Matriz

Definição (matriz)
Transformações Uma matriz Am×n (m linhas e n colunas)
 é um arranjo 
Lineares
a11 · · · a1n
 .. ..  .
retangular de mn elementos aij : A =  . . 
am1 · · · amn

Definição (transposta)
A transposta de Am×n é AT = Bn×m dada por bij = aji .
   
b11 · · · b1m a11 · · · am1
B =  ... ..  = AT =  .. ..  .

.   . . 
bn1 · · · bnm a1n · · · amn

Note que (AT )T = A.

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 1 / 28
 Matriz

Definição (matriz)
Transformações Uma matriz Am×n (m linhas e n colunas)
 é um arranjo 
Lineares
a11 · · · a1n
 .. ..  .
retangular de mn elementos aij : A =  . . 
am1 · · · amn

Definição (transposta)
A transposta de Am×n é AT = Bn×m dada por bij = aji .
   
b11 · · · b1m a11 · · · am1
B =  ... ..  = AT =  .. ..  .

.   . . 
bn1 · · · bnm a1n · · · amn

Note que (AT )T = A.

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 1 / 28
 Matriz

Definição (matriz)
Transformações Uma matriz Am×n (m linhas e n colunas)
 é um arranjo 
Lineares
a11 · · · a1n
 .. ..  .
retangular de mn elementos aij : A =  . . 
am1 · · · amn

Definição (transposta)
A transposta de Am×n é AT = Bn×m dada por bij = aji .
   
b11 · · · b1m a11 · · · am1
B =  ... ..  = AT =  .. ..  .

.   . . 
bn1 · · · bnm a1n · · · amn

Note que (AT )T = A.

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 1 / 28
 Matriz

Definição (matriz)
Transformações Uma matriz Am×n (m linhas e n colunas)
 é um arranjo 
Lineares
a11 · · · a1n
 .. ..  .
retangular de mn elementos aij : A =  . . 
am1 · · · amn

Definição (transposta)
A transposta de Am×n é AT = Bn×m dada por bij = aji .
   
b11 · · · b1m a11 · · · am1
B =  ... ..  = AT =  .. ..  .

.   . . 
bn1 · · · bnm a1n · · · amn

Note que (AT )T = A.

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 1 / 28
 Produto Matriz-Vetor

Notação
Transformações Denotamos por Mm×n o espaço das matrizes m × n.
Lineares

Definição (produto matriz-vetor)

 
↑ ↑
Seja A =  v1 · · · vn  e w = (w1 , . . . , wn ).
↓ ↓
Pn
Definimos Aw = i=1 wi vi .

Lema (linearidade do produto matriz-vetor)

A(u + v) = Au + Av ∀u, v
A(k u) = k (Au) ∀k , ∀u

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 2 / 28
 Produto Matriz-Vetor

Notação
Transformações Denotamos por Mm×n o espaço das matrizes m × n.
Lineares

Definição (produto matriz-vetor)

 
↑ ↑
Seja A =  v1 · · · vn  e w = (w1 , . . . , wn ).
↓ ↓
Pn
Definimos Aw = i=1 wi vi .

Lema (linearidade do produto matriz-vetor)

A(u + v) = Au + Av ∀u, v
A(k u) = k (Au) ∀k , ∀u

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 2 / 28
 Produto Matriz-Vetor

Notação
Transformações Denotamos por Mm×n o espaço das matrizes m × n.
Lineares

Definição (produto matriz-vetor)

 
↑ ↑
Seja A =  v1 · · · vn  e w = (w1 , . . . , wn ).
↓ ↓
Pn
Definimos Aw = i=1 wi vi .

Lema (linearidade do produto matriz-vetor)

A(u + v) = Au + Av ∀u, v
A(k u) = k (Au) ∀k , ∀u

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 2 / 28
 TL Associada a Matriz

Definição (TL associada a uma matriz)

Transformações
Lineares
Dada A ∈ Mm×n , definimos TA : Rn → Rm por TA (w) = Aw.
Pelo lema, TA é linear: TA ∈ L(Rn ; Rm ).

Associação Mm×n ↔ L(Rn ; Rm )

A associação A → TA é bijeção de Mm×n em L(Rn ; Rm ).
Injetividade: suponha TA = TB .
TA (ej ) = TB (ej ) ⇒ Aej = Bej ⇒ aj = bj ∀j ⇒ A = B
Sobrejetividade: dada T , defina A = [T (e1 ) · · · T (en )].
TA (ej ) = Aej = [T (e1 ) · · · T (en )] ej = T (ej ) ∀j ⇒ TA = T

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 3 / 28
 TL Associada a Matriz

Definição (TL associada a uma matriz)

Transformações
Lineares
Dada A ∈ Mm×n , definimos TA : Rn → Rm por TA (w) = Aw.
Pelo lema, TA é linear: TA ∈ L(Rn ; Rm ).

Associação Mm×n ↔ L(Rn ; Rm )

A associação A → TA é bijeção de Mm×n em L(Rn ; Rm ).
Injetividade: suponha TA = TB .
TA (ej ) = TB (ej ) ⇒ Aej = Bej ⇒ aj = bj ∀j ⇒ A = B
Sobrejetividade: dada T , defina A = [T (e1 ) · · · T (en )].
TA (ej ) = Aej = [T (e1 ) · · · T (en )] ej = T (ej ) ∀j ⇒ TA = T

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 3 / 28
 TL Associada a Matriz

Definição (TL associada a uma matriz)

Transformações
Lineares
Dada A ∈ Mm×n , definimos TA : Rn → Rm por TA (w) = Aw.
Pelo lema, TA é linear: TA ∈ L(Rn ; Rm ).

Associação Mm×n ↔ L(Rn ; Rm )

A associação A → TA é bijeção de Mm×n em L(Rn ; Rm ).
Injetividade: suponha TA = TB .
TA (ej ) = TB (ej ) ⇒ Aej = Bej ⇒ aj = bj ∀j ⇒ A = B
Sobrejetividade: dada T , defina A = [T (e1 ) · · · T (en )].
TA (ej ) = Aej = [T (e1 ) · · · T (en )] ej = T (ej ) ∀j ⇒ TA = T

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 3 / 28
 TL Associada a Matriz

Definição (TL associada a uma matriz)

Transformações
Lineares
Dada A ∈ Mm×n , definimos TA : Rn → Rm por TA (w) = Aw.
Pelo lema, TA é linear: TA ∈ L(Rn ; Rm ).

Associação Mm×n ↔ L(Rn ; Rm )

A associação A → TA é bijeção de Mm×n em L(Rn ; Rm ).
Injetividade: suponha TA = TB .
TA (ej ) = TB (ej ) ⇒ Aej = Bej ⇒ aj = bj ∀j ⇒ A = B
Sobrejetividade: dada T , defina A = [T (e1 ) · · · T (en )].
TA (ej ) = Aej = [T (e1 ) · · · T (en )] ej = T (ej ) ∀j ⇒ TA = T

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 3 / 28
 TL Associada a Matriz

Definição (TL associada a uma matriz)

Transformações
Lineares
Dada A ∈ Mm×n , definimos TA : Rn → Rm por TA (w) = Aw.
Pelo lema, TA é linear: TA ∈ L(Rn ; Rm ).

Associação Mm×n ↔ L(Rn ; Rm )

A associação A → TA é bijeção de Mm×n em L(Rn ; Rm ).
Injetividade: suponha TA = TB .
TA (ej ) = TB (ej ) ⇒ Aej = Bej ⇒ aj = bj ∀j ⇒ A = B
Sobrejetividade: dada T , defina A = [T (e1 ) · · · T (en )].
TA (ej ) = Aej = [T (e1 ) · · · T (en )] ej = T (ej ) ∀j ⇒ TA = T

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 3 / 28
 TL Associada a Matriz

Definição (TL associada a uma matriz)

Transformações
Lineares
Dada A ∈ Mm×n , definimos TA : Rn → Rm por TA (w) = Aw.
Pelo lema, TA é linear: TA ∈ L(Rn ; Rm ).

Associação Mm×n ↔ L(Rn ; Rm )

A associação A → TA é bijeção de Mm×n em L(Rn ; Rm ).
Injetividade: suponha TA = TB .
TA (ej ) = TB (ej ) ⇒ Aej = Bej ⇒ aj = bj ∀j ⇒ A = B
Sobrejetividade: dada T , defina A = [T (e1 ) · · · T (en )].
TA (ej ) = Aej = [T (e1 ) · · · T (en )] ej = T (ej ) ∀j ⇒ TA = T

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 3 / 28
 TL Associada a Matriz

Definição (TL associada a uma matriz)

Transformações
Lineares
Dada A ∈ Mm×n , definimos TA : Rn → Rm por TA (w) = Aw.
Pelo lema, TA é linear: TA ∈ L(Rn ; Rm ).

Associação Mm×n ↔ L(Rn ; Rm )

A associação A → TA é bijeção de Mm×n em L(Rn ; Rm ).
Injetividade: suponha TA = TB .
TA (ej ) = TB (ej ) ⇒ Aej = Bej ⇒ aj = bj ∀j ⇒ A = B
Sobrejetividade: dada T , defina A = [T (e1 ) · · · T (en )].
TA (ej ) = Aej = [T (e1 ) · · · T (en )] ej = T (ej ) ∀j ⇒ TA = T

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 3 / 28
 TL Associada a Matriz

Definição (TL associada a uma matriz)

Transformações
Lineares
Dada A ∈ Mm×n , definimos TA : Rn → Rm por TA (w) = Aw.
Pelo lema, TA é linear: TA ∈ L(Rn ; Rm ).

