aplicações de Álgebra linear - professores.uff.br · aplicações de Álgebra linear humberto...
TRANSCRIPT
Aplicações de Álgebra Linear
Humberto José Bortolossi
Departamento de Matemática Aplicada
Universidade Federal Fluminense
Aula 2
8 de janeiro de 2009
1/40 Aula 2 Aplicações de Álgebra Linear 1/1
Transformações Lineares
2/40 Aula 2 Aplicações de Álgebra Linear 1/1
Transformações lineares
Sejam U e V espaços vetoriais sobre K. Uma função T : U → V éuma transformação linear se
(1) ∀u1,u2 ∈ U,T(u1 + v2) = T(u1) + T(u2).
(2) ∀α ∈ K , ∀u ∈ U,T(α · u) = α · T(u).
Definição
3/40 Aula 2 Aplicações de Álgebra Linear 1/1
Propriedades
Sejam U e V espaços vetoriais sobre K e T : U → V umatransformação linear.
(1) T(0U) = 0V .
(2) T(−u) = −T(u).
(3) ∀α1, . . . , αk ∈ K, ∀u1, . . . ,uk ∈ U,
T
(k∑
i=1
αi · ui
)=
k∑i=1
αi · T(ui).
Prova de (1): T(0U) = T(0 · 0U) = 0 · T(0U) = 0V .
4/40 Aula 2 Aplicações de Álgebra Linear 1/2
Propriedades
Sejam U e V espaços vetoriais sobre K e T : U → V umatransformação linear.
(1) T(0U) = 0V .
(2) T(−u) = −T(u).
(3) ∀α1, . . . , αk ∈ K, ∀u1, . . . ,uk ∈ U,
T
(k∑
i=1
αi · ui
)=
k∑i=1
αi · T(ui).
Prova de (1): T(0U) = T(0 · 0U) = 0 · T(0U) = 0V .
4/40 Aula 2 Aplicações de Álgebra Linear 2/2
Exemplos
(1) T : U → Vu 7→ T(u) = 0V
(função nula)
(2) Id : U → Uu 7→ T(u) = u
(função identidade em U)
(3) T : Mn×1(K) → Mm×1(K) x1...
xn
7→
y1...
ym
=
a11 · · · a1n...
. . ....
am1 · · · amn
x1
...xn
(4) T : C∞(R,R) → C∞(R,R)
f 7→ T (f ) = f ′(derivada)
(5) T : C([a,b],R) → R
f 7→ T (f ) =
∫ b
af (x) dx
(integral)
5/40 Aula 2 Aplicações de Álgebra Linear 1/5
Exemplos
(1) T : U → Vu 7→ T(u) = 0V
(função nula)
(2) Id : U → Uu 7→ T(u) = u
(função identidade em U)
(3) T : Mn×1(K) → Mm×1(K) x1...
xn
7→
y1...
ym
=
a11 · · · a1n...
. . ....
am1 · · · amn
x1
...xn
(4) T : C∞(R,R) → C∞(R,R)
f 7→ T (f ) = f ′(derivada)
(5) T : C([a,b],R) → R
f 7→ T (f ) =
∫ b
af (x) dx
(integral)
5/40 Aula 2 Aplicações de Álgebra Linear 2/5
Exemplos
(1) T : U → Vu 7→ T(u) = 0V
(função nula)
(2) Id : U → Uu 7→ T(u) = u
(função identidade em U)
(3) T : Mn×1(K) → Mm×1(K) x1...
xn
7→
y1...
ym
=
a11 · · · a1n...
. . ....
am1 · · · amn
x1
...xn
(4) T : C∞(R,R) → C∞(R,R)
f 7→ T (f ) = f ′(derivada)
(5) T : C([a,b],R) → R
f 7→ T (f ) =
∫ b
af (x) dx
(integral)
5/40 Aula 2 Aplicações de Álgebra Linear 3/5
Exemplos
(1) T : U → Vu 7→ T(u) = 0V
(função nula)
(2) Id : U → Uu 7→ T(u) = u
(função identidade em U)
(3) T : Mn×1(K) → Mm×1(K) x1...
xn
7→
y1...
ym
=
a11 · · · a1n...
. . ....
am1 · · · amn
x1
...xn
(4) T : C∞(R,R) → C∞(R,R)
f 7→ T (f ) = f ′(derivada)
(5) T : C([a,b],R) → R
f 7→ T (f ) =
∫ b
af (x) dx
(integral)
5/40 Aula 2 Aplicações de Álgebra Linear 4/5
Exemplos
(1) T : U → Vu 7→ T(u) = 0V
(função nula)
(2) Id : U → Uu 7→ T(u) = u
(função identidade em U)
(3) T : Mn×1(K) → Mm×1(K) x1...
xn
7→
y1...
ym
=
a11 · · · a1n...
. . ....
am1 · · · amn
x1
...xn
(4) T : C∞(R,R) → C∞(R,R)
f 7→ T (f ) = f ′(derivada)
(5) T : C([a,b],R) → R
f 7→ T (f ) =
∫ b
af (x) dx
(integral)
5/40 Aula 2 Aplicações de Álgebra Linear 5/5
Exemplo: rotações em torno da origem
6/40 Aula 2 Aplicações de Álgebra Linear 1/1
Exemplo: rotações em torno da origem
7/40 Aula 2 Aplicações de Álgebra Linear 1/1
Exemplo: rotações em torno da origem
8/40 Aula 2 Aplicações de Álgebra Linear 1/1
Teorema
Seja B = {u1, . . . ,un} base de U. Se {v1, . . . ,vn} ⊆ V(não necessariamente uma base de V ), então existe uma únicatransformação linear T : U → V tal que
T(u1) = v1, . . . , T(un) = vn.
Teorema
Demonstração.
(Existência) Seja u ∈ V . Como B é base de V , existem únicos α1, . . . , αn ∈ Ktais que u =
∑ni=1 αi · ui . Defina T(u) =
∑ni=1 αi · vi . Exercício: mostre que T é
linear e que T(ui) = vi , ∀i = 1, . . . ,n.
(Unicidade) Considere agora S : U → V outra transformação linear tal queS(ui) = vi , ∀i = 1, . . . ,n. Então , ∀u ∈ U,
S(u) = S(∑n
i=1 αi · ui)
=n∑
i=1
αi ·S(ui) =n∑
i=1
αi ·vi =n∑
i=1
αi ·T(ui) = T(n∑
i=1
αi ·ui) = T(u).
9/40 Aula 2 Aplicações de Álgebra Linear 1/10
Teorema
Seja B = {u1, . . . ,un} base de U. Se {v1, . . . ,vn} ⊆ V(não necessariamente uma base de V ), então existe uma únicatransformação linear T : U → V tal que
T(u1) = v1, . . . , T(un) = vn.
Teorema
Demonstração.
(Existência) Seja u ∈ V . Como B é base de V , existem únicos α1, . . . , αn ∈ Ktais que u =
∑ni=1 αi · ui . Defina T(u) =
∑ni=1 αi · vi . Exercício: mostre que T é
linear e que T(ui) = vi , ∀i = 1, . . . ,n.
(Unicidade) Considere agora S : U → V outra transformação linear tal queS(ui) = vi , ∀i = 1, . . . ,n. Então , ∀u ∈ U,
S(u) = S(∑n
i=1 αi · ui)
=n∑
i=1
αi ·S(ui) =n∑
i=1
αi ·vi =n∑
i=1
αi ·T(ui) = T(n∑
i=1
αi ·ui) = T(u).
9/40 Aula 2 Aplicações de Álgebra Linear 2/10
Teorema
Seja B = {u1, . . . ,un} base de U. Se {v1, . . . ,vn} ⊆ V(não necessariamente uma base de V ), então existe uma únicatransformação linear T : U → V tal que
T(u1) = v1, . . . , T(un) = vn.
Teorema
Demonstração.
(Existência) Seja u ∈ V . Como B é base de V , existem únicos α1, . . . , αn ∈ Ktais que u =
∑ni=1 αi · ui . Defina T(u) =
∑ni=1 αi · vi . Exercício: mostre que T é
linear e que T(ui) = vi , ∀i = 1, . . . ,n.
(Unicidade) Considere agora S : U → V outra transformação linear tal queS(ui) = vi , ∀i = 1, . . . ,n. Então , ∀u ∈ U,
S(u) = S(∑n
i=1 αi · ui)
=n∑
i=1
αi ·S(ui) =n∑
i=1
αi ·vi =n∑
i=1
αi ·T(ui) = T(n∑
i=1
αi ·ui) = T(u).
9/40 Aula 2 Aplicações de Álgebra Linear 3/10
Teorema
Seja B = {u1, . . . ,un} base de U. Se {v1, . . . ,vn} ⊆ V(não necessariamente uma base de V ), então existe uma únicatransformação linear T : U → V tal que
T(u1) = v1, . . . , T(un) = vn.
Teorema
Demonstração.
(Existência) Seja u ∈ V . Como B é base de V , existem únicos α1, . . . , αn ∈ Ktais que u =
∑ni=1 αi · ui . Defina T(u) =
∑ni=1 αi · vi . Exercício: mostre que T é
linear e que T(ui) = vi , ∀i = 1, . . . ,n.
(Unicidade) Considere agora S : U → V outra transformação linear tal queS(ui) = vi , ∀i = 1, . . . ,n. Então , ∀u ∈ U,
S(u) = S(∑n
i=1 αi · ui)
=n∑
i=1
αi ·S(ui) =n∑
i=1
αi ·vi =n∑
i=1
αi ·T(ui) = T(n∑
i=1
αi ·ui) = T(u).
9/40 Aula 2 Aplicações de Álgebra Linear 4/10
Teorema
Seja B = {u1, . . . ,un} base de U. Se {v1, . . . ,vn} ⊆ V(não necessariamente uma base de V ), então existe uma únicatransformação linear T : U → V tal que
T(u1) = v1, . . . , T(un) = vn.
Teorema
Demonstração.
(Existência) Seja u ∈ V . Como B é base de V , existem únicos α1, . . . , αn ∈ Ktais que u =
∑ni=1 αi · ui . Defina T(u) =
∑ni=1 αi · vi . Exercício: mostre que T é
linear e que T(ui) = vi , ∀i = 1, . . . ,n.
(Unicidade) Considere agora S : U → V outra transformação linear tal queS(ui) = vi , ∀i = 1, . . . ,n. Então , ∀u ∈ U,
S(u) = S(∑n
i=1 αi · ui)
=n∑
i=1
αi ·S(ui) =n∑
i=1
αi ·vi =n∑
i=1
αi ·T(ui) = T(n∑
i=1
αi ·ui) = T(u).
9/40 Aula 2 Aplicações de Álgebra Linear 5/10
Teorema
Seja B = {u1, . . . ,un} base de U. Se {v1, . . . ,vn} ⊆ V(não necessariamente uma base de V ), então existe uma únicatransformação linear T : U → V tal que
T(u1) = v1, . . . , T(un) = vn.
Teorema
Demonstração.
