Algebra Linear

.
LGEBRA LINEAR
ISBN 978-85-915683-0-7
ROBERTO DE MARIA NUNES MENDES

Professor do Departamento de Matemtica e Estatstica e do
Programa de Ps-graduao em Engenharia Eltrica da PUCMINAS
Belo Horizonte
Edio do Autor
2013
Sumrio
Prefcio
1 Espaos Vetoriais
1.1 Definies e Exemplos . . . . . . . . . .
1.2 Subespaos . . . . . . . . . . . . . . . .
1.3 Independncia Linear. Bases. Dimenso
1.4 Espaos Produto e Quociente . . . . . .
1.5 Somas e Somas Diretas . . . . . . . . . .
1.6 Exerccios do Captulo 1 . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
2 Aplicaes Lineares
2.1 Definies e Exemplos . . . . . . . . . . . . .
2.2 Composio e Inverso de Aplicaes Lineares
2.3 lgebra das Aplicaes Lineares . . . . . . . .
2.4 Exerccios do Captulo 2 . . . . . . . . . . . .
3 Matrizes
3.1 Definies . . . . . . . . .
3.2 Produto de Matrizes . . .
3.3 Aplicao Linear Matriz
3.4 Mudana de Bases . . . .
3.5 Exerccios do Captulo 3 .
.
.
.
.
.
.
.
.
.
.
4 Formas Lineares. Dualidade

4.1 Definio . . . . . . . . . . .
4.2 Anulador de um Subespao
4.3 Transposio . . . . . . . .
4.4 Exerccios do Captulo 4 . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
2
2
5
7
11
13
16
.
.
.
.
18
18
23
28
30
.
.
.
.
.
32
32
34
35
42
47
.
.
.
.
49
49
52
53
57
5 Determinantes
58
5.1 Aplicaes r-lineares alternadas . . . . . . . . . . . . . . . . . 58
i
SUMRIO
5.2
5.3
5.4
5.5
ii
Determinante de um Operador Linear . . . . . . . . . . . . .

Desenvolvimento em relao aos elementos de uma coluna (ou
de uma linha) . . . . . . . . . . . . . . . . . . . . . . . . . .
Matrizes Elementares . . . . . . . . . . . . . . . . . . . . . .
Equaes Lineares . . . . . . . . . . . . . . . . . . . . . . .
6 Autovalores e Autovetores
6.1 Definies . . . . . . . . . . . . . . .
6.2 Diagonalizao . . . . . . . . . . . .
6.3 Polinmios de Operadores e Matrizes
6.4 Exerccios do Captulo 6 . . . . . . .
7 Produto Interno
7.1 Definies e Exemplos .
7.2 Bases Ortonormais . . .
7.3 Relaes entre V e V .
7.4 Adjunta . . . . . . . . .
7.5 Exerccios do Captulo 7
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
8 Operadores Unitrios e Normais

8.1 Definies . . . . . . . . . . . . . . . . . . .
8.2 Operadores Positivos . . . . . . . . . . . . .
8.3 Matrizes Simtricas Positivas. Decomposio
8.4 Teorema dos Valores Singulares . . . . . . .
8.5 Exerccios do Captulo 8 . . . . . . . . . . .
9 Formas Bilineares e Quadrticas
9.1 Generalidades . . . . . . . . . . . .
9.2 Matriz de uma forma bilinear . . .
9.3 Mudanas de Bases . . . . . . . . .
9.4 Formas Quadrticas . . . . . . . . .
9.5 Formas Bilineares Simtricas Reais
10 Miscelnea
10.1 Orientao . . . . . . . . .
10.2 Volume de Paraleleppedo
10.3 Matriz de Gram . . . . . .
10.4 Produto Vetorial . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. 63
. 66
. 71
. 78
.
.
.
.
84
84
90
95
98
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
99
99
105
108
110
113
. . . . . . .
. . . . . . .
de Cholesky
. . . . . . .
. . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
115
115
120
123
125
128
.
.
.
.
.
130
. 130
. 132
. 132
. 133
. 133
.
.
.
.
137
. 137
. 138
. 139
. 140
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Exerccios de Reviso
142
Bibliografia
144
Prefcio
A origem desse livro de lgebra Linear remonta a um curso feito para
alunos do Bacharelado em Matemtica da UFMG. Na ocasio, fizemos uma
primeira redao revista pelos professores do ICEx-UFMG, Michel Spira e
Wilson Barbosa, a quem muito agradecemos. Mais recentemente, retomamos
o trabalho e, aps vrias mudanas, aproveitamos parte do material na disciplina Mtodos Matemticos do Programa de Ps-Graduao em Engenharia Eltrica da PUCMINAS. A verso final do livro foi revista pela professora
Mariana Cornelissen Hoyos, a quem agradecemos a generosa assistncia.
A leitura do Sumrio mostra que se trata de um livro bsico de lgebra
Linear que procura desenvolver o assunto com cuidado no aspecto terico,
visando a boa formao do profissional. Para aprofundamento na matria
deve-se recorrer aos livros indicados na Bibliografia, que utilizamos livremente.
A digitao do manuscrito foi feita, com eficincia e boa vontade, por Eric
Fernandes de Mello Arajo, a quem agradecemos. Ao leitor, bom proveito.
Belo Horizonte, janeiro de 2013

Roberto N. Mendes
Captulo 1
Espaos Vetoriais
1.1
Definies e Exemplos
Seja K um corpo com elementos neutros distintos 0 e 1, por exemplo, K = R

ou K = C.
Definio 1.1 Um espao vetorial sobre K um conjunto V munido de duas
leis:
V V V
(u, v) 7 u + v
K V V
(a, v) 7 av
tais que, para quaisquer u, v, w V e a, b K, se tenha:

(1) u + v = v + u
(2) (u + v) + w = u + (v + w)
(3) existe 0 V , chamado o vetor zero, tal que v + 0 = v
(4) dado v V , existe (v) V , chamado o oposto de v, tal que v+(v) = 0
(5) 1 v = v
(6) a(bv) = (ab)v
(7) a(u + v) = au + av
(8) (a + b)v = av + bv.
Exemplo 1.1.1 Seja V = K n , onde n N, com as leis:
(x1 , ..., xn ) + (y1 , ..., yn ) = (x1 + y1 , ..., xn + yn )
e
a(x1 , ..., xn ) = (ax1 , ..., axn ).
fcil verificar que, com estas leis, K n um espao vetorial sobre K.
2
CAPTULO 1. ESPAOS VETORIAIS
Observao: Os elementos de um espao vetorial V so chamados de

vetores, enquanto que os de K so chamados de escalares. Essa nomenclatura
deriva do exemplo acima. As leis so chamadas de adio e multiplicao por
escalar, respectivamente.
No exemplo 1.1.1, se n = 1, vemos que K um espao vetorial sobre
si mesmo, de modo que seus elementos so, ao mesmo tempo, escalares e
vetores.
Exemplo 1.1.2 Seja V = Pn , onde n N, o conjunto das funes polinomiais de grau estritamente menor que n, com coeficientes em K, juntamente
com a funo zero. Se p = a0 +a1 t+...+an1 tn1 e q = b0 +b1 t+...+bn1 tn1 ,
definimos p + q V e cp V , onde c K, por:
p + q = (a0 + b0 ) + (a1 + b1 )t + ... + (an1 + bn 1)tn1
cp = ca0 + ca1 t + ... + can1 tn1
Resulta que Pn um espao vetorial sobre K.
Exemplo 1.1.3 Seja V = K[t] o conjunto de todos os polinmios a uma
varivel, com coeficientes em K. Definindo as leis como no exemplo 1.1.2,
imediato que K[t] um espao vetorial sobre K.
Exemplo 1.1.4 Seja V = F(I, R) o conjunto das funes f : I 7 R, onde
I R um intervalo. Se f, g V e a R, definimos f + g e af por:
(f + g)(x) = f (x) + g(x)
(af )(x) = a f (x)
para todo x I. Verifica-se imediatamente que essas leis tornam F(I, R)
um espao vetorial real, isto , sobre R.
Consequncias Imediatas da Definio
(a) Se u, v V definimos:
u v = u + (v)
Se a K, ento
a(u v) + av = a[(u v) + v] = a[u + (v) + v] = a(u + 0) = au.
Somando av aos dois membros, vem:
a(u v) + av av = au av,
donde:
a(u v) = au av.
Fazendo u = v, obtemos
a0=0
e tambm
a(v) = a(0 v) = a 0 av = av.
(b) Se a, b K e v V , ento:
(a b)v + bv = (a b + b)v = av,
donde:
(a b)v = av bv
Fazendo a = b, vem
0v =0
e tambm
(a)v = (0 a)v = 0 v av = av.
(c) Para todo a K e todo v V vimos que
0v =a0=0
Suponhamos que av = 0. Se a 6= 0 ento
0 = a1 0 = a1 (av) = 1 v = v.
Portanto, av = 0 implica ou a = 0 ou v = 0.
Exerccios
1. O conjunto de todos os polinmios de grau 3, com coeficientes reais e
munido das leis usuais, juntamente com o polinmio zero, forma um
espao vetorial real?
2. D exemplo de um conjunto M que verifique todos os axiomas de espao
vetorial, exceto 1 v = v para todo v M .
3. O conjunto das sequncias complexas z = (zn )n1 tais que

zn+2 = zn+1 + zn , n 1,
munido das leis usuais, forma um espao vetorial complexo?
4. O conjunto das funes f : R 7 R duas vezes continuamente derivveis e tais que f 00 + af 0 + bf = 0 (a e b reais fixos), munido das leis
usuais, forma um espao vetorial real?
5. Prove que o conjunto das funes limitadas f : R 7 R, munido das
leis usuais, um espao vetorial real.
6. Seja l1 (N) o conjunto das sequncias x = (xn )n1 onde xn C e
X
|xn | < . Prove que, com as leis usuais, l1 (N) um espao ven=1
torial complexo.
1.2
Subespaos
Seja V um espao vetorial sobre o corpo K.

Definio 1.2 Dizemos que W V um subespao de V se:
(a) 0 W
(b) u, v W = u + v W
(c) a K, v W = av W
claro que W , com as leis induzidas pelas de V , um espao vetorial
sobre K.
Exemplo 1.2.1 Em V = K n verifica-se imediatamente que W = {(x1 , ..., xn )
K n ; x1 = 0} um subespao.
Exemplo 1.2.2 Em V = F(R, R), espao vetorial real das funes f : R
R, o subconjunto formado pelas funes contnuas um subespao.
Proposio 1.1 Seja V um espao vetorial sobre K. A interseo de uma
famlia qualquer de subespaos de V um subespao de V .
Dem. Seja (W )A uma famlia de subespaos de V , e seja W =

Ento:
\
A
W .
(a) 0 W pois 0 W para todo A.

(b) u, v W u, v W para todo A = (u + v) W para todo
A = (u + v) W .
(c) K, v W = av W para todo A = av W .
Definio 1.3 Seja X um subconjunto no-vazio do espao vetorial V sobre
m
X
K. Todo elemento da forma a1 v1 + ... + am vm =
ai vi , onde m N, vi
i=1
X, ai K, 1 i m, chamado de combinao linear de elementos de X.

fcil verificar que o conjunto de todas as combinaes lineares de elementos de X um subespao de V , chamado de subespao gerado por X.
Proposio 1.2 O subespao gerado por X V, X 6= , a interseo de
todos os subespaos de V contendo X, ou seja, o menor (para a incluso
de conjuntos) subespao de V contendo X.
Dem. Seja (W )A
\ a famlia de todos os subespaos de V contendo X.
Sabemos que W =
W um subespao de V . claro que W contm X
A
e, portanto, que W contm todas as combinaes lineares de elementos de X,

ou seja, W contm o subespao S gerado por X. Como S um subespao de
V contendo X, temos que W S. Resulta W = S.
Exerccios
1. Seja V = F(R, R) o espao vetorial real das funes f : R R.
Verifique se W subespao de V nos seguintes casos:
(a) W = conjunto das funes pares
(b) W = conjunto das funes mpares
(c) W = conjunto das funes derivveis
(d) W = conjunto das funes C
2. Qual a expresso do elemento genrico do subespao de K[t] gerado
pelos polinmios t2 e t3 ?
3. Verifique se W = {(x, y, z) R3 ; x = 2y} subespao de R3 .
4. Mostre que W = {(0, y, z) R3 } gerado por (0, 1, 1) e (0, 2, 1).
5. Mostre que o conjunto das funes f : R R de classe C 2 tais que
f 00 + af 0 + bf = 0 (a e b reais fixos) um subespao de F(R, R).
6. Mostre que, em geral, a unio de dois subespaos no um subespao.
1.3
Independncia Linear. Bases. Dimenso
Definio 1.4 Sejam X 6= , X V, V um espao vetorial sobre K. Dizemos que X linearmente independente se, quaisquer que sejam v1 , ..., vm
X, m N, a equao a1 v1 + ... + am vm = 0, onde a1 , ..., am K, implica a1 = a2 = ... = am = 0. Se X no linearmente independente
(LI) dizemos que X linearmente dependente (LD); neste caso, existem
v1 , ..., vp X, p N, e escalares no todos nulos, a1 , ..., ap , tais que
a1 v1 + ... + ap vp = 0.
Exemplo 1.3.1 Em K n consideremos os vetores
e1 = (1, 0, ..., 0)
e2 = (0, 1, ..., 0)
..
.
en = (0, ..., 0, 1)
Esses vetores so LI, pois a1 e1 + ... + an en = (a1 , ..., an ) = 0 = (0, ..., 0)
a1 = 0, ..., an = 0.
Exemplo 1.3.2 Em Pn os vetores 1, t, ..., tn1 so LI pois a0 + a1 t + ... +
an1 tn1 = 0 implica a0 = a1 = ... = an1 = 0.
Exemplo 1.3.3 No espao das funes f : R R de classe C 1 consideremos os vetores f1 (t) = er1 t , f2 (t) = er2 t onde r1 6= r2 so reais. f1 , f2 so
LI pois se a1 f1 + a2 f2 = 0 ento a1 er1 t + a2 er2 t = 0 para todo t R, donde
a1 e(r1 r2 )t + a2 = 0 para todo t R. Derivando: a1 (r1 r2 )e(r1 r2 )t = 0 para
todo t R, donde a1 = 0 e, portanto, a2 = 0.
Exemplo 1.3.4 Consideremos os elementos 1 e i de C. Considerando C
como um espao vetorial real, 1 e i so LI. Considerando C como um espao
vetorial complexo, 1 e i so LD.
Proposio 1.3 Se v1 , ..., vn so vetores LI em V e
a1 v1 + ... + an vn = b1 v1 + ... + bn vn ,
com ai K, bi K (1 i n), ento ai = bi para todo i.
Dem. A relao dada equivalente a (a1 b1 )v1 + ... + (an bn )vn = 0,
donde a1 b1 = ... = an bn = 0, isto , ai = bi para i = 1, 2, ..., n.
Definio 1.5 Seja V um espao vetorial sobre K. Dizemos que G V

gera V ou que G V um conjunto de geradores de V se todo v V
combinao linear de vetores de G, ou seja, se o subespao gerado por G
V . Dizemos que o conjunto de geradores G mnimo se, qualquer que seja
g G, o conjunto G1 = G {g} no gera V .
Exemplo 1.3.5 Em K n os vetores e1 = (1, 0, ..., 0), ..., en = (0, ..., 0, 1) formam um conjunto de geradores mnimo.
Definio 1.6 Seja X V um conjunto LI no espao vetorial V . Dizemos
que X um conjunto linearmente independente mximo se, para todo v V ,
v
/ X, o conjunto X1 = X {v} LD.
Exemplo 1.3.6 Os vetores e1 = (1, 0, ..., 0), ..., en = (0, ..., 0, 1) de K n formam um conjunto LI mximo.
Proposio 1.4 Sejam v1 , ..., vm vetores LI do espao vetorial V gerado por
w1 , ..., wp . Ento m p e, alterando-se eventualmente a numerao dos wi ,
os vetores v1 , ..., vm , wm+1 , ..., wp ainda geram V .
Dem. Seja v1 = a11 w1 + ... + ap1 wp ; sem perda de generalidade podemos
supor a11 6= 0 e, ento:
w1 = b11 v1 + b21 w2 + ... + bp1 wp .
Logo, toda combinao linear de w1 , ..., wp tambm combinao linear
de v1 , w2 , ..., wp , ou seja, estes vetores geram V .
Seja v2 = a12 v1 +a22 w2 +...+ap2 wp ; ao menos um dos escalares a22 , ..., ap2
diferente de zero pois v1 e v2 so LI. Podemos supor a22 6= 0 e, ento:
w2 = b12 v1 + b22 v2 + b32 w3 + ... + bp2 wp ,
e toda combinao linear de v1 , w2 , ...wp tambm combinao linear de
v1 , v2 , w3 , ..., wp , ou seja, estes vetores geram V .
Repetindo essa operao um nmero finito de vezes, vemos que, para
r min(m, p), os vetores v1 , ..., vr , wr+1 , ..., wp geram V . Se fosse m > p,
tomando r = p, teramos que v1 , ..., vp gerariam V e, portanto, vp+1 , ..., vm
seriam combinaes lineares de v1 , ..., vp , o que absurdo j que v1 , ..., vm so
LI. Portanto, m p e, ao fim de um nmero finito de operaes, obteremos
o conjunto de geradores v1 , ..., vm , wm+1 , ..., wp .
Corolrio 1.4.1 Se w1 , ..., wp geram V e n > p, ento v1 , ..., vn so LD. Em

particular, p + 1 vetores que so combinaes lineares de p vetores quaisquer
so LD.
Proposio 1.5 Seja X um subconjunto no-vazio do espao vetorial V sobre K. As propriedades seguintes so equivalentes:
(a) X LI e gera V
(b) X um conjunto de geradores mnimo
(c) X um conjunto LI mximo
Dem. (a) (b): Sejam x X, Y = X {x}. Se x fosse combinao linear

n
X
de vetores de Y , x =
ai yi , yi Y, ai K, 1 i n, ento X seria
i=1
LD, contradio. Portanto, Y no gera V , o que mostra que X mnimo.

(b) (c): Se X fosse LD existiriam vetores x, x1 , ..., xn de X e escalares
a, a1 , ..., an , no todos nulos, tais que ax+a1 x1 +...+an xn = 0. Sem perda de
generalidade podemos supor a 6= 0, donde x = b1 x1 + ... + bn xn e, portanto, X
no seria mnimo, contradio. Alm disso, X (um conjunto LI) mximo
m
X
pois, dado v V , temos v =
ai xi , xi X, ai K, 1 i m, ou seja,
i=1
X {v} LD.
(c) (a): Seja v V, v
/ X, ento Y = X {v} LD e existem vetores
x1 , ..., xn de X e escalares a, a1 , ..., an , no todos nulos, tais que
av + a1 x1 + ... + an xn = 0.
Se fosse a = 0 resultaria X LD. Ento a 6= 0 e v = b1 x1 + ... + bn xn , isto ,
X gera V (e LI).
Definio 1.7 Seja V um espao vetorial sobre K. X V, X 6= ,
uma base de V se X possui uma das (e portanto as trs) propriedades da
proposio 1.5.
Se V tem uma base finita X = {v1 , ..., vn } dizemos que V tem dimenso
finita; neste caso, se v V , ento v se escreve de modo nico na forma
v = a1 v1 + ... + an vn , ai K, 1 i n.
Proposio 1.6 Sejam {v1 , ..., vn } e {w1 , ..., wp } bases do espao vetorial V
sobre K. Ento:
n=p
10
Dem. Como v1 , ..., vn so LI e w1 , ..., wp geram V , temos n p. Por

simetria, p n. Logo, n = p.
Definio 1.8 Sejam V um espao vetorial sobre K e {v1 , ..., vn } uma base
de V . Dizemos que n a dimenso de V sobre K. Por definio a dimenso
de V = {0} zero.
Notao: n = dimK V ou n = dim V
Exemplo 1.3.7 K n tem dimenso n e {e1 , ..., en } uma base de K n , chamada
de base cannica.
Exemplo 1.3.8 {1, t, ..., tn1 } base de Pn , donde dim Pn = n.
Exemplo 1.3.9 V = K[t] no tem dimenso finita sobre K.
Exemplo 1.3.10 dimR C = 2 e {1, i} uma base.
dimC C = 1 e {1} uma base.
Uma base de Cn sobre R {e1 , ie1 , e2 , ie2 , ..., en , ien }.
Corolrios:
(1) Se dim V = n e v1 , ..., vn so LI, ento {v1 , ..., vn } base de V (pois
um conjunto LI mximo).
(2) Se W subespao de V e dim W = dim V , ento W = V (pois toda
base de W tambm base de V ).
(3) Se dim V = n e m > n ento os vetores v1 , ..., vm so LD (pois o nmero
mximo de vetores LI n).
Proposio 1.7 Seja V um espao vetorial de dimenso n sobre K. Sejam v1 , ..., vr , r < n, vetores LI. Ento existem vr+1 , ..., vn V tais que
{v1 , ..., vr , vr+1 , ..., vn } seja base de V .
Dem. Como r < n, {v1 , ..., vr } no um conjunto LI mximo; logo, existe
vr+1 V tal que {v1 , ..., vr , vr+1 } seja LI. Se r + 1 < n podemos repetir o
argumento. Aps um nmero finito de repeties obteremos n vetores LI,
v1 , ..., vn , ou seja {v1 , ..., vn } base de V .
Exerccios
1. Mostre que t3 t2 + 1, q = t2 1 e r = 2t3 + t 1 so LI em P4 .
11
2. Prove que f, g, h F (R, R) so LI, onde

f (t) = t, g(t) = et e h(t) = sen t.
3. Ache uma condio necessria e suficiente para que u = (a, b) K 2 e
v = (c, d) K 2 sejam LD.
4. Seja W o subespao de P4 gerado por u = t3 t2 + 1, v = t2 1 e w =
t3 3t2 + 3. Ache uma base para W .
5. Existe alguma base de P4 que no contenha nenhum polinmio de grau
2?
6. Seja (v1 , ..., vm ) uma sequncia de vetores no-nulos do espao vetorial
V . Prove que se nenhum deles combinao linear dos anteriores ento
o conjunto {v1 , ..., vm } LI.
7. Seja V um espao vetorial de dimenso finita. Prove que todo conjunto
de geradores de V contm uma base.
1.4
Espaos Produto e Quociente
Sejam V1 e V2 espaos vetoriais sobre K e V = V1 V2 = {(v1 , v2 ); v1

V1 , v2 V2 } seu produto cartesiano. Vamos introduzir em V uma estrutura
vetorial, definindo:
(v1 , v2 ) + (u1 , u2 ) = (v1 + u1 , v2 + u2 )
a(v1 , v2 ) = (av1 , av2 ) , a K
imediato verificar que, com estas leis, V = V1 V2 um espao vetorial
sobre K. A definio do espao produto se estende a um nmero finito
qualquer de espaos vetoriais. Se V1 , ..., Vn so espaos vetoriais sobre K e
V = V1 ... Vn , definimos:
(v1 , ..., vn ) + (u1 , ..., un ) = (v1 + u1 , ..., vn + un )
a(v1 , ..., vn ) = (av1 , ..., avn ) , a K
Desta maneira V fica munido de uma estrutura vetorial sobre K.
Proposio 1.8 Se V1 e V2 tm dimenso finita sobre K, ento
dim(V1 V2 ) = dim V1 + dim V2 .
12
Dem. Sejam {v1 , ..., vn } e {u1 , ..., up }, respectivamente, bases de V1 e V2 .

Vamos provar que {(v1 , 0), ..., (vn , 0), (0, u1 ), ..., (0, up )} base de V1 V2 . Se
v V1 e u V2 , existem escalares ai , bj tais que v = a1 v1 + ... + an vn e
u = b1 u1 + ... + bp up . Ento:
(v, u) = (a1 v1 + ... + an vn , b1 u1 + ... + bp up ) =
= a1 (v1 , 0) + ... + an (vn , 0) + b1 (0, u1 ) + ... + bp (0, up ),
o que mostra que os vetores (v1 , 0), ..., (0, up ) geram V1 V2 .
Se tivermos a1 (v1 , 0) + ... + an (vn , 0) + b1 (0, u1 ) + ... + bp (0, up ) = 0 ento
(a1 v1 + ... + an vn , b1 u1 + ... + bp up ) = (0, 0), donde a1 v1 + ... + an vn = 0 e
b1 u1 + ... + bp up = 0, que implicam a1 = ... = an = 0 e b1 = ... = bp = 0, ou
seja, os vetores (v1 , 0), ..., (0, up ) so LI.
Definio 1.9 Sejam V um espao vetorial sobre K e W um seu subespao.
Se v V definimos v + W por:
v + W = {v + w; w W }
Observemos que v + W = u + W v u W .
V
Seja
= {v + W ; v V }. Para introduzir uma estrutura vetorial sobre
W
V
definamos:
W
(v + W ) + (u + W ) = (v + u) + W
a(v + W ) = av + W
, a K.
Essas leis esto bem definidas pois se u + W = u1 + W e v + W = v1 + W ,

ento
(v1 + W ) + (u1 + W ) = (u1 + v1 ) + W = (u + v) + W =
= (v + W ) + (u + W ), j que (u1 + v1 ) (u + v) =
= (u1 u) + (v1 v) W.
Analogamente, se a K e v1 + W = v + W , temos:
a(v1 + W ) = av1 + W = av + W = a(v + W )
pois av1 av = a(v1 v) W .
13
V
se torna um espao vetorial
pura rotina verificar que, com estas leis,
W
V
V
sobre K. O elemento neutro da adio em
a classe W = 0 + W .
W
W
chamado de espao vetorial quociente de V por W .
Exemplo 1.4.1 Sejam V = R2 e W uma reta pela origem de R2 . Um
V
V
elemento tpico de
uma reta v + W paralela a W , e
consiste de
W
W
todas as retas paralelas a W em R2 .
(u + v) + W
u+W
v+W
Ou + v
W
v
-
Exerccios
V
1. Prove que se v1 + W, ..., vn + W so LI em
, ento v1 , ..., vn so LI
W
em V .
2. Sejam V um espao vetorial e W um subespao. Para u, v V definamos u v se u v W . Prove que uma relao de equivalncia
em V e que o conjunto das classes de equivalncia o espao quociente
V
.
W
1.5
Somas e Somas Diretas
Definio 1.10 Sejam V um espao vetorial sobre K, U e W subespaos de

V . A soma de U e W definida por:
U + W = {u + w, u U, w W }.
14
fcil ver que U + W um subespao de V . De fato, se u1 , u2 U ,

w1 , w2 W e a K, temos:
(a) 0 = 0 + 0 U + W
(b) (u1 + w1 ) + (u2 + w2 ) = (u1 + u2 ) + (w1 + w2 ) U + W
(c) a(u1 + w1 ) = au1 + aw1 U + W
Dizemos que V soma direta de U e W , e escrevemos V = U W , se
todo elemento v V se escreve, de modo nico, na forma v = u + w, com
u U e w W.
Proposio 1.9 V = U W se, e s se, V = U + W e U W = {0}.
Dem. Se V = U W claro que V = U + W . Alm disso, se v U W

temos, de modo nico, v = v + 0 = 0 + v, donde v = 0, isto U W = {0}.
Reciprocamente, seja v V arbitrrio. Como V = U + W temos v = u +
w, com u U, w W . Se tivssemos tambm v = u1 +w1 , u1 U, w1 W ,
ento teramos u u1 = w1 w U W = {0}, donde u = u1 e w = w1 ,
ou seja, a representao de v na forma u + w nica. Logo, V = U W .
Proposio 1.10 Sejam V um espao vetorial sobre K, de dimenso finita,
e W um subespao de V . Existe subespao U de V tal que V = U W .
Dem. Seja {w1 , ..., wr } base de W . Sabemos que existem vetores u1 , ..., us
V tais que {w1 , ..., wr , u1 , ..., us } seja base de V . Seja U o subespao gerado
por u1 , ..., us . claro que V = U W .
Obs.: Em geral existem muitos subespaos U de V tais que V = U W .
Dizemos que um tal U um subespao suplementar de W.
Proposio 1.11 Sejam V um espao vetorial de dimenso finita sobre K,
U e W dois de seus subespaos. Se V = U W ento dim V = dim U +
dim W .
Dem. Sejam {u1 , ..., ur } e {w1 , ..., ws } bases de U e W , respectivamente.

Provemos que {u1 , ..., ur , w1 , ...ws } base de V . Se v V ento v = u + w,
com u U e w W , ou seja, u = a1 u1 + ... + ar ur e w = b1 w1 + ... + bs ws .
Portanto,
v = a1 u1 + ... + ar ur + b1 w1 + ... + bs ws
e os vetores u1 , ..., ur , w1 , ..., ws geram V .
15
Seja a1 u1 + ... + ar ur + b1 w1 + ... + bs ws = 0. Ento:

a1 u1 + ... + ar ur = b1 w1 ... bs ws .
Como U W = {0} resulta a1 u1 + ... + ar ur = 0 e b1 w1 + ... + bs ws = 0,
donde a1 = ... = ar = 0 e b1 = ... = bs = 0, ou seja, u1 , ..., ur , w1 , ..., ws so
LI.
Logo, {u1 , ..., ur , w1 , ..., ws } base de V e dim V = r + s = dim U +
dim W .
O conceito de soma direta se estende soma de vrios subespaos V1 , ..., Vn
do espao vetorial V . Dizemos que V a soma direta de V1 , ..., Vn , e escrevemos V = V1 V2 ... Vn , se todo v V se escreve, de modo nico, na
forma v = v1 + v2 + ... + vn , onde vi Vi , i = 1, 2, ..., n.
V1 , ..., Vr subespaos de V e, para cada i = 1, ..., r, {vi1 , ...vini } base de Vi .
V = V1 ... Vr se, e s se, B = {v11 , ..., v1n1 , ..., vr1 , vr2 , ..., vrnr } base
de V .
Dem. Se V = V1 ... Vr ento todo v V se escreve de modo nico na
forma v = v1 + ... + vr , onde vi Vi , 1 i r. Mas
vi =
ni
X
aki vik , 1 i r.
k=1
Logo:
v=
ni
r X
X
aki vik e B gera V.
i=1 k=1
Suponhamos que
ni
r X
X
aki vik = 0. Pondo vi =
i=1 k=1
ni
X
aki vik , temos que
k=1
vi Vi , i = 1, ..., r. Ento: v1 + ... + vr = 0 e, como a soma direta, temos

ni
X
vi = 0, isto ,
aki vik = 0, donde aki = 0 pois vi1 , ..., vini so LI. Logo, B
k=1
LI e, portanto, B base de V .
Reciprocamente, se B base de V , ento v =
vi =
ni
X
k=1
ni
r X
X
i=1 k=1
aki vik =
r
X
vi , onde
i=1
aki vik pertence a Vi , i i r. Logo: V = V1 + ... + Vr . A soma

direta pois se v1 + ... + vr = 0, vi Vi , ento
aki = 0 e, portanto, vi = 0, 1 i r.
16
ni
r X
X
aki vik = 0, donde
i=1 k=1
Exerccios
1. Sejam U, V, W os seguintes subespaos de R3 :
U = {(x, y, z) R3 ; x + y + z = 0}; V = {(x, y, z) R3 ; x = z} e
W = {(0, 0, z) R3 ; z R}. Mostre que R3 = U + V , R3 = U + W ,
R3 = V + W . Quando que a soma direta?
2. Sejam V = F(R, R), U o subespao das funes pares e W o das
mpares. Mostre que V = U W .
3. Sejam U e W subespaos de V. Se
V = U + W e dim V = dim U + dim W < ,
prove que V = U W .
4. Sejam V um espao vetorial de dimenso finita sobre K, U e W subespaos de V . Prove:
dim(U + W ) dim U + dim W
1.6
Exerccios do Captulo 1
1. Determine uma base para o subespao de R4 descrito por x = (x1 , x2 , x3 , x4 )

tal que x1 = x2 3x3 , x3 = 2x4 . Complete a base obtida a uma base
do R4 .
2. Em V = F(R, R) considere fk (t) = erk t onde rk R, 1 k n. Prove
que f1 , ..., fn so LI se, e s se, r1 6= r2 6= ... 6= rn .
3. Sejam v1 , ..., vn LI e u = b1 v1 + ... + bj vj + ... + bn vn com bj 6= 0. Prove
que v1 , ..., vj1 , u, vj+1 , ..., vn so LI.
4. Seja W um subespao do espao vetorial V . Suponha que v1 , ..., vn V
sejam LI e gerem um subespao U tal que U W = {0}. Prove que os
V
.
vetores v1 + W, ..., vn + W so LI em
W
17
5. Sejam V um espao vetorial, U e W seus subespaos. Se U e W tm

dimenses finitas, prove que:
dim U + dim W = dim(U + W ) + dim(U W ).
6. Sejam V um espao vetorial real e u, v V . O segmento de reta de
extremidades u e v o conjunto [u, v] = {(1 t)u + tv; 0 t 1}.
X V convexo se u, v X [u, v] X. Prove:
(a) Se X, Y V so convexos, ento X Y convexo.
(b) Se X V convexo e r, s, t so reais no negativos tais que r +
s + t = 1, ento u, v, w X ru + sv + tw X.
(c) Se X V , a envoltria convexa de X o conjunto C(X) das
n
X
combinaes t1 x1 + ... + tn xn , onde ti 0,
ti = 1, n N, chamadas
i=1
combinaes convexas dos elementos de X. Prove que C(X) convexo,

que X C(X) e que se C 0 convexo e X C 0 ento C(X) C 0 .
7. Seja V um espao vetorial real. A V uma variedade afim se u, v
A, t R (1 t)u + tv A. Prove:
(a) Se A, B V so variedades afins, ento A B variedade afim.
(b) Se A 6= uma variedade afim em V , existe um nico subespao
vetorial W V tal que para todo x A tem-se
A = x + W = {x + w; w W }.
8. Dado o conjunto finito X = {a1 , ..., an }, ache uma base para o espao
vetorial real F(X, R) = {f : X R}.
Captulo 2
Aplicaes Lineares
2.1
Definies e Exemplos
Definio 2.1 Sejam V e W espaos vetoriais sobre K. Dizemos que uma

aplicao T : V W linear se:
T (u + v) = T (u) + T (v)
T (av) = a T (u),
quaisquer que sejam u, v V e a K.
Exemplo 2.1.1 A aplicao identidade I : V V , I(v) = v linear, bem
como a aplicao zero, 0 : V V , 0(v) = 0 para todo v V .
Exemplo 2.1.2 Seja V = K[t] o espao vetorial dos polinmios na varivel
t com coeficientes em K. A aplicao derivada D : V V , definida por
D(a0 + a1 t + a2 t2 + ... + am tm ) = a1 + 2a2 t + ... + mam tm1 , uma aplicao
linear.
Exemplo 2.1.3 Se V1 e V2 so espaos vetoriais sobre K e V = V1 V2 ,
as aplicaes p1 : V V1 e p2 : V V2 definidas por p1 (v1 , v2 ) = v1 e
p2 (v1 , v2 ) = v2 so lineares.
Exemplo 2.1.4 Seja W um subespao do espao vetorial V. A aplicao
V
, (v) = v + W , linear.
:V
W
Exemplo 2.1.5 Seja V = C 0 ([0, 1], R) o espao vetorial real das funes
contnuas f : [0, 1] R. A aplicao f V 7 T (f ) V , onde
Z x
(T f )(x) =
f (t)dt, x [0, 1],
0
18
CAPTULO 2. APLICAES LINEARES
19
Z
linear. tambm linear a funo f V 7
f (t)dt R.
0
Proposio 2.1 Sejam V e W espaos vetoriais sobre K e (v1 , v2 , ..., vn ) uma

base ordenada de V. Dada a sequncia (w1 , ..., wn ) de vetores de W, existe
uma e uma nica aplicao linear T : V W tal que T (vi ) = wi , 1 i n.
Dem. Seja v V . Ento v se escreve, de modo nico, como v = a1 v1 +
... + an vn . Definamos T : V W por T (v) = a1 w1 + ... + an wn . claro que
T (vi ) = wi , 1 i n. Mostremos que T linear. Se u = b1 v1 + ... + bn vn ,
ento:
T (u + v) = T [(a1 + b1 )v1 + ... + (an + bn )vn ] = (a1 + b1 )w1 + ... + (an + bn )wn =
= (a1 w1 + ... + an wn ) + b1 w1 + ... + bn wn = T (v) + T (u).
Se c K, temos
T (cv) = T (ca1 v1 + ... + can vn ) = ca1 w1 + ... + can wn =
= c(a1 w1 + ... + an wn ) = c T (v).
Logo, T linear. Se L : V W aplicao linear tal que
L(vi ) = wi , 1 i n,
ento L(a1 v1 + ... + an vn ) = a1 w1 + ... + an wn = T (v) para todo v V , ou
seja, T = L, o que mostra a unicidade de T.
Proposio 2.2 Seja T : V W linear. Ento:
(a) T (0) = 0 , T (v) = v.
(b) Se U V subespao, ento T (U ) W subespao.
(c) Se U 0 W subespao, ento T 1 (U 0 ) V subespao.
Dem. (a) Como T linear, T (av) = aT (v) para todo a K e todo v V .

