Apoio 10 - Álgebra Linear I

Apoio 10 Álgebra Linear I
Orientação de trabalho:
Termine o estudo do Capı́tulo 5: secções 5.4 a 5.5 (pág. 311 a 336 do manual)
• Secção 5.4: Aplicações invertı́veis e isomorfismos.
Nesta secção recordará o conceito de aplicação invertı́vel e aprenderá o conceito de isomor-

fismo = aplicação linear invertı́vel.
Definição: Sejam A, B conjuntos. Uma aplicação f : A → B diz-se invertı́vel se

existe uma aplicação g : B → A tal que
f ◦ g = idB e g ◦ f = idA .
1. Equivalentemente:
f é invertı́vel ⇐⇒ f é bijectiva - ver proposição 5.22.
2. A aplicação g é única, diz-se a (aplicação) inversa de f e representa-se por f −1

- ver proposição 5.22.
Observações. Sejam A, B, C conjuntos e f : A → B, g : B → C aplicações. Temos

1. f ◦ f −1 = idB e f −1 ◦ f = idA .
−1
2. Se f é invertı́vel também f −1 é invertı́vel e f −1 =f .
3. Se f e g são invertı́veis então g ◦ f é invertı́vel e temos (g ◦ f )−1 = f −1 ◦ g −1 - ver

exercı́cio 1.
4. Se f é uma aplicação linear invertı́vel, então f −1 também é uma aplicação linear
invertı́vel - ver proposição 5.23.
Definição: Sejam E, E ′ espaços vectoriais sobre K e seja f : E → E ′ uma aplicação

linear bijectiva (= invertı́vel).
• f diz-se um isomorfismo de E em E ′ .
• Também se diz que E é isomorfo a E ′ e escreve-se
E ≃ E ′ ou simplesmente E ≃ E ′ .
f
• Se E ≃ E ′ então E ′ ≃ E. Assim, neste caso, também podemos dizer que E e

f −1f
E ′ são isomorfos (a ordem não interessa).
Ver o exemplo 5.27 do manual e o exercı́cio 7.
21002 - Álgebra Linear I 1

Sejam E, E ′ espaços vectoriais sobre K, (K = R ou K = C), com E de dimensão
finita. Temos
1. E ≃ E ′ ⇐⇒ dim E = dim E ′ - ver teorema 5.28.
2. dim E = n ⇐⇒ E ≃ Kn - ver corolário 5.29.
Do corolário 5.29 resulta que todos os espaços vectoriais reais de dimensão finita são, a
menos de um isomorfismo, um espaço Rn para algum n. Em particular temos o seguinte:
porque podemos identificar uma matriz

1. Rm×n = Mm×n (R) ≃ Rm·n -
de tipo m×n com um (m · n)-uplo:
 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
 
 .. .. ..  ←→ (a , a , . . . , a1n , a21 , a22 , . . . , a2n , . . . , am1 , am2 , . . . , amn )
| 11 12{z
 . . .  } | {z } | {z }
linha 1 linha 2 linha m
am1 am2 · · · amn
porque podemos identificar um polinómio

2. Rn [x] ≃ Rn+1 -
de grau n com um (n + 1)-uplo:
an xn + · · · + a1 x + a0 ←→ (an , . . . , a1 , a0 ).
Ver o exemplo 5.30 do manual.
• Resolva os exercı́cios propostos nestas folhas para a secção 5.4.
Competências a adquirir:
• saber identificar aplicações invertı́veis;
• saber determinar a aplicação inversa de uma aplicação invertı́vel;
• saber identificar dois subespaços isomorfos.
• Secção 5.5: Matriz de uma aplicação linear.

Nesta secção aprenderá:
• os conceitos de matriz duma aplicação linear, de matrizes equivalentes, e de semelhantes;
• a determinar dim Im f à custa da caracterı́stica de uma matriz que represente f ;
• a determinar imagens, por meio de uma aplicação linear, usando matrizes;
• a determinar matrizes mudança de base;
• a determinar matrizes de aplicações lineares que são soma, multiplicação por escalar ou
composição de outras aplicações lineares, e de matrizes invertı́veis;
• a relacionar matrizes que representam uma mesma aplicação linear em relação a bases
eventualmente distintas na partida e na chegada.
2 Ana L. Correia
Definição : Sejam E, E ′ espaços vectoriais sobre K, (K = R ou K = C) e suponhamos
que dim E = n ≥ 1 e dim E ′ = m ≥ 1. Seja f : E → E ′ uma aplicação linear. Sejam

B = e1 , . . . , en uma base de E e B′ = e′1 , ..., e′m uma base de E ′ .
Pelo Teorema da Extensão Linear, f fica perfeitamente determinada pelas imagens
f (e1 ) , f (e2 ) , ... , f (en ).
Estas imagens são vectores do espaço de chegada E ′ , logo podem ser escritas como
combinação linear dos vectores da base B′ . Isto é vão existir escalares aij ∈ K de
modo que:
f (e1 ) = a11 e′1 + a21 e′2 + · · · + am1 e′m (2o ı́ndice é 1)

f (e2 ) = a12 e′1 + a22 e′2 + · · · + am2 e′m (2o ı́ndice é 2)
..
.
f (en ) = a1n e′1 + a2n e′2 + · · · + amn e′m (2o ı́ndice é n)
Estes escalares vão ser colocados numa matriz por colunas:

 
f (e1 ) = a11e′1 +a21e′2 + · · · +am1e′m a11 a12 · · · a1n
f (e2 ) = a12e′1 +a22e′2 + · · · +am2e′m  a21
 a22 · · · a2n  
..  .. .. .. 
.  . . . 
′ ′ ′
f (en ) = a1ne1 +a2ne2 + · · · +amnem am1 am2 · · · amn
| {z }
designa-se por matriz de f
em relação às bases B na
partida e B′ na chegada
Usam-se as notações
M(f ; B, B′ ) ou MB,B′ (f ) .
Exemplo 1. Seja f : R3 → R3 a aplicação linear definida por f (a, b, c) = (2a, b + c, a − b + c),

para todo (a, b, c) ∈ R3 . Sejam B = (1, 2, 1), (0, 2, 3), (1, 0, 2) e (0, 0, 1), (0, 2, 1), (1, 1, 1)
duas bases de R3 . Temos
f (1, 2, 1) = (2, 3, 0) = − 5/2(0, 0, 1) + 1/2(0, 2, 1) + 2(1, 1, 1)
f (0, 2, 3) = (0, 5, 1) = −3/2(0, 0, 1) + 5/2(0, 2, 1) + 0(1, 1, 1)
f (1, 0, 2) = (2, 2, 3) = 1(0, 0, 1) + 0(0, 2, 1) + 2(1, 1, 1)
Segue-se que  
−5/2 −3/2 1
A = M(f ; B, B′ ) =  1/2 5/2 0 .
2 0 2
Note-se que a determinação dos “números coloridos” ou faz-se mentalmente ou resolve-se um
sistemas de equações. Por exemplo
 

 γ = 2 γ = 2

(2, 3, 0) = α(0, 0, 1) + β(0, 2, 1) + γ(1, 1, 1) ⇐⇒ 2β + γ = 3 ⇐⇒ β = 1/2 .

