Notas de Aula
Petronio Pulino
1 3 4 −4
t
3 1 0 = Q 1 Q
4 0 1 6
1
Qt Q = 1
1
.......... ..............
........... ........................................ ..........................................
.
...
...
. sq ............
.................. ..............................PULINUS
......................................... ...........
.. .........
....
.................................................................................................................................
Álgebra Linear e suas Aplicações
Notas de Aula
Petronio Pulino
Departamento de Matemática Aplicada
Instituto de Matemática, Estatı́stica e Computação Cientı́fica
Universidade Estadual de Campinas
E–mail: pulino@ime.unicamp.br
www.ime.unicamp.br/∼pulino/ALESA/
Janeiro de 2012
Conteúdo
1 Estruturas Algébricas 1
1.1 Operação Binária. Grupos . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Corpo Comutativo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3 Corpo com Valor Absoluto . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.4 Corpo Ordenado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.5 Valor Absoluto num Corpo Ordenado . . . . . . . . . . . . . . . . . . . . . 15
1.6 Números Reais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.7 Números Complexos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.8 Caracterı́stica do Corpo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.9 Métricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
i
ii CONTEÚDO
Bibliografia 735
iv CONTEÚDO
c
Petronio Pulino, 2011 DMA – IMECC – UNICAMP
Transformações Lineares
4
Conteúdo
4.1 Transformações do Plano no Plano . . . . . . . . . . . . . . . . 220
4.2 Transformação Linear . . . . . . . . . . . . . . . . . . . . . . . . 221
4.3 Núcleo e Imagem . . . . . . . . . . . . . . . . . . . . . . . . . . 226
4.4 Posto e Nulidade . . . . . . . . . . . . . . . . . . . . . . . . . . . 232
4.5 Espaços Vetoriais Isomorfos . . . . . . . . . . . . . . . . . . . . 244
4.6 Álgebra das Transformações Lineares . . . . . . . . . . . . . . 249
4.7 Transformação Inversa . . . . . . . . . . . . . . . . . . . . . . . 253
4.8 Representação Matricial . . . . . . . . . . . . . . . . . . . . . . 268
219
220 Álgebra Linear e suas Aplicações: Notas de Aula
T : IR2 −→ IR2
T : IR2 −→ IR2
Exemplo 4.1.4 Considere o espaço vetorial real IR2 . Dado um elemento (a, b) ∈ IR2 ,
a transformação
T : IR2 −→ IR2
(x, y) −→ T (x, y) = (x , y) + (a , b)
é uma translação.
T : IR2 −→ IR2
Exemplo 4.2.1 Seja V um espaço vetorial sobre o corpo IF . Vamos definir a seguinte
transformação linear T (v) = v para todo v ∈ V , que é a transformação identidade,
denotada por IV .
Exemplo 4.2.2 Seja V um espaço vetorial sobre o corpo IF . Vamos definir a seguinte
transformação linear T (v) = 0V para todo v ∈ V , que é a transformação nula.
T : IRn −→ IR
n
X
x −→ T (x) = cj xj
j=1
T : V −→ V
v −→ T (v) = λ v
Exemplo 4.2.5 Considerando os espaços vetoriais reais C([a, b]) e C 1 ([a, b]), definimos
a seguinte transformação linear
f −→ T (f ) = f ′
Exemplo 4.2.6 Considerando os espaços vetoriais reais C([a, b]) e C 1 ([a, b]), definimos
a seguinte transformação linear
f −→ g = T (f )
Z x
com g(x) = T (f )(x) = f (t)dt ; x ∈ [a, b].
a
Exemplo 4.2.7 Considere os espaços vetoriais reais IRm e IRn . Dada uma matriz
A = [aij ] ∈ IMm×n (IR), definimos a transformação linear associada a matriz A da
seguinte forma:
TA : IRn −→ IRm
x −→ y = TA (x)
onde n
X
yi = aij xj para i = 1, · · · , m
j=1
Teorema 4.2.1 Sejam V e W espaços vetoriais sobre o corpo IF , com dim(V ) igual
a n, β = { v1 , · · · , vn } uma base ordenada para V e w1 , · · · , wn elementos
arbitrários de W . Então, existe uma única transformação linear T : V −→ W tal que
T (vj ) = wj para j = 1, · · · , n .
Demonstração – Inicialmente vamos mostrar que existe pelo menos uma transformação
linear T com T (vj ) = wj . Dado um elemento u ∈ V , sabemos que u é escrito de
modo único como: n
X
u = ci vi .
i=1
Temos que T é uma transformação bem definida. Pela definição, fica evidente que
T (vi ) = wi . Para mostrar que T é uma transformação linear, sejam λ ∈ IF e um
elemento v ∈ V escrito de modo único como:
n
X
v = bi vi .
i=1
P (vj ) = wj para j = 1, · · · , n .
T (1, 0) = 1 − x e T (0, 1) = 1 − x2
Assim, dado um elemento (a, b) ∈ IR2 , podemos representa–lo de modo único como:
T (1, 1) = x e T (−1, 1) = x − x3
Assim, dado um elemento (a, b) ∈ IR2 , podemos representa–lo de modo único como:
a+b b−a
(a, b) = (1, 1) + (−1, 1) .