Associação Mm×n ↔ L(Rn ; Rm )

A associação A → TA é bijeção de Mm×n em L(Rn ; Rm ).
Injetividade: suponha TA = TB .
TA (ej ) = TB (ej ) ⇒ Aej = Bej ⇒ aj = bj ∀j ⇒ A = B
Sobrejetividade: dada T , defina A = [T (e1 ) · · · T (en )].
TA (ej ) = Aej = [T (e1 ) · · · T (en )] ej = T (ej ) ∀j ⇒ TA = T

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 3 / 28
 TL Associada a Matriz

Definição (TL associada a uma matriz)

Transformações
Lineares
Dada A ∈ Mm×n , definimos TA : Rn → Rm por TA (w) = Aw.
Pelo lema, TA é linear: TA ∈ L(Rn ; Rm ).

Associação Mm×n ↔ L(Rn ; Rm )

A associação A → TA é bijeção de Mm×n em L(Rn ; Rm ).
Injetividade: suponha TA = TB .
TA (ej ) = TB (ej ) ⇒ Aej = Bej ⇒ aj = bj ∀j ⇒ A = B
Sobrejetividade: dada T , defina A = [T (e1 ) · · · T (en )].
TA (ej ) = Aej = [T (e1 ) · · · T (en )] ej = T (ej ) ∀j ⇒ TA = T

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 3 / 28
 TL Associada a Matriz

Definição (TL associada a uma matriz)

Transformações
Lineares
Dada A ∈ Mm×n , definimos TA : Rn → Rm por TA (w) = Aw.
Pelo lema, TA é linear: TA ∈ L(Rn ; Rm ).

Associação Mm×n ↔ L(Rn ; Rm )

A associação A → TA é bijeção de Mm×n em L(Rn ; Rm ).
Injetividade: suponha TA = TB .
TA (ej ) = TB (ej ) ⇒ Aej = Bej ⇒ aj = bj ∀j ⇒ A = B
Sobrejetividade: dada T , defina A = [T (e1 ) · · · T (en )].
TA (ej ) = Aej = [T (e1 ) · · · T (en )] ej = T (ej ) ∀j ⇒ TA = T

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 3 / 28
 TL Associada a Matriz

Definição (TL associada a uma matriz)

Transformações
Lineares
Dada A ∈ Mm×n , definimos TA : Rn → Rm por TA (w) = Aw.
Pelo lema, TA é linear: TA ∈ L(Rn ; Rm ).

Associação Mm×n ↔ L(Rn ; Rm )

A associação A → TA é bijeção de Mm×n em L(Rn ; Rm ).
Injetividade: suponha TA = TB .
TA (ej ) = TB (ej ) ⇒ Aej = Bej ⇒ aj = bj ∀j ⇒ A = B
Sobrejetividade: dada T , defina A = [T (e1 ) · · · T (en )].
TA (ej ) = Aej = [T (e1 ) · · · T (en )] ej = T (ej ) ∀j ⇒ TA = T

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 3 / 28
 TL Associada a Matriz

Definição (TL associada a uma matriz)

Transformações
Lineares
Dada A ∈ Mm×n , definimos TA : Rn → Rm por TA (w) = Aw.
Pelo lema, TA é linear: TA ∈ L(Rn ; Rm ).

Associação Mm×n ↔ L(Rn ; Rm )

A associação A → TA é bijeção de Mm×n em L(Rn ; Rm ).
Injetividade: suponha TA = TB .
TA (ej ) = TB (ej ) ⇒ Aej = Bej ⇒ aj = bj ∀j ⇒ A = B
Sobrejetividade: dada T , defina A = [T (e1 ) · · · T (en )].
TA (ej ) = Aej = [T (e1 ) · · · T (en )] ej = T (ej ) ∀j ⇒ TA = T

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 3 / 28
 TL Associada a Matriz

Definição (TL associada a uma matriz)

Transformações
Lineares
Dada A ∈ Mm×n , definimos TA : Rn → Rm por TA (w) = Aw.
Pelo lema, TA é linear: TA ∈ L(Rn ; Rm ).

Associação Mm×n ↔ L(Rn ; Rm )

A associação A → TA é bijeção de Mm×n em L(Rn ; Rm ).
Injetividade: suponha TA = TB .
TA (ej ) = TB (ej ) ⇒ Aej = Bej ⇒ aj = bj ∀j ⇒ A = B
Sobrejetividade: dada T , defina A = [T (e1 ) · · · T (en )].
TA (ej ) = Aej = [T (e1 ) · · · T (en )] ej = T (ej ) ∀j ⇒ TA = T

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 3 / 28
 TL Associada a Matriz

Definição (TL associada a uma matriz)

Transformações
Lineares
Dada A ∈ Mm×n , definimos TA : Rn → Rm por TA (w) = Aw.
Pelo lema, TA é linear: TA ∈ L(Rn ; Rm ).

Associação Mm×n ↔ L(Rn ; Rm )

A associação A → TA é bijeção de Mm×n em L(Rn ; Rm ).
Injetividade: suponha TA = TB .
TA (ej ) = TB (ej ) ⇒ Aej = Bej ⇒ aj = bj ∀j ⇒ A = B
Sobrejetividade: dada T , defina A = [T (e1 ) · · · T (en )].
TA (ej ) = Aej = [T (e1 ) · · · T (en )] ej = T (ej ) ∀j ⇒ TA = T

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 3 / 28
 TL Associada a Matriz

Definição (TL associada a uma matriz)

Transformações
Lineares
Dada A ∈ Mm×n , definimos TA : Rn → Rm por TA (w) = Aw.
Pelo lema, TA é linear: TA ∈ L(Rn ; Rm ).

Associação Mm×n ↔ L(Rn ; Rm )

A associação A → TA é bijeção de Mm×n em L(Rn ; Rm ).
Injetividade: suponha TA = TB .
TA (ej ) = TB (ej ) ⇒ Aej = Bej ⇒ aj = bj ∀j ⇒ A = B
Sobrejetividade: dada T , defina A = [T (e1 ) · · · T (en )].
TA (ej ) = Aej = [T (e1 ) · · · T (en )] ej = T (ej ) ∀j ⇒ TA = T

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 3 / 28
 TL Associada a Matriz

Definição (TL associada a uma matriz)

Transformações
Lineares
Dada A ∈ Mm×n , definimos TA : Rn → Rm por TA (w) = Aw.
Pelo lema, TA é linear: TA ∈ L(Rn ; Rm ).

Associação Mm×n ↔ L(Rn ; Rm )

A associação A → TA é bijeção de Mm×n em L(Rn ; Rm ).
Injetividade: suponha TA = TB .
TA (ej ) = TB (ej ) ⇒ Aej = Bej ⇒ aj = bj ∀j ⇒ A = B
Sobrejetividade: dada T , defina A = [T (e1 ) · · · T (en )].
TA (ej ) = Aej = [T (e1 ) · · · T (en )] ej = T (ej ) ∀j ⇒ TA = T

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 3 / 28
 TL Associada a Matriz

Definição (TL associada a uma matriz)

Transformações
Lineares
Dada A ∈ Mm×n , definimos TA : Rn → Rm por TA (w) = Aw.
Pelo lema, TA é linear: TA ∈ L(Rn ; Rm ).

Associação Mm×n ↔ L(Rn ; Rm )

A associação A → TA é bijeção de Mm×n em L(Rn ; Rm ).
Injetividade: suponha TA = TB .
TA (ej ) = TB (ej ) ⇒ Aej = Bej ⇒ aj = bj ∀j ⇒ A = B
Sobrejetividade: dada T , defina A = [T (e1 ) · · · T (en )].
TA (ej ) = Aej = [T (e1 ) · · · T (en )] ej = T (ej ) ∀j ⇒ TA = T

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 3 / 28
 TL Associada a Matriz

Definição (TL associada a uma matriz)

Transformações
Lineares
Dada A ∈ Mm×n , definimos TA : Rn → Rm por TA (w) = Aw.
Pelo lema, TA é linear: TA ∈ L(Rn ; Rm ).

Associação Mm×n ↔ L(Rn ; Rm )

A associação A → TA é bijeção de Mm×n em L(Rn ; Rm ).
Injetividade: suponha TA = TB .
TA (ej ) = TB (ej ) ⇒ Aej = Bej ⇒ aj = bj ∀j ⇒ A = B
Sobrejetividade: dada T , defina A = [T (e1 ) · · · T (en )].
TA (ej ) = Aej = [T (e1 ) · · · T (en )] ej = T (ej ) ∀j ⇒ TA = T

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 3 / 28
 Espaço Vetorial das Matrizes

Transformações
Lineares
Definição (Soma de Matrizes e Produto Escalar-Matriz)
A soma de matrizes e o produto escalar-matriz
são definidos entrada a entrada.
Com esta definição, Mm×n é espaço vetorial.

Propriedade
A associação A ↔ TA é linear:

TA+B = TA + TB e TαA = αTA .

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 4 / 28
 Espaço Vetorial das Matrizes

Transformações
Lineares
Definição (Soma de Matrizes e Produto Escalar-Matriz)
A soma de matrizes e o produto escalar-matriz
são definidos entrada a entrada.
Com esta definição, Mm×n é espaço vetorial.

Propriedade
A associação A ↔ TA é linear:

TA+B = TA + TB e TαA = αTA .

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 4 / 28
 Espaço Vetorial das Matrizes

Transformações
Lineares
Definição (Soma de Matrizes e Produto Escalar-Matriz)
A soma de matrizes e o produto escalar-matriz
são definidos entrada a entrada.
Com esta definição, Mm×n é espaço vetorial.

