Professional Documents
Culture Documents
3. Transformaes Lineares
2015.2
Resumo
1
1 Transformaes Lineares
Considere uma matriz A Rmn . Quando efetuamos um produto entre uma
matriz A e um vetor x, estamos levando o espao Rn no espao Rm :
A : Rn Rm
x 7 Ax = b
Exemplo 1.1.
c 0
A=
0 c
Esta transformao A = c I estica todo vetor por um fator c.
Exemplo 1.2.
0 1
A=
1 0
Esta matriz rotaciona qualquer vetor por 90 graus: A(1, 0) = (0, 1), A(0, 1) = (1, 0).
Exemplo 1.3.
0 1
A=
1 0
Esta matriz reflete todo vetor no eixo de simetria de 45 graus.
Exemplo 1.4.
1 0
A=
0 0
Esta matriz toma qualquer vetor do espao e projeta no subespao definido por
x 2 = 0, ou seja, no eixo x 1 . Este eixo o espao coluna de A, enquanto que seu
espao nulo o eixo x 1 = 0.
2
Estas regras vem da definio da multiplicao entre matrizes, e definem o
que chamamos de transformao linear.
d
Ap = p(x)
dx
d
= (a 0 + a 1 x + . . . + a n x n )
dx
= a 1 + 2a 2 x + . . . + na n x n1 .
3
Definio 2. Seja L(E ; F ) o conjunto das transformaes lineares de E em F .
Ento, L(E ; F ) um espao vetorial. As transformaes lineares T : E E so
chamadas operadores lineares em E . Por sua vez, as transformaes lineares
: E R, com valores numricos, so chamadas funcionais lineares. Escreve-se
E em vez de L(E ; R) e o conjunto E dos funcionais lineares : E R chama-se
espao vetorial dual de E .
p 1 = 1, p 2 = x, p3 = x 2, p4 = x 3.
4
Esta base no nica, mas bastante conveniente. Agora, vamos olhar para o
efeito da diferenciao nesta base: sejam q 1 = 1, q 2 = x, q 3 = x 2 em P2 . Ento
Ap 1 = 0, Ap 2 = 1 = q 1 ,
Ap 3 = 2x = 2q 2 , Ap 4 = 3x 2 = 3q 3 .
Note que
0 1 0 0
A : P3 P2 , tal que A diff = 0 0 2 0 .
0 0 0 3
A derivada de qualquer outra combinao de polinmios uma combinao
linear dos membros da base, e portanto aplicar a matriz da transformao a
este polinmio equivalente a aplic-la aos vetores da base e combinar os re-
sultados.
Suponha que os vetores p 1 , . . . , p n so base para o espao V , e q 1 , . . . , q m
formam uma base para o espao W . Ento, cada transformao linear A de
V para W representada por uma matriz. A j -sima coluna encontrada ao
aplicarmos A ao j -simo vetor da base de W ; o resultado Ap j combinao
dos q e os coeficientes desta combinao vo na coluna j de A:
Ap j = a 1, j q 1 + . . . + a m, j q m .
5
Observao: Enxergamos a integrao como a operao inversa da diferen-
ciao, isto , a integrao seguida da diferenciao nos do o resultado origi-
nal de volta. Se tomarmos a matriz de diferenciao na base das cbicas, que
uma matriz 3 4, teremos:
0 1 0 0 1
A diff = 0 0 2 0 , e A diff A int = 1 .
0 0 0 3 1
v = x1 u1 + . . . + xn un
T (v) = T (x 1 u 1 + . . . + x n u n )
= x 1 T (u 1 ) + . . . + x n T (u n ),
6
ou seja, a definio de T depende apenas da aplicao da transformao linear
nos vetores u i .
Como consequncia, se quisermos definir uma transformao linear T :
E F , basta escolhermos uma base para F , e para cada j = 1, . . . , n um vetor
v j = (a 1 j , a 2 j , . . . , a m j ) F
y 1 = a 11 x 1 + a 12 x 2 + . . . + a 1n x n
y 2 = a 21 x 1 + a 22 x 2 + . . . + a 2n x n
..