2 2
Exercı́cios
Exercı́cio 4.1 Determine a transformação linear T do plano no plano que representa
π √
uma rotação anti–horária de seguida por uma dilatação de 2.
4
T : IR2 −→ IR
(x, y) −→ T (x, y) = 3x + 2y
3
Resposta: T (x, y) = 3x + 2y = 0 =⇒ y = − x
2
u −→ T (u) = u′
u −→ T (u) = u′′
u −→ T (u) = u′′ + u
u −→ T (u) = −u′′ + u
T : IR3 −→ IR2
(x, y, z) −→ T (x, y, z) = (x − 3y + 5z , −x + 4y − z)
Assim, temos que Im(T ) = [(1, −1) , (−3, 4) , (5, −1)]. Podemos verificar facilmente que
{ (1, −1), (−3, 4) } é uma base para Im(T ). Logo, dim(Im(T )) = 2.
isto é, Ker(T ) é um plano contido em IR3 . Assim, temos que dim( Ker(T ) ) = 2.
Note que a Im(T ) = IR. Logo, dim( Im(T ) ) = 1.
Petronio Pulino 229
é uma base para o espaço vetorial IR3 . Desse modo, tomando um elemento genérico
(a, b, c) ∈ IR3 vamos fazer sua representação em relação à base γ, isto é,
= a( 2 + x2 + x3 ) + b( 1 + x2 ) + (c − a)( x2 − x3 )
= a( 2 + 2x3 ) + b( 1 + x2 ) + c( x2 − x3 )
Assim, determinamos explicitamente a expressão da transformação linear T dada por:
T (a, b, c) = a( 2 + 2x3 ) + b( 1 + x2 ) + c( x2 − x3 )
Im(T ) = [2 + 2x3 , 1 + x2 , x2 − x3 ] .
Assim, a partir do sistema de geradores vamos determinar uma base para o subespaço
Im(T ). Para isso, construı́mos a matriz A cujas linhas são formadas pelas coordenadas
dos elementos do sistema de geradores em relação à base canônica de P3 (IR), dada por:
2 0 0 2
A = 1 0 1 0 .
0 0 1 −1
230 Álgebra Linear e suas Aplicações: Notas de Aula
b na forma
Em seguida, efetuamos o escalonamento da matriz A, obtendo uma matriz A
escalonada, linha equivalente a matriz A, dada por:
2 0 0 2
b =
A 0 0 2 −2 .
0 0 0 0
{ 2 + 2x3 , 1 + x2 }
Exercı́cios
Exercı́cio 4.9 Considere a transformação linear T : IR3 −→ IR2 dada por:
T (x, y, z) = ( x − y − z , 2z − x ) .
Determine uma base para Ker(T ) e uma base para Im(T ).
Exercı́cio 4.10 Seja U ⊂ IM3 (IR) o subespaço das matrizes diagonais. Considere a
transformação linear T : P2 (IR) −→ U definida por:
a − b + 2c 0 0
T (a + bx + cx2 ) = 0 2a + b 0 .
0 0 −a − 2b + 2c
Determine uma base para Ker(T ) e uma base para Im(T ).
(b) A Nulidade de T , que denotamos por Null(T ), como sendo a dimensão do núcleo
de T , isto é, Null(T ) = dim( Ker(T ) ).
(=⇒) Por hipótese temos que T é injetora, isto é, T (u) = T (v) implica que u = v.
Vamos mostrar que Ker(T ) = { 0V }.
Seja u ∈ Ker(T ), isto é, T (u) = 0W . Como T (0V ) = 0W , temos que T (u) = T (0V ).
Pelo fato de T ser injetora, devemos ter u = 0V . Logo, Ker(T ) = { 0V }.
(⇐=) Por hipótese temos que Ker(T ) = { 0V }. Vamos mostrar que T é injetora.
Para isso, tomamos u, v ∈ V tais que T (u) = T (v). Assim, temos que
T (u) − T (v) = T (u − v) = 0W .
Como Ker(T ) = { 0V }, obtemos
(u − v) ∈ Ker(T ) =⇒ u − v = 0V =⇒ u = v.
Logo, T é injetora, o que completa a demonstração.
Petronio Pulino 233
uma vez que { v1 , · · · , vm } é uma base para Ker(T ). Subtraindo (4.1) de (4.2),
obtemos m n
X X
bi vi − ci vi = 0V ,
i=1 i=m+1
234 Álgebra Linear e suas Aplicações: Notas de Aula
b1 = · · · = bm = cm+1 = · · · = cn = 0 .
(a) T é injetora.
{ T (v1 ) , · · · , T (vm ) }
(d) Seja { v1 , · · · , vn } uma base para V . Então, { T (v1 ) , · · · , T (vn ) } é uma base
para Im(T ).
Demonstração
Vamos mostrar que (a) =⇒ (b). Tomando uma combinação linear nula
m m
!
X X
0W = ci T (vi ) = T ci vi
i=1 i=1
c1 = c2 = · · · = cm = 0 .
