Professional Documents
Culture Documents
Apontamentos de
Matrizes e Sistemas de Equações Lineares
Índice
1 Definição de Matriz. Matrizes Especiais. 3
3 Exercícios Resolvidos 16
6 Exercícios Resolvidos 29
8 Inversão de Matrizes 41
9 Exercícios Resolvidos 43
10 Exercícios Propostos 46
2 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
1 Definição de Matriz. Matrizes Especiais.
Intuitivamente, uma matriz é uma tabela onde se dispõem elementos dum dado conjunto. Estu-
daremos a seguir as matrizes formadas por elementos do conjunto dos números reais. Em estudos
posteriores, há necessidade de considerar matrizes cujos elementos são números complexos. De
notar contudo que as definições e propriedades que veremos são igualmente válidas neste caso.
Definição 1.1 Uma matriz de tipo m × n é um quadro com m n números reais dispostos em m
linhas e n colunas.
Seja A uma matriz de tipo m × n. Representa-se por aij o elemento de A situado na linha i
e na coluna j, isto é, na posição (i, j) da matriz. Assim, representa-se a matriz A por
⎡ ⎤
a11 a12 · · · a1j · · · a1n
⎢ a21 a22 · · · a2j · · · a2n ⎥
⎢ ⎥
⎢ .. .. .. .. .. .. ⎥
⎢ . . . . . . ⎥
A=⎢ ⎢ ai1 ai2 · · · aij · · · ain ⎥
⎥
⎢ ⎥
⎢ .. .. .. .. .. .. ⎥
⎣ . . . . . . ⎦
am1 am2 · · · amj · · · amn
ou, abreviadamente, por
A = [aij ]1≤i≤m ,
1≤j≤n
ou apenas por
A = [aij ] ,
se não houver risco de confusão. É também costume designar aij por elemento genérico da
matriz A.
Uma matriz diz-se quadrada de ordem n se m = n, isto é, se tiver igual número de linhas
e de colunas. Se m 6= n, então diz-se uma matriz rectangular.
Se m = 1, isto é, se a matriz tiver uma só linha, estamos perante uma matriz linha. Caso
n = 1, isto é, se a matriz tiver uma só coluna, a matriz designa-se por matriz coluna.
3 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
Consideremos uma matriz quadrada de ordem n:
⎡ ⎤
a11 a12 · · · a1j · · · a1n
⎢ a21 a22 · · · a2j · · · a2n ⎥
⎢ ⎥
⎢ .. .. .. .. .. .. ⎥
⎢ . . . . . . ⎥
A=⎢ ⎢ ⎥.
a a · · · a · · · ain ⎥
⎢ i1 i2 ij ⎥
⎢ .. .. .. .. .. .. ⎥
⎣ . . . . . . ⎦
an1 an2 · · · anj · · · ann
Os elementos a11 , a22 , a33 , . . . , ann da matriz quadrada dizem-se elementos principais ou
diagonais e formam a diagonal principal. Os elementos a1n , a2,n−1 , a3,n−2 , . . . , an1 formam
a diagonal secundária.
Uma matriz quadrada A = [aij ] diz-se triangular superior se aij = 0 sempre que i > j,
isto é, se todos os elementos abaixo da diagonal principal são nulos. Se aij = 0 sempre que
i < j, isto é, se todos os elementos acima da diagonal principal são nulos, então a matriz diz-se
triangular inferior.
tem-se que A é uma matriz triangular superior e B é uma matriz triangular inferior.
Uma matriz quadrada diz-se diagonal se aij = 0 sempre que i 6= j, ou seja, todos os
elementos fora da diagonal principal são nulos. Uma matriz quadrada A = [aij ] diz-se escalar
se for diagonal e os elementos principais forem todos iguais a um escalar λ, isto é,
½
λ se i = j
aij = .
0 se i 6= j
⎡ ⎤ ⎡ ⎤
2 0 0 2 0 0
Exemplo 1.3 A matriz ⎣ 0 7 0 ⎦ é diagonal enquanto ⎣ 0 2 0 ⎦ é escalar.
0 0 8 0 0 2
A matriz escalar de ordem n em que os elementos principais são iguais a 1 designa-se por
matriz identidade de ordem n e representa-se por In .
Sendo i e j números naturais, dá-se a designação de símbolo de Kronecker à variável δ ij
definida por ½
1 se i = j
δ ij = .
0 se i 6= j
Utilizando este símbolo, pode representar-se uma matriz escalar por A = [λδ ij ] . Em particular,
a matriz identidade de ordem n representa-se por In = [δ ij ].
4 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
Exemplo 1.4 As matrizes seguintes,
∙ ¸ ∙ ¸
δ 11 δ 12 1 0
I2 = = ,
δ 21 δ 22 0 1
⎡ ⎤
⎡ ⎤ ⎡ ⎤ 1 0 0 0
δ 11 δ 12 δ 12 1 0 0 ⎢ 0 1 0 0 ⎥
I3 = ⎣ δ 21 δ 22 δ 23 ⎦ = ⎣ 0 1 0 ⎦ e I4 = ⎢
⎣ 0
⎥,
0 1 0 ⎦
δ 31 δ 32 δ 33 0 0 1
0 0 0 1
constituem, respectivamente, as matrizes identidade de ordens 2, 3 e 4.
Uma matriz A = [aij ] de tipo m × n diz-se nula se todos os seus elementos são nulos, isto
é, aij = 0, para quaisquer i = 1, . . . , m e j = 1, . . . , n. Daqui em diante, representaremos uma
matriz nula de tipo m × n por Om×n ou simplesmente pela letra O.
Duas matrizes A = [aij ] e B = [bij ] de tipo m × n são iguais se e só se aij = bij , para
quaisquer i = 1, . . . , m e j = 1, . . . , n. De forma mais sugestiva, diz-se que duas matrizes são
iguais se e só se os seus elementos homólogos forem iguais.
∙ ¸ ∙ ¸
1 0 1 0 √
Exemplo 1.5 As matrizes A = eB= são iguais. A haver alguma dúvida,
4 3 4 9
√
ela residiria nos elementos homólogos a22 = 3 e b22 = 9 que, evidentemente, são iguais.
Chama-se oposta duma matriz A = [aij ] do tipo m×n à matriz B = [bij ] do mesmo tipo, tal
que aij = −bij, para quaisquer i = 1, . . . , m e j = 1, . . . , n. A matriz oposta de A representa-se
habitualmente por −A = [−aij ].
⎡ ⎤
2 −8 0
Exemplo 1.6 A matriz A = ⎣ 4 7 3 ⎦ tem oposta
−6 5 8
⎡ ⎤
−2 8 0
−A = ⎣ −4 −7 −3 ⎦ .
6 −5 −8
Chama-se transposta da matriz A = [aij ] do tipo m×n à matriz B = [bij ], do tipo n×m, tal
que bij = aji , para quaisquer i = 1, . . . , m e j = 1, . . . , n. A matriz transposta de A representa-se
habitualmente por AT . Verifica-se, evidentemente, que
¡ T ¢T
A =A (1)
e que a transposta de uma matriz linha é uma matriz coluna e a transposta de uma matriz
coluna é uma matriz linha.
⎡ ⎤
2 4
Exemplo 1.7 A matriz A = ⎣ 3 0 ⎦ tem por transposta
4 8
∙ ¸
T 2 3 4
A = .
4 0 8
5 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
£ ¤
Por outro lado, a matriz linha A = 2 4 5 tem por transposta a matriz coluna AT =
⎡ ⎤
2
⎣ 4 ⎦.
5
A = AT .
Uma matriz simétrica é sempre uma matriz quadrada. Com efeito, se A é do tipo m × n, AT é
do tipo n × m. Como, por definição de matriz simétrica, A = AT , conclui-se que m = n. Além
disto, sendo A = [aij ], tem-se aij = aji , isto é, os elementos que ocupam posições simétricas
relativamente à diagonal principal são iguais. Exemplificando, a matriz
⎡ ⎤
2 1 5
⎣ 1 7 2 ⎦
5 2 8
é simétrica.
Uma matriz A diz-se anti-simétrica se A = −AT . Uma matriz anti-simétrica é sempre
uma matriz quadrada e, se A = [aij ], tem-se
Sendo i = j, obtém-se aii = −aii o que implica aii = 0. Conclui-se que numa matriz anti-
simétrica os elementos da diagonal principal são nulos e os elementos colocados simetricamente
em relação à diagonal principal são simétricos. Como exemplo de matriz anti-simétrica, temos:
⎡ ⎤
0 1 4
⎣ −1 0 3 ⎦.
−4 −3 0
a soma de A e B é a matriz
∙ ¸
8 −2 8
C =A+B = .
7 9 26
6 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
2.1.1 Propriedades da adição de matrizes
Listam-se seguidamente as propriedades básicas da adição de matrizes. As primeiras quatro
deduzem-se das propriedades da adição de números reais, sendo a última consequência da defi-
nição de matriz transposta.
(c) A adição de matrizes tem elemento neutro, isto é, para cada tipo de matrizes, existe uma
matriz nula O desse tipo tal que, qualquer que seja a matriz A do tipo considerado, A+O =
O + A = A.
(d) A adição de matrizes tem elemento simétrico, isto é, para qualquer matriz A, existe uma
matriz oposta −A do mesmo tipo, tal que A + (−A) = (−A) + A = O.
(A + B)T = AT + B T ,
7 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
2.2.1 Propriedades da multiplicação de um escalar por uma matriz
Listam-se seguidamente as propriedades básicas da multiplicação escalar. As primeiras quatro
deduzem-se das propriedades da multiplicação de números reais e a última é consequência da
definição de matriz transposta.
são encadeadas.
Definição 2.4 Sejam A = [aij ] e B = [bij ] duas matrizes encadeadas de elementos reais de tipos
m × n e n × p, respectivamente. Chama-se produto da matriz A pela matriz B à matriz
C = [cij ] de tipo m × p, cujo elemento genérico cij se obtém somando os produtos dos elementos
da linha i da matriz A pelos elementos correspondentes da coluna j da matriz B, isto é,
n
X
cij = ai1 b1j + · · · + aik bkj + · · · + ain bnj = aik bkj ,
k=1
Resulta da definição que o elemento genérico cij da matriz C = AB pode ser encarado como
o produto da matriz linha formada pelos elementos da linha i de A pela matriz coluna formada
8 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
pelos elementos da coluna j de B, isto é,
⎡ ⎤
b1j
⎢ .. ⎥
⎢ ⎥
£ ¤ ⎢ . ⎥
cij = ai1 · · · aik · · · ain ⎢ bkj ⎥
| {z } ⎢
⎢ .. ⎥
⎥
linha i de A ⎣ . ⎦
bnj
| {z }
coluna j de B
n
X
= ai1 b1j + · · · + aik bkj + · · · + ain bnj = aik bkj .
k=1
Por outro lado, é evidente que o produto C = AB tem o mesmo número de linhas que a matriz
A e o mesmo número de colunas que a matriz B, isto é, AB é do tipo m × p. Esquematicamente:
(m × n) vezes (n × p) = (m × p).
