5

Livro: Introdução à Álgebra Linear

Autores: Abramo Hefez
Cecília de Souza Fernandez

Capítulo 5: Transformações Lineares

Sumário

1 O que são as Transformações Lineares? . . . . . . 124

2 Núcleo e Imagem . . . . . . . . . . . . . . . . . . . . 130

2.1 O Núcleo . . . . . . . . . . . . . . . . . . . . . . . 130

2.2 A Imagem . . . . . . . . . . . . . . . . . . . . . . . 132

2.3 O Teorema do Núcleo e da Imagem . . . . . . . . . 134

3 Operações com Transformações Lineares . . . . . 144

123
124 CAPÍTULO 5. TRANSFORMAÇÕES LINEARES

As funções naturais no contexto dos espaços vetorais, as chamadas de

transformações lineares, formam uma classe muito especial de funções que

têm muitas aplicações na Física, nas Engenharias e em vários ramos da Ma-

temática.

1 O que são as Transformações Lineares?

As funções nas quais se está interessado na Álgebra Linear são as funções

cujos domínios e contradomínios são espaços vetoriais e que, além disso,

preservam as operações de adição de vetores e de multiplicação de um vetor

por um escalar. Isto é o conteúdo da denição a seguir.

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

é uma função T : V → W que possui as seguintes propriedades:
(i) T (v1 + v2 ) = T (v1 ) + T (v2 ), para quaisquer v1 e v2 em V;
(ii) T (av) = aT (v), para quaisquer v em V e a em R.
As propriedades (i) e (ii) são equivalentes à seguinte propriedade:

T (v1 + av2 ) = T (v1 ) + aT (v2 ), (1)

para quaisquer v1 e v2 em V e para qualquer a em R.

É esta caracterização das transformações lineares que utilizaremos, por

ser mais prática, para mostrar que determinada função entre espaços vetoriais

é uma transformação linear.

Mostra-se por indução (veja Problema 1.1) que uma função T: V →W é

uma transformação linear se, e somente se, para todos v1 , . . . , vr ∈ V e todos

a1 , . . . , ar ∈ R, tem-se que

T (a1 v1 + · · · + ar vr ) = a1 T (v1 ) + · · · + ar T (vr ). (2)

Vejamos a seguir alguns exemplos.

Exemplo 1. A função T : R2 → R, dada por T (x, y) = x + y , é uma

transformação linear.
1. O QUE SÃO AS TRANSFORMAÇÕES LINEARES? 125

De fato, se v1 = (x1 , y1 ) ∈ R2 , v2 = (x2 , y2 ) ∈ R2 e a ∈ R, temos que

T (v1 + av2 ) = T (x1 + ax2 , y1 + ay2 )

= x1 + ax2 + y1 + ay2
= (x1 + y1 ) + a(x2 + y2 )
= T (v1 ) + aT (v2 ).

Portanto, T é uma transformação linear de R2 em R.

Exemplo 2. A função T : R3 → R2 , dada por T (x, y, z) = (x − y, y − z), é

uma transformação linear.

De fato, se v1 = (x1 , y1 , z1 ) ∈ R3 , v2 = (x2 , y2 , z2 ) ∈ R3 e a ∈ R, então

T (v1 + av2 ) = T (x1 + ax2 , y1 + ay2 , z1 + az2 )

= (x1 + ax2 − (y1 + ay2 ), y1 + ay2 − (z1 + az2 ))
= ((x1 − y1 ) + a(x2 − y2 ), (y1 − z1 ) + a(y2 − z2 ))
= (x1 − y1 , y1 − z1 ) + a(x2 − y2 , y2 − z2 )
= T (v1 ) + aT (v2 ),

mostrando que T é uma transformação linear de R3 em R2 .

Exemplo 3. A função T : R → R, dada por T (x) = 5x, é uma transformação
linear.

De fato, se x1 , x2 , a ∈ R, temos que

T (x1 + ax2 ) = 5(x1 + ax2 ) = 5x1 + a5x2 = T (x1 ) + aT (x2 ).

Portanto, T é uma transformação linear de R em R.

Na realidade, toda transformação linear de R em R é da forma T (x) = c·x,
x ∈ R, onde c é uma constante real; e reciprocamente (veja Problema 1.2).

Exemplo 4. A função T : R2 → R3 , dada por T (x, y) = (0, 0, 0), é uma

transformação linear.

De fato, dados v1 e v2 em R2 e dado a ∈ R, tem-se que

T (v1 + av2 ) = (0, 0, 0) = (0, 0, 0) + a(0, 0, 0) = T (v1 ) + aT (v2 ),

126 CAPÍTULO 5. TRANSFORMAÇÕES LINEARES

mostrando que T é uma transformação linear.

V e W são espaços vetoriais, a função T : V → W ,

Mais geralmente, se

dada por T (v) = 0, v ∈ V , é uma transformação linear, chamada transfor-

mação nula . A transformação nula de V em W será também denotada por

0.
Exemplo 5. A função T : R2 → R2 dada por T (x, y) = (x2 , y) não é uma

transformação linear.

Com efeito, se tomarmos v1 = (1, 0) e v2 = (−1, 0), então

T (v1 + v2 ) = (0, 0) 6= (2, 0) = T (v1 ) + T (v2 ).

Exemplo 6. f (x) um polinômio arbitrariamente

Seja xado em R[x]. A

função T : R[x] → R[x], dada por T (p(x)) = p(f (x)), é uma transformação

linear.

De fato, se p1 (x), p2 (x) ∈ R[x] e a ∈ R, temos que

T (p1 (x) + ap2 (x)) = p1 (f (x)) + ap2 (f (x)) = T (p1 (x)) + aT (p2 (x)),

mostrando que T é uma transformação linear.

Exemplo 7. Uma função T : Rn → Rm é uma transformação linear se, e

somente se, existem números reais aij , com 1 ≤ i ≤ m e 1 ≤ j ≤ n, tais que

T (x1 , . . . , xn ) = (a11 x1 + · · · + a1n xn , . . . , am1 x1 + · · · + amn xn ),

fazendo jus ao adjetivo linear associado à palavra transformação. Para a

demonstração deste resultado, veja Problema 1.3.