(Existência) Seja u ∈ V . Como B é base de V , existem únicos α1, . . . , αn ∈ Ktais que u =
∑ni=1 αi · ui . Defina T(u) =
∑ni=1 αi · vi . Exercício: mostre que T é
linear e que T(ui) = vi , ∀i = 1, . . . ,n.
(Unicidade) Considere agora S : U → V outra transformação linear tal queS(ui) = vi , ∀i = 1, . . . ,n. Então , ∀u ∈ U,
S(u) = S(∑n
i=1 αi · ui)
=n∑
i=1
αi ·S(ui) =n∑
i=1
αi ·vi =n∑
i=1
αi ·T(ui) = T(n∑
i=1
αi ·ui) = T(u).
9/40 Aula 2 Aplicações de Álgebra Linear 6/10
Teorema
Seja B = {u1, . . . ,un} base de U. Se {v1, . . . ,vn} ⊆ V(não necessariamente uma base de V ), então existe uma únicatransformação linear T : U → V tal que
T(u1) = v1, . . . , T(un) = vn.
Teorema
Demonstração.
(Existência) Seja u ∈ V . Como B é base de V , existem únicos α1, . . . , αn ∈ Ktais que u =
∑ni=1 αi · ui . Defina T(u) =
∑ni=1 αi · vi . Exercício: mostre que T é
linear e que T(ui) = vi , ∀i = 1, . . . ,n.
(Unicidade) Considere agora S : U → V outra transformação linear tal queS(ui) = vi , ∀i = 1, . . . ,n. Então , ∀u ∈ U,
S(u) = S(∑n
i=1 αi · ui)
=n∑
i=1
αi ·S(ui) =n∑
i=1
αi ·vi =n∑
i=1
αi ·T(ui) = T(n∑
i=1
αi ·ui) = T(u).
9/40 Aula 2 Aplicações de Álgebra Linear 7/10
Teorema
Seja B = {u1, . . . ,un} base de U. Se {v1, . . . ,vn} ⊆ V(não necessariamente uma base de V ), então existe uma únicatransformação linear T : U → V tal que
T(u1) = v1, . . . , T(un) = vn.
Teorema
Demonstração.
(Existência) Seja u ∈ V . Como B é base de V , existem únicos α1, . . . , αn ∈ Ktais que u =
∑ni=1 αi · ui . Defina T(u) =
∑ni=1 αi · vi . Exercício: mostre que T é
linear e que T(ui) = vi , ∀i = 1, . . . ,n.
(Unicidade) Considere agora S : U → V outra transformação linear tal queS(ui) = vi , ∀i = 1, . . . ,n. Então , ∀u ∈ U,
S(u) = S(∑n
i=1 αi · ui)
=n∑
i=1
αi ·S(ui) =n∑
i=1
αi ·vi =n∑
i=1
αi ·T(ui) = T(n∑
i=1
αi ·ui) = T(u).
9/40 Aula 2 Aplicações de Álgebra Linear 8/10
Teorema
Seja B = {u1, . . . ,un} base de U. Se {v1, . . . ,vn} ⊆ V(não necessariamente uma base de V ), então existe uma únicatransformação linear T : U → V tal que
T(u1) = v1, . . . , T(un) = vn.
Teorema
Demonstração.
(Existência) Seja u ∈ V . Como B é base de V , existem únicos α1, . . . , αn ∈ Ktais que u =
∑ni=1 αi · ui . Defina T(u) =
∑ni=1 αi · vi . Exercício: mostre que T é
linear e que T(ui) = vi , ∀i = 1, . . . ,n.
(Unicidade) Considere agora S : U → V outra transformação linear tal queS(ui) = vi , ∀i = 1, . . . ,n. Então , ∀u ∈ U,
S(u) = S(∑n
i=1 αi · ui)
=n∑
i=1
αi ·S(ui) =n∑
i=1
αi ·vi =n∑
i=1
αi ·T(ui) = T(n∑
i=1
αi ·ui) = T(u).
9/40 Aula 2 Aplicações de Álgebra Linear 9/10
Teorema
Seja B = {u1, . . . ,un} base de U. Se {v1, . . . ,vn} ⊆ V(não necessariamente uma base de V ), então existe uma únicatransformação linear T : U → V tal que
T(u1) = v1, . . . , T(un) = vn.
Teorema
Demonstração.
(Existência) Seja u ∈ V . Como B é base de V , existem únicos α1, . . . , αn ∈ Ktais que u =
∑ni=1 αi · ui . Defina T(u) =
∑ni=1 αi · vi . Exercício: mostre que T é
linear e que T(ui) = vi , ∀i = 1, . . . ,n.
(Unicidade) Considere agora S : U → V outra transformação linear tal queS(ui) = vi , ∀i = 1, . . . ,n. Então , ∀u ∈ U,
S(u) = S(∑n
i=1 αi · ui)
=n∑
i=1
αi ·S(ui) =n∑
i=1
αi ·vi =n∑
i=1
αi ·T(ui) = T(n∑
i=1
αi ·ui) = T(u).
9/40 Aula 2 Aplicações de Álgebra Linear 10/10
Exercício
Seja T : R2 → R2 uma transformação linear tal que
T(1,0) = (1,2) e T(0,1) = (3,4).
Calcule T(2,3).
10/40 Aula 2 Aplicações de Álgebra Linear 1/1
Exemplo: rotações em torno da origem
11/40 Aula 2 Aplicações de Álgebra Linear 1/1
Exemplo: rotações em torno da origem
12/40 Aula 2 Aplicações de Álgebra Linear 1/1
Exemplo: rotações em torno da origem
13/40 Aula 2 Aplicações de Álgebra Linear 1/1
Exemplo: rotações em torno da origem
14/40 Aula 2 Aplicações de Álgebra Linear 1/1
Exemplo: rotações em torno da origem
15/40 Aula 2 Aplicações de Álgebra Linear 1/1
Exemplo: rotações em torno da origem
16/40 Aula 2 Aplicações de Álgebra Linear 1/1
Exemplo: rotações em torno da origem
Rθ(1,0) = (+ cos(θ),+ sen(θ), Rθ(0,1) = (− sen(θ),+ cos(θ)).
Rθ(x , y) = Rθ
(x · (1,0) + y · (0,1)
)= x · Rθ(1,0) + y · Rθ(0,1)
= x ·(
+ cos(θ),+ sen(θ))
+ y ·(− sen(θ),+ cos(θ)
)=
(cos(θ) · x − sen(θ) · y , sen(θ) · x + cos(θ) · y
).
Matricialmente:
Rθ
([xy
])=
[cos(θ) − sen(θ)sen(θ) cos(θ)
]·[
xy
].
17/40 Aula 2 Aplicações de Álgebra Linear 1/7
Exemplo: rotações em torno da origem
Rθ(1,0) = (+ cos(θ),+ sen(θ), Rθ(0,1) = (− sen(θ),+ cos(θ)).
Rθ(x , y) = Rθ
(x · (1,0) + y · (0,1)
)= x · Rθ(1,0) + y · Rθ(0,1)
= x ·(
+ cos(θ),+ sen(θ))
+ y ·(− sen(θ),+ cos(θ)
)=
(cos(θ) · x − sen(θ) · y , sen(θ) · x + cos(θ) · y
).
Matricialmente:
Rθ
([xy
])=
[cos(θ) − sen(θ)sen(θ) cos(θ)
]·[
xy
].
17/40 Aula 2 Aplicações de Álgebra Linear 2/7
Exemplo: rotações em torno da origem
Rθ(1,0) = (+ cos(θ),+ sen(θ), Rθ(0,1) = (− sen(θ),+ cos(θ)).
Rθ(x , y) = Rθ
(x · (1,0) + y · (0,1)
)= x · Rθ(1,0) + y · Rθ(0,1)
= x ·(
+ cos(θ),+ sen(θ))
+ y ·(− sen(θ),+ cos(θ)
)=
(cos(θ) · x − sen(θ) · y , sen(θ) · x + cos(θ) · y
).
Matricialmente:
Rθ
([xy
])=
[cos(θ) − sen(θ)sen(θ) cos(θ)
]·[
xy
].
17/40 Aula 2 Aplicações de Álgebra Linear 3/7
Exemplo: rotações em torno da origem
Rθ(1,0) = (+ cos(θ),+ sen(θ), Rθ(0,1) = (− sen(θ),+ cos(θ)).
Rθ(x , y) = Rθ
(x · (1,0) + y · (0,1)
)= x · Rθ(1,0) + y · Rθ(0,1)
= x ·(
+ cos(θ),+ sen(θ))
+ y ·(− sen(θ),+ cos(θ)
)=
(cos(θ) · x − sen(θ) · y , sen(θ) · x + cos(θ) · y
).
Matricialmente:
Rθ
([xy
])=
[cos(θ) − sen(θ)sen(θ) cos(θ)
]·[
xy
].
17/40 Aula 2 Aplicações de Álgebra Linear 4/7
Exemplo: rotações em torno da origem
Rθ(1,0) = (+ cos(θ),+ sen(θ), Rθ(0,1) = (− sen(θ),+ cos(θ)).
Rθ(x , y) = Rθ
(x · (1,0) + y · (0,1)
)= x · Rθ(1,0) + y · Rθ(0,1)
= x ·(
+ cos(θ),+ sen(θ))
+ y ·(− sen(θ),+ cos(θ)
)=
(cos(θ) · x − sen(θ) · y , sen(θ) · x + cos(θ) · y
).
Matricialmente:
Rθ
([xy
])=
[cos(θ) − sen(θ)sen(θ) cos(θ)
]·[
xy
].
17/40 Aula 2 Aplicações de Álgebra Linear 5/7
Exemplo: rotações em torno da origem
Rθ(1,0) = (+ cos(θ),+ sen(θ), Rθ(0,1) = (− sen(θ),+ cos(θ)).
Rθ(x , y) = Rθ
(x · (1,0) + y · (0,1)
)= x · Rθ(1,0) + y · Rθ(0,1)
= x ·(
+ cos(θ),+ sen(θ))
+ y ·(− sen(θ),+ cos(θ)
)=
(cos(θ) · x − sen(θ) · y , sen(θ) · x + cos(θ) · y
).
Matricialmente:
Rθ
([xy
])=
[cos(θ) − sen(θ)sen(θ) cos(θ)
]·[
xy
].
17/40 Aula 2 Aplicações de Álgebra Linear 6/7
Exemplo: rotações em torno da origem
Rθ(1,0) = (+ cos(θ),+ sen(θ), Rθ(0,1) = (− sen(θ),+ cos(θ)).
Rθ(x , y) = Rθ
(x · (1,0) + y · (0,1)
)= x · Rθ(1,0) + y · Rθ(0,1)
= x ·(
+ cos(θ),+ sen(θ))
+ y ·(− sen(θ),+ cos(θ)
)=
(cos(θ) · x − sen(θ) · y , sen(θ) · x + cos(θ) · y
).
Matricialmente:
Rθ
([xy
])=
[cos(θ) − sen(θ)sen(θ) cos(θ)
]·[
xy
].