⎡ ⎤
⎡ 0 ⎤ 1
4 5 3 2 ⎢ 8 9 ⎥
Exemplo 2.4 Para A = ⎣ 1 2 4 5 ⎦ e B = ⎢
⎣ 4
⎥ tem-se
5 ⎦
6 0 1 9
6 3
⎡ ⎤
⎡ ⎤ 0 1
4 5 3 2 ⎢
8 9 ⎥
C = AB =⎣ 1 2 4 5 ⎦⎢ ⎥
⎣ 4 5 ⎦
6 0 1 9
| {z } 6 3
(3×4) | {z }
(4×2)
⎡ ⎤
4×0+5×8+3×4+2×6 4×1+5×9+3×5+2×3
= ⎣ 1×0+2×8+4×4+5×6 1×1+2×9+4×5+5×3 ⎦
6×0+0×8+1×4+9×6 6×1+0×9+1×5+9×3
⎡ ⎤
64 70
= ⎣ 62 54 ⎦ .
58 38
| {z }
(3×2)
(AB)C = A(BC)
9 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
Demonstração. As matrizes (AB)C e A(BC) são ambas do tipo m × q e considerando D =
[dij ] = (AB)C, E = [eij ] = A(BC), AB = [fij ] e BC = [gij ], resulta
p p
à n ! p Xn
X X X X
dij = fik ckj = ais bsk ckj = ais bsk ckj
k=1 k=1 s=1 k=1 s=1
e à p !
n
X n
X X X p
n X
eij = ais gsj = ais bsk ckj = ais bsk ckj .
s=1 s=1 k=1 s=1 k=1
10 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
e ∙ ¸ ∙ ¸ ∙ ¸
3 1 −1 6 −2 0 9 −1 −1
AB + AC = + = .
5 10 15 41 34 0 46 44 15
2. Não é válida a lei do anulamento do produto, isto é, o produto de duas matrizes pode ser
nulo sem que nenhuma delas o seja.
11 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
Exemplo 2.8 Tem-se, por exemplo,
∙ ¸∙ ¸ ∙ ¸
1 1 1 −2 0 0
= .
1 1 −1 2 0 0
3. Não é válida a lei do corte para a multiplicação, isto é, a igualdade AB = AC não implica
B = C, mesmo quando a matriz A é não nula.
Proposição 2.6 Sejam A uma matriz quadrada de ordem n e In a matriz identidade de ordem
n. Então
AIn = In A = A.
12 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
∙ ¸ ∙ ¸
3 7 1 0
Exemplo 2.10 Sendo A = e I2 = , tem-se
−3 −2 0 1
∙ ¸∙ ¸ ∙ ¸
3 7 1 0 3 7
AI2 = =
−3 −2 0 1 −3 −2
e ∙ ¸∙ ¸ ∙ ¸
1 0 3 7 3 7
I2 A = = .
0 1 −3 −2 −3 −2
Proposição 2.7 Seja A = λIn uma matriz escalar de ordem n. Então A é permutável com
qualquer matriz quadrada B de ordem n.
AB = (λIn ) B = λ (In B) = λB
e
BA = B (λIn ) = λ (BIn ) = λB.
Logo, AB = BA = λB.
Proposição 2.8 A transposta do produto é igual ao produto das transpostas por ordem inversa,
isto é,
(AB)T = B T AT ,
em que A = [aij ] é do tipo m × n e B = [bij ] do tipo n × p.
13 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
⎡ ⎤
3 −1 ∙ ¸
⎣ ⎦ 0 −3
Exemplo 2.12 Para A = 1 0 eB= , vem
2 1
2 −2
⎛⎡ ⎤ ⎞
3 −1 ∙ ¸ T
0 −3 ⎠
(AB)T = ⎝⎣ 1 0 ⎦
2 1
2 −2
⎡ ⎤T
−2 −10 ∙ ¸
−2 0 −4
= ⎣ 0 −3 ⎦ = .
−10 −3 −8
−4 −8
Pela proposição anterior, esta matriz coincide com B T AT , como se comprova seguidamente:
∙ ¸∙ ¸ ∙ ¸
T T 0 2 3 1 2 −2 0 −4
B A = = .
−3 1 −1 0 −2 −10 −3 −8
é simétrica.
14 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
2.5 Matriz Inversa
Definição 2.6 Seja A uma matriz quadrada de ordem n. A matriz A diz -se invertível (ou
não singular) se existe uma matriz quadrada de ordem n, habitualmente designada por A−1 ,
tal que ¡ ¢ ¡ ¢
A A−1 = A−1 A = In .
A matriz A−1 diz-se a matriz inversa de A.
Efectivamente tem-se
∙ ¸∙ ¸ ∙ ¸
−1 2 4 1/4 −1/2 1 0
AA = =
−1 2 1/8 1/4 0 1
e ∙ ¸∙ ¸ ∙ ¸
−1 1/4 −1/2 2 4 1 0
A A= = .
1/8 1/4 −1 2 0 1
Veremos adiante como calcular a inversa duma matriz.
(AB)−1 = B −1 A−1 .
15 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
(d) Se A é invertível e p é um número inteiro positivo, Ap é invertível e
¡ ¢p
(Ap )−1 = A−1 .
e ¡ −1 −1 ¢ ¡ ¢
B A (AB) = B −1 A−1 A B = B −1 In B = B −1 (In B) = B −1 B = In .
Estas igualdades resultam da propriedade associativa da multiplicação de matrizes e da
proposição 2.6.
Relativamente a (c), basta verificar que
¡ ¢T
AT (A−1 )T = A−1 A = InT = In
e ¡ ¢T
(A−1 )T AT = AA−1 = InT = In .
Estas igualdades resultam da proposição 2.8 e do facto de In ser uma matriz simétrica.
Por fim, (d) resulta intuitivamente das igualdades
¡ ¢p
(Ap )−1 =(AA × · · · × A)−1 =A
|
−1 −1
A × {z· · · × A−1}= A−1 .
| {z }
p factores p factores
No entanto, a demonstração rigorosa desta propriedade deve ser feita pelo método de indução,
o que deixamos como exercício.
Nota 2.3 A definição de potência de uma matriz pode ser generalizada a expoentes inteiros.
Se A é invertível de ordem n e se p > 0 é um inteiro, define-se
¡ ¢p
A0 = In e A−p = (Ap )−1 = A−1 .
Assim, as seguintes propriedades tornam-se válidas, sempre que p e q forem inteiros e A invertível:
3 Exercícios Resolvidos
¤ ¡
£1 ¢ Uma matriz quadrada diz-se idempotente se A = A. Mostre que se AB = A e BA = B,
2
16 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
Ora,
A2 = AA = (AB) A = A (BA) = AB = A,
sendo a 1a igualdade justificada pela definição de potência, a 2a , a 4a e a 5a pelas hipóteses
e a 3a pela associatividade da multiplicação de matrizes.
Por outro lado,
¡ ¢2 ¡ ¢
AT B T = AT B T AT B T = AT (AB)T B T
= AT AT B T = AT (BA)T = AT B T ,
¤ ¡
à proposição 2.8 juntamente com as hipóteses AB = A e BA = B.
Resolução:
(a) Pode não ser, como acontece por exemplo com In e −In . Com efeito, estas matrizes
são invertíveis mas a soma, In + (−In ) = O, não é invertível. A matriz AB é invertível
(proposição 2.10-(b)) e tem por inversa B −1 A−1 .
(b) Pela proposição 2.10-(b), AB −1 C é invertível e
¡ ¢−1
AB −1 C = C −1 BA−1 .
17 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
Resolução:
(a) Sendo A e B semelhantes existe uma matriz invertível P tal que A = P −1 BP. Aten-
dendo à proposição 2.10 e ao facto de B ser invertível, tem-se
¡ ¢−1 ¡ ¢−1
P −1 BP = P −1 B −1 P −1 = P −1 B −1 P,
18 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
Exemplo
⎡ 4.1 A⎤matriz linha [2 − 3 1] é uma combinação linear das linhas da matriz identidade
1 0 0
⎣
I3 = 0 1 0 ⎦ pois
0 0 1
[2 − 3 1] = 2 [1 0 0] − 3 [0 1 0] + 1 [0 0 1] .
⎤ colunas de I3 .
pelo que é uma combinação linear de⎡ duas
1
Por outro lado, a matriz coluna ⎣ 0 ⎦ não é uma combinação linear das colunas da matriz
0
⎡ ⎤
0 0 0
⎣ 1 0 1 ⎦.
0 1 0
Definição 4.2 Diz-se que as linhas (colunas) X1 , X2 , . . . , Xp de uma matriz são linearmente
independentes se qualquer combinação linear de X1 , X2 , . . . , Xp igual a uma linha (coluna)
nula tem os escalares todos nulos. Isto é, a seguinte implicação é verdadeira:
λ1 X1 + λ2 X2 + · · · + λp Xp = O =⇒ λ1 = λ2 = · · · = λp = 0.
19 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
⎡ ⎤
0 −3 1
Exemplo 4.3 Pretende-se verificar que as linhas da matriz ⎣ 2 4 1 ⎦ são linearmente in-
2 −1 0
dependentes. Na verdade, quaisquer que sejam os escalares reais λ1 , λ2 e λ3 , tem-se
λ1 [0 − 3 1] + λ2 [2 4 1] + λ3 [2 − 1 0] = [0 0 0]
m
[2λ2 + 2λ3 − 3λ1 + 4λ2 − λ3 λ1 + λ2 ] = [0 0 0]
m
⎧
⎨ 2λ2 + 2λ3 = 0
−3λ1 + 4λ2 − λ3 = 0
⎩
λ1 + λ2 = 0
⇓
⎧
⎨ λ1 = 0
λ =0 .
⎩ 2
λ3 = 0
⎡ ⎤
2 4 2
Exemplo 4.4 Vejamos agora que as colunas da matriz ⎣ 3 0 −3 ⎦ são linearmente depen-
4 8 4
dentes. Por definição, isto acontece se existem escalares λ1 , λ2 e λ3 , não todos nulos, tais que
⎡ ⎤ ⎡ ⎤ ⎡ ⎤ ⎡ ⎤
2 4 2 0
⎣ ⎦ ⎣ ⎦
λ1 3 + λ2 0 + λ3 −3 = 0 ⎦ .⎣ ⎦ ⎣
4 8 4 0
Equivale a dizer que esta equação matricial tem outras soluções para além da solução nula. De
facto, a referida equação é equivalente ao sistema de equações lineares,
⎧
⎨ 2λ1 + 4λ2 + 2λ3 = 0
3λ1 − 3λ3 = 0 .
