Álgebra Linear 1 - Parte 3 - Maria Lucia Torres Villela - UFF IME - 2010

Parte 3
A Álgebra das Transformações

Lineares
As funções que têm interesse entre espaços vetoriais reais de dimensão

finita são as transformações lineares. Estudaremos transformações lineares e
mostraremos que toda transformação linear está perfeitamente determinada
pelos seus valores numa base do domı́nio. Introduziremos o conceito de núcleo
de transformações lineares e mostraremos que o núcleo é um subespaço do
domı́nio, a imagem é um subespaço do contradomı́nio e as dimensões do
núcleo, da imagem e do domı́nio estão relacionadas pelo importante teorema
do núcleo e da imagem.
Faremos uma representação matricial de transformações lineares entre
espaços vetoriais reais de dimensão finita e estudaremos as suas proprieda-
des. Introduziremos o conceito de matriz de mudança de base e matrizes
semelhantes.
Apresentaremos o conceito de transformações lineares invertı́veis, mos-
traremos que uma transformação linear entre espaços vetoriais de dimensão
finita n ≥ 1 é invertı́vel se, e somente se, qualquer matriz que a representa
é invertı́vel. Introduziremos os conceitos de isomorfismo e automorfismo de
espaços vetoriais.
Mostraremos que, a menos de isomorfismo, Rn é o único espaço vetorial
de dimensão n ≥ 1.
Apresentaremos a álgebra das transformações lineares em espaços ve-
toriais de dimensão finita, definindo as operações de adição, multiplicação
por escalar e composição de transformações lineares. Estudaremos o espaço
vetorial L(V, W) = {T : V −→ W ; T é uma transformação linear } quando
71 UFF
Instituto de Matemática
V e W são espaços vetoriais de dimensão finita. Finalizaremos com o estudo
do espaço V ∗ = L(V, R), conhecido como espaço dual de V, o espaço dos
funcionais lineares de V.
UFF 72
M. L. T. Villela
Transformações Lineares
PARTE 3 - SEÇÃO 1
Vamos estudar as funções que têm interesse entre espaços vetoriais reais.
Definição 1 (Transformação linear)
Sejam V e W espaços vetoriais reais. Uma função T : V −→ W é uma
transformação linear se, e somente se,
(a) T (v + v′ ) = T (v) + T (v′ ), para quaisquer v, v′ ∈ V;
(b) T (a · v) = a · T (v), para qualquer a ∈ R e para qualquer v ∈ V.
Exemplo 1
Para qualquer espaço vetorial real V, a função identidade I : V −→ V,
definida por I(v) = v, para cada v ∈ V, é uma transformação linear.
Exemplo 2
Para qualquer espaço vetorial real V, a função O : V −→ {0W}, definida por
O(v) = 0W, para cada v ∈ V, chamada de função identicamente nula, é uma
transformação linear.
Exemplo 3
Seja T : R2 −→ R3 definida por T (x, y) = (2x−y, x+y, x+3y). Mostraremos
que T é uma transformação linear. De fato, sejam v = (x, y), v′ = (x′ , y′ ) em
R2 e a ∈ R. Então:
(1)
T (v + v′ ) = T (x + x′ , y + y′ )
Em (1) usamos a definição
(2)
= (2(x + x′ ) − (y + y′ ), (x + x′ ) + (y + y′ ), (x + x′ ) + 3(y + y′ )) da adição em R2 ; em (2), a
(3) definição de T; em (3), as
= ((2x − y) + (2x′ − y′ ), (x + y) + (x′ + y′ ), (x + 3y) + (x′ + 3y′ )) propriedades da adição e da
(4) multiplicação em R; em (4),
= (2x − y, x + y, x + 3y) + (2x′ − y′ , x′ + y′ , x′ + 3y′ )
a definição da adição em R2
(5)
= T (v) + T (v′ ). e em (5), a definição de T.
(6) Em (6) usamos a definição

T (a · v) = T (ax, ay) da multiplicação por escalar
(7) em R2 ; em (7), a definição
= (2(ax) − ay, ax + ay, ax + 3(ay))
de T; em (8), as
(8)
= (a · (2x − y), a(x + y), a(x + 3y)) propriedades da adição e da
(9) multiplicação em R; em (9),
= a(2x − y, x + y, x + 3y) a definição da multiplicação
(10) por escalar em R2 e em (10),
= a · T (v). a definição de T.
Exemplo 4
A função derivação D : Pn(R) −→ Pn(R) definida por D(f(t)) = f′ (t) é
linear.
Exemplo 5 Z1
A função T : C[0, 1] −→ R definida por T (f(x)) = f(x)dx é linear.
0
73 UFF
Álgebra Linear I
Exemplo 6 !
x y
Seja T : M2×2(R) −→ R2 definida por T = (2x+y+w, 2y+z−w).
z w
! !
′ ′
x y x y
T é linear. De fato, dados A = e A′ = temos:
z w z′ w ′
! !
′ ′
x + x y + y a · x a · y
A + A′ = e a·A= . Então,
z + z′ w + w ′ a·z a·w
Em (1) usamos a definição (1)
de T; em (2), propriedades
T (A + A′ ) = (2(x + x′ ) + (y + y′ ) + (w + w′ ), 2(y + y′ ) + (z + z′ ) − (w + w′ ))
da adição e multiplicação em (2)
= ((2x + y + w) + (2x′ + y′ + w′ ), (2y + z − w) + (2y′ + z′ − w′ ))
R; em (3), a definição da
(3)
adição em R2 e em (4), a = (2x + y + w, 2y + z − w) + (2x′ + y′ + w′ , 2y′ + z′ − w′ )
definição de T. (4)
= T (A) + T (A′ ) e
Em (5) usamos a definição
(5)
de T; em (6), as propriedades T (a · A) = (2(a · x) + a · y + a · w, 2(a · y) + a · z − a · w)
comutativa da multiplicação
(6)
e distributiva em R; em (7), = (a · (2x + y + w), a · (2y + z − w))
a definição da multiplicação (7)
por escalar em R2 e em (8), = a · (2x + y + w, 2y + z − w)
a definição de T. (8)
= a · T (A).
Exemplo 7
A função T : R2 −→ R definida por T (x, y) = x · y não é linear, pois
T (2, 4) = 8, T (1, 2) = 2 e 4 = 2T (1, 2) 6= T (2, 4) = 8.
Exemplo 8
Seja A ∈ Mm×n(R). A função
TA : Rn −→ Rm
(x1, . . . , xn) 7−→ (y1, . . . , ym),
Veja o Exercı́cio 5c.
   
y1 x1
 ..  . 
onde  .  = A  ..  é linear.

ym xn
Por exemplo, T : R3 −→ R2 definida por T (x, y, z) = (2x+y+3z, 4x+5y+6z)
é linear, pois  
! ! x
2x + y + 3z 2 1 3  
=  y 
4x + 5y + 6z 4 5 6
z
!
2 1 3
e T = TA, para A = .
4 5 6
Proposição 1 (Propriedades)
Sejam V e W espaços vetoriais reais e T : V −→ W uma transformação
linear. Valem as seguintes propriedades:
UFF 74
M. L. T. Villela
(a) T (0V ) = 0W;

(b) T (−v) = −T (v), para todo v ∈ V;
(c) T (a1v1 +· · ·+anvn) = a1T (v1)+· · ·+anT (vn), para quaisquer a1, . . . , an
em R e v1, . . . , vn ∈ V.
Demonstração:
(a) Como T (0V ) = T (0V + 0V ) = T (0V ) + T (0V ), somando −T (0V ) a ambos
os membros da igualdade, então 0W = T (0V ).
(b) Temos que T (−v) = T ((−1) · v) = (−1) · T (v) = −T (v).
(c) A demonstração é por indução sobre n ≥ 1.
Se n = 1, então T (a1v1) = a1T (v1), pois T é linear.
Seja n ≥ 1 tal que T (a1v1 + · · · + anvn) = a1T (v1) + · · · + anT (vn).
Então,
(1)
T (a1v1 + · · · + anvn + an+1vn+1) = T (a1v1 + · · · + anvn) + an+1vn+1 Em (1) usamos a
(2)
= T (a1v1 + · · · + anvn) + T (an+1vn+1) associatividade da adição em
(3) V; em (2), que T é linear e
= a1T (v1) + · · · + anT (vn) + an+1T (vn+1). em (3), a hipótese de
indução e que T é linear.
Logo, a igualdade vale para n + 1. Portanto, a igualdade vale para todo
n ≥ 1.
Exemplo 9
A função T : R2 −→ R2 definida por T (x, y) = (x + 1, x + 2y) não é linear,
pois T (0, 0) = (1, 0) 6= (0, 0).
Teorema 1
Sejam V e W espaços vetoriais reais, com dimR (V) = n ≥ 1, α = {v1, . . . , vn}
uma base de V e w1, . . . , wn ∈ W. Então existe uma única transformação
linear T : V −→ W tal que T (v1) = w1, . . . , T (vn) = wn.
Demonstração: Suponhamos que existe T : V −→ W linear tal que T (v1) =
w1, . . . , T (vn) = wn. Então, dado v ∈ V existem a1, . . . , an ∈ R unicamente
determinados tais que v = a1v1 + · · · + anvn. Portanto,
T (v) = T (a1v1 + · · · + anvn)
= a1T (v1) + · · · + anT (vn) = a1w1 + · · · + anwn.
Agora que sabemos a expressão de T , definimos
T (v) = a1w1 + · · · + anwn, para v = a1v1 + · · · + anvn.
Vamos mostrar que T (vj) = wj, para j = 1, . . . , n e que T é linear.
De fato,
vj = 0 · v1 + · · · + 1 · vj + · · · + 0 · vn e
T (vj) = 0 · w1 + · · · + 1 · wj + · · · + 0 · wn = wj.
75 UFF
Álgebra Linear I
Dados v = a1v1 + · · · + anvn e v′ = a′1v1 + · · · + a′nvn, então

v + v′ = (a1 + a′1)v1 + · · · + (an + a′n)vn,
T (v + v′ ) = (a1 + a′1)w1 + · · · + (an + a′n)wn
= (a1w1 + · · · + anwn) + (a′1w1 + · · · + a′nwn)
= T (v) + T (v′ )
Para a ∈ R, temos a · v = (a · a1)v1 + · · · + (a · an)vn e
T (a · v) = (a · a1)w1 + · · · + (a · an)wn
= a · (a1w1 + · · · + anwn)
= a · T (v).
Exemplo 10
Vamos determinar a única transformação linear T : R2 −→ R3 tal que
T (1, 1) = (2, 1, 3) e T (1, 0) = (1, 1, −1).
Como α = {(1, 1), (1, 0)} é uma base do R2, podemos escrever (x, y) como
combinação linear de α, a saber,

a+b=x a=y
(x, y) = a(1, 1) + b(1, 0) = (a + b, a) ⇐⇒ ⇐⇒
a=y b=x−y
Logo, (x, y) = y(1, 1) + (x − y)(1, 0) e
T (x, y) = yT (1, 1) + (x − y)T (1, 0)
= y(2, 1, 3) + (x − y)(1, 1, −1)
= (x + y, x, −x + 4y).
Exemplo 11
Seja 0 ≤ θ < 2π e Rθ : R2 −→ R2 a função rotação de θ no sentido anti-
horário. Geometricamente, verificamos que:
Rθ(v + v′ ) = Rθ(v) + Rθ(v′ ), para todo v, v′ ∈ R2 e
Rθ(a · v), para todo a ∈ R e para todo v ∈ R2.
Portanto, Rθ é linear. Para determinar Rθ, basta conhecê-la numa base do
R2. Temos Rθ(1, 0) = (cos θ, sen θ) e Rθ(0, 1) = (− sen θ, cos θ).
Como (x, y) = x(1, 0) + y(0, 1), logo
Rθ(x, y) = xRθ(1, 0) + yRθ(0, 1)
= x(cos θ, sen θ) + y(− sen θ, cos θ)
= (x cos θ − y sen θ, x sen θ + y cos θ).
Exemplo 12
Seja S : R3 −→ R3 a simetria com respeito ao plano Π passando pela origem.
Por semelhança e congruência de triângulos retângulos, verificamos que:
S(v + v′ ) = S(v) + S(v′), para quaisquer v, v′ ∈ R3 e
UFF 76
M. L. T. Villela
S(a · v) = a · S(v), para todo a ∈ R e para todo v ∈ V.

