NOTAS DE AULA - ÁLGEBRA LINEAR

ESPAÇOS VETORIAIS
TRANSFORMAÇÕES LINEARES

ISABEL C. C. LEITE

SALVADOR – BA
2007
Prof.ª Isabel Cristina C. Leite Álgebra Linear 1

ESPAÇOS VETORIAIS

Definição:
Seja um conjunto V, não vazio, sobre o qual estão definidas as operações adição e multiplicação por
um escalar, ou seja,
∀u, v ∈ V, u + v ∈ V
∀α ∈ R, ∀u ∈ V, αu ∈ V.

O conjunto V com essas duas operações é chamado espaço vetorial real (ou espaço vetorial sobre
R) se as seguintes propriedades forem satisfeitas:

A) Em relação à adição: ∀u, v, w ∈ V

A1) (u + v) + w = u + (v + w)
A2) u + v = v + u
A3) ∃ 0 ∈ V tal que u + 0 = u
A4) ∃ –u ∈ V tal que u + (–u) = 0

M) Em relação à multiplicação por escalar: ∀u, v ∈ V e ∀α, β ∈ R

M1) (αβ) u = α (βu)
M2) (α + β) u = αu + βu
M3) α (u + v) = αu + αv
M4) 1u = u

Exemplos:

1. V = R² = {(x, y)/ x, y ∈ R} é um espaço vetorial com as operações usuais de adição e

multiplicação por escalar:
(x1, y1) + (x2, y2) = (x1 + x2, y1 + y2)
α (x, y) = (αx, αy)

2. Os conjuntos R³, R4, ..., Rn são espaços vetoriais com as operações usuais de adição e
multiplicação por escalar.

3. V = M(m,n), o conjunto das matrizes reais m x n com a soma e o produto por escalar usuais.
Em particular:

3.1. V = M(n,n) o conjunto das matrizes quadradas de ordem n;

3.2. V = M(1,n) = {[a11, a12, ..., a1n]; aij ∈ R}, também identificado com V = Rn
são espaços vetoriais relativamente às mesmas operações.

4. O conjunto Pn = {a0 + a1x + a2x² + ... + anxn; ai ∈ R} dos polinômios com coeficientes reais de
grau ≤ n, em relação às operações usuais de adição de polinômios e multiplicação por
escalar.
Em particular, o conjunto dos polinômios de grau menor ou igual a 2,
P2 = {a0 + a1x + a2x²; ai ∈ R} é um espaço vetorial relativamente às mesmas operações.
Prof.ª Isabel Cristina C. Leite Álgebra Linear 2

Propriedades dos espaços vetoriais

Da definição de espaço vetorial V decorrem as seguintes propriedades:

i. Existe um único vetor nulo em V (elemento neutro da adição).
ii. Cada vetor u ∈ V admite apenas um simétrico (–u) ∈ V.
iii. Para quaisquer u, v, w ∈ V, se u + v = u + w, então v = w.
iv. Qualquer que seja v ∈ V, tem-se –(–v) = v.
v. Quaisquer que sejam u, v ∈ V, existe um e somente um w ∈ V tal que u + w = v.
Esse vetor w será representado por w = v – u.
vi. Qualquer que seja v ∈ V, tem-se 0v = 0.
vii. Qualquer que seja λ ∈ R, tem-se λ0 = 0.
viii. Se λv = 0, então λ = 0 ou v = 0.
ix. Qualquer que seja v ∈ V, tem-se (–1)v = –v.
x. Quaisquer que sejam u, v ∈ V e λ ∈ R, tem-se (–λ)v = λ(–v) = – (λv).

SUBESPAÇOS VETORIAIS

Definição
Dado um espaço vetorial V, um subconjunto W, não vazio, é um subespaço vetorial de V se:
i. Para quaisquer u, v ∈ W tem-se u + v ∈ W.
ii. Para qualquer α ∈ R, u ∈ W, tem-se α u ∈ W.

Observações

1. As condições da definição garantem que ao operarmos em W não obteremos um vetor fora de

W. De modo que W é ele próprio um espaço vetorial.
2. Qualquer subespaço W de V precisa necessariamente conter o vetor nulo (condição (ii) para
α = 0 ).
3. Todo espaço vetorial admite pelo menos dois subespaços (chamados subespaços triviais), o
conjunto formado somente pelo vetor nulo e o próprio espaço vetorial.

Exemplos

1. Sejam V = R² e W = {(x, 2x); x ∈ R}.

Evidentemente, W ≠ Φ, pois (0,0) ∈ W.
Verifiquemos as condições (i) e (ii).
Para u = (x1, 2x1) e v = (x2, 2x2) ∈ W, tem-se:
i. u + v = (x1, 2x1) + (x2, 2x2) = (x1 + x2, 2x1 + 2x2) = (x1 + x2, 2(x1 +x2)) ∈ W, pois a segunda
componente de u + v é igual ao dobro da primeira.
ii. αu = α(x1, 2x1) = (αx1, 2(αx1)) ∈ W, pois a segunda componente de αu é igual ao dobro da
primeira.
Portanto, W é um subespaço vetorial de R² que representa geometricamente uma reta que
passa pela origem.
Prof.ª Isabel Cristina C. Leite Álgebra Linear 3

Observemos que ao tomarmos dois vetores u e v da reta que passa pela origem, o vetor soma
ainda é uma reta que passa pela origem. E se multiplicarmos um vetor u da reta por um
número real α, o vetor αu ainda estará nesta reta.
O mesmo não ocorre quando a reta não passa pela origem. Por exemplo, a reta
W = {(x, 4 – 2x); x ∈ R}
não é um subespaço vetorial do R².
Se escolhermos os vetores u = (1, 2) e v = (2, 0) de W, temos u + v = (3, 2) ∉ W.
Ainda αu ∉ W, para α ≠ 1.

Os exemplos destas duas retas sugerem, para qualquer subconjunto W de um espaço vetorial
V, que: sempre que 0 ∉ W, W não é subespaço de V. No entanto, se 0 ∈ W não nos
enganemos pensando de imediato que W seja subespaço de V, pois será necessário verificar
as propriedades (i) e (ii).

Para V = R², os subespaços triviais são {(0,0)} e o próprio R², enquanto que os outros
subespaços (subespaços próprios) são as retas que passam pela origem.

2. Sejam V = R4 e W = {(x,y,z,0); x,y,z ∈ R}.

(0,0,0,0) ∈ W
Para u = (x1, y1, z1, 0) e v = (x2, y2, z2, 0) ∈ W:
i. u + v = (x1, y1, z1, 0) + (x2, y2, z2, 0) = (x1 + x2, y1 + y2, z1+ z2, 0) ∈ W, pois a quarta
componente é nula.
ii. αu = α(x1, y1, z1, 0) = (αx1, αy1, αz1, 0) ∈ W, pois a quarta componente é nula.
Logo, W é subespaço vetorial de R4.

3. Sejam V = M(3,1) e W o conjunto-solução de um sistema linear homogêneo a três variáveis.

Consideremos o sistema homogêneo
a11 x + a12 y + a13 z = 0

a 21 x + a 22 y + a 23 z = 0
a x + a y + a z = 0
 31 32 33

Fazendo:
 a11 a12 a13  x 0 
  
A = a 21 a 22 a 23 , X =  y   e 0 = 0 , o sistema, em notação matricial, será dado
a31 a32 a33   z  0
por AX = 0, sendo X elemento do conjunto-solução W.
 x1   x2 
Se u = X 1 =  y1  e v = X 2 =  y 2  são soluções do sistema, então: AX1 = 0 e AX2 = 0.
 
 z1   z 2 
i. Somando essas igualdades, vem: AX1 + AX2 = 0 ou A(X1 + X2) = 0 ⇒ X1 + X2 ∈ W, isto é,
a soma de duas soluções é ainda uma solução do sistema.
ii. Multiplicando por α ∈ R a primeira igualdade, vem: α(AX1) = 0 ou A(αX1) = 0 ⇒ αX1 ∈ W,
isto é, o produto de uma constante por uma solução é ainda uma solução do sistema.
Logo, o conjunto-solução W do sistema linear homogêneo é um subespaço vetorial de
M(3,1).
Prof.ª Isabel Cristina C. Leite Álgebra Linear 4

Exercícios

1. Verifique se os seguintes conjuntos são espaços vetoriais.

OBS: Os símbolos ⊕ e ⊗ , quando utilizados, são para indicar que a adição e a multiplicação
por escalar não são usuais.
a) V = {(x, x²); x∈R} com as operações definidas por:
(x1, x1²) ⊕ (x2, x2²) = (x1 + x2, (x1 + x2)²)
α ⊗ (x, x²) = (αx, α²x²)

b) V = R+* com as operações definidas por x ⊕ y = xy e α ⊗ x = xα, ∀ x, y ∈ V.

2. Verifique se os seguintes subconjuntos dos espaços vetoriais dados são subespaços vetoriais
destes.

{ }
a) W = ( x, y ) ∈ R 2 , y = x ⊂ R 2
a b 
b) W =   ; a, b ∈ R  ⊂ M 2 ( R )
  0 0 

INTERSECÇÃO DE SUBESPAÇOS VETORIAIS

Definição

Sejam W1 e W2 subespaços vetoriais de V.

W = W1 ∩ W2 = {v ∈ V; v ∈ W1 e v ∈ W2}

Teorema: A intersecção W de dois subespaços vetoriais W1 e W2 de V é também um subespaço

vetorial de V.

Exemplos:
 a b    a b  
1. V = M(2,2), W1 =   ; a = d − b, c = 0 e W2 =   ; a = c = d , b = 0 , ou seja,
 c d    c d  
 d − b b    a ' 0  
W1 =     e W2 =   
 0 d  a' a' 
Para encontrarmos W1 ∩ W2, as condições de W1 e de W2 devem ser satisfeitas simultaneamente.
b = 0
a' = 0

  0 0  
Assim temos: a' = d ⇒ d = 0 . Portanto W1 ∩ W2 =  .
  0 0 
d - b = a'

2. V = P2(R), espaço dos polinômios reais de grau menor ou igual a 2.

V = {a + bx + cx²; a, b, c ∈ R}
W1 = {a + bx + cx²; a – 2b + c = 0} e W2 = {a + bx + cx²; a = 0}
W1 ∩ W2 = {a + bx + cx²; – 2b + c = 0, a = 0}
Prof.ª Isabel Cristina C. Leite Álgebra Linear 5

SOMA DE SUBESPAÇOS VETORIAIS

Definição

Sejam W1 e W2 subespaços vetoriais de V.

W = W1 + W2 = {u + w ∈ V; u ∈ W1 e w ∈ W2}

Teorema: A soma W de dois subespaços vetoriais W1 e W2 de V é também um subespaço vetorial

de V.

Considerando os mesmos espaços e respectivos subespaços dos exemplos anteriores:

d − b b  a ' 0  a '+ d − b b 
1.   +  =
 0 d  a ' a '  a ' a '+ d 
 c − b b    x y  
W 1 + W2 =    ; a' , b, c ∈ R  ou W1 + W2 =   ; x = w − y
 a' c    z w 
2. Sejam p = 2b – c + bx + cx ∈ W1 e q = b’x + c’x ∈ W2.
2 2

p + q = (2b – c) + (b + b’)x + (c + c’) x2. Como não existe nenhuma relação de dependência entre
os valores 2b – c, b + b’ e c + c’, W1 + W2 é um polinômio qualquer de P2(R).
W1 + W2 = P2(R).

SOMA DIRETA DE SUBESPAÇOS VETORIAIS

Definição

Sejam W1 e W2 subespaços vetoriais de V. Diz-se que V é soma direta de W1 e W2 , e se representa

por V = W1 ⊕ W2, se V = W1 + W2 e W1 ∩ W2 = {0}.

Teorema:
Se V é soma direta de W1 e W2 todo vetor v ∈ V se escreve de modo único na forma v = u + w, onde
u ∈ W 1 e w ∈ W 2.

Exemplo:
Sejam V = R3 , ou seja, V = {(a,b,c); a,b,c ∈ R} e os seus subespaços W1 = {(a, b, 0); a, b ∈ R} e
W2 = {(0,0,c); c ∈ R}.
R3 é soma direta de W1 e W2, pois W1 + W2 = {(a,b,c); a,b,c ∈ R}e W1 ∩ W2 = {(0,0,0)}.
Confirmando o teorema acima, ∀ v = (a,b,c) ∈ R3, (a, b, c) = (a, b, 0) + (0, 0, c), escrito de modo
único.

Exercício:

 a b    a b  
Sejam W1 =   ; a = d e b = c  e W2 =    ; a = c e b = d  subespaços de M2(R).
 c d    c d  
Determine W1 ∩ W2, W1 + W2 e verifique se M2(R) = W1 ⊕ W2.
Prof.ª Isabel Cristina C. Leite Álgebra Linear 6

COMBINAÇÃO LINEAR

Sejam os vetores v1 , v2 ,K, vn do espaço vetorial V e os escalares a1 , a 2 ,K, a n . Qualquer vetor v ∈ V

da forma v = a 1 v 1 + a 2 v 2 + K + a n v n é uma combinação linear dos vetores v1 , v2 ,K, vn .

Exemplo: Em P2, o polinômio p = 5t 2 − 5t + 7 é uma combinação linear dos polinômios

p1 = t 2 − 2t + 1, p2 = t + 2 e p3 = 2t 2 − t , pois p = 3 p1 + 2 p2 + p3 .

Exercícios
1) Escrever v = (4,3,−6) como combinação linear de v1 = (1,−3,2) e v2 = (2,4,−1) .
− 8 14 2 − 3
2) Para que valor de k a matriz A =   é combinação linear de A1 =   e
0 k 0 2 
− 1 2 
A2 =  ?
 0 4
3) Mostrar que o vetor v = (3,4) ∈R² pode ser escrito de infinitas maneiras como combinação
linear dos vetores v1 = (1,0) , v2 = (0,1) e v3 = (2,−1) .

SUBESPAÇOS GERADOS

Sejam V um espaço vetorial e A = {v1 , v2 ,K, vn } ⊂ V, A ≠ Φ .

O conjunto W de todos os vetores de V que são combinação linear dos vetores de A é um subespaço
vetorial de V.
W = {v ∈ V; v = a1v1 + a 2 v2 + K + a n vn ; a1 , a 2 ,K, a n ∈ R} é dito subespaço gerado pelo conjunto A.
Notação: W = [ v1 , v2 , K , vn ] ou W = G(A).

Observações:
1) v1 , v2 , K , vn são ditos vetores geradores do subespaço W.
2) Por definição: A = Ф ⇔ [Ф] = {0}.
3) A ⊂ G(A), ou seja, {v1 , v2 ,K, vn } ⊂ [ v1 , v2 , K , vn ].
4) Todo subconjunto A de V gera um subespaço vetorial de V, podendo ocorrer G(A) = V.
Nesse caso, A é o conjunto gerador de V.
5) Seja W = [ v1 , v2 , K , vn ]. Ao acrescentarmos vetores de W ao conjunto dos geradores, os
novos conjuntos continuarão gerando o mesmo subespaço W.
6) A observação 5 nos permite concluir que um espaço vetorial pode ser gerado por uma
infinidade de vetores, mas existe um número mínimo de vetores para gerá-lo.

Exemplos:

1) i = (1,0) e j = (0,1) geram o R², pois (x,y) = x(1,0) + y(0,1), x, y ∈ R.

2) i = (1,0,0) e j = (0,1,0) geram o subespaço do R³: W = {(x,y,0)∈R³; x, y ∈ R} que
geometricamente representa o plano x0y.
3) i = (1,0,0), j = (0,1,0) e k = (0,0,1) geram o R³, pois (x,y,z) = x(1,0,0) + y(0,1,0)+z(0,0,1), x, y,
z ∈ R.
4) i = (1,0,0), j = (0,1,0) e v = (3,4,0) geram o subespaço do R³: W = {(x,y,0)∈R³; x, y ∈ R}.
5) u = (2,-1,3) e v = (0,-1,2) geram o subespaço do R³: W = {(x,y,z)∈R³; x - 4y -2z = 0}
Prof.ª Isabel Cristina C. Leite Álgebra Linear 7

 − 1 2 3 − 1   x y  
6) A =  ,
   gera o subespaço de M (R): W =  ; x , y ∈ R .
x + 2 y 
2
− 2 3 1 1    − y 

ESPAÇOS FINITAMENTE GERADOS

Um espaço vetorial V é finitamente gerado se existe um conjunto finito A, A ⊂ V, tal que V = G(A).

Todos os exemplos de espaços vetoriais vistos até agora são exemplos de espaços finitamente
gerados. Um exemplo de espaço vetorial não finitamente gerado é o espaço P de todos os
polinômios reais.

DEPENDÊNCIA E INDEPENDÊNCIA LINEAR

Sejam V um espaço vetorial, A = {v1 , v2 ,K, vn } ⊂ V e a1v1 + a 2 v2 + K + an vn = 0 .

O conjunto A diz-se linearmente independente (L.I.) ou os vetores v1 , v2 ,K, vn são ditos L.I., caso a
equação acima admita apenas a solução trivial a1 = 0, a 2 = 0, K, a n = 0 .
Se existirem soluções ai ≠ 0 para algum i = 1, 2, ..., n, diz-se que o conjunto é linearmente
dependente (L.D.)

Exemplos:
a) Em V = R³, os vetores u = (2,-1,3), v = (-1,0,-2) e w = (2,-3,1) são L.D., pois podemos escrever
a combinação linear 3u + 4v – w =0.
b) Em V = P3(R), os polinômios p1 = 2 + 2 x + 3 x 2 + 4 x 3 , p2 = 5 x − 3 x 2 + x 3 e p3 = 4 x 2 − 2 x 3 são
L.I., pois a1 p1 + a 2 p 2 + a3 p3 = 0 somente quando a1 = a 2 = a3 = 0.
c) Em V = R², i = (1,0) e j = (0,1) são L.I.
d) Em V = R², i = (1,0), j = (0,1) e v = (3,-2) são L.D., pois podemos escrever a combinação linear
–3i + 2j + v = 0.

Atenção: Faça os cálculos que conferem as afirmações acima.

Teorema
Um conjunto A = { v1 , v2 ,K, vn } é L.D. se, e somente se, pelo menos um desses vetores é combinação
linear dos outros.
Ou, equivalentemente, um conjunto A = { v1 , v2 ,K, vn } é L.I. se, e somente se, nenhum desses vetores
pode ser escrito como combinação linear dos outros.

Do teorema acima podemos concluir que para o caso particular de dois vetores, temos que:

u e v são L.D. se, e somente se, um vetor é múltiplo escalar do outro.

Exemplo:
 1 2  3 6 
A =   ,   ⊂ M2(R) é um conjunto L.D., pois podemos escrever a combinação
− 4 − 3 − 12 − 9 
1 2   3 6  0 0   3 6 1 2
linear 3 ⋅   −  =  . Notemos que   = 3⋅  .
− 4 − 3 − 12 9 0 0 − 12 9 − 4 − 3
Prof.ª Isabel Cristina C. Leite Álgebra Linear 8

Exercício: Verifique se são L.D. os seguintes conjuntos.

