resumo - Álgebra linear
DESCRIPTION
Resumo de Álgebra Linear - Transformações Lineares- Determinantes- Produto InternoResumo feito com base no livro "Álgebra Linear e Aplicações", de autoria de Callioli, Domingues e Costa. Ed. Atual. 6ª ed. rev.TRANSCRIPT
ALGEBRA LINEARBaseado no livro Algebra Linear e Aplicacoes1
1 Transformacoes Lineares
Definicao 1.0.1 (Transformacoes Lineares) Sejam U e V espacos vetoriais sobre R. Uma
aplicacao T : U → V e chamada transformacao linear se, e somente se,
• T (u1 + u2) = T (u1) + T (u2);∀u1, u2 ∈ U e
• T (αu) = αT (u), ∀u ∈ R e ∀u ∈ U .
1.1 Propriedades
1. T (0) = 0
2. T (−u) = −T (u),∀u ∈ U
3. T (u1 − u2) = T (u1)− T (u2),∀u1, u2 ∈ U
4. Se W e um sub-espaco de U , entao a imagem de W por T e um sub-espaco de V .
5. Sendo T : U → V linear entao
T
(n∑i=1
aiui
)=
n∑i=1
aiT (ui)
1.2 Injetividade e Sobrejetividade
Definicao 1.2.1 (Injetividade) Uma aplicacao T : U → V e injetora se, e somente se,
∀u1, u2 ∈ U, u1 6= u2 =⇒ T (u1) 6= T (u2)
ou, equivalementemente, a contra-positiva
∀u1, u2 ∈ U, T (u1) = T (u2) =⇒ u1 = u2.
Definicao 1.2.2 (Sobrejetividade) Uma aplicacao T : U → V e sobrejetora se, e somente
se, Im(T ) = V , i.e.,
∀v ∈ V, ∃u ∈ U tal que T (u) = v.
Definicao 1.2.3 (Bijetividade) Uma aplicacao T : U → V e bijetora se, e somente se, T e
injetora e sobrejetora.
1CALLIOLI, C. DOMINGUES, H. COSTA, R. Algebra Linear e Aplicacoes. 6 ed. rev. Sao Paulo:
Atual, 1990. ISBN 978-85-7056-297-5.
1
1.3 Nucleo e Imagem
Definicao 1.3.1 (Nucleo) Sejam U e V espacos vetoriais sobre R e T : U → V uma trans-
formacao linear. Indica-se por Ker(T ) e denomina-se nucleo de T o seguinte subconjunto de
U :
Ker(T ) = {u ∈ U |T (u) = 0}
Definicao 1.3.2 (Imagem) Sejam U e V espacos vetoriais sobre R e T : U → V uma trans-
formacao linear. Indica-se por Im(T ) e denomina-se imagem de F o seguinte subconjunto de
U :
Im(T ) = {v ∈ V |v = T (u) para algum v ∈ V } = {T (u)|u ∈ U},
i.e., o conjunto dos vetores de V que sao imagem dos vetores de U .
Proposicao Seja T : U → V uma transformacao linear. Entao:
• Ker(T ) e um sub-espaco vetorial de U ;
• A transformacao linear T e injetora se, e somente se, Ker(T ) = 0.
Teorema 1.3.1 (do Nucleo e da Imagem) Seja U e V espacos vetoriais de dimensao finita
sobre R. Dada uma transformacao linear T : U → V , entao
dim U = dim ker(T ) + dim Im(T )
Corolario – Sejam U e V espacos vetoriais sobre R com a mesma dimensao finita n e supo-
nhamos T : U → V uma transformacao linear. Entao sao equivalentes as seguintes afirmacoes:
• T e sobrejetora.
• T e bijetora.
• T e injetora.
• T transforma uma base de U em uma base de V (i.e., se B e uma base de U , entao T (B)
e uma base de V ).
1.4 Isomorfismos e Automorfismos
Definicao 1.4.1 (Isomorfismo) Entende-se por isomorfismo do espaco vetorial U no espaco
vetorial V uma transformacao linear T : U → V que seja bijetora.
Definicao 1.4.2 (Automorfismo) Um isomorfismo T : U → U e um automorfismo de U .
