APONTAMENTOS DE

ALGEBRA
Transformacoes Lineares
Maria do Rosario de Pinho e Isabel Maria Ferreira
Outubro 2002
Faculdade de Engenharia da Universidade do Porto
Licenciatura em Engenharia Electrotecnica
e de
Computadores
ALFABETO GREGO
MIN

USCULA MAI

USCULA NOME
A alfa
B beta
gama
delta
E epsilon
Z zeta
H eta
teta
I iota
K kapa
lambda
M miu
N niu
qsi
o O Omicron
pi
P ro
sigma
T tau
Y upsilon

X x
psi
omega
Captulo 1
Transformacoes Lineares:
Introducao
1.1 Denicao
Denicao 1.1.1 Sejam X e Z dois espacos lineares sobre um corpo K. Uma funcao
T : X Z e uma transformacao linear se satisfaz as seguintes propriedades
Propriedade 1: T(x + y) = T(x) + T(y), x, y X.
Propriedade 2: T(x) = T(x), (, x) K X.
Nota 1: Observe que T(x) Z e que, quando se escreve T(x), estamos a fazer a
multiplicacao de um escalar por um vector T(x) do espaco linear Z.
Nota 2: O conjunto K X e, por denicao,
K X = (, x) : K, x X
i.e., o conjunto dos pares ordenados (, x) , com K e x X.
Nota 3: Sempre que possvel usamos letras do nosso alfabeto para designar vec-
tores (i.e., elementos de um dado espaco linear) e letras do alfabeto grego para
designar os elementos do corpo associado ao espaco linear em causa (escalares).
3
Transformacoes Lineares: Introducao 4
Exerccio 1.1.2 Sejam X e Z dois espacos lineares sobre um corpo K e seja T :
X Z uma funcao. Mostre que T e uma transformacao linear se e so se
T(x + y) = T(x) + T(y) , K, x, y X
Teorema 1.1.3 Sejam X e Z dois espacos lineares sobre um corpo K e seja T :
X Z uma transformacao linear. Entao T(0) = 0 (i.e., a imagem do elemento
neutro 0 de X e o elemento neutro de Z).
Demonstracao. Seja x X e considere-se = 0 na relacao T(x) = T(x).
Entao T(0) = 0.
Exemplos 1.1.4 De seguida apresentamos exemplos de transformacoes lineares.
Fica ao cuidado do leitor vericar que em cada um dos casos estamos de facto em
presenca de transformacoes lineares. Quando nada em contrario e dito, X e/ou
Z designam espacos lineares quaisquer sobre um corpo K (em geral, K = R ou
K = C).
1. A funcao T : X Z, denida como sendo T(x) = 0 para todo x X, e uma
transformacao linear que designamos por transformacao nula.
2. A funcao T : X X, denida como sendo T(x) = x para todo x X, e uma
transformacao linear que designamos por transformacao identidade.
3. A funcao T : R R denida como sendo T(x) = mx+b, para algum m R e
algum b R, b ,= 0, nao e uma transformacao linear. Contudo, a funcao
T : R R denida como sendo T(x) = mx, para algum m R ( se m = 0,
T e a transformac ao nula) e uma transformacao linear. (Sugestao: trace o
graco das duas funcoes.)
4. Seja T
n
(R) o espaco linear dos polinomios de grau igual ou inferior a n com
coecientes reais, i.e.,
T
n
(R) = p : R R : p(x) =
n

k=0
a
k
x
k
, a
0
, . . . , a
n
R.
Transformacoes Lineares: Introducao 5
Seja
T : T
n
(R) R
n+1
p (a
0
, . . . , a
n
)
T
Esta funcao e uma transformacao linear.
5. Seja /
mn
(R) o espaco linear das matrizes m n com entradas reais. Seja
A /
mn
(R) uma matriz xa. A funcao
T : /
n1
(R) /
m1
(R)
B AB
e uma transformacao linear.
6. Seja E um espaco linear sobre o corpo dos reais no qual esta denido um
produto interno , ). Seja z E, xo. A funcao T : E R denida por
T(x) = x, z ) e uma transformacao linear.
7. Seja E um espaco linear sobre o corpo dos reais no qual esta denido um
produto interno , ). Seja S um subespaco de E de dimensao nita e seja
e
1
, . . . , e
n
uma base ortonormada de S. Seja T : E S uma funcao denida
por
T(x) =
n

k=1
x, e
k
)e
k
.
T e a projeccao ortogonal de E em S. Esta funcao e uma tranformacao
linear.
8. Seja C
1
((0, 1); R) o conjunto das funcoes denidas no intervalo aberto (0, 1) e
tomando valores em R, derivaveis e com derivada contnua. Seja C((0, 1); R)
o conjunto das funcoes de (0, 1) em R, contnuas. A funcao
T : C
1
((0, 1); R) C((0, 1); R)
f f

e uma transformacao linear.

