Académique Documents
Professionnel Documents
Culture Documents
2 Base e Dimenso 25
2.1 O espao . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.2 Espaos Vetoriais . . . . . . . . . . . . . . . . . . . . . . 27
2.3 Subespaos . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.4 Bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.5 Dimenso . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.6 Representao de um Vetor em uma Base . . . . . . . . . 48
2.7 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.8 Exerccios Suplementares . . . . . . . . . . . . . . . . . . 51
3 Produto Interno 52
3.1 Propriedades Bsicas . . . . . . . . . . . . . . . . . . . . 52
3.2 Norma . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.3 Somas Diretas . . . . . . . . . . . . . . . . . . . . . . . . 57
3.4 Bases Ortonormais . . . . . . . . . . . . . . . . . . . . . 60
3.5 O Mtodo de Gram-Schmidt . . . . . . . . . . . . . . . . 63
3.6 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . 68
3.7 Exerccios Suplementares . . . . . . . . . . . . . . . . . . 70
4 Aplicaes Lineares 71
4.1 Aplicaes Lineares e Matrizes . . . . . . . . . . . . . . . 71
4.2 Composio de Aplicaes Lineares e Multiplicao de Ma-
trizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
4.3 Teorema do Ncleo e da Imagem . . . . . . . . . . . . . . 81
4.4 Espao Linha e Espao Coluna . . . . . . . . . . . . . . . 85
4.5 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . 89
i
ii SUMRIO
6 Autovalores e Autovetores 93
6.1 Subespaos Invariantes . . . . . . . . . . . . . . . . . . . 93
6.2 Determinantes e Autovalores . . . . . . . . . . . . . . . . 94
6.3 Autovetores e Diagonalizao . . . . . . . . . . . . . . . 96
6.4 Alguns fatos sobre nmeros complexos . . . . . . . . . . . 101
6.5 Autovalores e Autovetores complexos . . . . . . . . . . . 103
6.6 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . 105
7 A Adjunta 107
7.1 O Teorema de Representao de Riesz . . . . . . . . . . . 107
7.2 A Adjunta . . . . . . . . . . . . . . . . . . . . . . . . . . 108
7.3 Decomposies Ortogonais de Espaos . . . . . . . . . . 110
7.4 Isometrias . . . . . . . . . . . . . . . . . . . . . . . . . . 111
7.5 Operadores Simtricos . . . . . . . . . . . . . . . . . . . 114
7.6 O Teorema Espectral . . . . . . . . . . . . . . . . . . . . 115
7.7 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . 116
Captulo 1
1.1 Matrizes
Uma matriz real (com , = {1, 2, }) uma tabela de
nmeros reais, dispostos em linhas e colunas:
11 12 1
22 2
= ( ) = 21 (1.1)
1 2
2
= (1 2 3 5 7) e = 4
8
so, respectivamente, uma matriz linha 1 5 e uma matriz coluna 3 1.
1
2 CAPTULO 1. MATRIZES E SISTEMAS LINEARES
= ( ).
2 7 17
= 3 11 19 ,
5 13 23
enquanto a transposta da matriz coluna a matriz linha
= (2 4 8).
2 3 5 3 5
= = 11 13 e = (13)
(7 11 13)
19 23
so submatrizes de (dada anteriormente): em , a terceira linha de foi
omitida; em , a primeira coluna; e, em , a primeira e segunda linhas,
bem como a primeira e terceira colunas.
Mas uma matriz pode ser concebida de duas outras maneiras: como uma
linha de matrizes coluna ou como uma coluna de matrizes linha. Assim, a
matriz que antes denimos pode ser entendida nas formas
1
= (1 2 ) = , (1.2)
em que
1
= e = (1 2 ).
Duas matrizes = ( ) e = ( ) so iguais se
= para todos {1, , } e {1, , }.
+ = ( + ) e = ( ).
1 3 5 1 3
= e = .
(2 2 1 ) ( 1 2 1)
Ento
1 + 5 1 + 3 + 3 2 3
+ = e = .
( 3 22 2 ) (2 2 )
() + (fechamento);
() ( + ) + = + ( + ) (associatividade);
() + = + (comutatividade);
() (fechamento);
() () = () (associatividade);
() ( + ) = + (distributividade);
() ( + ) = + (distributividade);
() 1 = (regra da unidade).
= 1 1 + 2 2 + + , (1.3)
para {1, , } e {1, , }.
A equao (1.3) pode ser abreviada utilizando a notao de somatrio:
= , (1.4)
=1
1 2 3 4
1 2 2
= e = 2 2 2 2 .
( 1 2 )
4 3 2 1
Como o nmero de colunas de igual ao nmero de linhas de , o produto
est denido e resulta em uma matriz 2 4:
3 + 42 2 + 32 1 + 22 2
= .
( 10 + 8 + 2 6 + 3 4 + 4 )
1 1 1 1
= e = .
(1 1) (1 1)
Ento temos
0 0 2 2
= e = ,
(0 0) (0 0)
mostrando que . Note, em particular, que podemos ter = 0
sem termos = 0 ou = 0.
1.2. MULTIPLICAO DE MATRIZES 5
Exerccio 1.10 Seja uma matriz . Suponha que estejam denidos os produtos e .
Mostre que tambm .
() ( + ) = + (distributividade);
() ( + ) = + (distributividade);
() () = () (associatividade);
= ( + ) = ( + )1 1 + ( + )2 2 + + ( + )
=1
= + ) = (1 + 1 ) 1 + (2 + 2 ) 2 + + ( + )
(
=1
= + ) = (1 1 + 1 1 ) + + ( + )
(
=1
= + = (1 1 + + ) + (1 1 + + )
=1 =1
= +
Exerccio 1.13 Explicite condies para que cada um dos itens da Proposio 1.12 esteja bem
denido.
Exerccio 1.14 Escreva por extenso (tal qual feito na prova da primeira armao da Proposio
1.12) os somatrios envolvidos na demonstrao da associatividade da multiplicao de matrizes.
1 0 0
0 1 0
=
0 0 1
chamada matriz identidade .
Denio 1.17 Seja uma matriz . Dizemos que invertvel, se
existir uma matriz tal que
= = ,
em que denota a matriz identidade. Denotamos = 1 e chamamos
1 de inversa da matriz .
Supondo invertvel, ao denotar = 1 , a denio anterior assume
que existe uma nica matriz satisfazendo = = . Vamos provar
esse fato. Se fosse = = e = = , ento decorre das
igualdades anteriores e da associatividade do produto de matrizes que
= = () = () = = ,
garantindo a unicidade da inversa de .
1.3. SISTEMAS LINEARES E O MTODO DE GAUSS-JORDAN 7
11 1 + + 1 = 1
21 1 + + 2 = 2
(1.5)
1 1 + +
= .
+ = 1
{ = 1
tem duas equaes e duas incgnitas. Esse sistema est na forma (1.5) com
11 = 1, 1 = , 12 = 1, 2 = , 1 = 1, 21 = 1, 22 = 1 e 2 = 1.
Como as incgnitas e aparecem apenas multiplicadas por constantes, o
sistema linear. (Esse no seria o caso se o sistema tivesse termos como
sen ou 2 , por exemplo.)
Note que, se o nmero de incgnitas for grande, a utilizao de diferen-
tes letras (, , , ) para denot-las passa a ser invivel. Como queremos
estudar sistemas lineares arbitrrios e o nmero de incgnitas pode ser
grande, a notao 1 , , adequada e sempre ser adotada na sequn-
cia.
O produto de matrizes nos permite expressar o sistema (1.5) com nota-
o matricial:
11 12 1 1 1
21 22 2 2 2
= . (1.6)
1 2
= ,
em que
11 12 1 1 1
22 2
= 21 , = 2 e = 2 .
1 2
(A notao em negrito para e ser justicada posteriormente, no Cap-
tulo 2.) A matriz coluna o termo independente.
31 + 22 3 + 44 = 2
{ 1 42 + 23 4 = 5
8 CAPTULO 1. MATRIZES E SISTEMAS LINEARES
= ,
com
1
3 2 1 4 2
= , = 2 e = .
(1 4 2 1) (5)
3
4
Se a matriz coluna for nula, isto , se = 0 para todo {1, , },
o sistema chamado homogneo e essa matriz ser denotada por ; caso
contrrio, o sistema no homogneo. Como veremos, os sistemas =
e = relacionam-se de um modo especial, de modo que informaes
sobre as solues de um fornecem dados importantes para a soluo do ou-
tro. Por esse motivo, no estudo do sistema = , o sistema =
chamado sistema homogneo associado.
Vamos estudar o sistema = . Para isso, mais sinteticamente do
que em (1.6), representaremos esse sistema por uma nica matriz, chamada
matriz aumentada do sistema:
11 12 1 | 1
22 2 |
= ( | ) = 21 | 2 . (1.7)
|
||
1 2
1 2 3
0
3 2 1 1 0
1 =
1 1 2 0
3
0 1 2 0
ser representado simplesmente por
1 2 3
3 2 1
1 .
1 1
0 1 2
1 0 2 1 | 2
4 cos 1 1 | 5 .
|
3 1 2 1 | 3
1.3. SISTEMAS LINEARES E O MTODO DE GAUSS-JORDAN 9
Observao 1.24 Dada uma matriz com mais de duas colunas, podemos
associar a ela dois sistemas distintos: um sistema homogneo e tambm
aquele em que o termo independente dado pela ltima coluna de . Por
exemplo, a matriz
1 2 1
(2 1 1)
pode ser associada ao sistema homogneo
1 2 1 1 0
2 =
(2 1 1) (0)
3
ou ao sistema no homogneo
1 2 1 1
= .
