Baixe o app para aproveitar ainda mais
Prévia do material em texto
INSTITUTO FEDERAL CATARINENSE – IFC – CAMPUS ARAQUARI BACHARELADO EM SISTEMAS DE INFORMAÇÕES - MATEMÁTICA APLICADA A SISTEMAS DE INFORMAÇÃO PROF. DR. CLODOALDO JOSÉ FIGUEREDO 66 UNIDADE 6 – TRANSFORMAÇÕES LINEARES 6.1) DEFINIÇÃO (de Função): Uma relação R (A X B) é dita “aplicação, função ou transformação”, se: I) D(R) = A, ou seja, todos os elementos de A participam da relação. II) Para cada elemento de A, existe um único elemento b de B, (b B), que lhe corresponde, ou simbolicamente: (a,b1) R e (a,b2) R b1 = b2, ou b1 = R(a) e b2 = R(a) b1 = b2 As aplicações, funções ou transformações são normalmente representadas por f, g , h , t , s, no lugar de R, conforme o contexto. Usamos f(x), g(x), h(x) normalmente quando os conjuntos A e B são numéricos, em especial quando trabalhamos com conjuntos dos números reais ou complexos. A notação T(x) = y é mais utilizada na Álgebra Linear quando x e y são vetores e trabalhamos com espaços vetoriais, como , por exemplo: T((1 , 2)) = (2.1 + 1.2 , 31 + 22) 6.2) DOMÍNIO, CONTRADOMÍNIO E IMAGEM (de uma Função): 6.2.1) Domínio: Se f é uma função de A em B então o conjunto A é chamado domínio de f e é representado por D(f). Assim : D(f) = A. 6.2.2) Contradomínio: Se f é uma função de A em B então o conjunto B é chamado contradomínio de f e é representado por CD(f). Assim: CD(f) = B. 6.2.3) Conjunto imagem da função: O conjunto de todos os elementos y de B para os quais existe, pelo menos, um elemento x de A, tal que f(x) = y é chamado conjunto imagem ou simplesmente Imagem de f e é indicado por Im(f). 6.3) CLASSIFICAÇÃO (das Funções): Uma função pode se classificar em: 6.3.1) Sobrejetora: Uma função f A X B é chamada sobrejetora, se Im (f) = B, ou seja, dizemos que uma função f de A em B é sobrejetora, quando o conjunto imagem for igual ao contradomínio da função. 6.3.2) Injetora: Uma função f A X B é dita injetora se, e somente se, x1 x2 f(x1) f(x2), ou seja, dizemos que uma função f de A em B é injetora se quaisquer dois elementos diferentes do seu domínio têm imagens diferentes. 6.3.3) Bijetora: è toda função f de A em B que é simultaneamente injetora e sobrejetora. As transformações são um tipo especial de função (ou aplicação), onde o domínio e o contradomínio são espaços vetoriais reais. Assim, tanto a variável independente como a variável dependente são vetores, razão pela qual essas funções são chamadas vetoriais. Nesse capítulo será estudado um tipo especial de função vetorial, as chamadas funções vetoriais lineares, ou também chamadas transformações lineares. 6.4) DEFINIÇÃO (de Transformação Linear): Sejam V e W espaços vetoriais. Uma aplicação T : V ⟶ W é chamada transformação linear de V em W se, u e v ∊ V e α ∊ temos que: I) T(u + v) = T(u) + T(v) II) T(α . u) = α . T(u) INSTITUTO FEDERAL CATARINENSE – IFC – CAMPUS ARAQUARI BACHARELADO EM SISTEMAS DE INFORMAÇÕES - MATEMÁTICA APLICADA A SISTEMAS DE INFORMAÇÃO PROF. DR. CLODOALDO JOSÉ FIGUEREDO 67 Obs.: I) Uma transformação linear de V em V (no mesmo espaço vetorial) é chamada de um operador linear em V. II) Uma transformação linear T : V ⟶ W fica caracterizada completamente pela condição T(α . u + β . v) = α . T(u) + β . T(v) portanto, essa condição é, muitas vezes, utilizada como definição de transformação linear. Exemplos: 1) Verifique se a transformação T : 2 ⟶ 2 definida por T(x , y) = (3x – 2y , x – y) é linear. Devemos verificar as duas condições acima para que uma transformação seja linear. Assim temos que: Sejam u = (x1 , y1) e v = (x2 , y2) vetores de 2 e α ∊ , então I) T(u + v) = T((x1 , y1) + (x2 , y2)) = T(x1 + x2 , y1 + y2) = (3.(x1 + x2) – 2.(y1 + y2) , (x1 + x2) – (y1 + y2)) = (3.x1 + 3.x2 – 2.y1 – 2.y2 , x1 + x2 – y1 – y2) = (3.x1 – 2.y1 + 3.x2 – 2.y2 , x1 – y1 + x2 – y2) = (3.x1 – 2.y1 , x1 – y1) + (3.x2 – 2.y2 , x2 – y2) = T(x1 , y1) + T(x2 , y2) = T(u) + T(v) II) T(α . u) = T(α . (x1 , y1)) = T(α . x1 , α . y1) = (3 . α . x1 – 2 . α . y1 , α . x1 – α . y1) = ( α . (3x – 2y) , α . (x – y)) = α . T(u) Logo, T : 2 ⟶ 2 definida por T(x , y) = (3x – 2y , x – y) é uma transformação linear. 