Espaço Vectorial e Transformações Lineares

Nobody
every
procrastinat
ed their way
to the top.
Espao Vetorial e
Transformaes
Lineares
Parte I
Espao Vectorial
Definio
Um espao vectorial real um conjunto
V , no vazio, com estas duas
operaes definidas:
1 Condio: Existe uma adio com as seguintes propriedades:
- Fecho: A soma de quaisquer dois elementos de V
elemento de
um
x , y V , x + y V
- Comutatividade: A ordem por que feita a soma de vectores de
no afecta o resultado.
x , y V , x + y= y+ x
- Associatividade: Numa soma de pelo menos 3 vectores de V
,a
prioridade atribuda a cada soma no afecta o resultado.
x , y V , ( x + y ) + z=x +( y + z )
- Existncia de elemento neutro: Existe um elemento de
soma com cada elemento de
cuja
no o altera.
0v V : x V , x + 0 v =x
- Existncia de elemento simtrico: Cada elemento de
pode
ser somado com outro para resultar no elemento neutro da soma.
x , x
V : x+ (x )= 0v
2 Condio: Existe multiplicao por um escalar com as seguintes

propriedades:
- Fecho: A multiplicao de qualquer nmero real por qualquer
elemento de
um elemento de
V .
R , x V , x V
- Associatividade: Numa multiplicao entre pelo menos 2 nmeros
reais e 1 elemento de
V , a prioridade atribuda a cada multiplicao no
afecta o resultado.
You need to know what life you want (as

well as what life1you don't want), then you
have to muster up the will and the drive to
, R , x V , ( ) x= ( x)
R : A multiplicao entre uma soma de
- Distributividade em
nmeros reais e um elemento de
igual soma da multiplicao de
cada um dos nmeros reais por esse elemento.
, R , x V , ( + ) x=x + x
- Distributividade no espao: A multiplicao de um nmero real
pela soma de elementos de
igual soma da multiplicao desse
nmero real por cada um dos elementos.
, R , x , y V , ( x+ y )=x+ y
- Existncia de elemento neutro: A multiplicao de 1 por cada
elemento de
resulta nesse elemento.
x V , 1 x=x
Combinao Linear
Sejam
um espao vectorial,
a1 , a2 , , an
v1 , v2 , , vn
nmeros reais. Um vector
vectores em
a1 v 1 +a2 v 2 + ,+ an v n
Nota Bem: Os elementos do espao Vectorial
ai vi
i=1
so chamados de
vectores.
Exemplo: Considerando os seguintes vectores:
v 1= (1,2,1 )
1,0,2
v 2= )
v 3=(1,1,0)
Verifique se
v =(1,2,4)
uma combinao linear de
v 1 , v 2 , , v n se existem nmeros reais tais que:

v
uma combinao linear de
v1 , v2 , v3 .

v
v
=
=
Sendo
v =(1,2,4)
a1 v 1 +a2 v 2 +a 3 v 3
a1 ( 1,2,1 )+ a2 (1,0,2)+ a3 (1,1,0)
(a1 , 2 a1 , a 1)+(a2 ,0,2 a2 )+(a3 ,a 3 , 0)

=
(a1 +a 2+ a3 ,2 a1 +a 3 , a 1+2 a 2)
tem-se que:
(1,2,4) =
(a1 +a 2+ a3 ,2 a1 +a 3 , a 1+2 a 2)
Assim temos:
a1 +a2 +a3 =1
a1=2
2 a1+ a3=2 a2=1
a1+ 2a 2=4
a3=2
Sejam
um espao vectorial e
{ v1 , v 2 , , v n }
conjunto
combinao linear de
v1 , v2 , v3
v1 , v2 , , vn
V . Dizemos que o
Linearmente Independente (LI), ou que os
v 1 , v 2 , , v n so Linearmente Independentes, se a equao:
vectores
a1 v 1 +a2 v 2 ++ an v n=0
Isso implica que
dizemos que
a1=a2=a n=0 . No caso em que exista algum
{ v1 , v 2 , , v n }
a1 0
Linearmente Dependente (LD), ou que os
v 1 , v 2 , , v n so LD.
vectores
Nota Bem: Um conjunto de vectores linearmente independente se e s se

a nica combinao linear dos seus vectores que iguala o vector nulo do
espao que o contm aquela cujos coeficientes so todos 0.
Propriedades:
Sejam
um espao vectorial e
v1 , v2 , , vn
V . So vlidas as
seguintes propriedades:

- Qualquer conjunto X que contenha o vector nulo Linearmente

Dependente. Em particular, o conjunto {0}
Linearmente
Dependente.
- Se
v1 , v2 , , vn
no nulos so Linearmente Dependente se, e s se,
um mltiplo escalar do outro.
v 1 , v 2 , , v n so o Linearmente Dependente, ento,
- Sendo que
qualquer que seja
v1 , v2 , , vn ,
Linearmente Dependentes.
- Se X Linearmente Independente e Y X, ento Y Linearmente

Independente.
- Um conjunto {
v 1 , v 2 , , v n } Linearmente Dependente se, e
somente se, ao menos um dos vectores combinao linear dos demais.

