5.

Transformações Lineares

Dados A e B conjuntos não vazios uma aplicação de A em B é uma relação biunívoca que a cada
elemento a em A associa um único elemento em B.
Uma transformação linear é uma aplicação entre dois espaços vetoriais que preserva linearidade, por
exemplo as rotações e as reflexões do plano no plano são lineares.

5.1 Transformações Lineares

Definição 5.1.1 Sejam V e W espaços vetoriais sobre um corpo K, uma aplicação T : V −→ W é
uma transformação linear se, e somente se, satisfaz as seguintes condições:
(i) Para quaisquer u e v em V tivermos T (u + v) = T (u) + T (v).
(ii) Para todo v em V e todo λ em K tivermos T (λ · v) = λ · T (v).

Exemplos 5.1.1 (a) Reflexões no Plano

(a1 ) Reflexão em torno do eixo x:

T: R2 −→ R2
.
(x, y) 7−→ T (x, y) = (x, −y)

(a2 ) Reflexão em torno do eixo x:

T: R2 −→ R2
.
(x, y) 7−→ T (x, y) = (−x, −y)

(a3 ) Reflexão em torno do eixo y:

T: R2 −→ R2
.
(x, y) 7−→ T (x, y) = (−x, y)
144 Capítulo 5. Transformações Lineares

Figura 5.1.1: Ponto X e as imagens das reflexões pelos eixos x e y e pela origem

(b) Rotações no Plano

(b1 ) Rotação de um ângulo θ :

Rθ : R2 −→ R2    
cos θ −sen θ x
Rθ (x, y) = ·
sen θ cos θ y
(x, y) 7−→
= (x cos θ − y sen θ , x sen θ + y cos θ ).
π
(b2 ) Rotação de :
2
R π2 : R2 −→ R2
   
0 −1 x .
(x, y) 7−→ R π2 (x, y) = · = (−y, x)
1 0 y

(b3 ) Rotação de π:

Rπ : R2 −→ R2    
−1 0 x .
(x, y) 7−→ Rπ (x, y) = · = (−x, −y)
0 −1 y

A linearidade segue das propriedades de produto de matrizes.

5.1 Transformações Lineares 145

π
Figura 5.1.2: Ponto X e as imagens das rotações de θ , eπ
2

(c) As aplicações do tipo:

T: R2 −→ R2
, com a e b números reais são lineares.
(x, y) 7−→ T (x, y) = (ax, by)

De fato:

(i) Para quaisquer (x1 , y1 ) e (x2 , y2 ) em R2 temos:

T (x1 , y1 ) + (x2 , y2 ) = T (x1 + x2 , y1 + y2 ) = a(x1 + x2 ), b(y1 + y2 )

= (ax1 + ax2 , by1 + by2 ) = (ax1 , by1 ) + (ax2 , by2 )

= T (x1 , y1 ) + T (x2 , y2 ).

(ii) Para todo (x, y) em R2 e todo λ em R temos:

T λ (x, y) = T (λ x, λ y) = a(λ x), b(λ y) = (aλ x, bλ y) = λ (ax, by) = λ T (x, y).

Logo, as reflexões do exemplo (a) são lineares, no item (a1 ) a = 1 e b = −1; no item (a2 )
a = b = −1 e no item (a3 ) a = −1 e b = 1.
146 Capítulo 5. Transformações Lineares

(d) As translações não triviais do plano:

T(a,b) : R2 −→ R2
, com a 6= 0 ou b 6= 0
(x, y) 7−→ T(a,b) (x, y) = (x, y) + (a, b)
não são lineares.
De fato, por exemplo:
T (1, 0) = (1, 0) + (a, b) = (1 + a, b) e T (0, 1) = (0, 1) + (a, b) = (a, 1 + b),
assim T (1, 0) + T (0, 1) = (1 + a, b) + (a, 1 + b) = (1 + 2a, 1 + 2b).


Por outro lado, T (1, 0) + (0, 1) = T (1, 1) = (1, 1) + (a, b) = (1 + a, 1 + b).
  
1 + 2a = 1 + a 2a = a a=0
Logo, T (1, 0) + T (0, 1) = T (1, 1) ⇐⇒ ⇐⇒ ⇐⇒ , mas
1 + 2b = 2b = b b=0
por hipótese temos a 6= 0 ou b 6= 0.
Portanto, T(a,b) não é linear.
(e) A aplicação derivada de polinômios é linear:
T : Pn (R) −→ Pn−1 (R)
é linear.
p(t) 7−→ T p(t) = p0 (t)

De fato:
(i) Para quaisquer p(t) e q(t) em Pn (R) temos:
(1)
T p(t) + q(t) = T (p + q)(t) = (p + q)0 (t) = p0 (t) + q0 (t) = T p(t) + T q(t) .

d d
d
g(t) = f 0 (t) + g0 (t), propriedade da derivada da soma de funções.



(1) f (t) + g(t) = f (t) +
dt dt dt
(ii) Para todo p(t) em Pn (R) e todo λ em R temos:

(2)
T λ p(t) = T (λ p)(t) = λ (p)0 (t) = λ T p(t) .

d d
f (t) = a · f 0 (t), propriedade da derivada do produto de uma função por uma



(2) a · f (t) = a ·
dt dt
constante.
 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
(f) Seja Am×n =   uma matriz m × n, a aplicação:
 
.. .. .. ..
 . . . . 
am1 am2 · · · amn
TA : Rn −→ Rm  
x1
 x2 
(x1 , x2 , · · · , xn ) −
7 → TA (x1 , x2 , · · · , xn ) = Am×n ·  ,
 
..
 . 
xn
   
a11 a12 ··· a1n x1
 a21 a22 ··· a2n   x2 
TA (x1 , x2 , · · · , xn ) =  .. ·
   
.. .. .. .. 
ou seja,
 . . . .   . 
am1 am2 · · · amn xn

= (a11 x1 + · · · + a1n xn , a21 x1 + · · · + a2n xn , · · · , am1 x1 + · · · + amn xn )

é uma transformação linear.
 5.1 Transformações Lineares 147

De fato, segue das propriedades M3 (a) e M4 de produto de matrizes.

 
1 3 −1
Por exemplo, se A = então temos:
0 2 1

TA : R3 −→ R2 
  x
1 3 −1  
(x, y, z) −
7 → TA (x, y, z) = · y
0 2 1
z
= (x + 3y − z, 2y + z).

Observação 5.1.2 Na definição de transformação linear T : V −→ W os espaço vetoriais V e W

devem ser sobre o mesmo corpo K, pois caso contrário a segunda condição da definição não funcionaria.

5.1.1 Propriedades de Transformações Lineares

Sejam V e W espaços vetoriais sobre um corpo K e T : V −→ W uma transformação linear, então

valem:
T L1 T (OV ) = 0W .
T L2 T (−v) = −T (v), para todo v ∈ V .
T L3 T (v − u) = T (v) − T (u), para quaisquer v, u ∈ V .
T L4 Se U é subespaço de V , então T (U) é subespaço de W .
T L5 Dados v1 , v2 , · · · , vk em V e escalares a1 , a2 , · · · , ak , então:

T (a1 v1 + a2 v2 + · · · + ak vk ) = a1 T (v1 ) + a2 T (v2 ) + · · · + ak T (vk ).

Verificação:

T L1 De fato, podemos escrever 0V = v + (−v) para algum v ∈ V , assim,

(i) (ii)
T (0V ) = T v + (−v) = T (v) + T (−v) = T (v) − T (v) = 0W .

T L2 De fato, dado v ∈ V , então,

TL
(i)
T (v) + − T (v) = 0W =1 T (0V ) = T v + (−v) = T (v) + T (−v).

Logo, − T (v) = T (−v) ⇐⇒ −T (v) = T (−v).
T L3 De fato,

(i) TL
T (v − u) = T v + (−u) = T (v) + T (−u) =2 T (v) − T (u).

T L4 Lembremos que T (U) = {w ∈ W ; w = T (u) para algum u ∈ U}.

Como 0V ∈ U, pois U é subespaço de V , segue que 0W = T (0V ) ∈ T (U), portanto T (U) 6= 0.
/
Sejam w1 w2 ∈ T (U), então existem u1 , u2 ∈ U tais que w1 = T (u1 ) e w2 = T (u2 ).
Logo,
(i)
w1 + w2 = T (u1 ) + T (u2 ) = T (u1 + u2 ) ∈ T (U).
| {z }
∈U
 148 Capítulo 5. Transformações Lineares

Sejam w ∈ T (U) e λ ∈ K, então existe u ∈ U tais que w = T (u).

Logo,
(ii)
λ · w = λ · T (u) = T (λ · u ) ∈ T (U).
|{z}
∈U

Portanto, T (U) é subespaço de W .

T L5 Segue das condições (i) e (ii) da definição de transformação linear.

Observação 5.1.3 Se T : V −→ V é uma transformação linear, com Dom(T ) = CD(T ), dizemos que
T é um operador linear.

Proposição 5.1.4 Sejam V , W e U espaços vetoriais sobre um corpo K, se T : V −→ W e

S : W −→ U são transformações lineares, então a composição S ◦ T : V −→ U também é uma
transformação linear.

Demonstração:
(i) Sejam u e v em V , então:

T é linear

S ◦ T (u + v) = S T (u + v) = S T (u) + T (v)

S é linear


= S T (u) + S T (v) = S ◦ T (u) + S ◦ T (v).

(ii) Sejam v em V e λ em K, então:

T é linear
S é linear

S ◦ T (λ v) = S T (λ v) = S λ T (v) = λ S T (v) = λ S ◦ T (v).

De (i) e (ii) segue que S ◦ T é linear.

5.2 Matriz de uma Transformação Linear

No último exemplo de transformações lineares vimos que toda matriz define uma transformação
linear. Reciprocamente, se V e W são espaços vetoriais sobre um corpo K, ambos de dimensão
finita, dada uma transformação linear T : V −→ W , considerando B = {v1 , v2 , · · · , vn } base de V e
B 0 = {w1 , w2 , · · · , wm } base de W podemos associar a T uma matriz em relação às bases B e B 0 .
De fato, para todo v ∈ V podemos escrever

v = α1 · v1 + α2 · v2 + · · · + αn · vn , com α1 , α2 , · · · , αn ∈ K.

