Você está na página 1de 21

Álgebra Linear

Marco Dias
Transformação Linear
Equações Lineares

Espaços e
Subespaços
Vetoriais
Def: Sejam W e V dois espaços vetoriais. Uma transformação
Transformações e linear (aplicação linear) é uma função de V em W , F : V → W que
Operadores
Lineares satisfaz as seguintes condições:
Mudança de Base
Imagem e núcleo 1. Quaisquer �v e w
� em V ,
Transformações do
Plano no Plano
Imagem e núcleo
Matrizes e � ) = F (�v ) + F (�
F (�v + w w ),
transformações
lineares
Soma e produto
2. Qualquer k ∈ R, �v ∈ V ,
Autovalores e
Autovetores

F (k�v ) = kF (�v )

Def: A transformação linear tal que F : V → V é chamada


Operador linear.
Obs: Pela propriedade (2) se �0 ∈ V , T (�0) = �0 ∈ W . Isso pode ser
usado para verificar se uma transformação é linear, mas nem sempre
se T (�0) = �0 garante que a transformação é linear.
Álgebra Linear

Marco Dias
Transformação Linear
Equações Lineares Ex: Verificar se a aplicação F : R3 → R2 definida por
Espaços e
Subespaços
Vetoriais
F (x, y , z) = (z, x + y )
Transformações e
Operadores
é linear.
Lineares
Mudança de Base
Imagem e núcleo
Transformações do �v = � = (x2 , y2 , z2 )
(x1 , y1 , z1 ), w
Plano no Plano
Imagem e núcleo
Matrizes e
�)
F (�v + w = F (x1 + x2 , y1 + y2 , z1 + z2 ) = (z1 + z2 , (x1 + x2 )
transformações
lineares
Soma e produto
+(y1 + y2 )) = (z1 , x1 + y1 ) + (z2 , x2 + y2 ) = F (�v ) + F (�
w)
Autovalores e F (k�v ) = F (kx1 , ky1 , kz1 ) = (kz1 , kx1 + ky1 ) = kF (�v )
Autovetores

Ex: Seja F : M(m, n) → M(n, m) definida por


F (A) = At
F é uma transformação linear?

F (A + B) = (A + B)t = At + B t = F (A) + F (B)


F (kA) = (kA)t = kAt = kF (A)
é uma transformação linear.
Álgebra Linear

Marco Dias
Transformação Linear
Equações Lineares Ex: Seja F : P1 → P2 definida por
Espaços e
Subespaços
Vetoriais F (p(t)) = tp(t) + t 2
Transformações e
Operadores
Lineares F é uma transformação linear?
Mudança de Base
Imagem e núcleo
Transformações do F (p(t) + q(t)) = t(p(t) + q(t)) + t 2 = tp(t) + tp(q) + t 2
Plano no Plano
Imagem e núcleo
Matrizes e
F (p(t)) + F (q(t)) = tp(t) + tp(q) + 2t 2
transformações
lineares
Soma e produto Não é uma transformação linear.
Autovalores e
Autovetores
Ex: Verificar se a aplicação F : R3 → R2 definida por

w , �v ∈ R2 , w
�v = A� � ∈ R3
� �
0 0 1
eA= é linear.
1 1 0
Das propriedades de operações de matrizes:

F (�v + u�) = u + �v ) = F (�v ) + F (�


A(� u)
F (k�v ) = kF (�v ),
Álgebra Linear

Marco Dias
Imagem e núcleo
Equações Lineares em especial
Espaços e  
Subespaços � � � � x � �
Vetoriais x 0 0 1  y = z
�v = =
Transformações e y 1 1 0 x +y
Operadores
Lineares
z
Mudança de Base
Imagem e núcleo
ou
Transformações do
Plano no Plano
F (x, y ) = (z, x + y )
Imagem e núcleo
Matrizes e Def: Seja F : V → W uma transformação linear. O núcleo
transformações
lineares (kernel) de F , ker (F ), é o subconjunto de V que consiste em todos
os vetores tais que F (�v ) = �0
Soma e produto
Autovalores e
Autovetores Ex: Seja F : R4 → R2 definido por
 
x � �
 y 
F   = x + y
 z  z +w
w
Determine o ker (F ).

