Transformacao Linear Print

Transformações Lineares - Capítulo 4
Matilde Pós-de-Mina Pato

mpato@deetc.isel.pt
Área Departamental de Engenharia de Electrónica eTelecomunicações e de

Computadores Instituto Superior de Engenharia de Lisboa
Lisboa, Portugal
Álgebra Linear e Geometria Analítica, 2010
22 de Dezembro de 2010
Índice
1. Representação matricial
2. Núcleo e Imagem de uma aplicação linear
3. Soma, Multiplicação por escalar e Composta de

aplicações lineares
4. Endomorfismos invertíveis
Representação matricial Núcleo e Imagem Operações com aplic.lineares e matrizes Endomorfismos invertíveis
Definição
Sejam E e E0 espaços vectoriais sobre um corpo F. Uma
função
f : E → E0
diz-se linear se:

∀~x , ~y ∈ E : f ~x + ~y = f ~x + f ~y .

∀α ∈ F, ~x ∈ E : f α~x = αf ~x .
É usual chamar às funções lineares transformações lineares

(ou aplicações lineares) e denotá-las por
T : E → E0 .
• No caso em que o domínio e o contradomínio coincidem denota-se por

operador linear.
• Uma transformação linear é um homomorfismo de espaços vectoriais.
Matilde Pato Transformações Lineares 2 / 28
Proposição
T : E → E0 é uma transformação linear sse
1.

~ ~ ~ ~ ~ ~
∀u , v ∈ E, ∀α ∈ F : T αu + v = αT u + T v .
2.

∀~u , ~v ∈ E, ∀α, β ∈ F : T α~u + β~v = αT ~u + βT ~v .
3. preservar combinações lineares, i.e., ∀~u1 , · · · , ~un ∈ E e

∀α1 , · · · , αn ∈ F :
!
X X
T αi ~ui = αi T ~ui .
i i

Proposição
T : E → E0 é uma transformação linear então, ∀~u , ~v ∈ E:

1. T ~0E = ~0E .

2. T −~u = −T ~u .

3. T ~u − ~v = T ~u − T ~v .
Teorema de existência e unicidade

Sejam E e E0 espaços vectoriais sobre um corpo F, E com
dimensão finita, B = ~u1 , ~u2 , · · · , ~un uma base de E e
~v1 , ~v2 , · · · , ~vn vectores arbitrários de E0 . Então
∃1 T : E → E0 :

T ~ui = ~vi , ∀i ∈ {1, 2, · · · , n}.
Mais ainda, se
~x = α1~u1 + α2~u2 + · · · + αn~un ⇒ T (~x ) = α1~v1 + α2~v2 + · · · + αn~vn .

Transformações lineares Fn → Fm
Teorema
Seja T : Fn → Fm uma transformação linear, então
∃1 A ∈ Matm×n (F) : ∀~u ∈ Fn se tem T (~u ) = A~u .

Demonstração: Seja ~u ∈ Fn , e B = ~e1 , ~e2 , · · · , ~en uma base.
Então

~ ~ ~ ~
T (u ) = T u1 e1 + · · · + un en = u1 T e1 + · · · + un T en ~
= A~u
ondeA é a matriz cuja a coluna j, ∀j ∈ {1, · · · , n}, o vector

T ~ej . Por outro lado, esta é a única matriz possível, uma vez
que
A~u = B~u , ∀~u ∈ Fn ⇒ ∃ A~ej = B~ej , ∀j ∈ {1, · · · , n} ⇒ A = B.
Definição
A matriz A do exemplo anterior é a matriz que representa T , ou
a representação matricial de T .
Nota: As transformações
lineares T : Fn → Fm são funções
definidas por T ~u = A~u , para cada matriz fixa A ∈ Matm×n (F):
 
.. ..
 . ··· . 
A = T ~e1 . . . T ~en 
 
.. ..
 
. ··· .
Transformações lineares entre quaisquer espaços de dimensão

finita, E e E0 , são também representadas por matrizes. Mas, as
matrizes dependem das bases de cada espaço.

Exemplo
É linear a função T : R3 → R2 definida por
T (x, y , z) = (2x + 3y − z, x − z).

