Sebenta PDF

lgebra Linear
ndice
Lgica e Demonstrao
1 Demonstrao Directa
2 Recproco e Contrapositivo
3 Demonstrao Indirecta ou por Reduo ao Absurdo
4 Demonstrao por Induo Matemtica
Matrizes e Determinantes
5 Nota Histrica
6 Teoria das Matrizes

15
6.1 Definies 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 filas 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 Definies 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 Recproco e Contrapositivo
Lgica e Demonstrao
Resumem-se, neste captulo, os trs mtodos de demonstrao matemtica existentes, e cuja aplicao ser assdua ao longo de todo o texto.
Demonstrao Directa
O modo directo de demonstrar a proposio A B consiste em determnar

uma sequncia de teoremas e/ou axiomas aceites na forma Ai Ai+1 , para
i = 1, , n de modo a que A1 A e An B. A dificuladade est, obviamente,
em encontrar a sequncia de axiomas e/ou teoremas que preenchem o vazio entre
A e B. A afirmao A designa-se por hiptese, ou seja, aquilo que dado e a
afirmao 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 m p um
inteiro par.
Demonstrao.
1. m um inteiro par (Dado, por hiptese).
2. existe um inteiro q tal que m = 2 q (Definio de um nmero inteiro
par).
3. m p = (2q) p (Utilizando o axioma a = b ac = bc).
4. m p = 2 (qp) (Pela propriedade associativa da multiplicao).
5. m p um inteiro (Pela definio de um nmero inteiro par).
Recproco e Contrapositivo
Definio 1 Considere-se a proposio da forma A B : se a hiptese A

se verifica ento a tese, B, tambm se verifica. O recproco da proposio
a proposio B A.
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 verdadeira 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.
Definio 2 Se a proposio A B e o seu recproco, B A, so ambos
verdadeiros diz-se que A se verifica se e s se B se verifica. 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 .
Definio 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.
Demonstrao Indirecta ou por Reduo ao

Absurdo
Consideremos o seguinte resultado:

Proposio 1 A proposio A = B verdadeira se e s se o seu contrapositivo verdadeiro.
Demonstrao. Com recurso a uma tabela de verdade extremamente
simples provar que (A = B) ( B = A):
A
V
F
V
F
B
V
V
F
F
A = B
V
V
F
V
B
V
F
V
F
A
V
V
F
F
B = A
V
V
F
V
Note-se as colunas relativas a (A = B) e ( B = A) o que completa a

demonstrao.
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 afirmao A
verdadeira.
Conideremos o seguinte Teorema ilustrativo.
Teorema 2 Se p um nmero natural e p2 par, ento p par.
Demonstrao. Pretende-se mostrar p2 par (p par), para qualquer p N.

Suponhamos ento que existe um natural p tal que p mpar. Ento qN :
2
2
p = 2q +1. Assim,
vir (2q + 1)2 = 4q 2 +4q +1,
2 p = (2q + 1) . Desenvolvendo,
2
2
isto , p = 4 q + q + 1. Mas ento p um nmero mpar, o que absurdo,
pois a hiptese original era a de que p2 era par. O absurdo vem de se assumir
que p par, logo p ter de ser mpar.
Demonstrao por Induo Matemtica
Existe um terceiro mtodo de demonstrao que difere significativamente 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
afirmaes envolvendo os nmeros inteiros ou, indexadas aos nmeros inteiros.
Consideremos ento uma sequncia de afirmaes indexadas aos nmeros inteiros, de modo que (1) a primeira afirmao, (2) a segunda afirmao
e (n) a n esima afirmao. Suponhamos que possvel demonstrar dois
factos cerca desta sequncia:
(i) A afirmao (1) verdadeira.
(ii) Se, para algum k N, a afirmao (k) verdadeira ento a afirmao
(k + 1) tambm verdadeira.
Nestas circunstncias a afirmao (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 12 n (n + 1).
Demonstrao. Procedamos demonstrao por Induo Matemtica,

sabendo que a afirmao a demonstrar dada por:
(n) = 1 + 2 + + n =
1
n (n + 1)
2
(i) Consideremos n = 1. Neste caso, a soma dos primeiros naturais ser 1,

que precisamente igual a 12 1 (1 + 1).
(ii) Suponhamos que a afirmao 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
k (k + 1)
2
Queremos mostrar que:
(k + 1) = 1 + 2 + + (k + 1) =
1
(k + 1) (k + 2)
2
Mas,
(k + 1) = (1 + 2 + + k) + (k + 1) =
{z
}
|
(k)
=
=
=
1
k (k + 1) + (k + 1) =
2
1
k + 1 (k + 1) =
2
k+2
(k + 1) =
2
1
(k + 2) (k + 1)
2
Logo, (n) vlida para qualquer n N.
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 finais do sc.
XVII da nossa era que as ideias reapareceram e o seu desenvolvimento floresceu.
No surpreendente que os primrdios das matrizes e determinantes tenham 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 problema:
Existem dois campos com uma rea total de 1800 m2 . Um produz
gro taxa de 23 de alqueire por m2 enquanto o outro produz gro
taxa de 12 de alqueire por m2 . 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
+ 12 y = 1100
2
3x
(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 coeficientes 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 medidas. 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 problema 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 coeficientes

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 finais do sc. XX levariam a dispor os coeficientes 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 relativamente ao terceiro tipo de milho, seguida do segundo e finalmente 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 final na definio
8
5 Nota Histrica
da regra. Assim, Cardan no chega at definio de determinante, mas, numa

perpectiva actual possvel concluir que o seu mtodo leva efectivamente
definio de determinante.
Muitos dos resultados associados Teoria Elementar das Matrizes apareceram antes das Matrizes serem objecto de investigao matemtica. Por exemplo,
de Witt, na sua obra Elementos das Curvas, publicado como parte dos comentrios 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 simultaneamente 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 descritos 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 mtodos 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:
... tinha soluo porque
10 + 11x + 12y = 0
20 + 21x + 22y = 0
30 + 31x + 32y = 0
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 coeficientes
seja nulo. note-se que Leibniz no utiliza coeficientes numricos mas dois smbolos, 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 a21 .
Leibniz estava convencido que a notao matemtica era a chave para o progresso, tendo experimentado com vrias notaes para o sistema de coefcientes.
Os seus manuscritos no publicados contm mais de cinquenta formas de representar sistemas de coeficientes, 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 coeficientes, 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 tambm sabia que um determinante podia ser desenvolvido utilizando uma qualquer
coluna do sistema de coeficientes, no que conhecido actualmente como o Desenvolvimento de Laplace. Assim como o estudo de sistemas de coeficientes
de equaes lineares levaram Leibniz na rota dos determinantes, o estudo de
sistemas de coeficientes de formas quadrticas resultou naturalmente num desenvolvimento 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 quocientes, cujo denominador comum composto de tantas parcelas
quantas as permutaes de n coisas.
Cramer prossegue, explicando precisamente como estas parcelas so calculadas, assim como os respectivos sinais (+ ou -). So efectivamente produtos de certos coeficientes das equaes. Refere ainda que os n numradores das
fraces podem ser determinados substituindo certos coeficientes neste clculo
por termos constantes do sistema de equaes.
O trabalho sobre determinantes comeava agora a emergir com certa regularidade. Em 1764, Bzout forneceu mtodos para calcular determinantes,
assim como Vandermonde em 1771. Em 1772, Laplace afirmou que os mtodos 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 estado 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 funcionais 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, Lagrange demonstrou que o tetraedro formado pelos pontos O (0, 0, 0), M (x, y, z),
M 0 (x0 , y 0 , z 0 ) e M 00 (x00 , y 00 , z 00 ) tem volume dado por
1
[z (x0 y 00 y 0 x00 ) + z 0 (yx00 xy 00 ) + z 00 (xy 0 yx0 )]
6
que precisamente igual a
1
6
do determinante da matriz
x x0
y y0
z z0
x00
y 00
z 00
O termo determinante foi inicialmente introduzido por Gauss em Disquisitiones Arithmeticae de 1801, no decurso da discusso sobre formas quadrticas. Gauss utilizou este termo porque o determinante determina as propiedades
de uma forma quadrtica. No entanto, o conceito no o mesmo que o conceito moderno de determinante. Na mesma obra, Gauss dispe os coeficientes
das suas formas quadrticas em tabelas rectangulares. Gauss descreve a multiplicao de matrizes, mas em termos de uma composio, pelo que ainda no
vislumbrava o conceito de uma gebra Matricial. Descreve ainda a inverso de
matrizes no contexto particular de matrizes de coeficientes relativas a formas
quadrticas.
O Mtodo de Eliminao de Gauss, cuja apario remonta ao texto Nove
Captulos da Arte Matemtica em 200 a. C., foi utilizado por Gauss no seu
trabalho envolvendo o estudo da rbita do asteride Pallas. Utilizando observaes de Pallas feitas entre 1803 e 1809, Gauss obteve um sistema de 6 equaes
lineares a 6 incgnitas. Gauss props um mtodo sistemtico para a resoluo
de tais equaes, precisamente o Mtodo de Eliminao de Gauss sobre a matriz
dos coeficientes.
Foi Cauchy, em 1812, que usou o termo determinante no seu sentido actual. O trabalho de Cauchy o mais completo de entre os primeiros trabalhos
sobre determinantes. Reprovou os primeiros resultados e forneceu novos resultados por si descobertos sobre menores complementares e matrizes adjuntas.
No seu artigo de 1812, apresentado numa conferncia no Institut de France,
o teorema da multiplicao de determinantes demonstrado pela primeira vez
embora na mesma conferncia, Binet tenha apresentado um artigo contendo
uma demonstrao do mesmo teorema mas menos satisfatria que a prova de
Cauchy.
Em 1826 e no contexto das formas quadrticas em n variveis, Cauchy utilizou o termo tableau para a matriz de coeficientes. Descobriu os seus valores
11
5 Nota Histrica
prprios e forneceu resultados sobre a diagonalizao de uma matriz, no processo que envolvia a transformao de uma forma quadrtica numa soma de
quadrados. Cauchy introduz ainda a ideia de matrizes semelhantes, mas no
o termo, e mostrou que se duas matrizes so semelhantes ento tm a mesma
equao caracterstica. Ainda no contexto das formas quadrticas, mostrou que
qualquer matriz real simtrica diagonalizvel.
Jacques Sturm forneceu uma generalizao do problema dos valores prprios
no ocontexto da resoluo de sistemas de equaes diferenciais ordinrias. Com
efeito, o conceito de valor prprio surgiu 80 anos antes, de novo em trabalhos
sobre sistemas de equaes diferenciais realizados por dAlembert. Na altura,
dAlembert estudava o movimento de uma corda com massas associadas em
vrios pontos do seu comprimento.
Deve ser notado que nem Cauchy nem Jacques Sturm se aperceberam do
alcance e generalidade das ideias que introduziram, considerando-as apenas no
contexto especfico das suas reas de investigao. Jacobi, na dcada de 1830
e posteriormente Kronecker e Weierstarss nas dcadas de 1850 e 1860, respectivamente, tambm desenvolveram resultados sobre matrizes mas, de novo, no
contexto especfico das transformaes lineares. Jacobi publicou trs tratados
sobre determinantes em 1841. Estes foram importantes na medida em que a
definio de determinante introduzida de forma algortmica. Para alm disso,
Jacobi no especifica quais os termos dos determinantes, pelo que os resultados
se aplicam to bem a casos onde os termos so nmeros ou funes. Estes trs
artigo de Jacobi tornaram a idieia de determinante largamente conhecida
Cayley, tambm escrevendo em 1841, publicou a primeira contribuio inglesa para a Teoria dos Determinantes. No seu artigo, utilizou duas linhas
verticais limitando uma matriz, para denotar o seu determinante, notao esta
que permaneceu at aos nossos dias.
Eisenstein, em 1844, denotou substituies lineares por uma letra nica e
mostrou como adicon-las e multiplic-las como vulgares nmeros, excepto no
que respeita sua comutatividade. justo referir que Eisenstein foi o primeiro
a pensar que as substituies lineares poderiam formar uma lgebra, como se
pode induzir de um seu artigo publicado em 1844:
Um algoritmo para o seu clculo pode ser baseado na aplicao das
regras normais para as operaes soma, multiplicao, diviso e exponenciao a equaes simblicas entre sistemas lineares. Obtm-se
deste modo equaes simblicas correctas, apenas ressalvando que a
ordem dos factores no pode ser alterada.
O primeiro a uilizar o termo matriz foi Sylvester em 1850. Sylvester
definiu uma matriz como sendo um arranjo rectangular de termos no qual se
podiam definir vrios determinantes sobre arranjos de termos contidos no arranjo global. Aps ter deixado a Amrica de regresso a Inglaterra em 1851,
Sylvester tornou-se advogado e conheceu Cayley, tambm advogada e que partilhava com o primeiro o mesmo interesse pela Matemtica. Cayley reconheceu
12
5 Nota Histrica
imediatamente o significado do conceito e matriz e, em 1853 publicaria uma

nota, mencionando, pela primeira vez, o conceito de inversa de uma matriz.
Em 1858, Cayley publicou o seu Memorando sobre a Teoria das Matrizes,
o qual constitu um texto notvel por conter a primeira definio abstracta de
matriz. Cayley mostra que os arranjos de coeficientes anteriormente estudados
relativos a formas quadrticase transformaes lineares so casos especiais de
um conceito mais geral, o conceito de matriz. Cayley prope uma legbra
Matricial onde define a adio, multiplicao, multiplicao por um escalar e
inverso. Adicionalmente, prope uma construo explcita para a forma da
inversa de uma matriz em termos do seu determinante. Mais ainda, Cayley
mostra que, no caso das matrizes de ordem 2, qualquer matriz satisfaz a sua
equao caracterstica. Refere que verificou o resultado para matrizes de ordem
3, propondo uma demonstrao mas:
[...] no me parece necessrio empreender numa demonstrao formal para o caso geral de matrizes de qualquer ordem [...]
O importante resultado de que uma matriz satisfaz a sua equao caracterstica tem a designao especial de Teorema de Cayley-Hamilton. Qual ento o
pael de Hamilton? Efectivamente, Hamilton demonstrou o caso especial para
matrizes de ordem 4, no decurso das suas investigaes sobre quaternies.
Em 1870 surgiu a Forma Cannica de Jordan no Tratado sobre Substituies
e Equaes Algbricas, escrito por Jordan. O conceito surge no contexto de
uma forma cannica para substituies lineares sobre o corpo finito de ordem
primo.
Frobenius, em 1878 escreveu um importante texto sobre matrizes, Sobre
Substituies Lineares e Formas Bilineares, embora no parea ao corrente do
trabalho de Cayley. Neste artigo, Frobenius trata dos coeficientes de formas e
no utiliza o termo matriz . No entanto, demonstra resultados importantes
sobre matrizes cannicas como representantes de classes de equivalncia de matrizes. Cita Kronecker e Weierstrass como tendo considerado casos especiais
dos seus resultados em 1874 e 1868, respectivamente. Frobenius tambm demonstrou o resultado geral de que uma matriz satisfaz a sua equao caracterstica.
Este artigo de Frobenius de 1878 tambm encerra a definio de caracterstica
de uma matriz, a qual foi utilizada nas suas investigaes em formas cannicas
e na definio de matrizes ortogonais.
A nulidade de uma matriz quadrada foi definida por Sylvester em 1884.
Sylvester definiu a nulidade da matriz A, denotada por n (A), como sendo o
maior i tal que todo o menor complementar de A de ordem n i + 1 nulo.
Sylvester estava interessado em invariantes de matrizes, isto , propriedades que
no so alteradas por certas transformaes. Sylvester demonstrou que:
m
ax {n(A), n(B)} n(AB) n(A) + n(B)
Em 1896, Frobenius tomou conhecimento do texto Memorando sobre a Teoria das Matrizes escrito em 1858 por Cayley, adoptando desde ento o termo
13
5 Nota Histrica
matriz . Embora Cayley tenha apenas demonstrado o Teorema de CayleyHamilton para matrizes de ordem 2 e 3, Frobenius atribui generosamente o resultado a Cayley, mau grado ter sido aquele o primeiro a demonstrar o teorema
no caso geral.
Uma definio axiomtica de determinante foi utilizada por Weierstrass nas
suas lies e, aps a sua morte, foi publicada em 1903 na nota Sobre a Teoria dos Determinantes. No mesmo ano, as lies de Kronecker sobre determinantes tambm foram publicadas, de novo, postumamente. Com estas duas
publicaes, a moderna Teoria dos Determinantes tomou vida prpria mas levou
um pouco mais de tempo a que a Teoria das Matrizes no seu todo se estabelecesse como uma teoria totalmente aceite. Um importante texto, que deu s
matrizes o devido espao dentro da Matemtica foi a Introduo lgebra
Superior de Bcher, publicado em 1907. Turnbull e Aitken escreveram textos
influentes nos anos 30 do sc. XX. O texto Uma Introduo lgebra Linear
de 1955 escrito por Mirsky deu Teoria das Matrizes o impulso necessrio para
se manter at hoje como um dos mais importantes temas das licenciaturas em
Matemtica.
14
Teoria das Matrizes
6.1
Definies e Generalidades
Definio 4 (Matriz) Sejam K um corpo e m e n nmeros inteiros positivos;

designa-se por matriz sobre K (cujos elementos se designam por escalares) a
todo o quadro de elementos de K dispostos em m linhas e n colunas.
Nota 1 K, em particular, pode ser o conjunto dos nmeros reais, R. Neste
caso, as matrizes dizem-se reais.
Para designar genericamente uma matriz utilizam-se as seguintes notaes:
A=
a11
a21
..
.
a12
a22
..
.
a1,n1
a2,n1
..
.
a1n
a2n
..
.
am1
am2
am,n1
amn
aij K
i = 1, ..., m
= [aij ] ,
j = 1, ..., n
(3)
Nestas notaes, o primeiro ndice (i) do elemento genrico aij indica a

linha e o segundo (j) a coluna em que se encontra o elemento de K. Por
exemplo, a23 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 especificar
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 .
Definio 5 Designa-se por Mmn (K) o conjunto de todas as matrizes do tipo
m n (e l-se me-por-ne) sobre o corpo K.
As matrizes do conjunto Mmn (K) podem ser classificadas 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
definida 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.
Definio 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 Mn (K).
15
Matrizes Rectangulares (m 6= n)
Designao
Forma Geral
Matriz Linha
ou
a11 a12 a1n
Vector Linha
(m = 1)
a11
a21
Matriz Coluna
..
ou
.
Vector Coluna
am1
(n = 1)
ou
{a11 , a21 , , am1 }
Tabela 1: Principais tipos de Matrizes Rectangulares
Matrizes Quadradas (m = n)
Designao
Forma Geral
a11 a12 a1n

0 a22 a2n
Matriz Triangular Superior
..
..
..
(i > j = aij = 0)
.
.
.
0
a11
a21
..
.
0
0
a22
..
.
ann
0
0
..
.
an1
a11
0
..
.
an2
0
a22
..
.
ann
0
0
..
.
Matriz Triangular Inferior

(i < j = aij = 0)
Matriz Diagonal
(aij = 0; i 6= j)
ann
ou
diag {a11 , a22 , , ann }
uma matriz diagonal em que
Matriz Escalar
aij = 0, i 6= j; aij = a K, i = j
diag {a, a, , a}
a matriz escalar em que
Matriz Identidade
m=n=1
aij = 0, i 6= j; aij = 1 K, i = j
diag {1, 1, , 1}
Representa-se por In (ou apenas I)
Neste caso identifica-se a matriz
[a] com o prprio escalar a R
Tabela 2: Principais tipos de Matrizes Quadradas
16
Uma matriz diagonal pode tanbm ser entendida como uma matriz simultaneamente triangular superior e triangular inferior.
Definio 7 (Elementos homlogos) Dadas as matrizes A = [aij ] e B = [bij ]
do mesmo tipo m n 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, a36 e b36 so elementos homlogos.
Definio 8 (Matrizes iguais) Dadas duas matrizes A = [aij ] e B = [bij ]
do mesmo tipo m n sobre um corpo K, estas dizem-se iguais se os elementos
homlogos forem iguais. Denota-se simbolicamente essa igualdade por A = B.
Definio 9 (Diagonal) Seja a matriz A = [aij ] Mmn (K). Designa-se
por diagonal principal da matriz A aos elementos
a11 , a22 , , amin(m,n),min(m,n)
(que se designam por elementos principais da matriz).

