Algebra Linear - Livro UEM

LGEBRA
LINEAR
CRAmER
(1704-1752)
Gabriel Cramer foi

um matemtico
suio. A sua lgEBra linEar
obra mais famosa
a Introduction
l analyse
des lignes courbes
algbriques
publicada em 1750.
Nela aborda os
sistemas de
equaes lineares
com mltiplas
incgnitas e formula
o teorema que d
origem conhecida
Regra de Cramer.
descreve como
obter a inversa de
uma matriz
recorrendo ao
clculo de
determinantes. Alm
de artigos de
geometria, escreveu
sobre filosofia.
ocupou-se ainda da
origem e do
movimento dos
planetas.
Editora da Universidade Estadual de Maring
Reitor Prof. Dr. Dcio Sperandio

Vice-Reitor Prof. Dr. Mrio Luiz Neves de Azevedo
Diretor da Eduem Prof. Dr. Ivanor Nunes do Prado
Editor-Chefe da Eduem Prof. Dr. Alessandro de Lucca e Braccini
Conselho Editorial
Presidente Prof. Dr. Ivanor Nunes do Prado

Editor Associado Prof. Dr. Ulysses Cecato
Vice-Editor Associado Prof. Dr. Luiz Antonio de Souza
Editores Cientficos Prof. Adson C. Bozzi Ramatis Lima
Profa. Dra. Ana Lcia Rodrigues
Profa. Dra. Analete Regina Schelbauer
Prof. Dr. Antonio Ozai da Silva
Prof. Dr. Clves Cabreira Jobim
Profa. Dra. Eliane Aparecida Sanches Tonolli
Prof. Dr. Eduardo Augusto Tomanik
Prof. Dr. Eliezer Rodrigues de Souto
Profa. Dra. Ismara Eliane Vidal de Souza Tasso
Prof. Dr. Evaristo Atncio Paredes
Prof. Dr. Joo Fbio Bertonha
Profa. Dra. Larissa Michelle Lara
Profa. Dra. Luzia Marta Bellini
Profa. Dra. Maria Suely Pagliarini
Profa. Dra. Maria Cristina Gomes Machado
Prof. Dr. Manoel Messias Alves da Silva
Prof. Dr. Oswaldo Curty da Motta Lima
Prof. Dr. Raymundo de Lima
Prof. Dr. Reginaldo Benedito Dias
Prof. Dr. Ronald Jos Barth Pinto
Profa. Dra. Rosilda das Neves Alves
Profa. Dra. Terezinha Oliveira
Prof. Dr. Valdeni Soliani Franco
Profa. Dra. Valria Soares de Assis
Equipe Tcnica
Projeto Grfico e Design Marcos Kazuyoshi Sassaka
Fluxo Editorial Edneire Franciscon Jacob
Mnica Tanamati Hundzinski
Vania Cristina Scomparin
Edilson Damasio
Artes Grficas Luciano Wilian da Silva
Marcos Roberto Andreussi
Marketing Marcos Cipriano da Silva
Comercializao Norberto Pereira da Silva
Paulo Bento da Silva
Solange Marly Oshima
Formao de Professores EM FSICA - EAD
Marcos Roberto Teixeira Primo

Valdeni Soliani Franco
LGEBRA LINEAR
7
Maring
2009
Coleo Formao de Professores em Fsica - EAD
Apoio tcnico: Rosane Gomes Carpanese

Normalizao e catalogao: Ivani Baptista - CRB 9/331
Reviso Gramatical: Josie Agatha Parrilha da Silva
Projeto Grfico: Carlos Alexandre Venancio
Edio e Diagramao: Renato William Tavares
Capas: Arlindo Antonio Savi
Kellis Germano de Freitas
Dados Internacionais de Catalogao na Publicao (CIP)
Primo, Marcos Roberto Teixeira

P953a lgebra linear / Marcos Roberto Teixeira Primo; Valdeni Soliani Franco. --
Maring: Eduem, 2009. 143p. il. (Formao de professores EAD; v.7)
ISBN: 978-85-7628-213-6
1. lgebra linear. I. Franco, Valdeni Soliani. II Primo, Marcos Roberto Teixeira
CDD 21. ed. 512.5
Copyright 2009 para o autor

Todos os direitos reservados. Proibida a reproduo, mesmo parcial, por qualquer processo
mecnico, eletrnico, reprogrfico etc., sem a autorizao, por escrito, do autor. Todos os direitos
reservados desta edio 2009 para Eduem.
Endereo para correspondncia:
Eduem - Editora da Universidade Estadual de Maring

Av. Colombo, 5790 - Bloco 40 - Campus Universitrio
87020-900 - Maring - Paran
Fone: (0xx44) 3261-4103 / Fax: (0xx44) 3261-1392
http://www.eduem.uem.br / [email protected]
S umrio
Sobre os autores ................................................................................... 5
Apresentao da coleo ..................................................................... 7
Apresentao do livro ........................................................................... 9
1 Espaos vetoriais ...................................................................................11
2 subespaos vetoriais .......................................................................... 27
3 dependncia e independncia linear.................................................41
4 Bases e dimenso............................................................................... 55
5 transformaes lineares .................................................................... 75
6 diagonalizao de operadores lineares ..........................................105
7 referncias ........................................................................................142
8 ndice remissivo .................................................................................143
3
lgEBra linEar
4
S obre os autores
MARCOS ROBERTO TEIXEIRA PRIMO
Graduao em Matemtica pelo Instituto de Biocincias Letras e Cincias Exatas da
Universidade Estadual Paulista, campus de So Jos do Rio Preto, IBILCE/UNESP So Jos do
Rio Preto. Mestrado em Matemtica pelo Instituto de Cincias Matemticas e da Computao
da Universidade de So Paulo, campus de So Carlos, ICMC/USP - So Carlos. Doutorado em
Matemtica pelo Instituto de Cincias Matemticas e da Computao da Universidade de So
Paulo, campus de So Carlos, ICMC/USP - So Carlos. professor adjunto do Departamento de
Matemtica da Universidade Estadual de Maring, DMA/UEM desde 1995.
VALDENI SOLIANI FRANCO

Graduao: Matemtica pelo Instituto de Cincias Matemticas e de Computao, ICMC (1979).
Mestrado em Matemtica pelo Instituto de Cincias Matemticas e de Computao, ICMC
(1986). Doutorado em Matemtica pelo Instituto de Cincias Matemticas e de Computao,
ICMC (1998). professor associado do Departamento de Matemtica da UEM desde 1986.
5
A presentao da Coleo
A coleo Formao de Professores EAD Fsica inicia-se com a aprovao do

Curso de Educao Distncia em Fsica (Licenciatura) pela Secretaria de Educao
a Distncia (SEED) do Ministrio da Educao (MEC). O curso ter a mesma carga
horria, disciplinas e ementas do curso presencial da Licenciatura em Fsica da Univer-
sidade Estadual de Maring.
O grande desafi o do EAD-Fsica, alm do curso em si, a oportunidade que ele
oferece no somente aos alunos, mas, sobretudo, ao corpo docente que lhe d sus-
tentao. Esse corpo docente ter a herclea tarefa de, ao fi nal dos quatro anos de
integralizao do curso, escrever mais de trinta livros a serem ofertados gratuitamente
para o corpo discente.
Essa primeira edio, j o reconhecemos, conter falhas, mas sero aquelas tpicas
de uma atividade pioneira, baseada numa vontade inequvoca de acertar, de propor-
cionar um material didtico indito nascido da prtica docente de cada um dos autores
e organizadores das obras editadas.
A tiragem da primeira edio ser bastante modesta, contemplando to somente
o nmero de discentes e docentes inscritos no programa. Em 2008, oito obras sero
editadas, uma para cada disciplina do curso. E assim em todos os anos sucessivos at
a integralizao do curso em fi nal de 2011.
A principio sero impressos cerca de 200 exemplares de cada ttulo, uma vez que
os livros sero utilizados como material didtico para os alunos matriculados no Curso
de Fsica, Modalidade de Educao Distncia, ofertado pela Universidade Estadual de
Maring, no mbito do Sistema UAB.
Cada livro traz uma vivncia dos docentes que ajudaram na sua organizao, sinte-
tizando e buscando potencializar os contedos que permeiam cada disciplina. Buscam
um processo de re exo, instigao histrica da cincia e um manuseio dos instru-
mentos que defi niram a fsica e a matemtica que subjazem aos fenmenos fsicos que
lhe deram origem.
7
lgEBra linEar Com esse intuito, a presente coleo construiu-se a partir do esforo de uma ab-
negada parcela de docentes do Departamento de Fsica (e, tambm, de Matemtica,
Qumica, Educao e Informtica) da Universidade Estadual de Maring (UEM), e de
professores convidados, que buscam a superao da inrcia educacional que produ-
ziu, em muitas dcadas, uma quantidade irrisria de licenciados em Fsica no pas.
Agradecemos a todos os colegas da UEM e demais IES, alm da administrao cen-
tral da UEM, que, por meio da atuao direta da Reitoria e de diversas Pr-Reitorias,
no mediu esforos para que os trabalhos pudessem ser desenvolvidos da melhor
maneira possvel. De modo bastante especifi co, destacamos aqui o esforo da Reitoria
para que os recursos para o fi nanciamento desta coleo pudessem ser liberados de
acordo com os trmites burocrticos e os prazos exguos estabelecidos pelo Fundo
Nacional de Desenvolvimento da Educao (FNDE).
No que se refere ao Ministrio da Educao, ressaltamos o esforo empreendido
pela Diretoria da Educao a Distncia (DED) da Coordenao de Aperfeioamento
de Pessoal do Ensino Superior (CAPES) e pela Secretaria de Educao de Educao a
Distncia (SEED/MEC), que em parceria com as Instituies de Ensino Superior (IES)
conseguiram romper barreiras temporais e espaciais para que os convnios para libe-
rao dos recursos fossem assinados e encaminhados aos rgos competentes para
aprovao, tendo em vista a ao direta e efi ciente de um nmero muito pequeno de
pessoas que integram a Coordenao Geral de Superviso e Fomento e a Coordenao
Geral de Articulao.
Esperamos que essa primeira edio da Coleo Formao de Professores EAD
- Fsica possa contribuir para a formao dos alunos matriculados no curso de Fsica
(mesmo aquele presencial), bem como de outros cursos superiores distncia de to-
das as instituies pblicas de ensino superior que integram e possam integrar em um
futuro prximo o Sistema UAB.
Marcos Cesar Danhoni Neves

Organizador da Coleo
8
A presentao do livro
Este livro foi escrito para acadmicos do curso de Licenciatura em Fsica na moda-
lidade de Educao a Distncia.
A lgebra Linear tem um contedo bsico que essencial para diversas reas do co-
nhecimento cientfi co, tais como a prpria matemtica, a fsica, a qumica, a estatstica,
as cincias da computao, as engenharias, entre outras.
Em geral, vocs, alunos, que esto cursando pela primeira vez esta disciplina, jul-
gam-na bastante abstrata e s vezes no percebem o alcance que seus conceitos pode-
ro ter em um futuro. Para amenizar este primeiro impacto, procuramos construir o
livro com muitos exemplos.
Como poder ser percebido, procuramos incorporar a este livro, o carter informal
dos livros das disciplinas anteriormente estudadas por vocs. Utilizamos para tanto o
ambiente denominado conversa dentro do mesmo esprito como foi concebido, isto
, tentando transmitir aos estudantes as entrelinhas dos diversos assuntos, da mesma
forma que um professor o faz em cursos presencias. Em momentos assim queremos,
transmitir ideias importantes para o desenvolvimento dos temas sob anlise.
O livro contm poucos exerccios. Outros sero fornecidos como material de apoio
na plataforma do curso.
Desejamos a todos um bom aproveitamento dessa disciplina e uma compreenso
dos fenmenos matemticos que lhe deram origem.
OS AUTORES
9
lgEBra linEar
10
1 Espaos Vetoriais
1.1 introduo
1.2 o Conceito de Espao vetorial
1.3 algumas Consequncias da denio de Espao vetorial
11
1 ESPAOS VETORIAIS
lgEBra linEar
1.1 Introduo
Conforme foi exemplicado no livro de Geometria Analtica, em vrias

aplicaes fsicas aparecem quantidades que s podem ser representadas utilizando um
conceito matemtico chamado vetor, que possui direo, sentido e mdulo. Foi estudado,
tambm, no curso de Geometria Analtica os vetores em um espao bidimensional e em
um espao tridimensional. Em ambos os casos, ao ser considerado o conjunto desses
vetores, juntamente com a operao de adio de vetores, e multiplicao de vetores por
um escalar, diversas propriedades eram satisfeitas. Por ser de suma importncia para o
contedo deste livro, vamos record-las.

Propriedades: Para quaisquer vetores u , v e w do 2 ou do 3 , e para quaisquer
escalares , em , as seguintes igualdades so vericadas,

(A1) u + v = v + u (comutativa para a adio);

(A2) ( u + v ) + w = u + ( v + w ) (associativa para a adio);

(A3) v + 0 = v (existe o elemento neutro 0 para a adio);

(A4) v + (v ) = 0 (existe de elemento inverso v para a adio);

(M1) (u + v ) = u + v ;

(M2) ( + ) v = v + v ;

(M3) ( v ) = ( .) v ;

(M4) 1 v = v .
A partir destes fatos, podemos fazer algumas perguntas:
1. Ser que apenas o conjunto dos vetores com essas operaes possui estas oito
propriedades?
2. Ser que apenas nos espaos de dimenso 2 ou de dimenso 3, os vetores satisfazem

estas oito propriedades.
Neste primeiro captulo daremos resposta a estas duas perguntas.
Conversa
Voc pode ter levado um susto com esta segunda pergunta. Se no levou, melhor; mas se
levou vamos esclarecer que, como um aluno da fsica, deve se acostumar quando falarmos
de espaos de dimenso maior que 3. Est certo: o mundo que vivemos tridimensional,
mas inmeros so os problemas que podem ser resolvidos utilizando dimenses maiores,
conforme vocs vero. No s isso, principalmente na fsica, muitos so os cientistas
que estudam teorias utilizando espaos com dimenses muito grandes.
Outra conversa que precisamos ter com vocs sobre uma das palavras que
escrevemos antes de enunciar as oito propriedades, a saber, escalar. A palavra escalar
no contexto de espao vetorial um elemento de um corpo. Mas, o que um corpo em
matemtica? Corpo um
12
conjunto que possui duas operaes internas que satisfazem determinadas Espaos vetoriais
propriedades, mas no faz parte do escopo deste livro estudar esta estrutura
algbrica. Neste livro, basta entendermos este escalar como sendo um nmero real
ou um nmero complexo. Muitas vezes mencionaremos o conjunto dos nmeros reais
ou o conjunto dos nmeros complexos como um corpo K. Vocs viram no curso de
Geometria Analtica que denotamos os nmeros reais por . O conjunto dos nmeros
complexos ser denotado por . Vamos combinar que, se dissermos escalar, estamos
com um nmero real ou complexo. Quando formos particularizar o estudo para um
desses dois conjuntos, faremos uma observao nesse sentido.
1.2 O Conceito de Espao Vetorial
Para denir espao vetorial, vamos utilizar um conjunto V (no vazio), um corpo
de escalares K, e duas operaes, uma utilizando apenas os elementos de V, chamada
adio e, a outra, utilizando elementos de K e de V, chamada multiplicao por escalar.
Denio 1.1: Sejam V um conjunto no vazio e um corpo de escalares K. Dados dois

elementos u , v V e um escalar k K , se a adio u + v e o produto k u so elementos
de V1 e, alm disso, se as oito proposies a seguir so verdadeiras, dizemos que V um
espao vetorial sobre K.
[A1] Para quaisquer elementos u , v V , u + v = v + u ;

[A2] Para quaisquer elementos u , v, w V , (u + v) + w = u + (v + w) ;
[A3] Existe um elemento em V, denotado por 0, tal que u + 0 = u , para todo
u V ;
[A4] Para cada elemento u V , existe um elemento em V, denotado por u , tal
que u + (u ) = 0 ;
[M1] Para qualquer escalar kK , e quaisquer vetores u, v V ,
k (u + v) = k u + k v ;
[M2] Para quaisquer escalares k1 , k2 K e qualquer vetor u V ,
(k1 + k2 ) u = k1 u + k2 v ;
[M3] Para quaisquer escalares k1 , k2 K e qualquer vetor u V ,
(k1 k2 ) u = k1 (k2u ) ;
[M4] Para o elemento unitrio escalar 1, e para qualquer vetor u V , 1u = u .
Segue imediatamente da proposio [A2] e [A1], que a soma u1 + u2 + u3 + ... + un

de elementos de um espao vetorial V, no precisa da utilizao de parntesis e independe
da ordem das parcelas.
1 Este fato conhecido com propriedade do fechamento. Caso um conjunto satisfaa esta pro-
priedade, dizemos que este conjunto fechado para a adio e multiplicao por escalar.
13
lgEBra linEar
Conversa
Pela similaridade com os vetores estudados na Geometria Analtica, os elementos

de qualquer espao vetorial tambm sero chamados de vetores. Mais tarde,
mostraremos um resultado que mostra a equivalncia dos elementos de um espao
vetorial qualquer com os vetores.
Cuidado! Observe que em [M2] o lado esquerdo o smbolo + uma soma de
escalares em K e no lado direito uma soma de vetores em V. J em [M3], temos
no lado esquerdo primeiramente um produto entre os escalares k1 e k 2 e depois o
produto do escalar k1k 2 pela pelo vetor u, e no lado direito o produto do escalar k 2
pelo vetor u e depois o produto do escalar k1 pelo vetor k 2 u.
Finalmente, queremos chamar a ateno de vocs sobre o fato de que, nas vericaes
que faremos, expostas nos exemplos a seguir, colocaremos sobre os sinais de
igualdade, quando necessrio, nmeros que justicam as igualdades. O signicado
de cada nmero encontra-se aps a nalizao de cada exemplo.
Exemplo 1.2: Evidentemente, o primeiro exemplo de espao vetorial, o conjunto dos

vetores no plano 2 = e no espao 3 = , com as operaes vistas no
curso de Geometria Analtica, de soma de vetores e de multiplicao de escalar por vetor.
De fato, basta observar as propriedades relembradas na introduo deste captulo, e as
exigidas na denio de espao vetorial. Recordemos que os elementos do conjunto 2
so pares ordenados de nmeros reais, ou seja, se u 2 , ento, u = (a1 , a2 ) , em que
a1 e a2 , e que os elementos do conjunto 3 , so ternas ordenadas de nmeros
reais, ou seja, se u 3 . E ento, u = (a1 , a2 , a3 ) , em que, a1 , a2 e a3 .
Exemplo 1.3: Neste exemplo, vamos generalizar a ideia de vetor, construindo o conjunto
n = ... , no qual, qualquer um dos seus elementos so n-uplas ordenadas

n vezes
de nmeros reais da forma u = (a1 , a2 , a3 ,..., an ) , em que a1 , a2 , a3 ,..., an .
Daremos a esses elementos, por analogia ao 2 e ao 3 , o nome de vetor, e aos termos
a1 , a2 , a3 ,..., an o nome de coordenadas do vetor. Referir-nos-emos a essas
coordenadas, respectivamente, como 1 coordenada, 2 coordenada, 3 coordenada e assim
sucessivamente at a n-sima coordenada. Neste conjunto, introduzimos duas operaes,
de adio e de multiplicao por escalar da maneira mais natural possvel, a saber, se
u = (a1 , a2 , a3 ,..., an ) n , v = (b1 , b 2 , b3 ,..., bn ) n e k . Ento, denimos,
u + v = (a1 + b1 , a2 + b2 , a3 + b3 ,..., an + bn ) e k u = (kb 1, kb 2 , kb3 ,..., kbn ) .
Vamos vericar se de fato, n com essas operaes um espao vetorial. Para isso,
observemos que n trivialmente um conjunto no vazio, e que u + v e ku so n-uplas
ordenadas de nmeros reais e, portanto so vetores de n e, portanto, o conjunto fechado
para as operaes de adio e multiplicao por escalar. Para completar a demonstrao,
devemos vericar que as operaes satisfazem as oito proposies dadas na denio 1.1.
[A1] Sejam u = (a1 , a2 , a3 ,..., an ) e v = (b1 , b 2 , b3 ,..., bn ) vetores quaisquer de n . Ento,
(1) (2)
u + v = (a1 + b1 , a2 + b 2 , a3 + b3 ,..., an + bn ) =
(1)
= (b1 + a1 , b 2 + a2 , b3 + a3 ,..., bn + an ) = v + u .
14
[A2] Sejam u = (a1 , a2 , a3 ,..., an ) , v = (b1 , b 2 , b3 ,..., bn ) e w = (c1 , c2 , c3 ,..., cn ) Espaos vetoriais
vetores quaisquer de n . Ento,
(1) (1)
(u + v) + w = (a1 + b1 , a2 + b2 , a3 + b3 ,..., an + bn ) + (c1 , c2 , c3 ,..., cn ) =
(3)
= ((a1 + b1 ) + c1 , (a2 + b 2 ) + c2 , (a3 + b3 ) + c3 ,..., (an + bn ) + cn ) =
(1)
= (a1 + (b1 + c1 ), a2 + (b 2 + c2 ), a3 + (b3 + c3 ),..., an + (bn + cn )) =
(1)
= (a1 , a2 , a3 ,..., an ) + (b1 + c1 , b 2 + c2 , b3 + c3 ,..., bn + cn ) =
= u + (v + w) .
[A3] Considere a n-upla 0 = (0, 0, 0,..., 0) , em que todas as n coordenadas so nulas. Esse
o vetor nulo do n . Observe que para qualquer vetor u = (a1 , a2 , a3 ,..., an ) do n ,
teremos, (1)
u + 0 = (a1 , a2 , a3 ,..., an ) + (0, 0, 0,..., 0) =
(4)
= (a1 + 0, a2 + 0, a3 + 0,..., an + 0) = (a1 , a2 , a3 ,..., an ) = u .
[A4] Seja u = (a1 , a2 , a3 ,..., an ) um vetor qualquer do n . Considere o vetor

u = (a1 , a2 , a3 ,..., an ) do n . Temos,
(1) (5)
u + (u ) = (a1 + ( a1 ), a2 + (a2 ), a3 + (a3 ),..., an + (an )) =
= (0, 0, 0,..., 0) = 0 .
[M1] Para qualquer escalar k , e quaisquer vetores u = (a1 , a2 , a3 ,..., an ) e

v = (b1 , b 2 , b3 ,..., bn ) do n , temos,
(1) (6)
k (u + v) = k (a1 + b1 , a2 + b 2 , a3 + b3 ,..., an + bn ) =
(7)
= (k (a1 + b1 ), k (a2 + b2 ), k (a3 + b3 ),..., k ( an + bn )) =
(1)
= (ka1 + kb1 , ka2 + kb 2 , ka3 + kb3 ,..., kan + kbn ) =
(6)
= (ka1 , ka2 , ka3 ,..., kan ) + (kb1 , kb 2 , kb3 ,..., kbn ) =
= k (a1 , a2 , a3 ,..., an ) + k (b1 , b 2 , b3 ,..., bn ) = ku + kv .
[M2] Para quaisquer escalares k , k ' e qualquer vetor u = (a1 , a2 , a3 ,..., an ) do n ,

temos, (6) (7)
(k + k ')u = ((k + k ')a1 , (k + k ')a2 , (k + k ')a3 ,..., (k + k ')an ) =
(1)
= (ka1 + k ' a1 , ka2 + k ' a2 , ka3 + k ' a3 ,..., kan + k ' an ) =
(6)
= (ka1 , ka2 , ka3 ,..., kan ) + (k ' a1 , k ' a2 , k ' a3 ,..., k ' an ) =
= k (a1 , a2 , a3 ,..., an ) + k '(a1 , a2 , a3 ,..., an ) = ku + k ' u .
15
lgEBra linEar [M3] Para quaisquer escalares k , k ' e qualquer vetor u = (a1 , a2 , a3 ,..., an ) do n ,
temos,
(6) (3)
(k k ') u = ((k k ')a1 , (k k ')a2 , (k k ')a3 ,..., (k k ')an ) =
(6)
= (k (k ' a1 ), k (k ' a2 ), k ( k ' a3 ),..., k (k ' an )) =
(6)
= (k (k ' a1 ), k (k ' a2 ), k ( k ' a3 ),..., k (k ' an )) =
(6)
= k (k ' a1 , k ' a2 , k ' a3 ,..., k ' an ) =
= k (k '(a1 , a2 , a3 ,..., an )) = k (k ' u ).
[M4] Para o elemento unitrio 1 , e para qualquer vetor u = (a1 , a2 , a3 ,..., an ) do n ,

temos,
(6) (8)
1u = (1.a1 ,1.a2 ,1.a3 ,...,1.an ) = (a1 , a2 , a3 ,..., an ) = u
(1) Segue da denio da operao de adio em n .

(2) Segue da propriedade comutativa dos nmeros reais.
(3) Segue da propriedade associativa dos nmeros reais.
(4) Segue do fato que o zero o elemento neutro aditivo dos nmeros reais.
(5) Segue do fato que para cada nmero real existe um inverso aditivo que o seu oposto,
ou seja, dado um nmero real a, sempre existe outro nmero real (o oposto de a), que
somado com a resulta no nmero zero. Simbolizamos este nmero por a .
(6) Segue da denio da operao de multiplicao por um escalar em n .
(7) Segue da propriedade distributiva dos nmeros reais.
(8) Segue do fato que o nmero real 1 o elemento neutro multiplicativo dos nmeros
reais.
Conversa
As operaes de adio e de multiplicao por escalar dado neste exemplo so

denominadas operaes usuais no n . Observe que este exemplo generaliza o
que foi estudado anteriormente, para valores de n iguais a 2 ou 3. Vocs poderiam
perguntar, mas existem outras operaes de adio e de multiplicao por escalar
que podem ser feitas com os elementos de n e escalares? A resposta que podem
ser criadas quantas operaes quanto forem as nossas ideias criativas. Vocs vero
em alguns exemplos para os quais deniremos outras operaes, e que podero ou
no fornecer novos espaos vetoriais.
Exemplo 1.4: Seja V o conjunto de todas as matrizes de ordem m n , cujos elementos

pertencem a um corpo de escalares K. Considerando sobre V as operaes de adio de
matrizes e multiplicao de uma matriz por um escalar, temos que V um espao vetorial.
16
Espaos vetoriais
Conversa
No curso de Geometria Analtica, e provavelmente no Ensino Mdio voc estudou a

multiplicao de uma matriz por um nmero real. Estamos ampliando esta operao para
o produto de uma matriz por um nmero complexo. A denio exatamente a mesma.
Um excelente exerccio neste comeo utilizar o exemplo 1.3 como modelo para
demonstrar que de fato, o conjunto V, juntamente com as operaes denidas no exemplo
1.4, forma um espao vetorial. Observe que agora voc tem um conjunto de objetos que
no so vetores, mas sim matrizes, e que se constituem naquilo que foi denominado de
espao vetorial. Vejamos mais exemplos:
Exemplo 1.5: Sejam A um conjunto qualquer, no vazio, e K um corpo. Considere o
conjunto F das funes que tem como domnio o conjunto A e como contradomnio o
conjunto K, ou seja, F = { f : A K ; f uma funo}. Vamos denir a operao de
adio de elementos de em F do seguinte modo, se f , g F , denimos f + g como
sendo a funo ( f + g ) : A K , tal que,
( f + g )(a ) = f (a ) + g (a ) , para todo a A . (1.1)
Para denir a operao de multiplicao por um escalar, sejam k K e f F . Denimos
o produto de k por f, como sendo a funo em F, k . f : A K , tal que,
(k . f )(a ) = k . f (a ) , para todo a A . (1.2)
Conversa
Antes de continuar a estudar este exemplo, vamos ter uma conversa importante. Na
operao de soma de elementos de F, utilizamos o sinal +, mas cuidado!! Em
(1.1), o sinal + esquerda da igualdade simboliza a soma de duas funes no
conjunto F, e do lado direito simboliza a soma de dois nmeros no corpo K. Portanto,
apesar de estarmos utilizando a mesma simbologia, o sinal + representa em cada
caso, somas completamente diferentes. Estamos utilizando uma soma conhecida por
ns desde pequenos, para denir uma soma de objetos que conhecemos um pouco
maiores.
De maneira semelhante, o smbolo . utilizado em (1.2), esquerda da igualdade
representa o produto de um escalar por uma funo e direita representa o produto
de dois nmeros em K. Em geral, no produto por escalar no utilizaremos nenhum
smbolo, aqui foi colocado apenas para que este fato fosse observado.
Aps esta conversa, continuemos o exemplo 1.5. Armamos que o conjunto F, com essas
duas operaes denidas anteriormente, denem um espao vetorial. De fato, pela prpria
denio, os elementos f + g e k f , esto em F. Assim, para que F seja um espao
vetorial, devemos mostrar que as oito proposies da denio 1.1, so verdadeiras.
[A1] Sejam f , g F quaisquer, ento,
(1) (2) (1)
( f + g )(a ) = f (a ) + g (a ) = g (a ) + f (a ) = ( g + f )(a ) , para todo a A .
Assim, f + g = g + f .
17
lgEBra linEar
[A2] Sejam f , g , h F quaisquer, ento,
(1) (1) (3)
[( f + g ) + h](a ) = ( f + g )(a ) + h(a ) = ( f (a ) + g (a )) + h(a ) =
(1) (1)
= f (a ) + ( g (a ) + h(a )) = f (a ) + ( g + h)(a ) = [ f + ( g + h)](a ) ,
para todo a A , assim ( f + g ) + h = f + ( g + h) .
[A3] Seja f F uma funo qualquer e considere a funo 0 : A K , denida por

0(a ) = 0 para todo a A , em que o zero da direita da igualdade o elemento neutro
aditivo do corpo K, ento,
(1) (4)
( f + 0)(a ) = f (a ) + 0(a ) = f (a ) + 0 = f (a ) ,
para todo a A , assim f + 0 = f .
[A4] Seja f F uma funo qualquer e considere a funo f : A K , denida por
( f )(a ) = f (a ) . Temos,
(1) (5)
( f + ( f ))(a ) = f (a ) + ( f )(a ) = f (a ) + ( f (a )) = 0(a ) = 0 ,
para todo a A , assim f + ( f ) = 0 .
[M1] Para qualquer escalar k K , e quaisquer funes f , g F , temos,
(6) (1) (7)
[k ( f + g )](a ) = k ( f + g )(a ) = k ( f (a ) + g (a )) =
(6) (1)
= k f (a ) + k g (a ) = (k f )(a ) + (k g )(a ) = (k f + k g )(a ) ,
para todo a A , assim k ( f + g ) = k f + k g .
[M2] Para quaisquer escalares k1 , k2 e qualquer funo f F , temos,

(6) (7) (1)
[(k1 + k2 ) f ](a ) = (k1 + k2 ) f (a ) = k1 f (a ) + k2 f (a ) = (k f + k ' f )(a ) ,
para todo a A , assim (k1 + k2 ) f = k1 f + k2 f .
[M3] Para quaisquer escalares k1 , k2 e qualquer funo f F , temos,

(6) (3) (6) (6)
[(k1k2 ) f ](a ) = (k1k2 ) f (a ) = k1 (k2 f (a )) = k1[(k2 f )(a )] = [k1 (k2 f )](a )
para todo a A , assim (k1k2 ) f = k1 (k2 f ) .
[M4] Para o elemento unitrio 1 , e para qualquer funo f F , temos,

(6) (8)
(1 f )(a ) = 1 f (a ) = f (a )
para todo a A , assim 1 f = f .
(1) Segue da denio da operao de adio em F.

(2) Segue da propriedade comutativa do corpo K.
(3) Segue da propriedade associativa do corpo K.
(4) Segue do fato que o zero o elemento neutro aditivo do corpo K.
(5) Segue do fato que para todo elemento do corpo K, existe um inverso aditivo que o
seu oposto, ou seja, dado um escalar k, sempre existe um elemento em K (o oposto de k),
que somado com k resulta no elemento neutro do corpo K.
(6) Segue da denio da operao de multiplicao por um escalar em F.
(7) Segue da propriedade distributiva vlidas entre elementos do corpo K.
(8) Segue do fato que sempre existe 1, que o smbolo do elemento neutro multiplicativo
do corpo K.
18
Espaos vetoriais
Conversa
Em [A4], denimos uma funo denotada por f , a partir de uma funo f . Para
isso, invertemos o sinal do escalar f (a ) K . Alm disso, ateno para a simbologia,
no h distino entre o 0 utilizado para funo e o 0 utilizado para representar
o elemento neutro do corpo K.
A partir do prximo exemplo, apenas excepcionalmente indicaremos o porqu da
igualdade sobre o sinal, conforme zemos em exemplos anteriores, mas importantssimo
que voc compreenda cada uma das passagens.
Exemplo 1.6: Consideremos o espao bidimensional V = 2 {(0, 0)} , dos pares

ordenados de nmeros reais menos a origem, juntamente com as operaes de adio
e de multiplicao por escalar dadas por (a, b) + (c, d ) = (ac bd , ad + bc) e
k (a, b) = (ka, kb) . Armamos que V com essas operaes no um espao vetorial. De
fato, como k (a, b) = (ka, kb) , temos que, 0(a, b) = (0a, 0b) = (0, 0) 2 {(0, 0)} ,
assim no satisfaz a propriedade do fechamento. Apesar disso podemos mostrar que todas
as proposies da denio 1.1 so verdadeiras, veja:
[A1] Se u = (a, b) V e v = (c, d ) V , temos que,

u + v = (a, b) + (c, d ) = (ac bd , ad + bc) =
= (ca db, cb + da ) = (c, d ) + (a, b) = v + u .
[A2] Se u = (a, b) V , v = (c, d ) V e w = (e, f ) V , ento,
(u + v) + w = [(a, b) + (c, d )] + (e, f ) = (ac bd , ad + bc) + (e, f ) =
= ((ac bd )e (ad + bc) f , (ac bd ) f + (ad + bc)e) =
= (ace bde adf bcf , acf bdf + ade + bce) , (1.3)
u + (v + w) = (a, b) + [(c, d ) + (e, f )] = (a, b) + (ce df , cf + de) =
= (a (ce df ) b(cf + de), a (cf + de) + b(ce df )) =
= (ace adf bcf bde, acf + ade + bce bdf ) . (1.4)
Comparando (1.3) com (1.4), chegamos a concluso que,
(u + v) + w = u + (v + w) .
[A3] Se u = (a, b) V , considere o vetor 0 = (1, 0) V , ento,
u + 0 = (a, b) + (1, 0) = (a.1 b.0, a.0 + b.1) = (a, b) = u .
Observe que neste caso o elemento neutro no o vetor nulo (0, 0) , mas o que importa
que exista um elemento em V, que no altera o vetor que est sendo somado a ele.
a b
[A4] Se u = (a, b) V , considere o vetor u = 2 2
, 2 . Note que u V ,
a +b a + b2
pois (a, b) (0, 0) , alm disso,
a b
u + (u ) = (a, b) + 2 2
, 2 =
a +b a + b2
19
a2 b2 ab ab
lgEBra linEar = 2 , + =
a + b 2 a 2 + b 2 a 2 + b 2 a 2 + b 2

= (1, 0) = 0
Como o produto o produto usual em 2 , as proposies [M1], [M2], [M3] e [M4] so
satisfeitas.
Conversa
Antes de mais nada, cuidado!!! Para se demonstrar que um determinado conjunto

ou no um espao vetorial com as operaes dadas observe, primeiramente, que
ele no vazio, em seguida, se ele fechado para as operaes dadas, e por ltimo
demonstre a veracidade das oito proposies. Este ltimo exemplo importante por
dois motivos: o primeiro este cuidado que se deve ter antes de sair demonstrando,
e o segundo, para voc perceber que 0 apenas um smbolo para o elemento
neutro aditivo no espao vetorial e que o sinal na frente de um elemento de um
conjunto apenas um smbolo que signica que aquele novo elemento o inverso
aditivo no espao vetorial.
Mas como descobrir quem o elemento neutro e o elemento oposto? No caso do
exemplo anterior, para encontrar o elemento neutro, fazemos o seguinte:
Queremos encontrar um elemento 0 = ( x, y ) tal que (a, b) + ( x, y ) = (a, b) . Logo,
utilizando a denio de adio em V, devemos resolver o sistema,
ax by = a
.
bx + ay = b
Resolvendo este sistema, obtemos x = 1 e y = 0 , que utilizamos para mostrar a
veracidade de [A3]. Tente voc agora encontrar o elemento oposto de u = (a, b) V ,
lembrando que a 2 + b 2 0 , pois (a, b) (0, 0) .
Exemplo 1.7: Consideremos o espao bidimensional 2 , dos pares ordenados de nmeros

reais, juntamente as operaes de adio e de multiplicao por escalar que sero dadas
nos itens a seguir. Vamos mostrar que 2 com essas operaes no um espao vetorial.
Considere a, b, c, d , k .
a) (a, b) + (c, d ) = (a, d ) e k (a, b) = (ka, kb) .

