Você está na página 1de 65

Capitulo 4

TRANSFORMAES
LINEARES



Este captulo tem dois objetivos principais: introduzir a noo de Transformao Linear e a
posteriori, mostrar as relaes que existem entre Transformaes lineares e matrizes.

Na primeira seo damos a definio de transformao linear e apresentamos exemplos;
alguns deles mostram os efeitos geomtricos e as relaes das transformaes lineares com
matrizes. Na Seo 2, a associao entre matrizes e transformaes lineares aprofundada
comeando por estabelecer equivalncias entre as diferentes operaes. Assim,
introduzimos o conceito de composta e inversa de uma transformao linear. Na Seo 3,
mostramos que toda transformao linear T de um espao vetorial V de dimenso n num
espao vetorial W de dimenso m pode ser representado por uma matriz
m n
A . Na Seo 4,
vamos considerar a relao entre as diferentes matrizes que representam o mesmo operador
linear. Em muitas aplicaes desejvel uma base para de modo que a matriz que
representa transformao linear seja diagonal ou tenha alguma outra forma simples.
Finalmente, na Seo 5, como uma aplicao, faremos uma conexo entre as
transformaes lineares e conceitos de Clculo.



4 .1 Introduo, Definies e Exemplos

Uma transformao linear e uma aplicao que leva vetores de um espao vetorial em
outro.

Denotaremos uma transformao linear como : T V W onde T a transformao linear
(uma aplicao, mapeamento, funo, etc) de V em W, onde V (um espao vetorial) o
domnio e W (um espao vetorial) o contradomnio. Para
n
xe , o vetor ( )
m
T x e
chamado de imagemde x (sob a ao de T).



Domnio, contradomnio e imagem de :
n m
T


J encontramos uma ferramenta matemtica que nos permitiu converter vetores; se
considerarmos a matriz
m n
A e
n
xe , ento fazendo o produto x A obtemos um novo vetor
m
y e como y x = A .


Transformando vetores via multiplicao de matriz



Definio: Sejam V e W dois espaos vetoriais. Uma Transformao Linear (TL)
uma funo de V em W , que satisfaz as seguintes condies:

Quaisquer que sejam u e v em V ,

( ) ( ) ( ) u + v u v T T T = +

Quaisquer que sejam e e u em V ,

( ) ( ) v v T T =

Ou equivalentemente, com , e :

( ) ( ) ( ) u + v u v T T T = +

Notao: Uma Transformao Linear (ou aplicao linear) de um espao vetorial de
V em W ser denotada por : T V W . Ao usarmos essa notao com seta, estaremos
supondo que V e W so espaos vetoriais.

Vamos considerar agora alguns exemplos de transformaes lineares.

Exemplo Seja V W = = , i.., : , T onde a transformao est definida como
( ) T x x o = .

Esta transformao pode ser considerada das mais elementares: T simplesmente a funo linear
( ) f x x o = e neste caso os vetores de V e W so escalares. Temos que

( ) ( ) ( ) ( ) ( ) ( ) ( ) u + v u v T T x y x y x y T x T y T T o o o = + = + = + = + = +
e
( ) ( ) ( ) ( ) ( ) v v T T x x x T x T o o = = = = =
que verificam as condies de TL.

<Comentrio: Testamos as condies usando a expresso da TL dada para este exemplo e
propriedades distributiva e associativa entre escalares >

Toda transformao linear de em s pode ser deste tipo.

De fato, como ( ) ( . 1) f x f x = , f uma TL e x (neste caso um escalar), podemos escrever
( . 1) (1) f x x f = , para completar a demonstrao suficiente escolher (1) f o = e ento,
substituindo temos que ( ) f x x o = .

O nome transformao linear certamente foi inspirado neste caso em que V W = = ; o grfico de
( ) f x x o = uma reta passando pela origem.

Contra-Exemplo A aplicao : , T
2
( ) T x x = no uma transformao linear,
desde que
2 2 2
( ) ( ) 2 T x y x y x xy y + = + = + +
e por outro lado
2 2
( ) ( ) T x T y x y + = + .
Portanto ( ) ( ) ( ) T x y T x T y + = + .

Transformaes Lineares do Plano no Plano

Agora iremos apresentar uma viso geomtrica das TL, dando alguns exemplos de
transformaes no plano, i.., transformaes do tipo
2 2
: T . Voc ver assim que,
por exemplo uma expanso, uma rotao e certas deformaes podem ser descritas por
transformaes lineares.



O quadrado unitrio


1. Expanso (ou Contrao Uniforme)
Uma expanso (ou dilatao) ou contrao (compresso) uma TL do tipo
( ) , k T k = e u u .
Exemplo Considere por exemplo a transformao
1 1
2 2
2
( ) 2 2
2
x x
x x
T
x x
| | | |
= = =
| |
\ . \ .
, para
todo
2
xe . Como
( ) 2( ) 2 2 ( ) ( ) x + y x + y x + y x y T T T = = = +
e
( ) 2( ) (2 ) ( ) x x x x T T = = =

assim temos uma TL. Podemos pensar em T como esticando cada vetor por um fator de
2, i.., modificando apenas o mdulo.


( ) ( )
1 2 1 2
, ,
T T
x x kx kx


Expanses e contraes


2. Projeo (sobre o eixo OX )

Exemplo Seja a TL definida por
1 1
( ) x e T x = .
Se
1
2
x
x
x
| |
=
|
\ .
, temos
1
1
1
( )
0 0
x
x
T x
| | | |
= =
| |
\ . \ .
. Se
1
2
y
y
y
| |
=
|
\ .
temos
1 1
2 2
x + y
x y
x y



+ | |
=
|
+
\ .
e
portanto
1 1
1 1
1 1
1 1 1 1
( )
0
0 0
0 0
( ) ( )
( ) ( )
x + y


e e
x y
x y
T
x y
x y
x y
T T






+ | |
=
|
\ .
| | | |
= +
| |
\ . \ .
| | | |
= +
| |
\ . \ .
= +
= +

Logo, temos uma transformao linear que projeta todos os vetores do plano sobre o eixo das
abscissas.

Projees


3. Reflexes
- Em torno do eixo OX
Considere a aplicao definida por
1 2
( ) ( , ) x
T
T x x = para todo
2
xe . Como
1 1
2 2
1 1
2 2
( )
( )
( ) ( )
x + y
=
x y
x y
T
x y
x y
x y
T T





+ | |
=
|
+
\ .
| | | |
+
| |

\ . \ .
= +

logo T uma transformao linear. Este operador reflete um vetor x em relao ao eixo das
abscissas.


Reflexes

( ) ( )
1 2 1 2
, ,
T T
x x x x

- Pela origem
A aplicao definida por
1 2
( ) ( , ) x
T
T x x = para todo
2
xe , inverte os vetores em torno da
origem.



Reflexo em torno origem e a reta
2 1
x x =

- Em relao reta y x = (
2 1
x x = )

A aplicao definida por
2 1
( ) ( , )
T
T x x = x
1 2
( ) ( , ) x
T
T x x = para todo
2
xe , inverte os vetores
em torno reta y x = .


( )
1 2 2 1
, ( , )
T
T
x x x x


4. Rotaes
- O operador
2 1
( ) ( , ) x
T
T x x = roda cada vetor
2
xe em 90 em torno da origem, no
sentido anti-horrio.
- Podemos encontrar uma aplicao que generaliza o caso anterior: a rotao de um vetor
em um ngulo u qualquer (com o sentido de rotao predeterminado). A transformao
pode ser conseguida considerando as seguintes relaes (veja a figura):

1
cos( ) cos cos sen sen - x r r r o u o u o u ' = + = ,

Porem
1
cos r x o = e
2
sen r x o = . Ento

1 1 2
cos sen - x x x u u ' = .

Analogamente,

2 2 1
sen( ) ( sen sen cos cos ) cos sen x r r r x x o u o u o u u u ' = + = + = + .

Logo a aplicao
1 1 2
2 1 2
cos sen
( )
sen cos
-
x
x x x
T
x x x
u u
u u
'
| | | |
= =
| |
' +
\ . \ .
descreve a rotao de um vetor
em um ngulo u (neste caso, no sentido anti-horrio).



Rotao

Se considerarmos o caso particular com
2
t
u = , obtemos como resultado novamente
2 1
( ) ( , ) x
T
T x x = .


5. Cisalhamento horizontal
O cisalhamento horizontal dado pela relao
1 2
2
( ) x
x ax
T
x
+ | |
=
|
\ .
. Ele consiste na modificao da
primeira coordenada do vetor
1
2
x
x
x
| |
=
|
\ .
. Como
1 1 2 2
2 2
1 2 1 2
2 2
( )
( )
( ) ( )
x + y
=
x y
x y a x y
T
x y
x ax y ay
x y
T T





+ + + | |
=
|
+
\ .
+ + | | | |
+
| |
\ . \ .
= +

uma transformao linear.


( ) ( )
1 2 1 1 2
, , +
T T
x x x x ax

Cisalhamentos


6. Translao
Considere o vetor
1
2
a
a
a
| |
=
|
\ .
e a seguinte aplicao:
1 1
2 2
( ) x x +a
x a
T
x a
+ | |
= =
|
+
\ .

Esta no uma transformao linear a no ser que a seja o vetor nulo. De fato

1 1 1
2 2 2
1 1 1
2 2 2
( )
( )
( )
( ) ( ) ( )
x + y

x y x y
x y a
T
x y a
x a y
x a y
T T T
+ + | |
=
|
+ +
\ .
+ | | | |
= +
| |
+
\ . \ .
= + = +


<Comentrio: Logo veremos que o uso de uma propriedade das TL simplificar a
demonstrao deste fato(antecipando: a imagem do vetor nulo deve ser o vetor nulo)>


Transformaes Lineares de
n
em
m


Exemplo A aplicao
2
: T definida atravs da expresso
1 2
( ) x T x x = +
uma TL j que
1 1 2 2
1 2 1 2
( ) ( ) ( )
( ) ( )
( ) ( )
x + y
=
x y
T x y x y
x x y y
T T



= + + +
+ + +
= +


Exemplo A aplicao T de
2 3
definida por
( )
2 1 1 2
( ) , , x
T
T x x x x = +
linear, pois
( )
( ) ( )
2 2 1 1 1 1 2 2
2 1 1 2 2 1 1 2
( ) , ,
, , , ,
( ) ( )
x y

x y
T
T T
T x y x y x y x y
x x x x y y y y
T T
+ = + + + + +
= + + +
= +

e

( )
( )
2 1 1 2
2 1 1 2
( ) , ,
, ,
( )
x
=
x
T
T
T x x x x
x x x x
T

= +
+
=


Observao: O exemplo anterior nos permite introduzir uma relao entre
matrizes e transformaes lineares que ser analisada com maior detalhe na prxima seo.
Se definirmos a matriz A como
0 1
1 0
1 1
| |
|
|
|
\ .
A = ,
ento, com
2
xe temos

( )
2
1
1 2 1 1 2
2
1 2
0 1
1 0 , , ( )
1 1
x x
T
x
x
x x x x x T
x
x x
| | | |
| |
| |
= = = + =
|
| |
\ .
| |
+
\ . \ .
A .

<Comentrio: Como que apareceu essa matriz ? No se preocupe, logo estudaremos uma tcnica
para encontrar essas matrizes. Veremos que toda transformao linear tem uma matriz associada e
vice-versa.>

Em geral, se A uma matriz m n , podemos definir um operador linear :
n m
T por

( ) x x T = A , x
n
e .
De fato,
( ) )
=
( ) ( )
x + y x y
x y
x y
T
T T



= +
+
= +
A (
A A .

Podemos, ento, considerar cada matriz
m n
A como definindo um operador linear de
n

em
m
.

Vimos, no exemplo anterior que o operador poderia ter sido definido em termos de uma
matriz.

Voltemos a reconsiderar as transformaes no plano mencionadas acima, agora como sendo
definidas atravs de matrizes:

- Expanso
1 1
2 2
2 2 0
( ) 2 ou ( )
2 0 2
x x x x
x x
T T
x x
| | | | | |
= = = =
| | |
\ . \ . \ .
A
- Projeo
1 1
1 1
2
1 0
( ) ou ( )
0 0 0
x e x x
x x
T x T
x
| | | | | |
= = = =
| | |
\ . \ .\ .
A
- Reflexes
1 1
2 2
1 0
( ) ou ( )
0 1
x x x
x x
T T
x x
| | | | | |
= = =
| | |

\ . \ . \ .
A
e
1 1
2 2
1 0
( ) ou ( )
0 1
x x x
x x
T T
x x
| | | | | |
= = =
| | |

\ . \ . \ .
A

- Rotaes
2 1
1 2
0 1
( ) ou ( )
1 0
x x x
x x
T T
x x
| | | | | |
= = =
| | |
\ . \ . \ .
A
e
1 2 1
1 2 2
cos - sen cos sen
( ) ou ( )
sen cos sen cos
x x x
x x x
T T
x x x
u u u u
u u u u
| | | | | |
= = =
| | |
+
\ . \ . \ .
A

- Cisalhamento horizontal

1 2 1
2 2
1
( ) ou ( )
0 1
x x x
x ax x a
T T
x x
+ | | | | | |
= = =
| | |
\ . \ . \ .
A

Considere a seguinte matriz (sendo k um escalar)

0
0
k
k
| |
=
|
\ .
A
Se ( ) T = x x A , ento teremos
uma dilatao se 1
a identidade se 1
uma contrao se 0 1
a transformao nula se 0
k
k
k
k
>
=
< <
=


Se V um espao vetorial, ento o operador identidade definido por I ( ) T = = x x. claro
que este operador leva V em si mesmo.