Vamos mostrar que (b) =⇒ (c). Seja { v1 , · · · , vn } uma base para V . Assim, temos
que { T (v1 ) , · · · , T (vn ) } é linearmente independente em Im(T ). Desse modo, temos
que dim( Im(T ) ) ≥ n. Pelo Teorema 4.4.2, temos que dim( Im(T ) ) ≤ n. Portanto,
obtemos dim( Im(T ) ) = n.
Vamos mostrar que (c) =⇒ (d). Seja { v1 , · · · , vn } uma base para V . Considerando
um elemento w ∈ Im(T ), isto é, w = T (u) para algum u ∈ V . Como u ∈ V ,
temos que
n n
! n
X X X
u = ci vi =⇒ w = T ci vi = ci T (vi )
i=1 i=1 i=1
Como dim( Im(T ) ) = n, temos que { T (v1 ) , · · · , T (vn ) } é uma base para Im(T ).
Finalmente, vamos mostrar que (d) =⇒ (a). Seja { v1 , · · · , vn } uma base para V .
Tomando u ∈ V , temos que
n
X n
X
u = ci vi =⇒ T (u) = ci T (vi )
i=1 i=1
c1 = c2 = · · · = cn = 0 ,
Demonstração – Seja { v1 , · · · , vn } uma base para V . Pelo Teorema 4.4.3, temos que
{ T (v1 ), · · · , T (vn ) } é linearmente independente em W . Como dim(V ) = dim(W ),
obtemos que { T (v1 ), · · · , T (vn ) } é uma base para W .
236 Álgebra Linear e suas Aplicações: Notas de Aula
(x, y, z) −→ T (x, y, z) = −x + y + 2z .
T (x, y, z) = −x + y + 2z = 0 .
Assim, temos que Ker(T ) = [(1, 1, 0), (2, 0, 1)]. Podemos verificar facilmente que
dim(Ker(T )) = 2. Portanto, pelo Teorema 4.4.2, tem–se que dim(Im(T )) = 1. Logo,
como Im(T ) ⊂ IR, temos que Im(T ) = IR.
Desse modo, temos que Ker(T ) = { 0IR2 }. Assim, provamos que a transformação linear
T é injetora.
(c) Determine uma base γ para o IR4 contendo uma base de Ker(T ).
Sabemos que Im(T ) é gerado pela imagem dos elementos de uma base do domı́nio pela
transformação linear T . Desse modo, considerando a base canônica para IR4 , temos que
Im(T ) é gerado pelos seguintes elementos:
T (1, 0, 0, 0) = (1, 2, 0)
T (0, 1, 0, 0) = (−2, 1, 5)
T (0, 0, 1, 0) = (0, −1, −1)
T (0, 0, 0, 1) = (1, 0, −2)
238 Álgebra Linear e suas Aplicações: Notas de Aula
Como a dimensão da imagem é 2, podemos escolher quaisquer dois desses elementos que
sejam linearmente independentes, isto é,
Im(T ) = [(1, 2, 0), (−2, 1, 5), (0, −1, −1), (1, 0, −2)] = [(1, 2, 0), (0, −1, −1)] .
Assim, temos { (1, 2, 0), (0, −1, −1) } é uma base do subespaço Im(T ).
Para obter a base γ de IR4 temos que acrescentar mais dois elementos a base de Ker(T ),
de maneira a termos 4 elementos linearmente independentes no IR4 . Escolhemos então
e1 = (1, 0, 0, 0) e e2 = (0, 1, 0, 0)
não estavam no subespaço Ker(T ), sendo portanto uma boa escolha. Além disso, a
equação
Assim, pelo Teorema do núcleo e da imagem, temos que dim(Ker(T )) = 0, isto é,
Ker(T ) = { 0IR3 }. Portanto, T é um operador injetor e sobrejetor, isto é, T é um
operador bijetor.
T : IR2 −→ IR3
(x, y) −→ T (x, y) = (x − y, x, x + y)
Podemos verificar facilmente que T é injetora, isto é, Ker(T ) = { 0IR2 }, e utilizando o
Teorema do núcleo e da imagem, obtemos que dim(Im(T )) = 2. Logo, Im(T ) 6= IR3 .
Portanto, T não é sobrejetora. Assim, T não é bijetora.
Exemplo 4.4.7 Mostre que não existem transformações lineares T : IRm −→ IRn , com
m < n, que são bijetoras.
T : IR3 −→ IR4
Podemos verificar facilmente que dim( Im(T ) ) = 2. Logo, dim( Ker(T ) ) = 1. Assim,
tomando a base canônica para o IR3 , podemos definir uma transformação linear T da
seguinte forma:
T (1, 0, 0) = (0, 0, 0, 0)
T (0, 1, 0) = (1, 1, 2, 1)
T (0, 0, 1) = (2, 1, 0, 1)
Desse modo, dado um elemento (x, y, z) ∈ IR3 temos que
= (y + 2z , y + z , 2y , y + z)
Note que esse problema possui infinitas soluções, pois sua resolução depende da escolha
de uma base para o espaço vetorial IR3 , e também da escolha do subespaço Ker(T ).
