Você está na página 1de 402

Instituto Superior de Engenharia de Lisboa

ÁLGEBRA
LINEAR E
GEOMETRIA
ANALÍTICA

Espaços vectoriais
Matrizes
Funções lineares
Determinantes

Volume 1
ISEL - ADMat Por Engº Carlos M. Ribeiro
Versão 3.9, Setembro de 2012 Licenciado em Engenharia Electrotécnica pelo IST
Veja aqui as páginas de ALGA

Álgebra Linear e Geometria Analítica, Volume 1


© 2012 por Engº Carlos M. Ribeiro
Licenciado em Engenharia Electrotécnica pelo IST Por opção pessoal do autor,
E-mail: cmmribeiro@sapo.pt o presente manual encontra-se escrito
Versão 3.9, Setembro de 2012 de acordo com a antiga ortografia
————— Conteúdo —————

Conteúdo, iii

Lista de figuras, vi

Simbologia, viii

Capítulo 1 Espaços vectoriais


1.1 Introdução, 3
1.2 Axiomática dos espaços vectoriais, 3
1.3 Consequências algébricas dos axiomas, 5
1.4 Exemplos de espaços vectoriais, 6
1.5 Combinações lineares. Subespaços, 14
1.6 Independência linear e bases. Dimensão, 27
1.7 Soma de subespaços. Soma directa, 47
1.8 Anexos: vectores e o MATHEMATICA© , 56

Capítulo 2 Matrizes
2.1 Introdução, 67
2.2 Noção de matriz sobre um corpo. Alguns tipos de matrizes, 67
2.3 Espaço linear das matrizes, 71
2.4 Álgebra e anel das matrizes quadradas, 74
2.5 Transposição e transconjugação, 83
2.6 Submatrizes. Matrizes de blocos. Operações por blocos, 89
2.7 Característica de uma matriz, 93
2.8 Algoritmo de condensação vertical, 97
2.9 Sistemas de equações lineares. Princípios de equivalência, 100
2.10 Formas matricial e vectorial de um sistema, 103
2.11 Algoritmo de Gauss-Jordan, 105
iv Conteúdo

2.12 Inversão matricial, 121


2.13 Matrizes elementares, 130
2.14 Divisão matricial, 136
2.15 Mudança de base, 140
2.16 Anexos: matrizes e o MATHEMATICA© , 143

Capítulo 3 Funções lineares


3.1 Introdução, 201
3.2 Funções lineares. Núcleo e imagem, 201
3.3 Álgebra das funções lineares, 213
3.4 Funções lineares em espaços de dimensão finita, 218
3.5 Representação matricial de uma função linear, 225
3.6 Isomorfismo entre funções lineares e matrizes, 233
3.7 Alteração da representação matricial nas mudanças de base, 237
3.8 Anexos: funções lineares e o MATHEMATICA© , 243

Capítulo 4 Determinantes
4.1 Introdução, 261
4.2 Permutações. O grupo simétrico, 261
4.3 Funções multilineares, 270
4.4 Funções multilineares alternadas, simétricas e anti-simétricas, 275
4.5 Determinante numa base, 286
4.6 Determinante de um endomorfismo. Determinante de uma matriz, 288
4.7 Propriedades algébricas dos determinantes, 293
4.8 Algoritmo de condensação para o cálculo de determinantes, 304
4.9 Teorema de Laplace, 306
4.10 Método abreviado para o cálculo de determinantes, 314
4.11 Aplicação ao cálculo da característica de uma matriz, 315
4.12 Aplicação aos sistemas de equações lineares. Regra de Cramer, 319
4.13 Matriz adjunta e inversão de matrizes quadradas, 332
4.14 Fórmula de Cauchy, 337
Conteúdo v

4.15 Derivada de um determinante, 340


4.16 Anexos: determinantes e o MATHEMATICA© , 342

Bibliografia, 381
————— Lista de figuras —————

Capítulo 1
Fig. 1.1 Regra do triângulo, 11
Fig. 1.2 Multiplicação escalar, 11
Fig. 1.3 Segmentos equipolentes, 11
Fig. 1.4 Adição vectorial, 12
Fig. 1.5 Os espaços de funções reais diferenciáveis, 23
Fig. 1.6 Os espaços de polinómios de coeficientes num corpo, 23
Fig. 1.7 Soma de subespaços, 51

Capítulo 2
Fig. 2.1 Relação entre as soluções dos sistemas E\ œ F e E\ œ S , 109
Fig. 2.2 Caso de um sistema simplesmente indeterminado, 109
Fig. 2.3 Caso de um sistema duplamente indeterminado, 110
Fig. 2.4 Discussão de um sistema, 118

Capítulo 3
Fig. 3.1 Esquema representativo do Núcleo e Imagem, 204
Fig. 3.2 Funções lineares. Núcleo e imagem, 214
Fig. 3.3 A associatividade da Composição de funções lineares, 215
Fig. 3.4 Composição de funções lineares e produto por escalar, 216
Fig. 3.5 Distributividade em relação à adição, 216
Fig. 3.6 Elementos neutros à esquerda e à direita, 217
Fig. 3.7 As funções nulas e a Composição de funções lineares, 217
Fig. 3.8 Acção da transformação 2 sobre um quadrado, 225
Fig. 3.9 Diagrama auxiliar para a proposição 3.8, 226
Fig. 3.10 Rotação em W # , 232
Fig. 3.11 Imagem do cubo !ß "$ § ‘$ por meio de 0 , 232
Fig. 3.12 Matriz da aplicação composta, 236
Fig. 3.13 Matrizes da mesma função linear em diferentes pares de bases, 238
Lista de figuras vii

Capítulo 4
Fig. 4.1 Esquema para obter as permutações de 4ª ordem, 263
Fig. 4.2 Composição (produto) de permutações, 263
Fig. 4.3 Composição de uma função linear com uma função multilinear, 273
Fig. 4.4 Coordenadas de uma função multilinear são formas multilineares, 274
Fig. 4.5 Função multilinear composta com um produto de função lineares, 275
Fig. 4.6 Mnemónica para o cálculo de determinantes de 2ª ordem, 293
Fig. 4.7 Regra de Sarrus, para o cálculo de determinantes de 3ª ordem, 294
Fig. 4.8 Primeira variante da regra de Sarrus, 294
Fig. 4.9 Segunda variante da regra de Sarrus, 294
Fig. 4.10 Determinação da paridade dos menores de 1ª ordem, 309
Fig. 4.11 Gráficos de 0" , 0# , 0"w e 0#w , 331
————— Simbologia —————

Lógica
c:................................................... negação (not) da proposição :
: ” ; ................................................disjunção (or) das proposições : e ;
: ”† ; ................................................disjunção exclusiva (xor) das proposições : e ;
: • ; ................................................conjunção (and) das proposições : e ;
: Ê ; .............................................. : implica ;
: ´ ;ß : Í ; ...................................equivalência das proposições : e ;
sse................................................... se e só se
a...................................................... quantificador universal (qualquer que seja...)
b...................................................... quantificador existencial (existe pelo menos um...)
b" .................................................... quantificador existencial exclusivo (existe um e um só...)
q.e.d................................................ quod erat demonstrandum

Conjuntos
+ß ,ß -ß á .................................... conjunto formado por +ß ,ß -ß á
B − \À pB................................ conjunto dos elementos de \ com a propriedade pB
gß ................................................ conjunto vazio
P\ .............................................. conjunto das partes (subconjuntos) do conjunto \
Ec ß E............................................... complementar do conjunto E
E Ï F .............................................. diferença entre os conjuntos E e F
E ∪ F ..............................................reunião dos conjuntos E e F

+ß ,............................................... par ordenado formado pelos objectos + e ,


E ∩ F ..............................................intersecção dos conjuntos E e F

B" ß B# ß á ß B8 ß B5 "Ÿ5Ÿ8 .............lista de comprimento 8 de elementos de um conjunto \


E ‚ F ............................................. produto cartesiano dos conjuntos E e F

gß ................................................. lista vazia


pr5 B................................................ 5ª projecção ou componente da lista B

B5 5−M ............................................família de elementos de um conjunto \ indexada por M


\ 8 ...................................................conjunto das sequências de 8 elementos de \

pr3 B.................................................projecção ou componente de índice 3 da família B (B3 )


