t

Álgebra Linear Avançada

raf
Transformações Lineares

Daniel Miranda Machado

6 de Outubro
UFABC
 t
raf
As transformações lineares são as funções que preservam a estrutura vetorial -
ou seja, as operações e e os axiomas de adição e multiplicação por um escalar.
E o estudo das propriedades dessas transformações lineares é um dos objetos
centrais da álgebra linear e nesse texto culminará com as Formas Normal de
Jordan e na Forma Racional.
 t
raf
As transformações lineares são vitais em praticamente todas as áreas da ciência
e outras áreas da matemática. Praticamente todas as áreas da ciência moderna
contêm modelos onde as equações são aproximadas por equações e
transformações lineares (aproximando a função pela sua derivada/"argumentos
de expansão de Taylor").
 t
raf
Definição e Exemplos
Definição (Transformação Linear)

t
Seja V e W espaços vetoriais sobre um corpo K. Uma função T : V → W é
denominada de transformação linear ou homomorfismo se

raf
T(λ1 x + λ2 y) = λ1 T(x) + λ2 T(y) para todos os λ1 , λ2 ∈ K e x, y ∈ V.

x, y
T / T(x), T(y) x,
T / T(x)

+ + ·λ ·λ
   
x+y / T(x) + T(y) λx / λT(x)
T T
 t
raf
Uma transformação linear de V para V é dita operador linear em V. E uma
transformação linear de V para K é denominada de funcional linear em V.
 t
Exemplos

raf
 A aplicação 0 : V → W que envia todos os vetores para 0 ∈ W é uma
aplicação linear. Vamos denominar essa aplicação de transformação nula
ou mapa nulo.
 A transformação linear identidade IV : V → V é a transformação linear
definida como IV (v) = v para todo v ∈ V. Quando não for gerar confusão
escreveremos simplesmente I.
 t
Definição
É usual também a seguinte nomenclatura

raf
 endomorfismo para operador linear.
 monomorfismo para transformação linear injetiva.
 epimorfismo para transformação linear sobrejetiva
 isomorfismo para transformação linear bijetiva.
 automorfismo para operador linear bijetivo.
 t
raf
Exemplo

Se V é um espaço de dimensão finita com base ordenada x = (x1 , . . . , xn ), então

[ · ]x : V → Kn é uma transformação linear bijetiva, ou seja, um isomorfismo.
 t
raf
Exemplo

A transposição, A → At é uma aplicação linear de Mm,n (K) → Mn,m (K).

 t
raf
Exemplo

Suponha que V = Mm,n (K) e A ∈ Mm,m (K). Então a multiplicação por A

(necessariamente à esquerda) induz uma transformação linear LA : V → V
dada por LA (B) = AB para B ∈ V.
Exemplos

t
Seja V = C∞ (R), o espaço vetorial das funções a valores reais infinitamente

raf
diferenciáveis.

 Para um número real a,seja Ea : V → R a avaliação em a, ou seja,

Ea (f (x)) = f (a). Então Ea é uma transformação linear. Também temos a
transformação linear Ea : V → V, em que Ea (f (x)) é a função constante cujo
valor é f (a).
 Seja D: V → V a diferenciação, isto é, D(f (x)) = f 0 (x). Então D é uma
transformação linear.
 t
 Para um número real a, seja Ia : V → V a integração definida começando em
t = a, ou seja,

raf
Z x
Ia (f )(x) = f (t)dt.
a

Então Ia é uma transformação linear.

 Também temos a transformação linear Iba = Eb ◦ Ia . Dessa forma
Z b
Iba (f (x)) = (Eb ◦ Ia )(f (x)) = f (x)dx.
a
 t
raf
Teorema (Fundamental do Cálculo)
1 D ◦ Ia = I .
2 Ia ◦D = I −Ea .
 t
Exemplo

raf
Suponha V = K[x]. Podemos definir uma derivada formal em V da seguinte
n
X
0
Pn i
maneira: Se p(x) = i=0 ai x , fazemos D[p(x)] = p (x) = iai xi−1 . O leitor
i=1
pode verificar facilmente que esse mapa, que é denominado derivação formal
em K[x], é uma transformação linear.
 t
raf
Exemplo
R
Suponha V = R(B). Então T(f ) = B
fdA. É uma transformação linear de V para
R.
 t
Exemplo

raf
Se X é uma variável aleatória com função de densidade de probabilidade de
f (x), o valor esperado é definido como a integral:
Z
E[X] = xf (x) dx,
R

é um funcional linear.
 t
Seja V = K∞ . Definimos o shift para a esquerda L: V → V e o shift para a direita
R: V → V como

raf
L([a1 , a2 , a3 , . . .]) = [a2 , a3 , a4 , . . .],

R([a1 , a2 , a3 , . . .]) = [0, a1 , a2 , . . .].

Observamos que L e R são transformações lineares.

Podemos restringir L e R para o subespaço W = (K∞ )0 de V. E assim obter que

L: W → W e R: W → W também são transformações lineares.
Nesse mesmo exemplo vimos que B = {ei , i ∈ N} onde ei = (0, . . . , 1, . . . , ) é
| {z }
1 na i-ésima posição

t
uma base de (K∞ )0 .
As transformações L e R agem do seguinte modo nos vetores da base:

raf
R(ei ) = ei+1 (1)

e
i−1 se i > 1
L(ei ) = (2)
0 se i = 1

e1 R / e2 R / e3 R / ... R / en R / en+1 R / ...

0o L
e1 o L
e2 o L
e3 o L
... o L
en o L
en+1 o L
...
 t
Proposição
Sejam T, S : V → W e L : W → Z transformações lineares e λ1 , λ2 ∈ K. Então

raf
a T(0) = 0.
b A a composta L ◦ T : V → Z é uma transformação linear.
c λ1 T + λ2 S é uma transformação linear de V em W.
d Se T for invertível, então T −1 : W → V é uma transformação linear.
 t
c Se a, b ∈ K e x, y ∈ V, então

raf
(λ1 T + λ2 S)(ax + by) = λ1 T(ax + by) + λ2 S(ax + by) (3)
= λ1 aT(x) + λ1 bT(y) + λ2 aS(x) + λ2 bS(y) (4)
= a(λ1 T(x) + λ2 S(x)) + b(λ1 T(y) + λ2 S(y)) (5)
= a(λ1 T + λ2 S)(x) + b(λ1 T + λ2 S)y). (6)

Portanto, λ1 T + λ2 S é linear
 Seja T : V → W uma transformação linear bijetiva. Então T −1 : W → V é uma

t
d

função bem definida e, já que quaisquer dois vetores y1 e y2 em W têm o

formato y1 = Tx1 e y2 = Tx2 , temos

raf
T −1 (λ1 y1 + λ2 y2 ) = T −1 (λ1 Tx1 + λ2 Tx2 ) (7)
= T −1 (T(λ1 x1 + λ2 x2 )) (8)
= λ1 x1 + λ2 x2 (9)
= λ1 T −1 (y1 ) + λ2 T −1 (y2 ) (10)

o que mostra que T −1 é linear.

 t
Neste ponto, vamos introduzir um nome para a coleção de todas as

raf
transformações lineares de V para W.
Definição (Espaço das Transformações Lineares)
Seja V e W espaços vetoriais sobre K. O espaço vetorial de todas as
transformações lineares de V para W será denotado por HomK (V, W) ou
LK (V, W). E o conjunto de todos os operadores lineares em V será denotado
por HomK (V, V).
 t
Quando o corpo base K estiver claro a partir do contexto, escreveremos
simplesmente Hom(V, W) em vez de HomK (V, W). Portanto, Hom(V, W) é o

raf
subespaço do espaço vetorial W V consistindo em todas as transformações
lineares de V para W.
Teorema

Hom(V, W) é um subespaço vetorial de W V .