 

α+β+γ =0 α = −5/2

Observações. Seja E um espaço vectorial sobre K com dim E = n e seja B uma base de E.
Então:
M(idE ; B, B) = In
- ver exemplo 5.32.
As matrizes dão as informações seguintes sobre uma aplicação linear:
Sejam E, E ′ espaços vectoriais sobre K, com dimensão finita e seja f : E → E ′ uma
aplicação linear. Sejam B = e1 , . . . , en uma base de E e B′ = e′1 , ..., e′m uma base
de E ′ e seja A = M(f ; B, B′ ). Temos
1. dim Im f = rank A - isto significa que
• todas as matrizes que representam f têm igual caracterı́stica e esse

valor é dim Im f ;
• para determinarmos dim Im f basta calcular a caracterı́stica de qualquer
matriz que represente f .
   
α1 β1
 α2   β2 
2. f (α1 e1 + α2 e2 + · · · + αn en ) = β1 e′1 + β2 e′2 + · · · + βm e′m ⇐⇒ A  ..  =  .. 
   
 .   . 
αn βm
- isto significa que para conhecermos a imagem de um vector
u = α1 e1 + α2 e2 + · · · + αn en ∈ E
escrita na base B′ , isto para conhecermos os coeficientes β1 , β2 , ..., βm , basta

multiplicar A = M(f ; B, B′ ) pela matriz coluna dos αi , i = 1, ..., n.

3. Em particular, se E ′ = E, B = e1 , . . . , en e B′ = e′1 , ..., e′n são bases de E e
f = idE , temos
α1 e1 + α2 e2 + · · · + αn en = β1 e′1 + β2 e′2 + · · · + βn e′n

⇐⇒
   
α1 β1
α2   β2 
   
M(idE ; B, B′ )  ..  =  .. 
 .  .
αn βn
- isto significa que a matriz M(idE ; B, B′ ) relaciona as coordenadas de qual-

quer vector u na base B com as respectivas coordenadas na base B′ :
u = α1 e1 + α2 e2 + · · · + αn en
= β1 e′1 + β2 e′2 + · · · + βn e′n .
A matriz M(idE ; B, B′ ) designa-se por matriz mudança de base (B, B′ ).
Ver o teorema 5.33, as proposições 5.34 e 5.36 e os exemplos 5.35 e 5.38 do manual.
4 Ana L. Correia
Os resultados seguintes indicam como as matrizes se comportam relativamente às operações
estudadas: adição, multiplicação por escalar e composição de aplicações.
Sejam E, E ′ , E ′′ espaços vectoriais sobre K, com dimensão finita e sejam B, B′ , B′′

bases de E, E ′ e E ′′ , respectivamente.
1. Sejam f, g : E → E ′ aplicações lineares. Então
M(f + g; B, B′ ) = A + B , onde A = M(f ; B, B′ ), B = M(f ; B, B′ ).
2. Seja f : E → E ′ uma aplicação linear e α ∈ K. Então
M(αf ; B, B′ ) = αA , onde A = M(f ; B, B′ ).
3. Sejam f : E → E ′ , g : E ′ → E ′′ aplicações lineares. Então
M(g ◦ f ; B, B′′ ) = BA , onde A = M(f ; B, B′ ), B = M(g; B′ , B′′ ),
ou seja
M(g ◦ f ; B ,B′′) = M(g; B′,B′′) M(f ; B , B′) .
Esquematicamente
f g
E / E′ /
;E
′′
B B′ B′′
g◦f
4. Seja f : E → E ′ uma aplicação linear e seja M(f ; B , B′) = A. Então
f é invertı́vel ⇐⇒ A é invertı́vel
e tem-se
M(f −1; B′, B ) = A−1 .
Esquematicamente:
f
Ed / E′
B B′
f −1

5. Em particular, se E ′ = E, B = e1 , . . . , en e B′ = e′1 , ..., e′n são bases de E e
f = idE , temos
idE
M(idE ; B , B′)−1 = M(idE ; B′, B ) Ed / E
B B′
idE
Note-se que id−1 ′

E = idE - assim a inversa da matriz mudança de base (B, B ) é a
matriz mudança de base (B′ , B).
Ver os teoremas 5.39 e 5.40 e a proposição 5.41.

O resultado seguinte relaciona duas matrizes duma mesma aplicação linear f : E → E ′
relativamente a bases eventualmente distintas na partida e na chegada.
Sejam E, E ′ espaços vectoriais sobre K, com dimensão finita e seja f : E → E ′ uma

aplicação linear. Sejam B1 e B2 bases de E e sejam B1′ e B2′ bases de E ′ , respectiva-
mente. Então
M(f ; B2 , B2′ ) = M(idE ′ ; B1′ , B2′ )M(f ; B1 , B1′ )M(idE ; B2 , B1 ) ,
ou seja
A = M(f ; B1 , B1′ ) , B = M(f ; B2 , B2′ ),

B = QAP onde
P = M(idE ; B2 , B1 ) , Q = M(idE ′ ; B1′ , B2′ )
Esquematicamente
fazemos o esquema completamos

f
conhecemos queremos conhecer f
E −→ E′′ E −→ E′′
f
E −→ E′′
f
E −→ E′′ B2 B B2  B Bx2
B2
B1 A B1 B2 B B2

idE yP

QidE′
A=M(f ;B1 ,B1′ ) B=M(f ;B2 ,B2′ ) f
E −→ E′′ E −→ E′′
f
B1 A B1 B1 A B1
As aplicações identidade não alteram a aplicação f porque
f = idE ′ ◦f ◦ idE
mas mudam as bases do espaço de partida e do espaço de chegada.

Temos os seguintes casos particulares:
1. Não há mudança na base do espaço de partida, i.e. B2 = B1 . Neste caso

P = M(idE ; B1 , B1 ) = In , onde n = dim E, e tem-se
B = QAIn = QA .
2. Não há mudança de base no espaço de chegada, i.e. B2′ = B1′ . Neste caso
Q = M(idE ′ ; B1′ , B1′ ) = Im , onde m = dim E ′ , e tem-se
B = P AIm = P A .
3. No caso em que E ′ = E e B1′ = B1 e B2′ = B2 temos a situação

f
E −→ E
B2 B Bx2
QidE com Q = M(idE ; B1 , B2 ) = M(idE ; B2 , B1 )−1 = P −1

idE yP

f
E −→ E
B1 A B1
e, portanto,
B = P −1 AP .
Ver o teorema 5.43 e o corolário 5.44.
6 Ana L. Correia
Definição :
• Sejam A, B ∈ Mm×n (K). Dizemos que A e B são equivalentes se existem

matrizes invertı́veis P ∈ Mn×n (K) e Q ∈ Mm×m (K) tais que
B = QAP .
• Sejam A, B ∈ Mn×n (K). Dizemos que A e B são semelhantes se existe uma

matriz invertı́vel P ∈ Mn×n (K) tal que
B = P −1 AP .
• Resolva os exercı́cios propostos nestas folhas para a secção 5.5.
Competências a adquirir:
• saber determinar matriz de uma aplicação linear;
• saber determinar dim Im f à custa da caracterı́stica de uma matriz que represente f ;
• saber determinar imagens, por meio de uma aplicação linear, usando matrizes;
• saber identificar/determinar matrizes mudança de base;
• saber determinar matrizes de aplicações lineares que são soma, multiplicação por escalar
ou composição de outras aplicações lineares, e de matrizes invertı́veis;
• saber relacionar matrizes que representam uma mesma aplicação linear em relação a
bases eventualmente distintas na partida e na chegada;
• saber identificar matrizes equivalentes e matrizes semelhantes.

