ÁLGEBRA LINEAR

5.Transformações Lineares

Licenciatura em Engenharia Informática

Instituto Superior de Engenharia do Porto

Ano letivo 2019/2020

Referências:
Viamonte, A. J., Sebenta de Álgebra Linear e Geometria Analı́tica, Departamento de Matemática, ISEP, 2011.

Matos, J., Sebenta de ALGAN, Publicação de apoio à unidade curricular, Departamento de Matemática, ISEP, 2017.

Ana Moura (ISEP) ALGAN: 5.Transformações Lineares LEI 2019/2020 1 / 20

 Transformações lineares Definição e propriedades

Sejam V e V 0 dois espaços vetoriais e f uma função de V em V 0 . Diz-se

que f é uma transformação linear ou homomorfismo, se
1 ∀u, v ∈ V , f (u + v ) = f (u) + f (v );
2 ∀α ∈ R, ∀u ∈ V , f (αu) = αf (u).

ou

f é uma transformação linear de V em V 0 sse

∀u, v ∈ V , ∀α, β ∈ R, f (αu + βv ) = αf (u) + βf (v ).

f pode ser, ou não, injetiva, e pode ser, ou não, sobrejetiva.

Ana Moura (ISEP) ALGAN: 5.Transformações Lineares LEI 2019/2020 2 / 20

 Transformações lineares Definição e propriedades

Exemplo
Sejam V = V 0 = R2 e f (x, y ) = (2x − y , 0). Vejamos que f é uma
transformação linear:
1 ∀u = (x, y ), v = (x 0 , y 0 ) ∈ R2 , f (u + v ) = f (u) + f (v ):

f (u + v ) = f ((x, y ) + (x 0 , y 0 )) = f (x + x 0 , y + y 0 ) =
(2(x + x 0 ) − (y + y 0 ), 0) = (2x + 2x 0 − y − y 0 , 0)

e f (u) + f (v ) = f (x, y ) + f (x 0 , y 0 ) = (2x − y , 0) + (2x 0 − y 0 , 0) =

(2x − y + 2x 0 − y 0 , 0).

2 ∀α ∈ R, ∀u = (x, y ) ∈ R2 , f (αu) = αf (u):

f (αu) = f (α(x, y )) = f (αx, αy ) = (2(αx) − αy , 0) = (2αx − αy , 0)

e αf (u) = αf (x, y ) = α(2x − y , 0) = (2αx − αy , 0).

Logo f é uma transformação linear.
Ana Moura (ISEP) ALGAN: 5.Transformações Lineares LEI 2019/2020 3 / 20
 Transformações lineares Definição e propriedades

Exemplo
Sejam V = V 0 = R2 e f (x, y ) = (2x − y , 1). Vejamos que f não é uma
transformação linear.
1 ∀u = (x, y ), v = (x 0 , y 0 ) ∈ R2 , f (u + v ) = f (u) + f (v ):

f (u + v ) = f (x + x 0 , y + y 0 ) = (2(x + x 0 ) − (y + y 0 ), 1) =
(2x + 2x 0 − y − y 0 , 1)
e f (u) + f (v ) = f (x, y ) + f (x 0 , y 0 ) = (2x − y , 1) + (2x 0 − y 0 , 1) =
(2x − y + 2x 0 − y 0 , 2).
Logo f (u + v ) 6= f (u) + f (v ). ou

2 ∀α ∈ R, ∀u = (x, y ) ∈ R2 , f (αu) = αf (u):

f (αu) = f (αx, αy ) = (2(αx) − αy , 1) = (2αx − αy , 1)

e αf (u) = α(2x − y , 1) = (2αx − αy , α).
Logo f (αu) 6= αf (u).
Portanto, f não é uma transformação linear.
Ana Moura (ISEP) ALGAN: 5.Transformações Lineares LEI 2019/2020 4 / 20
 Transformações lineares Definição e propriedades

Teorema
Seja T uma transformação linear de V em V 0 . Então
1 T (0V ) = 0V 0 .
2 ∀u ∈ V , T (−u) = −T (u).
3 ∀u, v ∈ V , T (u − v ) = T (u) − T (v ).
4 Se U é um subespaço vetorial de V , então T (U) é um subespaço
vetorial de V 0 .

