Transformações lineares

II
II.1. Noções básicas
Definição II.1.1. Sejam V e W espaços vectoriais. Uma função f : V → W diz-se trans-
formação∗ linear quando, para todos os u, v ∈ V e todos os α ∈ R,

f (u + v) = f (u) + f (v) e f (α · u) = α · f (u).

Note-se que uma transformação linear f : V → W automaticamente satisfaz f (0) = 0 e,

mais geral,
f (α1 · v1 + . . . + αn · vn ) = α1 · f (v1 ) + . . . + αn · f (vn ),
para todos os n ∈ N, v1 , . . . , vn ∈ V e α1 , . . . , αn ∈ R. Portanto, se a famı́lia (v1 , . . . , vn )
de vectores de V é linearmente dependente, então a famı́lia (f (v1 ), . . . , f (vn )) é linearmente
dependente em W . Para cada espaço vectorial V , a função identidade

1V : V → V, v 7→ v

é uma transformação linear; e, para transformações lineares f : V → W e g : W → E, a

função composta
g f : V → E, v 7→ g(f (v))
é uma transformação linear.

Exemplos II.1.2. As seguintes aplicações são lineares, para todos os i, j ∈ {1, . . . , n} e

α ∈ R:
(1). (trocar duas componentes)

fi↔j : Rn → Rn , (x1 , . . . , xi , . . . , xj , . . . , xn ) 7→ (x1 , . . . , xj , . . . , xi , . . . , xn );

(2). (multiplicar uma componente por um número)

fαi : Rn → Rn , (x1 , . . . , xi , . . . , xn ) 7→ (x1 , . . . , αxi , . . . , xn );

9 de Novembro de 2013
∗
transformação = aplicação = função
11
12 Capı́tulo II. Transformações lineares

(3). (adicionar um múltiplo de uma componente a uma outra componente)

fj+αi : Rn → Rn , (x1 , . . . , xi , . . . , xj , . . . , xn ) 7→ (x1 , . . . , xi , . . . , αxi + xj , . . . , xn ),
com i 6= j.
Exemplos II.1.3. Para espaços vectoriais V e W , o conjunto F(V, W ) de todas as funções
f : V → W é um espaço vectorial com as operações definidas como no Exemplo I.1.3 (3),
e o conjunto Lin(V, W ) de todas as transformações lineares f : V → W é um subespaço de
F(V, W ). Além disso, para transformações lineares f : V → W e g : W → E, as funções
Lin(V, W ) → Lin(V, E) e Lin(W, E) → Lin(V, E)
h 7→ g h h 7→ h f
são transformações lineares.
Teorema II.1.4. (1). Sejam f, g : V → W transformações lineares e S ⊆ V um subcon-
junto com hSi = V . Se f (v) = g(v) para todo o v ∈ S, então f = g.
(2). Seja B = (v1 , . . . , vn ) uma base V . Para cada famı́lia (w1 , . . . , wn ) de vectores de
W , existe uma única transformação linear f : V → W com f (v1 ) = w1 , f (v2 ) = w2 ,
. . . e f (vn ) = wn .
Definição II.1.5. Uma transformação linear f : V → W diz-se isomorfismo quando
existe uma transformação linear g : W → V com
g f = 1V e f g = 1W .
Diz-se que espaços vectoriais V e W são isomorfos, e escreve-se V ≃ W , quando existe um
isomorfismo entre eles.
Verificamos primeiro que uma tal transformação linear g : W → V é única, quando
existe:
Lema II.1.6. Sejam f : V → W e g, g ′ : W → V transformações lineares com g f = 1V e
f g ′ = 1W . Então, g = g ′ .
Para um isomorfismo f : V → W , a única transformação linear g : W → V com g f = 1V
e f g = 1W diz-se transformação linear inversa e escreve-se f −1 em lugar de g.
Nota II.1.7. Para cada espaço vectorial V , a função identidade 1V : V → V é um iso-
morfimos com 1−1V = 1V . Se f : V → W e g : W → E são isomorfismos, então g f é um
isomorfismo com (g f )−1 = f −1 g −1 . Se f é um isomorfimo, então f −1 é um isomorfismo e
(f −1 )−1 = f .
Exemplo II.1.8. O exemplo primordial de um isomorfismo é o cálculo de coordenadas (ver
Proposição I.2.3). Mais concretamente, para um espaço vectorial V da dimensão n ∈ N com
base B = (v1 , . . . , vn ), a função
V → Rn , v 7→ [v]B
é um isomorfismo com transformação linear inversa
Rn → V, (α1 , . . . , αn ) 7→ α1 · v1 + . . . + αn · vn .
II.1. Noções básicas 13

