Baixe o app para aproveitar ainda mais
Prévia do material em texto
Prof. Sérgio Ricardo de Brito Gadelha � PAGE �14� TRANSFORMAÇÕES LINEARES I – Introdução: Definição: Função é uma relação que associa a cada elemento de um conjunto domínio, um único elemento de um conjunto contra-domínio. Exemplos: f (x) = |x| : No conjunto dos números inteiros Z, a função f associa cada inteiro x a um único módulo |x| . f (x) = 2x2 + 1 : A função f associa a cada real x um único valor 2x2 + 1. Notação e terminologia: A função f de domínio D e contra-domínio E denota-se f: D ( E Se a função f associa x a y, y chama-se imagem de x e x a pré-imagem de y. Denota-se f: x ( y ou, simplesmente, f (x) = y. O conjunto das imagens chama-se Conjunto Imagem. Denota-se Im(f). Função vetorial: domínio e contra-domínio são espaços vetoriais. Exemplo: A função f (x, y) = (2x, x – y, x + 2y) associa elementos de R2 aos de R3. Dessa forma, as funções ou aplicações onde o domínio e o contradomínio são espaços vetoriais são chamados de funções vetoriais ou transformações vetoriais. Assim, T: V ( W representará uma transformação do espaço vetorial V no espaço vetorial W. Como T é uma função, cada ( V tem um só vetor imagem ( W, tal que T . Definição: Sejam V e W espaços vetoriais. Uma aplicação T : V(W é chamada linear de V em W se: a) T(u + v) = T(u) + T(v) b) T((u) = (T(u) para ( u, v ( V, u e v são vetores (elementos de um espaço vetorial); e ( ( ( R, ( um escalar qualquer A transformação linear T é uma função vetorial tal que, para todo u, v e (, observa-se as duas condições citadas anteriormente. T é chamado de operador linear quando V e W tem a mesma dimensão. Obs:. Usaremos T.L. para nos referimos a uma transformações linear e, não colocaremos a “seta” em e . Interpretação geométrica: Uma transformação linear T transforma uma matriz diagonal em uma matriz diagonal. Além disso, uma transformação linear T mantém a proporcionalidade. u, v: vetores (elementos de um espaço vetorial); Como vetores, u e v podem ter coordenadas; T(u) e T(v) também são vetores e também têm coordenadas; Domínio e contra-domínio são implicitamente dados na definição da imagem genérica Exemplo: F(x,y) = (x + 1, x + y) é uma transformação linear? ( Não: Seja x = (0,1) e y = (1,0): x + y = (0,1) + (1,0) = (1,1). Se F fosse uma transformação linear, teríamos de ter F(0,1) + F(1,0) = F(1,1). Mas F(0,1) = (1,1) , F(1,0) = (2, 1) e F(1,1) = (2,2) ( F(0,1) + F(1,0) = (3,2) ( (2,2) = F(1,1) Exemplo: Seja a transformação T: (2 ( (2 definida por T (x, y) = (x + y, y). Fazendo = (1, 2) e = (3, 1), teremos: T = (3, 2); T =(4,1) e T T (4, 3) = (7, 3) Exemplo: a) T: R( R b) T: R3( R T(x) = (x + 2) T(x,y,z) = (x + y + z) Exemplo.: A transformação identidade I: V ( V tal que I é linear, pois: A transformação nula T: V ( W, f (v) = 0 é linear, pois 3 ) Seja a transformação T: (2 ( (2 : T (x, y) = (x, 2y). Sejam = (x1, y1) e = (x2, y2). Se = (1, 2) e = (4, 1), teremos: T = (1, 4), T = (4, 2) e T = T (5, 3) = (5, 6) = T + T T = T (2, 4) = (2, 8) = 2.(1, 4) = 2.T Observação: Para reconhecer uma transformação linear, basta ver se cada coordenada da imagem gerada é uma expressão linear (combinação linear das variáveis livres). Para provar que uma transformação é linear, é necessário verificar as condições genericamente (não se pode provar substituindo números nas expressões). Já para provar que uma transformação não é linear, basta apresentar um contra-exemplo (um exemplo numérico para o qual não vale uma ou as duas propriedades). Propriedades: 1ª) Se T : V ( W é uma T.L. então T , ou seja, a imagem do vetor ( V é o vetor ( W. Esta propriedade decorre da condição ( ii ) da definição para ( = 0. Ou seja: ( ii ) 2ª) Se T: V (W é uma T.L. e B = é uma base de V, teremos: T.