{ }
1) 1 + 2 x − x 2 ,2 − x + 3 x 2 ,3 − 4 x + 7 x 2 ⊂ P2(R)
2) {(2,−1), (1,3)} ⊂ R²

PROPRIEDADES DA DEPENDÊNCIA E DA INDEPENDÊNCIA LINEAR

Seja V um espaço vetorial.

1. Se A = {v} ⊂ V e v ≠ 0, então A é L.I.
2. Considera-se por definição que o conjunto vazio Ф é L.I.
3. Se um conjunto A ⊂ V contém o vetor nulo, então A é L.D.
4. Se uma parte de um conjunto A ⊂ V é L.D., então A é também L.D.
5. Se um conjunto A ⊂ V é L.I., então qualquer parte de A é também L.I.

Observemos que a recíproca desta afirmação não é verdadeira.

De fato, voltando ao exemplo (d), A = {(1,0), (0,1), (3,-2)} temos que qualquer subconjunto próprio
de A é L.I.
A1 = {(1,0)}, A2 = {(0,1)}, A3 ={(3,-2)}, A4 = {(1,0), (0,1)}, A5 = {(1,0), (3,-2)}, A6 = {(3,-2), (0,1)}
Porém verificamos que o conjunto A é LD.

6. Se A = { v1 , v2 ,K, vn } é L.I e B = { v1 , v2 , K , vn , w} é L.D., então w é combinação linear dos

vetores v1 , v2 ,K, vn .

BASE DE UM ESPAÇO VETORIAL

Um conjunto B = {v1 , v 2 ,K, v n } ⊂ V é uma base do espaço vetorial V se:

i) B é LI;
ii) B gera V.

Exemplos:

1) B = {(1, 1), (-1, 0)} é base do R2.

OBS: quaisquer dois vetores não colineares do R2, portanto LI formam uma base desse espaço.

2) B = {(1, 0), (0, 1)} é base do R2 , denominada base canônica.

3) B = { e1 , e2 , K , en } é base canônica do Rn, onde

e1 = (1,0,0, K,0 ), e2 = (0,1,0,K,0 ),K, en = (0,0,K,1) são vetores LI e
∀v ∈ R n pode ser escrito como v = x1e1 + x2 e2 + K + x n en .

1 0 0 1 0 0 0 0 
4) B =  , 0 0, 1 0, 0 1  é base canônica de M2(R).
 0 0       

{ }
5) B = 1, t , t 2 , K , t n é base canônica do espaço vetorial Pn e tem n + 1 vetores.
Prof.ª Isabel Cristina C. Leite Álgebra Linear 9

6) B = {(1,2), (-2, -4)} não é base do R2, pois é LD.

7) B = {(3, -1)} não é base do R2, pois não gera todo R2. Esse conjunto gera uma reta que passa pela
origem. W = [(3, -1)] = {(x, y) ∈ R2; x = -3y}

8) B = {(1,2,1), (-1,-3,0)} não é base do R3, pois não gera todo R3. B gera o subespaço do R3
{ }
W = ( x, y, z ) ∈ R 3 ;3 x − y − z = 0 e por ser LI é base de W.

OBS: Todo conjunto LI de um espaço vetorial V é base do subespaço por ele gerado.

Teorema: Se B = {v1 , v2 ,K, v n } for uma base de um espaço vetorial V, então

i) todo conjunto com mais de n vetores será LD;
ii) todo conjunto com menos de n vetores não gera V.

Corolário: Duas bases quaisquer de um mesmo espaço vetorial têm o mesmo número de vetores.

DIMENSÃO de um espaço vetorial: é o número de vetores da base de um espaço vetorial.

Exemplos:
1) dim R2 = 2
2) dim Rn = n
3) dim M2(R) = 4
4) dim M(m,n) = m⋅n
5) dim Pn = n + 1
6) dim {0} = 0 , pois {0} é gerado pelo conjunto vazio e portanto não possui base.

Observações:
1) dim V = n e W é subespaço de V ⇒ dim W ≤ n
No caso de dim W = n, então temos que W = V.
Ex: V = R3, dim V = 3. A dimensão de qualquer subespaço W do R3 só poderá ser 0, 1, 2 ou
3. Portanto temos:
a. dim W = 0, então W = {(0,0,0)} é a origem.
b. dim W = 1, então W é uma reta que passa pela origem.
c. dim W = 2, então W é um plano que passa pela origem.
d. dim W = 3, então W = R3.

2) Se dim V = n, então qualquer subconjunto de V com mais de n vetores é LD.

3) Se soubermos que a dim V = n, para obtermos uma base de V basta que apenas uma das
condições de base esteja satisfeita, pois a outra ocorrerá como conseqüência. Ou seja:
a. Se dim V = n, qualquer subconjunto de V com n vetores LI é uma base de V.
b. Se dim V = n, qualquer subconjunto de V com n vetores geradores de V é uma base de V.
Prof.ª Isabel Cristina C. Leite Álgebra Linear 10

EXERCÍCIOS

1. Verifique se os conjuntos abaixo são subespaços de V = ℜ 2 .

{
a) W = ( x, y ) ∈ ℜ 2 , y = ax, a constante real . } {
c) W = ( x, y ) ∈ ℜ 2 , y = x 3 }
b) W = {( x, y ) ∈ ℜ ,2
y= x . } d) W = {( x, y ) ∈ ℜ ,2
y = sen(x )}
2. Dados os espaços vetoriais abaixo diga, em cada caso, se W é subespaço vetorial de V sobre ℜ .

a) V = ℜ 3 . c) V = P2 (ℜ ) .
{ }
a.1) W = ( x, y, z ) ∈ ℜ 3 , x + y + z = 1 . {
c.1) W = at 2 + bt + c ∈ V , a − 2b + c = 0 . }
a.2) W = {( x, y, z ) ∈ ℜ , x = 2 y + z }.
3
c.2) W = {at 2
+ bt + c ∈ V , c = 4 .}
a.3) W = {( x, y, z ) ∈ ℜ , x. y = 0}.
3

b) V = M 2 (ℜ ) . d) V = F (ℜ, ℜ ) . Espaço das funções contínuas de

b.1) W = {A ∈ V , AT = TA, T fixada em V } . ℜ em ℜ .
{
b.2) W = A ∈ V , A 2 = A . } d.1) W = { f ∈ V , f (− x ) = − f ( x )}.
b.3) W = {A ∈ V , A é inversível} . d.2) W = { f ∈ V , f (3) = 0} .

{ } {
3. Seja V = M 2 (ℜ ) e sejam W1 = A ∈V , At = A e W2 = A ∈V , At = − A . Mostre que: }
a) W1 e W2 são subespaços de V;
b) V = W1 + W2 ;

4. No exercício anterior, mostre que V = W1 ⊕ W2 .

5. Escreva, se possível, cada vetor v como combinação linear dos elementos de S, sendo:

 1 1  3 2   0 0   0 0   4 1 
a) v =   e S =  ,  ,  ,   .
 0 1  0 0   0 3   1 0   9 5 
b) v = (2,7 ) e S = {(1,0), (2,9)} .
c) v = (0,0,3) e S = {(2,0,0), (0,1,0)} .
{
d) d) v = p (t ) = t 3 + 4t 2 + t + 1 e S = 2, 3t , t 2 − 1, t 3 . }
{
e) v = f (x ) = sen ( x ) e S = cos ( x ), 3 .
2 2
}
6. Determine um conjunto de geradores para os seguintes subespaços:

{
a) W = ( x, y, z ) ∈ ℜ 3 , x + z = 0 e x − 2 y = 0 . }  a b 
c) W = 

 ∈ M 2 (ℜ ), a + c = 0 e d = 0 .
 c d  
{
b) W = ( x, y, z ) ∈ ℜ 3 , x + 2 y − 3 z = 0 . } {
d) W = at 3 + bt 2 + ct + d ∈ P3 (ℜ), b = c e a = 0 }
Prof.ª Isabel Cristina C. Leite Álgebra Linear 11

7. Seja { u, v, w} um conjunto L.I. de vetores de um espaço vetorial V. Mostre que

{ u + v − 3w, u + 3v − w, w} é L.I. .
{ (
8. Determine k de modo que o conjunto (1,0, k ), (1,1, k ), 1, k , k 2 )} seja L.I. .
9. Mostre que os seguintes pares de vetores em V= F (ℜ, ℜ ) são L.I. .

a) 1, x b) x, x 2 c) x.e x , e 2 x d) sen( x ), cos( x )

10. Verifique quais dos seguintes conjuntos:

i) são L.I. ii) geram os espaços V considerados. iii) são bases dos espaços V considerados.

a) {(1,0,0,0), (1,1,0,0), (1,1,1,0), (1,1,1,1)} ⊂ V = ℜ 4 .

b) {(− 1,1), (1,1), (1,2)} ⊂ V = ℜ 2 .
1 − 1  − 1 1   1 − 1  1 1 
c)   ,   ,   ,   ⊂ V = M 2 (ℜ ) .
1 − 1  1 − 1  0 0   − 1 − 1
 0 2 0   3 0 0   0 0 0 
d)   ,   ,   ⊂ V = M 2 x 3 (ℜ ) .
 2 0 0   0 0 0   0 1 0 
e) {t 2
}
+ t, t, 1 ⊂ V = P2 (ℜ ) .
f) {t 2
}
, 5t 2 − 3, 1 ⊂ V = P2 (ℜ ) .

