Algebra linear 1

´Algebra Linear
S´ergio Lu´ıs Zani

Sumário
1 Espaços Vetoriais 7
1.1 Introduç ão e Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.3 Exerc´ıcios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2 Subespaços Vetoriais 15
2.2 Interseç ão e Soma de Subespaços . . . . . . . . . . . . . . . . . . . . . 17
2.3 Exerc´ıcios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3 Combinaç ões Lineares 23
3.2 Geradores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.3 Exerc´ıcios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4 Dependência Linear 31
4.2 Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.3 Exerc´ıcios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
5 Base, Dimensão e Coordenadas 37
5.1 Base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
5.2 Dimensão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
5.3 Dimensão de Soma de Subespaços Vetoriais . . . . . . . . . . . . . . . 41
5.4 Coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
5.5 Exerc´ıcios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3

4 SUM ÁRIO
6 Mudança de Base 51
6.1 Introduç ão, Exemplos e Propriedades . . . . . . . . . . . . . . . . . . 51
6.2 Exerc´ıcios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
7 Exerc´ıcios Resolvidos – Uma Revisão 59
8 Transformaç ões Lineares 71
8.2 O Espaço Vetorial L(U, V ) . . . . . . . . . . . . . . . . . . . . . . . 73
8.3 Imagem e Núcleo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
8.4 Isomorfismo e Automorfismo . . . . . . . . . . . . . . . . . . . . . . . 85
8.5 Matriz de uma Transformaç ão Linear . . . . . . . . . . . . . . . . . . 87
8.5.1 Definiç ão e Exemplos . . . . . . . . . . . . . . . . . . . . . . 87
8.5.2 Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
8.6 Exerc´ıcios Resolvidos . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
8.7 Exerc´ıcios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
9 Autovalores e Autovetores 105
9.1 Definiç ão, Exemplos e Generalidades . . . . . . . . . . . . . . . . . . 105
9.2 Polinômio Caracter´ıstico . . . . . . . . . . . . . . . . . . . . . . . . . 111
9.3 Exerc´ıcios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
10 Diagonalizaç ão 115
10.1 Definiç ão e Caracterizaç ão . . . . . . . . . . . . . . . . . . . . . . . . 115
10.2 Exerc´ıcios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
11 Forma Canônica de Jordan 125
11.1 Exerc´ıcio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
12 Espaços Euclidianos 133
12.1 Produto Interno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
12.2 Norma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
12.3 Distância . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
12.4 Ângulo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
12.5 Ortogonalidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
12.6 Processo de Ortonormalizaç ão de Gram-Schmidt . . . . . . . . . . . . 145
12.7 Complemento Ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . 149

SUM ´ARIO 5
12.8 Isometria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
12.9 Operador Auto-adjunto . . . . . . . . . . . . . . . . . . . . . . . . . . 153
12.10Exerc´ıcios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156

Cap´ıtulo 1
Espaços Vetoriais
1.1 Introduç ão e Exemplos
Neste cap´ıtulo introduziremos o conceito de espaço vetorial que será usado em todo o
decorrer do curso.
Porém, antes de apresentarmos a definiç ão de espaço vetorial, passemos a analisar
em paralelo dois objetos: o conjunto formado pelas funç ões f : R ! R, denotado
por F(R) e o conjunto das matrizes quadradas de ordem m com coeficientes reais que
denotaremos por Mm(R), ou simplesmente, por Mm.
A soma de duas funç ões f e g de F(R) é definida como sendo a funç ão f + g 2 F(R) dada por (f + g)(x) = f(x) + g(x).
Note também que se ¸ 2 R podemos multiplicar a funç ão f pelo escalar ¸, da
seguinte forma (¸f)(x) = ¸(f(x)), resultando num elemento de F(R).
Com relaç ão a Mn podemos somar duas matrizes quadradas de ordem n, A =
(aij)n×n e B = (bij)n×n, colocando A + B = (aij + bij)n×n, que é um elemento
de Mn.
Com a relaç ão à multiplicaç ão de A = (aij)n×n por um escalar ¸ 2 R, é natural
definirmos ¸A = (¸aij)n×n, o qual também pertence a Mn.
O que estes dois conjuntos acima, com estas estruturas de adiç ão de seus elementos
e multiplicaç ão de seus elementos por escalares, têm comum? Vejamos:
Verifica-se facilmente a partir das propriedades dos números reais que, com relaç ão
a quaisquer funç ões f, g e h em F(R) e para todo ¸, μ 2 R, são válidos os seguintes
resultados:
1. f + g = g + f;
7

8 CAPÍTULO 1. ESPAÇOS VETORIAIS
2. f + (g + h) = (f + g) + h;
3. se O representa o funç ão nula, isto é, O(x) = 0 para todo x 2 R então O+f = f;
4. a funç ão −f definida por (−f)(x) = −[f(x)] para todo x 2 R é tal que f +
(−f) = O;
5. ¸(μf) = (¸μ)f;
6. (¸ + μ)f = ¸f + μf;
7. ¸(f + g) = ¸f + ¸g;
8. 1f = f.
Agora, com relaç ão a quaisquer matrizes A,B e C em Mm e para todo ¸, μ 2 R,
também são válidos os seguintes resultados:
1. A + B = B + A;
2. A + (B + C) = (A + B) + C;
3. se O representa o funç ão nula, isto é, O = (0)n×n então O + A = A;
4. se A = (ai,j)n×n então a matriz −A definida por −A = (−ai,j)n×n é tal que
A + (−A) = O;
5. ¸(μA) = (¸μ)A;
6. (¸ + μ)A = ¸A + μA;
7. ¸(A + B) = ¸A + ¸B;
8. 1A = A.
Podemos ver que tanto o conjuntos das funç ões definidas na reta a valores reais
como o das matrizes quadradas quando munidos de somas e multiplicaç ão por escala-res
adequadas apresentam propriedades algébricas comuns. Na verdade muitos outros
conjuntos munidos de operaç ões apropriadas apresentam propriedades semelhantes às
acima. É
por isso que ao invés de estudarmos cada um separadamente estudaremos um
conjunto arbitrário e não vazio, V, sobre o qual supomos estar definidas uma operaç ão
de adiç ão, isto é, para cada u, v 2 V existe um único elemento de V associado, chamado

1.1. INTRODUÇ ÃO E EXEMPLOS 9
a soma entre u e v e denotado por u + v, e uma multiplicaç ão por escalar, isto é, para
cada u 2 V e ¸ 2 R existe um único elemento de V associado, chamado de o produto
de u pelo escalar ¸ e denotado por ¸u.
Definiç ão 1.1 Diremos que um conjunto V como acima munido de uma adiç ão e de
uma multiplicaç ão por escalar é um espaço vetorial se para quaisquer u, v e w em V e
para todo ¸, μ 2 R são válidas as seguintes propriedades:
EV1 u + v = v + u para quaisquer u, v 2 V ;
EV2 u + (v + w) = (u + v) + w para quaisquer u, v,w 2 V ;
EV3 existe um elemento 0 2 V tal que 0 + u = u para todo u 2 V ;
EV4 para cada u 2 V existe v 2 V tal que u + v = 0;
EV5 ¸(μu) = (¸μ)u para quaisquer u 2 V e ¸, μ 2 R;
EV6 (¸ + μ)u = ¸u + μu para quaisquer u 2 V
EV7 ¸(u + v) = ¸u + ¸v para quaisquer u, v 2 V e ¸ 2 R;
EV8 1u = u para qualquer u 2 V.
Observaç ão 1.2 O elemento 0 na propriedade EV3 é único, pois qualquer outro 00 2 V
satisfazendo a mesma propriedade EV3 então, pelas propriedades EV3 e EV1 ter´ıamos
00 = 0 + 00 = 00 + 0 = 0, isto é, 0 = 00.
Observaç ão 1.3 Em um espaço vetorial, pela propriedade EV4, para cada u 2 V existe
v 2 V tal que u + v = 0. Na verdade, para cada u 2 V existe somente um elemento
v 2 V com esta propriedade. De fato, dado u 2 V se v e v0 em V são tais que u+v = 0
e u + v0 = 0 então, combinando estas equaç ões com as propriedades EV1,EV2 e EV3,
obtemos v = v +0 = v +(u+v0) = (v +u)+v0 = (u+v)+v0 = 0+v0 = v0, isto é
v = v0. Denotaremos v por −u e u − v por u + (−v).
Observaç ão 1.4 As quatro primeiras propriedades referem-se apenas à operaç ão de
adiç ão e são conhecidas, respectivamente, por propriedade comutativa, propriedade
associatividade, existência do elemento neutro e existência do elemento inverso.
A quinta e a oitava propriedades são exclusivas da multiplicaç ão por escalar e
também podem ser chamadas de associatividade e elemento neutro da multiplicaç ão,
respectivamente.

A sexta e a sétima propriedades relacionam as duas operaç ões e são ambas conhe-cidas
por distributividade.
Um outro exemplo de espaço vetorial, além dos dois apresentados no in´ıcio do texto,
é o conjunto dos vetores como apresentados em Geometria Anal´ıtica munido da adiç ão
e da multiplicaç ão por escalar. Dessa forma, o adjetivo vetorial utilizado na definiç ão
acima deve ser entendido de uma forma mais ampla, sendo uma referência aos elementos
de V independentemente de serem ou não vetores.
Talvez o exemplo mais simples de espaço vetorial seja o conjunto dos números reais
com a adiç ão e multiplicaç ão usuais. Mais geralmente, para cada n 2 N, podemos trans-formar
o conjunto das n-uplas ordenadas de números reais, Rn, em um espaço vetorial
definindo a adiç ão de duas n-uplas ordenadas, x = (x1, . . . , xn) e y = (y1, . . . , yn),
adicionando-se coordenada a coordenada, isto é,
x + y = (x1 + y1, . . . , xn + yn)
e o produto de uma n-upla x = (x1, . . . , xn) por um escalar ¸ 2 R por
¸x = (¸x1, · · · , ¸xn).
É
uma rotina bem simples verificar que desse modo Rn é um espaço vetorial. Deixamos
como exerc´ıcio esta tarefa.
Verifique também que os seguintes exemplos são espaços vetoriais.
1. Sejam n 2 N e V = Pn(R) o conjunto formado pelo polinômio nulo e por todos
os polinômios de grau menor ou igual a n com coeficientes reais. Definimos a
adiç ão e a multiplicaç ão por escalar da seguinte maneira:
• Se p(x) = a0 +a1x · · ·+anxn e q(x) = b0 +b1x · · ·+bnxn são elementos
dePn(R) então
p(x) + q(x) = (a0 + b0) + (a1 + b1)x · · · + (an + bn)xn.
• Se p(x) = a0 + a1x · · · + anxn é um elemento dePn(R) e ¸ 2 R então
¸p(x) = (¸a0) + (¸a1)x + · · · + (¸an)xn.
2. Sejam A ½ R e F(A;R) o conjunto de todas as funç ões f : A ! R. Se f, g 2 F(A;R) e ¸ 2 R defina f + g : A ! R por (f + g)(x) = f(x) + g(x) e
(¸f)(x) = ¸f(x), x 2 A. Então, F(A;R) com esta adiç ão e produto por escalar
é um espaço vetorial.

3. O conjunto das funç ões cont´ınuas definidas num intervalo I ½ R munido das
operaç ões de adiç ão e multiplicaç ão usuais (como aquelas definidas emF(I;R)).
Notaç ão: C(I;R).
4. O conjunto das funç ões com derivadas cont´ınuas até ordem k 2 N, (k é fixo) defi-nidas
num intervalo aberto I ½ R munido das operaç ões de adiç ão e multiplicaç ão
usuais (como aquelas definidas em F(I;R)). Notaç ão: Cn(I;R).
5. O conjunto das matrizes m por n com coeficientes reais: Mm×n(R) munido de
operaç ões análogas àquelas definidas em Mn(R).
Os espaços vetoriais acima envolvem operaç ões com as quais você já deve estar
familiarizado. O próximo exemplo é um pouco mais sofisticado do que os anteriores e
por isso mostraremos as oito propriedades. Como conjunto tomaremos V = (0,1), o
semi-eixo positivo da reta real. Este conjunto quando agregado às operaç ões usuais de
soma e multiplicaç ão não é um espaço vetorial, visto que não possui elemento neutro
para a adiç ão. No entanto, se para x, y 2 V e ¸ 2 R, definirmos a soma entre x e y
por x ¢ y = xy, (o produto usual entre x e y) e o produto de x pelo escalar ¸ como
¸ ¡ x = x¸, então V se torna um espaço vetorial. De fato, verifiquemos uma a uma as
oito propriedades:
1. x, y 2 V temos x ¢ y = xy = yx = y ¢ x para quaisquer x, y 2 V ;
2. x ¢ (y ¢ z) = x ¢ (yz) = x(yz) = (xy)z = (x ¢ y)z = (x ¢ y) ¢ z para
quaisquer x, y, z 2 V
3. se x 2 V então, como 1 2 V, temos 1 ¢ x = 1x = x; observe que neste caso, 1 é
o elemento neutro da adiç ão, o qual denotaremos por o;
4. se x 2 V, isto é, x > 0, então x−1 2 V e x ¢ x−1 = xx−1 = 1 = o;
5. ¸ ¡ (μ ¡ x) = ¸ ¡ xμ = (xμ)¸ = xμ¸ = x¸μ = (¸μ) ¡ x para quaisquer x 2 V
e ¸, μ 2 R;
6. (¸ + μ) ¡ x = x¸+μ = x¸xμ = x¸ ¢ xμ = (¸ ¡ x) ¢ (μ ¡ x) para quaisquer
x 2 V e ¸, μ 2 R;
7. ¸ ¡ (x ¢ y) = ¸ ¡ (xy) = (xy)¸ = x¸y¸ = (¸ ¡ x) ¢ (¸ ¡ y) para quaisquer
x, y 2 V e ¸ 2 R;
8. 1 ¡ x = x1 = x para qualquer x 2 V.

1.2 Propriedades
Das oito propriedades que definem um espaço vetorial podemos concluir várias outras.
Listaremos algumas destas propriedades na seguinte
Proposiç ão 1.5 Seja V um espaço vetorial. Temos
1. Para qualquer ¸ 2 R, ¸0 = 0.
2. Para qualquer u 2 V, 0u = 0.
3. Se ¸u = 0 então ¸ = 0 ou u = 0.
4. Para quaisquer ¸ 2 R e u 2 V, (−¸)u = ¸(−u) = −(¸u).
5. Para qualquer u 2 V, −(−u) = u.
6. Se u + w = v + w então u = v.
7. Se u, v 2 V então existe um único w 2 V tal que u + w = v.
Prova:
1. Temos ¸0 = ¸(0 + 0) = ¸0 + ¸0 pelas propriedades EV3 e EV7. Utilizando
as propriedades EV1 a EV4 e a notaç ão da observaç ão 1.3, obtemos 0 = ¸0 +
(−(¸0)) = (¸0+¸0)+(−(¸0)) = ¸0+(¸0+(−(¸0))) = ¸0+0 = ¸0, isto é
¸0 = 0.
2. Temos 0u = (0 + 0)u = 0u + 0u, pela propriedade EV6. Utilizando as proprie-dades
EV1 a EV4 e a notaç ão da observaç ão 1.3, obtemos 0 = 0u + (−(0u)) =
(0u + 0u) + (−(0u)) = 0u + (0u + (−(0u)) = 0u + 0 = 0u, isto é, 0u = 0.
3. Se ¸6= 0 então pelas propriedades EV8 e EV5 e pelo item 1 desta proposiç ão,
u = 1u = (¸−1¸)u = ¸−1(¸u) = ¸−10 = 0.
4. Utilizando a propriedade EV6 e o item 2 desta proposiç ão, obtemos ¸u+(−¸)u =
(¸ + (−¸))u = 0u = 0. Pela observaç ão 1.3, −(¸u) = (−¸)u. Analogamente,
utilizando-se a propriedade EV7, mostra-se que −(¸u) = ¸(−u).
A prova dos outros resultados é deixada como exerc´ıcio.

1.3. EXERCÍCIOS 13
1.3 Exerc´ıcios
Ex. 1.6 Verifique se em cada um dos itens o conjunto V com as operaç ões indicadas é
um espaço vetorial sobre R.
1. V = R3, (x1, y1, z1) + (x2, y2, z2) = (x1 + x2, y1 + y2, z1 + z2); ®(x, y, z) =
(®x, ®y, ®z).
2. V =
½µ
a −b
b a
¶
; a, b 2 R
¾
, operaç ões usuais de M2(R).
3. V =
©
(x, y) 2 R2; 3x − 2y = 0
ª
, operaç ões usuais de R2.
4. V = {f : R ! R; f(−x) = f(x), 8x 2 R}, operaç ões usuais de funç ões.
5. V = P(R) = { polinômios com coeficientes reais } , operaç ões usuais de fun-c
¸ ões.
6. V = R2, (x1, y1) + (x2, y2) = (2x1 − 2y1, y1 − x1, ®(x, y) = (3®x,−®x.)
7. V = R2, (x1, y1) + (x2, y2) = (x1 + x2, y1 + y2), ®(x, y) = (®x, 0).
8. V =
©
(x, y, z,w) 2 R4; y = x, z = w2
ª
, operaç ões usuais de R4.
9. V = R × R¤, (x1, y1) + (x2, y2) = (x1 + x2, y1y2), ®(x, y) = (®x, y®).

Cap´ıtulo 2
Subespaços Vetoriais
Definiç ão 2.1 Seja V um espaço vetorial. Dizemos que W ½ V é um subespaço veto-rial
de V se forem satisfeitas as seguintes condiç ões:
SV1 0 2 W;
SV2 Se u, v 2 W então u + v 2 W;
SV3 Se u 2 W então ¸u 2 W para todo ¸ 2 R.
Observaç ão 2.2 Note que todo subespaço vetorial W de um espaço vetorial V é ele
próprio um espaço vetorial. As propriedades comutativa, associativa, distributivas e
EV8 são herdadas do próprio espaço vetorial V. O elemento neutro da adiç ão é um
elemento de W por SV1. Finalmente, se u 2 W então −u = (−1)u 2 W pelo item 4
da proposiç ão 1.5 e por SV3.
Observaç ão 2.3 Obviamente {0} e V são subespaços vetoriais do espaço vetorial V.
São chamados de subespaços vetoriais triviais.
Observaç ão 2.4 Note que W é subespaço vetorial de V se e somente se são válidas as
seguintes condiç ões:
SV1’ 0 2 W;
SV2’ Se u, v 2 W e ¸ 2 R então u + ¸v 2 W.
15

16 CAPÍTULO 2. SUBESPAÇOS VETORIAIS
Vejamos alguns outros exemplos:
Exemplo 2.5 SejaP¤n
½ Pn, dado porP¤n
= {p(x) 2 Pn; p(0) = 0}.
Verifiquemos queP¤n
é, de fato, um subespaço vetorial dePn.
1. O polinômio nulo se anula em x = 0, logo, pertence aP¤n
.
2. Se p(x), q(x) 2 P¤n
então p(0) + q(0) = 0 e, portanto, p(x) + q(x) 2 P¤n
.
3. se p(x) 2 P¤n
então ¸p(0) = 0 para qualquer ¸ 2 R. Assim, ¸p(x) 2 P¤n
.
Exemplo 2.6 Verifiquemos que S = {(x, y, z) 2 R3; x + y + z = 0} é um subespaço
vetorial de R3.
1. É
claro que (0, 0, 0) satisfaz 0 + 0 + 0 = 0.
2. Se (x, y, z), (u, v,w) 2 S então (x + u) + (y + v) + (z + w) = (x + y + z) +
(u + v + w) = 0 e, portanto, (x, y, z) + (u, v,w) 2 S.
3. se (x, y, z) 2 S então ¸x + ¸y + ¸z = ¸(x + y + z) = 0 para qualquer ¸ 2 R.
Assim, ¸(x, y, z) 2 S.
Exemplo 2.7 Considere o seguinte conjunto S = {y 2 C2(R;R); y00 − y = 0} onde
y00 representa a derivada de segunda ordem de y. Verifiquemos que S é um subespaço
vetorial de C2(R;R).
1. Claramente a funç ão nula satisfaz 000 − 0 = 0;
2. Se y1, y2 2 S então (y1 + y2)00 − (y1 − y2) = (y00 1 − y1) − (y00 2 − y2) = 0. Logo,
y1 + y2 2 S.
3. Se y 2 S e ¸ 2 R então (¸y)00 − ¸y = ¸(y00 − y) = 0. Portanto, ¸y 2 S.
Deixamos como exerc´ıcio a verificaç ão de que os seguintes exemplos são subespaços
vetoriais dos respectivos espaços vetoriais.
Exemplo 2.8 Sejam a1, . . . , an 2 R e S = {(x1, . . . , xn) 2 Rn; a1x1 + · · · + anxn =
0}. Mostre que S é um subespaço vetorial de Rn.

2.2. INTERSEÇ ÃO E SOMA DE SUBESPAÇOS 17
Exemplo 2.9 O conjunto das funç ões cont´ınuas da reta na reta, C(R;R), é um subespa-c
¸o vetorial de F(R).
Exemplo 2.10 O conjunto das funç ões f 2 C([a, b];R) tais que
R b
a f(x)dx = 0 é um
subespaço vetorial de C([a, b];R).
Exemplo 2.11 O conjunto das matrizes simétricas quadradas de ordem m com coefici-entes
reais é um subespaço vetorial de Mm(R).
Exemplo 2.12 Sejam m, n 2 N com m · n. EntãoPm é um subespaço dePn.
2.2 Interseç ão e Soma de Subespaços
Proposiç ão 2.13 (Interseç ão de subespaços) Sejam U eW subespaços vetoriais de V.
Então U W é subespaço vetorial de V.
Prova:
1. Como 0 2 U e 0 2 W então 0 2 U W;
2. Se x, y 2 U W e ¸ 2 R então x + ¸y 2 U e x + ¸y 2 W. Portanto, x + ¸y 2
U W.
Observaç ão 2.14 Note que o subespaço V W está, obviamente, contido em ambos
subespaços: U e V.
Questão: Com a notaç ão da proposiç ão acima, podemos afirmar que U [W é subespaço
vetorial de V ?
Resposta : Não. Basta considerar V = R2, U = {(x, y) 2 R2; x + y = 0} e W =
{(x, y) 2 R2; x − y = 0}. Note que (1,−1) 2 U ½ U [ W e (1, 1) 2 W ½ U [ W
mas (1,−1) + (1, 1) = (2, 0)62 U [W.
Se U eW são subespaços vetoriais de um espaço vetorial V e V 0 é um subespaço de
V que contenha U e W, isto é, U [ W ½ V 0 então V 0 terá que conter todos os vetores
da forma u + w, u 2 U e w 2 W. Isto motiva a seguinte
Definiç ão 2.15 Sejam U e W subespaços vetoriais de um espaço vetorial V. Definimos
a soma de U e W como U +W = {u + w; u 2 U,w 2 W}.

Proposiç ão 2.16 (Soma de subespaços) Sejam U,W e V como na definiç ão acima.
Então U +W é um subespaço vetorial de V. Além do mais, U [W ½ U +W.
Prova: Verifiquemos que U +W é subespaço vetorial de V.
1. Como 0 2 U e 0 2 W então 0 = 0 + 0 2 U +W;
2. Sejam x1, x2 2 U +W então xj = uj +wj , uj 2 U, wj 2 W, j = 1, 2. Agora, se
¸ 2 R então x1+¸x2 = u1+w1+¸(u2+w2) = (u1+¸u2)+(w1+¸w2) 2 U+W,
pois U e W são subespaços vetoriais.
Mostremos que U [ W ½ U + W. Seja v 2 U [ W. Se v 2 U então v = v + 0 2
U +W. Se v 2 W então v = 0 + v 2 U +W. Ou seja, U [W ½ U +W.
Definiç ão 2.17 Sejam U e W subespaços vetoriais de um espaço vetorial V. Dizemos
que U +W é a soma direta de U eW se U W = {0}. Neste caso usaremos a notaç ão
U ©W para representar U +W.
Observaç ão 2.18 Note que trivialmente {0} ½ U W se U e W são subespaços veto-riais.
Proposiç ão 2.19 (Soma de subespaços) Sejam U e W subespaços vetoriais de um es-pac
¸o vetorial V. Temos V = U © W se e somente se para cada v 2 V existirem um
único u 2 U e um único w 2 W satisfazendo v = u + w.
Prova: Suponha que V = U © W, isto é, V = U + W e U W = {0}. Então, dado
v 2 V existem u 2 U e w 2 W satisfazendo v = u + w. Queremos mostrar que tal
decomposiç ão é única. Suponha que existam u0 2 U e w0 2 W tais que v = u0 + w0.
Então, u + w = u0 + w0, o que implica em u − u0 = w0 − w. Mas u − u0 2 U e
w0 − w 2 W e, portanto, u − u0 = w0 − w 2 U W = {0}, ou seja u = u0 e w = w0.
Suponha agora que para cada v 2 V existam um único u 2 U e um único w 2 W
satisfazendo v = u + w. É
claro que V = U + W. Resta mostrar que U W = {0}.
Obviamente, 0 2 U W. Seja v 2 U W, isto é, v 2 U e v 2 W. Então, existem um
único u 2 U e um único w 2 W satisfazendo v = u + w. Observe que v = u + w =
(u + v) + (w − v) com u + v 2 U e w − v 2 W e, pela unicidade da decomposiç ão,
devemos ter u = u + v e w = w − v, isto é, v = 0. Logo, U W = {0}.
Alternativamente, poder´ıamos supor a existência de v6= 0 em U W e da´ı ob-ter
´ıamos v = 2v−v = 4v−3v, duas decomposiç ões distintas para v já que 2v, 4v 2 U,
2v6= 4v e −v,−3v 2 W.

2.2. INTERSEÇ ÃO E SOMA DE SUBESPAÇOS 19
Exemplo 2.20 Verifique que R3 é a soma direta de U = {(x, y, z) 2 R3; x+y+z = 0} e W = {(x, y, z) 2 R3; x = y = 0}.
Note queW é de fato um subespaço vetorial de R3 poisW = {(x, y, z) 2 R3; x = 0}
{(x, y, z) 2 R3; y = 0} ou, alternativamente, se u1 = (x1, y1, z1), u2 = (x2, y2, z2) 2
W então x1 = y1 = x2 = y2 = 0 e u1 +u2 = (0, 0, z1 +z2) é claramente um elemento
de W.
Se ¸ 2 R então
¸u1 = ¸(0, 0, z1) = (¸0, ¸0, ¸z1) = (0, 0, ¸z1) 2 W.
Finalmente, (0, 0, 0) 2 W, o que conclui a prova de queW é um subespaço vetorial.
Prosseguindo, dado (x, y, z) 2 R3 podemos escrever
(x, y, z) = (x, y,−x − y) + (0, 0, z + x + y)
e como (x, y,−x − y) 2 U e (0, 0, z + x + y) 2 W obtemos R3 = U +W.
Resta agora mostrar que U W = {0}. Seja (x, y, z) 2 U W. Temos
8><
>:
x + y + z = 0
x = 0
y = 0
() (x, y, z) = (0, 0, 0).
Definiç ão 2.21 Sejam U1, . . . ,Un subespaços vetoriais de um espaço vetorial V. A so-ma
de U1 a Un é definida por
U1 + · · · + Un = {u1 + · · · + un; uj 2 Uj , j = 1, . . . , n}.
Definiç ão 2.22 Sejam U1, . . . ,Un subespaços vetoriais de um espaço vetorial V. Dize-mos
que a soma de U1 a Un é uma soma direta se
Uj (U1 + · · · + Uj−1 + Uj+1 + · · · + Un) = {0}, j = 1, . . . n.
Neste caso usaremos a notaç ão U1 © · · · © Un para denotar a soma de U1 a Un.
Observaç ão 2.23 É
óbvio que
0 2 Uj (U1 + · · · + Uj−1 + Uj+1 + · · · + Un)
se U1, . . . ,Un são subespaços vetoriais.

Proposiç ão 2.24 Sejam U1, . . . ,Un subespaços vetoriais de um espaço vetorial V. En-t
ão V = U1©· · ·©Un se e somente se para cada v 2 V existe, para cada j = 1, . . . , n,
um único uj 2 Uj tal que v = u1 + · · · + un.
Prova: A prova é análoga à da proposiç ão 2.19.
Exemplo 2.25 Mostre que P2 é soma direta dos seguintes subespaços vetoriais U1 =
{a0; a0 2 R}, U2 = {a1x; a1 2 R} e U3 = {a2x2; a2 2 R}.
Dado p(x) 2 P2, temos p(x) = a0+a1x+a2x2, para certos coeficientes a0, a1, a2 2 R.
Assim,P2 = U1 + U2 + U3.
Verifiquemos que a soma é direta.
1. Mostremos que U1 (U2 + U3) = {0}. Seja p(x) 2 U1 (U2 + U3). Então
existem a0, a1, a2 2 R tais que p(x) = a0 = a1x + a2x2. Se p(x) não fosse
o polinômio nulo ter´ıamos um polinômio de grau 0, a0, coincidindo com um de
grau no m´ınimo 1, a1x + a2x2, o que é um absurdo. Logo, p(x) = 0.
2. Mostremos que U2(U1+U3) = {0}. Seja p(x) 2 U2(U1+U3). Então existem
a0, a1, a2 2 R tais que p(x) = a1x = a0 + a2x2. Se p(x) não fosse o polinômio
nulo ter´ıamos um polinômio de grau 1, a1x, coincidindo com um de grau 0 (caso
a2 = 0) ou 2, a0 + a2x2, (caso a26= 0), o que é um absurdo. Logo, p(x) = 0.
3. Mostremos que U3(U1+U2) = {0}. Seja p(x) 2 U3(U1+U2). Então existem
a0, a1, a2 2 R tais que p(x) = a2x2 = a0 + a1x. Se p(x) não fosse o polinômio
nulo ter´ıamos um polinômio de grau 2, a2x2, coincidindo com um de grau 0 (caso
a1 = 0) ou 1, a0 + a1x, (caso a16= 0), o que é um absurdo. Logo, p(x) = 0.
2.3 Exerc´ıcios
Ex. 2.26 Verifique se em cada um dos itens abaixo o subconjunto W é um subespaço
vetorial do espaço vetorial V. Caso não sejam especificadas, as operaç ões são as usuais.
1. V = M2(R), W =
½µ
a b
−a c
¶
; a, b, c,2 R
¾
.
2. V = R4, W = {(x, x, y, y); x, y 2 R} .
3. V = Pn(R),W = {p 2 Pn(R); p(0) = p(1)} .

4. V = Mn(R), dada B 2 Mn(R), defina W = {A 2 Mn(R);BA = 0} .
5. V = Rn, W = {(x1, x2, · · · , xn); a1x1 + · · · + anxn = 0} , onde a1, . . . , an 2 R são dados.
6. V = Mn×1(R), W = {X 2 Mn×1(R);AX = 0} , onde A 2 Mm×n é dada.
7. V = Pn(R), W = {p 2 Pn(R); p0(t) = 0, 8t 2 R} .
8. V = Mn(R), W =
©
A 2 Mn(R);At = A
ª
.
9. V = Mn(R),W =
©
A 2 Mn(R);At = −A
ª
.
Ex. 2.27 Diga, em cada um dos itens abaixo, se a afirmaç ão é verdadeira ou falsa, jus-tificando
sua resposta. isto é, provando se for verdadeira ou dando um contra-exemplo
se for falsa.
1. SeW1 eW2 são susbespaços de um espaço vetorial V entãoW1[W2 é subespaço
de V.
2. SejamW1 eW2 subespaços de um espaço vetorial V. EntãoW1 [W2 é subespaço
de V se, e somente se, W1 µ W2 ou W2 µ W1. (Sugestão: mostre que se W é
subespaço de V e x0, y0 2 V são tais que x0 2 W e y062 W então x0 + y0 /2 W
e use-o.)
Ex. 2.28 Em cada item abaixo encontrar os subespaços U +W e U W, onde U, W
são subespaços do espaço vetorial V indicado.
1. U =
©
x, y) 2 R2; y = 0
ª
, W =
©
(x, y) 2 R2; x = 2y
ª
, V = R2.
2. U =
½µ
a 0
0 b
¶
; a, b 2 R
¾
, W =
½µ
0 c
0 d
¶
; c, d 2 R
¾
, V = M2(R).
3. V = P3(R), U = {p(t) 2 V ; p00(t) = 0} , W = {q(t) 2 V ; q0(t) = 0} .
Ex. 2.29 Verifique em cada um dos itens abaixo se V = U ©W.
1. V = R2, U =
©
(x, y) 2 R2; 2x + 3y = 0
ª
, W =
©
(x, y) 2 R2; x − y = 0
ª
.