Por outro lado, como T (v1 ), T (v2 ), · · · , T (vn ) ∈ W também podemos escrever:

T (v1 ) = a11 · w1 + a21 · w2 + · · · + am1 · wm

T (v2 ) = a12· w1 + a22 · w2 + · · · + am2 · wm . (5.2.1)

..
.
T (vn ) = a1n · w1 + a2n · w2 + · · · + amn · wm
5.2 Matriz de uma Transformação Linear 149

Logo,


T (v) = T α1 · v1 + α2 · v2 + · · · + αn · vn

= α1 · T (v1 ) + α2 · T (v2 ) + · · · + αn · T (vn )

= α1 · a11 · w1 + a21 · w2 + · · · + am1 · wm + α2 · a12 · w1 + a22 · w2 + · · · + am2 · wm

.
+ · · · + αn · a1n · w1 + a2n · w2 + · · · + amn · wm

= (α1 · a11 + α2 · a12 + · · · + αn · a1n ) · w1 + (α1 · a21 + α2 · a22 + · · · + αn · a2n ) · w2

+ · · · + (α1 · am1 + α2 · am2 + · · · + αn · amn ) · wm

Portanto, matricialmente temos:

   
a11 a12 · · · a1n α1
     a21 a22 · · · a2n   α2 
T (v) = w1 w2 · · · wm 1×m ·  · . (5.2.2)
   
.. .. .. ..  .. 
 . . . .   . 
am1 am2 · · · amn αn n×1
| {z }
A m×n

Definição 5.2.1 Sejam V e W espaços vetoriais sobre um corpo K, de dimensões n e m, respectiva-

mente. Dadas B = {v1 , v2 , · · · , vn } base de V , B 0 = {w1 , w2 , · · · , wm } base de W e
T : V −→ W uma transformação linear a matriz A dada em 5.2.2 é chamada matriz da trans-
formação linear T relação às bases B e B 0 .
Notação: [T ]B
B 0 , no caso em que B e B são bases canônicas indicamos por [T ].
0

T (v1 ) T (v2 ) ··· T (vn )

 ↓ ↓ ↓ 
a11 a12 ··· a1n ← coordenadas do 1º vetor de B 0
[T ]B
B0 =  a a22 ··· a2n  ← coordenadas do 2º vetor de B 0 .

 21
 .. .. .. ..  ..
 . . . .  .
am1 am2 ··· amn ← coordenadas do mº vetor de B 0

Observações 5.2.1 (a) Se T : V −→ V é um operador linear e consideramos a base B no domínio

e no contra-domínio de T , então indicamos a matriz correspondente por [T ]B .
(b) No que segue vamos indicar:
• e1 , · · · , en os respectivos vetores da base canônica de Rn ;
• E11 , E12 , · · · , E1n , · · · , Em1 , Em2 , · · · , Emn os respectivos vetores da base canônica de
Mm×n (R);
• v1 , · · · , vn os respectivos vetores de uma base qualquer.

Exemplos 5.2.2 (a) Seja a transformação linear T : R3 −→ R2 dada por:

T (x, y, z) = (x − y + 2z, 3x + 4z).

Determine a matriz de T em relação às bases canônicas de R2 e R3 .

150 Capítulo 5. Transformações Lineares

Solução:
3 é B = (1, 0, 0), (0, 1, 0), (0, 0, 1) , enquanto que a de R2 é

A base canônica de R
B 0 = (1, 0), (0, 1) .


Logo,
T (1, 0, 0) = (1, 3) = 1(1, 0) + 3(0, 1)

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

T (0, 0, 1) = (2, 4) = 2(1, 0) + 4(0, 1)

Portanto, a matriz de T em relação às bases canônicas é:

T (e1 ) T (e2 ) T (e3 )

↓ ↓ ↓
[T ] =  .
1 −1 2 ← coordenada do 1º vetor de B 0
3 0 4 ← coordenada do 2º vetor de B 0

(b) Seja a transformação linear T : M2 (R) −→ R3 dada por:

   
a11 a12
T = (a11 + a12 + a21 , a12 − a21 + a22 , 2a21 − a22 ).
a21 a22

Determine a matriz de T em relação às bases canônicas de M2 (R) e R3 .

Solução:
       
1 0 0 1 0 0 0 0
A base canônica de M2 (R) é: B = , , , e a de R3 é
0 0 0 0 1 0 0 1
B 0 = (1, 0, 0), (0, 1, 0), (0, 0, 1) .


Assim temos:
   
1 0
T = (1, 0, 0) = 1(1, 0, 0) + 0(0, 1, 0) + 0(0, 0, 1),
0 0
   
0 1
T = (1, 1, 0) = 1(1, 0, 0) + 1(0, 1, 0) + 0(0, 0, 1),
0 0
   
0 0
T = (1, −1, 2) = 1(1, 0, 0) − 1(0, 1, 0) + 2(0, 0, 1),
1 0
   
0 0
T = (0, 0, −1) = 0(1, 0, 0) + 0(0, 1, 0) − 1(0, 0, 1).
0 1

Portanto, a matriz de T em relação às bases canônicas é:

T (E11 ) T (E12 ) T (E21 ) T (E22 )

↓ ↓ ↓ ↓ 
[T ] = 1 1 1 0 ← coordenada do 1º vetor de B 0 .
 0 1 −1 0  ← coordenada do 2º vetor de B 0
0 0 2 −1 ← coordenada do 3º vetor de B 0
5.2 Matriz de uma Transformação Linear 151

(c) Seja a transformação linear T : R2 −→ P3 (R) dada por:

T (x, y) = 2x + y t + 3y t 2 − x t 3 .
Determine a matriz de T em relação às bases canônicas de M2 (R) e R3 .
Solução:
A base canônica de R2 é B = (1, 0), (0, 1) , enquanto que a de P3 (R) é B 0 = {1, t, t 2 , t 3 }.


Logo,
T (1, 0) = 2 − t 3 e T (0, 1) = t + 3t 2 .
Portanto, a matriz de T em relação às bases canônicas é:
T (e1 ) T (e2 )
 ↓ ↓
2 0 ← coeficiente de grau 0
[T ] =  .
 0 1  ← coeficiente de grau 1

 0 3  ← coeficiente de grau 2
−1 0 ← coeficiente de grau 3

(d) Seja a transformação linear T : M2 (R) −→ P3 (R) dada por:

   
a11 a12
T = 2a11 + (a11 − a12 )t + (2a1 1 + a12 − 3a21 )t 2 + (a11 − a21 + 2a22 )t 3 .
a21 a22
Determine a matriz de T em relação às bases
       
1 1 1 0 0 1 0 0
B= , , , de M2 (R)
0 0 0 1 1 0 1 −1
e B 0 = {1, 1 + t, 1 + t 2 , t + t 3 } de P3 (R).
Solução:
Observemos que:
   
1 1
T = 2 + 3t 2 + t 3 = (−1) × (1 + t) + 3 × (1 + t 2 ) + 1 × (t + t 3 ),
0 0
   
1 0
T = 2 + t − t 2 = 2 × 1 + 1 × (1 + t) + (−1) × (1 + t 2 ),
0 1
   
0 1
T = −t − 2t 2 − t 3 = 2 × 1 + (−2) × (1 + t 2 ) + (−1) × (t + t 3 ),
1 0
   
0 0
T = −3t 2 − 3t 3 = 3 × (1 + t) + (−3) × (1 + t 2 ) + (−3) × (t + t 3 ).
1 −1
Portanto, a matriz de T em relação às bases canônicas é:
T (v1 ) T (v2 ) T (v3 ) T (v4 )
 ↓ ↓ ↓ ↓ 
0 2 2 0 ← coordenada do 1º vetor de B 0
[T ]B
B 0 = 0 ,
 ← coordenada do 2º vetor de B 0
 −1 1 0 3 
−3  ← coordenada do 3º vetor de B

 3 −1 −2
1 0 −1 −3 ← coordenada do 4º vetor de B 0
       
1 1 1 0 0 1 0 0
com v1 = , v2 = , v3 = , v4 = .
0 0 0 1 1 0 1 −1
152 Capítulo 5. Transformações Lineares

Teorema 5.2.3 Sejam V e W espaços vetoriais sobre um corpo K, ambos de dimensão finita e
T : V −→ W uma transformação linear. Se B = {v1 , v2 , · · · , vn } é base de V e B 0 = {w1 , w2 , · · · , wm }
é base de W , então
T (v) B0 = [T ]B
 
B 0 · [v]B para todo v ∈ V.

Demonstração: Dado v ∈ V existem escalares α1 , α2 , · · · , αn em K tais que

v = α1 · v1 + α2 · v2 + · · · + αn · vn .

Logo, na expressão 5.2.2, preliminar à Definição 5.2.1, temos:

   
α1 α1
 α2   α2 
T (v) = w1 w2 · · · wm 1×m · [T ]B T (v) B0 = [T ]B
   
· =⇒ · .
   
B  .. 
0 B 
0 ..
 .   . 
αn n×1 αn
 
α1
 α2 
Como [v]B =  , segue que:
 
..
 . 
αn

T (v) B0 = [T ]B
 
B 0 · [v]B para todo v ∈ V.

Observação 5.2.4 Sejam V espaço vetorial sobre um corpo K, de dimensão finita, e IV : V −→ V

operador identidade, dado por IV (v) = v para todo v ∈ V . Se B e B1 são bases de V , então [IV ]B
B1 =
B
MB1 , a matriz mudança de base de B para B1 .

Teorema 5.2.5 Sejam V , W e U espaços vetoriais sobre um corpo K, com dim V = n, dim W = k
e dim U = m, B, B 0 e B 00 bases de V , W e U, respectivamente. Se

T : V −→ W e S : W −→ U são transformações lineares,

então [S ◦ T ]B 00 , a matriz da composição S ◦ T em relação às bases B e B , satisfaz:

00
| {z B}
m×n

[S ◦ T ]B B B
0
B 00 = [S] 00 · [T ] 0 .
| {zB} | {zB}
m×k k×n

Demonstração: Pelo Teorema 5.2.3, para todo v ∈ V temos:

S ◦ T (v) B00 = [S ◦ T ]B
 
B 00 · [v]B .

Por outro lado, pela definição de composição segue que:

[S]B [S]B B
  
 Teo. 5.2.3 0   Teo. 5.2.3 0
S ◦ T (v) B00 = S T (v) B00 = B 00 · T (v) B0
= B 00 · [T ]B 0 · [v]B .

Logo, para todo v ∈ V temos:

[S ◦ T ]B B B
0
B 00 · [v]B = [S]B 00 · [T ]B 0 · [v]B .
5.2 Matriz de uma Transformação Linear 153

Consequentemente, pelo Corolário 1.1.30 segue que:

[S ◦ T ]B B B
0
B 00 = [S]B 00 · [T ]B 0 .