<Comentrio: Para obter estas matrizes no utilizamos nenhuma tcnica desenvolvida
formalmente, o que faremos numa prxima seo. Apenas foi utilizado um procedimento
heurstico, surgido da experincia adquirida quando realizamos produto de matrizes, o que
foi possvel devido a que os espaos e as matrizes resultantes so de dimenso pequena>



4 .2 Operaes com transformaes lineares

Soma, multiplicao por escalar, composio e inversa
Se aceitarmos que h uma correspondncia entre matrizes e transformaes lineares,
lcito indagar sobre as correspondncias entre as operaes indicadas nas colunas da
seguinte tabela.
Matriz Transformao linear
Multiplicao por escalar: cA
?
Soma de matrizes: A + B
?
Produto de matrizes: A . B
?
Inversa de matrizes :
-1
A
?

As duas primeiras equivalncias podem ser respondidas com facilidade. Sabemos que de
Ax temos que (cA)x = c(Ax) e (A + B)x = Ax + Bx o que nos induz a introduzir as
seguintes definies:

Para a transformao linear T: R
n
R
m
e o escalar r, a multiplicao por escalar cT
est definida como (cT)(x) = c(T(x))
E tambm
Para as transformaes lineares T, S: R
n
R
m
, a adio T + S est definida pela
expresso (T + S)(x) = T(x) + S(x)
Exemplo Seja T e S uma reflexo em torno do eixo das abscissas e uma rotao de 90
graus no sentido anti-horrio no plano R
2
, respectivamente. A figura seguinte ilustra o
efeito da soma T + S.

Soma de transformaes
A expresso para a soma
1 2 2 1 1 2 1 2
( )( ) ( ) ( ) ( , - ) (- , ) ( , )
T T T
T S T S x x x x x x x x + = + = + = x x x
O que corresponde em termos matriciais a
1 1 1 2
2 2 1 2
1 0 0 1 1 1
0 1 1 0 1 1
reflexo rotao
x x x x
x x x x
| |
| | | | | | | | | | | |
|
+ = =
| | | | | |
|

\ . \ . \ . \ . \ . \ . |
\ .

Para responder a seguinte questo: qual a operao entre transformaes lineares que
corresponde ao produto de matrizes teremos que ser um pouco mais cuidadosos.
Se :
m n
T e :
n p
S so duas transformaes lineares, podemos aplicar T e
depois S para formar a composta das duas transformaes que denotamos por S T . Note
que para que S T faa sentido, o contradomnio de T e o domnio de S devem ser o
mesmo (neste caso
n
), e a transformao resultante S T vai do domnio de T ao
contradomnio de S , (neste caso :
m p
S T ). A figura mostra esquematicamente
como essa composta funciona. A definio formal da composta de transformaes pode ser
obtida lembrando da definio correspondente da composta de funes ordinrias.
Posteriormente voltaremos para estes conceitos com uma maior formalidade.

A composta de transformaes
Obviamente, gostaramos que S T tambm fosse uma TL. Podemos demonstrar isso
verificando que satisfaz a definio de transformao linear (o que faremos numa prxima
seo), mas, como no momento assumimos que transformaes lineares podem ser
definidas por meio de matrizes, usaremos esse fato para prov-lo.

Teorema Sejam :
m n
T e :
n p
S duas transformaes lineares e sejam
p n
A e
n m
B as respectivas matrizes de S e T . Ento :
m p
S T uma
transformao linear e suas matrizes so relacionadas por
p m p n n m
C = A B
Onde
p m
C a matriz de S T .
Demonstrao: Se
m
e v , aplicando consecutivamente T e S (nessa ordem) temos que
( )
n
T e v e
( ) ( ) ( ) ( )
p
T T = e v v S S . Assim temos que
( ) ( ) ( ) ( ) ( ) ( ) T T = = = = = v v v v v v S S S B A B A B C
E ento definir uma nova transformao linear, digamos :
m p
R como ( ) R = v v C .
Agora tambm podemos dizer: A matriz da composta o produto das matrizes e
Para as transformaes lineares :
m n
T e :
n p
S , a composio de S com T
est definida como ( ) ( ) ( ) ( ) T T = v v S S

Exemplo Considere novamente o exemplo anterior onde
1 2
( ) ( , - )
T
T x x = x e
2 1
( ) (- , )
T
S x x = x e calculemos T S e T S .
Soluo:
( ) ( ) ( )
1 2 2 1
( ) ( ) ( , - ) ( , )
T T
T T x x x x = = = x x S S S
ou em forma matricial
( )
1 1 2
2 2 1
0 1 1 0 0 1
( )
1 0 0 1 1 0
reflexo rotao
x x x
T
x x x
| | | | | | | || | | |
= = =
| | | | | |

\ .\ . \ . \ . \ . \ .
x S
Calculemos agora T S
( ) ( ) ( )
2 1 2 1
( ) ( ) ( , ) ( , )
T T
T S S x x x x = = = x x T T
ou
( )
1 1 2
2 2 1
1 0 0 1 0 1
( )
0 1 1 0 1 0
reflexo rotao
x x x
T S
x x x
| | | | | | | || | | |
= = =
| | | | | |

\ .\ . \ . \ . \ . \ .
x

A definio da composio de transformaes lineares nos permitir introduzir com
facilidade a noo de transformao inversa e completar a equivalncia que fizemos acima.
Considere uma rotao de 90 no sentido horrio em torno da origem, seguida por uma
rotao de 90 no sentido anti-horrio, que denotamos por
90
R

e
90
R , respectivamente.
Sem dvida, isso deixa inalterado qualquer vetor de
2
. Podemos expressar esse efeito
atravs de uma composio de
90
R com
90
R

como
( )
90 90
( ) R R

= v v
J definimos uma transformao linear que chamamos identidade I ( ) = v v de
n
em
n
,
que possui essa caracterstica, deixar inalterado qualquer vetor de
n
. Assim podemos
escrever, para este caso em particular
I ( )
90 90
( ) ( ) R R

= = v v v
Duas transformaes que esto relacionadas desse modo so chamadas de transformaes
inversas.
Definio Considere T e S como transformaes lineares de
n
em
n
. Ento T e
S so transformaes inversas se
T T S = = S I
J que nessa definio h uma simetria em relao T e S, dizemos que, quando essa
situao ocorre, S a inversa de T e T a inversa de S . Alm disso dizemos que T e S
so invertveis.
Em termos de matrizes, se considerarmos
n n
A e
n n
B as respectivas matrizes de S e
T vemos imediatamente que, se T e S so transformaes lineares inversas
( )( ) T = = x x S A B I
Precisamos ter tambm.
( )( ) T S = = x x B A I = x x
Isso mostra que A e Bso matrizes inversas.
E mostra algo mais: se uma transformao linear T invertvel, sua matriz cannica tem
que ser invertvel, e , j que matrizes inversas so nicas isso significa que a inversa de T
tambm nica. Portanto , podemos usar sem ambigidade a notao de
1
T

para nos
referirmos a inversa de T . Dessa forma podemos reescrever as equaes anteriores como
( )
1
( ) T T

= = x x
-1
B B I x
( )
1
( ) T T

= = x x
-1
B B
a qual mostra que a matriz de
1
T

(
-1
B ) a matriz inversa de T (
( )
-1
B ). Acabamos de
provar o teorema a seguir
Teorema Se uma transformao invertvel ento sua matriz cannica tambm
invertvel e
( ) =
-1 -1
B B
Esta expresso pode ser lida como: a matriz da inversa a inversa da matriz
Exemplo Determine se a projeo sobre o eixo das abscissas uma TL invertvel.
Soluo: A matriz cannica dessa projeo
1 0
0 0
| |
|
\ .
, a qual no invertvel, portanto uma
projeo no invertvel.
O que um fato curioso. Tentemos entender; uma projeo leva (esmaga) todos os
vetores de
2
sobre o eixo x
1
1 1
( )
0
x
T x
| |
= =
|
\ .
x e ,
2
e x
Para desfazer esse efeito, ou seja, recuperar
( )
1 2
,
T
x x = x precisaramos de uma
transformao que leve
( )
1
, 0
T
x para
( )
1 2
,
T
x x . No entanto existem infinitos candidatos para
serem a imagem de
( )
1
, 0
T
x sob essa hipottica transformao inversa, desde que no temos
como determinar
2
x no vetor imagem para cada
( )
1
, 0
T
x no domnio de
1
T

.
1 1
1 1
2
1 0
( ) ou ( )
0 0 0
x e x x
x x
T x T
x
| | | | | |
= = = =
| | |
\ . \ .\ .
A
Transformaes Lineares em espaos de funes

Exemplo Seja o operador derivada de uma funo real
f ,
| | | |
1
: a,b a,b D C C , definida por ( ) D f f ' = .
<Comentrio:
| |
1
a,b C e
| |
a,b C so os espaos das funes com primeira derivada contnua e das
funes contnuas no intervalo
| |
a,b , respectivamente.>
D uma TL, uma vez que
( ) ( )

( ) ( )
D f g f g
f g
D f D g



' + = +
' ' = +
= +


Exemplo Seja
| |
: a,b T C uma aplicao definida por ( ) ( )
b
a
T f f x dx =
}
.
Se f e g so dois vetores em
| |
a,b C , ento
( ) ( )( )
( ) ( )
( ) ( )
b
a
b b
a a
T f g f g x dx
f x dx f x dx
T f T g



+ = +
= +
= +
}
} }

T uma TL.

Exemplo Sejam
1
,
n n
V P W P
+
= = espaos de polinmios de grau e 1 n n+
respectivamente e a aplicao
1
:
n n
T P P
+
definida por
2 3 1
0 1 2
( ( )) ( ) . . .
n
n
T p x xp x a x a x a x a x
+
= = + + + + .

Sejam ( ) p x e ( ) q x vetores de
n
P e k um escalar, temos que:

( ) ( )( ) ( ( )) ( ) ( ) T kp x k p x x k p x k x p x k T p = = = =
e
( ) ( )( ) ( ( ) ( )) ( ) ( ) ( ) ( ) T p q x p q x x p x q x xp x xq x T p T q + = + = + = + = +

Portanto T uma TL.

Exemplo Seja ( ) { : / e contnua} V C f f = = . Considere a
aplicao : ( ) J C , onde ( ) (0) J f f = . Com k um escalar, temos:

( ) ( )(0) (0) (0) ( ) ( ) J f g f g f g J f J g + = + = + = +
e
( ) ( ) (0) (0) ( ) J k f k f k f k J f = = =

e assim J uma TL.

Exemplo Seja
n
V W P = = , :
n n
T P P e considere a transformao
2
0 1 2
( ( )) ( ) ( ) ( ) . . . ( )
n
n
T p x p ax b a a ax b a ax b a ax b = + = + + + + + + + .

Agora temos
( ) ( )( ) ( ) ( ) T kp k p ax b k p ax b k T p = + = + =
e
( ) ( )( ) ( ) ( ) ( ) ( ) T p q p q ax b p ax b q ax b T p T q + = + + = + + + = +

Portanto T uma TL.

Observao: Note que para provar que estas transformaes so lineares foram utilizadas
propriedades das funes contnuas e derivveis.

<Comentrio: >

Nas prximas sees sero estabelecidos teoremas, propriedades e alguns resultados que
do uma estrutura muito til sobre as transformaes lineares.

Propriedades das Transformaes Lineares

Se T uma TL de um espao vetorial V e um espao vetorial W, i.., : T V W , temos
que:

(i)
( )
V W
T = 0 0
(onde
V
0 e
W
0 os vetores nulos de V e W respectivamente)

Esta afirmao segue-se da condio ( ) ( ) T T = u u com 0 = . Podemos resumir
esta propriedade desta maneira: toda transformao linear leva o vetor nulo no vetor
nulo.

<Comentrio: Com esta propriedade fica mais fcil provar que uma translao no
uma TL. Se ( ) T = 0 0 T no uma TL. Mas cuidado ( ) T = 0 0 no suficiente para que
T seja uma TL. Encontre um contra-exemplo>

(ii)
1 1 2 2 1 1 2 2
( ) ( ) ( ) ( )
n n n n
T T T T + + + = + + + u u u u u u
.

Esta afirmao pode ser provada facilmente usando induo matemtica. Veja que esta
igualdade obvia para 1 k = , j que
1 1 1 1
( ) ( ) T T = u u porque T uma TL. Suponha
agora que verdadeira para k , i..,

1 1 2 2 1 1 2 2
( ) ( ) ( ) ( )
k k k k
T T T T + + + = + + + u u u u u u

e a queremos provar para 1 k + . Somando
1 1
( )
k k
T
+ +
u a ambos da ltima igualdade
obtemos

1 1 2 2 1 1 1 1 2 2 1 1
( ) ( ) ( ) ( ) ( ) ( )
k k k k k k k k
T T T T T T
+ + + +
+ + + + = + + + + u u u u u u u u

o lado direito j est da forma que queremos. Usando novamente as condies de TL no
termo da esquerda conseguimos escrever esta igualdade da forma

1 1 2 2 1 1 1 1 2 2 1 1
( ) ( ) ( ) ( ) ( )
k k k k k k k k
T T T T T
+ + + +
+ + + + = + + + + u u u u u u u u

que era o que queramos provar. A transformao de uma combinao linear de vetores
igual combinao linear dos vetores transformados.

Exemplo Determinar qual a transformao linear T de
2 3
tal que
( ) ( )
1 2
( ) 2, 1, 0 e ( ) 0, 0,1
T T
T T = = e e .
Seja
1
1 1 2 2
2
x
x x
x
| |
= = +
|
\ .
x e e um vetor arbitrrio. Pela aplicao da transformao que
estamos procurando sobre este vetor e usando a propriedade acima temos:

( ) ( )
( )
1 1 2 2
1 1 2 2
1 2
1 1 2
( ) ( )
( ) ( )
2, 1, 0 0, 0,1
2 , ,
T T
T
T T x x
x T x T
x x
x x x
= +
= +
= +
=
x e e
e e


Exemplo Sejam
2 2
V M

= (espao das matrizes quadradas 2 2 ) e
4
W P = (espao dos
polinmios de grau 4). Qual a transformao linear
2 2 4
: T M P

tal que:

4
3 2
2 3
4
1 0
T
0 0
0 1
T
0 0
0 0
T
1 0
0 0
T
0 1
x x
x x
x x
x x
| | (
= +
|
(
\ .
| |
(
= +
|
(

\ .
| |
(
= +
|
(

\ .
| | (
= +
|
(
\ .


