Instituto Superior Técnico

Departamento de Matemática

Álgebra Linear
LMAC e LEFT
Soluções dos exercı́cios sobre transformações lineares

1. Indique justificando se as seguintes aplicações são transformações lineares

(i) f : R3 → R4 definida por f (x, y, z) = (x − 2y, 0, x + y − 3z, 0).

(ii) f : Mm×n (R) → Mn×m (R) definida por f (A) = AT .
(iii) f : R2 → R2 definida por f (x, y) = (x2 y, x − y + 1).
 
a b
(iv) f : M2×2 (R) → R definida por f = a + b.
c d
(v) T : R3 → R2 definida por T (x, y, z) = (1, 3).
(vi) f : M3×3 (R) → M3×3 (R) definida por T (A) = A2 + A.
(vii) T : F (R, R) → R2 definida por T (f ) = (f (0), f (2)).
(viii) Sendo V um espaço vetorial e α um escalar, a aplicação T : V → V definida por
T (v) = αv.

Resposta:

(i) Temos

f ((x1 , y1 , z1 ) + (x2 , y2 , z2 )) = f (x1 + x2 , y1 + y2 , z1 + z2 )

= (x1 + x2 − 2(y1 + y2 ), 0, x1 + x2 + y1 + y2 − 3(z1 + z2 ), 0)
= (x1 − 2y1 , 0, x1 + y1 − 3z1 , 0) + (x2 − 2y2 , 0, x2 + y2 − 3z2 , 0)
= f (x1 , y1 , z1 ) + f (x2 , y2 , z2 )

f (α(x, y, z)) = f (αx, αy, αz)

= (αx − 2αy, 0, αx + αy − 3αz, 0)
= α(x − 2y, 0, x + y − 3z) = αf (x, y, z)

logo f é uma transformação linear.

(ii) Dadas matrizes A, B e um escalar α temos
• f (A + B) = (A + B)T = AT + B T = f (A) + f (B)
• f (αA) = (αA)T = αAT = αf (A)

1
 logo f é uma transformação linear.
(iii) Uma vez que f (0, 0) = (0, 1) não é o vetor zero do espaço vetorial de chegada,
conclui-se que f não é uma transformação linear.
(iv) Temos
  0 0 
a + a0 b + b 0
  
a b a b
f + 0 0 = f
c d c d c + c0 d + d 0
= a + a0 + b + b0 = (a + b) + (a0 + b0 )
   0 0 
a b a b
= f +f
c d c0 d 0
e
    
a b αa αb
f α = f
c d αc αd
= αa + αb = α(a + b)
 
a b
= αf
c d

logo f é uma transformação linear.

(v) T não é uma transformação linear porque T (0, 0, 0) 6= (0, 0) (também não preserva
a soma nem o produto por escalar).
(vi) T não é uma transformação linear porque não preserva o produto por escalar. Por
exemplo T (2I) = 4I + 2I = 6I é diferente de 2T (I) = 2(I + I) = 4I. T também
não preserva a soma.
(vii) Temos

T (f + g) = ((f + g)(0), (f + g)(2)) = (f (0) + g(0), f (2) + g(2))

= (f (0), f (2)) + (g(0), g(2)) = T (f ) + T (g),
T (αf ) = ((αf )(0), (αf )(2)) = (αf (0), αf (2)) =
= α(f (0), f (2)) = αT (f )

logo T é uma transformação linear.

(viii) Temos
T (v1 + v2 ) = α(v1 + v2 ) = αv1 + αv2 = T (v1 ) + T (v2 )
e
T (βv) = α(βv) = β(αv) = βT (v)
logo T é uma transformação linear.

2. Seja T : R2 → R3 uma transformação linear tal que T (1, 1) = (2, 0, 1) e T (1, 2) =

(1, 4, 6).

2
 (a) Calcule T (2, 5).
(b) Descreva a imagem por T do triângulo com vértices (0, 1), (1, 2) e (0, 0).
(c) Determine a matriz que representa T com respeito às bases canónicas de R2 e R3
e escreva a expressão para T (x, y) ∈ R3 .

Resposta:

(a) Podemos escrever (2, 5) como combinação linear de (1, 1) e (1, 2):
( (
α+β =2 β=3
(2, 5) = α(1, 1) + β(1, 2) ⇔ ⇔
α + 2β = 5 α = −1

Uma vez que T é uma transformação linear temos portanto que

T (2, 5) = −T (1, 1) + 3T (1, 2) = −(2, 0, 1) + 3(1, 4, 6) = (1, 12, 17)

(b) Começamos por observar que o segmento de reta que une dois vetores v1 e v2 num
espaço vetorial é parametrizado por

v1 + t(v2 − v1 ) = (1 − t)v1 + tv2 : t ∈ [0, 1]

Em particular, o segmento de reta que une (0, 1) a (1, 2) é descrito pelas com-
binações lineares (1 − t)(0, 1) + t(1, 2), t ∈ [0, 1]. O triângulo do enunciado é a
união dos segmentos de reta cujas extremidades são a origem (0, 0) e um ponto do
segmento (1 − t)(0, 1) + t(1, 2), t ∈ [0, 1] ou seja, é o conjunto dos pontos

S = {r((1 − t)(0, 1) + t(1, 2)) : 0 ≤ r ≤ 1, 0 ≤ t ≤ 1}

Uma vez que T preserva combinações lineares, a imagem T (S) é o conjunto

T (S =){r((1 − t)T (0, 1) + tT (1, 2)) : 0 ≤ r ≤ 1, 0 ≤ t ≤ 1}

que é o triângulo dado pela união de todos os segmentos de reta que vão de T (0, 0) =
(0, 0, 0) ao segmento de reta de T (0, 1) = T (1, 2)−T (1, 1) = (−1, 4, 5) a T (1, 2) =
(1, 4, 6), ou seja, o triângulo com vértices (0, 0, 0), (−1, 4, 5) e (1, 4, 6).
(c) Já vimos que T (0, 1) = (−1, 4, 5) e temos que T (1, 0) = T (1, 1) − T (0, 1) =
(2, 0, 1) − (−1, 4, 5) = (3, −4, −4) logo
 
3 −1
AT,Bcan ,Bcan = −4 4 
−4 5

3. Determine uma transformação linear f : R2 → R2 tal que

3
 (a) f ([0, 2] × [0, 1]) (isto é, a imagem por f do retângulo

[0, 2] × [0, 1] = {(x, y) ∈ R2 : 0 ≤ x ≤ 2 e 0 ≤ y ≤ 1})

seja o quadrado com vértices (0, 0), (1, 2), (−2, 1) e (−1, 3).
(b) A imagem por f do triângulo com vértices (0, 0), (1, 0), (0, 1) seja o segmento de
reta {(x, x) : x ∈ [0, 2]}.

Resposta:

(a) O retângulo [0, 2] × [0, 1] é o conjunto

{α(2, 0) + β(0, 1) : 0 ≤ α, β ≤ 1}

Uma vez que f é uma transformação linear e portanto preserva combinações lineares,
a imagem do retângulo é o conjunto

{αf (2, 0) + βf (0, 1) : 0 ≤ α, β, ≤ 1}

que é um paralelogramo com vértice na origem e arestas f (2, 0) e f (0, 1) (pela

interpretação geométrica das operações com vetores de R2 ). Para que este par-
alelogramo seja o quadrado com os vértices indicados temos que escolher para
imagem dos vértices (2, 0) e (0, 2) os vectores (1, 2) e (−2, 1) (numa ordem qual-
quer). Há duas maneiras de o fazer, tomando por exemplo f (2, 0) = (1, 2) e
f (0, 1) = (−2, 1) ⇔ f (1, 0) = (− 12 , 1) obtemos a transformação linear

f (x, y) = xf (1, 0) + yf (0, 1) = x( 12 , 1) + y(−2, 1) = ( x2 − 2y, x + y)

(b) Como na pergunta 2(b), a imagem do triângulo pela transformação linear é dada
pela união de todos os segmentos de reta que unem a origem a um ponto da forma

(1 − t)f (1, 0) + tf (0, 1)

Para que a imagem esteja contida no segmento de reta dado precisamos que f (1, 0)
e f (0, 1) pertençam ao segmento; para que a imagem seja todo o segmento que vai
de (0, 0) a (2, 2) precisamos que pelo menos um dos pontos f (1, 0) ou f (0, 1) seja
(2, 2). Tomando, por exemplo, f (1, 0) = (2, 2) e f (0, 1) = (0, 0) obtemos

f (x, y) = xf (1, 0) + yf (0, 1) = (2x, 2x)

4. Seja V um espaço vetorial. Existe alguma transformação linear f : R2 → V satisfazendo

as seguintes condições?

• O conjunto {f (1, 0), f (0, 1)} ⊂ V é linearmente independente.

• f (1, 3) = 2f (1, 1) + f (0, 3)

4
 E se a primeira condição for omitida? Justifique.
Resposta: Escrevendo (1, 3), (1, 1) e (0, 3) como combinações lineares de (1, 0) e (0, 1)
e usando que f é uma transformação linear, a segunda condição escreve-se

f (1, 0) + 3f (0, 1) = 2(f (1, 0) + f (0, 1)) + 3f (0, 1) ⇔ −f (1, 0) − 2f (0, 1) = 0

o que contradiz a independência linear de f (1, 0) e f (0, 1). Conclui-se que não existe
nenhuma transformação linear satisfazendo as duas condições.
Se a primeira condição for omitida existe uma tal transformação linear. Por exemplo a
transformação linear identicamente nula. Mais geralmente, vimos que a segunda condição
é verificada se e só se f (1, 0) = −2f (0, 1) pelo que as transformações lineares que
satisfazem a segunda condição são determinadas por uma escolha arbitrária de v =
f (1, 0), sendo que f (0, 1) é necessariamente igual a − 12 v.

5. Seja V o espaço dos polinómios de grau ≤ 3 e considere a função f : V → V definida

por
f (p(t)) = p00 (t) − 2p(t)

(a) Verifique que f é uma transformação linear.

(b) Determine a matriz que representa f com respeito à base canónica no espaço dos
polinómios.

Resposta:

(a) Dados polinómios p, q ∈ V e um escalar α temos

f ((p + q)(t)) = (p + q)00 (t) − 2(p + q)(t) = p00 (t) + q 00 (t) − 2p(t) − 2q(t)
= p00 (t) − 2p(t) + q 00 (t) − 2q(t) = f (p(t)) + f (q(t))

f ((αp)(t)) = (αp)00 (t)−2(αp)(t) = αp00 (t)−2αp(t) = α(p00 (t)−2p(t)) = αf (p(t))

logo f é uma transformação linear.

(b) A base canónica no espaço dos polinómios é B = (1, t, t2 , t3 ). Uma vez que

f (1) = 0 − 2 = −2, f (t) = 0 − 2t = −2t, f (t2 ) = 2 − 2t2 , f (t3 ) = 6t − 2t3

temos que a representação matricial de f é

 
−2 0 2 0
0 −2 0 6
Af,B,B =  
0 0 −2 0 
0 0 0 −2

5
6. Determine a matriz que representa a transformação linear T : V → W indicada com
respeito às bases ordenadas B1 para V e B2 para W indicadas.

(a) V = R3 , W = R com as bases canónicas, T (x, y, z) = x − 2y + 6z.

(b) V = R2 , W = R4 , B1 = ((1, 1), (0, 1)) e B2 a base canónica, T (x, y) = (x −
2y, 0, x + y, −x).
(c) V o espaço dos polinómios de grau ≤ 2, W o espaço dos polinómios de grau ≤ 4,
B1 e B2 as bases canónicas e T a transformação linear definida por T (p(t)) =
p(t)(1 − t2 )
(d) V = M2×2 (R), W = M3×1 (R) com as bases canónicas e
 
1 1  
4
T (A) = −1 0 A
 
−2
3 2

Resposta:

(a) As bases canónicas são B1 = ((1, 0, 0), (0, 1, 0), (0, 0, 1)) e B2 = (1). Uma vez que

T (1, 0, 0) = 1, T (0, 1, 0) = −2, T (0, 0, 1) = 6

temos  
AT,B1 ,B2 = 1 −2 6
(b) Temos T (1, 1) = (−1, 0, 2, −1) e T (0, 1) = (−2, 0, 1, 0) logo
 
−1 −2
0 0
AT,B1 ,B2 = 2

1
−1 0

(c) Sendo B1 = (1, t, t2 ) e B2 = (1, t, t2 , t3 , t4 ) temos

T (1) = 1 − t2 , T (t) = t − t3 , T (t2 ) = t2 − t4

logo  
1 0 0
0 1 0
 
AT,B1 ,B2 =
−1 0 1 

 0 −1 0 
0 0 −1

6
      
        1 0 0
1 0 0 1 0 0 0 0
(d) Tomando B1 = , , , e B2 =  0 , 1 , 0
   
0 0 0 0 1 0 0 1
0 0 1
temos
     
  1 1    4   −2
1 0 1 0 4 0 1
T = −1 0
  = −4 ,
  T = 2

0 0 0 0 −2 0 0
3 2 12 −6
   
  4   −2
0 0 0 0
T = 0 ,
  T = 0

1 0 0 1
8 4
logo  
4 −2 4 −2
AT,B1 ,B2 = −4 2 0 0 
12 −6 8 4

7. Seja P o espaço vetorial dos polinómios de grau menor ou igual a 2 e T : M2×2 (R) → P
uma transformação linear tal que
       
1 0 1 1 2 1 0 2 0 0
T = 1+t, T = t−2t , T = −3t , T = 4.
0 0 0 0 1 0 0 1
 
3 1
(a) Calcule T .
1 0
(b) Determine a matriz que representa T nas bases canónicas para as matrizes e polinómios.

