Escolar Documentos
Profissional Documentos
Cultura Documentos
71 UFF
Instituto de Matemática
V e W são espaços vetoriais de dimensão finita. Finalizaremos com o estudo
do espaço V ∗ = L(V, R), conhecido como espaço dual de V, o espaço dos
funcionais lineares de V.
UFF 72
M. L. T. Villela
Transformações Lineares
PARTE 3 - SEÇÃO 1
Transformações Lineares
Vamos estudar as funções que têm interesse entre espaços vetoriais reais.
Definição 1 (Transformação linear)
Sejam V e W espaços vetoriais reais. Uma função T : V −→ W é uma
transformação linear se, e somente se,
(a) T (v + v′ ) = T (v) + T (v′ ), para quaisquer v, v′ ∈ V;
(b) T (a · v) = a · T (v), para qualquer a ∈ R e para qualquer v ∈ V.
Exemplo 1
Para qualquer espaço vetorial real V, a função identidade I : V −→ V,
definida por I(v) = v, para cada v ∈ V, é uma transformação linear.
Exemplo 2
Para qualquer espaço vetorial real V, a função O : V −→ {0W}, definida por
O(v) = 0W, para cada v ∈ V, chamada de função identicamente nula, é uma
transformação linear.
Exemplo 3
Seja T : R2 −→ R3 definida por T (x, y) = (2x−y, x+y, x+3y). Mostraremos
que T é uma transformação linear. De fato, sejam v = (x, y), v′ = (x′ , y′ ) em
R2 e a ∈ R. Então:
(1)
T (v + v′ ) = T (x + x′ , y + y′ )
Em (1) usamos a definição
(2)
= (2(x + x′ ) − (y + y′ ), (x + x′ ) + (y + y′ ), (x + x′ ) + 3(y + y′ )) da adição em R2 ; em (2), a
(3) definição de T; em (3), as
= ((2x − y) + (2x′ − y′ ), (x + y) + (x′ + y′ ), (x + 3y) + (x′ + 3y′ )) propriedades da adição e da
(4) multiplicação em R; em (4),
= (2x − y, x + y, x + 3y) + (2x′ − y′ , x′ + y′ , x′ + 3y′ )
a definição da adição em R2
(5)
= T (v) + T (v′ ). e em (5), a definição de T.
Exemplo 4
A função derivação D : Pn(R) −→ Pn(R) definida por D(f(t)) = f′ (t) é
linear.
Exemplo 5 Z1
A função T : C[0, 1] −→ R definida por T (f(x)) = f(x)dx é linear.
0
73 UFF
Instituto de Matemática
Transformações Lineares
Álgebra Linear I
Exemplo 6 !
x y
Seja T : M2×2(R) −→ R2 definida por T = (2x+y+w, 2y+z−w).
z w
! !
′ ′
x y x y
T é linear. De fato, dados A = e A′ = temos:
z w z′ w ′
! !
′ ′
x + x y + y a · x a · y
A + A′ = e a·A= . Então,
z + z′ w + w ′ a·z a·w
Em (1) usamos a definição (1)
de T; em (2), propriedades
T (A + A′ ) = (2(x + x′ ) + (y + y′ ) + (w + w′ ), 2(y + y′ ) + (z + z′ ) − (w + w′ ))
da adição e multiplicação em (2)
= ((2x + y + w) + (2x′ + y′ + w′ ), (2y + z − w) + (2y′ + z′ − w′ ))
R; em (3), a definição da
(3)
adição em R2 e em (4), a = (2x + y + w, 2y + z − w) + (2x′ + y′ + w′ , 2y′ + z′ − w′ )
definição de T. (4)
= T (A) + T (A′ ) e
Em (5) usamos a definição
(5)
de T; em (6), as propriedades T (a · A) = (2(a · x) + a · y + a · w, 2(a · y) + a · z − a · w)
comutativa da multiplicação
(6)
e distributiva em R; em (7), = (a · (2x + y + w), a · (2y + z − w))
a definição da multiplicação (7)
por escalar em R2 e em (8), = a · (2x + y + w, 2y + z − w)
a definição de T. (8)
= a · T (A).
Exemplo 7
A função T : R2 −→ R definida por T (x, y) = x · y não é linear, pois
T (2, 4) = 8, T (1, 2) = 2 e 4 = 2T (1, 2) 6= T (2, 4) = 8.
Exemplo 8
Seja A ∈ Mm×n(R). A função
TA : Rn −→ Rm
(x1, . . . , xn) 7−→ (y1, . . . , ym),
Veja o Exercı́cio 5c.
y1 x1
.. .
onde . = A .. é linear.
ym xn
Por exemplo, T : R3 −→ R2 definida por T (x, y, z) = (2x+y+3z, 4x+5y+6z)
é linear, pois
! ! x
2x + y + 3z 2 1 3
= y
4x + 5y + 6z 4 5 6
z
!
2 1 3
e T = TA, para A = .
4 5 6
Proposição 1 (Propriedades)
Sejam V e W espaços vetoriais reais e T : V −→ W uma transformação
linear. Valem as seguintes propriedades:
UFF 74
M. L. T. Villela
Transformações Lineares
PARTE 3 - SEÇÃO 1
Exemplo 9
A função T : R2 −→ R2 definida por T (x, y) = (x + 1, x + 2y) não é linear,
pois T (0, 0) = (1, 0) 6= (0, 0).
Teorema 1
Sejam V e W espaços vetoriais reais, com dimR (V) = n ≥ 1, α = {v1, . . . , vn}
uma base de V e w1, . . . , wn ∈ W. Então existe uma única transformação
linear T : V −→ W tal que T (v1) = w1, . . . , T (vn) = wn.
Demonstração: Suponhamos que existe T : V −→ W linear tal que T (v1) =
w1, . . . , T (vn) = wn. Então, dado v ∈ V existem a1, . . . , an ∈ R unicamente
determinados tais que v = a1v1 + · · · + anvn. Portanto,
T (v) = T (a1v1 + · · · + anvn)
= a1T (v1) + · · · + anT (vn) = a1w1 + · · · + anwn.
Agora que sabemos a expressão de T , definimos
T (v) = a1w1 + · · · + anwn, para v = a1v1 + · · · + anvn.
Vamos mostrar que T (vj) = wj, para j = 1, . . . , n e que T é linear.
De fato,
vj = 0 · v1 + · · · + 1 · vj + · · · + 0 · vn e
T (vj) = 0 · w1 + · · · + 1 · wj + · · · + 0 · wn = wj.