2) Verifique se a transformação T : 3 ⟶ 2 definida por T(x , y , z) = (x + 1 , y + z) é linear. Sejam u = (x1 , y1 , z1) e v = (x2 , y2 , z2) vetores de 3 e α ∊ , então I) T(u + v) = T((x1 , y1 , z1) + (x2 , y2 , z2)) = T(x1 + x2 , y1 + y2 , z1 + z2) = (x1 + x2 + 1 , y1 + y2 + z1 + z2) T(u) + T(v) = (x1 + 1 , y1 + z1) + (x2 + 1 , y2 + z2) = (x1 + x2 + 2 , y1 + y2 + z1 + z2) Logo T(u + v) ≠ T(u) + T(v) é a transformação não é linear. Uma propriedade importante das transformações lineares é a de que, em toda transformação linear T : V ⟶ W, a imagem do vetor 0 ∊ V é o vetor 0 ∊ W, isto é, T(0) = 0. Se T : V ⟶ W é linear, T(0) = 0. No entanto, a recíproca dessa propriedade não é verdadeira, pois existe transformação com T(0) = 0 não é linear, como o exemplo abaixo Exemplo: T : 2 ⟶ 2 definida por T(x , y) = (x2 , 3y) Sejam u = (x1 , y1) e v = (x2 , y2) vetores de 2 , então I) T(u + v) = T((x1 , y1) + (x2 , y2)) = T(x1 + x2 , y1 + y2) = ((x1 + x2)2 , 3 . (y1 + y2)) T(u) + T(v) = T(x1 , y1) + T(x2 , y2) = (x12 , 3 . y1) + (x22 , 3 . y2) = (x12 + x22 , 3 . (y1 + y2)) Como (x1 + x2)2 ≠ x12 + x22 temos que a transformação não é linear, mesmo que T(0) = 0. Dados v1 , v2 , ..... , vn ∊ V e α1 , α2 , ..... , αn ∊ , se T : V ⟶ W é uma transformação linear, então T(α1 . v1 + α2 . v2 + ..... + αn . vn) = T(α1 . v1) + T(α2 . v2) + ..... + T(αn . vn) = α1 . T(v1) + α2 . T(v2) + ..... + αn . T(vn) INSTITUTO FEDERAL CATARINENSE – IFC – CAMPUS ARAQUARI BACHARELADO EM SISTEMAS DE INFORMAÇÕES - MATEMÁTICA APLICADA A SISTEMAS DE INFORMAÇÃO PROF. DR. CLODOALDO JOSÉ FIGUEREDO 68 Dizemos então que T preserva combinações lineares. Um fato importantes sobre as aplicações lineares é que elas são perfeitamente determinadas conhecendo-se apenas seu valor nos elementos de uma base, ou seja, uma transformação linear é determinada pelas imagens dos vetores de uma base qualquer do domínio. 6.5) TEOREMA 1: Dados dois espaços vetoriais reais V e W e uma base de V, {v1 , v2 , ..... , vn}, sejam w1 , w2 , ..... , wn elementos arbitrários de W. Então, existe uma única aplicação linear T : V ⟶ W tal que T(v1) = w1 , T(v2) = w2 , ..... , T(vn) = wn. Se v = α1 . v1 + α2 . v2 + ..... + αn . vn , então T(v) = α1 . T(v1) + α2 . T(v2) + ..... + αn . T(vn) = α1 . w1 + α2 . w2 + ..... + αn . wn Exemplos: 1) Encontre a transformação linear T : 2 ⟶ 3 tal que T(1 , 1) = (3 , 2, 1) e T(0 , – 2) = (0 , 1 , 0). Devemos escrever um vetor do 2 como combinação linear dos vetores dados. Assim (x , y) = α1 . (1 , 1) + α2 . (0 , – 2) ⇒ (x , y) = (α1 , α1 – 2 . α2) ⇒ 1 1 2 x 2. y Resolvendo o sistema obtemos α1 = x e α2 = x y 2 . Reescrevendo a expressão acima temos (x , y) = α1 . (1 , 1) + α2 . (0 , – 2) ⇒ (x , y) = x . (1 , 1) + x y 2 . (0 , – 2) Aplicando a transformação linear em ambos os lados da igualdade temos T(x , y) = x y x y x y 5x y T x.(1, 1) .(0, 2) x.T(1, 1) .T(0 , 2) x.(3 , 2 , 1) .(0 ,1, 0) 3x, ,x 2 2 2 2 Pode-se verificar que T(1 , 1) = 5.1 1 3.1, , 1 2 = (3 , 2, 1) e T(0 , – 2) = 5.0( 2) 3.0 , , 0 2 = (0 , 1 , 0) 2) Seja T : 3 ⟶ 2 uma transformação linear e B = {v1 , v2 , v3} uma base de 3 , sendo v1 = (0 , 1 , 0) , v2 = (1 , 0 , 1) e v3 = (1 , 1 , 0). Determinar T(5 , 3 , – 2) sabendo que T(v1) = (1 , – 2) , T(v2) = (3 , 1) e T(v3) = (0 , 2). Devemos expressar o vetor (5 , 3 , – 2) como combinação linear dos vetores da base de 3 . Assim temos que: (5 , 3 , – 2) = α1 . (0 , 1 , 0) + α2 . (1 , 0 , 1) + α3 . (1 , 1 , 0) (5 , 3 , – 2) = (α2 + α3 , α1 + α3 , α2) Comparando ambos os lados da igualdade, temos o sistema 2 3 1 3 2 5 3 2 ⇒ α1 = – 4 , α2 = – 2 e α3 = 7 Segue que (5 , 3 , – 2) = α1 . (0 , 1 , 0) + α2 . (1 , 0 , 1) + α3 . (1 , 1 , 0) (5 , 3 , – 2) = (– 4) . (0 , 1 , 0) + (– 2) . (1 , 0 , 1) + 7 . (1 , 1 , 0) Aplicando a transformação em ambos os lados da igualdade obtemos T(5 , 3 , – 2) = T((– 4) . (0 , 1 , 0) + (– 2) . (1 , 0 , 1) + 7 . (1 , 1 , 0)) T(5 , 3 , – 2) = (– 4) . T(0 , 1 , 0) + (– 2) . T(1 , 0 , 1) + 7 . T(1 , 1 , 0)) T(5 , 3 , – 2) = (– 4) . (1 , – 2) + (– 2) . (3 , 1) + 7 . (0 , 2) T(5 , 3 , – 2) = (– 10 , 20) INSTITUTO FEDERAL CATARINENSE – IFC – CAMPUS ARAQUARI BACHARELADO EM SISTEMAS DE INFORMAÇÕES - MATEMÁTICA APLICADA A SISTEMAS DE INFORMAÇÃO PROF. DR. CLODOALDO JOSÉ FIGUEREDO 69 6.6) NÚCLEO DE UMA TRANSFORMAÇÃO LINEAR: Chama-se núcleo de uma transformação linear T : V ⟶ W ao conjunto de todos os vetores v ∊ V que são transformados em 0 ∊ W, ou seja T(v) = 0. Indica-se por N (T) ou ker (T). Assim N (T) = { v ∊ V | T(v) = 0 } Observa-se que N(T) ⊂ V e N(T) ≠ , pois 0 ∊ N (T), tendo em vista que T(0) = 0. Exemplos: 1) Determinar o núcleo da transformação linear T : 2 ⟶ 2 , T(x , y) = (x + y , 2x – y) O núcleo da transformação linear é formado por vetores v ∊ 2 tal que T(v) = 0. Assim temos que: T(v) = 0 ⇒ (x + y , 2x – y) = 0 ⇒ x y 0 2x y 0 . Resolvendo o sistema obtemos como solução x = 0 e y = 0. Logo N (T) = { (0 , 0) } 2) Seja T : 3 ⟶ 2 , a transformação linear dada por T(x , y , z) = (x – y + 4z , 3x + y + 8z). Determine o núcleo da transformação linear. O núcleo da transformação linear é dado por (x – y + 4z , 3x + y + 8z) = (0 , 0) Comparando ambos os lados da igualdade temos o sistema x y 4z 0 3x y 8z 0 cuja solução é indeterminada (com 1 grau de liberdade), sendo x = – 3z e y = z. Logo N (T) = { (– 3z , z , z), z ∊ } ou N (T) = [(– 3 , 1 , 1)] 6.6.1) Propriedades do núcleo: O núcleo de uma transformação linear possui as seguintes características: I) O núcleo de uma transformação linear T : V ⟶ W é um subespaço vetorial de V. II) Uma transformação linear T : V ⟶ W é injetora se, e somente se, N (T) = { 0 }. As demonstrações dessas propriedades ficam sujeitas a curiosidade do aluno. 