\ M ................................................... conjunto das famílias de elementos de \ indexadas por M
\Î<.................................................conjunto quociente do conjunto \ pela relação de

 E3 ................................................reunião duma família de conjuntos


equivalência <

 E3 ............................................... intersecção duma família de conjuntos


3−M

3−P
Simbologia ix

Relações binárias
œ ...................................................igual
Á ...................................................diferente
− ................................................... pertence a, é elemento de
 ................................................... não pertence a, não é elemento de
§ ...................................................está contido em, é uma parte de
¨ ...................................................contém, é sobreconjunto de
§Î ...................................................não está contido em, não é parte de

Funções
0 B................................................ valor da função 0 no ponto B
] \ .................................................. conjunto das funções de \ em ]
0
0 À \ Ä ] ß \ Ä ] ........................ 0 é função de \ em ]
B È Cß B È 0 Bß B È C ............... B é aplicado por 0 em C ou 0 B
0

I\ ................................................... relação (função) identidade no conjunto \


0 E................................................imagem directa do conjunto E por 0
0 " E............................................pré-imagem do conjunto E por 0
0 " C .............................................pré-imagem do conjunto singular C  ou traço de C por 0
0 " .................................................. função inversa da função injectiva 0

lim 0 B.......................................... limite da função 0 no ponto +


1 ‰ 0 ................................................ composta das funções 1 e 0 (1 após 0 )

0 +ß 0 ww +ß 0 5  +.......................derivada de 1ª ordem, 2ª ordem, ordem 5 de 0 em +


BÄ+
w

0 w ß 0 ww ß 0 5  .......................................função derivada de 1ª ordem, 2ª ordem, ordem 5 de 0


lnBß log+ B........................................ logaritmo neperiano de B  !, logaritmo de B na base +
/B ß exp B.......................................... função exponencial de base /
+B .................................................... função exponencial de base +  !
sinß cos............................................ funções seno e coseno

 , 0 B dB....................................... integral definido da função 0 entre os pontos + e ,


arcsinß arccos...................................funções arcseno e arccoseno

 0 B dB........................................ integral definido da função 0 estendido ao intervalo M


+
M

Estruturas
B  C ...............................................soma dos elementos B e C de um grupóide aditivo
B ‚ Cß B † Cß B C ............................... produto dos elementos B e C de um grupóide multiplicativo
!...................................................... elemento neutro (zero) de um grupóide aditivo
"...................................................... elemento neutro (um, unidade ou identidade) de um
grupóide multiplicativo
B...................................................oposto (simétrico) do elemento regular B, num monóide
aditivo
"
B ß "ÎB.......................................... oposto (inverso) do elemento regular B, num monóide
multiplicativo
 B5 .............................................. soma da lista B3 "Ÿ3Ÿ8 de elementos de um semigrupo
8

5œ"
comutativo aditivo
x Simbologia

 B5 ............................................... produto da lista B3 "Ÿ3Ÿ8 de elementos de um semigrupo


8

5œ"
comutativo multiplicativo
E z F ............................................. E é isomorfo de F

Números Inteiros e Racionais


! ....................................................conjunto dos números naturais com zero !ß "ß #ß á ß 8ß á 
ß ™ .............................................. conjunto dos números naturais "ß #ß á ß 8ß á 
7ß 8.............................................. conjunto dos inteiros entre 7 e 8 inclusivé
"ß 8................................................intervalo "ß #ß á ß 8 § 
™......................................................conjunto dos inteiros
™ ................................................... conjunto dos inteiros  !
™‡ ....................................................conjunto dos inteiros Á !
™: ....................................................anel dos inteiros módulo : (corpo, se : é primo)
..................................................... conjunto dos números racionais
 ...................................................conjunto dos racionais  !
! ...................................................conjunto dos racionais   !
 ...................................................conjunto dos racionais  !
! ...................................................conjunto dos racionais Ÿ !
‡ ................................................... conjunto dos racionais Á !

Combinatória
8x.....................................................factorial de 8
T8 ß E88 ............................................. permutações de 8
 8: .................................................combinações de 8 elementos tomados : a : (coeficientes
binomiais)
E8: ................................................... arranjos
de 8 elementos tomados : a :

Números reais
‘..................................................... conjunto dos números reais
‘ ................................................... conjunto dos números reais  !
‘ ! ................................................... conjunto dos números reais   !
‘ ...................................................conjunto dos números reais  !
‘ ! ...................................................conjunto dos números reais Ÿ !
‘‡ ....................................................conjunto dos números reais Á !
‘..................................................... recta acabada

‘..................................................... recta projectiva
1......................................................pi, razão entre o perímetro e o diâmetro de qualquer

/...................................................... número de Neper, base da função exponencial B È expB


circunferência

B Ÿ Cß C   B...................................relação de ordem em ß ™ß  ou ‘

+ß ,ß +ß ,ß +ß ,ß +ß ,................. intervalos limitados em ‘ ou num espaço ordenado
B  Cß C  B...................................relação de ordem estrita em ß ™ß  ou ‘
Simbologia xi

∞ß ,ß ∞ß ,........................... intervalos não limitados inferiormente em ‘ ou num espaço

+ß ∞ß +ß ∞.......................... intervalos não limitados superiormente em ‘ ou num espaço
ordenado (secções inferiores)

ordenado (secções superiores)

B....................................................módulo do real B
+ ¸ ,............................................... + aproximadamente igual a ,

max \ ............................................. máximo do conjunto \


min \ ..............................................mínimo do conjunto \
sup \ .............................................. supremo do conjunto \
inf \ ................................................ínfimo do conjunto \
∞ß ∞........................................ menos infinito, mais infinito em ‘

Números complexos
‚..................................................... conjunto dos números complexos
‚‡ ....................................................conjunto dos números complexos Á !
3‘.................................................... conjunto dos imaginários puros

<cis).............................................forma trigonométrica de um complexo


B  3C..............................................forma algébrica de um complexo

</3) ..................................................forma exponencial de um complexo


D ...................................................... conjugado do complexo D
E  F ............................................. soma dos subconjuntos E e F de ‚

dD ß eD ...................................... parte real do complexo D , parte imaginária do complexo D


DE................................................... produto do complexo D pelo subconjunto E § ‚

D ....................................................módulo ou valor absoluto do complexo D


argD .............................................. argumento principal do complexo D
ArgD .............................................conjunto de todos os argumentos do complexo D
/D ß expD ........................................ função exponencial complexa
exp" D ......................................... conjunto de todos os logaritmos do complexo D Á !
lnD ................................................valor principal do logaritmo do complexo D Á !

Quaterniões
‡..................................................... conjunto dos quaterniões de Hamilton
‡‡ ................................................... conjunto dos quaterniões não nulos
‡" ................................................... conjunto dos quaterniões unitários
‡$ ................................................... conjunto dos quaterniões puros
‡...................................................... multiplicação de quaterniões

Espaços vectoriais
αBt................................................... produto de escalar por vector
Bt  Ct...............................................soma de vectores
Bt Ct................................................... produto de vectores (numa álgebra linear)
t !ß
Bß t ?t.............................................. vector, vector nulo, vector unidade (numa álgebra linear
com unidade)
 α3 Bt3 ............................................combinação linear dos vectores da sequência Bt3 "Ÿ3Ÿ8
8

3œ"
xii Simbologia

 α3 Bt3 œ 9t.....................................combinação linear vazia


3−g
pr5 Bt................................................ 5ª projecção ou componente do vector Bt − Š8

 I3 ................................................produto cartesiano dos espaços vectoriais da família I3 3−M


J £ I ............................................ J é subespaço vectorial de I

3−M
de espaços vectoriais sobre um mesmo corpo Š
 I3 ou I" ‚ I# ‚ â ‚ I8 .........produto cartesiano dos espaços vectoriais da sequência
8

I3 "Ÿ3Ÿ8 de espaços sobre um mesmo corpo Š


3œ"

I3 ................................................soma directa externa da família I3 3−M de espaços


3−M

I3 ................................................soma directa da família I3 3−M de subespaços


vectoriais sobre um mesmo corpo Š

I3 ................................................soma da família I3 3−M de subespaços


3−M

3−M
E  F ............................................. soma dos subespaços E e F

I M  ................................................. conjunto das famílias Bt3 3−M de vectores de I indexadas


E Š F ............................................. soma directa dos subespaços E e F

por M e tais que Bt3 œ !t no complementar de uma parte finita


de M .
IÎJ ................................................espaço vectorial quociente de I pelo subespaço J
W " ß W # ß W $ ........................................espaços de segmentos orientados com origem num ponto S
Ò Ò Ò Ò
EF µ GH .................................... equipolência entre os segmentos orientados EF e GH
~" ~# ~$
W ß W ß W ........................................conjunto dos segmentos aplicados em qualquer ponto
s "ß W s #ß Ws $ ........................................espaços vectoriais dos vectores livres
¶ ß ‘...........................................espaço das sucessões reais convergentes
W

¶! ß ‘......................................... espaço das sucessões reais convergentes para !