Uma matriz
2 2
M

e A da forma
a b
c d
(
=
(

A que pode ser escrita como

1 0 0 1 0 0 0 0
0 0 0 0 1 0 0 1
a b
a b c d
c d
( ( ( ( (
= + + +
( ( ( ( (

, portanto

1 0 0 1 0 0 0 0
0 0 0 0 1 0 0 1
1 0 0 1 0 0 0 0

0 0 0 0 1 0 0 1
1 0

0 0
a b
T T a b c d
c d
T a T b T c T d
a T
| | | |
( ( ( ( (
= + + +
| |
( ( ( ( (
\ . \ .
| | | | | | | |
( ( ( (
= + + +
| | | |
( ( ( (

\ . \ . \ . \ .
|
(
=
(

\
4 3 2 2 3 4
2 3 4
0 1 0 0 0 0

0 0 1 0 0 1
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
b T c T d T
a x x b x x c x x d x x
a d x b c x b c x a d x
| | | | | | |
( ( (
+ + +
| | | |
( ( (

. \ . \ . \ .
= + + + + + + +
= + + + + + + +


logo para todo vetor
2 2
M

e v (este vetor representa uma matriz), a nossa aplicao fica
definida como
2 3 4
T( ) ( ) ( ) ( ) ( ) a d x b c x b c x a d x = + + + + + + + v , um polinmio de grau
4.

(iii) ( ) ( ) T T = u u

Para provar esta propriedade observe que

( ) ( ) ( )
W V
T T T T = = = 0 0 u +( u) u + ( u)

O que significa que T ( u) o inverso aditivo de ( ) T u , i.., ( ) T T = ( u) u .


Exemplo Uma transformao linear importante aquela que se obtm usando-se o
produto escalar. Seja o espao
n
com o produto escalar usual .,. < > e
0
n
e v um vetor
qualquer prefixado. Seja a aplicao :
n
T definida por
0
( ) , T =< > v v v .
Mostraremos que uma TL utilizando as propriedades do produto escalar. Verifiquemos as
condies das transformaes lineares. Sejam ,
n
e v w e k um escalar, temos que:

0 0
( ) , , ( ) T k k k k T =< >= < >= v v v v v v
e
0 0 0
( ) , ( ) , , ( ) ( ) T T T + =< + >=< > + < >= + v w v v w v v v w v w

assim, o produto escalar uma TL.

Composio de Transformaes Lineares

Em uma seo anterior definimos a composio de transformaes definidas por matrizes.
A definio se estende de maneira natural para TL em geral.

Definio Se : T U V e : S V W so transformaes lineares, a composio de
S com T a aplicao que denotamos por T S (l-se S composta com T ) definida
por

( ) ( ) ( ) ( ) T T = u u S S

Onde u um elemento de U .

Observe que T S uma aplicao de U em W . Note tambm que, para a definio
fazer sentido, a imagem de T deve estar contida no domnio de S .

Exemplo Sejam , duas transformaes lineares definidas por

( )
( )
2
1 1 1 2
1 2
: , ( )
: , ( ) ( )
T P T a a a x
S P P p x x p x
= + +
=
a
S


Encontre
( )( ) T a S .

Soluo:

( ) ( ) ( ) ( ) ( ) ( ) ( )
2
1 1 2 1 1 2 1 1 2
( ) ( ) T T a a a x x a a a x a x a a x = = + + = + + = + + a a S S S

Teorema Se : T U V e : S V W so transformaes lineares, ento : T U W
uma transformao linear.

Demonstrao: Sejam u e v em U e e um escalar, iremos conferir as condies
de TL usando o fato de que S e T so transformaes lineares

( ) ( )
( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
T T
T T
T T
T T
=
= +
= +
= +
u + v u + v
u v
u v
u v
S S
S
S S
S S


( ) ( )
( )
( )
( )
( ) ( )
( )
( )
( )
T T
T
T
T

=
=
=
=
v v
v
v
v
S S
S
S
S


As propriedades algbricas das transformaes lineares espelham as das transformaes
matriciais, as quais, por sua vez, esto relacionadas com as propriedades algbricas das
matrizes.Por exemplo, a composio de transformaes lineares associativa. Para ver isto
considere as seguintes transformaes lineares R, S e T , ento
( ) ( ) T T = R S R S
Desde que essas composies faam sentido.



A imagem e o ncleo de uma Transformao Linear


Definio: Seja : T V W uma transformao linear e seja S um subespao
de V ( S V c ). A imagemde S , denotada por ( ) T S o conjunto de
vetores W e w tais que existe um vetor S e v , que satisfaz
( ) T = v w. Ou seja

Im( ( )) { / ( ) para algum } T S W T S W = e = e _ w v w v

A imagem de todo o espao vetorial V (quando S V = ), Im( ( )) T V , chamada de imagem
de T .

Definio: Seja : T V W uma transformao linear. O conjunto de todos os
vetores V e v tais que ( ) T = v 0 chamado ncleo de T , sendo
denotado por Ker( ) T . Isto ,

{ } Ker( ) = / ( )
W
T V T V e = _ v v 0

fcil ver que Ker( ) T um subconjunto de V e que, se S um subespao qualquer de
V ento Im( ( )) T S um subconjunto de W .

<Comentrio: A palavra kernel derivada do termo cyrnel, do ingls antigo, uma forma da
palavra corn, que significa gro. Tal como um gro, o kernel de uma transformao linear
o seu ncleo , no sentido que ele que carrega informaes sobre muitas propriedades
importantes da transformao>

Subespaos associados a uma transformao linear
Temos mais que isso, veja o seguinte teorema

Teorema Se : T V W uma transformao linear e S um subespao de V ,
ento:

- Ker( ) T um subespao de V

Demonstrao: Vamos mostrar que o ncleo de V fechado sob as operaes de
adio e multiplicao por escalar.
Se Ker( ) T e v , i.. ( )
W
T = v 0 , e o um escalar, ento
( ) ( ) Ker( )
W W
T T T o o o o = = = e v v 0 0 v

Por outro lado, se
1 2
, Ker( ) T e v v , i..
1 2
( ) e ( )
W W
T T = = v 0 v 0 , ento
1 2 1 2
( ) ( ) + ( ) Ker( )
W W W
T T T T o + = = + = e v v v v 0 0 0 v

- Im( ( )) T S um subespao de W

Demonstrao: A demonstrao semelhante a anterior. Se Im( ( )) T S e w , ento
( ) T = w v para algum S e v . Para qualquer escalar o , temos
( ) ( ) T T o o o = = w v v
Como S o e v , Im( ( )) T S o e w e ( ) T S fechado sob a multiplicao por escalar.

Se
1 2
, Im( ( )) T S e w w , existem
1 2
, V e v v tais que
1 1
( ) T = v w e
2 2
( ) T = v w . Logo
1 2 1 2 1 2
( ) ( ) ( ) T T T + = + = + w w v v v v
e Im( ( )) T S fechado sob a adio.

Exemplo Seja a transformao
2 2
: T definida por
1
( )
0
x
T
| |
=
|
\ .
x .
Um vetor x pertence ao ncleo de T se e somente se
1
0 x = , i..,
1
1
0
( ) 0
0 0
x
T x
| | | |
= = =
| |
\ . \ .
x 0
Logo, os vetores de Ker( ) T tm primeira componente nula,
1 2 2 2 2
2
0
0 x x
x
| |
= = + =
|
\ .
x e e e
ento Ker( ) T o subespao unidimensional de
2
gerado por
2
e .

Escrevendo ( ) T = y x , o vetor y estar na imagem de T se e somente se y um
mltiplo de
1
x , i..,
1
1 1 2 1 1
( ) 0
0
x
T x x
| |
= = = + =
|
\ .
y x y e e e
Logo,
2
1
Im( ) ( ) T T = = e o subespao unidimensional de
2
gerado por
1
e .

Exemplo Seja
3 2
a transformao linear definida por
( )
1 2 2 3
( ) ,
T
T x x x x = + + x .

O ncleo de T pode ser determinando impondo a condio
( ) ( )
1 2 2 3
( ) , 0, 0
T T
T x x x x = + + = x 0
Ou equivalentemente Ker( ) T e x se e somente se
( ) ( )
1 2
1 2 2 3
2 3
0
, 0, 0
0
T T
x x
x x x x
x x
+ =
+ + =

+ =


A soluo deste sistema est dado (fazendo a varivel livre
3
x a = ) por todos os
vetores de
3
da forma (1, 1,1)
T
a ( bom conferir). Logo
{ }
3
Ker( )= / (1, 1,1) ,
T
T a a e = e x x .
Agora passemos a determinar a imagem, que deve ser um subespao de
2
.
Se Im( ) T e y , ento
1 2
1 2 3
2 3
1 1 0
0 1 1
x x
x x x
x x
+ | | | | | | | |
= = + +
| | | |
+
\ . \ . \ . \ .
y
Ento os vetores da imagem so gerados pela combinao linear dos vetores
1 1 0
, ,
0 1 1

| | | | | |
`
| | |
\ . \ . \ .
)
,
que geram todo
2
, logo
2
Im( ) T = .

Exemplo Seja
3 3
: T a projeo ortogonal sobre o plano
1 2
x x ,
1 2
( ) ( , , 0)
T
T x x = x .

Temos que
1 2 1 2
( , , 0) (0, 0, 0) 0, 0
T T
x x x x = = =
Como nada dito sobre a varivel
3
x , temos que
3
x qualquer, logo
{ }
3
Ker( )= / (0, 0,1) ,
T
T a a e = e x x
ou seja o ncleo de T so todos os vetores que esto sobre o eixo
3
x .
A imagem desta transformao dada diretamente pela sua definio, o
plano
1 2
x x .

<Comentrio: Para determinar o ncleo de uma transformao linear :
n m
T ser
necessrio resolver um sistema homogneo>

Exemplo Seja
3 3
: T a transformao linear que a projeo ortogonal
sobre a reta cujas equaes paramtricas so:
1
2
3
1 2
2- 2
3
x t
x t
x t
= +
=
= +


Estas so as equaes paramtricas de uma reta de
3
que passa pelo ponto (1,2,3) na
direo do vetor (2, 2,1)
T
= u (o vetor diretor da reta). Projetar um vetor sobre uma reta o
mesmo que encontrar a projeo ortogonal sobre o vetor diretor dessa mesma reta.

( ) , , onde T proj = =< > =
u
u
x x x u u u
u
.
Para o nosso caso
( )
1 2 3
1 2 3 1 2 3 1 2 3
(2, 2,1)
( ) ( , , ) , (2, 2,1)
9
1
4 - 4 2 , - 4 4 - 2 , 2 - 2 (0, 0, 0)
9
T
T T
T
T
T x x x
x x x x x x x x x
x

= < > =
= + + + =

Para encontrar o ncleo devemos ter,
( )
1 2 3 1 2 3 1 2 3
1
4 - 4 2 , - 4 4 - 2 , 2 - 2 (0, 0, 0)
9
T
T
x x x x x x x x x + + + =
Que leva ao seguinte sistema homogneo
1 2 3
1 2 3
1 2 3
4 - 4 2 0
-4 4 - 2 0
2 - 2 0
x x x
x x x
x x x
+ =
+ =
+ =

cuja soluo ( , , 2 2 )
T
a b a b . Portanto
{ }
3
1 2 1 2
Ker( ) / ( , , -2 - 2 ) (1, 0, - 2) , (0, 1, - 2)
T T T
T x x x x x x ( = e = =



Para determinar a imagem fazemos,
1 2 3
1 2 3 1 2 3
1 2 3
4 - 4 2 4 4 2
-4 4 - 2 4 4 2
2 - 2 2 2 1
x x x
x x x x x x
x x x
+ | | | | | | | |
| | | |
+ = + +
| | | |
| | | |
+
\ . \ . \ . \ .

Logo todo vetor que pertence imagem de T gerado pelos vetores

1 2 3
2 2 2
2 , 2 , 2
1 1 1
| | | | | |
| | |
= = =
| | |
| | |

\ . \ . \ .
y y y .
Que so linearmente dependentes. Podemos ento escrever que ( ) Im( ) 2, 2,1
T
T
(
=

(por
qu?) e um subespao unidimensional de
3
. Veja que este vetor coincide com o vetor
diretor da reta como era de esperar.

Exemplo Seja
3 3
: D P P o operador derivada, dado por ( ( )) ( ) D p x p x ' = .

O ncleo de Dconsiste em todos os polinmios de grau zero ,
0
( ) p x a = de tal forma que
0
( ) 0 D a = , e ento
0
Ker( ) D P = .

Seria conveniente agora recordar as noes de funo injetora e sobrejetora. Estenderemos
estes conceitos para as transformaes lineares e posteriormente estabeleceremos a relao
entre estes conceitos e os de ncleo e imagem.

Transformaes injetoras, sobrejetoras. Isomorfismos.

Definio Dada uma aplicao : T V W , diremos que T injetora se dados
V e u, v com ( ) ( ) T T = u v tivermos = u v . Ou equivalentemente, com
= u v, ento ( ) ( ) T T = u v .

Em outras palavras , T injetora se as imagens de dois vetores distintos so distintas.

Transformaes injetora e no injetoras

Definio Uma aplicao : T V W ser sobrejetora se a imagem de T coincidir com
W , ou seja, ( ) T V W = .