Exemplo:
Para verificar se os vectores (1, 1, 1), (0,1, 1) e (1, 0, 1) so linearmente
independentes temos que resolver o sistema homogneo resultante da
igualdade:
1 (1, 1, 1) +
2 (0,1, 1) +
2 (1, 0, 1) = (0, 0, 0)
Matricialmente, corresponde a [A|0]:
1 0 1 0
1 1 0 0
1
1 1 0
O sistema sempre possvel por ser homogneo. Assim, os vectores so

linearmente independentes se este sistema for determinado, isto , se a
caracterstica de A coincidir com o nmero de vectores (n de variveis).
Assim temos que estudar a car(A).
1 Possibilidade: Atravs do determinante
1 0 1
1 1 1
c 2=c2 + c1 1
1 1 0
0 0
1
1 1
1
2 1
Aplicando o Teorema de Laplace

Det
Uma
1 0 1
1 1 0
1
1 1
vez
que
0 Car ( A )=n=3
1+2
= 1* (1)
uma
| |
1 1
2 1
matriz
= -1 * [(-1*1) (1*2)] = 3
quadrada
tem
determinante
-> o sistema possvel e determinado
2 Possibilidade: Clculo directo da caracterstica.
1 0 1 0
1 1 0 0
1
1 1 0
l 3=l 3 + l 2
] [
1 0 1 0
l 2=l 2 +l 1
0 1 1 0
l 3=l 3 +l 1 0
1 2 0
1 0 1 0
0 1 1 0
0
0 3 0
Sendo caracterstica o n de linhas no nulas, temos que Car(A) = Car(A|B)

= n = 3, logo o sistema possvel e determinada.
Concluso: Os trs vectores so linearmente independentes. Notemos que
a matriz A a matriz formada pelos 3 vectores em coluna
Caso Geral: O sistema linear homogneo com as incgnitas
admite unicamente a soluo nula
Neste caso, os vectores
a1=a2=a m=0
a1 , a2 , , am ,
se e s se Car(A) = m.
X 1 , X 2 , , X m so linearmente independentes.
Se Car(A) < m, o sistema admite um infinidade de solues. Neste caso, os

vectores
X 1 , X 2 , , X m so linearmente dependentes.
Teorema: Sendo A uma matriz de ordem n m com caracterstica p,

existem p colunas e p linhas linearmente independentes e quaisquer r
colunas e r linhas, com r > p, so linearmente dependentes.
Subespaos Vectoriais
Dado um espao vectorial
V , muitas vezes possvel formar um outro
espao vectorial usando um subconjunto S de

Como
e as operaes de
V .
um espao vectorial, as operaes de soma e multiplicao
por um escalar produzem sempre um outro vector em

Para um novo sistema, usando um subconjunto S de
V .
V , ser um espao
vectorial, o conjunto S tem que ser fechado em relao s operaes de

soma e multiplicao por um escalar. Por outras palavras, a soma de dois

elementos de S tem que ser sempre um elemento de S e a multiplicao de

um elemento de S por um escalar tem que pertencer sempre a S.
Definio: Seja
um espao vectorial. Um subconjunto S , de
um subespao vectorial de
se, e s se, satisfaz as seguintes
condies:
Se u , v S (u+v )S ( fechado para a adi o);

Se R um escalar arbitr rio e u S , ent o u S ( fechado para a multiplica o escalar);
As suas propriedades so:

Um subconjunto S de um espao vectorial
se e s se for:
- No vazio: S contm pelo menos um elemento.
xS
- Fechado para a soma: A soma de quaisquer dois elementos de S

um elemento de S.
x , yS ,x+ y S
- Fechado para a multiplicao por nmeros reais: A

multiplicao de qualquer nmero real por qualquer elemento de S um
elemento de S.
R , x S , x S
OBS: Se S um subespao de um espao vectorial

vector nulo de
Nota Bem: Se
V , ento S contm o
V .
V
um espao vectorial, ento
um subespao
dele mesmo. O conjunto formado apenas pelo vector nulo tambm um

subespao de
V . Assim, qualquer espao vectorial no nulo
tem
pelo menos dois subespaos. O prprio E e o conjunto {0} constitudo

apenas pelo vector nulo em
chamado o subespao nulo (os chamados
subespaos triviais).
Teorema: Seja
um espao vectorial e A =
0 . O conjunto S de todos os vectores de
{ v1 , v 2 , , v m } V
com A
V , que so combinaes
lineares dos vectores A, um subespao vectorial de V.