Semana 11: (Capı́tulo 5 - secções 5.4 e 5.5) Exercı́cios
Notações:
• Mn×m (K) e Kn×m indicam o mesmo conjunto, a saber: o conjunto das matrizes de tipo
n × m com entradas no conjunto K.
Aplicações invertı́veis e isomorfismos (secção 5.4)

1. Sejam A, B, C conjuntos. Prove que se f : A → B e g : B → C são invertı́veis então g ◦ f
é invertı́vel e (g ◦ f )−1 = f −1 ◦ g −1.
2. Mostre que cada uma das aplicações lineares seguintes é invertı́vel e determine a sua
inversa:
(a) f : E → E tal que f 2 − f − idE = 0, onde E é um espaço vectorial sobre K.

(b) g : R2 → R2 tal que g(a, b) = (b, 2a + b), para qualquer (a, b) ∈ R2 .
3. Seja E um espaço vectorial sobre K. Mostre que se f : E → E é uma aplicação linear

invertı́vel e α ∈ K \ {0K }, então αf é invertı́vel e (αf )−1 = α−1 f −1 .
4. Considere os subespaços de R3 , F = {(x, y, z) ∈ R3 : z = 0} e G = {(x, y, z) ∈ R3 : x = 0}.

Mostre que F ≃ G e indique um isomorfismo de F em G.
5. Seja E um espaço vectorial sobre K e seja α ∈ K \ {0K }. Mostre que a aplicação

f : E → E definida por f (u) = αu, para todo u ∈ E, é um isomorfismo de E em E.
6. Considere a aplicação linear f : R1 [x] → R2 definida por f (ax + b) = (a − b, a), para

todo ax + b ∈ R1 [x].
(a) Determine f (−2x + 3), f (2x + 3) e f (x).

(b) Mostre que f é um isomorfismo de R1 [x] em R2 .
7. Sejam E, E ′ , E ′′ espaços vectoriais sobre o mesmo K. Mostre que:
(a) E ≃ E
(b) Se E ≃ E ′ então E ′ ≃ E.
(c) Se E ≃ E ′ e E ′ ≃ E ′′ então E ≃ E ′′ .
8. Indique três espaços vectoriais isomorfos a R4 e indique uma base para cada um desses
espaços.
9. Determine F e G subespaços de R3 tais que
F ≃ R2 e G ≃ R2 , com F 6= G.
10. Mostre que M2×2 (R) ≃ R3 [x] e indique um isomorfismo entre estes espaços.
11. Mostre, por dois processos distintos, que Mm×n (K) ≃ Mn×m (K).

Matriz de uma aplicação linear (secção 5.5)
12. Considere a aplicação linear f : R3 → R2 definida por f (x, y, z) = (y, z), para todo
(x, y, z) ∈ R3 . Determine
M(f ; B, B ′
), onde B = (1, 2, 3), (0, −2, 1), (0, 0, 3) e
B′ = (0, −2), (−1, 0) são bases de R3 e R2 , respectivamente.
13. Considere a aplicação linear f : R2×2 → R3 definida por

a b a b
f = (2a, c + d, 0), para todo ∈ R2×2 .
c d c d

3 1 1 0 2 0 0 0 0
Determine M(f ; B, b.c R ), onde B = , , , é uma base
0 1 3 1 2 −1 1 0
de R2×2 .

14. Seja B = u1 , u2 , u3 , u4 uma base de um espaço vectorial E de dimensão 4 e seja
f : E → E uma aplicação linear. Determine M(f ; B, B) de acordo com:
(a) f (u1) = u2 , f (u2 ) = u3 , f (u3) = u4 e f (u4) = 0E .
(b) f (u1) = u2 , f (u2 ) = 0E , f (u3 ) = u4 e f (u4 ) = 0E .
(c) f (u1) = u3 , f (u2 ) = u1 , f (u3) = 0E e f (u4 ) = u1 .
15. Sejam B e B′ bases dos espaços vectoriais R4 e R3 , respectivamente, e seja f : R4 → R3
a aplicação linear tal que
 
−1 2 1 1
′
M(f ; B, B ) = 0
 1 1 0 .
1 0 1 −1
Diga se f é sobrejectiva.

16. Considere as bases B = (0, 1, 0), (−1, 0, 0), (0, 0, 1) e B′ = (0, 1), (−1, 0) de R3 e R2 ,
1 −1 0
respectivamente. Seja f : R3 → R2 a aplicação linear tal que M(f ; B, B′ ) = .
0 2 3
Determine:
(a) f (1, −2, 3). (b) f (a, b, c), para qualquer (a, b, c) ∈ R3 .

17. Considere as bases B = (0, 1, 0), (1, 0, 0), (0, 0, 2) e B′ = (1, 1), (0, 1) de R3 e R2 ,
respectivamente. Diga, justificando, se v = (2, 4) ∈ Im f onde f : R3 → R2 é a aplicação
linear tal que :

3 2 2 0 3 3 ′ 2 0 3
(a) M(f ; b.c.R , b.c.R ) = . (b) M(f ; b.c.R , B ) = .
4 0 6 4 0 6

2 2 0 3 ′ 2 0 3
(c) M(f ; B, b.c.R ) = . (d) M(f ; B, B ) = .
4 0 6 4 0 6
18. Seja f : R3 → R2 a aplicação linear tal que f (a, b, c) = (a + b, b + c), para qualquer
(a, b, c) ∈ R3 . Considere as seguintes bases

B1 = b.c. R3 , B2 = (0, 1, 0), (1, 0, 1), (1, 0, 0) − bases de R3

B1′ = b.c. R2 , B2′ = (1, 1), (1, 0) − bases de R2 .
(a) Calcule f (1, 2, 3).
(b) Determine M(f ; B1 , B1′ ) e calcule f (1, 2, 3) usando esta matriz.
2 Ana L. Correia
(c) Determine M(f ; B2 , B1′ ) e calcule f (1, 2, 3) usando esta matriz.
(d) Determine M(f ; B1 , B2′ ) e calcule f (1, 2, 3) usando esta matriz.
(e) Determine M(f ; B2 , B2′ ) e calcule f (1, 2, 3) usando esta matriz.
19. Considere em R3 as bases

B1 = (1, −1, 0), (−1, 1, −1), (0, 1, 0) , B2 = b.c R3 , B3 = (1, 1, 1), (0, 1, 1), (0, 0, 1) .
Determine:
(a) M(idR3 ; B1 , B2 ) - a matriz mudança de base (B1 , B2 ).
(b) M(idR3 ; B2 , B1 ) - a matriz mudança de base (B2 , B1 ).
(c) M(idR3 ; B1 , B3 ) - a matriz mudança de base (B1 , B3 ).
20. Considere as aplicações lineares f, g : R3 → R3 tais que
f (a, b, c) = (2a + b, −b, a + 2c) e g(a, b, c) = (a, b, a + b + c)
para quaisquer (a, b, c) ∈ R3 . Sem determinar a expressão analı́tica de h indique
M(h; b.c R3 , b.c R3 ) para:
(a) h = g − 2f . (b) h = g ◦ f . (c) h = f ◦ g. (d) h = 2g 2.
21. Considere a aplicação linear f : R3 → R3 definida por f (a, b, c) = (c, a, b), para todo
(a, b, c) ∈ R3 .
(a) Verifique que f 3 = idR3 .
(b) Utilizando (a), indique uma matriz A ∈ R3×3 tal que A3 = I3 com A 6= I3 .