Exercı́cio
Verifique se é possı́vel concluir, através do teorema anterior, quais das
transformações seguintes não são lineares:
1 T : R2 → R3 , T (x, y ) = (x, 1, x + y ).
2 T : R2 → R, T (x, y ) = |x − y |.
3 T : R2 → R2 , T (x, y ) = (xy , x + y ).
4 T : R2 → R2 , T (x, y ) = (2x, 3y ).
Ana Moura (ISEP) ALGAN: 5.Transformações Lineares LEI 2019/2020 5 / 20
 Transformações lineares Núcleo e imagem

Núcleo e imagem de uma transformação linear

Seja T uma transformação linear de V em V 0 . Chama-se:

Imagem de T , e representa-se por Im(T ), ao conjunto

Im(T ) = {T (u) ∈ V 0 : u ∈ V }
= {v ∈ V 0 : ∃u ∈ V , T (u) = v }

Núcleo de T , e representa-se por N(T ) ou Ker (T ) ao conjunto

N(T ) = {u ∈ V : T (u) = 0V 0 }.

Ana Moura (ISEP) ALGAN: 5.Transformações Lineares LEI 2019/2020 6 / 20

 Transformações lineares Núcleo e imagem

Exemplo
Seja T : R3 → R2 definida por T (x, y , z) = (x + z, x + 2y − z).
Im(T ):

Im(T ) = {T (x, y , z) : (x, y , z) ∈ R3 }

= {(x + z, x + 2y − z) : (x, y , z) ∈ R3 }
= {x(1, 1) + y (0, 2) + z(1 − 1) : (x, y , z) ∈ R3 }
=< (1, 1), (0, 2), (1, −1) >
Como os dois primeiros vetores são linearmente independentes e
dim(R2 ) = 2, então eles geram R2 . Logo Im(T ) = R2 .

Ana Moura (ISEP) ALGAN: 5.Transformações Lineares LEI 2019/2020 7 / 20

 Transformações lineares Núcleo e imagem

N(T ):

N(T ) = {(x, y , z) ∈ R3 : T (x, y , z) = (0, 0)}

= {(x, y , z) ∈ R3 : (x + z, x + 2y − z) = (0, 0)}
Resolvemos o sistema
 
x +z =0 x = −z
⇔
x + 2y − z = 0 y =z

Logo N(T ) = {(−z, z, z) : z ∈ R}.

Ana Moura (ISEP) ALGAN: 5.Transformações Lineares LEI 2019/2020 8 / 20

 Transformações lineares Núcleo e imagem

Proposição
Sejam T : V → V 0 uma transformação linear e V de dimensão finita.
Tem-se:
O núcleo de T , N(T ), contém pelo menos o vetor nulo, 0V .
O núcleo de T , N(T ), é um subespaço de V .
A imagem de T , Im(T ), é um subespaço de V 0 .
dim(V ) = dim(Im(T )) + dim(N(T )).

Ana Moura (ISEP) ALGAN: 5.Transformações Lineares LEI 2019/2020 9 / 20

 Transformações lineares Matriz de uma transformação

Matriz de uma transformação linear

Sejam V e V 0 dois espaços de dimensão finita, T : V → V 0 uma
transformação linear, B = (u1 , . . . , un ) uma base ordenada de V e
B 0 = (v1 , . . . , vm ) uma base ordenada de V 0 . Tem-se
∃1 a11 , a21 , . . . , an1 ∈ R : T (u1 ) = a11 v1 + a21 v2 + . . . + am1 vm
...
∃1 a1n , . . . , amn ∈ R : T (un ) = a1n v1 + a2n v2 + . . . + amn vm

Chama-se matriz da transformação linear T relativamente às bases

ordenadas B e B 0 , e representa-se por AT ,BB 0 (ou ABB 0 ), à matriz
 
a11 a12 . . . a1n
AT ,BB 0 = ABB 0 =  ... .. .. .. 

. . . 
am1 am2 . . . amn

Nota: Se uma transformação linear T for apresentada através de uma matriz A ∈ Mn×m sem indicação das bases a que se
refere, assume-se que a matriz é relativa às bases canónicas e T : Rm → Rn .
Ana Moura (ISEP) ALGAN: 5.Transformações Lineares LEI 2019/2020 10 / 20
 Transformações lineares Matriz de uma transformação

Sejam T uma transformação linear de Rn em Rm e AT a matriz de T

relativamente às bases canónicas. A imagem de u ∈ Rn é dada por

T (u) = AT × u.