17/40 Aula 2 Aplicações de Álgebra Linear 7/7
Teorema
Sejam U e V espaços vetoriais sobre K. Então
(1) Se S : U → V e T : U → V são duas transformações lineares,então
S + T : U → V
também é uma transformação linear.
(2) Se α ∈ K e T : U → V é uma transformação linear, então
α · T : U → V
também é uma transformação linear.
(3) Corolário:L (U,V ) = {T : U → V | T é linear}
é um espaço vetorial.
Teorema
18/40 Aula 2 Aplicações de Álgebra Linear 1/2
Teorema
Sejam U e V espaços vetoriais sobre K. Então
(1) Se S : U → V e T : U → V são duas transformações lineares,então
S + T : U → V
também é uma transformação linear.
(2) Se α ∈ K e T : U → V é uma transformação linear, então
α · T : U → V
também é uma transformação linear.
(3) Corolário:L (U,V ) = {T : U → V | T é linear}
é um espaço vetorial.
Teorema
18/40 Aula 2 Aplicações de Álgebra Linear 2/2
Teorema
Sejam U, V e W espaços vetoriais sobre K.
(1) Se T : U → V e S : V →W são transformações lineares, então
S ◦ T : U →W
também é uma transformação linear. Em outras palavras,composição de transformações lineares também é umatransformação linear.
(2) Se T : U → V é uma transformação linear inversível, então suainversa
T−1 : V → U
também é uma transformação linear.
Teorema
19/40 Aula 2 Aplicações de Álgebra Linear 1/3
Teorema
Sejam U, V e W espaços vetoriais sobre K.
(1) Se T : U → V e S : V →W são transformações lineares, então
S ◦ T : U →W
também é uma transformação linear. Em outras palavras,composição de transformações lineares também é umatransformação linear.
(2) Se T : U → V é uma transformação linear inversível, então suainversa
T−1 : V → U
também é uma transformação linear.
Teorema
19/40 Aula 2 Aplicações de Álgebra Linear 2/3
Teorema
Sejam U, V e W espaços vetoriais sobre K.
(1) Se T : U → V e S : V →W são transformações lineares, então
S ◦ T : U →W
também é uma transformação linear. Em outras palavras,composição de transformações lineares também é umatransformação linear.
(2) Se T : U → V é uma transformação linear inversível, então suainversa
T−1 : V → U
também é uma transformação linear.
Teorema
19/40 Aula 2 Aplicações de Álgebra Linear 3/3
Núcleo e Imagem
20/40 Aula 2 Aplicações de Álgebra Linear 1/1
Núcleo e Imagem
Seja T : U → V uma transformação linear.
(1) O núcleo de T é o conjunto
Ker(T) = {u ∈ U | T(u) = 0}.
(2) A imagem de T é o conjunto
Im(T) = {v ∈ V | ∃u ∈ U com T(u) = v}.
Definição
(1) Ker(T) é subespaço vetorial de U.
(2) Im(T) é subespaço vetorial de V .
Proposição
21/40 Aula 2 Aplicações de Álgebra Linear 1/4
Núcleo e Imagem
Seja T : U → V uma transformação linear.
(1) O núcleo de T é o conjunto
Ker(T) = {u ∈ U | T(u) = 0}.
(2) A imagem de T é o conjunto
Im(T) = {v ∈ V | ∃u ∈ U com T(u) = v}.
Definição
(1) Ker(T) é subespaço vetorial de U.
(2) Im(T) é subespaço vetorial de V .
Proposição
21/40 Aula 2 Aplicações de Álgebra Linear 2/4
Núcleo e Imagem
Seja T : U → V uma transformação linear.
(1) O núcleo de T é o conjunto
Ker(T) = {u ∈ U | T(u) = 0}.
(2) A imagem de T é o conjunto
Im(T) = {v ∈ V | ∃u ∈ U com T(u) = v}.
Definição
(1) Ker(T) é subespaço vetorial de U.
(2) Im(T) é subespaço vetorial de V .
Proposição
21/40 Aula 2 Aplicações de Álgebra Linear 3/4
Núcleo e Imagem
Seja T : U → V uma transformação linear.
(1) O núcleo de T é o conjunto
Ker(T) = {u ∈ U | T(u) = 0}.
(2) A imagem de T é o conjunto
Im(T) = {v ∈ V | ∃u ∈ U com T(u) = v}.
Definição
(1) Ker(T) é subespaço vetorial de U.
(2) Im(T) é subespaço vetorial de V .
Proposição
21/40 Aula 2 Aplicações de Álgebra Linear 4/4
Núcleo e Imagem
Seja T : U → V uma transformação linear. Se B = {u1, . . . ,un} é umabase de U, então {T(u1), . . . ,T(un)} gera Im(T).
Lema
Demonstração. Seja v = T(u) ∈ Im(T). Como B é base de U,
u = α1 · u1 + · · ·+ αn · un.
Então:
v = T(u) = T(α1 · u + · · ·+ αn · un) = α1 · T(u1) + · · ·+ αn · T(un).
Assim, v ∈ [T(u1), . . . ,T(un)].
22/40 Aula 2 Aplicações de Álgebra Linear 1/6
Núcleo e Imagem
Seja T : U → V uma transformação linear. Se B = {u1, . . . ,un} é umabase de U, então {T(u1), . . . ,T(un)} gera Im(T).
Lema
Demonstração. Seja v = T(u) ∈ Im(T). Como B é base de U,
u = α1 · u1 + · · ·+ αn · un.
Então:
v = T(u) = T(α1 · u + · · ·+ αn · un) = α1 · T(u1) + · · ·+ αn · T(un).
Assim, v ∈ [T(u1), . . . ,T(un)].
22/40 Aula 2 Aplicações de Álgebra Linear 2/6
Núcleo e Imagem
Seja T : U → V uma transformação linear. Se B = {u1, . . . ,un} é umabase de U, então {T(u1), . . . ,T(un)} gera Im(T).
Lema
Demonstração. Seja v = T(u) ∈ Im(T). Como B é base de U,
u = α1 · u1 + · · ·+ αn · un.
Então:
v = T(u) = T(α1 · u + · · ·+ αn · un) = α1 · T(u1) + · · ·+ αn · T(un).
Assim, v ∈ [T(u1), . . . ,T(un)].
22/40 Aula 2 Aplicações de Álgebra Linear 3/6
Núcleo e Imagem
Seja T : U → V uma transformação linear. Se B = {u1, . . . ,un} é umabase de U, então {T(u1), . . . ,T(un)} gera Im(T).
Lema
Demonstração. Seja v = T(u) ∈ Im(T). Como B é base de U,
u = α1 · u1 + · · ·+ αn · un.
Então:
v = T(u) = T(α1 · u + · · ·+ αn · un) = α1 · T(u1) + · · ·+ αn · T(un).
Assim, v ∈ [T(u1), . . . ,T(un)].
22/40 Aula 2 Aplicações de Álgebra Linear 4/6
Núcleo e Imagem
Seja T : U → V uma transformação linear. Se B = {u1, . . . ,un} é umabase de U, então {T(u1), . . . ,T(un)} gera Im(T).
Lema
Demonstração. Seja v = T(u) ∈ Im(T). Como B é base de U,
u = α1 · u1 + · · ·+ αn · un.
Então:
v = T(u) = T(α1 · u + · · ·+ αn · un) = α1 · T(u1) + · · ·+ αn · T(un).
Assim, v ∈ [T(u1), . . . ,T(un)].
22/40 Aula 2 Aplicações de Álgebra Linear 5/6
Núcleo e Imagem
Seja T : U → V uma transformação linear. Se B = {u1, . . . ,un} é umabase de U, então {T(u1), . . . ,T(un)} gera Im(T).
Lema
Demonstração. Seja v = T(u) ∈ Im(T). Como B é base de U,
u = α1 · u1 + · · ·+ αn · un.
Então:
v = T(u) = T(α1 · u + · · ·+ αn · un) = α1 · T(u1) + · · ·+ αn · T(un).
Assim, v ∈ [T(u1), . . . ,T(un)].
22/40 Aula 2 Aplicações de Álgebra Linear 6/6
Núcleo e Imagem
Seja T : U → V uma transformação linear entre espaços vetoriais dedimensão finita. Então
dimK(U) = dimK(Ker(T)) + dimK(Im(T)).
Teorema
Demonstração. Suponha Ker(T) 6= {0} e seja {u1, . . . ,uk} base de Ker(T).
Passo 1. Se k = dimK(U), o resultado é imediato.
Passo 2. Se k < dimK(U), complete {u1, . . . ,uk} para obter uma base de U:{u1, . . . ,uk , u1, . . . , un−k}.
Passo 3. {T(u1), . . . ,T(un−k )} gera Im(T) pois, pelo lema,
[T(u1), . . . ,T(uk ),T(u1), . . . ,T(un−k )] = [T(u1), . . . ,T(un−k )] = Im(T).
23/40 Aula 2 Aplicações de Álgebra Linear 1/6
Núcleo e Imagem
Seja T : U → V uma transformação linear entre espaços vetoriais dedimensão finita. Então
dimK(U) = dimK(Ker(T)) + dimK(Im(T)).
Teorema
Demonstração. Suponha Ker(T) 6= {0} e seja {u1, . . . ,uk} base de Ker(T).
Passo 1. Se k = dimK(U), o resultado é imediato.
Passo 2. Se k < dimK(U), complete {u1, . . . ,uk} para obter uma base de U:{u1, . . . ,uk , u1, . . . , un−k}.
Passo 3. {T(u1), . . . ,T(un−k )} gera Im(T) pois, pelo lema,
[T(u1), . . . ,T(uk ),T(u1), . . . ,T(un−k )] = [T(u1), . . . ,T(un−k )] = Im(T).
23/40 Aula 2 Aplicações de Álgebra Linear 2/6
Núcleo e Imagem
Seja T : U → V uma transformação linear entre espaços vetoriais dedimensão finita. Então
dimK(U) = dimK(Ker(T)) + dimK(Im(T)).
Teorema
Demonstração. Suponha Ker(T) 6= {0} e seja {u1, . . . ,uk} base de Ker(T).
Passo 1. Se k = dimK(U), o resultado é imediato.
Passo 2. Se k < dimK(U), complete {u1, . . . ,uk} para obter uma base de U:{u1, . . . ,uk , u1, . . . , un−k}.
Passo 3. {T(u1), . . . ,T(un−k )} gera Im(T) pois, pelo lema,
[T(u1), . . . ,T(uk ),T(u1), . . . ,T(un−k )] = [T(u1), . . . ,T(un−k )] = Im(T).
23/40 Aula 2 Aplicações de Álgebra Linear 3/6
Núcleo e Imagem
Seja T : U → V uma transformação linear entre espaços vetoriais dedimensão finita. Então
dimK(U) = dimK(Ker(T)) + dimK(Im(T)).
Teorema
Demonstração. Suponha Ker(T) 6= {0} e seja {u1, . . . ,uk} base de Ker(T).
Passo 1. Se k = dimK(U), o resultado é imediato.
Passo 2. Se k < dimK(U), complete {u1, . . . ,uk} para obter uma base de U:{u1, . . . ,uk , u1, . . . , un−k}.
