Baixe o app para aproveitar ainda mais
Prévia do material em texto
6 150 Livro: Introdução à Álgebra Linear Autores: Abramo Hefez Cecília de Souza Fernandez Capítulo 6: Transformações Lineares e Matrizes Sumário 1 Matriz de uma Transformação Linear . . . . . . . 151 2 Operações com Transformações Lineares e Ma- trizes . . . . . . . . . . . . . . . . . . . . . . . . . . . 158 3 Operadores Lineares em R2 e em R3 . . . . . . . . 163 4 Mudança de Base e Matrizes Semelhantes . . . . 171 1. MATRIZ DE UMA TRANSFORMAÇÃO LINEAR 151 Neste capítulo, mostramos como associar matrizes a transformações line- ares, reduzindo as operações com transformações lineares a operações com matrizes, o que permite ganhar computabilidade. 1 Matriz de uma Transformação Linear Nesta seção, veremos que se V e W são espaços vetoriais de dimensão finita, com bases fixadas, então uma transformação linear T : V → W pode ser representada por uma matriz. A vantagem de uma tal representação é que muitos problemas associados às transformações lineares entre espaços de dimensão finita podem ser resolvidos com a teoria das matrizes, como veremos na próxima seção e nos capítulos a seguir. Seja T : V→W uma transformação linear, em que dimV=n e dimW=m. Sejam α = {v1, v2, . . . , vn} e β = {w1, w2, . . . , wm} bases de V e W , respec- tivamente. Como β é uma base de W , podemos determinar de modo único números reais aij, com 1 ≤ i ≤ n, 1 ≤ j ≤ m, tais que T (vi) = a1iw1 + · · ·+ ajiwj + · · ·+ amiwm. (1) Tomemos agora v em V . Temos que v = k1v1 + · · · + knvn, em que ki ∈ R para 1 ≤ i ≤ n. Pela linearidade de T e por (1), segue que T (v) = k1T (v1) + · · ·+ knT (vn) = k1(a11w1 + · · ·+ am1wm) + · · ·+ kn(a1nw1 + · · ·+ amnwm) = (a11k1 + · · ·+ a1nkn)w1 + · · ·+ (am1k1 + · · ·+ amnkn)wm. Logo, [T (v)]β = a11k1 + · · ·+ a1nkn.. . am1k1 + · · ·+ amnkn = a11 · · · a1n.. . . . . am1 · · · amn k1.. . kn = [T ]αβ · [v]α, (2) 152 CAPÍTULO 6. TRANSFORMAÇÕES LINEARES E MATRIZES onde definimos [T ]αβ = a11 · · · a1n.. . . . . am1 · · · amn . A matriz [T ]αβ , que representa T em relação às bases α e β, é chamada a matriz de T nas bases α e β. Por (2), temos a expressão [T (v)]β = [T ] α β · [v]α para todo v em V . (3) Observemos que [T ]αβ é uma matriz de ordem m × n tal que, para cada 1 ≤ i ≤ n, a i-ésima coluna de [T ]αβ é dada pelas coordenadas de T (vi) na base β. Exemplo 1. Sejam α = {(1, 1), (0, 2)} e β = {(1, 0, 1), (0, 1, 0), (1, 2, 0)}, bases de R2 e R3, respectivamente. Calculemos [T ]αβ , onde T : R2 → R3 é dada por T (x, y) = (2x, x− y, 2y). Como T é uma transformação linear de R2 em R3, [T ]αβ é uma matriz 3× 2, digamos [T ]αβ = a11 a12a21 a22 a31 a32 . Pelo que vimos, a11, a21 e a31 são as coordenadas de T (1, 1) na base β e a12, a22 e a32 são as coordenadas de T (0, 2) na base β. Ou seja, T (1, 1) = (2, 0, 2) = a11(1, 0, 1) + a21(0, 1, 0) + a31(1, 2, 0) e T (0, 2) = (0,−2, 4) = a12(1, 0, 1) + a22(0, 1, 0) + a32(1, 2, 0). Equivalentemente, a11 + a31 = 2 a21 + 2a31 = 0 a11 = 2 e a12 + a32 = 0 a22 + 2a32 = −2 a12 = 4 . 1. MATRIZ DE UMA TRANSFORMAÇÃO LINEAR 153 Resolvendo os sistemas lineares acima, obtemos a11 = 2, a21 = 0, a31 = 0, a12 = 4, a22 = 6 e a32 = −4. Portanto, [T ]αβ = 2 40 6 0 −4 . No exemplo anterior, determinamos [T ]αβ a partir da transformação linear T . No próximo exemplo, vamos considerar o problema inverso: dada a matriz [T ]αβ , determinar T a partir desta matriz. Exemplo 2. Sejam α e β as bases dadas no Exemplo 1. Determine a transformação linear T : R2 → R3 tal que [T ]αβ = 1 01 2 0 1 . Para determinar T usaremos a expressão (3). Assim, computemos inici- almente [v]α. Ora, se (x, y) ∈ R2, então (x, y) = x(1, 1) + ( y − x 2 ) (0, 2), o que nos dá [(x, y)]α = xy − x 2 . Portanto, [T (x, y)]β = 1 01 2 0 1 xy − x 2 = x y y − x 2 e, consequentemente, 154 CAPÍTULO 6. TRANSFORMAÇÕES LINEARES E MATRIZES T (x, y) = x(1, 0, 1) + y(0, 1, 0) + ( y − x 2 ) (1, 2, 0) = ( y + x 2 , 2y − x, x ) . O Exemplo 2 pode ser resolvido por um outro método. De fato, sabemos que, na base β, a primeira coluna de [T ]αβ nos dá as coordenadas de T (1, 1) e a segunda coluna nos dá as coordenadas de T (0, 2). Assim, T (1, 1) = 1(1, 0, 1) + 1(0, 1, 0) + 0 · (1, 2, 0) = (1, 1, 1) e T (0, 2) = 0 · (1, 0, 1) + 2(0, 1, 0) + 1(1, 2, 0) = (1, 4, 0). Para (x, y) ∈ R2 arbitrário, temos (x, y) = x(1, 1) + ( y − x 2 ) (0, 2). Agora, pela linearidade de T , segue que T (x, y) = x(1, 1, 1) + ( y − x 2 ) (1, 4, 0) = ( y + x 2 , 2y − x, x ) , como encontrado anteriormente. Quando a transformação linear for de um espaço vetorial V nele mesmo, ela será chamada de operador em V . Exemplo 3. Consideremos o operador identidade em um espaço vetorial V ; isto é, o operador definido por IV (v) = v para todo v ∈ V . Tem-se que [IV ] α α é a matriz identidade de ordem n. De fato, para cada 1 ≤ j ≤ n, a j-ésima coluna de [IV ]αα é dada pelas coordenadas de IV (vj) na base α. Mas, para cada 1 ≤ j ≤ n, IV (vj) = vj = 0v1 + · · ·+ 0vj−1 + 1vj + 0vj+1 + · · ·+ 0vn, 1. MATRIZ DE UMA TRANSFORMAÇÃO LINEAR 155 o que implica que [IV ] α α é a matriz identidade de ordem n: [IV ] α α = 1 · · · 0 · · · 0 0 0 0 . . . . . . . . . 0 · · · 1 · · · 0 . . . . . . . . . 0 · · · 0 · · · 1 . ↑ ↑ ↑ coordenadas coordenadas coordenadas de IV (v1) de IV (vj) de IV (vn) na base α na base α na base α Seja T : V → W uma transformação linear entre espaços vetoriais de dimensão finita. Vimos que, uma vez fixadas bases α e β de V e W , res- pectivamente, existe uma única matriz [T ]αβ que representa T nessas bases. Uma pergunta natural é o que ocorre com a matriz [T ]αβ se diferentes bases são escolhidas. Consideremos a transformação linear dada no Exemplo 1. Se α e β são as bases canônicas de R2 e R3, respectivamente, então [T ]αβ = 2 01 −1 0 2 . Assim, podemos ter matrizes diferentes representando uma mesma trans- formação linear. Isto deixa bastante claro que, embora uma transformação linear T : V → W não dependa de bases particulares escolhidas para V e W , a matriz associada depende dessas bases. Terminamos esta seção observando que escolhidas bases quaisquer α e β de Rn e Rm, respectivamente, uma matriz A ∈ M(m,n) define uma trans- formação linear T : Rn → Rm como segue: [T (v)]β = A · [v]α, v ∈ Rn. 156 CAPÍTULO 6. TRANSFORMAÇÕES LINEARES E MATRIZES Mais ainda, tem-se que [T ]αβ = A (veja Problema 1.2). Em particular, se α e β são as bases canônicas de Rn e Rm, respectiva- mente, então a transformação linear T é chamada transformação multiplica- ção por A, sendo representada por TA. Exemplo 4. Seja A = [aij] uma matriz de ordem m× n. Temos que TA(x1, . . . , xn) = a11 a12 . . . a1n a21 a22 . . . a2n . . . . . . . . . am1 am2 . . . amn x1 x2 . . . xn = a11x1 + a12x2 + · · ·+ a1nxn a21x1 + a22x2 + · · ·+ a2nxn . . . am1x1 + am2x2 + · · ·+ amnxn = x1w1 + x2w2 + · · ·+ xnwn, onde w1, . . . , wn são os vetores colunas da matriz A. Assim, temos que ImTA é o subespaço de Rm gerado pelas colunas da matriz A, chamado espaço coluna de A e denotado por C(A). Por outro lado, o núcleo KerTA de TA é o conjunto solução Sh(A) do sistema linear homogêneo AX = 0. Problemas 1.1 Dadas duas transformações lineares T, T ′ : V → W e bases α e β de V e W , respectivamente, mostre que se [T ]αβ = [T ′]αβ , então T = T′ . 