Perguntas de prática, questionário e aula passo a passo sobre Linear Maps, Kernel & Image - melhore suas habilidades em matemática com perguntas focadas e explicações claras.
Questionário de Prática de Aplicações Lineares, Núcleo e Imagem com Aula Interativa Passo a Passo
Use o questionário no topo da página para praticar aplicações lineares, núcleo e imagem: verificar se uma aplicação é linear, usar \(T(0)=0\), encontrar \(\ker T=\{v\in V:T(v)=0\}\), descrever \(\operatorname{Im}T=\{T(v):v\in V\}\), relacionar injetividade a \(\ker T=\{0\}\), relacionar sobrejetividade a \(\operatorname{Im}T=W\), ler aplicações matriciais por meio de espaço coluna e espaço nulo, usar posto-nulidade e lidar com fatos de composição como \(S\circ T\) injetiva implica \(T\) injetiva. Se quiser revisar, abra a aula para exemplos e verificações fáceis de acompanhar mentalmente.
Como esta prática de aplicações lineares funciona
1. Faça o questionário: responda às perguntas sobre aplicação linear, núcleo, imagem, injetividade e sobrejetividade no topo da página.
2. Abra a aula: revise definições, atalhos de aplicações matriciais, posto-nulidade e fatos de composição com exemplos resolvidos.
3. Tente novamente: volte ao questionário e use imediatamente a linguagem de núcleo/imagem.
O que você vai aprender na aula de aplicações lineares, núcleo e imagem
Reconhecer aplicações lineares
Teste de linearidade: \(T(u+v)=T(u)+T(v)\) e \(T(cv)=cT(v)\)
Verificação do zero: toda aplicação linear envia \(0_V\) para \(0_W\)
Identifique armadilhas afins e não lineares, como \((x,y)\mapsto(x+1,y)\) ou \((x,y)\mapsto(x^2,y)\)
Núcleo e injetividade
Núcleo: \(\ker T=\{v\in V:T(v)=0\}\)
\(\ker T\) é um subespaço do domínio
Injetiva: \(T\) é um a um exatamente quando \(\ker T=\{0\}\)
Imagem e sobrejetividade
Imagem: todas as saídas \(T(v)\), sempre um subespaço do contradomínio
Para \(x\mapsto Ax\), a imagem é o espaço coluna de \(A\)
Use posto e nulidade para contar dimensões antes de resolver tudo
Fatos de composição: \(S\circ T\) injetiva força \(T\) a ser injetiva, e \(S\circ T\) sobrejetiva força \(S\) a ser sobrejetiva
Voltar ao questionário
Quando estiver pronto, volte ao questionário no topo da página e continue praticando aplicações lineares, núcleos e imagens.
Carregando...
Álgebra Linear Avançada
Aula de Aplicações Lineares, Núcleo e Imagem
1 / 8
Visão geral da aula
Objetivo: Construir uma imagem clara de uma aplicação linear \(T:V\to W\) e então usar seus dois subespaços mais importantes: o núcleo no domínio e a imagem no contradomínio. Você vai conectar essas ideias a injetividade, sobrejetividade, aplicações matriciais, posto-nulidade e composição.
Critérios de sucesso
Verificar linearidade usando aditividade e multiplicação por escalar.
Usar \(T(0_V)=0_W\) para rejeitar rapidamente aplicações deslocadas.
Encontrar \(\ker T\) resolvendo \(T(v)=0\), e saber que ele é um subespaço de \(V\).
Encontrar \(\operatorname{Im}T\) descrevendo todas as saídas, muitas vezes como um span.
Reconhecer aplicações injetivas por \(\ker T=\{0\}\) e aplicações sobrejetivas por \(\operatorname{Im}T=W\).
Para \(x\mapsto Ax\), ler a imagem como espaço coluna e o núcleo como o conjunto solução de \(Ax=0\).
Usar \(\dim V=\dim\ker T+\dim\operatorname{Im}T\) para contar dimensões.
Usar fatos básicos de composição sem confundir os papéis de \(S\) e \(T\).
Vocabulário-chave
Aplicação linear: uma função \(T:V\to W\) com \(T(u+v)=T(u)+T(v)\) e \(T(cv)=cT(v)\).