x +y = 0
z +w = 0
Álgebra Linear

Marco Dias
Imagem e núcleo
Equações Lineares Logo ker (F ) reúne todos os vetores do tipo
Espaços e      
Subespaços
Vetoriais
r 1 0
 −r     
Transformações e   = r  −1  + s  0 
Operadores  s   0   1 
Lineares
Mudança de Base −s 0 −1
Imagem e núcleo
Transformações do
Plano no Plano onde os vetores em vermelho são os elementos da base para ker (F ).
Imagem e núcleo
Matrizes e Logo dim(ker (F )) = 2.
transformações
lineares Def: Seja F : V → W uma transformação linear. A imagem de F
Soma e produto
Autovalores e
� ∈ W tais que existe um vetor �v ∈ V
é o conjunto dos vetores w
Autovetores
�.
que satisfaz T (�v ) = w
Exemplo: Considere a transformação linear F : R3 → R2 , tal que
F (x, y , z) = (x − 3y + 5z, −x + 4y − z).
Determine Im(F ) e dim(Im(F )).
A transformação F pode ser escrita como
F (x, y , z) = x(1, −1) + y (−3, 4) + z(5, −1), x, y , z ∈ R.
Assim Im(F ) = [(1, −1), (−3, 4), (5, −1)]. A dimensão é
dim(Im(F )) = 2 (Prove!).
Álgebra Linear

Marco Dias
Transformações do Plano no Plano
Equações Lineares Ex: Considere o espaço vetorial R2 e λ ∈ R fixo. A transformação
Espaços e
Subespaços
Vetoriais T : R2 → R2 , T (x, y ) = λ(x, y )
� �� �
Transformações e
λ 0 x
Operadores
T (x, y ) =
Lineares
Mudança de Base
0 λ y
Imagem e núcleo
Transformações do
Plano no Plano
é uma contração para |λ| < 1 e uma expansão se |λ| > 1.
Imagem e núcleo
Matrizes e
Ex: Considere o espaço vetorial R2 . A transformação
transformações
lineares
Soma e produto T : R2 → R2 , T (x, y ) = (x, −y )
Autovalores e
� �� �
Autovetores 1 0 x
T (x, y ) =
0 −1 y
é uma reflexão em torno do eixo y .
Ex: Considere o espaço vetorial R2 . A transformação

T : R2 → R2 , T (x, y ) = (−x, −y )
� �� �
−1 0 x
T (x, y ) =
0 −1 y
é uma reflexão em torno da origem.
Álgebra Linear

Marco Dias
Transformações do Plano no Plano
Equações Lineares
Ex: Considere o espaço vetorial R2 e λ ∈ R fixo. A transformação
Espaços e
Subespaços
Vetoriais T : R2 → R2 , T (x, y ) = (x + λy , y )
Transformações e � �� �
Operadores 1 λ x
Lineares T (x, y ) =
Mudança de Base 0 1 y
Imagem e núcleo
Transformações do
Plano no Plano
Imagem e núcleo
é um cisalhamento horizontal.
Matrizes e
transformações
Ex: Considere o espaço vetorial R2 e (a, b) ∈ R3 . A transformação
lineares
Soma e produto
T : R2 → R2 , T (x, y ) = (x + a, y + b)
Autovalores e
Autovetores � �� � � �
1 0 x a
T (x, y ) = +
0 1 y b

é uma translação.
Ex: Considere o espaço vetorial R2 . A transformação
� �� �
cos(θ) −sen(θ) x
T (x, y ) =
sen(θ) cos(θ) y

é uma rotação de um ângulo θ em sentido anti-horário.