Fazendo a = 0, vem:
T (0 v) = 0 T (v), donde: T (0) = 0.
Fazendo a = 1, vem:
T (v) = T (v)
(b) T (U ) W subespao pois:
20
1. 0 = T (0) T (U )
2. Se T (u), T (v) T (U ) ento T (u) + T (v) = T (u + v) T (U )
3. Se a K e T (v) T (U ) ento aT (v) = T (av) T (U )
(c) T 1 (U 0 ) V subespao pois:
1. 0 T 1 (U 0 ) j que T (0) = 0 U 0
2. Se u, v T 1 (U 0 ) ento T (u), T (v) U 0 , donde T (u) + T (v) = T (u +
v) U 0 , donde u + v T 1 (U 0 )
3. Se a K e v T 1 (U 0 ) ento aT (v) = T (av) U 0 e, portanto,
av T 1 (U 0 ).
Definio 2.2 Seja T : V W linear. O subespao T (V ) W chamado
de imagem de T e anotado Im T . O subespao T 1 (0) V chamado de
ncleo de T e anotado N (T ). Assim,
Im T = {T (v) W ; v V }
N (T ) = {v V ; T (v) = 0}
Obs.: Por definio T sobrejetora se Im T = W e T injetora se
u 6= v implica T (u) 6= T (v).
Proposio 2.3 Seja T : V W linear. So equivalentes:
(a) N (T ) = {0}
(b) T injetora
(c) T transforma cada conjunto LI de vetores de V em conjunto LI de vetores
de W.
Dem. (a) (b): N (T ) = {0} T (w) = 0 implica w = 0 T (u v) = 0

implica u v = 0 T (u) = T (v) implica u = v T injetora.
(b) (c): Seja X V um conjunto LI e seja Y = T (X). Vamos provar
que Y LI. De fato, se a1 y1 + ... + ar yr = 0 onde r N e yi = T (xi ), 1 i
r, xi X, ai K, ento a1 T (x1 )+...+ar T (xr ) = 0 T (a1 x1 +...+ar xr ) = 0,
donde a1 x1 +...+ar xr = 0 (pois N (T ) = {0}), o que implica a1 = ... = ar = 0
(pois X LI), resultando Y ser LI.
(c) (a): Todo vetor v 6= 0 LI, donde T (v) LI, ou seja, T (v) 6= 0.
Portanto: N (T ) = {0}.
Obs.: Se T : V W linear e v1 , ..., vn geram V , ento claro que
21
T (v1 ), ..., T (vn ) geram Im T pois todo w Im T da forma w = T (v) para

algum v V e v = a1 v1 + ... + an vn . Resulta que, se V tem dimenso finita,
ento dim Im T dim V .
Definio 2.3 Seja T : V W linear, V de dimenso finita. O posto de T
a dimenso de Im T :
r = posto(T ) = dim Im T , donde r dim V.
Proposio 2.4 Seja T : V W linear. So equivalentes:
(a) T sobrejetora
(b) T transforma conjunto de geradores de V em conjunto de geradores de
W.
Dem. (a) (b):

Sejam X um conjunto de geradores de V e Y = T (X). Vamos provar que
Y gera W. Se w W e T sobrejetora, existe v V tal que w = T (v).
m
m
m
X
X
X
Mas v =
ai xi , ai K, xi X. Logo, T (v) =
ai T (xi ) =
ai yi com
i=1
i=1
i=1
yi Y , ou seja, Y gera W.
(b) (a):
Sejam X um conjunto de geradores de V e Y = T (X). Ento Y gera W.
p
X
Se w W , temos w =
ai yi , ai K, yi Y, yi = T (xi ), xi X. Logo,
i=1
p
!
p
X
X
w=
ai T (xi ) = T
ai xi = T (v) com v V , isto , T sobrejetora.
i=1
i=1
Exemplo 2.1.6 Seja T : C3 C3 , T (x1 , x2 , x3 ) = (x1 x2 , 2x1 + x2 +

3x3 , x1 2x2 3x3 ). T linear e Im T gerada por T (1, 0, 0) = (1, 2, 1) =
w1 , T (0, 1, 0) = (1, 1, 2) = w2 e T (0, 0, 1) = (0, 3, 3) = w3 . fcil ver
que w1 e w2 so LI e que w3 = w1 + w2 . Portanto, {w1 , w2 } base de Im T
e posto(T ) = r = 2. O ncleo de T definido pelas equaes:
x1 x2 = 0
2x1 + x2 + 3x3 = 0
x1 2x2 3x3 = 0
A soluo deste sistema dada por x1 = x2 = x3 . Logo: N (T ) =
{(t, t, t) C3 ; t C} e, por exemplo, (1, 1, 1) base de N (T ).
Observemos que dim C3 = 3 = dim N (T ) + dim Im T , o que ilustra o
teorema seguinte.
22
Proposio 2.5 (Teorema do ncleo e da imagem)

Sejam V, W espaos vetoriais sobre K e T : V W linear. Se V tem
dimenso finita, ento:
dim V = dim N (T ) + dim Im T.
Dem. Seja {v1 , ..., vs } base de N (T ) e sejam vs+1 , ..., vn V tais que
{v1 , ..., vs , vs+1 , ..., vn } seja base de V. Se w = T (v) Im T e v = a1 v1 + ... +
an vn , ento w = as+1 T (vs+1 ) + ... + an T (vn ) j que T (v1 ) = ... = T (vs ) = 0;
logo T (vs+1 ), ..., T (vn ) geram Im T .
Alm disso, esses vetores so LI; de fato, se bs+1 T (vs+1 ) + .... + bn T (vn ) =
0, ento T (bs+1 vs+1 + ... + bn vn ) = 0, ou seja, bs+1 vs+1 + ... + bn vn N (T ).
Portanto, podemos escrever bs+1 vs+1 + ... + bn vn = b1 v1 + ... + bs vs .
Como v1 , ..., vs , vs+1 , ..., vn so LI, resulta bs+1 = ... = bn = 0 (e tambm
b1 = ... = bs = 0). Resulta que {T (vs+1 ), ..., T (vn )} base de Im T e
dim Im T = n s = dim V dim N (T ), donde a tese.
Corolrio 2.5.1 Sejam T : V W linear, dim V = n, dim W = p.
Ento:
(a) T injetora r = posto(T ) = n. Neste caso, dim V dim W .
(b) T sobrejetora r = posto(T ) = p. Neste caso, dim V dim W .
Corolrio 2.5.2 Seja T : V W linear, com dim V = dim W < . So
equivalentes:
(a) T bijetora;
(b) T injetora;
(c) T sobrejetora;
(d) se {v1 , ..., vn } base de V, ento {T v1 , ..., T vn } base de W;
(e) existe base {v1 , ..., vn } de V tal que {T v1 , ..., T vn } seja base de W.
Dem. (a) (b): bvio.
(b) (c): Como T injetora, temos posto(T ) = dim V = dim W = n,
donde Im T = W .
(c) (d): T v1 , ..., T vn geram Im T = W . Como dim W = n, resulta
que {T v1 , ..., T vn } base de W.
(d) (e): bvio.
(e) (a): Seja {v1 , ..., vn } base de V tal que {T v1 , ..., T vn } seja base de
W. Como T v1 , ..., T vn Im T e geram W resulta que W Im T , donde
Im T = W , ou seja, T sobrejetora.
23
Se v = a1 v1 + ... + an vn tal que T (v) = 0, ento

a1 T (v1 ) + ... + an T (vn ) = 0,
donde a1 = ... = an = 0 pois T v1 , ..., T vn so LI. Logo, v = 0 e T injetora.
Portanto, T bijetora.
Exerccios
1. Seja T : V W linear. Prove que so equivalentes:
(a) T injetora;
(b) para toda decomposio V = V1 V2 tem-se T (V ) = T (V1 ) T (V2 )
2. Ache T : R2 R linear tal que T (1, 1) = 1 e T (1, 0) = 3.
3. Seja T : V W linear. Prove que se T (v1 ), ..., T (vn ) so LI, ento
v1 , ..., vn so LI.
4. Ache T : R3 R4 linear cuja imagem seja gerada por (1,0,2,-4) e
(0,2,-1,3).
5. Seja T : V V linear. Prove que se T v1 , ..., T vn geram V, ento
v1 , ..., vn geram V.
6. Seja T : R2 R2 definido por T (x, y) = (ax + by, cx + dy), com
ad bc 6= 0. Prove:
(a) v 6= 0 T v 6= 0.
(b) Toda reta l R2 transformada por T numa reta.
(c) T transforma retas paralelas em retas paralelas.
2.2
Composio e Inverso de Aplicaes Lineares
Proposio 2.6 Sejam U, V, W espaos vetoriais sobre o corpo K e T :

U V, L : V W aplicaes lineares. Ento a composta L T : U W
linear.
Dem. Se u, v U , ento
(L T )(u + v) = L(T (u + v)) = L(T u + T v) = L T (u) + L T (v).
24
Se a K e u U , ento
(L T )(au) = L(T (au)) = L(aT (u)) = aL(T (u)) = a(L T )(u).
Resulta que L T linear.
Proposio 2.7 Seja T : V W linear bijetora. Ento a aplicao inversa
T 1 : W V tambm linear (e bijetora).
Dem. Sejam w1 = T (v1 ) e w2 = T (v2 ) elementos arbitrrios de W. Ento:

T 1 (w1 +w2 ) = T 1 (T v1 +T v2 ) = T 1 (T (v1 +v2 )) = v1 +v2 = T 1 (w1 )+T 1 (w2 ).
Se a K e w = T (v) W , ento: T 1 (aw) = T 1 (aT (v)) = T 1 (T (av)) =
av = aT 1 (w).
Resulta que T 1 : W V linear.
Definio 2.4 Uma aplicao linear T : V W um isomorfismo de V
sobre W se T bijetora. Se, alm disso, V = W ento diremos que T um
automorfismo de V. Se existe um isomorfismo de V sobre W dizemos que V
e W so isomorfos.
Corolrio 2.7.1 A composta de dois isomorfismos um isomorfismo. A
inversa de um isomorfismo um isomorfismo.
Obs.: Representamos por L(V, W ) o conjunto das aplicaes lineares de V
em W. No caso em que V = W usual chamar uma aplicao linear T :
V V de operador linear em V e representar L(V, V ) simplesmente por
L(V ) e por GL(V ) o conjunto dos automorfismos de V.
Proposio 2.8 Seja V um espao vetorial sobre o corpo K. Se T, L
GL(V ) ento T L GL(V ) e (T L)1 = L1 T 1 .
Dem. J vimos que a composta de automorfismos automorfismo. Basta

ento verificar que
(T L) (L1 T 1 ) = (L1 T 1 ) (T L) = I,
operador identidade de V, o que imediato.
25
Proposio 2.9 Se T : V W linear sobrejetora, ento W isomorfo

V
ao espao quociente
.
N (T )
V
a aplicao quociente, isto , (v) = v +
N (T )
N (T ), v V . imediato que linear.
V
Seja L :
W definida por L(v +N (T )) = T (v), ou seja, L = T
N (T )
(dizemos ento que o diagrama abaixo comuta). Mostremos que L est bem
definida e injetora:
Dem. Seja : V
L(u + N (T )) = L(v + N (T )) T (u) = T (v) T (u v) = 0

u v N (T ) u + N (T ) = v + N (T ).
Alm disso, L sobrejetora pois, dado w W , existe v V tal que
T (v) = w (j que T sobrejetora) e, portanto, L(v + N (T )) = w. Logo,
L bijetora. Resta provar que L linear. Sejam u, v V , ento: L(u +
N (T ) + v + N (T )) = L(u + v + N (T )) = T (u + v) = T (u) + T (v) =
L(u + N (T )) + L(v + N (T )). Se a K e v V , ento: L(a(v + N (T ))) =
V
(av +N (T )) = T (av) = aT (v) = aL(v +N (T )). Resulta que L :
W
N (T )
um isomorfismo.
V
>
- W
V
N (T )
Corolrio 2.9.1 Sejam V um espao vetorial sobre K, U e W subespaos de

V
isomorfo a W.
V tais que V = U W . Ento,
U
Dem. Seja p : V W definida por p(v) = w, onde v = u + w com u U e
26
w W . imediato que p linear sobrejetora e

N (p) = {v V ; p(v) = 0} = U.
Portanto, pela proposio 2.9, temos que
V
isomorfo a W.
U
Corolrio 2.9.2 Sejam T : V W linear e U V subespao tal que

V = N (T ) U . Ento U isomorfo a Im T .
Dem. Decorre da proposi 2.9 que

2.9.1 temos que
V
isomorfo a Im T . Pelo corolrio
N (T )
V
isomorfo a U. Resulta que U e Im T so isomorfos.
N (T )
Proposio 2.10 Sejam U e W subespaos do espao vetorial V de dimenso finita sobre o corpo K. Ento:
dim U + dim W = dim (U + W ) + dim (U W ).
Dem. Seja T : U W V, T (u, w) = u w. imediato que T linear.

Alm disso,
Im T = {v = u w; u U, w W } = U + W
N (T ) = {(u, w) U W ; u = w} = {(u, u) U W, u U W }.
fcil ver que a aplicao u U W 7 (u, u) N (T ) um isomorfismo. Portanto, dim N (T ) = dim (U W ). Pela proposio 2.5, temos:
dim (U W ) = dim (U + W ) + dim (U W ), ou seja,
dim U + dim W = dim (U + W ) + dim(U W ).
Proposio 2.11 Todo espao vetorial de dimenso n sobre K isomorfo a
K n.
Dem. Seja V um espao vetorial de dimenso n sobre K. Seja {v1 , ..., vn }

uma base de V. Se v V , ento v = a1 v1 +...+an vn , onde ai K, 1 i n.
Seja T : V K n definida por T (v) = T (a1 v1 + ... + an vn ) = (a1 , ..., an )
n
K . fcil verificar que T um isomorfismo.
27
Corolrio 2.11.1 Todos os espaos vetoriais de mesma dimenso finita n

sobre K so isomorfos entre si.
Exemplo 2.2.1 Seja T : V V linear tal que T 3 = 0. Prove que I T
um automorfismo de V.
1
A igualdade formal
= 1+x+x2 +x3 +... nos sugere que (I T )1 =
1x
I + T + T 2 + T 3 + ... = I + T + T 2 j que T 3 = 0, donde T n = 0 para n 3.
De fato, temos:
(I T )(I + T + T 2 ) = I + T + T 2 T T 2 T 3 = I
(I + T + T 2 )(I T ) = I T + T T 2 + T 2 T 3 = I
Portanto, I T um automorfismo de V e (I T )1 = I + T + T 2 .
Exemplo 2.2.2 U e W sendo dois subespaos suplementares do espao vetorial V, isto , V = U W , todo v V se escreve, de modo nico, na forma
v = u + w, onde u U e w W . Consideremos T : U W U W
definida por T (u, w) = u + w. fcil ver que T linear bijetora, ou seja, T
um isomorfismo de U W sobre U W .
Reciprocamente, dados dois espaos vetoriais U e W sobre K, para todo
v = (u, w) de V = U W temos, de modo nico: (u, w) = (u, 0) + (0, w).
Se U 0 e W 0 so, respectivamente, os subespaos de V descritos por (u, 0)
e (0, w), ento claro que U 0 isomorfo a U e que W 0 isomorfo a W.
Ento, V = U W = U 0 W 0 . Se identificarmos U com U 0 bem como W
com W 0 , ento poderemos considerar U e W como subespaos suplementares
de U W , o que significa identificar os dois espaos isomorfos U W e
U W . Nestas condies, a aplicao de U W sobre U dada por u + w 7
u, se identifica com p1 : U W U, p1 (u, w) = u, e a projeo de
V = U W sobre o subespao U, paralelamente ao subespao suplementar
W. Analogamente, a aplicao u + w 7 w se identifica com a projeo
p2 : U W W, p2 (u, w) = w de V sobre o subespao W paralelamente a
U.
Em particular, se V = U W tem dimenso finita, ento: dim (U W ) =
dim (U W ) = dim U + dim W , j visto anteriormente.
Exerccios
1. Sejam T, L L(V ) tais que L T = T L. Prove:
(a) L(N (T ) N (T );
(b) L(Im T ) Im T .
28
2. Sejam L : V U, T : U W lineares. Se U, V e W tm dimenso

finita, prove que:
(a) posto(T L) posto(T );
(b) posto(T L) posto(L).
3. Sejam V um espao vetorial de dimenso finita sobre K, L e T elementos
de L(V ) tais que L T = I. Mostre que L invertvel e que T = L1 .
4. Sejam T : V U linear e W V subespao. Seja T |W = L : W U
a restrio de T a W, isto , T (w) = L(w) para todo w W . Prove:
(a) L linear;
(b) N (L) = N (T ) W ;
(c) Im L = T (W ).
5. Seja V = Pn+1 o espao vetorial dos polinmios de grau menor ou igual
a n, com coeficientes reais. Ache um suplementar do subespao W de
V
V formado pelos polinmios p(t) tais que p(1) = 0 e prove que
W
isomorfo a R.
2.3
lgebra das Aplicaes Lineares
Se V e W so espaos vetoriais sobre o corpo K, vimos que L(V, W ) representa

o conjunto das aplicaes lineares de V em W. Se L, T L(V, W ) e a K,
definimos L + T e aT , aplicaes de V em W, por:
(L + T )(v) = L(v) + T (v)
(aT )(v) = aT (v),
para todo v V . fcil verificar que L+T e aT so lineares, isto , elementos
de L(V, W ). Assim, no conjunto L(V, W ) temos duas leis, (L, T ) 7 L + T e
(a, T ) 7 aT , e deixamos aos cuidados do leitor provar que so satisfeitos os
oito postulados que definem uma estrutura vetorial. Lembramos apenas que
a aplicao linear zero a aplicao 0(v) = 0 para todo v V e que a oposta
de T L(V, W ) a aplicao (T ) tal que (T )(v) = T (v) para todo
v V . Conclumos que L(V, W ), munido das leis de adio (L, T ) 7 L + T
e de multiplicao por escalar (a, T ) 7 aT , um espao vetorial sobre K.
Estrutura de Anel de L(V )

Se L, T L(V ), vimos que L + T e L T so elementos de L(V ). Assim,
L(V ) est munido de duas leis, (L, T ) 7 L + T e (L, T ) 7 L T , que
29
tornam L(V ) um anel com identidade, isto :

(a) para a adio L(V ) um grupo abeliano:
1. L + T = T + L;
2. (L + T ) + S = L + (T + S);
3. existe 0 L(V ) tal que T + 0 = T ;
4. dado T L(V ) existe (T ) L(V ) tal que T + (T ) = 0, quaisquer
que sejam L, T, S L(V ).
(b) o produto (L, T ) 7 L T tem as propriedades:
1. (L T ) S = L (T S);
2. existe I L(V ) tal que I T = T I = T ;
3. (L + T ) S = L S + T S e L (T + S) = L T + L S, quaisquer
que sejam L, T, S L(V ).
Estrutura de Grupo de GL(V )

O conjunto GL(V ) dos automorfismos do espao vetorial V um subconjunto de L(V ); se L, T GL(V ) vimos que LT e T 1 pertencem a GL(V ) e
a identidade I de V tambm pertence a GL(V ). Portanto, GL(V ) munido da
operao (L, T ) 7 L T um grupo, chamado grupo linear de V. GL(V )
o grupo dos elementos invertveis do anel L(V ).
Estrutura de lgebra de L(V )

Se V um espao vetorial sobre K, L(V ) est munido das leis:
(1) adio: (L, T ) 7 L + T ;
(2) multiplicao por escalar: (a, T ) 7 aT ;
(3) produto: (L, T ) 7 L T .
Para as leis (1) e (2), L(V ) tem uma estrutura de espao vetorial sobre
K. Para as leis (1) e (3), L(V ) tem uma estrutura de anel. Alm disso, fcil
ver que a(L T ) = (aL) T = L (aT ), quaisquer que sejam L, T L(V ) e
a K. Vemos assim que L(V ) tem uma estrutura de lgebra (linear) sobre
K, de acordo com a seguinte definio.
Definio 2.5 Sejam K um corpo a A um conjunto munido de uma adio,
de uma multiplicao por escalar e de um produto. Dizemos que A uma
lgebra sobre K se:
30
(1) A, munido da adio e da multiplicao por escalar, um espao vetorial

sobre K.
(2) A, munido da adio e do produto, um anel.
(3) a(L T ) = (aL) T = L (aT ), quaisquer que sejam L, T A e a K.
Exemplo 2.3.1 O corpo C dos complexos uma lgebra sobre R.
Exemplo 2.3.2 F(R, R) munido das leis f +g, f g, af uma lgebra sobre
R.
Exemplo 2.3.3 No espao vetorial L(V ) consideremos o produto (L, T ) 7
[L, Th] = L Ti Th L (colchete
de Lie de L e T). imediato que:
i
(1) [L, T ], S = L, [T, S]
(2) [L + T, S] = [L, S] + [T, S] e [L, T + S] = [L, T ] + [L, S]
(3) [aL, T ] = [L, aT ] = a[L, T ], quaisquer que sejam L, T, S L(V ) e a K.
Portanto o espao L(V ), munido do produto (L, T ) 7 [L, T ], uma lgebra
sobre K, anotada gl(V ).
2.4
1. Sejam V1 , V2 espaos vetoriais isomorfos entre si, bem como W1 e W2 .

Prove que L(V1 , W1 ) isomorfo a L(V2 , W2 ).
2. Sejam V, M espaos vetoriais sobre K, V = V1 V2 . Prove que L(V1
V2 , W ) isomorfo a L(V1 , W ) L(V2 , W ).
3. Seja V o espao vetorial real das funes t 7 x(t) de [0, 1] em R,
dx
de classe C . Consideremos em V os operadores x 7 f (x) =
e
dt
Z t
x 7 g(x) com g(x)(t) =
(g f )(x) 6= (f g)(x).
x(u)du. Prove que se x(0) 6= 0 ento

0
4. Sejam V um espao vetorial e {v1 , ..., vn } uma base de V. Prove que r

vetores u1 , ..., ur V , r n, so LI se, e s se, existe um automorfismo
T de V tal que T (vj ) = uj , 1 j r.
5. Sejam f : V W linear e : V W V W tal que (v, w) =
(v, w f (v)). Prove que um automorfismo de V W .
6. Dois operadores lineares S, T L(V ) so semelhantes se existe operador invertvel P GL(V ) tal que S = P 1 T P . Se V tem dimenso
finita, prove que operadores semelhantes tm o mesmo posto.
31
7. Seja V um espao vetorial de dimenso n sobre K. Para k = 1, 2, ..., n,

exiba T : V V linear tal que T k = 0 mas T j 6= 0 se j < k.
8. Sejam V e W espaos vetoriais de dimenso finita e T : V W linear.
Prove:
(a) T injetora existe S : W V linear tal que S T = idV
(b) T sobrejetora existe S : W V linear tal que T S = idW
9. Seja V um espao vetorial de dimenso infinita enumervel de base
(v1 , v2 , ..., vn , ...). Seja T : V V o operador linear definido por
T (v2k+1 ) = 0, T (v2k ) = vk , k N.
(a) Prove que T sobrejetora mas no injetora.
(b) Prove que existe S : V V linear injetora, mas no sobrejetora,
tal que T S = id.
10. Sejam V um espao vetorial de dimenso finita, V 0 V um subespao,
W um espao vetorial, W 0 W um subespao, e T : V W linear.
Prove:
0
(a) dim T (V ) = dim V 0 dim (N (T ) V 0 )
(b) dim T 1 (W 0 ) = dim N (T ) + dim (Im T W 0 ).
11. E0 , E1 , ..., En sendo espaos vetoriais sobre o mesmo corpo K (n 2)
dizemos que o diagrama
fk1
f0
fn1
k
E0
E1
...
Ek1 Ek
Ek+1
...
En1 En
uma sequncia exata se para 0 k n 2 tem-se N fk+1 = Im fk ,

as aplicaes fk sendo lineares (0 k n 1). Se E0 (resp. En )
igual a {0}, que escrevemos 0, no escreveremos f0 (resp. fn1 ) pois s
existe uma aplicao linear de 0 em E1 (resp. de En1 em 0).
(a) Prove:
f
[0 E
F uma sequncia exata ] f injetora
f
[E
F 0 uma sequncia exata ] f sobrejetora.
(b) Prove que os diagramas seguintes so sequncias exatas:
E
0
F
0F
E
0 Nf
E
F
F
0
Im f
(f aplicao linear, i injeo cannica, j sobrejeo cannica).
Captulo 3
Matrizes
3.1
Definies
Definio 3.1 Sejam K um corpo, m e n inteiros positivos e In = {1, 2, ..., n}.

Uma matriz m n sobre K uma funo (i, j) Im In 7 aij K. Em
geral os escalares aij so dispostos em m linhas e n colunas, o primeiro ndice
indicando a linha e o segundo a coluna ocupadas por aij :
a11 a12
a21 a22
A=
...
...
am1 am2
... a1n
... a2n
= (aij ), 1 i m, 1 j n
... ...
... amn
Os escalares aij so os elementos da matriz A = (aij ). Observemos que

duas matrizes, A = (aij ) e B = (bij ), ambas m n, so iguais se, e s se,
aij = bij para todo par (i, j).
A matriz zero, m n, a que tem todos seus elementos iguais a zero.
A matriz A quadrada quando o nmero de linhas igual ao de colunas,
isto , quando ela do tipo n n; n a ordem da matriz quadrada A.
Numa matriz quadrada os elementos aii , que tm os ndices iguais, formam
a diagonal principal.
A matriz identidade (ou unidade) de ordem n a matriz quadrada In
na qual todos os elementos da diagonal
principal
so iguais a 1 e os demais
1 0 0
iguais a zero. Por exemplo, I3 = 0 1 0. O elemento genrico de In o
0 0 1
32
CAPTULO 3. MATRIZES
33
smbolo de Kronecker, definido por:

(
1 se i = j
ij =
.
0 se i 6= j
Assim, In = (ij )1i,jn .
Vamos introduzir no conjunto Mmn (K), das matrizes m n sobre K,
uma estrutura vetorial. Para isto precisamos definir a adio de matrizes e
o produto de uma matriz por um escalar.
Definio 3.2 Sejam A = (aij ) e B = (bij ) matrizes m n. A soma C =
= A + B a matriz m n, C = (cij ), tal que cij = aij + bij para todo par
(i, j).
A adio matricial goza das seguintes propriedades de verificao imediata:
(1) A + B = B + A
(2) A + (B + C) = (A + B) + C
(3) A + 0 = A, onde 0 a matriz zero m n
(4) A + (A) = 0 onde, sendo A = (aij ), temos (A) = (aij ).
Definio 3.3 Sejam c K e A = (aij ) Mmn (K). A matriz B = (bij ),
onde bij = caij para todo par (i, j), o produto de c por A, anotado B = cA.
claro que B Mmn (K).
A multiplicao de matriz por escalar tem as seguintes propriedades, de
fcil verificao:
(1) 1 A = A
(2) c (A + B) = c A + c B
(3) (c + d) A = c A + d A
(4) c(d A) = (cd) A,
quaisquer que sejam A, B Mmn (K) e c, d K.
Vemos assim que Mmn , munido das leis de adio e de multiplicao
por escalar, um espao vetorial sobre K. Quando m = n escrevemos apenas
Mn (K) ou simplesmente Mn .
Vamos achar uma base para Mmn (K). Para isso, consideremos as matrizes Eij , 1 i m, 1 j n, onde cada Eij m n e tem todos os
elementos iguais a zero, exceto o situado na linha i e na coluna j, que igual
a um:
CAPTULO 3. MATRIZES
34
Eij =
0 ...
.. . .
.
.
0 ...
.. . .
. .
0 ...
0
..
.
...
.
..
0
..
.
1
..
.
...
..
.
0
..
.
coluna j
...
linha i
Proposio 3.1 O conjunto {E11 , ..., E1n , ..., Em1 , ..., Emn } uma base de
Mmn (K).
Dem. Se A = (aij ) m n claro que A =
m X
n
X
aij Eij , ou seja, as ma-
i=1 j=1
trizes Eij geram Mmn (K). Alm disso, elas so LI, pois se
m X
n
X
aij Eij =
i=1 j=1
0, ento A = (aij ) = 0, donde aij = 0 para todo par (i, j).

Corolrio 3.1.1 dim Mmn (K) = m n.
3.2
Produto de Matrizes
Definio 3.4 Sejam A = (aij ) m n e B = (bij ) n p, ou seja,

o nmero de colunas de A igual ao nmero de linhas de B. O produto
n
X
C = A B a matriz m p, C = (cij ), tal que cij =
aik bkj .
k=1
Exemplo 3.2.1
1 0
0 2
1 2
3 4
1 2
3 4
1 0
0 2
1 2
6 8
1 4
3 8
o que mostra que o produto no comutativo.

Proposio 3.2 (a) (AB)C = A(BC)
(b) A(B1 + B2 ) = AB1 + AB2 ; (A1 + A2 )B = A1 B + A2 B
CAPTULO 3. MATRIZES
35
(c) In A = AIn = A,
onde se supem definidos os produtos e somas (das matrizes) indicados, e em
(c) A m n.
Dem. (a) Sejam: A = (aij ) do tipo m n .