6‘# .....................................................espaço de Hilbert de sucessões reais
BMß ‘........................................... espaço das funções reais limitadas no conjunto M
DMß ‘........................................... espaço das funções reais diferenciáveis em M
CMß ‘........................................... espaço das funções reais contínuas no conjunto M
C5 Mß ‘..........................................espaço das funções reais de classe C5 no conjunto M
C∞ Mß ‘........................................ espaço das funções reais de classe C∞ no conjunto M
¶ ß ‚...........................................espaço das sucessões complexas convergentes
¶! ß ‚......................................... espaço das sucessões complexas convergentes para !
6‚# .....................................................espaço de Hilbert de sucessões complexas
BMß ‚...........................................espaço das funções complexas limitadas no conjunto M
DMß ‚........................................... espaço das funções complexas diferenciáveis em M
CMß ‚........................................... espaço das funções complexas contínuas no conjunto M
C5 Mß ‚..........................................espaço das funções complexas de classe C5 no conjunto M
C∞ Mß ‚........................................ espaço das funções complexas de classe C∞ no conjunto M
P8 Š.............................................espaço dos polinómios de grau Ÿ 8 e de coeficientes no

PŠ...............................................álgebra dos polinómios de coeficientes no corpo Š


corpo Š
Simbologia xiii

PŠ Bß PŠ Bt3 "Ÿ3Ÿ7 .......................subespaço gerado pela lista B œ Bt3 "Ÿ3Ÿ7 de vectores de

PŠ Bt" ß Bt# ß á ß Bt7 ......................... subespaço gerado pela lista Bt" ß Bt# ß á ß Bt7  de vectores de
um espaço vectorial I sobre o corpo Š

 Bt" ß Bt# ß á ß Bt7  .......................subespaço gerado pela lista Bt" ß Bt# ß á ß Bt7  de vectores de
um espaço vectorial I sobre o corpo Š

um espaço vectorial I
dimŠ Iß dimI ................................ dimensão do espaço vectorial I sobre o corpo Š
I z J ............................................ I é isomorfo de J

Matrizes
+34  "Ÿ3Ÿ7 .......................................... matriz de tipo 7 ‚ 8 de elementos +34 de um conjunto \
+34 "Ÿ3ß4Ÿ8 ....................................... matriz quadrada de ordem 8 de elementos +34 de um
"Ÿ4Ÿ8

conjunto \
Š7ß8 ................................................ espaço vectorial das matrizes do tipo 7 ‚ 8 de elementos
no corpo Š
Š8ß8 .................................................álgebra das matrizes quadradas de ordem 8 de elementos no
corpo Š
S7ß8 ................................................ matriz nula do tipo 7 ‚ 8
S8 ................................................... matriz nula de ordem 8
M8 .....................................................matriz identidade de ordem 8
E „ F ............................................. soma (diferença) das matrizes E e F
αE...................................................produto do escalar α pela matriz E
ET ß E> ß Ew ........................................matriz transposta de E
E..................................................... matriz conjugada de E
E‡ ....................................................matriz transconjugada de E

cE................................................ característica da matriz E


EF .................................................. produto das matrizes E e F

trE................................................traço da matriz quadrada E


diag-" ß -# ß á ß -8 ........................ matriz diagonal de elementos diagonais -" ß -# ß á ß -8

E3" ß á ß 3: à 4" ß á ß 4; ....................Submatriz de E, obtida seleccionando as linhas 3" ß á ß 3: e


X//w .................................................. matriz de mudança da base / para a base /w

E3" ß á ß 3: à 4" ß á ß 4; ............Submatriz de E, obtida seleccionando as linhas 3" ß á ß 3: e


as colunas 4" ß á ß 4; de E

EMà N ............................................ Submatriz de E, obtida seleccionando as linhas cujos


as colunas 4" ß á ß 4; de E

E3" ß á ß 3: à 4" ß á ß 4; ...................Submatriz de E, obtida eliminando as linhas 3" ß á ß 3: e as


índices pertencem aos conjuntos M e N

E3" ß á ß 3: à 4" ß á ß 4; ................... Submatriz de E, obtida seleccionando as linhas 3" ß á ß 3: e


colunas 4" ß á ß 4; de E

E3" ß á ß 3: à 4" ß á ß 4; ................... Submatriz de E, obtida eliminando as linhas 3" ß á ß 3: e


eliminando as colunas 4" ß á ß 4; de E

seleccionando as colunas 4" ß á ß 4; de E


xiv Simbologia

Funções lineares
HomIß J , LIß J ..................... espaço vectorial das funções lineares de I em J
EndI ........................................... álgebra dos endomorfismos de I
Ker2, Nuc2...............................núcleo da aplicação linear 2
Img2, Im2, 2I ......................imagem da aplicação linear 2 definida em I
c2, -2 ........................................... característica da aplicação linear 2
n2, 82 .......................................... nulidade da aplicação linear 2
OJ I .................................................função (linear) nula do espaço I no espaço J
OI ...................................................endomorfismo nulo no espaço I
det2..............................................determinante do endomorfismo 2
Q0/ 2............................................representação matricial da função linear 2 nas bases 0 e /
Q/ 2............................................. representação matricial do endomorfismo 2 na base /

Funções multilineares e determinantes


Æ8 ................................................... grupo simétrico de ordem 8
I8 .................................................... permutação identidade de ordem 8
5 ß 7 ..................................................permutação, transposição

&5 .................................................sinal ou paridade da permutação 5 .


5 " .................................................. permutação inversa de 5

detE3" ß á ß 3: à 4" ß á ß 4: ............menor de ordem : da matriz E


detE3" ß á ß 3: à 4" ß á ß 4: ...........menor complementar do anterior
cofdetE3" ß á ß 3: à 4" ß á ß 4: ....cofactor do menor detE3" ß á ß 3: à 4" ß á ß 4: 
cof+34 ß cof+34 ................................ cofactor de +34
s..................................................... matriz complementar de E (matriz dos cofactores dos
E
elementos de E)

det/ Bt" ß Bt# ß á ß Bt8 ........................determinante dos vectores Bt" ß Bt# ß á ß Bt8  na base /
adjE................................................ matriz adjunta de E (transposta da anterior)

det?..............................................determinante do endomorfismo ?
detEß E...................................... determinante da matriz E
FI : ß J ........................................ espaço de todas as funções de I : em J
M: Iß J ....................................... espaço das funções :-lineares sobre I com valores em J
A: Iß J ........................................ espaço das funções :-lineares alternadas sobre I com

S: Iß J ........................................ espaço das funções :-lineares simétricas sobre I com


valores em J

valores em J
OJ I : ............................................... função :-linear nula de I : em J
OŠI : ............................................... forma :-linear nula de I : em Š
Simbologia xv

Valores e vectores próprios


71 -..............................................multiplicidade geométrica do valor próprio -
7+ -............................................. multiplicidade algébrica do valor próprio -
I- 2.............................................. Subespaço próprio do endomorfismo 2 associado ao valor

E2................................................ espectro do endomorfismo 2


próprio -

:2 - (resp. :E -)........................ polinómio característico do endomorfismo 2 (resp. da


matriz E)

Espaços euclidianos

Bt.................................................. norma euclidiana ou hermitiana do vector Bt


Bt † Cß
t ØBßt CÙß
t BlC t t .............................. produto interno dos vectores Bt e Ct

versBt............................................... versor do vector não nulo Bt


proj Ct Bt............................................ projecção ortogonal de Bt sobre Ct Á !t
Bt ¼ Ct.............................................. ortogonalidade entre vectores de um espaço com produto
interno
¼
E ...................................................complemento ortogonal de E
o.n................................................... (base) ortonormada