Resposta:

(a) Temos
       
3 1 1 0 1 1 1 0
T =T +T +T = 1+t+(t−2t2 )−3t2 = 1+2t−5t2
1 0 0 0 0 0 1 0

(b) Uma vez que

   
0 1 2 2 0 0
T = (t−2t )−(1+t) = −1−2t , T = −3t2 −(1+t) = −1−t−3t2
0 0 1 0
       
1 0 0 1 0 0 3 1
obtemos para B1 = , , , e B2 = (1, t, t2 )
0 0 0 0 1 0 1 0
 
1 −1 −1 4
AT,B1 ,B2 = 1 0 −1 0
0 −2 −3 0

7
8. Seja V = L({e−2x , e−x , 1, ex , e2x ) ⊂ F (R, R) e considere a transformação linear T : V →
V definida por T (f ) = f 00 + f 0 − 2f
(a) Verifique que T está bem definida, isto é que T (f ) ∈ V quando f ∈ V .
(b) Determine a matriz que representa T com respeito a uma base para V por si escol-
hida.
(c) Determine T −1 (0) = {f ∈ V : T (f ) = 0}.
(d) Determine T −1 (e−x ) = {f ∈ V : T (f ) = e−x }.
Resposta:
(a) As funções e−2x , . . . , e2x são linearmente independentes (ver ficha sobre espaços
vetoriais) logo formam uma base para V . Temos T (e−2x ) = 4e−2x −2e−2x −2e−2x =
0, T (e−x ) = −2e−x , T (1) = −2, T (ex ) = 0 e T (e2x ) = 4e2x . Uma vez que T
envia uma base de V para V , envia todo o V para o subespaço V das funções reais
de variável real, logo está bem definida.
(b) Pelos cálculos da alı́nea anterior temos
 
0 0 0 0 0
0 −2 0 0 0
 
AT,B,B =  0 0 −2 0 0

0 0 0 0 0
0 0 0 0 4

(c) Em coordenadas, a equação T (f ) = 0 traduz-se na equação matricial

    
0 0 0 0 0 a 0
0
 −2 0 0 0  b  0
   
0
 0 −2 0 0   c  = 0
   
0 0 0 0 0 d 0
0 0 0 0 4 e 0
que tem solução definida por b = c = e = 0. Conclui-se que
T −1 (0) = {ae−2x + dex : a, d ∈ R}

(d) Em coordenadas, a equação T (f ) = e−x fica

    
0 0 0 0 0 a 0
0
 −2 0 0 0  b  1
   
0
 0 −2 0 0   c  = 0
   
0 0 0 0 0 d 0
0 0 0 0 4 e 0
que tem solução definida por b = − 21 , c = 0, e = 0 logo
T −1 (e−x ) = ae−2x − 12 e−x + dex : a, d ∈ R


8
 9. Seja V um espaço vetorial e B = (v1 , . . . , vn ) uma base ordenada para V . Mostre que a
função f : V → Mn×1 (R) definida por f (v) = [v]B (que associa a um vetor v a matriz
coluna que tem por entradas as suas coordenadas na base B) é uma transformação linear.
Resposta: Sejam v, w ∈ V e α um escalar. Podemos escrever de forma única v =
α1 v1 +. . .+αn vn e w = β1 v1 +. . .+βn vn . Então v +w = (α1 +β1 )v1 +. . .+(αn +βn )vn
e αv = (αα1 )v1 + . . . + (ααn )vn logo
     
α1 + β1 α1 β1
.
.. . .
f (v + w) = [v + w]B =   =  ..  +  ..  = f (v) + f (w)
    
αn + βn αn βn
e   
αα1 α1
 ..   .. 
f (αv) = [αv]B =  .  = α  .  = α[v]B
ααn αn
logo f é uma transformação linear.

10. Sejam V e W espaços vetoriais com bases ordenadas B1 e B2 respetivamente, e T : V →

W uma transformação linear. Se a matriz que representa T nas bases B1 e B2 é
 
1 1 0
−1 3 2

e temos matrizes de mudanças de coordenadas

 
1 1 1  
1 −2
SB1 →B10 = 0
 1 2 , SB2 →B20 =
3 1
0 0 1

(a) Quais são as dimensões dos espaços vetoriais V e W ?

(b) Determine a matriz que representa a transformação linear T nas bases B10 e B20 .

Resposta:

(a) V tem dimensão 3 porque SB1 →B10 é uma matrix 3 × 3 e analogamente W tem
dimensão 2.
(b) A matriz AT,B10 ,B20 é a única matriz que satisfaz

[T (v)]B20 = AT,B10 ,B20 [v]B10

para todo o v ∈ V . Uma vez que

SB2 →B20 AT,B1 ,B2 SB10 →B10 [v]B10 = SB2 →B20 AT,B1 ,B2 [v]B1 = SB2 →B20 [T (v)]B2 = [T (v)]B20

9
 vemos que AT,B10 ,B20 = SB2 →B20 AT,B1 ,B2 SB10 →B10 e portanto
 −1
   1 1 1
1 −2 1 1 0 
AT,B10 ,B20 = 0 1 2
3 1 −1 3 2
0 0 1
 
  1 −1 1
3 −5 −4 
= 0 1 −2
2 6 2
0 0 1
 
3 −8 9
=
2 4 −8
11. Seja T : V → W uma transformação linear e S ⊂ V um subconjunto. Se S for lin-
earmente dependente, T (S) é um conjunto linearmente dependente em W ? Se S for
linearmente independente, T (S) é necessariamente linearmente independente? Justifique.
Resposta: Se S é linearmente dependente então T (S) não é necessariamente linearmente
dependente. Esta afirmação é bastante surpreendente pois seria natural pensar que dados
v1 , . . . , vn vetores distintos de V e α1 , . . . αn escalares não todos nulos tais que α1 v1 +
. . . + αn vn = 0 então, como α1 T (v1 ) + . . . + αn T (vn ) = 0 e os vetores T (v1 ), . . . , T (vn )
pertencem a T (S), o conjunto T (S) é linearmente dependente. Este argumento não está
correto porque os vetores T (v1 ), . . . , T (vn ) podem não ser distintos e essa condição é
fundamental na definição de dependência linear.
De facto a transformação linear T : R2 → R2 definida por T (x, y) = (x, 0) (que projeta
no eixo dos xx) leva o conjunto linearmente dependente S = {(1, 1), (1, 2), (1, 3)} no
conjunto T (S) = {(1, 0)} que é linearmente independente.
Se S é linearmente independente não há qualquer razão para que T (S) seja. Por exemplo
a transformação linear identicamente nula leva qualquer conjunto linearmente indepen-
dente em {0} que é linearmente dependente.
12. Determine uma base para o espaço vetorial L(R2 , R3 ) das transformações lineares de R2
para R3 .
Resposta: L(R2 , R3 ) é isomorfo ao espaço M3×2 (R) por exemplo pelo isomorfismo que
leva f ∈ L(R2 , R3 ) em Af,Bcan ,Bcan . Como tal, uma base de L(R2 , R3 ) é dada (por
exemplo) pelas transformações lineares que correspondem pelo isomorfismo à base
           
1 0 0 1 0 0 0 0 0 0 0 0
B = 0 0 , 0 0 , 1 0 , 0 1 , 0 0 , 0 0
0 0 0 0 0 0 0 0 1 0 0 1
de M2×2 (R). Estas são, respetivamente,
f1 (x, y) = (x, 0, 0), f2 (x, y) = (y, 0, 0), f3 (x, y) = (0, x, 0)
f4 (x, y) = (0, y, 0), f5 (x, y) = (0, 0, x), f6 (x, y) = (0, 0, y)
2 3
Uma base para L(R , R ) é assim, por exemplo, (f1 , . . . , f6 ).

10
13. Seja V um espaço vetorial real. O espaço vetorial das transformações lineares de V para
R chama-se o dual de V e denota-se por V ∗ = L(V, R).

(a) Sendo V o espaço dos polinómios de grau ≤ 2, mostre que os vetores φ0 , φ1 , φ2 ∈ V ∗

definidos por
φ0 (p) = p(0), φ1 (p) = p(1), φ2 (p) = p(2)
formam uma base para V ∗ .
(b) Determine as coordenadas do vetor ψ definido por ψ(p) = p0 (1) na base ordenada
(φ0 , φ1 , φ2 ).

Resposta:

(a) Usando as bases B1 = (1, t, t2 ) e B2 = (1) para V e R respetivamente, e notando

que
φ0 (1) = 1, φ0 (t) = 0, φ0 (t2 ) = 0
temos  
Aφ0 ,B1 ,B2 = 1 0 0
e analogamente, uma vez que φ1 (1) = 1, φ1 (t) = 1, φ1 (t2 ) = 1 e φ2 (1) = 1, φ2 (t) =
2, φ2 (t2 ) = 4, obtemos
   
Aφ1 ,B1 ,B2 = 1 1 1 Aφ2 ,B1 ,B2 = 1 2 4

As três matrizes linhas acima são claramente uma base de M3×1 (R) (pois são um
conjunto de três vetores linearmente independentes num espaço de dimensão 3) e
correspondem a φ0 , φ1 , φ2 pelo isomorfismo L(V, R) → M3×1 (R) dado pelas bases
B1 e B2 . Conclui-se que {φ0 , φ1 , φ2 } é uma base.
(b) Uma vez que φ(1) = 0, φ(t) = 1 e φ(t2 ) = 2 temos
 
Aψ,B1 ,B2 = 0 1 2
1
Portanto Aψ,B1 ,B2 = 2
(Aφ2 ,B1 ,B2 − Aφ0 ,B1 ,B2 ) e consequentemente ψ = − 12 φ0 +
1
φ . Conclui-se que
2 2  1
−2
[ψ](φ0 ,φ1 ,φ2 ) = 0 

1
2

14. Seja f : V → W um isomorfismo de espaços vetoriais.

(a) Mostre que um conjunto S ⊂ V é linearmente (in)dependente se e só se f (S) é

linearmente (in)dependente em W .
(b) Mostre que um conjunto S ⊂ V gera V se e só se f (S) gera W .
(c) Mostre que V é finitamente gerado se e só se W é e nesse caso V e W têm a
mesma dimensão.

