APOSTILA - Introdução À Álgebra Linear - Antonio Carlos Ana Paula Lima

Universidade Federal de Alagoas Instituto de Matemtica
Introduo lgebra Linear
Antonio Carlos Marques da Silva Ana Paula Lima Marques Fernandes
Catalogao na fonte Universidade Federal de Alagoas Biblioteca Central Diviso de Tratamento Tcnico
ii
Introduo lgebra Linear SUMRIO
Apresentao
............... Captulo 1 Sistemas lineares e matrizes . Respostas das Atividades-propostas . . . Captulo 2 Espaos vetoriais . . . . . . Respostas das Atividades-propostas . . . Captulo 3 Bases e dimenso . . . . . . Respostas das Atividades-propostas . . . Captulo 4 Transformaes lineares . . . Respostas das Atividades-propostas . . .
. . . . . . . . . Captulo 5 Espaos com produto interno . Respostas das Atividades-propostas . . . . Anexo Determinantes . . . . . . . . . . . Referncias Bibliogrcas . . . . . . . . . . iii
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
4 5 18 20 29 31 46 50 68 73 87 91 99
APRESENTAO
Dando sequencia a seu curso de EAD Licenciatura em Matemtica , o Instituto de Matemtica da UFAL nos honrou com o convite de elaborar um texto introdutrio de lgebra Linear, com a nalidade de alicerar as variadas aplicaes dessa extraordinria disciplina. O autor snior, que escolheu o setor de estudos de lgebra para suas atividades acadmicas e de pesquisas, vem acompanhando os trabalhos da jovem professora Ana Paula, cuja atrao pelas diciplinas de Mtodos Quantitativos, a includa a lgebra Linear, permitiu a redao a quatro mos dessas notas. O texto procura preparar o leitor, futuro licenciado, para bem realizar seu mister, ilustrando a participao crescente da matemtica em todas as atividades do desenvolvimento cognitivo, independentemente da viso terica ou aplicada, do tratamento exato dos conceitos bem acabados ou dos mtodos heursticos de resultados renovados. Nesse sentido, procuramos descartar a apresentao vertical, de sabor dogmtico e pouco eciente, a nosso ver, no atual estgio do curso. Optamos por um enfoque mais informativo, sem descuidar, claro, das condies de validade da teoria subjacente. Tambm procuramos explicitar os mtodos numricos efetivos, eventualmente com o auxlio de algoritmos computacionais, ferramenta indispensvel nas atuais aplicaes. Os exerccios propostos ao longo do texto objetivam treinar os conceitos apresentados de modo direto e amigvel. Nossa armao absolutamente sincera: no h armadilhas intencionais nem resultados de algibeira, que poderiam exigir conhecimentos outros que no os apresentados nas notas. Por experincia prpria, os autores no acreditam em semelhante metodologia. Gostaramos de receber de vocs, prezados alunos, seu retorno sobre a eccia e adequao das notas para realizar os objetivos propostos; os exerccios e suas solues; o detalhamento das solues. So informaes fundamentais para a correo de rumos e de contedos. Bom trabalho!
Ana Paula Lima Marques Fernandes Antonio Carlos Marques da Silva
iv
Sistemas lineares e matrizes
CAPTULO 1 SISTEMAS DE EQUAES LINEARES E MATRIZES
Objetivos do Captulo 1
(a) Resolver sistemas lineares pelo mtodo de Gauss; (b) Classicar os sistemas lineares; (c) Representar sistemas lineares com o auxlio de matrizes; (d) Estudar as operaes algbricas com matrizes; (e) Caracterizar as matrizes inversveis pelo mtodo de Gauss-Jordan; (f ) Descrever os sistemas de Cramer.
INTRODUO
A ocorrncia de sistemas de equaes lineares em variadas situaes, desde aplicaes envolvendo um nmero pequeno de equaes e de variveis, ao tratamento de sistemas de grande porte, vem provocando o aprimoramento de algoritmos numricos e que possam ser implementados em computadores. Os fundamentos desses mtodos tem origem no MTODO DE GAUSS (de eliminao sistemtica de variveis), posteriormente complementado por JORDAN, no que hoje conhecido como o mtodo de Gauss-Jordan. De uma simplicidade estonteante (inclusive computacional!), esse algoritmo possui muitos outros desdobramentos, tanto toricos como aplicados.
1.1
PRIMEIROS RESULTADOS
(a) Comeando do comeo, j sabemos como calcular as possveis solues de uma equao
do primeiro grau, isto , dados De fato, se
a = 0, ento x = da equao considerada. Por exemplo, se 3x = 21, ento x = 7 a soluo da equao dada. Agora se a = 0 e c = 0, ento qualquer x R soluo, pois 0 x = 0 para todo x. Enm, se a = 0 e c = 0, ento a equao no possui soluo
real. (b) Generalizando um pouco, dados os reais
a1 c
c reais, encontrar todos c = a nica soluo a
os valores reais de
para os quais
ax = c.
a, b
c,
como achar todos os pares
(x, y)
de
nmeros reais que vericam a equao descartar
nenhum
ax + by = c? Inspirados na discusso anterior, podemos logo o caso a = b = 0, em que, se c = 0, todos os pares (x, y) so solues, e se c = 0, ento par (x, y) verica a equao dada. Assim, suponhamos a e b no simultaneamente nulos.
Introduo lgebra Linear [Antonio Carlos & Ana Paula Marques]
Nesse caso, sabemos que a equao dada representa uma reta do plano Portanto, cada soluo
R2 .
(x, y)
um ponto dessa reta, ou seja, h uma
innidade de solues.
fcil descrever todas. Se, digamos
a = 0, ento, explicitando a varivel x, temos x = a1 (c by), 1 (c by), y), onde y arbitrrio em R. Enm, todo par (x, y) o que nos permite escrever (x, y) = (a da forma considerada ponto da reta ax + by = c, e reciprocamente. Por exemplo, partindo de x + 2y = 4, vem x = 4 2y , donde (x, y) = (4 2y, y), expresso que tambm pode ser escrita (x, y) = (4, 0) + (2y, y) = (4, 0) + y(2, 1), y R, o que nos d todas
as solues. (c) Como proceder no caso em que so dadas duas equaes nas variveis reais
(x, y)?
Tal
2 como antes, podemos supor que cada equao representa uma reta no plano R . Temos, ento, um
sistema da forma
a1 x + b1 y = c1 , em que os casos das retas serem coincidentes ou paralelas podem a2 x + b2 y = c2 x y= 2 . 3x + 2y = 11
ser tratados diretamente. Desconsiderando esses casos, seja, por exemplo, o sistema O mtodo gaussiano permite eliminar a varivel equao por
e somar o resultado
x da segunda equao: (3x + 3y = 6) com a segunda
basta multiplicar a primeira equao, obtendo um outro
sistema (de aspecto
escalonado),
mais simples que o sistema original:
x y=2 . 5y = 5
Ora, vemos
ento, da (nova) segunda equao que
y = 1. Esse valor de y levado na primeira equao nos d x 1 = 2, donde x = 3. Assim, (x, y) = (3, 1) soluo tanto do sistema escalonado como do original,
Mas (...) ser que no h outra soluo? Em outras palavras, como podemos garantir que os
como vemos sem diculdade.
sistemas dado e o novo, escalonado, tem as mesmas solues? Pois bem, a operao que zemos (somar a uma equao um mltiplo conveniente de outra) e outras duas operaes que ainda iremos descrever (permutar duas equaes; multiplicar uma equao por um nmero real no nulo) preservam as solues do sistema original. Mais ainda: essas operaes so todas
reversveis!
A qualquer estgio da eliminao gaussiana, podemos retornar ao sistema
original. Esses dois fatos nos garantem que as solues dos dois sistemas so as mesmas: os sistemas obtidos so sempre
equivalentes.
Em denitivo, o sistema dado tambm possui uma mente, esse ponto corresponde interseo das retas
nica soluo (x, y) = (3, 1).

e
Geometrica-
xy =2
3x + 2y = 11.
Atividade-proposta 1.2
(a) Complete a discusso dos casos particulares esboados em no quadro (c) acima.
(b) Considere os sistemas de nmeros reais:
x y = 2 3x 3y = 6
(1)
x y = 2 x y = 5
(2)
x y = 2 3x + 2y = 11 4x + y = 13
(3)
Verique a caracterstica de cada sistema: (1) possui innitas solues; descreva o conjunto-soluo; (2) no possui soluo; (3) possui soluo nica. Interprete geometricamente cada resposta com o auxlio da representao grca das retas envolvidas.

1.3 O MTODO DE GAUSS
A eliminao gaussiana consiste no algoritmo que transforma um sistema linear em um outro, equivalente ao primeiro, mas com um formato muito simples, denominado sistema
gular superior, a partir do qual as solues podem ser escritas por retro-substituio. Esse algoritmo usa, inicialmente, as chamadas operaes elementares sobre as equaes do
sistema
escalonado ou trian-
S,
originalmente dado, a saber:
(1) multiplicar uma equao de S por um nmero real = 0; (2) somar a uma das equaes uma outra equao multiplicada por um nmero real; (3) permutar duas equaes.
Exemplo 1.4
Partindo do sistema abaixo, e indicando suas equaes por indicadas:
E1 , E2
E3 ,consideremos
as operaes
x+ y =0 2E1 +E2 2x y + 3z = 3 E1 +E3 x 2y z = 3

equao nos d
x + y =0 E2 +E3 3y + 3z = 3 3y z = 3
x + y =0 3y + 3z = 3 4z = 0
equao, Tambm
Encerrado o trabalho bruto com a obteno da forma escalonada, segue o valor das variveis: a ltima
z = 0, valor que, na segunda equao, fornece y = 1; enm, na primeira vemos que x = 1. Assim, X = (x, y, z) = (1, 1, 0) a nica soluo do sistema escalonado.
a nica soluo do sistema inicial, como segue do prximo resultado.
Um dos pontos-chave do mtodo de Gauss a preservao das solues dos sistemas original e do sistema de
obtido a partir de
por um nmero nito de operaes elementares sobre as equaes e
S.
Na realidade, os sistemas
possuem as mesmas solues, isto , so equivalentes.

S
tambm
A vericao dessa propriedade consiste em dois fatos: (1) Se soluo de
S S
obtido de .
por uma nica operao elementar, ento, toda soluo de
(2) Para obter a recproca, isto , que toda soluo de que cada operao elementar
tambm soluo de em
S,
observemos
inversvel, isto , se e transforma S

e,
temos
S = e(S),
ento, se
e1
a operao que reverte
S , o que indicaremos por e1 (S ) = e1 (e(S)) = S , ou seja, reobtemos

permuta as equaes
o sistema inicial
S. e E1
e
E3 , ento e1 permuta E1 e E3 ; se e consiste na multiplicao da equao E2 pelo nmero = 0, ento e1 multiplica a equao E2 por 1/; se e da forma E3 + E1 , ento e1 calcula E3 E1 .
(3) Enm, por exemplo, se a operao elementar Em resumo,
e1
so operaes elementares do mesmo tipo,
vericando
e1 (e(S)) =
e(e1 (S)).
O algoritmo de Gauss termina na obteno de um
sistema escalonado ,
cuja caracterizao
a seguinte: em cada equao de um sistema, chamaremos de a primeira varivel com coeciente no nulo. Pois bem:
varivel lider (ou piv) da equao
diremos que o sistema est escalonado
ou da forma triangular superior se cada varivel lider est direita da variavel lider da equao imediatamente superior (excetuando a varivel lder da primeira equao). Cada varivel no lider uma varivel
livre.
Exemplo 1.5
Depois de escalonar cada sistema, indique, se possvel, todas as solues; classique os sistemas. (1)
x+ y= 2 . 5y = 10
Sistema j escalonado. Da segunda equao, vemos que
y = 2, donde, da primeira,
x = 0.
O sistema possui soluo nica
X = (0, 2)
possvel determinado.
x + y + z = 1 y+z=0 0=0 x+y+z=1 y+z=0
x+ y+ z=1 E1 +E2 (2) x + 2y + 2z = 1 2E1 +E3 2x + 3y + 3z = 2

As variveis lideres so Como
x + y + z = 1 E2 +E3 y + z = 0 y+z=0
y + z = 0,
vemos
y ; z uma varivel livre. Cada soluo ser explicitada em funo de z . que x = 1 e y = z , donde X = (x, y, z) = (1, z, z) = (1, 0, 0) + z(0, 1, 1),
e
z R. O sistema dado possvel indeterminado: h uma innidade de solues. Observemos que X descreve uma reta do R3 , que passa pelo ponto (1, 0, 0) e paralela ao vetor (0, 1, 1). x+ y+ z=1 x + y + z = 1 x + y + z = 1 E1 +E2 E2 +E3 (3) x + 2y + 2z = 1 y+z=0 y+z=0 2E1 +E3 2x + 3y + 3z = 4 y+z=2 0=2 O sistema impossvel; no possui soluo real. Observe o sistema central: as equaes E2 e E3 so,
manifestamente, incompatveis. Mesmo que isso tenha passado desapercebido, o sistema da direita no deixa dvidas, quando anuncia que
0=2
(!).
(1) Use o escalonamento gaussiano para achar todas as solues e classicar os sistemas.
2x + 3y = 13 x y = 1
(i)
x + 3y = 1 2x + y = 3 x+ y = 0 x y = 1 3x 3y =
(ii)
x + 2y =4 y z =0 x + 2z = 4
(iii)
4x + y z = 1 2x + 2y + z = 5 x y z = 4
(iv)
(2) Considere o sistema Mostre que, se
, onde
um parmetro real.
= 3,
ento o sistema impossvel; se
= 3,
o sistema possvel indeterminado.
(3) Encontre a parbola
f (x) = ax2 + bx + c
que passa pelos pontos
(1, 2), (1, 6)
(2, 3).
1.7
RESUMO: Resoluo de um sistema linear
Partindo de um sistema
(1) S
da forma
S , seja S o correspondente a1 x + b1 y + c1 z = d1 b y+c z=d

2 2 2
sistema escalonado. Podem ocorrer trs casos:

Descartadas as equaes
c3 z = d3 0 = 0 equaes redundantes redundantes 0 = 0, resta um sistema quadrado, X = (x, y, z);
com mesmo nmero de
equaes e variveis e contendo apenas variveis lderes ao longo da diagonal. Por retro substituio, vemos que o sistema possui uma nica soluo sistema possvel determinado.
(2) Descartadas as redundncias 0 = 0,

onde
o sistema escalonado da forma
que, no sistema escalonado, o nmero de equaes no nulas menor do que o nmero de incgnitas. (3) Ao longo do processo de escalonamento, a presena de uma equao da forma 0 = d = 0 indica
que o sistema impossvel ou incompatvel.
x e y so variveis lderes e z livre. Logo, haver um innidade de (x(z), y(z), z), z R, e o sistema indeterminado. Esse caso ocorre sempre
a1 x + b1 y + c1 z = d1 , b2 y + c2 z = d2 solues X = (x, y, z) =
Sistemas lineares e matrizes Pratique um pouco.
Comprove a discusso anterior, vericando, detalhadamente, os resultados numricos dos sistemas j resolvidos.
1.8
REPRESENTAO MATRICIAL DE SISTEMAS LINEARES
H uma forte conexo entre sistemas lineares e matrizes, no sentido de que suas propriedades so imbricadas e revelam extraordinria repercusso nas duas categorias de objetos. Como sabemos, matrizes de nmeros reais so quadros ordenados de nmeros reais, dispostos em linhas e em colunas. Se matriz
de ordem
A denota um tal quadro, que possui m linhas e n colunas, diremos que a m n e indicaremos Amn . Na parte inicial desse trabalho, quase sempre
usaremos
1 m, n 3.
Por exemplo:
1 1 0 1 3 1 1 A= uma matriz quadrada 2 2, B = 2 1 uma matriz 3 2, C = 2 1 3 uma matriz 3 2 1 2 1 1 1 1 1 1 0 uma matriz 2 3, X = 1 uma matriz 3 1. quadrada 3 3, D = 2 1 3 0
Nosso objetivo imediato associar a um dado sistema sua representao matricial, como, por exemplo,
a1 x + b1 y + c1 z = d1 a x + b2 y + c2 z = d2 2 a3 x + b3 y + c3 z = d3
A matriz
a1 b1 c1 x d1 A = a2 b2 c2 , X = y , Y = d2 AX = Y a3 b3 c3 z d3 X
o vetor (matriz
a matriz dos coecientes,
3 1)
das variveis e
o vetor segundo-
AX o produto-linha-por-coluna (na realidade, o produto escalar), onde cada linha de A, digamos [a1 b1 c1 ] multiplicada pelo vetor X , fornecendo a primeira equao a1 x + b1 y + c1 z , posteriormente igualada a d1 , isto , a1 x + b1 y + c1 z = d1 .
membro. O produto No difcil imaginar a simplicao que temos em mente: ao escalonar um sistema linear, operamos sobre suas equaes, isto , sobre as fazer o segundo membro mais uma coluna de
linhas
da matriz
de seus coecientes.
S que necessrio
receber as mesmas operaes! Como proceder? s acresccentar
como
A, o que nos d a chamada matriz aumentada a1 x + b1 y + c1 z = d1 a1 b1 c1 d1 a1 b1 c1 a x + b2 y + c2 z = d2 A = a2 b2 c2 A = a2 b2 c2 d2 2 a3 b3 c3 d3 a3 x + b3 y + c3 z = d3 a3 b3 c3 A.

Retomando o Exemplo
1.4:
x+ y =0 1 1 0 0 1 1 00 1 1 00 2L1 +L2 L2 +L3 2x y + 3z = 3 A = 2 1 3 3 0 3 3 3 0 3 3 3 . L1 +L3 1 2 1 3 0 3 1 3 0 0 4 0 x 2y z = 3

Obtido o escalonamento, segue a soluo por retro-substituio.
Reescrever a Atividade
1.6(1) com a interpretao matricial acima.
10
1.10
Aplicao aos sistemas homogneos
Um sistema linear homogneo quando da forma j que, pelo menos, possui a chamada
soluo
AX = 0. Um tal sistema trivial X = 0. Na realidade,
nunca impossvel, h grande interesse
em decidir quando o sistema possui apenas a soluo trivial, ou quando possui uma innidade de solues. Em qualquer caso, dada de
Amn ,
o conjunto das solues
{X Rn ; AX = O}
ncleo
A,
notado
N (A).
Exemplo 1.11
AX = 0 abaixo, o escalonamento revela apenas a soluo trivial X = 0. 1 1 0 1 1 0 1 1 0 1 1 0 2L +L2 L2 +L3 (1/3)L2 A = 2 1 3 1 0 3 3 0 3 3 0 1 1 L1 +L3 (1/4)L3 1 2 1 0 3 1 0 0 4 0 0 1
No sistema
Encontre todas as solues de cada sistema homogneo
AX = 0: 1 1 0 2 1 3
(1)
A=
1 1 1 1
; (2)
1 1 A = 1 1 ; 1 2
(3)
A=
(4) Mostre que a operao elementar de permutar duas linhas pode ser realizada com o auxlio das duas outras operaes elementares.
1.13
OPERAES COM MATRIZES

(a)
Soma
A e B de mesma ordem podem ser somadas: a soma A + B uma matriz, A e B , obtida pela soma dos elementos correspondentes de A e de B . Amn ,
notaremos ainda
Duas matrizes da mesma ordem de (b)
Multiplicao de um nmero real por uma matriz

R
e a matriz
Dados
a matriz
mn
obtida pela multiplicao por
de cada elemento de
A.
Valem as seguintes propriedades: (1) A soma associativa: (A +
B)
C = A+(B + C ); Amn , ento a matriz A + O = O + A = A. A,

a matriz nula
(2) Existncia de elemento neutro aditivo. Dada so todos iguais a zero) a nica matriz tal que (3) Existncia de elemento oposto aditivo. Dada um de seus elementos por (4) A soma comutativa:
Omn
(cujos elementos
1,
a nica matriz tal que
A, obtida de A pelo produto A + (A) = (A) + A = O.
de cada
A + B = B + A. (A + B) = A + B
(5) Distributividade em relao soma de matrizes: (6) Distributividade em relao soma de reais: (7) Associatividade: (8) Invarincia por
( + )A = A + B
(A) = ()A
1 R : 1 A = A.
espao vetorial real,
de que nos ocuparemos no prximo captulo.
Esse conjunto de propriedades, na realidade, caracteriza uma das mais fundamentais estruturas da Matemtica, a saber, a de um

Exemplo 1.14
Sejam
11
A=
213 2 0 0
B=
813 042 =
. Temos, sucessivamente:
(1)
A+B = 3A B =
213 813 + 2 0 0 042 639 813 6 0 0 042 X

tal que
10 2 6 2 4 2 2 2 6 6 4 2
ento
(2)
(3) Se a matriz
6X + 3A = 4X + B ,
2X = B 3A;
logo, temos
X=
1 1 3 . 3 2 1
(c)
Produto de matrizes
AB
das matrizes,
O produto coluna de
Amn m
e
B,
o que exige que cada linha de
Bnp , nessa ordem, um A tenha o mesmo nmero
tipo de produto linha de
por
de elementos das colunas de
B,
donde as ordens acima consideradas;
indicam o tamanho do produto
ABmp .
Outras propriedades
(1) Distributividades: (2) Associatividade:
A(B + C) = AB + AC ; (A + B)C = AC + BC
A(BC) = (AB)C
Exemplo 1.15
(1) As matrizes
A23
B34 ,
nessa ordem, podem ser multiplicadas e
AB24 ;
entretanto, o produto
BA
no est denido.
(2) As matrizes evidentemente,
A23 e C32 podem ser multiplicadas na ordem AC22 e na ordem CA33 ; entretanto, AC = CA. A, B
quadradas e de mesma ordem, poderiam coincidir os produtos
(3) Apenas no caso de matrizes
AB
BA.
Mas, em geral, mesmo nesse caso,
AB = BA. = 0 0 1 1
Observe o seguinte exemplo.
1 0 1 0
0 0 1 1
0 0 0 0
0 0 2 0
1 0 1 0
Em denitivo, o produto de matrizes
no comutativo.
AB = O,
com
(4) O exemplo anterior tambm mostra um produto (5) Se
A=O
B = O.
que
A
e
qualquer matriz, ento
AO = O
OA = O.
Cuidado com o
abuso de notao,
representa da mesma forma quatro matrizes nulas distintas. Por exemplo, em
Amn
Onp ,
donde o segundo membro de ordem
Omp .
Apenas no
AO = O as ordens so caso A e O quadradas de
mesma ordem, vale
AO = OA = O.
1.16
Invarincia pela matriz identidade.
A matriz identidade I uma matriz quadrada em que os elementos da diagonal (principal) so iguais a 1, e so nulos todos os demais elementos. Se particular, se
qualquer matriz, ento
AI = A
IA = A.
Em
so quadradas de mesma ordem, ento
AI = IA = A. Amn ,
ento a igualdade
Ateno, novamente, com o abuso de notao. Na propriedade acima, se
AI = A
vale para
convem escrever mesma ordem).
Inn . J em IA = A, temos Imm . Como essas identidades so distintas, no AI = IA = A, a no ser no caso particular j considerado (matrizes quadradas de
12
Observao
Vrias propriedades das operaes com nmeros reais tambm comparecem nas ma-
trizes. o caso, por exemplo, das potncias de expoente inteiro positivo
p 1 para matrizes quadradas
Ann : A1 = A; Ap = A A A
p
Exemplo 1.17
(1) Em cada caso, ache todas as potncias
(a)
A=
1 a 0 1
(b)
A=
1 0 0 1
A2 , A3 , . . . , Ap , . . . (p 1 0 1 1 (c) A = 0 0 1 0 0 0 A2 , A3 , . . .
inteiro):
Nesse exemplo, uma idia calcular potncias sucessivas formao. (a) Temos
at que se perceba uma lei de
A2 =
1 a 0 1
1 a 0 1 Ap =
= 1 pa 0 1
1 2a 0 1
; em seguida,
A3 = A2 A =
1 2a 0 1
1 a 0 1 p.
1 3a 0 1
Assim, se
, sugerindo que
, resultado que pode ser vecado por induo sobre
(b) Usando o resultado
A2 = I
(verique!), vem
p>0
um inteiro par temos
A3 = A2 A = IA = A, A4 = A2 A2 = I I = I , Ap = I , e se p mpar, ento Ap = A. Ap = O
e se
etc.
(c) Verique que
A2 = O
A3 = O ,
donde
p 3.
podemos armar que
(2) Sejam as matrizes Como
A, B, C ,
tais que
A=O
AB = AC ;
B = C?
A=
(3)
AB = AC A(B C) = O, basta considerar o Exemplo 1 0 0 0 , B C = , e B = C. 1 0 1 1
1.15 (4):
escolhemos as matrizes
[Transposio] Dada uma matriz Amn , a matriz transposta tA de A a matriz n m obtida

A.
Assim, por exemplo:
pela troca ordenada das linhas (colunas) pelas colunas (linhas) de
1 2 A = 0 3 = tA = 4 1
1 0 4 2 3 1
1 ; X = 0 = tX = 4
1 0 4
; P =
a b b a
= tP =
a b . b a
Propriedades
(a)
Valem as seguintes propriedades da transposio (verique!):
= A; + B) = tA + tB ; t t (c) (A) = A; t t t (d) (AB) = B A (ateno

t (b) (A
t (t A)
ordem dos fatores!)
(1) Dadas as matrizes
A=
1 4
3 2
; B=
0 1
2 1 3 0
2 ; C= 0 2
0 3 3
.
1 2 0 ; D = 0 1 3
4 0 ; 3
E=
1 1
1 0
calcule as seguintes matrizes (i)
2A + E ,
(ii)
AB ,
(iii)
BC ,
(iv)
EA,
(v)
DB

1 1 0 0
13
(2) Ache todas as matrizes
que comutam com a matriz
A=
(3) Considere o sistema
a x 1 2 3 AX = Y , A = 3 1 2 , X = y e Y = b . c z 1 5 4
(i) Indique a relao entre
a, b
para a qual o sistema possui soluo;
(ii) Encontre todas as solues do sistema dado se
1 2 Y = 1; Y = 1. 1 5
1.19
MATRIZES INVERSVEIS
Dada uma matriz quadrada
AB = BA = I . Na realidade, uma tal matriz B unicamente determinada por A; de fato, se C alguma matriz tal que AC = CA = I , ento C = CI = C(AB) = (CA)B = IB = B . Assim, se A 1 a nica matriz tal que A A1 = A1 A = I . Dessa unicidade, segue inversvel, notaremos por A 1 )1 = A. que, se A inversvel, ento (A
diremos que inversvel se existe uma matriz tal que
A,
Exemplo 1.19
(1) A matriz identidade
inversvel, pois
I I = I,
donde
I 1 = I . B,
temos
(2) A matriz nula (quadrada)
no inversvel pois, para cada matriz
O B = O = I.
(3) 0 simples fato de uma matriz considerar o exemplo
ser no nula, no garante, em geral, que
seja inversvel. Basta
0 0 1 0
em que
0 0 1 0
a b c d
0 0 a b
=I
. Na realidade, decidir
se uma matriz inversvel e exibir sua inversa uma potente aplicao do mtodo de Gauss-Jordan. (4) Se
uma matriz inversvel, ento sua transposta
tA tambem , com (t (A))1
= t (A1 ) .
De fato, se
A A1 = A1 A = I
ento
tendo em conta a transposio de um
A1 ) = t(A1 A) = tI = I , donde segue o resultado, t 1 ) tA = tA t(A1 ) = I . produto de matrizes, isto , (A

t(A tA inversvel
Verique a validade do resultado recproco: (5) Sejam
= A AeB
inversvel. so inversveis, ento o produto
AeB =
matrizes quadradas de mesma ordem. Se
1 inversvel e vale (AB)
A(BB 1 )A1
AA1
= = I;
B 1 A1 [observe a ordem dos fatores]. De fato, temos

analogamente, e
(AB)(B 1 A1 )
AB =
(B 1 A1 )(AB) = I , AB
[cf.
donde a concluso.
Na realidade, as matrizes (6) Seja
so inversveis ento
inversvel.
inversvel. Se
AB = AC ,
B=C
Exemplo 1.17(2) ].
A1 ,
segue:
De fato, multiplicando a igualdade dada, esquerda, por
A1 (AB) = A1 (AC),
donde
(A1 A)B
(A1 A)C , ou
IB = IC
B = C.
(7) Voltando aos sistemas, se a soluo trivial
A uma matriz inversvel, ento o sistema homogneo AX = 0 s possui X = 0. Mais precisamente, o sistema AX = Y possui a nica soluo X = A1 Y .
Nada
Observao A inversibilidade de uma matriz A exige uma vericao bilateral AB = BA = I .

garante que se, por exemplo,
AB = I ,
ento j ocorra
BA = I
embora esse resultado seja vlido
para matrizes! Como veremos posteriormente, basta a inversibilidade de um lado qualquer para que o outro se realize [cf.
1.33].
14
(1) Verique que
1 1 0 1
= A
1 1 0 1
2 1 1 1
se
1 1 1 2
(2) Uma matriz quadrada
idempotente
com
A2 = A.
Considerando uma tal matriz, sejam
B = 2A I
C = I A. B2 = I
e
(a) Verique que
C2 = C,
AC = CA = 0; A = I,
ento
(b) Conclua que a matriz
inversvel; por outro lado, se
no inversvel.
2 (3) Encontre todas as matrizes A22 tais que A
= I. A
nula, ento
(4) Mostre que, se uma linha (ou coluna) de uma matriz
no inversvel.
1.21
O MTODO DE GAUSS-JORDAN
Vimos no 1.2 que o escalonamento de um sistema corresponde a realizar operaes elementares sobre as linhas da matriz (aumentada) que o representa. Na realidade, vamos exigir algo mais: nosso sistema (ou sua matriz) alm de escalonado, dever estar sob Um sistema
forma reduzida.
escalonado reduzido quando, alm de escalonado, os coecientes lderes so iguais a
um e os demais elementos da coluna correspondente ao lider so todos nulos. Como anteriormente, linhas nulas (se houver) ocorrem aps todas as linhas no nulas. Observemos que transformar um sistema (ou sua matriz) da forma escalonada para a forma reduzida no oferece grandes diculdades: basta dividir a equao pelo elemento lder, o que o far unitrio, e, por mltiplos convenientes dessa linha, anular os demais elementos da coluna do lder.
Exemplo 1.21
Exemplo 4 1 1 0 0 1 1 00 1 1 00 1 1 0 0 2L +L2 L2 +L (1/3)L2 L2 +L A = 2 1 3 3 1 0 3 3 3 3 0 3 3 3 0 1 1 1 1 L1 +L3 (1/4)L3 1 2 1 3 0 3 1 3 0 0 4 0 0 0 1 0 10 1 1 100 1 L3 +L2 0 1 1 1 0 1 0 1 . Segue a nica soluo X = (x, y, z) = (1, 1, 0). L3 +L1 00 1 0 001 0
(1) Retomando o
(2) Outra reduo escalonada (identique as operaes elementares!):
1 11 1 1010 1 1 0 1 A = 2 1 2 1 0 1 0 1 0 1 0 1 . 1 2 1 2 0 10 1 0000
(3) As possveis matrizes
Enm,
X = (x, y, z) = (z, 1, z) z R.
22
escalonadas reduzidas so das formas abaixo:
00 00
1.22
1a 00
, onde
a R;
01 00
10 01
Matrizes elementares
Uma matriz elementar uma matriz quadrada as linhas da matriz identidade
I,
isto ,
E obtida por meio de uma operao elementar e sobre E = e(I).

Por exemplo, so elementares as matrizes por 4 a segunda linha; a matriz
15
E1 , E2
E3
abaixo. A primeira obtida de
multiplicando
E2
obtida somando terceira linha de
a sua primeira linha
multiplicada por 5. Como foi obtida
1 0 0 1 0 0 0 0 1 E1 = 0 4 0 , E2 = 0 1 0 , E3 = 0 1 0 . 0 0 1 5 0 1 1 0 0
1.23 Propriedades das matrizes elementares
E ? 3
(a) Consideremos a matriz elementar aplicao da operao elementar Por exemplo, se
E = e(I). Seja e(A) e. Ento, e(A) = EA.
a matriz obtida de uma matriz
pela
a operao que permuta a segunda linha com a terceira, temos:
a1 b1 c1 1 0 0 a1 b1 c1 1 0 0 a1 b1 c1 E = e(I) = 0 0 1 , A = a2 b2 c2 , EA = 0 0 1 a2 b2 c2 = a3 b3 c3 = e(A). a2 b2 c2 a3 b3 c3 a3 b3 c3 0 1 0 0 1 0
(b) Toda matriz elementar inversvel.
e uma operao elementar, seja e1 a operao elementar que reverte e [cf. Prop. 1.2], isto , se E = e(I) e E1 = e1 (I), ento e1 (E) = e1 (e(I)) = I , isto , E1 E = I . De modo anlogo, E E1 = I .
De fato, se Por exemplo, fcil vericar as seguintes inversas de matrizes elementares:
1 1 1 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 0 0 1 = 0 0 1 ; 0 4 0 = 0 1 0 ; 0 1 0 = 0 1 0 . 4 0 0 1 0 1 0 5 0 1 0 1 0 5 0 1 0 0 1
1.24 Matrizes equivalentes por linhas
No mesmo contexto de
[1.3], diremos que duas matrizes de mesma ordem A e B (no necessariamente quadradas) so equivalentes por linhas, e notaremos A B , se a matriz B obtida de A por um
nmero nito de operaes elementares sobre as linhas de
A.
Observemos que a relao
uma relao de equivalncia, isto , valem as propriedades reexiva (A
A),
simtrica
A B (A B =
B A)
e transitiva (A
B , B C = A C ).
A B , ento existem matrizes elementares E1 , E2 , . . . , Et tais que Et Et1 . . . E2 E1 A = B . Pondo P = Et Et1 . . . E2 E1 I , vemos que B = P A. Alm disso, a mesma sequncia de operaes elementares que transforma A em B , tambm transforma I ei em P : [A | I] [B | P ]. Resumindo um pouco, destaquemos o seguinte resultado fundamental:
Tendo em conta a Propriedade 1.23(a), se
1.25
Sejam
Propriedade caracterstica da equivalncia por linhas
matrizes
m n; A B B = P A,
onde
um produto de matrizes
mm
elementares.
Exemplo 1.26
Consideremos a sequncia de escalonamento e reduo por linhas:
1 1 1 1 0 0 1 1 1 1 0 0 1 0 0 2 1 0 (A|I) = 1 2 2 0 1 0 0 1 1 1 1 0 0 1 1 1 1 0 = (B|P ). 2 3 3 0 0 1 0 1 1 2 0 1 0 0 0 1 1 1
Observemos que
A B, I P
B = P A.
16
Em seguida, podemos examinar uma aplicao especial em que um sistema homogneo possui soluo no trivial.
1.27
Seja
Aplicao
com
Amn ,
m < n.
Ento, o sistema homogneo
AX = 0
possui
soluo no trivial.
RX = 0.
Se
De fato, escalonando e reduzindo o sistema o nmero de linhas no nulas da matriz
AX = 0, obtemos o R, temos r m < n;
sistema equivalente logo, h
nr
variveis livres, que
fornecem alguma soluo igual a 1 (no nula) [rever a discusso do Resumo
1.7(2)].
Pratique um pouco
O resultado acima garante soluo incgnitas.
X = O
no caso considerado, ou seja, menos equaes do que
D um exemplo de uma matriz
22
e de uma matriz
32
cujos ncleos so triviais.
1.28
Seja
Corolrio
uma matriz quadrada
n n.
Temos:
A I
o sistema
AX = 0
possui apenas a soluo
trivial. Se
A I,
ento os sistemas
AX = 0
IX = 0
so equivalentes.
Reciprocamente, seja
R A
R. Como RX = 0 no admite soluo no trivial, vem r n; por outro lado, R possui n linhas, ou seja r = n. Ora, ento R possui elemento lider igual a 1 em cada uma de suas n linhas, isto R = I .
escalonada reduzida, com o nmero de linhas no nulas de
1.29
CLCULO DA MATRIZ INVERSA

Uma matriz
Teorema.
inversvel se, e somente se,
elementares que transforma Com efeito, vimos em
em
I,
tambm
A I . Nesse 1 . transforma I em A
caso, a sequncia de operaes
A B , ento B = P A, onde P um produto de matrizes elementares, portanto inversvel. Logo, se A I , ento I = P A, com P = Et . . . E2 E1 . Segue 1 I bem inversvel e A = E 1 E 1 . . . E 1 I . Enm, A1 = E . . . E E I , que A = P t 2 1 t 1 2 ei o que garante a ltima armao do teorema, isto , [A | I] [I | A1 ]. Reciprocamente, se A inversvel, ento AX = 0 s possui a soluo trivial. Segue, ento, do Corolrio 1.28, que A I .
que, se
[1.25]
1.30
Sejam
Corolrio
matrizes
m n.
Ento
A B B = P A,
onde
uma matriz
mm
inversvel.
Exemplo 1.31
Vericar se a matriz dada inversvel e achar, quando possvel, sua inversa, usando o mtodo de reduo-escalonada
[A | I] i [I | A1 ].
1 0 3 1 0 0 1 0 3 1 0 0 1 0 3 1 0 0 1 0 0 2 3 3 [A|I] = 0 1 4 0 1 0 0 1 4 0 1 0 0 1 4 0 1 0 0 1 0 4 5 4 1 1 2 0 0 1 0 1 5 1 0 1 0 0 1 1 1 1 0 0 1 1 1 1
Segue de 1.30 que
inversvel e
A1
No
exemplo 1.26, com o mesmo procedimento acima, vemos que a matriz A l considerada no
2 3 3 = 4 5 4 . 1 1 1
inversvel.

