Capítulo 4

TRANSFORMAÇÕES
LINEARES

Denição 156 Sejam Y e Z dois espaços vetoriais. Uma Transformação Lin-

ear (aplicação linear) é uma função de Y em Z> W : Y $ Z> que satisfaz as
seguintes condições:

• Qualquer que sejam x e y em Y ,

W (x + y) = W (x) + W (y)

• Qualquer que sejam n 5 R e y em Y ,

W (ny) = nW (y)

Exemplo 157 : Um agricultor planta e comercializa três tipos de verduras:

Tomate, Batata, Cenoura. Sejam {1 > {2 > {3 as quantidades em quilos de To-
mate, Batata, Cenoura respectivamente. Se o agricultor vende o quilo do to-
mate a U$ 2> 00>da batata a U$ 1> 50 e da cenoura a U$ 1> 90 então o total de
vendas (WY ) é dado por 2{1 + 1> 5{2 + 1> 9{3 . A aplicação que a cada tripla
({1 > {2 > {3 ) 5 R3 associa o total de vendas WY ({1 > {2 > {3 ) é uma aplicação linear.
Matematicamente temos uma transformação linear do E.V R3 no E.V R :

WY : R3 $ R
WY ({1 > {2 > {3 ) = 2{1 + 1> 5{2 + 1> 9{3

Vamos agora mostrar que de fato esta aplicação é uma transformação linear
Chamando x = ({1 > {2 > {3 ) 5 R3 > y = (|1 > |2 > |3 ) 5 R3 e n 5 R temos:

125
 i)

WY (x + y) = WY (({1 > {2 > {3 ) + (|1 > |2 > |3 ))

= WY ({1 + |1 > {2 + |2 > {3 + |3 )
= 2({1 + |1 ) + 1> 5({2 + |2 ) + 1> 9({3 + |3 )
= 2{1 + 1> 5{2 + 1> 9{3 + 2|1 + 1> 5|2 + 1> 9|3
= (2{1 + 1> 5{2 + 1> 9{3 ) + (2|1 + 1> 5|2 + 1> 9|3 )

WY (x) = W ({1 > {2 > {3 ) = 2{1 + 1> 5{2 + 1> 9{3

WY (y) = W (|1 > |2 > |3 ) = 2|1 + 1> 5|2 + 1> 9|3
WY (x) + WY (y) = (2{1 + 1> 5{2 + 1> 9{3 ) + (2|1 + 1> 5|2 + 1> 9|3 )

Logo WY (x + y) = WY (x) + WY (y)=

ii)

WY (nx) = WY (n({1 > {2 > {3 ))

= WY (n{1 > n{2 > n{3 )
= 2n{1 + 1> 5n{2 + 1> 9n{3
= n (2{1 + 1> 5{2 + 1> 9{3 )
= nW (x)

Logo WY (nx) = nWY (x)= De i) e ii) vemos que WY é uma transformação linear.

Exemplo 158 . Sejam Y = R> Z = R e I : R $ R dado I (x) = x2 . A

aplicação I não é uma transformação linear pois:

I (x + y) = (x + y)2 = x2 + 2xy + y2
I (x) + I (y) = x2 + y2
I (x + y) 6= I (x) + I (y)

Exemplo 159 W : R2 $ R3 > W ({> |) = (2{> 0> { + |)

T é uma transformação linear pois,

i)

W (x + y) = W (({1 > |1 ) + ({2 > |2 ))

= W ({1 + {2 > |1 + |2 )
= (2({1 + {2 )> 0> ({1 + {2 ) + (|1 + |2 ))
= (2{1 + 2{2 > 0 + 0> ({1 + |1 ) + ({2 + |2 ))
= (2{1 > 0> {1 + |1 ) > (2{2 > 0> {2 + |2 )
= W (x) + W (y)

126
ii)

W (nx) = W (n({1 > |1 ))

= W (n{1 > n|1 )
= (2n{1 > 0> n{1 + n|1 )
= n (2{1 > 0> {1 + |1 )
nW (x)

Portanto W é uma transformação linear.

Exemplo 160 . Y = Z = Sq e

G : Sq $ Sq1
G(i ) = i 0

a aplicação derivada que a cada polinômio associa sua derivada, a qual também
é um polinômio é uma aplicação linear. De fato, para quaisquer i> j 5 Sq e
n 5 R>
i)
0
G(i + j) = (i + j)
= i 0 + j0
= G(i ) + G(j)

ii)

G(ni ) = (ni )0
= ni 0
= nG(i )

Exemplo 161 Y = Sq > Z = Sq+1 > s({) = d0 + d1 { + d2 {2 + = = = + dq {q

W : Sq $ Sq+1
W (s({)) = {s({) = d0 { + d1 {2 + d2 {3 + = = = + dq {q+1

A aplicação W é uma transformação linear pois

W (ns) = {(ns)({) = {ns({) = n{s({) = nW (s)

W (s + t) = {(s + t)({) = {(s({) + t({)) = {s({) + {t({) = W (s) + W (t)

Exemplo 162 Y = Z = Sq , s({) = d0 + d1 { + d2 {2 + = = = + dq {q > d> e 5 R e

W : Sq $ Sq
W (s({)) = s(d{ + e) = d0 + d1 (d{ + e) + d2 (d{ + e)2 + = = = + dq (d{ + e)q

127
 Esta aplicação também é linear pois,

W (ns) = (ns)(d{ + e) = ns(d{ + e) = nW (s)

W (s + t) = (s + t)(d{ + e) = s(d{ + e) + t(d{ + e) = W (s) + W (t)
Exemplo 163 Uma transformação linear inportante é aquela que se obtém
usando-se o produto escalar. Seja Rq com o produto escalar usual h=> =i e y0 5
Rq um vetor qualquer xado. Seja,
W : Rq $ R
W (y) = hy> y0 i
T é uma aplicação linear (mostre isso, use as propriedades do produto escalar)
Exemplo 164 : Sejam F(R) = {i : R $ R @ i é contínua} = Considere
M : F(R) $ R
M(i ) = i (0)
Por exemplo se i (w) = w2 então

M(i ) = i (0) = 02 = 0
M é uma aplicação linear pois, se i> j 5 F(R) e n 5 R então

M(i + j) = (i + j)(0) = i (0) + j(0) = M(i ) + M(j)

M(ni ) = (ni ) (0) = ni (0) = nM(i )
Exemplo 165 : Seja,

W : P2 $ P2
µ· ¸¶ · ¸
d e d+e e+f
W =
f g f+g g+d
Esta aplicação é uma transformação linear, pois

µ· ¸ · ¸¶ µ· ¸¶
d1 e1 d2 e2 d1 + d2 e1 + e2
W + = W
f1 g1 f2 g2 f1 + f2 g1 + g2
d1 + d2 + e1 + e2 e1 + e2 + f1 + f2
=
f1 + f2 + g1 + g2 g1 + g2 + d1 + d2
d1 + e1 e1 + f1 d + e2 e2 + f2
= + 2
f1 + g1 g1 + d1 f2 + g2 g2 + d1 + d2
µ· ¸¶ µ· ¸¶
d1 e1 d2 e2
= W +
f1 g1 f2 g2