Logo, S é linear. Para determinar S, basta conhecer S numa base do R3.
Observamos que: S(v) = v, para todo v ∈ Π e S(v) = −v, se v é normal ao
plano.
Tomando α = {v1, v2, v3}, onde v1 é normal ao plano e v2, v3 é uma base para
o plano Π, temos S(v1) = −v1, S(v2) = v2 e S(v3) = v3.
Para ilustrar, vamos determinar a expressão de S para Π : x + y + z = 0.
Tomamos α = {v1 = (1, 1, 1), v2 = (1, −1, 0), v3 = (0, 1, −1)}. Então,
(x, y, z) = a(1, 1, 1) + b(1, −1, 0) + c(0, 1, −1) = (a + b, a − b + c, a − c).

 a+b =x

Resolvendo o sistema a − b + c = y obtemos a = x+y+z 3
, b = 2x−y−z
3
e


a−c =z
x+y−2z
c = 3 . Portanto,
x+y+z
(x, y, z) = 3
(1, 1, 1) + 2x−y−z
3
(1, −1, 0) + x+y−2z
3
(0, 1, −1),
S(x, y, z) = x+y+z
3
S(1, 1, 1) + 2x−y−z
3
S(1, −1, 0) + x+y−2z
3
S(0, 1, −1)
x+y+z 2x−y−z x+y−2z
= 3
(−1, −1, −1) + 3 (1, −1, 0) + 3 (0, 1, −1)
x−2y−2z −2x+y−2z 2x−2y+z

= 3
, 3
, 3
Exercı́cios
1. Quais das seguintes funções T : R2 −→ R2 são lineares?
(a) T (x, y) = (1 + x, y)
(b) T (x, y) = (2x + y, x − y)
(c) T (x, y) = (xy, x)
(d) T (x, y) = (ex, y)
2. Mostre que as seguintes funções são transformações lineares:
(a) T : R2 −→ R3, tal que T (x, y) = (x − y, 2x + y, x + 3y).

(b) T : R3 −→ P2(R), tal que T (a, b, c) = a + bt + ct2.
(c) T : R3 −→ R2, tal que T (x, y, z) = (x − y + 2z, 2x + y − z).
(d) T : R3 −→ M2×2(R), tal que
!
2x − y x + y + z
T (x, y, z) = .
x + y − z 2y − 3z
77 UFF
Álgebra Linear I
(e) T : R4 −→ P2(R), tal que

T (a, b, c, d) = (2a + b − c + d) + (a − b + c + d)t + (a + 2b − 2c)t2.
(f) T : R4 −→ R3, tal que
T (x, y, z, w) = (2x − y + z + 3w, x + y − 2z + w, x − 2y − 3z + 2w).
3. Determine a transformação linear T : R2 −→ R3, tal que T (−1, 1) =

(3, 2, 1) e T (0, 1) = (1, 1, 0). Encontre v ∈ R2 tal que T (v) = (5, 3, 2).
4. Determine a transformação linear T : R3 −→ R2, tal que T (1, 0, 0) =

(2, 0), T (0, 1, 0) = (1, 1) e T (0, 0, 1) = (0, −1). Determine v ∈ R3 tal
que T (v) = (3, 2).
5. Seja A ∈ Mm×n(R) fixa. Considere a função T : Mn×1(R) −→ Mm×1(R)

definida por T (X) = AX.
(a) Mostre que T é linear.

(b) Mostre que T é a transformação nula se, e somente se, A = O.
(c) Mostre que A induz a transformação linear TA : Rn −→ Rm defi-
nida por
T (x1, x2, . . . , xn) = (y1, y2, . . . , ym),
onde Y = (y1, y2, . . . , ym)]β, β é a base canônica do Rm, X =
(x1, x2, . . . , xn)]α, α é a base canônica do Rn e Y = AX.
Toda transformação linear 6. Existe um operador linear T : R3 −→ R3 tal que T (1, 1, 1) = (1, 2, 3),
T : V −→ V é chamada de T (1, 2, 3) = (1, 4, 9) e T (2, 3, 4) = (1, 8, 27) ? Justifique a sua resposta.
operador linear.
7. Sabendo que as seguintes funções T : V −→ V são operadores li-

neares, indique como construir uma base {v1, . . . , vn} de V tal que
T (v1), . . . , T (vn) sejam conhecidos:
(a) T : R2 −→ R2 é a simetria com respeito a uma reta r passando
pela origem.
(b) T : R2 −→ R2 é a projeção ortogonal sobre uma reta r passando
pela origem.
(c) T : R3 −→ R3 é a projeção ortogonal sobre um plano Π passando
pela origem.
(d) T : R3 −→ R3 é a simetria com respeito a uma reta r passando
pela origem.
(e) T : R3 −→ R3 é a projeção ortogonal sobre uma reta r passando
pela origem.
UFF 78
M. L. T. Villela
Imagem e Núcleo de Transformações lineares
Imagem e Núcleo de Transformações

lineares
Primeiramente, lembramos alguns conceitos importantes sobre funções

em geral.
Definição 2
Seja f : A −→ B uma função. A imagem de f é
Imagem(f) = {f(a) ; a ∈ A} = f(A) ⊂ B e
f é dita sobrejetora se, e somente se, f(A) = B. f é dita injetora se, e
somente se, se a 6= a′ , então f(a) 6= f(a′). Equivalentemente, f é injetora se,
e somente se, se f(a) = f(a′ ), então a = a′ . f é dita bijetora se, e somente
se, f é injetora e sobrejetora.
Veremos que para funções lineares, a imagem é facilmente determinada.

Proposição 2 (Propriedade da Imagem)
linear. Então,
(a) Imagem(T ) é um subespaço de W.
(b) Se {v1, . . . , vn} é uma base de V, então Imagem(T ) = [T (v1), . . . , T (vn)].
Demonstração:
(a) 0W = T (0V ) ∈ T (V).
Se w = T (v) e w′ = T (v′ ) com v, v′ ∈ V, então
w + w′ = T (v) + T (v′ ) = T (v + v′ ) ∈ T (V),
pois v + v′ ∈ V.
Se w = T (v), com v ∈ V e a ∈ R, então
a · w = a · T (v) = T (a · v) ∈ T (V),
pois a · v ∈ V.
(b) É claro que [T (v1), . . . , T (vn)] ⊂ T (V).
Seja w ∈ T (V). Então, existe v ∈ V tal que w = T (v).
Como {v1, . . . , vn} é uma base de V, existem a1, . . . , an ∈ R, tais que
v = a1v1 + · · · + anvn. Logo,
w = T (a1v1+· · ·+anvn) = a1T (v1)+· · ·+anT (vn) ∈ [T (v1), . . . , T (vn)].
Portanto, T (V) ⊂ [T (v1), . . . , T (vn)].
Exemplo 13
Seja T : R3 −→ R2 definida por T (x, y, z) = (x + y + z, −x − y − z), T é
79 UFF
Álgebra Linear I
linear. Como α = {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)} é uma base do
R3, então
Imagem(T ) = [T (e1), T (e2), T (e3)] = [(1, −1)] ( R2,
logo T não é sobrejetora.
Definição 3 (Núcleo)
linear. O núcleo de T é o subconjunto de V definido por
Núcleo(T ) = {v ∈ V ; T (v) = 0W}.
Exemplo 14
No Exemplo 13 temos que
Núcleo(T ) = {(x, y, z) ∈ R3 ; T (x, y, z) = (x + y + z, −x − y − z) = (0, 0)}
= {(x, y, z) ∈ R3 ; x + y + z = 0}.
Portanto, o núcleo de T é um plano passando pela origem, um subespaço de
dimensão 2 do R3.
Proposição 3 (Propriedades do núcleo)
linear.
(a) Núcleo(T ) é um subespaço de V.
(b) T é injetora se, e somente se, Núcleo(T ) = {0V }.
Demonstração:
(a) Como T (0V ) = 0W, então 0V ∈ Núcleo(T ). Sejam v, v′ ∈ Núcleo(T ) e
a ∈ R. Então, T (v + v′ ) = T (v) + T (v′ ) = 0V + 0V = 0V e T (a · v) = a · T (v) =
a · 0V = 0V , logo v + v′ , a · v ∈ Núcleo(T ).
(b)
(=⇒:) Suponhamos que T seja injetora. Seja v ∈ Núcleo(T ). Então, 0W =
T (v) = T (0V ). Assim, v = 0V e Núcleo(T ) = {0V }.
(⇐=:) Suponhamos que Núcleo(T ) = {0V }. Sejam v, v′ ∈ V tais que T (v) =
T (v′ ). Então, 0W = T (v) − T (v′ ) = T (v − v′ ), logo v − v′ ∈ Núcleo(T ) = {0V },
portanto v − v′ = 0V , isto é, v = v′ . Então, T é injetora.
Exemplo 15
Vamos determinar o núcleo e a imagem da seguinte transformação linear
!
x y
T : M2×2(R) −→ R2 definida por T = (x + w, y + z).
z w
! ! !
1 0 0 1 0 0
As matrizes e11 = , e12 = , e21 = , e22 =
0 0 0 0 1 0
UFF 80
M. L. T. Villela
!
0 0
formam uma base de M2×2(R). Temos T (e11) = (1, 0), T (e12) =
0 1
(0, 1), T (e21) = (0, 1) e T (e22) = (1, 0). Logo,
Imagem(T ) = [T (e11), T (e12), T (e21), T (e22)]
= [(1, 0), (0, 1), (0, 1), (1, 0)]
= [(1, 0), (0, 1)] = R2.
Portanto, T é sobrejetora.
!
x y
A= ∈ Núcleo(T ) ⇐⇒ T (A) = (x + w, y + z) = (0, 0)
z w
⇐⇒ x = −w e y = −z!
−w −z
⇐⇒ A= , com z, w ∈ R.
z w
Logo, T não é injetora e dimR (Núcleo(T )) = 2.
Exemplo 16
Vamos determinar o núcleo e a imagem de T : R4 −→ R3 definida por
T (x, y, z, w) = (x + y + z + w, 2x − y − w, x − 2y − z − 2w).
(a, b, c) ∈ Imagem(T ) ⇐⇒ existe v = (x, y, z, w) tal que (a, b, c) = T (v),
isto é, (a, b, c) = (x + y + z + w, 2x − y − w, x − 2y − z − 2w).
Para determinar equações para a imagem devemos determinar condições so-
bre a, b, c para que o sistema a seguir tenha solução:

 x+y+z+w=a

2x − y − w = b


x − 2y − z − 2w = c
Reduzindo por linhas a matriz ampliada associada ao sistema temos
   
1 1 1 1 a 1 1 1 1 a
Fizemos a sequência de
 2 −1 0 −1 b  ∼1  0 −3 −2 −3 b − 2a  ∼2
   
operações elementares:
em ∼1 : L2 → L2 − 2L1 ,
1 −2 −1 −2 c 0 −3 −2 −3 c − a
  L3 → L3 − L1 ;
1 1 1 1 a em ∼2 : L3 → L3 − L2 .
 0 −3 −2 −3 b − 2a 
 
0 0 0 0 a−b+c
Logo, o sistema admite solução se, e somente se, a − b + c = 0, que é
equivalente a (a, b, c) ∈ Imagem(T ) se, e somente se, a − b + c = 0.
Portanto, a imagem de T é um plano pela origem e T não é sobrejetora.
v = (x, y, z, w) ∈ Núcleo(T ) se, e somente se,
T (v) = (x + y + z + w, 2x − y − w, x − 2y − z − 2w) = (0, 0, 0).
Para determinar o núcleo devemos resolver o sistema linear homogêneo:
81 UFF
Álgebra Linear I

 x+y+z+w=0

2x − y − w = 0


x − 2y − z − 2w = 0
Reduzindo por linhas a matriz associada ao sistema temos
     
1 1 1 1 1 1 1 1 1 1 1 1
Fizemos as mesmas
 2 −1 0 −1  ∼1  0 −3 −2 −3  ∼2  0 −3 −2 −3 
     
operações elementares em
∼1 e ∼2 ,
1 −2 −1 −2 0 −3 −2 −3 0 0 0 0
em ∼3 : L2 → − 31 L2 e    
em ∼4 : L1 → L1 − L2 . 1
1 1 1 1 1 0 3
0
2 2
∼3  0 1 3 1  ∼4  0 1 1 
   
3
0 0 0 0 0 0 0 0
Logo, x + 13 z = 0 e y + 23 z + w = 0. Portanto,
Núcleo(T ) = {(x, y, z, w) ∈ R4 ; x = − 31 z e y = − 23 z − w}
= { − 13 z, − 23 z − w, z, w ; z, w ∈ R}.

