Álgebra Linear - Transformações Lineares

Podemos pensar na equação Ax = b como uma equação ve-

e para o segundo caso temos:
torial associada com a combinação linear das colunas de A, ou   
seja, x1 a1 + x2 a1 + ... + xn an = b. Entretanto, uma outra ma- 1/3 0 0 a
  
neira de vermos esta equação é pensarmos que temos um vetor T (v) =  0 1/3
 0  b
 

x que, quando multiplicado por uma matriz A, é transformado em 0 0 1/3 c
outro vetor b. Este é exatamente o efeito da aplicação de uma
 
a
função em um número real. Sob esta óptica, a equação acima 1 
=  b
3 
passa a ser pensada como o conjunto de todos os vetores x que c
se transformam em b sob a aplicação da multiplicação pela matriz
Podemos ver que em ambos os casos os vetores diminui-
A.
ram sua norma por 1/3 do valor original.

u1 v1
Exemplo 2
u2 v2
Encontre um vetor x cuja imagem por T é b, em que T
u3 v3 é dada por T (x) = Ax e determine se x é único.
   
Rn Rm 1 −2 3 −6
   
A=  0 1 −3  , b −4
  
domínio contradomínio 2 −5 6 −5

Temos que resolver a equação Ax = b. A matriz aumen-

Definição 1: Uma transformação (ou função ou aplica- tada deste sistema é dada por:
ção) T de Rn em Rm é uma regra que associa cada vetor    
n m 1 −2 3 −6 1 −2 3 −6
x ∈ R a um vetor b = T (x) em R .    
0 1 −3 −4  ∼ 0 1 −3 −4
   
2 −5 6 −5 0 −1 0 7
O conjunto Rn é o domínio de T e Rm é o contradomínio de  
T . A notação T : Rn → Rm indica que o domínio de T é Rn e 1 −2 3 −6
 
o contradomínio é R . Temos que T (x) é a imagem de x sob a
m ∼ 0
 1 −3 −4
ação de T . O conjunto de todas as imagens de T (x) é chamado 0 0 −3 3
de conjunto imagem. que
 tem
 apenas uma única solução. Esta solução é x =
−17
Exemplo 1
 −7.
 
 
−1
     
1/3 0 0 3 a
     
Sejam A = 
 0 1/3 0, u =  6
  e v =  b.
 
0 0 1/3 −9 c
3 3
Defina T : R → R por T (x) = Ax. Calcule T (u) e
T (v).

Para o primeira caso temos:

Transformações Lineares
  
1/3 0 0 3
  
T (u) =  0 1/3 0  6
   Consideremos o seguinte no que segue. Cada x será uma matriz
0 0 1/3 −9
  coluna de ordem n × 1 e b é uma matriz coluna de ordem m × 1.
1 Assim, a transformação Ax = b é dita transformação linear e é
 
= 2
 representada por x 7→ Ax. Logo A é uma matriz de ordem m × n
−3 e imagem de T é a combinação linear de todas as colunas de A,
ou seja, é Col A .

© 2019 Agenor Hentz - UFSC/Araranguá


Definição 2: Uma transformação é dita linear se:
1. T (u + v) = T (u) + T (v) para todos os vetores u e
v no domínio de T ;
2. T (cu) = cT (u) para todos os escalares c e para todo
u no domínio de T .
Assim, podemos combinar os dois resultados assim e obter,
para uma transformação linear T :
formação linear deve fazer, isto é, sabemos x e b. Nestes casos,
estamos interessados em saber qual é a transformação x 7→ Ax,
isto é, estamos interessados em A. A chave para isso é sabermos
exatamente qual é o efeito desejado sobre as colunas da matriz
identidade In×n .
Teorema 1: Seja T : Rn → Rm uma transformação linear.
Então existe uma única matriz A tal que
T (x) = Ax para todo x em Rn .

T (c1 v1 + c2 v2 + ... + cn vn ) = c1 v1 + c2 v2 + ... + cn vn . De fato, A é a matriz m × n cuja j-ésima coluna é o vetor

T (ej ), em que ej é a j-ésima coluna da matriz identidade
A equação acima é conhecida como princípio da superpo-
em que Rn :
sição. É a idéia de que, por exemplo, a força total exercida
! sobre um corpo é a soma das forças exercidas sobre este A = [T (e1 ) T (e2 ) ... T (en )]
corpo.
Podemos provar isso da seguinte maneira:
Exemplo 3
x = Ix = [e1 ... en ]x
" # " # " # " # x1 e1 + x2 e2 + ... + xn en
1 0 2 −1
Seja e1 = , e2 = , y1 = , y2 = e
0 1 5 6 Pelo princípio da superposição temos:
T : R2 → R2 a transformação linear que " leva
# e"1 para
#
5 x1 T (x) = x1 T (e1 ) + ... + xn T (en )
y1 e e2 para y2 . Encontre a imagem de e .
−3 x2 [T (e1 ) ... T (en )]x