Propriedade
A associação A ↔ TA é linear:

TA+B = TA + TB e TαA = αTA .

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 4 / 28
 Espaço Vetorial das Matrizes

Transformações
Lineares
Definição (Soma de Matrizes e Produto Escalar-Matriz)
A soma de matrizes e o produto escalar-matriz
são definidos entrada a entrada.
Com esta definição, Mm×n é espaço vetorial.

Propriedade
A associação A ↔ TA é linear:

TA+B = TA + TB e TαA = αTA .

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 4 / 28
 Núcleo e Imagem

Transformações
Lineares Definição (Núcleo e Imagem)
Definem-se núcleo e imagem de uma matriz A ∈ Mm×n
como o núcleo e a imagem da transformação linear
correspondente, TA ∈ L(m; n):

Nuc(A) = Nuc(TA )
def

Im(A) = Im(TA )
def

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 5 / 28
 Núcleo

Cálculo do Núcleo
Transformações " #
Lineares

A 0

Exemplo

 
" # 1 2 3 0  
1 0 −1 0
A 0 = 4 5 6 0  ∼
0 1 2 0
7 8 9 0

Nuc(A) = h(1, −2, 1)i

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 6 / 28
 Núcleo

Cálculo do Núcleo
Transformações " #
Lineares

A 0

Exemplo

 
" # 1 2 3 0  
1 0 −1 0
A 0 = 4 5 6 0  ∼
0 1 2 0
7 8 9 0

Nuc(A) = h(1, −2, 1)i

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 6 / 28
 Núcleo

Cálculo do Núcleo
Transformações " #
Lineares

A 0

Exemplo

 
" # 1 2 3 0  
1 0 −1 0
A 0 = 4 5 6 0  ∼
0 1 2 0
7 8 9 0

Nuc(A) = h(1, −2, 1)i

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 6 / 28
 Núcleo

Cálculo do Núcleo
Transformações " #
Lineares

A 0

Exemplo

 
" # 1 2 3 0  
1 0 −1 0
A 0 = 4 5 6 0  ∼
0 1 2 0
7 8 9 0

Nuc(A) = h(1, −2, 1)i

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 6 / 28
 Imagem

Cálculo da Imagem
Transformações Seja B T uma forma escalonada de AT . Então
Lineares
Im(B) = Im(A)
{b1 , b2 , . . . , bp } é base de Im(A).

Exemplo

   
1 2 3 1 4 7  
T 1 4 7
A =  4 5 6 , A = 2 5 8
  ∼
0 −3 −6
7 8 9 3 6 9

{(1, 4, 7), (0, −3, −6)} é base de Im(A).

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 7 / 28
 Imagem

Cálculo da Imagem
Transformações Seja B T uma forma escalonada de AT . Então
Lineares
Im(B) = Im(A)
{b1 , b2 , . . . , bp } é base de Im(A).

Exemplo

   
1 2 3 1 4 7  
T 1 4 7
A =  4 5 6 , A = 2 5 8
  ∼
0 −3 −6
7 8 9 3 6 9

{(1, 4, 7), (0, −3, −6)} é base de Im(A).

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 7 / 28
 Imagem

Cálculo da Imagem
Transformações Seja B T uma forma escalonada de AT . Então
Lineares
Im(B) = Im(A)
{b1 , b2 , . . . , bp } é base de Im(A).

Exemplo

   
1 2 3 1 4 7  
T 1 4 7
A =  4 5 6 , A = 2 5 8
  ∼
0 −3 −6
7 8 9 3 6 9

{(1, 4, 7), (0, −3, −6)} é base de Im(A).

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 7 / 28
 Imagem

Cálculo da Imagem
Transformações Seja B T uma forma escalonada de AT . Então
Lineares
Im(B) = Im(A)
{b1 , b2 , . . . , bp } é base de Im(A).

Exemplo

   
1 2 3 1 4 7  
T 1 4 7
A =  4 5 6 , A = 2 5 8
  ∼
0 −3 −6
7 8 9 3 6 9

{(1, 4, 7), (0, −3, −6)} é base de Im(A).

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 7 / 28
 Imagem

Cálculo da Imagem
Transformações Seja B T uma forma escalonada de AT . Então
Lineares
Im(B) = Im(A)
{b1 , b2 , . . . , bp } é base de Im(A).

Exemplo

   
1 2 3 1 4 7  
T 1 4 7
A =  4 5 6 , A = 2 5 8
  ∼
0 −3 −6
7 8 9 3 6 9

{(1, 4, 7), (0, −3, −6)} é base de Im(A).

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 7 / 28
 Imagem

Cálculo da Imagem
Transformações Seja B T uma forma escalonada de AT . Então
Lineares
Im(B) = Im(A)
{b1 , b2 , . . . , bp } é base de Im(A).

Exemplo

   
1 2 3 1 4 7  
T 1 4 7
A =  4 5 6 , A = 2 5 8
  ∼
0 −3 −6
7 8 9 3 6 9

{(1, 4, 7), (0, −3, −6)} é base de Im(A).

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 7 / 28
 Imagem

Cálculo da Imagem
Transformações Seja B T uma forma escalonada de AT . Então
Lineares
Im(B) = Im(A)
{b1 , b2 , . . . , bp } é base de Im(A).

Exemplo

   
1 2 3 1 4 7  
T 1 4 7
A =  4 5 6 , A = 2 5 8
  ∼
0 −3 −6
7 8 9 3 6 9

{(1, 4, 7), (0, −3, −6)} é base de Im(A).

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 7 / 28
 Espaço-Linha

Observação
Transformações A imagem de uma matriz A é também chamada de
Lineares
espaço-coluna de A.

Definição (Espaço-Linha)
O espaço-linha de A é o espaço-coluna de AT .

Exemplo
 
1 2 3  
1 2 3
A = 4 5 6 ,∼
 
0 −3 −6
7 8 9

{(1, 2, 3), (0, −3, −6)} é base de Im(AT ).

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 8 / 28
 Espaço-Linha

Observação
Transformações A imagem de uma matriz A é também chamada de
Lineares
espaço-coluna de A.

Definição (Espaço-Linha)
O espaço-linha de A é o espaço-coluna de AT .

Exemplo
 
1 2 3  
1 2 3
A = 4 5 6 ,∼
 
0 −3 −6
7 8 9

{(1, 2, 3), (0, −3, −6)} é base de Im(AT ).

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 8 / 28
 Espaço-Linha

Observação
Transformações A imagem de uma matriz A é também chamada de
Lineares
espaço-coluna de A.

Definição (Espaço-Linha)
O espaço-linha de A é o espaço-coluna de AT .

Exemplo
 
1 2 3  
1 2 3
A = 4 5 6 ,∼
 
0 −3 −6
7 8 9

{(1, 2, 3), (0, −3, −6)} é base de Im(AT ).

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 8 / 28
 Espaço-Linha

Observação
Transformações A imagem de uma matriz A é também chamada de
Lineares
espaço-coluna de A.

Definição (Espaço-Linha)
O espaço-linha de A é o espaço-coluna de AT .

Exemplo
 
1 2 3  
1 2 3
A = 4 5 6 ,∼
 
0 −3 −6
7 8 9

{(1, 2, 3), (0, −3, −6)} é base de Im(AT ).

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 8 / 28
 Espaço-Linha

Observação
Transformações A imagem de uma matriz A é também chamada de
Lineares
espaço-coluna de A.

Definição (Espaço-Linha)
O espaço-linha de A é o espaço-coluna de AT .

Exemplo
 
1 2 3  
1 2 3
A = 4 5 6 ,∼
 
0 −3 −6
7 8 9

{(1, 2, 3), (0, −3, −6)} é base de Im(AT ).

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 8 / 28
 Espaço-Linha

Lema
Transformações
Lineares Para qualquer matriz A ∈ Mm×n , a dimensão do
espaço-linha é igual à dimensão do espaço-coluna:

dim(Im(A)) = dim(Im(AT )).

Prova
Seja ρ o número de linhas da forma escalonada de A.
dim(Im(AT )) = ρ.
dim(Nuc(A)) = #(vár. livres) = n − ρ.
dim(Im(A)) = n − dim(Nuc(A)) = ρ.

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 9 / 28
 Espaço-Linha

Lema
Transformações
Lineares Para qualquer matriz A ∈ Mm×n , a dimensão do
espaço-linha é igual à dimensão do espaço-coluna:

dim(Im(A)) = dim(Im(AT )).

Prova
Seja ρ o número de linhas da forma escalonada de A.
dim(Im(AT )) = ρ.
dim(Nuc(A)) = #(vár. livres) = n − ρ.
dim(Im(A)) = n − dim(Nuc(A)) = ρ.

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 9 / 28
 Espaço-Linha

Lema
Transformações
Lineares Para qualquer matriz A ∈ Mm×n , a dimensão do
espaço-linha é igual à dimensão do espaço-coluna:

dim(Im(A)) = dim(Im(AT )).

Prova
Seja ρ o número de linhas da forma escalonada de A.
dim(Im(AT )) = ρ.
dim(Nuc(A)) = #(vár. livres) = n − ρ.
dim(Im(A)) = n − dim(Nuc(A)) = ρ.

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 9 / 28
 Espaço-Linha

Lema
Transformações
Lineares Para qualquer matriz A ∈ Mm×n , a dimensão do
espaço-linha é igual à dimensão do espaço-coluna:

dim(Im(A)) = dim(Im(AT )).