Então, T não é injetora e dimR (Núcleo(T )) = 2.
Exemplo 17
Seja D : P4(R) −→ P4(R) a derivação. Vamos determinar o núcleo e a
imagem de D. Temos D(a0 + a1t + a2t2 + a3t3 + a4t4) = a1 + 2a2t +
3a3t2 + 4a4t3 = 0 se, e somente se, a1 = 0, a2 = 0, a3 = 0 e a4 = 0. Logo,
Núcleo(D) = {f(t) = a0 ; a0 ∈ R}.
Como 1, t, t2, t3, t4 é uma base de P4(R), então
Imagem(D) = [D(1), D(t), D(t2), D(t3), D(t4)]
= [0, 1, 2t, 3t2, 4t3]
= [1, t, t2, t3] = P3(R).
Portanto, dimR (Imagem(D)) = 4 < 5 = dimR (P4(R)) e D não é sobrejetora.
D não é injetora, pois dimR (Núcleo(D)) = 1 > 0.
Veremos que podemos relacionar as dimensões do domı́nio, do núcleo e

da imagem de uma transformação linear.
Teorema 2 (Teorema do Núcleo e da Imagem)

Sejam V e W espaços vetoriais reais, com dimR (V) = n, e T : V −→ W uma
transformação linear. Então,
dimR (V) = dimR (Núcleo(T )) + dimR (Imagem(T )).
Demonstração: Como Núcleo(T ) é um subespaço de V, então temos que
dimR (Núcleo(T )) ≤ dimR (V) = n. Seja α = {u1, . . . , ur} uma base para
Núcleo(T ). Completamos α a uma base β de V.
Digamos que β = {u1, . . . , ur, v1, . . . , vℓ}. Então,
UFF 82
M. L. T. Villela
n = dimR (V) = r + ℓ = dimR (Núcleo(T )) + ℓ.

Vamos mostrar que dimR (Imagem(T )) = ℓ e obteremos o resultado do Teo-
rema. Temos que
Imagem(T ) = [T (u1), . . . , T (ur), T (v1), . . . , T (vℓ)] = [T (v1), . . . , T (vℓ)],
pois T (u1) = 0W, . . . , T (ur) = 0W.
É suficiente mostrar que T (v1), . . . , T (vℓ) é linearmente independente.
Suponhamos que 0W = a1T (v1) + · · · + aℓT (vℓ) = T (a1v1 + · · · + aℓvℓ).
Logo, a1v1 + · · · + aℓvℓ ∈ Núcleo(T ). Portanto, existem b1, . . . , br ∈ R tais
que a1v1 + · · · + aℓvℓ = b1u1 + · · · + brur. Assim,
a1v1 + · · · + aℓvℓ − b1u1 − · · · − brur = 0V .
Como β é linearmente independente, temos que a1 = · · · = aℓ = −b1 =
· · · = −br = 0.
Volte aos Exemplos 13, 15, 16 e 17 e verifique o Teorema do Núcleo e

da Imagem.
Exemplo 18
Consideremos a transformação linear T : P1(R) −→ R2 definida por
T (a + bt) = (a − b, a + b).
Temos que
Núcleo(T ) = {f(t) = a + bt ; T (a + bt) = (a + b, a − b) = (0, 0)} = {0},

a+b =0
em virtude do sistema ter como solução a = b = 0.
a−b =0
Logo, dimR (Núcleo(T )) = 0 e T é injetora.
Como
2 = dimR (P1(R)) = dimR (Núcleo(T )) + dimR (Imagem(T ))
= 0 + dimR (Imagem(T ))
= dimR (Imagem(T )),
Imagem(T ) ⊂ R2 e dimR (R2) = 2, então Imagem(T ) = R2 e T é sobrejetora.
Exemplo 19
Toda transformação linear T : R4 −→ R3 não é injetora.
Pelo Teorema do Núcleo e da Imagem. temos
4 = dimR (R4) = dimR (Núcleo(T )) + dimR (Imagem(T )).
Como Imagem(T ) é um subespaço do R3 temos que dimR (Imagem(T )) ≤ 3,
logo
dimR (Núcleo(T )) = 4 − dimR (Imagem(T )) ≥ 4 − 3 ≥ 1,
portanto Núcleo(T ) 6= {(0, 0, 0, 0)} e T não é injetora.
83 UFF
Álgebra Linear I
Exemplo 20
Toda transformação linear T : R3 −→ R4 não é sobrejetora.
Pelo Teorema do Núcleo e da Imagem. temos
3 = dimR (R3) = dimR (Núcleo(T )) + dimR (Imagem(T )).
Assim,
dimR (Imagem(T )) = 3 − dimR (Núcleo(T )) ≤ 3 < 4 = dimR (R4),
logo Imagem(T ) ( R4 e T não é sobrejetora.
Exemplo 21
Seja T : P2(R) −→ R3 definida por
T (a + bt + ct2) = (2a − b + c, −a + 2b + c, a + b + 2c).
Vamos verificar se T é injetora ou sobrejetora.
Vamos determinar o núcleo de T .
a + bt + ct2 ∈ Núcleo(T ) ⇐⇒ (2a − b + c, −a + 2b + c, a + b + 2c) = (0, 0, 0).
Vamos
 resolver o sistema
 a + b + 2c = 0

2a − b + c = 0


−a + 2b + c = 0.
Reduzindo por linhas a matriz associada ao sistema, temos
Fizemos a seguinte sequência
       
de operações elementares:
1 1 2 1 1 2 1 1 2 1 0 1
 2 −1 1  ∼1  0 −3 −3  ∼2  0 1 1  ∼3  0 1 1  .
em ∼1 : L2 → L2 − 2L1 ,
       
L3 → L3 + L1 ;
em ∼2 : L2 → − 31 L2 ;
−1 2 1 0 3 3 0 3 3 0 0 0
em ∼3 : L1 → L1 − L2 , Logo, a + c = 0 e b + c = 0, isto é, a = −c e b = −c, com c ∈ R.
L3 → L3 − 3L2 .
Assim, f(t) ∈ Núcleo(T ) se, e somente se, f(t) = −c−ct+ct2 = c(−1−t+t2),
com c ∈ R. Logo, Núcleo(T ) = [−1 − t + t2]. Portanto, dimR (Núcleo(T )) = 1
e T não é injetora.
Como dimR (Imagem(T )) = dimR (P2(R)) − dimR (Núcleo(T )) = 3 − 1 = 2,
Imagem(T ) ⊂ R3 e dimR (R3) = 3, portanto Imagem(T ) ( R3 e T não é
sobrejetora.
Exercı́cios
1. Determine, para cada transformação linear do Exercı́cio 2 da Seção 1:
(a) o núcleo, sua dimensão e uma base,

(b) a imagem, sua dimensão e uma base.
UFF 84
M. L. T. Villela
2. Diga quais das transformações lineares do Exercı́cio 2 da Seção 1 são

injetoras, sobrejetoras ou bijetoras.
3. Seja D : P2(R) −→ P2(R) definida por D(f(t)) = f ′ (t), isto é,

D(a + bt + ct2) = b + 2ct.
(a) Mostre que D é linear.

(b) Determine a imagem e o núcleo de D.
4. Seja A ∈ Mn×n(R) uma matriz fixa.

Seja T : Mn×n(R) −→ Mn×n(R) definida por T (X) = XA−AX. Mostre
que T é linear.
!
1 2
5. Seja A = .
0 3
Determine o núcleo e a imagem de T : M2×2(R) −→ M2×2(R) definida
por T (X) = XA − AX.
6. Encontre uma base e a dimensão da imagem Veja o Exercı́cio 5c da Seção

 e do núcleo da trans-
 1.
1 2 0 1
4 3
formação linear TA : R −→ R , onde A =  2 −1 2 −1 .
 
1 −3 2 −2
7. Encontre uma transformação linear T : R3 −→ R4, tal que sua imagem

é gerada por w1 = (1, 1, 2, 1) e w2 = (2, 1, 0, 1).
8. Encontre uma transformação linear T : R3 −→ R2 cujo núcleo é gerado

por v1 = (1, 1, 0).
9. (a) Existe uma transformação linear injetora T : R3 −→ R2 ? Por

quê?
(b) Existe uma transformação linear sobrejetora T : R2 −→ R3 ? Por
quê?
(c) Existe uma transformação linear T : R3 −→ R3 injetora e não
sobrejetora? Sobrejetora e não injetora? Por quê?
10. Sejam V e W espaços vetoriais reais, tais que dimR (V) = dimR (W) =
n ≥ 1, e T : V −→ W uma transformação linear. Mostre que T é
injetora se, e somente se, T é bijetora.
85 UFF
Álgebra Linear I
11. Sejam V um espaço vetorial real com dimR V = n e T : V −→ V uma

transformação linear tal que Núcleo(T ) = Imagem(T ). Mostre que n é
par.
12. Seja V um R-espaço vetorial. Seja T : V −→ V uma transformação

linear. Mostre que as seguintes afirmações sobre T são equivalentes:
(a) Imagem(T ) ∩ Núcleo(T ) = {0V }.

(b) Se T (T (v)) = 0V , então T (v) = 0V .
13. Seja T : V −→ V uma transformação linear e seja {v1, v2, . . . , vn} ⊂ V.

Mostre que se {T (v1), T (v2), . . . , T (vn)} é linearmente independente,
então {v1, v2, . . . , vn} é linearmente independente.
14. Seja T : V −→ W uma transformação linear com a seguinte proprie-

dade: se {v1, v2, . . . , vn} é uma base de V, então {T (v1), T (v2), . . . , T (vn)}
é linearmente independente em W.
Mostre que T é injetora.
UFF 86
M. L. T. Villela
Matrizes de transformações lineares
Vamos fazer uma representação matricial de transformações lineares

que generaliza o caso especial apresentado no Exercı́cio 5c da Seção 1.
Definição 4
Sejam V e W espaços vetoriais reais, tais que dimR (V) = n ≥ 1 e dimR (W) =
m ≥ 1, α = {v1, . . . , vn} e β = {w1, . . . , wm} bases, respectivamente, de V e
W e T : V −→ W uma transformação linear.
Definimos a matriz de T de α para β como a matriz Mm×n(R) definida
por
T ]α
β= T (v1)]β T (v2)]β · · · T (vn)]β .
A j-ésima coluna de T ]α
β é T (vj)]β ∈ Mm×1(R), o vetor coordenada na
base β da imagem por T do j-ésimo vetor da base α.
Exemplo 22
Seja T : R3 −→ R2 definida por T (x, y, z) = (2x + y − z, x + 3y + 2z). Consi-
deremos α = {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)} e β = {(1, 0), (0, 1)},
as bases canônicas do R3 e R2, respectivamente. Como!T (e1) = (2, 1),
2 1 −1
T (e2) = (1, 3) e T (e3) = (−1, 2), então T ]α
β = . Temos que se
1 3 2
v = (x, y, z), então  
! ! x
2x + y − z 2 1 −1  
T (v)]β = =  y  = T ]α β · v]α.
x + 3y + 2z 1 3 2
z
Vamos mostrar agora a propriedade da matriz T ]α

β.
Proposição 4 (Representação matricial)

W e T : V −→ W uma transformação linear. Então, para cada v ∈ V, temos
T (v)]β = T ]α β · v]α.
Demonstração: Escrevendo v como combinação linear da baseα de V, temos:

x1
 x2 
 
 .. .
v = x1v1 + x2v2 + · · · + xnvn, logo v]α =  
 . 
xn
Aplicando T a v, temos que:
87 UFF
Álgebra Linear I
n
X
T (v) = x1T (v1) + x2T (v2) + · · · + xnT (vn) = xjT (vj).
j=1
Para cada j = 1, . . . , n, escrevendo T (vj) como combinação linear da
base β de W, temos que existem a1j, a2j, . . . , amj ∈ R, tais que  
a1j
X m
 a2j 
 
T (vj) = a1jw1 + a2jw2 + · · · + amjwm =  .. .
akjwk e T (vj)]β =  
k=1  . 
amj
Portanto,
Xn
T (v) = xjT (vj)
j=1
Xn m
X
= xj akjwk
j=1 k=1
Em (1) usamos a Xn Xm
(1)
distributividade do produto = xjakjwk
por escalar em V; em (2), a
j=1 k=1
comutatividade e n
m X
(2) X
associatividade da adição em
= akjxj wk.
V e a distributividade do
produto por escalar em V. k=1 j=1
Assim, tomandoA = (akj), para
 k = 1, . . . , m e j = 1, . . . , n, temos
Xn
 a1jxj 
 j=1    
 n
 X

 a11 a12 · · · a1n x1

 a2jxj 
  a21 a22 · · · a2n   x2 
  
T (v)]β =    .. .
= . .. ..   
 j=1   .
 ..   . . · · · .  . 
 n .
 