3 2 3 2 1 1 0
22. Seja f : R → R a aplicação linear tal que M(f ; b.c R b.c R ) = . Considere
0 1 1
as bases B = (0, 1, 0), (1, 0, 1), (1, 0, 0) de R3 e B′ = (1, 1), (1, 0) de R2 . Utilizando
matrizes mudança de base, determine:
(a) M(f ; B, b.c R2 ). (b) M(f ; b.c R3 , B′ ). (c) M(f ; B, B′ ).
23. Considere a aplicação linear g : R3 → R3 tal que g(a, b, c) = (3a + 6b, a − b + 3c, −2a −
3b − c), para qualquer (a, b, c) ∈ R3 .
(a) Determine A = M(g; b.c R3 , b.c R3 ).
(b) Indique o conjunto de valores de k para os quais (k, 2 + k, 1) ∈ Im g.
(c) Mostre que g não é sobrejectiva.

24. Seja B′ = u1 , u2 , u3 uma base de R3 . Considere a aplicação linear f : R5 → R3 definida
por f (a, b, c, d, e) = (−b − c + d)u1 + (2a + b + 3c − 3d)u2 + (b + c − d)u3, para todo
(a, b, c, d, e) ∈ R5 .
(a) Determine M(f ; b.c R5 , B′ ).
(b) Determine uma base para Im f .

(c) Mostre que (1, 1, 0, 1, 1), (−1, −1, 1, 0, 1), (0, 0, 0, 0, 1) é uma base de Nuc f .
(d) Determine uma base de R5 que inclua os vectores da base de Nuc f em (c).
(e) Sendo B a base determinada em (d), determine M(f ; B, B′ ).

Soluções ou sugestões de resolução
2. (a) f −1 = f − idE . (b) g −1(x, y) = ( y−x

2
, x).
4. Por exemplo f : F → G definida por f (x, y, 0) = (0, y, x) para todo (x, y, 0) ∈ F .
6. (a) f (−2x + 3) = (−5, −2), f (2x + 3) = (−1, 2) e f (x) = (1, 1).

(b) Provar que f é uma aplicação linear injectiva e sobrejectiva.
8. Por exemplo R1×4 , R2×2 e R3 [x].

base de R1×4 : 1 0 0 0 , 0 1 0 0 , 0 0 1 0 , 0 0 0 1

2×2 1 0 0 1 0 0 0 0
base de R : , , ,
0 0 0 0 1 0 0 1

base de R3 [x] : x3 , x2 , x, 1
9. Por exemplo F = {(x, y, z) ∈ R3 : x = 0} e G = {(x, y, z) ∈ R3 : y = 0}.
10. Porque dim M2×2 (R) = 4 = dim R3 [x] e usar teorema

5.28. Por exemplo, a aplicação

a b
linear f : M2×2 (R) → dim R3 [x] definida por f = ax3 + bx2 + cx + d, para
c d
a b
todo ∈ M2×2 (R) é um isomorfismo entre M2×2 (R) e R3 [x].
c d
11. Por exemplo, usando o teorema 5.28, ou usando o corolário 5.29.

′ −3/2 −1/2 −3/2
12. M(f ; B, B ) = .
−2 2 0
 
2 0 0 0
13. M(f ; B, b.c R3 ) = 1 4 1 1.
0 0 0 0
     
0 0 0 0 0 0
0 0 0 1 0 1
1 0 0 0 1 0
0 0  0 0 0 0
14. (a) 0 1 0 0.
 (b) 0
. (c) 1 0 0 0.
 
0
0 0
0 0 1 0 0 0
0 1 0 0 0 0

15. Use o teorema 5.33: dim Im f = rank M(f ; B, B′ ) = 2 6= 3 = dim R3 . Portanto f não
é sobrejectiva.
16. (a) f (1, −2, 3) = (−7, −1).

(b) f (a, b, c) = (2a − 3c, a + b), para qualquer (a, b, c) ∈ R3 .
17. (a) Sim. (b) Não. (c) Sim. (b) Não.

′ 1 1 0 ′ 1 1 1
18. (a) f (1, 2, 3) = (3, 5). (b) M(f ; B1 , B1 ) = . (c) M(f ; B2 , B1 ) = .
0 1 1 1 1 0

′ 0 1 1 ′ 1 1 0
(d) M(f ; B1 , B2 ) = . (e) M(f ; B2 , B2 ) = .
1 0 −1 0 0 1
4 Ana L. Correia
     
1 −1 0 1 0 −1 1 −1 0
19. (a) −1 1 1. (b) 0 0 −1. (c) −2 2 1 .
0 −1 0 1 1 0 1 −2 −1
20. Use os teoremas 5.39 e 5.40.
 
−3 −2 0
(a) M(g − 2f ; b.c R3 , b.c R3 ) =  0 3 0 .
−1 1 −3
 
2 1 0
(b) M(g ◦ f ; b.c R3 , b.c R3 ) = 0 −1 0.
3 0 2
 
2 1 0
(c) M(f ◦ g; b.c R3 , b.c R3 ) = 0 −1 0.
3 2 2
 
2 0 0
(d) M(2g 2; b.c R3 , b.c R3 ) = 0 2 0.
4 4 2
 
0 0 1
21. (b) A = M(f ; b.c R3 , b.c R3 ) = 1 0 0 é tal que A3 = I3 com A 6= I3 .
0 1 0

2 1 1 1 3 ′ 0 1 1
22. (a) M(f ; B, b.c R ) = . (b) M(f ; b.c R , B ) = .
1 1 0 1 0 −1

′ 1 1 0
(c) M(f ; B, B ) = .
0 0 1
 
3 6 0
23. (a) M(g; b.c R3 , b.c R3 ) =  1 −1 3 . (b) k ∈ − 15 8
.
−2 −3 −1
(c) g não é sobrejectiva porque dim Im g = rank M(g; b.c R3 , b.c R3 ) = 2.
 
0 −1 −1 1 0
24. (a) M(f ; b.c R5 , B) = 2 1 3 −3 0.
0 1 1 −1 0

(b) Im f = 2u2 , −u1 + u2 + u3 .

(d) B = (1, 0, 0, 0, 0), (0, 1, 0, 0, 0), (1, 1, 0, 1, 1), (−1, −1, 1, 0, 1), (0, 0, 0, 0, 1) .
 