Sejam T uma transformação linear de Rn em Rm e AT ,BB 0 a matriz de T

relativamente às bases ordenadas B de Rn e B 0 de Rm . A imagem de
u ∈ Rn é dada por
T (u)B 0 = AT ,BB 0 × uB
onde uB são as coordenadas de u na base B e T (u)B 0 são as coordenadas
de T (u) na base B 0 .

Teorema
Sejam T : V → V 0 uma transformação linear e V de dimensão finita.
Então T fica completamente caracterizada pelo conhecimento das imagens
dos vetores de uma base ordenada de V .

Ana Moura (ISEP) ALGAN: 5.Transformações Lineares LEI 2019/2020 11 / 20

 Transformações lineares Matriz de uma transformação

Exemplo
Seja T a transformação linear de R3 em R3 definida por
T (x, y , z) = (2x − y − z, 2y − x − z, 2z − x − y ).
Matriz da transformação T em relação à base canónica:
T (1, 0, 0) = (2, −1, −1), T (0, 1, 0) = (−1, 2, −1), T (0, 0, 1) =
(−1, −1,
 2) 
2 −1 −1
AT = −1 2 −1 .
−1 −1 2

Matriz da transformação T em relação à base

B = {(1, 0, 0), (1, 1, 0), (1, 1, 1)}:
T (1, 0, 0) = (2, −1, −1) = 3(1, 0, 0) + 0(1, 1, 0) − 1(1, 1, 1) =
(3, 0, −1)B
T (1, 1, 0) = (1, 1, −2) = 0(1, 0, 0)+3(1, 1, 0)−2(1, 1, 1) = (0, 3, −2)B
T (1, 1, 1) = (0, 0, 0) = 0(1, 0, 0) + 0(1, 1, 0) + 0(1, 1, 1) = (0, 0, 0)B

Ana Moura (ISEP) ALGAN: 5.Transformações Lineares LEI 2019/2020 12 / 20

 Transformações lineares Matriz de uma transformação

 
3 0 0
Logo AT ,BB = 0 3 0.
−1 −2 0

Imagem do vetor v = (−5, 3, 2):

1 Na base canónica:     
2 −1 −1 −5 −15
T (v ) = −1 2 −1 ×  3  =  9  .
−1 −1 2 2 6

2 Na base B:
v = (−5,3, 2) = −8(1,0, 0)
 + 1(1,
 1, 0)
 + 2(1,
 1, 1)
3 0 0 −8 −24
T (v ) =  0 3 0 ×  1  =  3 
−1 −2 0 2 B 6 B
ou seja,
T (v ) = (−24, 3, 6)B = −24(1, 0, 0)+3(1, 1, 0)+6(1, 1, 1) = (−15, 9, 6).

Ana Moura (ISEP) ALGAN: 5.Transformações Lineares LEI 2019/2020 13 / 20

 Transformações lineares Matriz de uma transformação

Exemplo
Seja T a transformação linear definida pela matriz relativa às bases
canónicas  
1 3 1
M= .
2 4 1

Como M é do tipo 2 × 3, então T é uma transformação linear de R3

em R2 , e a lei da transformação linear é dada por

v = T (u) = T (x, y , z) = Mu  
  x
1 3 1  
= y
2 4 1
 z
x + 3y + z
=
2x + 4y + z

ou seja, T (x, y , z) = (x + 3y + z, 2x + 4y + z).

Ana Moura (ISEP) ALGAN: 5.Transformações Lineares LEI 2019/2020 14 / 20

 Transformações lineares Matriz de uma transformação

O Núcleo da transformação linear é


x + 3y + z = 0
N(T ) : T (x, y , z) = (0, 0) ⇔
 2x + 4y + z = 0
x = −y
⇔
z = −2y

ou seja, N(T ) = {(−y , y , −2y ) : y ∈ R} = h(−1, 1, −2)i e, portanto,

dim(N(T )) = 1.
A Imagem da transformação linear é

Im(T ) = {(x + 3y + z, 2x + 4y + z) : x, y , z ∈ R}
= h(1, 2), (3, 4), (1, 1)i
= h(1, 2), (3, 4)i

e, portanto, dim(Im(T )) = 2.