De fato, observe que, se u = (a, b) 2 e v = (c, d ) 2 , ento,
u + v = (a, b) + (c, d ) = (a, d ) e v + u = (c, d ) + (a, b) = (c, b) , o que mostra que
u + v v + u . Por exemplo, se a = 1, b = 0, c = 3 e d = 8 , teremos, u + v = (1, 8)
e v + u = (3, 0) , e assim a proposio [A1] neste caso falsa. Assim, neste caso, no
necessitamos testar a veracidade das outras proposies, pois para que um conjunto,
juntamente com as operaes de adio e multiplicao por escalar seja um espao
vetorial, necessrio que as oito proposies da denio 1.1, sejam verdadeiras.
b) (a, b) + (c, d ) = (a + c, b + d ) e k (a, b) = (ka, b) .

De fato, como a adio de elementos de 2 a usual, devemos procurar a proposio
falsa entre as quatro da multiplicao por escalar.
[M1] Para qualquer escalar k , e quaisquer vetores u = (a, b) e v = (c, d ) do 2 ,

temos,
20
k (u + v) = k (a + c, b + d ) = (k (a + c), b + d ) = Espaos vetoriais
= (ka + kc, b + d ) = (ka, b) + (kc, d ) = k (a, b) + k (c, d ) =
= ku + kv .
[M2] Para quaisquer escalares k1 , k2 e qualquer vetor u = (a, b) do 2 , temos,
(k1 + k2 )u = ((k1 + k2 )a, b) = (k1a + k2 a, b) e agora?
Quando no conseguimos demonstrar que uma proposio verdadeira, a ideia exibir
um exemplo em que ela falsa. Este exemplo chamado, na verdade, de contra-exemplo,
por motivos bvios. Este o caso. Perceba, se tomarmos, por exemplo, k1 = 1 , k2 = 1
e u = (2,1) , teremos,
(k1 + k2 )u = (1 + 1)(2,1) = (0,1)
pela denio de produto neste caso, e
k1u + k2u = (1)(2,1) + 1(2,1) = (2,1) + (2,1) = (0, 2) ,
que diferente de (0,1) . Assim, a proposio [M2] falsa e, portanto, neste caso 2 com
as operaes dadas neste exemplo, no um espao vetorial.
c) (a, b) + (c, d ) = (a + c, b + d ) e k (a, b) = (ka, 0) .

De fato, como a adio de elementos de 2 o usual, devemos procurar a proposio
falsa entre as quatro da multiplicao por escalar.
[M1] Para qualquer escalar k , e quaisquer vetores u = (a, b) e v = (c, d ) do 2 ,

temos,
k (u + v) = k (a + c, b + d ) = (k (a + c), 0) =
= (ka + kc, 0) = (ka, 0) + (kc, 0) = k (a, b) + k (c, d ) = ku + kv .
[M2] Para quaisquer escalares k1 , k2 e qualquer vetor u = (a, b) do 2 , temos,

(k1 + k2 ) u = ((k1 + k2 )a, 0) = (k1a + k2 a, 0) = (k1a, 0) + (k ' a, 0) =
= k1 (a, b) + k2 (a, b) = k1 u + k2u .
[M3] Para quaisquer escalares k1 , k2 e vetor u = (a, b) do 2 , temos,

(k1k2 )u = (k1k2 )(a, b) = ((k1k2 )a, 0) = (k1 ( k2 a), 0) =
= k1 (k2 a, 0) = k1 (k2 (a, b)) = k1 (k2u ) .
[M4] Para o elemento unitrio 1 , e para qualquer vetor u = (a, b) do 2 , temos,

1u = 1(a, b) = (1a, 0) = (a, 0) (a, b) = u .
Tomando b 0 , teremos que [M4] falsa. Assim, entre as oito proposies da denio
1.1, apenas a [M4] falsa, mas como uma das proposies falsa, no temos um espao
vetorial.
d) (a, b) + (c, d ) = (ac, bd ) e k (a, b) = (ka, kb) .

De fato, como a multiplicao por escalar a usual em 2 , devemos procurar a proposio
falsa entre as quatro da adio.
[A1] Se u = (a, b) 2 e v = (c, d ) 2 , temos que

u + v = (a, b) + (c, d ) = (ac, bd ) = (ca, db) = (c, d ) + (a, b) = v + u .
21
[A2] Se u = (a, b) 2 , v = (c, d ) 2 e w = (e, f ) 2 .
lgEBra linEar
(u + v) + w = [(a, b) + (c, d )] + (e, f ) = (ac, bd ) + (e, f ) = ((ac)e, (bd ) f ) = .
= (a (ce), b(df )) = (a, b) + (ce, df ) =
= (a, b) + [(c, d ) + (e, f )] = u + (v + w) .
[A3] Se u = (a, b) 2 , considere o vetor 0 = (1,1) 2 , ento,

u + 0 = (a, b) + (1,1) = (a.1, b.1) = (a, b) = u .
[A4] Se u = (a, b) 2 , devemos encontrar um vetor denotado por u = ( x, y ) , tal que

u + (u ) = (1,1) , mas
u + (u ) = (a, b) + ( x, y ) = (ax, by ) = (1,1) ,
1 1
ou seja, x = e y = e isso s possvel se a 0 e b 0 . Assim, os elementos da
a b
forma (0, b), (a, 0) 2 , com a 0 e b 0 , no possuem inverso aditivo com esta
operao de adio em 2 .
1.3 Algumas Consequncias da Denio de Espao Vetorial
Exibiremos e demonstraremos agora alguns resultados que seguem imediatamente

da denio 1.1.
Teorema 1.8: Seja V um espao vetorial sobre um corpo de escalares K.
a) O elemento neutro 0 em V nico.

b) O elemento oposto v V de um vetor v V nico.
c) Para quaisquer u , v, w V , se u + w = v + w , ento, u = v (lei do cancelamento).
d) Para qualquer escalar k K e 0 V , k 0 = 0 .
e) Para 0 K e qualquer vetor v V , 0v = 0 .
f) Se kv = 0 , onde k K e v V , ento, k = 0 ou v = 0 .
g) Para qualquer escalar k K e qualquer vetor v V , ( k )v = k (v) = kv .
Demonstrao:
a) Seja 0 outro elemento neutro em V, ou seja, para qualquer u V , temos u + 0 = u .
Ento,
(*) ([ A1 ]) (**)
0 = 0 +0 = 0+ 0 = 0.
(*) segue do fato que 0 elemento neutro em V e [A3].
(**) segue do fato que 0 elemento neutro em V e [A3].
b) Suponhamos que u seja outro elemento inverso aditivo do elemento v V , ou seja,

v + u = 0 . Ento,
[ A3 ] [ A4 ] [ A2 ] [ A1 ] Hip.
u = u + 0 = u + (v + (v)) = (u + v) + (v) = (v + u ) + (v) =
[ A1 ] [ A 3]
= 0 + ( v ) = ( v ) + 0 = v .
22
c) Suponhamos que u + w = v + w , ento,
Espaos vetoriais
[ A2 ] [ A4 ]
(u + w) + ( w) = (v + w) + ( w) u + ( w + ( w)) = v + ( w + ( w))
[ A 3]
u +0 = v+0 u = v.
d) Seja k K , ento,
[ A3 ] [M 1]
k 0 = k (0 + 0) = k 0 + k 0 ,
subtraindo k 0 em ambos os lados da igualdade, obtemos k 0 = 0 .
e) Seja v V , como 0 o elemento neutro da adio em K , temos,

(*) [M 2 ]
0 v = (0 + 0)v = 0v + 0v ,
subtraindo 0v , em ambos os lados da igualdade, obtemos 0v = 0 .
(*) segue da existncia de elemento neutro em um corpo K.
f) Sejam k K e v V . Suponhamos que kv = 0 com k 0 . Como K um corpo,

existe k 1 K , que o inverso multiplicativo de k. Assim,
[M4 ] [M3 ] Hip. d)
v = 1v = (k 1k )v = k 1 (kv) = k 1 0 = 0 .
g) Sejam k K e v V , ento,
d) [ A4 ] [ M1 ]
0 = k 0 = k[v + (v)] = kv + k (v) ,
somando (kv) em ambos os lados da igualdade, obtemos
(kv) + 0 = (kv) + (kv + k (v)) . Utilizando para o lado esquerdo da igualdade
[A3], e para o lado direito, [A2], [A1] e [A3], obtemos que kv = k (v) . Alm disso,
e) (**) [M 2 ]
0 = 0v = (k + (k ))v = kv + (k )v ,
somando ( kv) em ambos os lados da igualdade, obtemos,
(kv) + 0 = (kv) + (kv + (k )v) .
Utilizando para o lado esquerdo da igualdade [A3], e para o lado direito, [A2], [A1] e
[A3], obtemos que kv = ( k )v .
(**) segue da existncia de inverso aditivo em um corpo K.

Exerccios
1.Seja V = , o conjunto dos nmeros complexos. Em V , denimos as seguintes

operaes de adio e multiplicao por escalar:
Se z1 , z 2 V , com z1 = a1 + b1i e z 2 = a2 + b2i , ento,
z1 + z 2 = (a1 + a2 ) + (b1 + b2 )i ,
Se z V , com z = a + bi e k K , ento,
kz = ka + kbi
Mostre que V , com as operaes denidas acima um espao vetorial sobre o conjunto
dos nmeros reais, e tambm um espao vetorial sobre o conjunto dos nmeros complexos.
23
lgEBra linEar 2. Considere o conjunto Pn [t ] , das funes polinomiais reais a0 + a1t + a2t 2 + ... + ant n
de grau n , na varivel t. Em Pn [t ] , denimos as seguintes operaes:
Se p 1(t ) = a0 + a1t + a2t 2 + ... + amt m e

p 2(t ) = b0 + b1t + b2t 2 + ... + bnt n ,
suponhamos sem perda de generalidade que m n , ento,

p 1(t ) + p 2(t ) = (a0 + b0 ) + (a1 + b1 )t + (a2 + b2 )t 2 + ... +
+ (am + bm )t m + bm+1t m+1 + ... + bnt n
Se k e p (t ) = a0 + a1t + a2t 2 + ... + ant n , ento,

k p (t ) = ka0 + ka1t + ka2t 2 + ... + kant n
Mostre que Pn [t ] com as operaes de adio e multiplicao por escalar denidas

acima forma um espao vetorial.
3. Consideremos o espao bidimensional 2 , dos pares ordenados de nmeros

reais, juntamente as operaes de adio e de multiplicao por escalar que sero
dadas nos itens a seguir. Mostre que 2 com essas operaes no um espao
vetorial.
a) (a, b) + (c, d ) = (a + c, b + d ) e k (a, b) = (k 2 a, kb) .

b) (a, b) + (c, d ) = (a, b) e k (a, b) = (ka, kb) .
c) (a, b) + (c, d ) = (a + d , b + c) e k (a, b) = (ka, kb) .
d) ( a , b ) + (c, d ) = ( a + c, b + d ) e k ( a , b ) = ( a , b ) .
4. Seja V um espao vetorial sobre um corpo K. Mostre que, para qualquer escalar
k K e quaisquer vetores u , v V , k (u v) = ku kv .
5. Seja V o conjunto dos pares ordenados ( z1 , z2 ) 2 . Mostre que

V um espao vetorial sobre com a adio em V denida por
( z1 , z2 ) + ( z '1 , z '2 ) = ( z1 + z '1 , z2 + z '2 ) e a multiplicao por um escalar por
k ( z1 , z2 ) = (kz1 , kz2 ) , onde z1 , z2 , z '1 , z '2 e k .
24
Espaos vetoriais
Anotaes
25
lgEBra linEar
Anotaes
26
2 Subespaos Vetoriais
2.1 o Conceito de subespao vetorial

2.2 somas de subespaos
27
2 SUBESPAOS VETORIAIS
lgEBra linEar
Conversa
Voc deve ter percebido que, em geral, no difcil demonstrar que um determinado
conjunto V com as operaes de adio e multiplicao por escalar sobre um corpo
K um espao vetorial. Mas voc deve concordar que pode ser bastante extenso
demonstrar as oito proposies da denio 1.1. Os subespaos vetoriais tm
inmeras aplicaes, mas uma voc perceber de imediato, o fato que com ele, em
geral, podemos facilitar a demonstrao de que V um espao vetorial sobre K.
2.1 O Conceito de Subespao Vetorial
Denio 2.1: Seja U um subconjunto de um espao vetorial V sobre um corpo de

escalares K. Dizemos que U um subespao vetorial de V, se U um espao vetorial
sobre K em relao s operaes de adio e multiplicao por escalar de V.
Existe um critrio bastante simples para identicar os subespaos vetoriais.

Vejamos,
Teorema 2.2: Sejam V um espao vetorial sobre um corpo de escalares K e U um

subconjunto de V , ento, U um subespao vetorial de um espao vetorial V se, e
somente se,
i. U .
ii. Se u1 , u2 U , ento, u1 + u2 U .
iii. Se u U e k K , ento, ku U .
Demonstrao:
() Neste caso, a hiptese e a denio de subespao garantem que U um espao
vetorial sobre K em relao s operaes de adio e multiplicao por escalar de V. Desta
forma, segue imediatamente da denio 1.1, os itens i, ii e iii.
() Neste caso, estamos supondo que os itens i, ii, iii, so verdadeiros, logo, temos as
hipteses iniciais da denio 1.1 vericadas, ou seja, o conjunto no vazio e fechado
para a adio e multiplicao por escalar. Vamos demonstrar que as oito proposies
dadas na denio 1.1, so verdadeiras.
[A1] Para quaisquer vetores u1 , u2 U , por ii, u1 + u2 U e u2 + u1 U , mas
U V e em V, u1 + u2 = u2 + u1 , assim tambm o em U.
[A2] Para quaisquer vetores u1 , u2 , u3 U , por ii, (u1 + u2 ) + u3 U e
u1 + (u2 + u3 ) U , mas U V e em V (u1 + u2 ) + u3 = u1 + (u2 + u3 ) ,
assim tambm o em U.
[A3] Sejam u U e 0 K . Como U V e V um espao vetorial, temos pelo
teorema 1.8, item e, que 0 u = 0 e pelo item iii, 0u U , assim, 0 U . Mas
U V e em V, u + 0 = u , para todo u V e assim, para todo u U .
[A4] Sejam u U e 1 K . Como U V e V um espao vetorial, temos
pelo teorema 1.8, item g, que (1) u = u e pelo item iii, (1) u U , assim,
u U . Mas U V e em V, u + (u ) = 0 , para todo u V e assim, para
todo u U .
28
[M1] Para qualquer escalar k K , e quaisquer vetores u , v U , pelos
itens ii e iii, k (u + v) U e k u + k v U , mas U V e em V, subespaos vetoriais
k (u + v) = k u + k v , assim tambm o em U.
[M2] Para quaisquer escalares k1 , k2 K e qualquer vetor u U ,
(k1 + k2 ) u U e k1 u + k2 v U , mas U V e em
V 1 ( k + k 2 ) u = k1 u + k v
2 , assim tambm o em U.
[M3] Para quaisquer escalares k1 , k2 K e qualquer vetor u U ,
(k1k2 ) u U e k1 (k2u ) U , mas U V e em V (k1k2 ) u = k1 (k2u ) , assim
tambm o em U.
[M4] Para o elemento unitrio escalar 1, e para qualquer vetor u U , e pelo item iii,
1u U , mas U V e em V 1u = u , assim tambm o em U.
Portanto, nalizamos a demonstrao do teorema.

Corolrio 2.3: Sejam V um espao vetorial sobre um corpo de escalares K e U um
subconjunto de V . Ento U um subespao de V se, e somente se, 0 U e u 1 , u 2 U
implica que k1u 1 + k2u 2 U , para todos k1 , k2 K .
Demonstrao:
() Imediato da denio de espao vetorial.
() Como 0 U , segue que U no vazio. Seja u1 , u2 U , tomando k1 = k2 = 1 ,
segue o item ii do teorema 2.2. Seja u U e k1 K , k1 u = k1 u + 0 U , mostrando
assim o item iii do teorema 2.2. Portanto, o teorema 2.2 mostra que U um subespao
vetorial de V.
Conversa
Perceba que por denio, um subespao vetorial um espao vetorial. Portanto, se

sabemos que um determinado conjunto U um subconjunto de um espao vetorial,
para demonstrar que U um espao vetorial, basta utilizar o teorema 2.2 ou o
corolrio 2.3.
Exemplo 2.4: Seja V = 3 com as operaes usuais de adio e multiplicao por escalar
nos reais. Em cada um dos itens a seguir vamos vericar se U ou no um subespao
vetorial de V.
a) U = {( x, 0, z ); x, z } , ou seja, U o plano Oxz .

b) U = {( x, y, z ) V ; y 0} , ou seja, U o semi-espao com origem no plano Oxz , e
do lado negativo do eixo y.
c) U = {( x, y, z ) V ; x 2 + y 2 + z 2 1} , ou seja, U a esfera com centro na origem e
raio 1.
d) U = {( x, y, z ) V ; x + 2 y z = 0} , ou seja, U um plano que contm a origem.
Soluo:
Vamos utilizar o teorema 2.2 ou o corolrio 2.3.
a) Por denio, (0, 0, 0) U . Sejam u 1 , u 2 U e k1 , k2 . Assim, u 1 = ( x1 , 0, z1 )
e u 2 = ( x2 , 0, z2 ) , com x1 , z1 , x2 , z2 . Temos,
k1 u 1 + k2u2 = k1 ( x1 , 0, z1 ) + k2 ( x2 , 0, z2 ) = (k1 x1 , 0, k1 z1 ) + (k2 x2 , 0, k2 z2 ) =

= (k x1 + k ' x2 , 0, k z1 + k ' z2 ) .
29
lgEBra linEar Mas k1 x1 + k2 x2 , k1 z1 + k2 z2 , e assim, por denio, k1u 1 + k2u2 U .
Portanto, pelo corolrio 2.3, U um subespao vetorial de V.
b) Por definio, (0, 0, 0) U e assim, U . Sejam k = 1 e

u = (0, 1, 0) U , temos que k u = (1)(0, 1, 0) = (0,1, 0) U o que contradiz
o item iii do teorema 2.2. Assim, U no um subespao vetorial de V.
c) Como 02 + 02 + 02 = 0 1 , temos que (0, 0, 0) U . Sejam k = 2
2 2
1 1 1 1 2 5
e u = ( , , 0) . Como + + 0 = 1 , temos que
2 4 2 4 16
1 1
u = ( , , 0) U . Mas,
2 4
1 1 1
k u = 2.( , , 0) = (1, , 0) ,
2
2 4 2
1 5
e 12 + + 02 = > 1 , o que implica que k u U , contradizendo o item iii do
2 4
Teorema 2.2. Assim, U no um subespao vetorial de V.
d) Como 0 + 2.0 0 = 0 , temos que (0, 0, 0) U . Sejam

u 1 = ( x1 , y1 , z1 ) U , u 2 = ( x2 , y2 , z2 ) U , ou seja,
x1 + 2 y1 z1 = 0 e x2 + 2 y2 z2 = 0 (*)
Consideremos k1 , k2 . Ento,
k1 u 1 + k2u2 = k1 ( x1 , y1 , z1 ) + k2 ( x2 , y2 , z2 ) =
= (k1 x1 , k1 y1 , k1 z1 ) + (k2 x2 , k2 y2 , k2 z2 ) =
= (k1 x1 + k2 x2 , k1 y1 + k2 y2 , k1 z1 + k2 z2 ) .
Mas, observe que,
(k1 x1 + k2 x2 ) + 2(k1 y1 + k2 y2 ) (k1 z1 + k2 z2 ) =
= (k1 x1 + 2k1 y1 k1 z1 ) + (k2 x2 + 2k2 y2 k2 z2 ) =
(*)
= k1 ( x1 + 2 y1 z1 ) + k2 ( x2 + 2 y2 z2 ) = k1 0 + k2 0 = 0 ,
e assim, por denio, k1 u 1 + k2u2 U . Portanto, pelo corolrio 2.3, U um subespao
vetorial de V.
Exemplo 2.5: Seja M 2 () o conjunto das matrizes 2 2 , com entradas reais e as

operaes usuais de adio e multiplicao por um nmero real. Em cada um dos itens a
seguir vamos mostrar se N ou no um subespao vetorial de M.
a) N o subconjunto de M das matrizes simtricas.

a b
b) N = ; a , b, c .
0 c
2
c) N = { A M ; A = A} .
d) N o subconjunto de M das matrizes cujo determinante nulo.
Soluo:
30
subespaos vetoriais
a11 a
a) A matriz nula 2 2 uma matriz simtrica, portanto, est em N. Sejam A =
a a22
b11 b
e B= duas matrizes em N. Sejam ainda, k1 , k2 . Temos,
b b22
a a b11 b
k1 A + k2 B = k1 11 + k2 =
a a22 b b22
k a k1a k2b11 k2b
= 1 11 + =
k1a k1a22 k2b k2b22
k a + k b k1a + k2b
= 1 11 2 11 ,
k1a + k2b k1a22 + k2b22
que uma matriz simtrica, portanto, em N. Portanto, pelo corolrio 2.3, N um
subespao vetorial de M.
a11 a12
b) Claramente, pela denio de N, a matriz nula 2 2 est em N. Sejam A =
0 a22
b11 b12
e B= duas matrizes em N. Sejam ainda, k1 , k2 . Temos,
0 b22
a a b b
k1 A + k2 B = k1 11 12 + k2 11 12 =
0 a22 0 b22
k a k a k b k b k a + k b k a +k b
= 1 11 1 12 + 2 11 2 12 = 1 11 2 11 1 12 2 12 ,
0 k1a22 0 k2b22 0 k1a22 + k2b22
que pela denio, uma matriz de N. Portanto, pelo corolrio 2.3, N um subespao
vetorial de M.
c) A matriz nula 2 2 ao quadrado ainda a matriz nula 2 2 , portanto a matriz nula

1 0
2 2 est em N e assim, N . Seja a matriz identidade I = e 2 K .
Temos que, 0 1
1 0 1 0 1 0
I2 = = =I.
0 1 0 1 0 1
No entanto,
1 0 4 0 2 0
(2 I ) 2 = 4 = = 2I ,
0 1 0 4 0 2
contrariando assim, o item iii do teorema 2.2. Assim, N no um subespao vetorial
de M.
d) O determinante da matriz nula igual a zero. Assim, a matriz nula 2 2 est em N e

2 1 2 1
assim, N . Considere as matrizes A = eB= .Ambas esto em N,
2 1 6 3
2 1 2 1 4 0
pois tem determinante nulo. Porm, a matriz A + B = + =
2 1 6 3 8 2
tem determinante igual a 8 e, portanto no est em N, contrariando o item ii do
teorema 2.2. Assim, N no um subespao vetorial de M.
31
lgEBra linEar
Exemplo 2.6: Seja F = { f : ; f uma funo}, ou seja, F conjunto das funes
reais com variveis reais, juntamente com as operaes de adio e multiplicao por
escalar denidas no exemplo 1.5. Em cada um dos itens a seguir vamos vericar se H ou
no um subespao vetorial de F.
a) H = { f F ; f (1) = 0} .
b) H = { f F ; f (2) = 3 f (1)} .
c) H = { f F ; f ( x) = f ( x), x } , ou seja, H o conjunto das funes pares.
d) H = { f F ; f contnua} .
Soluo:
a) Como 0(1) = 0 , temos que a funo nula 0 est em H. Sejam f , g H , ou seja,

f (1) = 0 e g (1) = 0 . Sejam ainda, k1 , k2 . Temos,
(k1 f + k2 g )(1) = (k 1 f )(1) + (k2 g )(1) = k1 f (1) + k2 g (1) = k1 0 + k2 0 = 0 .
Assim, k1 f + k2 g est em H. Portanto, pelo corolrio 2.3, H um subespao vetorial
de F.
b) Observe que 0(2) = 0 3 = 3 0(1) e assim, a funo nula no pertence a H. Logo,

pelo corolrio 2.2, H no um subespao vetorial de F.
c) Como 0( x) = 0 = 0( x), para todo x , temos que a funo nula 0 est em H.

Sejam f , g H , ou seja, f ( x) = f ( x), para todo x , e g ( x) = g ( x), para
todo x . Sejam ainda, k1 , k2 . Temos que para todo x ,
(k1 f + k2 g )( x) = (k1 f )( x) + (k2 g )( x) = k1 f ( x) + k2 g ( x) =
= k1 f ( x) + k2 g ( x) = (k1 f )( x) + (k2 g )( x) =
= (k1 f + k2 g )( x) .
Assim, por denio k1 f + k2 g est em H. Portanto, pelo corolrio 2.3, H um
subespao vetorial de F.
d) A funo nula constante igual a zero, logo contnua. Assim, 0 H e, portanto,

H , satisfazendo o item i do teorema 2.2. Sejam f , g H , ou seja, f e g
so funes contnuas. Foi visto no curso de Clculo I que a soma de duas funes
contnuas ainda uma funo contnua. Logo, a adio em H satisfaz o item ii do
teorema 2.2. Finalmente, dado k , temos tambm por um teorema estudado no
curso de Clculo Diferencial e Integral I, que a funo kf contnua e, portanto, o
item iii do teorema 2.2, ca satisfeito. Logo, H um subespao vetorial de F.
Exemplo 2.7: Foram denidas no exerccio 1.3, as operaes de adio e multiplicao

por escalar no conjunto Pn [t ] , das funes polinomiais reais de grau menor ou igual a n,
na varivel t, que o tornaram um espao vetorial. Vamos vericar nos itens que seguem se
Qm [t ] com m n ou no um subespao vetorial de Pn [t ] .
a) Qm [t ] o conjunto de polinmios com potncias pares.

b) Qm [t ] o conjunto de polinmios que possuem razes 0 e 1 .
c) Qm [t ] o conjunto dos polinmios que possuem coecientes pares.
32
Soluo:
Vamos utilizar o teorema 2.2 ou o corolrio 2.3. subespaos vetoriais
a) O polinmio nulo 0(t ) = 0 + 0t 2 + 0t 4 + ... + 0t 2 m tem potncia par, logo o polinmio

nulo est em Qm [t ] . Sejam
q1 (t ) = a0 + a2t 2 + a4t 4 + ... + a2 mt 2 m e q2 (t ) = b0 + b2t 2 + b4t 4 + ... + b2 mt 2 m ,
polinmios em Qm [t ] . Sejam ainda, k , k ' . Temos,
kq1 (t ) + k ' q2 (t ) = k (a0 + a2t 2 + a4t 4 + ... + a2 mt 2 m ) +
+ k '(b0 + b2t 2 + b4t 4 + ... + b2 mt 2 m ) =
= (ka0 + ka2t 2 + ka4t 4 + ... + ka2 mt 2 m ) +
+ (k ' b0 + k ' b2t 2 + k ' b4t 4 + ... + k ' b2 mt 2 m ) =
= (ka0 + k ' b0 ) + (ka2 + k ' b2 )t 2 +
+ (ka4 + k ' b4 )t 4 + ... + (ka2 m + k ' b2 m )t 2 m ,
que um polinmio de grau par. Assim, pelo corolrio 2.3 temos que Qm [t ] um
subespao vetorial de Pn [t ] .
b) Qualquer nmero real uma raiz do polinmio nulo e assim, o polinmio

nulo est em Qm [t ] . Sejam q1 (t ) = a0 + a1t1 + a2t 2 + ... + amt m e
1 2 m
q2 (t ) = b0 + b1t + b2t + ... + bmt dois polinmios em Qm [t ] , ou seja,
q1 (0) = 0, q1 (1) = 0 , q2 (0) = 0 e q2 (1) = 0 . Sejam ainda, k , k ' . Temos
kq1 (0) + k ' q2 (0) = k .0 + k '.0 = 0 e kq1 (1) + k ' q2 (1) = k .0 + k '.0 = 0 .
Logo, kq1 (t ) + k ' q2 (t ) est em Qm [t ] e, portanto, pelo corolrio 2.3, Qm [t ] um

subespao vetorial de Pn [t ] .
1
c) Sejam q (t ) = 2 + 2t e k = . Temos,
2
1 1
q (t ) = (2 + 2t ) = 1 + t Qm [t ] .
2 2
Assim, pelo item iii do teorema 2.2, Qm [t ] no um subespao vetorial de Pn [t ] .
Teorema 2.8: A interseo de subespaos vetoriais de um espao vetorial V ainda um

subespao vetorial.
Demonstrao:
Pelo corolrio 2.3, o elemento neutro 0, pertence a todos os subespaos vetoriais, logo,
pertence a interseo de subespaos vetoriais.
Sejam u 1 , u 2 U = U i , onde U i so subespaos vetoriais de V, ento pela denio
de interseo de conjuntos, u 1 , u 2 U i , para todo i. Sejam k1 , k2 K . Ento, como U i
so subespaos vetoriais de V, pelo corolrio 2.3, k1u 1 + k2u 2 U i , para todo i, ou seja,
novamente pela denio de interseo de conjuntos,
k1u 1 + k2u 2 U
O corolrio 2.3 mostra que U = U i um subespao vetorial de V.

33
lgEBra linEar
Conversa
Uma pergunta que vocs poderiam fazer agora , ser que a unio de subespaos
vetoriais um espao vetorial?. Vamos demonstrar por meio de um contra-
exemplo simples, que isso no verdadeiro mesmo que tenhamos a unio de
apenas dois conjuntos. Para isso, sejam r e s duas retas no plano cartesiano, que
passam pela origem. Podemos supor, por exemplo, que a equao vetorial de r seja,
r : ( x, y ) = (1, 2), e da reta s seja, s : ( x, y ) = (1,3), . Note que estas retas
so subespaos vetoriais do plano cartesiano. De fato, vamos demonstrar este fato
para a reta r. Temos que (0, 0) r , basta fazer = 0 . Se r1 , r2 r , ento, r1 = (1 , 21 )
e r2 = ( 2 , 2 2 ) . Sejam k1 , k2 , ento,

k1r1 + k2 r2 = k1 (1 , 21 ) + k2 ( 2 , 2 2 ) = (k11 , 2k11 ) + (k2 2 , 2k2 2 ) =
= (k11 + k2 2 , 2(k11 + k2 2 )) = (k11 + k2 2 )(1, 2) ,
onde, k11 + k2 2 e assim, k1r1 + k2 r2 est em r. A demonstrao que s um subespao
vetorial do plano cartesiano e anloga.
Consideremos, ento, os prprios vetores geradores de r e de s, (1, 2) e (1,3) . Observe
que o vetor (1, 2) + (1,3) = (0,5) , no est na reta r e nem na reta s, logo, no est na
unio dessas duas retas. Por outro lado, se r s fosse um subespao vetorial, pelo
item ii do teorema 2.2, (0,5) deveria pertencer a esta unio, ou seja, estar em r ou
em s.
Uma pergunta que vocs poderiam fazer agora , ser que a unio de subespaos
vetoriais um espao vetorial?. Vamos demonstrar por meio de um contra-
exemplo simples, que isso no verdadeiro mesmo que tenhamos a unio de
apenas dois conjuntos. Para isso, sejam r e s duas retas no plano cartesiano, que
passam pela origem. Podemos supor, por exemplo, que a equao vetorial de r seja,
r : ( x, y ) = (1, 2), e da reta s seja, s : ( x, y ) = (1,3), . Note que estas retas
so subespaos vetoriais do plano cartesiano. De fato, vamos demonstrar este fato

para a reta r. Temos que (0, 0) r , basta fazer = 0 . Se r1 , r2 r , ento, r1 = (1 , 21 ) e

r2 = ( 2 , 2 2 ) . Sejam k1 , k2 , ento,

k1r1 + k2 r2 = k1 (1 , 21 ) + k2 ( 2 , 2 2 ) = (k11 , 2k11 ) + (k2 2 , 2k2 2 ) =
= (k11 + k2 2 , 2(k11 + k2 2 )) = (k11 + k2 2 )(1, 2) ,

onde, k11 + k2 2 e assim, k1r1 + k2 r2 est em r. A demonstrao que s um
subespao vetorial do plano cartesiano e anloga.