6.7) IMAGEM DE UMA TRANSFORMAÇÃO LINEAR: Chama-se Imagem de uma transformação linear T : V ⟶ W ao conjunto dos vetores w ∊ W que são imagens de pelo menos um vetor v ∊ V. Indica-se esse conjunto por Im (T) ou T(V). Assim Im (T) = { w ∊ W | T(v) = w para algum v ∊ V } Observa-se que Im (T) ⊂ W e Im (T) ≠ , pois T(0) = 0 ∊ Im (T). Se Im (T) = W, T diz-se sobrejetora, isto é, para todo w ∊ W existe pelo menos um v ∊ V tal que T(v) = w. 6.7.1) Propriedade da Imagem: A imagem de uma transformação linear T : V ⟶ W é um subespaço de W. 6.7.2) Teorema 2: Se v1 , v2 , ..... , vn geram um espaço vetorial V e T : V ⟶ W é uma transformação linear, então T(v1) , T(v2) , ..... , T(vn) geram Im (T). 6.8) POSTO E NULIDADE DE UMA TRANSFORMAÇÃO LINEAR: Seja T : V ⟶ W uma transformação linear. O posto (ou rank) de T é definido como a dimensão da imagem de T e a nulidade de T é definida como a dimensão do núcleo de T, ou seja posto (T) = dim (Im (T)) e null(T) = dim(N (T)) INSTITUTO FEDERAL CATARINENSE – IFC – CAMPUS ARAQUARI BACHARELADO EM SISTEMAS DE INFORMAÇÕES - MATEMÁTICA APLICADA A SISTEMAS DE INFORMAÇÃO PROF. DR. CLODOALDO JOSÉ FIGUEREDO 70 Exemplo: Determinar o núcleo e a imagem do operador linear T : 3 ⟶ 3 , T(x , y , z) = (x + 2y – z , y + 2z , x + 3y + z) Primeiro vamos determinar o núcleo de T, N(T). Assim segue que: (x + 2y – z , y + 2z , x + 3y + z) = (0, 0 , 0) Montando o sistema x 2y z 0 y 2z 0 x 3y z 0 e resolvendo temos como solução geral (5z , – 2z , z) com z ∊ . Assim segue que N (T) = { (5z , – 2z , z) | z ∊ } ou N (T) = [ 5 , – 2 , 1 ] , com nulidade null(T) = 1 Na sequência determinação a imagem da transformação linear. Devemos determinar de que forma são os vetores que são “respostas” da transformação linear, ou seja, Im(T) = {(a , b , c) ∊ 3 | T(x , y , z) = (a , b , c)} ⇒ (x + 2y – z , y + 2z , x + 3y + z) = (a , b , c) Montamos o sistema x 2y z a y 2z b x 3y z c e resolvemos, usando escalonamento, como se descreve abaixo 1 3 3 2 3 3 x 2y z a 1 2 1 a 1 2 1 a 1 2 1 a y 2z b 0 1 2 b 0 1 2 b 0 1 2 b x 3y z c 1 3 1 c 0 1 2 a c 0 0 0 a b c ( 1).L L L ( 1).L L L Logo, o sistema só terá solução se a + b – c = 0, e assim Im (T) = { (a , b , c) ∊ 3 | a + b – c = 0 } ou Im (T) = { (a , b , a + b), com a e b ∊ }, cujo posto da transformação é posto (T) = 2. 6.9) NÚCLEO E IMAGEM DE TRNAFORMAÇÕES (Na forma matricial): Seja A = 1 2 3 4 1 2 3 4 1 2 3 4 a a a a b b b b c c c c uma matriz 3 X 4 e {e1 , e2 , e3 , e4} a base canônica de 4 (escrita como colunas), como segue 1 1 0 e 0 0 , 1 0 1 e 0 0 , 1 0 0 e 1 0 , 1 0 0 e 0 1 . A matriz A pode ser interpretada como uma transformação linear T : 4 ⟶ 3 , em que os vetores de 4 e 3 são considerados vetores colunas. Como a base canônica gera 4 , as imagens A . e1 , A . e2 , A . e3 e A . e4 geram a imagem de A. Mas os vetores A . e1 , A . e2 , A . e3 e A . e4 são exatamente as colunas de A, assim segue que A . e1 = t 1 1 1a b c , A . e2 = t 2 2 2a b c , A . e3 = t 3 3 3a b c e A . e4 = t 4 4 4a b c . Assim, a imagem de A é exatamente o espaço coluna de A. Por outro lado, o núcleo de A consiste em todos os vetores v ∊ 4 para os quais A . v =0. Isso significa que o núcleo de A é o espaço solução do sistema homogêneo A . X = 0, denominado espaço nulo de A. INSTITUTO FEDERAL CATARINENSE – IFC – CAMPUS ARAQUARI BACHARELADO EM SISTEMAS DE INFORMAÇÕES - MATEMÁTICA APLICADA A SISTEMAS DE INFORMAÇÃO PROF. DR. CLODOALDO JOSÉ FIGUEREDO 71 6.9.1) Teorema 3: Seja A uma matriz m x n sobre o corpo K interpretada como uma transformação linear T : Kn ⟶ Km. Então temos que N (T) = nul (T) e Im (T) = col (T) onde, col (T) denota o espaço coluna de A e nul (T) o espaço nulo de A. Exemplo: Seja T : 4 ⟶ 3 a transformação linear definida por T : (x , y , z , t) = (x – y + z + t , 2x – 2y + 3z + 4t , 3x – 3y + 4z + 5t) Encontre uma base e a dimensão da imagem e do núcleo de T. Primeiramente calculamos a imagem dos vetores da base canônica de 4 . Assim temos que: T(1 , 0 , 0 , 0) = (1 , 2 , 3) , T(0 , 1 , 0 , 0) = (–1 , –2 , –3) , T(0 , 0 , 1 , 0) = (1 , 3 , 4) , T(0 , 0 ,0 , 1) = (1 , 4 , 5) Pelo teorema 2 (seção 6.7.2), os vetores imagem geram Im (T). Portanto, formamos a matriz M = 1 2 3 1 2 3 1 3 4 1 4 5 cujas linhas são esses vetores imagem, e reduzimos M a forma escalonada, como segue M = 1 2 2 3 4 4 2 4 1 3 3 1 4 4 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 0 0 0 0 0 0 0 1 1 1 3 4 0 1 1 0 1 1 0 0 0 1 4 5 0 2 2 0 0 0 0 0 0 L L L ( 2).L L L L L ( 1).L L L ( 1).L L L Assim, uma base para a imagem de T é [(1 , 2 , 3) , (0 , 1 , 1)], com dim (Im (T)) = 2. Na sequência, buscamos uma base para o núcleo de T. Tomamos T(v) = 0, com v = (x , y , z , t) e obtemos (x – y + z + t , 2x – 2y + 3z + 4t , 3x – 3y + 4z + 5t) = (0 , 0 , 0) Montamos o sistema linear x y z t 0 2x 2y 3z 4t 0 3x 3y 4z 5t 0 que resulta na matriz N = 1 1 1 1 0 2 2 3 4 0 3 3 4 5 0 . O espaço solução do sistema homogêneo é o núcleo de T. Escalonando a matriz temos: 1 2 2 2 3 3 1 3 3 1 1 1 1 1 1 1 1 1 1 1 1 2 2 3 4 0 0 1 2 0 0 1 2 3 3 4 5 0 0 1 2 0 0 0 0 ( 2).L L L ( 1).L L L ( 3).L L L que resulta no sistema x y z t 0 z 2t 0 . As variáveis livres são y e t. Portanto dim (N(T)) = 2. Para determinar uma base de N(T), admitimos valores para y e t. Assim, para y = 1 e t = 0 temos (–1 , 1 , 0 , 0) e para y = 0 e t = 1 temos (1 , 0 , –2 , 1). Logo [((–1 , 1 , 0 , 0) , (1 , 0 , –2 , 1)] forma uma base de N(T). Obs.: A matriz N é obtida diretamente da lei de formação de T e a matriz M é a transposta de N. Escalonando N obtemos uma base para o núcleo e escalonando M obtemos uma base para a imagem INSTITUTO FEDERAL CATARINENSE – IFC – CAMPUS ARAQUARI BACHARELADO EM SISTEMAS DE INFORMAÇÕES - MATEMÁTICA APLICADA A SISTEMAS DE INFORMAÇÃO PROF. DR. CLODOALDO JOSÉ FIGUEREDO 72 6.10) TEOREMA 4 (do Núcleo e da Imagem): Seja T : V ⟶ W uma transformação linear, então dim (N (T)) + dim (Im (T)) = dim (V) No exemplo acima temos que dim (N (T)) = 1, dim (Im (T)) = 2 e dim (V) = 3, como mostra a relação acima. 6.10.1) Consequências do Teorema (Corolário): Seja T : V ⟶ W uma transformação linear, então: I) Se dim V = dim W, então T é injetora se, e somente se, é sobrejetora Assim, numa transformação linear na qual dim V = dim W, se T é injetora (ou sobrejetora), então T é também bijetora. II) Se dim V = dim W e T é injetora, então T transforma base em base, isto é, se B = { v1 , v2 , ..... , vn } é base de V, então T(B) = { T(v1) , T(v2) , ..... , T(vn) } é base de W. 6.11) ISOMORFISMO: Chama-se isomorfismo do espaço vetorial V no espaço vetorial W a uma transformação linear T : V ⟶ W que é bijetora. Nesse caso, o espaços vetoriais V e W são ditos isomorfos. Dois espaços vetoriais de dimensão finita são isomorfos se tiverem a mesma dimensão. Mais adiante veremos que, todo isomorfismo T : V ⟶ W corresponde um isomorfismo inverso T-1 : W ⟶ V que também é linear. Exemplos: 1) O operador linear T : 2 ⟶ 2 , T(x , y) = (2x + y , 3x + 2y) é um isomorfismo no 2 . Como dim V = dim W = 2, basta mostrar que T é injetora. De fato temos que N (T) = { (0 , 0) } o que implica T ser injetora. 2) Seja T : 3 ⟶ 3 , T(x , y , z) = (x – 2y , z , x + y). Mostre que T é um isomorfismo. De maneira análoga ao exemplo anterior, como dim (V) = dim (W) = 3, basta mostrar que T é injetora. Assim segue que devemos mostrar que N (T) = { (0 , 0 , 0) }. Então temos que: (x – 2y , z , x + y) = ( 0 , 0 , 0) ⇒ x 2y 0 z 0 x y 0 Resolvendo o sistema obtemos x = 0 , y = 0 e z = 0. Logo temos que N (T) = { (0 , 0 , 0) } e assim T é injetora e, portanto, T é um isomorfismo. 6.12) MATRIZ DE UMA TRANSFORMAÇÃO LINEAR: Seja T : V → W uma transformação linear, em que dim V = n e dim W= m. Sejam α = {v1 , v2 , ..... , vn } e β = {w1 , w2 , ..... , wn } bases de V e W, respectivamente. 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) = a1i w1 + ..... + aji wj + ..... + ami wm Tomemos agora v em V . Temos que v = k1 v1 + k2 v2 + ..... + kn vn , em que ki ∈ R para 1 ≤ i ≤ n. Pela linearidade de T e usando a expressão acima, segue que T(v) = k1 T(v1) + k2 T(v2) + ..... + kn T(vn) = = k1 (a11 w1 + ..... + am1 wm) + k2 (a12 w1 + .....+ am2 wm ) + ..... + kn (a1n w1 + ..... + amn wm) = = (a11 k1 + a12 k2 + ... + a1n kn ) w1 + ... + (a21 k1 + a22 k2 + ... + a2n kn ) w2 + ... + (am1 k1 + am2 k2 + ... + amn kn ) wn Logo 11 1 12 2 1n n 11 12 1n 1 21 1 22 2 2n n 21 22 2n 2 m1 1 m2 2 mn n m1 m2 mn n a k a k ... a k a a ... a k a k a k ... a k a a ... a k T(v) . T . v a k a k ... a k a a ... a k INSTITUTO FEDERAL CATARINENSE – IFC – CAMPUS ARAQUARI BACHARELADO EM SISTEMAS DE INFORMAÇÕES - MATEMÁTICA APLICADA A SISTEMAS DE INFORMAÇÃO PROF. DR. CLODOALDO JOSÉ FIGUEREDO 73 onde definimos a matriz 11 12 1n 21 22 2n m1 m2 mn a a ... a a a ... a T a a ... a que representa T em relação às bases α e β e que é chamada matriz de T nas bases α e β. Temos então a expressão T(v) T . v , para todo v ∊ V Observemos que T é uma matriz de ordem m x n tal que, para cada 1 ≤ i ≤ n, a i-ésima coluna de T é dada pelas coordenadas de T(vi) na base β. Exemplos: 1) Sejam α = {(1 , 1) , (0 , 2)} e β = {(1 , 0 , 1) , (0 , 1 , 0) , (1 , 2 , 0)} bases de 2 e 3 respectivamente. Calcule T , onde T : 2 ⟶ 3 é dada por T(x , y) = (2x , x – y , 2y) Como T é uma transformação linear de 2 em 3 , T é uma matriz 3 x 2 da forma 11 12 21 22 31 32 a a T a a a a . Os elementos a11 , a21 e a31 são as coordenadas de T(1 , 1) na base β e os elementos 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) (I) T(0 , 2) = (0 , – 2 , 4) = a12 . (1 , 0 ,1) + a22 . (0 , 1 , 0) + a32 . (1 , 2 , 0) (II) que equivale aos sistemas lineares (I) 11 31 21 31 11 a a 2 a 2a 0 a 2 e (II) 12 32 22 32 12 a a 0 a 2a 2 a 4 Resolvendo os sistemas obtemos as seguintes soluções a11 = 2 , a21 = 0 , a31 = 0 , a12 = 4 , a22 = 6 e a32 = – 4 . Com isso temos que a matriz T é igual a 2 4 T 0 6 0 4 No exemplo anterior (1), determinamos T a partir da transformação linear T. No próximo exemplo (2), vamos considerar o problema inverso, ou seja, dada a matriz T determinar T a partir desta matriz. 