⎩
4λ1 + 8λ2 + 4λ3 = 0
onde a condição λ3 ∈ R significa que à incógnita λ3 pode ser atribuído qualquer valor real.
Conclui-se assim que o sistema possui soluções não nulas visto que é indeterminado (isto é,
20 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
possui uma infinidade de soluções). Por consequência, as colunas da matriz dada são linearmente
dependentes.
Convém, a propósito, assinalar que, por simples inspecção, se pode imediatamente concluir
que as colunas da matriz dada são linearmente dependentes. Na verdade, a primeira coluna é a
diferença das outras duas, donde resulta que
⎡ ⎤ ⎡ ⎤ ⎡ ⎤ ⎡ ⎤
2 4 2 0
⎣ 3 ⎦ − ⎣ 0 ⎦ + ⎣ −3 ⎦ = ⎣ 0 ⎦ .
4 8 4 0
Existe pois uma combinação linear das colunas desta matriz igual a uma matriz nula sem que
os escalares sejam todos nulos (neste caso são iguais a 1, −1 e 1, respectivamente).
Exemplo 4.5 A linha (respectivamente coluna) de uma matriz linha (resp. matriz coluna) não
nula é linearmente independente. Por exemplo, a linha da matriz A = [2 0 3] é linearmente
independente pois se λ [2 0 3] = [0 0 0] então
⎧
⎨ 2λ = 0
0 = 0 ⇒ {λ = 0 .
⎩
3λ = 0
Por outro lado, a linha da matriz nula A = [0 0 0] é linearmente dependente pois a combi-
nação linear λ [0 0 0] pode ser nula sem que o escalar λ seja nulo. De facto, linha (respectivamente
coluna) de uma matriz linha (resp. matriz coluna) nula é linearmente dependente.
λ1 X1 + λ2 X2 + · · · + λp Xp = O.
Sem perda de generalidade, podemos supor que λ1 6= 0. Da igualdade anterior resulta que
λ2 λp
X1 = − X2 − · · · − Xp ,
λ1 λ1
ou seja, X1 é combinação linear das restantes linhas (colunas).
Reciprocamente, suponha-se, igualmente sem perda de generalidade, que X1 é combinação
linear das restantes linhas (colunas), isto é, X1 = λ2 X2 + · · · + λp Xp . Então,
−X1 + λ2 X2 + · · · + λp Xp = O,
o que mostra a dependência linear das linhas (colunas) consideradas dado que os escalares não
são todos nulos (o coeficiente de X1 é −1).
21 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
⎤⎡
1 1 0
Exemplo 4.6 As linhas da matriz ⎣ 2 5 3 ⎦ são linearmente dependentes pois
0 1 1
[2 5 3] = 2 [1 1 0] + 3 [0 1 1] .
∙ ¸
1 2
Também as colunas da matriz são dependentes dado que são proporcionais, isto é,
2 4
uma delas é um múltiplo escalar da outra, como comprova a igualdade
∙ ¸ ∙ ¸
2 1
=2 .
4 2
Uma consequência imediata desta proposição é a seguinte:
Corolário 4.1.1 Se uma das linhas (colunas) X1 , X2 , . . . , Xp de uma matriz é nula, então
X1 , X2 , . . . , Xp são linearmente dependentes.
Demonstração. Suponha-se, sem perda de generalidade, que X1 = O. Como O = 0 X2 + · · · +
0 Xp , conclui-se o resultado do teorema anterior.
∙ ¸
2 5
Exemplo 4.7 As linhas da matriz são linearmente dependentes pois a segunda linha
0 0
é nula.
Vejamos agora algumas propriedades da dependência e independência linear de linhas ou das
colunas de uma matriz, muito importantes para o que se segue.
Proposição 4.1 As linhas (colunas) X1 , X2 , . . . , Xi , . . . , Xj , . . . , Xp de uma matriz são linear-
mente independentes (respectivamente dependentes) se e só se
X1 , X2 , . . . , Xi + λXj , . . . , Xj , . . . , Xp
são linearmente independentes (resp. dependentes), para qualquer escalar λ.
Demonstração. Provaremos a parte relativa à independência, resultando por negação a parte
relativa à dependência.
Para estabelecer a propriedade no que diz respeito à independência, basta atender a que
λ1 X1 + · · · + λi Xi + · · · + λj Xj + · · · + λp Xp se pode escrever na forma
λ1 X1 + · · · + λi (Xi + λXj ) + · · · + (λj − λλi ) Xj + · · · + λp Xp
e reparar que os coeficientes de uma combinação linear são nulos se e só se o mesmo acontecer
com os da outra.
Podemos enunciar esta propriedade de modo mais sugestivo:
22 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
Proposição 4.2 Se λ 6= 0, as linhas (colunas) X1 , X2 , . . . Xi , . . . , Xp de uma matriz são linear-
mente independentes (resp. dependentes) se e só se X1 , X2 , . . . , λXi , . . . , Xp são linearmente
independentes (resp. dependentes).
λ1 X1 + λ2 X2 + · · · + λi Xi + · · · + λp Xp = λ1 X1 + λ2 X2 + · · · +
λi
+ (λXi ) + · · · + λp Xp
λ
e, tal como na demonstração anterior, do facto dos coeficientes de uma combinação linear serem
nulos se e só se o mesmo acontecer com os da outra.
A parte relativa à dependência obtém-se por negação.
De modo mais sugestivo podemos enunciar esta propriedade como segue:
Proposição 4.3 A independência ou dependência linear das linhas (colunas) de uma matriz
não se altera se a uma delas adicionarmos uma combinação linear das restantes.
Exemplo 4.8 Designemos por L1 , L2 e L3 as linhas de I3 que, como se sabe, são linearmente
independentes.
⎡ ⎤ Adicionando à linha L3 de I3 a combinação linear 5L1 + 2L2 , obtém-se a matriz
1 0 0
⎣ 0 1 0 ⎦. Pela proposição 4.3 ficamos também a saber que as linhas desta última matriz
5 2 1
são também linearmente independentes.
Definição 5.2 Uma matriz de tipo m × n diz-se uma matriz em escada se:
23 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
2. Em cada linha não nula, o primeiro elemento não nulo a contar da esquerda aparece à
direita do primeiro elemento não nulo (a contar da esquerda) de qualquer linha acima
dele.
Os primeiros elementos não nulos (a contar da esquerda) de cada linha não nula de uma matriz
em escada, designam-se por elementos redutores (ou pivots). Nas matrizes anteriores estes
elementos encontram-se assinalados por um quadrado.
Vejamos dois exemplos de matrizes que não estão em escada:
⎡ ⎤ ⎡ ⎤
1 0 0 1 0 5
E = ⎣ 0 0 0 ⎦ e F = ⎣ 0 1 1 ⎦.
0 1 0 0 2 2
Com efeito, a 2a linha da matriz E, contém elementos todos nulos e a 3a linha não. Isto
viola a regra 1 da definição de matriz em escada. No caso da matriz F, o 1o elemento não nulo
da 3a linha não aparece à direita do 1o elemento não nulo da 2a linha. Temos, pois, a violação
da regra 2 da definição de matriz em escada.
onde os redutores estão assinalados por um quadrado. Representando as linhas desta matriz por
Li (i = 1, 2, . . . , 5), tem-se que as linhas não nulas L1 , L2 e L3 são linearmente independentes.
De facto, a igualdade
λ1 L1 + λ2 L2 + λ3 L3 = O
equivale a
[λ1 a11 λ1 a12 + λ2 a22 ... λ1 a15 + λ2 a25 + λ3 a35 ] = [0 0 0 0 0]
donde se deduz que λ1 = λ2 = λ3 = 0.
Por outro lado, se acrescentarmos ao conjunto formado pelas linhas L1 , L2 , e L3 uma ou mais
das restantes linhas da matriz, a proposição 4.1.1 leva-nos a concluir que obtemos um conjunto
de linhas linearmente dependentes. Assim, a característica da matriz é igual ao número de linhas
não nulas ou, o que é o mesmo, ao número de redutores da matriz.
24 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
Representando as colunas desta matriz por Ci , i = 1, 2, . . . , 5, verifica-se também que as
colunas onde figuram os redutores (as colunas C1 , C2 e C5 ) são linearmente independentes.
Com efeito, a igualdade
λ1 C1 + λ2 C2 + λ3 C5 = O
equivale a
[λ1 a11 + λ2 a12 + λ3 a15 λ2 a22 + λ3 a25 λ3 a35 ] = [0 0 0]
o que implica que λ1 = λ2 = λ3 = 0.
O que dissemos acima pode ser generalizado para uma matriz em escada qualquer, pelo que
podemos afirmar o seguinte:
(c) A característica é igual ao número de linhas não nulas ou, equivalentemente, ao número de
redutores.
Vejamos agora como pode ser obtida a característica de uma matriz qualquer.
Referiu-se no início desta secção que a dependência ou independência linear das linhas ou
colunas de uma matriz não é alterada nem pela multiplicação de uma delas por um escalar não
nulo (proposição 4.2) nem pela adição a uma delas doutra multiplicada por um escalar (propo-
sição 4.1). Por outro lado, é evidente que trocar a ordem das linhas ou colunas também não
altera a respectiva independência linear. Por conseguinte, as chamadas operações elementa-
res sobre linhas (ou sobre colunas) que a seguir se enunciam, não alteram a dependência ou
independência linear das linhas (colunas) de uma matriz:
OE3 Adição a uma linha (coluna) doutra linha (coluna) multiplicada por uma constante.
Acontece adicionalmente que as operações elementares sobre linhas (ou sobre colunas) também
não alteram a dependência ou independência linear das colunas (linhas) de uma matriz. Isto
pode ser comprovado como segue.
Sejam A = [aij ] uma matriz do tipo m × n e
⎡ ⎤ ⎡ ⎤ ⎡ ⎤
a11 a12 a1n
⎢ .. ⎥ ⎢ .. ⎥ ⎢ .. ⎥
⎢ . ⎥ ⎢ . ⎥ ⎢ . ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
C1 = ⎢ ⎥ ⎢ ⎥ ⎢
⎢ ai1 ⎥ , C2 = ⎢ ai2 ⎥ , . . . , Cn = ⎢ ain ⎥
⎥
⎢ .. ⎥ ⎢ .. ⎥ ⎢ .. ⎥
⎣ . ⎦ ⎣ . ⎦ ⎣ . ⎦
am1 am2 amn
25 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
as colunas de A. O estudo da dependência linear das colunas de A equivale ao estudo da
igualdade
λ1 C1 + λ2 C2 + · · · + λn Cn = O,
a qual é uma forma sucinta de escrever o seguinte sistema de m equações com n incógnitas
λ1 , λ2 , . . . , λn : ⎧
⎪
⎨ a11 λ1 + a12 λ2 + · · · + a1n λn = 0
..
