Escolar Documentos
Profissional Documentos
Cultura Documentos
Sebenta
Sebenta
ndice
Lgica e Demonstrao 3
1 Demonstrao Directa 3
2 Recproco e Contrapositivo 3
3 Demonstrao Indirecta ou por Reduo ao Absurdo 4
4 Demonstrao por Induo Matemtica 5
Matrizes e Determinantes 7
5 Nota Histrica 7
6 Teoria das Matrizes 15
6.1 Denies e Generalidades . . . . . . . . . . . . . . . . . . . . . . 15
6.2 lgebra Matricial . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
6.2.1 Soma de matrizes. . . . . . . . . . . . . . . . . . . . . . . 18
6.2.2 Multiplicao de uma matriz por um escalar. . . . . . . . 20
6.2.3 Multiplicao de matrizes. . . . . . . . . . . . . . . . . . . 22
6.2.4 Multiplicao por blocos. . . . . . . . . . . . . . . . . . . 27
6.3 Transposio de matrizes. Matrizes Simtricas. . . . . . . . . . . 30
6.4 Trao de uma matriz . . . . . . . . . . . . . . . . . . . . . . . . . 33
6.5 Dependncia e independncia lineares de las paralelas de uma
matriz. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
6.6 Caracterstica de uma matriz. Operaes elementares. . . . . . . 41
6.6.1 Operaes Elementares . . . . . . . . . . . . . . . . . . . 42
6.6.2 Determinao da Caracterstica de Linha de uma Matriz . 51
6.7 Inverso de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . 56
6.7.1 Denies e Resultados . . . . . . . . . . . . . . . . . . . 56
6.7.2 Determinao da Inversa de uma Matriz Regular . . . . . 66
6.8 A Caracterstica Revisitada . . . . . . . . . . . . . . . . . . . . . 70
6.9 Resoluo de Sistemas de Equaes Lineares . . . . . . . . . . . . 74
6.9.1 Enquadramento Terico . . . . . . . . . . . . . . . . . . . 74
6.9.2 Sistemas de Equaes Lineares Indeterminados . . . . . . 87
6.9.3 Algoritmo de Gauss-Jordan . . . . . . . . . . . . . . . . . 97
6.10 Matrizes com propriedades especiais . . . . . . . . . . . . . . . . 98
2
2 Recproco e Contrapositivo
Lgica e Demonstrao
Resumem-se, neste captulo, os trs mtodos de demonstrao matemtica ex-
istentes, e cuja aplicao ser assdua ao longo de todo o texto.
1 Demonstrao Directa
O modo directo de demonstrar a proposio A B consiste em determnar
uma sequncia de teoremas e/ou axiomas aceites na forma A
i
A
i+1
, para
i = 1, , n de modo a que A
1
A e A
n
B. A diculadade est, obviamente,
em encontrar a sequncia de axiomas e/ou teoremas que preenchem o vazio entre
A e B. A armao A designa-se por hiptese, ou seja, aquilo que dado e a
armao B designa-se por tese, isto , a concluso. O mtodo assim descrito
denomina-se raciocnio dedutivo.
Consideremos o seguinte Teorema ilustrativo:
Teorema 1 Seja m um inteiro par e p um inteiro qualquer. Ento mp um
inteiro par.
Demonstrao.
1. m um inteiro par (Dado, por hiptese).
2. existe um inteiro q tal que m = 2 q (Denio de um nmero inteiro
par).
3. mp = (2q) p (Utilizando o axioma a = b ac = bc).
4. mp = 2 (qp) (Pela propriedade associativa da multiplicao).
5. mp um inteiro (Pela denio de um nmero inteiro par).
2 Recproco e Contrapositivo
Denio 1 Considere-se a proposio da forma A B : se a hiptese A
se verica ento a tese, B, tambm se verica. O recproco da proposio
a proposio B A.
3
3 Demonstrao Indirecta ou por Reduo ao Absurdo
O recproco de uma proposio consiste em inverter os papis da hiptese
e da tese de . H muitas situaes em que o recproco e uma proposio ver-
dadeira no verdadeiro. Por exemplo, a proposio a = b ac = bc,
a,b,cR
sempre verdadeira, mas ac = bc a = b no verdadeira para quaisquer
a, b, c R; basta, evidentemente, que c = 0. Outras situaes h, no entanto,
em que uma proposio e o seu recproco so ambas verdadeiras.
Denio 2 Se a proposio A B e o seu recproco, B A, so ambos
verdadeiros diz-se que A se verica se e s se B se verica. Alternativamente,
diz-se que A e B so equivalentes e escreve-se A B.
Existe uma proposio, formada a partir de qualquer proposio , que
verdadeira sempre que verdadeira: o contrapositivo de .
Denio 3 Considere-se uma proposio : A =B. A proposio B =
A designa-se por contrapositivo de .
Exemplo 1 Considere-se a seguinte proposio:
(A) n um nmero primo diferente de 2.=(B) n um inteiro mpar.
O contrapositivo desta proposio ser dado por:
( B) n um inteiro par.=(A) n no um nmero primo ou n = 2.
3 Demonstrao Indirecta ou por Reduo ao
Absurdo
Consideremos o seguinte resultado:
Proposio 1 A proposio A =B verdadeira se e s se o seu contraposi-
tivo verdadeiro.
Demonstrao. Com recurso a uma tabela de verdade extremamente
simples provar que (A =B) ( B = A):
A B A =B B A B = A
V V V V V V
F V V F V V
V F F V F F
F F V F F V
Note-se as colunas relativas a (A =B) e ( B = A) o que completa a
demonstrao.
4
4 Demonstrao por Induo Matemtica
Assim, uma forma de mostrar a validade de uma proposio A = B
mostrar a validade do seu contrapositivo B = A. Esta linha de raciocnio
designa-se por demonstrao indirecta ou demonstrao por reduo ao absurdo.
Com efeito, se, partindo de B, provarmos directamente que A verdadeira,
o absurdo reside no facto de, originalmente, assumirmos que a armao A
verdadeira.
Conideremos o seguinte Teorema ilustrativo.
Teorema 2 Se p um nmero natural e p
2
par, ento p par.
Demonstrao. Pretende-se mostrar
p
2
par
q
2
+q
+ 1. Mas ento p
2
um nmero mpar, o que absurdo,
pois a hiptese original era a de que p
2
era par. O absurdo vem de se assumir
que p par, logo p ter de ser mpar.
4 Demonstrao por Induo Matemtica
Existe um terceiro mtodo de demonstrao que difere signicativamente do
mtodo por demonstrao directa e do mtodo de transformao por induo:
a demonstrao por induo matemtica.
As demonstraes por induo tm a limitao de s poderem ser aplicadas a
armaes envolvendo os nmeros inteiros ou, indexadas aos nmeros inteiros.
Consideremos ento uma sequncia de armaes indexadas aos nmeros in-
teiros, de modo que (1) a primeira armao, (2) a segunda armao
e (n) a n esima armao. Suponhamos que possvel demonstrar dois
factos cerca desta sequncia:
(i) A armao (1) verdadeira.
(ii) Se, para algum k N, a armao (k) verdadeira ento a armao
(k + 1) tambm verdadeira.
Nestas circunstncias a armao (n) verdadeira para qualquer n N.
Conideremos o seguinte Teorema ilustrativo.
Teorema 3 A soma dos primeiros n nmeros naturais, 1 +2 + +n, igual
a
1
2
n(n + 1).
5
4 Demonstrao por Induo Matemtica
Demonstrao. Procedamos demonstrao por Induo Matemtica,
sabendo que a armao a demonstrar dada por:
(n) = 1 + 2 + +n =
1
2
n(n + 1)
(i) Consideremos n = 1. Neste caso, a soma dos primeiros naturais ser 1,
que precisamente igual a
1
2
1 (1 + 1).
(ii) Suponhamos que a armao vlida para qualquer k N. Mostemos
que ento dever ser vlida para k+1. Assumindo que (k) verdadeira,
sabemos que:
(k) = 1 + 2 + +k =
1
2
k (k + 1)
Queremos mostrar que:
(k + 1) = 1 + 2 + + (k + 1) =
1
2
(k + 1) (k + 2)
Mas,
(k + 1) = (1 + 2 + +k)
| {z }
(k)
+ (k + 1) =
=
1
2
k (k + 1) + (k + 1) =
=
1
2
k + 1
(k + 1) =
=
k + 2
2
(k + 1) =
=
1
2
(k + 2) (k + 1)
Logo, (n) vlida para qualquer n N.
6
5 Nota Histrica
Matrizes e Determinantes
5 Nota Histrica
Historicamente, os primeiros esboos de matrizes e determinantes remontam ao
segundo sculo a. C. embora existam traos da sua existncia em pocas to
distantes quanto o sc. IV a. C. No entanto, no foi seno nos nais do sc.
XVII da nossa era que as ideias reapareceram e o seu desenvolvimento oresceu.
No surpreendente que os primrdios das matrizes e determinantes ten-
ham surgido atravs do estudo de sistemas de equaes lineares. Os Babilnios
estudaram problemas que levaram resoluo simultnea de equaes lineares.
Alguns destes problemas sobreviveram at hoje preservados em placas de argila.
Por exemplo, uma placa datada de cerca de 300 a. C. contm o seguinte prob-
lema:
Existem dois campos com uma rea total de 1800 m
2
. Um produz
gro taxa de
2
3
de alqueire por m
2
enquanto o outro produz gro
taxa de
1
2
de alqueire por m
2
. Se a colheita total de 1100 alqueires
qual a rea de cada campo.
Este problema conduz, modernamente, resoluo do sistema de equaes
(1) ilustrado em seguida:
x +y = 1800
2
3
x +
1
2
y = 1100
(1)
Os Chineses, no perodo entre 200 a. C. e 100 a. C., chegaram mais prximo
da noo de matriz que os Babilnios. Efectivamente, justo referir que o
texto chins Nove Captulos da Arte Matemtica escrito durante o perodo da
dinastia Han (206 a. C.-220 d. C.) ilustra os primeiros exemplos conhecidos de
mtodos matriciais, descrevendo principalmente um conjunto de problemas com
regras gerais para a sua soluo. Estes problemas tm um carcter aritmtico e
conduzem a equaes algbricas com coecientes numricos. A ttulo ilustrativo
considere-se um desses problemas:
Existem trs tipos de milho. Trs molhos do primeiro tipo, dois do
segundo e um do terceiro completam 39 medidas. Dois molhos do
primeiro tipo, trs do segundo e um do terceiro prefazem 34 medi-
das. Finalmente, um molho do primeiro tipo, dois do segundo e trs
do terceiro prefazem 26 medidas. Quantas medidas de milho esto
contidas num molho de cada tipo?
Modernamente, o sistema de equaes lineares (2) permite resolver o prob-
lema em aberto.
7
5 Nota Histrica
3x + 2y +z = 39
2x + 3y +z = 34
x + 2y + 3z = 26
(2)
O autor do texto props um mtodo de resoluo notvel: os coecientes
das trs equaes a trs incgnitas que compem o sistema so dispostos como
uma tabela num quadro de contagem:
1 2 3
2 3 2
3 1 1
26 34 39
Os mtodos modernos dos nais do sc. XX levariam a dispor os coe-
cientes das equaes lineares em linhas, em vez de colunas, mas intrinsecamente
o mtodo idntico.
Seguidamente, o autor, escrevendo em 200 a. C. instrui o leitor a multiplicar
a coluna central por 3 e subtrair a coluna da direita, tantas vezes quanto possvel;
de modo semelhante, subtrai-se a coluna da direita, tantas vezes quanto possvel,
da primeira coluna multiplicada por 3. Destas operaes ,resulta o quadro:
0 0 3
4 5 2
8 1 1
39 24 39
Seguidamente, a coluna da esquerda multiplicada 5 vezes e a coluna central
subtrada tantas vezes quanto possvel, resultando no quadro:
0 0 3
0 5 2
36 1 1
99 24 39
Desta tabela possvel determinar, em primeiro lugar, a soluo relativa-
mente ao terceiro tipo de milho, seguida do segundo e nalmente do primeiro
tipo. Este mtodo hoje em dia conhecido como o Mtodo de Eliminao de
Gauss, discutido no mbito da resoluo de sistemas de equaes lineares, tema
abordado na seco 6.9, que s vir a ser bem compreendido no incio do sc.
XIX.
O matemtico italiano Cardan, na sua obra Ars Magna(1545), fornece
uma regra para resolver sistemas de 2 equaes lineares, a que d o nome de
regula de modo. Esta regra , substantivamente, o que modernamente se designa
por Regra de Cramer para a resoluo de sistemas de 2 equaes lineares a 2
incgnitas, embora Cardan no tenha dado o passo decisivo e nal na denio
8
5 Nota Histrica
da regra. Assim, Cardan no chega at denio de determinante, mas, numa
perpectiva actual possvel concluir que o seu mtodo leva efectivamente
denio de determinante.
Muitos dos resultados associados Teoria Elementar das Matrizes aparece-
ram antes das Matrizes serem objecto de investigao matemtica. Por exemplo,
de Witt, na sua obra Elementos das Curvas, publicado como parte dos co-
mentrios edio latina de 1660 da Geometria de Descartes, mostra como
uma transformao dos eixos ordenados reduz a equao de uma cnica forma
cannica. O processo consiste, modernamente, na diagonalizao de uma matriz
simtrica, mas de Witt nunca raciocinou nestes termos.
A ideia de um conceito de determinante surge mais ou menos simultanea-
mente na Europa e no Japo no ltimo quartel do sc. XVII, embora Seki, no
Japo, tenha publicado em primeiro lugar. Em 1683, Seki escreve o Mtodo
para Resolver Problemas Dissimulados, que contm mtodos matriciais de-
scritos em tabelas, de forma em tudo idntica descrita nos mtodos chineses,
acima abordados. Embora sem conter nenhuma palavra que corresponda ao
conceito determinante, Seki mesmo assim introduz a noo e fornece mto-
dos gerais que permitem o seu clculo, basados em exemplos. Utilizando os seus
determinantes, Seki conseguiu calcular determinantes de ordem 2, 3, 4 e 5
e aplicou-os resoluo, no de sistemas de equaes lineares, mas de equae
lineares.
De modo extraordinrio, o primeiro aparecimento de um determinante na
Europa, ocorreu no exacto ano de 1683. Nesse ano, Leibniz escreveu a de
lHpital explicando-lhe que o sistema de equaes dado por:
10 + 11x + 12y = 0
20 + 21x + 22y = 0
30 + 31x + 32y = 0
... tinha soluo porque
102132+112230+122031=102231+112032+122130
Esta igualdade precisamente a condio que determina que a solvabilidade
de um sistema de equaes requer que o determinante da matriz dos coecientes
seja nulo. note-se que Leibniz no utiliza coecientes numricos mas dois sm-
bolos, em que o primeiro indica a equao em que ocorre e o segundo a que letra
pertence. Assim, 21 denota o que modernamente escreveramos como a
21
.
Leibniz estava convencido que a notao matemtica era a chave para o pro-
gresso, tendo experimentado com vrias notaes para o sistema de coefcientes.
Os seus manuscritos no publicados contm mais de cinquenta formas de repre-
sentar sistemas de coecientes, sobre as quais trabalhou por um perodo de 50
9
5 Nota Histrica
anos, com incio em 1678. Apenas duas publicaes, em 1700 e 1710, contm
resultados sobre sistemas de coecientes, cuja notao a mesma da utilizada
na carta a de lHpital acima mencionada.
Leibniz utilizou o termo resultante para certas somas combinatrias de
termos de um determinante. Demonstrou vrios resultados sobre resultantes,
incluindo o que actualmente conhecido como a Regra de Cramer. Leibniz tam-
bm sabia que um determinante podia ser desenvolvido utilizando uma qualquer
coluna do sistema de coecientes, no que conhecido actualmente como o De-
senvolvimento de Laplace. Assim como o estudo de sistemas de coecientes
de equaes lineares levaram Leibniz na rota dos determinantes, o estudo de
sistemas de coecientes de formas quadrticas resultou naturalmente num de-
senvolvimento no sentido de uma Teoria das Matrizes.
Na dcada de 1730 McLaurin escreveu o seu Tratado de lgebra, embora
no tenha sido publicado at 1748, dois anos aps a sua morte. A obre contm
os primeiros resultados sobre determinantes, demonstrando a Regra de Cramer
para matrizes de ordem 2 e 3 e indicando como se deveria proceder para matrizes
de ordem 4.
Cramer forneceu a regra geral, que hoje aporta o seu nome, para a resoluo
de sistemas de n equaes a n incgnitas no artigo Introduo Anlise de
Curvas Algbricas, publicado em 1750. O artigo foi motivado pelo desejo de
determinar a equao de uma curva plana que passasse por um certo nmero de
pontos. A regra propriamente dita surge como apndice ao artigo, mas no
fornecida qualquer demonstrao. O seu enunciado, segundo o prprio Cramer,
como se segue:
O valor de cada incgnita determinado por um conjunto de n quo-
cientes, cujo denominador comum composto de tantas parcelas
quantas as permutaes de n coisas.
Cramer prossegue, explicando precisamente como estas parcelas so calcu-
ladas, assim como os respectivos sinais (+ ou -). So efectivamente produ-
tos de certos coecientes das equaes. Refere ainda que os n numradores das
fraces podem ser determinados substituindo certos coecientes neste clculo
por termos constantes do sistema de equaes.
O trabalho sobre determinantes comeava agora a emergir com certa reg-
ularidade. Em 1764, Bzout forneceu mtodos para calcular determinantes,
assim como Vandermonde em 1771. Em 1772, Laplace armou que os mto-
dos introduzidos por Cramer e Bzout eram impraticveis. Num artigo onde
estuda as rbitas dos planetas interiores, Laplace discute a soluo de sistemas
de equaes lineares sem efectivamente os calcular, utilizando determinantes.
Surpreendentemente, Laplace utilizou o termo resultante para referir o que
modernamente se designa por determinante; surpreendente, uma vez que o
mesmo termo utilizado por Leibniz embora no consta que Laplace tivesse es-
tado a par do trabalho de Leibniz. Laplace props ainda o desenvolvimento de
um determinante, mtodo que aporta hoje em dia o seu nome.