Álgebra Linear

Marco Dias
Imagem e núcleo
Equações Lineares Teorema: Seja F : V → W uma transformação linear. Então
Espaços e
Subespaços
Vetoriais
dim(ker (F )) + dim(Im(F )) = dim(V ).
Transformações e
Operadores
Prova: Considere S = {�v1 , . . . , �vn } uma base de ker (F ). Podemos
Lineares completar este conjunto e obter uma base para V ,
Mudança de Base
Imagem e núcleo {�v1 , . . . , �vn , w � m }. Provaremos que
� 1, . . . , w
Transformações do
Plano no Plano 1. Im(F ) = [F (� � n )]
w1 ), . . . , F (w
Imagem e núcleo
Matrizes e 2. {F (w � 1 ), . . . , F (w
� n )} é LI.
transformações
lineares
Soma e produto
1) Suponha w � ∈ Im(F ). Logo existe �v ∈ V tal que F (�v ) = w
�.
Autovalores e
Agora
Autovetores
�v = a1 �v1 + . . . + an �vn + b1 w � 1 + . . . + bm w
�m

✟ 0 ✯
✟ 0

w = F (�v ) = a1✟ ✟
v1 ) + . . . + an✟
F (� ✟
F (�
vn ) + b1 F (�
w1 ) + . . . + bm F (� wm )
= � 1 ) + . . . + bm F ( w
b1 F ( w � n ) ⇒ Im(F ) = [F (� � m )]
w1 ), . . . , F (w
na segunda linha os termos se anulam pois pertencem ao ker (F ).
2)Suponha que
� 1 ) + . . . + am F (�
a1 F ( w � m ) = �0
� 1 + . . . + am w
wm ) = F (a1 w
Logo o vetor acima pertence ao ker (F ), então pode ser escrito
Álgebra Linear

Marco Dias
Imagem e núcleo
Equações Lineares como combinação linear de {�v1 , . . . , �vn }, portanto
Espaços e
Subespaços
Vetoriais a1 w � m = b1 �v1 + . . . + bn �vn ⇒
� 1 + . . . + am w
Transformações e
Operadores
a1 w � m − b1 �v1 − . . . − bn �vn = �0
� 1 + . . . + am w
Lineares
Mudança de Base
Imagem e núcleo
mas {�v1 , . . . , �vn , w � m } é uma base de V , logo
� 1, . . . , w
Transformações do
Plano no Plano a1 = . . . = an = b1 = . . . = bm = 0.
Imagem e núcleo
Matrizes e
Ex: Considere a transformação linear F : R3 → M(2, 2) dada por
transformações
lineares � �
Soma e produto a+b 0
F (a, b, c) =
Autovalores e
Autovetores
0 c −b

1. Determine dim(ker (F ))
2. Determine dim(Im(F ))
1)Um elemento pertence à ker (F ) se se somente se

a+b = 0, c − b = 0 ⇒ ker (F ) = {(a, b, c) ∈ R3 : a = −b e c = b}


= {(−b, b, b) : b ∈ R}

A base é {(−1, 1, 1)} ⇒ dim(ker (F )) = 1.


Álgebra Linear

Marco Dias
Núcleo e imagem
Equações Lineares 2) A Im(F ) é formada pelas matrizes M(2, 2) na forma
Espaços e
Subespaços
Vetoriais � � � � � � � �
Transformações e a+b 0 1 0 1 0 0 0
Operadores = a +b +c
Lineares 0 c −b 0 0 0 −1 0 1
Mudança de Base
Imagem e núcleo
Transformações do Observe que não constitui uma base pois não é LI. Um base LI é
Plano no Plano
Imagem e núcleo �� � � ��
Matrizes e 1 0 1 0
transformações S= ,
lineares
Soma e produto
0 0 0 −1
Autovalores e
Autovetores Logo
dim(ker (F )) + dim(Im(F )) = dim(R3 )

Exemplo: Determine a aplicação linear F : R3 → R4 tal que

Im(F ) = [(1, 1, 2, 1), (2, 1, 0, 1)]