⎪ .
⎩
am1 λ1 + am2 λ2 + · · · + amn λn = 0.
As operações elementares sobre as linhas da matriz reflectem-se neste sistema ou pela troca de
equações ou pela multiplicação de uma equação por um escalar não nulo ou ainda pela soma a
uma equação de outra multiplicada por uma constante. Deste modo, aquelas operações reprodu-
zem sempre um sistema equivalente ao inicial, isto é, com as mesmas soluções, não alterando
por isso a dependência ou independência linear da colunas C1 , . . . , Cn . Analogamente se mos-
traria que as operações elementares sobre colunas não alteram a dependência ou independência
linear das linhas de uma matriz.
Cabe agora perguntar qual o papel das operações elementares no cálculo da característica
de uma matriz. Efectivamente, aquelas operações estão na base de um processo que permite
o referido cálculo, qualquer que seja a matriz dada. Este processo consiste em transformar a
matriz dada numa matriz em escada, efectuando repetidamente operações sobre linhas. Como
estas não alteram a dependência ou independência linear das linhas e das colunas da matriz
sobre a qual são aplicadas, a característica da matriz em escada obtida no final do processo será
igual à característica da matriz inicial!
Vamos exemplificar o procedimento referido com a ajuda da matriz
⎡ ⎤
0 8 −16 32
A=⎣ 1 2 1 0 ⎦.
1 −2 −1 5
A etapa inicial consiste em colocar um elemento não nulo na posição mais à esquerda da 1a linha
da matriz. Podemos conseguir este objectivo trocando a 1a linha com a 2a linha ou com a 3a
linha. Optando por trocar a 1a linha com a 2a (operação OE1), obtém-se a matriz
⎡ ⎤
1 2 1 0
A(1) = ⎣ 0 8 −16 32 ⎦ .
1 −2 −1 5
O elemento 1, que está assinalado por um quadrado, será o redutor da 1a linha da matriz em
escada obtida no final do processo.
A etapa seguinte será usar este elemento para anular os restantes elementos da 1a coluna.
Como o único elemento não nulo da 1a coluna é o elemento 1 que se encontra na 3a linha,
bastará multiplicar a 1a linha de A(1) por −1 e adicionar o resultado à 3a linha (operação OE3).
Obtém-se então ⎡ ⎤
1 2 1 0
A(2) = ⎣ 0 8 −16 32 ⎦ .
0 −4 −2 5
26 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
1
Podemos agora simplificar a 2a linha de A(2) multiplicando-a por 8 (operação OE2). Como
resultado, obtém-se a matriz
⎡ ⎤
1 2 1 0
A(3) = ⎣ 0 1 −2 4 ⎦ .
0 −4 −2 5
A matriz A(3) não está em escada pois o primeiro elemento não nulo da 3a linha a contar da
esquerda não aparece à direita do primeiro elemento não nulo da linha anterior (a contar da
esquerda). Poderemos então multiplicar a 2a linha por 4 e adicioná-la à 3a , o que conduz à
matriz ⎡ ⎤
1 2 1 0
⎢ ⎥
A(4) = ⎣ 0 1 −2 4 ⎦.
0 0 −10 21
Esta matriz é uma matriz em escada cuja característica é 3. Concluímos, portanto, que a matriz
inicial A tem igualmente característica 3.
De uma maneira geral, dada a matriz A de tipo m × n,
⎡ ⎤
a11 a12 · · · a1n
⎢ a21 a22 · · · a2n ⎥
⎢ ⎥
A=⎢ . .. .. .. ⎥ ,
⎣ .. . . . ⎦
am1 am2 · · · amn
27 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
possível colocar em (2, 2) um elemento não nulo, avançamos para a posição (2, 3) e procedemos
analogamente).
O processo é seguidamente repetido a partir da posição (3, 3) (ou (2, 3), caso tenhamos
avançado para esta posição) e termina quando obtivermos uma matriz em escada. A caracterís-
tica da matriz em escada obtida no final do procedimento acabado de descrever é, como vimos,
igual à característica da matriz inicial, o que permite afirmar:
Proposição 5.2 Sendo A uma matriz qualquer, a caraterística de A coincide com a caracterís-
tica da matriz em escada obtida a partir de A por operações elementares sobre linhas.
Utilizando repetidamente as operações elementares sobre linhas e/ou colunas de uma matriz,
veremos seguidamente que a característica de uma matriz coincide com o número máximo de
colunas linearmente independentes da matriz. Efectivamente, tem-se:
Teorema 5.1 O número máximo de linhas linearmente independentes de uma matriz é igual
ao número máximo de colunas linearmente independentes dessa matriz.
Demonstração. Seja A uma matriz qualquer. Como vimos, por aplicação das operações
elementares sobre linhas podemos transformar A numa matriz em escada Ã. Efectuando uma
adequada troca de colunas, a matriz à pode ser transformada numa matriz em escada da forma
⎡ ⎤
ã11 ∗ ∗ ··· ··· ∗
⎢ 0 ã22 ∗ ··· ··· ∗ ⎥
⎢ ⎥
⎢ .. .. .. .. ⎥
⎢ . 0 . . ··· . ⎥
⎢ ⎥
⎢ ⎥
Ã0 = ⎢ ... ..
.
..
. ã · · · ∗ ⎥,
⎢ pp ⎥
⎢ 0 0 ··· 0 ··· 0 ⎥
⎢ ⎥
⎢ .. .. .. .. .. .. ⎥
⎣ . . . . . . ⎦
0 0 ··· 0 ··· 0
onde ã11 , ã22 , . . . , ãpp , são os redutores e os asteriscos representam as restantes entradas eventual-
mente não nulas. Procedendo agora com as colunas como procedemos com as linhas podemos,
sem alterar a dependência ou independência das colunas ou das linhas de Ã0 , utilizar os redutores
para anular os restantes elementos não nulos de cada uma das suas linhas. Obtemos então uma
matriz como a seguinte: ⎡ ⎤
ã11 0 0 ··· ··· 0
⎢ 0 ã22 0 ··· ··· 0 ⎥
⎢ ⎥
⎢ .. .. .. .. ⎥
⎢ . 0 . . ··· . ⎥
⎢ ⎥
⎢ .. .. .. ⎥
⎢ . . . ãpp · · · 0 ⎥ (2)
⎢ ⎥
⎢ 0 0 ··· 0 ··· 0 ⎥ ⎥
⎢
⎢ .. .. .. .. .. .. ⎥
⎣ . . . . . . ⎦
0 0 ··· 0 ··· 0
(é costume designar por condensação o conjunto de procedimentos que permite transformar
uma matriz qualquer numa matriz em escada com esta forma). Verifica-se que nesta matriz
em escada o número máximo de linhas linearmente independentes é igual ao número máximo
28 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
de colunas linearmente independentes, sendo ambos iguais a p. Como as operações elementares
efectuadas não alteraram a independência linear das linhas e colunas da matriz inicial A, conclui-
se que a mesma igualdade é válida para esta matriz, ficando assim provado o que se pretendia.
6 Exercícios Resolvidos
¤ ¡
£1 ¢ Calcule a característica da matriz
⎡ ⎤
1 0 1
⎢ 2 1 4 ⎥
⎢ ⎥.
⎣ −1 2 2 ⎦
3 1 5
Que pode dizer acerca da dependência ou independência linear das linhas e colunas da
matriz?
Resolução:
Sucessivamente tem-se:
⎡ ⎤ OE3 ⎡ ⎤ OE3 ⎡ ⎤
1 0 1 −→ 1 0 1 −→ 1 0 1
⎢ 2 1 4 ⎥ ⎢ 0 1 2 ⎥ ⎢ 0 1 2 ⎥
⎢ ⎥ −2L1 + L2 ⎢ ⎥ ⎢ ⎥.
⎣ −1 2 2 ⎦ L1 + L3 ⎣ 0 2 3 ⎦ −2L2 + L3 ⎣ 0 0 −1 ⎦
3 1 5 −3L1 + L4 0 1 2 −L2 + L4 0 0 0
Assim, a característica da matriz dada é igual a 3, pelo que este é o número máximo de
linhas e colunas linearmente independentes da matriz. Logo, as colunas da matriz são
¤ ¡
linearmente independentes enquanto as linhas são linearmente dependentes.
Resolução:
29 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
Efectuando o cálculo da característica da matriz dada, obtém-se sucessivamente:
⎡ ⎤ ⎡ ⎤
0 1 1 0 OE1 1 1 0 0
⎢ 1 0 0 1 ⎥ −→ ⎢ ⎥
⎢ ⎥ Troca de ⎢ 1 0 0 1 ⎥
⎣ 1 1 0 0 ⎦ ⎣ 0 1 1 0 ⎦
0 0 1 1 L1 com L3
0 0 1 1
⎡ ⎤ ⎡ ⎤
OE3 1 1 0 0 OE3 1 1 0 0
−→ ⎢ 0 −→
⎢ −1 0 1 ⎥
⎥
⎢ 0
⎢ −1 0 1 ⎥
⎥
−L1 + L2 ⎣ 0 1 1 0 ⎦ ⎣ 0 0 1 1 ⎦
L2 + L3
0 0 1 1 0 0 1 1
⎡ ⎤
1 1 0 0
⎢ 0 −1 0 1 ⎥
⎢ ⎥.
OE3
−→ ⎣ 0 0 1 1 ⎦
−L3 + L4 0 0 0 0
Como a característica da matriz em escada resultante é 3, conclui-se que o número máximo
de linhas linearmente independentes da matriz é 3, pelo que as quatro linhas da matriz
¤ ¡
são linearmente dependentes.
Resolução:
Sucessivamente tem-se:
⎡ ⎤ ⎡ ⎤
1 0 −1 1 0 −1
⎣ 0 1 a ⎦ OE3
−→ ⎣ 0 1 a ⎦
−1 1 2a L1 + L3 0 1 2a − 1
⎡ ⎤
1 0 −1
OE3
−→ ⎣ 0 1 a ⎦.
−L2 + L3 0 0 a−1
Esta última matriz é uma matriz em escada se a 6= 1, tendo neste caso característica 3.
De contrário, terá característica 2. Assim, podemos concluir que as linhas (colunas) da
matriz são linearmente independentes se a 6= 1 e linearmente dependentes se a = 1.