Observao A definio acima vemos que uma funo ser sobrejetora se dado W e w ,
existir V e v tal que ( ) T = v w.

Transformaes sobrejetora e no sobrejetoras


O prximo teorema afirma que uma TL injetora s tem o vetor nulo no seu ncleo. E, por
outro lado, se uma TL tiver somente 0 no seu ncleo, ento quaisquer dois vetores distintos
devem ter imagens distintas tambm.

Teorema Seja : T V W , uma aplicao linear. Ento { } Ker( ) = T 0 se e somente se
T injetora.
{ } Ker( ) = injetora T T 0

Corolrio Seja : T V W uma aplicao linear injetora. Ento T leva vetores
linearmente independentes em vetores linearmente independentes.

Teorema Seja : T V W , uma aplicao linear. Ento

ker( ) + Im( ) = dim T dim T dim V

Corolrio Se dimV dimW = ento T injetora se T sobrejetora.

Corolrio Seja : T V W uma aplicao linear injetora. Se dimV dimW = , ento T
leva base em base.

Exemplo Seja :
n n
T P P , dada por ( ( )) ( ) T p x xp x = .Verifique se T bijetora.

Soluo: Devemos verificar se T injetora e sobrejetora ao mesmo
tempo. Para isso usaremos os teoremas e corolrios acima.
Para ver que injetora devemos apenas calcular o ncleo de T :

( ( )) ( ) T p x xp x =

0 1 0 1
2 1
0 1
( . . . ) ( . . . )
. . .
n n
n n
n
n
T a a x a x x a a x a x
a x a x a x
+
+ + + = + + +
= + + +


Quais os polinmios tal que ( ( )) 0 T p x = ?

2 1
0 1 0 1
( ( )) 0 . . . 0 . . . 0 ( ) 0
n
n n
T p x a x a x a x a a a p x
+
= + + + = = = = =

( ) p x o polinmio nulo
{ } { } Ker( ) = / ( ) 0, = 0
n
T p P p x x e = e (observe que neste
caso o vetor nulo de
n
P o polinmio nulo de grau n). Portanto T injetora.

Como 1
n
dim P n = + e
1
2
n
dim P n
+
= + e Ker( ) = 0 dim T temos que

ker( )+ Im( ) = 1
0 Im( ) = 1
Im( ) 1
dim T dim T n
dim T n
dim T n
+
+ +
= +


Note que
1
Im( ) 1 2
n
dim T n dim P n
+
= + = = + , ento
1
Im( )
n
T P
+
= . Portanto T no
sobrejetora.

Quais so os polinmios que esto faltando na imagem de T ?


Quando uma transformao linear : T V W for injetora e sobrejetora ao mesmo tempo,
d-se o nome de isomorfismo. Sob o ponto de vista da lgebra Linear, espaos vetoriais
isomorfos so, por assim dizer, idnticos.

Resumindo, espaos isomorfos devem ter a mesma dimenso. Logo, um isomorfismo leva
base em base. Alem disso, um isomorfismo : T V W tem uma aplicao inversa , que
linear e tambm um isomorfismo.



De forma anloga ao que fizemos com o conceito de composio de transformaes
lineares voltamos para as nossas definies das transformaes inversas definidas por
matrizes. Repetiremos estas definies para as transformaes inversas, num contexto mais
geral. Estamos agora em condies de estabelecer relaes e propriedades com maior
formalidade.


Definio Seja : T V W uma transformao linear. Se existe uma aplicao
1
: T W V

tal que
1
T T

= I e
1
T T

= I ento dizemos que T


invertvel e que
1
T

a inversa de T .

Proposio Seja : T V W uma transformao linear. Se existe
1
T

, a inversa de T ,
ento
1
T

uma transformao linear.




Proposio Se T um isomomorfismo, ento T invertvel e alm disso,
1
T

tambm
um isomorfismo.

Proposio Se : T V W uma transformao linear invertvel ( um isomorfismo),
| |
2 1
= , , ,
n
v v v E e
| |
2 1
= , , ,
m
w w w F bases para V e W , A e
-1
A as matrizes de
representao para T e
1
T

respectivamente, ento:

( ) =
-1 -1
A A

Corolrio Se : T V W uma transformao linear invertvel ( um isomorfismo),
| |
2 1
= , , ,
n
v v v E e
| |
2 1
= , , ,
m
w w w F bases para V e W , A a matriz de
representao para T , ento A invertvel.

<Comentrio Isomorfismo Os termos isomorfos e isomorfismos so derivado de dois vocbulos gregos: isso
que significa igual e morfos que significa forma. Assim falando figurativamente, espaos vetoriais isomorfos
tm igual forma >
Dois espaos vetoriais so isomorfos se existe uma transformao linear invertvel entre
eles. Uma transformao linear com essa propriedade um isomorfismo.
Em particular, se um espao vetorial tem uma base de dimenso finita, ento isomorfo
com o espao euclidiano. Lembramos que se um espao vetorial gerado por um nmero
finito de vetores, ento tem uma base de dimenso finita.
Exemplo O espao vetorial dos polinmios
n
P com coeficientes reais de grau mximo
n , isomorfo com
1 n+
. Para prov-lo devemos construir um isomorfismo , i.., uma
aplicao linear bijetora
1 n
n
P
+
.
Para isso consideremos as bases cannicas de
1 n+
e
n
P , { }
2 1
, , ,
n+ 1
e e e K e {1, t, t
2
, ..., t
n
},
respectivamente e definimos,
1 2 n+1
(1) , ( ) , , ( )
n
T T t T t = = = e e e K
Consideremos a aplicao linear de T em um vetor de
n
P e usemos a definio acima
( )
2
0 1 2 0 1
0 1 1 2 n+1
0 1 2
... (1) ( ) ... ( )
+ + ...
( , , ,
n n
n n
n
T a a t a t a t a T a T t a T t
a a a
a a a
+ + + + = + + +
= +
=
e e e
..., )
T
n
a

Claramente T linear (pela prpria construo) e
{ } Ker( ) = T 0 . Logo injetora.
Como dim (
1 n+
) = dim (
n
P ) = n+1 sobrejetora, logo um isomorfismo dado como
2
0 1 2 0 1 2
... ( , , , ..., )
n T
n n
a a t a t a t a a a a + + + +
Observao: Este fato pode ser usado na converso de alguns problemas envolvendo
polinmios, em vetores de espaos euclidianos.
Exemplo O espao vetorial das matrizes
2 2
M isomorfo com
4
. As coordenadas
em relao base
1 0 0 1 0 0 0 0
, , ,
0 0 0 0 1 0 0 1
(
| | | | | | | |
( | | | |
\ . \ . \ . \ .


o isomorfismo
( ) , , ,
T
a b
a b c d
c d
| |

|
\ .

Para ver isto, proceda em forma anloga ao exemplo anterior.
Observao: Este fato pode ser usado na converso de alguns problemas envolvendo
matrizes para vetores do espao euclidiano.
Dado um isomorfismo, resolver uma questo da lgebra Linear (que pode ser uma
definio, um conceito, uma propriedade, um teorema e sua prova, etc.) em um espao
vetorial equivalente a resolver a mesma questo em um outro espao vetorial (onde
tenhamos alguma familiaridade, haja alguma facilidade, ou a questo a resolver seja mais
simples). Em particular, para espaos vetoriais finitos, as coordenadas identificam a lgebra
linear de um espao vetorial mais geral com a lgebra linear de um espao euclidiano.
Para uma transformao linear T: V W, as seguintes afirmaes so equivalentes:
- T invertvel.
- T bijetora (sobre e biunvoca).
- Im(T) = W, kernel(T) = {0}.
O conceito de isomorfismo pode ser estendido para qualquer equivalncia entre dois
sistemas. Por exemplo, sistemas numricos podem usar diferentes bases (binrio, decimal,
etc.), sistemas de medida como comprimento (metro, polegada), peso (grama, libra), moeda
(real, euro, dlar, yen).



O prximo pargrafo tem a inteno de surpreend-lo

Se for uma TL definida por uma matriz , na forma
( ) T = x x A
Ento o ncleo ker( ) T e a imagem Im( ) T de podem ser determinados atravs da
anlise da matriz na sua forma reduzida por linhas .

O que estamos tentando dizer : aproveite a informao que pode ser obtida analisando
uma matriz para determinar o que quer saber de uma TL.


Exemplo Dada a transformao linear
3 3
: T , definida por
1 2 3 1 2 3 1 2 3
( ) ( 2 2 , 3 , 2 )
T
T x x x x x x x x x = + + + + + + x
a) mostre que existe a inversa de
b) explicite
1
( ) T

x

Resoluo: Veja que dimV dimW = = 3 (
3
V W = = ); mostraremos que
{ } Ker( ) = T 0 e
usaremos o corolrio adequado para concluir que um isomorfismo.

Sabemos que
1 3 3
: T

uma TL tal que


1 1
T T T T

= = I.

Uma forma de proceder da seguinte maneira: determinamos a matriz da transformao
(no deixe de fazer isso, deve ser 3 3 ) e escrevemos a transformao como
( ) T = = x x y A , logo formamos a matriz aumentada
| |
y A | e a levamos na forma
escalonada reduzida por linhas


1 1 2 3
2 1 2 3
3 1 3
1 2 2 1 0 0 5 2 4
1 1 3 0 1 0 2
1 2 1 0 0 1
y y y y
y y y y
y y y
+ + | | | |
| |

| |
| |

\ . \ .
.


Agora resolveremos praticamente ambos os itens em forma simultnea : para determinar
Ker( ) T devemos encontrar a soluo de ( ) T = x 0 para o qual fazemos = y 0 ;
resolvendo o sistema homogneo temos que
{ } Ker( ) = T 0 .
A expresso explcita da inversa est dada pela ltima coluna da forma escalonada
reduzida, logo

1
1 2 3 1 2 3 1 3
( ) ( 5 2 4 ,2 , )
T
T y y y y y y y y

= + + y .


Consideremos uma outra tcnica para obter a inversa.
Temos que
( ) ( )
1 1
( ) ( ) ( ) T T T T I

= = = x x x x .
Pondo
1
( ) T

= y x temos
( ) T = y x, ou seja

1 2 3 1 2 3 1 2 3 1 2 3
( ) ( 2 2 , y 3 , y 2y ) ( , , )
T T
T y y y y y y x x x = + + + + + + = y

Esta equao pode ser re-escrita como

1 2 3 1
1 2 3 2
1 2 3 3
2 2
y 3
y 2y
y y y x
y y x
y x
+ + =

+ + =

+ + =


e resolvendo para y temos
1 1 3
2 1 2 3
3 1 2 3
-
2 - -
5 2 4
y x x
y x x x
y x x x
=

= + +

,
assim
1
1 2 3 1 2 3 1 3
( ) ( 5 2 4 ,2 , )
T
T y y y y y y y y

= + + y

Mais uma. Simplesmente poderamos considerar inverso da matriz da transformao

1 2 2 -5 2 4
1 1 3 2 -1 -1
1 2 1 1 0 -1
| | | |
| |

| |
| |
\ . \ .
-1
A = A = ,
e escrever
( ) ( ) ( )
1 1 1
1 2 3
1 2 3
1 3
( )

-5 2 4
2 -1 -1
1 0 -1
5 2 4
2
T T T T
y y y
y y y
y y

= =
=
| |
|
=
|
|
\ .
+ + | |
|
=
|
|

\ .
x x y
y
y
-1
A
A

Obtendo mais uma vez a expresso da transformao inversa.

Podemos tambm escrever a expresso da inversa obtida em forma padro, trocando y por x
, para obter

1
1 2 3 1 2 3 1 3
( ) ( 5 2 4 , 2 , )
T
T x x x x x x x x

= + + x

Observaes:
a) Em todos os procedimentos utilizados o custo computacional foi praticamente o
mesmo. Demandou a resoluo de um sistema linear de equaes ou o clculo de da
inversa de uma matriz.
b) Um resultado que ainda no foi provado formalmente e que nos permitiria mostrar a
existncia da transformao inversa: Se a matriz de representao for invertvel
ento existe a inversa da transformao.



Por este motivo (e muitos outros que aparecero mais tarde), a representao matricial de
uma transformao linear se torna um dos problemas bsicos da lgebra Linear.
Exerccios Transformaes lineares

1. Mostre que cada uma das aplicaes seguintes uma transformao linear de R
2
em
R
2
.
Descreva geometricamente o que cada uma delas faz.

(a) ( ) ( )
T
x x x L
2 1
, = (b) ( ) x x L = (c) ( ) ( )
T
x x x L
1 2
, =
(d) ( ) x x L
2
1
= (e) ( )
2 2
e x x L =

2. Seja L a transformao linear de R
2
em si mesmo definida por
L(x) = ( )
T
x sen x sen x x o o o o cos , cos
2 1 2 1
+
Expresse x
1
, x
2
e L(x) em coordenadas polares. Descreva geometricamente o efeito dessa
transformao linear.


3. Seja a um vetor fixo no-nulo em R
2
. Uma aplicao da forma
L{x) = x + a
chamada de translao. Mostre que uma translao no e uma transformao linear.
Ilustre geometricamente o efeito de uma translao.