(2 1) (2 ) (1)
31 22 + 3 = 5
. (1.8)
{ 1 + 2 3 = 2
31 22 + 3 = 5 52 + 43 = 1
e
{ 1 + 2 3 = 2 { 1 + 2 3 = 2
1 1 + + =
1 1 + + =
se, e somente se, satiszer
1 1 + + =
(1 + 1 )1 + + ( + ) = + .
Exemplo 1.28 Vamos ilustrar o uso das operaes elementares sobre as li-
nhas de uma matriz para resolver um sistema linear. Consideremos o sis-
tema no homogneo
3 1 2 | 1
1 1 1 | 2 . (1.10)
|
2 1 0 | 0
Comeamos trocando sua primeira linha pela segunda, operao indicada
por 1 2 :
3 1 2 | 1 1 1 1 | 2 (1 2 )
1 1 1 | 2 3 1 2 | 1 .
| |
2 1 0 | 0 2 1 0 | 0
Como vimos, os sistemas representados por essas duas matrizes aumentadas
possuem as mesmas solues. Partindo da segunda matriz, substitumos
sua segunda linha pela soma dessa linha com (-3) vezes a primeira linha,
operao indicada por 2 31 :
1 1 1 | 2 1 1 1 | 2
3 1 2 | 1 0 2 1 | 5 (2 2 31 ) .
| |
2 1 0 | 0 2 1 0 | 0
Agora substitumos a terceira linha por ela somada a 2 vezes a primeira
linha:
1 1 1 | 2 1 1 1 | 2
0 2 1 | 5 0 2 1 | 5 .
| |
2 1 0 | 0 0 1 2 | 4 (
3 3 + 2 1 )
1.3. SISTEMAS LINEARES E O MTODO DE GAUSS-JORDAN 11
1 1 1 | 2 1 1 1 | 2
0 2 1 | 5 0 1 2 | 4 ( ) .
| | 2 3
0 1 2 | 4 0 2 1 | 5
1 1 1 | 2 1 1 1 | 2
0 1 2 | 4 0 1 2 | 4 .
| |
0 2 1 | 5 0 0 3 | 3 (3 3 + 22 )
Finalmente, dividimos a ltima linha por 3:
1 1 1 | 2 1 1 1 | 2
0 1 2 | 4 0 1 2 | 4 .
| |
0 0 3 | 3 0 0 1 | 1 (3 3 /3)
1 = 1 2 = 2 e 3 = 1.
Exerccio 1.29 Escreva, para cada matriz aumentada do Exemplo 1.28, a forma completa do sis-
tema linear, isto , o sistema na forma (1.5).
Passemos denio formal:
1 2 3 | 3 1 4 7 3
0 1 | 5 0 0 1 5
= | e =
0 0 1 | 7 0 0 0 1
||
0 0 0 2 0 0 0 0
esto na forma escalonada: o piv de uma linha ocorre esquerda do piv
da linha seguinte, linhas nulas (se existentes) so as ltimas, so nulas as
entradas que esto abaixo de cada piv, na mesma coluna.
Por outro lado, as matrizes
1 2 3 | 3 1 4 7 3
0 1 | 5 0 1 1 5
0 | e 0
1 1 | 7 1 0 1
|| 1
0 0 0 0 0 0 0
no esto na forma escalonada: em ambos os casos, existe um elemento no
nulo abaixo do piv da segunda linha.
Note que, se interpretssemos a matriz sem ser a matriz aumentada
de um sistema linear, ento no estaria na forma escalonada: seu piv na
quarta linha no igual a 1:
1 2 3 3
0 1 5
0 0 1 7 .
0 0 0 2
Dada uma matriz arbitrria = ( ), a sucessiva aplicao de ope-
raes elementares (sobre suas linhas) pode lev-la at uma forma escalo-
nada. De fato, se existir algum elemento no nulo na primeira coluna de
, ao aplicarmos as operaes elementares () e () obtemos uma nova ma-
triz = ( ), com 11 = 1. A aplicao da operao elementar () torna
possvel transformar em zero todas as outras entradas na mesma coluna do
piv e abaixo dele. Considerando ento a submatriz obtida de ao se eli-
minar a sua primeira linha e primeira coluna, aplicando sucessivamente o
mesmo procedimento, chegamos forma escalonada da matriz . (Uma
prova formal obtida por induo).
Contudo, dada uma matriz , a sucessiva aplicao de operaes ele-
mentares pode conduzir a diferentes formas escalonadas para essa matriz.
o que veremos no prximo exemplo.
1.3. SISTEMAS LINEARES E O MTODO DE GAUSS-JORDAN 13
1 2 3
.
(1 1 1)
1 2 3
.
(0 1 2) (2 (2 1 )/(1))
Por outro lado, trocando as duas linhas da matriz original e ento sub-
traindo a primeira linha da segunda linha, chegamos a
1 1 1 (1 2 ) 1 1 1
,
(1 2 3) (0 1 2) (2 2 1 )
1 0 0 3 1 /2
2 .
2
(0 1 3 | 2 ) 2 /3
1 + 02 + 03 = 32
.
01 + 2 + 23 3 = 2
Exerccio 1.34 Escreva a soluo do sistema como no Exemplo 1.33, sabendo que sua forma es-
calonada reduzida por linhas dada por
1 0 0 2 | 8
0 1 0 3 | 2 .
|
0 0 1 0 | 0
3 6 8 | 5 1 3 2 | 6 1 2
1 3 2 | 6 3 6 8 | 5 .
| |
2 4 3 | 8 2 4 3 | 8
Multiplicando a primeira linha por 3 e somando segunda e multiplicando
a primeira linha por 2 e somando terceira, obtemos
1 3 2 | 6 1 3 2 | 6
3 6 8 | 5 0 3 2 | 13 31 + 2 .
| |
2 4 3 | 8 0 2 1 | 4 21 + 3
Obtemos um piv na segunda linha ao multiplic-la por 13 :
1 3 2 | 6 1 3 2 | 6
0 3 2 | 13 0 1 23 | 13 1 .
| | 3 3 2
0 2 1 | 4 0 2 1 | 4
Multiplicando a segunda linha por 2 e somando terceira linha:
1 3 2 | 6 1 3 2 | 6
0 1 23 | 13 0 1 23 | 13 .
| 3 7
| 143
0 2 1 | 4 0 0 3
| 3 22 + 3
Chegamos a uma forma escalonada ao multiplicar a terceira linha por 37 :
1 3 2 | 6 1 3 2 | 6
0 1 23 | 13 0 1 23 | 13 .
7
| 143 | 3 3
0 0 3
| 3 0 0 1 | 2 7 3
Agora transformamos em zero as entradas acima do ltimo piv:
1 3 2 | 6 1 3 0 | 10 23 + 1
0 1 32 | 13 0 1 0 | 3 23 3 + 2 .
| 3 |
0 0 1 | 2 0 0 1 | 2
Finalmente, chegamos forma escalonada reduzida por linhas:
1 3 0 | 10 1 0 0 | 1 32 + 1
0 1 0 | 3 0 1 0 | 3 ,
| |
0 0 1 | 2 0 0 1 | 2
que nos informa que a nica soluo do sistema dada por 1 = 1, 2 = 3
e 3 = 2:
1 1
2 = 3 .
3 3
Exemplo 1.36 Consideremos o sistema = , cuja matriz aumentada
dada por
1 0 0 0 0 0 | 1
1 0 0 0 0 0 | 2
0 1 0 0 0 |
0 | 3
1 1 1 1 0 0 | 4
||
0 0 0 0 1 3 5
16 CAPTULO 1. MATRIZES E SISTEMAS LINEARES
1 0 0 0 0 0 | 1
0 1 0 0 0 0 | 3
|
0 0 1 1 0 0 | 4 1 3 .
0 0 0 0 1 3 | 5
||
0 0 0 0 0 0 1 + 2
A ltima linhas nos mostra que, se tivermos 1 + 2 0, o sistema no
tem soluo.
Se tivermos 1 + 2 = 0, podemos determinar as solues do sistema.4
Escrevemos as variveis correspondentes aos pivs (isto , 1 , 2 , 3 e 5 )
em termos das variveis livres 4 e 6 e do termo independente:
1 = 1
2 = 3
3 = (4 1 3 ) 4
4 = 4
5 = 5 + 36
6 = 6
Escrevemos essa soluo em forma de uma matriz coluna, como no
Exemplo 1.33:
1 1 0 0
2 3 0 0
1 0
3 = 4 1 3
+ 4 + 6 . (1.11)
4 0 1 0
0 3
5 5
6 0 0 1
Quer dizer, para quaisquer valores de 1 , 3 , 4 e 5 , e para quaisquer
valores escolhidos para as variveis livres 4 e 6 , a soluo do sistema
= (com a igualdade 1 +2 = 0 sendo satisfeita) dada pela expresso
anterior. O sistema tem innitas solues, resultantes de escolhas arbitrrias
de valores para 4 e 6 .
Teorema 1.41 Qualquer que seja a matriz , ela possui uma nica forma
escalonada reduzida por linhas.
1 0
0 0
ou ,
0 0
1 0 0
= 0 1 0 linha
0 0 1
coluna
20 CAPTULO 1. MATRIZES E SISTEMAS LINEARES
Ento
1 0 0 11 12 1
= 0 1 0 1 2
0 0 1 1 2
11 12 1
= 1 + 1 2 + 2 + ,
1 2
O Lema 1.52 nos mostra como importante saber se uma matriz inver-
tvel. Os prximos resultados simplicam a vericao de que uma matriz
a inversa da outra e nos ensinam como obter a inversa de uma matriz in-
vertvel.