Use o mtodo de reduo-escalonada caso armativo, exibir sua inversa.
17
[A | I] i [I | A1 ]
para decidir se a matriz
inversvel; em
(1)
1 1 3 A = 0 2 4 ; 1 1 2
(2)
1 2 6 A = 0 1 5 . 2 3 7
Encerrando as propriedades das matrizes inversveis, veriquemos abaixo um resultado prometido.
1.33
Matrizes inversveis esquerda e direita
Uma matriz quadrada com inversa esquerda ou direita inversvel.
B uma matriz inversa esquerda da matriz A, ento BA = I , donde o sistema homogneo AX = 0 possui apenas a soluo trivial, pois B(AX) = B0 = (BA)X = 0 ou IX = 0 e X = 0. 1 e B 1 = A. Por outro lado, se C uma inversa direita de Segue que A inversvel, B = A A, ento AC = I , donde C possui uma inversa esquerda e, portanto, C inversvel. Enm, como A = C 1 , vem que A inversvel e A1 = C .
De fato, se
1.34
Sistemas de Cramer
Um sistema linear apenas uma
AX = Y um 1 Y . soluo X = A
sistema de Cramer se
inversvel. Portanto, esse sistema possui
Exemplo 1.35
No
exemplo 1.31, como a matriz A inversvel, ento AX = Y

1 Y = 1 , 3
temos
um sistema de Cramer.
Dado
2 3 3 1 8 X = A1 Y = 4 5 4 1 = 11 . 1 1 1 3 3
Outro mtodo poderia ser usado, o de realizar um escalonamento mais ampliado, e obtendo maior nmero de informaes relevantes
[A | Y | I] [I | X | A1 ]. 1 0 0 8 2 3 3 1 0 3 1 1 0 0 [A|Y |I] = 0 1 4 1 0 1 0 0 1 0 11 4 5 4 = [I|X|A1 ] 1 1 2 3 0 0 1 0 0 1 3 1 1 1
Pratique um pouco.
Verique a validade do escalonamento do exemplo anterior.
18
RESPOSTAS DAS ATIVIDADES PROPOSTAS 1.6 (1)

(i)
2x + 3y = 13 x y = 1 x y = 1 . x y = 1 2x + 3y = 13 5y = 15 Logo, y = 3, x = 2 e X = (2, 3). x + 3y = 1 x + 3y = 1 x + 3y = 1 (ii) 2x + y = 3 5y = 5 y= 1 x+ y= 0 2y = 1 y = 1/2

Sistema incompatvel.
x + 2y x + 2y x + 2y =4 =4 =4 (iii) y z=0 y z=0 yz=0 x + 2z = 4 2y + 2z = 0 0=0 Sistema indeterminado X = (4 2z, z, z), z R. 4x + y z = 1 (iv) 2x + 2y + z = 5 . Soluo nica: X = (1, 4, 1). Verique x y z = 4
com um escalonamento.
1.6 (2) Escalonando o sistema dado, obtemos:

x y= 1 3x 3y = xy=1 0=3
Assim, se
= 3,
ento o sistema impossvel. Se
= 3,
o sistema
possvel indeterminado, com solues
X = (x, y) = (1 + y, y), y R.
fornecem o sistema:
1.6 (3) As condies do problema, f (1) = 2, f (1) = 6 e f (2) = 3, a+ b+c=2 a + b + c = 2 a + b + c = 2 a b+c=6 2b = 4 2b = 4. 4a + 2b + c = 3 2b 3c = 5 3c = 9

Segue, ento:
c = 3, b = 2
a = 1,
donde o trinmio
f (x) = x2 2x + 3.
1.9
Exempliquemos com o prob.
4 1 1 1 L L3 A = 2 2 1 5 1 1 1 1 4 1 1 1 4 L L 3 0 2 1 0 4 4L2 +L3 0 0 3 3 (1, 4, 1).
1 2 4
1 1 4 1 2L1 +L2 2 1 5 0 4L1 +L3 1 1 1 0
1.6 ((1)iv).
1 1 4 1 L2 +L3 4 3 13 0 5 3 17 0
1 1 4 4 3 13 1 0 4
. Enm, obtemos: z = 1, y = 4 e x = 1, isto , soluo nica X =
1.12
(1) e (2): apenas a soluo trivial
(4) Para permutar, por exemplo, as
X = (0, 0); (3) X = (z, z, z) = z(1, 1, 1), z R. linhas L1 e L3 , podemos proceder como abaixo:
L1 L3
1.18
3 1 1 3 3
L L L3
L L L1
L1
L3 L1
(1) Temos, sucessivamente,
4 16 2 3 5 3 7 1 2 3 1 5 1 2A + E = ; AB = ; BC = ; EA = ; DB = 0 0 0 7 4 2 14 4 2 9 1 1 3 3 3 3
(2)Seja
X=
a c
b b+d b . Comparando as matrizes AX = XA, temos a = b + d e c = 0, donde X = . d 0 d
19
1 2 3 a 1 2 3 a 1 2 3 a (3) A = 3 1 2 b 0 7 7 b 3a 0 7 7 b 3a , 1 5 4 c 0 7 7 ca 0 0 0 2a b + c donde a condio 2a b + c = 0 de possibilidade. O vetor Y = (1, 1, 1) no verica essa condio; por outro lado, o vetor Y = (2, 1, 5) satisfaz mesma 0 1 0 1 equao, donde o escalonamento nal 0 1 1 1 e as solues X = (z, 1 + z, z), z R. 0 0
1.20
(1) Para
AP = P A =
vericar que uma dada matriz P a inversa de uma matriz A, basta testar a denio I . J para decidir se uma dada matriz inversvel, e exibir sua inversa, dispomos
Entretanto, nesse caso particular
do procedimento de Gauss-Jordan. convenientes. Por exemplo, se
2 2,
podemos usar sistemas
PA =
a b 1 1 c d 0 1
1 0 0 1
, ento
a = 1, a + b = 0, c = 0, AP = I .
Analogamente,
c + d = 1,
donde
P =
1 1 0 1 2 1 1 1
.
. Tambm, vericamos sem diculdade que
calculamos a inversa de
B = 2A I , temos B 2 = (2A I) (2A I) = 4A2 2A 2A + I = I pois A2 = A. 2 2 Se C = I A, temos C = (I A) (I A) = I A A + A I A = C e AC = A (I A) = A A2 = A A = 0; analogamente, CA = 0. 2 1 = B . Agora, se A = I , ento A no (b) Como B = B B = I , claro que B inversvel, com B 2 1 (A A) = A1 A = A = I , contrariando a hiptese. inversvel; do contrrio, seria A = A = A
(2) (a) Com (3) Seja
A=
a b c d
tal que
A2 = I .
a2 + bc = 1 ab + bd = 0 2 + bc ab + bd a b a b a 1 0 2 = = = segue que De A ca + dc = 0 c d c d ca + dc cb + d2 0 1 cb + d2 = 1 2 2 A segunda e terceira equaes mostram que, se a + d = 0, ento b = 0 e c = 0, donde a = 1 e d = 1, e a = d = 1 ou a = d = 1, isto , I e I vericam a condio exigida. Por outro lado, se a + d = 0, a b 2 ento todas as matrizes tais que a + bc = 1, tambm vericam a condio. Observe que c a
as matrizes
1 0 0 1
1 0 0 1
, anteriormente descartadas pela condio
a + d = 0,
na realidade,
tambm so solues, vericando o segundo formato das solues. (4) Basta observar que, por exemplo, se a primeira linha de
AB
nula, qualquer que seja a matriz
B,
ou seja
A nula, ento a primeira linha do produto AB nunca poder coincidir com a identidade I .
1.32
(1)
(2)
0 1/2 1 A inversvel e A1 = 2 5/2 2 ; 1 1 1 1 2 6 A no inversvel pois A 0 1 5 . 0 0 0
20
CAPTULO 2 ESPAOS VETORIAIS
(a) Conceituar a estrutura de espao vetorial; (b) Estudar suas propriedades operacionais; (c) Exemplicar a ocorrncia de espaos vetoriais; (d) Descrever os subespaos vetoriais e suas operaes booleanas; (e) Conceituar subespaos nitamente gerados; (f ) Aplicar os novos conceitos aos sistemas lineares.
INTRODUO
Os espaos vetoriais reais e complexos fornecem um primeiro exemplo de uma estutura matemtica bem acabada, cuja aplicabilidade a outros campos do conhecimento realimenta e integra cenrios multidisciplinares. Iniciando com muita determinao essa fantstica aventura, usaremos os espaos reais como um primeiro modelo.
2.1
PRIMEIRAS DEFINIES
Um espao vetorial real
V um conjunto no vazio, munido de uma lei de composio interna denominada soma + : V V V , (v, u) v + u, e de uma lei de composio externa denominada multiplicao escalar : R V V , (a, v) a v, vericando os seguintes axiomas: v ,u v
e e
(1) [Associatividade da soma] Quaisquer que sejam (2) [Comutatividade da soma] Quaisquer que sejam
em
V,
vale
(v + u) + w = v + (u + w); v+O = O+v = v

em para todo
u O
em
V,
vale
v + u = u + v;
(3) [Elemento neutro aditivo] Existe um nico elemento
em V tal que
em
V; v
em
(4) [Elemento oposto] Para todo
V,
existe um nico elemento
tal que
v + (v) =
(v) + v = O;
(5) [Associatividade] Quaisquer que sejam (6) [Distributividade] Quaisquer que sejam (7) [Distributividade] Quaisquer que sejam (8)
a a a
e e
b b
em em
R R
e
e e
v v
em em
V, V,
tem-se tem-se vale
(ab)v = a(bv); (a + b)v = av + bv ;
em
em
V,
a(v + u) = av + au;
1 v = v,
para todo
em
V.
Espaos vetoriais
Exemplo 2.2
(1) (2)
21
um espao vetorial real, pois a soma e o produto de nmeros reais vericam
2.1.
R2 = {(x, y); x R, y R},

com a soma
conjunto dos pares ordenados de nmeros reais, identicado aos
vetores do plano [veja o curso de Geometria Analtica], possui uma estrutura de espao vetorial sobre
R,
(3)
(x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 + y2 )
e a multiplicao escalar
a (x, y) = (ax, ay).
R3 = {(x, y, z); x R, y R, z R},
conjunto dos ternos ordenados de nmeros reais, identi-
cado as vetores do espao tridimensional [veja o curso de Geometria Analtica], possui uma estrutura de espao vetorial sobre multiplicao escalar
R, com a soma (x1 , y1 , z1 ) + (x2 , y2 , z2 ) = (x1 + x2 , y1 + y2 , z1 + z2 ) a (x, y, z) = (ax, ay, az).
e a
(4) O prximo exemplo uma generalizao natural dos exemplos anteriores. Consideremos o con-
Rn das n-uplas de nmeros reais, onde, por denio, colocaremos: (a1 , a2 , . . . , an ) + (b1 , b2 , . . . , bn ) = (a1 + b1 , a2 + b2 , . . . , an + bn ) a (a1 , a2 , . . . , an ) = (aa1 , aa2 , . . . , aan ).
junto (5) Generalizando ainda um pouco mais, temos o espao
Mmn (R)
das matrizes
operaes de soma de matrizes e multiplicao de um escalar por uma matriz (6) Fixado um conjunto
m n reais, com as [rever o 1.13 (a) (b)].
f : E R denidas em E um espao vetorial real com as operaes pontuais (f + g)(x) = f (x) + g(x), (af )(x) = af (x), para todo x de E , onde f e g so funes de E em R e a R. Observe que o vetor nulo desse espao a funo constante nula O : E R, em que O(x) = 0, para todo x de E . Na realidade, esse um
a coleo de todas as funes reais espao vetorial sucientemente amplo para conter toda sorte de exemplos especcos, variando com a escolha um domnio
E = ,
F(E, R)
conveniente, como o das funes contnuas ou derivveis.
(7) Na mesma ordem de idias, a coleo
R[X]
das funes polinomiais reais um espao vetorial Tambm, xado o inteiro mais o polinmio nulo.
com as mesmas operaes ponto a ponto consideradas acima. consideraremos o conjunto
n 0,
Rn [X]
dos polinmios reais de grau
n,
Pratique um pouco.
Rever as estruturas do Exemplo 2.2, pois sero fundamentais para nossa sequncia de trabalho. No exemplo (7) acima, os polinmios do espao os polinmios de grau
Rn [X]
possuem grau
n;
no seria mais simples xar
exatamente
igual a
? Explique porque isso no possvel.
2.3
Seja
PROPRIEDADES OPERACIONAIS
um espao vetorial sobre
R.
Valem as relaes:
(a) Para cada
em
V,
temos
Da unicidade do oposto, a de
(v) = v . igualdade v + (v) = 0

e
mostra que
o oposto de
v,
e que
o oposto
(v). v, u w
em
(b) Quaisquer que sejam adio). Basta somar
V,
se
v + u = v + w,
ento
u=w
(lei do cancelamento da
esquerda, em ambos os membros, e usar a associatividade da soma.
(c) Para todo Temos
a R, vale a O = O. aO = a(O + O) = aO + aO, donde v V,

vale
a concluso, por (b).
(d) Para todo
0v = O.
[Proceder como no caso anterior].
22
(e) Para todo
a R e todo v V , vale (a)v = a(v) = (av). Notando que av + (a)v = (a + (a))v = 0v = O , vemos que (a)v = (av). a(v) = (av).
(f ) Quaisquer que sejam Se
Analogamente,
a=
0, ento a1 (av)
a em R e v em V , se av = O, ento a = 0 = a1 O = (a1 a)v = O, ou v = O.
ou
v = O.
Seja
um espao vetorial sobre
R.
Verique as relaes.
(1) Para cada (2) Para todo (3) Dados
v V, aR u
em
vale
(1)v = v . v V, v
e vale
e todo
(a)(v) = av . wV
tal que
V,
mostre que existe um nico vetor
denominado diferena entre (4) Quaisquer que sejam
e indicado por em
v u;
portanto,
u + w = v . Esse v u = v + (u).
vetor
a e b em R, v e u a(v u) = av au; (a b)v = av bv . R3 ,

sejam
V,
valem as relaes:
(5) No espao vetorial
v = (1, 2, 1), u = (3, 1, 2)
w = (4, 1, 1).
Ache o vetor
tal que
3u + 2X = v + w.
2.5 SUBESPAOS VETORIAIS
H certos subconjuntos
de um espao vetorial
nos quais as operaes de
induzem uma
estrutura de espao vetorial real. Nesse caso, diremos que
W V
um subespao vetorial de
V.
Para que tal ocorra, bastante considerar o resultado abaixo. Suponhamos que (a)
O W; v a
e
(b) Quaisquer que sejam (c) Quaisquer que sejam Nessas condies,
em
W,
em
temos
v + u W [W av W [W
fechado em relao soma de
V ]; V ].
em
R, v
W,
vale
estvel pela mutiplicao escalar de
um espao vetorial real.
De fato, no lugar de vericar os oito axiomas da denio o que decorre diretamente de
2.3(e), com a escolha a = 1.
2.1, basta ver que v W
= v W ,
Exemplo 2.6
(1) Dado um espao vetorial triviais de (2) No
V , os subconjuntos {O} e V
so subespaos de
V , os chamados subespaos
V.
o plano
W = {(x, y, z); x y = 0} um subespao, que contem o eixo OZ pontos (0, 0, z) e a reta (x, x, 0). Veriquemos as trs condies da prop. 2.5. (a) O = (0, 0, 0) W , pois 0 0 = 0; (b) se v = (x, y, z) W , ento x y = 0, e se u = (a, b, c) W , ento a b = 0; logo, v + u = (x + a, y + b, z + c) W pois (x + a) (y + b) = (x y) + (a b) = 0 + 0 = 0; (c) se v = (x, y, z) W , ento v W , pois v = (x, y, z) = (x, y, z) verica x y = (x y) = 0 = 0.
(3) No espao das matrizes quadradas
R3 ,
t que A
= A,
um subespao de
V;
V = Mnn (R) o conjunto S das matrizes simtricas A, tais t conjunto A das matrizes anti-simtricas, tais que A = A,
um subespao de
V.
A vericao simples: basta usar as propriedades da transposio
1.18.
(4) A coleo das funes contnuas
f : [0, 1] R
um subespao do espao de todas as funes de
[0, 1]
em
R.
Espaos vetoriais
2.7 APLICAO AOS SISTEMAS LINEARES
23
(a) Solues de um sistema homogneo

Fixada a matriz
Amn , o conjunto N (A) dos vetores X Rn que so as solues do sistema homogneo AX = O um subespao do Rn (na realidade, o ncleo de A). De fato, como AO = O , vem O N (A); se X1 e X2 esto em N (A), ento A(X1 +X2 ) = AX1 +AX2 = O + O = O, donde X1 + X2 est em N (A); de modo anlogo, vemos que, se X N (A), ento aX N (A) para todo a real.
(b) Caso geral AX = Y

Dada
Amn ,
as eventuais solues do sistema
AX = Y ,
com
Y = O,
no
formam um subespao;
O no soluo. Entretanto, vale o seguinte resultado fundamental. m ; existe X Rn talque AX = Y } o conjunto dos segundos Seja I(A) = {Y R AX = Y que tornam esse sistema compatvel. Ento, I(A) um subespao do Rm .
basta ver que Com efeito, claro que
membros de
O I , pois A0 = O; se Y1 , Y2 I , temos: AX1 = Y1 e AX2 = Y2 , ento Y1 + Y2 = AX1 + AX2 = A(X1 + X2 ), donde (Y1 + Y2 ) I ; enm, se AX = Y , ento Y = A(X), para cada R. AX = Y
abaixo, onde j formamos a matriz aumen-
Por exemplo, para a compatibilidade do sistema tada, temos
1 0 3 y1 1 0 3 y1 [A|Y ] = 2 1 5 y2 0 1 1 y2 2y1 , 1 0 3 y3 0 0 0 y3 y1
Observemos, ainda, que esses possveis
donde
Y = (y1 , y2 , y3 ) I(A) y1 = y3 .
v1 = (1, 2, 1), v2 = (0, 1, 0)
Y correspondem exatamente ao subespao gerado pelos vetores v3 = (3, 5, 3). Voltaremos a essas consideraes no Captulo 3.
(1) Determine quais dos seguintes conjuntos de vetores (a) (c) (e)
X X X
tais que tais que tais que
x 0; x y = 2z ; x=0
ou
X = (x, y, z) so subespaos (b) X tais que x = 1;

(d) (f )
do
R3 .
X X
tais que tais que
xyz = 0; z = y2;
y = 0; V = M33 (R):
(b) (d)
(2) Identique os subespaos de (a) (c)
AV AV pV pV
e e
inversvel;
AV AV
e e
e e
no inversvel; se
A2 = 0; V = R2 [X]:
(b) (d)
Ai,j = 0
i j. x R;
(3) Identique os subespaos de (a) (c) e e
p(0) = 0; p(0) = 2;
pV pV
p(x) 0
para todo
p (0) = 2p(1); R2 .
(4) Refazer o problema (3) da Atividade (5) Mostre que os nicos subespaos de (6) Dada uma matriz qualquer (7) Sejam (8) O reais
1.18 do Captulo 1.
e
{O}.
Descreva os subespaos do
Bmn ,
mostre que a matriz
S = B tB AB
simtrica. simtrica
matrizes simtricas de mesma ordem; mostre que
AB = BA. V
das matrizes
trao de uma matriz quadrada a soma de seus elementos diagonais.

2 2,
No espao
verique que o conjunto das matrizes de trao nulo formam um subespao vetorial de
V.
24
2.9
Sejam (1)
OPERAES BOOLEANAS COM SUBESPAOS
subespaos do espao vetorial
V.
A interseo W U um subespao vetorial de V .
O W U , pois O W e O U . Se v W U , ento v W e v U ; se u W U , ento u W e u U ; asssim, com v e u em W , vem v + u W ; do mesmo modo, v + u U ; enm v + u W U . De modo anlogo, se a R e v W U , ento av W U .
De fato, (2) A unio
W U
no , em geral, um subespao de V .
Por exemplo, no
R2 , sejam W = {(x, y); x = 0} e U {(x, y); y = 0}; temos (0, 1) W W U e (1, 0) U W U , mas (0, 1) + (1, 0) = (1, 1) no pertence unio W U , pois (1, 1) no pertence 2 a W nem a U , isto , W U no fechado em relao soma de R .
Para contornar essa diculdade, consideraremos o conjunto de ser um subespao de
V,
apresenta as mesmas
W + U = {w + u; w W, u U } que, alm propriedades booleanas que a unio W U possui
relativamente aos conjuntos
U.
2.10 Soma de dois subespaos

Dados os subespaos (a) (b) (c) e
do espao
V,
seja
W + U = {w + u; w W, u U }
a soma de
U.
W +U
um subespao de e
V;
de
W +U W
W + U U; V
que contem
W + U o menor subespao T U , ento T W + U .
U,
isto , se
T V
um subespao,
T W
A vericao rotineira: (a) Temos
O = O + O W + U ; se w1 + u1 e w2 + u2 so vetores de W + U , ento (w1 + u1) + (w2 + u2 ) = (w1 + w2 ) + (u1 + u2 ) est em W + U ; enm, se a R, ento a(w + u) = (aw) + (au). Em (b), as somas w = w + O e u = O + u mostram que W W + U e U W + U . (c) Se W e U esto contidos em T , ento uma soma w + u de W + U possui as parcelas em T , donde W + U T .
2.11
Um caso particular fundamental ocorre na soma
que se trata de uma
soma direta,
e notaremos
W +U , quando W U = {O}, em que diremos W U . Mais precisamente, temos:

cada vetor
Sejam os subespaos decomposio Se
W e U do espao V ; T = W U t = w + u, com w W e u U .
t T
admite uma nica
t = w1 + u1 = w2 + u2 so duas decomposies, ento w1 w2 = u2 u1 mostra que w1 w2 W U = {O} donde w1 = w2 e, portanto, u1 = u2 . Reciprocamente, seja t W U ; temos t + O = O + t, donde t = O em virtude da unicidade desta decomposio.
Exemplo 2.12
(1) No
R3 , consideremos os subespaos W = {(x, y, 0); x, y R} e U = {(x, x, z); x, z R}. Temos R3 = W + U , pois todo vetor do R3 da forma (x, y, z) = (x, y, 0) + (0, 0, z), com (x, y, 0) W e (0, 0, z) U . A soma no direta, pois W U = {(x, x, 0); x R} a reta y = x e z = 0.
(2) Os subespaos uma vez que
W = {(x, 0, 0); x R} e U = {(0, y, z); y, z R} do R3 so tais que R3 = W + U , (x, y, z) = (x, 0, 0) + (0, y, z). Na realidade, R3 = W U , pois W U = (O). V = Mnn (R),
consideremos o subespao
(3) No espao das matrizes quadradas simtricas e o subespao
das matrizes anti-simtricas. Vamos nos convencer que
S das matrizes V = S A.
Espaos vetoriais
Partindo da relao
25
1 A = 2 (A + tA) + 1 (A tA), basta ver que a primeira parcela simtrica, e a 2 1 1t 1 t t 1 t tt t segunda, anti-simtrica. Ora, [ (A + A)] = 2 2 (A + A) = 2 (A + A) = 2 (A + A), isto , a primeira parcela bem simtrica. Verique que a segunda anti-simtrica. Assim, j temos V = S +A. Enm, S A = {O}, pois se t( A) = A = A, ento 2A = O, donde A = O. Em denitivo, V = S A.
Observao
Da vericao acima resulta, em particular, que toda matriz quadrada se escreve, de
modo nico, como a soma de uma matriz simtrica com uma matriz anti-simtrica. Na realidade, a pista dessa decomposio a expresso que usamos:
1 A = 1 (A + tA) + 2 (A tA). 2
Assim, por exemplo,
partindo de
2 A = 2 6
4 0 3
8 1 , 5
com
2 t A= 4 8
2 6 0 3 , 1 5
obtemos
2 A= 1 7
,
1 0 2
0 3 7 2 + 3 0 1 1 5
1 1 . 0
.
4) Seja
V = M22 (R), V = W + U, x 0 0 0
e os subespaos
W =
+
x y ; x, y, z R z 0 0 0 0 d
U =
x 0 ; x, y R 0 y W U
Temos
pois
a b a b = c d c 0
. A soma no direta, pois
formado
pelas matrizes
(1) Sejam
subespaos de um espao vetorial
V.
Mostre que a unio
W U
subespao de
se, e somente se,
W U
ou
U W.
onde
(2) Verique a soma direta (3) Sejam os subespaos do
R2 = W U , R3
W = {(x, 0); x R}
U = {(x, x); x R}.
T = {(x, y, z); x = z}
Verique que
W = {(x, y, z); x + y + z = 0}
e
U = {(x, y, z); x = y = 0}
T + W = R3 , T + U = R3 V = M33 (R)
W + U = R3 .
Em algum caso, a soma direta?
(4) No espao vetorial
considere os subespaos
W = {B V ; Bij = 0 , i j } ,
Mostre que
U = {C V ; Cij = 0 , i < j } .
V =W U.
2.14 ESPAO DAS COMBINAES LINEARES

Seja
V, consideremos o conjunto [S] = {a1 v1 +a2 v2 + +an vn } das combinaes lineares de v1 , v2 , . . . , vn . Na realidade, fcil ver [S] um subespao de V , denominado subespao gerado por S ,ou pelos vetores v1 , v2 , . . . , vn .
um espao vetorial real. Fixado um conjunto nito de vetores de
S = {v1 , v2 , . . . , vn }
Exemplo 2.15
(1) Fixado escalares (a) No
v = O em V , o subespao [v] = {av; a R} gerado por v o conjunto de v . Diremos que [v] reta vetorial gerada por v (ou de direo v ).
vemos que
dos mltiplos
R2 ,
[(1, 0)]
o eixo OX,
[(0, 1)]
o eixo OY,
[(1, 2)]
a reta
y = 2x.
(b) O subespao (c) No espao
[(1, 1, 1)] do R3 a reta x = y e y = z . M33 (R), o subespao gerado pela identidade [I] a 0 0 0 a 0. 0 0 a
formado pelas matrizes
escalares,
que so matrizes diagonais, em que os elementos diagonais so todos iguais entre si:
26
(2) No
R3 ,
se
v = (1, 0, 0)
u = (1, 1, 0),
um plano que tambm pode ser
[v, u] = {av + bu; a, b R} = {(a + b, b, 0); a, b R} representado pela condio [v, u] = {(x, y, 0); x, y R}.
ento
Para a mudana de variveis"apontada, ver o conhecido argumento de a+b=x b = y compatvel, para todo x, y R, desde que seja z = 0. 0=z (3) No problema anterior, vale a igualdade De fato, claro que
2.7(b):
o sistema
[v, u] = [v, u, w],
onde
w = (0, 1, 0).
w = u v,
temos
[v, u] [v, u, w], via av + bu = av + bu + 0w. Reciprocamente, observando que av + bu + cw = av + bu + c(u v) = (a c)v + (b + c)u, isto , [v, u, w] [v, u].
(4) O resultado abaixo fundamental e de vericao imediata. Dados
{v1 , v2 , . . . , vn } e {u1 , u2 , . . . , um }, suponhamos que cada v1 , . . . , vn combinao linear de [u1 , . . . , um ], e que cada u1 , . . . , um combinao linear de [v1 , . . . , vn ]. Ento, os respectivos subespaos gerados so iguais: [v1 , v2 , . . . , vn ] = [u1 , u2 , . . . , um ].
(1) No
R3 ,
mostre que o vetor
(1, 1, 0)
no pertence ao subespao
[(1, 0, 1), (0, 1, 1)].

e
3 (2) Consideremos no R os subespaos vetoriais

Determine um sistema de geradores dos (3) Dados os vetores Exemplo
W = [(1, 0, 0), (1, 1, 1)] subespaos W + U e W U . W = [X, Y ] 1 0 0 0

e
U = [0, 1, 0), (0, 0, 1)].

Use (4) do
X, Y
do
2.15
Rn ,
sejam os subespaos
U = [X + Y, X Y ]. 0 0 0 1 0 1 1 0
para vericar que
W = U.
gerado pelas matrizes , e .
(4) Identique o subespao de (5) Verique que
M22
[1, 1 + x, (1 + x)2 ] = R2 [X]. I(A)

de
(6) Identique o subespao
2.7(b) se A inversvel.
2.17 ESPAOS VETORIAIS FINITAMENTE GERADOS

Diremos que um espao vetorial geradores de
nitamente gerado se existe um conjunto
nito
S V
de
V,
isto ,
V = [S].
Nesse curso introdutrio somente consideraremos espaos vetoriais nitamente gerados.
Exemplo 2.18
(1) Os espaos De fato, temos
Rn
so nitamente gerados. e
e3 = (0, 0, 1);
R = [1], R2 = [(1, 0), (0, 1)], R3 = [e1 , e2 , e3 ], onde e1 = (1, 0, 0), e2 = (0, 1, 0) assim por diante. Os vetores e1 , e2 , e3 , . . . so os vetores unitrios cannicos. 1 0 0 1 0 0 0 0 , , , 0 0 0 0 1 0 0 1
.
(2) A construo se generaliza sem diculdade para o espao das matrizes. Por exemplo,M22 (R) nitamente gerado; um sistema gerador formado por
S =
uma vez que, para todo
a, b, c, d R, S22
vale
a b 1 0 0 1 0 0 0 0 =a +b +c +d c d 0 0 0 0 1 0 0 1
Analogamente, o subespao
das matrizes simtricas nitamente gerado, um conjunto-gerador
sendo dado pelas matrizes (simtricas)
1 0 0 0
0 0 0 1
, e
0 1 1 0
Espaos vetoriais
(3) O subespao
27
Rn [X] dos polinmios reais de grau n nitamente gerado pelo sistema de n + 1 2 n geradores [f0 , f1 , f2 , . . . , fn ], onde f0 (x) = 1, f1 (x) = x, f2 (x) = x , . . . , fn (x) = x , uma vez que, se f Rn [X], ento f (x) = a0 + a1 x + a2 x2 + . . . + an xn , isto , f = a0 f0 + a1 f1 + . . . + an fn .
2.19 LINHAS E COLUNAS DE UM PRODUTO DE MATRIZES
Dada uma matriz (real)
Amn ,
indicaremos suas linhas (vetores do
Ai = (ai1 , .. , ain ); . a1j . j onde A = . . . amj

Sejam
as colunas (vetores do
Rm )
sero notadas
Rn ) por A1 , A2 , . . . , Am . onde A1 , . . . , An (notao meio esquisita), A = (A1 , . . . , An )

(por colunas).
A1
. . .

(por linhas) e
Desse modo, temos:
A=
Am
e
Destaquemos os seguintes resultados fundamentais.

Amn , Bnp (AB)mp . Temos: A1 A1 A1 B . . . A = . , ento AB = . B = . , . . . Am Am Am B
(a) Escrevendo
isto , as linhas de
AB
so dadas por
(AB)i = Ai B = (ai1 . . . ain )B = ai1 B1 + + ain Bn

Em particular, (b) Pondo
as linhas de AB so combinaes lineares das linhas de B .

AB = 1 , . . . , B p ) = (AB 1 , . . . , AB p ), A(B b1j . (AB)j = AB j = A . = A1 b1j + + An bnj . . bnj
ento isto , as colunas de
B = (B 1 , . . . , B p ),
AB
so dadas por
Em particular,
as colunas de AB so combinaes lineares das colunas de A.
Exemplo 2.20
3 5 1 1 2 0 1 9 3 , B = 2 7 2 , AB = Sejam A = . Por exemplo, consideremos: 3 4 5 6 3 5 1 2 0 3 5 1 (AB)2 = A2 B = (3, 4, 5) 2 7 2 = (6, 3, 5) [aqui o produto usual, linha coluna] 1 2 0 (AB)2 = A2 B = 3B1 + (4)B2 + 5B3 = (9, 15, 3) + (8, 28, 8) + (5, 10, 0) = (6, 3, 5). 5 1 2 0 9 (AB)2 = AB 2 = [aqui o produto usual, linha coluna] 7 = 3 4 5 3 2 (AB)2 = AB 2 = A1 (5) + A2 (7) + A3 (2) =
Pratique um pouco
Usando o exemplo anterior como modelo, efetue vrios produtos de matrizes de diferentes ordens. Comprove os resultados de
5 15
14 28
0 10
9 3
2.19 e sua interpretao como combinaes lineares adequadas.
28
EXERCCIOS DE REVISO 2.21

(1) Sejam as matrizes (2) Dada a matriz A matriz (3) Seja
A32
B23 .
Mostre que
AB
no inversvel. soluo do sistema homogneo
A33 ,
suponhamos que
X = (1, 2, 3)
AX = O.
inversvel? Justique.
Amn e considere o sistema real AX = B , para o qual existem duas solues distintas X1 = X2 . X1
e
Mostre que o sistema possui uma innidade de solues reais. Sugesto. Considere a reta denida por
X2 .
(4) Uma indstria produz trs produtos, X, Y e Z, utilizando dois tipos de insumo, A e B. Para a manufatura de cada kg de X so utilizados 1 grama do insumo A e 2 gramas do insumo B; para cada kg de Y, 1 grama de insumo A e 1 grama do insumo B e, para cada kg de Z, 1 grama de A e 4 gramas de B. O preo de venda do kg de cada um dos produtos X, Y e Z R$ 2,00, R$ 3,00 e R$ 5,00, respectivamente. Com a venda de toda a produo de X, Y e Z, quando foram usados 1 kg do insumo A e 2 kg de B, essa indstria arrecadou R$ 2500,00. Determinar quantos kg de cada um dos produtos X, Y e Z foram vendidos. (5) Seja (6) Se
Rnn
uma matriz reduzida escalonada. Se
R = I,
ento
contem uma linha nula. inversvel.
uma matriz antisimtrica real, ento verique que
A=I B
Sugesto. Mostre que (7) Seja a matriz
AX = O = X = O.
Suponhamos que, para cada
Amn .
A = O.
Mais geralmente, nas mesmas condies, para
Xn1 , se AX = O, ento X = O. Mostre cada X , se AX = BX , ento A = B .
que
Espaos vetoriais
RESPOSTAS DAS ATIVIDADES PROPOSTAS
29
2.4
(1) Basta fazer
a=1
em 2.3(e).
(2) Usando 2.3(e),temos (3) Com efeito, se (4) Por exemplo,
(a)(v) = (a(v)) = ((av)) = av .

segue de 2.3(b) que
u + w = u + w1 = v ,
w = w1 .
Analogamente,
a(v u) = a(v + (u)) = av + a(u) = av + ((au)) = av au. (a b)v = av bv .

(5)
X = (2, 0, 4).
2.8
(1) Apenas (c) subespao. Dispomos de dois procedimentos: vericar as trs condies de observar, por exemplo, que a condio com
2.5,
ou
x y 2z = 0
pode ser representada pela equao
AX = 0,
A = (1 1 2).
Os vetores
so, ento, solues da equao
AX = O.
em (f ), a condio
A especicao (a) no estvel pela multiplicao escalar; (b) no contem o vetor nulo; (d) e (e) no fechados em relao soma: por exemplo, linear!
(1, 0, 0) + (0, 1, 1) = (1, 1, 1); 0 0 0 a21 0 0 . a31 a32 0
z = y2
no
(2) Apenas (d) subespao, formado pela matrizes
(a) no contem a matriz nula; (b) no fechado em relao soma:
1 0 0 1
1 0 01
O;
(c) no
fechado em relao soma:
01 00
00 10
01 10
; o quadrado dessa ltima matriz a identidade.
p(0) = 0 aplicada em p = a0 + a1 x + a2 x2 signica a0 = 0; em (d), a condio p (0) = 2p(1) aplicada em p = a0 + a1 x + a2 x2 signica a1 = 2(a0 + a1 + a2 ), ou 2a0 + a1 + 2a2 = 0; em ambos os casos resultam condies lineares.
(3) So subespaos (a) e (d); em (a) a condio A condio (b) no estvel pela multiplicao escalar; (c) no contem o polinmio nulo. (5) Seja
[O] = W R um subespao de R; xado 0 = a W ax W , donde x W , isto , R W , logo W = R.