4. Determine se as transformaes de R
3
em R
2
a seguir so ou no lineares.

(a) ( ) ( )
T
x x x L
3 2
, = (b) ( ) ( )
T
x L 0 , 0 =
(c) ( ) ( )
T
x x x L
2 1
, 1+ = (d) ( ) ( )
T
x x x x L
2 1 3
, + =

5. Determine se as transformaes de R
2
em R
3
a seguir so ou no lineares.

(a) ( ) ( )
T
x x x L 1 , ,
2 1
= (b) ( ) ( )
T
x x x x x L
2 1 2 1
2 , , + =
(c) ( ) ( )
T
x x L 0 , 0 ,
1
= (d) ( ) ( )
T
x x x x x L
2
2
2
1 2 1
, , + =

6. Determine se as transformaes de
n x n
R em
n x n
R a seguir so ou no lineares.

(a) L(A) = 2A (b) L(A) = A
T

(c) L(A) = A + 1 (d) L(A) = A - A
T


7. Determine se as transformaes de P
2
em P
3
a seguir so ou no lineares.

(a) L(p(x))=xp(x)
(b) ( ) ( ) px x x p L + =
2

(c) ( ) ( ) ( ) ( ) ( ) x p x x xp x p x p L
2
+ + =

8. Para cada e f C[0, 1], defina L( f) = F, onde
( ) ( ) 1 0
0
s s =
}
x dt t f x F
x

Mostre que L uma transformao linear de C[0, 1] em C[0, 1]. Depois, encontre
( )
x
e L e ( )
2
x L .

9. Determine se as transformaes de C[0, 1] em R
1
a seguir so ou no lineares.

(a) ( ) ( ) 0 f f L = (b) ( ) ( ) 0 f f L =
(c) ( ) ( ) ( ) | | 2 / 1 0 f f f L + = (d) ( ) ( ) | | { }
2 1
1
0
2
}
= dx x f f L

10. Se L uma transformao linear de V em W, use induo matemtica para provar
que

( )
n n
L v v v
2 2 1 1
o o o + + + = ( ) ( ) ( )
n n
L L L v v v
2 2 1 1
o o o + + +

11. Seja {v
1
, ..., v
n
} uma base para um espao vetorial V e sejam L
1
e L
2
duas
transformaes lineares de V em um espao vetorial W. Mostre que, se
( ) ( )
i i
v L v L
2 1
=

para cada i = 1, ..., n, ento L
1
= L
2
[isto , mostre que L
1
(v) = L
2
(v) para todo v
eV].

12. Seja L, uma transformao linear de R
1
em R
2
e seja a = L(1). Mostre que L(x) = ax
para todo xe R
1
.

13. Seja L um operador linear de um espao vetorial V nele mesmo. Defina, por
recurso, o operador L
n
, n> 1 da seguinte maneira:
L L =
1

( ) ( ) ( ) v L L v L
k k
=
+1
para todo v e V
Mostre que L
n
um operador linear para todo n > 1.

14. Sejam V U L :
1
e
2
: L V W transformaes lineares e seja
2 1
L L L = , a
transformao definida por
( ) ( ) ( ) u L L u L
1 2
=
para u e U. Mostre que L uma transformao linear de U em W.

15. Determine o ncleo e a imagem de cada uma das transformaes lineares de R
3
em
R
3
.

(a) ( ) ( )
T
x x x x L
1 2 3
, , =
(b) ( ) ( )
T
x x x L 0 , ,
2 1
=
(c) ( ) ( )
T
x x x x L
1 1 1
, , =

16. Seja S o subespao de R
3
gerado por e
1
e e
2
. Para cada um dos operadores lineares
no Exerccio 15, determine L(S).

17. Determine o ncleo e a imagem de cada uma das transformaes lineares de P
3
em
P
3
dadas a seguir.
(a) L(p(x))= xp'(x)
(b) L(p(x)) = P(x) - p'(x)
(c) L(p(x)) = P(x) + p(l)

18. Seja W V L : uma transformao linear e seja T um subespao de W. A imagem
inversa de T, denotada por ( ) T L
1
, definida por

( ) ( ) { } T L T L e e =

v V v
1


Mostre que ( ) T L
1
um subespao de V.

19. Uma transformao linear W V L : dita injetora se L(v
1
) = L(v
2
) implica que v
1

= v
2
(isto , dois vetores distintos v
1
e v
2
e V no podem ser levados no mesmo
vetor w e W). Mostre que L e injetora se e somente se ker(L) = {0
v
}.

20. Um operador linear W V L : dito sobrejetor se L(V) = W. Mostre que o
operador
3 3
: R R L definido por

( ) ( )
T
x x x x x x x L
3 2 1 2 1 1
, , + + + =

sobrejetor.

21. Quais dos operadores no Exerccio 15 so injetores? Quais so sobrejetores?

22. Seja A uma matriz 2 X 2 e seja L
A
o operador definido por

L
A
(x) = Ax

Mostre que:
(a) L
A
leva R
2
no espao coluna de A;
(b) se A invertvel, ento L
A
sobrejetora de R
2
em R
2
.

23. Seja D o operador derivada em P
3
e seja

( ) { } 0 0
3
= e = p P p S

Mostre que:
(a) D de P
3
em P
2
sobrejetora, mas no injetora;
(b)
3
: P S D injetora, mas no e sobrejetora.


4 . 3 Representao Matricial de Transformaes Lineares

Na seo anterior, mostramos que dada uma matriz
m n
A possvel definir uma
transformao linear :
n m
T dada por
( ) T = x x A
para cada
n
e x .

Agora, mostraremos que para cada transformao linear :
n m
T existe uma matriz
m n
A tal que
( ) T = x x A
Veremos tambm, que qualquer operador linear definido entre dois espaos vetoriais de
dimenso finita pode ser representado por uma matriz.

Teorema Seja :
n m
T , ento existe uma matriz
m n
A tal que ( ) T = x x A para
cada
n
e x . De fato, o j-simo vetor coluna da matriz A dado por

( ), j=1,2, ,n
j j
T = a e


Demonstrao: Seja a matriz
m n
A (explicitada atravs de suas colunas)
( )
1 2
, , , ,
j n
= a a a a A , onde
( )
1 2
, , ,
T
j j j mj
a a a = a
A matriz tem n colunas e cada coluna um vetor com m componentes.

Para j=1,2, ,n definimos cada coluna como
( )
1 2
, , , ( )
T
j j j mj j
a a a T = = a e .
e se
n
e x for um vetor arbitrrio escrito na base cannica
1 2 2
. . . x
n n
x x = + + +
1
x e e e
Fazendo ( ) T x temos
( )
1 2 2
1 1 2 2
1
2
2 1
( ) ( ) ( ) . . . x ( )
= . . . x
, , ,
x

n n
n n
n
n
T x T x T T
x x
x
x
= + + +
+ + +
| |
|
|
=
|
|
\ .
=
1
x e e e
a a a
a a a
x A


Mostramos que cada transformao linear :
n m
T pode ser representada em termos
de uma matriz . O teorema mostra como construir a matriz que representa um determinado
operador linear.

Para obter a primeira coluna de A, aplique o operador linear T ao primeiro vetor da base
de
n
.
Repita o procedimento assim em diante at obter todas as colunas de A.
Como usamos os elementos da base cannica de
n
,
2
, , ,
n 1
e e e , dizemos que A a
representao cannica de T ou a matriz de T em relao s bases cannicas. Veremos
mais tarde, como representar um operador linear em relao a outras bases.

Exemplo Encontre a transformao
3 2
: T dada por
( )
1 2 2 3
( ) ,
T
T x x x x = + + x para cada
n
e x .

Resoluo:
Queremos encontrar uma matriz Atal que ( ) T = x x A . Para fazer isso,
construiremos a matriz obtendo suas colunas consecutivamente calculando
1 2 3 1 2 3
( ), ( ) e ( ) T T T = = = e e e a a a como segue
1 1
2 2
3 3
1
( ) ,
0
1
( ) ,
1
0
( )
1
T
T
T
| |
= =
|
\ .
| |
= =
|
\ .
| |
= =
|
\ .
e a
e a
e a

E ento escolhemos esses vetores como as colunas de A

1 1 0
0 1 1
| |
|
\ .
A =
Podemos conferir o resultado calculando x A
1
1 2
2
2 3
3
1 1 0
0 1 1
x
x x
x
x x
x
| |
+ | | | |
|
=
| |
|
+
\ . \ .
|
\ .
x A =

Acabamos de ver como matrizes representam transformaes lineares de
n
em
m
,
poderamos perguntar agora se possvel encontrar uma representao anloga para
operadores lineares de V em W , onde V e W so espaos de dimenso n e m,
respectivamente. Veja o seguinte exemplo

Exemplo Considere o operador de diferenciao
1 1
: D P P definido
por ( ) D a bx b + = . Se usarmos a base ordenada padro ( ) 1, E x = , ento
( )
E
a
a bx
b


+ =





E podemos escrever
:
0
a b
D
b








Qual a matriz que, aplicada no vetor ( ) ,
T
a b produz o mesmo efeito que esse operador ?
Novamente a nossa experincia nos leva a considerar
0 1
0 0
M


=





Que satisfaz
0 1
0 0 0
a a b
M
b b


= =






Isto , a aplicao de D est representada por M. Podemos notar que

( ) ( ) ( ) 0 0 0 0 D D a bx D b x x + = + = + =
E
0 1 0 1 0 0
0 0 0 0 0 0
MM


= =






A matriz da aplicao D est representada por uma matriz nihilpotente de ordem 2, o que
simplesmente significa que a segunda derivada de um polinmio de primeiro grau zero.
As matrizes consideradas nos exemplos dependem da base escolhida para os espaos
envolvidos.

Veremos que em geral a matriz de representao de uma transformao linear depende das
bases escolhidas para o domnio e a imagem. Faremos uma generalizao do teorema
anterior.

Para fazer isso, consideremos
| |
2 1
= , , ,
n
v v v E e
| |
2 1
= , , ,
m
w w w F bases ordenadas
para V e W , respectivamente e uma transformao linear

: T V W .

Se v um vetor arbitrrio em V podemos expressa-lo em termos da base E como:

1 2 1 2
. . . x
n n
x x = + + + v v v v

Vamos mostrar que existe uma matriz
m n
A que representa o operador T no seguinte
sentido:

x y A = se e somente se
1 2 1 2
( ) . . . y
m m
T y y = + + + v w w w

A matriz A deve caracterizar o efeito do operador T .

Prova:

Pela linearidade do nosso operador temos

1 2 1 2
( ) ( ) ( ) . . . x ( )
n n
T x T x T T = + + + v v v v

Para cada , (1 ) k k n s s , ( )
k
T v est em W e ento pode ser representado em forma nica em
termos dos vetores da base F de W como:
1 2 1 2
( ) . . .
k k k mk m
T a a a = + + + v w w w

(A notao utilizada para os coeficientes da combinao linear
ik
a nos ajudar a enxergar a
matriz que estamos procurando )
Assim,

( )
( )
( )
1 11 21 1 1 2
2 12 22 2 1 2
1 2 1 2
( )
. . .
. . .
. . .
x . . .
m m
m m
n n n mn m
T
x a a a
x a a a
a a a
=
= + + +
+ + + +
+
+ + + +
v
w w w
w w w
w w w


Re-manejando os termos apropriadamente temos

( )
( )
( )
11 1 12 2 1 1
21 1 22 2 2 2
1 1 2 2 1
( )
. . . x
. . . x
. . .
. . . x
n n
n n
m m n n m
T
a x a x a
a x a x a
a x a x a
=
= + + +
+ + + +
+
+ + + +
v
w
w
w


Podemos enxergar os coeficientes de
1 2
, ,. . . ,
m
w w w na ltima expresso, como sendo
exatamente o produto das linhas de A pelo vetor ( )
T
1 2
, ,. . . ,x
n
x x = x

11 1 12 2 1 11 12 1 1 1
21 1 22 2 2 21 22 2 2 2
1 1 2 2 1 1 2 1
. . . x . . .
. . . x . . .

. . . x . . . x x
n n n
n n n
m m n n m m n n n
a x a x a a a a x x
a x a x a a a a x x
a x a x a a a a
+ + + | | | | | | | |
| | | |
+ + +
| | | |
= = =
| | | |
| | | |
+ + +
\ . \ . \ . \ .
x A A

as colunas de A, (denotadas por
k
a , 1 k n s s ) so exatamente
( )
1
2
( )
k
k
k k
mk
a
a
T
a
| |
|
|
= =
|
|
\ .
a v
F


Ento, a matriz A , cujas colunas so as coordenadas dos vetores
1 2
( ), ( ),. . . , ( )
n
T T T v v v ,
a matriz desejada. A matriz nica para as bases escolhidas desde que as coordenadas dos
vetores so nicas nessas bases.

Por outro lado tambm temos que o vetor de coordenadas de ( ) T v em relao a
| |
1 2
, ,. . . ,
m
w w w so da forma
1
n
i ij j
j
y a x
=
=


Logo = y x A .
Acabamos de mostrar o teorema embaixo:

Teorema Seja uma transformao linear : T V W e duas bases ordenadas
| |
2 1
= , , ,
n
v v v E e
| |
2 1
= , , ,
m
w w w F para V e W respectivamente,
ento existe uma matriz
m n
A tal que
| |
2 1
= , , ,
n
v v v E e
| |
2 1
= , , ,
m
w w w F bases ordenadas para V e W , respectivamente tal que:
| | | |
( ) T = v v A
F E


A a matriz de ( ) T v em relao as bases ordenadas E e F . De fato, o j-simo vetor
coluna da matriz A dado por
( )
j j
T ( =

a v
F


Se denotarmos por

| |
n
= e x v
E
: vetor de coordenadas de v em relao a E.


| |
m
= e y w
F
: vetor de coordenadas de w em relao a F .