Como a maioria dos resultados a seguir é evidente para espaços veto-

riais nulos, vamos sempre considerar o domínio e o contradomínio de uma

transformação linear como espaços vetoriais não nulos.

Como consequência da propriedade (1), temos que uma transformação

linear T : V → W transforma o vetor nulo de V no vetor nulo de W, ou seja,

T (0) = 0. De fato,

0 = T (0) − T (0) = T (0) + (−1)T (0) = T (1 · 0 − 1 · 0) = T (0).

1. O QUE SÃO AS TRANSFORMAÇÕES LINEARES? 127

Porém, o fato de uma função T ter como domínio e contradomínio espaços

vetoriais e satisfazer T (0) = 0 não implica que ela seja uma transformação
linear, como mostra o Exemplo 5.

Uma propriedade importante de uma transformação linear é que ela ca

totalmente determinada se conhecermos seus valores nos vetores de uma base

de seu domínio. Mais precisamente, temos o resultado a seguir.

Teorema 5.1.1. Seja α = {v1 , v2 , . . . , vn } uma base de um espaço vetorial

V . Sejam w1 , w2 , . . . , wn vetores de um espaço vetorial W . Então existe
uma única transformação linear T : V → W tal que T (vj ) = wj para todo
1 ≤ j ≤ n.
Demonstração Tomemos v ∈ V. Como α é uma base de V , v se escreve
de modo único como uma combinação linear dos vetores de α, digamos

v = a1 v1 + a2 v2 + · · · + an vn . (3)

Dena T: V →W por

T (v) = a1 w1 + a2 w2 + · · · + an wn . (4)

A função T está bem denida, pois os números reais a1 , a2 , . . . , an são uni-

camente determinados a partir de v. Além disso, T é uma transforma-
ção linear. De fato, tomemos a em R e w em V. Suponhamos que w =

b1 v1 + b2 v2 + · · · + bn vn . Como

v + aw = (a1 + ab1 )v1 + (a2 + ab2 )v2 + · · · + (an + abn )vn ,

segue que

T (v + aw) = (a1 + ab1 )w1 + (a2 + ab2 )w2 + · · · + (an + abn )wn
= (a1 w1 + a2 w2 + · · · + an wn ) + a(b1 w1 + b2 w2 + · · · + bn wn )
= T (v) + aT (w).

Para mostrar que T (vj ) = wj , xe j, onde 1 ≤ j ≤ n. Como

vj = 0v1 + · · · + 1vj + · · · + 0vn ,

128 CAPÍTULO 5. TRANSFORMAÇÕES LINEARES

segue de (4) que

T (vj ) = 0w1 + · · · + 1wj + · · · + 0wn = wj .

Vejamos agora que T é a única função com as propriedades desejadas. Para

isto, suponhamos que S : V → W seja uma transformação linear tal que

S(vj ) = wj para todo j , com 1 ≤ j ≤ n. Tomemos v ∈ V . Por (3) e pela

linearidade de S (propriedade (2)), temos que

S(v) = a1 S(v1 ) + a2 S(v2 ) + · · · + an S(vn ).

Como S(vj ) = wj para todo 1 ≤ j ≤ n, obtemos

S(v) = a1 w1 + a2 w2 + · · · + an wn = T (v).

Como v∈V foi tomado de modo arbitrário, segue que S = T. 

Exemplo 8. Para determinarmos a transformação linear T : R2 → R3 tal

que T (1, 1) = (0, 2, 1) e T (0, 2) = (1, 0, 1) devemos, pelo Teorema 5.1.1,

2
vericar que α = {(1, 1), (0, 2)} é uma base de R e calcular as coordenadas
2
de um vetor de R na base α. Ora, como α é linearmente independente e

dim R2 = 2, temos que α é uma base de R2 . Além disso, se (x, y) ∈ R2 , então

(x, y) = a1 (1, 1) + a2 (0, 2)

y−x
se, e somente se, a1 = x e a2 = . Portanto,
2
 
y−x
T (x, y) = xT (1, 1) + T (0, 2)
2
 
y−x
= x(0, 2, 1) + (1, 0, 1)
2
 
y−x x+y
= , 2x, .
2 2

Problemas
1. O QUE SÃO AS TRANSFORMAÇÕES LINEARES? 129

1.1 Sejam V e W dois espaços vetoriais e T: V → W uma função. Prove

que as seguintes armações são equivalentes:

(a) T (u + v) = T (u) + T (v) e T (av) = aT (v), para quaisquer u e v em V e

qualquer a em R;

(b) T (u + av) = T (u) + aT (v), para quaisquer u e v em V e qualquer a em

R;
(c) T (a1 v1 + · · · + ar vr ) = a1 T (v1 ) + · · · + ar T (vr ), para quaisquer v1 , . . . , vr
em V e quaisquer a1 , . . . , ar em R.
1.2 Mostre que T : R → R é uma transformação linear se, e somente se,

existe c∈R tal que T (x) = cx, para todo x ∈ R.

1.3 Seja T : Rn → Rm uma função. Mostre que T é uma transformação linear

se, e somente se, existem números reais aij , com 1≤i≤m e 1 ≤ j ≤ n, tais

que

T (x1 , . . . , xn ) = (a11 x1 + · · · + a1n xn , . . . , am1 x1 + · · · + amn xn ).

Sugestão Para mostrar que T é da forma desejada, escreva (x1 , . . . , xn ) =

x1 e1 + · · · + xn en , onde e1 , . . . , en é a base canônica de Rn . Ponha T (ei ) =
(a1i , . . . , ami ) e use a igualdade (2). A recíproca é uma vericação fácil.

1.4* V = M(n, n) e seja B em V . Dena a função T : V → V

Considere

por T (A) = AB + BA para toda matriz A em V . Mostre que T é uma

transformação linear.

