Cap 04 Transformacoes Lineares

Álgebra Linear - Transformação linear
Antonio Cândido Faleiros
Universidade Federal do ABC
Santo André, SP
2021
2
Sumário
1 Transformação linear 5
1.1 Transformação linear e bases . . . . . . . . . . . . . . . . . . . . 12
1.2 Transformações Lineares na Geometria . . . . . . . . . . . . . . 21
1.3 Núcleo e imagem . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.4 Composição . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
1.5 Isomorsmo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
1.6 Matriz de uma transformação linear . . . . . . . . . . . . . . . . 56
1.7 Matriz da transformação composta . . . . . . . . . . . . . . . . 70
1.8 Matriz da transformação inversa . . . . . . . . . . . . . . . . . . 75
1.9 Determinante de um operador linear . . . . . . . . . . . . . . . 77
Professor Antonio Cândido Faleiros

4 SUMÁRIO
Prezados alunos, sejam bem-vindos.
Pegue seu celular, computador ou tablet,
lápis, papel e borracha.
Anote, esboce, faça diagramas, pense, interprete.
Ah... e se tiver alguma dúvida, pergunte.
É assim que se estuda.

Capítulo 1
Transformação linear
Sejam V e W espaços vetoriais.

Uma função
T :V →W
é chamada de aplicação ou transformação de V em W. Chamamos de

operador
T :V →V
Exemplo. 1.
T : R2 → R denida por T (x, y) = xy + 3x
2.
S : R2 → R3 denida por S(x, y) = ( x + y, 2xy, x2 − y 2 )
3.
L : R2 → R2 denida por L (x, y) = ( 3x − 5y, 2x )

6 Transformação linear
Adição e multiplicação por um escalar
T :V →W e L : V → W.
A adição das transformações T e L resulta
T +L:V →W denida por (T + L)(v) = T (v) + L(v).
A multiplicação por um escalar c
cT : V → W denida por (c T )(v) = c T (v).
A transformação T + L é chamada de soma de T com L.

A transformação c T é o produto de c por T.
Exemplo. Se
T (x, y) = (2x − y, x + y, 2y) e L(x, y) = (3y, x − 2y, x).

Então
(T + L)(x, y) = T (x, y) + L(x, y) = (2x − y, x + y, 2y) + (3y, x − 2y, x)

(T + L)(x, y) = (2x + 2y, 2x − y, x + 2y)
e
(5L)(x, y) = 5L(x, y) = 5(3y, x − 2y, x) = (15y, 5x − 10y, 5x).

Denição 1.1 Sejam V e W espaços vetoriais denidos sobre um mesmo

corpo K.
Uma transformação T : V → W é linear se, para todo v1 e v2 em V e
todo escalar c em K,

7
1. T (v1 + v2 ) = T (v1 ) + T (v2 ) e
2. T (c v1 ) = c T (v1 ).
A transformação linear T : V → V recebe o nome de operador linear.
A transformação nula é linear
0:V →W , 0(v) = 0 para todo v em V
O operador identidade é linear
i:V →V , i(v) = v, para todo v em V.
Exemplo. A transformação
T : R2 → R denida por T (x, y) = 2x − 3y
é linear pois
T ( (x, y) + (a, b) ) = T (x + a, y + b)
= 2(x + a) − 3(y + b)
= (2x − 3y) + (2a − 3b)
= T (x, y) + T (a, b).
T ( c(x, y) ) = T (cx, cy) = 2(cx) − 3(cy)

= c(2x − 3y) = cT (x, y),

Exemplo. Não são lineares:

1.
T : R2 → R denida por T (x, y) = xy
não é linear pois
2T (1, 1) = 2 × 1 × 1 = 2
T (2(1, 1)) = T (2, 2) = 2 × 2 = 4
2T (1, 1) 6= T (2(1, 1))
2. Quando n > 1, o determinante
det : Mn×n → R
não é uma transformação linear uma vez que
det(5A) = 5n det(A) 6= 5 det(A).
Teorema 1.2 Sejam V e W espaços vetoriais sobre o mesmo corpo K.

Uma transformação T : V → W é linear se, e só se, para todo par c1 , c2
de escalares e todo par v1 , v2 de vetores em V,
T (c1 v1 + c2 v2 ) = c1 T (v1 ) + c2 T (v2 ) .
Exemplo. Seja A uma matriz real m × n.

A transformação T que leva matrizes coluna n×1 em matrizes coluna m×1,
denida por

9
T (X) = AX é linear.
De fato, se b e c forem números reais, se X, Y forem matrizes coluna,
T (bX + cY ) = A(bX + cY ) = A(bX) + A(cY )

= b(AX) + c(AY ) = bT (X) + cT (Y )
o que prova a linearidade de T.
Exemplo. A derivada é um operador linear.

Sejam f (x) e g(x) forem duas funções reais denidas e deriváveis no inter-
valo aberto a < x < b.
Denote
df df
Df (x) = (x) e Df =
dx dx
Para todo k1 e k2 reais,
D(k1 f + k2 g)(x) = k1 Df (x) + k2 Dg(x),
para todo x no intervalo a < x < b. Logo, vale a igualdade entre funções
D(k1 f + k2 g) = k1 Df + k2 Dg,
A derivada leva a função f em C 1 (a, b) na função Df em C 0 (a, b).
Exemplo. A integral indenida

Z x
f (t)dt = F (x)
a
é uma transformação linear pois

Z x Z x Z x
(k1 f + k2 g)(t)dt = k1 f (t)dt + k2 g(t)dt
a a a
De acordo com o Teorema Fundamental do Cálculo,

Z x
d
f (t) dt = f (x).
dx a
Exemplo. A integral denida

Z b
f (t)dt
a
é uma transformação linear.
Exemplo. O operador T que leva a função polinomial p na função poli-

nomial T (p) denida em todo x real por
T (p)(x) = p(x + 1)
é linear.
Propriedades das transformações lineares
Teorema 1.3 Seja T : V → W é uma transformação linear.

1.
T (0) = 0.
2. Sendo ci escalares e vi vetores de V, então

11
T (c1 v1 + · · · + ck vk ) = c1 T (v1 ) + · · · + ck T (vk )
ou
k
! k
X X
T ci v i = ci T (vi )
i=1 i=1
Exemplo. A transformação T do R2 em R denida por
T (x, y) = 5 + x + 2y não é linear pois T (0, 0) = 5.
Exemplo. A transformação S do R2 no R2 denida por
T (x, y) = (1 + x, 2 + y) não é linear pois T (0, 0) = (1, 2).
Exemplo. O operador T denido no espaço vetorial das matrizes 2 × 2,

denido por

a b 2a + c + 1 c − 7a
T =
c d c + 4d 5b − a + 3
não é linear pois

0 0 1 0
T =
0 0 0 3
Exemplo. A transformação T : R2 → R denida por
T (x, y) = x2 + y
leva o (0, 0) do R2 no 0 de R.

Entretanto, T não é linear. Para v = (1, 3),
2T (v) = 2T (1, 3) = 2(12 + 3) = 8

T (2v) = T ( 2(1, 3) ) = T (2, 6) = 22 + 6 = 10
2T (v) 6= T (2v)
Exemplo. A transformação L do R2 em R, denida por
L(x, y) = xy ,
leva o (0, 0) do R2 no 0 de R. Mas não é linear.
1.1 Transformação linear e bases

Sejam V e W espaços vetoriais sobre um mesmo corpo K.
Considere uma transformação linear
T :V →W
e uma base de V
B = {v1 , . . . , vn }
Podemos decompor um vetor v de V na base B
v = x1 v 1 + · · · + xn v n .

1.1 Transformação linear e bases 13
onde x1 , . . . , xn são as coordenadas de v na base B.

Da linearidade de T,
T (v) = T (x1 v1 + · · · + xn vn ) = x1 T (v1 ) + · · · + xn T (vn ).
Que lições tiramos desta igualdade?
Primeira lição: Basta conhecer os valores de uma transformação linear T

nos vetores de uma base B de V, para calcular o valor de T em qualquer
vetor v de V.
Segunda lição: O conjunto
{ T (v1 ), . . . , T (vn ) }
gera a imagem de T
ima(T ) = { T (v) : v ∈ V }
Exemplo. Seja V um espaço vetorial real de dimensão três e
B = {v1 , v2 , v3 }
uma base de V.
Seja
T :V →R
uma transformação linear para a qual
T (v1 ) = 3, T (v2 ) = 2, T (v3 ) = 1.
Para o vetor
v = −2v1 + 5v2 + 4v3 ,

temos
T (v) = T (−2v1 + 5v2 + 4v3 ) = −2T (v1 ) + 5T (v2 ) + 4T (v3 )

= −2 × 3 + 5 × 2 + 4 × 1 = 8.
Quando
v = x v 1 + y v2 + z v3
for um vetor qualquer de V, então
T (v) = T (xv1 + yv2 + zv3 ) = xT (v1 ) + yT (v2 ) + zT (v3 ) = 3x + 2y + 1z.
Exemplo. Considere a base
B = {v1 , v2 , v3 }
do R3 onde
v1 = (1, 1, 1), v2 = (1, 1, 0) e v3 = (1, 0, 0).
Seja
T : R3 → R2
uma transformação linear
T (v1 ) = (1, 0), T (v2 ) = (2, 1), T (v3 ) = (3, −2).
Vamos calcular
T (x, y, z)

1. Fazemos a decomposição
(x, y, z) = a(1, 1, 1) + b(1, 1, 0) + c(1, 0, 0),
Tal igualdade vetorial corresponde a três igualdades escalares
a + b + c = x,
a + b = y,
a = z.
Resolvendo este sistema linear para a, b, c, obtemos
a = z, b = y − z, c = x − y,
o que nos permite escrever
(x, y, z) = z(1, 1, 1) + (y − z)(1, 1, 0) + (x − y)(1, 0, 0).
Para calcular T (x, y, z), usamos sua linearidade
T (x, y, z) = zT (1, 1, 1) + (y − z)T (1, 1, 0) + (x − y)T (1, 0, 0)

= z(1, 0) + (y − z)(2, 1) + (x − y)(3, −2).
Efetuando as contas, obtemos
T (x, y, z) = ( 3x − y − z, 3y − 2x − z ).
Forma geral das transformações lineares do R2 em R
Seja T : R2 → R uma transformação linear. Basta conhecer

T (1, 0) = a e T (0, 1) = b ,
para calcular T em qualquer par (x, y) do R2
T (x, y) = T (x(1, 0) + y(0, 1)) = xT (1, 0) + yT (0, 1) = a x + b y.
Esta é a forma geral das transformações lineares do R2 em R :
T (x, y) = a x + b y,
onde a e b são números reais.
Exemplo. As transformações do R2 em R denidas por
T1 (x, y) = 0,
T2 (x, y) = 3x − y,
T3 (x, y) = 7y,
são lineares.
Não são lineares
T4 (x, y) = 5,
T5 (x, y) = 2 + x + y,
T6 (x, y) = x2 + 3y,
pois não possuem a forma geral
T (x, y) = ax + by.
Em T4 e T5 a imagem do (0, 0) é diferente do zero.

Em T6 , temos T6 (0, 0) = 0 mas não é linear por causa do termo x2 .