Logo verifica-se dim(R3 ) = dim(N(T )) + dim(Im(T )).

Ana Moura (ISEP) ALGAN: 5.Transformações Lineares LEI 2019/2020 15 / 20
 Transformações lineares Valores próprios e vetores próprios

Valores próprios e vetores próprios

Seja T : V → V uma transformação linear em V . Diz-se que u ∈ V \{0V }
é um vetor próprio de T associado ao valor próprio λ ∈ R se e só se
T (u) = λu.
ou, considerando a matriz quadrada associada à transformação linear, A,
diz-se que u é vetor próprio da matriz A associado ao valor próprio λ se e
só se
Au = λu.

Sejam A uma matriz quadrada de ordem n e λ um escalar. Chama-se

subespaço próprio associado ao valor próprio λ, e representa-se por Eλ , ao
conjunto
Eλ = {u ∈ Rn : Au = λu}.

O subespaço próprio Eλ é, portanto, o conjunto constituı́do por todos os

vetores próprios associados ao valor próprio λ e o vetor nulo.
Ana Moura (ISEP) ALGAN: 5.Transformações Lineares LEI 2019/2020 16 / 20
 Transformações lineares Valores próprios e vetores próprios

Proposição
Se λ é um valor próprio da matriz A, então os vetores próprios associados
a λ são as soluções não nulas do sistema homogéneo (A − λI )u = 0.

Proposição
Seja A uma matriz quadrada de ordem n. Então λ é valor próprio de A se
e só se
det(A − λIn ) = 0.

Chama-se polinómio caracterı́stico da matriz A ao polinómio det(A − λI ) e

equação caracterı́stica da matriz A à equação det(A − λI ) = 0.

Ana Moura (ISEP) ALGAN: 5.Transformações Lineares LEI 2019/2020 17 / 20

 Transformações lineares Valores próprios e vetores próprios

Exemplo
 
1 0 0
Considere a matriz A =  0 1 0.
−1 2 2
Valores próprios:
 
1 − λ 0 0 

|A − λI3 | =  0 1−λ 0  = (1 − λ)(1 − λ)(2 − λ).
 −1 2 2 − λ
Logo |A − λI3 | = 0 ⇔ (1 − λ)2 (2 − λ) = 0 ⇔ λ = 1 ∨ λ = 2.

Ana Moura (ISEP) ALGAN: 5.Transformações Lineares LEI 2019/2020 18 / 20

 Transformações lineares Valores próprios e vetores próprios

Vetores próprios:
1 Subespaço
 próprio associado 
a λ = 1: 
1−λ 0 0 0 0 0 0 0
←− −
→
 0 1−λ 0 0 λ = 1 0 0 0 0 
−1 2 2−λ  0 −1 2 1 0
 0=0
ou seja, tem-se o sistema 0=0
−x + 2y + z = 0

Logo, o subespaço próprio associado ao valor próprio λ = 1 é

E1 = {(2y + z, y , z), y , z ∈ R}.

2 Subespaço
 próprio associado 
a λ = 2: 
1−λ 0 0 0 −1 0 0 0
←−−→
 0 1−λ 0 0 λ = 2 0 −1 0 0 
−1 2 2−λ  0 −1 2 0 0
 x =0
ou seja, tem-se o sistema y = 0 e, portanto,
0=0

E2 = {(0, 0, z), z ∈ R}.
Ana Moura (ISEP) ALGAN: 5.Transformações Lineares LEI 2019/2020 19 / 20
 Transformações lineares Valores próprios e vetores próprios

Se considerarmos os valores próprios em C, então temos o resultado

seguinte:
Proposição
Seja A uma matriz quadrada de ordem n. Então o produto dos valores
próprios (tendo em conta a sua multiplicidade) de A é igual ao valor do
determinante de A

Exercı́cio
Determine os valores próprios
 e os subespaços
 próprios associados a cada
2 0 2
valor próprio da matriz 0 1 −1.
0 3 1
Solução: λ = 2; E2 = h(1, 0, 0)i.

Ana Moura (ISEP) ALGAN: 5.Transformações Lineares LEI 2019/2020 20 / 20