UNIVERSIDADE FEDERAL DA PARAÍBA

CCEN – Departamento de Matemática

Prof. Dr: José Gomes de Assis

Unidade 2
Aplicações Lineares

1 Situando a Temática

No curso de Cálculo Diferencial e Integral I, trabalha-se com funções f: ℝ → ℝ.

Estenderemos esse estudo para o caso de funções definidas de V em W, com V e W espaços
vetoriais.

2 Problematizando a Temática

As aplicações lineares descrevem o tipo mais simples de dependência entre

variáveis. Muitos problemas podem ser representados por tais funções. Por exemplo: Se de
um quilograma de soja são extraídos 0,4 litros de óleo, de uma produção de x kg de soja,
seriam extraídos 0,4 x litros de óleo. Expressando na forma de função, teremos:

Y = f(x) = 0,4 x,

onde f = quantidade em litros de óleo de soja e x = quantidade em kg de soja.

Neste exemplo, observemos duas características importantes:

1. Para calcular a produção de óleo fornecida por (x1 + x2) kg de soja, podemos tanto multiplicar
(x1 + x2) pelo fator de rendimento 0,4 como calcular as produções de óleo de cada uma das
quantidades x1 e x2 e somá-las, ou seja,
f(x1 + x2) = 0,4(x1 + x2) = 0,4x1 + 0,4x2 = f(x1) + f(x2).

2. Se a quantidade de soja for multiplicada por um fator α, a produção de óleo será multiplicada
por este mesmo fator, ou seja,
f(αx) = 0,4(αx) = α(0,4x) = α f(x).

Estas duas propriedades servirão para caracterizar o que denominamos aplicação linear.

Considerando agora outra situação envolvendo mais fatores: Por exemplo, a quantidade
em litros de óleo extraída por quilograma de cereal descrita na tabela,

Soja Milho Semente Algodão Amendoim

Óleo(l) 0,4 0,06 0,13 0,32
 A quantidade total de óleo produzido por x kg de soja, y kg de milho, z kg de algodão e w
kg de amendoim é dada por f = 0,4x + 0,06y + 0,13z + 0,32 w. A quantidade de óleo f pode ser
dada pela multiplicação da matriz rendimento pelo vetor quantidade,
x
 y
f = [0,4 0,06 0,13 0,32]  = 0,4 x + 0,06 y + 0,13z + 0,32w.
z
 
 w
Formalmente, temos uma função f : M(1, 4) → ℝ.

x x
 y  
  → [0,4 0,06 0,13 0,32]  y ,
z z
   
 w  w

que satisfaz as propriedades:

  x1   x2    x1   x2    x1     x1  
    y  y      
 y y    y1    y 
f  1 +  2  = f  1 + f  2 e f   = f   1  .
z  z   z1   z2  z  z 
 1   2        1   1 
 w   w   w 
  1   w2   '  w1   w2    1  1

Pensemos agora em termos de espaços vetoriais. Uma função entre espaços vetoriais,
satisfazendo as propriedades acima, respeita a estrutura de espaço vetorial.

3 Conhecendo a Temática

3.1 Aplicações Lineares

3.1.1. - Introdução

3.1. – Definição: Sejam V e W espaços vetoriais. Uma aplicação T : V W é denominada

aplicação (ou transformação) linear de V em W se satisfaz as seguintes propriedades:

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

(ii) T(αu) = αT(u),
para quaisquer u e v  V e todo α  ℝ.

Caso V = W, a aplicação linear T: V V é chamada operador linear sobre V.

 Ampliando seu Conhecimento

Toda aplicação linear f : ℝ ⇾ ℝ só pode ser do tipo: f(x) = ax, com a ∈ ℝ

De fato: Temos que f(x) = f(1.x) e, como f é linear e x um escalar, f(x.1) = xf(1). Chamando f(1)
= a, temos f(x) = ax. O nome aplicação linear certamente foi inspirado neste caso, V = W = ℝ,
pois o gráfico de f(x) = ax é uma reta que passa pela origem.

Observe que: se T: V W é uma aplicação linear, então T(0) = 0. Isto é: T leva vetor nulo de V
em vetor nulo de W.

De fato. T(0) = T(u + (-u)) = T(u) + T(-u) = T(u) +(– T(u)) = 0.

Uma consequência deste fato é que se: T(0) ≠ 0, então T: V ⇾W não é linear.

Por exemplo T: ℝ2 ℝ2 definida por T(x,y) = (x+1, 2y ) não é linear.