Forma geral das transformações lineares do R3 em R
Seja B = {e1 , e2 , e3 } a base canônica do R3 , isto é,
e1 = (1, 0, 0),
e2 = (0, 1, 0),
e3 = (0, 0, 1),
Considere uma transformação linear
T : R3 → R
Toda n−nupla de números reais pode ser decomposta na base canônica
(x1 , x2 , x3 ) = x1 (1, 0, 0) + x2 (0, 1, 0) + x3 (0, 0, 1)

= x1 e 1 + x2 e 2 + x 3 e 3
Da linearidade de T,
T (x1 , x2 , x3 ) = x1 T (e1 ) + x2 T (e2 ) + x3 T (e3 ).
Denominando
T (e1 ) = a1 , T (e2 ) = a2 , T (e3 ) = a3 ,
obtemos
T (x1 , x2 , x3 ) = a1 x1 + a2 x2 + a3 x3 .
Esta é a forma geral das transformações lineares do R3 em R.

Exemplo. Escrevendo
T (x, y, z) = a1 x + a2 y + a3 z ,
são lineares
L1 (x, y, z) = x + y − 5z,
L2 (x, y, z) = 3x + 5z,
L3 (x, y, z) = 0.
Não são lineares
S1 (x, y, z) = x2 − 2z,
S2 (x, y, z) = 2x + sen y + z 2 ,
S3 (x, y, z) = 2y + z + 1,
Forma geral das transformações lineares do R2 em R2
Toda transformação linear
T : R2 → R2
é da forma
T (x, y) = ( T1 (x, y), T2 (x, y) )
onde T1 e T2 são transformações lineares do R2 em R
T1 (x, y) = a x + b y
T2 (x, y) = c x + d y

Exemplo. São lineares
L(x, y) = (0, 0),

T (x, y) = (5x + 8y, 0),
S(x, y) = (2x, x + 4y)
Não são lineares
F (x, y) = ( F1 (x, y), F2 (x, y) ) = ( 1 + x, y ),

G(x, y) = ( G1 (x, y), G2 (x, y) ) = (−2x + y, xy ).
A F não é linear pois F1 (x, y) = 1 + x não é linear.

A G não é linear pois G2 (x, y) = xy não é linear.
Forma geral das transformações lineares do Rn em Rp
Uma transformação linear
T : Rn → Rp
possui a forma geral
T (x) = ( T1 (x), . . . , Tp (x) )
onde Ti são transformações lineares de Rn em R.
Exemplo. A transformação T : R2 → R4 denida por
T (x, y) = ( T1 (x, y), T2 (x, y), T3 (x, y), T4 (x, y) )
onde

T1 (x, y) = 2x + 6y
T2 (x, y) = 5x
T3 (x, y) = x − 7y
T4 (x, y) = −x + 3y
é linear pois T1 , T2 , T3 e T4 são transformações lineares de R2 em R.
Forma geral das transformações de Mn×1 (R) para Mm×1 (R)
Considere as matrizes coluna de tamanho n × 1



x1
     
1 0 0
 x2 
 0
 1   0
. 
  
 ..  , C1 =  .  , C2 =  ..  , . . . , Cn =  ..
 
X= .
    
   ..   .   . 
xn 0 0 1
O conjunto
{ C1 , C2 , . . . , Cn }
é a base canônica do espaço vetorial das matrizes coluna reais n × 1.

Observe
X = x1 C 1 + x2 C 2 + · · · + xn C n .
Seja T : Mn×1 → Mm×1 a transformação linear tal que
T (C1 ) = A1 , T (C2 ) = A2 , . . . , T (Cn ) = An
temos
T (X) = x1 A1 + x2 A2 + · · · + xn An = AX,
onde A é uma matriz m × n cujas colunas são A1 , A2 , . . . , An .

1.2 Transformações Lineares na Geometria 21
Conclusão: Toda transformação linear
T : Mn×1 → Mm×1
que leva matrizes coluna n × 1 em matrizes coluna m × 1 é da forma
T (X) = AX,
onde A é uma matriz m × n. Uma transformação deste tipo é chamada de

multiplicação por A.
Exemplo. Seja

2 1 0
A=
1 0 3
A transformação T, que leva matrizes 3 × 1 em matrizes 2 × 1, denida por
T (X) = AX
é linear.
Vamos escrever T de modo mais explícito,

   
x x
2 1 0 2x + y
T  y  =  y = .
1 0 3 x + 3z
z z
1.2 Transformações Lineares na Geometria

Projeções ortogonais no plano
As projeções ortogonais são operadores lineares.

O operador linear
P1 (x, y) = (x, 0)
projeta o ponto (x, y) no ponto (x, 0) do eixo x.

O operador linear
P2 (x, y) = (0, y)
projeta o ponto (x, y) no ponto (0, y) do eixo y.
Reexões no plano
O operador
T1 (x, y) = (x, −y)
reete o ponto (x, y) no eixo x do R2 .
O operador
T2 (x, y) = (−x, y)
reete o ponto (x, y) no eixo y do R2 .
O operador
T3 (x, y) = (y, x)
reete o ponto (x, y) na reta x = y do R2 .
Rotações no plano
Seja θ um número real.

O operador linear T : R2 → R2 denido nos elementos da base canônica do
R2 por
T (1, 0) = (cos θ, sen θ) e T (0, 1) = (− sen θ, cos θ),

gira o ponto (x, y) de um ângulo θ em torno da origem.

A rotação acontece no sentido anti-horário quando θ > 0 e no sentido
horário quando θ < 0.
Num par (x, y) qualquer do R2 ,
T (x, y) = T (x(1, 0) + y(0, 1))

= xT (1, 0) + yT (0, 1)
= x(cos θ, sen θ) + y(− sen θ, cos θ)
= ( x cos θ − y sen θ, x sen θ + y cos θ )
= (r, s),
temos
r = x cos θ − y sen θ,
s = x sen θ + y cos θ,
Podemos escrever essas duas igualdades na forma matricial

r cos θ − sen θ x
= .
s sen θ cos θ y
Projeções ortogonais no espaço
As projeções ortogonais são operadores lineares.

Os operadores lineares
T1 (x, y, z) = (0, y, z)
T2 (x, y, z) = (x, 0, z)
T3 (x, y, z) = (x, y, 0)
projetam ortogonalmente o ponto (x, y, z) no plano yz do R3 , no plano xz

do R3 e no plano xy do R3 , respectivamente.
L1 (x, y, z) = (x, 0, 0)
L2 (x, y, z) = (0, y, 0)
L3 (x, y, z) = (0, 0, z)
projetam ortogonalmente o ponto (x, y, z) no eixo x do R3 , no eixo y do

R3 e no eixo z do R3 , respectivamente.
Reexões no espaço
Na geometria espacial, as reexões são operadores lineares.

T1 (x, y, z) = (−x, y, z)
T2 (x, y, z) = (x, −y, z)
T3 (x, y, z) = (x, y, −z)
reetem o ponto (x, y, z) no plano yz do R3 , no plano xz do R3 e no plano

xy do R3 , respectivamente.
Rotações no espaço
Na geometria espacial, as rotações em torno de retas que passam pela

origem, são operadores lineares.
1. O operador
T (x, y, z) = ( x , y cos θ − z sen θ , y sen θ + z cos θ )
gira o ponto (x, y, z) de um ângulo θ em torno do eixo x.

Quando θ > 0, esta rotação acontece no sentido anti-horário quando se

olha para o plano yz a partir do semi-espaço x > 0.
Chamando
T (x, y, z) = (r, s, t)
temos
(r, s, t) = (x , y cos θ − z sen θ , y sen θ + z cos θ).
Esta igualdade vetorial nos leva à igualdade matricial

    
r 1 0 0 x
 s  =  0 cos θ − sen θ   y  .
t 0 sen θ cos θ z
2. O operador
T (x, y, z) = ( x cos θ + z sen θ , y , −x sen θ + z cos θ )
gira o ponto (x, y, z) de um ângulo θ em torno do eixo y.

olha para o plano zx a partir do semi-espaço y > 0.
A igualdade vetorial
(r, s, t) = T (x, y, z) = (x cos θ + z sen θ , y , −x sen θ + z cos θ),
pode ser escrita na forma matricial
    
r cos θ 0 sen θ x
 s = 0 1 0   y .
t − sen θ 0 cos θ z

3. O operador
T (x, y, z) = (x cos θ − y sen θ, x sen θ + y cos θ, z)

gira o ponto (x, y, z) de um ângulo θ em torno do eixo z.

olha para o plano xy a partir do semi-espaço z > 0.
A igualdade vetorial
(r, s, t) = T (x, y, z) = (x cos θ − y sen θ, x sen θ + y cos θ, z),

pode ser escrita na forma matricial
    
r cos θ − sen θ 0 x
 s  =  sen θ cos θ 0   y  .
t 0 0 1 z
Dilatações e contrações
Seja k ≥ 0 um número real.
O operador linear denido sobre o Rn por
T (x) = k x,
é chamado de homotetia de razão k.
Quando 0 ≤ k < 1 a homotetia recebe o nome de contração e, quando k
> 1, recebe o nome de dilatação.
Contração no R2 com razão 1/2
1
T (x, y) = (x, y)
2
Dilatação no R2 com razão 2
L(x, y) = 2(x, y)

1.3 Núcleo e imagem 27
1.3 Núcleo e imagem

Seja T : V → W uma transformação linear.
O conjunto
ima(T ) = { T (v) ∈ W : v ∈ V }
é chamado de imagem de T.
O conjunto
nuc(T ) = { v ∈ V : T (v) = 0 }
é chamado de núcleo de T.
Teorema 1.4 A ima(T ) é um subespaço vetorial de W.
Prova. Se T (v1 ) e T (v2 ) pertencem à ima(T ) e c1 , c2 são escalares,
c1 T (v1 ) + c2 T (v2 ) = T (c1 v1 + c2 v2 ).
Esta igualdade mostra que c1 T (v1 ) + c2 T (v2 ) pertence à imagem de T.
Teorema 1.5 O nuc(T ) é um subespaço vetorial de V.
Prova. Se v1 e v2 pertencem ao nuc(T ), T (v1 ) = 0 e T (v2 ) = 0. Para dois

escalares c1 e c2 , se verica
T (c1 v1 + c2 v2 ) = c1 T (v1 ) + c2 T (v2 ) = c1 0 + c2 0 = 0.
Esta igualdade mostra que c1 v1 + c2 v2 pertence ao núcleo de T.
A dimensão da ima(T ) é chamada de posto de T
pos(T ) = dim ima(T )

A dimensão do nuc(T ) é chamada de nulidade de T
nul(T ) = dim nuc(T )
Exemplo. Vamos determinar uma base do núcleo e uma base da imagem

da transformação linear
T : R4 → R3
denida por
T (w, x, y, z) = ( w − 2x − 2y + z, 2w − 3x − 4y + z, −w + x + 2y ).
1. A imagem de T é o conjunto
T (w, x, y, z) ∈ R3 : (w, x, y, z) ∈ R4

ima(T ) = .
Os pontos da imagem de T são da forma
T (w, x, y, z) = ( w − 2x − 2y + z, 2w − 3x − 4y + z, −w + x + 2y )
= w(1, 2, −1) + x(−2, −3, 1) + y(−2, −4, 2) + z(1, 1, 0)
onde se vê claramente que a imagem de T é gerada pelo conjunto
G = { (1, 2, −1) , (−2, −3, 1) , (−2, −4, 2) , (1, 1, 0) } ,
que é linearmente dependente.
Para obter uma base de ima(T ) a partir de G, basta dispor seus vetores ao
longo das colunas de uma matriz que denominamos A.
Abaixo apresentamos A e R, sua forma escalonada reduzida.
   
