Anda di halaman 1dari 29

FACULDADE DE CINCIA E TECNOLOGIA

Cursos de Engenharia

Prof. lvaro Fernandes Serafim

ltima atualizao: 01/12/2007.


Esta apostila de lgebra Linear foi elaborada pela Professora Ilka Rebouas Freire. A formatao
e a adaptao so do Professor lvaro Fernandes Serafim.

Temas desta apostila:

Transformao linear - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - pg. 1


Imagem de uma transformao linear - - - - - - - - - - - - - - - - - - - - pg. 10
Ncleo de uma transformao linear - - - - - - - - - - - - - - - - - - - - - pg. 13
Matriz associada a uma transformao linear - - - - - - - - - - - - - - - pg. 17
Autovalores e autovetores de uma transformao linear - - - - - - - - pg. 21
Exerccios gerais - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - pg. 28

Transformao linear

At agora s trabalhamos com funes reais de uma varivel real, ou seja, funes cujos
domnios e imagens so subconjuntos de R. Por exemplo: f(x) = 2x + 1; f(x) = x2; f(x) = ex, etc.
Vamos agora tratar de funes que tm como domnio e contradomnio outros espaos vetoriais
como R2, R3, M2(R), etc . Assim, tanto a varivel independente quanto a varivel dependente sero
vetores, razo pela qual, funes deste tipo so tambm chamadas de funes vetoriais.
Vamos estudar uma classe especial de funes definidas entre espaos vetoriais que so
aquelas que preservam as operaes de adio e a multiplicao por um escalar. Enfatizaremos as
transformaes lineares de Rn em Rm. Tais transformaes tm importncia fundamental no estudo
da lgebra Linear e muitas aplicaes na Fsica e nas Engenharias.
Para dizer que T uma transformao (ou funo) de um espao vetorial V num espao
vetorial W, escrevemos T: V W. Sendo T uma funo, todo vetor v V est associado a um
nico vetor imagem w W, tal que w = T(v).

Exemplos:

1) T: R2 R3
T(x, y) = (x, y, x + y).

Exemplos de algumas imagens: T(1, 2) = (1, 2, 3); T(0, 1) = (0, 1, 1).

2) T : R3 R3
T(x, y, z) = (x, y, 0).

Esta transformao chamada de projeo ortogonal do R3 sobre o plano XY, pois ela transforma
um vetor qualquer do R3 na sua projeo sobre o plano XY.

1
Definio de transformao linear

Sejam V e W dois espaos vetoriais sobre R. Uma transformao linear T: V W


uma aplicao (funo) que satisfaz as seguintes condies:

i) T(u + v) = T(u) + T(v), u, v V.


ii) T(u) = T(u), u V e R.

Observaes:

1) No caso em que V = W uma transformao linear T: V V tambm chamada de operador


linear.
2) A definio nos diz em palavras que se T uma transformao linear ento a imagem da soma
a soma das imagens e a imagem de um vetor multiplicado por um escalar igual ao escalar
multiplicado pela imagem do vetor.

3) As condies i) e ii) da definio so equivalentes a T(u + v) = T(u) + T(v). Isto significa


dizer que para verificarmos se uma transformao linear, podemos verificar apenas esta condio.

Exemplos:

1) A transformao T: R R, tal que T(x) = 2x linear. De fato:

i) T(x + y) = 2(x + y) = 2x + 2y = T(x) + T(y).


ii) T(x) = 2(x) = (2x) = T(x).

2) A transformao T: R R, tal que T(x) = x, constante real, linear. Este caso uma
generalizao do anterior.

As transformaes acima tm como grfico uma reta passando pela origem e motivaram
a definio de transformao linear. Pode-se mostrar que toda transformao linear de R em R do
tipo descrito acima.

2
3) A transformao T: R2 R, tal que T(x, y) = x + y linear. De fato:

i) T( (x1, y1) + (x2, y2) ) = T(x1 + x2, y1 + y2) = x1 + x2 + y1 + y2 = (x1 + y1) + (x2 + y2 ) =

= T( (x1, y1) ) + T( (x2, y2) ).

ii ) T( (x1, y1) ) = T( (x1, y1) ) = x1 + y1 = (x1 + y1) = T(x1, y1).

4) A transformao T: R2 R, tal que T(x, y) = x + y + 1 no linear. De fato, a condio i)


falha:

i) T( (x1, y1) + (x2, y2) ) = T(x1 + x2, y1 + y2) = (x1 + x2) + (y1 + y2) + 1 T(x1, y1) + T(x2 + y2 ) =

= (x1 + y1 + 1) + (x2 + y2 + 1) = (x1 + x2) + (y1 + y2) + 2.

No necessrio verificar a segunda condio, visto que a primeira condio falhou.

De outra forma, poderamos mostrar, com um exemplo numrico, que esta transformao no
linear. Por exemplo, T(1, 1) = 3 e T(2, 2) = 5. Logo, T( 2(1, 1) ) 2 T(1, 1), isto 5 6.

5) A transformao T: R2 R2, tal que T(x, y) = (x2, y) no linear. De fato, a condio i) falha:

i) T( (x1, y1) + (x2, y2) ) = T(x1 + x2, y1 + y2) = ( (x1 + x2)2 , y1 + y2 ) T(x1, y1) + T(x2 + y2) =

= (x12 , y1) + (x22 , y2) = (x12 + x22 , y1 + y2), pois sabemos que (x1 + x2)2 x12 + x22.

De outra forma, poderamos mostrar, com um exemplo numrico, que esta transformao no
linear. Por exemplo, T(1, 1) = (1, 1) e T(2, 1) = (4, 1), mas T( (1, 1) + (2, 1) ) = T(3, 2) = (9, 2)
(1, 1) + (4, 1) = (5, 2).

Exerccios: Verifique quais das seguintes aplicaes so lineares:

a) T: R3 R2 definida por T(x, y, z) = (2x, y).

b) T: R2 R definida por T(x, y) = xy.

c) T: R R definida por T(x) = x.

x y
d) T: M2(R) R definida por T =x+y+z+w.
z w

3
Algumas transformaes lineares do plano

1) Reflexo em relao ao eixo ox.