Basta observar que T(0,0) = (1,0) ≠ (0,0).

3.1.2. – Exemplos de transformações lineares

1. Seja T: ℝ2 ℝ3 definida por T(x,y) = (4x, -8y, x + y). Verificaremos que T é uma aplicação
linear. Observemos que T(0,0) = (0,0,0), mas isto não é suficiente para garantirmos que T seja
linear.
Verificaremos se as duas condições da definição 3.1 são satisfeitas. De fato.

(i) Sejam u = (x1,y1) e v = (x2,y2) vetores do ℝ2, então

𝑇(𝑢 + 𝑣) = 𝑇(𝑥1 + 𝑥2 , 𝑦1 + 𝑦2 ) = (4𝑥1 + 4𝑥2 , −8𝑦1 − 8𝑦2 , 𝑥1 + 𝑥2 + 𝑦1 + 𝑦2 ) =

= (4𝑥1 , −8𝑦1, 𝑥1 + 𝑦1 ) + (4𝑥2 , −8𝑦2 , 𝑥2 + 𝑦2 ) =
= 𝑇(𝑥1 , 𝑦1 ) + 𝑇(𝑥2 , 𝑦2 ) = 𝑇(𝑢) + 𝑇(𝑣),

(ii) Dado α  ℝ e u = (x1,y1) vetor do ℝ2, temos que

T ( u ) = T ( x1, y1 ) = (4 x1, −8 y1,  x1 +  y1 ) =

=  (4 x1 , −8 y1, x1 + y1 ) = T ( x1, y1 ),   R.

Das condições (i) e (ii), temos que T é uma aplicação linear.

2. Seja T: ℝ3 ℝ2 a aplicação linear definida por T(x,y,z) = (x,y), denominada de projeção do
ℝ3 sobre o ℝ2, isto é, sobre o plano xy, ilustrada na figura 06.

(i) Dados u = (x1,y1,z1) e v = (x2,y2,z2) vetores do ℝ3,

T (u + v) = T ( x1 + x2 , y1 + y2 , z1 + z2 ) = ( x1 + x2 , y1 + y2 )
T (u + v) = ( x1 , y1 ) + ( x2 , y2 ) = T (u ) + T (v),

(ii) Dado α  ℝ e u = (x1,y1,z1) vetor do ℝ3, temos que

T (u) = T ( x1, y1, z1) = ( x1, y1) =  ( x1, y1)
Por outro lado,
T (u) = T ( x1, y1, z1) =  ( x1, y1)
Então T ( u) = T (u),   R, u  R3. Das condições (i) e (ii) temos que T é a projeção do ℝ3

sobre o ℝ2 é uma aplicação linear.

3. Considere no conjunto dos polinômios de grau menor ou igual a n, P n.

A aplicação

T: Pn Pn-1

p(t) T(p(t)) = p’(t),

também é linear.

No Moodle

Vocês devem mostrar que a

aplicação T, definida em 3,
acima, é de fato uma aplicação
linear. Qualquer dúvida,
procurem-os.na plataforma
moodle.
4. Consideremos T: ℝ2 ℝ2 a aplicação definida por T(x, y) = (-9x, y2). T é linear?
Dados (x,y) vetor do ℝ2 e α  ℝ, temos
𝑇(𝛼𝑢) = 𝑇(𝛼𝑥, 𝛼𝑦) = (−9𝛼𝑥, 𝛼 2 𝑦 2 ) = 𝛼(−9𝑥, 𝛼𝑦 2 ) ≠ 𝛼(−9𝑥, 𝑦 2 ) = 𝛼𝑇(𝑢).

Observem que, embora T(0,0) = (0,0), T não é linear pois a 2ª condição da definição não é
satisfeita neste caso.

5. Encontraremos uma aplicação linear T: ℝ2 ℝ2 , com a seguinte propriedade: T(2,1) = (1,1)

e T(0,1) = (1,0).
Tal problema tem solução pois conhecemos a “atuação” de T sobre vetores de uma base do ℝ2,
no caso, {(2,1),(0,1)}.
Para isto, dado um vetor (x, y) qualquer do ℝ2, este pode ser escrito como combinação linear da
base acima,
(x, y) = a(2,1) + b(0,1) = (2a,a+b) (1)

Assim, a = x/2 e b = y – (x/2). E, substituindo em (1) temos

(x, y) = (x/2)(2,1) + (y-(x/2))(0,1).