2. V = M3(R), U =
8<
0
@
:
a b 0
0 0 c
0 0 d
9=
1
A; a, b, c, d 2 R
;,
W =
8<
0
@
:
0 0 e
f g 0
h i 0
9=
1
A; e, f, g, h, i 2 R
;.
3. V = P3(R), U = {p(t) 2 P3(R); p(1) = p(0) = 0} ,
W = {q(t) 2 P3(R); q0(t) = 0, 8t 2 R} .
Ex. 2.30 Em cada um dos itens abaixo, dado U subespaço de V , encontrar o subespaço
suplementar de U, isto é, o subespaço W de V tal que V = U ©W.
1. V = R3, U = {(x, y, 0); x, y 2 R} .
2. V = P3(R), U = {p(t) 2 P3(R); p00(t) = 0, 8t 2 R} .
3. V = M3(R), U =
©
A 2 M3(R);At = A
ª
.
4. V = M2×1(R), U = {X 2 M2×1(R);AX = 0} , onde A =
µ
1 1
0 1
¶
.

Cap´ıtulo 3
Combinaç ões Lineares
Definiç ão 3.1 Sejam u1, . . . , un elementos de um espaço vetorial V. Dizemos que u é
combinaç ão linear de u1, . . . , un se existirem números reais ®1, . . . , ®n tais que u =
®1u1 + · · · + ®nun
Exemplo 3.2 Em P2, o polinômio p(x) = 2 + x2 é uma combinaç ão dos polinômios
p1(x) = 1, p2(x) = x e p3(x) = x2.
Basta ver que p(x) = 2p1(x) + 0p2(x) + p3(x).
Exemplo 3.3 Verifique que emP2, o polinômio p(x) = 1 + x2 é uma combinaç ão dos
polinômios q1(x) = 1, q2(x) = 1 + x e q3(x) = 1 + x + x2.
Precisamos encontrar números reais ®, ¯ e ° tais que p(x) = ®q1(x)+¯q2(x)+°q3(x).
Ou seja, precisamos encontrar ®, ¯ e ° satisfazendo
1 + x2 = ® + ¯(1 + x) + °(1 + x + x2) = ® + ¯ + ° + (¯ + °)x + °x2,
que é equivalente ao sistema
8><
>:
® + ¯ + ° = 1
¯ + ° = 0
° = 1
() ® = 1, ¯ = −1 e ° = 1.
23

24 CAPÍTULO 3. COMBINAÇ ÕES LINEARES
3.2 Geradores
Definiç ão 3.4 Sejam V um espaço vetorial e S um subconjunto não vazio de V. Usare-mos
o s´ımbolo [S] para denotar o conjunto de todas as combinaç ões lineares dos ele-mentos
de S. Em outras palavras, u 2 [S] se existirem ®1, . . . , ®n 2 R e u1, . . . , un 2 S
tais que u = ®1u1 + · · · + ®nun.
Proposiç ão 3.5 Sejam V um espaço vetorial e S um subconjunto não vazio de V. Então
[S] é um subespaço vetorial de V.
Prova:
1. Como S6= ; existe u 2 S. Logo, 0 = 0u 2 [S].
2. Se u, v 2 [S] então existem ®1, . . . , ®n, ¯1, . . . , ¯m 2 R e u1, . . . , un, v1, . . . ,
vm 2 S tais que u = ®1u1 + · · · + ®nun e v = ¯1v1 + · · · + ¯mvm. Assim, para
todo ¸ 2 R, temos
u + ¸v = ®1u1 + · · · + ®nun + ¸(¯1v1 + · · · + ¯mvm)
= ®1u1 + · · · + ®nun + ¸¯1v1 + · · · + ¸¯mvm 2 [S].
Definiç ão 3.6 Sejam S e V como acima. Diremos que [S] é o subespaço vetorial gerado
por S. Os elementos de S são chamados de geradores de [S]. Se S = {u1, . . . , un} também usaremos a notaç ão [S] = [u1, . . . , un].
Proposiç ão 3.7 Sejam S e T subconjuntos não-vazios de um espaço vetorial V. Temos
1. S ½ [S];
2. Se S ½ T então [S] ½ [T];
3. [[S]] = [S];
4. Se S é um subespaço vetorial então S = [S];
5. [S [ T] = [S] + [T].
Prova:

3.2. GERADORES 25
1. Se u 2 S então u = 1u 2 [S];
2. Se u 2 [S] então existem ®1, . . . , ®n 2 R e u1, . . . , un 2 S tais que u = ®1u1 +
· · · + ®nun. Como S ½ T temos u1, . . . , un 2 T e, portanto, u 2 [T];
3. Pelo item 1 desta proposiç ão, [S] ½ [[S]]. Seja u 2 [[S]]. Segue da definiç ão que
u é uma combinaç ão linear de elementos de [S], mas como cada elemento de [S] é
uma combinaç ão linear de elementos de S resulta que u é uma combinaç ão linear
de elementos de S, ou seja, u 2 [S];
4. Pelo item 1, S ½ [S]. Seja u 2 [S]. Então u é uma combinaç ão linear de elementos
de S. Como S é um subespaço vetorial, esta combinaç ão linear é um elemento de
S;
5. Seja u 2 [S [ T]. Por definiç ão, existem ®1, . . . , ®n, ¯1, . . . , ¯m 2 R e u1, . . . ,
un 2 S e v1, . . . , vm 2 T tais que
u = ®1u1 + · · · + ®nun + ¯1v1 + · · · + ¯mvm
= (®1u1 + · · · + ®nun) + (¯1v1 + · · · + ¯mvm) 2 [S] + [T].
Reciprocamente, se u 2 [S]+[T] então u = v +w com v 2 [S] e w 2 [T]. Dessa
forma, existem ®1, . . . , ®p, ¯1, . . . , ¯q 2 R e v1, . . . , vp 2 S e w1, . . . ,wq 2 T
tais que
u = v + w = ®1v1 + · · · + ®pvp + ¯1w1 + · · · + ¯qwq 2 [S [ T].
Definiç ão 3.8 Dizemos que um espaço vetorial V é finitamente gerado se existir um
subconjunto finito S ½ V tal que V = [S].
São exemplos de espaços vetoriais finitamente gerados:
1. Pn(R) = [1, x, . . . , xn];
2. Rn é gerado por e1 = (1, 0, . . . , 0), e2 = (0, 1, 0, . . . , 0), . . . , en = (0, . . . , 0, 1).
3. Mm×n(R) é gerado pelas matrizes Ekl = (±(k,l)
i,j ), k = 1, . . . ,m, l = 1, . . . n,
onde
±(k,l)
i,j =
(
1 se (i, j) = (k, l)
0 caso contrário .

Exemplo 3.9 Seja P(R) o espaço vetorial formado por todos os polinômios. Afirma-mos
queP(R) não é finitamente gerado.
Note que Pn(R) ½ P(R) para todo n 2 N. Se P(R) fosse finitamente gerado existi-riam
polinômios p1(x), . . . , pn(x) tais que P(R) = [p1(x), . . . , pn(x)]. Seja N o grau
mais alto dentre os polinômios p1(x), . . . , pn(x). É
evidente que xN+1 não pode ser es-crito
como combinaç ão linear de p1(x), . . . , pn(x) e, assim, xN+162 [p1(x), . . . , pn(x)]
= P(R). Uma contradiç ão.
Note que [1, x, x2, . . . ] = Pn(R).
Exemplo 3.10 Seja V um espaço vetorial gerado por u1, . . . , un. Mostre que se, por
exemplo, u1 é uma combinaç ão linear de u2, . . . , un então V é gerado por u2, . . . , un.
Devemos mostrar que qualquer u 2 V se escreve como uma combinaç ão linear de
u2, . . . , un. Sabemos que existem ®1, . . . , ®n 2 R tais que u = ®1u1 + · · · + ®nun
e existem também ¯1, . . . , ¯n−1 satisfazendo u1 = ¯1u2 + · · · + ¯n−1un. Combinando
estas informaç ões, obtemos
u = ®1(¯1u2 + · · · + ¯n−1un) + ®2u2 + · · · + ®nun
= (®1¯1 + ®2)u2 + · · · + (®1¯n−1 + ®n)un 2 [u2, . . . , un].
Exemplo 3.11 Sejam U = {(x, y, z, t) 2 R4; x − y + t + z = 0} e V = {(x, y, z, t) 2 R4; x+y−t+z = 0}. Encontre um conjunto de geradores para os seguintes subespaços
vetoriais: U, V, U V e U + V.
1. Se (x, y, z, t) 2 U então y = x + z + t e, portanto,
(x, y, z, t) = (x, x + z + t, z, t) = x(1, 1, 0, 0) + z(0, 1, 1, 0) + t(0, 1, 0, 1),
isto é,
U = [(1, 1, 0, 0), (0, 1, 1, 0), (0, 1, 0, 1)].
2. Se (x, y, z, t) 2 V então t = x + y + z e, portanto,
(x, y, z, t) = (x, y, z, x + y + z) = x(1, 0, 0, 1) + y(0, 1, 0, 1) + z(0, 0, 1, 1),
isto é,
V = [(1, 0, 0, 1), (0, 1, 0, 1), (0, 0, 1, 1)].

3. Se (x, y, z, t) 2 U V então
(
x − y + t + z = 0
x + y − t + z = 0,
que implica em x = −z e y = t. Desse modo, (x, y, z, t) = (x, y,−x, y) =
x(1, 0,−1, 0) + y(0, 1, 0, 1) e, portanto,
U V = [(1, 0,−1, 0), (0, 1, 0, 1)].
4. Como U + V = [U] + [V ] = [U [ V ], temos que
U + V = [(1, 1, 0, 0), (0, 1, 1, 0), (0, 1, 0, 1),
(1, 0, 0, 1), (0, 1, 0, 1), (0, 0, 1, 1)]
= [(1, 1, 0, 0), (0, 1, 1, 0), (0, 1, 0, 1), (1, 0, 0, 1), (0, 0, 1, 1)].
Observe que
(1, 1, 0, 0) = (1, 0, 0, 1) + (0, 1, 1, 0) − (0, 0, 1, 1)
e, portanto,
U + V = [(0, 1, 1, 0), (0, 1, 0, 1), (1, 0, 0, 1), (0, 0, 1, 1)].
Veremos mais adiante que este é o número m´ınimo de geradores para o subespaço
U + V.
3.3 Exerc´ıcios
Ex. 3.12 Para cada um dos subconjuntos S µ V , onde V é o espaço vetorial indicado,
encontrar o subespaço gerado por S, isto é, [S].
1. S = {(1, 0), (2,−1)} , V = R2.
2. {(1, 1, 1), (2, 2, 0)} , V = R3.
©
3. S =
1, t, t2, 1 + t3
ª
, V = P3(R).

4. S =
½µ
0 1
0 0
¶
,
µ
0 0
−1 0
¶¾
, V = M2(R).
Ex. 3.13 Em cada um dos itens abaixo encontrar um subconjunto S, finito, que gera o
subespaço vetorial W do espaço vetorial V.
1. W =
©
(x, y, z) 2 V
.=
ª
.
R3; x − 2y = 0
2. W = {p 2 V
.=
P3(R); p0(t) = 0, 8t 2 R} .
3. W =
©
A 2 V
.=
ª
.
M2(R);At = A
4. W = {X 2 V
.=
M3×1(R);AX = 0} , onde
A =
0
@
0 1 0
2 1 0
1 1 4
1
A.
Ex. 3.14 Encontrar, em cada um dos itens abaixo, os subconjuntos S do espaço vetorial
V que geram U, W, U W e U +W.
1. U = [(1, 0, 0), (1, 1, 1)], W = [(0, 1, 0), (0, 0, 1)], V = R3.
2. U =
©
(x, y, z) 2 R3; x + y = 0
ª
, W = [(1, 3, 0), (0, 4, 6)], V = R3.
3. U =
©
A 2 M2(R);At = A
µ
ª
, W = [
1 1
0 1
¶
], V = M2(R).
4. U = [t3 + 4t2 − t + 3, t3 + 5t2 + 5, 3t3], W = [t3 + 4t,t − 1, 1], V = P3(R).
Ex. 3.15 Encontrar, em cada um dos itens abaixo, os subconjuntos S do espaço vetorial
V que geram U, W, U W e U +W.
1. U = [(1, 0, 0), (1, 1, 1)], W = [(0, 1, 0), (0, 0, 1)], V = R3.
2. U =
©
(x, y, z) 2 R3; x + y = 0
ª
, W = [(1, 3, 0), (0, 4, 6)], V = R3.
3. U =
©
A 2 M2(R);At = A
µ
ª
, W = [
1 1
0 1
¶
], V = M2(R).
4. U = [t3 + 4t2 − t + 3, t3 + 5t2 + 5, 3t3], W = [t3 + 4t,t − 1, 1], V = P3(R).

Ex. 3.16 Obtenha o subconjunto formado por vetores do espac¸o vetorial P3(R) que
geram os seguintes subespac¸os;
1. U = {p 2 P3(R); p(1) = p(0) = 0} ,
2. W = {p 2 P3(R); p00(t) = 0, 8t 2 R} ,
3. U W.

Cap´ıtulo 4
Dependência Linear
Definiç ão 4.1 Dizemos que uma seqüência de vetores u1, . . . , un de um espaço vetorial
V é linearmente independente (l.i., abreviadamente) se a combinaç ão linear ®1u1 +
· · · + ®nun = 0 só for satisfeita quando ®1 = · · · = ®n = 0.
Observaç ão 4.2 Note que se ®1 = · · · = ®n = 0 então ®1u1 + · · · + ®nun = 0,
porém, a rec´ıproca nem sempre é válida. Basta ver que, por exemplo, em R2 temos
(0, 0) = 1(1, 1) + 1(−1,−1).
Observaç ão 4.3 A noç ão de independência linear para a seqüência u1, . . . , un equivale
a dizer que se ¯i6= 0 para algum i 2 {1, . . . , n} então ¯1u1 + · · · + ¯nun6= 0.
Definiç ão 4.4 Dizemos que uma seqüência u1, . . . , un de um espaço vetorial V é line-armente
dependente (l.d., abreviadamente) se não for linearmente independente.
Observaç ão 4.5 A definiç ão de dependência linear para a seqüência u1, . . . , un é equi-valente
a dizer que é poss´ıvel encontrar números reais ®1, . . . , ®n não todos nulos tais
que ®1u1 + · · · + ®nun = 0.
Exemplo 4.6 O, u1, . . . , un ½ V é uma seqüência l.d., onde O é o elemento neutro do
espaço vetorial V.
Basta verificar que 1O + 0u1 + · · · + 0un = O.
31

32 CAPÍTULO 4. DEPEND ÊNCIA LINEAR
Exemplo 4.7 Verifique se a seqüência (1, 1, 1), (1, 1, 0), (1, 0, 0) é linearmente inde-pendente
em R3.
É
preciso verificar quais são as poss´ıveis soluç ões de
®(1, 1, 1) + ¯(1, 1, 0) + °(1, 0, 0) = (0, 0, 0).
Isto equivale a resolver o sistema
8><
>:
® + ¯ + ° = 0
® + ¯ = 0
° = 0,
que possui como única soluç ão, ® = ¯ = ° = 0. Logo, a seqüência acima é l.i..
Exemplo 4.8 Considere os vetores em R3 dados por
u1 = (x1, y1, z1), u2 = (x2, y2, z2) e u3 = (x3, y3, z3).
Encontre uma condiç ão necessária e suficiente para que os vetores u1, u2, u3 sejam
linearmente independentes.
Vejamos, os vetores acima serão l.i. se e somente se ®1u1+®2u2+®3u3 = 0 apresentar
como única soluç ão ®1 = ®2 = ®3 = 0. Isto é equivalente a que o sistema
8><
>:
®1x1 + ®2x2 + ®3x3 = 0
®1y1 + ®2y2 + ®3y3 = 0
®1z1 + ®2z2 + ®3z3 = 0
possua soluç ão única e, como se sabe, isto é equivalente que a matriz
0
@
x1 x2 x3
y1 y2 y3
z1 z2 z3
1
A
possua determinante diferente de zero. Note que as colunas desta matriz são formadas
pelos coeficientes de u1, u2 e u3. O mesmo resultado vale se colocarmos os coeficientes
dos vetores u1, u2 e u3 como linhas. Por quê?

Exerc´ıcio 4.9 Enuncie e demonstre um resultado análogo ao exemplo anterior para
uma seqüência com n vetores do Rn.
Exemplo 4.10 Verifique se as matrizes
¶
,
µ
1 0
0 1
¶
,
µ
1 1
0 1
¶
µ
0 1
0 0
são linearmente independentes em M2(R).
Procuremos as soluç ões de
®
µ
1 0
0 1
¶
+ ¯
µ
1 1
0 1
¶
+ °
µ
0 1
0 0
¶
=
µ
0 0
0 0
¶
,
que equivale a µ
® + ¯ ¯ + °
0 ® + ¯
¶
=
¶
,
µ
0 0
0 0
que possui como soluç ão (®, ¯, °) = (®,−®, ®) para qualquer ® 2 R. Dessa forma,
a seqüência de matrizes dada é linearmente dependente, bastando tomar, por exemplo,
® = 1, ¯ = −1 e ° = 1.
Exemplo 4.11 Verifique se as funç ões cos e sen são l.d. em C1(R;R).
Como cos e sen são funç ões definidas em R, a combinaç ão nula
® cos+¯ sen = 0
significa que ® cos x + ¯ sen x = 0 para todo x 2 R. Em particular, para x = 0 vemos
que ® = 0 e para x = ¼/2, vem ¯ = 0. Portanto, cos e sen são l.i..
Exemplo 4.12 Verifique se as funç ões cos2, sen 2, 1 são l.d. em C1(R;R).
Como
1 − cos2 x − sen 2x = 0, para todo x 2 R,
resulta que as funç ões acima são l.d..
Exerc´ıcio 4.13 Sejam f(x) = cos 2x, g(x) = cos2 x e h(x) = sen 2x, x 2 R. Mostre
que f, g, h são linearmente dependentes em C1(R;R).

4.2 Propriedades
Proposiç ão 4.14 Se u1, . . . , un são l.d. em um espaço vetorial V então pelo menos um
destes vetores se escreve como combinaç ão linear dos outros.
Prova: Precisamos mostrar que e u1, . . . , un são l.d. então existem j 2 {1, . . . , n} e
números reais ®1, . . . , ®n−1 tais que
uj = ®1u1 + · · · + ®j−1uj−1 + ®juj+1 + · · · + ®n−1un.
Como u1, . . . , un são l.d. existem números reais ¯1, . . . , ¯n não todos nulos tais que
¯1u1 + · · · + ¯nun = 0. Desse modo, existe j 2 {1, . . . , n} tal que ¯j6= 0 e, assim,
uj = −
¯1
¯j
u1 − · · · −
¯j−1
¯j
uj−1 −
¯j+1
¯j
uj+1 − · · · −
¯n
¯j
un.
Proposiç ão 4.15 Se u1, . . . , un em V são l.d. então qualquer seqüência finita de vetores
de V que os contenha, também será l.d..
Prova: Vamos mostrar que se u1, . . . , un, un+1, . . . , um 2V são tais que u1, . . . , un são
l.d. então u1, . . . , un, un+1, . . . , um também são linearmente dependentes.
Como existem números reais ¯1, . . . , ¯n não todos nulos tais que ¯1u1 + · · · +
¯nun = 0, podemos escrever
¯1u1 + · · · + ¯nun + 0un+1 + · · · + 0um = 0
sendo que nesta última expressão nem todos os coeficientes são nulos.
Proposiç ão 4.16 Se u1, . . . , un, un+1, . . . , um são l.i. em um espaço vetorial V então
qualquer subseqüência destes vetores também é l.i..
Prova: Basta mostrar que se u1, . . . , un, un+1, . . . , um são l.i. então u1, . . . , un também
são.
Suponha que ¯1u1 + · · · + ¯nun = 0. Mas como
¯1u1 + · · · + ¯nun = ¯1u1 + · · · + ¯nun + 0un+1 + · · · + 0um = 0
e estes vetores são l.i., segue que ¯1 = · · · = ¯n = 0.

Proposiç ão 4.17 Se u1, . . . , un são l.i. em um espaço vetorial V e u1, . . . , un, un+1
são l.d. então un+1 é combinaç ão linear de u1, . . . , un.
Prova: Existem ¯1, . . . , ¯n+1 não todos nulos tais que
¯1u1 · · · + ¯nun + ¯n+1un+1 = 0.
Agora, se ¯n+1 = 0 então a expressão acima ficaria
¯1u1 · · · + ¯nun = 0.
Ora, os vetores u1, . . . , un são l.i. e, assim, dever´ıamos ter também ¯1 = · · · = ¯n = 0.
Uma contradiç ão.
Proposiç ão 4.18 Sejam u1, . . . , un vetores l.i. em um espaço vetorial V. Então cada
vetor v 2 [u1, . . . , un] se escreve de maneira única como v = ®1u1 + · · · + ®nun.
Prova:
Basta mostrar que se ®1u1 + · · · + ®nun = ¯1u1 + · · · + ¯nun então ®j = ¯j ,
j = 1, . . . , n.
Temos
(®1 − ¯1)u1 + · · · + (®n − ¯n)un = 0
e como u1, . . . , un são l.i. então ®j − ¯j = 0, isto é ®j = ¯j , para todo j = 1, . . . , n.
4.3 Exerc´ıcios
Ex. 4.19 Verifique, em cada um dos itens abaixo, se o subconjunto S do espaço vetorial
V é l.i. ou l.d.
1. S = {(1, 2), (−3, 1)} , V = R2.
2. S =
©
1 + t − t2, 2 + 5t − 9t2
ª
, V = P2(R).
3. S =
½µ
−1 1
0 0
¶
,
µ
2 0
−1 0
¶¾
, V = M2(R).
4. S = {(1, 2, 2,−3), (−1, 4,−2, 0)} , V = R4.
5. S =
8<
0
@
:
1 2 0
3 0 1
0 0 2
1
A,
0
@ −1 −1 −1
0 0 0
1 1 1
1
A,
0
@
0 0 0
10 5 7
−1 0 1
1
A
9=
;, V = M3(R).

Cap´ıtulo 5
Base, Dimensão e Coordenadas
5.1 Base
Definiç ão 5.1 Seja V6= {0} um espaço vetorial finitamente gerado. Uma base de V é
uma seqüência de vetores linearmente independentes B de V que também gera V.
Exemplo 5.2 Os vetores de B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} formam uma base de R3.
Vê-se facilmente que os vetores de B são l.i. e que todo (x, y, z) 2 R3 se escreve como
(x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1).
Exemplo 5.3 Os vetores e1, · · · , en 2 Rn onde e1 = (1, 0, . . . , 0), e2 = (0, 1, 0,
. . . , 0), . . . , en = (0, . . . , 0, 1) formam uma base de Rn.
Ex. Resolvido 5.4 Mostre que (1, 1) e (1,−1) formam uma base de R2.
Resoluç ão: É
preciso mostrar que estes vetores são l.i. e que todo ponto de R2 se
escreve como combinaç ão linear de (1, 1) e (1,−1). No entanto, se mostrarmos que todo
ponto de R2 se escreve de maneira única como combinaç ão linear de (1, 1) e (1,−1) já
estaremos mostrando as duas propriedades ao mesmo tempo. (Por quê?)
Seja (x, y) 2 R2. O nosso problema se resume em mostrar que existe um único
® 2 R e um único ¯ 2 R satisfazendo (x, y) = ®(1, 1) + ¯(1,−1) = (® + ¯, ® − ¯).
Esta última expressão é equivalente ao seguinte sistema linear
(
® + ¯ = x
® − ¯ = y.
37

38 CAPÍTULO 5. BASE, DIMENS ÃO E COORDENADAS
Resolvendo o sistema obtemos uma unica ´soluç ao ˜dada por ® = (x + y)/2 e ¯ =
(x − y)/2. ¤
½µ
¶
Exemplo 5.5 As matrizes em B =
,
1 0
0 0
¶
,
µ
0 1
0 0
¶
,
µ
0 0
1 0
¶¾
µ
0 0
0 1
formam
uma base para M2(R).
Exerc´ıcio 5.6 Verifique se os elementos de B = {1 + x, 1 − x, 1 − x2} formam uma
base deP2(R).
Teorema 5.7 Todo espaço vetorial V6= {0} finitamente gerado admite uma base. Em
outras palavras, há uma seqüência de vetores l.i. de V formada por geradores.
Prova: Como V6= {0} é finitamente gerado existem u1, . . . , un 2 V tais que V =
[u1, . . . , un]. Se u1, . . . , un forem l.i., então esta seqüência é uma base de V e não há
nada mais a ser provado.
Suponhamos que u1, . . . , un sejam l.d.. Podemos supor que uj6= 0, j = 1, . . . ,m.
Como u16= 0, u1 é l.i. Agora, se todo uj , j = 2, . . . , n puder se escrever como
combinaç ão linear de u1 então V = [u1] e u1 é uma base de V. Caso isto não ocorra,
é porque existe algum uj , com 2 · j · n tal que u1, uj são l.i.. Por simplicidade,
suponhamos que seja o u2, isto é, u1, u2 são l.i.. Bem, se todos os vetores u3, . . . , un
forem combinaç ões lineares de u1 e u2 então V = [u1, u2] e u1, u2 formam uma base de
V. Podemos repetir este processo e como o número de elementos de L = {u1, . . . , un} é finito, ele finda. Desse modo, existe uma seqüência de vetores l.i. dentre os vetores L
que gera V. Esta seqüência forma uma base de V.
5.2 Dimensão
Teorema 5.8 Em um espaço vetorial V6= {0} finitamente gerado toda base possui o
mesmo número de elementos.
Prova: Sejam u1, . . . , un e v1, . . . , vm bases de um espaço vetorial finitamente gerado
V. Suponhamos que n > m e mostremos que isto implicará que u1, . . . , un são l.d., o
que contraria o fato de formarem uma base.
Como os vetores v1, . . . , vm geram V podemos escrever para cada 1 · j · n,
uj = ®1jv1 + · · · + ®mjvm.

5.2. DIMENS ÃO 39
Assim, a combinaç ão linear nula x1u1 + · · · + xnun = 0 é equivalente a
x1
Ã
Xm
i=1
®i1vi
!
+ · · · + xn
Ã
Xm
i=1
®invi
!
= 0,
ou ainda, 0
Xn
@
j=1
xj®1j
1
Av1 + · · · +
0
@
Xn
j=1
xj®mj
1
Avm = 0.
Como v1, . . . , vm são l.i. então
Pn
j=1 xj®ij = 0 para todo 1 · i · n. Estasmequaç ões
representam um sistema linear homogêneo com n incógnitas. Como n > m, existe uma
soluç ão não trivial, isto é, uma soluç ão x1, . . . , xn onde pelo menos um xj é diferente
de zero. Assim, u1, . . . , un são l.d., uma contradiç ão.
Definiç ão 5.9 Seja V um espaço vetorial finitamente gerado. Se V = {0} definimos
a dimensão de V como sendo 0. Se V6= {0} definimos a dimensão de V como sendo
o número de elementos de uma base qualquer de V. Usaremos o s´ımbolo dimV para
designar a dimensão de V.
Definiç ão 5.10 Se um espaço vetorial não é finitamente gerado dizemos que V possui
dimensão infinita.
Proposiç ão 5.11 Todo espaço vetorial de dimensão infinita possui uma infinidade de
vetores linearmente independentes.
Prova: Seja V um espaço vetorial de dimensão infinita. Claramente V6= {0}. Selecione
u1 2 V, u16= 0. Como V não é finitamente gerado, V6= [u1]. Assim, podemos tomar
u2 2 V tal que u262 [u1]. Desta forma, os vetores u1 e u2 são linearmente independen-tes.
Suponha que tenhamos encontrado vetores u1, . . . , un 2 V linearmente independen-tes.
Como V não é finitamente gerado, V6= [u1, . . . , un] e, assim, é poss´ıvel escolher
un+1 2 V tal que un+162 [u1, . . . , un], isto é, os vetores u1, . . . , un, un+1 2 V são
linearmente independentes.
Em resumo, existe em V uma seqüência infinita de vetores linearmente independen-tes.
A seguinte proposiç ão é um resultado da prova do teorema 5.8.

Proposiç ão 5.12 Em um espaço vetorial de dimensão m qualquer seqüência de vetores
com mais de m elementos é linearmente dependente.
Corolário 5.13 Todo subespaço vetorial de um espaço vetorial de dimensão finita tam-b
ém tem dimensão finita.
Prova: Seja V um espaço vetorial de dimensão finita e W um subespaço vetorial de
V. Se W tivesse dimensão infinita, pela proposiç ão 5.11, existiria uma infinidade de
vetores linearmente independentes em W. Como estes vetores também são linearmente
independentes em V, o número deles deveria ser menor do que a dimensão de V (pela
proposiç ão 5.12). Uma contradiç ão.
Exemplo 5.14 dimRn = n.
Exemplo 5.15 A dimensão deP(R) é infinita. Veja o exemplo 3.9.
Exemplo 5.16 dimPn(R) = n + 1.
Basta notar que os polinômios 1, x, . . . , xn formam uma base dePn(R).
Exemplo 5.17 dimMm×n(R) = mn.
Note que o as matrizes
Ak,l = (±k,l
i,j )1·i·m
1·j·n
,
k = 1, . . . ,m, l = 1, . . . , n onde
±k,l
i,j =
(
1 se (i, j) = (k, l)
0 se (i, j)6= (k, l)
formam uma base de Mm×n(R).
Exerc´ıcio 5.18 A dimensão do espaço das matrizes quadradas e simétricas de ordem n
é n(n + 1)/2.
Teorema 5.19 (Completamento) Seja V um espaço vetorial de dimensão n. Se os veto-res
u1, . . . , ur são l.i. em V com r < n então existem ur+1, . . . , un tais que u1, . . . , ur,
ur+1, . . . , un formam uma base de V.

5.3. DIMENS ÃO DE SOMA DE SUBESPAÇOS VETORIAIS 41
Prova: Como r < n existe ur+1 2 V tal que u1, . . . , ur, ur+1 são l.i., pois caso
contrário os vetores u1, . . . , ur formariam uma base de V, o que é imposs´ıvel pois
dimV = n > r.
Se r + 1 = n então u1, . . . , ur, ur+1 formam uma base de V que contém L.
Se r + 1 < n então é poss´ıvel encontrar ur+2 2 V tal que u1, . . . , ur, ur+1, ur+2
são l.i., pois caso contrário a seqüência u1, . . . , ur, ur+1 seria uma base de V, o que é
imposs´ıvel pois dimV = n > r + 1.
Repetindo os argumentos acima, encontramos vetores ur+1, ur+2, . . . , ur+k, onde
r + k = n, de forma que
u1, . . . , ur, ur+1, . . . , ur+k
são l.i. e, como dimV = n = r +k, segue que esta seqüência de vetores é uma base de
V que contém os vetores u1, . . . , ur.
Exemplo 5.20 Encontre uma base do R3 que contenha o vetor (1, 1,−1).
Como a dimensão de R3 é três, precisamos encontrar dois vetores, (a, b, c), (x, y, z),
que juntamente com (1, 1,−1) sejam l.i.. Porém, pelo exemplo 4.8, sabemos que isto é
equivalente ao determinante de 0
1 a x
1 b y
−1 c z
@
1
A
que é dado por x(b+c)−y(a+c)+z(b−a) seja diferente de zero. Há uma infinidade
de possibilidades para que isto aconteça. Por exemplo, tomando (a, b, c) = (0, 1, 1) e
(x, y, z) = (0, 0, 1).
5.3 Dimensão de Soma de Subespaços Vetoriais
Proposiç ão 5.21 Seja V um espaço vetorial de dimensão finita. Se U eW são subespa-c
¸os vetoriais de V então
dim(U W) + dim(U +W) = dimU + dimW (5.22)
Prova: Lembre que todo subespaço de um espaço vetorial de dimensão finita tem tam-b
ém dimensão finita.
Sejam v1, . . . , vm elementos de uma base de UW. Como estes vetores são l.i. e per-tencem
a U, pelo teorema 5.19, existem u1, . . . , up 2 U tais que u1, . . . , up, v1, . . . , vm

formam uma base de U. Por outro lado, v1, . . . , vm também pertencem a W e pelo
mesmo teorema é poss´ıvel encontrar w1, . . . , wq 2 W de modo que w1, . . . ,wq, v1,
. . . , vm formem uma base de W.
Com a notaç ão usada, temos dim(U W) = m, dimU = m + p e dimW =
m + q. Sendo assim, a fim de mostrarmos que 5.22 é válida, é necessário e, na verdade,
suficiente mostrar que dim(U +W) = m+p+q. Para tanto, basta mostrarmos que os
vetores
u1, . . . , up,w1, . . . ,wq, v1, . . . , vm (5.23)
formam uma base de U +W.
Mostremos primeiramente que eles geram U+W : dado v 2 U+W existem u 2 U e
w 2 W tais que v = u + w. Como u é uma cominaç ão linear de u1, . . . , up, v1, . . . , vm
e w é uma cominaç ão linear de w1, . . . ,wq, v1, . . . , vm segue que v = u + w é uma
cominaç ão linear de u1, . . . , up, v1, . . . , vm,1 , . . . ,wq. Portanto,
U +W = [u1, . . . , up, v1, . . . , vm,1 , . . . ,wq].
Verifiquemos que os vetores em 5.23 são l.i.. Suponha que
®1u1 + · · · + ®pup + ¯1w1 + · · · + ¯qwq + ±1v1 + · · · + ±mvm = 0, (5.24)
ou seja
U 3 ®1u1 + · · · + ®pup + ±1v1 + · · · + ±mvm = −¯1w1 + · · · − ¯qwq 2 W.
Logo,
−¯1w1 − · · · − ¯qwq 2 U W = [v1, . . . , vm].
Conseqüentemente, existem °1, . . . , °m tais que
−¯1w1 − · · · − ¯qwq = °1v1 + · · · + °mvm,
ou seja,
¯1w1 + · · · + ¯qwq + °1v1 + · · · + °mvm = 0.
Como w1, . . . ,wq, v1, . . . , vm são l.i., pois formam uma base de W, segue-se que °1 =
· · · = °m = ¯1 = · · · = ¯q = 0. Assim, a equaç ão 5.24 se reduz a
®1u1 + · · · + ®pup + ±1v1 + · · · + ±mvm = 0
e como u1, . . . , up, v1, . . . , vm são l.i., pois formam uma base de U, segue-se que
®1 = · · · = ®p = ±1 = · · · = ±m = 0,
donde se conclui que os vetores de 5.23 são linearmente independentes.