Teorema 5.2.6 Sejam V e W espaços vetoriais sobre um corpo K de dimensões finita, B e B1

bases de V , B 0 e B10 bases de W e T : V −→ W transformação linear, então:
B0 B1
[T ]B B
B 0 = MB 0 · [T ]B 0 · MB1 ,
1
1

B0
B e M 1 as matrizes mudanças de base de B para B e de B 0 para B 0 , respectivamente.
com MB1 B0 1 1

Demonstração: Do Teorema 4.5.3 e do Teorema 5.2.1, para todo v ∈ V , seguem que:

B · [v]
(i) [v]B1 = MB1 B

B 0 · T (v)
   
(ii) T (v) B0 = MB 0 B0
1 1

(iii) T (v) B0 = [T ]B
 
B 0 · [v]B

(iv) T (v) B0 = [T ]B
  1
B0
· [v]B1 .
1 1

Logo, igualando (ii) e (iv) temos:

B0
= [T ]B
 
0 · T (v) · [v]B1 .
1
MB B0 B0
1 1

Na igualdade acima substituindo (iii) e (i) obtemos:

B 0 B B1 B
MB 0 · [T ]B 0 · [v]B = [T ] 0 · MB · [v]B ,
1 B 1 1

para todo v ∈ V .
B0
B é invertível com inversa M 1 , multiplicando, à esquerda, a igualdade acima por
0
Como a matriz MB 0 B0
1
B0
MB01 temos:
B0B1
[T ]B B
B 0 · [v]B = MB 0 · [T ]B 0 · MB1 · [v]B ,
1
1

para todo v ∈ V .
B0
B1
Consequentemente, [T ]B B
B 0 = MB 0 · [T ]B 0 · MB1 .
1
1

Corolário 5.2.7 Sejam V um espaço vetorial sobre um corpo K de dimensão finita, B e B1 bases
de V e T : V −→ V um operador linear, então:
B1 B
[T ]B = MB · [T ]B1 · MB1
,

B e M B1 as matrizes mudanças de base de B para B de B para B, respectivamente.

com MB1 B 1 1
 154 Capítulo 5. Transformações Lineares

Demonstração: No teorema acima considerando B 0 = B e B10 = B1 bases de V obtemos:

B1 B
[T ]B = MB · [T ]B1 · MB1
.

Observações 5.2.8 B e P = M B temos:

1. No Teorema 5.2.6, fazendo Q = MB
0
0 B1
1

[T ]B · [T ]B
−1 0
B1 = Q B0 · P .
1

B temos [T ] −1 · [T ]
2. No Corolário 5.2.7, fazendo P = MB1 B = P B1 · P .

5.3 Núcleo e Imagem de uma Transformação Linear

Definição 5.3.1 Sejam V e W são espaços vetoriais sobre um corpo K e T : V −→ W uma

transformação linear, a imagem de T , denotada por Im(T ), é o seguinte subconjunto de W :

Im(T ) = {w ∈ W ; existe algum v ∈ V com w = T (v)}.

Definição 5.3.2 Sejam V e W são espaços vetoriais sobre um corpo K e T : V −→ W uma

transformação linear, o núcleo de T , denotada por ker(T ), é o seguinte subconjunto de V :

ker(T ) = {v ∈ V ; T (v) = 0W }.

Exemplos 5.3.1 Determine o núcleo e a imagem das seguintes transformações lineares.

(a) T : R2 −→ R2 dada por T (x, y) = (ax, by), com a e b números reais.

(b) T : Pn (R) −→ Pn−1 (R) dada por T p(t) = p0 (t), a derivada de polinômios de grau ≤ n.

(c) TA : R3 −→ R2 dada por

 
  x
1 3 −1
TA (x, y, z) = ·  y  = (x + 3y − z, 2y + z).
0 2 1
z

(d) T : M2 (R) −→ R3 dada por

   
a11 a12
T = (a11 + a12 + a21 , a12 − a21 + a22 , 2a21 − a22 ).
a21 a22

(e) T : R2 −→ P3 (R) dada por T (x, y) = 2x + y t + 3y t 2 − x t 3 .

5.3 Núcleo e Imagem de uma Transformação Linear 155

Solução:
(a) (c, d) ∈ Im(T ) ⇐⇒ existe (x, y) ∈ R2 ; T (x, y) = (c, d) ⇐⇒ (ax, by) = (c, d).
1º Caso: a = 0 e b 6= 0: Neste caso teremos:
(
c=0
(c, d) ∈ Im(T ) ⇐⇒ (0, by) = (c, d) ⇐⇒ b6=0 d
y =
b
 
d
Logo, tomando x, , com x ∈ R qualquer, temos
b
   
d d
T x, = 0 · x, b · = (0, d) = (c, d).
b b
Portanto, Im(T ) = {(x, y) ∈ R2 ; x = 0}.
Por outro lado,
b6=0
(x, y) ∈ ker(T ) ⇐⇒ T (x, y) = (0, 0) ⇐⇒ (0, by) = (0, 0) ⇐⇒ y = 0.
Logo, ker(T ) = {(x, y) ∈ R2 ; y = 0}.
2º Caso: a 6= 0 e b = 0: Analogamente ao caso anterior, temos:
Im(T ) = {(x, y) ∈ R2 ; y = 0} e ker(T ) = {(x, y) ∈ R2 ; x = 0}.
3º Caso: a 6= 0 e b 6= 0: Neste caso teremos:
 a6=0 c
 x = a


(c, d) ∈ Im(T ) ⇐⇒ (ax, by) = (c, d) ⇐⇒
=0 d
 y b6=


b
     
c d c d c d
Logo, tomando , temos T , = a· ,b· = (c, d).
a b a b a b
Portanto, Im(T ) = R2 .
Por outro lado,
(x, y) ∈ ker(T ) ⇐⇒ T (x, y) = (0, 0) ⇐⇒ (ax, by) = (0, 0)
 
ax = 0 a6=0 e b6=0 x = 0
⇐⇒ ⇐⇒
by = 0 y=0
Logo, ker(T ) = {(0, 0)}.
(b) q(t) ∈ Im(T ) ⇐⇒ existe p(t) ∈ Pn (R) tal que T p(t) = q(t) ⇐⇒ p0 (t) = q(t)


Z Z Z
0
⇐⇒ p (t) dt = q(t) dt ⇐⇒ p(t) = q(t) dt.

Observemos que a integral de um polinômio é um polinômio de grau k, se e somente se, este

polinômio é de grau k − 1.
Assim, como grau de p = n, devemos ter grau de q = n − 1.
Portanto, Im(T ) = Pn−1 (R).
Agora, p(t) ∈ ker(T ) ⇐⇒ T p(t) = 0 ⇐⇒ p0 (t) = 0 ⇐⇒ p é um polinômio constante.

Logo, ker(T ) = P0 (R) = R.

156 Capítulo 5. Transformações Lineares

(c) (a, b) ∈ Im(T ) ⇐⇒ existe (x, y, z) ∈ R3 ; T (x, y, z) = (a, b)


x + 3y − z = a
⇐⇒ (x + 3y − z, 2y + z) = (a, b) ⇐⇒ .
2y + z = b

 z=b
Tomando, por exemplo, y=0 temos:
x = a+b


T (x, y, z) = T (a + b, 0, b) = (a + b + 3 · 0 − b, 2 · 0 + b) = (a, b).

Portanto, Im(T ) = R2 .
Por outro lado,
(x, y, z) ∈ ker(T ) ⇐⇒ T (x, y, z) = (0, 0) ⇐⇒ (x + 3y − z, 2y + z) = (0, 0)
 
x + 3y − z = 0 z = −2y
⇐⇒ ⇐⇒ .
2y + z = 0 x = −5y
Logo, ker(T ) = {(x, y, z) ∈ R3 ; x = −5y e z = −2y}.
     
x y x y
(d) (a, b, c) ∈ Im(T ) ⇐⇒ existe ∈ M2 (R) tal que T = (a, b, c), ou seja,
z t z t

 x + y + z = a
(x + y + z, y − z + t, 2z − t) = (a, b, c) ⇐⇒ y − z + t = b .
2z − t = c



 t = −c
z = 0

Tomando, por exemplo, . temos:

 y = b+c
x = a−b−c

       
x y a−b−c b+c
T =T = (a, b, c).
z t 0 −c

Portanto, Im(T ) = R3 .
Por outro lado,      
x y x y
∈ ker(T ) ⇐⇒ T = (0, 0, 0)
z t z t
 
 x + y + z = 0  t = 2z
⇐⇒ y − z + t = 0 ⇐⇒ y = −z .
2z − t = 0 x = 0
 
  
x y
Logo, ker(T ) = ; x = 0, y = −z e t = 2z }.
z t
(e) a0 + a1t + a2t 2 + a3t 3 ∈ Im(T ) ⇐⇒ existe (x, y) ∈ R2 tal que
T (x, y) = a0 + a1t + a2t 2 + a3t 3 ⇐⇒ 2x + yt + 3yt 2 − xt 3 = a0 + a1t + a2t 2 + a3t 3
 a0

2x = a 0
 x =  a
2

 0 = −a3

 
 
y = a1 y = a1 a0 = −2a3
 
⇐⇒ ⇐⇒ a =⇒ 2 a ⇐⇒ .
3y = a 2 2 a2 = 3a1
 2  y =  a1 =
3 3
 
−x = a3
 

−x = a3

5.3 Núcleo e Imagem de uma Transformação Linear 157

Portanto,

Im(T ) = p(t) = a0 + a1t + a2t 2 + a3t 3 ∈ P3 (R); a0 = −2a3 e a2 = 3a1 .



Agora, (x, y) ∈ ker(T ) ⇐⇒ T (x, y) = 0 ⇐⇒ 2x + yt + 3yt 2 − xt 3 = 0



 2x = 0
y = 0

⇐⇒ ⇐⇒ (x, y) = (0, 0).

 3y = 0
−x = 0


Logo, ker(T ) = {(0, 0)}.

Teorema 5.3.2 Sejam V e W são espaços vetoriais sobre um corpo K e T : V −→ W uma transfor-
mação linear, então:
(i) ker(T ) é um subespaço de V .
(ii) Im(T ) é um subespaço de W .

Demonstração:
(i) Sabemos que T (0V ) = 0W , portanto ker(T ) 6= 0.
/
Dados u, v ∈ ker(T ), temos:

T (u + v) = T (u) + T (v) = 0W + 0W = 0W .

Portanto, u + v ∈ ker(T ).
Agora, se v ∈ ker(T ) e λ ∈ K, então

T (λ · v) = λ · T (v) = λ · 0W = 0W .

Assim, λ · v ∈ ker(T ).
Logo, ker(T ) é um subespaço de V .
(ii) Observemos que Im(T ) = T (V ), como V é subespaço de V , segue da propriedade TL4 que Im(T )
é um subespaço de W .

Observação 5.3.3 Segue da Definição 5.2.1 que Im(T ) é o subespaço correspondente ao espaço
coluna da matriz [T ]B
B 0 , como B e B bases de V e de W , respectivamente.
0

Exemplos 5.3.4 Determine a dimensão do núcleo e da imagem de T dos Exemplos 5.3.1.

Solução:
(a) T (x, y) = (ax, by), com a e b números reais.
1º Caso: a = 0 e b 6= 0, ou seja, T (x, y) = (0, by), com b 6= 0, então:
Im(T ) = {(x, y) ∈ R2 ; x = 0} e ker(T ) = {(x, y) ∈ R2 ; y = 0}.
Logo, dim ker(T ) = dim Im(T ) = 1.
 158 Capítulo 5. Transformações Lineares

2º Caso: a 6= 0 e b = 0, ou seja, T (x, y) = (ax, 0), com a 6= 0, então:

Im(T ) = {(x, y) ∈ R2 ; y = 0} e ker(T ) = {(x, y) ∈ R2 ; x = 0}.
Logo, dim ker(T ) = dim Im(T ) = 1.
3º Caso: T (x, y) = (ax, by), com a 6= 0 e b 6= 0, então:
Im(T ) = R2 e ker(T ) = {(0, 0)}.
Logo, dim Im(T ) = 2 e dim ker(T ) = 0.