Como dim(Im(F )) = 2 então dim(ker (F )) = 1. Podemos tomar


F : R3 → R4 tal que F (1, 0, 0) = (0, 0, 0, 0), F (0, 1, 0) = (1, 1, 2, 1)
e F (0, 0, 1) = (2, 1, 0, 1). Temos
Álgebra Linear

Marco Dias
Imagem e núcleo
Equações Lineares

Espaços e
Subespaços
Vetoriais

Transformações e
Operadores
Lineares
Mudança de Base
Imagem e núcleo
Transformações do
Plano no Plano
Imagem e núcleo
Matrizes e
transformações
F (x, y , z) = xF (1, 0, 0) + yF (0, 1, 0) + zF (0, 0, 1) =
lineares
Soma e produto = y (1, 1, 2, 1) + z(2, 1, 0, 1) = (y + 2z, y + z, 2y , y + z)
Autovalores e
Autovetores
onde este exemplo admite infinitas soluções pois depende da base
escolhida.
Álgebra Linear

Marco Dias
Imagem e núcleo
Equações Lineares Def: Uma aplicação F : U → V se diz injetora se, e somente se,
Espaços e
Subespaços
Vetoriais
∀�
u1 , u�2 ∈ U, F (� u2 ) ⇔ u�1 = u�2
u1 ) = F (�
Transformações e
Operadores
Lineares V
U
Mudança de Base
Imagem e núcleo
Transformações do u�1
Plano no Plano F (u�1)
Imagem e núcleo
Matrizes e u�2 F (u�2)
transformações
lineares
Soma e produto
Autovalores e
Autovetores Ex: A aplicação F : R2 → R3 dada por F (x, y ) = (0, x + y , 0) não
é injetora.
Def: Uma aplicação F : U → V se diz sobrejetora se, e somente se,
Im(F ) = V , ou seja, ∀�v ∈ V , ∃�
u ∈ U tal que F (�
u ) = �v . Por
exemplo
U V
Im(F )

u�
Álgebra Linear

Marco Dias
Imagem e Núcleo
Equações Lineares

Espaços e
Subespaços
Vetoriais

Transformações e
Operadores
Lineares
Mudança de Base
Ex: A aplicação F : R2 → R3 dada por F (x, y ) = (0, x + y , 0) não
Imagem e núcleo é sobrejetora. Observe que (1, 0, 0) ∈ R3 não é imagem por F de
Transformações do
Plano no Plano nenhum elemento u� ∈ R2 .
Imagem e núcleo
Matrizes e
transformações
Def: Uma aplicação F : U → V se diz bijetora se, e somente se, F
lineares
Soma e produto
é injetora e sobrejetora.
Autovalores e Teorema: Uma aplicação F : U → V é injetora se, e somente se
Autovetores
ker (F ) = �0.
Prova: (⇒) Suponha F injetora. Seja u� ∈ ker (F ) ⇒ F (� u ) = �0.
Mas F (�0) = �0, pela propriedade de linearidade das transformações
lineares⇒ u� = �0.
Álgebra Linear

Marco Dias
Imagem e Núcleo
Equações Lineares

Espaços e
Subespaços
Vetoriais (⇐) Se ker (F ) = �0
Transformações e
Operadores �0
Lineares
Mudança de Base
� �� �
Imagem e núcleo F (�
u1 ) = u2 ) ⇒ F (u�1 − u�2 ) = �0 ⇒ u�1 = u�2
F (�
Transformações do
Plano no Plano
Imagem e núcleo
Matrizes e
portanto injetora.
transformações
lineares Corolário: Seja F : V → W é uma aplicação linear injetora. Se
Soma e produto
dim(V ) = dim(W ), então F leva base em base.
Autovalores e
Autovetores Prova: Seja {�v1 , . . . , �vn } base de V . O conjunto
{F (�v1 ), . . . , F (�vn )} ⊂ W é LI, pois dados

k1 , . . . , k n tais que
k1 F (�v1 ) + . . . + kn F (�vn ) = �0
injetora
F (k1 �v1 + . . . + kn �vn ) = 0 ⇒ k1 �v1 + . . . + kn �vn = �0