11
(d) Mostre que U ⊂ V é um subespaço vetorial se e só se f (U ) é um subespaço vetorial
e nesse caso a restrição de f a U é um isomorfismo entre U e f (U ).
Resposta:
(a) Uma vez que ser linearmente independente é a negação de ser linearmente depen-
dente as afirmações relativas à preservação por f da dependência e independência
linear são logicamente equivalentes.
Seja S ⊂ V um conjunto linearmente dependente. Vamos começar por ver que f (S)
é linearmente dependente. Sejam v1 , . . . , vn vetores distintos de S e α1 , . . . , αn es-
calares não todos nulos tais que α1 v1 +. . .+αn vn = 0. Então f (α1 v1 +. . .+αn vn ) =
α1 f (v1 ) + . . . + αn f (vn ) = 0. Como f é uma função injetiva f (v1 ), . . . , f (vn ) são
vetores distintos de f (S) e portanto a igualdade anterior mostra que f (S) é um
conjunto linearmente dependente.
Reciprocamente se f (S) é um conjunto linearmente dependente em W , então, dado
que f −1 é também um isomorfismo, o parágrafo anterior permite-nos concluir que
f −1 (f (S)) = S é um conjunto linearmente independente em V .
(b) Suponhamos que S gera V e vejamos que f (S) gera W . Temos a mostrar que
todo o w ∈ W pode ser expresso como uma combinação linear de elementos de
f (S). Seja w ∈ W . Uma vez que f é uma função sobrejetiva, existe v ∈ V tal que
f (v) = w. Como S gera V , existem v1 , . . . , vn ∈ S e escalares α1 , . . . , αn tais que
v = α1 v1 + . . . + αn vn . Então
w = f (v) = α1 f (v1 ) + . . . + αn f (vn ) ∈ L(f (S))
Isto mostra que W = L(f (S)) conforme pretendido.
Reciprocamente, suponhamos que f (S) gera W . Então aplicando o parágrafo an-
terior ao isomorfismo f −1 : W → V vemos que f −1 (f (S)) = S gera V .
(c) Suponhamos que V é finitamente gerado. Então existe um conjunto finito S ⊂ V
tal que V = L(S). Pela alı́nea (b) temos que W = L(f (S)). Uma vez que S
é finito, a sua imagem f (S) é também um conjunto finito logo W é finitamente
gerado. A afirmação recı́proca obtém-se como acima aplicando a implicação já
demonstrada ao isomorfismo f −1 .
Se B é uma base para V então B é um conjunto linearmente independente que
gera V . Logo pela alı́nea (a), f (B) é um conjunto linearmente independente de
W e, pela alı́nea (b) f (B) gera W , logo f (B) é uma base para W . Como V é
finitamente gerado, B é necessariamente um conjunto finito e, uma vez que f é
uma função bijetiva, B e f (B) têm o mesmo número de elementos. Conclui-se que
V e W têm a mesma dimensão.
(d) f (U ) é a imagem da restrição de f a U , f|U : U → W logo é um subespaço vetorial.
Por definição f|U : U → f (U ) é sobrejectiva. Como f é um isomorfismo, f é injetiva
e portanto f|U é também uma função injetiva. Conclui-se que f|U : U → f (U ) é
um isomorfismo.

12
 Finalmente, se f (U ) é um subespaço de W então f −1 (f (U )) = U é um subespaço
de V .
∗ 15. O espaço vetorial livremente gerado por um conjunto.
(a) Seja S um conjunto não vazio qualquer, e K um corpo. Recorde que F (S, K)
denota o espaço vetorial das funções de S para K com a soma e produto por escalar
definidos da forma usual. O suporte de f ∈ F (S, K) é o conjunto
supp(f ) = {x ∈ S : f (x) 6= 0} ⊂ S
O espaço vetorial sobre K livremente gerado por S é o subespaço
K · S = {f ∈ F (S, K) : supp(f ) é finito} ⊂ F (S, K)
Mostre que se trata realmente de um subespaço de F (S, K).
(b) Para cada x ∈ S, seja φx : S → K a função definida por
(
1 se y = x
φx (y) =
0 caso contrário.
Mostre que {φx : x ∈ S} é uma base de K · S. Um elemento f ∈ K · S é visto
como P uma combinação linear formal dos elementos do suporte de f . A combinação
linear P x∈S αx φx (em que apenas finitos coeficientes são não nulos) é normalmente
escrita1 x∈S αx · x.
(c) Seja V um espaço vetorial sobre K e B uma base de V . Defina um isomorfismo
natural K · B → V .
(d) Sendo V um espaço vetorial sobre K estabeleça um isomorfismo natural entre L(K ·
S, V ) e F (S, V ).
Resposta:
(a) O conjunto K · S é não vazio uma vez que a função constante igual a 0 tem suporte
vazio e portanto pertence a K · S.
Sejam f, g elementos de K · S e α ∈ K. Temos a verificar que as funções f + g e
αf estão em K · S, isto é, que têm suporte finito.
Uma vez que se f (x) = 0 então (αf )(x) = αf (x) = 0 vemos que o suporte de
αf está contido no suporte de f (na realidade, supp(αf ) = supp(f ) se α 6= 0 e
supp(αf ) = ∅ se α = 0). Portanto supp(αf ) é também finito, ou seja αf ∈ K · S.
Analogamente, se f (x) = 0 e g(x) = 0 temos que (f + g)(x) = 0 e portanto, se
(f + g)(x) 6= 0 então, ou f (x) 6= 0 ou g(x) 6= 0. Isto mostra que supp(f + g) ⊂
supp(f ) ∪ supp(g). Como supp(f + g) está contido numa união de dois conjuntos
finitos é um conjunto finito e portanto f + g ∈ K · S.
1
Se S for o conjunto dos esquilos obtemos assim finalmente um espaço vetorial de esquilos! Mais precisa-
mente, os vetores são famı́lias finitas de esquilos cada um com um elemento de K a flutuar por cima da sua
cabeça. 0 vetor zero é a famı́lia vazia de esquilos.

13
(b) Temos a ver que o conjunto {φx : x ∈ S} gera K · S e é linearmente independente.
Seja f ∈ K · S e suponhamos que supp(f ) = {x1 , . . . , xk } (com xi ∈ S distintos).
Então existem αi ∈ K não nulos tais que
(
αi se x = xi
f (x) =
0 se x 6∈ {x1 , . . . , xk }

Vejamos que f = α1 φx1 + . . . + αk φxk . Para isto basta calcular o valor de cada
uma das duas funções em x ∈ S: Se x = xi temos
α1 φx1 (xi )+. . .+αi φxi (xi )+. . . αn φxn (xi ) = α1 ·0+. . .+αi ·1+. . . αn ·0 = αi = f (xi )
Se x 6∈ {x1 , . . . , xk } então φxi (x) = 0 para todo o i = 1, . . . , k logo
α1 φx1 (x) + . . . + αk φxk (x) = α1 0 + . . . + αk 0 = 0 = f (x)
Conclui-se que f e α1 φx1 +. . .+αk φxk tomam o mesmo valor em todos os elementos
x ∈ S, logo são iguais. Portanto {φx : x ∈ S} gera K · S.
Para ver que o conjunto B = {φx : x ∈ S} é linearmente independente, suponhamos
que φx1 , . . . , φxn são elementos distintos de B. Isto é equivalente a dizer que
os elementos x1 , . . . , xn ∈ S são distintos. Sejam α1 , . . . , αn escalares tais que
α1 φx1 + . . . + αn φxn = 0. Então avaliando a combinação linear α1 φx1 + . . . + αn φxn
no ponto xi obtemos
α1 φx1 (xi ) + . . . + αi φxi (xi ) + . . . + αn φxn (xi ) = α1 · 0 + . . . + αi · 1 + . . . + αn · 0 = αi
Logo α1 φx1 + . . . + αk φxn = 0 ⇒ αi = 0 para cada i = 1, . . . , n e portanto B é
linearmente independente.
(c) O isomorfismo natural é a transformação linear Ψ : K · B → V que envia o elemento
φb ∈ K · B no elemento b ∈ B em V . Mais precisamente definimos
Ψ (α1 φb1 + . . . + αk φbk ) = α1 b1 + . . . + αk bk
onde αi ∈ K e bi são elementos distintos de B. Esta função associa a uma função
f ∈ K · B com suporte {b1 , . . . , bk } o elemento f (b1 )b1 + . . . f (bk )bk ∈ V e pode
por isso escrever-se X
Ψ(f ) = f (b)b
b∈B

(onde na soma os termos com coeficientes nulos são ignorados). Em termos desta
expressão é claro que Ψ é uma transformação linear: dados α, β escalares e f, g ∈
K · B temos
X X
Ψ(αf + βg) = (αf + βg)(b) = (αf (b) + βg(b))
b∈B b∈B
X X
= αf (b) + βg(b) = αΨ(f ) + βΨ(g)
b∈B b∈B

14
 Uma vez que B gera V e pertence à imagem de Ψ (note-se que b = Ψ(φb )) a
função Ψ é sobrejetiva. Uma vez que B é linearmente independente, o núcleo de
Ψ é constituı́do apenas pela função nula. Conclui-se que Ψ é também injetiva e
portanto um isomorfismo.
(d) Uma transformação linear é determinada pelo efeito que tem numa base e vimos
na alı́nea (b) uma base de K · S que se identifica naturalmente com S. Seja
Φ : L(K · S, V ) → F (S, V ) a função definida por

(Φ(T ))(x) = T (φx ) (onde T ∈ L(K · S, V ), x ∈ S)

Então é imediato verificar que Φ é linear por definição das operações em L(K · S, V )
e F (S, V ). Se Φ(T ) = 0 então T anula-se na base {φx : x ∈ S} e é por isso a
transformação linear nula. Conclui-se que Φ é injetiva. Dada uma função f : S → V
seja T : K · S → V a transformação linear definida por
X
T (g) = g(s)f (s)
x∈S

onde g ∈ K · S (como antes, a soma está bem definida porque o suporte de g é

finito). Então, como na alı́nea (c), T : K · S → V é uma transformação linear, e
para todo o x ∈ S temos
X
Φ(T )(x) = T (φx ) = φx (y)f (y) = φx (x)f (x) = f (x)
y∈S

Assim Φ(T ) = f , o que mostra que Φ é sobrejetiva e portanto um isomorfismo.

16. Para as seguintes transformações lineares, determine se são injetivas ou sobrejetivas, ache
uma base para o núcleo e para a imagem da transformação linear, e caso sejam invertı́veis
determine uma expressão para a transformação inversa.

(a) f : R2 → R3 definida por f (x, y) = (x + 2y, 0, −2x − 4y).

(b) f : R4 → R2 definida por f (x, y, z, w) = (x + y, z + w).
(c) f : R3 → R3 definida por f (x, y, z) = (x + z, y − z, 2x + 2y).
(d) f : R3 → R3 definida por f (x, y, z) = (y, x + z, x − y).

Resposta:

(a) Temos  
1 2
Af,Bcan ,Bcan = 0 0
−2 −4
O núcleo desta matriz é determinado pela equação x + 2y = 0 pelo que {(−2, 1)} é
uma base para o núcleo. Como o núcleo é não trivial f não é injetiva. Claramente

15
 também não é sobrejetiva (por exemplo (0, 1, 0) não está na imagem). Na realidade
nunca poderia ser sobrejetiva, a imagem de qualquer transformação linear f : R2 →
R3 tem no máximo dimensão 2 como se vê por exemplo aplicando o Teorema da
caracterı́stica-nulidade. Neste caso especı́fico, o Teorema da caracterı́stica-nulidade
diz que a imagem tem dimensão dim(R2 ) − dim N (f ) = 2 − 1 = 1. Uma base para
a imagem é por exemplo {f (1, 0)} = {(1, 0, −2)}
(b) A representação matricial de f com respeito às bases canónicas é
 
1 1 0 0
0 0 1 1

Claramente f é sobrejetiva (o espaço das colunas da matriz é R2 ). Uma base para

a imagem é por exemplo {(1, 0), (0, 1)}. Pelo Teorema da caracterı́stica nulidade a
dimensão do núcleo é 4 − 2 = 2 pelo que f não é injetiva. Uma base para o núcleo é
por exemplo {(1, −1, 0, 0), (0, 0, 1, −1)} uma vez que estes vetores estão no núcleo
e são não colineares.
(c) Temos  
1 0 1
Af,Bcan ,Bcan = 0 1 −1
2 2 0
Aplicando o método de Gauss temos
     
1 0 1 1 0 1 1 0 1
0 1 −1 → 0 1 −1 → 0 1 −1
2 2 0 0 2 −2 0 0 0
logo o núcleo é definido pelas equações x + z = 0, y − z = 0 e uma base é
dada por {(1, −1, −1)}. Como o núcleo não é trivial a função não é injetiva. Pelo
Teorema da caracterı́stica-nulidade a imagem de f tem dimensão 2 (e portanto f
não é sobrejetiva). Uma vez que f (1, 0, 0) = (1, 0, 2) e f (0, 1, 0) = (0, 1, 2) são
não colineares, constituem uma base para Im f .
(d) A representação matricial de f com respeito às bases canónicas é
 
0 1 0
Af,Bcan ,Bcan = 1 0 1
1 −1 0
Aplicando o método de Gauss obtemos
       
0 1 0 1 0 1 1 0 1 1 0 1
1 0 1 → 0 1 0 → 0 1 0  → 0 1 0 
1 −1 0 1 −1 0 0 −1 −1 0 0 −1
logo a matriz é invertı́vel e portanto f é injetiva e sobrejetiva. Sendo assim a base
para o núcleo é o conjunto vazio e uma base para imagem é por exemplo a base

16
 canónica de R3 . Seria fácil aplicar o método de Gauss-Jordan para calcular a matriz
inversa e portanto a transformação inversa mas neste caso é ainda mais rápido
aplicar a definição de função inversa:
  
u = y
 y = u
 y = u

v =x+z ⇔ v =x+z ⇔ z = v − (w + u) = v − w − u
  
w =x−y x=w+u x=w+u
  

A transformação inversa é portanto dada pela expressão f −1 (u, v, w) = (w+u, u, v−

w − u).