5.3. DIMENS ÃO DE SOMA DE SUBESPAÇOS VETORIAIS 43
Corolário 5.25 Seja U um subespaço vetorial de um espaço vetorial de dimensão finita
V. Se dimU = dimV então U = V.
Prova: Suponha que exista u1 2 V com u162 U. Coloque W = [u1]. Como U W =
{0} e dimW = 1, segue da proposiç ão 5.21 que
dim(U +W) = dimU + 1 = dimV + 1 > dimV.
Um absurdo pois dim(U +W) · dimV.
Observaç ão 5.26 Note que se V, U e W são como na proposiç ão 5.21 e se além do
mais tivermos V = U +W e dimU + dimW > dimV então U W6= {0}, isto é,
a soma U +W não é direta.
Bem, se fosse U W = {0} então pela proposiç ão 5.21 ter´ıamos
0 = dim(U W) = dimU + dimW − dim(U +W)
= dimU + dimW − dimV > 0,
um absurdo.
Exemplo 5.27 Sejam U = {p(x) 2 P3(R); p(0) = p(1) = 0} e V = {p(x) 2 P3(R); p(−1) = 0}. Encontre uma base para U, V, U V e U + V.
U : Temos
p(x) = a0 + a1x + a2x2 + a3x3 2 U () p(0) = p(1) = 0
()
(
a0 = 0
a0 + a1 + a2 + a3 = 0
() p(x) = −(a2 + a3)x + a2x2 + a3x3 = a2(x2 − x) + a3(x3 − x).
Desse modo, U = [x2 − x, x3 − x] e estes polinômios são l.i. pois como cada um
tem um grau distinto do outro, nenhum pode ser múltiplo do outro. Assim, x2 −x
e x3 − x formam uma base de U.

V :
p(x) = a0 + a1x + a2x2 + a3x3 2 V
() p(−1) = 0 () a0 − a1 + a2 − a3 = 0
() p(x) = a0 + (a0 + a2 − a3)x + a2x2 + a3x3
= a0(1 + x) + a2(x2 + x) + a3(x3 − x).
Desse modo, V = [1 + x, x2 + x, x3 − x] e estes polinômios são l.i. pois como
cada um tem um grau distinto do outro, nenhum pode ser uma combinaç ão linear
dos outros dois. Portanto, 1 + x, x2 + x e x3 − x formam uma base de V.
U V :
p(x) = a0 + a1x + a2x2 + a3x3 2 U V ()
8><
>:
a0 = 0
a0 + a1 + a2 + a3 = 0
a0 − a1 + a2 − a3 = 0
()
(
a0 = a2 = 0
a1 = −a3 () p(x) = −a1(x3 − x).
Logo, x3 − x é uma base de U V.
U + V : Temos dim(U +V ) = 2+3−1 = 4 = dimP3(R). Pela proposiç ão 5.25 temos
que U + V = P3(R) e podemos tomar como base os polinômios 1, x, x2 e x3.
Exemplo 5.28 Voltemos ao exemplo 3.11. Sabemos que
U = [(1, 1, 0, 0), (0, 1, 1, 0), (0, 1, 0, 1)]
V = [(1, 0, 0, 1), (0, 1, 0, 1), (0, 0, 1, 1)]
U V = [(1, 0,−1, 0), (0, 1, 0, 1)]
U + V = [(0, 1, 1, 0), (0, 1, 0, 1), (1, 0, 0, 1), (0, 0, 1, 1)]
Verifiquemos que os geradores acima são na verdade bases para os respectivos subespa-c
¸os vetoriais. Para tanto basta verificar que cada seqüência de vetores acima é l.i..
Analisemos primeiramente para U: se
®(1, 1, 0, 0) + ¯(0, 1, 1, 0) + °(0, 1, 0, 1) = (0, 0, 0, 0)

5.4. COORDENADAS 45
então
(®, ® + ¯ + °, ¯, °) = (0, 0, 0, 0)
que implica em ® = ¯ = ° = 0.
Vejamos agora o caso do subespaço V : se
®(1, 0, 0, 1) + ¯(0, 1, 0, 1) + °(0, 0, 1, 1) = (0, 0, 0, 0)
então
(®, ¯, °, ® + ¯ + °) = (0, 0, 0, 0)
que implica em ® = ¯ = ° = 0.
Passemos agora a U V : se
®(1, 0,−1, 0) + ¯(0, 1, 0, 1) = (®, ¯,−®, ¯) = (0, 0, 0, 0)
que implica em ® = ¯ = 0.
Pela proposiç ão 5.21 temos dim(U + V ) = 3 + 3 − 2 = 4. Como (0, 1, 1, 0),
(0, 1, 0, 1), (1, 0, 0, 1), (0, 0, 1, 1) geram U + V segue-se do fato da dimensão deste
subespaço ser quatro que formam uma base para U+V. Como a dimensão de R4 também
e U + V ½ R4, temos pela proposiç ão 5.25 que U + V = R4. Note que esta soma não
é direta.
5.4 Coordenadas
Sejam V um espaço vetorial finitamente gerado e B uma base de V formada pelos ve-tores
u1, . . . , un. Como B é uma base de V, todo elemento de u 2 V se escreve como
®1u1 + · · · + ®nun, com os coeficientes ®1, . . . , ®n 2 R. Pela proposiç ão 4.18, os co-eficientes
®1, . . . , ®n são unicamente determinados pelo vetor u. Estes coeficientes são
denominados coordenas de u com relaç ão à base B. Representaremos as coordenadas
de u com relaç ão à base como
uB =
0
B@
®1
...
®n
1
CA
B
ou, simplesmente, por 0
B@
®1
...
®n
1
CA

quando B estiver subentendida.
Exemplo 5.29 Mostre que os vetores (1, 1, 1), (0, 1, 1) e (0, 0, 1) formam uma base de
R3. Encontre as coordenadas de (1, 2, 0) 2 R3 com relaç ão à base B formada pelos
vetores acima.
Já sabemos que dimR3 = 3. Para verificar se os vetores acima formam uma base de V,
basta verificar se eles são l.i.. Utilizando o exemplo 4.8 vemos que estes vetores são de
fato l.i. pois a matriz 0
1 0 0
1 1 0
1 1 1
@
1
A
possui determinante igual a 16= 0.
Agora,
(1, 2, 0) = ®(1, 1, 1) + ¯(0, 1, 1) + °(0, 0, 1) = (®, ® + ¯, ® + ¯ + °)
que é equivalente ao sistema 8><
>:
® = 1
® + ¯ = 2
® + ¯ + ° = 0
cuja (única) soluç ão é ® = 1, ¯ = 1 e ° = −2. Desse modo, as coordenadas de (1, 2, 0)
com relaç ão à base B são dadas por
0
@
1
1
−2
1
A
B
.
Exemplo 5.30 Mostre que os polinômios 1, x, x2 −x formam uma base, B, deP2(R).
Encontre as coordenadas de 1 + x + x2 com relaç ão à base B. Encontre também as
coordenadas deste mesmo polinômio com relaç ão à base C formada pelos polinômios
1, x e x2.
Pa verificar que 1, x, x2−x formam uma base deP2(R) basta mostrar cada p(x) =
a0 +a1x+a2x2 2 P2(R) se escreve de maneira única como combinaç ão linear de 1, x

e x2−x. Isto é equivalente a mostrar que a equaç ão p(x) = ®1+¯x+°(x2−x) possui
uma única soluç ão (®, ¯, °) 2 R3. A equaç ão acima se escreve como
a0 + a1x + a2x2 = ® + (¯ − °)x + °x2,
que é equivalente ao sistema 8><
® = a0
¯ − ° = a1
° = a2,
>:
que possui uma única soluç ão dada por ® = a0, ¯ = a1 + a2, e ° = a2.
Com isso em mãos, vemos que as coordenadas de 1 + x + x2 com relaç ão à base B
são dadas por 0
@
1
A
1
2
1
B
.
Note que com relaç ão à base C formada por 1, x e x2 as coordenadas de 1+x+x2 são
dadas por 0
@
1
A
1
1
1
C
.
5.5 Exerc´ıcios
Ex. 5.31 Verificar em cada um dos casos se o subconjunto B do espaço vetorial V é
uma base para V.
1. B =
©
1, 1 + t, 1 − t2, 1 − t − t2 − t3
ª
, V = P3(R).
2. B =
½µ
1 1
0 0
¶
,
µ
2 1
0 0
¶
,
µ
0 1
1 0
¶
,
µ
0 0
0 2
¶¾
, V = M2(R).
3. B = {(1, 1, 1, 1), (1, 1, 1, 0), (1, 1, 0, 0), (1, 0, 0, 0)} , V = R4.
Ex. 5.32 Encontrar em cada um dos itens abaixo uma base e a dimensão do subespaço
W do espaço vetorial V.
1. W =
©
(x, y, z, t) 2 R4; x − y = 0 e x + 2y + t = 0
ª
, V = R4.

2. W = {X 2 M2(R);AX = X} , onde A =
µ
1 2
0 1
¶
, V = M2(R).
3. W = {p 2 P2(R); p00(t) = 0, 8t 2 R} , V = P2(R).
Ex. 5.33 Dados U, W subespaços do espaço vetorial V determinar;
i) uma base e a dimensão de U.
ii) uma base e a dimensão de W.
iii) uma base e a dimensão de U +W.
iv) uma base e a dimensão de U W. nos seguintes casos;
1. U =
©
(x, y, z) 2 R3; x + y + z = 0
ª
, W = {(x, y, 0); x, y 2 R} , V = R3.
2. U = {A 2 M2(R); tr(A) = 0} , W =
©
A 2 M2(R);At = −A
ª
, V = M2(R).
tr(A) é a soma dos elementos da diagonal principal de A, chamado de traço de
A
3. U = {p(x) 2 P2(R); p0(t) = 0} , W = {p(x) 2 P2(R); p(0) = p(1) = 0} ,
V = P2(R).
Ex. 5.34 Determinar as coordenadas do vetor u = (−1, 8, 5) 2 R3 em relaç ão a cada
uma das bases de R3 abaixo;
1. base canônica
2. {(0, 0, 1), (0, 1, 1), (1, 1, 1)}
3. {(1, 2, 1), (0, 3, 2), (1, 1, 4)}
Ex. 5.35 Determinar as coordenadas de p(t) 2 P3(R), dado por p(t) = 10 + t2 +
2t3, t 2 R em relaç ão as seguintes bases de P3(R);
1. base canônica
2.
©
1, 1 + t, 1 + t + t2, 1 + t + t2 + t3
ª
3.
©
4 + t, 2, 2 − t2, t + t3
ª

Ex. 5.36 Determinar as coordenadas do vetor
µ
2 5
−8 7
¶
2 M2(R) em relaç ão as
seguintes bases de M2(R);
1. base canônica
2.
½µ
1 0
0 0
¶
,
µ
1 1
0 0
¶
,
µ
1 1
1 0
¶
,
µ
1 1
1 1
¶¾

Cap´ıtulo 6
Mudança de Base
6.1 Introduç ão, Exemplos e Propriedades
Como vimos no exemplo 5.30 as coordenadas de um elemento de um espaço vetorial
podem variar quando se consideram bases distintas. O que passaremos a estudar agora
é como esta mudança ocorre, ou seja, como é poss´ıvel encontrar as coordenadas de um
vetor com relaç ão a uma base sabendo-se suas coordenadas com relaç ão a uma outra.
Seja V um espaço vetorial finitamente gerado. Sejam B e C bases de V formadas
pelos vetores b1, . . . , bn e c1, . . . , cn, respectivamente. Como B é uma base, existem
®ij 2 R, 1 · i, j · n tais que
c1 = ®11b1 + · · · + ®n1bn
...
cn = ®1nb1 + · · · + ®nnbn.
Desta forma, as coordenadas de c1, . . . , cn, com relaç ão à base B são, respectivamente,
c1B =
0
B@
®11
...
®n1
1
CA
B
, · · · , cnB =
0
B@
®1n
...
®nn
1
CA
B
.
Reunimos estas informaç ões sobre as coordenadas dos vetores da base C com relaç ão à
51

52 CAPÍTULO 6. MUDANÇA DE BASE
base B na seguinte matriz
MC
B =
0
B@
®11 · · · ®1n
...
. . .
...
®n1 · · · ®nn
1
CA
,
cujas colunas são formadas pelas coordenas de c1, . . . , cn com relaç ão à base B. A
matriz MC
B é chamada de matriz mudança de base da base B para a base C.
Antes de mostrarmos a relaç ão que existe entreMC
B e as coordenadas de um dado ve-tor
com relaç ão às bases B e C, vejamos como podemos encontrar a matriz de mudança
de base em um exemplo no R3.
Exemplo 6.1 Considere a base B em R3 formada pelos vetores (1, 0, 1), (1, 1, 1) e
(1, 1, 2). Considere também a base C formada pelos vetores (1, 0, 0), (0, 1, 0) e (0, 0, 1).
Encontre MC
B .
Precisamos resolver
(1, 0, 0) = ®11(1, 0, 1) + ®21(1, 1, 1) + ®31(1, 1, 2)
(0, 1, 0) = ®12(1, 0, 1) + ®22(1, 1, 1) + ®32(1, 1, 2)
(0, 0, 1) = ®13(1, 0, 1) + ®23(1, 1, 1) + ®33(1, 1, 2)
()
(®11 + ®21 + ®31, ®21 + ®31, ®11 + ®21 + 2®31) = (1, 0, 0)
(®12 + ®22 + ®32, ®22 + ®32, ®12 + ®22 + 2®32) = (0, 1, 0)
(®13 + ®23 + ®33, ®23 + ®33, ®13 + ®23 + 2®33) = (0, 0, 1).
Um momento de reflexão nos poupará um pouco de trabalho neste ponto. Note que cada
linha acima representa um sistema de três equaç ões com três incógnitas e que a matriz
associada a cada um destes sistemas é a mesma. O que muda são os nomes das variáveis
e o segundo membro. Utilizando como variáveis x, y e z, basta resolvermos o seguinte
sistema 0
1 1 1
0 1 1
1 1 2
@
1
A
0
@
1
A =
x
y
z
0
@
1
A
a
b
c
onde a, b, c 2 R. O sistema acima é equivalente a
0
@
1
A
1 1 1
0 1 1
0 0 1
0
@
1
A =
x
y
z
0
@
1
A
a
b
c − a

6.1. INTRODUÇ ÃO, EXEMPLOS E PROPRIEDADES 53
cuja única soluç ão é dada por x = a − b, y = a + b − c e z = c − a.
Tomando (a, b, c) = (1, 0, 0) obtemos (®11, ®21, ®31) = (1, 1,−1).
Tomando (a, b, c) = (0, 1, 0) obtemos (®12, ®22, ®32) = (−1, 1, 0).
Tomando (a, b, c) = (0, 0, 1) obtemos (®13, ®23, ®33) = (0,−1, 1). Desta forma,
obtemos
MC
B =
0
@
1
A.
1 −1 0
1 1 −1
−1 0 1
Exerc´ıcio 6.2 Com as notaç ões do exemplo acima, encontre MB
C .
Vejamos agora como as coordenadas de um vetor se relacionam com respeito a duas
bases de um espaço vetorial de dimensão finita.
Sejam B e C bases de um espaço vetorial de dimensão finita V formadas, respecti-vamente,
pelos vetores b1, . . . , bn e c1, . . . , cn. Dado um vetor v em V sejam
vB =
0
B@
x1
...
xn
1
CA
B
e vC =
0
B@
y1
...
yn
1
CA
C
as suas coordenadas com relaç ão às bases B e C, respectivamente. Se MC
B = (®ij)
representa a matriz de mudança da base B para base C, então como cj =
Pn
i=1 ®ijbi,
j = 1, . . . , n, obtemos
v =
Xn
i=1
xibi =
Xn
j=1
yjcj =
Xn
j=1
yj
Ã
Xn
i=1
®ijbi
!
=
Xn
i=1
0
@
Xn
j=1
®ijyj
1
Abi
onde na ultima ígualdade Pinvertemos a ordem da soma. Como os vetores b1, . . . , bn sao
˜l.i., segue-se que xi =
n
j=1 ®ijyj , i = 1, . . . , n. Porém, estas últimas n equaç ões
podem ser escritas na seguinte fórmula matricial
0
B@
®11 ®12 · · · ®1n
...
...
. . .
...
®n1 ®n2 · · · ®nn
1
0
B@
CA y1
...
yn
1
CA
=
0
B@
x1
...
xn
1
CA
,
ou mais simplesmente,
uB = MC
B uC.
Resumiremos este resultado na seguinte

Proposiç ão 6.3 Sejam B e C bases de um espaço vetorial de dimensão finita V. Se uB
e uC representam as coordenadas de um dado vetor v 2 V com relaç ão às bases B e
C, respectivamente e se MC
B é a matriz de mudança de base da base B para a base C
então
vB = MC
B vC.
Exemplo 6.4 Fixado µ 2 R, considere os vetores
u1 = (cos µ, sen µ) e u2 = (−sen µ, cos µ)
em R2. Mostre que estes vetores formam uma base, B, de R2 e encontre a matriz de
mudança desta base para a base C formada pelos vetores e1 = (1, 0) e e2 = (0, 1).
Encontre as coordenadas do vetor u = ae1 + be2 com relaç ão à base B.
Como a dimensão de R2 é dois basta mostrar que u1 e u2 são l.i.. Se ®(cos µ, sen µ)
+¯(−sen µ, cos µ) = (0, 0) então
(
® cos µ − ¯ sen µ = 0
® sen µ + ¯ cos µ = 0 () ® = ¯ = 0,
pois
det
µ
cos µ −sen µ
sen µ cos µ
¶
= 16= 0.
B será dada por (®ij), onde
A matriz MC
(1, 0) = ®11(cos µ, sen µ) + ®21(−sen µ, cos µ)
(0, 1) = ®12(cos µ, sen µ) + ®22(−sen µ, cos µ),
que é equivalente a
(1, 0) = (®11 cos µ − ®21 sen µ, ®11 sen µ + ®21 cos µ)
(0, 1) = (®12 cos µ − ®22 sen µ, ®12 sen µ + ®22 cos µ),
e como já visto antes, basta resolver o sistema
µ
cos µ −sen µ
sen µ cos µ
¶µ
¶
x
y
=
µ
®
¯
¶

6.1. INTRODUÇ ÃO, EXEMPLOS E PROPRIEDADES 55
cuja soluç ão é dada por
µ
x
y
¶
=
µ
cos µ sen µ
−sen µ cos µ
¶µ
®
¯
¶
=
µ
® cos µ + ¯ sen µ
¯ cos µ − ® sen µ
¶
.
Fazendo (®, ¯) = (1, 0) obtemos (®11, ®21) = (cos µ,−sen µ). Colocando (®, ¯) =
(0, 1), temos (®12, ®22) = ( sen µ, cos µ). Assim,
MC
B =
µ
cos µ sen µ
−sen µ cos µ
¶
.
Agora, se uB representa as coordenadas de u = ae1 + be2 com relaç ão à base B e uC
as coordenadas do mesmo vetor com relaç ão à base C, pela proposiç ão 6.3 temos
uB = MC
B uC =
µ
cos µ sen µ
−sen µ cos µ
¶µ
¶
a
b
=
µ
a cos µ + b sen µ
b cos µ − a sen µ
¶
.
Proposiç ão 6.5 Sejam B, C e D bases de um espaço vetorial n dimensional. Temos
MD
B = MC
BMD
C .
Prova: Sejam b1, . . . , bn os vetores de B, c1, . . . , cn os vetores de C e d1, . . . , dn os
vetores de D. Usando a notaç ão MC
B = (®ij), MD
C = (¯ij) e MD
B = (°ij) vemos que
cj =
Xn
i=1
®ijbi, dk =
Xn
j=1
¯jkcj , dk =
Xn
i=1
°ikbi. (6.6)
Assim,
dk =
Xn
j=1
¯jkcj =
Xn
j=1
¯jk
Ã
Xn
i=1
®ijbi
!
=
Xn
i=1
0
@
Xn
j=1
®ij¯jk
1
Abi,
como b1, . . . , bn são l.i., comparando com a última expressão de 6.6, obtemos
°ik =
Xn
j=1
®ij¯jk, 1 · i, k · n.
Resta apenas lembrar que o lado direito da expressão acima representa o elemento da
i-ésima linha e da k-ésima coluna da matriz MC
BMD
C . Portanto, MD
B = MC
BMD
C .

Proposiç ão 6.7 Sejam B e C bases em um espaço vetorial de n dimensional V. Então a
matriz MC
B possui inversa e esta inversa é dada por MB
C , a matriz de mudança da base
C para a base B.
Prova: Pela proposiç ão anterior temosMC
BMB
C = MB
B eMB
CMC
B = MC
C . resta mostrar
que MB
B = MC
C = I = (±ij), onde
±ij =
(
1 se i = j
0 caso contrário,
é a matriz identidade de ordem n. É
B = I e isto é
claro que basta mostrar que MB
bem simples, pois se u1, . . . , un são os vetores da base B então MB
B = (®ij) satisfaz
uj =
Pn
i=1 ®ijui, j = 1, . . . , n. Ora, como u1, . . . , un são l.i., para cada j = 1, . . . , n,
a única soluç ão de cada uma destas equaç ões é dada por
®ij =
(
1 se i = j
0 caso contrário,
ou seja, ®ij = ±ij .
Exerc´ıcio 6.8 Utilize a proposiç ão acima para refazer o exerc´ıcio 6.2.
6.2 Exerc´ıcios
Ex. 6.9 Considere as bases B = {e1, e2, e3} e C = {g1, g2, g3} de um espaço vetorial
V relacionadas da seguinte forma8<
:
g1 = e1 + e2 − e3
g2 = 2e2 + 3e3
g3 = 3e1 + e3
1. Determine as matrizes mudança da base B para a base C, isto é, MC
B , e da base
C para a base B, isto é, MB
C .
2. Se a matriz das coordenadas do vetor v em relaç ão a base B, isto é, (v)B, é dada
por
0
@
1
3
2
1
A encontre a matriz das coordenadas de v em relaç ão a base C, isto é,
(v)C.

3. Se a matriz das coordenadas do vetor v em relaç ão a base C, isto é, (v)C, é dada
por
0
@
2
3
−1
1
A encontre a matriz das coordenadas de v em relaç ão a base B, isto
é, (v)B.
Ex. 6.10 Considere as bases ordenadas B =
©
1, 1 + t, 1 + t2
ª
e C =
©
1, t, t2
ª
de
P2(R).
1. Encontre as matrizes de mudança da base B para a base C, isto éMC
B , e da base
C para a base B, isto é MB
C .
2. Se (v)B =
0
@
1
−4
6
1
A encontre (v)C.
3. Se (v)C =
0
@
8
−1
3
1
A encontre (v)B.
4. Se D =
©
1, t, t2
ª
é a base canônica de P2(R), encontre as matrizes de mudança
da base B para a base D e da base D para a base C, isto é, MBD e MDC,
respectivamente.
Ex. 6.11 Considere o seguinte subespaço de M2(R);
W =
½µ
x y
z t
¶
2 M2(R); x − y − z = 0
¾
.
1. Mostre que
B =
½µ
1 1
0 0
¶
,
µ
1 0
1 0
¶
,
µ
0 0
0 1
¶¾
e
C =
½µ
1 0
1 0
¶
,
µ
0 −1
1 0
¶
,
µ
0 0
0 1
¶¾
são bases de W.
2. Encontre as matrizes de mudança da base B para a base C e da base C para a
base B, isto é, MC
B e MB
C , respectivamente.

3. Encontre uma base D de W, tal que a matriz
P =
0
@
1 1 0
0 0 2
0 3 1
1
A
seja a matriz de mudanc¸a da base D para a base B, isto ´e, P = MB
D.

Cap´ıtulo 7
Exerc´ıcios Resolvidos – Uma
Revisão
Ex. Resolvido 7.1 Verifique se V = {(x, y, z,w) 2 R4; y = x, z = w2} com as
operaç ões usuais de R4 é um espaço vetorial.
Resoluç ão: Note que (0, 0, 1, 1) 2 V mas −1(0, 0, 1, 1) = (0, 0,−1,−1)62 V. Assim,
V não é um espaço vetorial. ¤
Ex. Resolvido 7.2 Seja A 2 Mn(R) uma matriz quadrada de ordem n. Verifique se
W = {X 2 Mn×1(R);AX = 0} é um subespaço vetorial de Mn×1(R), com as
operaç ões usuais.
Resoluç ão:
1. Seja O = (0) a matriz n × 1 nula. Como AO = O, temos que O 2 W.
2. Se X, Y 2 W e ¸ 2 R, então, pelas propriedades da soma e da multiplicaç ão por
escalar usuais entre as matrizes e, também, pelas propriedades do produto entre
matrizes, temos
A(X + ¸Y ) = AX + A(¸Y ) = AX + ¸AY = O + ¸O = O.
Portanto X + ¸Y 2 W.
Conclu´ımos que W é um subespaço vetorial de Mn×1(R). ¤
59

60 CAPÍTULO 7. EXERCÍCIOS RESOLVIDOS – UMA REVIS ÃO
Ex. Resolvido 7.3 Encontre o subespaço vetorial de P3(R) gerado por S = {1, t,
t2, 1 + t3}.
Resoluç ão: Note que t3 = (t3 + 1) − 1. Assim, dado p(t) = a0 + a1t + a2t2 + a3t3 2 P3(R) podemos escrever p(t) = (a0 − a3) + a1t + a2t2 + a3(t3 + 1) 2 [S]. Logo,
P3(R) = [S]. ¤
Ex. Resolvido 7.4 Encontre o subespaço vetorial de M2(R) gerado por
S =
½µ
0 1
0 0
¶
,
µ
0 0
−1 0
¶¾
Resoluç ão: Temos que A 2 [S] se e somente se existem ®, ¯ 2 R tais que
A = ®
µ
0 1
0 0
¶
+ ¯
µ
0 0
−1 0
¶
=
µ
0 ®
−¯ 0
¶
,
ou seja, A 2 [S] se e somente se os elementos da diagonal principal de A são nulos. ¤
Ex. Resolvido 7.5 Encontre um conjunto finito de geradores para
W = {X 2 M3×1(R) : AX = 0},
onde
A =
0
@
0 1 0
2 1 0
1 1 4
1
A.
Resoluç ão:
X =
0
@
®
¯
°
1
A 2 W ()
0
@
1
A
0 1 0
2 1 0
1 1 4
0
@
®
¯
°
1
A =
0
@
1
A
0
0
0
()
0
@
1
A
1 1 4
2 1 0
0 1 0
0
@
®
¯
°
1
A =
0
@
0
0
0
1
A ()
0
@
1 1 4
0 −1 −4
0 1 0
1
A
0
@
®
¯
°
1
A =
0
@
0
0
0
1
A
()
0
@
1
A
1 1 4
0 1 4
0 1 0
0
@
®
¯
°
1
A =
0
@
1
A ()
0
0
0
0
@
1 1 4
0 1 4
0 0 −4
1
A
0
@
®
¯
°
1
A =
0
@
1
A
0
0
0

61
()
0
@
1
A
1 1 4
0 1 4
0 0 1
0
@
®
¯
°
1
A =
0
@
1
A () ® = ¯ = ° = 0,
0
0
0
portanto,
W =
8<
:
0
@
1
A
0
0
0
9=
;.
¤
Ex. Resolvido 7.6 Encontre um conjunto finito de geradores para
W = {X 2 M4×1(R) : AX = 0},
onde
A =
0
BB@
1 1 −1 0
2 0 1 1
3 1 0 1
0 −2 3 1
1
CCA
.
Resoluc¸ ˜ao:
X =
0
BB@
®
¯
°
±
1
CCA
2 W ()
0
BB@
1
1 1 −1 0
2 0 1 1
3 1 0 1
0 −2 3 1
CCA
0
BB@
®
¯
°
±
1
CCA
=
0
0
0
0
0
BB@
1
CCA
()
0
BB@
1 1 −1 0
0 −2 3 1
0 −2 3 1
0 −2 3 1
1
CCA
0
BB@
®
¯
°
±
1
CCA
=
0
0
0
0
0
BB@
1
CCA
()
0
1 1 −1 0
0 −2 3 1
0 0 0 0
0 0 0 0
BB@
1
CCA
0
BB@
®
¯
°
±
1
CCA
=
0
0
0
0
0
BB@
1
CCA
()
0
BB@
1 1 −1 0
0 1 −3/2 −1/2
0 0 0 0
0 0 0 0
1
CCA 0
®
¯
°
±
BB@
1
CCA
=
0
0
0
0
0
BB@
1
CCA
()
0
BB@
1 0 1/2 1/2
0 1 −3/2 −1/2
0 0 0 0
0 0 0 0
1
CCA
0
®
¯
°
±
BB@
1
CCA
=
0
0
0
0
0
BB@
1
CCA

()
(
® = −°/2 − ±/2
¯ = 3°/2 + ±/2
,
isto é,
X =
0
BB@
−°/2 − ±/2
3°/2 + ±/2
°
±
1
CCA
= °
0
−1/2
3/2
1
0
BB@
1
CCA
+ ±
0
−1/2
1/2
0
1
BB@
1
CCA
,
portanto,
W =
0
2
BB@
664
−1/2
3/2
1
0
1
CCA
,
0
BB@
1
−1/2
1/2
0
1
CCA
3
775
.
¤
Ex. Resolvido 7.7 Encontre uma base para o subespaço vetorial de R3 dado por U =
[(1, 0, 1), (1, 2, 0), (0, 2,−1)].
Resoluç ão: Primeiro Modo: (x, y, z) 2 U se e somente se existem ®, ¯, ° 2 R tais que
®(1, 0, 1) + ¯(1, 2, 0) + °(0, 2,−1) = (x, y, z),
ou seja, (x, y, z) 2 U se e somente se o sistema abaixo admite soluç ão
0
@
1 1 0
0 2 2
1 0 −1
1
A
0
@
®
¯
°
1
A =
0
@
1
A ()
x
y
z
0
@
1 1 0
0 2 2
0 −1 −1
1
A
0
@
®
¯
°
1
A =
0
@
1
A
x
y
z − x
0
@
1 1 0
0 1 1
0 −1 −1
1
A
0
@
®
¯
°
1
A =
0
@
1
A ()
x
y/2
z − x
0
@
1
A
1 1 0
0 1 1
0 0 0
0
@
®
¯
°
1
A =
0
@
x
y/2
z − x + y/2
1
A
()
0
@
1 0 −1
0 1 1
0 0 0
1
A
0
@
®
¯
°
1
A =
0
@
x − y/2
y/2
z − x + y/2
1
A

63
que possui soluç ão, e esta é dada por ® = ° + x − y/2, ¯ = −° + y/2, ° 2 R, se e
somente se z = x − y/2. Dessa forma,
(x, y, z) = (° + x − y/2)(1, 0, 1) + (−° + y/2)(1, 2, 0) + °(0, 2,−1) =
= (x, y, x − y/2) = x(1, 0, 1) + y(0, 1,−1/2)
e como
(1, 0, 1), (0, 1,−1/2) (7.8)
são l.i., segue-se que formam uma base de U.
SegundoModo: Note que os vetores (1, 0, 1) e (1, 2, 0) são l.i. e pertencem a U. Vejamos
se estes vetores juntamente com (0, 2,−1) são l.d. ou l.i.:
®(1, 0, 1) + ¯(1, 2, 0) + °(0, 2,−1) = (0, 0, 0)
() (® + ¯, 2¯ + 2°, ® − °) = (0, 0, 0)
()
8><
>:
® + ¯ = 0
¯ + ° = 0
® − ° = 0
() ® = −¯ = °,
ou seja, os vetores
(1, 0, 1), (1, 2, 0), (0, 2,−1)
são l.d.. Portanto,
(1, 0, 1), (1, 2, 0) (7.9)
formam uma base de U.
Embora as bases 7.8 e 7.9 não coincidam, ambas estão corretas. Basta observar que
(1, 2, 0) = (1, 0, 1) + 2(0, 1,−1/2).
¤
Ex. Resolvido 7.10 Dados U = {A 2 M2(R) : At = A} e W =
·µ
1 1
0 1
¶¸
, em
M2(R), encontre uma base para U,W, U W e U +W, no caso em que não se reduzam
a {0}.
Resoluç ão:

U :
A =
µ
a b
c d
¶
() c = b,
portanto, A 2 U se e somente se existirem ®, ¯, ° 2 R tais que
A = ®
µ
1 0
0 0
¶
+ ¯
µ
0 1
1 0
¶
+ °
µ
0 0
0 1
¶
.
A mesma equaç ão acima tomada com A = 0, mostra que as matrizes
µ
1 0
0 0
¶
,
µ
0 1
1 0
¶
,
µ
0 0
0 1
¶
são l.i. e, portanto, como geram U, formam uma base de U. Note que dimU = 3.
W : Como a matriz µ
¶
1 1
0 1
gera W e é não nula, ela serve de base para W. Note que dimW = 1.
U W :
A 2 U W () A = At e existe ¸ 2 R tal que A =
µ
¸ ¸
0 ¸
¶
,
isto é, se e somente se existir ¸ 2 R tal que
µ
¸ ¸
0 ¸
¶
=
µ
¸ 0
¸ ¸
¶
,
que é satisfeita se e somente se ¸ = 0, ou seja, A = O. Desse modo, U W =
{O} e dim(U W) = 0.
U +W : Temos
dim(U +W) = dimU + dimW − dim(U W) = 4 = dimM2(R);
portanto, U +W = M2(R) e uma base pode ser dada por
µ
1 0
0 0
¶
,
µ
0 1
0 0
¶
,
µ
0 0
1 0
¶
,
µ
0 0
0 1
¶
.
¤

65
Ex. Resolvido 7.11 Sejam U = {p 2 P2(R) : p0(t) = 0, 8t 2 R}, W = {p 2 P2(R) : p(0) = p(1) = 0} subespaços vetoriais de V = P2(R). Encontre uma base
para U, W, U W e U +W, no caso em que não se reduzam a {0}.
U :
p(t) = a0 + a1t + a2t2 2 U () p0(t) = a1 + 2a2t = 0
() a1 = a2 = 0 () p(t) = a0 () p(t) 2 [1].
Logo, 1 é uma base de U e dimU = 1.
W :
p(t) = a0 + a1t + a2t2 2 U ()
(
p(0) = a0 = 0
p(1) = a0 + a1 + a2 = 0
() p(t) = a1t − a1t2 = a1(t − t2),
isto é, p(t) 2 [t − t2]. Assim t − t2 é uma base de W e dimW = 1.
U W : p(t) 2 U W = [1] [t − t2] se e somente se existem ¸, μ 2 R tais que
p(t) = ¸ = μ(t − t2). Claramente, isto só é poss´ıvel quando ¸ = μ = 0, ou seja,
quando p(t) = 0. Assim, U W = {0} e dimU W = 0.
U +W : Temos
dim(U +W) = dimU + dimW − dim(U W) = 1 + 1 − 0 = 2
e como a soma é direta podemos tomar 1, t − t2 como base de U W. ¤
Ex. Resolvido 7.12 Seja V um espaço vetorial. Sejam B e C bases de V formadas
pelos vetores e1, e2, e3 e g1, g2, g3, respectivamente, relacionados da seguinte forma:
8<
:
g1 = e1 + e2 − e3
g2 = 2e2 + 3e3
g3 = 3e1 + e3
1. Determine as matrizes de mudança da base B para a base C, isto é, MC
B , e da
base C para a base B, isto é, MB
C .
2. Se as coordenadas do vetor v em relaç ão a base B, 0 isto e´, vB, saõ dadas por
@
1
3
2
1
A encontre as coordenadas de v em relaç ão a base C, isto é, vC.