Se A = [aij ] Mn (K) a diagonal principal da matriz A ser dada por
{a11 , a22 , , ann } e possvel definir a diagonal secundria dada pelos elementos {a1n , a2,n1 , , an1 }.
Nota 2 As diagonais de uma matriz tomam uma relevncia especial quando se
consideram matrizes quadradas.
Exemplo 2 Considerem-se as seguintes matrizes e identifiquemos as respectivas diagonais:
3
0
1
3 1
-1 2
0
-1 1 . Diagonal Principal: {3, 2, 3}. Diagonal Se0 -2 -3
1 1
cundria: no tem.
3
0
-1 2 . Diagonal Principal: {3, 2}. Diagonal Secundria: no tem.
0 -2
3
0
1
0 . Diagonal Principal: {3, 2, 3}. Diagonal Secundria:

-1 2
0 -2 -3
{1, 2, 0}.
17
Definio 10 (Matriz nula) Designa-se por matriz nula do tipo Mmn (K)
matriz A = [aij ] tal que aij = 0, (i,j){1,...,m}{1,...,n} . Neste caso, denota-se
A por 0mn ou simplesmente por 0 se a ordem estiver subentendida e no houver risco de confuso com o escalar 0 (o elemento neutro para a adio do corpo
K).
Definio 11 (Matriz identidade) Designa-se por matriz identidade de ordem n matriz escalar A = [aij ] Mn (K), tal que aii = 1 (onde 1
o elemento neutro para a multiplicao no corpo K). Neste caso, denota-se A
por In ou simplesmente por I se a ordem estiver subentendida e no houver
ambiguidade.
6.2
lgebra Matricial
Discutem-se nesta seco as principais operaes com matrizes: adio de matrizes, multiplicao de uma matriz por um escalar e multiplicao de matrizes.
6.2.1
Soma de matrizes.
Definio 12 Sejam A = [aij ] , B = [bij ] Mmn (K). Define-se soma A + B

matriz C = [cij ], tal que cij = aij + bij , (i,j){1,...,m}{1,...,n} .
Nota 3 Se as matrizes A e B no forem do mesmo tipo, isto , se no tiverem
as mesmas dimenses e/ou o corpo subjacente no for igual, no possvel
determinar A + B, pelo que a soma de A com B diz-se indefinida.
Proposio 2 O conjunto Mmn (K) munido da adio definida na Definio
12 constitui um grupo abeliano (ou comutativo):
1. A,BMmn (K) , CMmn (K) : C = A + B. Esta a propriedade mais
simples das estruturas algbricas. Ao verificar esta propriedade diz-se
que o conjunto Mmn (K) um grupide. Alternativamente, diz-se que
Mmn (K) fechado para a adio.
2. A,B,CMmn (K) , A + (B + C) = (A + B) + C. Propriedade associativa
para a adio de matrizes.
3. A,BMmn (K) , A + B = B + A. Propriedade comutativa para a adio de
matrizes.
4. AMmn (K) , BMmn (K) : A + B = A. A matriz B designa-se por elemento neutro para a adio de matrizes e representa-se, como j verificmos, por 0, ou por 0mn .
18
5. AMmn (K) , BMmn (K) : A + B = 0. A matriz B designa-se por simtrico da matriz A para a adio de matrizes e representa-se por A.
Diz-se ainda que todos os elementos A Mmn (K) so regulares.
Demonstrao.
1. Como A, B Mmn (K), A + B Mmn (K). Adicionalmente
= [aij ] + [bij ]
= [aij + bij ]
(A + B)ij
Como aij , bij K ento K fechado para a adio, isto aij + bij K e
portanto [aij + bij ] Mmn (K).
2. Como A, B, C Mmn (K) ento A + (B + C) e (A + B) + C esto
definidas. Adicionalmente
{A + (B + C)}ij
= [aij ] + [bij + cij ]

= [aij + (bij + cij )]
(porque a adio associativa em K)
= [(aij + bij ) + cij ]
= [aij + bij ] + [cij ]
= {(A + B) + C}ij
3. Como A, B Mmn (K) ento A + B e B + A esto definidas. Adicionalmente

(A + B)ij
= [aij ] + [bij ]
= [aij + bij ]
(porque a adio comutativa em K)
= [bij + aij ]
= [bij ] + [aij ]
= (B + A)ij
4. Seja A Mmn (K) e B = 0mn Mmn (K). Ento:

(A + B)ij
= [aij ] + [bij ]
= [aij + 0]
(porque 0 o elemento neutro da adio em K)
= [aij ]
= (A)ij
19
5. Seja A = [aij ] Mmn (K) e B = [bij ] Mmn (K) tal que bij =
aij , i = 1, ..., m; j = 1, ..., n. Ento:
(A + B)ij
(porque aK , bK
Exemplo
6.2.2
=
=
=
:
=
=
[aij ] + [bij ]
[aij + bij ]
[aij + (aij )]
a + b = 0 e b = a)
[0]
(0)ij
3 Considerem-se os seguintes casos:

2
5 6
1+5 2+6
6
8
+
=
=
4
7 8
3+7 4+8
10 12

3
1+3
4
+
=
=
4
2+4
6

4 + 1 2 = 3+1 4+2 = 4 6
Multiplicao de uma matriz por um escalar.
Definio 13 Seja A = [aij ] Mmn (K) e K um escalar. Define-se o

produto de por A e denota-se por A (ou A) matriz B = [bij ] Mmn (K)
tal que bij = aij , (i,j){1,...,m}{1,...,n} .
Proposio 3 Sejam A, B Mmn (K) e , K. As seguintes propriedades
so verificadas:
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
1.
( (A + B))ij
=
=
=
=
=
=
[(aij + bij )]
[ (aij + bij )]
[aij + bij ]
[aij ] + [bij ]
[aij ] + [bij ]
(A)ij + (B)ij
( + ) (A)ij
=
=
=
=
=
=
( + ) [aij ]
[( + ) aij ]
[aij + aij ]
[aij ] + [aij ]
[aij ] + [aij ]
(A)ij + (A)ij
2.
3.
( (A))ij
=
=
=
=
=
( [aij ])
[aij ]
[() aij ]
() [aij ]
(() A)ij
4.
(1 (A))ij
=
=
=
=
1 [aij ]
[1aij ]
[aij ]
(A)ij
Exemplo 4 Considerem-se os seguintes casos:
1 2
31 32
3 6
=
=
3
3 4
33 34
9 12
21

2 1 =
2
22
2 2

3 4 = 12 3 12 4 = 32
2
1
2
1
2
Proposio 4 O conjunto Mmn (K) munido da adio definida na Definio

12 e da multiplicao por um escalar definida na Definio 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.
Definio 14 Sejam A Mmp (K) e B Mpn (K). A matriz produto de A

por B, que seP
denota AB (ou A B), dada pela matriz C = [crs ] Mmn (K)
p
tal que crs = i=1 ari bis , (i,j){1,...,m}{1,...,n} .
Note-se que a matriz A, que multiplica esquerda, tem tantas colunas quantas as linhas de B. O elemento crs obtm-se multiplicando os elementos da linha
r de A pelos elementos da coluna s de B, pela mesma ordem, e somando os produtos obtidos. Em nenhuma outra circunstncia possvel multiplicar duas
matrizes. De um modo geral, dadas duas matrizes A e B de dimenses, respectivamente m n e p q, os produtos C = AB e D = BA so possveis nas
seguintes circunstncias:
Produto
A B
(mn)
(pq)
(pq)
(mn)
Possvel se ...
n=p
Resultado
C
(mq)
q=m
(pn)
Exemplo 5 Considerem-se as seguinte matrizes reais:
2
A= 3
3
3
C=
5
3
5
5
5
4
3
3
5
5
1
2
0
B = 2 1
1 3
D = 3 5 3
Os produtos possveis so AB, BC, CA, CB, DA e DB. A ttulo exemplificativo, ter-se-:
22
2
0
2 3 3
AB = 3 5 3 2 1
3 5 5
1 3
(2) 2 + 3 (2) + (3) (1) (2) 0 + 3 1 + (3) (3)
3 2 + 5 (2) + 3 (1)
3 0 + 5 1 + 3 (3)
=
3 2 + 5 (2) + (1) (1)
3 0 + 5 1 + (5) (3)
7 12
= 7 4
1
20
1 2
3 4
5 6
7 8
5 6
7 8
1 2
3 4
1 1
1 1
1
2
3 4
1 1
1 1
15+27 16+28
35+47 36+48
19 22
=
43 50
=
51+63 52+64
=
71+84 72+84
23 34
=
41 46
3 4
1
2
13 14
23 24
3 4
=
6 8
= [3 1 + 4 2]
= [11] = 11
1 1 + (1) 1 1 (1) + (1) (1)

=
1 1 + (1) 1 1 (1) + (1) (1)
0 0
=
0 0
23
Nota 4 Em geral AB 6= BA. Veja-se o exemplo 6.

Definio 15 (Matrizes comutveis) Sejam A, B Mn (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 = [aij ] , B = [bij ] Mmp (K),
C = [cjk ] , D = [djk ] Mpq (K), F = [fkl ] Mqn (K) e o escalar K.
Verificam-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 multiplicao de matrizes. As 4 matrizes nulas representadas nestas expresses
so diferentes uma vez que tm dimenses diferentes. Tero de ter as dimenses adequadas para o produto faa sentido. As suas dimenses so,
respectivamente, p q, m q, q m e q p.
24
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 m q.
((A + B) D)ik =
=
p
X
j=1
p
X
(A + B)ij djk
(aij + bij ) djk
j=1
p
X
aij djk +
j=1
p
X
bij djk
j=1
= (AD)ik + (BD)ik
2. De modo semelhante se mostra que A (C + D) = AC + AD.

p
X
( (AD))ik = aij djk
j=1
p
X
(aij ) djk
j=1
p
X
(A)ij djk
j=1
= ((A) D)ik .
Mas tambm,
p
p
X
X
aij djk =
aij (djk )
j=1
j=1
p
X
=
aij (D)jk
j=1
= (A (D))ik .
3. Note-se em primeiro lugar que as matrizes (AD) F e A (DF ) tm ambas

dimenso m n.
25
((AD) F )il =
q
X
k=1
q
X
k=1
(AD)ik fkl
p
X
aij djk fkl
j=1
q X
p
X
aij djk fkl
k=1 j=1
p
X
=
aij
j=1
p
X
q
!
X
djk fkl
k=1
aij (DF )jl
j=1
= (A (DF ))il .
Proposio 6 O conjunto Mn (K) munido da adio definida na Definio 12

e da multiplicao definida na Definio 14 constitui um anel:
1. A,BMn (K) , CMn (K) : C = A + B. O conjunto Mn (K) fechado para
a adio.
2. A,B,CMn (K) , A + (B + C) = (A + B) + C. Propriedade associativa da
adio de matrizes.
3. A,BMn (K) , A + B = B + A. Propriedade comutativa para a adio de
matrizes.
4. AMn (K) , BMn (K) : A + B = A. A matriz B designa-se por elemento
neutro para a adio de matrizes.
5. AMn (K) , BMn (K) : A + B = 0. Todos os elementos so regulares para
a adio de matrizes.
6. A,BMn (K) , CMn (K) : C = A B. O conjunto Mn (K) fechado para a
multiplicaao.
7. A,B,CMn (K) , A (BC) = (AB) C. Propriedade associativa da multiplicao de matrizes.
26
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 In ou simplesmente I se no houver dvida quanto
ordem.
9. A,B,CMn (K) , A (B + C) = AB + BC. Propriedade distributiva da multiplicao em relao adio de matrizes.
Nota 5 Note-se que, se A Mmn (K) tem-se Im A = A e AIn = 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

1
identidade sempre a matriz, como a seguir se demonstra
(Im A)ik =
(AIn )ik =
m
X
ij ajk = aik = (A)ik
j=1
n
X
aij jk = aik = (A)ik
j=1
6.2.4
Multiplicao por blocos.
Definio 16 (Submatriz) Seja A Mmn (K). Designa-se submatriz de A

a uma matriz formada pelos elementos de A que pertencem a algumas linhas e
algumas colunas previamente fixadas de A.
Definio 17 (Partio em blocos) Seja A Mmn (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 Mmp (K) e B Mpn (K) e C = AB.
(b) Considerem-se nmeros inteiros p1 , p2 , , ph tais que sejam verificadas as relaes 1 p1 < p2 < < ph < p.
27
(c) Escreva-se cij =
p1
X
r=1
(1)
air brj +
{z
(1)
cij
p2
X
r=p1 +1
air brj + +
{z
(2)
cij
p
X
air brj . O
r=ph +1
{z
(h+1)
cij
elemento cij resulta de somar os produtos dos primeiros p1 elementos

(2)
da linha i de A pelos primeiros p1 elementos da coluna j de B; cij

a soma dos produtos dos p2 p1 elementos seguintes da linha i de
A pelos p2 p1 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 verificadas as seguintes condies:
(a) A Mmp (K) e B Mpn (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 Aij tem de ser igual ao nmero
de linhas de cada bloco Bjt , a fim de se poder efectuar o produto
Aij Bjt .
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
1
0
A=
0
2
0
1
0
3
0
0
1
5
0
0
0
5
1
3
1
1
e
B
=
2
3
0
3
1
3
3
3
1
5
3
5
3
5
1
5
0
0
3
5
1
5
0
0
5
2
3
4
0
0
Os blocos considerados na partio acima transformam a matriz A numa

matriz, que em termos da partio escolhida, pode ser classificada do tipo 2 3.
De igual modo, a matriz B, em termos da sua partio do tipo 32. O produto
C = AB considerando os blocos assinalados resulta numa matriz do tipo 2 2.
28
Simbolicamente, as parties consideradas para as matrizes A e B podem ser

representadas como:
B11 B12
A11 A12 A13
e B = B21 B22
A=
A21 A22 A23
B31 B32
Consequentemente, a matriz C ser particionada, em termos de blocos, como
se simboliza de seguida:
C11 C12
C=
C21 C22
Teremos assim:
C11
C12
= A11 B11 + A12 B21 + A13 B31 =

1 4
0
2 3
1
3 + 0 3 5 + 3 3
= I3 3
3
0
1
5
0
1

6 17
0 0
2 3
3 + 0 0 + 6 6
= 3
0 0
14
22
0
1
8 14
= 3 3
14
23
= A11 B12 + A12 B22 + A13 B32 =

0
3 3 5
= I3 5 5 2 + 0 5 5
0
1 1 3

0 0
3
3
5
5
2 + 0 0
= 5
0 0
1
1
3
3
3
5
5
2
= 5
1
1
3
C21
1
4 + 3
1

0
0
0 + 0
0
0
3
5
4
0 0 0
3
0 0 0
5
0 0
0 0
0 0
= A21 B11 + A22 B21 + A23 B31 =
2 3

1 3
2 3 5
3 3 5 3 5 + 1 5
=
3 5
0 1
13 2 + 15 25 + 14 22
=
42 5
=
29
C22
= A21 B12 + A22 B22 + A23 B32 =
3 3 5
0 0 0
= 2 3 5 5 5 2 5 5 5 4 + 1 5
0 0 0
1 1 3
16 16 11 + 25 25 20 + 0 0 0
=
9 9 31
=
A matriz C ser portanto:
8 14 3 3
5
3 3
5 5 2
C=
14
23
1
1 3
42 5 9 9
31
Definio 18 (Potncia de uma matriz) Seja A Mn (K). Designa-se

por potncia de ordem k N de A, e escreve-se Ak , matriz C tal que
C = Ak = A A.
|
{z
}
k vezes
6.3
Transposio de matrizes. Matrizes Simtricas.
Definio 19 (Matriz transposta) Dada uma matriz A Mmn (K), denomina-se matriz transposta de A, e denota-se por AT , a matriz B Mnm (K)
tal que bij = aji , (i,j){1,...,m}{1,...,n} .
Por outras palavras, se uma matriz A do tipo m n, a transposta de A,
AT , do tipo n m; as linhas de A so as colunas de AT , pela mesma ordem,
e, consequntemente, as colunas de A sero as linhas de AT , pela mesma ordem.
1 2
3 4
1
2
3 4
T
=
T
1 3
2 4
1 2
3
4
30
3 5 5
5 4 1
3 5
= 5 4
5 1
Definio 20 (Matriz simtrica/anti-simtrica) Seja A Mn (K), maT

triz quadrada de
ordem n. Diz-se que A simtrica se A = A e anti-simtrica
T
se A = A
Exemplo 9 A matriz
A=
a b
b c
a forma geral de uma matriz simtrica de ordem 2.