Transformacoes Lineares: Introducao 6
Observacao: Os espacos lineares C
1
((0, 1); R) e C((0, 1); R) sao espacos de
dimensao innita. Transformacoes lineares entre espacos lineares de di-
mensao innita designam-se muitas vezes por operadores lineares. Em parti-
cular, a transformacao linear T denida acima designa-se por operador dife-
rencial.
9. Seja agora C
n
(R; R) o conjunto das funcoes de R em R com derivadas ate
`a ordem n e cujas derivadas ate `a ordem n sao contnuas. A transformacao
linear de C
n
(R; R) em C(R; R) denida por D
n
(f) = f
(n)
(a cada funcao f de
C
n
(R; R) associa a sua derivada de ordem n) e um operador diferencial (i.e.,
e uma transformacao linear).
Exemplos 1.1.5
1. Considere a funcao
T : R
3
R
(x, y, z) x + 2y + z + 1
Esta funcao nao e uma transformacao linear, porque a imagem por T do
elemento neutro da adicao em R
3
, i.e., do vector (0, 0, 0)
T
, nao e o elemento
neutro da adicao em R. De facto, T(0, 0, 0)
T
= 1 ,= 0.
2. Considere a funcao
T : R R
x x
2
Esta funcao nao e uma transformacao linear. Realmente, (1)T(1) = 1,
mas T((1) 1) = T(1) = 1. Assim, a propriedade 2 das transformacoes
lineares nao e satisfeita para pelo menos um elemento do corpo e um vector.
1.2 Espaco das Transformacoes Lineares
Sejam X e Z dois espacos lineares sobre um corpo K e seja L(X, Z) o conjunto
L(X, Z) = T : X Z[ T e uma transformacao linear
Transformacoes Lineares: Introducao 7
Ou seja,
L(X, Z) e o conjunto das transformacoes linear de X em Z.
Vamos agora ver que L(X, Z) e um espaco linear sobre o corpo K.
Denimos duas operacoes neste conjunto:
Adicao: Considere-se a adicao usual de duas funcoes. Sendo S : X Z e T : X
Z func oes tais que S, T L(X, Z), a adicao de S e T e ainda uma funcao
(S + T) : X Z
denida por
(S + T)(x) = S(x) + T(x).
Verica-se que
(S + T) L(X, Z), S, T L(X, Z),
De facto, para x, y X e K, vem
(S + T)(x + y) = S(x + y) + T(x + y) = (S(x) + S(y)) + (T(x) + T(y))
= S(x) + T(x) + S(y) + T(y) = (S + T)(x) + (S + T)(y)
(S + T)(x) = S(x) + T(x) = S(x) + T(x)
= = (S(x) + T(x)) = (S + T)(x)
Multiplicacao por um escalar: Considerando o conjunto L(X, Z) e o corpo K,
dene-se produto por um escalar a operacao que a todo K e todo T
L(X, Z), faz corresponder a funcao (T) : X Z denida por
(T)(x) = T(x) x X.
Transformacoes Lineares: Introducao 8
Exerccio 1.2.1
1. Mostre que a operacao adicao denida em L(X, Z) e associativa e comutativa.
2. Mostre que a transformacao nula O L(X, Z), onde O(x) = 0 para todo o
x X, e o elemento neutro de L(X, Z) relativamente `a adicao.
3. Mostre que T L(X, Z) U L(X, Z) : T + U = O,
ou seja, toda a transforamcao linear T L(X, Z) tem simetrico.
4. Conclua que, relativamente `a operacao adicao, o conjunto L(X, Z) e um grupo
associativo.
Exerccio 1.2.2 Mostre que para cada K e cada T L(X, Z) o produto (T)
e ainda um elemento de L(X, Z). Mostre ainda que a operacao produto por um
escalar satisfaz as seguintes propriedades:
Para todo T L(X, Z) e todos os escalares , K, (T) = ()T.
Para todos S, T L(X, Z) e todo o escalar K, tem-se (T+S) = T+S.
Para todo T L(X, Z) e todos os escalares , K, tem-se ( + )T =
T + T.
Podemos entao concluir que:
O conjunto L(X, Z) das transformacoes lineares de X em Z, onde X e Z sao espacos
lineares sobre o mesmo corpo K, com as operacoes de adicao e multiplicacao por
um escalar denidas e um espaco linear.
Transformacoes Lineares: Introducao 9
1.3 Operacoes com Transformacoes Lineares
Consideremos agora:
tres espacos lineares X, Y e Z sobre o mesmo corpo K,
T L(X, Y ) e S L(Y, Z).
A funcao composicao destas duas transformacoes lineares , T : X Y e S : Y Z
e
S T : X Z.
Nota 1: A composicao de duas transformacoes lineares S T designa-se muitas
vezes por multiplicacao de transformacoes lineares e escreve-se simplesmente
ST. A razao desta designacao sera aparente em breve.
Teorema 1.3.1 A funcao ST : X Z denida acima (multiplicacao de trans-
formacoes lineares (ST = S T)) e uma transformacao linear de X em Z, i.e.,
ST L(X, Z).
Exerccio 1.3.2 Demonstre o Teorema 1.3.1.
A composicao de transformacoes lineares nao e, em geral, comutativa.
Consideremos as transformacao linear T, S : R
2
R
2
denidas como
T((x, y)
T
) =
_
x + y
0
_
, S((x, y)
T
) =
_
0
x
_
.
Entao, para todo o (x, y)
T
R
2
, vem
ST((x, y)
T
) = S(T((x, y)
T
)) = S(x + y, 0)
T
=
_
0
x + y
_
e
TS((x, y)
T
)) = T(S((x, y)
T
)) = T((0, x)
T
) =
_
x
0
_
.
Transformacoes Lineares: Introducao 10
Concluimos que, para todo o (x, y)
T
,= (0, 0)
T
,
ST((x, y)
T
) ,= TS((x, y)
T
).
Denicao 1.3.3 (Potencias de transformacoes lineares)
Seja X um espaco linear qualquer e considere-se o espaco linear das trans-
formacoes lineares de X em X, L(X, X). Dene-se I como sendo a trans-
formacao linear I(x) = x para todo o x X.
Seja T L(X, X) qualquer. As potencias de T sao denidas por
T
0
= I
T
1
= T
.
.
.
T
n
= TT
n1
para n N
Nota: Muitas vezes escreve-se I
Y
para identicar a transformacao identidade de
L(Y, Y ).
Observacao 1.3.4 Na denicao dada acima, as diversas potencias de uma trans-
formacao linear T estao sempre denidas no mesmo espaco linear X. Contudo e-
xistem casos em que so podemos denir as potencias T
n
como sendo transformacoes
lineares denidas em diversos subespacos do espaco inicial. Por exemplo, para qual-
quer n N, o espaco linear C
n
(R; R) e um subespaco de C
n1
(R; R) que, por
sua vez, e um subespaco de C
n2
(R; R), etc. Consideremos o operador diferen-
cial I : C(R; R) C(R; R) denido por I(f) = f. Seja D o operador diferencial
D(f) = f

(onde f e uma funcao real de variavel real diferenciavel). Este operador

D e assim uma transformacao linear de C
1
(R; R) em C(R; R). Seja D
2
o operador
D
2
(f) = f