1 −2 −2 1 1 0 −2 −1
A=  2 −3 −4 1  R= 0
 1 0 −1  . (a)
−1 1 2 0 0 0 0 0

As duas primeiras colunas de R formam uma base do EC(R).

As duas primeiras colunas de A formam uma base do EC(A).
Uma base da ima(T ) é
B1 = { (1, 2, −1), (−2, −3, 1) }
pos(T ) = dim ima(T ) = 2.
Neste exemplo,
pos(T ) = pos(A) = pos(R).
Nota: O pos(R) é igual ao número de pivôs em R que é igual ao número

de incógnitas dependentes em
RX = 0.
2. O núcleo de T é o conjunto
nuc(T ) = { (w, x, y, z) ∈ R4 : T (w, x, y, z) = (0, 0, 0) }
formado pelas quadras ordenadas (w, x, y, z) tais que
(w − 2x − 2y + z, 2w − 3x − 4y + z, −w + x + 2y) = (0, 0, 0).
Para o vetor da esquerda ser igual ao vetor da direita nesta igualdade, é preciso
que
 
  w  
1 −2 −2 1  0
x   
ou

AX = 0  2 −3 −4 1 
  = 0
y 
−1 1 2 0 0
z

Ao escalonar a matriz dos coecientes, obtemos

 
 w
  
1 0 −2 −1  0
x   
ou

RX = 0  0 1 0 −1 
  = 0
y 
0 0 0 0 0
z
Incógnitas dependentes: w, x.
Incógnitas livres: y, z.
Explicitando as incógnitas dependentes em RX = 0 obtemos
w = 2y + z e x = z.
O núcleo de T é formado pelas quadras (w, x, y, z) da forma
( w, x, y, z ) = ( 2y + z, z, y, z) = y(2, 0, 1, 0) + z(1, 1, 0, 1)
onde y e z são livres. O conjunto
B2 = { (2, 0, 1, 0), (1, 1, 0, 1) }
gera o núcleo de T e é linearmente independente. Isto garante que B2 é uma

base do núcleo de T o que implica em
nul(T ) = dim nuc(T ) = 2.
Nota: Cada incógnita livre em RX = 0 dá origem a um vetor da base do

núcleo de T.
Vemos no exemplo que
nul(T ) = nul(A) = nul(R).
O pos(R) é igual ao número de incógnitas dependentes em RX = 0.

A nul(R) é igual ao número de incógnitas livres em RX = 0.

Ao adicioná-las obtemos 4, que é o número de colunas de R, exatamente a
dimensão do domínio de T.
Conclusão,
pos(T ) + nul(T ) = 4 = dim R4 .

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

transformação linear T, vale para toda transformação linear, o que dá origem
ao teorema seguinte.
Teorema 1.6 Seja T : V → W uma transformação linear. Quando V possui

dimensão nita,
dim ima(T ) + dim nuc(T ) = dim(V )
ou
pos(T ) + nul(T ) = dim(V ).
Exercício 1.7 Seja T : R3 → R3 a transformação linear
T (x, y, z) = ( x − 2y, y + z, 2x − y + 3z ).
1. Determine uma base da ima(T ) e o pos(T ).
Exemplo. 2. Determine uma base do nuc(T ) e a nul(T ).
Exercício 1.8 Considere o operador linear T : R5 → R3 denido por
T (v, w, x, y, z) = ( v − w + y, 2v − 2w + x + 2y − z, w − v + x − 2z ).
1. Determine uma base da ima(T ) e o pos(T ).

Exemplo. 2. Determine uma base do nuc(T ) e a nul(T ).
Exercício 1.9 Seja A uma matriz real de tamanho m × n. Considere a trans-

formação linear
T (X) = AX,
que leva uma matriz coluna X com n linhas numa matriz coluna AX com m
linhas.
Exemplo. 1. Mostre que nuc(T ) = nuc(A).

2. Mostre que
ima(T ) = EC(A) e pos(T ) = pos(A).
Exercício 1.10 Abaixo, R é uma forma escalonada de A,

   
1 −2 −3 −2 1 1 −2 −3 −2 1
 1 −1 −4 −1 −2   0 1 −1 1 −3 
A=  , R= 
 1 0 −5 0 −5   0 0 0 0 0 
−2 3 7 3 1 0 0 0 0 0
Nota-se que
pos(A) = pos(R) = 2 e nul(A) = nul(R) = 3.
Considere a transformação linear T que leva matrizes coluna X com 5 linhas

em matrizes coluna T (X) = AX com 4 linhas.
Sabemos que
ima(T ) = EC(A) ⇒ pos(T ) = pos(A) = pos(R) = 2

nuc(T ) = nuc(A) ⇒ nul(T ) = nul(A) = nul(R) = 3.

1.4 Composição 33
1. Determine uma base da ima(T ).

2. Determine uma base do nuc(T ).
1.4 Composição
Sejam
L:U →V e T :V →W
duas transformações entre os espaços vetoriais.

A transformação
T ◦L:U →W
denida por
T ◦ L(u) = T ( L(u) )
é denominada composta de L com T.

A operação que leva L e T na composta T ◦ L é chamada de composição
de transformações.
Ao compor um operador T : V → V com o operador identidade id : V →
V, obtemos o próprio T
T ◦ id = id ◦ T = T.
A composição não é uma operação comutativa.
Exemplo. Considere as transformações lineares
L(x, y) = ( 3x, −2y ),

T (x, y) = ( x + y, 2x − y ).

Calculemos as composições
L ◦ T (x, y) = L(T (x, y)) = L(x + y, 2x − y)

= ( 3(x + y), −2(2x − y) )
= ( 3x + 3y, −4x + 2y ).
T ◦ L(x, y) = T (L(x, y)) = T ( 3x, −2y )

= ( 3x − 2y, 6x + 2y ).
Embora faça sentido calcular L ◦ T e T ◦ L, os resultados são diferentes.
Quando
T ◦ L = L ◦ T,
diremos que as transformações T e L comutam.
Exemplo. Os operadores lineares sobre o R2
L(x, y) = (−x, y) e T (x, y) = (x, −y)
comutam pois
L ◦ T (x, y) = L(x, −y) = (−x, −y)

e
T ◦ L(x, y) = T (−x, y) = (−x, −y),

mostrando que L ◦ T = T ◦ L. Pensando em termos geométricos, perceba que
L é uma reexão no eixo y e T uma reexão no eixo x.
Exemplo. Os operadores lineares

1.4 Composição 35
T (x, y) = (y, x) e L (x, y) = (x, 0)
não comutam pois
L ◦ T (x, y) = L( T (x, y) ) = L (y, x) = (y, 0)
T ◦ L (x, y) = T ( L (x, y) ) = T (x, 0) = (0, x)

Exercício 1.11 Determine a composição T ◦ L das transformações lineares
L(x, y) = ( y, x + y, 2y ) e T (x, y, z) = 2x + y − z.
e verique que ela é linear.
Teorema 1.12 A composta de duas transformações lineares é linear.
Prova. Se T e L forem lineares,
T ◦ L(c1 u1 + c2 u2 ) = T ( L(c1 u1 + c2 u2 ) )
= T ( c1 L(u1 ) + c2 L(u2 ) )
= c1 T ( L(u1 ) ) + c2 T ( L(u2 ) )
= c1 T ◦ L(u1 ) + c2 T ◦ L(u2 )
o que prova a linearidade da composta.
Na primeira igualdade usamos a denição de composição. Na segunda

igualdade usamos a linearidade de L. Na terceira a linearidade de T. Na quarta
igualdade, a denição de composição.
A composição de funções é uma operação associativa
(T3 ◦ T2 ) ◦ T1 = T3 ◦ (T2 ◦ T1 )

e podemos denotar as transformações acima por
T3 ◦ T2 ◦ T1
sem os parênteses.
Exemplo. Denotemos por P (R) o espaço vetorial das funções polinomiais

reais com domínio em R.
Considere as transformações lineares L e T que levam funções polinomiais
em funções polinomiais. Sendo p uma função polinomial, L(p) e T (p) são
funções polinomiais denidas, em cada número real x, por
L(p)(x) = x p(x) e T (p)(x) = p(1 + 2x).
Vamos calcular a composição T ◦L. Esta função leva uma função polinomial
p na função polinomial T ◦ L(p) que, aplicada num número real x, resulta em
T ◦ L(p)(x) = T (L(p))(x) = L(p)(1 + 2x) = (1 + 2x)p(1 + 2x).
Vamos calcular L ◦ T aplicada numa função polinomial p, resulta em outra

função polinomial L ◦ T (p) que, aplicada num número real x, resulta em
L ◦ T (p)(x) = L(T (p))(x) = x T (p)(x) = x p(1 + 2x).
Estes cálculos mostram que a composição não é uma operação comutativa pois
T ◦ L(p)(x) − L ◦ T (p)(x) = (1 + x) p(1 + 2x)

para todo x real e
T ◦ L(p) 6= L ◦ T (p) para toda função polinomial p
T ◦ L 6= L ◦ T.

1.4 Composição 37
Sugerimos ao leitor que calcule T ◦ L(p)(x) e L ◦ T (p)(x) quando p for a

função polinomial p(x) = 2x − 3x2 .
Sejam f e g funções reais com domínio e contradomínio e R. O produto f g

das funções f com g é aquela que, aplicada num número real x, fornece
(f g)(x) = f (x) g(x).
Exemplo. Neste exemplo, todas as funções pertencem ao espaço vetorial

C ∞ (R) das funções reais com domínio em R, cujas derivadas de todas as ordens
são contínuas.
Vamos denotar por i a função identidade (i(x) = x).
Consideremos os operadores
T (f ) = i f e L(f ) = f 0 ,
onde i f é o produto da função identidade pela função f e f 0 é a derivada de

f.
Vamos mostrar que T e L não comutam.
Vamos calcular T (f ) e L(f ) em um número real x
T (f )(x) = (i f )(x) = i(x)f (x) = xf (x),

L(f )(x) = f 0 (x).
Quando f é a função
f (x) = sen(x),
calculamos
T (f )(x) = xf (x) = x sen(x)

L(f )(x) = f 0 (x) = cos(x).

Os operadores T e L são lineares.

Para vericar esta armação, tome dois números reais quaisquer c1 , c2 e
duas função quaisquer f1 , f2 . Então
T (c1 f1 + c2 f2 ) = i(c1 f1 + c2 f2 ) = c1 (i f1 ) + c2 (i f2 ) = c1 T (f1 ) + c2 T (f2 )

L(c1 f1 + c2 f2 ) = (c1 f1 + c2 f2 )0 = c1 f1 0 + c2 f2 0 = c1 L(f1 ) + c2 L(f2 )
Vamos calcular a derivada de T (f )
T (f )0 = (i f )0 = i0 f + i f 0 = f + i f 0 ,
pois i0 (x) = 1 para todo x real.

Vamos mostrar que os operadores T e L não comutam, isto é,
T ◦ L 6= L ◦ T.
Calculando as duas composições, segue
T ◦ L(f ) = T (L(f )) = T (f 0 ) = i f 0
L ◦ T (f ) = L(T (f )) = T (f )0 = (i f )0 = f + i f 0
onde se vê claramente que
L ◦ T (f ) = T ◦ L(f ) + f
e os operadores T e L não comutam.