Aplicando a T, ambos os lados da equação vetorial acima, e, usando a linearidade, juntamente

com a propriedade, obtemos

T(x,y) = (x/2)T(2,1) + (y-(x/2))T(0,1)

T(x,y) = (x/2)(1,1) + (y-(x/2))(1,0),

e, portanto,
T(x, y) = (y, x/2).
Generalizando, podemos sempre construir uma transformação linear sempre que conhecermos
sua atuação numa base do espaço vetorial.

Teorema 2.1 : Dados dois espaços vetoriais reais V e W e uma base de V, {𝑣1 , 𝑣2 , … . 𝑣𝑛 }.
Sejam 𝑤1 , 𝑤2 , … . 𝑤𝑛 elementos arbitrários de W. Então existe uma única
transformação linear 𝑇: 𝑉 → 𝑊 tal que 𝑇(𝑣1 ) = 𝑤1 , 𝑇(𝑣2 ) = 𝑤2 , … . , 𝑇(𝑣𝑛 ) = 𝑤𝑛.
Demonstração; Esta aplicação linear é dada por: Se 𝑣 ∈ 𝑉, 𝑒𝑛𝑡ã𝑜
𝑣 = 𝑎1 𝑣1 + 𝑎2 𝑣2 + ⋯ 𝑎𝑛 𝑣𝑛, 𝑙𝑜𝑔𝑜 𝑇(𝑣) = 𝑎1 𝑇(𝑣1 ) + 𝑎2 𝑇(𝑣2 ) + ⋯ 𝑎𝑛 𝑇(𝑣𝑛 )
Notemos que T assim definida é linear e é única.
Exercícios: Qual é a transformação linear 𝑇: ℝ2 → ℝ3 tal que T (1 , 0 ) = (2, -1, 0 ) e T( 0, 1 ) =
(0 0, 1 ) ?
Solução: Veja que 𝛽 = {(1 , 0 ), ( 0, 1 ) } é a base canônica do ℝ2 e 𝑤1 = (2, −1,0) 𝑒 𝑤2 =
(0,0,1).
Dado 𝑣 = (𝑥, 𝑦) qualquer 𝑣 = 𝑥(1, 0 ) + 𝑦( 0, 1 )
𝑇(𝑣) = 𝑥𝑇(1, 0 ) + 𝑦𝑇( 0, 1 )
𝑇(𝑣) = 𝑥(2, −1,0 ) + 𝑦( 0, 0,1 )
𝑇(𝑣) = (2𝑥, −𝑥, 𝑦).

Observação

Neste exemplo, percebemos que podemos

determinar uma aplicação linear T: V W
quando conhecermos a mesma atuando sobre
os vetores de uma base do espaço vetorial V.

Dialogando e construindo Conhecimento

A aplicação nula T: V → V, T(v) = 0 é linear. Seria conveniente que você demonstrasse essa
afirmação, assim você compreenderá melhor a definição 3.1.1.

Observação

Para mostrar que uma determinada aplicação é linear, percebemos, na

definição, que as condições (i) e (ii) devem ser satisfeitas para quaisquer
vetores u e v de V e para todo α  ℝ. Nunca particularize!!!
3.2. - Núcleo de uma Aplicação (transform ação) Linear

Dada T: V W uma aplicação linear, o conjunto de todos os vetores v  V tais que T(v) = 0 é
denominado núcleo de T, o qual denotamos por N(T) ou ker(T), ou seja,

N(T) = ker(T) = {v  V; T(v) = 0}.

Observemos que N(T)  V e mais, N(T) é um subespaço vetorial de V, fato que mostraremos a
seguir.

Logo após a definição do conjunto imagem da aplicação linear, Im(T), vocês verão um
diagrama ilustrando os conjuntos N(T) e Im(T).

3.2.1. - Exemplos

1. Dado o operador linear T: ℝ2 ℝ2, definido por T(x,y) = (x + y, 2x - y), determinaremos o

núcleo de T.
Por definição N(T) consiste dos pares (x,y), tais que T(x,y) = (0,0), ou seja, (x + y, 2x- y) = (0,0).
Assim, x + y = 0 e 2x – y = 0. Das duas últimas igualdades concluímos que x = y = 0. Desta forma,
N(T) = {(0,0)}.

2. Seja T: ℝ3 ℝ2 a aplicação definida por T(x,y,z) = (x-y + 4z, 3x + y + 8z). Por definição,

N(T) = {(x,y,z); T(x,y,z) = (0,0)},

isto é,
N(T) = {(x,y,z) ; (x – y + 4z, 3x + y + 8z) = (0,0)},

o que nos leva a um sistema homogêneo, com solução x = -3z e y = z. Logo,

N(T) = {(-3z,z,z);z  ℝ} = {z(-3,1,1); z  ℝ}.