Exemplos II.1.9. Agora consideramos as transformações lineares do Exemplos II.1.2.

(1). Para todos os i, j ∈ {1, . . . , n} e α ∈ R, as transformações lineares fi↔j e fj+αi
(i 6= j) são isomorfismos.
(2). Para todos os i ∈ {1, . . . , n} e α ∈ R, a transformação linear fαi é um isomorfismo
se e só se α 6= 0.

Espaços vectoriais isomorfos podem-se considerar essencialmente iguais, em particular

tem-se:

Proposição II.1.10. Sejam f : V → W um isomorfismo, (v1 , . . . , vn ) uma famı́lia de

vectores de V e v ∈ V . Então,
(1). (v1 , . . . , vn ) é linearmente independente em V se e só se (f (v1 ), . . . , f (vn )) é linear-
mente independente em W .
(2). v ∈ hv1 , . . . , vn i se e só se f (v) ∈ hf (v1 ), . . . , f (vn )i. Em particular, (v1 , . . . , vn ) gera
V se e só se (f (v1 ), . . . , f (vn )) gera W .

Nota II.1.11. A Proposição I.2.3 é um caso particular do resultado acima.

Teorema II.1.12. Espaços vectoriais V e W (da dimensão finita) são isomorfos se e só se
dim V = dim W .

Corolário II.1.13. Sejam n, m ∈ N. Então, Rn ≃ Rm se e só se n = m.

No que se segue desenvolvemos alguns métodos para identificar isomorfismos.

Teorema II.1.14. Uma transformação linear f : V → W é um isomorfismo se e só se f é

injectiva e sobrejectiva.

Definição II.1.15. Seja f : V → W uma transformação linear. O núcleo de f é dado pelo

conjunto
ker(f ) = {v ∈ V | f (v) = 0},
e a imagem de f pelo conjunto
im(f ) = {f (v) | v ∈ V }.

Por outras palavras, a imagem de f é o conjunto de todos os elementos de W que são

imagem de algum elemento de V .

Lema II.1.16. Seja f : V → W uma transformação linear. Então, ker(f ) é um subespaço

vectorial de V e im(f ) é um subespaço vectorial de W .

Proposição II.1.17. Seja f : V → W uma transformação linear. Então, verifique-se as

seguintes afirmações.
(1). A função f é sobrejectiva se e só se im(f ) = W . Se W tem dimensão finita, então
f é sobrejectiva se e só se dim im(f ) = dim W .
(2). Seja w ∈ W e seja v0 ∈ V com f (v0 ) = w. Então,
{v ∈ V | f (v) = w} = {v0 + u | u ∈ ker(f )}.
14 Capı́tulo II. Transformações lineares

(3). A função f é injectiva se e só se ker(f ) = {0} se e só se dim ker(f ) = 0.

Teorema II.1.18. Seja f : V → W uma transformação linear onde V é um espaço vectorial

da dimensão finita. Então, ker(f ) e im(f ) são da dimensão finita e

dim V = dim ker(f ) + dim im(f ).