75 UFF
Instituto de Matemática
Transformações Lineares
Álgebra Linear I
Exemplo 10
Vamos determinar a única transformação linear T : R2 −→ R3 tal que
T (1, 1) = (2, 1, 3) e T (1, 0) = (1, 1, −1).
Como α = {(1, 1), (1, 0)} é uma base do R2, podemos escrever (x, y) como
combinação linear de α, a saber,
a+b=x a=y
(x, y) = a(1, 1) + b(1, 0) = (a + b, a) ⇐⇒ ⇐⇒
a=y b=x−y
Logo, (x, y) = y(1, 1) + (x − y)(1, 0) e
T (x, y) = yT (1, 1) + (x − y)T (1, 0)
= y(2, 1, 3) + (x − y)(1, 1, −1)
= (x + y, x, −x + 4y).
Exemplo 11
Seja 0 ≤ θ < 2π e Rθ : R2 −→ R2 a função rotação de θ no sentido anti-
horário. Geometricamente, verificamos que:
Rθ(v + v′ ) = Rθ(v) + Rθ(v′ ), para todo v, v′ ∈ R2 e
Rθ(a · v), para todo a ∈ R e para todo v ∈ R2.
Portanto, Rθ é linear. Para determinar Rθ, basta conhecê-la numa base do
R2. Temos Rθ(1, 0) = (cos θ, sen θ) e Rθ(0, 1) = (− sen θ, cos θ).
Como (x, y) = x(1, 0) + y(0, 1), logo
Rθ(x, y) = xRθ(1, 0) + yRθ(0, 1)
= x(cos θ, sen θ) + y(− sen θ, cos θ)
= (x cos θ − y sen θ, x sen θ + y cos θ).
Exemplo 12
Seja S : R3 −→ R3 a simetria com respeito ao plano Π passando pela origem.
Por semelhança e congruência de triângulos retângulos, verificamos que:
S(v + v′ ) = S(v) + S(v′), para quaisquer v, v′ ∈ R3 e
UFF 76
M. L. T. Villela
Transformações Lineares
PARTE 3 - SEÇÃO 1
Exercı́cios
(a) T (x, y) = (1 + x, y)
(b) T (x, y) = (2x + y, x − y)
(c) T (x, y) = (xy, x)
(d) T (x, y) = (ex, y)
77 UFF
Instituto de Matemática
Transformações Lineares
Álgebra Linear I
Toda transformação linear 6. Existe um operador linear T : R3 −→ R3 tal que T (1, 1, 1) = (1, 2, 3),
T : V −→ V é chamada de T (1, 2, 3) = (1, 4, 9) e T (2, 3, 4) = (1, 8, 27) ? Justifique a sua resposta.
operador linear.
UFF 78
M. L. T. Villela
Imagem e Núcleo de Transformações lineares
PARTE 3 - SEÇÃO 2
79 UFF
Instituto de Matemática
Imagem e Núcleo de Transformações lineares
Álgebra Linear I
linear. Como α = {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)} é uma base do
R3, então
Imagem(T ) = [T (e1), T (e2), T (e3)] = [(1, −1)] ( R2,
logo T não é sobrejetora.
Definição 3 (Núcleo)
Sejam V e W espaços vetoriais reais e T : V −→ W uma transformação
linear. O núcleo de T é o subconjunto de V definido por
Núcleo(T ) = {v ∈ V ; T (v) = 0W}.
Exemplo 14
No Exemplo 13 temos que
Núcleo(T ) = {(x, y, z) ∈ R3 ; T (x, y, z) = (x + y + z, −x − y − z) = (0, 0)}
= {(x, y, z) ∈ R3 ; x + y + z = 0}.
Portanto, o núcleo de T é um plano passando pela origem, um subespaço de
dimensão 2 do R3.
Proposição 3 (Propriedades do núcleo)
Sejam V e W espaços vetoriais reais e T : V −→ W uma transformação
linear.
(a) Núcleo(T ) é um subespaço de V.
(b) T é injetora se, e somente se, Núcleo(T ) = {0V }.
Demonstração:
(a) Como T (0V ) = 0W, então 0V ∈ Núcleo(T ). Sejam v, v′ ∈ Núcleo(T ) e
a ∈ R. Então, T (v + v′ ) = T (v) + T (v′ ) = 0V + 0V = 0V e T (a · v) = a · T (v) =
a · 0V = 0V , logo v + v′ , a · v ∈ Núcleo(T ).
(b)
(=⇒:) Suponhamos que T seja injetora. Seja v ∈ Núcleo(T ). Então, 0W =
T (v) = T (0V ). Assim, v = 0V e Núcleo(T ) = {0V }.
(⇐=:) Suponhamos que Núcleo(T ) = {0V }. Sejam v, v′ ∈ V tais que T (v) =
T (v′ ). Então, 0W = T (v) − T (v′ ) = T (v − v′ ), logo v − v′ ∈ Núcleo(T ) = {0V },
portanto v − v′ = 0V , isto é, v = v′ . Então, T é injetora.
Exemplo 15
Vamos determinar o núcleo e a imagem da seguinte transformação linear
!
x y
T : M2×2(R) −→ R2 definida por T = (x + w, y + z).
z w
! ! !
1 0 0 1 0 0
As matrizes e11 = , e12 = , e21 = , e22 =
0 0 0 0 1 0
UFF 80
M. L. T. Villela
Imagem e Núcleo de Transformações lineares
PARTE 3 - SEÇÃO 2
!
0 0
formam uma base de M2×2(R). Temos T (e11) = (1, 0), T (e12) =
0 1
(0, 1), T (e21) = (0, 1) e T (e22) = (1, 0). Logo,
Imagem(T ) = [T (e11), T (e12), T (e21), T (e22)]
= [(1, 0), (0, 1), (0, 1), (1, 0)]
= [(1, 0), (0, 1)] = R2.
Portanto, T é sobrejetora.
!
x y
A= ∈ Núcleo(T ) ⇐⇒ T (A) = (x + w, y + z) = (0, 0)
z w
⇐⇒ x = −w e y = −z!
−w −z
⇐⇒ A= , com z, w ∈ R.
z w
Logo, T não é injetora e dimR (Núcleo(T )) = 2.
Exemplo 16
Vamos determinar o núcleo e a imagem de T : R4 −→ R3 definida por
T (x, y, z, w) = (x + y + z + w, 2x − y − w, x − 2y − z − 2w).