(a1 +... + an ) = a1. T( )+... +an.T.( ) , para ( a1,..., an ( (. Esta propriedade decorre da definição de T.L., ou seja: T.(a1 + a2 +... +an ) = T(a1 )+ T.(a2 ) +... +T.(an ) = a1.T( ) + a2T( )+... + an.T.( ). Como B = { } é uma base para V, o conjunto{ T( ),...,T( ) } é uma base para a imagem da transformação. Exemplo: Seja a T.L. T: (2 ( (3 tal que T.(1, 1) = (2, -1, 1) e T(0, 1) = (0, 0, 1). Determinar a Lei de Transformação (x, y). B = { (1, 1), (0, 1) } é base do (2 pois a1(1, 1) +a2(0, 1) = (0, 0) ( a1 = a2 = 0, ou seja, = (1, 1) e = (0, 1) são L.I. Logo, todo vetor v ( (2 pode ser escrito como combinação linear de e . (x, y) = a1.(1, 1) +a2.(0, 1) ( Assim: (x, y) = x.(1, 1) +(y – x).(0, 1) e, T.(x, y) = x.T.(1, 1) + (y – x).T.(0, 1) = x.(2, -1, 1) + (y – x). (0, 0, 1) T.(x, y) = (2x, -x, y) II - Núcleo e Imagem de uma Transformação. Núcleo : Seja a transformação linear T: V(W, núcleo é o conjunto de todos os vetores v ( V que são transformados em 0 ( W: N(T) ou Ker (T) = {v ( V/ T(v) = 0} OBS. O núcleo de uma transformação T: V(W é um subespaço de V. O núcleo, ou Kernel, de T é o subconjunto de V definido por: Ker (T) = N (T) = { ( V ; T ( ) = } Imagem: Chama-se imagem de uma transformação T: V(W ao conjunto de vetores w ( W que são imagens de pelo menos um vetor v ( V. Im(T) = {w ( W / T(v) = w para algum v ( V}. A imagem de T é o subconjunto de W definido por Im (T) = { ( W; T( ) = , para algum ( V } Exemplo: 1. Dada a transformação T indique N(T) e Im(T). T:R2(R2 (x, y) ( (x + y, x - y) Exemplo: Seja a transformação linear T: (2 ( (2 definida por T(x, y) = (x +2y, 2x +4y). Determine o núcleo e a imagem da T.L. Núcleo: Devemos ter T.( ) = . Logo, (x +2y, 2x +4y) = (0, 0) ( N (T) = { (-2y, y); y ( ( }; dim N (T) = 1 e, uma base para o núcleo pode ser B = { (-2, 1) }. Imagem: T ( )= . Seja = (a, b), temos: (x +2y, 2x +4y) = (a, b) x + 2y = a (-2) x +2y = a 2x +4y = b 0 + 0 = -2a +b ( b = 2a Logo, Im (T) = { (a, 2a); a ( ( } = {a.(1, 2); a (( } dim Im (T) = 1 e uma base { (1, 2) }. Exemplo: Seja T: (3 ( (3; T (x, y, z) = (x + 2y –z, y + 2z, x +3y +z). Determinar o núcleo de T, a dimensão do núcleo e uma de suas bases; Determinar a imagem de T, a dimensão e uma de suas bases. a) N (T) = ? T ( ) = x +2y –z = 0 (-1) x + 2y –z = 0 y +2z = 0 y + 2z = 0 (-1) x +3y +z = 0 0 + y + 2z = 0 y = -2z ( x – 4z – z = 0 ( x = 5z N (T) = { (5z, -2z, z) ; z ( ( } = { z (5, -2, 1); z ( ( } Dim N = 1 ; Base = { (5, -2, 1) } b) Im (T) = ? (a, b, c) ( Im (T) se existe (x, y, z) ( (3 tal que: (x +2y –z, y +2z, x +3y +z) = (a, b, c) ou x + 2y –z = a (-1) x + 2y –z = a x + 2y –z = a y + 2z = b y + 2z = b (-1) y + 2z = b x + 3y + z = c y + 2z = -a + c 0 = -b –a + c ou c = a + b Im (T) = { (a, b, a +b) : a, b ( ( } = { (a, 0, a) + (0, b, b) ; a, b ( ( } = { a (1, 0, 1) + b (0, 1, 1) ; a, b (( }. Fazenso a = b = 1, temos Base = { (1, 0, 1), (0, 1, 1) } e dim Im (T) =2. Exemplo:Seja T : (3 ( (3 uma T.L. e B + { = (0, 1, 0), =(1, 0, 1), = (1, 1, 0) } uma base do (3. Sabendo que T ( ) = (1, -2), T ( ) = (3, 1) e T ( ) = ( 0, 2), determinar: A lei T. (x, y, z) O Ker T A Im T Como B é uma base de (3, temos: (x, y, z) = a.