S=
{ a1 v 1 +a 2 v2 + + am v m :a 1=a2==am R }
Geradores de um Subespao Vectorial

Definio: Um conjunto de geradores para um espao vectorial
conjunto B de vectores de
tal que qualquer vector
de
um
pode
ser expresso como uma combinao linear (finita) dos vectores de B, isto ,
a1 v 1 +a2 v 2 ++ am v m
v 1 , v 2 , , v m ento qualquer vector
gerado por
a1 v 1 +a2 v 2 ++ am v m
Notao: Se B gera
a1 , a2 , , am
. Assim,
tais que
={
geram
R}.
{ v1 , v 2 , , v m }
V = B> ; se B =
v1 , v2 , , vm
V
V
de
a1 v 1 +a2 v 2 ++ am v m : i, ai
V , escrevemos
dizemos que os vectores
B.
v1 , v2 , , vm ,
pode ser expresso como uma combinao linear dos vectores

isto , existem escalares
vi
um escalar e cada
V , ou que os vetores de B geram
Neste caso, dizemos que B gera

Se
ai
onde cada
e escrevemos
V = v 1 , v 2 , , v m > .
Exemplo:
= [(1, 0), (0, 1)] pois para qualquer vector
= (x, y) = x(1, 0) + y(0, 1). Do mesmo modo,
(0, 1, 0); (0, 0, 1)] pois para qualquer vector
x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1). Generalizando,
= (x, y) de
= [(1, 0, 0);
= (x, y, z) de
Rn = [(1, 0, 0, ..., 0),(0,
1, 0, ..., 0), ...,(0, 0, 0, , 1)].

Observao:
Se a um conjunto de geradores de um subespao vectorial
um qualquer vector de
juntarmos
obtemos ainda um conjunto de geradores de
V . Por outro lado, se num conjunto de geradores um dos vectores for

combinao linear dos restantes, ento o conjunto obtido retirando esse
vector ainda um conjunto de geradores de
de um conjunto de geradores de
subconjunto deste que ainda gere
V . Repetindo este processo,
podemos sempre obter um

e seja formado por vectores
linearmente independentes.

Teorema: Se
gerado por m vectores, quaisquer r vectores de
com r> m, so linearmente dependentes. Isto , se em
V ,
h r vectores
linearmente independentes, ento quaisquer m vectores de S, com m <r,

no geram S.
Se os vectores
{ v1 , v 2 , , v m }
v m +1 V
V , ento existe
geram
so linearmente independentes e no
{ v1 , v 2 , , v m , v m+1 }
tal que
so
linearmente independentes.
Concluso: De facto, dado um espao vectorial
um conjunto gerador de
V , desejvel encontrar
com to poucos elementos quanto possvel, a
que chamamos conjunto gerador mnimo. Por mnimo, queremos dizer um

conjunto gerador sem elementos desnecessrios, isto , todos os elementos
no conjunto so necessrios para se gerar o espao vectorial. Para se ver
como encontrar um conjunto gerador mnimo, preciso considerar como os
vectores no conjunto dependem uns dos outros.
Base de um Subespao Vectorial
Os elementos de um conjunto gerador mnimo formam peas bsicas para a
construo de todo o espao vectorial e, por causa disso dizemos que
formam uma base para o espao vectorial.
Definio: Uma base para um espao vectorial
vectores linearmente independentes que gera
Teorema: Seja
um conjunto de
V .
um espao vectorial finitamente gerado1. Ento:
a) Qualquer conjunto finito de geradores de

b) Se
contm uma base de
V ;
tem um conjunto de geradores com n vectores ento qualquer
conjunto com mais de n vectores Linearmente Dependente;

c) Qualquer base de
tem sempre a mesma quantidade de vectores;
d) Qualquer conjunto Linearmente Independente pode ser completado para

formar uma base de
V .
Dimenso de um Subespao Vectorial
1 Dizemos que espao vectorial
finitamente gerado quando
e existe um conjunto finito de vectores que gera V.

no nulo
Definio: A dimenso de um espao vectorial no nulo
o nmero
R2 = 2; dim
R2
a) Qualquer conjunto com n vectores L.I. de V forma uma base de
V;
V . Assim, dim
de vectores de qualquer base de
Rn
dim
Se
= 2;
= n.
V um espao vectorial de dimenso n, ento:
b) Qualquer conjunto com n vectores que geram
V , forma uma base de
V ;
c) Qualquer conjunto com mais de n vectores L.D.;
d) Qualquer conjunto com menos de n vectores no gera
Teorema: Seja
a) dim
b) Se dim
= dim
dim
um subespao de
V .
V . Ento:
W =V .
ento
OBS: Dado um conjunto C de vectores geradores de um subespao vectorial
V , existe uma base de
formada por vectores em C. Dado um
conjunto C de vectores linearmente independentes de um subespao
V , existe uma base de
vectorial
contendo os vectores de C.
Coordenada de um Vector numa Base

Sejam
de
{ v1 , v 2 , , v m }
um espao vectorial e B =
V . Para
uma base ordenada
v =a1 v 1 +a2 v 2 ++ am v m , os escalares
chamados coordenadas de
em relao base B e
chamado o vector das coordenadas de
a1 , a2 , , am so
[v ]B
[]
a1
a2
am
em relao base B.
OBS: Mudando a posio dos vectores da base, muda tambm o vector das
coordenadas.
Parte II
Transformaes Lineares