Prova
Seja ρ o número de linhas da forma escalonada de A.
dim(Im(AT )) = ρ.
dim(Nuc(A)) = #(vár. livres) = n − ρ.
dim(Im(A)) = n − dim(Nuc(A)) = ρ.

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 9 / 28
 Espaço-Linha

Lema
Transformações
Lineares Para qualquer matriz A ∈ Mm×n , a dimensão do
espaço-linha é igual à dimensão do espaço-coluna:

dim(Im(A)) = dim(Im(AT )).

Prova
Seja ρ o número de linhas da forma escalonada de A.
dim(Im(AT )) = ρ.
dim(Nuc(A)) = #(vár. livres) = n − ρ.
dim(Im(A)) = n − dim(Nuc(A)) = ρ.

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 9 / 28
 Matriz de uma Transformação

 
x
R = R(xe1 + y e2 ) = xR(e1 ) + yR(e2 )
y
Transformações
Lineares

sen θ R (e1 ) θ e2
R (e2 )
θ cos θ

cos θ e1 − sen θ
     
x − sin θ
cos θ
R = x +y
y sin θ
cos θ
  
cos θ − sin θ x
=
sin θ cos θ y

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 10 / 28
 Matriz de uma Transformação

 
x
R = R(xe1 + y e2 ) = xR(e1 ) + yR(e2 )
y
Transformações
Lineares

sen θ R (e1 ) θ e2
R (e2 )
θ cos θ

cos θ e1 − sen θ
     
x − sin θ
cos θ
R = x +y
y sin θ
cos θ
  
cos θ − sin θ x
=
sin θ cos θ y

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 10 / 28
 Matriz de uma Transformação

 
x
R = R(xe1 + y e2 ) = xR(e1 ) + yR(e2 )
y
Transformações
Lineares

sen θ R (e1 ) θ e2
R (e2 )
θ cos θ

cos θ e1 − sen θ
     
x − sin θ
cos θ
R = x +y
y sin θ
cos θ
  
cos θ − sin θ x
=
sin θ cos θ y

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 10 / 28
 Matriz de uma Transformação

 
x
R = R(xe1 + y e2 ) = xR(e1 ) + yR(e2 )
y
Transformações
Lineares

sen θ R (e1 ) θ e2
R (e2 )
θ cos θ

cos θ e1 − sen θ
     
x − sin θ
cos θ
R = x +y
y sin θ
cos θ
  
cos θ − sin θ x
=
sin θ cos θ y

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 10 / 28
 Matriz de uma Transformação

Transformações
Lineares
Em geral, dada T ∈ L(Rn ; Rm ), temos
P 
n
= nj=1 xj T (ej )
P
T (x) = T (x1 , . . . , xn ) = T j=1 xj ej
 
" # x1
 . 
= T (e1 ) · · · T (en )  ..  = Ax ∀x
xn

T = TA
Note que A ∈ Mm×n .

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 11 / 28
 Matriz de uma Transformação

Transformações
Lineares
Em geral, dada T ∈ L(Rn ; Rm ), temos
P 
n
= nj=1 xj T (ej )
P
T (x) = T (x1 , . . . , xn ) = T j=1 xj ej
 
" # x1
 . 
= T (e1 ) · · · T (en )  ..  = Ax ∀x
xn

T = TA
Note que A ∈ Mm×n .

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 11 / 28
 Matriz de uma Transformação

Transformações
Lineares
Em geral, dada T ∈ L(Rn ; Rm ), temos
P 
n
= nj=1 xj T (ej )
P
T (x) = T (x1 , . . . , xn ) = T j=1 xj ej
 
" # x1
 . 
= T (e1 ) · · · T (en )  ..  = Ax ∀x
xn

T = TA
Note que A ∈ Mm×n .

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 11 / 28
 Matriz de uma Transformação

Transformações
Lineares
Em geral, dada T ∈ L(Rn ; Rm ), temos
P 
n
= nj=1 xj T (ej )
P
T (x) = T (x1 , . . . , xn ) = T j=1 xj ej
 
" # x1
 . 
= T (e1 ) · · · T (en )  ..  = Ax ∀x
xn

T = TA
Note que A ∈ Mm×n .

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 11 / 28
 Matriz de uma Transformação

Transformações
Lineares
Em geral, dada T ∈ L(Rn ; Rm ), temos
P 
n
= nj=1 xj T (ej )
P
T (x) = T (x1 , . . . , xn ) = T j=1 xj ej
 
" # x1
 . 
= T (e1 ) · · · T (en )  ..  = Ax ∀x
xn

T = TA
Note que A ∈ Mm×n .

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 11 / 28
 Matriz de uma Transformação

Transformações
Lineares
Em geral, dada T ∈ L(Rn ; Rm ), temos
P 
n
= nj=1 xj T (ej )
P
T (x) = T (x1 , . . . , xn ) = T j=1 xj ej
 
" # x1
 . 
= T (e1 ) · · · T (en )  ..  = Ax ∀x
xn

T = TA
Note que A ∈ Mm×n .

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 11 / 28
 Matriz de uma Transformação

Transformações
Lineares
Em geral, dada T ∈ L(Rn ; Rm ), temos
P 
n
= nj=1 xj T (ej )
P
T (x) = T (x1 , . . . , xn ) = T j=1 xj ej
 
" # x1
 . 
= T (e1 ) · · · T (en )  ..  = Ax ∀x
xn

T = TA
Note que A ∈ Mm×n .

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 11 / 28
 Matriz de uma Transformação

Transformações
Lineares
Em geral, dada T ∈ L(Rn ; Rm ), temos
P 
n
= nj=1 xj T (ej )
P
T (x) = T (x1 , . . . , xn ) = T j=1 xj ej
 
" # x1
 . 
= T (e1 ) · · · T (en )  ..  = Ax ∀x
xn

T = TA
Note que A ∈ Mm×n .

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 11 / 28
 Produto de Matrizes

Dadas A ∈ Mm×n e B ∈ Mn×p , associamos TLs

TA ∈ L(Rn ; Rm ) e TB ∈ L(Rp ; Rn ).
Transformações
Lineares
Está bem definida a composição TA ◦ TB ∈ L(Rp ; Rm ).

Existe C ∈ Mm×p associada a TA ◦ TB , TC = TA ◦ TB .

Definição (produto de matrizes)

Dadas A ∈ Mm×n e B ∈ Mn×p define-se o produto

C = AB

como a matriz C ∈ Mm×p que satisfaz

TC = TA ◦ TB .

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 12 / 28
 Produto de Matrizes

Dadas A ∈ Mm×n e B ∈ Mn×p , associamos TLs

TA ∈ L(Rn ; Rm ) e TB ∈ L(Rp ; Rn ).
Transformações
Lineares
Está bem definida a composição TA ◦ TB ∈ L(Rp ; Rm ).

Existe C ∈ Mm×p associada a TA ◦ TB , TC = TA ◦ TB .

Definição (produto de matrizes)

Dadas A ∈ Mm×n e B ∈ Mn×p define-se o produto

C = AB

como a matriz C ∈ Mm×p que satisfaz

TC = TA ◦ TB .

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 12 / 28
 Produto de Matrizes

Dadas A ∈ Mm×n e B ∈ Mn×p , associamos TLs

TA ∈ L(Rn ; Rm ) e TB ∈ L(Rp ; Rn ).
Transformações
Lineares
Está bem definida a composição TA ◦ TB ∈ L(Rp ; Rm ).

Existe C ∈ Mm×p associada a TA ◦ TB , TC = TA ◦ TB .

Definição (produto de matrizes)

Dadas A ∈ Mm×n e B ∈ Mn×p define-se o produto

C = AB

como a matriz C ∈ Mm×p que satisfaz

TC = TA ◦ TB .

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 12 / 28
 Produto de Matrizes

Dadas A ∈ Mm×n e B ∈ Mn×p , associamos TLs

TA ∈ L(Rn ; Rm ) e TB ∈ L(Rp ; Rn ).
Transformações
Lineares
Está bem definida a composição TA ◦ TB ∈ L(Rp ; Rm ).

Existe C ∈ Mm×p associada a TA ◦ TB , TC = TA ◦ TB .

Definição (produto de matrizes)

Dadas A ∈ Mm×n e B ∈ Mn×p define-se o produto

C = AB

como a matriz C ∈ Mm×p que satisfaz

TC = TA ◦ TB .

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 12 / 28
 Produto de Matrizes

Dadas A ∈ Mm×n e B ∈ Mn×p , associamos TLs

TA ∈ L(Rn ; Rm ) e TB ∈ L(Rp ; Rn ).
Transformações
Lineares
Está bem definida a composição TA ◦ TB ∈ L(Rp ; Rm ).

Existe C ∈ Mm×p associada a TA ◦ TB , TC = TA ◦ TB .

Definição (produto de matrizes)

Dadas A ∈ Mm×n e B ∈ Mn×p define-se o produto

C = AB

como a matriz C ∈ Mm×p que satisfaz

TC = TA ◦ TB .

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 12 / 28
 Cálculo do Produto de Matrizes

Sejam A ∈ Mm×n , B ∈ Mn×p e C = AB ∈ Mm×p .

Transformações
Lineares
A j-ésima coluna de C é o vetor cj dado por

cj = Cej = TC (ej ) = (TA ◦ TB )(ej ) = TA (TB (ej ))

= TA (Bej ) = TA (bj ) = Abj

" #
AB = Ab1 · · · Abn

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 13 / 28
 Cálculo do Produto de Matrizes

Sejam A ∈ Mm×n , B ∈ Mn×p e C = AB ∈ Mm×p .