11. Determine uma base e a dimensão dos seguintes subespaços vetoriais:

a) W = [(1,0,0), (0,5,−2), (7,0,2), (3, π ,2)] em V = ℜ 3 .

b) W = [(1,3,0,1), (3,4,−7,2), (− 3,1,14,−1), (2,3,0,1)] em V = ℜ 4 .

{
c) W = A ∈ M 2 (ℜ), A = At } em V = M 2 (ℜ ) .

d) Os subespaços do exercício 6.

e) W = [sen(x ), cos( x )], V = F (ℜ, ℜ ) .

f) W = [e x , e 2 x , e 3 x ], V = F (ℜ, ℜ ) .

12. Encontre as equações lineares homogêneas que caracterizam os seguintes subespaços:

a) W = [(− 2,1,0), (3,0,1), (− 1,2,1)] em V = ℜ 3 .

b) W = [(2,1,−2), (4,−2,−4 )] em V = ℜ 3 .

c) W = [(1,1,1,1), (0,1,0,0), (0,0,0,1), (0,0,1,0)] em V = ℜ 4 .

Prof.ª Isabel Cristina C. Leite Álgebra Linear 12

1 0   − 2 1   3 1 
d) W =  ,  ,   em V = M 2 (ℜ ) .
  1 0   − 1 0   4 0 

[ ]
e) W = t 3 + t , t 2 − 2t , 1 em V = P3 (ℜ ) .

13. Em cada caso a seguir, determine os subespaços U ∩ W , U + W de V e uma base para cada um dos
subespaços encontrados:

U = {(x, y, z , w) ∈ V , x + y = w − z = 0} e
a) V = ℜ 4 
W = {( x, y, z , w) ∈ V , z = 0 e w = 0}

U = {( x, y, z ) ∈ V , x = 0} e
b) V = ℜ 3 
W = [(0,2,0 ), (1,2,3), (7,12,21), (− 1,−2,−3)]

  x y  
U =   ∈ V , x + 2 y + w = 0, z = 0 e
  z w  
c) V = M 2 (ℜ ) 
  x y  
W =  z w  ∈ V , y + 3z = 0, w = 0
   

U = [(1,0,2 ), (0,1,1), (1,1,3)] e

d) V = ℜ 3 
W = [(0,−1,1), (0,1,−1 2 )]

14. Dados os vetores u = (2, − 1,4,0), v = (1,1,2,3) e t = (4,1,8,6) :

a) Encontre uma base para S = [u, v, t ] ;

b) Escreva as equações que caracterizam S;
c) Que relação deve existir entre a e b para que (0, a,0, b ) pertença a S ?
d) Seja Y = [(0,1,0,2)] . Determine Y ∩ S , dim(Y + S ) e uma base para Y + S .

15. Verifique se V = U ⊕ W nos seguintes casos:

  a b c  
U =   ∈ V , a = b = f
  d e f  
a) V = M 2 x 3 
  a b c  
W =  d e f  ∈ V , d = 0
   

U = {( x, y, z , w) ∈ V , x + w = y = z + w = 0}
b) V = ℜ 4 
W = {( x, y, z , w) ∈ V , x = z = 0}
c) itens do exercício 13o

16. Determine uma base do ℜ 5 que contenha o conjunto {(1,1,0,0,0), (1,0,1,0,0)} . Justifique sua resposta.

17. Sendo W = [(1,−2,3), (− 3,5,1), (7,−12,1)] , encontre um subespaço U do ℜ 3 tal que ℜ 3 = U ⊕ W .

Prof.ª Isabel Cristina C. Leite Álgebra Linear 13

18. Sejam W1 e W2 subespaços do ℜ 5 . Sabendo-se que:

• dim(W1 + W2 ) = 4 ;
• {(1,2,1,0,0), (0,1,1,0,0)} é base de W1 ;
• W1 ∩W2 = [(1,−1,1,0,0), (2,1,0,−1,1), (1,2,−1,−1,1)] .

Determine a dimensão de W2 . Justifique a sua resposta.

19. Sabendo que ℜ 4 = V ⊕ W e V = [(1,2,3,4), (3,6,9,12)] , determine a dimensão de W. Justifique.

20. Sejam V um espaço vetorial de dimensão igual a 6, U e W subespaços de V tais que:

a) dim(U ) = 4 e dim(W ) = 5 . Mostre que U ∩W ≠ {0} .

b) dim(U ) = dim(W ) = 4 . Encontre as possíveis dimensões para U ∩ W .

21. Dê, se possível, exemplos de:

a) Um conjunto L.I. de 3 vetores que não geram o ℜ 3 ;

b) Um conjunto L.D. de 3 vetores do M 2 (ℜ) ;
c) Um subespaço U de ℜ 4 tal que U ≠ ℜ 4 e dim(U ) = 4 ;
d) Dois subespaços W e U de ℜ 5 tais que dim(U ) = dim(W ) = 3 e U ⊕ W = ℜ 5 .

Caso seja impossível, justifique sua resposta.

22. Determine as coordenadas dos seguintes vetores em relação às bases indicadas:

 B = {(1, 1, 1), (1, 2 , 0), (3, 1, 0)}

a) (4, − 5, 3) 
 B' = {(1, 2 , − 1), (0 , 3, 2 ), (1, 1, 4 )}

  1 1   1 0   0 0   0 0 
 1 2  B =   ,   ,   ,  
b)     0 0   0 0   0 1   1 0 
 −1 0  
 B' = base canônica de M 2 (ℜ )

c) 2t 3 + 5t 2 − 2t
{ }
 B = t 3 + t 2 , t 2 + t, t-2, 3

 B' = base canônica de P3 (ℜ )
Prof.ª Isabel Cristina C. Leite Álgebra Linear 14

Respostas

1. a) sim b) não c) não d) não

2. a.1) não a.2) sim a.3) não c.1) sim c,2) não
b.1) sim b.2) não b.3) não d.1) sim d.2) sim

 1 1 3  3 2 2  0 0 9  0 0 1  4 1
5. a)  =  +  +  −  
 0 1 5  0 0 3  0 3 5  1 0 5  9 5
4 7
b) ( 2 ,7) = (1,0) + ( 2,9)
9 9
c) não é possível.
d) t 3 + 4t 2 + t + 1 =
5
2
1
( ) ( )
( 2) + ( 3t ) + 4 t 2 − 1 + 1 t 3
3

(
e) sen2 x = −1 cos2 x + ) 1
3
(3)
 1 0  0 1 
6. a) {( 2 ,1,−2)} b) {( − 2 ,1,0) , ( 3,0,1)} c)  ,   d) {t 2 + t , 1}
 − 1 0  0 0 
8. k ≠ 0 e k ≠1
10. a) i) L.I. ii) sim iii) sim
b) i) L.D. ii) sim iii) não
c) i) LD. ii) não iii) não
d) i) L.I. ii) não iii) não
e) i) L.I. ii) sim iii) sim
f) i) L.D. ii) não iii) não

11. a) B = {(1,0,0) , ( 0,5,−2) , ( 7 ,0,2)} outra base de W: B' = {(1,0,0) , ( 0,1,0) , ( 0,0,1)}, dim(W ) = 3
b) B = {(1,3,0,1) , ( 3,4 ,−7 ,2) , ( 2 ,30,1)}, dim(W ) = 3
 1 0  0 1  0 0 
c) B =  ,  ,   , dim(W ) = 3
 0 0  1 0  0 1 
d) d.1) B = {( 2 ,1,−2)}, dim(W ) = 1
d.2) B = {( − 2 ,1,0) , ( 3,0,1)}, dim(W ) = 2
 1 0  0 1 
d.3) B =  ,   , dim(W ) = 2
 − 1 0  0 0 
d.4) B = {1, t 2 + t }, dim(W ) = 2
{ }
e) B = sen( x) , cos( x) , dim(W ) = 2

{ }
f) B = e x , e 2 x , e 3x , dim(W ) = 3

{
12. a) W = ( x , y , z) ∈ℜ 3 , x + 2 y − 3z = 0 } {
b) W = (x, y, z ) ∈ ℜ 3 , x + z = 0 }
 x y  
c) W = ℜ 4 d) W =   ∈ M 2 ( ℜ ) , x + y − z = 0 e w = 0
 z w 
e) W = {at 3 + bt 2 + ct + d ∈ P3 (ℜ), c = a − 2b}

{
13. a) U ∩ W = ( x,y,z,w) ∈ℜ 4 , x + y = 0, z = 0, w = 0 } {
BU ∩W = (1,−1,0,0) }
U + W = {( x,y,z,w) ∈ℜ , w − z = 0}
4
BU +W = {(1,0,0,0) , ( 0,1,0,0) , ( 0,0,11
, )}
Prof.ª Isabel Cristina C. Leite Álgebra Linear 15

13. b) U ∩ W = {( x,y,z) ∈ ℜ3 , x = z = 0} { }
BU ∩W = ( 0,1,0)
U + W = ℜ3 BU +W = {(1,0,0) , ( 0,1,0) , ( 0,0,1)}

 0 0 
c) U ∩ W =   não há base.
 0 0 
 1 0  0 1  0 0  0 0 
U + W = M 2 ( ℜ) BU + W =  ,  ,  ,  
 0 0  0 0  1 0  0 1 

{
d) U ∩ W = ( x,y,z) ∈ℜ 3 , x = 0, z = y } { }
BU ∩W = ( 0,11
,)
U +W = ℜ 3
B = {(1,0,0) , ( 0,1,0) , ( 0,0,1)}
U +W

14. , ,2 ,3)} b) S = {( x , y , z , w) ∈ℜ , 4 y + z − 2 w = 0}
a) B = {(1,0,2 ,1) , ( 0,1,0,2)} , outra base: {( 2 ,−1,4 ,0) , (11 4

c) b = 2a d) Y ∩ S = Y , dim(Y + S ) = 2 , BY + S a mesma de S

15. a) não b) sim c) 13a) não 13b) não 13c) sim 13d) não
16. B = {(11
, ,0,0,0) , (1,0,1,0,0) , ( 0,0,1,0,0) , ( 0,0,0,1,0) , ( 0,0,0,0,1)}

17. U = [( 0,0,1) ], ou por exemplo, U = [( 0,1,0) ], ou U = [(1,0,0) ]

18. dim(W2 ) = 4
19. dim(W ) = 3
20. a) 2 < dim(U ∩ W ) < 5 ⇒ U ∩ W ≠ { 0} b) 2 ,3,4

 1 0  3 0  0 1 
21. a) impossível. b)  ,  ,    , por exemplo. c) impossível. d) impossível.
 0 0  0 0  0 0 

 2  1
 3  21 17     
     1 2  − 1  1 2 
22. a) [( 4 ,−5,3) ] B =  − 5 e [( 4 ,−5,3)] =  − 58 17 b)  
  =   e 
 2
 =  
 − 1 0  B  0   − 1 0  B'  − 1
B'
   
 2  47 17 
 − 1  0

 2   0
   
 3   − 2
c) [2t 3 + 5t 2 − 2t ] B = e [2t 3 + 5t 2 − 2t ] B' = 
−5  5
   
 − 10 3  2
Prof.ª Isabel Cristina C. Leite Álgebra Linear 16

TRANSFORMAÇÃO LINEAR

Sejam V e W espaços vetoriais. Uma aplicação T:V → W é chamada transformação linear de V em W

se satisfaz às seguintes condições:
I) T(u + v) = T(u) + T(v)
II) T (αu ) = αT (u )
∀u , v ∈ V e ∀α ∈ R .

• Em particular, uma transformação linear de V em V (ou seja, se W = V) é chamada operador

linear sobre V.

Exemplos:
1) A transformação nula (ou zero) é linear: T ≡ O
O: V → W
v a O (v ) = 0
De fato: I) O(u + v) = 0 = 0 + 0 = O(u) + O(v)
II) O(αu) = 0 = α ⋅ 0 = α ⋅ O(u)

2) A transformação identidade é linear. T ≡ I

I :V → W
v a I (v ) = v
De fato: I) I (u + v) = u + v = I (u ) +I (v)
II) I (α u ) = α u = α ⋅ I (u )

3) A transformação projeção de R3 em R2 é linear.

T : R3 → R2
( x, y , z ) a T ( x, y , z ) = ( x − y , 2 x + z )
De fato:
I) T (u + v) = T (( x1 , y1 , z1 ) + ( x 2 , y 2 , z 2 ) )
= T ( x1 + x 2 , y1 + y 2 , z1 + z 2 )
= (( x1 + x 2 ) − ( y1 + y 2 ), 2(x1 + x 2 ) + ( z1 + z 2 ))
= ( x1 − y1 + x 2 − y 2 , 2 x1 + z1 + 2 x 2 + z 2 )
= ( x1 − y1 , 2 x1 + z1 ) + ( x 2 − y 2 , 2 x 2 + z 2 )
= T (u ) + T (v)

II) T (α u ) = T (α x, α v, α z )
= (α x − α y, 2α x + α z )
= α (x − y, 2 x + z )
= α T (u )

4) A função real F: R→ R, tal que F(u) = u2 não é uma transformação linear.

I) F (u + v ) = (u + v ) = u 2 + v 2 + 2uv ≠ F (u ) + F (v)
2
De fato:
II) F (α u ) = (α u ) = α 2 v 2 ≠ α F (u )
2
Prof.ª Isabel Cristina C. Leite Álgebra Linear 17

5) A transformação derivada T ≡ D é linear.

Pn(R) é o conjunto dos polinômios reais de grau n e f(t), g(t) são polinômios de Pn(R).
D : Pn ( R ) → Pn ( R )
f (t ) a D( f (t )) = f ' (t )
De fato: I) D( f (t ) + g (t ) ) = ( f (t ) + g (t ) ) '
= f ' (t ) + g ' (t )
= D( f (t ) ) + D( g (t ) )
II) D(α f (t ) ) = (α f (t ) ) '
= α f ' (t )
= α D( f (t ) )

Exercício: Verifique se são lineares as seguintes aplicações.

a) T : R 3 → R 2 definida por T ( x, y, z ) = ( x − y, 2 x + z )
b) T : P2 ( R ) → R 3 definida por T (a0 + a1t + a2t 2 ) = ( a0 , a1 − 1, a2 − 2 )

Propriedades

1. Se T : V → W é uma transformação linear, então T (0V ) = 0W .

Equivalentemente, se T ( 0V ) ≠ 0W , então T : V → W não é uma transformação linear.
Podemos usar esta propriedade para justificar que a transformação do exercício (b) não é linear,
pois T ( 0 ) = ( 0, −1, −2 ) .

2. Se T : V → W é uma transformação linear, então

T (a1v1 + a 2 v 2 ) = a1T (v1 ) + a 2T (v 2 ), ∀v1 , v 2 ∈ V e ∀a1 , a 2 ∈ R.
Analogamente,
T (a1v1 + a 2 v 2 + K + a n v n ) = a1T (v1 ) + a 2T (v 2 ) + K + a nT (v n ), ∀v1 , K , v n ∈ V e ∀a1 , K , a n ∈ R.

Esta propriedade é muito útil, principalmente se os vetores v1 , v2 K , vn constituem uma base de

V, pois podemos encontrar a lei da transformação linear como vem exemplificado abaixo.

Exemplo: Sejam T : R 3 → R 2 uma transformação linear e B = {( 0,1, 0 ) , (1, 0,1) , (1,1, 0 )} uma base do
R³. Sabendo que T ( 0,1, 0 ) = (1, −2 ) , T (1,0,1) = ( 3,1) e T (1,1, 0 ) = ( 0, 2 ) , determine T ( x, y, z ) e
T ( 5,3, −2 ) .
Em primeiro lugar vamos expressar o vetor ( x, y, z ) como combinação linear dos vetores da base. No
caso, resolvendo o sistema, determinamos que
( x, y, z ) = ( y + z − x ) ⋅ ( 0,1, 0 ) + z ⋅ (1, 0,1) + ( x − z ) ⋅ (1,1, 0 )
Aplicando a transformação T e usando a propriedade (2), temos
T ( x, y, z ) = T ( y + z − x ) ⋅ ( 0,1, 0 ) + z ⋅ (1, 0,1) + ( x − z ) ⋅ (1,1, 0 ) 
= ( y + z − x ) ⋅ T ( 0,1, 0 ) + z ⋅ T (1, 0,1) + ( x − z ) ⋅ T (1,1, 0 )
= ( y + z − x ) ⋅ (1, −2 ) + z ⋅ ( 3,1) + ( x − z ) ⋅ ( 0, 2 )
Portanto, T ( x, y, z ) = ( − x + y + 4 z , 4 x − 2 y − 3 z ) e aplicando ao vetor dado, T ( 5,3, −2 ) = ( −10, 20 ) .
Prof.ª Isabel Cristina C. Leite Álgebra Linear 18

Imagem de uma transformação linear

Chama-se imagem de uma transformação linear T : V → W ao conjunto dos vetores w ∈ W que são
imagem de vetores v ∈ V.
Im(T) = { w ∈ W / T(v) = w para algum v ∈ V} ⊂ W.

OBS: 1) Im(T ) ≠ ∅, pois no mínimo o conjunto imagem contém o vetor nulo.( 0W ∈ Im(T ) )

2) Se Im(T) = W , T diz-se transformação sobrejetora, isto é, ∀w ∈ W , ∃v ∈ V tal que T (v ) = w.

3) A imagem de uma transformação linear T : V → W é um subespaço vetorial de W.

Exemplo: Seja f : R 3 → R 3 , f ( x, y, z ) = ( x, y,0) a projeção ortogonal do R3 sobre o plano x0y. A

imagem de f é o próprio plano x0y.
Im(f) = { ( x, y,0) ∈ R 3 / x, y ∈ R }

Núcleo de uma transformação linear

Chama-se núcleo de uma transformação linear T : V → W ao conjunto de todos os vetores v ∈ V que

são transformados em 0 ∈ W. Indica-se este conjunto por N(T) ou ker(T).
N(T) = {v ∈ V/ T(v) = 0}

Exemplos:
1. No exemplo anterior o núcleo da transformação f é o eixo dos z, pois
x = 0
f ( x, y, z ) = (0,0,0) ⇔ ( x, y,0) = (0,0,0) ⇔ 
y = 0
Portanto, N ( f ) = {(0,0, z ) / z ∈ R}
2. Dada a transformação linear T : R 3 → R 2 , T ( x, y, z ) = ( x − y + 4 z , 3 x + y + 8 z ) , por definição
sabemos que (x, y, z) ∈ N(T) se, e somente, se
( x − y + 4 z , 3 x + y + 8 z ) = (0,0)
ou
x − y + 4z = 0

3 x + y + 8 z = 0
sistema cuja solução é x = – 3z e y = z.
Logo, N (T ) = {(−3 z , z , z ) ∈ R 3 / z ∈ R} .
Prof.ª Isabel Cristina C. Leite Álgebra Linear 19

OBS:
1) N(T) ≠ ∅, pois no mínimo o núcleo contém o vetor nulo.(Se T(0) = 0, 0V ∈ N (T ) )
2) Uma transformação linear é dita injetora, se e somente se, N(T) = {0}.
T : V → W é uma transformação injetora se ∀v1 , v 2 ∈ V , T (v1 ) = T (v 2 ) ⇒ v1 = v 2 .
3) O núcleo de uma transformação linear T : V → W é um subespaço vetorial de V.