Proposicao – Se T e um isomorfismo de U em V , entao T−1 : V → U tambem e um isomorfismo
(de V em U). Em outras palaras, sempre que existe um isomorfismo T : U → V existe um
isomorfismo T−1 : V → U (isomorfismo inverso de T ). Neste caso, dizemos que U e V sao
espacos vetoriais isomorfos.
Teorema 1.4.1 Dois espacos vetoriais U e V de dimensao finita sao isomorfos se, e somente
se,
dim U = dim V.
2
2 Matriz de uma Transformacao Linear
2.1 Operacoes com Transformacoes Lineares
Sejam U e V espacos vetoriais de R. Indicaremos por L(U, V ) o conjunto das transformacoes
lineares de U e V . Se U = V , o conjunto dos operadores lineares de U sera denotado por L(U).
Definicao 2.1.1 (Soma) Dados F,G ∈ L(U, V ), definimos soma F +G de F com G:
F +G : U → V e (F +G)(u) = F (u) +G(u),∀u ∈ U.
Propriedades
1. Associativa: F + (G+H) = (F +G) +H,∀F,G,H ∈ L(U, V );
2. Comutativa: F +G = G+ F, ∀F,G ∈ L(U, V );
3. Existe elemento neutro: a transformacao linear nula 0 : U → V e tal que F +0 = F, ∀F ∈L(U, V );
4. Elemento oposto: ∀F ∈ L(U, V ),∃(−F ) ∈ L(U, V )|F + (−F ) = 0.
Definicao 2.1.2 (Multiplicacao) Dados F ∈ L(U, V ) e α ∈ R, definimos produto αF :
αF : U → V e (αF )(u) = αF (u), ∀u ∈ U.
Propriedades
Seja F ∈ L(U, V ) e α, β ∈ R.
1. (αβ)F = α(βF );
2. (α + β)F = αF + βF ;
3. α(F +G) = αF + αG;
4. 1F = F .
Definicao 2.1.3 (Composicao) Sejam U, V e W espacos vetoriais sobre R. Se F : U → V
e G : V → W sao transformacoes lineares, define-se a aplicacao composta de F e G:
(G ◦ F ) : U → W e (G ◦ F )(u) = G((F (u)),∀u ∈ U.
Propriedades
1. Associativa: (H ◦G) ◦ F = H ◦ (G ◦ F ),∀H,G, F ∈ L(U);
2. Operador identico e elemento neutro da composicao: I ◦ F = F ◦ I = F, ∀F ∈ L(U);
3. Distribuitiva: H◦(F+G) = H◦F+H◦G e (F+G)◦H = F ◦H+G◦H,∀F,G,H ∈ L(U).
3
2.2 Matriz de um Transformacao Linear
Sejam U e V espacos vetoriais de dimensao n e m, respectivamente, sobre R. Consideremos
uma transformacao linear F : U → V . Dadas as bases B = {u1, ..., un} de U e C = {v1, ..., vm}de V , entao cada um dos vetores F (u1), ..., F (un) esta em V e consequentemente e combinacao
linear da base C: F (u1) = α11v1 + α21v2 + · · ·+ αm1vm
F (u2) = α12v1 + α22v2 + · · ·+ αm2vm...
F (un) = α1nv1 + α2nv2 + · · ·+ αmnvm
onde αij e unico.
Definicao 2.2.1 A matriz m× n sobre Rα11 α12 · · · α1n
α21 α22 · · · α2n
......
. . ....
αm1 αm2 · · · αmn
que se obtem das consideracoes anteriores e chamada matriz de F em relacao as bases B e C.
Sera denontada por (F )B,C.
Consequencia da definicao – Se a aplicacao linear for o operador identidade, a matriz
(F )B,C = (I)B,C sera a matriz de mudanca da base C para a base B.
2.3 Matriz de um Transformacao Composta
Seja U , V e W espacos vetoriais sobre R de dimensoes m, n e p, que admitem bases B =
{u1, ..., un}, C = {v1, ..., vm} e D = {w1, ..., wp} respectivamente. Supondo F ∈ L(U, V ),
G ∈ L(V,W ) e que (F )B,C = (αij) e (G)C,D = (βki), entao
γkj =m∑i=1
βkiαij, onde γkj e o termo geral de (G ◦ F )B,D.