Transformações
Lineares
A j-ésima coluna de C é o vetor cj dado por

cj = Cej = TC (ej ) = (TA ◦ TB )(ej ) = TA (TB (ej ))

= TA (Bej ) = TA (bj ) = Abj

" #
AB = Ab1 · · · Abn

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 13 / 28
 Cálculo do Produto de Matrizes

Sejam A ∈ Mm×n , B ∈ Mn×p e C = AB ∈ Mm×p .

Transformações
Lineares
A j-ésima coluna de C é o vetor cj dado por

cj = Cej = TC (ej ) = (TA ◦ TB )(ej ) = TA (TB (ej ))

= TA (Bej ) = TA (bj ) = Abj

" #
AB = Ab1 · · · Abn

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 13 / 28
 Cálculo do Produto de Matrizes

Sejam A ∈ Mm×n , B ∈ Mn×p e C = AB ∈ Mm×p .

Transformações
Lineares
A j-ésima coluna de C é o vetor cj dado por

cj = Cej = TC (ej ) = (TA ◦ TB )(ej ) = TA (TB (ej ))

= TA (Bej ) = TA (bj ) = Abj

" #
AB = Ab1 · · · Abn

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 13 / 28
 Cálculo do Produto de Matrizes

Sejam A ∈ Mm×n , B ∈ Mn×p e C = AB ∈ Mm×p .

Transformações
Lineares
A j-ésima coluna de C é o vetor cj dado por

cj = Cej = TC (ej ) = (TA ◦ TB )(ej ) = TA (TB (ej ))

= TA (Bej ) = TA (bj ) = Abj

" #
AB = Ab1 · · · Abn

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 13 / 28
 Cálculo do Produto de Matrizes

Sejam A ∈ Mm×n , B ∈ Mn×p e C = AB ∈ Mm×p .

Transformações
Lineares
A j-ésima coluna de C é o vetor cj dado por

cj = Cej = TC (ej ) = (TA ◦ TB )(ej ) = TA (TB (ej ))

= TA (Bej ) = TA (bj ) = Abj

" #
AB = Ab1 · · · Abn

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 13 / 28
 Cálculo do Produto de Matrizes

Sejam A ∈ Mm×n , B ∈ Mn×p e C = AB ∈ Mm×p .

Transformações
Lineares
A j-ésima coluna de C é o vetor cj dado por

cj = Cej = TC (ej ) = (TA ◦ TB )(ej ) = TA (TB (ej ))

= TA (Bej ) = TA (bj ) = Abj

" #
AB = Ab1 · · · Abn

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 13 / 28
 Cálculo do Produto de Matrizes

Sejam A ∈ Mm×n , B ∈ Mn×p e C = AB ∈ Mm×p .

Transformações
Lineares
A j-ésima coluna de C é o vetor cj dado por

cj = Cej = TC (ej ) = (TA ◦ TB )(ej ) = TA (TB (ej ))

= TA (Bej ) = TA (bj ) = Abj

" #
AB = Ab1 · · · Abn

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 13 / 28
 Cálculo do Produto de Matrizes

Sejam A ∈ Mm×n , B ∈ Mn×p e C = AB ∈ Mm×p .

Transformações
Lineares
A j-ésima coluna de C é o vetor cj dado por

cj = Cej = TC (ej ) = (TA ◦ TB )(ej ) = TA (TB (ej ))

= TA (Bej ) = TA (bj ) = Abj

" #
AB = Ab1 · · · Abn

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 13 / 28
 Cálculo do Produto de Matrizes

Sejam A ∈ Mm×n , B ∈ Mn×p e C = AB ∈ Mm×p .

Transformações
Lineares
A j-ésima coluna de C é o vetor cj dado por

cj = Cej = TC (ej ) = (TA ◦ TB )(ej ) = TA (TB (ej ))

= TA (Bej ) = TA (bj ) = Abj

" #
AB = Ab1 · · · Abn

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 13 / 28
 Cálculo do Produto de Matrizes

Bp×m , Am×n , Cp×n = BA

Transformações
Lineares

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 14 / 28
 Cálculo do Produto de Matrizes

Bp×m , Am×n , Cp×n = BA

Transformações
Lineares

p = p m

n
n m

colunas são CLs das colunas da 1a matriz

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 14 / 28
 Cálculo do Produto de Matrizes

Bp×m , Am×n , Cp×n = BA

Transformações
Lineares

p = p m

n
n m

colunas são CLs das colunas da 1a matriz

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 14 / 28
 Cálculo do Produto de Matrizes

Bp×m , Am×n , Cp×n = BA

Transformações
Lineares

p = p m

n
n m

entradas são produtos escalares

de linhas da 1a matriz por colunas da 2a matriz
Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 14 / 28
 Cálculo do Produto de Matrizes

Bp×m , Am×n , Cp×n = BA

Transformações
Lineares

p = p m

n
n m

entradas são produtos escalares

de linhas da 1a matriz por colunas da 2a matriz
Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 14 / 28
 Cálculo do Produto de Matrizes

Bp×m , Am×n , Cp×n = BA

Transformações
Lineares

p = p m

n
n m

linhas são CLs das linhas da 2a matriz

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 14 / 28
 Propriedades do Produto de Matrizes

(αA)B = A(αB) = αAB,

Transformações
Lineares (AB)C = A(BC) = ABC

A(B + C) = AB + AC
(A + B)C = AC + BC

(AB)T = B T AT

AB 6= BA,

AB = 0 6⇒ A = 0 ou B = 0

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 15 / 28
 Propriedades do Produto de Matrizes

(αA)B = A(αB) = αAB,

Transformações
Lineares (AB)C = A(BC) = ABC

A(B + C) = AB + AC
(A + B)C = AC + BC

(AB)T = B T AT

AB 6= BA,

AB = 0 6⇒ A = 0 ou B = 0

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 15 / 28
 Propriedades do Produto de Matrizes

(αA)B = A(αB) = αAB,

Transformações
Lineares (AB)C = A(BC) = ABC

A(B + C) = AB + AC
(A + B)C = AC + BC

(AB)T = B T AT

AB 6= BA,

AB = 0 6⇒ A = 0 ou B = 0

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 15 / 28
 Propriedades do Produto de Matrizes

(αA)B = A(αB) = αAB,

Transformações
Lineares (AB)C = A(BC) = ABC

A(B + C) = AB + AC
(A + B)C = AC + BC

(AB)T = B T AT

AB 6= BA,

AB = 0 6⇒ A = 0 ou B = 0

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 15 / 28
 Propriedades do Produto de Matrizes

(αA)B = A(αB) = αAB,

Transformações
Lineares (AB)C = A(BC) = ABC

A(B + C) = AB + AC
(A + B)C = AC + BC

(AB)T = B T AT

AB 6= BA,

AB = 0 6⇒ A = 0 ou B = 0

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 15 / 28
 Propriedades do Produto de Matrizes

(αA)B = A(αB) = αAB,

Transformações
Lineares (AB)C = A(BC) = ABC

A(B + C) = AB + AC
(A + B)C = AC + BC

(AB)T = B T AT

AB 6= BA,

AB = 0 6⇒ A = 0 ou B = 0

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 15 / 28
 Inversa de uma Matriz

Definição (inversa de uma matriz)

Transformações
Lineares Se a TL TA associada à matriz A é invertível,
então diz-se que A é invertível e define-se A−1
como a matriz associada à inversa de TA , isto é,
A−1 satisfaz
TA−1 = TA− 1.
Se A não é invertível, diz-se que A é singular.

Observação
Vimos que se T ∈ L(U; V ) é invertível, então
dim(U) = dim(V ). Isto implica que uma matriz invertível é
necessariamente quadrada.

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 16 / 28
 Inversa de uma Matriz

Definição (inversa de uma matriz)

Transformações
Lineares Se a TL TA associada à matriz A é invertível,
então diz-se que A é invertível e define-se A−1
como a matriz associada à inversa de TA , isto é,
A−1 satisfaz
TA−1 = TA− 1.
Se A não é invertível, diz-se que A é singular.

Observação
Vimos que se T ∈ L(U; V ) é invertível, então
dim(U) = dim(V ). Isto implica que uma matriz invertível é
necessariamente quadrada.

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 16 / 28
 Inversa de uma Matriz

Definição (inversa de uma matriz)

Transformações
Lineares Se a TL TA associada à matriz A é invertível,
então diz-se que A é invertível e define-se A−1
como a matriz associada à inversa de TA , isto é,
A−1 satisfaz
TA−1 = TA− 1.
Se A não é invertível, diz-se que A é singular.

Observação
Vimos que se T ∈ L(U; V ) é invertível, então
dim(U) = dim(V ). Isto implica que uma matriz invertível é
necessariamente quadrada.

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 16 / 28
 Inversa de uma Matriz

Definição (inversa de uma matriz)

Transformações
Lineares Se a TL TA associada à matriz A é invertível,
então diz-se que A é invertível e define-se A−1
como a matriz associada à inversa de TA , isto é,
A−1 satisfaz
TA−1 = TA− 1.
Se A não é invertível, diz-se que A é singular.

Observação
Vimos que se T ∈ L(U; V ) é invertível, então
dim(U) = dim(V ). Isto implica que uma matriz invertível é
necessariamente quadrada.

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 16 / 28
 Cálculo da Inversa

Seja A ∈ Mn×n invertível e seja B ∈ Mn×n a sua inversa.

Transformações
Lineares
Segue da definição que TA ◦ TB = TB ◦ TA = I,
onde I ∈ L(Rn ; Rn ) é a transformação identidade,
I(x) = x ∀x ∈ Rn .
" #
A matriz associada a I é a matriz I = e1 · · · en ,

isto é, TI = I. Assim, B fica definida pela propriedade

AB = BA = I.