B = (bij ) do tipo n p
C = (cij ) do tipo p q
Ento: AB = (dij ) m p e (AB)C = (eij ) m q
BC = (fij ) n q e A(BC) = (gij ) m q,
ou seja, se o primeiro membro est definido, ento o segundo tambm, e
do mesmo tipo.
Temos: eij =
gij =
p
X
k=1
n
X
dik ckj =
p
X
k=1
n
X
air frj =
r=1
r=1
ckj
n
X
air brk
r=1
p
air
brk ckj ,
k=1
o que mostra que eij = gij para todo i e todo j. As demonstraes de (b)
e (c) so deixadas a cargo do leitor.
3.3
Aplicao Linear Matriz
Sejam V e W espaos vetoriais sobre o corpo K, E = (v1 , ..., vn ) e F =

(w1 , ..., wm ) bases ordenadas de V e W, respectivamente, e T : V W
linear.
n
m
X
X
Se v = x1 v1 + ... + vn vn =
xj vj , T (v) = y1 w1 + ... + ym wm =
yi wi
e T (vj ) =
m
X
j=1
i=1
aij wi , ento:
i=1
T (v) =
n
X
j=1
xj T (vj ) =
n X
m
X
j=1 i=1
aij xj wi .
CAPTULO 3. MATRIZES
Portanto:
yi =
36
n
X
aij xj
(i = 1, 2, ..., m)
j=1
Pondo:

y1
x1

y2 E
x2
,
v E = .. , [T v]F = .. e T F = (aij )
1im
.
.
1jn
xn
ym
o sistema acima pode ser escrito na forma matricial
T (v)
E
= T F v E.
Assim, fixadas as bases ordenadas E e F, a toda aplicao linear T : V

m
X
E
W podemos associar uma matriz T F = (aij ) definida por T (vj ) =
aij wi ,
i=1
ou seja,
a
a
...
a
11
12
in
E
... ... ... .
T F = ...
am1 am2 ... amn
E
T F a matrix de T em relao s bases E de V e F de W. Ela do tipo
m n e, para cada j, as componentes de T (vj ) na base F formam a coluna
j dessa matriz.
Reciprocamente, dada uma matriz m n, A = (aij ), consideremos os
m
X
vetores uj , 1 j n, definidos por uj =
aij wi . Seja T : V W a
i=1
nica aplicao linear tal que T (vj ) = uj , 1 j n. Ento claro que

E
T F = A. Existe, pois, uma bijeo entre L(V, W ) e Mmn (K), bijeo esta
que depende da escolha das bases ordenadas E de V e F de W.
Exemplo 3.3.1 Sejam V um espao vetorial sobre K e B = {v1 , ..., vn } uma
base de V. Sejam os operadores lineares I(v) = v e 0(v) = 0 para todo v V .
B
B
claro que I B = In e 0 B = 0.
Exemplo 3.3.2 Seja V = Pn o espao vetorial dos polinmios a uma varivel e de grau menor que n, com coeficientes em K, juntamente com o
CAPTULO 3. MATRIZES
37
polinmio zero. Sejam B = {1, t, ..., tn1 } base de V e D : V V a

aplicao derivada:
D(a0 + a1 t + ... + an1 tn1 ) = a1 + 2a2 t + ... + (n 1)an1 tn2 .
Ento:
0
0
B
D B=
...
0
0
1
0
...
0
0
0
2
...
0
0
...
0
...
0
...
...
... n 1
...
0
Exemplo 3.3.3 Sejam I : R3 R3 a identidade, E = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}
E
e F = {(1, 0, 0), (1, 1, 0), (1, 1, 1)} bases de R3 . Vamos achar I F .
Temos:
I(1, 0, 0) = (1, 0, 0);
Portanto:
I(0, 1, 0) = (1, 1, 0)(1, 0, 0);
I(0, 0, 1) = (1, 1, 1)(1, 1, 0).
1 1 0
E
I F = 0 1 1
0 0
1
Exemplo 3.3.4 Seja T : R3 R3 definida por T (x, y, z) = (x + y + z, y +

z, z). claro que T linear. Sejam E e F as bases do exemplo 3.3.3. Vamos
E E
achar T F e T E .
Temos: T (1, 0, 0) = (1, 0, 0); T (0, 1, 0) = (1, 1, 0); T (0, 0, 1) = (1, 1, 1).
Portanto:
1 0 0
E
T F = 0 1 0 = I3
0 0 1
E:
1
1
1
E
T E = 0 1 1
0 0 1
n
m
Exemplo 3.3.5 Seja A = (a
ij ) mn sobre K. Seja TA : K K tal que
x1
E
..
TA (X) = A X, onde X = . . claro que TA linear e que T F = A,
xn
onde E e F so as bases cannicas de K n e K m , respectivamente.
CAPTULO 3. MATRIZES
38
Exemplo 3.3.6 (Rotao)

Sejam E = (e1 , e2 ) a base cannica do R2 e F = (f1 , f2 ) onde
f1 = cos e1 + sen e2
.
f2 = sen e1 + cos e2 , R
e
62
f2
f
1
e1
Definamos T : R2 R2 linear por meio de:

T e1 = f1
T e2 = f2
Ento:
E
cos sen
T E=
sen cos

x
A imagem de
R2 por T o vetor
y

x cos y sen
cos sen x
R2 .
=
sen cos
y
x sen + y cos
A transformao linear T a rotao de em torno da origem.
Proposio 3.3 Sejam V e W espaos vetoriais sobre K, E = (v1 , ..., vn ) e
F = (w1 , ..., wm ) bases ordenadas de V e W, respectivamente. A aplicao
E
T 7 T F , que a cada elemento de L(V, W ) associa sua matriz em relao
s bases dadas, um isomorfismo de L(V, W ) sobre Mmn (K).
Dem. Sejam T e S elementos de
L(V, W ), T (vj ) =
m
X
i=1
aij wi , S(vj ) =
m
X
i=1
bij wi ,
CAPTULO 3. MATRIZES
39
E
E
isto , T F = (aij ) e S F = (bij ).
m
X
Como (T + S)(vj ) =
(aij + bij )wi resulta que
i=1
T +S
E
F
= (aij + bij )
Se c K temos (cT )(vj ) =
m
X
1im
1jn
E E
= T F + S F.
E
E
caij wi , isto , cT F = (caij ) = c T F .
i=1
E
Portanto, a aplicao T 7 T F linear (e bijetora), ou seja, um
isomorfismo.
Corolrio 3.3.1 dim L(V, W ) = dim V dim W .
Proposio 3.4 Sejam U, V, W espaos vetoriais sobre K, E = (u1 , ..., um ),
F = (v1 , ..., vn ) e G = (w1 , ..., wp ) bases ordenadas de U, V, W, respectivaS
T
mente. Se U
V
W so lineares, ento:
Dem. Sejam:
T S
E
G
F E
= T G S F.
F
T G = (aij ) p n
E
S F = (bij ) n m
T S
E
G
= (cij ) p m
Ento:
T (vk ) =
p
X
aik wi
i=1
S(uj ) =
n
X
bkj vk
k=1
(T S)(uj ) =
p
X
i=1
cij wi
CAPTULO 3. MATRIZES
40
Portanto:
p
n
n X
X
X
T S(uj ) =
bkj T (vk ) =
aik bkj wi ,
k=1 i=1
k=1
donde:
cij =
n
X
aik bkj ,
k=1
que a tese.
O conjunto Mn (K) das matrizes de ordem n, munido das leis de adio
e multiplicao por escalar, um espao vetorial sobre K de dimenso n2 .
Mn (K), munido das operaes de adio e multiplicao matriciais, um
anel (com unidade). Alm disso, fcil verificar que
c(AB) = (cA)B = A(cB)
quaisquer que sejam A, B Mn (K) e c K. Resulta que Mn (K) tem uma
estrutura de lgebra sobre K. Vimos que o anel Mn (K) no comutativo; o
exemplo
1 0 0 0
0 0
=
0 0 0 1
0 0
mostra que ele tem divisores de zero.
Seja V um espao vetorial sobre K, de dimenso n. Vimos que L(V )
e Mn (K) so duas lgebras sobre K. Fixada uma base B de V, a aplicao
B
bijetora T L(V ) 7 T B Mn (K) goza das seguintes propriedades:
B B B
(1) L + T B = L B + T B , isto , (L + T ) = (L) + (T )
B
B
(2) aT B = a T B , isto , (aT ) = a (T )
B
B B
(3) L T B = L B T B , isto , (L T ) = (L) (T ), quaisquer que
sejam L, T L(V ) e a K.
Uma tal chama-se um isomorfismo de lgebras, ou seja, L(V ) e Mn (K)
so lgebras isomorfas.
Exemplo 3.3.7 Vamos achar o centro do anel Mn (K), isto , vamos determinar as matrizes A = (aij ) de Mn (K) que comutam com toda matriz P = (pij ) de Mn (K), ou seja, tais que AP = P A. Devemos ter
n
n
X
X
aik pkj =
pik akj para todo par (i, j). Se P = Eii , isto , pii = 1 e
k=1
k=1
prs = 0 para r 6= i ou s 6= i, ento i 6= j implica aij = 0. Se P = Eij com

i 6= j, isto , pij = 1 e prs = 0 para r 6= i ou s 6= j, ento aii = ajj . Logo, se
CAPTULO 3. MATRIZES
41
A comuta com toda matriz de Mn (K) ela da forma A = a In , e evidente

que toda matriz a In , a K, comuta com toda matriz de Mn (K). Estas
matrizes tm o nome de matrizes escalares.
Definio 3.5 Uma matriz quadrada A, n n, invertvel se existe matriz
quadrada B, de mesma ordem, tal que AB = BA = In .
Se uma tal matriz B existe, ela nica, pois se AC = In e BA = In ,
temos: B = B In = B(AC) = (BA)C = In C = C. esta matriz B, caso
exista, chama-se a inversa de A, e anotada B = A1 . Assim,
A A1 = A1 A = In ,
o que mostra tambm que (A1 )1 = A.
Se A e B, ambas n n, so invertveis, ento AB invertvel e
(AB)1 = B 1 A1 .
De fato, (AB)(B 1 A1 ) = A(BB 1 )A1 = A A1 = In e (B 1 A1 )(AB) =
B 1 (A1 A)B = B 1 B = In . claro que In1 = In .
Vemos assim que o conjunto das matrizes invertveis de Mn (K), com
a operao de multiplicao matricial, um grupo. O isomorfismo :
L(K n ) Mn (K) visto acima, transforma o grupo GL(K n ) = GL(n, K)
isomorficamente sobre o grupo das matrizes invertveis de Mn (K). Em particular,
h
iB 1
B
1
T
= T B
.
B
Exemplo 3.3.8 Seja A, de ordem n, tal que a0 In + a1 A + ... + an An = 0

com a0 6= 0. Ento A invertvel.
De fato, temos:
an n1
a1
an n1
a1
A = A In ... A
= In .
In ... A
a0
a0
a0
a0
Logo, A1 =
a1
an
In ...
An1
a0
a0
Proposio 3.5 Seja A Mn (K). Se existe B Mn (K) tal que BA = In

(ou AB = In ), ento A invertvel e B = A1 .
Dem. Sejam TA : K n K n e TB : K n K n as aplicaes lineares
associadas a A e B, respectivamente. BA = In equivale a TB TA = idK n ,
que implica ser TA injetora e TB sobrejetora e, portanto, ambas so bijetoras
e TB = TA1 , donde A1 = B.
CAPTULO 3. MATRIZES
42
Exerccios
1. D uma base para M3 (K).
2. Seja W o subespao de Mn (K) formado pelas matrizes cujos elementos so iguais a zero, exceto talvez os da diagonal principal. Qual a
dimenso de W?
3. Seja A Mn (R). A = (aij ) simtrica (resp. antissimtrica) se aij =
aji (resp. aij = aji ) para todo (i, j). Ache uma base para o espao
das matrizes simtricas (resp. antissimtricas) 3 3.
4. Seja T : R4 R2 dada por T (x1 , x2 , x3 , x4 ) = (x2 , x4 ). Ache uma
matriz associada a T.
5. Sejam E = (1, 1, 0), (1, 1, 1), (0, 1, 2) e F = (2, 1, 1), (0, 0, 1), (1, 1, 1)
E
bases de C3 . Ache I F , onde I : C3 C3 a identidade.
6. Seja V o subespao de F(R, R) = {f : R R} gerado pelas funes
1, t, et , e2t , te2t e seja D : V V o operador de derivao. Se
B
B = (1, t, et , e2t , te2t ) base de V, ache D B .
7. Estabelea um isomorfismo entre o espao vetorial real das matrizes
simtricas n n e o espao das matrizes reais triangulares inferiores
(aij = 0 se i < j). Idem entre as matrizes antissimtricas e as triangulares inferiores com a diagonal principal nula.
3.4
Mudana de Bases
Sejam V um espao vetorial sobre K, E = (v1 , ..., vn ) e F = (w1 , ..., wn ) bases

F
ordenadas de V. Se v V , ento v E = P v F , onde P = I E = (pij )
n
X
tal que wj =
pij vi .
i=1
F
Definio 3.6 P = I E a matriz de passagem da base E para a base F.
Exemplo
3.4.1 Sejam V = R3 , E = (e1 , e2 , e3 ) base cannica, F =
(1, 1, 1), (1, 0, 0), (1, 1, 1) = (f1 , f2 , f3 ). Ento:
1
1
1
F
P = I E = 1 0 1 .
1 0 1
CAPTULO 3. MATRIZES
43

1
1
1
2
6

Se v = 2f1 + f2 + 3f3 , ento v E = 1 0 1 1 = 1, isto ,
1 0 1
3
5
v = 6e1 + e2 + 5e3 .
Proposio 3.6 Sejam V e W espaos vetoriais sobre K,
E = (v1 , ..., vn ), E 0 = (v10 , ..., vn0 )
bases ordenadas de V,
0
)
F = (w1 , ..., wm ), F 0 = (w10 , ..., wm
bases ordenadas de W,
E 0
P = idv E
F 0
a matriz de passagem de E para E 0 , Q = idW F a matriz de passagem de F
para F 0 .
Se T : V W linear, ento:
E 0
E
T F 0 = Q1 T F P.
Dem. Temos T = idW T idV . Pela proposio 3.4, vem:

E 0
F E E 0
T F 0 = idW F 0 T F idV E
Mas:
F 0
F
F 0
In = idW F 0 = idW F 0 idW F
F
F 0
F
In = idW F = idW F idW F 0 ,
F
o que mostra que idW F 0 = Q1 . Resulta:

E 0
E
T F 0 = Q1 T F P
Corolrio 3.6.1 Sejam V um espao vetorial sobre K, E e E 0 bases de V e
E 0
P = idV E a matriz de passagem de E para E 0 . Se T : V V linear,
ento:
E 0
E
T E 0 = P 1 T E P
CAPTULO 3. MATRIZES
44
Definio 3.7 Dizemos que as matrizes A, B Mmn (K) so equivalentes

se existem matrizes Q GL(m, K) e P GL(n, K) tais que B = QAP .
Obs.: A proposio 3.6 nos diz que se A e B so matrizes associadas

mesma aplicao linear T : V W , ento A e B so equivalentes. Reciprocamente, suponhamos A e B equivalentes, isto , B = QAP onde
A, B Mmn (K), P GL(n, K) e Q GL(m, K).
Sejam E = (v1 , ..., vn ) e F = (w1 , ..., wm ) bases ordenadas dos espaos ve E
toriais V e W e T : V W linear tal que A = T F . Definamos
n
m
X
X
0
) por vj0 =
pij vi e wj0 =
qij wi ,
E 0 = (v10 , ..., vn0 ) e F 0 = (w10 , ..., wm
i=1
i=1
onde P = (pij ) e Q1 = (qij ).

Como P e Q so invertveis, E 0 e F 0 so bases de V e W, respectivamente,
E 0
F 0
P = idV E e Q1 = idW F .
Pela proposio 3.6, temos:
E 0
E 0
T F 0 = QAP, isto , B = T F 0 ,
o que mostra que A e B representam a mesma aplicao linear T : V W .
Definio 3.8 Dizemos que as matrizes A, B Mn (K) so semelhantes se
existe P GL(n, K) tal que B = P 1 A P . Como na observao, acima
fcil ver que A, B Mn (K) so semelhantes se, e s se, elas representam
um mesmo operador linear T : V V , onde dimK V = n.
Obs.: fcil verificar que as relaes A e B so equivalentes e A e B
so semelhantes, so relaes de equivalncia (isto , reflexivas, simtricas
e transitivas).
Exemplo 3.4.2 Seja T : R3 R3 , T (x1 , x2 , x3 ) = (x1 + 2x3 , 3x1 + 2x2 +
x3 , x2 +4x3 ) e sejam E = (e1 , e2 , e3 ) base cannica e F = (1, 0, 0), (1, 1, 0), (1, 1, 1)
bases de R3 .
Temos:
T (1, 0, 0) = (1, 3, 0)
T (0, 1, 0) = (0, 2, 1)
T (0, 0, 1) = (2, 1, 4)
CAPTULO 3. MATRIZES
45
Portanto:
1
0
2
E
T E = 3 2 1 = A.
0 1 4
Por outro lado, se F = (f1 , f2 , f3 ), temos:
T (f1 ) = (1, 3, 0) = 2f1 + 3f2
T (f2 ) = (1, 5, 1) = 4f1 + 4f2 + f3
T (f3 ) = (3, 6, 5) = 3f1 + f2 + 5f3
Portanto:
2 4 3
F
4
1 = B.
T F = 3
0
1
5
1
1
1
F
A matriz de passagem de E para F P = I E , ou seja, P = 0 1 1, e
0 0 1
imediato verificar que
1 1 3
AP = P B = 3 5 6 , isto , B = P 1 A P.
0 1 5
Posto de uma Matriz

Seja A = (aij ) matriz m n sobre K. Os vetores-coluna de A so os
vetores A1 , ..., An K m definidos por
aij
a2j
Aj = .. (1 j n)
.
amj
Definio 3.9 O posto de uma matriz A a dimenso do subespao de K m
gerado pelos vetores-coluna de A, ou seja, o posto de A o nmero mximo
de vetores-coluna de A linearmente independentes.
Proposio 3.7 Sejam V, W espaos vetoriais sobre K, E = (v1 , ..., vn ) e
F = (w1 , ..., wm ) bases ordenadas de V e W, respectivamente, e T : V W
E
linear. Se A = T F , ento:
posto(A) = posto(T ).
CAPTULO 3. MATRIZES
46
E
Dem. Seja A = (aij ). Dizer que A = T F significa dizer que T (vj ) =
m
X
aij wi , ou seja, Aj = T (vj ) F (j = 1, ..., n), e o isomorfismo de K m

i=1
sobre W que leva a base cannica de K m na base F de W, transforma o

espao gerado pelos vetores-coluna A1 , ..., An de A sobre o espao gerado pelos
vetores T (v1 ), ..., T (vn ) de W, ou seja, estes espaos tm a mesma dimenso
e, portanto, posto(A) = posto(T ).
Proposio 3.8 Seja A Mmn (K) de posto r. Ento r m, r n e A
equivalente matriz m n:
Ir
mr
nr
E
Dem. Seja T : K n K m linear tal que A = T F , onde E e F so as
bases cannicas de K n e K m , respectivamente.
Como n = dim N (T ) + dim Im T temos que dim N (T ) = n r 0.
Podemos, ento, escolher uma base E 0 = (v1 , ..., vn ) de K n de modo que
(vr+1 , ..., vn ) seja base de N (T ). claro que os vetores T (v1 ), ..., T (vr ) so
LI em K m (verifique!), donde r m e podemos considerar uma base de K m
da forma F 0 = (T v1 , ..., T vr , wr+1 , ..., wm ). Obtemos:
E 0
T F 0 = matriz da figura 3.8.
E
Resulta que A = T F equivalente a B = matriz da figura 3.8 :
F
E 0
B = QAP, Q = id F 0 , P = id E .
CAPTULO 3. MATRIZES
47
Corolrio 3.8.1 Duas matrizes A, B Mmn (K) so equivalentes se, e s

se, elas tm o mesmo posto.
Dem. Se A e B so equivalentes, elas representam, em relao a bases

diferentes, a mesma aplicao linear T : K n K m . Portanto,
posto(A) = posto(T ) = posto(B).
Reciprocamente, se posto(A) = posto(B) = r, ento A e B so equivalentes matriz da figura 3.8 e, portanto, elas so equivalentes.
Corolrio 3.8.2 A matriz A Mmn (K) invertvel se, e s se,
posto(A) = n.
Dem. A matriz A representa um operador linear

T : K n K m e posto(T ) = posto(A) = n
se, e s se, T sobrejetora (donde bijetora), isto , se, e s se, T GL(n, K)
e, portanto, se, e s se, A invertvel.
3.5
1 0
E
1. Obtenha bases E de R2 e F de R3 de modo que T F = 0 1, onde
0 0

2x + y
x
T
= 3x 2y .
y
x + 3y
2. Calcule o posto das matrizes:
1 2 3
A = 4 5 6 ;
7 8 9
1 2 3
B = 4 5 6 .
2 1 0
Mostre que os espaos gerados pelas linhas e colunas de A coincidem,

o que no ocorre com B.
CAPTULO 3. MATRIZES
48
3. Seja a matriz n n cujas linhas so os vetores

v1 = (1, 2, ..., n), v2 = (2, 3, ..., n, n + 1), etc.
Prove que o posto da matriz 2 e que o espao-linha coincide com o
espao-coluna.
4. Ache reais a, b, ctais queax + by + cz = 0 seja o plano gerado pelas
1 1 2
linhas da matriz 1 2 3.
1 3 4
5. Prove que toda matriz antissimtrica 3 3 no-nula tem posto 2. D
exemplo de uma matriz antissimtrica invertvel 4 4.
6. Sejam V um espao vetorial de dimenso n sobre K e T : V V
linear. T nilpotente de ndice p se existe p N tal que T p1 6= 0 e
T p = 0.
(a) Prove que se T nilpotente e existem K, x V, x 6= 0 tais
que T (x) = x, ento = 0.
(b) Prove que se T nilpotente de ndice p e T p1 (x) 6= 0, ento os
vetores x, T (x), ..., T p1 (x) so LI.
(c) T nilpotente de ndice n existe base E de V tal que na matriz
E
A = T E = (aij ) n n se tenha aij = 0 exceto ai,i+1 = 1 (1 i
n 1).
1 1 0
7. Seja A = 0 1 1; ache An , n N.
0 0 1
i
cos sen
e
0
e
so semelhantes sobre C.
8. Prove que
sen cos
0 ei
9. Seja A = (aij ) n n. O trao de A o nmero tr(A) =
n
X
aii .
i=1
Prove que tr : Mn (K) K linear, que tr(AB) = tr(BA), e

que tr(P 1 AP ) = tr(A), quaisquer que sejam A, B Mn (K) e P
GL(n, K).
10. Sejam T : M2 (R) M2 (R) tal que T (A) = P A, onde P M2 (R)
fixa. Prove que tr(T ) = 2tr(P ).
Captulo 4
Formas Lineares. Dualidade
4.1
Definio
Seja V um espao vetorial sobre o corpo K. Considerando K um espao

vetorial sobre si mesmo, L(V, K) um espao vetorial sobre K, designado
por V e chamado de dual de V; seus elementos so chamados de formas (ou
funcionais) lineares em V. O dual de V o bidual de V, anotado V . Os
elementos de V sero designados por letras gregas tais como , , , etc.
Assim, uma forma linear V uma aplicao linear : V K.
Se E = {v1 , ..., vn } uma base de V e se v = x1 v1 +...+xn vn , ento (v) =
x1 (v1 ) + ... + xn (vn ). Pondo (vi ) = ai , temos: (v) = a1 x1 + ... + an xn ,
que a representao de na base E.
Exemplo 4.1.1 Se V = K n , a aplicao i (x1 , ..., xn ) 7 xi (1 i n)
uma forma linear em K n , chamada a i-sima forma coordenada.
Exemplo 4.1.2 Se V = C 0 ([0, 1], R) o espao
Z 1 vetorial real das funes
contnuas f : [0, 1] R a funo f V 7
f (t)dt R uma forma
0
linear em V.
Proposio 4.1 Sejam V um espao vetorial sobre K e (v1 , ..., vn ) uma base
ordenada de V. Para cada
i, 1 i n, seja i : V K a forma linear
1 se i = j
definida por i (vj ) = ij =
(1 i n).
0 se i j
Ento, (1 , ..., n ) uma base de V e as coordenadas de V nesta
base, so (v1 ), ..., (vn ).
Dem. Sabemos que dim V = dim L(V, K) = n e que as condies i (vj ) =
ij (j = 1, ..., n) determinam univocamente a forma i . Basta ento provar
49
CAPTULO 4. FORMAS LINEARES. DUALIDADE
50
que 1 , ..., n so LI. Para isso, suponhamos que = a1 1 + ... + an n = 0.

n
X
Ento, para j = 1, ..., n, temos (vj ) = 0, ou seja,
ai i (vj ) = 0, ou
n
X
i=1
ai ij = 0, donde aj = 0. Este clculo mostra tambm que se
i=1
= a1 1 + ... + an n , ento aj = (vj )

.
Definio 4.1 Se (v1 , ..., vn ) base ordenada de V, a base (1 , ..., n ) de V ,
tal que (vj ) = ij (1 j n), chama-se base dual da base (v1 , ..., vn ).
Exemplo 4.1.3 Sejam V = K n e (e1 , ..., en ) a base cannica de K n . Seja
i : K n K a i-sima forma coordenada, isto , i (x1 , ..., xn ) = xi .
claro que i (ej ) = ij , de modo que a base dual da base cannica de K n a
base (1 , ..., n ) de (K n ) .
Obs. Se V e W tm a mesma dimenso finita sobre K, a escolha de bases
E de V e F de W nos permite definir um isomorfismo que leva E sobre F,
e todo isomorfismo entre V e W obtido dessa forma. Assim, em geral, h
mais de um isomorfismo entre V e W e no temos uma maneira natural para
preferir um ou outro desses isomorfismos. Entretanto, no caso de V e V ,
podemos distinguir um isomorfismo J : V V definido independente da
escolha de bases, isto , um isomorfismo cannico, que nos permite identificar
V a V .
Proposio 4.2 Seja V um espao vetorial de dimenso finita n sobre K.
A aplicao cannica
J : V V
v 7 Jv : V K
7 (v)
um isomorfismo entre V e V .
Dem. fcil verificar que Jv = J(v) um elemento de V , bem como que J
linear. Basta ento provar que J injetora, j que dim V = dim V = n.
Para isto, seja v 6= 0; tomemos uma base de V da forma (v, v1 , ..., vn1 ) e
51
consideremos a base dual correspondente (, 1 , ..., n1 ). Ento, (v) = 1 =

Jv (), ou seja, Jv 6= 0. Assim, v 6= 0 implica Jv 6= 0, o que mostra ser J
injetora.
Obs. (1) Identificando-se v V a Jv V , a igualdade Jv () = (v) se
escreve v() = (v), e usual usar-se a notao < v, > para este escalar.
(2) No caso em que V de dimenso infinita, prova-se que J : V V
injetora, mas nunca sobrejetora, ou seja, J no um isomorfismo neste caso.
Exerccios
1. Sejam B1 = (v1 , ..., vn ), B2 = (u1 , ..., un ) bases do espao vetorial V,
B1 = (1 , ..., n ) e B2 = (1 , ..., n ) as bases duais correspondentes.
n
n
X
X
Se vj =
aij ui e j =
bij i , i j n, qual a relao entre as
i=1
i=1
matrizes A = (aij )eB = (bij )?

2. Estude a independncia linear das formas lineares sobre R4 , onde ab 6=
0:
f1 (x1 , x2 , x3 , x4 ) = x1 ax3 ,
1
f2 (x1 , x2 , x3 , x4 ) = x2 x4 ,
a
f3 (x1 , x2 , x3 , x4 ) = x1 bx4 ,
1
f4 (x1 , x2 , x3 , x4 ) = x2 x4 .
b
3. Sejam V um espao vetorial de dimenso finita e W V um subespao.
Se f W mostre que existe g V tal que g|W = f .
4. Sejam V um espao vetorial real de dimenso finita, e v1 , v2 , ..., vp vetores no nulos de V. Prove que existe f V tal que f (vi ) 6= 0, i =
1, 2, ..., p.
5. Seja f : V R uma forma linear no-nula. Prove que existe v0 V
tal que f (v0 ) = 1. Seja W = Rv0 a reta gerada por v0 . Prove que
V = W N (f ).
6. Sejam f, g : V R formas lineares no-nulas e dim V = n. Prove
que N (f ) = N (g) f mltiplo de g.
4.2
52
Anulador de um Subespao
Definio 4.2 Sejam V um espao vetorial sobre K e U V um subespao.

Chama-se anulador de U ao conjunto U 0 = { V ; (u) = 0 para todo
u U }. fcil ver que U 0 V um subespao.
Se V pode-se mostrar sem dificuldade que U 0 se, e s se, se
anula numa base de U.
Proposio 4.3 Sejam V um espao vetorial de dimenso finita sobre K e
U V um subespao. Ento:
dim U + dim U 0 = dim V.
Dem. Como o caso U = {0} trivial, vamos supor U 6= {0}. Seja (v1 , ..., vn )
base de V tal que (v1 , ..., vp ) seja base de U. Se (1 , .., n ) a base dual, ento
< vj , i >= i (vj ) = 0 para i = 1, ..., p e i = p + 1, ..., n, ou seja, as formas
p+1 , ..., n pertencem a U 0 . Vamos provar que elas formam uma base de U 0 .
Como elas so LI, basta provar que elas geram U 0 . Para isto, seja U 0 .
Se = a1 1 + ... + an n , ento, para j = 1, ..., p temos:
0 = (vj ) =
n
X
i=1
ai i (vj ) =
n
X
ai ij = aj ,
i=1
ou seja, = ap+1 p+1 + ... + an n , como queramos.

Corolrio 4.3.1 Nas hipteses da proposio 4.3, temos (U 0 )0 = U (supondose identificados V e V ).
Dem. (U 0 )0 = {v V ; < , v >= 0 U 0 }. Portanto, se u U , ento
u (U 0 )0 , isto , U (U 0 )0 .
Por outro lado,
dim (U 0 )0 = dim V dim U 0 = dim V dim U 0 = dim U,
donde U=(U 0 )0 .
Obs. Se V , 6= 0, o subespao de V, H = {v V ; < , v >= 0}, tem
dimenso igual a (dim V 1) e chama-se um hiperplano de V.
Exemplo 4.2.1 Seja W o subespao de R4 gerado pelos vetores v1 = (1, 2, 0, 1), v2 =
(2, 1, 3, 0) e v3 = (0, 3, 3, 2). Vamos achar uma base para o anulador W 0 .
53
Se (v, y, z, t) R4 e (R4 ) , ento (x, y, z, t) = ax + by + cz + dt,

onde a, b, c, d R, e W 0 se, e s se, (v1 ) = (v2 ) = (v3 ) = 0, ou seja,
se e s se,
(
(
d
a + 2b + d = 0
a = 2c +
3
2a + b + 3c = 0 se, e s se,
2d .
b=c
3b 3c + 2d = 0
3
Resulta que 1 e 2 , tais que 1 (x, y, z, t) = 2x + y + z, 2 (x, y, z, t) =

x 2y + 3t, formam uma base de W 0 (obtidas fazendo-se c = 1, d = 0 e
c = 0, d = 3, respectivamente).
Exemplo 4.2.2 Seja V um espao vetorial de dimenso n sobre K. Todo
subespao W de V a interseo de um nmero finito de hiperplanos de V.
De fato, seja (v1 , ..., vn ) base de V tal que (v1 , ..., vp ) seja base de W. Seja
(1 , ..., n ) a base dual de (v1 , ..., vn ). Ento:
v W p+1 (v) = ... = n (v) = 0,
ou seja, W =
n
\
Hj , onde Hj = N (j ) o hiperplano definido por j .
j=p+1
Exerccios
1. Seja W R5 o subespao gerado pelos vetores 1 = (2, 2, 3, 4, 1), 2 =
(1, 1, 2, 5, 2) 3 = (0, 0, 1, 2, 3) e 4 = (1, 1, 2, 3, 0). Ache uma
base para o anulador W 0 de W.
2. Sejam V um espao vetorial de dimenso finita sobre K, U e W subespaos de V. Prove:
(a) (U + W )0 = U 0 W 0 ; (U W )0 = U 0 + W 0
(b) V = U W V = U 0 W 0 .
4.3
Transposio
Sejam V, W espaos vetoriais sobre K e T : V W linear. Se W

ento T : V K linear, isto , T V .
Definio 4.3 A aplicao T t : W V definida por T t () = T para
toda W , chama-se a transposta de T:
T = T t ()
54
-
Assim, < T t (), v >=< , T (v) > para todo v V .