T: R2 R2
T(x, y) = (x, -y).

2) Reflexo em relao ao eixo oy.

T: R2 R2
T(x, y) = (-x, y).

3) Reflexo em relao origem.

T: R2 R2
T(x, y) = (-x, -y).

4) Reflexo em relao 1a bissetriz (reta y = x).

T: R2 R2
T(x, y) = (y, x).

4
5) Cisalhamento horizontal de fator .

T: R2 R2
T(x, y) = (x + y, y).

Por exemplo, a transformao T: R2 R2, tal que T(x, y) = (x + 3y, y) uma


transformao de cisalhamento de fator 3. Pode ser mostrado que, se T for aplicado sobre cada
ponto do quadrado 2x2 mostrado na figura 1, ento o conjunto das imagens forma o paralelogramo
sombreado na figura 2. A idia chave mostrar que T transforma segmentos de reta em segmentos
de reta e, depois, verificar que os vrtices do quadrado so transformados nos vrtices do
paralelogramo. Por exemplo, a imagem do ponto u = (0, 2) T(u) = (6, 2) e a imagem de
v = (2, 2) T(v) = (8, 2). A transformao T deforma o quadrado transladando-se a base superior
para a direita e mantendo a inferior fixa. Transformaes de cisalhamento aparecem na Fsica, na
Computao Grfica, na Geologia, na Cristalografia, etc.

Figura 1. Figura 2.

6) A Rotao de um ngulo .

A operao que gira cada vetor do R2 por um ngulo fixado chamada de uma rotao
2
do R de um ngulo . Vamos supor que o operador T gira o vetor v = (x, y) no sentido anti-
horrio por um ngulo positivo , obtendo o vetor w = T (v) = (x, y).

Seja o ngulo formado pelo vetor v com o eixo ox e r o mdulo dos vetores v e w.

Da trigonometria bsica, temos que:

x = r cos() e y = r sen().

x = r cos( + ) e y = r sen( + ).

5
Desenvolvendo x e y, usando o cosseno e o seno da soma, obtemos:

x = xcos( ) ysen( )
.
y = xsen ( ) + ycos( )

E, portanto, T (x, y) = ( xcos() ysen(), xsen() + ycos() ).

Exemplos

a) T90 (x, y) = ( xcos(90) ysen(90), xsen(90) + ycos(90) ) = (y, x).

Por exemplo, T90 (1, 0) = (0, 1).

2 2
b) T45 (x, y) = (xcos(45) ysen(45), xsen(45) + ycos(45) ) = ( x y), ( x + y) .
2 2
Por exemplo, T45 (1, 1) = ( 0, 2 ).

Propriedades das transformaes lineares

Propriedade 1: Se T: V W uma transformao linear ento T(0) = 0, isto , o vetor nulo de V


sempre transformado no vetor nulo de W.

De fato, T(0) = T(0 + 0) = T(0) + T(0) T(0) = 2.T(0) T(0) = 0.

Temos como conseqncia: se T(0) 0, ento T no uma transformao linear.

Exemplo: A transformao T: R2 R, tal que T(x, y) = x + y + 1, no linear, pois T (0, 0) 0.

Observao: O fato de T(0) = 0 no garante que T seja uma transformao linear. Por exemplo,
a transformao T: R R2; T(x) = (x2, x), tal que T(0) = (0, 0) mas T no linear.

De fato, T(1) = (1, 1); T(2) = (4, 2) e T(1+2) = T(3) = (9, 3) T(1) + T(2).

Propriedade 2: Se T: V W uma transformao linear ento T( u) = T(u).

De fato, T( u) = T( 1.u ) = ( 1).T(u) = T(u).

Propriedade 3: Se T: V W uma transformao linear ento T(u v) = T(u) T(v).

De fato, T(u v) = T(u + (1 )v) = T (u) + ( 1).T(v) = T(u) T(v).

6
Exemplos:

1) Sabendo que T: V W uma transformao linear tal que T(u) = w1 e T(v) = w2, calcule
T(3u 5v).

Soluo: T(3u 5v) = T(3u) T(5v) = 3T(u) 5T(v) = 3w1 5w2.

2) Se v = 1v1 + 2v2 + ... + nvn e T uma transformao linear, ento:

T(v) = T(1v1 + 2v2 + ... + nvn) = 1T(v1) + 2T(v2) + ... + nT(vn).

Este resultado uma generalizao do exemplo anterior.

3) Sabendo que T: R2 R uma transformao linear e que T(1, 2) = 4 e T(1, 4) = 3,


determine T(2, 6) e T(50, 100).

Como (2, 6) = (1, 2) + (1, 4), ento T(2, 6) = T( (1, 2) + (1, 4) ) = T(1, 2) + T(1, 4) = 4 3 = 1.
Como (50, 100) = 50(1, 2), ento T(50, 100) = T( 50(1, 2) ) = 50.T(1, 2) = 50.4 = 200.

*****

Um resultado importante sobre as transformaes lineares que elas ficam completamente


determinadas se conhecemos as imagens dos vetores de uma base qualquer do domnio.

Sejam V e W espaos vetoriais = {v1, v2, ..., vn} base de V e w1, w2, ...wn
vetores arbitrrios de W. Ento, existe uma nica transformao linear T: V W
tal que T(vi) = wi, i = 1, 2, ..., n.

Para determinar a lei da transformao linear, encontramos as coordenadas de um vetor v genrico


do domnio e aplicamos a definio de transformao linear, isto ;

1


[v] = 2 v = 1v1 + 2v2 + ... + nvn.
#


n

Desta forma,
T(v) = T(1v1 + 2v2 + ... + nvn) = 1T(v1) + 2T(v2) + ... + nT(vn) = 1w1 + 2w2 + ... + nwn.

T(v) = 1w1 + 2w2 + ... + nwn.