 X

 am1 am2 · · · amn xn
 amjxj 
j=1
Como A = T ]α
β, finalmente, obtemos
T (v)]β = T ]α
β · v]α.
Exemplo 23
Seja T : P2(R) −→ R3 a transformação linear definida por
T (a + bt + ct2) = (2a + b + c, −a + b + 3c, 4a + 2b + c).
Sejam α = {1, t, t2} e β = {e1, e2, e3} as bases canônicas, respectivamente, de
P2(R) e R3.
Temos T (1) = (2, −1, 4), T (t) = (1, 1, 2) e T (t2) = (1, 3, 1). Logo,
 
2 1 1
T ]α
β =  −1 1 3  e
 
4 2 1
UFF 88
M. L. T. Villela
     
2a + b + c 2 1 1 a
2
T (a + bt + ct )]β =  −a + b + 3c  =  −1 1 3   b  .
     
4a + 2b + c 4 2 1 c
| {z } | {z }
T]α
β (a+bt+ct2 )]α
Exemplo 24
Vamos determinar a transformação linear T : R2 −→ M2×2(R) tal que a
 
2 1
 1 −1  A matriz eij tem o elemento
matriz T ]α = , onde α = {(1, 0), (0, 1)} e β = {e11, e12, e21, e22}.
  de ordem ij igual a 1 e os
β 
 −1 0  outros elementos iguais a 0.
0 1
!
x
Como v = (x, y) = x(1, 0) + y(0, 1), então v]α = e
y
   
2 1 ! 2x + y
 1 −1  x  x−y 
T (x, y)]β =  = . Portanto,
   

 −1 0  y  −x 
0 1 y
T (x, y) = (2x + y)e11 + (x −!y)e12 − xe21 + ye22
2x + y x − y
= .
−x y
Exemplo 25
Sejam α = {(1, −1), (0, 2)} e β = {(1, 0, −1), (0, 1, 2), (1, 2, 0)} bases, respecti-
2
vamente, do R e R3. Vamos
 determinar a transformação linear T : R −→ R
2 3
1 0
tal que T ]α
β=  1 1 .
 
0 −1
Dado v = (x, y) escrevemos v como combinação linear da base α de V,
obtendo:
(x, y) = a(1, −1) + b(0, 2) = (a, −a + 2b) ⇐⇒ a = x e − a + 2b = y
⇐⇒ a = x e 2b = x + y
⇐⇒ a = x e b = x+y
2
.
!
x
Logo, v]α = x+y .
2
Da propriedade de T ]α β, temos que
   
1 0 ! x
x 3x+y
T (v)]β = T ]α
β · v]α =  1 1  = , que é equivalente
   
x+y 2
0 −1 2
− (x+y)
2
89 UFF
Álgebra Linear I
a
(x+y)
T (x, y) = T (v) = x(1, 0, −1) + 3x+y
2
(0, 1, 2) − 2
(1, 2, 0)
x−y x−y
= 2
, 2 , 2x + y .
Exemplo 26
Seja S : R2 −→ R2 a simetria com respeito à reta r gerada por (1, 1). Vamos
determinar S(x, y).
Veja Exercı́cio 7 da Seção 1.

Conforme já foi observado, S é uma transformação linear. Basta saber os
valores de S numa base do R2 para determinar S. Temos que:
(i) S(v) = v, para todo v ∈ r;
(ii) S(v) = −v, para todo v ∈ s, onde s é a reta passando pela origem
perpendicular a r.
A equação da reta r é y = x, em virtude de
(x, y) ∈ r ⇐⇒ (x, y) = a(1, 1) = (a, a), para algum a ∈ R ⇐⇒ y = a = x.
Logo, a equação de s é y = −x.
Portanto, tomando v1 = (1, 1) ∈ r e v2 = (1, −1) ⊥ s, temos a base do R2
α = {v1, v2} tal que S(v1) = v1, S(v2) = −v2.
! ! !
1 0 1 0
Assim, S(v1)]α = , S(v2)]α = e S]α
α= .
0 −1 0 −1
Escrevendo v = (x, y) como combinação linear de α, temos:
(x, y) = a(1, 1) + b(1, −1) = (a + b, a − b) ⇐⇒ a + b = x e a − b = y
⇐⇒ a = x+y x−y
2 e y= 2 .
!
x+y
2
Logo, (x, y)]α = x−y e
2 ! ! !
x+y x+y
1 0
S(x, y)]α = S]α
α · (x, y)]α =
2
x−y = 2
−x+y ,
0 −1 2 2
x+y −x+y

portanto S(x, y) = 2 (1, 1) + 2
(1, −1) = (y, x).
Veremos agora uma aplicação interessante da representação matricial

de uma transformação linear.
Exemplo 27
Seja V um espaço vetorial real com dimR (V) = n ≥ 1. Sejam α e β bases de
V e consideremos a transformação linear identidade I : V −→ V definida por
I(v) = v. Fixemos a base α no domı́nio de I e a base β no contradomı́nio.
Da definição de I]α, segue que
β
I]α
β = I(v )]
1 β · · · I(v )]
n β = v ]
1 β · · · vnβ .
]
Além disso, da propriedade da representação matricial de transformações
UFF 90
M. L. T. Villela
lineares, temos que

v]β = I(v)]β = I]α
β · v]α.
A expressão acima motiva a seguinte definição
Definição 5 (Matriz de mudança de base)

Seja V um espaço vetorial real de dimenão n ≥ 1. Sejam α = {v1, . . . , vn} e

α
β bases de V. A matriz I]β = v1]β · · · vn]β ∈ Mn×n(R) é chamada
matriz de mudança de base de α para β.
Exemplo 28
Consideremos as bases do R3 α = {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)}
e β = {w1 = (1, 0, 0), w2 = (1, 1, 0), w3 = (1, 1, 1)}. Vamos determinar a
matriz I]α
β de mudança da base α para β.
Temos que:
 
1
v1 = w1 = 1 · w1 + 0 · w2 + 0 · w3, então v1]β =  0 ;
 
0


−1
v2 = −w1 + w2 = (−1) · w1 + 1 · w2 + 0 · w3, então v2]β =  1 ;
 
0
 
0
v3 = −w2 + w3 = 0 · w1 + (−1) · w2 + 1 · w3, então v3]β =  −1 .
 
1
Logo,  
1 −1 0
I]αβ= v1]β v2]β v3]β =  0 1 −1 .
 
0 0 1
 
x
Para v = (x, y, z) temos que v]α =  y  e
 
z
    
1 −1 0 x x−y
v]β = I]αβ · v]β =  0 1 −1   y  =  y − z .
    
0 0 1 z z
Assim, (x, y, z) = (x − y)w1 + (y − z)w2 + zw3.
Exemplo 29
Sejam α = {v1, v2, v3} e β = {w1 = 1 + t2, w2 = 1 − t, w3 = 1 + t + t2} bases
91 UFF
Álgebra Linear I
 
1 2 1
de P2(R). Sabendo que I]α
β =  1 −1 1  vamos determinar
 
1 1 0
(i) v1, v2, v3;
 
1
(ii) v]β, onde v]α =  −1 ;
 
1
(iii) v do item anterior.

(i) Da definição de I]α
β = v ]
1 β v ]
2 β v3β] segue que:
 
1
v1]β =  1 , logo v1 = w1 + w2 + w3 = (1 + t2) + (1 − t) + (1 + t + t2) =
 
1
3 + 0t + 2t2 = 3 + 2t2;
 
2
v2]β =  −1 , logo v2 = 2w1 −w2 +w3 = 2(1 +t2) −(1 −t) +(1 +t +t2) =
 
1
2
2 + 2t + 3t ;
 
1
v3]β =  1 , logo v3 = w1 +w2 +0·w3 = (1+t2)+(1−t)+0·(1+t+t2) =
 
0
2
2−t+t .
    
1 2 1 1 0
α
(ii) v]β = I]β · v]α =  1 −1 1   −1  =  3  e
    
1 1 0 1 0
(iii) De v]β temos v = 3w2 = 3(1 − t) = 3 − 3t ou, a partir de v]α, temos
v = v1 − v2 + v3 = (3 + 0t + 2t2) − (2 + 2t + 3t2) + (2 − t + t2) = 3 − 3t.
Exemplo 30 !
1 1
Seja V = P1(R) e seja I]α
β= .
1 2
(a) Determine α, se β = {w1 = 1, w2 = 1 + t}.
Seja α = {v1, v2}.
! !
1 1
Como v1]β = e v2]β = , então v1 = w1 +w2 = 1+(1+t) = 2+t
1 2
e v2 = w1 + 2w2 = 1 + 2(1 + t) = 3 + 2t. Logo, α = {2 + t, 3 + 2t}.
(b) Determine β, se α = {v1 = 1 + t, v2 = 1 − t}.
! !
1 1
Seja β = {w1, w2}. Como v1]β = e v2]β = , então
1 2
UFF 92
M. L. T. Villela
1 + t = v1 = w1 + w2 e 1 − t = v2 = w1 + 2w2.

w1 + w2 = 1 + t (1)
Vamos resolver o sistema
w1 + 2w2 = 1 − t. (2)
Subtraindo a equação (1) de (2), obtemos w2 = (1 − t) − (1 + t) = −2t.
Substituindo na equação (1), temos w1 = 1 + t − w2 = 1 + t + 2t = 1 + 3t.
Logo, β = {1 + 3t, −2t}.
Vamos agora ver uma propriedade importante da matriz de mudança

de base.
Proposição 5 (Propriedade da matriz de mudança de base)

Seja V um espaço vetorial real de dimensão n ≥ 1. Sejam α e β bases de V.
α −1

A matriz I]α β é invertı́vel e I]β = I]β
α.
Demonstração: Basta mostrarmos que I]α β

β · I]α = In, a matriz identidade de
ordem n. Primeiramente, observamos que as matrizes I]α β
β e I]α têm a seguinte
propriedade:
I]α β
β · I]α · v]β = v]β, para todo v]β.
De fato, para todo v]β, temos

I]α β α β α
β · I]α · v]β = I]β · I]α · v]β = I]β · v]α = v]β.
Para cada j = 1, . . . , n, seja Ej = (ci1) ∈ Mn×1(R) tal que cj1 = 1 e

ck1 = 0, para 1 ≤ k 6= j ≤ n.
Então, para toda matriz A ∈ Mn×n(R), temos que
A · Ej = Aj,
onde Aj é a j-ésima coluna de A.
Consideremos A = I]α β
β · I]α. Para cada j = 1, . . . , n, fazemos v]β = Ej.
Assim,
Ej = v]β = I]α β
β · I]α · v]β = AEj = A .
j
Portanto,
α β 1 2 n
I]β · I]α = A = A A · · · A = E1 E2 · · · En = In.
Exemplo 31
Consideremos as bases do R3 α = {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)}
e β = {w1 = (1, 1, 1), w2 = (0, 0, 1), w3 = (1, −1, 0)}. Vamos determinar I]α β.
A base α é a base canônica do R3. É trivial escrever um elemento qualquer

do R3 como combinação linear de α, em particular, é imediato escrever os
elementos de β como combinação linear de α. Assim,
93 UFF
Álgebra Linear I
 
1 0 1
I]β = w ] w ] w ] =  1 0 −1 .
 