A matriz
A=
0 b
b 0
a forma geral de uma matriz anti-simtrica de ordem 2. Com efeito, por

definio, dever-se- ter aii = aii o que implica 2aii = 0 e portanto aii = 0.
Por outras palavras, numa matriz anti-simtrica, os elementos principais so
sempre nulos.
Proposio 7 Sejam A = [aij ] , B = [bij ] Mmp (K) , C = [cjk ] Mpn (K)
e Dk = [dkl ] Mn (K) , k = 1, ..., M . Verificam-se as seguintes propriedades:
T
= A.
1. AT
2. (A B)T = AT B T .
3. (AC)T = C T AT .
T Q
Q
M
M
= k=1 DkT .
4.
k=1 Dk
Demonstrao.
1.
T

AT
= AT ji
ij
= (A)ij .
31
2.
T
(A B)
= (A B)ji
ij
= aji bji

= AT ij B T ij .
3.
T
(AC)
ki
= (AC)ik
p
X
aij cjk
j=1
p
X
j=1
p
X
j=1
AT
CT

ji
kj
= C T AT ki .
CT
kj
T
A ji
4. Por induo em M . O caso M = 2 verifica-se na Propriedade 3. SuponT

Q
QM1 T
M1
hamos que, por hiptese,
= k=1
Dk . Mostremos que
k=1 Dk
Q
T Q
M
T
= M
k=1 Dk
k=1 Dk tambm se verifica.
M
Y
k=1
Dk
!T
M1
Y
k=1
= (DM )
Dk
M1
Y
k=1
= (DM )T
DM
M1
Y
Dk
!T
!T
(pela Propriedade 3)
DkT (por hiptese)
k=1
M
Y
DkT
k=1
Proposio 8 O produto de duas matrizes A, B Mn (K) simtricas uma

matriz simtrica sse os seus factores comutam.
32
Demonstrao.
(=)
T
AB = (AB) (porque AB simtrica)

= B T AT (pela Propriedade 3 da transposio de matrizes)
= BA (porque A e B so comutveis)
(=)
T
(AB) = (BA) (porque A e B comutam)

= AT B T (pela Propriedade 3 da transposio de matrizes.
= AB (porque A e B so simtricas)
6.4
Trao de uma matriz
Definio 21 (Trao de uma Matriz) Seja A = [aij ] Mmn (K). O trao

da matriz A definido como a soma os seus elementos principais, ou, por outras
palavras, dos elementos ao longo da diagonal principal. Denota-se por:
tr (A) = a11 + a22 + + app , onde p = min (m, n) .
Exemplo 10 Considerem-se as seguintes matrizes e determinemos os respectivos traos:
3
0
1
3 1
1 2
0
1 1 . tr (A) = 3 + 2 + (3) = 2.
0 2 -3
1 1
3
0
1 2 . tr (A) = 3 + 2 = 5.
0 2
1
3
1
0
-1
1 . tr (A) = 1 + (1) + 1 = 1.
1
3
1
O operador tr () satisfaz as seguintes propriedades:

33
Proposio 9 Sejam A=[aij ] , B =[bij ] Mmn (K) e C =[cpq ] Mnm (K).

Verificam-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
definida. Prosseguindo com a argumentao, segue que:
tr (A + B) = tr (A + B)ij
min(m,n)
(all + bll )
l=1
min(m,n)
min(m,n)
all +
l=1
bll
l=1
= tr (A) + tr (B)
2. Dado que A e B tm as mesmas dimenses as somas A + B e B + A

encontram-se definidas. Prosseguindo com a argumentao, segue que:
tr (A + B) = tr (A + B)ij
min(m,n)
(all + bll )
l=1
min(m,n)
(bll + all )
l=1
= tr (B + A)ij
= tr (B + A)
3. Se A Mmn (K) e C Mnm (K) , tem-se naturalmente AC Mm (K).

O traco de AC ser:
34
tr (AC) = tr (AC)iq
n
X
= tr aij cjq
j=1
m
X
i=1
n
X
aij cji
j=1
m X
n
X
aij cji
=
i=1 j=1
Por outro lado tem-se CA Mn (K). O traco de CA ser:
tr (CA) = tr (CA)pj
m
!
X
cpi aij
= tr
i=1
m
!
n
X
X
=
cji aij
j=1 i=1
m
n X
X
cji aij
j=1 i=1
m X
n
X
aij cji
i=1 j=1
= tr (AC)
6.5
Dependncia e independncia lineares de filas paralelas de uma matriz.
Definio 22 (Combinao linear das filas de uma matriz)

Seja a ma
triz A Mmn (K) e sejam Li = ai1 ai2 ain , i = 1, , m as
linhas da matriz A e Cj = {a1j , a2j , , amj } , j = 1, , n as colunas da matriz A.
m
P
i Li designa-se combinao linear das linhas de A, onde
1. expresso
i=1
{i }i=1, ,m so quaisquer escalares do corpo K.

35

n
P
2. expresso
j Cj designa-se combinao linear das colunas de A, onde
j=1

j j=1, ,n so quaisquer escalares do corpo K.
Definio 23 (Combinao linear nula das filas de uma matriz) Sejam

A Mmn (K), {Li }i=1, ,m as linhas da matriz A e {Cj }j=1, ,n as colunas
da matriz A.
m
P
1. expresso
i Li = 0 designa-se combinao linear nula das linhas de
i=1
A, onde {i }i=1, ,m so quaisquer escalares do corpo K.
n
P
j Cj = 0 designa-se combinao linear nula das colunas
2. expresso
j=1
de A, onde j j=1, ,n so quaisquer escalares do corpo K.
Definio 24 (Independncia linear) Sejam A Mmn (K), {Li }i=1, ,m

as linhas da matriz A e {Cj }j=1, ,n as colunas da matriz A. Diz-se que as
m
n
P
P
0Li (ou
0Cj para
linhas (colunas) de A so linearmente independentes se
i=1
j=1
as colunas) a nica combinao linear nula dessas linhas (colunas).

Por outras palavras, as linhas (ou colunas) de uma matriz dizem-se linearmente independentes se a nica combinao linear nula daquelas a que se
obtm com todos os escalares nulos.
A seguinte constatao consequncia imediata da definio 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 definies acima aplicam-se indiferentemente s linhas e colunas de uma
qualquer matriz. Por esse motivo, faremos referncia s filas de uma matriz
sempre que no for necessrio referir explicitamente as linhas ou colunas da
matriz. Denotaremos por {Fk }k=1, ,p as filas da matriz. Note-se, no entanto,
que a referncia s filas 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 filas de uma matriz pode ser descrita pelas equaes (4).
m
P
i Li = 0 =i = 0, i = 1, , m (linhas)
i=1
n
P
(4)
j Cj = 0 =j = 0, j = 1, , n (colunas)
j=1
Em geral, os resultados vlidos para as linhas tambm o so para as colunas.

36
Proposio 10 Sejam A Mmn (K) e {Fk }k=1, ,p as filas da matriz A.

Verificam-se os seguintes resultados:
1. Se uma das filas de A constituda integralmente por zeros, as filas so
linearmente dependentes.
2. Algumas das filas de A so linearmente dependentes se e s se todas o
so.
3. As filas de A so linearmente dependentes se e s as filas em que a fila Fk
0
substituda pela fila Fk = Fk , K\ {0} so linearmente dependentes.
4. As filas de A so linearmente dependentes se e s as filas em que a fila Fk
0
substituda pela fila Fk = Fk + Fl , k 6= l so linearmente dependentes.
5. As filas de A so linearmente dependentes se e s se o mesmo sucede
s filas que se obtm somando a uma delas uma combinao linear das
restantes.
6. As filas 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 Lk inteiramente
nula. A combinao linear
P
nula das linhas da matriz dada por i6=k i Li + k Lk = 0. Sabendo
que Lk = 0 teremos k Lk = 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 P
escalar no nulo, digamos k , com algum k : 1 k p tal
p
que i=1 i Li = 0. Se escolhermos
escalares
nulos para as restantes
P
Pm
linhas da matriz teremos m
L
=
i
i
i=p+1 0Li = 0. Assim,
Pp
Pm i=p+1
teremos i=1 i Li + i=p+1 i Li = 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
i Li + k Lk = 0
i6=k
Se os restantes escalares forem nulos, teremos
37
i Li + k Lk +
i6=k
0Li + k Lk = k Lk = 0
i6=k
Deste modo, qualquer conjunto de linhas que inclua a linha Lk , que

nestas circunstncias integralmente nula, linearmente dependente.
3.(=) Suponhamos que as linhas de A so linearmente dependentes.
0
Substituamos a linha Lk pela linha Lk = Lk , 6= 0. A combinao
0
linear nula das linhas de A onde a linha Lk substituda por Lk
P
P
0
dada por i6=k i Li + k Lk = 0 i6=k i Li + (k ) Lk = 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
0
obter uma combinao linear nula das linhas {Li }i=1,n Lk com
i6=k
pelo menos um escalar no nulo.

0
(=) Suponhamos que as linhas {Li }i6=k Lk so linearmente dependentes.

A combinao linear nula das linhas de A dada por
X
i Li + k Lk = 0,
i6=k
a qual passvel de ser reescrita como

X
i6=k
i Li +
X
k
k 0
i Li +
( Lk ) =
L = 0.
k
i6=k
Dada a dependncia linear de {Li }i6=k Lk ou bem que teremos

i 6= 0, i 6= k ou teremos k 6= 0. Neste caso, como 6= 0 teremos
k 6= 0. Em qualquer caso, possvel obter uma combinao linear
nula das linhas {Li }i=1, ,m com pelo menos um escalar no nulo.
0
Substituamos a linha Lk pela linha Lk = Lk + Ll , k 6= l. A combi0
nao linear nula das linhas de A onde a linha Lk substituda por Lk
P
P
0
dada por i6=k i Li +k Lk = Pi6=k i Li +k (Lk + Ll )=0. Esta expresso pode ser reescrita como i6=k,l i Li +k Lk +(k + l ) Ll =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, l, ou bem que ser
k , ou ento ser (k + l ). Neste caso, ter-se- obrigatoriamente
38
k 6= 0 l =
6 0. Em qualquer caso, possvel obter uma combinao
0
linear nula das linhas {Li }i6=k Lk com pelo menos um escalar no
nulo.
0

X
i Li + k Lk = 0,
i6=k

X
i6=k
i Li + (k Lk + k Ll ) k Ll =
|
{z
}
0
k Lk
i6=k,l
i Li + (l k ) Ll + k Lk =0

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 {Li }i=1, ,m
com pelo menos um escalar no nulo.
P
0
Substituamos a linha Lk pela linha Lk = Lk + i6=k i Li . A combi0
Lk
nao linear nula das linhas de A onde a linha Lk substituda por
P
P
P
0
dada por i6=k i Li +k Lk = i6=k i Li +k Lk + i6=k i Li =0.
P
Esta expresso pode ser reescrita como i6=k(i +k i )Li+k Lk =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 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
0
obter uma combinao linear nula das linhas {Li }i6=k Lk com pelo
menos um escalar no nulo.
0

X
i Li + k Lk = 0,
i6=k
39
X
X
X
X
0
i Li +k Lk +k
i Li k
i Li = (i k ) Li +k Lk =0
i6=k
i6=k
i6=k
i6=k

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 {Li }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 umaP
combinao
linear nula das linhas de A. A combinao
linear
nula
i i Li = 0
P
pode ser reescrita como Lk = 1k i6=k i Li , uma vez que k 6= 0.
A expresso mostra que a linha Lk pode ser escrita como combinao
linear das restantes linhas da matriz.
(=) Suponhamos que possvel escrever a linha
P Lk como combinao
linear P
das restantes linhas, isto , Lk =
i6=k i Li . Resulta que
Lk i6=k i Li = 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 Lk ). Tal mostra que as linhas de A so
linearmente dependentes.
Proposio 11 Sejam A Mmn (K), B Mnp (K) e C = AB. Ento cada
linha (respectivamente coluna) de C combinao linear das linhas (respectivamente colunas) de B (respectivamente A). Mais precisamente:
1. A linha i0 de C combinao linear das linhas de B que se obtm utilizando os escalares da linha i0 de A.
2. A coluna j0 de C combinao linear das colunas de A que se obtm
utilizando os escalares da coluna j0 de B.
Demonstrao.
1. ci0 k = (AB)i0 k =
LC
i0
Pn
j=1
ai0 j bjk . Logo,
ci0 1 ci0 2 ci0 p

Pn
Pn
=
j=1 ai0 j bj1
j=1 ai0 j bj2
n
X
ai0 j bj1 bj2 bjp

=
j=1
n
X
ai0 j LB
j
j=1
40
Pn
j=1
ai0 j bjp
2. A prova em tudo semelhante anterior mutatis mutantis.
6.6
Caracterstica de uma matriz. Operaes elementares.
Definio 25 (Caracterstica) Seja AMmn (K). Designa-se caracterstica de linha da matriz A ao nmero mximo de linhas linearmente independentes; denotase este valor por rl (A). Analogamente a caracterstica de coluna da matriz A, rc (A), o nmero mximo de colunas linearmente independentes. A caracterstica da matriz, denotada por rA (ou simplesmente r quando
estiver claro a matriz a que se refere) define-se como o nmero mximo de linhas
ou colunas linearmente independentes, isto , rA = mn{rl (A) , rc (A)}.
Tem-se claramente rl (A) m e rc (A) n e portanto rA 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 Mmn (K), B Mnp (K) e C = AB. Ento
rl (C) rl (B) e rc (C) rc (A).
Demonstrao. Recordando a proposio 11 verificmos que,
LC
i =
n
X
j=1
aij LB
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 rl (B) ento, cada linha de
C pode ser escrita apenas custa das rl (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 independentes como vimos na Proposio (10). Suponhamos, sem perda de generalidade
que so precisamente as primeiras rl (B) linhas de B que so linearmente independentes. Tal significa que as linhas de C podem ser escritas como combinao
destas linhas de B (agora com outros escalares que no aqueles dados pelas liPrl (B) i B
nhas de A). Isto , LC
i =
k=1 k Lk , i=1, ,m . Suponhamos, por reduo ao
absurdo que C tem rl (B) + 1 linhas lineamente independentes, precisamente as
primeiras. Sabemos ento que a combinao linear nula destas rl (B) + 1 linhas
s passvel de ser obtida com todos os escalares nulos.
41
rl (B)+1
0 =
i LC
i
i=1
rl (B)+1
rl (B)
i=1
rl (B)+1
X
i=1
ik LB
k
k=1
rl (B)+1
i i1 LB
1 +
X
i=1
rl (B)+1
i i2 LB
2 + +
X
i=1
i irl (B) LB
rl (B)
Ora, as rl (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, ,rl (B)+1 :
Prl (B)+1
i i1 = 0
Pri=1
l (B)+1
i i2 = 0
i=1
Prl (B)+1 i
i rl (B) = 0
i=1
O sistema acima tem rl (B) e rl (B)+1 incgnitas. Trata-se de um sistema indeterminado possuindo outras solues que no a soluo {i = 0}i=1, ,rl (B)+1 .
Mas isto um absurdo pois por hiptese as primeiras rl (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 rl (B), logo dever-se- ter rl (C) rl (B).
A prova relativamente afirmao rc (C) rc (A) em tudo semelhante
anterior.
6.6.1
Operaes Elementares
Os resultados da Proposio (10) permitem concluir que a dependncia ou independncia lineares das linhas (ou colunas) de uma matriz no alterada por
um conjunto de operaes que no seu conjunto se designam por Operaes Elementares Sobre Filas de uma Matriz.
Definio 26 (Operaes Elementares) Seja A Mmn (K). Define-se
como operao elementar sobre as filas 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
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 definidas correspondem multiplicao (
esquerda ou direita) da matriz A por matrizes que resultam da matriz identidade, que dever ter dimenso apropriada, por aplicao das operaes elementares.
Definio 27 (Matriz Elementar) Seja I Mn (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 Mmn (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 multiplicar. 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 multiplicaes esquerda desta enquanto que operaes elementares sobre as
colunas se fazem por multiplicaes direita.
Troca de Linhas
Dadas duas linhas, Li e Lk , i 6= k da matriz A, a troca destas linhas

processa-se multiplicando a matriz A, esquerda, pela matriz E que resulta da troca das linhas i e k da matriz identidade I. Representa-se por
(Li Lk ). Matriz elementar associada: Eik .
Troca de Colunas
Dadas duas colunas, Cj e Cl , 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
(Cj Cl ). Matriz elementar associada: Fjl .
Multiplicao de Linha por um Escalar
Dado um escalar K, a multiplicao da linha Li da matriz A corresponde 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 (Li Li ). Matriz
elementar associada: Ei ().
43
Multiplicao de Coluna por um Escalar
Dado um escalar K, a multiplicao da coluna Cj da matriz A corresponde 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 (Cj Cj ). Matriz
elementar associada: Fj ().
Operao de Jacobi sobre Linhas
Dadas duas linhas, Li e Lk , i 6= k da matriz A e um escalar K, a

substituio da linha Li pela linha Li + Lk 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 multiplicada pelo escalar . Representa-se por (Li Li + Lk ). Matriz
elementar associada: Eik ().
Operao de Jacobi sobre Colunas
Dadas duas colunas, Cj e Cl , j 6= l da matriz A e um escalar K, a

substituio da linha Cj pela linha Cj + Cl 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 (Cj Cj + Cl ). Matriz
elementar associada: Fjl ().
Exemplo 11 Considere-se a matriz
34 68 85 38
52
43
91
A = 90
30
90 24 52
Vejamos como cada uma das seguintes operaes elementares sobre a matriz 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 I3 e trocamos as linhas 1 e 3 para obter a matriz E:
0 0 1
1 0 0
0 1 0 L1 L3 0 1 0
1 0 0
0 0 1
Procedendo multiplicao obtm-se:

44
= E13 A
0 0
= 0 1
1 0
30
= 90
34
1
34 68 85 38
0 90
52
43
91
0
30
90 24 52
90 24 52
52
43
91
68 85 38
A matriz A 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 I4 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
C2 C3
0
1
1
0
0
0
0
0
1
0
0
0
0
1
0
1
0
0

0
= A E23
34 68 85 38
52
43
91
= 90
30
90 24 52
34 85 68 38
43
52
91
= 90
30 24 90 52
1
0
0
0
0
0
1
0
0
1
0
0
0
0
0
1
A matriz A 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
2. Para tal, tomamos a matriz identidade I3 e multiplicamos a segunda

linha pelo escalar pretendido para obter a matriz E. Seguidamente faz-se
o produto EA para obter a matriz pretendida.
45
1 0 0
1 0 0
0
0 1 0 L2 2L2 0
2 0
0 0 1
0 0 1

0
= E2

2 A
1 0
= 0
2
0 0
34
= 90 2
30
0
34 68 85 38
52
43
91
0 90
30
90 24 52
1
68
85
38
52 2 43 2 91 2
90
24
52
A matriz A resultou da matriz A por multiplicao da 2a linha por
2.
4. Multiplicao de uma coluna por um escalar.