7
Exemplos: Determine as transformaes lineares a seguir.

1) T: R2 R3, tal que T(1, 0) = (1, 2, 3) e T(0, 1) = ( 1, 0, 1).

Soluo:
= {(1, 0), (0, 1)} uma base (cannica) do R2 e conhecemos as imagens dos vetores desta base.

[(x, y )] =
1
(x, y ) = 1 (1, 0) + 2 (0, 1) 1 = x e 2 = y . Ento:

2

T(x, y ) = T(1 (1, 0 ) + 2 (0, 1)) = 1T(1, 0 ) + 2 T(0, 1) = x (1, 2, 3) + y( 1, 0, 1) = (x y, 2x, 3x + y ) .

Logo, T(x, y ) = (x y, 2x, 3x + y ) .

Observe que esta lei satisfaz as condies do problema: T(1, 0) = (1, 2, 3) e T(0,1) = ( 1, 0, 1).

2) T: R2 R2, tal que T(1, 1) = (1, 0) e T(1, 1) = (1, 2).

Soluo:
= {(1, 1), (1, 1)} uma base do R2. Vamos, inicialmente, encontrar as coordenadas de um vetor
genrico v = (x, y) em relao a essa base.

[(x, y )] =
a

b

a b = x x+y yx
(x, y) = a(1, 1) + b(1, 1) a= e b= .
a + b = y 2 2

x + y yx
Assim, T(x, y) = T( a (1, 1) + b( 1, 1) ) = a.T(1, 1) + b.T( 1, 1) = (1, 0) + (1, 2) =
2 2

x + y y x 2y 2x
= + , = (y, y x) .
2 2 2

Logo, T(x, y ) = (y, y x ) .

Observe que esta lei satisfaz as condies do problema: T(1, 1) = (1, 0) e T(1, 1) = (1, 2).

1 0 0 1 0 0 0 0
3) T: M2(R) R, tal que T = 2; T = 4; T = 1; T = 3.
0 0 0 0 1 0 0 1

x y 1 0 0 1 0 0 0 0
Soluo: Como = x + y + z + w , ento
z w 0 0 0 0 1 0 0 1

x y 1 0 0 1 0 0 0 0
T = x T + y T + z T + w T = 2x + 4y z + 3w .
z w 0 0 0 0 1 0 0 1

8
4) T: R3 R2, tal que T(1, 0, 0) = (1, 2), T(0, 1, 0) = (1, 1) e T(0, 0, 1) = (1, 0).

Soluo:
Como (x, y, z ) = x.(1, 0, 0 ) + y.(0, 1, 0 ) + z.(0, 0, 1) , ento

T(x, y, z) = T( x.(1, 0, 0 ) + y.(0, 1, 0) + z.(0, 0, 1) ) = x.T(1, 0, 0) + y.T(0, 1, 0) + z.T(0, 0, 1) =


= x.(1, 2) + y.(1, 1) + z.(1, 0) = (x + y + z , 2x + y).

Logo, T(x, y, z) = (x + y + z, 2x + y).

Observe que esta lei satisfaz as condies T(1, 0, 0) = (1, 2), T(0, 1, 0) = (1, 1) e T(0, 0, 1) = (1, 0).

*****

Exerccios:

1) Determine a transformao linear para cada uma das aplicaes abaixo:

a) T: R2 R3, tal que T(1, 2) = (3, 1, 5) e T(0, 1) = (2, 1, 4) .

b) T: R3 R2, tal que T(1, 0, 0) = (2, 0), T(0, 1, 0) = (1, 1) e T(0, 0, 1) = (0, 1) .

c) T: R3 R3, tal que T(1, 2, 1) = (1, 2, 3), T(0, 1, 0) = (2, 1, 5) e T(0, 4, 1) = (0, 3, 2 ) .

2) a) Qual a transformao linear T: R2 R3, tal que T(1, 1) = (3, 2, 1) e T(0, 2) = (0, 1, 0) ?
b) Determine T(1, 0) e T(0, 1) , usando o item (a).

9
Imagem de uma transformao linear

Vamos estudar um subespao importante do contradomnio W de uma transformao linear


T: V W.

Definio:

A imagem de T, indicada por Im(T), o conjunto dos vetores w de W tais que existe um vetor
v em V que satisfaz T(v) = w, isto ,

Im(T) = {w W / v V e T(v) = w}.

Teorema: Seja T: V W uma transformao linear. Ento a Im(T) um subespao vetorial de W.

De fato,
i) 0 Im(T), pois em qualquer transformao linear T(0) = 0.

ii) Sejam w1 e w2 vetores pertencentes a Im(T). Ento w1 + w2 Im(T), pois:

v1 V tal que T(v1) = w1 e v2 V tal que T(v2) = w2. Ento,

w1 + w2 = T(v1) + T(v2) = T(v1 + v2).

iii) Seja w Im(T) e R. Ento w Im(T). Pois,


v V, tal que T(v) = w. Ento, w = T(v) = T(v).

10
Transformao linear sobrejetora

Quando a imagem de uma transformao linear T: V W igual ao contradomnio, dizemos


que a transformao T sobrejetora. Para que isto ocorra necessrio que

dim(Im(T)) = dim(W), j que Im(T) W.

Exemplo: Dada a transformao T: R2 R3, tal que T(x, y) = (0, x, y), determine Im(T).

Im(T) = {T(x, y); (x, y) R2} = {(0, x, y); x e y R} =


= {x(0, 1, 0) + y(0, 0, 1); x e y R} = [(0, 1, 0), (0, 0, 1)].

A imagem da transformao T o subespao gerado pelos vetores j = (0, 1, 0) e k = (0, 0, 1). Este
subespao corresponde graficamente ao plano zy do R3:

Neste caso, dim(Im(T)) = 2 3 = dim(R3). Assim, a transformao no sobrejetora.

Os geradores da Im(T) poderiam ser encontrados tambm de outra forma. Tome uma base
qualquer do domnio e calcule a imagem desses vetores. O subespao gerado por estes vetores
Im(T). No exemplo anterior temos que {(1, 0), (0, 1)} uma base (cannica) do R2. Temos ento
que

Im(T) = [T(1, 0), T(0, 1)] = [(0, 1, 0), (0, 0, 1)].

