Álgebra Linear: Material Complementar

Transformações lineares, 𝑻: 𝑹𝒏 → 𝑹𝒎 , definidas a partir da imagem

dos vetores de uma base de 𝑹𝒏

1. Transformações lineares (ou matriciais) 𝑻: 𝑹𝒏 → 𝑹𝒎

Você já sabe que as funções denominadas transformações lineares são funções

cujo domínio e o contradomínio são espaços vetoriais, mas com características especiais.
No capítulo 4, Anton e Rorres usam o termo transformação matricial, ao invés
de transformação linear (mais usado) e definem uma transformação matricial T como
uma função T: Rn→Rm que associa cada vetor v pertencente a Rn, expresso como um
vetor coluna, a um vetor w pertencente a Rm, sendo a regra de associação dada por uma
matriz real mxn, digamos A, de modo que T(v)=Av=w.
No caso em que m=n a transformação matricial, mais comumente denominada
transformação linear, é também denominada operador linear.
A matriz A (tal que T(v)=Av=w) é chamada de matriz canônica da transformação
T. Na seção 4.9, Rorres mostra que as colunas da matriz canônica de T são os vetores
imagem, por T, dos vetores da base canônica de Rn.
Na seção 4.10, Rorres mostra também que T: Rn→Rm é uma transformação
matricial se, e somente se:
(i) T(kv)=kT(v) para quaisquer k ϵ R e v ϵ Rn
(ii) T(u+v)= T(u)+T(v) para quaisquer u e v ϵ Rn

A demonstração de que, se T é uma transformação matricial, então T atende às

propriedades (i) e (ii) é fácil, pois segue das propriedades das operações com matrizes. Já
a demonstração de que, se T atende às propriedades (i) e (ii), então T é uma transformação
matricial, é um pouco mais trabalhosa.
Isso posto, o interessante é observar que uma transformação linear T: Rn→Rm
pode ser definida como uma função T: Rn→Rm tal que, para quaisquer k ϵ R e v ϵ Rn,
T(kv)=kT(v), e para quaisquer u e v ϵ Rn, T(u+v)= T(u)+T(v). Essas duas propriedades
são a própria definição de uma transformação matricial ou transformação linear, pois
garantem que a função T pode ser definida por uma matriz canônica. Isto é, essas duas
propriedades garantem que existe uma matriz A que associa cada vetor v pertencente a
 Rn, expresso como um vetor coluna, a um vetor w pertencente a Rm de modo que
T(v)=Av=w. Isso têm implicações importantes.
As principais implicações destacadas no capítulo 4 de Anton & Rorres são:
a) Se T é uma transformação linear, então T(0)=0.
b) Se T é uma transformação linear cujo domínio é Rn, v1, ..., vr são vetores em Rn e
k1, ,,,, kr são escalares quaisquer, então T(k1v1+....+krvr) = k1T(v1) + ... + krT(vr).

O objetivo deste material complementar é mostrar outra implicação importante das

propriedades (i) e (ii) que definem as transformações lineares e implicam a) e b).

2. 𝑻: 𝑹𝒏 → 𝑹𝒎 definida a partir da imagem dos vetores de uma base de Rn

A propriedade (b) das transformações lineares tem outra implicação, muito útil
em várias aplicações. Se T: Rn → Rm é uma transformação linear e S={v1, ..., vn} é uma
base (qualquer) de Rn, então a imagem de qualquer vetor v pertencente a Rn pode ser
escrita como:
T(v) = c1T(v1)+ ... + cnT(vn)
onde c1, ..., cn são as coordenadas de v na base ordenada S.
Melhor explicando, sabemos que, como v pertence a Rn e S é uma base de Rn,
então v pode ser expresso como uma combinação linear dos vetores de S. Logo, existem
n números reais que correspondem às coordenadas de v na base ordenada S. Se c1, ..., cn
são as coordenadas de v na base ordenada S, isso significa que v = c1v1+ ... + cnvn. Assim
sendo, pela propriedade (b), temos que T(v) = T(c1v1+ ... + cnvn)= c1T(v1)+ ... + cnT(vn).
Finalmente, isso significa que, se para alguma base de Rn nós soubermos a imagem
por T de cada elemento da base, então conseguiremos encontrar a imagem por T de
qualquer elemento do domínio. Em outras palavras, o conhecimento da imagem dos
vetores de alguma base do domínio de T é suficiente para definir a transformação linear.