17. Indique justificadamente quais das seguintes transformações lineares são isomorfismos.

(a) f : R3 → R3 definida por f (x, y, z) = (x + y, −y + z, x + 2y + 3z).

(b) f : R3 → R3 definida por f (x, y, z) = (x + y, −y + z, x + z).
(c) f : R5 → R5 definida por f (x, y, z, u, v) = (x − y + z + u + v, −x + 2y + u, z + u −
2v, x + 4y + u, −2y + 3z − 2u − v)
(d) f : {p(t) : p polinómio real de grau ≤ 3} → M2×2 (R) definida por

p0 (0)
 
p(0)
f (p) =
p00 (0) + p(1) p000 (1)

(e) Uma transformação linear representada por uma matriz 4 × 4 cuja terceira coluna é
a soma das duas primeiras colunas.
(f) A transformação linear do espaço de todos os polinómios reais nele próprio definida
por T (p) = p0 .
(g) A transformação linear do espaço de todos os polinómios reais nele próprio definida
por T (p) = p0 − p.

Resposta:

(a) A matriz que representa f é  

1 1 0
0 −1 1
1 2 3
Usando o método de Gauss obtemos
     
1 1 0 1 1 0 1 1 0
0 −1 1 → 0 −1 1 → 0 −1 1
1 2 3 0 1 3 0 0 4

Uma vez que a matriz Af,B,B tem caracterı́stica 3 ela é invertı́vel. Logo f é invertı́vel
e portanto um isomorfismo.

17
 (b) Uma vez que f (1, −1, −1) = (0, 0, 0) o núcleo de f não é trivial e portanto f não
é um isomorfismo.
(c) Aplicando o método de Gauss à matriz que representa f com respeito às bases
canónicas obtemos
     
1 −1 1 1 1 1 −1 1 1 1 1 −1 1 1 1
−1 2 0 1 0 0 1 1 2 1 0 1 1 2 1
     
0
 0 1 1 −2  → 0 0
  1 1 −2  → 0 0
  1 1 −2 

1 4 0 1 0 0 5 −1 0 −1 0 0 −6 −10 −6
0 −2 3 −2 −1 0 −2 3 −2 −1 0 0 5 2 1
 
1 −1 1 1 1
0 1 1 2 1 
 
→ 0 0 1 1 −2 


0 0 0 −4 −18
0 0 0 −3 11
Uma vez que a matriz tem caracterı́stica 5, f é um isomorfismo
(d) Temos
       
1 0 0 1 2 0 0 3 0 0
f (1) = , f (t) = , f (t ) = , f (t ) =
1 0 1 0 3 0 1 6
       
2 3 1 0 0 1 0 0 0 0
logo com respeito às bases B1 = (1, t, t , t ) e B2 = , , ,
0 0 0 0 1 0 0 1
temos  
1 0 0 0
0 1 0 0
Af,B1 ,B2 = 1 1 3 1


0 0 1 6
É imediato verificar que esta matriz tem caracterı́stica 4 pelo que f é um isomor-
fismo.
(e) Não, a dimensão do espaço das colunas de uma tal matriz tem dimensão no máximo
3 logo a matriz não é invertı́vel.
(f) Não porque os polinómios constantes pertencem ao núcleo da transformação.
(g) A transformação linear é injetiva por que o único polinómio que é igual à sua derivada
é o polinómio constante igual a zero. Uma vez que T (−tk − ktk−1 − k(k − 1)tk−2 −
. . . − k!) = tk , a imagem de T contém uma base do espaço dos polinómios. Logo
T é sobrejetiva e portanto um isomorfismo.

18. Sejam V, W espaços vetoriais finitamente gerados e B1 , B2 bases para V, W respetiva-

mente. Sejam f, g : V → V e h : V → W transformações lineares com representações

18
 matriciais
 
    2 1
1 1 1 2
Af,B1 ,B1 = Ag,B1 ,B1 = Ah,B1 ,B2 = 3 0 
−2 1 2 4
−1 1

(a) Quais são as dimensões dos espaços V, W ?

(b) Quais das transformações lineares são isomorfismos?
(c) Determine as representações matriciais de h ◦ (f + 3(g ◦ g)) e de (f + f −1 ) ◦ g.

Resposta:

(a) 2 e 3 respetivamente, dadas as dimensões da matriz que representa h.

(b) Apenas f pois é representada por uma matriz de caracterı́stica 2 que é portanto
invertı́vel. A matriz que representa g tem caracterı́stica 1 e h não pode ser um
isomorfismo uma vez que os espaços de partida e chegada têm dimensões diferentes.
(c) A representação matricial de h ◦ (f + 3(g ◦ g)) é dada por
 
2 1    2 !
2

1 1 1 2
Ah,B1 ,B2 Af,B1 ,B1 + 3Ag,B1 ,B1 =  3 0  +3
−2 1 2 4
−1 1
   
2 1   60 123
16 31
=  3 0  = 48
 93 
28 61
−1 1 12 30

A transformação f −1 é representada pela matrix

 
1 1 −1
Af −1 ,B1 ,B1 =
3 2 1

logo a representação matricial de (f + f −1 ) ◦ g é dada por

  1 1
  
−1

1 1 − 1 2
Af,B1 ,B1 + Af,B1 ,B1 Ag,B1 ,B1 = + 32 1 3
−2 1 2 4
4 2   3 3 
3 3
1 2 1 8 16
= 4 4 =
3 3
2 4 3 4 8

19. Seja V o espaço dos polinómios de grau ≤ 2. Seja f : R2 → V a transformação linear

tal que
f (1, 2) = 1 − t2 , f (1, 1) = 2 + t
e g : V → M2×2 (R) a transformação linear definida por
 
0 p(1)
g(p) =
p(0) p0 (0)

19
(a) Determine (g ◦ f )(1, 0).
(b) Determine a expressão geral para (g ◦ f )(x, y).
(c) Determine a matriz que representa g ◦ f com respeito às base B1 = ((1, 1), (1, −1))
de R2 e a base canónica de M2×2 (R).
(d) Determine uma base para o espaço W = (g ◦ f )(R2 ).
(e) Determine a matriz que representa (g ◦ f )−1 : W → R2 com respeito à base da
alı́nea anterior e a base canónica em R2 .
Resposta:
(a) f (1, 0) = 2f (1, 1) − f (1, 2) = 4 + 2t − (1 − t2 ) = 3 + 2t + t2 logo
 
2 0 6
(g ◦ f )(1, 0) = g(3 + 2t + t ) =
3 2

(b) Temos f (0, 1) = f (1, 2) − f (1, 1) = −1 − t − t2 logo

 
0 −3
(g ◦ f )(0, 1) =
−1 −1
e portanto
     
0 6 0 −3 0 6x − 3y
(g◦f )(x, y) = x(g◦f )(1, 0)+y(g◦f )(0, 1) = x +y =
3 2 −1 −1 3x − y 2x − y
   
0 3 0 9
(c) Pela alı́nea anterior (g ◦ f )(1, 1) = e (g ◦ f )(1, −1) = logo
2 1 4 3
 
0 0
3 9
Ag◦f,B1 ,Bcan = 2 4


1 3

(d) Uma vez que as colunas da matriz da alı́nea (b) são não colineares, formam uma
base para o espaço das colunas. Uma vez que o espaço das colunas é a tradução
em coordenadas da imagem de uma transformação linear vemos que
   
0 3 0 −9
B2 = ,
2 1 −4 −3
é uma base para W = (g ◦ f )(R2 ).
(e) A aplicação g ◦ f : R2 → W é um isomorfismo já que é uma transformação linear
sobrejetiva entre espaços de dimensão 2. Uma vez que B2 = ((g ◦ f )(1, 1), (g ◦
f )(1, −1)) temos que (g ◦ f )−1 envia esta base em (1, 1) e (1, −1) logo
 
1 1
A(g◦f )−1 ,B2 ,Bcan =
1 −1

20
20. Sendo f : V → W uma transformação linear, quais são os possı́veis valores que (dim N (f ), dim f (V ))
pode tomar quando f

(a) aplica R7 em R4 .
(b) aplica R3 em R5 .

Resposta:

(a) Pelo Teorema da caracterı́stica-nulidade temos

dim N (f ) + dim f (R7 ) = 7

Como f (R7 ) ⊂ R4 este subespaço tem dimensão ≤ 4, logo

(dim N (f ), dim f (R7 )) ∈ {(3, 4), (4, 3), (5, 2), (6, 1), (7, 0)}

Todos estes valores são de facto possı́veis: podemos por exemplo tomar as trans-
formações

f1 (x1 , . . . , x7 ) = (x1 , x2 , x3 , x4 ), f2 (x1 , . . . , x7 ) = (x1 , x2 , x3 , 0),

f3 (x1 , . . . , x7 ) = (x1 , x2 , 0, 0), f4 (x1 , . . . , x7 ) = (x1 , 0, 0, 0)

f4 (x1 , . . . , x7 ) = (0, 0, 0, 0)
(b) Pelo Teorema da caracterı́stica-nulidade temos

dim N (f ) + dim f (R3 ) = 3

logo
(dim N (f ), dim f (R3 )) ∈ {(0, 3), (1, 2), (2, 1), (3, 0)}
Todos estes valores são possı́veis. Podemos por exemplo considerar as transformações

f1 (x1 , x2 , x3 ) = (x1 , x2 , x3 , 0, 0), f2 (x1 , x2 , x3 ) = (x1 , x2 , 0, 0, 0),

f3 (x1 , x2 , x3 ) = (x1 , 0, 0, 0, 0), f4 (x1 , x2 , x3 ) = (0, 0, 0, 0, 0)

21. Dê um exemplo de uma transformação linear f : V → V tal que N (f ) = f (V ). Sugestão:

Pode tomar V = R2 .
Resposta: Para V = R2 , pelo Teorema da caracterı́stica-nulidade temos necessariamente
dim N (f ) = dim f (R2 ) = 1. Se (a, b) 6= (0, 0) for um gerador da imagem, f será
representada por uma matriz da forma
 
αa βa
αb βb

21
 para alguns α, β ∈ R (pois a imagem de f corresponde ao espaço das colunas da matriz).
Para que (a, b) esteja no núcleo de f é necessário que
   (
αa βa a a(αa + βb) = 0
=0⇔ ⇔ αa + βb = 0
αb βb b b(αa + βb) = 0

Podemos assim tomar por exemplo (a, b) = (1, 1) e α = 1, β = −1 obtendo f : R2 → R2

dada pela expressão
f (x, y) = (x − y, x − y)
22. Seja f : M2×2 (R) → M2×2 (R) a transformação linear definida pela expressão
   
1 1 1 1
f (A) = A−A
0 1 0 1
Determine o núcleo e a imagem de f .
       
1 0 0 1 0 0 0 0
Resposta: Consideremos a base B = , , , para M2×2 (R).
0 0 0 0 1 0 0 1
Temos
               
1 0 1 0 1 1 0 −1 0 1 0 1 0 1 0 0
f = − = , f = − =
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 0 1 0 0 0 1
f = − = , f = − =
1 0 1 0 1 1 0 −1 0 1 0 1 0 1 0 0
   
1 0 0 1
Claramente a imagem de f é gerada pelos dois vetores não colineares e
0 −1 0 0
logo tem dimensão 2. Pelo Teorema da caracterı́stica-nulidade, o núcleo de f tem também
dimensão 2.
   
0 1 1 0
Uma vez que e estão no núcleo e são linearmente independentes. Conclui-
0 0 0 1
se que
       
1 0 0 1 0 1 1 0
f (M2×2 (R)) = L , , N (f ) = L , .
0 −1 0 0 0 0 0 1

23. Seja V um espaço vetorial finitamente gerado e f : V → V uma transformação linear.

Sejam B1 e B2 bases para V .
(a) Mostre que se A é a matriz que representa f na base B1 e S = SB1 →B2 é a matriz de
mudança de coordenadas da base B1 para a base B2 então a matriz que representa
f na base B2 é SAS −1 .
(b) Determine a matriz que representa a transformação linear f : R3 → R3 definida por
f (x, y, z) = (x − 2y, x + z, y + z)
com respeito à base ordenada B = ((1, 0, 1), (0, 1, 1), (−1, 0, 1)) de R3 .

22
    
2 −1 1 1
(c) As matrizes e podem representar a mesma transformação
−1 0 2 2
linear em bases distintas de R2 ? Justifique.

Resposta:

(a) Uma vez que S −1 = SB2 →B1 , dado v ∈ V temos

SAS −1 [v]B2 = SA[v]B1 = S[f (v)]B1 = [f (v)]B2

logo SAS −1 representa f com respeito à base B2 .