Exemplo 4.4.9 Determine uma transformação linear T : IR3 −→ P2 (IR) de modo que
dim( Ker(T ) ) = 1.
Note que esse problema possui infinitas soluções, pois sua resolução depende da escolha
de uma base para o espaço vetorial IR3 , e também da escolha do subespaço Im(T ),
através da escolha de uma base.
Petronio Pulino 241
T : IR4 −→ IR4
T (1, 0, 1, 0) = (0, 0, 0, 0)
T (0, 1, 0, 1) = (0, 0, 0, 0)
T (0, 1, 0, 0) = (1, 0, 0, 0)
T (0, 0, 1, 0) = (0, 1, 0, 0)
obtendo
a = x , b = t , c = y −t e d = z
Desse modo, temos que
= (y − t)(1, 0, 0, 0) + z(0, 1, 0, 0)
= (y − t, z, 0, 0)
Note que esse problema possui infinitas soluções, pois sua resolução depende da maneira
como completamos a base do subespaço Ker(T ) para obter uma base do espaço vetorial
IR4 , e também de como escolhemos o subespaço Im(T ), através da escolha de uma base.
242 Álgebra Linear e suas Aplicações: Notas de Aula
Exercı́cios
Exercı́cio 4.16 Determine uma transformação linear T : IR3 −→ IR3 tal que
U = { (x, y, z) ∈ IR3 / x + y + z = 0 }
Determine uma transformação linear P : IR3 −→ IR2 tal que Ker(P ) = Im(T ).
Exercı́cio 4.19 Verifique se é Falsa ou Verdadeira cada uma das afirmações abaixo,
justificando sua resposta.
Exercı́cio 4.20 Sejam u, v ∈ IR2 tais que β = { u, v } é uma base para IR2 .
Considere uma transformação linear T : IR2 −→ IRn , para n ≥ 2. Mostre que somente
uma das seguintes alternativas se verifica:
(b) dim(Im(T )) = 1 .
Exercı́cio 4.22 Determine uma transformação linear T : P2 (IR) −→ IM2 (IR) que
satisfaça simultaneamente as seguintes condições:
T : P2 (IR) −→ IR3
Exemplo 4.5.2 Seja T : IR2 −→ P1 (IR) definida por T (a, b) = a + (a + b)x. Podemos
verificar facilmente que T é um isomorfismo e que o isomorfismo inverso T −1 de
P1 (IR) em IR2 é definido por T −1 (a + bx) = (a, b − a). Assim, os espaços vetoriais
IR2 e P1 (IR) são isomorfos.
T : V −→ IF n
u −→ T (u) = (c1 , · · · , cn )
Podemos verificar facilmente que T é uma transformação linear. Pelo Teorema 3.7.1,
temos que T é uma transformação linear injetora e pelo Teorema do núcleo e da imagem
obtemos que Im(T ) = IF n . Logo, T é sobrejetora. Portanto, T é uma transformação
linear bijetora, o que completa a demonstração.
Demonstração
Exemplo 4.5.3 Em muita situações identificamos o espaço vetorial IRn com o espaço
vetorial das matrizes reais de ordem n × 1. Esta identificação é feita, muitas vezes, sem
que façamos alguma referência ao fato que esses espaços vetoriais sejam isomorfos. Uma
ilustração muito simples dessa idéia, é quando estamos trabalhando com espaço solução
de um sistema linear homogêneo, veja Teorema 2.9.8, considerando a representação
matricial para sistemas lineares. Desse modo, existe um isomorfismo evidente entre o
espaço vetorial real IRn e o espaço vetorial real IMn×1 (IR), definido da seguinte forma:
x1
.
..
(x1 , · · · , xi , · · · , xn ) ∈ IRn −→ xi ∈ IMn×1 (IR) .
.
..
xn
Assim, sempre que conveniente vamos fazer a identificação do espaço vetorial real IRn
com o espaço vetorial real IMn×1 (IR), em geral, por simplicidade de notação.
é uma base ordenada para C2 . Logo, temos que dim( C2 ) = 4. Considere agora o espaço
vetorial real IR4 com a base canônica β = { e1 , e2 , e3 , e4 }, onde
e1 = (1, 0, 0, 0)
e2 = (0, 1, 0, 0)
e3 = (0, 0, 1, 0)
e4 = (0, 0, 0, 1)
T (z, w) = (a , b , c , d) ,
para a, b, c, d ∈ IR, pois todo elemento de C2 é escrito de modo único como uma
combinação linear dos elementos de γ.
= (a , b , c , d)
o que completa a construção do isomorfismo T .
Assim, mostramos que C2 como um espaço vetorial real é isomorfo ao espaço vetorial
real IR4 .
248 Álgebra Linear e suas Aplicações: Notas de Aula
Exercı́cios
Exercı́cio 4.26 Mostre que o operador linear T sobre IR3 definido por:
T (x, y, z) = (x − 2y , z , x + y)
é um isomorfismo de IR3 .