() a matriz invertvel;
() a matriz equivalente por linhas matriz identidade ;
1 1 =
1 1 1 0
2 1 4 0
= ,
2 3 5 0
0 0 0 1
22 CAPTULO 1. MATRIZES E SISTEMAS LINEARES
1 1 1 0 | 1 0 0 0 1 1 1 0 | 1 0 0 0
2 1 4 0 | 0 1 0 0 0 1 2 0 | 2 1 0 0
2 3 5 0 0 1 0 1 0
| 0 0 1 0 3 0 | 2
0 0 0 1 | 0 0 0 1 0 0 0 1 | 0 0 0 1
1 0 3 0 | 1 1 0 0 1 0 3 0 | 1 1 0 0
0 1 2 0 | 2 1 0 0 0 1 2 0 | 2 1 0 0
0 1 0
0 5 0 | 4 1 1 0 0 0 1 0 | 4 1
5 5 5
0 0 0 1 | 0 0 0 1 0 0 0 1 | 0 0 0 1
7 2 53
1 0 0 0 | 5 5
0
0 1 0 0 2 35 2 0
| 5 5
0 0 1 0 54 1 1 0
| 5 5
0 0 0 1 0 0 0 1
|
1.5 Exerccios
1. Considere as matrizes
1 5 7 11
= e = .
(2 4 6) ( 8 10 12)
Calcule as matrizes e 3 + 5.
2. Obtenha os valores de , , e tais que
3 2 2 + 3
= + .
( ) ( 2 2) ( 2 + 1)
1 2 1 2
= e = 1 3 4 .
(2 3 )
2 4
1 2 3
2 1 0 5
(1 3 5) 2 e 1 3 5 7 .
(1 5)
1 4 8 2 6
(1 2 3 )1 = 1 1 1
3 2 1 .
8. Mostre que
( + ) = + ,
=1 =1 =1
= .
=1 =1 =1 =1
1 + 52 + 71 3 = 2
{ 21 2 + 3 = 0
+ 22 33 24 + 45 = 1
1
2
1 +5 2 8 3 4 + 6 5 = 4
1 + 4 2 7 3 + 5 4 + 25 = 8
1 2 5 | 1
4 5 8 | .
| 2
3 3 3 | 3
Satisfeita essa condio, escreva as solues do sistema utilizando a forma utilizada no Exem-
plo 1.33.
24 CAPTULO 1. MATRIZES E SISTEMAS LINEARES
+ = 1
2 + 3 + = 3
+ + 3 = 2
possua:
(a) soluo nica;
(b) innitas solues;
(c) nenhuma soluo.
Determine, quando existirem, as solues deste sistema.
16. Dizemos que a matriz equivalente por linhas matriz se existirem operaes elementa-
res sobre linhas 1 , 2 , , de modo que 2 1 () = . Mostre que essa uma relao
de equivalncia, isto , que as seguintes propriedades so satisfeitas:
(a) a matriz equivalente por linhas matriz (reexividade);
(b) se a matriz for equivalente por linhas matriz , ento equivalente por linhas
matriz (simetria);
(c) se a matriz for equivalente por linhas matriz e a matriz for equivalente por linhas
matriz , ento equivalente por linhas matriz .
17. Sejam 0 e 1 solues do sistema homogneo = . Mostre que, para qualquer ,
= 0 + 1 tambm soluo desse sistema.
18. Considere a matriz
1 2 5 1
= 4 5 8 1 .
3 3 3 2
Seja sua forma escalonada reduzida por linhas. Encontre matrizes elementares 1 , ,
de modo que
2 1 = .
Base e Dimenso
2.1 O espao
Fixe = {1, 2, }. Denimos o conjunto por
= { = (1 , 2 , , ) } .
+ = (1 + 1 , , + ) (2.1)
= (1 , , ). (2.2)
25
26 CAPTULO 2. BASE E DIMENSO
() + (fechamento);
() ( + ) + = + ( + ) (associatividade);
() + = + (comutatividade);
() (fechamento);
() () = () (associatividade);
() ( + ) = + (distributividade);
() ( + ) = + (distributividade);
() 1 = (regra da unidade).
Observao 2.3 Note que a identicao (2.4) est de acordo com a nota-
o utilizada no Captulo 1: em um sistema linear = , tanto como
esto sendo interpretados como vetores.
3 + 2 + 3 + = 8
+ + = 3
2 + + 3 = 2.
3 2 3 1 8
1 1
1 1 = 3 ,
2 1 1 3 2
Exerccio 2.5 Encontre todas as solues do Exemplo 2.4. Interprete geometricamente sua res-
posta.
() + (fechamento);
() ( + ) + = + ( + ) (associatividade);
() + = + (comutatividade);
2
Tambm podemos denir espaos vetoriais complexos, em que os escalares so nmeros
complexos ou, mais geralmente, tomar os escalares em um corpo qualquer.
28 CAPTULO 2. BASE E DIMENSO
Exerccio 2.9 Verique as armaes do Exerccios 2.7 e 2.8. Os mesmos resultados so vli-
dos se substituirmos, nesses exemplos, os escalares (quer dizer, respectivamente, coecientes dos
polinmios e entradas das matrizes) por nmeros complexos?
11 12 1
21 22 2
(11 , , 1 , , 1 , , ) .
1 2
2.2. ESPAOS VETORIAIS 29
Exerccio 2.10 Seja o conjunto de todos os polinmios na varivel com coecientes reais.
(Esse conjunto possui polinmios de qualquer grau, enquanto possui apenas os polinmios de
grau menor do que , para xo.) Considere, nesse conjunto, as operaes usuais de adio
de polinmios e multiplicao de um polinmio por um escalar real. Verique que um espao
vetorial real.
Exerccio 2.11 Considere o conjunto
= {(1 , , , ) , }.
Verique que um espao vetorial real com a adio de vetores e multiplicao por escalar
denidas analogamente s operaes no . O espao pode ser identicado com o conjunto
das sequncias de nmeros reais.
Exerccio 2.12 Seja o espao de todos os polinmios na varivel . (Veja o Exerccio 2.10.)
Continua vlida a armao que, conhecendo todos os coecientes de um polinmio, ento conhe-
cemos o polinmio? Podemos identicar vetores em com vetores em ?
(1 , 2 ) + (1 , 2 ) = (1 + 1 , 2 + 2 )
(1 , 2 ) = (0, 0),
o que est relacionado com a Observao 2.13. Mas esse caso no assusta,
pois se , ento = ! Mas o prximo exemplo j difere completa-
mente de nossa intuio do :
Exemplo 2.14 Seja um conjunto qualquer. (Se voc quiser, pense
que = .) Considere ento o conjunto de todas as funes
= { },
no qual denimos as operaes de adio e multiplicao por escalar:
+ dada por ( + )() = () + ()
e
dada por () = ().
(Note que uma funo ca denida quando so dadas seu domnio, contra-
domnio e a regra que a dene em cada ponto de seu domnio. Assim,
+ e esto denidas e pertencem ao conjunto .)
Com essas operaes, um espao vetorial. Note que, se tomarmos
= , no existe maneira de falar em coordenadas de um vetor !
Exerccio 2.21 Compare os Exemplos 2.2 e 2.20. O que justica a diferena de tratamento entre
esses exemplos?
Qual o objetivo de estudarmos espaos vetoriais? A resposta que,
ao trabalharmos abstratamente com espaos vetoriais e obtermos resultados
baseados na Denio 2.6 e suas consequncias (tal qual zemos no Exem-
plo 2.20), estamos ganhando conhecimento vlido para qualquer exemplo
especco de espao vetorial, o que inclui o e aqueles dados nos Exem-
plos 2.7, 2.8 e 2.14.
Neste texto no daremos nfase a espaos vetoriais abstratos. Mas mui-
tos resultados que apresentaremos neste curso permanecero vlidos nesse
contexto mais geral.
2.3 Subespaos
Nosso objetivo denir subconjuntos do que se comportem de ma-
neira semelhante quela de retas e planos no 3 , ambos passando pela ori-
gem: vemos que, restringindo-nos a elementos desses subconjuntos, a adi-
o de dois vetores quaisquer e a multiplicao de um vetor por um escalar
permanecem nesses subconjuntos.
(2) .
Uma vez que 0 = para qualquer , vemos que um
elemento de qualquer subespao do . Veja o Exerccio 2.22: observe que
= (0, 0, 0) 1 , enquanto 2 . (Desse modo, temos uma vericao
rpida que 2 no um subespao do 3 .)
A denio de subespao implica que, restringindo as operaes do
aos elementos do subespao , esse subconjunto , em si, um espao veto-
rial. De fato, se o subconjunto satiszer (1) e (2), todas as propriedades
da Denio 2.6 (ou do Teorema 2.1) so automaticamente satisfeitas em
, com exceo da propriedade (). De fato, as propriedades ( ) e
( ) so vlidas para todos os elementos do e, em particular, para os
elementos de ; as propriedades (1) e (2) do subespao asseguram a vali-
dade de () e (); como j vimos que 0 = , tambm () vale; nalmente,
() = (1) (veja o Exerccio 2 no nal do captulo), a propriedade (2)
implica na validade de ().
32 CAPTULO 2. BASE E DIMENSO
Exerccio 2.24 Seja um subespao. Mostre que, se existir tal que , ento
possui innitos elementos.
ker = { = }
( + ) = + = + = e () = = = ,
provando o armado.