Proposio 4.4 A transposta T t : W V da aplicao linear T : V
W , uma aplicao linear.
Dem.
T t ( + ) = ( + ) T = T + T = T t () + T t ()
T t (a) = (a) T = a( T ) = aT t ,
quaisquer que sejam , W e a K.
Exemplo 4.3.1 Se V = W e T = idV , ento:
(idV )t () = idV = para todo V ,
ou seja, (idV )t = idV .
Proposio 4.5 Sejam U, V, W espaos vetoriais sobre K.
(a) A aplicao T L(U, V ) 7 T t L(V , U ) linear.
(b) Se T L(U, V ) e S L(V, W ), ento (S T )t = T t S t . Alm disso, se
T bijetora ento T t bijetora e (T 1 )t = (T t )1 .
(c) Se U e V tm dimenso finita, ento T 7 T t um isomorfismo entre
L(U, V ) e L(V , U ) e (T t )t = T (supondo-se identificados U com U e V
com V ).
55
Dem. (a) Sejam L, T L(U, V ) e a K. Para todo V temos:

(L + T )t () = (L + T ) = L + T = Lt () + T t ()
(aT )t () = (aT ) = a( T ) = aT t ()
Resulta: (L + T )t = Lt + T t e (aT )t = a T t .
(b) (ST )t () = (ST ) = (S)T = T t (S) = T t S t () = (T t S t )()

para todo W . Logo: (S T )t = T t S t .
Se T um isomorfismo temos T T 1 = idV , T 1 T = idV e, como
(idV )t = idV , vem:
T t (T 1 )t = idU e (T 1 )t T t = idV ,
donde resulta que (T t )1 = (T 1 )t .
(c) Se U e V tm dimenso finita, podemos identificar U com U e V com
V , de modo que (T t )t L(U, V ). Se u U e V , ento:
< (T t )t u, >=< u, T t () >=< , T (u) >,
donde (T t )t = T . Resulta que T
7 T t sobrejetora e, como L(U, V ) e
L(V , U ) tm a mesma dimenso finita, esta aplicao um isomorfismo.
Proposio 4.6 Seja T : V W linear. Ento: (Im T )0 = N (T t ).
Dem. (Im T )0 < , T (v) >= 0 v V < v, T t () >= 0
v V T t () = 0 N (T t ).
Proposio 4.7 Sejam V e W espaos vetoriais de dimenso finita sobre K
e T : V W linear. Ento:
posto(T ) = posto(T t ).
Dem. Sejam n = dim V, p = dim W . Como (Im T )0 = N (T t ) temos:

posto(T t ) = dim W dim N (T t ) = dim W dim (Im T )0 =
= dim W (dim W dim Im T ) = dim Im T = posto(T ).
Proposio 4.8 Sejam V e W espaos vetoriais de dimenso finita sobre
K, E = (v1 , ..., vn ) base de V, F = (w1 , ..., wm ) base de W, E = (1 , ..., n )
e F = (1 , ..., m ) as bases duais correspondentes. Se T : V W linear
56
E
F
e T F = A = (aij ), ento T t E = B = (bij ) tal que bij = aji para todo
par (i, j).
Dem. Temos:
T (vj ) =
m
X
aij wi e j T = T (j ) =
i=1
Ento:
n
X
bij i .
i=1
m
m
X
X
j T (vk ) =
aik j (wi ) =
aik ji = ajk .
i=1
E:
i=1
n
n
X
X
j T (vk ) =
bij (vk ) =
bij ik = bkj .
i=1
i=1
Portanto:
ajk = bkj
(j = 1, ..., m; k = 1, ..., n).
Definio 4.4 Seja A = (aij ) m n sobre K. A matriz B = (bij ) n m

sobre K, tal que bij = aji para todo par (i, j), chama-se a transposta de A,
anotada B = At .
t F
E t
A proposio 4.8 nos diz que T E = T F .
Corolrio 4.8.1 (a) Se A, B Mmn (K) e c K, ento:
(A + B)t = At + B t
(cA)t = c At
(b) Se A Mmn (K) e B Mnp (K), ento:
(AB)t = B t At
(c) Se A Mn (K) invertvel, ento:
(A1 )t = (At )1
(d) Se A Mmn (K), ento:
posto(A) = posto(At ),
ou seja, o nmero de vetores-coluna de A linearmente independentes coincide
com o nmero de vetores-linha de A linearmente independentes.
Dem. Imediata.
4.4
57
1. Em V = R4 consideremos o subespao W gerado por

(1, 1, 1, 1); (1, 1, 2, 2); (1, 5, 4, 8) e (3, 1, 5, 3).
(a) Ache a dimenso de W e a dimenso de W 0 .
(b) Mostre que a imagem de v = (x, y, z, t) V por f W 0 pode se
escrever f (v) = 4ax + 4by (3a + b)z (a + 3b)t.
(c) Ache uma base (f1 , f2 ) de W 0 , e escreva f1 e f2 na base dual da
base cannica de V.
2. Seja V um espao vetorial de dimenso finita sobre K. Prove que
f1 , ..., fp V so LI se, e s se, dados 1 , ..., p K quaisquer, existe
v V tal que fi (v) = i , 1 i p.
3. Sejam E = (e1 , ..., en ) base do espao vetorial V sobre K, E = (e1 , ..., en )
a base dual de E e : V V o isomorfismo definido por (ei ) =
ei , 1 i n. Ache todos os automorfismos u : V V tais que
< x, (y) >=< u(x), ( u)(y) > para x, y V quaisquer.
Captulo 5
Determinantes
Obs. Neste captulo, por motivos tcnicos, vamos supor que a caracterstica
do corpo K diferente de 2; por exemplo podemos tomar K = R ou K = C.
5.1
Aplicaes r-lineares alternadas
Definio 5.1 Sejam V e W espaos vetoriais sobre K. Uma aplicao f :

r V W r-linear se:
V ...
(a) f (v1 , ..., vi + ui , ..., vr ) = f (v1 , ..., vi , ..., vr ) + f (v1 , ..., ui , ..., ur )
(b) f (v1 , ..., avi , ..., vr ) = a f (v1 , ..., vi , ..., vr )
quaisquer que sejam v1 , ..., vi , ui , ..., vr V, a K e 1 i r.
O conjunto de todas as aplicaes r-lineares de V em W, representado por
Lr (V, W ), munido das leis naturais de adio e multiplicao por escalar,
um espao vetorial sobre K. Por conveno, L0 (V, W ) = W e L1 (V, W ) =
L(V, W ).
Definio 5.2 f Lr (V, W ) alternada se f (v1 , ..., vr ) = 0 toda vez que
dois dos vetores vi so iguais.
As aplicaes r-lineares alternadas formam o subespao Ar (V, W ) de Lr (V, W ).
Convencionamos que A0 (V, W ) = W e A1 (V, W ) = L(V, W ).
Definio 5.3 f Lr (V, W ) antissimtrica se f (v1 , ..., vi , ..., vj , ..., vr ) =
f (v1 , ..., vj , ..., vi , ...vr ), 1 i, j r, i 6= j.
No caso em que W=K, os elementos de L(V, W ) so chamados de formas
r-lineares. Em particular, L1 (V, W ) = V o dual de V. Os elementos de
Ar (V, K), isto , as formas r-lineares alternadas, so tambm chamados de
r-covetores.
Proposio 5.1 f Lr (V, W ) alternada se, e s se, f antissimtrica.
58
CAPTULO 5. DETERMINANTES
59
Dem. Se f Lr (V, W ) alternada, ento

0 = f (v1 , ..., v + u, ...., v + u, ..., vr ) =
= f (v1 , ..., v, ..., v, ..., vr ) + f (v1 , ..., u, ..., u, ..., vr )+
+f (v1 , ..., v, ..., u, ..., vr ) + f (v1 , ..., u, ..., v, ..., vr ) =
= f (v1 , ..., v, ..., u, ..., vr ) + f (v1 , ..., u, ..., v, ..., vr ),
donde resulta que f antissimtrica.
Reciprocamente, se f antissimtrica ento
f (v1 , ..., v, ..., v, ..., vr ) = f (v1 , ..., v, ..., v, ..., vr )
donde
2f (v1 , ..., v, ..., v, ..., vr ) = 0 e, como 2 6= 0 em K, resulta f (v1 , ..., v, ..., v, ..., vr ) =
0, isto , f alternada.
Definio 5.4 Uma permutao de um conjunto X toda bijeo de X sobre
si mesmo.
O conjunto das permutaes de X, munido das leis de composio de aplicaes, um grupo chamado grupo simtrico de X ou grupo de permutaes
de X, anotado SX . Se X = {1, 2, ..., n} = In , representamos SX por Sn ; Sn
tem n! elementos.
Definio 5.5 Uma transposio de Sn uma permutao tal que existem
inteiros i 6= j, i i, j n, para os quais (i) = j, (j) = i e (k) = k para
k 6= i, k 6= j, ou seja, troca i e j mantendo os demais elementos fixos.
claro que 2 = id e 1 = .
Proposio 5.2 Toda permutao Sn pode ser expressa como um produto de transposies.
Dem. (por induo) Se n = 1, no h nada a provar. Suponhamos n > 1 e
admitamos o teorema verdadeiro para (n 1). Se Sn e (n) = n, ento
a restrio 0 = |In1 pertence a Sn1 . Pela hiptese de induo, existem
transposies 10 , ..., k0 Sn1 tais que 0 = 10 ...k0 . Para cada i, i i k,
seja i Sn a transposio tal que i |In1 = i0 e i (n) = n. Ento, claro
que = 1 ...k . Se Sn e (n) = k 6= n, seja Sn a transposio tal
que (k) = n, (n) = k. Ento, = 1 ...k , isto , = 1 ...k .
60
Proposio 5.3 A cada permutao Sn possvel associar um sinal, 1

ou -1, anotado (), tal que:
(1) se uma transposio, ento ( ) = 1
(2) se , Sn , ento () = () ().
Dem. Seja Sn e consideremos os nmeros
Y
n =
(j i) = (2 1) (3 1)(3 2) ... (n 1)(n 2)...2 1
1i<jn
e (n ) =
(j) (i) .
1i<jn
Como bijetora, cada fator de n , a menos do sinal, aparece em (n )

uma e uma s vez, e vemos que (n ) = n . Se Sn uma transposio,
claro que ( )(n ) = (n ).
Logo, se = 1 ...k um produto de transposies, temos (n ) = (1)k n ,
(n )
donde (1)k =
, o que mostra que a paridade do inteiro k s depende
n
de e no da sua expresso como produto de transposies. Definimos o
sinal de por () = (1)k . Logo: (n ) = ()n . Para uma transposio
, (n ) = n , donde ( ) = 1, o que prova (1).
Se Sn , temos ()(n ) = (1 ...k )(n ) = (1)k (n ) = ()(n ) =
()()n .
Por outro lado, ()(n ) = () n . Resulta: () = () (), o que
prova (2).
Corolrio 5.3.1 Se Sn se exprime como produto de transposies de
duas maneiras distintas, = 1 ...k = 10 ...s0 , ento k e s tm a mesma
paridade (pois () = (1)k = (1)s ).
Definio 5.6 Seja Sn . Se () = 1 dizemos que uma permutao
par; se () = 1 dizemos que uma permutao mpar.
Se uma permutao par se escreve como produto de transposies, =
1 ...k , claro que k um nmero par, e reciprocamente.
Proposio 5.4 Sejam V e W espaos vetoriais sobre K e f Lr (V, W ). f
antissimtrica se, e s se,
f (v(1) , ..., v(r) ) = ()f (v1 , ..., vr )
quaisquer que sejam v1 , ..., vr V e Sr .
61
Dem. Por definio, f Lr (V, W ) antissimtrica se, e s se,

f (v (1) , ..., v (r) ) = ( )f (v1 , ..., vr )
qualquer que seja a transposio Sr .
Se Sr , podemos escrever como um produto de transposies: =
1 ...k . Ento, f antissimtrica se, e s se,
f (v(1) , ..., v(r) ) = f (v1 ...k (1) , ..., v1 ...k (r) ) =
= (k )f (v1 ...k1 (1) , ..., v1 ...k1 (r) ) = ... =
= (k )...(1 )f (v1 , ..., vr ) = ()f (v1 , ..., vr ).
Proposio 5.5 Sejam V um espao vetorial sobre K e f Ar (V, K). Se
v1 , ..., vr V so linearmente dependentes (LD), ento f (v1 , ..., vr ) = 0.
Dem. Existem escalares a1 , ..., ar , no todos nulos, tais que a1 v1 +...+ar vr =
0. Se, por exemplo, ai 6= 0, temos:
0 = f (v1 , ..., vi1 , 0, vi+1 , ..., vr ) =
= f (v1 , ..., vi1 ,
r
X
ak vk , vi+1 , ..., vr ) =
k=1
= ai f (v1 , ..., vi1 , vi , vi+1 , ..., vr ),

donde f (v1 , ..., vr ) = 0.
Proposio 5.6 Se dimK V = n ento dimK An (V, K) = 1.
Dem. Para maior clareza, comecemos com o caso n = 2. Sejam (e1 , e2 ) base
de V, v1 = a11 e1 + a21 e2 , v2 = a12 e1 + a22 e2 . Se f A2 (V, K), ento:
f (v1 , v2 ) = f (a11 e1 + a21 e2 , a12 e1 + a22 e2 ) =
= a11 a12 f (e1 , e1 ) + a11 a22 f (e1 , e2 ) + a21 a12 f (e2 , e1 ) + a21 a22 f (e2 , e2 ) =
= (a11 a22 a12 a21 )f (e1 , e2 ).
Se D : V V K definida por D(v1 , v2 ) = a11 a22 a12 a21 , fcil ver
que D A2 (V, K). Alm disso, D(e1 , e2 ) = 1. O clculo acima nos mostra
que f = aD (a = f (e1 , e2 )), ou seja, que D uma base de A2 (V, K).
62
Consideremos agora o caso geral. Seja (e1 , ..., en ) uma base de V. Se

n
X
vj =
aij ei e f An (V, K), temos:
i=1
f (v1 , ..., vn ) = f
n
X
ai1 1 ei1 , ...,
i1 =1
n
X
n
X
!
ain n ein
in =1
ai1 1 ...ain n f (ei1 , ..., ein ).
i1 ,...,in =1
Como f alternada temos que f (ei1 , ..., ein ) = 0 sempre que ij = ik

com j 6= k, de forma que teremos na soma acima apenas as parcelas onde
{i1 , ..., in } for uma permutao de {1, ..., n}. Assim,
X
f (v1 , ..., vn ) =
a(1)1 ...a(n)n f (e(1) , ..., e(n) ) =
Sn
= f (e1 , ..., en )
()a(1)1 ...a(n)n ,
Sn
soma de n! parcelas, cada uma correspondente a uma permutao

de Sn .
X
n
Seja D : V ...V K definida por D(v1 , ..., vn ) =
()a(1)1 ...a(n)n .
Sn
Ento:
X
(a) D n-linear: D(v1 , ..., vi0 +cvi00 , ..., vn ) =
()a(1) 1 ...(a0(i)i +ca00(i)i )...a(n)n =
Sn
= D(v1 , ..., vi0 , ..., vn ) + cD(v1 , ..., vi00 , ..., vn ).

(b) D antissimtrica: se i < j e vi = vj , temos:
X
D(v1 , ..., vi , ..., vj , ..., vn ) =
()a(1)1 ...a(i)i ...a(j)j ...a(n)n .
Sn
Seja a transposio de Sn tal que (i) = j, (j) = i e seja = . Ento,

() = () e
X
D(v1 , ..., vi , ..., vj , ..., vn ) =
()a (1)1 ...a (j)i ...a (i)j ...a (n)n =
Sn
()a(1)1 ...a(j)i ...a(i)j ...a(n)n =
Sn
= D(v1 , ..., vj , ..., vi , ..., vn ).

(c) D(e1 , ..., en ) = 1.
Como ej =
n
X
63
ij ei , temos:
i=1
D(e1 , ..., en ) =
()(1)1 ...(n)n = (id)11 ...nn = 1.
Sn
Logo, se f An (V, K) temos:

f (v1 , ..., vn ) = f (e1 , ..., en )D(v1 , ..., vn ), ou seja, f = aD, onde a = f (e1 , ..., en ).
Portanto, D gera o espao vetorial An (V, K) e dim An (V, K) = 1.
Obs. Dado a K, f = aD a nica forma n-linear alternada em V tal que
f (e1 , ..., en ) = a.
Corolrio 5.6.1 Sejam V um espao vetorial de dimenso n sobre K e
f An (V, K), f 6= 0. Os vetores v1 , ..., vn V so LD se, e s se,
f (v1 , ..., vn ) = 0.
Dem. J vimos, na proposio 5.5, que se v1 , ..., vn so LD ento f (v1 , ..., vn ) =
0. Reciprocamente, suponhamos que v1 , ..., vn sejam LI, ou seja, uma base de
V. Seja D An (V, K) tal que D(v1 , ..., vn ) = 1. Ento:
f = f (v1 , ..., vn ) D
donde f (v1 , ..., vn ) 6= 0 (pois f 6= 0).
5.2
Determinante de um Operador Linear
Se V e W so espaos vetoriais sobre K e T : V W linear, ento T

induz uma aplicao linear T : Ar (W, K) Ar (V, K) definida por
(T f )(v1 , ..., vr ) = f (T v1 , ..., T vr ),
onde f Ar (W, K) e v1 , ..., vr V .
Se L : V W e T : U V so lineares, ento (L T ) = T L j
que (L T ) f (u1 , ..., ur ) = f (LT u1 , ..., LT ur ) = L f (T u1 , ..., T ur ) =
= T (L f )(u1 , ..., ur ) quaisquer que sejam u1 , ..., ur U e f Ar (W, K).
Definio 5.7 Sejam V um espao vetorial de dimenso n sobre K e T :
V V linear. Como dim An (V, K) = 1, existe um nico escalar a tal
que T (f ) = af para todo f An (V, K). Dizemos que este escalar a o
determinante do operador T, e escrevemos a = det T . Assim, det T o
escalar tal que
f (T v1 , ..., T vn ) = det T f (v1 , ..., vn )
quaisquer que sejam v1 , ..., vn V e f An (V, K).
64
Proposio 5.7 Seja V um espao vetorial de dimenso n sobre K.

(1) Se I : V V a identidade, ento det I = 1.
(2) Se L, T L(V ), ento det(L T ) = det L det T .
(3) T L(V ) invertvel det T 6= 0.
Dem. Para todo f An (V, K) e v1 , ..., vn V arbitrrios, temos:

(1) f (Iv1 , ..., Ivn ) = det I f (v1 , ..., vn ), donde det I = 1.
(2) det(L T ) f = (L T ) f = T (L f ) = det T (L f ) = det T det L f ,
donde det(L T ) = det L det T .
(3) Se T invertvel ento det T det T 1 = det I = 1, donde det T 6= 0.
Reciprocamente, seja det T 6= 0. Se (v1 , ..., vn ) base de V, tomemos f
An (V, K) tal que f (v1 , ..., vn ) 6= 0. Ento,
f (T v1 , ..., T vn ) = det T f (v1 , ..., vn ) 6= 0.
Pelo corolrio da proposio 5.6, (T v1 , ..., T vn ) base de V e, portanto, T
invertvel.
Definio 5.8 Seja A = (aij ) uma matriz em K, quadrada de ordem n. Se
TA : K n K n o operador linear associado a A, definimos o determinante
de A, det A, como sendo det TA .
Sejam E = (e1 , ..., en ) a base cannica de K n e D a nica forma n-linear
alternada tal que D(e1 , ..., en ) = 1. Ento:
det A = D(TA (e1 ), ..., TA (en )) = D(A1 , ..., An ),
onde A1 , ..., An so os vetores-coluna de A.
n
X
Vimos, na proposio 5.6, que D(A1 , ..., An ) = D

ai1 ei , ...,
i=1
X
=
()a(1)1 ...a(n)n , que a definio clssica de det A.
n
X
!
ain ei
i=1
Sn
Definio 5.9 Sejam V um espao vetorial sobre K e E = (e1 , ..., en ) uma

base de V. Dada uma sequncia de n vetores, (v1 , ..., vn ), chama-se determinante
desses vetores em relao base E, o escalar detE (v1 , ..., vn ) = D(v1 , ..., vn ).
n
X
aij ei , 1 j n, ento a matriz A = (aij ) nn e detE (v1 , ..., vn ) =
Se vj =
det A.
i=1
a11 ... a1n
.. . .
.
.
usual a notao det A = .
. . para o determinante da matriz
an1 ... ann

A = (aij ).
65
a11 a12
= a11 a22 a12 a21 pois a permutao {1, 2}
Exemplo 5.2.1
a21 a22
(1, 2) par e {1, 2} (2, 1) mpar.
Exemplo 5.2.2 Dentre as 3! = 6 permutaes de {1, 2, 3} temos 3 que so
{1, 2, 3} (1, 2, 3)
{1, 2, 3} (1, 3, 2)
pares, a saber: {1, 2, 3} (2, 3, 1) e 3 que so mpares: {1, 2, 3} (3, 2, 1) .
{1, 2, 3} (3, 1, 2)
{1, 2, 3} (2, 1, 3)
a11 a12 a13
Portanto: a21 a22 a23 = a11 a22 a33 + a21 a32 a13 + a31 a12 a23 a11 a32 a23
a31 a32 a33
a31 a22 a13 a21 a12 a33 , e temos a seguinte regra prtica (regra de Sarrus):
a11
a12
a13
a21
a22
a23
a31
a32
a33
+
a11
a12
a13
+
a21
a22
a23
Repetimos as duas primeiras linhas do determinante; os produtos paralelos diagonal principal so precedidos do sinal + e aqueles paralelos
diagonal secundria so precedidos do sinal .
Obs. Para os determinantes de ordem superior a 3 no temos regras prticas
de clculo; eles sero calculados pelo processo da seo 5.3 a seguir.
Proposio 5.8 Seja A uma matriz de ordem n. Ento: det A = det At .
Dem. Se A = (aij ) ento At = (a0ij ) com a0ij = aji . Temos:
X
X
det At =
()a0(1)1 ...a0(n)n =
()a1(1) ...an(n) .
Sn
Sn
66
Mas, a1(1) ...an(n) = a1 (1)1 ...a1 (n)n e ( 1 ) = (). Portanto,

X
det At =
( 1 )a1 (1)1 ...a1 (n)n = det A
1 Sn
pois se percorre Sn , 1 tambm percorre Sn .

Obs. 1 A proposio 5.8 mostra que det A tambm o determinante dos
vetores-linha de A.
Obs. 2 Como a aplicao (v1 , ..., vn ) 7 det(v1 , ..., vn ) n-linear alternada,
temos um certo nmero de propriedades que, para comodidade do leitor, so
listadas abaixo:
(1) det(v1 , ..., vi0 +cvi00 , ..., vn ) = det(v1 , ..., vi0 , ..., vn )+cdet(v1 , ..., vi00 , ..., vn ), c
K.
(2) Toda permutao Sn sobre as colunas (ou linhas) da matriz A
Mn (K) transforma det A em ()det A. Em particular, toda transposio
sobre as colunas (ou linhas) de A transforma det A em det A.
(3) Se uma coluna (ou linha) de A nula, ento det A = 0.
(4) Se duas colunas (ou duas linhas) de A so proporcionais, ento det A = 0.
n
X
(5) det(v1 , ..., vi1 ,
ak vk , vi+1 , ..., vn ) = ai det(v1 , ..., vi , ..., vn ).
k=1
(6) det(v1 , ..., vn ) = 0 v1 , ..., vn so LD.

(7) det In = 1.
(8) det (AB) = det A det B.
(9) det At = det A.
(10) A invertvel det A 6= 0.
5.3
Desenvolvimento em relao aos elementos

de uma coluna (ou de uma linha)
Definio 5.10 Seja A = (aij ) uma matriz n n. Seja Aij a matriz obtida
de A pela supresso da linha i e da coluna j. Aij uma matriz de ordem
(n 1), e det Aij chama-se o menor associado ao elemento aij . O escalar
Cij = (1)i+j det Aij chama-se o cofator de aij .
Proposio 5.9 O determinante de uma matriz quadrada igual soma
dos produtos dos elementos de uma coluna qualquer pelos seus respectivos
cofatores.
Dem. Seja A = (aij ) n n e sejam A1 , ..., An seus vetores-coluna. A
67
funo X 7 det(A1 , ..., X, ..., An ) onde X substitui Aj , uma forma linear

j : K n K. Logo,
det A = j (Aj ) = j (a1j e1 + ... + anj en ) =
n
X
aij ij ,
i=1
onde (e1 , ..., en ) a base cannica de K n e ij = j (ei ). Os escalares ij no

dependem de Aj , isto , de a1j , ..., anj .
a11 ...
0
... a1n
.
..
. ..
. ...
..
.
.
.
1
... ain linha i
Temos: ij = j (ei ) = ai1 ...
.
..
..
..
.. . . .
.
.
.
a
0
... ann
n1 ...
coluna j
e ij = det .
ai1 ... 1 ... ain

1 ai1 ... ain
a11 ... 0 ... a1n

0 a11 ... a1n
i1
j1
Portanto: ij = (1)i1 .. . . .. . .
.. = (1) (1) .. .. . .
.. =
.
. .
. .
. .
. .
an1 ... 0 ... ann

0 an1 ... ann
= (1)i+j det B, onde a matriz B = (bij ) foi obtida de trocando-se sucessivamente a linha i com as (i-1) linhas que a precedem em e, a seguir, a
coluna j sucessivamente com as (j-1) colunas que a antecedem. Observemos
que o menor det B11 , de b11 = 1 em B coincide
X com o menor det Aij de aij
em A. Alm disso, sabemos que det B =
()b(1)1 ...b(n)n .
Sn
Se (1) 6= 1, o termo correspondente nulo, pois, neste caso, b(1)1 = 0, e

det B reduz-se soma
X
()b(2)2 ...b(n)n .
det B =
Sn
(1) = 1
Se 0 a permutao de {2, .., n} tal que 0 (i) = (i) para 2 i
n, os conjuntos ordenados {1, (2), ..., (n)} e { 0 (2), ..., 0 (n)} apresentam
oX
mesmo nmero de inverses, donde () = ( 0 ) e, ento, det B =
( 0 )b0 (2)2 ...b0 (n)n = det B11 .
0 Sn1
68
Logo,
ij = (1)i+j det B = (1)i+j det B11 = (1)i+j det Aij = Cij
e, portanto,
det A =
n
X
aij Cij .
i=1
Definio 5.11 Dizemos que uma matriz A = (aij ) n n triangular

superior se aij = 0 sempre que i > j. Analogamente se define uma matriz
triangular inferior.
Corolrio 5.9.1 O determinante de uma matriz triangular igual ao produto de seus elementos diagonais.
Dem. De fato,
a11 a12 ...

a1(n1)
a1n
0 a22 ...
a22 ... a2(n1) a2n

a
a
2n
2(n1)
0 ... a3(n1) a3n

0 ...
det A = ..
= a11 .. . .
.. . .
..
..
.
.
.
.
.
.
.
0
0 ...
0 ... a(n1)(n1) a(n1)n
0
ann
0 ...
0
ann
e, por induo:
det A = a11 a22 ...ann .
a11 a12 a13
a22 a23
a21 a23
a21 a22
Exemplo 5.3.1 a21 a22 a23 = a11

a12 a31 a33 +a13 a31 a32 =
a
a
32
33
a31 a32 a33
= a11 a22 a33 a11 a23 a32 a12 a21 a33 + a12 a23 a31 + a13 a21 a32 a13 a22 a31 , como
antes.
1
1 + x
1
...
1
1
1
...
1
1
1
1
1
1 + x ...
1
1 1 1 + x ...
..
..
.. +
..
..
.. = ..
..
..
Exemplo 5.3.2 Dn = ...
.
.
.
.
.
.
.
.
.

1
1
... 1 + x
1
1
... 1 + x
1 1
1
1
...
1
1 + x
1
...
1
1 + x 1
x
1
...
1 1 1 ... 1 1
0 1 + x ...
1 0 x ... 0 0
+ ..
..
.. = .. .. . . .. .. + xDn1 .
..
.
. . .
.
.
. . .
0
0 0 ... 0 x
1
... 1 + x
69
Logo:
Dn = xn1 + xDn1
Donde:
xDn1 = x2 Dn2 + xn1
x2 Dn2 = x3 Dn3 + xn1
..
.
xn2 D2 = xn1 D1 + xn1
xn1 D1 = xn1 (1 + x) = xn1 + xn .
Somando estas n igualdades, obtemos:
Dn = xn + nxn1 .
Seja A = (aij ) n n. Vimos que A invertvel se existe B n n
tal que AB = BA = In (Notao: B = A1 ) e que basta ser BA = In (ou
AB = In ) para que seja B = A1 .
Proposio 5.10 Sejam A = (aij ) n n e Cij o cofator de aij em A.
Ento:
(
n
X
det A se j = k
aij Cik = jk det A =
.
0
se j 6= k
i=1
Dem. Basta considerar o caso j 6= k, por exemplo, j < k. Seja B =

(B1 , ..., Bn ) a matriz tal que Bi = Ai , i 6= k, e Bk = Aj , ou seja,
" a
11 ...
... ...
B=
an1 ...
a1j
...
a1j
... a1n #
...
...
...
... ...
anj
...
anj
... ann
coluna j
coluna k
claro que det B = 0. Desenvolvendo det B pelos elementos da coluna

k, temos:
det B = a1j C1k + a2j C2k + ... + anj Cnk ,
isto , det B = 0 =
n
X
aij Cik , j 6= k.
i=1
Proposio 5.11 Seja A = (aij ) n n e B = (Cij0 ) a transposta da

matriz dos cofatores dos elementos de A, isto , Cij0 = Cji = cofator de aji
em A. Ento:
BA = (det A) In .
70
Dem. Se BA = (dij ), temos:

n
n
X
X
0
aij Cik = jk det A.
dkj =
Cki aij =
i=1
i=1
Logo:
BA = det A In .
Corolrio 5.11.1 Se A = (aij ) nn invertvel, ento A1 =
onde B = (Cij0 ) e Cij0 = Cji = cofator de aji em A.
A matriz B a adjunta (clssica) de A, B = adj A. Ento:
1
B,
det A
adj A
.
det A
Proposio 5.12 Seja A m n de posto r. Existe submatriz r r de
A com determinante 6= 0, e toda submatriz k k de A, com k > r, tem
determinante igual a zero.
A1 =
Dem. A tem posto r se, e s se, existem r, e no mais que r, linhas de A

que so LI. Podemos supor que sejam as
r primeiras
(j que a troca de linhas
L1
..
no altera o posto), L1 , ..., Lr . Seja B = . r n cujo posto r, donde
Lr
existem r, e no mais que r, colunas de B que so LI. Sejam Bj1 , ..., Bjr essas
colunas e C = [Bj1 , ..., Bjr ] r r; C tem posto r, donde det C 6= 0 e a
maior submatriz quadrada
deA com essa propriedade.
1 1 t
Exerccio Seja A = 1 t 1. Estude o posto de A conforme os valores
t 1 1
de t R.
Exerccios
1. Sejam a1 , ..., an nmeros dados. Prove que
1
1
...
1
a1
a
...
a
2
n
Y
2
2
a2
a2
... an =
(ai aj ).
1
..
..
.. i>j
.
.
.
.
.
.
n1 n1
n1
a1
a2
... an
71
o determinante de Vandermonde.
2. Seja A = (aij ) n n, tal que aij = 0 se i + j n. Calcule det A. Por
0 0 a
exemplo, 0 b c = abd.
d e f
a b c
2a
2a
bca
2b = (a + b + c)3 .
3. Prove: 2b
2c
2c
c a b

x y x0 y 0
, prove que
4. Calculando
y x y 0 x0
(x2 + y 2 )(x02 + y 02 ) = (xx0 + yy 0 )2 + (xy 0 yx0 )2 .
5. Se a, b, c R, prove que
1 sen a cos a
1 sen b cos b = sen(b c) + sen(c a) + sen(a b).
1 sen c cos c
B C
6. Seja A =
, onde B r r, C r (n r) e D (n r) (n r).
0 D
Prove que det A = det B det D.
5.4
Matrizes Elementares
Definio 5.12 Sejam A e B matrizes m n sobre o corpo K. Dizemos que

A linha-equivalente a B se B pode ser obtida de A por intermdio de um
nmero finito das seguintes operaes, chamadas operaes elementares sobre
as linhas:
(a) Tij trocar de posio as linhas i e j (i 6= j)
(b) Ti (k) multiplicar a linha i por k K, k 6= 0
(c) Tij () somar linha i a linha j multiplicada por K.
Definio 5.13 Uma matriz obtida da identidade por meio de uma nica
operao elementar, chama-se uma matriz elementar.
1 0 0
0 1
Exemplo 5.4.1 As matrizes
e 0 1 0 so elementares.
1 0
2 0 1
72
Proposio 5.13 Sejam e uma operao elementar e E = e(Im ) a matriz

elementar m m correspondente. Para toda matriz A = (aij ) m n, temse: e(A) = E A.
L1

Dem. Seja Li = (ai1 ...ain ) a i-sima linha de A. Ento: A = ... . Se
Lm
L1 B
..
B Mnp (K), fcil ver que AB = . . Se e1 = (1, 0, ..., 0), ..., em =
Lm B

e1
..
(0, ..., 0, 1) so 1 m, claro que e1 A = Li e Im = . .
e

m
e1
L1
..
..
.
.

ej
Lj
.
.
(1) e = Tij . Ento: E = e(Im ) = .. , e(A) =

.. .
e
L
i
i
.
.
.
.
..
em
Lm
Logo:

e1 A
L1
.. ..
. .

ej A Lj
. .

EA =
.. = .. = e(A).
e A L
i i
. .
.. ..
em A
Lm

L1
e1
..
..
.
.

(2) e = Ti (k). Ento: E = e(Im ) = kei , e(A) = kLi .
.
k6=0
..
...
Lm
em
Logo:

e1 A
L1
.. ..
. .