A fórmula do teorema acima pode-se justificar da seguinte maneira:

(1). escolhe-se uma base (u1 , . . . , un ) de ker(f ) e uma base (w1 , . . . , wm ) de im(f );
(2). escolhe-se vectores v1 . . . , vm em V com f (vi ) = wi , para 1 ≤ i ≤ m; e
(3). verifica-se que (u1 , . . . , un , v1 , . . . , vm ) é uma base de V .

Corolário II.1.19. Seja V um espaço vectorial da dimensão finita e f : V → V uma

transformação linear. Então, as seguintes afirmações são equivalentes.
(i). f é um isomorfismo.
(ii). f é injectiva.
(iii). f é sobrejectiva.

O seguinte exemplo mostra que a afirmação acima pode ser falsa em espaços V que não
têm dimensão finita.

Exemplo II.1.20. A função

D : D∞ (R, R) → D∞ (R, R), f 7→ f ′

é uma transformação linear (ver exemplo I.1.5 (3)). Qual é o núcleo de D? E a imagem de
D?

Definição II.1.21. Seja f : V → W uma transformação linear onde V é um espaço vectorial

da dimensão finita. A caracterı́stica de f , denotado por car(f ), é a dimensão de im(f ).

II.2. A matriz de uma transformação linear

Dada um número real α qualquer, é fácil de verificar que a função

fα : R → R, x 7→ αx

é uma transformação linear; de facto, cada transformação linear f : R → R é desta forma:

f (x) = f (x1) = xf (1) = αx

com α = f (1). Veremos que a situação geral é semelhante, com matrizes em lugar de
números.
Para matrizes
   
a1,1 . . . a1,n x1
A=
 .
.. 
e x =  ...  ,
 

am,1 . . . am,n xn
II.2. A matriz de uma transformação linear 15

defina-se o produto da matriz A do tipo m × n com a matrix x to tipo n × 1 por

    
a1,1 . . . a1,n x1 a1,1 x1 + . . . + a1,n xn
Ax =  ..   ..   ..
 .  =  ,
 
. .
am,1 . . . am,n xn am,1 x1 + . . . + am,n xn
portanto, A x é uma matriz do tipo m × 1.

Proposição II.2.1. Sejam A e B matrizes do tipo m × n, x e y matrizes do tipo n × 1 e

α ∈ R. Então,

A (x + y) = A x + A y e A (α x) = α (A x).

Para poder utilizar a linguagem de matrizes, no que se segue identificamos, para cada
k ∈ N, o elemento (x1 , . . . , xk ) de Rk com a matriz
 
x1
 .. 
.
xk
do tipo k × 1.

Corolário II.2.2. Seja A uma matriz do tipo m × n. A função

fA : Rn → Rm , v 7→ A v

é uma transformação linear.

Teorema II.2.3. Seja f : Rn → Rm uma transformação linear. Então, existe uma única
matriz A tal que, para cada v ∈ Rn ,

f (v) = A v;

As colunas desta matriz A correspondem às imagens dos vectores v1 = (1, 0, . . . , 0), v2 =
(0, 1, 0, . . . , 0), . . ., vn = (0, . . . , 0, 1) respectivamente.

Dada uma transformação linear f : Rn → Rm , a matriz A do teorema anterior diz-se

a matriz de f . Para uma transformação linear f : V → W entre espaços vectoriais V e
W da dimensão n e m e com bases B e C respectivamente, existe uma única transformação
linear f¯ : Rn → Rm tal que o diagrama
f
V / W
[−]B [−]C
 
Rn / Rm
f¯

comuta. A matriz de f : V → W relativamente às bases B e C é a matriz desta

transformação linear f¯ : Rn → Rm correspondente. Denota-se esta matriz por M (f, B, C),
portanto, M (f, B, C) é a única matriz M do tipo m × n com

[f (v)]C = M [v]B ,
16 Capı́tulo II. Transformações lineares

para todo o v ∈ V . Sendo B = (v1 , . . . , vn ), a primeira coluna de M (f, B, C) corresponde aos

coordenadas de f (v1 ) relativamente à C, a segunda coluna de M (f, B, C) corresponde aos
coordenadas de f (v2 ) relativamente à C, etc.

Nota II.2.4. Para uma transformação linear f : Rn → Rm , a matriz de f é precisamente a

matriz M (f, Cn , Cm ) de f relativamente às bases canónicas Cn e Cm de Rn e Rm respectiva-
mente.

Exemplo II.2.5. Para transformações lineares f, g : V → W entre espaços vectoriais da

dimensão finita V e W com bases B e C respectivamente, tem-se

M (f + g, B, C) = M (f, B, C) + M (g, B, C) e M (α · f, B, C) = α · M (f, B, C).

Aqui a soma f + g de transformações lineares é definida no Exemplos II.1.3.

Em particular, para um espaço vectorial V da dimensão n ∈ N com bases B e C, a matriz

da função identidade 1V : V → V relativamente às bases B e C é a única matriz M do tipo
n × n que satisfaz
[v]C = M [v]B ,

para todo o v ∈ V ; ou seja, esta matriz traduz coordenadas relativamente a base B em

coordenadas relativamente a base C. Designamos a matriz M (1V , B, C) por matriz da
mudança de base B para a base C, e escrevemos simplesmente M (B, B) em lugar de
M (1V , B, C).

II.3. Calcular o núcleo e a imagem de uma transformação linear

O primeiro resultado desta secção garante que o problema geral se reduz para o caso de
f : Rn → Rm , supondo que os espaços vectoriais envolvidas têm dimensão finita.

Teorema II.3.1. Sejam f : V → W uma transformação linear e B = (v1 , . . . , vn ) e

C = (w1 , . . . , wm ) bases de V e W respectivamente, e seja f¯ : Rn → Rm a correspondente
transformação linear tal que o diagrama

f
V / W
[−]B [−]C
 
Rn / Rm
f¯

comuta. Então, verifique-se as seguintes afirmações:

(1). ker(f ) = {v ∈ V | [v]B ∈ ker(f¯)},
(2). im(f ) = {w ∈ W | [w]C ∈ im(f¯)}.
(3). dim ker(f ) = dim ker(f¯).
(4). dim im(f ) = dim im(f¯).
II.3. Calcular o núcleo e a imagem de uma transformação linear 17

Portanto, seja f : Rn → Rm uma transformação linear. Já sabemos que f é necessaria-

mente da forma f = fA , para uma matriz
 
a1,1 . . . a1,n
A=
 .. 
. 
am,1 . . . am,n
do tipo m × n, e cada tal matriz A defina uma transformação linear fA : Rn → Rm . Nesta
secção continuamos identificar v = (x1 . . . , xn ) ∈ Rn com a coluna
 
x1
 .. 
v =  . .
xn
Pela definição, o núcleo de fA é dado por
ker(fA ) = {v ∈ Rn | A v = 0}.
Como     
a1,1 . . . a1,n x1 a1,1 x1 + . . . + a1,n xn
Av =  ..   ..   ..
 .  =  ,
 
. .
am,1 . . . am,n xn am,1 x1 + . . . + am,n xn
o núcleo de fA é precisamente o conjunto das soluções do sistema homogéneo de equações
lineares
a1,1 x1 + . . . + a1,n xn = 0,
a2,1 x1 + . . . + a2,n xn = 0,
..
.
am,1 x1 + . . . + am,n xn = 0;
e, vice versa, o conjunto das soluções de um tal sistema é igual ao núcleo de fA onde
A = [ai,j ] é a matriz das coeficientes ai,j do sistema. Em particular, o conjunto de soluções
de um sistema homogéneo constitui um subespaço de Rn . Obtém-se:

A dimensão de ker(fA ) é igual ao número de variáveis livres (uma variável diz-se

livre quando corresponde a uma coluna sem pivô na matriz em escada corres-
pondente) do sistema homogéneo A x = 0, e uma base pode-se obter atribuindo,
sucessivamente, a uma variável livre o valor 1 e 0 as restantes variáveis livres.