= {1 + 22 53 + 44 75 = 0 , 1 5}
= ( 1 2 5 4 7 ) ,
2.3. SUBESPAOS 33
Exerccio 2.29 Aplicando diretamente a Denio 2.23, mostre que o conjunto do Exemplo
2.28 um subespao.
Exerccio 2.30 Se 0 , mostre que as solues do sistema = no formam um
subespao do . Compare com o plano 2 do Exerccio 2.22.
3 + 2 + 7 3 2 7
+ 1 1 1
+ = 1 + 1 + 0 ,
1 0 1
vemos que pode ser interpretado como o espao gerado pelos vetores
3 2 7
1 1 1
1 = , 2 = e 3 = .
1 1 0
1 0 1
3
Note que o produto s faz sentido se for uma matriz 5 1.
34 CAPTULO 2. BASE E DIMENSO
1 = 22 + 53 44 + 75 .
1 22 + 53 44 + 75
2 2
3 = 3
4 4
5 5
2 5 4 7
1 0
0 0
= 2 0 + 3 1 + 4 0 + 5 0 .
0 0 1 0
0 0 0 1
2 5 4 7
1 0 0 0
0 , 1, 0 e 0
0 0 1 0
0 0 0 1
Exerccio 2.34 Aplicando diretamente a Denio 2.23, mostre que o conjunto do Exemplo
2.32 um subespao.
Exerccio 2.35 Sejam 1 = (1, 2, 1, 1), 2 = (2, 1, 1, 1), 3 = (1, 1, 1, 1), 4 = (0, 1, 0, 1) e 5 =
(0, 0, 1, 0) vetores do espao 4 . Descreva o espao < 1 , , 5 > de maneira semelhante
denio de no Exemplo 2.32.
1 1 + + = . (2.7)
Assim, o que zemos no Exemplo 2.32 nada mais foi do que mostrar
que o espao dado como combinao linear dos vetores 1 , 2 e 3 l
denidos. Observao anloga vlida para o Exemplo 2.33.
1 + 2 = 3, 1 + 2 = 2, 1 = 1,
1 1 3
1 1 1 = 2 .
(2 )
1 0 1
Vericamos ento que os vetores 1 e 2 aparecem como colunas da
matriz
1 1
= 1 1 .
1 0
36 CAPTULO 2. BASE E DIMENSO
Exerccio 2.38 Considere os vetores 1 = (1, 2, 1, 1), 2 = (2, 1, 1, 1), 3 = (1, 1, 1, 1), 4 =
(0, 1, 0, 1) e 5 = (0, 0, 1, 0). O vetor (5, 2, 3, 1) combinao linear desses vetores ?
Exerccio 2.39 Sejam
1 = (2, 3, 1, 1), 2 = (2, 2, 2, 1), e 3 = (1, 0, 2, 1).
O vetor = (1, 1, 1, 1) pertence a < 1 , 2 , 3 >?
3 2 7
1
1 1 1 2
1 = . (2.8)
1 0 3
1 0 1 4
Note que os vetores 1 , 2 e 3 , obtidos no Exemplo 2.32, geram o es-
pao e correspondem s colunas da matriz
3 2 7
1 1 1
= . (2.9)
1 1 0
1 0 1
Note tambm que (2.8) um sistema no homogneo.
2.3. SUBESPAOS 37
1 1 + 2 2 + 3 = , (2.11)
ou seja,
1 (1, 0, 0) + 2 (0, 1, 0) + 3 (1, 1, 0) = (0, 0, 0).
Essa ltima igualdade d origem ao sistema homogneo
1 0 1 1 0
0 1 1 2 = 0 .
0 0 0 3 0
(Repetimos: os vetores 1 , 2 e constituem as colunas da matriz 3 3.)
A soluo do sistema homogneo dada por
1 1
2 = 3 1 .
3 1
Como o sistema homogneo possui soluo no trivial, conclumos que
os vetores 1 , 2 e so linearmente dependentes.
Substituindo a soluo (1 , 2 , 3 ) = (1, 1, 1) em (2.11), obtemos
1 2 + = ,
6
2
6
- -
1
so linearmente dependentes.
1 1 + + = .
1 1 = 2 2 , (2.13)
ou seja,
1 = 2 2 + + ,
2.3. SUBESPAOS 39
11 2 2 =
Exerccio 2.49 Verique se o conjunto = {(1, 1, 2, 1), (1, 1, 1, 1), (2, 1, 1, 1), (2, 1, 2, 1)} line-
armente dependente ou linearmente independente. Se for linearmente dependente, escreva um dos
vetores como combinao linear dos vetores restantes.
Exerccio 2.50 Suponha que o vetor pertena ao espao < 1 , , >. Mostre que o conjunto
{, 1 , , } linearmente dependente.
1 + 2 2 + + =
1 1 + + + = . (2.14)
1 1 + + =
2.4 Bases
Dado um subespao e vetores 1 , , , esto denidos dois
conceitos fundamentais: se = {1 , , } gerar , todas as informa-
es essenciais sobre o subespao esto contidas no conjunto ; por
outro lado, se for linearmente independente, ento no existe informa-
o suprua nesse conjunto. Assim, um conjunto que satisfaz essas
duas condies especial...
{, , }, {, , } e {, , }
() os elementos de pertencem a ;
= (1 2 )
colunas
e resolver o sistema
= .
Se esse sistema tiver soluo para todo , ento = {1 , , }
gera ; se o sistema homogneo associado tiver apenas a soluo trivial
= , ento linearmente independente.
= 1 1 + +
= (1 , 0, , 0) + (0, 2 , 0, , 0) + + (0, , 0, )
= (1 , , ),
Exerccio 2.60 Mostre que o conjunto {(1, 1, 1, 1), (1, 1, 1, 0), (1, 1, 0, 0), (1, 0, 0, 0)} uma base
do espao 4 .
= { }
= 01 + + 01 + 1 + 0+1 + + 0 ,
de modo que os vetores de esto em < >. Por denio, todo elemento
de < > uma combinao linear de elementos de , de modo que esse
conjunto gera < >; como, por hiptese, linearmente independente,
nossa prova est completa.
1 1 1 1 1 1 1 1
1 2 3 2 0 1 2 1
= = .
2 5 6 4 0 0 2 1
2 6 8 4 0 0 0 0
Notamos ento que cada operao elementar sobre as linhas de uma ma-
triz produz uma nova linha que combinao linear das linhas envolvidas
nessa operao elementar. Ou seja, operaes elementares sobre as linhas
de uma matriz no alteram seu espao linha. Portanto, vemos que o espao
gerado pelos vetores 1 , 2 , 3 e 4 tem dimenso 3 e gerado pelos vetores
(1, 1, 1, 1), (0, 1, 2, 1) e (0, 0, 2, 1).
Exerccio 2.66 Considere os vetores (1, 1, 0), (0, 0, 1), (0, 0, 2) e (0, 1, 0). Escalone a matriz que
tem os vetores dados como linha. Obtenha uma base para o subespao gerado pelos vetores dados.
As linhas de correspondentes aos vetores no nulos de sua forma escalonada formam uma base
desse subespao?
Assim, o mtodo utilizado no Exemplo 2.65 certamente produz uma
base partir de um conjunto que gera um subespao, mas tem um inconve-
niente: os vetores da base obtida no esto todos no conjunto gerador origi-
nal. No Exemplo 2.65, apenas o primeiro vetor da base obtida faz parte do
conjunto original. Mostraremos posteriormente um mtodo alternativo que
reduz um conjunto gerador a uma base sem alterar os vetores envolvidos.
Note que a a Proposio 2.64 garante que qualquer subespao gerado
por um nmero nito de vetores em possui base, mas no garante que
qualquer subespao do possui base: precisamos obter um conjunto
gerador com elementos pertencentes a ! Faremos isso na prxima seo.
44 CAPTULO 2. BASE E DIMENSO
1 1 + 2 2 + + = = 1 1 + 2 2 + + .
(1 1 )1 + (2 2 )2 + + ( ) = .
2.5 Dimenso
Agora passamos a considerar o conceito de dimenso de um subespao;
esse conceito pode ser utilizado para caracterizar todos os subespaos do
.
= { + , } 3 .
(, , 0) = 1 + 2 (, , 0) = (1 + 2 , 2 , 0).
= {1 , , } e = {1 , , , +1 }.
= {1 , , , +1 , , + }
< >.
{1 , , , +1 , +2 }
= {1 , , } .
() o conjunto gera ;
2
6
@
I
@ 2
@
@
@
@
@
I
2 @
1
@
@ -
2 1
= 1 1 + + .
O vetor
1
[] = 2
chamado representao de na base e 1 , , as coordenadas de
na base .
Se for a base cannica do , escrevemos simplesmente ao invs
de [] .
= 1 1 + 2 2 ,
isto ,
(3, 2) = 1 (1, 1) + 2 (1, 1).
Resolvendo o sistema, obtemos
5
2
[] = .
( 12 )
2.7 Exerccios
1. Encontre os valores de e de modo que
(a) (, 3) = (2, + );
(b) (, 4) = (3, 2).
2. Considere o sistema cuja matriz aumentada
0 0 0 3 9 | 6
0 5 15 10 40 | 45 .
0 1 3 1 5 | 7
Mostre que < > um subespao do . (Compare com a Proposio 2.31, em que o
natural foi xado para todo elemento de < 1 , , >.)
+ = (1 , 2 ) + (1 , 2 ) = (1 1 , 2 2 )
= (1 , 2 ) = (1 , 2 ).
Mostre que, com essas operaes, um espao vetorial real. Qual o elemento ?
4. Seja um subconjunto qualquer do . Mostre que um subespao se, e somente se,
+ para quaisquer , e .
