1

Luísa Bacar Biriate

Transformações Lineares

(Licenciatura em Gestão de Empresas)

Universidade Rovuma
Lichinga
2022
 2

Luísa Bacar Biriate

Trabalho de pesquisa individual da cadeira

de Matemática II a ser apresentado no
departamento de ciências económicas e
empresariais do curso de Gestão de
empresas. Com fins avaliativos sob
orientação de Mcs: Vital Napapacha.

Universidade Rovuma

Lichinga

2022
 3

Índice
Introdução..........................................................................................................................4
Objectivos:.....................................................................................................................4
Metodologias de pesquisa..........................................................................................4
Transformações lineares....................................................................................................5
Propriedades das transformações lineares.........................................................................6
Transformação linear injectora......................................................................................6
Transformação Linear Sobrejectora..................................................................................7
Transformação Linear Bijectora – Isomorfismo...............................................................8
Obtendo a Lei da Transformação Linear Inversa T −1..................................................8
Núcleo de uma transformação linear.................................................................................9
Propriedades...................................................................................................................9
Imagem............................................................................................................................10
Matriz de uma transformação linear................................................................................11
Operações com transformações lineares.........................................................................13
Multiplicação poe escalar............................................................................................13
Composição:.............................................................................................................13
Autovalores e Autovectores............................................................................................14
Determinação dos Autovalores e Autovectores...........................................................14
Conclusão........................................................................................................................16
Bibliografia......................................................................................................................17
 4

Introdução
O presente trabalho, visa abordar assuntos pertinentes a disciplina de Matemática II com
o tema proposto como transformações lineares. No mesmo, estudaremos um tipo
especial de função, onde o domínio e o contradomínio são espaços vectoriais reais.
Assim, tanto a variável independente como a variável dependente são vectores, razão
pela qual essas funções são chamadas funções vectoriais ou transformações vectoriais.
Para dizer que T é uma transformação do espaço vectorial V no espaço vectorial W,
escreve-se T:V→W. Sendo T uma função, cada vector v ∈ V tem um só vector imagem
w ∈ W, que será indicado por w = T(v).

Objectivos:
Específico

Transformações Lineares

Gerais

Definição
Propriedades
Operações com transformações Lineares
Metodologias de pesquisa
Para o presente trabalho foi usado o método de pesquisa bibliográfica, a partir de
matérias publicadas principalmente nos livros, trabalhos de pesquisa, que foram
disponibilizados na internet.
 5

Transformações lineares
Sejam V e W espaços vectoriais. Uma aplicação T:V→ W ee chamada de transformação
linear de V em W se:

I ¿ T (u+ v )=T ( u ) +T ( v ) para ∀ u , v ∈ V e ∀ a ∈ R

II ¿T ( au ) =aT (u)

Uma transformação linear de V em V (é o caso de V=W) é chamada de operador linear

sobre V.

Exemplos:

1) T : R2 → R 3 , T ( x , y )=( 3 x ,− y ) é linear, pois sejam u=( x 1 , y 1 ) e v =( x 2 , y 2 )

Vectores genéricos de R2 , entao:
I ¿ T (u+ v )=T ( x 1+ x 2 , y 1 + y 2 ) =¿ ( 3 ( x 1+ x 2 ) ,−2 ( y 1 + y 2 ) , ( x 1+ x 2 )− ( y 1+ y 2) )=¿ )
T ( x , y )=( 3 x ,−2 y , x− y )=( 3 x 1 +3 x2 −2 y 1−2 y 2 , x 1 + x 2− y 1− y 2 )
T ( u+ v )=T (u )+ T ( v )

II ¿T ( au ) =T ( a x 1 , y 1)

¿ 3(a x 1 ,−2 a y 1 , a x 1 ,−a y 1 )

¿ a ( 3 x 1 ,−2 y 1 , x 1− y 1 )
T ( au )=aT (u)

Exemplo: Seja V um espaço vectorial. A seguinte aplicação é uma transformação linear:

T :V → V
v → T ( v ) =v que é a transformação identidade.
Pode-se mostrar que esta aplicação satisfaz as duas propriedades para ser transformação linear:
a) Considere v1; v2 2 V, temos que:
T(v1 + v2) = v1 + v2 = T(v1) + T(v2) pela forma como esta definida a aplicação.
(b) Considere v ∈V a ∈ R , temos:
T ( v )=av =aT (v )
pela forma como esta definida a aplicação.
Assim, mostramos que esta aplicação define uma transformação linear de V em V.
 6

Exemplo: Seja V um espaço vectorial. A seguinte aplicação é uma transformação

linear: T : V → V
v → T ( v ) =ev . que é a transformação nula, ou seja, que leva todos os
elementos do espaço vectorial no elemento nulo deste mesmo espaço vectorial.
Para mostrar que T é uma transformação linear, basta mostrar que T (v1+_v2) =
T(v1)+_T(v2), para todo v 1 , v 2∈ R . Tem-se que:
T ( v 1+ av 2 )=ev=ev + ev=ev + aev=T ( v 1 ) + aT ( v 2)
O que mostra que a aplicação é uma transformação linear de V em V.

Propriedades das transformações lineares

1. Em toda transformação linear T :V → W , a imagem do vector 0 ∈V ee o vector 0

∈W . Isto é T(0) = 0.
2. Se T :V → W , for uma transformação linear, então vector 0 ∈W , isto é,
T ( a1 v 1+ a2 v 2 )=a1 T ( v 1 ) +a 2 T ( v 2 ) .

A seguinte aplicação de R2 em R2 é uma transformação linear:

T :→ R → R v ⟶ T ( v )=av
2 2

Que é uma expansão (ou contracção), dependendo do valor _. Esta transformação leva
cada vector v do R2 num vector de mesma direcção de v, mas com sentido igual a v
(caso a v > 0) ou sentido oposto (caso a < 0) e módulo maior (caso │a│ > 1) ou menor
(caso │a│ < 1). Para _ = 1 esta é a transformação identidade.
De fato, para todo v1; v2 2 R2 e _ 2 R, temos:
T (v 1+ βv 2)=a(v 1+ βv 2)=av 1+ βv 2=T (v 1)+ βT (v 2)
Assim, T é uma transformação linear.
Por exemplo, para _ = 2, e v = (x; y) ∈ R 2, temos: T(x; y) = 2(x; y).

Transformação linear injectora

Uma transformação linear T :V → W e injectora, se para quaisquer v , u ∈V , se v ≠u
então T(v) ≠ T(u). o que é equivalente a, se T(v) = T(u) então v = u .
 7

Exemplo:
1) A transformação linear T :R2 →R3 tal que T(x, y) = (x, y, x + y) é injectora.
Sejam (x, y), (z, t)∈R2.
Se T(x, y) = T(z, t)∴(x, y, x + y) = (z, t, z + t) .

{
x=z
entao y=t
x + y=z +t
logo, (( x , y ) =( z , t ) .
2) Seja o operador linear no R3 tal que T(x, y, z) = (x,0,0) , que associa a cada
vector sua projecção ortogonal no eixo X.
Considere os vectores (2,1,3) e (2,0,−4).
Assim, T(2,1,3) = T(2,0,−4) = (2,0,0) .
Então, T não é injectora, pois T(v) = T(u) com v ≠ u .

Teorema: Uma transformação T :V →W é injectora se e somente se N(T ) {0 } V N T = 0

.
Assim, basta verificar se N(T) ={0} para garantir que uma transformação linear
T é injectora.

Exemplo: Seja o operador linear em no R2 tal que T(x, y) = (2x, x + y) é injectora, pois:
N(T ) = {(x, y)∈R2 |T(x, y) = (0,0)} = {(x, y)∈R2 | (2x, x + y) = (0,0)}.