30 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
Um sistema de m equações lineares com n incógnitas x1 , x2 , . . . , xn é um sistema de
equações da forma
⎧
⎪
⎪ a11 x1 + a12 x2 + · · · + a1j xj + · · · + a1n xn = b1
⎪
⎪
⎪
⎪ a21 x1 + a22 x2 + · · · + a2j xj + · · · + a2n xn = b2
⎪
⎪ ..
⎨
.
, (3)
⎪
⎪ a x
i1 1 + a x
i2 2 + · · · + a ij j + · · · + ain xn = bi
x
⎪
⎪ ..
⎪
⎪
⎪
⎪ .
⎩
am1 x1 + am2 x2 + · · · + amj xj + · · · + amn xn = bm
onde aij e bi (i = 1, . . . , m, j = 1, . . . , n) são números reais conhecidos. O elemento aij é o
coeficiente da incógnita xj na equação de ordem i e bi é o termo independente da mesma
equação.
As matrizes seguintes, associadas ao sistema de equações anterior,
⎡ ⎤ ⎡ ⎤ ⎡ ⎤
a11 a12 · · · a1j · · · a1n x1 b1
⎢ a21 a22 · · · a2j · · · a2n ⎥ ⎢ x2 ⎥ ⎢ b2 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ .. .. .. .. .. .. ⎥⎥ ⎢ ⎥
.. ⎥ ⎢ .. ⎥
⎢ . . . . . . ⎥ ⎢ ⎢ ⎥
A=⎢ ⎢ . ⎥ ⎢ . ⎥
⎢ ai1 ai2 · · · aij · · · ain ⎥ , X = ⎢ xj ⎥ e B = ⎢ bi ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ .. .. .. .. .. .. ⎥ ⎢ .. ⎥ ⎢ .. ⎥
⎣ . . . . . . ⎦ ⎣ . ⎦ ⎣ . ⎦
am1 am2 · · · amj · · · amn xn bm
dizem-se, respectivamente, a matriz dos coeficientes, a matriz das incógnitas e a matriz
dos termos independentes.
Matricialmente, o sistema (3) pode representar-se por
⎡ ⎤⎡ ⎤ ⎡ ⎤
a11 a12 · · · a1j · · · a1n x1 b1
⎢ a21 a22 · · · a2j · · · a2n ⎥ ⎢ x2 ⎥ ⎢ b2 ⎥
⎢ ⎥⎢ ⎥ ⎢ ⎥
⎢ .. .. .. .. .. .. ⎥ ⎢ .. ⎥ ⎢ .. ⎥
⎢ . . . . . ⎢
. ⎥⎢ . ⎥ ⎢ . ⎥
⎥ ⎢ ⎥
⎢ ⎥
⎢ ai1 ai2 · · · aij · · · ain ⎥ ⎢ xj ⎥ = ⎢ bi ⎥
⎢ ⎥⎢ ⎥ ⎢ ⎥
⎢ .. .. .. .. .. .. ⎥ ⎢ .. ⎥ ⎢ .. ⎥
⎣ . . . . . . ⎦⎣ . ⎦ ⎣ . ⎦
am1 am2 · · · amj · · · amn xn bm
ou, mais abreviadamente, por
AX = B. (4)
Também se pode utilizar a representação
x1 A1 + x2 A2 + · · · + xj Aj + · · · + xn An = B, (5)
ou ⎡ ⎤
x1
⎢ x2 ⎥
⎢ ⎥
⎢ .. ⎥
⎢ . ⎥
[A1 A2 · · · Aj · · · An ] ⎢
⎢
⎥ = B,
⎥
⎢ xj ⎥
⎢ .. ⎥
⎣ . ⎦
xn
31 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
em que A1 , A2 , . . . , Aj , . . . , An designam as colunas da matriz A.
Ampliando A com o vector dos termos independentes, obtém-se a matriz ampliada do
sistema, habitualmente representada por A|B:
⎡ ⎤
a11 a12 · · · a1j · · · a1n | b1
⎢ a21 a22 · · · a2j · · · a2n | b2 ⎥
⎢ ⎥
⎢ .. .. .. .. .. .. .. ⎥
⎢ . . . . . . | . ⎥
A|B = ⎢ ⎢ ai1 ai2 · · · aij · · · ain | bi ⎥ .
⎥
⎢ ⎥
⎢ .. .. .. .. .. .. . ⎥
⎣ . . . . . . | .. ⎦
am1 am2 · · · amj · · · amn | bm
Chama-se solução do sistema (3) a um conjunto de escalares x̂1 , x̂2 , . . . , x̂j , . . . , x̂n que,
depois de substituirem as incógnitas x1 , x2 , . . . , xj , . . . , xn , transformam as m equações do sis-
tema em igualdades verdadeiras. Assim, solução do sistema na forma matricial (4) é uma matriz
coluna ⎡ ⎤
x̂1
⎢ x̂2 ⎥
⎢ ⎥
⎢ .. ⎥
⎢ . ⎥
X̂ = ⎢ ⎢ x̂j ⎥ ,
⎥
⎢ ⎥
⎢ .. ⎥
⎣ . ⎦
x̂n
tal que AX̂ = B é uma igualdade matricial verdadeira.
Resolver o sistema (3) ou a equação matricial (4) é determinar todas as suas soluções.
O sistema (3) diz-se possível se admitir uma ou mais soluções. Nestas condições, as equações
do sistema dizem-se compatíveis. O sistema diz-se impossível se não admitir nenhuma so-
lução. As equações neste caso dizem-se incompatíveis.
Um sistema possível diz-se determinado se admitir uma única solução e indeterminado
se admitir mais do que uma solução (neste caso admite uma infinidade de soluções).
O sistema (3) diz-se homogéneo se os termos independentes forem todos nulos. Caso
contrário, dir-se-á não homogéneo.
Qualquer sistema homogéneo é possível pois admite, pelo menos, a solução nula, designada
também por solução trivial. Dado que os sistemas homogéneos são possíveis, a sua resolução
permitirá saber se são determinados (isto é, se admitem apenas a solução trivial) ou indetermi-
nados (isto é, se além da solução trivial admitem soluções não nulas).
1. O sistema ½ ∙ ¸∙ ¸ ∙ ¸
x−y =2 1 −1 x 2
ou =
x+y =4 1 1 y 4
é possível determinado porque admite apenas a solução (3, 1).
2. O sistema ½ ∙ ¸∙ ¸ ∙ ¸
x−y =2 1 −1 x 2
ou =
x−y =4 1 −1 y 4
é impossível; as duas equações são incompatíveis.
32 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
3. O sistema ½ ∙ ¸∙ ¸ ∙ ¸
x−y =0 1 −1 x 0
ou =
x+y =0 1 1 y 0
é homogéneo; é determinado porque admite apenas a solução trivial (0, 0).
4. O sistema ½ ∙ ¸∙ ¸ ∙ ¸
x−y =0 1 −1 x 0
ou =
x−y =0 1 −1 y 0
é homogéneo; é indeterminado pois, além da solução nula (0, 0), admite infinitas soluções
não nulas, tais como (1, 1), (2, 2) , etc.
Exemplo 7.2 Um sistema com uma única solução (sistema possível e determinado)
Consideremos o sistema ⎧
⎨ 2x − 5y + 4z = −2
x − 2y + z = 5 .
⎩
x − 4y + 6z = 6
Para transformar a matriz ampliada do sistema numa matriz em escada efectuam-se, suces-
sivamente, as seguintes operações sobre linhas:
⎡ ⎤ OE1 ⎡ ⎤
2 −5 4 | −2 −→ 1 −2 1 | 5
⎣ 1 −2 1 | 5 ⎦ Troca de ⎣ 2 −5 4 | −2 ⎦
1 −4 6 | 6 L1 com L2 1 −4 6 | 6
OE3 ⎡ ⎤
−→ 1 −2 1 | 5
−2L1 + L2 ⎣ 0 −1 2 | −12 ⎦
−L1 + L3 0 −2 5 | 1
33 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
⎡ ⎤
1 −2 1 | 5
OE3 ⎢ ⎥
−→ ⎣ 0 −1 2 | −12 ⎦ .
−2L2 + L3 0 0 1 | 25
A matriz em escada obtida corresponde ao sistema
⎧
⎨ x − 2y + z = 5
−y + 2z = −12 .
⎩
z = 25
Este sistema mais simples, equivalente ao inicial, pode ser facilmente resolvido por rectrosubs-
tituição, isto é, em sucessão ascendente, começando pela resolução da 3a equação, obtendo-se
então ⎧
⎨ z = 25
y = 12 + 2z = 12 + 50 = 62
⎩
x = 5 + 2y − z = 5 + 124 − 25 = 104 .
De salientar que, em vez de usarmos o processo de rectrosubstituição, podemos determinar a
solução do sistema inicial, prosseguindo o processo de eliminação de Gauss de forma ascendente
na matriz em escada. Esta técnica consiste na realização de operações elementares sobre linhas,
por forma a obtermos uma nova matriz em escada com todos os redutores iguais a 1 e em que
os elementos acima dos redutores são todos nulos.
Voltando à matriz em escada anterior,
⎡ ⎤
1 −2 1 | 5
⎣ 0 −1 2 | −12 ⎦ ,
0 0 1 | 25
Seguidamente, vamos utilizar o redutor da 2a linha para anular o elemento acima dele.
Multiplicando a 2a linha por −2 e adicionando o resultado à 1a linha, somos conduzidos a
⎡ ⎤
−2L2 + L1 1 0 0 | 104
⎣ 0 −1 0 | −62 ⎦ .
−→
OE3 0 0 1 | 25
Como pretendemos que os redutores sejam todos iguais a 1, multiplicando a 2a linha por −1,
obtemos finalmente a matriz ⎡ ⎤
OE2 1 0 0 | 104
−→ ⎣ 0 1 0 | 62 ⎦ . (6)
−L2 0 0 1 | 25
34 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
Esta matriz corresponde ao sistema ⎧
⎨ x = 104
y = 62
⎩
z = 25 ,
equivalente ao sistema inicial, que apresenta a solução procurada.
A matriz (6) obtida no final do exemplo anterior diz-se uma matriz reduzida no seguinte
sentido:
Definição 7.1 Uma matriz diz-se reduzida se é uma matriz em escada e verifica:
Exemplo 7.3 Um sistema com uma infinidade de soluções (sistema possível e indeterminado)
Consideremos o seguinte sistema de 3 equações com 5 incógnitas:
⎧
⎨ 2x − 5y + 4z + u − v = −2
x − 2y + z − u + v = 5 .