10
5 Nota Histrica
Num artigo de 1773, Lagrange estudou identidades para determinantes fun-
cionais de ordem 3. No entanto, este comentrio feito a posteriori, uma vez
que Lagrange no via nenhuma relao entre o seu trabalho e o de Vandermonde
e Laplace. Este artigo de 1773, sobre Mecnica, contm pela primeira vez o que
hoje a interpretao volumtrica de um determinante. Efectivamente, La-
grange demonstrou que o tetraedro formado pelos pontos O(0, 0, 0), M (x, y, z),
M
0
(x
0
, y
0
, z
0
) e M
00
(x
00
, y
00
, z
00
) tem volume dado por
1
6
[z (x
0
y
00
y
0
x
00
) +z
0
(yx
00
xy
00
) +z
00
(xy
0
yx
0
)]
que precisamente igual a
1
6
do determinante da matriz
x x
0
x
00
y y
0
y
00
z z
0
z
00
a
11
a
12
a
1,n1
a
1n
a
21
a
22
a
2,n1
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
m,n1
a
mn
= [a
ij
] ,
a
ij
K
i = 1, ..., m
j = 1, ..., n
(3)
Nestas notaes, o primeiro ndice (i) do elemento genrico a
ij
indica a
linha e o segundo (j) a coluna em que se encontra o elemento de K. Por
exemplo, a
23
o elemento da matriz que se encontra na linha 2 e na coluna
3. A matriz denotada acima mostra que, em geral, costume designar-se uma
matriz por uma letra maiscula (quando no houver necessidade de especicar
os seus elementos) e os elementos pela correspondente letra minscula afectada
pelos ndices convenientes. Em algumas circunstncias por vezes conveniente
representar o elemento (i, j) por (A)
ij
.
Denio 5 Designa-se por M
mn
(K) o conjunto de todas as matrizes do tipo
mn (e l-se me-por-ne) sobre o corpo K.
As matrizes do conjunto M
mn
(K) podem ser classicadas quanto forma
em matrizes rectangulares ou matrizes quadradas. Relativamente s matrizes
rectangulares destacam-se alguns tipos como ilustrado na Tab. 1.
Relativamente s matrizes quadradas, estas constituem um importante caso
particular que se caracteriza pelo nmero de linhas (m) ser igual ao nmero de
colunas (n). No caso das matrizes quadradas do tipo n n , a sua dimenso
denida como ordem, designando-se a matriz como matriz de ordem n. Dentro
desta sub-classe de matrizes destacam-se alguns tipos como ilustrado na Tab.
2.
Denio 6 (Matriz quadrada) Designa-se por matriz quadrada de ordem
n a uma matriz A do tipo n n. O conjunto das matrizes quadradas de ordem
n sobre um corpo K designa-se por M
n
(K).
15
6 Teoria das Matrizes
Matrizes Rectangulares (m 6= n)
Designao Forma Geral
Matriz Linha
ou
Vector Linha
(m = 1)
a
11
a
12
a
1n
Matriz Coluna
ou
Vector Coluna
(n = 1)
a
11
a
21
.
.
.
a
m1
ou
{a
11
, a
21
, , a
m1
}
Tabela 1: Principais tipos de Matrizes Rectangulares
Matrizes Quadradas (m = n)
Designao Forma Geral
Matriz Triangular Superior
(i > j =a
ij
= 0)
a
11
a
12
a
1n
0 a
22
a
2n
.
.
.
.
.
.
.
.
.
0 0 a
nn
a
11
0 0
a
21
a
22
0
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
Matriz Diagonal
(a
ij
= 0; i 6= j)
a
11
0 0
0 a
22
0
.
.
.
.
.
.
.
.
.
0 0 a
nn
ou
diag {a
11
, a
22
, , a
nn
}
Matriz Escalar
uma matriz diagonal em que
a
ij
= 0, i 6= j; a
ij
= a K, i = j
diag {a, a, , a}
Matriz Identidade
a matriz escalar em que
a
ij
= 0, i 6= j; a
ij
= 1 K, i = j
diag {1, 1, , 1}
Representa-se por I
n
(ou apenas I)
m = n = 1
Neste caso identica-se a matriz
[a] com o prprio escalar a R
Tabela 2: Principais tipos de Matrizes Quadradas
16
6 Teoria das Matrizes
Uma matriz diagonal pode tanbm ser entendida como uma matriz simul-
taneamente triangular superior e triangular inferior.
Denio 7 (Elementos homlogos) Dadas as matrizes A=[a
ij
] e B = [b
ij
]
do mesmo tipo mn sobre um corpo K, designam-se por elementos homlogos
aos elementos com os mesmos ndices, isto , queles elementos que esto nas
mesmas linha e coluna. Por exemplo, a
36
e b
36
so elementos homlogos.
Denio 8 (Matrizes iguais) Dadas duas matrizes A = [a
ij
] e B = [b
ij
]
do mesmo tipo mn sobre um corpo K, estas dizem-se iguais se os elementos
homlogos forem iguais. Denota-se simbolicamente essa igualdade por A = B.
Denio 9 (Diagonal) Seja a matriz A = [a
ij
] M
mn
(K). Designa-se
por diagonal principal da matriz A aos elementos
a
11
, a
22
, , a
min(m,n),min(m,n)
3 0 1 3 1
-1 2 0 -1 1
0 -2 -3 1 1
3 0
-1 2
0 -2
3 0 1
-1 2 0
0 -2 -3
1 2
3 4
5 6
7 8
1+5 2+6
3+7 4+8
6 8
10 12
1
2
3
4
=
1+3
2+4
=
4
6
3 4
+
1 2
=
3+1 4+2
=
4 6
6.2.2 Multiplicao de uma matriz por um escalar.
Denio 13 Seja A = [a
ij
] M
mn
(K) e K um escalar. Dene-se o
produto de por A e denota-se por A (ou A) matriz B = [b
ij
] M
mn
(K)
tal que b
ij
= a
ij
,
(i,j){1,...,m}{1,...,n}
.
Proposio 3 Sejam A, B M
mn
(K) e , K. As seguintes propriedades
so vericadas:
1. (A+B) = A+B
2. ( +) A = A+A
3. (A) = () A
4. 1 A = A. O escalar 1 designa-se por unidade ou elemento neutro do
corpo K.
Demonstrao.
20
6 Teoria das Matrizes
1.
((A+B))
ij
= [(a
ij
+b
ij
)]
= [(a
ij
+b
ij
)]
= [a
ij
+b
ij
]
= [a
ij
] + [b
ij
]
= [a
ij
] +[b
ij
]
= (A)
ij
+ (B)
ij
2.
( +) (A)
ij
= ( +) [a
ij
]
= [( +) a
ij
]
= [a
ij
+a
ij
]
= [a
ij
] + [a
ij
]
= [a
ij
] +[a
ij
]
= (A)
ij
+ (A)
ij
3.
((A))
ij
= ([a
ij
])
= [a
ij
]
= [() a
ij
]
= () [a
ij
]
= (() A)
ij
4.
(1(A))
ij
= 1 [a
ij
]
= [1a
ij
]
= [a
ij
]
= (A)
ij
Exemplo 4 Considerem-se os seguintes casos:
3
1 2
3 4
=
3 1 3 2
3 3 3 4
=
3 6
9 12
21
6 Teoria das Matrizes
1
2
=
2 1
2 2
=
2
2
1
2
3 4
=
1
2
3
1
2
4
=
3
2
2
Proposio 4 O conjunto M
mn
(K) munido da adio denida na Denio
12 e da multiplicao por um escalar denida na Denio 13 um espao
vectorial sobre o corpo K de dimenso m n.
Adiante se estudaro mais aprofundadamente os espaos vectoriais.
6.2.3 Multiplicao de matrizes.
Denio 14 Sejam A M
mp
(K) e B M
pn
(K). A matriz produto de A
por B, que se denota AB (ou A B), dada pela matriz C = [c
rs
] M
mn
(K)
tal que c
rs
=
P
p
i=1
a
ri
b
is
,
(i,j){1,...,m}{1,...,n}
.
Note-se que a matriz A, que multiplica esquerda, tem tantas colunas quan-
tas as linhas de B. O elemento c
rs
obtm-se multiplicando os elementos da linha
r de A pelos elementos da coluna s de B, pela mesma ordem, e somando os pro-
dutos obtidos. Em nenhuma outra circunstncia possvel multiplicar duas
matrizes. De um modo geral, dadas duas matrizes A e B de dimenses, respec-
tivamente m n e p q, os produtos C = AB e D = BA so possveis nas
seguintes circunstncias:
Produto Possvel se ... Resultado
A
(mn)
B
(pq)
n = p C
(mq)
B
(pq)
A
(mn)
q = m D
(pn)
Exemplo 5 Considerem-se as seguinte matrizes reais:
A =
2 3 3
3 5 3
3 5 5
B =
2 0
2 1
1 3
C =
3 5 5
5 4 1
D =
3 5 3
Os produtos possveis so AB, BC, CA, CB, DA e DB. A ttulo exempli-
cativo, ter-se-:
22
6 Teoria das Matrizes
AB =
2 3 3
3 5 3
3 5 5
2 0
2 1
1 3
7 12
7 4
1 20
1 2
3 4
5 6
7 8
=
1 5 + 2 7 1 6 + 2 8
3 5 + 4 7 3 6 + 4 8
=
19 22
43 50
5 6
7 8
1 2
3 4
=
5 1 + 6 3 5 2 + 6 4
7 1 + 8 4 7 2 + 8 4
=
23 34
41 46
1
2
3 4
=
1 3 1 4
2 3 2 4
=
3 4
6 8
3 4
1
2
= [3 1 + 4 2]
= [11] = 11
1 1
1 1
1 1
1 1
=
1 1 + (1) 1 1 (1) + (1) (1)
1 1 + (1) 1 1 (1) + (1) (1)
=
0 0
0 0
23
6 Teoria das Matrizes
Nota 4 Em geral AB 6= BA. Veja-se o exemplo 6.
Denio 15 (Matrizes comutveis) Sejam A, B M
n
(K). Se AB =BA,
diz-se que A e B so matrizes comutveis.
evidente que s possvel que duas matrizes sejam comutveis se forem
quadradas. Se no o forem, ou bem que pelo menos um dos produtos no
possvel, ou, se o forem, as matrizes produto tm dimenses diferentes.
Proposio 5 Considerem-se as matrizes A = [a
ij
] , B = [b
ij
] M
mp
(K),
C = [c
jk
] , D = [d
jk
] M
pq
(K), F = [f
kl
] M
qn
(K) e o escalar K.
Vericam-se as seguintes propriedades:
1. (A+B) D = AD+AB e A(C +D) = AC+AD. Propriedade distributiva
da multiplicao de matrizes em relao adio de matrizes.
2. (AD) = (A) D = A(D).
3. (AD) F = A(DF). Propriedade associativa da multiplicao de matrizes.
4. A0 = 0 e 0A = 0. A matriz nula o elemento absorvente para a multi-
plicao de matrizes. As 4 matrizes nulas representadas nestas expresses
so diferentes uma vez que tm dimenses diferentes. Tero de ter as di-
menses adequadas para o produto faa sentido. As suas dimenses so,
respectivamente, p q, mq, q m e q p.
24
6 Teoria das Matrizes
Demonstrao.
1. Observemos primeiro que A e B tm dimenso mp e que D tem dimenso
p q pelo que (A+B) D e AD +AB tm dimenso mq.
((A+B) D)
ik
=
p
X
j=1
(A+B)
ij
d
jk
=
p
X
j=1
(a
ij
+b
ij
) d
jk
=
p
X
j=1
a
ij
d
jk
+
p
X
j=1
b
ij
d
jk
= (AD)
ik
+ (BD)
ik
2. De modo semelhante se mostra que A(C +D) = AC +AD.
((AD))
ik
=
p
X
j=1
a
ij
d
jk
=
p
X
j=1
(a
ij
) d
jk
=
p
X
j=1
(A)
ij
d
jk
= ((A) D)
ik
.
Mas tambm,
p
X
j=1
a
ij
d
jk
=
p
X
j=1
a
ij
(d
jk
)
=
p
X
j=1
a
ij
(D)
jk
= (A(D))
ik
.
3. Note-se em primeiro lugar que as matrizes (AD) F e A(DF) tm ambas
dimenso mn.
25
6 Teoria das Matrizes
((AD) F)
il
=
q
X
k=1
(AD)
ik
f
kl
=
q
X
k=1
p
X
j=1
a
ij
d
jk
f
kl
=
q
X
k=1
p
X
j=1
a
ij
d
jk
f
kl
=
p
X
j=1
a
ij
q
X
k=1
d
jk
f
kl
!
=
p
X
j=1
a
ij
(DF)
jl
= (A(DF))
il
.
Proposio 6 O conjunto M
n
(K) munido da adio denida na Denio 12
e da multiplicao denida na Denio 14 constitui um anel:
1.
A,BMn(K)
,
CMn(K)
: C = A +B. O conjunto M
n
(K) fechado para
a adio.
2.
A,B,CM
n
(K)
, A + (B +C) = (A+B) + C. Propriedade associativa da
adio de matrizes.
3.
A,BM
n
(K)
, A + B = B + A. Propriedade comutativa para a adio de
matrizes.
4.
AMn(K)
,
BMn(K)
: A + B = A. A matriz Bdesigna-se por elemento
neutro para a adio de matrizes.
5.
AM
n
(K)
,
BM
n
(K)
: A+B = 0. Todos os elementos so regulares para
a adio de matrizes.
6.
A,BM
n
(K)
,
CM
n
(K)
: C = A B. O conjunto M
n
(K) fechado para a
multiplicaao.
7.
A,B,CMn(K)
, A(BC) = (AB) C. Propriedade associativa da multipli-
cao de matrizes.
26
6 Teoria das Matrizes
8.
AMn(K)
,
BMn(K)
: AB = BA = A. A matriz B o elemento neutro
para a multiplicao de matrizes, e denomina-se por identidade de ordem
n, denotando-se por I
n
ou simplesmente I se no houver dvida quanto
ordem.
9.
A,B,CMn(K)
, A(B +C) = AB +BC. Propriedade distributiva da mul-
tiplicao em relao adio de matrizes.
Nota 5 Note-se que, se A M
mn
(K) tem-se I
m
A = A e AI
n
= A. Isto ,
desde que a matriz identidade tenha a ordem correcta para que o produto possa
ser efectuado, o produto ( esquerda ou direita) de qualquer matriz A pela
identidade sempre a matriz, como a seguir se demonstra
1
:
(I
m
A)
ik
=
m
X
j=1
ij
a
jk
= a
ik
= (A)
ik
(AI
n
)
ik
=
n
X
j=1
a
ij
jk
= a
ik
= (A)
ik
6.2.4 Multiplicao por blocos.
Denio 16 (Submatriz) Seja A M
mn
(K). Designa-se submatriz de A
a uma matriz formada pelos elementos de A que pertencem a algumas linhas e
algumas colunas previamente xadas de A.
Denio 17 (Partio em blocos) Seja A M
mn
(K). Diz-se que A est
particionada em blocos se cada bloco ocupar as mesmas linhas de A que os blocos
situados sua esquerda ou direita e ocupar as mesmas colunas de A que os blocos
situados acima ou abaixo.
Por outras palavras, para que uma matriz esteja particionada em blocos
necessrio que as submatrizes que constituem cada bloco sejam formadas por
linhas e colunas consecutivas da matriz A.
A multiplicao por blocos realiza-se da seguinte forma:
(a) Sejam A M
mp
(K) e B M
pn
(K) e C = AB.
(b) Considerem-se nmeros inteiros p
1
, p
2
, , p
h
tais que sejam veri-
cadas as relaes 1 p
1
< p
2
< < p
h
< p.
27
6 Teoria das Matrizes
(c) Escreva-se c
ij
=
p
1
X
r=1
a
ir
b
rj
| {z }
c
(1)
ij
+
p
2
X
r=p1+1
a
ir
b
rj
| {z }
c
(2)
ij
+ +
p
X
r=p
h
+1
a
ir
b
rj
| {z }
c
(h+1)
ij
. O
elemento c
(1)
ij
resulta de somar os produtos dos primeiros p
1
elementos
da linha i de A pelos primeiros p
1
elementos da coluna j de B; c
(2)
ij
a soma dos produtos dos p
2
p
1
elementos seguintes da linha i de
A pelos p
2
p
1
elementos seguintes da coluna j de B e assim por
diante.
Em resumo, dadas duas matrizes A e B, possvel calcular o seu produto
AB por blocos se forem vericadas as seguintes condies:
(a) A M
mp
(K) e B M
pn
(K). Esta a condio que requer que
o nmero de colunas da matriz que multiplica esquerda seja igual
ao nmero de linhas da matriz que multiplica direita.
(b) O nmero de colunas de blocos de A tem de ser igual ao nmero de
linhas de blocos de B.
(c) O nmero de colunas de cada bloco A
ij
tem de ser igual ao nmero
de linhas de cada bloco B
jt
, a m de se poder efectuar o produto
A
ij
B
jt
.
Se, por exemplo, as colunas da matriz A, em nmero de 6, forem divididas
nos seguintes blocos (1, 2), (3, 4, 5), (6), ento as linhas da matriz B tero de
ser divididas da mesma forma. A diviso das linhas da matriz A e colunas da
matriz B independente uma da outra.
A multiplicao por blocos por vezes cmoda em particular se alguns dos
blocos forem matrizes nulas ou matrizes identidades.