Este resultado vlido de uma forma geral para todas as transformaes lineares e enunciado da
seguinte forma:

Seja T: V W uma transformao linear e = {v1, v2, ...,vn} uma base de V. Ento
Im(T) = [T(v1), T(v2), ...,T(vn)].

Este resultado nos diz que a imagem de uma transformao linear gerada pelas imagens dos

vetores de uma base qualquer do domnio.

11
Exemplos: Determine os geradores da imagem das transformaes lineares abaixo e tambm uma
base para imagem:

1) T: R3 R4, tal que T(x, y, z) = (x + 2z, 0, y, 0).

T(1, 0, 0) = (1, 0, 0, 0).


T(0, 1, 0) = (0, 0, 1, 0).
T(0, 0, 1) = (2, 0, 0, 0).

Assim, Im(T) = [(1, 0, 0, 0), (0, 0, 1, 0), (2, 0, 0, 0)] = [(1, 0, 0, 0), (0, 0, 1, 0)]. Uma base para
imagem neste caso = {(1, 0, 0, 0), (0, 0, 1, 0)}.

Neste caso, dim(Im(T)) = 2 4 = dim(R4). Assim, a transformao no sobrejetora.

2) T: R2 R2, tal que T(x, y) = (x, y) (Reflexo em torno do eixo OY).

T(1, 0) = (1, 0).


T(0, 1) = (0, 1).

Assim, Im(T) = [(1, 0), (0, 1)] = R2. Uma base para imagem neste caso = {(1, 0), (0, 1)}.

Neste caso, dim(Im(T)) = 2 = dim(R2). Assim, a transformao sobrejetora.

Proposio: Se T: V W uma transformao linear e dim(V) < dim(W), T no pode ser uma
transformao sobrejetora.

Exerccio: Demonstre esta proposio.

Por exemplo, impossvel obter uma transformao sobrejetora T: R3 M2(R). Por que?

12
Ncleo de uma transformao linear

Vamos estudar agora um subespao importante do domnio V de uma transformao linear


T: V W.

Definio:

Seja T: V W uma transformao linear. O ncleo de T, indicado por N(T), o conjunto de


todos os vetores v V que possuem imagem nula, isto , T(v) = 0.

N(T) = {v V; T(v) = 0}

N(T) pode tambm ser indicado por ker(T) e chamado de kernel.

Teorema: Seja T: V W uma transformao linear. Ento a N(T) um subespao vetorial de V.

De fato,
i) 0 N(T), pois em qualquer transformao linear T(0) = 0.

ii) Sejam v1 e v2 vetores pertencentes a N(T). Ento v1 + v2 N(T), pois:

T(v1) = 0 e T(v2) = 0. Ento,

T(v1 + v2) = T(v1) + T(v2) = 0 + 0 = 0.

iii) Seja v N(T) e R. Ento v N(T), pois:


T(v) = 0 e T(v) = T(v) = .0 = 0.

Exemplos:

1) Dada a transformao linear T: R3 R2 , tal que T(x, y, z) = (0, y), temos que:

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


= {(x, y, z ) R3 ; y = 0} = {(x, 0, z ) R3} = {x(1, 0, 0) + z(0, 0, 1) R3} = [(1, 0, 0), (0, 0, 1)].

Logo, N(T) = [(1, 0, 0), (0, 0, 1)]. Observe que o ncleo de T o subespao gerado pelos
vetores i = (1, 0, 0) e k = (0, 0, 1). Graficamente, N(T) o plano xz de R3:

13
Observe que
dim(N(T)) = 2.

2) Dada a transformao linear T: R3 R3, tal que T(x, y, z) = (x, y, 0), temos que:

N(T) = {(x, y, z) R3; T(x, y, z) = (0, 0, 0)} = {(x, y, z) R3; x = 0 e y = 0}.

Logo, N(T) = {(0, 0, z) R3; z R} = [(0, 0, 1)]. Observe que N(T) uma reta do espao, mais
precisamente, N(T) o eixo OZ. A dimenso do ncleo neste caso igual a 1.

3) Dada a transformao linear T: R2 R2, tal que T(x, y) = (x, y), temos que:

N(T) = {(x, y) R2; T(x, y) = (0, 0)} = {(x, y) R2; (x, y) = (0, 0)} =
= {(x, y) R2; x = 0 e y = 0} = {(0, 0)}.

Logo, N(T) = {(0, 0)}.Observe que N(T) o subespao nulo. A dimenso do ncleo neste caso
zero.

O conceito de funo injetora se estende naturalmente para as transformaes lineares. Afinal uma
transformao linear uma funo!! Vamos relembrar a definio.

Transformao linear injetora

Uma transformao T: V W injetora se dados u e v V, temos que

T(u) = T(v) u = v ou, de forma equivalente, u v T(u) T(v)

Obs.: De acordo com a definio, uma transformao injetora no admite dois vetores distintos do
domnio com mesma imagem, isto , no pode ocorrer a situao do diagrama abaixo:

14
Exemplo: A transformao T: R2 R3, tal que T(x, y) = (0, x + y, 0) no injetora, pois

(1, 1) (2, 0) mas T(1, 1) = T(2, 0) = 2.

Um teorema importante garante que uma transformao linear injetora se o seu ncleo possui
apenas o vetor nulo. Observe que na transformao acima N(T) {(0, 0)}, pois o vetor (1, 1),
alm de outros vetores, tem imagem nula.

Teorema: Seja T: V W uma transformao linear. Ento, T injetora se, e somente se, N(T) = {0}.

De fato, seja v N(T). Vamos mostrar que v s pode ser o vetor nulo.

v N(T) T(v) = 0. Numa transformao linear T(0) = 0. Como T uma transformao injetora,
e T(v) = T(0), ento v = 0.

Reciprocamente, se N(T) = {0}, vamos mostrar que T(u) = T(v) u = v, u, v V.