1.2* Sejam dados dois espaços vetoriais V e W de dimensões n e m, respec- tivamente. Seja α uma base de V e β uma base de W . Dada uma matriz A ∈M(m,n), considere a função T : V → W definida por [T (v)]β = A[v]α, v ∈ V. 1. MATRIZ DE UMA TRANSFORMAÇÃO LINEAR 157 Mostre que: (a) T é uma transformação linear; (b) [T ]αβ = A. 1.3 Sejam A e B matrizes emM(m,n) e β uma base de um espaço vetorial V . Mostre que se A[v]β = B[v]β para todo v ∈ V , então A = B. 1.4* Sejam T : Rn → Rm uma transformação linear e α e β bases de Rn e de Rm, respectivamente. Se r é o posto da matriz [T ]αβ , mostre que dim ImT = r e dimKerT = n− r. 1.5 Dadas as bases α = {(1, 1, 1), (0, 1, 0), (0, 1, 1)} de R3 e β = {(1, 2), (0, 1)} de R2, ache a transformação linear T : R3 → R2 tal que [T ]αβ = [ 1 0 2 −1 −1 1 ] . 1.6 Dado o operador linear T : R3 → R3, T (x, y, z) = (x−y, y−x, x−z), en- contre [T ]αβ , onde α é a base canônica de R3 e β = {(1, 0, 1), (0, 1, 1), (1, 1, 0)}. 1.7 Seja T : R3 → R3 a multiplicação pela matriz 1 3 43 4 7 −2 2 0 . (a) Mostre que KerT é uma reta que passa pela origem e encontre as equações paramétricas desta reta. (b) Mostre que ImT é um plano que passa pela origem e encontre a equação cartesiana deste plano. 1.8 Dado o operador linear T (x, y, z) = (x− 2y+ z,−x+4y− 2z, x) em R3, com base α = {(1, 0,−1), (0, 1, 2), (1, 2, 0)}, encontre uma base β de R3 tal 158 CAPÍTULO 6. TRANSFORMAÇÕES LINEARES E MATRIZES que [T ]αβ = 1 0 00 0 0 0 0 1 . 1.9 Seja T : R[x]2 → R[x]2 a transformação linear T (p(x)) = p(2x + 1) (veja Exemplo 6, Seção 1, Capítulo 5). Encontre [T ]ββ em relação à base β = {1, x, x2}. 1.10 Suponha que V e W tenham dimensão finita. Mostre a matriz, em quaisquer bases de V e de W , da transformação nula 0: V → W é a matriz nula. 1.11 Seja α = {v1, v2, v3, v4} uma base de um espaço vetorial V . Encontre a matriz [T ]αα da transformação linear T : V → V definida por T (v1) = v2, T (v2) = v3, T (v3) = v4 e T (v4) = v1. 1.12 Seja T : R2 →M(2, 2) a transformação linear definida por [T ]αβ = 1 −2 −1 0 2 1 1 −1 , onde α e β são as bases canônicas de R2 eM(2, 2), respectivamente. (a) Determine os vetores v ∈ R2 tais que T (v) = I2; (b) Determine T (3,−1). 2 Operações com Transformações Lineares e Ma- trizes Sejam T e T ′ transformações lineares de V emW . Sejam α = {v1, . . . , vn} e β = {w1, . . . , wm} bases de V em W , respectivamente. Estamos interessa- dos em verificar se existe alguma relação entre as matrizes [T + T ′]αβ , [T ] α β e 2. OPERAÇÕES COMTRANSFORMAÇÕES LINEARES EMATRIZES159 [T ′]αβ . Notemos que se 1 ≤ j ≤ n, então [(T + T ′)(vj)]β = [T (vj) + T ′(vj)]β = [T (vj)]β + [T ′(vj)]β, mostrando que a j-ésima coluna de [T + T ′]αβ é a soma da j-ésima coluna de [T ]αβ com a j-ésima coluna de [T ] α β . Demonstramos assim o seguinte resultado: Proposição 6.2.1. Sejam T e T ′ transformações lineares de V em W , onde V e W são espaços vetoriais de dimensão finita. Se α e β são bases de V e W , respectivamente, então [T + T ′]αβ = [T ] α β + [T ′]αβ . Deixamos como exercício para o leitor (veja Problema 2.3) demonstrar a próxima proposição, que é um resultado análogo ao anterior para a multipli- cação por escalar de transformações lineares. Proposição 6.2.2. Seja T : V → W uma transformação linear, onde V e W são espaços vetoriais de dimensão finita. Se α e β são bases de V e W , respectivamente, então [kT ]αβ = k[T ] α β , onde k é um número real arbitrário. Decorre, das duas proposições acima, que [T+kT ′]αβ = [T ] α β+k[T ′]αβ , o que mostra, em virtude dos Problemas 1.1 e 1.2, da Seção 1, que dados espaços vetoriais V e W , de dimensões respectivamente, n e m, e fixadas bases α de V e β de W , a aplicação L(V,W ) → M(m,n) T 7→ [T ]αβ é um isomorfismo de espaços vetoriais. Portanto, temos que dimL(V,W ) = dimM(m,n) = nm. No próximo resultado veremos que a composta de duas transformações lineares pode ser representada por um produto de matrizes. Esta é uma das principais razões da importância do estudo de matrizes. 