Teorema do Núcleo e da Imagem

Se V é um espaço vetorial de dimensão finita e T : V → W uma transformação linear,

dim N (T ) + dim Im(T ) = dim V

Corolários: Seja T : V → W uma transformação linear.

1. Se dimV = dimW, então T é sobrejetora se, e somente se, T é injetora.
2. Se dimV = dimW e T é injetora, então T transforma base em base, isto é, se B = {v1 , v2 ,K , vn } é
base de V, então T ( B ) = {T ( v1 ) , T ( v2 ) ,K , T ( vn )} é base de W.

Se a transformação linear T não satisfaz a todas as condições do corolário 2, podemos usar um

resultado semelhante para gerar a imagem da transformação:
Se T : V → W é uma transformação linear e {v1 , v2 ,K , vn } gera V, então {T ( v1 ) , T ( v2 ) ,K , T ( vn )}
gera a Im(T).

Exercício: Determine o núcleo, a imagem, uma base para o núcleo, uma base para a imagem e a
dimensão de cada um deles para as seguintes transformações lineares.

1. T : R 3 → R 3 definida por T ( x, y, z ) = ( x + 2 y − z , y + 2 z , x + 3 y + z ) .
2. T : R 3 → P1 ( R ) definida por T ( x, y, z ) = ( x + y ) + zt .
3. T : R 3 → R 2 tal que T ( e1 ) = (1, 2 ) , T ( e2 ) = ( 0,1) e T ( e3 ) = ( −1,3) , sendo {e1 , e2 , e3 } a base
canônica do R³.

Isomorfismo

Chama-se isomorfismo do espaço vetorial V no espaço vetorial W a uma transformação linear

T : V → W bijetora (injetora e sobrejetora).
Neste caso, V e W são ditos espaços isomorfos.

Exemplo:
Mostremos que T : P2 ( R ) → R 3 , definida por T (a + bt + ct 2 ) = ( c, b + c, b − a ) , é um isomorfismo.
Determinando o N(T):
c = 0 c = 0
 
T (a + bt + ct ) = ( 0, 0, 0 ) ⇒ b + c = 0 ⇒ b = 0 ⇒ N (T ) = {0} ⇒ T é injetora.
2

b − a = 0 a = 0
 
Como T é injetora e dim P2 ( R ) = dim R³, pelo corolário 2 podemos afirmar que T também é
sobrejetora, provando o isomorfismo.
Prof.ª Isabel Cristina C. Leite Álgebra Linear 20

Automorfismo

Chama-se automorfismo o operador linear T : V → V que é bijetor.

Proposição
Se T : V → W é um isomorfismo, então existe uma transformação inversa T −1 : W → V que é linear e
que também é um isomorfismo.

Exercício. Determine T −1 para o isomorfismo do exemplo anterior.

Matriz de uma transformação linear

Sejam T : V → W uma transformação linear, A = {v1 , v 2 , K , v n } uma base de V e B = {w1 , w2 ,K, wm }

uma base de W. Então T (v1 ), T (v2 ),K, T (vn ) são vetores de W e podemos escrevê-los como combinação
linear dos vetores da base B.

T (v1 ) = a11w1 + a21w2 + K + am1wm

T (v2 ) = a12 w1 + a22 w2 + K + am 2 wm
M
T (v n ) = a1n w1 + a 2 n w2 + K + a mn wm

A matriz
 a11 a12 K a1n 
a a22 K a2n 
[T ]BA =  21
 M M O M 
 
am1 am2 K amn 

é chamada matriz T da transformação em relação às bases A e B.

Como [T ]B depende das bases A e B, uma transformação linear poderá ter uma infinidade de matrizes
A

para representá-la. No entanto, uma vez fixadas as bases, a matriz é única.

Podemos representar a transformação linear pela operação entre matrizes: [T (v )]B = [T ]B ⋅ [v]A .
A

Exemplos:

1. Dada a transformação linear T : R 3 → R 2 , T ( x, y, z ) = ( x + y, y − z ) e considerando as bases

A = {(1,1,1) , ( 0,1,1) , ( 0, 0,1)} do R3 e B = {(1,1) , ( 0, 2 )} do R2, temos
T (1,1,1) = ( 2, 0 ) = a11 (1,1) + a21 ( 0, 2 )
T ( 0,1,1) = (1, 0 ) = a12 (1,1) + a22 ( 0, 2 )
T ( 0, 0,1) = ( 0, −1) = a13 (1,1) + a23 ( 0, 2 )

que gera os sistemas:

Prof.ª Isabel Cristina C. Leite Álgebra Linear 21

a11 = 2 a12 = 1 a13 = 0

 ,  e 
a11 + 2a21 = 0 a12 + 2a22 = 0 a13 + 2a23 = −1
1 1
cujas soluções são a11 = 2, a21 = −1, a12 = 1, a22 = − , a13 = 0, a23 = −
2 2
Logo,
 2 1 0
[T ]B =  −1 − 1 − 1 
A

 2 2 

2. Considerando a mesma transformação do exemplo anterior com as bases canônicas

A ' = {(1, 0, 0 ) , ( 0,1, 0 ) , ( 0, 0,1)} do R3 e B ' = {(1, 0 ) , ( 0,1)} do R2 .
T (1, 0, 0 ) = (1, 0 ) = 1(1, 0 ) + 0 ( 0,1)
T ( 0,1, 0 ) = (1,1) = 1(1, 0 ) + 1( 0,1)
T ( 0, 0,1) = ( 0, −1) = 0 (1, 0 ) − 1( 0,1)

Logo,
1 1 0
[T ]B ' =  0
A'

 1 −1 

No caso de serem A’ e B’ bases canônicas, representa-se a matriz simplesmente por [T], que é chamada
matriz canônica de T.
Então tem-se: [T (v )] = [T ] ⋅ [v ]

Observemos que calcular T(v) pela matriz [T] é o mesmo que fazê-lo pela fórmula que define T.
T(2,1,3) = (2 + 1, 1 – 3) = (3, – 2)
ou
 2
1 1 0    3 
[T (v)] =   ⋅ 1  =  
 0 1 − 1   3  − 2 
 
3. Dadas as bases B = {(1,1) , ( 0,1)} do R2 e B ' = {( 0, 3, 0 ) , ( −1, 0, 0 ) , ( 0,1,1)} do R3, encontremos a
 0 2
transformação linear cuja matriz é [T ]B ' =  −1 0  .
B

 −1 3 
No caso, desejamos determinar a transformação T : R 2 → R 3 tal que T ( x, y ) = ( a, b, c ) . Pelo modo
como é determinada a matriz [T ]B ' sabemos que
B

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

T ( 0,1) = 2 ( 0,3, 0 ) + 0 ( −1, 0, 0 ) + 3 ( 0,1,1) = ( 0,9,3)

Escrevendo (x, y) como combinação linear dos vetores da base B, temos

( x, y ) = x (1,1) + ( y − x )( 0,1)
Prof.ª Isabel Cristina C. Leite Álgebra Linear 22

Aplicando T :
T ( x, y ) = xT (1,1) + ( y − x ) T ( 0,1)
= x (1, −1, −1) + ( y − x )( 0,9,3)
= ( x, −10 x + 9 y, −4 x + 3 y )

Do exemplo acima, observamos que dada uma matriz e fixada duas bases em V e em W esta matriz
representa uma transformação linear. Esta mesma matriz numa outra dupla de bases representará uma
transformação linear diferente.

 0 2
4. Considerando que a matriz [T ] =  −1 0  é a matriz canônica da transformação, temos que
 −1 3 
T (1, 0 ) = 0 (1, 0, 0 ) − 1( 0,1, 0 ) − 1( 0, 0,1) = ( 0, −1, −1)
T ( 0,1) = 2 (1, 0, 0 ) + 0 ( 0,1, 0 ) + 3 ( 0, 0,1) = ( 2, 0,3)
e, portanto,
( x, y ) = x (1, 0 ) + y ( 0,1) ⇒ T ( x, y ) = xT (1, 0 ) + yT ( 0,1) ⇒ T ( x, y ) = x ( 0, −1, −1) + y ( 2, 0,3)
T ( x, y ) = ( 2 y , − x, − x + 3 y )

As matrizes das transformações lineares são importantes, pois:

• muitas vezes respostas a questões teóricas sobre a estrutura de uma transformação linear podem
ser obtidas estudando as características da matriz da transformação;
• estas matrizes tornam possível calcular as imagens de vetores usando a multiplicação matricial.
Estes cálculos podem ser efetuados rapidamente em computadores.

Teorema

Sejam T : V → W uma transformação linear e A e B bases de V e W, respectivamente. Então

dim Im(T ) = posto de [T ] A
 B

dim N (T ) = nulidade de [T ]B = nº de colunas de [T ]B − posto de [T ]B
A A A

Teorema
Sejam A e B bases dos espaços vetoriais V e W, respectivamente. Uma transformação linear
T : V → W é inversível se, e somente se, [T ]B é inversível. Além disso, se T é inversível, então
A

A
( )
T −1  = [T ]B
A −1
.

Corolário
Sejam A e B bases dos espaços vetoriais V e W, respectivamente e T : V → W uma transformação
linear. T é inversível se, e somente se, det [T ]B ≠ 0 .
A

3 4
Exercício. Seja T : R 2 → R 2 uma transformação linear dada pela matriz canônica [T ] =  .
2 3
Verifique se T é inversível. Caso o seja, determine T-1(x, y).
Prof.ª Isabel Cristina C. Leite Álgebra Linear 23

Autovalores (Valores Próprios) e Autovetores (Vetores Próprios)

Definição
Seja T : V → V um operador linear. Um vetor v ∈ V , v ≠ 0 , é um autovetor (ou vetor próprio) do
operador T se existe λ ∈ R tal que T ( v ) = λ v .
λ é denominado autovalor (ou valor próprio, valor característico, valor espectral) associado ao
autovetor v.

Exemplos:
1. Seja T : R 2 → R 2 tal que T ( x, y ) = λ ( x, y ) , λ ∈ R . Este operador tem λ como autovalor e
qualquer ( x, y ) ≠ ( 0, 0 ) como autovetor correspondente.
Se
i. λ < 0 , T inverte o sentido do vetor;
ii. λ > 1 , T dilata o vetor;
iii.λ > 1 , T contrai o vetor;
iv. λ = 1 , T é a transformação identidade.

2. Seja T : R 2 → R 2 definida por T ( x, y ) = ( x, − y ) , a transformação reflexão no eixo x.

y Os vetores da forma (0, y), são tais que T ( 0, y ) = ( 0, − y ) , ou seja,

u T ( 0, y ) = −1( 0, y ) .
v Assim, todo vetor (0, y), y ≠ 0 é autovetor de T com autovalor
λ = −1 .
T(v) x Também para todo vetor (x, 0) temos que T ( x, 0 ) = ( x, 0 ) = 1( x, 0 ) .
T(u) Daí, dizemos que todo vetor (x, 0), x ≠ 0 é autovetor de T com
autovalor λ = 1 .

3. Seja T : R 2 → R 2 definida por T ( x, y ) = ( − y, x ) , a transformação rotação de 90°.

y
Notemos que nenhum outro vetor diferente do vetor nulo é
T(u) u levado por T num múltiplo de si mesmo. Logo, este operador
T não tem autovalores nem autovetores.
x
Prof.ª Isabel Cristina C. Leite Álgebra Linear 24

Determinação dos autovalores e autovetores

Seja o operador T : R n → R n cuja matriz matriz canônica é

 a11 a12 … a1n 

 
a a22 … a2 n 
A =  21
 M M O M  , ou seja, A =[T].
 
 an1 an 2 … ann 
Se v e λ são, respectivamente, autovetor e autovalor associado, temos:
A ⋅ v = λ v ⇔ A ⋅ v − λ v = 0 (v é a matriz coluna n x 1 e 0 é a matriz nula n x 1)
Tendo em vista que v = I ⋅ v , onde I é a matriz identidade de ordem n, podemos escrever

A⋅v − λI ⋅v = 0
( A − λI )⋅v = 0
 x  0
   
Para que o sistema homogêneo admita soluções não nulas, isto é v =  y  ≠  0  , este deve ser
 z  0
   
indeterminado e portanto, devemos ter det ( A − λ I ) = 0 .

 a11 − λ a12 …a1n 

 
a a22 − λ … a2 n 
det  21 =0
 M M O M 
 
 an1 an 2 … ann − λ 

A equação det ( A − λ I ) = 0 é denominada equação característica do operador T ou da matriz A e suas

raízes são os autovalores do operador T ou da matriz A.
O det ( A − λ I ) é um polinômio na variável λ denominado polinômio característico.
Determinamos os autovetores correspondentes substituindo os autovalores encontrados λ no sistema
homogêneo de equações lineares.

Exemplo: Determinar os autovalores e autovetores do operador linear T : R3 → R3 definido por

T ( x, y, z ) = ( 3x − 4 z ,3 y + 5 z , − z ) .
 3 0 −4 
 
1) Matriz canônica de T: A = 0 3 5 
 0 0 −1 
 
3− λ 0 −4 
 
2) A − λ I =  0 3−λ 5 
 0 0 −1 − λ 

λ1 = 3
3) Equação característica: det ( A − λ I ) = 0 ⇒ ( 3 − λ ) ⋅ ( 3 − λ ) ⋅ ( −1 − λ ) = 0 ⇒ 
λ2 = −1
Prof.ª Isabel Cristina C. Leite Álgebra Linear 25

4) Cálculo dos autovetores associados:

Para λ1 = 3 , temos o sistema
3− 3 0 −4   x   0   −4 z = 0
      
 0 3−3 5  ⋅  y  =  0  ⇒ 5 z = 0 ⇒ ∀x, y ∈ R e z = 0

 0 0 −1 − 3   z   0  −4 z = 0

Portanto temos os autovetores (x, y, 0) associados ao autovalor 3.

Verificação: T ( 2, 4,0 ) = ( 6,12, 0 ) = 3 ⋅ ( 2, 4, 0 ) .

Para λ2 = −1 , temos
 4 0 −4   x   0  x = z
      4 x − 4 z = 0 
 0 4 5  ⋅  y  =  0  ⇒ 4 y + 5 z = 0 ⇒  y = − 5 z , ∀z ∈ R
0 0 0   z  0  
      4

 5 
Portanto temos os autovetores  z , − z , z  associados ao autovalor −1 .
 4 
Verificação: T ( 4, −5, 4 ) = ( −4,5, −4 ) = −1⋅ ( 4, −5, 4 ) .

Teorema
Dado um operador linear T: V → V, o conjunto formado pelos autovetores associados a um autovalor
λ e o vetor nulo é subespaço vetorial de V, isto é, Vλ = {v ∈ V ; T ( v ) = λ v} é subespaço de V.
Prof.ª Isabel Cristina C. Leite Álgebra Linear 26

EXERCÍCIOS

1. Verifique quais das seguintes aplicações são lineares:

a) T:ℜ 3 → ℜ 2 definida por T ( x , y , z) = ( x , y)

b) T:ℜ → ℜ
2
definida por T ( x , y) = x. y
c) T:ℜ → ℜ definida por T ( x) = x
d) T:ℜ → ℜ
3 2
definida por T ( x , y , z ) = ( 2 x , 3y − z)
 x + 2y 0
e) T :ℜ 2 → M 2 ( ℜ) definida por T ( x , y) =  
 0 y
a b c
f) T : M 2 x 3 ( ℜ) → ℜ 2 definida por T  = ( a + e, c + f )
d e f
g) T : ℜ → ℜ definida por T (x ) = sen(x )

2. Determine a transformação linear para cada uma das aplicações abaixo:

a) T:ℜ 2 → ℜ 3 tal que T (1,2) = ( 3,−15

, ) e T ( 0,1) = ( 2 ,1,−4)
b) T:ℜ 3 → ℜ 2 tal que T (1,0,0) = ( 2 ,0) , T ( 0,1,0) = (11
, ) e T ( 0,0,1) = ( 0,−1)
c) T:ℜ → ℜ
3 3
tal que T (1,2 ,1) = (1,2 ,3) , T ( 0,1,0) = ( 2 ,15
, ) e T ( 0,4 ,1) = ( 0,3,2)
d) T : P2 (ℜ) → ℜ 2 tal que T (1) = ( 0,1) , T ( x ) = ( 0,5) e T ( x 2 ) = ( 5,7)
 1 0 0 2 0 0   0 0 1
e) T :ℜ 3 → M 2 x 3 (ℜ) tal que T (1,0,0) =   , T ( 0,1,2) = 
 3 4 5
 e T 0,0,1 3 = 
 6 8 10
( 
 0 0 5
)

3. a) Qual a transformação linear T:ℜ 2 → ℜ 3 tal que T (11

, ) = ( 3,2 ,1) e T ( 0,−2) = ( 0,1,0) ?
b) Determine T (1,0) e T ( 0,1) , usando o item (a).
c) Qual a transformação linear S:ℜ 3 → ℜ 2 tal que S ( 3,2 ,1) = (11, ) , S ( 0,1,0) = ( 0,−2) e S ( 0,0,1) = ( 0,0) ?
d) Determine a transformação linear composta SoT:ℜ → ℜ , usando os itens (a) e (c).
2 2

4. Determine a dimensão do núcleo e da imagem e suas respectivas bases da aplicação linear T do:

a) exercício 1, itens (a), (d) e (e).

b) exercício 2, itens (b), (d) e (e).

5. Sendo T:ℜ 3 → ℜ 5 definida por T ( x , y , z ) = ( x + y , 2 x − y + z , 0, 3x + z , 0) , determine uma base de N(T) e

Im(T).

6. Determine uma transformação linear:

a) T:ℜ 3 → ℜ 3 cuja imagem seja gerada por {(1,2 ,3) , ( 4 ,5,6)} .

b) T:ℜ 3 → ℜ 2 tal que N (T ) = [(1,0,0) , ( 0,2 ,0) ] e Im(T ) = [( 2 ,4) ] , considere β = {(1,0,0),(0,2 ,0),(0,0,1)} base do ℜ .
3

c) T:ℜ 3 → ℜ 4 tal que Im(T ) = [(11, ,2 ,1) , ( 2 ,1,0,1) ] .

7. Dê, se possível, os exemplos pedidos abaixo. Caso não existam, justifique.

a) Uma aplicação linear injetora T:ℜ 3 → ℜ 2 .

b) Uma aplicação linear sobrejetora T:ℜ 2 → ℜ 3 .
c) Uma aplicação linear T:ℜ 2 → ℜ 2 , tal que {T ( 0,1) , T (1,0)} seja uma base para ℜ 2 .
Prof.ª Isabel Cristina C. Leite Álgebra Linear 27

d) Uma aplicação linear T :V → W tal que Im(T ) = {0} .

e) Uma aplicação linear T:ℜ 5 → ℜ 5 , tal que seja injetora, mas não seja sobrejetora.