Suponhamos que se pretende multiplicar a coluna 3 da matriz A pelo escalar 25 . Para tal, tomamos a matriz identidade I4 e multiplicamos a terceira 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
C30 2 C3
0
5
1
1
0
0
0
0
1
0
0
0
0
0
1
0
0
0
0
1
0
0
2
5

2
= A F3
5
34 68 85 38
52
43
91
= 90
30
90 24 52
34 68 34 38
86
52
91
= 90
5
30
90 48
52
5
0
0
0
1
0
0
2
5
0
0
0
1
A matriz A resultou da matriz A por multiplicao da linha 3a coluna por

2
5.
46
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
L3 pela que se obtm somando-lhe a linha L1 multiplicada
pelo escalar 2. Tomamos a matrizidentidade I3 e substitumos a linha
L3 pela que se obtm somando-lhe 2L1 . A matriz F assim obtida
multiplicada por A, esquerda.
1 0 0
1 0 0
0 1 0 L3 L3 + 2L1 0 1 0

0 0 1
2 0 1
= E31

2 A
1 0 0
34 68 85 38
52
43
91
= 0 1 0 90
30
90
24
52
2 0 1
34
68
85
38
=
52
43
91
90
34 2 + 30 68 2 + 90 85 2 24 38 2 52
0
A matriz A 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 C3 pela que se obtm somando-lhe a coluna C2 multiplicada pelo escalar 25 . Tomamos a matriz identidade I4 e substitumos a
coluna C3 pela que se obtm somando-lhe 25 C2 . A matriz F assim obtida
multiplicada por A, direita.
1
0
0
0
0
1
0
0
0
0
1
0
0
C3 C3 + 2 C2
0
5
1
47
1
0
0
0
0
1
0
0
0
2
5
1
0
0
0
0
1
= A F32

2
5
1 0
34 68 85 38
0 1
52
43
91
= 90
0 0
30
90 24 52
0 0
561
34 68 5
38
319
91
52
= 90
5
30
90
12
52
0
2
5
1
0
0
0
0
1
A matriz A resultou da matriz A por substituio da coluna 3 pela que se

obteve somando-lhe a coluna 2 multiplicada por 25 .
O exemplo acima ilustra o facto de operaes elementares sobre uma matriz
A qualquer poderem ser definidas como o produto de matrizes elementares pela
matriz A.
Exemplo 12 Considere-se a matriz
34 68 85 38
52
43
91
A = 90
30
90 24 52
Consideremos um conjunto de operaes elementares a aplicar sobre a matriz

A:
Troca das linhas 1 e 3 (L1 L3 ).
Troca das colunas 2 e 3 (C2 C3 ).
Multiplicao da linha 2 pelo escalar 2 L2 2L2 .
Substituio da linha 3 pela que se obtm somando-lhe a linha 1 multiplicada pelo escalar 2 (L3 L3 + 2L1 ).
Multiplicao da coluna 3 pelo escalar 25 C3 25 C3 .

Substituio da coluna 3 pela que se obtm somando-lhe a coluna 4 multiplicada pelo escalar 1 (C3 C3 C4 ).
0
A questo que se coloca a de saber qual a matriz A 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
34 68 85 38
90
52
43
91 L
L
3
30
90 24 52
30
90 24 52
90
52
43
91 C
C
3
34 68 85 38
30 24 90 52
90
43
52
91 L
2L
2
34 85 68 38
30
24
90
52
90 2 43 2 52 2 91 2 L3 L3 + 2L1
34
85
68
38
30
24
90
52
90 2 43 2 52 2 91 2 C3 2 C3
5
26
133 112 142
30
24
36
52
90 2 43 2 104 2 91 2 C3 C3 C4
5
224
26
133
142
5
30
24
88
52
90 2 43 2 351 2 91 2
5
934
26
133
142
5
Vejamos agora que se obter a mesma matriz A se a matriz A for devidamente multiplicada pelas matrizes elementares associadas s operaes
elementares descritas.
O produto desejado , simbolicamente, o seguinte:
2
E31 (2) E2
2 E13 A F23 F3
F34 (1)
5
O resultado ser:
49
(L2 2L2 )
(L1 L3 )
}|
z
}|
z
}|
{z
{
{
1 0 0
1 0 0
0 0 1
0 1 0 0
2 0 0 1 0
2 0 1
1 0 0
0 0 1
34 68 85 38
52
43
91
90
30
90 24 52
1 0 0 0
1 0 0 0
1 0 0 0
0 1 0 0 0 1 0 0
0 0 1 0
0 1 0 0 0 0 25 0 0 0 1 0
0 0 0 1
0 0 1 1
0 0 0 1
{z
}|
{z
{z
}|
(C2 C3 )
(C3 C3 C4 )
(C3 25 C3 )
30
24
88
52
90 2 43 2 351 2 91 2
5
934
26
133
142
5
(L3 L3 +2L1 )
Como era de esperar o resultado dos dois mtodos utilizado o mesmo.

Nota 7 importante notar a ordem pela qual os produtos, esquerda e
direita, so efectuados. Com efeito, se O1 , O2 , , Op for um conjunto de operaes elementares sobre linhas a executar, por esta ordem, sobre uma matriz A
qualquer, e se E1 , E2 , , Ep forem as matrizes elementares associadas a cada
0
uma daquelas operaes, a matriz A que se obtm por aplicao das operaes
elementares dada por Ep E2 E1 A. Note-se que a matriz que
primeiro multiplica A est associada primeira operao elementar, a segunda
matriz segunda operao elementar e assim sucessivamente. O mesmo argumento vlido para operaes sobre colunas, isto , se O1 , O2 , , Oq for
um conjunto de operaes elementares sobre as colunas de uma matriz A, por
esta ordem, e F1 , F2 , , Fp forem as matrizes elementares associadas quelas
0
operaes, a matriz A que resulta da aplicao destas operaes dada por
A F1 F2 Fp .
Do acima exposto resulta o seguinte resultado:
Proposio 13 Se multiplicarmos A Mmn (K), esquerda por uma matriz
elementar E (de ordem m), a matriz produto, EA, tambm se pode obter de
A efectuando sobre as linhas de A a mesma operao sobre linhas que permitiu
passar de Im a E.
Se multiplicarmos A Mmn (K), direita por uma matriz elementar F
(de ordem n), a matriz produto, AF , tambm se pode obter de A efectuando
sobre as colunas de A a mesma operao sobre colunas que permitiu passar de
In a F .
50
Demonstrao. A demonstrao simples e est ilustrada pelos exemplos

anteriores.
6.6.2
Determinao da Caracterstica de Linha de uma Matriz
Nesta seco estudar-se-o um conjunto de resultados que permitem determinar

a caracterstica de linha de qualquer matriz A Mmn (K). Na determinao
da caracterstca de linha, rl (A), utilizaremos operaes elementares sobre as
linhas de uma matriz, estudadas na seco anterior. Como j vimos, operaes
elementares sobre linhas (colunas) no afectam a dependncia (ou independncia) linear das linhas (colunas) de uma matriz. Como tal, a caracterstica de
linha de uma matriz no modificada por operaes elementares sobre as linhas
dessa matriz.
importante verificar que, por enquannto, no h nenhum resultado que
garanta que operaes elementares sobre as linhas de uma matriz no afectam
a sua caracterstica de coluna ou, que operaes elementares sobre as colunas
no afectam a sua caractrstica de linha.
0
Proposio 14 Seja A Mmn (K). Se A for transformada

na
matriz A
0
atravs de operaes elementares sobre linhas ento rl (A) = rl A .
Demonstrao. A demonstrao sai imediatamente da aplicao directa

da Definio 25 e da Proposio 10.
Definio 28 (Matriz em Escada) Seja A Mmn (K). Diz-se que a matriz 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
0
0
0
1
0
0
13 As seguintes matrizes encontram-se em forma de escada:
1a linha: 1 zero inicial

1 1 1 0
0 0 4 9 : 2a linha: 3 zeros iniciais
0 0 0 0
3a linha: 5 zeros iniciais
1a linha: nenhum zero inicial

0 0 0 0
1 2 1 0 : 2a linha: 1 zero inicial

0 0 0 1
3a linha: 4 zeros iniciais
Proposio 15 A caracterstica de linha de uma matriz A Mmn (K) em

forma de escada igual ao nmero de linhas diferentes de zero.
51
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 linhas
Pp so linearmente independentes. Para tal, necessrio resolver a equao
i=1 i Li = 0, para os escalares {i }. A linha Li ter a configurao
aiji
ain
onde aiji 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
aiji
ain
=0
a que corresponde a resoluo de um sistema de equaes, a saber:
Pp
a1j1 1 + Pi=2 i 0 = 0
p
a1j2 1 + a2j2 2 + Pi=3 i 0 = 0
a1j3 1 + a2j3 2 + a3j3 3 + pi=4 i 0 = 0
P
p
i=1 aijp 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: rl (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
0 1 1 1 0
A = 0 0 0 4 9 . O nmero de linhas no nulas 2 pelo que
0 0 0 0 0
a caracterstica de linha da matriz rl (A) = 2. Alternativamente, podemos verificar que as duas primeiras linhas so linearmente independentes
e, sendo a terceira linha nula, o nmero mximo de linhas linearmente
independentes precisamente 2 (sejam 1 e 2 os escalares associados,
respectivamente, primeira e segunda linhas da matriz A):
1.
0 1 + 0 2
1 1 + 0 2
1 1 + 0 2
(1) 1 + 4 2
0 1 + 9 2
0=0
=0
=0
1 = 0
1 = 0
0 = 0
= 0
2 =0
2 = 0
=0
0=0
=0
1 0 0 0 0
A = 0 1 2 1 0 . O nmero de linhas no nulas 3 pelo que a
0 0 0 0 1
caracterstica de linha da matriz rl (A) = 3. Alternativamente, podemos
verificar que as linhas so linearmente independentes, sendo portanto o
nmero mximo de linhas linearmente independentes que precisamente
3 (sejam 1 , 2 e 3 os escalares associados, respectivamente, primeira,
segunda e terceira linhas da matriz A):
1.
1 1 + 0 2 + 0 3
0 1 + 1 2 + 0 3
0 1 + 2 2 + 0 3
0 1 + (1) 2 + 0 3
0 1 + 0 2 + 1 3
1 = 0
=0
=0
2 = 0
1 = 0
0 = 0
2 = 0
= 0
0
=
0
3 = 0
=0
3 = 0
=0
O resultado acima sugere que, se for possivel transformar uma qualquer

matriz A Mmn (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 Mmn (K) pode ser reduzida a uma matriz
B em forma de escada por meio de operaes elementares sobre as suas linhas,
tendo-se consequentemente rl (A) = rl (B).
53
Demonstrao. Suponhamos que j1 , com 1 j1 n a primeira coluna

de A que no nula. Por troca de linhas, colocamos um elemento a 6= 0 na
(1)
posio (1, j1 ) da matriz. Multiplica-se agora a linha L1 por a1 ; deste modo
fica o elemento 1 K na posio (1, j1 ); se uma das outras linhas de A, Ls por
exemplo, com 1 < s m, tem um elemento b na coluna j1 soma-se-lhe a linha
(1)
(1)
L1 multiplicada pelo escalar b, isto , faz-se Ls Ls + (b) L1 (Operao
(1)
de Jacobi). Assim, a nova linha Ls passa a ter o escalar 0 K na posio
(s, j1 ). Procedendo de igual modo com todas as linhas, que no a primeira, que
tenham um elemento no nulo na coluna j1 obtem-se uma matriz com a forma:
A1 =
0
0
..
.
0
(1)
(1)
0 1 a1,j1 +1
(1)
0 0 a2,j1 +1
.. ..
..
. .
.
(1)
0 0 am,j1 +1
a1,j1 +2
(1)
a2,j1 +2
..
.
(1)
a2,j1 +2
(1)
a1n
(1)
a2n
..
.
amn
(1)
Suponhamos agora que j2 , com j1 < j2 n a primeira coluna de A1 que

tem elementos no nulos para alm de, eventualmente, o primeiro. Por troca de
linhas, colocamos um elemento d 6= 0 na posio (2, j2 ) da matriz. Multiplica-se
(2)
agora a linha L2 por d1 ; deste modo fica o elemento 1 K na posio (2, j2 );
(1)
se uma das outras linhas de A1 , Lr por exemplo, com 2 < r m, tem um
(2)
elemento f na coluna j2 soma-se-lhe a linha L2 multiplicada pelo escalar f ,
(1)
(1)
(2)
isto , faz-se Lr Lr + (f ) L2 (Operao de Jacobi). Assim, a nova linha
(2)
Lr passa a ter o escalar 0 K na posio (r, j2 ). Procedendo de igual modo
com todas as linhas, que no a primeira e a segunda, que tenham um elemento
no nulo na coluna j2 obtem-se uma matriz com a forma:
A2 =
0
0
..
.
0
(1)
0 1 a1,j1 +1
0 0
0
.. ..
..
. .
.
0 0
0
(1)
(1)
a1,j2
1
..
.
a1,j2 +1
(2)
a2,j2 +1
..
.
am,j2 +1
(2)
(1)
a1n
(2)
a2n
..
.
amn
(2)
Repetindo este processo um nmero, p, suficiente de vezes, sempre inferior

a n, obtm-se uma matriz B = Ap na forma desejada. Adicionalmente, temse rl (A) = rl (B) uma vez que operaes elementares sobre as linhas de uma
matriz no alteram a sua caracterstica de linha.
Definio 29 (Condensao Vertical) Ao processo implcito na Proposio
16, que permite transformar uma qualquer matriz A Mmn (K) numa matriz
B em forma de escada atravs de operaes elementares sobre linhas designa-se
Condensao Vertical da matriz A.
54
0 2 4 1 9
Exemplo 15 Considere-se a matriz A = 0 3 5 2 1 . Determi0 1 2 0 0
nemos a sua caracterstica de linha atravs de condensao vertical.
0 2 4 1 9
0 1 2 12 29
0 3 5 2 1 L1 2 L1 0 3 5 2 1 L2 L2 3L1
5
0 1 2 0 0 0 1 2 0 0
9
0 1
2 12
2
0 0 1 1 25 L3 L3 + L1
2
2
0 1 2 0
0
9
9
1
0 1 2
0 1 2 12
2
2
2
0 0 1 1 25 L3 L3 + 4L2 0 0 1 1 25
2
2
2
2
9
5
0 0 4 12
0 0 0
91
2
2
2
Logo, a caracterstica de linha da matriz A rl (A) = 3. Repare-se que a 2a

e 3 operaes poderiam ter sido ambas efectuadas na 2a matriz, poupando-nos
assim, a escrita de uma das matrizes anteriores (a terceira).
a
Definio 30 (Elemento Redutor) Durante o processo de CondensaoVertical, ao elemento, aij , utilizado para, mediante a aplicao de Operaes de
Jacobi, anular os elementos {akj }k>i da respectiva coluna mas em linhas de
ordem superior, d-se a designao de Elemento Redutor (o termo pivot
tambm frequentemente utilizado). O Elemento Redutor de uma linha no nula
o elemento com ndice de coluna mais baixo que ainda no -nulo.
As colunas de uma matriz em forma de escada que contm um elemento
redutor designam-se por Colunas Redutoras (ou Colunas Pivot).
Nota 9 O elemento redutor no tem necessariamente de ser o escalar 1 K.
No exemplo anterior utilizmos, por exemplo 1. No nos afastemos do objectivo principal do processo de condensao que consiste em transformar uma
matriz numa outra em forma de escada. A utilizao da operao elementar que
consiste em multiplicar uma linha da matriz por um escalar tem como objectivo
facilitar os clculos mediante a transformao do elemento redutor no escalar
1 K, com o qual muito mais simples realizar as Operaes de Jacobi que se
seguem.
Se, numa matriz em forma de escada, todos os elementos redutores forem o
escalar 1 K e os restantes elementos da respectiva coluna redutora forem 0,
diz-se que a matriz se encontra na forma de escada reduzida.
Exemplo 16 As seguintes matrizes em forma de escada tm os seus elementos
redutores devidamente assinalados.
55
0 1 1 1 0
0 0 0 4 9 . Trata-se de uma matriz em forma de escada.