Temos que

: T V W se e somente se = x y A


Mais uma vez as colunas de A
( ) | | | | | | ( )
1 2 1 2
, , , ( ) , ( ) , , ( )
n n
T T T = = v v v a a a A
F F F



Exemplo Considere o operador linear D definido por ( ) D p p' = , que leva
3
P
em
2
P . Dadas as bases ordenadas
2
, ,1 x x (

e
| |
,1 x para
3
P e
2
P , respectivamente,
queremos determinar uma representao matricial para D.
Para fazer isso, aplicamos Da cada um dos elementos da base de
3
P

2
( ) 2 2( ) 0(1)
( ) 1 0( ) 1(1)
(1) 0 0( ) 0(1)
D x x x
D x x
D x
= = +
= = +
= = +


Em
2
P , os vetores de coordenadas para
2
( ) D x , ( ) D x e (1) D so

( )
( )
( )
2
( ) 2, 0
( ) 0,1
(1) 0, 0
T
T
T
D x
D x
D



A matriz que tem esses vetores por colunas

2 0 0
0 1 0
| |
|
\ .
A=
Se
2
( ) p x ax bx c = + + , o vetor de coordenadas de p em relao base ordenada de
3
P
( ) , ,
T
a b c . Para encontrar o vetor de coordenadas de ( ) D p em relao base ordenadas de
2
P , basta multiplicar

2 0 0 2
0 1 0
a
a
b
b
c
| |
| | | |
|
=
| |
|
\ . \ .
|
\ .

Logo
( )
2
2 D ax bx c ax b + + = + .

Para encontrar a representao matricial de uma TL :
n m
T em relao s bases
ordenadas
| |
2 1
= , , ,
n
u u u E e
| |
2 1
= , , ,
m
b b b F , precisamos representar cada vetor
( )
j
T u como uma combinao linear de
2 1
, , ,
n
b b b . O teorema a seguir mostra que
encontrar essa representao equivalente a resolver o sistema linear ( )
j
T x u B = .

Teorema Sejam
| |
2 1
= , , ,
n
u u u E e
| |
2 1
= , , ,
m
b b b F bases ordenadas para
n
e
m
, respectivamente. Se :
n m
T uma transformao linear e A a matriz de T
em relao a E e F , ento
( )
j j
T = a u
-1
B
Onde
( )
2 1
, , ,
m
b b b B = .

Demonstrao: Se A matriz de representao de T em relao a E e F , ento para
1, , j n =
1 2 1 2
( ) . . .
j j j mj m
j
T a a a = + + + u b b b
a = B


A matriz B invertvel, j que suas colunas formam uma base para
m
, portanto

( )
j j
T = u a
-1
B

Uma conseqncia desse teorema que podemos determinar a matriz associada a um
operador calculando a forma escada reduzida por linhas de uma matriz aumentada. O
prximo corolrio mostra como fazer isso.

Corolrio Se A a matriz de representao de um operador linear :
n m
T em
relao as bases
| |
2 1
= , , ,
n
u u u E e
| |
2 1
= , , ,
m
b b b F , ento a forma escada reduzida
por linhas da matriz

( )
2 1 2 1
, , , | ( ), ( ), , ( )
m n
T T T b b b v v v
( ) | I A

Demonstrao: Seja
( )
2 1
, , ,
m
b b b B = . A matriz
( )
1 2
| ( ), ( ), , ( )
n
T T T v v v B equivalente
por linhas a

( ) ( )
( )
( )
1 2 1 2
1 2
| ( ), ( ), , ( ) | ( ), ( ), , ( )
| , , ,
|
n n
n
T T T I T T T
I
I
=
=
=
v v v v v v
a a a
-1 -1 -1 -1
B B B B B
A


Exemplo Seja a TL
2 3
: T definida por ( )
2 1 2 1 2
( ) , ,
T
T x x x x x = + x .
Encontre a matriz de T em relao as bases ordenadas

| | ( ) ( )
2 1
= , 1, 2 , 3, 1
T T
(
=

u u E e | | ( ) ( ) ( )
2 3 1
= , , 1, 0, 0 , 1, 1, 0 , 1, 1, 1
T T T
(
=

b b b F

Resoluo:
O procedimento de soluo consiste em formar a matriz aumentada e depois lev-la a forma
escalonada reduzida por linhas. Para isso, precisamos calcular previamente
1 2
( ), ( ) T T v v ;
assim temos que

( )
2 3 1 2 1
1 1 1 | 2 1 1 0 0 | 1 3
, , | ( ), ( ) 0 1 1 | 3 4 0 1 0 | 4 2
0 0 1 | 1 2 0 0 1 | 1 2
T T
| | | |
| |
=
| |
| |

\ . \ .
b b b v v

Logo, a matriz procurada
1 3
4 2
1 2
| |
|
=
|
|

\ .
A

O leitor pode verificar que
2 3 1 1
2 3 2 1
( ) 4
( ) 3 2 2
T
T
= +
= + +
u b b b
u b b b


<Exerccios>


4 . 4 Semelhana

Sabemos da lgebra Matricial que h alguma facilidade em trabalhar com matrizes
diagonais para realizar determinadas operaes como inverso, determinantes e
multiplicao para mencionar apenas algumas. Por exemplo, se D uma matriz diagonal,
muito mais fcil calcular x D e x
n
D do que x A e x
n
A . Quando as dimenses dos
espaos vetoriais crescem (e o tamanho das matrizes de representao) estas consideraes
tomam maior importncia. Necessitamos, ento, achar uma maneira de obter matrizes de
representao o mais simples possvel.
Para resolver este problema, devemos descobrir como relacionar diferentes matrizes de
representao para uma dada TL. Por uma questo de simplicidade, restringimos a nossa
ateno ao caso quanto V = W com as mesmas bases para V e W. Tambm porque esse e o
caso mais freqente nas aplicaes.

O objetivo de uma representao matricial para uma transformao linear T atravs de uma
matriz A permitir uma anlise de T trabalhando comA.
Se a matriz A for simples, fcil de manipular, conseguiremos um ganho, seno, no
teremos nenhuma vantagem.
Bases diferentes conduzem a diferentes matrizes. Da, que uma escolha adequada das bases
de fundamental importncia. Obviamente, desejvel trabalhar no possvel, com as
matrizes mais simples possveis. Escolher corretamente as bases no uma tarefa trivial.
No exemplo a seguir consideraremos as representaes de uma mesma TL selecionando
duas bases diferentes com o objetivo de mostrar que as matrizes resultantes possuem
diferentes estruturas.
Exemplo Seja a TL de
2
em
2
, definida por
( )
1 1 2
( ) 2 ,
T
T x x x = + x .

Como
1
2
( )
1
T
| |
=
|
\ .
e e
2
0
( )
1
T
| |
=
|
\ .
e

A matriz em relao a
| |
1 2
, e e
2 0
1 1
| |
=
|
\ .
A
Usando uma base diferente , a matriz da TL muda. Por exemplo, se usarmos como base

1 2
1 1
e
1 1
| | | |
= =
| |
\ . \ .
u u

Ento para determinar a matriz de T em relao a
| |
1 2
, u u , precisamos determinar
1 2
( ), ( ) T T u u e escrever esses vetores como uma combinao linear de
1
u e
2
u . Podemos
usar a matriz A para encontrar
1
( ) T u e
2
( ) T u .
1 1
2 2
2 0 1 2
( )
1 1 1 2
2 0 1 2
( )
1 1 1 0
T
T
| || | | |
= = =
| | |
\ .\ . \ .
| || | | |
= = =
| | |
\ .\ . \ .
u u
u u
A
A


Para expressar esses vetores em termos de
1
u e
2
u , use a matriz de mudana de base de
| |
1 2
, e e para
| |
1 2
, u u . Ela , simplesmente

( )
1 2
1 1
,
1 1
| |
= =
|
\ .
u u U

Logo, a matriz de mudana de base
| |
1 2
, e e para
| |
1 2
, u u :

1 1

2 2
1 1

2 2
| |
|
= |
|

|
\ .
-1
U

Para determinar as coordenadas de
1
( ) T u e
2
( ) T u , em relao a
| |
1 2
, u u , multiplicamos
esses vetores por
-1
U

1 1
2 2
1 1

2 2
2 2
( ) =
1 1 2 0

2 2
1 1

2 1
2 2
( ) =
1 1 0 1

2 2
T
T
| |
|
| | | |
= = |
| |
|\ . \ .

|
\ .
| |
|
| | | |
= = |
| |
|\ . \ .

|
\ .
u u
u u
-1 -1
-1 -1
U U A
U U A


Ento,
1 1 2
2 1 2
( ) 2 0
( ) 1 1
T
T
= +
= +
u u u
u u u

E a matriz de T em relao a
| |
1 2
, u u
2 1
0 1
| |
=
|
\ .
B

Qual a relao entre A e B? Observe que as colunas de B so

1
2
=
0
| |
|
\ .
u
-1
U A e
2
2 1
= =
0 1
| | | |
| |
\ . \ .
u
-1
U A
Logo,
( ) ( )
1 2 1 2
, , = = = u u u u
-1 -1 -1 -1
B U A U A U A U A U

Portanto, se
i) B a matriz de T em relao a
| |
1 2
, u u
ii) A a matriz de T em relao a
| |
1 2
, e e
iii) U a matriz de mudana de base de
| |
1 2
, u u para
| |
1 2
, e e

temos

=
-1
B U A U

Os resultados que estabelecemos para esse operador linear particular em
2
, so tpicos
do que acontece em um contexto muito mais geral. Vamos mostrar a seguir que a ltima
relao para B vlida para duas representaes matriciais quaisquer de um operador
linear de um espao vetorial de dimenso em si mesmo.

Teorema Sejam
| |
1 2
= , , ,
n
v v v E e
| |
1 2
= , , ,
n
w w w F duas bases ordenadas para
um espao vetorial V e seja um operador linear T de em si mesmo. Seja S a matriz de
mudana de base de F para E. Se A a matriz de T em relao a E e B a matriz de T
em relao a F , ento

=
-1
B S A S

Demonstrao: Seja qualquer vetor
n
e x e seja

1 2 1 2
. . . x
n n
x x = + + + w w w v
ou seja
| |
= x v
F
o vetor de coordenadas na base F .
Defina

, , = = = y x t y z x S A B



Matriz mudana de base

Pela definio S de temos que
| |
= y v
E
e, portanto

1 2 1 2
. . . y
n n
y y = + + + v v v v

Como A a matriz de T em relao a E e B a matriz de T em relao a F , tem-se

| | | |
( ) e ( ) T T = = = = t y z x v v A B
E F


A matriz de mudana de base de E para F
-1
S , logo

= t z
-1
S
Temos que

= = = = = x y t z x
-1 -1 -1
B S A S S A S B
ento
= x x
-1
S A S B
Para todo
n
e x e portanto
=
-1
S A S B .

Uma outra maneira de ver o teorema considerar a matriz do operador identidade I em
relao s bases ordenadas E e F . Ento se

S a matriz de I em relao s bases ordenadas E e F ,
A a matriz de T em relao a E,

-1
S a matriz de I em relao s bases ordenadas F e E.

T pode ser escrito como um operador composto da forma I T I, e a representao de
uma composio o produto das matrizes associadas a cada componente. Logo , a matriz
de I T I em relao a F
-1
S A S. Se B a matriz de T em relao a F , ento B
tem que ser igual a
-1
S A S.

Definio Sejam A e B matrizes n n . Dizemos que B semelhante a A se existe uma
matriz invertvel
-1
S tal que =
-1
B S A S.


Semelhana


Observe que, se B semelhante a A, ento A semelhante a B. Logo, podemos dizer
simplesmente que A e B so semelhantes. Pelo Teorema , se A e B so duas matrizes
representando o mesmo operador T , ento A e B so semelhantes. Por outro lado,
suponha que A a matriz de T em relao base ordenada
| |
1 2
, , ,
n
v v v e que
=
-1
B S A S para alguma matriz invertvel S . Se os vetores
1 2
, , ,
n
w w w so definidos
por

11 21 1 1 1 2
21 22 2 2 1 2
1 2 1 2
. . .
. . .
. . .
n n
n n
n n nn n n
s s s
s s s
s s s
= + + +
= + + +
= + + +
w v v v
w v v v
w v v v


ento
| |
1 2
, , ,
n
w w w uma base ordenada de V e B a matriz de T em relao a
1 2
, , ,
n
w w w .

Exemplo Considere o operador linear D:
3 3
P P definido por ( ) D p p' = .
Encontre a matriz B de D em relao a
2
1, , x x (

e a matriz A de D em relao a
2
1, 2 , 4 2 x x (

.

Resoluo: Aplicando o operador a cada vetor da base
2
1, , x x temos

2
2
2 2
(1) 0 0.(1) 0.( ) 0.( )
( ) 1 1.(1) 0.( ) 0.( )
( ) 2 0.(1) 2.( ) 0.( )
D x x
D x x x
D x x x x
= = + +
= = + +
= = + +


Logo, a matriz dada por

0 1 0
0 0 2
0 0 0
| |
|
=
|
|
\ .
B
Aplicando agora o operador na base
2
1, 2 , 4 2 x x

2
2
2 2
(1) 0 0.(1) 0.(2 ) 0.(4 2)
(2 ) 2 2.(1) 0.(2 ) 0.(4 2)
(4 2) 8 0.(1) 4.(2 ) 0.(4 2)
D x x
D x x x
D x x x x
= = + +
= = + +
= = + +


Portanto
0 2 0
0 0 4
0 0 0
| |
|
=
|
|
\ .
A


A matriz de mudana de base S de
2
1, 2 , 4 2 x x (

para
2
1, , x x (

e sua inversa so dadas
por

1 0 2
0 2 0
0 0 4
| |
|
=
|
|
\ .
S e
1 0 1/ 2
0 1/ 2 0
0 0 1/ 4
| |
|
=
|
|
\ .
-1
S

O leitor pode verificar que
-1
A = S B S .


Vermos agora como utilizarmos deste ltimo teorema para encontrar uma matriz de
representao simples (uma matriz diagonal pertence famlia das matrizes que
consideramos como simples) para uma TL. Sendo assim, podemos perguntar se existe
uma base E para
V tal que a matriz A de representao de : T V V seja diagonal.

Visto de um outro modo isto significa que o nosso problema consiste em encontrar essa
base.