1.5 Isomorsmo 39
1.5 Isomorsmo
As transformações são funções entre espaços vetoriais e para elas se aplicam os
conceitos de função injetora, sobrejetora, bijetora e inversa. Vamos recordar
esses conceitos.
Denição 1.13 Considere a transformação T : V → W.

1. T é sobrejetora quando sua imagem for igual a W
ima(T ) = {T (v) : v ∈ V } = W
Isto signica que cada vetor w em W é imagem de pelo menos um vetor v

em V
T (v) = w.
2. T é injetora quando leva vetores distintos de V em vetores distintos de

W.
Isto signica que:
(a) se v1 6= v2 , então T (v1 ) 6= T (v2 )
ou que
(b) se T (v1 ) = T (v2 ). então v1 = v2 .
3. T é bijetora quando for sobrejetora e injetora.
Isto signica: cada vetor w em W é imagem de um único vetor v em V
T (v) = w.
Exemplo. Vamos mostrar que a transformação T : R2 → R3 denida por
T (x, y) = ( x + y, −x + y, x + 2y )
é injetora mas não é sobrejetora.

1. Vamos mostrar que T não é sobrejetora.

Vamos vericar quais ternos ordenados (a, b, c) do R3 estão na imagem de
T.
Seja (x, y) tal que
T (x, y) = (a, b, c)
( x + y, −x + y, x + 2y ) = (a, b, c)
que pode ser escrita na forma matricial equivalente

   
1 1 a
 −1 1  x =  b  .
y
1 2 c
Abaixo apresentamos a equação escalonada obtida pelo método de Gauss

   
1 1 a
 0 2  x = a+b . (1.1)
y
0 0 2c − b − 3a
Esta equação possui solução apenas quando
2c − b − 3a = 0.
Apenas os ternos (a, b, c) do R3 que satisfazem à relação acima estão na

imagem de T
e a transformação não é sobrejetora.
2. Vamos mostrar que T é injetora.
Quando (a, b, c) está na imagem de T, a relação
b = 2c − 3a
é satisfeita e a equação (a) ca assim

1.5 Isomorsmo 41
   
1 1 a
 0 2  x =  2c − 2a  . (b)
y
0 0 0
Para cada a e b, esta equação possui uma única solução em x e y, uma vez que
não há incógnita livre.
Para cada (a, b, c) na imagem de T, existe um único par (x, y) tal que
T (x, y) = (a, b, c).
Portanto, T é injetora.
3. Vamos determinar o (x, y) que é levado por T em (a, b, c).
A solução de (b) em x e y é
x = 2a − c e y = c − a.
Quando (a, b, c) pertence à imagem de T, vale a relação e
T ( 2a − c, c − a ) = (a, b, c).
Exemplo. Vamos mostrar que a transformação T : R3 → R2 denida por
T (x, y, z) = (x + y + z, x + 2y + 2z)
é sobrejetora mas não é injetora.
Se um par ordenado (a, b) do R2 estiver na imagem de T,
T (x, y, z) = (a, b)
(x + y + z, x + 2y + 2z) = (a, b).
Esta igualdade vetorial resulta na igualdade matricial

 
x
1 1 1  y = a .
1 2 2 b
z
Escalonando esta equação chegamos em
 
x
1 1 1  y = a
,
0 1 1 b−a
z
que possui solução para todo par ordenado (a, b), mostrando que T é sobreje-
tora.
Por outro lado, z é incógnita livre e isto signica que, dado (a, b), existe
uma innidade de ternos ordenados (x, y, z) para os quais T (x, y, z) = (a, b),
provando que T não é injetora.
Resolvendo a equação matricial em x, y e z, obtemos
x = 2a − b,
y = b − a − z,
onde z é livre. Para todo z real,
T (2a − b, b − a − z, z) = (a, b).
Para cada valor de z, o terno ordenado
(2a − b, b − a − z, z) é levado por T em (a, b)
A transformação T não é injetora.
Exemplo. Vamos mostrar que a transformação linear T : R3 → R3 denida

por
T (x, y, z) = ( x − y − z, x − 2z, x − y )
é bijetora.

1.5 Isomorsmo 43
1. Quando (a, b, c) está na imagem de T, existe (x, y, z) para o qual
T (x, y, z) = (a, b, c),

( x − y − z, x − 2z, x − y ) = (a, b, c)
Esta igualdade vetorial corresponde à igualdade matricial

    
1 −1 −1 x a
 1 0 −2   y  =  b  (a)
1 −1 0 z c
que escalonada resulta em
    
1 −1 −1 x a
 0 1 −1   y  =  b − a  (b)
0 0 1 z c−a
Esta equação é consistente para todo (a, b, c) e não possui incógnita livre.
Para cada (a, b, c), existe um único (x, y, z) para o qual
T (x, y, z) = (a, b, c).
Isto mostra que T é bijetora.

A solução de (b) em x, y e z é
x = −2a + b + 2c,
y = −2a + b + c, (c)
z = c − a.
Sendo T bijetora, ela possui inversa T −1
T (x, y, z) = (a, b, c), então T −1 (a, b, c) = (x, y, z).
Assim,
T −1 (a, b, c) = (−2a + b + 2c, −2a + b + c, −a + c),

que também é linear e bijetora.
Exercício 1.14 Mostre que a transformação linear T : R2 → R3 denida por
T (x, y) = (x + y, x − y, 2y).
não é sobrejetora mas é injetora.
Exercício 1.15 Mostre que o operador linear T : R2 → R2 , denido em todo

(x, y) do R2 por
T (x, y) = ( x + y, x + 2y)
é bijetor.
Mostre que sua inversa é
T −1 (a, b) = (2a − b, b − a) ,
e observe que ela também é linear e bijetora.
Denição 1.16 Uma transformação T : V → W linear e bijetora é chamada

de isomorsmo de V em W.
Quando existir um isomorsmo entre V e W, diremos que estes espaços
são isomorfos.
Teorema 1.17 A inversa de um isomorsmo também é um isomorsmo.
Prova. Quando uma transformação T : V → W é bijetora, sua inversa

T −1
: W → V também é bijetora.
Vamos provar que a inversa de uma transformação linear e bijetora é linear.
A cada w em W existe uma único v em V tal que

1.5 Isomorsmo 45
T (v) = w e T −1 (w) = v
Tome dois vetores v1 e v2 e suas imagens w1 = T (v1 ) e w2 = T (v2 ).

Para dois escalares c1 e c2 quaisquer,
T (c1 v1 + c2 v2 ) = c1 T (v1 ) + c2 T (v2 ) = c1 w1 + c2 w2
de onde obtemos
T −1 (c1 w1 + c2 w2 ) = c1 v1 + c2 v2 = c1 T −1 (w1 ) + c2 T −1 (w2 )
o que prova a linearidade de T −1 .
A composição de isomorsmos é um isomorsmo, como se enuncia a seguir.
Teorema 1.18 Se
L:U →V e T :V →W
forem isomorsmos, então a composta T ◦ L : U → W é um isomorsmo e
(T ◦ L)−1 = L−1 ◦ T −1 .
Prova. A prova de que T ◦L é um isomorsmo é imediata pois a composição

de funções bijetoras é uma função bijetora e a composição de funções lineares
é linear.
Para provar que a inversa de T ◦L é L−1 ◦T −1 , basta efetuar as composições
(L−1 ◦ T −1 ) ◦ (T ◦ L) = L−1 ◦ (T −1 ◦ T ) ◦ L = L−1 ◦ iV ◦ L = L−1 ◦ L = iU ,

(T ◦ L) ◦ (L−1 ◦ T −1 ) = T ◦ (L ◦ L−1 ) ◦ T −1 = T ◦ iV ◦ T −1 = T ◦ T −1 = iW
onde iU , iV e iW são as transformações identidade em U, V e W. Logo,

L−1 ◦ T −1 é a inversa de T ◦ L.
A composição de três ou mais isomorsmos é um isomorsmo.

Se for possível compor os isomorsmos R, S e T,
(R ◦ S ◦ T )−1 = T −1 ◦ S −1 ◦ R−1 .
O próximo teorema pode ser útil na vericação da injetividade de uma

transformação linear.
Teorema 1.19 Uma transformação linear T : V → W é injetora se, e só se,
T (v) = 0 implicar em v = 0.
Prova. 1. Vamos supor que T é injetora. Sendo T linear, sabe-se que

T (0) = 0. Se houver v tal que T (v) = 0. A injetividade de T implica em
v = 0.
2. Suponha que T (v) = 0 implica em v = 0. Sejam v1 e v2 vetores tais que
T (v1 ) = T (v2 ) . Da linearidade de T segue que T (v1 − v2 ) = T (v1 ) − T (v2 )
= 0 o que implica em v1 − v2 = 0 ou v1 = v2 , provando que T é injetora.
Exemplo. Seja A uma matriz real quadrada n × n.

Considere a transformação linear
T (X) = AX,
que leva uma matriz coluna X de tamanho n × 1 na matriz coluna AX de

tamanho n × 1.
A transformação T é um isomorsmo se, e só se, A for inversível.

1.5 Isomorsmo 47
1. Se T for um isomorsmo, então é injetora. Neste caso,

T (X) = AX = 0 implica em X = 0.
Como a única solução de AX = 0 é X = 0, concluímos que A é inversível.
2. Quando A for inversível, a equação AX = B possui uma única solução
dada por
X = A−1 B,
para toda matriz coluna B de tamanho n × 1.
Isto signica que toda matriz coluna B de tamanho n × 1 está na imagem
de T que, portanto, T é sobrejetora.
Além disso, quando A é inversível e AX = 0, então X = 0. Logo, T (X) = 0
implica em X = 0, provando que T é injetora.
Sendo sobrejetora e injetora, T é um isomorsmo.
A transformação inversa de T (X) = AX é denida por
T −1 (Y ) = A−1 Y.
Teorema 1.20 Sejam V e W espaços vetoriais de dimensão nita e n =

dim(V ).
Seja B = {v1 , . . . , vn } uma base de V.
1. T é injetora se, e só se, {T (v1 ), . . . , T (vn )} possuir n vetores distintos
e for LI. Neste caso,
dim(W ) ≥ n = dim(V ).
2. T é sobrejetora se, e só se, {T (v1 ), . . . , T (vn )} gera W e, neste caso,
dim(W ) ≤ n = dim(V ).
3. T é bijetora (isomorsmo) se, e só se, {T (v1 ), . . . , T (vn )} for base de

W e
dim(V ) = dim(W ).

Prova. Prova do item 1. Se T for injetora, sejam x1 , . . . , xn escalares tais

que
x1 T (v1 ) + · · · + xn T (vn ) = 0.
Da linearidade e injetividade de T,
T (x1 v1 + · · · + xn vn ) = 0 ⇒ x1 v1 + · · · + xn vn = 0.
Da independência linear de B, x1 = 0, . . . , xn = 0, provando a indepen-

dência linear de
{T (v1 ), . . . , T (vn )}.
Fica por conta do leitor a prova de que, se este conjunto foi LI a transfor-
mação T é injetora. Basta provar que, se T (v) = 0, então v = 0.
Uma vez que W possui um conjunto linearmente independente com n ve-
tores,
dim(W ) ≥ n = dim(V ).
Prova do item 2. Se T for sobrejetora, para qualquer w em W, existe v em

V tal que
w = T (v).
Como B é base de V, existem escalares y1 , . . . , yn tais que v = y1 v1 + · · ·

+ yn vn e
w = T (v) = T (y1 v1 + · · · + yn vn ) = y1 T (v1 ) + · · · + yn T (vn ),
mostrando que {T (v1 ), . . . , T (vn )} gera W.