1.5 Mostre que a função T : M(m, n) → M(n, m), denida por T (A) = At ,
é uma transformação linear.

1.6 Dada uma transformação linear T tal que T (u) = 2u e T (v) = u + v ,

calcule em função de u e v:
(a) T (u + v); (b) T (3v); (c) T (−3u); (d) T (u − 5v).
1.7 Quais das funções abaixo são transformações lineares? Justique as res-

postas dadas.

(a) T : R3 → R3 , onde T (x, y, z) = (x + y, x − z, 0).

130 CAPÍTULO 5. TRANSFORMAÇÕES LINEARES

(b) T : R2 → R3 , T (x, y) = (x2 , x, y).

onde
" #
2x x − y
(c) T : R2 → M(2, 2), onde T (x, y) = .
x+y 2y
(d) T : R2 → R, onde T (x, y) = xy .
(e) T : R[x]2 → R[x]2 , onde T (ax + b) = ax2 + bx.
(f ) T : R[x]d → R[x]d , onde T (x) = x + a, com a ∈ R.

1.8 Determine n e m e a transformação linear T : Rn → Rm tal que:

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

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

1.9 Sejam {v1 , v2 , . . . , vn } uma base de um espaço vetorial V e T : V →W

uma transformação linear. Mostre que T (v1 ) = T (v2 ) = · · · = T (vn ) = 0 se,
e somente se T é a transformação nula.

2 Núcleo e Imagem
O núcleo e a imagem de uma transformação linear são dois subespaços

de seu domínio e de seu contradomínio, respectivamente, que nos fornecem

informações valiosas sobre a transformação. Há uma relação importante

entre as dimensões do domínio, do núcleo e da imagem de uma transformação

linear, que apresentaremos nesta seção e que possui muitas aplicações.

2.1 O Núcleo

Seja T: V →W uma transformação linear. O núcleo de T , denotado por

Ker T , é o conjunto de vetores de V que são levados por T no vetor nulo de

W , ou seja,
Ker T = {v ∈ V ; T (v) = 0}.

Note que Ker T é um subconjunto não vazio de V , já que T (0) = 0. Mais

ainda, Ker T é um subespaço de V . De fato, se v1 , v2 ∈ Ker T e se a ∈ R,
2. NÚCLEO E IMAGEM 131

então v1 + av2 ∈ Ker T , pois

T (v1 + av2 ) = T (v1 ) + aT (v2 ) = 0 + a · 0 = 0.

O seguinte exemplo ilustra o fato de que a determinação do núcleo de

uma transformação linear, entre espaços vetoriais de dimensão nita, recai

na determinação do conjunto solução de um sistema de equações lineares

homogêneo.

Exemplo 1. Seja T : R4 → R3 a transformação linear denida por

T (x, y, s, t) = (x − y + s + t, x + 2s − t, x + y + 3s − 3t).

Para determinarmos Ker T , devemos obter o conjunto de vetores (x, y, s, t)

em R4 tais que

T (x, y, s, t) = (x − y + s + t, x + 2s − t, x + y + 3s − 3t) = (0, 0, 0).

Equivalentemente, Ker T é o conjunto solução do seguinte sistema linear

homogêneo: 
x − y + s + t = 0



x + 2s − t = 0


x + y + 3s − 3t = 0 .


Resolvendo o sistema acima, obtemos

Ker T = {(−2s + t, −s + 2t, s, t) ; s, t ∈ R}.

Note que Ker T é um subespaço vetorial de R4 de dimensão 2.

Inversamente, o conjunto solução de um sistema de equações lineares

homogêneo AX = 0, onde A = [aij ], pode ser interpretado como o núcleo de

uma transformação linear. Mais precisamente, é o núcleo da transformação

linear T : Rn → Rm ,

T (x1 , . . . , xn ) = (a11 x1 + · · · + a1n xn , . . . , am1 x1 + · · · + amn xn ).

132 CAPÍTULO 5. TRANSFORMAÇÕES LINEARES

Se uma transformação linear T é injetiva, então a equação T (v) = 0 só

possui a solução v = 0. De fato, sendo T injetiva e como T (0) = 0, tem-se
que T (v) = 0 = T (0) implica que v = 0. Fato curioso, é que vale também a

recíproca desta propriedade, como mostraremos a seguir.

Proposição 5.2.1. Seja T : V → W uma transformação linear. Temos que

T é injetiva se, e somente se, Ker T = {0}.
Demonstração A implicação direta foi provada no comentário acima. Su-

ponhamos agora que Ker T = {0}. Tomemos u e v vetores em V . Se T (u) =

T (v), então T (u) − T (v) = 0. Equivalentemente, T (u − v) = 0. Assim,
u − v ∈ Ker T . Como Ker T = {0}, segue-se que u − v = 0, logo u = v ,
mostrando a injetividade de T . 

Por exemplo, a transformação linear do Exemplo 1 não é injetiva, pois

Ker T 6= {(0, 0, 0, 0)}. Já a transformação linear dada por T (x, y)=(x−y, x+y),
(x, y) ∈ R2 , é injetiva, pois Ker T = {(0, 0)}.

2.2 A Imagem

A imagem de T de uma transformação linear T : V → W é o conjunto

Im T = T (V ). Como T (0) = 0, temos que 0 ∈ Im T , logo ele é um subcon-
junto não vazio de W. Deixaremos como exercício para o leitor vericar que,

de fato, Im T é um subespaço vetorial de W (veja Problema 2.1). A seguinte

proposição mostra como podemos determinar geradores para a imagem de

uma transformação linear.

Proposição 5.2.2. Seja T : V →W uma transformação linear. Se {v1 , . . . , vn }

é um conjunto de geradores de V , então {T (v1 ), . . . , T (vn )} é um conjunto
de geradores de Im T . Em particular, dim Im T ≤ dim V .
Demonstração Seja w ∈ Im T e tomemos v∈V tal que T (v) = w. Como
{v1 , . . . , vn } gera V, v é uma combinação linear de v1 , . . . , vn , digamos,

v = a1 v1 + · · · + an vn .
2. NÚCLEO E IMAGEM 133

Pela linearidade de T (cf. (2) da Seção 1), temos que

w = T (v) = a1 T (v1 ) + · · · + an T (vn ),

ou seja, w é uma combinação linear de T (v1 ), . . . , T (vn ). Como w é arbitrário

em Im T , segue que Im T = G(T (v1 ), . . . , T (vn )). 