Introduo
Estamos familiarizados com funes ordinrias, tais como a funo f
definida pela equao f(x) =
x 2 . Essa equao transforma um nmero
real em outro nmero real, no caso, seu quadrado. Estudaremos agora

funes que transformam vectores em vectores.
Transformaes lineares so funes cujos domnios e contradomnios so
subconjuntos de espaos lineares, os quais ainda preservam a estrutura do
espao linear.
Funo de A em B [ f : A B ]
Sejam dois conjuntos A e B. Se a cada elemento
e um s elemento
A for associado um
B, dir-se- que foi definida uma transformao
ou aplicao de A em B . T: A B .
Ao elemento
d-se o nome de imagem ou transformada de
pela
transformao T : b = T(a). O conjunto das imagens de todos os elementos

de A, chama-se contradomnio da transformao - T(A) - sendo A o seu
domnio.
Definio:
V e
Sejam
dois
espaos
vectoriais.
Transformao Linear ou Homomorfismo uma funo de
Uma
V em
W , T : V W , satisfazendo as seguintes condies:
- Linear na soma: A imagem da soma de quaisquer dois objectos de

a soma das imagens desses objectos.
x 1 , x 2 A , T ( x 1 + x2 ) =T ( x 1 ) +T (x2 )
- Linear na multiplicao por escalares (ou nmeros reais): A
imagem do produto de qualquer objecto de
T por qualquer nmero real
o produto desse nmero real pela imagem desse objecto.
R , x A , T ( x )=T ( x)
OBS:
Uma
transformao
endomorfismo de
linear
de
Rn em
Rn
Rn .
Exemplo:
T ( x , y , z )=(x + y + z ,0)

10you don't want), then you
well as what life
diz-se
um
uma transformao linear porque os seus domnio e contradomnio (
R3
R2 , respectivamente) so espaos vectoriais e porque :
- Linear na soma:
1 maneira:
=
r 1=( x 1 , y1 , z1 )
r 2=( x 2 , y 2 , z 2)
T ( r 1 +r 2 ) =T [ ( x 1 , y 1 , z1 ) + ( x 2 , y 2 , z 2 ) ]
T [ ( x 1 + x 2 , y 1 + y 2 , z 1+ z2 ) ]
( x 1+ x 2 + y 1 + y 2 + z1 + z 2 , 0 )
maneira:
T ( r 1 ) +T ( r 2 )=T ( x1 , y 1 , z 1 ) +T ( x 2 , y 2 , z 2 ) =( x 1+ y 1 + z 1 ,0 ) + ( x 2+ y 2+ z 2 , 0 )
( x 1+ x 2 + y 1 + y 2 + z1 + z 2 , 0 )
T ( r 1+ r 2 )=T ( r 1 ) +T ( r 2 )
- Linear na multiplicao por escalares (ou nmeros reais):
R , r =( x , y , x ) R
1 maneira:
T ( r )=T [ ( x , y , z ) ] =T ( x , y , z )=(x+y +z , 0)
2 maneira:
T ( r )= T ( x , y , z ) = ( x+ y+ z , 0 ) =(x + y +z , 0)
OBS: Uma transformao linear de
em
fica definida quando se
conhecem as imagens dos vectores de uma base de
As propriedades das Transformaes Lineares:

1 propriedade: A imagem do vector nulo o vector nulo: T(0) = 0.
2 propriedade: A imagem do oposto de um vector o oposto da imagem
desse vector: T(u) = T(u).
3 propriedade: Se S um subespao vectorial de
(X) : X
S} um subespao vectorial de
Rn
ento f(S) = {f
Rm .
Ncleo e Imagem de uma Transformao Linear

Ncleo

well as what life
Seja a transformao linear:

conjunto de vectores de
T :U V , chama-se ncleo de
ao
U cuja imagem o vector nulo.

N T ={ u U :T ( u ) =0 } V
Se
uma transformao linear
T :R R
NT
um subespao
Rn (do conjunto de partida).
vectorial de
Imagem
Seja a transformao linear:
T :U V , chama-se imagem de
ao
conjunto de elementos do espao de chegada de que so imagens de pelo
T . Isto , as imagens formam o contradomnio
menos um dos objectos de

de
T .
T ={v V : u U ,T (u)=v }.
Se T
vetorial de
, . . .,
um subespao
(do conjunto de chegadas).
Teorema: Seja
T : Rn R m ,
uma transformao linear de
e n ) uma base qualquer de
Rn , ento
Rn
em
Rm . Se ( e 1
f (e1 ) , , f (e n)
geram
f .
Teorema do Ncleo e da Imagem: Se

n
T :U ( R ) V (R ) , ento a dimenso do conjuntos de partida ser definido

por:
n
dim U (R )=dim (N T )+dim( T )

well as what life
Injectividade, Sobrejectividade e Bijectividade

Injectividade
Uma transformao linear
T :V ( Rn )W (R m)
injectiva se elementos
uv
distintos do domnio tm imagens distintas, isto , se
T ( u) T ( v).
Isso equivalente a dizer que se
A Transformao Linear
seja,
T ( u)=T ( v ) ento
injectiva se e s se
injectiva se e s se
NT
ento
u=v .
{0 R }
n
, ou
dim ( N T ) =0 .
Sobrejectiva
T :V (Rn ) W ( R m)
sobrejectiva se todo
elemento do contradomnio imagem de algum elemento do domnio, isto

, se
Assim,
wW
T
ento existe
v V
tal que
T (v )=w . .
sobrejectiva se, e somente se:
W =T =R
OU
m
dimW =dim ( R )=dim ( T ) =m

well as what life
A transformao
conjunto
de
T coincide com o
sobrejectiva se e s se
chegada,
isto
se
se
se
( T )=Dim do conjunto de chegada .