2 3 −1
A representação matricial é .
1 0 −1
1 Uma forma de descobrir a representação matricial,
linha-a-linha: cada componente do vector T (x, y , z) é o
produto interno duma linha da matriz pelo vector (x, y , z)
2 Outra forma de descobrir, coluna-a-coluna, é
(a) 1a coluna é o vector T

~e1 = T (1, 0, 0) = (2, 1);
(b) 2a coluna é o vector T

~e2 = T (0, 1, 0) = (3, 0);
(c) 3a coluna é o vector T

~e3 = T (0, 0, 1) = (−1, −1).
Transformações lineares entre quaisquer espaços

de dimensão finita
Definição
Sejam E e E0 espaços vectoriaissobre um corpo F, com bases
~u1 , ~u2 , · · · , ~un e ~v1 , ~v2 , · · · , ~vm , respectivamente. Seja ainda
T : E → E0 uma transformação linear.
A matriz que representa T relativamente às bases dadas é a
matriz A ∈ Matm×n (F) cuja coluna j, ∀j ∈ {1, 2, · · · , n}, é o
vector de coordenadas de T (uj ) na base ~v1 , ~v2 , · · · , ~vm .

Alguns exemplos com significado geométrico, de

transformações lineares T : R2 → R2
1. Matriz de Rotação de um ângulo θ 2. A Projecção é obtida a partir da

no sentido
h anti-horário em
i torno da intersecção de planos
cos(θ) − sin(θ) perpendiculares (ortogonais) a
origem: sin(θ) cos(θ)
cada ponto do objecto, com o
hiperplano de representação
Figura 1: Rotação de um ponto

P(x, y )
Figura 2: Projecção ortogonal de

um cubo sobre um plano
Alguns exemplos com significado geométrico -

cont.
3. Reflexão ao longo do eixo do xx: 4. A Translação de um ponto, em 2D

∀(x, y ) a coordenada de um ponto é feita somando um deslocamento
do objecto, após reflexão passa a a cada uma das coordenadas
(x,-y)
Figura 4: Translação de um
triângulo com as coordenadas
(Tx, Ty )
Figura 3: Reflexão em xx
Composição de transformações geométricas no

plano
Índice

Definição
Seja T : E → E0 uma transformação linear. Chama-se...
Núcleo de T e denota-se por Nuc(T ), ou por ker (T ), ao
conjunto
ker (T ) = {~u ∈ E : T ~u = ~0E0 }.

Imagem de T e denota-se por Im(T ), ou contradomínio de T ,

ao conjunto
Im(T ) = {~v ∈ E0 : ~v = T ~u , ~u ∈ E}.

Proposição
Nas condições anteriores, tem-se que
1 ker (T ) ≤ E,
2 Im(T ) ≤ E0 .
Seja T : E → E0 uma transformação linear.

1 Se E = Fn e E0 = Fm e, T for representada por uma matriz
A, então
ker (T ) = nuc(A),
Im(T ) = col(A).
2 Tal como para sistemas lineares, uma equação linear pode

ser impossível, possível e determinada, ou possível e
indeterminada.
3 Tal como para sistemas lineares, a solução geral de uma
equação linear que tem uma solução particular ~x é igual a
~x + ker (T ).

Teorema
Sejam E e E0 dois espaços vectoriais definidos sobre um corpo
F. Seja A um subespaço linear de E e, T : E → E0 . Tem-se
que:
1 T (A) é um subespaço linear de E0 ;
2 ker (A) é um subespaço linear de E;
3 Im(A) é um subespaço linear de E0 .
Definição
Diz-se que uma transformação linear T : E → 0
E é regular se
ker (T ) = {~0}. C.c., se ∃~u ∈ E : ~u 6= ~0 ∧ T ~u = ~0, diz-se que T
é singular.
Aplicações entre espaços de dimensão finita

Proposição
Sejam E um espaço vectorial de dimensão finita, 0
B = ~u1 , ~u2 , · · · , ~un uma base de E e, T : E → E uma
transformação linear. Então

Im(T ) =< T ~u1 , T ~u2 , · · · , T ~un > .
Nota: Se E é um espaço vectorial de dimensão finita e

T : E → E0 uma transformação linear,
1 Im(T ) também é finita. Mais, dim (Im(T )) ≤ dim (E);
2 Como o ker (T ) ≤ E, também ker (E) tem dimensão finita e
dim (ker (T )) ≤ dim (E).

Definição
Se E é um espaço vectorial de dimensão finita e T uma
aplicação linear definida por T : E → E0 .
À dimensão do ker (T ) chama-se nulidade de T e, denota-se
por nT e, à dimensão de Im(T ) chama-se característica de T e
denota-se por cT .
Teorema da Dimensão
Sejam E um espaço vectorial de dimensão finita e T : E → E0
uma aplicação linear. Então
dim(E) = dim(ker (T )) + dim(Im(T )) ⇐⇒ dim(E) = nT + cT .
Tipos especiais de transformações lineares

Seja T uma aplicação linear definida por T : E → E0 .
1. Denomina-se por monomorfismo uma transformação
linear que seja injectiva.
2. Denomina-se por epimorfismo uma transformação linear
que seja sobrejectiva.
3. Denomina-se isomorfismo uma transformação linear que
seja bijectiva.
4. Denomina-se endomorfismo ou operador linear uma
transformação linear de um espaço vectorial sobre si
mesmo, i.e., E0 = E.
5. Se T for um endomorfismo bijectivo tem-se um
automorfismo.