. Entao D
2
e uma transformacao linear de C
2
(R; R) em C
1
(R; R). Ou
seja, D
2
e a composicao do operador D com a restricao de D a C
1
(R; R).
Transformacoes Lineares: Introducao 11
1.4 Funcao Inversa e Transformacoes Lineares In-
versas
Abandonemos os espacos lineares e as transformacoes lineares por momentos e fale-
mos simplesmente de funcoes denidas entre quaisquer dois conjuntos.
Denicao 1.4.1 Sejam X, Y dois conjuntos quaisquer.
Seja T uma funcao de X em Y .
Seja T(X) o conjunto das imagens de X por T, i.e.,
T(X) = y Y : x X tal que y = T(x)
Entao
1. Uma funcao L : T(X) X e a inversa `a esquerda de T se
L(T(x)) = x x X
2. Uma funcao R : T(X) X e a inversa `a direita de T se
T(R(y)) = y y T(X)
Observacao 1.4.2 Na denicao 1.4.1 dene-se inversa `a direita ou `a esquerda da
funcao T como a funcao que esta denida no contra-domnio de T, i.e., em T(X).
Muitas vezes estas denicoes de inversa `a direita ou `a esquerda aparecem denidas
num conjunto mais vasto, o conjunto de chegada de T, isto e, todo o Y .
Exemplo 1.4.3
1. Seja X = Y = 0, 1 e seja T tal que T(0) = T(1) = 1. Entao T(X) = 1.
Esta funcao nao tem inversa `a esquerda. Se existisse inversa `a esquerda L :
1 0, 1 deveramos ter L(T(0)) = L(1) = 0 e L(T(1)) = L(1) = 1 e L
nao seria uma funcao.
Transformacoes Lineares: Introducao 12
Vejamos que esta funcao T tem inversa `a direita. Seja R : 1 0, 1 tal
que R(1) = 1. Para todo o y T(X) = 1, vem
T(R(y)) = T(R(1)) = T(1) = 1 = y.
2. Sejam agora X = 0, 1 e Y = 0. A funcao T : X Y denida por
T(0) = T(1) = 0 nao tem inversa `a esquerda, mas tem duas inversas `a direita.
De facto, denindo R
0
(0) = 0 e R
1
(0) = 1, vem
T
_
R
0
(0)
_
= T(0) = 0, T
_
R
1
(0)
_
= T(1) = 0.
3. Considere a funcao T : R
2
R
3
denida por
T(x, y)
T
= (x + y, x, y)
T
.
O conjunto T(R
2
) e
T(R
2
) =
_
(u, v, w)
T
R
3
: (x, y)
T
R
2
tal que u = x + y, v = x, w = y
_
=
_
(v + w, v, w)
T
R
3
: (v, w)
T
R
2
_
=
_
(u, v, w)
T
R
3
: (v, w)
T
R
2
, u = v + w
_
.
Considere agora a funcao L : T(R
2
) R
2
tal que L(u, v, w)
T
= (v, w)
T
para
todo o (u, v, w)
T
T(R
2
). Entao, para todo o (x, y)
T
R
2
,
L(T(x, y)
T
) = L(x + y, x, y)
T
.
Qualquer vector da forma (x+y, x, y)
T
R
3
, com x, y R, e um elemento de
T(R
2
). Logo L esta bem denida neste ponto e
L(x + y, x, y)
T
= (x, y)
T
.
Concluimos assim que L e a inversa `a esquerda de T.
Seja agora (u, v, w)
T
T(R
2
). Necessariamente temos u = v+w por denicao
de T(R
2
). Entao
T(L(u, v, w)
T
) = T(L(v + w, v, w)
T
) = T(v, w)
T
= (v + w, v, w)
T
.
Concluimos assim que L e a inversa `a direita de T.
Transformacoes Lineares: Introducao 13
Exerccio 1.4.4 Sejam X, Y dois conjuntos quaisquer. Considere a denicao
1.4.1.
1. Mostre que se T : X Y e uma funcao que tem uma inversa `a esquerda,
entao ela e unica.
2. Mostre que se T : X Y e uma funcao que tem uma inversa `a esquerda L,
entao L e tambem a inversa `a direita de T.
3. Mostre que uma funcao T : X Y tem inversa `a esquerda se e so se T e
injectiva.
Denicao 1.4.5 (Inversa de funcoes injectivas.) Sejam X, Y dois conjuntos
quaisquer. Seja T : X Y uma funcao injectiva e seja T
1
: T(X) X a sua
inversa `a esquerda de acordo com a denicao 1.4.1. Neste caso dizemos que T e
invertvel e T
1
e a inversa de T.
Como anteriormente sejam X, Y dois conjuntos quaisquer. Seja agora T : X Y
uma funcao injectiva e sobrejectiva. T e uma funcao bijectiva. Como T e
injectiva, o exerccio 1.4.4, 3., garante-nos que T tem inversa `a esquerda. Seja ela
L.
Como T e sobrejectiva, temos T(X) = Y . Assim, L esta denida para todo o y Y .
Pelo exerccio 1.4.4, 2., concluimos ainda que T tem tambem inversa `a direita e ela
e exactamente L. Concluimos que
Qualquer funcao bijectiva T : X Y e invertvel, sendo T
1
: Y X.
Todo o que foi dito acima sobre inversas de funcoes aplica-se, como e obvio, `as trans-
formacoes lineares, elas mesmo funcoes. Contudo, as transformacoes lineares tem
propriedades muito proprias. Tirando partido da linearidade das transformacoes
lineares obetemos o seguinte resultado:
Transformacoes Lineares: Introducao 14
Teorema 1.4.6 Sejam X e Y espacos lineares sobre o mesmo corpo e seja T
L(X, Y ). Considere-se as seguintes armacoes
1. T e injectiva
2. T e invertvel e a sua inversa T
1
: T(X) X satisfaz a
T
1
(z + w) = T
1
(z) + T
1
(w), T
1
(z) = T
1
(z),
para todo o z, w de T(X) e todo o K.
3. Se T(x) = 0 = x = 0.
Entao as armacoes anteriores estao relacionadas da seguinte forma
1 = 2 = 3 = 1
Exerccio 1.4.7 Demonstre o Teorema 1.4.6
Exerccio 1.4.8 Considere agora
Um espaco linear X de dimensao nita (dim X = n para algum n N) sobre
um corpo K.
Uma base de X, e
1
, . . . , e
n
.
Um espaco linear qualquer Y sobre o mesmo corpo K.
Uma transformacao linear de X em Y , T : X Y .
e as seguintes armacoes
1. T e injectiva.
2. T(e
1
), . . . , T(e
n
) e um conjunto de vectores de Y linearmente independentes.
3. T(X) e um subespaco de Y e dim (T(X)) = n.
Mostre que as armacoes anteriores estao relacinadas da seguinte forma
1 = 2 = 3 = 1
Determine ainda uma base para o subespaco T(X).
Transformacoes Lineares: Introducao 15
1.5 N ucleo e Imagem
Denicao 1.5.1 Considere
Um espaco linear X de dimensao nita (dim X = n para algum n N) sobre
um corpo K
Um espaco linear Y qualquer sobre o mesmo corpo K.
Uma transformacao linear qualquer T : X Y .
Dene-se N ucleo de T e escreve-se ^(T) (muitas vezes escreve-se Ker(T)), como
sendo
^(T) = x X : T(x) = 0 .
Dene-se Imagem de T como sendo
T(X) = y Y : x X tal que y = T(x) .
Observe que
^(T) X e ^(T) ,= .
Temos sempre 0 ^(T). Justique.
^(T) e um subespaco de X.
Se x, y ^(T), entao T(x + y) = T(x) + T(y) = 0 + 0 = 0, ou seja, x + y
^(T). Alem disso, se K e x ^(T), entao T(x) = T(x) = 0 = 0.
Logo, para todo o x ^(T) e todo o K, temos (x) ^(T).
T(X) Y e T(X) ,= .
Temos 0 T(X). Justique.
T(X) e um subespaco de Y .
Se z, u T(X), entao existem x
1
X e x
2
X tais que T(x
1
) = z e
T(x
2
) = u. Logo T(x
1
+ x
2
) = T(x
1
) + T(x
2
) = z + u T(X). Alem
disso, se z T(x) e K, entao existe um w X tal que T(w) = z e
z = T(w) = T(w). Logo z T(X).
Transformacoes Lineares: Introducao 16
Exemplo 1.5.2 Considere a transformacao linear T : R
4
R
4
denida por
T(x, y, z, w)
T
= (x + y, z + w, x, y)
T
.
Desejamos determinar o n ucleo de T, ^(T). Temos
^(T) =
_
(x, y, z, w)
T
R
4
: T(x, y, z, w)
T
= (0, 0, 0, 0)
T
_
=
_
(x, y, z, w)
T
R
4
: (x + y, z + w, x, y)
T
= (0, 0, 0, 0)
T
_
=
_
(x, y, z, w)
T
R
4
: x + y = 0, z + w = 0, x = 0, y = 0
_
=
_
(x, y, z, w)
T
R
4
: z = w, x = 0, y = 0
_
=
_
(0, 0, z, z)
T
R
4
: z R
_
.
^(T) e assim o subespaco de R
4
gerado pelo vector (0, 0, 1, 1)
T
. Trata-se de um
subespaco de R
4
de dimensao 1.
Determinemos agora o subespaco T(R
4
) de R
4
. Ora
T(R
4
) =
_
(, , , )
T
R
4
: (x, y, z, w)
T
R
4
tal que
T(x, y, z, w)
T
= (, , , )
T
_
=
_
(, , , )
T
R
4
: (x, y, z, w)
T
R
4
tal que
x + y = , z + w = , x = , y =
=
_
( + , , , )
T
R
4
: (, , )
T
R
3
_
Assim qualquer vector de T(R
4
) e da forma ( + , , , )
T
, onde , , R.
Para todos os , , R temos
( + , , , )
T
= (1, 0, 1, 0)
T
+ (0, 1, 0, 0)
T
+ (1, 0, 0, 1)
T
.
Os vectores (1, 0, 1, 0)
T
, (0, 1, 0, 0)
T
e (1, 0, 0, 1)
T
geram o subespaco T(R
4
) e sao
linearmente independentes (verique!). Logo
dim T(R
4
) = 3.
Transformacoes Lineares: Introducao 17
Teorema 1.5.3 Considere
Um espaco linear X de dimensao nita sobre um corpo K.
Um espaco linear Y sobre o mesmo corpo K.
Uma transformacao linear T : X Y .
Entao a dimensao do subespaco linear T(X) e nita e
dim ^(T) + dim T(X) = dim X.
Demonstracao. Recordemos que ^(T) e um subespa co de X e T(X) um sube-
spaco de Y . Seja dim X = n e seja e
1
, . . . , e
k
uma base de ^(T), onde k n. Se
k = n, entao T(X) = 0 e o resultado do teorema e satisfeito com dim^(T) = n e
dimT(X) = 0.
Consideremos entao o caso em que k < n. Neste caso, existem n k vectores de X,
e
k+1
, . . . , e
n
, tal que
e
1
, . . . , e
k
, e
k+1
, . . . , e
n