5. Generalize o Exerccio 24 da seo anterior, mostrando que pode ser substitudo por qual-
quer espao vetorial .
6. No Exemplo 2.14, considere que = [0, 2] e dena ([0, 2], ) como o conjunto
de todas as funes contnuas. Mostre que ([0, 2], ) um subespao de . Dena =
{ [0, 2] integrvel} como o conjunto de todas as funes integrveis. O
conjunto um subespao de ?
7. Verique que o espao do Exemplo 2.8 tem dimenso . Exiba uma base desse
espao.
Captulo 3
Produto Interno
() , = , ;
52
3.1. PROPRIEDADES BSICAS 53
Exerccio 3.2 Considere o produto escalar , j denido para vetores , 3 . Verique que
esse produto escalar satisfaz a Denio 3.1.
1
, = = 1 1 + + = (1 2 ) 2 = t ,
do espao 4 . Ento
, = 20 + 2 + 4 6 = 20,
enquanto
, = 5 3 + 12 18 = 4.
Exerccio 3.4 Verique que o produto interno cannico do satisfaz a Denio 3.1.
Exerccio 3.5 Para os vetores , e do 4 denidos no Exemplo 3.3, verique que
, + = , + , .
, = 1 1 1 + +
Exerccio 3.7 Seja , um produto interno qualquer no . Mostre que , = 0 para todo
.
Exerccio 3.8 Considere = (1 , 2 ) e = (1 , 2 ) vetores no 2 . Dena
, = 1 1 1 2 2 1 + 32 2 .
Verique que , dene um produto interno no 2 . Para = (1, 1), encontre os vetores 2
que satisfazem , = 0.
3.2 Norma
Denio 3.10 Uma norma no uma aplicao satis-
fazendo, para todos , e :
() = || ;
() + + (desigualdade triangular).
= |1 | + |2 | + + | |.
Exerccio 3.12 Mostre que satisfaz as propriedades que caracterizam uma norma no , de
modo que sua denominao adequada.
Exerccio 3.13 Para os vetores , e do 4 , denidos no Exemplo 3.3, calcule , e
.
Exerccio 3.14 Para = (1 , 2 , , ) , dena = max1 | |. Mostre que assim
est denida uma norma, chamada norma do mximo no .
3.2. NORMA 55
() = , 1/2 = 2 , 1/2 = || ;
Antes de completarmos a demonstrao de nossa armao, justicare-
mos a denio de perpendicularidade, dada anteriormente.
Teorema 3.16 (Pitgoras)
Considere = , 1/2 para todo . Ento, se, e
somente se,
+ 2 = 2 + 2 .
Demonstrao: Uma vez que
+ 2 = + , + = , + 2, + ,
= 2 + 2, + 2 ,
proj
Figura 3.1: O vetor proj = (, /2 ) a projeo ortogonal do vetor
no vetor . O vetor = proj a componente de ortogonal ao
vetor .
|, | .
= , + ( , ) (= proj + ( proj ))
e , ( , ), como vericamos facilmente. Pelo Teorema de
Pitgoras,
2 = , 2 + ( , )2 > , 2 = |, |2 ,
, 1 1 , 1.
| |
, = cos ,
+ 2 = + , + = 2 + 2, + 2
2 + 2 |, | + 2
2 + 2 + 2 = ( + )2 .
+ 2 + 2 = 2 (2 + 2 ) .
+ = { + , }.
e
1 = (1, 2, 0, 3, 2, 1), 2 = (3, 6, 1, 9, 4, 3).
Encontraremos uma base para o subespao +
O subespao + gerado pelos vetores 1 , 2 , 1 e 2 . Formamos
assim a matriz , que tem esses vetores como linhas, e a escalonamos:
1 2 0 3 1 0 1 2 0 3 1 0
1 2 1 3 1 2 0 0 1 0 0 2
=
1 2 0 3 2 1 0 0 0 0 1 1
3 6 1 9 4 3 0 0 1 0 1 3
1 2 0 3 1 0
0 0 1 0 0 2
0 0 0 0 1 1
0 0 0 0 1 1
1 2 0 3 1 0
0 0 1 0 0 2
=
0 0 0 0 1 1
0 0 0 0 0 0
Assim, as linhas no nulas de formam uma base para = + :
= + ,
Exerccio 3.32 Como se generaliza essa denio para o caso da soma direta de subespaos?
= 1 1 + + + +1 +1 + + .
Denindo = 1 1 + + e = +1 +1 + + ,
temos que e so unicamente determinados, de modo que a soma
direta dos espaos e .
Reciprocamente, suponhamos que para todo existam nicos
e tais que = + . Como e so bases de e ,
respectivamente, temos que = 1 1 ++ e = +1 +1 ++
para (nicos) escalares 1 , , .3 Isso mostra que gera o subespao .
Como + = implica = e = (pela unicidade dada na denio de
soma direta), a igualdade = (1 1 + + ) + (+1 +1 + + )
implica 1 1 + + = e +1 +1 + + = . Mas e so
linearmente independentes, de modo que = 0 para todo {1, , }.
Isso prova que linearmente independente e, assim, uma base de .
= {(, , ) = = } e = {(, , 0) , }.
Mostre que 3 = .
, = 0, se , , {1, , }.
1 1 + + = . (3.1)
1 1 + + , 1 = , 1
1 1 , 1 + 2 2 , 1 + + , 1 = 0
1 1 2 = 0,
1 1 + + , = ,
1 1 , + + , + + , = 0
= 0,
3.4. BASES ORTONORMAIS 61
, = 0,
se e
, 1 = 1 2 = 1.
Exerccio 3.43 Justique: qualquer conjunto ortonormal com elementos uma base do .
Exerccio 3.44 Considere o conjunto = {1 , 2 , 3 , 4 } em que
Mostre que uma base ortogonal do 4 (considerado com seu produto interno cannico).
1 + + 2 = 1 2 + + 2 .
Exerccio 3.46 Demonstre a Proposio 3.45 ao expandir o lado esquerdo da igualdade usando a
identidade 2 = , . necessrio supor que todos os vetores em no sejam nulos?
= , (3.2)
e
= , .
=1
, = 1 1 , + + , + + , = ,
o que nos d
= , para {1, , }
e, portanto
= , .
=1
1 2 1 2 1 4
1 = , , , 2 = , ,
( 6 6 6 ) ( 21 21 21 )
e
3 2 1
3 = , , .
( 14 14 14 )
Se = (1, 1, 1) determinamos facilmente os escalares tais que
= 1 1 + 2 2 + 3 3 .
4 1 2
1 = , 1 = , 2 = , 2 = e 3 = , 3 = .
6 21 14
Exerccio 3.49 Compare a soluo apresentada no Exemplo 3.48 com o clculo direto dos coe-
cientes (como feito no Captulo 2, isto , sem usar o fato que uma base ortonormal).
Exerccio 3.50 Na Proposio 3.47, se a base = {1 , , } for apenas ortogonal ao invs de
ortonorma, qual a expresso dos coecientes ?
Exerccio 3.51 Ache a representao do vetor = (1 , 2 , 3 , 4 ) 4 na base do Exerccio
3.44.
3.5. O MTODO DE GRAM-SCHMIDT 63
1 1 + + , 1 1 + + = 1 1 + + , (3.3)
o que mostra que, com relao a essa base ortonormal, o produto interno se
comporta como o produto interno cannico do . (Note que a ortogonali-
dade de vetores depende do produto interno considerado. O que uma base
ortonormal para o produto interno cannico no precisa ser ortogonal para
outro produto interno.
proj2
2
proj1
= proj1 + proj2
1
Figura 3.3: O vetor a componente de ortogonal ao plano gerado por
1 e 2 . O vetor nada mais do que a soma das projees de sobre os
vetores 1 e 2 .
, ,
, = 1 2 1 2 ,
1
, ,
= , 1 2 1 , 2 ,
1
,
= , ,
2
= , , = 0,
= 1 1 + + .
,
Uma vez que = 2
(veja o Exerccio 3.50), vemos que
1 , , ,
= 1 1 + + 2
1 2 2 2 2 = 0,
1 2
provando o armado.
2 = 2 proj1 2
2 , 1 1
= 2 = (1, 0, 1) (1, 1, 0)
1 2 1 2
= (1, 0, 1) (1/2, 1/2, 0)
= (1/2, 1/2, 1).
3 = 3 proj1 3 proj2 3
3 , 1 ,
= 3 2
1 3 22 2
1 2
0 0
= (1, 1, 1) (1, 1, 0) (1, 1, 2)
2 6
= (1, 1, 1).
Note que o vetor 3 coincidiu com o vetor 3 , pois esse vetor j era
ortogonal aos vetores 1 e 2 (verique!). Assim, a base = {1 , 2 , 3 }
uma base ortogonal do 3 . Para obter uma base ortonormal, basta dividir
cada vetor por sua norma. Ento os vetores
1 1 6 6 6
1 = ,
,0 , 2 = , ,
( 2 2 ) ( 6 6 3 )
e
1 1 1
3 = , ,
( 3 3 3 )
= { , = 0, }.
Claramente um subespao do .
66 CAPTULO 3. PRODUTO INTERNO
Exerccio 3.57 Mostre que, qualquer que seja o conjunto (que no precisa ser um subes-
pao), temos que um subespao do .
=
.
= +
= , 1 1 + + , .
, = 1 + 32 + 23 4 + 25 = 0
, = 21 + 72 + 43 + 24 5 = 0,
1 0 2 13 17
,
( 0 1 0 4 5 )
1 23 + 134 175
2 44 + 55
3 = 3
4 4
5 5
2 13 17
0 4 5
= 3 1 + 4 0 + 5 0 .