2) Sejam α e β as bases dadas no exemplo 1, Determine a transformação linear T : 2 ⟶ 3 tal que 1 0 T 1 2 0 1 . Considerando a expressão T(v) T . v devemos obter primeiramente a matriz v . Assim segue que: (x , y) = a . (1 , 1) + b . (0 , 2) ⇒ (x , y) = (a , a + 2b) ⇒ x a y a 2b Resolvendo o sistema obtemos a = x e b = y x 2 . INSTITUTO FEDERAL CATARINENSE – IFC – CAMPUS ARAQUARI BACHARELADOEM SISTEMAS DE INFORMAÇÕES - MATEMÁTICA APLICADA A SISTEMAS DE INFORMAÇÃO PROF. DR. CLODOALDO JOSÉ FIGUEREDO 74 Assim (x , y) = x . (1 , 1) + y x 2 . (0 , 2) o que resulta na matriz x (x , y) y x 2 Portanto 1 0 xx T(v) T . v T(x,y) 1 2 . T(x,y) yy x 0 1 y x2 2 e, consequentemente, T(x , y) = x . (1 , 0 , 1) + y . (0 , 1 , 0) + y x 2 . (1 , 2 , 0) T(x , y) = y x , 2y x , x 2 O mesmo exemplo pode ser resolvido por outro método. Sabemos que, na base β, a primeira coluna de T nos dá as coordenadas de T(1 , 1) e a segunda coluna nos dá as coordenadas de T(0 , 2). Assim tem-se T(1 ,1) = 1 . (1 , 0 , 1) + 1 . (0 , 1 , 0) + 0. (1 , 2 , 0) = (1 , 1 , 1) T(0 , 2) = 0 . (1 , 0 ,1) + 2 . (0 , 1 , 0) + 1 . (1 , 2 , 0) = (1 , 4 , 0) Para (x , y) ∊ 2 arbitrário, temos que: (x , y) = x . (1 , 1) + y x 2 . (0 , 2) Aplicando a transformação linear na igualdade temos T(x , y) = x . T(1 , 1) + y x 2 . T(0 , 2) T(x , y) = x . (1 , 1 , 1) + y x 2 . (1 , 4 , 0) T(x , y) = T(x , y) = y x , 2y x , x 2 como encontrado anteriormente 6.13) OPERAÇÕES COM TRANSFORMAÇÕES LINEARES E MATRIZES 6.13.1) Adição: Sejam T1 : V ⟶ W e T2 : V ⟶ W transformações lineares. Chama-se soma das transformações lineares T1 e T2 a transformação linear T1 + T2 : V ⟶ W tal que (T1 + T2)(v) = T1(v) + T2(v) = T1(v) + T2(v) , v ∊ V Se α e β são bases de V e W, respectivamente, demonstra-se que 1 2 1 2T T T T 6.13.2) Multiplicação por Escalar: Sejam T: V ⟶ W uma transformação linear e k um escalar tal que k ∊ . Chama-se produto de T pelo escalar k a transformação linear k . T : V ⟶ W tal que (k.T)(v) = k . T(v) , v ∊ V Se α e β são bases de V e W, respectivamente, demonstra-se que k.T k. T Obs.: Decorre das duas operações acima que 1 2 1 2T k.T T k. T INSTITUTO FEDERAL CATARINENSE – IFC – CAMPUS ARAQUARI BACHARELADO EM SISTEMAS DE INFORMAÇÕES - MATEMÁTICA APLICADA A SISTEMAS DE INFORMAÇÃO PROF. DR. CLODOALDO JOSÉ FIGUEREDO 75 6.13.3) Composição de Transformações Lineares: Sejam T1 : V ⟶ W e T2 : W ⟶ U transformações lineares. Chama-se aplicação composta de T1 com T2, e se representa por T2 o T1, a transformação linear (T2 o T1) : V ⟶ U tal que (T2 o T1)(v) = T2(T1(v)) , v ∊ V Se α , β e γ são bases de V , W e U, respectivamente, então S o T S . T Exemplos: 1) Sejam T1 : 2 ⟶ 3 e T2 : 2 ⟶ 3 transformações lineares definidas por T1(x , y) = (x + 2y , 2x – y , x) e T2(x , y) = (– x , y , x + y) Determinar: a) T1 + T2 b) 3 . T1 – 2 . T2 a) (T1 + T2)(x , y) = T1(x , y) + T2(x, y) = (x + 2y , 2x – y , x) + (– x , y , x + y) = = (2y , 2x , 2x + y) b) (3 . T1 – 2 . T2)(x , y) = 3 . T1(x , y) – 2 . T2(x, y) = 3 . (x + 2y , 2x – y , x) – 2 . (– x , y , x + y) = (3x + 6y , 6x – 3y , 3x ) – (– 2x , 2y , 2x + 2y) = (5x + 6y , 6x – 5y , x – 2y) 2) Sejam F, G : 3 ⟶ 3 transformações lineares dadas por F(x , y , z) = (2x + y , z – y , y) e G(x , y , z) = (x – 2y , y + z , x + 2z), determine o núcleo, a dimensão do núcleo, a imagem e a dimensão da imagem da transformação G o F Primeiramente devemos determinar a transformação G o F (x , y , z) = G(F(x , y , z)). Assim temos que: (G o F)(x , y , z) = G(F(x , y , z)) = (2x + y – 2.(z – y) , z – y + y , 2x + y + 2y) = (2x + 3y – 2z , z , 2x + 3y) Logo (G o F)(x , y , z) = (2x + 3y – 2z , z , 2x + 3y) Na sequência determinamos o núcleo de (G o F) da forma (2x + 3y – 2z , z , 2x + 3y) = (0 , 0 , 0) A igualdade implica no sistema 2x 3y 2z 0 z 0 2x 3y 0 . Resolvendo o sistema obtemos N(G o F) = {(x , 2x 3 , 0)} , cuja dimensão é dim (N(G o F)) = 1. Observa-se que o núcleo é gerado por 2 1, , 0 3 Por fim determinamos a imagem de (G o F). Tomando a transformação composta (2x + 3y – 2z , z , 2x + 3y) , pelo teorema em 6.7.2, devemos determinar o espaço gerado pela imagem de um conjunto de geradores de 3 . Considerando a base canônica de 3 temos: (G o F)(1 , 0 , 0) = (2 , 0 , 2) , (G o F)(0 , 1 , 0) = (3 , 0 , 3) e (G o F)(0 , 0 , 1) = (– 2 , 1 , 0) Reduzindo a matriz 2 0 2 3 0 3 2 1 0 a sua escalonada obteremos uma base para a imagem de (G o F), conforme o teorema 7 (seção 5.8.2). Assim segue que 2 3 1 2 1 3 2 0 2 2 0 2 2 0 2 2 0 2 3 0 3 2 1 0 2 1 0 0 1 2 2 1 0 3 0 3 0 0 0 0 0 0 L L L L3 .L L 2 INSTITUTO FEDERAL CATARINENSE – IFC – CAMPUS ARAQUARI BACHARELADO EM SISTEMAS DE INFORMAÇÕES - MATEMÁTICA APLICADA A SISTEMAS DE INFORMAÇÃO PROF. DR. CLODOALDO JOSÉ FIGUEREDO 76 Assim a imagem da transformação composta é dada por Im (G o F) = [(2 , 0 , 2) , (0 , 1 , 2)], com dim = 2. Observa-se que a dimensão do núcleo e a dimensão da imagem obedece o teorema 3 (seção 6.9). 