Baixe o app para aproveitar ainda mais
Prévia do material em texto
ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 1 TRANSFORMAÇÕES LINEARES Parte III – Conteúdos Transformações lineares: definições, exemplos e propriedades Núcleo e Imagem Matriz de uma aplicação linear Operações com transformações lineares Composição de transformações lineares Inversa de uma transformação linear Autovalores, autovetores e polinômio característico Diagonalização de operadores lineares Exercícios de Fixação Geometria das transformações lineares (no plano e no espaço) ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 2 TRANSFORMAÇÕES LINEARES Em geral um tipo especial de função onde o conjunto de partida e o de chegada são espaços vetoriais, isto é, onde tanto as variáveis independentes e dependentes são vetores chamaremos de “transformações”. Em particular, nosso interesse está em certas aplicações vetoriais que tem propriedades de linearidade, que chamaremos de “transformações lineares”. Transformação linear. Sejam e espaços vetoriais. Uma aplicação :T é chamada transformação linear de em se , e u v k satisfaz às seguintes condições: i) ( ) ( ) ( )T u v T u T v ii) ( ) ( )T ku kT u Em particular, uma transformação linear de em (ou seja, se ) é chamada operador linear sobre . Exemplos de transformações que são lineares 1 – A transformação nula (ou zero) é linear: 0T definida por 0 : 0( ) 0v v De fato, i) 0( ) 0 0 0( ) 0( )u v u v ii) 0( ) 0 0 0( )ku k k u 2 – A transformação identidade é linear. T I , definida por : ( ) I v I v v De fato, i) ( ) ( ) ( )I u v u v I u I v ii) ( ) ( )I ku ku kI u 3 – Uma transformação do tipo projeção de 3 2 é linear. Por exemplo, definida por 3 2: ( , , ) ( , , ) ,2 T x y z T x y z x y x z De fato, sejam 1 1 1( , , )u x y z e 2 2 2( , , )v x y z vetores genéricos de 3 , então ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 3 i) 1 1 1 2 2 2( ) ( , , ) ( , , )T u v T x y z x y z 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 1 2 2 1 1 2 2 , , ,2 ,2 2 T x x y y z z x x y y x x z z x y x y x z x z 1 1 1 1 2 2 2 2,2 ,2 ( ) ( ) x y x z x y x z T u T v ii) ( ) ( , , ) ,2 ,2 ( )T ku T kx kv kz kx ky kx kz k x y x z kT u 4 – A transformação derivada é linear. Considere, por exemplo, o espaço ( )n dos polinômios reais de grau n e ( ), ( ) ( )nf t g t . Definimos : ( ) ( ) ( ) ( ) ( ) n n d dt d df f t f t t dt dt De fato, i) ( ) ( ) ( ) ( ) ( ) ( ) d df dg d d f t g t t t f t g t dt dt dt dt dt ii) ( ) ( ) ( ) ( ) ( ) d d kf df d kf t t k t k f t dt dt dt dt Exemplos de aplicações não lineares 1 – det : n , det( )A A é não linear. Se tivermos , nA B , em geral, det( ) det detA B A B . 2 – A função real :F , tal que 2( )F x x não é uma transformação linear. De fato, i) 2 22 2 ( ) ( )F u v u v u v uv F u F v ii) 2 2 2 ( )F ku ku k v kF u Exercício de Aprendizagem 1 – Verifique se são lineares as seguintes aplicações. a) 3 2:T definida por ( , , ) , 2T x y z x y x z . ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 4 b) 32: ( )T definida por 2 0 1 2 0 1 2, 1, 2T a a t a t a a a . c) 2 2: ( )T definida por ( , ) 1 0 x y T x y . d) Considere a transformação linear 2 2:T definida por ( , ) ( , )T x y x y . Seja K o triângulo de vértices ( 1,4)A , (3,1)B e (2,6)C . Faça a representação gráfica de K e de sua imagem por T . PROPRIEDADES DAS TRANSFORMAÇÕES LINEARES 1. Se :T é uma transformação linear, então 0 0T . Equivalentemente, se 0 0T , então :T não é uma transformação linear. Podemos usar esta propriedade para justificar que a transformação do exercício (b) anterior não é linear, pois 0 0, 1, 2T . 2. Teorema 1. Sejam e espaços vetoriais tal que dim n , 1, , nA v v uma base ordenada de e 1 2, , , nw w w elementos arbitrários de . Então, existe uma única transformação linear :T tal que ( )i iT v w para 1,2,...,i n . Dem Existência de T . Dado um elemento u , podemos escrever, de maneira única 1 1 2 2 n nu a v a v a v Para este elemento u definimos então 1 1 2 2 1 1 2 2 1 1 2 2 ( ) n n n n n n T u T a v a v a v a T v a T v a T v a w a w a w Verifique que essa transformação, definida dessa forma, é realmente linear e que ( )i iT v w . Unicidade de T . Suponha que existe outra transformação linear :S tal que ( )i iS v w para 1,2,...,i n . Mostramos que 1 1 1 ( ) ( ) n n n j j j j j j j j j S u S a v a S v a w que é a mesma definição de T . Exemplos ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 5 1 – Qual a lei da transformação linear 2 3:T tal que (1,0) (2, 1,0)T e (0,1) (0,0,2)T ? 2 – Sejam 3 2:T uma transformação linear e 0,1,0 , 1,0,1 , 1,1,0B uma base do 3 . Sabe-se que 0,1,0 1, 2 , 1,0,1 3,1 e 1,1,0 0,2T T T . Determine: a) , ,T x y z b) 5,3, 2T . Solução. Em primeiro lugar vamos expressar o vetor , ,x y z como combinação linear dos vetores da base. No caso, resolvendo o sistema, determinamos que , , 0,1,0 1,0,1 ( ) 1,1,0x y z y z x z x z Aplicando a transformação T e usando a propriedade (2), temos , , 0,1,0 1,0,1 ( ) 1,1,0 0,1,0 1,0,1 ( ) 1,1,0 1, 2 3,1 ( ) 0,2 T x y z T y z x z x z y z x T z T x z T y z x z x z Portanto, a) , , 4 ,4 2 3T x y z x y z x y z b) aplicando ao vetor dado, 5,3, 2 10,20T . 