Não é difícil vericar que, se o conjunto {T (v1 ), . . . , T (vn )} gera W, então
T é sobrejetora.
Como W possui um conjunto gerador com n vetores, então

1.5 Isomorsmo 49
dim(W ) ≤ n = dim(V ).
Prova do item 3. Quando T é bijetora, ela é injetora e sobrejetora.

Os itens anteriores garantem que isto ocorre se, e só se, {T (v1 ), . . . , T (vn )}
é uma base de W.
Como W possui uma base com n vetores, dim(W ) = n = dim(V ).
Corolário 1.21 Sejam V e W dois espaços vetoriais sobre um mesmo corpo,

ambos com dimensão nita.
Os espaços V e W são isomorfos se, e só se, dim V = dim W.
Todo isomorsmo T : V → W leva uma base
{v1 , . . . , vn }
de V numa base
{T (v1 ), . . . , T (vn )}
de W.
Exemplo. Seja B = { e1 , e2 , e3 } uma base do R3 .

1. Considere uma transformação linear
T : R3 → R4 .
Ela é injetora se, e só se, o conjunto
{ T (e1 ), T (e2 ), T (e3 ) }
for linearmente independente. O conjunto de vetores acima não gera o R4 ,

que possui dimensão 4. Logo, T não é sobrejetora.

2. Considere uma transformação linear
L : R3 → R2 .
Ela é sobrejetora se, e só se, o conjunto
{ L(e1 ), L(e2 ), L(e3 ) }
gerar o R2 . Este conjunto não é linearmente independente pois R2 possui

dimensão 2. Logo, L não é injetora.
Isomorsmo entre o Rn e espaço vetoriais de dimensão n
Seja
B = {v1 , . . . , vn }
uma base de um espaço vetorial real V de dimensão n nita.
A transformação linear T : V → Rn denida em B por
T (v1 ) = (1, 0, 0, . . . , 0) = e1
T (v2 ) = (0, 1, 0, . . . , 0) = e2
···
que leva os vetores da base B nos vetores da base canônica
C = {e1 , . . . , en }
do Rn é um isomorsmo de V em Rn .
Se
v = x1 v 1 + x2 v 2 + · · · + xn v n

1.5 Isomorsmo 51
então
T (v) = x1 T (v1 ) + x2 T (v2 ) + · · · + xn T (vn )

= x1 e1 + x2 e2 + · · · + xn en
= (x1 , x2 , . . . , xn )
Este isomorsmo permite identicar o vetor
v = x 1 v 1 + x2 v 2 + · · · + xn v n
em V com o seu vetor de coordenadas
(x1 , . . . , xn )
que está no Rn .
Esta é a razão pela qual o Rn é um espaço vetorial importante. Trabalhar
no Rn é simples e ele é isomorfo a todo espaço vetorial de dimensão n.
Se dois espaços vetoriais forem isomorfos, toda propriedade de um se trans-
fere para o outro pelo isomorsmo. Uma propriedade que dois espaços isomor-
fos compartilham é a dimensão.
Quando houver um isomorsmo que não depende de uma escolha das bases,
diremos que o isomorsmo é canônico e que os dois espaços são canonica-
mente isomorfos.
Sob o ponto de vista da Álgebra Linear, dois espaços canonicamente iso-
morfos são indistinguíveis.
Tudo o que existir ou for feito em um, pode ser transportado ao outro,
através do isomorsmo.
São canonicamente isomorfos ao Rn , o espaço das matrizes linha reais com
n colunas e o espaço das matrizes coluna reais com n linhas. Os isomorsmos
canônicos são fornecidos pelas correspondências
T
(x1 , . . . , xn ) ↔ x1 · · · xn ↔ x1 · · · xn .

O espaço Pn (R), das funções polinomiais reais de grau menor ou igual a n,

é canonicamente isomorfo ao Rn+1 .
O isomorsmo canônico entre eles é fornecido pela correspondência
(a0 , a1 , . . . , an ) ↔ p(x) = a0 + a1 x + · · · + an xn .
Vamos explorar este isomorsmo canônico entre espaços para resolver al-
guns exercícios.
Exemplo. Vamos determinar uma base para o espaço das funções polino-
miais de P3 (R) gerado por
{ p1 , p2 , p3 , p4 }
onde, para todo x real,
p1 (x) = 1 + 2x − 3x2 + x3 , p2 (x) = −1 − 1x + 4x2 − 5x3 ,

p3 (x) = 1 + 3x − 2x2 − 3x3 , p4 (x) = −1 + 6x2 − 7x3 .
As funções polinomiais envolvidas pertencem a P3 (R) que possui dimensão

4.
Vamos transferir o problema para o R4 .
Nesta transferência de P3 (R) para o R4 , usamos o isomorsmo que leva a
função polinomial
p(x) = a + bx + cx2 + dx3
na quadra ordenada
(a, b, c, d).
Desta forma associamos aos polinômios

1.5 Isomorsmo 53
p1 (x) = 1 + 2x − 3x2 + x3 , p2 (x) = −1 − 1x + 4x2 − 5x3 ,

p3 (x) = 1 + 3x − 2x2 − 3x3 , p4 (x) = −1 + 6x2 − 7x3 .
as quadras ordenadas
v1 = (1, 2, −3, 1), v2 = (−1, −1, 4, −5)

v3 = (1, 3, −2, −3), v4 = (−1, 0, 6, −7).
Consideremos o subespaço vetorial do R4 gerado por
G = {v1 , v2 , v3 , v4 }.
Para obter uma base deste espaço, basta colocar seus vetores nas linhas de
uma matriz A e escalonar para obter R.
   
1 2 −3 1 1 2 −3 1
 −1 −1 4 −5   0 1 1 −4 
A=  , R= .
 1 3 −2 −3   0 0 1 2 
−1 0 6 −7 0 0 0 0
As três primeiras linhas de R é uma base do seu espaço linha.

Como EL(A) = EL(R), estas três primeiras linhas também é uma base do
EL(A). de R e
O conjunto B = {w1 , w2 , w3 }, onde
w1 = (1, 2, −3, 1), w2 = (0, 1, 1, −4), w3 = (0, 0, 1, 2),
é uma base do espaço gerado por G.

Agora vamos retornar ao espaço P3 (R), usando o isomorsmo inverso,
aquele que associa cada quadra (a, b, c, d) à função polinomial
p(x) = a + bx + cx2 + dx3 .

Mediante esta correspondência, uma base para o espaço gerado pelas fun-
ções polinomiais p1 , p2 , p3 , p4 é o conjunto {q1 , q2 , q3 } onde, para todo x real,
q1 (x) = 1 + 2x − 3x2 + x3 , q2 (x) = x + x2 − 4x3 , q3 (x) = x2 + 2x3 .

No exemplo que acabamos de resolver, nem todas as funções polinomiais

pertencem ao conjunto gerador.
Se desejarmos uma base formada por funções pertencentes ao conjunto ge-
rador, podemos proceder como no próximo exemplo, onde colocamos os vetores
do Rn nas colunas de uma matriz.
Exemplo. Vamos determinar uma base do espaço gerado pelas funções

polinomiais
{ p1 , p2 , p3 , p4 , p5 }
onde, para todo x real,
p1 (x) = 1 + 2x + x2 , p2 (x) = 1 + x + 2x2 ,

p3 (x) = −4 − 5x − 7x2 , p4 (x) = −1 + x − 4x2 ,
p5 (x) = 2 + 3x + 4x2 .
Queremos que a base seja formada por funções polinomiais do conjunto

gerador.
Como as funções polinomiais estão todas em P2 (R), cuja dimensão é 3,
usaremos o isomorsmo
p(x) = a + bx + cx2 → (a, b, c)
Através desse isomorsmo, as funções polinomiais p1 , p2 , p3 , p4 , p5 são

levadas nos vetores do conjunto
G = { (1, 2, 1), (1, 1, 2), (−4, −5, −7), (−1, 1, −4), (2, 3, 4) }.

1.5 Isomorsmo 55
Para determinar uma base do espaço gerado por G formada exclusivamente

por vetores de G, colocamos seus vetores nas colunas de uma matriz A e a
escalonamos para obter R.
   
1 1 −4 −1 2 1 1 −4 −1 2
A= 2 1 −5 1 3 , R= 0 1 −3 −3 1 .
1 2 −7 −4 4 0 0 0 0 1
Como as colunas 1, 2 e 5 de R formam uma base do espaço coluna de R,

as colunas 1, 2 e 5 de A formam uma base do espaço coluna de A.
Uma base do espaço gerado por G é formada pelo seu primeiro, segundo e
quinto vetor
B = { (1, 2, 1), (1, 1, 2), (2, 3, 4) }.
Precisamos voltar ao espaço das funções polinomiais substituindo cada

terno (a, b, c) pela função polinomial p(x) = a + bx + cx2 .
O conjunto {p1 , p2 , p5 } é uma base do espaço gerado por p1 , p2 , p3 , p4 , p5 .
Como o espaço gerado por {p1 , p2 , p5 } possui dimensão 3, ele é todo o
P2 (R).
Teorema 1.22 Sejam V e W dois espaços vetoriais sobre um mesmo corpo,

ambos com dimensão nita n.
1. Se T for injetora, então T é um isomorsmo.
2. Se T for sobrejetora, então T é um isomorsmo.
Prova. Seja B1 = {v1 , . . . , vn } uma base de V e B2 = {T (v1 ) . . . , T (vn )}

um conjunto de vetores de W.
1. Sendo T injetora, B2 é linearmente independente. Como W possui
dimensão n, B2 é base de W. Como T leva os vetores da base B1 em vetores
da base B2 , concluímos que T é um isomorsmo.

2. Sendo T sobrejetora, B2 gera W e possui no máximo n vetores distintos

(ainda não excluímos a possibilidade de T (vi ) = T (vj ) para algum i diferente
de j). Como a dimensão de W é n, o conjunto gerador não pode ter menos do
que n vetores distintos. Portanto, B2 possui exatamente n vetores distintos e
gera W, sendo assim uma base de W. Como T leva os vetores da base B1 em
vetores da base B2 , concluimos que T é um isomorsmo.
Exercício 1.23 Verique quais transformações lineares abaixo são sobrejeto-

ras, quais são injetoras e quais são bijetoras.
1. T : R2 → R2 denida por T (x, y) = (2x − y, x + 3y).
2. T : R3 → R3 denida por T (x, y, z) = (x, y, 0).
3. T : M3×1 (R) → M2×1 (R) denida por T (X) = AX, onde

3 3 7
A= .
2 3 5
1.6 Matriz de uma transformação linear

Sejam V e W dois espaços vetoriais com dimensão nita, denidos sobre o
mesmo corpo.
Seja B = {v1 , . . . , vn } uma base de V e B 0 = {w1 , . . . , wm } uma base de
W.
Os vetores T (v1 ), . . . , T (vn ) estão em W e podem ser decompostos numa
combinação linear de vetores da base B 0
T (v1 ) = a11 w1 + a21 w2 + · · · + am1 wm ,

T (v2 ) = a12 w1 + a22 w2 + · · · + am2 wm ,
..
.
T (vn ) = a1n w1 + a2n w2 + · · · + amn wm .