3. Se as coordenadas do vetor v em relaç ão a base C, 0 isto e´, vC, saõ dadas por
@
2
3
−1
1
A encontre as coordenadas de v em relaç ão a base B, isto é, vB.
Resoluç ão:
1. Temos
MC
B =
0
@
1
A.
1 0 3
1 2 0
−1 3 1
Como MB
C =
¡
MC
B
¢
−1
, passemos a encontrar a inversa de MC
B :
0
CCA »
BB@
1 0 3
...
1
1 0 0
1 2 0
...
CCA
0 1 0
−1 3 1
...
0 0 1
»
0
BB@
1 0 3
...
1
1 0 0
0 2 −3
...
−1 1 0
0 3 4
...
1 0 1
0
1 0 3
BB@
...
1
1 0 0
0 1 −3
2
...
−1
2
CCA
1
2 0
0 3 4
...
1 0 1
»
0
1 0 3
BB@
...
1
1 0 0
0 1 −3
2
...
−1
2
CCA
1
2 0
0 0 17
2
...
5
2 −3
2 1
»
0
BB@
1 0 3
...
1 0 0
0 1 −3
2
...
−1
2
1
2 0
0 0 1
...
5
17 − 3
17
2
17
1
CCA
»
0
BB@
1 0 0
...
2
17
9
17 − 6
17
0 1 0
...
− 1
17
4
17
3
17
0 0 1
...
5
17 − 3
17
2
17
1
CCA
Portanto,
MB
C =
0
@
2
17
9
17 − 6
17
− 1
17
4
17
3
17
5
17 − 3
17
2
17
1
A
2. Como vC = MB
C vB,
vC =
0
@
2
17
9
17 − 6
17
− 1
17
4
17
3
17
5
17 − 3
17
2
17
1
A
0
@
1
A =
1
3
2
0
@
1
A.
1
1
0

67
3. Como vB = MC
B vC,
vB =
0
@
1 0 3
1 2 0
−1 3 1
1
A
0
@
2
3
−1
1
A =
0
@−1
8
6
1
A.
¤
Ex. Resolvido 7.13 Considere o seguinte subespaço de M2(R):
W =
½µ
x y
z t
¶
2 M2(R); x − y − z = 0
¾
.
a) Mostre que B dada pelas matrizes
B1 =
µ
1 1
0 0
¶
,B2 =
µ
1 0
1 0
¶
,B3 =
µ
0 0
0 1
¶
e C dada pelas matrizes
C1 =
µ
1 0
1 0
¶
,C2 =
µ
0 −1
1 0
¶
,C3 =
µ
0 0
0 1
¶
são bases de W.
b) Encontre as matrizes de mudança da base B para a base C e da base C para a
base B.
c) Encontre uma base D de W, tal que a matriz
P =
0
@
1 1 0
0 0 2
0 3 1
1
A
seja a matriz de mudança da base D para a base B, isto é, P = MB
D.
Resoluç ão:
a)
A =
µ
x y
z t
¶
2 W () x = y + z.

Assim, A 2 W se e somente se existirem x, y, z 2 R tais que
A = y
µ
1 1
0 0
¶
+ z
µ
1 0
1 0
¶
+ t
µ
0 0
0 1
¶
, (7.14)
isto é,
W =
·µ
¶
,
1 1
0 0
µ
1 0
1 0
¶
,
µ
0 0
0 1
¶¸
.
A equaç ão 7.14 tomada com A = O mostra que as matrizes acima que geram W
são de fato l.i. e, portanto, formam uma base de W. Além do mais, dimW = 3.
Como C é formado por três vetores deW e a dimensão deW é três, basta verificar
que tais vetores são l.i.. De fato,
®
µ
1 0
1 0
¶
+ ¯
µ
0 −1
1 0
¶
+ °
µ
0 0
0 1
¶
=
µ
0 0
0 0
¶
()
µ
® −¯
® + ¯ °
¶
=
µ
0 0
0 0
¶
() ® = ¯ = ° = 0.
b) Basta notar que
C1 = B2
C2 = −B1 + B2
C3 = B3
e da´ı,
MC
B =
0
@
1
A.
0 −1 0
1 1 0
0 0 1
Quanto a MB
C , vemos que
B1 = C1 − C2
B2 = C1
B3 = C3
e assim,
MB
C =
0
@
1
A.
1 1 0
−1 0 0
0 0 1

69
c) Procuremos D1,D2 e D3 emW de modo que formem uma baseW tal queMB
D =
P. Isto ocorre se e somente se
B1 = 1D1 + 0D2 + 0D3 = D1
B2 = 1D1 + 0D2 + 3D3 = D1 + 3D3
B3 = 0D1 + 2D2 + 1D3 = 2D2 + D3
,
ou seja, D1 = B1, D3 = (B2 − B1)/3 e D2 = (B3 − (B2 − B1)/3)/2 =
(3B3 + B1 − B2)/6. Assim, a base D formada por D1, D2 e D3 ´e dada pelas
matrizes µ
¶
,
1 1
0 0
µ
0 1/6
−1/6 1/2
¶
,
µ
0 −1/3
1/3 0
¶
.

Cap´ıtulo 8
Transformaç ões Lineares
Definiç ão 8.1 Sejam U e V espaços vetoriais. Dizemos que uma funç ão T : U ! V é
uma transformaç ão linear se forem verificadas as seguintes condiç ões:
1. T(u + v) = T(u) + T(v), 8u, v 2 U;
2. T(¸u) = ¸T(u), 8u 2 U, 8¸ 2 R.
Observaç ão 8.2 Note que T : U ! V é uma transformaç ão linear se e somente se
T(¸u + μv) = ¸T(u) + μT(v), para todo u, v 2 U, ¸, μ 2 R.
Observaç ão 8.3 Note que pela propriedade 2 temos
T(0) = T(00) = 0T(0) = 0.
Ou seja, toda transformaç ão linear de U em V leva o elemento neutro de U no elemento
neutro de V.
A seguir listamos alguns exemplos de transformaç ões lineares definidas em vários
espaços vetoriais que já tratamos no decorrer do curso.
1. T : U ! V dada por T(u) = 0, para todo u 2 U. T é chamada de transformaç ão
nula.
2. T : U ! U dada por T(u) = u, para todo u 2 U. T é chamada de transformaç ão
identidade.
71

72 CAPÍTULO 8. TRANSFORMAÇ ÕES LINEARES
3. T : Pn(R) ! Rn+1 dada por
T(a0 + a1x + · · · + anxn) = (a0, . . . , an).
4. Se A 2 Mm×n(R) é uma matriz dada, definimos
T : Mn×1(R) ! Mm×1(R)
por T(X) = AX, o produto de A com X, para todo X 2 Mn×1(R).
5. T : C([0, 1];R) ! R dada por
T(f) =
Z 1
0
f(x) dx,
para toda funç ão f 2 C([0, 1];R).
6. T : C1([0, 1];R) ! C([0, 1];R) dada por T(f) = f0, a derivada de f, para toda
f 2 C1([0, 1];R).
Os exemplos abaixo são de funç ões entre espaços vetoriais que não são transforma-c
¸ ões lineares.
1. T : R3 ! R dada por T(x, y, z) = x + y + z + 1. Note que T(0, 0, 0) = 16= 0.
2. T : C([0, 1];R) ! R dada por
T(f) =
Z 1
0 |f(x)| dx,
para toda funç ão f 2 C([0, 1];R).
Se T fosse linear dever´ıamos ter por 2, T(−f) = −T(f) para toda funç ão f 2
C([0, 1];R). Para ver que isto não ocorre, basta tomar f como sendo a funç ão
constante igual a 1. Temos neste caso que T(−1) = 1 = T(1).
3. T : R ! R dada por T(x) = x2. Observe que T(−1) = 1 = T(1). Logo, não
temos T(−1) = −T(1).
Proposiç ão 8.4 Seja U um espaço vetorial com base u1, . . . , un. Toda transformaç ão
linear T : U ! V fica determinada por T(u1), . . . , T(un), ou seja, conhecidos estes
vetores, conhece-se T(u) para qualquer u 2 U.

8.2. O ESPAÇO VETORIAL L(U, V ) 73
Prova: Já que u1, . . . , un formam uma base de U, dado u 2 U existem ®1, . . . , ®n 2 R
tais que u = ®1u1 + · · · + ®nun. Deste modo,
T(u) = T(®1u1 + · · · + ®nun) = ®1T(u1) + · · · + ®nT(un).
Ex. Resolvido 8.5 Encontre uma transformaç ão linear T : R2 ! R2 tal que T(1, 2) =
(3,−1) e T(0, 1) = (1, 2).
Resoluç ão: Note que (1, 2) e (0, 1) formam uma base de R2. Se (x, y) 2 R2 então, como
é fácil verificar, temos (x, y) = x(1, 2) + (y − 2x)(0, 1). Deste modo, a transformaç ão
T deve satisfazer
T(x, y) = T(x(1, 2) + (y − 2x)(0, 1)) = xT(1, 2) + (y − 2x)T(0, 1)
= x(3,−1) + (y − 2x)(1, 2) = (x + y, 2y − 5x).
Verifica-se facilmente que a transformaç ão T definida como acima, isto é, T(x, y) =
(x + y, 2y − 5x), é linear e satisfaz as condiç ões pedidas. ¤
8.2 O Espaço Vetorial L(U, V )
Definiç ão 8.6 Sejam U e V espaços vetoriais. Denotaremos por L(U, V ) o conjunto
das transformaç ões lineares T : U ! V. Quando U = V denotaremos L(U,U) =
L(U).
Dadas T, S 2 L(U, V ) podemos definir T + S : U ! V por (T + S)(u) =
T(u) + S(u), u 2 U. Vê-se claramente que T + S 2 L(U, V ).
Se T 2 L(U, V ) e ¸ 2 R definimos ¸T : U ! V como (¸T)(u) = ¸(T(u)).
Também, ¸T 2 L(U, V ).
É
um simples exerc´ıcio de verificaç ão o fato deL(U, V ) com as operaç ões definidas
acima ser um espaço vetorial. Note que o elemento neutro da adiç ão é a transformaç ão
nula, isto é, T 2 L(U, V ) definida por T(u) = 0, u 2 U.
Registraremos isto na seguinte
Proposiç ão 8.7 L(U, V ) com as operaç ões acima é um espaço vetorial.

Definiç ão 8.8 Se U é um espaço vetorial, definimos o espaço dual de U como sendo
U0 .=
L(U,R), isto é, U0 é formado pelas transformaç ões lineares T : U ! R. Estas
transformaç ões lineares também são chamadas de funcionais lineares definidos em U.
Teorema 8.9 Se U é um espaço vetorial de dimensão n e V é um espaço vetorial de
dimensão m então L(U, V ) tem dimensão mn.
Prova: Fixemos duas bases, uma formada por vetores u1, . . . , un de U e outra formada
por v1, . . . , vm, vetores de V.
Para cada 1 · i · n e 1 · j · m defina
Tij(x1u1 + · · · + xnun) = xivj , x1, . . . , xn 2 R.
Note que
Tij(uk) =
(
vj se i = k
0 se i6= k
.
Verifiquemos que Tij 2 L(U, V ):
Tij((x1u1 + · · · + xnun) + (y1u1 + · · · + ynun))
= Tij((x1 + y1)u1 + · · · + (xn + yn)un) = (xi + yi)vj = xivj + yivj
= Tij(x1u1 + · · · + xnun) + Tij(y1u1 + · · · + ynun).
Também, para todo ¸ 2 R,
Tij(¸(x1u1 + · · · + xnun)) = Tij(¸x1u1 + · · · + ¸xnun)
= ¸xivj = ¸Tij(x1u1 + · · · + xnun).
Mostremos Pque Tij , 1 · i · n e 1 · j · m, formam uma base de L(U, V ).
Se
n
i=1
Pm
j=1 aijTij = 0 então, para cada 1 · k · n,
0 =
Xn
i=1
Xm
j=1
aijTij(uk) =
Xm
j=1
Xn
i=1
aijTij(uk) =
Xm
j=1
akjTkj(uk) =
Xm
j=1
akjvj
e como v1, . . . , vm são linearmente independentes, segue-se que ak1 = · · · = akm = 0.
Portanto T11, . . . , Tnm são linearmente independentes.

Seja T 2 L(U, V ). Se u 2 U então u = x1u1 + · · · + xnun, para certos números
reais x1, . . . , xn. Como T é linear
T(u) = x1T(u1) + · · · + xnT(un).
Como T(ui) 2 V, podemos escrever, para cada 1 · i · n,
T(ui) = ®1iv1 + · · · + ®mivm.
Porém, como para cada 1 · j · m, 1 · i · n, Tij(u) = xivj , obtemos
T(u) = x1T(u1) + · · · + xnT(un)
= x1(®11v1 + · · · + ®m1vm) + · · · + xn(®1nv1 + · · · + ®mnvm)
= ®11x1v1 + · · · + ®m1x1vm + · · · + ®1nxnv1 + · · · + ®mnxnvm
= ®11T11(u) + · · · + ®m1T1m(u) + · · · + ®1nT1n(u) + · · · + ®mnTnm(u),
ou seja
T = ®11T11 + · · · + ®m1T1m + · · · + ®1nT1n + · · · + ®mnTnm.
Corolário 8.10 Se V é um espaço de dimensão n então o seu dual também tem di-mens
ão n.
Pelo corolário 8.10, se U tem dimensão n então o seu dual, U0, tem a mesma
dimensão. Seguindo os passos da demonstraç ão do teorema 8.9, se u1, . . . , un for-mam
uma base B de U então os funcionais lineares f1, . . . , fn : U ! R dados por
fj(u) = fj(x1u1 +· · ·+xnun) = xj , j = 1, . . . , n, formam uma base de U0. Esta base
é chamada de base dual da base B.
Ex. Resolvido 8.11 Considere a base B de R3 formada por u1 = (1, 1, 1), u2 =
(1, 1, 0) e u3 = (1, 0, 0). Encontre a base dual de B.
Resoluç ão: Dado (x, y, z) 2 R3, temos
(x, y, z) = z(1, 1, 1) + (y − z)(1, 1, 0) + (x − y)(1, 0, 0).
Deste modo, a base dual de B, é dada pelos funcionais lineares f1, f2 e f3 onde
f1(x, y, z) = z, f2(x, y, z) = y − z e f3(x, y, z) = x − y.
¤

Definiç ão 8.12 Sejam U, V e W espaços vetoriais. Se T 2 L(U, V ) e S 2 L(V,W)
definimos a composta S ± T : U ! W por S ± T(u) = S(T(u)), u 2 U.
Exemplo 8.13 Considere T, S 2 L(R2) dadas por T(x, y) = (x + y, 0) e S(x, y) =
(x, 2y). Encontre T ± S e S ± T.
T ± S(x, y) = T(S(x, y)) = T(x, 2y) = (x + 2y, 0).
S ± T(x, y) = S(T(x, y)) = S(x + y, 0) = (x + y, 0).
Note que T ± S6= S ± T.
Definiç ão 8.14 Se T 2 L(U), definimos T1 = T e Tn = T ± Tn−1 para n ¸ 2.
Definiç ão 8.15 T 2 L(U) é chamada de nilpotente se existir algum inteiro positivo n
tal que Tn = 0, a transformaç ão nula.
Obviamente a transformaç ão nula é um exemplo de uma transformaç ão nilpotente.
Exemplo 8.16 Mostre que T : R2 ! R2 dada por T(x, y) = (0, x) é um operador
nilpotente.
Vejamos: T2(x, y) = T(T(x, y)) = T(0, x) = (0, 0). Assim, T2 = 0.
Proposiç ão 8.17 Se T 2 L(U, V ) e S 2 L(V,W) então S ± T 2 L(U,W).
Prova: Dados u, v 2 U e ¸, μ 2 R temos
S ± T(¸u + μv) = S(T(¸u + μv)) = S(¸T(u) + μT(v))
= S(¸T(u)) + S(μT(v)) = ¸S(T(u)) + μS(T(v)) = ¸S ± T(u) + μS ± T(v).
Proposiç ão 8.18 Sejam T 2 L(U, V ), S 2 L(V,W) e R 2 L(W,X), onde U, V,W
e X são espaços vetoriais. Então (R ± S) ± T = R ± (S ± T).

Prova: Para todo u 2 U, temos
(R ± S) ± T(u) = (R ± S)(T(u)) = R(S(T(u)))
e por outro lado
R ± (S ± T)(u) = R((S ± T)(u)) = R(S(T(u))).
Comparando as expressões chegamos ao resultado desejado.
Proposiç ão 8.19 Se S, T 2 L(U, V ), R 2 L(V,W) então R±(S+T) = R±S+R±T.
Prova: Dado u 2 U, temos
R ± (S + T)(u) = R((S + T)(u)) = R(S(u) + T(u)) = R(S(u)) + R(T(u))
= R ± S(u) + R ± T(u) = (R ± S + R ± T)(u).
Proposiç ão 8.20 Se T 2 L(U, V ) e IV 2 L(V ) é a identidade em V, isto é, I(v) = v,
v 2 V, e IU 2 L(U) é a identidade em U, então IV ± T = T e T ± IU = T.
Prova: Dado u 2 U, temos
IV ± T(u) = IV (T(u)) = T(u)
e
T ± IU(u) = T(IU(u)) = T(u).
Definiç ão 8.21 Diremos que T 2 L(U, V ) possui inversa se existir S : V ! U tal que
S ± T(u) = u para todo u 2 U e T ± S(v) = v para todo v 2 V. Em outras palavras,
T ± S = IV e S ± T = IU, onde IU : U ! U é a identidade em U e IV : V ! V é a
identidade em V.
Proposiç ão 8.22 Se T 2 L(U, V ) possui uma inversa então esta inversa é única.

Suponha que T possua inversas R, S 2 L(V,U). Como IV = T ± R e IU = S ± T,
temos
S = S ± IV = S ± (T ± R) = (S ± T) ± R = IU ± R = R.
Denotaremos a inversa de T por T−1.
Definiç ão 8.23 Uma transformaç ão linear T : U ! V é
1. injetora se T(u) = T(v) implicar em u = v;
2. sobrejetora se para todo v 2 V existir u 2 U tal que T(u) = v;
3. bijetora se for injetora e sobrejetora.
Proposiç ão 8.24 Uma transformaç ão linear T : U ! V é injetora se e somente se
T(u) = 0 implicar em u = 0.
Prova: Suponha que T seja injetora. Se T(u) = 0 então T(u) = T(0) e como T é
injetora, segue-se que u = 0.
Reciprocamente suponha que a única soluç ão de T(u) = 0 seja u = 0. Se T(u) =
T(v) então T(u − v) = 0 e, por hipótese, u − v = 0, isto é, u = v.
Proposiç ão 8.25 A fim de que T 2 L(U, V ) possua inversa é necessário e suficiente
que T seja bijetora.
Prova: Suponha que T possua inversa.
Se T(u) = T(v) então u = T−1(T(u)) = T−1(T(v)) = v e, portanto, T é injetora.
Dado v 2 V vemos que T(T−1(v)) = v e, portanto, T também é sobrejetora.
Assim, T é bijetora.
Suponha agora que T seja bijetora. Dado v 2 V existe um único uv 2 U tal que
v = T(uv). Defina S : V ! U por S(v) = uv. Mostremos que S é a inversa de T.
Se v 2 V então T(S(v)) = T(uv) = v.
Se u 2 U então S(T(u)), pela definiç ão de S, é o único elemento u0 em U tal que
T(u0) = T(u). Como T é injetora, temos u0 = u e, assim, S(T(u)) = u.
Proposiç ão 8.26 Se T 2 L(U, V ) possui inversa T−1 : V ! U então T−1 2 L(V,U).

8.3. IMAGEM E N ÚCLEO 79
Prova: Devemos mostrar que T−1 : V ! U é linear.
Sejam v1, v2 2 V e ¸1, ¸2 2 R. Como T é sobrejetora existem u1, u2 2 U tais que
T(u1) = v1 e T(u2) = v2. Assim,
T−1(¸1v1 + ¸2v2) = T−1(¸1T(u1) + ¸2T(u2)) = T−1(T(¸1u1 + ¸2u2))
= ¸1u1 + ¸2u2 = ¸1T−1(v1) + ¸2T−1(v2).
8.3 Imagem e Núcleo
Definiç ão 8.27 Seja T : U ! V uma transformaç ão linear.
1. Se X ½ U, definimos a imagem de X por T como sendo o conjunto T(X) =
{T(x); x 2 X}.
2. Se Y ½ V, definimos a imagem inversa de Y por T como sendo o conjunto
T−1(Y ) = {u 2 U; T(u) 2 Y }.
Ex. Resolvido 8.28 Seja V um espaço de dimensão 1. Mostre que qualquer transforma-c
¸ ão linear não nula T : U ! V é sobrejetora.
Resoluç ão: Como T é não nula existe uo 2 U tal que T(uo)6= 0. Já que V tem
dimensão 1 então qualquer base de V é constitu´ıda por um elemento e como T(uo) 2 V
é não nulo (portanto, l.i.), ele próprio forma uma base de V. Assim, dado v 2 V existe
® 2 R tal que v = ®T(uo) = T(®uo), ou seja, T é sobrejetora. ¤
Proposiç ão 8.29 Seja T : U ! V uma transformaç ão linear. Temos
1. Se W é um subespaço vetorial de U então T(W) é um subespaço vetorial de V.
2. Se W é um subespaço vetorial de V então T−1(W) é um subespaço vetorial de
U.
Prova: 1. Seja W um subespaço vetorial de U.
Como 0 2 W vemos que 0 = T(0) 2 T(W).
Se x, y 2 T(W) então existem u,w 2 W tais que x = T(u) e y = T(w). Como W
é um subespaço vetorial, temos que, para qualquer ¸ 2 R, u + ¸w 2 W. Desse modo
x + ¸y = T(u) + ¸T(w) = T(u) + T(¸w) = T(u + ¸w) 2 T(W).

2. Seja W um subespaço vetorial de V.
Como T(0) = 0 2 W, segue-se que 0 2 T−1(W).
Se x, y 2 T−1(W) então T(x), T(y) 2 W. ComoW é um subespaço vetorial temos
que, para qualquer ¸ 2 R, T(x) + ¸T(y) 2 W. Mas T(x + ¸y) = T(x) + ¸T(y) 2 W
e, portanto, x + ¸y 2 T−1(W).
Definiç ão 8.30 O núcleo de uma transformaç ão linear T : U ! V é o subespaço veto-rial
de U dado por T−1({0}), ou seja, é o conjunto {u 2 U; T(u) = 0}. Denotaremos
o núcleo de T por N (T).
Proposiç ão 8.31 Seja T : U ! V uma transformaç ão linear. T é injetora se e somente
se N (T) = {0}.
Prova: Pela proposiç ão 8.24 T é injetora se e somente se a equaç ão T(u) = 0 possui
como única soluç ão u = 0. Isto é o mesmo que dizer que o conjunto N (T) é formado
somente pelo elemento 0.
Ex. Resolvido 8.32 Seja T 2 L(U). Mostre que T2 = 0 se e somente se T(U) ½ N (T).
Resoluç ão: Suponha que T2 = 0. Se v 2 T(U) então existe u 2 U tal que v = T(u) e,
portanto, T(v) = T2(u) = 0. Logo, v 2 N (T).
Suponha agora que T(U) ½ N (T). Dado u 2 U, como T(u) 2 T(U) ½ N (T),
temos T2(u) = T(T(u)) = 0. ¤
Ex. Resolvido 8.33 Seja µ 2 R. Encontre o núcleo da transformaç ão linear T : R2 ! R2 dada por
T(x, y) = (x cos µ − y sen µ, x sen µ + y cos µ).
Resoluç ão: Por definiç ão, (x, y) 2 N (T) se e somente se T(x, y) = (0, 0), isto é, se e
somente se
(x cos µ − y sen µ, x sen µ + y cos µ) = (0, 0)
()
(
x cos µ − y sen µ = 0
x sen µ + y cos µ = 0 () (x, y) = (0, 0).
Portanto, N (T) = {(0, 0)}.

Teorema 8.34 (Teorema do Núcleo e da Imagem) Sejam U e V espaços vetoriais de
dimensão finita e T : U ! V uma transformaç ão linear. Temos
dimU = dimN (T) + dimT(U).
Prova: Seja B1 uma base de N (T) formada pelos vetores u1, . . . , up. Pelo teorema do
completamento, existem vetores v1, . . . , vq 2 U tais que u1, . . . , up, v1, . . . , vq formam
uma base de U. Note que com esta notaç ão temos dimU = p + q e dimN (T) =
p. Resta mostrar que dimT(U) = q e, para isto, mostraremos que T(v1), . . . , T(vq)
formam uma base de T(U).
Se ®1T(v1) + · · · + ®qT(vq) = 0 então T(®1v1 + · · · + ®qvq) = 0, isto é, ®1v1 +
· · ·+®qvq 2 N (T). Desta forma, existem ¯1, . . . , ¯p 2 R tais que ®1v1+· · ·+®qvq =
¯1u1 + · · · + ¯pup, isto é,
¯1u1 + · · · + ¯pup − ®1v1 − · · · − ®qvq = 0.
Como u1, . . . , up, v1, . . . , vq formam uma base de U, segue-se que ®1 = · · · = ®q =
¯1 = · · · = ¯p = 0 e, portanto, T(v1), . . . , T(vq) são linearmente independentes.
Mostremos que T(v1), . . . , T(vq) geram T(U). Seja v 2 T(U). Logo, existe u 2
U tal que T(u) = v. Como u1, . . . , up, v1, . . . , vq formam uma base de U, existem
®1, . . . , ®q, ¯1, . . . , ¯p 2 R tais que
u = ®1u1 + · · · + ®pup + ¯1v1 + · · · + ¯qvq
e da´ı,
v = T(u) = T(®1u1 + · · · + ®pup + ¯1v1 + · · · + ¯qvq)
= ®1T(u1)+· · ·+®pT(up)+¯1T(v1)+· · ·+¯qT(vq) = ¯1T(v1)+· · ·+¯qT(vq),
já que u1, . . . , up 2 N (T).
Corolário 8.35 Se U e V são espaços vetoriais de dimensão finita tais que dimU =
dimV e se T : U ! V é uma transformaç ão linear então as seguintes condiç ões são
equivalentes:
1. T é sobrejetora;
2. T é injetora;
3. T é bijetora;

4. T leva bases de U em bases de V.
Prova: (1) =) (2): Se T é sobrejetora então T(U) = V e pelo teorema anterior,
dimU = dimN (T) + dimV. Mas como dimU = dimV segue que dimN (T) =
0, isto é, N (T) = {0}. Pela proposiç ão 8.31, T é injetora.
(2) =) (3): Se T é injetora então dimN (T) = 0. Pelo teorema anterior segue-se
que dimU = dimT(U). Como dimU = dimV segue-se que T(U) é um subespaço
de V com a mesma dimensão de V. Logo, T(U) = V, isto é, T é sobrejetora. Dessa
forma, T é bijetora.
(3) =) (4): Suponha que T seja bijetora. Considere uma base de U formada por
vetores u1, . . . , un. Precisamos mostrar que T(u1), . . . , T(un) formam uma base de V.
Se ®1T(u1)+· · ·+®nT(un) = 0 então T(®1u1 +· · ·+®nun) = 0, isto é, ®1u1 +
· · · + ®nun 2 N (T). Como T é injetora temos N (T) = {0} e, conseqüentemente,
®1u1 + · · · + ®nun = 0. Como u1, . . . , un formam uma base de U temos ®1 = · · · =
®n = 0 e, portanto, T(u1), . . . , T(un) são linearmente independentes.
Seja v 2 V. Como T é sobrejetora, existe u 2 U tal que v = T(u). Escrevendo u
como ®1u1 + · · · + ®nun vemos que
v = T(®1u1 + · · · + ®nun) = ®1T(u1) + · · · + ®nT(un),
isto é, T(u1), . . . , T(un) geram V. Observe que já hav´ıamos provado isto na proposiç ão
8.4
(4) =) (1): Seja u1, . . . , un uma base de U. Por hipótese, T(u1), . . . , T(un) for-mam
uma base de V. Assim, dado v 2 V existem ®1, . . . , ®n 2 R tais que v =
®1T(u1) + · · · + ®nT(un). Deste modo, v = T(®1u1 + · · · + ®nun), isto é, T é
sobrejetora.
Ex. Resolvido 8.36 Mostre que toda transformaç ão linear bijetora T : R2 ! R2 leva
retas em retas, isto é, a imagem de uma reta por T é uma reta.
Resoluç ão: Dada uma reta r no plano usaremos a equaç ão vetorial para representar seus
pontos, isto é, um ponto P 2 r é da forma Po + ¸~v, onde Po é um ponto sobre a reta,
~v é um vetor direç ão da reta e ¸ 2 R. A imagem de r por T é T(r) = {T(P); P 2 r}.
Assim, todo ponto em T(r) é da forma T(P) = T(Po) + ¸T(~v), ¸ 2 R. Como T é
injetora e ~v6= ~0 temos que T(~v)6= ~0, ou seja, T(r) é uma reta que passa por T(Po) e
tem direç ão T(~v). ¤
Ex. Resolvido 8.37 Sejam a1, . . . , an 2 R não todos nulos. Mostre que o subespaço
H = {(x1, . . . , xn) 2 Rn; a1x1 + · · · + anxn = 0} tem dimensão n − 1.