Logo,
(G ◦ F )B,D = (G)C,D · (F )B,C .
Consequencia da definicao da matriz de um transformacao composta – Sejam U e V
espacos vetoriais sobre R de dimensao m. Se B e C sao bases de U e V , respectivamente, e
F : U → V e um isomorfismo, (F )B,C e inversıvel e sua inversa e dada por
((F )B,C)−1 = (F−1)C,B.
Proposicao – Seja U um espaco vetorial de dimensao n sobre R. Dadas as bases B =
{u1, ..., un} e C = {v1, ..., vn} de U e dado T ∈ L(U) e valida a formula
(T )C = M−1 · (T )B ·M,
onde M e a matriz de mudanca da base B para a base C (M = (I)C,B).
4
3 Determinantes
3.1 Permutacoes
Definicao 3.1.1 (Permutacao) Seja n ≥ 1 um numero natural e Nn = {1, ..., n}. Toda
aplicacao bijetora σ : Nn → Nn chama-se permutacao do conjunto Nn.
Notacao – uma permutacao σ de Nn e denotada por
σ =
(1 2 · · · n
σ(1) σ(2) · · · σ(n)
).
Definicao 3.1.2 Consideremos uma permutacao
σ =
(1 2 · · · n
σ(1) σ(2) · · · σ(n)
)de Nn. Seja r o numero de pares ordenados (i, j) com 1 ≤ i < j ≤ n tais que σ(i) > σ(j).
Chama-se sinal da permutacao σ o numero inteiro representado por sgn (σ), que e
sgn (σ) =
{1, se r e par
−1, se r e ımpar
Observacao – O valor de r e igual ao numero de trocas que sao necessarias para que a per-
mutacao fique na forma crescente. Se tivermos a permutacao (2 3 1) precisamos fazer as
sequintes trocas: (1 3 2) e (1 2 3). Ou seja, r = 2 e portanto sgn = +1.
Exemplo 3.1 Seja σ =
(1 2 3
3 1 2
). Os pares (i, j) com 1 ≤ i < j ≤ 3 e σ(i) > σ(j) sao (1, 2)
e (1, 3); logo r = 2 e sgn (σ) = 1.
3.2 Determinantes
Definicao 3.2.1 Seja A = (aij) uma matriz real de ordem n, chama-se determinante da matriz
A de ordem n o numero real
det(A) =∑σ
sgn(σ)a1σ(1)a2σ(2) · · · anσ(n).
Exemplo 3.2 Seja A =
a11 a12 a13a21 a22 a23a31 a32 a33
∈ M3(R). As permutacoes do conjunto {1, 2, 3} e
respectivos sinais sao (1 2 3
1 2 3
)(+1)
(1 2 3
1 3 2
)(−1)(
1 2 3
2 3 1
)(+1)
(1 2 3
3 2 1
)(−1)(
1 2 3
3 1 2
)(+1)
(1 2 3
2 1 3
)(−1)
Logo, det(A) = a11a22a33 + a12a23a31 + a13a21a32 − a11a23a32 − a13a22a31 − a12a21a33.
Observacao: O numero de parcelas e sempre igual ao numero de permutacoes possıvel (n!).
5
3.3 Propriedades dos Determinantes
Seja A = (aij) uma matriz de ordem n. A i-esima linha da matriz e Ai =(ai1 ai2 · · · ain
).
Entao a matriz A pode ser representada pela sequencia de vetores-linha
A =
A1
A2
...
An
.
1. A funcao determinante e linear em cada uma das variaveis A1, A2, ..., An, isto e:
(a) det(A1, A2, ..., Ai+A′i, ..., An) = det(A1, A2, ..., Ai, ..., An)+det(A1, A2, ..., A′i, ..., An);
(b) det(A1, A2, ..., λAi, ..., An) = λ det(A1, A2, ..., Ai, ..., An)
para todo 1 ≤ i ≤ n e para todo λ ∈ R.