Álgebra Linear

Marco Dias
Imagem e Núcleo
Equações Lineares
Mas como {�v1 , . . . , �vn } é LI, k1 = . . . = kn = 0. Ainda
Espaços e
Subespaços dim(V ) = dim(W ), logo {F (�v1 ), . . . , F (�vn )} é base.
Vetoriais
Corolário: Se dim(V ) = dim(W ), então F linear é injetora se e
Transformações e
Operadores somente se F for sobrejetora.
Lineares
Mudança de Base Def: Quando F : V → W for injetora e sobrejetora, ao mesmo
Imagem e núcleo
Transformações do tempo, dá-se o nome de isomorfismo e os dois espaços vetoriais são
Plano no Plano
Imagem e núcleo ditos isomorfos. Ainda pelo corolário anterior dim(V ) = dim(W ),
Matrizes e
transformações bem como é possivel achar uma transformação inversa,
lineares
Soma e produto F −1 : W → V
Autovalores e
Autovetores
Ex: Seja T : R3 → R3 dada por T (x, y , z) = (x − 2y , z, x + y )
verifique se é um isomorfismo, e se for, calcule sua inversa T −1 .
Devemos provar que T é injetora (pois dim(V ) = dim(W )), ou seja
ker (T ) = {(0, 0, 0)}

x − 2y = 0
z = 0
x +y = 0

ou seja x = y = z = 0.
Álgebra Linear

Marco Dias
Núcleo e imagem
Equações Lineares

Espaços e
Subespaços Para determinar a inversa
Vetoriais

Transformações e
Operadores
T (1, 0, 0) = (1, 0, 1) T −1 (1, 0, 1) = (1, 0, 0)
Lineares T (0, 1, 0) = (−2, 0, 1) ⇒ T −1 (−2, 0, 1) = (0, 1, 0)
Mudança de Base
Imagem e núcleo T (0, 0, 1) = (0, 1, 0) T −1 (0, 1, 0) = (0, 0, 1)
Transformações do
Plano no Plano
Imagem e núcleo
Matrizes e
transformações x + 2z z −x
lineares
(x, y , z) = (1, 0, 1) + (−2, 0, 1) + y (0, 1, 0)
Soma e produto
3 3
Autovalores e
x + 2z −1 z − x −1
Autovetores
T −1 (x, y , z) = T (1, 0, 1) + T (−2, 0, 1)
3 3
+ yT −1 (0, 1, 0)
x + 2z z −x
= (1, 0, 0) + (0, 1, 0) + y (0, 0, 1)
� 3 �3
x + 2z z − x
= , ,y
3 3
Álgebra Linear

Marco Dias
Núcleo e imagem
Equações Lineares Ex: Considere o operador linear T : R3 → R3 definido por
Espaços e
Subespaços
Vetoriais T (x, y , z) = (2x, 4x − y , 2x + 3y − z)
Transformações e
Operadores
Lineares


Mudança de Base
Imagem e núcleo Mostre que T é invertı́vel.
Transformações do
Plano no Plano � Calcule T −1 .
Imagem e núcleo
Matrizes e
transformações Como dim(W ) = dim(V ) devemos verificar se ker (T ) = (0, 0, 0).
lineares
Soma e produto De fato
Autovalores e
Autovetores
T (x, y , z) = (2x, 4x − y , 2x + 3y − z) = (0, 0, 0)

e o sistema tem solução x = y = z = 0. Sendo assim


T (x, y , z) = (r , s, t) e T −1 (r , s, t) = (x, y , z). Temos

(2x, 4x−y , 2x+3y −z) = (r , s, t) ⇒ 2x = r , 4x−y = s, 2x+3y −z = t

Logo � �
−1 1
T (r , s, t) = r , 2r − s, 7r − 3s − t
2
Álgebra Linear

Marco Dias
Matrizes e transformações lineares
Equações Lineares Sejam fixadas duas bases β = {�v1 , . . . , �vn } e β � = {� � m }.
w1 , . . . , w
Espaços e
Subespaços
Seja T : V → W linear. Então, T (�v1 ), . . . , T (�vn ) são vetores de W
Vetoriais e portanto,
Transformações e
Operadores
Lineares T (�v1 ) = � 1 + . . . + am1 w
a11 w �m
Mudança de Base
Imagem e núcleo .. ..
Transformações do
Plano no Plano
. .
Imagem e núcleo
Matrizes e
T (�vn ) = � 1 + . . . + amn w
a1n w �m
transformações
lineares
Soma e produto ou simplesmente
Autovalores e
Autovetores m