Passo 3. {T(u1), . . . ,T(un−k )} gera Im(T) pois, pelo lema,
[T(u1), . . . ,T(uk ),T(u1), . . . ,T(un−k )] = [T(u1), . . . ,T(un−k )] = Im(T).
23/40 Aula 2 Aplicações de Álgebra Linear 4/6
Núcleo e Imagem
Seja T : U → V uma transformação linear entre espaços vetoriais dedimensão finita. Então
dimK(U) = dimK(Ker(T)) + dimK(Im(T)).
Teorema
Demonstração. Suponha Ker(T) 6= {0} e seja {u1, . . . ,uk} base de Ker(T).
Passo 1. Se k = dimK(U), o resultado é imediato.
Passo 2. Se k < dimK(U), complete {u1, . . . ,uk} para obter uma base de U:{u1, . . . ,uk , u1, . . . , un−k}.
Passo 3. {T(u1), . . . ,T(un−k )} gera Im(T) pois, pelo lema,
[T(u1), . . . ,T(uk ),T(u1), . . . ,T(un−k )] = [T(u1), . . . ,T(un−k )] = Im(T).
23/40 Aula 2 Aplicações de Álgebra Linear 5/6
Núcleo e Imagem
Seja T : U → V uma transformação linear entre espaços vetoriais dedimensão finita. Então
dimK(U) = dimK(Ker(T)) + dimK(Im(T)).
Teorema
Demonstração. Suponha Ker(T) 6= {0} e seja {u1, . . . ,uk} base de Ker(T).
Passo 1. Se k = dimK(U), o resultado é imediato.
Passo 2. Se k < dimK(U), complete {u1, . . . ,uk} para obter uma base de U:{u1, . . . ,uk , u1, . . . , un−k}.
Passo 3. {T(u1), . . . ,T(un−k )} gera Im(T) pois, pelo lema,
[T(u1), . . . ,T(uk ),T(u1), . . . ,T(un−k )] = [T(u1), . . . ,T(un−k )] = Im(T).
23/40 Aula 2 Aplicações de Álgebra Linear 6/6
Núcleo e Imagem
Passo 4. {T(u1), . . . ,T(un−k )} é LI. De fato:
α1 · T(u1) + · · ·+ αn−k · T(un−k ) = 0⇓
T(α1 · u1 + · · ·+ αn−k · un−k ) = 0⇓
α1 · u1 + · · ·+ αn−k un−k ∈ Ker(T)
⇓α1 · u1 + · · ·+ αn−k un−k = α1 · u1 + · · ·+ αk · uk
⇓− α1 · u1 − · · · − αk · uk + α1 · u1 + · · ·+ αn−k un−k = 0
⇓α1 = 0, . . . , αk = 0, α1 = 0, . . . , αn−k = 0.
Passo 5. Logo dimK(Im(T)) = n − k , o que estabelece o resultado.
O caso Ker(T) = {0} é análogo e ficará como exercício.
24/40 Aula 2 Aplicações de Álgebra Linear 1/9
Núcleo e Imagem
Passo 4. {T(u1), . . . ,T(un−k )} é LI. De fato:
α1 · T(u1) + · · ·+ αn−k · T(un−k ) = 0⇓
T(α1 · u1 + · · ·+ αn−k · un−k ) = 0⇓
α1 · u1 + · · ·+ αn−k un−k ∈ Ker(T)
⇓α1 · u1 + · · ·+ αn−k un−k = α1 · u1 + · · ·+ αk · uk
⇓− α1 · u1 − · · · − αk · uk + α1 · u1 + · · ·+ αn−k un−k = 0
⇓α1 = 0, . . . , αk = 0, α1 = 0, . . . , αn−k = 0.
Passo 5. Logo dimK(Im(T)) = n − k , o que estabelece o resultado.
O caso Ker(T) = {0} é análogo e ficará como exercício.
24/40 Aula 2 Aplicações de Álgebra Linear 2/9
Núcleo e Imagem
Passo 4. {T(u1), . . . ,T(un−k )} é LI. De fato:
α1 · T(u1) + · · ·+ αn−k · T(un−k ) = 0⇓
T(α1 · u1 + · · ·+ αn−k · un−k ) = 0⇓
α1 · u1 + · · ·+ αn−k un−k ∈ Ker(T)
⇓α1 · u1 + · · ·+ αn−k un−k = α1 · u1 + · · ·+ αk · uk
⇓− α1 · u1 − · · · − αk · uk + α1 · u1 + · · ·+ αn−k un−k = 0
⇓α1 = 0, . . . , αk = 0, α1 = 0, . . . , αn−k = 0.
Passo 5. Logo dimK(Im(T)) = n − k , o que estabelece o resultado.
O caso Ker(T) = {0} é análogo e ficará como exercício.
24/40 Aula 2 Aplicações de Álgebra Linear 3/9
Núcleo e Imagem
Passo 4. {T(u1), . . . ,T(un−k )} é LI. De fato:
α1 · T(u1) + · · ·+ αn−k · T(un−k ) = 0⇓
T(α1 · u1 + · · ·+ αn−k · un−k ) = 0⇓
α1 · u1 + · · ·+ αn−k un−k ∈ Ker(T)
⇓α1 · u1 + · · ·+ αn−k un−k = α1 · u1 + · · ·+ αk · uk
⇓− α1 · u1 − · · · − αk · uk + α1 · u1 + · · ·+ αn−k un−k = 0
⇓α1 = 0, . . . , αk = 0, α1 = 0, . . . , αn−k = 0.
Passo 5. Logo dimK(Im(T)) = n − k , o que estabelece o resultado.
O caso Ker(T) = {0} é análogo e ficará como exercício.
24/40 Aula 2 Aplicações de Álgebra Linear 4/9
Núcleo e Imagem
Passo 4. {T(u1), . . . ,T(un−k )} é LI. De fato:
α1 · T(u1) + · · ·+ αn−k · T(un−k ) = 0⇓
T(α1 · u1 + · · ·+ αn−k · un−k ) = 0⇓
α1 · u1 + · · ·+ αn−k un−k ∈ Ker(T)
⇓α1 · u1 + · · ·+ αn−k un−k = α1 · u1 + · · ·+ αk · uk
⇓− α1 · u1 − · · · − αk · uk + α1 · u1 + · · ·+ αn−k un−k = 0
⇓α1 = 0, . . . , αk = 0, α1 = 0, . . . , αn−k = 0.
Passo 5. Logo dimK(Im(T)) = n − k , o que estabelece o resultado.
O caso Ker(T) = {0} é análogo e ficará como exercício.
24/40 Aula 2 Aplicações de Álgebra Linear 5/9
Núcleo e Imagem
Passo 4. {T(u1), . . . ,T(un−k )} é LI. De fato:
α1 · T(u1) + · · ·+ αn−k · T(un−k ) = 0⇓
T(α1 · u1 + · · ·+ αn−k · un−k ) = 0⇓
α1 · u1 + · · ·+ αn−k un−k ∈ Ker(T)
⇓α1 · u1 + · · ·+ αn−k un−k = α1 · u1 + · · ·+ αk · uk
⇓− α1 · u1 − · · · − αk · uk + α1 · u1 + · · ·+ αn−k un−k = 0
⇓α1 = 0, . . . , αk = 0, α1 = 0, . . . , αn−k = 0.
Passo 5. Logo dimK(Im(T)) = n − k , o que estabelece o resultado.
O caso Ker(T) = {0} é análogo e ficará como exercício.
24/40 Aula 2 Aplicações de Álgebra Linear 6/9
Núcleo e Imagem
Passo 4. {T(u1), . . . ,T(un−k )} é LI. De fato:
α1 · T(u1) + · · ·+ αn−k · T(un−k ) = 0⇓
T(α1 · u1 + · · ·+ αn−k · un−k ) = 0⇓
α1 · u1 + · · ·+ αn−k un−k ∈ Ker(T)
⇓α1 · u1 + · · ·+ αn−k un−k = α1 · u1 + · · ·+ αk · uk
⇓− α1 · u1 − · · · − αk · uk + α1 · u1 + · · ·+ αn−k un−k = 0
⇓α1 = 0, . . . , αk = 0, α1 = 0, . . . , αn−k = 0.
Passo 5. Logo dimK(Im(T)) = n − k , o que estabelece o resultado.
O caso Ker(T) = {0} é análogo e ficará como exercício.
24/40 Aula 2 Aplicações de Álgebra Linear 7/9
Núcleo e Imagem
Passo 4. {T(u1), . . . ,T(un−k )} é LI. De fato:
α1 · T(u1) + · · ·+ αn−k · T(un−k ) = 0⇓
T(α1 · u1 + · · ·+ αn−k · un−k ) = 0⇓
α1 · u1 + · · ·+ αn−k un−k ∈ Ker(T)
⇓α1 · u1 + · · ·+ αn−k un−k = α1 · u1 + · · ·+ αk · uk
⇓− α1 · u1 − · · · − αk · uk + α1 · u1 + · · ·+ αn−k un−k = 0
⇓α1 = 0, . . . , αk = 0, α1 = 0, . . . , αn−k = 0.
Passo 5. Logo dimK(Im(T)) = n − k , o que estabelece o resultado.
O caso Ker(T) = {0} é análogo e ficará como exercício.
24/40 Aula 2 Aplicações de Álgebra Linear 8/9
Núcleo e Imagem
Passo 4. {T(u1), . . . ,T(un−k )} é LI. De fato:
α1 · T(u1) + · · ·+ αn−k · T(un−k ) = 0⇓
T(α1 · u1 + · · ·+ αn−k · un−k ) = 0⇓
α1 · u1 + · · ·+ αn−k un−k ∈ Ker(T)
⇓α1 · u1 + · · ·+ αn−k un−k = α1 · u1 + · · ·+ αk · uk
⇓− α1 · u1 − · · · − αk · uk + α1 · u1 + · · ·+ αn−k un−k = 0
⇓α1 = 0, . . . , αk = 0, α1 = 0, . . . , αn−k = 0.
Passo 5. Logo dimK(Im(T)) = n − k , o que estabelece o resultado.
O caso Ker(T) = {0} é análogo e ficará como exercício.
24/40 Aula 2 Aplicações de Álgebra Linear 9/9
Isomorfismos
25/40 Aula 2 Aplicações de Álgebra Linear 1/1
Isomorfismos
Dizemos que uma transformação linear T : U → V é um isomorfismose T é inversível, isto é, se existe T−1 : V → U tal que
T ◦ T−1 = IdV e T−1 ◦ T = IdU .
Lembramos que T : U → V é inversível se, e somente se, T é bijetiva,isto é, T é injetiva e sobrejetiva.
Definição
Exemplo: se A é uma matriz inversível, então
T : Mn×1(K) → Mn×1(K) x1...
xn
7→
y1...
yn
=
a11 · · · a1n...
. . ....
am1 · · · ann
︸ ︷︷ ︸
A
x1...
xn
é um isomorfismo.