3) Sejam T : 2 ⟶ 3 e S : 3 ⟶ 2 transformações lineares cujas matrizes são 1 0 T 2 1 1 1 e 1 0 1 S 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)}. Encontrar a transformação linear (S o T). Para determinar a transformação (S o T) , deve-se primeiramente determinar S o T . Conforme 6.12.3 temos que 1 0 1 0 1 0 1 S o T S . T . 2 1 0 0 1 1 1 1 1 Da expressão T(v) T . v (seção 6.11) segue que 0 1 0 1 x y y S o T(x,y) . (x,y) . 1 1 1 1 y 2y x e, consequentemente (S o T)(x , y) = y . (1 , 0) + (2y – x) . (0 , 2) = (y , 4y – 2x). 6.14) OPERADORES INVERTÍVEIS: Um operador T : V ⟶ V associa a cada vetor v ∊ V um vetor T(v) ∊ V. Se por meio de outro operador S for possível inverter essa correspondência, de tal modo que a cada vetor transformado T(v) se associe o vetor de partida v, diz-se que S é o operador inverso de T, e indica-se por T-1. Quando o operador linear T admite a inversa T-1, diz-se que T é inversível, invertível, regular ou não-singular. 6.14.1) Propriedades dos operadores invertíveis: Seja T : V ⟶ V um operador linear I) Se T é invertível e T-1 é a sua inversa, então (T o T-1) = (T-1 o T) = I (identidade) II) T é invertível se, e somente se, N(T) = { 0 }, conforme item II da seção 6.6.1 e item I da seção 6.9.1 III) Se T é invertível, T transforma base em base, isto é, se β é uma base de V, T(β) também é base de V. IV) Se T é invertível e β uma base de V, T-1 : V ⟶ V é linear e 11T (v) T(v) com v ∊ V, isto é, a matriz do operador linear inverso numa certa base β é a inversa da matriz do operador T na mesma base. Como consequência temos que T é inversível se, e somente se, det [ T ] ≠ 0. Exemplo: Seja o operadorlinear em 2 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. a) A matriz canônica de T é 4 3 T 2 2 . O determinante da matriz [ T ] = 2, logo T é invertível. b) Conforme (IV) segue que 11T T . A inversa da matriz 4 3 T 2 2 é a matriz 1 3 1 T 2 1 2 Logo, 11 3 3 x x1 x y T (x,y) T .2 2 y y 1 2 x 2y , ou seja, T-1 (x , y) = 3 x y,x 2y 2 INSTITUTO FEDERAL CATARINENSE – IFC – CAMPUS ARAQUARI BACHARELADO EM SISTEMAS DE INFORMAÇÕES - MATEMÁTICA APLICADA A SISTEMAS DE INFORMAÇÃO PROF. DR. CLODOALDO JOSÉ FIGUEREDO 77 2) Verificar se o operador linear T : 3 ⟶ 3 definido por T (1 , 1 , 1) = (1 , 0 , 0) , T (– 2 , 1 , 0) = (0 , – 1 , 0) e T (– 1 , –3 , –2) = (0 , 1 , –1) é invertível e, em caso afirmativo, determinar T-1 (x , y , z). Se temos que T (1 , 1 , 1) = (1 , 0 , 0) , T (– 2 , 1 , 0) = (0 , – 1 , 0) e T (– 1 , –3 , –2) = (0 , 1 , –1), por definição de T-1, temos T-1 (1 , 0 , 0) = (1 , 1 , 1) , T-1 (0 , –1 , 0) = (–2 , 1 , 0) e T-1 (0 , 1 , –1) = (–1 , –3 , –2). Observando que {(1 , 0 , 0) , (0 , –1 , 0) , (0 , 1 , –1)} é também uma base de 3 (Isso fica como exercício) e que as imagens desses vetores são conhecidas, o operador inverso T-1 está definido. Basta determinar T-1 (x , y , z). Para isso, expressamos (x , y , z) em relação a essa base. Assim segue que (x , y , z) = a . (1 , 0 , 0) + b . (0 , –1 , 0) + c . (0 , 1 , –1) (x , y , z) = (a , –b + c , –c) Logo a = x , b = –y – z e c = –z e com isso temos (x , y , z) = x.(1 , 0 , 0) + (–y – z).(0 , –1 , 0) + (–z ).(0 , 1 , –1) Aplicando a transformação em ambos os lados da igualdade T-1 (x , y , z) = x . T-1 (1 , 0 , 0) + (–y – z) . T-1 (0 , –1 , 0) + (–z ) . T-1 (0 , 1 , –1) T-1 (x , y , z) = x . (1 , 1 , 1) + (–y – z) . (–2 , 1 , 0) + (–z ) . (–1 , –3 , –2) T-1 (x , y , z) = (x , x , x) + (2y + 2z , –y – z , 0) + (z , 3z , 2z) T-1 (x , y , z) = (x + 2y + 3z , x – y + 2z , x + 2z) 6.14) APLICAÇÕES DE TRANSFORMAÇÕES LINEARES EM COMPUTAÇÃO: 6.14.1) Isomorfismo Aplicado a Criptografia: Dentre as inúmeras aplicações das transformações lineares, podemos destacar o seu uso cotidiano no desenvolvimento de algoritmos de criptografia. A tecnologia atual não está imune às ameaças que a envolvem, e não conseguimos pensar em um mundo, onde não haja sistemas protegidos por senhas e mensagens indecifráveis para aqueles que não deveriam ter acesso a elas. Claro que existem diversos algoritmos criptográficos que utilizam outras áreas da matemática, como por exemplo, a teoria dos números e a matemática discreta. Apesar de existirem trabalhos específicos sobre criptografia, queremos mostrar aqui, a utilização das transformações lineares isomórficas na criptografia. Mas porque as transformações lineares aplicadas a criptografia têm que ser isomórficas? Porque a ideia principal da criptografia é a habilidade de criar uma mensagem indecifrável em uma ponta, mas que seja possível de ser decifrada na outra ponta através da reversão do código utilizado como chave. Para isso necessitamos que a transformação linear possua uma inversa, logo utilizando o Teorema da Transformação Linear Inversa que afirma que se 𝑇: 𝑉 → 𝑊 é uma Transformação Linear e um Isomorfismo, sua inversa 𝑇-1 :𝑊 → 𝑉, também será uma Transformação Linear e um Isomorfismo. 