0 0 0 0 0
1
0 0 0
0
0
1 2 1 0 . Trata-se de uma matriz em forma de escada
0
0 0 0
1
reduzida.
Nota 10 Naturalmente que, numa matriz em forma de escada, o nmero de
linhas no nulas, o nmero de elementos redutores e o nmero de colunas redutoras so sempre iguais entre si.
6.7
Inverso de Matrizes
Nesta seco vamos estudar a Inverso de Matrizes, questo central na Teoria

das Matrizes com ramificaes extremamente importantes na lgebra Linear
em geral.
6.7.1
Definies e Resultados
Definio 31 (Matriz Regular/Inversa) Uma matriz quadrada A Mn (K)

diz-se regular se existir B Mn (K) tal que AB = In = BA. A matriz B dizse inversa de A e escreve-se B = A1 . Do mesmo modo, A diz-se inversa de
B e escreve-se A = B 1 . Se no existir uma matriz B nestas condies, diz-se
que a matriz A singular.3
Esta definio deixa em aberto uma afirmao que carece de demonstrao.
O estabelecimento formal desta afirmao como se segue:
Proposio 17 Considerem-se as matrizes A, B Mn (K). Ento AB = I se
e s se BA = I.
Demonstrao.
() Suponhamos que AB = I. Pretende-se mostrar que BA = I.
3 Assumindo que o produto A B 1 se encontra bem definido, incorrecto represent-lo por
A
.
Com efeito, esta notao poder denotar ambiguamente o produto A B 1 ou o produto
B
1
A, que no so necessariamente iguais.
B
56
BA = BAI
(porque a identidade elemento neutro para a multiplicao de matrizes)
= B (AI)
(pela propriedade associativa para a multiplicao de matrizes)
= B (IA) (porque a matriz identidade comutvel)

= B (AB) A (por hiptese)
= (BA) (BA)
(pela propriedade associativa para a multiplicao de matrizes)
Resulta que BA = (BA) (BA) BA (BA I) = 0. Se BA = 0 ento

ABA = A0 (AB) A = 0 IA = 0 A = 0. Mas tambm
BAB = 0B B (AB) = 0 BI = 0 B = 0. Logo deveremos
ter (BA I) = 0 BA = I.
(=) Suponhamos que BA = I. Pretende-se mostrar que AB = I.
mostrao em tudo idntica anterior mutatis mutantis.
De-
Naturalmente que o conceito de regularidade de uma matriz s passvel de

ser aplicado a matrizes quadradas. Qualquer matriz, que no seja quadrada no
pode, por definio, ser regular, uma vez que no existe uma outra matriz que
possa simultaneamente ser multiplicada esquerda e direita daquela (um dos
produtos nunca ser possvel).
Proposio 18 Segue-se uma miscelnea de resultados cerca de matrizes regulares.
1. Toda a matriz elementar regular.
2. Se A Mn (K) regular ento rl (A) = n = rc (A).
1 1 T
3. Se A Mn (K) regular ento AT
.
= A
4. Seja A Mmn (K). Se B Mn (K) e D Mm (K) forem regulares

ento rl (DA) = rl (A) e rc (AB) = rc (A).
5. Se A, B Mn (K) so matrizes regulares, AB tambm regular e tem-se

1
(AB) = B 1 A1 .
Q
6. Se Ak Mn (K) , k = 1, , p so matrizes regulares ento pk=1 Ak
Q
1
1
tambm o e ( pk=1 Ak ) = A1
p A1 .
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 GLn (K),
Grupo Linear Geral de ordem n.sobre K.
57
8. Seja A Mn (K) uma matriz regular de ordem n sobre K. Se B Mn (K)

tal que BA = In , ento B = A1 ; de igual modo, se B Mn (K) tal
que AD = In ento D = A1 .
Demonstrao.
1. Seja E uma matriz elementar de ordem n sobre K. Se E resultou de In
por troca de linhas (ou colunas) fcil verificar que EE = In , 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
eij ejk
j=1
Pn
Pj=1 esj ejk = etk , se i = s
n
=
j=1 etj ejk = esk , se i = t
eik , se i 6= s, t

1, se k = s
, se i = s
0, se k 6= s
1, se k = t
=
= ik
, se i = t
0,
se
k
=
6
t
eik , se i 6= s, t
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 In por a1 , tem-se EF = In = F E, logo E
regular. Efectivamente, no caso das linhas,
(EF )ik
n
X
eij fjk =
j=1
ess fsk = fsk , se i = s

eik , se i 6= s

1, se k = s
, se i = s
0, se k 6= s
=
= ik
eik , se i 6= s
Se E se obteve somando linha (ou coluna) s de In a linha (ou coluna)

t multiplicada por b K, a matriz H obtida de In somando linha (ou
coluna) s a linha (ou coluna) t multiplicada por b tal que HE = In =
EH, logo E regular. Com efeito, para as linhas,
(EH)ik
n
X
eij hjk =
Pn
j=1 esj hjk
= ess hsk + est htk , se i = s
eik , se i 6= s
j=1

1 1 + 0 0 = 1, se k = s
, se i = s
1 (b) + b 1 = 0, se k = t
= ik
=
eik , se i 6= s
58
2. Se A regular teremos AA1 = In , e pela Proposio (12) n = rc (In )

rc (A). Como A tem apenas n colunas, vir rc (A) = n. De igual modo,
como A1 A = In , ter-se- n = rl (In ) rl (A) e como A tem apenas n
linhas, vir rc (A) = n.
T
T
3. Basta verificar que AT A1 = A1 A = In .
4. Como DA = DA, tem-se, pela Proposio (12) rl (DA) rl (A). Mas

tem-se A = D1 DA pelo que rl (DA) rl (A). Logo, rl (DA) = rl (A).
O raciocnio que demostra o resultado para as colunas , em todo, semelhante.
5. Basta verificar que (AB) B 1 A1 = A BB 1 A1 = AA1 = In .
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
Ak
Ap A1
=
1
1
= (A1 Ap ) A1
p A1
= A1 Ap A1
A1
p
1
1
(porque Ap regular) = (A1 Ap1 ) Ap1 A1
1
= In (por hiptese)
7. Vimos no ponto 5. desta proposio que o referido conjunto fechado

para a multiplicao; na Proposio (5) verificmos que a multiplicao
de matrizes associativa; o elemento neutro In pertence ao conjunto;
finalmente, se A regular A1 tambm o , o que significa que A1
GLn (K). Conclui-se assim que GLn (K) um grupo.
8. Se BA = In ento BAA1 = In A1 , logo B = A1 . De igual modo, se
AD = In ento A1 AD = A1 In , logo D = A1 .
Nota 11 Simbolicamente, a inversa de uma matriz regular dada pelas seguintes matrizes:
1
= Eik
Eik
Ei1 () = Ei
, 6= 0
59
1
() = Eik ()
Eik
A seguinte proposio uma generalizao do resultado estabelecido no

ponto 4 da Proposio (18):
Proposio 19 Seja A Mmn (K). Se F Mn (K) e E Mm (K) forem
matrizes elementares ento rl (AF ) = rl (A) e rc (EA) = rc (A).
0
Demonstrao. Faamos a prova para as linhas. Considere-se A = AF ,

e recordemos que a multiplicao direita por uma matriz elementar corresponde a operar sobre as colunas (Proposio
13). Designem-se as linhas de
n 0o
0
A por {Ls }s=1, ,n e as de A por Ls
. Suponhamos, sem perda de
s=1, ,n
generalidade, que {Ls }s=1, ,h so linearmente idependentes. Vejamos qual o

resultado da aplicao das trs operaes elementares sobre as linhas de A.
0
Suponhamos ento que A resulta

n 0 ode A por troca das colunas i e j, com i<
j. Mostremos que as linhas Ls
so linearmente independentes:
s=1, ,h
h
X
s Ls
= 0
= 0
s=1
h
X
s=1
h
X
s=1
as1
asj
asi
asn
as1
asi
asj
asn
h
X
= 0
s Ls
= 0 =
s=1
n 0o
Assim, as linhas Ls
s=1, ,n
= 0, s=1, ,h
so linearmente independentes.
Suponhamos agora que A resulta de A por multiplicao da coluna

n 0 o j desta
ltima por um escalar K\ {0}. Mostremos que as linhas Ls
s=1, ,h
h
X
s=1
s Ls = 0
60
h
X
s=1
h
X
s=1
as1
as1
asi
asj
asj
asn
asn
h
X
= 0
= 0
s Ls
= 0 =
s=1
= 0, s=1, ,h
P
Em particular, relativamente s coordenadas de ndice j, temos hs=1 s
Ph
Ph
asj = s=1 s asj = 0. Mas porque 6= 0 vir s=1 s asj = 0, isto
h
X
s=1
as1
asi
asj
= 0
s Ls
= 0 =
asn
h
X
s=1
n 0o
Assim, as linhas Ls
s=1, ,n
= 0, s=1, ,h
Admitamos agora que A resulta de somar coluna i de A a coluna j, com

in< j,
o multiplicada por um escalar K\ {0}. Mostremos que as linhas
0
Ls
s=1, ,h
h
X
s Ls
= 0
= 0
s=1
h
X
s=1
as1
asi + asj
61
asj
asn
h
X
s=1
Ph
s as1 = 0
s=1
..
.
Ph
Ph
s=1 s asj = 0
..
.
Ph
s=1 s asj = 0
..
Ph
s=1 s asn = 0
Ph
s=1 s as1 = 0
..
Ph
Ph
s=1 s asi +
s=1 s asj = 0
..
.
Ph
s=1 s asj = 0
..
Ph
s=1 s asn = 0
as1
s asi +
s=1
asi
asj
asn
h
X
s Ls
0 =
0, s=1, ,h
s=1
n 0o
Assim, as linhas Ls
s=1, ,n
Conclumos assim, que rl (A) rl (AF ). Como F uma matriz elemen0

tar, logo regular e podemos escrever A = A F 1 , sendo tambm F 1
uma matriz elementar (como verificmos na demonstrao
do
0
ponto
1. da
0
1
pela
Proposio 18). Do mesmo modo, teremos rl A rl A F
Proposio 12, ou seja rl (AF ) rl (A), donde a igualdade.
Analogamente se prova a afirmao relativamente caracterstica de coluna.
Nota 12 Em termos prticos, o que o resultado anterior nos indica que operaes 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
Podemos portanto concluir que operaes elementares sobre as linhas ou colunas de uma matriz no afectam a sua caracterstica.
Proposio 20 Seja A Mn (K) uma matriz quadrada tal que rl (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 verificmos na Proposio (16) que qualquer matriz
redutvel forma de escada por meio de operaes elementares, em particular
qualquer matriz A Mmn (K).
Suponhamos que a matriz A est reduzida forma de escada mas que, por
exemplo, bjj = 0, com 1 j n. Tal significa que o primeiro elemento
significativo da linha j ser pelo menos bj,j+1 . Mas isso significa que o primeiro
elemento significativo da linha n ser pelo menos bn,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 rl (A) =
rl (B) < n, o que absurdo. O absurdo resulta de assumirmos que um dos
elementos da diagonal de B no nulo, logo bjj 6= 0, 1jn .
Assim, dada uma matriz A Mmn (K) a matriz B, em forma de escada,
que daquela resulta por aplicao de operaes elementares ter a forma:
1 b12
0 1
0 0
..
..
.
.
0 0
0 0
0 0
b13
b23
1
..
.
b1,n2
b2,n2
b3,n2
..
.
b1,n1
b2,n1
b3,n1
..
.
b1,n
b2,n
b3,n
..
.
0
0
0
1
0
0
bn2,n1
1
0
bn2,n
bn1,n
1
(5)
Continuando a proceder a operaes elementares sobre linhas, poderemos

transformar B em In .
(1)
O seguinte conjunto de operaes transformar a matriz B numa matriz B
onde a ltima coluna tem a forma {0, 0, 0, 0, 0, 1}:
Ln1 Ln1 bn1,n Ln
Ln2 Ln2 bn2,n Ln
L1 L1 b1,n Ln
(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
Ln2 Ln2 bn2,n1 Ln1

Ln3 Ln3 bn3,n1 Ln1
L1 L1 b1,n1 Ln1
(7)
Prossegue-se deste modo at se obter In .

A seguinte proposio enuncia o acima explicitado.
Proposio 21 Seja A Mn (K) uma matriz quadrada tal que rl (A) = n.
Atravs de um nmero finito de de operaes elementares sobre as linhas
possvel transformar a matriz A na matriz In .
Proposio 22 Seja A Mn (K) uma matriz quadrada tal que rl (A) = n
(rc (A) = n). Ento A um produto de matrizes elementares, logo regular.
Demonstrao. Verificmos, na Proposio 21, que possvel atravs
de operaes elementares sobre linhas, transformar a matriz A na matriz In .
Suponhamos que precismos de t destas operaes, digamos Op1 ,Op2 ,Op3 , ,Opt,
para obter In . Vamos refazer o processo com o seguinte esquema:
Op1
In
E1
Op1
A
A1
onde E1 uma matriz elementar. Pelo estabelecido na Proposio 13 tem-se

ainda A1 = E1 A. Efectuando uma sgunda operao tem-se:
Op2
A1
A2
Op2
E1
E12
Op2
In
E2
onde A2 = E2 A1 e E12 = E2 E1 . Efectuando uma terceira operao,

tem-se:
Op3
A2
A3
Op3
E12
E123
Op3
In
E3
onde A3 = E3 A2 e E123 = E3 E12 , e assim sucessivamente at operao

Opt :
Opt
At1
At
Opt
E12t1
E12t
onde At = Et At1 e E12t = Et E12t1 .

64
Opt
In
Et
Como se referiu no incio da demonstrao, depois da aplicao destas t

operaes obteve-se a matriz In , isto , At = In . Ento,
E12t
=
=
=
=
Et E12t1
Et Et1 E12t2
( )
Et Et1 E3 E2 E1
e ainda
In
=
=
=
=
=
=
At
Et At1
Et Et1 At2
( )
Et Et1 E3 E2 E1 A
E12t 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 E12t regular. Pelo ponto
8 da Proposio 18 vem A = (E12t )1 , ou seja A = E11 E21 E31 Et1 .
Resta assinalar que cada Ei1 , 1 i t uma matriz elementar.
A seguinte proposio generaliza o resultado da Proposio 19.
Proposio 23 Seja A Mmn (K). Se B Mn (K) e D Mm (K) forem
matrizes regulares ento rl (AB) = rl (A) e rc (DA) = rc (A).
Demonstrao. Faamos a prova para a caracterstica de linha. Conforme
a Proposio 22, a matriz B produto de matrizes elementares, digamos, B =
F1 F2 Fi1 Fi . Tendo em conta o resultado da Proposio 19
rl (AB) =
=
=
=
=
rl (AF1 F2 Fi1 Fi )
rl (AF1 F2 Fi1 )
rl (AF1 F2 Fi2 )
( )
rl (A)
Analogamente para a caracterstica de coluna.
65
Proposio 24 Seja A Mn (K).

1. A matriz A regular se e s se rl (A) = n (ou rc (A) = n).
2. A matriz A regular se e s se tiver uma inversa direita (respectivamente
esquerda), isto , se existir uma matriz B Mn (K) tal que AB = In
(respectivamente BA = In ).
Demonstrao.
1. Pelo ponto 2. da Proposio (18) se A regular ento rl (A) = n. Pela
Proposio (22), se rl (A) = n ento A regular. Analogamente para
rc (A) = n.
2. Se A regular, por definio existe uma matriz B Mn (K) tal que AB =
In = BA. Se AB = In , pela Proposio (12) tem-se n = rc (In ) rc (B),
logo rc (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 Mn (K) regular. Pela Proposio (21) sabemos que
existem matrizes elementares E1 , E2 , Et tais que Et Et1 E2 E1 A = In ,
logo A1 = Et Et1 E2 E1 A Isto significa que, se conhecermos sucessivamente
as matrizes elementares que permitem passar de A a In . conhecermos a matriz
B tal que BA = In , isto , conheceremos a inversa de A. Consideremos ento a
matriz ampliada A|In do tipo n2n e apliquemos toda a operao elementar
sobre as as linhas de A s linhas de In . Suponhamos que Op1 , Op2 , Opt so
as operaes elementares a aplicar sobre a matriz A.
A1 |E1 In
A2 |E2 E1
Op1
Op2
Op3
A3 |E3 E2 E1
In |Et Et1 E2 E1
Opt
A1 |E1
O que fizemos foi passar de uma matriz A|In para uma matriz In |B
atravs de operaes elementares sobre linhas, em que B = A1 .
A|In
Exemplo 17 Consideremos a seguinte matriz real,
1 1 1
A = 1 1 1
1 1 0
66
Vamos veriicar se a matriz A regular e, em caso afirmativo, determinar a

sua inversa. Em vez de condensar primeiro a matriz A, de modo
a determinar
A|I
chegar a
a
caracterstica,
e
no
caso
em
que
r
(A)
=
n,
partindo
de
n
l
In |B vamos comear imediatamente com a reduo de A|In . Assim, se