Consideremos, ento, os prprios vetores geradores de r e de s, (1, 2) e (1,3)
. Observe que o vetor (1, 2) + (1,3) = (0,5) , no est na reta r e nem na reta s,
logo, no est na unio dessas duas retas. Por outro lado, se r s fosse um
subespao vetorial, pelo item ii do teorema 2.2, (0,5) deveria pertencer a esta
unio, ou seja, estar em r ou em s.
2.2 Somas de Subespaos

Sejam U1 e U 2 dois subespaos vetoriais de um espao vetorial V sobre um
corpo de escalares K. Denimos a soma de U1 e U 2 , denotada por U1 + U 2 como o
conjunto das somas u1 + u2 , onde u1 U1 e u2 U 2 , ou seja,
U1 + U 2 = {u1 + u2 ; u1 U1 e u2 U 2 } .
Temos, ainda por denio, que:
34
i. 0 = 0 + 0 U1 + U 2 . subespaos vetoriais
ii. Se u1 + u2 , u '1 + u '2 U1 + U 2 ,
(u1 + u2 ) + (u '1 + u '2 ) = (u1 + u '1 ) + (u2 + u '2 ) U1 + U 2 .
iii. Se u1 + u2 U1 + U 2 e k , k (u1 + u2 ) = ku1 + ku2 U1 + U 2 .
Segue imediatamente do teorema 2.2, que U1 + U 2 com as operaes de adio e

multiplicao por escalar acima denidas um subespao vetorial de V.
Exemplo 2.9: Seja V = 3 com as operaes usuais de adio e multiplicao por

nmeros reais, U1 = {( x, y, 0); x, y } e U 2 = {( x, 0, z ); x, z } , ou seja, U1 o
plano Oxy e U 2 o plano Oxz . No exemplo 2.4 a, foi visto que U 2 um subespao
vetorial de V. De maneira anloga, mostra-se que U1 tambm um subespao vetorial de
V. Podemos perguntar ento quem a soma U1 + U 2 ? Por denio,
U1 + U 2 = {( x, y, 0) + ( x ', 0, z ');( x, y, 0) U1 , ( x ', 0, z ') U 2 } .
Note que dado (a, b, c) V , temos que,
(a, b, c) = ( a , b, 0) + ( a , 0, c) U1 + U 2 ,
2 2
e assim, V U1 + U 2 . Alm disso, por denio, U1 + U 2 um subespao vetorial de
V, logo U1 + U 2 V . Segue que U1 + U 2 = V .
Alm disso, U1 U 2 = {( x, 0, 0); x } , ou seja, o eixo x.
Exemplo 2.10: Seja V = M 2 ( ) o espao vetorial das matrizes 2 2 sobre .

a 0 0 b
Consideremos U1 = ; a e U 2 = ; b, d . fcil mostrar
0 0 0 d
que U1 e U 2 so subespaos vetoriais de V. Por denio,
a 0 0 b a b
U1 + U 2 = + ; a, b, d = ; a, b, d .
0 0 0 d 0 d
0 0
Alm disso, U1 U 2 = .
0 0
Denio 2.11: Dizemos que um espao vetorial V a soma direta de dois de seus
subespaos U1 e U 2 e denota-se por V = U1 U 2 , se qualquer elemento v V pode
ser escrito de maneira nica como v = u1 + u2 , onde u1 U1 e u2 U 2 .
Teorema 2.12: Um espao vetorial V a soma direta de dois de seus subespaos U1 e

U 2 se, e somente se,
i. V = U1 + U 2 ;
ii. U1 U 2 = {0} .
Demonstrao:
() Suponhamos que V = U1 U 2 , ento, pela prpria denio 2.11 temos i
satisfeito. Seja u U1 U 2 , como u V , podemos escrever u = u + 0 , com u U1 e
0 U 2 e u = 0 + u , com 0 U1 e u U 2 , mas por denio de soma direta, u V se
35
lgEBra linEar escreve de maneira nica como uma soma de vetores de U1 e U 2 , logo, u = 0 e assim,
U1 U 2 = {0} .
() Como V = U1 + U 2 , temos que se v V , v = u1 + u2 , onde u1 U1 e u2 U 2 .
Suponhamos que v = u '1 + u '2 , onde u '1 U1 e u '2 U 2 , ento, u1 + u2 = u '1 + u '2 ,
ou ainda, u1 u '1 = u '2 u2 , mas u1 u '1 U1 e u '2 u2 U 2 , assim,
u1 u '1 = u '2 u2 U1 U 2 . Por ii, U1 U 2 = {0} e assim, u1 u '1 = u '2 u2 = 0 ,
de onde segue que u1 = u '1 e u '2 = u2 , mostrando assim, que v se escreve de maneira
nica.

Note que no exemplo 2.9 no temos soma direta, pois a interseo dos dois
subespaos no constituda apenas pelo elemento neutro, j no exemplo 2.10 no temos
soma direta porque a soma dos dois subespaos no fornece todo o espao vetorial.
Exemplo 2.13: Sejam V = 3 com as operaes usuais de adio e multiplicao por

nmeros reais, U1 = {( x, y, 0); x, y } e U 2 = {(0, 0, z ); z } , ou seja, U1 o plano
Oxy e U 2 o eixo z. Por denio,
U1 + U 2 = {( x, y, 0) + (0, 0, z );( x, y, 0) U1 , (0, 0, z ) U 2 } = V .
Alm disso, U1 U 2 = {(0, 0, 0)} , e assim, por denio V = U1 U 2 .
Exerccios
1. Seja V = 3 com as operaes usuais de adio e multiplicao por escalar nos

reais. Em cada um dos itens a seguir verique se U ou no um subespao vetorial
de V.
a) U = {( x, y, z ) V ; x = y} ;
b) U = {( x, y, z ) V ; x y z} ;
c) U = {( x, y, z ) V ; xz = 0} ;
d) U = {( x, y, z ) V ; x 2 = z} .
2. Considere um sistema homogneo de m equaes lineares com n incgnitas sobre

, digamos,
11 x1 + 12 x2 + ... + 1n xn = 0
x + x + ... + x = 0
2n n
( S ) 21 1 22 2
.
..............................................
m1 x1 + m 2 x2 + ... + mn xn = 0
Mostre que o conjunto soluo de ( S ) subespao vetorial de n , com as operaes
usuais.
3. Seja M 2 () o conjunto das matrizes quadradas n n , com entradas reais e as

operaes usuais de adio e multiplicao por um nmero real. Em cada um dos
itens a seguir verique se N ou no um subespao vetorial de M 2 () .
a) N o subconjunto de M 2 () das matrizes anti-simtricas ( At = A ).
b) N o subconjunto de M 2 () das matrizes tal que a11 = 0 .
36
c) N o subconjunto de M 2 () das matrizes inversveis.
subespaos vetoriais
d) N o subconjunto de M 2 () das matrizes triangulares superiores.
4. Seja F = { f : ; f uma funo}, ou seja, F conjunto das funes reais com

variveis reais, juntamente com as operaes de adio e multiplicao por escalar
denidas no exemplo 1.5. Em cada um dos itens a seguir verique se H ou no um
subespao vetorial de F.
a) H = { f F ; f ( x) 0, x } .
b) H = { f F ; f limitada} . Recordemos que uma funo real dita limitada se
existe um nmero real M 0 tal que f ( x) M , x .
c) H = { f F ; f ( x) = f ( x), x } , ou seja, H o conjunto das funes mpares.
d) H = { f F ; f diferencivel} .
5. Sejam U1 e U 2 subespaos vetoriais de V. Mostre que U1 U 2 um subespao

vetorial de V se, e somente se, U1 U 2 ou U 2 U1 .
6. Seja F = { f : ; f uma funo}, como no exemplo 1.5. Seja F1 o subespao

de F das funes pares e F2 o subespao de F das funes mpares. Mostre que
F = F1 F2 .
37
lgEBra linEar
Anotaes
38
subespaos vetoriais
Anotaes
39
lgEBra linEar
Anotaes
40
3 Dependncia e
Independncia Linear
3.1 Combinaes lineares

3.2 dependncia e independncia linear
41
3 DEPENDNCIA E INDEPENDNCIA LINEAR
lgEBra linEar
Os conceitos de dependncia e independncia linear foram vistos de uma maneira

restrita no curso de Geometria Analtica. Veremos neste captulo estes importantes
conceitos, agora de uma maneira geral. bom salientar que estes dois conceitos
fundamentam a lgebra Linear.
3.1 Combinaes Lineares
Sejam V um espao vetorial sobre um corpo de escalares K e v1 , v2 ,..., vn V .

Qualquer vetor que se escreva da forma
a1v1 + a2v2 + ...an vn ,
onde, ai K , chamado uma combinao linear de v1 , v2 ,..., vn .
Seja S um subconjunto qualquer no-vazio de V. Vamos denotar o conjunto de

todas as combinaes lineares de vetores de S, pelo smbolo [ S ] . Ou seja,
[ S ] = {a1v1 + a2v2 + ...an vn ; ai K e vi V }
Teorema 3.1: Seja S um subconjunto qualquer no-vazio de um espao vetorial V, ento,

[ S ] um subespao vetorial de V que contm S, e se U V qualquer outro subespao
vetorial contendo S, ento [ S ] U .
Demonstrao:
Notemos que se s S , ento s = 1s e assim, por denio, s [ S ] , logo S [ S ] .
Como S no-vazio, temos que [ S ] tambm o . Logo, o item i do teorema 2.2 est
satisfeito. Sejam s, s ' [ S ] , ento por denio,
s = a1s1 + a2 s2 + ... + am sm e s ' = a '1 s1 + a '2 s2 + ... + a 'm sm ,
onde, si S e ai , a 'i K . Ento,
s + s ' = (a1 + a '1 ) s1 + (a2 + a '2 ) s2 + ... + (am + a 'm ) sm ,
que, por denio, um elemento de [ S ] . Assim, o item ii do teorema 2.2 est satisfeito.
Seja k K . Ento,
ks = k (a1s1 + a2 s2 + ... + am sm ) = (ka1 ) s1 + (ka2 ) s2 + ... + (kam ) sm ,
que, por denio, um elemento de [ S ] . Assim, o item iii do teorema 2.2 est satisfeito
e, portanto, [ S ] um subespao vetorial de V que contm S. Alm disso, se U V
qualquer outro subespao vetorial contendo S, por denio de subespao, todos os
mltiplos dos elementos de S esto em U, e pelo mesmo motivo, a soma desses mltiplos
tambm esto em U. Logo, pela denio de [ S ] , temos que [ S ] U .

Conversa
O subespao vetorial [ S ] dito subespao gerado pelo conjunto S, e dizemos tambm

que cada elemento de [ S ] gerado pelos elementos de S. Quando [ S ] = V dizemos que
S gera V. Note que o teorema 3.1 mostra que [ S ] o menor subespao vetorial que
contm o subconjunto S.
42
Exemplo 3.2: No curso de Geometria Analtica foi visto que para se obter a equao de uma dependncia e
reta no espao deveramos conhecer um vetor v 3 que determinava sua direo, chamado independncia linear
vetor diretor, e a posio dessa reta no espao era determinada por um ponto A qualquer
da
reta. Neste
caso, a equao vetorial da reta X = A + v , , ou seja, temos
que
AX = v , . Pelo teorema 3.1, dado um vetor no-nulo v 3 , o conjunto [v ] um
subespao vetorial de 3 (portanto, contm a origem), assim, geometricamente, [v ] uma
reta
que passa pela origem na
direo de v . Analogamente, dados dois vetores no paralelos,
v1 , v2 3 , o conjunto [v1 , v2 ] um subespao vetorial de 3 e assim,
geometricamente
um plano que passa pela origem que possui como vetores diretores v1 , v2 .

Exemplo
3.3: Vimos
i = (1, 0,
ainda no curso de Geometria Analtica que os vetores
3 3
0) ,
j = (0,1, 0)
e k = (0, 0,1) , geram o espao tridimensional , isto , [i , j , k ] = , e o
conjunto {i , j , k } foi chamado de base cannica. Mais adiante, generalizaremos o conceito
de base, para qualquer espao vetorial.
Exemplo 3.4: O conjunto dos monmios {1, t , t 2 , t 3 ,...} gera o espao vetorial V de todos
os polinmios em t, pois qualquer polinmio uma combinao linear de potncias de t.

Exemplo 3.5: Vamos veri car que a 4-upla v = (0,1, 0,3) uma combinao linear dos
vetores v1 = (1, 2, 0, 2) , v2 = (1,1,1, 0) e v3 = (1,1, 2,1) . Para que isso ocorra, devemos ter,
(0,1, 0,3) = x(1, 2, 0, 2) + y (1,1,1, 0) + z (1,1, 2,1) ,
e assim, obtemos o sistema,
x+ y+z =0
2x + y + z = 1

,
y + 2z = 0
2 x +z =3
que aps escalonamento,
x + y + z = 0 L2 L2 2 L1 x + y + z = 0 L3 L3 L2 x + y + z = 0
2 x + y + z = 1 L4 L4 2 L1 y z = 1 L4 L4 2 L2 y + z = 1

,
y + 2 z = 0 y + 2 z = 0 z = 1
2 x +z =3 2 y z = 3 z =1

obtemos (1, 2,1) , ou seja, v = v1 2v2 + v3 e, portanto, v uma combinao
asoluo
linear v1 , v2 e v3 .
Exemplo 3.6: Vamos mostrar que o conjunto de vetores

S = {(1,1, 1);(0, 1,1);(0, 0, 1)} ,
geram 3 , ou seja, 3 = [ S ] . Para isso precisamos mostrar que qualquer terna ordenada
(a, b, c) 3 se escreve como uma combinao linear dos vetores do conjunto S. Assim,
queremos encontrar , , tais que,
(a, b, c) = (1,1, 1) + (0, 1,1) + (0, 0, 1) .
Isto equivale a resolver o sistema
=a

=b ,
+ = c

cuja soluo = a , = a b e = b c . Logo,
(a, b, c) = a (1,1, 1) + (a b)(0, 1,1) + (b c)(0, 0, 1) ,
43
lgEBra linEar mostrando que [ S ] = 3 .
Conversa
Neste exemplo, foi trabalhado com uma terna arbitrria (a, b, c) 3 . Um bom
exerccio escolher uma ou mais ternas particulares do 3 e escrev-las como
combinao linear dos vetores de S.
Exemplo 3.7: No exemplo 2.5 foi demonstrado que,

a b
N = ; a , b, c ,
0 c
um subespao vetorial do espao vetorial M 2 ( ) . Vamos mostrar que o conjunto
1 1 0 1 0 0
S = ; ; gera N , ou seja, N = [ S ] .
0 1 0 1 0 1
Soluo:
Queremos encontrar , , tais que,
a b 1 1 0 1 0 0
= + + .
0 c 0 1 0 1 0 1
=a

+ = b ,
++ = c

cuja soluo = a , = b a e = c b . Logo,
a b 1 1 0 1 0 0
= a + (b a ) + (c b ) .
0 c 0 1 0 1 0 1
Portanto, N = [ S ] .
{ }
Exemplo 3.8: Vamos mostrar que o conjunto S = 1,1 t , (1 t ) 2 , (1 t )3 gera o espao
vetorial P3 [t ] dos polinmios de grau menor ou igual a 3 na varivel t.
Soluo:
Queremos encontrar , , , tais que,
a + bt + ct 2 + dt 3 = 1 + (1 t ) + (1 t ) 2 + (1 t )3 =
= 1 + (1 t ) + (1 2t + t 2 ) + (1 3t + 3t 2 t 3 ) =
= ( + + + ) + ( 2 3)t + ( + 3)t 2 t 3 .
+ + + = a
2 3 = b

,
+ 3 = c
= d
cuja soluo = d , = c + 3d , = (b + 2c + 3d ) e = a + b + c + d . Logo
a + bt + ct 2 + dt 3 =
44
= (a + b + c + d )1 (b + 2c + 3d )(1 t ) + (c + 3d )(1 t ) 2 d (1 t )3 .
Portanto, P3 [t ] = [ S ] . dependncia e
independncia linear
Conversa
Insistimos que um bom exerccio considerar alguns casos particulares em N e

em P3 [t ] nos exemplos 3.7 e 3.8, respectivamente, e escrev-los como combinao
linear dos elementos de S.
Vamos a seguir exibir um exemplo especial de subespaos gerados por um

conjunto S.
Exemplo 3.9: Seja M mn ( K ) , o conjunto das matrizes m n sobre um corpo de

escalares K e considere,
a11 a12 ... a1n

a a22 ... a2 n
M = 21 .

am1 am 2 ... amn
Podemos pensar as m linhas de M, como vetores do espao K n , ou seja,
l1 = (a11 , a12 ,..., a1n ), l2 = (a21 , a22 ,..., a2 n ),..., lm = (am1 , am 2 ,..., amn ) .
Estes vetores geram um subespao vetorial de K n , sobre K, chamado o espao das linhas
de M. Ou seja, o espao das linhas L de M, dado por
L = [l1 , l2 ,..., lm ] .
De maneira anloga, se pensarmos as n colunas de M, como vetores do espao K m , ou seja,
c1 = (a11 , a21 ,..., am1 ), c2 = (a12 , a22 ,..., am 2 ),..., cn = (a1m , a2 m ,..., amn ) ,
tambm teremos que estes vetores geram um subespao vetorial, agora do espao vetorial
K m , chamado o espao das colunas de M, ou seja, o espao das colunas de M, C, dado por
C = [c1 , c2 ,..., cn ] .
Quando escalonamos a matriz M, por denio, cada linha da matriz escalonada resultante,
M ' , uma linha de M ou uma combinao linear das linhas de M, e vice-versa, ou seja,
aplicando as operaes elementares inversas, teremos que as linhas de M uma linha de
M ' ou uma combinao linear das linhas de M ' . Assim, as matrizes M e M ' possuem
o mesmo espao das linhas de M.
Considere a matriz transposta M t e sua matriz escalonada ( M t ) ' . Seja M " a transposta
de ( M t ) ' . Com raciocnio semelhante a do pargrafo anterior, conclumos que as matrizes
M e M " possuem o mesmo espao das colunas de M.
3.2 Dependncia e Independncia Linear
No curso de Geometria Analtica, os conceitos de dependncia e independncia

linear foram estudados de uma maneira bem sucinta e geomtrica. Recordando, foi visto
que dois vetores paralelos so linearmente dependentes, e caso contrrio, linearmente
independentes. J no caso de trs vetores, eles sero linearmente independentes, se eles
no so coplanares, caso contrrio, sero linearmente dependentes. Vimos que estes
conceitos esto ligados ao fato de gerao de novos vetores. Veremos neste pargrafo
45
a generalizao destes conceitos, no s para o n , mas para qualquer espao vetorial
lgEBra linEar sobre um corpo de escalares K.
Denio 3.10: Seja V um espao vetorial sobre um corpo de escalares K. Dizemos que
os vetores v1 , v2 ,..., vn V so linearmente dependentes (LD) sobre K, se existem
escalares 1 , 2 ,..., n K , no todos nulos, tais que
1v1 + 2v2 + ... + n vn = 0 (3.1)
Caso contrrio, dizemos que v1 , v2 ,..., vn so linearmente independentes (LI) sobre K.
Conversa
Este conceito precisa ser bem compreendido por vocs. Recordem o que foi visto
em Geometria Analtica, entenda bem o conceito em dimenses mais baixas, pois a
generalizao uma consequncia. Ateno tambm nas prximas observaes.
Observaes
1. Note que a relao (3.1) sempre verdadeira se os coecientes dos vetores v1 , v2 ,..., vn
forem todos nulos. Desta forma, podemos entender a denio 3.1 da seguinte forma:
Os vetores v1 , v2 ,..., vn V so LI se, e somente se, 1v1 + 2 v2 + ... + n vn = 0
apenas quando 1 = 2 = ... = n = 0 .
2. Note tambm que se o vetor nulo 0 um dos vetores entre v1 , v2 ,..., vn , ento os
vetores v1 , v2 ,..., vn so LD. De fato, suponhamos, por exemplo, que vi = 0 , ento,
podemos escrever,
0v1 + 0v2 + ... + 0vi 1 + 1.0 + 0vi +1 + ... + 0vn = 0 ,
ou seja, existem escalares no todos nulos que satisfazem (3.1).
3. Um nico vetor no-nulo sempre LI, pois se v = 0 e v 0 pelo item f do teorema
1.1, implica que devemos ter = 0 .
4. O conjunto {v1 , v2 ,..., vn } chamado linearmente dependente ou independente,

caso os vetores v1 , v2 ,..., vn V sejam, respectivamente, linearmente dependentes
ou linearmente independentes.
Conversa
Neste texto utilizaremos as duas linguagens, ora poderemos utilizar a frase os vetores
so LD ou LI, ora o conjunto LD ou LI.
5. Se dois entre os vetores v1 , v2 ,..., vn V so iguais, ento o conjunto {v1 , v2 ,..., vn }

LD. De fato, suponhamos que vi = v j , para i j , ento,
0v1 + 0v2 + ... + 0vi 1 + 1.vi + 0vi +1 + ... + 0v j 1 1.v j + 0v j +1 + ... + 0vn = 0 ,
e assim, por denio, o conjunto {v1 , v2 ,..., vn } LD.
46
6. Todo conjunto que possui um subconjunto LD LD. De fato, como em um conjunto
a ordem no importa, suponhamos que {v1 , v2 ,..., vm } um subconjunto LD de dependncia e
{v1 , v2 ,..., vn } , ento, por denio, existem escalares 1 , 2 ,..., m K , no independncia linear
todos nulos, tais que,

1v1 + 2v2 + ... + m vm = 0
e assim, 1v1 + 2 v2 + ... + m vm + m +1vm +1 + ... + n vn = 0 , com os escalares no
todos nulos 1 , 2 ,..., m K . Logo, por denio {v1 , v2 ,..., vn } LD.
Exemplo 3.11: Os vetores do espao vetorial 3 sobre , com as operaes usuais,

v1 = (4, 0,5), v2 = (1, 1,3) e v3 = (2, 2, 1) so LD, pois
v1 2v2 v3 = (4, 0,5) 2(1, 1,3) (2, 2, 1) = (0, 0, 0) .
Exemplo 3.12: As matrizes do espao vetorial M 2 () sobre , com as operaes

1 2 1 0 1 1
usuais, , e so LI, pois,
1 3 2 0 0 0
1 2 1 0 1 1 0 0
+ + = ,
1 3 2 0 0 0 0 0
implica que,
+ = 0
2 + = 0

,
+ 2 = 0
3 =0
que um sistema homogneo cuja nica soluo a trivial, ou seja, = = = 0 ,
demonstrando assim, o desejado.
Teorema 3.13: Seja V um espao vetorial sobre um corpo de escalares K. Os vetores

v1 , v2 ,..., vn V so LD se, e somente se, um deles combinao linear dos vetores
precedentes.
Demonstrao:
() Se os vetores no nulos v1 , v2 ,..., vn so LD, ento, existem escalares
1 , 2 ,..., n K , no todos nulos, tais que 1v1 + 2v2 + ... + n vn = 0 . Suponhamos
que o ltimo escalar no nulo seja i . Nesse caso temos,
1v1 + 2v2 + ... + i 1vi 1 + i vi + 0vi +1 + ... + 0vn = 0 .
Portanto,
1
vi = v1 2 v2 ... i 1 vi 1 ,
i i i
ou seja, vi uma combinao linear dos vetores precedentes.
() Suponhamos que um dos vetores v1 , v2 ,..., vn seja uma combinao linear dos
vetores precedentes. Podemos supor que vi seja esse vetor. Ento, existem escalares
1 , 2 ,..., i 1 K , tais que,
vi = 1v1 + 2v2 + ... + i 1vi 1 .
Assim,
1v1 + 2v2 + ... + i 1vi 1 vi = 0 ,
e o coeciente de vi 1 que no nulo, portanto, por denio, v1 , v2 ,..., vn so LD.

47
lgEBra linEar
Exemplo 3.14: Vamos vericar se o conjunto de vetores em 4 sobre , com as
operaes usuais,
{(1, 2, 1,3), (0, 1,1, 2), (1, 0,1, 1), (3,1, 4, 1)}
LI ou LD.
Soluo:
Observe que (1, 0,1, 1) = (1, 2, 1,3) + 2(0, 1,1, 2) . Assim, pelo teorema 3.13, o
conjunto LD.
Exemplo 3.15: Vamos vericar se os vetores u e v dos itens a seguir so LI ou LD.

a) u = (1, 1,3, 2, 0) e v = (2, 2, 6, 4, 0) , no espao vetorial 5 sobre , com as
operaes usuais.
1 0 1 0

b) u = 1 1 e v = 1 1 , no espao vetorial M 32 ( ) sobre , com as
2 2 2 2

operaes usuais.
c) u = 2 t 2 + 3t 4 2t 6 e v = 2t t 3 + 3t 5 2t 7 , no espao vetorial P7 (t ) , sobre ,
com as operaes usuais.
Soluo:
a) Lembremos que no curso de Geometria Analtica, tomando as coordenadas de v e
dividindo ordenadamente pelas coordenadas de u, quando forem distintas de zero
(lembrar que se uma das coordenadas de um dos dois vetores nula a correspondente
tambm deve ser, isto acontece neste caso) temos,
2 2 6 4
= = .
1 1 3 2
Como eles no so proporcionais, pelo teorema 3.13, os vetores u e v so LI.
b) Neste caso devemos comparar ordenadamente cada uma das entradas (distintas de
zero, mesma observao do item a) das matrizes em M 32 ( ) . Vejamos
1 1 1 2 2
= = = = = 1 .
1 1 1 2 2
Como eles so proporcionais, pelo teorema 3.13, os vetores u e v so LD.
c) Cuidado! Perceba que os coecientes dos dois polinmios parecem iguais, mas
so coecientes de termos distintos. Na verdade, podemos escrever u como
u = (2, 0, 1, 0,3, 0, 2, 0) e v como v = (0, 2, 0, 1, 0,3, 0, 2) , em que a primeira
coordenada a do termo independente, a segunda a do coeciente de t, a terceira a do
coeciente de t 2 , e assim sucessivamente at a oitava coordenada que o coeciente
do termo t 7 . Logo, pelo teorema 3.13, u e v so LI.
Conversa
Note que a maneira que resolvemos o exemplo 3.15 s foi possvel porque temos
apenas dois vetores. Caso existam mais que dois vetores, temos que utilizar outros
recursos na demonstrao. Na sequncia faremos mais exemplos.
48
Exemplo 3.16: Vamos vericar se os vetores dos itens a seguir so LI ou LD em 3
sobre . dependncia e
independncia linear
a) u1 = (1, 1,3) ; u2 = (5, 2, 3) e u3 = (2, 5,12) ;
b) u1 = (3, 2, 0) ; u2 = (4, 2, 0) e u3 = (2, 2, 7) .
Soluo:
Observemos que se os vetores forem LI, os nicos escalares x, y e z que tornam a
combinao linear xu1 + yu2 + zu3 igual ao vetor nulo so x = 0, y = 0 e z = 0 . Assim,
vamos fazer esta combinao linear.
a) Temos
x(1, 1,3) + y (5, 2, 3) + z (2, 5,12) = (0, 0, 0) ,
que ocorre se, e somente se,
x + 5 y 2z = 0

x + 2 y 5z = 0 .
3 x 3 y + 12 z = 0

O sistema acima homogneo e, portanto, temos no mnimo a soluo trivial. Se esta
soluo for a nica, os vetores sero LI, se existir outras solues, os vetores sero LD.
Vamos escalonar o sistema.
x + 5 y 2z = 0 L2 L2 + L1
x + 5 y 2z = 0 1
L2 L2
7
x + 2 y 5z = 0 7 y 7z = 0
1
L3 L3 3 L1
3x 3 y + 12 z = 0 18 y + 18 z = 0 L3 L3
18
x + 5 y 2z = 0 L L +L x + 5 y 2z = 0
3 3 2
y z = 0 .
y+z =0 y z = 0

Fazendo, por exemplo, y = a , onde a um nmero real qualquer, teremos z = a e
x = 3a , ou seja, qualquer terna (3a, a, a ) , para a , uma soluo para o sistema.
Assim, os vetores so LD.
Conversa
Observe que escalonar este sistema anlogo a escalonar a matriz

1 5 2

1 2 5 ,
3 3 12

ou seja, para vericar se um conjunto de vetores so LI ou LD, basta colocarmos
suas coordenadas nas colunas da matriz, escalonar e vericar o nmero de linhas
restantes. Se for menor que o nmero de coordenadas, o sistema LD, se for igual LI,
e se for maior, veremos no prximo captulo.
b) Vamos utilizar a conversa anterior para resolver este item, ou seja, vamos escalonar a
matriz formada pelas coordenada dos vetores dados.
3 4 2 3
L2 L2 3 4 2 L2 L2 + L1
3 4 2
2
2 2 2 3 3 3 0 1 1 .
0 0 7 0 0 7 0 0 7

49
Como aps o escalonamento, temos trs linhas no nulas, a nica soluo para o sistema
lgEBra linEar gerado pela matriz a soluo trivial, logo pelas observaes feitas no item a, os vetores
so LI.
Teorema 3.17: As linhas no nulas de uma matriz na forma escalonada so linearmente

independentes.
Demonstrao:
Suponhamos por absurdo que o conjunto das referidas linhas { ln , ln 1 ,..., l1} seja
LD. Ento pelo teorema 3.13, uma das linhas uma combinao linear dos vetores
precedentes, suponhamos que esta linha seja lr , logo,
lr = r +1lr +1 + r + 2lr + 2 + ... + nln (3.2)
Por hiptese, todas as linhas so no nulas. Consideremos ento a primeira coordenada de

lr que no nula. Como a matriz est na forma escalonada, todas as k-simas coordenadas
das linhas lr +1 , lr + 2 ,..., ln tambm so no nulas. Assim, por (3.2) a k-sima coordenada
de lr da forma,
r +1 0 + r + 2 0 + ... + n 0 .
Isso contradiz a hiptese que a primeira coordenada de lr no nula. Logo, { ln , ln 1 ,..., l1} LI.

Teorema 3.18: Seja V um espao vetorial sobre um corpo de escalares K. Suponhamos
que { v1 , v2 ,..., vn } gera V. Ento:
a) se u V , ento { u , v1 , v2 ,..., vn } LD e gera V;
b) se vk uma combinao linear dos vetores precedentes, ento { v1 ,..., vk 1 , vk +1 ,..., vn }
ainda gera V.
Conversa
Antes de demonstrar este teorema, procure entender bem o que ele nos est dizendo.
O item a garante que se um conjunto de vetores gera um espao vetorial V, ento se
acrescentarmos qualquer outro vetor de V a este conjunto, ele ser sempre LD. J o
item b garante que um conjunto que gera um espao vetorial, no necessariamente
o menor conjunto que o gera.
Demonstrao:
a) Como por hiptese o conjunto { v1 , v2 ,..., vn } gera V e u V , ento, existem escalares
1 , 2 ,..., n K , tais que,
u = 1v1 + 2v2 + ... + n vn ,
ou seja, 1u 1v1 2 v2 ... n vn = 0 e pelo menos um dos coecientes dos vetores
da soma no nulo. Assim, pela denio 3.1 o conjunto { u , v1 , v2 ,..., vn } LD. Alm
disso, dado qualquer vetor w V , por hiptese existem escalares 1 , 2 ,..., n K tais
que w = 1v1 + 2 v2 + ... + n vn e, portanto, w = 0u + 1v1 + 2 v2 + ... + n vn e assim,
por denio { u , v1 , v2 ,..., vn } gera V.
b) Por hiptese existem escalares 1 , 2 ,..., n K , tais que

vk = 1v1 + 2v2 + ... + k 1vk 1 .
Seja w V qualquer, como { v1 , v2 ,..., vn } gera V, temos que
50
w = 1v1 + 2v2 + ... + n vn , onde 1 , 2 ,..., n K . dependncia e
Substituindo vk , obtemos, independncia linear
w = 1v1 + 2v2 + ... + k 1vk 1 + k (1v1 + 2v2 + ... + k 1vk 1 ) +

+k +1vk +1 + ... + n vn =
= (1 + k 1 )v1 + (2 + k 2 )v2 + ... + (k 1 + k k 1 )vk 1 +
+k +1vk +1 + ... + n vn .
ou seja, { v1 ,..., vk 1 , vk +1 ,..., vn } gera V.

Exerccios
1. Verique se o conjunto S dos itens a seguir gera ou no o respectivo espao vetorial V.
a) S = {(2,1, 1);(1, 0,1);(1,1, 0)} e V = 3 .

2 1 0 0 1 0
b) S = ; ; e V o espao vetorial das matrizes 2 2 simtricas.
1 1 0 1 0 0
{ }
c) S = 1, t , (t 1) 2 e V o espao vetorial, P2 [t ] , dos polinmios de grau menor ou
igual a 2.
2. Sejam V um espao vetorial sobre um corpo K e S V , um subconjunto no vazio.

Demonstre que [ S ] a interseo de todos os subespaos vetoriais de V contendo S.
3. Sejam V um espao vetorial sobre um corpo K e S1 , S 2 V , subconjuntos no

vazios. Demonstre que se S1 S 2 , ento [ S1 ] [ S 2 ] .
4. Verique quais das matrizes dadas a seguir possuem o mesmo espao das linhas ou
o mesmo espao das colunas. 1 2 0

1 0 1 1 1 2
A= ; B = ; C = 3 1 1 ;
2 1 3 0 1 0 2 3 1

1 2 1 1 0

D = 3 1 4 ; E = 1 2 .
2 3 5 1 3

5. Mostre que se v = ( x1 , x2 ,..., xn ) uma combinao linear do espao linha de uma
matriz M M mn ( K ) , ento, xi uma combinao linear da correspondente coluna
i de M, para todo i = 1,..., n .
6. Verique se os conjuntos de vetores dos itens a seguir so LI ou LD
a) {(2,1, 1);(1, 0,1);(1,1, 0)} em 3 , sobre .

2 1 0 0 1 0
b) ; ; no espao vetorial das matrizes M 2 () , sobre .
1 1 0 1 0 0
{ }
c) 1, t , (t 1) 2 no espao vetorial P2 [t ] dos polinmios de grau menor ou igual a 2,
sobre .
51
lgEBra linEar
d) {(2,1, 1, 0);(1, 0,1, 0);(1,1, 0, 1)} em 4 , sobre .
2 1 0 0 1 0 1 1
; no espao vetorial das matrizes M ()
e) 1 1 ; 0 1 ; 0 0 1 0
32
0 1 1 2 1 1 0 2

, sobre .
f) { f1 (t ) = t , f 2 (t ) = et , f1 (t ) = cos t} no espao vetorial das funes F = { f : ; f
uma funo}, sobre .
7. Seja V um espao vetorial sobre um corpo K. Suponha que os vetores u , v e w so

LI. Mostre que o conjunto {u + v 2 w, u v w, u + w} tambm LI.
8. Mostre que os vetores (i, 1, 2 + i ) e (1, i,1 2i ) em 3 so LD sobre , mas LI

sobre .
52
dependncia e
independncia linear
Anotaes
53
lgEBra linEar
Anotaes
54
4 Bases e Dimenso
55
4 BASES E DIMENSO
lgEBra linEar
No captulo anterior estudamos dois conceitos, a saber, a combinao linear de

vetores e a dependncia ou independncia linear. Neste captulo, envolveremos estes
dois conceitos para denir base e dimenso de um espao vetorial, dois novos conceitos
fundamentais para a lgebra Linear e para muitos outros ramos da matemtica.
Denio 4.1: Dizemos que um espao vetorial V tem dimenso nita n ou que
n-dimensional, se existir um conjunto com n vetores linearmente independentes
{e1 , e2 ,..., en } , tal que V = [e1 , e2 ,..., en ] . Neste caso, o conjunto {e1 , e2 ,..., en } chamado
base de V. Quando a dimenso de um espao vetorial V for n, escreveremos dimV = n .
Observaes
1. Quando um espao no de dimenso nita, dizemos que ele tem dimenso innita.
2. Por denio a dimenso do espao vetorial nulo {0} zero.
Conversa
Uma pergunta que surge agora : um determinado espao vetorial pode ter dimenses
distintas, dependendo da quantidade de vetores linearmente independentes que
geram este espao? Caminharemos agora para obter um resultado que responde esta
pergunta negativamente quando a dimenso do espao nita, ou seja, dado um
espao vetorial de dimenso nita, o nmero que determina a dimenso deste espao
nico.
Lema 4.2: Suponhamos que o conjunto A = {v1 , v2 ,..., vn } gera um espao vetorial V.
Se B = {u1 , u2 ,..., um } um conjunto LI, ento, m n e V gerado por um conjunto da
forma {u1 , u2 ,..., um , vi 1 , vi 2 ,..., vi n m } .
Conversa
Antes de demonstrarmos o lema, observemos que podemos supor, sem perda de

generalidade, que os vetores de A, so todos no nulos, pois caso um desses vetores
fosse nulo, ele no estaria colaborando na gerao do espao vetorial V quando
pertencente ao conjunto A, ou ao conjunto {u1 , u2 ,..., um , vi 1 , vi 2 ,..., vi n m } .
Demonstrao:
Como por hiptese {v1 , v2 ,..., vn } gera V, o item a do teorema 3.18, garante que
{u1 , v1 , v2 ,..., vn } LD e gera V. Mas, se este conjunto LD, ento, pelo teorema 3.13,
existe algum vetor neste conjunto que uma combinao linear dos vetores precedentes.
Este vetor no pode claramente ser u1 , ento, um dos vi . Suponhamos que seja vk , ento,
pelo item b do teorema 3.18, {u1 , v1 , v2 ,..., vk 1 , vk +1 ,..., vn } ainda gera V. Repetindo o
56
processo, agora o conjunto {u1 , u2 , v1 , v2 ,..., vk 1 , vk +1 ,..., vn } LD e gera V, e assim, Bases e dimenso
um dos vetores combinao linear dos anteriores. Este vetor no pode ser u2 , pois o
conjunto {u1 , u2 ,..., um } LI, portanto, o vetor que combinao linear dos precedentes
algum dos vetores de A, digamos vl . Assim,
{u1 , u2 , v1 , v2 ,..., vk 1 , vk +1 ,..., vl 1 , vl +1 ,..., vn } ,
gera V.
Continuamos o processo, a cada passo, acrescentando um u j do conjunto B e retirando

um vi do conjunto A. Se m n , ento, chegaremos que o conjunto
{u1 , u2 ,..., um , vi 1 , vi 2 ,..., vi n m }
gera V.
Se m > n depois de n passos do processo anterior, obteramos que o conjunto

B = {u1 , u2 ,..., un } gerador de V, e assim, pelo item a do teorema 3.18,
{u1 , u2 ,..., un , un+1} LD e pela observao 6 do captulo 3, {u1 , u2 ,..., um } tambm
LD, contrariando a hiptese. Logo, necessariamente, m n .