T(u) = T(v) T(u) T(v) = 0 T(u v) = 0 (u v) N(T) ={0} u v = 0.

Logo, u = v.

Exemplo: A transformao T: R2 R2, tal que T(x, y) = ( x, y) uma transformao injetora,


uma vez que calculamos N(T) = {(0, 0)}.

Exemplo: Sabemos que a transformao T: R2 R3, tal que T(x, y) = (0, x + y, 0) no


injetora, pois (1, 1) (2, 0) mas T(1, 1) = T(2, 0) = 2. Podemos verificar este fato tambm
calculando o ncleo desta transformao:

N(T) = {(x, y) R2 / x + y = 0} = {(y, y) / y R} = [(1, 1)] {(0, 0)}.

Transformao linear bijetora

Uma transformao T: V W bijetora se T simultaneamente injetora e sobrejetora.

Exemplo: Mostre que a transformao T: R2 R2, tal que T(x, y) = (x + y, x) bijetora.

N(T) = {(x, y) R2 / x + y = 0 e x = 0} = {(0, 0)}. Logo, T injetora.

T sobrejetora, pois dim(Im(T)) = 2, uma vez que Im(T) = [T(1, 0), T(0, 1)] = [(1, 1), (1, 0)] = R2.

Exerccio: Verifique se a transformao linear T: R3 R3, tal que T(x, y, z) = (y + z, x + z, x + y)


bijetora.

15
Exerccio: Considere a transformao linear T: R2 R, tal que T(x, y) = x + y. Determine N(T),
Im(T) e as suas dimenses.

N(T) = {(x, y) R2 ; T(x, y) = x + y = 0} = {(x, x ) ; x R } = [(1, 1)].

Assim, N(T) = [(1, 1)] e dim(N(T)) = 1.

Im(T) =[T(1, 0), T(0, 1)] = [1, 1] = [1].


Assim, Im(T) = [1] = R e dim(Im(T)) = 1.

Observe que a dimenso do domnio igual soma das dimenses do ncleo e da imagem, isto ,

dim(R2) = dim(N(T)) + dim(Im(T)) .

Este resultado vale de uma forma geral para todas as transformaes lineares e est expresso no
seguinte teorema:

Teorema do Ncleo e da Imagem

Se T: V W uma transformao linear, ento dim(V) = dim(N(T)) + dim(Im(T)).

Exerccio: Seja T: R3 R2 uma transformao linear definida por T(x, y, z) = (x + y, 2x y + z).


a) Determine uma base e a dimenso do ncleo de T;
b) Determine uma base e a dimenso da imagem de T.

Proposio: Se T: V W uma transformao linear e dim(V) > dim(W), T no pode ser uma
transformao injetora.

Exerccio: Demonstre esta proposio (use o Teorema do Ncleo e da Imagem).

Por exemplo, impossvel obter uma transformao injetora T: M2(R) R3. Por que?

Proposio: Seja T: V W uma transformao linear. Se T bijetora , ento dim(V) = dim(W).

Ora, se T injetora, ento dim(V) dim(W).

Como T tambm sobrejetora, ento dim(V) dim(W).

Logo, T bijetora na nica condio dim(V) = dim(W).

Obs.: Uma transformao linear bijetora tambm chamada de isomorfismo.

16
Matriz associada a uma transformao linear

Vamos agora relacionar as transformaes lineares s matrizes e veremos que, num certo sentido, o
estudo das transformaes lineares equivalente ao estudo das matrizes.

Consideremos o seguinte exemplo:

1 2 1
Seja A a matriz A = e consideremos a transformao linear que indicaremos por TA:
0 1 1

TA : R3 R2
x x
1 2 1 x + 2 y + z
T A ( x , y , z ) = A y , isto , TA ( x , y , z ) = y = .
z 0 1 1 z y z

Observe que tomamos o vetor (x , y , z ) na forma de matriz coluna para que a operao com a
matriz A estivesse bem definida.

Podemos interpretar TA ( x , y , z ) = (x + 2 y + z , y z ) , pois as coordenadas do vetor TA ( x , y , z )


em relao base cannica do R2

x + 2y + z
[TA (x , y , z )] = .
yz

Observao: Dada uma matriz A Mmxn(R), ela pode ser interpretada como uma transformao
linear TA: Rn Rm onde os vetores so tomados atravs de suas coordenadas em relao s bases
cannicas do Rn e Rm.

De uma maneira geral, fixada uma matriz A, A Mmxn (R), e considerando a aplicao TA do Rn em
Rm

TA: Rn Rm
TA ( v ) = A v

onde v considerado um vetor coluna do Rn, isto , v uma matriz coluna n x 1, podemos afirmar
que TA uma transformao linear.

De fato: Usando as propriedades de matrizes j conhecidas, temos que:

TA(u + v) = A (u + v) = A u + A v = A u + A v = TA(u) + TA(v).

Dados V e W espaos vetoriais, = {v1, v2, ...vn} base de V e = {w1, w2, ...wm} base
de W, toda matriz A de ordem m x n induz uma transformao linear de V em W:

T: V W
[T(v)] = A [v] .

17
Exemplos:

1 1 0
1) Seja A = , determine a transformao linear induzida por A de R3 em R2,
2 1 2
onde = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} e = {(1, 0), (0, 1)} so as bases cannicas do R3 e R2,
respectivamente.

Soluo: T: R3 R2
[T (x, y, z)] = A[v]
x

As coordenadas do vetor (x, y, z) em relao base so [v] = y .
z

x
1 1 0 x y
[T (x, y, z )] = A[v ] = y = .
2 1 2 z 2x + y + 2 z

Assim, T(x, y, z) = (x y)(1, 0) + (2x + y + 2z)(0, 1) = (x y , 2x + y + 2z).

2) Sejam V = R2, considerado com a base = {(1, 0), (0, 1)}, W = R3 com a base
1 2

= {(1, 0, 0), (1, 1, 0), (1, 1, 1)} e A = 1 0 . Determine TA: R2 R3.