A for regular, no necessrio repetir as operaes elementares j efectuadas:
1 1 1 1 0 0
1 1 1 0 1 0 L2 L2 L1
L3 L3 L1
1 1 0 0 0 1
1 1
1 1 0 0
1
0 2 0 1 1 0 L2 2 L2
L L3
0 0 1 1 0 1 3
0
0
1 1 1 1
0 1 0 1 1 0 L1 L1 L3
2
2
0 0 1 1
0 1
0
1
1 1 0 0
0 1 0 1 1 0 L1 L1 L2
2
2
0 0 1 1
0 1
1
1 0 0 12
1
2
0 1 0 1 1 0
2
2
0 0 1 1
0 1
Tem-se claramente que,
A1 =
12
1
2
1
2
12
1
0
1
Conclui-se assim que a matriz regular, concluso esta atingida ao fim das
duas primeiras operaes sobre as linhas de A, quando se obteve uma matriz
em escada de elementos principais significativos. Se a matriz A no fosse regular o processo teria terminado aqui. Sendo regular, prosseguiu-se na aplicao
de operaes elementares sobre as linhas de A at se obter I3 enquanto que
simultaneamente determinvamos A1 por aplicao das mesmas operaes elementares sobre I3 .
Note-se que s operaes elementares utilizadas correspondem, utilizando a
notao habitual, as seguintes matrizes elementares
L2 L2 L1
L3 L3 L1
L2 12 L2
L3 L3
L1 L1 L3
L1 L1 L2
67
:
:
:
:
:
:
E21 (1)
E31(1)
E2 12
E3 (1)
E13 (1)
E12 (1)
Tal significa, segundo o que verificmos na proposio 22, que a matriz A1

pode ser produzida pelo produto, pela ordem correcta!, das matrizes elementares
acima descritas. Verifiquemos ento esse resultado:
1
A1 = E12 (1) E13 (1) E3 (1) E2
E31 (1) E21 (1) =
2
1 0 0
10 0
1 1 0 1 0 1
1 00
1 00
0 12 0
0 1 0
0 1 0
= 0 1 0
0 1 0
1 1 0 =
0 0 1 0 0 1
0 0 1 00 1
1 0 1
0 01
1
1
1 1 1
1 0
0
1
1 0 0
2
2
0 0 12 0 1 1 0 = 12 12 0
= 0 1
0 0
1
0 0 1
1 0 1
1
0 1
Como seria inevitvel, a matriz obtida pelo produto das matrizes elementares
precisamente A1 .
Por um processo semelhante, tambm ser possvel recuperar a matriz A.
Com efeito, esta matriz ser a inversa do produto de matrizes elementares descrito anteriormente. Sabendo que a inversa de uma matriz elementar tem uma
forma extremamente simples, relativamente simples determinar A, como se
verifica em seguida:
1
1
A = E12 (1) E13 (1) E3 (1) E2
=
E31 (1) E21 (1)
2
1
1
1
1
1
E21
(1) E31
(1) E21
(1) E12
(1) =
E31 (1) E13
2
E21 (1) E31 (1) E2 (2) E3 (1) E13 (1) E12 (1) =
101 110
1 0 0 10 0
100 100
0 1 0 =
0 1 0
0 1 0
0 2 0
0 1 0
= 1 1 0
001 001
0 0 1 0 0 1
001 101
1 1
1
1 1 1
1 0
0
1 0 0
= 1 1 0 0 2 0 0 1 1 = 1 1 1
1 1
0
0 0 1
0 0 1
1 0 1
Definio 32 (Inverso por Condensao) Ao mtodo atrs descrito para

a inverso de uma qualquer matriz A Mn (K) d-se o nome de Inverso por
Condensao.
Nota 13 extremamente importante lembrar que a determinao da inversa
de uma matriz atravs do mtodo descrito s pode ser realizada exclusivamente
68
por aplicao de operaes elementares sobre linhas. Com efeito, s assim possvel afirmar que Et Et1 E2 E1 A = In e que portanto A1 = Et Et1 E2 E1 .
Se forem aplicadas operaes sobre colunas, definidas pelas matrizes elementares
F1 , F2 , Fs , chegar-se- concluso que Et Et1 E2 E1 AF1 F2 Fs = In .
Esta expresso no est, obviamente, na forma BA = In no permitindo inferir
imediatamente a forma de A1 .
Nota 14 Quando uma matriz A Mn (K) no regular esta circunstncia

facilmente identificvel durante o processo de inverso da matriz. Suceder que
em determinado ponto, aps a aplicao
de
s operaes elementares sobre linhas,
se obter uma matriz do tipo As |Es em que o prximo elemento redutor

no poder ter outro valor que no 0. Tal significa que no possvel reduzir
a matriz A original a uma matriz triangular superior com elementos proncipais
no nulos. Consequentemente, segundo a Proposio 20 a caracterstica da
matriz ser inferior a n e portanto no ser regular.
Exemplo 18 Ilustremos a Nota anterior com a seguinte matriz real,
1
1
1
A = 1 1 1
1 3 1
1
1
1 1 0 0
1 1 1 0 1 0 L2 L2 L1
L3 L3 + L1
1 3 1 0 0 1
1 1 1 1 0 0
0 2 0 1 1 0 L3 L3 L2
0 2 0 1 0 1
1 1 1 1
0 0
0 2 0 1 1 0
0 0 0 2 1 1
Obteve-se uma matriz na forma A3 |E3 . Note-se que, neste ponto no h

forma de colocar na posio (3, 3) um elemento no nulo sem com essa operao
anular a configurao em forma de escada da matriz A3 . Conclui-se assim que
a matriz A no regular. Mais se conclui que, como a matriz A3 est na forma
de escada, que a caratcterstica da matriz A 2.
69
6.8
A Caracterstica Revisitada
Na seco 6.6 estudmos um mtodo, designado por Condensao Vertical,

para a determinao da caracterstca de linha de uma qualquer matriz A
Mmn (K). Nesta seco vamos estudar a relao entre trs valores: a caractersitca de linha, a caracterstica de coluna e a caracterstica de uma matriz.
Esse estudo resume-se ao seguinte resultado:
Proposio 25 Seja A Mmn (K). A caractersticas de linha e de coluna
da matriz A so iguais, isto , rl (A) = rc (A).
Demonstrao. Verificmos na Proposio 16 que a matriz A pode ser
reduzida a uma matriz A(1) , em forma de escada, por meio de operaes elementares sobre as linhas da matriz A. Tal significa, por aplicao da Proposio
13 que existe uma matriz E, regular, tal que EA = A(1) . A matriz A(1) ter a
seguinte forma genrica:
00
0 0
0 0
..
..
.
.
0 0
0 0
..
..
.
.
1 b1,j1 +1 b1,j1 +2
0
0
0
0
0
0
..
..
..
.
.
.
0
0
0
0
0
0
..
..
..
.
.
.
00 0
0
0
b1,j2 b1,j2 +1
1 b2,j2 +1
0
0
..
..
.
.
0
0
0
0
..
..
.
.
b1,j3 b1,j3 +1
b2,j3 b2,j3 +1
1 b3,j3 +1
..
..
.
.
0
0
0
0
..
..
.
.
b1,jt b1n
b2,jt b2n
b3,jt b3n
..
..
.
.
1 btn
0 0
..
..
.
.
Poderemos agora efectuar t trocas de colunas de modo a obter uma matriz

A(2) cuja forma a seguinte:
1 b1,j2 b1,j3
0 1 b2,j3
0 0
1
.. ..
..
. .
.
0 0
0
0 0
0
. .
..
.
.
. .
.
0 0
0
b1,jt b1,j1 +1 b1,j1 +2

0
0
b2,jt
b3,jt
0
0
..
..
..
.
.
.
1
0
0
0
0
0
..
..
..
.
.
.
0
0
0
b1,j2 +1 b1,j3 +1
b2,j2 +1 b2,j3 +1
0
b3,j3 +1
..
..
.
.
0
..
..
.
.
b1n
b2n
b3n
..
.
btn
0
..
.
00
0 0
0 0
..
..
.
.
0 0
0 0
..
..
.
.
00
Seguidamente, atravs de operaes de Jacobi sobre colunas poderemos uti(2)

lizar o elemento redutor a11 para anular os elementos no nulos da primeira
(2)
linha de A(2) ; de igual modo, utilizaremos o elemento redutor a22 para anular
70
os elementos no nulos da segunda linha de A(2) . Prosseguindo deste modo

(2)
at ao elemento redutor att poderemos constatar que a matriz A(2) pode ser
transformada, atravs de operaes elementares sobre colunas, na matriz A(3) .
Tal significa, por aplicao da Proposio 13 que existe uma matriz F , regular,
tal que A(1) F = A(3) . A matriz A(3) ter a seguinte forma genrica, numa
representao por blocos:
(3)
It
0t,nt
0mt,t
0mt,nt
Em resumo, existem matrizes regulares E e F taisque EAF = A(3) .

Reconhecendo que, nestas circunstncias, rc A(3) = t e, por aplicao do
ponto 3 da Proposio 18 e da Proposio 23 conclumos que:
t = rl A(3) = rl (EAF ) = rl (AF ) = rl (A)
t = rc A(3) = rc (EAF ) = rc (AF ) = rc (A)
Resulta imediatamente que rl (A) = rc (A).
A este valor rl (A) = rc (A) d-se o nome de caracterstica da matriz A e

designa-se simplesmente por r (A).
Definio 33
de uma Matriz) Seja A Mmn (K). A
(Forma Cannica
0t,nt
It
que resulta de A por aplicao de operaes
matriz B =
0mt,t 0mt,nt
elementares s suas linhas e colunas designa-se por forma cannica equivalente a A.
Definio 34 (Condensao de uma Matriz) Seja A Mmn (K). O processo que permite determinar a forma cannica equivalente a A designa-se por
condensao da matriz A.
Nota 15 O processo de condensao no consiste necessariamente na aplicao
de um conjunto de operaes elementares sobre linhas seguido da aplicao de
um conjunto de operaes elementares sobre colunas. A aplicao inicial de
um conjunto de operaes elementares sobre linhas, processo que se designa
por condensao vertical como definido na Definio 29 permite determinar a
caracterstica da matriz, digamos r (A). A partir daqui, o problema consiste,
atravs de operaes elementares, indiferentemente sobre linhas ou colunas, em
criar uma matriz, cuja submatriz ocupando as primeiras r (A) linhas e colunas
a identidade de ordem r (A) e os restantes elementos da matriz so nulos.
71
Exemplo 19 Pelo processo de condensao determine-se a forma cannica de

cada uma das seguinte matrizes
1 1 1 1 0
4
9
1. 13 0 13
27 1 25
7 18
1 1 1 1 0
L L2 13 L1
13 0 13
4
9 2
L3 L3 27 L1
27 1 25
7 18
1
1
1 1 0
0 13 26 17 9 L3 L3 2 L2
0 26 52 34 18
C2 C2 C1
1
1
1 1 0
0 13 26 17 9 C3 C3 + C1
0
0
0
0 0
C4 C4 + C1

C3 C3 + 2 C2
1
0
0 0 0
0 13 26 17 9 C4 C4 + 17 C2
13
9
0
0
0 0 0
C5 C5 + 13
C2
1
0
0 0 0
0 13 0 0 0 C2 1 C2
13
0
0
0 0 0
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
1
1
0
2
5
2
1
0
1
1
L
1
L
L
2
2
1
3
L
L
2L
3
1 0
3
2 L4 L4 L1 0
1
0
72
2
7
2
3
0
1
0
1
1
L2 7 L2
3
1
1
0
0
0
1
0
0
0
2
1
2
3
0
2
1
0
0
0
1
1
0
0
L3 L3 +2L2
1
L4 L4 +3L2 0
3 0
0
1
1
0
0
0
2
1
0
0
0
1
0
L4 L4 +3L3
1
L4 L4 L3
3
A partir deste ponto temos duas alternativas possveis. Ou prosseguimos

com operaes elementares sobre linhas, ou com operaes elementares
sobre colunas. Atente-se que o objectivo criar uma matriz onde a identidade de ordem igual caracterstica da matriz, neste caso, obviamente,
3, constitui uma submatriz ocupando as primeiras 3 linhas e colunas da
matriz, sendo os restantes elementos da matriz nulos.
Utilizando operaes elementares sobre linhas obtm-se:
1
0
0
0
0
2
1
0
0
0
1
0
1
0
0
1
0
0
0
0
0
1
0
0
0
0
0
1
0
0
L1 L1 L3

1
0
0
0
0
2
1
0
0
0
0
0
1
0
0
L1 L1 2 L2

Utilizando operaes elementares sobre colunas obtm-se:
1
0
0
0
0
2
1
0
0
0
1
0
1
0
0
C2 C2 2 C1
3 C3 C1
C

73
1
0
0
0
0
0
1
0
0
0
0
0
1
0
0
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 ltimas seces revelar-se- de fundamental importncia para este estudo. Iniciase esta exposio com algumas definies.
6.9.1
Enquadramento Terico
Definio 35 (Equao Linear) Seja K um corpo. A igualdade

a1 x1 + a2 x2 + + an1 xn1 + an xn = b
designa-se por equao linear. Os escalares {ai }j=1,...,n K designam-se
por coeficientes da equao, o escalar b K designa-se por termo independente e os elementos {xi }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 constitui o termo direito, diz-se escrita na forma cannica.
Nota 16 O termo linear significa que se trata de uma equao do primeiro
grau em cada uma das incgnitas.
Exemplo 20 Classifiquemos 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.
x2 + y 3 = 0 uma equao no-linear uma vez que tem as parcelas no
lineares x2 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 verificar
que a equao pode ser reescrita na forma cannica como x + y = 2.
Definio 36 (Sistema de Equaes Lineares) Seja K um corpo. Considere-se um conjunto de m equaes lineares da forma
ai1 x1 + ai2 x2 + + ai,n1 xn1 + ain xn = bi
74
Quando se pretende resolver simultaneamente todas as equaes, diz-se que

se tem um sistema de m equaes lineares nas n incgnitas {xj }j=1,...,n , so qual
se representa do seguinte modo:
a11 x1 + a12 x2 + + a1,n1 xn1 + a1n xn = b1
a21 x1 + a22 x2 + + a2,n1 xn1 + a2n xn = b1
am1 x1 + am2 x2 + + am,n1 xn1 + amn xn = b1
(8)
Os escalares {aij }i=1,...,m; j=1,...,n K designam-se por coeficientes do

sistema, os escalares {bi }i=1,...,m K designam-se por termos independentes do sistema.
Qualquer sistema de m equaes a n incgnitas pode ser escrito na forma
matricial se atendermos ao seguinte:
Os coeficientes do sistema, {aij }i=1,...,m; j=1,...,n K, podem ser descritos
como uma matriz A Mmn (K), cujo elemento aij precisamente o
coeficiente da incgnita xj na i-sima equao.
Os termos independentes do sistema, {bi }i=1,...,m K, podem ser descritos como uma matriz coluna B Mm1 (K), cujo elemento bi precisamente o termo independete da i-sima equao.
As incgnitas do sistema, {xj }j=1,...,n K, podem ser descritas como uma
matriz coluna X Mn1 (K), cujo elemento xj precisamente a j-sima
incgnita.
Nestas circunstncias, o sistema de equaes definido 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 Mm1 (K),

precisamente o tipo da matriz B. A cada coluna da matriz de coeficientes, A,
corresponde uma incgnita; assim, a j esima coluna da matriz A composta
pelos coeficientes da varivel xj 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
1
3 x + 2 y = 1100
O sistema pode ser escrito na forma matricial do seguinte modo:
75
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
10 + 11x + 12y = 0
20 + 21x + 22y = 0
30 + 31x + 32y = 0
x
y = 39
34
z
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
10
21 22 x = 20
y
31 32
30
Definio 37 Considere-se um sistema de equaes lineares dado pela equao

matricial AX = B, onde A Mmn (K), B Mm1 (K) e X Mn1 (K).
Designa-se por soluo do sistema a toda a matriz D Mn1 (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-seno homogneo.
76
Do acima exposto conclui-se que o estudo da resolubilidade do sistema de

equaes (8) , pois, o da resolubilidade da equao matricial (9).
Definio 38 (Solubilidade de um Sistema de Equaes) Um sistema de
equaes lineares dado pela equao matricial AX = B, onde A Mmn (K),
B Mm1 (K) e X Mn1 (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
Mn1 (K) tal que AD = B. Se existe uma e uma s soluo o sistema dizse determinado; se existir mais que uma soluo diz-se indeterminado.
Diz-se que o sistema impossvel se no existe nenhum D Mn1 (K)
tal que AD = B.
Definio 39 (Equivalncia de Sistemas de Equaes) Dois sistemas de
equaes lineares so dados pelas equaes matriciais AX = B e A0 X = B 0
onde A, A0 Mmn (K), B 0 , B Mm1 (K) e X Mn1 (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 equao matricial AX = B, onde A Mmn (K), B Mm1 (K) e X Mn1 (K).
1. Dada uma matriz regular PMm (K), os sistemas AX=B e (P A) X=P B
so equivalentes.
2. Se Q Mn (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 definida por:
f : {sol. de AX = B} {sol. de (AQ) Y = B}
X0 7 Q1 X0
Demonstrao.
1. Basta verificar que, dada a regularidade da matriz P , ento P 1 existe e
portanto
(P A) X
(P A) X
IAX
AX
77
=
=
=
=
P B
P 1 P B
IB
B
2. Injectividade. Temos de mostrar que
X0 ,X1 :AX0 =AX1 =B , f (X0 ) = f (X1 ) X0 = X1

Obviamente que
f (X0 )
Q1 X0
QQ1 X0
IX0
X0
=
=
=
=
=
f (X1 )
Q1 X1
QQ1 X1
IX1
X1
Sobrejectividade. Temos de verificar que
D:(AQ)D=B , X0 :AX0 =B : f (X0 ) = D

Basta portanto exibirmos X0 . Escolhamos X0 = QD. claro que X0
resolve AX = B, uma vez que
AX0
= 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 multiplicao 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 simplificar algumas equaes, nomeadamente no que diz respeito ao nmero de variveis que contm. Consideremos o seguinte exemplo de
enquadramento:
Exemplo 22 Consideremos o seguinte sistema de equaes lineares:
78
x1 + 2x2 x3 = 1
2x1 + 4x2 + x3 = 0
x1 + 6x2 = 1
A simplificao deste sistema de equaes consistia, por exemplo, em

eliminar a varivel x1 da primeira equao; para tal, somava-se a primeira
com a terceira equao, para se obter 8x2 x3 = 0; esta equao, com duas variveis, vinha agora substituir a primeira equao do sistema, com trs variveis,
para se obter um sistema equivalente:
8x2 x3 = 0
2x1 + 4x2 + x3 = 0
x1 + 6x2 = 1
Prosseguia-se agora com a resoluo resolvendo explicitamente para algumas variveis e substituindo o resultado nas equaes com maior nmero de
variveis. A equivalncia dos dois sistemas nunca foi justificada rigorosamente,
embora fosse intuitivamente evidente. No entanto, agora, luz da teoria das
matrizes, simples verificar que a transformao efectuada consistiu em tomar
a matriz elementar,
1 0 1
E= 0 1 0
0 0 1
e multiplic-la esquerda das matrizes dos coeficientes e dos termos independentes do sistema original, respectivamente,
1 2 1
1
A = 2 4 1 e B = 0
1
1 6 0
O resultado obtido, , como no podia deixar de ser,
A0
B0
1 2 1
0 8 1
1 0 1
= 0 1 0 2 4 1 = 2 4 1 e
0 0 1
1 6 0
1 6 0
0
1
1 0 1
= 0 1 0 0 = 0
1
0 0 1
1
Note-se que as matrizes A0 e B 0 so precisamente as matrizes de coeficientes

e de termos independentes do sistema aps a transformao. Portanto, os sistemas AX = B e A0 X = B 0 so equivalentes porque A0 = EA e B 0 = EB e E
uma matriz elementar, logo regular.
79
Note-se ainda que a matriz elementar E est associada operao de Jacobi