6.14.2) Transformações Lineares e Computação Gráfica: Algumas transformações lineares podem ser representadas geometricamente, e algumas destas representações possuem aplicações nas mais diversas áreas da computação gráfica, onde encontramos a necessidade de manipular o conteúdo de uma cena. Animações, por exemplo, são efeitos criados pelo movimento da câmera ou dos objetos presentes na cena. Mudanças no formato, tamanho e orientação estão ligadas às transformações geométricas. Estas aplicações são aplicadas à cena para alterar a geometria dos objetos que compõem a cena sem fazer alterações topológicas. Todas as transformações geométricas podem ser representadas na forma de equações. O problema é que manipulações de objetos gráficos normalmente envolvem muitas operações de aritmética simples. As matrizes são muito usadas nessas manipulações porque são mais fáceis de usar e entender do que as equações algébricas, o que explica por que programadores e engenheiros as usam extensivamente. Uma transformação geométrica é uma função cujo domínio e imagem são formados por um conjunto de pontos. Geralmente, tanto o domínio como a imagem pertencem ambos ao ℝ2 ou ao ℝ3 . Frequentemente as transformações geométricas necessitam ser funções um para um, ou seja, sempre que 𝑓(𝑎) = 𝑓(𝑏) então 𝑎 = 𝑏. As mais comuns transformações geométricas no Plano, são escala, rotação, translação, espelhamento e cisalhamento. Uma aplicação simples na computação gráfica são as letras vistas na tela do computador. Considere a letra maiúscula I, desenhada num sistema de coordenadas em ℝ2 como na figura 1. Seja M a matriz cujas colunas são as coordenadas dos vértices da letra I 1 1 2 2 1 1 4 4 3 3 4 4 M 0 1 1 4 4 5 5 4 4 1 1 0 INSTITUTO FEDERAL CATARINENSE – IFC – CAMPUS ARAQUARI BACHARELADO EM SISTEMAS DE INFORMAÇÕES - MATEMÁTICA APLICADA A SISTEMAS DE INFORMAÇÃO PROF. DR. CLODOALDO JOSÉ FIGUEREDO 78 Para desenhar a letra I na fonte itálica, basta fazer um cisalhamento da mesma na direção do eixo x, conforme a figura 2. Se a matriz que representa o cisalhamento é, por exemplo, a matriz 1 1 0 1 , então as coordenadas da fonte itálica são as colunas da matriz M1 tal que 1 1 1 1 1 1 2 2 1 1 4 4 3 3 4 4 1 2 3 6 5 6 9 8 7 4 5 4 M . M 0 1 0 1 1 4 4 5 5 4 4 1 1 0 0 1 1 4 4 5 5 4 4 1 1 0 Figura 1 Figura 2 Extraído de http://dspace.nead.ufsj.edu.br/trabalhospublicos/bitstream/handle/123456789/68/EDUARDO%20SCHWARTZ_12293_assignsubmission_file_T CC-Transforma%C3%A7%C3%B5es%20Lineares.pdf?sequence=1, acesso em 20/06/2020 https://repositorio.bc.ufg.br/tede/bitstream/tde/2949/5/A%20import%C3%A2ncia%20das%20matrizes%20e%20transforma%C3%A7%C3%B5es %20lineares%20na%20computa%C3%A7%C3%A3o%20gr%C3%A1fica.pdf. acesso em 20/06/2020 LISTA DE EXERCÍCIOS 6 – TRANSFORMAÇÕES LINEARES 1) Verifique quais das seguintes transformações são lineares: a) T : 2 ⟶ 2 tal que T(x, y) = (x – 3y , 2x + 5y) b) T : 3 ⟶ 3 tal que T(x ,y , z) = (2x – y + z , 3y + z – 2 , x – 5y) c) T : 2 ⟶ 2 tal que T(x, y) = (x2 , x + y) d) T : 2 ⟶ M (2,2) tal que T(x , y) = 2y 3x y x 2y e) T : M(2,2) ⟶ tal que a b a b T det c d c d 2) Determine a transformação linear T : 2 ⟶ 3 tal que T(–1 , 1) = (3 , 2 , 1) e T(0 , 1) = (1 , 1 , 0) 3) Encontre a transformação linear T : 2 ⟶ 3 tal que T (1 , 2) = (3 , –1 , 5) e T (3 , –1) = (2 , 1 , –1). 4) Seja T : 3 ⟶ 2 uma transformação linear definida por T(1 , 1 , 1) = (1 , 2) , T(1 , 1 , 0) = (2 , 3) e T(1 , 0 , 0) = (3 , 4). a) Determinar T(x , y , z) b) Determinar T(2 , 3 , –1) c) Determinar v ∊ 3 tal que T(v) = (–3 , –2) INSTITUTO FEDERAL CATARINENSE – IFC – CAMPUS ARAQUARI BACHARELADO EM SISTEMAS DE INFORMAÇÕES - MATEMÁTICA APLICADA A SISTEMAS DE INFORMAÇÃO PROF. DR. CLODOALDO JOSÉ FIGUEREDO 79 5) Seja a transformação linear T : 2 ⟶ 3 tal que T(– 2 , 3) = (–1 , 0 , 1) e T(1 , –2) = (0 , –1 , 0). a) Determinar T(x , y) b) Determinar N(T) e Im (T). 6) Para as transformações lineares abaixolistadas, determinar: I) o núcleo, uma base para esse subespaço e sua dimensão. T é injetora? Justifique II) a imagem, uma base para esse subespaço e sua dimensão. T é sobrejetora? Justifique a) T : 2 ⟶ 2 tal que T(x , y) = (3x – y , –3x + y) b) T : 3 ⟶ 2 tal que T(x , y , z) = (x + 2y – z , 2x – y + z) c) T : 3 ⟶ 3 tal que T(x , y , z) = (x – y – 2z , –x + 2y + z , x – 3z) d) T : 4 ⟶ 3 tal que T(x , y , z , t) = (x – y + z + t , x + 2z – t , x + y + 3z – 3t) 7) Considere a transformação matricial T : 4 ⟶ 3 com T = 1 2 3 1 1 3 5 2 3 8 13 3 . Encontre uma base e a dimensão da imagem e da núcleo de T 8) A transformação linear T : 3 ⟶ 3 tal que T(x , y , z) = (x – 3y – 2z , y – 4z , z) é um isomorfismo? 