(b) T p(t) = p0 (t), a derivada de polinômios de grau ≤ n, vimos que:

Im(T ) = Pn−1 (R) e que ker(T ) = P0 (R) = R.

Logo, dim Im(T ) = n e dim ker(T ) = 1.

(c) T (x, y, z) = (x + 3y − z, 2y + z), vimos que

Im(T ) = R2 e que ker(T ) = {(x, y, z) ∈ R3 ; x = −5y e z = −2y}.

Logo, dim Im(T ) = 2 e dim ker(T ) = 1.

   
x y
(d) T = (x + y + z, y − z + t, 2z − t), vimos que
z t
   
3 x y
Im(T ) = R e que ker(T ) = ; x = 0, y = −z e t = 2z .
z t

Portanto, dim Im(T ) = 3 e dim ker(T ) = 1.

(e) T (x, y) = 2x + yt + 3yt 2 − xt 3 , vimos que:

Im(T ) = p(t) = a0 +a1t +a2t 2 +a3t 3 ∈ P3 (R); a0 = −2a3 e a2 = 3a1


e ker(T ) = {(0, 0)}.

Logo, dim Im(T ) = 2 e dim ker(T ) = 0.

Observação 5.3.5 Nos exemplos acima podemos ver que em todos os casos
dim ker(T ) + dim Im(T ) = dim D(T ), isto não foi uma coincidência, como veremos no teorema a
seguir.

5.3.1 Teorema do Núcleo e da Imagem

Teorema 5.3.6 (Teorema do Núcleo e da Imagem)

Sejam V e W são espaços vetoriais sobre um corpo K, com dim V = n, e T : V −→ W uma
transformação linear, então:



dim V = dim ker(T ) + dim Im(T ) .
5.3 Núcleo e Imagem de uma Transformação Linear 159


Demonstração: Como ker(T ) é um subespaço de V , então dim ker(T ) = k ≤ n = dimV .
Seja {v1 , · · · , vk } uma base de ker(T ), pelo teorema do completamento existem n − k vetores,
vk+1 , · · · , vn , em V , tais que

B = {v1 , · · · , vk , vk+1 , · · · , vn } é uma base de V.

Mostremos que B 0 = T (vk+1 ), · · · , T (vn ) é uma base de Im(T ).



Dado w ∈ Im(T ), existe v ∈ V tal que T (v) = w, como B é uma base de V existem escalares
a1 , · · · , ak , ak+1 , · · · , an ∈ K tais que v = a1 · v1 + · · · + ak · vk + ak+1 · vk+1 + · · · + an · vn .
Logo,

w = T (v) = T a1 · v1 + · · · + ak · vk + ak+1 · vk+1 + · · · + an · vn )

= a1 · T (v1 ) + · · · + ak · T (vk ) + ak+1 · T (vk+1 ) + · · · + an · T (vn )

= ak+1 · T (vk+1 ) + · · · + an · T (vn ),

pois v1 , · · · , vk estão em ker(T ).

 
Assim, como w é um elemento arbitrário Im(T ) segue que Im(T ) = T (vk+1 ), · · · , T (vn ) .

Resta mostrar que T (vk+1 ), · · · , T (vn ) é um conjunto L. I.
Sejam λk+1 , · · · , λn ∈ K tais que
T é linear
λk+1 · T (vk+1 ) + · · · + λn · T (vn ) = 0W ⇐⇒ T (λk+1 vk+1 + · · · + λn vn ) = 0W

⇐⇒ λk+1 · vk+1 + · · · + λn · vn ∈ ker(T ).

Como {v1 , · · · , vk } é uma base de ker(T ), então podemos escrever

λk+1 · vk+1 + · · · + λn · vn = α1 · v1 + · · · + αk · vk

⇐⇒ α1 · v1 + · · · + αk · vk − λk+1 · vk+1 − · · · − λn · vn = 0V .
Mas B = {v1 , · · · , vk , vk+1 , · · · , vn } é uma base de V , portanto devemos ter

α1 = · · · = αk = −λk+1 = · · · = −λn = 0, consequentemente λk+1 = · · · = λn = 0.


Daí que T (vk+1 ), · · · , T (vn ) é um conjunto L. I.
Logo, B 0 = T (vk+1 ), · · · , T (vn ) é base de Im(T ).


Consequentemente dim Im(T ) = n − k.

Portanto,
dim ker(T ) + dim Im(T ) = k + (n − k) = n = dimV.

Proposição 5.3.7 Sejam V e W espaços vetoriais sobre um corpo K, com dim V = n e dim W = m.
Se T : V −→ W e S : V −→ W são transformações lineares definidas por A e B matrizes em Mm×n (K),
tais que B = Q · A · P, com Q ∈ Mm (K) e P ∈ Mn (K) matrizes invertíveis, então



dim ker(T ) = dim ker(S) .
160 Capítulo 5. Transformações Lineares

Demonstração: Por hipótese T (v) = w ⇐⇒ A · [v] = [w] e

S(v) = w ⇐⇒ B · [v] = [w] ⇐⇒ Q · A · P · [v] = [w].

Se {u1 , · · · , ur } é base de ker(S), então

S(ui ) = 0W , para todo i ∈ {1, · · · , r}.

Consequentemente,
B · [ui ] = [0W ], para todo i ∈ {1, · · · , r}.

Portanto,


Q · A · P · [ui ] = [0W ], para todo i ∈ {1, · · · , r}.

Como Q é invertível aplicamos Q−1 à esquerda na igualdade acima:

Q−1 · Q · A · P · [ui ] = Q−1 · [0W ] ⇐⇒ A · P · [ui ] = A · (P · [ui ]) = [0W ],

para todo i ∈ {1, · · · , r}.

Portanto, P · [u1 ], · · · , P · [ur ] ⊂ ker(T ), consideremos escalares a1 , · · · , ar tais que:

P é linear

a1 · P · [u1 ] + · · · + ar · P · [ur ] = [0V ] =⇒ P · a1 · [u1 ] + · · · + ar · [u1 ] = [0V ].

Aplicando P−1 à esquerda na última igualdade obtemos

a1 · [u1 ] + · · · + ar · [u1 ] = [0V ],

como {u1 , · · · , ur } é base, segue que a1 = · · · = ar = 0.


Consequentemente, P · [u1 ], · · · , P · [ur ] é um subconjunto L.I. de ker(T ).
Por outro lado, se v ∈ ker(T ), então

T (v) = 0W ⇐⇒ A · [v] = [0W ] ⇐⇒ Q−1 · B · P−1 · [v] = [0W ].

Logo, aplicando Q à esquerda obtemos:

B · P−1 · [v] = [0W ] ⇐⇒ B · P−1 · [v] = [0W ].

Consequentemente, P−1 · [v] ∈ ker(S), portanto existem escalares b1 , · · · , br tais que

P−1 · [v] = b1 · [ui ] + · · · + br · [ur ].

Aplicando P à esquerda na igualdade acima

P é linear
[v] = P · b1 · [ui ] + · · · + br · [ur ] = b1 · P · [u1 ] + · · · + br · P · [ur ].
  
Portanto, P · [u1 ], · · · , P · [ur ] = ker(T ), daí que e P · [u1 ], · · · , P · [ur ] é base de ker(T ).
Assim, dim ker(S) = dim ker(T ).
5.3 Núcleo e Imagem de uma Transformação Linear 161

Agora observemos que dada T : V −→ W uma transformação linear, pelo Teorema 5.3.6 (do Núcleo
e da Imagem), tomando B = {v1 , · · · , vk , vk+1 , · · · , vn } base de V obtida pelo completamento de
{v1 , · · · , vk } uma base do ker(T ), considerando B 0 uma base de W , então a matriz de T em relação
às bases B e B 0 é dada por:

T (v1 ) ··· T (vk ) T (vk+1 ) ··· T (vn )

↓ ↓ ↓ ↓ 
[T ]B = 0 ··· 0 a1k+1 ··· a1n ← coordenadas do 1º vetor de B 0 ,
B0
 .. .. .. .. .. ..  ..
 . . . . . .  .
0 ··· 0 amk+1 ··· amn ← coordenadas do mº vetor de B 0

como T (vk+1 ), · · · , T (vn ) é base de Im(T ), segue que as n − k últimas colunas de [T ]B


B 0 são L.I..

Observe que, pelo Corolário 5.2.7 e pela Proposição 5.3.7 acima, a nulidade de [T ]B
B 0 independe das
bases consideradas em V e em W , consequentemente o mesmo ocorre com o posto de [T ]B B0 .
Assim, temos o seguinte resultado:

Proposição 5.3.8 Seja T : V −→ W uma transformação linear, dadas B e B 0 bases quaisquer de

V e W , respectivamente, então:
(i) dim Im(T ) = posto [T ]B
B0 .
(ii) dim ker(T ) = nulidade de [T ]B B B
B 0 = número de colunas de [T ]B 0 − posto [T ]B 0 .

Determinando a Imagem e o Núcleo através de uma Matriz da Transformação Linear

Seja T : V −→ W uma transformação linear, dadas B e B 0 bases quaisquer de V e W , respectivamente,

para determinar Im(T ) e ker(T ) procedemos da seguinte maneira:
1º Passo: Encontramos a matriz [T ]B
B0 .
2º Passo: Efetuamos operações elementares nas colunas da matriz [T ]B
B 0 , até obter uma matriz equiva-
lente com k colunas nulas e n − k colunas L.I.
3º Passo: Os vetores de W correspondentes às n − k colunas L.I. da matriz [T ]B
B 0 formam uma base de
Im(T ).
4º Passo: Os vetores de V que produziram as k colunas nulas da matriz [T ]B
B 0 nos fornece uma base
de ker(T ).

Exemplos 5.3.9 Determine o núcleo e a imagem de T utilizando uma matriz da transformação linear.
(a) T : R3 −→ R2 dada por T (x, y, z) = (x + 3y − z, 2y + z).
(b) T : M2 (R) −→ P2 (R), dada por
   
a11 a12
T = (a11 + a12 + a21 ) + (a12 − a21 + a22 )t + (2a21 − a22 )t 2 .
a21 a22

(c) T : R2 −→ P3 (R) dada por T (x, y) = 2x + yt + 3yt 2 − xt 3 .

(d) T : P2 (R) −→ R3 dada por T (a0 + a1t + a2t 2 ) = a0 + a2 , a0 + a2 , 2(a1 + a2 ) .

(e) T : C2 −→ R2 dada por T (x1 + y1 i, x2 + y2 i) = x1 + 2x2 , −x1 + 2y2 .

162 Capítulo 5. Transformações Lineares

Solução:
 
1 3 −1
(a) A matriz de T em relação às bases canônicas de e deR3 R2
é [T ] = , logo:
0 2 1
 0
C2 −→ C20 − 2C30
    
1 3 −1 C2 −→ C2 − 3C1 1 0 0 1 0 0
∼ ∼ .
0 2 1 C3 −→ C3 +C1 0 2 1 0 0 1

Logo, Im(T ) = (1, 0), (0, 1) = R2

 
e dim ker(T ) = 1.
Observemos que
0R3 = C20 − 2C30 = (C2 − 3C1 ) − 2(C3 +C1 ) = C2 − 5C1 − 2C3

= T (e2 ) − 5T (e1 ) − 2T (e3 ) = T (e2 − 5e1 − 2e3 ).

   
Portanto, ker(T ) = e2 − 5e1 − 2e3 = (−5, 1, −2) .
 
1 1 1 0
(b) A matriz de T em relação às bases canônicas de M2 (R) e de P2 (R) é [T ] = 1 −1
 2 0 ,
4 2 5 0
logo:
     
1 1 1 0 1 0 0 0 1 0 0 0
 1 −1 2 0  C2 → C2 −C1 ∼  1 −2 1 0  C0 → C0 + 2C0 ∼  1 0 1 0 .
2 2 3
4 2 5 0 C3 → C3 −C1 4 −2 1 0 4 0 1 0

Logo, Im(T ) = 1 + t + 4t 2 , t + t 2
 
e dim ker(T ) = 2.
Observemos que T (E22 ) = 0P2 (R) e que
0P2 (R) = C20 + 2C30 = (C2 −C1 ) + 2(C3 −C1 ) = C2 − 3C1 + 2C3

= T (E12 ) − 3T (E11 ) + 2T (E21 ) = T (E12 − 3E11 + 2E21 ).

     
  −3 1 0 0
Portanto, ker(T ) = E12 − 3E11 + 2E21 , E22 = , .
2 0 0 1
 
2 0
 0 1 
(c) A matriz de T em relação às bases canônicas de R2 e de P3 (R) é [T ] =   0 3 , como


−1 0
3 2
 
as colunas desta matriz são L. I. segue que Im(T ) = 2 − t , t + 3t e dim ker(T ) = 0,
portanto ker(T ) = {0V }.
 
1 0 1
(d) A matriz de T em relação às bases canônicas de P2 (R) e de R3 é [T ] =  1 0 1 , logo:
0 2 2
   
1 0 1 1 0 0
 1 0 1  C3 −→ C3 −C2 −C1 ∼  1 0 0  .
0 2 2 0 2 0

Logo, Im(T ) = (1, 1, 0), (0, 0, 2) = R2

 
e dim ker(T ) = 1.
Observemos que 0P2 (R) = C3 −C2 −C1 = T (t 2 ) − T (t) − T (1) = T (−1 − t + t 2 ).
Portanto, ker(T ) = − 1 − t + t 2 .
 
 5.4 Transformações Lineares Injetoras e Sobrejetoras 163
 
1 2 0 0
(e) A matriz de T em relação às bases canônicas de C2 e de R2 é [T ] = , logo:
−1 0 0 2
 
1 2 0 0 C2 → C2 − 2C1
−1 0 0 2 C3 ↔ C4
 0
C3 → C30 −C20
  
1 0 0 0 1 0 0 0
∼ ∼ .
−1 2 2 0 −1 2 0 0

Logo, Im(T ) = (1, −1), (0, 2) = R2 e dim ker(T ) = 2.

 

Observemos que T (ie1 ) = 0R2 e que

0R2 = C30 −C20 = C4 − (C2 − 2C1 ) = T (ie2 ) − T (e2 ) − 2T (e1 ) = T (2e1 − e2 + ie2 ).

   
Portanto, ker(T ) = 2e1 − e2 + ie2 , ie1 = (2, 1 + i), (i, 0) .

5.4 Transformações Lineares Injetoras e Sobrejetoras

Definição 5.4.1 Sejam V e W são espaços vetoriais sobre um corpo K e T : V −→ W uma

transformação linear, dizemos que:
(i) T é injetora se, e somente se, para todo u e v em V , se T (u) = T (v), então u = v.
Equivalentemente, T é injetora se, e somente se, para todo u e v em V , se u 6= v, então
T (u) 6= T (v).
(ii) T é sobrejetora se, e somente se, Im(T ) = W , ou seja, para todo w ∈ W existe algum v ∈ V tal
que T (v) = w.

Teorema 5.4.1 Sejam V e W são espaços vetoriais sobre um corpo K e T : V −→ W uma transfor-
mação linear, T é injetora se, e somente se, ker(T ) = {0V }.

Demonstração: Suponhamos que T é injetora, mostremos que ker(T ) = {0V }.

Seja v ∈ ker(T ), então T (v) = 0W , mas sabemos que T (0V ) = 0W , daí que T (v) = T (0V ), como T é
injetora segue que v = 0V .
Portanto, ker(T ) = {0V }.
Reciprocamente, suponhamos que ker(T ) = {0V } e mostremos que T é injetora.
Sejam u e v em V tais que T (u) = T (v), então temos:

T (u) − T (v) = 0W ⇐⇒ T (u − v) = 0W ,

isto implica que u − v ∈ ker(T ), mas como ker(T ) = {0V }, segue que u − v = 0V ⇐⇒ u = v.
Portanto, T é injetora.

Exemplos 5.4.2 Determine quais transformações lineares, dos Exemplos 5.3.4, são injetoras e sobre-
jetoras.
Solução:
(a) T (x, y) = (ax, by), com a e b números reais.
164 Capítulo 5. Transformações Lineares

1º Caso: a = 0 e b 6= 0
Como Im(T ) = {(x, y) ∈ R2 ; x = 0} = 6 R2 , então T não é sobrejetora e
ker(T ) = {(x, y) ∈ R2 ; y = 0} 6= {(0, 0)}, então T não é injetora.
2º Caso: a 6= 0 e b = 0
Como Im(T ) = {(x, y) ∈ R2 ; y = 0} = 6 R2 , então T não é sobrejetora e
ker(T ) = {(x, y) ∈ R2 ; x = 0} 6= {(0, 0)}, então T não é injetora.
3º Caso: a 6= 0 e b 6= 0
Como Im(T ) = R2 , então T é sobrejetora e ker(T ) = {(0, 0)}, então é injetora.
(b) T p(t) = p0 (t), a derivada de polinômios de grau ≤ n.

Im(T ) = Pn−1 (R), então T é sobrejetora e ker(T ) = P0 (R) = R 6= {0}, portanto T não é
injetora.
(c) T (x, y, z) = (x + 3y − z, 2y + z)
Im(T ) = R2 , então T é sobrejetora e

ker(T ) = {(x, y, z) ∈ R3 ; x = −5y e z = −2y} 6= {(0, 0, 0)},

portanto T não é injetora.

   
a11 a12
(d) T = (a11 + a12 + a21 , a12 − a21 + a22 , 2a21 − a22 ).
a21 a22
Im(T ) = R3 , então T é sobrejetora e
   
a11 a12
ker(T ) = ; a11 = 0, a12 = −a12 e a22 = 2a21 6= {(0, 0, 0)},
a21 a22

portanto T não é injetora.

(e) T (x, y) = 2x + y t + 3y t 2 − x t 3 .
Im(T ) = p(t) = a0 + a1t + a2t 2 + a3t 3 ∈ P3 (R); a0 = 2a3 e a2 = 3a1 6= P3 (R), portanto


T não é sobrejetora e ker(T ) = {(0, 0)}, logo T é injetora.

Proposição 5.4.3 Sejam V , W e U são espaços vetoriais sobre um corpo K, dadas T : V −→ W e

S : W −→ U transformações lineares. Mostre que: então:
(i) Se T e S são injetoras, então S ◦ T é injetora.
(ii) Se T e S são sobrejetoras, então S ◦ T é sobrejetora.
(iii) Se S ◦ T é injetora, então T é injetora.
(iv) Se S ◦ T é sobrejetora, então S é sobrejetora.

Demonstração: Observemos que a composição S ◦ T é uma transformação linear de V em U.

(i) Se v ∈ ker(S ◦ T ), então

S é injetora
(S ◦ T )(v) = 0U ⇐⇒ S T (v) = 0U ⇐⇒ T (v) ∈ ker(S) = {0W }.

Logo, T (v) = 0W , mas como T é injetora segue que v = 0V .

Portanto, ker(S ◦ T ) = {0V }, consequentemente S ◦ T é injetora.
5.4 Transformações Lineares Injetoras e Sobrejetoras 165

(ii) Observemos que

T é sobrejetora S é sobrejetora
Im(S ◦ T ) = S ◦ T (V ) = S T (V ) = S(W ) = U.

Portanto, Im(S ◦ T ) = U, consequentemente S ◦ T é sobrejetora.

(iii) Suponhamos que S ◦ T é injetora, se v ∈ ker(T ), então T (v) = 0W .
Logo,

S◦T é injetora
S T (v) = S(0W ) = 0U ⇐⇒ S ◦ T (v) = 0U ⇐⇒ v ∈ ker(S ◦ T ) = {0V } =⇒ v = 0V .

Portanto, ker(T ) = {0V }, consequentemente T é injetora.

(iv) Suponhamos que S ◦ T é sobrejetora, portanto Im(S ◦ T ) = U, logo


U = Im(S ◦ T ) = S ◦ T (V ) = S T (V ) ⊂ S(W ) = Im(S) ⊂ U.

Portanto, Im(S) = U, consequentemente S é sobrejetora.

Corolário 5.4.4 (Consequências do Teorema do Núcleo e da Imagem)

Sejam V e W são espaços vetoriais sobre um corpo K, com dimV = n e dimW = m, e T : V −→ W
uma transformação linear, então:
(i) Se n = m, então T é injetora se, e somente se, T é sobrejetora.
(ii) Se n < m, então T não é sobrejetora.
(iii) Se n > m, então T não é injetora.
(iv) Se n = m e T é injetora, então T leva base de V em base de W .

Demonstração:
(i) Suponhamos que n = m, sabemos que:
T é injetora se, e somente se,
Teo. 5.3.6
ker(T ) = {0V } ⇐⇒ dim ker(T ) = 0 =⇒ dim V = dim Im(T )

dimV =dimW Im(T ) é subesp. de W

=⇒ dim W = dim Im(T ) =⇒ Im(T ) = W.
Portanto, T é sobrejetora.
Deixamos ao leitor a verificação de que se dimV = dimW e T é sobrejetora, então T é injetora.
(ii) Se T fosse sobrejetora, então teríamos Im(T ) = W , consequentemente:
Teo. 5.3.6
m = dim W = dim Im(T ) ≤ dim V = n.

Contrariando a hipótese de que n < m.

(iii) Se T fosse injetora, então teríamos ker(T ) = {0V }, e portanto dim ker(T ) = 0, logo:

Teo. 5.3.6 Im(T ) é subesp. de W

n = dim V = dim Im(T ) ≤ dim W = m.