Propriedades
Propriedade 1
Seja T uma aplicação linear definida por T : E → E0 . É um
monomorfismo sse ker (T ) = {~0E }.
Donde, resultam as seguintes observações

(i) T é um monomorfismo sse nT = 0;
(ii) T é um epimorfismo (Im(T ) = E0 ) sse cT = dim (E0 );
(iii) T é um isomorfismo sse nT = 0 e cT = dim (E0 ) = dim (E).
Propriedades - continuação
Propriedade 2
Seja T uma aplicação linear definida por T : E → E0 . Com igual
dimensão, é um monomorfismo sse é um epimorfismo.
Donde, resultam as seguintes observações

2.1 Para que uma aplicação linear entre espaços lineares com
a mesma dimensão seja bijectiva, basta que seja injectiva
ou sobrejectiva;
2.2 Só podem existir isomorfismos entre espaços vectoriais
com a mesma dimensão. Se
(i) dim (E) < dim (E0 ), T nunca é sobrejectiva
(cT = dim (E) − nT ≤ dim (E) < dim (E0 ));
(ii) dim (E) > dim (E0 ), T nunca é injectiva
(cT ≤ dim (E0 ) < dim (E) = cT + nT ⇒ nT > 0).

Propriedades - continuação
Propriedade 3
Seja T uma aplicação linear definida por T : E → E0 . T
transforma vectores linearmente independentes em vectores
linearmente dependentes sse T é um monomorfismo.
Donde, resulta a seguinte observação

3 Se E é um espaço vectorial de dimensão finita,
B = ~u1 , ~u2 , · · · , ~un uma base de E e, T :E → E0 um
monomorfismo, então B 0 = T ~u1 , T ~u2 , · · · , T ~un é
uma base de Im(T ) pelo que dim(Im(T )) = dim(E).
Índice

Soma e multiplicação por escalar

Sejam E, E1 espaços lineares definidos sobre um corpo F, e
sejam F e G duas aplicações lineares de E em E1 .
Definição
1 Adição (F + G)(~u ) = F (~u ) + G(~u ), ∀~u ∈ E.
2 Multiplicação por um escalar
(αF )(~u ) = αF (~u ), ∀α ∈ F ∧ ∀~u ∈ E.
Teoremas
1 A soma de aplicações lineares e o produto por um escalar
são aplicações lineares.
2 O conjunto de todas as aplicações lineares com as
operações de adição e multiplicação por um escalar é um
espaço linear sobre F.
Composição
Sejam E, E1 , E2 espaços lineares definidos sobre um corpo F,
e sejam F : E → E1 e G : E1 → E2 duas aplicações lineares.
Definição
3 Composição (Produto)
∀(G ◦ F ) : E → E1 , ∀~u ∈ E : (G ◦ F )(~u ) = G(F (~u )).
Teorema 3
A composta de duas aplicações é uma aplicação linear.

Soma e multiplicação por escalar

Dados dois espaços lineares E e E1 , de dimensões n e m,
respectivamente, sobre um corpo F.
∃{transformações lineares} ⇔ {matrizes do tipo (m × n)}
Fixadas as bases nos espaços, sejam A e B as matrizes de F

e G, respectivamente, a correspondência é bijectiva. Esta
bijecção respeita as estruturas vectoriais
1 Adição (F + G)(~u ) = F (~u ) + G(~u ) = AX + BX =
(A + B)X =⇒ A + B = F + G .
2 Multiplicação por um escalar
(αF )(~u ) = αF (~u ) = α (AX ) = (αA) X =⇒ αA = αF .
Sendo X o vector coluna das coordenadas dum vector ~u ∈ E.
Composição
Sejam E, E1 , E2 espaços lineares definidos sobre um corpo F,
de dimensões n, m e p, respectivamente. E, F : E → E1 e
G : E1 → E2 duas aplicações lineares. Fixadas as bases nos
espaços, sejam A e B as matrizes de F e G, respectivamente.
Definição

3 Composição (Produto) (G ◦ F ) ~u = G F ~u =
B(AX ) = (BA)X =⇒ (G ◦ F ) = BA .

Índice

Inversão de transformações lineares

Seja T : E → E. Diz-se que T é invertível se admite inversa, i.e.