3 – Determine a transformação linear 2 3: ( )T tal que (1,1)T t e 3( 1,1)T t t . NÚCLEO DE UMA TRANSFORMAÇÃO LINEAR Núcleo. Chama-se núcleo de uma transformação linear :T ao conjunto de todos os vetores v que são transformados em 0 . Indica-se este conjunto por ( )N T ou ker( )T . ( ) ; ( ) 0N T v T v ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 6 Exemplos Exemplo 1 – Considere 2:T definida por ( , )T x y y x . O núcleo são os elementos 2( , )x y tais que ( , ) 0T x y . Logo, o núcleo é a reta y x (figura). Exemplo 2 – 3 3:f definida por ( , , ) ( , ,0)f x y z x y . O núcleo desta transformação é o eixo dos z , pois 0 ( , , ) (0,0,0) ( , , 0) (0,0,0) 0 x f x y z x y y Portanto, ( ) {(0,0, ); }N f z z . Exemplo 3 – Determinar o núcleo da transformação linear 3 2:T definida por ( , , ) ( 4 ,3 8 )T x y z x y z x y z . Solução. Por definição sabemos que ( , , ) ( )x y z N T se, e somente se ( , , ) (0,0)T x y z , ou seja, ( 4 , 3 8 ) (0,0)x y z x y z . De outro modo, 4 0 3 8 0 x y z x y z . Como este sistema tem solução 3x z e y z , temos 3( ) ( 3 , , ) ; N T z z z z . Observações 1. ( )N T , pois no mínimo o núcleo contém o vetor nulo de . Observe que (0 ) 0T , logo, 0 ( )N T . 2. O núcleo de uma transformação linear :T é um subespaço vetorial de . Dem Exercício. Aplicação injetora. Dizemos que uma aplicação :T é injetora se 1 2 , v v 1 2 1 2 T v T v v v . Teorema 2. Uma transformação linear :T é injetora, se e somente se, ( ) 0N T . Dem Exercício. ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 7 Exemplo – Determine o núcleo de cada transformação linear e verifique se são injetoras. a) 3 1: ( )T definida por , ,T x y z x y zt . b) 2 3: ( ) ( )T definida por 0 ( ( )) ( ) ( ) x T p x p x p t dt . IMAGEM DE UMA TRANSFORMAÇÃO LINEAR Imagem. Chama-se imagem de uma transformação linear :T ao conjunto dos vetores w que são imagem de vetores v . Im ; ( ) para algum T w T v w v Observações 1. Im T , pois no mínimo o conjunto imagem contém o vetor nulo. (0 ImT ) 2. A imagem de uma transformação linear :T é um subespaço vetorial de . Dem Exercício. Exemplos Exemplo 1 – Seja 3 3:f definida por ( , , ) ( , ,0)f x y z x y representa uma projeção ortogonal do 3 sobre o plano xy . A imagem de f é o próprio plano xy . 3Im ( , ,0) ; ,f x y x y Exemplo 2 – Determine um conjunto gerador para a imagemde cada transformação. ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 8 a) 3 2:T definida por ( , , ) , 2T x y z x y x z . b) 2 2: ( )T definida por 0 , x y T x y x y . c) 2 3: ( ) ( )T definida por 0 ( ( )) ( ) ( ) x T p x p x p t dt . Aplicação sobrejetora. Dizemos uma aplicação :T é sobrejetora se ImT , isto é, se , tal que ( ) .w v T v w TEOREMA DO NÚCLEO E DA IMAGEM. Se é um espaço vetorial de dimensão finita e :T uma transformação linear, então dim dim ( ) dimIm( )N T T . Dem Suponha que é um espaço de dimensão finita e seja ( ) 1 2, , ,N T nu u u base do núcleo ( )N T . Como ( )N T é subespaço de , 1 2 1 2, , , , , , ,n mu u u v v v representa uma base de . Queremos mostrar dois resultados: i) 1 2Im( ) ( ), ( ), , ( )mT T v T v T v (Exercício) ii) 1 2( ), ( ), , ( )mT v T v T v é L.I. 1 1 2 2 1 1 2 2( ) ( ) ( ) 0 0m m m ma T v a T v a T v T a v a v a v Isto significa que 1 1 2 2 ( )m ma v a v a v N T Logo 1 1 2 2 1 1 2 2m m n na v a v a v b u b u b u . Então 1 1 2 2 1 1 2 2 0m m n na v a v a v b u b u b u Como 1 2 1 2, , , , , , ,n mu u u v v v é base de , temos que 1 2 0ma a a , que mostra que o conjunto em ii) é L.I., então dim dim ( ) dimIm( )n m N T T . ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 9 Corolário 1. Seja :T uma transformação linear. Se dim dim , então T é sobrejetora se, e somente se, T é injetora. Dem Teorema 3. Sejam e espaços vetoriais, com dim n e :T transformação linear. As seguintes afirmações são equivalentes: a. T é injetora. b. Seja 1 2, , , kv v v LI em então 1 2( ), ( ), , ( )kT v T v T v é LI em ImT . c. dim(Im )T n . d. Seja 1 2, , , nv v v uma base de então 1 2( ), ( ), , ( )nT v T v T v é base para ImT . Exercício de Aprendizagem 2 – Determine o núcleo, a imagem, uma base para o núcleo, uma base para a imagem e a dimensão de cada um deles para as seguintes transformações lineares. 1. 3 3:T definida por ( , , ) 2 , 2 , 3T x y z x y z y z x y z . 2. 3 1: ( )T definida por , ,T x y z x y zt . 3. 3 2:T tal que 1 2 3( ) 1,2 , ( ) 0,1 e ( ) 1,3T e T e T e , sendo 1 2 3, ,e e e a base canônica do 3 . Isomorfismo. Chama-se isomorfismo do espaço vetorial no espaço vetorial a uma transformação linear :T bijetora (injetora e sobrejetora). Neste caso, e são ditos espaços isomorfos. Exemplos – Para cada aplicação linear dada mostre que T é isomorfismo. Exemplo 1 – 3 3:T , definida por ( , , ) ( 2 , , )T x y z x y z x y . ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 10 Exemplo 2 – 32: ( )T , definida por 2 , ,T a bt ct c b c b a . Determinando ( )N T : 2 0 0 0,0,0 0 0 0 0 0 c c T a bt ct b c b N T b a a Isto implica que T é injetora. Como T é injetora e 32dim ( ) dim , pelo Corolário 1 podemos afirmar que T também é sobrejetora, provando o isomorfismo. Teorema 4. Seja um espaço vetorial sobre com dim n . Então, é isomorfo ao espaço vetorial n . Dem Seja 1 2, , , nA v v v uma base ordenada de . Definimos uma aplicação 1 2 : ( ) , , , n n T T v a a a onde 1 2, , , na a a são as coordenadas do elemento v em relação à base A . Verifique que essa aplicação T é linear e bijetora, logo, isomorfismo. Teorema 5. Sejam e espaços vetoriais de dimensão finita. Então, e são isomorfos se, e somente se, dim dim . Dem Exercício. Automorfismo. Chama-se automorfismo o operador linear :T que é bijetor. Proposição 1. Se :T é um isomorfismo, então existe uma transformação inversa 1 :T que é linear e que também é um isomorfismo. Dem Exemplo – Seja a transformação linear 3 3: ( ) ( )T definida por 2( ( )) ( )T p x x p x . Determine o núcleo de T e verifique se T é isomorfismo. ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 11 MATRIZ DE UMA TRANSFORMAÇÃO LINEAR Considere :T uma transformação linear, 1 2, , , nA v v v uma base de e 1 2, , , mB w w w uma base de . Como 1 2( ), ( ), , ( )nT v T v T v são vetores de podemos escrevê-los como combinação linear dos vetores da base B . 1 11 1 21 2 1 2 12 1 22 2 2 1 1 2 2 m m m m n n n mn m T v a w a w a w T v a w a w a w T v a w a w a w (*) A matriz 11 12 1 21 22 2 1 2 n n A B m m mn a a a a a a T a a a Transposta da matriz dos coeficientes no sistema (*) é chamada de matriz de T em relação às bases A e B . Como A B T depende das bases A e B , uma transformação linear poderá ter uma infinidade de matrizes para representá-la. No entanto, uma vez fixadas bases, a matriz é única. Exemplos – Exemplo 1 – Considere 3 2:T definida por ( , , ) ( , )T x y z x y y z e as bases 1,1,1 , 0,1,1 , 0,0,1A do 3 e (1,1),(0,2)B do 2 , temos 11 21 12 22 13 23 1,1,1 2,0 1,1 0,2 0,1,1 1,0 1,1 0,2 0,0,1 0, 1 1,1 0,2 T a a T a a T a a Gerando os sistemas: 11 11 21 2 2 0 a a a , 12 12 22 1 2 0 a a a e 13 13 23 0 2 1 a a a cujas soluções são 11 21 12 22 13 23 1 1 2, 1, 1, , 0, 2 2 a a a a a a . Logo, 2 1 0 1 1 1 2 2 A B T ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 12 Exemplo 2 – Considere a expansão ( , ) (2 ,2 )T x y x y e a transformação cisalhamento ( , ) ( 2 , )S x y x y y . Na base canônica do 2 , determine a matriz de T e S . (1,0) (2,0) 2 0 (0,1) (0,2) 0 2 T T T (1,0) (1,0) 1 2 (0,1) (2,1) 0 1 S S T Teorema 6. Sejam :T uma transformação linear e A e B bases (fixas) de e , respectivamente. Então, para todo v tem-se que ( ) A B B A T v T v . Dem Faremos para o caso em que dim 2 e dim 3 . Vamos colocar 1 2,A v v e 1 2 3, ,B w w w bases ordenadas (fixadas) de e , respectivamente. 11 12 21 22 31 12 A B a a T a a a a ; 1 2 A x v x ; 1 2 3 ( ) B y T v y y De 1 2 A x v x temos que 1 1 2 2v x v x v Da matriz A B T temos que 1 11 1 21 2 31 3 2 12 1 22 2 32 3 ( ) ( ) T v a w a w a w T v a w a w a w Como 1 1 2 2 1 11 1 21 2 31 3 2 12 1 22 2 32 3( ) ( ) ( )T v x T v x T v x a w a w a w x a w a w a w 1 11 2 12 1 1 21 2 22 2 1 31 2 32 3( )T v x a x a w x a x a w x a x a w Então, 1 1 11 2 12 2 1 21 2 22 3 1 31 2 32 y x a x a y x a x a y x a x a e, assim, 1 11 12 1 2 21 22 2 3 31 12 y a a x y a a x y a a . Mostrando que ( ) A B B A T v T v . O mesmo procedimento “de arrumação” pode ser utilizado para mostrar o resultado quando dim n e dim m . Exemplos ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 13 Exemplo 1 – Considerando a mesma transformação do exemplo anterior com as bases canônicas 1,0,0 , 0,1,0 , 0,0,1A do 3 e 1,0 , 0,1B do 2 . 1,0,0 1,0 1 1,0 0 0,1 0,1,0 1,1 1 1,0 1 0,1 0,0,1 0, 1 0 1,0 1 0,1 T T T Logo, 1 1 0 0 1 1 A BT . No caso de serem A e B bases canônicas, representa-se a matriz simplesmente por T , que é chamada matriz canônica de T . Então, ( )T v T v . Observação. Note que calcular ( )T v pela matriz T é o mesmo que fazê-lo pela expressão analítica que define T . Por exemplo, Seja (2,1,3)v , ( , , ) ( , )T x y z x y y z e 1 1 0 0 1 1 T . Temos que Calcular (2,1,3) (2 1,1 3) (3, 2)T é o mesmo que 2 1 1 0 3 ( ) 1 0 1 1 2 3 T v . Exemplo 2 – Dadas as bases 1,1 , 0,1B do 2 e 0,3,0 , 1,0,0 , 0,1,1B do 3 , encontremos a transformação linear cuja matriz é 0 2 1 0 1 3 B BT . No caso, desejamos determinar a transformação 2 3:T tal que , , ,T x y a b c . Pelo modo como é determinada a matriz BBT , sabemos que 1,1 0 0,3,0 1 1,0,0 1 0,1,1 1, 1, 1 0,1 2 0,3,0 0 1,0,0 3 0,1,1 0,9,3 T T Escrevendo ( , )x y como combinação linear dos vetores da base B , temos , 1,1 0,1x y x y x ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 14 , 1,1 0,1 1, 1, 1 0,9,3 , 10 9 , 4 3 T x y x T y x T x y x x x y x y Do exemplo acima, observamosque dada uma matriz e fixada duas bases em e em esta matriz representa uma transformação linear. Esta mesma matriz numa outra dupla de bases representará uma transformação linear diferente. Exemplo 3 – Considerando que a matriz 0 2 1 0 1 3 T é a matriz canônica de uma transformação linear T , temos que 1,0 0 1,0,0 1 0,1,0 1 0,0,1 0, 1, 1 0,1 2 1,0,0 0 0,1,0 3 0,0,1 2,0,3 T T E, portanto, , 1,0 0,1x y x y , 1,0 0,1T x y xT yT , 0, 1, 1 2,0,3T x y x y , 2 , , 3T x y y x x y Comentário. As matrizes das transformações lineares são importantes, pois: Muitas vezes respostas a questões teóricas sobre a estrutura de uma transformação linear podem ser obtidas estudando as características da matriz da transformação; Essas matrizes tornam possível calcular as imagens de vetores usando a multiplicação matricial. Estes cálculos podem ser efetuados rapidamente em computadores. Núcleo e imagem (via matriz da transformação). Considere A matriz de uma transformação linear T , como determinar uma base para o núcleo e para a imagem de T através de A ? Considere a matriz representada por 1( ) ( )nA T v T v Para o núcleo temos que resolver o sistema homogêneo 0AX , o que é feito escalonando a matriz A e resolvendo o sistema homogêneo. ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 15 Para a imagem, o conjunto ( )j jT v w (colunas de A ) gera a imagem. Concluímos que as colunas de A geram Im( )T . Uma base da imagem é obtida tomando um subconjunto LI das colunas de A . Podemos fazer isso escalonando 1( ) ( ) t n T v A T v Exemplos – Determine uma base e dimensão do núcleo e da imagem das transformações lineares T cujas matrizes são dadas por: a) 1 0 1 0 1 1 1 1 0 1 0 1 A Para o núcleo temos que resolver o sistema 0AX . Assim, ou seja, resolver o sistema 1 0 1 0 0 1 1 1 1 0 0 1 0 1 0 x y z w Para o a imagem, as colunas da matriz formam o conjunto gerador da imagem da transformação. Para saber a dimensão, basta verificar a independência linear de tA . b) 2 2 1 0 1 1 1 2 0 1 1 1 2 0 1 0 0 1 0 1 B ÁLGEBRA DAS TRANSFORMAÇÕES LINEARES Definição. Sejam e espaços vetoriais reais. Denotamos por ( , ) o conjunto de todas as transformações lineares de em , isto é, ( , ) : ; é transformação linearT T . Operações em ( , ) ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 16 Dadas , ( , )T S . A adição de transformações lineares, :T S , é definida por ( ) ( ) ( )T S v T v S v , v . T S é também uma transformação linear. Dados ( , )T e um escalar . A multiplicação de um escalar por uma transformação linear, :T , é definida por ( ) ( )T v T v , v . T é também uma transformação linear. Com essas operações ( , ) é um espaço vetorial real, possuindo as propriedades: Em relação à adição: , , ( , )R S T . 1A ) ( ) ( )R S T R S T 2A ) R S S R 3A ) 0 ( , ) tal que 0T T 4A ) ( , )T tal que ( ) 0T T Em relação à multiplicação por escalar: , ( , )T S e , . 1M ) ( )T T 2M ) ( )T T T 3M ) ( )T S T S 4M ) 1T T Teorema 7. Sejam e espaços vetoriais reais de dimensão finita com dim n e dim m , respectivamente. Então, dim ( , ) nm . Dem Veja referência [6]. Composição de Transformações lineares. Sejam , e espaços vetoriais sobre um corpo qualquer (em nosso caso, ) e as transformações lineares :T e :S . Podemos obter outra transformação de chamada transformação composta de S com T , denotada por S T e definida por ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 17 : ( ) ( ) , S T u S T u S T u u Teorema 8. Sejam , e espaços vetoriais sobre um corpo ( , por exemplo), :T e :S transformações lineares. Então a composta :S T é uma transformação linear. Dem Exercício. Assim, podemos compor um operador :T consigo mesmo dando origem à notação: 2T T T 3T T T T vezes n n T T T T Exemplos Exemplo 1 – Sejam S e T operadores no 2 definidos por ( , ) (5 ,3 )S x y x y e ( , ) ( , )T x y x y y x . Determine a) S T b) T S c) S S d) T T Exemplo 2 – Sejam a expansão ( , ) (2 ,2 )T x y x y e a transformação cisalhamento ( , ) ( 2 , )S x y x y y . Determine S T e T S . ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 18 Propriedades da composição de transformações lineares. Considere , e R S T transformações lineares definidas em espaços vetoriais apropriados para que as transformações abaixo façam sentido. a) ( )R S T R T S T b) ( ) ( ) ( )R kS k R S kR S c) Em geral, S T T S Dem Exercício. Teorema 9 (Transformação inversa). Sejam e espaços vetoriais sobre um corpo ( , por exemplo) e :T isomorfismo. Então, a) Existe a aplicação :S , chamada de aplicação inversa de T , escrevemos 1S T , tal que S T T S I . b) 1 :T é uma aplicação linear e é isomorfismo. Dem Exemplo – Determine a transformação inversa de 32: ( )T , definida por 2 , ,T a bt ct c b c b a . Resposta: 1 3 2: ( )T dada por 1 2( , , ) ( ) ( )T x y z x z y x z t xt . Teorema 10. Sejam , e A B C bases dos espaços vetoriais , e respectivamente. :T e :S transformações lineares. Então, a matriz da transformação :S T é dada por A B A C C B S T S T Dem Exercício. Corolário 2. Sejam os espaços vetoriais e com bases ordenadas A e B , respectivamente. :T isomorfismo. Então, 1 1 A B AB T T . Dem Temos que 1 1 A BA A A BA A I T T T T ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 19 1 1 B BB A B BB A I T T T T Como A B nA B I I I é a matriz identidade de ordem n e dim dim . Corolário 3. Sejam A e B bases dos espaços vetoriais e , respectivamente. Uma transformação linear :T é inversível se, e somente se, ABT é inversível. Além disso, se T é inversível, então 11 B A BA T T . Corolário 4. Sejam A e B bases dos espaços vetoriais e , respectivamente e :T uma transformação linear. T é inversível se, e somente se, det 0ABT . Teorema 11. Sejam :T uma transformação linear e A e B bases de e , respectivamente. Então dim Im( ) posto de dim ( ) nulidade de nº de colunas de posto de A B A A A B B B T T N T T T T Exemplos de Aprendizagem 1 – Sejam a expansão ( , ) (2 ,2 )T x y x y e a transformação cisalhamento ( , ) ( 2 , )S x y x y y . Na base canônica, determine a matriz de T , S e S T . 2 – Seja 2 2:T uma transformação linear dada pela matriz canônica 3 4 2 3 T . Verifique se T é inversível. Caso o seja, determine 1( , )T x y . 3 – Sejam as matrizes das transformações lineares 2 3:A e 3 3:B em relação às bases canônicas dadas por 0 1 0 2 0 1 A e 0 0 0 1 2 0 1 0 0 B . Determine um conjunto gerador, base e dimensão do núcleo e da imagem das transformações A e B . Respostas: 3Nuc( ) ( , , ) ; 0, 2B x y z x z y , Nuc( ) (1,0)A Im( ) (0,1,0),(0,1, 1)B e Im( ) (1,2,1)A . ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 20 AUTOVALORES E AUTOVETORES Autovetor. Seja :T um operador linear. Um vetor v , 0v , é um autovetor (ou vetor próprio) do operador T se existe tal que ( )T v v . Autovalor. é denominado autovalor (ou valor próprio, valor característico, valor espectral) associado ao autovetor v . Exemplos Exemplo 1 – Seja 2 2:T tal que , , , T x y x y . Este operador tem como autovalor e qualquer , 0,0x y como autovetor correspondente. Se i. 0 , T inverte o sentido do vetor; ii. 1, T dilata o vetor; iii. 1, T contrai o vetor; iv. 1, T é a transformação identidade. Exemplo 2 – Seja 2 2:T definida por , ,T x y x y , a transformação reflexão no eixo x . Os vetores da forma (0, )y , são tais que 0, 0,T y y , ou seja, 0, 1 0,T y y . Assim, todo vetor (0, )y é autovetor de T com autovalor 1 . Também para todo vetor ( ,0)xtemos que ,0 ,0 1 ,0T x x x . Daí, dizemos que todo vetor ( ,0)x é autovetor de T com autovalor 1. v ( )T v u ( )T u Exemplo 3 – Seja 2 2:T definida por , ,T x y y x , a transformação rotação de 90°. ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 21 x y u ( )T u Notemos que nenhum outro vetor diferente do vetor nulo é levado por T num múltiplo de si mesmo. Logo, este operador T não tem autovalores nem autovetores. Determinação dos autovalores e autovetores. Seja o operador : n nT cuja matriz matriz canônica é 11 12 1 21 22 2 1 2 n n n n nn a a a a a a A a a a , ou seja, A T . Se v e são, respectivamente, autovetor e autovalor associado, temos 0A v v A v v (v é a matriz coluna 1n e 0 é a matriz nula 1n ) Tendo em vista que v I v , onde I é a matriz identidade de ordem n , podemos escrever 0 0 A v I v A I v Para que o sistema homogêneo admita soluções não nulas, isto é 0 0 0 x v y z , este deve ser indeterminado e, portanto, devemos ter det 0A I . 11 12 1 21 22 2 1 2 det 0 n n n n nn a a a a a a a a a A equação det 0A I é denominada equação característica do operador T ou da matriz A e suas raízes são os autovalores do operador T ou da matriz A . O det A I é um polinômio na variável denominado polinômio característico. Determinamos os autovetores correspondentes substituindo os autovalores encontrados no sistema homogêneo de equações lineares. ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 22 Exemplo – Determinar os autovalores e autovetores do operador linear 3 3:T definido por , , 3 4 ,3 5 ,T x y z x z y z z . Matriz canônica de T : 3 0 4 0 3 5 0 0 1 A 3 0 4 0 3 5 0 0 1 A I Equação característica 1 2 3 det 0 3 3 1 0 1 A I Cálculo dos autovetores associados: Para 1 3 , temos o sistema 3 3 0 4 0 4 0 0 3 3 5 0 5 0 , e 0 00 0 1 3 4 0 zx y z x y z z z Portanto temos os autovetores ( , ,0)x y associados ao autovalor 3 . Para 2 1, temos 4 0 4 0 4 4 0 0 4 5 0 , 5 4 5 0 40 0 0 0 x zx x z y z y z y z z . Portanto temos os autovetores 5 , , 4 z z z associados ao autovalor 1 . Autoespaço. ; ( ) 0V v T v v é chamado de autoespaço associado ao autovalor . Teorema 12. Dado um operador linear :T , o conjunto formado pelos autovetores associados a um autovalor e o vetor nulo é subespaço vetorial de , isto é, ; ( ) 0V v T v v é subespaço de . Dem Exercício. ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 23 Multiplicidade de autovalores. Considere um operador linear :T e um autovalor de T , i com 1 dimi . O número de vezes que i aparece como um fator do polinômio característico de T é denominado de multiplicidade algébrica de i , que indicaremos por ( )a im . A dimensão do autoespaço i V é denominada a multiplicidade geométrica de i , que indicaremos por ( )g im . Exemplos – Considerando a base canônica do 3 . Exemplo 1 – 3 3:T , tal que ( , , ) (4 2 2 ,2 4 2 ,2 2 4 )T x y z x y z x y z x y z . Então 4 2 2 2 4 2 2 2 4 T . O polinômio característico deste operador é 23det ( 2) ( 8)T I . Assim, temos 1 2 é autovalor e 2 , , ; ,V y z y z y z é autoespaço. 2 8 é autovalor e 8 , , ; V z z z z é autoespaço. Exemplo 2 – 3 3:T , tal que ( , , ) (3 ,2 , 2 )T x y z x y y z . Então 3 0 0 0 2 0 0 1 2 T . O polinômio característico deste operador é 23det ( 2) ( 3)T I . Assim, temos 1 2 é autovalor e 2 0,0, ; V z z é autoespaço. 2 3 é autovalor e 3 ,0,0 ; V x x é autoespaço. DIAGONALIZAÇÃO DE OPERADORES LINEARES Dado um operador linear :T existem representações matriciais de T relativas às bases de . Dentre estas representações, a considerada mais simples é uma matriz diagonal. Como a cada base corresponde uma matriz, a questão se resume na obtenção de uma base, ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 24 cuja representação matricial do operador linear T em relação a esta base é uma matriz diagonal. Assim, esta base diagonaliza o operador linear T . Diagonalização de operadores lineares. Seja um espaço vetorial n -dimensional e :T um operador linear. T é diagonalizável se existir um base de tal que T é uma matriz diagonal. Esta base é composta pelos autovetores do operador linear T . Seja um espaço vetorial n -dimensional e :T um operador linear. Se existem n autovalores distintos 1 2, ,..., n então o operador linear T é diagonalizável. Exemplos Exemplo 1 – Seja 3 3:T tal que ( , , ) (4 , 2 , 2 )T x y z x z x y x z e a base canônica do 3 , então 4 0 1 2 1 0 2 0 1 T 1 1 , 1 0, ,0 ; V y y e podemos escolher 1 (0,1,0)v . 2 2 , 2 , , ; 2 z V z z z e podemos escolher 2 ( 1,2,2)v . 