KBß KBt" ß Bt# ß á ß Bt7 ................ determinante de Gram da lista B œ Bt" ß Bt# ß á ß Bt7 
o.n.d................................................ (base) ortonormada directa

BI .............................................. conjunto das bases de um espaço vectorial


KB ................................................... matriz de Gram da lista B

OI ............................................... conjunto das orientações de um espaço vectorial real


sgn...................................................sinal de uma base, num espaço euclidiano orientado
ÔBt" ß Bt# ß á ß Bt8 Õ............................... produto misto dos vectores Bt" ß Bt# ß á ß Bt8
Bt" ‚ Bt# ‚ á ‚ Bt8" ..................... produto externo dos vectores Bt" ß Bt# ß á ß Bt8"
Bt" ‚ Bt# ............................................produto externo dos vectores Bt" e Bt# num espaço euclidiano

BIß J à Š.....................................espaço das formas bilineares sobre I ‚ J


orientado de dimensão $

BIà Š..........................................espaço das formas bilineares sobre I


AIà Š..........................................espaço das formas bilineares autoadjuntas sobre I
QIà Š......................................... espaço das formas quadráticas sobre I
SIß J à ‚..................................... espaço das formas sesquilineares sobre I ‚ J
SIà ‚.......................................... espaço das formas sesquilineares sobre I
A‚ Iß ‚........................................espaço das formas sesquilineares hermitianas sobre I
Q‚ Ià ‘....................................... espaço das formas quadráticas hermitianas sobre I
E ...................................................matriz pseudoinversa de E

Geometria analítica
E, F.................................................Espaço afim, subespaço afim
Ò
EF , F  E....................................vector de origem E e extremidade F
dimE............................................... dimensão do espaço afim E
R8 ................................................... espaços afins euclidianos reais orientados de dimensão 8
xvi Simbologia

Sà /, Sà /t" ß /t# ß á ß /t8 ............... referencial num espaço afim
o.n................................................... abreviatura de ortonormado (para referenciais)

T B" ß B# ß á ß B8 ............................ponto T de um espaço afim com coordenadas


o.n.d................................................ abreviatura de ortonormado directo (para referenciais)

B" ß B# ß á ß B8  num dado referencial


T ´ B" ß B# ß á ß B8 ...................... ponto T de um espaço afim com coordenadas
B" ß B# ß á ß B8  num dado referencial
@t@" ß @# ß á ß @8 ..............................vector de coordenadas @" ß @# ß á ß @8  numa dada base
ØEà J Ù............................................. Subespaço afim gerado pelo ponto E e pelo subespaço
vectorial J
1
Espaços vectoriais
Sec. 1.2] Axiomática dos espaços vectoriais 3

1.1 Introdução
Neste capítulo, faremos o estudo de uma importante estrutura algébrica muito utilizada nas
ciências aplicadas e na engenharia: o Espaço Vectorial. Como pré-requisitos para o presente
capítulo, mencionemos noções elementares sobre teoria dos conjuntos, lógica e estruturas
algébricas (consultar o apêndice B); algum conhecimento dos números reais e complexos é
também conveniente. Será útil a leitura prévia do apêndice B, no qual se definem as noções de
operação unária, binária e 8-ária; os conceitos de lei de composição interna e externa; as
estruturas algébricas: grupóides, semigrupos, monóides, grupos, anéis, anéis de integridade e
corpos comutativos (casos de , ‘ e ‚). Assume ainda relevo a noção de homomorfismo e, em
particular, a de isomorfismo. Em anexo a este capítulo, apresenta-se informação relativa à forma
como se pode utilizar o software MATHEMATICA© para operar com vectores.

1.2 Axiomática dos espaços vectoriais


Em tudo o que se segue neste manual, Š designa um corpo comutativo, que designaremos
simplesmente por corpo. Para a definição de Espaço Vectorial, seguiremos a via axiomática. As
noções primitivas são as de escalar (elemento de um corpo comutativo Š) e de vector
(elemento de um segundo conjunto I , eventualmente igual a Š). Para distinguir claramente os
escalares dos vectores, nestes últimos usaremos uma seta superior (por exemplo, Bt). Assim,
poremos a seguinte
Definição 1.1 – Espaço vectorial – Seja I um conjunto não vazio e Šß  ß ‚  um corpo
comutativo (ver apêndice B). Diz-se que I (cujos elementos serão chamados vectores) é um
espaço vectorial (ou linear) sobre o corpo Š (cujos elementos serão chamados escalares), sse
I estiver munido de uma lei de composição interna  À I # Ä Ià Btß Ct  È Bt  Ct 1 (adição
vectorial) e de uma lei de composição externa † À Š ‚ I Ä Ià αß Bt È αBt (produto de
escalar por vector ou multiplicação escalar, cujo resultado designaremos simplesmente por αBt
em vez de α † Bt) satisfazendo os seguintes oito axiomas:
[A1] a Bt  Ct œ Ct  Bt
BtßC−I
t

[A2] a Bt  Ct   Dt œ Bt  Ct  Dt 


BtßCßD−I
tt

[A3] b a Bt  9t œ 9t  Bt œ Bt
9t−I Bt−I

[A4] a b Bt  Bt œ Bt  Bt œ 9t


Bt−I Bt−I

[P1] a α  " Bt œ αBt  " Bt


αß" −Š
Bt−I

[P2] a αBt  Ct  œ αBt  αCt


α−Š
BtßC−I
t

1 Não existe ambiguidade no uso do sinal + para as adições em Š e em I : o contexto algébrico em que estes
símbolos ocorrem determina facilmente qual a operação em questão.
4 Espaços vectoriais [Cap. 1

[P3] a α" Bt œ α" Bt 2


αß" −Š
Bt−I

[P4] a "Bt œ Bt
Bt−I

Os primeiros quatro axiomas dizem exclusivamente respeito à adição vectorial e são, por

simétrico para cada vector de I e significam que Iß   é um Grupo Comutativo. Como em
ordem, a comutatividade, a associatividade, a existência de elemento neutro 9t e a existência de

qualquer grupo aditivo, o elemento neutro 9t (vector nulo, também designado por 9tI se houver

Bt de cada vector Bt − I . Como em qualquer grupo comutativo aditivo Iß  , definiremos a
necessidade de salientar qual é o espaço vectorial) é único, o mesmo se dizendo do simétrico

subtracção vectorial por


Bt  Ct œ Bt  Ct  1.1

Os axiomas P1-P4 caracterizam o comportamento do produto de escalar por vector


relativamente à adição escalar, à adição vectorial e ao produto de escalares. Os dois primeiros
são, por ordem, a distributividade em relação à adição escalar e a distributividade em relação à
adição vectorial. O terceiro é a associatividade mista. O último exige que a unidade do corpo Š
seja elemento neutro à esquerda na multiplicação escalar.
Normalmente, chama-se espaço vectorial ao conjunto I mas faz-se notar que, formalmente,
o espaço vectorial é a estrutura algébrica formada pelo conjunto I , o corpo Š e as duas

P1-P4, ou seja, o quaterno Iß Š ß  ß † . Dois espaços vectoriais Iß Š ß  ß †  e


operações (adição vectorial e produto de escalar por vector) satisfazendo os axiomas A1-A4 e

I w ß Šw ß Š ß   são, pois, iguais sse I œ I w • Š œ Šw •  œ Š • † œ  .


Adjectiva-se, por vezes, o espaço vectorial segundo o corpo subjacente: assim, diremos que
I é um espaço vectorial racional se Š œ , um espaço vectorial real se Š œ ‘ e um espaço
vectorial complexo se Š œ ‚.
A definição seguinte carateriza a noção de Álgebra Linear, juntando às operações definidas
num espaço vectorial uma segunda lei de composição interna em I , chamada multiplicação
vectorial.