8. Seja T :V → V uma transformação linear. Sabendo-se que dim(V ) = 5 e dim( N (T ) ∩ Im(T )) = 2 .

a) Determine, justificando, a dim( N (T ) + Im(T )) .

b) T pode ser injetora ? Justifique.

9. Mostre que a aplicação T :ℜ 2 → P1 (ℜ) , definida por T ( x , y ) = ( x + y ).t + x .1 é um isomorfismo.

{ }
10. Determine a transformação linear T : ℜ3 → ℜ 4 tal que N (T ) = ( x , y , z ) ∈ℜ 3 ; z = x − y e T ( 0,0,1) = ( 0,0,0,1) .
11. Consideremos a transformação linear T : ℜ 3 → ℜ 2 definida por T (x, y, z ) = (2 x + y − z, x + 2 y ) e as bases
A = {(1,0,0 ), (2,−1,0 ), (0,1,1)} do ℜ 3 e B = {(− 1,1), (0,1)} do ℜ 2 . Determine a matriz [T ]B .
A

12. Seja a transformação linear T : ℜ 2 → ℜ 3 , T ( x, y ) = (2 x − y , x + 3 y ,−2 y ) e as bases A = {(− 1,1), (2,1)} e

B = {(0,0,1), (0,1,−1), (1,1,0)} . Determine T [ ]BA . Qual a matriz [T ]CA , onde C é a base canônica do ℜ 3
?

13. Sabendo que a matriz de uma transformação linear T:ℜ 2 → ℜ 3 nas bases A = {(− 1,1), (1,0)} do ℜ 2 e
3 1 
B = {(1,1,−1), (2,1,0), (3,0,1)} do ℜ é [T ] = 2 5  , encontre a expressão de T (x, y ) e a matriz [T ] .
3 A
B
1 − 1
 1 − 2
14. Seja [T ] =  2 0  a matriz canônica de uma transformação linear T:ℜ 2 → ℜ 3 . Se T (v ) = (2,4,−2) , calcule
− 1 3 
v.
1 2 − 1
15. Seja T o operador linear dado pela matriz 2 0 1  . Determine:

1 − 2 2 
a. N(T) e dim N(T)
b. Im(T) e dim Im(T).

AUTOVALORES E AUTOVETORES

1. Verifique, utilizando a definição, se os vetores dados são autovetores das correspondentes matrizes:
1 − 1 0 
2 2 
a) v = (-2,1),   b) v = (-2,1,3), 2 3 2
1 3  1 2 1

2. Determine os autovalores e os autovetores dos seguintes operadores lineares:

a) T : ℜ 2 → ℜ 2 ; T(x,y) = (x + 2y, – x + 4y);
b) T : ℜ 2 → ℜ 2 ; T ( x, y ) = (2x + 2 y, x + 3 y)
c) T : ℜ 2 → ℜ 2 ; T(x,y) = (5x – y, x + 3y);
d) T : ℜ 2 → ℜ 2 ; T(x,y) = (y, – x);
e) T : ℜ 3 → ℜ 3 ; T (x, y, z ) = (x + y + z,2 y + z ,2 y + 3z )
f) T : ℜ 3 → ℜ 3 ; T ( x, y, z ) = ( x,−2 x − y,2 x + y + 2 z )
g) T : ℜ 3 → ℜ 3 ; T (x, y, z ) = (x + y, y, z )
Prof.ª Isabel Cristina C. Leite Álgebra Linear 28

3. Os vetores v1 = (1,1) e v2 = (2,−1) são autovetores de um operador linear T : ℜ 2 → ℜ 2 , associados a λ1 = 5 e

λ 2 = −1 , respectivamente. Determine a imagem do vetor v = ( 4,1) por esse operador.

4. a) Determine o operador linear T : ℜ 2 → ℜ 2 cujos autovalores são λ1 = 1 e λ 2 = 3 associados aos autovetores

v1 = ( y,− y ) e v 2 = (0, y ) , respectivamente.
b) Mesmo enunciado para λ1 = 3, λ 2 = −2 e v1 = (x,2 x ), v 2 = (− x,0) .

5. Se λ1 = 4 e λ2 = 2 , são autovalores de T : ℜ 2 → ℜ 2 , associados aos autovetores u = (2,1) e v = (–1,3),

respectivamente, determine T(3u – v).

6. Seja um operador linear T : ℜ 2 → ℜ 2 , tal que T(u) = u e T(v) = 1 v para algum vetor u ( e v) ∈ ℜ 2 .
2
Determine T(w) se u = (0,2), v = (2,6) e w = (3,7).

Respostas

1. São lineares as funções dos itens (a), (d), (e), (f).

2. a) T ( x,y ) = ( − x + 2 y, − 3x + y, 13x − 4 y )

b) T ( x,y,z ) = ( 2 x + y, y − z )

c) T ( x,y,z ) = ( 5x + 2 y − 8z, x + y − z, 11x + 5 y − 18z)

d) T (a + bx + cx 2 ) = ( 5c, a+5b+7c)

 x + 2y 0 3z − 6 y 
e) T ( x , y , z ) =  
 3x + 6 y 4 x + 8 y 5x − 20 y + 15z

3. a) T ( x,y ) = (3x, ( 5x − y ) 2 , x ) b) T (1,0) = ( 3, 5 2 , 1) e T ( 0,1) = ( 0, − 1 2 , 0)

c) S ( x,y,z) = ( x 3 , ( 5x − 6 y ) 3) d) SoT ( x,y ) = ( x, y )

4. a) 1.a) β N ( T ) = {( 0,0,1)} β Im( T ) = {(1,0) ,( 0,1)}

1.d) β N ( T ) = {( 0,1,3)} β Im( T ) = {(1,0) ,( 0,1)}

 1 0  2 0 
1.e) β N ( T ) = {( 0,0)} β Im( T ) =   , 
 0 0  0 1 

b) 2.b) β N ( T ) = {( − 1,2 ,2)} β Im( T ) = {(1,0) ,( 0,1)}

2.d) β N ( T ) = { x − 5} β Im( T ) = {(1,0) ,( 0,1)}

 0 0 3   1 0 0 
2.e) β N ( T ) = {( − 2 ,1,2)} β Im( T ) =   , 
 0 0 15  3 4 5 
Prof.ª Isabel Cristina C. Leite Álgebra Linear 29

5. β N ( T ) = {( − 11
, ,3)} e β Im( T ) = {(1,2 ,0,3,0) ,(1,−1,0,0,0)}

6. a) T ( x,y ) = ( x + 4 y, 2 x + 5 y, 3x + 6 y )

b) T ( x,y,z ) = ( 2 z, 4 z)

c) T ( x,y,z ) = ( x + 2 y, x + y, 2 x , x + y )
7. a) Impossível. b) Impossível. c) Qualquer aplicação injetiva (ou sobrejetiva).

d) A aplicação nula. e) Não existe.

8. a) dim( N ( T ) + Im( T ) ) = 3 b) Não. dim( N ( T ) ) ≠ 0
10. T ( x,y,z ) = ( 0, 0, 0, z − x + y )
− 2 − 3 0
11. 
 3 3 2 

 3 0  − 3 3
  
12.  5 2 e  2 5 
− 3 3 − 2 − 2

 8 18 
13. T (x, y ) = (8 x + 18 y ,6 x + 11y,−2 x − 4 y ) e [T ] =  6 11 
− 2 − 4

14. v = (2,0)

a ) N (T ) = {(2 z ,−3z ,−4 z ); z ∈ ℜ}, dim N (T ) = 1

{ }
15.
b) Im(T ) = (x, y, z ) ∈ ℜ 3 ; x − y + z = 0 , dim Im(T ) = 2

Autovalores e autovetores

1. a) Sim b) Não
2. a) λ1 = 3, v1 = ( y, y ); λ 2 = 2, v 2 = (2 y, y )
b) λ1 = 1, v1 = (−2 y, y ); λ 2 = 4, v 2 = ( y, y )
c) λ1 = λ 2 = 4, v = ( x, x)
d) Não existem.
e) λ1 = λ 2 = 1, v = ( x, y ,− y ); λ 3 = 4, v 3 = ( x, x,2 x)
f) λ1 = 1, v1 = z (3,−3,1); λ 2 = −1, v 2 = z (0,−3,1); λ 3 = 2, v 3 = z (0,0,1)
g) λ1 = λ 2 = λ 3 = 1, v = ( x,0, z ) , x e z não simultaneamente nulos.

3. (8,11)
4. a) T ( x, y ) = (x,2 x + 3 y )
 5 
b) T ( x, y ) =  − 2 x + y,3 y 
 2 
5. (26,6)
3 5
6.  , 
2 2
Prof.ª Isabel Cristina C. Leite Álgebra Linear 30

REFERÊNCIAS BIBLIOGRÁFICAS

• STEINBRUCH, A., WINTERLE, P. Álgebra Linear. Editora Makron Books. 1987

• CALLIOLI, Carlos A., DOMINGUES, Hygino H., COSTA, Roberto C. F. Álgebra linear e
aplicações. 6a edição. Atual Editora. 1998.
• ANTON Howard. & RORRES Chris. Álgebra Linear com Aplicações. Ed. Bookman. 8a Edição.
• BOLDRINI, J. L. Álgebra Linear. Harbra. 1984.
• LIPSCHUTZ, S. Álgebra Linear. 3a edição. Coleção Schaum. Editora Makron Books.
• SANTOS, REGINALDO J. Álgebra Linear e Aplicações. Belo Horizonte, Imprensa Universitária
da UFMG, 2006. Livro disponível para download no site www.mat.ufmg.br/~regi