Escolar Documentos
Profissional Documentos
Cultura Documentos
Transformações Lineares
1
Dessa forma, T é transformação linear.
Exemplo 1.2.2 Seja V = R3 , W = R2 , α = {(1, 1, 1), (1, 1, 0), (1, 0, 0)} base do R3 , β =
{(1, 3), (1, 4)} base do R2 e
3 11 5
A= .
−1 −8 −3
Determine TA : R3 → R2 .
Vamos mostrar que a recı́proca também é verdadeira, isto é, para cada transformação linear
T : V → W , existe uma matriz A ∈ Mk×n tal que
[T v]β = A · [v]α .
A transposta da matriz dos coeficientes do sistema acima, denotada por [T ]αβ é chamada matriz
de T em relação às bases α e β,
a11 a12 · · · a1n
a21 a22 · · · a2n
[T ]αβ = .. .. .
..
. . .
ak1 ak2 · · · akn
Exemplo 1.2.3 Seja V = R3 , W = R2 , α = {(1, 1, 1), (1, 1, 0), (1, 0, 0)} base do R3 ,
β = {(1, 3), (1, 4)} base do R2 e considere a transformação linear T : R3 → R2 definida por
T (x, y, z) = (2x + y − z, 3x − 2y + 4z). Determine [T ]αβ
2
Exemplo 1.2.4 Seja T : R3 → R2 definida por T (x, y, z) = (2x − y − z, 3x + y − 2z). Sejam
α = {(1, 1, 1), (0, 1, 1), (0, 0, 1)} base do R3 e β = {(2, 1), (5, 3)}base do R2 .
a) Determine [T ]αβ .
b) Se v = (3, −4, 2), calcule T v utilizando a matriz encontrada.
Vamos formalizar as argumentações em um teorema.
Teorema 1.2.1 Sejam V e W espaços vetoriais, α uma base de V , β uma base de W e T : V → W
uma transformação linear. Então, para todo v ∈ V , vale:
[T v]β = [T ]αβ · [v]α .
Demonstração: Exercı́cio.
Exemplo 1.2.5 Sejam T : R2 → R3 uma transformação linear, α = {(1, 0), (0, 1)} base do R2 e
β = {(1, 2, −1), (1, 0, 1), (2, 2, 1)} base do R3 , tais que
1 −2
[T ]αβ = 0 3 .
2 4
Determine T (−2, 3).
Teorema 1.2.2 Sejam T : V → W transformação linear, α base de V e β base de W . Então
dimIm(T ) = posto de [T ]αβ
dimKer(T ) = nulidade de [T ]αβ = número de colunas − postode[T ]αβ
3
iii) (composição) L ◦ T : V → U definida por
(L ◦ T )(v) = L(T v)
a) S ◦ T ;
b) T ◦ S;
c) S ◦ S;
d) T ◦ T .
em relação às bases α = {(1, 0), (0, 2)},β = {( 31 , 0, −3), (1, 1, 15), (2, 0, 5)} e γ = {(2, 0), (1, 1)}.
Determine:
a) L ◦ T ;
b) T ◦ L.
T v = λv.
4
Exemplo 1.3.1 Seja T : R3 → R3 definida por T (x, y, z) = (x, y, z). Note que, para todo
(x, y, z) ∈ R3 , temos
T (x, y, z) = (x, y, z) = 1(x, y, z).
Assim, λ = 1 é o único autovalor de T e todo (x, y, z) ∈ R3 não nulo é autovetor associado a
o autovalor 1.
Exemplo 1.3.2 Seja T : R2 → R2 definida por T (x, y) = (x, −y). Determine os autovalores e
autovetores de T .
Vλ = {v ∈ V ; T v = λv}
é um subespaço vetorial de V .
5
Observação 1.3.2 Sejam V um espaço vetorial, α = {v1 , v2 , · · · , vn } base de V e A uma matriz
quadrada de ordem n. Considere TA : V → V a transformação linear associada a matriz A em
relação a base α. Note que
Definição 1.3.4 Seja A uma matriz quadrada de ordem n. O polinômio P (λ) definido por
a11 a12 · · · a1n λ 0 ··· 0
a21 a22 · · · a2n 0 λ ··· 0
P (λ) = det (A − λI) = det .. .. − .. ..
.. ..
. . . . . .
an1 an2 · · · ann 0 0 ··· λ
a11 − λ a 12 · · · a 1n
a21 a22 − λ · · · a2n
=
.. .. ..
. . .
an1 an2 · · · ann − λ
Observação 1.3.3 Note que P (λ) = (a11 −λ)(a22 −λ) · · · (ann −λ)+ termos de grau < n. Dessa
forma, P (λ) é um polinômio de grau n.
Teorema 1.3.2 Sejam A uma matriz quadrada de ordem n e P (λ) seu polinômio caracterı́stico.
Então λ é autovalor de A se, e somente se λ é raiz de P (λ).
Teorema 1.3.3 Seja T : V → V um operador linear e P (λ) o seu polonômio caracterı́stico. Então
λ é autovalor de T se, e somente se λ é raiz de P (λ).
6
1.4 Diagonalização de Operadores
Seja T : V → V um operador linear. Suponha que V possua uma base α = {v1 , v2 , · · · , vn } formada
por autovetores de V , isto é, existem λ1 , λ2 , · · · , λn (não necessariamente distintos) tais que
T v1 = λ1 , T v2 = λ2 , · · · , T vn = λn .
Vamos encontrar a matriz de T em relação à base α. Para isso, vamos escrever os vetores
T v1 , T v2 , · · · , T vn como combinação linear dos vetores da base α.
T v1 = λ1 = λ1 v1 + 0v2 + · · · + 0vn
T v2 = λ2 = 0v1 + λ2 v2 + · · · + 0vn
..
.
T v = λ = 0v + 0v + · · · + λ v
n n 1 2 n n
Dessa forma,
λ1 0 ··· 0
0 λ2 ··· 0
[T ]αα =
.. .. .. ..
. . . .
0 0 ··· λn
e assim, [T ]αα é uma matriz diagonal.
Suponha agora que β = {w1 , w2 , · · · , wn } seja uma base de V tal que [T ]ββ seja uma matriz
diagonal, isto é
γ1 0 ··· 0
0 γ2 ··· 0
[T ]ββ = .. .. .
... ..
. . .
0 0 ··· γn
Note que, pela construção de [T ]ββ , temos
T w1 = γ1 w1 + 0w2 + · · · + 0wn
T w1 = γ1 w1
T w2 = 0w1 + γ2 w2 + · · · + 0wn T w2 = γ2 w2
.. ⇒ ..
.
.
Tw
n = 0w1 + 0w2 + · · · + γn wn Tw = γ w
n n n
Exemplo 1.4.1 Seja T : R3 → R3 o operador linear definido por T (x, u, z) = (2x, 3y − x, 3z − x).
T é diagonalizável?
Vamos agora ver condições que determinem se um operador linear é ou não diagonalizável.
7
Teorema 1.4.1 Sejam T : V → V é um operador linear e λ1 , λ2 , · · · , λn autovalores de T . Se
α1 = {v11 , v21 , · · · , vn1 1 } ⊂ Vλ1 ,α2 = {v12 , v22 , · · · , vn2 2 } ⊂ Vλ2 , · · · , αk = {v1k , v2k , · · · , vnkk } ⊂ Vλk são
conjuntos L.I., então
é L.I. .
Então: