Baixe o app para aproveitar ainda mais
Prévia do material em texto
FACULDADE DE TECNOLOGIA SENAI CIMATEC ENGENHARIA Transformações Lineares No Ensino Médio é comum trabalharmos com funções de IR em IR, de apenas uma variável. Mas vários problemas são modelados e resolvidos por fórmulas que dependem de mais de uma variável. Por essa razão, vamos tratar agora de funções que têm como domínio e contradomínio outros espaços vetoriais, como o IR2, IR3, M2x2, etc. Assim, tanto os elementos do domínio ou do contradomínio poderão ser “vetores” e as funções deste tipo são também chamadas de funções vetoriais. Uma transformação 𝑇: 𝑉 → 𝑊, é uma função que associa a todo vetor 𝑣 ∈ 𝑉 um único vetor 𝑤 = 𝑇(𝑣) ∈ 𝑊. Por exemplo, seja 𝑉 = ℝ2 e 𝑊 = ℝ3. Uma transformação T: 𝑇: ℝ2 ⟶ ℝ3associa vetores 𝑣 = (𝑥, 𝑦) ∈ ℝ2 com vetores (𝑥, 𝑦, 𝑧) ∈ ℝ3. Se a lei que define a transformação T for: 𝑇(𝑥, 𝑦) = (3𝑥,−2𝑦, 𝑥 − 𝑦) Então em particular, temos: 𝑇(−1,3) = (−3,−6,−4) 𝑇(0, 0) = (0, 0, 0) 𝑇(2, 1) = (6,−2, 1) Sejam V e W espaços vetoriais. Uma aplicação 𝑇: 𝑉 → 𝑊 é chamada de transformação linear se: I. 𝑇(𝑢 + 𝑣) = 𝑇(𝑢) + 𝑇(𝑣), ∀ 𝑢, 𝑣 ∈ 𝑉 II. 𝑇(𝛼𝑢) = 𝛼𝑇(𝑢), ∀𝛼 ∈ ℝ 𝑒 𝑢 ∈ 𝑉 Quando 𝑉 = 𝑊, a função 𝑇: 𝑉 → 𝑉 é também chamada de operador linear. Exemplo 1: 𝑇:ℝ2 → ℝ3, definida por 𝑇(𝑥, 𝑦) = (3𝑥,−2𝑦, 𝑥 − 𝑦) é uma transformação linear. De fato, sejam 𝑢 = (𝑥1, 𝑦1) 𝑒 𝑣 = (𝑥2, 𝑦2) ∈ ℝ 2. Então: I. 𝑇(𝑢 + 𝑣) = 𝑇((𝑥1, 𝑦1) + (𝑥2, 𝑦2)) = 𝑇(𝑥1 + 𝑥2, 𝑦1 + 𝑦2) = 𝑇(3(𝑥1 + 𝑥2), −2( 𝑦1 + 𝑦2), 𝑥1 + 𝑥2 −𝑦1 − 𝑦2) = 𝑇(3(𝑥1 + 𝑥2), −2( 𝑦1 + 𝑦2), 𝑥1 + 𝑥2 −𝑦1 − 𝑦2) = 𝑇(3𝑥1, −2 𝑦1, 𝑥1 − 𝑦1) + 𝑇(3𝑥2, −2 𝑦2, 𝑥2 − 𝑦2)= 𝑇(𝑥1, 𝑦1) + 𝑇(𝑥2, 𝑦2) = 𝑇(𝑢) + 𝑇(𝑣) II. 𝑇(𝛼𝑢) = 𝑇(𝛼(𝑥1, 𝑦1)) = 𝑇(𝛼𝑥1, 𝛼𝑦1) = (3𝛼𝑥1, −2𝛼𝑦1, 𝛼𝑥1 − 𝛼𝑦1) = 𝛼(3𝑥1, −2 𝑦1, 𝑥1 − 𝑦1) = 𝛼 𝑇(𝑥1, 𝑦1) = 𝛼𝑇(𝑢) Exemplo 2: 𝑇:ℝ2 → ℝ2, definida por 𝑇(𝑥, 𝑦) = (𝑥, 3𝑥) é uma transformação linear? Resp.: Sim Exemplo 3: A transformação 𝑇:ℝ2 → ℝ2, 𝑇(𝑥, 𝑦) = (𝑥2, 2𝑥 + 𝑦) é linear? Resp.: Sim Proposições: • Toda transformação linear 