P1   Processo de ortogonalização de Gram‐schmidt: dado o  3.

: → , é   
  subconjunto  finito  , ,   NÃO  ortogonal.  É   Núcleo de     /   e imagem de     
‐ Produto escalar:  possível construir   , , ⊂  ortogonal.    ∈ | 0 
 Sendo  , ,  base ortogonal,    | ∈  
〈 , 〉
 ‖ ‖ 〈 . 〉   .  Sejam    e    espaços  vetoriais,  com    de  dimensão 
  ‖ ‖  
 Usuais:  〈 , 〉 〈 , 〉 finita  e  : →   uma  transformação  linear: 
. . dim dim dim  
   〈 , … , , ,…, 〉 ⋯   ‖ ‖ ‖ ‖

  〈 , 〉 . .    Se  , ,   é  base  ortogonal  de  ,  , ,   é   0 0  

 〈 , 〉 .   base ortonormal, onde:  ‖ ‖
   ( 1,2,3    Transformação  : →  é INJETORA se: 
 Propriedades fundamentais:    é base ortogonal se:     ⟶    
1. . . .   1,  0  
〈 , 〉 ↔    Transformação  : →  é SOBREJETORA se: 
2. . . .   0,
3. . .       tal que    
4. Se  0,  . ‖ ‖ 0  ‐ Projeção ortogonal   Transformação  : →  é BIJETORA se: 
   Se    é  um  espaço  vetorial  com  produto  interno,    é injetora e sobrejetora 
‐ Produto interno  ⊂   é  subespaço  de  dimensão  finita,  então  para   também denominada ISOMORFISMO 
 Propriedades fundamentais:  cada  ⊂ ,  a  melhor  aproximação  de    (vetor  mais   isomorfismo linear:  : →  
1. 〈 , 〉 〈
, 〉 〈 , 〉  próximo de  ) por um vetor de   é a projeção da base    é operador linear (  : → ) 
2. 〈 , 〉 〈 , 〉  ortogonal  , … , ⊂ .   : →  é chamado OPERADOR LINEAR 
3. 〈 , 〉 〈 , 〉  〈 , 〉 〈 , 〉
⋯    Isomorfismo  de  operador  linear  é  chamado 
4. Se  0, 〈 , 〉 0  ‖ ‖ ‖ ‖ AUTOMORFISMO de   
 Propriedade num espaço vetorial E c/ prod. int.   Se    é  um  espaço  vetorial  de  dimensão  finita  com   Se  : → , com dim  finita: 
1. 〈 , 0〉 〈0 , 〉 0  produto interno e   ⊂  um subespaço:   dim dim → NÃO existe sobrejetora 
2. ‖ ‖ 〈 , 〉 0  ↔   0  1. ∈ é   , com  ⊂  e  ⊂    dim dim → NÃO existe injetora 
3. 〈 , 〉 〈 , 〉 〈 , 〉  2. Se  ,…,   é  base  ortogonal  de  , 
4. 〈 , 〉 〈 , 〉   dim dim → pode ser bijetora 
,
,…,  é base ortogonal de  ,  ∪  é   
5. 〈∑ . ,∑ . 〉 ∑ , . 〈 , 〉  base ortogonal de  , onde:  Para resolução de exercícios: 
6. Se  ⊂   é  um  subespaço,  então  o  produto  dim dim    Base canônica para   é  1, , , … ,  
interno de E induz um produto interno em S    é um espaço vetorial,   e    subespaços de  :  ex:  : → ,  , ,  
7. ‖ ‖ | |. ‖ ‖  dim dim dim dim ∩ )  1  ,   ,   ,  0 
8. ‖ ‖ ‖ ‖ ‖ ‖  ↔ 〈 , 〉 0    e    subespaços de  ,   base de   e   base de  . 1 . . .  
9. 〈 , 〉 ‖ ‖ ‖ ‖   ,  então  ∪   é  conjunto  de  geradores  de 
10.    Base canônica para   é  1,0 , 0,1  
 (   é L.I. apenas se    )  ex:  1,0 ,   
 |〈 , 〉| ‖ ‖. ‖ ‖    
11. Desigualdade triagular  1,0 1,0  ,  0,1 0,0  
‐ Transformações lineares  , . 1,0 . 0,1   
 ‖ ‖ ‖ ‖. ‖ ‖ ↔ 〈 , 〉 ‖ ‖. ‖ ‖ 
 Sendo    e    espaços  vetoriais  sobre  .  A  função   Seja   um espaço vetorialde dimensão finita com 
 Norma de  : ‖ ‖ 〈 , 〉  : →  é chamada transformação linear se:  produto interno e  ⊂  um subespaço de  : 
 Distância entre   e  :  , ‖ ‖  1.   Pode ocorrer   e   
  2.  
 〈 , 〉 1 1 ⋯ 1 1 ,   , ∈  
‐ Ortogonalidade   Sejam  ∈   ,  ,   e    espaços  vetoriais,  : → , 
não é um produto interno de   
  e    são ortogonais se 〈 , 〉 0  : →   e  : →   transformações  lineares,  logo 
   um  espaço  vetorial  não  nulo  munido  de  produto 
 ‖ ‖ ‖ ‖ ‖ ‖  ↔ 〈 , 〉 0  também são transformações lineares 
interno 〈 , 〉 e  ∈ , 〈 , 〉 〈 , 〉, se  0
Se    é  um  espaço  vetorial  com  produto  interno  e  1. : → , é   
, ∈ ,   é ortogonal a  :  ⟶ 〈 , 〉 0  2. : → , é  .  
P2   
   Dimensões 
 Matriz de Transformação  : → V            1 2 3  
: →                  1 1 / 2 3 / 3 4  
      . . . , ,
. . . , ,    
, ,   . . . , ,               
, ,                1 3 4  
 
 
                                            1 
3 
 
4 4 
 Relações entre matrizes 
   
                           .     →     .    Matrizes semelhantes:   e   
      . . →      . .  
. . .           
       