Neste caso, N(T) é determinado por todos os múltiplos escalares do vetor (-3,1,1), ou ainda, por
todas as combinações lineares do vetor (-3,1,1). Portanto, N(T) é gerado pelo vetor (-3,1,1), N(T)
= [(-3,1,1)].
3. Encontraremos uma aplicação linear T: ℝ3 ℝ3 tal que N(T) = [(1,1,0)].

Sendo (1,1,0)  N(T), então, por definição,

T(1,1,0) = (0,0,0) (1).
Procederemos como no Exemplo 3.1.2.5, ou seja, precisamos conhecer a atuação de T sobre
vetores de uma base de V = ℝ3. Neste exercício, tal base deve conter o vetor u1 = (1,1,0), do
núcleo. Como a dimV = 3, completaremos a base com dois vetores, escolhidos aleatoriamente.
Por exemplo, u2 = (0,2,0) e u3 = (0,0,3), tais que. Também, de maneira aleatória, escolheremos as
respectivas imagens. Isto é,
T(u2) = T(0,2,0) = (1,0,0) (2)
T(u3) = T(0,0,3) = (1,1,1) (3)
Tomando (x,y,z) um vetor arbitrário de V, e, escrevendo-o como combinação linear dos vetores
u1, u2 e u3, temos
(x,y,z) = a u1+ b u2 + c u3
(x,y,z) = a(1, 1, 0)+ b(0, 2, 0) + c(0, 0, 3) = (a, a+2b, 3c) (4)

a = x, b = (1/2)y - (1/2)x e c = (1/3)z. Substituindo, na equação vetorial (4),

(x,y,z) = x(1,1,0)+ [(1/2)y - (1/2)x] (0, 2, 0) + (1/3)z (0, 0, 3).

Usando a linearidade de T, na última igualdade,

T(x,y,z) = x T (1,1,0)+ [(1/2)y - (1/2)x] T (0,2,0) + (1/3)z T (0,0,3).

Mas, das equações (1), (2) e (3), concluímos que:

T(x,y,z) = [(1/2)y - (1/2)x](1,0,0) + (1/3)z (1,1,1) = ((1/2)y-(1/2)x+(1/3)z, (1/3)z, (1/3)z).

3.2.2. – Teorema: O núcleo de uma aplicação linear T: V W é um subespaço vetorial de V.

Demonstração:

(i) N(T) é um conjunto não vazio, observem que sendo T uma aplicação linear, T(0) = 0, de onde
0  N(T).
(ii) Sejam u, v  N(T). Como T é linear, T(u+v) = T(u) + T(v). Por outro lado, sendo u e v vetores
do núcleo de T, T(u) = 0 e T(v) = 0, assim T(u + v) = 0 + 0 = 0. Portanto, (u+v)  V e é levado pela
T no vetor nulo, daí (u + v)  N(T).

(iii) Dado α  ℝ e u  N(T) temos, pela definição do núcleo de T, que T(u) = 0. Por hipótese, T é
linear logo, T(αu) = αT(u), e usando a última igualdade, temos T(αu) =α0 = 0. Portanto, T leva o
vetor αu no vetor nulo, isto é, αu  N(T).

De (i), (ii) e (iii) podemos concluir que N(T) é, de fato, um subespaço vetorial de V.

3.2.3. - Propriedade do Núcleo

O núcleo de uma aplicação linear T: V W é um subespaço vetorial de V.

Lembremos que uma aplicação linear T: V W é injetora se  v1, v2  V, T(v1) = T(v2) então

v1 = v2. Ou equivalentemente, se  v1, v2 V, v1 ≠ v2 então T(v1) ≠ T(v2).

Teorema 3.2.3: Seja 𝑇: 𝑉 → 𝑊, uma aplicação linear. Então N(T) = { 0 } se somente se T é

injetora.
Demonstração :

Mostraremos que se T é injetora então N(T) = {0}. De fato. Seja v  N(T), logo T(v) = 0. Por outro
lado T(0) = 0, pois T é linear. Pelo exposto, T(v) = 0 = T(0), donde v = 0, pela injetividade de T.
Daí, o vetor zero é o único elemento do núcleo de T , ié, N(T) = { 0 }

Agora, mostraremos que se N(T) = {0}, então T é injetora. Para isto, sejam v1,v2  V tais que T(v1)
= T(v2), logo T(v1) - T(v2) = 0, mas sendo T linear, T(v1-v2) = 0 e, portanto,(v1-v2)  N(T). Como, por
hipótese, o único elemento do núcleo é o vetor 0, então v1 – v2 = 0, e v1 = v2. Então, consideramos
T(v1) = T(v2) e concluímos que v1 = v2, de onde segue a injetividade da T.