128
 µ · ¸¶ µ · ¸¶
d e nd ne
W n = W n
f g nf ng
· ¸
nd + ne ne + nf
=
nf + ng ng + nd
· ¸
d+e e+f
= n
f+g g+d
µ· ¸¶
d e
= nW
f g

Exemplo 166 : Seja,

W : Pq $ R
W (D) = det(D)

Esta aplicação não é uma transformação linear, pois, em geral

det(D1 + D2 ) 6= det(D1 ) + det(D2 )

4.1 Propriedades das Transformações Lineares

Teorema 167 Dados dois espaços vetoriais reais Y e Z e uma base de Y>  =
{y1 > · · · > yq } > sejam z1 > · · · > zq elementos arbitrários de Z . Então existe uma
aplicação linear W : Y $ Z tal que W (y1 ) = z1 > · · · > W (yq ) = zq = Esta aplicação
é dada por: Se y = d1 y1 + · · · + dq yq >

W (y) = d1 W (y1 ) + · · · dq W (yq ) = d1 z1 + · · · dq zq

Exemplo 168 Qual a transformação linear W : R2 $ R3 tal que W (1> 0) =

(2> 1> 0) e W (0> 1) = (0> 0> 1)?

Solução: Temos neste caso y1 = (1> 0) e y2 = (0> 1) base de R2 e z1 =

(2> 1> 0) e z2 = (0> 0> 1)=
Dado y = ({> |) arbitrário,

y = {y1 + |y2
W (y) = W ({y1 + |y2 )
W (y) = {W (y1 ) + |W (y2 )
W (y) = {(2> 1> 0) + |(0> 0> 1)
W (y) = (2{> {> |)

129
Exemplo 169 Qual a transformação linear W : P2 $ S4 tal que
µ· ¸¶
1 0
W = {4 + {
0 0
µ· ¸¶
0 1
W = {3 + {2
0 0
µ· ¸¶
0 0
W = {2 + {3
1 0
µ· ¸¶
0 0
W = { + {4
0 1

Solução · ¸
d e
Uma matriz D 5 P2 é da forma D = = Podemos escrever:
· ¸ · ¸ · ¸ f· g ¸ · ¸
d e 1 0 0 1 0 0 0 0
=d +e +f +g , portanto
f g 0 0 0 0 1 0 0 1
µ· ¸¶ µ · ¸ · ¸ · ¸ · ¸¶
d e 1 0 0 1 0 0 0 0
W =W d +e +f +g
f g 0 0 0 0 1 0 0 1

µ· ¸¶ µ· ¸¶ µ· ¸¶ µ· ¸¶
1 0 0 1 0 0 0 0
= dW + eW + fW + gW
0 0 0 0 1 0 0 1

µ· ¸¶
d e ¡ ¢ ¡ ¢ ¡ ¢ ¡ ¢
W = d {4 + { + e {3 + {2 + f {2 + {3 + g { + {4
f g
µ· ¸¶
d e
W = (d + g){ + (e + f){2 + (e + f){3 + (d + g){4
f g

Denição 170 : Seja W : Y $ Z uma transformação linear. A imagem de

W é o conjunto de vetores z 5 Z tais que existe um vetor y 5 Y , que satisfaz
W (y) = z= Ou seja

Im(W ) = {z 5 Z / W (y) = z para algum y 5 Y }

Observação 171 Note que Im(W ) é um subconjunto de Z e, além disso, é um

subespaço vetorial de Z=

Exemplo 172 Seja W : R2 $ R2 a transformação linear dada por W ({> |) =

(2{  |> 10{ + |)= Qual dos vetores abaixo pertence a imagem de W

a) x = (1> 2)
b) z = (1> 2)

130
 Solução: a) Para que x 5 Im(W ) deve existir algum y = ({> |) tal que
W (y) = x, ou seja, W ({> |) = (1> 2); temos então:

W ({> |) = (1> 2)
(2{  |> 10{ + |) = (1> 2)
½
2{  | = 1
10{ + | = 2
Resolvendo o sistema temos { =  38 e | =  74 > logo x pertence a imagem de W
pois W ( 38 >  74 ) = x=
b) Analogamente deve existir algum y = ({> |) tal que W (y) = z> ou seja

W ({> |) = (1> 2)
(2{  |> 10{ + |) = (1> 2)
½
2{  | = 1
10{ + | = 2
Resolvendo o sistema temos { =  18 e | = 3
4 logo z pertence a imagem de W
pois W ( 18 >  34 ) = z

Exemplo 173 Determine a imagem da transformação linear W : R3 $ R3 >

W ({> |> }) = (2{  |  }> {  |  }> { + |  })=

Solução: Se z 5 Im(W ) então z = W ({> |> })> ou seja,

z = (2{  |  }> {  |  }> { + |  })

= {(2> 1> 1) + |(1> 1> 1) + }(1> 1> 1)

Logo todo vetor que pertence a imagem de W é gerado pelos vetores y1 =

(2> 1> 1)> y2 = (1> 1> 1) e y3 = (1> 1> 1). Podemos então escrever que
Im(W ) = [(2> 1> 1)> (1> 1> 1)> (1> 1> 1)] =
Como o conjunto  = {(2> 1> 1)> (1> 1> 1)> (1> 1> 1)} é LI ( verique
isto) temos que  é uma base para a Im(W )> mas  é base para R3 , logo
concluimos que Im(W ) = R3 =

Denição 174 Seja W : Y $ Z> uma transformação linear. O conjunto de

$

todos os vetores y 5 Y tais que W (y) = 0 é chamado núcleo de W , sendo
denotado por Nhu(W )= Isto é,
n $o

Nhu(W ) = y 5 Y Á W (y) = 0

Observação 175 Observe que Nhu(W )  Y é um subconjunto de Y e, ainda

mais, é um subespaço vetorial de Y= Alguns autores denotam o núcleo de W por
Q (W )=

131
 $

Exemplo 176 Seja W : Y $ Z , dada por W (y) = 0 = Neste caso todo vetor de
Y é levado no vetor nulo pela transformação W> assim temos que Nhu(W ) = Y

Exemplo 177 Seja W : R3 $ R3 a projeção ortogonal sobre o plano {|=

Neste caso temos W ({> |> }) = ({> |> 0)= Se W ({> |> }) = (0> 0> 0) , ({> |> }) =
(0> 0> 0) , { = 0 e | = 0= ©Como nada é dito sobre ª a variável }, temos que } é
qualquer, logo Nhu(W ) = (0> 0> }) 5 R3 Á } 5 R > ou seja o núcleo de W são
todos os vetores que estão sobre o eixo }=

Exemplo 178 Encontre o núcleo da transformação linear:

W : R4 $ R3
W ({> |> }> w) = ({ + | + }  w> 2{ + }  w> 2|  w)

Solução: Devemos encontrar os vetores y = ({> |> }> w) 5 R4 tais que W (y) =
W ({> |> }> w) = (0> 0> 0> 0)= Neste caso temos que resolver o sistema homogêneo:
;
? {+|+}w=0
2{ + }  w = 0
=
2|  w = 0
A
5 matriz ampliada do sistema
6 5 é: 6
.. ..
9 1 1 1 1 . 0 : 9 1 1 1 1 . 0 :
9 . : 9 . :
9 2 0 1 1 .. 0 : , 9 0 2 1 1 .. 0 :
7 8 7 8
.. ..
0 2 0 1 . 0 0 0 1 0 . 0
sd = sf = 3 e s = 3 ? q = 4 logo o sistema é compatível e indeterminado
com grau de liberdade 1.