Mais geral, o sistema e equações lineares

a1,1 x1 + . . . + a1,n xn = b1 ,
a2,1 x1 + . . . + a2,n xn = b2 ,
..
.
am,1 x1 + . . . + am,n xn = bm ;
podemos escrever da forma mais sucinta como uma equação
Ax = b
18 Capı́tulo II. Transformações lineares

de matrizes, onde
   
a1,1 . . . a1,n b1
A=
 .. 
e b =  ... 
 
. 
am,1 . . . am,n bm
denotam as matrizes dos coeficientes e dos segundos membros do sistema acima, e a incógnita
 
x1
 .. 
x= . 
xn
é a matriz das incógnitas x1 , . . . , xn . Considerando a transformação linear fA : Rn → Rm ,
tem-se
{v ∈ Rn | fA (v) = b} = {as soluções do sistema A x = b},
e, tendo em conta a Proposição II.1.17, o conjunto de todas as soluções do sistema A x = b
de equações lineares obtém-se como

uma solução particular todas as soluções do sistema

+ .
do sistema A x = b homogéneo A x = 0

Para o cálculo da imagem de fA obtém-se:

im(fA ) = {A v | v ∈ Rn }
   
 a 1,1 . . . a 1,n α 1 
. .
 
= 
 ..   ..  | (α1 , . . . , αn ) ∈ R
   n
 
am,1 . . . am,n αn
 
       
 a1,1 a1,2 a1,n 
 ..   ..   .. 
 
= α1  .  + α2  .  + . . . + αn  .  | α1 , . . . , α n ∈ R
 
am,1 am,2 am,n
 
     
* a1,1 a1,2 a1,n +
=  ...  ,  ...  , . . . ,  ...  ;
     

am,1 am,2 am,n

ou seja, a imagem de fA é o subespaço de Rm gerado pelas colunas de A. Se A for uma
matriz em escada, é fácil de verificar que uma base de im(fA ) é dada pela famı́lia de colunas
de A com pivô, e portanto car(fA ) = dim im(fA ) = número de pivôs em A. Para tratar
o caso geral, aplica-se à matriz A as operações elementares e desde modo obtém-se uma
matriz A′ em escada (ver Teorema I.3.4); pelos Exemplos II.1.9, este procedimento produz
um isomorfismo do subespaço de Rm gerado pelas colunas de A para o subespaço de Rm
gerado pelas colunas de A′ . Consequentemente:

Uma base de im(fA ) é dada pela famı́lia de colunas de A com pivô em A′ , e

car(fA ) = dim im(fA ) = número de pivôs em A′ .
II.4. O produto de matrizes 19

Definição II.3.2. A caracterı́stica da matriz A é a caracterı́stica da transformação linear

fA , ou seja, a caracterı́stica de A é igual a dimensão do subespaço de Rm gerado pelas colunas
de A. A caracterı́stica de A denota-se por car(A).

Note-se que a caracterı́stica de A é igual ao número de pivôs na matriz A′ em escada

correspondente. Pela Nota I.3.8, a caracterı́stica de A também é igual a dimensão do su-
bespaço de Rn gerado pelas linhas de A. Definimos a matriz transposta da matriz A do
tipo m × n como a matriz At do tipo n × m cuja entrada na posição (i, j) é igual a entrada
na posição (j, i) da matriz A; ou seja, a matriz At obtém-se a partir de A “trocando linhas
por colunas”. A observação anterior sobre a caracterı́stica de A pode-se expressar agora de
forma mais sucinta:
car(A) = car(At ).