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 17 / 28
 Cálculo da Inversa

Seja A ∈ Mn×n invertível e seja B ∈ Mn×n a sua inversa.

Transformações
Lineares
Segue da definição que TA ◦ TB = TB ◦ TA = I,
onde I ∈ L(Rn ; Rn ) é a transformação identidade,
I(x) = x ∀x ∈ Rn .
" #
A matriz associada a I é a matriz I = e1 · · · en ,

isto é, TI = I. Assim, B fica definida pela propriedade

AB = BA = I.

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 17 / 28
 Cálculo da Inversa

Seja A ∈ Mn×n invertível e seja B ∈ Mn×n a sua inversa.

Transformações
Lineares
Segue da definição que TA ◦ TB = TB ◦ TA = I,
onde I ∈ L(Rn ; Rn ) é a transformação identidade,
I(x) = x ∀x ∈ Rn .
" #
A matriz associada a I é a matriz I = e1 · · · en ,

isto é, TI = I. Assim, B fica definida pela propriedade

AB = BA = I.

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 17 / 28
 Cálculo da Inversa

Seja A ∈ Mn×n invertível e seja B ∈ Mn×n a sua inversa.

Transformações
Lineares
Segue da definição que TA ◦ TB = TB ◦ TA = I,
onde I ∈ L(Rn ; Rn ) é a transformação identidade,
I(x) = x ∀x ∈ Rn .
" #
A matriz associada a I é a matriz I = e1 · · · en ,

isto é, TI = I. Assim, B fica definida pela propriedade

AB = BA = I.

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 17 / 28
 Cálculo da Inversa de uma Matriz

Seja A ∈ Mn×n e seja X ∈ Mn×n a sua inversa.

Transformações
Lineares AX = I ⇒ (AX )j = (I)j = ej ⇒ Axj = ej , j = 1, . . . , n

A j-ésima coluna da matriz inversa é obtida pela solução de

um sistema com lado direito ej . Para o cálculo da matriz
inteira, é necessária a solução de n sistemas lineares com
mesma matriz de coefcientes e diferentes lados direitos.
1 2
   
1 −2 1 0 1 0 3 3
∼ ⇒
1 1 0 1 0 1 − 13 13
 −1  1 2

1 −2 3 3
⇒ =
1 1 − 13 1
3

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 18 / 28
 Cálculo da Inversa de uma Matriz

Seja A ∈ Mn×n e seja X ∈ Mn×n a sua inversa.

Transformações
Lineares AX = I ⇒ (AX )j = (I)j = ej ⇒ Axj = ej , j = 1, . . . , n

A j-ésima coluna da matriz inversa é obtida pela solução de

um sistema com lado direito ej . Para o cálculo da matriz
inteira, é necessária a solução de n sistemas lineares com
mesma matriz de coefcientes e diferentes lados direitos.
1 2
   
1 −2 1 0 1 0 3 3
∼ ⇒
1 1 0 1 0 1 − 13 13
 −1  1 2

1 −2 3 3
⇒ =
1 1 − 13 1
3

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 18 / 28
 Cálculo da Inversa de uma Matriz

Seja A ∈ Mn×n e seja X ∈ Mn×n a sua inversa.

Transformações
Lineares AX = I ⇒ (AX )j = (I)j = ej ⇒ Axj = ej , j = 1, . . . , n

A j-ésima coluna da matriz inversa é obtida pela solução de

um sistema com lado direito ej . Para o cálculo da matriz
inteira, é necessária a solução de n sistemas lineares com
mesma matriz de coefcientes e diferentes lados direitos.
1 2
   
1 −2 1 0 1 0 3 3
∼ ⇒
1 1 0 1 0 1 − 13 13
 −1  1 2

1 −2 3 3
⇒ =
1 1 − 13 1
3

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 18 / 28
 Cálculo da Inversa de uma Matriz

Seja A ∈ Mn×n e seja X ∈ Mn×n a sua inversa.

Transformações
Lineares AX = I ⇒ (AX )j = (I)j = ej ⇒ Axj = ej , j = 1, . . . , n

A j-ésima coluna da matriz inversa é obtida pela solução de

um sistema com lado direito ej . Para o cálculo da matriz
inteira, é necessária a solução de n sistemas lineares com
mesma matriz de coefcientes e diferentes lados direitos.
1 2
   
1 −2 1 0 1 0 3 3
∼ ⇒
1 1 0 1 0 1 − 13 13
 −1  1 2

1 −2 3 3
⇒ =
1 1 − 13 1
3

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 18 / 28
 Cálculo da Inversa de uma Matriz

Seja A ∈ Mn×n e seja X ∈ Mn×n a sua inversa.

Transformações
Lineares AX = I ⇒ (AX )j = (I)j = ej ⇒ Axj = ej , j = 1, . . . , n

A j-ésima coluna da matriz inversa é obtida pela solução de

um sistema com lado direito ej . Para o cálculo da matriz
inteira, é necessária a solução de n sistemas lineares com
mesma matriz de coefcientes e diferentes lados direitos.
1 2
   
1 −2 1 0 1 0 3 3
∼ ⇒
1 1 0 1 0 1 − 13 13
 −1  1 2

1 −2 3 3
⇒ =
1 1 − 13 1
3

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 18 / 28
 Cálculo da Inversa de uma Matriz

Seja A ∈ Mn×n e seja X ∈ Mn×n a sua inversa.

Transformações
Lineares AX = I ⇒ (AX )j = (I)j = ej ⇒ Axj = ej , j = 1, . . . , n

A j-ésima coluna da matriz inversa é obtida pela solução de

um sistema com lado direito ej . Para o cálculo da matriz
inteira, é necessária a solução de n sistemas lineares com
mesma matriz de coefcientes e diferentes lados direitos.
1 2
   
1 −2 1 0 1 0 3 3
∼ ⇒
1 1 0 1 0 1 − 13 13
 −1  1 2

1 −2 3 3
⇒ =
1 1 − 13 1
3

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 18 / 28
 Cálculo da Inversa de uma Matriz

Seja A ∈ Mn×n e seja X ∈ Mn×n a sua inversa.

Transformações
Lineares AX = I ⇒ (AX )j = (I)j = ej ⇒ Axj = ej , j = 1, . . . , n

A j-ésima coluna da matriz inversa é obtida pela solução de

um sistema com lado direito ej . Para o cálculo da matriz
inteira, é necessária a solução de n sistemas lineares com
mesma matriz de coefcientes e diferentes lados direitos.
1 2
   
1 −2 1 0 1 0 3 3
∼ ⇒
1 1 0 1 0 1 − 13 13
 −1  1 2

1 −2 3 3
⇒ =
1 1 − 13 1
3

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 18 / 28
 Cálculo da Inversa de uma Matriz

Seja A ∈ Mn×n e seja X ∈ Mn×n a sua inversa.

Transformações
Lineares AX = I ⇒ (AX )j = (I)j = ej ⇒ Axj = ej , j = 1, . . . , n

A j-ésima coluna da matriz inversa é obtida pela solução de

um sistema com lado direito ej . Para o cálculo da matriz
inteira, é necessária a solução de n sistemas lineares com
mesma matriz de coefcientes e diferentes lados direitos.
1 2
   
1 −2 1 0 1 0 3 3
∼ ⇒
1 1 0 1 0 1 − 13 13
 −1  1 2

1 −2 3 3
⇒ =
1 1 − 13 1
3

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 18 / 28
 Cálculo da Inversa de uma Matriz

Seja A ∈ Mn×n e seja X ∈ Mn×n a sua inversa.

Transformações
Lineares AX = I ⇒ (AX )j = (I)j = ej ⇒ Axj = ej , j = 1, . . . , n

A j-ésima coluna da matriz inversa é obtida pela solução de

um sistema com lado direito ej . Para o cálculo da matriz
inteira, é necessária a solução de n sistemas lineares com
mesma matriz de coefcientes e diferentes lados direitos.
1 2
   
1 −2 1 0 1 0 3 3
∼ ⇒
1 1 0 1 0 1 − 13 13
 −1  1 2

1 −2 3 3
⇒ =
1 1 − 13 1
3

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 18 / 28
 Cálculo da Inversa

Transformações Dada A ∈ Mn×n , seja E a sua forma totalmente

Lineares
escalonada.

Seja B definida por

" # " #
A I ∼ E B .

A é invertível se e somente se E = I.

Neste caso, A−1 = B.

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 19 / 28
 Cálculo da Inversa

Transformações Dada A ∈ Mn×n , seja E a sua forma totalmente

Lineares
escalonada.

Seja B definida por

" # " #
A I ∼ E B .

A é invertível se e somente se E = I.

Neste caso, A−1 = B.

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 19 / 28
 Cálculo da Inversa

Transformações Dada A ∈ Mn×n , seja E a sua forma totalmente

Lineares
escalonada.

Seja B definida por

" # " #
A I ∼ E B .

A é invertível se e somente se E = I.

Neste caso, A−1 = B.

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 19 / 28
 Cálculo da Inversa

Transformações Dada A ∈ Mn×n , seja E a sua forma totalmente

Lineares
escalonada.

Seja B definida por

" # " #
A I ∼ E B .

A é invertível se e somente se E = I.

Neste caso, A−1 = B.

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 19 / 28
 Matrizes e TLs

Já sabemos encontrar a matriz associada a T ∈ L(Rn ; Rm ).

Transformações
Lineares
É possível representar por uma matriz uma TL qualquer,
T ∈ L(U; V )?