132
 Logo,
;
? {+|+}w= 0
2|  } + w = 0
=
} = 0
o que nos fornece,

{ = |
} = 0
w = 2|
© ª
Portanto Nhu(W ) = (|> |> 0> 2|) 5 R4 Á | 5 R = [(1> 1> 0> 2)]

Exemplo 179 Seja W : R3 $ R3 a transformação linear que é a projeção

ortogonal sobre a reta cujas equações paramétricas são:

;
? { = 1 + 2w
| = 2  2w
=
} =3+w
Encontre o Núcleo de W=
Solução: Projetar um vetor sobre uma reta é o mesmo que encontrar a
projeção ortogonal sobre o vetor diretor dessa mesma reta. No nosso caso, o
vetor diretor é x = (2> 2> 1)> logo

³ y=x ´
W (y) = surmx y = x
µ x=x ¶
({> |> })=(2> 2> 1)
W ({> |> }) = (2> 2> 1)
(2> 2> 1)=(2> 2> 1)
µ ¶
2{  2| + }
W ({> |> }) = (2> 2> 1)
9
µ ¶
4{  4| + 2} 4{ + 4|  2} 2{  2| + }
W ({> |> }) = > >
9 9 9

Para encontrar o núcleo devemos ter,

µ ¶
4{  4| + 2} 4{ + 4|  2} 2{  2| + }
W ({> |> }) = > > = (0> 0> 0)
9 9 9

4{  4| + 2} = 0
4{ + 4|  2} = 0
2{  2| + } = 0

133
 5 6 5 6
4 4 2 4 4 2
7 4 4 2 8 , fazendo o escalonamento temos 7 0 0 0 8 > assim
2 2 1 0 0 0

4{ + 4| + 2} = 0
0 = 0
0 = 0

2} = 4{  4|
} = 2{  2|
© ª
Portanto Nhu(W ) = ({> |> 2{  2|) 5 R3 Á { 5 R = [(1> 0> 2)> (0> 1> 2)]
Denição 180 Dada uma aplicação W : Y $ Z , diremos que W é injetora
se dados x> y 5 Y com W (x) = W (y) tivermos x = y= Ou equivalentemente, W é
injetora se dados x> y 5 Y com x 6= y, então W (x) 6= W (y)=
Denição 181 Uma aplicação W : Y $ Z será sobrejetora se a imagem de
W coincidir com Z> ou seja, W (Y ) = Z=
Observação 182 Da denição acima vemos que uma função será sobrejetora
se dado z 5 Z , existir y 5 Y tal que W (y) = z=
n
$o
Teorema 183 Seja W : Y $ Z , uma aplicação linear. então Nhu(W ) = 0 >
se e somente se W é injetora.
Teorema 184 Seja W : Y $ Z , uma aplicação linear. Então

dim Nhu(W ) + dim Im(W ) = dim Y

Corolário 185 Se dim Y = dim Z , então W linear é injetora se e somente se
W é sobrejetora.
Corolário 186 Seja W : Y $ Z , uma aplicação linear injetora. Se dim Y =
dim Z , então W leva base em base.
Exemplo 187 Seja W : Sq $ Sq+1 , dada por W (s({)) = {s({)=Verique se W
é bijetora.
Solução: Devemos vericar se W é injetora e sobrejetora ao mesmo tempo.
Usando o teorema (183) devemos apenas calcular o núcleo de W :

W (s({)) = {s({)
W (d0 + d1 { + = = = + dq {q ) = {(d0 + d1 { + = = = + dq {q )
W (d0 + d1 { + = = = + dq {q ) = (d0 { + d1 {2 + = = = + dq {q+1 )

134
Se

W (s({)) = 0
d0 { + d1 {2 + = = = + dq {q+1 = 0 = 0 + 0{ + 0{2 + = = = + 0{q+1

logo
n d0 = d1 = = = = = dq = 0 , s({) = 0 (s({) é o polinômio nulo) , Nhu(W ) =
$o
0 (observe que neste caso o vetor nulo de Sq é o polinômio nulo de grau n).
Portanto W é injetora.
Como dim Sq = q + 1> dim Sq+1 = q + 2 e dim Nhu(W ) = 0> temos que

dim Nhu(W ) + dim Im(W ) = q + 1

0 + dim Im(W ) = q + 1
dim Im(W ) = q + 1

Note que dim Im(W ) = q+1 6= q+2 = dim Sq+1 , Im(W ) 6= Sq+1 = Portanto
W não é sobrejetora.

4.2 Transformações Lineares e Matrizes

4.2.1 Transformação linear associada a uma matriz
Seja D uma matriz p × q. Associada a matriz D denimos a transformação
linear:

OD : Rq $ Rp
y $ D=y
onde y é tomado como vetor coluna,
5 6
{1
9 :
y = 7 ... 8
{q

OD (y) = D=y
5 65 6
d11 ··· d1q {1
9 .. .. .. : 9 .. :
OD (y) = 7 . . . 87 . 8
dp1 ··· dpq {q
35 64 5 6
{1 d11 {1 + · · · d1q {q
E9 .. :F 9 .. :
OD C7 . 8D = 7 . 8
{q dp1 {1 + · · · + dpq {q

Das propriedades de operações de matrizes:

135
 OD (x + y) = D=(x + y) = D=x + D=y = OD (x) + OD (y)
OD (nx) = D=(nx) = nD=x = nOD (x)

e portanto OD é uma transformação linear.

Exemplo 188 Seja 5 6

1 1 1 1
D = 7 2 0 1 1 8
0 2 0 1
Observe que a matriz D tem ordem 3 × 4 e portanto ela induzirá uma transfor-
mação linear de R4 para R3 , denida por:

OD R4 $ R3
:
35 64 56
{ 5 6 {
E9 | :F 1 1 1 1 9 :
OD E9 :F = 7 2 0 1 1 89 | :
C7 } 8D 7 } 8
0 2 0 1
w w
5 6
{+|+}w
= 7 2{ + }  w 8
2|  w

Note que a transformação acima está escrita em forma matricial, mas podemos
escreve-la também na forma vetorial que estamos acostumados:

OD ({> |> }> w) = ({ + | + }  w> 2{ + }  w> 2|  w)

Surpresa!! Esta é a mesma transformação do exemplo (178)

Exemplo 189 Dada a transformação linear:

W : R3 $ R2
W ({> |> }) = (10{  20|  30}> {  2|  3})

Encontre a matriz da transformação W (Isto é, encontre a matriz D cuja trans-

formação associada a ela é exatamente a transformação W )
Solução: Passando da forma vetorial para a forma matricial temos:

35 64
{ · ¸
10{  20|  30}
W C7 | 8D =
{  2|  3}
}
5 6
· ¸ {
10 20 30 7
= | 8
1 2 3
}

136
 Portanto a matriz de W> que denotaremos por [W ] é
· ¸
10 20 30
[W ] =
1 2 3
Observação 190 Ao obtermos a transformação associada a uma matriz D (ou,
caso contrário, a matriz de uma transformação W ), não mencionamos as bases
dos espaços envolvidos. De fato, ao obtermos a matriz de uma transformação
estamos levando em conta as bases associadas aos espaços Rq e Rp mas neste
caso em particular estamos considerando as bases canônicas. Isto cará claro
na exposição a seguir.
De um modo geral, xadas as bases  = {y1 > y2 > · · · > yq } e  0 = {z1 > z2 > · · · > zp } >
à matriz
5 6
d11 · · · d1q
9 .. :
Dp×q = 7 ... ..
. . 8
dp1 ··· dpq
podemos associar
WD : Rq $ Rp
y $ WD (y)
da seguinte maneira: Seja
6 5
{1
9 :
[ = [y] = 7 ... 8
{q
5 65 6 5 6
d11 · · · d1q {1 |1
9 .. : 9 .. : = 9 .. :
D=[ = 7 ... ..
. . 87 . 8 7 . 8
dp1 · · · dpq {q |p
então
WD (y) = |1 z1 + · · · + |p zp
onde |l = Dl =[ e Dl é a i-ésima linha de D=
Em geral, dada uma matriz Dp×q , ela é encarada como uma aplicação linear
WD : Rq $ Rp em relação às bases canônica de Rq e Rp =

4.2.2 Matriz de uma transformação linear

Agora iremos encontrar a matriz associada a uma transformação linear. Seja
W : Y $ Z linear>  = {y1 > · · · > yq } base de Y e  0 = {z1 > · · · > zp } base de Z=
Então W (y1 )> = = = > W (yq ) são vetores de Z e portanto
W (y1 ) = d11 z1 + ··· + dp1 zp
.. .. ..
. . .
W (yq ) d1q z1 + ··· + dpq zp

137
A transposta da matriz dos coecientes deste sistema, denotada por [W ] 0 é
chamada matriz de W em relação às bases  e  0 :
5 6
d11 · · · d1q
 9 .. :
[W ] 0 = 7 ... . 8
dp1 ··· dpq
65
d11 · · · d1q
9 .. : a transfor-
Observação 191 Note que se D = [W ] 0 = 7 ... . 8
dp1 · · · dpq
mação linear W passa a ser a transformação linear associada à matriz D e
bases  e  0 , iste é, W = WD

Exemplo 192 Seja W : R3 $ R2 tal que W ({> |> }) = (2{ + |  }> 3{  2| + 4})=

Sejam  = {(1> 1> 1> )> (1> 1> 0)> (1> 0> 0)} e  0 = {(1> 3)> (1> 4)} =
Procuremos [W ] 0
W ({> |> }) = (2{ + |  }> 3{  2| + 4})

W (1> 1> 1) = (2> 5) = d(1> 3) + e(1> 4)

W (1> 1> 0) = (3> 1) = f(1> 3) + g(1> 4)
W (1> 0> 0) = (2> 3) = h(1> 3) + i (1> 4)

Portanto temos os sistemas:

·½ ½ ½ ¸
d+e=2 f+g=3 h+i =2
> > >
3d + 4e = 5 3f + 4g = 1 3h + 4i = 3

Resolvendo os sistemas temos:

£ ¤
d=3 e = 1 > f = 11 > g = 8 h=5 i = 3

· ¸
 3 11 5
[W ] 0 =
1 8 3

Teorema 193 : Sejam Y e Z espaços vetoriais,  base de Y ,  base de Z e

W : Y $ Z uma aplicação linear. Então, para todo y 5 Y vale:

Teorema 194

[W (y)] = [W ] ¦ [y]

Denição 195 Dada uma base  e tranformação linear W : Y $ Y denotare-


mos a matriz [W ] apenas por [W ] e ela será chamada de matriz de W em relação
a base =

138
Denição 196 Seja W : Rq $ Rq uma transformação linear e  a base
canônica de Rq > então a matriz de W em relação a base canônica > [W ]
 > será
denotada simplesmente por [W ] =

Exemplo 197 Seja W : S2 $ S2 denido

© porªW (s({)) = s(3{  5)= Determine
a matriz de W em relação a base  = 1> {> {2

Devemos calcular [W ] = [W ]

W (s) = s(3{  5)
W (d0 + d1 { + d2 {2 ) = d0 + d1 (3{  5) + d2 (3{  5)2
W (d0 + d1 { + d2 {2 ) = d0 + 3d1 {  5d1 + d2 (9{2  30{ + 25)
W (d0 + d1 { + d2 {2 ) = (d0  5d1 + 25d2 ) + (3d1  30d2 ){ + 9d2 {2

W (1) = W (1 + 0{ + 0{2 ) = 1 = 1 + 0{ + 0{2

W ({) = W (0 + 1{ + 0{2 ) = 5 + 3{ = 5 + 3{ + 0{2
W ({2 ) = W (0 + 0{ + 1{2 ) = 25  30{ + 9{2

5 6
1 5 25
[W ] = 7 0 3 30 8
0 0 9

Exemplo 198 Seja W : R3 $ R3 dada por W ({> |> }) = (2{  3|  2}> {  | 

}> 2{  | + })

a) Sejam as bases

 = {(1> 0> 0)> (1> 1> 0)> (1> 1> 1)}

 = {(1> 1> 0)> (1> 0> 1)> (0> 1> 1)}

determine [W ] 
 ,5[W ]6
1
b) Se [y] = 7 1 8 determine [W (y)] =
1
c) Calcule a multiplicação das matrizes: [W ] 
 ¦[W ] = Que conclusão voce pode
tirar em relação as duas matrizes, ou que relação há entre as duas matrizes?

Solução: a) Cálculo de [W ]

W ({> |> }) = (2{  3|  2}> {  |  }> 2{  | + })

W (1> 0> 0)
¡ ¢
W (1> 0> 0) = 2> 1> 2 = d1 (1> 1> 0) + e1 (1> 0> 1) + f1 (0> 1> 1)

139
 ¡ ¢
W (1> 1> 0) = ¡ 1> 0> 1 = ¢ d2 (1> 1> 0) + e2 (1> 0> 1) + f2 (0> 1> 1)
W (1> 1> 1) = 3> 1> 2 = d3 (1> 1> 0) + e3 (1> 0> 1) + f3 (0> 1> 1)
Devemos resolver os tres sistemas resultantes: Denotando por D a matriz
dos coecientes
5 do sistema,temos:
6 5 1 6
1 1 0  2  12 1
2
D = 7 1 0 1 8 , D1 = 7  12 1
2  12 8
1
0 1 1 2  2  12
1