(0, 1, 0) + b.(1, 0, 1) + c. (1, 1, 0) b + c = x a + c = y Temos: b = z; c = x – z e a = -x + y +z b = z Então: (x, y, z) = (-x + y + z).(0, 1, 0) + z (1, 0, 1) + (x – z ). (1, 1, 0) Aplicando T, temos: T (x, y, z) = ( -x + y + z) T (0, 1, 0) + z T (1, 0, 1) + (x – z) T (1, 1, 0) = (-x + y + z) (1, -2) + z (3, 1) + (x – z) (0, 2) = (-x + y + z, 2x – 2y – 2z) + (3z, z) + (0, 2x – 2z) = (-x + y + 4z, 4x – 2y –3z ) Núcleo: T (v) = (-x + y + 4z, 4x – 2y – 3z) = (0, 0) -x + y + 4z = 0 (2) -x + y + 4z = 0 4x – 2y – 3z = 0 2x + 0 + 5z = 0 ( x = + y + 4z = 0 ( 5z + 2y + 8z = 0 ( N (T) = { z ( ( } = { z ; z ( ( } Base = { ( } Imagem: T ( ) = (-x + y + 4z, 4x – 2y – 3z ) = (a, b) -x + y + 4z = a 4x – 2y – 3z = b III - Operadores inversíveis Quando o operador linear T admite a inversa T-1, diz-se que T é inversível. Exemplos . 1. Seja o operador linear em R2 definido por: T(x,y) = (4x - 3y, -2x + 2y) a) mostrar que T é inversível; b) Encontrar uma regra para T-1 como a que define T. 2. Seja o operador linear T: R2( R2, T(x,y) = (x, -y) a) Demonstrar se T é inversível; b) Determinar o operador inversível; c) Fazer a verificação com os vetores v1 = (3, 2) e v2 = (5, -1). III - Matriz de uma transformação linear 1. Uma matriz A(m x n) determina uma transformação linear TA :Rn (Rm, onde TA(v) = Av. Seja a matriz: �. Essa matriz determina a transformação TA :R2 (R3 onde, v ( Av ou TA (v) = Av que é linear. Efetuando Av, onde v = (x,y) ( R2 é um vetor coluna 2 x 1. e portanto, TA é definida por: TA (x,y) = (x + 2y, -2x+3y,4y) 2. É válido para seu inverso, isto é, um a transformação linear TA :Rn (Rm sempre pode ser representada por uma matriz m x n. 3. Para que possamos dar uma interpretação geométrica do significado de uma transformação linear, consideremos uma transformação linear no plano. Seja o operador linear T :R2 (R2 definido por: T(x,y) = (-3x + y, 2x + 3y) e os vetores u = (-1,1) e v = (0,1) e suas transformações T(u) = (4,1) e T(v) = (1,3) u+v é diagonal do paralelogramo determinada por u e v, sua imagem T(u + v) representa a diagonal do paralelogramo determinado por T(u) e T(v), isto é, T(u + v) = T(u) + T(v). T preserva a adição de vetores. Propriedade: Uma transformação linear T:V ( W fica completamente definida quando se conhece uma base de V e as imagens dos vetores que formam essa base de V. Demonstração:. Seja ( = {v1, v2} uma base qualquer do R2. Todo o vetor v = (x, y) ( base canônica de V pode ser expresso como uma combinação linear dos vetores desta base ((), ou seja, V = (x, y) = a(v1) + b(v2), onde “a” e “b” são as coordenadas de v na base ( Aplicando-se a T. L. sobre v, segue que: T(v) = T(av1) + T(bv2) T(x, y) = aT(v1) + bT(v2) T(x, y) = aw1 + bw2 Ex. Determine a T. L. tal que T(1, -1) = (3, 2, -2) e T(-1,2) = (1, -1, 3) IV – Transformações Lineares do R2 para o R2 a) Reflexão: *Em torno do eixo y *Em torno do eixo x T:R2 (R2 T:R2 (R2 u ( T(u) u ( T(u) (x,y) ( (-x, y) (x,y) ( (x, -y) � � * Em torno da origem: *Em torno da reta y = x T:R2 (R2 T:R2 (R2 u ( T(u) u ( T(u) (x,y) ( (-x, -y) (x,y) ( (y, x) � � *Em torno da reta y = -x T:R2 (R2 u ( T(u) (x,y) ( (-y, -x) � b) Dilatações e contrações. T:R2 (R2 u ( T (u) = ( u (x,y) ( ((x, y) ( ( R � obs. Se ((( > 1, T dilata o vetor; Se ((( < 1, T contrai o vetor; Se ( = 1, T é a identidade; Se ( < 0, T troca o sentido do vetor; Se ( = 0, T é uma projeção ortogonal sobre o eixo. *Na direção do eixo