Exercı́cio 4.27 Mostre que a transformação linear T : IR3 −→ P2 (IR) definida por:
T (a, b, c) = (a − b) + (c − a)x + (b + c)x2
é um isomorfismo de IR3 em P2 (IR).
Exercı́cio 4.28 Mostre que o espaço vetorial real IR2 é isomorfo ao subespaço S do
espaço vetorial real IR3 definido por:
S = { (x, y, z) ∈ IR3 / x − y + 2z = 0 } ,
exibindo um isomorfismo T de IR2 em S.
Exercı́cio 4.29 Mostre que o espaço vetorial real IR2 é isomorfo a qualquer subespaço
S do espaço vetorial real IR3 tal que dim(S) = 2, exibindo um isomorfismo T de
IR2 em S.
Exercı́cio 4.30 Mostre que o espaço vetorial real IR3 é isomorfo ao subespaço S do
espaço vetorial real IM2 (IR) definido por:
(" # )
a b
S = / a, b, c ∈ IR ,
0 c
exibindo um isomorfismo T de IR3 em S.
Exercı́cio 4.31 Seja V um espaço vetorial real, com dim(V ) ≥ 3. Mostre que o
espaço vetorial real IR3 é isomorfo a qualquer subespaço S do espaço vetorial V tal
que dim(S) = 3, exibindo um isomorfismo T de IR3 em S.
Exercı́cio 4.32 Mostre que o espaço vetorial real IR3 é isomorfo ao espaço vetorial real
IM3×1 (IR), exibindo um isomorfismo T de IR3 em IM3×1 (IR).
Exercı́cio 4.33 Mostre que C2 como um espaço vetorial real é isomorfo ao espaço
vetorial real IM2 (IR) , exibindo um isomorfismo T de C2 em IM2 (IR).
Petronio Pulino 249
Demonstração
T + OL = T ; ∀ T ∈ L(V, W ) ,
Finalmente, devemos mostrar que a operação de multiplicação por escalar tem as seguintes
propriedades:
(M1 ) Associatividade. (α β) T = α (β T ) ; ∀ T ∈ L(V, W ) e ∀ α, β ∈ IF .
Teorema 4.6.2 Sejam V e W espaços vetoriais de dimensão finita sobre o corpo IF,
com dimensões n e m, respectivamente. Então, o espaço vetorial L(V, W ) tem
dimensão finita e dim( L(V, W ) ) = nm.
Definição 4.6.6 Seja V um espaço vetorial sobre o corpo IF . Denotamos por L(V ) o
conjunto de todos os operadores lineares sobre V , isto é,
Pelo Teorema 4.6.1, temos que L(V ) é um espaço vetorial sobre o corpo IF com as
operações de adição de operadores e multiplicação por escalar definidas para transformações
lineares.
Petronio Pulino 251
T0 = I , T1 = T , T2 = T ◦ T e T n = T ◦ T n−1 para n ∈ IN .
Exemplo 4.6.3 Considere o espaço vetorial real IR3 . O operador linear de projeção
sobre o plano xy
T : IR3 −→ IR3
Exemplo 4.6.4 Considere o espaço vetorial real IR2 . O operador linear de reflexão em
torno do eixo–ox
T : IR2 −→ IR2
Vamos mostrar que L é única. Suponhamos que T possui duas inversas a esquerda
L1 e L2 , isto é, para todo u ∈ V tem–se que
(L1 ◦ T )(u) = u e (L2 ◦ T )(u) = u .
Temos que L1 (w) = u e L2 (w) = u para w ∈ Im(T ). Desse modo,
L1 (w) − L2 (w) = 0V =⇒ ( L1 − L2 )(w) = 0V ; w ∈ Im(T ) .
Logo, L1 = L2 , o que prova a unicidade de L.
Primeiramente vamos observar que o subespaço Im(T ) = [(1, 2)]. Logo, todo elemento
(x, y) ∈ Im(T ) é da forma (x, 2x). Além disso, a transformação linear T é injetora.
Desse modo, apresentamos um excelente exemplo para o Teorema 4.7.1, mostrando que a
existência e unicidade da inversa a esquerda implica na existência e unicidade da inversa
a direita e que são iguais.
T (x, y) = x + y .
Logo, dim( Ker(T ) ) = 1, o que implica na Im(T ) = IR, pelo Teorema do núcleo e da
imagem.
TA (x, y) = (x + y, 2x + y) ,
" #
1 1
associada à matriz A = .
2 1
L(x, y) = (−x + y, 2x − y)
" #
−1 1
associada à matriz A−1 = .
2 −1
Assim, temos que (L ◦ T )(x, y) = (T ◦ L)(x, y) = (x, y) para todo (x, y) ∈ IR2 .
T (x, y) = (x + y, y − x, x + 3y) .
Note que a transformação linear T é injetora e que o subespaço Im(T ) tem como
uma base o conjunto { (1, −1, 1), (1, 1, 3) }.
Assim, temos que (L ◦ T )(x, y) = (x, y) para todo (x, y) ∈ IR2 . Além disso, temos que
(T ◦ L)(x, y, z) = (x, y, z) para todo (x, y, z) ∈ Im(T ).
