Álgebra linear/Transformações lineares: mudanças entre as edições
imported>He7d3r m (Complementando a edição do anônimo) |
|||
Linha 22: | Linha 22: | ||
}} | }} | ||
== | == Imagem de uma transformação linear == | ||
A seguir será discutido um exemplo de como achar a imagem de uma transformação linear. Considere <math> T:\mathbb{R}^2\rightarrow \mathbb{R}^2</math>, definida por <math>T(x,y)=(2x+3y, 4x-3y)</math>. | |||
O valor de <math>T</math> em um ponto <math>(x, y)</math> pode ser reescrito da seguinte forma: | |||
<math> T: | :<math> T(x, y) = (2x+3y,4x-3y) = x(2,4) + y(3,-3)</math>. | ||
Consequentemente, todo ponto da imagem é uma combinação linear dos vetores <math>(2,4)</math> e <math>(3,-3)</math>, isto é, tais vetores formam um conjunto de geradores para a imagem de <math>T</math>. Como poderá ser verificado pelo leitor<ref>Ver por exemplo [http://www.wolframalpha.com/input/?i=vectors+%282%2C4%29+and+%283%2C+%E2%88%923%29 no Wolfram Alpha]</ref>, estes vetores também são linearmente independentes, constituindo portanto uma base para a imagem de <math>T</math>. | |||
<math> </math> | |||
== Núcleo == | == Núcleo == | ||
Linha 36: | Linha 34: | ||
}} | }} | ||
===Teorema do | ===Teorema do núcleo=== | ||
O núcleo de uma transformação linear é um subespaço vetorial do seu domínio | O núcleo de uma transformação linear é um subespaço vetorial do seu domínio | ||
Linha 44: | Linha 42: | ||
* Se <math>\lambda \in K\,</math> e <math>v \in Ker(T)\,,</math> temos <math>T(v) = 0\,</math> logo <math>T(\lambda v) = \lambda T(v) = \lambda 0 = 0\,,</math> ou seja, <math>\lambda v \in Ker(T)\,</math> | * Se <math>\lambda \in K\,</math> e <math>v \in Ker(T)\,,</math> temos <math>T(v) = 0\,</math> logo <math>T(\lambda v) = \lambda T(v) = \lambda 0 = 0\,,</math> ou seja, <math>\lambda v \in Ker(T)\,</math> | ||
== Posto e | == Posto e nulidade == | ||
Se <math> dim V< \infty </math>, e <math> T:V \mapsto W </math> | Se <math> dim V< \infty </math>, e <math> T:V \mapsto W </math> | ||
* O posto(T) = dim Im(T),isto é, a dimensão da imagem de T(V), isto é, a quantidade de vetores L.I. que geram toda a imagem de T(V). | * O posto(T) = dim Im(T),isto é, a dimensão da imagem de T(V), isto é, a quantidade de vetores L.I. que geram toda a imagem de T(V). | ||
Linha 71: | Linha 69: | ||
Como n = dim V, Nulidade(T)=k e Posto(T)=n-k, portanto Posto(T) + Nulidade(T) = dim(V). | Como n = dim V, Nulidade(T)=k e Posto(T)=n-k, portanto Posto(T) + Nulidade(T) = dim(V). | ||
== Funcionais | == Funcionais lineares == | ||
=== Definição === | === Definição === | ||
{{Definição | {{Definição | ||
Linha 112: | Linha 110: | ||
Demonstra-se ainda que <math>v_o = \sum \overline{f(e_i)}e_i</math> | Demonstra-se ainda que <math>v_o = \sum \overline{f(e_i)}e_i</math> | ||
== Operador | == Operador linear == | ||
Dizemos que T uma tranformação linear, <math> T:V \mapsto V</math> é chamada operador linear de T sobre V. | Dizemos que T uma tranformação linear, <math> T:V \mapsto V</math> é chamada operador linear de T sobre V. | ||
Linha 213: | Linha 211: | ||
* Se '''W''' é '''T'''-invariante e '''T''' é unitário, então '''W''' é <math>T^{-1}</math>-invariante (ou <math>T^*</math>-invariante). | * Se '''W''' é '''T'''-invariante e '''T''' é unitário, então '''W''' é <math>T^{-1}</math>-invariante (ou <math>T^*</math>-invariante). | ||
* Se '''W''' é '''T'''-invariante e '''T''' é unitário, então <math>W^\perp</math> é '''T'''-invariante. | * Se '''W''' é '''T'''-invariante e '''T''' é unitário, então <math>W^\perp</math> é '''T'''-invariante. | ||
== Notas == | |||
<references/> | |||
== Ver também == | == Ver também == |
Edição das 11h06min de 28 de outubro de 2011
Esta página é um esboço de matemática. Ampliando-a você ajudará a melhorar o Wikilivros. |
Transformações Lineares
Definição
- Definição
Uma função onde e são espaços vetoriais sobre um corpo é dita uma transformação linear se, para todos e para todo tem-se
Existência de uma transformação
Sejam V e W espaços vetoriais sobre um corpo K, onde a . Seja uma base de V e vetores quaisquer de W. Então existe uma transformação linear .