0 1 0
0 0 1
Assim,
2 13 17
0 4 5
= 1 , 0 , 0
0
1 0
0 0 1
uma base para . Para obter uma base ortogonal para , aplicamos
o processo de ortogonalizao de Gram-Schmidt a esses vetores.
=
= + ,
a projeo ortogonal do em .
( + ) = + , 1 1 + + + ,
= , 1 1 + + ,
+, 1 1 + + ,
= + ,
mostrando o armado.
3.6 Exerccios
1. Seja , um produto interno. Mostre que , + = , +, para todos , ,
e .
2. Seja uma norma no espao . Mostre que = 0.
3. Seja , um produto interno no . Demonstre a desigualdade de Cauchy-Bunyakowsky-
Schwarz da seguinte maneira: para , , desenvolva a expresso 0 , .
Escolhendo = , , obtenha um trinmio do segundo grau com coecientes reais. Analise
esse trinmio e obtenha a desigualdade de Cauchy-Bunyakowsky-Schwarz.
4. Sejam = (1, 1, 1) e = (1, 2, 3) vetores do 3 considerado com seu produto interno can-
nico. Calcule proj .
5. Sejam = (4, 1, 2) e = (2, 1, 3) vetores do 3 considerado com seu produto interno
cannico. Escreva = + , com e ortogonal a .
6. Seja , um produto interno qualquer no e a norma por ele gerada. Mostre que
1
, = + 2 2 ) ,
4(
expresso conhecida como identidade de polarizao.
7. Considere o produto interno , denido no Exerccio 3.8. Sejam = (3, 4) e = (1, 5)
vetores do 2 . Calcule , , bem como .
8. Considere a norma da soma no espao , como no Exemplo 3.11. Mostre que no existe
um produto interno , denido no de modo que , = 2 para todo .
9. Considere os subespaos , e do espao , com
e
= {(, , ) = }.
Mostre que
(a) 3 = + ;
(b) 3 = + ;
(c) 3 = + .
Quando temos uma soma direta de subespaos?
10. Sejam = (2, 1, ) e = (1, 3, 2). Para que valor de os vetores e so ortogonais com
relao ao produto interno cannico do 3 ?
3.6. EXERCCIOS 69
= 1 1 + 2 2 + 3 3 .
e
4 = (5, 2, 6, 1).
Seja = (1, 1, 1, 1).
(a) Mostre que uma base ortogonal do 4 considerado com seu produto interno can-
nico;
(b) Escreva como combinao linear dos elementos de .
14. Com 4 considerado com seu produto interno cannico, encontre uma base ortonormal para
o subespao
= { = (1 , 2 , 3 , 4 ) 4 1 2 23 + 4 = 0}.
, = , 1 , 1 + , 2 , 2 + + , , .
16. Escreva o vetor (1, 3) 2 como combinao linear dos vetores 1 = (1/2, 1/2) e 2 =
(1/2, 1/2).
17. Seja = < 1 , 2 , 3 >, em que 1 = (1, 0, 0, 1), 2 = (2, 2, 2, 0) e 3 = (0, 1, 0, 2).
Determine uma base ortonormal para .
18. Considere a base {1 = (1, 1, 1), 2 = (1, 2, 3), 3 = (1, 1, 0)} 3 . Aplique o processo de
ortogonalizao de Gram-Schmidt a esses vetores e obtenha uma base ortonormal do 3
com relao ao seu produto interno cannico, tendo 1 /1 como o primeiro vetor de .
19. Considere 4 com seu produto interno cannico. Seja = < >, em que = (1, 1, 2, 3).
Calcule uma base ortonormal para .
20. Considere os vetores 1 = (1, 1, 1, 1) e 2 = (1, 1, 1, 1). Sejam = < 1 , 2 > e
= (1, 2, 0, 2). Calcule proj .
21. Seja o subespao gerado pelos vetores 1 = (4, 0, 3) e 2 = (0, 1, 0). Escreva o vetor
= (1, 2, 3) na forma = + com e .
22. Seja um subespao tal que = {0}. Mostre que = .
23. Suponha que seja ortogonal aos vetores , 1 . Mostre que ortogonal ao
subespao < 1 , , >.
24. Suponha que = + e . Mostre que = .
70 CAPTULO 3. PRODUTO INTERNO
proj
12 + + 2 2 .
f , g = 0, , = 0 , {0, 1, 2, },
e
, = 0, , , .
3. Em todos as denies do Captulo 3, substitua o espao por um espao vetorial qualquer
de dimenso nita. Assim, por exemplo, dena um produto interno no espao como
uma funo , satisfazendo as propriedades (i)-(ii)-(iii) da Denio 3.1.
Mostre que todos os resultados mostrados no Captulo 3 continuam vlidos.
Captulo 4
Aplicaes Lineares
Denio 4.1 Uma aplicao linear (ou transformao linear) uma fun-
o tal que
( + ) = + , , . (4.1)
71
72 CAPTULO 4. APLICAES LINEARES
1
(1 , , ) e 1 (4.2)
til no tratamento de vetores. Se a utilizarmos tanto no quanto no ,
ela nos permite interpretar uma matriz = ( ), , como denindo
uma aplicao linear . De fato, dado = (1 , , ) ,
escrevendo esse vetor como uma matriz coluna temos que
11 12 1 1 11 1 + 12 2 + + 1
21 22 2 2 + 22 2 + + 2
= 21 1
1 2 1 1 + 2 2 + +
= 1 . (4.3)
( + ) = + .
2 1 7 5
= .
(1 1 1 1)
= (1 , , ) = (11 1 + + 1 , , 1 1 + + ),
(1 , 2 , 3 ) = (31 + 22 , 1 + 2 + 23 ).
1 (1 + 1 ) + + ( + ) = (1 1 + + ) + +
(1 1 + + ).
= (1 1 + + ) = 1 1 + + . (4.4)
11 12 1
= 1 21 + 2 22 + + 2
1 2
11 12 1 1
22 2 2
= 21 (4.5)
1 2
= (1 , 2 ) = (31 + 2 , 1 + 2 , 2 ).
Verique que uma aplicao linear. Calcule a matriz que representa com relao s
bases cannicas do 2 e 3 , respectivamente.
= 1 1 + + + + = [ ] . (4.6)
= 1 1 + + .
= (1 1 + + ) = 1 1 + +
= 1 (11 1 + + 1 ) + + (1 1 + + )
= (11 1 + + 1 )1 + + (1 1 + + ) .
11 1 + + 1
[ ] = 1 1 + +
1 1 + +
11 12 1 1
= 2
1
1 2
= [] . (4.7)
= {1 , , } e = {1 , , } ,
(, ) = (4 2, 2 + ).
3
[ (1 )] = .
(1)
Calculando
2 3 2 2 4
= = ,
(1) (1 2 ) (1) (4)
76 CAPTULO 4. APLICAES LINEARES
( , ) = { linear},
( + )() = + e ()() = .
= {1 , , } e = {1 , , } ,
( + ) = ( + )
=
+ = ( ) + ().
[( + )] = [ + ] = [ ] + [] .
[] = [] . (4.8)
Claramente a matriz possui inversa .
e
(0, 1) = 1(1, 1) + 1(1, 0) = 11 + 12 .
A matriz , ento,
0 1
= .
( 1 1 )
Alguns autores preferem chamar essa matriz de matriz de passagem da base para
1
a base . Assim, a terminologia utilizada por eles ca invertida com relao nossa.
78 CAPTULO 4. APLICAES LINEARES
0 1 1 2
= ,
( 1 1 ) (2) (1)
Exerccio 4.18 Continuando o Exemplo 4.17, calcule a matriz . Verique que ( )1 =
.
Utilize ento a matriz para obter [ (1, 2)] e compare sua resposta com aquela obtida no
Exemplo 4.11.
Para salientar as bases utilizadas na matriz , muitas vezes utilizamos
o diagrama
( , ) ( , ),
salientando as bases utilizadas para se produzir a matriz . Note, con-
tudo, que ( , ) apenas uma notao para o espao considerado sem
qualquer base!
Passemos ento pergunta feita anteriormente, utilizando essa nova no-
tao: dada uma aplicao linear , como se relacionam as
matrizes e ? Temos o diagrama
( , ) - ( , )
@
I
@
@
-
@
? @ ?
@
R
-
( , )
( , )
1
= [ ] = ,
1 1
= .
(1 0)
Verique que = [ ]1 e que =
.
80 CAPTULO 4. APLICAES LINEARES
Demonstrao: ( )( + ) = ( ( + )) = ( + ) =
( ) + ( ()) = ( ) + ( ).
() ( ) = ( ) , ( , );
() ( + ) = + , ( , );
() ( + ) = + , ( , ).
= {1 , , } , = {1 , , } e = {1 , , } ,
4.3. TEOREMA DO NCLEO E DA IMAGEM 81
ento a matriz ( )
representa a composio das aplicaes lineares
e , com
( )
=
, (4.9)
de modo que
( )
[] = [( )] . (4.10)
Demonstrao: Suponhamos que = 1 1 + + . Pelo Teorema
4.10, temos
( )
= ([( )1 ] [( )2 ] [( ) ] ) .
im = { = }.
ker = { = }.
= {1 , , , +1 , , }
= +1 +1 + + ,
= = 1 1 + + + +1 +1 + +
= +1 +1 + + ,
1
= [] = 2
um isomorsmo entre o subespao considerado com a base e o
espao , este ltimo considerado sem qualquer base.