Dim
Bijectivadade
T :V (Rn ) W ( R m)
bijectiva quando o
contradomnio coincide com o espao de chegada e em que cada imagem

corresponde a um nico objecto. Isto , ao mesmo tempo injectiva e
sobrejectiva.
Se u v entoT (u)T (v ).
e
W =T =Rm
Nota Bem: Qualquer aplicao linear de
injectiva e sobrejectiva, um endomorfismo de

isomorfismo de
Observao: Seja
em
simultaneamente
(isto ,
n=m ) ou
T :V ( Rn )W (R m)
- Se T sobrejectiva, ento dim W dimV .

- Se T injectiva, ento
dim W dimV .
dim V =dimW , ento as condies seguintes so equivalentes
- Se
entre si:
- T bijetiva;
- T injetiva;
- T sobrejetiva;
m>n , a transformao T nunca ser sobrejectivo, j que
- Se
dim T ( V ) n< m.
-
Se
m n ,
transformao
ser
sobrejectiva
dim N T =nm .
Matriz de uma Transformao Linear ( A )

well as what life
se
T :U ( R )V ( R ) , considerando tambm as

bases:
-B=
{u1 ,u 2 , , un }
em U;
-C=
{ v1 , v 2 , , v n }
em V;
Desta forma cada um dos vectores, imagens de
F ( u1 ) , F(u 2), , F (un )
ui ,
est em V (porque fazemos a passagem para o
espao de chegada) e consequentemente combinao Linear dos vectores

da Base C.
Assim teremos:
F ( u1 ) =a11 v1 + a21 v2 ++ am 1 v m
F ( u2 ) =
F(u n)
a12 v 1+ a22 v 2+ +a m 2 v m
=
a1 n v 1 +a2 n v 2 ++ amn v m
E vamos ter a matriz:
a1n
a2n

amn
a11 a12
A mxn = a21 a22

am 1 am 2
Diz-se a matriz da transformao linear

de
Rm .
Esta matriz tem ordem
na base
B de
Rn
B eC
so iguais,
dizemos simplesmente que A a matriz do endomorfismo
B .
A ,
Se for conveniente explicitar as bases a que respeita a matriz
ACB
em vez de A.
OBS: A matriz A a nica matriz que satisfaz

qualquer X
m x n . Em particular, a matriz de um
endomorfismo quadrada. Neste caso, se as bases
escrevemos
Yb
=A
Xb
, para

well as what life
na base
Teorema: Se A uma matriz de uma transformao linear
Rn Rm
ento
de
car ( A )=dim(f ).
Exemplo:
Determine a Matriz da Transformao Linear F:
F( x , y , z )=(x + y , y+ z)
R
2
U ( 3) V ( R )
dada por
em relao s bases:
B={ u1 , u2 ,u3 }={(1,0,0);(0,1,0),(0,0,1) }em U ;

C={ v 1 , v 2 }={(1, 0);(1, 1) }em V ;
F(u i)=F (x , y , z)=( x + y , y + z ) , determina-se
1 Passo: Considerando que
B .
as imagens dos vectores da base
u1=( 1,0,0 ) F ( u1 )=( 1+0, 0+ 0 )=( 1, 0 )

u2=( 0,1,0 ) F ( u2 ) =( 0+1,1+ 0 )=(1,1)
u3=( 0,0,1 ) F ( u3 )= ( 0+0, 0+1 )=(0, 1)
2 Passo: Escrever as imagens
combinao dos vectores
vi
F(u i)
da base
dos vectores da base
B , como
C .
F ( u1 ) =( 1,0 ) ( 1,0 )=a 11v 1+ a21v2 =a11( 1, 0 ) +a21( 1, 1 ) a11 =1 e a 21=0

F ( u2 ) =( 1,1 ) ( 1, 1 )=a12v 1 +a 22v 2=a12( 1,0 )+ a22( 1, 1 ) a12=0 e a22=1
F ( u3 ) =( 0, 1 ) ( 0,1 ) =a13v 1+ a23v 2=a13(1, 0)+ a23(1,1)
a13=1 e a 23=1
Assim teremos:
F ( u1 ) =1v 1+0v 2
F ( u2 ) =0v 1 +1v 2
F ( u3 ) =1v1 +1v 2
Logo:

well as what life
A=
1 0 1
0 1 1
]
A
Caso Especial: Se a matriz
da transformao linear estiver
determinada nas bases cannicas de

partida
chegada)
ento
possvel
Rm
obter
f (x , y , z )
expresso da transformao linear
Se R
Rn
(do espao de
directamente
a partir de:
Se R
[]
[]
f ( x , y , z )= A x
y
x
f ( x , y , z )= A y
z
Matriz de passagem ou mudana de base ( P )