Núcleo: \(\ker T=\{v\in V:T(v)=0_W\}\), um subespaço do domínio.
Imagem: \(\operatorname{Im}T=\{T(v):v\in V\}\), um subespaço do contradomínio.
Posto: \(\dim\operatorname{Im}T\).
Nulidade: \(\dim\ker T\).
Isomorfismo: uma aplicação linear bijetiva.
Pré-verificação rápida
Pré-verificação 1: Para uma aplicação linear \(T:V\to W\), quanto é \(T(0_V)\)?
Dica: Use \(T(0)=T(0+0)=T(0)+T(0)\) e depois subtraia \(T(0)\) em \(W\).
Pré-verificação 2: O que é o núcleo de uma aplicação linear \(T:V\to W\)?
Dica: O núcleo fica no domínio e consiste nas entradas enviadas ao vetor zero.
Linearidade é preservar estrutura
Objetivo de aprendizagem: Decidir rapidamente se uma fórmula define uma aplicação linear e usar \(T(0)=0\) como um primeiro filtro rápido.
Ideia-chave
Uma aplicação \(T:V\to W\) é linear quando respeita combinações lineares: \[T(cu+dv)=cT(u)+dT(v)\] para todos os vetores \(u,v\) e escalares \(c,d\). Essa única fórmula contém tanto a aditividade quanto a multiplicação por escalar.
Lista de reconhecimento
Teste do zero: se \(T(0)≠ 0\), a aplicação não é linear.
Sem deslocamentos: constantes como \(x+1\) geralmente formam uma aplicação afim, não uma aplicação linear.
Sem operações não lineares: quadrados, valores absolutos, produtos de coordenadas e mudanças por casos geralmente quebram a linearidade.
Fórmulas coordenadas: somas como \(x-y\) e múltiplos escalares como \(2x\) são compatíveis com linearidade.
Exemplo resolvido
Exemplo: \(T:\mathbb{R}^2\to\mathbb{R}^2\), \(T(x,y)=(x+1,y)\), é linear?
Não. O vetor zero é levado a \(T(0,0)=(1,0)\), não a \((0,0)\). Uma aplicação linear deve enviar o vetor zero do domínio para o vetor zero do contradomínio.
Pratique
Pratique 1: Qual aplicação é linear em \(\mathbb{R}^2\)?
Dica: Procure uma fórmula feita apenas de somas de coordenadas e múltiplos escalares, sem deslocamento e sem operação não linear.
Pratique 2: Se \(T(v)=w\), quanto é \(T(3v)\)?
Dica: A multiplicação por escalar passa através de uma aplicação linear: \(T(3v)=3T(v)\).
O núcleo mede o colapso para zero
Objetivo de aprendizagem: Encontrar núcleos a partir de fórmulas simples e usar \(\ker T=\{0\}\) como teste de injetividade.
Ideia-chave
O núcleo é o conjunto das entradas que desaparecem: \[\ker T=\{v\in V:T(v)=0_W\}.\] Ele é sempre um subespaço de \(V\). Para injetividade, a única entrada que pode desaparecer é o vetor zero: \(T\) é injetiva exatamente quando \(\ker T=\{0\}\).
Exemplo resolvido
Exemplo: Para \(T:\mathbb{R}^3\to\mathbb{R}^2\), \(T(x,y,z)=(x,z)\), encontre \(\ker T\).
Resolva \(T(x,y,z)=(0,0)\). Isso dá \(x=0\) e \(z=0\), enquanto \(y\) é livre. Então \[\ker T=\{(0,y,0):y\in\mathbb{R}\}=\operatorname{span}\{(0,1,0)\}.\]
Pratique
Pratique 1: Para \(T:\mathbb{R}^2\to\mathbb{R}^2\), \(T(x,y)=(x,0)\), qual é \(\ker T\)?
Dica: Faça \((x,0)=(0,0)\). A primeira coordenada fica forçada, mas a segunda coordenada é livre.
Pratique 2: Se \(T(v)=T(w)\), qual vetor está em \(\ker T\)?
Dica: Subtraia as duas imagens iguais usando linearidade.
Resumo
Para encontrar um núcleo, resolva \(T(v)=0\).
Vetores do núcleo vivem no domínio.
\(\ker T=\{0\}\) é o teste direto para injetividade.