.
y m = a m1 x 1 + a m2 x 2 + . . . + a mn x n
7
Teorema 1. Para toda matriz A M(m n), o nmero de linhas l.i. de A igual
ao nmero de colunas l.i. de A.
8
1.2 Rotaes, projees e reflexes.
J vimos que rotaes de 90 graus, projees no eixo x e reflexes com relao
linha de 45 graus em R2 eram representadas por matrizes simples da forma
0 1 1 0 0 1
Q= , P= , H=
1 0 0 0 1 0
respectivamente. Mas lgico pensar que rotaes com outros ngulos, refle-
xes e projees em outros eixos sero igualmente simples, j que estas so
todas transformaes lineares que passam pela origem (A0 = 0). Assim, vamos
primeiramente considerar o plano e seus vetores bsicos (1, 0), (0, 1) para ten-
tarmos visualizar estas transformaes em geral.
sin
cos cos
sin
1
0
9
(ii) O quadrado de Q (ou seja, a aplicao desta matriz duas vezes sobre o
mesmo vetor) equivale rotao por um ngulo 2:
c s c s
Q 2 =
s c s c
2 2
c s 2c s
=
2c s c2 s2
cos 2 sin 2
= .
sin 2 cos 2
10
0
1
c
c c
s
s
s
1
0
H 2 = (2P I )2 = 4P 2 4P + I = I ,
T : V W, S : U V.
Ento,
(T S) :U V W
u 7 S(u) 7 T (S(u)).
11
Observao Sejam P,Q : R2 R2 projees ortogonais sobre duas retas do
plano, uma das quais perpendicular outra. Todo vetor v R2 a diagonal de
um retngulo que tem P v e Qv como lados. Segue-se ento que v = P v + Qv
para todo v R2 , ou seja, P + Q = I . Logo, Q = I P e portanto PQ = P (I
P ) = P P 2 . Como sabemos que a projeo satisfaz P 2 = P , temos que PQ = 0
mesmo com P,Q 6= 0.
Como nesse caso temos mais equaes que incgnitas, bastante provvel
que o sistema no tenha soluo. Um sistema com m > n poder ser resolvido
se o lado direito do sistema (aqui, b) estiver contido em um subespao vetorial
especial: o sistema Ax = b poder ser resolvido se e somente se o vetor b puder
ser escrito como combinao linear das colunas de A.
Para ver isto, note que o sistema pode ser reescrito da seguinte forma:
1 0 b1
u 5 + v 4 = b 2 .
2 4 b3
Assim, note que o subconjunto dos vetores que podem ser gerados como
lado direito do sistema exatamente o conjunto de todas as combinaes line-
ares das colunas de A. Portanto, Ax = b pode ser resolvido se e somente se b
estiver contido no plano que gerado pelos dois vetores coluna de A. Se b no
estiver contido neste plano, ento ele no pode ser obtido como combinao
linear das colunas de b. Neste caso, o sistema no tem soluo.
12
Se A representa uma transformao linear, este plano definido pelas colu-
nas de A, um subespao importante chamado espao coluna de A, ou imagem
de A (ou ainda, imagem da transformao representada pela matriz A). Por um
lado, se A = 0 ento o espao coluna de A ser formado apenas pelo vetor b = 0;
no outro extremo, qualquer matriz inversvel em Rnn ter todo o espao Rn
como espao coluna (qualquer lado direito em Rn define uma soluo para o
sistema).
y 1 + y 2 = T (x 1 ) + T (x 2 ) = T (x 1 + x 2 ),
13
Isso significa que b est na imagem de A se e somente se o sistema Ax = b tem
soluo. Neste caso, podemos escrever
b = Ax
= A(:, 1)x 1 + A(:, 2)x 2 + . . . + A(:, n)x n ,
Exemplo 1.9. Finalmente, chegamos ao caso mais fcil, em que o posto o me-
nor possvel (exceto pela matriz nula que possui posto 0).