Desse modo, desenvolvemos dois exemplos como ilustração do Teorema 4.7.2, sobre a
existência da inversa a esquerda, que vamos apresentar a seguir.
256 Álgebra Linear e suas Aplicações: Notas de Aula
Demonstração
Logo, T é injetora.
(⇐=) Por hipótese temos T injetora. Seja w ∈ Im(T ), isto é, w = T (u) para um
único u ∈ V . Assim, definimos a transformação L : Im(T ) −→ V da seguinte forma
L(w) = u tal que T (u) = w. Logo, L é a inversa a esquerda de T , o que completa
a demonstração.
T −1 (λ w1 + w2 ) = λ T −1(w1 ) + T −1 (w2 ) .
T (λ u1 + u2 ) = λ T (u1) + T (u2) = λ w1 + w2 .
T −1 (λ w1 + w2 ) = λ u1 + u2 = λ T −1 (w1 ) + T −1 (w2 ) ,
T (x, y) = (x + y, x − y) .
Inicialmente vamos mostrar que T é um isomorfismo sobre IR2 . Para isso, basta mostrar
que Ker(T ) = { 0IR2 }, e em seguida utilizar o Teorema do núcleo e da imagem para
mostrar que Im(T ) = IR2 , isto é, T é um operador sobrejetor. Assim, provamos que
T é um operador bijetor.
Para determinar o núcleo do operador T , temos que encontrar os elementos (x, y) ∈ IR2
tais que
(
x + y = 0
T (x, y) = (x + y, x − y) = (0, 0) =⇒ .
x − y = 0
Podemos verificar facilmente que o sistema linear homogêneo acima possui somente a
solução trivial x = y = 0. Logo, Ker(T ) = { 0IR2 }.
Podemos verificar facilmente que γ = { (1, −1), (0, 1) } é uma base para o IR2 . Para
isso, basta mostrar que γ é linearmente independente.
Vamos tomar um elemento genérico (a, b) ∈ IR2 e representa–lo com relação à base
ordenada γ, isto é, vamos representa–lo através da combinação linear
Desse modo, temos que o elemento (a, b) ∈ IR2 é escrito de modo único como:
Finalmente, fazendo
T (a, b) = aT (1, −1) + (a + b)T (0, 1)
= a(2 + x) + (a + b)(x − 1)
= (a − b) + (2a + b)x
obtemos a transformação linear T dada por:
Para mostrar que T é um isomorfismo, basta mostrar que Ker(T ) = { 0IR2 }. Assim,
considerando um elemento (a, b) ∈ Ker(T ), temos que
(c − d) + (2c + d)x = a + bx ,
T (x, y, z) = (x − y, 2y, y + z)
1
é invertı́vel e T −1 é dado por: T −1 (x, y, z) = (2x + y, y, 2z − y).
2
Para mostrar que T é um operador invertı́vel, basta mostrar que T é um operador
bijetor, isto é, T é um automorfismo de IR3 . Para isso, vamos determinar o núcleo do
operador T , isto é, vamos encontrar os elementos (x, y, z) ∈ IR3 tais que
Portanto, pelo teorema do núcleo e da imagem temos que Im(T ) = IR3 . Logo, T é
um automorfismo de IR3 .
Dado (x, y, z) ∈ IR3 , supomos que T −1 (x, y, z) = (a, b, c), então (x, y, z) = T (a, b, c).
Assim, obtemos o sistema linear
a − b = x
(x, y, z) = (a − b, 2b, b + c) =⇒ 2b = y
b + c = z
T2 − T + I = 0 ⇐⇒ (T − I)T + I = 0 ⇐⇒ (I − T )T = I .
D : P3 (IR) −→ P2 (IR)
T : P2 (IR) −→ P3 (IR)
Z x
p(x) −→ T (p(x)) = p(t)dt .
0
Exemplo 4.7.12 Considere os seguintes operadores lineares sobre o espaço vetorial P(IR)
T (a + bx) = (a, a + b)
T −1 (c, d) = c + (d − c)x .
Ker(T ) ∩ Im(T ) = { 0V } .
Ker(T ) ∩ Im(T ) = { 0V } .
Vamos mostrar que T é um isomorfismo mostrando que { (1, 1) , (1, −1) } é uma base
de IR2 , e que { 1 − x , 1 + 3x } é uma base de P1 (IR).
Dessa forma teremos que T leva base em base, demonstrando que T é um isomorfismo.
Como IR2 e P1 (IR) tem dimensão 2, basta mostrar que esses dois conjuntos são
linearmente independente, pois cada um deles tem 2 elementos.
α = { 1 − x , 1 + 3x } ,
isto é,
p(x) = a0 + a1 x = m(1 − x) + n(1 + 3x) .
Assim, podemos escrever o isomorfismo inverso T −1 da seguinte maneira:
= mT −1 (1 − x) + nT −1 (1 + 3x)
( I − T )2 = I − 2T + T 2 = I − T
I − T = ( I − T )2 = I − 2T + T 2
Uma aplicação direta dos resultados do Exemplo 4.7.14 e do Exemplo 4.7.16, será feita
quando da apresentação de projeção ortogonal em subespaço de dimensão finita, que
vamos estudar com todo detalhe na seção 5.15.