formam uma base de X.

Se y T(X), entao existe um x X tal que x =

n
i=1

i
e
i
, para alguns
i
K,
com i = 1, . . . , n, tal que
y = T
_
n

i=1

i
e
i
_
=
n

i=1

i
T(e
i
) =
n

i=k+1

i
T(e
i
).
(Recorde que, para i = 1, . . . , k, T(e
i
) = 0.)
Concluimos assim que os nk vectores T(e
k+1
), . . . , T(e
n
) geram o subespaco T(X).
Resta-nos mostrar que os vectores T(e
i
) : i = k + 1, . . . , n sao linearmente inde-
pendentes. Suponhamos que existem escalares
k+1
, . . . ,
n
tais que
n

i=k+1

i
T(e
i
) = 0.
Transformacoes Lineares: Introducao 18
Entao
T
_
n

i=k+1

i
e
i
_
= 0.
Considerando z =

n
i=k+1

i
e
i
, deduzimos da ultima igualdade que
z ^(T).
Entao z pode ser escrito como combinacao linear de vectores da base de ^(T). Isto
quer dizer que existem escalares
1
, . . . ,
k
tais que
z =
k

i=1

i
e
i
=
n

i=k+1

i
e
i
.
Ou seja,
k

i=1

i
e
i
+
n

i=k+1
(
i
)e
i
= 0.
Como os vectores e
1
, . . . , e
n
sao linearmente independentes, deduzimos, de ime-
diato, que
i
= 0 para i = 1, . . . , k e
i
= 0 para i = k + 1 . . . , n. Portanto, os
vectores T(e
i
), com i = k + 1, . . . , n sao linearmente independentes.
Concluimos assim que dim T(X) = n k. Como dim ^(T) = k, vem
dim ^(T) + dim T(X) = dim X.
Captulo 2
Representacao Matricial de
Transformacoes Lineares
2.1 Introducao
Considere
X um espaco linear de dimensao n sobre um corpo K.
e
1
, . . . , e
n
uma base de X.
x um qualquer vector de X.
Y um espaco linear qualquer sobre o mesmo corpo K.
y
1
, . . . , y
n
, n vectores quaisquer de Y .
Como x X, entao existem escalares
1
, . . . ,
n
K tais que
x =
1
e
1
+ . . . +
n
e
n
.
Considere-se uma funcao T : X Y tal que
T(e
1
) = y
1
,
.
.
.
T(e
n
) = y
n
.
19
Representacao Matricial 20
e que a cada x X, (x pode ser escrito como combinacao linear dos elementos da
base de X considerada, x =

n
i=1

i
e
i
) faz corresponder o elemento T(x) denido
por
T(x) = T(
n

i=1

i
e
i
) =
n

i=1

i
y
i
.
Facilmente se verica que esta funcao e uma transformacao linear (verique!). Alem
disso, nao ha qualquer outra transformacao linear de X em Y cuja imagem
de cada elemento e
i
da base de X seja o elemento y
i
. Realmente, se existisse outra
transformacao linear S tal que S(e
i
) = y
i
, para i = 1, . . . , n, teramos
S(x) = S
_
n

i=1

i
e
i
_
=
1
S(e
1
) + . . . +
n
S(e
n
) =
1
y
1
+ . . . +
n
y
n
= T(x)
para todo o x X. Ou seja, S = T.
Resumindo,
Teorema 2.1.1 Seja X um espaco linear de dimensao n sobre um corpo K,
e
1
, . . . , e
n
uma base de X, Y um espaco linear qualquer sobre o mesmo corpo K
e y
1
, . . . , y
n
um qualquer conjunto de n vectores de Y . Entao existe uma e uma
so transformacao linear T : X Y tal que
T(e
1
) = y
1
,
.
.
.
T(e
n
) = y
n
.
Esta transformacao linear transforma cada x X, no elemento T(x) denido por
T(x) = T(
n

i=1

i
e
i
) =
n

i=1

i
y
i
.
Exemplo 2.1.2 Considere a base canonica de R
2
, b
1
, b
2
, onde
b
1
=
_
1
0
_
, b
2
=
_
0
1
_
.
Queremos determinar a transformacao linear T : R
2
R
2
tal que
T(b
1
) = b
1
b
2
, T(b
2
) = b
1
.
Representacao Matricial 21
Sendo
_
x
y
_
= xb
1
+ yb
2
um qualquer elemento de R
2
, T
_
x
y
_
e
T
_
x
y
_
= xT(b
1
) + yT(b
2
) = x(b
1
b
2
) + y(b
1
) =
_
x + y
y
_
.
2.2 Representacao Matricial
Notacao
Seja Z um espaco linear de dimensao k e B = b
1
, . . . , b
k
e ( = c
1
, . . . , c
k
duas
bases de Z. Seja z Z qualquer.