Assim {x+2 x=0

y =0
Então, N(T ) = {(0,0)}.

Transformação Linear Sobrejectora

Uma transformação linear T :V →W é sobrejectora se o conjunto imagem de T é o
conjunto W, isto é, Im (T ) =W.

Exemplo: O operador linear em R2 do exemplo anterior é injector.

Então, dim N(T ) = 0.
 8

Transformação Linear Bijectora – Isomorfismo

Uma transformação linear T:V →W é bijectora quando for injectora e sobrejectora.
Transformações lineares bijectoras são também denominadas isomorfismos e,
consequentemente, V e W são denominados espaços vectoriais isomorfos.
Exemplos:
1) T:R2 →R2 tal que T(x, y) = ( y,−x) .
2) Iv V: →V tal que I v v V ( ) = v

T : Mat (R)→ R tal que T

4
(( xz yt))= (t , z , y , x ) .
Uma transformação T:V →W é denominada de transformação invertível quando existir
uma transformação T −1 :W →V tal que W T o T −1 = I e V T − T = I 1 o. A transformação T1 é
denominada a transformação inversa de T. As transformações lineares bijectoras são
transformações lineares invertíveis.
Teorema: Seja T :V →W uma transformação. A transformação T é bijectora se e
somente se T é invertível.
Teorema: Seja T :V →W uma transformação linear invertível. Então a transformação T
−1 :W →V é linear.

Obtendo a Lei da Transformação Linear Inversa T −1

Seja o operador linear T : R2 → R2 tal que T(x, y) = (2x,−y) . O operador linear inverso T
−1 será obtido da maneira a seguir:
{(1,0), (0,1)} é uma base para R2.

T(1,0) = (2,0) e T(0,1) = (0,−1) .

Portanto, T −1 (2,0) = (1,0) e T −1 (0,−1) = (0,1).
Obtendo a lei de
−1
T : ( x , y )=k 1 . ( 2,0 ) +k 2 . ( 0 ,−1 )=( 0 ,−1 )=( 2 k 1 , 0 ) + ( 0 ,−k 2) =( 2k 1 ,−k 2 )

assim
{ x=2 k 1
y=−k 2
 9

Núcleo de uma transformação linear

Chama-se núcleo de uma transformação linear T:V→ W ao conjunto de todos os
vectores v ∈ V que são transformados em 0 ∈ W. indica-se esse conjunto por N(T) ou
ker(T): N(T)={v∈ V ⁄ T(v)= 0}

Propriedades
 O núcleo de uma transformação linear T:V→ W é um subespaço vectorial de V.
 Uma transformação linear T:V→ W é injectora se, N ( T ) ={ 0 } .

Observa-se que N(T)⊂ V e N(T) ≠∅ , pois 0 ∈N(T).

Exemplos:

1) O núcleo da transformação linear

T : R2 → R 2 , T ( x , y ) =( x+ y , 2 x− y ) é o conjunto:
N ( T ) ={( X , y ) ∈ R2 ⁄ T(x,y) = (0,0} oque implica que
( x + y ,2 x− y )=( 0,0 ) ou {2x+x−y=0
y=0
Sistema cuja solução é:
x=0 e y = 0 logo:
N ( T ) ={( 0,0 ) }

2) Seja T : R3 → R 2 a transformação é dada por:

T ( x , y , z )=( x− y +4 z , 3 x+ y +8 z )

Neste caso tem-se:

R3
N ( T ) ={( x , y , z ) ∈ T ( x , y , z )= ( 0,0 ) }
❑

Isto é, um vector (x , y , z)∈ R3 se, e somente se:

 10

( x− y + 4 z , 3 x+ y+ 8 z )=(0,0) ou {3x−x +yy++84 z=0

z=0

Sistema homogéneos de solução x=−3 z e y=z logo: N ( T ) ={(−3 z , z , z )∈ R }

Z y

N(T)

y 0

N ( T ) ={(−3 z , z , z )∈ R }

Observa-se que esse conjunto representa uma recta no R3 que passa pela origem e que
todos os seus pontos têm por imagem a origem do R2 .

