] [1 1−1 1
]=
[0 00 2
].
Observe que (T )C é uma matriz diagonal, com os autovalores em sua diagonal, como jáera esperado.
Proposição 2.13 Seja V um espaço vetorial real de dimensão finita n e T : V → V umoperador linear. Então o número de autovetores l.i. associados a um mesmo autovalor émenor ou igual a multiplicidade do autovalor, como raiz do polinômio det ((T )B − λIn) .
Dos resultados acima, sempre que tivermos um operador sobre um espaço vetorial Vde dimensão n, com n autovalores distintos este será diagonalizável.
Existe um tipo de operador que é sempre diagonalizável, e mais por uma base orto-normal de autovetores. Vejamos.
Definição 2.8 Seja V um espaço vetorial real euclidiano. Dizemos que um opervadorlinear T : V → V é auto-adjunto quando
〈T (u) , v〉 = 〈u, T (v)〉 ,
quaisquer que sejam u, v ∈ V.
Exemplo 2.16 O operador T do R3, definido por T (x, y, z) = (x+ 2y, 2x− y + 3z, 3y + 5z)é auto-adjunto, pois
〈T (x, y, z) , (a, b, c)〉 = (x+ 2y) a+ (2x− y + 3z) b+ (3y + 5z) c =
= xa+ 2ya+ 2xb− yb+ 3zb+ 3yc+ 5zc =
= x (a+ 2b) + y (2a− b+ 3c) + z (3b+ 5c) =
= 〈(x, y, z) , T (a, b, c)〉 .
Proposição 2.14 Seja V um espaço vetorial real eucldiano de dimensão n. T : V → V
é um operador auto-adjunto ⇔ (T )B é uma matriz simétrica em relação a qualquer baseortonormal B de V.
34 CAPÍTULO 2. TRANSFORMAÇÕES LINEARES
Prova. (⇒) Considere B = (e1, . . . , en) uma base ordenada ortonormal de V. Então
T (ei) =n∑
j=1
〈T (ei) , ej〉 ej ,
portanto, da definição de matriz de T em relação à base B, temos que (T )B = (aji)n×n ,onde aji = 〈T (ei) , ej〉 . Mas T é auto-adjunto e portanto 〈T (ei) , ej〉 = 〈ei, T (ej)〉 =〈T (ej) , ei〉 = aij, o que implica que (T )B é simétrica.
(⇐)Exercício. �
Proposição 2.15 Seja V um espaço vetorial real eucldiano e T : V → V é um operadorauto-adjunto. Então autovetores associados a autovalores distintos são ortogonais.
Prova. Sejam α e β autovetores distintos de T, então existem u, w vetores não nulosde V, tais que T (u) = αu e T (w) = βw. Ainda
〈T (u) , w〉 = 〈u, T (w)〉 ,
o que implica que〈αu,w〉 = 〈u, βw〉 .
Das proriedades de produto interno, obtemos
α 〈u, w〉 = β 〈u,w〉 ⇒ (α− β) 〈u, w〉 = 0.
Como (α− β) �= 0, pois são autovalores distintos, segue que 〈u,w〉 = 0, ou seja, u e wsão ortogonais. �
Teorema 2.16 Seja V um espaço vetorial real eucldiano de dimensão n. T : V → V éum operador auto-adjunto ⇔ existe uma base ortonormal de V constituída de autovetoresde T. Neste caso se B é uma base ortonormal de V e C é uma base ortonoirmal de V
constituída de autovetores de T, segue que
(T )C = M tBC (T )BMBC,
sendo (T )C uma matriz diagonal.
Exemplo 2.17 Seja T um operador do R3, cuaja matriz com respeito à base canônica é
1 −2 0−2 1 00 0 −1
.
Como a base canônica do R3 é ortonormal e a matriz é simétrica, segue que T é auto-adjunto e portanto existe uma base ortonormal de R3 constituída de autovetores de T, em
2.1. MATRIZ DE UMA TRANSFORMAÇÃO LINEAR 35
relação a qual a matriz de T é diagonal. Vamos determinar, a base, a matriz mudança dabase canônica para a base ortonormal de autovetores e a matriz de T em relação a novabase.
det
1− λ −2 0−2 1− λ 00 0 −1− λ
= 0⇔ (λ− 3) (λ+ 1)2 = 0.