Demonstrao: Se = 1 1 + + e = 1 1 + + , ento
( + ) = ((1 + 1 )1 + + ( + ) )
1 + 1 1 1
+ 2 2
= 2 = + 2 = + ,
+
mostrando a linearidade de .
Se = , ento = 01 + + 0 = 0, mostrando que ker = {}.
O resultado decorre ento do Teorema 4.34.
Observao 4.38 Note que, na Proposio 4.37, o espao (ou, mais pre-
cisamente, o espao 1 das matrizes 1) est sendo considerado sem
qualquer base, em virtude da identicao
1
= (1 , , ) 1 .
Usaremos a Proposio 4.37 muitas vezes, especialmente no caso que
que = .
4.4. ESPAO LINHA E ESPAO COLUNA 85
11 1 1
= = (1 ) = .
(4.11)
1
Os vetores colunas 1 , , so naturalmente identicados com vetores
do . Se = {1 , , }, chamamos de espao coluna o espao gerado
por , isto , < > .
Por outro lado, podemos interpretar as linhas de como elementos do
prprio espao . Se denotarmos = {1 , , } , chamamos de
espao linha o espao gerado por , isto , < > .
Mas, qual o signicado dos subespaos < > e < >? Comeamos
interpretando o espao coluna de uma matriz.
Lema 4.41 Considere o sistema linear no homogneo = , em que
= ( ) uma matriz . Ento so equivalentes:
() Existe soluo para = ;
() O vetor combinao linear das colunas de .
Demonstrao: Basta notar que o sistema = equivalente equao
11 12 1 1
1 21 + 2 22 + + 2 = 2 , (4.12)
1
2
86 CAPTULO 4. APLICAES LINEARES
11 1
t = .
1
Assim, as colunas da matriz t so justamente as linhas da matriz .
Como consequncia imediata do Lema 4.41, temos que
< > = im t . (4.13)
Utilizando essas interpretaes para os espaos linha e coluna de uma
matriz, estamos em condies de resolver um problema fundamental: dada
uma matriz , encontrar bases para os espaos ker e im . Para isso,
enunciamos o seguinte
Corolrio 4.43 Seja uma matriz e sua forma escalonada redu-
zida por linhas. Ento as colunas de correspondentes aos pivs de
formam uma base do espao coluna de .
Demonstrao: Considere a forma escalonada reduzida por linhas da
matriz . fcil ver que as colunas de correspondentes aos pivs for-
mam uma base do espao coluna de . Como as solues de = 0 e
= 0 so as mesmas, escolhendo com as coordenadas nulas nas posi-
es correspondentes s variveis livres em = 0, vemos que as colunas
correspondentes aos pivs em so linearmente independentes, aplicando
o Lema 4.41. Do mesmo modo, escrevendo uma coluna de como com-
binao linear das colunas dos pivs de , vemos que a coluna de pode
ser escrita como combinao linear das colunas em correspondentes s
colunas dos pivs em .
3 1 2 4 1
= 1 1 1 1 2 .
2 2 2 1 1
Para obter o ncleo, resolvemos = 0 levando a matriz a sua forma
escalonada reduzida por linhas:
4.4. ESPAO LINHA E ESPAO COLUNA 87
3 1 2 4 1 1 0 1/2 0 5
1 1 1 1 2 0 1 1/2 0 4 .
2 2 2 1 1 0 0 0 1 3
Escrevendo as variveis correspondentes aos pivs em termos da vari-
veis livres, obtemos a soluo geral do sistema homogneo associado.
1 1/2 5
2 1/2 4
3 = 3 1 + 5 0 (4.14)
4 0 3
5 0 1
Assim, podemos concluir que o ncleo de um subespao de dimenso
2, gerado pelos vetores
1/2 5
1/2 4
1 = 1 5 e 2 = 0 5 .
0 3
0 1
De acordo com o Corolrio 4.43, temos que os vetores
3 1 4
1 = 1 , 2 = 1 e 4 = 1
2 2 1
formam uma base da imagem de , pois estes vetores coluna correspondem
s posies dos pivs na forma escalonada reduzida por linhas de .
Vamos aproveitar este exemplo e ilustrar a demonstrao do Corolrio
4.43. Se denotarmos as colunas de por 1 , , 5 , claro que 51 +42 +
03 + 34 = 5 , isto , o vetor t = (5 4 0 3 1) uma soluo de = 0.
Logo, esse vetor soluo de = 0. Assim,
3 1 2 4 1 0
5 1 + 4 1 + 0 1 + 3 1 1 2 = 0 ,
2 2 2 1 1 0
ou seja,
1 3 1 4
2 = 5 1 + 4 1 + 3 1 .
1 2 2 1
De modo anlogo, considerando t = (1 2 0 4 0) e = 0, o fato das
colunas dos pivs de serem linearmente independentes implica que 1 =
2 = 4 = 0. Como = 0, vemos que as colunas de correspondentes
aos pivs de so linearmente independentes, o que ilustra o Corolrio
4.43.
11 1
21 2
,, .
1
4.5. EXERCCIOS 89
Isso quer dizer que o espao coluna tem dimenso, no mximo, igual a ,
ou seja,
dim < > dim < > .
Procedendo da mesma maneira com relao a uma base do espao co-
luna, mostramos que
p = p .
dim(im ) = dim(im t ).
4.5 Exerccios
1. Considere as aplicaes do 2
1 2 2 2 2 2
() ()
1 (1 , 2 ) = (1 , 0) 1 (1 , 2 ) = (0, 2 )
1 2 2 2 2 2
() () .
1 (1 , 2 ) = (1 , 2 ) 2 (1 , 2 ) = (1 , 2 )
Mostre que cada uma dessas aplicaes linear e encontre sua representao matricial (com
relao base cannica do 2 ). Interprete-as geometricamente.
2. Sejam = {1 , , } uma base do e , aplicaes lineares. Mostre
que, se ( ) = ( ) = para todo {1, , }, ento = .
3. Seja = {1 = (1, 1, 0), 2 = (1, 2, 0), 3 = (1, 1, 1)} uma base do 3 . Ache a aplicao
linear 3 4 tal que 1 = (1, 0, 0, 0), 2 = (0, 0, 0, 1) e 3 = (1, 1, 1, 1).
4. Escreva a equao
1 1 2 3
2 = 1 2 + 2 5 + 3 2
3 3 8 3
na forma de um sistema no homogneo = . Resolva-o, se esse sistema possuir soluo.
5. Sejam uma aplicao linear e {1 , , } um conjunto qualquer. Se { 1 , , }
for linearmente independente, mostre que {1 , , } linearmente independente e, por-
tanto, uma base do .
3
De maneira mais elegante, podemos notar que mostramos dim < > dim < >
para qualquer matriz. Aplicando esse fato matriz t , obtemos o resultado.
90 CAPTULO 4. APLICAES LINEARES
6. Encontre bases para o espao linha e para o espao coluna da matriz , dada por
1 2 1 1 1 2 1 1
1 2 1
2 1 2 1
() 2 1 2 1 ; () () 2 1 2 .
0 1 1 0
0 1 1 0 0 1 1
1 0 0 0
1 2 2 3 1 4
2 4 5 5 4 9 .
3 6 7 8 5 9
Determine o posto dessa matriz.
8. Escolhendo as bases cannicas dos respectivos espaos, interprete o Corolrio 4.33 em termos
de um sistema homogneo = 0.
9. Sejam , matrizes . Mostre que = 0 se, e somente se, o espao coluna de estiver
contido no ncleo de .
10. Considere a aplicao linear 2 2 , denida por (1 , 2 ) = (1 , 2 ). Mostre que
invertvel. Escolha bases no domnio e no contradomnio de modo que seja a
matriz identidade.
Captulo 5
Bases e Decomposies
Ortonormais
= , = , . (5.1)
1 1
= (1, 1, 0), (1, 1, 0), (0, 0, 1) 3 ,
{ 2 2 }
2
2 0 1
1
1 = 1 , 2 = 2 e 3 = 0 .
2
0 0 1
91
92 CAPTULO 5. BASES E DECOMPOSIES ORTONORMAIS
Calculando, obtemos
1 1 = 23 , 1 2 = 12 , 1 3 = 1
2
2 1 = 21 , 2 2 = 12 , 2 3 = 1 ,
2
3 1 = 0, 3 2 = 0, 3 3 = 1
de modo que
3 1 1
2 2 2
1 .
= 12 12
2
0 0 1
Exerccio 5.2 Sem considerar que a base do Exemplo 5.1 ortonormal, obtenha utilizando
apenas a teoria desenvolvida no Captulo 4, isto , utilizando o Teorema 4.10. Compare sua soluo
com aquela do Exemplo 5.1.
importante ressaltar que o mtodo utilizado no Exemplo 5.1 apenas
uma consequncia simples da Proposio 3.47. De acordo com o Teorema
4.10, para obtermos a -sima coluna de precisamos calcular [ ] ,
isto , obtermos os coecientes em
= 1 1 + + .
= , = , .
5.1 Exerccios
1.
Captulo 6
Autovalores e Autovetores
93
94 CAPTULO 6. AUTOVALORES E AUTOVETORES
[1 ]1 0 0
0 [2 ]2 0
= ,
0 0 [ ]
em que a restrio de a , isto , .
Reciprocamente, se existir uma base do espao na qual a aplicao
representado por uma matriz diagonal com blocos, ento
existe uma decomposio = 1 , com ( ) .
Exemplo 6.3 Sejam 1 = {(, 0, , 0) 4 } e 2 = {(0, , 0, ) 4 }.
Claramente vale
4 = 1 2 .