Considerando as bases:
-
(base de partida) =
(base de chegada) =
Vamos ter que escrever os vectores da base
vi
vectores
da base
{u1 ,u 2 , , un }
{ v1 , v 2 , , v n }
B como combinao dos
C .
Assim teremos:
u1=a11 v 1 +a21 v 2 ++a m 1 v m

u2=
a12 v 1+ a22 v 2+ +a m 2 v m
un
a1 n v 1 +a2 n v 2 ++ amn v m
E vamos ter a matriz:
a11 a12
P= a 21 a22

am 1 a m 2
P
A matriz
passagem
a1 n
a2 n

a mn
chama-se matriz de mudana de base ou matriz de

da
base
para
base
de
Rn . Quando

well as what life
conveniente, escrevemos
de um vector X
PC B . Esta matriz transforma as coordenadas
Rn na base
nas coordenadas de X na base
.Assim teremos:
1 possibilidade
2 possibilidade2
XB
P1
XC
XC
XB
1
( P
matriz
passagem da base C
para a base B)
Nota Bem: No caso particular em que
a base cannica de
a base C
(conjunto de chegada)
Rn , a matriz de passagem P da base
para
obtida de forma imediata, basta dispor em coluna os
vectores da base
B .
Exemplo:
Sejam
B={ ( 1, 1,2 ) ; ( 1, 0,1 ) , ;(0, 0, 1) }
C={ ( 2, 0,1 ) ; ( 1, 1, 0 ) ; (1,0,0) } .
Determine a matriz de passagem da base B para C.
( 1,1, 2 ) = 11 ( 2, 0,1 ) + 21 ( 1, 1,0 )+ 31 ( 1,0, 0 ) a11=2 e a21 =1 e 31 =4

( 1, 0,1 ) = 12 ( 2,0,1 )+ 22 ( 1, 1, 0 ) + 32 ( 1,0,0 ) 12=1 e 22=0 e 32=1
( 0, 0,1 ) = 13 ( 2, 0,1 )+ 23 ( 1,1, 0 ) + 33 ( 1,0, 0 ) 13=1 e 23 =0 e 33 =2
Logo:
2
1
1
P= 1
0
0
4 1 2
Operaes com Transformaes Lineares

2 Sabemos que esta transformao linear sobrejectiva, logo a matriz
regular.

well as what life
A definio das operaes algbricas para as transformaes lineares surge

na sequncia da definio dessas mesmas operaes para as funes em
geral. Ser possvel definirmos trs operaes:
f e
Sejam
b1
as respectivas matrizes nas bases
f +g
- A funo
- Para
Rn e
R , a funo
- Se h
b1
de
Rn e
b2
Rm .
de
Rm
b2
nas bases
de
h f uma transformao linear com matriz

R
b3
de
Rn em
matriz
, com matriz
Rm .
de
com
nas bases
b2
Rm , com
de
nas bases
Rm .
de
Rn em
Rm ,
A
b2
Rn e
de
Rm e
b1
A +B
matriz
Rn em
g duas transformaes lineares de
num espao vectorial

e
CA
b3
R p , ento
de
b1
nas bases
de
Mudana de Base na Matriz de uma Transformao Linear

Sejam:
-
b1
Rn em
b1'
duas bases de
Rm ;
b2
b2'
duas bases de
b2
de R
Rn
A : matriz de
A : a matriz de
a matriz de passagem da base
b1' para a base
b1 ;
b2
b2' ;
X Rn
'
b1
nas bases
nas bases
de
b1 '
de
para a base
b2'
de R
Y =f ( X );

well as what life
Xb
Xb
os vectores coluna das coordenadas de X nas bases
'
1
b1 e b 1' respectivamente;
-
Yb
Yb
'
2
b2 e b 2'
os vectores coluna das coordenadas de X nas bases
respectivamente;
Vamos ter:
Usando a Matriz de Mudana
de Base
X b =P X b
1
Y b =Q Y b
2
Com a Matriz da
Transformao Linear
Yb
'
1
Yb
Yb
QY b
Yb
E para determinarmos
A Xb
QA X b
A'
b1'
'
'
2
= A Xb
'
1
'
1
QAP , e ser a matriz de
Rn
de
A Xb
(QA P) X b
'
2
Daqui conclui-se ento que

nas bases
b2'
de R
temos que:
A'
QAP
QAP= A'
Q1 QAP=Q1 A'
AP=Q1 A '
AP P1 =Q1 A' P1
A=Q1 A ' P1
OBS: A matriz
normalmente dada e a matriz
A'
o que se
pede.
Matrizes Semelhantes

well as what life
Definio: Duas matrizes A e B de ordem n dizem-se semelhantes se existir

uma matriz regular
B=P1 AP .
tal que
No nosso caso especfico:

Sejam:
Rn e
b1 e
b2
f um endomorfismo de
a matrizes de
f respeitantes base
b1 ;
A'
as matrizes de
f respeitantes base
b2 ;
P1 a matriz de passagem da base