(a, b, c) ∈ Imagem(T ) ⇐⇒ existe v = (x, y, z, w) tal que (a, b, c) = T (v),
isto é, (a, b, c) = (x + y + z + w, 2x − y − w, x − 2y − z − 2w).
Para determinar equações para a imagem devemos determinar condições so-
bre a, b, c para que o sistema a seguir tenha solução:
x+y+z+w=a
2x − y − w = b
x − 2y − z − 2w = c
Reduzindo por linhas a matriz ampliada associada ao sistema temos
1 1 1 1 a 1 1 1 1 a
Fizemos a sequência de
2 −1 0 −1 b ∼1 0 −3 −2 −3 b − 2a ∼2
operações elementares:
em ∼1 : L2 → L2 − 2L1 ,
1 −2 −1 −2 c 0 −3 −2 −3 c − a
L3 → L3 − L1 ;
1 1 1 1 a em ∼2 : L3 → L3 − L2 .
0 −3 −2 −3 b − 2a
0 0 0 0 a−b+c
Logo, o sistema admite solução se, e somente se, a − b + c = 0, que é
equivalente a (a, b, c) ∈ Imagem(T ) se, e somente se, a − b + c = 0.
Portanto, a imagem de T é um plano pela origem e T não é sobrejetora.
v = (x, y, z, w) ∈ Núcleo(T ) se, e somente se,
T (v) = (x + y + z + w, 2x − y − w, x − 2y − z − 2w) = (0, 0, 0).
Para determinar o núcleo devemos resolver o sistema linear homogêneo:
81 UFF
Instituto de Matemática
Imagem e Núcleo de Transformações lineares
Álgebra Linear I
x+y+z+w=0
2x − y − w = 0
x − 2y − z − 2w = 0
Reduzindo por linhas a matriz associada ao sistema temos
1 1 1 1 1 1 1 1 1 1 1 1
Fizemos as mesmas
2 −1 0 −1 ∼1 0 −3 −2 −3 ∼2 0 −3 −2 −3
operações elementares em
∼1 e ∼2 ,
1 −2 −1 −2 0 −3 −2 −3 0 0 0 0
em ∼3 : L2 → − 31 L2 e
em ∼4 : L1 → L1 − L2 . 1
1 1 1 1 1 0 3
0
2 2
∼3 0 1 3 1 ∼4 0 1 1
3
0 0 0 0 0 0 0 0
Logo, x + 13 z = 0 e y + 23 z + w = 0. Portanto,
Núcleo(T ) = {(x, y, z, w) ∈ R4 ; x = − 31 z e y = − 23 z − w}
= { − 13 z, − 23 z − w, z, w ; z, w ∈ R}.
Exemplo 17
Seja D : P4(R) −→ P4(R) a derivação. Vamos determinar o núcleo e a
imagem de D. Temos D(a0 + a1t + a2t2 + a3t3 + a4t4) = a1 + 2a2t +
3a3t2 + 4a4t3 = 0 se, e somente se, a1 = 0, a2 = 0, a3 = 0 e a4 = 0. Logo,
Núcleo(D) = {f(t) = a0 ; a0 ∈ R}.
Como 1, t, t2, t3, t4 é uma base de P4(R), então
Imagem(D) = [D(1), D(t), D(t2), D(t3), D(t4)]
= [0, 1, 2t, 3t2, 4t3]
= [1, t, t2, t3] = P3(R).
Portanto, dimR (Imagem(D)) = 4 < 5 = dimR (P4(R)) e D não é sobrejetora.
D não é injetora, pois dimR (Núcleo(D)) = 1 > 0.
UFF 82
M. L. T. Villela
Imagem e Núcleo de Transformações lineares
PARTE 3 - SEÇÃO 2
Exemplo 19
Toda transformação linear T : R4 −→ R3 não é injetora.
Pelo Teorema do Núcleo e da Imagem. temos
4 = dimR (R4) = dimR (Núcleo(T )) + dimR (Imagem(T )).
Como Imagem(T ) é um subespaço do R3 temos que dimR (Imagem(T )) ≤ 3,
logo
dimR (Núcleo(T )) = 4 − dimR (Imagem(T )) ≥ 4 − 3 ≥ 1,
portanto Núcleo(T ) 6= {(0, 0, 0, 0)} e T não é injetora.
83 UFF
Instituto de Matemática
Imagem e Núcleo de Transformações lineares
Álgebra Linear I
Exemplo 20
Toda transformação linear T : R3 −→ R4 não é sobrejetora.
Pelo Teorema do Núcleo e da Imagem. temos
3 = dimR (R3) = dimR (Núcleo(T )) + dimR (Imagem(T )).
Assim,
dimR (Imagem(T )) = 3 − dimR (Núcleo(T )) ≤ 3 < 4 = dimR (R4),
logo Imagem(T ) ( R4 e T não é sobrejetora.
Exemplo 21
Seja T : P2(R) −→ R3 definida por
T (a + bt + ct2) = (2a − b + c, −a + 2b + c, a + b + 2c).
Vamos verificar se T é injetora ou sobrejetora.
Vamos determinar o núcleo de T .
a + bt + ct2 ∈ Núcleo(T ) ⇐⇒ (2a − b + c, −a + 2b + c, a + b + 2c) = (0, 0, 0).
Vamos
resolver o sistema
a + b + 2c = 0
2a − b + c = 0
−a + 2b + c = 0.
Reduzindo por linhas a matriz associada ao sistema, temos
Fizemos a seguinte sequência
de operações elementares:
1 1 2 1 1 2 1 1 2 1 0 1
2 −1 1 ∼1 0 −3 −3 ∼2 0 1 1 ∼3 0 1 1 .
em ∼1 : L2 → L2 − 2L1 ,
L3 → L3 + L1 ;
em ∼2 : L2 → − 31 L2 ;
−1 2 1 0 3 3 0 3 3 0 0 0
em ∼3 : L1 → L1 − L2 , Logo, a + c = 0 e b + c = 0, isto é, a = −c e b = −c, com c ∈ R.
L3 → L3 − 3L2 .
Assim, f(t) ∈ Núcleo(T ) se, e somente se, f(t) = −c−ct+ct2 = c(−1−t+t2),
com c ∈ R. Logo, Núcleo(T ) = [−1 − t + t2]. Portanto, dimR (Núcleo(T )) = 1
e T não é injetora.