Exemplo 3.3
det
x+ 1 y − 1 z − 3
1 0 2
2 2 1
= det
x y z
1 0 2
2 2 1
+ det
1 1 3
1 0 2
2 2 1
det
3λ 2λ λ
1 0 2
2 2 1
= λ det
3 2 1
1 0 2
2 2 1
2. Se A = (A1, A2, ..., An) e uma matriz de ordem n e se Aj = Ak, com j < k entao
det(A) = 0.
3. Dada uma matriz A de ordem n suponhamos que B e a matriz obtida da seguinte maneira:
B = (A1, ..., Aj, ..., Ai, ..., An),
sendo que
A = (A1, ..., Ai, ..., Aj, ..., An).
Entao det(B) = − det(A).
4. Seja A = (A1, ..., An). Entao vale sempre a igualdade:
det(A) = det(A1, ..., An) = det(A1, ..., Ai +n∑
k=1,k 6=i
αkAk, ..., An),∀ak ∈ R.
5. det(A) = det(At), para toda matriz A de ordem n.
6
4 Espacos com Produto Interno
Definicao 4.0.1 (Produto Interno) Seja V um espaco vetorial de dimensao finita sobre R.
Entende-se por produto interno sobre V uma aplicacao que transforma cada par ordenado
(u, v) ∈ V × V em um numero real (que sera denotado por 〈u, v〉) obedecendo as seguintes
condicoes:
• 〈u+ v, w〉 = 〈u,w〉+ 〈v, w〉 , ∀u, v, w ∈ V ;
• 〈αu, v〉 = α 〈u, v〉 ,∀α ∈ Re∀u, v ∈ V ;
• 〈u, v〉 = 〈v, u〉 ,∀u, v ∈ V ; e
• 〈u, u〉 e um numero real maior que zero para todo vetor u 6= 0.
Definicao 4.0.2 Um espaco vetorial real com produto interno ou espaco euclidiano e um espaco
vetorial sobre R munido de um produto interno.
4.1 Propriedades
1. 〈0, u〉 = 〈u, 0〉 = 0,∀u ∈ V .
2. 〈u, αv〉 = α 〈u, v〉 ,∀α ∈ R,∀u, v ∈ V .
3. 〈u, v + w〉 = 〈u, v〉+ 〈u,w〉 ,∀u, v, w ∈ V .
4. Dado um numero inteiro m ≥ 1,⟨m∑i=1
αiui, v
⟩=
m∑i=1
αi 〈ui, v〉 .
5.⟨u,∑n
j=1 αjvj
⟩=∑m
i=1 αi 〈ui, v〉 (n ≥ 1).
6.⟨∑m
i=1 αiui,∑n
j=1 βjvj
⟩=∑m
i=1
∑nj=1 αiβj 〈ui, vj〉.
4.2 Norma e Distancia
Definicao 4.2.1 (Norma) Seja V um espaco vetorial euclidiano com o produto interno (u, v)→〈u, v〉. Dado um vetor u ∈ V indica-se por ‖u‖ e chama-se norma de u o numero real positivo
dado por
‖u‖ =√〈u, u〉.
Proposicao
• ‖αu‖ = |α| ‖u‖ ,∀α ∈ R, ∀u ∈ V .
• ‖u‖ ≥ 0,∀u ∈ V e ‖u‖ = 0⇐⇒ u = 0.
Proposicao (Desigualdade de Cauchy-Schwarz) – Se V e um espaco vetorial euclidiano, entao
|〈u, v〉| ≤ ‖u‖ ‖v‖ ,∀u, v ∈ V.
Corolario (Desigualdade triangular) – Num espaco euclidiano vale a seguinte desigualdade:
‖u+ v‖ ≤ ‖u‖+ ‖v‖ ,∀u, v ∈ V.
7
4.2.1 Metrica
Seja V um espaco vetorial euclidiano. Consideremos a aplicacao d : V ×V → R, assim definida:
d(u, v) = ‖u− v‖ ,∀u, v ∈ V.
Valem as seguintes proprieades:
1. d(u, v) ≥ 0,∀u, v ∈ V e d(u, v) = 0⇐⇒ u = v.