Vamos
5 6resolver 5os sistemas
6 5 por matriz inversa:
65 6 5 1 6
d1 2  12  12 1
2 2 2
7 e1 8 = D1 7 1 8 = 7  1 1
 1 87
1 8 = 7 3 8
2 2 2 2
1
f1 2 2  12  12 2  12
5 6 5 6 5 1 65 6 5 6
d2 1 2  12 1
2 1 1
7 e2 8 = D1 7 0 8 = 7  1 1
 12 87 0 8 = 7 0 8
2 2
1
f2 1 2  12  12 1 1
5 6 5 6 5 1 65 6 5 6
d3 3 2  12 1
2 3 3
7 e3 8 = D1 7 1 8 = 7  1 1
 12 8 7 1 8 = 7 0 8
2 2
1
f3 2 2  12  12 2 2

Logo 5 6
 12 1 3

[W ] = 7  32 0 0 8
 12 1 2

Agora voce já está em condições de calcular [W ] = Faça esse cálculo como
exercício
b) Vamos usar a relação [W (y)] = [W ]
 ¦ [y]

[W (y)] = [W ]
 ¦ [y]
5 1 65 6
2 1 3 1
[W (y)] = 7  32 0 0 87 1 8
 1 1 2 1
5 72 6
2
[W (y)] = 7  32 8
 72

c) Faça voce este item e tire suas conclusões. Mais adiante voce poderá
vericar se suas conclusões estavam corretas.

Teorema 199 Seja W : Y $ Z uma transformação linear e  e  bases de Y

e Z respectivamente. Então

dim Im(W ) = posto de [W ]
dim Nhu(W ) = nulidade de [W ]  
 = número de colunas de [W ]  srvwr [W ]

140
4.3 Composição de transformações lineares
Denição 200 Se W1 : Y $ Z e W2 : Z $ X são duas transformações
lineares a composta das duas transformações lineares é denida do mesmo modo
que a composição de funcões ( lembre-se que um transformação linear é uma
função com a propriedade adicional de ser linear) da seguinte forma

W2  W1 : Y $ X
(W2  W1 )(y) = W2 (W1 (y))

Exemplo 201 Se W1 : R2 $ R3 > W1 ({> |) = ({  |> |  {> |  {) e W2 : R3 $ R>

W ({> |> }) = {  |  } então W2  W1 : R2 $ R e

(W2  W1 ) ({> |) = W2 (W1 ({> |))

= W2 ({  |> |  {> |  {)
= ({  |)  (|  {)  (|  {)
= {||+{|+{
= 3{  3|

Teorema 202 Sejam W1 : Y $ Z e W2 : Z $ X transformações lineares e >

>  bases de Y> Z> X respectivamente. Então a composta de W2 com W1 > W2  W1 :
Y $ X é linear e
[W2  W1 ]  
 = [W2 ] ¦ [W1 ]

Proposição 203 Seja W : Y $ Z uma transformação linear . Sejam  e 0

bases de Y e  e  0 bases de Z= Então vale a relação:

0 0 0
[W ]    
 0 = [LZ  W  LY ] 0 = [LZ ] 0 [W ] [LY ]

onde LZ e LY são as aplicações identidades de Z e Y respectivamente.

4.4 A Inversa de uma transformação linear

Denição 204 Dá-se o nome de isomorsmo a uma transformação linear
W : Y $ Z que é injetora e sobrejetora ao mesmo tempo. Quando há um
isomorsmo entre dois espaços vetoriais dizemos que estes são Isomorfos.

Denição 205 Seja W : Y $ Z uma transformação linear. Se existe uma

transformação linear V : Z $ Y tal que W  V = LZ , onde LZ : Z $ Z é
a identidade em Z> dizemos que V é a inversa a direita de W= Se existe uma
transformação U : Z $ Y , tal que UW = LY , onde LY : Y $ Y é a identidade
em Y , dizemos que U é a inversa a esquerda de W=

141
Denição 206 Seja W : Y $ Z uma transformação linear. Se existe uma
aplicação W 1 : Z $ Y> tal que W  W 1 = LZ e W 1  W = LY então dizemos
que W é inversível e que W 1 é a inversa de W

Proposição 207 Seja W : Y $ Z uma transformação linear. Se existe a

inversa de W> W 1 > então W 1 é uma transformação linear

Proposição 208 Se W : Y $ Z é um isomomorsmo, então W é inversível e

além disso W 1 também é um isomorsmo.

Proposição 209 Se W : Y $ Z uma transformação linear invertível (W é um

isomorsmo) e  e  são bases de Y e Z> então:

£ 1 ¤ ³  ´1
W 
= [W ]

Observação: Quando estamos trabalhando com o espaço Rq e a base canônica

de Rq por simplicidade omitimos as bases e a matriz de W : Rq $ Rq >em relação
a base canônica, é denotada simplesmente por [W ] = Neste caso a proposição
acima
£ 1 ¤ é escrita na forma mais conveniente: "Se W : Rq $ Rq é inversível então
1
W = [W ] ”

Proposição 210 Seja W : Y $ Z uma transformação linear, com dim Y =

dim Z> e  e  bases de Y e Z respectivamente= Então W é inversível se, e
somente se det [W ]
 6= 0=

Observação 211 Se na proposição acima tivermos Y = Z = Rq podemos

escrever: Seja W : Rq $ Rq uma transformação linear, então W é invertível se
det [W ] 6= 0

Exemplo 212 Seja W : R3 $ R3 > dada por W ({> |> }) = ({ + 2| + 2}> { + | +

3}> { + 2| + })> determine a transformação inversa W 1 =

Solução: Facilmente podemos ver que

5 6 5 6
1 2 2 £ 1 ¤ 5 2 4
[W ] = 7 1 1 3 8, W = [W ]1 = 7 2 1 1 8
1 2 1 1 0 1
logo W 1 ¡({> |> }) =¢ (5{ + 2| + 4}> 2{  |  }> {  })= Como exercício verique
que vale W  W 1 ({> |> }) = ({> |> })
Podemos também neste caso calcular a inversa usando diretamente a dinição
de transformação inversa da seguinte forma
Sabemos que W 1 : R3 $ R3 é uma transformação linear tal que W 1 W = L
ou W  W 1 = L= Suponhamos que W 1 ({> |> }) = (p> q> v)> devemos encontrar

142
p> q e v tais que W  W 1 = L (devemos usar esta igualdade pois com a outra
não funciona, tente e veja o que acontece). Portanto
¡ ¢
W  W 1 ({> |> }) = L({> |> }) = ({> |> })
W (W 1 ({> |> })) = ({> |> })
W (p> q> v) = ({> |> })
(p + 2q + 2v> p + q + 3v> p + 2q + v) = ({> |> })

p + 2q + 2v = {
p + q + 3v = |
p + 2q + v = }
5 6 5 6
1 2 2 { · ¸ 1 2 2 {
71 1 3 | 8 hvfdorqdqgr 70 1 1 {  |8
=,
1 2 1 } 0 0 1 {}

v = {}
q = {  | + {  } = 2{  |  }
p = {  2(2{  |  })  2({  }) = 5{ + 2| + 4}

Logo

W 1 ({> |> }) = (5{ + 2| + 4}> 2{  |  }> {  })