(6) Observando que
e dado
x R,
temos
x = a1 (ax),
com
uma matriz quadrada
m m,
temos:
tS
= t (B t B) = t( t B) t B = B t B = S .
(7) Temos (8) Se
t( AB)
= AB tB tA = AB BA = AB .
e
x y a+x b+y , ento A + B = ; se tr(A) = a + d = 0 e tr(B) = z t c+z d+t x + t = 0, ento tr(A + B) = (a + x) + (d + t) = (a + d) + (x + t) = 0 + 0 = 0; analogamente, tr(A) = a + d = (a + d) = 0 = 0. Enm, claro que a matriz nula tem trao nulo. A = B =
a b c d
2.13
W U subespao de V , com W U e U W ; ento existe v U com v W , e existe u W com u U ; claro que v e u pertencem unio W U . Como W U um subespao de V , deve ser v + u W U , donde v + u W ou v + u U ; se fosse v + u = w W , ento seria v W pois u W , contradizendo a escolha de v , que no pertence a W ; analogamente, no pode ser v + u U . Assim, em qualquer caso, chegamos a uma contradio.
(1) Por absurdo, suponhamos que (2) Para estabelecer a soma
R2 = W + U , consideremos a decomposio (x, y) = a(1, 0) + b(1, 1), donde x = a + b e y = b, ou a = x y , isto , (x, y) = (x y)(1, 0) + y(1, 1). Tal soma direta pois, se a(1, 0) = b(1, 1), ento (a, 0) = (b, b), donde a = b = 0 e W U = [(0, 0)].
30
(3) Vale
T U = R3
(4) Basta observar
W U = R3 . A soma T + W no direta, poi T W = [(1, 2, 1)]. a11 a12 a13 0 a12 a13 a11 0 0 que a21 a22 a23 = 0 0 a23 + a21 a22 0 . a31 a32 a33 0 0 0 a31 a32 a33
e ento
2.16
(1) Se
a(1, 0, 1) + b(0, 1, 1) = (1, 1, 0), R3 , pois
a=b=1
a + b = 0,
condies que no so compativeis.
W +U = (x, y, z) = (x, 0, 0) + (0, y, z), (x, 0, 0) = x(1, 0, 0) W , e (0, y, z) = y(0, 1, 0) + z(0, 0, 1) U . Para escrever um sistema gerador da interseo, seja v W U , temos: v = a(1, 0, 0) + b(1, 1, 1) = c(0, 1, 0) + d(0, 0, 1), donde a + b = 0, b = c, b = d e v = b(1, 0, 0 + b(1, 1, 1) = b(0, 1, 1); logo, W U = [(0, 1, 1)].
(2) claro que (3) Como
X+Y
Reciprocamente,
X Y so combinaes lineares de X e Y , temos [X + Y, X Y ] [X, Y ]. 1 1 1 1 temos X = (X + Y ) + (X Y ) e Y = (X + Y ) (X Y ), donde [X, Y ] 2 2 2 2

e
[X + Y, X Y ].
(4) Temos (5) Pondo
10 00
00 01
+ c
01 10
ac c b
, ou seja, obtemos as matrizes simtricas
2 2.
f0 = 1, f1 = x e f2 = x2 , temos, por denio, R2 [X] = [f0 , f1 , f2 ]. Por outro lado, 1 = f0 , 1 + x = f0 + f1 , (1 + x)2 = 1 + 2x + x2 = f0 + 2f1 + f2 , donde [1, 1 + x, (1 + x)2 ] = [f0 , f1 , f2 ] = R2 [X].
(6) Se
inversvel, ento o sistema
dada por
X = A1 Y ;
assim,
AX = Y I(A) = Rm .
compatvel para todo
Y Rm ,
com soluo (nica)
2.21
(1) O sistema com
BX = O possui soluo no trivial, pois 2 < 3. X = O, o que impede a hiptese de AB ser inversvel. A
inversvel, ento
Desse modo, vale
A(BX) = (AB)X = O,
vem que
(2) Se
AX = O = X = O.
Como
X = O
AX = O,
no
inversvel. (3) Se
X = X1 + (1 )X2 , R, ento AX = A(X1 + (1 )X2 ) = (AX1 ) + (1 )(AX2 ) = Y + (1 )Y = Y . 1 1 1 1000 gramas de A usados 1 0 0 700 2 1 4 2000 gramas de B usados 0 1 0 200 2 3 5 2500 quantia arrecadada 0 0 1 100
(4) Organizando os dados na matriz abaixo, basta usar o escalonamento para o clculo da soluo:
Portanto, foram vendidos 700 kg do produto (5) Observar que o piv de uma linha linha de
X,
200 kg do produto
e 100 kg do produto
Z.
est sempre numa coluna
com
j i.
Portanto, ou a ltima
nula ou o piv da linha
so no nulas e o piv de cada (6) Se
n est na posio n, n. Mas, neste caso linha i est na coluna i, ou seja, R = I .
todas as linhas anteriores
AX = (I B)X = O, ento X = BX , donde tX X = tX BX . Formando a transposta t t t t t t t t t em ambos os membros, vem ( X BX) = ( X X), donde X B X = X X , ou X (B) X = X X e tX BX = tX X = tX BX . Assim, tX X = tX X , donde tX X = 0. Enm, com X = t [x1 , . . . , xn ], t 2 2 obtemos X X = x1 + + xn = 0, donde x1 = 0, . . . , xn = 0, isto , X = O . X = E1 , onde E1 tal que sua primeira coordenada vale 1 e as demais so nulas, ento AE1 = A1 a primeira coluna de A, que ser nula, por hiptese. Em seguida, escolha X = E2 , cuja segunda 2 coordenada 1 e as demais nulas; temos AE2 = A a segunda coluna de A, tambm igual a zero, por 3 4 hiptese. Assim, por diante, escolhendo E3 , E4 , . . . veremos que as colunas A , A , . . . so todas nulas. Logo, vem A = O . Enm, se para todo X , vale AX = BX , ento (A B)X = O , donde, como vimos, A B = O, ou A = B .
(7) Se
Base e Dimenso
31
CAPTULO 3 BASE E DIMENSO
(a) Estudar conjuntos nitos linearmente dependentes e independentes; (b) Conceituar base de um espao vetorial nitamente gerado; (c) Comparar critrios caractersticos de dimenso nita; (d) Calcular explicitamente a dimenso de subespaos vetoriais; (e) Denir matrizes de mudana de bases e suas propriedades; (f ) Descrever e comparar subespaos associados a matrizes e sistemas;
(g) Interpretar os novos conceitos como alternativas de resoluo de sistemas lineares.
INTRODUO
Fatos e propriedades da geometria de posio (colinearidade, coplanaridade, incidncia) so estudados pelos espaos vetoriais: num primeiro momento, so incorporados os conceitos intuitivos, pouco a pouco ampliados em toda sua generalidade.
3.1
Seja
DEPENDNCIA E INDEPENDNCIA LINEAR
um espao vetorial e consideremos um conjunto nito
S = {v1 , v2 , . . . , vn }
de vetores de
V.
(a) O conjunto
linearmente independente (LI), ou os vetores {v1 , v2 , . . . , vn } so linearmente independentes se a combinao linear nula a1 v1 + a2 v2 + + an vn = O s pode ocorrer com os coecientes escalares todos nulos a1 = a2 = . . . = an = 0.
(b) O conjunto
linearmente dependente
(LD), ou os vetores
dependentes
se existe alguma combinao linear nula
{v1 , v2 , . . . , vn } so linearmente a1 v1 + a2 v2 + + an vn = O com algum
coeciente escalar no nulo.
Exemplo 3.2
(1) O vetor nulo
O linearmente dependente, pois, por exemplo, 1 O = O. Na realidade, se S = {O, v2 , . . . , vn } um conjunto nito de vetores de V , ento S LD: 1 O + 0 v2 + + 0 vn = O.
(2) Todo vetor (3) Sejam
v=O
linearmente independente: se
aR v
e e
av = O, u
ento
a = O,
pois
v = O.
v, u V
vetores no nulos. Vamos vericar que
so LI se, e somente se, esses vetores
so no paralelos ou no colineares, ou seja quando nenhum deles mltiplo escalar do outro.
32
Supondo, por absurdo, que com, digamos, lado, se existe
u no sejam LI, ento existiria alguma combinao linear av + bu = O a = 0, donde v = (b/a)u seria mtiplo escalar de u, contra a hiptese. Por outro a R tal que v = au, ento v au = O mostra que v e u so LD, isto , vetores
e
paralelos so LD. (4) No caso de trs vetores
v, u
w,
o mesmo mtodo mostra que esses vetores so LI se no forem
coplanares e so LD quando forem coplanares. (5) A idia geomtrica da dependncia linear signicando algum vetor dependendo linearmente (sendo combinao linear) dos demais reforada pelo seguinte resultado. Se os vetores
{v1 , v2 , . . . , vn } a1 = 0,
so LD, ento um desses vetores combinao linear dos demais. De
fato, existem escalares no todos nulos por exemplo, vem da ltima
a1 , a2 , . . . , an tais que a1 v1 + a2 v2 + + an vn = O. relao que v1 = (a2 /a1 )v2 + (an /a1 )vn .
Supondo,
Exemplo 3.3
(1) Os vetores unitrios cannicos
e1 = (1, 0, 0), e2 = (0, 1, 0) ae1 + be2 + ce3 = (a, b, c) = (0, 0, 0), ento a = b = c = 0. M22 (R), R3 , 1 0 0 0 0 1 0 0
e3 = (0, 0, 1)
so LI no
R3 ,
pois se
Em outros espaos vetoriais, conjuntos de vetores com lei de formao semelhante, permanecem LI, como em onde as matrizes cannicas , ,
0 0 0 0 , 1 0 0 1
so LI.
(2) Vericar, no (a)
quais dos conjuntos de vetores abaixo so LI.
{(1, 2, 3), (1, 4, 9), (1, 8, 27)}
Devemos vericar as possveis solues do sistema homogneo assim formado
x(1, 2, 3) + y(1, 4, 9) + z(1, 8, 27) = (0, 0, 0), (x, 2x, 3x) + (y, 4y, 9y) + (z, 8z, 27z) = (0, 0, 0), (x + y + z, 2x + 4y + 8z, 3x + 9y + 27z) = (0, 0, 0),
x + y + z =0 1 2x + 4y + 8z = 0 ; A = 2 3x + 9y + 27z = 0 3
O escalonamento nos d so LI. (b)
1 4 9
1 1 8 0 27 0
1 2 6
1 1 6 0 24 0
1 1 1
1 1 3 0 4 0
0 1 0
2 1 3 0 1 0
0 1 0
0 0 . 1
x = 0, y = 0 e z = 0 (apenas a soluo trivial),
o que signica que os vetores
{(1, 1, 0), (1, 4, 5), (3, 6, 5)}
Procedendo como anteriormente:
x(1, 1, 0) + y(1, 4, 5) + z(3, 6, 5) = (0, 0, 0), (x, x, 0) + (y, 4y, 5y) + (3z, 6z, 5z) = (0, 0, 0), (x + y + 3z, x + y + x + 4y + 5y + x + 4y + 6z, 5y + 5z) = (0, 0, 0), 3z = 0 1 1 3 1 1 3 1 1 3 1 0 2 6z = 0 ; A = 1 4 6 0 3 3 0 1 1 0 1 1 5z = 0 0 5 5 0 5 5 0 0 0 0 0 0
X = O; na realidade, h uma innidade de solues X = z(2, 1, 1), z R, cujo subespao a reta [(2, 1, 1)]. Tambm vemos uma combinao linear nula e no trivial: 2v1 v2 + v3 = O .
Assim, o escalonamento mostra que existe soluo
Observao.
No exemplo anterior, os vetores considerados foram colocados
na coluna
da matriz
dos coecientes
A.
Esse fato ainda vai render muitos outros frutos!
Base e Dimenso
33
R2 [X], os vetores {1, x, x2 } so LI, pois se a0 + a1 x + a2 x2 = 0 (polinmio identicamente nulo), ento a0 = a1 = a2 = 0. O mesmo argumento mostra que os vetores {1, x, x2 , (1 + x)2 } so LD: a + bx + cx2 + d(1 + x)2 = 0 a + bx + cx2 + d(1 + 2x + x2 ) = 0 a + d + (b + 2d)x + (c + d)x2 = 0 a + d = 0, b + 2d = 0, c + d = 0, donde as solues (a, b, c, d) = (d, 2d, d, d), d R; em particular, com d = 1, temos a = 1, b = 2 e c = 1, e a 2 2 combinao linear nula e no trivial 1 + 2x + x (1 + x) = 0.
(3) No espao das funes polinomiais
(1) Verique, no (a)
R3 , quais dos {(1, 0, 0), (1, 1, 0), (1, 1, 1)} V,
conjuntos de vetores abaixo so LI. (b)
{(1, 1, 3), (1, 3, 1), (0, 1, 1)}
(c)
{(1, 2, 3), (4, 5, 6), (0, 0, 0)}

tambm LI.
(2) Num espao
se o conjunto
{v, u, w}
LI, ento o conjunto
{v + u, v + w, u + w}
LD?
(3) Para que valores de
o conjunto de vetores
{(3, 1, 0), (2 + 2, 2, 0)}

,
(4) Mostre que so LI as matrizes (5) Mostre que so LD os vetores
2 2:
1 1 0 0
1 0 1 0
0 0 0 1
em
{2x, x2 + 1, x + 1, x2 1}
R3 [X].
um espao vetorial nitamente ge-
3.5
BASE DE UM ESPAO VETORIAL
Seja
rado. Uma base de (a) (b)
um subconjunto nito
BV
vericando as condies:
B B
gera
V,
isto ,
V = [B];
linearmente independente.
Exemplo 3.6
e1 = (1, 0) e e2 = (0, 1) formam uma base do R2 ; os vetores e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1) formam uma base do R3 ; os vetores e1 = (1, 0, 0, 0), e2 = (0, 1, 0, 0), e3 = (0, 0, 1, 0) e e4 = (0, 0, 0, 1) formam uma base do R4 e assim por diante.
(1) Os vetores (2) Os
n+1
polinmios
1, x, x2 , . . . , xn 0 1 0 0 0 0 1 0
formam uma base de
Rn [X]. 2 2.
(3) As matrizes
1 0 0 0
0 0 0 1
formam uma base do espao das matrizes
Observao . As bases dos exemplos (1), (2) e (3) so as chamadas bases cannicas (naturais) dos
respectivos espaos.
(4) Seja
W R3
o subespao gerado pelos vetores
v1 = (1, 0, 1), v2 = (0, 1, 1)
v3 = (1, 1, 2).
Esses
W ? Ora, para tal, deve ser LI o conjunto-gerador considerado. Temos: 1 0 1 1 0 1 A = 0 1 1 0 1 1, donde os vetores so LD. Do escalonamento, seguem as solues 1 1 2 0 0 0 X = (z, z, z), z R. Escolhendo z = 1, vemos que v3 = v1 + v2 . Descartando v3 , camos com W = [v1 , v2 ]. Como esses dois vetores so LI (no colineares), segue que {v1 , v1 } uma base de W .
vetores formam uma base de
Observao. O exemplo ilustra um fato geral: num dado espao, uma base seleciona o menor
nmero de geradores, ou o maior nmero de vetores LI, como passaremos a caracterizar.
3.7
Proposio. Seja
V = [v1 , v2 , . . . , vn ] n
gerado por
vetores. Ento:
(a) Todo conjunto que tenha mais de (b) Todo conjunto LI de vetores em
vetores em
LD.
contm no mximo
elementos.
34
Como (b) uma reformulao de (a), veriquemos essa primeira parte: se
m > n,
ento os vetores
w1 , w2 , . . . , wm so LD. Decompondo esses vetores nas direes v1 , v2 , . . . , vn , obtemos w1 = a11 v1 + + an1 vn ,. . ., wm = a1m v1 + + anm vn . Para m escalares quaisquer temos: x1 w1 + + xm wm = x1 (a11 v1 + + an1 vn ) + + xm (a1m v1 + + anm ) x1 w1 + + xm wm = (a11 x1 + + a1m xm )v1 + + (an1 x1 + + anm xm )vn . (*) Como n < m, existe X = O tal que AX = O ; enm, (*) mostra que, para esse vetor X , dependncia linear x1 w1 + + xm wm = O .
3.8 Teorema da invarincia . Se um espao vetorial
vale a
possui uma base
B = {v1 , . . . , vn } com
elementos, ento qualquer outra base de De fato, se
contm tambm
elementos.
B1 = {u1 , . . . , um }
outra base de
gera
B1
LI. Trocando papis, como
B1
gera
V , segue V e B LI,
da proposio 3.7 que vemos que
m n, pois B n m. Assim, m = n. V
um espao vetorial
3.9
ESPAOS VETORIAIS DE DIMENSO FINITA
Seja
nitamente gerado. Diremos que nito de elementos.
dimenso nita quando admite uma base com um nmero Esse nmero, o mesmo para todas as bases de V a dimenso de V , indicado
V
tem colocaremos, por extenso, dim
dimV .
Se
V = {O},
V = 0.
Tendo em conta os exemplos que estudamos anteriormente (ver extensa coleo de bases em espaos de dimenso nita. (1) Temos dim
2.17, 2.18
3.3),
j temos uma
R = 1;
dim
R2 = 2;
dim
R3 = 3,
dim
R4 = 4.
Generalizando um pouco, dim
Rn = n.
(2) No espao das matrizes, temos dim (3) Para as funes polinomiais de
Mmn (R) = mn. grau n, temos dim Rn [X] = n + 1.

Fixada uma matriz real
3.10
seja
DIMENSO DO NCLEO DE UMA MATRIZ
N (A)
Rn o subespao-ncleo formado pelas solues do sistema homogneo A,

seja
solues so determinadas pelo mtodo de Gauss-Jordan, como vimos no captulo matriz reduzida escalonada, equivalente por linhas matriz de
Amn , AX = O. Tais 1. Se R uma
o nmero de linhas no nulas
R,
cada qual com seu elemento piv (= H
1),
e as correspondentes
variveis lderes (ou bsicas).
Caso (a). Caso (b).

trivial.
nr 1
variveis livres; uma base de
N (A)
obtida a partir dessas
nr
variveis,
atribuindo o valor 1 a cada uma e o valor 0 s demais, isto , dimN (A)
r = n,
isto , no h varivel livre. Nesse caso,
= n r. N (A) = {O} consiste r
apenas da soluo
Simplicando a notao, suponhamos que os pivs ocorrem nas primeiras abaixo, onde
colunas, como indicamos
1 0 . . . R = 0 0 . . . 0
x1 , . . . , xr so as variveis 0 0 b1 r+1 b1n 1 0 b2 r+1 b2n . . . . . . . . . . . . 0 1 br r+1 brn . 0 0 0 0 . . . . . . . . . . . . 0 0 0 0
lderes e
Segue
xr+1 , . . . , xn as variveis livres: b1 r+1 x1 b1n . . . . . . . . . br r+1 xr + + xn brn = xr+1 que 0 1 x r+1 . . . . . . . . . 1 0 xn = xr+1 X1 + + xn Xnr
Observemos que os soluo. Assim
nr vetores que descrevem as solues so LI e, por construo, geram o conjuntoX1 , X2 , . . . , Xnr formam uma base do conjunto-soluo e temos bem dimN (A) =
n r.
Base e Dimenso
Exemplo 3.10
1.
35
A =
1 2 1 2 R = 2 4 0 0 y ).
Da equao
Temos
r = 1
vem
(uma varivel lider,
x)
nr = 21 = 1
(uma
varivel livre,
x + 2y = 0,
x = 2y ,
isto ,
X=
x 2y 2 = =y y y 1
. Assim,
dim N (A)
= 1.
Alternativamente, para exibir o vetor
X1 =
2 1
, podemos escolher a varivel livre
y = 1 e calcular o valor correspondente de x, usando a matriz reduzida R; vem x + 2 = 0, donde x = 2; assim (x, y) = (2, 1) forma a base do espao das solues N (A). 1 2 1 0 2. A = 3 4 R = 0 1. Aqui, r = 2 e n = r = 2, isto , no h varivel livre. Ocorre s a 2 3
soluo trivial 3.
0 0 (0, 0).
A = 1 2 3 ou x + 2y + 3z = 0. Escolhendo x como lider, as variveis y e z so livres. Temos X = (x, y, z) = (2y 3z, y, z) = y(2, 1, 0) + z(3, 0, 1), y, z R. Pondo X1 = (2, 1, 0) e X2 = (3, 0, 5), segue que {X1 , X2 } base de N (A), com dim N (A) = 2. Alternativamente, com y = 1 e z = 0 em x + 2y + 3z = 0, vem x = 2, donde o vetor X1 = (2, 1, 0); do mesmo modo, z = 1 e y = 0 fornecem x = 3 e o vetor X2 = (3, 0, 1). A = (a1 , . . . , an ) = O, o subespao H dos X Rn tais que A X = a1 x1 + a2 x2 + + an xn = 0 possui dimenso n 1. De fato, supondo, por exemplo, a1 = 0, temos x1 = (a2 /a1 )x2 + + (an /a1 )xn = b2 x2 + + bn xn , isto , X = (x1 , x2 , . . . , xn ) = x2 X1 + + xn Xn1 , onde os vetores X1 = (b2 , 1, 0, . . . , 0), . . . , Xn1 = (bn , 0, 0, . . . , 1) so LI e n geram H . O subespao H denominado hiperplano do R . 1 1 1 1 0 0 5. A = 1 2 1 R = 0 1 0. Nesse caso, h trs pivs (r = 3), logo no h variveis livres
4. Generalizao do exemplo anterior. Fixado
1 1 2
(n
0 0 1 X = O.
Observe, como conrmao, que
= 3).
O sistema possui apenas a soluo trivial
inversvel.
1 2 0 3 1 2 0 3 6. A = 1 2 1 1 R = 0 0 1 5. Temos r = 2, com x e z lderes, e 4 2 = 2 variveis 2 4 1 1 0 0 0 0 livres, y e w . Com y = 1 e w = 0, vem de R que x = 2 e z = 0, ou X1 = (2, 1, 0, 0); j fazendo w = 1 e y = 0, vem x = 3 e z = 5, ou X2 = (3, 0, 5, 1). Desse modo, dimN (A) = 2; uma base desse espao {X1 , X2 }.
Observao.
1 n,
No exerccio acima, por comodidade, representamos o vetor
como uma matriz-linha
no lugar da notao ocial vetor-coluna
n 1.
Esse abuso de notao no grave, desde que
saibamos exatamente qual o procedimento que est envolvido! Ainda como aplicao da Proposio
3.7, valem os resultados abaixo.

n =dimV .
Ento:
3.11
Proposio. Seja
um espao vetorial de dimenso nita, com
(a) Todo subconjunto de
que contm mais de
vetores linearmente dependente;
(b) Nenhum subconjunto de
contendo menos de
vetores pode gerar
V. W V
passaremos
Para facilitar a determinao de bases de a estudar vrios resultados auxiliares.
ou da dimenso de subespaos
36
3.12
(a) Se (b) Se
Lema. Seja
SV
linearmente independente. Consideremos um vetor LI;
v V.
v [S], / S {v}
ento
S {v}
LD, ento Se
v [S].
Basta vericar (a).
S = {v1 , . . . , vn } e x1 v1 + + xn vn + xv = 0, ento deve ser x = 0, do contrrio seria v = (x1 /x)v1 (xn /x)vn um vetor de [S]. Logo, vale a combinao linear x1 v1 + + xn vn = 0, donde x1 = . . . = xn = 0, pois S LI. Assim, S {v} LI.
Proposio. Seja
3.13
(a) Se (b) Se
de dimenso nita e
n, V; V.
SV
um subconjunto com
n = dim V
vetores.
LI, ento
V = [S] S
S S
uma base de uma base de
V = [S],
ento
LI e
De fato, em (a), se algum vetor
vV
no fosse combinao linear de
S,
Lema 3.12. contrariando a proposio 3.11 (a). Quanto ao item (b), se
S {v} seria LI pelo S gera V e no LI, vimos

ento
em 3.2(5) que um de seus vetores combinao linear dos demais, o que nos daria um conjunto de geradores com
n1
vetores, contrariando a proposio 3.11(b).
Exemplo 3.14
Sabemos que
V = R2 V,
como
tem dimenso 2; logo, qualquer par de vetores LI (no
paralelos) formam uma base de
{(1, 1), (1, 1)}.
No
R3 ,
de dimenso 3, os vetores LI
{(1, 0, 0), (1, 1, 0), (1, 1, 1)}

3.15
formam uma base.
Teorema [Existncia de base].
Todo espao vetorial nitamente gerado possui uma base.
V = [O] e S um conjunto nito de geradores de V . Como h vetores no nulos em S , podemos escolher B S um subconjunto LI com o nmero mximo possvel de elementos, cuja cota superior dada pela proposio 3.7. Armamos que B uma base de V , ou seja, que V = [B]. Inicialmente, temos S [B], pois se existisse algum vetor v S que no fosse combinao linear de B ento, pelo Lema 3.8, o conjunto B {v} S seria LI, o que contraria a escolha maximal de B . Enm, de S [B], vem V = [S] [B], donde V = [B].
Seja
3.16 3.17
LI
Corolrio Se
tem dimenso nita, ento todo conjunto-gerador
de
contm uma base.
Proposio [Do completamento]. Se

de
tem dimenso nita, ento todo subconjunto
{v1 , . . . , vm }
est contido em uma base. um conjunto LI maximal contendo os vetores dados, com cota
Seja
B = {v1 , . . . , vm , vm+1 , . . . , vp } B {v}
superior dada pela proposio 3.7. Armamos que seria
[B] = V ;
do contrrio, se
vV
v [B], /
ento
LI (ver o Lema 3.8), contra a escolha maximal de
B.
3.18
Seja (a)
Dimenso de um subespao
um espao vetorial de dimenso nta possui dimenso nita e dim W
V W
e seja
W V
um subespao.
n; W = {O}, [B] = W , do
(b) Se dim W
= n,
ento
W =V.
(a) Supondo
A demonstrao usa o mesmo argumento j desenvolvido anteriormente. construimos um subconjunto
B = {w1 , . . . , wm } de W que LI e maximal. Segue que contrrio, se w W e w [B], ento B {w} W seria LI, pelo Lema 3.12, contrariando a escolha / maximal de B . Assim B uma base de W e W tem dim nita m. claro que m n, dada a limitao da proposio 3.7. (b) Se dim W = dim V = n, ento toda base de W um subconjunto LI com n elementos em V , logo gera V pela proposio 3.13. Assim, W = V .
Base e Dimenso
37
Observao. Comparando as proposies 3.18 e 3.15, vemos que, na realidade, vericamos um resultado mais completo, a saber, que
nitamente gerado.
3.19
Seja
todo subespao de um espao nitamente gerado tambm
Dimenso da soma de dois subespaos

um espao vetorial de dimenso nita. Se
W e U so subesepaos de V , dim (W + U ) = dim W + dim U dim (W U )
ento
A vericao requer uma certa dose de pacincia com ndices ... uma base de
Sejam, ento,
B1 = {v1 , . . . , vk }
W U , B2 = {v1 , . . . , vk , w1 , . . . , wp } uma base de W obtida por completamento de B1 e B3 = {v1 , . . . , vk , u1 , . . . , uq } uma base de U obtida por completamento de B1 . Mostraremos que B = {v1 , . . . , vk , w1 , . . . , wp , u1 , . . . , uq } base de W + U , onde dim W U = k , dim W = k + p, dim U = k + q e dim(W + U ) = k + p + q . Se v = w + u W + U , ento, vem, sucessivamente: w = a1 v1 + + ak vk + b1 w1 + + bp wp , u = c1 v1 + + ck vk + d1 u1 + + dq uq , v = (a1 + c1 )v1 + + (ak + ck )vk + b1 w1 + + bp wp + d1 u1 + + dq uq ,
Supondo donde vem
[B] = W + U .
1 v1 + + k vk + b1 w1 + + bp wp + d1 u1 + + dq uq = 0 (),
donde
1 v1 + + k vk + b1 w1 + + bp wp = (d1 u1 + + dq uq ) W U
Logo, Como
(d1 u1 + + dq uq ) = f1 v1 + + fk vk , B3
LI, segue que
f1 v1 + + fk vk + d1 u1 + + dq uq = 0.
em (*),
nalmente, completam
f1 = = fk = d1 = = dq = 0. Os escalares d1 , . . . , dq levados 1 = = k = w1 = = wp = 0, pois B2 LI. Assim, B LI.

dim
3.20
Corolrio.
(W U ) = dim W + dim U
Exemplo 3.21
(1) Vamos indicar uma base e a dimenso dos seguintes subespaos do (a)
R3 :
com
W : vetores cujas coordenadas so todas iguais. Um vetor tpico de W da forma (a, a, a), a R; como (a, a, a) = a(1, 1, 1), vemos que B = {(1, 1, 1)} uma base de W e dim W = 1.
(b)
U : vetores cuja soma das coordenadas nula. Um vetor genrico v de U v = (a, b, c), onde a + b + c = 0, donde a = b c, logo v = (b c, b, c) = b(1, 1, 0) + c(1, 0, 1). Assim, B = {(1, 1, 0), (1, 0, 1)} uma base de U e dim U = 2.
(2) Para indicar uma base
do hiperplano
proceder como no exemplo anterior: pondo
H denido por x + 2y 3z t = 0 do R4 , podemos X = (x, y, z, t) = (2y + 3z + t, y, z, t) = y(2, 1, 0, 0) +
z(3, 0, 1, 0) + t(1, 0, 0, 1). Como as particulares solues so automaticamente LI, segue uma base B = {(2, 1, 0, 0), (3, 0, 1, 0), (1, 0, 0, 1)} de H e dim H = 3. 4 Podemos completar a base B a uma base do R : basta escolher qualquer vetor v H , isto , que / no satisfaz condio linear que dene H , por exemplo, v = (0, 0, 0, 1); desse modo os vetores (2, 1, 0, 0), (3, 0, 1, 0), (1, 0, 0, 1), (0, 0, 0, 1) so LI, logo formam uma base do R4 . O completamento,
como claro, no nada nico. (3) Sejam os subespaos do
R4 , W = {(a, b, c, d); a + c + d = 0} e U = {(a, b, c, d); a + b = 0 e c = 2d}. Para calcular as dimenses de W e U , podemos usar nossa experincia com hiperplanos: dim W = 3 4 e dim U = 2. Em particular, vemos que W + U = R . Logo, dim (W U ) = 1. Para explicitar algum vetor-gerador da interseo, iremos resolver o sistema homogneo formado pelas equaes de W e U : 1 0 1 1 1 0 0 3 0 0 1 0 3 . Como a = 3d, b = 3d, c = 2d, temos W U = [(3, 3, 2, 1)]. 1 1 0 0 0 1 2 0 0 1 2
38
(1) Sejam Mostre (2) No
w1 , w2 e w3 vetores LI; que v1 , v2 e v3 so LD.

seja
considere os vetores
v1 = w2 w3 , v2 = w1 w3
v 3 = w1 w2 .
R3 ,
(a) Indique
W = [(1, 2, 3), (0, 0, 4)]. uma base B de W e sua dimenso. B

3 a uma base do R ;
Qual a interpretao geomtrica de
W?
(b) Determine alguma equao linear que caracterize (c) Extenda a base
W;
(d) Indique algum subespao
tal que
W U = R3 . p
de
(3) Indique uma base do subespao dos polinmios (4) No espao das matrizes
R3 [x]
tais que
p(1) = 0.
3 3,
indique as dimenses dos subespaos das matrizes:
(a) escalares; (b) diagonais; (c) simtricas; (d) antisimtricas (e) superiormente triangulares. Generalize seus resultados para o espao das matrizes
n n.
3.23 SUBESPAOS ASSOCIADOS A MATRIZES

Nesse pargrafo estudaremos mais algumas aplicaes do mtodo de Gauss, agora na caracterizao da dimenso de subespaos associados a matrizes (e sistemas lineares!).
Operaes elementares sobre vetores-geradores de um subespao

Se
[v1 , . . . , vm ] V
um subespao nitamente gerado, podemos realizar sobre os geradores o mesmo
elenco de operaes elementares que j aplicamos s linhas (ou equaes) de uma matriz. Obteremos um novo conjunto de geradores,
[w1 , . . . , wm ],
que so
combinaes lineares dos geradores iniciais.

reversveis, isto , partindo de
Ora, vamos relembrar, do Captulo 1, que as operaes elementares so
[w1 , . . . , wm ], podemos recuperar [v1 , . . . , vm ].

os dois conjuntos, temos
Desse modo, preservando as combinaes lineares entre
a igualdade dos respectivos subespaos
[v1 , . . . , vm ] = [w1 , . . . , wm ].
Na realidade, nosso objetivo essencialment o mesmo que usamos nos sistemas, a saber, obter uma congurao escalonada, mais simples, para melhor descrever o subespao em questo.
Por exemplo, no R3 , seja W

Formando a matriz
= [v1 , v2 , v3 ],
com
v1 = (1, 0, 3), v2 = (2, 1, 5)

escalonamos
v3 = (3, 1, 8). R:
A,
cujas linhas so
1 0 3 1 0 3 A = 3 1 8 R = 0 1 1 . As linhas da matriz escalonada R e as linhas da matriz A 1 1 2 0 0 0 geram o mesmo subespao W , mas as linhas no-nulas de R so LI, pois R escalonada! Em outras palavras, achamos uma base de W , donde sua dimenso dim W = 2.
Associados a cada matriz (1)
v1 , v2 , v3 ,
para obter a matriz
Amn ,
h trs notveis subespaos, a saber: gerado pelas
Subespao-linha o subespao L(A) Rn
linhas de
A,
cuja dimenso
L (A)
chamada de posto-linha de (2)
A: L (A) = dim L(A). A: C (A) = dim L(A). AX = O.(Faa

uma releitura do
Subespao-coluna o subespao C(A) Rm gerado pelas n colunas de A; sua dimenso C (A) Subespao-ncleo
Esse nosso velho conhecido! Trata-se do subespao
chamada de posto-coluna de (3)
pelas solues do sistema homogneo
nulidade de A.
3.10).
N (A) Rn
formado
Sua dimenso a
O escalonamento-linha de Gauss-Jordan a pea chave para estudar os subespaos mencionados, inclusive o caso do subespao-coluna (?!). Tais aplicaes so frutos dos trabalhos de Gauss.
Base e Dimenso
3.24 Proposio. Seja
39
Amn
uma matriz equivalente por linhas a uma matriz
escalonada
(reduzida), e seja
o nmero de linhas pivs (no nulas) de
R.
Ento:
(i) Os subespaos-linha (ii) No
L(A)
L(R) R
e
so iguais;
Rn ,
as
linhas pivs de
so LI. Em particular,
L (A) = L (R) = r. = dim N (R) = n r.
(iii) Os subespaos-ncleo
N (A)
N (R)
so iguais e dim N (A)
A vericao dessas propriedades no difcil: (i) decorre do que apresentamos no pargrafo introdutrio, isto ,
vam as combinaes lineares das linhas, logo dos subespaos-linha de A e R;

(ii) Se
operaes elementares preser-
o nmero de linhas pivs e
L(R) = [w1 , . . . , wr ],
ento, por construo, a primeira coorde-
nada no nula de cada vetor possui ndice menor do que a primeira coordenada no nula dos vetores seguintes. Uma tal congurao exige vetores LI; (iii) Os sistemas cf.
AX = O
RX = O
so equivalentes, o que nos permite descrever o ncleo
N (A);
3.10.
Exemplo 3.25
(1) Considere as matrizes
I=
1 0 0 1
A=
1 2 2 4
B=
1 2 3 0 0 4
1 3 0 1 M = 2 6 1 1 1 3 2 3
(a) Indiquemos os subespaos-linha.
L(I) = R2 , L (I) = 2; L(A) = [1 2] L(B)

a reta
y = 2x
do
R2 ;
observe as linhas colineares
A2 = 2A1 ; L (A) = 1;
R3 ; L (B) = 2. 1 3 0 1 Para estudar L(M ), escalonamos M , obtendo R = 0 0 1 1 , donde L (M ) = 2, pois as duas 0 0 0 0 linhas no nulas de R so LI.
gerado por dois vetores LI, logo um plano do
(b) Subespaos-coluna
C(I) = R2 , C (I) = 2; C(A) = [1 2] a reta y = 2x do R2 ; observe as colunas colineares A2 = 2A1 ; C (A) = 1; C(B) gerado por dois vetores LI, logo C(B) = R2 ; C (B) = 2.
Para estudar colunas de
C(M ),
em princpio, poderiamos usar o mesmo mtodo de escalonamento, s que nas
M,
isto , usaramos a transposta
tM . Faa-o como exerccio! Alternativamente, podera compatvel,
mos pensar em caracterizar os vetores
Y = (y1 , y2 , y3 ) para os quais o sistema M X = Y
uma idia que j deu bons resultados anteriormente (ver matriz aumentada:
2.7).
Assim, faremos o escalonamento da
1 3 0 1 y1 1 3 0 1 y1 2 6 1 1 y2 0 0 1 1 y2 2y1 . A compatibilidade procurada dada pela 1 3 2 3 y3 0 0 0 0 5y1 2y2 + y3 3 condio 5y1 2y2 + y3 = 0, o que caracteriza um plano do R . Segue, ento, que C (M ) = 2. Na realidade, usando y3 = 2y2 5y1 , podemos escrever Y = (y1 , y2 , y3 ) = (y1 , y2 , 2y2 5y1 ) = y1 (1, 0, 5) + y2 (0, 1, 2). Assim, C(M ) = [(1, 0, 5), (0, 1, 2)].
Observao
No exemplo acima, em cada caso, coincidiram os postos-linha com os postos-coluna.
Como mostraremos a seguir, isto no acidental!
40
Vamos sistematizar o raciocnio que usamos no exemplo anterior em
C(M ).
Amn . O sistema AX = Y compatvel Y C(A). Em outras palavras, os vetores Y que tornam o sistema AX = Y compatvel so, precisamente, os que so combinaes lineares das colunas da matriz A. a11 a1n x1 . . . . . . . De fato, o sistema AX = Y , ou . . . . = Y pode ser escrito como a combinao . am1 amn xn a11 a1n . . 1 n linear . x1 + + . xn = Y , ou A x1 + + A xn = Y . [Se for o caso, reler o 2.7]. . . am1 amn
Seja
3.26
Proposio
3.27
Corolrio 1
Se o sistema homogneo
AX = O
possui apenas a soluo trivial
X = O,
ento os vetores-coluna
A1 , . . . , An so LI (r=n). o caso, notadamente, em que

n uma base do R .
A inversvel, cujas colunas, ento, formam
3.28
Se
Corolrio 2
ento as mesmas combinaes lineares das colunas so nulas, tanto para
A R,
como para
R.
Em outras palavras:
AX = O exatamente
quando
RX = O.
Exemplo motivador
Retomemos a matriz
M de 3.25 e seu escalonamento-linha. 1 3 0 1 1 3 0 1 M = 2 6 1 1 R = 0 0 1 1 1 3 2 3 0 0 0 0
Ora, pela prpria construo escalonada, as
colunas-pivs
R4 R1
(primeira e terceira) de
R,
so LI, en-
2 quanto as demais dependem delas: R 1 colunas M e
M 3 so LI em
muito esperto, o que nos
= = + 2 = 3M 1 e M 4 = M 1 +M 3 !! Moral: com esse resultado M , enquanto M interessa de C(M ) j foi decidido logo no primeiro (e nico) escalonamento.
3R1 e
R3 . Mas ento, pelo Corolrio 2, as
O exemplo ainda deixa transparecer um resultado notvel.
3.29a Proposio. Sejam
AB
matrizes
equivalentes por linha.