Exemplo 7 Considerem-se as matrizes
A=
1 0 0 0 1 4
0 1 0 0 3 3
0 0 1 0 1 5
2 3 5 5 1 5
e B=
2 3 3 3 5
3 3 5 5 2
0 1 1 1 3
3 5 5 5 4
1 3 0 0 0
3 5 0 0 0
e B =
B
11
B
12
B
21
B
22
B
31
B
32
Teremos assim:
C
11
= A
11
B
11
+A
12
B
21
+A
13
B
31
=
= I
3
2 3
3 3
0 1
0
0
0
3 5
1 4
3 3
1 5
1 3
3 5
2 3
3 3
0 1
0 0
0 0
0 0
6 17
6 6
14 22
8 14
3 3
14 23
C
12
= A
11
B
12
+A
12
B
22
+A
13
B
32
=
= I
3
3 3 5
5 5 2
1 1 3
0
0
0
5 5 4
1 4
3 3
1 5
0 0 0
0 0 0
3 3 5
5 5 2
1 1 3
0 0 0
0 0 0
0 0 0
0 0 0
0 0 0
0 0 0
3 3 5
5 5 2
1 1 3
C
21
= A
21
B
11
+A
22
B
21
+A
23
B
31
=
=
2 3 5
2 3
3 3
0 1
3 5
1 5
1 3
3 5
=
13 2
+
15 25
+
14 22
=
42 5
29
6 Teoria das Matrizes
C
22
= A
21
B
12
+A
22
B
22
+A
23
B
32
=
=
2 3 5
3 3 5
5 5 2
1 1 3
5 5 4
1 5
0 0 0
0 0 0
=
16 16 11
+
25 25 20
+
0 0 0
=
9 9 31
A matriz C ser portanto:
C =
8 14 3 3 5
3 3 5 5 2
14 23 1 1 3
42 5 9 9 31
1 2
3 4
T
=
1 3
2 4
1
2
T
=
1 2
3 4
T
=
3
4
30
6 Teoria das Matrizes
3 5 5
5 4 1
T
=
3 5
5 4
5 1
.
Exemplo 9 A matriz
A =
a b
b c
T
= A.
2. (AB)
T
= A
T
B
T
.
3. (AC)
T
= C
T
A
T
.
4.
Q
M
k=1
D
k
T
=
Q
M
k=1
D
T
k
.
Demonstrao.
1.
A
T
ij
=
A
T
ji
= (A)
ij
.
31
6 Teoria das Matrizes
2.
(AB)
T
ij
= (AB)
ji
= a
ji
b
ji
=
A
T
ij
B
T
ij
.
3.
(AC)
T
ki
= (AC)
ik
=
p
X
j=1
a
ij
c
jk
=
p
X
j=1
A
T
ji
C
T
kj
=
p
X
j=1
C
T
kj
A
T
ji
=
C
T
A
T
ki
.
4. Por induo em M. O caso M = 2 verica-se na Propriedade 3. Supon-
hamos que, por hiptese,
Q
M1
k=1
D
k
T
=
Q
M1
k=1
D
T
k
. Mostremos que
Q
M
k=1
D
k
T
=
Q
M
k=1
D
T
k
tambm se verica.
M
Y
k=1
D
k
!
T
=
M1
Y
k=1
D
k
!
D
M
!
T
= (D
M
)
T
M1
Y
k=1
D
k
!
T
(pela Propriedade 3)
= (D
M
)
T
M1
Y
k=1
D
T
k
(por hiptese)
=
M
Y
k=1
D
T
k
Proposio 8 O produto de duas matrizes A, B M
n
(K) simtricas uma
matriz simtrica sse os seus factores comutam.
32
6 Teoria das Matrizes
Demonstrao.
(=)
AB = (AB)
T
(porque AB simtrica)
= B
T
A
T
(pela Propriedade 3 da transposio de matrizes)
= BA (porque A e B so comutveis)
(=)
(AB)
T
= (BA)
T
(porque A e B comutam)
= A
T
B
T
(pela Propriedade 3 da transposio de matrizes.
= AB (porque A e B so simtricas)
6.4 Trao de uma matriz
Denio 21 (Trao de uma Matriz) Seja A = [a
ij
] M
mn
(K). O trao
da matriz A denido como a soma os seus elementos principais, ou, por outras
palavras, dos elementos ao longo da diagonal principal. Denota-se por:
tr (A) = a
11
+a
22
+ +a
pp
, onde p = min(m, n) .
Exemplo 10 Considerem-se as seguintes matrizes e determinemos os respec-
tivos traos:
3 0 1 3 1
1 2 0 1 1
0 2 -3 1 1
. tr (A) = 3 + 2 + (3) = 2.
3 0
1 2
0 2
. tr (A) = 3 + 2 = 5.
1 3 1
0 -1 1
3 1 1
. tr (A) = 1 + (1) + 1 = 1.
O operador tr () satisfaz as seguintes propriedades:
33
6 Teoria das Matrizes
Proposio 9 Sejam A=[a
ij
] , B=[b
ij
] M
mn
(K) e C=[c
pq
] M
nm
(K).
Vericam-se as seguintes igualdades:
1. tr (A+B) = tr (A) +tr (B).
2. tr (A+B) = tr (B +A).
3. tr (AC) = tr (CA).
Demonstrao.
1. Dado que A e B tm as mesmas dimenses a soma A + B encontra-se
denida. Prosseguindo com a argumentao, segue que:
tr (A+B) = tr
(A+B)
ij
=
min(m,n)
X
l=1
(a
ll
+b
ll
)
=
min(m,n)
X
l=1
a
ll
+
min(m,n)
X
l=1
b
ll
= tr (A) +tr (B)
2. Dado que A e B tm as mesmas dimenses as somas A + B e B + A
encontram-se denidas. Prosseguindo com a argumentao, segue que:
tr (A+B) = tr
(A+B)
ij
=
min(m,n)
X
l=1
(a
ll
+b
ll
)
=
min(m,n)
X
l=1
(b
ll
+a
ll
)
= tr
(B +A)
ij
= tr (B +A)
3. Se A M
mn
(K) e C M
nm
(K) , tem-se naturalmente AC M
m
(K).
O traco de AC ser:
34
6 Teoria das Matrizes
tr (AC) = tr
(AC)
iq
= tr
n
X
j=1
a
ij
c
jq
=
m
X
i=1
n
X
j=1
a
ij
c
ji
=
m
X
i=1
n
X
j=1
a
ij
c
ji
Por outro lado tem-se CA M
n
(K). O traco de CA ser:
tr (CA) = tr
(CA)
pj
= tr
m
X
i=1
c
pi
a
ij
!
=
n
X
j=1
m
X
i=1
c
ji
a
ij
!
=
n
X
j=1
m
X
i=1
c
ji
a
ij
=
m
X
i=1
n
X
j=1
a
ij
c
ji
= tr (AC)
6.5 Dependncia e independncia lineares de las parale-
las de uma matriz.
Denio 22 (Combinao linear das las de uma matriz) Seja a ma-
triz A M
mn
(K) e sejam L
i
=
a
i1
a
i2
a
in
, i = 1, , m as
linhas da matriz A e C
j
= {a
1j
, a
2j
, , a
mj
} , j = 1, , n as colunas da ma-
triz A.
1. expresso
m
P
i=1
i
L
i
designa-se combinao linear das linhas de A, onde
{
i
}
i=1, ,m
so quaisquer escalares do corpo K.
35
6 Teoria das Matrizes
2. expresso
n
P
j=1
j
C
j
designa-se combinao linear das colunas de A, onde
j=1, ,n
so quaisquer escalares do corpo K.
Denio 23 (Combinao linear nula das las de uma matriz) Sejam
A M
mn
(K), {L
i
}
i=1, ,m
as linhas da matriz A e {C
j
}
j=1, ,n
as colunas
da matriz A.
1. expresso
m
P
i=1
i
L
i
= 0 designa-se combinao linear nula das linhas de
A, onde {
i
}
i=1, ,m
so quaisquer escalares do corpo K.
2. expresso
n
P
j=1
j
C
j
= 0 designa-se combinao linear nula das colunas
de A, onde
j=1, ,n
so quaisquer escalares do corpo K.
Denio 24 (Independncia linear) Sejam A M
mn
(K), {L
i
}
i=1, ,m
as linhas da matriz A e {C
j
}
j=1, ,n
as colunas da matriz A. Diz-se que as
linhas (colunas) de A so linearmente independentes se
m
P
i=1
0L
i
(ou
n
P
j=1
0C
j
para
as colunas) a nica combinao linear nula dessas linhas (colunas).
Por outras palavras, as linhas (ou colunas) de uma matriz dizem-se linear-
mente independentes se a nica combinao linear nula daquelas a que se
obtm com todos os escalares nulos.
A seguinte constatao consequncia imediata da denio acima:
Nota 6 As linhas (colunas) de uma matriz so linearmente dependentes se
possvel obter uma combinao linear nula daquelas com pelo menos um escalar
diferente de 0.
As denies acima aplicam-se indiferentemente s linhas e colunas de uma
qualquer matriz. Por esse motivo, faremos referncia s las de uma matriz
sempre que no for necessrio referir explicitamente as linhas ou colunas da
matriz. Denotaremos por {F
k
}
k=1, ,p
as las da matriz. Note-se, no entanto,
que a referncia s las de uma matriz dever ser entendida como referncia s
linhas ou s colunas e no aos dois conjuntos simultaneamente.
Matematicamente, a condio de independncia linear das las de uma ma-
triz pode ser descrita pelas equaes (4).
m
P
i=1
i
L
i
= 0 =
i
= 0, i = 1, , m (linhas)
n
P
j=1
j
C
j
= 0 =
j
= 0, j = 1, , n (colunas)
(4)
Em geral, os resultados vlidos para as linhas tambm o so para as colunas.
36
6 Teoria das Matrizes
Proposio 10 Sejam A M
mn
(K) e {F
k
}
k=1, ,p
as las da matriz A.
Vericam-se os seguintes resultados:
1. Se uma das las de A constituda integralmente por zeros, as las so
linearmente dependentes.
2. Algumas das las de A so linearmente dependentes se e s se todas o
so.
3. As las de A so linearmente dependentes se e s as las em que a la F
k
substituda pela la F
0
k
= F
k
, K\ {0} so linearmente dependentes.
4. As las de A so linearmente dependentes se e s as las em que a la F
k
substituda pela la F
0
k
= F
k
+F
l
, k 6= l so linearmente dependentes.
5. As las de A so linearmente dependentes se e s se o mesmo sucede
s las que se obtm somando a uma delas uma combinao linear das
restantes.
6. As las de A so linearmente dependentes se e s se algumas delas se
podem escrever como combinao linear das restantes.
Demonstrao. Para efeito da demonstrao utilizar-se-o as linhas da
matriz. A prova para as colunas equivalente.
1. Suponhamos que a linha L
k
inteiramente nula. A combinao linear
nula das linhas da matriz dada por
P
i6=k
i
L
i
+
k
L
k
= 0. Sabendo
que L
k
= 0 teremos
k
L
k
= 0 para qualquer
k
K. Em particular, se
escolhermos
k
6= 0, teremos uma combinao linear nula das linhas com
pelo menos um escalar no nulo, precisamente o escalar
k
, logo, as linhas
da matriz A so linearmente dependentes
2.(=) Suponhamos, sem perda de generalidade, que as p primeiras linhas
da matriz A so linearmente dependentes. Existir assim pelo menos
um escalar no nulo, digamos
k
, com algum k : 1 k p tal
que
P
p
i=1
i
L
i
= 0. Se escolhermos escalares nulos para as restantes
linhas da matriz teremos
P
m
i=p+1
i
L
i
=
P
m
i=p+1
0L
i
= 0. Assim,
teremos
P
p
i=1
i
L
i
+
P
m
i=p+1
i
L
i
= 0 com o escalar
k
no-nulo,
isto , as linhas da matriz A so linearmente dependentes.
(=) Se as linhas da matriz A so linearmente dependentes, ento
k{1, ,m}
:
k
6= 0
X
i6=k
i
L
i
+
k
L
k
= 0
Se os restantes escalares forem nulos, teremos
37
6 Teoria das Matrizes
X
i6=k
i
L
i
+
k
L
k
+
X
i6=k
0L
i
+
k
L
k
=
k
L
k
= 0
Deste modo, qualquer conjunto de linhas que inclua a linha L
k
, que
nestas circunstncias integralmente nula, linearmente dependente.
3.(=) Suponhamos que as linhas de A so linearmente dependentes.
Substituamos a linha L
k
pela linha L
0
k
= L
k
, 6= 0. A combinao
linear nula das linhas de A onde a linha L
k
substituda por L
0
k
dada por
P
i6=k
i
L
i
+
k
L
0
k
= 0
P
i6=k
i
L
i
+ (
k
) L
k
= 0.
Mas as linhas de A so linearmente dependentes pelo que a respectiva
combinao linear nula se obtm com pelo menos um escalar no nulo.
Ou bem que esse escalar
i
, i 6= k, ou bem que ser
k
. Neste
caso, como 6= 0 teremos
k
6= 0. Em qualquer caso, possvel
obter uma combinao linear nula das linhas {L
i
}
i=1,n
i6=k
L
0
k
com
pelo menos um escalar no nulo.
(=) Suponhamos que as linhas {L
i
}
i6=k
L
0
k
so linearmente dependentes.
A combinao linear nula das linhas de A dada por
X
i6=k
i
L
i
+
k
L
k
= 0,
a qual passvel de ser reescrita como
X
i6=k
i
L
i
+
k
( L
k
) =
X
i6=k
i
L
i
+
k
L
0
k
= 0.
Dada a dependncia linear de {L
i
}
i6=k
L
0
k
ou bem que teremos
i
6= 0, i 6= k ou teremos
k
k
6= 0. Em qualquer caso, possvel obter uma combinao linear
nula das linhas {L
i
}
i=1, ,m
com pelo menos um escalar no nulo.
4.(=) Suponhamos que as linhas de A so linearmente dependentes.
Substituamos a linha L
k
pela linha L
0
k
= L
k
+ L
l
, k 6= l. A combi-
nao linear nula das linhas de A onde a linha L
k
substituda por L
0
k
dada por
P
i6=k
i
L
i
+
k
L
0
k
=
P
i6=k
i
L
i
+
k
(L
k
+L
l
)=0. Esta ex-
presso pode ser reescrita como
P
i6=k,l
i
L
i
+
k
L
k
+(
k
+
l
) L
l
=0.
Mas as linhas de A so linearmente dependentes pelo que a respec-
tiva combinao linear nula se obtm com pelo menos um escalar
no nulo. Ou bem que esse escalar
i
, i 6= k, l, ou bem que ser
k
, ou ento ser (
k
+
l
). Neste caso, ter-se- obrigatoriamente
38
6 Teoria das Matrizes
k
6= 0
l
6= 0. Em qualquer caso, possvel obter uma combinao
linear nula das linhas {L
i
}
i6=k
L
0
k
com pelo menos um escalar no
nulo.
(=) Suponhamos que as linhas {L
i
}
i6=k
L
0
k
so linearmente dependentes.
A combinao linear nula das linhas de A dada por
X
i6=k
i
L
i
+
k
L
k
= 0,
a qual passvel de ser reescrita como
X
i6=k
i
L
i
+ (
k
L
k
+
k
L
l
)
| {z }
k
L
0
k
k
L
l
=
X
i6=k,l
i
L
i
+ (
l
k
) L
l
+
k
L
0
k
=0
Dada a dependncia linear de {L
i
}
i6=k
L
0
k
ou bem que teremos
i
6= 0, i 6= k, l ou teremos
k
6= 0 ou ainda (
l
k
) 6= 0. Neste
caso, ter-se- obrigatoriamente
k
6= 0
l
6= 0. Em qualquer caso,
possvel obter uma combinao linear nula das linhas {L
i
}
i=1, ,m
com pelo menos um escalar no nulo.
5.(=) Suponhamos que as linhas de A so linearmente dependentes.
Substituamos a linha L
k
pela linha L
0
k
= L
k
+
P
i6=k
i
L
i
. A combi-
nao linear nula das linhas de A onde a linha L
k
substituda por L
0
k
dada por
P
i6=k
i
L
i
+
k
L
0
k
=
P
i6=k
i
L
i
+
k
L
k
+
P
i6=k
i
L
i
=0.
Esta expresso pode ser reescrita como
P
i6=k
(
i
+
k
i
)L
i
+
k
L
k
=0.
Mas as linhas de A so linearmente dependentes pelo que a re-
spectiva combinao linear nula se obtm com pelo menos um es-
calar no nulo. Ou bem que esse escalar
k
ou bem que ser
(
i
+
k
i
) , i 6= k. Neste caso, ter-se- obrigatoriamente
k
i
6= 0
(o que implica
k
6= 0)
i
6= 0, i 6= k. Em qualquer caso, possvel
obter uma combinao linear nula das linhas {L
i
}
i6=k
L
0
k
com pelo
menos um escalar no nulo.
(=) Suponhamos que as linhas {L
i
}
i6=k
L
0
k
so linearmente dependentes.
A combinao linear nula das linhas de A dada por
X
i6=k
i
L
i
+
k
L
k
= 0,
a qual passvel de ser reescrita como
39
6 Teoria das Matrizes
X
i6=k
i
L
i
+
k
L
k
+
k
X
i6=k
i
L
i
k
X
i6=k
i
L
i
=
X
i6=k
(
i
k
) L
i
+
k
L
0
k
=0
Dada a dependncia linear de {L
i
}
i6=k
L
0
k
ou bem que teremos
k
6= 0 ou bem que teremos (
i
k
) 6= 0, i 6= k. Neste caso, ter-se-
obrigatoriamente (
k
6= 0
i
6= 0)
i6=k
. Em qualquer caso, possvel
obter uma combinao linear nula das linhas {L
i
}
i=1, ,m
com pelo
menos um escalar no nulo.
6.(=) Suponhamos que as linhas de A so linearmente dependentes. Seja
k
um dos escalares no nulos para os quais se obtm uma combinao
linear nula das linhas de A. A combinao linear nula
P
i
i
L
i
= 0
pode ser reescrita como L
k
=
1
k
P
i6=k
i
L
i
, uma vez que
k
6= 0.
A expresso mostra que a linha L
k
pode ser escrita como combinao
linear das restantes linhas da matriz.
(=) Suponhamos que possvel escrever a linha L
k
como combinao
linear das restantes linhas, isto , L
k
=
P
i6=k
i
L
i
. Resulta que
L
k
P
i6=k
i
L
i
= 0, isto , obteve-se uma combinao linear nula
das linhas da matriz A, em que pelo menos um escalar no nulo (o
escalar 1 associado linha L
k
). Tal mostra que as linhas de A so
linearmente dependentes.
Proposio 11 Sejam A M
mn
(K), B M
np
(K) e C = AB. Ento cada
linha (respectivamente coluna) de C combinao linear das linhas (respectiva-
mente colunas) de B (respectivamente A). Mais precisamente:
1. A linha i
0
de C combinao linear das linhas de B que se obtm uti-
lizando os escalares da linha i
0
de A.
2. A coluna j
0
de C combinao linear das colunas de A que se obtm
utilizando os escalares da coluna j
0
de B.
Demonstrao.