3.2.4 - Exemplos

1. Das propriedades acima, a aplicação linear T: ℝ2 ℝ2, T(x,y) = (x + y, 2x - y), definida no

Exemplo 3.2.1.1 é injetora, pois determinamos que seu núcleo, N(T) = {(0,0)}.
2. Exemplo 3.2.1.2, a aplicação linear T: ℝ3 ℝ2, dada por T(x,y,z) = (x-y + 4z,3x + y + 8z)
não é injetora, pois concluímos que N(T) não contém apenas o vetor nulo, N (T ) = [( −3,1,1)].

Dialogando e construindo Conhecimento

O núcleo, N(T), da aplicação linear T: ℝ3 ℝ2,

T(x,y,z) = (x-y + 4z,3x + y + 8z) é gerado pelo vetor u = (-3,1,1). N(T) representa geometricamente
uma reta que passa na origem do ℝ3 na direção do vetor u.

3.3. - Imagem de uma Aplicação Linear

A imagem de uma aplicação linear T: V W, denotada por Im(T), é o conjunto dos

vetores w W tais que T(v) = w, para algum v  V, isto é,

Im(T) = { w  W; T(v) = w }

Observemos que Im(T)  W e é um conjunto não vazio, pois contém o vetor nulo de W,

0 = T(0). Além disso, Im(T) é um subespaço vetorial de W, mostraremos a seguir.

Lembremos que T: V W é sobrejetora se, para todo w  W, existe pelo menos um v  V tal que
T(v) = w, ou seja, Im(T) = W.

Um esquema do núcleo e da imagem de uma aplicação linear T é representado na figura

07.
3.3.1. – Teorema Seja T: V W uma aplicação linear, então o conjunto Im(T) é um
subespaço vetorial de W.

Demonstração:

(i) O vetor nulo de W, pertence ao conjunto Im(T), pois existe o vetor nulo de V, tal que T(0) = 0,
pela linearidade da T. Donde, Im(T) é um conjunto não vazio.

(ii) Sejam w1, w2  Im(T), existem v1 e v2 vetores de V tais que T(v1) = w1 e T(v2) = w2, logo

w1 + w2 = T(v1) + T(v2) = T(v1 + v2),

a última igualdade é válida devido a linearidade da T. Assim, (w1 + w2) pertence à Im(T) pois é
um elemento de W, imagem do vetor (v1 + v2).

(iii) Dado α  ℝ e w  Im(T), existe v  V, tal que T(v) = w, logo αT(v) = αw. Por outro lado, αT(v)
= T(αv), das duas últimas igualdades T(αv) = αw. Pela definição de Im(T), αw  Im(T), pois existe
um vetor, αv, que é levado no vetor αw.

Das 3 condições, podemos concluir que Im(T) é um subespaço vetorial de W.

3.3.2. - Exemplos

1. A imagem do operador linear identidade I : V V, definida por I(v) = v, é todo o

espaço V. O núcleo é N(T) = {0}.

2. A imagem da aplicação nula T: V W, dada por T(v) = 0, é Im(T) = {0} e, neste caso,
N(T) = V.

O próximo teorema é utilizado, por exemplo, no estudo da injetividade e sobrejetividade

da aplicação linear T.
3.3.3. - Teorema da Dimensão Se T: V W é uma aplicação linear, então
dim N(T) + dim Im(T) = dim V.

Deixaremos de demonstrar o teorema e faremos algumas considerações por meio dos exercícios
a seguir.

3.3.4. - Exercícios

1. Determinar o núcleo e a imagem da transformação linear e suas respectivas

dimensões, onde T: ℝ3 ℝ2 é definida por T(x,y,z) = (x + y – z, y).

Solução: Por definição, N(T) = {(x,y,z);T(x,y,z) = (0,0)}.

Mas, T(x,y,z) = (0,0) implica que (x+y-z, y) = (0,0), ou seja,

x + y − z = 0

 y == 0,

daí, y = 0 e x = z, ou seja, N(T) = {(z, 0, z)/ z  ℝ} = [(1, 0, 1)]. E dim N(T) = 1.