A
e
Ento
Portanto, so iguais tanto os postos-linha de Com efeito, dado
como os postos-coluna de
C (A) = C (B). A e de B .
Y C(A), ento existe X Rn tal que Y = AX . Sendo A B , existe uma matriz inversvel P tal que B = P A, ou BX = (P A)X = P (AX) = P Y , isto , P Y C(B). Alm disso, se Y1 , . . . , Yr so LI em C(A), ento P Y1 , . . . , P Yr tambm so LI em C(B): de a1 P Y1 + +ar P Yr = O segue P (a1 Y1 + +ar Yr ) = O , donde (P inversvel!) a1 Y1 + +ar Yr = O e, como os Yj so LI, vem a1 = = ar = 0. Portanto, se r = C (A), exibimos r vetores LI (os P Yj ) em C(B), o que signica que C (B) C (A). Permutando os papis de A e B (P inversvel!), temos C (A) C (B); enm, C (A) = C (B).
Podemos resumir esses vrios resultados.
3.29b Proposio. Seja

reduzida, e seja (a) As
Amn
uma matriz equivalente por linhas a uma matriz
escalonada
o nmero de linhas pivs (no nulas) de
R.
Ento:
colunas-pivs so LI;
(b) As correspondentes colunas de (c)
so LI;
L (A) = C (A) = r.
Doravante, falaremos, ento, no
posto de A, (A).
Base e Dimenso
Do corolrio 2, decorrem
41
(a) e (b); tambm, vimos em 3.29a que C (R) = C (A). Para comparar as dimenses L (A) e C (A), vamos partir de (a): h r colunas (pivs) LI em R, donde C (R) r , ou t seja, para toda matriz A, C (A) L (A) (*). Enm, usando matrizes transpostas, vale C ( A) L (t A), donde L (A) C (A), o que, juntamente com (*), mostra que L (A) = C (A) = r.
Observao. O escalonamento-linha, como vimos, preserva os espaos-linhas de
as
R,
bem como
dimenses
dos espaos-coluna.
Entretanto, o escalonamento-linha pode
alterar os espaos-
colunas.
tes), mas
Por exemplo, os espaos-coluna de
A=
2 4 3 6
R=
1 2 0 0
so diferentes (bases diferen-
(A) = (R) = 1.
3.29c Proposio. Da nulidade e do posto.

Dada
Amn , seja (A) (A) + (A) = n.

De fato, pondo
o posto de
(A)
a nulidade de
A,
isto ,
(A) = dim N (A).
Ento
(A) = r,
sabemos que
(A) = n r.
Observao O teorema acima, se bem que apresentado de uma forma algo simplria, uma das verses de um resultado extremamente importante de lgebra Linear, o chamado Teorema do Ncleo e da Imagem, que ser visto e revisto ao longo dos prximos captulos.
(1) Indique uma matriz cujo espao-linha contm os vetores
(1, 2)
(2, 5),
e cujo espao-coluna
gerado pelos vetores
1 1 0
3 1 3
0 0. 1 L
(das linhas) e
(2) Para cada matriz, indicar os subespaos
(das colunas), bem como o posto
1 A = 2 3
1 4 7; B = 0 1 5
2 1 1; D = 2 2
(3) Indique uma base do ncleo de
1 0 0 1 4 ; G = 2 1 0 ; H = 0 8 1 2 1 0 0 1 2 A = 0 0 0. 0 0 0 2 4
1 1 0
1 1 1 0 . 2 2
(4) Seja a matriz
A23
cujo ncleo gerado pelos vetores
(1, 2, 0)
(2, 3, 0).
Qual o posto de
A?
Indique uma tal matriz.
1 3 0 1 t (5) Descreva C(M ), escalonando a matriz transposta M , sendo M = 2 6 1 1 a matriz que 1 3 2 3

consideramos no
Exemplo 3.25.
(6) Em cada caso, indique uma matriz (a) (c)
vericando a propriedade dada.
N (A) = [(2, 2, 1, 0), (3, 1, 0, 1)]; (b) N (A) = [(4, 3, 2, 1)]; N (A) = [(1, 1, 1, 1)] e (1, 1, 1) C(A).
Exerccios Resolvidos 3.31
(1) Sejam A e B
A= 1 1 1 1
e
matrizes tais que
AB = O.
Em particular,
(AB)j = AB j = O.
Vemos, ento, que
o espao-coluna de
est contido no ncleo de
A.
O exemplo numrico abaixo ilustra o resultado:
B=
1 1 1 1
, onde
N (A) = {(x, y); x + y = 0} = [(1, 1].
42
(2)
No espao
R3 ,
consideremos os subespaos
Determinar uma base e a dimenso dos Temos logo logo
U = {(x, y, z); z = 0} e W = [(1, 2, 0), (3, 1, 2)]. subespaos U , W , U + W e U W .
(0, y, z) = y(0, 1, 0) + z(0, 0, 1), donde {(0, 1, 0), (0, 0, 1)} uma base de U (os geradores so LI!), dim U = 2. Por outro lado, os geradores (1, 2, 0), (3, 1, 2) de W tambm so LI (no paralelos), formam uma base de W e dim W = 2. U + W , inicialmente vamos escalonar todos os geradores. 0 1 0 0 0 1 0 1 3 0 0 1, donde U + W = [(1, 0, 0), (0, 1, 0), (0, 0, 1)] = R . 0 2 0 0 0
Para caracterizar
Temos
0 1 0 0 1 2 3 1
dim (U + W ) = dim U + dim W dim (U W ), segue que dim (U W ) = 1. Como foi solicitada uma base de U W , uma soluo redenir o plano W atravs de sua equao linear, 1 0 x (3z/2) 1 3 x obtida pela matriz aumentada: 2 1 y 0 1 z/2 , 0 2 z 0 0 y 2x + (5z/2)
Da relao donde a equao vetor-gerador
4x 2y 5z = 0 (0, 5, 2). v3
e
de
W.
Na interseo
U W,
como
z = 0,
vem
2y + 5z = 0
e o
(3) Considere os vetores v1 = (1, 1, 0, 3) e v2 = (3, 3, 2, 1) no paralelos, logo LI, do R4 .

encontrar vetores
Vamos
v4
para os quais
{v1 , v2 , v3 , v4 }
4 uma base do R . Mesmo sabendo de antemo
que os dois vetores dados so LI, ainda assim usaremos o escalonamento para melhor posicionar os novos vetores e garantir os quatro LI: podemos acrescentar os vetores
1 1 0 3 1 1 0 3 . Por exemplo, 3 3 2 1 0 0 1 4 v3 = (0, 1, 0, 0) e v4 = (0, 0, 0, 1), pois v3 [v1 , v2 ] e v4 [v1 , v2 , v3 ]. / /

Por
(4) No R4 , sejam os vetores v1 = (1, 0, 1, 0), v2 = (0, 1, 1, 1), v3 = (1, 1, 0, 0) e v4 = (1, 0, 1, 0).
inspeo, os quatro vetores so LI (ou, se preferir, escalone os vetores), logo formam uma base do Pondo
R4 .
W = [v1 , v2 ] e U = [v3 , v4 ], fcil ver que R4 = W U . De fato, temos W U = {O}, pois se xv1 +yv2 = zv3 +tv4 , ento xv1 +yv2 zv3 v4 = O, donde x = y = z = t = 0, uma vez que os vetores v1 , v2 , v3 , v4 so LI. Por outro lado, de dim (W + U ) = dim W + dim U dim (W U ) = 2 + 2 = 4, 4 4 vemos que W + U = R . Assim, temos bem R = W U . Observao Tambm claro que todo vetor v R4 da forma v = av1 + bv2 + cv3 + dv4 , ou v = w + u, com w W e u U , o que acarreta R4 = W + U .
(5)
W = {(x, y, z, t); x y = 0 e z t = 0 } do R4 , vamos encontrar algum 4 4 subespao U R que seja suplementar de W , isto , tal que W U = R . Iniciemos por achar a dimenso de W . Ora, um vetor tpico de W da forma (x, y, z, t) = (y, y, t, t), logo W = [(1, 1, 0, 0), (0, 0, 1, 1)] e dim W = 2. Basta, ento, escolher o subespao U = [(1, 0, 0, 0), (0, 0, 0, 1)] dos (x, y, z, t) tais que x = t, de dim U = 2. A concluso segue do mesmo argumento que usamos no
Dado o subespao
Prob.(4).
(1) Dados os subespaos do
R4
U = {(x, y, z, t); x + y = 0 e z 2t = 0} ,
(a) Calcule
W = [(1, 0, 0, 0), (1, 1, 1, 0), (0, 2, 1, 1), (0, 0, 1, 1)] . as dimenses de U , W , U + W e U W . M,

cujas colunas so os vetores geradores de
(b) Considere a matriz aumentada
W:
Base e Dimenso
43
1 1 0 0 x 0 1 2 0 y . Escalonando M , mostre que Y = (x, y, z, t) W y +z +t = 0. M = 0 1 1 1 z 0 0 1 1 t (c) Conclua uma base de U W . x x (2) Seja W1 o subespao das matrizes reais 2 2 da forma e W2 o subespao das matrizes y z ab a c
3.33
Seja . Determine as dimenses de
W1 , W2 , W1 + W2
W1 W2 .
Mudana de base
Coordenadas de um vetor em relao a uma base
V um espao vetorial de dimenso nita n, e B = {v1 , v2 , . . . , vn } uma base de V . Dado v V , como B gera V , existem escalares x1 , x2 , . . . , xn tais que v = x1 v1 + x2 v2 + + xn vn . Na realidade, esses escalares so unicamente determinados por v , isto , se so iguais as duas combinaes lineares x1 v1 + + xn vn = y1 v1 + + yn vn , ento (x1 y1 )v1 + + (xn yn )vn = 0, donde, como os vetores so LI, x1 y1 = 0, . . . , xn yn = 0, logo x1 = y1 . . . xn = yn . As coordenadas do vetor v em relao base B so os (nicos) escalares (x1 , x2 , . . . , xn ) tais que x1 . v = x1 v1 + x2 v2 + + xn vn ; usaremos a notao (v)B = . para indicar essas coordenadas. . xn
Exemplo 3.34
R3 , em 2 (v)B = 4. 1
(1)No
relao base cannica
B = {e1 , e2 , e3 },
se
v = (2, 4, 1),
ento
v = 2e1 + 4e2 + e3
Quais as coordenadas do mesmo vetor
C dada por w1 = (1, 0, 1), w2 = (1, 1, 1), w3 = (0, 0, 1)? Chamando v = y1 w1 + y2 w2 + y3 w3 , vem (2, 4, 1) = y1 (1, 0, 1) + y2 (1, 1, 1)+y3 (0, 0, 1) ou (2, 4, 1) = (y1 , 0, y1 )+(y2 , y2 , y2 )+(0, 0, y3 ) = (y1 +y2 , y2 , y1 y2 +y3 ); 2 segue, ento que y1 = 2, y2 = 4, y3 = 3, que indicaremos por (v)C = 4 . Analogamente, se 3 3 (w)C = 2 , ento w = 3w1 2w2 + w3 = (3, 0, 3) + (2, 2, 2) + (0, 0, 1) = (1, 2, 0). v
em relao base
1 p = 2 + 4x + x2 em relao base B = {1, 1 + x, 1 + x2 } de R2 [x] o terno (a, b, c) tal que 2 + 4x + x2 = a + b(1 + x) + c(1 + x2 ) = (a + b + c) + bx + cx2 , donde c = 1, b = 4 e 3 2 a = 3. Assim, escreveremos (p)B = 4 . Do mesmo modo, as coordenadas (q)B = 2 indicam 1 2 2 ) ou q = 6 + 2x + 2x2 . que o polinmio q vale q = 2 + 2(1 + x) + 2(1 + x
(2) As coordenadas de
Encontrar as coordenadas da matriz
em relao base dada, do espao das matrizes reais
2 2:
M=
1 1 2 0
B=
1 0 0 1
0 1 0 0
0 0 2 0
0 0 1 2
44
Matriz de mudana de base

No espao
V
e
de dimenso
n,
consideremos duas bases de
X = (v)B
em relao
Y = (v)C as respectivas coordenadas base C . Como relacionar X e Y ?
B = {v1 , . . . , vn } e C = {w1 , . . . , wn }; sejam um mesmo vetor v V em relao base B e w1 = a11 v1 + + an1 vn w2 = a12 v1 + + an2 vn
. . .
Inicialmente, decompondo cada
wj
da base
em relao a
B,
vem
()
wn = a1n v1 + + ann vn
Vamos denir uma nova matriz
w1 , . . . , wn da | P = (w1 )B |
P , colocando em suas colunas as coordenadas em relao a B de cada base C . Tal matriz a matriz de passagem da base B para a base C : | (wn )B . O fato que a matriz P far a relao entre as coordenadas: X = PY. | X = PY
meio tediosa (...) Seja
v = y1 w1 + + yn wn ; substituindo cada w pela combinao linear de (*), vem v = y1 (a11 v1 + + an1 vn ) + + yn (a1n v1 + + ann vn ), donde v = (a11 y1 + + a1n yn )v1 + + (an1 y1 + + ann yn )vn . Ora, tambm vale v = x1 v1 + +xn vn , donde, x1 = 11 y+ +a1n yn , . . . , xn a y1 + +ann yn . a 1 = n1 x1 a11 a1n y1 . . . . . . Esse ltimo pacote, em termos matricias, se escreve . = . . . , ou X = P Y . . . xn an1 ann yn
A vericao da relao
Exemplo 3.36
(1) Seja
B = {e1 , e2 , e3 }
a base cannica do
R3
a base
w1 = (1, 0, 1), w2 = (1, 1, 1), w3 =
(0, 0, 1).
A matriz de passagem de
1 1 0 dos wj , ou seja 0 1 0 ; se X denota as coordenadas cannicas (base B) e Y indica as 1 1 1 coordenadas em relao a C , ento X = P Y ; observe a ordem: P a matriz de B para C e P escreve X (em B ) dependendo de Y (em C ). No exemplo 3.22(1), partindo de X = (2, 4, 1), achamos Y = (2, 4, 3), usando diretamente combinaes lineares em cada base. S para conrmar, verique que X = P Y . 2 2 2 (2) A matriz de mudana da base B = {1, t, t } de R para a base C = {1, 1 + t, 1 + t } a 1 1 1 matriz P = 0 1 0; j da base C para a base B teramos de decompor B em C (felizmente, P = 0 0 1
h alternativa mais direta...):
para
a matriz
cujas colunas so as coordenadas cannicas
1 = x1 1 + y1 (1 + t) + z1 (1 + t2 ), t = x2 1 + y2 (1 + t) + z2 (1 + t2 ), 1 1 1 t2 = x3 1 + y3 (1 + t) + z3 (1 + t2 ), donde a matriz procurada Q = 0 1 0 . Compare com
3.34(2).
3.37 Proposio
Mantidas as notaes acima, a matriz de passagem
da base
para a base
inversvel e sua inversa a matriz de passagem
de
para e
B. Y = QX ,
donde
De fato, com todo
(cordenadas em
B)
(em
C)
temos
X = PY
X = (P Q)X
para
X,
o que obriga
PQ = I
(ver o
Exerccio 2.21(7)).
Base e Dimenso
Observemos que a infomao nova dessa proposio no que
45
seja inversvel, o que evidente,
pois suas colunas so coordenadas de vetores LI! O que nos interessa para agilizar o processo que
Q = P 1
faz a mudana de bases no outro sentido; essa, sim, a novidade.
Exemplo 3.38
Consideremos as bases
B = {v1 , v2 , v3 }
C = {u1 , u2 , u3 }
assim relacionadas:
u1 = v1 v2 v3 , u2 = 2v2 + 3v3 , u3 = 3v1 + v3 . Vamos determinar as matrizes de mudana da base B para C , e de C para B . Como foram dadas as coordenadas em relao base B , segue, de imediato a matriz P de mudana de B para C . Determinada P , sua inversa Q (que muda de C para B ) segue do mtodo de Gauss: 1 0 3 6 1 0 3 1 0 0 1 0 0 2 9 P = 1 2 0 [P |I] = 1 2 0 0 1 0 0 1 0 1 4 3 = [I|Q] 1 3 1
Se
1 3 1 0 0 1
como achar
0 0 1
3 2
X = (v)B = (1, 2, 3),
Y = (v)C ? Agora, s usar a boa relao: 2 9 6 1 2 Y = QX = 1 4 3 2 = 0 . 1 3 2 3 1
(1) Dadas as matrizes
2 3 7 P = 1 0 3 , 0 2 1
considere as bases do (a) Se
Q = P 1
(cannica) e
6 11 9 = 1 2 1 , 2 4 3 Y
de
R3 , B = {e1 , e2 , e3 }
C = {v1 , v2 , v3 }. v = (a, b, c) R3
em
a matriz de passagem da base
para
C,
ache as coordenadas
relao base
C; v1 , v2 , v3 ;
dada a matriz de passagem
(b) Escreva os vetores (c) Determine a base
D = {u1 , u2 , u3 },
da base
para a base
D,
1 0 1 M = 1 3 1 . 0 1 1
(2) No subespao
W = 1 1 0 0
x y z t , 1 0 1 0 W
; xyz =0 0 0 0 1 B
para
das matrizes reais
22
consideremos as bases
B=
C= C
1 0 1 0
para
0 1 1 0 B
0 0 0 1
(a) Ache as matrizes de passagem de (b) Encontre uma base
e de
B; D
para seja a matriz
de
tal que a matriz de passagem de
1 1 0 G = 0 0 2 . 0 3 1
46
3.4
(1)(a) No difcil vericar que, se
1 3.3), onde o escalonamento A = 0 0 1 (b) Analogamente, temos B = 1 3
xv1 + yv2 + zv3 = (0, 0, 0),

1 1 0
ento
x=y=z=0
(veja o Exemplo
1 3 1
1 0 0 1 1 I = 0 1 0 mostra que os vetores so 0 0 1 1 1 1 0 0 1 0 2 1; logo, os vetores so LD. 0 0 0 1
LI.
Exerccio-brinde 1 Dentre os trs vetores LD acima considerados, algum deles combinao linear
dos outros dois. Estabelecer a dependncia linear
2v3 = v2 v1 . 0v1 + 0v2 + 1v3 = O.
(c) Os vetores so LD, pois, por exemplo, vale a combinao linear (2) Suponhamos que os vetores
v, u, w sejam LI; ento se a(v + u) + b(v + w) + c(u + w) = O, segue que (a + b)v + (a + c)u + (b + c)w = O , donde, da hiptese LI, a + b = 0, a + c = 0 e b + c = 0 e, enm, a = b = c = 0. Assim, so LI os vetores v + u, v + w, u + w.
(3) Como os vetores so colineares, deve ser (4) Supondo
2 + 2 = 6, =
donde
2 = 4 0 0 0 0
= 2. x = y = z = 0,
1 1 1 0 0 0 +y +z 0 0 1 0 0 1
x+y x y z
, vemos que
donde as matrizes dadas so LI. (5) Se
a(2x) + b(x2 + 1) + c(x + 1) + d(x2 1) = 0, isto , (b + c d) + (2a + c)x + (b + d)x2 = 0, ento a = d, b = d e c = 2d; fazendo d = 1, vem a = 1, b = 1 e c = 2 e a dependncia linear 2x + (x2 + 1) 2(x + 1) (x2 1) = 0.
3.22
(1) De fato, temos (2) (a)
v1 v2 + v3 = O .
w1 = (1, 2, 3) e w2 = (0, 0, 4); esses vetores no so paralelos, logo, so LI. Segue-se que formam uma base B de W , isto , dim W = 2. 1 0 x 1 0 x (b) Escalonando a matriz aumentada 2 0 y 0 4 z 4x , donde a condio linear de
gerado pelos vetores compatibilidade (c) O vetor
y 2x = 0,
que
3 4 z caracteriza W .
0 0 y 2x w3 W ; / B.
segue-se que os trs vetores
w3 = (1, 0, 0) no
verica a equao anterior, isto ,
w1 , w2 , w3 so LI e formam uma base do R3 que extende a base

(d) Escolhendo
U = [w3 ], claro que W + U = R3 pois todo vetor v do R3 da forma v = aw1 + bw2 + cw3 = (aw1 + bw2 ) + (cw3 ) W + U . Enm, a soma direta pois W U = {O}.
Exerccio-brinde 2 Vericar que
diretamente que todo vetor (3) Se
R3
W + U = R3 , usando a denio de soma, da forma v = w + u, com w W e u U .
isto , mostrando
p = a + bx + cx2 + dx3 e p(1) = a + b + c + d = 0, ento a = b c d; usando as coordenadas cannicas, vem: (a, b, c, d) = (b c d, b, c, d) = b(1, 1, 0, 0) + c(1, 0, 1, 0) + d(1, 0, 0, 1), o que 2 3 indica os polinmios x 1, x 1 e x 1; tais polinmios so LI e geram o subespao considerado.
(4) Sejam
E , D, S , A
St
os subespaos considerados (matrizes escalares, diagonais, simtricas, anti-
simtricas e superiormente triangulares). Para calcular cada dimenso, basta contar quantas matrizes descrevem cada base cannica.
Base e Dimenso
No espao
47
das matrizes
com elementos todos iguais a
3 3, de dimenso 9, vemos que dim E = 1 (E gerado pela diagonal 1, as demais posies sendo nulas); dim D = 3 (a diagonal envolve trs
elementos quaisquer e so necessrios trs 1 para gerar toda a diagonal, as demais posies sendo
9 3 = 6 elementos fora da diagonal, dois a dois iguais, ou seja 3 posies fora da diagonal; total de 3 + 3 = 6 posies cannicas; dim A = 3 (basta considerar as 3 posies fora da diagonal); dim St = 6 (muito semelhante contagem do caso simtrico).
nulas); dim
S=6
(3 posies na diagonal e
No caso geral, teremos: dim
E = 1;
dim
D = n;
dim
S = n+
n n n(n 1) = ; 2 2
n(n + 1) n2 n = ; 2 2
dim
A=
dim
St =
n(n + 1) . 2
0 0, 1
3.30
(1) Basta considerar
1 A = 1 0
em que
C(A)
bem gerado pelos vetores dados, que so LI, donde
o posto
(A) = 2.
Por outro lado, claro que
L(A) = [(1, 0), (0, 1] = R2 . (A) = 2.

Assim, deve
(2)(a)No caso
1 A = 2 3
4 7,vemos 5
que
C(A)
gerado por duas colunas LI, e
ser dim
L(A) = 2,
por exemplo, com
L(A) = [A1 , A2 ],
o que obriga a terceira linha a ser combinao
linear das duas primeiras.
Exerccio-brinde 3 Estabelecer a dependncia linear
A3 = 11A1 + 7A2 .
1 B = 0 1 3 1 3 1 2 0 1 0 2 3 1 0 2 1. 0
(b) O escalonamento deixa claro que dim
L(B) = 2, (B) = 2: B1
e
As colunas (c) Sendo
C(B)
so geradas, por exemplo, por
B3,
j que
B2 = B1 + B3.
e
D=
colunas so (d)
1 2 4 , vemos que as linhas so vetores paralelos, L(D) = [D1 ], 2 4 8 1 2 1 3 1 geradas por D . Observe que D = 2D e D = 4D . G
inversvel;
(D) = 1.
As
G I,
isto ,
L = C = R3 , (G) = 3.
h trs linhas LI no
(e) Verique o escalonamento:
1 0 0 1 H 0 1 0 1 ; 0 0 1 1
R4 ; = 3;
h trs colunas
LI no
R3 .
0 A = 0 0 1 0 0 2 0, 0
se
(3) Dada
AX = O,
com
x X = y , z
ento
y + 2z = 0,
e
ou
y = 2z ,
donde
X = (x, 2z, z) = x(1, 0, 0) + z(0, 2, 1).

(4) Sejam
Assim
N (A) = [(1, 0, 0), [0, 2, 1)],

ento
(A) = 2.
w1 = (1, 2, 0)
1 1
w2 = (2, 3, 0).
Se
do teorema da nulidade e do posto (
3.29c) que o posto vale

e
N (A) = [w1 , w2 ],
(A) = 2. Como N (A) R3 , vem = 3 2 = 1. Logo, podemos escolher
A=
0 0
0 0
, observando que
Aw1 = O
Aw2 = O.
0 1 0 0 5 2 0 0 ,
obtemos duas linhas LI, isto , duas colunas
(5) Escalonando tM
1 3 0 1
2 1 1 0 6 3 0 1 2 1 3 0
LI da matriz original mesmos geradores
M . Observe de C(M ).
a perfeita coincidncia com o
Exemplo 3.25, onde encontramos os
48
(6)(a) Sendo
N (A) = [(2, 2, 1, 0), (3, 1, 0, 1)], observemos que dentre as variveis (x1 , x2 , x3 , x4 ) que descrevem as solues, as variveis x3 e x4 so livres, isto , x1 = 2x3 + 3x4 e x2 = 2x3 + x4 .( conveniente
reler a formao das solues,
3.10(4)).
Portanto, podemos escolher a matriz
A= 0 1 0
1 0 0 0 1
(b) Agora, com
N (A) = [(4, 3, 2, 1)],
apenas
x4
livre; podemos escolher
1 A= 0 0
0 2 3 1 2 1 4 3 . 2
(c) O mtodo muito semelhante com o do exerccio anterior, pois
em
C(A)
do vetor
(1, 1, 1)
exige outra disposio:
1 A= 1 1
1 0 0 0 1 0 . 0 0 1
N (A) = 1, 1, 1)], mas a presena [(1,
3.32
U , temos (x, y, z, t) = (y, y, 2t, t) = y(1, 1, 0, 0) + t(0, 0, 2, 1), isto , dois donde dim U = 2. Para calcular a dimenso de W , vamos escalonar a matriz cujas geradores de W :
(1)(a) Em geradores LI, linhas so os
1 0 0 0
0 0 0 1 1 0 2 1 1 0 1 1
1 0 0 0 0 1 1 0 0 0 1 1 0 0 0 0
,
donde dim
W = 3.
Para
U + W,
com o mesmo procedimento, temos
1 0 0 1 0 0 1 1 0 0
1 0 0 0 1 0 1 1 0 0 0 0 0 2 1
0 1 0 0 0
0 0 1 0 1 0 , 0 1 0 0
donde dim
U + W = 4,
isto ,
U + W = R4 .
Da, pelo
balano das dimenses, vem dim
(U W ) = 1.
1 0 0 0 1 0 0 1 2 0 1 1 1 0 1 1 x y z t 1 0 0 0 1 0 0 1 2 0 0 1 1 0 0 0 x y y+z y+z+t .
Segue, ento,
Em seguida, escalonando
M =
que
Y = (x, y, z, t) W y + z + t = 0.
(b) Quanto a
U W , temos trs equaes: x + y = 0 , z 2t = 0 ; y + z + t = 0, iso , (x, y, z, t) = (3t, 3t, 2t, t), donde a base de U W = [(3, 3, 2, 1)], conrmando a dimenso igual
a 1. (2) Uma matriz tpica de
W1
da forma
A1 = x
1 1 0 0
+y
livres, donde dim
W1 = 3. Analogamente, vemos que dim a a W1 W2 da forma , logo, dim W1 W2 = 2. a c dim W1 + W2 = 3 + 3 2 = 4, isto , W1 + W2 = M22 .
0 0 0 0 +z , com trs variveis 1 0 0 1 W2 = 3. Por outro lado, uma matriz de

Segue, pelo balano das dimenses, que
3.35
Usando uma matriz aumentada conveniente e indicando coordenadas em relao base cannica, temos:
1 0 0 0 0 1 0 0 0 0 2 1 1 0 0 2
1 1 2 0
1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1
1 1 5/4 1/2
, donde MC =
1 1 5/4 1/2
Base e Dimenso 3.39

(1)(a) Temos
49
6 11 9 a 6a 11b + 9c Y = QX = 1 2 1 b = a + 2b c ; 2 4 3 c 2a + 4b 3c P : v1 = (2, 1, 0), v2 = (3, 0, 2), v3 = (7, 3, 1);

relao aos
(b) Basta ler as colunas de (c) As colunas de
M so as coordenadas dos uj em 3v2 + v3 = (2, 3, 5), u3 = v1 + v2 + v3 = (6, 4, 1)
vj : u1 = v1 v2 = (5, 1, 2), u2 =
(2) (a) Basta comparar as matrizes dadas e cada base;
PB,C
0 1 0 1 1 0 = 1 1 0 ; QC,B = P 1 = 1 0 0 . 0 0 1 0 0 1 P 1 . G1 :
Dada a simplicidade numrica, no usamos o mtodo de Gauss para achar (b) Como , exatamente, a base
que desconhecida, devemos usar a matriz inversa
Pondo
1 2 1 1 0 1 0 0 1 0 0 6 1 [G|I] = 0 0 2 0 1 0 0 1 0 0 1 2 = [I, G1 ]. 6 3 0 0 3 1 0 0 1 0 0 1 0 1 1 1 D = {u1 , u2 , u3 } e B = {b1 , b2 , b3 }, vem das colunas de G1 que u1 = b1 , u2 = b1 b2 + b3 6 6 2

Enm, a base
1 1 u3 = b1 + b2 . 3 3
vale
1 1 0 0
0 1/6 1/6 1/3
0 1/3 1/3 0
Soluo dos exerccios-brindes
BX = 0 so da forma X = (a, a, 2a), a R, vemos que (1, 1, 2) soluo, donde a relao v1 v2 + 2v3 = 0. y y , y, z + x , 0, 0 , com w W e u U . 2. Verique que v = (x, y, z) = w + u = 2 2 3. Basta obter a condio de possibilidade do sistema AX = Y , dada pelo escalonamento: 1 4 a 1 0 7 + 4b 2 7 b 0 1 b 2a 3 5 c 0 0 11a 7b + c
1. Observando que as solues de Assim, temos bem
11a 7b c = 0.
50
CAPTULO 4 TRANSFORMAES LINEARES
(a) Conceituar aplicaes lineares entre espaos vetoriais; (b) Determinar uma aplicao linear; (c) Descrever os subespaos ncleo e imagem de uma aplicao linear; (d) Caracterizar isomorsmo entre espaos vetoriais; (e) Representar aplicaes lineares e matrizes; (f ) Interpretar os novos conceitos no clculo de solues de sistemas lineares.
INTRODUO
Aplicaes (ou transformaes) lineares) entre dois espaos vetoriais permitem descrever e relacionar inmeras propriedades desses espaos. O caso particularmente fundamental dado pelos isomorsmos, que so transformaes bijetivas. Oferecem ainda, essas aplicaes lineares, novas interpretaes
matriciais, atualizando subespaos que foram estudados em formulaes mais limitadas.
4.1
Sejam
TRANSFORMAES LINEARES
V
e
espaos vetoriais reais. Uma aplicao (ou transformao) linear
f : V U
uma
funo tal que, quaisquer que sejam (a) (b)
v1 , v 2 V
R,
valem as relaes
f (v1 + v2 ) = f (v1 ) + f (v2 ) (f f (v) = f (v) (f V = U,
preserva a estrutura aditiva);
preserva a multiplicao por escalar).
No caso em que
uma funo linear de
em
denominada
operador linear em V .
4.2
Primeiras propriedades.
(1)
Seja
f : V U
uma aplicao linear. Valem as propriedades:
f (O) = O; v V , f (v) = f (v); v1 , v2 V , f (v1 v2 ) = f (v1 ) f (v2 ); v1 , . . . , vp em V e a1 , . . . , ap em R, vale f (a1 v1 + + ap vp ) = a1 f (v1 ) + + ap f (vp )
(2) Para cada (3) Para cada
(4) Quaisquer que sejam
Com efeito, (1) decorre da igualdade
f (O) = f (O + O) = f (O) + f (O) e do cancelamento aditivo; j (2) resulta de v + (v) = O , logo de f (v) + f (v) = f (O) = O e da unicidade do oposto; (3) usa (2): f (v1 v2 ) = f (v1 + (v2 )) = f (v1 ) + f (v2 ) = f (v1 ) f (v2 ); (4) generaliza a denio 4.1.
Aplicaes lineares
51
Exemplo 4.3
(1) A aplicao
O : V U
denida por
O(v) = 0 para todo v V

(b)
uma funo linear denominada
transformaao linear nula. De fato, temos (a)
O(v1 + v2 ) = 0 = 0 + 0 = O(v1 ) + O(v2 );
O(v) = 0 = 0 = O(v).
(2) O operador identidade de bem uma funo linear: (a)
V a aplicao I : V V dada por I(v) = v , para todo v V . I(v1 + v2 ) = v1 + v2 = I(v1 ) + I(v2 ); (b) I(v) = v = I(v).
(3) As funes
f : R2 R2 , f (x, y) = (x, 0), e g : R2 R2 , g(x, y) = (x, y) so lineares. Veriquemos a linearidade de f . Pondo v1 = (x1 , y1 ) e v2 = (x2 , y2 ), vem f (v1 + v2 ) = f (x1 + x2 , y1 + y2 ) = (x1 + x2 , 0) = (x1 , 0) + (x2 , 0) = f (v1 ) + f (v2 ); por outro lado, com v = (x, y), temos f (v) = f (x, y) = (x, 0) = (x, 0) = f (v). Geometricamente, f representa a projeo de X = (x, y) sobre o eixo dos x, paralelamente ao eixo dos y ; a aplicao g a simetria em relao ao eixo dos x, paralelamente ao eixo dos y . Observe que g = 2f I .
(4) linear a aplicao como sabemos,
D : Rn [x] Rn [x], tal que D(p) = p D(p + q) = D(p) + D(q) e D(p) = D(p).
linear, pois
a derivada do polinmio
p,
pois,
(5) A funo
h : R R, h(x) = x + 1, no H : R R, H(x) = x2 , pois, por exemplo, o quadrados. Vale, contudo, H(0) = 0.
h(0) = 1 = 0.
Tambm no linear
quadrado de uma soma, em geral, no a soma dos
(1) Identique quais das seguintes aplicaes so operadores lineares (a) (c)
f : R3 R3
f (x, y, z) = (x + y, x y, z); f (x, y, z) = (x, xy, z); V

o espao das matrizes reais com
(b) (d)
f (x, y, z) = (2x + y 4z, x, 0); f (x, y, z) = (y, x, z + 1)).
(2) Seja (a) (b)
2 2.
Mostre que so lineares as funes:
f : V V , g : V R,
f (A) =
tA;
(soma dos elementos diagonais de
dada por
g(A) = trao (A)
A).
4.5 DETERMINAO DE UMA APLICAO LINEAR