x *Na direção do eixo y T:R2 (R2 T:R2 (R2 ( > 0 (x,y) ( ((x, y) ( > 0 (x,y) ( (x, (y) � � c) Cisalhamentos *Na direção do eixo x (horizontal) *Na direção do eixo y (vertical) T:R2 (R2 T:R2 (R2 (x,y) ( (x + (y, y) ( > 0 (x,y) ( (x, (x + y) � � d) Rotação (sentido anti-horário): A rotação do plano em torno da origem que faz cada ponto descrever um ângulo (, determina uma transformação linear T(: R2 (R2, cuja matriz canônica é: T:R2 (R2 T((x,y) = (x cos( - y sen( , x sen( + y cos() [T(]: � matriz de rotação de um ângulo (, onde 0 ( ( ( 2( V - Matriz de uma transformação linear em base não canônica Se conhecemos uma base A = {v1, v2, ...,vn} de um espaço vetorial V de dimensão n, podemos escrever qualquer vetor v ( V como combinação linear desta base, assim: v = x1v1 + x2v2+ . . . + xnvn onde os escalares x1, x2,, . . . ,xn serão as coordenadas de v na base , ou seja:. vA = Definição: Sejam T: V ( W uma transformação linear, A uma base de V e B uma base de W. Consideremos T: R2 ( R3, então A = {v1, v2} e B = {w1, w2, w3} bases de V e W. Um vetor v ( V, pode ser expresso como: v = x1v1 + x2v2 ou vA = (x1, x2) onde x1, x2 são as coordenadas de v na base A A imagem de v, T(v) será: T(v) = y1w1 + y2w2 + y3w3 (1) ou T(v)B = (y1, y2, y3) Por outro lado: T(v) = T(x1v1 + x2v2), que podemos escrever na forma: T(v) = x1T(v1) + x2T(v2) (2) Sendo T(v1) e T(v2) vetores de W, eles são combinação linear de B: T(v1) = a11w1 + a21w2 + a31w3 (3) T(v2) = a12w1 + a22w2 + a32w3 (4) Substituindo estes vetores em (2) vem: T(v) = x1(a11w1 + a21w2 + a31w3) + x2(a12w1 + a22w2 + a32w3) ou T(v) = (a11x1 + a12x2)w1 + (a21x1 + a22x2)w2 + (a31x1 + a32x2)w3 Comparando esta igualdade com (1) conclui-se que: y1= a11x1 + a12x2 y2 = a21x1 + a22x2 y3 =a31x1 + a32x2 ou na forma matricial: ou simbolicamente: [T(v)]B = [v]A sendo denominada matriz de T em relação as bases A e B Observação: As colunas da matriz são as componentes das imagens dos vetores da base A em relação a base B, conforme (3) e (4). Ou seja [ [T(v1)B] [T(v2)B] ] VII – Matriz mudança de base Queremos determinar a matriz , e para tanto tomamos o seguinte; Sendo A e B bases quaisquer do R2 e C={(1, 0), (0, 1) a base canônica do R2, vem que: = [v1 v2] = A e = [w1 w2] = B Compondo as transformações, temos: = = �� EMBED Equation.3 = �� EMBED Equation.3 = B-1A Tambémpodemos determinar a matriz mudança de base ou mudança de coordenadas, obtendo os vetores na base nova, que formarão as colunas de I, ou seja: = [(v1)B (v2)B (v3)B] Exemplo Sejam as bases A = {v1, v2} onde v1 = (2, -1); v2 = (-1, 1)} e B = {w1, w2} onde w1 = (1,0), w2 = (2, 1)} bases do R2. Determinar a matriz de mudança de base de A para B. Calcular [v]B, sendo v=(4,3) Aplicações da matriz de rotação. T( = Transformando a base canônica do R2, temos: T(1, 0) = (cos( , sen() T(0, 1) = (-sen( , cos( ) Portanto a base P = { (cos( , sen(), (-sen( , cos( )} é obtida da base canônica C = {(1,0), (0,1)} pela rotação de um ângulo (. Assim a base C determina o sistema de coordenadas retangulares x0y, a base P determina também um sistema de coordenadas retangulares x´0y´ que provém do sistema x0y por meio da rotação de um ângulo (. Consequentemente, cada ponto R ou cada vetor v do plano possui coordenadas (x, y) em relação ao sistema x0y e (x´, y´) em relação ao sistema x´0y´. Então, a matriz de rotação é uma matriz de mudança de base de P para C, isto é , Observação: Toda a matriz A que representa uma rotação tem detA = 1 Por exemplo, para uma rotação de 45º no sistema x0y, o vetor v = (4, 2) na base canônica será [v]P= (x´, y´) = (3 ) na base P. Bibliografia Recomendada 1. Simon, Carl & Blume, L. Matemática para Economistas. Tradução: Claus Ivo Doering. Porto Alegre: Bookman, 2004. 