A resposta é sim. Mas, assim como na representação de

vetores por meio de coordenadas, é necessária a escolha
de bases. A matriz representa uma TL com relação a duas
bases (uma para o domínio e outra para o contra-domínio)
da mesma forma que as coordenadas representam um
vetor com relação a uma base:

coordenadas matriz
=
vetor transf. linear
Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 20 / 28
 Matrizes e TLs

Já sabemos encontrar a matriz associada a T ∈ L(Rn ; Rm ).

Transformações
Lineares
É possível representar por uma matriz uma TL qualquer,
T ∈ L(U; V )?

A resposta é sim. Mas, assim como na representação de

vetores por meio de coordenadas, é necessária a escolha
de bases. A matriz representa uma TL com relação a duas
bases (uma para o domínio e outra para o contra-domínio)
da mesma forma que as coordenadas representam um
vetor com relação a uma base:

coordenadas matriz
=
vetor transf. linear
Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 20 / 28
 Matrizes e TLs

Já sabemos encontrar a matriz associada a T ∈ L(Rn ; Rm ).

Transformações
Lineares
É possível representar por uma matriz uma TL qualquer,
T ∈ L(U; V )?

A resposta é sim. Mas, assim como na representação de

vetores por meio de coordenadas, é necessária a escolha
de bases. A matriz representa uma TL com relação a duas
bases (uma para o domínio e outra para o contra-domínio)
da mesma forma que as coordenadas representam um
vetor com relação a uma base:

coordenadas matriz
=
vetor transf. linear
Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 20 / 28
 Matrizes e TLs

Já sabemos encontrar a matriz associada a T ∈ L(Rn ; Rm ).

Transformações
Lineares
É possível representar por uma matriz uma TL qualquer,
T ∈ L(U; V )?

A resposta é sim. Mas, assim como na representação de

vetores por meio de coordenadas, é necessária a escolha
de bases. A matriz representa uma TL com relação a duas
bases (uma para o domínio e outra para o contra-domínio)
da mesma forma que as coordenadas representam um
vetor com relação a uma base:

coordenadas matriz
=
vetor transf. linear
Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 20 / 28
 Matrizes e TLs

Já sabemos encontrar a matriz associada a T ∈ L(Rn ; Rm ).

Transformações
Lineares
É possível representar por uma matriz uma TL qualquer,
T ∈ L(U; V )?

A resposta é sim. Mas, assim como na representação de

vetores por meio de coordenadas, é necessária a escolha
de bases. A matriz representa uma TL com relação a duas
bases (uma para o domínio e outra para o contra-domínio)
da mesma forma que as coordenadas representam um
vetor com relação a uma base:

coordenadas matriz
=
vetor transf. linear
Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 20 / 28
 Matrizes e TLs

Já sabemos encontrar a matriz associada a T ∈ L(Rn ; Rm ).

Transformações
Lineares
É possível representar por uma matriz uma TL qualquer,
T ∈ L(U; V )?

A resposta é sim. Mas, assim como na representação de

vetores por meio de coordenadas, é necessária a escolha
de bases. A matriz representa uma TL com relação a duas
bases (uma para o domínio e outra para o contra-domínio)
da mesma forma que as coordenadas representam um
vetor com relação a uma base:

coordenadas matriz
=
vetor transf. linear
Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 20 / 28
 Matrizes e TLs

T
Transformações
Lineares U −→ V

[ · ]β ↓ ↓ [ · ]γ

Rn −→ Rm
[T ]γ←β

[T (u)]γ = [T ]γ←β [u]β

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 21 / 28
 Matrizes e TLs

T
Transformações
Lineares U −→ V

[ · ]β ↓ ↓ [ · ]γ

Rn −→ Rm
[T ]γ←β

[T (u)]γ = [T ]γ←β [u]β

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 21 / 28
 Matrizes e TLs

Sejam T ∈ L(U; V ), β = {u1 , . . . , un } base de] U e

γ = {v1 , . . . , vm } base de V .
Transformações
Lineares

Vimos que existe uma matriz A ∈ Mm×n , denotada

A = [T ]γ←β , definida por [T (u)]γ = A[u]β ∀u ∈ U.
Equivalentemente, [T (uj )]γ = A[uj ]β , j = 1, . . . , n.

Mas A[uj ]β = Aej = aj , j = 1, . . . , n.

Portanto aj = [T (uj )]γ , j = 1, . . . , n.

A j-ésima coluna da matriz que representa T com relação
às bases β e γ é o vetor de coordenadas na base γ da
imagem por T do j-ésimo vetor da base β.

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 22 / 28
 Matrizes e TLs

Sejam T ∈ L(U; V ), β = {u1 , . . . , un } base de] U e

γ = {v1 , . . . , vm } base de V .
Transformações
Lineares

Vimos que existe uma matriz A ∈ Mm×n , denotada

A = [T ]γ←β , definida por [T (u)]γ = A[u]β ∀u ∈ U.
Equivalentemente, [T (uj )]γ = A[uj ]β , j = 1, . . . , n.

Mas A[uj ]β = Aej = aj , j = 1, . . . , n.

Portanto aj = [T (uj )]γ , j = 1, . . . , n.

A j-ésima coluna da matriz que representa T com relação
às bases β e γ é o vetor de coordenadas na base γ da
imagem por T do j-ésimo vetor da base β.

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 22 / 28
 Matrizes e TLs

Sejam T ∈ L(U; V ), β = {u1 , . . . , un } base de] U e

γ = {v1 , . . . , vm } base de V .
Transformações
Lineares

Vimos que existe uma matriz A ∈ Mm×n , denotada

A = [T ]γ←β , definida por [T (u)]γ = A[u]β ∀u ∈ U.
Equivalentemente, [T (uj )]γ = A[uj ]β , j = 1, . . . , n.

Mas A[uj ]β = Aej = aj , j = 1, . . . , n.

Portanto aj = [T (uj )]γ , j = 1, . . . , n.

A j-ésima coluna da matriz que representa T com relação
às bases β e γ é o vetor de coordenadas na base γ da
imagem por T do j-ésimo vetor da base β.

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 22 / 28
 Matrizes e TLs

Sejam T ∈ L(U; V ), β = {u1 , . . . , un } base de] U e

γ = {v1 , . . . , vm } base de V .
Transformações
Lineares

Vimos que existe uma matriz A ∈ Mm×n , denotada

A = [T ]γ←β , definida por [T (u)]γ = A[u]β ∀u ∈ U.
Equivalentemente, [T (uj )]γ = A[uj ]β , j = 1, . . . , n.

Mas A[uj ]β = Aej = aj , j = 1, . . . , n.

Portanto aj = [T (uj )]γ , j = 1, . . . , n.

A j-ésima coluna da matriz que representa T com relação
às bases β e γ é o vetor de coordenadas na base γ da
imagem por T do j-ésimo vetor da base β.

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 22 / 28
 Matrizes e TLs

Sejam T ∈ L(U; V ), β = {u1 , . . . , un } base de] U e

γ = {v1 , . . . , vm } base de V .
Transformações
Lineares

Vimos que existe uma matriz A ∈ Mm×n , denotada

A = [T ]γ←β , definida por [T (u)]γ = A[u]β ∀u ∈ U.
Equivalentemente, [T (uj )]γ = A[uj ]β , j = 1, . . . , n.

Mas A[uj ]β = Aej = aj , j = 1, . . . , n.

Portanto aj = [T (uj )]γ , j = 1, . . . , n.

A j-ésima coluna da matriz que representa T com relação
às bases β e γ é o vetor de coordenadas na base γ da
imagem por T do j-ésimo vetor da base β.

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 22 / 28
 Matrizes e TLs

Sejam T ∈ L(U; V ), β = {u1 , . . . , un } base de] U e

γ = {v1 , . . . , vm } base de V .
Transformações
Lineares

Vimos que existe uma matriz A ∈ Mm×n , denotada

A = [T ]γ←β , definida por [T (u)]γ = A[u]β ∀u ∈ U.
Equivalentemente, [T (uj )]γ = A[uj ]β , j = 1, . . . , n.

Mas A[uj ]β = Aej = aj , j = 1, . . . , n.

Portanto aj = [T (uj )]γ , j = 1, . . . , n.

A j-ésima coluna da matriz que representa T com relação
às bases β e γ é o vetor de coordenadas na base γ da
imagem por T do j-ésimo vetor da base β.

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 22 / 28
 Matrizes e TLs

Teorema
Transformações
Lineares
Dadas T : U → V , β, γ, defina
" #
[T ]γ←β = [T (u1 )]γ [T (u2 )]γ · · · [T (un )]γ .

Então vale

[T (u)]γ = [T ]γ←β [u]β ∀u ∈ U.

[ · ]γ←β : L(U; V ) → Rm×n

é bijeção.
T 7→ [T ]γ←β

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 23 / 28
 Matrizes e TLs

Teorema
Transformações
Lineares
Dadas T : U → V , β, γ, defina
" #
[T ]γ←β = [T (u1 )]γ [T (u2 )]γ · · · [T (un )]γ .

Então vale

[T (u)]γ = [T ]γ←β [u]β ∀u ∈ U.

[ · ]γ←β : L(U; V ) → Rm×n

é bijeção.
T 7→ [T ]γ←β

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 23 / 28
 Exemplo

T : R2 → R3 linear
Transformações T (1, 0) = (1, 2, 3), T (2, 1) = (0, 0, 2)
Lineares
β = {(1, 0), (2, 1)}, γ = {(1, 2, 3), (0, 0, 2), (0, 1, 0)}
ε2 = {(1, 0), (0, 1)}, ε3 = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}

[T ]γ←β = ?, [T ]ε3 ←ε2 = ?