(1) Dado R,
f : R R denida por f (x) = x linear. Na realidade, a nica funo linear tal que f (1) = . Pois, se g : R R linear e g(1) = , ento, g(x) = g(x 1) = xg(1) = g(1)x = x, isto , g = f . Desse modo, cam descritas todas as funes lineares de R em R. Geometricamente, vemos que as funes lineares de R em R so exatamente as retas do plano que
a aplicao passam pela origem.
(2) Com o mesmo argumento, podemos descrever todas as funes lineares de R num espao V :
cada vetor linear de
para
v V , arbitrariamente xado, a aplicao dada por f (x) = xv R em V tal que f (1) = v , pois f (x) = f (x 1) = xf (1) = xv .
e
linear e a nica aplicao
U , V de dimenso nita, vamos descrever as aplicaes lineares de V em U . Fixada uma base B = {v1 , . . . , vn } de V , e dados os vetores u1 , . . . , un de U , existe uma nica aplicao linear f : V U tal que f (v1 ) = u1 , . . . , f (vn ) = un . Se v V possui a decomposio v = a1 v1 + + an vn , ento a aplicao f dada por f (v) = a1 u1 + + an un .
(3) Mais geralmente, considerando os espaos V
52
Com efeito, se
w = b1 v1 + + bn vn e f (w) = b1 u1 + + bn un ento, de v + w = (a+ b1 )v1 + + (an + bn )vn , segue f (v + w) = (a1 + b1 )u1 + + (an + bn )un = f (v) + f (w). Analogamente, vemos que f (av) = af (v). Assim, f linear. Por construo, f (v1 ) = u1 , . . . , f (vn ) = un . Quanto unicidade, se g outra aplicao linear tal que g(v1 ) = u1 , . . . , g(vn ) = un , ento g(v) = g(a1 v1 + + an vn ) = a1 u1 + + an un , isto , para todo v V , vale g(v) = f (v).
Exemplo 4.6
f : R2 R3 a aplicao linear tal que f (1, 0) = (2, 1, 0) e f (0, 1) = (0, 0, 1). Calcular f (X) = f (x, y). Pondo e1 = (1, 0), e2 = (0, 1) (base cannica do R2 ), temos X = xe1 + ye2 , donde f (X) = xf (e1 ) + yf (e2 ), ou f (X) = x(2, 1, 0) + y(0, 0, 1) = (2x, x, y).
(1) Seja (2) Mesmo enunciado para
g : R2 R3
linear, tal que
g(1, 2) = (3, 2, 1)
g(0, 1) = (0, 1, 0).
2 Nesse caso, a base do R no a base cannica. Inicialmente, representaremos
X = (x, y) na base v1 = (1, 2), v2 = (0, 1): (x, y) = av1 + bv2 , ou (x, y) = a(1, 2) + b(0, 1) = (a, 2a + b); segue que a = x e b = y 2x. Assim, X = x(1, 2) + (y 2x)(0, 1), donde g(X) = xg(1, 2) + (y 2x)g(0, 1) = x(3, 2, 1) + (y 2x)(0, 1, 0) = (3x, y, x).
(3) No existe Com efeito,
f : R2 R2 linear tal que f (2, 6) = (1, 0) e f (1, 3) = (0, 1). deveria ser f (2, 6) = f (2(1, 3)) = 2f (1, 3), condio no compatvel
com os dados da
questo. O enunciado contraria o resultado
4.5(3)?
Explique!
(1) Determine (a)
f : R2 R2
linear tal que:
f (1, 0) = (2, 0) e f (0, 1) = (0, 2); (b) f (1, 4) = (3, 2) e f (0, 1) = (1, 0).
(2) Determine (a)
f : R3 R3
linear tal que:
f (1, 1, 1) = (3, 1, 2), f (0, 1, 1) = (2, 1, 1) e f (0, 0, 1) = (2, 1, 1); (b) f (1, 1, 1) = (1, 2, 3), f (1, 2, 3) = (1, 4, 9) e f (2, 3, 4) = (2, 1, 1). V
das matrizes
(3) No espao
2 2, 1 0 0 0
,
considere a base cannica
v1 =
Determine o operador linear indicando
v2 =
0 1 0 0
v3 =
0 0 1 0
v4 =
0 0 0 1
e
T (A)
para cada
T : V V , dado por T (v1 ) = v1 , T (v2 ) = v3 , T (v3 ) = v2 A V . Interprete o resultado encontrado.
T (v4 ) = v4 ,
4.8
APLICAO LINEAR ASSOCIADA A UMA MATRIZ
Amn , podemos associar a aplicao LA : Rn Rm , dada por LA (X) = AX . Uma tal aplicao LA linear, pois LA (X1 + X2 ) = A(X1 + X2 ) = AX1 + AX2 = LA (X1 ) + LA (X2 ) e LA (X) = A(X) = (AX) = LA (X). Para uso posterior, observemos que LA (e1 ) = Ae1 = A1 , . . . , LA (en ) = Aen = An , onde e1 , . . . , en so os vetores cannicos e A1 , . . . , An as colunas da matriz A. n m Reciprocamente, dada a funo linear f : R R , seja X = x1 e1 + +xn en a decomposio 1 n = f (e ). Ora, a cannica. Consideremos a matriz Amn cujas colunas so A = f (e1 ), . . . , A n 1 n aplicao LA verica LA (e1 ) = A , . . . , LA (en ) = A (ver a observao acima). Assim, tanto f como LA so aplicaes lineares que coincidem na base cannica. Logo, de 4.5(3), temos f = LA .
A cada matriz
Aplicaes lineares
Abaixo, resumimos as operaes matriciais utilizadas.
53
a11 . . LA (X) = AX = . am1
. . .
a1n . . . amn
a1n a11 x1 . . . = . x1 + + . xn = f (e1 )x1 + + f (en )xn = f (X). . . . . amn am1 xn
Exemplo 4.9
Amn , indicar a aplicao linear LA : Rn Rm . 3x 3 0 3 0 x 2 R3 , L (X) = AX = =y (a) A = 0 1; LA : R 0 1 A y x 1 0 1 0 Observao Por abuso de notao, s vezes, escreveremos LA (x, y) = (3x, y, x). 1 0 0 1 0 0 x x 3 R3 ,L (X) = AX = (b) A = 0 1 0; LA : R 0 1 0 y = y A 0 0 0 0 0 0 z 0
(1) Partindo da matriz (2) Em cada caso, dada a funo linear cannicas), isto , tal que (a)
f : Rn Rm , indicar a matriz Amn
que representa
(bases
LA = f .
Calculando as imagens dos vetores cannicos:
f : R3 R2 , f (X) = f (x, y, z) = (z, x + y).
f (e1 ) = f (1, 0, 0) = (0, 1); f (e2 ) = f (0, 1, 0) = (0, 1); f (e3 ) = f (0, 0, 1) = (1, 0); A =
Verique, que, de fato, vale (b)
0 0 1 1 1 0
f (X) = AX . 1 0 0 1
. Em particular,
g : R2 R2 , g(e1 ) = e1 , g(e2 ) = e2 , A =
g(x, y) = (x, y).
(3) Consideremos o operador linear derivao
2 3 base cannica {1, x, x , x }, temos
D : R3 [x] R3 [x], tal que D(p) = p . Em relao D(1) = 0, D(x) = 1, D(x2 ) = 2x, D(x3 ) = 3x2 , donde a matriz A
que representa
0 0 D: A = 0 0
1 0 0 0
0 2 0 0
0 0 3 0
(1) Dada
A = (1 2 3)13 , Amn
indique
LA : R3 R.
Faa o mesmo para
1 A = 2, LA : R R3 . 3
Vericar, tambm, que
(2) Indicar a matriz
que representa a aplicao linear
f : Rn Rm .
f (X) = AX .
(a) (b) (c)
f : R2 R2 , f (1, 0) = (2, 0) f : R2 R2 , f (1, 4) = (3, 2) f: R3 R3 , V
e e
f (0, 1) = (0, 2); f (0, 1) = (1, 0);
f (x, y, z) = (3x + y z, 2x + z, 4x + 2y z); 2 2, 1 0 0 0

, considere a base cannica
(3) No espao
das matrizes
v1 =
Dado o operador linear a matriz
v2 =
onde
0 1 0 0
v3 =
0 0 1 0
v4 =
0 0 0 1
e
A44
que
T : V V , representa T .
T (v1 ) = v1 , T (v2 ) = v3 , T (v3 ) = v2
T (v4 ) = v4 ,
indique
54
4.11 NCLEO E IMAGEM DE UMA APLICAO LINEAR

Seja a aplicao linear (a) O
f : V U .
ncleo de f o subconjunto de V dado por N (f ) = {v V ; f (v) = O}; (b) A imagem de f o subconjunto de U dado por I(f ) = f (V ) = {f (v) ; v V }.
4.12 Proposio.
(a) O ncleo
Com as notaes acima, valem os seguintes resultados:
N (f ) I(f )
V; U;
sua dimenso a
nulidade de f , (f ); posto de f , (f );
(b) A aplicao linear (c) A imagem
f : V U f : V U
injetiva se, e somente se,
N (f ) = {O}; I(f ) = U .
sua dimenso o
(d) A aplicao linear
sobrejetiva se, e somente,
Veriquemos cada armao. (a) Inicialmente,
O N (f ) pois f (O) = O; se v1 , v2 N (f ), ento f (v1 ) = f (v2 ) = O, donde f (v1 + v2 ) = f (v1 ) + f (v2 ) = O + O = O e v1 + v2 N (f ); em seguida, dados R e v N (f ), temos f (v) = f (v) = O = O e v N (f ).
(b) Supondo
v N (f ): temos f (v) = O; como f (O) = O, ento f (v) = f (O), donde v = O , pela injetividade de f , logo N (f ) = {O}. Reciprocamente, se o ncleo de f trivial, suponhamos f (v1 ) = f (v2 ), ou f (v1 ) f (v2 ) = O , donde f (v1 v2 ) = O , logo v1 v2 N (f ) = {O}, e v1 = v2 , isto , f injetiva. f
injetiva, seja
O = f (0), ento O I(f ). Se u1 , u2 I(f ), com u1 = f (v1 ) e u = f (v2 ), v1 , v2 V , ento u1 +u2 = f (v1 +v2 ), logo u1 +u2 I(f ); enm, se R e u = f (v) I(f ),ento u = f (v) = f (v), ou u I(f ).
(c) Como (d) Essa propriedade de sobrejeo vale para qualquer tipo de funo.
4.13 Corolrio.
Uma aplicao linear pendentes de Seja
f : V U
injetiva se, somente se,
transforma vetores linearmente inde-
em vetores LI de
W.
v1 , . . . , vn so LI em V e mostremos que f (v1 ), . . . , f (vn ) permanecem LI: se a1 f (v1 ) + + an f (vn ) = O , ento f (a1 v1 + + an vn ) = O , donde, pela injetividade de f , a1 v1 + + an vn = O , logo a1 = . . . = an = 0. Reciprocamente, dado v = O em V , isto , {v} LI, ento deve ser {f (v)} LI, isto , f (v) = O , logo N (f ) = {O} e f bem injetiva.
injetiva; suponhamos que os vetores
4.14 Proposio.
Seja a funo linear De fato, todo vetor
f : V U .
Se
W = [v1 , . . . , vp ],
ento
f (W ) = [f (v1 ), . . . , f (vp )].
+ ap vp ,
evidente.
donde
u f (W ) da forma u = f (v), com v W = [v1 , . . . , vp ], isto , v = a1 v1 + u = a1 f (v1 ) + + ap f (vp ), isto , f (W ) [f (v1 ), . . . , f (vp )]. A incluso recproca
Exemplo 4.15
(1) Em cada caso, determinar o ncleo e a imagem.
(a)
f : R2 R, f (x, y) = x + y .
Assim, o ncleo a reta temos
N (f ) = {(x, y) ; f (x, y) = 0} = {(x, y) ; x + y = 0}. N (f ) = [(1, 1)]. A funo sobrejetiva, pois dado a R,
f (a, 0) = a,
isto ,
x + y = 0, I(f ) = R.
ou
Aplicaes lineares
(b)
55
g : R2 R2 , g(x, y) = (x, 0).

logo
N (f ) = {(x, y) ; f (x, y) = (x, 0) = (0, 0)}, I(f ) = {(x, 0) ; x R}

(c) o eixo-x.
N (f ) = {(0, y) ; y R}
o eixo-y.
f : R3 R2 , f (x, y, z) = (x + y, 2x + 3y + z).
como vemos do
N (f ) = {(x, y, z) ; (x + y, 2x + 3y + z) = (0, 0)}={(z, z, z) ; z R} = [(1, 1, 1)]

escalonamento
A=
1 2
1 3
0 1
1 0 0 1
1 1
I(f ) = [f (e1 ), f (e2 ), f (e3 )] = [(1, 2), (1, 3), (0, 1)]; logo, 2 podemos xar dois geradores LI, (1, 2) e (1, 3), concluindo que I(f ) = R . Observe, tambm, que o 2 2 escalonamento conrma I(f ) = R , pois o sistema AX = Y compatvel para cada Y R .
Temos, ainda, e, por (4.14),
I(f ) R2
(2) Seja a funo linear f

De fato, no
: Rn Rm .
Se
injetiva, ento
n m. Rm
que (Corolrio 4.13). Em
Rn ,
vetores LI que so levados por
em
vetores LI do
3 particular, observe que no existe aplicao linear injetiva do R no

(a) Considere a funo linear
R2 . g
no injetiva, pois Existe algum conito com
g : R2 R3 , g(x, y) = (x, 2x, 0). Observe N (g) = {(0, y) ; y R}. Tambm no sobrejetiva, pois I(g) = [(1, 2, 0)].
o resultado (2) acima?
(1) Em cada caso, determinar o ncleo e a imagem. (a) (b) (c)
f : R3 R3 , f (x, y, z) = (x, 2y, 0); f : R3 R3 , f (x, y, z) = (x + z, x z, y); f : R3 R4 , f (x, y, z) = (x, x y, y z, z). g : R2 [x] R3 [x]
tal que
(2) Verique que injetiva a aplicao linear tambm, a imagem
g(p) = p + x2 p .
Decreva,
I(g). f : Rn Rm .
Se
(3) Seja a funo linear
sobrejetiva, ento
n m.
Indique alguma funo
f:
R3
R2 no sobrejetiva.
4.17 TEOREMA DO NCLEO E DA IMAGEM

Sejam
espaos vetoriais reais de dimenso nita. Se dim
f : V U
uma aplicao linear, ento
V = dim N (f ) + dim I(f ).
f . Pelo teorema do completamento, essa base pode ser estendida a uma base de V , B2 = {v1 , . . . , vk , u1 , . . . , up }. O resultado enunciado resultar de que B = {f (u1 ), . . . , f (up )} uma base da imagem de f . Ora, da proposio 4.13, vemos que os vetores-imagem por f de B2 geram I(f ); na realidade, temos I(f ) = [f (u1 ), . . . , f (up )], pois os outros vetores de B2 esto no ncleo e tem imagem nula por f . S nos falta ver, ento, que os vetores f (u1 ), . . . , f (up ) so LI. Se a1 f (u1 ) + + ap f (up ) = 0, ento f (a1 u1 + + ap up ) = 0, donde a1 u1 + + ap up N (f ). Logo, existe alguma combinao linear a1 u1 + + ap up = b1 v1 + + bk vk , donde b1 v1 + + bk vk + (a1 )u1 + + (ap )up = 0; como B2 LI, todos esses coecientes so nulos, em particular, a1 = . . . = ap = 0.
Seja uma base do ncleo de
B1 = {v1 , . . . , vk }
56
4.18 Corolrio.
Sejam
espaos vetoriais reais de dimenso nita, com dim
V = dim U .
Se
f : V U
uma
aplicao linear, as seguintes armaes so equivalentes: (a) (b) (c) (d)
f f f f
sobrejetiva; bijetiva; injetiva; transforma uma base
de
em uma base
f (B)
de
U. V = dim N (f ) + N (f ) = O, isto , f
(a)=(b) Se
sobre, ento
I(f ) = U ;
pelo teorema do ncleo e da imagem dim
dim I(f ),
logo, tendo em conta que dim
V = dim U ,
temos dim
N (f ) = 0,
ou
injetiva. Ento
bijetiva.
(b)=(c) Vlido sem outras hipteses. (c)=(d) Se pois, se
B = {v1 , . . . , vn }
uma base de
injetiva, os vetores
V , ento f (B) = {f (v1 ), . . . , f (vn )} f (v1 ), . . . , f (vn ) so LI (Corolrio 4.13) no espao U

uma base de
uma base de de dimenso
U, n.
(d)=(a) Por hiptese, se uma base de agora
B = {v1 , . . . , vn } U,
logo
V,
ento
U.
Ora, vimos em (4.14), que, como
gera
V,
ento
f (B) = {f (v1 ), . . . , f (vn )} f (B) gera a imagem I(f ); mas
f (B)
uma base de
I(f ) = U ,
ou seja,
sobrejetiva.
4.19 Isomorsmos de espaos vetoriais

f : V U uma aplicao linear. Diremos que f inversvel se existe uma aplicao g : U V tal que f g = IU e g f = IV : f (g(u)) = u e g(f (v)) = v , u U , v V .
Seja Uma tal funo linear
g uma funo inversa de f e, quando existe, unicamente determinada. De fato, se h : U V tambm fosse inversa de f , teramos h = IV h = (gf )h = g(f h) = gIU = g . A unicidade da funo inversa tambm mostra os papis simtricos de f e g : se g inversa de f , ento f inversa de g .
As condies da denio acima acarretam:
f : V U e g : U V bijetiva. Consideremos, por exemplo, a funo f . Se f (v1 ) = f (v2 ), ento g(f (v1 )) = g(f (v2 )) e I(v1 ) = I(v2 ), ou v1 = v2 , donde a injetividade de f . Quanto sobrejetividade, dado u U , seja v = g(u); temos f (v) = f (g(u))) = I(u) = u.
(1) Cada uma das funes (2) Em consequencia, vale a seguinte construo:
g(u) = v f (v) = u, u U , v V .
Na construo acima, usamos apenas os vamos logo validar o prximo resultado.
conjuntos
subjacentes. Acrescentando a estrutura vetorial,
Proposio Seja f : V
inversa
uma aplicao linear bijetiva. Ento,
inversvel, isto , sua funo
g : U V
linear.
Com efeito sejam
g(u1 ) = v1 e g(u2 ) = v2 , isto , u1 = f (v1 ) e u2 = f (v2 ), donde u1 + u2 = f (v1 ) + f (v2 ), ou u1 + u2 = f (v1 + v2 ), donde g(u1 + u2 ) = v1 + v2 = g(u1 ) + g(u2 ). De modo anlogo, se g(u) = v e f (v) = u, ento f (av) = af (v) = au, donde g(au) = av , ou g(au) = ag(u).
mais usual representar a funo inversa de
pela notao
f 1 .
Podemos, ento, resumir os
resultados iniciais no seguinte teorema.
Aplicaes lineares
57
4.20 Teorema
f 1 : U V
Uma aplicao linear bijetiva
a nica aplicao linear bijetiva
f : V U inversvel, e sua funo 1 = I e f 1 f = I . tal que f f U V
inversa
Nas condies acima, diremos, tambm que
vetoriais,
ou que os espaos vetoriais
f : V U estabelece um isomorsmo de espaos U so isomorfos; usaremos a notao V U para
representar tal fato.
Proposio Sejam V
somente se, De fato, se
U espaos dim V = dim U .

e
vetoriais de dimenso nita. Ento,
so isomorfos se, e
N (f ) = {O} e I(f ) = U , donde, do Teorema do ncleo e da imagem, dim V = dim N (f ) + dim I(f ), vemos que dim V = dim U . Reciprocamente, se dim V = dim U , consideremos as bases B = {v1 , . . . , vn } de V e C = {u1 , . . . , un } de U , e denamos a funo f : V U linear por f (v1 ) = u1 . . . , f (vn ) = un (4.5(3)); por construo, ento, a funo f leva a base B na base C , logo (4.18) bijetiva.
um isomorsmo, ento
f : V U
Exemplo 4.21
(1) Seja dim
V = n e B = {v1 , . . . , vn } uma base de V , arbitrariamente xada. Dado v V , se v = x1 v1 + + xn vn , seja X = (v)B = (x1 , . . . , xn ) as (nicas) coordenadas de v em B . A aplicao n linear f : V R , f (v) = X , um isomorsmo de espaos vetoriais, pois, por exemplo, f injetiva, 1 (a , . . . , a ) = a v + + a v . logo bijetiva (ver 4.18). Observe que f 1 n 1 1 n n
Consideremos os casos particulares: (a)
V = R2 [x], V = S22 ,
Base:
espao dos polinmios de grau
2;
base cannica
{1, x, x2 }.
f : R2 [x] R3 , f (p) = f (a + bx + cx2 ) = (a, b, c)

(b) espao das matrizes reais simtricas
22 f : S22 R3 , f = a b b c = (a, b, c)
v1 =
1 0 0 0
v2 =
0 1 1 0
v3 =
0 0 0 1
(2) Mostre que a aplicao linear e explicite a funo inversa Basta vericar que
f 1
f : R3 R3 , f (x, y, z) = (x + z, x + 2z, y), um isomorsmo linear : R3 R3 . N (f ) = {O}.

Se
injetiva (4.18), ou seja, que
a matriz que representa
f,
vamos mostrar que o sistema
AX = O
s possui a soluo trivial, o que j garante
inversvel e
tambm a expresso da inversa obtida a partir de o escalonamento
Y = AX , isto , X =
A1 Y . Desse modo, usaremos
(A, I)
1 0 0 0 1 0
(I, A1 ).
2 0 1 1 0 0 1 = [I, A1 ]; f 1 (x, y, z) = (2xy; z; x+y). 1 0
1 0 1 [A, I] = 1 0 2 0 1 0
(3) No espao
0 1 0 0 0 = 0 1 0 1 0 0 1
T : V V o operador linear dado por T (X) = BX . Veriquemos que T um automorsmo linear de V (isomor1 (BX) = B 1 O , ou (B 1 B)X = O , smo de V em V ). Como B inversvel, se BX = O , ento B IX = O, X = O, isto , N (T ) = {O}; assim, T injetiva, donde bijetiva (4.18). V = M22
das matrizes reais de ordem, xada a matriz inversvel
B,
seja
V = Mnn o espao real das matrizes reais de ordem n, e aplicaao linear f : V R tal que f (A) = trao(A). Como f = O, pois h matrizes de trao no nulo, vemos que I(f ) = R, pois R s 2 possui os subespaos triviais. Pelo teorema do ncleo e da imagem, vem que dim N (f ) = n 1, pois 2 dim V = n . Mostramos, ento, que o conjunto W = {A V ; trao(A) = 0} = N (f ) subespao 2 de V e de dimenso n 1.
(4) Seja
58
(1) Em cada caso, decida se o operador linear
1 armativo, ache a aplicao inversa T

(a) (b)
T : R3 R3 : R3 R3 .
um automorsmo linear e, em caso
T (x, y, z) = (2x + y + 2z, x z, 3x + y + z); T (x, y, z) = (x 3y 11z, y 4z, z).

operador linear cuja imagem gerada por por
(2) Seja
T : R3 R3 um (3, 0, 1) e o ncleo gerado

(3) Dado
(1, 2, 1).
Calcule
T (x, y, z)
para todo
T (e1 ) = (2, 1, 1) (x, y, z) R3 .
T (e2 ) =
A = (a1 , . . . , an ) um vetor no nulo do Rn , seja a aplicao linear f : Rn R tal que f (X) = A X = a1 x1 + a2 x2 + + an xn . Mostre que a imagem I(f ) = R e que o ncleo de f o n n Hiperplano H = {X R ; AX = 0}. Conclua, ento que H um subespao do R e dim H = n1.
(4) No espao
V = M22
das matrizes reais de ordem 2, xada a matriz
B=
2 3
4 6
, seja
T : V V
o operador linear dado por
T (X) = BX .
Calcule o ncleo
N (T )
e a imagem
I(T ).
4.23 LGEBRA DAS APLICAES LINEARES

(1) Espao vetorial L(V, U ) das aplicaes lineares
Fixados os espaos reais Observemos que, em
U,
consideremos o conjunto
L(V, U )
das funes lineares de em
em
U.
2.2(6), ao conjunto F(V, U ) de todas as funes de V
U,
foi acrescentada
uma estrutura de espao vetorial real: (a) soma (b)
f + g : V U , (f + g)(v) = f (v) + g(v), v V ; produto por escalar f : V U , (f )(v) = f (v), R, v V .
Na realidade, essas denies preservam a ento
linearidade,
isto , partindo de
f, g : V U
lineares,
f + g : V U
(i)
f : V U
so funes lineares. Veriquemos que a soma linear, isto : (ii)
(f + g)(v1 + v2 ) = (f + g)(v1 ) + (f + g)(v2 );
(f + g)(v) = (f + g)(v)
(ii)
(i)
(f + g)(v1 + v2 ) = f (v1 + v2 ) + g(v1 + v2 ) = f (v1 ) + f (v2 ) + g(v1 ) + g(v2 ) = f (v1 ) + g(v1 ) + f (v2 ) + g(v2 ) = (f + g)(v1 ) + (f + g)(v2 )
(f + g)(v) = f (v) + g(v) = f (v) + g(v) = (f (v) + g(v)) = (f + g)(v)
Do mesmo modo, vericamos que
O(v) = 0,
tambm linear, vemos
f : V U que L(V, U )
linear. Assim, como a funo nula um
subespao vetorial do espao
O : V U , F(V, U ).
(2) Composio de aplicaes lineares

Sejam
V, U
espaos vetoriais reais. de
Dadas as funes lineares
funo composta
denida pela funo
Novamente, a linearidade preservada: veriquemos
f : V U e g : V W , a g f : V W , (g f )(v) = g(f (v)), v V . que a composta g f uma aplicao linear.

(ii)
(i)
(g f )(v1 + v2 ) = g(f (v1 + v2 ))) = g(f (v1 ) + f (v2 )) = g(f (v1 )) + g(f (v2 ) = (g f )(v1 ) + (g f )(v2 )
(g f )(v) = g(f (v)) = g(f (v))) = g((f (v))) = (g f )(v)
Aplicaes lineares (3) Propriedades dos operadores lineares

Usaremos a notao simplicada
59
L(V )
para indicar o espao dos operadores lineares de
em
V.
Nesse caso, as operaes que vimos anteriormente apresentam caractersticas especiais.
f : V V e g : V V , podem ser calculadas as duas compostas g f : V V f g : V V , embora, em geral, os resultados sejam diferentes: g f = f g , permanecendo
(1) Dados no-comutatividade. Em particular, podemos compor
e a
com
e usar a notao
fn = f . . . f
n
(para
n1
inteiro); por extenso, se so denominados
f = O,
coloca-se
f 2 = f f e, em geral, f = I . Operadores f para
os quais vale a igualdade
f2 = f
m natural nula f
=O
so operadores
nilpotentes.
idempotentes; os que possuem alguma potncia

(f g) h = f (g h),
(2) Alm da propriedade associativa (que vale para quaisquer aplicaes) temos as seguintes relaes entre operadores: (a) (b) (c)
f I = I f,
onde
I : V V
a identidade de
V;
f (g + h) = f g + f h; (f + g) h = f h + g h; (f g) = (f ) g = f (g), R.
Vercao parcial de (b) e (c):

(b)
(f (g + h))(v) = f ((g + h)(v)) = f (g(v) + h(v)) = f (g(v)) + f (h(v)) = (f g)(v) + (f h)(v)
(c)
(a(f g))(v) = a(f g)(v) = af (g(v)) = (af )(g(v)) = ((af ) g)(v)
Exemplo 4.24
(1) Dados os operadores (a)
f, g : R2 R2 , f (x, y) = (x y, x), g(x, y) = (x, 0),
encontrar:
2f + 3g ; f g; g f;
note que
(2f + 3g)(x, y) = 2f (x, y) + 3g(x, y) = 2(x y, x) + 3(x, 0) = (5x 2y, 2x);

(b)
(f g)(x, y) = f (g(x, y)) = f (x, 0) = (x, x);

(c)
(g f )(x, y) = g(f (x, y)) = g(x y, x) = (x y, 0);

(d)
f g =gf g
g2;
note que
g 2 (x, y) = g(g(x, y)) = g(x, 0) = (x, 0);

(e)
g2 = g,
isto ,
um operador idempotente;
(g + I) f ;
(g f + f )(x, y) = (x y, 0) + (x y, x) = (2x 2y, x).

(2) Seja
p : V V
um operador idempotente. Veriquemos as propriedades:
(a) o operador (b) o
I p idempotente; operador s = 2p I inversvel.
(I p)2 = (I p) (I p) = I p p + p2 = I p, pois p2 = p. Assim, I p um operador 2 2 idempotente. Por outro lado, s = (2p I) (2p I) = 4p 2p 2p + I = 4p 4p + I = I ; assim, s inversvel, com inversa s1 = s.
Temos Um operador
tal que
s2 = I
denominado
involuo ou simetria.
60
(1) Sejam
f, g, h L(R2 ),
dados por
f (x, y) = (0, x), g(x, y) = (x, 0), h(x, y) = (x, y).
Calcule os operadores: (a) (b) (c) (d)
f + 4g ; g f; f g
e
(f g)2 ; 1 (s + I) 2
h (f + g); s : V V
um operador involutivo, isto , vericando
(2) Seja
s2 = I .
Mostre que
p=
2 um operador idempotente (p
= p).
Aplicao. Interprete geometricamente o exemplo
4.24(2) com os operadores p e s do R3 dados por
p(x, y, z) = (x, y, 0)
s(x, y, z) = (x, y, z).
4.26 SOMAS DIRETAS, PROJETORES E SIMETRIAS

Vamos associar a uma soma direta se escreve, de modo nico, sob a (1) (2)
V = W U dois operadores notveis, forma v = w + u, w W , u U .

a
lembrando que cada
vV
p : V V , p(v) = p(w + u) = w; p s:V
projeo sobre W paralelamente a U . V , s(v) = s(w + u) = w u; s a simetria em relao a W paralelamente a U .
Observemos os seguintes fatos:
N (p) = U , pois se p(v) = p(w + u) = w = O, ento v = u U e N (p) U ; a recproca evidente: todo vetor u U da forma O + u W U , e, portanto, O + u N (p).
(a) (b) (c) (d) (e) (f )
I(p) = W , p2 = p, s2 = I , s = 2p I ,
pois todo
p(v)
est em
W. p(p(v)) = p(w) = w = p(v). s1 = s.
isto ,
idempotente, pois
pois
(2p I)(v) = 2p(v) I(v) = 2w v = 2w (w + u) = w u = s(v).

e
como vimos no exemplo 4.24(2), logo
W = {v V ; s(v) = v}
U = {v V ; s(v) = v};
Na realidade, essas relaes
caracterizam
V,
ento:
s.
Mais precisamente, dado um qualquer
2 operador idempotente p
(i)
=p
do espao
V = N (p) I(p), pois, escrevendo v V sob a forma v = [v p(v)] + p(v), vemos que a primeira parcela v p(v) est em N (p), j que p(v p(v) = p(v) p(p(v)) = p(v) p(v) = O ; como a outra parcela p(v) est em I(v), segue que V = N (p) + I(p); enm, a soma direta: se v I(p) N (p), ento v = p(v1 ) = p(v) e p(v) = O, logo v = O, isto , I(p) N (p) = {O}.
(ii) Assim,
a projeo sobre
I(p)
paralelamente ao
N (p).
Aplicao numrica
Vamos explicitar a construo acima num exempo concreto. Partindo do plano o vetor-diretor
W : 2x + y z = 0 e da reta U = [(1, 1, 2)], temos V = R3 = W U , pois u = (1, 1, 2) no verica a equao do plano, donde W U = {O}, o que identica W
paralelamente a
corretamente as dimenses.
U , consideremos a reta-am que passa por um ponto genrico X = (x, y, z) e paralela a u = (1, 1, 2); essa reta fura o plano W no ponto Q(a, b, c), o qual, por denio, a projeo de X sobre W .
Para obter a projeo sobre
Aplicaes lineares
Assim,
61
X Q = u ou Q = X u = (x, y, z) (, , 2), donde (a, b, c) = (x , y + , z 2). Para achar , levamos esses valores de a, b, c na equao do plano: 2a + b c = 0, donde = 2x y + z , que, de volta aos valores de a, b, c, nos d, enm, a = 3x + y z , b = 2x + z , c = 4x + 2y z .
O projetor
procurado se escreve:
p(X) = p(x, y, z) = (a, b, c),
ou
p(x, y, z) = (3x + y z, 2x + z, 4x + 2y z),

Feitas as contas, a matriz esperar algo da forma
representado pela matriz
3 A = 2 4
1 0 2
1 1 . 1
1 D = 0 0
Ano
muito reveladora de que o operador
um projetor. Era de se
0 1 0
0 0, 0
que no deixa dvidas que a imagem
I(p)
possui dimenso
2, um plano, e o ncleo
N (p)
uma reta do
R3 !
Esse aparente descompasso, na realidade, devido
escolha inconveniente das bases (cannicas!) que representam a matriz
A.
Veremos, a seguir, que
existe uma mudana de bases que torna a matriz nal mais simples, como a matriz diagonal
D.
V = W U , estudamos o projetor p : V V , p(v) = p(w+u) = w (projeo sobre W paralelamente a U ). Ora, nada impede uma projeo anloga, sobre o subespao U e paralelamente a W : basta tomar q : V V , q(v) = q(w + u) = u.
Partindo de Verique as propriedades: (a)
I(q) = U = q;
N (q) = W ;
2 (b) q
(c)
p + q = I ; p q = q p = O; s
a simetria associada a
(d) A simetria correspondente a onde
q vale : V V , (v) = (u + w) = u w. p;
Mostre que
+ s = O,
(e) Usando os dados da Aplicao Numrica 4.26, indique todos os operadores
p(x, y, z), q(x, y, z), s(x, y, z), (x, y, z);

(f ) Mostre, diretamente, usando
s(x, y, z),
que o operador
inversvel.
2 (g) Usando a relao s
= I , verique que V = W1 W2 , onde W1 = {v V ; s(v) = v} e W2 = {v V ; s(v) = v}.
4.28 Matriz de uma aplicao linear

Sejam
espaos de dimenso nita,
ambas arbitrariamente xadas, e Vamos denir uma matriz
B = {v1 , . . . , vn } base de V , C = {u1 , . . . , um } f : V U uma aplicao linear.
base de
U,
A = (f )B,C (mn) dita da aplicao f v V , X = (v)B ,
em relao ao par de bases
C,
que transformar as coordenadas de cada pela relao
nas coordenadas de
f (v), Y = (f (v))C ,
Y = AX ;
assim, teremos [v
De incio, vamos decompor cada matriz
V f (v) U ] Y = AX . f (v1 ), . . . , f (vn ) na base C , cujas coordenadas
sero as
colunas da
a1n . . . . amn
A:
| = (f (v1 )C | a11 | . (f (vn )C = . . | am1
f (v1 )
= a11 u1 + + am1 um . . . f (v ) = a u + + a u n 1n 1 mn m
A = (f )B,C
62
Para relacionar as coordenadas de
B
de
C : se v = x1 v1 + xn vn , f (v1 ), . . . , f (vn ) na base C , vem f (v) = x1 (a11 u1 + + am1 um ) + + xn (a1n u1 + + amn um ), f (v) = (a11 x1 + + a1n xn )u1 + + (am1 x1 + + amn xn )um (*)
v V com as de f (v) U , vamos decompor esses vetores nas bases ento f (v) = x1 f (v1 ) + + xn f (vn ); tendo em conta as expresses
A igualdade (*) nos mostra que (a) As coordenadas
Y = (f (v))C = (y1 , . . . , ym ) so dadas y1 = a11 x1 + + a1n xn

. y m = am1 x1 + + amn xn . .
por
, isto ,
Y = AX .
(b) Podemos, alternativamente, escrever
f (v) = (A1 X)u1 + + (Am X)um ,

vemos ainda que
onde
A1 , . . . , A m
so as linhas da matriz
A.
Desse modo,
A1 X
donde
. Y = . , . Am X
Y = AX .
Exemplo 4.29
(1) Escrever a matriz de f
(a)
: R3 R2 , f (x, y, z) = (x + y, y + z) B = {v1 , v2 , v3 }, C = {u1 , u2 } ambas cannicas. f (v1 ) = f (1, 0, 0) = (1, 0) = u1 f (v2 ) = f (0, 1, 0) = (1, 1) = u1 + u2 f (v3 ) = f (0, 0, 1) = (0, 1) = u2
em relao s bases:
A matriz procurada vale:
(f )B,C =
1 1 0 0 1 1
(b)
B = {v1 , v2 , v3 }
cannica,
D = {u1 = (1, 0); u2 = (1, 1)}.