1. c
i0k
= (AB)
i0k
=
P
n
j=1
a
i0j
b
jk
. Logo,
L
C
i
0
=
c
i01
c
i02
c
i0p
=
P
n
j=1
a
i
0
j
b
j1
P
n
j=1
a
i
0
j
b
j2
P
n
j=1
a
i
0
j
b
jp
=
n
X
j=1
a
i
0
j
b
j1
b
j2
b
jp
=
n
X
j=1
a
i
0
j
L
B
j
40
6 Teoria das Matrizes
2. A prova em tudo semelhante anterior mutatis mutantis.
6.6 Caracterstica de uma matriz. Operaes elementares.
Denio 25 (Caracterstica) Seja AM
mn
(K). Designa-se caracters-
tica de linha da matriz A ao nmero mximo de linhas linearmente indepen-
dentes; denotase este valor por r
l
(A). Analogamente a caracterstica de col-
una da matriz A, r
c
(A), o nmero mximo de colunas linearmente indepen-
dentes. A caracterstica da matriz, denotada por r
A
(ou simplesmente r quando
estiver claro a matriz a que se refere) dene-se como o nmero mximo de linhas
ou colunas linearmente independentes, isto , r
A
= mn{r
l
(A) , r
c
(A)}.
Tem-se claramente r
l
(A) m e r
c
(A) n e portanto r
A
mn{m, n},
onde m e n so respectivamente o nmero de linhas e colunas da matriz em
causa.
Resta desenvolver um processo que permita determinar a caracterstica de
linha (ou coluna) de uma matriz, e portanto da sua caracterstica.
Proposio 12 Sejam A M
mn
(K), B M
np
(K) e C = AB. Ento
r
l
(C) r
l
(B) e r
c
(C) r
c
(A).
Demonstrao. Recordando a proposio 11 vericmos que,
L
C
i
=
n
X
j=1
a
ij
L
B
j
,
i=1, ,m
,
isto , cada linha de C combinao linear das linhas de B. Ora, se o nmero
mximo de linhas linearmente independentes de B r
l
(B) ento, cada linha de
C pode ser escrita apenas custa das r
l
(B) linhas de B que so efectivamente
linearmente independentes; as restantes linhas de B ou bem que so nulas ou
bem que se podem escrever como combinao das que so linearmente indepen-
dentes como vimos na Proposio (10). Suponhamos, sem perda de generalidade
que so precisamente as primeiras r
l
(B) linhas de B que so linearmente inde-
pendentes. Tal signica que as linhas de C podem ser escritas como combinao
destas linhas de B (agora com outros escalares que no aqueles dados pelas li-
nhas de A). Isto , L
C
i
=
P
r
l
(B)
k=1
i
k
L
B
k
,
i=1, ,m
. Suponhamos, por reduo ao
absurdo que C tem r
l
(B) +1 linhas lineamente independentes, precisamente as
primeiras. Sabemos ento que a combinao linear nula destas r
l
(B) +1 linhas
s passvel de ser obtida com todos os escalares nulos.
41
6 Teoria das Matrizes
0 =
r
l
(B)+1
X
i=1
i
L
C
i
=
r
l
(B)+1
X
i=1
i
r
l
(B)
X
k=1
i
k
L
B
k
=
r
l
(B)+1
X
i=1
i
1
L
B
1
+
r
l
(B)+1
X
i=1
i
2
L
B
2
+ +
r
l
(B)+1
X
i=1
i
r
l
(B)
L
B
r
l
(B)
Ora, as r
l
(B) primeiras linhas de B so linearmente independentes pelo que
a combinao nula anterior s se poder obter com todos os escalares nulos, o
que corresponde a resolver o sistema em ordem a {
i
}
i=1, ,r
l
(B)+1
:
P
r
l
(B)+1
i=1
i
i
1
= 0
P
r
l
(B)+1
i=1
i
i
2
= 0
P
r
l
(B)+1
i=1
i
i
r
l
(B)
= 0
O sistema acima temr
l
(B) e r
l
(B)+1 incgnitas. Trata-se de um sistema in-
determinado possuindo outras solues que no a soluo {
i
= 0}
i=1, ,r
l
(B)+1
.
Mas isto um absurdo pois por hiptese as primeiras r
l
(B)+1 linhas de C eram
linearmente independentes. O absurdo reside evidentemente no facto de se ter
assumido que o nmero mximo de linhas linearmente idependentes de C era
superior a r
l
(B), logo dever-se- ter r
l
(C) r
l
(B).
A prova relativamente armao r
c
(C) r
c
(A) em tudo semelhante
anterior.
6.6.1 Operaes Elementares
Os resultados da Proposio (10) permitem concluir que a dependncia ou in-
dependncia lineares das linhas (ou colunas) de uma matriz no alterada por
um conjunto de operaes que no seu conjunto se designam por Operaes Ele-
mentares Sobre Filas de uma Matriz.
Denio 26 (Operaes Elementares) Seja A M
mn
(K). Dene-se
como operao elementar sobre as las da matriz A, a cada uma das seguintes
operaes:
i. Troca entre si de duas linhas (ou colunas) da matriz.
ii. Multiplicao de uma linha (ou coluna) da matriz por um escalar diferente
de 0.
42
6 Teoria das Matrizes
iii. Substituio de uma linha (ou coluna) pela que se obtm somando-lhe
outra, multiplicada por um qualquer escalar (Operao de Jacobi).
As operaes elementares acima denidas correspondem multiplicao (
esquerda ou direita) da matriz A por matrizes que resultam da matriz iden-
tidade, que dever ter dimenso apropriada, por aplicao das operaes ele-
mentares.
Denio 27 (Matriz Elementar) Seja I M
n
(K) a matriz identidade de
ordem n. Designa-se por matriz elementar de ordem n a qualquer matriz E que
resulte de I por aplicao de uma das trs operaes elementares.
Consideremos genericamente uma matriz A M
mn
(K). Vejamos, caso
a caso, que matriz, resultante da aplicao de operaes elementares sobre a
matriz identidade, deve multiplicar, ou pela qual se deve multiplicar, a matriz
A de forma a que as mesmas operaes elementares tenham o mesmo efeito
sobre A. Naturalmente que, a multiplicao esquerda ou direita da matriz
A implica uma escolha acertada para a ordem das matrizes elementares a mul-
tiplicar. Assim, a multiplicao esquerda da matriz A implica a utilizao
de matrizes elementares de ordem m, enquanto que a multiplicao direita
implica a utilizao de matrizes elementares de ordem n.
Regra geral
Operaes elementares sobre as linhas da matriz A fazem-se por multi-
plicaes esquerda desta enquanto que operaes elementares sobre as
colunas se fazem por multiplicaes direita.
Troca de Linhas
Dadas duas linhas, L
i
e L
k
, i 6= k da matriz A, a troca destas linhas
processa-se multiplicando a matriz A, esquerda, pela matriz E que re-
sulta da troca das linhas i e k da matriz identidade I. Representa-se por
(L
i
L
k
). Matriz elementar associada: E
ik
.
Troca de Colunas
Dadas duas colunas, C
j
e C
l
, j 6= l da matriz A, a troca destas colunas
processa-se multiplicando a matriz A, direita, pela matriz F que resulta
da troca das colunas j e l da matriz identidade I. Representa-se por
(C
j
C
l
). Matriz elementar associada: F
jl
.
Multiplicao de Linha por um Escalar
Dado um escalar K, a multiplicao da linha L
i
da matriz A corre-
sponde a multiplicar A, esquerda, pela matriz E que resulta da matriz
identidade por substituio do i-simo elemento da diagonal, que 1, por
, ou, por outras palavras, consiste na multiplicao da i-sima linha da
matriz diagonal pelo escalar . Representa-se por (L
i
L
i
). Matriz
elementar associada: E
i
().
43
6 Teoria das Matrizes
Multiplicao de Coluna por um Escalar
Dado um escalar K, a multiplicao da coluna C
j
da matriz A cor-
responde a multiplicar A, direita, pela matriz F que resulta da matriz
identidade por substituio do i-simo elemento da diagonal, que 1, por
, ou, por outras palavras, consiste na multiplicao da i-sima coluna da
matriz diagonal pelo escalar . Representa-se por (C
j
C
j
). Matriz
elementar associada: F
j
().
Operao de Jacobi sobre Linhas
Dadas duas linhas, L
i
e L
k
, i 6= k da matriz A e um escalar K, a
substituio da linha L
i
pela linha L
i
+ L
k
processa-se multiplicando
a matriz A, esquerda, pela matriz E que resulta da matriz identidade
por substituio da linha i pela que se obtm somando-lhe a linha k mul-
tiplicada pelo escalar . Representa-se por (L
i
L
i
+ L
k
). Matriz
elementar associada: E
ik
().
Operao de Jacobi sobre Colunas
Dadas duas colunas, C
j
e C
l
, j 6= l da matriz A e um escalar K, a
substituio da linha C
j
pela linha C
j
+ C
l
processa-se multiplicando
a matriz A, direita, pela matriz F que resulta da matriz identidade
por substituio da coluna j pela que se obtm somando-lhe a coluna l
multiplicada pelo escalar . Representa-se por (C
j
C
j
+ C
l
). Matriz
elementar associada: F
jl
().
Exemplo 11 Considere-se a matriz
A =
34 68 85 38
90 52 43 91
30 90 24 52
Vejamos como cada uma das seguintes operaes elementares sobre a ma-
triz A resulta da multiplicao desta matriz pela que resulta da identidade por
aplicao das mesmas operaes elementares:
1. Troca das linhas 1 e 3.
Deveremos considerar uma multiplicao esquerda. Tomamos a matriz
identidade I
3
e trocamos as linhas 1 e 3 para obter a matriz E:
1 0 0
0 1 0
0 0 1
L
1
L
3
0 0 1
0 1 0
1 0 0
0 0 1
0 1 0
1 0 0
34 68 85 38
90 52 43 91
30 90 24 52
30 90 24 52
90 52 43 91
34 68 85 38
A matriz A
0
resultou da matriz A por troca das linhas 1 e 3 como se
pretendia.
2. Troca das colunas 2 e 3.
Deveremos considerar uma multiplicao direita. Tomamos a matriz
identidade I
4
e trocamos as colunas 2 e 3 para obter a matriz F:
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
C
2
C
3
1 0 0 0
0 0 1 0
0 1 0 0
0 0 0 1
34 68 85 38
90 52 43 91
30 90 24 52
1 0 0 0
0 0 1 0
0 1 0 0
0 0 0 1
34 85 68 38
90 43 52 91
30 24 90 52
A matriz A
0
resultou da matriz A por troca das colunas 2 e 3 como se
pretendia.
3. Multiplicao de uma linha por um escalar.
Suponhamos que se pretende multiplicar a linha 2 da matriz A pelo escalar
1 0 0
0 1 0
0 0 1
L
0
2
2L
2
1 0 0
0
2 0
0 0 1
A
=
1 0 0
0
2 0
0 0 1
34 68 85 38
90 52 43 91
30 90 24 52
34 68 85 38
90
2 52
2 43
2 91
2
30 90 24 52
A matriz A
0
resultou da matriz A por multiplicao da 2
a
linha por
2.
4. Multiplicao de uma coluna por um escalar.
Suponhamos que se pretende multiplicar a coluna 3 da matriz A pelo es-
calar
2
5
. Para tal, tomamos a matriz identidade I
4
e multiplicamos a ter-
ceira coluna pelo escalar pretendido para obter a matriz F. Seguidamente
faz-se o produto AF para obter a matriz pretendida.
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
C
0
3
2
5
C
3
1 0 0 0
0 1 0 0
0 0
2
5
0
0 0 0 1
2
5
34 68 85 38
90 52 43 91
30 90 24 52
1 0 0 0
0 1 0 0
0 0
2
5
0
0 0 0 1
34 68 34 38
90 52
86
5
91
30 90
48
5
52
A matriz A
0
resultou da matriz A por multiplicao da linha 3
a
coluna por
2
5
.
46
6 Teoria das Matrizes
5. Operao de Jacobi sobre as linhas da matriz A.
Consideremos as linhas 1 e 3 da matriz A. Suponhamos que se pretende
substituir a linha L
3
pela que se obtm somando-lhe a linha L
1
multiplicada
pelo escalar
2. Tomamos a matriz identidade I
3
e substitumos a linha
L
3
pela que se obtm somando-lhe
2L
1
. A matriz F assim obtida
multiplicada por A, esquerda.
1 0 0
0 1 0
0 0 1
L
3
L
3
+
2L
1
1 0 0
0 1 0
2 0 1
A
=
1 0 0
0 1 0
2 0 1
34 68 85 38
90 52 43 91
30 90 24 52
34 68 85 38
90 52 43 91
34
2 + 30 68
2 + 90 85
2 24 38
2 52
A matriz A
0
resultou da matriz A por substituio da linha 3 pela que se
obteve somando-lhe a linha 1 multiplicada por
2.
6. Operao de Jacobi sobre as colunas da matriz A.
Consideremos as colunas 2 e 3 da matriz A. Suponhamos que se pretende
substituir a coluna C
3
pela que se obtm somando-lhe a coluna C
2
multi-
plicada pelo escalar
2
5
. Tomamos a matriz identidade I
4
e substitumos a
coluna C
3
pela que se obtm somando-lhe
2
5
C
2
. A matriz F assim obtida
multiplicada por A, direita.
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
C
3
C
3
+
2
5
C
2
1 0 0 0
0 1
2
5
0
0 0 1 0
0 0 0 1
2
5
34 68 85 38
90 52 43 91
30 90 24 52
1 0 0 0
0 1
2
5
0
0 0 1 0
0 0 0 1
34 68
561
5
38
90 52
319
5
91
30 90 12 52
A matriz A
0
resultou da matriz A por substituio da coluna 3 pela que se
obteve somando-lhe a coluna 2 multiplicada por
2
5
.
O exemplo acima ilustra o facto de operaes elementares sobre uma matriz
A qualquer poderem ser denidas como o produto de matrizes elementares pela
matriz A.
Exemplo 12 Considere-se a matriz
A =
34 68 85 38
90 52 43 91
30 90 24 52
2L
2
.
Substituio da linha 3 pela que se obtm somando-lhe a linha 1 multipli-
cada pelo escalar 2 (L
3
L
3
+ 2L
1
).
Multiplicao da coluna 3 pelo escalar
2
5
C
3
2
5
C
3
.
Substituio da coluna 3 pela que se obtm somando-lhe a coluna 4 multi-
plicada pelo escalar 1 (C
3
C
3
C
4
).
A questo que se coloca a de saber qual a matriz A
0
que se obtm de
A por aplicao das 6 operaes elementares acima descritas. Vejamos
ento o resultado, por aplicao directa das operaes sobre a matriz A:
48
6 Teoria das Matrizes
34 68 85 38
90 52 43 91
30 90 24 52
L
1
L
3
30 90 24 52
90 52 43 91
34 68 85 38
C
2
C
3
30 24 90 52
90 43 52 91
34 85 68 38
L
2
2L
2
30 24 90 52
90
2 43
2 52
2 91
2
34 85 68 38
L
3
L
3
+ 2L
1
30 24 90 52
90
2 43
2 52
2 91
2
26 133 112 142
C
3
2
5
C
3
30 24 36 52
90
2 43
2
104
5
2 91
2
26 133
224
5
142
C
3
C
3
C
4
30 24 88 52
90
2 43
2
351
5
2 91
2
26 133
934
5
142
E
31
(2) E
2
E
13
F
23
F
3
2
5
F
34
(1)
O resultado ser:
49
6 Teoria das Matrizes
(L
3
L
3
+2L
1
)
z }| {
1 0 0
0 1 0
2 0 1
(L2
2L2)
z }| {
1 0 0
0
2 0
0 0 1
(L
1
L
3
)
z }| {
0 0 1
0 1 0
1 0 0
34 68 85 38
90 52 43 91
30 90 24 52
1 0 0 0
0 0 1 0
0 1 0 0
0 0 0 1
| {z }
(C
2
C
3
)
1 0 0 0
0 1 0 0
0 0
2
5
0
0 0 0 1
| {z }
(C
3
2
5
C
3)
1 0 0 0
0 1 0 0
0 0 1 0
0 0 1 1
| {z }
(C
3
C
3
C
4
)
=
30 24 88 52
90
2 43
2
351
5
2 91
2
26 133
934
5
142
A
0
.
Demonstrao. A demonstrao sai imediatamente da aplicao directa
da Denio 25 e da Proposio 10.
Denio 28 (Matriz em Escada) Seja A M
mn
(K). Diz-se que a ma-
triz A est na forma de escada se a linha i apresenta mais zeros consecutivos
no incio que a linha j, com i < j m.
Exemplo 13 As seguintes matrizes encontram-se em forma de escada:
0 1 1 1 0
0 0 0 4 9
0 0 0 0 0
:
1
a
linha: 1 zero inicial
2
a
linha: 3 zeros iniciais
3
a
linha: 5 zeros iniciais
1 0 0 0 0
0 1 2 1 0
0 0 0 0 1
:
1
a
linha: nenhum zero inicial
2
a
linha: 1 zero inicial
3
a
linha: 4 zeros iniciais
Proposio 15 A caracterstica de linha de uma matriz A M
mn
(K) em
forma de escada igual ao nmero de linhas diferentes de zero.
51
6 Teoria das Matrizes
Demonstrao. Suponhamos que a matriz A tem as primeiras p linhas
no nulas e as ltimas m p nulas. Vamos mostrar que as p primeiras lin-
has so linearmente independentes. Para tal, necessrio resolver a equao
P
p
i=1
i
L
i
= 0, para os escalares {
i
}. A linha L
i
ter a congurao
0 a
ij
i
a
in
onde a
ij
i
o primeiro elemento no nulo da linha i. A combinao linear
nula das primeiras p linhas de A toma ento a forma
p
X
i=1
0 a
ij
i
a
in
= 0
a que corresponde a resoluo de um sistema de equaes, a saber:
a
1j
1
1
+
P
p
i=2
i
0 = 0
a
1j2
1
+a
2j2
2
+
P
p
i=3
i
0 = 0
a
1j
3
1
+a
2j
3
2
+a
3j
3
3
+
P
p
i=4
i
0 = 0
P
p
i=1
a
ij
p
i
0 = 0
Note-se que da primeira equao resulta
1
= 0. Substituindo
1
= 0 na
segunda equao e resolvendo resulta
2
= 0. Substituindo na terceira equao
1
=
2
= 0 resulta
3
= 0. Prosseguindo esta substituio recursivamente
at psima equao permite concluir que {
i
= 0}
i=1, ,p
e que portanto
as primeiras p linhas de A so linearmente independentes. Se a este conjunto
de linhas adicionarmos uma qualquer linha k, com p < k m, resultar um
conjunto de p +1 linhas linearmente dependente, uma vez que a linha k nula.