α 1α 2α 3α
1 1 0
−1
Para determinar I]αβ calculamos I]
β
. Pelo algoritmo apresentado na Parte
α
1, reduzimos por linhas a matriz I]β α I3 . Logo,
   
Fizemos a seguinte sequência 1 0 1 1 0 0 1 0 1 1 0 0
 1 0 −1 0 1 0  ∼1  0 0 −2 −1 1 0  ∼2
   
em ∼1 : L2 → L2 − L1 ,
L3 → L3 − L1 ; 1 1 0 0 0 1 0 1 −1 −1 0 1
em ∼2 : L2 ↔ L3 ;    
em ∼3 : L3 → − 21 L3 ; 1 0 1 1 0 0 1 0 1 1 0 0
em ∼4 : L1 → L1 − L3 ,  0 1 −1 −1 0 1  ∼3  0 1 −1 −1 0 1  ∼4
   
L2 → L2 + L3 .
1
0 0 −2 −1 1 0 0 0 1 2
− 21 0
   
1 1 1 1
1 0 0 2 2
0 2 2
0
 0 1 0 − 12 − 12 1 . Logo, I]α
 1 1
= − − 1 .
  
β  2 2
1
0 0 1 2
− 21 0 1
2
− 21 0
Exercı́cios
1. Sejam α = {(−1, 1), (1, 0)} e β = {(1, 1, −1), (2, 1, 0), (3, 0, 1)} bases
do R2 e R3, respectivamente. Sabendo que T : R2 −→ R3 é a trans-
formação linear tal que  
3 1
T ]α
β=  2 5 ,
 
1 −1
determine T (x, y).
2. Sejam α = {(1, 0, 0), (2, −1, 0), (0, 1, 1)} e β = {(−1, 1), (0, 1)} bases,
respectivamente, do R3 e R2. Determine T ]α 3 2
β, onde T : R −→ R é
definida por T (x, y, z) = (2x + y − z, x + 2y).
!
1 0 −1
3. Seja T ]α
β= , onde T : R3 −→ R2 é uma transformação
−1 1 1
linear, α = {(0, 1, 1), (1, 0, 0), (1, 0, 1)} e β = {(−1, 0), (0, −1)}.
(a) Determine T (x, y, z).

(b) Determine a imagem de T e uma base para esse subespaço.
(c) Determine o núcleo de T e uma base para esse subespaço.
(d) T é injetora? T é sobrejetora? Justifique sua resposta.
UFF 94
M. L. T. Villela
3
4. Considere a função T : M2×2
! (R) −→ R definida por
a c
T = (a + b, c − d, 2a).
b d
(a) Mostre que T é linear.

(b) Determine T ]α
β, onde α e β são as bases canônicas, respectiva-
mente, de M2×2(R) e R3.
(c) Determine v ∈ M2×2(R), tal que T (v) = (3, −2, 4).
(d) Determine a imagem e o núcleo de T .
(e) T é sobrejetora ou injetora? Justifique.
5. Seja T : R3 −→ R3 o operador linear tal que:
(i) T (v) = −3v, para todo v = (t, −t, t), t ∈ R;

(ii) T (v) = 2v, para todo v = (x, y, z) tal que x − y + z = 0.
Determine T (x, y, z).
6. Seja T : R4 −→ R4 o operador linear tal que:
(i) T (v) = 2v, para todo v = (t, t, t, 2t), t ∈ R;

(ii) T (v) = 3v, para todo v = (x, y, z, w) tal que x + y + z + 2w = 0.
Determine T (x, y, z, w)
7. Consideremos as bases α = {(−3, 0, −3), (−3, 2, −1), (1, −6, −1)} e β =

{(−6, −6, 0), (−2, −6, 4), (−2, −3, 7)} do R3.
(a) Determine a matriz de mudança de base I]α

β.
(b) Determine v]α, onde v = (−5, 8, −5).

(c) Calcule v]β, usando a matriz obtida no item (a).
8. Sejam α = {v1, v2, v3} e β = {u1, u2, u3} bases de P2(R), assim relacio-
nadas:
u1 = v1 + v3
u2 = 2v1 + v2 + v3
u3 = v1 + 2v2 + v3
Determine as matrizes de mudança de base I]α β
β e I]α.
9. Sejam α = {(1, 0), (0, 1)} e β = {(1, 1), (1, −1)} bases do R2.
95 UFF
Álgebra Linear I
(a) Determine (1, 0)]β e (0, 1)]β.

(b) Determine I]α
β.
(c) Determine (x, y)]β
10. Consideremos α = {1, t, t2, t3}, a base canônica de P3(R), e a base

β = {1, 1 − t, 1 − t2, 1 − t3}.
(a) Determine 1]β, t]β, t2]β e t3]β.

(b) Determine I]α
β.
(c) Determine v]β, onde v = 1 + 2t − t3.

 
2
 1 
(d) Determine u ∈ P3(R), sabendo que u]β =  .
 
 3 
−1
2
11. A matriz de mudança da base α = {1+t, 1−t!} para uma base β, ambas
1 2
do mesmo subespaço de P2(R), é . Determine a base β.
1 −1
12. Seja S : R2 −→ R3 definida por S(x, y) = (2y, x − y, x). Determine

S]α
β, onde α = {(1, −1), (0, 2)} e β = {(1, 0, −1), (0, 1, 2), (1, 2, 0)}.
13. Determine o operador linear T de P!

1(R) cuja matriz em relação à base
1 0
β = {1 + t, 1 + 2t} é T ]β
β= .
1 2
14. Para cada um dos operadores lineares T em R2, determine a matriz

T ]α 2
α, onde α é a base canônica do R :
(a) T é definido por T (1, 0) = (2, 4) e T (0, 1) = (5, 8).

(b) T é a rotação anti-horária de π2 .
(c) T é a simetria com respeito à reta y = −x.
(d) T é a simetria com respeito à reta y = 3x.
15. Seja V um espaço vetorial real de dimensão n ≥ 1 e α = {v1, . . . , vn}

uma base de V. Mostre que I]α α = In, a matriz identidade de ordem n.
UFF 96
M. L. T. Villela
Composição de transformações lineares
Transformações lineares são funções e a composição é feita como a com-

posição de funções foi definida.
Definição 6 (Composição de transformações lineares)

Sejam V, W e U espaços vetoriais reais, T : V −→ W e S : W −→ U
transformações lineares, então S ◦ T : V −→ U é a função definida por
(S ◦ T )(v) = S(T (v)), para cada v ∈ V.
Exemplo 32
Sejam as transformações lineares T : R2 −→ R3 e S : R3 −→ R2 definidas
por T (x, y) = (x + 2y, x − y, 3x − 2y) e S(x, y, z) = (x + y − z, 2x + y − z).
Então, S ◦ T : R2 −→ R2 é a função
(S ◦ T )(x, y) = S(T (x, y))
= S(x + 2y, x − y, 3x − 2y)
= ((x + 2y) + (x − y) − (3x − 2y), 2(x + 2y) + (x − y)
−(3x − 2y))
= (−x + 3y, 5y).
Logo, S ◦ T é linear.
A propriedade do Exemplo acima vale em geral.
Proposição 6 (Propriedades da composição de transformações lineares)

Sejam V, W e U espaços vetoriais reais, T : V −→ W e S : W −→ U
transformações lineares. Valem as seguintes propriedades:
(a) S ◦ T : V −→ U é linear.
(b) Se dimR (V) = n ≥ 1, dimR (W) = r ≥ 1, dimR (U) = m ≥ 1, α, β e
δ são bases, repectivamente, de V, W e U, então
β
(S ◦ T )]α α
δ = S]δ · T ]β.
Demonstração:
(a) Sejam v, v′ ∈ V e a ∈ R. Então,
(S ◦ T )(v + v′ ) = S(T (v + v′ )) da composição; em (2), que
(2) T é linear; em (3), que S é
= S(T (v) + T (v′ )) linear e em (4), novamente, a
(3) definição da composição.
= S(T (v)) + S(T (v′ ))
(4)
= (S ◦ T )(v) + (S ◦ T )(v′ ) e
97 UFF
Álgebra Linear I
(5)
(S ◦ T )(a · v) = S(T (a · v))
(6)
= S(a · T (v))
(7)
Em (5) usamos a definição = a · S(T (v))
da composição; em (6), que (8)
T é linear; em (7), que S é = a · (S ◦ T )(v).
linear e em (8), novamente, a
(b) Para qualquer v]α, temos
definição da composição.
S]β β
α

δ · T ]β · v]α = S]δ · T (v)]β
= S(T (v)]δ = (S ◦ T )(v)]δ
= (S ◦ T )]α
δ · v]α.
Seja A = S]β α α
δ · T ]β e seja B = (S ◦ T )]δ .
Mostramos acima que A · v]α = B · v]α, para todo v]α.

Procederemos de maneira análoga à demonstração da Proposição 5.
Para cada j = 1, . . . , n, seja Ej = (ci1) ∈ Mn×1(R) tal que cj1 = 1 e ck1 = 0,
para 1 ≤ k 6= j ≤ n.
Tomando v]α = Ej, para cada j = 1, . . . , n, temos
Aj = A · Ej = B · Ej = Bj.
Assim, as colunas de A e B são as mesmas, obtendo que A = B.
Exemplo 33
Podemos fazer também a composição T ◦ S das transformações lineares do
Exemplo 32 T : R2 −→ R3 e S : R3 −→ R2 definidas por
T (x, y) = (x + 2y, x − y, 3x − 2y) e S(x, y, z) = (x + y − z, 2x + y − z).
Vamos determinar T (S(x, y, z)), usando a representação matricial.
Fixemos α = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} e β = {(1, 0), (0, 1)}, as bases canô-
nicas, respectivamente, do R3 e R2.
Temos que T (1, 0) = (1, 1, 3), T (0, 1) = (2, −1, −2), S(1, 0, 0) = (1, 2),
S(0, 1, 0) = (1, 1) e S(0, 0, 1) = (−1, −1).
 
1 2 !
1 1 −1
Portanto, T ]β
 α
α =  1 −1 , S]β = e

2 1 −1
3 −2
   
1 2 ! 5 3 −3
β 1 1 −1
(T ◦ S)]α α
α = T ]α · S]β =  1 −1  =  −1 0 0 .
   
2 1 −1
3 −2 −1 1 −1
Logo,

T (S(x, y, z))]α = (T ◦ S)(x, y, z) α = (T ◦ S)]α · (x, y, z)]α
    α 
5 3 −3 x 5x + 3y − 3z
 e
=  −1 0 0  y  =  −x
   

−1 1 −1 z −x + y − z
UFF 98
M. L. T. Villela
T (S(x, y, z)) = (5x + 3y − 3z, −x, −x + y − z).
Exemplo 34
Sejam S : R2 −→ P2(R) e T : P2(R) −→ R3 definidas a seguir. Vamos
determinar T ◦ S : R2 −→ R3, onde S(a, b) = a + bt + (2a + b)t2 e
T (a + bt + ct2) = (2a − b + c, 2a + b − c, a + b − c).
Sejam α = {(1, 0), (0, 1)}, β = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} e δ = {1, t, t2} as
bases fixadas, respectivamente, no R2, R3 e P2(R).
Então,
T (1) = (2, 2, 1), T (t) = (−1, 1, 1), T (t2) = (1, −1, −1);
   
2 −1 1 1 0
S(1, 0) = 1+2t2, S(0, 1) = t+t2; T ]δβ =  2 1 −1  e S]α δ =  0 1 .
   