(b) Usando a alı́nea anterior com B1 = Bcan e B2 = B temos
 
1 0 −1
S −1 = SB→B1 = 0 1 0 
1 1 1

logo  −1  
1 0 −1 1 −1 1
1
S = 0 1 0  =  0 2 0
2
1 1 1 −1 −1 1
e
   
1 −1 1 1 −2 0 1 0 −1
1
Af,B,B = 0 2 0 1 0 1 0 1 0 
2
−1 −1 1 0 1 1 1 1 1
    
0 −1 0 1 0 −1 0 −1 0
1 1
= 2 0 2 0 1 0  =  4 2 0
2 2
−2 3 0 1 1 1 −2 3 2

(c) Não. Sendo A a primeira matriz e B a segunda, se representassem a mesma trans-

formação linear em bases distintas terı́amos SAS −1 = B para alguma matriz in-
vertı́vel S. Mas A, e portanto SAS −1 é uma matriz invertı́vel, enquanto que B tem
caracterı́stica 1.

24. Uma transformação linear P : V → V diz-se uma projeção se P 2 = P .

(a) Mostre que (Id −P ) também é uma projeção.

(b) Mostre que P (V ) = N (Id −P ) (e portanto (Id −P )(V ) = N (P )).
(c) Mostre que V = P (V ) ⊕ (Id −P )(V ).
(d) Note que, geometricamente, o efeito de P é projetar no plano dado pela imagem de
P ao longo das direções no núcleo de P . Numa base adequada para V , a expressão
da projeção fica muito simples. Escreva uma expressão para as seguintes projeções
(usando por exemplo o Exercı́cio 23 (a))

23
 (i) A projeção de R2 na reta {(x, y) ∈ R2 : x + 2y = 0} ao longo da direção do
vetor (1, 1),
(ii) A projeção de R3 no plano {(x, y, z) ∈ R3 : x − y + z = 0} ao longo da direção
do vetor (1, 3, −2).
Resposta:
(a) Dado v ∈ V temos
(Id −P )2 (v) = (Id −P ) ◦ (Id −P )(v) = (Id −P )(v − P (v))
= v − P (v) − P (v) + P 2 (v) = v − P (v) − P (v) + P (v)
= v − P (v) = (Id −P )(v)
logo (Id −P )2 = (Id −P ) e portanto Id −P é uma projeção.
(b) Para estabelecer a igualdade P (V ) = N (Id −P ) vamos verificar as duas inclusões.
Dado w = P (v) em P (V ) temos
(Id −P )(w) = (Id −P )(P (v)) = P (v) − P 2 (v) = P (v) − P (v) = 0
logo w ∈ N (Id −P ), o que mostra que P (V ) ⊂ N (Id −P ). Reciprocamente se
v ∈ N (Id −P ) então (Id −P )(v) = 0 ⇔ v − P (v) = 0 ⇔ P (v) = v logo v é a
imagem de si próprio por P . Conclui-se que N (Id −P ) ⊂ P (V ), e portanto que
P (V ) = N (Id −P ).
Uma vez que Id −P também é uma projeção (pela alı́nea (a)), o parágrafo anterior
mostra que (Id −P )(V ) = N (Id −(Id −P )) = N (P ).
(c) Recorde do Exercı́cio 21(d) da ficha sobre espaços vetoriais que temos a mostrar que
V = P (V ) + (Id −P )(V ) e que P (V ) ∩ (Id −P )(V ) = {0}. A primeira afirmação
é imediata uma vez que, dado v ∈ V temos
v = P (v) + (v − P (v)) = P (v) + (Id −P )(v) ∈ P (V ) + (Id −P )(V )
Pela alı́nea (b) resta mostrar que P (V ) ∩ N (P ) = 0. Seja w = P (v) um elemento
de P (V ). Se w pertence a N (P ) então temos P (w) = 0 ⇔ P (P (v)) = 0 ⇔
P (v) = 0 ⇔ w = 0. Logo P (V ) ∩ N (P ) = 0.
(d) Vimos na alı́nea anterior que uma projeção P permite decompor um vetor v ∈ V de
forma única na forma v = u + w com u = P (v) ∈ P (V ) e w = v − P (v) ∈ N (P ),
e, descrevendo v nestes termos, a projeção é dada por P (v) = u.
Geometricamente, a projeção de v é o único elemento do plano P (V ) que pertence
ao plano v + N (P ), pelo que P projeta um vetor de V no plano P (V ) ao longo das
direções contidas no plano N (P ).
Para calcular uma projeção podemos usar uma base adaptada à situação, em que os
vetores da base pertençam todos a N (P ) ou a P (V ). Claro que P tem de enviar os
vetores de N (P ) para 0. Quanto aos vetores de P (V ), têm de ser necessariamente
enviados para si mesmos.

24
 (i) Uma base para a reta (que será a imagem da projeção) é (−2, 1) e a direção
de projeção é uma base para o núcleo de P . Conclui-se que a projeção é
determinada por

P (−2, 1) = (−2, 1), P (1, 1) = (0, 0)

Uma vez que P (1, 0) = 13 (P (1, 1) − P (−2, 1)) = 31 (2, −1) e P (0, 1) =
P (1, 1) − P (1, 0) = 31 (−2, 1) vemos que P (x, y) = 31 (2x − 2y, −x + y).
(ii) Uma base para o plano é dada por (1, 1, 0) e (0, 1, 1) já que estes são dois
vetores não colineares que pertencem ao plano. A projeção P é portanto
determinada por

P (1, 1, 0) = (1, 1, 0), P (0, 1, 1) = (0, 1, 1), P (1, 3, −2) = (0, 0, 0)

Na base B = ((1, 1, 0), (0, 1, 1), (1, 3, −2)) a representação matricial de P é

dada por  
1 0 0
AP,B,B = 0 1  0
0 0 0
Na base canónica, de acordo com o exercı́cio 23 (a), a projeção é dada por
   −1
1 0 1 1 0 0 1 0 1
AP,Bcan ,Bcan = 1 1 3  0 1 0 1 1 3
0 1 −2 0 0 0 0 1 −2
    
1 0 1 1 0 0 5 −1 1
1
= 1 1 3  0 1 0 −2 2 2
4
0 1 −2 0 0 0 −1 1 −1
  
1 0 1 5 −1 1
1
= 1 1 3   −2 2 2
4
0 1 −2 0 0 0
 
5 −1 1
1
= 3 1 3
4
−2 2 2

logo P (x, y, z) = 14 (5x − y + z, 3x + y + 3z, −2x + 2y + 2z).

25. Sejam A uma matriz m × n e B uma matriz n × k. Mostre que

car(AB) ≤ min(car(A), car(B))

Consegue dar uma fórmula para a caracterı́stica do produto? Sugestão: Considere as

transformações lineares determinadas pelas matrizes e recorde que a caracterı́stica de
uma matriz é a dimensão da imagem da transformação associada.

25
 Resolução: Consideremos as transformações lineares T : Rn → Rm e S : Rk → Rn
representadas nas bases canónicas relevantes respetivamente pelas matrizes A e B. Então
AB representa a transformação T ◦ S e portanto car(AB) = dim(T ◦ S)(Rk )
Uma vez que (T ◦ S)(Rk ) ⊂ T (Rn ) temos dim(T ◦ S)(Rk ) ≤ dim T (Rn ) = car(A).
Pelo Teorema da caracterı́stica nulidade aplicada à restrição de T a S(Rk ) temos dim(T ◦
S)(Rk )+dim N (T|S(Rk ) ) = dim S(Rk ) pelo que dim(T ◦S)(Rk ) ≤ dim S(Rk ) = car(B).
Conclui-se que car(AB) ≤ min(car(A), car(B))
Podemos obter uma fórmula para a caracterı́stica do produto aplicando o Teorema da
caracterı́stica-nulidade à restrição de T ao subespaço S(Rk ) como no parágrafo acima:

car(AB) = dim(T ◦ S)(Rk ) = dim S(Rk ) − dim N (T|S(Rk ) )

= car(B) − dim(N (T ) ∩ S(Rk ))
= car(B) − dim(N (A) ∩ EC(B))

26. Recorde do Exercı́cio 20 da ficha sobre espaços vetoriais que um espaço vetorial com-
plexo tem uma estrutura natural de espaço vetorial real. Sejam V, W espaços vetoriais
complexos. Uma transformação linear T : V → W de espaços vetoriais complexos é clara-
mente também uma transformação linear entre V e W quando estes são considerados
como espaços vetoriais reais.

(a) Mostre que se T : C → C é a transformação linear definida por T (z) = (a + bi)z

então a matriz que representa
 T com respeito à base (1, i) para C como espaço
a −b
vetorial real é .
b a
(b) Mais geralmente mostre que se B1 = (v1 , . . . , vn ) e B2 = (w1 , . . . , wm ) são bases
para os espaços vetoriais complexos V e W respetivamente, B10 = (v1 , iv1 , . . . , vn , ivn ),
B20 = (w1 , iw1 , . . . , wm , iwm ) são as bases associadas para V e W enquanto espaços
vetoriais reais e A = AT,B1 ,B2 ∈ Mn×m (C) tem entrada jk dada por ajk = xjk +iyjk
(com xjk e yjk as partes real e imaginária de ajk ) então a matriz AT,B10 ,B20 ∈
M2m×2n (R) toma a forma

A11 A12 · · · A1n

 
...
A A2n 
 
AT,B10 ,B20 =  .21 .. 
 .. . 
Am1 Am2 · · · Amn
 
xjk −yjk
onde cada Ajk é o bloco 2 × 2 dado por Ajk = .
yjk xjk
Resolução:

26
 (a) Temos T (1) = a + bi e T (i) = (a + bi)i = −b + ai logo
 
a −b
AT,(1,i),(1,i) =
b a

(b) Temos
m
X m
X m
X
T (vk ) = ajk wk = (xjk + iyjk )wj = xjk wj + yjk (iwj )
j=1 j=1 j=1

m
X m
X m
X m
X
T (ivk ) = iajk wk = i(xjk +iyjk )wj = (−yjk +ixjk )wj = −yjk wj +xjk (iwj )
j=1 j=1 j=1 j=1

Isto signfica que as colunas 2k−1 e 2k da matrix A (que são dadas pelas coordenadas
de T (vk ) e T (ivk ) na base B20 ) são dadas por
 
x1k −y1k
 y1k x1k 
 
 .. .. 
 . . 
 
xmk −ymk 
ymk xmk

conforme pretendido.

∗ 27. Sejam V, W espaços vetoriais e f : V → W uma transformação linear. O gráfico de uma

transformação linear é o subconjunto do espaço vetorial V × W (cujas operações são
definidas componente a componente) definido por

G(f ) = {(v, f (v)) : v ∈ V } ⊂ V × W

(a) Verifique que G(f ) é um subespaço vetorial de V × W .

(b) Seja U um espaço vetorial de dimensão finita e V ⊂ U um subespaço vetorial com
dim V < dim U . Mostre que se W é um subespaço vetorial de U com dim W +
dim V = dim U e W ∩ V = 0, então a função φ : V × W → U definida por
(v, w) 7→ v + w é um isomorfismo de espaços vetoriais.
(c) Nas condições da alı́nea anterior, seja Z ⊂ U um espaço vetorial de U com dim Z =
dim V . Mostre que φ−1 (Z) é o gráfico de uma transformação linear f : V → W se
e só se Z ∩ W = {0}.

Resolução:

(a) G(f ) 6= ∅ uma vez que (0, 0) = (0, f (0)) ∈ G(f ). Dados (v1 , f (v1 )), (v2 , f (v2 )) ∈
G(f ) temos

(v1 , f (v1 )) + (v2 , f (v2 )) = (v1 + v2 , f (v1 ) + f (v2 )) = (v1 + v2 , f (v1 + v2 )) ∈ G(f )

27
 e, para um escalar α,
α(v, f (v)) = (αv, αf (v)) = (αv, f (αv)) ∈ G(f )
Logo G(f ) é não vazio, fechado para a soma e produto por escalar, e portanto um
subespaço vetorial de V × W .
(b) φ é uma transformação linear uma vez que
φ((v1 , w1 ) + (v2 , w2 )) = φ(v1 + v2 , w1 + w2 ) = (v1 + v2 ) + (w1 + w2 )
= (v1 + w1 ) + (v2 + w2 ) = φ(v1 , w1 ) + φ(v2 , w2 )
e
φ(α(v1 , w1 )) = φ(αv1 , αw1 ) = αv1 + αw1 = α(v1 + w1 ) = αφ(v1 , w1 )
Uma vez que dim(W +V ) = dim(W )+dim(V )−dim(W ∩V ) temos que dim(W +
V ) = dim(U ) e portanto o subespaço W + V ⊂ U é na realidade igual a U .
Isto mostra que a transformação linear φ é sobrejetiva. Se φ(v, w) = 0 temos
v + w = 0 ⇔ v = −w. Portanto v ∈ V ∩ W = {0}, o mesmo sucedendo com
w. Conclui-se que N (φ) = {(0, 0)} logo φ é injetiva, e portanto um isomorfismo.
Alternativamente, podemos concluir que φ é um isomorfismo pelo facto de φ ser
sobrejetiva e os conjuntos de partida e chegada terem a mesma dimensão.
(c) Suponhamos primeiro que φ−1 (Z) é o gráfico de f : V → W . Então
Z ∩ W = φ(φ−1 (Z ∩ W )) = φ(φ−1 (Z) ∩ φ−1 (W ))
(uma vez que φ−1 é uma bijeção e portanto preserva intersecções). Uma vez que
φ−1 (W ) = {0} × W e G(f ) ∩ ({0} × W ) = {0} × {0} vemos que
Z ∩ W = φ({0} × {0}) = {0}.