2. braga, Márcio Bobik; KANNEBLEY JÚNIOR, Sérgio; ORELLANO, Verônica I.F. Matemática para economistas. São Paulo: Atlas, 2003. 3. Boldrini, José Luiz. Álgebra linear: 591 problemas resolvidos. 442 problemas suplementares. Ed. Harbra, 2004. LIPSCHUTS, Algebra linear. Ed. PEARSON EDUCATION DO BRASIL LTDA, 2004 6. DAVID, C. Lay. Álgebra Linear e suas Aplicações. Editora: LTC, Rio de Janeiro, 1999. 7. KOLMAN, Bernard. Introdução a Álgebra Linear com Aplicações. Ed. Prentice-Hall do Brasil, 2000. 8.ANTON, Howard. Elementary Linear Algebra. 3a ed. John Wiley & Sons, 1981. Recomendo que vocês exercitem seus conhecimentos na lista de exercícios referente ao “Ponto 49”. Um forte abraço e até o nosso próximo encontro. Serginho. y x 0 3 2 1 4 3 2 1 y x 0 1 2 3 3 4 7 T T � EMBED Equation.3 ��� V W N ( T) Im T � EMBED Equation.3 ��� T V W _1062426072.unknown _1062500956.unknown _1062505754.unknown _1062509257.unknown _1062511043.unknown _1063627136.unknown _1063628670.unknown _1063628751.unknown _1063628837.unknown _1063630731.unknown _1063630876.unknown _1063629467.unknown _1063628786.unknown _1063628448.unknown _1063628505.unknown _1063628652.unknown _1063628331.unknown _1062511295.unknown _1063625774.unknown _1063625818.unknown _1063625538.unknown _1062511230.unknown _1062511283.unknown _1062511126.unknown _1062510648.unknown _1062510949.unknown _1062511007.unknown _1062510934.unknown _1062509348.unknown _1062509387.unknown _1062509302.unknown _1062507027.unknown _1062509213.unknown _1062509235.unknown _1062507040.unknown _1062506218.unknown _1062506230.unknown _1062506206.unknown _1062502375.unknown _1062502503.unknown _1062505285.unknown _1062505296.unknown _1062502529.unknown _1062502988.unknown _1062502468.unknown _1062502491.unknown _1062502409.unknown _1062501462.unknown _1062501544.unknown _1062502343.unknown _1062501474.unknown _1062501369.unknown _1062501387.unknown _1062501280.unknown _1062500614.unknown _1062500767.unknown _1062500847.unknown _1062500907.unknown _1062500796.unknown _1062500675.unknown _1062500723.unknown _1062500743.unknown _1062500636.unknown _1062426547.unknown _1062500568.unknown _1062500592.unknown _1062500547.unknown _1062426334.unknown _1062426363.unknown _1062426291.unknown _1062423855.unknown _1062424544.unknown _1062425507.unknown _1062425587.unknown _1062426024.unknown _1062425549.unknown _1062424613.unknown _1062424672.unknown _1062424562.unknown _1062424408.unknown _1062424464.unknown _1062424492.unknown _1062424437.unknown _1062424138.unknown _1062424390.unknown _1062423907.unknown _1062422154.unknown _1062422880.unknown _1062423097.unknown _1062423832.unknown _1062423534.unknown _1062423038.unknown _1062422216.unknown _1062422810.unknown _1062422163.unknown _984224850.unknown _1062419038.unknown _1062419096.unknown _1062419126.unknown _1062419178.unknown _1062419057.unknown _1062418874.unknown _1062418910.unknown _1062418842.unknown _921301826.unknown _921302143.unknown _921302473.unknown _921302668.unknown _921303052.unknown _921302667.unknown _921302471.unknown _921301965.unknown _921301518.unknown _921301521.unknown _921301516.unknown _921301514.unknown
Compartilhar