1 1 −1 2 1
    
2 −1 1 1 0 4 0
Logo, (T ◦ S)]α δ α
β = T ]β · S]δ =  2 1 −1   0 1  =  0 0 .
    
1 1 −1 2 1 −1 0
Portanto,
   
4 0 ! 4a
 a
T (S(a, b))]β = (T ◦ S)]α β · (a, b)]α =  0 0  =  0  e
  
b
−1 0 −a
T (S(a, b)) = (4a, 0, −a).
Lembramos um resultado de Fundamentos de Matemática Elementar.

Proposição 7
Seja f : A −→ B uma função. f é bijetora se, e somente se, existe uma
função g : B −→ A tal que g ◦ f = IA e f ◦ g = IB, onde IA e IB são as
funções identidades, respectivamente, em A e B. Nesse caso, dizemos que f
é invertı́vel, chamamos g de inversa de f e denotamos f−1 = g.
Demonstração:
(=⇒:) Dado b ∈ B, como f é sobrejetora, existe a ∈ A tal que f(a) = b e a
é único, pois f é injetora. Definimos g : B −→ A por
g(b) = a se, e somente se, f(a) = b.
Então,
(g ◦ f)(a) = g(f(a)) = a = IA(a), para todo a ∈ A, e
(f ◦ g)(b) = f(g(b)) = f(a) = b = IB(b), para todo b ∈ B.
Portanto, g ◦ f = IA e f ◦ g = IB.
(⇐=:) Dado b ∈ B, temos que b = IB(b) = (f ◦ g)(b) = f(g(b)). Tomando
99 UFF
Álgebra Linear I
a = g(b) ∈ A, obtemos que b = f(g(b)) = f(a), com a ∈ A, logo f é

sobrejetora.
Sejam agora a, a′ ∈ A tais que f(a) = f(a′).
Aplicando g e usando que g ◦ f = IA, obtemos:
a = IA(a) = (g ◦ f)(a) = g(f(a)) = g(f(a′)) = (g ◦ f)(a′) = IA(a′ ) = a′ .
Logo, f é injetora.
Definição 7 (Isomorfismo)
Sejam V e W espaços vetoriais reais. Dizemos que uma transformação linear
T : V −→ W é um isomorfismo de espaços vetoriais se, e somente se, T é
bijetora. Quando W = V e T : V −→ V é bijetora, dizemos que T é um
automorfismo de V.
Exemplo 35
Seja V um espaço vetorial real. Então, a função identidade IV : V −→ V
definida por IV (v) = v, para cada v ∈ V, é um automorfismo, pois é uma
transformação linear bijetora.
Proposição 8
Sejam V e W espaços vetoriais reais e T : V −→ W um isomorfismo. Então,
T −1 : W −→ V é linear.
Demonstração: Sejam w, w′ ∈ W. Pela Proposição 7, temos que:
T −1(w) = v se, e somente se, T (v) = w (⋆)
e T −1(w′ ) = v′ se, e somente se, T (v′ ) = w′ . (⋆⋆)
Logo,
(1)
Em (1) usamos (⋆) e (⋆⋆);
T −1(w + w′ ) = T −1(T (v) + T (v′ ))
(2)
em (2), que T é linear; em = T −1(T (v + v′ ))
(3), a definição da
(3)
composição; em (4), que = (T −1 ◦ T )(v + v′ )
T−1 ◦ T = IV ; em (5), a (4)
definição de IV e em (6), = IV (v + v′ )
novamente, (⋆) e (⋆⋆). (5)
= v + v′
(6)
= T −1(w) + T −1(w′ )
e, para todo a ∈ R,
(7)
Em (7) usamos (⋆); em (8),
T −1(a · w) = T −1(a · T (v))
(8)
que T é linear; em (9), a = T −1(T (a · v))
definição da composição; em
(9)
(10), que T−1 ◦ T = IV ; em = (T −1 ◦ T )(a · v)
(11), a definição de IV e em (10)
(12), novamente, (⋆). = IV (a · v)
UFF 100
M. L. T. Villela
(11)
= a·v
(12)
= a · T −1(w).
Definição 8
Sejam V e W espaços vetoriais reais. Dizemos que V e W são isomorfos se,
e somente se, existe T : V −→ W um isomorfismo, isto é, uma transformação
linear bijetora.
Exemplo 36
R3 e P2(R) são isomorfos. De fato, consideremos T : R3 −→ P2(R) definida
por T (a, b, c) = a + bt + ct2. Então, dados v = (a, b, c) e v′ = (a′ , b′, c′) em
R3 e λ ∈ R, temos: Em (1) usamos a definição
da adição em R3 ; em (2), a
(1)
T (v + v′ ) = T (a + a′ , b + b′ , c + c′ )) definição de T; em (3), a
(2) associatividade e
= (a + a′ ) + (b + b′ )t + (c + c′ )t2 comutatividade da adição
(3) em P2 (R) e em (4), a
= (a + bt + ct2) + (a′ + b′ t + c′ t2) definição de T.
(4)
= T (v) + T (v′ ) e
T (λ · v) = T (λ · a, λ · b, λ · c) da multiplicação por escalar
(6) no R3 ; em (6), a definição de
= (λ · a) + (λ · b)t + (λ · c)t2 T; em (7), propriedade da
(7) multiplicação por escalar em
= λ · (a + bt + ct2) P2 (R) e em (8), a definição
(8)
= λ · T (v). de T.
Logo, T é linear. Temos 0 = T (a, b, c) = a + bt + ct2 se, e somente se, a = 0,

b = 0 e c = 0. Assim, Núcleo(T ) = {(0, 0, 0)} e T é injetora. Pelo Teorema
do Núcleo e da Imagem,
3 = dimR (R3) = dimR (Núcleo(T )) + dimR (Imagem(T )) = dimR (Imagem(T )).
Como dimR (P2(R) = 3, Imagem(T ) ⊂ P2(R) e dimR (Imagem(T )) = 3, obte-
mos que Imagem(T ) = P2(R) e T é sobrejetora.
Nesse caso, T −1 : P2(R) −→ R3 é dada por T −1(a + bt + ct2) = (a, b, c).
Observação: Sejam V e W espaços vetoriais de dimensão finita, digamos que

dimR (V) = n e dimR (W) = m. Seja T : V −→ W uma transformação linear.
Pelo Teorema do Núcleo e da Imagem, temos que:
(a) Se n > m, então T não é injetora.
(b) Se n < m, então T não é sobrejetora.
(c) Se T é bijetora, então n = m.
Antes de darmos mais Exemplos de isomorfismos veremos uma proprie-
dade muito importante da representação matricial de transformações lineares
entre espaços vetoriais de mesma dimensão.
101 UFF
Álgebra Linear I
Proposição 9
Sejam V e W espaços vetoriais reais de dimensão n ≥ 1, α e β bases, res-
pectivamente, de V e W e T : V −→ W uma transformação linear. Então,
T é um isomorfismo se, e somente se, T ]α
β é matriz invertı́vel. Nesse caso,
−1 β α −1

T ]α = T ]β .
Demonstração:
(=⇒:) Suponhamos que T seja um isomorfismo. Então, existe T −1 : W −→ V
linear, tal que T ◦ T −1 = IW e T −1 ◦ T = IV . Segue da representação matricial
In = IW]β
β = (T ◦ T
−1 β
)]β = T ]α
β·T
−1 β
]α,
Fez o Exercı́cio 15 da
Seção 3? assim como,
−1 −1 β
In = IV ]αα = (T ◦ T )]α
α= T ]α · T ]α
β,
−1
mostrando que T ]α α
β é invertı́vel e T ]β = T −1]β
α.
(⇐=:) Suponhamos que A = T ]α β ∈ Mn×n(R) seja invertı́vel. Consideremos

B a inversa de A. Seja S : W −→ V a única transformação linear tal que
S]β
α = B. Então,
IW]β α β β
β = In = A · B = T ]β · S]α = (T ◦ S)]β,
mostrando que IW = T ◦ S. Analogamente,

IV ]α β α α
α = In = B · A = S]α · T ]β = (S ◦ T )]α,
mostrando que IV = S ◦ T . Portanto, T é um isomorfismo, S = T −1 e

α −1
T −1]β

α = T ]β .
Exemplo 37
Seja T : R2 −→ P1(R) definida por T (a, b) = a + (a + b)t. Vamos mostrar
que T é invertı́vel e vamos determinar T −1.
Fixemos α = {e1 = (1, 0), e2 = (0, 1)} e β = {1, t} as bases canônicas de R2 e
P1(R). Temos que T (1, 0) = 1 + t e T (0, 1) = t. Logo, !
1 0
T ]α
β= T (e1)]β T (e2)]β = (1 + t)]β t]β = .
1 1
Reduzindo por linhas a matriz aumentada (T ]α β | I2) obtemos, substituindo
L2 → L2 − L1,
! !
1 0 1 0 1 0 1 0
∼ .
1 1 0 1 0 1 −1 1
!
−1 1 0
Logo, T é invertı́vel, T −1]β α
α = T ]β = e
−1 1
! ! !
1 0 a a
T −1(a + bt)]α = · = .
−1 1 b −a + b
Portanto, T −1(a + bt) = a(1, 0) + (−a + b)(0, 1) = (a, −a + b).
UFF 102
M. L. T. Villela
Exemplo 38
Seja T : P2(R) −→ R3 definida por T (a + bt + ct2) = (a − b, 2b, b + c).
Vamos determinar, caso exista, a inversa de T .
Fixemos α = {1, t, t2} e β = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} bases, respectiva-
mente, de P2(R) e R3. Temos que:
T (1) = (1, 0, 0), T (t) = (−1, 2, 1) e T (t2) = (0, 0, 1).
Então,  
1 −1 0
T ]α
β= T (1)]β T (t)]β T (t2)]β =  0 2 0 .
 
0 1 1
Vamos verificar se a matriz acima é invertı́vel. Reduzindo por linhas a matriz
aumentada, obtemos
   
1 −1 0 1 0 0 1 0 1 1 0 1
Fizemos a seguinte sequência
 0 2 0 0 1 0  ∼1  0 0 −2 0 1 −2  ∼2
   
em ∼1 : L1 → L1 + L3 ,
0 1 1 0 0 1 0 1 1 0 0 1
    L2 → L2 − 2L3 ;
1 0 1 1 0 1 1 0 1 1 0 1 em ∼2 : L2 ↔ L3 ;
em ∼3 : L3 → − 12 L3 ;
 0 1 1 0 0 1  ∼3  0 1 1 0 0 1  ∼4
   
em ∼4 : L1 → L1 − L3 ,
0 0 −2 0 1 −2 0 0 1 0 − 12 1 L2 → L2 − L3 .
 
1
1 0 0 1 2
0
1
 0 1 0 0 0 .
 
2
0 0 1 0 − 12 1
−1
Logo, existe T −1 : R3 −→ P2(R), T −1]betaα = T ]α β e
T −1(a, b, c)]α = T −1]β · (a, b, c)]β
 α  
1
1 2
0 a
1
=  0 0  b 
  
2
1
0 −2 1 c .
 
a + b2
b
= 
 
2 
b
−2 + c
Logo, T (a, b, c) = a + b2 + b2 t + c − b2 t2.
−1

Encerramos esta Seção com o importante resultado a seguir.
Proposição 10
Todo espaço vetorial real V com dimensão n ≥ 1 é isomorfo ao Rn.
Demonstração: Dado o espaço vetorial V escolhemos uma base {v1, . . . , vn}
de V. Seja {e1, . . . , en} a base canônica do Rn. Definimos T : Rn −→ V como
a única transformação linear tal que T (e1) = v1, . . . , T (en) = vn. Então,
103 UFF
Álgebra Linear I
T (x1, . . . , xn) = T (x1e1 + · · · + xnen)

= x1T (e1) + · · · + xnT (en)
= x1v1 + · · · + xnvn.
Vamos mostrar que T é um isomorfismo.
Temos que Imagem(T ) = [T (e1), . . . , T (en)] = [v1, . . . , vn] = V. Por-
tanto, T é sobrejetora. Pelo Teorema do Núcleo e da Imagem,
n = dimR (Rn) = dimR (Núcleo(T )) + n.
Logo, dimR (Núcleo(T )) = 0. Como T é bijetora e linear, então T é um
isomorfismo.
Exercı́cios
1. Seja D : P3(R) −→ P3(R) definida por D(a + bt + ct2 + dt3) =

b + 2ct + 3dt2.
(a) Mostre que D é linear.