Exemplo 2. Calculemos a imagem da transformação linear apresentada no

Exemplo 1.

Pela Proposição 5.2.2, devemos determinar o espaço gerado pela imagem

de um conjunto de geradores de R4 . Vamos calcular, então, o espaço gerado

por

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

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

Pelo Teorema 3.4.1, basta reduzir a matriz

 
1 1 1
−1 0 1
 
 
 1 2 3
1 −1 −3

à forma escalonada. Ora,

     
1 1 1 −→ 1 1 1 1 1 1
−1 −→
0 1  L2 → L2 + L1 0
  1 2
0
 1 2
 L3 → L3 − L2  .
 
3  L3 → L3 − L1 0
  
 1 2 1 2  L → L + 2L 0 0 0
4 4 2
L4 → L4 − L1
1 −1 −3 0 −2 −4 0 0 0

Assim, {(1, 1, 1), (0, 1, 2)} é uma base de Im T , ou seja,

Im T = {(x, x + y, x + 2y) ; x, y ∈ R}.

134 CAPÍTULO 5. TRANSFORMAÇÕES LINEARES

2.3 O Teorema do Núcleo e da Imagem

O seguinte resultado é um teorema importante que relaciona a dimensão

do núcleo à dimensão da imagem de uma transformação linear T : V → W,

quando V tem dimensão nita.

Teorema 5.2.3. (Teorema do Núcleo e da Imagem) Seja T : V → W

uma transformação linear, onde V tem dimensão nita. Então

dim Ker T + dim Im T = dim V. (1)

Demonstração Suponhamos que dim V = n. Seja α = {u1 , u2 , . . . , um }

uma base de Ker T . Como qualquer conjunto linearmente independente de

vetores em V tem no máximo n vetores (Teorema 3.3.3), segue que m ≤ n.

Vamos considerar dois casos:

Caso 1. m = n.
Neste caso, dim Ker T = dim V e, consequentemente, pelo Teorema 3.3.6,

Ker T = V . Isto implica que Im T = {0}, portanto, dim Im T = 0, mostrando

que a fórmula (1) é válida.

Caso 2. m < n.
Pelo Teorema 3.3.5, podemos completar α de modo a obtermos uma base
β de V , digamos β = {u1 , u2 , . . . , um , vm+1 , . . . , vn }. Note que a fórmula (1) é
vericada se provarmos que {T (vm+1 ), . . . , T (vn )} é uma base de Im T . Pela

Proposição 5.2.2, temos que Im T = G(T (vm+1 ), . . . , T (vn )). Para provarmos

que esses vetores são linearmente independentes, consideremos a equação

bm+1 T (vm+1 ) + · · · + bn T (vn ) = 0,

que equivale a termos

bm+1 vm+1 + · · · + bn vn ∈ Ker T.

Como α é uma base de Ker T , existem b1 , b2 , . . . , bm em R tais que

bm+1 vm+1 + · · · + bn vn = b1 u1 + b2 u2 + · · · + bm um ,
2. NÚCLEO E IMAGEM 135

ou seja,

b1 u1 + b2 u2 + · · · + bm um − bm+1 vm+1 − · · · − bn vn = 0.

Sendo β uma base de V, a equação anterior se verica somente se todos os

coecientes da combinação linear são iguais a zero. Em particular, bm+1 =

· · · = bn = 0. 

Em geral, para mostrarmos que uma função é bijetiva, devemos mostrar

que ela é injetiva e sobrejetiva. No entanto, se a função é uma transformação

linear entre espaços vetoriais de mesma dimensão nita, então, exatamente

como no caso de funções entre conjuntos nitos de mesma cardinalidade,

basta vericar que ela ou é injetiva ou é sobrejetiva; a outra condição é

automaticamente satisfeita. Provaremos este fato a seguir com o auxílio do

teorema do núcleo e da imagem. Note que esse resultado não é consequência

do resultado para funções entre conjuntos nitos, pois um espaço vetorial

sobre R, quando não nulo, é um conjunto innito.

Proposição 5.2.4. Seja T : V → W uma transformação linear entre es-

paços vetoriais de dimensão nita. Se dim V = dim W , então as seguintes
armações são equivalentes:

(i) T é injetiva;
(ii) T é sobrejetiva.

Demonstração Pelo Teorema do Núcleo e da Imagem,

dim Ker T + dim Im T = dim V.

Sendo dim V = dim W , podemos escrever a igualdade acima como

dim Ker T + dim Im T = dim W. (2)

Suponhamos que T seja injetiva. Pela Proposição 5.2.1, Ker T = {0} e,

consequentemente, dim Ker T = 0. Segue então, de (2), que dim Im T =
136 CAPÍTULO 5. TRANSFORMAÇÕES LINEARES

dim W , mostrando que T é sobrejetiva, já que, pelo Teorema 3.3.6, Im T =

W.
Suponhamos agora que T Im T = W . Esses dois
seja sobrejetiva, ou seja,

espaços têm mesma dimensão, portanto, de (2) temos que dim Ker T = 0, o

que garante que Ker T = {0}. Pela Proposição 5.2.1, segue que T é injetiva.

Exemplo 3. Veriquemos que a transformação linear T : M(2, 2) → R4 ,

dada por
" #!
a b
T = (a + b, b + c, c, a + b + d)
c d

é uma função bijetiva.

Ora, como dim M(2, 2) = dim R4 , segue, da Proposição 5.2.4, que basta

vericarmos que T é uma função injetiva.

Como a igualdade

" #!
a b
T = (0, 0, 0, 0)
c d

só ocorre quando a = b = c = d = 0, temos que Ker T = {0}. Pela

Proposição 5.2.1, T é injetiva.

Observamos que a condição dim V = dim W , na Proposição 5.2.4, é ne-

cessária. De fato, consideremos a transformação linear T : R3 → R2 dada

por T (x, y, z) = (x, y). Temos que T é sobrejetiva, mas não é injetiva. Já a
2 3
transformação linear T : R → R dada por T (x, y) = (x, y, 0) é injetiva, mas

não é sobrejetiva.