0 −1 0 0 0
(e) M(f ; B, B′ ) = 2 1 0 0 0.
0 1 0 0 0

Resolução detalhada de alguns exercı́cios
1. Temos

f invertı́vel ⇐⇒ f bijectiva
=⇒ g ◦ f bijectiva ⇐⇒ g ◦ f invertı́vel.
g invertı́vel ⇐⇒ g bijectiva
Agora
(f −1 ◦ g −1 ) ◦ (g ◦ f ) = f −1 ◦ (g −1 ◦ g) ◦ f = f −1 ◦ idB ◦f = f −1 ◦ f = idA
(g ◦ f ) ◦ (f −1 ◦ g −1 ) = g ◦ (f ◦ f −1 ) ◦ g −1 = g ◦ idB ◦g −1 = g ◦ g −1 = idC .
Portanto f −1 ◦ g −1 = (g ◦ f )−1 .
2. (a) Temos
f 2 − f − idE = 0 ⇐⇒ f 2 − f = idE ⇐⇒ f (f − idE ) = idE
e analogamente (f −idE )f = idE . Portanto f é invertı́vel com inversa f −1 = f −idE .
(b) Verifique que g é bijectiva = injectiva + sobrejectiva e, portanto, é invertı́vel. Agora
( (
b=x b=x
g(a, b) = (x, y) ⇐⇒ (b, 2a + b) = (x, y) ⇐⇒ ⇐⇒
2a + b = y a = y−x2
Assim h(x, y) = ( y−x

2
, x) satisfaz
(g ◦ h)(x, y) = g( y−x
2
, x) = (x, 2 y−x
2
+ x) = (x, y) = idR2
(h ◦ g)(a, b) = h(b, 2a + b) = ( 2a+b−b
2
, b) = (a, b) = idR2 .
o que prova que g é invertı́vel com inversa g −1 = h.
6. (b) Temos que provar que f é uma aplicação linear, injectiva e sobrejectiva.
• f linear: temos, para quaisquer α, β, a, a′, b, b′ ∈ R,
f (α(ax + b) + β(a′ x + b′ )) = f ((αa + βa′ )x + (αb + βb′ ))
= ((αa + βa′ ) − (αb + βb′ ), αa + βa′ ) = (α(a − b) + β(a′ − b′ ), αa + βa′ )
= α(a − b, a) + β(a′ − b′ , a′ ) = αf (ax + b) + βf (a′ x + b′ )
• f injectiva se e só se Nuc f = {0x + 0}:

(
a−b=0
ax + b ∈ Nuc f ⇐⇒ f (ax + b) = (0, 0) ⇐⇒ (a − b, a) = (0, 0) ⇐⇒
a=0
(
b=0
⇐⇒ =⇒ ax = b = 0x + 0 ∴ Nuc f = {0x + 0}
a=0
• f sobrejectiva se e só se Im f = R2 : ora

R2 − dim Nuc f = 2 − 0 = 2 = dim |{z}
dim Im f = dim |{z} R2 .
espaço espaço
partida chegada
Portanto f é sobrejectiva.
Segue-se que f é um isomorfismo de R1 [x] em R2 .
6 Ana L. Correia
11. Sabemos que
dim Mm×n (K) = m · n = n · m = dim Mn×m (K).
Logo, pelo teorema 5.28, Mm×n (K) e Mn×m (K) são isomorfos.
Alternativa: A aplicação f : Mm×n (K) → Mn×m (K) definida por f (A) = AT para todo
A ∈ Mm×n (K) é linear (ver exercı́cio 5 da semana 10). Esta aplicação é bijectiva:
T
f (A) = 0 ⇐⇒ AT = 0 =⇒ A = AT = 0T = 0 =⇒ Nuc f = {0} ∴ f é injectiva .
T
A = AT = f AT ∈ Im f, para todo A ∈ Mm×n (K) ∴ f é sobrejectiva .
Segue-se que Mm×n (K) ≃ Mn×m (K).
f
12. Queremos determinar M(f ; B, B′ ), onde

B = (1, 2, 3), (0, −2, 1), (0, 0, 3) − base do espaço de partida

B′ = (0, −2), (−1, 0) − base do espaço de chegada.
Assim temos de escrever as imagens dos vectores base B como combinação linear dos
vectores da base B′ :
f (1, 2, 3) = (2, 3) = (−3/2)(0, −2) + (−2)(−1, 0)
f (0, −2, 1) = (−2, 1) = (−1/2)(0, −2) + 2(−1, 0)
f (0, 0, 3) = (0, 3) = (−3/2)(0, −2) + 0(−1, 0)
Segue-se que
′ −3/2 −1/2 −3/2
M(f ; B, B ) = .
−2 2 0
13. Procede-se como no exercı́cio anterior:

1 1
f = (2, 1, 0) = 2(1, 0, 0) + 1(0, 1, 0) + 0(0, 0, 1)
0 1

0 2
f = (0, 4, 0) = 0(1, 0, 0) + 4(0, 1, 0) + 0(0, 0, 1)
3 1

0 0
f = (0, 1, 0) = 0(1, 0, 0) + 1(0, 1, 0) + 0(0, 0, 1)
2 −1

0 0
f = (0, 1, 0) = 0(1, 0, 0) + 1(0, 1, 0) + 0(0, 0, 1)
1 0
Segue-se que  
2 0 0 0
M(f ; B, b.c R3 ) = 1 4 1 1 .
0 0 0 0
16. (a) É dada a matriz M(f ; B, B′ ), onde

B = (0, 1, 0), (−1, 0, 0), (0, 0, 1) e B′ = (0, 1), (−1, 0) .
Portanto temos de escrever o vector (1, −2, 3) como combinação linear dos vectores
da base B = (0, 1, 0), (−1, 0, 0), (0, 0, 1) :
(1, −2, 3) = (−2)(0, 1, 0) + (−1)(−1, 0, 0) + 3(0, 0, 1).

Assim
   
−2 −2
′  1 −1 0 −1 = −1 .
f (1, −2, 3) = M(f ; B, B ) −1 =
matricialmente 0 2 3 7
3 3
Segue-se que
f (1, −2, 3) = (−1)(0, 1) + 7(−1, 0) = (−7, −1).
(b) Proceda como na alı́nea (a), agora para o vector (a, b, c).

2 0 3
17. Façamos A = . Temos que rank A = 1, porque a L2 = 2L1 .
4 0 6
(a) Como a base do espaço de chegada é a base canónica, temos

3 2 x 2
(2, 4) ∈ Im f ⇐⇒ M(f ; b.c R , b.c R ) = é possı́vel
y 4

2 0 3 2
⇐⇒ rank = rank A = 1 ⇐⇒ 1 = 1.
4 0 6 4
Portanto (2, 4) ∈ Im f .

(b) Neste caso, a base de chegada é a base B′ = (1, 1), (0, 1) . Como,
(2, 4) = 2(1, 1) + 2(0, 1),
então

3 ′x 2
(2, 4) ∈ Im f ⇐⇒ M(f ; b.c R , B ) = é possı́vel
y 2

2 0 3 2
⇐⇒ rank = rank A = 1 ⇐⇒ 2 = 1 .
4 0 6 2 impossı́vel
Portanto (2, 4) 6∈ Im f .
(c) A base do espaço de partida não interfere na imagem. Assim, temos como em (a):

2 x 2
(2, 4) ∈ Im f ⇐⇒ M(f ; B, b.c R ) = é possı́vel
y 4

2 0 3 2
⇐⇒ rank = rank A = 1 ⇐⇒ 1 = 1.
4 0 6 4
Portanto (2, 4) ∈ Im f .
(d) Idêntico a (b). Temos (2, 4) = 2(1, 1) + 2(0, 1). Assim

′ x 2
(2, 4) ∈ Im f ⇐⇒ M(f ; B, B ) = é possı́vel
y 2

2 0 3 2
⇐⇒ rank = rank A = 1 ⇐⇒ 2 = 1 .
4 0 6 2 impossı́vel
Portanto (2, 4) 6∈ Im f .
8 Ana L. Correia
18. (a) Substituindo a por 1, b por 2 e c por 3, na expressão f (a, b, c) = (a + b, b + c),
obtém-se f (1, 2, 3) = (3, 5).
(b) Trabalhamos com as bases B1 = b.c R3 e B1′ = b.c R2 . Assim
f (1, 0, 0) = (1, 0) , f (0, 1, 0) = (1, 1) , f (0, 0, 1) = (0, 1)

(1, 2, 3) = 1(1, 0, 0) + 2(0, 1, 0) + 3(0, 0, 1).