Conversa
Observe que o ltimo pargrafo da demonstrao deste lema garante que se um

conjunto {v1 , v2 ,..., vn } gera um espao vetorial V, qualquer conjunto com n + 1 ou
mais vetores de V sero sempre LD.
Teorema 4.3: Seja V um espao vetorial de dimenso nita. Ento, todas as bases de V
tm o mesmo nmero de vetores.
Demonstrao:
Sejam B = {e1 , e2 ,..., en } e B = {e '1 , e '2 ,..., e 'm } bases de V. Pelo fato de B e B serem
base, temos que:
a) B gera V e B LI, assim, pelo lema 4.2, m n .
b) B gera V e B LI e assim, pelo lema 4.2 n m .
Logo, por a e b, n = m .

Seja S um subconjunto qualquer de um espao vetorial V. Dizemos que um
subconjunto de vetores {u1 , u2 ,..., um } de S independente maximal se:
(1) ele LI;
(2) para qualquer vetor s S , o conjunto {s, u1 , u2 ,..., um } LD.
Teorema 4.4: Seja V um espao vetorial sobre um corpo de escalares K. Se {v1 , v2 ,..., vn }
um subconjunto independente maximal de um subconjunto S que gera V, ento,
{v1 , v2 ,..., vn } uma base de V.
Demonstrao:
Por hiptese V = [ S ] . Se s S , por denio de subconjunto independente maximal,
{v1 , v2 ,..., vn , s} LD, e assim, existem escalares 1 , 2 ,..., n , K , no todos nulos
tais que,
1v1 + 2v2 + ... + n vm + s = 0 .
57
Como {v1 , v2 ,..., vn } LI, temos que necessariamente 0 e assim,
lgEBra linEar 1
s= v1 2 v2 ... n vm ,

ou seja, s [v1 , v2 ,..., vn ] . Como s um elemento qualquer de S, temos que
S [v1 , v2 ,..., vn ] e assim, pelo teorema 3.1, [ S ] [v1 , v2 ,..., vn ] . Portanto,
V = [ S ] [v1 , v2 ,..., vn ] V
Logo, V = [v1 , v2 ,..., vn ] e como {v1 , v2 ,..., vn } LI, por definio, {v1 , v2 ,..., vn }
base de V.

Teorema 4.5: Seja V um espao vetorial de dimenso nita n sobre um corpo de escalares
K. Ento,
a) Qualquer subconjunto LI de V parte de uma base, isto , pode ser estendido a uma
base de V.
b) Qualquer subconjunto LI de V com n elementos uma base de V.
Demonstrao:
Seja {v1 , v2 ,..., vn } uma base de V.
a) Suponhamos que o conjunto LI da hiptese seja {u1 , u2 ,..., um } , ento pelo Lema 4.2,
o conjunto S = {u1 , u2 ,..., um , vi 1 , vi 2 ,..., vi n m } gera V. Armamos que existe um
subconjunto de S que base de V. De fato, como S nito, existe uma quantidade
nita de subconjuntos de S que so linearmente independentes. Pelo menos um deles
maximal, e pelo teorema 4.4, este subconjunto uma base. Mas, como S possui n
elementos e a dimenso de V n, pelo teorema 4.3, S uma base de V.
b) Pelo item a, um conjunto linearmente independente U com n elementos parte de uma
base de V. Pelo teorema 4.3 toda base tem a mesma quantidade de elemento, ento U
uma base de V.

Exemplo 4.6: No curso de Geometria Analtica foi estudado que {i, j} , onde i = (1, 0)
e j = (0,1) uma base de 2 , chamada base cannica. Por denio de dimenso,
dim 2 = 2 . Em 3 , a base cannica foi representada por {i, j , k} , onde i = (1, 0, 0) ,
j = (0,1, 0) e k = (0, 0,1) . Por denio de dimenso, dim 3 = 3 . Generalizando para
uma base do espao vetorial K n sobre K, onde K um corpo, escolhemos,
e1 = (1,
0, 0,...,0) , e2 = (0,1,
0,...,0) , e3 = (0,
0) ,..., en = (0,
0,1,..., 0,
0,...,1)
,
n n n n
n
e assim, claramente o conjunto {e1 , e2 ,..., en } uma base de K sobre K, denominada
base cannica. Por denio de dimenso, dim K n = n .
Exemplo 4.7: Seja M mn ( K ) o espao vetorial das matrizes m n sobre um corpo K.

Observe que as matrizes m n
1 0 ... 0 0 1 ... 0 0 0 ... 1

0 0 ... 0 0 0 ... 0 0 0 ... 0
e11 = , e12 = ,..., e1n =
... ... ...

0 0 ... 0 0 0 ... 0 0 0 ... 0
58
0 0 ... 0 0 0 ... 0 0 0 ... 0
Bases e dimenso
1 0 ... 0 0 1 ... 0 0 0 ... 1
e21 = , e22 = ,..., e2 n =
... ... ...

0 0 ... 0 0 0 ... 0 0 0 ... 0

0 0 ... 0 0 0 ... 0 0 0 ... 0

0 0 ... 0 0 0 ... 0 0 0 ... 0
em1 = , em 2 = ,..., emn = ,
... ... ...

1 0 ... 0 0 1 ... 0 0 0 ... 1
claramente so LI e geram M, portanto, constituem uma base para M, denominada base
cannica. Assim, dim M mn ( K ) = mn .
Exemplo 4.8: Seja Pn [t ] o espao vetorial dos polinmios em t, de grau menor ou igual a
n sobre . Ento, {1, t , t 2 , t 3 ,..., t n } uma base para Pn [t ] (um bom exerccio vericar
esta armao), e assim, dim Pn [t ] = n + 1 .
Conversa
O espao vetorial de todos os polinmios, P[t], tem dimenso innita, pois no existe
um conjunto nito de polinmios que o gera.
Exemplo 4.9: Se considerarmos os cinco vetores do 5

(1,1,1,1,1); (0,1,1,1,1); (0, 0,1,1,1); (0, 0, 0,1,1);(0, 0, 0, 0,1) ,
e considerarmos uma matriz cujas linhas so esses vetores, pelo teorema 3.17, estes
vetores so LI. Alm disso, como dim 5 = 5 , pelo item b do teorema 4.5, o conjunto,
{(1,1,1,1,1); (0,1,1,1,1); (0, 0,1,1,1); (0, 0, 0,1,1);(0, 0, 0, 0,1)}
uma base do 5 .
Teorema 4.10: Seja U um subespao de um espao vetorial n-dimensional V. Ento,

dimU n , e se dimU = n , U = V .
Demonstrao:
O teorema 4.1 garante que qualquer conjunto com n + 1 ou mais vetores de V sero
sempre LD. Como U V , qualquer conjunto de vetores de U com n + 1 ou mais vetores
sero sempre LD, logo uma base de U deve conter um nmero menor ou igual a n de
vetores, isto , dimU n . Alm disso, se dimU = n , ento temos um conjunto vetores
de U, que LI, assim, pelo item b do teorema 4.5, este conjunto uma base de V. Portanto,
U =V .

Exemplo 4.11: Suponhamos que U seja um subespao vetorial do 3 . Pelo teorema
anterior, as possveis dimenses de subespaos vetoriais de 3 so 0, 1, 2 ou 3. Mas,
neste caso sabemos quem so,
59
a) Se dim U = 0 , ento U = {0} , um ponto.
lgEBra linEar b) Se dim U = 1 , ento U uma reta que passa pela origem do sistema de coordenadas.
c) Se dim U = 2 , ento U um plano que passa pela origem do sistema de coordenadas.
d) Se dim U = 3 , ento U o prprio 3 .
Figura 1
Teorema 4.12: Sejam U e W subespaos vetoriais de um espao vetorial de dimenso

nita V sobre um corpo de escalares K. Ento, U + W tem dimenso nita e,
dim(U + W ) = dim U + dim W dim(U W )
Demonstrao:
Seja {s1 , s2 ,..., sr } uma base para U W , assim, dimU W = r . Pelo Teorema 2.8,
U W subespao vetorial de U e de W. Assim, pelo item a do teorema 4.5, {s1 , s2 ,..., sr }
pode ser estendida para uma base de U e para uma base de W.
Suponhamos que U = {s1 , s2 ,..., sr , u1 , u2 ,..., ul r } seja uma base de U, e assim,
dimU = l .
Suponhamos que W = {s1 , s2 ,..., sr , w1 , w2 ,..., wm r } seja uma base de W, e assim,
dimW = m .
Consideremos o seguinte conjunto:
B = {s1 , s2 ,..., sr , u1 , u2 ,..., ul r , w1 , w2 ,..., wm r } .
Armamos que B uma base de U + W (observe que se isso ocorrer, segue o resultado).
De fato, claro que B gera U + W , pois U gera U e W gera W. Resta mostrar que B LI.
Para isso, suponhamos que,
1s1 + 2 s2 + ... + r sr + 1u1 + 2u2 + ... +
+ l r ul r + 1w1 + 2 w2 + ... + mr wmr = 0 , (4.1)
onde i , j , k K . Vamos considerar o vetor

u = 1s1 + 2 s2 + ... + r sr + 1u1 + 2u2 + ... + l r ul r . (4.2)
Como U gera U, temos que u U . Alm disso, de (4.1)
u = 1w1 2 w2 ... mr wmr (4.3)
e assim, u W . Conclumos que u U W . Mas {s1 , s2 ,..., sr } uma base para
U W e, portanto,
u = 1s1 + 2 s2 + ... + r sr , (4.4)
onde i K . Segue de (4.3) e (4.4) que
1s1 + 2 s2 + ... + r sr + 1w1 + 2 w2 + ... + mr wmr = 0 .
60
Mas como {s1 , s2 ,..., sr , w1 , w2 ,..., wm r } base de W, segue que, Bases e dimenso
1 = 2 = ... = r = 1 = 2 = ... = mr = 0 .
Substituindo em (4.1), obtemos,
1s1 + 2 s2 + ... + r sr + 1u1 + 2u2 + ... + l r ul r = 0 .
Mas como {s1 , s2 ,..., sr , u1 , u2 ,..., ul r } base de U, segue que,
1 = 2 = ... = r = 1 = 2 = ... = mr = 0 .
Assim, (4.1) ocorre se, e somente se, todos os coecientes so nulos e, portanto, por
denio, B LI, e assim, base de U + W .

Conversa
Vamos novamente considerar um exemplo geomtrico que ajudar a visualizao e

melhor compreenso dos ltimos resultados estabelecidos.
Exemplo 4.13: No espao vetorial 3 sobre , suponhamos que o subespao U seja o

plano Oxz e o subespao W seja o plano Oyz de um sistema de coordenadas cartesianas no
3 . A interseo Oxz Oyz o eixo z.
Figura 2
Neste caso temos dim 3 = dim U + dim W dim U W = 2 + 2 1 = 3 ,

exemplicando assim, o que arma o teorema 4.12.
No exemplo 3.9, introduzimos os conceitos de espao das linhas e o espao

das colunas de uma matriz. As dimenses desses espaos vetoriais so chamadas,
respectivamente, de posto das linhas e de posto das colunas da matriz.
61
lgEBra linEar
Conversa
Conforme veremos, estes dois conceitos sero bastante teis posteriormente, mas no
momento, teremos uma utilidade bastante prtica, pois facilitar a vericao da
dependncia ou independncia linear de um conjunto de vetores de espaos vetoriais.
Teorema 4.14: O posto das linhas e o posto das colunas de qualquer matriz so iguais.
Demonstrao:
Seja M uma matriz m n qualquer
a11 a12 ... a1n

a a22 ... a2 n
M = 21 .

am1 am 2 ... amn
Como vimos, podemos pensar as m linhas de M, como vetores do espao K n , ou seja,
l1 = (a11 , a12 ,..., a1n ), l2 = (a21 , a22 ,..., a2 n ),..., lm = (am1 , am 2 ,..., amn ) .
O espao L, gerado por estas linhas o que chamamos de espao das linhas da matriz M,
que um subespao vetorial de K n e, portanto, possui uma base. Seja {s1 , s2 ,..., sr } uma
base para L, portanto dim L = r , Vamos supor que
s1 = (c11 , c12 ,..., c1n )
s2 = (c21 , c22 ,..., c2 n )
...............................
sr = (cr1 , cr 2 ,..., crn ) .
Alm disso, como {s1 , s2 ,..., sr } base para o espao das linhas de M, temos que
l1 = b11s1 + b12 s2 + ... + b1r sr
l2 = b21s1 + b22 s2 + ... + b2 r sr
...........................................
lm = bm1s1 + bm 2 s2 + ... + bmr sr .
A i-sima coordenada de cada uma das igualdades acima da forma
a1i = b11c1i + b12c2i + ... + b1r cri
a2i = b21c1i + b22c2i + ... + b2 r cri
.................................................
ami = bm1c1i + bm 2c2i + ... + bmr cri .
Logo, para todo i = 1,..., n , temos,
a1i b11 b12 b1r

a2i = c b21 + c b22 + ... + c b2 r .
1i 2i ri

ami bm1 bm 2 bmr
Isto signica que cada coluna da matriz M, uma combinao linear do conjunto de vetores,
62
b11 b12 b1r Bases e dimenso

b21 b22 b2 r
, , ..., .

bm1 bm 2
b
mr
Assim, pelo lema 4.2, o espao das colunas de M tem no mximo dimenso r. Conclumos,
ento, que o posto das colunas de M menor ou igual ao posto das linhas de M.
Mas todo raciocnio utilizado acima pode ser repetido para o espao das linhas da matriz
transposta M t , e assim, concluir que o posto das linhas de M menor ou igual ao posto
das colunas de M, concluindo, ento, a demonstrao do teorema.

Este ltimo resultado permite denir o posto de uma matriz M, como sendo o
valor comum do posto das linhas ou o posto das colunas de M.
Conversa
O posto de uma matriz d o nmero mximo de linhas independentes e tambm o

nmero mximo de colunas independentes. No exemplo 3.9, vimos que o espao linha
de M e o da sua matriz escalonada M ' o mesmo. No teorema 3.17, vimos que as linhas
no nulas de uma matriz escalonada so LI. Conclumos, ento, por denio, que o
conjunto das linhas da matriz escalonada uma base para o espao das linhas de M.
Utilizando esta ltima conversa, podemos retornar ao exemplo 3.16 e resolv-

lo colocando os vetores nas linhas da matriz e escalonando-a, para concluir sobre a
dependncia ou independncia linear dos vetores.
Exemplo 4.15: Vamos vericar se os conjuntos dos itens a seguir constituem uma base
para o 3 sobre .
a) {(0,1, 1), (1, 321, )} ;

b) {(1, 1,3), (2, 4, 1), ( 1,1, 2)} ;
c) {(11, 21,30), (2, 41, 1), ( 31,11, 22), (24,3, 15)} ;
d) {(1, 2, 3), (2, 4,1), (0, 0, 5)} .
Soluo:
Os itens a e c no formam uma base, pois dim 3 = 3 , e pelo teorema 4.5, toda base deve
ter trs elementos. No item a, o conjunto possui dois elementos e no item c, o conjunto
possui quatro elementos.
b) Utilizando o teorema 4.14 e suas consequncias basta escalonarmos a matriz cujas

linhas so os vetores do conjunto, e vericar se a quantidade de linhas no nulas igual
dimenso do espao.
1 1 3 L2 2 L1 + L2
L3 L1 + L3
1 1 3

2 4 1 0 6 7 .

1 1 2 0 0 5
63
Como a matriz escalonada possui 3 linhas no nulas, ento, o conjunto uma base para o
lgEBra linEar 3 . bom lembrar que as linhas resultantes da matriz escalonada formam, tambm, uma
base para o mesmo espao.
d) O procedimento o mesmo que o item b. Consideramos a matriz cujas linhas so os

vetores do conjunto, como segue,
1 2 3 L2 2 L1 + L2
1 1 3 L3 L2 + L3
1 1 3

2 4 1 0 0 5 0 0 5
0 0 5 0 0 5 0 0 0

Como a matriz escalonada possui apenas 2 linhas no nulas, ento, o conjunto no
uma base para o 3 .
Exemplo 4.16: Seja U o espao gerado pelo subconjunto de vetores

{(1, 2, 3,1), (2, 4,1, 2), (0, 0, 5, 4)} do espao vetorial 4 sobre . Vamos
i) encontrar uma base e a dimenso de U;
ii) estender a base de U, para uma base de 4 .
Soluo:
i) Utilizamos o lema 4.2 e o teorema 4.14 e suas consequncias, ou seja, considerando
o conjunto dos geradores de U como as linhas de uma matriz, uma base para U ser o
conjunto das linhas no nulas da matriz escalonada.
1 2 3 1 L2 2 L1 + L2
1 2 3 1 L3 L2 + L3

2 4 1 2 0 0 5 4
0 0 5 4
0 0 5 4
1 2 3 1

0 0 5 4 .
0 0 0 0

Assim, uma base para U, pode ser o conjunto {(1, 2, 3,1), (0, 0, 5, 4)} e, portanto, por
denio, dim U = 2 .
ii) Pelo teorema 3.17, uma base estendida para o 4 pode ser
{(1, 2, 3,1), (0,1, 0, 0), (0, 0, 5, 4), (0, 0, 0,1)} .
Exemplo 4.17: Considere os subespaos vetoriais de 4 :
U = {( x, y, z , w); y = z , x = 2 y w}
e
U ' = {( x, y, z , w); x y + 2 z = 0} .
Vamos encontrar bases e dimenses de U , U ', U U ' e de U + U ' .
Soluo:
Para o subespao U, temos duas equaes e quatro incgnitas, assim, temos duas variveis
livres. Como na primeira equao envolvemos as segunda e terceira coordenadas, vamos
atribuir um valor para uma delas, digamos y = 1 , assim, neste caso, z = 1 . Faamos
ainda w = 0 , logo, x = 2 , obtendo assim, o primeiro vetor de U, (2,1, 1, 0) . Vamos
agora, atribuir o valor 0 para y e 1 para w. Neste caso, teremos z = 0 e x = 1 . Neste
caso, obtemos o segundo vetor para U, (1, 0, 0,1) .
Mostremos que qualquer elemento que satisfaa as duas equaes que denem U uma
combinao linear dos vetores do conjunto {(2,1, 1, 0), ( 1, 0, 0,1)} .
Por denio, um elemento qualquer de U, tem a forma (2a b, a, a, b) , onde a, b e,
64
(2a b, a, a, b) = a (2,1, 1, 0) + b(1, 0, 0,1) . Bases e dimenso
Assim, U = {(2,1, 1, 0), ( 1, 0, 0,1)} gera U e so LI (verique). Logo U uma base para
U e, portanto, dim U = 2 .
Conversa
Os valores atribudos as variveis livres so arbitrrios e assim, existem innitas

possibilidades de escolha, produzindo innitos vetores geradores do espao. Vocs
se lembram dos vetores diretores de uma reta, ou de um plano? Eles eram innitos
e deviam gerar a reta ou o plano em questo, e a outra exigncia para que fossem
uma base era serem LI. Sendo assim, a escolha sua, mas voc deve ser esperto
e facilitar sua vida, fazendo com que os valores escolhidos deixem as contas a serem
feitas, mais imediatas possveis.
Com um raciocnio anlogo ao feito para o subespao U, no caso do subespao U '

temos trs variveis livres. Faamos primeiramente, x = 0, y = 0 e w = 1 . Neste caso,
obtemos z = 0 . Assim, o primeiro vetor obtido que est em U ' (0, 0, 0,1) . Faamos
agora, x = 2, y = 0 e w = 0 . Neste caso, obtemos z = 1 , e assim, temos um segundo
vetor em U ' , a saber, (2, 0, 1, 0) . Finalmente, faamos x = 0, y = 2 e w = 0 , e assim,
z = 1 . O vetor de U ' que obtemos neste caso (0, 2,1, 0) .
Armamos que qualquer elemento de U ' uma combinao linear dos vetores do
conjunto U = {(2, 0, 1, 0), (0, 2,1, 0), (0, 0, 0,1)} . De fato, um elemento qualquer de U '
da forma (2a, 2b, b a, d ) . Mas,
(2a, 2b, b a, d ) = a(2, 0, 1, 0) + b(0, 2,1, 0) + d (0, 0, 0,1) ,
assim, o conjunto U gera U ' . Como, a matriz que tem como linhas os vetores de U est
na forma escalonada, ele forma uma base de U ' . Por denio, dim U ' = 3.
Para obter uma base para o subespao U U ' , evidentemente, todas as equaes dadas
para denir U e U ' devem estar satisfeitas. Logo, neste caso teremos uma varivel livre
no sistema
x 2y + w = 0

x y + 2z = 0 .
y + z=0

Faamos por exemplo y = a , neste caso, teremos que um vetor arbitrrio de U U '
da forma (3a, a, a, a ) = a (3,1, 1, 1) . Logo o conjunto formado pelo vetor no nulo
(3,1, 1, 1) do 4 uma base para U U ' . Assim, dim U U ' = 1 .
Pelo teorema 4.12, temos que,

dim U + U ' = dim U + dim U ' dim U U ' = 3 + 2 1 = 4 ,
e assim, pelo teorema 4.10, U + U ' = 4 e uma base para este espao vetorial, pode ser
a base cannica.
Exemplo 4.18: Considere o espao vetorial V dos pares ordenados de nmeros complexos
sobre , conforme denido no exerccio 1.5 do captulo 1. Vamos exibir uma base para
V e determinar sua dimenso.
65
Soluo:
lgEBra linEar Armamos que o conjunto B = {(1, 0), (i, 0), (0,1), (0, i )} , onde i o nmero imaginrio
em , uma base de V. De fato, mostremos inicialmente que qualquer elemento em V,
se escreve como uma combinao linear dos elementos de B.
Um elemento de V da forma (a + bi, c + di ) , com a, b, c, d . Temos,
(a + bi, c + di ) = a (1, 0) + b(i, 0) + c(0,1) + d (0, i )
Assim, B gera V. Resta mostrar que B LI sobre . Para isso, sejam 1 , 2 , 3 , 4 , tal
que,
1 (1, 0) + 2 (i, 0) + 3 (0,1) + 4 (0, i ) = 0
Logo, 1 + 2i = 0 e 3 + 4i = 0 , que s ocorre quando 1 = 2 = 3 = 4 = 0 ,
garantindo assim, que B LI e, portanto, uma base para V. Logo, dim V = 4 .
Conversa
Um bom exerccio mostrar que se considerssemos o espao vetorial dos pares

ordenados de nmeros complexos sobre , uma base seria B = {(1, 0), (0,1)} e, assim,
neste caso a dimenso seria 2.
Exemplo 4.19: Sejam U e U ' subespaos vetoriais de 4 gerados, respectivamente,

pelos seguintes conjuntos de vetores:
{(1, 1, 0, 2), (0,1, 2,1), (1, 0,3, 1)}
e
{(1,1,1, 0), (2,1, 1,3), (2, 1,3,1)} .
Vamos encontrar bases e dimenses de U + U ' e de U U ' .
Soluo:
U + U ' o subespao vetorial gerado pelos seis vetores dos dois conjuntos, portanto,
pelo lema 4.1, para obter uma base, devemos obter o subconjunto dos vetores LI. Para
isso, pelo teorema 4.14, devemos escalonar a matriz,
1 1 0 2 1 1 0 2

0 1 2 1 0 1 2 1
1 0 3 1 0 1 3 3

1 1 1 0 0 2 1 2
2 1 1 3 0 3 1 1

2 1 3 1 0 1 3 3
1 1 0 2 1 1 0 2

0 1 2 1 0 1 2 1
0 0 5 4 0 0 5 4
.
0 0 5 4 0 0 0 0
0 0 5 4 0 0 0 0

0 0 5 4 0 0 0 0
Temos ento que {(1, 1, 0, 2), (0,1, 2,1), (0, 0,5, 4)} uma base para U + U ' e,
portanto, dim U + U ' = 3 .
66
No exemplo 4.17, os subespaos foram denidos por meio de sistemas homogneos,
e para encontrar a base de U ' , foi considerado um sistema homogneo que satisfazia Bases e dimenso
as equaes que deniam ambos os subespaos.
Neste exemplo, temos os vetores que geram os dois subespaos, nosso objetivo
encontrar um sistema de equaes homogneas que forneam a interseo U U ' .
Para isso, vamos encontrar sistemas homogneos que denem os subespaos U e U ' ,
utilizando para isso os seus respectivos vetores geradores.
Mas para encontrar espaos vetoriais gerados por um conjunto de vetores, fazemos
combinaes lineares com esses vetores. Ao escalonar uma matriz, estamos fazendo
combinaes lineares com as linhas dessa matriz. Utilizando estes dois resultados,
vamos obter os requeridos sistemas homogneos escalonando matrizes cujas linhas
so os respectivos vetores que geram cada subespao, e na ltima linha colocamos as
futuras incgnitas do sistema.
Para o subespao U, temos,

1 1 0 2 1 1 0 2

0 1 2 1 0 1 2 1

1 0 3 1 0 1 3 3

x y z w 0 y + x z w 2x
1 1 0 2 1 1 0 2

0 1 2 1 0 1 2 1 .

0 0 5 4 0 0 5 4

0 0 z + 2 y + 2 x w 3x y 0 0 0 7 x 3 y 4 z 5w
Ento, podemos escrever U = {( x, y, z , w);7 x 3 y 4 z 5w = 0} . Verique que os
vetores que denem U, de fato satisfazem equao 7 x 3 y 4 z 5w = 0 .
Para o subespao U ' , temos,
1 1 1 0 1 1 1 0

2 1 1 3 0 1

3 3

2 1 3 1 0 3 1 1

x y z w 0 y x z x w
1 1 1 0

0 1 3 3

0 0 10 8

0 0 y 4 x + 3 z y x + 3w
1 1 1 0 1 1 1 0

0 1 3 3 0 1 3 3
.
0 0 5 4 0 0 5 4

0 0 y 4 x + 3z y x + 3w 0 0 0 7 x 3 y 4 z 5w
Ento, podemos escrever U ' = {( x, y, z , w);7 x 3 y 4 z 5w = 0} . Verique que os
vetores que denem U ' , de fato satisfazem equao 7 x 3 y 4 z 5w = 0 .
Conclumos que U e U ' na verdade so os mesmos subespaos vetoriais de 4 , e assim,

U U ' = {( x, y, z , w);7 x 3 y 4 z 5w = 0} , e podemos escolher como base, por
exemplo, o conjunto de vetores {(1,1,1, 0), (0, 1, 3,3), (0, 0,5, 4)} . Portanto, dim
U U ' = 3.
67
lgEBra linEar
Conversa
Uma pergunta que vocs podem estar fazendo : at agora obtivemos facilmente bases
de espaos vetoriais de vetores em K n , ou bases para os seus subespaos vetoriais,
mas como faramos para obter bases de subespaos do espao vetorial das matrizes
m n , por exemplo? Ou de subespaos vetoriais de Pn [t ] ? O estudo que faremos a
seguir facilitar a obteno de bases para estes outros subespaos vetoriais.
Teorema 4.20: Seja {v1 , v2 ,..., vn } um conjunto de vetores LI de um espao vetorial

V sobre um corpo de escalares K. Suponhamos que v seja uma combinao linear dos
vetores vi , ou seja, v = 1v1 + 2 v2 + ... + n vn , onde 1 , 2 ,..., n K . Ento, esta
representao de v nica.
Demonstrao:
Seja v = 1v1 + 2 v2 + ... + n vn , com 1 , 2 ,..., n K , uma outra representao
de v. Ento,
1v1 + 2v2 + ... + n vn = 1v1 + 2v2 + ... + n vn
(1 1 )v1 + ( 2 2 )v2 + ... + ( n n )vn = 0 .
Como por hiptese o conjunto {v1 , v2 ,..., vn } LI, temos que,
1 = 1 , 2 = 2 ,..., n = n ,
concluindo a demonstrao.

Seja B = {e1 , e2 ,..., en } uma base de um espao vetorial V sobre um corpo de
escalares K. Segue da denio de base e do teorema 4.20, que qualquer vetor de V, se
escreve de maneira nica como uma combinao linear dos vetores de B. Generalizando
agora o conceito de coordenadas de um espao vetorial K n , chamamos os escalares que
denem um vetor v de V de coordenadas de v em relao base B, e denotamos por [v]B, e
quando no houver dvida a que base estamos nos referindo, simplesmente por [v].
Conversa
At agora temos denotado as coordenadas de um vetor v de um espao vetorial de

dimenso n, como um n-upla ordenada. A partir de agora, como vocs vero nos
prximos captulos, s vezes interessante denotar as coordenadas de um vetor,
na forma de uma matriz coluna. Em alguns dos exemplos a seguir utilizamos esta
notao para voc ir se acostumando.
Exemplo 4.21: Seja M 32 ( ) o espao vetorial das matrizes 3 2 sobre cuja base
1 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0
, , , , .
0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 1
68
Se v M 32 ( ) , ento,
a a a13 Bases e dimenso
v = 11 12 =
a21 a22 a23
1 0 0 0 1 0 0 0 1
= a11 + a12 + a13 +
0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0
+ a21 + a22 + a23
1 0 0 0 1 0 0 0 1
e assim, [v] = (a11 , a12 , a13 , a21 , a22 , a23 ) , como um vetor de K 6 .
Exemplo 4.22: Considere o espao vetorial P3[t ] com a base cannica {1, t , t 2 , t 3} , ento
se v P3[t ] , ento, v = a0 + a1t + a2t 2 + a3t 3 e neste caso, [v] = (a0 , a1 , a2 , a3 ) , como
um vetor de K 4 .
Conversa
E se a base no for cannica?
Exemplo 4.23: Seja v = (2, 1,3) 3 , cujas coordenadas esto na base usual. Vamos
escrever v na base B = { f1 , f 2 , f3} , onde f1 = (1,1,1), f 2 = (0,1,1), f3 = (0, 0,1) .
Soluo:
v = (2, 1,3) = x(1,1,1) + y (0,1,1) + z (0, 0,1) = ( x, x + y, x + y + z ) ,
ou seja,
x=2

x + y = 1 ,
x + y + z = 3

cuja soluo x = 2, y = 3, z = 4 , e assim,
[v]B = (2, 3, 4) .
Com a notao de vetor coluna, podemos escrever este vetor como,
2

[v]B = 3 .
4

Exemplo 4.24: Seja v = 2 t 2 + t 3 P3[t ] , vamos encontrar as coordenadas de v na base
P = {1, t 1, (t 1) 2 , t 3} .
Soluo:
2 t 2 + t 3 = x + y (t 1) + z (t 1) 2 + wt 3 = ( x y + z ) + ( y 2 z )t + zt 2 + wt 3 ,
ou seja,
x y + z = 2
y 2z = 0

,
z = 1
w = 1
69
lgEBra linEar
cuja soluo x = 1, y = 2, z = 1, w = 1 , e assim,
[v]P= (1, 2, 1,1) .
Com a notao de vetor coluna, podemos escrever este vetor como
1

2
[v]B = .
1

1
Exemplo 4.25: Seja U o subespao de P3[t ] gerado pelos polinmios
p1 (t ) = 2 t + 3t 2 + t 3 p2 (t ) = 1 + 2t t 2 + 3t 3
p3 (t ) = 4 + 3t + t 2 + 7t 3 p4 (t ) = 1 3t + 4t 2 2t 3
Vamos encontrar uma base e a dimenso de U.
Soluo:
As coordenadas dos polinmios geradores em relao base cannica so
[ p1 (t )] = (2, 1,3,1) [ p2 (t )] = (1, 2, 1,3)
[ p3 (t )] = (4,3,1, 7) [ p4 (t )] = (1, 3, 4, 2)
Procedemos agora, como nos exemplos anteriores, quando tnhamos as coordenadas de

um vetor em K n , ou seja, formamos a matriz cujas linhas so as coordenadas dos vetores
e reduzimos as linhas a uma forma escalonada, obtendo com as linhas no nulas, a base
procurada.
2 1 3 1 2 1 3 1 2 1 3 1

1 2 1 3
0 5 5 5 0 5 5

5
.
4 3 1 7 0 5 5 5 0 0 0 0

1 3 4 2 0 5 5 5 0 0 0 0
Assim, os vetores (2, 1,3,1) e (0,5, 5,5)
so as coordenadas dos vetores de uma base
para U. Logo, uma base para U o conjunto {2 t + 3t 2 + t 3 ,5t 5t 2 + 5t 3} . Portanto,
dim U = 2 .
Exemplo 4.26: Seja U o subespao vetorial do espao das matrizes 3 2 gerado pelo
conjunto de matrizes
1 2 2 0 0 2 1 4 2 2 3 4

0 3 , 1 4 , 1 3 , 0 10 , 3 2 , 2 11
1 1 1 0 0 2 0 3 1 2 1 3

Vamos encontrar uma base e a dimenso de U.
Soluo:
As coordenadas das matrizes geradoras em relao base cannica so
(1, 2, 0,3,1, 1), (2, 2,1, 4, 1, 0), (0, 2, 1,3, 0, 1),

.
(1, 4, 0,10, 0, 3), (2, 2,3, 2, 1, 0), (3, 4, 2,11, 1, 4)
Agora o procedimento o mesmo dos exemplos anteriores, ou seja, vamos montar a
matriz cujas linhas so as coordenadas das matrizes geradoras, escalon-la para obter uma
base, utilizando as linhas no nulas.
70
1 2 0 3 1 1 1 2 0 3 1 1
Bases e dimenso
2 2 1 4 1 0 0 2 1 10 1 2
0 2 1 3 0 1 0 2 1 3 0 1

1 4 0 10 0 3 0 6 0 13 1 4
2 2 3 2 1 0 0 2 3 4 1 2

3 4 2 11 1 4 0 10 2 20 2 7
1 2 0 3 1 1 1 2 0 3 1 1

0 2 1 10 1 2 0 2 1 10 1 2
0 0 2 7 1 1 0 0 2 7 1 1

0 0 3 17 2 2 0 0 0 13 1 1
0 0 2 6 0 0 0 0 0 13 1 1

0 0 3 30 3 3 0 0 0 39 3 3
1 2 0 3 1 1

0 2 1 10 1 2
0 0 2 7 1 1

0 0 0 13 1 1
0 0 0 0 0 0

0 0 0 0 0 0 .
Assim, os vetores (1, 2, 0,3,1, 1) , (0, 2,1,10,1, 2) ,
(0, 0, 2, 7, 1,1) e
(0, 0, 0, 13, 1,1) so as coordenadas dos vetores de uma base para U. Logo, uma base
para U o conjunto,
1 2 0 0 2 1 0 0 2 0 0 0
, , , .
3 1 1 10 1 2 7 1 1 13 1 1
Portanto, dim U = 4 .
Exerccios
1. Nos itens a seguir, verique se o conjunto B uma base para o espao vetorial
indicado.
a) B = {(1, 1), (2, 2)} para o 2 sobre .
b) B = {(1, 1, 0), (2, 2, 1), (1, 5,1)} para o 3 sobre .
c) B = {(1,1, 1), (2,1, 1), ( 1,3,1)} para o 3 sobre .
1 1 0 2 2 0 1 1
d) B = , , , para o espao vetorial M 2 () das
0 2 1 0 1 3 3 1
matrizes 2 2 , sobre .
e) B = {1,1 + t , t + t 2 , t 2 t 3} para o espao vetorial P3[t ] sobre .
2. Nos itens a seguir encontre uma base e a dimenso do subespao vetorial U do espao
vetorial indicado.
a) U = {( x, y, z ) 3 ; 2 x = y, z = 2 y} , sobre .
b) U = [(1, 2,3, 0), (0, 1,3, 1), (5, 2,3,1)] subespao vetorial do 4 , sobre .
71
lgEBra linEar
2 1 1 2
c) U = , subespao vetorial de M 2 () , sobre .
1 0 2 1
d) U = [1 + t 2 t 3 , t + 2t 2 , t + t 3 ] subespao vetorial de P3[t ] sobre .
3. Sejam
U = [(0,1, 2,3), (1, 1, 0, 2), (1,3, 4, 4)]
e
U ' = [(1,1, 2, 2), (0, 1,3, 2), (1,3, 8, 6)]
Subespaos vetoriais de 4 sobre . Encontre uma base e a dimenso para os subespaos
U + U ' e U U ' .
4. Considere as seguintes bases do 3 :

E = {(1,1,1), (0,1,1), (0, 0,1)}
F = {(2,1, 0), (0, 2,1), (2, 0,1)} .
a) Dado v = (1, 2, 2) na base cannica, encontre [v] E e [v]F.

b) Encontre a matriz M cujas linhas so as coordenadas dos vetores de E, em relao
base F.
c) Verique que [v] E . M = [v]F.
5. Encontre o posto de cada uma das matrizes a seguir.

