Unidade 02

Transformações Lineares

2.1 TRANSFORMAÇÕES LINEARES

Estudaremos, nessa parte do conteúdo, um tipo especial de funções, chamadas

transformações lineares. Essas funções ocorrem com freqüência em Álgebra Linear e
em outros campos da matemática, além de serem importantes numa vasta gama de
aplicações.

Como introdução à definição de transformação linear, consideremos dois

exemplos.

2.1.1 Exemplo. Reflexão em torno do eixo dos xx.

Seja em R2 a função T definida por

T(x, y) = (x, – y).

Geometricamente, T toma cada vetor do R2

e o reflete em torno do
eixo dos xx.

Essa função, como veremos, é uma

transformação linear.
2.1.2 Exemplo. Consideremos a expressão matricial de um sistema de equações lineares

Ax = b,

onde A é uma matriz mxn, x Î Rn e b Î Rm. Na condição de equação buscamos conhecer

x quando A e b são dados. De outro modo, dada a matriz A, a equação Ax = b, pode ser
vista assim: "Diga-me um vetor x em Rn e eu te direi um vetor b em Rm", isto é, a matriz
A representa a função com domínio Rn e contra domínio Rm, onde a imagem de cada x Î
Rn é b = Ax Î Rm. Essa função tem as seguintes propriedades:

• A(x + y) = Ax + Ay,

• A(a x) = a Ax com a Î R

que caracterizam as transformações lineares.

2.1.3 Definição.

Sejam V e W dois espaços vetoriais. Uma transformação linear T de V em W é

uma função (ou aplicação) que a cada v Î V faz
corresponder um único T(v) Î W e que satisfaz as seguintes duas condições:

" u, v Î V e " a Î R,

( i ) T (u + v) = T (u) + T (v);

( ii) T (a v) = a T (v).

Observações.

Nós escrevemos T: V® W para indicar que T aplica vetores do espaço vetorial V em

vetores do espaço vetorial W. Isto é, T é uma função com domínio V, contra domínio W
e cuja imagem é um subconjunto de W;

T(v) é lido "T de v", de modo análogo à notação funcional f (x), que é lida "f de x";

Uma transformação linear T:V® V, que tem como domínio e contra domínio o mesmo
espaço vetorial V é também chamada de operador linear;

As duas condições (i) e (ii) da definição 2.1.3, acima, podem ser aglutinadas numa só:
T(a u + v) = a T(u) + T(v).

2.1.4 Exemplo. Uma transformação linear do R2 em R3.

Indicamos dois modos usados para definir uma função.

T: R2® R3; T(x, y) = (x, x – y, y) ou T: R2® R3

(x, y) (x, x – y, y)

a) T(2, – 1) = (2, 3, – 1); assim o vetor (2, 3, – 1) Î R3 é a imagem, por T, do vetor (2, –
1) Î R2.
Do mesmo modo:
T(0, 2) = (0, – 2, 2)
T(a, a) = (a, 0, a), " a Î R.

b) O vetor do R2 cuja imagem pela aplicação T seja (2, – 2, 4).

(x, x – y, y) = (2, – 2, 4) Þ x = 2 e y = 4
Portanto T(2, 4) = (2, – 2, 4).

c) Prova de que T é linear

Sejam u = (x1, y1) Î R2, v = (x2, y2) Î R2 e a Î R.

(i) T(u + = T(x1 + x2, y1 + y2)

v) = (x1 + x2, (x1 + x2) – (y1 + y2), y1 + y2)
= (x1 + x2, x1 + x2 – y1 – y2, y1 + y2)
= (x1, x1 – y1, y1) + (x2, x2 – y2, y2)
= T(x1, y1) + T(x2, y2)
= T(u) + T(v)

(ii) T(a = T(a (x2, y2))

v) = T( a x2, a y2)
= (a x2, a x2 – a y2, a y2)
= a (x2, x2 – y2, y2)
= a T(x2, y2)
= a T(v)

Por (i) e (ii), T é uma transformação linear.¨

2.1.5 Exemplo. f : R2® R2

(x, y) (x + 2y, 2x – 3y)

a) A imagem de u = (2, 1) pela f é (4, 1);

b) A imagem de v = (– 1, 3) pela f é (5, – 11);

c) A imagem de u + v pela f é (9, – 10);

d) Comparando c) com a) e b) podemos ver que f (u + v) = f (u) + f (v).

e) A imagem de 2u pela f é (8, 2)

f) Comparando e) com a) temos que f (2u) = 2f (u);

g) Geometricamente:

h) f é linear. Prova:

Sejam u = (x1, y1) Î R2, v = (x2, y2) Î R2 e a Î R:

(i) f (u + = f (x1 + x2, y1 + y2)

v) = (x1 + x2 + 2(y1 + y2), 2(x1 + x2) – 3(y1 + y2) )
= (x1 + x2 + 2y1 + 2y2, 2x1 + 2x2 – 3y1 – 3y2)
= (x1 + 2y1, 2x1 – 3y1) + (x2 + 2y2, + 2x2 – 3y2)
= f (x1, y1) + f (x2, y2)
= f (u) + f (v)

(ii) f (a = f (a (x2, y2))

v) = f (a x2, a y2)
= (a x2 + 2a y2, 2a x2 – 3a y2)
= a (x2 + 2y2, 2x2 – 3y2)
= a f (x2, y2)
= a f (v)

Por (i) e (ii), f é linear.¨

2.1.6 Exemplo. A transformação nula é linear.

Sejam V e W dois espaços vetoriais e seja T: V® W definida por T(v) = 0, " v Î V.

Prova. Sejam u, v Î V e a Î R.

(i) T(u = 0
+ v) =0+0
 = T(u) + T(v)

(ii) T(a = 0
v) = a .0
= a T(v)

Por (i) e (ii), a transformação nula é uma transformação linear.¨

2.1.7 Exemplo. Escrevendo a transformação linear nula do R3 em R5, temos:

T:R3® R5; T(x, y, z) = (0, 0, 0, 0, 0)

ou

T:R3® R5
(x, y, z) (0, 0, 0, 0, 0)

ou simplesmente

T(x, y, z) = (0, 0, 0, 0, 0).¨

2.1.8 Exemplo. A transformação identidade:

I :V® V definida por I (v) = v.

a) Verifiquemos que I é linear:

Sejam u, v Î V e a Î R.

(i) I (u + = u + v
v) = I (u) + I (v)

(ii) I (a = a v
v) = a I (v)

Por (i) e (ii), I é uma transformação linear.

b) Escrevendo as funções identidades I 1 em R2 e I 2 em R3.

I 1 (x, y) = (x, y) e I 2 (x, y, z) = (x, y, z).¨

2.1.9 Exemplo. Uma transformação reflexão;

 T: R2® R2 definida por T(x, y) = (– x, y).

a) Interpretando T geometricamente.

b) T é linear pois:

Para u = (x1, y1) Î R2, v = (x2, y2) Î R2 e a Î R, temos

(i) T(u + = T(x1 + x2, y1 + y2)

v) = (– x1 – x2, y1 + y2)
= (– x1, y1) + (– x2, y2)
= T(u) + T(v)

(ii) T(a = T(a x2, a y2)

v) = (– a x2, a y2)
= a (– x2, y2)
= a T(v).¨

2.1.10 Exemplo. Uma transformação de Rn ® Rm dada pela multiplicação por uma

matriz mxn.

Seja A uma matriz mxn e T: Rn ® Rm definida por T(v) = Av. Aqui Av é o produto da
matriz Amxn pelo vetor coluna vnx1. T é linear.

Prova. Sejam u, v Î Rn e a Î R.

(i) T(u + = A(u + v)

v) = Au + Av (propriedade do produto de matrizes)
= T(u) + T(v)

(ii) T(a = A(a v)

v) = a (Av) (propriedade do produto de matrizes)
 = a T(v)

Por (i) e (ii), a transformação T é uma transformação linear.¨

Assim:
* Toda matriz Amxn pode ser usada para definir uma transformação linear TA : Rn ® Rm
onde a imagem TA (v) é o produto da matriz Amxn pelo vetor coluna vnx1.

2.1.11 Exemplo. Escrevendo as transformações lineares TA, TB, TC e TD determinadas

respectivamente pelas matrizes:

Temos:

• TA : R2® R3; TA (x, y) = (2x – y, 3x + y, 2x), que é a transformação obtida pelo

produto da matriz A3x2 pelo vetor v2x1= ;

• TB : R2® R2; TB (x, y) = (2x + 3y, 4x – y);
• TC : R4® R; TC (x, y, z, t) = (x + 2y – 3z);
• TD : R® R3; TD (x) = (x, 0, – 5x).

2.1.12 Exemplo. Considere os operadores lineares P1, P2 e P3 em R3 definidos por

P1(x, y, z) = (x, y, 0), P2(x, y, z) = (x, 0, z) e P3(x, y, z) =

(0, y, z).

Temos:

P1(2, 4, 6) = (2, 4, 0) (fig (a)) P2(2, 4, 6) = (2, 0, 6) (fig (b))

P3(2, 4, 6) = (0, 4, 6)
Observemos que P1, P2 e P3 projetam os vetores de R3 nos planos xOy, xOz e yOz,
respectivamente.

2.1.13 Exemplo. T:Mmxn® Mnxm; T(A) = At, é a transformação linear transposição.

Prova. Seja A, B Î Mmxn e a Î R:

(i) T(A + = (A + B)t

B) = At + Bt (propriedade da transposição)
= T(A) + T(B)

(ii) = (a A)t
T(a = a (At) (propriedade da transposição)
A) = a T(A)

Por (i) e (ii), T é linear.¨

2.1.14 Exemplo. Uma transformação não linear f de R em R .

f : R ® R; f (x) = 2x + 3.

Prova. Seja u = x1Î R, v = x2Î R e a Î R.

(i) f = f (x1 + x2)

(u + = 2(x1 + x2) +3
v) = 2x1 + 2x2 + 3 (1)
 f (u) + f = f (x1) + f (x2)
(v) = 2x1 + 3 + 2x2 + 3
= 2x1 + 2x2 + 6 (2)

Como (1) ¹ (2), temos que f (u + v) ¹ f (u) + f (v), o que é suficiente para provarmos que
T não é linear.

Podemos usar um contra-exemplo como prova de que f não é linear.

f (2 + = f (7) e f (2) = 7 + 13
5) = 17 + f (5) = 20

Como f (2 + 5) ¹ f (2) + f (5), f não é linear.¨

Observação. As únicas transformações lineares de R em R são as funções da forma f (x)

= mx onde m é um número real qualquer. Ou seja, dentre todas as funções cujos gráficos
são retas, as lineares são, somente, aquelas que passam pela origem. Em cálculo, uma
função linear é definida na forma f (x) = mx + b. Assim, nós podemos dizer que uma
função linear é uma transformação linear de R em R somente se b = 0.

2.1.15 Exemplo. T: R3® R3; T(x, y, z) = (x2, y, 2z). T não é uma transformação linear.

Prova. Tomando os vetores u = (1, 2, – 1) e v = (3, – 1, 4) em R3 temos

T(u + = T(4, 1, 3) e T(u) = (1, 2, – 2) + (9, – 1, 8)

v) = (16, 1, 6) + T(v) = (10, 1, 6)

Como T(u + v) ¹ T(u) + T(v), T não é linear.¨

2.1.16 Propriedades das transformações lineares.

Propriedade 1. Se T:V® W é uma transformação linear então T(0) = 0, ou seja,

a imagem do vetor 0Î V é o vetor 0Î W.

De fato, tomando a = 0 na condição (ii) da definição de transformação linear

temos

T(0) = T(0.v) = 0T(v) = 0.¨

Observação. Essa propriedade fornece um argumento rápido para verificar que uma
transformação não é linear. No caso do exemplo 2.1.14 veja que f (0) = 3 ¹ 0, e assim, f
não é linear.
Mas cuidado, o fato de se ter numa transformação a imagem nula para o vetor nulo não
implica que ela seja linear. Ver exemplo 2.1.15.

Propriedade 2. Se T:V® W é uma transformação linear temos:

T(a1v1 + a2v2) = T(a1v1) + T(a2v2) = a1T(v1) + a2T(v2), " a1, a2 Î R e " v1, v2 Î V.

Este fato pode ser generalizado. Assim,

T(a1v1 + a2v2+ ... + anvn) = a1T(v1) + a2T(v2) + ... + an(vn),

ou seja, a imagem de uma combinação linear de vetores de V é a combinação linear, de

mesmos escalares, das imagens T(v1), T(v2), ..., T(vn).

Um fato muito importante, que decorre dessa propriedade: Uma transformação

linear fica completamente determinada se conhecemos as imagens dos vetores de uma
base do espaço vetorial domínio.

Assim, se T:V® W é uma transformação linear, então nós só precisamos saber

como T atua nos vetores de uma base de V para determinarmos a imagem de qualquer
outro vetor de V. Para ver esse fato tomemos, b = {v1, v2, ..., vn}, uma base de V e
qualquer outro vetor v de V. Como b é uma base de V, existem únicos escalares a1, a2,
..., an tais que:

v = a1v1+ a2v2 + ... + anvn.

Assim,

T(v) = T(a1v1+ a2v2 + ... + anvn)

e, sendo T linear, temos

T(v) = a1T(v1)+ a2T(v2) + ... + anT(vn).¨

2.1.17 Exemplo. Seja a transformação linear T:R3® R2 e sejam

T(1, 0, 0) = (2, 3), T(0, 1, 0) = (– 1, 4) e T(0, 0, 1) = (5, – 3).

Vamos usar a propriedade 2 para:

a) Calcular T(3, – 4, 5).

O vetor (3, – 4, 5) pode ser escrito como combinação linear dos vetores (1, 0, 0), (0, 1,
0) e (0, 0, 1), assim:
(3, – 4, 5) = 3(1, 0, 0) + (– 4)(0, 1, 0) + 5(0, 0, 1).

Então,

T(3, – 4, = T[(3(1, 0, 0) + (– 4)(0, 1, 0) + 5(0, 0, 1)]

5) = 3 T(1, 0, 0) + (– 4) T(0, 1, 0) + 5 T(0, 0, 1)
= 3(2, 3) + (– 4)(– 1, 4) + 5(5, – 3)
= (6, 9) + (4, – 16) + (25, – 15)
= (35, – 22)

b) Calcular a imagem de um vetor do R3.

Procederemos da mesma maneira, considerando o vetor (x, y, z), que expressa um vetor
qualquer do R3.

Como (x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1),

T(x, y, = T( x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1) )

z) = x T(1, 0, 0) + y T(0, 1, 0) + z T(0, 0, 1)
= x (2, 3) + y (– 1, 4) + z (5, – 3)
= (2x, 3x) + (– y, 4y) + (5z, – 3z)
= (2x – y + 5z, 3x + 4y – 3z)

ou seja, a transformação linear T, tal que T(1, 0, 0) = (2, 3), T(0, 1, 0) = (– 1, 4) e T(0,
0, 1) = (5, – 3) é:

T:R3® R2; T(x, y, z) = (2x – y + 5x, 3x + 4y – 3z).

Retome a parte (a) desse exemplo e confirme o resultado lá obtido. ¨

2.1.18 Exemplo. Escreva a lei que define a transformação linear f : R2® R3 sabendo que

f (1, 1) = (3, 2, 1) e f (0, – 2) = (0, 1, 0).

Seja (x, y) o vetor genérico do R2. Como {(1, 1), (0, – 2)} não é a base canônica do R2
devemos, primeiro, conhecer as coordenadas de um vetor qualquer do R2, em relação a
essa base. Então, escrevendo o vetor genérico do R2 como combinação linear dos
vetores (1, 1) e (0, – 2) temos:

(x, y) = a(1, 1) + b(0, – 2) Þ Þa=xe

Assim:

(x, y) = x(1, 1) + (0, – 2)

e, agora, podemos conhecer f (x, y).

f (x, =
y)
 = x f (1, 1) + f (0, – 2)

= x(3, 2, 1) + (0, 1, 0)

= (3x, 2x, x) +

= .¨

Observação: Nesta unidade trabalharemos com uma única lista de exercícios

envolvendo todas as sub-unidades 2.1, 2.2, 2.3 e 2.4