3 1 1 02
Portanto M(f ; B1 , B1′ ) = M(f ; b.c R , b.c R ) = , e temos
0 1 1
   
1 1
3 2   1 1 0   3
f (1, 2, 3) = M(f ; b.c R , b.c R ) 2 = 2 = − na base b.c R2 .
3 3
(c) Trabalhamos com as bases B2 e B1′ = b.c R2 . Assim
f (0, 1, 0) = (1, 1) , f (1, 0, 1) = (1, 1) , f (1, 0, 0) = (1, 0)

(1, 2, 3) = 2(0, 1, 0) + 3(1, 0, 1) + (−2)(1, 0, 0).

1 1 1
2
Portanto M(f ; B2 , B1′ ) = M(f ; B2 , b.c R ) = , e temos
1 1 0
   
2 2
2  1 1 1   3
f (1, 2, 3) = M(f ; B2 , b.c R ) 3 = 3 = − na base b.c R2 .
−2 −2
(d) Trabalhamos com as bases B1 = b.c R3 e B2′ . Assim
f (1, 0, 0) = (1, 0) = 0(1, 1) + 1(1, 0),

f (0, 1, 0) = (1, 1) = 1(1, 1) + 0(1, 0),
f (0, 0, 1) = (0, 1) = 1(1, 1) + (−1)(1, 0),
(1, 2, 3) = 1(1, 0, 0) + 2(0, 1, 0) + 3(0, 0, 1).

3 0 1 1
Portanto M(f ; B1 , B2′ ) = M(f ; b.c R , B2′ ) = , e temos
1 0 −1
   
1 1
3 ′   0 1 1   5
f (1, 2, 3) = M(f ; b.c R , B2 ) 2 = 2 = − na base B2′ .
matricialmente 1 0 −1 −2
3 3
Portanto
f (1, 2, 3) = 5(1, 1) + (−2)(1, 0) = (3, 5).
(e) Trabalhamos com as bases B2 e B2′ . Assim
f (0, 1, 0) = (1, 1) = 1(1, 1) + 0(1, 0),

f (1, 0, 1) = (1, 1) = 1(1, 1) + 0(1, 0),
f (1, 0, 0) = (1, 0) = 0(1, 1) + 1(1, 0),
(1, 2, 3) = 2(0, 1, 0) + 3(1, 0, 1) + (−2)(1, 0, 0).

1 1 0
Portanto M(f ; B2 , B2′ ) = , e temos
0 0 1
   
2 2
′  1 1 0   5
f (1, 2, 3) = M(f ; B2 , B2 ) 3 = 3 = − na base B2′ .
matricialmente 0 0 1 −2
−2 −2
Portanto
f (1, 2, 3) = 5(1, 1) + (−2)(1, 0) = (3, 5).
19. (a) Para determinarmos M(idR3 ; B1 , B2 ) temos de escrever os vectores da base B1 como
combinação linear dos vectores da base B2 . Como B2 é a base canónica tem-se
trivialmente
como B2 =b.c. cada vec-

(1, −1, 0) = 1(1, 0, 0) + (−1)(0, 1, 0) + 0(0, 0, 1)
tor da base B1 coincide
(−1, 1, −1) = (−1)(1, 0, 0) + 1(0, 1, 0) + (−1)(0, 0, 1)
c/ a sequência das coor-
(0, 1, 0) = 0(1, 0, 0) + 1(0, 1, 0) + 0(0, 0, 1)
denadas em relação à b.c.
Assim
 
1 −1 0 as colunas desta
M(idR3 ; B1 , B2 ) = M(idR3 ; B1 , b.c R3 ) = −1 1 1 − matriz coincidem
0 −1 0 c/ os vectores de B1
(b) Nesta caso, uma vez que já determinámos M(idR3 ; B1 , B2 ), podemos recorrer à
proposição 5.41:
 −1  
1 −1 0 1 0 −1
M(idR3 ; B2 , B1 ) = M(idR3 ; B1 , B2 )−1 = −1 1 1 = 0 0 −1
0 −1 0 1 1 0
- confirme!
(c) Neste caso, temos de escrever os vectores da base B1 como combinação linear dos
vectores da base B3 . Ora
 
α = 1
 α = 1

(1, −1, 0) = α(1, 1, 1) + β(0, 1, 1) + γ(0, 0, 1) ⇔ α + β = −1 ⇔ β = −2

 

α+β+γ =0 γ=1
 
α = −1
 α = −1

(−1, 1, −1) = α(1, 1, 1) + β(0, 1, 1) + γ(0, 0, 1) ⇔ α + β = 1 ⇔ β=2

 

α + β + γ = −1 γ = −2
(0, 1, 0) = 0(1, 1, 1) + 1(0, 1, 1) + (−1)(0, 0, 1)
Assim  
1 −1 0
M(idR3 ; B1 , B3 ) = −2 2 1 .
1 −2 −1
10 Ana L. Correia
20. Vamos determinar M(f ; b.c R3 , b.c R3 ) e M(g; b.c R3 , b.c R3 ) e depois recorrer aos teo-
remas 5.39 e 5.40. Temos
f (1, 0, 0) = (2, 0, 1) , f (0, 1, 0) = (1, −1, 0) , f (0, 0, 1) = (0, 0, 2)
g(1, 0, 0) = (1, 0, 1) , g(0, 1, 0) = (0, 1, 1) , g(0, 0, 1) = (0, 0, 1)
Como a base do espaço de chegada é a base canónica então cada vector imagem coincide
com a sequências das coordenadas em relação à base canónica de R3 . Quer dizer que
as colunas de A = M(f ; b.c R3 , b.c R3 ) coincidem com os vectores f (1, 0, 0), f (0, 1, 0),
f (0, 0, 1). Analogamente para B = M(g; b.c R3 , b.c R3 ). Assim:
   
2 1 0 1 0 0
A = M(f ; b.c R3 , b.c R3 ) = 0 −1 0 , B = M(g; b.c R3 , b.c R3 ) = 0 1 0 .
1 0 2 1 1 1
(a) Temos
 
−3 −2 0
M(h; b.c R3 , b.c R3 ) = M(g−2f ; b.c R3 , b.c R3 ) = B−2A =  0 3 0 .
teor. 5.39
−1 1 −3
(b) Temos
M(h; b.c R3 , b.c R3 ) = M(g ◦ f ; b.c R3 , b.c R3 ) = BA
   teor.
 5.40 
1 0 0 2 1 0 2 1 0
= 0 1 0 0 −1 0 = 0 −1 0 .
1 1 1 1 0 2 3 0 2
(c) Temos
M(h; b.c R3 , b.c R3 ) = M(f ◦ g; b.c R3 , b.c R3 ) = AB
   teor.
 5.40 
2 1 0 1 0 0 2 1 0
= 0 −1 0 0 1 0 = 0 −1 0 .
1 0 2 1 1 1 3 2 2
(d) Temos
   