Definição 1.2 – Álgebra linear – Seja Iß Šß  ß †  um espaço vectorial sobre Š, com

lei de composição interna ‡À I # Ä Ià Btß Ct  È Bt‡Ct (multiplicação vectorial) satisfazendo os


operações  e † . Diz-se que I é uma álgebra linear sobre Š se estiver definida uma segunda

axiomas abaixo indicados:


[M1] a Bt  Ct ‡Dt œ Bt‡Dt  C‡D
t t
BtßCßD−I
tt

[M2] a Bt‡Ct  Dt  œ Bt‡Ct  Bt‡Dt


BtßCßD−I
tt

[M3] a αBt‡Ct œ Bt‡αCt  œ αBt‡Ct 


α−Š
BtßC−I
t

2 Segundo o que é habitual, designamos por α" (e não α ‚ " ) o produto dos escalares α e " , no corpo Š.
Sec. 1.3] Consequências algébricas dos axiomas 5

A álgebra linear diz-se associativa, se a multiplicação ‡ vectorial o for:


[M4] a Bt‡Ct ‡Dt œ Bt‡C‡D
t t ,
BtßCßD−I
tt

M1/M2 são as distributividades à direita e à esquerda da multiplicação em relação à adição

multiplicação de escalar por vector. M1, M2 e M4 significam que Iß  ß ‡ constitui um anel.
vectorial. M3 caracteriza o comportamento da multiplicação vectorial em relação à

Por satisfazer M1, M2 e M3, diz-se que a multiplicação vectorial é linear em cada um dos
factores ou que é uma função bilinear sobre I com valores em I (ver capítulo 4). A álgebra
diz-se real ou complexa conforme Š œ ‘ ou Š œ ‚.
t Bt, para quaisquer Btß Ct − I , diremos que a álgebra (e o anel Iß  ß ‡) é
Se for Bt‡ Ct œ C‡
comutativa e se ‡ tiver elemento neutro ?t − I tal que Bt‡?t œ ?‡ t Bt œ Bt, para qualquer Bt − I ,
diremos que a álgebra tem unidade ou identidade. Por exemplo, ‚ é um espaço vectorial sobre
‘ e uma álgebra linear comutativa com unidade " sobre ‘, se considerarmos como
multiplicação vectorial ‡ a multiplicação de complexos. O apêndice D (quaterniões e rotações
3D) fornece um exemplo de álgebra linear ‡ não comutativa com elemento neutro e onde todos
os elementos não nulos têm inverso (corpo não comutativo).

1.3 Consequências algébricas dos axiomas


Os axiomas enunciados atrás têm um certo número de consequências algébricas, de entre as
quais se salientam as proposições a seguir demonstradas. Observe-se que estas proposições são
verificadas em qualquer espaço vectorial, uma vez que elas só dependem dos referidos axiomas.

Proposição 1.1 Em qualquer espaço vectorial I sobre um corpo Š, o produto de um


escalar por um vector é nulo sse um dos factores for nulo
αBt œ 9t Í α œ ! ” Bt œ 9t 1.2

Demonstração:
Para qualquer α − Š e qualquer Bt − I , tem-se, sucessivamente,
9t  αBt œ αBt œ !  αBt œ !Bt  αBt

Pela lei do corte, segue-se que !Bt œ 9t. Do mesmo modo, para qualquer α − Š e qualquer
Bt − I , tem-se, sucessivamente,
9t  αBt œ αBt œ α9t  Bt œ α9t  αBt

De novo, da lei do corte resulta α9t œ 9t. Portanto, se α œ ! ou Bt œ 9t, teremos αBt œ 9t.
A implicação recíproca αBt œ 9t Ê α œ ! ” Bt œ 9t é equivalente a
αBt œ 9t • α Á ! Ê Bt œ 9t
6 Espaços vectoriais [Cap. 1

Provemos a implicação anterior: sendo, α Á ! existe α" − Š tal que α"α œ ". Calculando,
finalmente, Bt vem
Bt œ "Bt œ α"αBt œ α" αBt œ α" 9t œ 9t 

Proposição 1.2 Seja I um espaço vectorial sobre um corpo Š. Então, para qualquer
escalar α − Š e qualquer vector Bt − I , tem-se
αBt œ αBt œ αBt 1.3

Demonstração:
Tem-se
αBt  αBt œ α  αBt œ !Bt œ 9t

Da mesma forma, tem-se


αBt  αBt œ αBt  Bt œ α9t œ 9t
o que termina a demonstração. 

Proposição 1.3 Seja I um espaço vectorial sobre um corpo Š. Então, para quaisquer
t Ct − I , tem-se
escalares αß " − Š e quaisquer vectores Bß
α  " Bt œ αBt  " Bt 1.4.1

αBt  Ct  œ αBt  αCt 1.4.2

Demonstração:
Tem-se, sucessivamente, por definição de subtracção e pela proposição anterior:
α  " Bt œ α  " Bt œ αBt  " Bt œ αBt  " Bt œ αBt  " Bt
αBt  Ct  œ αBt  Ct  œ αBt  αCt  œ αBt  αCt  œ αBt  αCt 

1.4 Exemplos de espaços vectoriais


Exemplo 1.1 O axioma A3 garante que I Á g, visto que 9t − I . O presente exemplo vai

Sendo Š um corpo e I œ 9t um conjunto singular,3 I constitui um espaço vectorial sobre


mostrar que não é necessário mais qualquer vector em I para se obter um espaço vectorial.

Š, com as operações definidas, para qualquer α − Š, por


[A] 9t  9t œ 9t 1.5
[P] α9t œ 9t 1.6

3 De facto, não importa a natureza do único elemento de I . Estamos, simplesmente, a usar a notação 9t para
designar esse elemento.
Sec. 1.4] Exemplos de espaços vectoriais 7

Exemplo 1.2 Fazendo I œ Š, obtém-se com a adição e o produto de Š um espaço vectorial


sobre Š. O vector nulo é o zero ! de Š e o simétrico de B − Š é B. Observe que, neste caso,
os vectores confundem-se com os escalares.
Exemplo 1.3 Seja Š um corpo, 8 −  um inteiro positivo e I œ Š8 . Então, o conjunto Š8
de todas as sequências (listas) de comprimento 8 de escalares de Š é um espaço vectorial sobre

para quaisquer α − Š, B" ß B# ß á ß B8  − Š8 e C" ß C# ß á ß C8  − Š8


Š (chamado espaço cartesiano de dimensão 8 sobre o corpo Š), com as seguintes operações,

[A] B" ß B# ß á ß B8   C" ß C# ß á ß C8  œ B"  C" ß B#  C# ß á ß B8  C8  1.7


[P] αB" ß B# ß á ß B8  œ αB" ß αB# ß á ß αB8  1.8

B" ß B# ß á ß B8 , escrevendo-se, às vezes, B5 œ pr5 Bt œ pr5 B" ß B# ß á ß B8 . Observe-se que,


Os escalares B" ß B# ß á ß B8 são chamados as componentes ou projecções do vector

nestas definições, usam-se (nos segundos membros) as operações pré-existentes em Š para

9t œ !ß !ß á ß ! e que o simétrico de B" ß B# ß á ß B8  é B" ß B# ß á ß B8  ou seja,


definir as operações novas no espaço vectorial Š8 . Observe-se ainda que o vector nulo de Š8 é

9t œ !ß !ß á ß ! 1.9

B" ß B# ß á ß B8  œ B" ß B# ß á ß B8  1.10

Observe-se a generalidade deste exemplo, que tem uma infinidade de casos particulares
como sejam, por exemplo, ‘ß ‘# ß ‘$ ß ‚ß ‚# ß ‚8 , etc.
Exemplo 1.4 Seja Š um corpo e I œ Š o conjunto das sucessões de escalares de Š. Então

sucessão definidos, para quaisquer α − Š, B8  − Š e C8  − Š , por:



Š é um espaço vectorial sobre Š, com a adição usual de sucessões e o produto de escalar por

[A] B8   C8  œ B8  C8  1.11


[P] αB8  œ αB8  1.12
Observe-se que, nestas definições, novamente se utiliza a estrutura algébrica pré-existente

a sucessão constante nula ! œ ! e que o simétrico de uma sucessão B8  é a sucessão B8 
em Š para definir as operações do espaço vectorial. Observe-se ainda que o vector nulo de Š é

ou seja,
! œ  ! 1.13

B8  œ B8  1.14

Como caso particular, citemos o espaço vectorial real ‘ das sucessões de números reais e o
espaço complexo ‚ das sucessões de números complexos. É óbvio que poderíamos também
indexar as sucessões usando ! e definindo de igual modo as operações, obtendo-se o espaço
Š ! .
8 Espaços vectoriais [Cap. 1

Exemplo 1.5 Seja Š um corpo e I œ Š!  o conjunto das sucessões de escalares de Š,


cujos termos são todos nulos, com excepção de um número finito deles, ou seja4
Š!  œ B8  − Š! À 8À B8 Á ! é finito § Š!