Do Teorema da Dimensão, dim Im(T) = dim ℝ3 – dim N(T) = 3 – 1 = 2. Vamos determinar uma
base para o conjunto Im(T).

Da definição de imagem, Im(T) = {(a,b);T(x,y,z) = (a,b)}. E a condição

T(x,y,z) = (a,b)  (x + y – z, y) = (a,b), ou seja, a e b devem satisfazer o sistema

x + y − z = a

 y = b,

Daí, Im(T) = {(a,b); a = x + y – z, b = y} = {(x + y – z, y);. x,y,z  ℝ} = { x(1,0) + y(1,1) + z(-1,0); x,y,z
 ℝ}, ou seja, qualquer vetor do conjunto Im(T) é combinação linear dos vetores (1,0), (1,1) e
(-1,0), isto é, geram

Im(T), os quais denotamos, Im(T) = [(1,0),(1,1,),(-1,0)]. Como (-1,0) é múltiplo de (1,0), Im(T) é
também gerado pelos vetores (1,0) e (1,1), daí Im(T) = [(1,0),(1,1)].
 Dialogando e construindo Conhecimento

Uma aplicação linear T : V → W está bem definida quando conhecemos T(v1), T(v2), ... , T(vn),
onde β = {v1,v2,...,vn} é uma base de V.

2. Seja T: ℝ3 ℝ2 a aplicação linear tal que T(1,0,0) = (1,2), T(0,1,0) = (0,1) e T(0,0,1) = (-1,3).

Determinar as bases dos subespaços N(T), Im(T), e concluir se T é ou não injetiva e sobrejetiva.

Solução: Primeiro encontraremos a definição da aplicação T. Como {(1,0,0),(0,1,0),(0,0,1)} é a

base canônica do ℝ3, qualquer vetor deste espaço pode ser escrito como combinação linear
desta base, ou seja,

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

T(x,y,z) = xT(1,0,0) + yT(0,1,0) +zT(0,0,1)

T(x,y,z) = x(1,2) + y(0,1) +z(-1,3) = (x-z, 2x+y+3z).

Logo, N(T) = {(x,y,z); T(x,y,z) = (0,0)} = {(x,y,z); (x – z, 2x + y + 3z) = (0,0)}. Esta igualdade nos leva
a solução geral x = z, y = -5z. Portanto,

N(T) = {(z, -5z, z); z  ℝ} = {z(1,-5,1); z  ℝ}.

Observe que a única variável livre é z, fazendo z = 1, obtemos (1,-5,1) e este vetor constitui uma
base do N(T). Assim, dim N(T) = 1, e T não é injetora, pois N(T) = [(1,-5,1)] ≠ {(0,0,0)}. N(T) não é
formado apenas pelo vetor nulo, vejam as Propriedades do Núcleo, 3.2.3.

Do Teorema da Dimensão, dim Im(T) = dim ℝ3 – dim N(T) = 3 – 1 = 2. Assim, dim ( Im(T)) = dim
ℝ2 = 2, Im(T) = ℝ2, Im(T) é o contradomínio, e daí T é sobrejetora.
3.3.5. – Corolário Seja T: V W uma aplicação linear. Se dimV = dimW, então
T é injetora se e somente se, T é sobrejetora.
Demonstração Suponhamos que T seja injetora, pela Propriedade do Núcleo 3.2.3, N(T) = {0},
logo N(T) não possui base e dim N(T) = 0. Do Teorema da Dimensão dimV = dimN(T) + dimIm(T)
= 0 + dim(Im(T)). Por hipótese, dimV = dimW, portanto, dimW = dim Im(T), e daí, T é sobrejetora.

Agora a recíproca: se T for sobrejetora, Im(T) = W, logo dimIm(T) = dimW. Mas, da hipótese,
dimW = dimV, e juntamente da relação dimV = dimN(T) + dimIm(T), temos dim N(T) = 0 e N(T),
neste caso, não tem base, sendo este um subespaço vetorial, temos N(T) = {0}, logo T é injetora.

Desta forma, numa aplicação linear onde dimV = dimW, se T é injetora (ou sobrejetora),
então T é sobrejetora (ou injetora).

3.3.6. - Isomorfismo

Denomina-se isomorfismo do espaço vetorial V no espaço vetorial W a uma aplicação

linear T: V W, que é injetora e sobrejetora, isto é, bijetora. Neste caso, diremos que os espaços
V e W são isomorfos.