Esta concluso resulta da Proposio 10.1. Assim, p o nmero mximo de
linhas linearmente independente da matriz A, isto a caracterstica de linha de
A igual a p: r
l
(A) = p.
Nota 8 evidente que a caracterstica da matriz identidade de ordem n
exactamente n, uma vez que a matriz identidade est naturalmente em forma
de escada.
Exemplo 14 Determinao da caracterstica de linha das seguintes matrizes
em escada.
52
6 Teoria das Matrizes
A =
0 1 1 1 0
0 0 0 4 9
0 0 0 0 0
0
1
+ 0
2
= 0
1
1
+ 0
2
= 0
1
1
+ 0
2
= 0
(1)
1
+ 4
2
= 0
0
1
+ 9
2
= 0
0 = 0
1
= 0
0 = 0
2
= 0
0 = 0
1
= 0
2
= 0
A =
1 0 0 0 0
0 1 2 1 0
0 0 0 0 1
1
1
+ 0
2
+ 0
3
= 0
0
1
+ 1
2
+ 0
3
= 0
0
1
+ 2
2
+ 0
3
= 0
0
1
+ (1)
2
+ 0
3
= 0
0
1
+ 0
2
+ 1
3
= 0
1
= 0
2
= 0
0 = 0
0 = 0
3
= 0
1
= 0
2
= 0
3
= 0
O resultado acima sugere que, se for possivel transformar uma qualquer
matriz A M
mn
(K) numa matriz B em forma de escada preservando a sua
caracterstica de linha, ento possvel determinar a caracterstica de linha de
qualquer matriz. O resultado seguinte mostra que tal processo existe.
Proposio 16 Toda a matriz A M
mn
(K) pode ser reduzida a uma matriz
B em forma de escada por meio de operaes elementares sobre as suas linhas,
tendo-se consequentemente r
l
(A) = r
l
(B).
53
6 Teoria das Matrizes
Demonstrao. Suponhamos que j
1
, com 1 j
1
n a primeira coluna
de A que no nula. Por troca de linhas, colocamos um elemento a 6= 0 na
posio (1, j
1
) da matriz. Multiplica-se agora a linha L
(1)
1
por a
1
; deste modo
ca o elemento 1 K na posio (1, j
1
); se uma das outras linhas de A, L
s
por
exemplo, com 1 < s m, tem um elemento b na coluna j
1
soma-se-lhe a linha
L
(1)
1
multiplicada pelo escalar b, isto , faz-se L
s
L
s
+ (b) L
(1)
1
(Operao
de Jacobi). Assim, a nova linha L
(1)
s
passa a ter o escalar 0 K na posio
(s, j
1
). Procedendo de igual modo com todas as linhas, que no a primeira, que
tenham um elemento no nulo na coluna j
1
obtem-se uma matriz com a forma:
A
1
=
0 0 1 a
(1)
1,j1+1
a
(1)
1,j1+2
a
(1)
1n
0 0 0 a
(1)
2,j
1
+1
a
(1)
2,j
1
+2
a
(1)
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 a
(1)
m,j
1
+1
a
(1)
2,j
1
+2
a
(1)
mn
0 0 1 a
(1)
1,j
1
+1
a
(1)
1,j
2
a
(1)
1,j
2
+1
a
(1)
1n
0 0 0 0 1 a
(2)
2,j2+1
a
(2)
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 0 0 a
(2)
m,j
2
+1
a
(2)
mn
0 2 4 1 9
0 3 5 2 1
0 1 2 0 0
. Determi-
nemos a sua caracterstica de linha atravs de condensao vertical.
0 2 4 1 9
0 3 5 2 1
0 1 2 0 0
L
1
2
5
L
1
0 1 2
1
2
9
2
0 3 5 2 1
0 1 2 0 0
L
2
L
2
3L
1
0 1 2
1
2
9
2
0 0 1
1
2
25
2
0 1 2 0 0
L
3
L
3
+L
1
0 1 2
1
2
9
2
0 0 1
1
2
25
2
0 0 4
1
2
9
2
L
3
L
3
+ 4L
2
0 1 2
1
2
9
2
0 0 1
1
2
25
2
0 0 0
5
2
91
2
0 1 1 1 0
0 0 0 4 9
0 0 0 0 0
1 0 0 0 0
0 1 2 1 0
0 0 0 0 1
1
=
A
1
T
.
4. Seja A M
mn
(K). Se B M
n
(K) e D M
m
(K) forem regulares
ento r
l
(DA) = r
l
(A) e r
c
(AB) = r
c
(A).
5. Se A, B M
n
(K) so matrizes regulares, AB tambm regular e tem-se
(AB)
1
= B
1
A
1
.
6. Se A
k
M
n
(K) , k = 1, , p so matrizes regulares ento
Q
p
k=1
A
k
tambm o e (
Q
p
k=1
A
k
)
1
= A
1
p
A
1
1
.
7. O conjunto das matrizes regulares de ordem n sobre um corpo K constitui
um grupo a respeito da multiplicao; tal grupo designa-se por GL
n
(K),
Grupo Linear Geral de ordem n.sobre K.
57
6 Teoria das Matrizes
8. Seja A M
n
(K) uma matriz regular de ordem n sobre K. Se B M
n
(K)
tal que BA = I
n
, ento B = A
1
; de igual modo, se B M
n
(K) tal
que AD = I
n
ento D = A
1
.
Demonstrao.
1. Seja E uma matriz elementar de ordem n sobre K. Se E resultou de I
n
por troca de linhas (ou colunas) fcil vericar que EE = I
n
, logo E
regular e inversa de si mesma. Com feito, se E resulta da troca das linhas
s e t; teremos (no caso da troca de linhas):
(EE)
ik
=
n
X
j=1
e
ij
e
jk
=
P
n
j=1
e
sj
e
jk
= e
tk
, se i = s
P
n
j=1
e
tj
e
jk
= e
sk
, se i = t
e
ik
, se i 6= s, t
=
1, se k = s
0, se k 6= s
, se i = s
1, se k = t
0, se k 6= t
, se i = t
e
ik
, se i 6= s, t
=
ik
Se E resultou da multiplicao da linha (ou coluna) s por um escalar
K\ {0}, ento, sendo F a matriz elementar resultante de multiplicar
a linha (ou coluna) s de I
n
por a
1
, tem-se EF = I
n
= FE, logo E
regular. Efectivamente, no caso das linhas,
(EF)
ik
=
n
X
j=1
e
ij
f
jk
=
e
ss
f
sk
= f
sk
, se i = s
e
ik
, se i 6= s
=
1, se k = s
0, se k 6= s
, se i = s
e
ik
, se i 6= s
=
ik
Se E se obteve somando linha (ou coluna) s de I
n
a linha (ou coluna)
t multiplicada por b K, a matriz H obtida de I
n
somando linha (ou
coluna) s a linha (ou coluna) t multiplicada por b tal que HE=I
n
=
EH, logo E regular. Com efeito, para as linhas,
(EH)
ik
=
n
X
j=1
e
ij
h
jk
=
P
n
j=1
e
sj
h
jk
= e
ss
h
sk
+e
st
h
tk
, se i = s
e
ik
, se i 6= s
=
1 1 + 0 0 = 1, se k = s
1 (b) +b 1 = 0, se k = t
, se i = s
e
ik
, se i 6= s
=
ik
58
6 Teoria das Matrizes
2. Se A regular teremos AA
1
= I
n
, e pela Proposio (12) n = r
c
(I
n
)
r
c
(A). Como A tem apenas n colunas, vir r
c
(A) = n. De igual modo,
como A
1
A = I
n
, ter-se- n = r
l
(I
n
) r
l
(A) e como A tem apenas n
linhas, vir r
c
(A) = n.
3. Basta vericar que A
T
A
1
T
=
A
1
A
T
= I
n
.
4. Como DA = DA, tem-se, pela Proposio (12) r
l
(DA) r
l
(A). Mas
tem-se A = D
1
DA pelo que r
l
(DA) r
l
(A). Logo, r
l
(DA) = r
l
(A).
O raciocnio que demostra o resultado para as colunas , em todo, semel-
hante.
5. Basta vericar que (AB) B
1
A
1
= A
BB
1
A
1
= AA
1
= I
n
.
6. O resultado constitui uma generalizao do resultado anterior e pode ser
demonstrado por induo sobre o nmero de factores do produto. Para
p = 2 o resultado est demonstrado. Suponhamos que o resultado vlido
para p 1 factores. Pretende-se mostrar que tambm vlido para p
factores:
p
Y
k=1
A
k
!
A
1
p
A
1
1
=
= (A
1
A
p
)
A
1
p
A
1
1
= A
1
A
p
A
1
p
A
1
1
(porque A
p
regular) = (A
1
A
p1
)
A
1
p1
A
1
1
= I
n
(por hiptese)
7. Vimos no ponto 5. desta proposio que o referido conjunto fechado
para a multiplicao; na Proposio (5) vericmos que a multiplicao
de matrizes associativa; o elemento neutro I
n
pertence ao conjunto;
nalmente, se A regular A
1
tambm o , o que signica que A
1
GL
n
(K). Conclui-se assim que GL
n
(K) um grupo.
8. Se BA = I
n
ento BAA
1
= I
n
A
1
, logo B = A
1
. De igual modo, se
AD = I
n
ento A
1
AD = A
1
I
n
, logo D = A
1
.
Nota 11 Simbolicamente, a inversa de uma matriz regular dada pelas seguin-
tes matrizes:
E
1
ik
= E
ik
E
1
i
() = E
i
, 6= 0
59
6 Teoria das Matrizes
E
1
ik
() = E
ik
()
A seguinte proposio uma generalizao do resultado estabelecido no
ponto 4 da Proposio (18):
Proposio 19 Seja A M
mn
(K). Se F M
n
(K) e E M
m
(K) forem
matrizes elementares ento r
l
(AF) = r
l
(A) e r
c
(EA) = r
c
(A).
Demonstrao. Faamos a prova para as linhas. Considere-se A
0
= AF,
e recordemos que a multiplicao direita por uma matriz elementar cor- re-
sponde a operar sobre as colunas (Proposio 13). Designem-se as linhas de
A por {L
s
}
s=1, ,n
e as de A
0
por
n
L
0
s
o
s=1, ,n
. Suponhamos, sem perda de
generalidade, que {L
s
}
s=1, ,h
so linearmente idependentes. Vejamos qual o
resultado da aplicao das trs operaes elementares sobre as linhas de A.
Suponhamos ento que A
0
resulta de A por troca das colunas i e j, com i<
j. Mostremos que as linhas
n
L
0
s
o
s=1, ,h
so linearmente independentes:
h
X
s=1
s
L
0
s
= 0
h
X
s=1
a
s1
a
sj
a
si
a
sn
= 0
h
X
s=1
a
s1
a
si
a
sj
a
sn
= 0
h
X
s=1
s
L
s
= 0 =
s
= 0,
s=1, ,h
Assim, as linhas
n
L
0
s
o
s=1, ,n
so linearmente independentes.
Suponhamos agora que A
0
resulta de A por multiplicao da coluna j desta
ltima por um escalar K\ {0}. Mostremos que as linhas
n
L
0
s
o
s=1, ,h
so linearmente independentes:
h
X
s=1
s
L
0
s
= 0
60
6 Teoria das Matrizes
h
X
s=1
a
s1
a
sj
a
sn
= 0
h
X
s=1
a
s1
a
si
a
sj
a
sn
= 0
h
X
s=1
s
L
s
= 0 =
s
= 0,
s=1, ,h
Em particular, relativamente s coordenadas de ndice j, temos
P
h
s=1
a
sj
=
P
h
s=1
s
a
sj
= 0. Mas porque 6= 0 vir
P
h
s=1
s
a
sj
= 0, isto
h
X
s=1
a
s1
a
si
a
sj
a
sn
= 0
h
X
s=1
s
L
s
= 0 =
s
= 0,
s=1, ,h
Assim, as linhas
n
L
0
s
o
s=1, ,n
so linearmente independentes.
Admitamos agora que A
0
resulta de somar coluna i de A a coluna j, com
i < j, multiplicada por um escalar K\ {0}. Mostremos que as linhas
n
L
0
s
o
s=1, ,h
so linearmente independentes:
h
X
s=1
s
L
0
s
= 0
h
X
s=1
a
s1
a
si
+a
sj
a
sj
a
sn
= 0
61
6 Teoria das Matrizes
P
h
s=1
s
a
s1
= 0
.
.
.
P
h
s=1
s
a
si
+
P
h
s=1
s
a
sj
= 0
.
.
.
P
h
s=1
s
a
sj
= 0
.
.
.
P
h
s=1
s
a
sn
= 0
P
h
s=1
s
a
s1
= 0
.
.
.
P
h
s=1
s
a
si
+
P
h
s=1
s
a
sj
= 0
.
.
.
P
h
s=1
s
a
sj
= 0
.
.
.
P
h
s=1
s
a
sn
= 0
h
X
s=1
a
s1
a
si
a
sj
a
sn
= 0
h
X
s=1
s
L
s
= 0 =
s
= 0,
s=1, ,h
Assim, as linhas
n
L
0
s
o
s=1, ,n
so linearmente independentes.
Conclumos assim, que r
l
(A) r
l
(AF). Como F uma matriz elemen-
tar, logo regular e podemos escrever A = A
0
F
1
, sendo tambm F
1
uma matriz elementar (como vericmos na demonstrao do ponto 1. da
Proposio 18). Do mesmo modo, teremos r
l
A
0
r
l
A
0
F
1
pela
Proposio 12, ou seja r
l
(AF) r
l
(A), donde a igualdade.
Analogamente se prova a armao relativamente caracterstica de col-
una.
Nota 12 Em termos prticos, o que o resultado anterior nos indica que oper-
aes elementares sobre as linhas de uma matriz no afectam a sua caracterstica
de coluna e que as operas elementares sobre as colunas de uma matriz no
afectam a sua caracterstica de linha.
62
6 Teoria das Matrizes
Podemos portanto concluir que operaes elementares sobre as linhas ou col-
unas de uma matriz no afectam a sua caracterstica.
Proposio 20 Seja A M
n
(K) uma matriz quadrada tal que r
l
(A) = n. A
reduo da matriz A a uma matriz B em forma de escada por meio de operaes
elementares sobre as linhas (ver Proposio 16) implica que B seja triangular
superior com todos os elementos principais no nulos.
Demonstrao. J vericmos na Proposio (16) que qualquer matriz
redutvel forma de escada por meio de operaes elementares, em particular
qualquer matriz A M
mn
(K).
Suponhamos que a matriz A est reduzida forma de escada mas que, por
exemplo, b
jj
= 0, com 1 j n. Tal signica que o primeiro elemento
signicativo da linha
j
ser pelo menos b
j,j+1
. Mas isso signica que o primeiro
elemento signicativo da linha n ser pelo menos b
n,n+1
. Mas a matriz B
quadrada, logo, a n-sima linha de B nula. Pela Proposio (10) as linhas
de B, e portanto de A, sero linearmente dependentes, implicando que r
l
(A) =
r
l
(B) < n, o que absurdo. O absurdo resulta de assumirmos que um dos
elementos da diagonal de B no nulo, logo b
jj
6= 0,
1jn
.
Assim, dada uma matriz A M
mn
(K) a matriz B, em forma de escada,
que daquela resulta por aplicao de operaes elementares ter a forma:
1 b
12
b
13
b
1,n2
b
1,n1
b
1,n
0 1 b
23
b
2,n2
b
2,n1
b
2,n
0 0 1 b
3,n2
b
3,n1
b
3,n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 1 b
n2,n1
b
n2,n
0 0 0 0 1 b
n1,n
0 0 0 0 0 1
(5)
Continuando a proceder a operaes elementares sobre linhas, poderemos
transformar B em I
n
.
O seguinte conjunto de operaes transformar a matriz B numa matriz B
(1)
onde a ltima coluna tem a forma {0, 0, 0, 0, 0, 1}:
L
n1
L
n1
b
n1,n
L
n
L
n2
L
n2
b
n2,n
L
n
L
1
L
1
b
1,n
L
n
(6)
De igual modo, o seguinte conjunto de operaes transformar a matriz B
(1)
numa matriz B
(2)
onde a penltima coluna tem a forma {0, 0, 0, 0, 1, 0}:
63
6 Teoria das Matrizes
L
n2
L
n2
b
n2,n1
L
n1
L
n3
L
n3
b
n3,n1
L
n1
L
1
L
1
b
1,n1
L
n1
(7)
Prossegue-se deste modo at se obter I
n
.
A seguinte proposio enuncia o acima explicitado.
Proposio 21 Seja A M
n
(K) uma matriz quadrada tal que r
l
(A) = n.
Atravs de um nmero nito de de operaes elementares sobre as linhas
possvel transformar a matriz A na matriz I
n
.
Proposio 22 Seja A M
n
(K) uma matriz quadrada tal que r
l
(A) = n
(r
c
(A) = n). Ento A um produto de matrizes elementares, logo regular.
Demonstrao. Vericmos, na Proposio 21, que possvel atravs
de operaes elementares sobre linhas, transformar a matriz A na matriz I
n
.
Suponhamos que precismos de t destas operaes, digamos O
p
1
,O
p
2
,O
p
3
, ,O
p
t
,
para obter I
n
. Vamos refazer o processo com o seguinte esquema:
A
O
p
1
A
1
I
n
O
p
1
E
1
,
onde E
1
uma matriz elementar. Pelo estabelecido na Proposio 13 tem-se
ainda A
1
= E
1
A. Efectuando uma sgunda operao tem-se:
A
1
O
p2
A
2
E
1
O
p2
E
12
I
n
O
p2
E
2
,
onde A
2
= E
2
A
1
e E
12
= E
2
E
1
. Efectuando uma terceira operao,
tem-se:
A
2
O
p
3
A
3
E
12
O
p
3
E
123
I
n
O
p
3
E
3
,
onde A
3
= E
3
A
2
e E
123
= E
3
E
12
, e assim sucessivamente at operao
O
p
t
:
A
t1
O
pt
A
t
E
12t1
O
pt
E
12t
I
n
O
pt
E
t
,
onde A
t
= E
t
A
t1
e E
12t
= E
t
E
12t1
.