26/40 Aula 2 Aplicações de Álgebra Linear 1/4
Isomorfismos
Dizemos que uma transformação linear T : U → V é um isomorfismose T é inversível, isto é, se existe T−1 : V → U tal que
T ◦ T−1 = IdV e T−1 ◦ T = IdU .
Lembramos que T : U → V é inversível se, e somente se, T é bijetiva,isto é, T é injetiva e sobrejetiva.
Definição
Exemplo: se A é uma matriz inversível, então
T : Mn×1(K) → Mn×1(K) x1...
xn
7→
y1...
yn
=
a11 · · · a1n...
. . ....
am1 · · · ann
︸ ︷︷ ︸
A
x1...
xn
é um isomorfismo.
26/40 Aula 2 Aplicações de Álgebra Linear 2/4
Isomorfismos
Dizemos que uma transformação linear T : U → V é um isomorfismose T é inversível, isto é, se existe T−1 : V → U tal que
T ◦ T−1 = IdV e T−1 ◦ T = IdU .
Lembramos que T : U → V é inversível se, e somente se, T é bijetiva,isto é, T é injetiva e sobrejetiva.
Definição
Exemplo: se A é uma matriz inversível, então
T : Mn×1(K) → Mn×1(K) x1...
xn
7→
y1...
yn
=
a11 · · · a1n...
. . ....
am1 · · · ann
︸ ︷︷ ︸
A
x1...
xn
é um isomorfismo.
26/40 Aula 2 Aplicações de Álgebra Linear 3/4
Isomorfismos
Dizemos que uma transformação linear T : U → V é um isomorfismose T é inversível, isto é, se existe T−1 : V → U tal que
T ◦ T−1 = IdV e T−1 ◦ T = IdU .
Lembramos que T : U → V é inversível se, e somente se, T é bijetiva,isto é, T é injetiva e sobrejetiva.
Definição
Exemplo: se A é uma matriz inversível, então
T : Mn×1(K) → Mn×1(K) x1...
xn
7→
y1...
yn
=
a11 · · · a1n...
. . ....
am1 · · · ann
︸ ︷︷ ︸
A
x1...
xn
é um isomorfismo.
26/40 Aula 2 Aplicações de Álgebra Linear 4/4
Propriedades
Seja T : U → V uma transformação linear. Então
T é injetiva ⇔ Ker(T) = {0}.
Proposição
Seja T : U → V uma transformação linear entre espaços de dimensãofinita, com dimK(U) = dimK(V ). Então
T é injetiva ⇔ T é sobrejetiva ⇔ T é um isomorfismo.
Proposição
27/40 Aula 2 Aplicações de Álgebra Linear 1/3
Propriedades
Seja T : U → V uma transformação linear. Então
T é injetiva ⇔ Ker(T) = {0}.
Proposição
Seja T : U → V uma transformação linear entre espaços de dimensãofinita, com dimK(U) = dimK(V ). Então
T é injetiva ⇔ T é sobrejetiva ⇔ T é um isomorfismo.
Proposição
27/40 Aula 2 Aplicações de Álgebra Linear 2/3
Propriedades
Seja T : U → V uma transformação linear. Então
T é injetiva ⇔ Ker(T) = {0}.
Proposição
Seja T : U → V uma transformação linear entre espaços de dimensãofinita, com dimK(U) = dimK(V ). Então
T é injetiva ⇔ T é sobrejetiva ⇔ T é um isomorfismo.
Proposição
27/40 Aula 2 Aplicações de Álgebra Linear 3/3
Teorema
Sejam U e V espaços vetoriais de dimensão finita. Se dimK(U) =dimK(V ), então U e V são isomorfos.
Em particular, todo espaço vetorial de dimensão n é isomorfo a Kn.
Proposição
Demonstração. Se B = {u1, . . . ,un} é base de U e C = {v1, . . . ,vn}, então aaplicação definida por
T(u) = T(α1 · u1 + · · ·+ αn · un) = α1 · v1 + · · ·+ αn · vn
é um isomorfismo entre U e V .
28/40 Aula 2 Aplicações de Álgebra Linear 1/5
Teorema
Sejam U e V espaços vetoriais de dimensão finita. Se dimK(U) =dimK(V ), então U e V são isomorfos.
Em particular, todo espaço vetorial de dimensão n é isomorfo a Kn.
Proposição
Demonstração. Se B = {u1, . . . ,un} é base de U e C = {v1, . . . ,vn}, então aaplicação definida por
T(u) = T(α1 · u1 + · · ·+ αn · un) = α1 · v1 + · · ·+ αn · vn
é um isomorfismo entre U e V .
28/40 Aula 2 Aplicações de Álgebra Linear 2/5
Teorema
Sejam U e V espaços vetoriais de dimensão finita. Se dimK(U) =dimK(V ), então U e V são isomorfos.
Em particular, todo espaço vetorial de dimensão n é isomorfo a Kn.
Proposição
Demonstração. Se B = {u1, . . . ,un} é base de U e C = {v1, . . . ,vn}, então aaplicação definida por
T(u) = T(α1 · u1 + · · ·+ αn · un) = α1 · v1 + · · ·+ αn · vn
é um isomorfismo entre U e V .
28/40 Aula 2 Aplicações de Álgebra Linear 3/5
Teorema
Sejam U e V espaços vetoriais de dimensão finita. Se dimK(U) =dimK(V ), então U e V são isomorfos.
Em particular, todo espaço vetorial de dimensão n é isomorfo a Kn.
Proposição
Demonstração. Se B = {u1, . . . ,un} é base de U e C = {v1, . . . ,vn}, então aaplicação definida por
T(u) = T(α1 · u1 + · · ·+ αn · un) = α1 · v1 + · · ·+ αn · vn
é um isomorfismo entre U e V .
28/40 Aula 2 Aplicações de Álgebra Linear 4/5
Teorema
Sejam U e V espaços vetoriais de dimensão finita. Se dimK(U) =dimK(V ), então U e V são isomorfos.
Em particular, todo espaço vetorial de dimensão n é isomorfo a Kn.
Proposição
Demonstração. Se B = {u1, . . . ,un} é base de U e C = {v1, . . . ,vn}, então aaplicação definida por
T(u) = T(α1 · u1 + · · ·+ αn · un) = α1 · v1 + · · ·+ αn · vn
é um isomorfismo entre U e V .
28/40 Aula 2 Aplicações de Álgebra Linear 5/5
A Matriz de uma Transformação Linear
29/40 Aula 2 Aplicações de Álgebra Linear 1/1
Coordenadas
Seja B = {v1, . . . ,vn} uma base de V . Fixando-se a ordem doselementos desta base, pela proposição anterior, cada elemento vde V fica determinado de maneira unívoca pelos coeficientesα1, . . . , αn da combinação linear
v = α1 · v1 + · · ·+ αn · vn.
A n-upla ordenada[v]B = (α1, . . . , αn)B
será denominada coordenadas do vetor v com relação à base B.
Definição
30/40 Aula 2 Aplicações de Álgebra Linear 1/1
A matriz de uma transformação linear
Sejam T : U → V uma transformação linear, U = {u1, . . . ,un} umabase ordenada de U e V = {v1, . . . ,vm} uma base ordenada de V .Existem escalares aij ∈ K, com 1 ≤ i ≤ m e 1 ≤ j ≤ n, tais que
T(u1) = a11 · v1 + a21 · v2 + · · ·+ am1 · vm,T(u2) = a12 · v1 + a22 · v2 + · · ·+ am2 · vm,
...T(un) = a1n · v1 + a2n · v2 + · · ·+ amn · vm.
A matriz de T com relação às bases U e V é
[T]VU
=
a11 a12 · · · a1na21 a22 · · · a2n
......
. . ....
am1 am2 · · · amn
m×n
.
Definição
31/40 Aula 2 Aplicações de Álgebra Linear 1/7
A matriz de uma transformação linear
Sejam T : U → V uma transformação linear, U = {u1, . . . ,un} umabase ordenada de U e V = {v1, . . . ,vm} uma base ordenada de V .Existem escalares aij ∈ K, com 1 ≤ i ≤ m e 1 ≤ j ≤ n, tais que
T(u1) = a11 · v1 + a21 · v2 + · · ·+ am1 · vm,T(u2) = a12 · v1 + a22 · v2 + · · ·+ am2 · vm,
...T(un) = a1n · v1 + a2n · v2 + · · ·+ amn · vm.
A matriz de T com relação às bases U e V é
[T]VU
=
a11 a12 · · · a1na21 a22 · · · a2n
......
. . ....
am1 am2 · · · amn
m×n
.
Definição
31/40 Aula 2 Aplicações de Álgebra Linear 2/7
A matriz de uma transformação linear
Sejam T : U → V uma transformação linear, U = {u1, . . . ,un} umabase ordenada de U e V = {v1, . . . ,vm} uma base ordenada de V .Existem escalares aij ∈ K, com 1 ≤ i ≤ m e 1 ≤ j ≤ n, tais que
T(u1) = a11 · v1 + a21 · v2 + · · ·+ am1 · vm,T(u2) = a12 · v1 + a22 · v2 + · · ·+ am2 · vm,
...T(un) = a1n · v1 + a2n · v2 + · · ·+ amn · vm.
A matriz de T com relação às bases U e V é
[T]VU
=
a11 a12 · · · a1na21 a22 · · · a2n
......
. . ....
am1 am2 · · · amn
m×n
.
Definição
31/40 Aula 2 Aplicações de Álgebra Linear 3/7
A matriz de uma transformação linear
Sejam T : U → V uma transformação linear, U = {u1, . . . ,un} umabase ordenada de U e V = {v1, . . . ,vm} uma base ordenada de V .Existem escalares aij ∈ K, com 1 ≤ i ≤ m e 1 ≤ j ≤ n, tais que
T(u1) = a11 · v1 + a21 · v2 + · · ·+ am1 · vm,T(u2) = a12 · v1 + a22 · v2 + · · ·+ am2 · vm,
...T(un) = a1n · v1 + a2n · v2 + · · ·+ amn · vm.
A matriz de T com relação às bases U e V é
[T]VU
=
a11 a12 · · · a1na21 a22 · · · a2n
......
. . ....
am1 am2 · · · amn
m×n
.
Definição
31/40 Aula 2 Aplicações de Álgebra Linear 4/7
A matriz de uma transformação linear
Sejam T : U → V uma transformação linear, U = {u1, . . . ,un} umabase ordenada de U e V = {v1, . . . ,vm} uma base ordenada de V .Existem escalares aij ∈ K, com 1 ≤ i ≤ m e 1 ≤ j ≤ n, tais que
T(u1) = a11 · v1 + a21 · v2 + · · ·+ am1 · vm,T(u2) = a12 · v1 + a22 · v2 + · · ·+ am2 · vm,
...T(un) = a1n · v1 + a2n · v2 + · · ·+ amn · vm.
A matriz de T com relação às bases U e V é
[T]VU
=
a11 a12 · · · a1na21 a22 · · · a2n
......
. . ....
am1 am2 · · · amn
m×n
.