1.6 Matriz de uma transformação linear 57
A matriz
 
a11 a21 · · · a1n
 a21 a22 · · · a2n 
[T ]BB 0 =  .. .. . . .. ,
 
 . . . . 
am1 am2 · · · amn
onde as colunas são as matrizes de coordenadas de T (v1 ), T (v2 ), . . . , T (vn ),

é denominada matriz de T nas bases B e B 0 .
Quando T : V → V for um operador linear e B 0 = B, a matriz [T ]BB , é
chamada de matriz de T na base B e pode ser denotada por [T ]B .
Exemplo. Seja i : V → V o operador identidade
i(v) = v, para todo v em V.

Se B = {v1 , . . . , vn } for uma base de V, a matriz [i]BB é a matriz identidade,
uma vez que
i(v1 ) = v1 = 1v1 + 0v2 + · · · + 0vn ,

i(v2 ) = v2 = 0v1 + 1v2 + · · · + 0vn ,
···
i(vn ) = vn = 0v1 + 0v2 + · · · + 1vn .
Então
[i]B = I.
A matriz de uma transformação linear T : Rn → Rm nas bases canônicas

do Rn e do Rm é chamada matriz canônica de T.
Exemplo. Considere a transformação linear T : R3 → R2 denida por
T (x, y, z) = ( 3x − 7y + 4z, 5x + 2y − 8z).
Tome as bases canônicas
C = {(1, 0, 0), (0, 1, 0), (0, 1, 0)} do R3

e
C 0 = {(1, 0), (0, 1)} do R2
Da denição de T,
T (1, 0, 0) = (3, 5) = 3(1, 0) + 5(0, 1) ,

T (0, 1, 0) = (−7, 2) = −7(1, 0) + 2(0, 1) ,
T (0, 0, 1) = (4, −8) = 4(1, 0) − 8(0, 1) .
A matriz canônica de T é

3 −7 4
[T ]CC 0 = .
5 2 −8
Exemplo. Considere a transformação linear T : R2 → R3 denida por
T (x, y) = ( x − y, 3x + 2y, y ).
Considere as bases B e B 0 do R2 e do R3 , respectivamente,
B = {(1, −1), (−2, 1)} e B 0 = {(1, 0, 0), (1, 1, 0), (1, 1, 1)}
Vamos determinar a matriz de T nas bases B e B 0 .

Precisamos calcular T nos vetores da base B e decompor os resultados na
base B 0
T (1, −1) = (2, 1, −1) = a11 (1, 0, 0) + a21 (1, 1, 0) + a31 (1, 1, 1) ,
T (−2, 1) = (−3, −4, 1) = a12 (1, 0, 0) + a22 (1, 1, 0) + a32 (1, 1, 1) .
Estas duas igualdades vetoriais podem ser colocadas na forma matricial

    
1 1 1 a11 a12 2 −3
 0 1 1   a21 a22  =  1 −4 
0 0 1 a31 a32 −1 1
A matriz [aij ] é a matriz procurada [T ]BB 0 . Vamos determiná-la usando o

método de Gauss-Jordan, que resulta no seguinte algoritmo:
Quando A é inversível, existem matrizes elementares
E1 , . . . , Ek
tais que
I = Ek · · · E1 A ⇒ A−1 = Ek · · · E1
Se queremos determinar B tal que AB = C, então
AB = C ⇒ B = A−1 C ⇒ B = Ek · · · E1 C
Iniciamos com a matriz ampliada
[A|C]
e aplicamos operações elementares a esta matriz
[ Ek · · · E1 A | Ek · · · E1 C ]
até chegar à matriz identidade no lugar em que estava A.
Quando isto acontece, onde estava C, camos com B = A−1 C
[I |B]
A matriz ampliada para nossa equação em B = [T ]BB 0 é

 
1 1 1 2 −3
 0 1 1 1 −4 
0 0 1 −1 1

Aplicamos a ela sucessivas operações elementares até obter sua forma es-
calonada reduzida
 
1 0 0 1 1
 0 1 0 2 −5 
0 0 1 −1 1
A matriz do lado direito é

   
a11 a12 1 1
[T ]BB 0 =  a21 a22  =  2 −5  .
a31 a32 −1 1
Exemplo. Seja T : R3 → R2 a transformação linear denida por
T (x, y, z) = ( x + y, 2x − z ).
Considere as bases B e B 0 do R3 e do R2 , respectivamente,
B = {(1, 1, 0), (0, 1, 0), (0, 1, 1)} e B 0 = {(1, 1), (0, 1)}
Vamos calcular a matriz de T nas bases B e B 0 .

Precisamos calcular T nos vetores da bases B e decompor os resultados nos
vetores da base B 0
T (1, 1, 0) = (2, 2) = a11 (1, 1) + a21 (0, 1) ,

T (0, 1, 0) = (1, 0) = a12 (1, 1) + a22 (0, 1) ,
T (0, 1, 1) = (1, −1) = a13 (1, 1) + a23 (0, 1) .
Estas igualdades vetoriais podem ser colocadas na forma matricial

1 0 a11 a12 a13 2 1 1
=
1 1 a21 a22 a23 2 0 −1

Para determinar a matriz [aij ]2×3 escalonando a matriz completa

1 0 2 1 1
1 1 2 0 −1
até chegar à sua forma escalonada reduzida

1 0 2 1 1
.
0 1 0 −1 −2
A matriz de T nas bases B e B 0 é

a11 a12 a13 2 1 1
[T ]BB 0 = = .
a21 a22 a23 0 −1 −2
Exemplo. Considere o espaço vetorial Pn (R) das funções polinomiais reais

com grau menor ou igual a n.
Seja
T : P1 (R) → P2 (R)
a transformação linear que leva uma função polinomial p na função polino-

mial T (p), denida em todo número real x por
T (p)(x) = (1 + x) p(x − 3).
Considere as funções polinomiais p0 , p1 , p2 , denidas por
p0 (x) = 1, p1 (x) = x, p2 (x) = x2 .

O conjunto B = {p0 , p1 } é a base canônica de P1 (R) e o conjunto B 0 =

{p0 , p1 , p2 } é a base canônica de P2 (R).
Vamos calcular a matriz de T nas bases B e B 0 .
Iniciamos com o cálculo de T (p0 ) e T (p1 ) em função de p0 , p1 e p2 . Para
todo x real,
T (p0 )(x) = (1 + x) p0 (x − 3) = 1 + x = p0 (x) + p1 (x)

T (p1 )(x) = (1 + x) p1 (x − 3) = (1 + x)(x − 3)
= −3 − 2x + x2 = −3p0 (x) − 2p1 (x) + p2 (x)
de onde seguem as igualdades entre funções polinomiais
T (p0 ) = p0 + p1 ,
T (p1 ) = −3p0 − 2p1 + p2 .
A matriz de T nas bases B e B 0 é

 
1 −3
[T ]BB 0 =  1 −2  .
0 1
Exemplo. Considere a base B do R2 , onde
B = { (2, 1), (−1, 2) }
Seja T o operador linear do R2 no R2 cuja matriz na base B é

1 3
[T ]B = .
−1 −2

Vamos determinar T (x, y).

Usando a denição de matriz de uma transformação linear T numa base
B,
T (2, 1) = 1(2, 1) − (−1, 2) = (3, −1)

T (−1, 2) = 3(2, 1) − 2(−1, 2) = (8, −1)
Vamos decompor o par (x, y) numa combinação linear dos vetores da base
B
(x, y) = a(2, 1) + b(−1, 2).
O vetor da esquerda é igual ao vetor da direita se

2 −1 a x
=
1 2 b y
Resolvendo esta equação matricial para a e b, obtemos
1 1
a = (2x + y) , b = (2y − x) ,
5 5
e assim,
1 1
(x, y) = (2x + y) (2, 1) + (2y − x) (−1, 2).
5 5
Usando esta decomposição e a linearidade de T, obtemos
1 1
T (x, y) = (2x + y)T (2, 1) + (2y − x)T (−1, 2)
5 5
1 1
= (2x + y)(3, −1) + (2y − x)(8, −1).
5 5
Efetuando das contas e simplicando,

1
T (x, y) = (−2x + 19y, −x − 3y).
5
O próximo teorema relaciona a matriz da transformação linear T nas bases

B e B 0 com as matrizes das coordenadas de v na base B e de T (v) na base
B0.
Teorema 1.24 Sejam V e W espaços vetoriais, ambos com dimensão nita

e denidos sobre o mesmo corpo.
Seja B uma base de V e B 0 uma base de W.
Para um vetor v em V, vale a relação
[T (v)]B 0 = [T ]BB 0 [v]B
onde [T ]BB 0 é a matriz de T nas bases B e B 0 ,

[v]B é a matriz de coordenadas de v na base B e
[T (v)]B 0 é a matriz de coordenadas de T (v) na base B 0 .
Prova. Seja B = {v1 , . . . , vn } uma base de V e B 0 = {w1 , . . . , wm } uma

base de W. Escrevendo v e T (v) como combinações lineares dos vetores das
bases B e B 0 , segue
n m
e
X X
v= xj v j T (v) = yi wi ,
j=1 i=1
de onde extraímos as matrizes das coordenadas de v na base B e de T (v) na

base B 0
   
x1 y1
 ..   .. 
[v]B =  .  e [T (v)]B 0 =  . 
   
xn ym
Sendo

 
a11 ··· a1n
.. ... .. 
. . 

[T ]BB 0 = 
am1 · · ·
 
amn
a matriz de T nas bases B e B 0 , então
m
para
X
T (vj ) = aij wi , j = 1, 2, . . . , n.
i=1
Usando a linearidade de T,
n
! n n m m n
!
X X X X X X
T (v) = T xj v j = xj T (vj ) = xj aij wi = aij xj wi .
j=1 j=1 j=1 i=1 i=1 j=1
Ao mesmo tempo,
m
X
T (v) = yi wi .
i=1
e, pela unicidade da decomposição de T (v) na base B2 , se conclui que
n
para
X
yi = aij xj , i = 1, 2, . . . , m.
j=1
Estas m igualdades escalares correspondem à igualdade matricial
[T (v)]B 0 = [T ]BB 0 [v]B .
Exemplo. Consideremos as bases B e B 0 do R2 e do R3 , respectivamente,
B = { (2, 1), (1, 2) } e B 0 = { (1, 0, −1), (0, 1, 0), (1, 2, 0) }

Seja T : R2 → R3 a transformação linear cuja matriz [T ]BB 0 nas bases B e

B0 é
 
−1 0
[T ]BB 0 =  −3 2  .
2 1
A partir desses dados é possível calcular T (x, y) num par ordenado (x, y)
qualquer do R2 .
Vamos calcular [(x, y)]B . Se
(x, y) = a(2, 1) + b(1, 2),
cuja solução para a e b é
1 1
a = (2x − y) e b = (2y − x),
3 3
Daí,

1 2x − y
[(x, y)]B =
3 2y − x
De acordo como teorema anterior,


−1 0
1 2x − y
[T (x, y)]B 0 = [T ]BB 0 [(x, y)]B = −3 2
 
3 2y − x
2 1
Efetuando o produto,
 
y − 2x
1
[T (x, y)]B 0 =  7y − 8x 
3
3x
e chegamos a
1 1
T (x, y) = (y − 2x) (1, 0, −1) + (7y − 8x) (0, 1, 0) + x (1, 2, 0).
3 3
Efetuando as contas e simplicando, chegamos em
1
T (x, y) = (x + y, −2x + 7y, 2x − y).
3
Exemplo. Em lugar de usar a fórmula
[T (v)]B 0 = [T ]BB 0 [v]B ,
podemos usar [T ]BB 0 para calcular o valor de T nos vetores da base B. Para
calcular T (v), basta decompor v na base B e usar a linearidade de T.
Vamos usar este caminho para resolver este exemplo.
Considere as bases
B = { (1, 0, 0), (1, 1, 0), (0, 1, 1) }
do R3 e
B 0 = { (1, 0), (2, 1) }
do R2 .
Seja T : R3 → R2 a transformação linear cuja matriz nas bases B e B 0 é

1 2 −1
[T ]BB 0 = .
3 −1 1
Vamos calcular T (x, y, z). Da denição de [T ]BB 0 , obtemos
T (1, 0, 0) = 1(1, 0) + 3(2, 1) = (7, 3),

T (1, 1, 0) = 2(1, 0) − 1(2, 1) = (0, −1),
T (0, 1, 1) = −1(1, 0) + 1(2, 1) = (1, 1).
Como conhecemos T (1, 0, 0), T (1, 1, 0), T (0, 1, 1), basta decompor (x, y, z)
na base B.