Como dimR (Imagem(T )) = dimR (P2(R)) − dimR (Núcleo(T )) = 3 − 1 = 2,
Imagem(T ) ⊂ R3 e dimR (R3) = 3, portanto Imagem(T ) ( R3 e T não é
sobrejetora.
Exercı́cios
UFF 84
M. L. T. Villela
Imagem e Núcleo de Transformações lineares
PARTE 3 - SEÇÃO 2
1 −3 2 −2
10. Sejam V e W espaços vetoriais reais, tais que dimR (V) = dimR (W) =
n ≥ 1, e T : V −→ W uma transformação linear. Mostre que T é
injetora se, e somente se, T é bijetora.
85 UFF
Instituto de Matemática
Imagem e Núcleo de Transformações lineares
Álgebra Linear I
UFF 86
M. L. T. Villela
Matrizes de transformações lineares
PARTE 3 - SEÇÃO 3
Definição 4
Sejam V e W espaços vetoriais reais, tais que dimR (V) = n ≥ 1 e dimR (W) =
m ≥ 1, α = {v1, . . . , vn} e β = {w1, . . . , wm} bases, respectivamente, de V e
W e T : V −→ W uma transformação linear.
Definimos a matriz de T de α para β como a matriz Mm×n(R) definida
por
T ]α
β= T (v1)]β T (v2)]β · · · T (vn)]β .
A j-ésima coluna de T ]α
β é T (vj)]β ∈ Mm×1(R), o vetor coordenada na
base β da imagem por T do j-ésimo vetor da base α.
Exemplo 22
Seja T : R3 −→ R2 definida por T (x, y, z) = (2x + y − z, x + 3y + 2z). Consi-
deremos α = {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)} e β = {(1, 0), (0, 1)},
as bases canônicas do R3 e R2, respectivamente. Como!T (e1) = (2, 1),
2 1 −1
T (e2) = (1, 3) e T (e3) = (−1, 2), então T ]α
β = . Temos que se
1 3 2
v = (x, y, z), então
! ! x
2x + y − z 2 1 −1
T (v)]β = = y = T ]α β · v]α.
x + 3y + 2z 1 3 2
z
87 UFF
Instituto de Matemática
Matrizes de transformações lineares
Álgebra Linear I
n
X
T (v) = x1T (v1) + x2T (v2) + · · · + xnT (vn) = xjT (vj).
j=1
Para cada j = 1, . . . , n, escrevendo T (vj) como combinação linear da
base β de W, temos que existem a1j, a2j, . . . , amj ∈ R, tais que
a1j
X m
a2j
T (vj) = a1jw1 + a2jw2 + · · · + amjwm = .. .
akjwk e T (vj)]β =
k=1 .
amj
Portanto,
Xn
T (v) = xjT (vj)
j=1
Xn m
X
= xj akjwk
j=1 k=1
Em (1) usamos a Xn Xm
(1)
distributividade do produto = xjakjwk
por escalar em V; em (2), a
j=1 k=1
comutatividade e n
m X
(2) X
associatividade da adição em
= akjxj wk.
V e a distributividade do
produto por escalar em V. k=1 j=1
Assim, tomandoA = (akj), para
k = 1, . . . , m e j = 1, . . . , n, temos
Xn
a1jxj
j=1
n
X
a11 a12 · · · a1n x1
a2jxj
a21 a22 · · · a2n x2
T (v)]β = .. .
= . .. ..
j=1 .
.. . . · · · . .
n .
X
am1 am2 · · · amn xn
amjxj
j=1
Como A = T ]α
β, finalmente, obtemos
T (v)]β = T ]α
β · v]α.
Exemplo 23
Seja T : P2(R) −→ R3 a transformação linear definida por
T (a + bt + ct2) = (2a + b + c, −a + b + 3c, 4a + 2b + c).
Sejam α = {1, t, t2} e β = {e1, e2, e3} as bases canônicas, respectivamente, de
P2(R) e R3.
Temos T (1) = (2, −1, 4), T (t) = (1, 1, 2) e T (t2) = (1, 3, 1). Logo,
2 1 1
T ]α
β = −1 1 3 e
4 2 1
UFF 88
M. L. T. Villela
Matrizes de transformações lineares
PARTE 3 - SEÇÃO 3
2a + b + c 2 1 1 a
2
T (a + bt + ct )]β = −a + b + 3c = −1 1 3 b .
4a + 2b + c 4 2 1 c
| {z } | {z }
T]α
β (a+bt+ct2 )]α
Exemplo 24
Vamos determinar a transformação linear T : R2 −→ M2×2(R) tal que a
2 1
1 −1 A matriz eij tem o elemento
matriz T ]α = , onde α = {(1, 0), (0, 1)} e β = {e11, e12, e21, e22}.
de ordem ij igual a 1 e os
β
−1 0 outros elementos iguais a 0.
0 1
!
x
Como v = (x, y) = x(1, 0) + y(0, 1), então v]α = e
y
2 1 ! 2x + y
1 −1 x x−y
T (x, y)]β = = . Portanto,
−1 0 y −x
0 1 y
T (x, y) = (2x + y)e11 + (x −!y)e12 − xe21 + ye22
2x + y x − y
= .
−x y
Exemplo 25
Sejam α = {(1, −1), (0, 2)} e β = {(1, 0, −1), (0, 1, 2), (1, 2, 0)} bases, respecti-
2
vamente, do R e R3. Vamos
determinar a transformação linear T : R −→ R
2 3
1 0
tal que T ]α
β= 1 1 .
0 −1
Dado v = (x, y) escrevemos v como combinação linear da base α de V,
obtendo:
(x, y) = a(1, −1) + b(0, 2) = (a, −a + 2b) ⇐⇒ a = x e − a + 2b = y
⇐⇒ a = x e 2b = x + y
⇐⇒ a = x e b = x+y
2
.
!
x
Logo, v]α = x+y .
2
Da propriedade de T ]α β, temos que
1 0 ! x
x 3x+y
T (v)]β = T ]α
β · v]α = 1 1 = , que é equivalente
x+y 2
0 −1 2
− (x+y)
2
89 UFF
Instituto de Matemática
Matrizes de transformações lineares
Álgebra Linear I
a
(x+y)
T (x, y) = T (v) = x(1, 0, −1) + 3x+y
2
(0, 1, 2) − 2
(1, 2, 0)
x−y x−y
= 2
, 2 , 2x + y .