Com as operações definidas por 1.11 e 1.12 obtém-se um novo espaço vectorial. O
vector nulo e o simétrico de B8  são, como anteriormente,
! œ  ! 1.15

B8  œ B8  1.16

Exemplo 1.6 Seja Š um corpo, E um conjunto e I œ ŠE o conjunto das funções escalares


definidas em E, ŠE œ 0 À 0 À E Ä Š. Então ŠE é um espaço vectorial sobre Š, se definirmos
a soma de funções 0 ß 1 − ŠE e o produto do escalar α − Š pela função 0 − ŠE como sendo as
funções 0  1 e α0 dadas, para todo o B − E, por
[A] 0  1B œ 0 B  1B 1.17
[P] α0 B œ α0 B 1.18
Observe-se que, novamente, se utiliza a estrutura algébrica pré-existente em Š para definir as
operações necessárias ao espaço vectorial ŠE . Observe-se ainda que o vector nulo de ŠE é a
função constante nula ! e que o simétrico da função 0 é a função 0 , estando estas definidas,
para todo o B − E, por:
!B œ ! 1.19

0 B œ 0 B 1.20

E œ "ß #ß á ß 8 e E œ  ou E œ ! , respectivamente. O próprio Exemplo 1.1 pode também


Observe-se que os exemplos 1.3 e 1.4 são casos particulares do presente exemplo, com

ser visto à luz do caso ŠE , com E œ g e em que, portanto, I é o conjunto singular constituído
apenas pela função vazia (de g em Š).

definidas no intervalo M œ !ß " ou do espaço vectorial complexo ‚M das funções complexas
Segundo este exemplo, poderemos falar do espaço vectorial real ‘M das funções reais

definidas no mesmo intervalo (ou noutro qualquer conjunto).

Exemplo 1.7 Seja Š um corpo, 8 − ! um inteiro não negativo e I œ P8 Š o conjunto


dos polinómios de grau menor ou igual a 8 e com coeficientes em Š.

P8 Š œ :À :B œ  +5 B5 ß com +5 − Š 1.21


8

5œ!

4 Observe-se que este conjunto Š!  é o mesmo que o conjunto das sucessões de escalares, cujos termos se
anulam, a partir de alguma ordem.
Sec. 1.4] Exemplos de espaços vectoriais 9

P8 Š é um espaço vectorial sobre Š, se definirmos a soma dos polinómios :ß ; − P8 Š,

onde :B œ  +5 B5 e ; B œ  ,5 B5 , e o produto do escalar α − Š pelo polinómio


8 8

: − P8 Š como sendo os polinómios :  ; e α: dados por:


5œ! 5œ!

:  ; B œ  +5  ,5 B5 1.22


8
[A]
5œ!

α:B œ  α+5 B5 1.23


8
[P]
5œ!

as operações do espaço vectorial. Observe-se ainda que o vector nulo de P8 Š é o polinómio
Observe-se que também aqui se utiliza a estrutura algébrica pré-existente em Š para definir

nulo ! e que o simétrico do polinómio : tal que :B œ  +5 B5 é o polinómio :, estando
8

5œ!
estes definidos para todo o B − Š, por:

!B œ  !B5 1.24


8

5œ!

:B œ  +5 B5 1.25


8

5œ!

É claro que, se ! Ÿ 7 Ÿ 8, então P7 Š § P8 Š. Em face do exposto anteriormente,


podemos afirmar, por exemplo, que o conjunto P$ ‘ dos polinómios de coeficientes reais e
grau menor ou igual a $ é um espaço vectorial real.
Exemplo 1.8 Sejam +! ß +" ß á ß +8 ß á  − Š!  as sucessões de escalares de um corpo Š,
nulas a partir de alguma ordem (para cada sucessão, existe uma ordem < tal que +3 œ !, para
3  <) e considere-se o conjunto I œ PŠ dos polinómios  +5 B5 cujos coeficientes são os
∞

5œ!

de parcelas ( Ÿ <  "), sendo nulas as restantes. É claro que PŠ œ  P8 Š.
termos daquelas sucessões; note-se que, de facto, este somatório tem apenas um número finito

8−!

PŠ œ :À :B œ  +5 B5 ß com +5  − Š!   1.26


∞

5œ!

PŠ é um espaço vectorial sobre Š, se definirmos a soma de polinómios e o produto de


escalar por um polinómio através de:

:  ; B œ  +5  ,5 B5 1.22.1


∞
[A]
5œ!

α:B œ  α+5 B5 1.23.1


∞
[P]
5œ!
10 Espaços vectoriais [Cap. 1

Observe-se ainda que o vector nulo de PŠ é o polinómio nulo ! œ  !B5 e que o
∞

simétrico do polinómio : tal que :B œ  +5 B5 é o polinómio definido por:


5œ!
∞

5œ!

:B œ  +5 B5 1.25.1


∞

5œ!

Tem-se, como é óbvio,


! Ÿ 7 Ÿ 8 Ê P! Š § P7 Š § P8 Š § PŠ

Consideremos, agora, dois polinómios : e ; dados por

:B œ  +5 B5
∞

5œ!

; B œ  ,5 B5
∞

5œ!

e o seu produto usual

:; B œ :B; B œ  +5 B5  ,5 B5  œ  -5 B5


∞ ∞ ∞

5œ! 5œ! 5œ!

onde, para 5 − ! ,

-5 œ  +3 ,4 œ  +3 ,53 œ +! ,5  +" ,5"  â  +5" ,"  +5 ,!


5

34œ5 3œ!

e, portanto, PŠ é uma Álgebra Linear (esta álgebra é, ainda, comutativa e com unidade: o
Esta multiplicação verifica os axiomas M1 a M4, tratando-se de uma multiplicação vectorial

polinómio constante ?B œ ") sobre Š.

Segundo o que acabámos de ver e a título de exemplo, os conjuntos P‘ e P‚ dos
polinómios de coeficientes reais (respectivamente, complexos) constitui uma Álgebra Linear
sobre o corpo dos reais (respectivamente, complexos).
Exemplo 1.9 Seja Š œ ‘ e I œ W $ o conjunto dos segmentos orientados (incluindo o
segmento nulo, de comprimento !) aplicados num ponto S do espaço tridimensional. Definindo
a adição em W $ através da regra do triângulo5 (ver figura 1.1) e o produto de um número
Ò
α − ‘ por um segmento ST como sendo um novo segmento orientado aplicado em S , com a
Ò
mesma direcção de ST , o mesmo sentido ou o oposto conforme α  ! ou α  ! e um

5
Ò Ò Ò
A soma de dois segmentos SE e SF é o segmento SG , em que G é a extremidade do segmento de origem E
Ò Ò
e equipolente a SF (ou a extremidade do segmento de origem F e equipolente a SE ). Por equipolente
entende-se com a mesma direcção, sentido e comprimento (ver exemplo 1.10).
Sec. 1.4] Exemplos de espaços vectoriais 11

comprimento igual a α vezes o comprimento de ST (ver figura 1.2), obtém-se um espaço
Ò
vectorial real.

Ò Ò Ò Ò
Fig. 1.1 – Regra do triângulo: EG µ SF . Fig. 1.2 – Multiplicação escalar: SE œ # SF .