EA = kei A = kLi = e(A).
. .
.. ..
em A
Lm
73
e1
..
.
L1
..
.
Li + Lj
ei + ej
..
..
.
, e(A) =
(3) e = Tij (). Ento: E = e(Im ) =
.
.
i<j
j
j
.
.
.
.
.
.
Lm
em
Logo:
e1 A
L1
..
..
.
.
(ei + ej )A
Li + Lj
..
..
=
= e(A), e a proposio est demonEA =
.
.
ej A
Lj
..
..
.
.
em A
Lm
strada em todos os casos.
Proposio 5.14 Duas matrizes A e B, mn sobre K, so linha-equivalentes
se, e s se, existem matrizes elementares mm, E1 , ..., Er , tais que Er ...E1 A =
B.
Dem. A linha-equivalente a B se, e s se, existem operaes elementares

e1 , ..., er tais que er (...(e2 (e1 (A)))...) = B. Pondo Ei = ei (Im ), vem: Er ...E1 A =
B.
Obs. 1 As operaes elementares so bijetoras. De fato, Tij1 = Tij , Ti (k)1 =

1
Ti
e Tij ()1 = Tij ().
k
Obs. 2 A inversa de uma matriz elementar tambm elementar e se
E = e(In ) e E 0 = e1 (In ), ento E E 0 = e(e1 (In )) = In , donde E 0 = E 1 .
Proposio 5.15 Seja A Mn (K). As seguintes afirmaes so equivalentes:
(a) A invertvel
74
(b) A linha-equivalente a In
(c) A um produto de matrizes elementares
Dem.
(a) (b): Como A invertvel temos det A 6= 0, donde existe algum
ai1 6= 0. Usando, se necessrio,
a operao T1i , podemos supor a11 6= 0.
1
muda A na matriz B linha-equivalente a A:
Neste caso, a operao T1
a11
1 b12 ... b1n

a21 a22 ... a2n
B=
... ... ... ... ,
an1 an2 ... ann
a1i
(i = 2, 3, ..., n).
a11
Aplicando a B, sucessivamente, as operaes T21 (a21 ), ..., Tn1 (an1 ), chegamos matriz C linha-equivalente a A:
1 c12 ... c1n

0 c22 ... c2n
C = .. .. . .
. .
. .
. ..
0 cn2 ... cnn
onde b1i =
Como C = P A, onde P um produto de matrizes elementares

e, portanto,
c22 ... c2n

6= 0 e
invertvel, resulta que C invertvel. Logo, det C =
cn2 ... cnn
podemos,
como acima, supor c22 6= 0. Usando, sucessivamente, as operaes
1
, T12 (c12 ), ..., Tn2 (cn2 ), a matriz C transforma-se em D, linhaT2
c22
equivalente a A:
1 0 d13 ... d1n

0 1 d23 ... d2n
0 0 d33 ... d3n

D=
.
.. .. .. . .
.
. . .
. ..
0 0 dn3 ... dnn
Prosseguindo desta maneira chegaremos, aps um nmero finito de operaes elementares, matriz In .
(b) (c): Se A linha-equivalente a In ento existem matrizes elementares
E1 , ..., Er tais que Er ...E1 A = In , donde A = E11 ...Er1 . Como a inversa de
uma matriz elementar tambm elementar, resulta que A um produto de
matrizes elementares.
75
(c) (a): Se A = E1 ...Er , cada Ej sendo elementar, ento A invertvel,

pois cada Ej invertvel.
Proposio 5.16 A mesma sequncia finita de operaes elementares que
muda a matriz invertvel A Mn (K) na identidade In , muda In em A1 .
Dem. Sejam e1 , ..., er operaes elementares que mudam A em In e E1 , ..., Er
as matrizes elementares correspondentes. Ento: Er ...E2 E1 A = In , donde
A1 = Er ...E1 In .
Exemplo 5.4.2 Calculemos a inversa de
1 0 1
A = 0 4 2 .
2 6 0
Escrevamos I3 ao lado de A e efetuemos as operaes elementares indicadas,
que transformam A em I3 :
1 0 1
1 0 0
1 0 1
1 0 0 T2 ( 1 )
T31 (2)
4
0 4 2
0 1 0 0 4 2
0 1 0
2 6 0
0 0 1
0 6 2
2 0 1
1
0
0
T3 (1)
0
1/4 0
2 3/2 1
1 0 1
1
0 0
T32 (6)
0 1/4 0 0 1 1/2
0 0 1
2 0 1
1 0
0
1 0 0
3 3/2 1 T23 ( 1 )
T13 (1)
2
0 1/4 0 0 1 1/2
0 1/4 0
2 3/2 1
0 0 1
2 3/2 1
1 0 0
3
3/2 1
1 1/2 1/2
0 1 0
0 0 1
2
3/2 1
1 0 1
0 1 1/2
0 6 2
1 0 1
0 1 1/2
0 0 1
Portanto:
A1
3
3/2 1
= 1 1/2 1/2
2
3/2 1
Da mesma maneira que operamos sobre as linhas de A mn podemos

operar sobre as colunas. Obtemos assim as operaes elementares sobre as
76
colunas:
(a) Tij0 trocar de posio as colunas i e j, i 6= j.
(b) Ti0 (k) multiplicar a coluna i por k 6= 0.
(c) Tij0 () somar coluna i a coluna j multiplicada por K.
Se e0 uma operao elementar sobre as colunas, ento E 0 = e0 (In )
uma matriz (coluna-) elementar de ordem n. Valem propriedades anlogas
as obtidas anteriormente, a saber:
Proposio 5.13 Se A Mmn (K), ento e0 (A) = AE 0 .
Definio A, B Mmn (K) so coluna-equivalentes se B pode ser obtida de
A por meio de um nmero finito de operaes elementares sobre as colunas.
Proposio 5.14 A, B Mmn (K) so coluna-equivalentes se, e s se,

existem matrizes elementares E10 , ..., Er0 tais que AE10 ...Er0 = B.
Obs. As operaes elementares (sobre as colunas) so bijetoras:

1
0 1
0
0
1
0
(Tij ) = Tij ; Ti (k) = Ti
k
e Tij0 ()1 = Tij0 ().
As inversas das matrizes elementares so tambm elementares:
se E 0 = e0 (In ) ento (E 0 )1 = (e0 )1 (In ).
Proposio 5.15 Seja A Mn (K). So equivalentes:

(a) A invertvel.
(b) A coluna-equivalente a In .
(c) A um produto de matrizes (coluna-)elementares.
Definio Se A, B Mmn (K), escrevemos A B quando for possvel
transformar A em B por meio de uma sequncia finita de operaes elementares (sobre as linhas e/ou colunas). claro que uma relao de
equivalncia.
Proposio 5.17 Sejam A, B Mmn (K). A B se, e s se, A e B so
equivalentes, isto , se, e s se, existem matrizes invertveis P Mm (K) e
Q Mn (K) tais que B = P AQ.
Dem. Se A B existem matrizes elementares E1 , ..., Er , E10 , ..., Es0 tais que
B = Er ...E1 A E10 ...Es0 , ou seja, B = P AQ com P e Q invertveis.
77
Reciprocamente, se B = P AQ com P e Q invertveis, P Mm (K) e

Q Mn (K), ento existem matrizes elementares tais que P = Er ...E1 e
Q = E10 ...Es0 , o que mostra que A B.
Corolrio 5.17.1 (a) A, B Mmn (K) so linha-equivalentes se, e s se,
existe P Mm (K) invertvel tal que B = P A.
(b) A, B Mmn (K) so coluna-equivalentes se, e s se, existe Q Mn (K)
invertvel tal que B = AQ.
Obs. claro que se A e B so linha-equivalentes (ou coluna-equivalentes,
ou equivalentes), ento pelo corolrio 3.8.1 da proposio 3.8, posto(A) =
posto(B), de modo que podemos usar as operaes elementares para estudar
a dependncia ou independncia linear de vetores.
Exemplo 5.4.3 Sejam os vetores de R4 : v1
e v3 = (1, 4, 0, 9). Seja
1 3
0
4
A=
1 2
2
5
= (1, 0, 1, 2), v2 = (3, 4, 2, 5)
1
4
0
9
a matriz cujas colunas so esses vetores. O posto de A a dimenso do

espao gerado por v1 , v2 , v3 . Operando sobre as linhas de A, temos:
1 3 1
1 3 1
T1 (1) 0
T31 (1) 0
T41 (2)
4
4
4
4
1 2 0
0 1
1
2 5
9
2 5
9
1 3 1
1 3 1
0 4
T2 ( 14 ) 0
T32 (1)
4
1
1

0 1
0 1
1
1
0 11 11
0 11 11
1 3 1
1 3 1
0 1
T42 (11) 0
1
1
1
= B,

0 0
0 0
0
0
0 11 11
0 0
0
donde posto(A) = posto(B) = 2, de modo que v1 , v2 , v3 so LD e geram um
espao de dimenso 2; (v1 , v2 ) uma base para este subespao de R4 .
78
Exemplo 5.4.4 Vamos estudar a independncia linear das formas lineares

sobre R4 , onde ab 6= 0:
1
f1 (x1 , x2 , x3 , x4 ) = x1 ax3 ; f2 = x2 x4 ;
a
f3 = x1 bx4 ;
1
f4 = x2 x4 .
b
As formas fj so elementos de (R4 ) ; em relao base de (R4 ) , dual

da base cannica de R4 , temos:
f1 = (1, 0, a, 0); f2 = (0, 1, 0,
1
);
a
f3 = (1, 0, 0, b); f4 = (0, 1, 0,
1
).
b
e a matriz cujas linhas so estes vetores
1
0
A=
1
0
0 a
0
1
T31 (1) 0
1 0 1/a

0
0 0
b
1 0 1/b
0
0 a
0
T42 (1)
1 0 1/a
0 a
b
1 0 1/b
0 a
0
1 0 0 b
1 0 1/a
T13 (1) 0 1 0 1/a
0 a
b
0 0 a b = B.
ba
ba
0 0
0 0 0
ab
ab
Vemos que se a 6= b 6= 0 as quatro formas so LI. Se a = b 6= 0 elas geram
um subespao de (R4 ) de dimenso 3, do qual (f1 , f2 , f3 ) uma base.
1
0
5.5
Equaes Lineares
Sejam V e W espaos vetoriais sobre K e T : V W linear. Se b W ,

a equao T (x) = b chama-se uma equao linear. A equao T (x) = 0 a
equao homognea associada. Resolver a equao T (x) = b achar todos
os x V tais que T (x) = b, ou seja, determinar o conjunto-soluo T 1 (b).
A equao impossvel se T 1 (b) = . O conjunto-soluo de T (x) = 0 o
ncleo N (T ), que um subespao de V; portanto, T (x) = 0 sempre tem a
soluo x = 0, dita trivial.
79
Proposio 5.18 Se xp V uma soluo de T (x) = b, o conjunto-soluo

xp + N (T ).
Dem. Se T (x) = T (xp ) = b, ento T (x xp ) = 0, donde x xp N (T ), ou
seja, x xp +N (T ). Reciprocamente, se x xp +N (T ), ento xxp N (T ),
donde T (x xp ) = 0 e T (x) = T (xp ) = b.
Corolrio 5.18.1 So equivalentes:
(a) a equao linear T (x) = b tem, no mximo, uma soluo;
(b) a equao homognea T (x) = 0 tem apenas a soluo trivial x = 0;
(c) T : V W injetora.
Um caso simples aquele em que T um isomorfismo; neste caso, T (x) =
b x = T 1 (b).
Proposio 5.19 Sejam V e W espaos vetoriais de mesma dimenso n
sobre K, T : V W linear, E e F bases de V e W, respectivamente,
E
T F = A Mn (K). So equivalentes:
(a) T um isomorfismo;
(b) posto(T ) = posto(A) = n;
(c) os vetores-coluna e os vetores-linha de A so LI
(d) A invertvel;
(e) det A 6= 0;
(f ) para todo b W a equao T (x) = b tem soluo nica;
(g) a equao T (x) = 0 s tem a soluo x = 0.
Dem. Imediata.
Proposio 5.20 Sejam V, W espaos vetoriais sobre K, dim V = n,
dim W = m e T : V W linear. Se m < n a equao homognea
T (x) = 0 tem soluo no-trivial.
Dem. Seja {v1 , ..., vn } uma base de V. Se m < n ento T (v1 ), ..., T (vn ) so
LD, donde existem escalares x1 , x2 , ..., xn , no todos nulos, tais que x1 T (v1 )+
... + xn T (vn ) = 0, donde T (x1 v1 + ... + xn vn ) = 0, isto , x = x1 v1 + ... + xn vn
soluo 6= 0 de T (x) = 0.
Obs. 1 A equao T (x) = 0 tem N (T ) como espao-soluo. Portanto, a
dimenso do espao-soluo de T (x) = 0 dim
).
(T ) = n posto(T
N
b1
x1
..
..
n
n
n
Obs. 2 Sejam T : K K linear, x = . K , b = . K m
bm
xn
e A = (aij ) a matriz m n associada a T. A equao T (x) = b escreve-se
80
tambm A x = b ou x1 A1 + ... + xn An = b, onde os Aj so os vetores-coluna

de A, ou ainda
a11 x1 + ... + a1n xn = b1
..
.
am1 x1 + ... + amn xn = bm
sistema de m equaes lineares a n incgnitas. A = (aij ) a matriz dos
coeficientes. A expresso x1 A1 + ... + xn An = b nos diz que Ax = b tem
soluo x se, e s se, o vetor b pertence ao espao-coluna de A, ou ainda,
se, e s se, o posto de A igual ao posto da matriz (A|b) que a matriz
completa do sistema (Teorema de Rouch-Capelli).
Definio 5.14 O sistema linear Ax = b um sistema de Cramer se A
Mn (K) invertvel.
Proposio 5.21 (Regra de Cramer) O sistema
de Cramer A x = b, onde
x1
det Bi
..
A GL(n, K), tem soluo nica x = . , onde xi =
(i = 1, ..., n),
det A
xn
onde Bi a matriz obtida de A substituindo-se o vetor-coluna Ai pelo vetor
b do segundo membro.
col.i
Dem. A equao x1 A1 +...+xn An = b nos permite escrever det(A1 , ..., b , ..., An ) =

det Bi
xi det(A1 , ..., Ai , ..., An ) = xi det A, donde xi det A = det Bi e xi =
=
det A
a11 ... b1 ... a1n
an1 ... bn ... ann
a11 ... a1i ... a1n (i = 1, ..., n).
an1 ... ani ... ann

Exemplo 5.5.1
2x1 + 3x2 = 8
7x1 9x2 = 11
2 3
= 39 6= 0, o sistema de Cramer e:
Como det A =
7 9
8
2 8
3
11 9
7 11
x1 =
= 1; x2 =
= 2.
39
39
81
Proposio 5.22 Sejam as equaes lineares Ax = a e Bx = b, onde A, B

Mmn (K) e a, b K m . Se C = (A|a) e D = (B|b) so linha-equivalentes,
ento as duas equaes lineares tm as mesmas solues.
x1
..

Dem. Pondo y = . , a equao Ax = a se escreve Cy = 0. Se C e D
xn
1
so linha-equivalentes, existe P Mm (K), invertvel, tal que P C = D. Se
Dy = 0 vem P (Cy) = 0, donde Cy = 0. Reciprocamente, se Cy = 0 ento
P (Cy) = 0, isto , Dy = 0. Logo as equaes Cy = 0 e Dy = 0 tm as
mesmas solues, ou seja, Ax = a e Bx = b tm as mesmas solues.
Exemplo 5.5.2 Seja o sistema
2x1 + x2 + x3 = 1
x1 + 3x2 2x3 = 0
4x1 3x2 + x3 = 2
A matriz completa do
2 1
C= 1 3
4 3
1 3 2
onde B = 0 1 1
0 0 6
sistema
1 1
T12 T21 (2) T31 (4) T2 (1/5) T32 (15)
2 0
B,
1 2
0
1/5 e obtemos:
1
x3 =
1
6
x2 x3 =
1
5
x1 + 3x2 2x3 = 0
13/30
e a soluo (nica) x = 1/30.
1/6
x1
x3
2x1 +x2 +3x3
Exemplo 5.5.3
x2
4x2 5x3
pleta
1
2
0
0
0 1
1 3
1 0
4 5
3x4
2x4
x4
9x)4
82
+x5
x5
3x5
12x5
3 1
2
1
2 1 11
0
...
1 3
0
0
9 12 15
0
= 2
= 11
. A matriz com=0
= 15
0
1
0
0
0
0
1
0
2 1 1
1 3 0
1
0 3
0
0 0
e obtemos o sistema
x1
x2
x3
ou:
2x4 +x5 = 1
x4 3x5 = 0
+x4
=3
x1 = 2x4 x5 + 1
x2 = x4 + 3x5
.
x3 = x4 + 3
Trata-se de um sistema indeterminado; existem infinitas solues

2x4 x5 + 1
1
2
1
x4 + 3x5 0
1
3

x=
x4 + 3 = 3 + x4 1 + x5 0 ,
0
x4
0
1
x5
0
0
1

1
2
1
( 1 3 )
0

a soluo particular e 1 , 0 base do espao3
onde xp =

0
1 0
0
0
1
soluo da equao homognea associada.
Exemplo 5.5.4
x1 + x2 x3 = 1
2x1 x2 + x3 = 2
4x1 + x2 x3 = 0
83
1 1 1 1
1 1 1 1
A matriz completa 2 1 1 2 ... 0 1 1 0 , e o
4 1 1 0
0 0 0 4
sistema impossvel j que a ltima equao 0 x1 + 0 x2 + 0 x3 = 4
impossvel.
Obs. (decomposio LU) Seja A n n uma matriz que pode ser reduzida
forma triangular apenas pelo uso da operao Tij (); por exemplo, seja
2 4 2
2 4 2
T31 (2)
T21 (1/2)
A = A(1) = 1 5 2 A(2) A(3) = 0 3 1
0 9 5
4 1 9
2 4 2
T32 (3)
0 3 1 = U.
0 0 8
1
Sejam: l21 = ; l31 = 2 opostos dos multiplicadores usados na primeira linha
2
1
0 0
e l32 = 3 o oposto do usado na segunda linha. Se L = 1/2 1 0
2 3 1
a matriz triangular inferior cujos elementos lij , para i < j, so os nmeros
acima e lii = 1, ento fcil verificar que A = LU . Os detalhes da decomposio LU podem ser encontrados na referncia [6].
Exerccios
1. Resolva:
x+y+z =1
2x + y + 3z = 1
(a)
x + 2y 4z = 3
x 2y + z + t = 1
(b) 2x + y + 2z + 2t = 0 .
6y + z = 2
2. Sejam a 6= b 6= c 6= d nmeros reais distintos. Prove que existe um

nico polinmio p(x) = 0 + 1 x + 2 x2 + 3 x3 tal que p(a) = a0 ;
p(b) = b0 ; p(c) = c0 ; p(d) = d0 , onde a0 , b0 , c0 , d0 so reais dados.
2 3 1
3. Ache a decomposio LU da matriz A = 4 1 4.
3 4 6
Captulo 6
Autovalores e Autovetores
6.1
Definies
Definio 6.1 Sejam V um espao vetorial sobre o corpo K e T : V V

linear. Dizemos que v V um autovetor de T se existe a K tal que
T (v) = av.
Se v 6= 0, o escalar a univocamente determinado pois a1 v = a2 v implica
(a1 a2 )v = 0 e, como v 6= 0, vem a1 = a2 .
Definio 6.2 Sejam V um espao vetorial sobre K e T : V V linear.
Dizemos que a K um autovalor de T se existe v V, v 6= 0, tal que
T (v) = av.
Obs. Ao invs de autovetor e autovalor, usam-se tambm os termos vetor
prprio ou vetor caracterstico e valor prprio ou valor caracterstico.
Exemplo 6.1.1 Se v V um autovetor do operador linear T : V V
e c K, ento cv tambm um autovetor de T pois T (cv) = cT (v) = cav =
a(cv), supondo T (v) = av.
Exemplo 6.1.2 Seja V = C (R, R) o espao vetorial real das funes f :
R R de classe C , isto , indefinidamente derivveis, e seja D : V V
o operador de derivao. Se f V, f (t) = eat , a R, ento Df (t) = a eat ,
ou seja, Df = af , e f um autovetor de D, com autovalor a.
Exemplo 6.1.3 Se a = 0 um autovalor de T : V V linear, existe
v 6= 0 tal que T (v) = 0, donde N (T ) 6= {0} e T no injetora.
84
CAPTULO 6. AUTOVALORES E AUTOVETORES
85
Proposio 6.1 Sejam V um espao vetorial sobre K, T : V V linear,

a K e V (a)
= {v V ; T (v) = av}. Ento V (a) um subespao de V tal
que T V (a) V (a), isto , V (a) T-invariante.
Dem. claro que 0 V (a); se v1 , v2 V (a), ento T (v1 ) = av1 , T (v2 ) =

av2 , donde T (v1 + v2 ) = T (v1 ) + T (v2 ) = av1 + av2 = a(v1 + v2 ). Se c K,
ento T (cv1 ) = cT (v1 ) = cav1 = a(cv1 ). Logo, V (a) subespao
de V. Se v
V (a) ento T (v) = av e T (T v) = T (av) = aT (v), donde T V (a) V (a).
V (a) o autoespao de T associado ao autovalor a. V (a) = {0} significa que
a no autovalor de T.
Proposio 6.2 Sejam V um espao vetorial de dimenso finita sobre K e
T : V V linear. So equivalentes:
(a) a K autovalor de T;
(b) T aI no invertvel;
(c) det(T aI) = 0.
Dem. J vimos anteriormente que (b) e (c) so equivalentes. Basta, ento,

provar que (a) e (b) so equivalentes.
(a) (b): Se a autovalor de T, existe v 6= 0 tal que T (v) = av, isto ,
(T aI)v = 0, donde T aI no invertvel.
(b) (a): Se T aI no invertvel, existe v 6= 0 tal que (T aI)v = 0,
donde T (v) = av, ou seja, a autovalor de T.
Proposio 6.3 Sejam V um espao vetorial sobre K e T : V V linear.
Se a 6= b so autovalores de T, ento V (a) V (b) = {0}.
Dem. T (v) = av = bv implica (a b)v = 0, donde v = 0 (pois a 6= b).

Proposio 6.4 Sejam V um espao vetorial sobre K e T : V V linear. Sejam v1 , ..., vm autovetores no nulos de T com autovalores a1 , ..., am ,
respectivamente. Se a1 6= a2 6= ... 6= am , ento v1 , ..., vm so linearmente
independentes.
Dem. (induo) Para m = 1, um vetor v1 6= 0 LI. Suponhamos m > 1 e

admitamos o teorema verdadeiro para (m 1) autovetores. Se tivermos uma
relao linear
b1 v1 + b2 v2 + ... + bm vm = 0,
(6.1)
86
ento b1 T (v1 ) + ... + bm T (vm ) = 0, donde:

a1 b1 v1 + a2 b2 v2 + ... + am bm vm = 0.
(6.2)
Sem perda de generalidade podemos supor a1 6= 0. Multiplicando (6.1)

por a1 e subtraindo o resultado de (6.2), obtemos: (a2 a1 )b2 v2 + ... + (am
a1 )bm vm = 0.
Como a2 a1 6= 0, ..., am a1 6= 0, concluimos, por induo, que b2 =
... = bm = 0, e (6.1) nos d b1 v1 = 0, donde b1 = 0, ou seja, v1 , ..., vm so
LI.
Corolrio 6.4.1 Se dim V = n, todo operador linear T : V V tem, no
mximo, n autovalores distintos.
Corolrio 6.4.2 Se a1 , ..., am so autovalores de T : V V linear e a1 6=
a2 6= ... 6= am , ento o subespao V (a1 ) + ... + V (am ) soma direta de
V (a1 ), ..., V (am ).
Dem. Seja vi V (ai ), i = 1, ...m. Se v1 + v2 + ... + vm = 0, vamos mostrar
que v1 = ... = vm = 0. Se p < m destes vetores fossem diferentes de 0,
por exemplo, vi1 , ..., vip , e os (m p) restantes fossem iguais a 0, teramos
vi1 +...+vip = 0, isto , vi1 , ..., vip seriam LD em contradio com a proposio
6.4. Resulta que V (a1 ) + ... + V (am ) = V (a1 ) ... V (am ).
Exemplo 6.1.4 Seja V = C (R, R). Se a1 6= ... 6= am so reais distintos,
ento ea1 t , ..., eam t so autovetores do operador de derivao D : V V
com autovalores distintos e, portanto, as funes ea1 t , ..., eam t so LI. Como
m arbitrrio, resulta que V = C (R, R) no tem dimenso finita.
Definio 6.3 Seja A Mn (K). Os autovetores e autovalores de A so
os autovetores e autovalores da aplicao linear associada TA : K n
K n , TA (x) = A x. Assim, x K n autovetor de A se existe a K
tal que A x = ax.
Proposio 6.5 Seja A Mn (K). So equivalentes:
(a) a K autovalor de A;
(b) A aIn no invertvel;
(c) det(A aIn ) = 0.
Obs. Se B = P 1 AP , onde A Mn (K) e P Mn (K) invertvel, ento A
e B tm os mesmos autovalores pois se Ax = ax, x 6= 0 e y = P 1 x, ento:
By = P 1 AP y = P 1 Ax = P 1 (ax) = ay.
87
Como y 6= 0, resulta que a autovalor de B. A recproca anloga. bom

notar, entretanto, que os autovetores de A e B, associados ao autovalor a,
so x e y = P 1 x, respectivamente.
V V linear. O polinmio caracterstico de T PT (t) = det(T tI).
Se A Mn (K), o polinmio caracterstico PA (t) o polinmio da aplicao
linear associada TA : K n K n , isto , PA (t) = det(TA tI) = det(AtIn ).
Se A = (aij ), ento:
a11 t
a12
...
ain
a21
a22 t ...
a2n
PA (t) = det(A tIn ) = ..

..
.. =
..
.
.
.
.
an1
an2
... ann t
= (1)n tn + (1)n1 (a11 + ... + ann )tn1 + ... + det A
(o termo independente PA (0) = det A).
Proposio 6.6 Matrizes semelhantes tm o mesmo polinmio caracterstico.
Dem. De fato se B = P 1 AP ento as matrizes A e B representam o
mesmo operador linear T : K n K n e, portanto, tm o mesmo polinmio
caracterstico PT (t) = det(T tI).
Uma demonstrao direta a seguinte:
det(B tIn ) = det(P 1 AP tIn ) = det(P 1 (A tIn )P ) = det(A tIn )
pois det P 1 det P = 1.
Obs. Se PT (t) = PA (t) = cn tn + cn1 tn1 + ... + c1 t + c0 , ento cn = (1)n
e c0 = det T = det A. Os coeficientes cj , j = 0, 1, ..., n, s dependem do
operador T.
Definio 6.5 (1)n1 cn1 o trao de T, e escrevemos tr T = (1)n1 cn1 .
O trao de A Mn (K) o trao de TA : K n K n , TA (x) = A x : tr A =
a11 + a22 + ... + ann .
Se A e B so semelhantes, temos tr A = tr B pois PA (t) = PB (t).
88
Proposio 6.7 Sejam V um espao vetorial de dimenso n sobre K e T :

V V linear. a K um autovalor de T se, e s se, a uma raiz do
polinmio caracterstico de T.
Dem. a K autovalor de T det(T aI) = 0 a raiz de PT (t).
1 t
1
1 1
= t2 3t, e os
Exemplo 6.1.5 Se A =
, ento PA (t) =
2
2 t
2 2
autovalores de A so a = 0 e a =3.
x1
Procuremos autovetores x =
associados a estes autovalores. Para
x2
a = 0, temos:
x1 + x2 = 0
2x1 + 2x2 = 0.
1
autovetor associado a a = 0, para todo x1 K.
1
Para a = 3, temos:
2x1 + x2 = 0
Logo, x = x1
2x1 x2 = 0.

x1
1
Logo, y =
= x1
autovetor associado a a = 3, para todo x1 K.
2x1
2
2
Os
correspondentes so as retas pela origem de K geradas
autoespaos
1
1
e
, respectivamente.
por
2
1
0 1
Exemplo 6.1.6 Se A =
ento PA (t) = t2 +1. Se A M2 (R) vemos
1 0
que A no tem autovalores. Se A M2 (C) ento i e -i so autovalores de A.
Obs. Se T : V V linear e dimK V = n, temos que PT (t) tem grau n,
de modo que T tem, no mximo, n autovalores. Quando K = C, PT (t) tem
pelo menos uma raiz, de modo que, neste caso, T sempre tem um autovetor
no nulo.
Proposio 6.8 Sejam V um espao-vetorial de dimenso n sobre K e L, T :
V V lineares. L T e T L tm os mesmos autovalores.
Dem. Se a = 0 autovalor de L T , existe u 6= 0 tal que L(T u) = 0,

donde L T no invertvel; logo, det(L T ) = det L det T = 0, donde
89
det(T L) = 0 e T L no invertvel, donde existe v 6= 0 tal que T (Lv) = 0,

isto , a = 0 autovalor de T L.
Se a 6= 0 autovalor de L T , existe u 6= 0 tal que L(T u) = au. Seja
v = T (u); ento: T (Lv) = T (au) = av. Se fosse v = T (u) = 0 ento
teramos LT u = 0, donde au = 0, donde u = 0, contradio. Portanto,
T Lv = av com v 6= 0, donde a autovalor de T L. Analogamente se prova
que todo autovalor de T L tambm autovalor de L T .
Proposio 6.9 Sejam V um espao vetorial de dimenso n sobre K e T :
V V linear. Se o polinmio caracterstico PT (t) admite em K uma raiz
a de multiplicidade m, ento 1 dim V (a) m.
Dem. Seja E = (u1 , ..., ur , v1 , .., vs ) base de V tal que (u1 , ..., ur ) seja base de
V (a). Temos:
T (u1 ) = au1
T (u2 ) =
..
.
au2
T (ur ) =
aur
T (v1 ) = a11 u1 +...+ ar1 ur + b11 v1 + ... + bs1 vs
T (vs ) = a1s u1 +...+ ars ur + b1s v1 + ... + bss vs
Logo:
h iE
T =
E
aIr
onde A = (aij ) r s e B = (bij ) s s.

Ento:
a t
0
0
at
.
..
.
.
.
0
PT (t) = 0
0
0
.
..
..
.
0
0
90
... a t
ar1
...
ars = (at)r det(B tIs ).
...
0
b11 t ...
b1s
..
..
..
..
...
.
.
.
.
...
0
bs1
... bss t
...
...
..
.
0
0
..
.
a11
a21
..
.
...
...
...
a1s
a2s
..
.
Como a raiz de multiplicidade m, temos r m, donde 1 dim V (a) m.
6.2
Diagonalizao

V V linear. Dizemos que T diagonalizvel se existe base de V formada por autovetores de T, ou seja, se, e s se, T tem n autovetores linearmente
independentes.
Em relao a essa base, a matriz de T da forma
1 0 ... 0
0 2 ... 0
..
.. . .
.. , j K, ou seja, todos os elementos fora da diagonal
.
.
.
.
0 0 ... n
principal so iguais a zero. Uma tal matriz dita diagonal; os elementos da
diagonal principal so os autovalores de T.
Definio 6.7 Seja A = (aij ) n n. A diagonalizvel se existe matriz
invertvel P n n tal que P 1 AP = D, onde D diagonal, isto , se A
semelhante a uma matriz diagonal.
Proposio 6.10 Sejam V um espao vetorial de dimenso finita sobre K
e T : V V linear. T diagonalizvel se, e s se, existe base E de V tal
E
que T E = D seja diagonal.
Dem. Se T diagonalizvel existe base E = (v1 , ..., vn ) de V formada por
autovetores de T: T (vi ) = i vi (1 i n). Logo:
1 0 ... 0
E
0 2 ... 0
T E = ..
.. . .
. .
.
. ..
.
0 0 ... n
91
E
Reciprocamente, seja E = (v1 , ..., vn ) base de V tal que T E = D =
1 0 ... 0
0 2 ... 0
..
.. . .
.. . Ento: T (vi ) = i vi , 1 i n, e E formada por
.
. .
.
0 0 ... n
autovetores de T; portanto, T diagonalizvel.
F
Obs. Seja F base de V e seja A = T F . T diagonalizvel se, e s se,
E
existe base E de V tal que T E = D seja diagonal. Mas,
E F F E
D = T E = Id E T F Id F = P 1 AP,
F
E
ou seja, T diagonalizvel se, e s se, A = T F diagonalizvel; P = Id F
a matriz de passagem da base E para a base F e as colunas de P so os
autovetores de A.
Proposio 6.11 Sejam V um espao vetorial de dimenso n sobre K e
T : V V linear. T diagonalizvel se, e s se:
(a) o polinmio caracterstico PT de T tem suas n razes em K;
(b) para cada raiz i de PT , de ordem de multiplicidade mi , tem-se dim V (i ) =
mi .
E
Dem. Se T diagonalizvel e E base de V na qual T E diagonal, ento
E formada de autovetores de T. Podemos supor que os elementos de E esto ordenados de maneira a termos primeiro os autovetores associados a 1 ,
depois aqueles associados a 2 , e assim por diante, de modo que
1 ... 0 0 ... 0 ... 0 ... 0

.. . .
.
.. . .
. ..
. ..
.
.
. ..
. ..
. ..
. ..
.
0 ... 1 0 ... 0 ... 0 ... 0
0 ... 0 2 ... 0 ... 0 ... 0

.
..
.. . .
.. . .
.. . .
..
..
.
E
.
.
.
.
.
.
.
.
.
.
T E =
Mn (K).
0 ... 0 0 ... 2 ... 0 ... 0
. .
.. . .
.. . .
.. . .
..
..
. . ...
.
.
.
.
.
.
.
0 ... 0 0 ... 0 ... ... 0

k
.. . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. .
. .
. .
. .
.
0 ... 0 0 ... 0 ... 0 ... k
Ento:
V = V (1 ) V (2 ) ... V (k ),
92
donde dim V = dim V (1 ) + ... + dim V (k ) = n. Como dim V (i ) mi e

m1 + ... + mk = n, resulta dim V (i ) = mi (1 i k).
Reciprocamente, as n razes de PT estando em K, suponhamos que dim V (i ) =
mi , 1 i k. A relao m1 + ... + mk = n nos d
dim V (1 ) ... V (k ) = n V = V (1 ) ... V (k ).