Exemplo 26
Seja S : R2 −→ R2 a simetria com respeito à reta r gerada por (1, 1). Vamos
determinar S(x, y).
Exemplo 27
Seja V um espaço vetorial real com dimR (V) = n ≥ 1. Sejam α e β bases de
V e consideremos a transformação linear identidade I : V −→ V definida por
I(v) = v. Fixemos a base α no domı́nio de I e a base β no contradomı́nio.
Da definição de I]α, segue que
β
I]α
β = I(v )]
1 β · · · I(v )]
n β = v ]
1 β · · · vnβ .
]
Além disso, da propriedade da representação matricial de transformações
UFF 90
M. L. T. Villela
Matrizes de transformações lineares
PARTE 3 - SEÇÃO 3
Exemplo 28
Consideremos as bases do R3 α = {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)}
e β = {w1 = (1, 0, 0), w2 = (1, 1, 0), w3 = (1, 1, 1)}. Vamos determinar a
matriz I]α
β de mudança da base α para β.
Temos que:
1
v1 = w1 = 1 · w1 + 0 · w2 + 0 · w3, então v1]β = 0 ;
0
−1
v2 = −w1 + w2 = (−1) · w1 + 1 · w2 + 0 · w3, então v2]β = 1 ;
0
0
v3 = −w2 + w3 = 0 · w1 + (−1) · w2 + 1 · w3, então v3]β = −1 .
1
Logo,
1 −1 0
I]αβ= v1]β v2]β v3]β = 0 1 −1 .
0 0 1
x
Para v = (x, y, z) temos que v]α = y e
z
1 −1 0 x x−y
v]β = I]αβ · v]β = 0 1 −1 y = y − z .
0 0 1 z z
Assim, (x, y, z) = (x − y)w1 + (y − z)w2 + zw3.
Exemplo 29
Sejam α = {v1, v2, v3} e β = {w1 = 1 + t2, w2 = 1 − t, w3 = 1 + t + t2} bases
91 UFF
Instituto de Matemática
Matrizes de transformações lineares
Álgebra Linear I
1 2 1
de P2(R). Sabendo que I]α
β = 1 −1 1 vamos determinar
1 1 0
(i) v1, v2, v3;
1
(ii) v]β, onde v]α = −1 ;
1
(iii) v do item anterior.
(i) Da definição de I]α
β = v ]
1 β v ]
2 β v3β] segue que:
1
v1]β = 1 , logo v1 = w1 + w2 + w3 = (1 + t2) + (1 − t) + (1 + t + t2) =
1
3 + 0t + 2t2 = 3 + 2t2;
2
v2]β = −1 , logo v2 = 2w1 −w2 +w3 = 2(1 +t2) −(1 −t) +(1 +t +t2) =
1
2
2 + 2t + 3t ;
1
v3]β = 1 , logo v3 = w1 +w2 +0·w3 = (1+t2)+(1−t)+0·(1+t+t2) =
0
2
2−t+t .
1 2 1 1 0
α
(ii) v]β = I]β · v]α = 1 −1 1 −1 = 3 e
1 1 0 1 0
(iii) De v]β temos v = 3w2 = 3(1 − t) = 3 − 3t ou, a partir de v]α, temos
v = v1 − v2 + v3 = (3 + 0t + 2t2) − (2 + 2t + 3t2) + (2 − t + t2) = 3 − 3t.
Exemplo 30 !
1 1
Seja V = P1(R) e seja I]α
β= .
1 2
(a) Determine α, se β = {w1 = 1, w2 = 1 + t}.
Seja α = {v1, v2}.
! !
1 1
Como v1]β = e v2]β = , então v1 = w1 +w2 = 1+(1+t) = 2+t
1 2
e v2 = w1 + 2w2 = 1 + 2(1 + t) = 3 + 2t. Logo, α = {2 + t, 3 + 2t}.
(b) Determine β, se α = {v1 = 1 + t, v2 = 1 − t}.
! !
1 1
Seja β = {w1, w2}. Como v1]β = e v2]β = , então
1 2
UFF 92
M. L. T. Villela
Matrizes de transformações lineares
PARTE 3 - SEÇÃO 3
1 + t = v1 = w1 + w2 e 1 − t = v2 = w1 + 2w2.
w1 + w2 = 1 + t (1)
Vamos resolver o sistema
w1 + 2w2 = 1 − t. (2)
Subtraindo a equação (1) de (2), obtemos w2 = (1 − t) − (1 + t) = −2t.
Substituindo na equação (1), temos w1 = 1 + t − w2 = 1 + t + 2t = 1 + 3t.
Logo, β = {1 + 3t, −2t}.
Portanto,
α β 1 2 n
I]β · I]α = A = A A · · · A = E1 E2 · · · En = In.
Exemplo 31
Consideremos as bases do R3 α = {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)}
e β = {w1 = (1, 1, 1), w2 = (0, 0, 1), w3 = (1, −1, 0)}. Vamos determinar I]α β.
93 UFF
Instituto de Matemática
Matrizes de transformações lineares
Álgebra Linear I
1 0 1
I]β = w ] w ] w ] = 1 0 −1 .
α 1α 2α 3α
1 1 0
−1
Para determinar I]αβ calculamos I]
β
. Pelo algoritmo apresentado na Parte
α
1, reduzimos por linhas a matriz I]β α I3 . Logo,
Fizemos a seguinte sequência 1 0 1 1 0 0 1 0 1 1 0 0
de operações elementares:
1 0 −1 0 1 0 ∼1 0 0 −2 −1 1 0 ∼2
em ∼1 : L2 → L2 − L1 ,
L3 → L3 − L1 ; 1 1 0 0 0 1 0 1 −1 −1 0 1
em ∼2 : L2 ↔ L3 ;
em ∼3 : L3 → − 21 L3 ; 1 0 1 1 0 0 1 0 1 1 0 0
em ∼4 : L1 → L1 − L3 , 0 1 −1 −1 0 1 ∼3 0 1 −1 −1 0 1 ∼4
L2 → L2 + L3 .
1
0 0 −2 −1 1 0 0 0 1 2
− 21 0
1 1 1 1
1 0 0 2 2
0 2 2
0
0 1 0 − 12 − 12 1 . Logo, I]α
1 1
= − − 1 .
β 2 2
1
0 0 1 2
− 21 0 1
2
− 21 0
Exercı́cios
1. Sejam α = {(−1, 1), (1, 0)} e β = {(1, 1, −1), (2, 1, 0), (3, 0, 1)} bases
do R2 e R3, respectivamente. Sabendo que T : R2 −→ R3 é a trans-
formação linear tal que
3 1
T ]α
β= 2 5 ,
1 −1
determine T (x, y).