Resoluç ão: Note que H é o núcleo da transformaç ão linear T : Rn ! R dada por
T(x1, . . . , xn) = a1x1 + · · · + anxn. Como nem todos os aj são nulos, segue-se que T
é não nula e pelo exerc´ıcio 8.28, T é sobrejetora. Deste modo, pelo teorema 8.34, temos
n = dimRn = dimH + dimT(Rn) = dimH + 1,
ou seja, dimH = n − 1. ¤
Ex. Resolvido 8.38 Sejam
A =
µ
1 2
0 1
¶
e T : M2(R) ! M2(R) dada por T(X) = AX − XA. Encontre o núcleo e a imagem
de T.
Resoluç ão: Núcleo: X 2 N (T) se e somente se AX = XA. Se denotarmos
X =
µ
a b
c d
¶
,
vemos que X 2 N (T) se e somente se
µ
1 2
0 1
¶µ
a b
c d
¶
=
µ
a b
c d
¶µ
¶
,
1 2
0 1
isto é, µ
a + 2c b + 2d
c d
¶
=
µ
a 2a + b
c 2c + d
¶
que equivale a 8>>>><
a + 2c = a
b + 2d = 2a + b
c = c
d = 2c + d
>>>>:
() c = 0 e a = d.
Portanto,
X =
µ
a b
0 a
¶
= a
µ
1 0
0 1
¶
+ b
µ
0 1
0 0
¶
.

Dessa forma, o núcleo de T é o subespaço vetorial gerado pela base (note que as matrizes
são l.i.) formada pelas matrizes
µ
1 0
0 1
¶
e
µ
0 1
0 0
¶
.
Imagem de T: Temos que
Y =
µ
x y
z t
¶
2 T(M2(R))
se e somente se existir
X =
µ
a b
c d
¶
tal que Y = AX − XA, isto é,
µ
x y
z t
¶
=
µ
1 2
0 1
¶µ
a b
c d
¶
−
µ
a b
c d
¶µ
1 2
0 1
¶
=
µ
a + 2c b + 2d
c d
¶
−
µ
a 2a + b
c 2c + d
¶
=
µ
2c 2d − 2a
0 −2c
¶
= 2c
µ
1 0
0 −1
¶
+ 2(d − a)
µ
0 1
0 0
¶
,
ou seja, a imagem de T é gerada pela base (note que as matrizes são l.i.) formada pelas
matrizes µ
1 0
0 −1
¶
e
¶
.
µ
0 1
0 0
Uma outra maneira para encontrar uma base para a imagem de T é fazer uso da
prova do teorema 8.34. Isto é, sabemos que
µ
1 0
0 1
¶
e
µ
0 1
0 0
¶
formam uma base do núcleo de T e, como no referido teorema, a completamos até uma
base de M2(R) como, por exemplo,
µ
1 0
0 1
¶
,
µ
0 1
0 0
¶
,
µ
0 0
1 0
¶
e
µ
0 0
0 1
¶

8.4. ISOMORFISMO E AUTOMORFISMO 85
e, pelo mesmo teorema,
T
µµ
¶¶
0 0
1 0
=
µ
2 0
0 −2
¶
e T
µµ
¶¶
0 0
0 1
=
µ
0 1
0 0
¶
formam uma base para a imagem de T. ¤
Definiç ão 8.39 Dizemos que T 2 L(U) é idempotente se T2 = T.
Exemplo 8.40 I : U ! U, a identidade de U é idempotente.
Exemplo 8.41 T : R2 ! R2 dada por T(x, y) = (x, 0) é idempotente.
Note que
T2(x, y) = T(x, 0) = (x, 0) = T(x, y).
Proposiç ão 8.42 Mostre que se T 2 L(U) é idempotente então
U = T(U) ©N (T).
Prova: Dado u 2 U podemos escrever
u = T(u) + (u − T(u)).
Claramente, T(u) 2 T(U) e T(u−T(u)) = T(u)−T2(u) = T(u)−T(u) = 0. Logo,
U = T(U) +N (T) e resta mostrarmos que a soma é direta.
Se u 2 T(U) N (T) então existe v 2 U tal que u = T(v) e T(u) = 0. Porém,
como T = T2, temos
u = T(v) = T2(v) = T(T(v)) = T(u) = 0,
ou seja, T(U) N (T) = {0}.
8.4 Isomorfismo e Automorfismo
Definiç ão 8.43 Dizemos que uma transformaç ão linear T : U ! V é isomorfismo
quando ela for bijetora. No caso em que U = V diremos que T é um automorfismo.
Definiç ão 8.44 Dizemos que os espaços vetoriais U e V são isomorfos se existir um
isomorfismo T : U ! V.

As seguintes transformaç ões são exemplos de isomorfismos e, portanto, os respecti-vos
espaços vetoriais são isomorfos.
1. T : U ! U dada por T(u) = u.
2. T : Rn ! Pn−1(R) dada por T(x1, . . . , xn) = x1 + x2t + · · · + xntn−1.
3. T : Mm×n(R) ! Rmn que associa a cada matriz A = (aij) de Mm×n(R) o
seguinte elemento de Rn
(a11, . . . , a1n, . . . , am1, . . . , amn).
Ex. Resolvido 8.45 Verifique se T(x, y, z) = (x − y, x − z, z − y) é um automorfismo
de R3.
Resoluç ão: Se T(x, y, z) = (0, 0, 0) então
8><
>:
x − y = 0
x − z = 0
z − y = 0
() x = y = z.
Logo, T é não é injetora, pois T(1, 1, 1) = (0, 0, 0). Assim, T não é um isomorfismo. ¤
Proposiç ão 8.46 Se T : U ! V é um isomorfismo e U tem dimensão finita então
dimU = dimV.
Prova: Como T é injetora, N (T) = {0} e, portanto, dimN (T) = 0. Como T é
sobrejetora, T(U) = V. Segue do teorema do núcleo e da imagem 8.34, que
dimU = dimN (T) + dimT(U) = dimV.
A rec´ıproca da proposiç ão acima é válida e é dada pela proposiç ão a seguir.
Proposiç ão 8.47 Sejam U e V espaços de dimensão n. Se u1, . . . , un e v1, . . . , vn
formam bases de U e V, respectivamente, então
T(x1u1 + · · · + xnun) = x1v1 + · · · + xnvn, x1, . . . , xn 2 R,
define um isomorfismo entre U e V. Note que T(uj) = vj , j = q, . . . , n.

8.5. MATRIZ DE UMA TRANSFORMAÇ ÃO LINEAR 87
Prova: Primeiramente, note que T, de fato, define uma funç ão pois as coordenadas de
um vetor com relaç ão a uma base são unicamente determinadas por ele e pela base.
Verifiquemos que T é linear.
Se w1,w2 2 U então podemos escrever w1 =
Pn
i=1 xiui e w2 =
Pn
i=1 yiui, onde
xi, yi 2 R, i = 1, . . . , n. Se ¸1, ¸2 2 R, temos
T(¸1w1 + ¸2w2) = T
Ã
Xn
i=1
(¸1xi + ¸2yi)ui
!
=
Xn
i=1
(¸1xi + ¸2yi)vi
= ¸1
Xn
i=1
xivi + ¸2
Xn
i=1
yivi = ¸1T(w1) + ¸2T(w2).
Seja w =
Pn
i=1 xiui tal que T(w) = 0. Mas T(w) = x1v1 + · · · + xnvn = 0 e,
portanto, x1 = · · · = xn = 0, ou seja, w = 0. Portanto, T é injetora e pelo corolário
8.35, segue-se que T é um isomorfismo.
Corolário 8.48 Se dois espaços têm a mesma dimensão finita então eles são isomorfos.
Prova: Basta tomar o isomorfismo do teorema anterior.
Combinando o corolário acima com a proposiç ão 8.46 vemos que dois espaços de
dimensão finita são isomorfos se e somente se eles possuem a mesma dimensão.
Corolário 8.49 Se U é um espaço vetorial de dimensão n e V é um espaço vetorial de
dimensão m então L(U, V ) é isomorfo a Mm×n(R).
Prova: Note que tanto L(U, V ) como Mm×n(R) têm a mesma dimensão: mn.
8.5 Matriz de uma Transformaç ão Linear
8.5.1 Definiç ão e Exemplos
Sejam U e V espaços vetoriais de dimensão finita. Fixemos uma base B de U formada
por vetores u1, . . . , un e uma base V formada por vetores v1, . . . , vm. Se T 2 L(U, V )
podemos escrever
T(uj) = a1jv1 + · · · + amjvm, = 1, . . . , n.

A matriz 0
BBB@
a11 a12 . . . a1n
a21 a22 . . . a1n
...
...
. . .
...
am1 am2 . . . amn
1
CCCA
2 Mm×n(R)
é chamada de matriz da transformaç ão T com relaç ão às bases B e C e é denotada por
[T]B,C. No caso em que U = V e B = C usaremos a notaç ão [T]B.
Ex. Resolvido 8.50 Encontre a matriz de T : R3 ! R2 dada por T(x, y, z) = (x +
y, x − z) com relaç ão às bases canônicas de R3 (B : (1, 0, 0), (0, 1, 0), (0, 0, 1)) e R2
(C : (1, 0), (0, 1)).
Resoluç ão: Temos
T(1, 0, 0) = (1, 1) = 1(1, 0) + 1(0, 1),
T(0, 1, 0) = (1, 0) = 1(1, 0) + 0(0, 1) e
T(0, 0, 1) = (0,−1) = 0(1, 0) − 1(0, 1).
Assim,
[T]B,C =
µ
1 1 0
1 0 −1
¶
.
¤
Ex. Resolvido 8.51 Encontre a matriz de T : R3 ! R2 dada por T(x, y, z) = (x +
y, x − z) com relaç ão às bases canônicas de R3 (B : (1, 0, 0), (0, 1, 0), (0, 0, 1)) e R2
(C0 : (1, 1), (0, 1)).
T(1, 0, 0) = (1, 1) = 1(1, 1) + 0(0, 1),
T(0, 1, 0) = (1, 0) = 1(1, 1) − 1(0, 1) e
T(0, 0, 1) = (0,−1) = 0(1, 1) − 1(0, 1).
Assim,
[T]B,C0 =
µ
1 1 0
0 −1 −1
¶
.
¤

8.5.2 Propriedades
Proposiç ão 8.52 Sejam U e V espaços vetorial de dimensão finita com bases B e C,
respectivamente. Se T, S 2 L(U, V ) e ¸, μ 2 R então
[¸T + μS]B,C = ¸[T]B,C + μ[S]B,C.
Prova: Colocando B : u1, . . . , un, C : v1, . . . , vm, [T]B,C = (®ij) e [S]B,C = (¯ij)
temos
(¸T + μS)(uj) = ¸T(uj) + μS(uj)
= ¸(®1jv1 + · · · + ®mjvm) + μ(¯1jv1 + · · · + ¯mjvm)
= (¸®1j + μ¯1j)v1 + · · · + (¸®mj + μ¯mj)vm
e, desse modo,
[¸T + μS]B,C =
0
B@
¸®11 + μ¯11 · · · ¸®1n + μ¯1n
...
. . .
...
¸®m1 + μ¯m1 · · · ¸®mn + μ¯mn
1
CA
= ¸[T]B,C + μ[S]B,C.
Corolario ´8.53 Sejam U e V espaços vetorial de dimensao ˜finita com bases B e C,
respectivamente. Se T 2 L(U, V ) e á transformaç ao ñula entao ˜[T]B,C = 0.
Proposiç ao ˜8.54 Se B e C sao ˜bases de um espaço vetorial V de dimensao ˜finita e
I 2 L(V, V ) e á identidade de V entao ˜[I]B,C = MB
.
C Prova: Sejam B : u1, . . . , un, C : v1, . . . , vn e [I]B,C = (®ij). Como
uj = I(uj) = ®1jv1 + · · · + ®njvn
vê-se que [I]B,C = MB
C .
Proposiç ão 8.55 Sejam U, V e W espaços vetoriais de dimensão finita. Sejam T 2 L(U, V ) e S 2 L(V,W). Se B,C e D são bases de U, V e W, respectivamente, então
[S ± T]B,D = [S]C,D[T]B,C.

Prova: Coloquemos B : u1, . . . , un, C : v1, . . . , vm e D : w1, . . . ,wp. Se [T]B,C =
(®ij) e [S]C,D = (¯kl) então
S ± T(uj) = S(T(uj)) = S
Ã
Xm
i=1
®ijvi
!
=
Xm
i=1
®ijS(vi)
=
Xm
i=1
®ij
Ã Xp
k=1
¯kiwk
!
=
Xp
k=1
Ã
Xm
i=1
¯ki®ij
!
wk.
Portanto,
[S ± T]B,D =
Ã
Xm
i=1
¯ki®ij
!
= [S]C,D[T]B,C.
Proposiç ao ˜8.56 Sejam U e V espaços vetorial de dimensao ˜finita com bases B e C,
respectivamente. Se T 2 L(U, V ) possui inversa T−1 entao ˜[T−1]C,B = [T]−1
.
B,CProva: Seja n = dimU = dimV. Temos
[T]B,C[T−1]C,B = [T ± T−1]C,C = [I]C,C = In
onde In é a matriz identidade de ordem n. Analogamente,
[T−1]C,B[T]B,C = [T−1 ± T]B,B = [I]B,B = In.
Portanto, [T−1]C,B = [T]−1
B,C.
respectivamente. Se T 2 L(U, V ) e u 2 U então, representando por T(u)C e uB as
coordenadas dos vetores T(u) e u, respectivamente, temos
T(u)C = [T]B,CuB.
Prova: Coloque B : u1, . . . , un, C : v1, . . . , vm, [T]B,C = (®ij) e
uB =
0
B@
a1
...
an
1
CA
.

Temos
T(u) = T(a1u1 + · · · + anun) = a1T(u1) + · · · + anT(un)
= a1(®11v1 + · · · + ®m1vm) + · · · + an(®1nv1 + · · · + ®mnvm)
= (a1®11 + · · · + an®1n)v1 + · · · + (a1®m1 + · · · + an®mn)vm,
ou seja,
T(u)C =
0
B@
a1®11 + · · · + an®1n
...
a1®m1 + · · · + an®mn
1
CA
=
0
B@
®11 · · · ®1n
...
. . .
...
®m1 · · · ®mn
1
CA
0
B@
a1
...
an
1
CA
,
isto é, T(u)C = [T]B,CuB.
respectivamente. Então T 2 L(U, V ) é um isomorfismo se e somente se [T]B,C possui
inversa.
Prova: Se T é um isomorfismo então pela proposiç ão 8.56 [T]B,C possui inversa dada
por [T−1]C,B.
Reciprocamente, suponha que [T]B,C possua inversa. Pelo corolário 8.35, basta
mostrar que T é injetora. Se T(u) = 0 então
uB = [T]−1
B,CT(u)C = [T]−1
B,C0 = 0.
Como todas as coordenadas de u são iguais a zero, obtemos u = 0 e, portanto, T é
injetora.
Ex. Resolvido 8.59 Verifique se T : R2 ! P1(R) dada por T(a, b) = a + (a + b)x é
um isomorfismo.
Resoluç ão: Consideremos as bases canônicas de R2 eP1(R). Como T(1, 0) = 1+x e
T(0, 1) = x, a matriz de T com relaç ão a estas bases é dada por
µ
1 0
1 1
¶
.
Como a matriz acima possui inversa, segue-se que T é um isomorfismo. ¤

Proposiç ão 8.60 Seja V um espaço de dimensão finita. Se T 2 L(V, V ) e B e C são
bases de V então
[T]C,C = MB
C [T]B,BMC
B .
Prova: Como [I]B,C = MB
C e [I]C,B = MC
B , temos
MB
C [T]B,BMC
B = [I]B,C[T]B,B[I]C,B = [I]B,C[T]C,B = [T]C,C.
Ex. Resolvido 8.61 Considere, B, a base de R2 formada pelos vetores (1, 1) e (1,−1).
Seja T 2 L(R2) tal que
TB,B =
¶
.
µ
1 0
0 5
Encontre [T]C,C, onde C é a base canônica de R2.
Resoluç ão: Como
(1, 0) =
1
2
(1, 1) +
1
2
(1,−1) e (0, 1) =
1
2
(1, 1) −
1
2
(1,−1),
obtemos
MC
B =
µ1
2
1
2
1
2 −1
2
¶
e MB
C =
¡
MC
B
¢
−1
=
µ
1 1
1 −1
¶
.
Assim,
[T]C,C = MB
C [T]B,BMC
B =
µ
1 1
1 −1
¶µ
¶µ1
1 0
0 5
2
1
2
1
2 −1
2
¶
=
µ
3 −2
−2 3
¶
.
Note que
T(x, y) = T(x(1, 0) + y(0, 1)) = xT((1, 0)) + yT((0, 1))
= x(3(1, 0) − 2(0, 1)) + y(−2(1, 0) + 3(0, 1)) =
= x(3,−2) + y(−2, 3) = (3x − 2y, 3y − 2x).
¤

8.6. EXERCÍCIOS RESOLVIDOS 93
8.6 Exerc´ıcios Resolvidos
Ex. Resolvido 8.62 Encontre uma base para o núcleo e outra para a imagem de T :
P2(R) ! P2(R) dada por T(p) = p0 + p00.
Resoluç ão: Note que p(x) = a0 +a1x+a2x2 2 N (T) se e somente se (a1 +2a2x)+
2a2 = 0, isto é, se e somente se a1 = a2 = 0. Desta forma, p(x) 2 N (T) se e somente
se p(x) = a0. Desta forma o polinômio 1 é uma base de mathcalN(T).
Como 1, x, x2 é uma base de P2(R) que completa a base de N (T), vemos que
pela demonstraç ão do teorema 8.34, T(x) = 1 e T(x2) = 2x + 2 formam uma base da
imagem de T. ¤
Ex. Resolvido 8.63 Encontre uma base para o núcleo e outra para a imagem de T :
M2(R) ! M2(R) dada por T(X) = AX + X, onde
A =
µ
1 4
2 3
¶
.
Resoluç ão: Observe que se T(X) = (A + I)X, onde I é a matriz identidade de ordem
dois.
Se
X =
µ
a b
c d
¶
vemos que X 2 N (T) se e somente se
µ
2 4
2 4
¶µ
¶
a b
c d
=
µ
0 0
0 0
¶
()
µ
1 2
0 0
¶µ
a b
c d
¶
=
µ
0 0
0 0
¶
()
(
a + 2c = 0
b + 2d = 0 () X =
µ
−2c −2d
c d
¶
= c
µ
−2 0
¶
+ d
1 0
µ
0 −2
0 1
¶
.
Vê-se claramente que
M1 =
µ
−2 0
¶
1 0
e M2 =
µ
0 −2
0 1
¶
formam uma base de N (T).

A seguir, procuraremos matrizes M3 e M4 tais que M1, . . . ,M4 formem uma base
de M2(R). Isto é, equivalente a encontrar M2 e M3 tais que a única soluç ão de
®M1 + ¯M2 + °M3 + ±M4 = 0
seja a trivial.
Colocando
M3 =
µ
a b
c d
¶
e M4 =
µ
x y
z t
¶
obtemos
®
µ
−2 0
¶
+ ¯
1 0
µ
0 −2
0 1
¶
+ °
µ
a b
c d
¶
+ ±
µ
x y
z t
¶
=
µ
0 0
0 0
¶
,
que equivale à equaç ão
0
BB@
1
−2 0 a x
1 0 c z
0 −2 b y
0 1 d t
CCA
0
®
¯
°
±
BB@
1
CCA
=
0
0
0
0
0
BB@
1
CCA
que apresenta uma única soluç ão se e somente se o determinante da matriz de ordem
quatro acima for diferente de zero. Como este determinante é
¢ = −2(2c + a)(2t + y) + (2z + x)(2d + b),
vemos que ¢6= 0 se e somente se
(2z + x)(2d + b)6= 2(2c + a)(2t + y).
Dessa forma podemos tomar
M3 =
µ
a b
c d
¶
=
µ
1 −2
0 1
¶
e M4 =
µ
x y
z t
¶
=
µ
¶
.
1 1
−2 0
Segue da demonstraç ão do teorema 8.34 que
T
µµ
1 −2
0 1
¶¶
=
µ
2 0
2 0
¶
e T
µµ
¶¶
1 1
−2 0
=
µ
−6 2
−6 2
¶
formam uma base da imagem de T. ¤

8.6. EXERCÍCIOS RESOLVIDOS 95
Ex. Resolvido 8.64 Determinar uma transformaç ão linear T : R3 ! R3 cuja imagem
seja gerada pelos vetores (1, 2, 0) e (1, 1, 1).
Resoluç ão: Como (1, 2, 0) e (1, 1, 1) são linearmente independentes, o subespaço ge-rado
por estes vetores tem dimensão dois. Logo, a transformaç ão procurada deverá ter
necessariamente núcleo unidimensional. O que faremos é definir uma transformaç ão tal
que T(1, 0, 0) = (1, 2, 0), T(0, 1, 0) = (1, 1, 1) e T(0, 0, 1) = (0, 0, 0), ou seja,
T(x, y, z) = x(1, 2, 0) + y(1, 1, 1) = (x + y, 2x + y, y)
assim definida, é linear e satisfaz a propriedade desejada. ¤
Ex. Resolvido 8.65 Determinar um T 2 L(P3(R),P2(R)) cujo núcleo seja gerado
pelos polinômios 1 + x3 e 1 − x2.
Resoluç ão: Como dimP3 = 4 e o subespaço gerado por 1+x3 e 1−x2 tem dimensão
dois, vemos que a imagem da transformaç ão procurada deverá ter necessariamente di-mens
ão dois.
O primeiro passo é completar a seqüência de vetores 1 + x3 e 1 − x2 a uma base de
P3(R). Para isto, basta acrescentarmos os polinômios 1 e x, como se vê:
®1 + ¯x + °(1 + x3) + ±(1 − x2) = ® + ° + ± + ¯x − ±x2 + °x3 = 0
se e somente se ® = ¯ = ° = ± = 0.
Assim, a imagem dos polinômios 1 e x, pela transformaç ão procurada precisam
necessariamente ser linearmente independentes. Para isto, o que faremos é definir T :
P3 ! P2 tal que T(1) = 1, T(x) = x, T(1 + x3) = 0 e T(1 − x2) = 0.
Dado p(x) = a0 +a1x+a2x2 +a3x3, reescrevemos p(x) = a0 +a2 −a3 +a1x+
a3(1 + x3) − a2(1 − x2) e colocamos
T(p(x)) = T(a0 + a2 − a3 + a1x + a3(1 + x3) − a2(1 − x2))
= (a0 + a2 − a3)1 + a1x = a0 + a2 − a3 + a1x,
que e úma transformaç ao ˜linear cujo nucleo é ´gerado por 1 + x3 e 1 − x2. ¤
R Ex. Resolvido 8.66 Seja T : P2(R) ! R dado por T(p(x)) =
1
p(x)dx. Encontre a
0 matriz de T com relaç ão às bases canônicas deP2(R) e R.

T(1) = 1, T(x) =
1
2
, T(x2) =
1
3
.
Assim, a matriz de T com relaç ão às bases canônicas é dada por
0
@
1
1
21
3
1
A.
¤
Ex. Resolvido 8.67 Seja T : P3(R) ! P3(R) dado por T(p(x)) = p0(x). Encontre
a matriz de T com relaç ão às bases canônicas deP3(R) eP2(R).
T(1) = 0 = 0 + 0x + 0x2, T(x) = 1 = 1 + 0x + 0x2,
T(x2) = 2x = 0 + 2x + 0x2, T(x3) = 3x2 = 0 + 0x + 3x2
e a matriz de T com relaç ão às bases canônicas é dada por
0
@
1
A.
0 1 0 0
0 0 2 0
0 0 0 3
¤
Ex. Resolvido 8.68 Seja T : R3 ! R3 a transformaç ão linear dada por
T(x, y, z) = (x + z, y + z, x + y + 2z).
Encontre as matrizes de T com relaç ão à base canônica, C, e com relaç ão à base B
formada pelos vetores
u = (1, 1, 2), v = (−1, 1, 0),w = (−1,−1, 1).
Resoluç ão: Com relaç ão à base canônica e1 = (1, 0, 0), e2 = (0, 1, 0) e e3 = (0, 0, 1),
temos
T(e1) = T(1, 0, 0) = (1, 0, 1) = e1 + 0e2 + e3
T(e2) = T(0, 1, 0) = (0, 1, 1) = 0e1 + e2 + e3
T(e3) = T(0, 0, 1) = (1, 1, 2) = e1 + e2 + 2e3

e, portanto,
[T]C =
0
@
1
A.
1 0 1
0 1 1
1 1 2
Com relaç ão à base B, temos
T(u) = T(1, 1, 2) = (3, 3, 6) = 3u = 3u + 0v + 0w
T(v) = T(−1, 1, 0) = (−1, 1, 0) = v = 0u + v + 0w
T(w) = T(−1,−1, 1) = (0, 0, 0) = 0u + 0v + 0w
e, portanto,
[T]B =
0
@
1
A.
3 0 0
0 1 0
0 0 0
¤
Ex. Resolvido 8.69 Sejam U um espaço vetorial de dimensão finita e T 2 L(U)
uma transformaç ão idempotente (Cf. 8.39). Sabemos, pela proposiç ão 8.42, que U =
N (T) © T(U). Seja B uma base de U formada pelos vetores u1, . . . , up, que formam
uma base de N (T), juntamente com v1, . . . , vq, que formam uma base de T(U). En-contre
[T]B.
Resoluç ão: Como T(u1) = · · · = T(up) = 0, pois uj 2 N (T) e T(vj) = ®1jv1 +
· · · + ®qjvq, já que T(vj) 2 T(U), vemos que [T]B tem a seguinte forma
0
0 · · · 0 0 · · · 0
BBBBBBBB@
...
. . .
...
...
. . .
...
0 · · · 0 0 · · · 0
0 · · · 0 ®11 · · · ®1q
...
. . .
...
...
. . .
...
0 · · · 0 ®q1 · · · ®qq
1
CCCCCCCCA
8.7 Exerc´ıcios
Ex. 8.70 Verifique se as transformaç ões abaixo são lineares;
1. T : R3 ! R, T(x, y, z) = x + 5y − z, (x, y, z) 2 R3.

2. T : R3 ! R, T(x, y, z) = x + 5y − z + 1, (x, y, z) 2 R3.
3. T : R3 ! R, T(x, y, z) = x2 + 5y − z, (x, y, z) 2 R3.
4. T : Mn×1(R) ! Mn×1(R), T(X) = AX + X, X 2 Mn×1(R) onde A 2
Mn(R) é fixa .
5. T : Pn(R) ! Pn(R), T(p) = p0 + p00, p 2 Pn(R).
6. T : M2(R) ! M2(R), T(X) = AX, X 2 M2(R), onde A 2 M2(R) está
fixada.
7. T : P2(R) ! P2(R), T(p) = p + q, p 2 P2(R) e q(t) = t2 + 1, t 2 R.
Ex. 8.71 Determinar o núcleo das transformaç ões lineares abaixo e descreva-os geo-metricamente.
1. T : R2 ! R, T(x, y) = y + 2x, (x, y) 2 R2.
2. T : R3 ! R, T(x, y, z) = z − 2x, (x, y, z) 2 R3.
3. T : R2 ! R2, T(x, y) = (2x + 2y, x + y), (x, y) 2 R2.
4. T : R2 ! R2, T(x, y) = (x + y, x − y), (x, y) 2 R2.
5. T : R3 ! R3, T(x, y, z) = (z − x, z − 2x, z − 3x), (x, y, z) 2 R3.
Ex. 8.72 Determinar bases para o núcleo e para a imagem das transformaç ões lineares
abaixo.
1. T : R3 ! R3, T(x, y, z) = (x + y, 2x + y, 3x + y), (x, y, z) 2 R3.
2. T : R2 ! R, T(x, y) = y + 2x, (x, y) 2 R2.
µ
3. T : M2(R) ! M2(R), T(X) = AX, X 2 M2(R), onde A =
1 2
2 4
¶
.
4. T : P2(R) ! P2(R), T(p) = p0, p 2 P2(R).
5. T : vP2(R) ! P2(R), T(p) = p0 + p00, p 2 P2(R).
6. T : M2(R) ! M2(R), T(X) = AX + X, X 2 M2(R), onde A =
µ
1 4
2 3
¶
.

Ex. 8.73 Seja T : R3 ! R3 um operador linear tal que
T((1, 0, 0)) = (2, 3, 1), T((1, 1, 0)) = (5, 2, 7), e T((1, 1, 1)) = (−2, 0, 7).
1. Encontre T((x, y, z)) para (x, y, z) 2 R3.
2. T é sobrejetora? Justifique sua resposta.
3. T é injetora? Justifique sua resposta.
4. T é bijetora? Justifique sua resposta.
Ex. 8.74 Seja T : P2(R) ! P2(R) um operador linear tal que
(T(p0))(t) = 1 + t, (T(p1))(t) = t + t2 e (T(p2))(t) = 1 + t − 2t2,
onde pi(t) = ti, i = 0, 1, 2.
1. Encontre T(p) para p 2 P2(R).
4. T é bijetora? justifique sua resposta.
Ex. 8.75 Seja T : M2(R) ! M2(R) um operador linear tal que
µ
T(
1 0
0 0
¶
) =
µ
1 4
2 3
¶
, T(
µ
1 1
0 0
¶
) =
µ
−1 0
0 3
¶
,
µ
T(
0 0
1 0
¶
) =
µ
0 0
2 1
¶
, T(
µ
0 0
0 1
¶
) =
µ
1 0
2 0
¶
1. Encontre T(X) para X 2 M2(R).
4. T é bijetora? Justifique sua resposta.

Ex. 8.76 Determinar um operador linear em R4 cujo núcleo é gerado pelos vetores
(1, 1, 0, 0), (0, 0, 1, 0).
Ex. 8.77 Determinar um operador linear em R4 cujo núcleo e a imagem sejam gerados
pelos vetores (1, 1, 0, 0), (0, 0, 1, 0).
Ex. 8.78 Determinar um operador linear em R3 cujo núcleo tem dimensão 1.
Ex. 8.79 Determinar um operador linear em R3 cujo núcleo é gerado pelos vetores
(1, 1, 0), (0, 0, 1) e a imagem gerado pelo vetor (1,−1, 1).
Ex. 8.80 Determinar T 2 L(R3,R4) tal que T(R3) = [(2, 2, 3, 2), (3, 2, 0, 2)].
Ex. 8.81 Determinar uma aplicaç ão linear T : R5 ! R3 tal que
T(R5) = [(1, 0, 0), (0, 1, 0), (1, 1, 1)] e N (T) = [(1, 1, 1, 1, 1), (1, 1, 1, 1, 0)].
Ex. 8.82 Determinar uma aplicaç ão linear T : R3 ! R2 tal que
T(1, 0, 0) = (1, 2), T(0, 1, 0) = (3, 4), T(0, 0, 1) = (0, 0).
Ex. 8.83 Determinar uma aplicaç ão linear T : R5 ! R3 tal que dimN (T) = 2,
dimT(R5) = 3.
Ex. 8.84 Determinar uma aplicaç ão linear T : R3 ! R4 tal que N (T) = [(1, 0, 1)].
Ex. 8.85 Determinar uma aplicaç ão linear T : R4 ! R4 tal que N (T) = T(R4) =
[(1, 0, 1, 0)].
Ex. 8.86 Determinar uma aplicaç ão linear T : R2 ! R3 tal que T(R2) = [(1, 1, 1),
(1, 2, 0)].
Ex. 8.87 Determinar uma aplicaç ão linear T : R2 ! R3 tal que T(R2) = [(1, 1, 1)] e
N (T) = [(1, 1)].
Ex. 8.88 Verifique se os operadores lineares em R3 abaixo são isomorfismos e em caso
afirmativo determinar o isomorfismo inverso.
a) T(x, y, z) = (x − 3y − 2z, y − 4z, z) b) T(x, y, z) = (x, x − y, 2x + y − z).