1 1

Soluo:
1 2 x + 2y
x x
[(x, y)] = . Logo, [T(x, y)] = A[(x, y)] = 1 0 = x .
y y
1 1 x+y

Portanto, T(x, y) = (x + 2y)(1, 0, 0) + x(1, 1, 0) + (x + y)(1, 1, 1) = (3x + 3y, 2x + y, x + y).

Definio de matriz associada a uma transformao linear

Seja T: V W uma transformao linear, V e W espaos vetoriais de dimenso n


e m, respectivamente. Considere = {v1, v2,...,vn} base de V e = {w1, w2, ...,wm}
base de W. Definimos a matriz da transformao T em relao s bases e , e
indicamos por [T ] , como sendo a matriz de ordem mxn cuja j-sima coluna

formada pelas coordenadas do vetor T(vj) na base .

Observao: No caso em que e so as bases cannicas, indicamos a matriz da transformao


linear simplesmente por [T], isto , [T ] = [T].

18
Exemplos:

1) Considere V = R3 e W = R2 com as suas respectivas bases cannicas e .

Sendo T: R3 R2, definida por T(x, y, z) = (x + 2y, y + z), determine a matriz da transformao [T].

Soluo: T(1, 0, 0) = (1, 0), T (0, 1, 0) = (2, 1) e T (0, 0, 1) = (0, 1).

1 2 0 1 2 0
Como [(1, 0)] = , [(2, 1)] = e [(0, 1)] = , ento [T ] = .
0 1 1 0 1 1

2) Considere V = R2 e W = R3 com as suas respectivas bases cannicas e .

a) Sendo T: R2 R3, definida por T(x, y) = (3x + 3y, 2x + y, x + y), determine [T].

Soluo:

T(1, 0) = (3, 2, 1) e T(0, 1) = (3, 1, 1).

3 3 3 3

Como (3, 2, 1)] = 2 e (3, 1, 1)] = 1 , ento [T ] = 2 1 .
1 1 1 1

3 3

b) Sendo A = 2 1 , determine TA: R2 R3.
1 1

Soluo:

x
Sendo a base cannica de R2, temos que [(x, y)] = .
y

3 3 3x + 3y
x
Assim, [T(x, y)] = A[(x, y)] = 2 1 = 2x + y . Sendo a base cannica de R3, temos
1 1 y x + y

ento, T(x, y) = (3x +3y)(1, 0, 0) + (2x + y)(0, 1, 0) + (x + y)(0, 0, 1) = (3x + 3y, 2x + y, x + y).

Assim, TA(x, y) = (3x + 3y, 2x + y, x + y).

Comparando os resultados dos itens a) e b), observe que T(x, y) = TA(x, y) e que [T] = A.

Conclumos que a transformao T tem como matriz associada a matriz A que induz TA.

19
O resultado observado no exemplo 2 anterior geral para todas as transformaes lineares e est
traduzido no seguinte teorema:

Seja T: V W uma transformao linear, V e W espaos vetoriais de dimenso


finita de bases ordenadas e , respectivamente. Ento [T(v)] = [T ] [v] .

Exerccio: Considere V = R2 e W = R3 com as suas respectivas bases cannicas e .

3 3
2 3
Seja T: R R a transformao linear induzida pela matriz A = 2 1 . Determine T(1, 2).
1 1

3 3 3 3 9
1
Como [T ] = 2 1 , temos que [T(1, 2)] = [T ] [(1, 2)] = 2 1 = 4 .
.
Soluo:
1 1 1 1 2 3

Logo, T(1, 2) = 9(1, 0, 0) + 4(0, 1, 0) + 3(0, 0, 1) = (9, 4, 3).

Exerccio: Considere V = R3 e W = R2 com as respectivas bases

= { (1, 1, 0), (-1, 0, 1), (0, 0, 1) } de V e = { (1, 1), (0, 2) } de W.

-1 0 1
Seja [ T ] =
3 2
a matriz associada a transformao linear T: R R . Nestas condies,
3 1 -1
determine T(x, y, z).

y

[T(x, y, z)] = [T ] [(x, y, z)] . [(x, y, z)] e obtenha [ (x, y, z) ] = y-x .

Soluo: Calcule
z+x-y

Assim,

y
-1 0 1 -y+z+x-y x-2y+z
[T(x, y, z)] = [T ] [(x, y, z)]

= y-x = 3y+y-x- z+x-y = .
3 1 -1 z+x-y ( ) -2x+5y-z

x-2y+z
[T(x, y, z)] = -2x+5y-z T(x, y, z) = (x-2y+z) (1, 1) + (-2x+5y-z) (0, 2) = (x-2y+z, -3x+8y-z)

Resposta: T(x, y, z) = (x-2y+z, -3x+8y-z) .

20
Autovalores e autovetores de uma transformao linear

Vamos analisar agora um determinado aspecto de um operador linear T, ou seja, de uma


transformao linear de um espao vetorial V nele prprio, T: V V.

Consideremos a transformao T : R2 R2 , tal que T(x, y) = (x, y) (reflexo em relao ao eixo ox).

A pergunta que se coloca :

Existem vetores cujas imagens pelo operador T continuam na mesma reta (com a mesma direo)?

Observemos que:

Todo vetor que est sobre o eixo OX mantido fixo por T, isto , T(x, 0) = (x, 0).

Todo vetor que est sobre o eixo OY continua sobre o eixo OY, isto , T(0, y) = (0, y) = (0, y).

Os eixos OX e OY neste caso so ditos invariantes em relao ao operador T. Todo vetor


sobre o eixo OX transformado noutro vetor sobre o mesmo eixo. O mesmo acontece com vetores
sobre o eixo OY.

Ser que todo operador tem essa propriedade? Isto , existe sempre um vetor v tal que T(v) = v,
sendo um nmero real ?

Vejamos mais um exemplo.

T: R2 R2, tal que T(x, y) = (y, x) (Rotao de 90).

Existe algum vetor v que depois de sofrer uma rotao de 90 continua sobre a mesma reta?