9) Consideremos a transformação linear T : 3 ⟶ 2 tal que T(x , y , z) = (2x + y – z , x + 2y) e as bases α = {(1 , 0 , 0) , (2 , –1 , 0) , (0 , 1 , 1)} do 3 e β = {(–1 , 1) , (0 , 1)} do 2 . Determine a matriz T . 10) Seja a transformação linear T : 2 ⟶ 3 tal que T(x , y) = (2x – y , x + 3y , –2y) e as bases α = {(–1 , 1) , (2 , 1)} e β = {(0 , 0 , 1) , (0 , 1 , –1) , (1 , 1 , 0)}. Determine a matriz T . 11) Sabendo que a matriz de uma transformação linear T : 2 ⟶ 3 nas bases α = {(–1 , 1) , (1 , 0)} do 2 e β = {(1 , 1 , –1) , (2 , 1 , 0) , (3 , 0 , 1)} do 3 é 3 1 T 2 5 1 1 , encontrar a expressão T(x , y). 12) Sejam as transformações lineares F : 3 ⟶ 2 definida por F(x , y , z) = (2x , y + z) e G : 3 ⟶ 2 definida por G(x , y , z) = (x – z , y), encontre as fórmulas que definem as transformações: a) (F + G)(x , y , z) b) (3F)(x , y , z) c) (2F – 5G)(x , y , z) 13) Sejam as transformações lineares S : 3 ⟶ 4 tal que S(x , y , z) = (x + y , z , x – y , y + z) e T : 2 ⟶ 3 tal que T(x , y) = (2x + y , x – y , x – 3y). Calcular (S o T)(x , y). INSTITUTO FEDERAL CATARINENSE – IFC – CAMPUS ARAQUARI BACHARELADO EM SISTEMAS DE INFORMAÇÕES - MATEMÁTICA APLICADA A SISTEMAS DE INFORMAÇÃO PROF. DR. CLODOALDO JOSÉ FIGUEREDO 80 14) Sejam F, G: 3 3 operadores lineares dados por F(x , y , z) = (x – 3y , 2z + y , z ) e G(x , y , z) = ( x + 2y , y – 3z , –x + 2z), determine (F o G)(x , y , z) e (G o F)(x , y , z) 15) A seguir são dados operadores lineares T em 2 e em 3 . Verificar quais são inversíveis e, nos casos afirmativos, determinar uma fórmula para T-1. a) T : 2 ⟶ 2 , T(x , y) = (3x – 4y , –x + 2y) b) T : 2 ⟶ 2 , T(x , y) = (x – 2y , –2x + 3y) c) T : 2 ⟶ 2 , T(x , y) = (2x – y , –4x + 2y) d) T : 3 ⟶ 3 , T(x , y , z) = (x – y + 2z , y – z , 2y – 3z) e) T : 3 ⟶ 3 , T(x , y , z) = (x – y + 2z , y – z , –2x + y – 3z) 16) Considere o operador T de 3 definido pela matriz 1 0 1 2 1 1 0 0 1 a) Mostrar que T é um isomorfismo b) Determinar a lei que define o operador T-1 c) Utilizar a matriz de T ou de T-1 para obter o vetor v ∊ 3 tal que T(v) = (2 , –3 , 0) GABARITO – LISTA DE EXERCÍCIOS 6 1) a) Sim b) Não c) Não d) Sim e) Não 2) T(x , y) = (–2x + y , –x + y , –x) 3) T(x , y) = x 4y 3x 16y x y, , 7 7 4) a) T(x , y , z) = (3x – y – z , 4x – y – z) b) (4 , 6) c) v = (1 , 6 – z , z) 5) a) T(x , y) = (2x + y, 3x + 2y , –2x – y) b) N(T) = {(0 , 0)} e Im(T) = {(x , y , – x) | x , y ∊ } 6) a) I) N(T) = {(x , 3x) | x ∊ } = [(1 , 3)] , dim N(T) = 1 , T não é injetora pois N(T) ≠ {(0 , 0)}. II) Im (T) = {(–y , y) | y ∊ } = [(–1 , 1)] , dim Im (T) = 1 , T não é sobrejetora pois Im (T) ≠ 2 b) I) N(T) = {(x , –3x , –5x)} | x ∊ } = [(1 , –3 , –5)] , dim N(T) = 1 , T não é injetora pois N(T) ≠ {(0 , 0)}. II) Im (T) = 2 , base = {(1 , 0) , (0 , 1)} , dim Im (T) = 2 , T é sobrejetora pois Im (T) = 2 INSTITUTO FEDERAL CATARINENSE – IFC – CAMPUS ARAQUARI BACHARELADO EM SISTEMAS DE INFORMAÇÕES - MATEMÁTICA APLICADA A SISTEMAS DE INFORMAÇÃO PROF. DR. CLODOALDO JOSÉ FIGUEREDO 81 c) I) N(T) = {(3z , z , z) | z ∊ } = [(3 , 1 , 1)] , dim N(T) = 1 , T não é injetora pois N(T) ≠ {(0 , 0)}. II) Im (T) = {(x , y , z) ∊ 3 | 2x + y – z = 0} = [(1 , 0 , 2) , (0 , 1 , 1)] , dim Im (T) = 2 , T não é sobrejetora. d) I) N(T) = [(2 , 1 , –1 , 0) , (1 , 2 , 0 , 1)] , dim N(T) = 2 , T não é injetora pois N(T) ≠ {(0 , 0)}. II) Im (T) = [(1 , 1 , 1) , (0 , 1 , 2)] , dim Im (T) = 2 , T é sobrejetora pois Im (T) = 3 7) [(1 , 1 , 3) , (0 , 1 , 2)] é uma base da imagem de T, com dim (Im (T)) = 2 [(1 , – 2 , 1 , 0) , (– 7 , 3 , 0 , 1) é uma base do núcleo de T, com dim (N(T)) = 2 8) Sim 9) 2 3 0 T 3 3 2 10) 3 0 T 5 2 3 3 11) T(x , y) = (8x + 18y , 6x + 11y , –2x – 4y) 12) a) (F + G)(x , y , z) = (3x – z , 2y + z) b) (3F)(x , y , z) = (6x , 3y + 3z) c) (2F – 5G)(x , y , z) = (–x + 5z , –3y + 2z) 13) (S o T)(x , y) = (3x , x – 3y , x + 2y , 2x – 4y) 14) (F o G)(x , y , z) = (x – y + 9z , 2x + 5y – 3z , –x + 2z) e (G o F)(x , y , z) = (5x – y , 2x + y – 3z , x + 3y + 2z) 15) a) T-1(x , y) = 1 3 x 2y, x y 2 2 b) T-1(x , y) = (–3x – 2y , –2x – y) c) T não possui inversa d) T-1(x , y , z) = (x – y + z , 3y – z , 2y – z) e) T não possui inversa 16) b) T-1 (x , y , z) = (x + z , 2x – y + z , –z) c) (2 , 7 , 0) PREZADOS ALUNOS E LEITORES. QUALQUER DÚVIDA, SUGESTÕES E CRÍTICAS SERÃO SEMPRE BEM VINDAS. POR FAVOR ENCAMINHEM PARA clodoaldo.figueredo@ifc.edu.br AGRADEÇO ANTECIPADAMENTE QUALQUER COLABORAÇÃO QUE VENHA AGREGAR QUALIDADE A ESSE TRABALHO
Compartilhar