Ex. 8.89 Considere o operador linear em R3 tal que
T(1, 0, 0) = (1, 1, 1), T(0, 0, 1) = (1, 0, 1), F(0, 1, 2) = (0, 0, 4).
Pergunta-se: T é um isomorfismo? Em caso afirmativo, obtenha o isomorfismo inverso.
Ex. 8.90 Verifique, em cada um dos itens abaixo, se os espaços vetoriais U e V são
isomorfos, justificando a resposta.
1. U = R2, V =
©
(x, y, z) 2 R3; z = 0
ª
.
2. U = M2×3(R), V = {p 2 P4(R); p0(t) = 0, 8t 2 R} .
3. U = R3, V =
©
A 2 M2(R);At = A
ª
.
4. U =
½µ
a 0
0 0
¶
; a 2 R
¾
, V = {p 2 P3(R); p0(t) = 0, 8t 2 R} .
Ex. 8.91 Considere T : R2 ! R2 dada por T(x, y) = (y, x), (x, y) 2 R2. Determine
Tn(x, y), onde n 2 N e (x, y) 2 R2.
Ex. 8.92 Mostre que T,R, S 2 L(R2), dados por T(x, y) = (x, 2y), R(x, y) =
(x, x + y), S(x, y) = (0, x), (x, y) 2 R2 formam um subconjunto l.i. em L(R2).
Ex. 8.93 Sejam U, V,W espaços vetoriais, T 2 L(U, V ) e R 2 L(V,W) tais que
N (T) = {0} e N (S) = {0} . Mostre que N (S ± T) = {0} .
Ex. 8.94 Determinar as matrizes das seguintes transformaç ões lineares em relaç ão as
bases canônicas dos respectivos espaços vetoriais.
1. T : R3 ! R2, T(x, y, z) = (x + y, z), (x, y, z) 2 R3.
2. T : R4 ! R, T(x, y, z, t) = 2x + y − z + 3t, (x, y, z, t) 2 R4.
3. T : R ! R3, T(x) = (x, 2x, 3x), x 2 R.
Ex. 8.95 Considere
M =
µ
1 2
0 −1
¶
.
Determinar a matriz do operador linear T : M2(R) ! M2(R) dado por T(X) =
MX − XM, X 2 M2(R) em relaç ão à base canônica de M2(R).

Ex. 8.96 Seja T : R2 ! µ
R2 operador linear cuja matriz em relaç ao ã `base B =
e ´1 1
{(1, 0), (1, 4)} [T]B =
5 1
¶
. Determinar a matriz de T em relaç ão à base
canônica de R2.
Ex. 8.97 Seja T : P2(R) ! R transformaç ão linear definida por
T(p) =
Z 1
−1
p(t) dt, p 2 P2(R).
Determine a matriz de T em relaç ão as seguintes bases.
a)B =
©
1, t, t2ª
, C = {1} . b)B =
©
1, 1 + t, 1 + t + t2ª
, C = {−2} .
Ex. 8.98 0
Se a matriz de um operador linear T : R3 ! R3 em relaç ao ã base canonica ê
´dada por
@
1 1 0
0 1 0
0 1 −1
1
Ae se S : R3 ! R3 é dado por S = I+T +2T2, determinar a
matriz de S em relaç ao ã `base canonica ˆde R3. Encontre tambem ´S(x, y, z), (x, y, z) 2 R3.
Ex. 8.99 Seja T : P2(R) ©
! P2(R) operador ª
linear ©
dado por ª
(T(p))(t) = p(t)−p(1),
p 2 P2(R). Se B =
1, t − 1, (t − 1)2
e C =
1, t, t2
encontrar [T]B,C, [T]B e
[T]C.
Ex. 8.100 Seja B = {e1, e2, e3} uma base de um espaço vetorial V. Se T, S : V ! V
são operadores lineares em V tais que
T(e1) = 2e1 − 3e2 + e3 S(e1) = 3e1 + 2e2
T(e2) = e1 + e2 S(e2) = e1 − e2 − e3
T(e3) = e2 + e3 S(e3) = e1 + e2 − 2e3
Determine as seguintes matrizes [T]B, [S]B, [S ± T]B, [S2 + I]B e [T3 − S2]B.
Ex. 8.101 Sejam U = R3 , V = R2, B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} e C = {(1, 0),
(0, 1)} bases de U e V , respectivamente. Encontrar, em cada um dos itens abaixo,
T 2 L(U, V ) tal que [T]B,C seja a matriz;
a)
µ
1 2 3
4 5 1
¶
b)
µ
0 0 1
0 1 0
¶
c)
µ
10 5 −3
2 −1 4
¶

Ex. 8.102 Sejam V espac¸o vetorial e T : V ! V um operador linear idempotente, isto
´e, T2 = T. Mostrar que V = N (T) © T(V ).
Ex. 8.103 Seja T : R3 ! R3 o operador linear dado por
T(x, y, z) = (3x, x − y, 2x + y + z), (x, y, z) 2 R3.
Mostre que (T2 − I) ± (T − 3I) = 0.

Cap´ıtulo 9
Autovalores e Autovetores
9.1 Definiç ão, Exemplos e Generalidades
Definiç ão 9.1 Sejam U um espaço vetorial e T 2 L(U). Dizemos que um vetor não
nulo u 2 U é um autovetor de T se existir ¸ 2 R tal que T(u) = ¸u.
Observaç ão 9.2 Se u6= 0 é tal que T(u) = ¸u = μu então ¸ = μ. De fato, esta
igualdade implica que (¸ − μ)u = 0, ou seja, ¸ − μ = 0.
Definiç ão 9.3 Sejam U um espaço vetorial, T 2 L(U) e u um autovetor de T. O
número ¸ tal que T(u) = ¸u é chamado de autovalor de T associado ao autovetor u.
Definiç ão 9.4 Sejam U um espaço vetorial, T 2 L(U) e ¸ um autovalor de T. O
subespaço vetorial
V (¸) = {u 2 U; T(u) = ¸u} = N (T − ¸I)
é chamado de subespaço próprio do autovalor ¸. Se U tem dimensão finita, diremos que
a dimensão de V (¸) é a multiplicidade geométrica de ¸.
Observaç ão 9.5 Note que todo u 2 V (¸), u6= 0, é um autovetor de T associado ao
autovalor ¸.
Observaç ão 9.6 V (¸) é um subespaço invariante por T, isto é,
T(V (¸)) ½ V (¸).
Basta notar que se u 2 V (¸) então T(u) = ¸u 2 V (¸).
105

106 CAPÍTULO 9. AUTOVALORES E AUTOVETORES
Ex. Resolvido 9.7 Seja T : R2 ! R2 dada por T(x, y) = (y, 4x). Encontre os auto-valores
de T, os respectivos subespaços próprios e a multiplicidade geométrica de cada
autovalor.
Resoluç ão: ¸ 2 R é um autovalor de T se e somente se existir (x, y)6= (0, 0) tal que
T(x, y) = ¸(x, y), ou seja, se e somente se existir (x, y)6= (0, 0) tal que (y, 4x) =
(¸x, ¸y). Isto equivale a que o sistema
(
y − ¸x = 0
4x − ¸y = 0
possua uma soluç ão não trivial. Isto acontece se e somente se o determinante da matriz
µ
−¸ 1
4 −¸
¶
for igual a zero. Como este determinante é ¸2 − 4, vemos que os únicos autovalores de
T são ¸1 = −2 e ¸2 = 2. Temos
V (−2) = {(x, y) 2 R2; (y, 4x) = −2(x, y)} = {(x, y) 2 R2;−2x = y} = [(1,−2)].
Assim, a multiplicidade geométrica de −2 é um.
Também,
V (2) = {(x, y) 2 R2; (y, 4x) = 2(x, y)} = {(x, y) 2 R2; 2x = y} = [(1, 2)].
Assim, a multiplicidade geométrica de 2 é um.
Note que (1,−2) é um autovetor associado ao autovalor −2 e e (1, 2) é um autovetor
associado ao autovalor 2. ¤
Ex. Resolvido 9.8 Ainda com relaç ão ao exerc´ıcio anterior, encontre a matriz de T com
relaç ão à base (1,−2) e (1, 2) formada pelos autovetores de T.
T(1,−2) = (−2, 4) = −2(1,−2) + 0(1, 2)
T(1, 2) = (2, 4) = 0(1,−2) + 2(1, 2)
.
Logo, a matriz de T com relaç ão a esta base é a matriz diagonal
µ
−2 0
¶
.
0 2
¤

9.1. DEFINIÇ ÃO, EXEMPLOS E GENERALIDADES 107
Ex. Resolvido 9.9 Faça o mesmo o que se pede no exerc´ıcio 9.7 para a transformaç ão
T(x, y) = (−y, x).
Resoluç ão: ¸ 2 R é um autovalor de T se e somente se existir (x, y)6= (0, 0) tal que
T(x, y) = ¸(x, y), ou seja, se e somente se existir (x, y)6= (0, 0) tal que (−y, x) =
(¸x, ¸y). Isto equivale a que o sistema
(
¸x + y = 0
x − ¸y = 0
µ
¸ 1
1 −¸
¶
for igual a zero. Como este determinante é −¸2 − 1 < 0, vemos que não existem
autovalores associados à transformaç ão T. ¤
Ex. Resolvido 9.10 Seja T : Pn(R) ! Pn(R) dada por T(p(x)) = p0(x). Verifique
que 0 é o único autovalor desta transformaç ão. Encontre V (0).
Resoluç ão: Note que ¸ 2 R é um autovalor de T se e somente se existir p(x)6= 0 tal
que p0(x) = ¸p(x). Se ¸6= 0 esta equaç ão só é verdadeira para o polinômio nulo, posto
que para qualquer outro polinômio os graus de p0(x) e ¸p(x) são distintos. Desta forma,
¸6= 0 não é autovalor de T.
Agora, se ¸ = 0, então p0(x) = 0 apresenta como soluç ão todos os polinômios
constantes. Logo, ¸ = 0 é um autovalor associado, por exemplo, ao autovetor p(x) = 1.
Quanto a V (0), basta ver que V (0) = N (T) = [1], isto é, o subespaço gerado pelo
polinômio 1. ¤
Ex. Resolvido 9.11 Seja T : R3 ! R3 dada por T(x, y, z) = (x, y, x). Encontre os
autovalores de T e os respectivos subespaços próprios e a multiplicidade geométrica de
cada autovalor.
Resoluç ão: ¸ 2 R é um autovalor de T se e somente se existir (x, y, z)6= (0, 0, 0) tal
que T(x, y, z) = ¸(x, y, z), isto é, se e somente se existir (x, y, z)6= (0, 0, 0) tal que
(x, y, x) = (¸x, ¸y, ¸z). Isto equivale a que o sistema
8><
>:
(1 − ¸)x = 0
(1 − ¸)y = 0
¸z − x = 0

0
@
1 − ¸ 0 0
0 1 − ¸ 0
−1 0 ¸
1
A
for igual a zero. Como este determinante é ¸(1 − ¸)2, vemos que os únicos autovalores
de T são ¸1 = 0 e ¸2 = 1.
Quanto aos subespaços próprios, temos
V (0) = {(x, y, z) 2 R3; (x, y, x) = (0, 0, 0)} = [(0, 0, 1)].
Assim, a multiplicidade geométrica de 0 é 1.
V (1) = {(x, y, z) 2 R3; (x, y, x) = (x, y, z)} = {(x, y, z) 2 R3; x = z}
= [(1, 0, 1)].
Assim, a multiplicidade geométrica de 1 é um.
Proposiç ão 9.12 Sejam U um espaço vetorial de dimensão finita e T em L(U). Supo-nha
que T possua autovetores u1, . . . , un associados a autovalores ¸1, . . . , ¸n, respec-tivamente.
Se ¸i6= ¸j , quando i6= j então u1, . . . , un são linearmente independentes.
Prova: A prova será por induç ão sobre o número de autovalores. Se ¯1u1 + ¯2u2 = 0
então
T(¯1u1 + ¯2u2) = ¯1T(u1) + ¯2T(u2) = ¯1¸1u1 + ¯2¸2u2 = 0.
Portanto, ¯2(¸2 − ¸1)u2 = 0 e, como u26= 0 e ¸16= ¸2, resulta que ¯2 = 0. Da´ı,
¯1u1 = 0 e, como u16= 0, temos ¯1 = 0. Assim, ¯2u2 = 0, que implica em ¯2 = 0
pois u26= 0. Portanto, u1 e u2 são linearmente independentes.
Suponhamos, como hipótese de induç ão, que n − 1 autovetores de uma transforma-c
¸ ão linear associados a n − 1 autovalores dois a dois distintos sejam linearmente inde-pendentes.
Devemos mostrar que o mesmo resultado vale para n autovetores associados
a n autovalores dois a dois distintos.
Sejam então u1, . . . , un autovetores associados aos autovalores ¸1, . . . , ¸n, dois a
dois distintos. Se u1, . . . , un não fossem linearmente independentes, pelo menos um

9.1. DEFINIÇ ÃO, EXEMPLOS E GENERALIDADES 109
deles se escreveria como combinaç ão linear dos outros. Para simplificar a notaç ão, su-ponhamos
que
u1 = ®2u2 + · · · + ®nun (9.13)
então
T(u1) = T(®2u2 + · · · + ®nun) = ®2T(u2) + · · · + ®nT(un)
¸1u1 = ®2¸2u2 · · · + ®n¸nun, (9.14)
De 9.13 e 9.14 resulta que
0 = ®2(¸2 − ¸1)u2 + · · · + ®n(¸n − ¸1)un
e pela hipótese de induç ão,
®2(¸2 − ¸1) = · · · = ®n(¸n − ¸1) = 0,
mas como ¸16= ¸j para j = 2, . . . , n, temos
®2 = · · · = ®n = 0.
Assim, pela equaç ão 9.13, u1 = 0, o que é imposs´ıvel pois u1 é um autovetor.
Proposiç ão 9.15 Sejam U um espaço vetorial de dimensão finita e T em L(U). Su-ponha
que T possua autovalores ¸1, . . . , ¸n, distintos. Então a soma dos subespaços
próprios de T é direta, isto é, para cada j = 1, . . . , n, temos
V (¸j) (V (¸1) + · · · + V (¸j−1) + V (¸j+1) + · · · + V (¸n)) = {0}.
Prova: A prova será por induç ão sobre o número de autovalores. Primeiramente, mostre-mos
que V (¸1) V (¸2) = {0}. Fixe v(1)
1 , . . . , v(1)
m1 uma base de V (¸1) e v(2)
1 , . . . , v(2)
m2
uma base de V (¸2). Se u 2 V (¸1) V (¸2) então
u = ®(1)
1 v(1)
1 + · · · + ®(1)
m1 = ®(2)
m1v(1)
1 v(2)
1 + · · · + ®(2)
m2v(2)
m2 . (9.16)
Logo, T(u) é dado por
®(1)
1 T(v(1)
1 ) + · · · + ®(1)
m1T(v(1)
m1) = ®(2)
1 T(v(2)
1 ) + · · · + ®(2)
m2T(v(2)
m2),

ou seja,
®(1)
1 ¸1v(1)
1 + · · · + ®(1)
m1¸1v(1)
m1 = ®(2)
1 ¸2v(2)
1 + · · · + ®(2)
m2¸2v(2)
m2 . (9.17)
Multiplicando a equaç ão 9.16 por ¸1 e subtraindo-a de 9.17, obtemos
®(2)
1 (¸2 − ¸1)v(2)
1 + · · · + ®(2)
m2(¸2 − ¸1)v(2)
m2 = 0.
Como v(2)
1 , . . . , v(2)
m2 é uma base de V (¸2), temos
®(2)
1 (¸2 − ¸1) = · · · = ®(2)
m2(¸2 − ¸1) = 0
e, como ¸16= ¸2, resulta que ®(2)
1 = · · · = ®(2)
m2 = 0. Segue-se de 9.16 que u = 0.
Suponhamos agora, por induç ão, que a soma de n − 1 espaços próprios de T refe-rentes
a n − 1 autovalores distintos seja direta. Precisamos mostrar que este resultado é
válido quando T apresenta n autovalores distintos.
Para cada j = 1, . . . , n selecione uma base Bj de V (¸j) constitu´ıda por vetores
que denotaremos por v(j)
1 , . . . , v(j)
mj . Note que cada v(j)
i é um autovetor associado ao
autovalor ¸j e que mj é a multiplicidade geométrica deste autovalor.
Se
u 2 V (¸j) (V (¸1) + · · · + V (¸j−1) + V (¸j+1) + · · · + V (¸n)) ,
então
u = ®(j)
1 v(j)
1 + · · · + ®(j)
mj v(j)
mj = ®(1)
1 v(1)
1 + · · ·
mj−1 v(j−1)
mj−1 + ®(j+1)
+ ®(j−1)
1 v(j+1)
1 + · · · + ®(n)
mnv(n)
mn. (9.18)
Assim, T(u) é dado por
®(j)
1 T(v(j)
1 ) + · · · + ®(j)
mjT(v(j)
mj ) = ®(1)
1 T(v(1)
1 ) + · · ·
mj−1T(v(j−1)
mj−1 ) + ®(j+1)
+ ®(j−1)
1 T(v(j+1)
1 ) + · · · + ®(n)
mnT(v(n)
mn)
isto é,
®(j)
1 ¸jv(j)
1 + · · · + ®(j)
mj¸jv(j)
mj = ®(1)
1 ¸1v(1)
1 + · · ·
+ ®(j−1)
mj−1 + ®(j+1)
mj−1¸j−1v(j−1)
1 ¸j+1v(j+1)
1 + · · · + ®(n)
mn¸nv(n)
mn. (9.19)

9.2. POLIN ÔMIO CARACTERÍSTICO 111
Multiplicando a equaç ão 9.18 por ¸j e subtraindo-a de 9.19, obtemos
®(1)
1 (¸1 − ¸j)v(1)
1 + · · · + ®(j−1)
mj−1 (¸j−1 − ¸j)v(j−1)
mj−1+
®(j+1)
1 (¸j+1 − ¸j)v(j+1)
1 + · · · + ®(n)
mn(¸n − ¸j)v(n)
mn = 0
Usando a nossa hipótese de induç ão e o fato que ¸j6= ¸i, quando i6= j, obtemos
®i1
i = 0 para todo i = 1, . . . , j − 1, j + 1, . . . , n. Disto e da equaç ão 9.18
= · · · = ®im
resulta que u = 0. Como quer´ıamos.
9.2 Polinômio Caracter´ıstico
Definiç ão 9.20 Dada A 2 Mn×n(R) definimos o polinômio caracter´ıstico de A como
sendo o determinante
pA(¸) = det (A − ¸I),
onde I é a matriz identidade de ordem n.
Definiç ão 9.21 Sejam A,B 2 Mn×n(R). Dizemos que A e B são semelhantes se existir
M 2 Mn×n(R) invert´ıvel tal que A = M−1BM.
Proposiç ão 9.22 Se A,B 2 Mn×n(R) são matrizes semelhantes então seus polinômios
caracter´ısticos são iguais.
Prova: Temos
pA(¸) = det (A − ¸I) = det (M−1BM − ¸M−1IM)
= det (M−1(BM − ¸IM)) = det (M−1(B − ¸I)M)
= detM−1 det (B − ¸I) detM =
1
detM
det (B − ¸I) detM = pB(¸).
Lembre que se T 2 L(U), onde U é um espaço vetorial de dimensão finita, e se B
e C são bases de U então
[T]C = MB
C [T]BMC
B =
£
MC
B
¤
−1
[T]BMC
B .

Desta forma, p[T]B(¸) = p[T]C (¸), ou seja, o polinômio caracter´ıstico da matriz de
uma transformaç ão linear independe da escolha da base. Podemos assim, sem causar
ambigüidades, definir o polinômio caracter´ıstico de T como sendo
pT (¸) = p[T]B(¸),
onde B é uma base qualquer de U.
Ex. Resolvido 9.23 Seja T : R2 ! R2 dada por
T(x, y) = (ax + by, cx + dy).
Encontre pT (¸).
Resoluç ão: Usaremos a base canônica, C, de R2. Como T(1, 0) = (a, c) e T(0, 1) =
(b, d), vemos que
[T]C =
µ
a b
c d
¶
.
Assim,
pT (¸) = det
µµ
a b
c d
¶
− ¸
µ
1 0
0 1
¶¶
= det
µ
a − ¸ b
c d − ¸
¶
= ¸2 − (a + d)¸ + ad − bc.
¤
Proposiç ão 9.24 Sejam U um espaço vetorial de dimensão finita e T em L(U). Então,
¸ é um autovalor de T se e somente se pT (¸) = 0. Em outras, palavras, os autovalores
de T são as ra´ızes reais de seu polinômio caracter´ıstico.
Prova: Fixe B uma base de U.
Suponha que ¸ seja um autovalor de T. Então existe u6= 0 tal que T(u) = ¸u, ou
seja, (T −¸I)(u) = 0. Desta forma, vemos que a transformaç ão linear T −¸I : U ! U
não é injetora e, conseqüentemente, não é um isomorfismo. Disto resulta que [T −¸I]B
não é invert´ıvel, ou equivalentemente, pT (¸) = det [T − ¸I]B = 0.
Reciprocamente, se pT (¸) = 0 então a matriz [T −¸I]B tem determinante nulo. Isto
implica que a transformaç ão T − ¸I : U ! U não é um isomorfismo e, portanto, não é
injetora. Logo, existe u6= 0 tal que (T −¸I)(u) = 0. Portanto, T(u) = ¸u, u6= 0, isto
é, ¸ é um autovalor de T.

9.2. POLIN ÔMIO CARACTERÍSTICO 113
Exerc´ıcio 9.25 Refaça os exerc´ıcios resolvidos 9.7, 9.9, 9.10 e 9.11 tendo como base a
proposiç ão anterior.
Definiç ão 9.26 Sejam U um espaço vetorial de dimensão finita e T 2 L(U). Se ¸ é um
autovalor de T, definimos a multiplicidade algébrica de ¸ como sendo a multiplicidade
de ¸ como raiz do polinômio caracter´ıstico de T.
Proposiç ão 9.27 Sejam U um espaço vetorial de dimensão finita e T em L(U). Se ¸o
é um autovalor de T então a sua multiplicidade geométrica não excede a sua multipli-cidade
algébrica.
Prova: Seja n a dimensão de U. Denotemos por m e r as multiplicidades algébrica e
geométrica de ¸o, respectivamente.
Como dimV (¸o) = r, existem u1, . . . , ur 2 V (¸o) linearmente independentes.
Completando estes vetores a uma base de U, vemos que a matriz de T com relaç ão a
esta base é da forma
0
BBBBB@
2
¸o · · · 0
0 · · · 0
6664
...
. . .
...
0 · · · ¸o
3
7775
r×r
Ar×(n−r)
0(n−r)×r B(n−r)×(n−r)
1
CCCCCA
n×n
vemos que o fator (¸ − ¸o)r aparece na fatoraç ão do polinômio pT (¸). Por outro lado,
como a multiplicidade algébrica de ¸o é m, obtemos r · m.
Ex. Resolvido 9.28 Seja T : R2 ! R2 dada por
T(x, y) = (ax + by, cx + dy).
Analise quando esta transformaç ão possui autovalores e o número deles.
Resoluç ão: Sabemos do exerc´ıcio resolvido 9.23 que
pT (¸) = ¸2 − (a + d)¸ + ad − bc.
Pela proposiç ão 9.24 que ¸ é um autovalor de T se e somente se pT (¸) = 0, isto é, se e
somente se
¸2 − (a + d)¸ + ad − bc = 0

e esta equaç ão possui soluç ão (real) se e somente se (a+d)2 −4(ad−bc) ¸ 0. Quando
(a+d)2 = 4(ad−bc) vemos que T apresenta somente um autovalor, dado por (a+d)/2;
quando (a + d)2 − 4(ad − bc) > 0, T apresenta dois autovalores distintos dados por
a + d +
p
(a + d)2 − 4(ad − bc)
2
e
a + d −
p
(a + d)2 − 4(ad − bc)
2
.
9.3 Exerc´ıcios
Ex. 9.29 Encontrar os autovalores e autovetores do operador linear T : V ! V nos
seguintes casos:
a) V = R2, T(x, y) = (x + y, x − y).
b) V = R3, T(1, 0, 0) = (2, 0, 0), T(0, 1, 0) = (2, 1, 2), T(0, 0, 1) = (3, 2, 1).
c) V = R4 e [T]B =
0
BB@
3 1 0 0
0 3 0 0
0 0 4 0
0 0 0 3
1
CCA
, onde B é base canônica de R4.
Ex. 9.30
a) Seja A 2 Mn(R) uma matriz triangular, isto é, A = (aij) onde aij = 0, sempre que
i > j (ou sempre que i < j). Qual o polinômio caracter´ıstico de A?
b) Sejam A,B 2 Mn(R) matrizes triangulares com a mesma diagonal principal. Existe
alguma relaç ão entre seus polinômios caracter´ısticos? Qual?
c) Mostre que se ¸ é autovalor de T 2 L(V ) então ¸n é autovalor de Tn.
d) Mostre que se p = p(t) é um polinômio e ¸ é autovalor de T 2 L(V ) então p(¸) é
autovalor de p(T), onde p(T) = aoI +a1T +· · ·+anTn, com p(t) = a0 +a1t+· · ·+
antn.

Cap´ıtulo 10
Diagonalizaç ão
10.1 Definiç ão e Caracterizaç ão
Definiç ão 10.1 Sejam U um espaço vetorial de dimensão finita e T 2 L(U). Dizemos
que T é diagonalizável se existir uma base de U formada por autovetores de T.
Note que se T 2 L(U) é diagonalizável e se u1, . . . , un formam uma base B de
U formada autovetores de T associados, respectivamente, aos autovalores ¸1, . . . , ¸n,
então a matriz de T com relaç ão a esta base é
[T]B =
0
¸1 0 · · · 0
0 ¸2 · · · 0
BBB@
... 0 0 ...
· · ...
· ¸n
. . .
1
CCCA
,
ou seja, [T]B é uma matriz diagonal, isto é, uma matriz quadrada (aij) tal que aij = 0
se i6= j.
Reciprocamente, se existir uma base C : v1, . . . , vn de U com relaç ão a qual a matriz
de T 2 L(U) é diagonal, então T é diagonalizável. De fato, se
[T]C =
0
BBB@
μ1 0 · · · 0
0 μ2 · · · 0
...
...
. . .
...
0 0 · · · μn
1
CCCA
115

116 CAPÍTULO 10. DIAGONALIZAÇ ÃO
então, pela própria definiç ão de matriz de uma transformaç ão linear, vemos que T(v1) =
μ1v1, . . . , T(vn) = μnvn, ou seja, a base C é formada por autovetores de T. Resumire-mos
este fato no seguinte
Teorema 10.2 Sejam U um espaço vetorial de dimensão finita e T 2 L(U). Então T
é diagonalizável se e somente se existir uma base de U com relaç ão a qual a matriz de
T é diagonal.
Note que se T 2 L(U) é diagonalizável então existe uma base B formada por
autovetores de T com relaç ão a qual a matriz de T é diagonal. Se C é uma outra base de
U sabemos que [T]B = (MB
C )−1[T]CMB
C . Esta última igualdade nos sugere a seguinte
Definiç ão 10.3 Dizemos que uma matriz A 2 Mn×n(R) é diagonalizável se existir
M 2 Mn×n(R) invert´ıvel tal que M−1AM seja uma matriz diagonal.
Proposiç ão 10.4 Sejam U um espaço vetorial de dimensão finita, T 2 L(U) e C uma
base qualquer de U. Então T é diagonalizável se e somente se a matriz [T]C for diago-naliz
ável.
Prova: Já vimos que se T for diagonalizável então [T]C é uma matriz diagonalizável.
Reciprocamente, suponha que [T]C seja diagonalizável. Assim, existeM = (aij) 2
Mn×n(R) invert´ıvel tal que M−1[T]CM é uma matriz diagonal. Se u1, . . . , un são os
vetores da base C então, colocando vj = a1ju1 + · · · + anjun, vemos que v1, . . . , vn
formam uma base B de U pois M é invert´ıvel. Além do mais, M = MB
C . Deste modo,
C )−1[T]CMB
C = M−1[T]CM
[T]B = (MB
é diagonal, isto é, T é diagonalizável.
Note que pelo teorema acima, para verificar se um operador é diagonalizável, basta
verificar se a matriz de T com relaç ão a uma base qualquer de U é diagonalizável.
Observaç ão 10.5 Note que se T for diagonalizável, o seu polinômio caracter´ıstico é da
forma
pT (¸) = (¸1 − ¸) · · · (¸n − ¸),
onde os números reais ¸1, . . . , ¸n são todos os autovalores de T.
Teorema 10.6 Sejam U um espaço vetorial de dimensão finita e T 2 L(U). Então, T
é diagonalizável se e somente se os autovalores ¸1, . . . , ¸n de T forem tais que
U = V (¸1) © · · · © V (¸n).

10.1. DEFINIÇ ÃO E CARACTERIZAÇ ÃO 117
Prova: Se
U = V (¸1) © · · · © V (¸n)
então podemos formar uma base B de U formada por bases Bj de V (¸j), j = 1, . . . , n.
Como cada elemento de Bj é um autovetor de T, segue-se, pelo teorema 10.2 que T é
diagonalizável.
Reciprocamente, se T for diagonalizável existe uma base B de U formada por auto-vetores
de T. Como cada autovetor está associado a algum autovalor de T, vemos que
cada elemento de B está contido em algum V (¸j). Desta forma, a soma de todos os
subespaços próprios de T contém B e, portanto, é o próprio U. Pelo teorema 9.15 esta
soma é direta, ou seja,
U = V (¸1) © · · · © V (¸n).
Exemplo 10.7 As transformaç ão do exerc´ıcio resolvido 9.7 é diagonalizável. Já a
transformaç ão do 9.11 não é pois possui apenas dois auto-espaços cuja soma não é
R3, isto é, V (0) © V (1) = [(0, 0, 1), (1, 0, 1)]6= R3. Também não é diagonalizável
a transformaç ão do exerc´ıcio resolvido 9.9 pois não possui autovetores. Quanto a
transformaç ão do 9.10 vemos que também não é diagonalizável se n ¸ 1, pois todo
autovetor de T pertence a V (0), que é unidimensional, e dimPn(R) = n + 1 ¸ 2.
Vejamos como é poss´ıvel decidir sobre a diagonalizaç ão de um operador linear a
partir das multiplicidades algébrica e geométrica de seus autovalores.
Sejam U um espaço vetorial de dimensão m e T 2 L(U). Primeiramente, pela
observaç ão 10.5, T não pode ser diagonalizável se o seu polinômio caracter´ıstico tiver
ra´ızes complexas. Desta forma, podemos supor que o polinômio caracter´ıstico de T
apresente somente ra´ızes reais.
Se ¸1, . . . , ¸n são autovalores de T dois a dois distintos então o polinômio carac-ter
´ıstico de T é dado por
pT (¸) = (¸1 − ¸)m1 · · · (¸n − ¸)mn, (10.8)
onde mj é a multiplicidade algébrica de ¸j . Note que m = m1 + · · · + mn.
Se denotarmos por rj a multiplicidade geométrica de ¸j , isto é, rj = dimV (¸j)
então, pelo teorema 10.6, T é diagonalizável se e somente se m = r1 + · · · + rn. Por
este mesmo teorema, T é diagonalizável se e somente se U possuir uma base formada
pela reunião das bases dos espaços próprios de T, visto que isto é equivalente a dizer

que a soma destes subespaços é direta. Como com relaç ão a uma tal base a matriz de T
é da forma
2
0
6664
BBBBBBBBBBBBBBB@
¸1 · · · 0
0 · · · 0
...
. . .
...
0 · · · ¸1
3
7775
r1×r1
. . . 2
¸n · · · 0
0 · · · 0
6664
...
. . .
...
0 · · · ¸n
3
7775
rn×rn
1
CCCCCCCCCCCCCCCA
m×m
vemos que T é diagonalizável se e somente se o seu polinômio caracter´ıstico é dado por
pT (¸) = (¸1 − ¸)r1 · · · (¸n − ¸)rn, (10.9)
onde rj é a multiplicidade geométrica de ¸j , j = 1, . . . , n.
Comparando 10.8 e 10.9, obtemos o importante
Teorema 10.10 Sejam U um espaço vetorial de dimensão finita e T 2 L(U). Então T
é diagonalizável se e somente se ambas condiç ões forem verificadas
1. para cada autovalor de T as suas multiplicidades algébrica e geométrica são
iguais;
2. a soma das multiplicidades geométricas de todos os autovalores de T coincide
com a dimensão de U.
Corolário 10.11 Sejam U um espaço vetorial de dimensão finita e T 2 L(U). Se
pT (¸) = (¸1 − ¸) · · · (¸n − ¸),
onde ¸1, . . . , ¸n 2 R são dois a dois distintos então T é diagonalizável.
Prova: Como os autovalores de T são dois a dois distintos, vê-se que as ra´ızes de pT (¸),
são todas simples, isto é, têm multiplicidade um. Desta forma, se ¸ é um autovalor de
T então a sua multiplicidade geométrica é um. Pela proposiç ão 9.27, a multiplicidade
geométrica de ¸ é menor do que ou igual a um. Como dimV (¸) ¸ 1, segue-se que a a
multiplicidade geométrica de ¸ é um, ou seja, igual à sua multiplicidade algébrica.