Petronio Pulino 267
Exercı́cios
Exercı́cio 4.34 Determine o operador linear T : IR2 −→ IR2 que representa a reflexão
em torno da reta y = −x, utilizando conceitos de geometria analı́tica. Mostre que T é
um operador auto–reflexivo.
Exercı́cio 4.35 Determine o operador linear P : IR3 −→ IR3 que representa a projeção
no plano S = { (x, y, z) ∈ IR3 / x + y + z = 0 }, utilizando conceitos de geometria
analı́tica. Mostre que P é um operador idempotente.
Exercı́cio 4.36 Seja T ∈ L(IR2 ) tal que T (1, 0) = (2, 1) e T (0, 1) = (1, 4).
(a) Determine T (2, 4).
(b) Determine o elemento (x, y) ∈ IR2 tal que T (x, y) = (2, 3).
onde os escalares t1j , · · · , tmj ∈ IF são as coordenadas do elemento T (vj ) com relação
à base ordenada γ de W . Desse modo, a transformação linear T fica bem determinada
pela matriz m × n cuja j–ésima coluna são as coordenadas do elemento T (vj ) com
relação à base ordenada γ de W . Vamos denotar essa matriz por [T ]βγ = [tij ] , que é a
representação matricial da transformação linear T com relação à base ordenada β de
V e a base ordenada γ de W .
onde n
X
tij cj
j=1
Pelo Teorema 4.8.1, sabemos que existem escalares aij e bij , para i = 1, · · · , n e
j = 1, · · · , m , tais que
m
X m
X
T (vj ) = aij wi e P (vj ) = bij wi
i=1 i=1
m
X m
X
= aij wi + bij wi
i=1 i=1
m
X
= (aij + bij ) wi
i=1
Assim, justifica a notação [I]βγ para a matriz de mudança da base β para a base γ.
dim(V ) = dim(W ) = n ,
Exemplo 4.8.2 Considere os espaços vetoriais P1 (IR) e IR2 com as respectivas bases
canônicas γ = { 1 , x } e β = { (1, 0), (0, 1) }. Para a transformação linear T de
P1 (IR) em IR2 definida por:
T (a + bx) = (a , a + b) ,
temos que
" # " #
1 0 1 0
[T ]γβ = e [T −1 ]βγ = ( [T ]γβ )−1 = .
1 1 −1 1
T −1 (c, d) = c + (d − c)x ,
T : IR2 −→ IR2
T : IR2 −→ IR2
γ = { (1, 1) , (−1, 1) } .
272 Álgebra Linear e suas Aplicações: Notas de Aula
T : P3 (IR) −→ P2 (IR)
T : IR3 −→ IR2
T : IR3 −→ IR2
T : IR3 −→ IR3
T : IR3 −→ IR3
T : P2 (IR) −→ P3 (IR)
p −→ q = T (p)
com Z x
q(x) = T (p(x)) = p(t)dt .
0
0 0 0 0
1 6 0 0
1 0
Resposta: [T ]βγ = e [q]γ = [T ]βγ [p]β =
6 0 3 0 6 3
0 0 2 4
Exemplo 4.8.11 Considere o operador linear T : IM2 (IR) −→ IM2 (IR) definido por:
" #! " #
a b 2a + b 2b
T = .
c d 2c 3d
2 0 1 0
0 2 0 0
Resposta: [T ]ββ =
0 0 2 0
0 0 0 3
Petronio Pulino 275
W = { x v1 + y v2 + z v3 ∈ V / x − y + z = 0 para x, y, z ∈ IR } .
Portanto, obtemos que a matriz do operador T com relação à base β é dada por:
0 1 −1
β
[T ]β = 1 0 1 .
0 0 1
Ker(T ) = { v = x v1 + y v2 + z v3 ∈ V / T (v) = 0V } .
T (v) = (b − c) v1 + (a + c) v2 + c v3 = 0V ,
Conhecemos as matrizes [I]βγ e [T ]γγ , para encontrar [T (e1 )]γ , vamos determinar
inicialmente [e1 ]γ da seguinte forma:
0 0 1 0 1 0
0 0 0 10 0
[e1 ]γ = [I]βγ [e1 ]β ⇐⇒ [e1 ]γ = = .
0 1 0 00 0
1 0 0 0 0 1
Finalmente, calculamos
1 0 0 1 0 1
0 1 0 0 0 0
[T (e1 )]γ = [T ]γγ [e1 ]γ ⇐⇒ [T (e1 )]γ = = ,
0 0 1 1 0 1
0 0 0 0 1 0
o que completa a resolução.
Petronio Pulino 277
Pelo Teorema do núcleo e da imagem, sabemos que Im(T ) = P3 (IR), isto é, T é um
operador sobrejetor. Portanto, mostramos que T é um automorfismo de P3 (IR).