A imagem é o conjunto das saídas alcançáveis
Objetivo de aprendizagem: Descrever imagens como spans ou condições coordenadas e usar \(\operatorname{Im}T=W\) como teste de sobrejetividade.
Ideia-chave
A imagem é o conjunto de todas as saídas: \[\operatorname{Im}T=\{T(v):v\in V\}.\] Ela é sempre um subespaço do contradomínio. Uma aplicação \(T:V\to W\) é sobrejetiva exatamente quando todo vetor de \(W\) é alcançado, isto é, \(\operatorname{Im}T=W\).
Exemplo resolvido
Exemplo: Para \(T:\mathbb{R}^2\to\mathbb{R}^2\), \(T(x,y)=(x+y,x+y)\), descreva a imagem.
Toda saída tem coordenadas iguais: \((x+y,x+y)=(t,t)=t(1,1)\). Reciprocamente, todo \(t(1,1)\) é alcançado tomando \(x=t,y=0\). Portanto, \(\operatorname{Im}T=\operatorname{span}\{(1,1)\}\), uma reta unidimensional.
Pratique
Pratique 1: Para \(T:\mathbb{R}^3\to\mathbb{R}^2\), \(T(x,y,z)=(x,z)\), qual é \(\operatorname{Im}T\)?
Dica: Dado qualquer par \((a,b)\), escolha \(x=a\) e \(z=b\).
Pratique 2: Se \(\operatorname{Im}T=W\), qual é o nome usual para \(T\)?
Dica: Todo vetor do contradomínio é alcançado.
Espaço coluna e espaço nulo
Objetivo de aprendizagem: Traduzir perguntas sobre núcleo e imagem para \(x\mapsto Ax\) em linguagem matricial familiar.
Ideia-chave
Para uma aplicação matricial \(T(x)=Ax\), a imagem é o span das colunas de \(A\), também chamado de espaço coluna. O núcleo é o conjunto solução de \(Ax=0\), também chamado de espaço nulo. Colunas pivô indicam a dimensão da imagem; variáveis livres indicam a dimensão do núcleo.
Exemplo resolvido
Exemplo: Seja \(A=\begin{pmatrix}1&0&2\\0&1&-1\end{pmatrix}\). Descreva o núcleo de \(x\mapsto Ax\).
Resolva \(Ax=0\): \[x_1+2x_3=0,\qquad x_2-x_3=0.\] Seja \(x_3=t\). Então \(x_1=-2t\), \(x_2=t\), logo \[x=t(-2,1,1).\] Portanto, \(\ker A=\operatorname{span}\{(-2,1,1)\}\).
Pratique
Pratique 1: Para uma aplicação matricial \(x\mapsto Ax\), qual é a imagem da aplicação?
Dica: As saídas de \(Ax\) são combinações lineares das colunas de \(A\).
Pratique 2: Se as colunas de uma matriz \(3\times2\) são independentes, qual é seu núcleo?
Dica: Colunas independentes significam que a única solução de \(Ax=0\) é o vetor zero no domínio.
Contando dimensões com posto-nulidade
Objetivo de aprendizagem: Usar posto-nulidade para encontrar uma dimensão desconhecida sem resolver todas as equações vetoriais.
Ideia-chave
Para uma aplicação linear \(T:V\to W\) com domínio de dimensão finita, \[\dim V=\dim\ker T+\dim\operatorname{Im}T.\] A dimensão da imagem é o posto; a dimensão do núcleo é a nulidade. Note que a dimensão do domínio aparece à esquerda.
Exemplo resolvido
Exemplo: Se \(T:\mathbb{R}^4\to\mathbb{R}^3\) é sobrejetiva, quanto é \(\dim\ker T\)?
Sobrejetiva significa \(\operatorname{Im}T=\mathbb{R}^3\), então o posto \(=3\). Pelo teorema posto-nulidade, \(4=\dim\ker T+3\). Portanto, \(\dim\ker T=1\).
Pratique
Pratique 1: Se \(T:\mathbb{R}^3\to\mathbb{R}^2\) tem posto \(2\), quanto é \(\dim\ker T\)?
Dica: Use \(\dim V=3=\operatorname{rank}T+\operatorname{nullity}T\).