3.3.7. - Exemplos

1. Seja P2 = {at2 + bt + c; a,b,c  ℝ }, o espaço vetorial dos polinômios de grau menor ou igual a
2. Consideremos T : P2 ℝ3 uma aplicação linear definida por T(at2 + bt + c) = (a, c – b, a + b).
Verificaremos que V = P2 e W = ℝ3 são isomorfos, isto é, a aplicação linear T é bijetora. De fato.

(i) Se T(at2 + bt + c) = 0 então (a, c – b, a + b) = (0,0,0), e, teremos, a = b = c = 0, isto é,

N(T) = {(at2+bt+c)  P2; T(at2+bt+c) = (0,0,0)},

neste caso, o núcleo de T é constituído do polinômio 0 = 0t2 + 0t + 0, isto é N(T) = {0}, logo T é
injetora. Além disso, dimN(T) = 0.

(ii) Por outro lado, {t2, t, 1} é uma base de P2, logo, dimV = dimP2 = 3 = dim ℝ3 = dimW, segue do
Corolário 3.3.5 que T é sobrejetora.

De (i) e (ii) T é uma aplicação bijetora, portanto, T é um isomorfismo e,

conseqüentemente, os espaços V = P2 e W = ℝ3 são isomorfos.
 2. O isomorfismo entre os espaços V = P2 e W = ℝ3, estudado no exemplo anterior,
poderia ser definido por uma aplicação linear T : ℝ3 P2. Por exemplo, T(a,b,c) = at2 + bt + c.
E, fazendo a análise análoga, concluímos a bijetividade da aplicação linear T. De onde, os espaços
V = ℝ3 e W = P2 são isomorfos.

a b
ℝ4 definida por T 
d 
3. Seja T : M(2,2) = (a, b, c, d). Observemos que:
c

a b
(i) T é injetora. De fato. Se T 
d 
= 0 então (a, b, c, d) = (0,0,0,0) e teremos a = b = c = d = 0,
c

  a b   a b   
N (T ) =     M (2, 2);T     = (0,0,0,0) 
  c d   c d   

0 0
neste caso, N(T) = {[ ]} e dimN(T) = 0. Mas, dimV = dimM(2,2) = 4 = dim ℝ4 = dimW, como
0 0
conseqüência do Corolário 3.3.5, T é sobrejetora. Portanto, T:M(2,2) ℝ4 é um isomorfismo,
e isto implica que M(2,2) e ℝ4 são espaços isomorfos.

No Moodle

Um desafio interessante:
tentem mostrar que se W e
W são espaços vetoriais de
dimensão finita, com dim V
= dim W, então V e W são
isomorfos.

A seguir definiremos a matriz de uma aplicação linear:

3.4. - Matriz de uma aplicação linear

Seja T: V W uma aplicação linear, β uma base de V e γ uma base de W. Por

simplicidade, consideremos o caso em que dimV = 2 e dimW = 3. Assim, tomemos β = {v1,v2} e γ
= {w1,w2,w3} bases de V e W, respectivamente.
 Seja v  V, logo T(v)  W, assim v e T(v) podem ser escritos como combinação linear dos
vetores de V e W, respectivamente,

v = x1v1 + x2v2 e T(v) = y1w1 + y2w2+ y3w3. (1)

As coordenadas x1, x2, y1, y2 e y3 definidas acima, são denotadas por

 y1 
x 
[v]β =  1  e [T(v)]γ =  y . (2)
 x2 
 2 .
 y3 

Por outro lado, de (1) e da linearidade de T

T(v) = T(x1v1 + x2v2) = x1T(v1) + x2T(v2). (3)

Sendo T(v1) e T(v2) vetores de W, estes podem ser escritos como combinação linear dos vetores
de γ:

T(v1) = a11w1 + a21w2 + a31w3 . (4)

T(v2) = a12w1 + a22w2 + a32w3 . (5)

,e, substituindo esses vetores em (3), temos:

T(v) = x1(a11w1 + a21w2 + a31w3) + x2(a12w1 + a22w2 + a32w3)

ou ainda,

T(v) = (a11x1 + a12x2)w1 + (a21x1 + a22x2)w2 + (a31x1 + a32x2)w3.

Comparando a igualdade em (1) com a última expressão temos:

y1 = a11x1 + a12x2

y2 = a21x1 + a22x2

y3 = a31x1 + a32x2,

e, escrevendo este sistema na forma matricial e usando a notação em (2), temos

 y1   a11 a12 
x 
[T(v)]γ =  y 2  = a21 a22   1 ,
  
a32   2 
x
 y3  a31
  a11 a12 
o qual denotamos [T ] 
 =  a21 a22  teremos a relação [T(v)]γ = [T ] [v]β. A matriz [T ] é
 a31 a32 

denominada matriz de T em relação às bases β e γ.