⎩
x − 4y + 6z + 2u − v = 6
A matriz ampliada correspondente é
⎡ ⎤
2 −5 4 1 −1 | −2
⎣ 1 −2 1 −1 1 | 5 ⎦.
1 −4 6 2 −1 | 6
Os coeficientes de x, y e z bem como os termos independentes são os mesmos que no exemplo
anterior. Se realizarmos as mesmas operações sobre linhas efectuadas nesse exemplo, obteremos
a seguinte matriz reduzida:
⎡ ⎤
1 0 0 −16 19 | 104
⎣ 0 1 0 −9 11 | 62 ⎦ .
0 0 1 −3 4 | 25
Esta matriz reduzida corresponde ao sistema
⎧
⎨ x = 104 + 16u − 19v
y = 62 + 9u − 11v
⎩
z = 25 + 3u − 4v ,
35 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
pelo que as soluções do sistema inicial são da forma
⎧
⎪
⎪ x = 104 + 16u − 19v
⎨
y = 62 + 9u − 11v
⎪
⎪ z = 25 + 3u − 4v
⎩
u, v ∈ R.
Assim, o sistema inicial é possível e indeterminado, isto é, tem uma infinidade de soluções. Por
exemplo, se u = 1 e v = 0, obtemos a solução do sistema x = 120, y = 71, z = 28, u = 1 e v = 0.
36 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
em que a última linha só contém zeros. Mas se juntarmos ao sistema original uma nova equação
que não seja satisfeita pela solução x = 104, y = 62 e z = 25, por exemplo, a equação x+y+z = 1,
então o método de Gauss conduz à matriz ampliada
⎡ ⎤
1 0 0 | 104
⎢ 0 1 0 | 62 ⎥
⎢ ⎥.
⎣ 0 0 1 | 25 ⎦
0 0 0 | −190
Repare-se que a última linha corresponde à proposição falsa 0 = −190, o que significa que o
novo sistema é impossível.
Os sistemas dos exemplos 7.2 e 7.3 são, como vimos, possíveis. De referir que, em am-
bos os sistemas, a característica da matriz dos coeficientes e da matriz ampliada coincidem, o
que não acontece com o sistema impossível do exemplo 7.4. Neste caso, a primeira daquelas
características é menor do que a segunda. Com efeito, é válido o seguinte resultado:
Por absurdo, suponhamos que AX = B é possível mas c(A) < c(A|B) (note-se que não se
pode ter c(A) > c(A|B)). Considerando c(A) = k < n, ter-se-á então c(A|B) = k + 1, isto é,
existem k + 1 colunas linearmente independentes em A|B, sendo necessariamente B uma delas.
Designando as restantes k destas colunas por Aj1 , . . . , Ajk , conclui-se que as colunas da matriz
[Aj1 . . . Ajk ] |B são linearmente independentes.
Por outro lado, como AX = B é possível, a igualdade (7) permite afirmar que B é combinação
linear de Aj1 , . . . , Ajk , atendendo a que pelo teorema 4.1, qualquer Ai , com i ∈ / {j1 , . . . , jk },
também o é. Pelo mesmo teorema conclui-se que as colunas da matriz [Aj1 . . . Ajk ] |B são
linearmente dependentes, o que contradiz o que foi anteriormente afirmado. Por conseguinte, a
condição necessária fica provada.
Reciprocamente, vejamos a prova da condição suficiente: AX = B é possível se c(A) =
c(A|B), isto é,
c(A) = c(A|B) =⇒ AX = B é possível.
Considerando c(A) = c(A|B) = k, deduz-se da primeira igualdade que as colunas da matriz
[Aj1 . . . Ajk ] |B são linearmente dependentes (Aj1 , . . . , Ajk designam, como acima, k colunas de
A linearmente independentes). Logo, pelo teorema 4.1, B é combinação linear de Aj1 , . . . , Ajk
37 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
e, por consequência, B também se pode escrever como combinação linear das colunas de A. Este
facto implica que AX = B é possível, o que demonstra a condição suficiente.
y1 A1 + y2 A2 + · · · + yn An = B,
Visto que as colunas de A são linearmente independentes (pois c(A) = n), conclui-se que
xj − yj = 0 ⇔ xj = yj ,
B − xk+1 Ak+1 − · · · − xn An = x1 A1 + x2 A2 + · · · + xk Ak .
x1 A1 + · · · + xk Ak + xk+1 Ak+1 + · · · + xn An = B,
38 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
Finalmente, as colunas A1 , . . . , Ak de A correspondem às colunas dos redutores da matriz
reduzida do sistema. Então, x1 , . . . , xk são as variáveis determinadas do sistema e xk+1 , . . . , xn
são as variáveis livres. O grau de indeterminação do sistema coincide com o número de variáveis
livres, pelo que é igual a n − c(A).
De notar que, num sistema determinado, n − c(A) = 0; pode então dizer-se que o seu grau
de indeterminação é 0.
Os resultados anteriores podem sistematizar-se do seguinte modo:
⎧ ⎧
⎪ ⎪
⎪ Determinado,
⎪
⎪ ⎪
⎪
⎪ ⎪
⎪ se c(A) = no incógnitas
⎪
⎪ ⎪
⎨
⎪
⎪ Possível,
⎪
⎪
⎪
⎨ se c(A) = c(A|B) ⎪ Indeterminado,
Sistema ⎪
⎪
⎪
⎪ se c(A) < no incógnitas
AX = B ⎪ ⎪
⎩
⎪
⎪ (grau de indet. = n − c(A))
⎪
⎪
⎪
⎪
⎪
⎪
⎪
⎪ Impossível,
⎪
⎩
se c(A) < c(A|B)
39 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
Daqui resulta que o sistema inicial é indeterminado (c(A) = c(A|O) = 2 < 3, onde A é a matriz
dos coeficientes) e que as suas soluções são da forma
⎧
⎪ 5
⎨ x = 2z
y = −1z
⎪
⎩ z ∈ R .2
Conclui-se assim que o grau de indeterminação deste sistema é 1 visto que z é a única variável
livre.
De referir ainda que as soluções do sistema se podem escrever matricialmente na forma
⎡ ⎤ ⎡ 5 ⎤
x 2z
⎣ y ⎦=⎢ ⎥
⎣ − 12 z ⎦ , com z ∈ R.
z z
AZ = A(X̂ + Y ) = AX̂ + AY = B + O = B,
Este sistema e o sistema homogéneo (8) têm a mesma matriz de coeficientes. Para reduzir a
matriz ampliada deste sistema, podem efectuar-se as operações realizadas no exemplo anterior,
obtendo-se então ⎡ ⎤
1 0 −5/2 | −1/2
⎣ 0 1 1/2 | 3/2 ⎦ .
0 0 0 | 0
40 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
Daqui resulta que o sistema inicial é indeterminado (c(A) = c(A|O) = 2 < 3, onde A é a matriz
dos coeficientes), sendo as suas soluções da forma
⎧
⎪ 1 5
⎨ x = −2 + 2z
y = 3 − 1z .
⎪
⎩ z ∈ R2 2
8 Inversão de Matrizes
O estudo feito anteriormente tem numerosas aplicações. Veremos agora que o problema da
determinação da inversa duma matriz quadrada A = [aij ] de ordem n é equivalente à resolução
de n sistemas de equações lineares com n incógnitas.
Suponhamos então que A é invertível e seja B = [bij ] a sua inversa, isto é, B = A−1 . Assim,
AB = In ,
ou seja, ⎡ ⎤ ⎡ ⎤
b11 b12 · · · b1n 1 0 ··· 0
⎢ b21 b22 · · · b2n ⎥ ⎢ 0 1 ··· 0 ⎥
⎢ ⎥ ⎢ ⎥
A⎢ .. .. .. .. ⎥=⎢ .. .. .. .. ⎥ .
⎣ . . . . ⎦ ⎣ . . . . ⎦
bn1 bn2 · · · bnn 0 0 ··· 1
Sabendo que a multiplicação de A pela j-ésima coluna de B permite obter a j-ésima coluna da
matriz produto, a igualdade anterior é equivalente às n igualdades
⎡ ⎤ ⎡ ⎤ ⎡ ⎤ ⎡ ⎤ ⎡ ⎤ ⎡ ⎤
b11 1 b12 0 b1n 0
⎢ b21 ⎥ ⎢ 0 ⎥ ⎢ b22 ⎥ ⎢ 1 ⎥ ⎢ b2n ⎥ ⎢ 0 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
A ⎢ . ⎥ = ⎢ . ⎥, A ⎢ . ⎥ = ⎢ . ⎥,..., A ⎢ . ⎥ = ⎢ .. ⎥.
⎣ .. ⎦ ⎣ .. ⎦ ⎣ .. ⎦ ⎣ .. ⎦ ⎣ .. ⎦ ⎣ . ⎦
bn1 0 bn2 0 bnn 1
Para determinar B bastará então resolver estes n sistemas de equações lineares, o que pode
ser feito simultaneamente reduzindo a seguinte matriz, que resulta de ampliar A com a matriz
41 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
identidade In : ⎡ ⎤
a11 a12 · · · a1n | 1 0 ··· 0
⎢ a21 a22 · · · a2n | 0 1 ··· 0 ⎥
⎢ ⎥
A|In = ⎢ .. .. .. .. .. .. .. .. ⎥
⎣ . . . . | . . . . ⎦
an1 an2 · · · ann | 0 0 ··· 1
Pelo facto dos sistemas anteriores serem todos possíveis e determinados, o método de eliminação
de Gauss conduz-nos à matriz
⎡ ⎤
1 0 · · · 0 | b11 b12 · · · b1n
⎢ 0 1 · · · 0 | b21 b22 · · · b2n ⎥
⎢ ⎥
In |B = ⎢ . . . . .. .. .. .. ⎥ ,
. . .
⎣ . . . . | . . . . . ⎦
0 0 · · · 1 | bn1 bn2 · · · bnn
Tem-se, pois, ⎡ ⎤
− 17
3 2 − 10
3
A−1 = ⎣ −2 1 −1 ⎦ .
2 1
3 0 3
42 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
9 Exercícios Resolvidos
¤ ¡
£1 ¢ Para cada valor do parâmetro real α, discuta o sistema de equações lineares
⎧
⎨ αx + y − z = 2 − α
x + y − αz = 0 .
⎩
x + αy − z = −α
OE3 ⎡ ⎤
−→ 1 1 −α | 0
−αL1 + L2 ⎣ 0 1 − α −1 + α2 | 2−α ⎦
−L1 + L3 0 α−1 α−1 | −α
⎡ ⎤
1 1 −α | 0
OE3
−→ ⎣ 0 1 − α −1 + α2 | 2 − α ⎦.