A reunio das bases dos V (i ) (1 i n) uma base de V formada por
autovetores de T, donde T diagonalizvel.
1 2
Exemplo 6.2.1 Seja A =
. Os autovalores de A so as razes de
3 2
1 t
2
= 0, isto , de t2 3t 4 = 0, ou seja, t1 = 1 e t2 = 4. Para

3
2 t

x1
t = 1 a equao (A I2 ) x = 0, onde x =
, nos d x1 + x2 = 0,
x2

1
donde x = x1
, x1 R.
1

2
Para t = 4 obtemos 3x1 + 2x2 = 0, donde x = 3x2
, x2 Real. O
3

1
2
vetor
gera V (1), quanto que
gera V (4). A matriz de passagem
1
3 (
)
1
2
1 2
2
da base cannica de V = R para a base
,
P =
,
1
3
1 3
1 3 2
1 0
1
1
, matriz diagonal.
e B = P AP =
cuja inversa P =
0 4
5 1 1
1 1
Exemplo 6.2.2 A =
M2 (C) no diagonalizvel. De fato, PA (t) =
0 1

x
2
(1 t) tem a raiz dupla t = 1 e (A I2 ) 1 = 0 nos d x2 = 0, donde
x2

1
x = x1
. Assim, dim V (1) = 1 < 2, e A no diagonalizvel.
0
1 1
0
Exemplo 6.2.3 A = 0 1 1 diagonalizvel em M3 (C) mas no o
1
0 1
3
3
, a3 =
em M3 (R). De fato, os autovalores de A so a1 = 0, a2 = + i
2
2
3
3
i
.
2
2
93
1 1
1
Exemplo 6.2.4 A = 1 1 1 M3 (R) diagonalizvel. De fato,
1
1 1
temos:
PA (t) = (t 1)(t + 2)2 .

( 1 1 )
1
fcil comprovar que 1 base de V (1) e que 1 , 0 base

1
0
1
de V (2), ou seja, dim V(1) = 1 e dim
que A M3 (R)
V (2) = 2. Resulta
1 0
0
1 1
1
1
diagonalizvel. Se P = 1 1 0 , ento P AP = 0 2 0 .
0 0 2
1 0 1
Proposio 6.12 Sejam V um espao vetorial de dimenso n 1 sobre K
e T : V V linear tal que PT (t) tenha todas suas razes em K. Existe uma
base de V na qual a matriz de T triangular (superior).
Dem. (induo)
Para dim V = 1 nada h a provar. Suponhamos o teorema verdadeiro para
dim V = n 1. Seja a1 K um dos autovalores de T e v1 6= 0 um autovetor
associado a a1 , isto , T v1 = a1 v1 . Sejam V1 = Kv1 o subespao gerado por
v1 , W um suplementar qualquer de V1 e F = (w2 , ..., wn ) uma base de W.
Como v1 6= W , E 0 = (v1 , w2 , ..., wn ) base de V e
a1 b12 ... b1n
E 0
0 b22 ... b2n
T E 0 = ..
.. . .
. .
.
. ..
.
0 bn2 ... bnn
Como, em geral, T (W ) no est contido em W, consideremos as projees
p1 : V V1 e p2 : V W . Ento, Im(p2 T ) W e podemos considerar
a aplicao linear p2 T : W W . Como p2 (V1 ) = 0 e p2 (wj ) = wj ,
j = 2, ..., n, temos:
p2 T (wj ) = p2 (b1j v1 + b2j w2 + ... + bnj wn ) = b2j w2 + ... + bnj wn ,
donde:
b22 ... b2n
p2 T F = ... . . . ... .
bn2 ... bnn
94
Resulta: PT (t) = (a1 t) det(p2 T tI), e podemos concluir que os autovalores

de p2 T : W W esto em K, j que eles so tambm autovalores de T.
G
Pela hiptese de induo, existe base G = (u2 , ..., un ) de W tal que p2 T G =
c22 c23 ...c2n

0 c33 ... c3n
..
..
.. matriz triangular. Se E = (v1 , u2 , ..., un ) a base de
.
.
.
.
.
.
0
0
... cnn
V obtida acrescentando-se v1 6= W a G, temos:
a1 c12 ... c1n

0 c22 ... c2n
T E = 0 0 ... c3n , matriz triangular.

..
.. . .
.
.
. ..
.
0 0 ... cnn
Corolrio 6.12.1 Seja A Mn (C). Existe P Mn (C), invertvel, tal que
B = P 1 AP seja triangular.
E
Obs. Se E = (v1 , v2 , ..., vn ) base de V na qual T E triangular superior,
sejam:
V1 = Kv1 = espao gerado por v1
V2 = espao gerado por v1 , v2
..
.
Vn = V = espao gerado por v1 , v2 , ..., vn .
Ento:
(1) Vi Vi+1 ; (2) dim Vi = i; (3) T (Vi ) Vi (1 i n).
Reciprocamente, se V1 , ..., Vn = V so subespaos de V satisfazendo (1),
E
(2) e (3) acima, ento existe base E de V na qual T E triangular superior. De fato, basta tomar (v1 ) base de V1 , (v1 , v2 ) base de V2 , (v1 , v2 , v3 )
base de V3 e assim por diante at chegar a uma base (v1 , v2 , ..., vn ) de Vn = V .
Exerccios
2 0 4
1. Ache os autovalores e autovetores e A = 3 4 12 M3 (R).
1 2 5
95
4 0 2
2. Verifique se A = 0 1 0 diagonalizvel.
5 1 3
6.3
Polinmios de Operadores e Matrizes
Sejam K[t] o conjunto dos polinmios a uma varivel com coeficientes no

corpo K, V um espao vetorial sobre K, T : V V linear e p(t) = a0 +
a1 t + ... + am tm um elemento de K[t].
Definio 6.8 p(T ) = a0 I + ai T + ... + am T m : V V .
Se A Mn (K), definimos: p(A) = a0 In + a1 A + ... + am Am Mn (K).
0 1
Exemplo 6.3.1 Sejam A =
e p(t) = t3 2t + 3. Ento:
2 1
3
1 0
1 1
0 1
0 1
+3
=
.
2
p(A) =
0 1
2 0
2 1
2 1
E
Obs. Se E base de V, A = T E e : L(V ) Mn (K) o isomorfismo
E
de lgebras tal que (T ) = T E = A, ento
p(T ) = (a0 I + ... + am T m ) = a0 (I) + ... + am (T m ) =

= a0 In + a1 A + ... + am Am = p(A),
E
ou seja, p(T ) E = p(A).
Proposio 6.13 Sejam p, q K[t], c K, V um espao vetorial sobre K

e T : V V linear. Ento:
(a) (p + q)(T ) = p(T ) + q(T )
(b) (pq)(T ) = p(T ) q(T ) = q(T ) p(T )
(c) (cp)(T ) = c p(T ).
Dem. Suponhamos p(t) = a0 + a1 t + ... + an tn e q(t) = b0 + b1 t + ... + bm tm ,
m n, e seja bi = 0 se i > m. Ento:
(a) (p + q)(t) = (a0 + b0 ) + (a1 + b1 )t + ... + (an + bn )tn , donde
(p + q)(T ) = (a0 + b0 )I + (a1 + b1 )T + ... + (an + bn )T n =
= (a0 I + a1 T + ... + an T n ) + (b0 I + b1 T + ... + bn T n ) =
96
= p(T ) + q(T )
.
n+m
(b) (pq)(t) = c0 + c1 t + ... + cn+m t
m+n
X
ck tk , onde
k=0
ck = a0 bk + a1 bk1 + ... + ak b0 =
k
X
ai bki .
i=0
Ento: (pq)(T ) =
=
n X
m
X
i=0 j=0
m+n
X
ck T k e p(T ) q(T ) =
k=0
m+n
X
ai bj T i+j =
n
X
!
ai T i
i=0
m
X
!
bj T j
j=0
ck T k = (pq)(T ) = (qp)(T ) = q(T ) p(T ).
k=0
(c) (cp)(T ) = ca0 I + ca1 T + ... + can T n = c p(T ).

Obs. claro que a proposio 6.13 continua vlida se trocarmos o operador
linear T : V V por uma matriz quadrada A.
Exemplo 6.3.2 Sejam A, P Mn (K), P invertvel e m um inteiro positivo.
Temos: (P 1 AP )2 = P 1 AP P 1 AP = P 1 A2 P e, por induo, v-se
facilmente que (P 1 AP )m = P 1 Am P .
m
X
m
1
ak (P 1 AP )k =
Se p(t) = a0 + a1 t + ... + am t , ento p(P AP ) =
=
m
X
k=0
ak P 1 Ak P = P 1
m
X
k=0
ak Ak P = P 1 p(A) P .
k=0
Proposio 6.14 (Cayley-Hamilton) Sejam V um espao vetorial de dimenso n 1 sobre K e T : V V linear. T um zero de seu polinmio
caracterstico, isto , PT (T ) = 0.
Dem. Para facilitar vamos provar o teorema no caso em que K = C.
Vimos, na proposio 6.11, que existem subespaos V1 , ..., Vn de V tais
que Vi Vi+1 , dim Vj = j e T (Vi ) Vi (1 i n) e base E = (v1 , v2 , ..., vn )
de V tal que Vi = espao gerado por v1 , ..., vi (1 i n). Em relao base
E a matriz de T triangular superior:
a11 a12 ... a1n
E
0 a22 ... a2n
T E =
. .
..
0
. ..
0
0
0 ... ann
97
Ento: T vi = aii vi + um vetor de Vi1 .

Como (T aii I)vi = T vi aii vi resulta que (T aii I)vi Vi1 . Alm disso,
o polinmio caracterstico de T dado por PT (t) = (1)n (t a11 )...(t ann )
de modo que PT (T ) = (1)n (T a11 I)...(T ann I).
Vamos provar, por induo, que (T a11 I)...(T aii I)v = 0 para todo v
Vi (1 i n).
Para i = 1, temos (T a11 I)v1 = T v1 a11 v1 = 0. Admitamos o teorema
verdadeiro para i 1. Todo elemento de Vi da forma u + cvi com u Vi1
e c C. Como T Vi1 Vi1 resulta que (T aii I)u est em Vi1 . Por
induo,
(T a11 I)...(T ai1,i1 I)(T aii I)u = 0.
Por outro lado, (T a11 I)cvi pertence a Vi1 e, por induo,
(T a11 I)...(T aii I)cvi = 0.
Logo, para v Vi , temos
(T a11 I)...(T aii I)v = 0
e i = n prova o teorema.
Obs. claro que a proposio 6.14 continua vlida se substituirmos T :
V V por uma matriz A Mn (K).
1 1 1
Exemplo 6.3.3 Seja A = 0 0 3. Temos: PA (t) = (1 t)(t 3)2 .
0 3 6

1
Para t = 1, (A I3 )x = 0 nos d x = x1 0 , x1 R.
0
0
Para t = 3, (A 3I3 )x = 0 nos d x = x3 1 , x3 R.
1

1
Como dim V (3) = 1 < 2, A no diagonalizvel. Os vetores 0 e
0

0
1 geram V (1) e V (3), respectivamente. Para obter uma base de R3
1
devemos tomar
independente
um terceiro vetor que seja
desses
dois. Por
0
0
0
1
exemplo, 1. Obtemos a base F = 0 , 1 , 1 de R3 . Se
0
0
1
0
98
1 0 0
1 0 0
1 0 1
P = 0 1 1, ento P 1 = 0 0 1 e B = P 1 AP = 0 3 3, ma0 1 0
0 1 1
0 0 3
triz triangular na qual os elementos da diagonal principal so os autovalores
de A. Como PA (t) = PB (t) = (1 t)(3 t)2 , temos PA (A) = PB (B) = 0, ou
seja, (I3 A)(3I3 A)2 = 0, que se pode verificar diretamente pelo clculo.
6.4
1. Seja A = 0
0
autovetores de
1
b , onde a, b e c so reais. Ache os autovalores e
c
e determine os casos em que A diagonalizvel.
2 1
1
2. Se possvel, diagonalize A = 1 2 1 .
1
1 2
a
1
0
A
3. Prove que no existem matrizes A, B n n tais que
A, B = AB BA = In .
4. Sejam V um espao vetorial de dimenso finita sobre K, T : V V
linear.
(a) Prove que T e T t tm o mesmo polinmio caracterstico.
(b) Sejam V () o auto-espao associado ao autovalor de T e V 0 ()
o auto-espao associado ao autovalor de T t . Prove que V () e V 0 ()
tm a mesma dimenso.
a0 a1 ... an1
an1 a0 ... an2
5. Sejam A Mn (C) a matriz circulante A = ..

.. . .
.. e
.
.
.
.
a1 a2 ... a0
P = (pjk ) n n tal que pjk = e
(a) Calcule P P e ache P 1 .
(b) Se w = e
2i
n
2i
jk
n
, mostre que o vetor x =
1
w
..
.
wn1
Qual o autovalor correspondente?

(c) Prove que P 1 AP uma matriz diagonal.
um autovetor de A.
Captulo 7
Produto Interno
Neste captulo o corpo K ser ou R ou C e usaremos a notao K.
7.1
Definies e Exemplos
Definio 7.1 Seja V um espao vetorial sobre K. Um produto interno em

V uma funo que a cada par (u, v) V V associa um escalar, anotado
hu, vi, de modo que:
(a) hu1 + u2 , vi = hu1 , vi + hu2 , vi
(b) hau, vi = ahu, vi
(c) hu, vi = hv, ui, onde a barra indica conjugao complexa,
(d) hv, vi um real positivo para todo v K, v 6= 0
quaisquer que sejam u, v, u1 , u2 V e a K.
Exemplo 7.1.1 Seja V = Kn . Se u = (x1 , ..., xn ) e v = (y1 , ..., yn ), definimos hu, vi = x1 y 1 + ... + xn y n e obtemos um produto interno em Kn .
Exemplo 7.1.2 Seja V = C 0 ([0, 1], K) o espao vetorial das funes contnuas f Z: [0, 1] K. Se f, g V , definimos um produto interno em V por
1
hf, gi =
f (t)g(t)dt.
0
Exemplo 7.1.3 Seja V = C 1 ([0, 1], R) o espao vetorial das funes contnuas f : [0, 1] R que tm derivada primeira
Z 1 contnua. Se f, g V ,
f (t)g(t) + f 0 (t)g 0 (t) dt.

definimos um produto interno em V por hf, gi =
0
Exemplo 7.1.4 Sejam V1 e V2 espaos vetoriais sobre o mesmo corpo (R

ou C) e h, i2 um produto interno em V2 . Se T : V1 V2 linear injetora,
99
CAPTULO 7. PRODUTO INTERNO
100
definimos um produto interno em V1 por hu, vi1 = hT

(u), T (v)i2 . Por exem0
0
plo, seja T : V1 = C [0, 1], R V2 = C [0, 1], R , h, i2 como no exemplo
t2
7.1.2 acima, tal queZ T (f )(t) = e 2 f (t). claro que T linear injetora.
1
2
Portanto, hf, gi1 =
et f (t)g(t)dt um produto interno em V1 .
0
Definio 7.2 Seja V um espao vetorial sobre Kp

munido de produto interno
h, i. Se v V definimos sua norma por kvk = hv, vi. A distncia entre
u, v V definida por d(u, v) = ku vk.
Proposio 7.1 (Pitgoras) Seja V um espao vetorial com produto interno
h, i. Se u, v V , ento ku + vk2 = kuk2 + kvk2 se, e s se, Rehu, vi = 0,
onde Re z indica a parte real do nmero complexo z.
Dem. ku + vk2 = hu + v, u + vi = hu, ui + hu, vi + hv, ui+
+hv, vi = kuk2 + kvk2 + hu, vi + hu, vi = kuk2 + kvk2 +
+2Rehu, vi.
Portanto, ku + vk2 = kuk2 + kvk2 se, e s se, Rehu, vi = 0.
Corolrio 7.1.1 Se hu, vi = 0 ento ku + vk kuk com igualdade v =
= 0.
Corolrio 7.1.2 (lei do paralelogramo) Se u, v V , ento:
ku + vk2 + ku vk2 = 2 kuk2 + kvk2 .

Proposio 7.2 Seja V um espao vetorial com produto interno h, i. Ento:
(a) kavk = |a| kvk
(b) kvk > 0 se v 6= 0
(c) |hu, vi| kuk kvk (desigualdade de Cauchy-Schwarz)
(d) ku + vk kuk + kvk (desigualdade triangular),
quaisquer que sejam u, v V e a K.
p
p
p
Dem. (a) kavk = hav, avi = aahv, vi = |a|2 hv, vi = |a| kvk.
(b) Se v 6= 0 temos hv, vi > 0, donde kvk > 0.
(c) A desigualdade verdadeira para v = 0. Suponhamos v 6= 0 e determinemos c K de modo que cv seja a projeo ortogonal de u ao longo de
hu, vi
v, isto , tal que hu cv, vi = 0, donde c =
. Pelo corolrio 7.1.1 da
hv, vi

proposio 7.1 temos kuk kcvk =
com igualdade u = cv.
101
|hu, vi|
kvk, donde, |hu, vi| kuk kvk,
kvk2
u
36
u cv
-
cv
(d) ku + vk2 = kuk2 + kvk2 + 2Rehu, vi kuk2 + kvk2 + 2|hu, vi|
2
kuk2 + kvk2 + 2kuk kvk = kuk + kvk , donde a tese.
Exemplo 7.1.5 Aplicando a desigualdade de Cauchy-Schwarz aos exemplos
7.1.1 e 7.1.2 anteriores, obtemos:
n
n
!1/2 n
!1/2
X
X
X
(7.1.1)
xi y i
|xi |2
|yi |2
i=1
i=1 Z 1
Zi=11
1/2
1/2 Z 1
2
2
|g(t)| dt
.
|f (t)| dt
(7.1.2)
f (t)g(t)dt
0
Definio 7.3 Seja V um espao vetorial com produto interno h, i. u, v V

so ortogonais ou perpendiculares se hu, vi = 0, o que indicamos por uv.
Se S V , definimos S = {v V ; hu, vi = 0 u S}. imediato que S
um subespao de V, chamado espao ortogonal de S. Se U o subespao de V
gerado por S, ento S = U pois se v perpendicular a todos os elementos
de S, perpendicular tambm s combinaes lineares de elementos de S, ou
seja, aos elementos de U. Escrevemos vS para indicar que v perpendicular
a todos os elementos de S; neste caso, dizemos que v perpendicular a S.
Exemplo 7.1.6 Sejam V = C 0 ([0, 2],
Z R), g1 (t) = cos kt, g2 (t) = sen kt,
2
onde k um inteiro positivo, hf, gi =
f (t)g(t)dt. Temos:
0
kg1 k =
cos2 kt dt =
kg2 k =
0
sen2 kt dt =
102
Os coeficientes de Fourier de f V so os nmeros

hf, g1 i
1
ak =
=
2
kg1 k
hf, g2 i
1
bk =
=
kg2 k2
Z 2
hf, 1i
1
a0
=
=
f (t)dt.
e
2
k1k2
2 0
f (t)cos kt dt,
0
f (t)sen kt dt
0
hu, vi
de
kvk2
coeficiente de Fourier de u em relao a v; o vetor cv a projeo ortogonal
de u sobre v.
Devido a esse exemplo, usual (no caso geral) chamar c =
36
u cv
-
cv
Definio 7.4 Seja V um espao vetorial com produto interno h, i. Dizemos

que S V um conjunto ortogonal se dois vetores quaisquer de S so
ortogonais. S V um conjunto ortonormal se S ortogonal e kvk = 1
para todo v S.
Exemplo 7.1.7 A base cannica de Kn um conjunto ortonormal relativamente ao produto interno usual de Kn .
Proposio 7.3 Seja V um espao vetorial com produto interno h, i. Se
X V um conjunto ortogonal de vetores no nulos, ento X linearmente
independente.
Dem. Suponhamos a1 x1 + ... + an xn = 0, n N, ai K, xi X. Ento:

n
X
hxi ,
ak xk i = 0, donde hxi , ai xi i = 0, isto , ai kxi k2 = 0 e, portanto,
k=1
ai = 0 (i = 1, ..., n), o que mostra ser X linearmente independente.
103
Proposio 7.4 Seja {v1 , ..., vn , ...} um conjunto ortogonal de vetores nonulos num espao vetorial com produto interno h, i. Sejam v V e ci =
hv, vi i
(i = 1, 2, ...).
kvi k2
n
n
X
X
ai vi , com igualdade
c i v i v
(a) Se a1 , ..., an K, ento v
i=1
i=1
se, e s se, ai = ci (i = 1, ..., n)
v
n
X
n
X
- i=1
n
X
(ci ai )vi
ai vi
i=1
ci vi
i=1
X
(b)
|ci |2 kvi k2 kvk2 (desigualdade de Bessel)
i=1
Dem. hv
n
X
ci vi , vj i = hv, vj i
i=1
1, .., n), ou seja, o vetor v
n
X
n
X
ci hvi , vj i = cj kvj k2 cj kvj k2 = 0 (j =
i=1
ci vi perpendicular ao subespao S gerado por
i=1
n
X
v1 , ..., vn ; em particular ao vetor
(ci ai )vi . Do corolrio 7.1.1 do teorema
i=1
n
n
X
X
ai vi , com igualdade se,

ci vi v
de Pitgoras, resulta que v
i=1
i=1
n
X
e s se,
(ci ai )vi = 0, o que equivale a ai = ci (i = 1, ..., n).
i=1
ci vi =
Ainda pelo corolrio 7.1.1 do teorema de Pitgoras, temos kvk2
i=1

n
X
hci vi , cj vj i =
i,j=1
n
X
104
|ci |2 kvi k2 , vlida para todo n N. Portanto,
i=1
|ci |2 kvi k2 kvk2 .
i=1
Exemplo 7.1.8 Dada a funo contnua f : [0, 2] R, vamos achar,

a0
dentre os polinmios trigonomtricos de grau m, P (t) =
+ a1 cos t +
2
b1 sen t + ... + am cos mt + bm sen mt, ai R, bi R, o que minimiza a
integral
Z 2
2
f (t) P (t) dt.
0
Seja V = C [0, 2], R com o produto interno hf, gi =

0
f (t)g(t)dt.
0
As funes 1, cos t, sen t, ..., cos nt, sen nt, ... pertencem a V e formam um
conjunto ortogonal de vetores no-nulos, pois
Z 2
Z 2
Z 2
cos kt cos ht dt =
sen kt dt =
cos kt dt =
0
sen kt sen lt dt = 0
se k =
6 h, k 6= l, respectivamente, e
Z 2
Z 2
Z
2
2
1 dt = 2,
cos kt dt =
0
cos kt sen lt dt =
sen2 kt dt =
(k = 1, 2, ...)
Pela proposio 7.4, kf P k =

0
2
f (t)P (t) dt mnimo quando os
coeficientes de P (t) so os coeficientes de Fourier de f em relao s funes

1, cos t, sen t, .... Ento:
Z 2
Z
a0
1
1 2
=
f (t)dt,
donde a0 =
f (t)dt
2
2 0
0
.
Z 2
Z 2
1
1
ak =
f (t)cos kt dt
e
bk =
f (t)sen kt dt
0
0
E a desigualdade (abstrata) de Bessel, nos d: Z
2
2
a0
2
2
2
2
|f (t)|2 dt,
2 + a1 + b1 + ... + an + bn + ...
4
0
105
a20 X 2
1 2
2
ou seja,
+
|f (t)|2 dt,
(an + bn )
2
0
n=1
que a desigualdade clssica de Bessel.
Exerccio Sejam a1 , ..., an reais no nulos. Prove:
1
1
2
2
(a1 + ... + an )
+ ... + 2 n2 .
a21
an
7.2
Bases Ortonormais
Definio 7.5 Seja V um espao vetorial com produto interno h, i. Uma

base (v1 , ..., vn ) de V ortogonal se o conjunto {v1 , ..., vn } ortogonal, isto ,
hvi , vj i = 0 se i 6= j. Se, alm disso, kvj k = 1 (j = 1, ..., n) ento (v1 , ..., vn )
uma base ortonormal.
Proposio 7.5 Todo espao vetorial com produto interno, de dimenso
finita n 1, tem uma base ortonormal.
Dem. Seja (u1 , ..., un ) base de V. A partir desta base vamos obter uma base
ortogonal, pelo chamado processo de ortogonalizao de Gram-Schmidt.
v2
u2
6
v1 = u1
Seja v1 = u1 (6= 0); para achar v2 ponhamos v2 = u2 a1 v1 , onde a1 K

escolhido de modo que hv2 , v1 i = 0, isto , hu2 a1 v1 , v1 i = 0, donde
hu2 , v1 i
a1 =
.
kv1 k2
106
v3 6
3 u3
- v2
u2
v1 = u1
Como u1 e u2 so LI, claro que v2 6= 0; alm disso, o espao gerado por

v1 e v2 o mesmo gerado por u1 e u2 . A seguir, para achar v3 , ponhamos
v3 = u3 b2 v2 b1 v1 , onde b1 e b2 so escolhidos de modo que hv3 , v1 i =
hu3 , v1 i
hu3 , v2 i
hv3 , v2 i = 0, donde b1 =
e b2 =
.
2
kv1 k
kv2 k2
Como u3 no est no espao gerado por v1 e v2 , temos v3 6= 0; alm disso,
o espao gerado por v1 , v2 , v3 o mesmo gerado por u1 , u2 , u3 . Por induo,
suponhamos construdos v1 , ..., vk1 que formam um conjunto ortogonal de
vetores no-nulos e so tais que o espao por eles gerado o mesmo gerado
por u1 , ..., uk1 . Para achar vk , ponhamos vk = uk ck1 vk1 ... c1 v1 ,
onde c1 , ..., ck1 so escolhidos de modo que hvk , v1 i = ... = hvk , vk1 i = 0,
huk , v1 i
huk , vk1 i
donde c1 =
, ..., ck1 =
. Como uk no pertence ao espao
2
kv1 k
kvk1 k2
gerado por v1 , ..., vk1 temos vk 6= 0; alm disso, o espao gerado por v1 , ..., vk
o mesmo gerado por u1 , ..., uk . Obteremos assim, por esse processo, uma
sequncia (v1 , ..., vn ) de vetores no-nulos, dois a dois ortogonais, donde LI,
ou seja, uma base ortogonal de V. Para obter uma base ortonormal basta
vi
.
substituir cada vi por
kvi k
Exemplo 7.2.1 Vamos achar uma
Z 1 base ortogonal para o subespao W de
f (t)g(t)dt, gerado pelas funes 1, t, t2 .

V = C 0 [0, 1], R , com hf, gi =
0
107
Seja f1 (t) = 1 e tomemos f2 (t) = t af1 (t) = t a onde a =

Z
ht, f1 i
=
kf1 k2
1
1
t dt = . Logo: f2 (t) = t .
2
2
0
2
Ponhamos f3 (t) = t bf2 (t) cf1 (t), onde b, c R so dados por:
ht2 , f2 i
ht2 , f1 i
b=
e
c
=
.
kf2 k2
kf1 k2
Temos:
Z
kf1 k = 1;
1
t
2
1
kf2 k =
dt = ; ht2 , f1 i =
12
0
Z 1
1
1
2
2
ht , f2 i =
t t
dt = .
2
12
0
1
0
1
t2 dt = ;
3
Logo:
1
1
f3 (t) = t2 f2 (t) f1 (t) = t2 t + .
3
6
1
1
Portanto, 1, t , t2 t +
uma base ortogonal de W.
2
6
Proposio 7.6 Sejam V um espao vetorial com produto interno h, i e W
V um subespao de dimenso finita. Ento:
V = W W
Dem. Seja (v1 , ..., vr ) uma base ortonormal de W. Se v V , seja
u=v
r
X
hv, vi ivi .
i=1
Temos:
hu, vj i = hv
r
X
r
X
hv, vi ivi , vj i = hv, vj i
hv, vi iij =
i=1
= hv, vj i hv, vj i = 0
i=1
(j = 1, ..., r)
r
X
hv, vi ivi W , temos V = W + W .
ou seja, u W . Como
i=1
Se v W W ento hv, vi = 0, donde v = 0, isto , W W = {0}.

Logo: V = W W .
108
Corolrio 7.6.1 Nas condies da proposio 7.6, se V tem dimenso finita,

ento: dim V = dim W + dim W .
Obs. Sejam V um espao vetorial com produto interno h, i e (e1 , ..., en ) uma
base ortonormal de V. Se u, v V , u = a1 e1 + ... + an en , v = b1 e1 + ... +
n
n
n
X
X
X
bn en , ento hu, vi =
hai ei , bj ej i =
ai bj ij =
ai bi , igual ao produto
i,j=1
i,j=1
i=1
interno usual dos vetores a = (a1 , ..., an ) e b = (b1 , ..., bn ) de Kn . Se a base

n
X
(e1 , ..., en ) no ortonormal e se hei , ej i = gij K, ento hu, vi =
gij ai bj .
i,j=1
Se V um espao vetorial sobre K, de dimenso n, uma maneira de se

definir um produto interno em V a seguinte: tome uma base arbitrria
(e1 , ..., en ) de V e defina o produto interno, de u = a1 e1 + ... + an en por
n
X
v = b1 e1 + ... + bn en , por meio de hu, vi =
ai bi . Em relao a este produto
interno, a base (e1 , ..., en ) ortonormal.
i=1
Exerccios
1. Seja E = (u1 , u2 , u3 ) a base de R3 formada pelos vetores u1 = (1, 1, 1), u2 =
(1, 1, 1) e u3 = (1, 1, 1), e seja F = (v1 , v2 , v3 ) a base ortogonal
obtida de E pelo processo de Gram-Schmidt. Ache a matriz P de passagem de E para F. Observe que P triangular superior.
2. Dado o vetor unitrio u = (1 , ..., n ) Rn forme a matriz A = (i j )
n n. Seja H : Rn Rn o operador cuja matriz na base cannica
In 2A. Prove que para todo v Rn tem-se H(v) = v 2hv, uiu e
que kHvk = kvk. (H a reflexo no hiperplano de Rn cuja normal
u).
X
3. Em MR (n) considere hA, Bi =
aij bij , onde A = (aij ) e B = (bij ).
i,j
Mostre que h, i um produto interno. Mostre que o subespao A das

matrizes antissimtricas o complemento ortogonal do subespao S
das matrizes simtricas em MR (n).
7.3
Relaes entre V e V
Seja V um espao vetorial com produto interno h, i. Se v V , a aplicao

Tv
u V 7
hu, vi K uma forma linear, isto , um elemento do dual
V = L(V, K).
109
Proposio 7.7 Seja V um espao vetorial de dimenso finita sobre K,

T
munido de um produto interno h, i. A aplicao v V 7 Tv V ,
Tv (u) = hu, vi, bijetora.
Dem. Tv1 +v2 (u) = hu, v1 + v2 i = hu, v1 i + hu, v2 i = Tv1 (u) + Tv2 (u).
Tav (u) = hu, avi = ahu, vi = aTv (u), de modo que T no linear se
K = C. Dizemos que ela semi-linear.
T : V V injetora: Tv1 = Tv2 se, e s se, hu, v1 i = hu, v2 i para todo
u V hu, v1 v2 i = 0 para todo u V v1 = v2 .
T : V V sobrejetora: dado w V , seja (v1 , ..., vn ) uma base
ortonormal de V e seja v = a1 v1 + ... + an vn com ai = w(vi ). Ento, Tv (vi ) =
hvi , vi = ai = w(vi ), 1 i n, e, portanto, Tv = w.
Obs. No caso K = R a aplicao T linear bijetora, isto , um isomorfismo
entre V e V .
No caso K = C a aplicao T semi-linear bijetora; ela um anti-isomorfismo
entre V e V .
Se W V um subespao, vimos que W subespao de V e W 0
subespao de V , onde
W = {v V ; hu, vi = 0 u W } e
W 0 = { V ; (u) = 0 u W }.
Se v W ento Tv W 0 pois Tv (u) = hu, vi = 0 para todo u W .
Assim, T : V V leva W em W 0 .
Um argumento anlogo ao usado na proposio 7.7 mostra que T : W
W 0 um isomorfismo no caso K = R e um anti-isomorfismo no caso K = C.
Observemos tambm que se dim V = n e dim W = r ento dim W = nr,
como j vimos anteriormente.
A proposio 7.7 nos diz que, dado um funcional linear w V , existe
um e um nico vetor v V tal que w = Tv , isto , w(u) = hu, vi para todo
u V , ou seja, v V representa a forma linear w V .
Exemplo 7.3.1 Sejam U Rn aberto e f : U R uma aplicao diferencivel. A diferencial de f em p U o funcional linear df (p) (Rn ) tal
f
(p) = derivada de f no ponto p na
que, para todo v Rn , df (p) (v) =
v
direo de v.
Considerando em Rn o produto interno usual, o vetor que representa df (p)
o gradiente de f em p, Of (p) = grad f (p). Assim, Of (p) o vetor de Rn
f
tal que df (p) v = hOf (p), vi =
(p). Se (e1 , ..., en ) a base cannica de Rn
v
f
(p), (1 i n),
e Of (p) = a1 e1 + ... + an en , ento ai = hOf (p), ei i =
xi
ou seja, Of (p) =
110
f
f
(p), ...,
(p) .
x1
xn
Exemplo 7.3.2 Sejam V um espao vetorial de dimenso finita sobre K,

com produto interno h, i, Tv (u) = hu, vi, que sabemos ser semi-linear bijetora.
Vamos definir um produto interno em V por meio de hTv , Tu i = hu, vi. De
fato, temos:
(a) hTv1 +Tv2 , Tu i = hTv1 +v2 , Tu i = hu, v1 +v2 i = hu, v1 i+hu, v2 i = hTv1 , Tu i+
hTv2 , Tu i.
(b) haTv , Tu i = hTav , Tu i = hu, avi = ahu, vi = ahTv , Tu i.
(c) hTv , Tu i = hu, vi = hv, ui = hTu , Tv i.
(d) hTv , Tv i = hv, vi = kvk2 > 0 se v 6= 0.
A partir de (V , h, i), usando o mtodo acima, podemos introduzir um produto interno em V . Seja L : V V definido por L () = h, i, ,
V . Definimos hL , L i = h, i. Vamos mostrar que L T : V V
coincide com o isomorfismo cannico J : V V , Jv () = (v), v
V, V , isto , vamos mostrar que LTv = Jv .
Temos: LTv (Tu ) = hTu , Tv i = hv, ui = Tu (v) = Jv (Tu ), donde resulta
LTv = Jv , ou seja, L T = J.
7.4
Adjunta
Sejam V e W espaos vetoriais de dimenso finita, ambos com produto interno, e T : V W linear.
Proposio 7.8 Existe uma nica aplicao linear T : W V tal que
hT v, wi = hv, T wi para todo v V e todo w W .
Dem. Seja w W fixo mas arbitrrio e seja : V K o funcional
linear definido por (v) = hT v, wi. Pela proposio 7.7 existe um nico
u = T w V tal que (v) = hv, T wi, ou seja, hT v, wi = hv, T wi. Vamos
mostrar que T : W V assim definida linear. Se v V, w1 , w2 W
temos:
hv, T (w1 + w2 )i = hT v, w1 + w2 i = hT v, w1 i + hT v, w2 i = hv, T w1 i +
hv, T w2 i = hv, T w1 + T w2 i o que mostra ser T (w1 + w2 ) igual a T w1 +
T w2 .
Se a K, temos: hv, T (aw)i = hT v, awi = ahT v, wi = ahv, T wi =
hv, aT wi para todo w W , donde T (aw) = aT (w).
Definio 7.6 A aplicao linear T : W V tal que hT v, wi = hv, T wi
quaisquer que sejam v V , w W , chama-se a adjunta de T. Se V = W e
111
T = T o operador linear T : V V chama-se auto-adjunto (se K = R dizse tambm que T simtrico; se K = C diz-se tambm que T hermitiano).
Proposio 7.9 Seja V um espao vetorial de dimenso finita sobre K, com
produto interno h, i. Se a K e L, T : V V so lineares, ento:
(a) (L + T ) = T + L ;
(b) (aT ) = a T ;
(c) (L T ) = T L ;
(d) (T ) = T .
Dem.
(a) h(L+T )(u), vi = hLu+T u, vi = hLu, vi+hT u, vi = hu, L vi+hu, T vi =
= hu, L v + T vi = hu, (L + T )(v)i quaisquer que sejam u, v V .
Portanto: (L + T ) = L + T .
(b) h(aT )(u), vi = haT (u), vi = ahu, T vi = hu, aT (v)i =
= hu, (aT )(v)i, donde (aT ) = aT .
(c) h(L T )(u), vi = hL(T u), vi = hT u, L vi = hu, T L vi = hu, T L (v)i,
donde (L T ) = T L .
(d) hT u, vi = hv, T ui = hT v, ui = hu, T vi, donde (T ) = T .
Obs. Se L = L e T = T so operadores auto-adjuntos em V, ento
(L T ) = T L = T L e L T auto-adjunto se, e s se, T L = L T .
Exemplo 7.4.1 Sejam V e W espaos vetoriais de dimenso finita munidos
de produto interno, E = (v1 , ..., vn ) e F = (w1 , ..., wm ) bases ortonormais de
E
V e W, respectivamente. Se T : V W linear e T F = A = (aij )
F
t
m n, vamos mostrar que T E = A = A , A = (bij ) n m.
Temos:
hvi , T wj i = hT vi , wj i
Mas:
hvi , T wj i = hvi ,
n
X
bkj vk i = bij
k=1
hT vi , wj i =
m
X
haki wk , wj i = aji .
k=1
t
Portanto, bij = aji , donde A = A .