3 3 , 3 , , ; V z z z z e podemos escolher 3 ( 1,1,1)v . Sendo assim, (0,1,0),( 1,2,2),( 1,1,1) é uma base de autovetores, 1 0 0 0 2 0 0 0 3 T . Alguns teoremas relativos a autovetores, autovalores e diagonalização de operadores. Consulte as referências para ver a demonstração. Teorema 13. Considere um operador linear T que tem autovetores 1 2, ,..., rv v v associados a autovalores 1 2, ,..., r todos distintos entre si. Então 1 2, ,..., rv v v é linearmente independente. Dem Corolário. Seja um espaço vetorial n -dimensional e :T um operador linear. Se T possui n autovalores 1 2, ,..., n todos distintos então existe uma base de constituída de autovetores de T . ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 25 Dem Teorema 14. Se existem r n autovalores distintos 1 2, ,..., r e suas multiplicidades algébricas e geométricas forem iguais, isto é, para todo 1,2,...,i r , ( ) ( )a i g im m , então o operador linear T é diagonalizável. Dem Exemplo – Seja 3 3:T tal que ( , , ) ( , , )T x y z x y z x y z x y z e a base canônica do 3 . Então 1 1 1 1 1 1 1 1 1 T 1 0 , 0 , , ; ,V y z y z y z e podemos ter 1 ( 1,1,0),( 1,0,1) . 2 3 , 3 , , ; V z z z z e podemos ter 2 (1,1,1) . Assim, 1 2 ( 1,1,0),( 1,0,1),(1,1,1) é base de autovetores e 0 0 0 0 0 0 0 0 3 T . Veja outros exemplos e resultados nas referências. ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 26 EXERCÍCIOS DE FIXAÇÃO – TRANSFORMAÇÕES LINEARES 1 – Verifique quais das seguintes aplicações são lineares: a) 3 2:T , definida por ( , , ) ,T x y z x y . b) 2:T , definida por ( , )T x y xy . c) :T , definida por ( )T x x . d) 3 2:T , definida por ( , , ) 2 , 3T x y z x y z . e) 2 2: ( )T , definida por 2 0 ( , ) 0 x y T x y y . f) 22 3: ( )T , definida por 11 12 13 11 22 13 23 21 22 23 , a a a T a a a a a a a . g) :T , definida por ( ) senT x x . 2 – Determine a transformação linear para cada uma das aplicações abaixo: a) 2 3:T tal que 1,2 3, 1,5 e 0,1 2,1, 4T T . b) 3 2:T tal que 1,0,0 2,0 , 0,1,0 1,1 e 0,0,1 0, 1T T T . c) 3 3:T tal que 1,2,1 1,2,3 , 0,1,0 2,1,5 e 0,4,1 0,3,2T T T . d) 22: ( )T tal que 21 0,1 , ( ) 0,5 e 5,7T T x T x . e) 3 2 3:T tal que 1 0 0 2 0 0 0 0 11 (1,0,0) , 0,1,2 e 0,0, 3 4 5 6 8 10 0 0 53 T T T 3 – Resolva os problemas: a) Qual a transformação linear 2 3:T tal que 1,1 3,2,1 e 0, 2 0,1,0T T ? b) Determine 1,0 e 0,1T T , usando o ítem (a); c) Qual a transformação linear 3 2:S tal que 3,2,1 1,1S , 0,1,0 0, 2S e 0,0,1 0,0S ? d) Determine a transformação linear 2 2:S T , usando os itens (a) e (c). ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 27 4 – Determine a dimensão do núcleo e da imagem e suas respectivas bases da aplicação linear do a) Exercício 1, itens (a), (d) e (e). b) Exercício 2, itens (b), (d) e (e). 5 – Sendo 3 5:T definida por , , ,2 ,0,3 ,0T x y z x y x y z x z , determine uma base de ( )N T e Im( )T . 6 – Determine uma transformaçãolinear: a) 3 3:T cuja imagem seja gerada por 1,2,3 , 4,5,6 . b) 3 2:T tal que ( ) 1,0,0 , 0,2,0N T e Im( ) (2,4)T , considere 1,0,0 , 0,2,0 , 0,0,1 base do 3 . c) 3 4:T tal que Im 1,1,2,1 , 2,1,0,1T . 7 – Escreva, se possível, os exemplos pedidos abaixo. Caso não existam, justifique. a) Uma aplicação linear injetora 3 2:T . b) Uma aplicação linear sobrejetora 2 3:T . c) Uma aplicação linear 2 2:T , tal que 0,1 , 1,0T T seja uma base para 2 . d) Uma aplicação linear :T tal que Im( ) 0T . e) Uma aplicação linear 5 5:T , tal que seja injetora, mas não sobrejetora. f) 2 2: ( ) ( )T linear tal que 1 0 ( ) 1 0 N T e 2Im( ) , 2, 1T t t . g) Um subespaço de 2( ) tal que a aplicação linear injetora 2: ( )T seja um isomorfismo. 8 – Seja :T uma transformação linear. Sabendo-se que dim 5 e dim Im 2N T T . a) Determine, justificando, a dim ImN T T . b) T pode ser injetora? Justifique. ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 28 9 – Mostre que a aplicação 2 1: ( )T , definida por , ( ) 1T x y x y t x é um isomorfismo linear. 10 – Determine a transformação linear 3 4:T tal que 0,0,1 0,0,0,1T e 3( ) ( , , ) ; N T x y z z x y . 11 – Consideremos a transformação linear 3 2:T definida por ( , , ) (2 , 2 )T x y z x y z x y e as bases 1,0,0 , 2, 1,0 , 0,1,1A do 3 e ( 1,1),(0,1)B do 2 . Determine a matriz ABT . 12 – Seja a transformação linear 2 3: , ( , ) 2 , 3 , 2T T x y x y x y y e as bases 1,1 , 2,1A e 0,0,1 , 0,1, 1 , 1,1,0B . a) Determine ABT . b) Qual a matriz ACT , onde C é a base canônica do 3 ? (rever.....) 13 – Sabendo que a matriz de uma transformação linear 2 3:T nas bases ( 1,1),(0,1)A do 2 e 1,1, 1 , 2,1,0 , 3,0,1B do 3 é 3 1 2 5 1 1 A BT . Obtenha a) a expressão de ,T x y b) a matriz T . 14 – Seja 1 2 2 0 1 3 T a matriz canônica de uma transformação linear 2 3:T . Se ( ) 2,4, 2T v , calcule v . 15 – Seja T o operador linear dado pela matriz 1 2 1 2 0 1 1 2 2 . Determine: a. ( )N T e dim ( )N T ; b. Im( )T e dimIm( )T . ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 29 16 – Seja 2 2: ( ) ( )T , definida por 2 0 x y x T z w z y w . Determine: ( )N T , Im( )T , ( ) Im( )N T T e dim ( ) Im( )N T T . 17 – Determine a matriz associada à transformação linear T com relação as bases e dadas. a) 32: ( )T , ( , 3 , ) x y T x x y w z w z w (1,1,0),(0,1,0),(0,0, 2) e 1 0 0 1 0 0 0 0 , , , 1 0 1 0 1 0 0 1 . b) 2 2: ( ) ( )T , 2 x y T xt yt z z x y z , 21, 2,t t t e é a base canônica de 2( ). c) :T , 1 2 3, ,v v v , onde 1 1( ) 2T v v , 2 2( ) 3T v v e 3 3( )T v v . 