E sabido que z pode ser expresso em qualquer
uma das bases.
Quando queremos referir a representacao de z na base B, escrevemos muitas vezes
z
B
=
_

1
.
.
.

k
_

_
onde
j
e a coordenada j de z na base B. Assim
z =
1
b
1
+ . . . +
k
b
k
.
Analogamente
z
C
=
_

1
.
.
.

k
_

_
designa a representacao de z na base (, z =
1
c
1
+ . . . +
k
c
k
.
Sempre que e claro em que base se esta a trabalhar escrevemos simplesmente z.
Representacao Matricial 22
Vimos ja que uma transformacao linear T, denida num espaco linear de dimensao
nita X e tomando valores em qualquer outro espaco Y , ca completamente denida
se conhecermos as imagens dos elementos de uma base de X por T.
Considere agora
X, um espaco linear de dimensao n e B = b
1
, . . . , b
n
uma base de X.
Y , um espaco linear de dimensao m e ( = c
1
, . . . , c
m
uma base de Y .
T L(X, Y ) denida por
T(b
1
) = y
1
,
.
.
.
T(b
n
) = y
n
,
para alguns y
i
Y , i = 1, . . . , n.
Cada um dos n vectores y
i
Y pode ser expresso como combinacao linear dos m
vectores da base ( de Y . Quer isto dizer que existem mn escalares

11
, . . . ,
1n
,
21
, . . . ,
2n
, . . . ,
m1
, . . . ,
mn
tais que, para cada i = 1, . . . , n se tem
(y
i
)
C
=
_

1i

2i
. . .

mi
_

_
para i = 1, . . . , n.
Por outro lado, cada vector x X pode ser expresso de forma unica como com-
binacao linear dos vectores da base B de X, i.e., existem
1
, . . . ,
n
tais que
x
B
=
_

2
. . .

n
_

_
Representacao Matricial 23
A imagem por T de x X , T(x) Y , expressa na base ( de Y , ca calculada por
T(x) =
n

i=1

i
T(b
i
) =
n

i=1

i
y
i
=
n

i=1

i
_
m

j=1

ji
c
j
_
=
m

j=1
_
n

i=1

ji
_
c
j
. (2.1)
Ou seja, T(x) e o vector de Y que, na base ( de Y , e
T(x) =
_
n

i=1

1i
_
c
1
+ . . . +
_
n

i=1

mi
_
c
m
.
As coordenadas de T(x) na base ( de Y , sao
(T(x))
C
=
_

11

1
+
12

2
+ . . . +
1n

21

1
+
22

2
+ . . . +
2n

n
.
.
.

m1

1
+
m2

2
+ . . . +
mn

n
_

_
.
Seja A /
mn
uma matriz coluna denida pelos n vectores y
i
expressos na base
c
1
, . . . , c
m
de Y , A = [(y
i
)
C
]
n
i=1
. Ou seja,
A =
_

11

12
. . .
1n

21

22
. . .
2n
.
.
.
.
.
. . . .
.
.
.

m1

m2
. . .
mn
_

_
Entao, considerando x X expresso na base B = b
1
, . . . , b
n
de X e T(x) expresso
na base ( = c
1
, . . . , c
n
de Y , T(x) (ver 2.1) pode ser agora calculado por
_
T(x)
_
C
= A
_

2
. . .

n
_

_
=
_

11

1
+
12

2
+ . . . +
1n

21

1
+
22

2
+ . . . +
2n

n
.
.
.

m1

1
+
m2

2
+ . . . +
mn

n
_

_
Temos assim uma relacao entre
_

_
T L(X, Y )
base B de X
base ( de Y
_

_
e uma matrix
_

_
A /
mn
:
A =
_

11

12
. . .
1n

21

22
. . .
2n
.
.
.
.
.
. . . .
.
.
.

m1

m2
. . .
mn
_

_
_

_
Representacao Matricial 24
relacao essa expressa por
T(x) = Ax,
estando x expresso na base B e T(x) (ou, o que e o mesmo, Ax) na base ( de Y .
A matriz A representa a transformacao linear T relativamente `as bases escolhi-
das dos espacos lineares X e Y .
Observacao 2.2.1 Muitas vezes denem-se transformacoes lineares por expressoes
analticas. Por exemplo, considere-se a transformacao linear T : R
4
R
3
denida
por
T(x, y, z, w)
T
= (x + y + z + w, 0, 2y x + 5w)
T
.
A denicao desta transformacao linear nao menciona quais as bases que se consid-
eram no espaco de partida, R
4
, e no espaco de chegada, R
3
. Quando uma trans-
formacao linear e denida deste modo, pressupoem-se que a transformacao linear e
denida considerando a bases canonica do espaco de partida e a base canonica do
espaco de chegada. Quer isto dizer que (x + y + z + w, 0, 2y x + 5w)
T
representa
um vector em R
3
cujas componentes, expressas na base canonica de R
3
,
b
1
=
_

_
1
0
0
_

_
, b
2
=
_

_
0
1
0
_

_
, b
3
=
_

_
0
0
1
_

_
sao, respectivamente, x + y + z + w, 0 e 2y x + 5w, ou seja,
_

_
x + y + z + w
0
2y x + 5w
_

_
= (x + y + z + w)b
1
+ (2y x + 5w)b
3
Exemplo 2.2.2 Considere-se as bases canonicas de R
3
e R
4
e a transformacao
linear T : R
3
R
3
tal que
T(1, 0, 0)
T
= (1, 1, 1)
T
T(0, 1, 0)
T
= (1, 1, 0)
T
T(0, 0, 1)
T
= (1, 0, 0)
T
Representacao Matricial 25
A matriz que representa T, nas bases canonicas de R
3
e R
4
, e a matrix
A =
_

_
1 1 1
1 1 0
1 0 0
_

_
Designando por
b
1
=
_

_
1
0
0
_

_
, b
2
=
_

_
0
1
0
_

_
, b
3
=
_

_
0
0
1
_

_
os vectores da base canonica de R
3
, qualquer vector (x, y, z)
T
= xb
1
+yb
2
+zb
3
R
3
tem como imagem por T o vector
T(xb
1
+ yb
2
+ zb
3
) = xT(b
1
) + yT(b
2
) + zT(b
3
) =
_

_
x + y + z
x + y
x
_

_
que e exactamente igual ao vector que se obtem multiplicando a matriz A por (x, y, z)
T
:
A
_