64
6 Teoria das Matrizes
Como se referiu no incio da demonstrao, depois da aplicao destas t
operaes obteve-se a matriz I
n
, isto , A
t
= I
n
. Ento,
E
12t
= E
t
E
12t1
= E
t
E
t1
E
12t2
= ( )
= E
t
E
t1
E
3
E
2
E
1
e ainda
I
n
= A
t
= E
t
A
t1
= E
t
E
t1
A
t2
= ( )
= E
t
E
t1
E
3
E
2
E
1
A
= E
12t
A
Nos pontos 1 e 5 da Proposio 18, respectivamente, estabelecemos que toda
maatriz elementar regular e que o produto de matrizes regulares ainda uma
matriz regular. Conclui-se portanto que a matriz E
12t
regular. Pelo ponto
8 da Proposio 18 vem A = (E
12t
)
1
, ou seja A = E
1
1
E
1
2
E
1
3
E
1
t
.
Resta assinalar que cada E
1
i
, 1 i t uma matriz elementar.
A seguinte proposio generaliza o resultado da Proposio 19.
Proposio 23 Seja A M
mn
(K). Se B M
n
(K) e D M
m
(K) forem
matrizes regulares ento r
l
(AB) = r
l
(A) e r
c
(DA) = r
c
(A).
Demonstrao. Faamos a prova para a caracterstica de linha. Conforme
a Proposio 22, a matriz B produto de matrizes elementares, digamos, B =
F
1
F
2
F
i1
F
i
. Tendo em conta o resultado da Proposio 19
r
l
(AB) = r
l
(AF
1
F
2
F
i1
F
i
)
= r
l
(AF
1
F
2
F
i1
)
= r
l
(AF
1
F
2
F
i2
)
= ( )
= r
l
(A)
Analogamente para a caracterstica de coluna.
65
6 Teoria das Matrizes
Proposio 24 Seja A M
n
(K).
1. A matriz A regular se e s se r
l
(A) = n (ou r
c
(A) = n).
2. A matriz A regular se e s se tiver uma inversa direita (respectivamente
esquerda), isto , se existir uma matriz B M
n
(K) tal que AB = I
n
(respectivamente BA = I
n
).
Demonstrao.
1. Pelo ponto 2. da Proposio (18) se A regular ento r
l
(A) = n. Pela
Proposio (22), se r
l
(A) = n ento A regular. Analogamente para
r
c
(A) = n.
2. Se A regular, por denio existe uma matriz B M
n
(K) tal que AB =
I
n
= BA. Se AB = I
n
, pela Proposio (12) tem-se n = r
c
(I
n
) r
c
(B),
logo r
c
(A) = n, e portanto A regular pelo ponto anterior.
6.7.2 Determinao da Inversa de uma Matriz Regular
Nesta seco apresenta-se um mtodo prtico para a determinao da matriz
inversa de uma matriz A M
n
(K) regular. Pela Proposio (21) sabemos que
existem matrizes elementares E
1
, E
2
, E
t
tais que E
t
E
t1
E
2
E
1
A = I
n
,
logo A
1
= E
t
E
t1
E
2
E
1
A Isto signica que, se conhecermos sucessivamente
as matrizes elementares que permitem passar de A a I
n
. conhecermos a matriz
B tal que BA = I
n
, isto , conheceremos a inversa de A. Consideremos ento a
matriz ampliada
A|I
n
do tipo n2n e apliquemos toda a operao elementar
sobre as as linhas de A s linhas de I
n
. Suponhamos que O
p1
, O
p2
, O
pt
so
as operaes elementares a aplicar sobre a matriz A.
A|I
n
O
p
1
A
1
|E
1
I
n
O
p
2
A
2
|E
2
E
1
O
p3
A
3
|E
3
E
2
E
1
A
1
|E
1
O
p
t
I
n
|E
t
E
t1
E
2
E
1
O que zemos foi passar de uma matriz
A|I
n
para uma matriz
I
n
|B
atravs de operaes elementares sobre linhas, em que B = A
1
.
Exemplo 17 Consideremos a seguinte matriz real,
A =
1 1 1
1 1 1
1 1 0
66
6 Teoria das Matrizes
Vamos veriicar se a matriz A regular e, em caso armativo, determinar a
sua inversa. Em vez de condensar primeiro a matriz A, de modo a determinar
a caracterstica, e no caso em que r
l
(A) = n, partindo de
A|I
n
chegar a
I
n
|B
vamos comear imediatamente com a reduo de
A|I
n
. Assim, se
A for regular, no necessrio repetir as operaes elementares j efectuadas:
1 1 1
1 1 1
1 1 0
1 0 0
0 1 0
0 0 1
L
2
L
2
L
1
L
3
L
3
L
1
1 1 1
0 2 0
0 0 1
1 0 0
1 1 0
1 0 1
L
2
1
2
L
2
L
3
L
3
1 1 1
0 1 0
0 0 1
1 0 0
1
2
1
2
0
1 0 1
L
1
L
1
L
3
1 1 0
0 1 0
0 0 1
0 0 1
1
2
1
2
0
1 0 1
L
1
L
1
L
2
1 0 0
0 1 0
0 0 1
1
2
1
2
1
1
2
1
2
0
1 0 1
1
2
1
2
1
1
2
1
2
0
1 0 1
1
2
L
3
L
3
: E
3
(1)
L
1
L
1
L
3
: E
13
(1)
L
1
L
1
L
2
: E
12
(1)
67
6 Teoria das Matrizes
Tal signica, segundo o que vericmos na proposio 22, que a matriz A
1
pode ser produzida pelo produto, pela ordem correcta!, das matrizes elementares
acima descritas. Veriquemos ento esse resultado:
A
1
= E
12
(1) E
13
(1) E
3
(1) E
2
1
2
E
31
(1) E
21
(1) =
=
1 1 0
0 1 0
0 0 1
1 0 1
0 1 0
0 0 1
1 0 0
0 1 0
0 0 1
1 0 0
0
1
2
0
0 0 1
1 0 0
0 1 0
1 0 1
1 0 0
1 1 0
0 0 1
=
=
1 1 1
0 1 0
0 0 1
1 0 0
0
1
2
0
0 0 1
1 0 0
1 1 0
1 0 1
1
2
1
2
1
1
2
1
2
0
1 0 1
Como seria inevitvel, a matriz obtida pelo produto das matrizes elementares
precisamente A
1
.
Por um processo semelhante, tambm ser possvel recuperar a matriz A.
Com efeito, esta matriz ser a inversa do produto de matrizes elementares de-
scrito anteriormente. Sabendo que a inversa de uma matriz elementar tem uma
forma extremamente simples, relativamente simples determinar A, como se
verica em seguida:
A =
E
12
(1) E
13
(1) E
3
(1) E
2
1
2
E
31
(1) E
21
(1)
1
=
E
1
21
(1) E
1
31
(1) E
1
2
1
2
E
1
3
(1) E
1
13
(1) E
1
12
(1) =
E
21
(1) E
31
(1) E
2
(2) E
3
(1) E
13
(1) E
12
(1) =
=
1 0 0
1 1 0
0 0 1
1 0 0
0 1 0
1 0 1
1 0 0
0 2 0
0 0 1
1 0 0
0 1 0
0 0 1
1 0 1
0 1 0
0 0 1
1 1 0
0 1 0
0 0 1
=
=
1 0 0
1 1 0
1 0 1
1 0 0
0 2 0
0 0 1
1 1 1
0 1 1
0 0 1
1 1 1
1 1 1
1 1 0
1 1 1
1 1 1
1 3 1
1 1 1
1 1 1
1 3 1
1 0 0
0 1 0
0 0 1
L
2
L
2
L
1
L
3
L
3
+L
1
1 1 1
0 2 0
0 2 0
1 0 0
1 1 0
1 0 1
L
3
L
3
L
2
1 1 1
0 2 0
0 0 0
1 0 0
1 1 0
2 1 1
0 0 1 b
1,j
1
+1
b
1,j
1
+2
b
1,j
2
b
1,j
2
+1
b
1,j
3
b
1,j
3
+1
b
1,j
t
b
1n
0 0 0 0 0 1 b
2,j
2
+1
b
2,j
3
b
2,j
3
+1
b
2,j
t
b
2n
0 0 0 0 0 0 0 1 b
3,j3+1
b
3,jt
b
3n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 0 0 0 0 0 0 1 b
tn
0 0 0 0 0 0 0 0 0 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 0 0 0 0 0 0 0 0
1 b
1,j2
b
1,j3
b
1,jt
b
1,j1+1
b
1,j1+2
b
1,j2+1
b
1,j3+1
b
1n
0 0
0 1 b
2,j
3
b
2,j
t
0 0 b
2,j
2
+1
b
2,j
3
+1
b
2n
0 0
0 0 1 b
3,j
t
0 0 0 b
3,j
3
+1
b
3n
0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 1 0 0 0 0 b
tn
0 0
0 0 0 0 0 0 0 0 0 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 0 0 0 0 0 0 0 0
A
(3)
= t e, por aplicao do
ponto 3 da Proposio 18 e da Proposio 23 conclumos que:
t = r
l
A
(3)
= r
l
(EAF) = r
l
(AF) = r
l
(A)
t = r
c
A
(3)
= r
c
(EAF) = r
c
(AF) = r
c
(A)
Resulta imediatamente que r
l
(A) = r
c
(A).
A este valor r
l
(A) = r
c
(A) d-se o nome de caracterstica da matriz A e
designa-se simplesmente por r (A).
Denio 33 (Forma Cannica de uma Matriz) Seja A M
mn
(K). A
matriz B =
I
t
0
t,nt
0
mt,t
0
mt,nt
1 1 1 1 0
13 0 13 4 9
27 1 25 7 18
1 1 1 1 0
13 0 13 4 9
27 1 25 7 18
L
2
L
2
13 L
1
L
3
L
3
27 L
1
1 1 1 1 0
0 13 26 17 9
0 26 52 34 18
L
3
L
3
2 L
2
1 1 1 1 0
0 13 26 17 9
0 0 0 0 0
C
2
C
2
C
1
C
3
C
3
+C
1
C
4
C
4
+C
1
1 0 0 0 0
0 13 26 17 9
0 0 0 0 0
C
3
C
3
+ 2 C
2
C
4
C
4
+
17
13
C
2
C
5
C
5
+
9
13
C
2
1 0 0 0 0
0 13 0 0 0
0 0 0 0 0
C
2
1
13
C
2
1 0 0 0 0
0 1 0 0 0
0 0 0 0 0
2.
1 2 1
1 5 1
2 2 3
1 1 1
0 0 1
1 2 1
1 5 1
2 2 3
1 1 2
0 0 1
L
2
L
2
L
1
L
3
L
3
2L
1
L
4
L
4
L
1
1 2 1
0 7 0
0 2 1
0 3 3
0 0 1
L
2
1
7
L
2
72
6 Teoria das Matrizes
1 2 1
0 1 0
0 2 1
0 3 3
0 0 1
L
3
L
3
+2L
2
L
4
L
4
+3L
2
1 2 1
0 1 0
0 0 1
0 0 3
0 0 1
L
4
L
4
+3L
3
L
4
L
4
L
3
1 2 1
0 1 0
0 0 1
0 0 0
0 0 0
1 2 1
0 1 0
0 0 1
0 0 0
0 0 0
L
1
L
1
L
3
1 2 0
0 1 0
0 0 1
0 0 0
0 0 0
L
1
L
1
2 L
2
1 0 0
0 1 0
0 0 1
0 0 0
0 0 0
1 2 1
0 1 0
0 0 1
0 0 0
0 0 0
C
2
C
2
2 C
1
C
3
C
3
C
1
1 0 0
0 1 0
0 0 1
0 0 0
0 0 0
73
6 Teoria das Matrizes
6.9 Resoluo de Sistemas de Equaes Lineares
Nesta seco focaremos o problema que consiste na resoluo de sistemas de
equaes lineares. A aplicao da Teoria das Matrizes estudada ao longo das l-
timas seces revelar-se- de fundamental importncia para este estudo. Inicia-
se esta exposio com algumas denies.
6.9.1 Enquadramento Terico
Denio 35 (Equao Linear) Seja K um corpo. A igualdade
a
1
x
1
+a
2
x
2
+ +a
n1
x
n1
+a
n
x
n
= b
designa-se por equao linear. Os escalares {a
i
}
j=1,...,n
K designam-se
por coecientes da equao, o escalar b K designa-se por termo inde-
pendente e os elementos {x
i
}
j=1,...,n
K designam-se por incgnitas (ou
variveis) da equao. Uma equao linear em que as parcelas associadas s
incgnitas surgem no termo esquerdo da equao e o termo independente con-
stitui o termo direito, diz-se escrita na forma cannica.
Nota 16 O termo linear signica que se trata de uma equao do primeiro
grau em cada uma das incgnitas.
Exemplo 20 Classiquemos as seguintes equaes relativamente sua natureza
linear (ou no-linear):
x +y y
2
= 10 uma equao no-linear uma vez que tem a parcela no
linear y
2
.
xy x +y 12 = 0 uma equao no-linear uma vez que tem a parcela
no linear xy.
x
2
+ y
3
= 0 uma equao no-linear uma vez que tem as parcelas no
lineares x
2
e y
3
.
x + 2y + 6z = 7 uma equao linear nas variveis x, y e z.
x + y 2 = 0 uma equao linear nas variveis x e y. Basta vericar
que a equao pode ser reescrita na forma cannica como x +y = 2.
Denio 36 (Sistema de Equaes Lineares) Seja K um corpo. Consi-
dere-se um conjunto de m equaes lineares da forma
a
i1
x
1
+a
i2
x
2
+ +a
i,n1
x
n1
+a
in
x
n
= b
i
74
6 Teoria das Matrizes
Quando se pretende resolver simultaneamente todas as equaes, diz-se que
se tem um sistema de m equaes lineares nas n incgnitas {x
j
}
j=1,...,n
, so qual
se representa do seguinte modo:
a
11
x
1
+a
12
x
2
+ +a
1,n1
x
n1
+a
1n
x
n
= b
1
a
21
x
1
+a
22
x
2
+ +a
2,n1
x
n1
+a
2n
x
n
= b
1
a
m1
x
1
+a
m2
x
2
+ +a
m,n1
x
n1
+a
mn
x
n
= b
1
(8)
Os escalares {a
ij
}
i=1,...,m; j=1,...,n
K designam-se por coecientes do
sistema, os escalares {b
i
}
i=1,...,m
K designam-se por termos indepen-
dentes do sistema.
Qualquer sistema de m equaes a n incgnitas pode ser escrito na forma
matricial se atendermos ao seguinte:
Os coecientes do sistema, {a
ij
}
i=1,...,m; j=1,...,n
K, podem ser descritos
como uma matriz A M
mn
(K), cujo elemento a
ij
precisamente o
coeciente da incgnita x
j
na i-sima equao.
Os termos independentes do sistema, {b
i
}
i=1,...,m
K, podem ser de-
scritos como uma matriz coluna B M
m1
(K), cujo elemento b
i
pre-
cisamente o termo independete da i-sima equao.
As incgnitas do sistema, {x
j
}
j=1,...,n
K, podem ser descritas como uma
matriz coluna X M
n1
(K), cujo elemento x
j
precisamente a j-sima
incgnita.
Nestas circunstncias, o sistema de equaes denido pelas matrizes A, B e
X pode ser escrito como sendo a equao matricial :
AX = B (9)
Note-se que o produto de matrizes AX uma matriz do tipo M
m1
(K),
precisamente o tipo da matriz B. A cada coluna da matriz de coecientes, A,
corresponde uma incgnita; assim, a j esima coluna da matriz A composta
pelos coecientes da varivel x
j
nas m equaes do sistema.
Exemplo 21 Consideremos os seguintes sistemas de equaes lineares e a sua
representao na forma de equaes matriciais:
x +y = 1800
2
3
x +
1
2
y = 1100
O sistema pode ser escrito na forma matricial do seguinte modo:
75
6 Teoria das Matrizes
1 1
2
3
1
2
x
y
=
1800
1100
3x + 2y +z = 39
2x + 3y +z = 34
Este sistema pode ser escrito matricialmente na forma:
3 2 1
2 3 1
x
y
z
=
39
34
10 + 11x + 12y = 0
20 + 21x + 22y = 0
30 + 31x + 32y = 0
O sistema acima, reescrito na forma cannica, apresenta-se do seguinte
modo:
11x + 12y = 10
21x + 22y = 20
31x + 32y = 30
A respectiva equao matricial ser portanto da forma:
11 12
21 22
31 32
x
y
=
10
20
30
Denio 37 Considere-se um sistema de equaes lineares dado pela equao
matricial AX = B, onde A M
mn
(K), B M
m1
(K) e X M
n1
(K).
Designa-se por soluo do sistema a toda a matriz D M
n1
(K) tal
que AD = B.
A matriz A designa-se por matriz simples do sistema e a matriz [ A| B]
designa-se por matriz ampliada.
O sistema dir-se- homogneo se B=0; caso contrrio dir-se- no ho-
mogneo.
76
6 Teoria das Matrizes
Do acima exposto conclui-se que o estudo da resolubilidade do sistema de
equaes (8) , pois, o da resolubilidade da equao matricial (9).
Denio 38 (Solubilidade de um Sistema de Equaes) Um sistema de
equaes lineares dado pela equao matricial AX = B, onde A M
mn
(K),
B M
m1
(K) e X M
n1
(K).
Diz-se que o sistema de equaes AX = B possvel quando tem pelo
menos uma soluo, isto , quando existe pelo menos uma matriz D
M
n1
(K) tal que AD = B. Se existe uma e uma s soluo o sistema diz-
se determinado; se existir mais que uma soluo diz-se indeterminado.
Diz-se que o sistema impossvel se no existe nenhum D M
n1
(K)
tal que AD = B.