143
4.5 Nona lista de exercícios
1) Seja W : Y $ Z uma função. Mostre que
a) Se W é uma transformação linear, então W (0) = 0=
b) Se W (0) 6= 0 então W não é uma tranformação linear.
2) Determine quais das seguintes funções são aplicações lineares:
a) i : R2 $ R2 , i ({> |) = ({ + |> {  |)
b) j : R2 $ R> i ({> |) = {|
c) k·: P (2> 2)
¸ $R · ¸
d e d e
$ det
f g f g
d) p : R $ R> p({) = |{| =
3) Resolva os itens abaixo:
a) Encontre a transformação linear W : R3 $ R2 tal que W (1> 0> 0) = (2> 0),
W (0> 1> 0) = (1> 1) e W (0> 0> 1) = (0> 1)=
b) Encontre y 5 R3 tal que W (y) = (3> 2)=

3 3
5 U> V> W tres
4) Sejam 6 transformações
5 lineares de R 6 em R = Se
1 0 1 2 1 1
[U] = 7 2 1 1 8 e [V] = 7 3 1 2 8 > encontre
0 1 1 1 2 0
W tal que U = V  W=
5) Sejam  = {(1> 1)> (0> 2)} e  = {(1> 0> 1) > (0> 1> 2) > (1> 2> 0)} bases de
R2 e R3 respectivamente e
5 6
1 0
[W ]
 =
7 1 1 8
0 1
a) Encontre W
b) Se V({> |) = (2|> {  |> {)> encontre [V]
 = 5 6
1 0
c) Encontre uma base  de R3 tal que [W ]
=7 0 1 8

0 0
6) Considere a transformação linear W : R $ R3 dada por W ({> |> }) =
3

(}> {  |> })=

a) Determine uma base do núcleo de W=
b) Dê a dimensão da imagem de W=
c) W é sobrejetora? Justique.
d) Faça um desenho em R3 do conjunto de vetores que pertencem ao ker(W )
e a Im(W )=
Seja  a¸¶
7)µ· base canônica de P2 = Se W : P2 $ S3 é dada por
d e
W = d + (e + f){ + (f  g){2 + g{3
f g
 © ª
a) Encontre [W ] onde  = 2> 2 + {> 2 + {2 > 2 + {3 é base de S3

b) Faça o escalonamento da matriz [W ]

144
 c) Detemine dim Nhu(W )
d) Determine dim Im(W )=
8) Responda as seguintes questões:
a) Se W : R5 $ R6 é uma transformação linear, podemos ter dim Im(W ) A
6?= Justique sua resposta
b) Existe alguma tranformação linear W : R2 $ R2 tal que W (1> 1) = (2> 2) e
W (2> 2) = (3> 1)? Justique sua resposta.
· ¸
2 2 1 2
9) Seja W : R $ R tal que [W ] = = Encontre os vetores x e y
0 1
tais que
a) W (x) = x
b) W (y) = y
10) Sejam as transformações lineares V : S1 $ S2 e W : S2 $ S1 denidas
por

V(d + e{) = d + (d + e){ + 2e{2

W (d + e{ + f{2 ) = e + 2f{

a) Determine (V  W )(3 + 2{  {2 )
b) É possível calcular (W  V)(d+ e{)? Em caso armativo calcule (W V)( +
{)=

ALGUMAS SUGESTÕES

7) c) A dimensão de Nhu(W ) é a nulidade de [W ]


7) d) A dimensão de Im(W ) é o posto de [W ]

145
Capítulo 5

OPERADORES
LINEARES

Denição 213 Uma transformação linear W : Y $ Y é chamada de operador

linear.

Observação 214 Todas as propriedades já vistas para transformações lineares

em geral vale para um operador linear

5.1 Transformações especiais no plano e no es-

paço
Os operadores lineares que veremos a seguir são chamados de transformações
especiais do plano e do espaço por serem bastantes usados em aplicações práticas
e também em aplicações numéricas.

Transformações no Plano
a) Re exão em torno do eixo dos {

W : R2 $ R2
W ({> |) = ({> |)

Matricialmente · ¸ · ¸· ¸
{ 1 0 {
$
| 0 1 |
Geometricamente:

146
b) Re exão em torno do eixo dos y

W : R2 $ R2
W ({> |) = ({> |)

Matricialmente · ¸ · ¸· ¸
{ 1 0 {
$
| 0 1 |
Geometricamente:

147
c) Re exão na origem

W : R2 $ R2
W ({> |) = ({> |)

Matricialmente · ¸ · ¸· ¸
{ 1 0 {
$
| 0 1 |
Geometricamente:

148
d) Re exão em torno da reta | = {

W : R2 $ R2
W ({> |) = (|> {)

Matricialmente · ¸ · ¸· ¸
{ 0 1 {
$
| 1 0 |
Geometricamente:

e) Re exão em torno da reta | = {

W : R2 $ R2
W ({> |) = (|> {)

Matricialmente · ¸ · ¸· ¸
{ 0 1 {
$
| 1 0 |
Geometricamente:

149
f ) Dilatação ou contração

W : R2 $ R2
W ({> |) = ({> |)

Se || ? 1, W contrai o vetor

Se || A 1, W dilata o vetor
Se  = 1, W é a identidade
Se  ? 0, W inverte o sentido do vetor
Se  A 0, W mantém o mesmo sentido do vetor
Matricialmente · ¸ · ¸· ¸
{  0 {
$
| 0  |
Geometricamente:

150
g) Cisalhamento na direção do eixo dos {

W : R2 $ R2
W ({> |) = ({ + |> |)

Matricialmente · ¸ · ¸· ¸
{ 1  {
$
| 0 1 |
Geometricamente:

151
h) Cisalhamento na direção do eixo dos |

W : R2 $ R2
W ({> |) = ({> { + |)
Matricialmente · ¸ · ¸· ¸
{ 1 0 {
$
|  1 |
Geometricamente:

152
 i) Rotação de um ângulo 
Geometricamente
U : R2 $ R2
U ({> |) = ({0 > | 0 )
Vamos agora determinar a matriz da transformação linear rotação de um
ângulo  e a expressão de U em função de { e |=
Quando rotacionamos um vetor, pela própria denição de rotação, o com-
primento (módulo) do vetor não se altera. Seja u = |y| > onde y = ({> |)=

Da gura acima e usando relações trigonométricas temos;

{0 = u cos( + ) = u cos  cos   u sin  sin 

Mas
u cos  = {
u sin  = |
então
{0 = { cos   | sin 
Analogamente
|0 = u sin( + ) = u sin  cos  + u cos sin 
|0 = | cos  + { sin  = { sin  + | cos 

153
Assim

U ({> |) = ({ cos   | sin > { sin  + | cos )

· ¸ ·
Matricialmente ¸· ¸
{ cos   sin  {
$
| sin  cos  |
Podemos ver neste caso que matriz de uma rotação é:
· ¸
cos   sin 
[U ] =
sin  cos 

Transformações no Espaço
a) Re exão em relação aos planos coordenados
a.1) Plano xy

W : R3 $ R3
W ({> |> }) = ({> |> })