A
Ento
A'
b2
b1
duas das suas bases;
para a base
b1 ;
para a base
b2 ;
so semelhantes pois:
A ' =P1 AP ,
Parte III
Valores Prprios e Vectores Prprios3
Considerando a transformao linear:
n
T :R R
Valor prprio de uma transformao linear

Ser o nmero real que, ao ser multiplicado por pelo menos um objecto no
T , gera a sua imagem.
nulo de
valor prprio de T x 0 :T ( x )= x
Exemplo:
T ( x , y)=(x + y , 4 x + y )
=1
porque,
por
exactamente igual a
=3
igual a
exemplo,
T ( 1,2 ) =(1, 2 )
que
vai
ser
1(1,2) ;
porque, por exemplo,
T ( 1, 2 )=(3, 6)
que vai ser exactamente
3(1, 2) ;
3 S aplicvel a endomorfismos (base de partida = base de chegada)

well as what life
Ou
Chama-se valor prprio de
a qualquer escalar
tal que
A In
| seja singular (no invertvel), isto :
A I n |= 0
(a soluo desta equao d-nos os valores prprios)

Polinmio caracterstico de uma transformao linear
V um espao vectorial de dimenso
Seja
transformao, o polinmio caracterstico de
relao a qualquer bases
T :V V
o polinmio de
uma
em
ser:
p ( ) = A I n
Exemplo:
T : R2 R 2
Sendo
T ( x , y)=(x + y , 4 x + y ) e tomando a base cannica teremos:
At
O polinmio caracterstico de
[ ] [ ]|
[ ]
1 1
4 1
[ ]
I2 = 1 0
0 1
ser:
1 = 22 3
det [ 1 1 1 0 ]= 1
4 1
0 1
4
1
E como os valores prprios de uma transformao linear so as razes reais
do seu polinmio caracterstico:
22 3=0
=1 V
T
Nota bem: O polinmio caracterstico de
=3
no depende da base
escolhida.
Vector prprio de uma transformao linear:
u , em que
O vector
escalar
tal que
associado a
u 0 , um vector prprio de
T ( u ) = u . Neste caso
se existe um
um valor prprio de
u .
Ou

well as what life
Os vectores prprios so as solues da equao
com
[ x y z]
( A I n). X=0 ,
. Calcula-se esta equao para cada valor prprio.
Nota Bem: Cada vector prprio est associado a um nico valor prprio,
isto , valores prprios distintos esto associados a vectores prprios
distintos.
Observao:
subespao
E = {( x , y , z) Rn :f ( x , y , z )= (x , y , z)}
E = {( x , y , z) Rn :( A I n )X =0 }
denominado de subespao prprio de
ou
associado ao valor prprio
.
Uma vez que cada vector prprio est associado a um nico valor prprio,
se
so valores prprios distintos de um endomorfismo
T ,
ento:
E E ={0 R }
1
Concluso:
A a matriz de um endomorfismo
Seja
Rn . O escalar
isto ,
valor prprio de
- 0 valor prprio de
, ento
Teorema: A matriz
n x n . Sejam
Nf
Rn
numa certa base de
se e s se
det (A0 I n )=0 ,
det (A )=0 . Ento:
- 0 valor prprio de
-
f de
singular;
{
0R
};
- f no injetiva.
u1 , ,u k
E0
Nf
1 , , k valores prprios distintos de
e vectores prprios associados a cada um destes valores
prprios, respectivamente. Ento
u1 , ,u k
so vectores linearmente
independentes.

well as what life
Multiplicidade Algbrica (
MA )
A multiplicidade algbrica o nmero de vezes que
aparece como zero
do polinmio caracterstico.
Exemplo:
3 0 4
A= 0 3 5
0 0 1
Ento
P( )
det (A I n )
associados matriz
so
A In
3
0
4
0
3
5
0
0
1
(3 )(3 )(1 ) . Os valores prprios
1=3
2=1 . O valor prprio
1=3
tem multiplicidade algbrica igual a 2, ou ainda, 3 uma raiz dupla do

polinmio caracterstico. J
2=1 tem multiplicidade igual a 1.
Multiplicidade Geomtrica [ m g ( ) ]
A multiplicidade geomtrica de um valor prprio
a dimenso de seu
espao prprio.
mg ( )=Dim (E )
Exemplo:
T : R2 R 2
Sendo
e
T ( x , y , z )=( x + y + z , x + y + z , x + y + z )
, considerando a base cannica
=3
][ ] [ ] {
13
1
1 x
0
2 x + y + z=0
z=x
( A I n) x=0 1 13 1 y = 0 x2 y + z=0 y= x
1
1
13 z
0
x+ y 2 z=0
z=x
E3= {( x , x , x ) R3 : x R } Dim ( E3 ) =1 mg (3)=1