160 CAPÍTULO 6. TRANSFORMAÇÕES LINEARES E MATRIZES Proposição 6.2.3. Sejam T : V → W e S : W → U transformações lineares, em que V,W e U são espaços vetoriais de dimensão finita. Se α, β e γ são bases de V,W e U , respectivamente, então [S ◦ T ]αγ = [S]βγ · [T ]αβ . (1) Demonstração Consideremos α = {v1, . . . , vn}. Denotemos por Cj(M) a j-ésima coluna de uma matriz M arbitrária. Se A e B são matrizes para as quais a matriz AB está definida, segue da definição de produto que Cj(AB) = A · Cj(B). (2) Para demonstrar (1) basta provar que, para cada j, com 1 ≤ j ≤ n, tem-se que Cj([S ◦ T ]αγ ) = Cj([S]βγ · [T ]αβ). Ora, fixe um índice j. De (2), segue que Cj([S] β γ · [T ]αβ) = [S]βγ · Cj([T ]αβ) = [S]βγ · [T (vj)]β. Por outro lado, de (3), da Seção 1, segue que Cj([S ◦ T ]αγ ) = [(S ◦ T )(vj)]γ = [S(T (vj))]γ = [S]βγ · [T (vj)]β, o que prova o desejado. � Exemplo 1. Sejam T : R2 → R3 e S : R3 → R2 transformações lineares cujas matrizes são [T ]αβ = 1 02 1 −1 1 e [S]βγ = [ 1 0 1 0 0 1 ] , sendo α = {(1, 0), (1, 1)}, β = {(1, 1, 1), (1, 0, 1), (0, 0, 1)} e γ = {(1, 0), (0, 2)}. Vamos encontrar a transformação linear S ◦ T . Para determinarmos S ◦ T , vamos primeiramente determinar [S ◦ T ]αγ . Pela Proposição 6.2.3, [S ◦ T ]αγ = [ 1 0 1 0 0 1 ] 1 02 1 −1 1 = [ 0 1−1 1 ] . 2. OPERAÇÕES COMTRANSFORMAÇÕES LINEARES EMATRIZES161 Agora por (3), da Seção 1, temos que, para qualquer (x, y) ∈ R2, [(S ◦ T )(x, y)]γ = [ 0 1 −1 1 ] [(x, y)]α = [ 0 1 −1 1 ][ x− y y ] = [ y 2y − x ] e, consequentemente, (S ◦ T )(x, y) = y(1, 0) + (2y − x)(0, 2) = (y, 4y − 2x). Vimos que se T é uma transformação linear bijetiva, T−1 é também uma transformação linear. O resultado a seguir, que é uma consequência da Pro- posição 6.2.3, nos apresenta uma relação entre as matrizes que representam T e T−1, quando fixadas bases do domínio e do contradomínio de T . Teorema 6.2.4. Seja T : V → W um isomorfismo, onde V e W são espaços vetoriais de dimensão finita. Se α é uma base de V e β é uma base de W , então [T−1]βα = ([T ] α β) −1. Demonstração Como T−1 é a inversa de T , temos que T−1 ◦ T é a função identidade em V , ou seja, T−1 ◦ T = IV . Pela Proposição 6.2.3, [IV ] α α = [T −1 ◦ T ]αα = [T−1]βα · [T ]αβ . (3) Se dimV = n, pelo Exemplo 3, da Seção 1, temos que [IV ] α α é a matriz identidade de ordem n. Assim, de (3), segue-se que [T ]αβ é invertível e sua inversa é a matriz [T−1]βα. � Corolário 6.2.5. Seja T : V → W uma transformação linear, onde V e W são espaços vetoriais de mesma dimensão finita. Sejam α e β bases de V 162 CAPÍTULO 6. TRANSFORMAÇÕES LINEARES E MATRIZES e W , respectivamente. Temos que T é invertível se, e somente se, a matriz [T ]αβ é invertível. Demonstração Uma implicação resulta de (3). A outra, do fato que a transformação linear L(V,W ) → M(n, n), onde n = dimV = dimW , é sobrejetora e transforma composição de transformações lineares em produtos de matrizes. � Exemplo 2. Seja T : R2 → R2 a transformação linear dada por T (x, y) = (4x − 3y,−2x + 2y). Vamos verificar que T é invertível e vamos encontrar T−1. Para verificarmos que T é invertível, podemos