Contrariando a hipótese de que n > m.

 166 Capítulo 5. Transformações Lineares

(iv) Suponhamos que n = m e T é injetora, seja B = v1 , v2 , · · · , vn uma base de V .



Dado w ∈ W elemento arbitrário, como T é sobrejetora, existe um único v ∈ V tal que w = T (v),
como B é base de V existem escalares a1 , a2 , · · · , an em K tais que
v = a1 · v1 + a2 · v2 + · · · + an · vn , consequentemente:

w = T (v) = T (a1 · v1 + a2 · v2 + · · · + an · v2 )
.
T é linear
= a1 · T (v1 ) + a2 · T (v2 ) + · · · + an · T (vn )
 
Portanto, W = T (v1 ), T (v2 ), · · · , T (vn ) , como dim W = n, então
B 0 = T (v1 ), T (v2 ), · · · , T (vn ) é base de W .


5.5 Inversa de uma Transformação Linear

Definição 5.5.1 Sejam V e W são espaços vetoriais sobre um corpo K e T : V −→ W uma

transformação linear, dizemos que T é bijetora se, e somente se, T é injetora e sobrejetora.

Se T : V −→ W é uma transformação linear bijetora, então:

(i) Para todo w ∈ W , existe v ∈ V tal que T (v) = w, pois Im(T ) = W .
(ii) O elemento v do item (i), tal que T (v) = w, é único, pois T é injetora.
Assim, podemos considerar a aplicação

S : W −→ V
, tal que T (v) = w.
w 7−→ S(w) = v

Definição 5.5.2 Seja T : V −→ W uma transformação linear bijetora, a aplicação S : W −→ V

acima é chamada inversa de T e indicada por T −1 , dizemos também que T é uma transformação
invertível.
Assim, T −1 (w) = v se, e somente se, T (v) = w.

Observações 5.5.1 (a) Se T : V −→ W é uma transformação linear bijetora e T −1 : W −→ V é

sua inversa, então temos:

T −1 ◦ T = IdV e T ◦ T −1 = IdW .

(b) Na definição de inversa de uma transformação linear é essencial a condição de que a transforma-
ção seja bijetora.
De fato, a condição de T é injetora é necessária, pois se existissem v1 e v2 elementos distintos
em V tais que T (v1 ) = T (v2 ) = w1 não teríamos como estabelecer T −1 (w1 ).
Já a condição de T é sobrejetora é necessária para que T −1 possa ser aplicada a cada elemento
/ Im(T ), então T −1 (w) não estaria
de W , que é o seu domínio, pois se existisse w ∈ W tal que w ∈
definida.
 5.5 Inversa de uma Transformação Linear 167

Teorema 5.5.2 Se T : V −→ W é uma transformação linear bijetora e T −1 : W −→ V é sua inversa,

então T −1 também é linear.
Demonstração:
(i) Sejam w1 e w2 em W , então w1 + w2 ∈ W , e portanto, existe v ∈ V tal que
T −1 (w1 + w2 ) = v. (5.5.1)
Logo,
w1 + w2 = T (v). (5.5.2)
Como w1 ∈ W e w2 ∈ W , existem v1 , v2 ∈ V tais que T (v1 ) = w1 e T (v2 ) = w2 , consequentemente
T é linear
w1 + w2 = T (v1 ) + T (v2 ) = T (v1 + v2 ). (5.5.3)
Além disso,
v1 = T −1 (w1 ) e v2 = T −1 (w2 ). (5.5.4)
Como T é injetora segue de 5.5.2 e de 5.5.3 que v = v1 + v2 .
Assim, em 5.5.1 substituindo por 5.5.4 temos:

T −1 (w1 + w2 ) = v1 + v2 = T −1 (w1 ) + T −1 (w2 ).

(ii) Sejam w ∈ W e λ ∈ K, então λ w ∈ W e existe v ∈ V tal que

T −1 (λ w) = v ⇐⇒ λ w = T (v). (5.5.5)
Como w ∈ W existe u ∈ V tal que
T (u) = w ⇐⇒ T −1 (w) = u. (5.5.6)
Assim,
T é linear
T (λ u) = λ T (u) = λ w. (5.5.7)
Como T é injetora segue de 5.5.5 e 5.5.7 que
v = λ u. (5.5.8)
Logo, de 5.5.5 e de 5.5.6 que

T −1 (λ w) = λ u = λ T −1 (w).

De (i) e (ii) concluímos que T −1 é linear.

5.5.1 Isomorfismo Linear

Definição 5.5.3 Seja T : V −→ W uma transformação linear invertível, ou seja, possui inversa,
dizemos que T é um isomorfismo linear, ou simplesmente um isomorfismo.
A transformação linear T −1 : W −→ V é chamada o isomorfismo inverso de T .

Observação 5.5.3 Se existe um isomorfismo T : V −→ W , de V em W , dizemos que V e W são

espaços vetoriais isomorfos, ou que V é isomorfo a W .
168 Capítulo 5. Transformações Lineares

Exemplos 5.5.4 (a) Mostre que a transformação linear T : R2 −→ R2 dada por

T (x, y) = (x + y, x − y) é um isomorfismo e determine sua inversa T −1 .
Solução:
Para mostrar que T é isomorfismo basta mostrar que T é bijetora, como Dom(T ) = CD(T ) basta
mostrar que T é injetora, para isso vamos mostrar que ker(T ) = {(0, 0)}.
Observemos que (x, y) ∈ ker(T ) ⇐⇒ T (x, y) = (0, 0) ⇐⇒ (x + y, x − y) = (0, 0)
  
x+y = 0 x+y = 0 x=0
⇐⇒ ⇐⇒ ⇐⇒ .
x−y = 0 2y = 0 y=0

Portanto, ker(T ) = {(0, 0)}, consequentemente T é um isomorfismo.

Determinando a inversa T −1 .

T −1 (x, y) = (a, b) ⇐⇒ (x, y) = T (a, b) ⇐⇒ (x, y) = (a + b, a − b)

 x+y
 a =
2
  
a+b = x a+b = x

⇐⇒ ⇐⇒ ⇐⇒ .
a−b = y 2b = x − y 
 x − y
 b=
2
Logo, a inversa de T é dada por:
 
−1 x+y x−y
T (x, y) = , .
2 2

(b) Mostre que a transformação linear T : R3 −→ P2 (R) tal que

T (1, −1, 0) = 2 + t, T (0, 1, −1) = −1 + t 2 e T (0, 0, 1) = t + t 2

é um isomorfismo e determine sua inversa T −1 : P2 (R) −→ R3 .

Solução:
É claro que B = {(1, −1, 0), (0, 1, −1), (0, 0, 1)} é base de R3 , vamos escrever um vetor (x, y, z)
arbitrário de R3 como combinação linear dos vetores de B para encontrar a expressão da
transformação T .

(x, y, z) = a · (1, −1, 0) + b · (0, 1, −1) + c · (0, 0, 1)

 
 a = x  a = x
⇐⇒ −a + b = y ⇐⇒ b = x+y .
− b + c = z c = x+y+z
 

Logo,
(x, y, z) = x(1, −1, 0) + (x + y)(0, 1, −1) + (x + y + z)(0, 0, 1).
Consequentemente,


T (x, y, z) = T x (1, −1, 0) + (x + y) (0, 1, −1) + (x + y + z) (0, 0, 1)

T é linear
= x T (1, −1, 0) + (x + y) T (0, 1, −1) + (x + y + z) T (0, 0, 1)

= x (2 + t) + (x + y) (−1 + t 2 ) + (x + y + z) (t + t 2 )

= (x − y) + (2x + y + z) t + (2x + 2y + z) t 2 .
5.5 Inversa de uma Transformação Linear 169

Assim, a transformação linear T : R3 −→ P2 (R) é dada por:

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

Sabemos que T é isomorfismo se, e somente se, T é bijetora, mas como dim R3 = dim P2 (R)
basta verificar que T é injetora, para isso vamos mostrar que ker(T ) = {(0, 0, 0)}.

(x, y, z) ∈ ker(T ) ⇐⇒ T (x, y, z) = 0

⇐⇒ (x − y) + (2x + y + z) t + (2x + 2y + z) t 2 = 0
 
 x − y = 0  x = 0
⇐⇒ 2x + y + z = 0 ⇐⇒ y = 0 .
2x − 2y + z = 0 z = 0
 

Portanto, ker(T ) = {(0, 0, 0)}, consequentemente T é um isomorfismo.

Determinando a inversa T −1 .

T −1 (a0 + a1t + a2t 2 ) = (x, y, z) ⇐⇒ a0 + a1t + a2t 2 = T (x, y, z)

⇐⇒ a0 + a1t + a2t 2 = (x − y) + (2x + y + z) t + (2x + 2y + z) t 2

 
 x − y = a0  x = a0 − a1 + a2
⇐⇒ 2x + y + z = a1 ⇐⇒ y = − a1 + a2 .
2x − 2y + z = a2 z = −2a0 + 4a1 − 3a2
 

Logo, a inversa de T é dada por:

T −1 (a0 + a1t + a2t 2 ) = (a0 − a1 + a2 , −a1 + a2 , −2a0 + 4a1 − 3a2 ).

(c) Considere o operador linear T : P2 (R) −→ P2 (R) dado por: T p(t) = (3+t)· p0 (t) + 2· p(t)

e a transformação linear S : P2 (R) −→ R3 dada por:

2
T (a0 + a1t + a2t ) = (a0 + a1 , a2 , a0 − a1 ).
Determine a transformação linear S ◦ T : P2 (R) −→ R3 e verifique se é um isomorfismo, em
caso afirmativo determine (S ◦ T )−1 .
Solução:
Lembremos que se p(t) = a0 + a1t + a2t 2 , então p0 (t) = a1 + 2a2 t.
Logo,

T (a0 + a1t + a2t 2 ) = (3 + t) · (a1 + 2a2t) + 2 · (a0 + a1t + a2t 2 )

.
= (2a0 + 3a1 ) + (3a1 + 6a2 ) · t + 4a2 · t 2

Portanto,

S ◦ T (a0 + a1t + a2t 2 ) = S T (a0 + a1t + a2t 2 )

= S (2a0 + 3a1 ) + (3a1 + 6a2 ) · t + 4a2 · t 2

= (2a0 + 3a1 ) + (3a1 + 6a2 ), 4a2 , (2a0 + 3a1 ) − (3a1 + 6a2 )

= (2a0 + 6a1 + 6a2 , 4a2 , 2a0 − 6a2 ).