2. d(u, v) = d(v, u),∀u, v,∈ V .
3. d(u, v) ≤ d(u,w) + d(w, v),∀u, v, w ∈ V .
Pelo fato de valerem as tres propriedades acima, damos a aplicacao d : V × V → R o nome de
metrica sobre V , induzida pela norma. O numero d(u, v) e chamado distancia de u a v.
4.2.2 Angulo entre dois vetores
Da desigualdade de Caughy-Schawarz segue que
−‖u‖ ‖v‖ ≤ 〈u, v〉 ≤ ‖u‖ ‖v‖ ⇒ −1 ≤ 〈u, v〉‖u‖ ‖v‖
≤ 1.
Logo, existe um unico θ ∈ R, tal que 0 ≤ θ ≤ π e
cos θ =〈u, v〉‖u‖ ‖v‖
.
4.3 Ortogonalidade
Definicao 4.3.1 Seja V um espaco euclidiano. Dizemos que dois vetores u, v ∈ V sao orto-
gonais se, e somente se, 〈u, v〉 = 0. Um conjunto S = {u1, ..., ur} ⊂ V se diz ortonormal se, e
somente se
• ‖ui‖ = 1 (i = 1, 2, ..., r) e
• dois vetores quaisquer de S, distintos entre si, sao ortogonais.
Proposicao – Seja S = {g1, ..., gr} um subconjunto ortonormal do espaco euclidiano V . Entao,
∀u ∈ V , o vetor v = u−〈u, g1〉 g1−· · ·−〈u, gr〉 gr e ortogonal a todo vetor do sub-espaco vetorial
gerado pelos vetores de S.
Teorema 4.3.1 (Processo de Ortonormalizacao de Gram-Schmidt) Todo espaco veto-
rial euclidiano de dimensao finita ( 6= 0) admite uma base ortonormal.
Exemplo 4.1 Sendo B = {u1 = (1, 0, 0), u2 = (0, 1, 1), u3 = (0, 1, 2)} uma base de R3, utiliza-
remos o processo de ortogonalizacao de Gram-Schmidt para ortonormalizar a base.
E claro que g1 = u1‖u1‖ = u1 = (1, 0, 0). Por outro lado, v2 = u2 − 〈u2, g1〉 g1 = (0, 1, 1) −
0(1, 0, 0) = (0, 1, 1). Logo,
g2 =v2‖v2‖
=(0, 1, 1√
2=
(0,
√2
2,
√2
2
).
8
Finalmente,
v3 = u3 − 〈u3, g1〉 g1 − 〈u3, g2〉 g2 = (0, 1, 2)− 0g1 −3√
2
2
(0,
√2
2,
√2
2
)=
(0,−1
2,1
2
).
Daı
g3 =v3‖v3‖
=0,−1
2, 12√
14
+ 14
=
(0,−√
2
2,
√2
2
).
Logo, {(1, 0, 0),
(0,
√2
2,
√2
2
),
(0,−√
2
2,
√2
2
)}e uma base ortonormal do R3,construıda a partir da base B.
Definicao 4.3.2 (Complemento Ortogonal) Seja V um espaco vetorial euclidiano. Dado
um subespaco vetorial U de V , indiquemos por U⊥ o seguinte subconjunto de V
U⊥ = {v ∈ V | 〈u, v〉 = 0, ∀u ∈ U.
Exemplo 4.2 Achar uma base do sub-espaco V ⊥, onde V e subespaco de R4 gerado por
(1, 0, 1, 1) e (1, 1, 2, 0). Ortonormalize esta base.
v = (x, y, z, t) ∈ R4 pertece a V ⊥ se e somente se{〈v, (1, 0, 1, 1)〉 = x+ z + t = 0
〈v, (1, 1, 2, 0)〉 = x+ y + 2z = 0
A solucao do sistema e V ⊥ = {(−z − t,−z + t, z, t |z, t ∈ R}.
4.4 Operadores Auto-Adjuntos
Definicao 4.4.1 Seja V um espaco vetorial euclidiano. Um operador A ∈ L(V ) se diz auto-
adjunto se
〈A(u), v〉 = 〈u,A(v)〉 , ∀u, v ∈ V.