T : V → W uma transformação linear bijetiva. Logo, existe a função

Seja

inversa T
−1
: W → V de T . A função T −1 é também uma transformação
linear . Com efeito, consideremos w1 e w2 em W e a em R. Como T é bijetiva,
existem únicos vetores v1 e v2 em V tais que T (v1 ) = w1 e T (v2 ) = w2 .
2. NÚCLEO E IMAGEM 137

Portanto,

T −1 (w1 + aw2 ) = T −1 (T (v1 ) + aT (v2 ))

= T −1 (T (v1 + av2 ))
= v1 + av2
= T −1 (w1 ) + aT −1 (w2 ).

Uma transformação linear bijetiva é chamada isomorsmo . Dois espaços

vetoriais que possuem um isomorsmo entre eles serão ditos isomorfos, o que,

em grego, signica que possuem mesma forma. Os isomorsmos desempe-

nham um papel importante na Álgebra Linear.

R4 e M(2, 2)
Por exemplo, são espaços vetoriais isomorfos, pois a função

T : R4 → M(2, 2) dada por

" #
x y
T (x, y, z, t) =
z t

é um isomorsmo.

Pelo Teorema 5.2.3, segue que se dois espaços vetoriais de dimensão nita

são isomorfos, então eles têm a mesma dimensão. O próximo resultado mos-

tra que a recíproca desta armação é também verdadeira, ou seja, espaços

vetoriais de mesma dimensão nita são isomorfos.

Teorema 5.2.5. Se V e W são espaços vetoriais de dimensão n, então V e

W são isomorfos .
Demonstração Para provarmos que V e W são isomorfos, devemos mostrar

que existe uma transformação linear bijetiva de V em W. Para isto, tomemos

α = {v1 , . . . , vn } e β = {w1 , . . . , wn } bases de V e W , respectivamente. Dado

v ∈ V , podemos escrever de modo único

v = a1 v1 + · · · + an vn ,

com a1 , . . . , a n ∈ R .
138 CAPÍTULO 5. TRANSFORMAÇÕES LINEARES

Dena, então, T: V → W por T (v) = a1 w1 + · · · + an wn . Pela de-

monstração do Teorema 5.1.1, T está bem denida e, além disso, T é uma

transformação linear.

Para provarmos que T é bijetiva basta provarmos, pela Proposição 5.2.4,

que T é injetiva. Ora, se v = a1 v1 + · · · + an vn e

0 = T (v) = a1 w1 + · · · + an wn ,

segue-se que a1 = · · · = an = 0, pois {w1 , . . . , wn } é uma base de W. Logo,

v = 0, mostrando que Ker T = {0}. 

Dois espaços vetoriais V e W isomorfos são essencialmente o mesmo

espaço vetorial, exceto que seus elementos e suas operações de adição e

de multiplicação por escalar são escritas diferentemente. Assim, qualquer

propriedade de V que dependa apenas de sua estrutura de espaço vetorial

permanece válida em W, e vice-versa. Por exemplo, se T : V → W é um

isomorsmo de V em W , então {T (v1 ), . . . , T (vn )} é uma base de W se, e

somente se, {v1 , . . . , vn } é uma base de V (veja Problema 2.4).

Exemplo 4. Seja W o subespaço de M(2, 2) gerado por

"# " # " # " #

1 −5 1 1 2 −4 1 −7
M1 = , M2 = , M3 = e M4 = .
−4 2 −1 5 −5 7 −5 1

Vamos encontrar uma base e a dimensão de W.

Para encontrarmos uma base e a dimensão de W não usaremos a denição

de espaço gerado. Em vez disso, usaremos a noção de espaço linha, que

nos auxilia a exibir uma base de subespaços de Rn e, consequentemente, de

espaços vetoriais isomorfos a subespaços de

" # R n
.

x y 4
Ora, como T (x, y, t, z) = é um isomorsmo de R em M(2, 2),
t z
temos que W é isomorfo ao espaço G(v1 , v2 , v3 , v4 ), onde v1 = (1, −5, −4, 2),

v2 = (1, 1, −1, 5), v3 = (2, −4, −5, 7) e v4 = (1, −7, −5, 1). Temos que a
2. NÚCLEO E IMAGEM 139

matriz  
1 −5 −4 2
1
 1 −1 5
 
2 −4 −5 7
1 −7 −5 1
se reduz, pelas transformações elementares, à matriz

 
1 3 0 6
0 2 1 1
.
 

0 0 0 0
0 0 0 0

Assim, α = {(1, 3, 0,("

6), (0, 2,
# 1,"1)} é#)
uma base de G(v1 , v2 , v3 , v4 ) e, conse-

0 1 3 0 2
quentemente, α = , é uma base de W , mostrando que
0 6 1 1
dim W = 2.
Note que, como consequência do Teorema 5.2.5, temos que todo espaço
vetorial não nulo de dimensão nita n é isomorfo ao R n
. Dessa forma, o

estudo de espaços vetoriais de dimensão nita pode se reduzir ao estudo

dos espaços Rn , mediante a escolha de algum isomorsmo. Assim, dado

um problema em um espaço vetorial de dimensão nita n, reescrevemos o

n
problema para R , usando um isomorsmo, e o resolvemos neste contexto.

Com o isomorsmo utilizado, voltamos ao contexto original. Essa técnica foi

ilustrada no Exemplo 4. Um outro exemplo pode ser visto no Problema 2.6,

bem como no exemplo a seguir, em que são aplicados os conceitos de espaço

vetorial, base e dimensão, de modo a obter resultados não triviais.

Exemplo 5. Consideremos a recorrência R(1, 1), denida por

un+1 = un + un−1 , n ≥ 2.

Vimos no Exemplo 2 da Seção 1, do Capítulo 1 e no Exemplo 5 da Seção

1, do Capítulo 3, que as sequências reais que satisfazem a esta recorrência

formam um espaço vetorial.

140 CAPÍTULO 5. TRANSFORMAÇÕES LINEARES

Observe que todo elemento (un ) de R(1, 1) ca totalmente determinado

se soubermos os valores de u1 e u2 . Por exemplo, se u1 = u2 = 1, temos que
(un ) é a sequência de Fibonacci.

Denamos a seguinte função:

T : R(1, 1) → R2
(un ) 7→ (u1 , u2 ) .

Note que T é uma transformação linear, pois se (un ), (vn ) ∈ R(1, 1) e c ∈ R,

então
T ((un ) + c(vn )) = T ((un + cvn ))
= (u1 + cv1 , u2 + cv2 )
= (u1 , u2 ) + c(v1 , v2 )
= T ((un )) + cT ((vn )).
Por outro lado, T é obviamente sobrejetora. T é também injetora, pois

os valores de u1 e u2 determinam univocamente a sequência (un ) de R(1, 1).

Logo, T é um isomorsmo de espaços vetoriais e, portanto, dim R(1, 1) =
2. Vamos determinar uma base de R(1, 1).
Procuremos dentre as progressões geométricas (q n ), com q 6= 0, aquelas

que satisfazem à recorrência R(1, 1). Essas devem satisfazer à condição

q n+1 = q n + q n−1 .

Daí deduz-se que q deve satisfazer a equação

q 2 − q − 1 = 0,

cujas raízes são

√ √
1+ 5 1− 5
q1 = , q2 = .
2 2
Portanto, sendo (q1n ) e (q2n ) linearmente independentes (basta vericar que
as imagens por T são linearmente independentes), eles formam uma base de

R(1, 1).
2. NÚCLEO E IMAGEM 141

Assim, todo elemento (un ) de R(1, 1) é tal que

√ !n √ !n
1+ 5 1− 5
un = t1 + t2 , t1 , t2 ∈ R. (3)
2 2
Portanto, dados u1 e u2 , podemos determinar t1 e t2 resolvendo o sistema

de equações: (
t1 q1 + t2 q2 = u1
t1 q12 + t2 q22 = u2 .
Em virtude das igualdades q12 = q1 +1 e q22 = q2 +1, este sistema é equivalente
ao sistema (
t1 q1 + t2 q2 = u1
t1 (q1 + 1) + t2 (q2 + 1) = u2 ,
Por exemplo, para a sequência de Fibonacci, onde u = u2 = 1, resolvendo
√ √ 1
o sistema acima, obtemos t1 = 1/ 5 e t2 = −1/ 5, que substituídos em (3)
nos dão a seguinte fórmula para o termo geral da sequência de Fibonacci:
 √ n  √ n
1+ 5
2
− 1−2 5
un = √ .
5
Finalizaremos esta seção com mais uma aplicação do Teorema do Núcleo

e da Imagem.

Exemplo 6. Determinaremos uma fórmula para a dimensão da soma de

dois subespaços de um espaco vetorial.

Sejam U e W subespaços vetoriais de dimensão nita de um espaço ve-

torial V. Considere a transformação linear

T: U ×W → V
(u, w) 7→ u + w

É fácil vericar que a imagem de T é o subespaço U +W e que Ker T é

isomorfo a U ∩W (veja Problema 2.5). Logo, pelo Teorema do Núcleo e da

Imagem e pelo Problema 3.15, do Capítulo 3, temos que

dim U + dim W = dim U × W = dim Ker T + dim Im T

= dim(U ∩ W ) + dim(U + W ).
142 CAPÍTULO 5. TRANSFORMAÇÕES LINEARES

Assim, temos que

dim(U + W ) = dim U + dim W − dim(U ∩ W ).

Problemas

2.1* Prove que a imagem de uma transformação linear T: V → W é um

subespaço vetorial de W.
2.2* Dada a transformação linear T (x, y, z) = (x + 2y − z, y + 2z, x + 3y + z)
3
em R :

(a) Verique que Ker T é uma reta que passa pela origem;

(b) Determine as equações paramétricas da reta obtida em (a);

(c) Verique que Im T é um plano que passa pela origem;

(d) Determine as equações paramétricas do plano obtido em (c).

2.3 Explique por que não existe nenhuma transformação linear sobrejetiva

T : V → W, quando dim V < dim W .

2.4* Seja T: V → W um isomorsmo. Prove que {v1 , . . . , vn } é uma base

de V se, e somente se, {T (v1 ), . . . , T (vn )} for uma base de W .

2.5 U e W subespaços de um espaço vetorial V . Considere

Sejam a função

T : U × W → V , denida por T (u, w) = u + w. Mostre que:

(a) T é uma transformação linear;

(b) A imagem de T é o subespaço U + W;

(c) Ker T = {(u, −u); u ∈ U ∩ W } é isomorfo a U ∩ W.
2.6* Determine a dimensão do subespaço de R[x]3 , denido por

{p(x) = ax3 + bx2 + cx + d ; p(−1) = 0}.

2.7 Determine o núcleo e a imagem das seguintes transformações lineares:

(a) T : R3 → R2 , onde T (x, y, z) = (x − y, x − z);

2. NÚCLEO E IMAGEM 143

(b) T : R4 →R3 , onde T (x, y, z, w)=(2x + y − z + w, x + 2y − w, 6x + 2z − 3w);

(c) T : R[x] → R[x], onde T (p(x)) = x · p(x);
" #
1 −1
(d) T : M(2, 2) → M(2, 2), onde T (A) = M · A, sendo M= ;
−4 4
(e) T : R[x]2 → R4 , onde T (ax2 + bx + c) = (a + b, 2b + c, a + 2b − c, c).
2.8 Determine quais das transformações lineares do exercício anterior são

injetivas e quais são sobrejetivas.

2.9 Dada uma transformação linear T : V → W, mostre que:

(a) se é sobrejetiva, então dim W ≤ dim V ;

(b) se é injetiva, então dim V ≤ dim W .
2.10 Encontre uma transformação linear T : R3 → R3 cujo núcleo seja gerado

por (1, 2, −1) e (−1, 1, 0).

2.11 Encontre uma transformação linear T : R4 → R3 cujo núcleo seja gerado

por (1, 2, 3, 4) e (0, 1, 1, 1).