2 2 0 3 1
1 3 4 2 0
1 1 2 1 0 1 0 1
2 1 0 4 1
a) 4 3 5 b) c) 0 1 2 1 0 .
2 1 1 1 4 2 5 2
3 2 1 1 2
0 8 2 11 3
1 2 1 2 0
72
Bases e dimenso
Anotaes
73
lgEBra linEar
Anotaes
74
5 Transformaes
Lineares
5.1 denio e propriedades Elementares

5.2 operadores lineares do plano
5.3 ncleo e imagem de transformaes lineares
5.4 Matrizes e transformaes lineares
75
5 TRANSFORMAES LINEARES
lgEBra linEar
Neste captulo estudaremos funes cujo domnio e o contradomnio so os
espaos vetoriais estudados anteriormente. Estas funes preservam a estrutura dos
espaos vetoriais. Recordemos que nos captulos anteriores vimos que espaos vetoriais
so conjuntos de elementos (nmeros, matrizes, funes etc.) munidos de duas operaes.
De certa forma, transformaes lineares so funes entre dois espaos vetoriais que
preservam estas operaes.
5.1 Denio e Propriedades Elementares
Nesta seo vamos denir transformaes lineares e ilustrar esta denio com
alguns exemplos. Posteriormente, vamos mostrar algumas propriedades elementares das
transformaes lineares.
Denio 5.1: Sejam U e V dois espaos vetoriais sobre o corpo de escalares K . Uma
transformao linear (aplicao linear) uma funo F : U V que satisfaz as duas
condies a seguir:
1. Para quaisquer u , v U temos que F (u + v) = F (u ) + F (v) .
2. Para u U e k K temos que F (ku ) = kF (u ) .
Quando U = V , uma transformao linear F : U V tambm chamada de

operador linear.
Conversa
Observe que, apesar de utilizarmos o mesmo smbolo, + , na condio 1 acima, temos

que u + v denota uma soma no espao vetorial U enquanto que F (u ) + F (v) denota
uma soma no espao vetorial V . O mesmo acontece com os produtos por escalares
na condio 2, ou seja, o produto por escalar ku feito conforme sua denio no
espao vetorial U, e o produto por escalar kF (u ) feito conforme sua denio no
espao vetorial V.
Apresentemos agora alguns exemplos de transformaes lineares. Para tanto,

utilizaremos alguns dos principais espaos e subespaos vetoriais estudados nos captulos
anteriores. Em alguns desses exemplos vericaremos que as funes apresentadas so de
fato transformaes lineares. Sugerimos aos leitores que veriquem com detalhes se as
demais funes apresentadas so de fato transformaes lineares para xar os espaos
vetoriais utilizados, e para se familiarizar com o conceito de transformao linear.
Exemplo 5.2: Sejam U e V espaos vetoriais sobre o mesmo corpo de escalares K e

denamos a transformao linear nula O : U V por
O(u ) = 0V ,
para todo u V , onde 0V denota o elemento neutro do espao vetorial V . Para mostramos
que a funo nula de fato uma transformao linear sejam u , v V e k K , ento,
1. O (u + v) = 0V = 0V + 0V = O (u ) + O (v) ;
2. O (ku ) = 0V = k 0V = kO (u ) ,
mostrando as condies 1 e 2 da denio 5.1 e, portanto, mostrando que a funo nula
uma transformao linear.
76
Exemplo 5.3: Sejam U = V = e dena, para , a funo F : por
transformaes lineares
F (u ) = u . Para mostrarmos que esta funo de fato uma transformao linear sejam
u , v V e k K , ento,
1. F (u + v) = (u + v) = u + v = F (u ) + F (v) ;
2. F (ku ) = (ku ) = (k )u = k (u ) ,
mostrando as condies 1 e 2 da denio 5.1 e, portanto, mostrando que a funo acima

uma transformao linear. Esta funo usualmente chamada de homotetia.
Exemplo 5.4: Sejam U = 3 , V = 2 e dena uma funo F : 3 2 por,

F ( x, y, z ) = ( x, 2 x z ) , para u = ( x, y, z ) 3 .
Sejam u1 = ( x1 , y1 , z1 ) 3 , u2 = ( x2 , y2 , z2 ) 3 e k , ento,
F (u1 + u2 ) = F (( x1 , y1 , z1 ) + ( x2 , y2 , z2 )) = F ( x1 + x2 , y1 + y2 , z1 + z2 )
(5.1)
= ( x1 + x2 , 2( x1 + x2 ) ( z1 + z2 )).
Por outro lado, temos que,
F (u1 ) + F (u2 ) = F ( x1 , y1 , z1 ) + F ( x2 , y2 , z2 )
= ( x1 , 2 x1 z1 ) + ( x2 , 2 x2 z2 ) (5.2)
= ( x1 + x2 , 2( x1 + x2 ) ( z1 + z2 )).
De (5.1) e (5.2) conclumos que,
F (u1 + u2 ) = F (u1 ) + F (u2 ),
provando a condio 1 da denio 5.1. Ainda mais,

F (ku1 ) = F (k ( x1 , y1 , z1 )) = F (kx1 , ky1 , kz1 ) = (kx1 , 2kx1 kz1 )
= (kx1 , k (2 x1 z1 )) = k ( x1 , 2 x1 z1 )
= kF ( x1 , y1 , z1 )
= kF (u1 ),
provando a condio 2 da denio 5.1 mostrando assim, que F uma transformao
linear.
Exemplo 5.5: Denotemos por U = C [a, b] o espao de todas as funes que possuem
derivadas de qualquer ordem contnuas no intervalo [a, b] . Denamos a funo derivada
D : U U por,
Du = u ',
onde u ' denota a derivada da funo u C [a, b]. Observemos inicialmente que como
podemos derivar u innitas vezes, ento tambm podemos derivar u ' innitas vezes e,
portanto, u ' tambm um elemento de C [a, b] , e assim, a funo derivada est bem
denida. Mostremos agora que D um operador linear. Para tanto, sejam u e v duas
funes em C [a, b] e k um escalar qualquer. Ento,
1. D (u + v) = (u + v) ' = u '+ v ' = D(u ) + D (v) ;
2. D (ku ) = (ku ) ' = ku ' = kD (u ),
mostrando que D um operador linear.
77
Vamos apresentar agora um exemplo de uma funo que no uma transformao
lgEBra linEar linear.
Exemplo 5.6: Seja U = V = e dena F : por F (u ) = u 2 , para toda u .

Para u , v temos que
F (u + v) = (u + v) 2 = u 2 + 2uv + v 2
e
F (u ) + F (v) = u 2 + v 2 .
Logo para mostrarmos que F no uma transformao linear precisamos apresentar

elementos no espao vetorial U = que tornem as duas expresses acima diferentes.
Para isso tomemos, por exemplo, u = 2 e v = 3. Assim,
F (2 + 3) = (2 + 3) 2 = 52 = 25 13 = 22 + 32 = F (2) + F (3),
mostrando que F no uma transformao linear.
Como vimos no exemplo 5.6, para vericarmos quando uma funo no

uma transformao linear precisamos encontrar elementos no espao vetorial que no
satisfaam pelo menos uma das condies da denio 5.1. O prximo resultado nos
fornece algumas propriedades simples das transformaes elementares e tambm pode
ser utilizada para vericar se uma determinada funo no uma transformao linear.
Proposio 5.7: Sejam U e V espaos vetoriais sobre o mesmo corpo de escalares K e

F : U V uma transformao linear. Ento,
a. F (0U ) = 0V , onde 0U e 0V denotam, respectivamente, os elementos neutros de

U e V.
b. Para todo u U , F (u ) = F (u ), onde u denota o elemento oposto de u em U
e F (u ) denota o elemento oposto de F (u ) em V .
Demonstrao:
Usando propriedades do espao vetorial U e a linearidade de F temos que,
F (0U ) = F (0U + 0U ) = F (0U ) + F (0U ).
Mas F (0U ) V . Logo, usando propriedades do espao vetorial V , obtemos,
0V + F (0U ) = F (0U ) = F (0U ) + F (0U ).
Logo, somando F (0U ) , o oposto de F (0U ) em V , em ambos os lados da igualdade
acima obtemos que,
F (0U ) = 0V ,
provando o item a da proposio.
Para provarmos o item b, seja u U , ento F (u ) V e, portanto, existe F (u ) V

tal que,
F (u ) + ( F (u )) = 0V . (5.3)
Ainda mais,
0V = F (0U ) = F (u + (u )) = F (u ) + F (u ) . (5.4)
De (5.3) e (5.4) conclumos que,

F (u ) = F (u ),
completando a demonstrao desta proposio.

78
Vamos nalizar esta seo apresentando um exemplo que trata da composio de
transformaes lineares. transformaes lineares
Exemplo 5.8 (Composio de Transformaes Lineares): Sejam U , V e W espaos

vetoriais sobre o mesmo corpo de escalares K e considere F : U V e G : V W
duas transformaes lineares. Denimos a composta de G por F como sendo a funo
G F : U W , atuando em um elemento u U da seguinte maneira:
(G F )(u ) = G ( F (u )) .
Vamos mostrar que G F uma transformao linear de U em W . Para fazermos isso,

sejam u1 , u2 U e k K . Temos que,
(G F )(u1 + u2 ) = G ( F (u1 + u2 )) = G ( F (u1 ) + F (u2 )) = G ( F (u1 )) + G ( F (u2 )) =
= (G F )(u1 ) + (G F )(u2 )
e
(G F )(ku1 ) = G ( F (ku1 )) = G (kF (u1 )) = kG ( F (u1 )) = k (G F )(u1 ) .
Logo, G F : U W uma transformao linear. Vale a pena observar aqui que mesmo
que G F e F G estejam denidas, nem sempre verdade que G F = F G.
Vejamos um exemplo deste caso. Considere F , G : 2 2 denidas por,
F ( x, y ) = (2 x, x + 2 y ) e G ( x, y ) = (3 x + y, x + 3 y ) , para todo ( x, y ) 2 .
Temos que,
( F G )(( x, y ) = F (G ( x, y )) = F (3 x + y, x + 3 y ) =
= (2(3 x + y ), (3 x + y ) + 2( x + 3 y )) = (6 x + 2 y,5 x + 7 y )
e
(G F )(( x, y ) = G ( F ( x, y )) = G (2 x, x + 2 y ) =
= (3(2 x) + ( x + 2 y ), 2 x + 3( x + 2 y )) = (7 x + 2 y,5 x + 2 y ) ,
para todo ( x, y ) 2 . Assim, para ( x, y ) = (1,1) temos que,
(G F )(1,1) = (8,12) (9, 7) = ( F G )(1,1) ,
mostrando que G F F G .
5.2 Operadores Lineares do Plano
Nesta seo apresentaremos alguns exemplos de transformaes lineares do plano

2 nele mesmo.
1. Homotetias: Seja positivo e dena uma funo T : 2 2 , por

T (u ) = T ( x, y ) = ( x, y ) = u , para todo u = ( x, y ) 2 . J vimos na seo
anterior que T uma transformao linear no plano 2 . Geometricamente, a
transformao linear T atua em um determinado subconjunto do plano 2 da
seguinte maneira:
se > 1, T aumenta as dimenses do subconjunto e nesse caso T chamada

de operador expanso;
se 0 < < 1, T diminui as dimenses do subconjunto e nesse caso T
chamada de operador contrao;
Na gura 3 vemos exemplos da ao da transformao linear T para os dois
casos acima.
79
lgEBra linEar
Figura 3
A transformao linear Tu chamada de homotetia no plano.
2. Reexo em torno do eixo x: Dena uma funo T : 2 2 por T ( x, y ) = ( x, y ),

para todo ( x, y ) 2 . Para mostrarmos que esta funo um operador linear. Sejam
u1 = ( x1 , y1 ) e u2 = ( x2 , y2 ) em 2 e . Ento,
T (u1 + u2 ) = T (( x1 , y1 ) + ( x2 , y2 )) = T ( x1 + x2 , y1 + y2 )
= ( x1 + x2 , ( y1 + y2 )) = ( x1 + x2 , y1 + ( y2 ))
= ( x1 , y1 ) + ( x2 , y2 )
= T (u1 ) + T (u2 ),
provando a condio 1 da denio 5.1. A demonstrao da condio 2 anloga
e deixamos a cargo do leitor. Geometricamente podemos ver na gura 4 como o
operador reexo (em torno do eixo x) atua em um determinado subconjunto do plano
2 .
Figura 4
Neste caso, a transformao linear T chamada de reexo em torno do eixo

x no plano.
O leitor, a ttulo de exerccio, pode denir o operador reexo em torno do
80
eixo y e vericar que este operador de fato uma transformao linear e interpretar
geometricamente como ele atua em subconjuntos do plano 2 . transformaes lineares
3. Reexo em torno da Origem: Dena a funo R : 2 2 por

R ( x, y ) = ( x, y ) , para todo ( x, y ) 2 . A funo R uma transformao
linear (verique isto!) e atua em subconjuntos do plano 2 como mostra a gura
abaixo.
Figura 5
A transformao linear R chamada de reexo em torno da origem no plano.
4. Rotao de um ngulo : Fixemos um ngulo (0, 2) e denamos uma

funo R : 2 2 , para todo ( x, y ) 2 , por,
R ( x, y ) = ( x cos y sen , x sen + y cos ) .
Para u = ( x1 , y1 ) e v = ( x2 , y2 ) dois elementos do plano 2 e temos que,
R (u + v) = R (( x1 , y1 ) + ( x2 , y2 )) = R ( x1 + x2 , y1 + y2 )
= (( x1 + x2 ) cos ( y1 + y2 ) sen , ( x1 + x2 ) sen + ( y1 + y2 ) cos )
= ( x1 cos y1 sen + x2 cos y2 sen , x1 sen +
+ y1 cos + x2 sen + y2 cos ) =
= ( x1 cos y1 sen , x1 sen + y1 cos ) +
+ ( x2 cos y2 sen , x2 sen + y2 cos ) = R (u ) + R (v)
e
R (u ) = (( x1 , y1 )) = (x1 , y1 )
= (x1 cos y1 sen , x2 sen + y2 cos )
= ( x1 cos y1 sen , x2 sen + y2 cos )
= R (u ),
mostrando as condies 1 e 2 da denio 5.1 e, portanto, que R um operador
linear no plano 2 . Geometricamente o operador rotao de um ngulo atua em

um elemento de 2 como mostra a gura 6.
81
lgEBra linEar
Figura 6
A transformao linear R chamada de rotao de um ngulo q em torno da

origem no plano.
Vamos ver agora um exemplo de uma funo do plano 2 nele mesmo, que s
em um operador linear em um caso particular.
5. Translao: Sejam a, b e denamos a funo Ta ,b : 2 2 por

Ta ,b ( x, y ) = ( x + a, y + b) ,
para todo ( x, y ) 2 . Claramente quando a = b = 0, Ta ,b uma transformao
linear. Vamos utilizar a Proposio 5.1 para mostramos que quando a 0 ou b 0
a funo Ta ,b no uma transformao linear. Para fazermos isso, recordemos que
(0, 0) 2 o elemento neutro do espao vetorial 2 . O item a da proposio 5.7
arma que se Ta ,b uma transformao linear, ento devemos ter
(0,0) = Ta ,b (0,0) = (0 + a,0 + b) = (a, b),
o que acontece se, e somente se, a = 0 e b = 0 . Logo, quando a 0 ou b 0 a

funo Ta ,b no uma transformao linear. A funo Ta ,b chamada de translao
no plano 2 .
5.3 Ncleo e Imagem de Transformaes Lineares
Nesta seo vamos estudar e caracterizar transformaes lineares injetoras e

sobrejetoras. Para isso vamos introduzir o conceito de ncleo de uma transformao linear.
Sejam V e W dois espaos vetoriais sobre o mesmo corpo de escalares K e
uma transformao linear F : V W dada. Recordemos que o conjunto imagem da
funo F dado por
Im( F ) = {w W ; F (v) = w, para algum v V } W .
Com relao ao conjunto imagem de uma transformao linear temos o seguinte resultado:
Proposio 5.9: Sejam V e W dois espaos vetoriais sobre o mesmo corpo de escalares
K e uma transformao linear F : V W dada. Ento, o conjunto imagem Im( F )
um subespao vetorial de W .
Demonstrao:
Como F : V W uma transformao linear, o item a da proposio 5.7 implica que,
0W = F (0V ),
mostrando que 0W Im( F ) e, portanto, Im( F ) . Considere agora w1 , w2 Im( F ) e
k1 , k2 K . Ento, existem v1 , v2 V tais que F (v1 ) = w1 e F (v2 ) = w2 . Vamos mostrar
que k1w1 + k2 w2 Im( F ). Como V um espao vetorial, temos que k1v1 + k2 v2 V e, a
linearidade de F implica que
82
F (k1v1 + k2 v2 ) = F (k1v1 ) + F (k2 v2 ) = k1 F (v1 ) + k2 F (v2 ) = k1w1 + k2 w2 , transformaes lineares
mostrando que k1 w1 + k2 w2 Im( F ) . Portanto, o corolrio 2.3 garante que Im( F ) um

subespao vetorial de W , completando a prova da proposio.

Denio 5.10: Sejam V e W dois espaos vetoriais sobre o mesmo corpo de escalares
K e uma transformao linear F : V W dada. Denimos o ncleo (ou kernel) de F
como sendo o seguinte subconjunto de V :
Ker( F ) = {v V ; F (v) = 0W }.
Antes de apresentarmos alguns exemplos temos o seguinte resultado:
Proposio 5.11: Sejam V e W dois espaos vetoriais sobre o mesmo corpo de

escalares K e uma transformao linear F : V W dada. Ento, o ncleo Ker( F )
um subespao vetorial de V .
Demonstrao:
Como F : V W uma transformao linear, a Proposio 5.1 implica que,
0W = F (0V ),
mostrando que 0V Ker( F ) e, portanto, Ker( F ) . Considere agora v1 , v2 Ker( F )
e k1 , k2 K . Ento, F (v1 ) = 0W e F (v2 ) = 0W . Vamos mostrar que k1v1 + k2 v2 Ker( F ).
A linearidade de F implica que
F (k1v1 + k2 v2 ) = F (k1v1 ) + F (k2 v2 ) = k1 F (v1 ) + k2 F (v2 ) = k1 0W + k2 0W = 0W ,
mostrando que k1w1 + k2 w2 Ker( F ) . Portanto, o corolrio 2.3 garante que Ker( F )
um subespao vetorial de V , completando a prova da proposio.

Vejamos agora alguns exemplos de ncleo e do conjunto imagem de transformaes
lineares.
Exemplo 5.12: Seja T : 2 3 definida, por T ( x, y ) = (0, x + y, 0) para

( x, y ) 2 . Claramente T uma transformao linear (verifique). Vamos encontrar
inicialmente seu ncleo. Recordemos que (0, 0) e (0, 0, 0) so respectivamente, os
elementos neutros de 2 e 3 . Assim, utilizando a definio 5.10, temos que para
( x, y ) 2 ,
( x, y ) Ker(T ) T ( x, y ) = (0, 0, 0)
(0, x + y, 0) = (0, 0)
x+ y =0
y = x.
Logo,
Ker(T ) = {( x, y ) 2 ; y = x} = [(1, 1)],
onde [(1, 1)] denota o subespao vetorial de 2 , gerado pelo elemento (1, 1). Para
calcularmos o conjunto imagem de T , recordemos que
Im(T ) = {( x, y, z ) 3 ; T (a, b) = ( x, y, z ), para algum ( a, b) 2 }.
Assim,
( x, y, z ) Im(T ) a, b ; T (a, b) = ( x, y, z )
a, b ; (0, a + b, 0) = ( x, y, z )
a, b ; x = 0, y = a + b e z = 0.
83
lgEBra linEar y y y y
Portanto, para todo y , tomando a = e b = , temos que T ( , ) = (0, y, 0) , ou
seja, 2 2 2 2
Im(T ) = {( x, y, z ) 3 ; x = z = 0} = [(0,1, 0)].

A idia agora relacionar o conceito funo injetora e funo sobrejetora, visto
nos cursos de matemtica elementar, com o conceito de ncleo e conjunto imagem de
transformaes lineares. Apresentamos a prxima denio a ttulo de recordao.
K , e uma transformao linear F : V W dada.
a) Diremos que F injetora se para quaisquer u , v V tais que F (u ) = F (v) ,

tivermos que u = v , simbolicamente temos
u , v V ; F (u ) = F (v) u = v.
b) Diremos que F sobrejetora se para todo w W , existir v V tal que F (v) = w.
c) Diremos que F bijetora quando F for simultaneamente injetora e sobrejetora,
simbolicamente temos,
w W , !v V ; F (v) = w.
Proposio 5.15: Sejam V e W dois espaos vetoriais sobre o mesmo corpo de escalares
K , e F : V W uma transformao linear dada.
a) F injetora se, e somente se, Ker( F ) = {0V } .

b) F sobrejetora se, e somente se, Im( F ) = W .
Demonstrao:
Para demonstrar o item a suponhamos inicialmente que F e injetora e tomemos
u Ker( F ) . Ento,
F (u ) = 0W = F (0V ).
A injetividade de F implica que u = 0V . Como sempre 0V Ker( F ) , obtemos que
Ker( F ) = {0V } , provando a condio suciente do item a.
Por outro lado, suponhamos que Ker( F ) = {0V } e sejam u , v V tais que F (u ) = F (v).
A linearidade de F implica que F (u v) = 0W , mostrando que u v Ker( F ) .
Portanto, u v = 0V , ou seja, u = v, mostrando a condio necessria da proposio e
completando sua demonstrao.
Para demonstrar o item b suponhamos agora que F sobrejetora e, assim, por denio,
para todo w W , existe v V , tal que F (v) = w . Mas,
Im F = {w W ; v V com F (v) = w}
e assim, Im F = W .
Por outro lado, suponhamos que Im F = W . Assim, se w W , pela hiptese w Im F .
Logo pela denio de Im F , existe v V , tal que F (v) = w e, portanto, F sobrejetora.
Concluindo assim, a demonstrao da proposio.

84
Exemplo 5.16: Como aplicao desta proposio, vamos mostrar que a transformao
linear F : 3 4 denida por, transformaes lineares
F ( x, y , z ) = ( x, x y , y z , z + x + 5 y )
para todo ( x, y, z ) 3 , injetora. Se ( x, y, z ) 3 e recordando que 03 = (0, 0, 0) e

04 = (0, 0, 0, 0) , ento,
( x, y, z ) Ker( F ) F ( x, y, z ) = (0, 0, 0, 0)
( x, x y, y z , z + x + 5 y ) = (0, 0, 0, 0)
x = 0, x y = 0, y z = 0 e z + x + 5 y = 0
x= y=z=0
( x, y , z ) = 0 3 ,
mostrando que Ker( F ) = {03 } e, portanto, a Proposio 5.15 implica que F injetora.
O prximo resultado muito til na vericao da sobrejetivade de operadores

lineares e o principal teorema desta parte do livro.
Teorema 5.17 (Teorema do Ncleo e da Imagem): Sejam V e W dois espaos vetoriais

sobre o mesmo corpo de escalares K , e F : V W uma transformao linear. Ento,
dim V = dim(Ker( F )) + dim(Im( F )). (5.5)
Demonstrao:
Sejam n = dim V e B1 = {v1 , v2 , , vr } , com r n , uma base de Ker( F ) . O Teorema
4.5 garante que podemos encontrar elementos vr +1 , vr + 2 , , vn V tais que,
B = {v1 , v2 , , vr , vr +1 , vr + 2 , , vn }
seja uma base de V . Vamos mostrar inicialmente que B2 = {F (vr +1 ), F (vr + 2 ), , F (vn )}
uma base de Im( F ) . Para mostrarmos que B2 linearmente independente sejam
r +1 , r + 2 , , n K tais que,
r +1F (vr +1 ) + r + 2 F (vr + 2 ) + + n F (vn ) = 0W .
A linearidade de F implica que,
F ( r +1vr +1 + r + 2vr + 2 + + n vn ) = 0W .
Logo, r +1vr +1 + r + 2vr + 2 + + n vn Ker( F ) e, portanto, existem
1 , 2 , , r K tais que,
r +1vr +1 + r + 2vr + 2 + + n vn = 1v1 + 2v2 + + r vr ,
ou seja,
1v1 + 2v2 + + r vr + ( r +1 )vr +1 + ( r + 2 )vr + 2 + + ( n )vn = 0V .
Como B uma base de V , obtemos que,
1 = 2 = = r = ( r +1 ) = ( r + 2 ) = = ( n ) = 0 K ,
mostrando que B2 linearmente independente em W .
Mostremos agora que B2 = {F (vr +1 ), F (vr + 2 ), , F (vn )} um conjunto gerador

de Im( F ) . Para mostrarmos este fato, seja w Im( F ). Ento, existe v V tal que
85
lgEBra linEar
F (v) = w . Mas, B uma base de V , da existem 1 , 2 , , n K tais que
v = 1v1 + 2v2 + + n vn .
A linearidade de F e o fato de B1 ser uma base de Ker( F ) implicam que
w = F (v) = F (1v1 + 2v2 + + n vn )
= 1F (v1 ) + 2 F (v2 ) + + r F (vr ) + r +1F (vr +1 ) + + n F (vn )
= 0W + 0W + + 0W + r +1F (vr +1 ) + + n F (vn )
= r +1F (vr +1 ) + + n F (vn ),
mostrando que Im( F ) [vr +1 , vr + 2 , , vn ] e, portanto, que B2 um conjunto gerador de
Im( F ) . Logo, B2 uma base de Im( F ) .
Ainda mais, pela construo da base B de V obtemos que
dim V = n = r + (n r )
= dim(Ker( F )) + dim(Im( F )),
completando a prova deste teorema.

Conversa
Como aplicao do Teorema do Ncleo e da Imagem, vamos estudar a sobrejetividade

da transformao linear F : 3 4 denida para todo ( x, y, z ) 3 por,
F ( x, y, z ) = ( x, x + y, y + z , x z ).
Voc pode vericar rapidamente que Ker( F ) = {(0, 0, 0)} . Logo F uma transformao
linear injetora. Usando (4.5) conclumos que,
dim(Im( F )) = dim V dim(Ker( F )) = 3 0 = 3.
Como dim( ) = 4 , conclumos que F no sobrejetora. Com relao a este resultado

4
temos o seguinte corolrio do Teorema do Ncleo e da Imagem:
Corolrio 5.18: Sejam V e W dois espaos vetoriais sobre o mesmo corpo de escalares
K , e F : V W uma transformao linear. Se dim V = dim W , ento as seguintes
armaes so equivalentes.
I. F injetora.
II. F sobrejetora.
III. F bijetora.
Demonstrao:
Para demonstrar esse corolrio mostraremos a seguinte seqncia de implicaes:
I II III I . A terceira implicao imediata, faamos ento as duas primeiras.
Suponhamos que F seja injetora. Logo, o item a da Proposio 5.15 implica que
Ker( F ) = {0V } e, portanto, dim(Ker( F )) = 0. O Teorema do Ncleo e da Imagem
implica ento que
dim(Im( F )) = dim V dim(Ker( F )) = dim W 0 = dim W .
Como Im( F ) um subespao vetorial de W , conclumos que Im( F ) = W e, portanto,
que F sobrejetora, isto mostra que I II .
Suponhamos agora que F seja sobrejetora. Logo, Im( F ) = W e, portanto,
86
dim(Im( F )) = dim W . O Teorema do Ncleo e da Imagem implica ento que
dim(Ker( F )) = dim V dim(Im( F )) = dim W dim W = 0,
mostrando que Ker( F ) = {0V } e, portanto, que F injetora, provando a implicao
II III , completando a prova do corolrio.

Podemos tambm utilizar o Teorema do Ncleo e da Imagem para encontrar
uma base para o conjunto imagem de transformaes lineares, como mostra o prximo
corolrio.
Corolrio 5.19: Sejam V e W dois espaos vetoriais sobre o mesmo corpo de escalares
K , e F : V W uma transformao linear injetora. Ento F leva base de V em base
do conjunto imagem, Im( F ) . Em particular, quando dim V = dim W , ento F leva
base de V em base de W .
Demonstrao:
Seja B1 = {v1 , v2 , , vn } uma base de V . Mostremos que B2 = {F (v1 ), F (v2 ), , F (vn )}
uma base de Im( F ). Para mostrarmos a linearidade de B2 , sejam 1 , 2 , , n K
tais que,
1F (v1 ) + 2 F (v2 ) + + n F (vn ) = 0W .
A linearidade de F implica que,
F (1v1 + 2v2 + + n vn ) = 0W = F (0V ).
Como F injetora, conclumos que,
1v1 + 2v2 + + n vn = 0V
e, portanto, como B1 linearmente independente, obtemos que 1 = 2 = = n = 0 K ,
mostrando que B2 um subconjunto linearmente independente de W .
Mostremos agora que B2 um conjunto gerador de Im( F ). Para isso seja w Im( F ).
Logo, existe v V tal que F (v) = w . Tambm, existem escalares 1 , 2 , , n K
tais que,
v = 1v1 + 2v2 + + n vn .
Portanto, a linearidade de F implica que,
w = F (v) = F (1v1 + 2v2 + + n vn ) = 1F (v1 ) + 2 F (v2 ) + + n F (vn ),
mostrando que B2 um conjunto gerador de Im( F ).
Para concluirmos a outra parte do corolrio, observemos que se dim V = dim W , ento
a injetividade de F implica que F sobrejetora e, portanto, Im( F ) = W e a parte
anterior naliza a demonstrao deste corolrio.
Conversa
Uma consequncia imediata que pode ser observada na demonstrao do Corolrio

5.19 que toda transformao linear F : V W ca bem determinada se conhecermos
os valores de F nos elementos de uma base qualquer de V , ou seja, para conhecermos
como uma transformao atua em todos os elementos de V, basta que se conhea
como a transformao linear atua em uma base de V. Ilustraremos este resultado no
prximo exemplo.
87
lgEBra linEar Exemplo 5.20: Vamos encontrar uma transformao linear F : 2 3 tal que
F (1, 0) = (2, 1, 0)
F (0,1) = (0, 0,1).
Para isso, observemos inicialmente que {(1, 0), (0,1)} uma base de 2 . Assim, para
todo ( x, y ) 2 temos que,
( x, y ) = x(1, 0) + y (0,1).
Logo,
F ( x, y ) = F ( x(1, 0) + y (0,1)) = xF (1, 0) + yF (0,1)
= x(2, 1, 0) + y (0, 0,1) = (2 x, 2 x, 0) + (0, 0, y )
= (2 x, x, y ).
Portanto a transformao linear desejada denida por F ( x, y ) = (2 x, x, y ) , para todo
( x, y ) 2 . O leitor pode vericar a ttulo de exerccio, que F linear.
Conversa
Como sabemos dos cursos de matemtica elementar, toda funo bijetora possui uma
inversa, no caso de transformaes lineares, este conceito ainda mais importante e
passaremos agora a estud-lo.
K , e F : V W uma transformao linear. Diremos que F um isomorsmo entre
V e W , se F for injetora e sobrejetora. Neste caso diremos que V e W so isomorfos.
Inicialmente vamos mostrar um resultado que garante que quando uma

transformao linear bijetora, sua inversa tambm uma transformao linear.
Proposio 5.22: Sejam V e W dois espaos vetoriais sobre o mesmo corpo de

escalares K , e F : V W uma transformao linear bijetora. Ento, F 1 : W V
uma transformao linear bijetora.
Demonstrao:
Como F : V W uma funo bijetora, ento F 1 : W V uma funo bijetora.
Vamos mostrar que F 1 : W V linear. Para isso sejam w1 , w2 W e k1 , k2 K .
Ento, existem nicos v1 , v2 V tais que,
F (v1 ) = w1 e F (v2 ) = w2 .
Logo,
F 1 ( w1 ) = v1 e F 1 ( w2 ) = v2 .
Assim, a linearidade de F implica que,
F (k1v1 + k2 v2 ) = k1 F (v1 ) + k2 F (v2 ) = k1w1 + k2 w2 .
Ento,
F 1 (k1w1 + k2 w2 ) = k1v1 + k2 v2 = k1 F 1 ( w1 ) + k2 F 1 ( w2 ),
provando a linearidade de F 1 e completando a prova desta proposio.