II.4. O produto de matrizes

Para transformações lineares f : Rn → Rm e g : Rm → Rk dadas por f (v) = A v e
g(w) = B w, para todo o v ∈ Rn e todo o w ∈ Rm , e onde
   
b1,1 . . . b1,m a1,1 . . . a1,n
B=
 .. 
e A=
 .. 
.  . 
bk,1 . . . bk,m am,1 . . . am,n
são matrizes do tipo k × m e m × n respectivamente, estudamos agora a seguinte questão:
• Como obter a matriz da função composta g f : Rn → Rk a partir das matrizes B e
A?
A matriz da função composta é seguramente do tipo k × n, e as considerações da Secção
II.2 implicam que a primeira coluna desta matriz é dada por

g(f ((1, 0, . . . , 0))).

Mas f ((1, 0, . . . , 0)) é

 
a1,1
 .. 
 . ,
am,1
e por isso g(f ((1, 0, . . . , 0))) é o produto
  
b1,1 . . . b1,m a1,1
..   .. 
  . .

 .
bk,1 . . . bk,m am,1
Aplicando o mesmo argumento às outras colunas, obtém-se que a matriz de g f é a matriz
do tipo k × n com as colunas
         
b1,1 . . . b1,m a1,1 b1,1 . . . b1,m a1,2 b1,1 . . . b1,m a1,n
..   ..   ..   ..  ..  .. 
(†)
  . ,   . ,...,  . .
  
 . . . 
bk,1 . . . bk,m am,1 bk,1 . . . bk,m am,2 bk,1 . . . bk,m am,n
20 Capı́tulo II. Transformações lineares

Em geral, para matrizes B = [bi,j ] e A = [ai,j ] do tipo k × m e m × n respectivamente, o

produto B A das matrizes B e A é a matriz do tipo k × n com as colunas indicadas em
(†). Para cada n ∈ N, a matriz identidade do tipo n × n é a matriz
 
1 0 0 ... 0
0 1 0 . . . 0
 
In =   .. 
.

 
0 0 0 ... 1
com todos os elementos no diagonal igual a 1 e todos os elementos fora do diagonal igual a
0.
Proposição II.4.1. (1). A matriz da função identidade 1Rn : Rn → Rn é a matriz
identidade.
(2). Para transformações lineares g : Rm → Rk e f : Rn → Rm com matrizes B e A
respectivamente, a matriz de g f é dada pelo produto B A de B e A.
Corolário II.4.2. Sejam V , W e E espaços vectoriais com bases A, B e C respectivamente,
e sejam f : V → W e g : W → E transformações lineares.
(1). M (1V , A, A) = In .
(2). M (g f, A, C) = M (g, B, C) M (f, A, B).
Portanto, o cálculo com matrizes corresponde exactamente ao cálculo com transformações
lineares. Em particular, tem-se:
Proposição II.4.3. Sejam C uma matriz do tipo l × k, B e B ′ matrizes do tipo k × m, A
e A′ matrizes do tipo m × n e α ∈ R.
(1). C (B A) = (C B) A,
(2). B (A + A′ ) = (B A) + (B A′ ),
(3). (B + B ′ ) A = (B A) + (B ′ A),
(4). α(B A) = (αB) A = B (αA).
O seguinte resultado facilita o cálculo com a matriz transposta.
Proposição II.4.4. (1). Para todo o n ∈ N, Int = In .
(2). Sejam B uma matriz do tipo k × m e A uma matriz do tipo m × n. Então, (B A)t =
At B t .
(3). Sejam A e B matrizes to tipo n × m e α ∈ R. Então, (A + B)t = At + B t e
(α · A)t = α · At .
Nota II.4.5. Para matrizes A e B, em geral não se tem A B = B A. Por exemplo, se B é
do tipo 2 × 3 e A é do tipo 3 × 3, não se pode calcular o segundo membro da equação. Além
disso, se A é do tipo 3 × 2, o produto A B tem o tipo 3 × 3 e B A tem o tipo 2 × 2. Ainda
mais, mesmo se A e B tem tipo o n × n, A B pode ser diferente de B A como se pode ver
no caso de
" # " #
1 0 1 2
A= e B= .
1 1 3 4
II.4. O produto de matrizes 21

Definição II.4.6. Uma matriz A do tipo n × n diz-se invertı́vel quando existe uma matriz
B do tipo n × n com
B A = In e A B = In .