Exemplo 1: Considere o operador linear T em R2 tal que:

T(1,1)=(0, 2) e T(-1,1)=(3,0)

O conhecimento da imagem dos vetores (1,1) e (-1,1) é suficiente para determinar

o operador linear T, já que S={(1,1), (-1,1)} é uma base de R2. Se a transformação linear
está determinada, então podemos encontrar a matriz canônica da transformação. Para isso
precisamos encontrar a imagem por T dos vetores da base canônica de R2, a base
𝐸 = {(1,0), (0,1)}
Uma vez que S={(1,1), (-1,1)} é uma base de R2, então podemos expressar os
vetores (1, 0) e (0, 1) em coordenadas da base S. Isto é, existem números reais c1, c2, c3 e
c4 tais que:
(1, 0) = 𝑐 (1, 1) + 𝑐 (−1, 1) e (0, 1) = 𝑐 (1, 1) + 𝑐 (−1, 1)
Para encontrar as coordenadas c1, c2, c3 e c4, é preciso resolver os seguintes
sistemas lineares:
𝑐 −𝑐 =1 𝑐 −𝑐 =0
e
𝑐 +𝑐 =0 𝑐 +𝑐 =1
O que nos leva à conclusão de que 𝑐 = ,𝑐 =− e𝑐 =𝑐 = . Com isso

temos que:
(1, 0) = (1, 1) − (−1, 1) e
1 1
(0, 1) = (1, 1) + (−1, 1)
2 2
Portanto:

𝑇(1, 0) = 𝑇(1, 1) − 𝑇(−1, 1) = (0, 2) − (3, 0) = (0,1) − ,0 = − ,1 e

𝑇(0, 1) = 𝑇(1, 1) + 𝑇(−1, 1) = (0, 2) + (3, 0) = (0,1) + ,0 = ,1

Assim sendo, concluímos que a matriz canônica A da transformação T é igual a:

−3/2 3/2
𝐴=
1 1

Exemplo 2: Considere o operador linear T em R3 tal que:

T(1,1,1)=(0,1, 2), T(-1,1,1)=(3,0,1) e T(0,0,1)=(0,1,0)

O conhecimento da imagem dos vetores (1,1,1), (-1,1,1) e (0,0,1) é suficiente para

determinar o operador linear 𝑇: 𝑅 → 𝑅 , já que B={(1,1,1), (-1,1,1),(0,0,1)} é uma base
de R3. Se a transformação linear está determinada, então podemos encontrar a sua matriz
canônica. Para isso precisamos encontrar a imagem por T dos vetores da base canônica
de R3, formada pelos vetores (1, 0, 0), (0, 1, 0) e (0, 0, 1).
Uma vez que B={(1,1,1), (-1,1,1), (0,0,1)} é uma base de R3, então podemos
expressar os vetores (1,0,0), (0,1,0) e (0,0,1) em coordenadas da base B. Isto é, existem
números reais c1, c2, c3, c4 , c5 , c6 , c7 , c8 e c9 tais que:
 (1, 0,0) = 𝑐 (1, 1,1) + 𝑐 (−1, 1,1) + 𝑐 (0,0,1)
(0, 1,0) = 𝑐 (1, 1,1) + 𝑐 (−1, 1,1) + 𝑐 (0,0,1)
(0, 0,1) = 𝑐 (1, 1,1) + 𝑐 (−1, 1,1) + 𝑐 (0,0,1)

Para encontrar as coordenadas c1 até c9 é preciso resolver os seguintes sistemas

lineares:
𝑐 −𝑐 =1 𝑐 −𝑐 =0 𝑐 −𝑐 =0
𝑐 +𝑐 =0 ; 𝑐 +𝑐 =1 e 𝑐 +𝑐 =0
𝑐 +𝑐 +𝑐 =0 𝑐 +𝑐 +𝑐 =0 𝑐 +𝑐 +𝑐 =1

O que nos leva à conclusão de que 𝑐 = , 𝑐 = − , 𝑐 = 0, 𝑐 = , 𝑐 = , 𝑐 = −1

, 𝑐 = 0 , 𝑐 = 0 e 𝑐 = 1 . Com isso temos que:

(1, 0,0) = (1, 1,1) − (−1, 1,1) + 0(0,0,1) ;

(0, 1,0) = (1, 1,1) + (−1, 1,1) − 1(0,0,1) ;

(0, 0,1) = 0(1, 1,1) + 0(−1, 1,1) + 1(0,0,1) ;

Portanto:
𝑇(1, 0,0) = 𝑇(1, 1,1) − 𝑇(−1, 1,1) + 0. 𝑇(0,0,1) = (0, 1,2) − (3,0,1) = , , ;

𝑇(0, 1,0) = 𝑇(1, 1,1) + 𝑇(−1, 1,1) − 𝑇(0,0,1) = (0, 1,2) + (3,0,1) − (0,1,0) = , , ;
𝑇(0, 0,1) = 0. 𝑇(1, 1,1) + 0. 𝑇(−1, 1,1) + 1 𝑇(0,0,1) = (0,1,0) ;