88
Conversa
Vale observar aqui que o Corolrio 5.19 juntamente com a Proposio 5.22 que dois
espaos vetoriais sobre o mesmo corpo de escalares K so isomorfos se eles possuem
a mesma dimenso.
Exemplo 5.23: Vamos mostrar que a transformao linear T : 3 3 denida, para

todo ( x, y, z ) 3 , por,
T ( x, y , z ) = ( x 2 y , z , x + y )
um isomorsmo e vamos calcular T 1 , a inversa de T . O Corolrio 5.18 nos diz que
para mostrarmos que T bijetora, basta mostrarmos que T injetora. Para fazermos
isso, vamos encontrar o ncleo, Ker(T ) .
Se ( x, y, z ) 3 , ento,
( x, y, z ) Ker(T ) T ( x, y, z ) = (0, 0, 0)
( x 2 y, z , x + y ) = (0, 0, 0)
x 2 y = 0

z=0
x+ y =0

x = y = z = 0,
mostrando que Ker(T ) = {03 }. A proposio 5.15 implica ento que T injetora e,
portanto, bijetora. Logo, T : 3 3 admite uma inversa T 1 : 3 3 . A proposio
5.22 implica que T 1 uma transformao linear e, portanto, usaremos este fato para
encontramos uma expresso para T 1 . Seja B = {(1, 0, 0), (0,1, 0), (0, 0,1)} uma base de
3 , usando a expresso de T obtemos que,
T (1, 0, 0) = (1, 0,1)
T (0,1, 0) = (2, 0,1)
T (0, 0,1) = (0,1, 0).
O corolrio 5.19 implica que C = {(1, 0,1), (2, 0,1), (0,1, 0)} tambm uma base de 3 .
Assim, calculando as coordenadas de ( x, y, z ) 3 em relao a base C temos que,
x+z zx
( x, y , z ) = (1, 0,1) + (2, 0,1) + y (0,1, 0).
3 3
Logo, usando a linearidade de T 1 , obtemos que,
x+z zx
T 1 ( x, y, z ) = T 1 ( (1, 0,1) + (2, 0,1) + y (0,1, 0))
3 3
x + z 1 z x 1
= T (1, 0,1) + T (2, 0,1) + yT 1 (0,1, 0)
3 3
x+z zx
= (1, 0, 0) + (0,1, 0) + y (0, 0,1)
3 3
x + 2z z x
=( , , y ).
3 3
89
lgEBra linEar
Exemplo 5.24: Vamos mostrar que o espao vetorial 4 isomorfo ao espao vetorial,
M 2 () , das matrizes quadradas de ordem 2 , com entradas reais. Para isso denamos
uma transformao linear F : 4 M 2 () por
x y
F ( x, y, z , w) = .
z w
Claramente temos que F uma transformao linear bijetora, mostrando que 4
isomorfo ao espao vetorial M 2 () .
5.4 Matrizes e Transformaes Lineares
O objetivo principal desta seo mostrarmos que existe uma correspondncia

biunvoca entre matrizes e transformaes lineares. Dessa forma, trabalhar com
transformaes lineares torna-se bem mais fcil, pois transportamos as propriedades que
conhecemos sobre matrizes para as transformaes lineares. Vejamos um exemplo deste
fato.
Exemplo 5.25: Consideremos uma transformao linear T : 3 3 denida, para

T ( x, y , z ) = ( x + y , x + z , y + z )
e seja B = {(1, 0, 0), (0,1, 0), (0, 0,1)} uma base de 3 . Temos que,
T (1, 0, 0) = (1,1, 0) = 1(1, 0, 0) + 1(0,1, 0) + 0(0, 0,1)

T (0,1, 0) = (1, 0,1) = 1(1, 0, 0) + 0(0,1, 0) + 1(0, 0,1)
T (0, 0,1) = (0,1,1) = 0(1, 0, 0) + 1(0,1, 0) + 1(0, 0,1).
Assim, dispomos as coordenadas encontradas acima, em funo da base B , como colunas

de uma matriz quadrada de ordem 3, que chamaremos de matriz da transformao linear
T . Temos que,
1 1 0
B
[T ] = 1 0 1 .
B
0 1 1

Dessa forma vemos que calcular o valor da transformao linear T em um elemento
qualquer de 3 equivalente a multiplicar a matriz acima pela matriz em forma de uma
matriz coluna das coordenadas deste elemento na base B , isto , se u = (3, 4,5) 3 ,
utilizando a denio de T, obtemos,
T (3, 4,5) = (7,8,9) .
Por outro lado, temos que,
3

[u ]B = 4 .
5

Logo,
1 1 0 3 7

1 0 1 4 =8 .
0 1 1 5 9

90
Assim,
7 transformaes lineares
B
[T ] [u ]B = 8 = [T (u )]B .
B
9

Vamos estudar agora, com detalhes, as ideias vistas acima. Comearemos
introduzindo os conceitos de soma e multiplicao de transformaes lineares, bem como
o produto de um escalar por uma transformao linear.
Sejam V e W espaos vetoriais sobre o mesmo corpo de escalares K .
Denotaremos por L(V , W ) o conjunto de todas as transformaes lineares de V em
W . Quando V = W , o conjunto dos operadores lineares em V ser denotado apenas
por L(V ) . No que se segue vamos denir duas operaes em L(V , W ) de modo a
torn-lo um espao vetorial sobre o corpo de escalares K .
Denio 5.26: Sejam V e W espaos vetoriais sobre o mesmo corpo de escalares

K e considere F , G L(V , W ) . Denimos a soma de F com G como sendo funo
F + G : V W , atuando em um elemento v V da seguinte maneira:
( F + G )(v) = F (v) + G (v).
Como vimos no exemplo 1.5, a soma de funes denida como acima satisfaz todas as
propriedades exigidas na Denio 1.1 para que L(V , W ) se torne um espao vetorial
sobre K . Vamos mostrar que se F , G L(V , W ) , ento a funo F + G L(V , W ) , ou
seja, devemos mostrar que F + G : V W uma transformao linear. Para fazermos
isso, sejam v1 , v2 V e k1 , k2 K . Ento,
( F + G )(k1v1 + k2 v2 ) = F (k1v1 + k2 v2 ) + G (k1v1 + k2 v2 )
= k1 F (v1 ) + k2 F (v2 ) + k1G (v1 ) + k2G (v2 )
= k1 ( F (v1 ) + G (v1 )) + k2 ( F (v2 ) + G (v2 ))
= k1 ( F + G )(v1 ) + k2 ( F + G )(v2 ),
mostrando que F + G uma transformao linear e, portanto, F + G L(V , W ) .
Denio 5.27: Sejam V e W espaos vetoriais sobre o mesmo corpo de escalares K , e

considere F L(V , W ) e k K . Denimos o produto escalar de k por F como sendo
funo kF : V W , atuando em um elemento v V da seguinte maneira:
(kF )(v) = k ( F (v)).

Tambm vimos no exemplo 1.5 que o produto de um escalar por uma funo como
denido acima satisfaz todas as propriedades exigidas na Denio 1.1 para que L(V , W )
se torne um espao vetorial sobre K , vamos mostrar que se F L(V , W ) e k K , ento
a funo kF L(V , W ) . Para fazermos isso, sejam v1 , v2 V e k1 , k2 K . Ento,
(kF )(k1v1 + k2 v2 ) = k ( F (k1v1 + k2 v2 ))

= k (k1 F (v1 ) + k2 F (v2 ))
= k1 (kF (v1 )) + k2 (kF (v2 ))
= k1 (kF )(v1 ) + k2 (kF )(v2 ),
mostrando que kF uma transformao linear e, portanto, kF L(V , W ) .
Pelo que vimos acima, podemos concluir que se V e W so espaos vetoriais

sobre o mesmo corpo de escalares K , ento L(V , W ) tambm um espao vetorial sobre
91
K . Vamos trabalhar agora com uma outra importante operao entre transformaes
lgEBra linEar
lineares, a composio de transformaes lineares.
Denio 5.28: Sejam U , V e W espaos vetoriais sobre o mesmo corpo de escalares

K e considere F L(U , V ) e G L(V , W ) duas transformaes lineares. Denimos
a funo composta de F e G como sendo funo G F : U W , atuando em um
elemento u U da seguinte maneira:
(G F )(u ) = G ( F (u )).
Vamos mostrar que G F uma transformao linear de U em W . De fato,
sejam u1 , u2 U e k1 , k2 K . Ento, a linearidade de F e G implicam que
G F (k1u1 + k2u2 ) = G ( F (k1u1 + k2u2 ))
= G (k1 F (u1 ) + k2 F (u2 ))
= k1G ( F (u1 )) + k2G ( F (u2 ))
= k1 (G F )(u1 ) + k2 (G F )(u2 ),
provando que G F L(U , W ) .
Conversa
Quando trabalhamos com operadores lineares, isto , quando F , G L(V ) , onde

V um espao vetorial sobre um corpo de escalares K , ento G F L(V )
e, pelo mesmo motivo, F G L(V ) . Entretanto a operao composio no
comutativa como mostra o prximo exemplo.
Exemplo 5.29: Considere V = 2 e dena F , G : 2 2 por,
F ( x, y ) = ( x + y, 0) e G(x,y)=(x,2y),
para todo ( x, y ) 2 . Temos ento que,
(G F )( x, y ) = G ( F ( x, y )) = G ( x + y, 0) = ( x + y, 0)
e
( F G )( x, y ) = F (G ( x, y )) = F ( x, 2 y ) = ( x + 2 y, 0) .
Logo, tomando ( x, y ) = (1,1) obtemos que,
(G F )(1,1) = (2, 0) (3, 0) = ( F G )(1,1),

ou seja, G F F G.
Sejam V e W dois espaos vetoriais sobre um mesmo corpo de escalares K .

Vimos que L(V , W ) , o conjunto de todas as transformaes lineares de V em W um
espao vetorial. Consideremos agora B = {v1 , v2 , , vn } e C = {w 1 , w2 , , wm } base de
V e W respectivamente. Vamos mostrar que a cada transformao linear F L(V , W )
est associada uma nica matriz, com coecientes em K , em M m ,n ( K ) , generalizando
o que foi visto no exemplo 5.25.
92
Para cada j = 1, 2, , n , F (v j ) W . Logo, existem escalares ij K , transformaes lineares
determinados de forma nica, tais que,
F (v1 ) = 11w1 + 21w2 + + m1wm
F (v2 ) = 12 w1 + 22 w2 + + m 2 wm

F (vn ) = 1n w1 + 2 n w2 + + mn wm ,
ou ainda,
m
F (v j ) = ij wi , j = 1, 2, , n.
i =1
A transposta da matriz dos coecientes do sistema acima, denotada por [ F ]CB M m ,n ( K ) ,

chamada de matriz da transformao linear F em relao as base B e C . Temos que
11 12 13 1n

21 22 23 2 n
[ F ]C = 31 32 33
B
3n .

mn
m1 m 2 m 3
Com o mesmo raciocnio acima obtemos, para todo v V , que
[ F (v)]C = [ F ]CB [v]B .
Dessa forma vemos que calcular a imagem, pela transformao linear F , de um elemento
qualquer do espao vetorial V se reduz a multiplicar a matriz de F pela matriz das
coordenadas de v V .
Vamos ilustrar atravs de alguns exemplos como calcular a matriz de uma
transformao linear e como utilizar essa matriz para calcular o valor da transformao
linear em um elemento qualquer de V .
Exemplo 5.30: Consideremos a transformao linear F : 3 2 denida, para todo

( x, y, z ) 3 , por
F ( x, y, z ) = ( x + y, y + z ).
Sejam B = {(1, 0, 0), (0,1, 0), (0, 0,1)} uma base de 3 e C = {(1, 0), (1,1)} uma base de
2 . Temos que
F (1, 0, 0) = (1, 0) = 1(1, 0) + 0(1,1)
F (0,1, 0) = (1,1) = 0(1, 0) + 1(1,1)
F (0, 0,1) = (0,1) = 1(1, 0) + 1(1,1).
Logo,
1 0 1
( F )CB = .
0 1 1
Consideremos agora o elemento (1,1,1) = 1(1, 0, 0) + 1(0,1, 0) + (1(0, 0,1) , isto implica
que as coordenadas de (1,1,1) 3 so dadas, na forma matricial, por
1

[(1,1,1)]B = 1 .
1

93
Logo,
lgEBra linEar
0
[ F (1,1,1)]C = [(2, 2)]C = .
2
Por outro lado,
1
1 0 1 0
1 = .
0 1 1 1 2

Dessa forma, vemos que calcular o valor da transformao linear F em um determinado
elemento de 3 equivalente a calcular a multiplicao da matriz de F pela matriz das
coordenadas do elemento em relao a base B.
Vale a pena observar aqui que a matriz de uma transformao linear depende das
bases consideradas para os espaos vetoriais envolvidos.
Exemplo 5.31: Consideremos uma transformao linear F : 3 2 denida, para

F ( x, y, z ) = (2 x + y z ,3 x 2 y + 4 z ) .
Sejam B = {(1,1,1), (1,1, 0), (1, 0, 0)} uma base de 3 e C = {(1,3), (1, 4)} uma base de
2 . Temos que,
F (1,1,1) = (2,5) = 3(1,3) + (1)(1, 4)
F (1,1, 0) = (3,1) = 11(1,3) + (8)(1, 4)
F (1, 0, 0) = (2,3) = 5(1,3) + (3)(1, 4).
Logo, a matriz da transformao linear F com relao s bases B e C dada ento por,
3 11 5
[ F ]CB = .
1 8 3
Agora, se B ' = {(1, 0, 0), (0,1, 0), (0, 0,1)} uma outra base de 3 e C ' = {(1, 0), (0,1)}
uma outra base de 2 . Temos que,
F (1, 0, 0) = (2,3) = 2(1, 0) + 3(0,1)

F (0,1, 0) = (1, 2) = 1(1, 0) + (2)(0,1)
F (0, 0,1) = (1, 4) = (1)(1, 0) + 4(0,1).
Neste caso, a matriz da transformao linear F com relao s bases B ' e C ' dada por,
2 1 1
[ F ]CB '' = .
3 2 4
94
Conversa
Como vemos neste exemplo, a mudana das bases alteram a matriz da transformao
linear. Isto ser, como veremos no prximo captulo, um fato bom, pois podemos
escolher bases adequadas para os espaos vetoriais envolvidos, de forma a deixar a
matriz que representa a transformao linear mais simples, o que facilita os clculos
que porventura precisamos efetuar.
Vamos agora fazer o caminho inverso do que foi feito acima, isto , dada uma
matriz A M m ,n ( K ) e bases B = {v1 , v2 , , vn } e C = {w 1 , w2 , , wm } dos espaos
vetoriais V e W respectivamente, vamos mostrar que existe uma transformao linear
F : V W de tal forma que [ F ]CB = A . Seja
a11 a12 a1n

a a22 a2 n
A = 21 .

am1 am 2 amn
Denamos
FA : V W
v FA (v),
onde, FA (v) W calculado da seguinte maneira: como v V , existem escalares
1 , 2 , , n K , unicamente determinados, tais que,
v = 1v1 + 2 v2 + + n vn . (5.6)
Consideremos ento,
1 1

[ FA (v)]C = A [v]B = A =

n m
e, nalmente,
FA (v) = 1w1 + 2 w2 + + m wm .
A unicidade dos coecientes em (5.6), para cada v V , mostra que FA uma

transformao linear entre os espaos vetoriais V e W . O leitor pode vericar este fato
como exerccio. Vamos mostrar agora que,
[ FA ]CB = A.
Para fazermos isso primeiramente vamos escrever cada vetor da base B em

funo dos vetores da prpria base B . Temos,
v1 = 1v1 + 0v2 + + 0vn
v2 = 0v1 + 1v2 + + 0vn

vn = 0v1 + 0v2 + + 1vn .
95
lgEBra linEar
Logo, para j = 1, 2, , n , temos que,
FA (v j ) = 1j w1 + 2j w2 + + mj wm ,
onde as coordenadas i j , i = 1, 2, , m e j = 1, 2, , n , so dadas por,
11 1 a11
1 a
2 = 0
A = 21 ,

1
m 0 am1
12 0 a12
2 a
2 = 1
A = 22 .

2
m 0 am 2
Assim sucessivamente, temos que,
1n 0 a1n
n a
2 = 0
A = 2n .

n
m 1 amn
Logo, obtemos que,
[ FA ]CB = A.
Exemplo 5.32: Dada a matriz

2 0
A=
0 1
e as bases B = {(1, 0), (0,1)} e C = {(1,1), (1,1)} vamos encontrar uma transformao
linear FA : 2 2 tal que,
[ FA ]CB = A.
Para resolvermos esse problema, para todo u 2 , devemos ter que,
[ FAu ]C = A[u ]B .
Seja ento u = ( x, y ) 2 , isto , u = ( x, y ) = x(1, 0) + y (0,1) . Logo,
2 0 x 2x
[ FAu ]C = = .
0 1 y y
Assim,
FA (u ) = FA ( x, y ) = 2 x(1,1) + y (1,1) = (2 x y, 2 x + y ) .
Vamos agora vericar se de fato a matriz de FA de fato a matriz A . Temos,
FA (1, 0) = (2, 2) = 2(1,1) + 0(1,1)
.
FA (0,1) = (1,1) = 0(1,1) + 1(1,1)
Logo,
2 0
[ FA ]CB = = A.
0 1
96
Exemplo 5.33: Dada a matriz
1 2 3 transformaes lineares
A= ,
0 1 0
Vamos encontrar TA : 3 2 , tal que [TA ]CB = A , onde,
B = {(1, 0, 0), ((0,1, 0), (0,1, 2)} e C = {(1, 0), (1,1)} .

Seja u = ( x, y, z ) 3 . Ento,
z z
u = ( x, y, z ) = x(1, 0, 0) + ( y )(0,1, 0) + (0,1, 2) ,
2 2
isto ,

x

z
[u ]B = y .
2
z

2
Logo,

x z
x+ y+
1 2 3 z 2
[TA (u )]C = y = .
0 1 0 2 y z
z
2
2
Assim,
z z
TA (u ) = TA ( x, y, z ) = ( x + 2 y + )(1, 0) + ( y )(1,1)
2 2
z
= ( x + 3 y, y ).
2
Fica como exerccio, vericar que a matriz de TA com relao s bases B e C de fato
a matriz A .
Exemplo 5.34: Considere F , G : 2 2 denidas por,

F ( x, y ) = (2 x, x + 2 y ) e G ( x, y ) = (3 x + y, x + 3 y ) ,
para todo ( x, y ) 2 . Temos que,
( F G )(( x, y ) = F (G ( x, y )) = F (3 x + y, x + 3 y ) =
= (2(3 x + y ), (3 x + y ) + 2( x + 3 y )) = (6 x + 2 y,5 x + 7 y )
e
(G F )(( x, y ) = G ( F ( x, y )) = G (2 x, x + 2 y ) =
= (3(2 x) + ( x + 2 y ), 2 x + 3( x + 2 y )) = (7 x + 2 y,5 x + 6 y ) ,
para todo ( x, y ) 2 . Vamos encontrar as matrizes de F , G , G F e F G em
relao base cannica B = {(1, 0), (0,1)} do 2 . Temos que,
97
F (1, 0) = (2,1) = 2(1, 0) + 1(0,1),
lgEBra linEar
F (0,1) = (0, 2) = 0(1, 0) + 2(0,1),
G (1, 0) = (3,1) = 3(1, 0) + 1(0,1),

G (0,1) = (1,3) = 1(1, 0) + 3(0,1),
( F G )(1, 0) = (6,5) = 6(1, 0) + 5(0,1),

( F G )(0,1) = (2, 7) = 2(1, 0) + 7(0,1)
(G F )(1, 0) = (7,5) = 7(1, 0) + 5(0,1)

(G F )(0,1) = (2, 6) = 2(1, 0) + 6(0,1)
e, portanto,
2 0 3 1 6 2 7 2
[ F ]B = , [G ]B = , [ F G ]B = e [G F ]B = .
1 2 1 3 5 7 5 6
Um clculo rpido com as matrizes obtidas no exemplo anterior mostra que,
6 2 2 0 3 1
[ F G ]B = = = [ F ]B [G ]B
5 7 1 2 1 3
e
7 2 3 1 2 0
[G F ]B = = = [G ]B [ F ]B .
5 6 1 3 1 2
Este resultado vale de forma geral e enunciamo-lo agora.
Proposio 5.35: Sejam U , V e W espaos vetoriais sobre o mesmo corpo de escalares

K , F : U V e G : V W transformaes lineares. Se B , C e D so bases de U ,
V e W respectivamente, ento,
[G F ]BD = [G ]CD [ F ]CB .
Como aplicao desta proposio, vamos encontrar a matriz da inversa de uma
transformao linear. Sejam U e V espaos vetoriais sobre o mesmo corpo de escalares
K e denamos IU : U U e por IV : V V
IU (u ) = u e IV (v) = v ,
para u U e v V . Se B e C so bases de U e V respectivamente, ento
1 0

[ IU ]B =
0 1

e
1 0

[ IV ]C =
0 1

Suponhamos agora que T : U V seja uma transformao linear inversvel, com inversa
T 1 : V U . O leitor pode mostrar, neste caso, que dim U = dim V = n . Ainda, para
todo v V , temos que,
(T T 1 )(v) = T (T 1 (v)) = v = IV (v)
98
e, para todo u U , temos que,
(T 1 T )(u ) = T 1 (T (u )) = u = IU (u ).
Logo, a Proposio 4.34 implica que,
I n = [ IU ]B = [T T 1 ]B = [T ]CB [T 1 ]CB
e
I n = [ IV ]C = [T 1 T ]C = [T 1 ]CB [T 1 ]CB ,
onde, I n denota a matriz identidade de ordem n. Assim, conclumos que a matriz de T
relativa s bases B e C inversvel e
[T 1 ]CB = ([T ]CB ) 1 .
Exerccios
1. Sejam V = M 2 ( ) o espao vetorial das matrizes 2 2 , munido das operaes

usuais de adio e multiplicao por escalar, e B uma matriz xada neste espao.
Mostre que a aplicao F : V V denida por F ( X ) = BX , para
X M 2 () um operador linear.
2. Sejam V = M 2 ( ) o espao vetorial das matrizes 2 2 , munido das operaes

usuais de adio e multiplicao por escalar, e P uma matriz inversvel em
M 2 (). Mostre que a aplicao F : V V denida por F ( X ) = P 1 XP,
para X M 2 () um operador linear.
3. Verique se as seguintes aplicaes de 3 em 3 so operadores lineares.

(a) F1 ( x, y, z ) = ( x y, x + y, 0);
(b) F2 ( x, y, z ) = (2 x y + z , 0, 0);
(c) F3 ( x, y, z ) = ( x, x, x);
(d) F4 ( x, y, z ) = (2 x 2 + 3 y, x, z ).
4. Existe um operador linear F : 3 3 tal que F (1,1,1) = (1, 2,3),

F (1, 2,3) = (1, 4,9) e F (2,3, 4) = (1,8, 27) ? Justique sua resposta.
5. Verique se as seguintes aplicaes de 4 em 4 so operadores lineares.

(a) F1 ( x, y, z , t ) = ( x, y, z , t ) + (1, 0,1, 0);
(b) F2 ( x, y, z , t ) = (1, 0,1,1);
(c) F3 ( x, y, z , t ) = ( x, y z , y + z , x + t );
(d) F4 ( x, y, z , t ) = (cos x, y, z , t ).
6. Verique se as seguintes funes so transformaes lineares.

(a) f : 2 2 denida por f ( x, y ) = ( x + y, x y );
(b) g : 2 denida por g ( x, y ) = xy ;
(c) h : M 2 () denida por
a b a b
h( ) = det .
c d c d
99
lgEBra linEar 7. Sejam U e V subespaos vetoriais de um espao vetorial W tais que
W = U V . Sejam P1 , P2 : W W duas aplicaes denidas por P1 ( w) = u
e P2 ( w) = v , onde w = u + v , com u U e v V . Mostre que P1 e P2 so
operadores lineares.
8. Seja T : U V uma transformao linear satisfazendo a seguinte propriedade:

se {u1 , u2 , , un } uma base de U, ento {T (u1 ), T (u2 ), , T (un )} LI em V .
Mostre que T injetora.
9. Para cada uma das transformaes lineares abaixo, determinar uma base e a dimenso
do ncleo e da imagem.
(a) T : 3 3 , denida por T ( x, y, z ) = ( x, 2 y, 0);
(b) T : 3 , denida por T ( x, y, z ) = x + y z;
(c) T : 2 2 , denida por T ( x, y ) = (2 x, x + y );
(d) T : 3 4 , denida por
T ( x, y, z ) = ( x y z , x + y + z , 2 x y + z , y ).
10. Consideremos uma transformao linear F : U V . Se dim(U ) > dim(V ) ,

mostre que existe um elemento no nulo u0 U tal que F (u0 ) = 0V , onde 0V
denota o elemento neutro de V . Conclua que F no injetora.
11. Seja T : 3 3 denida, para ( x, y, z ) 3 , por,

T ( x, y, z ) = ( x, 2 y, 0).
Mostre que T uma transformao linear, que Ker(T ) = {(0, 0, 0)} e
Im(T ) = [(1, 0, 0), (0,1, 0)] .
12. Considere a transformao linear T : 3 3 denida por

T ( x, y, z ) = ( z , x y, z ).
(a) Determine uma base do ncleo de T ;
(b) Calcule a dimenso da imagem de T ;
(c) T sobrejetora? Justique a sua resposta.
13. Seja T : 3 3 um operador linear denido na base cannica de 3 por

T (1, 0, 0) = (2,3,1), T (0,1, 0) = (5, 2, 7) e T (0, 0,1) = (2, 0, 7) . Determi-ne a
expresso do operador T e mostre que de fato ele linear.
14. Encontrar uma transformao linear do 3 no 2 cujo ncleo seja gerado por
(1,1, 0).
15. Determinar um operador linear do 4 cujo ncleo seja gerado por

(1,1, 0, 0) e (0, 0,1, 0).
16. Determinar um operador linear do 3 cujo ncleo tenha dimenso 1 .
17. Seja T : 3 3 um operador linear denido por T (1, 0, 0) = (1,1, 0) ,

T (0,1, 0) = (1,1, 2) e T (0, 0,1) = (0, 0, 2). Determine uma base para cada um dos
seguintes subespaos vetoriais:
Ker (T ), Im(T ), Ker (T ) \ Im(T ) e Ker (T ) + Im(T ).
18. Seja T : U V uma transformao linear bijetora. Mostre que a aplicao inversa
100
T 1 : V U tambm uma transformao linear. transformaes lineares
19. Mostre que cada um dos operadores lineares de 3 a seguir um isomorsmo e
calcule o isomorsmo inverso.
(a) F ( x, y, z ) = ( x 3 y 2 z , y 4 z , z );
(b) F ( x, y, z ) = ( x, x y, 2 x + y z ).
20. Considere o operador linear de 3 denido por F (1, 0, 0) = (1,1,1),

F (0,1, 0) = (1, 0,1) e F (0,1, 2) = (0, 0, 4) . F um isomorsmo? Se for, determine
o isomorsmo inverso.
21. Prove que 2 isomorfo a qualquer subespao de dimenso 2 contido em 3 .
22. Determine uma transformao linear T : 3 2 tal que T (1, 0, 0) = (2, 0),
T (0,1, 0) = (1,1) e T (0, 0,1) = (0, 1). Encontre v 3 tal que T (v) = (3, 2).
23. Determine uma transformao linear T : 2 3 tal que T (1,1) = (3, 2,1),
T (0, 2) = (0,1, 0).
24. Seja F : 3 2 uma aplicao linear denida por F ( x, y, z ) = ( x + z , y 2 z ).

Determinar a matriz dessa transformao linear nas bases
B = {(1, 2,1), (0,1,1), (0,3, 1)} e C = {(1,5), (2, 1)}.
25. Determinar as matrizes das seguintes transformaes lineares em relao s bases

cannicas dos respectivos espaos vetoriais:
(a) T : 3 2 denida por T ( x, y, z ) = ( x + y, z );
(b) T : 2 3 denida por T ( x, y ) = ( x + y, x, x y );
(c) T : 4 denida por T ( x, y, z , t ) = 2 x + y z + 3t ;
(d) T : 3 denida por T ( x) = ( x, 2 x,3 x).
26. Seja o operador linear T : 2 2 cuja matriz em relao base B = {(1, 0), (1, 4)}
1 1
[T ]B = .
5 1
Determinar a matriz de T em relao base cannica do 2 .
27. Seja B = {e1 , e2 , e3 } uma base de um espao vetorial real V . Sendo F , G : V V

dois operadores lineares tais que F (e1 ) = e1 e2 , F (e2 ) = e1 + e3 , F (e3 ) = e2 ,
G (e1 ) = 2e1 + e3 , G (e2 ) = e1 e G (e3 ) = e2 3e1 . Determinar, em relao base B,
as matrizes dos seguintes operadores lineares: F , G , F G e G F .
28. Determinar o operador linear do 2 cuja matriz em relao base B = {(1, 2), (0,5)}
3 1
.
2 1
29. Determinar todos os operadores lineares T : 2 2 tais que T T = T e
T ( x, y ) = (ax, bx + cy ).
30. Determinar todos os operadores lineares T : 2 2 tais que T T = 0 e

T ( x, y ) = (ax + by, cy ), onde 0 denota o operador linear nulo em 2 .
101
lgEBra linEar 31. Sejam F , G : 3 3 dois operadores lineares tais que F ( x, y, z ) = ( x, 2 y, y z )
e que a matriz do operador linear 2 F G : 3 3 em relao base cannica do
3
1 1 0

[2 F G ]B = 0 1 0 .
1 2 1

Determinar a matriz de G em relao base cannica e a expresso de G ( x, y, z ).
32. Sejam B = {(1, 1), (0, 2)} e C = {(1, 0, 1), (0,1, 2), (1, 2, 0)} bases de 2 e
3 , respectivamente, e,
1 0
[T ] = 1 1 .
C
B
0 1

Determine a expresso de T . Encontre uma base D de 3 tal que,
1 0
[T ] = 0 0 .
D
B
0 1

C
Se S ( x, y ) = (2 y, x y, x), encontre [ S ]B .
33. Seja T : 2 2 um operador linear tal que,

1 2
[T ]B = ,
0 1
onde, B denota a base cannica do 2 . Encontre u , v 2 tais que T (u ) = v e
T (v) = v.
34. Sejam B = {(0, 2), (2, 1)} e C = {(1,1, 0), (0, 0, 1), (1, 0,1)} bases de 2 e
3 respectivamente. Se
2 0
[ S ] = 4 0 ,
C
B
0 4

encontre a expresso de S ( x, y ).
35. Sejam
0 1 2 1 1

A = 0 2 e B = 1 2 1 .
0 1 1 0 0

Encontre Ker (TA ), Im(TA ), Ker (TB ) e Im(TB ).
36. Sejam R, S , T : 3 3 operadores lineares em. Se

1 0 1 2 1 1

[ R ]B = 2 1 1 e [ S ] B = 3 1 2
0 1 1 1 2 0

so as matrizes de R e S em relao base cannica de 3 , encontre T tal que
R = S T.
102
Anotaes
103
lgEBra linEar
Anotaes
104
6 Diagonalizao de
Operadores Lineares
6.1 autovalores e autovetores

6.2 polinmios Caractersticos
6.3 diagonalizao de operadores lineares
105
6 DIAGONALIZAO DE OPERADORES LINEARES
lgEBra linEar
No nal do captulo 5 vimos que trabalhar com transformaes lineares , de

certa forma, operar com matrizes. A idia principal deste captulo encontrar, se possvel,
bases para os espaos vetoriais, nas quais as matrizes das transformaes lineares
sejam diagonais, isto , s possuam elementos diferentes de zero na diagonal principal,
facilitando dessa forma o clculo de operaes com as matrizes que representam estas
transformaes lineares.
6.1 Autovalores e Autovetores
Nesta seo vamos introduzir o conceito de autovalores e autovetores para um

determinado operador linear e demonstrar algumas de suas principais propriedades. Seja
ento V um espao vetorial sobre o corpo e considere T : V V um operador linear.
Quando conseguirmos encontrar uma base para V formada apenas por autovetores de T ,
veremos que nesta base a matriz do operador linear T diagonal e essa diagonal contm
os autovalores de T .
Denio 6.1: Seja V um espao vetorial sobre e T : V V um operador linear. Se

existirem e v V , com v 0 , tais que,
Tv = v ,
diremos que um autovalor de T e que v 0 um autovetor de T associado
ao autovalor .
Vejamos algumas observaes importantes:
O autovalor , pode ser igual a zero, enquanto que o autovetor v V deve ser
necessariamente diferente do vetor nulo do respectivo espao vetorial V .
Para cada autovetor no nulo v V est associado um nico autovalor .

Para mostramos esse fato, seja 1 um outro autovalor associado ao autovetor
v V . Temos que,
Tv = v e Tv = 1v .
Logo,
0V = v 1v = ( 1 )v .
Mas, como v 0V , obtemos ento que ( 1 ) = 0 , ou seja, 1 = .
Seja um autovalor de T e considere o seguinte subconjunto do espao vetorial V :

V ( ) = {v V ; Tv = v}.
Ento V ( ) um subespao vetorial de V , denominado subespao prprio de V
associado a , ou auto-espao associado a . Para mostramos que V ( ) um
subespao vetorial de V , observemos primeiramente que,
T (0V ) = 0V = 0V ,
mostrando que 0V V ( ) e, portanto, que V ( ) . Considere agora
v1 , v2 V ( ) , isto , T (v1 ) = v1 e T (v2 ) = v2 . Logo,
T (v1 + v2 ) = T (v1 ) + T (v2 ) = v1 + v2 = (v1 + v2 ) ,
v1 + v2 V ( ) . Finalmente, sejam v V ( ) , isto , T (v) = v , e . Ento,
106
T (v) = T (v) = (v) = (l)v = (l)v = l(v), diagonalizao de
operadores lineares
isto implica que v V ( ) . Com tudo isso, conclumos que V ( ) um subespao
vetorial de V .
Denio 6.2: Sejam V um espao vetorial sobre , T : V V um operador linear

e um autovalor de T . O subespao vetorial V ( ) do espao vetorial V
denominado subespao prprio, ou autoespao, associado ao autovalor .
Exemplo 6.3: Seja T : 2 2 uma transformao linear denida para todo ( x, y ) 2

por
T ( x, y ) = ( y , x ) .
Vamos encontrar todos os autovalores da transformao linear T Sejam e
v = ( x, y ) 2 um vetor no nulo. Assim,
Tv = v T ( x, y ) = ( x, y ) ( y, x) = ( x, y )
y = x

x = y
y = 2 y.
Se y = 0, ento x = 0 e, portanto, v = (0, 0) e, como os autovalores devem ser no
nulos, devemos ter y 0 . Assim, a ltima igualdade implica que 2 = 1, ou seja,
= 1. Portanto, os nicos autovalores de T so = 1 e = 1.
Vamos agora encontrar os autovetores e os respectivos autoespaos associados a esses
autovalores.
Para = 1 , temos que y = x e, portanto, os autovetores associados a = 1 devem
ser da forma v = ( x, x), com x 0 . Tambm,
V (1) = {( x, y ) 2 ; y = x e x 0} = [(1,1)].
Vemos assim que os autovetores associados ao autovalor = 1 so da forma x(1,1),
com x 0.
Para = 1 , temos que y = x e, portanto, os autovetores associados a = 1
devem ser da forma v = ( x, x), com x 0 . Tambm,
V (1) = {( x, y ) 2 ; y = x e x 0} = [(1, 1)].
Vemos assim que os autovetores associados ao autovalor = 1 so da forma
x(1, 1), com x 0.

por
T ( x, y ) = ( y , x ) .
Vamos encontrar todos os autovalores da transformao linear T . Sejam e
Tv = v T ( x, y ) = ( x, y ) ( y, x) = ( x, y )
y = x

x = y
y = 2 y
y ( 2 + 1) = 0.
Se y = 0, ento x = 0 e, portanto, v = (0, 0) e, como os autovalores devem ser no
nulos, devemos ter y 0 . Assim, a ltima igualdade implica ento que 2 = 1, ou seja,
T no possui autovalores no corpo de escalares . Neste caso vemos ento que T no
possui autovalores e autovetores.
107
lgEBra linEar
Exemplo 6.5: Seja T : 3 3 uma transformao linear denida para todo
( x, y, z ) 3 por
T ( x, y, z ) = (3 x,3 y,3 z ) .
Vamos encontrar todos os autovalores da transformao linear T . Sejam e

v = ( x, y, z ) 3 um vetor no nulo. Assim,
Tv = v T ( x, y, z ) = ( x, y, z ) (3 x,3 y,3 z ) = ( x, y, z )
3 x = x

3 y = y
3 z = z

(3 ) x = 0

(3 ) y = 0
(3 ) z = 0.