Proposicao – Seja V um espaco euclidiano de dimensao finita. Entao, um operador A ∈ L(V )
e auto-adjunto se, e somente se, a matriz de A em relacao a uma base ortonormal de V e
simetrica (i.e. A = AT ).
5 Diagonalizacao de Operadores Lineares e Forma de
Jordan
5.1 Valores e Vetores proprios
Definicao 5.1.1 Seja V um espaco vetorial (sobre R ou C) e seja T : V → V um operador
linear. Um vetor u ∈ V , u 6= 0, e um vetor proprio (autovetor) de T se existe um escalar λ (de
R ou C, respectivamente) tal que T (u) = λu. Neste caso λ e um valor proprio associado a u.
9
Definicao 5.1.2 O sub-espaco
V (λ) = {u ∈ V |T (u) = λu} = ker(T − λI)
e chamado de sub-espaco proprio de λ e sera indicado por V (λ).
Definicao 5.1.3 Dada uma matriz A = (aij) de ordem n (real ou complexa), chama-se po-
linomio caracterıstico de A o seguinte polinomio de grau n:
Pt(A) = det
a11 − t a12 · · · a1na21 a22 − t · · · a2n...
.... . .
...
an1 an2 − t · · · ann − t
= det(A− tIn).
Proposicao – Matrizes semelhantes tem o mesmo polinomio caracterıstico.
Definicao 5.1.4 Seja V um espaco vetorial de dimensao n e T : V → V um operador linear.
Chama-se polinomio caracterıstico de T o polinomio caracterıstico da matriz de T em relacao
a qualquer base de V . Notacao: pT (t).
Proposicao – Seja T um operador linear de um espaco vetorial sobre K(KS = R ou K = C)
de dimensao n. Entao os valores proprios de T sao as raızes de pT (t) em K.
Exemplo 5.1 Seja T : R2 → R2 dado por T (x, y) = (y, x).
A matriz de T na base canonica e (0 1
1 0
)Logo,
pT (x) = det
(−x 1
1 −x
)= x2 − 1
cujas raızes sao 1 e −1.
Uma vez conhecidos os valores proprios de um operador T , podemos achar seus vetores proprios.
Os autovetores sao os vetores nao nulos de ker(T − λI).
Para λ = 1 temos (T − I)(x, y) = T (x, y)− I(x, y) = 0 ⇒ T (x, y) = I(x, y) ⇒ (y, x) = (x, y).
Portanto, x = y e os autovetores associados ao autovalor λ = 1 tem a forma (x, x) = x(1, 1),
∀x ∈ R∗. Analogamente, para λ = −1 teremos x(1,−1).
5.2 Diagonalizacao de Operadores
Definicao 5.2.1 Seja V um espaco vetorial de dimensao finita. Um operador T : V → V se
diz diagonalizavel se existe uma base de V formada por vetores proprios de T .
Se B = {e1, ..., en} for uma base formada de vetores proprios de T entao
(T )B =
λ1
λ2. . .
λn
10
onde λ1, ..., λn sao os valores proprios de T . Daı
pT (x) = det
λ1 − x
λ2 − x. . .
λn − x
= (λ1 − x)(λ2 − x) · · · (λn − x)
e assim pT (x) se decompoe em fatores lineares.
Teorema 5.2.1 Seja V um espaco vetorial de dimensao finita sobre K (K = R ou K = C).
Um operador linear T ∈ L(V ) e diagonalizavel se, e somente se,
• o polinomio caracterıstico de T tem todas as suas raızes em K;
• a multiplicidade algebrica de cada valor proprio λi de T e igual a dimensao de V (λi).
5.3 Diagonalizacao de Operadores Auto-adjuntos (ou de matrizes
simetricas reais)
Como visto na definicao 4.4.1, um operador linear A de um espaco vetorial euclidiano V tal
que
〈A(u), v〉 = 〈u,A(v)〉 , ∀u, v ∈ V.
Teorema 5.3.1 Um operador linear A de um espaco euclidiano V , de dimensao finita n ≥ 1,
e auto-adjunto se, somente se, existe uma base ortonormal de V formada de vetores proprios
de A.
11