" # = Ax.
5
Temos no primeiro caso que = 5e1 − 3e2 . Assim,
−3 A é chamada de matriz canônica da transformação li-
utilizando-se o princípio da superposição temos: ! near T

T (5e1 − 3e2 ) = 5T (e1 ) − 3T (e2 )

Transformações Lineares em R2
= 5y1 − 3y2
Temos as seguintes transformações geométricas:
" # " #
2 −1
=5 −3 " #
5 6 1 0
• reflexão em relação ao eixo x: ;
0 −1
" # " #
10 3
= +
25 −18 " #
−1 0
" # • reflexão em relação ao eixo y: ;
13 0 1
=
7 " #
0 1
" # • reflexão em relação à reta y = x: ;
x1 1 0
Para o caso do vetor genérico temos:
x2 " #
0 −1
T (x1 e1 + x2 e2 ) = x1 T (e1 ) + x2 T (e2 ) • reflexão em relação à reta y = −x: ;
−1 0
= x 1 y1 + x 2 y2 " #
−1 0
• reflexão em relação à origem: ;
" # " #
2 −1
= x1 + x2 0 −1
5 6
" # " # " #
2x1 −x2 k 0
= + • contração e expansão horizontais: ;
5x1 6x2 0 1
" #
2x1 − x2
" #
= 0 0
• contração e expansão verticais: ;
5x1 + 6x2 0 k
" #
1 k
• cisalhamento horizontal: ;
Matriz das Transformações Lineares 0 1
" #
Muitas vezes podemos expressar verbalmente ou geometrica- 1 0
• cisalhamento vertical: ;
mente qual deve ser o efeito sobre um vetor x que uma trans- k 1

© 2019 Agenor Hentz - UFSC/Araranguá

 uma solução, no máximo, que é T (0) = 0, a solução trivial. Se T
" #
1 0
• projeção sobre o eixo x: ;
0 0 não fosse injetora, então haveria mais do que uma solução para
" # a equação T (x) = b. Digamos que estas soluções fossem u e v.
1 0
• projeção sobre o eixo y: ; Como T é linear:
0 0

T (u − v) = T (u) − T (v) = b − b = 0.
Funções Sobrejetoras e Injetoras
Como o vetor u − v não é nulo, pois u 6= v, então temos mais do
Definição 3: Uma aplicação T : Rn → Rm é chamada de
que uma solução para T (x) = 0. Assim, a função T será injetora
sobrejetora se todo b ∈ Rm for a imagem de pelo menos
se e somente se a equação A(x) = 0 tiver a solução trivial.
um x em Rn .
Teorema 4: Seja T : Rn → Rm uma transformação linear
Dito de outra maneira, T é sobrejetor se o conjunto imagem de
e seja A a matriz canônica de T . Então:
T for igual ao seu contradomínio. Assim, uma função é sobreje-
tora se para qualquer b ∈ Rm existir um x ∈ Rn que seja solução 1. T é sobrejetora se e somente se as colunas de A
da equação Ax = b. gerarem Rm ;

Teorema 2: Uma aplicação T : Rn → Rm é chamada de 2. T é injetora se e somente se as colunas de A forem

m
injetora se todo b ∈ R for a imagem de, no máximo, um linearmente independentes.
n
x em R .
A prova da primeira parte é relativamente simples. Se as co-
Dito de outra maneira, T é injetor se para cada b ∈ Rm , a
lunas de A gerarem Rm , então a equação Ax = b tem ao menos
equação Ax = b tiver apenas uma solução ou nenhuma solução.
uma solução para qualquer b. Por conta disso, qualquer que seja
Teorema 3: Seja T : R → Rn m
uma transformação linear. o valor de b, existirá sempre um x que seja solução de Ax = b e,
Então T é injetora se e somente se a equação T (x) = 0 portanto, T é sobrejetora.
tiver apenas a solução trivial. Para a segunda parte vemos que Ax = 0 terá somente a so-
lução trivial se a função é injetora. Para que ela tenha somente a
A prova deste teorema é relativamente fácil. Se T (x) = 0 e solução trivial, as colunas de A têm que ser linearmente indepen-
T é injetora, isso significa que a equação T (x) = 0 tem apenas dentes.

© 2019 Agenor Hentz - UFSC/Araranguá