1 −1 −1 −1
∃ T : T ◦T = T ◦T =I
onde I é a aplicação linear identidade de E.

Teorema
Num espaço linear E, de dimensão finita, uma aplicação linear
T : E → E é invertível sse é regular, i.e. ker (T ) = {~0E }.

Inversão de transformações lineares

Fixada uma base no espaço, seja A a matriz de T . A aplicação
inversa, T −1 tem a matriz A−1
Definição
4 Inversão T ◦ T −1 ~u = T −1 ◦ T ~u = I ~u =

−1
−1 −1 = AA−1 .

AA X = A A X = IX =⇒ T ◦ T
FIM!

Transformacao Linear Print

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Transformacao Linear Print

Uploaded by

Copyright:

Available Formats

Transformações Lineares - Capítulo 4

Matilde Pós-de-Mina Pato

Área Departamental de Engenharia de Electrónica eTelecomunicações e de

Álgebra Linear e Geometria Analítica, 2010

2. Núcleo e Imagem de uma aplicação linear

3. Soma, Multiplicação por escalar e Composta de

É usual chamar às funções lineares transformações lineares

• No caso em que o domínio e o contradomínio coincidem denota-se por

Matilde Pato Transformações Lineares 2 / 28

3. preservar combinações lineares, i.e., ∀~u1 , · · · , ~un ∈ E e

Matilde Pato Transformações Lineares 3 / 28

Matilde Pato Transformações Lineares 4 / 28

Teorema de existência e unicidade

~x = α1~u1 + α2~u2 + · · · + αn~un ⇒ T (~x ) = α1~v1 + α2~v2 + · · · + αn~vn .

Matilde Pato Transformações Lineares 5 / 28

∃1 A ∈ Matm×n (F) : ∀~u ∈ Fn se tem T (~u ) = A~u .

ondeA é a matriz cuja a coluna j, ∀j ∈ {1, · · · , n}, o vector

Matilde Pato Transformações Lineares 6 / 28

Transformações lineares entre quaisquer espaços de dimensão

Matilde Pato Transformações Lineares 7 / 28

T (x, y , z) = (2x + 3y − z, x − z).

Matilde Pato Transformações Lineares 8 / 28

Transformações lineares entre quaisquer espaços

Matilde Pato Transformações Lineares 9 / 28

Alguns exemplos com significado geométrico, de

1. Matriz de Rotação de um ângulo θ 2. A Projecção é obtida a partir da

Figura 1: Rotação de um ponto

Figura 2: Projecção ortogonal de

Matilde Pato Transformações Lineares 10 / 28

Alguns exemplos com significado geométrico -

3. Reflexão ao longo do eixo do xx: 4. A Translação de um ponto, em 2D

Composição de transformações geométricas no

Matilde Pato Transformações Lineares 12 / 28

2. Núcleo e Imagem de uma aplicação linear

3. Soma, Multiplicação por escalar e Composta de

ker (T ) = {~u ∈ E : T ~u = ~0E0 }.

Imagem de T e denota-se por Im(T ), ou contradomínio de T ,

Im(T ) = {~v ∈ E0 : ~v = T ~u , ~u ∈ E}.

Seja T : E → E0 uma transformação linear.

2 Tal como para sistemas lineares, uma equação linear pode

Matilde Pato Transformações Lineares 14 / 28

Matilde Pato Transformações Lineares 15 / 28

Aplicações entre espaços de dimensão finita

Nota: Se E é um espaço vectorial de dimensão finita e

Matilde Pato Transformações Lineares 16 / 28

dim(E) = dim(ker (T )) + dim(Im(T )) ⇐⇒ dim(E) = nT + cT .

Matilde Pato Transformações Lineares 17 / 28

Tipos especiais de transformações lineares

Matilde Pato Transformações Lineares 18 / 28

Donde, resultam as seguintes observações

Matilde Pato Transformações Lineares 19 / 28

Donde, resultam as seguintes observações

Matilde Pato Transformações Lineares 20 / 28

Donde, resulta a seguinte observação

Matilde Pato Transformações Lineares 21 / 28

2. Núcleo e Imagem de uma aplicação linear

3. Soma, Multiplicação por escalar e Composta de

Soma e multiplicação por escalar

Matilde Pato Transformações Lineares 22 / 28

Matilde Pato Transformações Lineares 23 / 28

Soma e multiplicação por escalar

∃{transformações lineares} ⇔ {matrizes do tipo (m × n)}

Fixadas as bases nos espaços, sejam A e B as matrizes de F

Matilde Pato Transformações Lineares 24 / 28