2. Sejam α = {(1, 0, 0), (2, −1, 0), (0, 1, 1)} e β = {(−1, 1), (0, 1)} bases,
respectivamente, do R3 e R2. Determine T ]α 3 2
β, onde T : R −→ R é
definida por T (x, y, z) = (2x + y − z, x + 2y).
!
1 0 −1
3. Seja T ]α
β= , onde T : R3 −→ R2 é uma transformação
−1 1 1
linear, α = {(0, 1, 1), (1, 0, 0), (1, 0, 1)} e β = {(−1, 0), (0, −1)}.
UFF 94
M. L. T. Villela
Matrizes de transformações lineares
PARTE 3 - SEÇÃO 3
3
4. Considere a função T : M2×2
! (R) −→ R definida por
a c
T = (a + b, c − d, 2a).
b d
Determine T (x, y, z, w)
8. Sejam α = {v1, v2, v3} e β = {u1, u2, u3} bases de P2(R), assim relacio-
nadas:
u1 = v1 + v3
u2 = 2v1 + v2 + v3
u3 = v1 + 2v2 + v3
Determine as matrizes de mudança de base I]α β
β e I]α.
9. Sejam α = {(1, 0), (0, 1)} e β = {(1, 1), (1, −1)} bases do R2.
95 UFF
Instituto de Matemática
Matrizes de transformações lineares
Álgebra Linear I
UFF 96
M. L. T. Villela
Composição de transformações lineares
PARTE 3 - SEÇÃO 4
Exemplo 32
Sejam as transformações lineares T : R2 −→ R3 e S : R3 −→ R2 definidas
por T (x, y) = (x + 2y, x − y, 3x − 2y) e S(x, y, z) = (x + y − z, 2x + y − z).
Então, S ◦ T : R2 −→ R2 é a função
(S ◦ T )(x, y) = S(T (x, y))
= S(x + 2y, x − y, 3x − 2y)
= ((x + 2y) + (x − y) − (3x − 2y), 2(x + 2y) + (x − y)
−(3x − 2y))
= (−x + 3y, 5y).
Logo, S ◦ T é linear.
Demonstração:
(a) Sejam v, v′ ∈ V e a ∈ R. Então,
(1) Em (1) usamos a definição
(S ◦ T )(v + v′ ) = S(T (v + v′ )) da composição; em (2), que
(2) T é linear; em (3), que S é
= S(T (v) + T (v′ )) linear e em (4), novamente, a
(3) definição da composição.
= S(T (v)) + S(T (v′ ))
(4)
= (S ◦ T )(v) + (S ◦ T )(v′ ) e
97 UFF
Instituto de Matemática
Composição de transformações lineares
Álgebra Linear I
(5)
(S ◦ T )(a · v) = S(T (a · v))
(6)
= S(a · T (v))
(7)
Em (5) usamos a definição = a · S(T (v))
da composição; em (6), que (8)
T é linear; em (7), que S é = a · (S ◦ T )(v).
linear e em (8), novamente, a
(b) Para qualquer v]α, temos
definição da composição.
S]β β
α
δ · T ]β · v]α = S]δ · T (v)]β
= S(T (v)]δ = (S ◦ T )(v)]δ
= (S ◦ T )]α
δ · v]α.
Seja A = S]β α α
δ · T ]β e seja B = (S ◦ T )]δ .
UFF 98
M. L. T. Villela
Composição de transformações lineares
PARTE 3 - SEÇÃO 4
Exemplo 34
Sejam S : R2 −→ P2(R) e T : P2(R) −→ R3 definidas a seguir. Vamos
determinar T ◦ S : R2 −→ R3, onde S(a, b) = a + bt + (2a + b)t2 e
T (a + bt + ct2) = (2a − b + c, 2a + b − c, a + b − c).
Sejam α = {(1, 0), (0, 1)}, β = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} e δ = {1, t, t2} as
bases fixadas, respectivamente, no R2, R3 e P2(R).
Então,
T (1) = (2, 2, 1), T (t) = (−1, 1, 1), T (t2) = (1, −1, −1);
2 −1 1 1 0
S(1, 0) = 1+2t2, S(0, 1) = t+t2; T ]δβ = 2 1 −1 e S]α δ = 0 1 .
1 1 −1 2 1
2 −1 1 1 0 4 0
Logo, (T ◦ S)]α δ α
β = T ]β · S]δ = 2 1 −1 0 1 = 0 0 .
1 1 −1 2 1 −1 0
Portanto,
4 0 ! 4a
a
T (S(a, b))]β = (T ◦ S)]α β · (a, b)]α = 0 0 = 0 e
b
−1 0 −a
T (S(a, b)) = (4a, 0, −a).
99 UFF
Instituto de Matemática
Composição de transformações lineares
Álgebra Linear I
Definição 7 (Isomorfismo)
Sejam V e W espaços vetoriais reais. Dizemos que uma transformação linear
T : V −→ W é um isomorfismo de espaços vetoriais se, e somente se, T é
bijetora. Quando W = V e T : V −→ V é bijetora, dizemos que T é um
automorfismo de V.
Exemplo 35
Seja V um espaço vetorial real. Então, a função identidade IV : V −→ V
definida por IV (v) = v, para cada v ∈ V, é um automorfismo, pois é uma
transformação linear bijetora.
Proposição 8
Sejam V e W espaços vetoriais reais e T : V −→ W um isomorfismo. Então,
T −1 : W −→ V é linear.
Demonstração: Sejam w, w′ ∈ W. Pela Proposição 7, temos que:
T −1(w) = v se, e somente se, T (v) = w (⋆)
e T −1(w′ ) = v′ se, e somente se, T (v′ ) = w′ . (⋆⋆)
Logo,
(1)
Em (1) usamos (⋆) e (⋆⋆);
T −1(w + w′ ) = T −1(T (v) + T (v′ ))
(2)
em (2), que T é linear; em = T −1(T (v + v′ ))
(3), a definição da
(3)
composição; em (4), que = (T −1 ◦ T )(v + v′ )
T−1 ◦ T = IV ; em (5), a (4)
definição de IV e em (6), = IV (v + v′ )
novamente, (⋆) e (⋆⋆). (5)
= v + v′
(6)
= T −1(w) + T −1(w′ )
e, para todo a ∈ R,
(7)
Em (7) usamos (⋆); em (8),
T −1(a · w) = T −1(a · T (v))
(8)
que T é linear; em (9), a = T −1(T (a · v))
definição da composição; em
(9)
(10), que T−1 ◦ T = IV ; em = (T −1 ◦ T )(a · v)
(11), a definição de IV e em (10)
(12), novamente, (⋆). = IV (a · v)
UFF 100
M. L. T. Villela
Composição de transformações lineares
PARTE 3 - SEÇÃO 4
(11)
= a·v
(12)
= a · T −1(w).