Se x = y = z = 0, ento v = (0, 0, 0) e, como os autovalores devem ser no nulos,
devemos ter ou x 0, ou y 0, ou z 0. Em qualquer um dos trs casos, devemos ter
= 3. Portanto, o nico autovalor de T = 3. Vamos agora encontrar os autovetores
e o respectivo autoespao associado a esse autovalor. Quando = 3 vemos que para
v = ( x, y, z ) 3 ser um autovetor devemos ter x 0, ou y 0, ou z 0. Temos
ento alguns casos a considerar:
se y = z = 0, ento necessariamente devemos ter x 0 e o autovetor associado a

= 3 ca da forma
v = ( x, 0, 0) = x(1, 0, 0),
para todo nmero real x 0 ;
se x = z = 0, ento necessariamente devemos ter y 0 e o autovetor associado a

= 3 ca da forma
v = (0, y, 0) = y (0,1, 0),
para todo nmero real y 0 ;
se x = y = 0, ento necessariamente devemos ter z 0 e o autovetor associado a

= 3 ca da forma
v = (0, 0, z ) = z (0, 0,1),
para todo nmero real z 0;
se x = 0, ento o autovetor associado a = 3 ca da forma

v = (0, y, z ) = (0, y, 0) + (0, 0, z ) = y (0,1, 0) + z (0, 0,1),
para nmeros reais y e z tais que y 0 ou z 0 ;
se y = 0, ento o autovetor associado a = 3 ca da forma

v = ( x, 0, z ) = ( x, 0, 0) + (0, 0, z ) = x(1, 0, 0) + z (0, 0,1),
para nmeros reais x e z tais que x 0 ou z 0 ;
se z = 0, ento o autovetor associado a = 3 ca da forma

v = ( x, y, 0) = ( x, 0, 0) + (0, y, 0) = x(1, 0, 0) + y (0,1, 0),
para nmeros reais x e y tais que x 0 ou y 0 ;
108
se x 0, y 0 e z 0 , ento o autovetor associado a = 3 ca da forma
diagonalizao de
v = ( x, y, z ) = ( x, 0, 0) + (0, y, 0) + (0, 0, z ) = x(1, 0, 0) + y (0,1, 0) + z (0, 0,1), operadores lineares
para nmeros reais x, y e z tais que x 0, y 0 e z 0 .
Dessa forma, vemos tambm que o autoespao associado ao autovalor = 3 dado por
V (3) = {( x, y, z ) 3 ; x 0, ou y 0, ou z 0} = [(1, 0, 0), (0,1, 0), (0, 0,1)].

por
T ( x, y ) = (2 x, x + 2 y ) .
Vamos encontrar todos os autovalores da transformao linear T. Sejam e

Tv = v T ( x, y ) = ( x, y ) (2 x, x + 2 y ) = ( x, y )
2x = x

x + 2 y = y
(2 ) x = 0

x + (2 ) y = 0.
Se x = 0, ento necessariamente y 0 e, portanto, = 2 um autovalor de T associado
a autovetores da forma v = y (0,1), onde y 0 um nmero real qualquer. Nesse caso
temos que o autoespao associado ao autovalor = 2 dado ento por,
V (2) = {( x, y ) 2 ; x = 0} = [(0,1)].
Quando x 0, temos necessariamente que = 2 e, portanto, substituindo o valor de l
na segunda equao do ltimo sistema acima obtemos que x = 0, o que um absurdo,
pois supusemos que x 0 . Portanto, temos que o nico autovalor = 2 e o autoespao
associado ao autovalor = 2 dado ento por,
V (2) = {( x, y ) 2 ; x = 0} = [(0,1)].
Como vimos no captulo anterior, para cada operador linear est associada uma
nica matriz e, reciprocamente, para cada matriz podemos associar um nico operador
linear. Vamos agora introduzir o conceito de autovalores e autovetores para matrizes com
entradas reais. Sejam V um espao vetorial, de dimenso nita n , sobre o corpo
de escalares K = e A M n ( ) uma matriz dada. Fixemos B uma base de V e
consideremos o operador linear TA : V V denido para todo u V por,
TA (u ) = A[u ]B .
J vimos no captulo anterior que [TA ]B = A e [TA (u )]B = A[u ]B . Sejam um
autovalor de TA e v 0V um respectivo autovetor, isto ,
TA (v) = v.
Assim,
A[v]B = [TAv]B = [ v]B = [v]B .
Denio 6.7: Sejam A M n ( K ) uma matriz dada, V = K n um espao vetorial de

dimenso nita n , sobre K . Se existirem K e v V = K n , com v 0 , tais
que,
A[v]B = [v]B ,
onde B uma base xada de V = K n , diremos que K um autovalor de A e que
v 0 um autovetor de A associado ao autovalor .
109
Seja K um autovalor de uma matriz A M n ( K ) e considere o seguinte
lgEBra linEar subconjunto do espao vetorial V = K n , de dimenso nita n , sobre o corpo de
escalares K :
V ( ) = {v V ; A[v]B = [v]B },
onde, B uma base xada do espao vetorial V = K n . Ento, usando propriedades de
matrizes e a unicidade das coordenadas de elementos do espao vetorial, com relao
base xada, podemos mostrar que V ( ) um subespao vetorial de V = K n , o qual
tambm ser denominado subespao prprio de V = K n associado a , ou autoespao
associado a . Vejamos agora um exemplo de como calcular os autovalores e autovetores
de uma matriz dada.
Conversa
Restringiremos nossos estudos ao corpo de escalares K = para focalizarmos nossa

ateno apenas nos conceitos estudados e no nos preocuparmos com o corpo de
escalares que est sendo utilizado.
Exemplo 6.8: Considerando V = 2 , vamos encontrar os autovalores e seus respectivos

autovetores da matriz
1 2
A= .
5 4
Escolhendo B a base cannica de V = 2 temos, para todo v = ( x, y ) 2 , que,
x
[v]B = [( x, y )]B = .
y
Logo, para , temos que,
1 2 x x
A[v]B = [v]B =
5 4 y y
x + 2y x
=
5x + 4 y y
x + 2y = x

5 x + 4 y = y
(1 ) x + 2 y = 0

5 x + (4 ) y = 0.
Assim, v = ( x, y ) (0, 0) um autovetor associado a se, e somente se, o ltimo
sistema acima possui uma soluo no nula, mas isso acontece se, e somente se, o
determinante dos coecientes do sistema nulo, isto ,
1 2
det = 0,
5 4
ou seja, se existir tal que
2 5 6 = 0.
Mas isso acontece se, e somente se, = 6 ou = 1. Portanto, = 6 e = 1 so
110
os nicos autovalores da matriz A. Vamos agora encontrar os autovetores associados a
diagonalizao de
cada um desses autovalores. Para = 6 temos que, ( x, y ) (0, 0) um autovetor se, e operadores lineares
somente se,
1 2 x x
A[v]B = 6[v]B = 6
5 4 y y
x + 2 y 6x
=
5x + 4 y 6 y
x + 2 y = 6x

5 x + 4 y = 6 y
5 x + 2 y = 0

5x 2 y = 0
5
y= x.
2
5
Logo, ( x, x) 2 , para todo x 0 , um autovetor associado ao autovalor = 6 e o
autoespao2associado a = 6 dado ento por,
5
V (6) = {( x, y ) 2 ; y = x} = [(2,5)].
2
Para = 1 temos que ( x, y ) (0, 0) um autovetor se, e somente se,
1 2 x x
A[v]B = 1[v]B = 1
5 4 y y
x + 2 y x
=
5x + 4 y y
x + 2 y = x

5 x + 4 y = y
2 x + 2 y = 0

5 x + 5 y = 0
y = x.
Logo, ( x, x) , para x 0 , um autovetor associado ao autovalor = 1 e o
2
autoespao associado a = 1 dado ento por,

V (1) = {( x, y ) 2 ; y = x} = [(1, 1)].
Conversa
Este exemplo, de certa forma, nos d um mtodo prtico para procurarmos os

autovalores, e os respectivos autovetores, de operadores lineares. Observe que dado
um operador linear em um espao vetorial de dimenso nita, xamos uma base
para este espao vetorial, encontramos a matriz do operador linear e para esta
matriz encontramos os autovalores, e os respectivos autovetores. Esses autovalores
e autovetores sero os autovalores e os autovetores do operador linear. Trataremos
deste mtodo na prxima seo.
111
6.2 Polinmios Caractersticos
lgEBra linEar
Para encontramos os autovalores, e respectivos autovetores, de um determinado

operador linear, denido em um espao vetorial de dimenso nita, pode ser complicado se a
regra que dene este operador linear for complicada e, tambm, se a dimenso do respectivo
espao vetorial for grande. Vamos agora introduzir um mtodo que simplica este processo.
Para melhor entendermos esse mtodo, vamos comear com um exemplo simples.
Exemplo 6.9: Seja V = 3 e consideremos a matriz

4 2 0

A = 1 1 0 .
0 1 2

Vamos encontrar os autovalores e autovetores desta matriz, isto , queremos encontrar
e v 3 um vetor no nulo tal que,
A[v]B = [v]B ,
3
onde, B a base cannica de . Mas,
0

A[v]B = [v]B A[v]B = I n [v]B ( A I n )[v]B = 0 ,
0

onde, I 3 denota a matriz identidade de ordem n = 3. Assim, um autovalor
associado ao autovetor v 03 se, e somente se,
4 2 0 1 0 0 x 0

1 1 0 0 1 0 y = 0 ,

0 1 2 0 0 1 z 0
ou seja, se, e somente se,
4 2 0 x 0

1 1 0 y = 0 . (6.1)
0 2
1 z 0
Sabemos que o sistema matricial acima possui uma soluo no nula se, e somente se,
4 2 0

det 1 1 0 = det[ A I 3 ] = 0. (6.2)
0 1 2

Calculando esse determinante obtemos a seguinte equao do terceiro grau na varivel :
3 7 2 + 16 12 = ( 2)( 2 5 + 6) = 0.
As nicas razes da equao do terceiro grau acima so 1 = 2 = 2 e 3 = 3. Dessa
forma conclumos que os nicos autovalores da matriz A so = 2 e = 3.
Vamos agora encontrar os autovetores associados a cada um desses autovalores. Para
fazermos isso substitumos o valor do autovalor em (6.1) e resolvemos o sistema matricial.
Para = 2 temos,
42 2 0 x 0

1 1 2 0 y = 0
z 0
0 1 2 2
112
2 2 0 x 0 2x + 2 y = 0
diagonalizao de
1 1 0 y = 0 x y = 0 operadores lineares
0 1 0 z 0 y = 0.

Logo, v = ( x, y, z ) 3 um autovetor associado ao autovalor = 2 se, e somente se,
x = y = 0 e z um nmero real no nulo, ou seja, v = (0, 0, z ) 3 , com z 0.
O autoespao associado ao autovalor = 2 dado ento por,
V (2) = {( x, y, z ) 3 ; x = y = 0} = [(0, 0,1)].
Para = 3 temos,
43 2 0 x 0

1 1 3 0 y = 0
0 2 3
1 z 0
1 2 0 x 0 x + 2y = 0

1 2 0 y = 0 x 2 y = 0

0 1 1 z 0 y z = 0.
Logo, v = ( x, y, z ) 3 um autovetor associado ao autovalor = 3 se, e
somente se, x = 2 y, z = y e y um nmero real no nulo qualquer, ou seja,
v = (2 y, y, y ) 3 , com y 0. O autoespao associado ao autovalor = 3 dado,
ento, por,
V (3) = {( x, y, z ) 3 ; x = 2 y e z = y} = [(2,1,1)].
Conversa
O exemplo acima nos d um mtodo para encontrar autovalores, e seus respectivos

autovetores, de matrizes. Vale observar que neste exemplo o autovalor = 2 uma raiz
de multiplicidade 2 da equao do terceiro grau que tivemos que resolver para encontrar
os autovalores da matriz, enquanto que a dimenso do autoespao associado ao autovalor
= 2 igual a 1, este fato ser de suma importncia quando formos vericar quando
uma matriz ou no diagonalizvel.
O exemplo 6.9 motiva a seguinte denio:

Denio 6.10: Sejam A M n ( K ), uma matriz dada, e K um corpo de escalares.
Denimos o polinmio caracterstico da matriz A por,
p A ( ) = det( A I n ) (6.3)
Com os mesmos argumentos utilizados no Exemplo 6.6 obtemos que as razes do
polinmio caracterstico da matriz A , quando existem, so exatamente os autovalores de A.
Quando o polinmio caracterstico no possuir razes, a matriz A no possui autovalores
e, portanto, tambm no possui autovetores. Observemos aqui que como a matriz tem
entradas no corpo de escalares K sempre vamos procurar os autovetores, associados a cada
um dos autovalores encontrados, no espao vetorial K n e, a menos que se explicite uma
outra base, vamos sempre considerar a base cannica para este espao vetorial. Portanto, para
encontrarmos esses autovetores precisamos encontrar um elemento v K n , no nulo, tal que,
( A I n )[v]B = 0, (6.4)
onde, 0 M n ( K ) denota a matriz nula.
113
Exemplo 6.11: Seja 3 4
lgEBra linEar A= M 2 ().
1 2
Vamos encontrar, se possvel, os autovalores, e seus respectivos autovetores, da matriz
A. Para encontramos os autovalores de A vamos procurar as razes do polinmio
caracterstico de A. Temos que,
3 4 1 0
p A ( ) = det( A I 2 ) = det
1 2 0 1
3 4
= + 2.
2
= det
1 2
Logo,
p A ( ) = 0 2 + 2 = 0 1 = 1 e 2 = 2.
Portanto, os nicos autovalores de A so = 1 e = 2.

Vamos agora encontrar os autovetores associados a cada um dos autovalores
encontrados. Seja ento v = ( x, y ) 2 um elemento no nulo. Temos que,
x
[ v ]B = ,
y
onde, B a base cannica do espao vetorial real 2 .
Para = 1, utilizando (6.4) obtemos que,

3 1 4 x 0 4 4 x 0
= = y = x.
1 2 1 y 0 1 1 y 0
Logo, v = ( x, y ) 2 um autovetor associado ao autovalor = 1 se, e somente se,
y = x, com x sendo um nmero real no nulo qualquer, ou seja, v = ( x, x) 2 ,
com x 0. O autoespao associado ao autovalor = 1 dado ento por,
V (1) = {( x, y ) 2 ; y = x} = [(1,1)].
Para = 2, utilizando (6.4) obtemos que,
3 + 2 4 x 0 1 4 x 0
= = x = 4 y.
1 2 + 2 y 0 1 4 y 0
x = 4 y, com y sendo um nmero real no nulo qualquer, ou seja, v = (4 y, y ) 2 ,
com y 0. O autoespao associado ao autovalor = 2 dado ento por,
V (2) = {( x, y ) 2 ; x = 4 y} = [(4,1)].
Vamos agora adaptar este mtodo para encontramos, quando possvel, os
autovalores, e seus respectivos autovetores, de operadores lineares denidos em espaos
vetoriais reais de dimenso nita.
Denio 6.12: Sejam V um espao vetorial real de dimenso nita, dimV = n , e

T : V V um operador linear. Denimos o polinmio caracterstico do operador
linear T como sendo o polinmio caracterstico da matriz de T em relao a uma base
B do espao vetorial V , isto ,
pT ( ) = det([T ]B I n ),
onde, I n denota a matriz identidade de ordem n .
114
Quando olhamos a denio acima, uma pergunta surge imediatamente: o
polinmio caracterstico de operadores lineares denidos em espaos vetoriais reais de diagonalizao de
dimenso nita depende da base escolhida para o espao vetorial? A reposta negativa e operadores lineares
para provarmos esse fato, vamos demonstrar primeiro um lema tcnico.
Lema 6.13: Se A, B M n ( ) so duas matrizes semelhantes, isto , existe uma matriz

inversvel M M n ( ) tal que B = M 1 AM , ento elas possuem o mesmo polinmio
caracterstico.
Demonstrao:
Sejam A, B M n ( ) duas matrizes semelhantes. Ento, existe uma matriz inversvel
M M n () tal que B = M 1 AM . Logo, det( M ) 0 e,
det( M 1 ) = (det( M )) 1.
Assim,
pB ( ) = det( B I n ) = det( M 1 AM I n )
= det( M 1 AM M 1 I n M )
= det( M 1 AM M 1 I n M )
= det( M 1 ( A I n ) M )
= det( M 1 ) det( A I n ) det( M )
= det( A I n ) det( M 1 ) det( M )
= det( A I n )(det( M )) 1 det( M )
= det( A I n )
= p A ( ),
provando o lema.

Teorema 6.14: Se V um espao vetorial real de dimenso nita, dimV = n , e

T : V V um operador linear, ento o polinmio caracterstico do operador linear T
independe da base escolhida para o espao vetorial V e suas razes em so exatamente
os autovalores do operador linear T .
Demonstrao:
Mostraremos apenas que o polinmio caracterstico do operador linear T independe da
base escolhida. Para fazermos isso, seja B e C duas bases quaisquer do espao vetorial
real V . A Proposio 4.34 implica que
[T ]B = [ I T I ]B = [ I T I 1 ]B = [ I ]CB [T ]C [ I 1 ]CB ,
onde I : (V , B ) (V , C ) denota o operador identidade. Chamando de M = [ I 1 ]CB e
lembrando que,
[ I ]CB = ([ I 1 ]CB ) 1 ,
obtemos que,
[T ]B = M 1[T ]C M .
Assim, conclumos que as matrizes do operador linear T nas bases B e C do espao
vetorial real V so semelhantes e, portanto, o lema 6.13 implica que o polinmio
caracterstico do operador linear T independe da base escolhida.
A demonstrao da outra parte pode ser encontrada em CALLIOLI; DOMINGUES;
COSTA na pgina 249.

115
O teorema acima nos fornece um mtodo mais rpido e eciente para encontrar,
lgEBra linEar quando existem, os autovalores de operadores lineares denidos em espaos vetoriais de
dimenso nita. Para encontrarmos os respectivos autovetores, procedemos da seguinte
maneira: xemos uma base B do espao vetorial real V , com dim V = n. Para um elemento
no nulo v V ser um autovetor de T associado a um autovalor devemos ter que,
Tv = v [Tv]B = [ v]B
[T ]B [v]B [ v]B = 0n1
[T ]B [v]B [v]B = 0n1
([T ]B I n )[v]B = 0n1.
Logo v V um autovetor de T associado a um autovalor se, e somente se,
([T ]B I n )[v]B = 0n1 , (6.5)
onde, I n denota a identidade de ordem n e 0n1 denota a matriz nula de ordem n 1.
Nos exemplos que seguem estaremos sempre considerando a base cannica dos
espaos vetoriais utilizado.
Exemplo 6.15: Consideremos o espao vetorial V = 3 e denamos um operador linear

T : 3 3 , para todo v = ( x, y, z ) 3 , por,
T ( x, y, z ) = (3 x 3 y 4 z,3 y + 5 z, z ).
Vamos encontrar os autovalores, e seus respectivos autovetores, do operador linear T .
Primeiramente, vamos encontrar a matriz, na base cannica B = {(1, 0, 0), (0,1, 0), (0, 0,1)},
do operador linear T . Temos,
T (1, 0, 0) = (3, 0, 0) = 3(1, 0, 0) + 0(0,1, 0) + 0(0, 0,1)
T (0,1, 0) = (3,3, 0) = 3(1, 0, 0) + 3(0,1, 0) + 0(0, 0,1)
T (0, 0,1) = (4,5, 1) = 4(1, 0, 0) + 5(0,1, 0) + (1)(0, 0,1).
Logo, a matriz de T na base cannica do 3 ,
3 3 4

[T ]B = 0 3 5 .
0 0 1

Assim, os autovalores de T so exatamente as razes de polinmio caracterstico que
dado por,
3 3 4 1 0 0

pT ( ) = det([T ]B I 3 ) = det 0 3 5 0 1 0
0 0 1 0 0 1

3 3 4

= det 0 3 5
0 0 1

= (3 )(3 )(1 ).
Dessa forma vemos que as razes do polinmio caracterstico de T so 1 = 2 = 3 e
3 = 1. Portanto, os nicos autovalores do operador linear T so = 3 e = 1.
Vamos agora encontrar os autovetores associados a cada um desses autovalores.

Seja v = ( x, y, z ) 3 um elemento no nulo. Ento,
116
v = ( x, y, z ) = x(1, 0, 0) + y (0,1, 0) + z (0, 0,1), diagonalizao de
operadores lineares
ou seja,
x

[ v ]B = y .
z

Para = 3, utilizando (6.5), temos que v = ( x, y, z ) 3 um autovetor de T associado
ao autovalor = 3 se, e somente se,
3 3 3 4 x 0

([T ]B 3I 3 )[v]B = 03 0 33 5 y = 0
0 1 3
0 z 0
0 3 4 x 0

0 0 5 y = 0
0 0 4 z 0

3 y + 4 z = 0

5y = 0
4 z = 0.

y = z = 0 e x um nmero real no nulo, ou seja, v = ( x, 0, 0) 3 , com x 0.
O autoespao associado ao autovalor = 3 dado ento por,
V (3) = {( x, y, z ) 3 ; y = z = 0} = [(1, 0, 0)].
Para = 1, utilizando (6.5), temos que v = ( x, y, z ) 3 um autovetor de T

associado ao autovalor = 1 se, e somente se,
3 + 1 3 4 x 0

([T ]B (1) I 3 )[v]B = 03 0 3 + 1 5 y = 0
0 1 + 1
0 z 0
4 3 4 x 0

0 4 5 y = 0
0 0 0 z 0

4x 3y + 4z = 0

4 y + 5z = 0
31
x = 16 z

y = 5 z.
4
117
lgEBra linEar 31 5 31 5
x= z , y = z e z um nmero real no nulo, ou seja, v = ( z , z , z ) 3 ,
16 4 16 4
com z 0. O autoespao associado ao autovalor = 1 dado ento por,
31 5
V (1) = {( x, y, z ) 3 ; x = z e y = z} = [(31, 20,16)].
16 4
Exemplo 6.16: Consideremos o espao vetorial V = 3 e denamos um operador linear
T : 3 3 , para todo v = ( x, y, z ) 3 , por,
T ( x, y, z ) = (3 x y + z , x + 5 y z , x y + 3 z ).
Vamos encontrar os autovalores, e seus respectivos autovetores, de operador linear T .
Primeiramente, vamos encontrar a matriz, na base cannica B = {(1, 0, 0), (0,1, 0), (0, 0,1)},
do operador linear T . Temos,
T (1, 0, 0) = (3, 1,1) = 3(1, 0, 0) + (1)(0,1, 0) + 1(0, 0,1)
T (0,1, 0) = (1,5, 1) = 1(1, 0, 0) + 5(0,1, 0) + (1)(0, 0,1)
T (0, 0,1) = (1, 1,3) = 1(1, 0, 0) + (1)(0,1, 0) + 3(0, 0,1).
Logo, a matriz de T na base cannica do 3 ,

3 1 1

[T ]B = 1 5 1 .
1 1 3

Assim, os autovalores de T so exatamente as razes de polinmio caracterstico que
dado por,
pT ( ) = det([T ]B I 3 )
3 1 1 1 0 0

= det 1 5 1 0 1 0
1 1 3 0 0 1

3 1 1

= det 1 5 1
1 1 3

= (3 )( 2)( 6).
Dessa forma vemos que as razes do polinmio caracterstico de T so 1 = 3, 2 = 2 e
3 = 6. Portanto, os nicos autovalores do operador linear T so = 3, = 2 e = 6.
Vamos agora encontrar os autovetores associados a cada um desses autovalores.

Seja v = ( x, y, z ) 3 um elemento no nulo. Como no exemplo anterior temos que
x

[ v ]B = y .
z

118
3 3 1 1 x 0
diagonalizao de
([T ]B 3I 3 )[v]B = 03 1 5 3 1 y = 0 operadores lineares
z 0
1 1 3 3
0 1 1 x 0

1 2 1 y = 0
1 1 0 z 0

y+z =0

x + 2y z = 0
x y = 0.

x = y, z = y e y um nmero real no nulo, ou seja, v = ( y, y, y ) 3 , com
y 0. O autoespao associado ao autovalor = 3 dado ento por,
V (3) = {( x, y, z ) 3 ; x = y e z = y} = [(1,1,1)].
3 2 1 1 x 0

([T ]B 2 I 3 )[v]B = 03 1 5 2 1 y = 0
1 1 3 2
z 0
1 1 1 x 0

1 3 1 y = 0
1 1 1 z 0

x y+z =0

x + 3y z = 0
x y+z =0

y = x+z

z = x.
z = x, y = 0 e x um nmero real no nulo, ou seja, v = ( x, 0, x) 3 , com
x 0. O autoespao associado ao autovalor = 2 dado ento por,
V (2) = {( x, y, z ) 3 ; z = x e y = 0} = [(1, 0, 1)].
3 6 1 1 x 0

([T ]B 6 I 3 )[v]B = 03 1 5 6 1 y = 0
1 1 3 6
z 0
3 1 1 x 0

1 1 1 y = 0
1 1 3 z 0

119
3x y + z = 0
lgEBra linEar y = x z
x yz =0
z = x.
x y 3z = 0

z = x, y = 2 x e x um nmero real no nulo, ou seja, v = ( x, 2 x, x) 3 ,
com x 0. O autoespao associado ao autovalor = 6 dado ento por
V (6) = {( x, y, z ) 3 ; y = 2 x e z = x} = [(1, 2,1)].
6.3 Diagonalizao de Operadores Lineares
O objetivo principal dessa seo encontrar condies para que matrizes

associadas a operadores lineares denidos em espaos vetoriais reais de dimenso nita
sejam diagonais.
Conversa
Recordemos que se T : V V um operador linear denido em um espao vetorial

real V de dimenso nita e K um autovalor deste operador linear, associado
a um autovetor no nulo v V , ento Tv = v e, portanto, se este autovetor for um
elemento de uma base para o espao vetorial quando formos escrever Tv em funo
desta base todos os coecientes devero ser iguais a zero, exceto o que multiplica o
prprio autovetor e, assim na coluna j , associada a esse autovetor, da matriz do
operador linear T , em relao a essa base, todas as entradas sero nulas exceto a
posio jj , que ser igual a K . Assim, se conseguirmos encontrar uma base para
o espao vetorial V formada apenas por autovetores de T , a matriz do operador
linear T com relao a essa base ser diagonal, com os elementos da diagonal sendo
os respectivos autovalores de T .
Vamos comear esta seo com um lema que mostra que autovetores associados
a autovalores distintos de um operador linear so linearmente independentes.
Lema 6.18: Sejam V um espao vetorial sobre um corpo K , T : V V um operador
linear e v1 , v2 , , vn autovetores de T associados a autovalores 1 , 2 , , n . Se i j
para todo i j com i, j = 1, 2, , n, ento {v1 , v2 , , vn } linearmente independente
sobre K .
Demonstrao:
Faremos a prova por induo sobre n . Para n=1, o resultado imediato, pois
autovetores so elementos no nulos do espao vetorial V .
Suponhamos agora que o resultado seja vlido para todo n , isto , se i j para
todo i j com i, j = 1, 2, , n, ento {v1 , v2 , , vn } linearmente independente sobre
K e mostremos que o resultado o resultado valido para n + 1 , isto , se i j
para todo i j com i, j = 1, 2, , n, n + 1 ento {v1 , v2 , , vn , vn +1} linearmente
independente sobre K . Para fazermos isso, sejam 1 , 2 , , n , n +1 K tais que,
1v1 + 2 v2 + + n vn + n +1vn +1 = 0V . (6.6)
120
Como (T n +1 I ) : V V denido, para todo v V , por,
(T n +1 I )v = Tv n +1v diagonalizao de
operadores lineares
um operador linear e, portanto, aplicando (T n +1 I ) em ambos os lados da igualdade
em (6.6) obtemos que,
0V = (T n+1 )0V = (T n+1I )(1v1 + 2v2 + + n vn + n+1vn+1 )
= (T n+1I )(1v1 ) + (T n+1I )( 2v2 ) + +
+ (T n+1I )( n vn ) + (T n+1I )( n+1vn+1 )
= 1 (T n+1I )(v1 ) + 2 (T n+1I )(v2 ) + +
+ n (T n+1I )(vn ) + n+1 (T n+1I )(vn+1 )
= 1 (Tv1 n+1v1 ) + 2 (Tv2 n+1v2 ) + +
+ n (Tvn n+1vn ) + n+1 (Tvn+1 n+1vn+1 )
= 1 (1v1 n+1v1 ) + 2 ( 2v2 n+1v2 ) + +
+ n ( n vn n+1vn ) + n+1 ( n+1vn+1 n+1vn+1 )
= [1 (1 n+1 )]v1 + [ 2 ( 2 n+1 )]v2 + + [ n ( n n+1 )]vn .
Como {v1 , v2 , , vn } linearmente independente sobre K , ento,
[1 (1 n +1 )] = [ 2 (2 n +1 )] = = [ n (n n +1 )] = 0 K .
Mas, i j para todo i j com i, j = 1, 2, , n, n + 1 . Logo,
1 = 2 = = n = 0 K .
Voltando em (6.6) obtemos que,
n +1vn +1 = 0V
e, como vn +1 0V , conclumos que,
1 = 2 = = n = n +1 = 0 K .
Portanto, {v1 , v2 , , vn , vn +1} linearmente independente sobre K , nalizando a
demonstrao do lema.

O prximo resultado nos d um critrio para dizermos quando um operador linear

denido em um espao vetorial possui uma matriz, em alguma base do espao vetorial,
diagonal.
Teorema 6.19: Seja T : V V um operador linear denido sobre um espao vetorial e

dimenso nita n sobre um corpo K . Se 1 , 2 , , n K so autovalores distintos
de T , associados aos autovetores v1 , v2 , , vn V , ento B = {v1 , v2 , , vn } uma base
de V e
1 0

[T ]B = ,

0 n
ou seja, a matriz de T na base B diagonal.
Demonstrao:
Como Se 1 , 2 , , n K so autovalores distintos de T , ento {v1 , v2 , , vn }
121
linearmente independente sobre K . Mas dimV = n sobre K . Logo, B = {v1 , v2 , , vn }
lgEBra linEar uma base de V .
Vamos agora encontrar a matriz do operador linear T nesta base. Temos
Tv1 = 1v1 = 1v1 + 0v 2 +0v3 + + 0v n
Tv2 = 2 v2 = 0v1 + 2 v 2 +0v3 + + 0v n

Tvn = n vn = 0v1 + 0v 2 +0v3 + + n v n .
Logo,
1 0 0 0

0 2 0 0
[T ]B = 0 0 3 0 ,

0 0 0 n

concluindo a prova deste teorema.