Definição
31/40 Aula 2 Aplicações de Álgebra Linear 5/7
A matriz de uma transformação linear
Sejam T : U → V uma transformação linear, U = {u1, . . . ,un} umabase ordenada de U e V = {v1, . . . ,vm} uma base ordenada de V .Existem escalares aij ∈ K, com 1 ≤ i ≤ m e 1 ≤ j ≤ n, tais que
T(u1) = a11 · v1 + a21 · v2 + · · ·+ am1 · vm,T(u2) = a12 · v1 + a22 · v2 + · · ·+ am2 · vm,
...T(un) = a1n · v1 + a2n · v2 + · · ·+ amn · vm.
A matriz de T com relação às bases U e V é
[T]VU
=
a11 a12 · · · a1na21 a22 · · · a2n
......
. . ....
am1 am2 · · · amn
m×n
.
Definição
31/40 Aula 2 Aplicações de Álgebra Linear 6/7
A matriz de uma transformação linear
Sejam T : U → V uma transformação linear, U = {u1, . . . ,un} umabase ordenada de U e V = {v1, . . . ,vm} uma base ordenada de V .Existem escalares aij ∈ K, com 1 ≤ i ≤ m e 1 ≤ j ≤ n, tais que
T(u1) = a11 · v1 + a21 · v2 + · · ·+ am1 · vm,T(u2) = a12 · v1 + a22 · v2 + · · ·+ am2 · vm,
...T(un) = a1n · v1 + a2n · v2 + · · ·+ amn · vm.
A matriz de T com relação às bases U e V é
[T]VU
=
a11 a12 · · · a1na21 a22 · · · a2n
......
. . ....
am1 am2 · · · amn
m×n
.
Definição
31/40 Aula 2 Aplicações de Álgebra Linear 7/7
Exemplo
Seja T : R3 → R2 definida por T(x , y , z) = (x + y , x + z).
Se U = {(1,0,0), (0,1,0), (0,0,1)} e V = {(1,0), (0,1)}, então
T(1,0,0)
= (1,1) = 1 · (1,0) + 1 · (0,1),T(0,1,0) = (1,0) = 1 · (1,0) + 0 · (0,1),T(0,0,1) = (0,1) = 0 · (1,0) + 1 · (0,1).
Logo: [T]VU
=
[1 1 01 0 1
].
32/40 Aula 2 Aplicações de Álgebra Linear 1/8
Exemplo
Seja T : R3 → R2 definida por T(x , y , z) = (x + y , x + z).
Se U = {(1,0,0), (0,1,0), (0,0,1)} e V = {(1,0), (0,1)}, então
T(1,0,0)
= (1,1) = 1 · (1,0) + 1 · (0,1),T(0,1,0) = (1,0) = 1 · (1,0) + 0 · (0,1),T(0,0,1) = (0,1) = 0 · (1,0) + 1 · (0,1).
Logo: [T]VU
=
[1 1 01 0 1
].
32/40 Aula 2 Aplicações de Álgebra Linear 2/8
Exemplo
Seja T : R3 → R2 definida por T(x , y , z) = (x + y , x + z).
Se U = {(1,0,0), (0,1,0), (0,0,1)} e V = {(1,0), (0,1)}, então
T(1,0,0) =
(1,1) = 1 · (1,0) + 1 · (0,1),T(0,1,0) = (1,0) = 1 · (1,0) + 0 · (0,1),T(0,0,1) = (0,1) = 0 · (1,0) + 1 · (0,1).
Logo: [T]VU
=
[1 1 01 0 1
].
32/40 Aula 2 Aplicações de Álgebra Linear 3/8
Exemplo
Seja T : R3 → R2 definida por T(x , y , z) = (x + y , x + z).
Se U = {(1,0,0), (0,1,0), (0,0,1)} e V = {(1,0), (0,1)}, então
T(1,0,0) = (1,1)
= 1 · (1,0) + 1 · (0,1),T(0,1,0) = (1,0) = 1 · (1,0) + 0 · (0,1),T(0,0,1) = (0,1) = 0 · (1,0) + 1 · (0,1).
Logo: [T]VU
=
[1 1 01 0 1
].
32/40 Aula 2 Aplicações de Álgebra Linear 4/8
Exemplo
Seja T : R3 → R2 definida por T(x , y , z) = (x + y , x + z).
Se U = {(1,0,0), (0,1,0), (0,0,1)} e V = {(1,0), (0,1)}, então
T(1,0,0) = (1,1) = 1 · (1,0) + 1 · (0,1)
,T(0,1,0) = (1,0) = 1 · (1,0) + 0 · (0,1),T(0,0,1) = (0,1) = 0 · (1,0) + 1 · (0,1).
Logo: [T]VU
=
[1 1 01 0 1
].
32/40 Aula 2 Aplicações de Álgebra Linear 5/8
Exemplo
Seja T : R3 → R2 definida por T(x , y , z) = (x + y , x + z).
Se U = {(1,0,0), (0,1,0), (0,0,1)} e V = {(1,0), (0,1)}, então
T(1,0,0) = (1,1) = 1 · (1,0) + 1 · (0,1),T(0,1,0) = (1,0) = 1 · (1,0) + 0 · (0,1)
,T(0,0,1) = (0,1) = 0 · (1,0) + 1 · (0,1).
Logo: [T]VU
=
[1 1 01 0 1
].
32/40 Aula 2 Aplicações de Álgebra Linear 6/8
Exemplo
Seja T : R3 → R2 definida por T(x , y , z) = (x + y , x + z).
Se U = {(1,0,0), (0,1,0), (0,0,1)} e V = {(1,0), (0,1)}, então
T(1,0,0) = (1,1) = 1 · (1,0) + 1 · (0,1),T(0,1,0) = (1,0) = 1 · (1,0) + 0 · (0,1),T(0,0,1) = (0,1) = 0 · (1,0) + 1 · (0,1).
Logo: [T]VU
=
[1 1 01 0 1
].
32/40 Aula 2 Aplicações de Álgebra Linear 7/8
Exemplo
Seja T : R3 → R2 definida por T(x , y , z) = (x + y , x + z).
Se U = {(1,0,0), (0,1,0), (0,0,1)} e V = {(1,0), (0,1)}, então
T(1,0,0) = (1,1) = 1 · (1,0) + 1 · (0,1),T(0,1,0) = (1,0) = 1 · (1,0) + 0 · (0,1),T(0,0,1) = (0,1) = 0 · (1,0) + 1 · (0,1).
Logo: [T]VU
=
[1 1 01 0 1
].
32/40 Aula 2 Aplicações de Álgebra Linear 8/8
Exemplo
Seja T : R3 → R2 definida por T(x , y , z) = (x + y , x + z).
Se U = {(1,0,0), (0,1,0), (0,0,1)} e V = {(1,0), (1,1)}
, então
T(1,0,0) = (1,1) = 0 · (1,0) + 1 · (1,1),T(0,1,0) = (1,0) = 1 · (1,0) + 0 · (1,1),T(0,0,1) = (0,1) = −1 · (1,0) + 1 · (1,1).
Logo: [T]VU
=
[0 1 −11 0 1
].
33/40 Aula 2 Aplicações de Álgebra Linear 1/7
Exemplo
Seja T : R3 → R2 definida por T(x , y , z) = (x + y , x + z).
Se U = {(1,0,0), (0,1,0), (0,0,1)} e V = {(1,0), (1,1)}
, então
T(1,0,0) = (1,1) = 0 · (1,0) + 1 · (1,1),T(0,1,0) = (1,0) = 1 · (1,0) + 0 · (1,1),T(0,0,1) = (0,1) = −1 · (1,0) + 1 · (1,1).
Logo: [T]VU
=
[0 1 −11 0 1
].
33/40 Aula 2 Aplicações de Álgebra Linear 2/7
Exemplo
Seja T : R3 → R2 definida por T(x , y , z) = (x + y , x + z).
Se U = {(1,0,0), (0,1,0), (0,0,1)} e V = {(1,0), (1,1)}, então
T(1,0,0) = (1,1) =
0 ·
(1,0) +
1 ·
(1,1)
,
T(0,1,0) = (1,0) =
1 ·
(1,0) +
0 ·
(1,1)
,
T(0,0,1) = (0,1) =
−1 ·
(1,0) +
1 ·
(1,1)
.
Logo: [T]VU
=
[0 1 −11 0 1
].
33/40 Aula 2 Aplicações de Álgebra Linear 3/7
Exemplo
Seja T : R3 → R2 definida por T(x , y , z) = (x + y , x + z).
Se U = {(1,0,0), (0,1,0), (0,0,1)} e V = {(1,0), (1,1)}, então
T(1,0,0) = (1,1) = 0 · (1,0) + 1 · (1,1)
,
T(0,1,0) = (1,0) =
1 ·
(1,0) +
0 ·
(1,1)
,
T(0,0,1) = (0,1) =
−1 ·
(1,0) +
1 ·
(1,1)
.
Logo: [T]VU
=
[0 1 −11 0 1
].
33/40 Aula 2 Aplicações de Álgebra Linear 4/7
Exemplo
Seja T : R3 → R2 definida por T(x , y , z) = (x + y , x + z).
Se U = {(1,0,0), (0,1,0), (0,0,1)} e V = {(1,0), (1,1)}, então
T(1,0,0) = (1,1) = 0 · (1,0) + 1 · (1,1),T(0,1,0) = (1,0) = 1 · (1,0) + 0 · (1,1)
,
T(0,0,1) = (0,1) =
−1 ·
(1,0) +
1 ·
(1,1)
.
Logo: [T]VU
=
[0 1 −11 0 1
].
33/40 Aula 2 Aplicações de Álgebra Linear 5/7
Exemplo
Seja T : R3 → R2 definida por T(x , y , z) = (x + y , x + z).
Se U = {(1,0,0), (0,1,0), (0,0,1)} e V = {(1,0), (1,1)}, então
T(1,0,0) = (1,1) = 0 · (1,0) + 1 · (1,1),T(0,1,0) = (1,0) = 1 · (1,0) + 0 · (1,1),T(0,0,1) = (0,1) = −1 · (1,0) + 1 · (1,1).
Logo: [T]VU
=
[0 1 −11 0 1
].
33/40 Aula 2 Aplicações de Álgebra Linear 6/7
Exemplo
Seja T : R3 → R2 definida por T(x , y , z) = (x + y , x + z).
Se U = {(1,0,0), (0,1,0), (0,0,1)} e V = {(1,0), (1,1)}, então
T(1,0,0) = (1,1) = 0 · (1,0) + 1 · (1,1),T(0,1,0) = (1,0) = 1 · (1,0) + 0 · (1,1),T(0,0,1) = (0,1) = −1 · (1,0) + 1 · (1,1).
Logo: [T]VU
=
[0 1 −11 0 1
].
33/40 Aula 2 Aplicações de Álgebra Linear 7/7
Dicionário
Transformação Matriz
T
[T]VU
T(u)
[T]VU·[u]U
S + α · T
[S]VU
+ α ·[T]VU
S ◦ T
[S]WV·[T]VU
T−1
([T]VU
)−1
u ∈ Ker(T)
[T]VU·[u]U
=[0]
v ∈ Im(T)
O sistema[T]VU· x =
[v]V
tem solução.