Definição 8
Sejam V e W espaços vetoriais reais. Dizemos que V e W são isomorfos se,
e somente se, existe T : V −→ W um isomorfismo, isto é, uma transformação
linear bijetora.
Exemplo 36
R3 e P2(R) são isomorfos. De fato, consideremos T : R3 −→ P2(R) definida
por T (a, b, c) = a + bt + ct2. Então, dados v = (a, b, c) e v′ = (a′ , b′, c′) em
R3 e λ ∈ R, temos: Em (1) usamos a definição
da adição em R3 ; em (2), a
(1)
T (v + v′ ) = T (a + a′ , b + b′ , c + c′ )) definição de T; em (3), a
(2) associatividade e
= (a + a′ ) + (b + b′ )t + (c + c′ )t2 comutatividade da adição
(3) em P2 (R) e em (4), a
= (a + bt + ct2) + (a′ + b′ t + c′ t2) definição de T.
(4)
= T (v) + T (v′ ) e
(5) Em (5) usamos a definição
T (λ · v) = T (λ · a, λ · b, λ · c) da multiplicação por escalar
(6) no R3 ; em (6), a definição de
= (λ · a) + (λ · b)t + (λ · c)t2 T; em (7), propriedade da
(7) multiplicação por escalar em
= λ · (a + bt + ct2) P2 (R) e em (8), a definição
(8)
= λ · T (v). de T.
101 UFF
Instituto de Matemática
Composição de transformações lineares
Álgebra Linear I
Proposição 9
Sejam V e W espaços vetoriais reais de dimensão n ≥ 1, α e β bases, res-
pectivamente, de V e W e T : V −→ W uma transformação linear. Então,
T é um isomorfismo se, e somente se, T ]α
β é matriz invertı́vel. Nesse caso,
−1 β α −1
T ]α = T ]β .
Demonstração:
(=⇒:) Suponhamos que T seja um isomorfismo. Então, existe T −1 : W −→ V
linear, tal que T ◦ T −1 = IW e T −1 ◦ T = IV . Segue da representação matricial
In = IW]β
β = (T ◦ T
−1 β
)]β = T ]α
β·T
−1 β
]α,
Fez o Exercı́cio 15 da
Seção 3? assim como,
−1 −1 β
In = IV ]αα = (T ◦ T )]α
α= T ]α · T ]α
β,
−1
mostrando que T ]α α
β é invertı́vel e T ]β = T −1]β
α.
Exemplo 37
Seja T : R2 −→ P1(R) definida por T (a, b) = a + (a + b)t. Vamos mostrar
que T é invertı́vel e vamos determinar T −1.
Fixemos α = {e1 = (1, 0), e2 = (0, 1)} e β = {1, t} as bases canônicas de R2 e
P1(R). Temos que T (1, 0) = 1 + t e T (0, 1) = t. Logo, !
1 0
T ]α
β= T (e1)]β T (e2)]β = (1 + t)]β t]β = .
1 1
Reduzindo por linhas a matriz aumentada (T ]α β | I2) obtemos, substituindo
L2 → L2 − L1,
! !
1 0 1 0 1 0 1 0
∼ .
1 1 0 1 0 1 −1 1
!
−1 1 0
Logo, T é invertı́vel, T −1]β α
α = T ]β = e
−1 1
! ! !
1 0 a a
T −1(a + bt)]α = · = .
−1 1 b −a + b
Portanto, T −1(a + bt) = a(1, 0) + (−a + b)(0, 1) = (a, −a + b).
UFF 102
M. L. T. Villela
Composição de transformações lineares
PARTE 3 - SEÇÃO 4
Exemplo 38
Seja T : P2(R) −→ R3 definida por T (a + bt + ct2) = (a − b, 2b, b + c).
Vamos determinar, caso exista, a inversa de T .
Fixemos α = {1, t, t2} e β = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} bases, respectiva-
mente, de P2(R) e R3. Temos que:
T (1) = (1, 0, 0), T (t) = (−1, 2, 1) e T (t2) = (0, 0, 1).
Então,
1 −1 0
T ]α
β= T (1)]β T (t)]β T (t2)]β = 0 2 0 .
0 1 1
Vamos verificar se a matriz acima é invertı́vel. Reduzindo por linhas a matriz
aumentada, obtemos
1 −1 0 1 0 0 1 0 1 1 0 1
Fizemos a seguinte sequência
0 2 0 0 1 0 ∼1 0 0 −2 0 1 −2 ∼2
de operações elementares:
em ∼1 : L1 → L1 + L3 ,
0 1 1 0 0 1 0 1 1 0 0 1
L2 → L2 − 2L3 ;
1 0 1 1 0 1 1 0 1 1 0 1 em ∼2 : L2 ↔ L3 ;
em ∼3 : L3 → − 12 L3 ;
0 1 1 0 0 1 ∼3 0 1 1 0 0 1 ∼4
em ∼4 : L1 → L1 − L3 ,
0 0 −2 0 1 −2 0 0 1 0 − 12 1 L2 → L2 − L3 .
1
1 0 0 1 2
0
1
0 1 0 0 0 .
2
0 0 1 0 − 12 1
−1
Logo, existe T −1 : R3 −→ P2(R), T −1]betaα = T ]α β e
T −1(a, b, c)]α = T −1]β · (a, b, c)]β
α
1
1 2
0 a
1
= 0 0 b
2
1
0 −2 1 c .
a + b2
b
=
2
b
−2 + c
Logo, T (a, b, c) = a + b2 + b2 t + c − b2 t2.
−1
Proposição 10
Todo espaço vetorial real V com dimensão n ≥ 1 é isomorfo ao Rn.