É deste exemplo que provêm os termos vector e espaço vectorial. É ainda neste espaço que,
a nível elementar, se pensa quando se fala em grandezas escalares (massa, temperatura,
trabalho, energia, etc) e grandezas vectoriais (força, velocidade, campo eléctrico, etc),
distinguindo-se estas das primeiras pelo facto de, além de intensidade, possuirem também
direcção e sentido.
Sendo, ainda, Š œ ‘ e I œ W # o conjunto dos segmentos orientados aplicados num ponto S
de um plano qualquer e usando as regras anteriores para as operações de adição vectorial e
multiplicação escalar, obtém-se um novo espaço vectorial real.
Por último, se I œ W " for constituído pelos segmentos orientados existentes sobre uma recta
e aplicados num ponto S desta e usando as regras anteriores para as operações, W " constituirá
também um espaço vectorial real.
~$
Exemplo 1.10 Seja Š œ ‘ e I œ W o conjunto dos segmentos orientados (incluindo os
segmentos nulos, de comprimento !) aplicados em qualquer ponto do espaço tridimensional.
Ò Ò Ò Ò
Diremos que EF e GH são equipolentes (e escreve-se EF µ GH ) sse o ponto médio Q de
EH coincidir com o ponto médio de FG (ver figura 1.3).

Fig. 1.3 – Segmentos equipolentes.

A relação µ de equipolência é uma relação de equivalência (ver secção A.3 do apêndice A),
~$
o que determina a partição de W em classes de equivalência formadas por segmentos orientados
~$
equipolentes entre si, as quais constituem o chamado conjunto-quociente de W por µ ,
~$
designado por W Î µ . Cada classe de equivalência é chamada um vector livre (ou deslizante) e
s$ œ W~$
o referido conjunto quociente será designado por W Î µ . A classe (única) a que pertence
Ò Ò Ò
um segmento EF é designada por [EF ], dizendo-se que os segmentos pertencentes a [EF ]
são os representantes da classe. Para cada ponto S do espaço, existe um e um só representante
12 Espaços vectoriais [Cap. 1

de cada classe aplicado em S. Vamos, agora, ver que W s $ constitui um espaço vectorial real se
definirmos as operações do seguinte modo:
Ò Ò Ò Ò
[A] A soma [EF ]  [GH ] dos vectores livres [EF ] e [GH ] é a classe (vector livre) a
Ò Ò
que pertence a soma (pela regra do triângulo) de dois representantes de [EF ] e [GH ]
aplicados num mesmo ponto S qualquer do espaço tridimensional, isto é,

1.27
Ò Ò Ò
[EF ]  [GH ] œ [ST ]

em que
Ò Ò Ò Ò Ò Ò Ò
ST œ SQ  SR , com SQ µ EF e SR µ GH .

Fig. 1.4 – Adição vectorial em s $.


W

[P] Quanto à multiplicação escalar, poremos, para qualquer α − ‘,

1.28
Ò Ò
α[EF ] œ [αEF ]
Ò
onde αEF é calculado de acordo com a regra do exemplo 1.9.
s $ tudo se passa como se um vector livre fosse um segmento orientado que
Na prática, em W
pode deslocar-se paralelamente a si próprio e estar, portanto, aplicado em qualquer ponto do
espaço tridimensional (daí a designação de deslizante). De modo semelhante se podem definir
os espaços vectoriais reais W s# e W s " dos vectores livres de um plano e de uma recta,
respectivamente.
Exemplo 1.11 O conjunto I œ ‘ œ !ß  ∞ constitui um espaço vectorial real pondo,
para quaisquer Bß C − ‘ e α − ‘,
[A] B  C œ BC 1.29
[P] αB œ Bα œ /α ln B 1.30
O vector nulo deste espaço é " e o simétrico de B é B œ "ÎB.
Sec. 1.4] Exemplos de espaços vectoriais 13

Exemplo 1.12 Seja I3 3−M uma família qualquer de espaços vectoriais sobre o mesmo corpo
Š e consideremos o produto cartesiano I œ  I3 dos espaços I3
3−M

I œ  I3 œ Bt3 3−M À a Bt3 − I3 


3−M
3−M

Considerem-se, agora, as operações definidas por:


[A] Bt3 3−M  Ct 3 3−M œ Bt3  Ct 3 3−M 1.31.1
[P] αBt3 3−M œ αBt3 3−M 1.31.2
Obtém-se, deste modo, um espaço vectorial sobre Š, chamado espaço produto dos I3 .
O vector nulo de I é constituído pelos vectores nulos dos I3 e o simétrico pelos simétricos
(nos I3 ) de cada vector componente:
9t œ 9tI3 3−M 1.32.1

Bt3 3−M œ Bt3 3−M 1.32.2

Particularmente, podemos fazer os I3 3−M todos iguais a um mesmo espaço vectorial I ,
obtendo-se então o espaço

I M œ Bt3 3−M À a Bt3 − I 


3−M

Exemplo 1.13 Se, no exemplo anterior, fizermos M œ "ß #ß á ß 8, para 8  !, obtém-se o
produto cartesiano

I œ I" ‚ I# ‚ â ‚ I8 œ I3 œ Bt" ß Bt# ß á ß Bt8 À a Bt3 − I3 


8

"Ÿ3Ÿ8
3œ"

As equações 1.31.1 e 1.31.2 podem, neste caso, escrever-se, para quaisquer


Bt" ß Bt# ß á ß Bt8 ß Ct " ß Ct # ß á ß Ct 8  − I e α − Š, na forma:
[A] Bt" ß Bt# ß á ß Bt8   Ct " ß Ct # ß á ß Ct 8  œ Bt"  Ct " ß Bt#  Ct # ß á ß Bt8  Ct 8  1.33.1
[P] αBt" ß Bt# ß á ß Bt8  œ αBt" ß αBt# ß á ß αBt8  1.33.2
O vector nulo de I é constituído pelos vectores nulos dos I3 e o simétrico pelos simétricos
(nos I3 ) de cada vector componente À

9t œ 9tI" ß 9tI# ß á ß 9tI8  1.34.1

Bt" ß Bt# ß á ß Bt8  œ Bt" ß Bt# ß á ß Bt8  1.34.2


14 Espaços vectoriais [Cap. 1

Particularmente, podemos fazer os I3 "Ÿ3Ÿ8 todos iguais a um mesmo espaço vectorial I ,
obtendo-se, então, o espaço

I 8 œ Bt" ß Bt# ß á ß Bt8 À a Bt3 − I 


"Ÿ3Ÿ8

Mais particularmente, se fizermos I œ Š, teremos o espaço cartesiano Š8 do exemplo 1.3.


Exemplo 1.14 Seja Iß Šß  ß †  um espaço vectorial sobre um corpo Š e Šw § Š um

 œ † lŠw‚I À Šw ‚ I Ä I , facilmente se prova que Iß Šwß  ß   constitui igualmente um


subcorpo de Š. Se considerarmos a restrição  do produto † ao conjunto Šw ‚ I

espaço vectorial, mas agora sobre Šw . Observe-se que este espaço é diferente do primeiro
(embora com os mesmos vectores). Adiante (ver exemplo 1.56) veremos que a dimensão do
novo espaço é, em geral, maior do que a do primeiro (pelo facto de existirem menos escalares).
Em linguagem prática, enuncia-se por vezes esta propriedade dizendo que «Se I é um espaço
vectorial sobre Š e Šw é subcorpo de Š, I é também espaço vectorial sobre Šw ». O vector nulo

grupo comutativo Iß   é o mesmo).


e o simétrico de cada vector de I são evidentemente os mesmos nos dois espaços (visto que o

Este exemplo significa, pois, que todo o espaço vectorial complexo é automaticamente um
espaço vectorial real e que este é, por sua vez, um espaço vectorial racional.
Exemplo 1.15 Neste exemplo vamos ver que, a partir de um espaço vectorial real, é sempre

façamos I w œ I # œ ÖBß t Ct À Bt − I • Ct − I×Þ O leitor pode, a título de exercício, verificar que


possível construir um espaço vectorial complexo. Seja, então, I um espaço vectorial real e

t Ct ß Btw ß Ct w  − I w :
w

claro αß " − ‘) e Bß


I é um espaço vectorial complexo, para as operações a seguir indicadas, onde α  3" − ‚ (e,

[A] Btß Ct   Btw ß Ct w  œ Bt  Btw ß Ct  Ct w  1.35


[P] α  3" Btß Ct  œ αBt  " Cß
t " Bt  αCt  1.36

as operações de I w e que o vector nulo de I w é 9tß 9t e Bß


t Ct  é o simétrico de Bß
t Ct .
Note-se que também aqui se utilizaram as operações pré-definidas no espaço I para definir