𝑇:ℝ → ℝ é da forma de 𝑇(𝑥) = 𝑎𝑥 • Toda transformação linear 𝑇: ℝ2 → ℝ2 é da forma de 𝑇(𝑥, 𝑦) = (𝑎𝑥 + 𝑏𝑦, 𝑐𝑥 + 𝑑𝑦) • As transformações lineares só contém expressões com monômios de grau 1. • Toda transformação linear leva o vetor nulo no vetor nulo. • Se 𝑇: 𝑉 → 𝑊 é uma transformação linear, então: i. 𝑇(0)⃗⃗⃗⃗ = 0⃗ ii. 𝑇(−𝑣) = −𝑇(𝑣) iii. 𝑇(𝛼𝑢 + 𝛽𝑣) = 𝛼𝑇(𝑢) + 𝛽𝑇(𝑣) Determinação de transformações lineares Uma transformação linear 𝑇: 𝑉 → 𝑊 fica completamente determinada se forem dadas as imagens de vetores de uma base de V. Veremos nos exemplos abaixo, como encontrar a expressão que define a transformação linear. Ex.1: Sabendo que 𝑇:ℝ2 → ℝ2 é linear e que 𝑇(1,0) = (2, 1) 𝑒 𝑇(0,1) = (−1, 2), determine a expressão 𝑇(𝑥, 𝑦). Ex.2: Determinar a transformação 𝑇: ℝ2 ⟶ ℝ3 linear, sabendo que 𝑇(1, 0) = (1, 2, 3) 𝑒 𝑇(0,1) = (– 1, 0, 1). Ex.3: Determine a transformação 𝑇:ℝ2 → ℝ2 linear, sabendo que 𝑇(1,1) = (1, 0)𝑒 𝑇( −1,1) = ( 1,2 ). Transformações Injetoras, sobrejetoras ou bijetoras Uma transformação linear 𝑇: 𝑈 ⟶ 𝑉 é : 1. Injetora se 𝑇(𝑢) = 𝑇(𝑣) implicar que 𝑢 = 𝑣; 2. Sobrejetora se para todo 𝑣 𝜖 𝑉 existir 𝑢 𝜖 𝑈 tal que 𝑇(𝑢) = 𝑣; 3. Bijetora se for injetora e sobrejetora. Proposição 1: Uma transformação linear 𝑇: 𝑈 ⟶ 𝑉 é injetora se e somente se 𝑇(𝑢) = 0 implicar 𝑢 = 0. Núcleo de uma Transformação Linear Quando trabalhamos com funções no Ensino Médio, procuramos saber “onde elas se anulam”, ou seja, procuramos saber em que pontos 𝑥𝜖 ℝ temos 𝑓(𝑥) = 0. No caso de Álgebra Linear, os elementos que são transformados em zero (vetor nulo) serão chamados de elementos do núcleo de T. Consideremos então uma transformação linear 𝑇: 𝑉 ⟶ 𝑊, já dissemos que o vetor nulo de V é transformado no vetor nulo de W, ou seja, 𝑇(0) = 0. Mas o fato de 𝑇(0) = 0, não invalida que outros vetores 𝑣 𝜖 𝑉, também tenham imagem igual ao vetor nulo, ou seja, 𝑇(𝑣) = 0. Estes vetores pertencem ao subconjunto que chamamos de núcleo de T, e denotamos por 𝑵(𝑻). 