Escolar Documentos
Profissional Documentos
Cultura Documentos
linear
Transformação Linear;
Auto Valores e Auto
Vetores
Maria Rosangela
1. TRANSFORMAÇÕES LINEARES
O objeto principal da álgebra linear são os espaços vetoriais de dimensão finita e as transformações lineares
entre tais espaços.
Nesta unidade estudaremos um tipo especial de função, onde o domínio e o contradomínio são espaços
vetoriais reais. Assim, tanto a variável independente como a variável dependente são vetores. Essas funções são
chamadas funções vetoriais ou transformações vetoriais.
Sejam V e W conjuntos arbitrários não vazios. Suponha que cada elemento de A esteja associado a um único
transformação f de V em W. : → .
elemento de W. O conjunto V é o domínio da transformação. O conjunto W é o contradomínio. Denota-se uma
• sendo f uma função, cada v ∈ V tem só um vetor imagem w ∈ W que será indicado f(v) = w
• f é uma transformação do espaço vetorial V no espaço vetorial W.
w = (a, b, c) ∈ R³.
se a lei que define f é tal que a = 3x; b=-2y e c = x – y, a imagem de cada vetor
(x,y) será representada por: f(x, y) = (3x, -2y, x-y)
1 3 5
y.
3. Considere a matriz 2 X3 . Se os vetores são escritos em R³ e R² como vetores colunas,
2 4 1
então A determina a aplicação f: ³ → ² definida por → ³.
3
10
Assim, se 1 ã .
12
2
aplicação ": → onde, para qualquer polinômio ∈ , fazendo D(f) = df/dt, por exemplo D(3² 5 #
4. Seja V o espaço vetorial de polinômios na variável t sobre o corpo real R. Então a derivada define uma
2 6 5.
78 : 79 .
i. Uma aplicação
Uma aplicação : % → & '() ;/<0-,-./01 &, &3 &, =>? @, 7 &A5, 4565 ' ∈
, B(& 7 ∈ % 5CD7 7 .
ii.
iii. Uma aplicação : % → & '() <,-./01 &, &3 &, é (A65 &F6A65.
Obs.:
• A transformação linear possui uma propriedade importante: preserva a soma e a multiplicação por escalar.
Definição:
1
Exemplo:
6. Verificar se a aplicação F: R² →R² definida por F(x, y) = (x² + y², x) é uma TL.
2
J B, G 2B G, 3B # 4G, 5B D7 &(L((M5 D7 5 356() H,9 '63(7 5 65&635çã ' 6
E portanto:
: ² → ² , B², 3G ã é C(56. P 5, & 7 B8 , G8 B9 , G9 &ã 6& D75(&D76 ' ²,
8. A transformação
3 &:
Enquanto
2 1 B
II) fA (αu) = A (αu) = α(Au) = αfA(u )
Por exemplo, se tiver A(2,3) =3 0 e v = (x, y) for considerado um vetor coluna 9,8 QGR o produto Av é:
5 4
2 1 B 2B G
3 0 QGR 3B # 4G e portanto, fA(x,y)=(2x-y, 3x+4y, 5x), o que significa que a matriz A(3,2) determinou a
5 4 5B
transformação do vetor v = (x, y) ∈ R² no vetor w = (2x - y, 3x + 4y, 5x) ∈ R³, transformação essa que é linear.
Importante:
J : → ' 5 (35L3 J é 46'7 '5 356() T,S 4C 6 M537C5 S,8 :
S T
** De forma genérica, toda matriz A(m,n) determina a transformação linear
3
I - A figura ao lado mostra que, sendo u + v a diagonal
do paralelogramo determinado por u e v, sua imagem
4
5
5) Qual a transformaçãolinear f: R²→R³ tal que f(1, 0) = (2, -1, 0) e f(0, 1) = (0, 0, 1)?
2
Temos que e1 = (1,0) e e2 = (0,1) base de R² e w1=(2, -1, 0) e w = (0, 0, 1). Dado v = (x1, x2) arbitrário,
v = x1e1 + x2e2
e f(v) = x1f(e1) + x2f(e2)
=x1(2, -1, 0) + x2(0,0,1)
= (2x1, -x1, x2)
os vetores v ∈ V que são transformados em 0 ∈ W. Indica-se esse conjunto por N(f) ou ker(f):
núcleo (kernel em inglês). Chama-se núcleo de uma transformação linear f: V→ W ao conjunto de todos
`6 \ ∈ ; 0_
Tanto o núcleo de f quanto a sua imagem, são subespaços vetoriais de V. A
A Figura ao lado mostra que ker (f) ⊂ V e todos seus vetores têm uma única
dimensão do núcleo de L é denominada de nulidade de f.
imagem que é o vetor zero de W. Observe que o N(f): ∅, pois 0 ∈ N(f) uma
vez que f (0) = 0.