34/40 Aula 2 Aplicações de Álgebra Linear 1/8
Dicionário
Transformação Matriz
T[T]VU
T(u)
[T]VU·[u]U
S + α · T
[S]VU
+ α ·[T]VU
S ◦ T
[S]WV·[T]VU
T−1
([T]VU
)−1
u ∈ Ker(T)
[T]VU·[u]U
=[0]
v ∈ Im(T)
O sistema[T]VU· x =
[v]V
tem solução.
34/40 Aula 2 Aplicações de Álgebra Linear 2/8
Dicionário
Transformação Matriz
T[T]VU
T(u)[T]VU·[u]U
S + α · T
[S]VU
+ α ·[T]VU
S ◦ T
[S]WV·[T]VU
T−1
([T]VU
)−1
u ∈ Ker(T)
[T]VU·[u]U
=[0]
v ∈ Im(T)
O sistema[T]VU· x =
[v]V
tem solução.
34/40 Aula 2 Aplicações de Álgebra Linear 3/8
Dicionário
Transformação Matriz
T[T]VU
T(u)[T]VU·[u]U
S + α · T[S]VU
+ α ·[T]VU
S ◦ T
[S]WV·[T]VU
T−1
([T]VU
)−1
u ∈ Ker(T)
[T]VU·[u]U
=[0]
v ∈ Im(T)
O sistema[T]VU· x =
[v]V
tem solução.
34/40 Aula 2 Aplicações de Álgebra Linear 4/8
Dicionário
Transformação Matriz
T[T]VU
T(u)[T]VU·[u]U
S + α · T[S]VU
+ α ·[T]VU
S ◦ T[S]WV·[T]VU
T−1
([T]VU
)−1
u ∈ Ker(T)
[T]VU·[u]U
=[0]
v ∈ Im(T)
O sistema[T]VU· x =
[v]V
tem solução.
34/40 Aula 2 Aplicações de Álgebra Linear 5/8
Dicionário
Transformação Matriz
T[T]VU
T(u)[T]VU·[u]U
S + α · T[S]VU
+ α ·[T]VU
S ◦ T[S]WV·[T]VU
T−1([
T]VU
)−1
u ∈ Ker(T)
[T]VU·[u]U
=[0]
v ∈ Im(T)
O sistema[T]VU· x =
[v]V
tem solução.
34/40 Aula 2 Aplicações de Álgebra Linear 6/8
Dicionário
Transformação Matriz
T[T]VU
T(u)[T]VU·[u]U
S + α · T[S]VU
+ α ·[T]VU
S ◦ T[S]WV·[T]VU
T−1([
T]VU
)−1
u ∈ Ker(T)[T]VU·[u]U
=[0]
v ∈ Im(T)
O sistema[T]VU· x =
[v]V
tem solução.
34/40 Aula 2 Aplicações de Álgebra Linear 7/8
Dicionário
Transformação Matriz
T[T]VU
T(u)[T]VU·[u]U
S + α · T[S]VU
+ α ·[T]VU
S ◦ T[S]WV·[T]VU
T−1([
T]VU
)−1
u ∈ Ker(T)[T]VU·[u]U
=[0]
v ∈ Im(T) O sistema[T]VU· x =
[v]V
tem solução.
34/40 Aula 2 Aplicações de Álgebra Linear 8/8
Mudança de bases
Sejam U e U bases de U e sejam V e V bases de V . Então[T]VU
=
[IdV
]VV·
[T]VU
·[
IdU
]UU.
Se U = V , então[T]UU
=
([IdV
]UU
)−1
·[
T]UU·[
IdU
]UU.
Teorema
35/40 Aula 2 Aplicações de Álgebra Linear 1/4
Mudança de bases
Sejam U e U bases de U e sejam V e V bases de V . Então[T]VU
=
[IdV
]VV·
[T]VU
·[
IdU
]UU.
Se U = V , então[T]UU
=
([IdV
]UU
)−1
·[
T]UU·[
IdU
]UU.
Teorema
35/40 Aula 2 Aplicações de Álgebra Linear 2/4
Mudança de bases
Sejam U e U bases de U e sejam V e V bases de V . Então[T]VU
=[
IdV
]VV·[
T]VU·[
IdU
]UU.
Se U = V , então[T]UU
=
([IdV
]UU
)−1
·[
T]UU·[
IdU
]UU.
Teorema
35/40 Aula 2 Aplicações de Álgebra Linear 3/4
Mudança de bases
Sejam U e U bases de U e sejam V e V bases de V . Então[T]VU
=[
IdV
]VV·[
T]VU·[
IdU
]UU.
Se U = V , então[T]UU
=
([IdV
]UU
)−1
·[
T]UU·[
IdU
]UU.
Teorema
35/40 Aula 2 Aplicações de Álgebra Linear 4/4
Posto
36/40 Aula 2 Aplicações de Álgebra Linear 1/1
Posto de uma transformação linear
Seja T : U → V uma transformação linear entre espaços vetoriais dedimensão finita. O posto de T é a dimensão da imagem de T:
rank(T) = dimK(Im(T)).
Definição
37/40 Aula 2 Aplicações de Álgebra Linear 1/2
Posto de uma transformação linear
Seja T : U → V uma transformação linear entre espaços vetoriais dedimensão finita. O posto de T é a dimensão da imagem de T:
rank(T) = dimK(Im(T)).
Definição
37/40 Aula 2 Aplicações de Álgebra Linear 2/2
Observação
v ∈ Im(T)
m
O sistema[T]VU· x =
[v]V
tem solução.
m
O sistema
a11 · · · a1n...
. . ....
am1 · · · amn
V
U
·
x1...
xn
=[v]V
tem solução.
m
O sistema x1 ·
a11...
am1
+ · · ·+ xn ·
a1n...
amn
=[v]V
tem solução.
m
[v]V
pertence ao espaço gerado pelas colunas
a11
...am1
, . . . , a1n
...amn
.
Moral: rank(T) = número máximo de colunas LI de[T]VU
.
38/40 Aula 2 Aplicações de Álgebra Linear 1/6
Observação
v ∈ Im(T)
m
O sistema[T]VU· x =
[v]V
tem solução.
m
O sistema
a11 · · · a1n...
. . ....
am1 · · · amn
V
U
·
x1...
xn
=[v]V
tem solução.
m
O sistema x1 ·
a11...
am1
+ · · ·+ xn ·
a1n...
amn
=[v]V
tem solução.
m
[v]V
pertence ao espaço gerado pelas colunas
a11
...am1
, . . . , a1n
...amn
.
Moral: rank(T) = número máximo de colunas LI de[T]VU
.
38/40 Aula 2 Aplicações de Álgebra Linear 2/6
Observação
v ∈ Im(T)
m
O sistema[T]VU· x =
[v]V
tem solução.
m
O sistema
a11 · · · a1n...
. . ....
am1 · · · amn
V
U
·
x1...
xn
=[v]V
tem solução.
m
O sistema x1 ·
a11...
am1
+ · · ·+ xn ·
a1n...
amn
=[v]V
tem solução.
m
[v]V
pertence ao espaço gerado pelas colunas
a11
...am1
, . . . , a1n
...amn
.
Moral: rank(T) = número máximo de colunas LI de[T]VU
.
38/40 Aula 2 Aplicações de Álgebra Linear 3/6
Observação
v ∈ Im(T)
m
O sistema[T]VU· x =
[v]V
tem solução.
m
O sistema
a11 · · · a1n...
. . ....
am1 · · · amn
V
U
·
x1...
xn
=[v]V
tem solução.
m
O sistema x1 ·
a11...
am1
+ · · ·+ xn ·
a1n...
amn
=[v]V
tem solução.
m
[v]V
pertence ao espaço gerado pelas colunas
a11
...am1
, . . . , a1n
...amn
.
Moral: rank(T) = número máximo de colunas LI de[T]VU
.
38/40 Aula 2 Aplicações de Álgebra Linear 4/6
Observação
v ∈ Im(T)
m
O sistema[T]VU· x =
[v]V
tem solução.
m
O sistema
a11 · · · a1n...
. . ....
am1 · · · amn
V
U
·
x1...
xn
=[v]V
tem solução.
m
O sistema x1 ·
a11...
am1
+ · · ·+ xn ·
a1n...
amn
=[v]V
tem solução.
m
[v]V
pertence ao espaço gerado pelas colunas
a11
...am1
, . . . , a1n
...amn
.
Moral: rank(T) = número máximo de colunas LI de[T]VU
.
38/40 Aula 2 Aplicações de Álgebra Linear 5/6
Observação
v ∈ Im(T)
m
O sistema[T]VU· x =
[v]V
tem solução.
m
O sistema
a11 · · · a1n...
. . ....
am1 · · · amn
V
U
·
x1...
xn
=[v]V
tem solução.
m
O sistema x1 ·
a11...
am1
+ · · ·+ xn ·
a1n...
amn
=[v]V
tem solução.
m
[v]V
pertence ao espaço gerado pelas colunas
a11
...am1
, . . . , a1n
...amn
.
Moral: rank(T) = número máximo de colunas LI de[T]VU
.
38/40 Aula 2 Aplicações de Álgebra Linear 6/6
Posto de uma matriz
(1) O posto segundo colunas de uma matriz A ∈ Mm×n(K) é onúmero máximo de colunas linearmente independentes.
(2) O posto segundo linhas de uma matriz A ∈ Mm×n(K) é onúmero máximo de linhas linearmente independentes.
Definição
Para toda matriz A ∈ Mm×n(K), o posto segundo linhas e oposto segundo colunas são iguais.
Teorema
39/40 Aula 2 Aplicações de Álgebra Linear 1/3
Posto de uma matriz
(1) O posto segundo colunas de uma matriz A ∈ Mm×n(K) é onúmero máximo de colunas linearmente independentes.
(2) O posto segundo linhas de uma matriz A ∈ Mm×n(K) é onúmero máximo de linhas linearmente independentes.
Definição
Para toda matriz A ∈ Mm×n(K), o posto segundo linhas e oposto segundo colunas são iguais.
Teorema
39/40 Aula 2 Aplicações de Álgebra Linear 2/3
Posto de uma matriz
(1) O posto segundo colunas de uma matriz A ∈ Mm×n(K) é onúmero máximo de colunas linearmente independentes.
(2) O posto segundo linhas de uma matriz A ∈ Mm×n(K) é onúmero máximo de linhas linearmente independentes.
Definição
Para toda matriz A ∈ Mm×n(K), o posto segundo linhas e oposto segundo colunas são iguais.
Teorema
39/40 Aula 2 Aplicações de Álgebra Linear 3/3
Posto de uma matriz
Demonstração. Sejam A uma matriz com posto segundo colunas igual a r ,C(A) o espaço gerado pelas colunas de A e R(A) o espaço gerado pelascolunas de A.
Passo 1. Como dimK(C(A)) = r , existem colunas b1, . . . , br de A queformam uma base para C(A). Seja B a matriz m × r definida por[b1, . . . ,br ].
Passo 2. Como toda coluna de A é uma combinação linear de b1, . . . , br ,podemos escrever que A = B · C para algumas matriz Cr×n.