Portanto os autovalores de T são λ = −1 (raiz dupla) e λ = 3. Como λ = 3 é uma raizsimples existe apenas um vetor l.i. associado a λ = 3, que é ortogonal aos autovetoresassociados a λ = −1. Como λ = −1 é raiz dupla, e T é diagonalizável, já que é autoadjunto, então devem existir 2 autovetores l.i. associados a este autovalor. Vejamos, paraλ = −1,
2 −2 0−2 2 00 0 0
x
y
z
=
000
⇒{
2x− 2y = 0−2x+ 2y = 0
⇒ x = y,
logo os autovetores de T associados a λ = −1 tem as seguintes coordenadas em relação àbase canônica
x
x
z
= x
110
+ z
001
.
Estes 2 vetores já são ortogonais e portanto l.i., basta tomaá-los unitários. Assim, os
autovetores unitários e ortogonais associados a λ = −1 são(
1√2,
1√2, 0
)e (0, 0, 1) .
Para λ = 3,
−2 −2 0−2 −2 00 0 −4
x
y
z
=
000
⇒
−2x− 2y = 0−2x− 2y = 0−4z = 0
⇒{
y = −xz = 0
,
logo os autovetores de T associados a λ = 3 tem as seguintes coordenadas em relação àbase canônica
x
−x0
= x
1−10
.
Assim, o autovetor unitário e ortogonal aos autovetores associados a λ = −1, associadoa λ = 3 é
(1√2,− 1√
2, 0
). Logo a base ortonormal do R3 constituída de autovetores de
T é C = {(
1√2,
1√2, 0
),(0, 0, 1) ,
(1√2,− 1√
2, 0
)}. A matriz mudança da base canônica
para a base C é a quela constituída das coordenadas dos autovatores, ou seja é a matrizM, dada abaixo:
M =
1√2
01√2
1√2
0 − 1√2
0 1 0
36 CAPÍTULO 2. TRANSFORMAÇÕES LINEARES
e a matriz de T em relação à base C é
(T )C = M t (T )canM =
−1 0 00 −1 00 0 3
.
Nota 2.5 Tudo o que foi definido e os resultados para operadores lineares podem ser tran-feridos para as matrizes quadradas, uma vez que estas estão associadas univocamente aoperadores, assim como as matrizes simétricas estão associadas a operadores auto adjun-tos.
2.1.3 Lista de Exercícios
Exercício 2.9 Determine os autovalores e autovetores dos operadores lineares do R3
abaixo:
a) T (x, y, z) = (x+ y, x− y, z) .
b) T (1, 0, 0) = (2, 0, 0) , T (0, 1, 0) = (2, 1, 2) e T (0, 0, 1) = (3, 2, 1) .
c) T (1, 1, 0) = (0, 0, 0) , T (1,−1, 0) = (0, 0, 0) e T (0, 0, 2) = (5,−1, 2) .
Exercício 2.10 Determine os autovalores e autovetores do operador T de P3 (R) cujamatriz em relação à base B = {1, t, t2, t3} é:
2 1 0 00 2 0 00 0 1 10 0 −2 4
.
Exercício 2.11 Determine, se possível, uma matriz M ∈ M2×2 (R) de maneira queM−1AM seja diagonal, onde A é:
a)
[2 43 13
]b)
[3 −22 1
]c)
2 0 43 −4 121 −2 5
.
Exercício 2.12 Seja T um operador do R3 definido por T (x, y, z) = (x+ y + z, x+ y + z, x+ y + z) .
a) Determine os autovalores de T.
b) Determine uma base ortonormal B do R3 tal que (T )B é diagonal.
c) Qual a matriz de mudança da base canônica do R3 para a base B?
2.1. MATRIZ DE UMA TRANSFORMAÇÃO LINEAR 37
Exercício 2.13 Seja T um operador do R3 cuja matriz de T em relação à base B =((1, 2, 0) , (−1, 0, 1) , (0, 2é
1 −2 0−2 1 00 0 −1
.
a) T é diagonalizável? Justifique.
b) Determine os autovalores e autovetores de T.
c) T é um operador auto adjunto? Justifique.