Baixe o app para aproveitar ainda mais
Prévia do material em texto
Resumo Transformações Lineares Transformações Lineares Arbitrárias Definição Se T: V → W é uma função de um espaço vetorial V em um outro espaço vetorial W, então T é chamada uma transformação linear de V em W se, para quaisquer vetores u e v em V e qualquer escalar c valem: T (u + v) = T(u) + T(v) T (c v) = c T(v) No caso especial em que V = W, a transformação linear é chamada um operador linear de V. Teorema 1 Se T: V → W é uma transformação linear, então: T(0) = 0 T (-v) = - T(v), para qualquer v em V T (v – w) = T(v) – T(w), para qualquer v e w em V. Definição Se são transformações lineares então a composta de denotada por é a função definida pela fórmula: Onde u é um vetor em U. Teorema 2 Se são transformações lineares, então (): U → W também é uma transformação linear. Núcleo e Imagem Definição Seja T: V → W uma transformação linear. O conjunto dos vetores V em T leva em 0 é chamado de núcleo de T, que nós denotamos por Nuc(T) ou Ker(T). O conjunto de todos os vetores em W que são imagem por T de pelo menos um vetor em V é chamado a imagem de T, que nós denotamos por Im(T). Teorema 1 Se T: V → W é uma transformação linear, então: O núcleo de T é um subespaço de V. A imagem de T é um subespaço de W. Definição Seja T: V → W uma transformação linear. A dimensão da imagem de T é chamada o posto de T, que nós denotamos por pos(T). A dimensão do núcleo de T é chamada de nulidade de T, que nós denotamos por nul(T). Teorema 2 Se A é uma matriz m x n e é a multiplicação por A, então: Nul() = nul(A) Pos() = pos(A) Teorema 3 Se T: V → W é uma transformação linear de um espaço vetorial n-dimensional V para um espaço vetorial W, então: Pos(T) + nul(T) = n Transformações lineares inversas Definição Uma transformação linear T: V → W é dita injetora se T leva vetores distintos de V em vetores distintos em W. Teorema 1 Se T: V → W é uma transformação linear, então as seguintes afirmações são equivalentes: T é injetora. O núcleo de T contém somente o vetor nulo, isto é, Nuc(T) = {0}. Nul(T) = 0 Teorema 2 Se V é um espaço vetorial de dimensão finita e T: V → V é um operador linear, então as seguintes afirmações são equivalentes: T é injetora. Nuc(T) = {0} Nul(T) = 0 A imagem de T é v, ou seja, Im(T) = V. Teorema 3 Se são transformações lineares injetoras, então: é injetora. Matrizes de transformações lineares arbitrárias Teorema 1 Se T: é uma transformação linear e se B e B’ são as bases canônicas de , respectivamente, então: = [T] Teorema 2 Se são transformações lineares e B, B’’ e B’ são bases de U, V e W, respectivamente, então: Teorema 3 Se T: V → W é um operador linear e se B é uma base de V, então as seguintes afirmações são equivalentes: T é injetor. é invertível. Semelhança Teorema 1 Se B e B’ são bases de um espaço vetorial de dimensão finita V e se I: V → V é o operador identidade, então é a matriz de transição de B’ para B. Teorema 2 Seja T: V → V um operador linear no espaço vetorial de dimensão finita V e sejam B e B’ bases de V. Então: , onde P é a matriz de transição de B’ para B. Definição Se A e B são matrizes quadradas, dizemos que B é semelhante a A se existe uma matriz invertível P tal que B = AP. Definição Dizemos que uma propriedade de matrizes quadradas é invariante por semelhança ou que é a propriedade é um invariante de semelhança, se ela é compartilhada por quaisquer duas matrizes semelhantes.
Compartilhar