_
x
y
z
_

_
=
_

_
x + y + z
x + y
x
_

_
.
Se mudarmos as bases de X, ou de Y , ou de ambos, a mesma transformacao linear
T sera representada por matrizes diferentes, como veremos mais adiante.
Exerccio 2.2.3 Considere os conjuntos de R
3
c
1
, c
2
, c
3
e e
1
, e
2
, e
3
, onde
c
1
=
_

_
1
0
0
_

_
, c
2
=
_

_
0
1
0
_

_
, c
3
=
_

_
0
0
1
_

_
,
e
1
=
_

_
1
1
1
_

_
, e
2
=
_

_
0
1
1
_

_
, e
3
=
_

_
0
0
1
_

_
.
Representacao Matricial 26
Determine as matrizes A e B que representam respectivamente as transformacoes
lineares T e S denidas por T(c
i
) = e
i
e S(e
i
) = c
i
, para i = 1, 2, 3. Verique se
existe alguma relacao entre estas duas matrizes.
Consideremos agora
um corpo K;
n, m N;
X, um espaco linear sobre K de dimensao n e b
1
, . . . , b
n
uma base de X;
Y , um espaco linear sobre K de dimensao m e c
1
, . . . , c
m
uma base de Y ;
o conjunto de todas as matrizes com m linhas e n colunas cujas entradas sao
elementos de K, /
mn
;
uma matriz A /
mn
:
A =
_

11

12
. . .
1n

21

22
. . .
2n
.
.
.
.
.
. . . .
.
.
.

m1

m2
. . .
mn
_

_
.
Relativamente `as bases escolhidas de X e Y
sera que existe uma transformacao linear T L(X, Y ) representada pela matriz A?
Vamos ver que a resposta a esta pergunta a SIM.
Escolhe-se uma base B = b
1
, . . . , b
n
de X.
Escolhe-se uma base ( = c
1
, . . . , c
m
de Y .
Dene-se y
i
=

m
j=1

ji
c
j
, para i = 1, . . . , n.
Dene-se T : X Y pelas equacoes
T(b
i
) = y
i
, para i = 1, . . . , n.
Representacao Matricial 27
O Teorema 2.1.1 garante a existencia de uma e uma so transformacao linear T
satisfazendo as n ultimas igualdades, transformacao essa que a cada elemento x =

n
i=1

i
b
i
X faz corresponder o elemento de Y
T(x) =
n

i=1

i
T(b
i
) =
n

i=1

i
y
i
=
n

i=1

i
_
m

j=1

ji
c
j
_
=
m

j=1
_
n

i=1

ji

i
_
c
j
.
Fica assim determinada a transformacao linear T L(X, Y ) que e representada pela
matriz A /
mn
.
Exemplo 2.2.4 Considere a matriz
A =
_
1 2 3
0 2 1
_
.
Pretende-se determinar uma transformacao linear T que e representada por esta
matriz. Como A tem 2 linhas e 3 colunas, podemos considerar uma transformacao
T : R
3
R
2
.
Considere-se as bases canonicas de R
2
e R
3
e seja T tal que
T(1, 0, 0)
T
= (1, 0)
T
T(0, 1, 0)
T
= (2, 2)
T
T(0, 0, 1)
T
= (3, 1)
T
Sendo (x, y, z)
T
um elemento de R
3
expresso na base canonica, temos
T(x, y, z)
T
= (x + 2y + 3z, 2y + z)
T
= A
_

_
x
y
z
_

_
.
Representacao Matricial 28
2.3 Isomorsmo entre Transformacoes Lineares e
Matrizes
Seja K um corpo.
Sejam m, n N.
Seja /
mn
o conjunto de todas as matrizes com m linhas e n colunas cujas entradas
sao elementos do corpo K.
Considere
X, um espaco linear sobre o corpo K de dimensao n e B = b
1
, . . . , b
n
uma
base de X.
Y , um espaco linear sobre o corpo K de dimensao m e ( = c
1
, . . . , c
m
uma
base de Y .
T L(X, Y ).
Seja A(T) a matriz que representa a transformacao linear T relativamente `as bases
consideradas.
Recordemos que a matriz A(T) e calculada da seguinte forma:
A imagem por T de cada elemento b
k
da base B de X e expresso como com-
binacao linear dos elementos da base ( de Y :
T(b
k
) =
m

i=1

ik
c
i
para k = 1, . . . , n.
O escalar
ik
e a entrada ik da matriz A(T). Assim
A(T) =
_

11

12
. . .
1n

21

22
. . .
2n
.
.
.
.
.
. . . .
.
.
.

m1

m2
. . .
mn
_

_
(3.1)
A matriz A(T) e um elemento de /
mn
.
Representacao Matricial 29
A equacao (3.1) dene uma nova funcao
A : L(X, Y ) /
mn
que a cada transformacao linear T L(X, Y ) faz corresponder uma matriz A(T)
/
mn
.
Ent ao:
Teorema 2.3.1 Para todo o S, T L(X, Y ) (considerando as respectivas bases de
X e Y ) e todo o K temos
A(S + T) = A(S) + A(T)
A(T) = A(T).
(3.2)
Mais ainda,
A(S) = A(T) = S = T. (3.3)
Exerccio 2.3.2
Conclua de (3.2) que a funcao
A : L(X, Y ) /
mn
denada acima e linear.
Conclua de (3.3) que a funcao A e injectiva.
Verique que a funcao A : L(X, Y ) /
mn
tem inversa e dena-a.
Demonstre o Teorema 2.3.1.
A funcao
A : L(X, Y ) /
mn
denida acima e um isomorsmo entre o espaco das transformacoes lineares de X
em Y e o espaco das matrizes /
mn
.
Representacao Matricial 30
Teorema 2.3.3 Considere
X, um espaco linear sobre o corpo K de dimensao n e B = b
1
, . . . , b
n
uma
base de X;
Y , um espaco linear sobre o corpo K de dimensao m e ( = c
1
, . . . , c
m
uma
base de Y ;
Z, um espaco linear sobre o corpo K de dimensao p e T = d
1
, . . . , d
p
uma
base de Z;
transformacoes lineares T L(X, Y ) e S L(Y, Z).
A(T) /
mn
a matriz que representa a transformacao linear T;
A(S) /
pm
a matriz que representa a transformacao linear S;
Seja A(ST) /
pn
a matriz que representa a transformacao linear ST nas
bases consideradas.
Entao
A(ST) = A(S)A(T).
Demonstracao. Sabemos ja que a multiplicacao de transformacoes lineares S e
T
ST : X Z
e uma transformacao linear. Assim
ST L(X, Z).
Tem sentido falar da matriz A(ST) que representa a transformacao linear ST nas
bases consideradas.
Seja
T(b
j
) =

m
k=1

kj
c
k
para j = 1, . . . , n,
S(c
k
) =

p
i=1

ik
d
i
para k = 1, . . . , m
Representacao Matricial 31
e
A(T) =
_

11

12
. . .
1n

21

22
. . .
2n
.
.
.
.
.
. . . .
.
.
.