 
" # 1 0
[T ]γ←β = [T (1, 0)]γ [T (2, 1)]γ = 0 1 
0 0

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 24 / 28
 Exemplo

T : R2 → R3 linear
Transformações T (1, 0) = (1, 2, 3), T (2, 1) = (0, 0, 2)
Lineares
β = {(1, 0), (2, 1)}, γ = {(1, 2, 3), (0, 0, 2), (0, 1, 0)}
ε2 = {(1, 0), (0, 1)}, ε3 = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}

[T ]γ←β = ?, [T ]ε3 ←ε2 = ?

 
" # 1 0
[T ]γ←β = [T (1, 0)]γ [T (2, 1)]γ = 0 1 
0 0

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 24 / 28
 Exemplo

T : R2 → R3 linear
Transformações T (1, 0) = (1, 2, 3), T (2, 1) = (0, 0, 2)
Lineares
β = {(1, 0), (2, 1)}, γ = {(1, 2, 3), (0, 0, 2), (0, 1, 0)}
ε2 = {(1, 0), (0, 1)}, ε3 = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}

[T ]γ←β = ?, [T ]ε3 ←ε2 = ?

 
" # 1 0
[T ]γ←β = [T (1, 0)]γ [T (2, 1)]γ = 0 1 
0 0

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 24 / 28
 Exemplo

 
2 1
T : R2 → R2 , T x = x
1 2
Transformações
Lineares  
2 1
[T ]ε =
1 2

Seja β = {u1 , u2 } = {(1, 1), (1, −1)}. Então

 T
T (u1 ) = (3, 3) = 3(u1 ) ⇒ [T (u1 )]β = 3 0
 T
T (u2 ) = (−1, 1) = −(u2 ) ⇒ [T (u2 )]β = 0 −1
 
3 0
[T ]β =
0 −1

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 25 / 28
 Exemplo

 
2 1
T : R2 → R2 , T x = x
1 2
Transformações
Lineares  
2 1
[T ]ε =
1 2

Seja β = {u1 , u2 } = {(1, 1), (1, −1)}. Então

 T
T (u1 ) = (3, 3) = 3(u1 ) ⇒ [T (u1 )]β = 3 0
 T
T (u2 ) = (−1, 1) = −(u2 ) ⇒ [T (u2 )]β = 0 −1
 
3 0
[T ]β =
0 −1

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 25 / 28
 Exemplo

 
2 1
T : R2 → R2 , T x = x
1 2
Transformações
Lineares  
2 1
[T ]ε =
1 2

Seja β = {u1 , u2 } = {(1, 1), (1, −1)}. Então

 T
T (u1 ) = (3, 3) = 3(u1 ) ⇒ [T (u1 )]β = 3 0
 T
T (u2 ) = (−1, 1) = −(u2 ) ⇒ [T (u2 )]β = 0 −1
 
3 0
[T ]β =
0 −1

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 25 / 28
 Exemplo

 
2 1
T : R2 → R2 , T x = x
1 2
Transformações
Lineares  
2 1
[T ]ε =
1 2

Seja β = {u1 , u2 } = {(1, 1), (1, −1)}. Então

 T
T (u1 ) = (3, 3) = 3(u1 ) ⇒ [T (u1 )]β = 3 0
 T
T (u2 ) = (−1, 1) = −(u2 ) ⇒ [T (u2 )]β = 0 −1
 
3 0
[T ]β =
0 −1

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 25 / 28
 Exemplo

 
2 1
T : R2 → R2 , T x = x
1 2
Transformações
Lineares  
2 1
[T ]ε =
1 2

Seja β = {u1 , u2 } = {(1, 1), (1, −1)}. Então

 T
T (u1 ) = (3, 3) = 3(u1 ) ⇒ [T (u1 )]β = 3 0
 T
T (u2 ) = (−1, 1) = −(u2 ) ⇒ [T (u2 )]β = 0 −1
 
3 0
[T ]β =
0 −1

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 25 / 28
 Exemplo

 
2 1
T : R2 → R2 , T x = x
1 2
Transformações
Lineares  
2 1
[T ]ε =
1 2

Seja β = {u1 , u2 } = {(1, 1), (1, −1)}. Então

 T
T (u1 ) = (3, 3) = 3(u1 ) ⇒ [T (u1 )]β = 3 0
 T
T (u2 ) = (−1, 1) = −(u2 ) ⇒ [T (u2 )]β = 0 −1
 
3 0
[T ]β =
0 −1

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 25 / 28
 Mudança de Base

Quando a transformação em questão é a identidade,

I : U → U, ainda podemos escolher duas bases distintas,
Transformações
Lineares β e γ, para o domínio e o contra-domínio (isto é, duas
bases distintas para U).

Neste caso, temos

[I]γ←β [u]β = [I(u)]γ = [u]γ ∀u ∈ U.

Note que [I]γ←β é uma matriz que tranforma coordenadas

na base β em coordenadas na base γ. É a chamada matriz
mudança de base de β para γ.

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 26 / 28
 Mudança de Base

Quando a transformação em questão é a identidade,

I : U → U, ainda podemos escolher duas bases distintas,
Transformações
Lineares β e γ, para o domínio e o contra-domínio (isto é, duas
bases distintas para U).

Neste caso, temos

[I]γ←β [u]β = [I(u)]γ = [u]γ ∀u ∈ U.

Note que [I]γ←β é uma matriz que tranforma coordenadas

na base β em coordenadas na base γ. É a chamada matriz
mudança de base de β para γ.

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 26 / 28
 Mudança de Base

Quando a transformação em questão é a identidade,

I : U → U, ainda podemos escolher duas bases distintas,
Transformações
Lineares β e γ, para o domínio e o contra-domínio (isto é, duas
bases distintas para U).

Neste caso, temos

[I]γ←β [u]β = [I(u)]γ = [u]γ ∀u ∈ U.

Note que [I]γ←β é uma matriz que tranforma coordenadas

na base β em coordenadas na base γ. É a chamada matriz
mudança de base de β para γ.

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 26 / 28
 Mudança de Base

Quando a transformação em questão é a identidade,

I : U → U, ainda podemos escolher duas bases distintas,
Transformações
Lineares β e γ, para o domínio e o contra-domínio (isto é, duas
bases distintas para U).

Neste caso, temos

[I]γ←β [u]β = [I(u)]γ = [u]γ ∀u ∈ U.

Note que [I]γ←β é uma matriz que tranforma coordenadas

na base β em coordenadas na base γ. É a chamada matriz
mudança de base de β para γ.

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 26 / 28
 Mudança de Base

Quando a transformação em questão é a identidade,

I : U → U, ainda podemos escolher duas bases distintas,
Transformações
Lineares β e γ, para o domínio e o contra-domínio (isto é, duas
bases distintas para U).

Neste caso, temos

[I]γ←β [u]β = [I(u)]γ = [u]γ ∀u ∈ U.

Note que [I]γ←β é uma matriz que tranforma coordenadas

na base β em coordenadas na base γ. É a chamada matriz
mudança de base de β para γ.

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 26 / 28
 Mudança de Base

Quando a transformação em questão é a identidade,

I : U → U, ainda podemos escolher duas bases distintas,
Transformações
Lineares β e γ, para o domínio e o contra-domínio (isto é, duas
bases distintas para U).

Neste caso, temos

[I]γ←β [u]β = [I(u)]γ = [u]γ ∀u ∈ U.

Note que [I]γ←β é uma matriz que tranforma coordenadas

na base β em coordenadas na base γ. É a chamada matriz
mudança de base de β para γ.

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 26 / 28
 Matriz da Composição (Produto de Matrizes)

Transformações
Lineares

U T V

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 27 / 28
 Matriz da Composição (Produto de Matrizes)

Transformações
Lineares

U T V
[ · ]β [ · ]γ

Rn Rm

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 27 / 28
 Matriz da Composição (Produto de Matrizes)

Transformações
Lineares

U T V
[ · ]β [ · ]γ

Rn Rm
[T ]γ←β

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 27 / 28
 Matriz da Composição (Produto de Matrizes)

Transformações
Lineares

V S W
[ · ]γ [ · ]δ

Rm Rp
[S ]δ←γ

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 27 / 28
 Matriz da Composição (Produto de Matrizes)

Transformações
Lineares

U T V S W
[ · ]β [ · ]γ [ · ]δ

Rn Rm Rp
[T ]γ←β [S ]δ←γ

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 27 / 28
 Matriz da Composição (Produto de Matrizes)

Transformações
S◦T
Lineares

U T V S W
[ · ]β [ · ]γ [ · ]δ

Rn Rm Rp
[T ]γ←β [S ]δ←γ

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 27 / 28
 Matriz da Composição (Produto de Matrizes)

Transformações
S◦T
Lineares

U T V S W
[ · ]β [ · ]γ [ · ]δ

Rn Rm Rp
[T ]γ←β [S ]δ←γ

[S ◦ T ]δ←β

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 27 / 28
 Matriz da Composição (Produto de Matrizes)

Transformações
S◦T
Lineares

U T V S W
[ · ]β [ · ]γ [ · ]δ

Rn Rm Rp
[T ]γ←β [S ]δ←γ

[S ◦ T ]δ←β

[S]δ←γ [T ]γ←β = [S ◦ T ]δ←β

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 27 / 28
 Inversa da Matriz de Mudança de Base

Corolário
Transformações
Lineares
[I]β←γ = [I]−1
γ←β

Álgebra Linear II 2008/2 Prof. Marco Cabral & Prof. Paulo Goldfeld DMA / IM / UFRJ 28 / 28