L1 L1 + L3 aplicada sobre a matriz ampliada do sistema AX = B, isto :
1 2 1 1
+
L
[ A| B] = 2 4 1 0
L1
L
1
3
1 6 0 1
0 8 1 0
2 4 1 0 = [ A0 | B 0 ]
1 6 0 1
Do exposto anteriormente, poder-se- concluir que o estudo da matriz ampliada 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 AMmn (K), BMm1 (K)
e X Mn1 (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
A0 X = B 0 , em que a matriz ampliada do sistema original, [ A| B], reduzida
a uma matriz [ A0 | B 0 ] em forma de escada reduzida por meio de operaes elementares sobre linhas, e que constitui a matriz ampliada do sistema A0 X = B 0 .
Foi verificado na Proposio 16 que esta reduo sempre possvel. A matriz
[ A0 | B 0 ] ter a seguinte forma:
0 0
0 0
0 0
.
..
.
.
.
0 0
0 0
0 0
.
..
.
.
.
0 0
|
1 a01,j1 +1 a01,j1 +2 a01,j2 a01,j2 +1 a01,j3 a01,j3 +1 a01,jt

0
0
0 1 a02,j2 +1 a02,j3 a02,j3 +1 a02,jt
0
0
0 0
0 1 a03,j3 +1 a03,jt
..
..
..
..
..
..
..
..
.
.
.
.
.
.
.
.
0
0
0 0
0 0
0 1
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
A0
80
a01n b01
a02n b02
a03n b03
.. ..
. .
0 b0
atn t
0 b0t+1
0 0
.. ..
. .
0 0
|{z}
}
0
B
(=) Suponhamos que o sistema AX = B solvel, ento A0 X = B 0 tambm

o ser. Mas sendo este sistema solvel, ento b0t+1,n = 0. Com efeito, se
b0t+1,n 6= 0, a equao t + 1 ter a forma 0 = b0t+1,n , condio impossvel.
Esta situao constitui um absurdo, pelo que, se o sistema solvel, se
dever ter b0t+1,n = 0. Ora, neste caso a (t + 1) esima linha da matriz
ampliada [ A0 | B 0 ] nula. A matriz ampliada [ A0 | B 0 ] ter portanto t linhas
no nulas onde pelo menos um elemento da linha t da matriz A0 no
nulo. Imediatamente resulta que r (A0 ) = r ([ A0 | 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 (A0 ) = r ([ A0 | B 0 ]). Esta circunstncia implica que b0t+1,n = 0. Se assim no fosse, teramos r (A0 ) <
r ([ A0 | B 0 ]), o que contraria a hiptese. Posto isto, basta exibir uma
soluo para o sistema A0 X = B 0 para mostrarmos que AX = B solvel.
Seja {j1 , jt } o conjunto dos ndices de coluna associados s colunas de
A0 que contm um elemento redutor. Atravs de operaes elementares
sobre as linhas de [ A0 | B 0 ], utilizemos o elemento redutor da i esima
linha, com i = 2, , t, e que est na posio (i, ji ), para anular todos
os elementos no nulos da coluna ji . Para o efeito, vamos aplicar um
conjunto de operaes de Jacobi sobre as linhas de [ A0 | B 0 ]. Obteremos
com este processo, um sistema A00 X = B 00 equivalente a A0 X = B 0 , e
portanto a AX = B, cuja matriz ampliada [ A00 | B 00 ] est em forma de
escada reduzida, com a seguinte forma:
0 0
0 0
0 0
.
..
.
.
.
0 0
0 0
0 0
.
..
.
.
.
0 0
|
1 a001,j1 +1 a001,j1 +2 0 a001,j2 +1 0 a001,j3 +1 0

0
0
0 1 a002,j2 +1 0 a002,j3 +1 0
0
0
0 0
0 1 a003,j3 +1 0
..
..
..
..
..
..
..
..
.
.
.
.
.
.
.
.
0
0
0 0
0 0
0 1
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
A00
a001n b001
a002n b002
a003n b003
.. ..
. .
a00tn b00t
00
0 bt+1
0 0
.. ..
. .
0 0
} |{z}
00
B
Concretizemos as incgnitas do problema com os seguintes valores:
81
xj1 = b001n
xj2 = b002n
xj2 = b00tn
xj = 0, j {1, , n} \ {j1 , jt }
simples verificar que a soluo acima exposta constitui uma soluo para
o sistema A00 X = B 00 , logo, para o sistema AX = B. A ttulo ilustrativo,
consideremos a primeira equao do sistema A00 X = B 00 :
0 x1 + + 0 xj1 1 + xj1 + a001,j1 +1 xj1 +1 +
+a001,j1 +2 xj1 +2 + + a001,j2 xj2 + a001,j2 +1 xj2 +1 +

+ + 0 xjt + + a001n xn = b01
Ao substituirmos a soluo encontrada nesta equao, obter-se-, como

seria de prever b01 = b01 . No difcil intuir que as restantes equaes do
sistema tambm sero satisfeitas, o que mostra que foi encontrada uma
soluo para o sistema AX = B, como pretendido.
Verso 2:
() Admitamos ento que AX = B admite uma soluo, a coluna D =
{d1 , , dn }. Designando por A1 , , An as colunas da matriz A, poderemos escrever B = d1 A1 + dn An . Ora, se o nmero mximo de colunas
da matriz A linearmente independentes t, o nmero mximo de colunas
linearmente independentes da matriz [ A| B] ter tambm de ser t. Sem
perda de generalidade, suponhamos que as t primeiras colunas de A so
linearmente independentes podendo as restantes escrever-se de como combinao linear daquelas, de acordo com o ponto 6. da Proposio 10. Tal
significa que existem escalares {j }j=1,t tais que B = 1 A1 + t At .
Suponhamos, por reduo ao absurdo que, por incluir a coluna B, o
nmero mximo de colunas linearmente independentes de [ A| B] t + 1.
Uma das colunas deste conjunto ter de ser efectivamente B uma vez
que a matriz A s possui t colunas linearmente independentes. Mas B
escreve-se como combinao linear das colunas de A e, em particular das t
colunas de A que so linearmente independentes, uma vez que as restantes
n t colunas de A se podem escrever custa das t colunas que so linearmente independentes. Logo, B no pode pertencer a um conjunto de
colunas linearmente independentes o que absurdo. Conclui-se portanto
que o nmero mximo de colunas linearmente independentes de [ A| B]
tambm t, isto r (A) = r ([ A| B]).
82
() Admitamos agora que r (A) = r ([ A| B]). Se r (A) = t suponhamos, sem

perda de generalidade, que as t primeiras colunas de A so linearmente
independentes. Como r ([ A| B]) = t tambm e se as t primeiras colunas
de A so linearmente independentes, ento, de acordo com o ponto 6. da
Proposio 10, B pode ser escrita como combinao das primeiras t colunas
de A (as que so linearmente independentes), isto , B = 1 A1 + t At .
Utilizando escalares nulos para as restantes n t colunas de A, verifica-se
que B pode ser escrita como combinao linear das colunas de A, isto ,
existe uma coluna de escalares D = {d1 , , dn } tais que AD = B, logo
D resolve AX = B.
O prximo resultado enquadra o modo como se identifica a indeterminao

(ou determinao) de um sistema de equaes
Proposio 28 Considere-se um sistema de equaes lineares dado pela equao
matricial AX = B, onde A Mmn (K), B Mm1 (K) e X Mn1 (K). O
sistema AX = B ...
1 ... possvel e determinado se e s se r (A) = r ([ A| B]) = n.
2 ... possvel e indeterminado se e s se r (A) = r ([ A| B]) < n.
Demonstrao.
1.
2.(=) Suponhamos que o sistema possvel e determinado. Ento, existir
apena uma coluna D Mn1 (K) tal que AD = B. Se designarmos
por A1 , , An as colunas da matriz A e se {d1 , , dn } forem os
elementos da matriz D, teremos d1 A1 + + dn An = B.
A natureza da independncia linear das colunas da matriz A pode ser

estudada compondo a combinao nula destas colunas e resolvendo
para os escalares. A combinao linear nula das colunas de A dada
por 1 A1 + + n An = 0. Adicionando as duas equaes termo a
termo, obtm-se
(d1 A1 + + dn An ) + (1 A1 + + n An ) =
= (d1 + 1 ) A1 + + (dn + n ) An = B + 0 = B
A igualdade mostra que a coluna de elementos {d1 + 1 , dn + n }

soluo da equao AX = B. Como, por hiptese, a soluo nica,
conclui-se que as colunas {d1 , , dn } e {d1 + 1 , , dn + n } devero ser iguais, isto , d1 = d1 + 1 , , dn = dn + n , donde
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
(=) Dado que r (A) = n e a matriz A tem n colunas ento as colunas 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 A1 + +
n An + n+1 B = 0 uma combinao linear nula, no trivial, das colunas da matriz [ A| B]. Se n+1 = 0, resta 1 A1 + + n An = 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
1
n
A1 n+1
An .
B = n+1
Resta mostrar que esta combinao linear nica. Suponhamos ento
que tambm se pode ter B = 1 A1 + + n An . Subtraindo esta
equao determinada anteriormente obtm-se
1
n
(1 A1 + + n An )
A1
An =
n+1
n+1
1
n
= 1 +
A1 + + n +
An = B B = 0
n+1
n+1
Dada a independncia linear das colunas de A decorre imediatamente
1
n
que 1 = n+1
, , n = n+1
, que mostra a unicidade da combinao linear das colunas de A que resulta na coluna B.
Ento, sabendo que o conjunto de escalares {d1 , , dn } tais que
B = d1 A1 + +dn An nico, se designarmos por D uma coluna com
elementos {d1 , , dn }, 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 afirmao o sistema determinado se e s se r (A) = n demonstrada no ponto anterior
equivalente afirmao 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 afirmao 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 [ A0 | B 0 ], a submatriz de A0
que ocupa as primeiras n linhas e n colunas desta seja uma matriz triangular
superior. A matriz ampliada [ A0 | B 0 ] tem a seguinte configurao:
84
1
0
0
..
.
0
0
0
..
.
0
|
a012 a013 a01,n b01
1 a023 a02,n b02
0 1 a03,n b03
.. ..
.. ..
. .
. .
0
0 0 1 bn
0 0 0 0
0 0 0 0
.. ..
.. ..
. .
. .
0 0 0 0
{z
} |{z}
0
0
B
Nota 17 Os resultados das Proposies 27 e 28 permitem investigar aquilo a

que se designa por natureza de um sistema de equaes lineares. Neste sentido, o sistema de equaes lineares dado pela equao matricial AX = B, onde
A Mmn (K),B Mm1 (K) e X Mn1 (K) pode ser classificado, provisoriamente, quanto sua natureza, segundo o seguinte esquema:
Equa
ao AX = B
Sol
uvel
Indeterminado
(r(A)=r([ A|B])<n)
(r(A)=r([ A|B]))
Insol
uvel
Determinado
(r(A)=r([ A|B])=n)
(r(A)6=r([ A|B]))
Exemplo 23 Estude-se a natureza do seguinte sistema de equaes lineares:
x+y =0
xy =1
4x + 2y = 1
A matriz ampliada do sistema dada por:
1 1 0
[ A| B] = 1 1 1
4 2 1
Procedendo sua condensao, obtm-se o seguinte resultado:
85
1 1 0
1 1 1 L2 L2 L1
L3 L3 4L1
4 2 1
1 1 0
1 1 0
0 2 1 L3 L3 L2 0 2 1 = [ A0 | B 0 ]
0 0 0
0 2 1
Dado que r (A) = r ([ A| B]) = 2, o sistema possvel e determinado.

2x1 + 2x2 2x3 = 5

7x1 + 7x2 + x3 = 10
5x1 + 5x2 x3 = 5
2 2 2
[ A| B] = 7 7 1
5 5 1
10
2 2 2
7 7 1
5 5 1
2 2 2
0 0 8
0 0 6
2 2
0 0
0 0
5
L L2 72 L1
10 2
L3 L3 5 L1
5
2
5
L3 L3 + 3 L2
15
2
4
15
2
2 5
= [ A0 | B 0 ]
8 15
2
105
0
8
Dado que r (A) 6= r ([ A| B]), o sistema impossvel. Com efeito, a ltima

linha da matriz ampliada, [ A0 | B 0 ], corresponde equao 0 = 105
8 , o que
manifestamente impossvel.
x1 x2 + x3 = 1
x1 + x2 x3 = 2
86
[ A| B] =
1 1 1 1
1 1 1 2
1 1 1
1 1 1
1 1 1
0 2 2
1
L L2
L
1
2 2
1
0
0
1 = [A | B ]
Dado que r (A) = r ([ A| B]) = 2 < n = 3, o sistema possvel e indeterminado.

Os sistemas indeterminados, por terem mltiplas solues requerem um estudo 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 Mmn (K),B Mm1 (K) e X
Mn1 (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 [ A00 | B 00 ], representando o mesmo sistema de equaes, mas em forma de escada reduzida que
a seguir se apresenta:
0 0
0 0
0 0
.
..
.
.
.
0 0
0 0
0 0
.
..
.
.
.
0 0
|
1 a001,j1 +1 0 a001,j2 +1 0 a001,j3 +1 0

0
0 1 a002,j2 +1 0 a002,j3 +1 0
0
0 0
0 1 a003,j3 +1 0
..
..
..
..
..
..
..
.
.
.
.
.
.
.
0
0 0
0 0
0 1
0
0 0
0 0
0 0
0
0 0
0 0
0 0
..
..
..
..
..
..
..
.
.
.
.
.
.
.
0
0 0 0 0
0 0
{z
A00 =P A
00
a1n b001
a002n b002
a003n b003
..
..
.
.
a00tn b00t
0 0
0 0
..
..
.
.
0 0
} |{z}
00
B =P B
Temos portanto um conjunto de t colunas redutoras ocupando as colunas de

ndices {j1 , , jt } claro que, por troca das colunas da matriz A00 = P A
possvel obter uma matriz, de quatro blocos, com a forma
87
It
Ct,nt
0mt,t
0mt,nt
palavras, existe uma matriz regular Q Mn (K) tal que P AQ =
Por outras
It C
. Como foi referido no ponto 2 da Proposio 26, se D for uma
0 0
soluo de (P A) X = P B ento Q1 D uma soluo de (P AQ) Y = P B. Ora,
facilmente se verifica que a equao
It
0
C
0
Y = {b001 , , b00t , 0, , 0}
tem a soluo D0 = {b001 , , b00t , 0, , 0}, logo, (P AQ) D0 = P B mostra

que QD0 soluo de (P A) X = P B, e consequentemente de AX = B. Mas
existem muitas mais solues para o sistema (P AQ) Y = P B, com X = QY .
Na realidade, existem infinitas solues, assumindo que o corpo K tem infinitos
elementos.
A questo que se coloca de imediato a de descrever na totalidade o conjunto das solues do sistema (P AQ) Y = P B e consequentemente do sistema
AX = B. Comeemos por dividir em dois blocos o vector coluna das incgni
h
iT
(1) (2)
00(1)
tas, Y , fazendo Y = Yt,1 Ynt,1 . Temos naturalmente Yt,1 = {y1 , , yt }
00(2)
e Ynt,1 = {yt+1 , , yn }. Dividamos tanbm em dois blocos o vector col

iT
h
00(1)
una das varveis independentes, B 00 , fazendo B 00 = Bt,1 0mt,1 , onde
00(1)
Bt,1 = {b001 , , b00t }. Matricialmente, o sistema A00 Y = B 00 representa-se do

seguinte modo:
It
Ct,nt
0mt,t
0mt,nt
"
(1)
Yt,1
(2)
Ynt,1
"
00(1)
Bt,1
0mt,1
(10)
Esta equao matricial pode ser reescrita como um sistema de duas equaes
matriciais atendendo partio em blocos escolhida. Obtm-se ento:
(
(1)
00(1)
(2)
It Yt,1 + Ct,nt Ynt,1 = Bt,1

(1)
(2)
0mt,t Yt,1 + 0mt,nt Ynt,1 = 0mt,1
A segunda equao pode ser omitida uma vez que constitui a condio universal 0mt,1 0mt,1 . Resta portanto a equao:
(1)
(2)
00(1)
Yt,1 + Ct,nt Ynt,1 = Bt,1

88
Rearranjando os termos da equao acima, obtm-se:

00(1)
(1)
(2)
Yt,1 = Bt,1 Ct,nt Ynt,1

(1)
A expresso acima mostra que t incgnitas, precisamente as incgnitas Yt,1 ,

(2)
podem ser expressas em funo de n t incgnitas, precisamente Ynt,1 . Assim,

a soluo geral da equao A00 Y = B 00 ser dada pelo vector coluna:
"
00(1)
Bt,1 Ct,nt Dnt,1

Dnt,1
(11)
(2)
onde Dnt,1 K nt uma concretizao arbitrria qualquer das incgnitas

(2)
(2)
representadas em Ynt,1 , a saber {yt+1 , , yn }. Em particular, se Ynt,1 = 0,

recupera-se a soluo particular D0 = {b001 , , b00t , 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 A00 Y = B 00 , o que
significa que no s a expresso (11) uma soluo do sistema como tambm
qualquer soluo do sistema A00 Y = B 00 poder ser escrita na forma dada pela
expresso (11), isto , se Gn1 for uma soluo de A00 Y = B 00 ento existe
(2)
Dnt,1 K nt tal que:
Gn1 =
"
00(1)
Bt,1 Ct,nt Dnt,1