Conversa
Se T : V V um operador linear denido em um espao vetorial de dimenso

nita n , o teorema anterior nos diz que quando conseguirmos encontrar n
autovalores distintos de T , ento este operador ir possuir uma matriz que tem a
forma diagonal. Isto motiva a prxima denio.
Denio 6.20: Seja T : V V um operador linear denido em um espao vetorial de

dimenso nita sobre um corpo K . Diremos que T diagonalizvel quando existir uma
base de V formada apenas por autovetores de T .
Vejamos agora alguns exemplos.
Exemplo 6.21: Seja T : 3 3 um operador linear denido por,
T ( x, y, z ) = (3 x 4 z , 3 y + 5 z , z ).
Vamos vericar se T diagonalizvel e encontrar, se possvel, uma base de 3 formada

por autovetores de T . Primeiramente vamos encontrar a matriz de T com relao base
cannica de 3 . Temos,
T (1, 0, 0) = (3, 0, 0) = 3(1, 0, 0) + 0(0,1, 0) + 0(0, 0,1)
T (0,1, 0) = (0,3, 0) = 0(1, 0, 0) + 3(0,1, 0) + 0(0, 0,1)
T (0, 0,1) = (4,5, 1) = (4)(1, 0, 0) + 5(0,1, 0) + (1)(0, 0,1).
Logo a matriz de T na base cannica ,
3 0 4

[T ]B = 0 3 5 .
0 0 1

122
Usando a matriz de T na base cannica vamos calcular os autovalores, e respectivos
autovetores, de T . O polinmio caracterstico de T dado ento por, diagonalizao de
operadores lineares
3 0 4

pT ( ) = det([T ]B I 3 ) = det 0 3 5
0 0 1

= (3 )(3 )(1 ).
Logo as razes de pT ( ) so 1 = 3, 2 = 1 e 3 = 3. Portanto, os nicos autovalores
de T so = 3, = 1 e = 3. Como dim 3 = 3 e encontramos trs autovalores
distintos de T , conclumos que o operador T diagonalizvel.
Vamos agora encontrar os autovetores associados a cada um dos trs autovalores
encontrados. Para = 3, utilizando (6.5), temos que v = ( x, y, z ) 3 um autovetor
de T associado ao autovalor = 3 se, e somente se,
3+ 3 0 4 x 0

([T ]B + 3I 3 )[v]B = 03 0 3 + 3 5 y = 0
0 1 + 3
0 z 0
6 0 4 x 0

0 0 5 y = 0
0 0 2 z 0

6x 4z = 0

z = 0.

x = z = 0 e y um nmero real no nulo qualquer, ou seja, v = (0, y, 0) 3 , com
V (3) = {( x, y, z ) 3 ; x = z = 0} = [(0,1, 0)].
associado ao autovalor = 3 se, e somente se,
3+ 3 0 4 x 0

([T ]B + 3I 3 )[v]B = 03 0 3 + 3 5 y = 0
0 1 + 3
0 z 0
6 0 4 x 0

0 0 5 y = 0
0 0 2 z 0

6x 4z = 0

z = 0.

x = z = 0 e y um nmero real no nulo qualquer, ou seja, v = (0, y, 0) 3 , com
V (3) = {( x, y, z ) 3 ; x = z = 0} = [(0,1, 0)].
123
lgEBra linEar associado ao autovalor = 1 se, e somente se,
3 +1 0 4 x 0

([T ]B + I 3 )[v]B = 03 0 3 + 1 5 y = 0
0 1 + 1
0 z 0
4 0 4 x 0

0 2 5 y = 0
0 0 0 z 0

4x 4z = 0

2 y + 5 z = 0.
Logo, v = ( x, y, z ) 3 um autovetor associado ao autovalor = 1 se, e somente
5
se, y = z e x = z , onde z um nmero real no nulo qualquer, ou seja,
2
5
v = ( z , z , z ) 3 , com z 0. O autoespao associado ao autovalor = 1 dado
2
ento por,
5
V (1) = {( x, y, z ) 3 ; x = z e y = z} = [(2,5, 2)].
2
3 3 0 4 x 0

([T ]B 3I 3 )[v]B = 03 0 3 3 5 y = 0
0 1 3
0 z 0
0 0 4 x 0

0 6 5 y = 0
0 0 4 z 0

y=0

z = 0.
y = z = 0 e x um nmero real no nulo qualquer, ou seja, v = ( x, 0, 0) 3 , com
z 0. O autoespao associado ao autovalor = 3 dado ento por,
V (3) = {( x, y, z ) 3 ; y = z = 0} = [(1, 0, 0)].
Escolhendo C = {(0,1, 0), (2,5, 2), (1, 0, 0)} temos que C uma base de 3 e, nesta
base a matriz de T dada por,
3 0 0

[T ]C = 0 1 0 ,
0 0 3

que uma matriz diagonal.
A recproca do Teorema 6.19 no verdadeira, isto , existem operadores lineares

T : V V denido em um espao vetorial de dimenso nita n que possui um
124
nmero menor que n de autovalores e so diagonalizveis, como mostra o prximo
diagonalizao de
exemplo. operadores lineares
T ( x, y, z ) = ( x 2 z , 0, 2 x, 4 z ).
cannica de 3 . Temos
T (1, 0, 0) = (1, 0, 2) = 1(1, 0, 0) + 0(0,1, 0) + (2)(0, 0,1)
T (0,1, 0) = (0, 0, 0) = 0(1, 0, 0) + 0(0,1, 0) + 0(0, 0,1)
T (0, 0,1) = (2, 0, 4) = (2)(1, 0, 0) + 0(0,1, 0) + 4(0, 0,1).
Logo a matriz de T na base cannica ,
1 0 2

[T ] = 0 0 0 .
2 0 4

autovetores, de T . O polinmio caracterstico de T dado ento por,
1 0 2

pT ( ) = det([T ] I 3 ) = det 0 0 0 = 3 + 5 2 = 2 ( + 5).
2 0 4

Logo as razes de pT ( ) so 1 = 2 = 0 e 3 = 5. Portanto, os nicos autovalores de T
so = 0 e = 5. Como dim 3 = 3 e encontramos apenas dois autovalores distintos
de T , no podemos concluir ainda se o operador T diagonalizvel ou no. Observemos
que neste caso = 0 uma raiz de multiplicidade 2 do polinmio caracterstico de T ,
enquanto que a multiplicidade da raiz = 5 igual a 1.
Vamos agora encontrar os autovetores associados a cada um dos dois autovalores
encontrados. Para = 0, utilizando (6.5), temos que v = ( x, y, z ) 3 um autovetor
de T associado ao autovalor = 0 se, e somente se,
1 0 0 2 x 0

([T ]B 0 I 3 )[v]B = 03 0 00 0 y = 0
2 4 0
0 z 0
1 0 2 x 0

0 0 0 y = 0
2 0 4 z 0

x 2z = 0

2 x + 4 z = 0.
se, x = 2 z , onde z um nmero real no nulo e y um nmero real no
nulo qualquer, ou seja, v = (2 z , y, z ) 3 , com y, z 0. O autoespao associado ao
autovalor = 0 dado ento por,
V (0) = {( x, y, z ) 3 ; x = 2 z} = [(2, 0,1), (0,1, 0)].
Observemos que neste caso dim V (0) = 2. Para = 5, utilizando (6.5), temos que
125
lgEBra linEar v = ( x, y, z ) 3 um autovetor de T associado ao autovalor = 5 se, e somente se,
1 5 0 2 x 0

([T ]B 5 I 3 )[v]B = 03 0 05 0 y = 0
2 0 z 0
4 5

4 0 2 x 0

0 5 0 y = 0
z 0
2 0 1
4 x 2 z = 0

5y = 0
2x z = 0

z = 2 x

y = 0.
z = 2 x, onde x um nmero real no nulo e y = 0 , ou seja, v = ( x, 0, 2 x) 3 ,
V (5) = {( x, y, z ) 3 ; z = 2 x e y = 0} = [(1, 0, 2)].
Observemos que neste caso dim V (5) = 1.
Escolhendo C = {(2, 0,1), (0,1, 0), (1, 0, 2)} temos claramente que C linearmente
independente sobre e, portanto, C uma base de 3 e, nesta base, a matriz de T
dada por,
0 0 0

[T ]C = 0 0 0 ,
0 0 5
que uma matriz diagonal.
Conversa
Vimos no exemplo anterior que apesar de no encontrarmos trs autovalores distintos

de um operador linear T : 3 3 , conseguimos encontrar uma base de 3 na qual a
matriz do operador linear T diagonal. Ao observarmos o exemplo acima vemos que
isso s foi possvel, pois encontramos dois autovetores linearmente independentes
sobre associados ao autovalor = 0, que era uma raiz de multiplicidade 2 do
polinmio caracterstico do operador linear T . Este fato nos d um critrio para
vericar a diagonalizao de operadores lineares e ser enunciado com detalhes no
nal desta seo.

T ( x, y ) = (2 x, x + 2 y ).
cannica de 3 . Temos,
126
T (1, 0) = (2,1) = 2(1, 0) + 1(0,1)
diagonalizao de
T (0,1) = (0, 2) = 0(1, 0) + 2(0,1). operadores lineares
Logo a matriz de T na base cannica
2 0
[T ] = .
1 2
autovetores, de T . O polinmio caracterstico de T dado ento por,
2 0
pT ( ) = det([T ] I 2 ) = det = (2 ) .
2
1 2
Logo as razes de pT ( ) so 1 = 2 = 2. Portanto, o nico autovalor de T = 2.

Como dim 2 = 2 e encontramos apenas um autovalor de T , no podemos concluir
ainda se o operador T diagonalizvel ou no. Observemos que neste caso = 2 uma
raiz de multiplicidade 2 do polinmio caracterstico de T .
Vamos agora encontrar os autovetores associados ao autovalor = 2. Utilizando (6.5),
temos que v = ( x, y ) 2 um autovetor de T associado ao autovalor = 2 se, e
somente se,
22 0 x 0
([T ]B 2 I 2 )[v]B = 02 =
1 2 2 y 0
0 0 x 0
=
1 0 y 0
{ x = 0.

x = 0 e y um nmero real no nulo qualquer, ou seja, v = (0, y ) 2 , com
V (2) = {( x, y ) 2 ; x = 0} = [(0,1)].
Nesse caso, no encontraremos uma base de autovetores de T , pois todos so mltiplos
do autovetor v = (0,1) e, portanto, no encontraremos um conjunto linearmente
independente sobre formado por autovetores de T . Portanto, T no diagonalizvel.
Conversa
Nos trs exemplos apresentados acima, apesar de estarmos trabalhando com

operadores lineares, o mtodo utilizado para o clculo dos autovalores e respectivos
autovetores foi aquele usado para matrizes e isso motiva a prxima denio.
Denio 6.24: Dizemos que uma matriz A M n ( K ), onde K um corpo escalares

diagonalizvel se for semelhante a uma matriz diagonal D M n ( K ), isto , se existir
uma matriz inversvel M M n ( K ) tal que
M 1 AM = D.
127
lgEBra linEar
Conversa
Na prtica para vericarmos se uma matriz A M n ( K ) diagonalizvel, encontramos

os autovalores, e seus respectivos autovetores, de A e se conseguirmos encontrar n
autovetores em V = K n que sejam linearmente independentes teremos que a matriz A
diagonalizvel. Nesse caso a matriz D ser a matriz contendo os autovalores de A
na diagonal e a matriz M ser a matriz onde nas colunas aparecem as coordenadas
dos autovetores na mesma ordem dos autovalores. O critrio para vericar a
diagonalizao de matrizes o mesmo daquele para vericao da diagonalizao
de operadores lineares dado no Teorema 6.19.
Vejamos alguns exemplos
Exemplo 6.25: Seja A M 2 ( ) uma matriz dada por,

4 4
A= .
1 4
Vamos vericar se A diagonalizvel. Para fazermos isso vamos encontrar os autovalores
de A e seus respectivos autovetores v V = 2 . O polinmio caracterstico de
A dado por,
4 4
p A ( ) = det( A I 2 ) = det = 8 + 12.
2
1 4
Logo as razes de p A ( ) so 1 = 2 e 2 = 6. Portanto, os autovalores de A so = 2 e
= 6. Como dim 2 = 2 e encontramos dois autovalores distintos de A, podemos concluir
que a matriz A diagonalizvel, isto , existe uma matriz inversvel M M 2 ( ) tal que,
2 0
M 1 AM = .
0 6
Para encontramos a matriz M M 2 ( ) vamos encontrar os autovetores associados
a cada um dos autovalores encontrados. Para = 2, temos que v = ( x, y ) 2 um
autovetor de A associado ao autovalor = 2 se, e somente se,
42 4 x 0
( A 2 I 2 )[v]B = 02 =
1 4 2 y 0
2 4 x 0
=
1 2 y 0
{ x = 2 y.

x = 2 y, onde y um nmero real no nulo qualquer, ou seja, v = (2 y, y ) 2 ,
V (2) = {( x, y ) 2 ; x = 2 y} = [(2,1)].
Para = 6, temos que v = ( x, y ) 2 um autovetor de A associado ao autovalor
= 6 se, e somente se,
128
46 4 x 0
( A 6 I 2 )[v]B = 02 = diagonalizao de
1 4 6 y 0 operadores lineares
2 4 x 0
=
1 2 y 0
{ x = 2 y.
x = 2 y, onde y um nmero real no nulo qualquer, ou seja, v = (2 y, y ) 2 ,
V (6) = {( x, y ) 2 ; x = 2 y} = [(2,1)].
Portanto, a matriz M M 2 ( ) dado por,
2 2
M = .
1 1
Observemos que,
2 2
det M = det = 2 2 = 4 0
1 1
e, portanto, M inversvel e um clculo rpido mostra que,
1 1
1
4 2 .
M =
1 1

4 2
Assim,
1 1 1
4 1
2 4 4 2 2 2 2 2 2 0
= = .
1 1 1 4 1 1 3
3 1 1 0 6

4 2 2
0 7 6

A = 1 4 0 .
0 2 2

Vamos vericar se A diagonalizvel. Para fazermos isso vamos encontrar os autovalores
de A e seus respectivos autovetores v V = 3 . O polinmio caracterstico de
A dado por
0 7 6

p A ( ) = det( A I 3 ) = det 1 4 0 = ( + 1)( 1)( 2).
0 2 2

Logo as razes de p A ( ) so 1 = 1, 2 = 1 e 3 = 2. Portanto, os autovalores de A
so = 1, = 1 e = 2. Portanto Como dim 3 = 3 e encontramos trs autovalores
distintos de A, podemos concluir que a matriz A diagonalizvel, isto , existe uma
matriz inversvel M M 3 ( ) tal que
129
1 0 0
lgEBra linEar
1
M AM = 0 1 0 .
0 0 2

Para encontramos a matriz M M 3 ( ) vamos encontrar os autovetores associados a
cada um dos autovalores encontrados. Para = 1, temos que v = ( x, y, z ) 3 um
0 +1 7 6 x 0

( A + 1I 3 )[v]B = 03 1 4 + 1 0 y = 0
0 2 + 1
2 z 0
1 7 6 x 0

1 5 0 y = 0
0 2 1 z 0

x + 7 y 6z = 0

x + 5y = 0
2y z = 0

x = 5y

z = 2 y.
se, x = 5 y e z = 2 y, onde y um nmero real no nulo qualquer, ou seja,
v = (5 y, y, 2 y ) 3 , com y 0. O autoespao associado ao autovalor = 1 dado
ento por
V (1) = {( x, y, z ) 3 ; x = 5 y e z = 2 y} = [(5,1, 2)].
Para = 1, temos que v = ( x, y, z ) 3 um autovetor de A associado ao autovalor
0 1 7 6 x 0

( A 1I 3 )[v]B = 03 1 4 1 0 y = 0
0 2 1
2 z 0
1 7 6 x 0

1 3 0 y = 0
0 2 3 z 0

x + 7 y 6 z = 0

x + 3y = 0
2 y 3z = 0

x = 3y

2
z = 3 y.

2
se, x = 3 y e z = y, onde y um nmero real no nulo qualquer, ou seja,
3
130
2 diagonalizao de
v = (3 y, y, y ) 3 , com y 0. O autoespao associado ao autovalor = 1 dado operadores lineares
ento por, 3
2
V (1) = {( x, y, z ) 3 ; x = 3 y e z = y} = [(9,3, 2)].
3
Para = 2, temos que v = ( x, y, z ) 3 um autovetor de A associado ao autovalor

= 2, se, e somente se,
0 2 7 6 x 0

( A 2 I 3 )[v]B = 03 1 4 2 0 y = 0
0 2 2
2 z 0
2 7 6 x 0

1 2 0 y = 0
0 2 4 z 0

2 x + 7 y 6 z = 0

x + 2y = 0
2 y 4z = 0

x = 2y

1
z = 2 y.
Logo, v = ( x, y, z ) 3 um autovetor associado ao autovalor = 2, se, e somente
1
se, x = 2 y e z = y, onde y um nmero real no nulo qualquer, ou seja,
2
1
v = (2 y, y, y ) 3 , com y 0. O autoespao associado ao autovalor = 2, dado
2
ento por,
1
V (2) = {( x, y, z ) 3 ; x = 2 y e z = y} = [(4, 2,1)].
2
Portanto, a matriz M M 3 ( ) dado por,
5 9 4

M = 1 3 2 .
2 2 1

Temos que,
5 9 4

det M = det 1 3 2 = 15 + 36 + 8 24 9 20 = 6 0
2 2 1

131
1 1
lgEBra linEar
6 1
6

3 3
M =
1
1 .
6 6

4 8
1

6 6
Assim,
1 1
6
6
1
0 7 6 5 9 4
3
3
1 1

4 0 1 3 2 =
6 6
0 2 2 1
2 2
4 8
1

6 6
1 1
6 1
6
5 9 4 1 0 0
3 3
= 1 1 3 2 = 0 1 0 .
6 6
2 2 1 0 0 2
8
8
1

6 6
4 1 1

A = 2 5 2 .
1 1 2

Vamos vericar se A diagonalizvel. Para fazermos isso vamos encontrar os autovalores,
e respectivos autovetores, de A. O polinmio caracterstico de A dado ento por,
4 1 1

p A ( ) = det( A I 3 ) = det 2 5 2 = ( 3)( 3)( 5).
1 1 2

Logo as razes de p A ( ) so 1 = 2 = 3 e 3 = 5. Portanto, os nicos autovalores de A
de A, no podemos concluir ainda se a matriz A diagonalizvel ou no. Observemos
que neste caso = 3 uma raiz de multiplicidade 2 do polinmio caracterstico de A.
Vamos agora encontrar os autovetores associados ao autovalor = 3 e = 5. Para
= 3 , utilizando (6.4), temos que v = ( x, y, z ) 3 um autovetor de A associado ao
autovalor = 3 se, e somente se,
43 1 1 x 0

( A 3I 3 )[v]B = 03 2 5 3 2 y = 0
1 2 3
1 z 0
1 1 1 x 0

2 2 2 y = 0
1 1 1 z 0

{ x + y z = 0.
132
Logo, v = ( x, y, z ) 3 um autovetor associado ao autovalor = 3 se, e somente se, diagonalizao de
z = x + y, onde x, y so nmeros reais no nulos, ou seja, v = ( x, y, x + y ) 3 , operadores lineares
com x, y 0. O autoespao associado ao autovalor = 3 dado, ento, por,
V (3) = {( x, y, z ) 3 ; z = x + y} = [(1, 0,1), (0,1,1)].
Para = 5 , utilizando (6.4), temos que v = ( x, y, z ) 3 um autovetor de A associado
45 1 1 x 0

( A 5 I 3 )[v]B = 03 2 5 5 2 y = 0
1 2 5
1 z 0
1 1 1 x 0

2 0 2 y = 0
1 1 3 z 0

x + y z = 0

2x 2z = 0
x + y 3z = 0

xz =0

y 2 z = 0.
x = z e y = 2 z , onde z um nmero real qualquer, ou seja, v = ( z , 2 z , z ) 3 ,
com z 0. O autoespao associado ao autovalor = 5 dado ento por,
V (5) = {( x, y, z ) 3 ; x = z e y = 2 z} = [(1, 2,1)].
Considerando a matriz M M 3 ( ) dada por,
1 0 1

M = 0 1 2,
1 1 1

temos que,
1 0 1

det M = det 0 1 2 = 1 + 0 + 0 0 2 1 = 1 0
1 1 1

1 1
2 1
2

1 1
M =
1
0 .
2 2

1 1
1

2 2
133
Assim,
lgEBra linEar 1 1 1 3 3 3 1 0 1
2 2 2 4 1 1 1 0 1 2 2 2
1 0
1 2 5 2 0 1 2 = 3 0 3 0 1 2

1 1 1 1 1 2 1 1 1 5 5 5 1 1 1

2 2 2 2 2 2
3 0 0

= 0 3 0
0 0 5

Conversa
No exemplo acima vimos que apesar de existirem apenas dois autovalores distintos da
matriz A M 3 (), ela foi diagonalizada. Isto s foi possvel porque encontramos dois
autovetores de A M 3 () , linearmente independentes sobre e associados ao autovalor
= 3 que era uma raiz de multiplicidade 2 do polinmio caracterstico de A M 3 () .

2 1 0

A = 0 1 1 .
0 2 4

Vamos vericar se A diagonalizvel. Para fazermos isso vamos encontrar os autovalores,
e respectivos autovetores, de A. O polinmio caracterstico de A dado ento por,
2 1 0

p A ( ) = det( A I 3 ) = det 0 1 1 = (2 )(2 )(3 ).
0 2 4

Logo as razes de p A ( ) so 1 = 2 = 2 e 3 = 3. Portanto, os nicos autovalores de A
de A, no podemos concluir ainda se a matriz A diagonalizvel ou no. Observemos
que neste caso = 2 uma raiz de multiplicidade 2 do polinmio caracterstico de A.
Vamos agora encontrar os autovetores associados ao autovalor = 2 e = 3. Para
= 2 , utilizando (6.4), temos que v = ( x, y, z ) 3 um autovetor de A associado ao
autovalor = 2 se, e somente se,
22 1 0 x 0

( A 2 I 3 )[v]B = 03 0 1 2 1 y = 0
z 0
0 2 4 2
0 1 0 x 0

0 0 1 y = 0
0 2 0 z 0

y =0

z = 0.
134
y = 0, z = 0 e x um nmero real no nulo qualquer, ou seja, v = ( x, 0, 0) 3 , diagonalizao de
com x 0. O autoespao associado ao autovalor = 2 dado ento por, operadores lineares
V (2) = {( x, y, z ) 3 ; y = z = 0} = [(1, 0, 0)].

Para = 3 , utilizando (6.4), temos que v = ( x, y, z ) 3 um autovetor de A associado
23 1 0 x 0

( A 3I 3 )[v]B = 03 0 1 3 1 y = 0
0 4 3
2 z 0
1 1 0 x 0

0 2 1 y = 0
0 2 1 z 0

x= y

z = 2 y.
se, x = y e z = 2 y, onde y um nmero real no nulo qualquer, ou seja,
v = ( y, y, 2 y ) 3 , com y 0. O autoespao associado ao autovalor = 2 dado
ento por,
V (3) = {( x, y, z ) 3 ; x = y e z = 2 y} = [(1,1, 2)].
Nesse caso, no encontraremos uma base de autovetores de A, pois todos os autovetores

associados ao autovalor = 2 so mltiplos do autovetor v = (1, 0, 0) e, da mesma
forma, todos os autovetores associados ao autovalor = 3 so mltiplos do autovetor
v = (1,1, 2) . Portanto, no encontraremos um conjunto linearmente independente sobre
formado por autovetores de A , de onde conclumos que A no diagonalizvel.
Conversa
Neste ltimo exemplo no conseguimos diagonalizar a matriz A M 3 () , pois

encontramos apenas dois autovalores distintos da matriz, e associado ao autovalor
= 1, uma raiz de multiplicidade 2 do respectivo polinmio caracterstico de
A M 3 () , vimos que existem apenas um autovetor de A M 3 () , linearmente
independente sobre .
O prximo resultado um critrio de diagonalizao que j vimos a sua utilizao

ao longo dos exemplos contidos nesta seo.
Teorema 6.29: Seja V um espao vetorial de dimenso nita n sobre um corpo de

escalares K . Um operador linear T : V V diagonalizvel se, e somente se, as duas
condies abaixo so satisfeitas.
135
lgEBra linEar 1. O polinmio caracterstico pT ( ) do operador linear T possui todas as razes em
K.
2. Se 1 , 2 , , m , com m n, so os autovalores distintos de T , ento
m
dim V = n = dim V (i ), onde V (i ) o autoespao associado ao autovalor i ,
i =1
i = 1, 2, , m.
A demonstrao deste teorema longa e pode ser encontrada com detalhes
CALLIOLI; DOMINGUES; COSTA na pgina 256.
Conversa
Observe que quando o corpo de escalares K o corpo dos nmeros complexos,

a condio 1. do teorema 6.29 imediatamente satisfeita e para vericarmos a
possibilidade de diagonalizao de um operador linear denido em um espao
vetorial de dimenso nita sobre precisamos vericar apenas a condio 2. do
teorema. Um critrio anlogo vale para vericar a possibilidade de diagonalizao
de matrizes e o enunciamos a seguir.
Teorema 6.30: Uma matriz A M n ( K ) diagonalizvel se, e somente se, as duas

condies abaixo so satisfeitas.
1. O polinmio caracterstico p A ( ) da matriz A possui todas as razes em K .

2. Se 1 , 2 , , m , com m n, so os autovalores distintos de A, ento
m
dim K n = n = dim V (i ),
i =1
onde, V (i ) o autoespao associado ao autovalor i , i = 1, 2, , m.
Vamos agora aplicar a diagonalizao de matrizes no clculo de potncias

de matrizes. Para fazermos isso, observemos que se A M n ( K ) for uma matriz
diagonalizvel, ento existir uma matriz inversvel M M n ( K ) e uma matriz diagonal
D M n ( K ) tal que,
M 1 AM = D,
mas, isto implica que,
A = MDM 1.
Um argumento de induo implica que para todo k ,
Ak = MD k M 1.
Ainda, como D uma matriz diagonal, ento,
1 0 0

0 2 0
D=
0

0 0 n
136
e, portanto, um argumento de induo mostram para todo k , que,
diagonalizao de
1k 0 0 operadores lineares

0 2k 0
D =
k
.
0

0 0 nk
Vejamos um exemplo deste fato.
Exemplo 6.31: Vamos calcular A1000 , onde,

3 2
A= .
4 3
Inicialmente, vamos vericar se A diagonalizvel. Para fazermos isso vamos encontrar
os autovalores de A e seus respectivos autovetores v V = 2 . O polinmio
caracterstico de A dado por,
3 2
p A ( ) = det( A I 2 ) = det = 1.
2
4 3
Logo as razes de p A ( ) so 1 = 1 e 2 = 1. Portanto, os autovalores de A so
= 1 e = 1. Como dim 2 = 2 e encontramos dois autovalores distintos de A,
podemos concluir que a matriz A diagonalizvel, isto , existe uma matriz inversvel
M M 2 () tal que,
1 0
M 1 AM = .
0 1
Para encontramos a matriz M M 2 ( ) vamos encontrar os autovetores associados a
cada um dos autovalores encontrados. Para = 1, temos que v = ( x, y ) 2 um
3 +1 2 x 0
( A + 1I 2 )[v]B = 02 =
4 3 + 1 y 0
4 2 x 0
=
4 2 y 0
{ y = 2 x.
y = 2 x, onde x um nmero real no nulo qualquer, ou seja, v = ( x, 2 x) 2 ,
V (1) = {( x, y ) 2 ; y = 2 x} = [(1, 2)].
Para = 1, temos que v = ( x, y ) 2 um autovetor de A associado ao autovalor
3 1 2 x 0
( A 1I 2 )[v]B = 02 =
4 3 1 y 0
2 2 x 0
=
4 4 y 0
{ y = x.
137
lgEBra linEar y = x, onde x um nmero real no nulo qualquer, ou seja, v = ( x, x) 2 ,
V (1) = {( x, y ) 2 ; y = x} = [(1, 1)].
Portanto, a matriz M M 2 ( ) dada por,
1 1
M = .
2 1
Como,
1 1
det M = det = 1 + 2 = 1 0,
2 1
ento, M inversvel e um clculo simples mostra que
1 1
M 1 = .
2 1
Logo, 1000 1000
3 2 1 1 1 0 1 1
=
4 3 2 1 0 1 2 1
1 1 11000 0 1 1
= 1000
2 1 0 1 2 1
1 1 1 0 1 1
=
2 1 0 1 2 1
1 1 1 1
=
2 1 2 1
1 0
= .
0 1
Portanto, 1 0
A1000 = .
0 1
Exerccios
1. Encontre os autovalores e os autovetores do operador linear T : 2 2 denido por:

(a) T ( x, y ) = ( x + y, x y );
(b) T ( x, y ) = ( x, y );
(c) T (1, 0) = (0, 1) e T (0,1) = (1, 0).
2. Encontre os autovetores e os autovalores do operador linear T : 3 3 , denido por:

(a) T (1, 0, 0) = (2, 0, 0), T (0,1, 0) = (2, 1, 2) e T (0, 0,1) = (3, 2,1);
(b) T (1, 0, 0) = (0, 0, 0), T (0,1, 0) = (0, 0, 0) e T (0, 0,1) = (5, 1, 2).
3. Determinar os autovalores e os autovetores do operador linear T : 4 4 cuja

matriz em relao base cannica seja,
3 1 0 0

0 3 0 0
.
0 0 4 0

0 0 0 3
138
4. Determinar o polinmio caracterstico e os autovalores do operador linear
T : V V que denido em uma base B = {e1 , e2 , , en } por T (ei ) = i ei , para diagonalizao de
todo i = 1, 2, , n, onde 1 ,2 , , n . operadores lineares
5. Calcular o polinmio caracterstico, os autovalores e seus respectivos autovetores

da matriz,
2 1 0 0

0 2 0 0
.
0 0 1 1

0 0 2 4
6. Seja 1 1
A =
0 1
a matriz de um operador linear T : 2 2 . Encontre os autovalores deste operador.
Existem, nesse caso, dois autovetores linearmente independentes? Justique a sua
resposta.
7. Seja T : 2 2 denido por T ( x, y ) = ( y, 2 y ). Mostre que =2 um

autovalor de T e que elementos da forma ( x, 2 x), com x 0 , so os autovetores
correspondentes.
8. Encontre uma transformao linear T : 2 2 tenha autovalores 2 e 3

associados, respectivamente a autovetores da forma (3 y, y ) e (2 y, y ).
9. Seja T : V V um operador linear.

(a) Se =0 autovalor de T , mostre que T no injetora;
(b) A recproca verdadeira? Ou seja, se T no injetora, ento, =0 autovalor
de T ? Justique sua resposta.
(c) Sejam v1 , v2 V dois autovetores de T associados autovalores 1 e 2
distintos. Mostre que v1 e v2 so linearmente independentes.
10. Sejam V um espao vetorial sobre e T : V V um operador linear tal que exista
k tal que T k = 0 e T k 1 0. Mostre que 0 autovalor de T .
11. Encontre, se possvel, uma matriz M M 2 ( ) inversvel, de tal maneira que

M 1 AM seja diagonal, onde,
2 4
(a) A = ;
3 13
3 2
(b) A = .
2 1
12. Encontre, se possvel, uma matriz M M 4 ( ) inversvel, tal que M 1 AM seja
diagonal, onde,
0 1 5 9

2 1 6 8
A= .
0 0 0 3

0 0 1 2
139
lgEBra linEar 13. Encontre, se possvel, uma matriz M M 3 ( ) inversvel, tal que M 1 AM seja
diagonal, onde,
2 0 4

A = 3 4 12 .
1 2 5

14. Para quais valores de a as matrizes

1 1 1 a
A= e B=
0 a 0 1
so diagonalizveis? Justique a sua resposta.
15. Achar uma matriz diagonal semelhante matriz

3 1 1

A = 6 1 2 .
2 1 0

16. Estudar, quanto possibilidade de diagonalizao, as matrizes:

1 2 2 1 0 0

(a) A = 2 1 2 ; (b) B = m 2 0 .
2 2 3 n 0 2

140
diagonalizao de
operadores lineares
Anotaes
141
lgEBra linEar
7 Referncias
BOLDRINI, Jos Luiz; COSTA, Sueli I. Rodrigues; FIGUEIREDO, Vera Lcia;

WETZLER, Henry G. lgebra linear. 3. ed. So Paulo: Harbra, 1986. 411p.
CALLIOLI, Carlos A.; DOMINGUES, Hygino H.; COSTA, Roberto C. F. lgebra

linear e aplicaes. 6. ed. So Paulo: Saraiva, 2003. 352p.
CARVALHO, Joo Pitombeira. lgebra linear: introduo. 2. ed. Rio de Janeiro: UnB,
1979. 176p.
LIPSCHUTZ, Seymour. lgebra linear. 1. ed. So Paulo: Mcgraw-Hill, 1973. 403p.
142
8 ndice Remissivo
aplicao linear ......................................................... 76 rotao de um ngulo em torno

autoespao ..............................................................107 da origem no plano ............................................. 82
conjunto de vetores subespao prprio ...................................................106
independente maximal ....................................... 57 subespao vetorial .................................................... 28
escalar ........................................................................12 gerado.................................................................. 42
espao vetorial ...........................................................13 subespaos vetoriais
base de um .......................................................... 56 soma de ............................................................... 34
de dimenso nita ............................................... 56 soma direta de35 ....................................................
de dimenso innita ............................................ 56 teorema
dimenso de um .................................................. 56 do ncleo e da imagem ...................................... 85
n-dimensional ...................................................... 56 transformao linear................................................. 76
funo auto valor de uma ..............................................106
conjunto imagem de uma ................................... 82 autovetor de uma ...............................................106
homotetia .................................................................. 77 bijetora ................................................................. 84
no plano ............................................................... 80 injetora ................................................................. 84
matriz kernel de uma...................................................... 83
autovalor de uma ...............................................109 matriz de uma ..................................................... 93
autovetor de uma ...............................................109 ncleo de uma ..................................................... 83
o espao das colunas de uma............................. 45 sobrejetora ........................................................... 84
o espao das linhas de uma................................ 45 transformaes lineares
polinmio caracterstico de uma ........................ 113 composio de..................................................... 79
posto das colunas de uma ...................................61 espao vetorial das .............................................. 92
posto das linhas de uma ......................................61 soma de duas .......................................................91
posto de uma ....................................................... 63 translao no plano .................................................. 82
semelhante .........................................................127 vetor ...........................................................................14
operaes usuais .......................................................16 coordenadas de um..............................................14
operador linear ......................................................... 76 coordenadas em uma base qualquer ................. 68
diagonalizvel.....................................................122 nulo .......................................................................15
polinmio caracterstico de um .......................... 114 vetores
reexo combinao linear de .......................................... 42
em torno da origem no plano ..............................81 linearmente dependentes ................................... 46
em torno de um eixo no plano ............................ 80 linearmente independentes................................. 46
143

Algebra Linear - Livro UEM

Enviado por

Direitos autorais:

Formatos disponíveis

Algebra Linear - Livro UEM

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Algebra Linear - Livro UEM

Enviado por

Direitos autorais:

Formatos disponíveis

LGEBRA

Gabriel Cramer foi

Reitor Prof. Dr. Dcio Sperandio

Presidente Prof. Dr. Ivanor Nunes do Prado

Marcos Roberto Teixeira Primo

Apoio tcnico: Rosane Gomes Carpanese

Dados Internacionais de Catalogao na Publicao (CIP)

Primo, Marcos Roberto Teixeira

CDD 21. ed. 512.5

Copyright 2009 para o autor

Endereo para correspondncia:

Eduem - Editora da Universidade Estadual de Maring

Sobre os autores ................................................................................... 5

Apresentao da coleo ..................................................................... 7

Apresentao do livro ........................................................................... 9

1 Espaos vetoriais ...................................................................................11

2 subespaos vetoriais .......................................................................... 27

3 dependncia e independncia linear.................................................41

5 transformaes lineares .................................................................... 75

6 diagonalizao de operadores lineares ..........................................105

8 ndice remissivo .................................................................................143

VALDENI SOLIANI FRANCO

A coleo Formao de Professores EAD Fsica inicia-se com a aprovao do

Marcos Cesar Danhoni Neves

Conforme foi exemplicado no livro de Geometria Analtica, em vrias

2. Ser que apenas nos espaos de dimenso 2 ou de dimenso 3, os vetores satisfazem

Neste primeiro captulo daremos resposta a estas duas perguntas.

1.2 O Conceito de Espao Vetorial

Denio 1.1: Sejam V um conjunto no vazio e um corpo de escalares K. Dados dois

[A1] Para quaisquer elementos u , v V , u + v = v + u ;

Segue imediatamente da proposio [A2] e [A1], que a soma u1 + u2 + u3 + ... + un

Pela similaridade com os vetores estudados na Geometria Analtica, os elementos

Exemplo 1.2: Evidentemente, o primeiro exemplo de espao vetorial, o conjunto dos

[A4] Seja u = (a1 , a2 , a3 ,..., an ) um vetor qualquer do n . Considere o vetor

[M1] Para qualquer escalar k , e quaisquer vetores u = (a1 , a2 , a3 ,..., an ) e

[M2] Para quaisquer escalares k , k ' e qualquer vetor u = (a1 , a2 , a3 ,..., an ) do n ,

[M4] Para o elemento unitrio 1 , e para qualquer vetor u = (a1 , a2 , a3 ,..., an ) do n ,

(1) Segue da denio da operao de adio em n .

As operaes de adio e de multiplicao por escalar dado neste exemplo so

Exemplo 1.4: Seja V o conjunto de todas as matrizes de ordem m n , cujos elementos

No curso de Geometria Analtica, e provavelmente no Ensino Mdio voc estudou a

(k . f )(a ) = k . f (a ) , para todo a A . (1.2)

[A3] Seja f F uma funo qualquer e considere a funo 0 : A K , denida por

[M2] Para quaisquer escalares k1 , k2 e qualquer funo f F , temos,

[M3] Para quaisquer escalares k1 , k2 e qualquer funo f F , temos,

[M4] Para o elemento unitrio 1 , e para qualquer funo f F , temos,

(1) Segue da denio da operao de adio em F.

Exemplo 1.6: Consideremos o espao bidimensional V = 2 {(0, 0)} , dos pares

[A1] Se u = (a, b) V e v = (c, d ) V , temos que,

Antes de mais nada, cuidado!!! Para se demonstrar que um determinado conjunto

Exemplo 1.7: Consideremos o espao bidimensional 2 , dos pares ordenados de nmeros

a) (a, b) + (c, d ) = (a, d ) e k (a, b) = (ka, kb) .

b) (a, b) + (c, d ) = (a + c, b + d ) e k (a, b) = (ka, b) .

[M1] Para qualquer escalar k , e quaisquer vetores u = (a, b) e v = (c, d ) do 2 ,

c) (a, b) + (c, d ) = (a + c, b + d ) e k (a, b) = (ka, 0) .

[M1] Para qualquer escalar k , e quaisquer vetores u = (a, b) e v = (c, d ) do 2 ,

[M2] Para quaisquer escalares k1 , k2 e qualquer vetor u = (a, b) do 2 , temos,

[M3] Para quaisquer escalares k1 , k2 e vetor u = (a, b) do 2 , temos,

[M4] Para o elemento unitrio 1 , e para qualquer vetor u = (a, b) do 2 , temos,