(b) Determine o núcleo de D e a imagem de D.
(c) Determine D]α 2 3
α, onde α = {1, t, t , t } é a base canônica de P3(R).
(d) Seja T = D ◦ D. Determine T ; T ]α 2 3

α, onde α = {1, t, t , t } é a base
canônica de P3(R); Núcleo(T ) e Imagem(T ).
(e) Determine um isomorfismo S : P3(R) −→ R4.
2. Sejam T : R3 −→ R2, S : R2 −→ R3 e R : R2 −→ R2 as transformações

lineares definidas por T (x, y, z) = (y, x + z), S(x, y) = (2x, x − y, x + y)
e R(x, y) = (y, 2x). Determine:
(a) T ◦ S (b) S ◦ T (c) R ◦ T (d) S ◦ R (e) R3 = R ◦ R ◦ R
3. Sejam F e T os operadores lineares do P1(R) definidos por

T (a + bt) = b + at e F(a + bt) = a.
Determine os operadores:
(a) F ◦ T (b) T ◦ F (c) T 2 = T ◦ T (d) F2 = F ◦ F
4. Seja T : P2(R) −→ P2(R) o operador linear tal que T (1) = 1 + t + t2,

T (t) = 1 + t2 e T (t + 2t2) = 4t2. T é invertı́vel? Se for, determine
T −1(a + bt + ct2).
UFF 104
M. L. T. Villela
5. Seja T : R3 −→ R3 o operador linear definido por

T (x, y, z) = (2x − y + z, x + y, 3x + y + z).
Verifique se T é bijetora. Se for, determine T −1(x, y, z).
6. Seja T : V −→ W uma transformação linear com dimR (V) = dimR (W).

Mostre que T é injetora se, e somente se, T é sobrejetora.
7. Seja T : V −→ V um operador linear. Mostre que para todo natural

n ≥ 1, T n é operador linear, onde T 1 = T , T 2 = T ◦ T e, para todo
n ≥ 2, T n = T n−1 ◦ T .
8. Sejam S : V −→ V e T : V −→ V operadores lineares invertı́veis.

Mostre que S ◦ T é um operador linear invertı́vel e (S ◦ T )−1 = T −1S−1.
9. Seja V um espaço vetorial real com dimR V = n. Seja α = {v1, . . . , vn}

uma base de V.
(a) Mostre que T : Rn −→ V definida por

T (x1, . . . , xn) = x1v1 + · · · + xnvn
é linear.
(b) Determine o núcleo e a imagem de T .
(c) Mostre que T é um isomorfismo de espaços vetoriais.
(d) Exiba T no caso em que V = M2×2(R) e α é a base canônica de
M2×2(R).
(e) Exiba T no caso em que V = P2(R) e α é a base canônica de
P2(R).
(f) Exiba T no caso em que V = {(x, y, z) ∈ R3 | x + y − z = 0} e
α = {(1, 0, 1), (−1, 2, 1)}.
10. Determine a transformação linear T : R2 −→ R2 dada por: uma sime-

tria S com respeito à reta y = x, seguida da projeção ortogonal P sobre
a reta y = x, seguida de uma contração C de √12 e finalizada por uma
rotação horária R de π4 .
Observe que T = R ◦ C ◦ P ◦ S.
11. Seja T : R3 −→ R3 a projeção ortogonal sobre o plano x + y − z = 0.

 
1 0 0
3 β
(a) Encontre uma base β do R , tal que T ]β =  0 1 0 .
 
0 0 0
105 UFF
Álgebra Linear I
(b) Determine T (x, y, z).
12. Seja α = {v1, v2, v3} uma base de um espaço vetorial V. Sejam T e S
operadores lineares de V definidos por T (v1) = v1 − v2, T (v2) = v1 + v3
e T (v3) = v2; S(v1) = 2v1 + v3, S(v2) = v1 e S(v3) = v2 − 2v1.
Determine:
(a) (T ◦ S)−1.
(b) T −1(v1), T −1(v2) e T −1(v3).
13. Seja T : R2 −→ R3 definida por T (x, y) = (2x − y, x + 3y, −2y) e

sejam α = {(−1, 1), (2, 1)} e β = {(0, 0, 1), (0, 1, −1), (1, 1, 0)} bases,
respectivamente, do R2 e R3.
(a) Determine T ]α
β.
(b) Determine T ]α 3
γ , onde γ é a base canônica do R .
UFF 106
M. L. T. Villela
O espaço vetorial L(V, W)
Sejam V e W espaços vetoriais reais. Vamos construir, a partir de V e

W, um novo espaço vetorial. Definimos
L(V, W) = {T : V −→ W ; T é linear }.
Vamos dar a L(V, W) uma estrutura de espaço vetorial real. Para isto,
precisamos definir operações de adição e de multiplicação por escalar.
Definição 9 (Operações em L(V, W))
Sejam T, S ∈ L(V, W) e a ∈ R. Definimos
T + S : V −→ W por (T + S)(v) = T (v) + S(v), para cada v ∈ V;
a · T : V −→ W por (a · T )(v) = a · T (v), para cada v ∈ V.
É claro que T + S e a · T são funções cujo domı́nio é V e contradomı́nio

é W. Para as definições acima estarem bem postas, precisamos verificar que
T + S e a · T são transformações lineares, isto é, T + S, a · T ∈ L(V, W).
De fato, sejam v, v′ ∈ V e c ∈ R, então Em (1) usamos a definição
da adição em L(V, W); em
(1)
(T + S)(v + v′ ) = T (v + v′ ) + S(v + v′ ) (2), que T e S são lineares;
(2) em (3), a comutatividade e
= T (v) + T (v′ ) + S(v) + S(v′) associatividade da adição em
(3) W e em (4), a definição da
= T (v) + S(v) + T (v′ ) + S(v′) adição em L(V, W).
(4)
= (T + S)(v) + (T + S)(v′) e
(T + S)(c · v) = T (c · v) + S(c · v) da adição em L(V, W); em
(6) (6), que T e S são lineares;
= c · T (v) + c · S(v) em (7), a distributividade
(7) em W e em (8), a definição
= c · T (v) + S(v) da adição em L(V, W).
(8)
= c · (T + S)(v) ;
(a · T )(v + v′ ) = a · T (v + v′ ) da multiplicação por escalar
(10) em L(V,W); em (10), que T
= a · T (v) + T (v′ ) é linear; em (11), a
(11) distributividade em W e em
= a · T (v) + a · T (v′ )
(12), a definição da
(12)
= (a · T )(v) + (a · T )(v′ ) e multiplicação por escalar em
L(V, W).
(13)
(a · T )(c · v) = a · T (c · v)
= a · c · T (v) da multiplicação por escalar
(15)
= c · a · T (v) em L(V,W); em (14), que T
é linear; em (15),
(16)
= c · (a · T )(v). propriedade da multiplicação
por escalar em W e em (16),
Exemplo 39 a definição da multiplicação
por escalar em L(V, W).
Sejam T, S ∈ L(R2, R3) definidas por
107 UFF
Álgebra Linear I
T : R2 −→ R3 S : R2 −→ R3
e
(x, y) 7−→ (x + y, x − y, 2x) (x, y) 7−→ (2x − y, 2y, −x + y)
Então, 2T + 3S : R2 −→ R3 é a transformação linear definida por
(2T + 3S)(x, y) = 2T (x, y) + 3S(x, y)
= 2(x + y, x − y, 2x) + 3(2x − y, 2y, −x + y)
= (8x − y, 2x, x + 3y).
Agora estamos prontos para o resultado principal.
Proposição 11
As operações definidas acima em L(V, W) têm as seguintes propriedades,
para quaisquer T, S, R ∈ L(V, W) e a, b ∈ R :
A1-(Associativa): (T + S) + R = T + (S + R).
A2-(Comutativa): T + S = S + T .
A3-(Existência de elemento neutro aditivo): A transformação linear identi-
camente nula O : V −→ W definida por T (v) = 0W, para cada v ∈ V, é tal
que T + O = T , para rodo T ∈ L(V, W).
A4-(Existência de simétrico): Para cada T ∈ L(V, W) existe S ∈ L(V, W),
tal que T + S = O. Tomamos S : V −→ W definida por S = −T .
Me1: 1 · T = T .
Me2-(Associativa): a · (b · T ) = (a · b) · T .
AMe1-(Distributiva): a · (T + S) = a · T + a · S.
AMe2-(Distributiva): (a + b) · T = a · T + b · T .
Demonstração: Faremos a demonstração de algumas das propriedades e as
outras serão deixadas como Exercı́cio.
A1-(Associativa): Para todo v ∈ V temos
(1)
Em (1) e (2) usamos a
(T + S) + R (v) = (T + S)(v) + R(v)
definição da adição em (2)
= T (v) + S(v) + R(v)
L(V,W); em (3), a
(3)
associatividade da adição em = T (v) + S(v) + R(v)
W; em (4) e (5), a definição (4)
da adição em L(V, W). = T (v) + S + R (v)
(5)
= T + (S + R) (v),
logo (T + S) + R = T + (S + R).
Me2-(Associativa): Para todo v ∈ V, temos
Em (6) e (7) usamos a (6)
definição da multiplicação a · (b · T ) (v) = a · (b · T )(v)
por escalar em L(V, W); (7)
= a · b · T (v)
UFF 108
M. L. T. Villela
em (8), a associatividade da
= (a · b) · T (v) W; em (9), a definição da
= (a · b) · T (v), L(V, W).
logo a · (b · T ) = (a · b)T .
AMe1-(Distributiva): Para todo v ∈ V, temos
(10)
a · (T + S) (v) = a · T + S (v) Em (10) usamos a definição
(11) da multiplicação por escalar
= a · (T (v) + S(v))
em L(V,W); em (11), a
(12)
= a · T (v) + a · S(v) definição da adição em
(13) L(V, W); em (12), a
= (a · T )(v) + (a · S)(v) distributividade em W; em
(14) (13), a definição da
= a · T + a · S (v), multiplicação por escalar em
logo a · (T + S) = a · T + a · S L(V, W) e em (14), a
definição da adição em
L(V, W).
Corolário 1
L(V, W), com as operações definidas acima, é um espaço vetorial real.
Proposição 12 (Propriedade da representação matricial)


W. Se T, S ∈ L(V, W) e a ∈ R, então (T +S)]α α α α α
β = T ]β+S]β e (a·T )]β = a· T ]β .
Demonstração: Para cada j = 1, . . . , n temos que (T + S)(vj) = T (vj) + S(vj).