𝑁(𝑇) = {𝑣 ∈ 𝑉; 𝑇(𝑣) = 0} Proposição 2: Uma transformação linear 𝑇: 𝑈 ⟶ 𝑉 é injetora se e somente se 𝑁(𝑇) = {0}. Proposição 3: Se U e V são espaços vetoriais de dimensão finita tais que 𝑑𝑖𝑚 𝑈 = dim𝑉e se 𝑇: 𝑈 ⟶ 𝑉 é uma transformação linear então as seguintes condições são equivalentes: 1. T é sobrejetora; 2. T é injetora; 3. T é bijetora; 4. T leva bases de U em bases de V. Ex.1: Considere 𝑇:ℝ2 → ℝ2, dada por 𝑇 (𝑥, 𝑦) = (2𝑥 − 𝑦, 4𝑥 − 2𝑦). Neste caso, o vetor nulo é 0⃗ = (0,0). É claro que 𝑇(0,0) = (0,0). O que queremos saber é se “existem outros” vetores que também têm imagem (0,0). Ex.2: Considere agora 𝑇:ℝ2 → ℝ2, dada por 𝑇 (𝑥, 𝑦) = (2𝑥 − 𝑦, 𝑥 + 𝑦). Será que existem outros vetores, além de 𝑣 = 0⃗ , tais que 𝑇(𝑣) = 𝑂 ? Ex.3: Seja 𝑇:ℝ3 ⟶ ℝ3, dada por 𝑇 (𝑥, 𝑦, 𝑧) = (𝑥 − 𝑦, 𝑥 + 𝑧, 2𝑥 − 𝑦 + 𝑧). Vamos verificar qual é o núcleo de T, e sua dimensão. Imagem de uma Transformação Linear Outra noção que também vimos no Ensino Médio foi do conjunto imagem. Esse conjunto é constituído pelas imagens 𝑓(𝑥), quando variamos 𝑥. Em Álgebra Linear definimos assim: Seja uma transformação linear 𝑇: 𝑉 ⟶ 𝑊. O conjunto imagem de T é o subconjunto 𝐼𝑚(𝑇) = { 𝑇(𝑣) ; 𝑣 𝜖 𝑉 } = {𝑤 𝜖 𝑊 ; 𝑤 = 𝑇(𝑣) } Vamos ver como determinar o conjunto imagem de T. Para isso precisaremos “desfolhar” o vetor T(x, y), como fizemos com subespaços gerados. Ex.1: 𝑇:ℝ2 → ℝ2, dada por 𝑇 (𝑥, 𝑦) = (2𝑥 − 𝑦, 4𝑥 − 2𝑦) Logo, 𝑇 (𝑥, 𝑦) = (2𝑥 − 𝑦, 4𝑥 − 2𝑦) = (2𝑥, 4𝑥) + (−𝑦,−2𝑦) = 𝑥 (2, 4) + 𝑦 (−1,−2). Assim, um vetor típico de 𝐼𝑚(𝑇) é a combinação linear dos vetores 𝑤1 = (2, 4) 𝑒 𝑤2 = (−1,−2). 𝐼𝑚(𝑇) = [(2, 4), (−1,−2)] = [(1,2)] Como esses vetores são paralelos (dependentes) podemos retirar um deles do conjunto de geradores, sem problemas. Ex.2: Agora determine a imagem da transformação 𝑇:ℝ2 → ℝ2, dada por 𝑇 (𝑥, 𝑦) = (2𝑥 − 𝑦, 𝑥 + 𝑦) e sua dimensão. Proposição: 𝑁(𝑇) é um subespaço vetorial de V. E 𝐼𝑚(𝑇) é um subespaço vetorial de W. Teorema (do Núcleo e da Imagem: Seja 𝑇: 𝑉 ⟶ 𝑊 uma transformação linear, e 𝑑𝑖𝑚 𝑉 = 𝑛. Então 𝑑𝑖𝑚(𝑉) = 𝑑𝑖𝑚 𝑁(𝑇) + 𝑑𝑖𝑚 𝐼𝑚(𝑇) Ex.: 𝑇:ℝ3 ⟶ ℝ3 𝑇 (𝑥, 𝑦, 𝑧) = (𝑥 − 𝑦, 𝑥 + 𝑧, 2𝑥 − 𝑦 + 𝑧) dimℝ3 = 3 𝑁(𝑇) = [(1,1,−1)] 𝑒 𝑑𝑖𝑚 𝑁(𝑇) = 1 𝐼𝑚(𝑇) = [ (−1, 0, −1), (0, 1, 1)] 𝑒 𝑑𝑖𝑚 𝐼𝑚(𝑇) = 2 Assim, 𝑑𝑖𝑚 ℝ3 = 1 + 2 = 𝑑𝑖𝑚 𝑁(𝑇) + 𝑑𝑖𝑚 𝐼𝑚(𝑇) Isomorfismo e Automorfismo Dizemos que uma transformação linear 𝑇: 𝑈 ⟶ 𝑉 é isomorfismo quando ela for bijetora. No caso em que 𝑈 = 𝑉 diremos que que T é um automorfismo. Se 𝑇: 𝑈 ⟶ 𝑉 é um isomorfismo dizemos que os espaços U e V são isomorfos. As seguintes transformações são exemplos de isomorfismo, por isso os respectivos espaços vetoriais são isomorfos: 1. 𝑇: 𝑈 ⟶ 𝑈 dada por 𝑇(𝑢) = 𝑢 2. 𝑇: ℝ𝑛 ⟶ 𝑃𝑛−1(ℝ) dada por 𝑇(𝑥1, … , 𝑥𝑛) = 𝑥1 + 𝑥2𝑡 + ⋯+ 𝑥𝑛𝑡 𝑛−1 Ex.: Verifique se 𝑇(𝑥, 𝑦, 𝑧) = (𝑥 − 𝑦, 𝑥 − 𝑧, 𝑧 − 𝑦) é um automorfismo de ℝ3 Obs.: Se dois espaços têm a mesma dimensão finita então eles são isomorfos. Matriz Associada a uma transformação Linear Vimos que as transformações lineares 𝑇:ℝ2 → ℝ2 são do tipo 𝑇(𝑥, 𝑦) = (𝑎𝑥 + 𝑏𝑦, 𝑐𝑥 + 𝑑𝑦) , com a, b, c e d constantes. Podemosescrever os vetores em forma de coluna, [𝑣] = ( 𝑥 𝑦) e de modo análogo, escrevemos [𝑇(𝑣)] = ( 𝑎𝑥 + 𝑏𝑦 𝑐𝑥 + 𝑑𝑦 ). Assim a função 𝑇(𝑥, 𝑦) = (𝑎𝑥 + 𝑏𝑦, 𝑐𝑥 + 𝑑𝑦) pode ser vista como um produto de matrizes 𝐴 𝑣 = [𝑇(𝑣)] ⇒ ( 𝑎 𝑏 𝑐 𝑑 ) . ( 𝑥 𝑦) = ( 𝑎𝑥 + 𝑏𝑦 𝑐𝑥 + 𝑑𝑦 ), e a matriz 𝐴 = ( 𝑎 𝑏 𝑐 𝑑 ) é a matriz associada à transformação T, e pode ser denotada pelo símbolo [T] . Ex.1: Dada T(x, y) = (x – 2y, 3x+2y), qual a matriz A que a representa? Neste caso temos que encontrar uma matriz A, tal que ( 𝑎 𝑏 𝑐 𝑑 ) . ( 𝑥 𝑦) = ( 𝑥 − 2𝑦 3𝑥 + 2𝑦 ). Podemos concluir que [𝑇] = ( 1 −2 3 2 ) Ex.2: Dada 𝑇: ℝ2 ⟶ ℝ3, T(x, y) = (x – 2y, 3x + 2y, −5x + y), encontre a matriz associada a essa função. Ex.3: Se temos agora 𝑇: ℝ3 ⟶ ℝ2, T(x, y, z) = (2x – y, x + 3y − z), qual a matriz associada de T? Ex.4: Dada 𝑇:ℝ3 ⟶ ℝ3, 𝑇(𝑥, 𝑦, 𝑧) = (𝑥 − 𝑦 + 𝑧, 𝑦 + 2𝑧, 3𝑥 − 𝑦 + 𝑧), qual a matriz associada de T?
Compartilhar