Imagem
Chama-se imagem de uma transformação linear T:V→W ao conjunto de w ϵ W que são
imagens dos vectores v ϵ V.

Indica-se esse conjunto por Im(T) ou T(V):

Im(T)={w ϵ W ⁄ T(v) = w para algum v ϵ V}

Se Im(T) = W, diz-se sobrejectora.

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

Teorema da dimensão

Seja V um espaço de dimensão finita T:V→W uma transformação linear. Então,

dimN(T) + dim Im(T) = dim V.

Seja T:V→W uma transformação linear.

i se dim v = dim W, então T é injectora se, e somente se, é sobrejectora.

 11

ii dim v = dim W, e T é injectora, então T transforma base em base, isto é, se B =

{ v 1 , … , v n } é base de V, então T(B)= {T ( v 1 ) , … , T ( v n)} ee base de W.

Matriz de uma transformação linear

Para T:V→W linear, se dim v = n e dim V =n e dim W =m, A={ w 1 , w 2 , … , w n } e
B= { w1 , w2 , … , wn } são bases de V e W, respectivamente tem-se [ T ] AB é uma matriz de
ordem m x n, onde cada coluna é formada pelas componentes das imagens dos vectores
de A em relação a base B.

[ ]
a11 a12 … a 1 n
[ T ]AB = a⋮21 a⋮22 …⋱ a⋮2 n
am 1 a m2 … amn

⇑ ⇑⇑

T¿ T¿ T¿

Exemplo 1: seja F: R3 → R2 ,definida por F ( x , y , z )=( x , y , 2 z ) . Determine a matriz da

transformacao linear F, isto é, (F) B,c com B e C as bases canónicas de R3 e R2
respectivamente.

Escrevendo as imagens dos elementos da base canónica B = {(1,0,0), (0,1,0), (0,0,1)} do R3 ,

pela transformacao F, como combinações lineares dos elementos da base C ={(1,0), (0,1)} do
R2, temos:

F(1; 0; 0) = (1; 0) = 1(1; 0) + 0(0; 1)

F(0; 1; 0) = (1; 0) = 1(1; 0) + 0(0; 1)

F(0; 0; 1) = (0; 2) = 0(1; 0) + 2(0; 1)

Assim, pela definição da matriz de uma transformação linear, obtemos:

(F) B,C = [ 10 1 0
0 2 ]
Exemplo 2: seja F : R3 → R 2 , definida por F ( x , y , z ) =( x+ y , 2 z ) . Determine (F)B,C com B
= {(1,1,0), (1,0,1), (0,0,-1)} base de R3 e C = {(1,0), (1,1)} base de R2 .

Escrevendo as imagens dos elementos da base B, pela transformação linear F, como

combinações lineares dos elementos da base C, temos:
 12

Assim, obtemos: ¿

Exemplo 3: determine o operador linear F do R2 cuja matriz em relação a base B = {(1,2),

(0,5)} é: ¿

Pela definição da matriz de uma transformação linear, sabe-se que:

F(1;2) = 3(1; 2) + 2(0; 5) = (3,16)

F(0;5) = 1(1; 2) - 1(0; 5) = (1,-3)

Consideremos um elemento (x , y )∈ R2, escrevendo esse elemento como combinação linear

da base B, temos:

{ {
a1=x
a 1=x
(x; y) = a 1(1; 2) + a 2(0; 5)⟺ ⇒ y−2 x
2a 1+5 a2= y a2=
5

Desse modo teremos:

 13

Operações com transformações lineares

Adição
sejam T 1 :V →W e T 2 :V → W Transformações lineares. Chama-se soma das
transformações lineares T 1 e T 2 a transformação linear.
T 1+T 2:V →W
⃗v →(T 1+ T 2 )¿
Se A e B são bases de V e W, respectivamente, então:
¿