Ex. Resolvido 10.12 Verifique se T : R3 ! R3 da por
T(x, y, z) = (x + z, y + z, x + y + 2z)
é diagonalizável.
Resoluç ão: Com relaç ão à base canônica, a matriz de T é dada por
0
@
1
A.
1 0 1
0 1 1
1 1 2
Assim,
pT (¸) = det
0
@
1 − ¸ 0 1
0 1 − ¸ 1
1 1 2 − ¸
1
A = (1−¸)((1−¸)(2−¸)−1)+1(−(1−¸))
= (1 − ¸)(¸2 − 3¸) = ¸(1 − ¸)(¸ − 3).
Desta forma, vemos que PT (¸) apresenta todas as ra´ızes reais e simples e, pelo corolário
10.11, segue-se que T é diagonalizável. ¤
Ex. Resolvido 10.13 Encontre uma base de autovetores para o operador do exerc´ıcio
anterior. Encontre também a matriz de T com relaç ão a esta base.
Resoluç ão: autovalor 0: Precisamos encontrar (x, y, z) não nulo tal que T(x, y, z) =
(0, 0, 0). Temos
8><
>:
x + z = 0
y + z = 0
x + y + 2z = 0
()
(
x = y = −z
x + y + 2z = 0 () x = y = −z,
assim, podemos tomar como autovetor associado ao autovalor 0, o vetor u = (1, 1,−1).
autovalor 1: Precisamos encontrar (x, y, z) não nulo tal que T(x, y, z) = (x, y, z).
Temos 8><
x + z = x
y + z = y
x + y + 2z = z
>:
()
(
z = 0
x = −y
,

assim, podemos tomar como autovetor associado ao autovalor 1, o vetor v = (1,−1, 0).
autovalor 3: Precisamos encontrar (x, y, z)6= (0, 0, 0) satisfazendo T(x, y, z) =
(3x, 3y, 3z). Temos
8><
>:
x + z = 3x
y + z = 3y
x + y + 2z = 3z
() z = 2x = 2y,
assim, podemos tomar como autovetor associado ao autovalor 3, o vetor v = (1, 1, 2).
É
claro que a matriz de T com relaç ão à base formada por u, v e w é dada por
0
@
1
A.
0 0 0
0 1 0
0 0 3
¤
Ex. Resolvido 10.14 Seja T : R2 ! R2 cuja matriz com relaç ão a alguma base é dada
por
A =
µ
a b
b c
¶
.
Mostre que T diagonalizável.
Resoluç ão: O polinômio caracter´ıstico de T é dado por
pT (¸) = ¸2 − (a + c)¸ + ac − b2.
Vemos que pT (¸) apresenta duas ra´ızes reais simples, isto é, com multiplicidade um, se
e somente se o discriminante (a + c)2 − 4(ac − b2) for positivo. Assim,
(a + c)2 − 4(ac − b2) = a2 + c2 − 2ac + 4b2 = (a − c)2 + 4b2 > 0
se e somente se a6= c ou b6= 0. Vemos assim que, se a6= c ou b6= 0 as multiplicidades
algébrica e geométrica de cada um dos autovalores de T (as ra´ızes de pT (¸)) coincidem
e, portanto, T é diagonalizável.
Se a = c e b = 0 então vê-se claramente que T é diagonalizável pois, neste caso, A
é diagonal. ¤

Ex. Resolvido 10.15 Verifique se T : P2(R) ! P2(R) dado por
T(p(t)) = p00(t) − 2p0(t) + p(t)
é diagonalizável.
Resoluç ão: A matriz de T com relaç ão à base canônica é dada por
A =
0
@
1
A.
1 −2 2
0 1 −4
0 0 1
Assim, PT (¸) = (1−¸)3 e, desta forma, 1 é o único autovalor de T. Como pelo teorema
10.10 T é diagonalizável se e somente se dimV (1) = 3, vejamos qual é a dimensão
deste subespaço próprio.
(x, y, z) 2 V (1) ()
0
@
0 −2 2
0 0 −4
0 0 0
1
A
0
@
1
A =
x
y
z
0
@
1
A () y = z = 0.
0
0
0
Portanto, V (1) = [(1, 0, 0)] e T não é diagonalizável. ¤
Ex. Resolvido 10.16 Verifique se T : R4 ! R4 dada por
T(x, y, z, t) = (x + y, y, 2z + t, 2z + t)
é diagonalizável. Encontre também os espaços próprios de T.
Resoluç ão: A matriz de T com relaç ão à base canônica é dada por
0
BB@
1
1 1 0 0
0 1 0 0
0 0 2 1
0 0 2 1
CCA
e o seu polinômio caracter´ıstico é
pT (¸) = det
0
BB@
1 − ¸ 1 0 0
0 1 − ¸ 0 0
0 0 2 − ¸ 1
0 0 2 1 − ¸
1
CCA
= (1 − ¸)2((2 − ¸)(1 − ¸) − 2)

= (1 − ¸)2(¸2 − 3¸) = ¸(¸ − 3)(1 − ¸)2.
(i) autovalor 0:
(x, y, z, t) 2 V (0) () (x + y, y, 2z + t, 2z + t) = (0, 0, 0, 0) ()
8>>>><
>>>>:
x + y = 0
y = 0
2z + t = 0
2z + t = 0
()
(
x = y = 0
t = −2z () (x, y, z, t) = z(0, 0, 1,−2).
Logo, V (0) = [(0, 0, 1,−2)].
(ii) autovalor 3:
(x, y, z, t) 2 V (3) () (x + y, y, 2z + t, 2z + t) = (3x, 3y, 3z, 3t)
()
8>>>><
>>>>:
x + y = 3x
y = 3y
2z + t = 3z
2z + t = 3t
()
(
x = y = 0
t = z () (x, y, z, t) = z(0, 0, 1, 1).
Logo, V (3) = [(0, 0, 1, 1)].
(iii) autovalor 1:
(x, y, z, t) 2 V (1) () (x + y, y, 2z + t, 2z + t) = (x, y, z, t)
()
8>>>><
>>>>:
x + y = x
y = y
2z + t = z
2z + t = t
() y = z = t = 0 () (x, y, z, t) = x(1, 0, 0, 0).
Logo, V (1) = [(1, 0, 0, 0)].
Como a multiplicidade algébrica do autovalor 1 é dois e a sua multiplicidade geo-m
étrica é um, vemos que T não é diagonalizável. ¤
Ex. Resolvido 10.17 Ainda com relaç ão ao operador do exerc´ıcio anterior, encontre
a matriz de T com relaç ão à base B formada pelos vetores u = (0, 0, 1,−2), v =
(0, 0, 1, 1), w = (1, 0, 0, 0) e p = (0, 1, 0, 0).

Resoluç ão: Já sabemos que T(u) = 0, T(v) = 3v e T(w) = w. Agora, como
T(p) = T(0, 1, 0, 0) = (1, 1, 0, 0) = w + p,
vemos que
[T]B =
0
BB@
1
0 0 0 0
0 3 0 0
0 0 1 1
0 0 0 1
CCA
.
¤
10.2 Exerc´ıcios
Ex. 10.18 Determinar M 2 M2(R), se existir, de modo que M−1AM seja uma matriz
diagonal nos seguintes casos:
a)A =
µ
2 4
3 13
¶
b)A =
µ
3 −2
2 1
¶
Ex. 10.19 Verificar em cada um dos itens abaixo se o operador T 2 L(R3) dado pela
sua matriz com relaç ão à base canônica é diagonalizável.
a) [T]C =
0
@
1 2 −2
2 1 −2
2 2 −3
1
A b) [T]C =
0
@
1 0 0
m 2 0
n 0 2
1
A
Ex. 10.20 Verificar em cada um dos itens abaixo se o operador T 2 L(R4) dado pela
sua matriz com relaç ão à base canônica é diagonalizável.
c) [T]C =
0
BB@
−1 −4 −2 −2
−4 −1 −2 −2
2 2 1 4
2 2 4 1
1
CCA
d) [T]C =
0
BB@
1 1 1 1
1 1 −1 −1
1 −1 1 −1
1 −1 −1 1
1
CCA

Cap´ıtulo 11
Forma Canônica de Jordan
Como vimos, nem todo operador linear é diagonalizável. No entanto, se T 2 L(U),
onde U é um espaço vetorial de dimensão finita, existe uma base com relaç ão a qual,
a matriz de T é próxima de uma matriz diagonal. A seguir daremos uma pequena
descriç ão de como é a forma desta matriz, mas antes precisamos de algumas notaç ões.
Seja pT (¸) o polinômio caracter´ıstico de T. A primeira observaç ão a ser feita é que
pT (¸) se fatora como
pT (¸) = (¸1 − ¸)m1 · · · (¸n − ¸)mn((¸ − ®1)2 + ¯2
1 )p1 · · · ((¸ − ®k)2 + ¯2
k)pk
onde ¸r6= ¸s, e (®r, ¯r)6= (®s, ¯s) se r6= s. Note que cada ®r + i¯r é uma raiz
complexa de pT (¸). Note também que m1 + · · · + mn + 2p1 + · · · 2pk = dimU.
Se ¸ 2 R é um autovalor de T, denotaremos por J(¸; r) a matriz quadrada de ordem
r com todos os elementos da diagonal principal iguais a ¸ e todos os elementos logo
acima desta, iguais a 1, ou seja,
J(¸; r) =
0
BBBBB@ ¸ 1 0 · · · 0
0 ¸ 1 · · · 0
0 0 ¸ · · · 0
...
...
...
. . .
...
0 0 0 · · · ¸
1
CCCCCA
r×r
125

126 CAPÍTULO 11. FORMA CAN ÔNICA DE JORDAN
= ¸
0
1 0 0 · · · 0
0 1 0 · · · 0
0 0 1 · · · 0
BBBBB@
...
...
...
. . .
...
0 0 0 · · · 1
1
CCCCCA
r×r
+
0
BBBBB@
0 1 0 · · · 0
0 0 1 · · · 0
0 0 0 · · · 0
...
...
...
. . .
...
0 0 0 · · · 0
1
CCCCCA
r×r
= ¸I + N,
onde I é a matriz identidade de ordem r e
N =
0
BBBBB@
0 1 0 · · · 0
0 0 1 · · · 0
0 0 0 · · · 0
...
...
...
. . .
...
0 0 0 · · · 0
1
CCCCCA
r×r
.
Note que Nr é a matriz nula, isto é, N é uma matriz nilpotente.
Se ® + i¯ é uma raiz complexa de pT (¸) e r é um número par, definimos
R(®, ¯; r) =
0
® ¯ 1 0 · · · 0 0
−¯ ® 0 1 · · · 0 0
0 0 ® ¯ · · · 0 0
0 0 −¯ ® · · · 0 0
BBBBBBBBB@
...
...
...
...
. . .
...
...
0 0 0 0 · · · ® ¯
0 0 0 0 · · · −¯ ®
1
CCCCCCCCCA
r×r
.
Se B1, . . . ,Bk são matrizes quadradas, não necessariamente de ordens iguais, de-finimos
diag (B1, . . . ,Bk) como sendo a matriz quadrada de ordem igual à soma das
ordens de B1, . . . ,Bk dada por
0
BBB@
B1 0 · · · 0
0 B2 · · · 0
...
...
. . .
...
0 0 · · · Bk
1
CCCA
,
por exemplo, se
B1 =
0
@
1
A,B2 =
2 1 0
0 2 1
0 0 2
0
3 4 1 0
−4 3 0 1
0 0 3 4
0 0 −4 3
BB@
1
CCA

127
então
diag (B1,B2) =
0
BBBBBBBB@
1
2 1 0 0 0 0 0
0 2 1 0 0 0 0
0 0 2 0 0 0 0
0 0 0 3 4 1 0
0 0 0 −4 3 0 1
0 0 0 0 0 3 4
0 0 0 0 0 −4 3
CCCCCCCCA
.
Teorema 11.1 (Forma Canônica de Jordan) Sejam U um espaço vetorial de dimen-s
ão finita e T 2 L(U). Se
pT (¸) = (¸1 − ¸)m1 · · · (¸n − ¸)mn((¸ − ®1)2 + ¯2
1 )p1 · · · ((¸ − ®k)2 + ¯2
k)pk
onde ¸r6= ¸s, (®r, ¯r)6= (®s, ¯s) se r6= s, e ¯r > 0, então existe uma base de U com
relaç ão a qual a matriz de T é da forma
J = diag (J1, . . . , Jp,R1, . . . ,Rq), (11.2)
onde J1, . . . , Jp são da forma J(¸; r) para algum r 2 N e ¸ 2 {¸1, . . . , ¸n} e
R1, . . . ,Rq são da forma R(®, ¯; s) para algum s 2 N e (®, ¯) 2 {(®1, ¯1), . . . ,
(®k, ¯k)}.
Observaç ão 11.3 A matriz 11.2 é única a menos de permutaç ões dos seus blocos que
compõem a sua diagonal.
Observaç ão 11.4 Se ¸ é um autovalor de T então a soma das ordens dos blocos J(¸; s)
é igual à multiplicidade algébrica de ¸.
Observaç ão 11.5 Se ® + i¯ é uma raiz complexa de pT (¸) então a soma das ordens
dos blocos R(®, ¯; s) é igual ao dobro da multiplicidade da raiz ® + i¯.
Observaç ão 11.6 Se ¸ é um autovalor de T com multiplicidade geométrica r então
existem r blocos J(¸; s) associados ao autovalor ¸.
Observaç ão 11.7 Suponha que
pT (¸) = (¸1 − ¸)m1 · · · (¸n − ¸)mn
onde ¸i6= ¸j , se i6= j. Se mj também é multiplicidade geométrica de ¸j então o
teorema de Jordan diz simplesmente que T é diagonalizável.

Observaç ão 11.8 O teorema de Jordan diz que a matriz de um operador T com relaç ão
a uma base arbitrária é semelhante a uma matriz da forma 11.2
Ex. Resolvido 11.9 Encontre as poss´ıveis matrizes na forma canônica de Jordan para
a um operador cujo polinômio caracter´ıstico é dado por pT (¸) = (2 − ¸)3(1 − ¸).
Resoluç ão: Note que T apresenta apenas os autovalores 2 e 1.
Como as multiplicidades algébricas e geométrica do autovalor 1 são iguais a um,
vemos que o único bloco correspondente a este autovalor é J(1; 1) = (1).
Com relaç ão ao autovalor 2, a sua multiplicidade algébrica é três. Se sua multipli-cidade
geométrica for três então existem três blocos associados a este autovalor e todos
eles são iguais a (2). Neste caso, a matriz da forma canônica de Jordan para este operador
é 0
1 0 0 0
0 2 0 0
0 0 2 0
0 0 0 2
BB@
1
CCA
.
Se a multiplicidade geométrica do autovalor 2 for dois, então existem dois blocos
correspondentes a este autovalor que são da forma
J(2; 1) = (2) J(2; 2) =
µ
2 1
0 2
¶
.
Assim, a matriz da forma canônica de Jordan para este operador é
0
1 0 0 0
0 2 1 0
0 0 2 0
0 0 0 2
BB@
1
CCA.
Se a multiplicidade geométrica do autovalor 2 for um, então existe um bloco corres-pondente
a este autovalor que é
J(2; 3) =
0
@
1
A.
2 1 0
0 2 1
0 0 2

129
Assim, a matriz da forma canônica de Jordan para este operador é
0
1 0 0 0
0 2 1 0
0 0 2 1
0 0 0 2
BB@
1
CCA
.
Ex. Resolvido 11.10 Encontre as poss´ıveis matrizes na forma canônica de Jordan para
a um operador cujo polinômio caracter´ıstico é dado por pT (¸) = (1 − ¸)2(4 + ¸2).
Utilizando a notaç ão do teorema 11.1 temos ¸1 = 1, ® = 0 e ¯ = 2. Como 0 + i2 tem
multiplicidade um (como raiz de pT (¸)), existe apenas um bloco da forma
R(0, 2; 2) =
µ
¶
.
0 2
−2 0
Se a multiplicidade geométrica do autovalor 1 for dois então existem apenas dois
blocos associados a este autovalor e são iguais a (1). Neste caso, a matriz da forma
canônica de Jordan para este operador é
0
BB@
1
1 0 0 0
0 1 0 0
0 0 0 2
0 0 −2 0
CCA
.
Se a multiplicidade geométrica do autovalor 1 for um então existe apenas um bloco
de ordem dois associado a este autovalor que é dado por
J(1; 2) =
µ
1 1
0 1
¶
.
Neste caso, a matriz da forma canônica de Jordan para este operador é
0
BB@
1
1 1 0 0
0 1 0 0
0 0 0 2
0 0 −2 0
CCA
.
Ex. Resolvido 11.11 Encontre uma base de R4 com relaç ão a qual a matriz da trans-formac
¸ ão
T(x, y, z, t) = (2x + y + z + t, 2y − z − t, 3z − t, 4t)
está na forma canônica de Jordan.

Resoluç ão: Com relaç ão à base canônica de R4, a matriz de T é dada por
0
BB@
2 1 1 1
0 2 −1 −1
0 0 3 −1
0 0 0 4
1
CCA
.
Ó polinE
omio ˆcaracter´ıstico de T e ´pT (¸) = (3−¸)(4−¸)(2−¸)2. Desta forma vemos
que dimV (3) = dimV (4) = 1. simples ver que
V (3) = [(0, 1,−1, 0)] e V (4) = [(0, 0, 1,−1)].
Vejamos qual a dimensão de dimV (2). Temos que (x, y, z, t) 2 V ((2) se e somente se
0
BB@
0 1 1 1
0 0 −1 −1
0 0 1 −1
0 0 0 2
1
CCA
0
BB@
1
x
y
z
t
CCA
=
0
BB@
1
0
0
0
0
CCA
,
ou seja, (x, y, z, t) = x(1, 0, 0, 0). Assim, dimV (2) = 1 e T não é diagonalizável.
Sendo assim, a matriz de T na forma canônica de Jordan é da forma
0
2 1 0 0
0 2 0 0
0 0 3 0
0 0 0 4
BB@
1
CCA
.
Note que se colocarmos u1 = (1, 0, 0, 0), u3 = (0, 1,−1, 0) e u4 = (0, 0, 1,−1) então
para que u1, u2, u3, u4 seja a base procurada, o vetor u2 deve satisfazer T(u2) = u1 +
2u2, ou seja, (T − 2I)(u2) = u1. Desta forma, colocando u = (a, b, c, d), temos
0
0 1 1 1
0 0 −1 −1
0 0 1 −1
0 0 0 2
BB@
1
CCA 0
a
b
c
d
BB@
1
CCA
=
0
1
0
0
0
BB@
1
CCA
cuja soluç ão geral é da forma (a, 1, 0, 0). Tomamos, por exemplo, u2 = (0, 1, 0, 0) e isto
nos fornece a base procurada.

11.1. EXERCÍCIO 131
11.1 Exerc´ıcio
Ex. 11.12 Se uma matriz 3 × 3 tem os auto-valores 3, 3 e 3, quais são as poss´ıveis
formas canônicas de Jordan dessa matriz?

Cap´ıtulo 12
Espaços Euclidianos
12.1 Produto Interno
Definiç ão 12.1 Seja V um espaço vetorial. Um produto interno sobre V é uma aplica-c
¸ ão que a cada par (u, v) 2 V × V associa um número real denotado por hu, vi satis-fazendo
as seguintes propriedades
(i) hu + v,wi = hu,wi + hv,wi para todo u, v,w 2 V ;
(ii) h®u, vi = ®hu, vi para todo u, v 2 V e ® 2 R;
(iii) hu, vi = hv, ui para todo u, v 2 V ;
(iv) hu, ui > 0 se u6= 0.
O espaço vetorial V munido de um produto interno é chamado de espaço euclidiano.
Algumas propriedades seguem-se imediatamente. Por exemplo, vemos que h0, ui = 0
para todo u 2 V, pois
h0, ui = h0 + 0, ui = h0, ui + h0, ui,
e o resultado segue por cancelamento.
Outra propriedade é que hu, v + ®wi = hu, vi + ®hu,wi, para todo u, v,w 2 V e
® 2 R. Basta combinar as propriedades (i), (ii) e (iii) acima. Desta maneira, vemos que
o produto interno é linear em cada variável.
A seguir apresentamos alguns exemplos de produto interno em vários espaços veto-riais.
A verificaç ão das propriedades (i) a (iv) é deixada como exerc´ıcio.
133

134 CAPÍTULO 12. ESPAÇOS EUCLIDIANOS
Exemplo 12.2 Se x = (x1, . . . , xn), y = (y1, . . . , yn) 2 Rn definimos
hx, yi = x1y1 + · · · + xnyn (12.3)
Ex. Resolvido 12.4 Com relaç ão ao exemplo anterior, calcule o produto interno entre
os vetores (1,−1, 1), (0, 2, 4) 2 R3.
Resoluç ão: Basta notar que
h(1,−1, 1), (0, 2, 4)i = 1 · 0 + (−1) · 2 + 1 · 4 = 2.
¤
Ex. Resolvido 12.5 Com relaç ão ao produto interno dado por 12.3, calcule hu, vi onde
u = (cos µ, sen µ) e v = (cos ®, sen ®).
hu, vi = h(cos µ, sen µ), (cos ®, sen ®)i
= cos µ cos ® + sen µ sen ® = cos(µ − ®).
¤
Há vários outros tipos de produto interno no Rn além do apresentado em 12.3. Ve-jamos
um exemplo no R3 :
Exemplo 12.6 Se (x, y, z), (x0, y0, z0) 2 R3, definimos
h(x, y, z), (x0, y0, z0)i =
xx0
2
+
yy0
3
+
zz0
4
.
É
fácil verificar que a expressão acima define um produto interno em R3.
Ex. Resolvido 12.7 Com relaç ão ao produto interno apresentado no exemplo anterior,
calcule h(1,−1, 1), (0, 2, 4)i.
Resoluç ão:
h(1,−1, 1), (0, 2, 4)i =
1 · 0
2
+ −1 · 2
3
+
1 · 4
4
=
1
3
.
¤

12.1. PRODUTO INTERNO 135
Exemplo 12.8 Se f, g 2 C([a, b];R) definimos
hf, gi =
Z b
a
f(x)g(x) dx, (12.9)
que é um produto interno.
calcule o produto interno entre sen , cos 2 C([0, 2¼];R).
Resoluç ão:
h sen , cos i =
Z 2¼
0
sen x cos x dx =
sen 2x
2
¯¯¯¯
2¼
0
= 0.
¤
Exemplo 12.11 Se A = (aij),B = (bij) 2 Mm×n(R) definimos
hA,Bi =
Xm
i=1
Xn
j=1
aijbij .
calcule o produto interno entre
A =
µ
1 1
0 2
¶
e B =
µ
−2 0
¶
.
1 1
Resoluç ão:
hA,Bi = 1 · (−2) + 1 · 0 + 0 · 1 + 2 · 1 = 0.
¤
Exerc´ıcio 12.13 O traço de uma matriz quadrada A é a soma dos elementos da diago-nal
da matriz e é denotado por trA. Mostre que se A,B 2 Mn(R) então
hA,Bi = tr (BtA)
define um produto interno em Mn(R).

136 CAPITULO ´12. ESPAÇOS EUCLIDIANOS
12.2 Norma
Definiç ao p
˜12.14 Se V e úm espaço euclidiano, definimos para cada u 2 o numero
´||u|| =
hu, ui. Este valor e ćhamado de norma de u.
Observaç ão 12.15 Note que é poss´ıvel extrair a raiz quadrada de hu, ui pois este nú-mero
é não negativo.
Exemplo 12.16 Em Rn, com o produto interno dado por 12.3, a norma de x = (x1, . . . ,
xn) é dada por
||x|| =
q
x21
+ · · · + x2
n.
Note que a norma de x representa o comprimento deste vetor.
Exemplo 12.17 Em C([a, b];R) com o produto interno definido por 12.9, a norma de
f 2 C([a, b];R) é dada por
||f|| =
sZ b
a
[f(x)]2 dx.
Proposiç ão 12.18 Seja V um espaço vetorial com um produto interno. Temos
1. ||®u|| = |®|||u||, 8 u 2 V, 8 ® 2 R;
2. ||u|| ¸ 0 8 u 2 V ;
3. ||u|| = 0 se e somente se u = 0;
4. |hu, vi| · kuk kvk 8 u, v 2 V (desigualdade de Cauchy-Schwarz);
5. ku + vk · kuk + kvk 8 u, v 2 V (desigualdade triangular).
Prova:
1. ||®u|| =
p
h®u, ®ui =
p
®2hu, ui = |®|
p
hu, ui = |®| ||u||.
2. Obvio pois a raiz quadrada e ńao ñegativa.
p
3. Se u = 0 entao ˜kuk =
h0, 0i = 0.
´Reciprocamente, se u6= 0 então hu, ui > 0 e kuk =
p
hu, ui > 0.

12.2. NORMA 137
4. Se v = 0 então |hu, 0i| = 0 = kuk k0||.
Suponha que v6= 0. Para todo ® 2 R, temos ku + ®vk2 ¸ 0. Logo,
0 · hu + ®v, u + ®vi = hu, ui + 2hu, vi® + hv, vi®2
= ||u||2 + 2®hu, vi + ||v||2®2.
Assim, o discriminante ¢ = 4hu, vi2 − 4||u||2||v||2 · 0, ou seja, hu, vi2 ·
||u||2||v||2. Extraindo a raiz quadrada, obtemos |hu, vi| · kuk kvk.
5. A seguir usaremos a desigualdade de Cauchy-Schwarz
||u + v||2 = hu + v, u + vi = ||u||2 + ||v||2 + 2hu, vi
· ||u||2 + ||u||2 + 2||u||||v|| = [||u|| + ||v||]2.
Extraindo a raiz quadrada, segue o resultado desejado.
Observe que a desigualdade de Cauchy-Schwarz aplicada ao produto interno do Rn
dado por 12.3 nos diz que
(x1y1 + · · · + xnyn)2 · (x21
+ · · · + x2
n)(y2
1 + · · · + y2n
).
A mesma desigualdade aplicada ao produto interno em C([a, b, ];R) fornece
µZ b
a
f(x)g(x) dx
¶2
·
Z b
a
[f(x)]2 dx
Z b
a
[g(x)]2 dx.
Proposiç ão 12.19 (Identidade do Paralelogramo) Sejam u e v vetores de um espaço
euclidiano. Então
ku + vk2 + ku − vk2 = 2(kuk2 + kvk2).
Prova:
ku + vk2 + ku − vk2 = hu + v, u + vi + hu − v, u − vi
= hu, ui + hv, vi + 2hu, vi + hu, ui + hv, vi − 2hu, vi
= 2hu, ui + 2hv, vi = 2(kuk2 + kvk2).
A próxima proposiç ão mostra como se pode obter o produto interno entre dois veto-res
a partir das normas de suas soma e diferença.

Proposiç ão 12.20 Sejam u e v vetores de um espaço euclidiano. Então
ku + vk2 − ku − vk2 = 4hu, vi.
Prova:
ku + vk2 − ku − vk2 = hu + v, u + vi − hu − v, u − vi
= hu, ui + hv, vi + 2hu, vi − hu, ui − hv, vi + 2hu, vi
= 4hu, vi.
Ex. Resolvido 12.21 Calcule hu, vi sabendo-se que ku + vk = 1 e ku − vk = 1.
hu, vi =
1
4
(ku + vk2 − ku − vk2) = 0.
¤
12.3 Distância
Definiç ão 12.22 Num espaço euclidiano V definimos a distância entre u, v 2 V como
d(u, v) = ku − vk.
Resulta da proposiç ão acima que a distância satisfaz as seguintes propriedades.
Proposiç ão 12.23 Num espaço euclidiano V temos
1. d(u, v) ¸ 0 para todo u, v 2 V ;
2. d(u, v) = 0 se e somente se u = v;
3. d(u, v) = d(v, u);
4. d(u, v) · d(u,w) + d(w, v) para todo u, v,w 2 V.
Ex. Resolvido 12.24 Com relaç ão ao produto interno 12.3 calcule a distância entre os
pontos u = (1, 1, 3, 2) e v = (2, 2, 1, 0) de R4.

12.4. ÂNGULO 139
d(u, v) =
p
(1 − 2)2 + (1 − 2)2 + (3 − 1)2 + (2 − 0)2 = p10
¤
Ex. Resolvido 12.25 Com relaç ão ao produto interno 12.9 calcule a distância entre as
funç ões sen e cos de C([0, 2¼];R)
d( sen , cos)2 =
Z 2¼
0
[ sen x − cos x]2 dx
=
Z 2¼
0
[ sen 2x + cos2 x − 2 sen x cos x] dx =
Z 2¼
0
[1 − 2 sen x cos x] dx =
¯ ¯2¼
= x − sen 2x
0 = 2¼.
Portanto, d( sen , cos) = p2¼. ¤
12.4 Â
ngulo
Sejam V um espaço euclidiano e u, v 2 V ambos não nulos. Pela desigualdade de
Cauchy-Schwarz (veja proposiç ão 12.18) temos
−kuk kvk · hu, vi · kuk kvk
ou ainda,
−1 · hu, vi
kuk kvk · 1.
Desta forma, existe um único número real µ 2 [0, ¼] tal que
cos µ = hu, vi
kuk kvk
.
Este número µ é chamado de ângulo entre os vetores u e v.
Ex. Resolvido 12.26 Calcule o ângulo entre as funç ões seno e co-seno definidas em
[0, 2¼] com o produto interno dado por 12.9.

Resoluç ão:
h sen , cos i =
Z 2¼
0
sen x cos x dx =
1
2
¯¯¯¯
sen 2x
2¼
0
= 0.
Desta forma, o ângulo entre seno e co-seno é ¼
2 . ¤
Ex. Resolvido 12.27 Sabe-se que kuk = kvk = 1 e ku − vk = 2. Calcule o ângulo
entre u e v.
Resoluç ão: Como ku − vk = 2 então
4 = ku − vk2 = hu − v, u − vi
= kuk + kvk − 2hu, vi = 2 − 2hu, vi.
Assim, hu, vi = −1 e
cos µ = hu, vi
kuk kvk
= −1,
ou seja, µ = ¼.
12.5 Ortogonalidade
Definiç ão 12.28 Seja V um espaço euclidiano. Dizemos que u, v 2 V são ortogonais
se hu, vi = 0 e, neste caso, denotaremos u?v.
Diremos que um conjunto S = {u1, . . . , un} ½ V é ortogonal se ui?uj quando
i6= j.
Diremos que um conjunto ortogonal S = {u1, . . . , un} ½ V é ortonormal se
kujk = 1, j = 1, . . . , n.
Diremos que u 2 V é ortogonal a um subconjunto não vazio S de V se u for
ortogonal a todos os elementos de S. Neste caso usaremos a definiç ão u?S.
Exemplo 12.29 S = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} ½ R3 é um conjunto ortonormal com
relaç ão ao produto interno dado por 12.3.
Observaç ão 12.30 Se u = 0 ou v = 0 então u?v. Se u6= 0 e v6= 0 então u?v se e
somente se o ângulo entre u e v é ¼/2.