T (�vj ) = � i , (j = 1, 2, . . . , n)
aij w
i=1

Def: A matriz m × n sobre R


 
a11 . . . a1n
 ..  = (a )
A =  ... .  ij
am1 ... amn

é a matriz de T em relação às bases β e β � .


Álgebra Linear

Marco Dias
Matrizes e transformações lineares
Equações Lineares Ex: Seja T : R2 → R3 dada por T (x, y ) = (2x + y , y − x, 3x) e
Espaços e
Subespaços
considere as bases β = {(1, 2), (2, −1)} de R2 e
Vetoriais β � = {(1, 1, 1), (0, 1, 1), (0, 0, 1)} de R3 .
Transformações e
Operadores
Lineares
Mudança de Base
Imagem e núcleo T (1, 2) = (4, 1, 3) = 4(1, 1, 1) − 3(0, 1, 1) + 2(0, 0, 1)
Transformações do
Plano no Plano T (2, −1) = (3, −3, 6) = 3(1, 1, 1) − 6(0, 1, 1) + 9(0, 0, 1)
Imagem e núcleo
Matrizes e
 
transformações 4 3
lineares
Soma e produto ⇒ [T ]ββ � =  −3 −6 
Autovalores e
Autovetores
2 9

Ex: Seja V = P3 (R) . Considere D : P3 (R) → P3 (R) dada pela


derivação D(p(x)) = p � (x). Esta é uma transformação linear com
matriz dada com relação à base canônica
 
0 1 0 0
 0 0 2 0 
[D]can =   0 0 0 3 

0 0 0 0
Álgebra Linear

Marco Dias
Matrizes e transformações lineares
Equações Lineares
Ex: Dada as bases β = {(1, 1), (0, 1)} de R2 e
Espaços e
Subespaços β � = {(0, 3, 0), (−1, 0, 0), (0, 1, 1)} de R3 , encontremos a
Vetoriais
transformação linear cuja matriz seja
Transformações e
Operadores
Lineares
 
Mudança de Base
0 2
Imagem e núcleo
Transformações do
[T ]ββ � =  −1 0 
Plano no Plano
Imagem e núcleo
−1 3
Matrizes e
transformações
lineares
Soma e produto
Autovalores e T (1, 1) = 0(0, 3, 0) − 1(−1, 0, 0) − 1(0, 1, 1) = (1, −1, −1)
Autovetores
T (0, 1) = 2(0, 3, 0) − 0(−1, 0, 0) + 3(0, 1, 1) = (0, 9, −3)

Para encontrar T (x, y ) devemos escrever (x, y ) em relação à base


β:

(x, y ) = x(1, 1) + (y − x)(0, 1)


T (x, y ) = xT (1, 1) + (y − x)T (0, 1) = x(1, −1, −1)
+ (y − x)(0, 9, 3) = (x, 9y − 10x, 3y − 4x)
Álgebra Linear

Marco Dias
Matrizes e transformações lineares
Equações Lineares

Espaços e
Subespaços
Vetoriais

Transformações e
Operadores
Lineares
Mudança de Base
Imagem e núcleo
Transformações do agora se �v = (−2, 3)β então teremos
Plano no Plano
Imagem e núcleo
Matrizes e  β  
transformações 4 3 � � 1
lineares
−2
Soma e produto [T ]ββ � [�v ]β =  −3 −6  =  −12  .
Autovalores e 3
Autovetores 2 9 β�
β 23 β�

Você também pode gostar