B 2G 0
e ,sistema cuja solução é x = y = 0. Logo, N(f) = (0,0)
B # 3G 0
Exemplos:
2) A imagem da transformação identidade I: V→V, definida por I(v) = v, v ∈ V, é todo espaço V. O núcleo, nesse caso,
3) A imagem da transformação nula f: V → W, com f(v) = 0, v ∈ V, é o conjunto Im (f) = {0}. O núcleo, nesse caso,
é N(f) = {0}.
é todo o espaço V.
7
Exemplos
8
3) Seja f:³ → ² 5 f^ '5'5 46 B, G, ) B # G, 2B G # ).
a) dar uma base e a dimensão de ker(f);
b) dar uma base e a dimensão de Im (f).
4) Determinar uma aplicação linear f:R³→R4 tal que Im(f) = [(1, 1, 2, 1), (2, 1, 0, 1)].
9
Ache uma base e a dimensão da imagem de f.
5
Achar os vetores da base usual de R :
f( 1, 0, 0, 0, 0) = (1, 2, 1) f(0, 1, 0, 0, 0) = (2, 5, 4) f( 0, 0, 1, 0, 0) = (1, 4, 5)
f(0, 0, 0, 1, 0) = (-3, -5, -1) v( 0, 0, 0, 0, 1) = (4, 5, -2)
1 2 1 1 2 1 1 2 1
pela definição Im f forma a matriz cujas linhas são esses vetores imagem. Reduzindo as linhas na forma escada, temos:
k 2 5 4 n k 0 1 2 n k0 1 2n
j1 4 5 m ~ j0 2 4 m ~ j0 0 0m
3 5 1 0 1 4 0 0 0
i 4 5 2 l i 0 3 6 l i0 0 0l
6) Seja G: : → a aplicação linear definida por G(x, y, z) = (x+2y-z, y + z, x + y – 2z). Ache uma base
3 3
e a dimensão do núcleo de G
B # 2G ) 0 B # 2G ) 0 B # 2G ) 0
Iguale as componentes correspondentes, formando o sistema homogêneo cujo espaço solução é o núcleo de W de G.
G # ) 0 G # ) 0 G # ) 0
B # G 2) 0 G ) 0
ou ou
A única variável independente é z, logo, dimW = 1. Seja z = 1 então y = -1 e x = 3. Assim, (3, -1, 1) forma uma base para ker G.
10
Assim, uma TL : → pode ser representada por infinitas matrizes, no entanto, fixadas uma base de
V e uma base de W , a matriz que representa f é única.
11
Dado um operador linear T em V e uma base U \78 , 79 , … , 7S _ ' , & 5CL6(3 463( 5Mℎ56 5 356() fs
Algoritmo
(b) Escreva T(uk) como combinação linear dos vetores da base 78 , 79 , … , 7S para obter as coordenadas de
(a) Ache T(uk)
T(uk) na base S.
Passo 2. Forme a matriz [T]S cujas colunas são os vetores das coordenadas [T(uk)]S obtidos no passo 1(b).
Passo 3. Fim
Obs. Note que o passo 1b é repetido para cada vetor de base uk. Consequentemente, pode ser conveniente aplicar
primeiro:
Passo 0. Ache a fórmula para as coordenadas de um vetor arbitrário v em relação à base S.
Exemplos:
12
13
1.7 TRANSFORMAÇÕES LINEARES E MATRIZES
Do mesmo modo, dada uma matriz qualquer e fixadas duas bases – uma no domínio e outra no
contradomínio –, ela representa uma transformação linear. Na prática, cada matriz pode ser interpretada como
matriz canônica de uma transformação linear f. Assim, por
14
Outros problemas resolvidos
1. Seja v o espaço vetorial de polinômios em t sobre R, de grau < 3, e seja
P: → 465'6 '(6M(5C '((' 46 Px4y . }5CM7C5' 5 356() ' P 5 F5&
zx{|y
z|
\1, , ,
9 H _ 3&:
P1 0 0 # 0 # 0 9 # 0 H
P 1 1 # 0 # 0 9 # 0 H
P 9 2 0 # 0 # 2 9 # 0 H
P³ 3² 0 # 0 # 3 9 # 0 H
0 1 0 0
0 0 2 0
~P note que os vetores das coordenadas [D(1), D(t), D(t²), D(t³)] são as colunas e não as
0 0 0 3
0 0 0 0
linhas em [D].