calcular KerT e usar a Proposição 5.2.4, ou, ainda, podemos calcular [T ]αα, onde α é uma base qual- quer de R2, e usar o Corolário 6.2.5. Vamos aqui optar pelo segundo método. Ora, se α é a base canônica de R2, então [T ]αα = [ 4 −3 −2 2 ] . Utilizando a técnica exposta logo após a Proposição 2.1.7, podemos verificar que a matriz acima é invertível e a sua inversa é a matriz[ 1 3/2 1 2 ] . Portanto, devidoao Teorema 6.2.4, temos que [T−1]αα = ([T ] α α) −1 = [ 1 3/2 1 2 ] . A transformação linear T−1 é, então, determinada usando a fórmula (3) da Seção 1, como segue: [T−1(x, y)]α = [T−1]αα [(x, y)]α = [ 1 3/2 1 2 ][ x y ] = [ x+ 3 2 y x+ 2y ] , 3. OPERADORES LINEARES EM R2 E EM R3 163 o que fornece T−1(x, y) = (x+ 3 2 y, x+ 2y). Problemas 2.1 Sejam A = 1 0 10 2 −1 0 0 1 e B = 1 1 −10 0 1 −1 2 0 . Determine a transformação linear T : R3 → R3 tal que TA = TB ◦ T . 2.2 Considere as matrizes A = 1 20 1 1 −1 e B = 1 1 1−1 0 0 1 2 1 . Determine: (a) KerTA; (b) ImTA; (c) KerTB; (d) ImTB; (e) Ker(TB ◦ TA); (f) Im(TB ◦ TA). 2.3 Prove a Proposição 6.2.2. 3 Operadores Lineares em R2 e em R3 Dentre os operadores lineares mais importantes em R2 e em R3 estão os que produzem reflexões, projeções e rotações. A seguir, passamos a estudar alguns destes operadores. Reflexões Consideremos o operador linear T : R2 → R2, chamado de refle- xão em torno do eixo Ox, que transforma cada vetor v = (x, y) ∈ R2 em sua imagem simétrica em relação ao eixo Ox. Figura 10 Se escrevermos w = T (v) = (w1, w2), obtemos as equações w1 = x = 1x+ 0y, w2 = −y = 0x− 1y. 164 CAPÍTULO 6. TRANSFORMAÇÕES LINEARES E MATRIZES Assim, se α denota a base canônica de R2, segue que [T (v)]α = [ 1 0 0 −1 ] [v]α. Em geral, os operadores lineares de R2 ou de R3 que levam cada vetor em seu simétrico em relação a alguma reta ou plano são chamados de reflexões . Abaixo, apresentamos algumas das reflexões mais comuns em R2 e R3. Fi- xamos a notação α para denotar a base canônica de R2 ou de R3. 3. OPERADORES LINEARES EM R2 E EM R3 165 Operador Equações Matriz [T ]αα Reflexão em torno do eixo Oy { w1 = −x w2 = y [ −1 0 0 1 ] Reflexão em torno da reta y = x { w1 = y w2 = x [ 0 1 1 0 ] Reflexão em torno do plano xOy w1 = x w2 = y w3 = −z 1 0 00 1 0 0 0 −1 Reflexão em torno do plano yOz w1 = −x w2 = y w3 = z −1 0 00 1 0 0 0 1 Reflexão em torno do plano xOz w1 = x w2 = −y w3 = z 1 0 00 −1 0 0 0 1 Projeções Consideremos o operador linear T : R2 → R2 que transforma cada vetor v = (x, y) ∈ R2 em sua projeção ortogonal sobre o eixo Ox (Figura 11). Se escrevermos w = T (v) = (w1, w2), obteremos as equações w1 = x = 1x+ 0y, w2 = 0 = 0x+ 0y. Assim, se α denota a base canônica de R2, temos [T (v)]α = [ 1 0 0 0 ] [v]α. Figura 11 Em geral, uma projeção (ou, mais precisamente, uma projeção ortogonal) de R2 ou R3 é um operador linear que transforma cada vetor em sua projeção 166 CAPÍTULO 6. TRANSFORMAÇÕES LINEARES E MATRIZES ortogonal sobre alguma reta ou algum plano que passa pela origem. A seguir, apresentamos algumas das projeções mais comuns. Operador Equações Matriz [T ]αα Projeção sobre o eixo Oy { w1 = 0 w2 = y [ 0 0 0 1 ] Projeção sobre o plano xOy w1 = x w2 = y w3 = 0 1 0 00 1 0 0 0 0 Projeção sobre o plano yOz w1 = 0 w2 = y w3 = z 0 0 00 1 0 0 0 1 Projeção sobre o plano xOz w1 = x w2 = 0 w3 = z 1 0 00 0 0 0 0 1 Rotações Consideremos o operador linear T : R2 → R2 que gira cada vetor v = (x, y) ∈ R2 de um ângulo fixado θ (Figura 12). T é chamado de rotação por θ em R2. Figura 12 3. OPERADORES LINEARES EM R2 E EM R3 167 Se escrevermos w = T (v) = (w1, w2), segue da trigonometria