A matriz procurada vale:
f (v1 ) = f (1, 0, 0) = (1, 0) = u1 f (v2 ) = f (0, 1, 0) = (1, 1) = u2 f (v3 ) = f (0, 0, 1) = (0, 1) = u1 + u2
(f )B,D =
1 0 1 01 1 (f )B,C = M ,
onde
(2) Dada a matriz M =

Por denio, temos
1 0
2 1
3 0
, achar
f : R3 R2
tal que
B = {v1 = (1, 0, 0), v2 = (0, 1, 0), v3 = (0, 1, 1)}, C = {u1 = (1, 0); u2 = (1, 1)}. f (v1 ) = u1 = (1, 0), f (v2 ) = 2u1 + u2 = (2, 0) + (1, 1) = (3, 1), f (v3 ) = 3u1 = (3, 0). Para achar f (x, y, z), podemos escrever (x, y, z) na base B : (x, y, z) = (x, 0, 0) + (0, y z, 0) + (0, z, z) = xv1 + (y z)v2 + zv3 .
Enm,
f (x, y, z) = x(1, 0) + (y z)(3, 1) + z(3, 0) = (x + 3y, y z).

Acima, achamos as coordenadas cannicas
Observao.
(x, y, z)
em relao base
B,
por
comparao direta das bases. Lembre que o mtodo geral usa uma matriz de mudana de base.
(3) Consideremos o operador identidade I : V

C.
Qual o signicado da matriz
V ;
o mesmo espao
est munido das bases
(I)B,C ? I(B) = B
em
Ora, por construo, as colunas dessa matriz so as coordenadas dos vetores outro lado, no para
C.
Por
3.3,
vimos que uma tal matriz a que denominamos
matriz de passagem
de
(l, tambm, coordenadas de
em
C ).
Aplicaes lineares
63
(1) Sejam
B = {(0, 2), (2, 1)}

0 0 , 4
calcule
C = {(1, 1, 0), (0, 0, 1), (1, 0, 1)}
bases de
R2
R3 .
Dada a matriz
2 (f )B,C = 4 0
f (x, y). T : R2 R2 , T (x, y) = (3x 4y, x + 5y),

em relao base:
(2) Determinar a matriz do operador (a) cannica; (b)
C = {(1, 2), (2, 3)}. B = {v1 , v2 , v3 } e C = {u1 , u2 } bases de R3 e R2 , respectivamente, linear tal que f (v1 ) = u1 + u2 , f (v2 ) = u1 u2 e f (v3 ) = 3u2 . A
de e
(3) Sejam aplicao
f : R3 R2
(a) Indique a matriz
em relao s bases
C;
onde
(b) Encontre a matriz
A1 de f em relao s bases B1 = {w1 , w2 , w3 } e C1 = {z1 , z2 }, w1 = 2v1 v2 + v3 , w2 = v1 + v2 v3 , w3 = 2v1 v3 z1 = u2 , z2 = u1 + u2 .
4.31 MATRIZES E OPERAES DE FUNES LINEARES

Sejam
espaos vetoriais, dim
V = n,
dim U
= m, B
bases de
U,
respectivamente.
(1) Soma de funes lineares e produto de uma funo linear por um escalar.
(a) A matriz da soma de duas funes lineares a soma das matrizes de cada uma; (b) A matriz do produto de uma aplicao linear por um escalar esse nmero multiplicado pela matriz da funo:
(f + g)B,C = (f )B,C + (g)B,C

As duas relaes decorrem da denio das matrizes de
(f )B,C = (f )B,C .
(f + g)
a soma das colunas correspondentes
(f ), (g), (f +g) e (f ); por exemplo, cada coluna de (f ) e de (g).

,
(2) A aplicao : L(V, U ) Mmn (R), f cular,

(i) A funo
(f )B,C = mn
um isomorso linear. Em parti-
dim L(V, U )
injetiva: Sejam
A = (f )
B = (g);
se
A = B,
ento as colunas de
coincidem com
as correspondentes colunas de
B,
donde, por construo, as aplicaes
coincidem na base
de
V,
logo, so iguais, por
4.5(3).
(ii) A funo
sobrejetiva: dada a matriz Jmn , ento, para cada v V , a matriz da funo linear f (v) = (J1 X)u1 + + (Jm X)um igual a J , como vimos em 4.28(b) (com as mesmas notaes).
(iii) A funo
linear, como vemos de (1a,b) acima.
(3) Matriz da funo composta de aplicaes lineares.

Consideremos a composio respectivamente, e
f g VB UC WD , onde os g f : VB WD . Vale o resultado:
ndices
B, C, D
indicam bases de
V, U, W ,
(g f )B,D = (g)C,D (f )B,C . v V , sejam X = (v)B , Y = (f (v))C , Z = (g(f (v)))D = ((gf )(v))D , M = (f )B,C , N = (g)C,D , e K = (g f )B,D . Ora, temos Y = M X , Z = N Y , donde Z = N (M X) = (N M )X ; mas, tambm, Z = KX , donde K = M N , dada a unicidade da representao matricial(!).
Com efeito, para cada
64
Caso particular
Com as mesmas notaes do item anterior, se
f : VB UC
um isomorsmo linear, ento a matriz
A=
(f )B,C inversvel e A1 f = IV
e
(f 1 ) f 1
C,B .
1 De fato, temos f
= IU ;
basta, ento, usar a proposio anterior: e e
f f 1 VB UC VB (f 1 )C,B (f )B,C ) = (I)B,B = IV
f 1 f UC VB UC (f )B,C (f 1 )C,B = (I)C,C = IU
Exemplo 4.31
f : R V ca dada unicamente pelo vetor f (1) V . Em outras palavras, h um isomorsmo linear : L(R, V ) V , (f ) = f (1), que identica as funes lineares f : R V com os vetores de V .
Seja
um espao vetorial real. Vimos em
4.5(2)
que toda aplicao linear
4.32 MUDANA DE BASE E APLICAES LINEARES Exemplo motivador

Seja
plano
R3 que consideramos na aplicao numrica 4.26. Trata-se da projeo W = [v1 , v2 ] = [(1, 0, 2), (0, 1, 1)] e paralela ao vetor v3 = (1, 1, 2). Vimos que
o projetor do representado pela matriz
sobre o
p(x, y, z) = (3x + y z, 2x + z, 4x + 2y z),

A matriz
3 A = 2 4
1 0 2
1 1 . 1
representa
na base cannica. Em relao base
C = {v1 , v2 , v3 }, p
ser representado
pela matriz
D,
obtida pelo processo usual: A matriz procurada vale:
p(v1 ) = Av1 = v1 = (1, 0, 0), p(v2 ) = Av2 = v2 = (0, 1, 0), p(v3 ) = Av3 = O = (0, 0, 0)
claro que a matriz diagonal
1 D = (p)C = 0 0
0 1 0
0 0 0
diz mais sobre o projetor
que a matriz
para achar a matriz mais simples
D?
H alguma relao entre as
A. H um mtodo geral matrizes A e D ? Encerraremos
esse pargrafo ampliando os resultados sobre mudanas de base.
4.32 Proposio.
f : V U , consideremos as bases B e B1 de V , C e C1 A1 = (f )B1 ,C1 . J vimos a ao de A: transformar coordenadas Y = AX ; ao anloga de A1 , Y1 = AX1 .
Dada Por outro lado, de de
U e as matrizes A = (f )B,C e em B para cordenadas em C , via

(coordenadas de
B1
em
B ),
X = P X1 , onde P = (IV )B1 ,B a matriz de passagem de B para B1 Y = QY1 , onde Q = (IU )C1 ,C a passagem de C para C1 (coordenadas
C1
em
C ).
Agrupando de modo conveniente as quatro igualdades:
Y = AX Y = A(P X1 ) QY1 = A(P X1 ) Y1 = (Q1 AP )X1
A1 = Q1 AP
Observao O diagrama comutativo abaixo permite, alternativamente, comprovar o resultado acima,

usando produtos de matrizes adequados s composies representadas (4.3.1(3)).
VB UC I I VB1 UC1
f
Aplicaes lineares
65
Mudana de base de um operador linear

Dado o operador linear
f : V V D=
e as bases
D = (f )C C
em
de
em
C,
e a matriz de passagem
B e C de V , sejam as P = (I)C,B da base B
matrizes para a
A = (f )B de f em B , base C (ccordenadas de
B ).
Vale a relao
P 1 AP .
Exemplo 4.33
Seja o operador
f : R3 R3 , T (x, y, z) = (5x+2y 2z, 4xy +2z, 8x+4y 3z).
Dadas as bases
1 0 1 (cannica) e C P a matriz de passagem de B para C , isto , P = (I)C,B = 0 1 1 . 2 1 2 (a) Identicar os vetores da base C = {v1 , v2 , v3 }. Ora, por denio, as colunas de P so as coordenadas de C em B , isto , v1 = (1, 0, 2), v2 = (0, 1, 1) e v3 = (1, 1, 2), pois B a base cannica.
3 do R , seja
(b) Achar a matriz de
na base
C.
Temos A matriz procurada vale:
T (v1 ) = T (1, 0, 2) = (1, 0, 2) = v1 ; T (v2 ) = T (0, 1, 1) = (0, 1, 1) = v2 ; T (v3 ) = T (1, 1, 2) = (1, 1, 2) = v3

(c) Da relao
1 D = (T )C = 0 0
Temos (verique!)
0 0 1 0 0 1 2 2 1 2 =A 4 3
D = P 1 AP ,
1 0 2 0 1 1
vem que
P DP 1 = A.
0 3 0 2 1 2
1 1 1 0 2 0
0 1 0
1 1 5 0 1 = 4 1 1 8
(d) A ao de
na base
mostra que o plano
W = [v1 , v2 ]
invariante por
T,
e os vetores da reta
U = [v3 ]
so transformados em seus opostos. Em outras palavras,
a simetria em relao a
W,
paralela a
U.
f : R3 R2 a funo linear dada por f (x, y, z) = (2x + 3y + z, x + 2y z). Considere 3 2 as bases do R : B cannica; B1 = {(1, 1, 1), (1, 2, 1), (0, 1, 1)}; tambm,as bases do R : C cannica, C1 = {(3, 2), (2, 1)}. Determine:
(1) Seja (a)
A = (f )B,C ;
(b)
D = (f )B1 ,C ;
(c)
K = (f )B,C1 ;
de
(d)
L = (f )B1 ,C1
e
(e) Usando as matrizes de passagem
para
B1 ,
de
para
C1 ,
indique as relaes
existentes entre os pares das matrizes obtidas em (a), (b), (c) e (d). (2) Dado o operador linear (a) a matriz
T : R2 R2 , T (x, y) = (4x + 4y, x + 4y), 6 0 0 2
encontre:
de
na base cannica; do
(b) uma base
B = {v1 , v2 }
R2 A
tal que e
D = (T )B =
. Sugesto.
T (v1 ) = 6v1 , T (v2 ) = 2v2 .
(c) a relao entre as matrizes
D.
4.35 SEMELHANA DE MATRIZES

A noo de
semelhana
permite identicar propriedades invariantes de uma matriz (ou de um ope-
rador) que so independentes de uma particular representao, como, por exemplo, posto, trao, determinante. Essa noo foi sugerida pela frmula de mudana de base de um operador
D = P 1 AP .
66
(1) Duas matrizes quadradas que
nn A
so
semelhantes
se existe uma matriz inversvel
tal
B=
P 1 AP . A
e
Na realidade,
so semelhantes se, e somente se, so matrizes de um mesmo operador linear.
No difcil vericar que a semelhana de matrizes uma relao de equivalncia (reexiva,simtrica e transitiva) no conjunto das matrizes quadradas de uma dada ordem. Na mesma ordem de idias, vejamos como tratar da (2) Uma matriz quadrada (3) Um operador matriz de
diagonalizao.
T :V
diagonalizvel se A semelhante a uma matriz diagonal D. V , dim V = n, diagonalizvel se existe uma base B de V na qual a
A
diagonal.
No iremos desenvolver esse tpico. Apenas como motivao, vejamos como abordar a diagonalizao. A idia muito simples: semelhante a uma matriz se uma matriz diagonal
deve representar um operador
T,
ou ser
A,
ento,
numa certa base
{v1 , v2 , v3 },
deve ser,
por construo,
1 0 0 D = 0 2 0 0 0 3
A ao de
T (v1 ) = Av1 = 1 v1 T (v2 ) = Av2 = 2 v2 T (v3 ) = Av3 = 3 v3 T

uma
nesses vetores especial: cada um deles uma direo principal, na qual
homotetia. Os vetores so os
autovetores de T
T
e os coecientes
os
autovalores.
T (!).
Em outras palavras,
diagonalizvel se existe uma base de autovetores de
Exemplo 4.36
(1) Veriquemos que a matriz A =
X = O,
solues do sistema
4 4 1 4
diagonalizvel; para tanto, devemos achar os autovetores
AX = X ,
ou
inversvel. Examinemos o escalonamento
(A I)X = O; portanto, a matriz A I 4 4 1 4 . 2 + 8 12 1 4 0
deve ser no
2 +812 = 0, ou 2 8+12 = 0: o primeiro membro o polinmio caracterstico, cujas razes so os autovalores = 6 e = 2. O primeiro caso indica a equao x 2y = 0 e X = (x, y) = (2y, y) = y(2, 1); o segundo nos d x+2y=0, donde X = (x, y) = (2y, y) = y(2, 1). Assim , escolhendo v1 = (2, 1) e v2 = (2, 1), obtemos Av1 = 6v1 ,
Ora, como procuramos soluo no trivial, deve ser
Av2 = 2v2 ,
D=
6 0 0 2
. Enm, a matriz de passagem vale
P =
2 2 1 1
, e verica
D = P 1 AP .
(2) Trao de um operador

J denimos o trao tr(A) de uma matriz
como a soma dos seus elementos diagonais, e vercamos
que o trao linear. Alm disso, vale uma interessante propriedade: tr(AB) matrizes no comutem entre si. Por exemplo
= tr(BA)
mesmo que as
A=
a b c d
B=
x y z w
AB =
ax + bz ay + bw cx + dz cy + dw
BA =
xa + yc xb + yd za + wc zb + wd
Como vemos acima: tr(AB) Em seguida, temos Se
= (ax + bz) + (cy + dw) = (xa + yc) + (zb + wd) = tr(BA).

so semelhantes, ento tr(A)
= tr(B)
Aplicaes lineares
De fato, existe alguma matriz inversvel tr(A)
67
tal que
A = P 1 BP ;
logo,
= tr(P 1 BP ) = tr(BP P 1 ) = tr(BI) = tr(B) T : V V ,

colocando tr(T )
A denio pode ser ampliada para um operador matriz
tr(A), onde a
representa
emqualquer base de
V,
pois vimos que se outra matriz
tambm representa
T,
ento
so semelhantes, logo tm o mesmo trao!
Por exemplo, consideremos o operador linear derivao
2 3 relao base cannica {1, x, x , x }, a seguinte matriz
D : R3 [x] R3 [x], A representa D:
tal que
D(p) = p .
Em
0 0 A= 0 0
1 0 0 0
0 2 0 0
0 0 ; 3 0
logo, tr(D)
= tr(A) = 0.
Um outro exemplo, as matrizes trao.
0 1 0 0
1 1 0 0
no so semelhantes, pois no possuem o mesmo
(3)
Potncias de matrizes semelhantes

matrizes semelhantes, portanto da forma temos
Sejam
A e B inteiro n > 0,
A = P 1 BP .
Observemos que, para todo
An
semelhante a
Bn.
Com efeito: logo,
An = (P 1 BP )n = (P 1 BP )(P 1 BP ) (P 1 BP ) = P 1 B n P , mesma matriz de passagem P .

Alguns resultados decorrentes: (a) Se uma matriz (b) Um operador qualquer.
An
semelhante a
Bn,
com a
nilpotente, ento toda matriz semelhante a
tambm nilpotente.
nilpotente se, e somente se, nilpotente a matriz que representa
numa base
4.37 Aplicao: posto de matrizes

(1) Seja
LA : Rn Rm , Y = LA (X) = AX .
A imagem
I(LA ) formada pelos vetores Y Rm para os quais o sistema AX = Y possui soluo 1 n 1 n em X ; como AX = A x1 + + A xn , onde A , . . . , A so os vetores-coluna de A, vemos que I(LA ) = C(A) coincide com o subespao das colunas de A, isto , (LA ) = C (A) ().
Por outro lado, sabemos que imagem, usando (*) e (**),
(A) = dim N (A) = n (LA ) (). vemos que L (A) = C (A) .
Do teorema do ncleo e da
Esse resultado j nosso conhecido. Agora, ser que vale (*) para qualquer (2)
A = (f )B,C ? f
o posto-coluna de
Proposio
matriz
Vericaremos, que dada que representa
f : V U ,
ento o posto de
qualquer
A = (f )B,C
em um par arbitrrio de bases xadas.
B = {v1 , . . . , vn } e C = {u1 , . . . um } so bases quaisquer de V e U , ento, por construo, m de f (B) em C . Como B gera V , sabemos que f (B) cada vetor-coluna A so as coordenadas no R gera a imagem I(f ), isto , I(f ) C(A). Enm, (f ) = C (A).
De fato, se (3) Observemos, em particular, que a recproca).
matrizes semelhantes tm mesmo posto (no sendo vlida
68

4.4
1(a) dene uma funo linear. Pondo
a R, v = (x, y, z), v1 = (x1 , y1 , z1 ), v2 = (x2 , y2 , z2 ),
temos
f (v1 + v2 ) = f (x1 + x2 , y1 + y2 , z1 + z2 ) = (x1 + x2 + y1 + y2 , x1 + x2 y1 y2 , z1 + z2 ) = (x1 + y1 , x1 y1 , z1) + (x2 + y2 , x2 y2 , z2 ) = f (v1 ) + f (v2 ) f (av) = f (ax, ay, az) = (ax + ay, ax ay, az) = a(x + y, x y, z) = af (v)
(b) funo linear; a vericao tal qual a que zemos acima. (c) no linear, devido ao termo (d) no linear, pois
xy ,
pois, por exemplo,
(x1 + x2 )(y1 + y2 ) = x1 y1 + x2 y2 ;
f (0, 0, 0) = (0, 0, 1) = (0, 0, 0).

t (A
2(a) Segue das propriedades da transposio: (b)
+ B) = t (A) + t (B); t (A) = t (A).

como podemos observar das matrizes abaixo:
tr(A + B) = tr(A) + tr(B), tr(A) = tr(A), A= a b c d

,
B=
x y z w
A+B =
a+x b+y c+z d+t
A =
a b c d
4.7
1(a) Temos (b) Pondo
f (X) = f (x, y) = f (xe1 + ye2 ) = xf (e1 ) + yf (e2 ) = x(2e1 ) + y(2e2 ) = 2(xe1 + ye2 ) = 2X ;
e
v1 = (1, 4) = e1 + 4e2 e v2 = (0, 1) = e2 , vem e1 = v1 4v2 f (e1 ) = f (v1 ) 4f (e2 ) = (3, 2) 4(1, 0) = (1, 2) e f (e2 ) = (1, 0). Logo, f (x, y) = xf (e1 ) + yf (e2 ) = x(1, 2) + y(1, 0) = (y x, 2x);
2)(a) Mesmo raciocnio: usando
e 2 = v2 ;
segue, ento,
v1 = (1, 1, 1), v2 = (0, 1, 1), v3 = (0, 0, 1), vemos que e1 = v1 v2 , e2 = v2 v3 , e3 = v3 , logo f (e1 ) = f (v1 ) f (v2 ) = (1, 0, 3), f (e2 ) = f (v2 ) f (v3 ) = (0, 0, 0), f (e3 ) = (2, 1, 1). Enm, f (x, y, z) = xf (e1 ) + yf (e2 ) + zf (e3 ) = x(1, 0, 3) + z(2, 1, 1) = (x + 2z, 0, 3x z)).
2(b) Impossvel. Deve ser
f (1, 1, 1) + f (1, 2, 3) = f ((1, 1, 1) + (1, 2, 3)) = f (2, 3, 4);
mas
(1, 2, 3) +
(1, 4, 9) = (2, 1, 1).

3. Dada
A=
a b c d
, temos
A = av1 +bv2 +cv3 +dv4 , logo T (A) = aT (v1 )+bT (v2 )+cT (v3 )+dT (v4 ) =
; assim
av1 + bv3 + cv2 + dv4 =
a c b d
T (A) = t (A).
1 x 1. LA (X) = AX = (1, 2, 3).(x, y, z) = x + 2y + 3z ; LA (x) = 2 .x = 2x 3 3x 2.(a) Basta colocar f (1, 0) = f (e1 ) = (2, 0) e f (0, 1) = f (e2 ) = (0, 2) nas colunas A=
(b) Temos de calcular matriz
4.10
da matriz
A,
isto ,
2 0 0 2
D=
1 1 2 0
(veja 4.7;1(b)), obtendo a
f (1, 0) = f (e1 ) = (1, 2), f (0, 1) = f (e2 ) = (1, 0)
acima.
Aplicaes lineares
2.(c) Ler a matriz diretamente de
69
f (x, y, z),
1 1 1
pois aqui usamos as bases cannicas abaixo, esquerda.
3 A = 2 4
3. As colunas de direita.
1 0 2
1 0 A= 0 0
0 0 1 0
0 1 0 0
0 0 0 1
e
so as coordenadas de
T (v1 ) = v1 , T (v2 ) = v3 , T (v3 ) = v2
T (v4 ) = v4
acima,
4.16
1.(a) ,
f (x, y, z) = (x, 2y, 0) = (0, 0, 0) = x = 0 N (f ) = [(0, 0, 1)] e dim N (f ) = 1.

como
Ncleo:
y = 0;
logo
N (f ) = {(0, 0, z) ; z R},
dim I(f )
isto
Imagem:
(x, 2y, 0) = x(1, 0, 0) + y(0, 2, 0),
vemos que
I(f ) = [(1, 0, 0), (0, 1, 0)],
= 2.
1.(b) Alternativamente, como escrever a matriz de
f (x, y, z) = (x + z, x z, y) = x(1, 1, 0 + y(0, 0, 1) + z(1, 1, 0),

0 0; 1
podemos
e usar escalonamento:
1 A= 1 0
1 0 1 0 1 0 0 1 0
0 1 0
logo,
N (f ) = {O}
I(f ) = R3 .
1.(c) Usando
f (x, y, z) = (x, x y, y z, z),

0 0 1 0 ; 0 1 0 0
novamente mais fcil escalonar sua matriz:
1 0 1 1 A= 0 1 0 0
2.
1 0 0 0 0 1 0 1
segue que
N (f ) = {O}
I(f ) = {(a, b, c, d); d = 0},
com dim I(f )
= 3.
Esse exemplo , essencialmente,o mesmo da funo 1.(c) acima, se usarmos as bases cannicas
{1, x, x2 } e {1, x, x2 , x3 }: pondo p = a + bx + cx2 , temos g(p) = p + x2 p = a + bx + cx2 + x2 (b + 2cx) = a + bx + (c + b)x2 + 2cx3 . Assim, se g(p) = 0, vemos que deve ser: a = 0, b = 0, c + b = 0 e 2c = 0, donde a = b = c = 0 e p = O , logo N (g) = O . Considerando, agora, os geradores da imagem I(g), g(1) = 1, g(x) = x + x2 e g(x2 ) = x2 + 2x3 , que so LI, vemos que dim I(g) = 3.
Alternativamente, o escalonamento da matriz de
conrma os dois subespaos:
1 0 A= 0 0
3. Se
0 1 1 0
0 1 0 0 0 1 2 0
0 1 0 0
0 0 . 1 0
I(f ) = Rm . Por outro lado, temos o domnio gerado pelos n vetores cannicos: Rn = [e1 , . . . , en ], donde I(f ) = [f (e1 ), . . . , f (en )], por 4.14. Assim, temos o Rm = I(f ) = [f (e1 ), . . . , f (en )] gerado por n vetores, o que obriga m n.
sobrejetiva, ento Seja a funo linear sobrejetiva.
f : Rn Rm
g : R3 R2
associada matriz
A=
1 0
1 0
1 0
; temos dim I(g)
= 1,
logo
no
4.22
1.(a)(b) O escalonamento das matrizes que representam cada funo resolve o exerccio.
(a)
(b)
2 1 2 1 0 0 [A, I] = 1 0 1 0 1 0 3 1 1 0 0 1 1 3 11 1 0 [A, I] = 0 1 4 0 1 0 0 1 0 0
1 0 1 0 1 0 4 0 3 1 0 1 0 0 0 1 1 1 1 0 0 1 3 1 0 0 0 1 0 0 1 4 = [I, A1 ] 1 0 0 1 0 0 1
70
No primeiro caso, o escalonamento revelou a terceira linha formada de zeros, donde inversvel. Para conrmar, O caso (b) ilustra
(logo
T)
no
N (T ) = [(1, 4, 1)]
uma reta, o que obriga dim I(T )
= 2. A1 .
inversvel, com
T 1 (x, y, z) = (x 3y z, y 4z, z)
3 a 0 b , 1 c
com
associado matriz
2.
A matriz de
da forma
2 A = 1 1
AX = O
X = (1, 2, 1),
e
o que nos d,
sucessivamente: segue a 3. Seja
2 + 6 a = 0, 1 b = 0 e 1 2 c = 0, donde a = 8, b = 1 denio de T : T (x, y, z) = (2x + 3y + 8z, x + z, x y z).
c = 1.
Conhecida
A,
f (X) = AX . Como A = O, ento I(f ) = O, pois, por exemplo, f (A) = AA = a2 + +a2 = 0. n 1 n Assim I(f ) = R e dim I(f ) = 1. Ento, H = N (f ) um subespao do R . Alm disso, do Teorema do ncleo e da imagem, segue que dim H = n 1.
4. Ncleo: achar as matrizes
tais que
T (X) = BX = O, a + 2c = 0
0 2 0 1
e
ou
2 4 3 6
a b 2a + 4c 2b + 4d = = O, c d 3a + 6c 3b + 6d
isto , as matrizes procuradas
donde, descartando as equaes proporcionais, so da forma
b + 2d = 0, =2
X=
2c 2d c d
=c
2 0 1 0
+d
; dim N (T )
Imagem: procedendo da mesma forma, descartando as condies proporcionais, vemos que
I(T ) = a
2 0 0 2 +b ; dim I(T ) = 2. 3 0 0 3
Observao.
adhoc
O mtodo que aplicamos, usando as matrizes das aplicaes lineares para calcular, por
exemplo, o ncleo e a imagem, vale sempre em dimenso nita; dependendo da situao, um mtodo pode ser mais popular, ou mais sugestivo, como o que acabamos de usar no exerccio acima. Refazer o problema anterior, usando o isomorsmo
Exerccio suplementar.
: V R4 ,
a b (a, b, c, d) c d
para obter a matriz
que representa
2 0 T: M = 3 0
0 2 0 3
4 0 6 0
0 4 . 0 6
4.25
1.(a) (b) (c)
(f + 4g)(x, y) = f (x, y) + 4g(x, y) = (0, x) + (4x, 0) = (4x, x);
(g f )(x, y) = g(f (x, y)) = g(0, x) = (0, 0); (f g)(x, y) = f (g(x, y)) = f (x, 0) = (0, x);
(f g)2 = (f g)(f g)(x, y) = (f g)(0, x) = f (g(0, x)) = f (0, 0) = 0; (h (f + g))(x, y) = h(f (x, y) + g(x, y)) = h((0, x) + (x, 0)) = h(x, x) = (x, x). 1 1 1 1 (s + I), ento p2 = (s + I)(s + I) = (s2 + s + s + I) = (2s + 2I) = p. 2. Se p = 2 4 4 4 O operador p(x, y, z) = (x, y, 0) a projeo sobre o plano z = 0, paralela ao eixo-z; s(x, y, z) = (x, y, z) a simetria em relao ao plano z = 0, paralela ao eixo-z.
(d)
4.27
Com
V = W U,
sejam os projetores
p, q : V V ,
com
p(v) = p(w + u) = w
q(v) = q(w + u) = u.
(a) e (b) so idnticos aos que mostramos em 4.26(a) e (b).
(p + q)(v) = (p + q)(w + u) = p(w + u) + q(w + u) = w + u = v , logo, p + q = I . (p q)(v) = p(q(v)) = p(u) = 0 pois U = N (p); (q p)(v) = q(p(v)) = q(w) = 0 pois W = N (q);
(c)
(v) = (w + u) = u w a simetria associada ao projetor q . vemos que ( + s)(v) = (v) + s(v) = (u w) + (w u) = 0.

(d)
Como
s(v) = s(w + u) = w u,
Aplicaes lineares
(e) Temos
71
p(x, y, z) = (3x + y z, 2x + z, 4x + 2y z);
(verique os resultados obtidos!)
q(x, y, z) = (2x y + z, 2x + y z, 4x 2y + 2z); s(x, y, z) = (5x + 2y 2z, 4x y + 2z, 8x + 4y 3z); (x, y, z) = (5x 2y + 2z, 4x + y 2z, 8x 4y + 3z).
(f ) Seja
A a matriz de s; escalonando [A, I] chegaremos a [I, A], mostrando que s inversvel e s1 = s.
V = W1 + W2 . Dado v V , faamos a decomposio v = (1/2)(v + s(v)) + (1/2)(v s(v)); pondo v1 = (1/2)(v + s(v)) e v2 = (1/2)(v s(v)), temos, s(v1 ) = (1/2)(s(v)+s2 (v)) = (1/2)(s(v)+v) = v1 e s(v2 ) = (1/2)(s(v)s2 (v) = (1/2)(s(v)v) = v2 . Assim v1 W1 , v2 W2 e como v = v1 + v2 , concluimos que V = W1 + W2 . Para vericar que a soma direta, falta ver que W1 W2 = {O}: se v est interseo, ento s(v) = v = v , donde v = O .
(g) Inicialmente, veriquemos que
4.30
1.Sejam
v1 = (0, 2), v2 = (2, 1), u1 = (1, 1, 0), u2 = (0, 0, 1), u3 = (1, 0, 1). Por denio de (f )B,C , temos f (v1 ) = 2u1 + 4u2 + 0u3 = (2, 2, 0) + (0, 0, 4) = (2, 2 4) e f (v2 ) = 4u3 = 4(1, 0, 1) = (4, 0, 4); por outro lado, sendo P a matriz de passagem da base cannica {e1 , e2 }
para a base Segue
B,
temos
P =
0 1 2 1
e P 1 = (1/2)
1 1 2 0
, donde
e1 = (1/2)(v1 + 2v2 )
e2 = (1/2)v1 .
f (e1 ) = (3, 1, 6), f (e2 ) = (1, 1, 2), f (x, y) = (3x + y, x + y, 6x 2y). {e1 , e2 }, temos T (e1 ) = (3, 1) e T (e2 ) = (4, 5), donde a matriz A = C;
de
2. (a) Na base cannica
3 4 1 5
Seja
P =
1 2 2 3
a matriz de passagem da base cannica para Como
P 1 =
3 2 2 1
, vem
e1 = 3v1 +
e .
2v2 e2 ,
e2 = 2v1 v2 .
T (v1 ) = Av1 = 5e1 + 11e2

e
concluimos
T (v1 ) = 37v1 21v2
T (v2 ) = Av2 = 6e1 + 17e2 , substituindo e1 37 52 T (v2 ) = 52v1 29v2 , donde a matriz D = (T )C = 21 29
e
Observao Alternativamente, temos D = P 1 AP .

3.(a) Por denio, dada (b) A matriz
f (B)
em
em
C,
segue
A = (f )B,C =
A1
f (B1 )
C1 ;
tambm, temos
1 1 0 . 1 1 3 u1 = z2 z1 e u2 = z1 .
Assim:
f (w1 ) = 2f (v1 ) f (v2 ) + f (v3 ) = 2(u1 + u2 ) (u1 u2 ) + 3u2 = u1 + 6u2 = z2 z1 + 6z1 = 5z1 + z2 ; f (w2 ) = f (v1 ) + f (v2 ) f (v3 ) = u1 + u2 + u1 u2 3u2 = 2u1 3u2 = 2z2 2z1 3z1 = 5z1 + 2z2 ; f (w3 ) = 2f (v1 ) f (v3 ) = 2u1 + 2u2 u2 = 2u1 u2 = 2z2 2z1 z1 = 3z1 + 2z2 .
Enm
A1 = (f )B1 ,C1 =
5 5 3 1 2 2
Observao Mtodo alternativo.
Sejam as respectivas matrizes de passagem:
2 1 2 P = 1 1 0 , Q = 1 1 1
0 1 , Q1 = 1 1
1 1 1 0
; ento
A1 = Q1 AP .
4.34
1.(a)
A = (f )B,C =
2 3 1 1 2 1
lida diretamente de
f (x, y, z) = (3x + 3y + z, x + 2y z);
(b) Se
B1 = {v1 , v2 , v3 )},
calculemos
f (B1 )
em
C:
segue, ento
f (v1 ) = A (1, 1, 1) = (6, 2), f (v2 ) = A (1, 2, 1) = (9, 4), f (v3 ) = A (0, 1, 1) = (4, 1); D = (f )B1 ,C =
6 9 4 2 4 1
.
72
(c) Aqui, vamos escrever
f (B)
em
C1 = {u1 , u2 }:
donde
f (e1 ) = (2, 1) = u2 , f (e2 ) = (3, 2) = u1 , f (e3 ) = (1, 1) = 3u1 + 5u2 , K = (f )B,C1 =

(d) Enm, para achar
0 1 3 1 0 5
f (B1 )
en
C1 ,
temos segue
f (v1 ) = (6, 2) = 2u1 + 6u2 , f (v2 ) = (9, 4) = u1 + 6u2 , f (v3 ) = (4, 1) = 2u1 + 5u2 ; L = (f )B1 ,C1 =
(e) As matrizes de passagem so
2 1 2 . 6 6 5
1 1 1 1 1 0 P = 1 2 1 , P 1 = 0 1 1 , Q = 1 0 1 1 1 1
Em relao s matrizes de
3 2 , Q1 = 2 1
1 2 2 3
obtidas anteriormente, temos:
D = AP , K = Q1 A, L = Q1 AP .
2. (a) Segue diretamente da denio de
T (x, y): A =
4 4 1 4
X = (a, b) tal que T (X) = 6X , temos: 4a + 4b = 6a e a + 4b = 6b, donde a nica equao a = 2b e X = (2b, b) = b(2, 1); escolhendo v1 = (2, 1), temos T v1 = 6v1 . Analogamente, se T (X) = 2X , ento 4a + 4b = 2a e a + 4b = 2b, donde a = 2b e X = (2b, b) = b(2, 1); pondo v2 = (2, 1), ento T v2 = 2v2 . 6 0 Assim, na base {v1 , v2 }, o operador T representado por D = . 0 2
(b) Para achar (c) As matrizes
esto relacionadas pela matriz de passagem
P =
2 2 1 1
, na expresso
D = P 1 AP .
Espaos com produto interno
73
CAPTULO 5 ESPAOS COM PRODUTO INTERNO
(a) Conceituar espaos euclidianos; (b) Estabelecer as caractersticas do produto interno e da norma; (c) Descrever as propriedades mtricas e angulares; (d) Caracterizar bases ortonormais e o processo de Gram-Schmidt; (e) Representar operadores simtricos e matrizes ortogonais; (f ) Estender os novos conceitos s aplicaes matriciais.
INTRODUO
Espaos euclidianos so espaos vetoriais reais munidos de um
produto interno.
Trata-se de acrescen-
tar estrutura original mais uma operao capaz de estudar as propriedades mtricas e angulares. Assim redesenhado, o novo quadro epistemolgico, por ser mais prximo da vivncia cognitiva habitual, o ambiente propcio para o desenvolviento da geometria euclidiana, da qual, alis, o nome foi emprestado. Por isso, tambm sugere aprofundamentos em vrios tpicos multidisciplinares.
5.1 Produto interno

Um espao euclidiano um espao vetorial real
V,
munido de um produto interno, uma aplicao
< , >: V V R
(a) (b) (c) (d)
que associa a cada par de vetores
v, u V
um escalar
< v, u >,
vericando as
propriedades, para todo
v, u, w V
a R:
< v + w, u >=< v, u > + < w, u >; < av, u >= a < v, u >; < v, u >=< u, v >; < v, v > 0
e
< v, v >= 0 v = O.
Observao
Na denio acima, as condies (a) e (b) signicam que
< , > linear em relao primeira varivel; devido simetria (c), tambm linear em relao segunda varivel. Portanto, < , >: V V R
uma forma bilinear simtrica. A condio (d) expressa pela denominao: o produto interno estritamente positivo.
74
5.2 Exemplos de produtos internos
(1)
No
Rn ,
se
X = (x1 , . . . , xn )
Y = (y1 , . . . , yn ),
ento
< X, Y >= x1 y1 + + xn yn
de
um
produto interno. De fato, a vericao da linearidade (em relao primeira varivel) e da simetria no oferecem diculdade. Quanto positividade, se nula, logo, a soma de quadrados reais
< X, X >=
x2 1
X = O, ento alguma coordenada + + x2 tambm no nula. n

obtemos
no
Exemplo:
No
R3 ,
com
v = (1, 1, 2), u = (3, 0, 1), w = (2, 2, 0),
< v, u >= 3 + 2 = 5, < v, w >= 2 + 2 = 0, < u, w >= 6.

t (2) No espao das matrizes quadradas n n, seja < A, B >= tr(A A), onde tr indica trao. t AA
Ora,
o produto de duas matrizes, xada uma delas, linear na outra, assim como a transposio uma operao linear. Vamos examinar a positividade. O produto feito por produtos de linhas de
A t AA
t por colunas de A, isto , linhas de
por linhas de
A.
Assim, os elementos diagonais do produto
so produtos de uma linha pela mesma linha, logo, so somas de quadrados. Em
Exemplo:
A tB = 1 0
V = M22 ,
4 1 2 2
sejam as matrizes
A=
1 0
1 ,B= 1
4 2
1 2
. Temos:
1 1
5 1
0 2
. Logo,
< A, B >= tr (A tB) = 5 2 = 3.
(3)
Seja
V = C[0, 1]
o espao das funes contnuas reais denidas no intervalo fechado
[0, 1].
Um
produto interno bem popular nesse espao dado por
< f, g >=
0
f (x)g(x)dx.
Novamente, a
linearidade e a simetria so imediatas. Para a positividade, se uma funo contnua positiva no nula em um certo ponto que
x0 [0, 1], 0=
J
ento a funo permanece positiva em um intervalo
h J
for tal
x0 J [0, 1]; f (x)2 dx = 0.
logo, deve ser
h(x)dx
0
h(x)dx.
Em outras palavras, se
f = O,
ento
1 0
Na realidade, observe que
qualquer
intervalo fechado
[a, b]
pode ser usado.
Exemplo:
Se
1
Dadas
f (x) = 4x
g(x) = x2 ,
temos:
< f, g >=
0
4x x2 dx =
0 1
4x3 dx = x4
0 1
= 1. = 0.
0
f (x) = 2 e g(x) = 2x 1, ento < f, g >=

0
2 (2x 1) dx =
0
(4x 2) dx = 2x2 2x
5.3 Primeiras propriedades

(1) Para cada
v V,
vale
< v, O >=< O, v >= 0.

donde
De fato, temos (2) Seja
< v, O >=< v, O + O >=< v, O > + < v, O >,

se, para cada
< v, O >= 0.
[
v V;
u V,
vale
< v, u >= 0, v = O,
ento
v = 0.
no-degenerado].
De fato, fazendo
O produto interno 5.1(d).
u = v,
temos
< v, v >= 0,
donde
tendo em conta a condio
Observao A propriedade no-degenerada pode subsistir mesmo na ausncia da positividade.

k n (k = R ou k = C), o produto interno usual, sem a exigncia da positividade, no degenerado. Com efeito, seja A = (a1 , . . . , an ) e suponhamos que A X = O para cada X , ento, escolhendo sucessivamente os vetores cannicos e1 , . . . , en obtemos Ae1 = a1 = 0, . . . , Aen = an = 0, isto , so nulas todas as coordenadas de A, ou A = O .
Por exemplo, no Contudo, em
C,
esse produto no positivo denido: por exemplo,
(1, i)(1, i) = 1 + i2 = 1 1 = 0.