Denio 39 (Equivalncia de Sistemas de Equaes) Dois sistemas de
equaes lineares so dados pelas equaes matriciais AX = B e A
0
X = B
0
onde A, A
0
M
mn
(K), B
0
, B M
m1
(K) e X M
n1
(K). Os sistemas
dizem-se equivalentes se toda a soluo de uma equao for soluo da outra.
Proposio 26 Considere-se um sistema de equaes lineares dado pela equa-
o matricial AX = B, onde A M
mn
(K), B M
m1
(K) e X M
n1
(K).
1. Dada uma matriz regular PM
m
(K), os sistemas AX=B e (PA) X=PB
so equivalentes.
2. Se Q M
n
(K) for uma matriz regular, existir uma bijeco entre o
conjunto de soluo da equao AX = B e o conjunto de solues da
equao (AQ) Y = B. Tal bijeco denida por:
f : {sol. de AX = B} {sol. de (AQ) Y = B}
X
0
7Q
1
X
0
Demonstrao.
1. Basta vericar que, dada a regularidade da matriz P, ento P
1
existe e
portanto
(PA) X = PB
P
1
(PA) X = P
1
PB
IAX = IB
AX = B
77
6 Teoria das Matrizes
2. Injectividade. Temos de mostrar que
X0,X1:AX0=AX1=B
, f (X
0
) = f (X
1
) X0 = X1
Obviamente que
f (X
0
) = f (X
1
)
Q
1
X
0
= Q
1
X
1
QQ
1
X
0
=
QQ
1
X
1
IX
0
= IX
1
X
0
= X
1
Sobrejectividade. Temos de vericar que
D:(AQ)D=B
,
X
0
:AX
0
=B
: f (X
0
) = D
Basta portanto exibirmos X
0
. Escolhamos X
0
= QD. claro que X
0
resolve AX = B, uma vez que
AX
0
= A(QD)
= (AQ) D
= B
O ponto 1. da proposio anterior mostra que, ao aplicarem-se as mesmas
operaes elementares sobre linhas matriz A e matriz B se obtm sistemas
de equaes equivalentes. A aplicao das operaes elementares reside na mul-
tiplicao da matriz A e B, esquerda, pela matriz P, regular. Lembremos
que, pela proposio 22, se P uma matriz regular ento produto de matrizes
elementares.
Esta prtica, que consiste em operar sobre as equaes que compem um
sistema de equaes lineares, foi introduzida no ensino pr-universitrio com
o objectivo de simplicar algumas equaes, nomeadamente no que diz re-
speito ao nmero de variveis que contm. Consideremos o seguinte exemplo de
enquadramento:
Exemplo 22 Consideremos o seguinte sistema de equaes lineares:
78
6 Teoria das Matrizes
x
1
+ 2x
2
x
3
= 1
2x
1
+ 4x
2
+x
3
= 0
x
1
+ 6x
2
= 1
A simplicao deste sistema de equaes consistia, por exemplo, em
eliminar a varivel x
1
da primeira equao; para tal, somava-se a primeira
com a terceira equao, para se obter 8x
2
x
3
= 0; esta equao, com duas var-
iveis, vinha agora substituir a primeira equao do sistema, com trs variveis,
para se obter um sistema equivalente:
8x
2
x
3
= 0
2x
1
+ 4x
2
+x
3
= 0
x
1
+ 6x
2
= 1
Prosseguia-se agora com a resoluo resolvendo explicitamente para algu-
mas variveis e substituindo o resultado nas equaes com maior nmero de
variveis. A equivalncia dos dois sistemas nunca foi justicada rigorosamente,
embora fosse intuitivamente evidente. No entanto, agora, luz da teoria das
matrizes, simples vericar que a transformao efectuada consistiu em tomar
a matriz elementar,
E =
1 0 1
0 1 0
0 0 1
1 2 1
2 4 1
1 6 0
e B =
1
0
1
1 0 1
0 1 0
0 0 1
1 2 1
2 4 1
1 6 0
0 8 1
2 4 1
1 6 0
e
B
0
=
1 0 1
0 1 0
0 0 1
1
0
1
0
0
1
1 2 1
2 4 1
1 6 0
1
0
1
L
1
L
1
+L
3
0 8 1
2 4 1
1 6 0
0
0
1
= [ A
0
| B
0
]
Do exposto anteriormente, poder-se- concluir que o estudo da matriz ampli-
ada de um sistema, [ A| B], permite determinar a natureza e soluo (se existir)
de qualquer sistema de equaes lineares.
Proposio 27 (Teorema de Rouch) Considere-se um sistema de equaes
lineares dado pela equao matricial AX=B, onde AM
mn
(K), BM
m1
(K)
e XM
n1
(K). O sistema AX = B possvel se e s se r (A) = r ([ A| B]).
Demonstrao. Para benefcio do leitor apresentam-se duas demonstraes
para este importante Teorema. A primeira verso, baseada na aplicao de
Operaes Elementares e a segunda baseada na independncia linear das colunas
de uma matriz.
Verso 1:
Comecemos por transformar o sistema AX = B no sistema equivalente
A
0
X = B
0
, em que a matriz ampliada do sistema original, [ A| B], reduzida
a uma matriz [ A
0
| B
0
] em forma de escada reduzida por meio de operaes ele-
mentares sobre linhas, e que constitui a matriz ampliada do sistema A
0
X = B
0
.
Foi vericado na Proposio 16 que esta reduo sempre possvel. A matriz
[ A
0
| B
0
] ter a seguinte forma:
0 0 1 a
0
1,j
1
+1
a
0
1,j
1
+2
a
0
1,j
2
a
0
1,j
2
+1
a
0
1,j
3
a
0
1,j
3
+1
a
0
1,j
t
a
0
1n
0 0 0 0 0 1 a
0
2,j2+1
a
0
2,j3
a
0
2,j3+1
a
0
2,jt
a
0
2n
0 0 0 0 0 0 0 1 a
0
3,j
3
+1
a
0
3,j
t
a
0
3n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 0 0 0 0 0 0 1 a
0
tn
0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 0 0 0 0 0 0 0 0
| {z }
A
0
b
0
1
b
0
2
b
0
3
.
.
.
b
0
t
b
0
t+1
0
.
.
.
0
|{z}
B
0
80
6 Teoria das Matrizes
(=) Suponhamos que o sistema AX = B solvel, ento A
0
X = B
0
tambm
o ser. Mas sendo este sistema solvel, ento b
0
t+1,n
= 0. Com efeito, se
b
0
t+1,n
6= 0, a equao t + 1 ter a forma 0 = b
0
t+1,n
, condio impossvel.
Esta situao constitui um absurdo, pelo que, se o sistema solvel, se
dever ter b
0
t+1,n
= 0. Ora, neste caso a (t + 1) esima linha da matriz
ampliada [ A
0
| B
0
] nula. A matriz ampliada [ A
0
| B
0
] ter portanto t linhas
no nulas onde pelo menos um elemento da linha t da matriz A
0
no
nulo. Imediatamente resulta que r (A
0
) = r ([ A
0
| B
0
]), ou, sabendo que
as operaes elementares sobre as linha de uma matriz no alteram a sua
caracterstica, pela Proposio 14, r (A) = r ([ A| B]).
(=) Suponhamos que r (A) = r ([ A| B]). Ento r (A
0
) = r ([ A
0
| B
0
]). Esta cir-
cunstncia implica que b
0
t+1,n
= 0. Se assim no fosse, teramos r (A
0
) <
r ([ A
0
| B
0
]), o que contraria a hiptese. Posto isto, basta exibir uma
soluo para o sistema A
0
X = B
0
para mostrarmos que AX = B solvel.
Seja {j
1
, j
t
} o conjunto dos ndices de coluna associados s colunas de
A
0
que contm um elemento redutor. Atravs de operaes elementares
sobre as linhas de [ A
0
| B
0
], utilizemos o elemento redutor da i esima
linha, com i = 2, , t, e que est na posio (i, j
i
), para anular todos
os elementos no nulos da coluna j
i
. Para o efeito, vamos aplicar um
conjunto de operaes de Jacobi sobre as linhas de [ A
0
| B
0
]. Obteremos
com este processo, um sistema A
00
X = B
00
equivalente a A
0
X = B
0
, e
portanto a AX = B, cuja matriz ampliada [ A
00
| B
00
] est em forma de
escada reduzida, com a seguinte forma:
0 0 1 a
00
1,j
1
+1
a
00
1,j
1
+2
0 a
00
1,j
2
+1
0 a
00
1,j
3
+1
0 a
00
1n
0 0 0 0 0 1 a
00
2,j2+1
0 a
00
2,j3+1
0 a
00
2n
0 0 0 0 0 0 0 1 a
00
3,j
3
+1
0 a
00
3n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 0 0 0 0 0 0 1 a
00
tn
0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 0 0 0 0 0 0 0 0
| {z }
A
00
b
00
1
b
00
2
b
00
3
.
.
.
b
00
t
b
00
t+1
0
.
.
.
0
|{z}
B
00
1
= =
n
= 0, o que mostra que as colunas da matriz A
so linearmente independentes e, sendo em nmero de n, ter-se-
r (A) = r ([ A| B]) = n.
83
6 Teoria das Matrizes
(=) Dado que r (A) = n e a matriz A tem n colunas ento as colu-
nas de A so linearmente independentes. Por outro lado, dado que
r ([ A| B]) = n e [ A| B] tem n +1 colunas, ento as colunas de [ A| B]
so linearmente independentes. Mostremos que B se pode escrever
como combinao linear das colunas de A. Seja ento
1
A
1
+ +
n
A
n
+
n+1
B = 0 uma combinao linear nula, no trivial, das col-
unas da matriz [ A| B]. Se
n+1
= 0, resta
1
A
1
+ +
n
A
n
= 0,
mas dada a independncia linear das colunas da matriz A decorre
imediatamente que
1
= =
n
= 0, o que absurdo pois por
hiptese, partimos de uma combinao linear nula no trivial das
colunas de [ A| B]. Assim, deveremos ter
n+1
6= 0, e portanto
B =
1
n+1
A
1
n
n+1
A
n
.
Resta mostrar que esta combinao linear nica. Suponhamos ento
que tambm se pode ter B =
1
A
1
+ +
n
A
n
. Subtraindo esta
equao determinada anteriormente obtm-se
(
1
A
1
+ +
n
A
n
)
n+1
A
1
n
n+1
A
n
=
=
1
+
1
n+1
A
1
+ +
n
+
n
n+1
A
n
= B B = 0
Dada a independncia linear das colunas de A decorre imediatamente
que
1
=
1
n+1
, ,
n
=
n
n+1
, que mostra a unicidade da com-
binao linear das colunas de A que resulta na coluna B.
Ento, sabendo que o conjunto de escalares {d
1
, , d
n
} tais que
B = d
1
A
1
+ +d
n
A
n
nico, se designarmos por D uma coluna com
elementos {d
1
, , d
n
}, resulta que D a nica coluna que satisfaz
AD = B e portanto constitui soluo nica do sistema de equaes
AX = D.
3. A demonstrao deste ponto imediata. Com efeito, a armao o sis-
tema determinado se e s se r (A) = n demonstrada no ponto anterior
equivalente armao o sistema indeterminado se e s se r (A) 6= n.
Como o nmero de colunas da matriz A n, no poderemos ter r (A) > n
pelo que a armao o sistema indeterminado se e s se r (A) < n tem
de ser verdadeira.
Na prtica, a matriz em escada reduzida, ter formas distintas, no caso
de sistemas possveis e determinados e indeterminados. Com efeito, a nica
forma de satisfazer a condio r (A) = r ([ A| B]) = n que, aps a condensao
da matriz ampliada [ A| B], que denotaremos por [ A
0
| B
0
], a submatriz de A
0
que ocupa as primeiras n linhas e n colunas desta seja uma matriz triangular
superior. A matriz ampliada [ A
0
| B
0
] tem a seguinte congurao:
84
6 Teoria das Matrizes
1 a
0
12
a
0
13
a
0
1,n
0 1 a
0
23
a
0
2,n
0 0 1 a
0
3,n
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 1
0 0 0 0
0 0 0 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 0
| {z }
A
0
b
0
1
b
0
2
b
0
3
.
.
.
b
0
n
0
0
.
.
.
0
|{z}
B
0
Sol uvel
(r(A)=r([ A|B]))
Indeterminado
(r(A)=r([ A|B])<n)
Determinado
(r(A)=r([ A|B])=n)
Insol uvel
(r(A)6=r([ A|B]))
Exemplo 23 Estude-se a natureza do seguinte sistema de equaes lineares:
x +y = 0
x y = 1
4x + 2y = 1
A matriz ampliada do sistema dada por:
[ A| B] =
1 1
1 1
4 2
0
1
1
1 1
1 1
4 2
0
1
1
L
2
L
2
L
1
L
3
L
3
4L
1
1 1
0 2
0 2
0
1
1
L
3
L
3
L
2
1 1
0 2
0 0
0
1
0
= [ A
0
| B
0
]
Dado que r (A) = r ([ A| B]) = 2, o sistema possvel e determinado.
Exemplo 24 Estude-se a natureza do seguinte sistema de equaes lineares:
2x
1
+ 2x
2
2x
3
= 5
7x
1
+ 7x
2
+x
3
= 10
5x
1
+ 5x
2
x
3
= 5
A matriz ampliada do sistema dada por:
[ A| B] =
2 2 2
7 7 1
5 5 1
5
10
5
2 2 2
7 7 1
5 5 1
5
10
5
L
2
L
2
7
2
L
1
L
3
L
3
5
2
L
1
2 2 2
0 0 8
0 0 6
15
2
15
2
L
3
L
3
+
3
4
L
2
2 2 2
0 0 8
0 0 0
15
2
105
8
= [ A
0
| B
0
]
Dado que r (A) 6= r ([ A| B]), o sistema impossvel. Com efeito, a ltima
linha da matriz ampliada, [ A
0
| B
0
], corresponde equao 0 =
105
8
, o que
manifestamente impossvel.
Exemplo 25 Estude-se a natureza do seguinte sistema de equaes lineares:
x
1
x
2
+x
3
= 1
x
1
+x
2
x
3
= 2
86
6 Teoria das Matrizes
A matriz ampliada do sistema dada por:
[ A| B] =
1 1 1
1 1 1
1
2
1 1 1
1 1 1
1
2
L
2
L
2
L
1
1 1 1
0 2 2
1
1
= [ A
0
| B
0
]
Dado que r (A) = r ([ A| B]) = 2 < n = 3, o sistema possvel e indetermi-
nado.
Os sistemas indeterminados, por terem mltiplas solues requerem um es-
tudo mais aprofundado, que destacaremos em seguida:
6.9.2 Sistemas de Equaes Lineares Indeterminados
Consideremos, de um modo geral, o sistema de equaes lineares dado pela
equao matricial AX = B, onde A M
mn
(K),B M
m1
(K) e X
M
n1
(K). Suponhamos ainda que r (A) = r ([ A| B]) < n, isto , o sistema
indeterminado. Sabemos ainda que existe uma matriz regular P que permite
transformar a matriz ampliada do sistema, [ A| B], numa matriz [ A
00
| B
00
], rep-
resentando o mesmo sistema de equaes, mas em forma de escada reduzida que
a seguir se apresenta:
0 0 1 a
00
1,j1+1
0 a
00
1,j2+1
0 a
00
1,j3+1
0 a
00
1n
0 0 0 0 1 a
00
2,j
2
+1
0 a
00
2,j
3
+1
0 a
00
2n
0 0 0 0 0 0 1 a
00
3,j
3
+1
0 a
00
3n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 0 0 0 0 0 1 a
00
tn
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 0 0 0 0 0 0 0
| {z }
A
00
=PA
b
00
1
b
00
2
b
00
3
.
.
.
b
00
t
0
0
.
.
.
0
|{z}
B
00
=PB
I
t
C
t,nt
0
mt,t
0
mt,nt
I
t
C
0 0
I
t
C
0 0
Y = {b
00
1
, , b
00
t
, 0, , 0}
tem a soluo D
0
= {b
00
1
, , b
00
t
, 0, , 0}, logo, (PAQ) D
0
= PB mostra
que QD
0
soluo de (PA) X = PB, e consequentemente de AX = B. Mas
existem muitas mais solues para o sistema (PAQ) Y = PB, com X = QY .
Na realidade, existem innitas solues, assumindo que o corpo K tem innitos
elementos.
A questo que se coloca de imediato a de descrever na totalidade o con-
junto das solues do sistema (PAQ) Y = PB e consequentemente do sistema
AX = B. Comeemos por dividir em dois blocos o vector coluna das incgni-
tas, Y , fazendo Y =
h
Y
(1)
t,1
Y
(2)
nt,1
i
T
. Temos naturalmente Y
00(1)
t,1
= {y
1
, , y
t
}
e Y
00(2)
nt,1
= {y
t+1
, , y
n
}. Dividamos tanbm em dois blocos o vector col-
una das varveis independentes, B
00
, fazendo B
00
=
h
B
00(1)
t,1
0
mt,1
i
T
, onde
B
00(1)
t,1
= {b
00
1
, , b
00
t
}. Matricialmente, o sistema A
00
Y = B
00
representa-se do
seguinte modo:
I
t
C
t,nt
0
mt,t
0
mt,nt
"
Y
(1)
t,1
Y
(2)
nt,1
#
=
"
B
00(1)
t,1
0
mt,1
#
(10)
Esta equao matricial pode ser reescrita como um sistema de duas equaes
matriciais atendendo partio em blocos escolhida. Obtm-se ento:
(
I
t
Y
(1)
t,1
+C
t,nt
Y
(2)
nt,1
= B
00(1)
t,1
0
mt,t
Y
(1)
t,1
+ 0
mt,nt
Y
(2)
nt,1
= 0
mt,1
A segunda equao pode ser omitida uma vez que constitui a condio uni-
versal 0
mt,1
0
mt,1
. Resta portanto a equao:
Y
(1)
t,1
+C
t,nt
Y
(2)
nt,1
= B
00(1)
t,1
88
6 Teoria das Matrizes
Rearranjando os termos da equao acima, obtm-se:
Y
(1)
t,1
= B
00(1)
t,1
C
t,nt
Y
(2)
nt,1
A expresso acima mostra que t incgnitas, precisamente as incgnitas Y
(1)
t,1
,
podem ser expressas em funo de nt incgnitas, precisamente Y
(2)
nt,1
. Assim,
a soluo geral da equao A
00
Y = B
00
ser dada pelo vector coluna:
"
B
00(1)
t,1
C
t,nt
D
nt,1
D
nt,1
#
(11)
onde D
(2)
nt,1
K
nt
uma concretizao arbitrria qualquer das incgnitas
representadas em Y
(2)
nt,1
, a saber {y
t+1
, , y
n
}. Em particular, se Y
(2)
nt,1
= 0,
recupera-se a soluo particular D
0
= {b
00
1
, , b
00
t
, 0, , 0} j mencionada.