Escrevemos (x, y, z) numa combinação dos vetores da base B
(x, y, z) = a(1, 0, 0) + b(1, 1, 0) + c(0, 1, 1).
que pode ser escrito na forma de uma equação matricial

    
1 1 0 a x
 0 1 1  b  =  y .
0 0 1 c z
cuja solução em a, b, c é
a = x − y + z, b = y − z, c = z.
Substituindo na decomposição de (x, y, z) na base B, podemos escrever
(x, y, z) = (x − y + z) (1, 0, 0) + (y − z) (1, 1, 0) + z (0, 1, 1).
Usando a linearidade de T, chegamos à expressão desejada
T (x, y, z) = (x − y + z)T (1, 0, 0) + (y − z)T (1, 1, 0) + zT (0, 1, 1)

= (x − y + z)(7, 3) + (y − z)(0, −1) + z(1, 1)
que, ao simplicar, resulta em
T (x, y, z) = (7x − 7y + 8z, 3x − 4y + 5z).
Exemplo. Considere o espaço vetorial P2 (R) das funções polinomiais reais

com domínio em R e grau menor ou igual a 2.

Seja B = {p0 , p1 , p2 } a base de P2 (R) onde
p0 (x) = 1, p1 (x) = x, p2 (x) = x2
para todo x real.

Seja T : P2 (R) → P2 (R) um operador linear cuja matriz na base B é
 
1 2 4
[T ]B =  0 −1 −4  .
0 0 1
Pede-se para determinar a função polinomial T (p), onde p é uma função

polinomial qualquer em P2 (R).
Da denição de [T ] , segue
T (p0 ) = p0 ,
T (p1 ) = 2p0 − p1 ,
T (p2 ) = 4p0 − 4p1 + p2 ,
Sendo p a função polinomial p(x) = a + bx + cx2 ,
p(x) = ap0 (x) + bp1 (x) + cp2 (x) = (ap0 + bp1 + cp2 )(x)
e obtemos a decomposição de p na base B
p = ap0 + bp1 + cp2
A linearidade de T nos permite escrever
T (p) = aT (p0 ) + bT (p1 ) + cT (p3 )

= ap0 + b(2p0 − p1 ) + c(4p0 − 4p1 + p2 )
= (a + 2b + 4c)p0 + (−b − 4c)p1 + cp2

Esta é a resposta à questão proposta.

Todavia, vamos seguir um pouco adiante e calcular T (p)(x).
Para todo x real,
T (p)(x) = (a + 2b + 4c)p0 (x) + (−b − 4c)p1 (x) + cp2 (x)

= (a + 2b + 4c) + (−b − 4c)x + cx2
= a + b(2 − x) + c(2 − x)2
ou
T (p)(x) = p(2 − x).
Ao aplicar T em p obtemos outra função polinomial T (p) cujo valor num

número real x é o valor da função polinomial p no ponto (2 − x).
Exercício 1.25 Considere as bases B = { (1, 3), (1, 2)} e B 0 = { (1, 0), (1, 1) }
do R2 .
Seja T : R2 → R2 a transformação linear denida por
T (x, y) = (3x − 2y, 6x − 5y).
Tome o par ordenado v = (3, 4).

(a) Calcule [T ]BB 0 , [v]B e [T (v)]B0 .
(b) Verique que o produto [T ]BB 0 [v]B é igual a [T (v)]B0 .
1.7 Matriz da transformação composta

Teorema 1.26 Considere três espaços vetoriais V, W e U, denidos sobre o
mesmo corpo e todos com dimensão nita.
Considere que B, B 0 e B 00 são bases de V, W e U, respectivamente.

1.7 Matriz da transformação composta 71
Para as transformações lineares
e
L T
V −→ W W −→ U
podemos denir a composta
T ◦L
V −→ U
e vale a relação
[T ◦ L]BB 00 = [T ]B 0 B 00 [L]BB 0 .
Prova. Considere as bases de V, W e U
B = {v1 , . . . , vn },
B 0 = {w1 , . . . , wm },
B 00 = {u1 , . . . , up },
Como L(vj ) pertence a W, pode ser decomposto na base B 0 .

Como T (wk ) e T ◦ L(vj ) pertencem a U, podem ser decompostos na base
00
B
m
para
X
L(vj ) = akj wk j = 1, . . . , n
k=1
p
para
X
T (wk ) = bik ui k = 1, . . . , m
i=1
p
para
X
T ◦ L(vj ) = cij ui j = 1, . . . , n
i=1
O índice da soma aparece duas vezes.

Vamos notação de Einstein e escrever as somas sem usar o símbolo de
somatório

L(vj ) = akj wk , j = 1, . . . , n
T (wk ) = bik ui , k = 1, . . . , m
T ◦ L(vj ) = cij ui , j = 1, . . . , n
De acordo com a denição de matriz de uma transformação linear,
[L]BB 0 = [akj ] [T ]B 0 B 00 = [bik ] e [T ◦ L]BB 00 = [cij ] .
Começando com o cálculo da composta T ◦ L em vj , chegamos a
T ◦ L(vj ) = T (L(vj )) = T (akj wk ) = akj T (wk )

= akj bik ui = bik akj ui .
Sabendo que
T ◦ L(vj ) = cij ui ,
pela unicidade da decomposição de um vetor numa base, obtemos
p
X
cij = bik akj = bik akj
k=1
para i = 1, . . . , p e j = 1, . . . , n. Por conveniência, voltamos a usar o símbolo

de somatório na expressão do lado direito.
Estas p × n igualdades escalares nos levam à igualdade matricial
[T ◦ L]BB 00 = [T ]B 0 B 00 [L]BB 0 .
Exemplo. Considere as transformações lineares L : R2 → R2 e T : R2 →

R denidas por
3
L(x, y) = ( x, x + 2y ), T (x, y) = ( x + y, −y, 2x + 3y ).
Consideremos as bases

1.7 Matriz da transformação composta 73
B = { (1, 1), (1, 0) } e B 0 = { (1, 0), (0, 1) } do R2
e a base
B 00 = { (0, 0, 1), (0, 1, 1), (1, 1, 1) } do R3 .

Usando a denição de L calculamos
L(1, 1) = (1, 3) = 1(1, 0) + 3(0, 1)

L(1, 0) = (1, 1) = 1(1, 0) + 1(0, 1)
a partir de onde obtemos

1 1
[L]BB 0 =
3 1
Aplicando T aos vetores da base B 0 obtemos
T (1, 0) = (1, 0, 2) = a11 (0, 0, 1) + a21 (0, 1, 1) + a31 (1, 1, 1)

T (0, 1) = (1, −1, 3) = a12 (0, 0, 1) + a22 (0, 1, 1) + a32 (1, 1, 1)
Estas duas igualdades vetoriais são satisfeitas se, e só se, for satisfeita a igual-
dade matricial
    
0 0 1 a11 a12 1 1
 0 1 1   a21 a22  =  0 −1 
1 1 1 a31 a32 2 3
cuja solução é a matriz de T nas bases B 0 e B 00
   
a11 a12 2 4
[T ]B 0 B 00 =  a21 a22  =  −1 −2 
a31 a32 1 1
A matriz da transformação composta
T ◦ L(x, y) = T (L(x, y)) = T (x, x + 2y) = (2x + 2y, −x − 2y, 5x − 6y)
nas bases B e B 00 é dada pelo produto

 
2 4
1 1
[T ◦ L]BB 00 = [T ]B 0 B 00 [L]BB 0 =  −1 −2 
3 1
1 1
ou
 
14 6
[T ◦ L]BB 00 =  −7 −3 
4 2
O leitor pode vericar que
T ◦ L(1, 1) = 14(0, 0, 1) − 7(0, 1, 1) + 4(1, 1, 1)

T ◦ L(1, 0) = 6(0, 0, 1) − 3(0, 1, 1) + 2(1, 1, 1)
Composição de três transformações lineares
Na composição de três transformações lineares,
L : V1 → V2 , S : V2 → V3 , T : V3 → V4 ,
vale a associatividade
(T ◦ S) ◦ L = T ◦ (S ◦ L) = T ◦ S ◦ L,
Sendo B, B 0 , B 00 e B 000 bases de V1 , V2 , V3 e V4 , respectivamente,
[T ◦ S ◦ L]BB 000 = [(T ◦ S) ◦ L]BB 000 = [T ◦ S]B 0 B 000 [L]BB 0 = [T ]B 00 B 000 [S]B 0 B 00 [L]BB 0 .
Oberve a formação das fórmulas acima. Encontre seu método mnemônico

preferido para memorizá-las.

1.8 Matriz da transformação inversa 75
Exercício 1.27 Consideremos três operadores lineares Q, R e S de R3 em

R3 , onde
Q(x, y, z) = ( x − y , x + y , z ),
R(x, y, z) = (−x, y, −z),
S(x, y, z) = (y, x, 0).
Seja T a composta
T = S ◦ R ◦ Q.
Denote por [Q] , [R] , [S] e [T ] as matrizes canônicas dos respectivos operadores
em relação à base canônica.
(a) Mostre que
     
1 −1 0 −1 0 0 0 1 0
[Q] =  1 1 0  , [R] =  0 1 0  , [S] =  1 0 0  .
0 0 1 0 0 −1 0 0 0
e  
1 1 0
[T ] =  −1 1 0 .
0 0 0
(b) Verique a igualdade
[T ] = [S] [R] [Q]
1.8 Matriz da transformação inversa

Teorema 1.28 Considere os espaços vetoriais V e W denidos sobre o mesmo
corpo e ambos com dimensão nita n.
Seja B uma base de V e B 0 uma base de W.
Uma transformação linear
T :V →W
é um isomorsmo se, e só se, a matriz de T nas bases B e B 0 for inversível.

Além disto, sendo T −1 : W → V o isomorsmo inverso de T, vale a igual-

dade
[T −1 ]B 0 B = ([T ]BB 0 )−1
Prova. 1. Partindo da hipótese de que T é um isomorsmo, ele possui

inversa T −1 : W → V e
T −1 ◦ T = iV : V → V,
onde iV é o operador identidade em V.

Pelo que cou provado anteriormente,
[T −1 ]B 0 B [T ]BB 0 = T −1 ◦ T BB = [iV ]BB .