Exemplo Seja a TL de
2
em
2
, definida por
( )
1 2 1 2
( ) 3 , 2 2
T
T x x x x = + + x .
Se possvel encontre uma base E para
2
tal que a matriz de T em relao base E seja
diagonal

Resoluo: A matriz de T em relao base cannica
| |
1 2
, e e

1 3
2 2
| |
=
|
\ .
A

Essa matriz diagonalizvel, de fato se escolhermos
1 3
1 -2
| |
=
|
\ .
S
teremos
4 0
0 -1
| |
= =
|
\ .
-1
D S A S
o que significa que existe uma base para T para a qual a matriz de representao que
diagonal. Se tomarmos uma base para
2
formada pelas colunas de S , i..,

| |
1 2
1 3
= , ,
1 2
(
| | | |
=
( | |

\ . \ .

w w F

Logo, a matriz de T em relao base F diagonal. fcil verificar que essa soluo est
correta, calculando a matriz D diretamente . Vemos que

1 2
1 2
1 4 1 3
= =4 +0 4 +0
1 4 1 2
3 3 1 3
= =0 +(-1) 0 +(-1)
2 2 1 2
T
T
| | | | | | | |
=
| | | |
\ . \ . \ . \ .
| | | | | | | |
=
| | | |

\ . \ . \ . \ .
w w
w w


Assim os vetores de coordenadas que formam as colunas da matriz de representao nesta
nova base so
4
0
| |
|
\ .
e
0
1
| |
|

\ .
.


Observao: O problema de encontrar uma matriz diagonal associada a um operador linear
ser estudado na disciplina lgebra Linear II.


Exerccios Representao matricial de transformaes lineares

1. Para cada uma das transformaes lineares L no Exerccio 1 da Seo 1 , encontre a
matriz A que representa L.

2. Para cada uma das transformaes lineares L de R
3
em R
2
a seguir, encontre uma
matriz A tal que L(x) = Ax para todo x em R
3
.

(a) ( ) ( ) ( )
T T
x x x x x L 0 , , ,
2 1 3 2 1
+ =
(b) ( ) ( ) ( )
T T
x x x x x L
2 1 3 2 1
, , , =
(c) ( ) ( ) ( )
T T
x x x x x x x L
2 3 1 2 3 2 1
, , , =

3. Para cada uma das transformaes lineares L de R3 em /?' a seguir, encontre uma
matriz A tal que L(x) = Ax para todo x em K
3
.

(a) ( ) ( ) ( )
T T
x x x x x x L
1 2 3 3 2 1
, , , , =
(b) ( ) ( ) ( )
T T
x x x x x x x x x L
3 2 1 2 1 1 3 2 1
, , , , + + + =
(c) ( ) ( ) ( )
T T
x x x x x x x x L
3 1 1 2 3 3 2 1
2 , 3 , 2 , , + =

4. Seja L a transformao linear de R
3
em R
3
definida por
( ) ( )
2 1 3 3 1 2 3 2 1
2 , 2 , 2 x x x x x x x x x x L =
Determine a matriz A de L em relao a base cannica e use-a para encontrar L(x)
para cada um dos vetores x a seguir.

(a) x = (l,l,l)
T
(b) x = (2,l,l)
T
(c) x = (-5,3,2)
T

5. Encontre a representao matricial cannica para cada um dos operadores lineares L
em R
2
descritos a seguir.

(a) L roda cada vetor x de 45 no sentido anti-trigonomtrico.
(b) L reflete cada vetor x em relao ao eixo dos x
1
e depois roda o vetor refletido de 90 no
sentido trigonomtrico.
(c) L dobra o comprimento do eixo.depois roda o vetor obtido de 30 no sentido
trigonomtrico.
(d) L reflete cada vetor x em relao a reta x
1
= x
2
e depois projeta o vetor refletido sobre o
eixo dos x
1
.

6. Sejam
b
1
=
|
|
|
.
|

\
|
0
1
1
, b
2 =
|
|
|
.
|

\
|
1
0
1
, b
3
=
|
|
|
.
|

\
|
1
1
0

e seja L a transformao linear de R
2
em R
3
definida por
( ) ( )
3 2 1 2 2 1 1
b x x b x b x x L + + + =
Encontre a matriz A de L em relao s bases [e
1
, e
2
] e [b
1
, b
2
, b
3
].

7. Sejam
y
1
=
|
|
|
.
|

\
|
1
1
1
, y
2
=
|
|
|
.
|

\
|
0
1
1
, y
3
=
|
|
|
.
|

\
|
0
0
1

e seja I o operador identidade em R
3
.

(a) Encontre as coordenadas de I(e,), I(e
;
), I(e
3
) em relao a [y
1
, y
2
, y
3
].
(b) Encontre uma matriz A tal que Ax o vetor de coordenadas de x em relao a [y1,
y
2
, y
3
].

8. Sejam y
1
, y
2
, y
3
como no Exerccio 7 e seja L a transformao linear de R
3
em R
3

definida por


(a) Encontre a matriz de L em relao base ordenada [y
1
, y
2
, y
3
].
(b) Escreva cada um dos vetores x a seguir como uma combinao linear de y
1
, y
2
, y
3
e

use
a matriz encontrada em (a) para determinar L(x).

(i) x = (7, 5, 2)
T
(ii) x = (3, 2, l)
T
(iii) x = (I, 2, 3)
T


9. Seja L o operador linear de P
2
em R
2
definido por
L(p(x)) =
( )
( )
|
|
|
.
|

\
|
}
1
0
0
dx x p
p

Encontre uma matriz A tal que
( )
|
|
.
|

\
|
= +
|
o
| o A x L

10. 0 operador linear definido por

( ) ( ) ( ) ( ) 0 p x p x p L + ' =

vai de P
3
em P
2
. Encontre a matriz de L em relao as bases ordenadas | | 1 , ,
2
x x e [2, 1- x].
Para cada um dos vetores p(x) em P
3
a seguir, encontre as coordenadas de L(p(x)) em
relao base ordenada [2, 1 x].

(a) x
2
+ 2x 3 (b) x
2
+ 1 (c) 3x (d) 4x
2
+ 2x

11. Seja S o subespao de C[a, b] gerado por e
x
, xe
x
e x
2
e
x
. Seja D o operador derivada
em S. Encontre a matriz de D em relao base [e
x
, xe
x
e x
2
e
x
].

12. Seja L uma transformao linear de R
n
em R
n
. Suponha que L(x) = 0 para algum x =
0. Seja A a matriz de L em relao base cannica [e
1
, e
2
, ...,em]. Mostre que A
singular.

13. Seja L um operador linear de um espao vetorial V em si mesmo. Seja A a matriz de
L em relao base ordenada [v
1
,...,v
n
] [isto , L(v
j
) =

=
=
n
i
i ij
n j a
1
, , 1 , v ]. Mostre
que A
m
a matriz de L
m
em relao [v
1
,...,v
n
].

14. Sejam E = [u
l
, u
2
, u
3
] e F = [b
1,
b
2
], onde
u
1
= (1,0. -l)
T
u
2
= (1, 2, l)
T
u
3
= (-1, 1, 1)
T

e
b
1
= (1, -1)
T
, b
2
= (2, -1)
T
.
Para cada uma das transformaes lineares L de R
3
em R
2
a seguir, encontre a matriz
de L em relao s bases ordenadas E e F.

(a) ( ) ( )
T
x x x L
1 3
, =
(b) ( ) ( )
3 1 2 1
, x x x x x L + =
(c) ( ) ( )
T
x x x L
1 2
, 2 =

15. Suponha que W V L :
1
e Z W L :
2
so transformaes lineares e que E, F e G
so bases ordenadas para V, W e Z, respectivamente. Mostre que, se A a matriz de
L
1
em relao s bases E e F e se B a matriz de L
2
em relao s bases F e G,
ento a matriz C= BA e a matriz de Z V L L :
1 2
em relao a E e G.
[Sugesto: Mostre que BA[v]
E
= ( )( ) | |
G
v L L
1 2
para lodo v e V.)

16. Sejam V e W espaos vetoriais com bases ordenadas E e F, respectivamente. Se
W V L :
1
uma transformao linear e A sua matriz em relao a E e F, mostre
que;
(a) v e ker(L) se e somente se [v]
E
e N(A);
(b) w e L(V) se e somente se [w]
F
pertence ao espao coluna de A.

Exerccios Semelhana

1. Para cada uma das transformaes lineares L de R
2
em R
2
a seguir, determine a
matriz A que representa L em relao a [e
1
, e
2
] (ver Exerccio 1 da Seo 2) e a
matriz B que representa L em relao a [u
1
= (1, l)
T
, u
2
= (-1, l)
T
.

(a) L(x) = (-x
1
, x
2
)
T
(b) L(x) = -x (c) L(\) = (x
2
, x
1
)
T

(d) L(x) = x
2
1
(e) L(x) = x
2
e
2

2. Sejam [u
1
, u
2
] e [v
1
, v
2
] bases ordenadas de R
2
, onde

u
1
=
|
|
.
|

\
|
1
1
, u
2
=
|
|
.
|

\
|
1
1
e v
1
=
|
|
.
|

\
|
1
2
, v
2
=
|
|
.
|

\
|
0
1


Seja L a transformao linear definida por

( ) ( )
T
x x x L
2 1
, =

e seja B a matriz de L em relao a [u
1
, u
2
] [do Exerccio 1(a)].

(a) Encontre a matriz mudana de base S de [u
1
, u
2
] para [v
1
, v
2
].
(b) Encontre a matriz A que representa L em relao a [v
1
, v
2
] calculando SBS
-1
.
(c) Verifique que

( )
( )
2 22 1 12 2
2 21 1 11 1
v v v
v v v
a a L
a a L
+ =
+ =


3. Seja L a transformao linear em R
3
definida por

( ) ( )
T
x x x x x x x x x x L
2 1 3 3 1 2 3 2 1
2 , 2 , 2 =

e seja A a matriz de L em relao a [e
1
, e
2
, e
3
] (ver Exerccio 4 da Seo 3). Se u
1
=
(1, 1, 0)
T
, u
2
= (1, 0, l)
T
e u
3
= (0, 1, 1)
T
, ento [u
1
, u
2
, u
3
] uma base ordenada para
R
3
.

(a) Encontre a matriz mudana de base U de [u
1
, u
2
, u
3
] para [e
1
, e
2
, e
3
].
(b) Determine a matriz B que representa L em relao a [u
1
, u
2
, u
3
] calculando U
-1
AU.

4. Seja L o operador linear de R
3
em R
3
definido por L(x) = Ax, onde

A =
|
|
|
.
|

\
|



1 1 2
2 0 2
2 1 3

e sejam

|
|
|
.
|

\
|
=
1
1
1
v
1
,
|
|
|
.
|

\
|
=
0
2
1
v
2
,
|
|
|
.
|

\
|
=
1
2
0
v
3


Encontre a matriz mudana de base V de [v
1
, v
2
, v
3
] para [e
1
, e
2
, e
3
] e use-a para
encontrar a matriz B que representa L em relao a [v
1
, v
2
, v
3
].

5. Seja L o operador em P
3
definido por

L(p(x)) = xp + p(x)

(a) Encontre a matriz A que representa L em relao [1, x, x
2
].
(b) Encontre a matriz B que representa L em relao [1, x, 1 + x
2
].
(c) Encontre a matriz S tal que B =S
-1
AS.
(d) Se p(x) = a
0
+ a
1
x + a
2
(l + x
2
), calcule L"(p(x)).

6. Seja V o subespao de C[a, b] gerado por l, e
x
, e
-x
e seja D o operador derivada em
V.
(a) Encontre a matriz mudana de base S que corresponde a mudana das coordenadas em
relao a [1, e
x
, e
-x
] para [l, cosh x , senh x]. [cosh x = (e
x
+ e
-x
)/2, senh x = (e
x
e
-x
)/2.]
(b) Encontre a matriz A que representa D em relao [1, cosh x, senh x].
(c) Encontre a matriz B que representa D em relao [1, e
x
, e
-x
].
(d) Verifique que B = S
-1
AS.


7. Prove que, se A semelhante a B e se B semelhante a C, ento A semelhante a
C.

8. Suponha que A = SAS
-1
, onde A uma matriz diagonal com elementos diagonais
n
, , ,
2 1
.

(a) Mostre que As
i
= n i s
i i
, , 1 , = .
(b) Mostre que, se x =
1 1
s o +
2 2
s o + ... +
n n
s o , ento
n
k
n
k k
s s s o o o
n 2 2 2 1 1 1
k
... x A + + + =
(c) Suponha que 1 <
i
para i = 1, ..., n. O que acontece com x A
k
quando k ?
Explique.

9. Suponha que A = ST, onde S invertvel. Seja B = TS. Mostre que B semelhante a
A.

10. Sejam A e B matrizes n X n. Mostre que, se A e semelhante a B, ento existem
matrizes S e T n X n, com S invertvel, tais que
A = ST e B = TS

11. Mostre que, se A e B so matrizes semelhantes. ento det(A) = det(B).
12. Sejam A .e B matrizes semelhantes. Mostre que;
(a)
t t
B e A so semelhantes;
(b) A
k
e B
k
so semelhantes para todo inteiro positive k.
13. Mostre que, se A semelhante a B e se A invertvel, ento B tambm invertvel
e A
-1
e B
-1
tambm so semelhantes.
14. O trao de uma matriz A n X n, denotado por tr(A), e a soma de seus elementos
diagonais, isto ,
tr(A) = a
11
+ a
22
+ ... + a
nn
Mostre que:
(a) tr(AB) = tr(BA);
(b) se A semelhante a B, ento tr(A) = tr(B).
15. Sejam A e B matrizes semelhantes e seja um escalar arbitrrio. Mostre que:
(a) A - I e B - I so semelhantes;
(b) det(A - I ) = det(B - I ).