Exemplo 1.10.
2 1 1
4 2 2
A= .
8 4 4
2 1 1
Cada linha um mltiplo da primeira, e assim o espao gerado pelas linhas de
A unidimensional. De fato, podemos escrever esta matriz como um produto
14
entre um vetor linha e um vetor coluna:
2 1 1 1
4 2 2 2
A= = 2 1 1 .
8 4 4 4
2 1 1 1
Ncleo
15
A imagem desta matriz igual imagem de A, j que a terceira coluna combi-
nao linear das outras duas. No entanto, o ncleo desta matriz contm qual-
quer mltiplo do vetor (1, 1, 1). Portanto, este subespao uma reta que passa
pela origem.
O candidato a segundo piv zero, e assim vamos procurar embaixo dele por
uma entrada no-nula. No entanto, todas as entradas abaixo dele so tambm
nulas, e assim poderamos parar a eliminao por aqui. Mas como esta ma-
triz retangular, no precisamos declarar a matriz singular; podemos apenas
continuar com a eliminao na prxima coluna. Assim, teremos
1 3 3 2
U = 0 0 3 1
0 0 0 0
16
A qualquer matriz A Rmn correspondem uma matriz de permutao P ,
uma matriz triangular inferior L com diagonal unitria, e uma matriz m n na
forma escada U tais que P A = LU .
Nosso objetivo no momento olhar para esta forma final e verificar quais
as possibilidades para o sistema Ax = b.
Se b = 0, ento as operaes da eliminao no tem efeito algum no vetor
b; portanto as solues de Ax = b so as mesmas de Ux = 0:
x1
1 3 3 2 0
x
2
Ux = 0 0 3 1 = 0 .
x 3
0 0 0 0 0
x4
As variveis x 1 , x 2 , x 3 e x 4 podem ser concentradas em dois grupos: as variveis
bsicas, que correspondem a colunas com pivs no-nulos (neste caso, x 1 e x 3 )
e as variveis livres, correspondentes a colunas sem pivs (neste caso x 2 e x 4 ).
Para encontrarmos a soluo deste sistema, basta ento escolhermos valo-
res arbitrrios para as variveis livres; assim, no nosso exemplo teremos
1
x3 = x4
3
x 1 = 3x 2 x 4 .
Portanto, este sistema tem infinitas solues, e qualquer soluo uma combi-
nao do tipo
3x 2 x 4 3 1
x2 1 0
x = = x2 + x4 1 .
1
3 x4 0 3
x4 0 1
Podemos ver ento que o vetor (3, 1, 0, 0) a soluo quando x 2 = 1, x 4 = 0 e o
outro vetor a soluo quando x 2 = 0, x 4 = 1. Portanto, qualquer outra soluo
ser combinao linear destes vetores: eles formam a base para o espao nulo
de A (que igual ao espao nulo de U ). O espao nulo um subespao de
mesma dimenso que o nmero de variveis livres.
No caso no-homogneo, a situao diferente, pois depois da eliminao
temos um sistema U x = c da forma
x1
1 3 3 2 b1
x2
0 0 3 1 = b 2 2b 1 .
x 3
0 0 0 0 b 3 2b 2 + 5b 1
x4
17
claro que a terceira equao implica que o sistema s pode ser consistente se
b 3 2b 2 + 5b 1 = 0. Em outras palavras, o conjunto de vetores b gerados por Ax
no pode ser todo o espao, pois j temos uma restrio imposta. Mesmo com
mais variveis do que equaes, pode ser que no tenhamos soluo. Isto tam-
bm pode ser visto do fato que o espao das solues gerado pelas colunas de
A, e assim gerado pelos vetores
1 3 3 2
2 , 6 , 9 , 5 .
1 3 3 0
No entanto, o segundo vetor 3 vezes o primeiro, e o quarto vetor equivale ao
primeiro mais uma frao do terceiro! Portanto, estes vetores so l.d., e corres-
pondem exatamente s colunas sem pivs!
Escolhendo um vetor no plano b 3 2b 2 + 5b 1 = 0, por exemplo b = (1, 5, 5),
veremos que aps a eliminao, temos o sistema U x = c
x1
1 3 3 2 1
0 0 3 1 x 2
= 3 .
x 3
0 0 0 0 0
x4
Assim, a ltima equao pode ser eliminada (0 = 0) e as outras nos do
1
x3 = 1 x4
3
x 1 = 2 3x 2 x 4 .
Mais uma vez, x 2 , x 4 so variveis livres, e qualquer soluo geral pode ser es-
crita como
x1 2 3 1
x 2 0 1 0
x = = + x2 + x4 1 .
x 3 1 0 3
x4 0 0 1
Esta uma soma do primeiro vetor com a soluo de Ax = 0. Toda soluo de
Ax = b a soma de uma soluo particular (obtida quando tomamos as vari-
veis livres todas iguais a zero) e de uma soluo do sistema homogneo Ax = 0.
Estas solues gerais esto em um conjunto que no em um subespao (pois
zero no est contido nele) mas paralelo ao espao nulo, transladado pela
soluo particular. Assim, o clculo da soluo do sistema acima envolve os
seguintes passos:
18
Reduzir Ax = b a Ux = c
Tomar c = 0 e dar a cada varivel livre, uma de cada vez, o valor 1 e zero
para todas as outras. Encontrar uma soluo homognea atravs deste
processo (ou seja, um vetor x no espao nulo).
19
claro que esta matriz tem trs linhas independentes. Afirmamos que exis-
tem tambm apenas 3 colunas independentes, no mais, mostrando que as 3
colunas que contm pivs so L.I. Suponha que existam c 1 , c 2 , c 3 tais que
d1 0
0 d 2 0
c1 + c2 + c3 = .
0
0
d 3 0
0 0 0 0
dim(Im(A)) = dim(Im(A T )) = r.
Teorema 3 (Fundamental da lgebra Linear, Parte I). Seja A Rmn com r li-
nhas l.i. (ou r colunas l.i.). Ento,
20
1.6 Existncia de Inversas
Sabemos que se A tem uma inversa esquerda (B A = I ) e uma inversa di-
reita (AC = I ) ento as duas inversas so iguais. Agora, atravs do posto de uma
matriz, podemos decidir se ela tem tais inversas ou no: uma inversa existe
somente quando o posto da matriz o maior possvel. Sabemos que o posto
satisfaz r m e r n. Uma matriz m n no pode ter mais do que m linhas
l.i. ou n colunas l.i. Queremos mostrar ento que, quando r = n existe uma in-
versa direita, e que quando r = m existe uma inversa esquerda. No primeiro
caso, Ax = b sempre tem soluo; no segundo caso, se a soluo existir ela
nica. Somente uma matriz quadrada pode ter r = m = n, e assim somente
uma matriz quadrada pode definir um sistema com soluo nica e existncia
garantida.
? ?
? ? ? ? ? ? ? ?
=
? ? ? ? ? ? ? ?
? ?
O sistema Ax = b tem pelo menos uma soluo x para cada bse e so-
mente se as colunas de A geram Rm , ou seja, r = m. Neste caso, existe
uma inversa direita C Rnm tal que AC = I m , a matriz identidade de
ordem m. Isto s possvel se m n (caso contrrio, existiriam mais co-
lunas l.i. do que n, absurdo).
21
O que pode falhar nestas frmulas a existncia das inversas de A T A e de A A T .
Vamos mostrar (mais frente) que estas inversas existem quando o posto de A
for n ou m, respectivamente. Note tambm que estas inversas ( direita e
esquerda) no so nicas.
22
1.7 Transformaes lineares inversveis.
Primeiramente, vamos observar alguns exemplos.
Exemplo. A transformao linear definida pela diferenciao de um polinmio
de Pn e que resulta em um polinmio em Pn1 tem como ncleo o espao unidi-
mensional de polinmios constantes: ddax0 = 0. Sua imagem o espao n dimen-
sional Pn1 . A soma da dimenso do ncleo (1) e do posto (n) nos d a dimenso
do espao original.