Reciprocamente, suponhamos que Z ∩ W = {0}. Então φ−1 (Z) ∩ ({0} × W ) =

{(0, 0)}. Seja p : φ−1 (Z) → V a restrição a φ−1 (Z) da projeção π1 : V × W → V
definida por π(v, w) = v. Então
N (p) = {(v, w) ∈ φ−1 (Z) : v = 0} = φ−1 (Z) ∩ ({0} × W ) = {(0, 0)}
Isto mostra que p é injetiva. Uma vez que dim φ−1 (Z) = dim Z = dim V con-
cluimos que p é um isomorfismo. Como p é sobrejetiva, para cada v ∈ V existe
w ∈ W com (v, w) ∈ φ−1 (Z); como p é também injetiva este elemento é único.
Isto significa que
f (v) = único w ∈ W tal que (v, w) ∈ φ−1 (Z)
é uma função de V para W e que φ−1 (Z) é o gráfico de f . Resta ver que f é
linear. Sendo q : φ−1 (Z) → W a restrição a φ−1 (Z) da projeção π2 : V × W → W
(definida por π2 (v, w) = w), temos f = q ◦ p−1 logo f , sendo a composição de
duas transformações lineares, é uma transformação linear.

28
28. Escreva cada subespaço de V ⊂ Rn indicado como o gráfico de uma transformação
linear f : Rp → Rq para os subespaços Rp , Rq ⊂ Rn indicados. Ou seja, determine uma
transformação linear f : Rp → Rq tal que V = {(x, f (x)) ∈ Rn : x ∈ Rp } onde estamos
a escrever um vetor de Rn na forma (x, y) com x ∈ Rp e y ∈ Rq .
(a) V = {(x, y, z) ∈ R3 : x + 2y + 3z = 0} como gráfico de uma função de R2 =
{(x, y, 0)} para R = {(0, 0, z)} e de R2 = {(x, 0, z)} para R = {(0, y, 0)}.
(b) V = {(x, y, z, w) ∈ R4 : x − y + z + w = 0, 2x + z − w = 0} como gráfico de uma
função de R2 = {(x, y, 0, 0)} para R2 = {(0, 0, z, w)} e de R2 = {(0, 0, z, w)} para
R2 = {(x, y, 0, 0)}.
(c) V = {(x, y, z, u, v) ∈ R5 : x + y + v = 0, y − 3u + v = 0, z − u + v = 0} como
gráfico de uma função de R2 = {(0, 0, 0, u, v)} para R3 = {(x, y, z, 0, 0)}.
Resolução:
(a) Temos x + 2y + 3z = 0 ⇔ z = − 31 (x + 2y) logo
V = {(x, y, − 13 (x + 2y)) : (x, y) ∈ R2 } = G(f )
quando f : R2 → R é definida por f (x, y) = − 13 (x + 2y).
Analogamente, x + 2y + 3z = 0 ⇔ y = − 21 (x + 3z) logo
V = {(x, − 12 (x + 3z), z) : (x, z) ∈ R2 } = G(g)
para g : R2 → R definida por g(x, z) = − 21 (x + 3z).
(b) Temos
( ( (
x−y+z+w =0 z+w =y−x 2z = −3x + y
⇔ ⇔
2x + z − w = 0 z − w = −2x w = z + 2x = 21 x + 12 y

logo V é o gráfico da função (z, w) = f (x, y) = 12 (−3x + y, x + y).

Analogamente,
( ( (
x−y+z+w =0 x − y = −z − w y = x + z + w = 21 (z + 3w)
⇔ ⇔
2x + z − w = 0 x = 21 (−z + w) x = 12 (−z + w)

logo V é o gráfico da função (x, y) = g(z, w) = 21 (−z + w, z + 3w).

(c) Temos
 
x + y + v = 0
 x = −y − v = −3u + v − v = −3u

y − 3u + v = 0 ⇔ y = 3u − v
 
z−u+v =0 z =u−v
 

Portanto
V = {(−3u, 3u − v, u − v, u, v) : u, v ∈ R} = G(f )
para f : R → R3 definida por (x, y, z) = f (u, v) = (−3u, 3u − v, u − v).
2

29
∗ 29. Fatorização canónica de uma transformação linear.

(a) Mostre que toda a transformação linear T : V → W se fatoriza como uma com-
posição T = i ◦ p com p : V → U sobrejetiva i : U → W injetiva. Sugestão: Pode
tomar para U um espaço quociente apropriado de V .
(b) Seja T : V → W uma transformação linear e Z ⊂ V um subespaço vetorial tal
que Z ⊂ N (T ). Mostre que existe uma única transformação linear T : V /Z → W
tal que T = T ◦ π, onde π : V → V /Z denota a aplicação canónica definida por
π(v) = v + Z.
(c) Mostre que a fatorização da alı́nea (a) é única a menos de isomorfismo canónico no
seguinte sentido: se p0 : V → U 0 é sobrejetiva, i0 : U 0 → W é injetiva e T = i0 ◦ p0
então existe um único isomorfismo φ : U → U 0 tal que i0 ◦ φ = i e φ ◦ p = p0 .

Resolução:

(a) Podemos simplesmente tomar U = T (V ), p : V → T (V ) a aplicação definida por

p(v) = T (v) e i : T (V ) → W a inclusão do subespaço T (V ) em W . Claramente
i(p(v)) = p(v) = T (v) logo T = i ◦ p e, certamente p é sobrejetiva e i injetiva.
No entanto, para mostrar a unicidade da fatorização é útil pensar nela da seguinte
forma. Uma vez que i é injetiva, temos necessariamente, em qualquer fatorização,
N (p) = N (T ). Há uma aplicação canónica a partir de V que tem este núcleo,
nomeadamente a projecção
p : V → V /N (T )
definida por p(v) = v + N (T ) (ver o Exercı́cio 12 da ficha sobre espaços vetoriais).
Verifiquemos que p é uma transformação linear: dados v1 , v2 ∈ V e α ∈ K temos

p(v1 + v2 ) = v1 + v2 + N (T ) = (v1 + N (T )) + (v2 + N (T )) = p(v1 ) + p(v2 )

p(αv) = (αv) + N (T ) = α(v + N (T )) = αp(v)

Claramente p é sobrejetiva e v ∈ N (p) ⇔ p(v) = 0 + N (T ) ⇔ v + N (T ) =
0 + N (T ) ⇔ v ∈ N (T ). Seja i : V /N (T ) → W a aplicação definida por

i(v + N (T )) = T (v)

Vejamos que i está bem definida: se v + N (T ) = v 0 + N (T ) então v − v 0 ∈ N (T )

e portanto T (v) = T (v − v 0 + v 0 ) = T (v − v 0 ) + T (v 0 ) = 0 + T (v 0 ) = T (v 0 ). É
imediato verificar que i é uma transformação linear e claramente

i(π(v)) = i(v + N (T )) = T (v)

pelo que i ◦ π = T . Resta ver que i é injetiva: i(v + N (T )) = T (v) = 0 ⇔ v ∈

N (T ) ⇔ v + N (T ) = 0 + N (T ), logo N (i) = {0 + N (T )} e portanto i é injetiva.

30
 (b) Uma vez que a aplicação π é sobrejetiva, se T existir, ela é única e dada pela fórmula

T (v + Z) = T (π(v)) = T (v)

A fórmula acima define de facto uma função T : V /Z → W : se v + Z = v 0 + Z

então v − v 0 ∈ Z, portanto T (v 0 + Z) = T (v 0 ) = T (v 0 ) + 0 = T (v 0 ) + T (v − v 0 ) =
T (v 0 +(v−v 0 )) = T (v) = T (v+Z). É imediato verificar que T é uma transformação
linear e, por definição, T = T ◦ π.
(c) Uma vez que p(v) = 0 ⇔ i(p(v)) = 0 (pois i é injectiva) e i ◦ p = i0 ◦ p0 , temos

p(v) = 0 ⇔ i0 (p0 (v)) = 0 ⇔ p0 (v) = 0

onde, na última equivalência usámos que i0 é injetiva. Conclui-se que N (p) = N (p0 ).
Pela alı́nea (b) existe uma única transformação linear φ : U = V /N (p) → U 0 tal que
φ ◦ p = p0 , que é definida por φ(v + N (p)) = p0 (v). A aplicação φ é necessariamente
sobrejetiva porque p0 é sobrejetiva. Uma vez que N (p0 ) = N (p)

φ(v + N (p)) = 0 ⇔ p0 (v) = 0 ⇔ p(v) = 0 ⇔ v ∈ N (p) ⇔ v + N (p) = 0 + N (p)

logo φ é injetiva e portanto um isomorfismo.

Finalmente uma vez que p é sobrejetiva, para verificar que i0 ◦ φ = i basta ver que
i0 ◦ φ ◦ p = i ◦ p, o que é verdade porque i0 ◦ φ ◦ p = i0 ◦ p0 = i ◦ p.

∗ 30. Significado geométrico dos pivots.

(a) Seja A ∈ Mm×n (R) e considere as projeções πj : Rn → Rj nas primeiras j coorde-

nadas. Mostre que a função L : {1, . . . , n} → N0 definida por

L(j) = dim(πj (EL(A))

é crescente (isto é j ≤ k ⇒ L(j) ≤ L(k)) sendo L(n) = car(A).

(b) Mostre que A tem um pivot na coluna i se e só se L(i) = L(i − 1) + 1 (convencio-
nando que L(0) = 0).
(c) Mostre que A tem pivots exatamente nas colunas i1 < . . . < ik se e só se a projeção
nas coordenadas i1 , . . . , ik
πi1 ,...,ik : Rn → Rk
se restringe a um isomorfismo entre EL(A) e Rk (ou seja, se e só se EL(A) é o
gráfico de uma transformação linear de Rk para Rn−k , com Rk correspondendo às
variáveis i1 , . . . , ik de Rn , e Rn−k às restantes) e cada um dos ı́ndices ij toma o
mais pequeno valor possı́vel que torna esta afirmação verdadeira.
(d) Descreva concretamente as várias possı́bilidades para os planos contidos em R2 , R3
e R4 .

Resolução:

31
(a) Seja j ≤ k e q : Rk → Rj a projeção nas primeiras j coordenadas. Então πj =
q ◦ πk logo πj (EL(A)) = q(πk (EL(A))) e portanto, pelo Teorema da caracterı́stica
nulidade aplicado a q|πk (EL(A)) temos

L(j) = dim πj (EL(A)) = dim q(πk (EL(A)))

= dim πk (EL(A)) − dim N (q|πk (EL(A)) ) = L(k) − dim N (q|πk (EL(A)) )

Conclui-se que L(j) ≤ L(k).