Matricialmente
5 6 5 65 6
{ 1 0 0 {
7 | 8 $ 7 0 1 0 8 7 | 8
} 0 0 1 }

Geometricamente

a.2) Plano xz

W : R3 $ R3
W ({> |> }) = ({> |> })

154
 5 6 5 65 6
{ 1 0 0 {
Matricialmente7 | 8 $ 7 0 1 0 8 7 | 8
} 0 0 1 }
a.3) Plano yz
W : R3 $ R3
W ({> |> }) = ({> |> })
Matricialmente
5 6 5 65 6
{ 1 0 0 {
7 | 8 $ 7 0 1 0 8 7 | 8
} 0 0 1 }
b) Re exão em relação aos eixos coordenados
b.1) Em relação ao eixo x

W : R3 $ R3
W ({> |> }) = ({> |> })
Matricialmente
5 6 5 65 6
{ 1 0 0 {
7 | 8 $ 7 0 1 0 8 7 | 8
} 0 0 1 }
Geometricamente:

b.2) Em relação ao eixo y

W : R3 $ R3
W ({> |> }) = ({> |> })
Matricialmente
5 6 5 65 6
{ 1 0 0 {
7 | 8 $ 7 0 1 0 8 7 | 8
} 0 0 1 }

155
b.3) Em relação ao eixo z

W : R3 $ R3
W ({> |> }) = ({> |> })

Matricialmente
5 6 5 65 6
{ 1 0 0 {
7 | 8 $ 7 0 1 0 8 7 | 8
} 0 0 1 }

c) Re exão no origem

W : R3 $ R3
W ({> |> }) = ({> |> })

Matricialmente
5 6 5 65 6
{ 1 0 0 {
7 | 8 $ 7 0 1 0 8 7 | 8
} 0 0 1 }

Geometricamente

10

-10
-10
00 0
10
10
y
x -10 z

156
 d) Rotação de um ângulo 
d.1) Rotação em torno do eixo z

W : R3 $ R3
W ({> |> }) = ({ cos   | sin > { sin  + | cos > })

Matricialmente
5 6 5 65 6
{ cos   sin  0 {
7 | 8 $ 7 sin  cos  0 87 | 8
} 0 0 1 }

Exemplo
s s
215s Determinar o ângulo formado entre y e W (y) quando o vetor
y = ( 2 2 > 42 > 22 ) gira em torno do eixo } de um ângulo 2 rad
s3

157
 Solução:
5 65 s
s3
60
cos 2  sin 2 0 2s 2
9 :
[W (y)] = 7 sin 2 cos 2 0 87 2 8
s4
0 0 1 2
2
5 65 s s3
60
0=0 1=0 0=0 2s 2
9 :
[W (y)] = 7 1=0 0=0 0=0 8 7 2 8
s4
0=0 0=0 1=0 2
2
5 s 60
 42
9 ss3 :
[W (y)] = 7 2 2 8
s
2
2

Como desejamos o ângulo entre y e W (y)>vamos usar afórmula do cosseno do

ângulo entre dois vetores:

y · W (y) 1
cos  = =
|y| |W (y)| 2
Portanto o ângulo entre y e W (y) é  = arccos 12 = 1
3

5.2 Propriedades dos operadores inversíveis

Denição 216 Seja W : Y $ Y um operador linear. Se existir um operador
W 1 : Y $ Y tal que W  W 1 = W 1  W = L ( neste caso L : Y $ Y é
a identidade em Y ) então dizemos que o operador W é inversível e W 1 é o
operador inverso de W=
Observação 217 Um operador é inversível se, e somente se, ele é um isomor-
smo
Seja W : Y $ Y um operador linear:
I) Se W é inversível e W 1 sua inversa, então W  W 1 = W 1  W = L
n$o
II) O operador W é inversível se, e somente se, Nhu(W ) = 0 =

III) O operador W é inversível se, e somente se, det [W ] 6= 0

IV) Se W é inversível, W transforma base em base, isto é, se  = {y1 > = = = > yq }
é base de Y então  = {W (y1 )> = = = > W (yq )} é base de Y=
£ ¤
Se W é inversível e  uma base de Y então W 1 : Y $ Y é linear W 1  =
³ ´1 £ ¤
[W ] = Quando  é a base canônica temos a forma mais simples W 1 =
£ ¤ £ ¤
[W ]1 e portanto W 1 · [W ]1 = W 1  W = [L] = Com isso vemos que W é
inversível se e somente se det [W ] 6= 0.

158
Exemplo 218 Considere o operador U : R2 $ R2 > dado por

U ({> |) = ({ cos   | sin > { sin  + | cos )

verique se W é inversível e em caso armativo encontre W 1

2 2
Solução:
£ Como
1
¤ ghw [U ] = cos  + sin  = 1 6= 0> temos que U é inversível.
1
Como U = [U ] > basta calcular a inversa da matriz deU
· ¸
cos   sin 
[U ] =
sin  cos 

cos  sin 
cos2 +sin2  cos2 +sin2 
1
[U ] =
 cos2 sin 
+sin2 
cos 
cos2 +sin2 

· ¸
1 cos  sin 
[U ] =
 sin  cos 
1 W
Note que [U ] = [U ] > ou seja, [U ] é uma matriz ortogonal, logo U1 :
R2 $ R2
· ¸ · ¸· ¸ · ¸
{ cos  sin  { { cos  + | sin 
$ =
|  sin  cos  | | cos   { sin 

U1 ({> |) = ({ cos  + | sin > | cos   { sin )

Exemplo 219 Seja W o operador W : R3 $ R3 que é a projeção ortogonal do

vetor y = ({> |> }) na direção da reta dada pela interseção dos planos | = { + 1
e } = | + 3=Verique se W é inversível e em caso armativo determine W 1 =

Solução: Para determinar a projeção na direção da reta basta determi-

nar a projeção ortogonal sobre o vetor diretor da reta. Devemos inicialmente
determinar o vetor diretor da reta:
½
| ={+1
} =|+3
Para obter a equações paramétricas fazemos { = w> logo
;
? {=w
| =w+1
=
} =w+4

159
portando o vetor diretor da reta é x = (1> 1> 1)=
³y · x´
W (y) = surmx y = x
µ x·x ¶
({> |> }) · (1> 1> 1)
W ({> |> }) = (1> 1> 1)
(1> 1> 1) · (1> 1> 1)
µ ¶
{+|+}
W ({> |> }) = (1> 1> 1)
3
µ ¶
{+|+} {+|+} {+|+}
W ({> |> }) = > >
3 3 3
5 1 1 1
6
3 3 3
9 :
9 :
[W ] = 9
9
1
3
1
3
1
3
:
:
7 8
1 1 1
3 3 3
det [W ] = 0

Como det [W ] = 0 temos que W não é inversível.