2.12 Encontre uma transformação linear T : R3 → R3 cuja imagem seja

gerada por (1, 2, 3) e (0, 1, −1).

2.13 Encontre uma transformação linear T : R3 → R4 cuja imagem seja

gerada por (1, 3, −1, 2) e (1, 0, 1, −1).

2.14 Seja T : R3 → V uma transformação linear de R3 em um espaço vetorial
V qualquer. Mostre que o núcleo de T é todo o R3 , um plano pela origem,
uma reta pela origem, ou só a origem.

2.15 T : V → R3 uma transformação linear de um espaço vetorial V

Seja
3
qualquer em R . Mostre que a imagem de T é só a origem, uma reta pela
3
origem, um plano pela origem, ou todo o R .

2.16 Dê, quando possível, exemplos de transformações lineares T satisfa-

zendo:

(a) T : R3 → R2 sobrejetiva;

(b) T : R4 → R2 com Ker T = {(0, 0, 0, 0)};

144 CAPÍTULO 5. TRANSFORMAÇÕES LINEARES

(c) T : R3 → R3 com Im T = {(0, 0, 0)};

(d) T : R3 → R4 com Ker T = {(x, y, −x) ; x ∈ R}.
2.17 SejaT : V → R uma transformação linear não nula. Prove que existe
um vetor v ∈ V tal que T (v) = 1. Seja W o subespaço de V gerado pelo

vetor v . Prove que V = W ⊕ Ker T .

2.18 SejamW1 e W2 subespaços de um espaço vetorial V tais que dim W1 +

dim W2 = dim V . Mostre que existe uma transformação linear T : V → V
tal que Ker T = V1 e Im T = W2 .

2.19 Considere a transformação linear T : R3 → R3 dada por

T (x, y, z) = (3x + y, −2x − 4y + 3z, 5x + 4y − 2z).

Determine se T é invertível. Em caso armativo, encontre T −1 .

2.20 Seja T : Rn → Rn a transformação linear dada por

T (x1 , x2 , . . . , xn ) = (a1 x1 , a2 x2 , . . . , an xn ).

(a) Sob quais condições sobre a1 , a2 , . . . , an , a função T é invertível?

(b) Supondo satisfeitas as condições determinadas em (a), encontre T −1 .

2.21 Seja T : R2 → R2 a transformação linear dada por

T (x, y) = (x + ky, −y).

Prove que T é injetiva e que T −1 = T , para cada valor real de k.

2.22 Ache um isomorsmo entre o espaço vetorial V das matrizes simétricas

n×n e o espaço vetorial W das matrizes triangulares inferiores n × n.

3 Operações com Transformações Lineares

Nesta seção, apresentaremos as operações usuais com as transformações

lineares, obtendo novas transformações lineares a partir de transformações

lineares dadas.
3. OPERAÇÕES COM TRANSFORMAÇÕES LINEARES 145

Sejam T : V → W e S : V → W transformações lineares. Denimos a

soma de T e S , denotada por T + S , como a função T + S : V → W dada
por

(T + S)(v) = T (v) + S(v), (1)

para todo v ∈ V. Sek ∈ R, denimos o produto de k por T, denotando-o

kT , como a função kT : V → W dada por

(kT )(v) = kT (v), (2)

para todo v ∈V. As funções T +S e kT são, de fato, transformações lineares,

pois para qualquer a em R e para quaisquer v1 e v2 em V temos que

(T + S)(v1 + av2 ) = T (v1 + av2 ) + S(v1 + av2 )

= T (v1 ) + aT (v2 ) + S(v1 ) + aS(v2 )
= [T (v1 ) + S(v1 )] + a[T (v2 + S(v2 )]
= (T + S)(v1 ) + a(T + S)(v2 )

(kT )(v1 + av2 ) = kT (v1 + av2 ) = k[T (v1 ) + aT (v2 )]

= kT (v1 ) + akT (v2 )
= (kT )(v1 ) + a(kT )(v2 ).

Denotemos por (V, W ) o conjunto de todas as transformações lineares de

V em W. As operações descritas em (1) e (2) denem uma adição e uma

multiplicação por escalar em (V, W ), tornando-o um espaço vetorial (veja

Problema 3.4). Se W = R, o espaço (V, R) é chamado espaço dual de V e

seus elementos chamados de funcionais lineares em V.

A composição de duas transformações lineares T: V →W e S: W → U

é a composição usual de funções:

(S ◦ T )(v) = S(T (v)), v ∈ V.

146 CAPÍTULO 5. TRANSFORMAÇÕES LINEARES

A função S ◦T é também uma transformação linear. Com efeito, se v1 , v2 ∈ V

e se a ∈ R, então

(S ◦ T )(v1 + av2 ) = S(T (v1 + av2 )) = S(T (v1 ) + aT (v2 ))

= S(T (v1 )) + aS(T (V2 )) = (S ◦ T )(v1 ) + a(S ◦ T )(v2 ).

Exemplo 1. Sejam T : R3 → R3 e S : R3 → R3 transformações lineares

dadas por

T (x, y, z) = (2x, x − y, y + z) e S(x, y, z) = (x + 2z, y, −z).

Determinaremos T + S , 2S e T ◦ S.
Temos

(T + S)(x, y, z) = T (x, y, z) + S((x, y, z))

= (2x, x − y, y + z) + (x + 2z, y, −z)
= (3x + 2z, x, y),

(2S)(x, y, z) = 2S(x, y, z) = 2(x + 2z, y, −z) = (2x + 4z, 2y, −2z)

e

(T ◦S)(x, y, z) = T (S(x, y, z)) = T (x+2z, y, −z) = (2x+4z, x−y +2z, y −z).

Sejam T: V → V uma transformação linear e n ∈ N \ {0}. Denimos

a n-ésima potência de T, denotando-a por T n
,
n
como a função T : V → V

dada por

T n = |T ◦ ·{z
· · ◦ T} .
n vezes
n
Pelo que vimos anteriormente, T é uma transformação linear. Denimos T0
como a função identidade em V, ou seja,

T 0 = IV .