Como [iV ]BB é a matriz identidade, concluímos que as matrizes [T −1 ]B 0 B e

[T ]BB 0 são inversíveis e que uma é a inversa da outra
[T −1 ]B 0 B = ([T ]BB 0 )−1 .
2. Quando a matriz [T ]BB 0 é inversível, então pode-se provar que T leva

a base B = { v1 , . . . , vn } na base B 0 = { T (v1 ), . . . , T (vn ) } . Portanto, T é
um isomorsmo.
Exemplo. Considere o operador linear T : R3 → R3 denido por
T (x, y, z) = ( 6x + 4y − z, 2x + y, x − y + z )
cuja matriz na base canônica é
 
6 4 −1
[T ] =  2 1 0 .
1 −1 1
Esta matriz é inversível e sua inversa é

1.9 Determinante de um operador linear 77
 
1 −3 1
[T ]−1 =  −2 7 −2  .
−3 10 −2
Se escrevermos
T (x, y, z) = (a, b, c) ⇒ T −1 (a, b, c) = (x, y, z)
e, em relação à base canônica C do R3 ,
−1
T (a, b, c) C = T −1 C [(a, b, c)]C

ou
    
x 1 −3 1 a
 y  =  −2 7 −2   b 
z −3 10 −2 c
Portanto,
T −1 (a, b, c) = ( a − 3b + c, −2a + 7b − 2c, −3a + 10b − 2c ).
1.9 Determinante de um operador linear

Duas matrizes reais A e B, quadradas e de mesmo tamanho, são semelhantes
quando existir uma matriz inversível P para a qual
A = P BP −1 .
Observe que AP = P B e P −1 AP = B
B = QAQ−1
onde Q = P −1 .

Quando A e B são semelhantes, ambas possuem o mesmo determinante,

pois
det(A) = det(P BP −1 )
= det(P ) det(B) det(P −1 )
(1) (2)
= det(P ) det(P −1 ) det(B) = det(B)
O produto de matrizes não é comutativo. Todavia, determinantes de ma-

trizes são números reais, onde o produto comuta. Na igualdade (1) usamos a
comutatividade do produto de determinantes. Para escrever a igualdade (2),
lembramos que
det(P ) det(P −1 ) = det(P P −1 ) = det(I) = 1.
Vamos mostrar que as matrizes de um operador linear em bases distintas

são semelhantes.
Teorema 1.29 Seja V um espaço vetorial de dimensão nita.

Sejam B e B 0 duas bases de V e MBB 0 a matriz de transição da base B
para a base B 0 .
Seja
T :V →V
um operador linear, [T ]B a matriz de T na base B e [T ]B0 a matriz de T na
base B 0 .
Então
[T ]B 0 MBB 0 = MBB 0 [T ]B ,
ou
[T ]B 0 = MBB 0 [T ]B (MBB 0 )−1 ,
isto é, [T ]B e [T ]B0 são semelhantes.

Prova. Sejam
B = {v1 , . . . , vn } e B 0 = {v10 , . . . , vn0 }
as duas bases de V.
Podemos decompor os vetores de V tanto na base B quanto na base B 0 .

Logo, existem números reais xij , aij , bij , com i e j percorrendo os inteiros
1, 2, . . . , n e para os quais
vj = xij vi0 , T (vj ) = aij vi , T (vj0 ) = bij vi0 .
Nas igualdades acima usamos a notação de Einstein para o somatório.

O índice que se repete na soma é chamado índice mudo.
Podemos substitui-lo por outra letra
xij wi = x1j w1 + x2j w2 + · · · + xnj wn = xkj wk
por exemplo. As matrizes
MBB 0 = [xij ] , [T ]B = [aij ] , [T ]B 0 = [bij ]
são, respectivamente, a matriz de transição de B para B 0 , a matriz de T

na base B e a matriz de T na base B 0 .
Por um lado,
T (vj ) = akj vk = akj xik vi0 = xik akj vi0
e, por outro,
T (vj ) = T (xkj vk0 ) = xkj T (vk0 ) = xkj bik vi0 = bik xkj vi0 .

Pela unicidade da decomposição de um vetor numa base, segue
xik akj = bik xkj ,
igualdade válida para i e j iguais a 1, . . . , n.

Como o índice k se repete nos produtos acima, há uma soma em k do lado
esquerdo e outra do lado direito da igualdade acima.
Temos n2 igualdades escalares pois i e j são inteiros entre 1 e n.

Essas n2 igualdades escalares nos levam a uma única igualdade matricial
MBB 0 [T ]B = [T ]B 0 MBB 0 .
O teorema está provado uma vez que a matriz de transição MBB 0 é inver-
sível.
Como as matrizes [T ]B e [T ]B 0 são semelhantes, seus determinantes são

iguais
det([T ]B ) = det([T ]B 0 ).
Esta igualdade enseja a denição do determinante de um operador

linear T : V → V como sendo o determinante de sua matriz em uma base
qualquer.
Denição 1.30 Seja T : V → V um operador linear. O determinante de T

é denido por
det(T ) = det([T ])
onde [T ] é a matriz do operador linear T numa base qualquer de V.

Como T é um isomorsmo se, e só se, sua matriz [T ] for inversível e esta,

por sua vez, é inversível se, e só se, det [T ] 6= 0, podemos enunciar
Teorema 1.31 Um operador linear T : V → V é um isomorsmo se, e só se,

det(T ) 6= 0.
Exemplo. Vamos ilustrar a independência do determinante em relação à

escolha da base.
Considere duas bases B = {(1, 0), (0, 1)} e B 0 = {(1, 1), (1, 2)} do R2 .
Observe que B é a base canônica do R2 .
Seja T : R2 → R2 o operador linear denido por
T (x, y) = (x + y, −2x + 4y).
Vamos calcular [T ]B e [T ]B 0 , as matrizes de T nas bases B e B 0 , respecti-

vamente. De
T (1, 0) = (1, −2) = 1(1, 0) − 2(0, 1) ,

T (0, 1) = (1, 4) = 1(1, 0) + 4(0, 1) ,
extraímos a matriz canônica de T

1 1
[T ]B = e det ([T ]B ) = 6.
−2 4
Da decomposição
T (1, 1) = (2, 2) = 2(1, 1) + 0(1, 2) ,

T (1, 2) = (3, 6) = 0(1, 1) + 3(1, 2) ,
obtemos a matriz de T na base B 0


2 0
[T ]B 0 = e det ([T ]B 0 ) = 6.
0 3
O determinante das matrizes de T tanto na base B quanto na base B 0 são

iguais a 6.
O determinante da matriz de T não muda quando mudamos a base.
Por denição, det(T ) = 6.
Como este determinante é diferente de zero, T é um isomorsmo.
Exemplo. A matriz canônica do operador linear T : R2 → R2 , denido

por
T (x, y) = (3x + 2y, −x + 7y),
é

3 2
[T ] = .
−1 7
O determinante de T é, por denição, o determinante da sua matriz
det(T ) = det ([T ]) = 21 + 2 = 23.
Como o det(T ) é diferente de zero, T é um isomorsmo.

Cap 04 Transformacoes Lineares

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Cap 04 Transformacoes Lineares

Enviado por

Direitos autorais:

Formatos disponíveis

Álgebra Linear - Transformação linear

Antonio Cândido Faleiros

Universidade Federal do ABC

Professor Antonio Cândido Faleiros

Prezados alunos, sejam bem-vindos.

Pegue seu celular, computador ou tablet,

lápis, papel e borracha.

Anote, esboce, faça diagramas, pense, interprete.

Ah... e se tiver alguma dúvida, pergunte.

É assim que se estuda.

Professor Antonio Cândido Faleiros

Sejam V e W espaços vetoriais.

é chamada de aplicação ou transformação de V em W. Chamamos de

T : R2 → R denida por T (x, y) = xy + 3x

S : R2 → R3 denida por S(x, y) = ( x + y, 2xy, x2 − y 2 )

Professor Antonio Cândido Faleiros

Adição e multiplicação por um escalar

A adição das transformações T e L resulta

T +L:V →W denida por (T + L)(v) = T (v) + L(v).

A multiplicação por um escalar c

cT : V → W denida por (c T )(v) = c T (v).

A transformação T + L é chamada de soma de T com L.

T (x, y) = (2x − y, x + y, 2y) e L(x, y) = (3y, x − 2y, x).

(T + L)(x, y) = T (x, y) + L(x, y) = (2x − y, x + y, 2y) + (3y, x − 2y, x)

(5L)(x, y) = 5L(x, y) = 5(3y, x − 2y, x) = (15y, 5x − 10y, 5x).

Denição 1.1 Sejam V e W espaços vetoriais denidos sobre um mesmo

Professor Antonio Cândido Faleiros

1. T (v1 + v2 ) = T (v1 ) + T (v2 ) e

A transformação linear T : V → V recebe o nome de operador linear.

A transformação nula é linear

0:V →W , 0(v) = 0 para todo v em V

O operador identidade é linear

i:V →V , i(v) = v, para todo v em V.

T : R2 → R denida por T (x, y) = 2x − 3y

T ( c(x, y) ) = T (cx, cy) = 2(cx) − 3(cy)

Professor Antonio Cândido Faleiros

Exemplo. Não são lineares:

não é linear pois

2T (1, 1) 6= T (2(1, 1))

2. Quando n > 1, o determinante

não é uma transformação linear uma vez que

det(5A) = 5n det(A) 6= 5 det(A).

Teorema 1.2 Sejam V e W espaços vetoriais sobre o mesmo corpo K.

T (c1 v1 + c2 v2 ) = c1 T (v1 ) + c2 T (v2 ) .

Exemplo. Seja A uma matriz real m × n.

Professor Antonio Cândido Faleiros

De fato, se b e c forem números reais, se X, Y forem matrizes coluna,

T (bX + cY ) = A(bX + cY ) = A(bX) + A(cY )

o que prova a linearidade de T.

Exemplo. A derivada é um operador linear.

Para todo k1 e k2 reais,

D(k1 f + k2 g)(x) = k1 Df (x) + k2 Dg(x),

A derivada leva a função f em C 1 (a, b) na função Df em C 0 (a, b).

Exemplo. A integral indenida

é uma transformação linear pois

Professor Antonio Cândido Faleiros

De acordo com o Teorema Fundamental do Cálculo,

Exemplo. A integral denida

é uma transformação linear.

Exemplo. O operador T que leva a função polinomial p na função poli-

Propriedades das transformações lineares

Teorema 1.3 Seja T : V → W é uma transformação linear.

2. Sendo ci escalares e vi vetores de V, então

T : R2 → R denida por T (x, y) = xy + 3x

S : R2 → R3 denida por S(x, y) = ( x + y, 2xy, x2 − y 2 )

T +L:V →W denida por (T + L)(v) = T (v) + L(v).

cT : V → W denida por (c T )(v) = c T (v).

Denição 1.1 Sejam V e W espaços vetoriais denidos sobre um mesmo

T : R2 → R denida por T (x, y) = 2x − 3y

Exemplo. A integral indenida

Exemplo. A integral denida

Exemplo. A transformação T do R2 em R denida por

Exemplo. A transformação S do R2 no R2 denida por

Exemplo. O operador T denido no espaço vetorial das matrizes 2 × 2,

Exemplo. A transformação T : R2 → R denida por

Exemplo. A transformação L do R2 em R, denida por

Primeira lição: Basta conhecer os valores de uma transformação linear T

Segunda lição: O conjunto

Exemplo. As transformações do R2 em R denidas por