12.5. ORTOGONALIDADE 141
Observaç ão 12.31 Se S = {u1, . . . , un} ½ V é um conjunto ortogonal com uj6= 0,
j = 1, . . . , n então ½
u1
ku1k
, . . . ,
un
kunk
¾
é um conjunto ortonormal.
Proposiç ão 12.32 Sejam V um espaço euclidiano e S = {u1, . . . , un} ½ V um con-junto
ortonormal. Então u1, . . . , un são linearmente independentes.
Prova: Se
®1u1 + · · · + ®nun = 0 (12.33)
então, tomando o produto interno do vetor acima com u1 e lembrando que hu1, u1i =
ku1k2 = 1 e huj , u1i = 0, se j = 2, . . . , n, obtemos
®1 = ®1hu1, u1i + · · · + ®nhun, u1i = h0, u1i = 0,
isto é, ®1 = 0, e 12.33 fica
®2u2 + · · · + ®nun = 0.
Tomando o produto interno do vetor acima com u2, obtemos, como acima, que ®2 = 0.
Repetindo o processo chegamos à conclusão que a única possibilidade para 12.33 é
®1 = · · · = ®n = 0.
Observaç ão 12.34 A proposiç ão acima continua válida se S for apenas um conjunto
ortogonal com elementos não nulos.
Definiç ão 12.35 Se V é um espaço euclidiano de dimensão n e se u1, . . . , un formam
um conjunto ortonormal, então diremos que u1, . . . , un formam uma base ortonormal
de V.
Proposiç ão 12.36 Sejam V um espaço euclidiano que possui uma base ortonormal
dada por u1, . . . , un. Então, se u 2 V temos
u = hu, u1iu1 + · · · + hu, uniun.

Prova: Como u1, . . . , un formam uma base de V, existem ®1, . . . , ®n 2 R tais que
u = ®1u1 + · · · + ®nun.
Tomando o produto interno de u com u1, temos
hu, u1i = ®1hu1, u1i + · · · + ®nhun, u1i = ®1,
pois a base é ortonormal. O resultado segue tomando o produto interno de u por u2, u3,
etc.
Ex. Resolvido 12.37 Encontre as coordenadas de (1, 1) 2 R2 com relaç ão à base for-mada
por (
p2
2 ,
p2
2 ) e (
p2
2 ,−
p2
2 ).
Resoluç ão: Como a base em questão é ortonormal, pela proposiç ão anterior, temos que
(1, 1) = h(1, 1), (
p2
2
,
p2
2
)i(
p2
2
,
p2
2
) + h(1, 1), (
p2
2
,−
p2
2
)i(
p2
2
,−
p2
2
)
= p2(
p2
2
,
p2
2
) + 0(
p2
2
,−
p2
2
).
Desta forma as coordenadas de (1, 1) com relaç ão à base acima são
µp2
0
¶
.
¤
Proposiç ão 12.38 Sejam V um espaço euclidiano e U = [u1, . . . , un] o subespaço ge-rado
por um conjunto ortonormal S = {u1, . . . , un}. Então, para qualquer u 2 V o
vetor dado por
v = u − hu, u1iu1 − · · · − hu, uniun
é ortogonal a todo w 2 U, isto é, v?U.
Além do mais, v = 0 se e somente se u = hu, u1iu1 + · · · + hu, uniun, isto é, se e
somente se u 2 [u1, . . . , un].

12.5. ORTOGONALIDADE 143
Prova: Seja w 2 U. Podemos escrever w =
Pn
j=1 ®juj . Precisamos mostrar que
hw, vi = 0, isto é, h
Pn
j=1 ®juj , vi =
Pn
j=1 ®jhuj , vi = 0. Portanto, basta verificar
que huj , vi = 0 para cada j = 1, . . . , n. Como u1, . . . , un formam um conjunto orto-normal,
temos
huj , vi = huj , u − hu, u1iu1 − · · · − hu, uniuni
= huj , ui − hu, u1ihuj , u1i − · · · − hu, unihuj , uni
= huj , ui − hu, ujihuj , uji = huj , ui − hu, uji = 0
Proposiç ão 12.39 Sejam V um espaço vetorial e U um subespaço de V. Se u 2 U e
u?U então u = 0.
Prova: Como u 2 U e u é ortogonal a todo vetor de U, devemos ter ||u||2 = hu, ui = 0,
ou seja, u = 0.
Proposiç ão 12.40 Sejam S = {u1, . . . , un} e R = {v1, . . . , vn} conjuntos ortonormais
de um espaço euclidiano V tais que [S] = [R]. Então, para u 2 V, temos
hu, u1iu1 + · · · + hu, uniun = hu, v1iv1 + · · · + hu, vnivn.
Prova: Seja u 2 V. Coloque U = [R] = [S],
u1 = u − (hu, u1iu1 + · · · + hu, uniun)
e
u2 = u − (hu, v1iv1 + · · · + hu, vnivn) .
Pela proposiç ão 12.38, u1, u2?U. Logo, para todo w 2 U, temos hu1 − u2,wi =
hu1,wi − hu2,wi = 0, isto é, (u1 − u2)?U.
Note também que
u1 − u2 = hu, v1iv1 + · · · + hu, vnivn − (hu, u1iu1 + · · · + hu, uniun) 2 U.
Segue da proposiç ão 12.39 que u1 − u2 = 0, isto é,
hu, u1iu1 + · · · + hu, uniun = hu, v1iv1 + · · · + hu, vnivn.

Definiç ão 12.41 Sejam S = {u1, . . . , un} ½ V um conjunto ortonormal de um espaço
euclidiano V e U = [u1, . . . , un]. Se u 2 V, o vetor
hu, u1iu1 + · · · + hu, uniun
é chamado de projeç ão ortogonal de u sobre o subespaço U.
Observaç ão 12.42 Se v 2 V é um vetor não nulo então S = { v
kvk} é um conjunto
ortonormal. Assim, se u 2 V, a projeç ão ortogonal de u sobre [S] nada mais é do que o
vetor
w = hu,
v
kvki
v
kvk
= hu, vi
kvk2 v.
Neste caso, w é chamado de projeç ão ortogonal de u sobre v.
Ex. Resolvido 12.43 Com relaç ão ao produto interno usual de R3, verifique que os
vetores u1 = ( 1 p3
,− 1 p3
, 1 p3
) e u2 = ( 1 p2
, 1 p2
, 0) formam um conjunto ortonormal e
encontre a projeç ão ortogonal de u = (2, 3, 1) sobre o subespaço gerado por u1 e u2.
Resoluç ão: Claramente,
ku1k2 =
1
3
+
1
3
+
1
3
= 1
e
ku2k2 =
1
2
+
1
2
= 1.
Também,
hu1, u2i =
1
p3
1
p2 −
1
p3
1
p2
+
1
p3
0 = 0.
Assim, a projeç ão ortogonal de u = (2, 3, 1) sobre [u1, u2] é
w = hu, u1iu1 + hu, u2iu2
= h(2, 3, 1), (
1
p3
,−
1
p3
,
1
p3
)i(
1
p3
,−
1
p3
,
1
p3
)
+ h(2, 3, 1), (
1
p2
,
1
p2
, 0)i(
1
p2
,
1
p2
, 0) = (
5
2
,
5
2
, 0).
¤

12.6. PROCESSO DE ORTONORMALIZAÇ ÃO DE GRAM-SCHMIDT 145
Ex. Resolvido 12.44 ConsidereP3(R) com o produto interno dado por
hp, qi =
Z 1
0
p(x)q(x) dx.
Encontre a projeç ão de p(x) = 1 + x + x2 + x3 sobre [q(x)] = [x3 − x].
kqk2 =
Z 1
0
(x3 − x)2 dx =
Z 1
0
(x6 + x2 − 2x4) dx =
x7
7
+
x3
3 −
2x5
5
¯¯¯¯
1
0
=
1
7
+
1
3 −
2
5
=
8
105
;
hp, qi = h1 + x + x2 + x3, x3 − xi =
Z 1
0
(1 + x + x2 + x3)(x3 − x) dx
=
Z 1
0
(−x − x2 + x5 + x6) dx = −11/21.
Assim a projeç ão ortogonal de p(x) sobre q(x) é
r(x) = −
11
21 ·
105
8
(x3 − x) = −
55
8
(x3 − x).
¤
12.6 Processo de Ortonormalizaç ão de Gram-Schmidt
A demonstraç ão do próximo teorema fornece um método para se conseguir uma base
ortonormal de um espaço euclidiano a partir de uma base dada.
Teorema 12.45 Todo espaço euclidiano de dimensão finita possui uma base ortonor-mal.
Prova: A prova é por induç ão sobre a dimensão do espaço.
Seja V um espaço euclidiano de dimensão finita. Se dimV = 1 então existe v1 2 V,
tal que V = [v1]. Como v16= 0, tomamos
u1 =
v1
kv1k

e, dessa forma, {u1} é um conjunto ortonormal e V = [u1], ou seja, u1 forma uma base
ortonormal de V.
Se dimV = 2 então existem v1, v2 2 V tais que V = [v1, v2]. Coloque
u1 =
v1
kv1k
.
Nosso trabalho se resume em encontrar um vetor ortogonal a u1 e que tenha norma 1.
Primeiramente vamos encontrar um vetor ortogonal a u1. Ora, pela proposiç ão 12.38,
basta tomarmos u02 = v2 − hv2, u1iu1. Note que u026= 0, pois v1 e v2 são linearmente
independentes. Resta agora normalizar u02, isto é, definimos
u2 =
u02
ku02k
e então
u1 =
v1
kv1k
e u2 =
v2 − hv2, u1iu1
kv2 − hv2, u1iu1k
formam uma base ortonormal de V.
Dado n 2 N, suponha que tenhamos provado o teorema para todos os espaços eucli-dianos
de dimensão n − 1. Queremos provar que o mesmo é verdade para todo espaço
euclidiano de dimensão n.
Se dimV = n ¸ 2 então existem v1, . . . , vn que formam uma base de V. Note que
U = [v1, . . . , vn−1] é um subespaço de V de dimensão n − 1. Desse modo, usando a
nossa hipótese de induç ão, é poss´ıvel tomar uma base ortonormal de U. Chamemos estes
vetores da base ortonormal de U por u1, . . . , un−1. Como vn62 U então, pela proposiç ão
12.38, o vetor
u0n = vn − hvn, u1iu1 − · · · − hvn, un−1iun−1
é não nulo e ortogonal a todos os elementos de U (portanto, ortogonal a u1, · · · , un−1).
Para finalizar, tomamos como base de V os vetores
u1, · · · , un−1, un
onde
un =
u0n
ku0nk
=
vn − hvn, u1iu1 − · · · − hvn, un−1iun−1
kvn − hvn, u1iu1 − · · · − hvn, un−1iun−1k
.

12.6. PROCESSO DE ORTONORMALIZAÇ ÃO DE GRAM-SCHMIDT 147
Observaç ão 12.46 No caso de um espaço euclidiano tridimensional, se v1, v2, v3 for-mam
uma base, então uma base ortonormal para este espaço pode ser dada por
u1 =
v1
kv1k
, u2 =
v2 − hv2, u1iu1
kv2 − hv2, u1iu1k
e u3 =
v3 − hv3, u1iu1 − hv3, u2iu2
kv3 − hv3, u1iu1 − hv3, u2iu2k
.
Ex. Resolvido 12.47 Encontre uma base ortonormal de P2(R) munido do produto in-terno
hp, qi =
R 1
0 p(x)q(x) dx.
Resoluç ão: Usaremos o processo de Gram-Schmidt para construir uma base ortonormal
a partir da base formada pelos polinômios 1, x e x2. Temos
k1k2 =
Z 1
0
12 dx = 1
e colocamos p1(x) = 1. Seguindo o processo, definimos
p2(x) =
x − hx, 1i1
kx − hx, 1i1k
,
onde
hx, 1i =
Z 1
0
x dx =
1
2
e kx − hx, 1i1k2 =
Z 1
0
(x −
1
2
)2 dx =
1
12
.
2 ) = p3(2x − 1). Por fim, colocamos
Assim, p2(x) = p12(x − 1
p3(x) =
x2 − hx2, 1i1 − hx2,p3(2x − 1)ip3(2x − 1)
kx2 − hx2, 1i1 − hx2,p3(2x − 1)ip3(2x − 1)k
,
onde
hx2, 1i =
Z 1
0
x2 dx =
1
3
, hx2,p3(2x − 1)i = p3
Z 1
0
x2(2x − 1) dx =
p3
6
e
kx2 − hx2, 1i1 − hx2,p3(2x − 1)i
p3(2x − 1)k2 = kx2 − x +
1
6k2 =
=
Z 1
0
(x2 − x +
1
6
)2 dx =
1
180
.

Assim,
p3(x) = p180(x2 − x +
1
6
) = p5(6x2 − 6x + 1).
Desta forma, uma base ortonormal paraP2(R) é dada por
p1(x) = 1, p2(x) = p3(2x − 1) e p3(x) = p5(6x2 − 6x + 1).
¤
Ex. Resolvido 12.48 Encontre uma base ortonormal para W = {(x, y, z) 2 R3; x −
2y = 0}.
Resoluç ão: Note que (x, y, z) 2 W se e somente se
(x, y, z) = (2y, y, z) = y(2, 1, 0) + z(0, 0, 1).
Desta forma (2, 1, 0) e (0, 0, 1) formam uma base de W.
Tomaremos como u1 = (0, 0, 1), pois este vetor é unitário (tem norma 1). Pelo
processo de Gram-Schmidt, u2 é a projeç ão ortogonal unitária de (2, 1, 0) sobre u1, isto
é
u2 =
(2, 1, 0) − h(2, 1, 0), (0, 0, 1)i(0, 0, 1)
k(2, 1, 0) − h(2, 1, 0), (0, 0, 1)i(0, 0, 1)k
=
(2, 1, 0)
k(2, 1, 0)k
= (
2
p5
,
1
p5
, 0).
¤
Ex. Resolvido 12.49 Encontre uma base ortonormal para W = {(x, y, z, t) 2 R4; x+
y + z + t = 0}.
Resoluç ão: Temos que (x, y, z, t) 2 W se somente se
(x, y, z, t) = (−y − z − t, y, z, t)
= y(−1, 1, 0, 0) + z(−1, 0, 1, 0) + t(−1, 0, 0, 1).
Como (−1, 1, 0, 0), (−1, 0, 1, 0) e (−1, 0, 0, 1) são linearmente independentes, segue-se
que formam uma base para W. Coloquemos
u1 =
(−1, 1, 0, 0)
k(−1, 1, 0, 0)k
= (−
1
p2
,
1
p2
, 0, 0).

12.7. COMPLEMENTO ORTOGONAL 149
u2 =
(−1, 0, 1, 0) − h(−1, 0, 1, 0), (− 1 p2
, 1 p2
, 0, 0)i(− 1 p2
, 1 p2
, 0, 0)
k(−1, 0, 1, 0) − h(−1, 0, 1, 0), (− 1 p2
, 1 p2
, 0, 0)i(− 1 p2
, 1 p2
, 0, 0)k
=
2 ,−1
(−1
2 , 1, 0)
k(−1
2 ,−1
2 , 1, 0)k
=
1
p6
(−1,−1, 2, 0).
u3 =
(−1, 0, 0, 1) − h(−1, 0, 0, 1), u1iu1 − h(−1, 0, 0, 1), u2iu2
k(−1, 0, 0, 1) − h(−1, 0, 0, 1), u1iu1 − h(−1, 0, 0, 1), u2iu2k
onde
h(−1, 0, 0, 1), u1i = h(−1, 0, 0, 1), (−
1
p2
,
1
p2
, 0, 0)i =
1
p2
h(−1, 0, 0, 1), u2i = h(−1, 0, 0, 1),
1
p6
(−1,−1, 2, 0)i =
1
p6
.
Assim,
(−1, 0, 0, 1) − h(−1, 0, 0, 1), u1iu1 − h(−1, 0, 0, 1), u2iu2
= (−1, 0, 0, 1) −
1
p2
(−
1
p2
,
1
p2
, 0, 0) −
1
p6
1
p6
(−1,−1, 2, 0)
= (−1, 0, 0, 1) + (
1
2
,−
1
2
, 0, 0) + (
1
6
,
1
6
,−
1
3
, 0) = (−
1
3
,−
1
3
,−
1
3
, 1).
Desta forma,
u3 =
3 ,−1
(−1
3 ,−1
3 , 1)
k(−1
3 ,−1
3 ,−1
3 , 1)k
=
1
2
p3(−
1
3
,−
1
3
,−
1
3
, 1)
¤
12.7 Complemento Ortogonal
Definiç ão 12.50 Sejam V um espaço euclidiano e U um subespaço vetorial de V. O
complemento ortogonal de U é o conjunto
U? = {v 2 V ; hu, vi = 0, 8 u 2 U}.
Proposiç ão 12.51 U? é um subespaço vetorial de V.

Prova: Temos 0 2 U? pois h0, ui = 0 para todo u 2 U. Se v,w 2 U? e ® 2 R, então
para todo u 2 U, temos
hv + ®w, ui = hv, ui + ®hw, ui = 0.
Portanto, v + ®w 2 U?.
Observaç ão 12.52 Se V tem dimensão finita então u 2 U? se e somente se u é ortogo-nal
a todos os vetores de uma base qualquer de U.
Ex. Resolvido 12.53 Encontre U? se U = {(x, y, z) 2 R3; x − y − z = 0}.
Resoluç ão: Temos (x, y, z) 2 U se somente se (x, y, z) = (y + z, y, z) = y(1, 1, 0) +
z(1, 0, 1). Vemos que (1, 1, 0) e (1, 0, 1) formam uma base para U.
Assim, (x, y, z) 2 U? se somente se
h(x, y, z), (1, 1, 0)i = 0 e h(x, y, z), (1, 0, 1)i = 0,
ou seja, (
x + y = 0
x + z = 0 () (x, y, z) = x(1,−1,−1).
Assim,
U? = [(1,−1,−1)].
¤
Teorema 12.54 Sejam V um espaço euclidiano de dimensão finita e U um subespaço
vetorial de V. Então V = U © U?.
Prova: Dado v 2 V, seja w a projeç ão ortogonal de v sobre U. Temos v = w+(v−w) e
pela proposiç ão 12.38, w 2 U e para todo u 2 U, hv −w, ui = 0, ou seja, v 2 U +U?.
Agora, se u 2 U U? então hu, ui = 0 e, portanto, u = 0.
12.8 Isometria
Definiç ão 12.55 Sejam U e V espaços euclidianos. Dizemos que T 2 L(U, V ) é uma
isometria se hT(u1), T(u2)i = hu1, u2i para todo u1, u2 2 U.

12.8. ISOMETRIA 151
Observaç ão 12.56 Note que os produtos internos acima, embora representados pelo
mesmo s´ımbolo, são produtos internos de V e de U, respectivamente.
Exemplo 12.57 (rotaç ão) T : R2 ! R2 dada por
T(x, y) = (x cos µ − y sen µ, x sen µ + y cos µ)
é uma isometria, onde µ 2 R.
De fato,
hT(x1, y1), T(x2, y2)i
= h(x1 cos µ − y1 sen µ, x1 sen µ + y1 cos µ), (x2 cos µ − y2 sen µ, x2 sen µ + y2 cos µ)i
= x1x2(cos2 µ + sen 2µ) − y1x2(−cos µ sen µ + cos µ sen µ)
− x1y2(cos µ sen µ − cos µ sen µ) + y1y2(cos2 µ + sen 2µ)
= x1x2 + y1y2 = h(x1, y1), (x2, y2)i.
Teorema 12.58 Sejam U, V espaços euclidianos e T 2 L(U, V ). São equivalentes:
1. T é uma isometria;
2. kT(u)k = kuk para todo u 2 U;
3. kT(u) − T(v)k = ku − vk para todo u, v 2 U;
4. Se {u1, . . . , un} é um conjunto ortonormal de U então {T(u1), . . . , T(un)} é um
conjunto ortonormal de V.
Prova: (1 =) 2) Como T é uma isometria temos que hT(u), T(v)i = hu, vi para todo
u, v 2 U. Em particular, tomando u = v, obtemos
kT(u)k2 = hT(u), T(u)i = hu, ui = kuk2,
ou seja, kT(u)k = kuk.
(2 =) 3) Para todo u, v 2 U, temos
kT(u) − T(v)k = kT(u − v)k = ku − vk.

(3 =) 1) Note que
kT(u) + T(v)k = kT(u) − T(−v)k = ku − (−v)k = ku + vk.
Pela proposiç ão 12.20, temos
hT(u), T(v)i =
1
4
(kT(u) + T(v)k2 − kT(u) − T(v)k2)
=
1
4
(ku + vk2 − ku − vk2) = hu, vi.
(1 =) 4) Se {u1, . . . , un} é um conjunto ortonormal de U então, como T é uma
isometria, temos
hT(ui), T(uj)i = hui, uji =
(
1, se i = j
0, se i6= j,
ou seja, {T(u1), . . . , T(un)} é um conjunto ortonormal.
(4 =) 1) Seja u1, . . . , un uma base ortonormal de U. Por hipótese, T(u1), . . . ,
T(un) formam um conjunto ortonormal. Dados u, v 2 U, escrevemos
u = ®1u1 + · · · + ®nun
e
v = ¯1u1 + · · · + ¯nun
e obtemos
hT(u), T(v)i = h
Xn
i=1
®iT(ui),
Xn
j=1
¯jT(uj)i =
Xn
i=1
Xn
j=1
®i¯jhT(ui), T(uj)i
=
Xn
i=1
®i¯i.
Por outro lado,
hu, vi = h
Xn
i=1
®iui,
Xn
j=1
¯juji =
Xn
i=1
Xn
j=1
®i¯jhui, uji
=
Xn
i=1
®i¯i.
Comparando as expressões acima, conclu´ımos que T é uma isometria.

12.9. OPERADOR AUTO-ADJUNTO 153
Corolário 12.59 Se T 2 L(U, V ) é uma isometria então T é injetora.
Prova: Basta ver que se T(u) = 0 então kuk = kT(u)k = 0, portanto, u = 0.
Corolário 12.60 Se T 2 L(U, V ) é uma isometria e dimU = dimV então T é um
isomorfismo.
Prova: Como U e V têm a mesma dimensão e T é injetora, segue-se que T é uma
bijeç ão, isto é, um isomorfismo.
Ex. Resolvido 12.61 Seja T 2 R2 tal que a matriz de T som relaç ão a uma base orto-normal
de R2 é dada por µ
¶
.
1 2
−2 1
T é uma isometria?
Resoluç ão: Vejamos, se u, v é uma base ortonormal de R2 e
µ
a b
c d
¶
é a matriz de uma isometria S com relaç ão a esta base então pelo teorema anterior
kS(u)k = kS(v)k = 1. Além do mais, hS(u), S(v)i = 0. Como S(u) = au + cv e
S(v) = bu + dv, ter´ıamos 8><
a2 + c2 = 1
b2 + d2 = 1
ab + cd = 0
>:
.
Deste modo, T não pode se uma isometria pois, por exemplo, 12 + 22 = 56= 1. ¤
12.9 Operador Auto-adjunto
Definiç ão 12.62 Sejam U um espaço euclidiano e T 2 L(U). Dizemos que T é um
operador auto-adjunto se hT(u), vi = hu, T(v)i para todo u, v 2 U.
Ex. Resolvido 12.63 Seja T 2 L(R2) dado por T(x, y) = (ax+by, bx+cy). Verifique
que T é um operador auto-adjunto.

hT(x, y), (z, t)i = h(ax + by, bx + cy), (z, t)i = axz + byz + bxt + cyt.
Por outro lado,
h(x, y), T(z, t)i = h(x, y), (az + bt, bz + ct)i = axz + bxt + byz + cyt.
Comparando as expressões vemos que
hT(x, y), (z, t)i = h(x, y), T(z, t)i.
¤
Note que a matriz do operador do exemplo anterior com relaç ão à base canônica
é uma matriz simétrica. Isto, como diz o próximo teorema, não é uma simples coin-cid
ência.
Teorema 12.64 Seja U um espaço euclidiano de dimensão finita. Então, um operador
T 2 L(U) é auto-adjunto se e somente se a matriz de T com relaç ão a uma base
ortonormal de U for simétrica.
Prova: Suponha que T seja auto-adjunto e seja A = (aij) a matriz de T com relaç ão a
alguma base ortonormal de U. Queremos mostrar que aij = aji. Se u1, . . . , un são os
vetores de uma tal base, temos
T(uk) = a1ku1 + · · · + ankun, (12.65)
para todo k = 1, . . . , n. Se i, j 2 {1, . . . , n} então tomando o produto interno de 12.65
com k = i com o vetor uj , obtemos
hT(ui), uji = a1ihu1, uji + · · · + anihun, uji = aji. (12.66)
Por outro lado, tomando o produto interno de ui com T(uj) temos
hui, T(uj)i = a1jhui, u1i + · · · + anjhui, uni = aij .
Como T é auto-adjunto, segue-se que aij = aji.
Reciprocamente, suponha que a matriz (aij) de T com relaç ão a uma base ortonor-mal,
u1, . . . , un seja simétrica. Devemos mostrar que hT(u), vi = hu, T(v)i. Note que
se
u = ®1u1 + · · · + ®nun

12.9. OPERADOR AUTO-ADJUNTO 155
e
v = ¯1u1 + · · · + ¯nun,
então, como o produto interno é linear em cada variável e a base acima é ortonormal,
temos
hT(u), vi = h
Xn
i=1
®iT(ui),
Xn
j=1
¯juji =
Xn
i=1
Xn
j=1
®i¯jhT(ui), uji
e, analogamente,
hu, T(v)i =
Xn
j=1
®i¯jhui, T(uj)i.
Desta forma, basta mostrar que hT(ui), uji = hui, T(uj)i. Como (aij) é a matriz de T
com relaç ão a esta base, temos por 12.65 que aij = hui, T(uj)i e aji = hT(ui), uji e
como a matriz é simétrica obtemos que
hT(ui), uji = hui, T(uj)i,
como quer´ıamos.
Teorema 12.67 Se T 2 L(U) é um operador auto-adjunto e se ¸ e μ são autovalores
distintos de T então os autovetores correspondentes são ortogonais.
Prova: Sejam u e v autovetores correspondentes a ¸ e μ respectivamente. Temos
(¸ − μ)hu, vi = h¸u, vi − hu, μvi = hT(u), vi − hu, T(v)i = 0
pois T é auto-adjunto. Como ¸6= μ, segue-se que hu, vi = 0.
Finalizamos este cap´ıtulo com o seguinte resultado que provaremos apenas no caso
bidimensional. O caso unidimensional é trivial. Para a prova no caso geral, indicamos a
leitura do livro Á
lgebra Linear, de Elon L. Lima, Coleç ão Matemática Universitária [L].
Teorema 12.68 Sejam U um espaço euclidiano de dimensão finita e T 2 L(U) um
operador auto-adjunto. Então existe uma base ortonormal de U formada por autoveto-res
de T. Note que todo operador auto-adjunto é diagonalizável.
Prova do caso bidimensional: Seja u, v uma base ortonormal de U. Sabemos pelo
teorema 12.64 que a matriz de T é simétrica, ou seja, da forma
A =
µ
a b
b c
¶
.

Desta forma, o polinômio caracter´ıstico de T é da forma
pT (¸) = ¸2 − (a + c)¸ + ac − b2.
Como
(a + c)2 − 4(ac − b2) = a2 + c2 − 2ac + 4b2 = (a − c)2 + 4b2 ¸ 0
vemos que pT (¸) só apresenta ra´ızes reais. Se a = c e b = 0 então A = aI e a própria
base u, v serve para provar o teorema.
Agora, se a6= c ou b6= 0 então pT (¸) possui duas ra´ızes reais distintas, isto é, T
apresenta dois autovalores distintos. Pelo teorema 12.67 os autovetores correspondentes
são ortogonais. Basta tomar como base dois autovetores unitários correspondentes a
cada um dos autovalores.
12.10 Exerc´ıcios
Ex. 12.69 Verifique em cada um dos itens abaixo se a funç ão h , i é um produto interno
no espaço vetorial V.
1. V = R2, u = (x1, y1), w = (x2, y2) e hu,wi = 2x1x2 + 4y1y2.
2. V = P3(R), p(t) = a0 + a1t + a2t2 + a3t3, q(t) = b0 + b1t + b2t2 + b3t3 e
hp, qi = a0b0 + a1b1 + a2b2 + a3b3.
3. V = M2(R), A,B 2 M2(R) e hA,Bi = tr(AtB), onde tr(A) é o traço de A.
4. V = R3, u = (x1, y1, z1), w = (x2, y2, z2) e hu,wi = x1x2 + y1y2.
5. V = R4, u = (x1, y1, z1, t1), w = (x2, y2, z2, t2) e hu,wi = x1x2 + y1y2 +
z1z2 − t1t2.
Ex. 12.70 Para cada um dos itens abaixo determinar;
a) hu, vi b) kuk, kvk c) o ângulo entre u e v.
1. V = R2, com o produto interno usual, u = (1, 2, 1), w = (3, 4, 2).
2. V = P2(R), com produto interno hp, qi =
R 1
0 p(t)q(t) dt, u = p(t) = 1+t+4t2,
v = q(t) = 2 + 5t2.

3. V = M2(R), com produto interno hA,Bi = tr(AtB) , A =
µ
1 2
4 12
¶
, B =
µ
8 −1
4 3
¶
.
Ex. 12.71 Em cada um dos itens abaixo determinar d(u, v).
1. V = R4, com o produto interno usual, u = (1, 1, 1, 1), v = (0, 0, 1, 1).
R 1
0 p(t)q(t) dt , u = 1+t, v = 3
4 t+3t2,
t 2 R.
3. V = M3(R), com produto interno hA,Bi = tr(AtB) ,
u =
0
@
1 2 3
4 5 6
1 1 1
1
A e v =
0
@
1 2 1
0 0 1
2 2 2
1
A.
Ex. 12.72 Verifique se o subconjunto S do espaço com produto interno V é ortogonal.
1. V = R3, com o produto interno usual , S = {(0, 1, 1), (1, 1, 0)} .
R 2. V = P2(R), com produto interno hp, qi =
1
p(t)q(t) dt , S =
0 ©
t, t2
ª
.
S =
½µ
1 0
0 0
¶
,
µ
0 1
0 1
¶
,
µ
0 0
1 0
¶¾
.
Ex. 12.73 Com relaç ão ao exerc´ıcio anterior, quais conjuntos são ortonormais?
Ex. 12.74 Determinar uma base ortonormal para cada um dos subespaços vetoriaisW
do espaço com produto interno V abaixo, utilizando o processo de Gram-Schmidt.
1. V = R4, com o produto interno usual ,
W = [(1, 1, 0, 0), (0, 1, 2, 0), (0, 0, 3, 4)].
R 1
0 p(t)q(t) dt , W = [1, 1 + t, t2].

W =
·µ
1 0
0 0
¶
,
µ
0 1
0 1
¶
,
µ
0 0
1 1
¶¸
.
Ex. 12.75 Determine m 2 R de modo que T : R3 ! R3 dada por
T(x, y, z) = (
1
p3
x +
1
p3
y + mz,−
1
p6
x +
2
p6
y −
1
p6
z,−
1
p2
x +
1
p2
z)
seja uma isometria.
Ex. 12.76 Determinar uma isometria emP2(R) cuja matriz em relaç ão a base canôni-ca
é
0
@
1 p2
1 p2
0
0 0 1
x y z
1
A (onde x, y, z 2 R devem ser determinados).
Ex. 12.77 Verifique se T : M2(R) ! M2(R) dada por T(A) = At, A 2 M2(R), é uma
isometria.

Referências Bibliográficas
[CDC] Callioli, C. A., Domingues, H. H., Costa, R. C. F., Á
lgebra Linear e
Aplicaç ões, 2a ediç ão, Atual Editora Ltda, 1978.
[L] Lima, E. L., Á
lgebra Linear, Coleç ão Matemática Universitária, IMPA,
CNPq, Rio de Janeiro, 1995.
12.9
159

Índice Remissivo
ângulo, 139
automorfismo, 85
autovalor, 105
autovetor, 105
base, 37
dual, 75
ortonormal, 141
complemento ortogonal, 149
composta, 76
conjunto
ortogonal, 140
ortonormal, 140
coordenada, 45
dimensão
da soma de subespaços, 41
de um espaço vetorial, 39
distância, 138
espaço
dual, 74
vetorial, 9
espaços
isomorfos, 85
forma canônica de Jordan, 127
funcional linear, 74
gerador, 24
imagem, 79
imagem inversa, 79
isometria, 150
isomorfismo, 85
matriz
de mudança de base, 52
diagonal, 115
diagonalizável, 116
semelhante, 111
multiplicidade
algébrica, 112
geométrica, 105
núcleo, 80
norma, 136
operador
auto-adjunto, 153
ortogonalidade, 140
polinômio caracter´ıstico, 111
de uma transformaç ão linear, 111
produto interno, 133
projeç ão ortogonal, 144
subespaço
próprio, 105
160

ÍNDICE REMISSIVO 161
vetorial
definiç ão, 15
gerador, 24
soma de, 17
soma direta de, 18
teorema
do completamento, 40
do núcleo e da imagem, 81
transformaç ão
bijetora, 78
diagonalizável, 115
idempotente, 85
injetora, 78
linear, 71
matriz de uma, 88
nilpotente, 76
sobrejetora, 78

Algebra linear 1

Mais conteúdo relacionado

Mais procurados (11)

Semelhante a Algebra linear 1 (20)

Algebra linear 1