Exemplo. A integrao de 0 a x, vista como transformao linear de Pn a Pn+1
tem ncleo {0}. Note que a integrao no produz polinmios constantes, e por-
tanto no gera todo o Pn+1 (ou seja, sua imagem no todo o espao de chegada).
Exemplo 1.12. A multiplicao por um polinmio fixo como 2+3x uma trans-
formao linear:
Ap = (2 + 3x)(a 0 + . . . + a n x n ) = 2a 0 + . . . + 3a n x n+1 .
T (Q(v)) = v, v F. (2)
23
Afirmao: T sobrejetora se e somente se possui inversa direita. Se
T for sobrejetora, ento Im(T ) = F . Desta forma, todos os vetores de F
podem ser escritos como resultado da aplicao de T em algum vetor de
E . Em particular, se tomamos uma base F , podemos escolher veto-
res u i em E tais que T (u i ) = v i , para cada v i F . Como vimos que
para definir uma transformao linear basta definirmos o resultado da
sua aplicao em elementos de uma base do domnio, basta escolhermos
a transformao Q que a cada v i associa u i como inversa direita de T ;
desta forma, T (Q(v i )) = T (u i ) = v i para todo v i F . Por outro lado, se T
admitir inversa direita Q : F E , ento para todo v F , T (Q(v)) = v, ou
seja, v = T (w) para todo v F (com w = Q(v)) e assim T sobrejetora (a
imagem de T todo o F ).
1 T (u 1 ) + . . . + n T (u n ) = 0
T (1 u 1 + . . . + n u n ) = 0
1 u 1 + . . . + n u n = 0
24
de E numa base de F , ento ela um isomorfismo. Desta forma, dois espaos
vetoriais de dimenso finita isomorfos tem a mesma dimenso; por outro lado,
suponha que E um espao vetorial de dimenso n. Se fixarmos uma base
{v i } E , podemos definir T : Rn E tal que se u = (1 , . . . , n ) Rn , T (u) =
T (1 , . . . , n ) = 1 v 1 + . . . + n v n . Desta forma, Ae 1 = v 1 , . . . , Ae n = v n , em que
os e i Rn so os elementos da base cannica do Rn . Portanto, T transforma a
base cannica do Rn na base de E e portanto define um isomorfismo entre E e
Rn : em outras palavras, todo espao vetorial de dimenso n isomorfo a Rn .
Exemplo 1.13. O espao Pn tem dimenso n + 1 e portanto isomorfo a Rn+1 . O
espao das matrizes M(m p) isomorfo a Rmp .
1 u 1 + . . . + p u p + 1 v 1 + . . . + q v q = 0 (4)
T (w) = 1 T (u 1 ) + . . . + p T (u p )
T (w (1 u 1 + . . . + p u p )) = 0.
w (1 u 1 + . . . + p u p ) = 1 v 1 + . . . + q v q ,
25
Corolrio 1. Sejam E , F espaos vetoriais de mesma dimenso finita n. Uma
transformao linear T : E F injetiva se e somente se sobrejetiva e portanto,
um isomorfismo.
n = d i m N(T ) + d i m Im(T ).
e
1 0 1
B = 5 4 9
2 4 6
Note que Im(A) = span{(1, 0)} e N(A) = span{(x 1 , x 1 )} = span{(1, 1)}. A di-
menso de cada um dos espaos 1 e sua soma 2.
Para B , lembre que N(B ) = N(U ) (em que U a matriz obtida depois que
escalonamos a matriz B ) e que Im(B ) no igual a Im(U ), mas as colunas
que geram a imagem de B so as colunas correspondentes s colunas em que
aparecem os pivs de U . Logo, para resolver este problema primeiro escalona-
mos a matriz B . Assim, N(B ) = span{(1, 1, 1)} = span{(1, 1, 1)} e Im(B ) =
span{(1, 0, 0), (0, 1, 1)}. Note ainda que d i m(N(B )) + d i m(Im(B )) = 1 + 2 = 3.