18 – Determine a transformação linear T nos seguintes casos: a) 3 2:T , 1 0 0 2 0 1 T sendo (1,1,0),(0,0,1),(1,2,3) e 2,1 , 1,1 . b) 2 2: ( ) ( )T , 1 1 0 0 1 0 0 0 1 0 0 1 T ; 1 1 0 1 0 0 0 0 , , , 0 0 1 0 1 1 0 2 e 2, 2,t t t . 19 – Considere a transformação linear :T dada por 1 0 1 1 0 1 2 2 0 2 4 4 1 0 1 1 T , onde e são bases de e , respectivamente. Determine: a) dim b) dim c) dim Im( )T d) dim ( )N T ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 30 20 – Verifique, utilizando a definição, se os vetores dados são autovetores das correspondentes matrizes: a) 2 2 ( 2,1), 1 3 v b) 1 1 0 ( 2,1,3), 2 3 2 1 2 1 v 21 – Determine os autovalores e os autovetores dos seguintes operadores lineares: a) 2 2:T ; , 2 , 4T x y x y x y . b) 2 2: ; , 2 2 , 3T T x y x y x y . c) 2 2:T ; , 5 , 3T x y x y x y . d) 2 2:T ; , ,T x y y x . e) 3 3:T ; , , ,2 ,2 3T x y z x y z y z y z . f) 3 3:T ; , , , 2 ,2 2T x y z x x y x y z . g) 3 3:T ; , , , ,T x y z x y y z . 22 – Os vetores 1 (1,1)v e 2 (2, 1)v são autovetores de um operador linear 2 2:T , associados a 1 5 e 2 1, respectivamente. Determine: a) A imagem do vetor (4,1)v por esse operador; b) Obtenha uma lei para T . 23 – Resolva os problemas: a) Determine o operador linear 2 2:T cujos autovalores são 1 21 e 3 associados aos autovetores 1 2, e (0, )v y y v y , respectivamente. b) Mesmo enunciado para 1 23, 2 e 1 2,2 , ( ,0)v x x v x . c) Se 1 4 e 2 2 , são autovalores de 2 2:T , associados aos autovetores (2,1)u e ( 1,3)v , respectivamente, determine (3 )T u v . 24 – Seja um operador linear 2 2:T , tal que ( )T u u e 1 ( ) 2 T v v para algum vetor 2 (e )u v . Determine ( )T w se (0,2), (2,6) e (3,7)u v w . ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 31 25 – Determinar o operador linear 2 2:T cujos autovalores são 1 1 2 3 associados aos autoespaços 1 , ; V y y y e 3 0, ; V y y . 26 – Dado o operador linear 2 2:T definido por ( , ) ( 3 5 ,2 )T x y x y y , obter uma base de autovetores. 27 – Verificar se existe uma base de autovetores para as transformações lineares abaixo. a) 3 3:T tal que ( , , ) ( ,2 ,2 3 )T x y z x y z y z y z b) 3 3:T tal que ( , , ) ( , 2 ,2 2 )T x y z x x y x y z c) 3 3:T tal que ( , , ) ( , 2 3 , 4 3 )T x y z x x y z y z 28 – Seja 2 2:T tal que ( , ) (4 5 ,2 )T x y x y x y . Determinar uma base que diagonalize este operador. 29 – Verifique se 4 4:T tal que ( , , , ) ( , , , )T x y z t x y z t x y z y z t x y é diagonalizável. ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 32 GEOMETRIA DAS TRANSFORMAÇÕES LINEARES NO PLANO E NO ESPAÇO TRANSFORMAÇÕES LINEARES NO PLANO Entenderemos por transformações planas as transformações de 2 2 . Estudaremos algumas de especial importância e suas correspondentes interpretações geométricas. REFLEXÕES I – Reflexão em torno do eixo X . 2 2:T definida por ( , ) ( , )T x y x y A matriz canônica é dada por 1 0 0 1 T . II – Reflexão em torno do eixo Y . 2 2:T definida por ( , ) ( , )T x y x y 1 0 0 1 T . ( , )x y ( , )x y ( , )x y ( , )x y III – Reflexão em torno da origem. 2 2:T definida por ( , ) ( , )T x y x y 1 0 0 1 T . ( , )x y ( , )x y IV – Reflexão em torno da reta y x . 2 2:T definida por ( , ) ( , )T x y y x 0 1 1 0 T . V – Reflexão em torno da reta y x . 2 2:T definida por ( , ) ( , )T x y y x 0 1 1 0 T . ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 33 ( , )x y ( , )y x y x ( , )x y ( , )y x y x CONTRAÇÕES E DILATAÇÕES (HOMOTETIA) Contração (ou dilatação) na direção do vetor 2 2:T definida por ( , ) ( , ) ( , )T x y x y x y ou 0 0 T . Observe que 0 , T inverte o sentido do vetor; 1, T dilata o vetor; 1, T contrai o vetor; 1, T é a transformação identidade. ( , )x y ( , )x yl 1l ( , )x y ( , )x yl 1l I – Contração (ou dilatação) na direção do eixo X . 2 2:T definida por ( , ) ( , )T x y x y ou 0 0 1 T . II – Contração (ou dilatação) na direção do eixo Y . 2 2:T definida por ( , ) ( , )T x y x y ou 1 0 0 T . ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 34 CISALHAMENTO I – Cisalhamento de fator na direção do eixo X . 2 2:T definida por ( , ) ( , )T x y x y y 1 0 1 T . ( , )x y ( , )x y yl Observe na figura abaixo que o efeito cisalhamento é transformar o retângulo ABCD no paralelogramo A B C D de mesma base e altura que do retângulo. A B C D A B C D II – Cisalhamento de fator na direção do eixo Y . 2 2:T definida por ( , ) ( , )T x y x y x ou 1 0 1 T . ROTAÇÃO. A rotação do plano em torno da origem, que faz cada ponto descrever um ângulo , determina uma transformação linear 2 2:T cuja matriz canônica é cos sen sen cos T Geometricamente, 3 3: ( , ) , T T x y x y Vamos determinar a matriz transformação linear rotação de um ângulo e a expressão de T em função de x e y . Quando rotacionamos um vetorv , pela própria definição de rotação, o comprimento (módulo) do vetor não se altera. Seja r v , onde ( , )v x y . ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 35 a q r r v x y x y ( )T vq Da figura, temos que cos( ) cos cos sen sen sen( ) sen cos cos sen x r r r y r r r Como cos sen x r y r temos cos sen sen cos x x y y x y ( , ) cos sen , sen cosT x y x y x y Na forma matricial, cos sen sen cos x x y y cos sen sen cos T . TRANSFORMAÇÕES LINEARES NO ESPAÇO REFLEXÕES Em relação aos planos coordenados. Em relação ao plano xOy : 3 3:T , definida por ( , , ) ( , , )T x y z x y z Matriz canônica 1 0 0 0 1 0 0 0 1 T . Assim, de modo análogo temos as reflexões em relação aos planos xOz e yOz , respectivamente: ( , , ) ( , , )T x y z x y z e ( , , ) ( , , )T x y z x y z . Em relação aos eixos coordenados. ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 36 Em relação ao eixo Ox : 3 3:T , definida por ( , , ) ( , , )T x y z x y z Matriz canônica 1 0 0 0 1 0 0 0 1 T . De modo análogo ( , , ) ( , , )T x y z x y z e ( , , ) ( , , )T x y z x y z definem as reflexões em torno dos eixos Oy e Oz respectivamente. Em relação à origem. 3 3:T , definida por ( , , ) ( , , )T x y z x y z Matriz canônica dada por 1 0 0 0 1 0 0 0 1 T . ROTAÇÕES NO ESPAÇO Em torno do eixo Oz . 3 3:T , definida por ( , , ) cos sen , sen cos ,T x y z x y x y z Matriz canônica dada por cos sen 0 sen cos 0 0 0 1 T . Propriedades da rotação em torno de Oz : T não altera os pontos do eixo Oz ; T gira um ângulo em torno da origem (0,0,0) os pontos do plano 0z ; O ângulo corresponde ao ângulo central cujos lados interceptam na circunferência de centro O , um arco de medida . Esse ângulo não é o ângulo formado pelos vetores u e ( )T u . ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 37 1 0 0 0 cos sen 0 sen cos T cos 0 sen 0 1 0 sen 0 cos T cos sen 0 sen cos 0 0 0 1 T Exercícios Resolvidos 1 – Determinar a matriz da transformação linear 2 2:T que representa um cisalhamento de fator 2 na direção horizontal seguida de uma reflexão em relação aos eixo y . Solução. Matriz canônica do cisalhamento de fator 2 na direção horizontal: 1 1 2 0 1 T e a matriz canônica da reflexão em relação ao eixo y : 2 1 0 0 1 T . Então, a matriz canônica de T é dada por 2 1 1 0 1 2 1 2 0 1 0 1 0 1 T T T . 2 – Os pontos (2, 1), (6,1) e ( , )A B C x y são vértices de um triângulo eqüilátero. Calcular as coordenadas do vértice C utilizando uma matriz de rotação do plano. Solução. Temos (4,2)AB e ( 2, 1)AC x y . O vetor AC pode ser considerado a imagem do vetor AB pela rotação do plano de um ângulo de 60º em torno de A (no triângulo eqüilátero AB AC ) Então, temos o seguinte x y A B C 60º ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 38 2 cos60º sen60º 4 2 2 3 4 3 1 sen60º cos60º 2 1 2 3 1 2 3 x x x y y y . Logo, 4 3,2 3C . O Problema tem outra solução que seria obtida fazendo uma rotação de 60º do vetor AB em torno do vértice A . Exemplo 3 – Seja 2 2:T a transformação que é rotação de um ângulo rad 4 e 2 2:S a transformação que é uma reflexão em torno da reta 2y x . Determine a transformação R S T . Solução. R S T R S T 2 2 cos sen 4 4 2 2 2 2sen cos 4 4 2 2 T ( , ) (1, 2) 3 4 4 3 ( ) 2 ( , ) 2 (1, 2) ( , ) , (1, 2) (1, 2) 5 5 x y x y x y S v p v S x y x y 3 4 5 5 4 3 5 5 S Logo, 7 2 2 2 7 2 ( , ) , 10 10 10 10 R x y x y x y . Exemplo 4 – Considere a base canônica e os seguintes operadores lineares no 3 : rfl( , , ) ( , , )T x y z x y z reflexão em relação ao plano xy , rot 3 3 ( , , ) , , 2 2 x y x y T x y z z a rotação de 120° em torno do eixo z e a expansão linear exp( , , ) (3 ,3 ,3 )T x y z x y z . a) Determine a matriz da transformação exp rot rflT T T ; b) Seja ABC o triângulo de vértices (4,1,3)A , (0,1,3)B e (0,3,1)C . Calcule o perímetro e a área do triângulo exp rot rflT T T ABC . ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 39 EXERCÍCIOS DE APRENDIZAGEM – GEOMETRIA DAS TRANSFORMAÇÕES LINEARES 1 – Os pontos (4, 1)A e ( 2, 1)B são vértices consecutivos de um quadrado. Calcular os outros dois vértices fazendo uso da matriz rotação. 2 – Os pontos (4,1)A , ( 1, 1)B e ( , )C a b são vértices de um triângulo isósceles reto em A . Determinar as coordenadas de C fazendo uso da matriz rotação. 3 – Em um triângulo ABC , os ângulos em B e C medem 30º e 60º respectivamente. Sendo (3,4)A e (8,2)B determinar as coordenadas do vértice C . 4 – Determine em cada caso, uma matriz da transformação linear de 2 2 que representa a seqüência de transformações dadas. a) Reflexão em torno do eixo dos x , seguida de um cisalhamento de fator 3 na direção horizontal. b) Rotação de 45º no sentido horário, seguido de uma duplicação dos módulos e inversão de sentidos. c) Rotação de 90º, seguida de uma reflexão em relação ao eixo dos y . d) Rotação de um ângulo , seguida de uma reflexão em relação à origem. e) Reflexão em torno da reta y x , seguida de uma dilatação de fator 4 na direção Ox e finalmente um cisalhamento de fator 2 na direção vertical. 5 – Determinar o ângulo formado pelos vetores u e ( )T u quando o espaço gira em torno do eixo Oz de um ângulo , nos seguintes casos: a) 1 32 2 , , 2 2 2 u e 120º . b) 3 1 1 , , 3 3 3 u e 80º . c) 2 2 , ,1 2 2 u e 60º . 6 – A matriz 1 0 3 0 1 3 0 0 2 T transforma a o cubo da Figura 1 no sólido da Figura 2 (dizemos que a matriz T representa uma transformação de cisalhamento). Determine as coordenadas do ponto da Figura 1 cuja imagem (na figura 2) é (5,5,2)t . Justifique seu procedimento. ÁLGEBRA LINEAR: TRANSFORMAÇÕES LINEARES – ERON 40 7 – Determine a transformação T do plano no plano que é uma reflexão em torno da reta 6y x . Escreva em forma matricial. 8 – No plano, uma rotação anti-horária de 45º é seguida por uma dilatação de fator 3 . Determine a aplicação linear A que representa esta transformação no plano. 9 – Obter a lei da transformação linear 3 3:T : a) projeção de vetor v no plano 0x y z . b) reflexão através do plano 0x y z . c) composição de uma rotação de rad 2 em torno do eixo z com uma rotação de rad 3 em torno do eixo y .
Compartilhar