TRANSFORMAÇÕES LINEARES Introdução Estamos familiarizados com funções ordinárias tais como a função f definida pela equação f(x) = x2. Essa função transforma um número real em outro número real, no caso, no seu quadrado. Por exemplo, o número 2 é transformado em 4, isto é, f(2) = 4. Estudaremos agora funções que transformam vetores em vetores. Em geral, se V e W são espaços vetoriais, uma função ou TRANSFORMAÇÃO T de V para W é uma regra que associa a todo vetor x em V um único vetor em W que é denotado por T(x). Se x é um vetor em V, então T(x) é chamada a IMAGEM de x sobre a transformação T. Por exemplo, se T é uma transformação do 3 para o 2 definida pela equação: T(x1, x2, x3) = (x1 + x2, x2 + x3) Então T leva o vetor (1,1,1) no vetor T(1,1,1) = (2,2) e o vetor (3,2,0) no vetor T(3,2,0) = (5,2). Definição Sejam V e W dois espaços vetoriais. Uma transformação (ou aplicação) T: V W é chamada de LINEAR se para todos os vetores x e y em V e para todo escalar , T(x + y) = T(x) + T(y) T(x) = T(x) Uma transformação linear T: V W preserva a adição e a multiplicação por escalar entre os vetores. Usando-se as duas propriedades simultaneamente chegamos a uma terceira propriedade: Sejam v1 e v2 vetores em V e 1 e 2 dois escalares, então: T(1v1 + 2v2) = T(1v1) + T(2v2) = 1 T(v1) + 2 T(v2) Diz-se que uma transformação linear satisfaz o princípio da superposição, que é essa terceira propriedade. Mas o princípio da superposição pode ser aplicado a n vetores em V e n escalares. Ora, mas isso é uma combinação linear. Logo, T preserva combinações lineares. Exemplo 1: V =R e W = R F:RR u u ou F(u) = u F(u + v) = (u + v) = u + v = F(u) + F(v). F(ku) = (ku) = ku = kF(u). Então F é uma transformação linear. Exemplo 2: Seja T a transformação dada por T(x,y)= (x-y, x+y). T é linear? Exemplo 3: F(u) = u2 é uma transformação linear? Não, pois F(u + v) = (u + v)2 = u2 + 2vu + v2 = F(u) + 2vu + F(v) F(u) + F(v). Exemplo 4: L: 2 , L(v) = L(x,y) = 2x + 4 é uma transformação linear? Sejam u = (u1, u2) e v = (v1, v2) L(u + v) = L(u1 + v1, u2 + v2) = 2 (u1 + v1) + 4 L(u + v) = 2u1 + 2v1 + 4 L(u) + L(v). Portanto L não é uma transformação linear. Exemplo 5: Seja D : Pn Pn, onde Pn é um polinômio e D é a aplicação derivada. Pelas propriedades das derivadas, sabe-se que: D(f + g) = D(f) + D(g). D(kf) = k D(f). Então D é uma transformação linear. Observação: Decorre da definição que uma transformação linear T, T: V W leva o vetor nulo de V no vetor nulo de W, isto é, se 0 V, T(0) = 0 W. Isto nos ajuda a detectar transformações não lineares. Se T(0) ≠ 0, T não é linear. No entanto, T(0) = 0 NÃO é suficiente para que T seja linear. Exemplo: T: 3 3 onde T(x,y,z) = (x+1, y,z) é linear? Transformações do plano no plano Vamos apresentar uma visão geométrica das transformações lineares, dando alguns exemplos de transformações do plano no plano. a) Expansão ou contração uniforme: T : R2 R2 , V tal que T(u) = u (x,y) (x,y) b) Reflexão em torno do eixo x: T: R2 R2 (x,y) (x, -y) c) Reflexão na origem: T: R2 R2 (x,y) (-x, -y) d) Rotação de um ângulo t no sentido anti horário: Rt: R2 R2 (x,y) (x cos t – y sen t, y cos t + x sen t) Teorema: Dados dois espaços vetoriais reais V e W e uma base de V, {v1, ..., vn}. Sejam w1, ..., wn elementos arbitrários de W. Então existe uma única aplicação linear T : V W tal que: T(v1) = w1, ...., T(vn) = wn. Se v = a1v1 +... anvn, esta aplicação é dada por T(v) = a1T(v1) + ... + anT(vn) = a1w1 +... anwn Isto significa que as aplicações lineares são determinadas conhecendo-se apenas seu valor nos elementos de uma base. Exemplo: Qual é a transformação linear T: R2 R3 tal que T(1,0) = (2,-1,0) e T(0,1) = (0,0,1)? Imagem e Núcleo Imagem: Im (T) = {w W; T(v) = w, para algum v V}. Isto é, a imagem de T é o conjunto dos vetores w de W tais que existe um vetor v V, que satisfaz T(v) = w. Im (T) W é um subconjunto de W e, além disso, um subespaço vetorial de W. Núcleo: Ker(T) = {v V; T(v) = 0}. Ou seja, o conjunto de todos os vetores v V tais que T(v) = 0 é chamado núcleo de T, sendo denotado por Ker(T). Ker(T) V é um subconjunto de V e, ainda mais, é um subespaço vetorial de V. Exemplo: T: R2 R (x,y) x+y Im(T) = , pois dado w , w = T(w,0). Ker(T) = {(x,y) 2 / x + y = 0} ou x = -y; v = (-1,1) gera o núcleo. O núcleo tem a dimensão de W, nesse caso. Definição: Dada uma aplicação T: V W, diremos que T é INJETORA se dados u, v V com u ≠ v, então T(u) ≠ T(v) Definição: A aplicação T: V W será SOBREJETORA se a imagem de T coincidir com W, ou seja, T(V) = W. Propriedade: Uma transformação linear é injetora se, e somente se, Ker(T) = {0}. ESPAÇOS VETORIAIS ISOMORFOS Quando uma transformação linear T : V W for injetora e sobrejetora ao mesmo tempo, dá-se o nome de ISOMORFISMO. Quando há tal transformação entre dois espaços vetoriais dizemos que estes são ISOMORFOS. Sob o ponto de vista da Álgebra Linear, espaços vetoriais isomorfos são, por assim dizer, idênticos. Em outras palavras, quando a correspondência biunívoca entre dois espaços vetoriais preserva as operações de adição e multiplicação por escalar, T(v + w) = T(v) + T(w) e T(kv) = k T(v), diz-se que esses espaços são isomorfos. T:VW dim Ker(T) + dim Im(T) = dim V Obs: Toda transformação linear pode ser representada por uma matriz. Exemplos: 1) Reflexão em torno do eixo x: T: R2 R2 (x,y) (x, -y) x x y y ou x 1 0 x y 0 1 y 2) Reflexão na origem: T: R2 R2 (x,y) (-x, -y) x x y y ou x 1 0 x y 0 1 y Referências Bibliográficas: http://www.stamford.pro.br/ARQUIVOS/2002_Algebra.doc BOLDRINI, C. Álgebra Linear. 3ª ed. Editora Harbra, 1986.