1 0 0 2 0 0
M(h; b.c R3 , b.c R3 ) = M(2g 2; b.c R3 , b.c R3 ) = 2B 2 = 2 0 1 0 = 0 2 0.
teor. 5.39
teor. 5.40 2 2 1 4 4 2
21. (a) Temos, para todo (a, b, c) ∈ R3 ,
f 3 (a, b, c) = f (f (f (a, b, c))) = f (f (c, a, b)) = f (b, c, a) = (a, b, c) = idR3 (a, b, c).
Portanto f 3 = idR3 .
(b) Seja A = M(f ; b.c R3 , b.c R3 ). Então, pelo teorema 5.40,
A3 = M(f 3 ; b.c R3 , b.c R3 ) = M(idR3 ; b.c R3 , b.c R3 ) = I3 .
(a)
Ora
f (1, 0, 0) = (0, 1, 0) , f (0, 1, 0) = (0, 0, 1) , f (0, 0, 1) = (1, 0, 0)
 
0 0 1
donde A = M(f ; b.c R3 , b.c R3 ) = 1 0 0 é tal que A3 = I3 com A 6= I3 .
0 1 0

22. (a) Temos a situação:
fazemos o esquema completamos

f
conhecemos queremos conhecer f R3 −→ R2
f f
R3 −→ R2 2 B B b.cxR2
R3 −→ R2 2 R3 −→ R2 B B b.c R 
 
b.c R3 A b.c R B B b.c R2 idR3 yP QidR2
A=M(f ;b.c R3 b.c R2 ) B=M(f ;B,b.c R2 ) f
R3 3 −→ R2 R3 3 −→
f
R2
b.c R A b.c R2 A
b.c R b.c R2
Ora
 
0 1 1
P = M(idR3 ; B, b.c R3 ) = 1 0 0 , Q = M(idR2 ; b.c R2 , b.c R2 ) = I2 .
0 1 0
Assim
 
0 1 1
2 1 1 0  1 1 1
M(f ; B, b.c R ) = QAP = AP = 1 0 0 =
 .
Q=I2 0 1 1 1 1 0
0 1 0
(b) Neste caso, temos o diagrama:

f
R3 −→ R′2 P = M(idR3 ; b.c R3 , b.c R3 ) = I3
b.cR3 B B

x
 Q = M(idR2 ; b.c R2 , B′ ) = M(idR2 ; B′ , b.c R2 )−1
idR3 yP QidR2 com −1
1 1 0 1
f = =
R3 −→ R2 1 0 1 −1
b.c R3 A b.c R2
Assim

3 ′ 0 1 1 1 0 0 1 1
M(f ; b.c R , B ) = QAP = QA = = .
P =I3 1 −1 0 1 1 1 0 −1
(c) Neste caso, temos o diagrama:

 
0 1 1
f
R3 −→ R′2 P = M(idR3 ; B, b.c R3 ) = 1 0 0
B
 B B
x
  0 1 0
idR3 yP QidR2 com
Q = M(idR2 ; b.c R2 , B′ ) = M(idR2 ; B′ , b.c R2 )−1
f −1
R3 −→ R2 1 1 0 1
b.c R3 A b.c R2 = =
1 0 1 −1
Assim
 
0 1 1
′ 0 1 1 1 0  1 1 0
M(f ; B, B ) = QAP = 1 0 0 = .
1 −1 0 1 1 0 0 1
0 1 0
23. (a) Temos

g(1, 0, 0) = (3, 1, −2) , g(0, 1, 0) = (6, −1, −3) , g(0, 0, 1) = (0, 3, −1).
 
3 6 0
Portanto A = M(g; b.c R3 , b.c R3 ) =  1 −1 3 .
−2 −3 −1
12 Ana L. Correia
(b) Temos
(k, 2 + k, 1) ∈ Im g ⇐⇒ g(x, y, z) = (k, 2 + k, 1) para algum (x, y, z) ∈ R3

 
k
⇐⇒ AX = 2 + k  é possı́vel
matricialmente
1
Fazendo, por exemplo, as seguintes transformações elementares vamos obter:
   
3 6 0 k 1 −1 3 2+k
 1 −1 3 2 + k  −→ −→ −→  0 9 −9 −6 − 2k 
L1 ↔L2 L2 −3L1 L3 +5/9L2 15+8k
−2 −3 −1 1 L3 +2L1 0 0 0 9
Portanto
 
k
15 15
AX = 2 + k  é possı́vel ⇐⇒ 15 + 8k = 0 ⇐⇒ k = − ⇐⇒ k ∈ − .
8 8
1
Alternativa:
(k, 2 + k, 1) ∈ Im g ⇐⇒ (k, 2 + k, 1) ∈ hg(1, 0, 0), g(0, 1, 0), g(0, 0, 1)i

⇐⇒ (k, 2 + k, 1) ∈ h(3, 1, −2), (6, −1, −3), (0, 3, −1)i
| {z }
colunas de A
 
k
⇐⇒ rank A = rank[A|B] com B = 2 + k 
1
 
k
⇐⇒ AX = 2 + k  é possı́vel

1
Agora o processo é idêntico ao efectuado acima.
(c) Temos    
3 6 0 1 −1 3
A =  1 −1 3  −→ · · · −→ 0 9 −9 .
−2 −3 −1 0 0 0
Logo dim Im g = rank A = 2 < 3 = dim R3 e, portanto, g não é sobrejectiva.

24. Seja B′ = u1 , u2 , u3 uma base de R3 . Considere a aplicação linear f : R5 → R3 definida
por f (a, b, c, d, e) = (−b − c + d)u1 + (2a + b + 3c − 3d)u2 + (b + c − d)u3, para todo
(a, b, c, d, e) ∈ R5 .
(a) Temos
f (1, 0, 0, 0, 0) = 0u1 + 2u2 + 0u3 , f (0, 1, 0, 0, 0) = −u1 + u2 + u3 ,

f (0, 0, 1, 0, 0) = −u1 + 3u2 + u3 , f (0, 0, 0, 1, 0) = u1 − 3u2 − u3 ,
f (0, 0, 0, 0, 1) = 0u1 + 0u2 + 0u3
 
0 −1 −1 1 0
Logo A = M(f ; b.c R5 , B) = 2 1 3 −3 0.
0 1 1 −1 0

(b) Sabemos que Im f é um subespaço de R3 . Logo dim Im f ≤ dim R3 = 3 e, portanto,
rank A = dim Im f ≤ 3. Agora temos
(−1, 3, 1) = 1(0, 2, 0) + 1(−1, 1, 1) , (1, −3, −1) = −1(0, 2, 0) − 1(−1, 1, 1).
Deste modo,
Im f = h2u2 , −u1 + u2 + u3 , −u1 + 3u2 + u3 , u1 − 3u2 − u3 i =h2u2 , −u1 + u2 + u3 i.
| {z }
lin. indep.