Segue dessa igualdade e de propriedade do vetor coordenada, que

(T + S)(vj)]β = T (vj) + S(vj) ]β = T (vj)]β + S(vj)]β. (⋆)
Logo, Em (1) usamos a definição
da representação matricial
(1)
(T + S)]α
β = (T + S)(v1)]β · · · (T + S)(vn)]β de T + S; em (2), (⋆) para
cada j = 1, .. . ,n; em (3), a
(2)
= T (v1)]β + S(v1)]β · · · T (vn)]β + S(vn)]β definição da adição de
matrizes; em (4), as
(3)
= T (v1)]β · · · T (vn)]β + S(v1)]β · · · S(vn)]β definições das representações
matriciais de T e S.
(4)
= T ]α α
β + S]β.
Para cada j = 1, . . . , n temos que (a · T )(vj) = a · T (vj). Segue dessa
igualdade e de propriedade do vetor coordenada, que

(a · T )(vj)]β = a · T (vj) ]β = a · T (vj)]β . (⋆⋆)
Logo, Em (5) usamos a definição
da representação matricial
(5)
(a · T )]α
β = (a · T )(v1)]β · · · (a · T )(vn)]β de a · T; em (6), (⋆⋆) para
cada j = 1, .. . ,n; em (7), a
(6)
= a · T (v1)]β · · · a · T (vn)]β definição da multiplicação
por escalar de matrizes; em
(7)
= a · T (v1)]β · · · T (vn)]β (8), a definição da
representação matricial de T.
(8)
= a · T ]αβ .
109 UFF
Álgebra Linear I
Proposição 13
Sejam V e W espaços vetoriais reais tais que dimR (V) = n e dimR (W) = m,
então dimR (L(V, W)) = n · m.
Demonstração: Se V = {0V } ou W = {0W} então L(V,
W) = {O} é o espaço ve-
0 · m, se V = {0V }
torial identicamente nulo e 0 = dimR (L(V, W)) =
n · 0, se W = {0W}.
Suponhamos que dimR (V) = n ≥ 1 e dimR (W) = m ≥ 1. Fixemos
α = {v1, . . . , vn} uma base de V e β = {w1, . . . , wm} uma base de W. Consi-
deremos a função
ϕ : L(V, W) −→ Mm×n(R)
T 7−→ T ]α
β
Vamos mostrar que ϕ é um isomorfismo de espaços vetoriais reais.
De fato, sejam T, S ∈ L(V, W) e a ∈ R. Então, segue da definição de ϕ
e da Proposição anterior que
ϕ(T + S) = (T + S)]α α α
β = T ]β + S]β = ϕ(T ) + ϕ(S) e

ϕ(a · T ) = (a · T )]α α
β = a · T ]β = a · ϕ(T ),
mostrando que ϕ é linear.

Temos que Núcleo(ϕ) = {T ∈ L(V, W) ; ϕ(T ) = T ]αβ = 0m×n }. Logo,
para cada v ∈ V, temos
 
0
α  .. 
T (v)]β = T ]β · v]α = 0m×n · v]α =  .  ∈ Mm×1(R) e
0
T (v) = 0 · w1 + · · · + 0 · wm = 0W. Portanto, T = O é a tranformação
linear identicamnete nula e ϕ é injetora.
Dada A ∈ Mm×n(R), seja T : V −→ W a transformação linear tal que
T ]α
β = A. Então, ϕ(T ) = A, mostrando que ϕ é sobrejetora.
Assim, dimR (Núcleo(ϕ)) = 0 e Imagem(ϕ) = Mm×n(R) e, pelo Teo-
rema do Núcleo e da Imagem, concluı́mos que
dimR (L(V, W)) = dimR (Núcleo(ϕ)) + dimR (Imagem(ϕ))

= 0 + dimR Mm×n(R) = m · n.
Um caso particular do exposto acima é obtido com W = R.
Definição 10 (Espaço dual)

Seja V um espaço vetorial real com dimR (V) = n. O espaço dual de V
é V ∗ = L(V, R) = {f : V −→ R ; f é linear }. O elemento f ∈ L(V, R) é
chamado funcional linear sobre V.
UFF 110
M. L. T. Villela
Observamos que dimR (V ∗ ) = n.

Exemplo 40
Seja f : R2 −→ R definida por f(x, y) = 2x + 3y. Então, f é um funcional
linear.
Exemplo 41
Seja f : R3 −→ R definida por f(x, y, z) = 2x − 3y + z. Então, f é um
funcional linear.
Exemplo 42
Seja (a1, . . . , an) ∈ Rn fixado. Então, f : Rn −→ R definida por
f(x1, . . . , xn) = a1x1 + · · · + anxn
é um funcional linear.
Teorema 3
Seja V um espaço vetorial real com dimR (V) = n ≥ 1. Seja α = {v1, . . . , vn}
uma base de V. Sejam os funcionais lineares f1, . . . , fn ∈ V ∗ definidos por
1, se i = j,
fi(vj) = δij =
0, se i 6= j.
Então, {f1, . . . , fn} é uma base de V ∗ , chamada de base dual de α.
Demonstração: Temos que:
f1(v1) = 1, f1(v2) = 0, . . . , f1(vn) = 0;
f2(v1) = 0, f2(v2) = 0, . . . , f2(vn) = 0;
..
.
fn(v1) = 0, fn(v2) = 0, . . . , fn(vn) = 1.
Como α é uma base de V, para cada i = 1, . . . , n, existe uma única
transformação linear fi : V −→ R com a propriedade descrita acima. Assim,
fi ∈ V ∗ , para i = 1, . . . , n.
Como dimR (V ∗ ) = n, basta mostrar que {f1, . . . , fn} é linearmente in-
dependente.
Xn
De fato, suponhamos que aifi = a1f1 + · · · + anfn = O. Então,
i=1
para cada j = 1, . . . , n, temos
X n n
X n
X
0 = O(vj) = aifi (vj) = aifi(vj) = aiδij = aj.
i=1 i=1 i=1
Logo, a1 = · · · = an = 0.
Exemplo 43
A base dual da base canônica do Rn α = {e1, . . . , en} é f1(x1, . . . , xn) = x1,
f2(x1, . . . , xn) = x2, . . . , fn(x1, . . . , xn) = xn.
111 UFF
Álgebra Linear I
De fato,
fi(x1, x2, . . . , xn) = fi(x1e1 + x2e2 + · · · + xnen)
X n
= fi xjej
j=1
n
X
= xjfi(ej)
j=1
Xn
= xjδij
j=1
= xiδii
= xi.
Encerramos essa Seção com um conceito que será importante na disci-

plina Álgebra Linear II.
Definição 11 (Matrizes semelhantes)
Sejam A, B ∈ Mn×n(R). Dizemos que A é semelhante a B se, e somente se,
existe P ∈ Mn×n(R) invertı́vel tal que A = P−1BP.
Proposição 14
Seja V um espaço vetorial real com dimR (V) = n ≥ 1 e seja T : V −→ V
β
um operador linear. Se α e β são bases de V, então T ]α
α e T ]β são matrizes
semelhantes.
Demonstração: Seja P a matriz de mudança da base β para α, isto é, P = I]β
α.
−1 β −1
α
Então, P = I]α = I]β e
−1 β β
P · T ]α · P = I]α
α α β
β · T ]α · I]α = (IV ◦ T ◦ IV )]β = T ]β.
Exercı́cios
1. Sejam T e S os operadores lineares do R2 definidos por T (x, y) = (y, x)

e S(x, y) = (0, x). Determine os operadores:
(a) S + T (b) 2S − 3T (c) T n, para todo natural n ≥ 1
(d) Sn, para todo natural n ≥ 1
2. Demonstre as propriedades A2, A3, A4, Me1 e AMe2 da Proposição

11.
3. Seja A = (aij) ∈ Mn×n(R). Definimos o traço de A por

tr(A) = a11 + a22 + · · · + ann.
Mostre que tr : Mn×n(R) −→ R é um funcional linear.
UFF 112
M. L. T. Villela
4. Seja f(t) = a0 + a1t + · · · + antn ∈ Pn(R) e T : Pn(R) −→ R definida

Z1
por T (f(t)) = f(t)dt. Mostre que T é um funcional linear.
0
5. Determine a base dual da base {(1, 1), (1, −1)} do R2.
6. Mostre que a relação de semelhança é uma relação de equivalência em

Mn×n(R).
7. Sejam A, B ∈ Mn×n(R) tais que A é semelhante a B.
Use que o determinante do

(a) Mostre que det(A) = det(B).
produto de matrizes é o
(b) Mostre que Am é semelhante a Bm, para todo natural m ≥ 1. produto dos determinantes e
que o determinante da
inversa é o inverso do seu
determinante.
113 UFF

Álgebra Linear 1 - Parte 3 - Maria Lucia Torres Villela - UFF IME - 2010

Enviado por

Dados do documento

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

Álgebra Linear 1 - Parte 3 - Maria Lucia Torres Villela - UFF IME - 2010

Enviado por

Direitos autorais:

Formatos disponíveis

Parte 3

A Álgebra das Transformações

As funções que têm interesse entre espaços vetoriais reais de dimensão

(6) Em (6) usamos a definição

(a) T (0V ) = 0W;

Dados v = a1v1 + · · · + anvn e v′ = a′1v1 + · · · + a′nvn, então

S(a · v) = a · S(v), para todo a ∈ R e para todo v ∈ V.

1. Quais das seguintes funções T : R2 −→ R2 são lineares?

2. Mostre que as seguintes funções são transformações lineares:

(a) T : R2 −→ R3, tal que T (x, y) = (x − y, 2x + y, x + 3y).

(e) T : R4 −→ P2(R), tal que

3. Determine a transformação linear T : R2 −→ R3, tal que T (−1, 1) =

4. Determine a transformação linear T : R3 −→ R2, tal que T (1, 0, 0) =

5. Seja A ∈ Mm×n(R) fixa. Considere a função T : Mn×1(R) −→ Mm×1(R)

(a) Mostre que T é linear.

7. Sabendo que as seguintes funções T : V −→ V são operadores li-

Imagem e Núcleo de Transformações

Primeiramente, lembramos alguns conceitos importantes sobre funções

Veremos que para funções lineares, a imagem é facilmente determinada.

Então, T não é injetora e dimR (Núcleo(T )) = 2.

Veremos que podemos relacionar as dimensões do domı́nio, do núcleo e

Teorema 2 (Teorema do Núcleo e da Imagem)

n = dimR (V) = r + ℓ = dimR (Núcleo(T )) + ℓ.

Volte aos Exemplos 13, 15, 16 e 17 e verifique o Teorema do Núcleo e

1. Determine, para cada transformação linear do Exercı́cio 2 da Seção 1:

(a) o núcleo, sua dimensão e uma base,

2. Diga quais das transformações lineares do Exercı́cio 2 da Seção 1 são

3. Seja D : P2(R) −→ P2(R) definida por D(f(t)) = f ′ (t), isto é,

(a) Mostre que D é linear.

4. Seja A ∈ Mn×n(R) uma matriz fixa.

6. Encontre uma base e a dimensão da imagem Veja o Exercı́cio 5c da Seção

7. Encontre uma transformação linear T : R3 −→ R4, tal que sua imagem

8. Encontre uma transformação linear T : R3 −→ R2 cujo núcleo é gerado

9. (a) Existe uma transformação linear injetora T : R3 −→ R2 ? Por

11. Sejam V um espaço vetorial real com dimR V = n e T : V −→ V uma

12. Seja V um R-espaço vetorial. Seja T : V −→ V uma transformação

(a) Imagem(T ) ∩ Núcleo(T ) = {0V }.

13. Seja T : V −→ V uma transformação linear e seja {v1, v2, . . . , vn} ⊂ V.

14. Seja T : V −→ W uma transformação linear com a seguinte proprie-

Matrizes de transformações lineares

Vamos fazer uma representação matricial de transformações lineares

Vamos mostrar agora a propriedade da matriz T ]α

Proposição 4 (Representação matricial)

Demonstração: Escrevendo v como combinação linear da baseα de V, temos:

Veja Exercı́cio 7 da Seção 1.

Veremos agora uma aplicação interessante da representação matricial

lineares, temos que

A expressão acima motiva a seguinte definição

Definição 5 (Matriz de mudança de base)

Vamos agora ver uma propriedade importante da matriz de mudança

Proposição 5 (Propriedade da matriz de mudança de base)

Demonstração: Basta mostrarmos que I]α β

De fato, para todo v]β, temos

Para cada j = 1, . . . , n, seja Ej = (ci1) ∈ Mn×1(R) tal que cj1 = 1 e

A base α é a base canônica do R3. É trivial escrever um elemento qualquer

(a) Determine T (x, y, z).

(a) Mostre que T é linear.

5. Seja T : R3 −→ R3 o operador linear tal que:

(i) T (v) = −3v, para todo v = (t, −t, t), t ∈ R;

Determine T (x, y, z).

6. Seja T : R4 −→ R4 o operador linear tal que:

(i) T (v) = 2v, para todo v = (t, t, t, 2t), t ∈ R;

7. Consideremos as bases α = {(−3, 0, −3), (−3, 2, −1), (1, −6, −1)} e β =

(a) Determine a matriz de mudança de base I]α