O próximo resultado indica a versão matricial do Lema II.1.6.

Lema II.4.7. Sejam A, B, B ′ matrizes do tipo n × n. Se B A = In e A B ′ = In , então

B = B′.

Tal como para transformações lineares, a única matriz B com B A = In e A B = In

denota-se por A−1 e designa-se por matriz inversa de A.

Proposição II.4.8. (1). Para cada n ∈ N, a matriz identidade In é invertı́vel e In−1 = In

(2). Sejam A, B matrizes invertı́veis do tipo n × n. Então A B é invertı́vel e (A B)−1 =
B −1 A−1
(3). Seja A uma matriz invertı́vel do tipo n×n. Então, At é invertı́vel e (At )−1 = (A−1 )t .

Proposição II.4.9. (1). Seja A uma matriz do tipo n × n. Então, A é invertı́vel se e

só se a transformação linear fA : Rn → Rn é um isomorfismos. Além disso, A−1 é
a matriz da função inversa de fA .
(2). Seja f : V → W um isomorfismo e sejam B uma base de V e C uma base de W .
Então,
M (f −1 , C, B) = M (f, B, C)−1 .
Em particular, para bases B1 e B2 de V , tem-se
M (B2 , B1 ) = M (B1 , B2 )−1

Exemplo II.4.10. Seja f : V → W uma transformação linear e sejam B1 e B2 bases de V e

C1 e C2 bases de W . Então,
M (f, B1 , C2 ) = M (f 1V , B1 , C2 ) = M (f, B2 , C2 ) M (1V , B1 , B2 ) = M (f, B2 , C2 ) M (B1 , B2 )

M (f, B1 , C2 ) = M (1W f, B1 , C2 ) = M (1W , C1 , C2 ) M (f, B1 , C1 ) = M (C1 , C2 ) M (f, B1 , C1 ),

e por isso
M (f, B1 , C1 ) = M (C1 , C2 )−1 M (f, B2 , C2 ) M (B1 , B2 ) = M (C2 , C1 ) M (f, B2 , C2 ) M (B1 , B2 ).

Tendo em conta o Corolário II.1.19 e o Lema II.1.6, obtém-se:

Proposição II.4.11. Sejam A, B matrizes do tipo n × n. Então,

B A = In ⇐⇒ A B = In .

Dirigimos agora a nossa atenção para o cálculo da matriz inversa.

Proposição II.4.12. Seja A uma matriz do tipo n × n. As seguintes afirmações são equi-
valentes.
22 Capı́tulo II. Transformações lineares

(i). A é invertı́vel.
(ii). O sistema homogéneo A x = 0 é determinado.
(iii). car(A) = n.
(iv). Para todo o elemento b ∈ Rn , o sistema A x = b é possı́vel.
(v). Para b = (1, 0, . . . , 0), b = (0, 1, 0, . . . , 0), . . ., b = (0, 0, . . . , 0, 1); o sistema A x = b
é possı́vel.

Portanto, uma matriz A do tipo n × n é invertı́vel precisamente se os n sistemas

a1,1 x1 + . . . + a1,n xn = 1, a1,1 x1 + . . . + a1,n xn = 0,
a2,1 x1 + . . . + a2,n xn = 0, ..
.
.. ...
. . . . = 0,
am,1 x1 + . . . + am,n xn = 0; am,1 x1 + . . . + am,n xn = 1
são possı́veis; além disso, neste caso a matriz inversa de A é a matriz cujas colunas são dadas
pelas soluções destes sistemas.