Como qualquer T ∈ Hom(V, W) tem a propriedade que T(0) = 0, temos que

Hom(V, W) é um subespaço próprio de W V sempre que W 6= {0}.
Definição (Núcleo e Imagem)
Seja T ∈ Hom(V, W).

t
1 O subespaço

raf
ker T = {v ∈ V|Tv = 0}

é denominado núcleo de T
2 O subespaço
im T = {Tv|v ∈ V}

é denominado imagem de T.
3 A dimensão do ker T é a nulidade de T e é denotada por nul T.
4 A dimensão de im T é o posto de T e é indicada por rank T.
É um exercício de rotina mostrar que ker T é um subespaço de V e que im T é um
subespaço de W. Além disso, temos o seguinte.

t
v
Tv

raf
v + ker T

0 0

ImT
ker T

W
V

Figura 1: Uma aplicação linear T : V → W envia todos os pontos de uma classe v +

ker T do núcleo para um único ponto Tv em W. Diferentes classes são mapeadas para
diferentes pontos, e todas as imagens formam =T. a classe do zero 0 + ker T colapsa
na origem 0 ∈ W 0
 t
raf
Teorema
Seja T ∈ Hom(V, W). Então

a T é injetiva se e somente se ker T = {0}

b T é sobrejetiva se e somente se im T = W
 t
raf
Demonstração. Para ver a validade da primeira afirmação, observe que
Tu = Tv ⇔ T(u − v) = 0 ⇔ u − v ∈ ker T Portanto, se ker T = {0},
Tu = Tv ⇔ u = v, o que mostra que T é injetiva. Por outro lado, se T for injetiva
e u ∈ ker T, Tu = T0 e, portanto, u = 0. Isso mostra que ker T = {0}.
A segunda afirmação é direta da definição de sobrejetividade. C
 t
O seguinte teorema é extremamente útil

raf
Teorema (da Extensão por Linearidade)

Sejam V e W espaços vetoriais sobre K e suponha x = (xi | i ∈ I) é uma base

de V. Se (yi | i ∈ I) é qualquer subconjunto de W, existe uma única
T ∈ Hom(V, W) tal que T(xi ) = yi para todos os i ∈ I.
Vamos estender T a V por linearidade, ou seja,

t
T(x1 x1 + · · · + xn xn ) = x1 T(x1 ) + · · · + xn T(xn )
= x1 y1 + · · · + xn yn

raf
Esse processo fornece uma única transformação linear. Vejamos
detalhadamente como:

Seja x ∈ V. Então
n
X
x= xi xi ,
i=1

onde x1 , x2 , . . . , xn são escalares únicamente determinados. Definimos T : V → W

X n
por T(x) = xi yi motivado pelos argumentos anteriores.
i=1
 T é linear: Suponha que u, v ∈ V e λ ∈ K. Então escrevemos

t
n
X n
X
u= ui xi e v = vi xi

raf
i=1 i=1

Logo
n
X
λu + v = (λui + vi )xi .
i=1

Então
n
X n
X n
X
T(λu + v) = (λui + vi )yi = ui yi + vi yi = λT(u) + T(v) .
i=1 i=1 i=1
 Claramente

t
T(xi ) = yi para i = 1, 2, . . . , n.

raf
 T é única: Suponha que S : V → W é linear e S(xi ) = yi para i = 1, 2, . . . , n.
Então para x ∈ V com
n
X
x= xi xi ,
i=1

temos
n
X n
X
S(x) = xi S(xi ) = xi yi = T(x).
i=1 i=1

Logo S = T.
 t
x1
y1
T y2

raf
0 .
x2 ..
0 .
.. yn

xn

W
V

Figura 2: Uma aplicação linear T : V → W fica completamente determinada pelos

valores que assume numa base. Essa é uma ferramenta útil para construirmos trans-
formações lineares.
 t
O teorema anterior admite a seguinte generalização para conjuntos linearmente
independentes.

raf
Teorema (da Extensão para Conjuntos Linearmente Independentes)

Sejam V e W espaços vetoriais sobre K e suponha {xi | i ∈ I} é um conjunto

linearmente independente de V. Se {yi | i ∈ I} é qualquer subconjunto de W,
existe T ∈ Hom(V, W) tal que T(xi ) = yi para todos os i ∈ I.

Essa transformação não é necessariamente única.

 t
raf
Teorema

Sejam V e W espaços vetoriais sobre K, e suponha que V tenha dimensão

finita dim V = n. Então todas as bases ordenadas x de V determinam um
isomorfismo τ (x) : Hom(V, W) → W n .
Demonstração. Seja uma base ordenada x = {x1 , . . . , xn } de V. Defina

t
τ (x) : Hom(V, W) → W n por

raf
τ (x)(T) = (T(x1 ), . . . , T(xn )).