m1

m2
. . .
mn
_

_
A(S) =
_

11

12
. . .
1m

21

22
. . .
2m
.
.
.
.
.
. . . .
.
.
.

p1

p2
. . .
pm
_

_
Entao, para j = 1, . . . , n,
ST(b
j
) = S
_
T(b
j
)
_
=
m

k=1

kj
S(c
k
) =
m

k=1

kj
p

i=1

ik
d
i
=
p

i=1
_
m

k=1

ik

kj
_
d
i
.
Logo
A(ST) = A(S)A(T).
2.4 Mudanca de Base
Vimos ja que uma transformacao linear T entre dois espacos lineares X e Y de
dimensao nita sobre o mesmo corpo pode ser representada, relativamente a bases
de X e Y , por uma matriz. O problema que se levanta agora e o de saber qual a
matriz que representa a mesma transformacao linear quando outras bases de X e Y
sao consideradas.
Comecemos por estudar um exemplo simples da transformacao identidade de R
2
em
R
2
.
Exemplo 2.4.1 Considere-se em R
2
duas bases:
B = b
1
, b
2
, ( = c
1
, c
2

Representacao Matricial 32
onde
b
1
=
_
1
0
_
, b
2
=
_
0
1
_
, c
1
=
_
1
1
_
, c
2
=
_
1
1
_
.
Seja z R
2
qualquer e sejam z
B
= (
1
,
2
)
T
e z
C
= (
1
,
2
)
T
as representacoes
desse vector z respectivamente na base B e na base (.
Considere a transformacao linear identidade I : R
2
R
2
, I(z) = z para todo o
z R
2
.
Queremos determinar a matriz que representa a transformacao linear I quando,
em R
2
consideramos a base B. Deveremos ter uma matriz A tal que Az
B
= z
B
.
Logo a matriz que representa T e
A =
_
1 0
0 1
_
Queremos agora determinar a matriz que representa T quando, em R
2
, con-
sideramos
a base B no domnio da transformacao linear I
e a base ( no contradomnio da transformacao linear I.
Assim deveremos ter uma matriz P tal que Pz
B
= z
C
. Quando z R
2
esta
expresso na base B temos
z
B
= (
1
,
2
)
T
=
1
b
1
+
2
b
2
.
Como
b
1
=
1
2
(c
1
+ c
2
),
b
2
=
1
2
(c
1
c
2
),
vem
(b
1
)
C
=
_
1
2
1
2
_
(b
2
)
C
=
_
1
2

1
2
_
.
Representacao Matricial 33
Quer isto dizer que as coordenadas do vector imagem por I de z na base ( sao
(I(z
B
))
C
=
1
_
1
2
1
2
_
+
2
_
1
2

1
2
_
=
_
1
2
1
2
1
2

1
2
__

1

2
_
.
Como z
C
= (I(z
B
))
C
concluimos que a matriz procurada e
P =
_
1
2
1
2
1
2

1
2
_
.
A matriz P representa assim I nas bases consideradas.
R
2
I

R
2
z R
2
I(z) = z R
2

[ [
[ [

Base B Base (
z
B
em R
2
z
C
em R
2
(
1
,
2
)
T
P

(
1
,
2
)
T
Queremos agora determinar a matriz que representa a transformacao linear I
quando em R
2
consideramos
a base ( no domnio de I
a base B no contradomnio de I.
Assim deveremos ter uma matriz Q tal que Qz
C
= z
B
. Ora
z
C
= (
1
,
2
)
T
Como
c
1
= b
1
+ b
2
,
c
2
= b
1
b
2
.
temos
(I(z
C
))
B
=
1
_
1
1
_
+
2
_
1
1
_
=
_
1 1
1 1
__

1

2
_
Representacao Matricial 34
A matriz procurada e assim
Q =
_
1 1
1 1
_
.
A matriz Q representa a transformacao linear I nas bases consideradas.
R
2
I

R
2
z R
2
I(z) = z R
2

[ [
[ [

Base ( Base B
z
C
em R
2
z
B
em R
2
(
1
,
2
)
T
Q

(
1
,
2
)
T
Resta-nos agora determinar a matriz que representa a transformacao linear
identidade I quando no no domnio e no contra-domnio de I consideramos a
base (.

E simples concluir que, neste, caso, essa matriz e
I =
_
1 0
0 1
_
Observe-se que
PQ =
_
1
2
1
2
1
2

1
2
_ _
1 1
1 1
_
=
_
1 0
0 1
_
= QP,
ou seja, P
1
= Q e Q = P
1
.
Mais geralmente, vamos ver como, conhecendo as coordenadas de um elemento de
um espaco linear X de dimensao nita expressas numa base, podemos determinar
as coordenadas desse mesmo elemento numa outra base.
Considere um espaco linear X de dimensao n e duas bases de X,
B = b
1
, . . . , b
n
, ( = c
1
, . . . , c
n
.
Representacao Matricial 35
Seja z X tal que
z =
1
b
1
+ . . . +
n
b
n
.
Pretendemos determinar as coordenadas de z na base (, z
C
.
Comecamos por determinar as coordenadas de cada um dos vectores b
i
da base B
na base (. Para cada i = 1, . . . , n, temos b
i
=

n
j=1

ji
c
j
e, portanto,
(b
i
)
C
=
_

1i
.
.
.

ni
_

_
.
Para cada i = 1, . . . , n seja
a
i
=
_

1i
.
.
.

ni
_

_
,
e seja M = [ a
1
a
2
a
n
] a matriz n n cujos vectores coluna sao a
i
, para
i = 1, . . . , n.
Ent ao
z =
1
b
1
+ . . . +
n
b
n
=
n

i=1

i
_
n

j=1

ji
c
j
_
=
n

j=1
_
n

i=1

ji
_
c
j
.
Logo
z
C
=
1
a
1
+ +
n
a
n
= [ a
1
a
2
a
n
]
_

1
.
.
.

n
_

_
= M
_

1
.
.
.

n
_

_
= Mz
B
Observe que
M =
_

11

12
. . .
1n

21

22
. . .
2n
.
.
.
.
.
. . . .
.
.
.

n1

n2
. . .
nn
_

_
.
Representacao Matricial 36
Vejamos agora que a matriz M e nao singular .
Basta mostrar que
Mx = 0
tem uma e uma so solucao e essa solucao e x = 0. Seja x um elemento de X tal que
x
B
=
_

1
.
.
.