170 Capítulo 5. Transformações Lineares

Assim, a transformação linear é:

S◦T : P2 (R) −→ R3
a0 + a1t + a2t 2 7−→ S ◦ T (a0 + a1t + a2t 2 ) = (2a0 + 6a1 + 6a2 , 4a2 , 2a0 − 6a2 ).
Para verificar que S ◦ T é isomorfismo devemos mostrar que S ◦ T é bijetora, como
dim P2 (R) = dim R3 basta verificar que S ◦ T é injetora, para isso vamos mostrar que
ker(S ◦ T ) = {0}.
a0 + a1t + a2t 2 ∈ ker(S ◦ T ) ⇐⇒ S ◦ T (a0 + a1t + a2t 2 ) = (0, 0, 0)
⇐⇒ (2a0 + 6a1 + 6a2 , 4a2 , 2a0 − 6a2 ) = (0, 0, 0)
 
 2a0 + 6a1 + 6a2 = 0  a0 = 0
⇐⇒ 4a2 = 0 ⇐⇒ a1 = 0 ⇐⇒ a0 + a1t + a2t 2 ≡ 0.
2a0 − 6a2 = 0 a2 = 0
 

Portanto, ker(S ◦ T ) = {0}, consequentemente S ◦ T é um isomorfismo.

Determinando a inversa (S ◦ T )−1 .
(S ◦ T )−1 (x, y, z) = a0 + a1t + a2t 2 ⇐⇒ (x, y, z) = S ◦ T (a0 + a1t + a2t 2 )
⇐⇒ (x, y, z) = (2a0 + 6a1 + 6a2 , 4a2 , 2a0 − 6a2 ) = (0, 0, 0)

3y + 2z

 a0 =
4


 

 2a0 + 6a1 + 6a2 = x


x − 3y − z .

⇐⇒ 4a2 = y ⇐⇒ a1 =

2a0 − 6a2 = z


 6



 y
 a2 =

4
Logo, a inversa de S ◦ T é dada por:
     
−1 3y + 2z x − 3y − z y
(S ◦ T ) (x, y, z) = + ·t + · t 2.
4 6 4
(d) Considere as transformações lineares T : R2 −→ R3 e S : R3 −→ R2 , dada respectivamente, por:
T (x, y) = (2x, x − y, y) e S(x, y, z) = (y − z, z − x).
(d1 ) Determine a transformação linear S ◦ T e uma base para ker(S ◦ T ).
(d2 ) Determine a transformação linear T ◦ S e uma base para Im(T ◦ S).
(d3 ) Verifique se S ◦ T e T ◦ S, em caso afirmativo determine a inversa correspondente.
Solução:


(d1 ) S ◦ T (x, y) = S T (x, y) = S(2x, x − y, y) = (x − y − y, y − 2x) = (x − 2y, y − 2x).
Logo,
S ◦ T (x, y) = (x − 2y, y − 2x).
Determinando ker(S ◦ T ):
(x, y) ∈ ker(S ◦ T ) ⇐⇒ S ◦ T (x, y) = (0, 0) ⇐⇒ (x − 2y, y − 2x) = (0, 0)
  
x − 2y = 0 x − 2y = 0 x = 0
⇐⇒ ⇐⇒ ⇐⇒ .
−2x + y = 0 − 3y = 0 y = 0
Portanto, ker(S ◦ T ) = {(0, 0)} e sua única base é Bker(S◦T ) = 0.
/
5.5 Inversa de uma Transformação Linear 171


T ◦ S(x, y, z) = T S(x, y, z) = T (y − z, z − x)


(d2 ) = 2(y − z), y − z − (z − x), z − x

= (2y − 2z, x + y − 2z, −x + z).

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

Determinando Im(T ◦ S): (x, y, z) ∈ Im(T ◦ S)) se, e somente se, existe (a, b, c) ∈ R3 tal
que

T ◦ S(a, b, c) = (x, y, z) ⇐⇒ (2b − 2c, a + b − 2c, −a + c) = (x, y, z) ⇐⇒

 
 2b − 2c = x  a + b − 2c = y
a + b − 2c = y ⇐⇒ b − c = y+z .
−a + c = z 2b − 2c = x
 

Portanto, x = 2(y + z), consequentemente Im(T ◦ S) = {(x, y, z) ∈ R3 ; x = 2(y + z)} e

BIm(T ◦S) = {(2, 1, 0), (2, 0, 1)} é uma base de Im(T ◦ S).
(d3 ) Como ker(S ◦ T ) = {(0, 0)} e S ◦ T é um operador linear, segue que é um automorfismo, e
portanto, possui inversa, determinemos a inversa (S ◦ T )−1 .

(S ◦ T )−1 (x, y) = (a, b) ⇐⇒ (x, y) = S ◦ T (a, b)

⇐⇒ (x, y) = (a − 2b, b − 2a) = (0, 0, 0)


−x − 2y
 a =


3
 
a − 2b = x
⇐⇒ ⇐⇒ .
−2a + b = y 
 −2x − y
 b =

3

Logo, a inversa de S ◦ T é dada por:

 
−1 −x − 2y −2x − y
(S ◦ T ) (x, y) = , .
3 3

Por outro lado, como Im(T ◦ S) 6= R3 segue que T ◦ S não é sobrejetora, portanto não é um
automorfismo, consequentemente, não existe inversa do operador T ◦ S.
(e) Mostre que C2 como um espaço vetorial sobre R é isomorfo ao espaço vetorial real M2 (R).
Solução:
Devemos apresentar um isomorfismo de C2 em M2 (R).
Consideremos, por exemplo, a transformação T : C2 −→ M2 (R), definida por:
 
x1 y1
T (x1 + iy1 , x2 + iy2 ) = .
x2 y2
172 Capítulo 5. Transformações Lineares

(i) T é transformação linear, pois:

T (x1 + iy1 , x2 + iy2 ) + λ · (a1 + ib1 , a2 + ib2 )


= T (x1 + iy1 , x2 + iy2 ) + (λ · a1 + iλ · b1 , λ · a2 + iλ · b2 )


= T (x1 + λ · a1 ) + i(y1 + λ · b1 ), (x2 + λ · a2 ) + i(y2 + λ · b2 )
     
x1 + λ · a1 y1 + λ · b1 x1 y1 λ · a1 λ · b1
= = +
x2 + λ · a2 y2 + λ · b2 x2 y2 λ · a2 λ · b2
   
x1 y1 a1 b1
= +λ · = T (x1 + iy1 , x2 + iy2 ) + λ · T (a1 + ib1 , a2 + ib2 ).
x2 y2 a2 b2

(ii) Observemos que (x1 + iy1 , x2 + iy2 ) ∈ ker T se, e somente se,
 
0 0
T (x1 + iy1 , x2 + iy2 ) = 0M2 (R) ⇐⇒ T (x1 + iy1 , x2 + iy2 ) =
0 0

    
 x1 = 0
x1 y1 0 0 y1 = 0

⇐⇒ = ⇐⇒ ⇐⇒ (x1 + iy1 , x2 + iy2 ) = 0C2 .
x2 y2 0 0 
 x2 = 0
y2 = 0


Logo, ker T = 0C2 , portanto T é injetora, como dimR C2 = dim M2 (R), segue que T é


bijetora.
De (i) e (ii) segue que T é um isomorfismo, consequentemente C2 como um espaço vetorial
sobre R e M2 (R) são isomorfos.

Teorema 5.5.5 Sejam V e W são espaços vetoriais sobre um corpo K, espaços vetoriais de dimensão
finita e T : V −→ W uma transformação linear. Se dim V = dim W = n, então

T é isomorfismo se, e somente se, [T ]B

B 0 é invertível,

com B uma base qualquer de V e B 0 uma base qualquer de W .

Além disso, a matriz de T −1 : W −→ V em relação às bases B 0 e B é dada por:
 −1
[T −1 ]B B
0
B = [T ]B 0 .

Demonstração: Se T é isomorfismo, então existe T −1 : W −→ V transformação inversa de T .

Dadas B e B 0 bases quaisquer de V e de W , respectivamente, sabemos pelo Teorema 5.2.3 que:

T (v) B0 = [T ]B
 
B 0 · [v]B para todo v ∈ V,

ou seja,

T (v) B0 = [T ]B
   −1 
B0 · T ◦ T (v) B para todo v ∈ V

T (v)=w
=⇒ [w]B0 = [T ]B
 −1 
B 0 · T (w) B para todo w ∈ W

=⇒ In · [w]B0 = [T ]B −1 B
Teo. 5.2.3 0
B 0 · [T ]B · [w]B0 para todo w ∈ W.
5.5 Inversa de uma Transformação Linear 173

Logo, pelo Corolário 1.1.30 segue que [T ]B −1 ]B = I . 0

B 0 · [T B n

Consequentemente, a matriz [T ]BB 0 é invertível.

−1
Além disso, [T ]B = [T −1 ]B
0
B0 B.

Reciprocamente, se [T ]B
B 0 é invertível para B e B bases quaisquer de V e de W , respectivamente,
0

então dadas B1 e B10 outras bases de V e de W , respectivamente, pelo Teorema 5.2.6 sabemos que
B0 B1 B0 B1
[T ]B B B
B 0 = MB 0 · [T ]B10 · MB1 , com MB 0 e MB1 matrizes invertíveis, portanto [T ]B10 também é
1 1

invertível.
Além disso, como [T ]B B


B 0 é invertível, então posto [T ]B 0 = n = dim V , consequentemente T é
sobrejetora e como dim V = dim W , segue T é bijetora, portanto isomorfismo.

Exemplo 5.5.6 Verifique se a transformação linear T , de P3 (R) em M2 (R), dada por:

 
2 3

a0 a1 + a2
T a0 + a1t + a2t + a3t =
a1 − a2 −a3

é um isomorfismo, em caso afirmativo determine a transformação inversa T −1 .

Solução:
A matriz da transformação linear T em relação às bases canônicas de P3 (R) e de M2 (R) é a seguinte:
 
1 0 0 0
 0 1 1 0 
[T ] =  .
 0 1 −1 0 
0 0 0 −1

Como det[T ] = 2 6= 0, segue que [T ] é invertível e portanto T é isomorfismo.

Além disso, já que  
2 0 0 0
1 0 1 1 0 
[T ]−1 = · 

,
2  0 1 −1 0 
0 0 0 −2

então T −1 : M2 (R) −→ P3 (R), matricialmente em relação às bases canônicas, é dada por:

 
a11
 
     a +a 
2 0 0 0 a11  12 21 
2
    
a11 a12 1 0 1 1 0   a12
T −1
     
= ·  ·  a21
= .
a21 a22 2  0 1 −1 0  a12 − a21
  

0 0 0 −2 a22 
 2


 
a22
     
a11 a12 a12 + a21 a12 − a21
Portanto, T −1 = a11 + ·t + · t 2 + a22 · t 3 .
a21 a22 2 2
 174 Capítulo 5. Transformações Lineares

5.6 O Espaço Vetorial L (V,W )

Dados V e W , espaços vetoriais sobre um corpo K, consideremos o conjunto de todas as transfor-

mações lineares de V em W , indicado por L (V,W ), ou seja,

L (V,W ) = T : V −→ W ; T é transformação linear .



A seguir definimos a adição e a multiplicação por escalar em L (V,W ).

Definição 5.6.1 (i) A adição em L (V,W ): dados T e S em L (V,W ), a soma de T e S, indicada

por T + S, é a transformação definida por:

(T + S) : V −→ W com (T + S)(v) = T (v) + S(v) para todo v ∈ V.