que x = r cosφ, y = r senφ (1) e w1 = r cos(θ + φ), w2 = r sen(θ + φ), (2) onde r denota o comprimento de v e φ denota o ângulo entre v e o eixo Ox positivo no sentido anti-horário. Aplicando identidades trigonométricas em (2), temos { w1 = r cos θ cosφ− r sen θ senφ w2 = r sen θ cosφ+ r cos θ senφ. Substituindo (1) nas expressões acima, obtemos as equações{ w1 = x cos θ − y sen θ w2 = x sen θ + y cos θ. (3) Assim, se α denota a base canônica de R2, obtemos [T (v)]α = [ cos θ − sen θ sen θ cos θ ] [v]α. Em geral, uma rotação de vetores em R3 é feita em relação a uma reta partindo da origem, chamada eixo de rotação. À medida que um vetor gira em torno do eixo de rotação, ele varre uma porção de um cone (Figura 13). 168 CAPÍTULO 6. TRANSFORMAÇÕES LINEARES E MATRIZES O ângulo de rotação, que é medido na base do cone, é descrito no sentido horário ou anti-horário em relação a um ponto de vista ao longo do eixo de rotação olhando para a origem. Por exemplo, na Figura 13, o vetor T (v) resulta da rotação no sentido anti-horário do vetor v em torno do eixo Ox por um ângulo θ. Assim como em R2, os ângulos são positivos se gerados por rotações no sentido anti-horário e negativos se gerados por rotações no sentido horário. Figura 13 Na tabela a seguir, apresentamos as rotações em R3 cujos eixos de rotação são os eixos coordenados. 3. OPERADORES LINEARES EM R2 E EM R3 169 Operador Equações Matriz [T ]αα Rotação anti-horária em torno do eixo Ox por um ângulo θ w1 = x w2 = y cos θ − z sen θ w3 = y sen θ + z cos θ 1 0 00 cos θ − sen θ 0 sen θ cos θ Rotação anti-horária em torno do eixo Oy por um ângulo θ w1 = x cos θ + z sen θ w2 = y w3 = −x sen θ + z cos θ cos θ 0 sen θ0 1 0 − sen θ 0 cos θ Rotação anti-horária em torno do eixo Oz por um ângulo θ w1 = x cos θ − y sen θ w2 = x sen θ + y cos θ w3 = z cos θ − sen θ 0sen θ cos θ 0 0 0 1 Para cada uma das rotações na tabela acima, uma das componentes do vetor permanece inalterada durante a rotação e a relação entre as duas outras componentes pode ser deduzida da mesma forma que deduzimos (3). Sabemos que a multiplicação por escalar de um vetor em R2 e em R3, de- pendendo do valor do escalar, produz no vetor uma dilatação, contração ou inversão. Podemos representar estes efeitos geométricos por meio de opera- dores lineares. De fato, o operador linear Ta : R2 → R2, dado por Ta(v) = av, em que a ∈ R e v ∈ R2, dilata v, se a ≥ 1; contrai v, se 0 ≤ a < 1; inverte o sentido de v, se a < 0. No caso particular de a = −1, o operador Ta é chamado reflexão em torno da origem. O que acabamos de ver vale também para R3 (Figura 14). Figura 14 Exemplo 1. Determinemos se T1 ◦ T2 = T2 ◦ T1, onde T1 : R2 → R2 é a projeção ortogonal sobre o eixo Ox e T2 : R2 → R2 é a projeção ortogonal sobre o eixo Oy. Como vimos na Seção 2, compor transformações lineares é equivalente a multiplicar as matrizes que representam estas transformações. Seja α a base 170 CAPÍTULO 6. TRANSFORMAÇÕES LINEARES E MATRIZES canônica de R2. Como [T1] α α = [ 1 0 0 0 ] e [T2] α α = [ 0 0 0 1 ] , segue que T1 ◦ T2 é dada pelo produto[ 1 0 0 0 ][ 0 0 0 1 ] = [ 0 0 0 0 ] (4) e que T2 ◦ T1 é dada pelo produto[ 0 0 0 1 ][ 1 0 0 0 ] = [ 0 0 0 0 ] . (5) De (4) e (5), obtemos que T1 ◦ T2 e T2 ◦ T1 são o operador nulo em R2. Portanto, T1 ◦ T2 = T2 ◦ T1. Problemas 3.1* Encontre a matriz na base canônica para a composição de uma rotação de 90◦ seguida de uma reflexão em torno da reta y = x, em R2. 