Observações:

1) A matriz [T ] é de ordem 3x2, lembrando que dimV = 2 e dimW = 3.

2) As colunas da matriz [T ] são as componentes das imagens dos vetores da base β em relação

à base γ, de acordo com as combinações lineares em (4) e (5).

 a11 a12 
a 
 21 a22 
a31 a32 

No caso geral, se T : V W é uma aplicação linear, dimV = n e dimW = m, com β =

{v1,v2,...,vn} e γ = {w1,w2,...,wm} bases de V e W, respectivamente, então a matriz [T ] é de

ordem mxn,

 a11 a12  a1n 

a a22  a2 n 
[T ] 
 21
=
    
 
am1 am 2  amn 

Caso dimV = dimW = n, a matriz [T ] é quadrada de ordem nxn.

3.4.1. - Exemplos

1. Seja T : ℝ3 ℝ2 definida por T(x,y,z) = (3x + 2y – 4z, x – 5y + 3z). Consideremos β =

{(1,1,1),(1,1,0),(1,0,0)} e γ = {(1,3),(2,5)} bases do ℝ3 e ℝ2, respectivamente. Determinaremos a
matriz [T ] que é de ordem 2x3,

a a12 a13 
[T ] =  11
a21 a22 a23 
onde os elementos da matriz são determinados escrevendo os vetores T(1,1,1), T(1,1,0) e
T(1,0,0), obtidos aplicando T nos vetores da base β, como combinação linear dos vetores da base
γ:

T(1,1,1) = (1,-1) = a11(1,3) + a21(2,5)

T(1,1,0) = (5,-4) = a12(1,3) + a22(2,5)

T(1,0,0) = (3,1) = a13(1,3) + a23(2,5),

e teremos:

a11 = –7, a12 = –33, a13 = –13, a21 = 4, a22 = 19 e a23 = 8. Assim,

− 7 − 33 − 13
[T ] = 
8 
.
4 19

2. Seja T : ℝ3 ℝ3 o operador linear definido por 𝑇(𝑥, 𝑦, 𝑧) = (2𝑥 + 𝑦, 𝑦 − 𝑧, 2𝑦 + 4𝑧).

Vamos determinar [T ] , onde α é a base canônica do ℝ3, que também é denotada por [T ] .

Sendo α a base canônica do ℝ3, α = {u1,u2,u3}, com u1 = (1,0,0), u2 = (0,1,0) e u3 = (0,0,1).

A matriz [T ] , neste caso, é de ordem 3x3 e, para determiná-la, escreveremos os vetores T(u1),

T(u2) e T(u3), como combinação linear dos vetores da base α, Encontrando os vetores T(u1), T(u2)
e T(u3),

T(u1) = T(1,0,0) = (2,0,0)

T(u2) = T(0,1,0) = (1,1,2)

T(u3) = T(0,0,1) = (0,-1,4)

e, escrevendo-os como combinação linear dos vetores da base α, temos

T(u1) = (2,0,0) = 2(1,0,0) + 0(0,1,0) + 0(0,0,1)

T(u2) = (1,1,2) = 1(1,0,0) + 1(0,1,0) + 2(0,0,1)

T(u3) = (0,-1,4) = 0(1,0,0) +(-1)(0,1,0) + 4(0,0,1).

A matriz [T]α é obtida colocando as coordenadas de T(ui) na i-ésima coluna, com i = 1,2,3, ou
seja,

2 1 0 
 
[T ] = 0 1 −1 .
0 2 4 
 
 4 Avaliando o que foi construído

Do exposto nesta unidade, podemos observar que o estudo de isomorfismo entre

subespaços vetoriais V e W, só faz sentido quando se trata da existência de uma aplicação,
definida de V em W, injetora e sobrejetora, onde essa deve ser, necessariamente, linear.

Resumo da Unidade 2

Pontos que eu considero importantes:

✓ _________________________________________________________________________________________
_________________________________________________________________________________________

✓ _________________________________________________________________________________________
_________________________________________________________________________________________

✓ _________________________________________________________________________________________
_________________________________________________________________________________________

Ideias que posso aplicar nos meus estudos O que eu não posso esquecer!!

•
 •
Ideias que posso aplicar no meu trabalho
•