T (x) = 1 + 2x
T (x2 ) = 2x + 3x2
Podemos verificar que a matriz [TA ]βγ = A, onde β é a base canônica do IRn e γ é a
base canônica do IRm . Assim, [TA (x)]γ = [TA ]βγ [x]β = A[x]β para todo x ∈ IRn .
Corolário 4.8.3 Sejam A ∈ IMm×n (IR) e Q ∈ IMn (IR) uma matriz invertı́vel. Então,
posto(AQ) = posto(A) .
Exemplo 4.8.19 Considere a matriz A ∈ IM4×3 (IR) e Q ∈ IM3 (IR) uma matriz
invertı́vel dadas por:
1 3 4
−1 5 2 1 0 1
A = e Q = 0 1 1 .
3 1 6
1 1 0
1 1 1
(a) Determine as transformações lineares TA , TQ e TAQ .
Teorema 4.8.5 Sejam A ∈ IMm×n (IR) e P ∈ IMm (IR) uma matriz invertı́vel. Então,
posto(P A) = posto(A) .
Exercı́cios
T (x, y, z) = (x − y + z , −x + 2z) .
T (x, y, z) = (x − y + z , x + y + 2z , x + 2y + z) .
T (x, y) = (x + 2y , 2x + 4y) .
Determine [T ]ββ , [T ]βα , [T ]αβ e [T ]γα , onde as base β , α e γ são dadas por:
T (x, y, z) = ( x + 2y + z , 2x − y , 2y + z ) .
Determine as matrizes [T ]ββ , [T ]γβ e [T ]βγ , onde as bases β e γ são dadas por:
T (x, y, z) = (x + y − z , 2x − y + 2z) .
Exercı́cio 4.46 Mostre que a transformação linear T : P2 (IR) −→ IR3 definida por:
T (p(x)) = (p(−1), p(0), p(1)) é bijetora. Determine a matriz [T ]γβ , onde γ é a base
canônica de P2 (IR) e β é a base canônica de IR3 .
Exercı́cio 4.47 Mostre que o operador linear T sobre IR3 definido por:
T (x, y, z) = (x − y, 2y, y + z)
é invertı́vel e determine o isomorfismo inverso T −1 , utilizando a matriz [T ]ββ , onde β
é a base canônica do IR3 .
Exercı́cio 4.49 Considere a matriz A ∈ IM3×2 (IR) e P ∈ IM3 (IR) uma matriz
invertı́vel dadas por:
1 0 1 0 1
A = 2 1 e P = 0 1 1 .
1 −1 1 1 0
Verifique que posto(P A) = posto(A).
Exercı́cio 4.50 Sejam A ∈ IMm×n (IR), P ∈ IMm (IR) e Q ∈ IMn (IR) matrizes
invertı́veis. Mostre que posto(P AQ) = posto(A).
282 Álgebra Linear e suas Aplicações: Notas de Aula
Exercı́cio 4.51 Sejam A ∈ IMm×n (IR) e H ∈ IMm (IR) uma matriz elementar de
linha. Mostre que posto(HA) = posto(A). Sugestão: faça uso do Teorema 2.7.4.
Exercı́cio 4.52 Sejam A ∈ IMm×n (IR) e K ∈ IMn (IR) uma matriz elementar de
coluna. Mostre que posto(AK) = posto(A). Sugestão: faça uso do Teorema 2.7.5.
[2] Tom M. Apostol, Calculus, Volume I, Second Edition, John Wiley & Sons, 1976.
[3] Tom M. Apostol, Calculus, Volume II, Second Edition, John Wiley & Sons, 1976.
[4] Tom M. Apostol, Linear Algebra–A First Course with Applications to Differential
Equations, John Wiley & Sons, 1997.
[5] Alexander Basilevsky, Applied Matrix Algebra in the Statistical Sciences, Dover, 1983.
[10] S. H. Friedberg, A. J. Insel and L. E. Spence, Linear Algebra, Prentice– Hall, Third
Edition, 1997.
[11] Gene H. Golub & Charles F. Van Loan, Matrix Computations, Third Edition, John
Hopkins, 1996.
[13] Roger A. Horn and Charles R. Johnson, Matrix Analysis, Cambridge University
Press, 1996.
[14] Bernard Kolman e David R. Hill, Introdução à Álgebra Lienar com Aplicações, LTC,
Oitava Edição, 2006.
[15] Serge Lang, Introduction to Linear Algebra, Second Edition, Springer, 1986.
[16] Elon L. Lima, Álgebra Linear , Coleção Matemática Universitária, IMPA, 1996.
735
736 Álgebra Linear e suas Aplicações: Notas de Aula
[18] Seymour Lipschutz, Álgebra Linear , Terceira Edição, Makron Books, 1994.
[20] Patricia R. de Peláez, Rosa F. Arbeláez y Luz E. M. Sierra, Algebra Lineal con
Aplicaciones, Universidad Nacional de Colombia, 1997.
[21] Gilbert Strang, Linear Algebra and its Applications, Third Edition, Harcourt Brace
Jovanovich Publishers, 1988.
[22] David S. Watkins, Fundamentals of Matrix Computations, John Wiley & Sons, 1991.