Resp.: Apenas o vetor nulo possui essa propriedade.

21
A nossa questo agora investigar o seguinte aspecto: Dado um operador linear T: V V,
que vetores de V so transformados em mltiplos de si mesmos? Esta investigao vai nos levar
aos conceitos de autovalor e autovetor. Tais conceitos tm inmeras aplicaes, principalmente no
estudo das equaes diferenciais. Tambm fornecem informaes importantes em projetos de
Engenharia e aparecem naturalmente nas reas de Fsica e Qumica.

Definio de autovalor e autovetor

Seja T: V V um operador linear. Se existe um vetor v V (v 0) e R,


tal que T(v) = v dizemos ento que um autovalor de T e v um
autovetor de T associado a .

Observao:

Os autovalores so tambm chamados de valores caractersticos ou valores prprios.


Os autovetores so tambm chamados de vetores caractersticos ou vetores prprios.

Exemplos:

1) Considere o operador linear T: R2 R2, tal que T(x, y) = (x, y).

Todos os vetores da forma v = (x, 0), x 0, so autovetores associados ao autovalor = 1, uma vez
que T(v) = 1.v.

Todos os vetores da forma v = (0, y), y 0, so autovetores associados ao autovalor = 1, uma


vez que T(v) = 1.v.

2) Considere o operador linear T: V V, tal que T(v) = v, R.

Claramente percebemos que qualquer vetor v 0 autovetor associado ao autovalor .

3) Considere o operador linear T: R2 R2, tal que T(x, y) = (x, y) (reflexo em relao origem).

Todos os vetores v (0,0) so autovetores associados ao autovalor = 1, uma vez que T(v) = v.

4) Considere o operador linear T: R3 R3, tal que T(x, y, z) = 5(x, y, z).

Todos os vetores v (0,0,0) so autovetores associados ao autovalor = 5, uma vez que T(v) = 5v.

22
Definio:

O conjunto de todos os vetores de V tais que T(v) = v um subespao de V chamado


de autoespao (ou subespao) associado ao autovalor e indicado por V.

V = {v V / T(v) = v}.

De fato V um subespao de V:

i) 0 V, pois T(0) = 0 = 0.

ii) Se v1 e v2 V, ento v1 + v2 V, pois:


v1 V T(v1) = v1.

v2 V T(v2) = v2.

Assim, T(v1 + v2) = T(v1) + T(v2) = v1 + v2 = (v1 + v2).

iii) Se v1 V e k R, ento kv1 V, pois:


v1 V T(v1) = v1.

Assim, T(kv1) = kT(v1) = kv1 = (kv1).

Exemplos:

a) Os autoespaos do operador linear T: R2 R2, tal que T(x, y) = (x, y) so:

V1 = {(x, 0); x R} e V1 = {(0, y); y R} como foi verificado no exemplo 1 anterior.

b) O autoespao do operador linear T: R2 R2, tal que T(x, y) = 3(x, y) :

V3 = {(x, y) / x R e y R} = R2.

Observe que T(v) = 3v, para todo v R2.

23
Clculo dos autovalores e autovetores

O clculo dos autovalores e autovetores pode se tornar bastante trabalhoso se usarmos


simplesmente a definio. Vamos buscar um mtodo prtico para encontrar autovalores e,
conseqentemente, autovetores de um operador T. Isso ser obtido atravs da matriz associada ao
operador.

Definio:

Dada uma matriz quadrada A de ordem n, definimos os autovalores e autovetores


de A como sendo os autovalores e autovetores da transformao induzida por A,
em relao base cannica do Rn.
T: Rn Rn
T(v) = Av.

Assim, um autovalor R e um autovetor v Rn so as solues da equao Av = v, pois:

T(v) = Av e T(v) = v.

Queremos, portanto, encontrar os valores de tais que Av = v, para v 0.

Av = v Av = In v Av In v = 0 (A In)v = 0.

Obs.: In a matriz identidade de ordem n.

A equao matricial (A In)v = 0 nos leva a um sistema quadrado homogneo com n


equaes e n incgnitas. Uma vez que estamos procurando autovetores v 0, no queremos que o
sistema tenha apenas a soluo trivial (caso em que no haver autovetor). Estamos, portanto,
interessados no caso em que o sistema seja possvel indeterminado (tenha infinitas solues). Isto
acontecer se det(A In) = 0 (lembre-se da Regra de Cramer: Se o sistema homogneo, ento o
determinante da matriz dos coeficientes nulo implica num sistema possvel indeterminado).

Exemplo 1:
Encontre os autovalores, os autovetores e os autoespaos do operador T: R2 R2, tal que
T(x, y ) = ( x, y ) .

1 0
Soluo: A matriz associada a este operador linear A = .
0 1

Queremos encontrar os valores de tais que (A I2)v = 0. Assim:

1 0 1 0 x 0 1 0 x 0
= = .

0 1 0 1 y 0 0 1 y 0

1 0
O sistema acima ter soluo no trivial se, e somente se, det =0.
0 1

24
1 0
det =0 (1 ).(1 ) = 0 1 + + 2 = 0 2 1 = 0
0 1

= 1 ou = 1.

Os autovalores so, portanto, = 1 e = 1. Para cada um deles encontramos os seguintes


autoespaos associados:

Para = 1:
1 0 1 0 x 0
(A I2)v = 0 (A I2)v = 0 =

0 1 0 1 y 0

2 0 x 0 2x + 0y = 0
= .
0 0 y 0 0x + 0y = 0

A soluo deste sistema x = 0, y, isto , {(x, y) R2 ; x = 0} = [(0, 1)].

Logo, o autoespao associado a = 1 V1 = [(0, 1)].

Para = 1:

1 0 1 0 x 0
(A I2)v = 0 (A + I2)v = 0 + =

0 1 0 1 y 0

0 0 x 0 0x + 0y = 0
= .
0 2 y 0 0x + 2y = 0

A soluo deste sistema y = 0, x, isto , {(x, y) R2 ; y = 0} = [(1, 0)].