Passo 3. Então AT = CT · BT . Então as linhas de A (colunas de AT ) sãocombinações lineares das linhas de C (colunas de CT ). Portanto,R(A) ⊆ R(C). Assim,
dimK(R(A)) ≤ dimK (R(C)) ≤ r = dimK(C(A)).
Trocando-se A por AT acima, segue-se que dimK(C(A)) ≤ dimK(R(A)). LogodimK(C(A)) = dimK(R(A)).
40/40 Aula 2 Aplicações de Álgebra Linear 1/11
Posto de uma matriz
Demonstração. Sejam A uma matriz com posto segundo colunas igual a r ,C(A) o espaço gerado pelas colunas de A e R(A) o espaço gerado pelascolunas de A.
Passo 1. Como dimK(C(A)) = r , existem colunas b1, . . . , br de A queformam uma base para C(A). Seja B a matriz m × r definida por[b1, . . . ,br ].
Passo 2. Como toda coluna de A é uma combinação linear de b1, . . . , br ,podemos escrever que A = B · C para algumas matriz Cr×n.
Passo 3. Então AT = CT · BT . Então as linhas de A (colunas de AT ) sãocombinações lineares das linhas de C (colunas de CT ). Portanto,R(A) ⊆ R(C). Assim,
dimK(R(A)) ≤ dimK (R(C)) ≤ r = dimK(C(A)).
Trocando-se A por AT acima, segue-se que dimK(C(A)) ≤ dimK(R(A)). LogodimK(C(A)) = dimK(R(A)).
40/40 Aula 2 Aplicações de Álgebra Linear 2/11
Posto de uma matriz
Demonstração. Sejam A uma matriz com posto segundo colunas igual a r ,C(A) o espaço gerado pelas colunas de A e R(A) o espaço gerado pelascolunas de A.
Passo 1. Como dimK(C(A)) = r , existem colunas b1, . . . , br de A queformam uma base para C(A). Seja B a matriz m × r definida por[b1, . . . ,br ].
Passo 2. Como toda coluna de A é uma combinação linear de b1, . . . , br ,podemos escrever que A = B · C para algumas matriz Cr×n.
Passo 3. Então AT = CT · BT . Então as linhas de A (colunas de AT ) sãocombinações lineares das linhas de C (colunas de CT ). Portanto,R(A) ⊆ R(C). Assim,
dimK(R(A)) ≤ dimK (R(C)) ≤ r = dimK(C(A)).
Trocando-se A por AT acima, segue-se que dimK(C(A)) ≤ dimK(R(A)). LogodimK(C(A)) = dimK(R(A)).
40/40 Aula 2 Aplicações de Álgebra Linear 3/11
Posto de uma matriz
Demonstração. Sejam A uma matriz com posto segundo colunas igual a r ,C(A) o espaço gerado pelas colunas de A e R(A) o espaço gerado pelascolunas de A.
Passo 1. Como dimK(C(A)) = r , existem colunas b1, . . . , br de A queformam uma base para C(A). Seja B a matriz m × r definida por[b1, . . . ,br ].
Passo 2. Como toda coluna de A é uma combinação linear de b1, . . . , br ,podemos escrever que A = B · C para algumas matriz Cr×n.
Passo 3. Então AT = CT · BT . Então as linhas de A (colunas de AT ) sãocombinações lineares das linhas de C (colunas de CT ). Portanto,R(A) ⊆ R(C). Assim,
dimK(R(A)) ≤ dimK (R(C)) ≤ r = dimK(C(A)).
Trocando-se A por AT acima, segue-se que dimK(C(A)) ≤ dimK(R(A)). LogodimK(C(A)) = dimK(R(A)).
40/40 Aula 2 Aplicações de Álgebra Linear 4/11
Posto de uma matriz
Demonstração. Sejam A uma matriz com posto segundo colunas igual a r ,C(A) o espaço gerado pelas colunas de A e R(A) o espaço gerado pelascolunas de A.
Passo 1. Como dimK(C(A)) = r , existem colunas b1, . . . , br de A queformam uma base para C(A). Seja B a matriz m × r definida por[b1, . . . ,br ].
Passo 2. Como toda coluna de A é uma combinação linear de b1, . . . , br ,podemos escrever que A = B · C para algumas matriz Cr×n.
Passo 3. Então AT = CT · BT . Então as linhas de A (colunas de AT ) sãocombinações lineares das linhas de C (colunas de CT ). Portanto,R(A) ⊆ R(C). Assim,
dimK(R(A)) ≤ dimK (R(C)) ≤ r = dimK(C(A)).
Trocando-se A por AT acima, segue-se que dimK(C(A)) ≤ dimK(R(A)). LogodimK(C(A)) = dimK(R(A)).
40/40 Aula 2 Aplicações de Álgebra Linear 5/11
Posto de uma matriz
Demonstração. Sejam A uma matriz com posto segundo colunas igual a r ,C(A) o espaço gerado pelas colunas de A e R(A) o espaço gerado pelascolunas de A.
Passo 1. Como dimK(C(A)) = r , existem colunas b1, . . . , br de A queformam uma base para C(A). Seja B a matriz m × r definida por[b1, . . . ,br ].
Passo 2. Como toda coluna de A é uma combinação linear de b1, . . . , br ,podemos escrever que A = B · C para algumas matriz Cr×n.
Passo 3. Então AT = CT · BT . Então as linhas de A (colunas de AT ) sãocombinações lineares das linhas de C (colunas de CT ). Portanto,R(A) ⊆ R(C). Assim,
dimK(R(A)) ≤ dimK (R(C)) ≤ r = dimK(C(A)).
Trocando-se A por AT acima, segue-se que dimK(C(A)) ≤ dimK(R(A)). LogodimK(C(A)) = dimK(R(A)).
40/40 Aula 2 Aplicações de Álgebra Linear 6/11
Posto de uma matriz
Demonstração. Sejam A uma matriz com posto segundo colunas igual a r ,C(A) o espaço gerado pelas colunas de A e R(A) o espaço gerado pelascolunas de A.
Passo 1. Como dimK(C(A)) = r , existem colunas b1, . . . , br de A queformam uma base para C(A). Seja B a matriz m × r definida por[b1, . . . ,br ].
Passo 2. Como toda coluna de A é uma combinação linear de b1, . . . , br ,podemos escrever que A = B · C para algumas matriz Cr×n.
Passo 3. Então AT = CT · BT . Então as linhas de A (colunas de AT ) sãocombinações lineares das linhas de C (colunas de CT ). Portanto,R(A) ⊆ R(C). Assim,
dimK(R(A)) ≤ dimK (R(C)) ≤ r = dimK(C(A)).
Trocando-se A por AT acima, segue-se que dimK(C(A)) ≤ dimK(R(A)). LogodimK(C(A)) = dimK(R(A)).
40/40 Aula 2 Aplicações de Álgebra Linear 7/11
Posto de uma matriz
Demonstração. Sejam A uma matriz com posto segundo colunas igual a r ,C(A) o espaço gerado pelas colunas de A e R(A) o espaço gerado pelascolunas de A.
Passo 1. Como dimK(C(A)) = r , existem colunas b1, . . . , br de A queformam uma base para C(A). Seja B a matriz m × r definida por[b1, . . . ,br ].
Passo 2. Como toda coluna de A é uma combinação linear de b1, . . . , br ,podemos escrever que A = B · C para algumas matriz Cr×n.
Passo 3. Então AT = CT · BT . Então as linhas de A (colunas de AT ) sãocombinações lineares das linhas de C (colunas de CT ). Portanto,R(A) ⊆ R(C). Assim,
dimK(R(A)) ≤ dimK (R(C)) ≤ r = dimK(C(A)).
Trocando-se A por AT acima, segue-se que dimK(C(A)) ≤ dimK(R(A)). LogodimK(C(A)) = dimK(R(A)).
40/40 Aula 2 Aplicações de Álgebra Linear 8/11
Posto de uma matriz
Demonstração. Sejam A uma matriz com posto segundo colunas igual a r ,C(A) o espaço gerado pelas colunas de A e R(A) o espaço gerado pelascolunas de A.
Passo 1. Como dimK(C(A)) = r , existem colunas b1, . . . , br de A queformam uma base para C(A). Seja B a matriz m × r definida por[b1, . . . ,br ].
Passo 2. Como toda coluna de A é uma combinação linear de b1, . . . , br ,podemos escrever que A = B · C para algumas matriz Cr×n.
Passo 3. Então AT = CT · BT . Então as linhas de A (colunas de AT ) sãocombinações lineares das linhas de C (colunas de CT ). Portanto,R(A) ⊆ R(C). Assim,
dimK(R(A)) ≤ dimK (R(C)) ≤ r = dimK(C(A)).
Trocando-se A por AT acima, segue-se que dimK(C(A)) ≤ dimK(R(A)). LogodimK(C(A)) = dimK(R(A)).
40/40 Aula 2 Aplicações de Álgebra Linear 9/11
Posto de uma matriz
Demonstração. Sejam A uma matriz com posto segundo colunas igual a r ,C(A) o espaço gerado pelas colunas de A e R(A) o espaço gerado pelascolunas de A.
Passo 1. Como dimK(C(A)) = r , existem colunas b1, . . . , br de A queformam uma base para C(A). Seja B a matriz m × r definida por[b1, . . . ,br ].
Passo 2. Como toda coluna de A é uma combinação linear de b1, . . . , br ,podemos escrever que A = B · C para algumas matriz Cr×n.
Passo 3. Então AT = CT · BT . Então as linhas de A (colunas de AT ) sãocombinações lineares das linhas de C (colunas de CT ). Portanto,R(A) ⊆ R(C). Assim,
dimK(R(A)) ≤ dimK (R(C)) ≤ r = dimK(C(A)).
Trocando-se A por AT acima, segue-se que dimK(C(A)) ≤ dimK(R(A)). LogodimK(C(A)) = dimK(R(A)).
40/40 Aula 2 Aplicações de Álgebra Linear 10/11
Posto de uma matriz
Demonstração. Sejam A uma matriz com posto segundo colunas igual a r ,C(A) o espaço gerado pelas colunas de A e R(A) o espaço gerado pelascolunas de A.
Passo 1. Como dimK(C(A)) = r , existem colunas b1, . . . , br de A queformam uma base para C(A). Seja B a matriz m × r definida por[b1, . . . ,br ].
Passo 2. Como toda coluna de A é uma combinação linear de b1, . . . , br ,podemos escrever que A = B · C para algumas matriz Cr×n.
Passo 3. Então AT = CT · BT . Então as linhas de A (colunas de AT ) sãocombinações lineares das linhas de C (colunas de CT ). Portanto,R(A) ⊆ R(C). Assim,
dimK(R(A)) ≤ dimK (R(C)) ≤ r = dimK(C(A)).
Trocando-se A por AT acima, segue-se que dimK(C(A)) ≤ dimK(R(A)). LogodimK(C(A)) = dimK(R(A)).
40/40 Aula 2 Aplicações de Álgebra Linear 11/11