Definio 7.7 Seja A = (aij ) m n. A adjunta de A a matriz A =
t
A = (bij ) n m, onde bij = aji . Se A quadrada e A = A dizemos que
A auto-adjunta (simtrica se K = R, hermitiana se K = C).
112
Exemplo 7.4.2 Os autovalores de um operador auto-adjunto T = T :

V V so reais.
De fato, se v 6= 0 e T v = v = T v, temos:
hT v, vi = hv, T vi, donde, hv, vi = hv, vi e da vem: hv, vi = hv, vi,
donde = .
Exemplo 7.4.3 Os autovetores, associados a autovalores distintos, de um
operador auto-adjunto T = T : V V , so ortogonais.
De fato, se T v1 = 1 v1 , T v2 = 2 v2 , 1 6= 2 , ento
(1 2 )hv1 , v2 i = h1 v1 , v2 i hv1 , 2 v2 i = hT v1 , v2 i hv1 , T v2 i = 0, donde
hv1 , v2 i = 0.
Obs. A proposio 7.8 mostra que se dim V finita, todo T L(V ) tem
um adjunto T L(V ). Se V no tem dimenso finita, dado T L(V ) pode
ou no existir T L(V ) tal que hT v, ui = hv, T ui para u, v V quaisquer.
Exemplo 7.4.4 Seja V o espao vetorial real das funes f : R R
de
Z classe C que se anulam fora de [0, 1], com o produto interno hf, gi =
1
f (t)g(t)dt. Seja D : V V o operador de derivao. Temos:

0
hDf, gi =
0
1 Z
f (t)g(t)dt = f (t)g(t)
f (t)g 0 (t)dt = hf, Dgi = hf, D gi,
donde D = D. Neste exemplo V tem dimenso infinita.

Proposio 7.10 Seja V um espao vetorial complexo, de dimenso finita,
munido de um produto interno h, i. Se T : V V linear e tal que
hT v, vi = 0 para todo v V , ento T = 0.
Dem. Se u, v V , temos a identidade
hT (u + v), u + vi hT u, ui hT v, vi = hT u, vi + hT v, ui.
Mas se hT w, wi = 0 para todo w V , ento essa identidade nos d:
hT u, vi + hT v, ui = 0
Substituindo-se u por iu (i2 = 1), obtemos:

hT v, iui + hT (iu), vi = 0, donde
ihT v, ui + ihT u, vi = 0, ou ainda
hT v, ui + hT u, vi = 0
Somando com , vem: 2hT u, vi = 0, donde hT u, vi = 0 para todo u V
e para todo v V , donde T = 0.
113
Proposio 7.11 Sejam V um espao vetorial real, de dimenso finita, munido de um produto interno h, i e T : V V linear simtrico. Se hT v, vi =
0 para todo v V , ento T = 0.
Dem. A identidade hT (u + v), u + vi hT u, ui hT v, vi = hT u, vi + hT v, ui
nos d
hT u, vi + hT v, ui = 0.
Mas, hT v, ui = hv, T ui = hT u, vi.
Portanto, 2hT u, vi = 0, donde T = 0.
Proposio 7.12 Sejam V, W espaos vetoriais de dimenso finita sobre
K, munidos de produto interno, e T : V W linear. Ento:
(a) N (T ) = (Im T ) ; (b) Im T = N (T )
(c) N (T ) = (Im T ) ; (d) Im T = N (T )
Dem. suficiente provar (a), as outras igualdades sendo consequncias
imediatas. Temos:
v N (T ) T v = 0 hu, T vi = 0 para todo u V hT u, vi = 0 para
todo u V v (Im T ) .
Corolrio 7.12.1 O posto de T igual ao posto de T.
Dem. dim Im T = dim V dim N (T ) = dim Im T
N (T )
N (T )
Im(T )
7.5
Im(T )
1. Seja V um espao vetorial sobre K munido de um produto interno, e seja

(v1 , ..., vn ) uma base de V. Dados a1 , a2 , ..., an K arbitrrios, prove
que existe um, e um nico, vetor w V tal que hw, vj i = aj , 1 j n.
2. Se T invertvel e T ST auto-adjunto, prove que S auto-adjunto.
114
3. Seja T : V V um operador diagonalizvel. Prove que possvel

definir um produto interno em V em relao ao qual T = T .
4. Seja V um espao vetorial de dimenso finita sobre K e seja T : V
V um operador diagonalizvel.
Se W V um subespao tal que
T (W ) W , prove que T W : W W diagonalizvel em W.

5. Sejam S, T : V V operadores auto-adjuntos. Prove que existe base
ortonormal de V formada por autovetores comuns a S e T se, e s se,
S T = T S.
6. Seja Mn (C) o espao vetorial complexo das matrizes n n. Prove que
hA, Bi = tr(AB ) um produto interno em Mn (C) e ache o complet
mento ortogonal do subespao das matrizes diagonais (Obs. B = B ).
7. Seja W um subespao de dimenso finita de um espao vetorial V munido de produto interno. Se E : V W a projeo ortogonal de V
sobre W, prove que hE(u), vi = hu, E(v)i para u, v V quaisquer.
8. Sejam V = W1 W2 , h, i1 e h, i2 produtos internos em W1 e W2 respectivamente. Mostre que existe um nico produto interno h, i em V tal
que W2 = W1 e hu, vi = hu, vik quando u, v Wk , k = 1, 2.
9. Seja V um espao vetorial complexo com produto interno. Prove que
T : V V linear auto-adjunto se, e s se, hT v, vi real para todo
v V.
Captulo 8
Operadores Unitrios e Normais
8.1
Definies
Definio 8.1 Sejam V, W espaos vetoriais sobre K, munidos de produto

interno. Dizemos que T : V W uma isometria se T linear bijetora e
hT u, T vi = hu, vi quaisquer que sejam u, v V .
Assim, uma isometria um isomorfismo que preserva o produto interno.
Proposio 8.1 Seja V um espao vetorial com produto interno. Ento:
4hu, vi = ku + vk2 ku vk2 se K = R.
4hu, vi = ku + vk2 ku vk2 + iku + ivk2 ihu ivi2 se K = C, quaisquer
que sejam u, v V .
Dem. Exerccio.
Proposio 8.2 Sejam V, W espaos vetoriais de mesma dimenso finita
sobre K, munidos de produto interno, e T : V W linear. So equivalentes:
(a)hT u, T vi = hu, vi; (b)kT vk = kvk;
(c) T isometria;
(d) T leva base ortonormal de V em base ortonormal de W;
(e) T leva alguma base ortonormal de V em base ortonormal de W.
Dem. (a) (b): bvio.

(b) (c): se v 6= 0 ento T (v) 6= 0, donde T injetora e, como dim V =
dim W , T bijetora. Pela proposio 8.1, e pela hiptese, temos (no caso
K = C):
4hT u, T vi = kT (u + v)k2 kT (u v)k2 + ikT (u + iv)k2 ikT (u iv)k2 =
= ku + vk2 ku vk2 + iku + ivk2 iku ivk2 = 4hu, vi, donde hT u, T vi =
hu, vi. Portanto, T isometria.
115
CAPTULO 8. OPERADORES UNITRIOS E NORMAIS
116
(c) (d): seja (v1 , ..., vn ) base ortonormal de V. Como T isomorfismo,

(T v1 , ..., T vn ) base de W. Do fato de ser hT vi , T vj i = hvi , vj i = ij , resulta
que essa base de W ortonormal.
(d) (e): bvio.
(e) (a): seja (v1 , ..., vn ) base ortonormal de V tal que (T v1 , ..., T vn ) seja
base ortonormal de W. Ento:
hT vi , T vj i = hvi , vj i = ij .
Se u = a1 v1 + ... + an vn e v = b1 v1 + ... + bn vn , ento:
n
n
n
n
X
X
X
X
hu, vi =
ai bi e hT u, T vi = h
ai T (vi ),
bj T (vj )i =
ai bj hT vi , T vj i =
i=1
n
X
ai bj ij =
i,j=1
i=1
n
X
j=1
i,j=1
ai bi .
i=1
Portanto,
hT u, T vi = hu, vi
Corolrio 8.2.1 Sejam V, W espaos vetoriais de dimenso finita sobre K,
munidos de produto interno. V e W so isomtricos (isto , existe isometria
T : V W ) se, e s se, dim V = dim W .
Dem. Sejam (v1 , ..., vn ) e (w1 , ..., wn ) bases ortonormais de V e W, respectivamente. Definamos T : V W linear por T (vi ) = wi , 1 i n. Ento
T isometria. A recproca imediata.
Definio 8.2 Sejam V um espao vetorial com produto interno h, i e T :
V V linear. Dizemos que T um operador unitrio se T uma isometria.
No caso de V ter dimenso finita, a proposio 8.2 mostra que T
unitrio se, e s se, preserva o produto interno. No caso em que K = R
um operador unitrio usualmente chamado de ortogonal.
Exemplo 8.1.1 Seja V1 = C 0 ([0, 1], R) o espao vetorialZ real das funes
1
2
contnuas f : [0, 1] R com o produto interno hf, gi1 =
f (t)g(t)et dt,
Z0 1
0
e seja V2 = C ([0, 1], R) com o produto interno hf, gi2 =
f (t)g(t)dt. A
aplicao T : V1 V2 definida por (T f )(t) = e
t2
f (t),Z t [0, 1], linear

1
bijetora e preserva o produto interno pois hT f, T gi2 =

hf, gi1 . Portanto, T : V1 V2 uma isometria.
et f (t)g(t)dt =
117
Proposio 8.3 Sejam V um espao vetorial com produto interno, de dimenso finita e T : V V linear. T unitrio se, e s se, T T = I(=
T T ).
Dem. T unitrio se, e s se, hT u, T vi = hu, vi para todo u, v V , o que

equivale a hT T u, vi = hu, vi e, portanto, equivale a T T = I.
Definio 8.3 Dizemos que A Mn (K) unitria se A A = In . Lembremos que A = At . Se K = R temos A = At e usual dizer que A ortogonal
se At A = In .
Corolrio 8.3.1 Sejam V um espao vetorial de dimenso finita, munido de
um produto interno e T : V V linear. T unitrio se, e s se, a matriz
de T em alguma (ou toda) base ortonormal de V uma matriz unitria.
Dem. Imediata.
Exemplo 8.1.2 Consideramos o Rn com o produto interno usual. Um movimento
rgido uma aplicao T : Rn Rn tal que kT u T vk = ku vk para
todo u, v Rn . Por exemplo, Tv0 (v) = v + v0 , onde v0 Rn fixo, ou seja,
uma translao, um movimento rgido.
(a) Vamos mostrar que se T : Rn Rn um movimento rgido tal
que T (0) = 0, ento T linear e ortogonal. Observemos que, neste caso,
kT uk = kT (u) T (0)k = ku 0k = kuk. Alm disso,
kT u T vk2 = hT u T v, T u T vi = kT uk2 + kT vk2 2hT u, T vi.
Por outro lado, kT u T vk2 = ku vk2 = kuk2 + kvk2 2hu, vi.
Resulta: hT u, T vi = hu, vi, ou seja, se T movimento rgido e T (0) = 0,
ento T preserva o produto interno.
Temos:
kT (u+v)T (u)T (v)k2 = kT (u+v)k2 +kT uk2 +kT vk2 2hT (u+v), T (u)i
2hT (u + v), T (v)i + 2hT u, T vi = ku + vk2 + kuk2 + kvk2 2hu + v, ui
2hu + v, vi + 2hu, vi = 2kuk2 + 2kvk2 + 2hu, vi 2kuk2 2kvk2 4hu, vi+
+2hu, vi = 0. Logo: T (u + v) = T (u) + T (v).
Analogamente,
kT (av)aT (v)k2 = kT (av)k2 +a2 kT vk2 2ahT (av), T (v)i = kavk2 +a2 kvk2
118
2ahav, vi = 0.
Logo: T (av) = aT (v), a R.
Portanto, T uma aplicao linear ortogonal.
(b) Sejam T : Rn Rn movimento rgido, T (0) = v0 e Tv0 (v) = v v0 .
A composta de movimentos rgidos um movimento rgido, como fcil de
se verificar, de modo que L = Tv0 T um movimento rgido e L(0) =
Tv0 (T (0)) = Tv0 (v0 ) = 0. Pela parte (a) vem que L : Rn Rn um
1
operador ortogonal. Como (Tv0 )1 = Tv0 e L = Tv0 T , vem L = Tv
T,
0
donde T = Tv0 L, ou seja, todo movimento rgido a composta de uma
translao com um operador ortogonal:
T (v) = L(v) + v0 ,
para todo v Rn .
Definio 8.4 Sejam V um espao vetorial de dimenso finita sobre K, munido de um produto interno e T : V V linear. Dizemos que T normal
se T comuta com seu adjunto, isto , se T T = T T . claro que todo
operador auto-adjunto normal, bem como todo operador unitrio; claro
tambm que se T : V V normal e a K, ento aT normal. Em geral,
a soma e o produto (composta) de operadores normais no so normais, mas
vale o seguinte resultado.
munido de um produto interno e T1 , T2 : V V operadores normais. Se
T1 T2 = T2 T1 (ou T2 T1 = T1 T2 ), ento T1 + T2 e T1 T2 so operadores
normais.
Dem. claro que T1 T2 = T2 T1 se, e s se, T2 T1 = T1 T2 .
Temos:
(T1 + T2 )(T1 + T2 ) = (T1 + T2 )(T1 + T2 ) = T1 T1 + T1 T2 + T2 T1 + T2 T2 .
E:
(T1 +T2 ) (T1 +T2 ) = (T1 +T2 )(T1 +T2 ) = T1 T1 +T1 T2 +T2 T1 +T2 T2 .
Como T1 T1 = T1 T1 , T2 T2 = T2 T2 , T1 T2 = T2 T1 e T2 T1 = T1 T2 ,
vem que T1 + T2 normal.
Temos tambm:
T1 T2 (T1 T2 ) = T1 T2 T2 T1 = T1 T2 T2 T1 = T2 T1 T1 T2 = T2 T1 T1 T2 = (T1 T2 ) T1 T2 ,
donde T1 T2 normal.
119
Proposio 8.5 Sejam V um espao vetorial complexo de dimenso finita,

munido de um produto interno, e T : V V linear. T normal se, e s
se, kT vk = kT vk para todo v V .
Dem. kT vk = kT vk se, e s se, hT v, T vi = hT v, T vi se, e s se,
hT T v, vi = hT T v, vi para todo v V se, e s se, T T = T T pela
proposio 7.10.
Definio 8.5 Dizemos que A Mn (K) normal se AA = A A.
Obs. imediato verificar que T : V V normal se, e s se, a matriz
de T numa base ortonormal de V uma matriz normal.
1 i
Exemplo 8.1.3 A =
normal pois
i 1
t
1 i
A =A =
i 1
e
2 0
.
AA = A A =
0 2
Exemplo 8.1.4 T : V V normal T I normal, K.

Temos: (T I)(T I) = (T I)(T I) = T T T T + ||2 I.
(T I) (T I) = (T I)(T I) = T T T T + ||2 I.
Logo, T I normal T T = T T T normal.
Exemplo 8.1.5 Se V um espao vetorial complexo, T : V V normal
e T v = v, v 6= 0, ento T v = v.
De fato, se T normal, ento k(T I)vk = k(T I)(v)k = 0, donde
T v = v. Se T unitrio ento hT v, T vi = hv, vi = ||2 hv, vi = hv, vi,
donde || = 1.
Proposio 8.6 (Teorema Espectral para Operadores Normais)
Sejam V um espao vetorial de dimenso finita n 1 sobre o corpo K,
munido de um produto interno, e T : V V um operador normal. Se o
polinmio caracterstico de T tem todas suas razes em K (por exemplo, se
K = C), ento existe base ortonormal F de V formada por autovetores de
T, isto , a matriz [T ]F
F diagonal.
120
Dem. J vimos que existe base E de V na qual a matriz de T triangular

superior. Usando o processo de Gram-Schmidt obtemos, a partir de E, uma
base ortonormal F = (v1 , ..., vn ) de V na qual [T ]F
F = B = (bij ) triangular
F
t
superior e temos [T ]F = B = B . Como T T = T T obtemos BB =
B B. Comparando os elementos diagonais de BB e B B, vemos que:
|b11 |2 +|b12 |2 + ... +|b1n |2 = |b11 |2
|b22 |2 + ... +|b2n |2 = |b12 |2 + |b22 |2
..
.
|bnn |2 = |b1n |2 + |b2n |2 + ... + |bnn |2

donde resulta que bij = 0 para i 6= j, ou seja, B diagonal e F = (v1 , ..., vn )
base ortonormal de V formada por autovetores de T.
Corolrio 8.6.1 Se K = C e T unitrio, ento T diagonalizvel.
Corolrio 8.6.2 S e T auto-adjunto, ento T diagonalizvel.
Obs. A recproca da proposio 8.6 tambm verdadeira, isto , se
existe base ortonormal F de V formada porautovetores de
T, ento T
1
0
1
0
F
.
.
..
..
normal. De fato, se [T ]F = B =
ento B =
e
0
n
n
0
2
|1 |
0
.
..
BB = B B =
e B normal, donde T normal.
2
0
|n |
8.2
Operadores Positivos
Definio 8.6 Sejam V um espao vetorial com produto interno e T : V

V linear. Dizemos que T positivo, e escrevemos T > 0, se T = T e
hT v, vi > 0 para todo v 6= 0. Se T = T e hT v, vi 0 para todo v V ,
dizemos que T no-negativo, e escrevemos T 0.
Proposio 8.7 Um operador auto-adjunto T : V V positivo (resp.
no-negativo) se, e s se, seus autovalores so todos positivos (resp. nonegativos).
Dem. Se T > 0 e T v = v com v 6= 0, ento hv, vi = hv, vi = hT v, vi > 0,
donde > 0. Reciprocamente, se os autovalores de T so todos positivos,
seja (v1 , ..., vn ) base ortonormal de V tal que T vi = i vi , 1 i n. Se

v V ento v =
n
X
ai vi e hT v, vi =
i=1
n
X
hai i vi , aj vj i =
i,j=1
121
n
X
i |ai |2 > 0,
i=1
donde T > 0. O caso T 0 anlogo.

Corolrio 8.7.1 Seja T 0. Se v V tal que hT v, vi = 0, ento T v = 0.
r
X
Dem. Sejam 1 , ..., r os autovalores no-nulos de T e v =
ai vi como
acima. Ento, hT v, vi = 0 nos d
que implica T v = 0.
r
X
i=1
i |ai |2 = 0 donde a1 = ... = ar = 0, o
i=1
Corolrio 8.7.2 T : V V positivo se, e s se, T invertvel e T 0.

Dem. Se T > 0 ento T 0 e T v 6= 0 para todo v 6= 0, donde T invertvel.
Reciprocamente, se T 0 invertvel ento T v 6= 0 para todo v 6= 0 e hT v, vi
positivo pelo corolrio 8.7.1, donde T > 0.
Obs. Seja T : V V , dim V = n, um operador normal. Se E =
(u1 , ..., un ) base ortonormal de V e A = [T ]EE ento AA = A A. Seja
F = (v1 , ..., vn ) base ortonormal de V formada por autovetores de T. Ento:
1
0
...
[T ]F
= D.
F =
0
n
Temos:
E
E
F
[T ]F
F = [I]F [T ]E [I]E ,
donde P 1 AP = D, onde P = [I]F

E a matriz de passagem da base ortonormal
E para a base ortonormal F, ou seja, P unitria. Resulta que toda matriz
normal pode ser unitariamente diagonalizada. Se A matriz simtrica ento
P ortogonal.
1 2 2
1 2
2
Exemplo 8.2.1 Seja A = 2 1 2. Ento: det(AI) = 2 1 2 =
2 2 1
2
2 1
2
= (3 ) (3 ).
(a) = 3:
4x1 2x2 2x3 = 0
2x1 4x2 2x3 = 0 ,
2x1 2x2 4x3 = 0
122

1/3
1
f
donde X1 = 1 autovetor, donde X1 = 1/3 autovetor unitrio.

1
1/ 3

1
f
1
(b) = 3: 2x1 2x2 2x3 = 0, donde x1 = x2 x3 e X2 =
0

1
f2 e X
f3 no so ortogonais, usamos
f
0 so autovetores. Como X
e X3 =
1

1/ 2
Gram-Schmidt para ortogonaliz-los. Obtemos: X2 = 1/ 2 e X3 =
0

1/6
1/ 6.
2/ 6
3
Os vetores
X1 , X2 , X3 formam
uma base ortonormal de R de modo que
1/3 1/ 2 1/6
H = 1/3 1/ 2 1/ 6 matriz ortogonal (H 1 = H t ) tal que

1/ 3 0
2/ 6
3
0
1
3 .
H AH = D =
0
3
Definio 8.7 Seja A = (aij ) Mn (K). Dizemos que A positiva (resp.
no-negativa) se o operador TA : Kn Kn TA (x) = Ax, positivo (resp.
t
no-negativo). Assim, A > 0 se, e s se, A = A (A hermitiana) e
n
X
hTA (x), xi = hAx, xi =
aij xi xj > 0 para todo x = (x1 , ..., xn ) 6= 0.
i,j=1
Da proposio 8.7 resulta que uma matriz hermitiana positiva se, e s se,
seus autovalores so todos positivos.
Definio 8.8 Uma matriz B = (bij ) n n chama-se raiz quadrada de
A = (aij ) n n se A = B 2 .
Proposio 8.8 Toda matriz positiva (resp. no-negativa) A = (aij ) nn
tem raiz quadrada positiva (resp. no negativa).
Dem. Sejam 1 , ..., n os autovalores de A, todos positivos. Pelo
teorema es-
1
0
1
.
..
pectral existe matriz unitria P nn tal que P AP = D =
.
0
n

p
Seja B =
..
0
.
123
2
; ento B = D.
0
n
1
Seja C = P BP , donde C 2 = P B 2 P 1 = P DP 1 = A, ou seja, a
matriz C raiz quadrada de A > 0, e C > 0 pois auto-adjunta e seus
autovalores so positivos.
Obs. Os autovalores de um operador normal, associados a autovalores
distintos, so ortogonais. De fato, sejam: T v = v, T u = u, 6= , u, v
V.
Temos: hT v, ui hv, T ui = 0, donde hv, ui hv, ui = 0, donde (
)hv, ui = 0, donde hv, ui = 0 pois 6= .
8.3
Matrizes Simtricas Positivas. Decomposio

de Cholesky
Definio 8.9 Seja A = (aij ) n n e s n um natural. A submatriz

principal de ordem s de A a submatriz As obtida de A pela supresso das
ltimas (n s) linhas e colunas.
a11 a12 a13

a
a
11
12
Exemplo 8.3.1 A = a21 a22 a23 . Ento: A1 = [a11 ]; A2 =
a21 a22
a31 a32 a33
e A3 = A.
Proposio 8.9 Seja A uma matriz simtrica de ordem n. So equivalentes:
t
(a)
A positiva (A > 0), isto , hAx, xi = x Ax > 0 para todo x 6= 0,
x1
..
x = . Rn .
xn
(b) As submatrizes principais A1 , ..., An de A so todas positivas.
(c) A pode ser reduzida forma triangular superior usando-se apenas
operaes do tipo Tij () e com pivs positivos.
(d) A tem uma fatorao (de Cholesky) A = LLt onde L triangular
inferior com elementos diagonais positivos.
Dem.
(a) (b): Seja 1 s n; vamos provar que As > 0. Seja Xs =
(x1 , ..., xs )t 6= 0 em Rs e X = (x1 , ..., xs , 0, ..., 0)t Rn .
124
Ento: Xst As Xs = X t AX > 0, ou seja, As > 0 (donde det As > 0 j que

det As o produto dos autovalores de As , todos positivos).
(b) (c): Para simplificar, vamos tomar uma matriz 4 4:
a11 a12 a13 a14

a21 a22 a23 a24
A=
a31 a32 a33 a34 .
a41 a42 a43 a44
Por hiptese, A1 > 0, A2 > 0, A3 > 0, A4 = A > 0. Em particular,
det A1 = a11 > 0 e podemos us-lo como piv, de modo que
a11 a12 a13 a14
(1)
A A(1) = 0 a22 ,
0
0
onde det
(1)
a22
!
a11 a12
0
(1)
a22
(1)
= det A2 > 0, donde a22 =
det A2
> 0, e podemos usar
a11
como piv, obtendo
(1)
A A
(1)
(2)
a11 a12 a13 a14
0
=
0
0
(1)
(2)
a22
0
0
a33
(2)
(2)
Como det A3 = a11 a22 a33 > 0, resulta a33 > 0 e podemos us-lo como
piv, obtendo
a11 a12 a13 a14

(1)
0
a
22
= U,
A A(1) A(2) A(3) =
(2)
0
0
a
33
0
(3)
(3)
(3)
a44
com det A4 = det A3 a44 > 0, donde a44 > 0 e U triangular superior com
elementos diagonais positivos.
(c) (d): Se A pode ser reduzida forma triangular superior U =
(uij ), ukk > 0, usando-se apenas operaes elementares do tipo Tij (), ento
125
A = LU , onde L triangular inferior com diagonal formada apenas por

nmeros 1:
1
0
.. . . .
1
L = e21
= (eij ),
.
. . ...
... ... ...
en1
en2 ... 1
onde ekk = 1 e, para i > j, eij = oposto do multiplicador usado em Tij ()
(veja a observao no fim do captulo 5). Ento:
u12
u11
0
1
0
u11
..
..
..
.
.
.
u22
1
A = LU = e21
.
.
..
..
... ... ...
0
unn
en1
en2 ... 1
0
u1n
u11
u2n
=
...
u22
..
.
1
...
= LDU1 .
Essa decomposio nica pois se fosse A = L1 D1 U1 = L2 D2 U2 com L1 , L2
triangulares inferiores, D1 , D2 diagonais, U1 , U2 triangulares superiores, L1 ,
L2 , U1 , U2 com diagonais formadas apenas por nmeros 1, viria D21 L1
2 L1 D1 =
U2 U11 onde o primeiro membro triangular inferior e o segundo membro
triangular superior, ambos com diagonal formada apenas por nmeros 1,
donde U2 U11 = In , o que implica U1 = U2 e D21 L1
2 L1 D1 = In , ou seja,
1
1
L2 L1 = D2 D1 , a diagonal do primeiro membro tendo todos os elementos
iguais a 1, donde D2 D11 = In , que implica D1 = D2 e L1 = L2 .
Logo, A = LDU1 , donde At = U1t DLt = A = LDU1 , donde U1 = Lt e
A = LDLt = LD1/2 D1/2 Lt = L1 Lt1 , que a decomposio de Cholesky.
(d) (a): Temos A = LLt = At . Seja x 6= 0, donde y = Lt x 6= 0 e
xt Ax = xt LLt x = y t y = kyk2 > 0, ou seja, A > 0.
8.4
Teorema dos Valores Singulares
Lema 8.4.1 Seja T : V W uma aplicao linear entre espaos vetoriais

de dimenso finita sobre K, munidos de produto interno. Ento N (T T ) =
N (T ).
Dem. claro que N (T T ) N (T ). Seja v N (T T ), isto , T T v =
0, donde T v N (T ) = (Im T ) , donde T v Im T (Im T ) , donde
T v = 0, ou seja, v N (T ), resultando a tese.
126
Proposio 8.10 Sejam V, W espaos vetoriais de dimenso finita sobre

K, munidos de produto interno, e T : V W linear. Os operadores
T T : V V e T T : W W so no-negativos e tm o mesmo posto
de T; eles so positivos se, e s se, T invertvel.
Dem. Como (T T ) = T T , resulta que T T auto-adjunto; analogamente para T T . Se v V , tem-se hT T v, vi = kT vk2 0, donde T T 0;
analogamente para T T ; alm disso, hT T v, vi > 0 se v 6= 0 se, e s
se, kT vk > 0, isto , se, e s se, T invertvel. Pelo Lema anterior,
N (T T ) = N (T ), donde resulta posto(T T ) = dim V dim N (T T ) =
= dim V dim N (T ) = posto(T ) = posto(T ) = posto(T T ).
Corolrio 8.10.1 T : V W linear injetora se, e s se, T T invertvel; T sobrejetora se, e s se, T T invertvel.
Dem. T injetora posto(T ) = dim V posto(T T ) = dim V
T T invertvel. Analogamente para T T .