5.4
Seja
75
NORMA
real
(V, <>)um espao euclidiano. Para cada v V , a norma de v o nmero Um vetor v V unitrio se v = 1.
no-negativo dado por
v =
< v, v >.
Proposio 5.4 Valem as seguintes relaes:

(a) Para cada (b) Para cada
v V, v 0 vV
e
v = 0 v = O;
.
R, v = || v
2
De fato, (a) decorre da positividade do produto interno. Quanto a (b), temos:
=< v, v >= 2 < v, v >= 2 v
2.
Norma e produto interno (1) Desigualdade de Cauchy-Schwarz

Se
um espao vetorial euclidiano, ento, para cada
v, u V u
Podemos,
| < v, u > | v
De fato, se ento,
u = O, supor u = O
2
ento
< v, u >= 0
e considerar a norma
v u = 0 e a desigualdade uma igualdade. v + tu 2 0, t R. Desenvolvendo, vem
0 v + tu
= < v + tu >< v + tu >=< v, v > + < v, tu > + < tu, v > + < tu, tu > = v
2
+ t < v, u > +t < u, v > +t2 u

2
= t2 u
+ 2 < v, u > t + v t
Assim, o trinmio do segundo grau em
(observe que isto
criminante que deve vericar a comdio
< v, u
>2
2 , ou
0, | < v, u > | v u .
u = O), sempre positivo, possui um dis2 2 u 2 0, donde , 4 < v, u > 4 v
Corolrio 1
Na desigualdade de Cauchy-Schwarz, vale a igualdade se, e s se, Na vericao acima, essa igualdade signica que o discriminante
so L.Dependentes.
do trinmio considerado nulo, ou seja, o trinmio possui uma raiz (dupla) t0 tal que v + t0 u = 0, donde vemos que v e u so LD, sempre supondo u no nulo, nossa hiptese inicial; se fosse u = 0, claro que v e u ainda seriam LD. Reciprocamente, supondo v e u LD, digamos da forma v = au, ento fcil ver que | < v, u > | = v u .
Corolrio 2 Desigualdade triangular (Minkovski)

Se
um espao euclidiano, ento, para todo
v, u V ,
vale
v+u v + u
Desenvolvendo a norma
v+u
2:
v+u
= < v + u, v + u >=< v, v > + < v, u > + < u, v > + < u, u > = v

2
+ 2 < v, u > + u
+2 v
u + u
( v + u )2
Valendo
v+u
( v + u )2 ,
segue o resultado
v+u v + u
76
(2) Distncia
A norma induz uma
mtrica d : V V R, ou distncia denida por d(v, u) = v u

se, e somente se,
, vericando
as seguintes propriedades caractersticas: (a) (b) (c)
d(v, u) 0; d(v, u) = 0 d(v, u) = d(u, v),

pois
v = u,
devido positividade da norma; ; .
v u = (1)(u v) = | 1| u v = u v
usando
d(v, u) d(v, w) + d(w, u)
v u = (v w) + (w u) v w + w u
Observao
No
Rn , com X = (x1 , . . . , xn ) e Y = (y1 , . . . , yn ), as expresses da norma X = x2 + + x2 e da n 1 distncia d(X, Y ) = (y1 x1 )2 + + (yn xn )2 , constituem generalizao natural das expresses 2 3 que j encontramos em R e R .
Exemplo:
no
R4 , se A = (2, 4, 4, 5) e B = (6, 4, 2, 1), temos d(A, B) = A B = (4, 0, 2, 4) = 6.
(3) ngulo
Sejam
v e u vetores no nulos de um espao euclidiano V ; da | < v, u > | v u , temos v u < v, u > v u , donde 1
Ento, existe um nico Diremos, ento, que
desigualdade de Cauchy-Schwarz
< v, u > 1 v u
tal que
R,
0
e
cos =
o ngulo entre os vetores
v v
u; u
observemos
< v, u > . v u que < v, u >= v
u cos ,
2 recuperando a expresso elementar vlida no R e no

Na mesma ordem de idias, diremos que os vetores lentemente, se
R3 , indicando uma generalizao plausvel.

e so
ortogonais se cos = /2 ou, equiva-
< v, u >= 0.
Exemplo 5.5
(1) No Rn , os vetores {e1 , . . . , en } da base cannica so unitrios e dois a dois ortogonais, isto , formam uma base ortonormal. (2) No espao das matrizes 2 2, fcil ver que as matrizes cannicas formam uma base ortonormal
1 0 0 0
,
0 1 0 0 A=
0 0 1 0
0 0 0 0
, com o produto
< A, B >= tr (A tB).
No mesmo espao, dada
2 1 0 2
, temos
A =
< A, A > =
tr(A tA) =
9 = 3,
pois
A tA =
5 2 2 4
tr(A tA) = 5 + 4 = 9.
(3) A base {1, x, x2 } de R2 [x] no unitria nem ortogonal.

1 1
Por exemplo:
< x, x2 >=
0
x x2 dx =
0 1
x3 dx =
1 2
x4 4
=
0
1 ; 4
1 0
=< x, x >=
0
x x dx =
0
x3 x dx = 3
1 = , 3
donde
x = v v 3x
3 . 3
(4)
Dado um vetor
v=O v v
em um espao euclidiano
V,
ento o vetor
unitrio.
De fato, temos
v = 1. v
Por exemplo, acima, o vetor
unitrio em
R2 [x].
Espaos com produto interno (5) Num espao euclidiano V

(a) (b) valem as propriedades:
77
v+u
+ vu
= 2( v
2
+ u 2)
4 < v, u >= v + u
2 2
vu
Lei do paralelogramo]; 2 [Polarizao].

[
A idia desenvolver o quadrado das normas e comparar os resultados:
v+u vu
=< v + u, v + u >=< v, v > + < v, u > + < u, v > + < u, u >= v =< v u, v u >=< v, v > < v, u > < u, v > + < u, u >= v
2 2
+ 2 < v, u > + u 2 < v, u > + u
2 2
Somando membro a membro, obtemos (a); subtraindo a segunda igualdade da primeira, segue (b).
(6)
No
R3 ,
considere, no primeiro octante, o cubo de aresta
com um vrtice na origem e faces
ortogonais contidas em cada um dos planos coordenados. Interpretando a diagonal
como o vetor
D = (a, a, a),
ache o ngulo
entre
e a diagonal da face horizontal
d = (a, a, 0),
isto , o ngulo
entre a diagonal e uma face do cubo. Temos
< D, d >=< (a, a, a), (a, a, 0) >= 2a2 ; 2a2 cos = 2 , 3 2a

ou
como
D =
3a e d =
2a, vem cos =
< D, d > , D d
isto ,
cos =
2 35, 26 . 3 n-dimensional, com a diagonal D = (a, . . . , a),

n
temos
O resultado acima pode ser generalizado para um cubo
sendo
d = (a, . . . , a)
k
a diagonal de uma face
k -dimensional:
cos =
k . n
Atividade-proposta
(1) Seja (a)
V = R4 ;
(b)
considere os vetores
v = (1, 1, 1, 1)
entre
w = (1, 1, 1, 1).
(d) a distncia
Determine:
< v, w >;
; (c) o ngulo
w;
d(v, w). d(A, B),

dadas
(2) Seja
V = M22 , A=
com o produto interno
< A, B >= tr(A tB).
Calcule a distncia
as matrizes
1 1 0 1
B=
1 0 0 0
(3) (a) No
R3 ,
considere, no primeiro octante, o cubo de aresta
com um vrtice na origem e faces
ortogonais contidas em cada um dos planos coordenados. Interpretando a diagonal
como o vetor
D = (a, a, a),
ache o ngulo
entre
e a aresta
= (0, 0, a),
isto , o ngulo entre a diagonal e
uma aresta do cubo. (b) Generalize o resultado para um cubo valor de
ndimensional,
mostrando que
teremos
n = 60 ?
dados
1 cos(n ) = . n
e o ngulo
Para que
(4) Num espao
V,
v = 1, w = 1
v w = 2,
ache
< v, w >
entre
w.
2.
so
(5) Verique a seguinte verso do teorema de Pitgoras: (6) No espao ortogonais. (7) Mostre que vale a igualdade no-negativo do outro. (8) Dados
< v, w >= 0 v + w
= v
e
+ w
R2 [x],
ache o valor de
para o qual os polinmios
f (x) = mx2 1
g(x) = x
v+u = v + u
se, e s se, um dos vetores
v, u
mltiplo
Y = (y1 , y2 ) no R2 , mostre que [X, Y ] = x1 y1 2x1 y2 2x2 y2 + 5x2 y2 2 2 dene um produto interno no R . Compare a norma de v = (1, 2) R em relao ao produto interno X = (x1 , x2 )
e cannico e em relaao ao produto interno acima considerado.
78
5.7
Ortogonalidade
Proposio Todo conjunto S = {v1 , . . . , vp } de vetores ortogonais no nulos LI.

Partindo de uma qualquer combinao linear
a1 v1 + + ap vp = O, multiplicando por v1 , obtemos a1 < v1 , v1 >= 0, donde a1 = 0, pois < v1 , v1 >= v1 2 = 0. Assim por diante, multiplicando sucessivamente por todos os vetores v2 , . . . , vp , anulamos cada um dos coecientes a2 = = ap = 0.
Corolrio Todo conjunto S = {v1 , . . . , vp } de vetores ortonormais LI. (1) Coordenadas em bases ortogonais e ortonormais
(a) Seja B = {v1 , . . . , vn } uma base ortogonal.
v = x1 v1 + + xn vn a decomposio de v B , muito prtico achar as coordenadas (x1 , . . . , xn ): < v, v1 > < v, v1 >=< x1 v1 + + xn vn , v1 >=< x1 v1 , v1 >= x1 < v1 , v1 >= x1 v1 2 x1 = v1 2
Se
em
Do mesmo modo, obtemos todas as outras coordenadas:
v = x1 v1 + + xn vn =
Cada coordenada
< v, v1 > < v, vn > vn . 2 v1 + + v1 vn 2

A
componente
< v, vi > denominada coeciente de Fourier de v em relao a vi . vi 2 < v, vi > xi vi = vi a projeo ortogonal de v sobre vi , como veremos a seguir. vi 2 xi = g1 , . . . , gn ,
(b)
Numa base ortonormal
em que os vetores so unitrios, o clculo das coordenadas
ainda mais simples:
v = x1 g1 + + xn gn =< v, g1 > g1 + + < v, gn > gn .

Observemos o signicado geomtrico:
xi =< v, gi >= v
se
gi cos i = v cos i .
e
(c) Uma outra interpretao numa base ortonormal:

ento
v = x1 g1 + + xn gn
u = y1 g1 + + yn gn ,
< v, u >=< x1 g1 + + xn gn , y1 g1 + + yn gn > < v, u >= x1 y1 + + xn yn

Assim, recuperamos, numa base ortonormal, a expresso do produto interno cannico do
Rn .
Exemplo Na base ortogonal v1 = (2, 5, 1), v2 = (2, 1, 1) e v3 = (1, 0, 2) do R3 , as coordenadas

do vetor
v = (x, y, z) so: < v, v1 > 2x + 5y z 2x + y + z x 2z < v, v2 > < v, v3 > x1 = = ; x2 = = ; x3 = = 2 2 2 30 6 5 v1 v2 v3 2x + 5y z 2x + y + z x 2z v= v1 + v2 + v3 . 30 6 5
Observemos que no foi usado nenhum sistema linear, que o processo usual para uma base arbitrria.
(2) Projeo ortogonal de um vetor

Sejam
v, w V ,
com
w = O.
A projeo ortogonal de
sobre a reta
[w]
o vetor
p(v; w) =
< v, w > w. w 2
Outra forma, se
u=
w w
o unitrio de
w,
ento
p(v; w) =< v, u > u. < v, w > w 2

de modo
O vetor-projeo a garantir
cw tem um comprimento ajustado pelo coeciente de Fourier c =
(v cw) w.
Espaos com produto interno Exemplo No R2 , sejam v = (7, 6) e w = (4, 2).

u = p(v; w) =
Notemos que A projeo ortogonal de
79
sobre
[w]
o vetor
40 < v, w > 2 w = 20 w = 2w = (8, 4). w

bem ortogonal a
v u = (7, 6) (8, 4) = (1, 2)
w = (4, 2).
(3) Processo de Ortonormalizao de Gram-Schmidt
Teorema Todo espao vetorial euclidiano V
=O
de dimenso nita admite uma base ortonormal.
A demonstrao descreve um processo explcito de construo que transforma uma base qualquer em uma outra, ortonormal, garantindo o mesmo subespao gerado. ortogonais Supondo j conhecidos os vetores
v1 , . . . , v m ,
acrescentamos um gerador
os vetores j construidos; desse modo, obtemos o
tores j determinados.
Abaixo, um resumo da
um+1 e subtraimos desse vetor sua projeo sobre vetor vm+1 , necessariamente ortogonal aos ve{v1 , v2 , v3 , v4 },
partindo de uma base
Esse o ponto chave do mtodo! construo da base ortogonal
{u1 , u2 , u3 , u4 }.
Notemos, por exemplo, que o vetor
v4
ortogonal a cada um dos vetores
v1 , v2
v3 .
v1 = u1 v2 = u2 v3 v4 < u2 , v1 > v1 v1 2 < u3 , v1 > < u3 , v2 > = u3 v1 v2 2 v1 v2 2 < u4 , v1 > < u4 , v2 > < u4 , v3 > = u4 v1 v2 v3 2 2 v1 v2 v3 2
Enm, para obter uma base ortonormal
{g1 , g2 , g3 , g4 },
basta dividir cada
vi
por sua norma .
Exemplo Dada a base B = {u1 , u2 , u3 } do R3 , u1 = (1, 1, 0), u2 = (2, 0, 2) e u3 = (3, 3, 3), apliquemos o processo de Gram-Schmid, encontrando, inicialmente, uma base ortogonal
C = {v1 , v2 , v3 }:
v1 v2 v3
= u1 = (1, 1, 0); 2 < u2 , v1 > v1 = u2 v1 = (2, 0, 2) (1, 1, 0) = (1, 1, 2) = u2 2 2 v1 < u3 , v1 > < u3 , v2 > 6 6 = u3 v1 v2 = u3 v1 + v2 = (3, 3, 3) 3(1, 1, 0) + (1, 1, 2) = (1, 1, 1) 2 2 2 6 v1 v2
Enm, a base ortonormal associada vale
G = {g1 , g2 , g3 }, onde v1 1 1 v2 1 1 2 v3 1 1 1 g1 = = ( , , 0); g2 = = ( , , ); g3 = = ( , , ). 2 2 2 6 6 6 6 3 3 3 3 C

de so combinaes lineares dos vetores originais
Observemos, como foi enunciado, que os vetores de de
B,
como representado na matriz de passagem
para
C;
na realidade, a matriz de passagem
P 1 de
para
mostra que os vetores de
tambm so combinaes lineares de
C:
1 1 4 P = 0 1 1 0 0 1
P 1
1 1 3 = 0 1 1 0 0 1
80
(4) Complemento ortogonal

Se
um espao euclidiano e
W V
um subespao de
V,
consideremos o seguinte subconjunto
W = {v V ; < v, w >= 0, para todo w W }
Proposio 1 W um subespao de V , denominado complemento ortogonal de W .

Basta vericar as trs condies de denio de um subespao: (a) Para cada (b) Para cada
w W,
temos
< O, w >= 0,
logo
O W ;
ento
0,
donde
w W , se < v, w >=< u, w >= 0, v + u W ; < v, w >= 0,

ento
< v + u, w >=< v, w > + < u, w >= 0 + 0 =

isto ,
(c) Analogamente, se
< v, w >= < v, w >= 0 = 0,
v W .
Exemplos
(a) Temos (b) No
{O} = V
se
V = {O}.
ento
R3 ,
W = {(x, y, 0) ; x, y R},
no
W = {(0, 0, z) ; z R}. [A]

o hiperplano
(c) Fixado
A=O
Rn ,
o complemento ortogonal de
H = {X Rn ; AX = 0}. W
em
Proposio 2.
Se
W V
um subespao, ento
um suplementar de .
V,
isto ,
V = W W
De fato, xada uma base ortonormal
B = {g1 , . . . , gk } de W e dado v V , o vetor u = v < v, g1 > g1 < v, gk > gk ortogonal a cada vetor de B , logo, ortogonal a W . Assim, podemos escrever: v = w + u, com w =< v, g1 > g1 + + < v, gk > gk em W e u em W , = {O}. donde V = W + W . Agora, se v W W , ento < v, v >= 0, donde v = O e W W
(5) Projeo ortogonal sobre um subespao

Dado um subespao modo nico, sob a
W V , vimos no item anterior que V = W W : todo v V se escreve, de forma v = w + u, com w W e u W . Das propriedades das projeoes 4.26 V
o projetor
seguem os resultados. A
projeo ortogonal sobre o subespao W
p : V V
sobre
e paralelamente
a W , denido por
p(v) = p(w + u) = w =< v, g1 > g1 + + < v, gk > gk

onde
G = {g1 , . . . , gk }
uma base ortonormal de
W.
Valem as propriedades: (a)
p : V V
um operador idempotente:
p2 = p;
(b)
I(p) = W ;
(c)
N (p) = W
v p(v) = v w = u W , fcil vericar que, dentre os vetores h W , a projeo w o mais prximo de v ; com efeito, de v h = (v w) + (w h), como w h W e (v w) W , segue, de Pitgoras, que v h 2 = v w 2 + w h 2 , ou seja, v w 2 v h 2 , donde v w v h . O resultado motiva a seguinte denio:
Alm dessas propriedades, como (d) A distncia de
vV
ao subespao
de
dada por
d(v, W ) = v w
, onde
w = p(v).
Observao A simetria ortogonal s : V

antes, por
s = 2p I ,
isto
V em relao a W , associada ao projetor p, dada, como s(v) = s(w + u) = v u.

Exemplos 5.8
(1) Fixada a matriz real sistema
81
Amn ,
cujas linhas so os vetores
A1 , . . . , Am
do
Rn ,
observemos que o
AX = O
(*) pode ser interpretado como
< A1 , X >= 0
. < A , X >= 0 m . .
(**)
AX = O descrevem o ncleo N (A), enquanto as equaes (**) informam n que X ortogonal s linhas A1 , . . . , Am da matriz A. Notando L(A) R o subespao gerado pelas linhas de A, vemos, assim que L(A) = N (A).
As solues do sistema (2) Seja o subespao base de
U .
Os
U R4 dado por U = [u1 = (1, 2, 0, 1), u2 = (0, 1, 3, 2)]. Encontremos uma vetores X = (x, y, z, t) ortogonais a U so os vetores ortogonais a u1 e u2 , isto ,
Escalonando
as solues de
AX = O.
e
A=
1 0
2 1
0 3
1 2
1 0 0 1
6 5 3 2
, obtemos a base de
U , f1 = (6, 3, 1, 0)
(3) No
f2 = (5, 2, 0, 1). W = [w1 , w2 ], v = (1, 2, 3)

onde
R3 ,
seja o subespao
w1 = (2, 5, 1)
w2 = (2, 1, 1).
Observando que
os geradores
w1 , w2
so ortogonais, determine: sobre
(a) A projeo ortogonal de (b) A distncia
W; A
na base cannica e a equao de
d(v, W ); p(x, y, z)
sobre
(c) O projetor ortogonal (a) Como os geradores
W,
sua matriz
W .
e dim W
= 1.
w1 , w2 so ortogonais (logo LI), vemos que formam uma base de W , dim W = 2 projeo de v sobre W calculada sem maiores esforos: p(v, W ) =
(b) Para achar a
< v, w2 > < v, w1 > w1 + w2 (*) 2 v1 v2 2 9 3 1 p(v, W ) = (2, 5, 1) + (2, 1, 1) = (2, 10, 1) 30 6 5 distncia de v a W
(**)
v p(v, W ) = (1, 2, 3) (1/5)(2, 10, 1) = (1/5)(7, 0, 14) = (7/5)(1, 0, 2)

Observemos que esse vetor bem ortogonal a (c) Agora, com
w1 e w2 !
Logo, vem
d(v, W ) = (7/5)(1, 0, 2) = 7 5/5.
v = (x, y, z)
na igualdade (*) acima, vem
p(x, y, z) =
2x + 5y z 2x + y + z 1 (2, 5, 1) + (2, 1, 1) = (4x 2z, 5y, 2x + z) 30 6 5 p,

isto ,
(***)
De (***) segue a matriz de
4 0 2 1 A= 0 5 0 5 2 0 1
Para calcular
u = (1, 0, 2) gera esse subespao unidimensional, que tambm pode ser interpretado como o ncleo N (p): nesse caso, podemos ainda usar (***) ou recorrer = [(1, 0, 2)]. ao sistema AX = O . De todo modo, concluimos que W
conrmamos em (**) que usemos o processo de Gram-Schmidt para ortonormalizar a base cannica
W ,
V = R2 [x], p1 = 1, p2 = x e p3 = x2 .
(4) No espao
Incialmente, encontraremos uma base ortogonal
q1 , q2 , q3 .
82
Escolhendo
q1 = p1 = 1,
1
temos
q2 = p 2
1
1 < p2 , q1 > 1 q1 = x = (2x 1), 2 2 2 q1
onde usamos
< p2 , q1 >=
0
Continuando:
x2 x dx = 2
=
0
1 . 2
onde usamos
< p3 , q2 > 2 1 1 < p3 , q1 > 1 q1 =x q3 = p3 (2x 1) = x2 x + , 2 2 3 2 6 q1 q2

1
< p3 , q1 >=
0 1
x3 x dx = 3
2
=
0
1 3 1 2
1
< p3 , q2 >=
0
(1/2)x2 (2x 1)dx =

1
(2x3 x2 )dx =
0
1 12
q2
1 4
(2x 1)2 dx =
0
1 12 1 1 (2x 1), q3 = x2 x + 2 6
Base ortogonal q1 = 1, q2 =
Normalizando cada vetor: Em seguida
Enm,
q3
q1 = 1, donde g1 = 1. 1 q2 1 q2 2 = = q2 = , donde g2 = = 3(2x 1). 12 q2 2 3 1 1 2 1 1 q3 = (x2 x + ) dx = = q3 = .Logo, g3 = = 5(6x2 6x + 1) 6 180 q3 6 5 0 2 6x + 1) Base ortonormal g1 = 1, g2 = 3(2x 1), g3 = 5(6x
(1) Se
v, w V , com w = O, a projeo ortogonal de v sobre a reta [w] o vetor p(v; w) = p(v; w)

pode ser calculado por
Mostre que
p(v; w) =< v, u > u,
onde
u=
w w
< v, w > w. w 2 unitrio de w .
Aplicao numrica Seja V

vetor-projeo
= R2 . v = (1, 1)
sobre a reta
(a) Ache a projeo ortogonal de
W = [w]
gerada por
w = (1, 3),
calculando o
p(v; w)
atravs de cada uma das duas expresses acima;
(b) Indique o projetor
p : V V
ortogonal sobre
W,
sua matriz na base cannica de
V,
o ncleo
N (p)
e a imagem
I(p); q = I p, N (q)
e
(c) Indique a matriz do operador (2) No espao euclidiano projeo ortogonal de (3) Seja base a
I(q).
V = R2 [x], dados f (x) = 2x 1 e g(x) = x, calcule o polinmio h = p(f, [g]) f sobre [g]. Indique tambm a distncia d(f, [g]) e o ngulo entre f e [g].
Determinar uma base ortonormal de
W = {(x, y, z) R3 ; x 2y = 0}. 3 uma base ortonormal do R .
e completar essa
(4) Aplique o processo de Gram-Schmidt para ortonormalizar a base
R4 :
a matriz (5) No
B = {v1 , v2 , v3 } de um subespao v1 = (1, 1, 0, 1), v2 = (1, 2, 0, 0), v3 = (1, 0, 1, 2). Obtida a base C = {q1 , q2 , q3 }, indique de passagem de B para C e a matriz de C para B .
considere o subespao
V = R4 ,
(a) Encontre a base ortogonal (b) Se
W = [w1 , w2 ], w1 = (3, 4, 4, 1), w2 = (0, 1, 1, 2). < w2 , u1 > u1 ; {u1 , u2 } de W tal que u1 = w1 e u2 = w2 u1 2 p(v, W ).
Conclua a distncia
v = (2, 2, 1, 1), entre v e W .
calcule a projeo ortogonal
d(v, W )
e o ngulo

5.10 Isometrias e Matrizes Ortogonais
Seja
83
um espao vetorial euclidiano.
Um operador , isto ,
T : V V
uma isometria (ou operador
ortogonal) se, para cada
v V , T (v) = v
preserva as normas dos vetores.
Exemplos Seja V
(b) O operador uma rotao
= R2 . I : V V , I(v) = v ,
uma isometria. onde
(a) O operador identidade
T : V V , tal que T (x, y) = (x cos y sen ; x sen + y cos ), de ngulo ; na realidade, uma isometria, pois
0 < 2 ,
T (x, y)
= x2 cos2 + y 2 sen2 2xy sen cos + x2 sen2 + y 2 cos2 + 2xy sen cos = x2 (cos2 + sen2 ) + y 2 (cos2 + sen2 ) = x2 + y 2 = (x, y)
2
donde
T (x, y) = (x, y)
. As contas foram longas, mas o signicado geomtrico do operador bem
mais simples! (c) A simetria ortogonal
s : V V , s(x, y) = (x, y),
uma isometria:
s(x, y) = (x, y) =
x2
y2
= (x, y) .
5.11 Proposio Toda isometria T : V V

De fato, se
um isomorsmo.
T (v) = O,
ento
T (v) = 0,
donde
v = 0,
v = O.
Assim,
N (T ) = {O},
um
isomorsmo.
5.12 Proposio
Se
T : V V
(a)
um operador linear, ento so equivalentes as armaes:
uma isometria;
(b) Para cada (c)
v, u V , < T (v), T (u) >=< v, u >; V

em bases ortonormais de
transforma bases ortonormais de
V.
(a) (b)
Tendo em conta a identidade de polarizao
5.5(5), sabemos que:

2
4 < v, u >= v + u
vu T
2 ,isto ,
4 < T (v), T (u) >= T (v) + T (u)
T (v) T (u)
2,
donde, como as normas dos segundos membros, por hiptese, so preservadas, o mesmo ocorre com os primeiros membros: logo, preserva o produto interno.
(b) (c) O isomorsmo T leva uma base B = {v1 , . . . , vn } de V em uma base C = {T (v1 ), . . . , T (vn )} de V . Alm disso, por hiptese, < T (vi ), T (vj ) >=< vi , vj >, o que nos mostra que T preserva a ortonormalidade: B ortonormal C ortonormal. (Na realidade, vale a recproca...). (c) (a) Consideremos as bases ortonormais B = {v1 , . . . , vn } e C = {T (v1 ), . . . , T (vn )} de V ; dado v V temos as decomposies v = x1 v1 + + xn vn e T (v) = x1 T (v1 ) + + xn T (vn ), com as 2 = x2 + + x2 = T (v) 2 (contas em bases ortonormais!), logo mesmas coordenadas, donde v n 1 T (v) = v .
84
MATRIZES ORTOGONAIS
Uma matriz inversvel ortogonal quando A condio
A1 = tA
ou, equivalentemente,
A tA = tA A = I
A tA = tA A = I
tem uma interpretao notvel. Recordemos que um produto de matrizes
do tipo linha por coluna, calculado com o produto interno cannico do
Rn .
Assim, temos:
A tA = I
tA A
(linha
de
A)
(coluna
j j
de de
t( A))= (linha
i i
de de
A) A)
(linha
de
A)=Ii j A)=Ii j
(*) (**)
= I
(linha
de
t( A)) (coluna
A)=
(coluna
(coluna
de
Ora, na matriz identidade
I , temos Ii j =
1, 0,
se se
i=j i=j A
(ao longo da diagonal) (fora da diagonal)
; em outras palavras,
tendo em conta as igualdades (*) e (**), podemos armar que, se de
n so vetores ortonormais do R , as colunas de
so
A uma matriz ortogonal, as linhas n ortonormais no R , e reciprocamente.
Vamos resumir a discusso acima no seguinte enunciado.
5.13 Proposio Seja A uma matriz real n n.

(a)
As seguintes condies so equivalentes:
uma matriz ortogonal;
(b) As linhas de
so vetores ortonormais do
Rn ; Rn .
(c) As colunas de
so vetores ortonormais do
Observao Apenas com o recurso s denies gerais, uma abordagem direta de (b) (c) pode ser
complicada!
Exemplo
As seguintes matrizes so ortogonais.
1 0 0 M = 0 1 0 , N = 0 0 0 1
0
0 1 2 3 2
3 2 1 2
, A=
1 2 1 2 0
1 6 1 6 2 6
1 3 1 3 1 3
5.14 Proposio
O operador ortonormal
T : V V uma isometria B uma matriz ortogonal.
se, e somente se, a matriz
A = (T )B
de
numa base
Com efeito, mostraremos que, nas condies do enunciado,
A = (T )B ortogonal T preserva o produto interno < T (v), T (u) >=< v, u >. Sejam as coordenadas X = (v)B e Y = (w)B ; como vimos n em 5.7(1), < v, w >=< X, Y > (produto cannico do R ), pois a base B ortonormal. Por denio, as coordenadas de T (v) em B valem AX , e as de T (w) so AY ; de novo, como B ortonormal, vem < T (v), T (w) >=< AX, AY >. Enm, veriquemos que < AX, AY >=< X, Y > (vetores-coluna do Rn ); temos < X, Y >= tX Y ;
Como por outro lado,
< AX, AY >= t(AX) (AY ) = tX (tA A) Y

.
so arbitrrios, vemos que Seja
< AX, AY >=< X, Y > tA A = I
Exemplo
V = R3 ;
o operador
T : V V
dado abaixo uma isometria, pois sua matriz na
base cannica a matriz ortogonal
T (x, y, z) =
A do exemplo acima: x y z x y z 2y z + + ; + + ; + 2 6 3 2 6 3 6 3

Corolrio
Sejam
85
B = {v1 , . . . , vn }
matriz de passagem da
C = {u1 , . . . , un } bases ortonormais de base B para a base C , P = (I)C,B , uma

e
um espao euclidiano matriz ortogonal.
V.
Ento, a
P so as coordenadas de C em B ; por outro lado, sabemos que existe um nico operador linear tal que T (v1 ) = u1 , . . . , T (vn ) = un , isto , vericando T (B) = C , o que signica que T uma isometria. Mas a matriz de T em B , precisamente, a matriz P : (T )B = (I)C,B = P , logo P ortogonal.
Por construo, as colunas de
Exemplo 5.15
(1) Complementando as propriedades das matrizes ortogonais, veriquemos que: (a) Se (b) Se
A A
ortogonal, ento e
A1
ortogonal;
so ortogonais (de mesma ordem), ento
AB
ortogonal.
A letra (a) decorre de donde
tA
= A1 ,
calculando a inversa em ambos os membros:
(tA)1 = (A1 )1 ,
t (A1 )
= A.
A letra (b) parecida:
(AB)1 = B 1 A1 = tB tA = t (AB). W = {(x, y) ; y = 2x} = [w],

com
(2) Seja
a simetria ortogonal do
R2
em relao reta
w = (1, 2).
Vamos calcular
s(x, y). p
sobre
J conhecemos um procedimento: achar o projetor ortogonal da, calcular
W : p(x, y) =
s = 2p I .
x + 2y (1, 2), 5
Vamos, alternativamente, trabalhar logo com a simetria
ortogonal, como convm a uma simetria...!
s em relao a w = (1, 2). Se s(X) = Y , com X = (x, y) e Y = (x1 , y1 ), ento X + Y ponto de [w], isto , X + Y paralelo a w = (1, 2), e Y X ortogonal a w. Assim, X + Y = (x + x1 , y + y1 ) = (1, 2) = (, 2), logo 2(x + x1 ) = y + y1 (*); tambm, < Y X, w >= 0, ou (x1 x) + 2(y1 y) = 0 (**). Portanto, recaimos no sistema (*) e (**), onde x1 , y1 so as incgnitas: x = 3x + 4y 1 x1 + 2y1 = x + 2y 1 3 4 5 = A = ; observe que A uma matriz = 5 2x1 y1 = 2x + y 4 3 y1 = 4x + 3y 5 V = R3
para as
(3) Consideremos as matrizes abaixo, que denem mudanas da base cannica do bases
C,
respectivamente:
2 2 1 1 P = 2 1 2 3 1 2 2
(a) Observemos que bases
2 6 3 1 Q= 3 2 6 7 6 3 2
so matrizes ortogonais; como a base cannica ortonormal, segue que as
tambm so ortonormais;
(b) Qual a matriz de passagem da base Seja
para base
C?
X , Y , Z suas coordenadas na base cannica, na base B e na base C , respectivamente: temos X = P Y e X = QZ , donde Y = P 1 QZ = tP QZ . Desse modo, a matriz t de passagem de B para C realizada pela matriz G = P Q. Tal matriz ortogonal e, no nosso caso,
um vetor qualquer,e vale:
vV
16 13 4 1 G= 11 16 8 . 21 8 4 19
86
Atividades-propostas 5.16
(1) No
V = R2 ,
considere a reta
W = {(x, y) ; 5x 2y = 0}
e a simetria ortogonal
s : V V
em
relao a essa reta. Indique a matriz da simetria na base cannica de (2) Considere o operador
V.
do
R3
dado por
T (x, y, z) =
(a) Mostre que
2x 2y + z 2x y + 2z x + 2y + 2z ; ; 3 3 3
, para cada
T (x, y, z = (x, y, z)
X = (x, y, z).
Conclua que o operador
uma
simetria ortogonal. (b) Conrme o resultado, vericando que a matriz
de
na base cannica uma matriz ortogonal. Conclua que
(c) Mostre que a simetria possui um plano invariante em relao a (d) Seja
W.
uma simetria ortogonal
W. T.
Mostre que
o projetor ortogonal associado simetria
N (p) = W
e que
I(p) = W .
Como a simetria
atua em W ?