(b) O espaço das linhas é invariante mediante operações elementares pelo que basta
verificar a afirmação para matrizes A em escada de linhas, onde ela é imediata: Seja
Ai a matriz que se obtém da matriz em escada de linhas A considerando apenas as
primeiras i colunas. Então dim πi (EL(A)) = car(Ai ). A matriz em escada de linhas
A tem um pivot na coluna i se e só se car(Ai ) = car(Ai−1 )+1 ⇔ L(i) = L(i−1)+1.
Ou seja, os pivots estão nas colunas em que a dimensão da projeção nos eixos
aumenta e o j-ésimo pivot ocorre na primeira coluna i tal que L(i) = j.
(c) Se os pivots estão nas colunas i1 , . . . , ik então usando para base de EL(A) as
linhas não nulas da matriz em escada de linhas obtida no final do método de Gauss
e para base de Rk a base canónica, a matriz que representa πi1 ,...,ik : EL(A) → Rk
é triangular inferior com entradas não nulas (os pivots!) na diagonal (é a matriz
quadrada que se obtém de A descartando todas as linhas não nulas e todas as
colunas que não contenham pivot e depois transpondo). Logo a restrição de πi1 ,...,ik
é um isomorfismo.
Isto significa que EL(A) é o gráfico de uma função das coordenadas i1 , . . . , ik para
as restantes pelo Exercı́cio 27(c), pois a intersecção de EL(A) com o núcleo de
πi1 ,...,ik (que é o plano formado pelas restantes coordenadas) é {0}.
Se j1 , . . . , jk é um qualquer conjunto de coordenadas tal que πj1 ,...,jk : EL(A) → Rk
é um isomorfismo (note-se que têm que ser k coordenadas uma vez que dim EL(A) =
k), vamos ver que j1 ≥ i1 , . . . , jk ≥ ik . Seja m ∈ {1, . . . , k} e considere-se o dia-
grama comutativo:
EL(A)
πjm
πj1 ,...,jk

πj1 ,...,jm
Rk Rjm
πm
πj1 ,...,jm
m
R
Uma vez que πj1 ,...,jk é um isomorfismo e πm é sobrejetiva, a composta πj1 ,...,jm
é sobrejetiva, logo a imagem de πjm : EL(A) → Rjm tem dimensão ≥ m. Isto
significa, na notação da alı́nea (a), que L(jm ) ≥ m. Pela alı́nea (b), im é o mais
pequeno ı́ndice no qual L atinge o valor m, portanto jm ≥ im .
Isto conclui a demonstração.

32
 (d) Vamos descartar os casos triviais de planos EL(A) com dimensão 0 ou iguais a todo
o espaço.
i. Seja A uma matriz com 2 colunas e com caracterı́stica 1. A tem o pivot na
primeira coluna se e só se a projeção no eixo dos xx de EL(A) é não trivial.
Nesse caso EL(A) é o gráfico de uma função y = ax para algum a ∈ R. Se A
tem o pivot na segunda coluna então EL(A) é a reta vertical.
ii. Seja A uma matriz com 3 colunas e com caracterı́stica 1. A tem o pivot na
primeira coluna se a reta EL(A) é um gráfico sobre o eixo dos xx, isto é pode
ser descrita por equações da forma y = ax, z = bx com a, b ∈ R. Tem o pivot
na segunda coluna se está contida no plano x = 0 (isto é no plano yz) e é dada
por z = ay para algum a ∈ R. Finalmente A tem o pivot na última coluna se
EL(A) coincide com o eixo dos zz.
Suponhamos agora que A tem caracterı́stica 2, então se os pivots estão nas
primeira e segunda coluna, o plano EL(A) é um gráfico sobre o plano xy, da
forma z = ax + by. Se os pivots estão na primeira e terceira coluna então a
projecção sobre o plano xy é uma reta, ou seja, o plano contém o eixo dos zz
mas não coincide com o plano yz (pois a projeção no eixo dos xx é sobrejetiva).
Finalmente, se os pivots estão nas segunda e terceira colunas EL(A) é o plano
yz.
iii. Seja A uma matrix com 4 colunas. Se car(A) = 1 e A tem um pivot na primeira
coluna, é um gráfico sobre o eixo dos xx. Se o pivot está na segunda coluna
EL(A) está contido no plano yzw e é um gráfico sobre o eixo dos yy, etc.
Os restantes casos são análogos (lamento mas acabou-se me a paciência...).
Indiquemos apenas um par de exemplos. Se os pivots estão nas colunas 2 e 4
isso significa que EL(A) está contido no plano yzw e que se projeta numa reta
no plano yz, ou seja, contém o eixo dos w.
Se os pivots estão nas colunas 1, 2 e 4, o plano EL(A) (de dimensão 3) projeta-
se num plano de dimensão 2 da forma z = ax + by no plano xyz e contém o
eixo dos ww.

∗ 31. Sejam V, W, U espaços vetoriais e f : V → W uma transformação linear.

(a) Mostre que a aplicação f ∗ : L(W, U ) → L(V, U ) definida por f ∗ (T ) = T ◦ f é uma

transformação linear.
(b) Recorde que o dual de um espaço vetorial V é V ∗ = L(V, K). Verifique que se
B = (v1 , . . . , vn ) é uma base para V e definirmos φ1 , . . . , φn ∈ V ∗ por
(
1 se i = j
φj (vi ) =
0 se i 6= j

então B ∗ = (φ1 , . . . , φn ) é uma base para V ∗ que se chama a base dual de B. Note
que φi (v) é a i-ésima coordenada de v na base B.

33
 (c) O dual pode ser visto como o espaço das funções coordenadas em V juntamente com
a função nula: mostre que se V é finitamente gerado e φ ∈ V ∗ \ {0} então existe
uma base ordenada B = (v1 , . . . , vn ) de V tal que φ(v) é a primeira coordenada de
v na base B.
(d) Sendo B1 e B2 bases ordenadas para V e W e A a matriz que representa f com
respeito a estas bases, mostre que a matriz que representa f ∗ com respeito às bases
duais é AT .
(e) Mostre que a aplicação Φ : V → (V ∗ )∗ definida por

(Φ(v))(ψ) = ψ(v)

é uma transformação linear injetiva, que é um isomorfismo se V é finitamente gerado.

(f) Seja V o espaço vetorial de todos os polinómios reais. Mostre que a transformação
linear da alı́nea anterior não é sobrejetiva neste caso.

Resolução:

(a) A função f ∗ está bem definida porque a composição de duas transformações lineares
é uma transformação linear. Dadas T1 , T2 ∈ L(W, U ) e escalares α, β temos para
todo o v ∈ V

f ∗ (αT1 + βT2 )(v) = (αT1 + βT2 ) ◦ f (v)

= (αT1 + βT2 )(f (v)) = αT1 (f (v)) + βT2 (f (v))
= αf ∗ (T1 )(v) + βf ∗ (T2 )(v)

logo f ∗ (αT1 + βT2 ) = αf ∗ (T1 ) + βf ∗ (T2 ). Conclui-se que f ∗ é uma transformação

linear.
(b) Seja f um elemento de V ∗ então as transformações lineares f e ni=1 f (vi )φi tomam
P
os mesmos valores na base B e portanto coincidem. Isto mostra que B ∗ gera V ∗ .
Vale a pena registar esta fórmula:
n
X
f= f (vi )φi (1)
i=1

Se ni=1 αi φi = 0 então avaliando esta expressão em vj obtemos αj = 0 , logo B ∗

P
é linearmente independente e portanto uma base para V ∗ .
Uma vez que φi ( nj=1 αj vj ) = αi , φi é a i-ésima função coordenada com respeito
P
à base B.
(c) Suponhamos que dim(V ) = n. Seja W = N (φ). Uma vez que φ não é o ele-
mento identicamente nulo, φ : V → K é sobrejetivo e portanto, pelo Teorema da
caracterı́stica-nulidade dim(W ) = n − 1. Seja {v2 , . . . , vn } uma base para W e
v1 ∈ V um vetor tal que φ(v1 ) = 1 (que existe porque φ é não nulo e linear). Então

34
 v1 6∈ W = L({v2 , . . . , vn }) logo B = {v1 , v2 , . . . , vn } é linearmente independente e
portanto uma base para V . Uma vez que φ(v1 ) = 1 e φ(vi ) = 0 para i ≥ 2, φ é
o primeiro elemento da base dual de B e portanto é a primeira função coordenada
com respeito à base B.
(d) Seja B1 = (v1 , . . . , vn ), B2 = (w1 , . . . , wm ), B1∗ = (φ1 , . . . , φn ) e B2∗ = (ψ1 , . . . , ψm ).
Seja A = Af,B1 ,B2 de forma que
m
X
f (vj ) = aij wi
i=1

(a coluna j de A contém as coordenadas de f (vj ) na base B2 ). Para calcular f ∗ (ψi )

podemos usar a expressão (1). Por definição de f ∗ temos

Xm
∗
f (ψi )(vj ) = ψi (f (vj )) = ψi ( akj wk ) = aij
k=1

logo, por (1),

n
X n
X
∗ ∗
f (ψi ) = (f (ψi )(vj ))φj = aij φj
j=1 j=1

Isto mostra que Af ∗ ,B2∗ ,B1∗ = AT conforme pretendido.

(e) Para ver que Φ é uma transformação linear, sejam v1 , v2 ∈ V e α, β ∈ K. Então
para todo o ψ ∈ V ∗ temos

Φ(αv1 + βv2 )(ψ) = ψ(αv1 + βv2 )

= αψ(v1 ) + βψ(v2 )
= αΦ(v1 )(ψ) + βΦ(v2 )(ψ)
= (αΦ(v1 ) + βΦ(v2 ))(ψ)

e portanto Φ(αv1 + βv2 ) = αΦ(v1 ) + βΦ(v2 ) e Φ é linear.

Se Φ(v) = 0 então ψ(v) = 0 para todo o ψ ∈ V ∗ , o que só acontece se v = 0 (de
outra forma, v é o primeiro vetor de uma base2 de B e tomando para ψ o primeiro
elemento do conjunto B ∗ temos ψ(v) = 1). Conclui-se que N (Φ) = 0 logo Φ é
injetiva.
Se V é finitamente gerado, digamos com dimensão n então V ∗ tem também di-
mensão n (uma base para V determina um isomorfismo de V ∗ com M1×n (R)).
Logo (V ∗ )∗ tem também dimensão n e sendo Φ uma transformação linear injetiva
entre espaços da mesma dimensão, é um isomorfismo.
2
Agora que escrevo a solução noto que só provámos isto quando V é finitamente gerado pelo que só este
caso devia ser considerado nesta alı́nea...

35
 (f) Se V é o espaço dos polinómios reais, um elemento de f ∈ V ∗ é dado por uma
sucessão arbitrária de números reais f (tn ) (na realidade V ∗ é isomorfo ao espaço
das sucessões reais com as operações habituais de soma de sucessões e produto
por escalar). O espaço V ∗ não tem uma base contável. De facto o subconjunto de
sucessões {(enα ) : α ∈ R} é um subconjunto linearmente independente não contável
e está contido numa base3 para V ∗ pelo que V ∗ tem uma base B não contável.
Podemos agora definir um conjunto linearmente independente não contável B ∗ em
(V ∗ )∗ pelo que (V ∗ )∗ também não tem uma base contável, e portanto não pode ser
isomorfo a V .

∗ 32. Seja V um espaço vetorial de dimensão finita e W ⊂ V um subespaço vetorial. O

aniquilador de W é o subconjunto do dual V ∗ = L(V, R) definido por

W o = {φ ∈ V ∗ : φ(w) = 0 para todo o w ∈ W }

Note que se encararmos a expressão φ(w) = 0 como uma equação linear para w, o
aniquilador é o espaço vetorial das equações lineares que são satisfeitas por todos os
elementos de W .

(a) Mostre que dim W + dim W o = dim V .

(b) Seja f : U → V uma transformação linear e f ∗ : V ∗ → U ∗ a transformação linear
dual definida por f ∗ (φ) = φ ◦ f . Mostre que o núcleo de f ∗ é N (f ∗ ) = f (U )o .
(c) Use o resultado das alı́neas anteriores e a relação entre as dimensões do núcleo e da
imagem de f ∗ para concluir que

dim f (U ) = dim f ∗ (V ∗ )

Se f é representada por uma matriz A, no exercı́cio 31(d) viu que f ∗ é representada

por AT . Assim a equação anterior mostra que as dimensões do espaço das linhas e
das colunas de uma matriz A coincidem. Note que este argumento é completamente
independente da discussão dos sistemas lineares no inı́cio do semestre.
(d) Recorde do exercı́cio 31 (e) que há um isomorfismo canónico ψ : V → (V ∗ )∗ definido
por (ψ(v))(φ) = φ(v). Mostre que sendo W ⊂ V um subespaço se tem ψ(W ) =
(W o )o .
(e) Supondo que U é também de dimensão finita mostre que mediante a identificação
de U e V com (U ∗ )∗ e (V ∗ )∗ se tem, para uma transformação linear f : U → V
que (f ∗ )∗ = f . Formalmente isto significa que sendo ψU e ψV os isomorfismos
canónicos da alı́nea (d), temos ψV ◦ f = (f ∗ )∗ ◦ ψU

Resolução:
3
Novamente, não demonstrámos isto no caso não finitamente gerado

36
(a) Seja B = (v1 , . . . , vk , vk+1 , . . . , vn ) uma base para V tal que (v1 , . . . , vk ) é uma
base para W . Seja B ∗ = (φ1 , . . . , φn ) a base dual. Um elemento ψ ∈ V ∗ pertence
ao aniquilador de W se e só se ψ(v1 ) = · · · = ψ(vk ) = 0. Isto é equivalente a
dizer que as primeiras k coordenadas de ψ na base dual são nulas (cf. (1)). Logo
W o = L({φk+1 , . . . , φn }) tem dimensão n − k e portanto dim W + dim W o =
k + (n − k) = n.
(b) Temos

φ ∈ N (f ∗ ) ⇔ f ∗ (φ) = 0
⇔ f ∗ (φ)(u) = 0 para todo o u ∈ U
⇔ φ(f (u)) = 0 para todo o u ∈ U
⇔ φ ∈ f (U )o

(c) Temos

dim f ∗ (V ∗ ) = dim V ∗ − dim N (f ∗ ) pelo Teorema da caracterı́stica-nulidade aplicado a f ∗

= dim V − dim f (U )o pela alı́nea (b)
= dim V − (dim V − dim f (U )) pela alı́nea (a)
= dim f (U )

(d) Vejamos primeiro que ψ(W ) ⊂ (W o )o : dado w ∈ W temos que ver que ψ(w)
aniquila o subespaço W o de V ∗ . Seja φ ∈ W o . Então

(ψ(w))(φ) = φ(w) = 0

(pois w ∈ W e φ ∈ W o ) conforme pretendido.