Imagem de uma transformação linear
A seguir será discutido um exemplo de como achar a imagem de uma transformação linear. Considere , definida por . O valor de em um ponto pode ser reescrito da seguinte forma:
- .
Consequentemente, todo ponto da imagem é uma combinação linear dos vetores e , isto é, tais vetores formam um conjunto de geradores para a imagem de . Como poderá ser verificado pelo leitor[1], estes vetores também são linearmente independentes, constituindo portanto uma base para a imagem de .
Núcleo
- Definição
Seja uma transformação linear entre os espaços vetoriais V e W. O núcleo da transformação linear, Ker(T), é a imagem inversa do vetor nulo em W:
Teorema do núcleo
O núcleo de uma transformação linear é um subespaço vetorial do seu domínio
A demonstração é simples:
- Ker(T) não é vazio, pois 0V é um elemento de Ker(T), já que T(0V) = 0W
- Se então T(v) = T(w) = 0, logo, pela linearidade de T, T(v + w) = 0 e
- Se e temos logo ou seja,
Posto e nulidade
Se , e
- O posto(T) = dim Im(T),isto é, a dimensão da imagem de T(V), isto é, a quantidade de vetores L.I. que geram toda a imagem de T(V).
e
- A Nulidade(T) = dim Ker(T), isto é, é a dimensão do núcleo de T(V), isto é, a quantidade de vetores L.I. que geram todo o núcleo de T(V).
Teorema do posto e da nulidade
Sejam V e W espaço vetoriais sobre o corpo K e . Se , então posto(T) + Nulidade(T) = dim V
Prova
- Definindo a base do núcleo e a base do espaço:
Seja uma base do Ker(T). Existem vetores com j=k+1,...,n onde é uma base de V.
- Definindo a base da imagem:
Como é a base de V, T aplicada nessa base gera um conjunto que gera a imagem de T por V. Aplicando T sobre os vetores da base de V, temos , mas , pela definição de núcleo. Assim os vetores geram a imagem de T(V).
- Provando que os vetores são independentes:
Como queremos uma base, eles devem ser independentes, isto é, devem tal que .
Tomemos . Logo . Como .
Portanto . Como são L.I., então .
- Definindo posto e nulidade:
O Posto(T) = dim Im(T). Como geram a imagem de T(V), logo o posto(T)= n - (k+1) +1 = n-k.
A nulidade (T) = dim Ker(T). Como é uma base do Ker(T), logo a Nulidade (T)= k - 1 + 1 = k
Como n = dim V, Nulidade(T)=k e Posto(T)=n-k, portanto Posto(T) + Nulidade(T) = dim(V).
Funcionais lineares
Definição
- Definição
Uma função onde V é um espaço vetorial sobre K, é chamada de funcional linear se, e
- Teorema (existência e unicidade)
Se V é um espaço vetorial de dimensão n e é uma base de V, então existe um único funcional f, tal que e
- Teorema (base dual)
Se V é um espaço vetorial, e é uma base de V, então existe uma única base de tal que
- Definição
- é chamada de base dual de
- é chamado de espaço dual de V
Corolários:
Teoremas
- Teorema (representação dos funcionais lineares)
Sejam V um espaço vetorial sobre K, com produto interno, e um funcional linear. Então existe um único vetor tal que
Demonstra-se ainda que
Operador linear
Dizemos que T uma tranformação linear, é chamada operador linear de T sobre V.
Adjunto de um operador linear
Definição
- Definição
Seja V um espaço vetorial. O operador adjunto, de um determinado operador linear é definido pela igualdade:
Demonstra-se que todo operador linear possui um e apenas um operador adjunto correspondente.
A partir da definição, podemos obter as seguintes conseqüências (prove!):
Operadores especiais
- Auto-adjunto ()
- Unitário ()
- Normal ()
Operador auto-adjunto
- Definição
é chamado de auto-adjunto se
Uma matriz A é auto-adjunta se
- Se é chamada simétrica.
- Se é chamada hermitiana.
Os seguintes enunciados são úteis na prova de teoremas do operador auto-adjunto:
- Se então
- Se V é complexo e então
Prove:
- Se e então
- Seja com V complexo. Então
Operador unitário
- Definição
é chamado de unitário se
Uma matriz A é unitária se
Prove:
- T é unitário (T preserva o produto interno)
- T é unitário (T preserva a norma)
- T é unitário é unitário
Operador normal
- Definição
é chamado de normal se
Uma matriz A é normal se
Prove:
- Todo operador auto-adjunto é normal
- Todo operador unitário é normal
É importante ressaltar, ainda, que existem operadores normais que não são unitários nem auto-adjuntos.
Subespaço invariante
Definição
- Definição
W, subespaço vetorial de V, é dito invariante sob o operador se
Dizemos também que W é T-invariante.
Exercícios
Prove:
- Se W é T-invariante, então é -invariante.
- Se W é T-invariante e T é auto-adjunto, então W é -invariante.
- Se W é T-invariante e T é inversível, então
- Se W é T-invariante e T é inversível, então W é -invariante e
- Se W é T-invariante e T é unitário, então W é -invariante (ou -invariante).
- Se W é T-invariante e T é unitário, então é T-invariante.
Notas
- ↑ Ver por exemplo no Wolfram Alpha