L2 + L3 0 0 α − 2 + α2 | −2α + 2
Sejam A a matriz dos coeficientes do sistema e A|B a matriz ampliada:
(a) Discuta em função do parâmetro real a, o sistema de equações lineares cuja equação
matricial é AX = B.
(b) Para a = 1 averigue se A é invertível e caso o seja, indique a sua inversa.
(c) Para que valores de a o sistema homogéneo associado tem como única solução a
solução nula?
Resolução:
43 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
(a) Consideremos a matriz ampliada do sistema
⎡ ⎤
a 2 2a | 6 − 2a
⎢ 1 a a | 1 ⎥
A|B = ⎢
⎣ 2 1 a
⎥.
| −1 ⎦
−1 0 0 | 2
¤ ¡
de incógnitas. Esta situação ocorre se e só se a 6= 0 e a 6= 1.
44 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
e indique, em caso de existência, uma solução não trivial.
Resolução: Reduzindo a matriz ampliada do sistema obtemos:
⎡ ⎤ OE3 ⎡ ⎤
1 1 1 | 0 −→ 1 1 1 | 0
⎣ 2 2 2 | 0 ⎦ −2L1 + L2 ⎣ 0 0 0 | 0 ⎦ .
3 3 3 | 0 −3L1 + L3 0 0 0 | 0
Daqui resulta que o sistema dado é indeterminado pois c(A) = c(A|O) = 1 < 3, onde A é
a matriz dos coeficientes. Por outro lado, o sistema é equivalente à equação x = −y − z,
pelo que as suas soluções são da forma
⎡ ⎤
−y − z
⎣ y ⎦ , com y, z ∈ R.
z
Por conseguinte, o grau de indeterminação do sistema dado é 2 e uma solução não trivial
é, por exemplo, y = 1, z = 2 e x = −3.
¤ ¡
⎡ ⎤ ⎡ ⎤
1 2 1
£ ¢
4 Considere as matrizes A = ⎣ 1 1 ⎦ e B = ⎣ 1 ⎦ . Justifique que o sistema de equações
2 1 1
AX = B é impossível.
Resolução: Vamos transformar a matriz ampliada do sistema numa matriz em escada:
⎡ ⎤ OE3 ⎡ ⎤
1 2 | 1 −→ 1 2 | 1
⎣ 1 1 | 1 ⎦ −L1 + L2 ⎣ 0 −1 | 0 ⎦
2 1 | 1 −2L1 + L3 0 −3 | −1
⎡ ⎤
1 2 | 1
OE3 ⎢ ⎥
−→ ⎣ 0 −1 | 0 ⎦.
−3L2 + L3 0 0 | −1
Como c(A) = 2 < 3 = c(A|B) o sistema é impossível. O mesmo poderia ser concluído
reparando que a última equação da matriz em escada corresponde à proposição falsa 0 =
−1.
¤ ¡
⎡ ⎤
1 2 1
£5 ¢ Considere a matriz A =
⎣ 3 5 2 ⎦. Sem determinar A−1 , resolva a equação matricial
4 7 2
A−1 Y A = 2A + I3 .
Resolução: Multiplicando à esquerda por A e à direita por A−1 ambos os membros da
igualdade A−1 Y A = 2A + I3 , obtém-se
pelo que ⎡ ⎤ ⎡ ⎤ ⎡ ⎤
1 2 1 1 0 0 3 4 2
Y = 2 ⎣ 3 5 2 ⎦ + ⎣ 0 1 0 ⎦ = ⎣ 6 11 4 ⎦ .
4 7 2 0 0 1 8 14 5
45 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
10 Exercícios Propostos
Definição de matriz. Matrizes especiais
¤ ¡
£1 ¢ Classifique cada uma das seguintes matrizes, e indique a ordem respectiva:
⎡ ⎤ ⎡ ⎤
3 0 2 1 −1 0 1 £ √ ¤
A = ⎣ 0 2 −1 ⎦ , B = ⎣ 2 1 1 0 ⎦, C = 1 π 2 −3 ,
1 2 3 −1 1 3 1
⎡ ⎤ ⎡ ⎤
∙ ¸ 2 0 π 3 0 0
0 0
D= , E = ⎣ 0 1 3 ⎦, F = ⎣ 0 2 0 ⎦,
0 0
0 0 1 0 0 3
⎡ 1 ⎤
⎡ ⎤
1 0 0 0 √
2
∙ ¸ ⎢ − 3 ⎥
⎢ 3 1 0 0 ⎥⎥ 1 0 ⎢ ⎥
G=⎢
⎣ −2 , H = , I = ⎢ 0 ⎥.
⎢ ⎥
0 1 0 ⎦ 0 1 ⎣ 0 ⎦
1 −3 0 1
3
¤ ¡
£2 ¢ Calcule as matrizes opostas e transpostas das matrizes A, B, C e D do exercício 1.
¤ ¡
£3 ¢ Determine a matriz A = [aij ], de tipo 4 × 4, cujas entradas satisfaçam
⎧
⎨ 1 , |i − j| > 1
aij =
⎩
−1 , |i − j| ≤ 1
¤ ¡
£4 ¢ Determine a, b, c e d de forma que
∙ ¸ ∙ ¸
a−b b+c 8 1
= .
3d + c 2a − 4d 7 6
Diga se estão ou não definidas as matrizes a seguir indicadas e, caso estejam, determine
o seu valor: 4A − 2B, 0B + 0D, B + C, AB, AC, C T AT , (AC)2 , (A − 2B) (3C + D) ,
A (DB) e D (BA) .
46 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
¤ ¡
£6 ¢ Considere as seguintes matrizes:
⎡ ⎤
3 0 ∙ ¸ ∙ ¸
4 −1 1 4 2
A = ⎣ −1 2 ⎦ , B= , C= ,
0 2 3 1 5
1 1
⎡ ⎤ ⎡ ⎤
1 5 2 6 1 3
⎣
D = −1 0 1 ⎦ e E = ⎣ −1 1 2 ⎦ .
3 2 4 4 1 3
Diga se estão ou não definidas as matrizes a seguir indicadas e, caso estejam, determine o
¡ ¢T
seu valor: D + E, 2B − C, 2AT + C, 2E T − 3DT , (AB) C, CC T .
¤ ¡
⎡ ⎤
£ ¤ 4
£7 ¢ Considere a matriz linha A = −2 3 0 e a matriz coluna B =
⎣ −1 ⎦. Calcule AB
5
T T T
¤ ¡
e BA. Determine A e A B .
¤ ¡
∙ ¸
£9 ¢ Seja A =
1 −1
.
1 −1
(a) Calcule A2 . Que conclusões pode tirar sobre a lei do anulamento do produto?
(b) Dê exemplos de matrizes B e C tais que AB = AC e B 6= C. Que conclusões pode
tirar sobre a lei do corte?
¤ ¡
£10 ¢ Determine uma matriz diagonal A, que satisfaça
⎡ ⎤
1 0 0
A5 = ⎣ 0 −1 0 ⎦.
0 0 −1
¤ ¡
£11 ¢ Sejam A e B matrizes quadradas da mesma ordem.
(A + B)2 6= A2 + 2AB + B 2 .
(b) Determine uma matriz C, de forma que para qualquer escolha das matrizes A e B se
tenha
(A + B)2 = A2 + B 2 + C.
¤ ¡
£12 ¢ Seja B uma matriz quadrada de ordem n. Mostre que:
47 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
(a) B + B T é simétrica.
(b) B − B T é anti-simétrica.
(c) Qualquer matriz quadrada de elementos reais, pode exprimir-se como soma de uma
matriz simétrica com uma matriz anti-simétrica. (Sugestão: recorra às alíneas ante-
riores.)
¤ ¡
£13 ¢ Seja A uma matriz simétrica. Mostre que:
(a) A2 é simétrica.
(b) 2A2 − 3A + I é simétrica.
¤ ¡
£14 ¢ Indique que condições devem verificar duas matrizes simétricas A e B, para que o seu
¤ ¡
produto AB seja uma matriz simétrica.
£15 ¢ Se A e B são matrizes 2×2 anti-simétricas, sob que condições a matriz AB é anti-simétrica?
¤ ¡
∙ ¸ ∙ ¸
£16 ¢ Sejam A =
1 −1 1 −1
eB= .
0 2 2 −2
¤ ¡
indique-a.
48 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
¤ ¡
£20 ¢ Mostre que se uma matriz quadrada A satisfaz A − 3A + I = O então A = 3I − A.
2 −1
¤ ¡
£21 ¢ Uma matriz quadrada A de ordem n diz-se ortogonal se AA = A A = In . Prove que o
T T
¤ ¡
Dependência e independência linear de linhas e colunas de uma matriz
(a) Mostre, por definição, que as três primeiras linhas de A são linearmente independen-
tes.
(b) Mostre que a última linha de A é combinação linear das restantes.
(c) Verifique se a matriz coluna [3 2 2 0]T é combinação linear das colunas de A.
¤ ¡
£23 ¢ Considere a matriz: ⎡ ⎤
1 0 1
A=⎣ a 1 0 ⎦,
1 a a−1
em que a é um parâmetro real.
¤ ¡
de A.
¤ ¡
pendentes.
£25 ¢ Mostre que, se as linhas de uma matriz são linearmente independentes, nenhuma delas
pode ser nula.
¤ ¡
Característica e operações elementares sobre linhas e colunas de uma matriz
£26 ¢ Para cada uma das seguintes matrizes, calcule a respectiva característica:
⎡ ⎤ ⎡ ⎤
⎡ ⎤ 1 −1 2 2 1 2 0 3
∙ ¸ 2 3 4
1 1 0 ⎢ 2 −3 2 1 ⎥ ⎢ 1 2 3 3 ⎥
,⎣ 2 1 1 ⎦, ⎢
⎣ 3 −5 2 −3 ⎦ ,
⎥ ⎢
⎣ 1
⎥
−1 2 1 0 1 1 ⎦
−1 1 2
−4 12 8 10 1 1 1 2
⎡ ⎤
⎡ ⎤ 2 5 −1 4 3
37 259 481 407 ⎢ −3 1 2 0 1 ⎥
⎣ 19 133 247 209 ⎦ e ⎢
⎣ 4 1
⎥.
6 −1 −1 ⎦
25 175 325 275
−2 3 0 4 −9
49 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
¤ ¡
£27 ¢ Discuta, para todos os valores de k reais, a característica das matrizes seguintes:
⎡ ⎤ ⎡ ⎤
⎡ ⎤ ⎡ 1 ⎤ 1 0 1 1 1 1 1 4
1 1 k 1 0 −1 1 ⎢ 2 2 −1 1 ⎥ ⎢ 1 k 1 1 4 ⎥
⎣ k 0 1 ⎦, ⎣ 1 1 0 1 ⎦, ⎢
⎣ k
⎥ e ⎢ ⎥.