Os seguintes exemplos ilustram o fato de que as operaes de diferenciao e integrao
so uma fonte de muitas transformaes lineares.
Matrizes e transformaes lineares, um resumo.

Seja T uma transformao linear de V em W (dim(V ) = dim(W ) = n) e A a matriz de
representao de T em relao as bases de V e de W , respectivamente. As afirmaes a
seguir so equivalentes:

i) A invertvel, i.., existe
-1
A
ii) = x b A tem soluo nica
iii) = x 0 A s admite a soluo trivial
iv) a forma escalonada reduzida por linhas de A a matriz identidade
v) A um produto de matrizes elementares
vi) posto( A) = n
vii) nulidade( A)= 0
viii) A tem n vetores coluna linearmente independentes
ix) o espao coluna de A gera
n

x) o espao linha de A gera
n

xi) o espao nulo de A o vetor nulo
xii) det( A) 0 =
xiii) T invertvel e a matriz associada com a transformao inversa
1
T


-1
A
xiv) T injetora
xv) T sobrejetora
xvi) T um isomorfismo
xvii) Ker( T )
{ } = 0
xviii) Im( T ) = W

4 .5 Um tour pelo Clculo
Duas das mais importantes transformaes lineares so diferenciao e integrao,
operaes que foram estudadas em Clculo.
As seguintes regras deveriam ser-lhes familiares desde que so as mais freqentemente
usadas para calcular derivadas e integrais de funes reais.
( )
( )
( )
( ) ( ) ( ) ( )
( ) ( )
( ) ( ) ( ) ( )
( ) ( )
b b b
a a a
b b
a a
d d d
f x g x f x g x
dx dx dx
d d
cf x c f x
dx dx
f x g x dx f x dx g x dx
cf x dx c f x dx
+ = +
=
+ = +
=




Essas regras no expressam outra coisa que as condies de linearidade. Se denotarmos a
operao de diferenciao com D, as duas primeiras regras acima so

( ) ( ) ( ) ( ) ( ) e D f g D f D g D cf cD f + = + =

Exemplo Seja D operador de diferenciao. Mostre que D :
3 3
P P no invertvel.
Se escolhermos para
3
P a base cannica
{ }
2 3
1, , , S x x x = , ache a matriz associada de D em
relao a S. Mostre que D nilpotente.
Soluo Para ver que D no invertvel, basta mostrar que dim( Ker(D)) 0 = .
Ker(D) o conjunto de polinmios p para os quais D ( p )= 0 ( a funo nula). Ou seja, o
ncleo de D o conjunto de polinmios que tm derivada nula e sabemos que esse conjunto
o formado pelos polinmios de grau zero,
0
( ) p x a = . Logo Ker(D)=
{ } 1 e dim(
Ker(D))=1.
Logo D no invertvel.
Par achar a matriz, calculamos
3 2 2 3
2 2 3
2 3
2 3
( ) 3 0.(1) 0.( ) 3.( ) 0.( )
( ) 2 0.(1) 2.( ) 0.( ) 0.( )
( ) 1 1.(1) 0.( ) 0.( ) 0.( )
(1) 0 0.(1) 0.( ) 0.( ) 0.( )
D x x x x x
D x x x x x
D x x x x
D x x x
= = + + +
= = + + +
= = + + +
= = + + +


para ter
0 0 0 0
3 0 0 0
0 2 0 0
0 0 1 0
| |
|
|
|
|
\ .
M =
Note que M no invertvel, como espervamos desde que D tambm no . Como
4
0 M = , a matriz M nilpotente e ento D nilpotente de ordem 4. Estamos dizendo,
desde um ponto de vista da lgebra Linear que se derivamos uma cbica 4 times ou mais,
obtemos a funo nula.

Alguns estudantes de Clculo poderiam inquirir sobre este resultado:
D no invertvel ? como que isso ? sabemos que derivao e integrao so
operaes opostas uma da outra.
E verdade, mas deveramos ser mais cuidadosos, desde que o processo de anti-derivao
envolve a adio de uma constante arbitrria.
Se denotarmos com A o operador de anti-diferenciao, ento, por exemplo,
2
(2 ) x x c = + A , onde c uma constante arbitrria.
Supondo que A fosse a inversa de D, deveria verificar-se que
( )
2 2
( ) x x = A D ; entretanto o
que ocorre e que
( )
2 2
( ) (2 ) x x x c = = + A D A
que igual a
2
x somente se 0 c = . Assim que em geral
( ) = A D I ; logo, A e D no so
inversas.
Os exemplos seguintes mostram que para alguns espaos vetoriais, anti-diferenciao a
inversa de diferenciao.
Exemplo Seja V um subespao de
3
P definido por
{ }
( ) / (0) 0 V p x p = e =
3
P .
a) Mostre que dim( ) 3 V = .
b) Mostre que a imagem de D quando restringimos o domnio V
2
P .
c) Defina : V
2
P
0
A um operador de anti-diferenciao cuja constante
arbitrria nula. Mostre que
( )( ) ( ) p p p = =
0
A D I para qualquer
( ) p x e
3
P .
Soluo
Uma base natural para V
{ }
2 3
, , S x x x = j que qualquer polinmio cbico
2 3
0 1 2 3
( ) p x a a x a x a t = + + + tem a propriedade de ser (0) 0 p = se e somente se
0
= 0 a .
Ento dim V=3.
Calculemos a imagem de D. A imagem de D gerada pelas imagens sob D dos vetores da
base de V; temos
( ) 1 D x = ,
2
( ) 2 D x x = e
3 2
( ) 3 D x x =
Assim, Im (D) =
2
1, 2 , 3 x x (

. A imagem de D formada por todas as combinaes lineares
de 1, 2x e
2
3x que
2
P .

Para mostrar que =
0
A D I , calculamos as matrizes associadas para
0
A e D, usando a
base natural para V e para
2
P , respectivamente. Achamos
3 2 2
2 2
2
( ) 3 0.(1) 0.( ) 3.( )
( ) 2 0.(1) 2.( ) 0.( )
( ) 1 1.(1) 0.( ) 0.( )
D x x x x
D x x x x
D x x x
= = + +
= = + +
= = + +


e
2 2 2 3
0
2 2 3
0
2 3
0
1
( ) /3 0.( ) 0.( ) .( )
3
1
( ) /2 0.( ) .( ) 0.( )
2
(1) 1.( ) 0.( ) 0.( )
A x x x x x
A x x x x x
A x x x x
= = + +
= = + +
= = + +


Logo
0 0
1 0 0
1 0 0
1
0 2 0 , 0 0 ,
2
0 0 3
1
0 0
3
D A D A
M M M M I
| |
|
| |
|
|
|
= = =
|
|
|
|
\ .
|
\ .


Sendo M M =
0
D A
I , temos que
0
D A = I .

Neste exemplo foramos a constante arbitrria a ser zero.

Exemplo O clculo de uma primitiva pode envolver o uso repetido da tcnica de
integrao por partes. Considere um mtodo alternativo como o que se segue para calcular
a seguinte integral definida

2 3

x
x e dx
}


O nosso esquema de resoluo est novamente baseado no fato de que o clculo da
primitiva (integrao) a operao inversa da derivao.

Inicialmente, consideraremos um subespao de funes de tal forma que a primitiva
pertena ao espao gerado por esse subespao: uma escolha razovel
{ }
3 3 2 3
, ,
x x x
e xe x e . (
as seleo das funes da base para um determinado problema no trivial e pode ser
realizado utilizando alguma heurstica).

Em seguida, achamos a matriz de representao correspondente ao operador de
diferenciao D.

Para isso considere a aplicao de D aos vetores da base

( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
3 3 3 3 2 3
3 3 3 3 3 2 3
2 3 3 2 3 3 3 2 3
( ) 3 3. 0. 0.
( ) 3 1. 3. 0.
( ) 2 3 0. 2. 3.
x x x x x
x x x x x x
x x x x x x
D e e e xe x e
D xe e xe e xe x e
D x e xe x e e xe x e
= = + +
= + = + +
= + = + +


e
( )
( )
( )
3
3
2 3
( ) 3, 0, 0
( ) 1, 3, 0
( ) 0, 2, 3
T
x
T
x
T
x
D e
D xe
D x e



Isso implica que a matriz de representao para o operador D, nesta base

D
3 1 0
0 3 2
0 0 3
| |
|
|
|
\ .


Obtemos a matriz de representao para o operador inverso
1
D

calculando a inversa desta


matriz, assim temos

1
D


1/ 3 1/ 9 2/ 27
0 1/ 3 2/ 9
0 0 1/ 3
| |
|

|
|
\ .


O prximo passo aplicar
1
D

no vetor cuja anti-derivada queremos calcular, para isso precisamos


previamente determinar as coordenadas desse vetor em relao a nossa base

( ) ( ) ( )
2 3 3 3 2 3
0. 0. 1.
x x x x
x e e xe x e = + +

O que nos da
( )
2 3
0, 0,1
T
x
x e
logo

1/ 3 1/ 9 2/ 27 0 2/ 27
0 1/ 3 2/ 9 0 2/ 9
0 0 1/ 3 1 1/ 3
| || | | |
| | |
=
| | |
| | |
\ .\ . \ .


que o vetor de coordenadas da nossa primitiva; finalmente utilizamos as coordenadas desse vetor
e as funes da base para escrever a primitiva

2 3 3 3 2 3
(2/ 27) (2/ 9) (1/ 3)
x x x x
x e dx e xe x e = +
}


Precisamos adicionar uma constante de integrao; no aparece aqui porque estamos
trabalhando com transformaes lineares, que devem levar o vetor nulo no vetor nulo, (o
que foraria a que a constante de integrao seja zero.)

Existe em princpio uma regra geral que diz: para inverter o operador de diferenciao,
precisamos colocar algum requisito sobre o domnio de D. No exemplo anterior foi
(0) 0 p = . Em geral , uma exigncia como essa pode ser chamada uma condio inicial,
que aparece naturalmente em uma rea da Matemtica conhecida como Equaes
Diferenciais (esse ser um tpico que ser estudado em um prximo curso de Clculo). A
expresso integrando a equao diferencial utilizada em algum estgio no processo da
resoluo de equaes diferenciais.
Exemplo Mostre que a transformao A definida em
| |
C 0,1 (o espao das funes
contnuas no intervalo
| |
0,1 ) por
( ) ( ) [ ]
0
0
( ) ( ) , 0,1
x
x
A f x f t dt x = "


linear.
Soluo Seja e f g funes em
| |
C 0,1 .Temos
( ) ( )
( )
( ) ( ) ( ) ( )
0
0 0
0
0 0
( ) ( )
( ) ( )
( ) ( )
( ) ( ) ,
x
x
x x
x x
A f x g x
f t g t dt
f t dt g t dt
A f x A g x
+
= +
= +
= +



e por outro lado
( ) ( )
( )
( ) ( )
0
0
0
0
( )
( )
( )
( ) .
x
x
x
x
A cf x
cf t dt
c f t dt
c A f x
=
=
=



Logo A linear. Observe que
( )
0
( ) 0 f x = A( ) para todo f .
O Teorema Fundamental do Clculo pode ser escrito como segue:
se ( ) f x ' continua em [0,1], ento para um valor fixo
| |
0
0,1 x e e para qualquer
| |
0,1 xe ,

0
0
( ) ( ) ( )
x
x
f t dt f x f x ' =
}

Usando a nossa notao para D e A, vemos que a ltima equao no outra coisa que
0
( ( ))( ) ( ) ( ) A D f x f x f x =
Logo A a inversa de D se e somente se
0
( ) 0 f x = . Novamente vemos que necessrio
introduzir uma condio para garantir a invertibilidade da diferenciao.
Para ilustrar este ultimo ponto, consideraremos a soluo de uma equao diferencial bem
simples
Exemplo Achar uma funo (a soluo da equao diferencial)
( )
1
( ) y x C e , que
satisfaa
( ) ( ) y x y x ' = , xe
Agora sabemos que qualquer funo da forma ( )
x
y x C e = satisfaz esta equao (confira,
s obter a derivada desta funo e substituir na equao anterior). J que C pode ser um
escalar qualquer, no resolvemos o problema em forma nica (para cada valor de C teremos
uma funo diferente).
Entretanto se requeremos que uma condio adicional tal como (0) 3 y = , achamos que
( ) 3
x
y x e = a nica soluo do problema.
Podemos concluir: A unicidade da soluo de uma equao diferencial e a invertibilidade
de um operador de diferenciao esto intimamente ligados. Esse pargrafo far parte do
enunciado de um teorema que ser estudado em uma prxima disciplina.

Resumo
As transformaes lineares, um tpico de central importncia da Matemtica, tem sido
definido e analisado luz de seu ncleo ( kernel), da imagem e tambm atravs da matriz
associada transformao.
Achar a matriz de representao de uma transformao linear pode ser considerado como
um dos principais problemas bsicos da lgebra Linear.
Com uma boa familiaridade das idias de lgebra matricial, transformaes lineares e
espaos vetoriais, estaremos prontos para excursionar em outros importantes problemas da
lgebra Linear como: o conceito de ortogonalidade, o estudo de auto-sistemas (autovalores
e autovetores de uma matriz) e o problema de diagonalizao.
Na disciplina lgebra Linear II, determinantes, inversas, sistemas de equaes, espaos
vetoriais, bases, dimenso, dependncia linear, independncia linear e semelhana sero
todos usados para resolver todos estes tpicos. Assim os resultados desta primeira
disciplina so, em definitiva, ferramentas matemticas bsicas, porm de grande
importncia para resolver problemas tericos e prticos.

Bibliografia

1.- Steve, Leon J.; lgebra linear com aplicaes , 4 Edio, LTC.
2.- Poole, David; lgebra linear , 1 Edio, Thompson.
3.- Lay, David C.; lgebra linear e suas aplicaes , 2 Edio, LTC.