                      ∘ .     →     ∘ .         e  são semelhantes
 
 
                           ∘ .     →     ∘ .  
   .  
∘ ∘ ∘ .    
   : número de linhas L.I.    →     dim   
               . .     →      . . →      . .   : → U       dim V dim Ker T dim    
   
∘   1 1
 , ,2 →  
2 1
 

 Traço de T: soma dos elementos da diagonal principal de T  1 1
 
→ , , 2   
 Bijetora / Inversível  2 1
  0   →      é bijetora,   é inversível, linhas das matrizes    são L.I.   
  0   →      não é bijetora,   não é inversível   : → V  ,     e        →    
 
    é auto‐vetor de    se    =   =    e  0  
 Polinômio característico   
Se  , o polinômio característico é:   Se   é diagonalizável e não tem raízes multiplas 
→     →   é diagonalizável se zero NÃO for auto‐valor de   
det .                 →    não é inversível se um dos auto‐valores for ZERO 
→
 
 
0  : → V,    
                      →  
0
  →  0 :   é injetor,    é bijetor,    é inversível  
0
                      →     →  0 :   não é injetor,    não é bijetor,    não é inversível  
0
   
Se   ,  é diagonalizável. Base  ,    0 0 ,       : → V  é inversível 
0 Se   é diagonalizável e inversível  →
                                      e        | |   é diagonalizável 
0  
 
 . .  
Relembrando: D   b 4ac    e         → o vetor   é auto‐vetor de  associado ao auto‐valor  
P3   Para:  , , , , ,  usa‐se  a  base  canônica  1,0 , 0,1   para  gerar  a 
  matriz  1,0 , 0,1  . Com isso verifica‐se se é diagonalizável à partir do cálculo de 
 Tipos de cônicas:   e das multiplicidades algébrica e geométrica dos aulto‐valores; 
 
    Ax² + By² +Cxy + Dx +Ey +F = 0 
Calcula‐se:   Para  , a partir de   encontra‐se os auto‐valores  ,   e  , e os auto‐
vetores   ,   e  . 
2 2  
2  ,  ∆ A equação geral é:    
2 2      
2
2 2 Em caso de auto‐valores imaginários, calcula‐se apenas para um dos auto‐vetores da 
 
seguinte maneira: 
∆ 0  Elipse , , , ,   
0  ∆ 0  (Vazio) , , , , , ,   
∆ 0  Um Ponto  

∆ 0  Hipérbole Com isso teremos a solução geral (exemplo): 
0  , , , ,   
∆ 0  Duas Retas Concorrentes
∆ 0  Parábola  
0  Duas Retas Paralelas ou   Se  ∈   é  uma  matriz  complexa  arbitrária  e  se  λ ∈   é  um  auto‐valor  de  ,  o 
∆ 0  conjugado  λ  é  necessariamente  auto‐valor  de  .  Caso  ∈ ,  nem  sempre  isso  é 
Concorrentes 
  verdade. 
 
 Simplificação de quádricas: 
 Se  : →  é operador linear.   é uma base em   tal que   seja real. Conclui‐se 
Ax² + By² +Cz² + Dxy +Exz +Fyz + Gx + Hy + Iz + J = 0 
  que para λ auto‐valor de  , o conjugado λ também é auto‐valor de  , e  λ λ  
 
2 2 2 2  Num  espaço  vetorial  real  com  produto  interno  U,  seja  : →   operador  linear,  e  
2 2  ,           2 2   , ∈ .    é simétrico se 〈T u , v〉 〈T v , u〉.  
 
2 2 2 2
   Num  espaço  vetorial  real  com  produto  interno  U,  seja  : →   operador  linear 
simétrico,  ,   auto‐vetores  de  ,  associados  aos  auto‐valores  α  e  β  respectivamente, 
Encontra‐se:      e com isso :    ,   com  , temos que   é ortogonal a  .  
 
Logo temos:       Num  espaço  vetorial  real  com  produto  interno  U,  seja  : →   operador  linear 
0 0 simétrico,    é  diagonalizável.  Se  , ,   é  base  ORTONORMAL  de  ,      é 
Respeitando a relação:  , com  0 0   matriz simétrica 
0 0  
 
1º ‐ Troca (Ax² + By² +Cz² + Dxy +Exz +Fyz) por ( u² +  v² +  w²);   Se    é  matriz  simétrica  e  , ,   é  base  ortogonal,    é  operador  linear 
  simétrico. 
 
2º  ‐ Troca (Gx + Hy + Iz) respeitando a relação:   ,     Se  : →   é  um  operador  linear,    é  um  subespaço  de  ,  e    auto‐vetor  de    ( 
  sendo   com vetores   normalizados;   ). O subespaço    (gerado por  ) é invariante por   se, e somente se (
  ),   é simétrico. O ortogonal  ˔  não necessariamente é invariante por  . Se o subespaço  
3º  ‐ Algebricamente encontra‐se a equação reduzida em função de u', v' e w';   for invariante por   e gerado por   (   ),   é auto‐vetor de  . 
   
 Se  : →  é um operador linear,   é um subespaço de  , então: 
"  é um subespaço invariante por          é simétrico"