Note-se agora que, pela alı́nea (a), os espaços W e (W o )o têm a mesma dimensão:
dim W o = dim V − dim W e portanto dim(W o )o = dim V ∗ − dim W o = dim V ∗ −
dim V + dim W = dim W . Uma vez que a restrição

ψ|W : W → (W o )o

é uma transformação injetiva (é a restrição de um isomorfismo) entre espaços da

mesma dimensão, conclui-se que ψ|W é um isomorfismo, logo ψ|W é sobrejetivo, o
que significa que ψ(W ) = (W o )o .
(e) Para verificar que ψV ◦ f = (f ∗ )∗ ◦ ψU temos a verificar que para cada u ∈ U os
elementos ψV (f (u)) e (f ∗ )∗ (ψU (u)) de (V ∗ )∗ coincidem: seja φ um elemento de
V ∗ , então
(ψV (f (u)))(φ) = φ(f (u))
((f ∗ )∗ (ψU (u)))(φ) = (ψU (u))(f ∗ (φ)) = f ∗ (φ)(u) = φ(f (u))
conforme pretendido.

37
33. Usando apenas uma vez o método de Gauss, calcule de forma eficiente bases para os
espaços das linhas e colunas da matriz
 
1 −3 1 4 0
 −2 6 0 3 −1 
1 −3 −1 0 4

Resolução: Aplicando o método de Gauss obtemos

     
1 −3 1 4 0 1 −3 1 4 0 1 −3 1 4 0
−2 6 0 3 −1 → 0 0 2 11 −1 → 0 0 2 11 −1
1 −3 −1 0 4 0 0 −2 −4 4 0 0 0 7 3

Uma base para o espaço das linhas é {(1, −3, 1, 4, 0), (0, 0, 2, 11, −1), (0, 0, 0, 7, 3)} (as
três linhas da matriz inicial ou de qualquer das matrizes intermédias também são bases
uma vez que são conjuntos linearmente independentes com 3 elementos distintos num
espaço de dimensão 3).
Uma base para o espaço das colunas é dada pelas colunas da matriz inicial correspondentes
às colunas com pivot na matriz final: {(1, −2, 1), (1, 0, −1), (4, 3, 0)}.

34. Seja V = {f ∈ F (R, R) : f é diferenciável} e T : V → F (R, R) a transformação linear

definida por T f = f 0 .

(a) Determine o conjunto dos f ∈ V tais que T f = λf para algum λ ∈
R. Sugestão:

Para mostrar que encontrou todas as soluções calcule dtd e−λt f (t) para f uma
solução.
(b) Determine a solução geral da equação diferencial f 0 − f = t + t2 .

Resolução:

(a) Se f é uma solução de f 0 = λf então

d −λt
e f (t) = −λe−λt f (t) + e−λt f 0 (t) = −λe−λt f (t) + e−λt λf (t) = 0


dt
Logo existe uma constante c ∈ R tal que e−λt f (t) = c ⇔ f (t) = ce−λt . Por outro
lado é imediato verificar que as funções desta forma satisfazem f 0 = λf logo

T f = λf ⇔ f ∈ L({eλt })

(b) Esta equação diferencial é um exemplo de uma equação linear uma vez que é da
forma S(x) = b com S uma transformação linear. Neste caso, a transformação linear
S tem como domı́nio o subespaço de F (R, R) formado pelas funções diferenciáveis
e toma valores em F (R, R), sendo definida pela expressão S(f ) = f 0 − f e o termo
independente é a função b(t) = t + t2 .

38
 Tentamos então encontrar uma solução particular e é natural procurar uma que seja
um polinómio. Claramente termos de grau > 2 não irão ajudar (pois contribuirão
do lado esquerdo do sinal de igual com termos de grau > 2). Substituindo f (t) =
a + bt + ct2 na equação obtemos

b + 2ct − a − bt − ct2 = t + t2 ⇔ b − a + (2c − b)t − ct2 = t + t2

e portanto c = −1, b = −3, a = −3. Logo −3 − 3t − t2 é uma solução da equação.

Pela alı́nea (a), a solução geral da equação homogénea f 0 − f = 0 é f (t) = cet
com c ∈ R. Logo, pelo princı́pio da sobreposição, a solução geral é

f (t) = −3 − 3t − t2 + cet , c ∈ R

35. Para cada uma das transformações lineares do exercı́cio 16(a) e (c) determine as soluções
das duas equações lineares f (v) = (1, 0, −2) e f (v) = (1, 1, 4).
Resolução: 16(a): Uma solução particular da equação f (v) = (1, 0, −2) é por exemplo
(1, 0). Vimos nesse exercı́cio que o núcleo de f é L({(−2, 1)}) logo pelo princı́pio da
sobreposição o conjunto das soluções desta equação é {(1, 0) + α(−2, 1) : α ∈ R}.
A equação f (v) = (1, 1, 4) não tem solução uma vez que (1, 1, 4) não pertence à imagem
de f .
16(c): A equação f (v) = (1, 0, −2) não tem solução uma vez que a imagem de f é
gerada por (1, 0, 2) e (0, 1, 2) e o sistema

α(1, 0, 2) + β(0, 1, 2) = (1, 0, −2)

não tem solução (das duas primeiras coordenadas obtemos α = 1, β = 0 e a equação

para a terceira coordenada fica impossı́vel).
Uma solução particular de f (v) = (1, 1, 4) é por exemplo (1, 1, 0). Uma vez que o
núcleo de f é L({(1, −1, −1)}) conclui-se que o conjunto das soluções é {(1, 1, 0) +
α(1, −1, −1)}.

36. Seja V o espaço vetorial dos polinómios de grau ≤ 3 e considere a transformação linear
T : V → M3×2 (R) definida por
       
1 1 0 2 1 1 2 0
T (1+t) =  0 1  , T (2+t2 ) =  2 1  , T (t−t3 ) =  2 0  , T (2+t) =  0 0 
−1 0 −1 0 0 1 0 1

Determine o conjunto das soluções das seguintes equações lineares.

   
2 −1 1 −1
(a) T (x) = 0 (b) T (x) =  5 3  (c) T (x) =  −2 0 
−1 0 0 0

39
Resolução: Considerando a base B1 = (1 + t, 2 + t2 , t − t3 , 2 + t) para V e a base
canónica B2 para as matrizes, a matriz que representa T com respeito a estas bases é
 
1 0 1 2
1 2 1 0
 
0 2 2 0
AT,B1 ,B2 = 
1

 1 0 0

−1 −1 0 0
0 0 1 1

Podemos calcular o núcleo usando o método de Gauss:

       
1 0 1 2 1 0 1 2 1 0 1 2 1 0 1 2
1
 2 1 0

0 2
 0 −2 

0 2
 0 −2
0
 2 0 −2

0 2 2 0  → 0 2 2 0 → 0 0 2 2 → 0 0 2 2
  
 
1 1 0 0 0 1 −1 −2 0 0 −1 −1 0 0 0 0
       
−1 −1 0 0 0 −1 1 2 0 0 1 1 0 0 0 0
0 0 1 1 0 0 1 1 0 0 1 1 0 0 0 0

Portanto (a, b, c, d) ∈ N (AT,B1 ,B2 ) se c = −d, b = d e a + c = −2d ⇔ a = −d. Ou seja

o núcleo da matriz é o conjunto dos vetores {(−d, d, −d, d) : d ∈ R}. Uma vez que o
núcleo desta matriz é a tradução nas coordenadas da base B1 do núcleo de T vemos que

N (T ) = {−d(1 + t) + d(2 + t2 ) − d(t − t3 ) + d(2 + t) : d ∈ R} = L({3 − t + t2 + t3 })

(a) O conjunto das soluções é o núcleo de T indicado acima.

(b) Esta equação é impossı́vel pois as matrizes na imagem de T têm necessariamente
entradas 22 e 32 simétricas, o que não acontece com o termo independente desta
equação. Alternativamente podemos tentar resolver a equação em coordenadas:
     
1 0 1 2 | 2 1 0 1 2 | 2 1 0 1 2 | 2
1
 2 1 0 | −1 
0 2
 0 −2 | −3 
0 2 0 −2 | −3 
 
0
 2 2 0 | 5 
→
0 2 2 0 | 5 
→
0 0 2 2 | 8 

5 
1
 1 0 0 | 3 
0 1 −1 −2 | 1 
 
0 0 −1 −1 | 2 1 

−1 −1 0 0 | −1 0 −1 1 2 | 1 0 0 1 1 | −2
0 0 1 1 | 0 0 0 1 1 | 0 0 0 1 1 | 0

e dado que as últimas três equações do sistema são claramente incompatı́veis, vemos
novamente que a equação do enunciado não tem solução.
(c) Observamos que o termo independente da equação do enunciado é a diferença
T (1 + t) − T (2 + t2 ) logo uma solução particular desta equação é dada por 1 + t −
(2 + t2 ) = −1 + t − t2 . Pelo princı́pio da sobreposição conclui-se que o conjunto
das soluções é
{−1 + t − t2 + α(3 − t + t2 + t3 ) : α ∈ R}

40
37. Seja V ⊂ F (R, R) o subespaço vetorial formado por todas as funções duas vezes difer-
enciáveis e considere a transformação linear T : V → F (R, R) definida por T (f ) = f 00 −f .
(a) Verifique que ex e e−x pertencem ao núcleo de T . Pode mostrar-se estas duas
funções geram o núcleo de T .
(b) Determine uma solução particular da equação f 00 −f = x2 +x. Sugestão: Determine
um polinómio que satisfaça esta equação.
(c) Determine todas as soluções da equação f 00 − f = x2 + x.
(d) Determine todas as soluções do sistema de equações diferenciais
(
f 00 − f = 0
f 0 + 2e2x f = 4e3x

Resolução:
(a) T (ex ) = (ex )00 − ex = ex − ex = 0 e T (e−x ) = (e−x )00 − e−x = e−x − e−x = 0.
(b) Um polinómio de grau > 2 não pode satisfazer a equação (pois substituindo na
equação terı́amos do lado esquerdo do sinal de igual um polinómio de grau > 2).
Tentamos encontrar uma solução da forma f (x) = a + bx + cx2 . Substituindo na
equação obtemos:
2c − (a + bx + cx2 ) = x2 + x ⇔ −cx2 − bx + (2c − a) = x2 + x
pelo que c = −1, b = −1 e a = 2c = −2. Vemos assim que f (x) = −2 − x − x2 é
uma solução particular da equação.
(c) Tendo em conta as alı́neas (a) e (b), pelo princı́pio da sobreposição o conjunto das
soluções é
{2 − x − x2 + αex + βe−x : α, β ∈ R}
(d) As soluções da primeira equação são f (x) = αex +βe−x com α, β ∈ R. Substituindo
na segunda equação obtemos

0
αex + βe−x + 2e2x αex − βe−x = 4e3x

αex − βe−x + 2αe3x − 2βex = 4e3x

(α − 2β)ex − βe−x + (2α − 4)e3x = 0
Uma vez que as exponenciais são funções linearmente independentes (cf. Exercı́cio
26 da Ficha sobre Espaços Vetoriais) a equação anterior é equivalente ao sistema
 
α − 2β = 0
 α = 2β

−β = 0 ⇔ β=0
 
2α − 4 = 0 α=2
 

Como este sistema é impossı́vel conclui-se que o sistema de equações diferenciais

dado é também impossı́vel.

41