Assim sendo, concluímos que a matriz canônica da transformação T, que denotaremos

por C, é igual a:
−3/2 3/2 0
𝐶 = 1/2 −1/2 1
1/2 3/2 0
Exemplo 3: Considere o operador linear P em R3 tal que a imagem de cada vetor v
pertencente a R3 corresponde à projeção ortogonal de v sobre o plano gerado pelos vetores
(1,0,0) e (1,1,1).
Seguindo os passos dos exemplos anteriores, precisamos encontrar primeiro a
imagem por P de três vetores que formem uma base de R3.
Dois vetores convenientes são os vetores (1,0,0) e (1,1,1), pois esses dois vetores
pertencem ao plano gerado por eles mesmos. Sendo assim, a projeção de (1,0,0) sobre
esse plano gerado é igual ao próprio vetor (1,0,0). O mesmo raciocínio vale para (1,1,1).
Isto é:
P(1,0,0)=(1,0, 0) e P(1,1,1)=(1,1,1)
Contudo, para formar uma base de R3 ainda precisamos de um terceiro vetor.
Outro vetor conveniente seria um vetor ortogonal ao plano gerado por (1,0,0) e
(1,1,1), pois a projeção ortogonal sobre um certo plano de um vetor ortogonal a esse plano
corresponde ao vetor nulo.
Para encontrar um vetor ortogonal ao plano gerado pelos vetores (1,0,0) e (1,1,1),
basta encontrar um vetor ortogonal aos vetores (1,0,0) e (1,1,1). Podemos usar para isso
o produto vetorial entre (1,0,0) e (1,1,1).
(1,0,0) × (1,1,1) = (0, −1, 1)
Sabemos que (0, −1, 1) é um vetor ortogonal ao plano gerado por (1,0,0) e (1,1,1).
Portanto:
P(0,-1,1)=(0,0,0)

O conjunto B={(1,0,0), (1,1,1),(0,-1,1)} constitui uma base de R3 e conhecemos a

imagem por P dos elementos dessa base. Com isso podemos encontrar a matriz canônica
de P.
Uma vez que B={(1,0,0), (1,1,1), (0,-1,1)} é uma base de R3, então podemos
expressar os vetores (1,0,0), (0,1,0) e (0,0,1) em coordenadas da base B. Isto é, existem
números reais c1, c2, c3, c4 , c5 , c6 , c7 , c8 e c9 tais que:
(1, 0,0) = 𝑐 (1, 0,0) + 𝑐 (1, 1,1) + 𝑐 (0, −1, 1)
(0, 1,0) = 𝑐 (1, 0,0) + 𝑐 (1, 1,1) + 𝑐 (0, −1, 1)
(0, 0,1) = 𝑐 (1, 0,0) + 𝑐 (1, 1,1) + 𝑐 (0, −1, 1)
 Para encontrar as coordenadas c1 até c9 é preciso resolver os seguintes sistemas
lineares:
𝑐 +𝑐 =1 𝑐 +𝑐 =0 𝑐 +𝑐 =0
𝑐 −𝑐 =0 ; 𝑐 −𝑐 =1 e 𝑐 −𝑐 =0
𝑐 +𝑐 =0 𝑐 +𝑐 =0 𝑐 +𝑐 =1

O que nos leva à conclusão de que 𝑐 = 1 , 𝑐 = 0 , 𝑐 = 0, 𝑐 = − , 𝑐 = , 𝑐 = −

,𝑐 =− ,𝑐 = e𝑐 = . Isto é:
(1, 0,0) = (1, 0,0) + 0. (1, 1,1) + 0. (0, −1, 1) ;
(0, 1,0) = − (1, 0,0) + (1, 1,1) − (0, −1, 1) ;

(0, 0,1) = − (1, 0,0) + (1, 1,1) + (0, −1, 1) ;

Portanto:
𝑃(1, 0,0) = 𝑃(1, 0,0) + 0. 𝑃(1, 1,1) + 0. 𝑃(0, −1, 1);
𝑃(0, 1,0) = − 𝑃(1, 0,0) + 𝑃(1, 1,1) − 𝑃(0, −1, 1);

𝑃(0, 0,1) = − 𝑃(1, 0,0) + 𝑃(1, 1,1) + 𝑃(0, −1, 1) ;

Logo:
𝑃(1, 0,0) = (1, 0,0);

𝑃(0, 1,0) = − (1, 0,0) + (1, 1,1) − (0,0, 0) = 0, , ;

𝑃(0, 0,1) = − (1, 0,0) + (1, 1,1) + (0,0, 0) = 0, , ;

Assim sendo, concluímos que a matriz canônica da transformação P, que denotaremos

por D, é igual a:
1 0 0
𝐷= 0 1/2 1/2
0 1/2 1/2