Nota 18 A soluo geral do sistema, dada pela expresso (11), foi obtida atrvs
de uma sucesso de equivalncias que se iniciou na equao A
00
Y = B
00
, o que
signica que no s a expresso (11) uma soluo do sistema como tambm
qualquer soluo do sistema A
00
Y = B
00
poder ser escrita na forma dada pela
expresso (11), isto , se G
n1
for uma soluo de A
00
Y = B
00
ento existe
D
(2)
nt,1
K
nt
tal que:
G
n1
=
"
B
00(1)
t,1
C
t,nt
D
nt,1
D
nt,1
#
esta arbitrariedade na escolha dos valores das incgnitas que est na
base da classicao do sistema como indeterminado. Dependendo do nmero
de incgnitas arbitrrias, assim ser o grau de indeterminao do sistema.
Denio 40 (Incgnitas Dependentes/Independentes) Seja AX = B a
equao matricial relativa a um sistema de equaes lineares, solvel, onde A
M
mn
(K), B M
m1
(K) e X M
n1
(K). Sabemos que existem matrizes
regulares P M
m
(K) e Q M
n
(K) tais que o sistema (PAQ) Y = PB, com
X = QY equivalente ao sistema original e assume a forma da expresso (10).
A soluo dada por Y =
h
Y
(1)
t,1
Y
(2)
nt,1
i
T
onde Y
(1)
t,1
= B
00(1)
t,1
C
t,nt
Y
(2)
nt,1
.
As variveis originais X
(1)
t,1
= QY
(1)
t,1
, que se podem exprimir em funo das var-
iveis X
(2)
nt,1
= QY
(2)
nt,1
designam-se por variveis dependentes do sistema
AX = B enquanto que as ltimas se designam por variveis independentes.
O nmero de variveis dependentes igual caracterstica da matriz de coe-
cientes do sistema, r (A).
89
6 Teoria das Matrizes
Denio 41 (Grau de Indeterminao) O grau de indeterminao de um
sistema de equaes lineares, possvel, dado pela equao matricial AX = B,
onde A M
mn
(K),B M
m1
(K) e X M
n1
(K) igual ao nmero de
variveis independentes do sistema, isto
Grau de Indetermina ao = n r (A)
Note-se que, se o sistema possvel e determinado, o grau de indeterminao
ser nulo, uma vez que, pela Proposio 28, se tem n = r (A).
Poder-se- ainda manipular a expresso (11) para concluir que se pode es-
crever como:
"
B
00(1)
t,1
0
nt,1
#
C
t,nt
I
nt
D
nt,1
(12)
Nota 19 A expresso (12) revela que a soluo geral do sistema A
00
Y = B
00
dado pela soluo particular B
00
qual se adiciona uma combinao linear das
colunas da matriz cujas primeiras t linhas so compostas pela matriz C e as
ltimas n t linhas pela matriz identidade multiplicada pelo escalar 1.
Nota 20 A soluo geral do sistema original AX = B pode ser recuperada
aplicando a matriz Q expresso (12) para se obter:
Q
("
B
00(1)
t,1
0
nt,1
#
C
t,nt
I
nt
D
nt,1
)
As seguintes observaes auxiliaro no entendimento desta questo:
1. Pondo (PA) X = (PAQ)
Q
1
X
Q
1
X
= (PA) E
1
E
2
E
h
E
1
h
E
1
2
E
1
1
X
= (PA) E
1
E
2
E
h
E
h
E
2
E
1
X
90
6 Teoria das Matrizes
possvel vericar que, ao mesmo tempo que se trocam as colunas i e j
da matriz PA por efeito de E
1
( direita) e se obtm PAE
1
, trocam-se as
linhas i e j de X por efeito da mesma matriz E
1
( esquerda) obtendo-se
E
1
X, e analogamente com E
2
, , E
h
.
2. Uma vez obtida uma soluo D
0
de (PAQ) Y = PB, o produto QD
0
corre-
sponde a desfazer em D
0
todas as trocas que levaram de X a Y , obtendo-
se assim uma soluo de (PA) X = PB.
3. Na prtica, o que se descreve em 1. que permitido, na resoluo da
equao (PA) X = PB, trocar colunas na matriz PA desde que se efectue
a respectiva troca de linhas na coluna incgnita X.
4. A operao descrita em 1. muito til na exposio terica da res-
oluo de uma equao matricial mas na resoluo de problemas poder
dispensar-se como adiante veremos.
Exemplo 26 Considere-se o sistema de equaes dado pela seguinte equao
matricial:
1 2 1 0 2
2 4 1 1 0
1 6 0 0 1
| {z }
A
x
1
x
2
x
3
x
4
x
5
| {z }
X
=
1
0
1
| {z }
B
Assume-se que A e B so matrizes de elementos reais. Comea por se con-
densar a matriz ampliada [ A| B]. Assim, ao mesmo tempo que averiguamos
cerca da solubilidade da equao, vamo-nos encaminhando, em caso armativo,
para a sua resoluo (os elementos redutores utilizados encontram-se assinalados
em cada passo):
1 2 1 0 2 1
2 4 1 1 0 0
1 6 0 0 1 1
L
2
L
2
+ 2L
1
L
3
L
3
+L
1
1 2 1 0 2 1
0 8 1 1 4 2
0 8 1 0 1 0
L
3
L
3
L
2
1 2 1 0 2 1
0 8 1 1 4 2
0 0 0 1 3 2
= [ A
0
| B
0
]
A matriz ampliada encontra-se em forma de escada e, dado que r ([ A
0
| B
0
]) =
r ([ A| B]) = r (A) = 3 conclui-se que o sistema possvel. Como r (A) < n
91
6 Teoria das Matrizes
conclui-se adicionalmente que o sistema indeterminado com grau de indeter-
minao nr (A) = 53 = 2. Em suma, o sistema Possvel e Indeterminado
com grau de indeterminao 2.
Prossegue-se o processo de condensao at a matriz ampliada estar na
forma de escada reduzida (os elementos redutores encontram-se devidamente
assinalados):
1 2 1 0 2 1
0 8 1 1 4 2
0 0 0 -1 3 2
L
2
1
8
L
2
L
3
L
3
1 2 1 0 2 1
0 1
1
8
1
8
1
2
1
4
0 0 0 1 3 2
L
1
L
1
2L
2
1 0
3
4
1
4
1
1
2
0 1
1
8
1
8
1
2
1
4
0 0 0 1 3 2
L
2
L
2
1
8
L
3
L
1
L
1
+
1
4
L
3
1 0
3
4
0
7
4
1
0 1
1
8
0
1
8
0
0 0 0 1 3 2
Neste ponto, sabemos que existe uma matriz regular, P, tal que:
PA =
1 0
3
4
0
7
4
0 1
1
8
0
1
8
0 0 0 1 3
e PB =
1
0
2
1 0 0
3
4
7
4
0 1 0
1
8
1
8
0 0 1 0 3
| {z }
PAQ
Q
1
X
1
0
2
| {z }
PB
Naturalmente que a matriz Q ser dada pela matriz identidade de ordem 5,
onde as colunas 2 e 3 foram trocadas:
92
6 Teoria das Matrizes
Q =
1 0 0 0 0
0 1 0 0 0
0 0 0 1 0
0 0 1 0 0
0 0 0 0 1
C
3,2
I
2
D
2,1
onde B
00(1)
3,1
=
1
0
2
, C
3,2
=
3
4
7
4
1
8
1
8
0 3
, 0
2,1
=
0
0
, I
2
=
1 0
0 1
e D
2,1
=
1
y
1
y
2
y
3
y
4
y
5
1
0
2
0
0
3
4
7
4
1
8
1
8
0 3
1 0
0 1
;
1
,
2
R
A soluo geral do sistema (PA) X = B e portanto AX = B ser dada por:
Q
y
1
y
2
y
3
y
4
y
5
= Q
1
0
2
0
0
3
4
7
4
1
8
1
8
0 3
1 0
0 1
=
93
6 Teoria das Matrizes
= Q
1
0
2
0
0
+Q
3
4
7
4
1
8
1
8
0 3
1 0
0 1
=
=
1
0
0
2
0
3
4
7
4
1
8
1
8
1 0
0 3
0 1
x
1
x
2
x
3
x
4
x
5
1
0
0
2
0
+
1
3
4
1
8
1
0
0
+
2
7
4
1
8
0
3
1
;
1
,
2
R
Alternativa 2
Nesta alternativa, exibir-se- a soluo geral do sistema partindo da equao
(PA) X = PB, evitando assim potenciais erros devido s trocas das colunas de
(PA). O sistema a resolver portanto:
1 0
3
4
0
7
4
0 1
1
8
0
1
8
0 0 0 1 3
| {z }
PA
X =
1
0
2
| {z }
PB
As colunas redutoras da matriz PA tm ndices {1, 2, 4}, correspondendo
s variveis dependentes {x
1
, x
2
, x
4
}, donde se deduz imediatamente a soluo
particular x
1
= b
0
11
= 1, x
2
= b
0
21
= 0 e x
4
= b
0
31
= 2. s restantes variveis, as
variveis independentes {x
3
, x
5
}, associadas a colunas no redutoras associa-se
o escalar 0: x
3
= x
5
= 0. Assim, a coluna D = {1, 0, 0, 2, 0} uma soluo
particular do sistema (PA) X = PB.
Resta determinar as duas colunas (relativas ao grau de indeterminao do
sistema, que 2) cuja combinao linear completar a expresso da soluo
geral do sistema. Cada uma dessa colunas ter dimenso 5 1 (uma vez que
n = 5). Como regra geral, a coluna V
i
associada varivel independente x
i
ter
o escalar 1 na posio i e os escalares 0 nas posies associadas s restantes
variveis independentes que no x
i
; as restantes posies sero preenchidas com
94
6 Teoria das Matrizes
os escalares constantes da i esima coluna da matriz PA multiplicados por
1, e por aquela ordem. Vejamos ento a forma deste vectores coluna no caso
presente:
Varivel independente x
3
:
V
3
=
?
?
1
?
0
V
3
=
3
4
1
8
1
0
0
Varivel independente x
5
:
V
5
=
?
?
0
?
1
V
5
=
7
4
1
8
0
3
1
x
1
x
2
x
3
x
4
x
5
1
0
0
2
0
+
1
V
3
+
2
V
5
=
=
1
0
0
2
0
+
1
3
4
1
8
1
0
0
+
2
7
4
1
8
0
3
1
;
1
,
2
R
Alternativa 3
Nesta alternativa, exibir-se- a soluo geral do sistema partindo da equao
(PA) X = PB, evitando assim potenciais erros devido s trocas das colunas de
(PA). Reescrevendo o sistema na forma algbrica, possvel deduzir a soluo
geral de forma intuitiva. O sistema a resolver , como na alternativa 2:
1 0
3
4
0
7
4
0 1
1
8
0
1
8
0 0 0 1 3
| {z }
PA
X =
1
0
2
| {z }
PB
95
6 Teoria das Matrizes
Na forma algbrica o sistema tomar a forma:
x
1
3
4
x
3
+
7
4
x
5
= 1
x
2
1
8
x
3
+
1
8
x
5
= 0
x
4
+3x
5
= 2
Resolvendo este sistema em ordem s variveis dependentes, obtm-se:
x
1
= 1 +
3
4
x
3
7
4
x
5
x
2
= 0 +
1
8
x
3
1
8
x
5
x
4
= 2 3x
5
; x
3
, x
5
R
Assim, a soluo geral dada por:
x
1
x
2
x
3
x
4
x
5
x
1
x
2
x
3
x
4
x
5
1 +
3
4
x
3
7
4
x
5
0 +
1
8
x
3
1
8
x
5
x
3
2 3x
5
x
5
; x
3
, x
5
R
Este vector pode ser reescrito com a soma de trs vectores: um vector de
termos independentes, outro de termos em x
3
e outro de termos em x
5
obtendo-
se:
1 +
3
4
x
3
7
4
x
5
0 +
1
8
x
3
1
8
x
5
x
3
2 3x
5
x
5
1
0
0
2
0
3
4
x
3
1
8
x
3
x
3
0
0
7
4
x
5
1
8
x
5
0
3x
5
x
5
1
0
0
2
0
3
4
x
3
1
8
x
3
x
3
0
0
7
4
x
5
1
8
x
5
0
3x
5
x
5
1
0
0
2
0
+x
3
3
4
1
8
1
0
0
+x
5
7
4
1
8
0
3
1
96
6 Teoria das Matrizes
Como x
3
e x
5
: so quaisquer escalares reais, poderemos somboliz-los por,
por exemplo,
1
e
2
, para se obter a j conhecida expresso geral das solues
de AX = B:
x
1
x
2
x
3
x
4
x
5
1
0
0
2
0
+
1
3
4
1
8
1
0
0
+
2
7
4
1
8
0
3
1
;
1
,
2
R
Nota 21 A apresentao da soluo geral do sistema em forma matricial ou
algbrica indiferente a menos que uma das formas seja especicamente solic-
itada.
O estudo da Natureza de um sistema de equaes lineares, resume-se no
seguinte quadro:
Natureza de um Sistema de Equac, o~es Lineares
Equa ao AX = B
Sol uvel
(r(A)=r([ A|B]))
Indeterminado
(r(A)=r([ A|B])<n)
Grau de Indeterminao
(nr(A))
Determinado
(r(A)=r([ A|B])=n)
Insol uvel
(r(A)6=r([ A|B]))
Note-se que, a natureza de um sistema, requer que se identique, no caso
indeterminado, o grau de indeterminao.
6.9.3 Algoritmo de Gauss-Jordan
O algoritmo de Gauss-Jordan um mtodo que permite resolver de forma sis-
temtica um sistema de equaes lineares dado pela equao matricial AX = B,
onde A M
mn
(K),B M
m1
(K) e X M
n1
(K).
Condensar a matriz ampliada do sistema, [ A| B], numa matriz em forma
de escada reduzida [ A
0
| B
0
]. Note-se que [ A| B] M
m(n+1)
(K).
Suponha-se que [ A
0
| B
0
] tem r linhas no-nulas e que o elemento redutor
na i esima linha ocorre na coluna c
i
para 1 i r. Ter-se- ento:
1 c
1
< c
2
< < c
r
n + 1
97
6 Teoria das Matrizes
Suponha-se ainda que as restantes colunas de A
0
tero ndices c
r+1
, , c
n
,
onde:
1 c
r+1
< c
2
< < c
n
n
Caso 1 c
r
= n+1. O sistema impossvel. Efectivamente, a ltima linha no-nula
de [ A
0
| B
0
] tem a forma
0 0 1
, correspondente equao:
0x
1
+ 0x
2
+ + 0x
n
= 1
obviamente insolvel
Caso 2 c
r
n. O sistema possvel. Note-se que r n.
= Se r = n, ento c
1
= 1, c
2
= 2, , c
n
= n e o sistema determinado
e ter a soluo nica:
b
0
1
b
0
2
b
0
n
T
= Se r < n, existiro solues mltiplas. O sistema indeterminado
com grau de indeterminao n r. A soluo geral obtem-se expri-
mindo as variveis dependentes x
c
1
, , x
c
r
nas variveis indepen-
dentes x
c
r+1
, , x
c
n
:
x
c
1
= b
0
1
a
0
1c
r+1
x
c
r+1
a
0
1c
n
x
c
n
x
c
r
= b
0
r
a
0
rc
r+1
x
c
r+1
a
0
rc
n
x
c
n
Solues particulares do sistema podem ser obtidas concretizando as
variveis independentes com valores particulares de K.
6.10 Matrizes com propriedades especiais
Nesta seco distinguem-se algumas matrizes que, pelas suas propriedades, se
enquadram numa denio particular. Daremos uma breve denio de cada
um destes tipos de matrizes assim como um exemplo ilustrando a respectiva
popriedade.
Denio 42 (Matriz idempotente) Seja A M
n
(K). Diz-se que a matriz
A idempotente se A
2
= A.
98
6 Teoria das Matrizes
Exemplo 27 A matriz A =
8 28
2 7
8 28
2 7
8 28
2 7
=
8 8 + (28) 2 8 (28) + (28) (7)
2 8 + (7) 2 2 (28) + (28) (7)
=
8 28
2 7
0 0 0
1 2 1
1 4 2
0 0 0
1 2 1
1 4 2
6= 0
0 0 0
1 2 1
1 4 2
2
6=
0 0 0
1 0 0
2 0 0
6= 0
0 0 0
1 2 1
1 4 2
3
= 0
Denio 44 Seja A M
n
(K). A matriz A diz-se involuntria se A
2
= I.
Exemplo 29 simples conrmar que a matriz A =
11
2
39
4
39
4
1
5
2
3
2
2 3 4
involuntria.
Denio 45 (Matrizes Equivalentes) Duas matrizes A, B M
nm
(K)
dizem-se equivalentes se existem matrizes regulares P M
n
(K) e QM
m
(K)
tais que A = PBQ.
Uma propriedade importante das matrizes equivalentes traduz-se no seguinte
resultado:
99
6 Teoria das Matrizes
Proposio 29 Duas matrizes, A, B M
nm
(K), equivalentes tm a mesma
caracterstica.
Demonstrao. Por denio, existem matrizes regulares P M
n
(K)
e Q M
m
(K) tais que A = PBQ. Pelo ponto 4 da Proposio 18 tem-
se r (PBQ) = r (BQ). Pela Proposio 23 tem-se r (BQ) = r (B). Como
A = PBQ resulta imediatamente r (A) = r (B).
Um caso particular de equivalncia de matrizes o de semelhana de ma-
trizes, que se denem em seguida.
Denio 46 (Matrizes Semelhantes) Duas matrizes A, BM
n
(K) dizem-
se semelhantes se existe uma matriz regular P M
n
(K) tal que A = PBP
1
.
100