Considere a aplicao 4 4 denida por
(, , , ) = ( , + , + 2, )
Claramente ( ) para = 1, 2. Tomemos as bases 1 = {(1, 0, 1, 0), (1, 0, 1, 0)}
e 2 = {(0, 1, 0, 1), (0, 0, 0, 1)} de 1 e 2 , respectivamente. A represen-
tao de na base = {1 , 2 }
3 1
2 2 0 0
3
2 3 0 0
= 2 . (6.1)
0 0 2 1
0 0 1 0
Exerccio 6.4 Voc consegue justicar a armao que a matriz tem a forma (6.1)?
Exerccio 6.7 Interprete, em termos de mudana de base, a semelhana de matrizes. Nesses ter-
mos, qual a relao entre as matrizes e ?
6.2. DETERMINANTES E AUTOVALORES 95
(1 , 2 ) = (21 + 32 , 41 52 ).
() = det(I )
= ker(I ) = { ; (I ) = 0} .
Exerccio 6.11 Mostre que det(I ) = det(I ) para qualquer base do , adaptando a
demonstrao do Lema 6.6,
Exerccio 6.12 Seja uma matriz . Mostre que: det(I ) um polinmio mnico1 de grau
na varivel .
3 4 1 1 3 4 1 1
2 6 2 2 2 + 6 2 2
= I =
0 0 2 2 0 0 2 2
0 0 1 3 0 0 1 3
1
Isto , o coeciente do termo de maior grau igual a 1.
96 CAPTULO 6. AUTOVALORES E AUTOVETORES
1 1 1 1
0 2 3 4
= .
0 0 3 3
0 0 0 4
= 1 2 ,
1 1 + 2 2 + + = 0, (6.4)
1 1 + 2 2 + + = 0.
Mas = . Assim,
1 1 1 + + = 0.
1 1 + 2 2 + + = 0.
1 (1 )1 + 2 (2 )2 + + 1 (1 )1 = 0.
[ ] = [ ] = = .
= 01 + + + + 0 ,
mostrando que = .
A recproca imediata.
0 1
= .
(0 0)
(1 , 2 ) = (31 42 , , 21 62 ),
3 4 3 4
= I = (6.5)
( 2 6 ) ( 2 + 6 )
3 4
() = det(I ) = det = 2 + 3 10
( 2 + 6 )
= ( 2)( + 5).
Assim, os autovalores de so = 5 e 2.
Substituindo = 5 na expresso de I dada por (6.5), obtemos o
sistema homogneo representado matricialmente por
8 4 1 0
= ,
( 2 1 ) (2 ) (0)
1 12
.
( 0 0)
1/2
= 5 .
(1)
1/2
5 = ker(5I ) = 2 = 5 , 5 .
{ (1) }
1 4
,
( 0 0)
4
= 2 .
(1)
6.4. ALGUNS FATOS SOBRE NMEROS COMPLEXOS 101
4
2 = ker(2I ) = 2 = 2 , 2 ,
{ (1) }
4 1
= .
(1 2)
Verique que = 1 .
(1 , 2 ) = (21 + 22 , 1 + 32 ).
Encontre uma base de modo que a representao de nessa base seja uma matriz diagonal.
Exerccio 6.27 De acordo com o Corolrio 6.21, o operador denido no Exemplo 6.13 dia-
gonalizvel, pois possui 4 autovalores distintos. Voc consegue encontrar uma base de modo
que seja uma matriz diagonal, utilizando apenas os resultados do Exemplo 6.25 e do Exerccio
6.26? Se voc no conseguir, ache diretamente a base procurada e compare seu resultado com
aqueles do Exemplo 6.25 e do Exerccio 6.26.
(, ) + (, ) = ( + , + ),
(, )(, ) = ( , + ).
( + )( + ) = + + + 2 = ( ) + ( + ),
102 CAPTULO 6. AUTOVALORES E AUTOVETORES
= { + , e 2 = 1}.
+ = + e = .
Em particular, se = , ento
= 2 + 2 0,
|| = = 2 + 2 .
1
= 2 , em que , = {1, , }.
Da mesma forma que no caso de matrizes reais, uma matriz com
entradas complexas pode multiplicar uma matriz com entradas com-
plexas:
11 12 1 11 12 1 11 12 1
21 22 2 21 22 2 21 22 2
= ,
1 2 1 2 1 2
em que
= ,
=1
= .
Exerccio 6.28 Mostre que as seguintes propriedades so vlidas no conjunto dos nmeros com-
plexos:
() ( + ) + = + ( + ) para quaisquer , , (associatividade da adio);
() + = + para quaisquer , (comutatividade da adio);
() existe 0 tal que + 0 = para todo (existncia do elemento neutro aditivo);
() para todo , existe () tal que + () = 0 (existncia do simtrico);
() () = () para quaisquer , , (associatividade da multiplicao);
() = para quaisquer , (comutatividade da multiplicao);
() existe 1 tal que 1 = para todo (existncia do elemento neutro multiplicativo);
() para todo 0 , existe 1 tal que 1 = 1 (existncia de inversos);
() ( + ) = + para quaisquer , , (distributividade).
Por satisfazer essas propriedades (que tambm so satisfeitas pelo conjuntos dos nmeros re-
ais), dizemos que um corpo.
Exerccio 6.29 Sejam , . Mostre que + = + e = .
Exerccio 6.30 Se for uma matriz e uma matriz , mostre que
= .
( ) = |1 |2 + + | |2 .
+ = + .
0 1
= = ,
( 1 0 )
o que implica
1
I = ,
(1 )
104 CAPTULO 6. AUTOVALORES E AUTOVETORES
2 + 1 = ( )( + )
.
(1)
1
.
(0 0)
(Como antes, nenhuma conta necessria para se chegar a essa forma esca-
lonada reduzida por linhas.)
Resolvendo o sistema homogneo associado a essa matriz, chegamos ao
autovetor complexo
.
(1)
Verique que os autovetores complexos
1 = e 2 =
(1) (1)
a representao de na base
0
= ,
( 0 )
6.6. EXERCCIOS 105
enquanto a matriz mudana dada por
= = .
( 1 1)
= 1 .
6.6 Exerccios
1. Considere a matriz
3 1 1
= 7 5 1 .
6 6 2
(a) Acho o polinmio caracterstico de .
(b) Ache os autovalores de .3
(c) Ache autovetores associados a cada um dos autovalores.
(d) A matriz diagonalizvel?
1 1
=
( 4 1)
(1 , 2 , 3 ) = (41 + 22 + 23 , 21 + 42 + 23 , 21 + 22 + 43 ).
4. Considere a matriz
3 5
= .
( 2 3 )
(a) Encontre o polinmio caracterstico de
(b) Quais so os autovalores de em ? E em ?
3
Veja o Exerccio 6.19.
106 CAPTULO 6. AUTOVALORES E AUTOVETORES
1 1
= .
( 2 1 )
Captulo 7
A Adjunta
() = , .
() = (, 1 1 + + , )
= , 1 (1 ) + + , ( )
= , (1 )1 + + , ( )
= , (1 )1 + + ( ) .
107
108 CAPTULO 7. A ADJUNTA
( + ) = , + = , + , = () + ()
= () + ().
7.2 A Adjunta
Denio 7.3 Seja uma aplicao (no necessariamente
linear). Uma aplicao adjunta de , se satiszer
, = , , .
, ( + ) = , +
= , + ,
= , + , .
Assim,
, ( + ) = 0, .
( + ) 2 = 0,
= .
( )
Logo,
(1 , 1 ), (2 , 2 ) = (1 + 1 )2 + (1 + 1 )2
= (2 + 2 )1 + (2 + 2 )1
= (1 , 1 ), (2 + 2 , 2 + 2 ),
[ ] = = ( ) .
( )
= .
= , = , = , = .
(1 , 2 , 3 ) = (21 + 32 43 , 51 62 + 73 , 81 + 92 + 3 ).
2 5 8
= = 3 6 9 ,
4 7 0
(1 , 2 , 3 ) = (21 + 52 83 , 31 62 + 73 , 41 + 72 ).
() ker = (im ) ;
() ker = (im ) ;
() im = (ker ) ;
() im = (ker ) ;
() p = p .
= ker im e = ker im .
ker T ker T
im T im T
T
T
E F
ker = 0 , = 0
, = 0 im .
= ker im ,
7.4 Isometrias
Denio 7.14 Seja uma aplicao (no necessariamente
linear). A aplicao uma isometria se, para quaisquer , ,
tivermos
() () = . (7.1)
() = +
para xo.
112 CAPTULO 7. A ADJUNTA
() uma isometria;
() = I.
() e so isometrias.
, = , = , , = 0.
, = , = , ,
= 1 ( 1 ) + + ( ) e = 1 ( 1 ) + + ( ),
, = , = = = , = , = , .
=
= =
= ( ) = ( )
= ( ) = . (7.5)
= 1 1 + + = |1 |2 + + | |2 0,
, = , = , = , = , ,
de modo que
( ), = 0.
2 1 1
1 2 1 ,
1 1 2
1 0 0
= 0 1 0 .
0 0 4
1 1 1 2 1
1 = 0 e 1 = .
( 2 2 ) ( 6 6 6 )
1 1 1
2 =
( 3 3 3 )
unitria e = .
7.7 Exerccios
Lembre-se que, em todos os exerccios, pode ser substitudo por .
7.7. EXERCCIOS 117
(a) I = I;
(b) ( + ) = + ;
;
(c) ( ) =
(d) ( ) = ;
(e) ( ) = ;
(f) se = e ou for invertvel, ento ( 1 ) = ( )1 .