Demonstração: Dado o espaço vetorial V escolhemos uma base {v1, . . . , vn}
de V. Seja {e1, . . . , en} a base canônica do Rn. Definimos T : Rn −→ V como
a única transformação linear tal que T (e1) = v1, . . . , T (en) = vn. Então,
103 UFF
Instituto de Matemática
Composição de transformações lineares
Álgebra Linear I
Exercı́cios
UFF 104
M. L. T. Villela
Composição de transformações lineares
PARTE 3 - SEÇÃO 4
0 0 0
105 UFF
Instituto de Matemática
Composição de transformações lineares
Álgebra Linear I
12. Seja α = {v1, v2, v3} uma base de um espaço vetorial V. Sejam T e S
operadores lineares de V definidos por T (v1) = v1 − v2, T (v2) = v1 + v3
e T (v3) = v2; S(v1) = 2v1 + v3, S(v2) = v1 e S(v3) = v2 − 2v1.
Determine:
(a) (T ◦ S)−1.
(b) T −1(v1), T −1(v2) e T −1(v3).
(a) Determine T ]α
β.
(b) Determine T ]α 3
γ , onde γ é a base canônica do R .
UFF 106
M. L. T. Villela
O espaço vetorial L(V, W)
PARTE 3 - SEÇÃO 5
107 UFF
Instituto de Matemática
O espaço vetorial L(V, W)
Álgebra Linear I
T : R2 −→ R3 S : R2 −→ R3
e
(x, y) 7−→ (x + y, x − y, 2x) (x, y) 7−→ (2x − y, 2y, −x + y)
Então, 2T + 3S : R2 −→ R3 é a transformação linear definida por
(2T + 3S)(x, y) = 2T (x, y) + 3S(x, y)
= 2(x + y, x − y, 2x) + 3(2x − y, 2y, −x + y)
= (8x − y, 2x, x + 3y).
Proposição 11
As operações definidas acima em L(V, W) têm as seguintes propriedades,
para quaisquer T, S, R ∈ L(V, W) e a, b ∈ R :
A1-(Associativa): (T + S) + R = T + (S + R).
A2-(Comutativa): T + S = S + T .
A3-(Existência de elemento neutro aditivo): A transformação linear identi-
camente nula O : V −→ W definida por T (v) = 0W, para cada v ∈ V, é tal
que T + O = T , para rodo T ∈ L(V, W).
A4-(Existência de simétrico): Para cada T ∈ L(V, W) existe S ∈ L(V, W),
tal que T + S = O. Tomamos S : V −→ W definida por S = −T .
Me1: 1 · T = T .
Me2-(Associativa): a · (b · T ) = (a · b) · T .
AMe1-(Distributiva): a · (T + S) = a · T + a · S.
AMe2-(Distributiva): (a + b) · T = a · T + b · T .
Demonstração: Faremos a demonstração de algumas das propriedades e as
outras serão deixadas como Exercı́cio.
A1-(Associativa): Para todo v ∈ V temos
(1)
Em (1) e (2) usamos a
(T + S) + R (v) = (T + S)(v) + R(v)
definição da adição em (2)
= T (v) + S(v) + R(v)
L(V,W); em (3), a
(3)
associatividade da adição em = T (v) + S(v) + R(v)
W; em (4) e (5), a definição (4)
da adição em L(V, W). = T (v) + S + R (v)
(5)
= T + (S + R) (v),
logo (T + S) + R = T + (S + R).
Me2-(Associativa): Para todo v ∈ V, temos
Em (6) e (7) usamos a (6)
definição da multiplicação a · (b · T ) (v) = a · (b · T )(v)
por escalar em L(V, W); (7)
= a · b · T (v)
UFF 108
M. L. T. Villela
O espaço vetorial L(V, W)
PARTE 3 - SEÇÃO 5
em (8), a associatividade da
(8) multiplicação por escalar em
= (a · b) · T (v) W; em (9), a definição da
(9) multiplicação por escalar em
= (a · b) · T (v), L(V, W).
logo a · (b · T ) = (a · b)T .
AMe1-(Distributiva): Para todo v ∈ V, temos
(10)
a · (T + S) (v) = a · T + S (v) Em (10) usamos a definição
(11) da multiplicação por escalar
= a · (T (v) + S(v))
em L(V,W); em (11), a
(12)
= a · T (v) + a · S(v) definição da adição em
(13) L(V, W); em (12), a
= (a · T )(v) + (a · S)(v) distributividade em W; em
(14) (13), a definição da
= a · T + a · S (v), multiplicação por escalar em
logo a · (T + S) = a · T + a · S L(V, W) e em (14), a
definição da adição em
L(V, W).
Corolário 1
L(V, W), com as operações definidas acima, é um espaço vetorial real.
109 UFF
Instituto de Matemática
O espaço vetorial L(V, W)
Álgebra Linear I
Proposição 13
Sejam V e W espaços vetoriais reais tais que dimR (V) = n e dimR (W) = m,
então dimR (L(V, W)) = n · m.
Demonstração: Se V = {0V } ou W = {0W} então L(V,
W) = {O} é o espaço ve-
0 · m, se V = {0V }
torial identicamente nulo e 0 = dimR (L(V, W)) =
n · 0, se W = {0W}.
Suponhamos que dimR (V) = n ≥ 1 e dimR (W) = m ≥ 1. Fixemos
α = {v1, . . . , vn} uma base de V e β = {w1, . . . , wm} uma base de W. Consi-
deremos a função
ϕ : L(V, W) −→ Mm×n(R)
T 7−→ T ]α
β
Vamos mostrar que ϕ é um isomorfismo de espaços vetoriais reais.
De fato, sejam T, S ∈ L(V, W) e a ∈ R. Então, segue da definição de ϕ
e da Proposição anterior que
ϕ(T + S) = (T + S)]α α α
β = T ]β + S]β = ϕ(T ) + ϕ(S) e
ϕ(a · T ) = (a · T )]α α
β = a · T ]β = a · ϕ(T ),
UFF 110
M. L. T. Villela
O espaço vetorial L(V, W)
PARTE 3 - SEÇÃO 5
111 UFF
Instituto de Matemática
O espaço vetorial L(V, W)
Álgebra Linear I
De fato,
fi(x1, x2, . . . , xn) = fi(x1e1 + x2e2 + · · · + xnen)
X n
= fi xjej
j=1
n
X
= xjfi(ej)
j=1
Xn
= xjδij
j=1
= xiδii
= xi.
Exercı́cios
UFF 112
M. L. T. Villela
O espaço vetorial L(V, W)
PARTE 3 - SEÇÃO 5
113 UFF
Instituto de Matemática