Teorema: A multiplicidade geomtrica de um valor prprio menor ou igual
sua multiplicidade algbrica.
mg ( ) MA

well as what life
Se um valor prprio tem multiplicidade algbrica 1 ento tambm tem

multiplicidade geomtrica 1.
MA =1 mg ( ) =1
IV Parte
Endomorfismo Diagonalizvel
Considerando a transformao linear:
T : Rn R n
T
O endomorfismo
diagonalizvel se e s se existir uma base de
Rn
na qual a matriz que representa o endomorfismo nessa base diagonal. Tal
Rn
acontece se e s se existir uma base de
constituda apenas por
vectores prprios de T.
Condies necessrias para ser diagonalizvel:
1 opo: Se possui
valores prprios distintos;

Ou
2 opo: Se e somente se, para qualquer valor prprio, a multiplicidade

geomtrica igual multiplicidade algbrica.
MA =mg ( i )
i
Ou
3 opo: Se e s se a soma das multiplicidades geomtricas dos valores
prprios for
n=dim R .
m g ( i ) =n=dim R n
Ou
Nota bem: Se
for diagonalizvel ento possvel obter uma base de
vectores prprios onde a matriz de T nessa base uma matriz diagonal (
D ) onde os valores prprios aparecem na diagonal dessa matriz na
mesma ordem que os vectores prprios aparecem na base.

well as what life
1 0 0
0 2 0

0 0 n
Matriz Diagonalizvel
Uma matriz quadrada
A de ordem
diagonalizvel se existir uma
A , isto , se existir uma matriz invertvel
matriz diagonal semelhante a

ou regular P tal que:
D=P1 AP diagonal
1 0 0
D= 0 2 0

0 0 n
A matriz de T numa base qualquer

P=[ u1 u2 un ]
P matriz de passagem de base e de vetores prprios de A para a base cannica

Concluso: Se
um endomorfismo com matriz
diagonalizvel se e s se
numa certa base,
diagonalizvel.

well as what life

Espaço Vectorial e Transformações Lineares

Caricato da

Informazioni sul documento

Descrizione originale:

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Espaço Vectorial e Transformações Lineares

Caricato da

Copyright:

Formati disponibili

Nobody

V , no vazio, com estas duas

- Associatividade: Numa soma de pelo menos 3 vectores de V

prioridade atribuda a cada soma no afecta o resultado.

ser somado com outro para resultar no elemento neutro da soma.

2 Condio: Existe multiplicao por um escalar com as seguintes

V , a prioridade atribuda a cada multiplicao no

You need to know what life you want (as

R : A multiplicao entre uma soma de

nmeros reais e um elemento de

igual soma da multiplicao de

cada um dos nmeros reais por esse elemento.

igual soma da multiplicao desse

nmero real por cada um dos elementos.

resulta nesse elemento.

nmeros reais. Um vector

Nota Bem: Os elementos do espao Vectorial

uma combinao linear de

v 1 , v 2 , , v n se existem nmeros reais tais que:

uma combinao linear de

You need to know what life you want (as

a1 ( 1,2,1 )+ a2 (1,0,2)+ a3 (1,1,0)

(a1 , 2 a1 , a 1)+(a2 ,0,2 a2 )+(a3 ,a 3 , 0)

Linearmente Independente (LI), ou que os

v 1 , v 2 , , v n so Linearmente Independentes, se a equao:

a1=a2=a n=0 . No caso em que exista algum

Linearmente Dependente (LD), ou que os

Nota Bem: Um conjunto de vectores linearmente independente se e s se

You need to know what life you want (as

- Qualquer conjunto X que contenha o vector nulo Linearmente

no nulos so Linearmente Dependente se, e s se,

um mltiplo escalar do outro.

v 1 , v 2 , , v n so o Linearmente Dependente, ento,

qualquer que seja

- Se X Linearmente Independente e Y X, ento Y Linearmente

v 1 , v 2 , , v n } Linearmente Dependente se, e

somente se, ao menos um dos vectores combinao linear dos demais.

Matricialmente, corresponde a [A|0]:

O sistema sempre possvel por ser homogneo. Assim, os vectores so

Aplicando o Teorema de Laplace

You need to know what life you want (as

-> o sistema possvel e determinado

2 Possibilidade: Clculo directo da caracterstica.

Sendo caracterstica o n de linhas no nulas, temos que Car(A) = Car(A|B)

Se Car(A) < m, o sistema admite um infinidade de solues. Neste caso, os

Teorema: Sendo A uma matriz de ordem n m com caracterstica p,

V , muitas vezes possvel formar um outro

espao vectorial usando um subconjunto S de

um espao vectorial, as operaes de soma e multiplicao

por um escalar produzem sempre um outro vector em

vectorial, o conjunto S tem que ser fechado em relao s operaes de

You need to know what life you want (as

elementos de S tem que ser sempre um elemento de S e a multiplicao de

um espao vectorial. Um subconjunto S , de

se, e s se, satisfaz as seguintes

Se u , v S (u+v )S ( fechado para a adi o);

As suas propriedades so:

- Fechado para a soma: A soma de quaisquer dois elementos de S

- Fechado para a multiplicao por nmeros reais: A

OBS: Se S um subespao de um espao vectorial

um espao vectorial, ento

dele mesmo. O conjunto formado apenas pelo vector nulo tambm um

V . Assim, qualquer espao vectorial no nulo