Exemplo 1.15.
1 3 3 2
A= 2 6 9 5
1 3 3 0
26
Exemplo 1.16.
x1
1 2 0 1 1
x 2
Ax = b : 0 1 1 0 = 2
x 3
1 2 0 1 1
x4
soluo geral = soluo particular + soluo homognea:
1 2 1
0 1 0
x = + x2 + x4
2 1 0
0 0 1
n m
u 0j = w r0 =
X X
p k j uk e qi r w i .
k=1 i =1
27
Agora, podemos escrever cada um dos membros de (5) em termos da base W ,
fazendo
n n m
T (u 0j ) =
X X X
p k j T (u k ) = pk j ai k w i
k=1 k=1 i =1
Xn Xm
= p k j ai k w i
k=1 i =1
!
m X
X n
= ai k p k j w i ,
i =1 k=1
e
m m m
a r0 j w r0 = a r0 j
X X X
qi r w i
r =1 r =1 i =1
m X m
a r0 j q i r w i
X
=
r =1 i =1
m X m
0
X
= qi r ar j w i .
i =1 r =1
ou seja, AP = Q A 0 .
Observe agora que toda matriz de mudana de base inversvel: leva uma
base numa base. Assim, podemos concluir que
A 0 = Q 1 AP.
28
1.9 Soma direta
Como vimos que a imagem e o ncleo de uma transformao linear so com-
plementares com relao dimenso do espao vetorial em que esto contidos,
podemos imaginar uma decomposio do espao nestes dois subespaos.
Vimos anteriormente que se F 1 e F 2 so subespaos do espao vetorial E ,
o subespao vetorial de E formado pela conjuno dos elementos de F 1 e de
F 2 o conjunto F 1 + F 2 de todas as somas u + v, onde u F 1 e v F 2 . No caso
particular em que F 1 F 2 = {0}, escrevemos F 1 F 2 e chamamos esta operao
de soma direta.
Existe uma noo anloga de soma direta, que o produto cartesiano de
dois espaos vetoriais E 1 e E 2 . Estes dois espaos no precisam fazer parte
do mesmo espao E . Os elementos do conjunto E 1 E 2 so pares ordenados
(u, v), u E 1 , v E 2 . As operaes que tornam este novo espao um espao
vetorial so
(u, v) + (u 0 , v 0 ) = (u + u 0 , v + v 0 ),
(u, v) = (u, v).
A : F1 F2 F1 F2
{u 1 , . . . , u m } F 1
e
{v 1 , . . . , v n } F 2
so bases, ento a base
{u 1 , . . . , u m , v 1 , . . . , v n }
29
que , por sua vez, uma base de F 1 F 2 . Segue-se que d i m(F 1 F 2 ) = d i mF 1 +
d i mF 2 = m + n.
No caso mais geral, em que a interseo F 1 F 2 no se reduz necessaria-
mente ao vetor nulo, a soma F 1 + F 2 pode no ser mais uma soma direta, mas
ainda podemos definir a transformao linear
A : F1 F2 F1 + F2
d i mF 1 + d i mF 2 = d i m(F 1 F 2 )
= d i m N(A) + d i m(F 1 + F 2 )
= d i m(F 1 F 2 ) + d i m(F 1 + F 2 ).
d i mF 1 + d i mF 2 = d i m(F 1 F 2 ) + d i m(F 1 + F 2 ).
30
Demonstrao. Todo v E se escreve como soma v = (v P (v)) + P (v), onde
P (v) Im(P ) e, como P (v P (v)) = P (v)P (P (v)) = P (v)P (v) = 0, vemos que
v P (v) N(P ). Portanto, E = N(P ) + Im(P ). Se w N(P ) Im(P ), por um lado
temos que P (w) = 0, e por outro P (w) = w; logo, w = 0. Assim, N(P ) Im(P ) =
{0} e temos que E = Im(P ) N(P ). O resto bvio.
31