Exemplo 220 Seja W : R2 $ R2 a transformação que é uma rotação de 4 udg
e V : R2 $ R2 a transformação que é uma re exão em torno da reta | = 2{=
Determine a transformação U = V  W=
Solução

U = VW
[U] = [V] [W ]

· ¸
cos 4  sin 4
[W ] =
sin 4 cos 4
·1s s ¸
2 s 2  12s 2
[W ] = 1 1
2 2 2 2

V(y) = 2s  y
µ ¶
({> |) · (1> 2)
V({> |) = 2 (1> 2)  ({> |)
(1> 2) · (1> 2)
µ ¶
3{  4| 4{ + 3|
V({> |) = >
5 5
· 3 ¸
 5  45
[V] =
 45 3
5

160
 [U] = [V] [W ]
· 3 ¸· s s ¸
 5  45 12 s2  12s 2
[U] =
 45 3
5
1
2 2
1
2 2
· 7s 1
s ¸
 10 s2  10s 2
[U] = 1 7
 10 2 10 2
às s s s !
7 2 2 2 7 2
U({> |) =  { |>  {+ |
10 10 10 10

5.2.1 Matrizes Semelhantes

 
Seja W : Y $ Y um operador linear. Sejam  e  bases de Y e [W ] > [W ]
matrizes de W em relação as bases  e  respectivamente, então:

[W ] = [L]  
 [W ] [L]
³ ´1
 
Lembrando que [L] = [L] temos que
³ ´1
[W ] = [L]  
 [W ] [L]

Chamando [L]
 =D:

 
[W ] = D [W ] D1

Denição 221 Dadas as matrizes D e E, se existe uma matriz S inversível tal

que
D = S ES 1
então dizemos que as matrizes D e E são semelhantes.

Observação 222 Se D e E são semelhantes então ghwD = ghwE> mas não vale
a recíproca.

5.3 Operadores autoadjuntos e ortogonais

Denição 223 Seja Y um espaço vetorial com produto interno,  uma base
ortonormal e W : Y $ Y um operador linear. Então:

a) W é chamado um operador auto-adjunto se [W ]

 é uma matriz simétrica

b) W é chamado um operador ortogonal se [W ] é uma matriz ortogonal

Observação 224 Consideraremos aqui apenas os operadores W : Rq $ Rq >

com o produto escalar usual (que é um produto interno no espaço Rq )=

161
Observação
½ 225 Uma base  = {y1 > y2 > · · · > yq } é ortonormal se yl · ym =
1> l = m
0> l 6= m

Portanto podemos dizer que um operador W : Rq $ Rq é um operador

auto-adjunto se [W ] (a matriz de W em relação a base canônica) é uma matriz
simétrica. W : Rq $ Rq é um operador ortogonal se [W ] (a matriz de W em
relação a base canônica) é uma matriz ortogonal.

Exemplo 226 Consideremos a transformação : R3 $ R3 , a rotação de um

ângulo  em torno do eixo }=

W ({> |> }) = ({ cos   | sin > { sin  + | cos > })

A matriz da transformação W é
5 6
cos   sin  0
[W ] = 7 sin  cos  08
0 0 1

Como esta é uma matriz ortogonal, W é um operador ortogonal

Exemplo 227 Seja W : R2 $ R2 onde W ({> =|) = (2{  2|> 2{ + 5|)= A matriz
de W é · ¸
2 2
[W ] =
2 5
Como a matriz de W é simétrica, então W é um operador simétrico.

Teorema 228 Seja W : Rq $ Rq linear. Se W é um operador auto-adjunto

então
W (y) · z = y · W (z)> ;y> z 5 Rq

Teorema 229 Seja W : Rq $ Rq linear. Então são equivalentes as seguintes

armações

a) W é ortogonal
b) W preserva o produto escalar, isto é, W (y) · W (z) = y · z> ;y> z 5 R
c) W preserva o módulo, isto é, |W (y)| = |y|
d) W transforma bases ortonornais em bases ortonormais. Isto é, se
{y1> y2 > = = = > yq } é uma base ortonornal então {W (y1 )> W (y2 )> = = = > W (yq )} é uma
base ortonornal

5.4 Décima lista de exercicios

1) Seja W ({> |> }) = (2{ + |> { + | + }> |  3})
a) Mostre que W é um operador auto-adjunto mas não ortogonal
b) Se y = (2> 1> 5) e z = (3> 0> 1)> verique que W (y) • z = y • W (z)

162
 2) Seja D é uma matriz de ordem q xada. Seja W : Pq $ Pq denida por
W (Q ) = DQ  Q D= Mostre que W não é inversível.
3) Se W : Y $ Y é um operador linear e W 2  W  L = 0 mostre que W é
inversíve
4) Sejam W : Y $ Y é um operador linear e  e  bases distintas de Y=
Mostre que det [W ] 
 = det [W ] · ¸ · ¸
1 2 4 0
5) Mostre que a matriz D = é semelhante à matriz =
3 2 0 1
6) Se D e E são semelhantes mostre que D  L e E  L são semelhantes.
7) a) Encontre a transformação W do plano no plano que é uma re exão
em torno da reta | = 6{=
b) Escreva-a em forma matricial.
8)
s No plano, uma rotação anti-horária de 450 é seguida por uma dilatação
de 3= Ache a aplicação D que representa esta transformação do plano.
9) Seja W : R3 $ R3 é a projeção de vetor y no plano {+| + } = 0= Encontre
W ({> |> })=
10) Seja O : R3 $ R3 onde O é a re exão através do plano { + | + } = 0=
Encontre O({> |> })=
11) Seja D : R3 $ R3 onde O é a rotação de 2 em torno do eixo } seguida
de uma rotação de 3 do em torno do eixo |= Encontre D({> |> })=
© 12) Encontre a transformação
ª linear W : R3 $ R3 tal que Nhu(W ) =
3
({> |> }) 5 R Á| = 2{  }
s s
13) Determine se a transformação W ({> |) = ( 23 {  12 |> 12 { + 23 |) é uma
transformação auto-adjunta ou ortogonal. Justique sua resposta.
2 
· 14) Sejam ¸  = {(1>
· 0)> (0>¸1)} e  = {(1> 1)> (1> 0)} bases de R , [W ] =
1 2 1 1
e [W ] = =Encontre a matriz S tal que
1 2 4 0
 
[W ] = S [W ] S 1 =
© 15) Encontre a transformação
ª linear W : R3 $ R3 tal que Im(W ) =
3
({> |> }) 5 R Á | = 2{  } =
SUGESTÕES
2) Sugestão: Mostre que W não é injetora.
7) Sugestão: Use a projeção do vetor genérico ({> |) sobre algum vetor que
está sobre a reta | = 6{ e a adição de veotres=(Lembre-se que a³projeção ´ de
$

um vetor x na direção de um vetor y $
 $

é dada por surm y x = $
$

$

x =$

y $
y )=

y =$

y
8) Lembre-se que a composição de transformações pode ser obtida pela mul-
tiplicação de suas matrizes (em relação a base canônica)
9) Faça a projeção do vetor ({> |> }) na direção do vetor normal do plano.
Use a denição de projeção e a adição de vetores.
10) Sugestão: Cosidere a projeção do vetor genérico ({> |> }) na direção do
vetor normal do plano dado. Use a denição de re exão e adição de vetores.
14) Utilize as matrizes mudança de base

163