RESPOSTAS DAS ATIVIDADES PROPOSTAS 5.7
(1) Partindo de (a)
87
v = (1, 1, 1, 1)
w = (1, 1, 1, 1),
temos:
< v, w >= 1 1 1 1 = 2; (b) v = 1 + 1 + 1 + 1 = 2; w = 1 + 1 + 1 + 1 = 2; 1 2 = 2 2 cos , cos = , = 120 ; 2 12 = 2 3. (d) d(v, w) = v w = (0, 2, 2, 2) = < A B, A B >, onde < A B, A B >= tr ((A B) t (A B)). (2) Temos d(A, B) = A B =
(c) De
< v, w >= v
w cos ,
vem
Assim,
AB =
1 1 1 0 0 1 0 0
Enm
0 1 0 1 2.
Logo,
< A B, A B >=
tr
0 1 0 1
0 0 1 1
tr
1 1 = 1 + 1 = 2. 1 1
AB =
(3) (a)
D = (a, a, a), = (0, 0, a): < D, >= a2 ; a2 1 D = a 3 e = a, vem cos 3 = 2 = . a 3 3
tambm
< D, >=
cos 3 ;
como
(b) Vamos repetir os mesmos passos: logo
< D, >= a2 , D = a n, = a, cos n = cos 60 = 1 2

, o que ocorre para
a2 1 , 2 = n a n
1 cos n = . n
O ngulo de
60
tal que
n = 4.
v w 2 =< v w, v w >=< v, v > < v, w > < w, v > + < w, w >, isto , v w 2 = v 2 2 < v, w > + w 2 , donde, substituindo os valores dados: 4 = 1 2 < v, w > +1, 1 = 1, ou = . < v, w >= 1. Por outro lado, de < v, w >= v w cos , segue cos = 1 2 =< v + w, v + w >= v 2 + w 2 + 2 < v, w >; logo, vale (5) Resulta do desenvolvimento v + w v + w 2 = v 2 + w 2 se, e somente se, < v, w >= 0.
(4) Desenvolvendo
1
(6) Temos Logo,
< f, g >=
0
f (x)g(x) dx =
0
(mx2 1)x dx =
0
(mx3 x) dx =
mx4 x2 4 2
=
o
m 1 . 4 2
< f, g >= 0
equivalente a
m = 2.
v + u = v + u equivalente a < v, u >= v u , o que tambm 2 =< v +tu >< v +tu >= t2 u 2 +2 < v, u > t+ v 2 signica, supondo u = O , que o trinmio v +tu 2 2 u 2 = 0 (rever a demonstrao de Cauchy-Schwarz). possui um discriminante = 4 < v, u > 4 v < v, u > Assim, existe t R tal que t < 0 e v + tu = O , dado por t = . u 2
(7) Observemos que a igualdade
[X, Y ] = x1 y1 2x1 y2 2x2 y1 + 5x2 y2 bilinear e simtrica. Quanto positividade, temos: [X, X] = 2x1 x2 2x2 x1 + 5x2 = x2 4x1 x2 + 4x2 + x2 = (x1 2x2 )2 + x2 . Segue, ento, 2 1 2 2 2 2 2 que [X, X] 0; alm disso, [X, X] = (x1 2x2 ) + x2 = 0 equivalente a x1 2x2 = 0 e x2 = 0, isto , x1 = x2 = 0, ou X = (0, 0). 1 + 4 = 5, enquanto a norma do produto Enm, se v = (1, 2), ento a norma natural vale v = interno em estudo vale [|v|] = 13 (verique!).
(8) fcil ver que
x2 1
5.9
(1) A idia comparar as duas expresses
Temos
< v, w > w w e p(v; w) =< v, u > u, sendo u = 2 w w w w < v, w > w < v, w > < v, u > u =< v, > = = w. w w w w w 2 p(v; w) =
88
4 2 w = (1, 3); 10 5 4 w 4 w u = ; < v, u > u = = w 10 10 10 10 x + 3y 3x + 9y x + 3y (1, 3) = ; (b) Agora, v = (x, y) e p(x, y) = 10 10 10

(a)
v = (1, 1), w = (1, 3); p(v; w) =
Na base cannica do
R2 ,
temos
A=
1 1 3 10 3 9
; segue que o ncleo
N (p) = {(x, y) ; x + 3y = 0}
e que
a imagem o complemento ortogonal (c) A matriz de Comprove!! (2)
I(p) = [(1, 3)].

1 10 9 3 3 1
.
Como sempre,
q = I p vale B = I A =
N (q) = I(p) e I(q) = N (p).
f (x) = 2x 1, g(x) = x;
1
a projeo
de
sobre
vale
h=
< f, g > g g 2
1
(*). Temos:
< f, g >=
0 1
f (x)g(x) dx =
0
(2x2 x) dx =
2x3 x2 3 2 h= x . 2
=
0
1 6
=
0
x2 dx =
x 3
3 1
=
0
1 . 3
Logo, em (*), vem
d(f, h) = f h = 2x 1
1 0
3x x = 1 2 2
3x 1 2
dx =
0
9 2 x + 1 3x 4 f
e
dx =
1 ; 4
assim,
d(f, h) = f h =
1 1 = . 4 2
Enm, para achar o ngulo entre
h: cos =
1 0
< f, h > f h
(**)
< f, h >=
1 0 2
t (2t 1) dx = 2
t 1 (t2 ) dx = 2 12
h
Enm (!) (3) Se
1 1 1 x dx = ; f 2 = (4x2 4x + 1)dx = 12 3 0 0 4 12 3 1 cos = = = = 60 . 12 2
X = (x, y, z) W , com x = 2y , temos X = (2y, y, z) = y(2, 1, 0)+z(0, 0, 1); pondo w1 = (2, 1, 0) e w2 = (0, 0, 1), esses vetores j formam uma base ortogonal de W ; basta ento sua normalizao 1 w1 = 5 e w2 = 1, donde a base ortonormal de W : g1 = (2, 1, 0) e g2 = (0, 0, 1). 5 3 Para completar essa base de W a uma base do R , inicialmente acrescentamos o vetor w = (1, 0, 0), que est fora de W (observe que essa escolha, nem com reza braba, j nos daria a base ortonormal procurada!). A seguir, com o processo de Gram-Schmidt, faremos os ajustes necessrios. Basta descontar de w as projees ortogonais sobre w1 e w2 : w3 = w < w, w2 > < w, w1 > w2 2 w1 w1 w2 2
2 2 1 5 w3 = w w1 0w2 = (1, 0, 0) (2, 1, 0) = (1, 2, 0); w3 = . 5 5 5 5

Normalizando
w3 ,
obtemos
1 g3 = (1, 2, 0). 5
Assim,
{g1 , g2 , g3 }
uma base ortonormal do
R3 .

(4) A partir de
89
v1 = (1, 1, 0, 1), v2 = (1, 2, 0, 0), v3 = (1, 0, 1, 2), w1 = v1 = (1, 1, 0, 1); w1 = 3
usar o mtodo de Gram-Schmidt:
1 < v2 , w1 > 1 w1 = v2 + w1 = (4, 5, 0, 1); w2 = w2 = v2 2 3 3 w1
42 3 57 ; 7
< v3 , w1 > < v3 , w2 > 3 1 w3 = v3 w1 w2 = v3 w1 w2 = (4, 2, 1, 6), w3 = 2 2 7 7 w1 w2

Os vetores ortogonais podem, ento, ser normalizados:
1 1 1 q1 = (1, 1, 0, 1); q2 = (4, 5, 0, 1); q3 = (4, 2, 1, 6). 3 42 57 Para obter a matriz de passagem P , da base original B para a base ortonormal C , inicialmente, comparamos B com os vetores ortogonais w1 , w2 , w3 e, logo em seguida com a base ortonormal: 1 1 1 w1 = v1 = q1 = v1 ; w2 = v1 + v2 = q2 = (v1 + 3v2 ); 3 3 42 8 3 1 w3 = v1 v2 + v3 = q3 = (8v1 3v2 + 7v3 ) 7 7 57
Seguem as matrizes de passagem
P,
P 1 ,

de
para
B.
3 = 0 0 1 3 42 3 0 3 42 7 57 7
1 3 0 P = 0
(5)
1 42 3 42 0
8 57 3 57 7 57
P 1
v = (2, 2, 1, 1); w1 = (3, 4, 4, 1), w2 = (0, 1, 1, 2) {u1 , u2 }
(a) Base ortogonal
u1 = w1 = (3, 4, 4, 1) < w2 , u1 > 6 1 1 u2 = w2 u1 = w2 u1 = (0, 1, 1, 2) (3, 4, 4, 1) = (3, 3, 3, 15) 2 42 7 7 u1

(b) Projeo de
sobre
< v, u1 > < v, u2 > 9 12/7 3 1 1 2 u1 + 2 u2 = 42 u1 + 36/7 u2 = 14 u1 + 3 u2 = 2 (1, 2, 2, 1) u1 u2 1 30 Distncia d(v, W ) = p v = (3, 2, 4, 1) = 2 2 5/2 1 ngulo < v, p >= v p cos = cos = = 2 10 10/2 p=
5.16
(1) Para achar a simetria ortogonal em relao reta sobre
W : 5x 2y = 0,
usaremos a projeo ortogonal
(compare com uma outra soluo do
Exemplo 5.15).
W
vale
Para tal, xemos ento, com
w = (2, 5)
um
gerador de
W.
Lembrando que a projeo sobre
p=
< v, w > w, w 2
v = (x, y),
temos
Enm, calculando
2x + 5y 1 (2, 5) = (4x + 10y; 10x + 25y) 29 29 s = 2p I , s(x, y) = 2p(x, y) (x, y), obtemos 21 21 20 20 21 29 s(x, y) = x + y; x + y = A = 20 29 29 29 29 29 p(x, y) =
20 29 21 29
90
(2) (a) Comparando as normas, veriquemos que
T (X) = X
(2x 2y + z)2 = 4x2 + 4y 2 + z 2 8xy 4yz + 4xz (2x y + 2z)2 = 4x2 + y 2 + 4z 2 + 4xy 4yz 8xz (x + 2y + 2z)2 = x2 + 4y 2 + 4z 2 + 4xy + 8yz + 4xz 9x2 + 9y 2 + 9z 2 = T (x, y, z) 2 = = x2 + y 2 + z 2 = X 9
T (X)
Logo,
uma isometria.
2 2 1 1 (b) A matriz de T se escreve A = 2 1 2 , e vemos que A uma matriz ortogonal. 3 1 2 2 (c) Veriquemos quando vale T (X) = X , ou seja, determinemos o ncleo de T I : 1 2 1 1 2 1 1 A I = 2 4 2 0 0 0 ; logo, o plano W : x + 2y z = 0 invariante 3 1 2 1 0 0 0
(d) Seja o projetor ortogonal
por
T.
1 p = (T + I) associado a T e soma direta R3 = W W : 2 p(v) = p(w + u) = w, T (v) = T (w + u) = w u, w W , u W . N (p) = W W , T (u) = u.
Todas essa relaes so bem conhecidas: aqui, a novidade, a interpretao da ortogonalidade! Em particular, vemos bem que e
I(p) = W .
Restrita a
temos
Anexo Determinantes
91
ANEXO DETERMINANTES
Objetivos
(a) Conceituar determinante como forma multilinear alternada; (b) Descrever as propriedades dos determinantes; (c) Apresentar a Regra de Cramer e suas limitaes numricas; (d) Estabelecer as relaes entre determinantes de operadores e semelhana.
INTRODUO
A evoluo da matemtica ocidental, no estudo dos sistemas lineares, determinantes e matrizes (nessa ordem!), tardou em assimilar vrias tcnicas de soluo numrica efetiva, j conhecidas, por exemplo, dos chineses, desde os anos 180A.C. Os tabalhos de Gauss sobre eliminao, a partir de 1809, foram estabelecidos para permitir (sua) soluo de problemas de mnimos quadrados. Os determinantes ocorreram mais cedo: no Japo, por Kowa(1683) e no Ocidente por Leibniz(1693), ambos na resoluo de sistemas lineares. Mais tarde, Cramer(1750), Laplace(1771) e Cauchy(1812) fundamentaram a teoria essencialmente o que usamos hoje. A destacar, tambm, a contribuio de Lagrange(1790) na classicao das formas quadrticas e dos pontos extremantes, dosando a eliminao gaussiana com a teoria clssica dos determinantes num tratamento denitivo. Atualmente, claro, a evoluo dos mtodos computacionais abre novos horizontes para todas essas aplicaes.
Determinantes. Primeiros resultados.
Antes de estudar as propriedades dos determinantes de ordem n, consideremos um caso particular. Seja a matriz real 2 2
A=
a b c d
Indicaremos seu determinante pelo nmero real: D(A) = Det(A) = D(A1 , A2 ) = ad bc, em que a notao D(A1 , A2 ) enfatiza a dependncia das linhas A1 e A2 . Exigiremos a validade de vrias propriedades, cuja vericao no oferece qualquer diculdade.
92
(a) Como funo dos vetores-linha do , o determinante linear, o que signica:
Det Det
a+a c
b+b d
= Det
a b a + Det c d c
b (a , b R) d
ta tb a b = t Det (t R) c d c d
Valem as mesmas propriedades em relao segunda linha de A.

(b) Se as duas linhas so iguais, ento o determinante igual a zero. (c) Se A = I a matriz identidade,
I=
ento Det(I) = 1.
1 0 , 0 1
Na realidade, a funo D(A) ca caracterizada pelas condies (a),(b) e (c). Valem, ainda, as seguintes propriedades adicionais. (d) Se adicionarmos a uma linha um mltiplo da outra, ento o determinante no se altera. Em outras palavras, para cada t R, o determinante da matriz
a + tc b + td c d
igual a D(A), e analogamente, quando um mltiplo da primeira linha adicionado segunda. (e) Se as duas linhas de A so permutadas, ento o determinante muda de sinal: Det
a b c d = Det c d a b
(f) O determinante da matriz transposta tA igual ao determinante de A: Det(tA) = Det
a c a b = Det = Det(A) b d c d
(g) Os vetores-linha (a, b) e (c, d) so linearmente dependentes se e somente se nulo o determinante ad bc = 0. (h) Dadas as matrizes A e B , vale D(AB) = D(A) D(B). Faamos uma vericao direta: de
a b c d
p q ap + br aq + bs = vemos que r s cp + dr cq + ds
D(A)D(B) = (ad bc)(ps qr) = (ap + br)(cq + ds) (aq + bs)(cp + dr) = D(AB)
Exemplo A1
A matriz A =
a b 1 inversvel se, e somente se, D(A) = 0; nesse caso, A1 = ad bc c d
d b c a
De fato, se A inversvel e AB = I , ento, por (h), D(A)D(B) = D(I) = 1, donde, D(A) = 0. Reciprocamente, supondo D(A) = 0, basta multiplicar as matrizes acima para obter a identidade I . Assim, por exemplo, a inversa da matriz A = no inversvel, pois D(B) = 0.
2 1 A1 = 3 1
1 1 3 2
; j a matriz B =
1 1 1 1
Anexo Determinantes
93
A2. Determinantes e formas lineares alternadas
Para generalizar as propriedades anteriores, vamos nos xar nas matrizes A33 , para tornar mais leve a apresentao. Manteremos as notaes usuais: a11 a12 a13 A = a21 a22 a23 , A1 = [a11 a12 a13 ] A2 = [a21 a22 a23 ] A3 = [a31 a32 a33 ]
a31 a32 a33

Nosso objetivo exibir uma forma multilinear (no caso, trilinear) alternada D(A) = Det(A) = D(A1 , A2 , A3 ), funo das linhas de A, vericando as seguintes propriedades. (a) Como funo de cada vetor-linha, D(A) linear; (b) Se duas linhas adjacentes (por exemplo, A2 e A3 ) so iguais,ento D(A) = 0; (c) Se I a matriz identidade, ento D(I) = 1. () Determinantes so unicamente determinados por essas trs propriedades. (d) Se duas linhas adjacentes (digamos, A1 e A2 )so permutadas, ento D(A) muda de sinal. De fato, consideremos D(A1 + A2 , A1 + A2 , A3 ), que possui duas linhas adjacentes iguais, logo nulo, por (b). Assim, vemos que 0 = D(A1 + A2 , A1 + A2 , A3 ) = D(A1 , A1 , A3 ) + D(A1 , A2 , A3 ) + D(A2 , A1 , A3 ) + D(A2 , A2 , A3 ). De novo por (b), a primeira e quarta parcelas do segundo membro acima so nulas. Enm, D(A1 , A2 , A3 ) = D(A2 , A1 , A3 ). (e) Se duas linhas quaisquer so iguais (por exemplo, A1 e A3 ), ento D(A) = 0. Basta realizar permutaes convenientes de linhas adjacentes para tornar adjacentes duas linhas iguais (por exemplo, permutar as linhas A1 e A2 ). (f) O determinante no se altera quando um mltiplo de uma linha adicionado a uma outra. Por exemplo, adicionando tA1 a A3 , obtemos:
D(A1 , A2 , tA1 + A3 ) = D(A1 , A2 , tA1 ) + D(A1 , A2 , A3 ) = t D(A1 , A2 , A1 ) + D(A1 , A2 , A3 ) = D(A1 , A2 , A3 ) [acima, a primeira parcela nula!] = D(A)
A terminologia forma (linear) alternada resulta da propriedade (b); esta acarreta a propriedade (e). Na realidade, (d) tem maior abrangncia: D(A) muda de sinal quando so permutadas duas linhas quaisquer de A. De todo modo, comum chamar de funo determinante uma forma multilinear alternada que verica (a), (b) e (c) acima.
Observao Exemplo A3
(1) Sempre que alguma linha de A nula, temos D(A) = 0. a conhecida propriedade de uma aplicao linear f , f (O) = O, aplicada linha de A em questo. (2) Observe o signicado da multilinearidade:
5 0 0 1 0 0 (a) 0 1 0 = 5 0 1 0 = 5D(I) = 5 ; 0 0 1 0 0 1
94
5 0 0 1 0 0 1 0 0 1 0 0 (b) D(5I) = 0 5 0 = 5 0 5 0 = 5 5 0 1 0 = 5 5 5 0 1 0 = 53 D(I) = 53 = 125 0 0 5 0 0 5 0 0 5 0 0 1 1 2 3 1 0 0 0 2 3 (c) 0 1 0 = 0 1 0 + 0 1 0 = D(I) + 0 = 1 ; 0 0 1 0 0 1 0 0 1 a1 b1 c1 a1 b1 c1 (d) Seja a matriz triangular superior T = 0 b2 c2 ; D(T ) = c3 0 b2 c2 ; usando o '1' como 0 0 c3 0 0 1 a1 0 0 a1 b1 0 piv da terceira linha, podemos eliminar c2 e c1 : D(T ) = c3 0 b2 0 = b2 c3 0 1 0 ; agora, 0 0 1 0 0 1 a1 0 0 eliminamos b1 com o '1' da segunda linha, donde D(T ) = b2 c3 0 1 0 = a1 b2 c3 D(I) = a1 b2 c3 . 0 0 1
Observemos que o resultado se aplica, diretamente, a uma matriz diagonal.
A4 Proposio
(a) Se as linhas A1 , A2 , A3 da matriz A so LIN. DEP., ento D(A) = 0; (b) Se D(A) = 0 ento os vetores-linha A1 , A2 , A3 da matriz A so LIN. INDEP. De fato, veriquemos (a): se x1 A1 + x2 A2 + x3 A3 = O e, por exemplo, x1 = 0, ento dividindo por x1 toda a equao e passando para o segundo membro, obtemos A1 = y2 A2 + y3 A3 , logo
D(A1 , A2 , A3 ) = D(y2 A2 + y3 A3 , A2 , A3 ) = y2 D(A2 , A2 , A3 ) + y3 D(A3 , A2 , A3 ) = 0 + 0 = 0, pois so nulas as duas parcelas do segundo membro.
A5 Permutaes
Para sistematizar o clculo dos determinantes, til perceber sua lei de formao.
Caso 1 - matrizes
22
Sejam e1 = [1 0] e e2 = [0 1] as linhas da matriz identidade. Pondo A1 = [a b] = ae1 + be2 e A2 = [c d] = ce1 + de2 , temos
D(A) = D(A1 , A2 ) = D(ae1 + be2 , ce1 + de2 ) = acD(e1 , e1 ) + adD(e1 , e2 ) + bcD(e2 , e1 ) + bdD(e2 , e2 ) [quatro determinantes] = adD(e1 , e2 ) + bcD(e2 , e1 ) [apenas dois no nulos] = adD(e1 , e2 ) bcD(e1 , e2 ) [observe a mudana de sinal!] = (ad bc)D(I) = (ad bc) = ad bc
Acima, comparecem a identidade D(e1 , e2 ) (nenhuma inverso) e D(e2 , e1 ) = 1 (obtido de I por uma inverso), o que explica o sinal negativo.
1 0 0 1
Anexo Determinantes
95
Caso 2 - matrizes
33
Seguindo o mesmo padro, consideremos cada linha de A decomposta nas linhas da matriz identidade e1 = (1, 0, 0), e2 = (0, 1, 0) e e3 = (0, 0, 1); a multilinearidade de D(A) fornece um total de 33 = 27 parcelas, das quais apenas 3! = 6 so no nulas e mostram as inverses das linhas da identidade I :
D(A) = D(A1 , A2 , A3 ) = D(a11 e1 + a12 e2 + a13 e3 , a21 e1 + a22 e2 + a23 e3 ; a31 e1 + a32 e2 + a33 e3 ) = a11 a22 a33 D(e1 , e2 , e3 ) + a12 a23 a31 D(e2 , e3 , e1 ) + a13 a21 a32 D(e3 , e1 , e2 ) + a11 a23 a32 D(e1 , e3 , e2 ) + a12 a21 a33 D(e2 , e1 , e3 ) + a13 a22 a31 D(e3 , e2 , e1 ) 1 = a11 a22 a33 1 a11 a23 a32 1 1 + a12 a21 a33 1 1 1 1 + a12 a23 a31 1 1 + a13 a22 a31 1 1 1 1 + a13 a21 a32 1 1 1 1 +
Oservemos a numerao das permutaes (1,2,3),(2,3,1),(3,1,2),(1,3,2),(2,1,3),(3,2,1). As ltimas trs so permutaes mpares (uma inverso), com determinante negativo; as trs primeiras so permutaes pares (0 ou 2 inverses), com determinante positivo. Enm, temos
D(A) = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 a11 a23 a32 a12 a21 a33 a13 a22 a31
A memorizao dessa expresso penarosa; podem ser usadas regras como a de Sarrus.
Observao
A congurao usada acima mostra mais:
Toda funo f : R33 R trilinear alternada verica f (A) = det(A) f (I). Aplicaremos esse fato para vericar a propriedade fundamental:
D(AB) = D(A)D(B)
Com efeito, xando a matriz B , seja f (A) = det(AB). Temos f (A1 , A2 , A3 ) = det(A1 B, A2 B, A3 B), o que mostra, por ser det trilinear, que f tambm o ; agora, se, por exemplo, A1 = A3 , ento A1 B = A3 B , e como det alternada, vem f (A1 , A2 , A3 ) = 0. Em outras palavras, f multilinear alternada; segue do resultado destacado que f (A) = det(A)f (I), mas f (I) = det(IB) = det(B), logo det(AB) = det(A) det(B).
A6 Proposio
D(tA) = D(A)
O resultado segue do esquema das permutaes. Assim sendo, todas as propriedades relativas s linhas valem, sem delongas, para as colunas!!
A7 Regra de Cramer
Dado o sistema linear AX = B , ou x1 A1 + x2 A2 + x3 A3 = B , se D(A) = 0, ento o sistema possui soluo nica, dada por
D(B, A2 , A3 ) D(A1 , B, A3 ) D(A1 , A2 , B) , x2 = , x3 = D(A) D(A) D(A) De fato, desenvolvendo, por exemplo, x1 =
D(A1 , A2 , B) = D(A1 , A2 , x1 A1 + x2 A2 + x3 A3 ) = D(A1 , A2 , x1 A1 ) + D(A1 , A2 , x2 A2 ) + D(A1 , A2 , x3 A3 )
D(A1 , A2 , B) = x3 D(A1 , A2 , A3 ), donde o valor de x3 . Analogamente, achamos x1 e x2 .
96
Exemplo A7
Ilustremos a Regra de Cramer na resoluo do sistema AX = B abaixo. 2 1 1 8 A = 4 1 0 , B = 11 , onde D(A) = 8 2 2 1 3
8 1 1 2 8 1 2 1 8 B1 = 11 1 0 = 16 ; B2 = 4 11 0 = 24 ; B3 = 4 1 11 = 8 . 3 2 1 2 3 1 2 2 3 x1 = 24 8 16 = 2; x2 = = 3; x3 = = 1. 8 8 8
A8 Proposio
A matriz A inversvel se, e somente se, D(A) = O. (a) Se A inversvel e AB = I , ento D(AB) = D(A)D(B) = D(I) = 1, donde D(A) = 0. (b) Reciprocamente, suponhamos que D(A) = 0. Vimos em A4 que as colunas de A so LI; ento, A inversvel. S que aqui queremos mais: exibir uma frmula para a matriz inversa A1 . Pois bem, usando a Regra de Cramer, sucessivamente, encontramos os vetores-solues X1 , X2 e X3 : 1 0 0 1 = , AX = E 2 = , AX = E 3 = AX1 = E 0 1 0 2 3 0 0 1 Ora, se denirmos a matriz X com colunas X1 , X2 e X3 , ento, por construo, temos | | | | | | | | | 1 0 0 AX = A X1 X2 X3 = AX1 AX2 AX3 = E 1 E 2 E 3 = 0 1 0 = I | | | | | | | | | 0 0 1
Exemplo motivador A9
2 1 1 1 1 1 1 Partindo da matriz A = 4 1 0 , e obtida sua inversa A1 = 4 4 4 veriquemos 8 2 2 1 10 6 2 x11 a construo da primeira coluna X1 = x21 tal que AX1 = E 1 . Como D(A) = 8, vemos que, x31
[acompanhe as contas!] 8x11
1 1 1 2 1 1 2 1 1 = 0 1 0 = 1, 8x21 = 4 0 0 = 4 e 8x31 = 4 1 0 = 10. 2 2 0 0 2 1 2 0 1
O resultado surpreendente (Laplace) que cada determinante que calculou essa primeira coluna, na realidade, representa os cofatores da primeira linha de A!
Exatamente da mesma maneira, a segunda coluna da inversa so os cofatores da segunda linha de A, cada um dividido por D(A). Idem, relativamente terceira coluna da inversa e os cofatores da terceira linha da matriz.
Anexo Determinantes
Em resumo, notando por a11 a12 a21 a22 a31 a32
97
Cij a matriz a13 C11 a23 C12 a33 C13
cofatora, temos [observe a transposio dos ndices!]: C21 C31 detA 0 0 C22 C32 = 0 detA 0 = (detA) I C23 C33 0 0 detA
Em outras palavras, obtemos uma frmula fechada
A1 =
C detA
A10 Determinante: caso geral
Para matrizes A n n, vale o mesmo roteiro: decompomos D(A) em nn parcelas, das quais, em geral, n! so no nulas, permitindo explicitar uma soma de produtos da forma a1(1) an(n) , onde cada elemento da matriz escolhido em uma linha e uma coluna e indica uma permutao dos ndices {1, . . . , n} das linhas; tais permutaes esto agrupadas em dois tipos, de mesmo tamanho, as permutaes pares (com nmero par de transposies), cujos determinantes so positivos e as mpares, que afetam os produtos de sinal negativo. Embora de grande importncia terica, claro que essa denio no conveniente para clculos explcitos, pois o nmero de termos envovidos (n!) muito grande. Um sisteminha 11 11 envolve cerca de 40 milhes de termos (na realidade, um pouco menos, 39.916.800...). Mas, e se usssemos um computador parrudo? Ledo engano: no estgio atual da tecnologia, no h mquinas capazes de enfrentar o crescimento de n!...E nem preciso, j que o mtodo de Gauss, alm de conversar com qualquer sistema (bem, quase todos...), ainda calcula, de lambuja, o determinante associado! De fato, vimos que um determinante no se altera por combinaes lineares de suas linhas. Ora, esta essncia do mtodo de Gauss! Moral: escalonamos a matriz dada, preservando os pivs, anotando as eventuais permutaes das linhas (que podem alterar o sinal do determinante); a matriz nal triangular superior, cujo determinante o produto dos (pivs) elementos diagonais.
Exemplo A11
Observe os escalonamentos.
a)A =
3 5 2 2 4 7 4 4 4 9 3 7 2 6 3 2 2 1 3 5 6 3 9 6
4 5 2 2 b)B = 6 3 4 1
4 0 0 0
3 5 2 1 4 0 3 3 0 0 9 0 0 0 5 2 6 1 0 0 2 ; 0 3 0 0 0 0
2 20 3 51 3
; D(A) = 27;
D(B) = 0.
c) Pratique um pouco: verique que D(M ) = 2607, onde M =
8 4 5 5 3 5 8 5 1 0 3 4 5 2 1 9
98
A12 Aplicao s matrizes semelhantes
(1) Se A e B so matrizes semelhantes n n, ento det(A) = det(B).

De fato, existe alguma matriz inversvel P tal que B = P 1 AP , donde como a funo-determinante multiplicativa, D(B) = D(P 1 )D(A)D(P ) = D(A), pois D(P 1 P ) = D(I) = 1.
Observao No vale a recproca dessa propriedade. Por exemplo, as matrizes A =

B=
1 0 0 10
2 0 tm mesmo determinante (=10) mas no so semelhantes, pois no tm o mesmo trao. 0 5
(2) Seja V um espao vetorial de dimenso nita e T : V V um operador linear. Fixadas as bases
C e D de V , sabemos que so semelhantes as matrizes A = (T )C e B = (T )D de T em relao s bases xadas. Logo, como vimos acima, det(A) = det(B). Tal igualdade sugere, ento, a seguinte denio.
O determinante de um operador linear T : V V o determinante da matriz A que representa T numa base C arbitrariamente xada em V : det(T ) = det(A), onde A = (T )C .
Por exemplo, dado o operador T : R3 R3 , T (x, y, z) = (2x + 4y 2z, x + 2y + 2z, 6x + 2y + z),

seja A a matriz de T na base cannica:
2 4 2 A= 1 2 2 . 6 2 1
Temos det(T ) = det(A) = 60.
Anexo Determinantes
99
REFERNCIAS BIBLIOGRFICAS
CALLIOLI, Carlos Alberto & al. lgebra Linear e Aplicaes. 4. ed. So Paulo: Atlas, 1980. HOFFMAN, K. & KUNZE, R. lgebra Linear. 2. ed. Rio de Janeiro: LTC, 1980. JACY MONTEIRO, L.H. lgebra Linear, v.1, v.2. 4. ed. So Paulo: NOBEL, 1969. LANG, Serge. Linear Algebra. New York: Addison-Wesley, 1966. STRANG, Gilbert. Introduction to Linear Algebra. 3rd. ed. Wellesley: Wellesley-Cambridge Press, 2005. STRANG, Gilbert. Linear Algebra and its Applications. New York: Academic Press, 1976.

APOSTILA - Introdução À Álgebra Linear - Antonio Carlos Ana Paula Lima

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

APOSTILA - Introdução À Álgebra Linear - Antonio Carlos Ana Paula Lima

Cargado por

Copyright:

Formatos disponibles

Universidade Federal de Alagoas Instituto de Matemtica

Introduo lgebra Linear

Antonio Carlos Marques da Silva Ana Paula Lima Marques Fernandes

Introduo lgebra Linear SUMRIO

Sistemas lineares e matrizes

CAPTULO 1 SISTEMAS DE EQUAES LINEARES E MATRIZES

do primeiro grau, isto , dados De fato, se

c reais, encontrar todos c = a nica soluo a

como achar todos os pares

nmeros reais que vericam a equao descartar

Introduo lgebra Linear  [Antonio Carlos & Ana Paula Marques]

um ponto dessa reta, ou seja, h uma

fcil descrever todas. Se, digamos

a1 x + b1 y = c1 , em que os casos das retas serem coincidentes ou paralelas podem a2 x + b2 y = c2 x y= 2 . 3x + 2y = 11

x da segunda equao: (3x + 3y = 6) com a segunda

basta multiplicar a primeira equao, obtendo um outro

sistema (de aspecto

mais simples que o sistema original:

ento, da (nova) segunda equao que

como vemos sem diculdade.

A qualquer estgio da eliminao gaussiana, podemos retornar ao sistema

nica soluo (x, y) = (3, 1).

(b) Considere os sistemas de nmeros reais:

Sistemas lineares e matrizes

originalmente dado, a saber:

x+ y =0 2E1 +E2 2x y + 3z = 3 E1 +E3 x 2y z = 3

por um nmero nito de operaes elementares sobre as equaes e

possuem as mesmas solues, isto , so equivalentes.

A vericao dessa propriedade consiste em dois fatos: (1) Se soluo de

por uma nica operao elementar, ento, toda soluo de

inversvel, isto , se e transforma S

a operao que reverte

S , o que indicaremos por e1 (S ) = e1 (e(S)) = S , ou seja, reobtemos

so operaes elementares do mesmo tipo,

varivel lider (ou piv) da equao

diremos que o sistema est escalonado

Introduo lgebra Linear  [Antonio Carlos & Ana Paula Marques]

Sistema j escalonado. Da segunda equao, vemos que

O sistema possui soluo nica

x+ y+ z=1 E1 +E2 (2) x + 2y + 2z = 1 2E1 +E3 2x + 3y + 3z = 2

(2) Considere o sistema Mostre que, se

ento o sistema impossvel; se

o sistema possvel indeterminado.

(3) Encontre a parbola

que passa pelos pontos

(1, 2), (1, 6)

RESUMO: Resoluo de um sistema linear

S , seja S o correspondente a1 x + b1 y + c1 z = d1 b y+c z=d

sistema escalonado. Podem ocorrer trs casos:

c3 z = d3 0 = 0 equaes redundantes redundantes 0 = 0, resta um sistema quadrado, X = (x, y, z);

com mesmo nmero de

(2) Descartadas as redundncias 0 = 0,

o sistema escalonado da forma

Sistemas lineares e matrizes Pratique um pouco.

REPRESENTAO MATRICIAL DE SISTEMAS LINEARES

a matriz dos coecientes,

receber as mesmas operaes! Como proceder? s acresccentar

A, o que nos d a chamada matriz aumentada a1 x + b1 y + c1 z = d1 a1 b1 c1 d1 a1 b1 c1 a x + b2 y + c2 z = d2 A = a2 b2 c2 A = a2 b2 c2 d2 2 a3 b3 c3 d3 a3 x + b3 y + c3 z = d3 a3 b3 c3 A.

x+ y =0 1 1 0 0 1 1 00 1 1 00 2L1 +L2 L2 +L3 2x y + 3z = 3 A = 2 1 3 3 0 3 3 3 0 3 3 3 . L1 +L3 1 2 1 3 0 3 1 3 0 0 4 0 x 2y z = 3

1.6(1) com a interpretao matricial acima.

Introduo lgebra Linear  [Antonio Carlos & Ana Paula Marques]

Aplicao aos sistemas homogneos

AX = 0. Um tal sistema trivial X = 0. Na realidade,

nmeros reais que vericam a equao descartar

Introduo lgebra Linear [Antonio Carlos & Ana Paula Marques]

como vemos sem diculdade.

por um nmero nito de operaes elementares sobre as equaes e

A vericao dessa propriedade consiste em dois fatos: (1) Se soluo de

Introduo lgebra Linear [Antonio Carlos & Ana Paula Marques]

c3 z = d3 0 = 0 equaes redundantes redundantes 0 = 0, resta um sistema quadrado, X = (x, y, z);

a matriz dos coecientes,

Introduo lgebra Linear [Antonio Carlos & Ana Paula Marques]

Em denitivo, o produto de matrizes

Introduo lgebra Linear [Antonio Carlos & Ana Paula Marques]

, resultado que pode ser vecado por induo sobre

(c) Verique que

Valem as seguintes propriedades da transposio (verique!):

Verique a validade do resultado recproco: (5) Sejam