3.2* Determine a inversa do operador linear em R3 dado por uma reflexão em torno do plano xOy. 3.3 Sejam T : R2 → R2 a reflexão em torno do eixo Oy e S : R2 → R2 a reflexão em torno do eixo Ox. Mostre que S ◦ T = T ◦ S. 4. MUDANÇA DE BASE E MATRIZES SEMELHANTES 171 3.4 Sejam T : R2 → R2 a reflexão em torno da reta y = x e S : R2 → R2 a projeção ortogonal sobre o eixo Oy. Mostre que S ◦ T 6= T ◦ S. 3.5 Mostre que se T : R3 → R3 é uma projeção ortogonal sobre um dos eixos coordenados, então os vetores T (v) e v − T (v) são ortogonais,para cada v em R3. 3.6 Seja T : R3 → R3 a projeção ortogonal sobre o plano xOy. Mostre que uma reta ortogonal ao plano xOy é levada por T a um mesmo ponto deste plano. 3.7 Determine a matriz na base canônica de T : R2 → R2, em que (a) T dilata os vetores de R2 por 3, em seguida reflete estes vetores em torno da reta y = x e depois projeta estes vetores ortogonalmente sobre o eixo Oy; (b) T contrai os vetores de R2 por 1 2 , em seguida gira estes vetores pelo ângulo pi 4 e depois reflete estes vetores em torno do eixo Ox. 4 Mudança de Base e Matrizes Semelhantes Um problema comum no estudo de espaços vetoriais de dimensão finita é conhecer as relações entre as coordenadas de um vetor em diferentes bases. Como a noção de base é a generalização para espaços vetoriais arbitrários da noção de sistemas de coordenadas em R2 e R3, mudar de base é análogo a mudar de eixos coordenados em R2 ou R3. Dado um espaço vetorial V arbitrário de dimensão finita e duas bases α e β de V , podemos obter uma relação entre as matrizes [v]α e [v]β de um vetor v em V , usando, para isto, o operador identidade em V . Com efeito, pela expressão (3) da Seção 1, para todo v ∈ V , temos que [v]β = [IV ] α β · [v]α. (1) A matriz [IV ] α β é chamada matriz mudança de base de α para β, pois, pela igualdade (1), ela nos permite obter as coordenadas de um vetor v em V em relação à base β uma vez conhecidas suas coordenadas na base α. 172 CAPÍTULO 6. TRANSFORMAÇÕES LINEARES E MATRIZES Exemplo 1. Considerando a base canônica α de R2 e a outra base β = {(1, 1), (1, 2)}, temos que [IR2 ] α β = [ a1 b1 a2 b2 ] , onde a1, a2, b1, b2 são números reais satisfazendo o sistema de equações (1, 0) = a1(1, 1) + a2(1, 2) (0, 1) = b1(1, 1) + b2(1, 2). Resolvendo as equações acima, obtemos a1 = 2, a2 = −1, b1 = −1 e b2 = 1. Portanto, [IR2 ] α β = [ 2 −1 −1 1 ] . Seja agora v = (x, y) em R2. Se [v]β = [ x′ y′ ] , então [ x′ y′ ] = [ 2 −1 −1 1 ][ x y ] , o que garante que x′ = 2x− y e y′ = −x+ y são as coordenadas de v na base β. Ou seja, (x, y) = (2x− y)(1, 1) + (−x+ y)(1, 2). A Figura 15 ilustra como a determinação do par (2,3) em R2 depende da base com a qual estamos trabalhando. 4. MUDANÇA DE BASE E MATRIZES SEMELHANTES 173 Figura 15 O próximo resultado mostra que uma matriz mudança de base é invertível e que sua inversa também é uma matriz mudança de base. Teorema 6.4.1. Sejam α e β duas bases de um espaço de dimensão finita V . Temos que a matriz [IV ] α β é invertível e sua inversa é a matriz [IV ] β α. Ou seja, ([IV ] α β) −1 = [IV ]βα. Demonstração Como IV é um isomorfismo e I −1 V = IV , o resultado segue do Teorema 6.2.4. � Sejam α e β duas bases de um espaço vetorial de dimensão finita V e T um operador linear em V . Com as matrizes mudança de base podemos obter uma relação entre as matrizes [T ]αα e [T ] β β. De fato, como T = IV ◦T ◦ IV , segue, da Proposição 6.2.3, que [T ]αα = [IV ◦T ◦ TV ]αα = [IV ]βα · [T ]ββ · [IV ]αβ , ou seja [T ]αα = [IV ] β α · [T ]ββ · [IV ]αβ . (2) No entanto, pelo Teorema 6.4.1, temos que [IV ] β α é a inversa de [IV ] α β . Assim, se denotarmos [IV ] α β por P , a equação (2) pode ser reescrita como [T ]αα = P −1 [T ]ββ P . 