Multiplicação poe escalar

Sejam T :V → W uma transformacao linear e a ∈ R . Chama-se produto de T pelo escalar
a a transformação linear.
aT :V → W

⃗v → ( aT )( ⃗v )=aT ( ⃗v ) , ∀⃗
(v ¿)∈ V ¿

Composição:
Sejam T 1 :V →W e T 2 :W →U transformações lineares. Chama-se aplicação composta
de T1 com T2, e se representa por T 2 o T 2 , a a transformação linear:
T 2 o T 1 :V → U
⃗v → ( T 2 o T 1 ) ( ⃗v )=T 2 ( T 1 ( ⃗v ) ) , ∀ ∈ V
 14

Se A, B e C são bases de V, W e U, respectivamente, então

[ T ° T ] =[ T ]
2
A
1 C
B
2 C
A
x T 1 ]B

Autovalores e Autovectores
Seja T:V → V um operador linear. Um vector v ∈ V, v≠0, é um autovector (ou vector
característico, ou vector próprio) do operador T se existe 𝜆 ∈ ℝ tal que:
T ( v )=λv

O número real 𝜆 tal T ( v )=λv que é denominado autovalor (ou valor característico,
ou valor próprio) de T associado ao autovector v. Como se vê pela definição, um vector
v≠0 é um autovector se a imagem T(v) for um múltiplo de v.
Exemplos:

1) O vector v=(5,2) é um autovetor do operador linear

T : R → R , T ( x , y ) =( 4 x+ 5 x , 2 x + y ) associado ao autovalor 𝜆=6, pois:
2 2

T ( 5,2 )= ( 4 x +5+5 x 2,2 x 5+2 ) =( 30,12 )=6 ( 5,2 )=6 v

Já o vector v = (2,1) não é um autovector deste operador T, pois:

T(x,y)=(4x+5y,2x+y)
T(2,1)=(4x2+5x1,2x2+1)=(13,5) ≠𝜆 (2,1)
Para todo 𝜆 ∈ R .

Determinação dos Autovalores e Autovectores

Determinação dos autovalores
Seja o operador linear T : R3 → R 3, cuja matriz canónica é:

[ ]
a11 a 12 a13
A= a21 a 22 a23
a31 a 32 a 33
 15

Isto é: A=[ T ] se v e 𝜆 são respectivamente, autovector e autovalor do operador T,

tem-se:
Av=λv (v é matriz-coluna 3x1) ou: Av−λv=0 Tendo em vista que v = Iv (I é a matriz-
identidade), e pode ser escrito:

Av−λIv =0 ou: ( A−λ I ) v=0 para que esse sistema homogenio admita soluções não
nulas, isto é:

[][] [ ][ ]
x 0 a11 a12 a13 1 0 0
v= y ≠ 0 deve se ter: det ( A−λ I)v=0 ou: det a21 a22 a23 − λ 0 1 0 =0
z 0 a31 a32 a 33 0 0 1

[ ][ ]
a11 a12 a13 λ 0 0
det a21 a22 a23 − 0 λ 0 =0.
a31 a32 a 33 0 0 λ
 16

Conclusão
Chegado a esta fase conclusiva, conclui-se que, assim tanto a variável independente como
variável dependente são vectores, razão pela qual essas funções são chamadas vectoriais. Sendo
funções de vectores lineares, também as mesmas são denominadas transformações lineares. E
imagem será todo o conjunto de uma transformação linear T:V→W ao conjunto de w ϵ W
que são imagens dos vectores v ϵ V. e também é considerado como núcleo de uma
transformação linear a todo aquele conjunto de T:V → W de todos os vectores v ∈ V
que são transformados em 0 ∈ W. indica-se esse conjunto por N(T) ou ker(T): N(T)={v
∈ V ⁄ T(v)= 0}.
 17

Bibliografia
Steinbruch, Alfredo. Álgebra linear, 2 edição são Paulo pearson Makron Books, 1987.