Logo, o autoespao associado a = 1 V-1 = [(1, 0)].

Exemplo 2:
Encontre os autovalores, os autovetores e os autoespaos do operador T: R3 R3, tal que
T (x, y, z ) = ( 2z, x + 2y + z, x + 3z ) .

0 0 2

Soluo: A matriz associada a este operador linear A = 1 2 1 .
1 0 3

25
Queremos encontrar os valores de tais que (A I3)v = 0. Assim:

0 0 2 1 0 0 x 0 0 2 x 0

1 2 1 0 1 0 y = 0 1 2 1 y = 0 .
1 0 3 0 0 1 z 0 1 0 3 z 0

0 2

O sistema acima ter soluo no trivial se, e somente se, det 1 2 1 = 0.
1 0 3

0 2

det 1 2 1 =0 3 52 + 8 4 = 0.
1 0 3

Lembremos o seguinte fato: Todas as solues inteiras (se houver) de uma equao polinomial

n + c1 n 1 + c 2 n 2 + ... + c n = 0

com coeficientes inteiros ci so divisores do termo independente cn.

No nosso caso, 3 52 + 8 4 = 0, as nicas possveis solues inteiras so os divisores de 4,


ou seja, 1, 2 e 4. Substituindo sucessivamente cada um destes valores na equao
encontramos rapidamente = 1 como uma raiz. Logo, podemos fatorar esta equao (usando o
dispositivo prtico de Briot-Ruffini) como

( 1)( 2)2 = 0 (verifique!)

Os autovalores so, portanto, = 1 e = 2. Para cada um deles encontramos os seguintes


autoespaos associados:

Para = 1:
0 0 2 1 0 0 x 0

(A I3)v = 0 (A I3)v = 0 1 2 1 0 1 0 y = 0
1 0 3 0 0 1 z 0

1 0 2 x 0 1x + 0y 2z = 0

1 1 1 y = 0 1x + 1y + 1z = 0 .
1 0 2 z 0 1x + 0y + 2z = 0

O conjunto soluo deste sistema :


{(x, y, z) R3 ; x = 2z e y = z} = {(2z, z, z) / z R} = {z(2, 1, 1) / z R} = [(2, 1, 1)].

Logo, o autoespao associado a = 1 V1 = [(2, 1, 1)].

26
Para = 2:
0 0 2 2 0 0 x 0

(A I3)v = 0 (A 2I3)v = 0 1 2 1 0 2 0 y = 0
1 0 3 0 0 2 z 0

2 0 2 x 0 2x + 0y 2z = 0

1 0 1 y = 0 1x + 0y + 1z = 0 .
1 0 1 z 0 1x + 0y + 1z = 0

O conjunto soluo deste sistema :


{(x, y, z) R3 ; x = z } = {(z, y, z) / z , y R} = {z(1, 0, 1) + y(0, 1, 0) / z , y R} =

= [(1, 0, 1), (0, 1, 0)].

Logo, o autoespao associado a = 2 V2 = [(1, 0, 1), (0, 1, 0)].

*****

Os casos analisados nos exemplos anteriores so gerais, isto , valem para todos os operadores
lineares e esto traduzidos nos seguintes resultados:

Seja T: V V um operador linear, uma base de V e dim(V) = n. Resolver a


equao T(v) = v equivalente a resolver a equao
AX = In X, onde A = [T ] e X = [v] .

Os autovalores (e autovetores) de um operador linear T so os mesmos da matriz associada a T em


relao a uma base qualquer.

Seja T: V V um operador linear, uma base de V e dim(V) = n. Se A = [T ] ,


ento:
autovalor de T det(A In) = 0.

Observemos que det(A In) = 0 um polinmio na varivel . Este polinmio chamado de


polinmio caracterstico da matriz A (ou de T).

27
EXERCCIOS GERAIS

1. Verifique se a transformao T : 2 2 , tal que T ( x , y ) = ( x + y , 5 y ) linear.

2. a) Qual a transformao linear T : 2 3 tal que T (1, 2 ) = (3 , 1, 4 ) e T ( 1, 3 ) = (2 , 4 , 1) ?


b) Determine, se possvel, o vetor ( x , y ) 2 , tal que T ( x , y ) = (5 , 1, 7 ) .

3. Considere a transformao linear T : 3 4 tal que T ( x,y,z ) = (0 , 0 , x 2 y + z, 5 z ) .

a) Determine uma base para N(T);


b) Determine, justificando, dim (N(T)) e dim (Im(T));
c) Determine, justificando, geradores para Im(T);
d) T sobrejetora? Justifique a sua resposta.

4. a) Determine uma transformao linear T : 3 3 , tal que


{ }
N (T ) = ( x , y , z ) 3 / x + y + z = 0 e T (0 ,0 ,2 ) = (1,1,1) .

b) Determine [T ( 1,2 ,1)] , sendo = {(2 ,3 ,1), ( 1,2 ,3 ), ( 2 ,7 ,0 )} base de 3 .

5. Sabendo que a matriz de uma transformao linear T : 2 3 nas bases A = {(1,1), (1,0 )} do
2 e B = {( 1,1,0 ), (0 ,1,0 ), (0 ,0 ,1)} do 3
2 2
[T ] A
B = 3 2 :
0 1
a) Encontre a expresso de T ( x , y ) ;

b) Determine, se possvel, v 2 tal que T (v ) = ( 2 ,2 , 1) .

6. Os vetores v1 = (1, 1) e v2 = ( 2, 1) so autovetores de um operador linear T : 2 2 ,


associados aos autovalores 1 = 5 e 2 = 1 , respectivamente. Determine a imagem do vetor
v = ( 4, 1) por esse operador.

Referncias Bibliogrficas:

lgebra Linear Alfredo Steinbruch / Paulo Winterle.


lgebra Linear Boldrini / Costa / Figueiredo / Wetzler.
lgebra Linear Caliolli.
lgebra Linear com Aplicaes Anton / Rorres.
lgebra Linear e suas Aplicaes David C. Lay.

28