O fato de que τ (x) é uma transformação linear é óbvio. Podemos definir a

aplicação inversa φ: W n → Hom(V, W) por

φ((y1 , . . . , yn )) = T,

Sendo T a única transformação linear que satisfaz T(xi ) = yi . Portanto, τ (x) é

um isomorfismo. C
 t
raf
Transformações de Kn a Km
 t
raf
Para qualquer matriz A ∈ Mm,n (K), o mapa de multiplicação TA (v) = Av é uma
transformação linear de Kn a Km .
 t
De fato, qualquer transformação linear T ∈ Hom(Kn , Km ) tem essa forma, ou

raf
seja, T é apenas multiplicação por uma matriz, por temos
(Te1 | · · · |Ten )ei = Coli (Te1 | · · · |Ten ) = Tei e então T = TA , onde

 
A = Te1 ··· Ten
 t
Teorema

raf
a Se A for uma matriz de m × n sobre K, então TA ∈ Hom(Kn , Km ).
b Se T ∈ Hom(Kn , Km ), então T = TA , em que
 
A = Te1 ··· Ten

A matriz A é denominada matriz de T.

Exemplos

t
raf
Vamos considerar algumas transformações de R2 em R2 e descrever seu
comportamento geométrico.

 A primeira é a homotetia Hλ [v] = λv que multiplica todos os vetores em R2

por λ. Essa transformação admite a mesma representação matricial em
todas as bases: " #
λ 0
0 λ
 A segunda é a homotetia por fatores diferentes. Nesse caso seja (e1 , e2 ) a
base canônica de R2 . Seja Hλ,µ a única transformação linear tal que

t
Hλ,µ e1 = λe1 e Hλ,µ e2 = µe2 . Essa transformação admite a seguinte
representação matricial na base canônica

raf
" #
λ 0
0 µ

 Uma rotação em R2 pelo ângulo θ denotada Rθ é a transformação que na

base canônica é representada pela matriz
" #
cos θ − sen θ
Rθ =
sen θ cos θ
 Reflexão no reta xy. Seja a transformação que deixa o eixo x invariante e
reflete o eixo y em torno de x. Seja (e1 , e2 ) a base canônica de R2 então

t
essa transformação é caracterizada por Te1 = e1 e Te2 = −e2 e admite a
seguinte representação matricial na base canônica.

raf
" #
1 0
0 −1
 Uma transformação de cisalhamento é uma transformação do plano com a
propriedade de que existe um vetor e1 , tal que T(e1 ) = e1 e T(e2 ) − e2 é um
múltiplo de e1 para todoe2 . Ou seja, é o mapa linear que leva
(e1 , e2 ) 7→ (e1 , e2 + me1 ). Nessa base
" #
1 m
Ce1 ,e2 .m =
0 1
raf
t
 t
O resultado do Teorema 12 pode ser generalizado para (K∞ )0 . Nesse caso se
matrizes infinitas são usadas para descrever mapas lineares, somente as

raf
matrizes cujas colunas têm apenas um número finito de entradas diferentes de
zero podem ser usadas.
Se uma matriz A descreve uma transformação linear T : (K∞ )0 → (K∞ )0 então
as colunas de A descrevem as imagens por T dos vetores da base, e isso só faz
sentido se essas colunas tiverem um número finito de entradas diferentes de
zero.
 t
Entretanto, não há restrição nas linhas de A: no produto Av, existem apenas

raf
finitos coeficientes diferentes de v envolvidos; portanto, cada uma de suas
entradas, mesmo que seja dada como uma quantidade infinita de entradas,
envolve apenas um número finito de termos diferentes de zero e, portanto, está
bem definido. Os produtos de duas matrizes desse tipo estão bem definidos e
correspondem à composição de mapas lineares.
 t
Exemplo
O shift para a esquerda admite a representação matricial

raf
 
0 1 0 0 0 ···
0 0 1 0 0 · · · 
 
 
0 0 0 1 0
L=



0 0 0 0 . . .


 
.. .. ...
. .
 t
raf
Comentários Finais.