Se T: V → V é um isomorsmo, a transformação linear T −n : V → V é

denida por

T −n = T −1
· · ◦ T −1} .
| ◦ ·{z
n vezes
3. OPERAÇÕES COM TRANSFORMAÇÕES LINEARES 147

O próximo resultado, cuja demonstração é deixada como exercício (veja

Problema 3.9), relaciona a composição com a adição e a multiplicação por

escalar de transformações lineares.

Proposição 5.3.1. Sejam T e T 0 transformações lineares de V em W e

sejam S e S 0 transformações lineares de W em U . Então:
(a) S ◦ (T + T 0 ) = S ◦ T + S ◦ T 0 ;
(b) (S + S 0 ) ◦ T = S ◦ T + S 0 ◦ T ;
(c) k(S ◦ T ) = (kS) ◦ T = S ◦ (kT ), onde k ∈ R.

Problemas

3.1* Considere a transformação linear T : R3 → R4 dada por T (x, y, z) =

(x + y, z, x − y, y + z). Calcule (T ◦ S)(x, y), onde S : R2 → R3 é dada por
S(x, y) = (2x + y, x − y, x − 3y).

3.2 Sejam T: V → WS : V → W transformações lineares entre espaços

e
−1
vetoriais de mesma dimensão. Se S ◦T = IV , prove que T ◦S = IW e S = T .

3.3 SejamT : R2 → R2 e S : R2 → R2 transformações lineares dadas por

T (x, y) = (x + y, 0) e S(x, y) = (−y, x). Encontre expressões para denir:
(a) T + S; (b) 5T − 4S ; (c) S ◦ T;
(d) T ◦ S; (e) T 3; (f ) S −3 .

3.4 Prove que (V, W ), com as operações dadas em (1) e (2), é um espaço

vetorial.

3.5 Mostre que as seguintes transformações lineares T, S e Q são linearmente

independentes:

(a)T, S, Q ∈ (R3 , R2 ), denidas por T (x, y, z) = (x+y +z, x+y), S(x, y, z) =

(2x + z, x + y) e Q(x, y, z) = (2y, x);
(b) T, S, Q ∈ (R3 , R), denidas por T (x, y, z) = x + y + z , S(x, y, z) = y + z
e Q(x, y, z) = x − z .
148 CAPÍTULO 5. TRANSFORMAÇÕES LINEARES

3.6 Seja T : V → V uma transformação linear. Prove que T2 = 0 se, e

somente se, Im T ⊂ Ker T .

3.7 Prove que se T : V → V e S : V → V são transformações lineares não

nulas tais que T ◦ S = 0, então T não é injetiva.

3.8 Dada a transformação linear T (x, y, z) = (ay + bz, cz, 0) de R3 em R3 ,
mostre que T 3 = 0.
3.9 Prove a Proposição 5.3.1.

3.10 Dada a transformação linear T (x, y) = (ac + by, cx + dy) de R2 em R2 ,

mostre que:

(a) T 2 − (a + d)T = (bc − ad) IR2 ;

(b) Se ad − bc 6= 0, então existe uma transformação linear S de R2 em R2 tal

que S ◦ T = T ◦ S = IR2 .
3.11 T : W → U uma transformação linear injetiva. Prove que
Seja se

S1 , S2 ∈ (V, W ) satisfazem a igualdade T ◦ S1 = T ◦ S2 , então S1 = S2 .

3.12 T : V → W uma transformação linear sobrejetiva. Prove que
Seja se

S1 , S2 ∈ (W, U ) satisfazem a igualdade S1 ◦ T = S2 ◦ T , então S1 = S2 .

3.13 Prove que seT : V → V é uma transformação linear tal que T 2 = 0,
então a transformação IV −T é invertível.

3.14 Seja V um espaço vetorial. V = W1 ⊕ · · · ⊕ Ws .

Suponhamos que

Considere a função T : V → V denida por T (v) = wi , onde v = w1 + · · · +

wi + · · · + ws , com wi ∈ Wi , para cada 1 ≤ i ≤ s. Mostre que:
(a) T é uma transformação linear; (b) T2 = T.
A transformação T é chamada de projeção de V em seu subespaço vetorial
Wi .
3.15 Seja T : V →V uma transformação linear tal que T 2 =T . Mostre que:

(a) T (v) = v para todo v∈ Im T;

(b) V = Ker T ⊕ Im T;
(c) T é a projeção de V em sua imagem.
3. OPERAÇÕES COM TRANSFORMAÇÕES LINEARES 149

3.16 Seja T: V →V uma transformação linear. Mostre que T é uma proje-

ção se, e somente se, T2 = T.

3.17 Sejam T e S duas transformações lineares entre os espaços vetoriais de

dimensão nita V e W. Mostre que:

(a) Ker T = Ker S ,

Se então existe um isomorsmo T1 : W → W tal que

S = T1 ◦ T ;
(b) Se Im T = Im S , então existe um isomorsmo T2 : V → V tal que S=
T ◦ T2 .
Bibliograa
[1] H. P. Bueno, Álgebra Linear, um segundo curso , Coleção Textos Univer-

sitários, SBM, 2006.

[2] P. Halmos, Teoria Ingênua dos Conjuntos , Editora Ciência Moderna,

2001.

[3] A. Hefez e M. L. T. Villela, Códigos Corretores de Erros , Coleção Mate-

mática e Aplicações, IMPA, 2008.

[4] A. Hefez e M. L. T. Villela, Números Complexos e Polinômios , Coleção

PROFMAT, SBM, 2012.

[5] V. J. Katz, A History of Mathematics - an Introduction , HarperCollins

College Publishers, 1993.

[6] S. Lang, Introduction to Linear Algebra , 2nd edition, Undergraduate Texts

in Mathematics, Springer, 1986.

[7] E.L. Lima, Álgebra Linear , 3a edição, Coleção Matemática Universitária,

IMPA, 1998.

[8] E.L. Lima, Geometria Analítica e Álgebra Linear , 2

a
edição, Coleção

Matemática Universitária, IMPA, 2010.

300