Obs. Seja A = (aij ) m n. Se posto(A) = n ento A A invertvel,
donde positiva, e AA 0. Se posto(A) = m ento AA > 0 e A A 0.
1 0 2
Exemplo 8.4.1 A =
tem posto igual a 2. Ento,
1 1 3
2 1 1
5 5
3 no-negativa.
AA =
positiva e A A = 1 1
5 11
1 3 13
Proposio 8.11 (Teorema dos Valores Singulares)
Sejam U e V espaos vetoriais de dimenso finita sobre K, munidos de
produto interno, e T : U V linear de posto igual a r. Existem bases
ortonormais E = (u1 , ..., un ) de U, F = (v1 , ..., vm ) de V tais que
T ui = i vi , 1 i r
; T vi = i ui , 1 i r
,
T uj = 0
, r + 1 j n ; T vk = 0
,r + 1 k m
onde os nmeros 1 , ..., r so positivos: so os valores singulares de T.
Dem. T T : U U no-negativa e tem posto r. Pelo teorema
espectral
1
0
..
E
existe base ortonormal E = (u1 , ..., un ) de V tal que [T T ]E =
,
0
.
..
0
0
2
2
onde 1 = 1 , ..., r = r so positivos. Ento,
127
(1 i, j r) hT ui , T uj i = hT T ui , uj i = i2 ij , e os vetores T ui , T uj
so 2 a 2 ortogonais e no-nulos, j que kT ui k = i (1 i r). Alm disso,
T uk = 0, r + 1 k n, pois N (T ) = N (T T ).
1
Para 1 i r, seja vi = T ui , donde kvi k = 1 e
i
T ui = i vi , 1 i r
.
T uj = 0
,r + 1 j n
Os vetores v1 , ..., vr formam uma base ortonormal de Im T , que estendemos a uma base ortonormal F = (v1 , ..., vm ) de V tomando (vr+1 , ..., vm )
base ortonormal de N (T ) = (Im T ) . Portanto, T vk = 0, r + 1 k m
1
e T vi = T T ui = i ui , 1 i r. F base ortonormal de autovetores de
i
T T j que T T vi = T (i ui ) = i2 vi = i vi .
N (T )
N (T )
(ur+1 , . . . , un )
(vr+1 , . . . , vm )
Im(T )
Im(T )
(u1 , . . . , ur )
(v1 , . . . , vr )
U = N (T ) Im(T
V = N (T ) Im(T )
Obs. A aplicao linear T + : V U definida por

T + (vi ) =
1
ui , 1 i r
i
tal que
T T (vi ) = T
1
ui
i
T + (vk ) = 0 , r + 1 k m,
= vi , 1 i r
T T + (vk ) = 0,
T + T (ui ) = T + (i vi ) = ui ,
T + T (uj ) = 0,
r+1k m
1ir
r+1j n
Definio 8.10 T + : V U a pseudo-inversa de T : U V .

Obs. Nas condies do Teorema dos Valores Singulares, seja A = [T ]EF11
m n onde E1 e F1 so bases ortonormais de U e V, respectivamente.
Temos
X h iE
= T
=
128
..
.
r
E1
E
1
= [I]F
F [T ]F1 [I]E1 = QAP ,
ou seja, existem matrizes unitrias Q = matriz de passagem de F para F1 ,

P = matriz de passagem de E1 para E, tais que
...
r
QAP =
=
,
0
0
onde 1 , ..., r so os valores singulares da matriz A de posto r.

Obs. Sejam V um espao vetorial de dimenso finita sobre (K) munido de
produto interno, e T : V V linear invertvel. Pelor Teorema dos Valores
Singulares existem bases ortonormais E = (u1 , ..., un ) e F = (v1 , ..., vn ) tais
que T T ui = 12 ui e T ui = i vi , 1 i n.
Seja H tal que H 2 = T T . Ento H > 0. Defina U = T H 1 U =
1
H T U U = H 1 T T H 1 = H 1 H 2 H 1 = I, isto , U unitria
e T = U H, ou seja, toda aplicao linear invertvel o produto de uma
aplicao unitria por uma aplicao positiva.
8.5
1. Sejam V um espao vetorial de dimenso finita, munido de um produto

interno , e T : V V linear. Se a, b K so tais que |a| = |b|, prove
que aT + bT normal.
2. Seja R2 com o produto interno usual. Se T : R2 R2 um operador
unitrio (ortogonal)
mostre quea matriz de T na base cannica

cos sen
cos sen
ou
para algum real , 0 2.
sen cos
sen cos
129
3. Seja V = C2 com o produto interno usual. Seja T : V V o operador

1 i
linear cuja matriz na base cannica A =
. Mostre que T
i 1
normal e ache uma base ortonormal de V formada por autovetores de
T.
4 2
t
4. Ache a decomposio de Cholesky LL da matriz A =
.
2 10
5. Seja A n n (simtrica e) positiva, A = QDQt onde Q ortogonal
e D diagonal. Ache matriz invertvel B tal que A = B t B.
6. Seja A n n (simtrica e) negativa (A < 0).
(a) Qual o sinal de det A?
(b) Mostre que as submatrizes principais de A so negativas.
(c) Mostre que os determinantes das submatrizes principais de A alternam em sinal.
Captulo 9
Formas Bilineares e Quadrticas
9.1
Generalidades
Definio 9.1 Seja K um corpo de caracterstica 6= 2; por exemplo K = R

ou K = C. Sejam U, V, W espaos vetoriais sobre K. Uma aplicao T :
U V W bilinear se T linear em cada varivel separadamente, isto
, se
T (u1 + u2 , v) = T (u1 , v) + T (u2 , v); T (u, v) = T (u, v)
T (u, v1 + v2 ) = T (u, v1 ) + T (u, v2 ); T (u, v) = T (u, v)
quaisquer que sejam u, u1 , u2 U , v, v1 , v2 V e K.
Com as leis usuais de adio e produto por escalar, o conjunto das aplicaes bilineares T : U V W um espao vetorial sobre K, anotado L(U, V ; W ). Quando U = V e W = K, representamos L(V, V ; K) por
L2 (V ; K) e dizemos que f L2 (V ; K) uma forma bilinear.
n
Exemplo 9.1.1 (x, y) R R 7 hx, yi =
n
X
xi yi uma forma bilinear
i=1
em Rn .
Exemplo 9.1.2 Se f, g V definimos seu produto tensorial f g e seu

produto exterior f g por:
(f g)(u, v) = f (u) g(v) ;
(f g)(u, v) = f (u)g(v) f (v)g(u).
fcil ver que f g e f g so formas bilineares em V.

Exemplo 9.1.3 Se V = C 0 ([a, b], R) = {f : [a, b] R, contnua } e
Z b
f, g V , ento (f, g) 7
f (t)g(t)dt uma forma bilinear em V.
a
130
CAPTULO 9. FORMAS BILINEARES E QUADRTICAS
131
Exemplo 9.1.4
: L(U, V ) L(V, W ) L(U, W )
(S, T ) (S, T ) = T S
uma aplicao bilinear.
Proposio 9.1 Seja
: L(U, V ; W ) L(U, L(V, W ))
T
T : U L(V, W )
u 7 T (u) : V W
v 7 T (u)(v) = T (u, v)
onde U, V, W so espaos vetoriais sobre K.
Ento, um isomorfismo cannico.
Dem. Seja
: L(U ; L(V, W ))
L(U, V ; W )
S 7 S : U V W
(u, v) 7
S(u, v) = S(u)(v)
fcil verificar que e esto bem definidas, so lineares, =
id, = id, ou seja, e so isomorfismos e = 1 .
Corolrio 9.1.1
: L2 (V ; K)
L(V, V )
f f : V
V
u 7 f (u) : V K
v 7 f (u, v)
um isomorfismo cannico que nos permite identificar L2 (V ; K) com L(V, V ).
Definio 9.2 f L2 (V ; K) simtrica se f (u, v) = f (v, u) quaisquer que
sejam u, v V .
f L2 (V ; K) antissimtrica se f (u, v) = f (v, u) quaisquer que sejam
u, v V ; neste caso, f (v, v) = f (v, v) donde f (v, v) = 0 para todo v V ,
isto , f alternada.
Obs. O conjunto das formas bilineares simtricas (resp. antissimtricas)
em V um subespao vetorial S2 (V ; K) (resp. A2 (V ; K)) de L2 (V ; K) e
temos L2 (V ; K) = S2 (V ; K) A2 (V ; K). De fato, S2 (V ; K) e A2 (V ; K) tm
1
interseo igual a {0} e se f L2 (V ; K) ento g(u, v) = [f (u, v)+
2
1
+f (v, u)] e h(u, v) = [f (u, v) f (v, u)] so tais que g S2 (V ; K), h
2
A2 (V ; K) e f = g + h.
9.2
132
Matriz de uma forma bilinear
Sejam:
E = (u1 , ..., um ) base ordenada de U
F = (v1 , ..., vn ) base ordenada de V
f : U V K forma bilinear
Se u U , v V , u =
m
X
x i ui , v =
i=1
n
X
yj vj , ento f (u, v) =
j=1
m X
n
X
Pondo aij = f (ui , vj ) vem f (u, v) =
m X
n
X
xi yj f (ui , vj ).
i=1 j=1
aij xi yj . A matriz A = (aij )
i=1 j=1
m n chamada
de matriz de f em
relao s bases E e F.
x1
y1

Se X = ... = [u]E e Y = ... = [v]F , ento
xm
yn

a11 ... a1n
y1
..
.
t
.
..
.. ...
f (u, v) = (x1 , ..., xm ) .
= X AY.
am1 ... amn
yn
Fixadas as bases E e F, a aplicao f L(U, V ; K) 7 A Mmn (K)
um isomorfismo, como se verifica facilmente, de modo que dim L(U, V ; K) =
dim U dim V = mn, em particular, dim L2 (V ; K) = n2 .
Obs. Se (v1 , ..., vn ) base ordenada de V e A = (aij ) com aij = f (vi , vj ),
vemos que f L2 (V ; K) simtrica se, e s se, aij = aji para todo par (i, j).
9.3
Mudanas de Bases
Sejam: E = (u1 , ..., um ); E 0 = (u01 , ..., u0m ) bases ordenadas de U, F =

(v1 , ..., vn ), F 0 = (v10 , ..., vn0 ) bases ordenadas de V. Ento:
u0i
vj0
=
=
m
X
r=1
n
X
pri ur
,
qsj vs
s=1
onde P e Q so as matrizes de passagem de E para E 0 e de F para F 0 ,

respectivamente.
133
Temos:
f (u0i , vj0 ) = a0ij =
m X
n
X
pri qsj ars =
r=1 s=1
m
n
X
X
s=1
!
ptir arj
qsj ,
r=1
donde A0 = P t A Q, que a relao entre a matriz A0 de f L(U, V ; K)

nas bases E 0 e F 0 e a matriz A de f nas bases E e F. No caso em que U = V ,
n
X
0
0
0
pij vi , temos P = Q e A0 = P t A P .
E = F, E = F e vj =
i=1
9.4
Formas Quadrticas
Definio 9.3 Seja f L2 (V ; K). A funo q : V K definida por

q(v) = f (v, v) chama-se uma forma quadrtica em V. O conjunto Q(V ) das
formas quadrtivas em V um espao vetorial com as leis usuais de adio
e produto por escalar. A aplicao f L2 (V ; K) 7 q Q(V ) linear
1
sobrejetora, mas no injetora. Se g(u, v) = [f (u, v) + f (v, u)], ento g
2
simtrica e g(v, v) = f (v, v) = q(v) de modo que podemos sempre supor que
a forma bilinear que define q simtrica e a aplicao g L2 (V ; K) 7 q
Q(V ) bijetora. Para obter g a partir de q, observemos que
q(u + v) = g(u + v, u + v) = g(u, u) + g(v, v) + 2g(u, v),
1
donde g(u, v) = [q(u+v)q(u)q(v)]; g a forma polar de q. Se A = (aij )
2
nn a matriz de g na base E de V e se X = [v]E , ento q(v) = X t AX,
e dizemos tambm que A matriz de q na base E.
Exemplo 9.4.1 q : Rn R, q(x) = q(x1 , ..., xn ) =
i=1
quadrtica em Rn .
Z
Exemplo 9.4.2 q : C ([0, 1], R) R, q(f ) =

quadrtica em C 0 ([0, 1], R).
9.5
n
X
(xi )2 uma forma
[f (t)]2 dt uma forma
Formas Bilineares Simtricas Reais
Proposio 9.2 Seja V um espao vetorial real de dimenso finita, munido

de um produto interno. Para cada forma bilinear f : V V R existe
134
uma e uma nica aplicao linear F : V V tal que f (u, v) = hu, F (v)i
para u, v V quaisquer.
Dem. Seja v V arbitrrio. A funo u V 7 f (u, v) uma forma
linear em V, isto , um elemento de V . Portanto, existe um e um nico
= F (v) V tal que f (u, v) = hu, i = hu, F (v)i, e obtemos F : V V .
Se u, v1 , v2 V e R, temos:
hu, F (v1 + v2 )i = f (u, v1 + v2 ) = f (u, v1 ) + f (u, v2 ) =
= hu, F (v1 )i + hu, F (v2 )i = hu, F (v1 ) + F (v2 )i,
resultando F (v1 + v2 ) = F (v1 ) + F (v2 ), donde F linear.
Proposio 9.3 Seja q : V R uma forma quadrtica definida num espao vetorial real V de dimenso n munido de um produto interno. Existe
base ortonormal F = (u1 , ..., un ) de V relativa qual q(v) = 1 x21 +...+n x2n ,
onde v = x1 u1 + ... + xn un , e 1 , ..., n so os autovalores de q.
Dem. Seja f : V V R bilinear simtrica tal que q(v) = f (v, v)
para v V qualquer, e seja F : V V linear tal que f (u, v) = hu, F (v)i
para u, v V quaisquer. Se E = (v1 , ..., vn ) base ortonormal de V ento
f (vi , vj ) = hvi , F (vj )i mostra que a matriz de f na base E coincide com a
matriz de F na mesma base. Resulta que : f L2 (V ; R) 7 F L(V )
um isomorfismo e que f simtrica se, e s se, F auto-adjunta. Neste
caso, existe base ortonormal de V formada por autovetores de F (ou de f,
ou de q), isto , existe base ortonormal F = (u1 , ..., un ) tal que f (ui , uj ) =
n
X
hui , F (uj )i = j ij . Se v =
xi ui ento
i=1
q(v) = f (v, v) =
n
X
f (ui , uj )xi xj =
i,j=1
j ij xi xj =
i,j
n
X
i (xi )2 = 1 x21 +...+n x2n ,
i=1
combinao de quadrados.
Corolrio 9.3.1 Nas condies da proposio 9.3, existe base ortonormal
G = (w1 , ..., wn ) de V relativa qual se tem
s
s+t
X
X
2
q(v) =
(xi )
(xj )2
i=1
para todo v =
n
X
i=1
xi w i V .
j=s+1
135
Dem. Reordenamos a base F = (u1 , ..., un ) da proposio 9.3 de modo

que
f (ui , ui ) = q(ui ) = i > 0
f (uj , uj ) = q(uj ) = j < 0
f (uk , uk ) = q(uk ) = 0
Pondo:
ui
wi =
i
uj
wj = p
j
wk = uk
obtemos
f (wi , wi ) = 1
f (wj , wj ) = 1
f (wk , wk ) = 0
Portanto, se v =
n
X
para 1 i s
para s + 1 j s + t
para s + t + 1 k n.
para 1 i s
para s + 1 j s + t
para s + t + 1 k n,
para 1 i s
para s + 1 j s + t
para s + t + 1 k n.
xi wi , temos q(v) =
i=1
s
s+t
X
X
(xi )2
(xj )2 .
i=1
j=s+1
Corolrio 9.3.2 Se E = (v1 , ..., vn ) e E 0 = (v10 , ..., vn0 ) so bases ortonormais

0 +t0
s
s+t
s0
sX
X
X
X
2
2
2
de V nas quais q(v) =
(xi )
(xj ) =
(xi )
(xj )2 para
v=
xi v i =
i=1
j=s+1
i=1
j=s0 +1
xj vj0 qualquer, ento s = s0 e t = t0 .
Dem. Sejam:
U = subespao de V gerado por v1 , ..., vs
W 0 = subespao de V gerado por vs0 0 +1 , ..., vn0 .
Ento: dim U = s e dim W 0 = n s0 .
Se v U, v 6= 0, temos q(v) > 0. Se v W 0 , ento q(v) 0. Resulta
que U W 0 = {0} e, portanto,
dim U + dim W 0 = dim(U + W 0 ) dim V = n,
donde: s + n s0 n, ou seja, s s0 .
Por simetria, obtemos: s0 s. Logo, s = s0 .
Como s + t = s0 + t0 = r = posto de F (=posto de f=posto de q), resulta
t = t0 .
Obs. O par (s, t) univocamente determinado por q; t a maior dimenso de um subespao de V restrita ao qual q negativa: t a dimenso do
136
subespao de V gerado por vs+1 , ..., vs+t . Por definio, t o ndice da forma
quadrtica q. Quando q(v) 0 para v V qualquer, dizemos que o ndice
de q zero.
Exemplo: q : R4 R, q(x, y, z, t) = x2 + y 2 + z 2 + t2 tem posto r = 4
e ndice t = 1.
Vamos apresentar, por meio de exemplos, o mtodo de Lagrange para a
diagonalizao de uma forma quadrtica.
Exemplo 9.5.1 q(x, y, z) = x2 + z 2 4xy + 4xz.
Como existe o termo quadrado puro x2 vamos completar o quadrado:
q(x, y, z) = x2 4x(yz)+z 2 = [x2(yz)]2 4(yz)2 +z 2 = (x2y+2z)2 4y 2 3z 2 +8yz
e a existncia de y 2 nos permite completar o quadrado:
q(x, y, z) = (x 2y + 2z)2 4(y z)2 + z 2
Pondo:
u = x 2y + 2z
v = y z,
obtemos
q(u, v, z) = u2 4v 2 + z 2 ,
forma de posto r = 3 e ndice t = 1.
Exemplo 9.5.2 q(x, y, z) = 4xy 2xz + yx
Como no existe nenhum quadrado puro, fazemos
x=u+v
y = u v,
donde xy = u2 v 2 e
q(u, v, z) = 4u2 4v 2 2z(u + v) + z(u v) = 4u2 4v 2 uz 3vz =
z
3z
z 2
z2
3z
9z 2
2
2
= 4 u u 4 v + v = 4 u
4 v +
+
=
4
4
8
164
8
16
z2
3z
z 2
4 v+ v + .
4 u
8
4
2
3z
z
Fazendo: = u ; = v + , vem:
8
8
z2
q(, , z) = 42 4 2 + ,
2
forma de posto r = 3 e ndice t = 1.
Captulo 10
Miscelnea
10.1
Orientao
Seja V um espao vetorial real, de dimenso finita n 1, e seja B o conjunto

das bases ordenadas de V.
Definio 10.1 Duas bases ordenadas E = (u1 , ..., un ) e F = (v1 , ..., vn ) de
V so equivalentes, anotado E F, se o determinante da matriz de passagem
de E para F positivo.
n
X
Se vj =
pij ui , ento a matriz de passagem de E para F a matriz
i=1
invertvel P = (pij ) e E F se, e s se, det P > 0. Observemos que

P = [I]F
E , onde I : V V a identidade.
Proposio 10.1 A relao E F uma relao de equivalncia sobre B.
Dem. (a) E E, pois det [I]EE = det In = 1 > 0.
1
(b) E F F E: com efeito, se P = [I]F
= [I]EF .
E , ento P
1
Portanto, det P > 0 det P > 0.
G
(c) E F , F G E G: sejam P = [I]F
E , Q = [I]F . A matriz de
passagem de E para G R = [I] = P Q. Logo, det R = det P det Q > 0.
Proposio 10.2 A relao E F determina duas classes de equivalncia
no conjunto B de todas as bases ordenadas de V.
Dem. Fixemos uma base E = (u1 , ..., un ) em V e seja E = (u1 , u2 , ..., un ).
A matriz de passagem de E para E tem determinante igual a
1 0 0 ... 0
0 1 0 ... 0
0 0 1 ... 0 = 1,
... ... ... ... ...
0 0 0 ... 1
137
CAPTULO 10. MISCELNEA
138
ou seja, E e E esto em classes distintas, B1 e B2 . Se F base ordenada

arbitrria de V, temos
E
F
R = [I]F
E = [I]E [I]E = P Q,
onde P, Q e R so as matrizes de passagem de E para E, de E para F e de

E para F, respectivamente. Ento:
det R = det P det Q = det Q, donde resulta que ou F B1 ou F B2 ,
ou seja, s existem duas classes de equivalncia.
Definio 10.2 Qualquer uma das classes B1 ou B2 diz-se uma orientao
de V. V possui, portanto, duas orientaes.
Definio 10.3 Um espao vetorial orientado um espao vetorial associado a uma de suas orientaes. Mais precisamente, um par (V, O) onde O
uma orientao do espao vetorial real V.
Definio 10.4 Se (V, O) um espao vetorial orientado, as bases que pertencem orientao O chamam-se positivas. As outras so chamadas negativas.
Exemplo 10.1.1 O espao Rn possui uma orientao cannica, que aquela
determinada pela base cannica (e1 , ..., en ).
Obs. O conceito de orientao depende essencialmente da relao de
ordem dos nmeros reais, no podendo ser estendido a espaos vetoriais sobre
um corpo qualquer.
10.2
Volume de Paraleleppedo
Sejam V um espao vetorial real de dimenso n, munido de um produto

interno, e v1 , ..., vn V .
Definio 10.5 O paraleleppedo de arestas v1 , ..., vn o conjunto
P (v1 , ..., vn ) = {x = t1 v1 + ... + tn vn ; 0 ti 1}.
n
X
Seja E = (e1 , ..., en ) uma base ortonormal de V. Se vj =

aij ei , A =
i=1
(aij ) nn define-se o volume de P (v1 , ..., vn ) por v P (v1 ..., vn ) = |det A|.
n
X
0
0
0
0
Se E = (e1 , ..., en ) outra base ortonormal de V e ei =
pki ek , P =
k=1
(pij ) n n matriz ortogonal, de transio da base E para a base E, ento

|det P | = 1 e vj =
n
X
a0ij e0i
n
X
139
a0ij
n
X
pki ek =
n X
n
X
pki a0ij ek
n
X
akj ek ,
i=1
i=1
k=1
k=1 i=1
k=1
donde A = P A0 e |det A| = |det A0 |, o que mostra que v P (v1 , ..., vn ) no
depende da base ortonormal usada na sua definio.
Proposio 10.3 Seja T : V V linear. Ento:
v P (T v1 , ..., T vn ) = |det T | v P (v1 , ..., vn ) .

Dem. Com as notaes usadas acima, temos: vj =
n
X
aij ei , donde
i=1
T vj =
n
X
aij T (ei ) =
i=1
n
X
aij bki ek =
i,k=1
n
n
X
X
!
bki aij
ek ,
i=1
k=1
onde B = [T ]EE ; portanto,
v P (T v1 , ..., T vn = |det BA| = |det T ||det A| = |det T |v P (v1 , ..., vn ) .
10.3
Matriz de Gram
Sejam v1 , ..., vk V , onde V um espao vetorial real de dimenso n, munido

de um produto interno.
Se gij = hvi , vj i, a matriz de Gram de v1 , ..., vk G = (gij ) k k. Seja
W um subespao de dimenso k contendo v1 , ..., vk (se v1 , ..., vk so LI, W
nico). Seja E = (e1 , ..., en ) base ortonormal de V tal que (e1 , ..., ek ) seja base
k
X
ortonormal de W. Ento: vj =
aij ei , v P (v1 , ..., vk ) = |det A| e v1 , ..., vk
i=1
so LI det A 6= 0 v P (v1 , ..., vk ) > 0.

Proposio 10.4 v P (v1 , ..., vk ) = det G.
Dem. Com as notaes acima, temos:
gij = hvi , vj i = h
k
X
r=1
ari er ,
k
X
asj es i =
s=1
k
X
t
air
arj ,
r=1
donde G = At A e det G = (det A)2 , resultando v P (v1 , ..., vk ) = |det A| =
det G. Alm disso, det G 0, e det G = 0 det A = 0 v1 , ..., vk so

LD.
140
Obs. Se v1 , ..., vk so 2 a 2 ortogonais, ento
2
|v1 |
0
2
2
2
..
det G =
= |v1 | ...|vk | = (det A) ,
.
0
|vk |2
donde |det A| = v P (v1 , ..., vk ) = |v1 |...|vk |. Se {v1 , ..., vk } conjunto

ortonormal, ento P (v1 , ..., vk ) o cubo unitrio Ik e v(Ik ) = 1.
10.4
Produto Vetorial
Sejam V um espao vetorial real, de dimenso (n+1), munido de um produto

interno h, i, orientado, e v1 , ..., vn V . A funo
f : V R
x 7 f (x) = detE (v1 , ..., vn , x),
onde E = (e1 , ..., en+1 ) base positiva de V, ortonormal, linear, donde existe
um e um nico u V , u = v1 ... vn , tal que f (x) = hu, xi para todo
x V . Este vetor u = v1 ... vn chama-se o produto vetorial de v1 , ..., vn .
Obs. (a) u = v1 ... vn forma n-linear dos vetores v1 , ..., vn .
(b) Seja A = [v1 , ..., vn ] a matriz (n+1)n cujas colunas so os vetores vj
escritos na base E. Seja A(i) n n a submatriz obtida de A pela omisso
da linha i. Temos:
hu, ej i = det [v1 , ..., vn , ej ] = (1)n+1+j det A(j) .
Ento:
u=
n+1
X
(1)n+1+i det A(i) ei ,
i=1
donde |u|2 =
n+1
X
i=1
(det A(i) )2 0 e |u| = 0 det A(i) = 0 para todo i,
1 i n + 1 posto A < n v1 , ..., vn so LD.

(c) uvj (1 j n) pois hu, vj i =
det(v1 , ..., vn , vj ) = 0.
2
(d) |u| = detE [v1 , ..., vn , u] = v P (u, v1 , ..., vn ) = |u|v P (v1 , ..., vn ) ,
donde |u| = v P (v1 , ..., vn ) .
(e) v1 , ..., vn so LI v P (v1 , ..., vn ) = |u| > 0. Neste caso, det(u, v1 , ..., vn ) =
|u|2 > 0 e (v1 , ..., vn , v1 ... vn ) tem a mesma orientao que (e1 , ..., en+1 ).
fcil ver que o produto vetorial u = v1 ... vn o nico vetor de V
satisfazendo (c), (d) e (e).

Pode-se representar u = v1 ... vn pelo determinante simblico
v11
...
v
e
1n
1
n+1
v21
...
v2n
e2 X
(1)n+1+i det A(i) ei = u.

..
..
.. =
..
.
.
.
.
i=1
vn+1,n ... vn+1,n en+1
141
Exerccios de Reviso
1. Sejam p1 , ..., pn Pn (K), isto , polinmios de grau menor que n.
Se, para j = 1, ..., n, pj (2) = 0, prove que {p1 , ..., pn } um conjunto
linearmente dependente.
2. Prove que no existe T : R5 R2 linear cujo ncleo seja {(x1 , ..., x5 )
R5 |x1 = x2 e x3 = x4 = x5 }.
3. Seja T : V W linear, V de dimenso finita. Prove que existe
subespao U V tal que N (T ) U = {0} e Im T = T (U ).
4. Seja T : Rn Rn , T (x1 , ..., xn ) = (x1 + ... + xn , ..., x1 + ... + xn ). Ache
os autovalores e autovetores de T.
5. Sejam V = U W , P : V W , P (u + w) = w, onde u U e w W .
Mostre que 0 e 1 so os nicos autovalores de P e ache os autovetores
correspondentes.
6. D exemplo de um operador linear invertvel T : V V , dim V = n,
cuja matriz em alguma base s tem zeros na diagonal principal.
7. Se a1 , ..., an , b1 , ..., bn R, prove que
n
!2 n
! n
!
X
X
X b2j
aj bj
j a2j
.
j
j=1
j=1
j=1
8. Seja T : Cn Cn , T (z1 , ..., zn ) = (0, z1 , ..., zn1 ). Ache T .
9. Prove que todo operador auto-adjunto T : V V tem uma raiz
cbica, dim V = n.
10. Sejam T : V V linear, dim V = n. Prove que V tem base formada
por autovetores de T se, e s se, existe produto interno em V que torna
T auto-adjunto.
142
EXERCCIOS DE REVISO
143
11. Se T : V V normal, prove que Im T = Im T .

12. Se K = C prove que todo operador normal T : V V , dim V = n
tem uma raiz quadrada.
13. Sejam K = C e T : V V operador normal, dim V = n. Prove que
T = T todos os autovalores de T so reais.
14. Sejam T : V V linear, dim V = n, T = T . Prove que os valores
singulares de T so os mdulos de seus autovalores.
15. Prove que todo polinmio mnico o polinmio caracterstico de algum
operador linear. Para isso, considere a matriz
0 0 ... 0 0 a0
1 0 ... 0 0 a1
0 1 ... 0 0 a2
.
A=
... ... ... ... ...
...
0 0 ... 1 0 an2
0 0 ... 0 1 an1
16. Sejam T : V V , dim V = n, T > 0 e tr T = 0. Prove que T = 0.
17. Sejam (e1 , ..., en ) base ortonormal de V e T : V V linear. Prove:
tr(T T ) = |T e1 |2 + ... + |T en |2 .
18. Sejam K = C, T : V V linear, E = (e1 , ..., en ) base ortonormal de
V, e 1 , ..., n os autovalores de T. Se A = [T ]EE = (aij ) n n prove
que
n
X
2
2
|1 | + ... + |n |
|aij |2 .
i,j=1
Referncias Bibliogrficas
[1] Axler, S. Linear Algebra Done Right Springer, New York, 1996.
[2] Gelfand, I. Lectures on Linear Algebra Interscience, New York, 1961.
[3] Hoffman, K.; Kunze, R. Linear Algebra Prentice-Hall, New Jersey,
1971.
[4] Jdice, E.D. Introduo lgebra Linear Belo Horizonte, 1960.
[5] Lang, S. Linear Algebra Springer, New York, 2004.
[6] Leon, S. lgebra Linear LTC, Rio de Janeiro, 1999.
[7] Lima, E.L. lgebra Linear IMPA, Rio de Janeiro, 1996.
[8] Queysanne, M. Algbre Armand Colin, Paris, 1964.
[9] Simmons, G. Introduction to Topology and Modern Analysis
McGraw-Hill, New York, 1963.
144

Algebra Linear

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Algebra Linear

Загружено:

Авторское право:

Доступные форматы

.

ROBERTO DE MARIA NUNES MENDES

4 Formas Lineares. Dualidade

Determinante de um Operador Linear . . . . . . . . . . . . .

8 Operadores Unitrios e Normais

Belo Horizonte, janeiro de 2013

Seja K um corpo com elementos neutros distintos 0 e 1, por exemplo, K = R

tais que, para quaisquer u, v, w V e a, b K, se tenha:

CAPTULO 1. ESPAOS VETORIAIS

Observao: Os elementos de um espao vetorial V so chamados de

CAPTULO 1. ESPAOS VETORIAIS

CAPTULO 1. ESPAOS VETORIAIS

3. O conjunto das sequncias complexas z = (zn )n1 tais que

Seja V um espao vetorial sobre o corpo K.

Dem. Seja (W )A uma famlia de subespaos de V , e seja W =

CAPTULO 1. ESPAOS VETORIAIS

(a) 0 W pois 0 W para todo A.

X, ai K, 1 i m, chamado de combinao linear de elementos de X.

e, portanto, que W contm todas as combinaes lineares de elementos de X,

CAPTULO 1. ESPAOS VETORIAIS

Independncia Linear. Bases. Dimenso

CAPTULO 1. ESPAOS VETORIAIS

Definio 1.5 Seja V um espao vetorial sobre K. Dizemos que G V

CAPTULO 1. ESPAOS VETORIAIS

Corolrio 1.4.1 Se w1 , ..., wp geram V e n > p, ento v1 , ..., vn so LD. Em

Dem. (a) (b): Sejam x X, Y = X {x}. Se x fosse combinao linear

LD, contradio. Portanto, Y no gera V , o que mostra que X mnimo.

CAPTULO 1. ESPAOS VETORIAIS

Dem. Como v1 , ..., vn so LI e w1 , ..., wp geram V , temos n p. Por

CAPTULO 1. ESPAOS VETORIAIS

2. Prove que f, g, h F (R, R) so LI, onde

Espaos Produto e Quociente

Sejam V1 e V2 espaos vetoriais sobre K e V = V1 V2 = {(v1 , v2 ); v1

CAPTULO 1. ESPAOS VETORIAIS

Dem. Sejam {v1 , ..., vn } e {u1 , ..., up }, respectivamente, bases de V1 e V2 .

Essas leis esto bem definidas pois se u + W = u1 + W e v + W = v1 + W ,

CAPTULO 1. ESPAOS VETORIAIS

Somas e Somas Diretas

Definio 1.10 Sejam V um espao vetorial sobre K, U e W subespaos de

CAPTULO 1. ESPAOS VETORIAIS

fcil ver que U + W um subespao de V . De fato, se u1 , u2 U ,

Dem. Se V = U W claro que V = U + W . Alm disso, se v U W

Dem. Sejam {u1 , ..., ur } e {w1 , ..., ws } bases de U e W , respectivamente.

CAPTULO 1. ESPAOS VETORIAIS

Seja a1 u1 + ... + ar ur + b1 w1 + ... + bs ws = 0. Ento:

aki vik e B gera V.

aki vik = 0. Pondo vi =

aki vik , temos que

vi Vi , i = 1, ..., r. Ento: v1 + ... + vr = 0 e, como a soma direta, temos

aki vik pertence a Vi , i i r. Logo: V = V1 + ... + Vr . A soma

CAPTULO 1. ESPAOS VETORIAIS

aki vik = 0, donde

1. Determine uma base para o subespao de R4 descrito por x = (x1 , x2 , x3 , x4 )

CAPTULO 1. ESPAOS VETORIAIS

5. Sejam V um espao vetorial, U e W seus subespaos. Se U e W tm

combinaes convexas dos elementos de X. Prove que C(X) convexo,

Definio 2.1 Sejam V e W espaos vetoriais sobre K. Dizemos que uma

CAPTULO 2. APLICAES LINEARES

linear. tambm linear a funo f V 7

Proposio 2.1 Sejam V e W espaos vetoriais sobre K e (v1 , v2 , ..., vn ) uma

Dem. (a) Como T linear, T (av) = aT (v) para todo a K e todo v V .

CAPTULO 2. APLICAES LINEARES

Dem. (a) (b): N (T ) = {0} T (w) = 0 implica w = 0 T (u v) = 0

CAPTULO 2. APLICAES LINEARES