Pratique 2: Se \(T:\mathbb{R}^2\to\mathbb{R}^3\) é injetiva, quanto é \(\dim\operatorname{Im}T\)?
Dica: Injetiva significa nulidade \(0\), então o posto é igual à dimensão do domínio.
Como núcleos e imagens se comportam em composições
Objetivo de aprendizagem: Usar fatos básicos de composição sem inverter os papéis das aplicações interna e externa.
Ideia-chave
A composição de aplicações lineares é linear. Se \(S\circ T\) é injetiva, então \(T\) deve ser injetiva: saídas iguais de \(T\) virariam saídas iguais de \((S\circ T)\). Se \(S\circ T\) é sobrejetiva, então \(S\) deve ser sobrejetiva: todo valor final no alvo é alcançado aplicando \(S\) a algo na imagem de \(T\).
Exemplo resolvido
Exemplo: Por que \((S\circ T)\) injetiva força \(T\) a ser injetiva?
Suponha que \(T(v)=T(w)\). Aplicando \(S\), obtemos \(S(T(v))=S(T(w))\). Como \(S\circ T\) é injetiva, isso implica \(v=w\). Portanto, \(T\) é injetiva.
Pratique
Pratique 1: Se \(S\circ T\) é injetiva, o que deve ser verdadeiro sobre \(T\)?
Dica: Comece com \(T(v)=T(w)\) e depois aplique \(S\).
Pratique 2: Se uma aplicação linear é injetiva e sobrejetiva, como ela é chamada?
Dica: Uma aplicação linear bijetiva dá uma correspondência entre espaços vetoriais que preserva estrutura.
Mantenha domínio, contradomínio, núcleo e imagem separados
Objetivo de aprendizagem: Evitar erros comuns e terminar com uma verificação final rápida.
Armadilhas comuns
O núcleo vive no domínio: ele é feito de entradas.
A imagem vive no contradomínio: ela é feita de saídas.
A imagem nunca é vazia: uma aplicação linear sempre produz ao menos \(0_W\).
\(\ker T=\{0\}\) significa injetiva, não sobrejetiva.
\(\operatorname{Im}T=W\) significa sobrejetiva, não automaticamente injetiva.
Não aceite fórmulas deslocadas: \(T(0)≠0\) quebra a linearidade imediatamente.
Exemplo resolvido
Exemplo: Para \(T(x,y)=(x,0)\), quais são o núcleo e a imagem?
A condição do núcleo \((x,0)=(0,0)\) dá \(x=0\), então \(\ker T=\{(0,y):y\in\mathbb{R}\}\). As saídas têm a forma \((x,0)\), então \(\operatorname{Im}T=\{(x,0):x\in\mathbb{R}\}\). O núcleo é uma reta vertical no domínio; a imagem é uma reta horizontal no contradomínio.
Pratique
Pratique 1: Se \(T:\mathbb{R}^2\to\mathbb{R}^2\) é a aplicação zero, quanto é \(\operatorname{Im}T\)?
Dica: A aplicação zero tem exatamente uma saída.
Pratique 2: Para \(T(x,y)=(x+y,x+y)\), qual vetor está em \(\ker T\)?
Dica: A condição do núcleo é \(x+y=0\).
Recapitulação final
Linearidade significa preservar combinações lineares.
\(\ker T=\{v:T(v)=0\}\), e \(\ker T=\{0\}\) exatamente quando \(T\) é injetiva.
\(\operatorname{Im}T=\{T(v):v\in V\}\), e \(\operatorname{Im}T=W\) exatamente quando \(T\) é sobrejetiva.
Para \(x\mapsto Ax\), imagem significa espaço coluna e núcleo significa o conjunto solução de \(Ax=0\).
Posto-nulidade conta dimensões a partir do domínio: \(\dim V=\dim\ker T+\dim\operatorname{Im}T\).
Fatos de composição acompanham a aplicação interna para injetividade e a aplicação externa para sobrejetividade.
Próximo passo: Feche esta aula e tente o questionário novamente. Quando uma pergunta mencionar \(T(v)=0\), pense em núcleo; quando perguntar quais saídas são possíveis, pense em imagem.
Sequência 5+
Sequência 10+
Sequência 15+
Sequência 20+
Sequência 25+