(ii) A multiplicação por escalar em L (V,W ): dados T em L (V,W ) e λ ∈ K, a multiplicação de

λ por T , indicada por λ · T , é a transformação definida por:

(λ · T ) : V −→ W com (λ · T )(v) = λ · T (v) para todo v ∈ V.

Lema 5.6.1 Sejam V e W espaços vetoriais sobre um corpo K, dados T e S ∈ L (V,W ) e λ ∈ K, as

transformações T + S e λ · T são transformações lineares de V em W .

Demonstração: Sejam u e v elementos quaisquer em V e α ∈ K elemento arbitrário.

Como,
def. + em L (V,W )
(T + S)(u + α · v) = T (u + α · v) + S(u + α · v)

T, S ∈ L (V,W )
= T (u) + α · T (v) + S(u) + α · S(v)

,
= T (u) + S(u) + α · T (v) + S(v)

= (T + S)(u) + α · (T + S)(v)

segue que T + S é transformação linear.

Por outro lado,
def. · em L (V,W )
(λ · T )(u + α · v) = λ · T (u + α · v)

T ∈ L (V,W )

= λ · T (u) + α · T (v)

= λ · T (u) + λ · α · T (v)

.

= λ · T (u) + α · λ · T (v)

= (λ · T )(u) + α · (λ · T )(v)
Consequentemente λ · T também é transformação linear.
5.6 O Espaço Vetorial L (V,W ) 175

Teorema 5.6.2 Sejam V e W espaços vetoriais sobre um corpo K, então:

(i) O conjunto L (V,W ), de todas as transformações lineares de V em W , com a adição e
multiplicação por escalar definidas acima, é um espaço vetorial sobre K.
(ii) Se V e W espaços vetoriais de dimensão finita, com dim V = n e dim W = m, então
dim L (V,W ) = n · m.

Demonstração:
(i) Devemos mostrar que a adição e a multiplicação por escalar em L (V,W ) satisfazem as seguintes
propriedades:
A1 T + S = S + T para quaisquer T, S ∈ L (V,W ) (comutatividade).
A2 (T + S) + R = T + (S + R) para quaisquer T, S, R ∈ L (V,W ) (associatividade).
A3 A transformação linear nula T0 : V −→ W , definida por
T0 (v) = 0W para todo v ∈ V , é tal que

T + T0 = T para todo T ∈ L (V,W ),

(existência de elemento neutro).

A4 Para toda transformação

linear T ∈ L (V,W ), existe −T : V −→ W , definida por
(−T )(v) = − T (v) para todo v ∈ V , e esta é transformação linear, pois −T = (−1) · T .
A transformação linear −T é tal que T + (−T ) = T0 (existência de elemento simétrico).
M1 α · (β · T ) = (α · β ) · T para todo T ∈ L (V,W ) e quaisquer α, β ∈ K.
M2 α · (T + S) = α · T + α · S para quaisquer T, S ∈ L (V,W ) e todo α ∈ K (distributividade
da adição).
M3 (α + β ) · T = α · T + β · T para todo T ∈ L (V,W ) e quaisquer α, β ∈ K (distributividade
da multiplicação por escalar).
M4 1K · T = T para todo T ∈ L (V,W ) (existência de unidade).
Cada uma dessas propriedades segue da propriedade correspondente das operações adição e
multiplicação por escalar no espaço vetorial W .
Portanto, L (V,W ), +, · é um espaço vetorial sobre K.

(ii) Sejam B = {v1 , v2 , · · · , vn } base de V e B 0 = {w1 , w2 , · · · , wm } base de W .

Para cada i e cada j, com 1 ≤ i ≤ n e1 ≤ j ≤ m, denotamos por Ti, j a única transformação
w j se k = i
linear Ti, j : V −→ W tal que Ti, j (vk ) = , para todo vk ∈ B.
0 se k 6= i
n
Observemos que se v = ∑ αi · vi , então Ti, j (v) = αi · w j .
i=1

Mostremos que BL (V,W ) = Ti, j ∈ L (V,W ); com 1 ≤ i ≤ n e 1 ≤ j ≤ m é uma base de



L (V,W ).
n m
• Se ∑ ∑ ai j · Ti j = T0, transformação linear nula, segue da definição das transformações
i=1 j=1
lineares Ti j que:
176 Capítulo 5. Transformações Lineares

n m m n
0W = ∑ ∑ ai j · Ti j (vk ) = ∑ ∑ ai j · Ti j (vk )
i=1 j=1 j=1 i=1

m

= ∑ a1 j · T1 j (vk ) + · · · + ak j · Tk j (vk ) + · · · + an j · Tn j (vk ) .
j=1

m m
= ∑ ak j · Tk j (vk ) = ∑ ak j · w j
j=1 j=1
Como os vetores w1 , w2 , · · · , wm são L. I., segue que ak1 = · · · = akm = 0 para todo
k ∈ {1, · · · , n}.
Portanto, Ti, j ∈ L (V,W ); com 1 ≤ i ≤ n e 1 ≤ j ≤ m é um subconjunto L. I. de


L (V,W ).
• Seja T ∈ L (V,W ) uma transformação linear qualquer de V em W , observemos que dado
v ∈ V , como B = {v1 , v2 , · · · , vn } é base de V , existem únicos escalares α1 , α2 , · · · , αn
tais que v = α1 · v1 + α2 · v2 + · · · + αn · vn .
Logo,
T é linear
T (v) = T (α1 · v1 + α2 · v2 + · · · + αn · vn ) = α1 · T (v1 ) + α2 · T (v2 ) + · · · + αn · T (vn ).

Por outro lado, como B 0 = {w1 , w2 , · · · , wm } é base de W , para cada k ∈ {1, · · · , n},
existem únicos escalares λ1k , · · · , λmk tais que T (vk ) = λ1k · w1 + λ2k · w2 + · · · + λmk · wm .
Consequentemente,
T (v) = α1 · T (v1 ) + α2 · T (v2 ) + · · · + αn · T (vn )

= α1 · λ11 · w1 + λ21 · w2 + · · · + λm1 · wm )

+ α2 · λ12 · w1 + λ22 · w2 + · · · + λm2 · wm )

+ · · · + αn · λ1n · w1 + λ2n · w2 + · · · + λmn · wm )

= (α1 · λ11 + α2 · λ12 + · · · + αn · λ1n ) · w1

+ (α1 · λ21 + α2 · λ22 + · · · + αn · λ2n ) · w2

+ · · · + (α1 · λm1 + α2 · λm2 + · · · + αn · λmn ) · wm .

= λ11 · (α1 · w1 ) + λ12 · (α2 · w1 ) + · · · + λ1n · (αn · w1 )

+ λ21 · (α1 · w2 ) + λ22 · (α2 · w2 ) + · · · + λ2n · (αn · w2 )

+ · · · + λm1 · (α1 · wm ) + λm2 · (α2 · wm ) + · · · + λmn · (αn · wm )

= λ11 · T11 (v) + λ12 · T21 (v) + · · · + λ1n · Tn1 (v)

+ λ21 · T12 (v) + λ22 · T22 (v) + · · · + λ2n · Tn2 (v)

+ · · · + λm1 · T1m (v) + λm2 · T2m (v) + · · · + λmn · Tnm (v)

 5.6 O Espaço Vetorial L (V,W ) 177

Logo,

T11 , T21 , · · · , Tn1 , T12 , T22 , · · · , Tn2 (v), · · · , T1m , T2m , · · · , Tnm = L (V,W ).
 

Portanto, BL (V,W ) = Ti, j ∈ L (V,W ); com 1 ≤ i ≤ n e 1 ≤ j ≤ m é base de L (V,W ) e



dim L (V,W ) = n · m.

Observação 5.6.3 Sendo um V e W espaço vetoriais sobre K de dimensões finitas, dadas B e B 0

bases de V e de W , respectivamente, se consideramos a transformação:

ϕ : L (V,W ) −→ Mm×n (K)

,
T 7−→ ϕ(T ) = [T ]B
B0

podemos mostrar que ϕ é um isomorfismo linear.

Consequentemente, esta é uma maneira alternativa de mostrar o Teorema 5.6.2 (ii).

Do que vimos sobre transformações lineares segue a seguinte proposição:

Proposição 5.6.4 Sejam V , W . U e Z espaços vetoriais sobre um corpo K, então:

(i) Se T ∈ L (V,W ) e S ∈ L (W,U), então S ◦ T ∈ L (V,U).
(ii) Se T ∈ L (V,W ), S ∈ L (W,U) e R ∈ L (U, Z), então (R ◦ S) ◦ T = R ◦ (S ◦ T ).
(iii) Se T, S ∈ L (V,W ) e R ∈ L (W,U), então R ◦ (T + S) = R ◦ T + R ◦ S.
(iv) Se T ∈ L (V,W ), IV : V −→ V é identidade em V e IW : W −→ W é identidade em W , então
T ◦ IV = T e IW ◦ T = T .

5.6.1 O Espaço Dual L (V, K)

Definição 5.6.2 Seja V espaço vetorial sobre um corpo K, o espaço dual de V , denotado por
L (V, K), é o espaço vetorial das transformações lineares de V em K, ou seja,

L (V, K) = T : V −→ K; T é transformação linear .



Corolário 5.6.5 Se V é espaço vetorial sobre um corpo K de dimensão finita n, então

dim L (V, K) = n.

Demonstração: De fato, pelo Teorema 5.6.2 (ii) segue que

dim L (V, K) = n × dim K = n × 1 = n.

Observação 5.6.6 Pela demonstração do Teorema 5.6.2 (ii) segue que se B = {v1 , v2 , · · · , vn } é
uma base de V , então a família de transformações lineares T1 , · · · , Tn : V −→ K dadas por

Tk (v) = Tk (a1 · v1 + · · · + an · vn ) = ak , para k ∈ {1, · · · , n}

é tal que T1 , · · · , Tn é base de L (V, K), espaço dual de V , esta base é chamada base dual de B.

178 Capítulo 5. Transformações Lineares
       
1 −1 0 −1 0 0 0 0
Exemplo 5.6.7 Determine a base dual de B = , , , ,
0 1 1 0 1 −1 0 1
base de M2 (R).
Solução:  
a11 a12
Dada A = ∈ M2 (R), podemos escrever:
a21 a22
     
a11 a12 1 −1 0 −1
A = = a11 · − (a11 + a12 ) ·
a21 a22 0 1 1 0
    .
0 0 0 0
+ (a11 + a12 + a21 ) · + (a12 + a21 + a22 ) ·
1 −1 0 1

Logo, T1 , T2 , T3 , T4 }, com
   
a11 a12 a11 a12
T1 = a11 , T2 = −a11 − a12 ,
a21 a22 a21 a22
   
a11 a12 a11 a12
T3 = a11 + a12 + a21 , T4 = a12 + a21 + a22
a21 a22 a21 a22
é base dual da base B.