174 CAPÍTULO 6. TRANSFORMAÇÕES LINEARES E MATRIZES Com isto, demonstramos o seguinte resultado: Teorema 6.4.2. Sejam α e β duas bases de um espaço vetorial de dimensão finita V . Se T é um operador linear em V , então [T ]αα = P −1 · [T ]ββ · P, (3) onde P = [IV ] α β . A relação dada na expressão (3) é de tal importância que existe uma ter- minologia associada a ela. Sejam A e B matrizes quadradas de mesma ordem. Dizemos que B é semelhante a A, quando existir uma matriz invertível P tal que B = P−1AP . É fácil verificar que se uma matriz B é semelhante a uma matriz A, então A também é semelhante a B. Assim, dizemos simplesmente que A e B são semelhantes . Por (3), temos que [T ]αα e [T ] β β são semelhantes. Exemplo 2. Para verificar se as matrizes A = [ 5 2 −8 −3 ] e B = [ 1 2 0 1 ] são semelhantes, devemos encontrar uma matriz invertível P tal que PA = BP. Se tal matriz P existir, ela necessariamente é uma matriz quadrada de ordem 2; digamos P = [ x y z t ] . Assim, [ x y z t ][ 5 2 −8 −3 ] = [ 1 2 0 1 ][ x y z t ] , o que é equivalente ao sistema linear homogêneo 4x− 8y − 2z = 0 2x− 4y − 2t = 0 4z − 8t = 0, 4. MUDANÇA DE BASE E MATRIZES SEMELHANTES 175 que admite a solução não trivial (3, 1, 2, 1). Portanto, obtemos a matriz invertível P = [ 3 1 2 1 ] , que satisfaz A = P−1BP . Problemas 4.1 Sejam dadas as bases de R2 α = {(1, 1), (0, 2)}, β = {(1, 2), (2, 1)} e γ = {(1, 0), (0, 1)}. (a) Determine [ IR2 ]α β , [ IR2 ]α γ , [ IR2 ]γ β . (b) Se v = (4,−1), encontre [v]β usando uma matriz mudança de base. 4.2 Se [ IR2 ]α β = [ −1 2 4 −11 ] e β = {(3, 5), (1, 2)}, encontre a base α. 4.3 Determine [ IR3 ]β α , sabendo que [ IR3 ]α β = 0 1 01 1 0 1 1 1 . 4.4 Encontre três matrizes semelhantes à matriz[ 1 1 −1 2 ] . 4.5 Mostre que não são semelhantes as matrizes[ 3 1 −6 −2 ] e [ −1 2 1 0 ] . 4.6 Sejam A e B matrizes semelhantes. Prove que: (a) At e Bt são semelhantes; (b) Se A e B são invertíveis, então A−1 e B−1 são semelhantes. 176 CAPÍTULO 6. TRANSFORMAÇÕES LINEARES E MATRIZES 4.7 Mostre que a semelhança de matrizes é uma relação de equivalência, ou seja: (i) A é semelhante a A; (ii) se A é semelhante a B, então B é semelhante a A; (iii) se A é semelhante a B e B a C, então A é semelhante a C. 4.8* Seja A = (aij) uma matriz quadrada de ordem n. Define-se o traço de A como trA = a11 + · · ·+ ann. a) Mostre que tr :M(n, n)→ R é um funcional linear. b) Se A,B ∈M(n, n), mostre que trAB = trBA. c) Seja T : V → V um operador linear, onde V é um espaço n-dimensional, e seja α uma base de V . Defina trT = tr[T ]αα. Mostre que esta definição independe da base de V escolhida; ou seja, se β é uma outra base de V , então tr[T ]αα = tr[T ] β β. Conclua que assim temos bem definido um funcional linear tr : L(V, V )→ R, definido por T 7→ trT . Bibliografia [1] H. P. Bueno, Álgebra Linear, um segundo curso, Coleção Textos Univer- sitários, SBM, 2006. [2] P. Halmos, Teoria Ingênua dos Conjuntos , Editora Ciência Moderna, 2001. [3] A. Hefez e M. L. T. Villela, Códigos Corretores de Erros , Coleção Mate- mática e Aplicações, IMPA, 2008. [4] A. Hefez e M. L. T. Villela, Números Complexos e Polinômios , Coleção PROFMAT, SBM, 2012. [5] V. J. Katz, A History of Mathematics - an Introduction, HarperCollins College Publishers, 1993. [6] S. Lang, Introduction to Linear Algebra, 2 nd edition, Undergraduate Texts in Mathematics, Springer, 1986. [7] E.L. Lima, Álgebra Linear , 3 a edição, Coleção Matemática Universitária, IMPA, 1998. [8] E.L. Lima, Geometria Analítica e Álgebra Linear , 2 a edição, Coleção Matemática Universitária, IMPA, 2010. 300
Compartilhar