Dnt,1
esta arbitrariedade na escolha dos valores das incgnitas que est na

base da classificao do sistema como indeterminado. Dependendo do nmero
de incgnitas arbitrrias, assim ser o grau de indeterminao do sistema.
Definio 40 (Incgnitas Dependentes/Independentes) Seja AX = B a
equao matricial relativa a um sistema de equaes lineares, solvel, onde A
Mmn (K), B Mm1 (K) e X Mn1 (K). Sabemos que existem matrizes
regulares P Mm (K) e Q Mn (K) tais que o sistema (P AQ) Y = P B, com
X = QY equivalente ao sistema original e assume a forma da expresso (10).
iT
h
(1) (2)
(1)
(2)
00(1)
A soluo dada por Y = Yt,1 Ynt,1 onde Yt,1 = Bt,1 Ct,nt Ynt,1 .
(1)
(1)
As variveis originais Xt,1 = QYt,1 , que se podem exprimir em funo das var(2)
(2)
iveis Xnt,1 = QYnt,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 coeficientes do sistema, r (A).
89
Definio 41 (Grau de Indeterminao) O grau de indeterminao de um

sistema de equaes lineares, possvel, dado pela equao matricial AX = B,
onde A Mmn (K),B Mm1 (K) e X Mn1 (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 escrever como:
"
00(1)
Bt,1
0nt,1
Ct,nt
Int
(12)
Dnt,1
Nota 19 A expresso (12) revela que a soluo geral do sistema A00 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:
("
00(1)
Bt,1
0nt,1
Ct,nt
Int
Dnt,1
As seguintes observaes auxiliaro no entendimento desta questo:
1. Pondo (P A) X = (P AQ) Q1 X , observa-se que a incgnita Y da equao (P AQ) Y = P B resulta de efectuar sobre as linhas da coluna incgnita, Y , as mesmas trocas que foram feitas nas colunas de P A por efeito
de Q. Com efeito, ponhamos Q = E1 E2 Eh onde cada Ek resultou de
It por trocas das colunas i e j ou das linhas i e j; vimos na Proposio
18 que uma matriz deste tipo inversa de sim mesmo, isto , Ek2 = It ;
assim, quando se escreve
= (P A) E1 E2 Eh Eh1 E21 E11 X

(P AQ) Q1 X
= (P A) E1 E2 Eh Eh E2 E1 X
90
possvel verificar que, ao mesmo tempo que se trocam as colunas i e j

da matriz P A por efeito de E1 ( direita) e se obtm P AE1 , trocam-se as
linhas i e j de X por efeito da mesma matriz E1 ( esquerda) obtendo-se
E1 X, e analogamente com E2 , , Eh .
2. Uma vez obtida uma soluo D0 de (P AQ) Y = P B, o produto QD0 corresponde a desfazer em D0 todas as trocas que levaram de X a Y , obtendose assim uma soluo de (P A) X = P B.
3. Na prtica, o que se descreve em 1. que permitido, na resoluo da
equao (P A) X = P B, trocar colunas na matriz P A 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 resoluo 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
|
x1
x2
x3
x4
x5
{z
X
|
}
1
0
1
{z }
B
Assume-se que A e B so matrizes de elementos reais. Comea por se condensar a matriz ampliada [ A| B]. Assim, ao mesmo tempo que averiguamos
cerca da solubilidade da equao, vamo-nos encaminhando, em caso afirmativo,
para a sua resoluo (os elementos redutores utilizados encontram-se assinalados
em cada passo):
1
2
1
1
0
0
1
0
0
2
4
6
1
L2 L2 + 2L1
0
L3 L3 + L1
1
1 0 2 1
L
L
1 1 4 2 L
3
3
2
1 0 1 0
1
0
2
1
1
1
4
2 = [ A0 | B 0 ]
0
1 3 2
1
1
0
2
8
8
2
8
0
0
1
0
2
0
1
A matriz ampliada encontra-se em forma de escada e, dado que r ([ A0 | B 0 ]) =

r ([ A| B]) = r (A) = 3 conclui-se que o sistema possvel. Como r (A) < n
91
conclui-se adicionalmente que o sistema indeterminado com grau de indeterminao n r (A) = 5 3 = 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):
0
0
1
0
0
1 0
0 1
0 0
2
8
0
1
1
0
0
1
-1
2
1
0
1
18
0
1
8
1
2
1
4
34
18
0
1
0
0
2
4
3
14
1
8
1
2
1
2
1
4
0
1
0
34
18
0
0
1
1
L2 18 L2
2
L3 L3
2
L1 L1 2L2
1
L2 L2 81 L3
L1 L1 + L3
4
7
1
4
1
0
8
3 2
Neste ponto, sabemos que existe uma matriz regular, P , tal que:
1
PA = 0
0
0
1
0
34
18
0
0
0
1
1
e PB = 0
2
3
7
4
1
8
Consideremos agora 3 alternativas para a determinao da soluo geral do

sistema:
Alternativa 1
Esta alternativa baseada na descrio terica acima realizada. A partir da
equao (P A) X = P B poderemos escrever, trocando as colunas 3 e 4 da matriz
P A o sistema:
1
0
0
|
0
1
0
0 34
0 18
1
0
{z
P AQ

1
1
Q X = 0
2
3
| {z }
}
7
4
1
8
PB
Naturalmente que a matriz Q ser dada pela matriz identidade de ordem 5,

onde as colunas 2 e 3 foram trocadas:
92
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
fcil verificar que a coluna D0 = {1, 0, 2, 0, 0} uma soluo particular

do sistema (P AQ) Y = P B pelo que D = QD0 = {1, 0, 2, 0, 0} (basta trocar as
linhas 3 e 4 de D0 ) soluo de (P A) X = P B, logo de AX = B.
Dado que o sistema indeterminado de ordem 2, onde {y1 , y2 , y3 } so as
variveis dependentes e {y4 , y5 } as variveis independentes, e a caracterstica
da matriz dos coeficientes 5, a soluo geral do sistema (P AQ) Y = P B
dada por:
"
00(1)
B3,1
02,1
C3,2
I2
D2,1
3 7

1
4 4
0
1 0
00(1)
onde B3,1 = 0 , C3,2 = 18 18 , 02,1 =
, I2 =
0
0 1
2
0
3
1
um vector de escalares pertencentes ao corpo K (neste caso
e D2,1 =
2
K = R). Tem-se assim a soluo geral, Y , de (P AQ) Y = P B dada por
y1
y2
y3
y4
y5
1
0
2
0
0
34
18
0
1
0
7
4
1
8
1
3
2 ; 1 , 2 R
0
1
A soluo geral do sistema (P A) X = B e portanto AX = B ser dada por:
y1
y2
y3
y4
y5
=Q
1
0
2
0
0
93
34
18
0
1
0
7
4
1
8
1
3
2
0
1
= Q
1
0
=
0
2
0
1
4
1
0
8
2
+ Q 0
1
0
0
0
3
74
4
1 1
8
8
+ 1
0

0 3
0
1
74
18
3
0
1
2 =
Conclui-se, dizendo que a soluo geral da equao AX = B dada por:
x1
x2
x3
x4
x5
1
4
0
1
= 0 + 1 1 + 2

2
0
0
0
74
18
0
3
1
; 1 , 2 R
Alternativa 2
Nesta alternativa, exibir-se- a soluo geral do sistema partindo da equao
(P A) X = P B, evitando assim potenciais erros devido s trocas das colunas de
(P A). O sistema a resolver portanto:
1
0
0
|
0
1
0
34
18
0
{z
0
0
1
1
X = 0
2
3
| {z }
}
7
4
1
8
PB
PA
As colunas redutoras da matriz P A tm ndices {1, 2, 4}, correspondendo

s variveis dependentes {x1 , x2 , x4 }, donde se deduz imediatamente a soluo
particular x1 = b011 = 1, x2 = b021 = 0 e x4 = b031 = 2. s restantes variveis, as
variveis independentes {x3 , x5 }, associadas a colunas no redutoras associa-se
o escalar 0: x3 = x5 = 0. Assim, a coluna D = {1, 0, 0, 2, 0} uma soluo
particular do sistema (P A) X = P B.
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 Vi associada varivel independente xi ter
o escalar 1 na posio i e os escalares 0 nas posies associadas s restantes
variveis independentes que no xi ; as restantes posies sero preenchidas com
94
os escalares constantes da i esima coluna da matriz P A multiplicados por

1, e por aquela ordem. Vejamos ento a forma deste vectores coluna no caso
presente:
Varivel independente x3 :
3
?
4
?
1
V3 = 1 V3 =
1
?
0
0
0
Varivel independente x5 :
74
?
?
1
V5 = 0 V5 =
0
?
3
1
1
Como se confirma, a soluo geral de (P A) X = P B e portanto de AX =

B ser:
x1
x2
x3
x4
x5
Alternativa 3
1
0
= 0 + 1 V3 + 2 V5 =

0

3
7
1
4
4
0
1
1

8
8
=
0 + 1 1 + 2 0
2
0
3
0
0
1
; 1 , 2 R
Nesta alternativa, exibir-se- a soluo geral do sistema partindo da equao

(P A) X = P B, evitando assim potenciais erros devido s trocas das colunas de
(P A). Reescrevendo o sistema na forma algbrica, possvel deduzir a soluo
geral de forma intuitiva. O sistema a resolver , como na alternativa 2:
1
0
0
|
0
1
0
34
18
0
{z
0
0
1
1
X = 0
2
3
| {z }
}
7
4
1
8
PB
PA
95
Na forma algbrica o sistema tomar a forma:
x1
34 x3
18 x3
x2
x4
+ 74 x5
+ 18 x5
+3x5
=1
=0
=2
Resolvendo este sistema em ordem s variveis dependentes, obtm-se:
x1
x
2
x4
=
=
=
1
0
2
+ 34 x3
+ 18 x3
74 x5
18 x5 ; x3 , x5 R
3x5
Assim, a soluo geral dada por:
x1
x2
x3
x4
x5
poder ser reescrita em funo das variveis independentes {x3 , x5 } substituindo, no vector acima, as variveis dependentes {x1 , x2 , x4 } pelas respectivas
expresses em funo de {x3 , x5 }:
x1
x2
x3
x4
x5
1 + 34 x3 74 x5
0 + 1 x3 1 x5
8
8
x3
2 3x5
x5
; x3 , x5 R
Este vector pode ser reescrito com a soma de trs vectores: um vector de
termos independentes, outro de termos em x3 e outro de termos em x5 obtendose:
1 + 34 x3 74 x5
0 + 1 x3 1 x5
8
8
x3
2 3x5
x5

0 +
2
0
3
4 x3
1
8 x3

1
0

0 +

2
0
3
4 x3
1
8 x3
74 x5
1 x5
8
x3
+ 0
3x5
0
0
x5
74 x5
1 x5
8
x3
+ 0
3x5
0
0
x5
Colocando em evidncia os escalares x3 e x5 :
3
7
1
4
4
0
1
1

8
8
= 0 + x3 1 + x5 0

2
0
3
0
0
1
96
Como x3 e x5 : 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:
x1
x2
x3
x4
x5
3
7
1
4
4
0
1
1

8
8
= 0 + 1 1 + 2 0

2
0
3
0
0
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 especificamente solicitada.
O estudo da Natureza de um sistema de equaes lineares, resume-se no
seguinte quadro:
Natureza de um Sistema de Equac,o
~es Lineares
Indeterminado
(r(A)=r([ A|B])<n)
Grau de Indeterminao
(nr(A))
Sol
uvel
(r(A)=r([
A|B]))
Equa
ao AX = B
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 identifique, 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 sistemtica um sistema de equaes lineares dado pela equao matricial AX = B,
onde A Mmn (K),B Mm1 (K) e X Mn1 (K).
Condensar a matriz ampliada do sistema, [ A| B], numa matriz em forma
de escada reduzida [ A0 | B 0 ]. Note-se que [ A| B] Mm(n+1) (K).
Suponha-se que [ A0 | B 0 ] tem r linhas no-nulas e que o elemento redutor
na i esima linha ocorre na coluna ci para 1 i r. Ter-se- ento:
1 c1 < c2 < < cr n + 1
97
Suponha-se ainda que as restantes colunas de A0 tero ndices cr+1 , , cn ,

onde:
1 cr+1 < c2 < < cn n

Efectivamente,
a ltima linha no-nula
Caso 1 cr = n+1. O sistema impossvel.
de [ A0 | B 0 ] tem a forma 0 0 1 , correspondente equao:

0x1 + 0x2 + + 0xn = 1
obviamente insolvel
Caso 2 cr n. O sistema possvel. Note-se que r n.
= Se r = n, ento c1 = 1, c2 = 2, , cn = n e o sistema determinado
e ter a soluo nica:
b01
b02
b0n
= Se r < n, existiro solues mltiplas. O sistema indeterminado

com grau de indeterminao n r. A soluo geral obtem-se exprimindo as variveis dependentes xc1 , , xcr nas variveis independentes xcr+1 , , xcn :
xc1 = b01 a01cr+1 xcr+1 a01cn xcn
xcr = b0r a0rcr+1 xcr+1 a0rcn xcn
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 definio particular. Daremos uma breve definio de cada
um destes tipos de matrizes assim como um exemplo ilustrando a respectiva
popriedade.
Definio 42 (Matriz idempotente) Seja A Mn (K). Diz-se que a matriz
A idempotente se A2 = A.
98
Exemplo 27 A matriz A =
8 28
2 7
8 28
2 7
8 28
2 7
idempotente uma vez que:
8 8 + (28) 2 8 (28) + (28) (7)

2 8 + (7) 2 2 (28) + (28) (7)
8 28
=
2 7
Definio 43 (Matriz nilpotente) Seja A Mn (K). A matriz A diz-se

nilpotente se Ap = 0 para algum inteiro p. Se p o menor inteiro para o qual
Ap = 0, A diz-se nilpotente de ordem p.
0 0 0
Exemplo 28 A matriz A = 1 2 1 nilpotente de ordem 3 uma vez
1 4 2
que:
0 0 0
1 2 1 6=
1 4 2
2
0 0 0
1 2 1 6=
1 4 2
3
0 0 0
1 2 1 =
1 4 2
0 0 0
1 0 0 6= 0
2 0 0
Definio 44 Seja A Mn (K). A matriz A diz-se involuntria se A2 = I.
11
2
1
Exemplo 29 simples confirmar que a matriz A =
2
involuntria.
39
4
39
4
5
2
3
2
Definio 45 (Matrizes Equivalentes) Duas matrizes A, B Mnm (K)

dizem-se equivalentes se existem matrizes regulares P Mn (K) e Q Mm (K)
tais que A = P BQ.
Uma propriedade importante das matrizes equivalentes traduz-se no seguinte
resultado:
99
Proposio 29 Duas matrizes, A, B Mnm (K), equivalentes tm a mesma

caracterstica.
Demonstrao. Por definio, existem matrizes regulares P Mn (K)
e Q Mm (K) tais que A = P BQ. Pelo ponto 4 da Proposio 18 temse r (P BQ) = r (BQ). Pela Proposio 23 tem-se r (BQ) = r (B). Como
A = P BQ resulta imediatamente r (A) = r (B).
Um caso particular de equivalncia de matrizes o de semelhana de matrizes, que se definem em seguida.
Definio 46 (Matrizes Semelhantes) Duas matrizes A, B Mn(K) dizemse semelhantes se existe uma matriz regular P Mn (K) tal que A = P BP 1 .
100

Sebenta PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Sebenta PDF

Enviado por

Direitos autorais:

Formatos disponíveis

lgebra Linear

3 Demonstrao Indirecta ou por Reduo ao Absurdo

4 Demonstrao por Induo Matemtica

6 Teoria das Matrizes

O modo directo de demonstrar a proposio A B consiste em determnar

Definio 1 Considere-se a proposio da forma A B : se a hiptese A

3 Demonstrao Indirecta ou por Reduo ao Absurdo

O recproco de uma proposio consiste em inverter os papis da hiptese

Demonstrao Indirecta ou por Reduo ao

Consideremos o seguinte resultado:

Note-se as colunas relativas a (A = B) e ( B = A) o que completa a

4 Demonstrao por Induo Matemtica

Assim, uma forma de mostrar a validade de uma proposio A = B

Demonstrao. Pretende-se mostrar p2 par (p par), para qualquer p N.

Demonstrao por Induo Matemtica

Existe um terceiro mtodo de demonstrao que difere significativamente do

4 Demonstrao por Induo Matemtica

Demonstrao. Procedamos demonstrao por Induo Matemtica,

(i) Consideremos n = 1. Neste caso, a soma dos primeiros naturais ser 1,

Queremos mostrar que:

Logo, (n) vlida para qualquer n N.

Historicamente, os primeiros esboos de matrizes e determinantes remontam ao

Os Chineses, no perodo entre 200 a. C. e 100 a. C., chegaram mais prximo

O autor do texto props um mtodo de resoluo notvel: os coeficientes

da regra. Assim, Cardan no chega at definio de determinante, mas, numa

... tinha soluo porque

imediatamente o significado do conceito e matriz e, em 1853 publicaria uma

6 Teoria das Matrizes

Teoria das Matrizes

Definio 4 (Matriz) Sejam K um corpo e m e n nmeros inteiros positivos;

Nestas notaes, o primeiro ndice (i) do elemento genrico aij indica a

6 Teoria das Matrizes

a11 a12 a1n

Matriz Triangular Inferior

uma matriz diagonal em que

Tabela 2: Principais tipos de Matrizes Quadradas

6 Teoria das Matrizes

a11 , a22 , , amin(m,n),min(m,n)

(que se designam por elementos principais da matriz).

0 . Diagonal Principal: {3, 2, 3}. Diagonal Secundria:

6 Teoria das Matrizes

Definio 12 Sejam A = [aij ] , B = [bij ] Mmn (K). Define-se soma A + B

6 Teoria das Matrizes

= [aij ] + [bij + cij ]

3. Como A, B Mmn (K) ento A + B e B + A esto definidas. Adicionalmente

4. Seja A Mmn (K) e B = 0mn Mmn (K). Ento:

6 Teoria das Matrizes

3 Considerem-se os seguintes casos:

Multiplicao de uma matriz por um escalar.

Definio 13 Seja A = [aij ] Mmn (K) e K um escalar. Define-se o

6 Teoria das Matrizes

Exemplo 4 Considerem-se os seguintes casos:

6 Teoria das Matrizes

Proposio 4 O conjunto Mmn (K) munido da adio definida na Definio

Definio 14 Sejam A Mmp (K) e B Mpn (K). A matriz produto de A

Exemplo 5 Considerem-se as seguinte matrizes reais:

6 Teoria das Matrizes

(2) 2 + 3 (2) + (3) (1) (2) 0 + 3 1 + (3) (3)

1 1 + (1) 1 1 (1) + (1) (1)

6 Teoria das Matrizes

Nota 4 Em geral AB 6= BA. Veja-se o exemplo 6.

6 Teoria das Matrizes

2. De modo semelhante se mostra que A (C + D) = AC + AD.