n
_

_
.
Entao, como vimos acima,
x
C
= Mx
B
= 0.
Entao
x
C
= 0c
1
+ . . . + 0c
n
X.
Mas entao
i
= 0 para todo o i = 1, . . . , n. Logo x = 0. Deduzimos assim que M e
nao singular.
Tal como no exemplo anterior, a matriz M pode ser vista como a matriz que repre-
senta a transformacao linear identidade I : X X, T(x) = x, quando no domnio
de I consideramos a base B e no contradomnio de I consideramos a base (. Da
mesma forma, a matriz M
1
representa essa mesma transformacao linear quando no
domnio de I consideramos a base ( e no contradomnio de I consideramos a base
B.
Teorema 2.4.2 Sejam
B = b
1
, . . . , b
n
, ( = c
1
, . . . , c
n

duas bases do mesmo espaco linear X de dimensao n. Para qualquer elemento z de

X as coordenadas de z na base B, z
B
, e as coordenadas de z na base (, z
C
estao
relacionadas pela equacao
z
C
= Mz
B
e z
B
= M
1
z
C
onde M /
nn
e uma matriz nao singular cujos vectores coluna a
i
representam o
vector b
i
da base B expresso na base (, i.e.,
a
i
=
_
b
i
_
C
.
Representacao Matricial 37
Exemplo 2.4.3 Em R
3
considere-se a base canonica B = b
1
, b
2
, b
3
,
b
1
=
_

_
1
0
0
_

_
, b
2
=
_

_
0
1
0
_

_
, b
3
=
_

_
0
0
1
_

_
e a base ( = c
1
, c
2
, c
3
,
c
1
=
_

_
1
1
1
_

_
, c
2
=
_

_
0
1
1
_

_
, c
3
=
_

_
0
0
1
_

_
.
Assim
b
1
= c
1
c
2
b
2
= c
2
c
3
b
3
= c
3
.
Logo
M =
_

_
1 0 0
1 1 0
0 1 1
_

_
e
M
1
=
_

_
1 0 0
1 1 0
1 1 1
_

_
.
Seja agora w R
3
tal que, na base canonica, B, w = (3, 2, 3)
T
. Entao, na base (,
w
C
= M
_

_
3
2
3
_

_
=
_

_
1 0 0
1 1 0
0 1 1
_

_
_

_
3
2
3
_

_
=
_

_
3
5
5
_

_
.
Ora, como seria de esperar,
M
1
_

_
3
5
2
_

_
=
_

_
1 0 0
1 1 0
1 1 1
_

_
_

_
3
5
5
_

_
=
_

_
3
2
3
_

_
.
Representacao Matricial 38
Considere um espaco linear X sobre K de dimensao n, duas bases de X, B =
b
1
, . . . , b
n
e ( = c
1
, . . . , c
n
, a matriz P tal que para todo o x X:
x
C
= Px
B
.
Considere ainda um espaco linear Y sobre K de dimensao m, duas bases de Y ,
B

= b

1
, . . . , b

m
e (

= c

1
, . . . , c

n
e a matriz S tal que para todo o y Y :
y
C
= Sy
B
.
Seja T L(X, Y ) e A /
mn
a matriz que representa T relativamente `as bases B
de X e B

de Y . Seja A

/
mn
a matriz que representa T relativamente `as bases
( de X e (

de Y .
Seja x X e y Y tal que T(x) = y. Entao
y
B
= Ax
B
e
y
C
= A

x
C
.
Ora
Ax
B
= AP
1
x
C
e
y
B
= S
1
y
C
.
Temos assim
S
1
y
C
= AP
1
x
C
.
Logo
y
C
= SAP
1
x
C
.
Mas
y
C
= A

x
C
.
Entao
A

= SAP
1
.
Resumindo:
Representacao Matricial 39
Teorema 2.4.4 Considere
um espaco linear X sobre K de dimensao n;
duas bases de X, B = b
1
, . . . , b
n
e ( = c
1
, . . . , c
n
;
a matriz P tal que para todo o x X:
x
C
= Px
B
.
um espaco linear Y sobre K de dimensao m;
duas bases de Y , B

= b

1
, . . . , b

m
e (

= c

1
, . . . , c

n
;
a matriz S tal que para todo o y Y :
y
C
= Sy
B
.
T L(X, Y );
a matriz A /
mn
que representa T relativamente `as bases B de X e B

de
Y ;
a matriz A

/
mn
que representa T relativamente `as bases ( de X e (

de
Y .
Entao
A

= SAP
1
.
Representacao Matricial 40
X T

Y
x X T(x) = y Y

[ [
[ [

Base B Base B

x
B
em X A

y
B
em Y
x
B
y
B
= Ax
B
[ [
[P [S

Base ( Base (

x
C
em X A

y
C
em Y
x
C
y
C
= A

x
C
..
A

= SAP
1
Exemplo 2.4.5 Considere a transformacao linear T L(R
2
, R
3
) denida por
T(x, y)
T
= (x + y, x, y)
T
para todo o (x, y)
T
R
2
.
Considere-se a base canonica em R
2
, B = b
1
, b
2
, e a base canonica em R
3
, B

=
b

1
, b

2
, b

3
. Como e obvio,
b
1
=
_
1
0
_
, b
2
=
_
0
1
_
, b

1
=
_

_
1
0
0
_

_
, b

2
=
_

_
0
1
0
_

_
, b

3
=
_

_
0
0
1
_

_
.
Por denicao, temos
T(1, 0)
T
= (1, 1, 0)
T
, T(0, 1)
T
= (1, 0, 1)
T
.
Assim
T(x, y)
T
=
_

_
1 1
1 0
0 1
_

_
_
x
y
_
Representacao Matricial 41
Relativamente `as bases canonicas do espaco de partida e do espaco de chegada
a matriz que representa T e entao
A
1
=
_

_
1 1
1 0
0 1
_

_
.
Consideremos agora a base ( = c
1
, c
2
de R
2
onde
c
1
=
_
1
1
_
, c
2
=
_
1
1
_
Vejamos qual e agora a representacao da mesma transformacao linear T quando
em R
2
consideramos a base ( e em R
3
, a base canonica, B

. Precisamos de cal-
cular T(c
1
) e T(c
2
). Estes dois vectores, T(c
1
) e T(c
2
), deverao ser expressos
na base canonica de R
3
.
Como c
1
= b
1
+ b
2
e c
2
= b
1
b
2
, vem T(c
1
) = T(b
1
) + T(b
2
) = (2, 1, 1) e
T(c
2
) = (0, 1, 1). Os vectores T(c
1
) e T(c
2
) estao expressos na base canonica
de R
3
. Assim a matriz que representa a transformacao linear T quando, em
R
2
, adoptamos a base B e, em R
3
, a base B

, e
A
2
=
_

_
2 0
1 1
1 1
_

_
.
Seja w R
2
qualquer. Sejam w
B
= (
1
,
2
)
T
e w
C
= (
1
,
2
)
T
.

E simples
vericar agora que
w
B
= Pw
B
onde
P =
_
1
2
1
2
1
2

1
2
_
.
Ora
P
1
=
_
1 1
1 1
_
.
Representacao Matricial 42
Como se pode ver
A
2
= A
1
P
1
=
_

_
1 1
1 0
0 1
_

_
_
1 1
1 1
_
.
Observe-se que A
1
e A
2
foram calculadas considerando a mesma base em R
3
.
Assim, podemos considerar que a matriz S e a matriz identidade
S =
_
1 0
0 1
_
.