2. Considere o operador linear : 9 → 9 '((' 46 B, G 4B 2G, 2B # G 5 &L7( F5& '
²: U 78 1,1, 79 1,0 K \8 1,0, 9 0,1_ temos
78 1,0 2,3 31,1 # 1,0 378 # 79
79 1,0 4, 2 21,1 # 21,0 278 # 279
3 2
465 ~s Q R é 5 646&5çã 356(M(5C ' 5 F5& U. f3& 53Fé3
1 2
8 1,0 4, 2 48 # 29
8 1,0 2,1 28 # 9
Teorema 2.1: Seja U \78 , 79 , … , 7S _ 735 F5& 4565 f 73 465'6 C(56 56F(6á6( 3 . Kã, 4565
D75CD76 6 ∈ , ~fs ~s ~fs .
0 1 0 0 5 F
O teorema 2. 1 é válido aqui:
0 0 2 0 F 2M
~P
0 0 0 3 M 3'
0 0 0 0 ' 0
1 2 3
4. P5'5 5 356() , 5Mℎ ∈ ^ H , 9 ' 35(65 D7, &'
0 1 0
\1, 0, 0, 0, 1, 0, 0, 1, 2_ } \0, 1, 1, 1_, & ℎ5 , .
Seja (a, b, c) ∈ R³. Supondo
15
5, F, M B1,0,0 # G 0, 1, 0 # ) 0, 1, 2
F3 & D7 B 5; G F ; ) . &&(3,
9 9
5. Seja ∈ ^ H , 9 '(('5 46 B, G, ) ), B # G. P63(56 5 356() 3 6C5çã
à& F5&& \1, 1, 1, 1, 1, 0, 1, 0, 0_' H } F5& M5ô(M5 ' ²
∈
^ H , 9 '(('5 46 B, G, ) ), B # G. P63(56 5 356() 3 6C5çã
6. Seja
à& F5&& \1, 1, 1, 1, 1, 0, 1, 0, 0_' H } \1,3, 2, 5_ ' ²
1 4 2
Portanto, ,
1 2 1
1 0
8. Determinar o operador F do R² cuja matriz em relação a base B = {(1, 1), (1, 2)} é: – pela definição:
1 2
16
1,1 11, 1 # 11,2 2, 3
1, 2 01, 1 # 21, 2 2, 4
&&(3, &M6' B, GM3 M3F(5çã C(56 '5 F5& : B, G 51,1 # F1,2, CL
5 # F B 5 # 2F G, 5&&(3, 5 2B G F G B.
465 B, G 2B G2,3 # G B2, 4 2B, 2B # G.
1 1 0 0 . 1 0
A base canônica de P2 (R) é B = {1, t}. Usemos a definição de matriz de uma transformação linear:
0 1
1 1 1.1 1
0 1
Composição
17
Problemas resolvidos
18
1.9 TRANSFORMAÇÕES DO PLANO NO PLANO
- é toda função linear cujo domínio é contradomínio constituem R²
A. Expansão (ou contração ) uniforme: Considere o espaço vetorial real R2, e um escalar α ∈ R. A transformação
19
D. Rotação do plano
Mas,
Logo:
20
f: 9 → 9
E. Cisalhamento horizontal Considere o espaço vetorial real R². A transformação
B B # 2G 1 2 B
Exemplo
G →
G 0 1 G
1 0 B B
*da mesma forma, se mudarmos a matriz canônica de cisalhamento, poderemos obter o cisalhamento vertical do
G → ZB # G
Z 1
espaço.
Exemplos
21
22
2. OPERADORES LINEARES
23
Quando o operador linear f admite o inverso f-1, diz-se que f é
inversível, ou regular ou não-singular.
24
3.3 Matrizes semelhantes
25
Exemplos:
26
3. AUTOVALORES E AUTO VETORES (VETOR PRÓPRIO E VALOR PRÓPRIO) DE UM OPERADOR LINEAR
Como se vê pela definição, um vetor v : 0 é vetor próprio se a imagem f(v) for um múltiplo escalar de v. No
R2 e no R3, diz-se que v e f (v) têm a mesma direção. Na figura abaixo, o vetor v ∈ R2 é um vetor próprio de
um operador f: dependendo de valor de ʎ, o operador f dilata v, contrai v, inverte o sentido de v ou o anula
no caso de ʎ = 0.
27
3.1 DETERMINAÇÃO DOS VALORES PRÓPRIOS E DOS VETORES PRÓPRIOS
3.1.1 Determinação dos valores próprios
28
3.1.2 Determinação dos Vetores Próprios
Exemplos:
29
30
Isto é:
31
que representa uma reta que passa pela origem do sistema x ou
mas
32
Exemplo
33
Exemplos:
34
35