Portanto 2u2 , −u1 + u2 + u3 é uma base de Im f .
(c) Por (b) sabemos que dim Im f = 2. Assim,
dim Nuc f = dim R5 − dim Im f = 5 − 2 = 3.
Portanto basta provar que os 3 vectores dados pertencem ao núcleo e são linear-
mente independentes. Ora
f (1, 1, 0, 1, 1) = (−1 + 1)u1 + (2 + 1 − 3)u2 + (1 − 1)u3 = 0R3 ,
f (−1, −1, 1, 0, 1) = (1 − 1)u1 + (−2 − 1 + 3)u2 + (−1 + 1)u3 = 0R3 ,
f (0, 0, 0, 0, 1) = 0u1 + 0u2 + 0u3 = 0R3
e, portanto, os vectores estão no núcleo. Agora
   
1 1 0 1 1 1 1 0 1 1
−1 −1 1 0 1 −→ 0 0 1 1 2 (f.e.)
L +L
0 0 0 0 1 2 1 0 0 0 0 1
Logo os 3 vectores são linearmente
independentes. Portanto (1, 1, 0, 1, 1),
(−1, −1, 1, 0, 1), (0, 0, 0, 0, 1) é uma base de Nuc f .
(d) Vamos substituir os três últimos vectores da b.c R5 pelos vectores (1, 1, 0, 1, 1),
(−1, −1, 1, 0, 1), (0, 0, 0, 1, 0) (o último vector de b.c R5 já coincide com o terceiro
vector da base de Nuc f ). Obtemos a sequência de vectores

B = (1, 0, 0, 0, 0) , (0, 1, 0, 0, 0) , (1, 1, 0, 1, 1) , (−1, −1, 1, 0, 1) , (0, 0, 0, 0, 1) .
Resta provar que B é uma sequência linearmente independente:

1 0 0 0 0

0 1 0 0 0

1 1 0 1 1 = −1 (confirme!)

−1 −1 1 0 1

0 0 0 0 1
Portanto B é uma base de R5 .
(e) Temos
f (1, 0, 0, 0, 0) = f (1, 0, 0, 0, 0) = 0u1 + 2u2 + 0u3 , f (0, 1, 0, 0, 0) = −u1 + u2 + u3 ,
f (1, 1, 0, 1, 1) = 0R3 , f (−1, −1, 1, 0, 1) = 0R3 , f (0, 0, 0, 0, 1) = 0R3 .
Assim  
0 −1 0 0 0
M(f ; B, B′ ) = 2 1 0 0 0 .
0 1 0 0 0
14 Ana L. Correia

Apoio 10 - Álgebra Linear I

Enviado por

Dados do documento

Descrição original:

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Apoio 10 - Álgebra Linear I

Enviado por

Direitos autorais:

Formatos disponíveis

Apoio 10 Álgebra Linear I

• Secção 5.4: Aplicações invertı́veis e isomorfismos.

Nesta secção recordará o conceito de aplicação invertı́vel e aprenderá o conceito de isomor-

Definição: Sejam A, B conjuntos. Uma aplicação f : A → B diz-se invertı́vel se

2. A aplicação g é única, diz-se a (aplicação) inversa de f e representa-se por f −1

Observações. Sejam A, B, C conjuntos e f : A → B, g : B → C aplicações. Temos

3. Se f e g são invertı́veis então g ◦ f é invertı́vel e temos (g ◦ f )−1 = f −1 ◦ g −1 - ver

Definição: Sejam E, E ′ espaços vectoriais sobre K e seja f : E → E ′ uma aplicação

• Também se diz que E é isomorfo a E ′ e escreve-se

• Se E ≃ E ′ então E ′ ≃ E. Assim, neste caso, também podemos dizer que E e

Ver o exemplo 5.27 do manual e o exercı́cio 7.

21002 - Álgebra Linear I 1

1. E ≃ E ′ ⇐⇒ dim E = dim E ′ - ver teorema 5.28.

2. dim E = n ⇐⇒ E ≃ Kn - ver corolário 5.29.

porque podemos identificar uma matriz

porque podemos identificar um polinómio

Ver o exemplo 5.30 do manual.

• Resolva os exercı́cios propostos nestas folhas para a secção 5.4.

• Secção 5.5: Matriz de uma aplicação linear.

Pelo Teorema da Extensão Linear, f fica perfeitamente determinada pelas imagens

f (e1 ) , f (e2 ) , ... , f (en ).

f (e1 ) = a11 e′1 + a21 e′2 + · · · + am1 e′m (2o ı́ndice é 1)

Estes escalares vão ser colocados numa matriz por colunas:

Exemplo 1. Seja f : R3 → R3 a aplicação linear definida por f (a, b, c) = (2a, b + c, a − b + c),

21002 - Álgebra Linear I 3

As matrizes dão as informações seguintes sobre uma aplicação linear:

1. dim Im f = rank A - isto significa que

• todas as matrizes que representam f têm igual caracterı́stica e esse

escrita na base B′ , isto para conhecermos os coeficientes β1 , β2 , ..., βm , basta

α1 e1 + α2 e2 + · · · + αn en = β1 e′1 + β2 e′2 + · · · + βn e′n

- isto significa que a matriz M(idE ; B, B′ ) relaciona as coordenadas de qual-

A matriz M(idE ; B, B′ ) designa-se por matriz mudança de base (B, B′ ).

Sejam E, E ′ , E ′′ espaços vectoriais sobre K, com dimensão finita e sejam B, B′ , B′′

1. Sejam f, g : E → E ′ aplicações lineares. Então

M(f + g; B, B′ ) = A + B , onde A = M(f ; B, B′ ), B = M(f ; B, B′ ).

2. Seja f : E → E ′ uma aplicação linear e α ∈ K. Então

M(αf ; B, B′ ) = αA , onde A = M(f ; B, B′ ).

3. Sejam f : E → E ′ , g : E ′ → E ′′ aplicações lineares. Então

M(g ◦ f ; B, B′′ ) = BA , onde A = M(f ; B, B′ ), B = M(g; B′ , B′′ ),

4. Seja f : E → E ′ uma aplicação linear e seja M(f ; B , B′) = A. Então

Note-se que id−1 ′

Ver os teoremas 5.39 e 5.40 e a proposição 5.41.

21002 - Álgebra Linear I 5

Sejam E, E ′ espaços vectoriais sobre K, com dimensão finita e seja f : E → E ′ uma

M(f ; B2 , B2′ ) = M(idE ′ ; B1′ , B2′ )M(f ; B1 , B1′ )M(idE ; B2 , B1 ) ,

A = M(f ; B1 , B1′ ) , B = M(f ; B2 , B2′ ),

fazemos o esquema completamos

As aplicações identidade não alteram a aplicação f porque

mas mudam as bases do espaço de partida e do espaço de chegada.

1. Não há mudança na base do espaço de partida, i.e. B2 = B1 . Neste caso

3. No caso em que E ′ = E e B1′ = B1 e B2′ = B2 temos a situação

• Sejam A, B ∈ Mm×n (K). Dizemos que A e B são equivalentes se existem

• Sejam A, B ∈ Mn×n (K). Dizemos que A e B são semelhantes se existe uma

• Resolva os exercı́cios propostos nestas folhas para a secção 5.5.

• saber determinar dim Im f à custa da caracterı́stica de uma matriz que represente f ;

• saber identificar/determinar matrizes mudança de base;

• saber identificar matrizes equivalentes e matrizes semelhantes.

21002 - Álgebra Linear I 7

Aplicações invertı́veis e isomorfismos (secção 5.4)

(a) f : E → E tal que f 2 − f − idE = 0, onde E é um espaço vectorial sobre K.

3. Seja E um espaço vectorial sobre K. Mostre que se f : E → E é uma aplicação linear

4. Considere os subespaços de R3 , F = {(x, y, z) ∈ R3 : z = 0} e G = {(x, y, z) ∈ R3 : x = 0}.

5. Seja E um espaço vectorial sobre K e seja α ∈ K \ {0K }. Mostre que a aplicação