3 −2 0 ⎦ ⎣ 1 1 k 3−k 6 ⎦
1 1 1 k 1 −1 2
−1 0 −3 k 2 2 2 k 6
¤ ¡
£28 ¢ Discuta, para todos os valores de α e β reais, a característica das matrizes seguintes:
⎡ ⎤
⎡ α ⎤ 0 −1 β
∙ ¸ 0 0 α
cos α − sen α ⎢ 1 0 β 0 ⎥
, ⎣ 0 β 2 ⎦ e ⎢
⎣ 1
⎥.
sen α cos α 1 1 1 ⎦
3 0 1
1 1 0 1
¤ ¡
£29 ¢ Considere a matriz de tipo 1 × n, E = [1 1 . . . 1]. Calcule EE e E E e indique as
T T
respectivas características.
50 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
¤ ¡
£33 ¢ Considere o sistema AX = B em que
⎡ ⎤ ⎡ ⎤ ⎡ ⎤
1 0 −1 b1 x1
A = ⎣ 0 1 a ⎦ , B = ⎣ b2 ⎦ e X = ⎣ x2 ⎦ .
−1 1 2a b3 x3
(a) Determine a de modo que o sistema seja possível qualquer que seja a matriz B.
(b) Dê exemplos de um valor de a e de uma matriz B para os quais:
i. o sistema tenha mais do que uma solução;
ii. o sistema não tenha soluções.
¤ ¡
£34 ¢ Considere o seguinte sistema de equações:
⎧
⎨ ax + bz = 2
ax + ay + 4z = 4 .
⎩
ay + 2z = b
Para que valores de a e b o sistema:
¤ ¡
Inversão de matrizes
¤ ¡
⎡ ⎤
1
£36 ¢ Considere as matrizes A e C do exercício 35 e seja B =
⎣ −1 ⎦ .
3
51 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
¤ ¡
⎡ ⎤
1 1 0
£ ¢
38 Determine para que valores de α a matriz A = ⎣ 1 0 0 ⎦ é invertível e, para esses
1 2 α
valores, indique A−1 .
¤ ¡
⎡ ⎤
7 0 5
£39 ¢ Dada a matriz A =
⎣ 0 1 0 ⎦ resolva a equação matricial AXA−1 = A + I3 .
4 0 3
¤ ¡
£40 ¢ Sejam A, B, C e X matrizes que satisfazem a relação
h i−1
(AX)T + BC = I2 ,
onde ∙ ¸ ∙ ¸
1 2 1 £ ¤
A= , B= e C= 2 3 .
0 1 2
(a) A−1 XA = B.
¡ ¢T
(b) XAB + B T AX T = I3 .
Aplicações
¤ ¡
£42 ¢ O Pedro, que é irmão da Rosa, tem duas vezes mais irmãs do que irmãos, enquanto que
a Rosa tem o mesmo número de irmãos e irmãs. Assumindo que não há meios irmãos,
¤ ¡
quantas crianças ao todo há nesta família?
£43 ¢ Determine a equação da parábola que passa pelos pontos A = (0, −1), B = (1, 4) e
¤ ¡
C = (2, 11).
£44 ¢ Determine todos os polinómios p (x) de grau menor ou igual a 2 tais que p (1) = p (1) =
0
p00 (1) = 1.
¤ ¡
£45 ¢ Determine as correntes Ii dos seguintes circuitos eléctricos:
52 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
(a)
8V
+
−
2Ω I2
I1 2Ω I3
4Ω
−
+
6V
(b)
20Ω
I4 I5
+
−
10V I1 20Ω I2 I3 +
−
20Ω 10V
I6
20Ω
1 1 −1 −1
4. a∙ = 5, b = −3,¸ c = 4 e d = 1. ∙ ¸ ∙ ¸
0 2 16 −5 10 −5 5
5. ; Não está definida; Não está definida; Não está definida; ; ;
∙ 6 6 −2 ¸ ∙ ¸ ∙ ¸ 5 4 10 4
75 −10 −85 4 −32 −8 16
; ; ; Não está definida.
−5 66 ⎡ 47 60⎤ −6 −24 58 ⎡ ⎤ ⎡ ⎤
7 6 5 ∙ ¸ 9 −13 0 3 45 9
7 2 4
6. D + E = ⎣ −2 1 3 ⎦ ; Não está definida; ;⎣ 1 2 1 ⎦ ; ⎣ 11 −11 17 ⎦ ;
3 5 7
∙ ¸ 7 3 7 −1 −4 −6 7 17 13
21 17
.
17 35
53 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
⎡ ⎤ ⎡ ⎤ ⎡ ⎤
−8 12 0 −2 −8 2 −10
7. AB = [−11] ; BA = ⎣ 2 −3 0 ⎦ ; AT = ⎣ 3 ⎦ ; AT B T = ⎣ 12 −3 15 ⎦ .
⎡ ⎤ −10 15 0 0 0 0 0
1 1 0
8. A = ⎣ 1 −1 0 ⎦ .
0 ∙ 0 0¸
0 0
9. (a) A2 = . A lei do anulamento do produto não é válida para o produto de matrizes; (b)
∙ ¸0 0 ∙ ¸
1 −1 0 0
B= eC= . A lei do corte não é válida para o produto de matrizes.
1 ⎡−1 ⎤0 0
1 0 0
10. A = ⎣ 0 −1 0 ⎦.
0∙ 0 −1 ¸ ∙ ¸
1 0 1 1
11. (a) A = ,B= ; (b) C = AB + BA.
1 0 1 1
14. A e B devem ser permutáveis.
15. A = O ∨ B∙= O. ¸ ∙ ¸
1 1/2 1/2 −5/2
16. (a) A−1 = e B singular; (b-i.) X = ; (b-ii.) Eq. impossível;
∙ 0 ¸1/2 −1/2 −1/2
a
(b-iii.) X = , com a real.
a+2
17b. A não é invertível.
18. A−1 = A.
22. (c) Não é comb. linear.
23. (b) É comb. linear.
26. 2; 3; 3; 3; 1; 4. √
27. c = 2 se k ∈ {0, 1} e c = 3 caso contrário; c = 2 se k = 2 e c = 3 caso contrário; c = 3 se k = ± 10 e
c = 4 caso contrário; c = 4 se k 6= 1 e c = 2 caso contrário
28 c = 2, ∀α ∈ R; c = 3 se α 6= 0 ∧ β 6= 0 e c = 2 caso contrário; c = 4 se β 6= 0 e c = 3 caso contrário
29. c(EE T ) = c(E T E) = 1.
30. Sistema impossível; Sistema possível e indeterminado, x1 = 21 − 5x4 , x2 = −8 + 2x4 , x3 = −1,
x4 ∈ R; Sistema possível e determinado, x = −1/4, y = 3/4 z = 1/4; Sistema impossível; Sistema
possível e determinado, x1 = 1, x2 = −1, x3 = −2, x4 = 3.
31. (a) Para qualquer a ∈ R, o sistema é possível e determinado; (b) Se a 6= 2, o sistema é possível e
determinado e, caso contrário, é possível e indeterminado; (c) Se b 6= 3 ∧ a ∈ R, o sistema é possível e
determinado, se b = 3 ∧ a = 1, é possível e indeterminado e, se b = 3 ∧ a 6= 1, o sistema é impossível .
32. (a) Para λ = 1 o sistema é impossível, para λ 6= 1 o sistema é possível e determinado;
(b) Se λ = 1 o sistema é possível e indeterminado, se λ 6= 1 o sistema é possível e determinado;
(c) Se (a = 0 ∧ b = 0) ∨ (a = −1 ∧ b = −2) então o sistema é possível e indeterminado, se
(a = 0 ∧ b 6= 0)∨ (a = −1∧ b 6= −2) então o sistema é impossível, se a ∈ R\ {−1, 0} então o sistema é
possível e determinado; (d) Se a ∈ R\ {−1, 0} , então o sistema é possível e determinado, se
a = 0 ∨ a = −1 o sistema é possível e indeterminado. ⎡ ⎤ ⎡ ⎤
0 0
33. (a) a ∈ R\ {1}; (b-i.) Por ex., a = 1 e B = ⎣ 0 ⎦; (b-ii.) Por ex., a = 1 e B = ⎣ 0 ⎦ .
0 1
34. (a) a 6=⎡0 ∧ b 6= 2; (b) a⎤= 0 ∧ b 6=⎡2; (c) a 6= 0 ∧ b = ⎤2; (d) a = ⎡0 ∧ b = 2. ⎤
1 −1 0 3/4 1/2 1/4 11/8 −3/8 −1/8
35. A−1 = ⎣ 0 1 −1 ⎦ ; B −1 = ⎣ 1/2 1 1/2 ⎦ ; C −1 = ⎣ −9/8 1/8 3/8 ⎦ .
⎡0 0⎤ 1 ⎡ 1/4 ⎤ 1/2 3/4 3/4 1/4 −1/4
2 −11/24
36. (a) X = ⎣ −4 ⎦ ; (b) X = ⎣ 7/8 ⎦ .
3 −1/3
54 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1
⎡ 4 3 ⎤ ⎡ 1 ⎤
⎡ 7
⎤ −5 5 1 1
k1 0 0 0
0 −3 5 5
2 ⎢ 3
0 −1 ⎥ ⎢
0 ⎥ ⎢ 0 k2 0 1
0 ⎥
37. ⎣ −1 1 0 ⎦ , @B −1 , ⎢ ⎣ 1
2 , ⎥.
2 0 0 0 ⎦ ⎣ 0 0 k13 0 ⎦
0 −1 1 4 2 1 1 1
−5 −5 0 0 0
⎡ ⎤5 5 k4
0 1 0
38. α 6= 0, A−1 = ⎣ 1 −1 0 ⎦ .
2 1 1
⎡ −
⎤α α α
8 0 5
39. X = ⎣ 0 2 0 ⎦.
4 0 ∙4 ¸
5 6
40. (a) 2 × 2; (b)
⎡ −3 ⎤−5 ⎡ ⎤
2 1 2 −1/4 1/3 1/4
41. (a)⎣ 3 3 3 ⎦ ; (b) ⎣ 0 1/6 0 ⎦ .
−4 −1 −2 1/4 1/6 1/4
42. 7
43. x2 + 4x − 1.
44. p (x) = 12 x2 + 12 .
45. (a) I1 = 13 2 11 1 1
5 , I2 = − 5 , I3 = 5 . (b):I1 = 2 , I2 = 0, I3 = 0, I4 = 2 , I5 = 12 , I6 = 12 .
55 A L G A — A n o L e ctivo 2 0 1 0 / 2 0 1 1