Do acima exposto resulta, por exemplo, que ‘% é espaço vectorial complexo, com as
operações:
[A] B" ß B# ß B$ ß B%   C" ß C# ß C$ ß C%  œ B"  C" ß B#  C# ß B$  C$ ß B%  C% 
[P] α  3" B" ß B# ß B$ ß B%  œ αB"  " B$ ß αB#  " B% ß " B"  αB$ ß " B#  αB% 

1.5 Combinações lineares. Subespaços


Definição 1.3 – Combinação linear – Seja 7  ! um número inteiro,
B œ Bt" ß Bt# ß á ß Bt7 
uma sequência de 7 vectores de um espaço vectorial I sobre um corpo Š e αt œ α3 "Ÿ3Ÿ7
uma sequência de 7 escalares (ou seja, um vector do espaço Š7 ). Chama-se combinação
Sec. 1.5] Combinações lineares. Subespaços 15

linear dos Bt3 a uma soma (que resulta num vector de I ) do tipo

 α3 Bt3 1.37.1
7

3œ"

Se 7 œ !, põe-se, por definição:


 α3 Bt3 œ 9t 1.37.2
3−g

Os exemplos seguintes ilustram o conceito de combinação linear:


Exemplo 1.16 Em ‘$ , o vector 6ß ""ß 6 é combinação linear dos vectores da sequência
B œ "ß #ß "ß #ß "ß #ß "ß 2ß 1, visto que
6ß ""ß 6 œ #"ß #ß "  $#ß "ß #  #"ß 2ß 1
Neste caso, esta é a única combinação linear dos vectores "ß #ß "ß #ß "ß # e "ß 2ß 1 que
resulta no vector 6ß ""ß 6: de facto, a igualdade
6ß ""ß 6 œ B"ß #ß "  C #ß "ß #  D "ß 2ß 1
equivale ao sistema de equações
 B  #C  D
 #BC  #D œ ""
œ '

 B  #C  D œ '

o qual é determinado e tem apenas a solução B œ #ß C œ $ß D œ #.


Exemplo 1.17 Em ‘$ , o vector #ß ""ß "! é também combinação linear dos vectores da
lista ? œ #ß "ß #ß "ß )ß (ß "ß #ß ", visto que
#ß ""ß "! œ "#ß "ß #  ""ß )ß (  ""ß #ß "
œ "#ß "ß #  #"ß )ß (  #"ß #ß "

resultam no vector #ß ""ß "!, duas das quais se indicam em cima: de facto, tem-se, para
Observe que, neste caso, existem mesmo infinitas combinações lineares dos vectores de ? que

qualquer + − ‘,
#ß ""ß "! œ $  #+#ß "ß #  +"ß )ß (  %  $+"ß #ß "
Procedendo como anteriormente, a igualdade
#ß ""ß "! œ B#ß "ß #  C "ß )ß (  D "ß #ß "
equivale ao seguinte sistema de equações lineares:
 #B  C  D œ #
 B  )C  #D œ ""
 #B  (C  D œ "!
16 Espaços vectoriais [Cap. 1

Este sistema é indeterminado e tem uma infinidade de soluções que são (+ é real arbitrário):
B œ $  #+ß C œ +ß D œ %  $+, onde + − ‘

Exemplo 1.18 Em ‘$ , o vector #ß #ß " não é combinação linear dos vectores da lista
@ œ #ß "ß #ß "ß )ß (ß "ß #ß ". Agora, a igualdade
#ß #ß " œ B#ß "ß #  C "ß )ß (  D "ß #ß "
é equivalente ao sistema de equações lineares
 #B  C  D œ #
 B  )C  #D œ #
 #B  (C  D œ "

sendo, pois, possível exprimir #ß #ß " como combinação linear dos vectores de @.
O sistema anterior não tem qualquer solução (sistema dito impossível ou inconsistente) não

funções B È cosB  + e B È sinB  + são combinação linear das funções da lista


Exemplo 1.19 No espaço vectorial real ‘‘ das funções de ‘ em ‘ e para qualquer + − ‘, as

cosß sin, visto que


cosB  + œ cos+cosB  sin+sinB
 sinB  + œ sin+cosB  cos+sinB

Estas combinações lineares são únicas: por exemplo e em relação à primeira, de


a cosB  + œ ?cosB  @sinB
B−‘

resulta, com B œ ! e B œ 1Î#,

 @ œ cos1Î#  + œ sin+
? œ cos+

Exemplo 1.20 No espaço P8 Š dos polinómios de grau menor ou igual a 8, todo o
polinómio : − P8 Š é combinação linear dos polinómios da lista - œ "ß Bß B# ß á ß B8 , visto
que

:B œ  +5 B5
8

5œ"

Observe-se que, para cada polinómio :, a combinação linear anterior é única (método dos
coeficientes indeterminados).

Em muitos casos, restringindo o número de vectores de um espaço vectorial I sobre um


corpo Š e usando as mesmas regras operatórias de I , obtém-se ainda um espaço vectorial sobre
Š: é o caso dos chamados subespaços de I , cuja definição se apresenta a seguir:

Definição 1.4 – Subespaço – Sendo I um espaço vectorial sobre um corpo Š e J § I um


subconjunto de I , diz-se que J é um subespaço vectorial de I e escrevemos J £ I sse
Sec. 1.5] Combinações lineares. Subespaços 17

[S1] J não é vazio, isto é, J Á g.


[S2] J é fechado em relação à adição vectorial, ou seja,
a Bt − J • Ct − J Ê Bt  Ct − J 
BtßCt

[S3] J é fechado para a multiplicação escalar, isto é,


a α − Š • Bt − J Ê αBt − J 
αßBt

É fácil reconhecer que a conjunção de S2 e S3 é equivalente a


[S4] J é fechado para as combinações lineares, ou seja,
a α − Š • " − Š • Bt − J • Ct − J Ê αBt  " Ct − J 
tt
αß" ßBßC

Facilmente se mostra que estas condições são as necessárias e suficientes para que J ,
munido da restrição da adição vectorial em I a J # (S2 assegura que esta restrição é uma lei de
composição interna em J ) e da restrição da multiplicação escalar em I a Š ‚ J (S3 garante
que esta é uma aplicação em J ), seja ainda um espaço vectorial sobre Š. A relação £ entre
subespaços de I é uma relação de ordem lata parcial (reflexiva, anti-simétrica e transitiva – ver
apêndice A, definição A.6).
Observe-se que S3 implica, com α œ ", que J é fechado em relação à simetrização, ou

de J em relação à subtracção vectorialß definida por 1.1. Isto implica então, por S1, que
seja, Bt − J Ê Bt − J . Os fechos de J em relação à simetrização e à adição levam ao fecho

existe pelo menos um vector Bt − J e portanto Bt  Bt œ 9t − J : logo, todo o subespaço J § I


contém, portanto, o vector nulo de I (que é também o vector nulo de J ). Isto mostra que a
condição S1 poderá ser substituída por:
[S0] 9t − J .
O conjunto singular formado apenas pelo vector nulo 9t é, como facilmente se reconhece,
um subespaço de I e constitui, obviamente, o menor subespaço de I possível (o mínimo no

relação £ ). 9t e I são chamados os subespaços triviais de I , dizendo-se os restantes não


sentido da relação de ordem £ ), sendo o maior o próprio I (o máximo no sentido da referida

triviais ou próprios.

linear de vectores seus, isto é, se Bt3 "Ÿ3Ÿ7 for uma lista de vectores de J (eventualmente
S2 e S3 significam igualmente que, se J é subespaço de I , J conterá qualquer combinação

vazia), então, para quaisquer escalares α3 "Ÿ3Ÿ7 ,

 α3 Bt3 − J 1.38
7

3œ"

Nas proposições seguintes, dá-se conta do comportamento dos subespaços em relação às


operações com conjuntos.
18 Espaços vectoriais [Cap. 1

Š e J3 3−M uma família qualquer (eventualmente infinita) de subespaços de I . Então o


Proposição 1.4 – Intersecção de subespaços – Seja I um espaço vectorial sobre um corpo

conjunto J œ  J3 é ainda um subespaço de I .


3−M

Demonstração:
Basta provar que S1, S2 e S3 se verificam em relação a J .
S1: Como os J3 são subespaços de Iß tem-se 9t − J3 para todo o 3 − M e portanto 9t − J Þ
Então J é não vazio.
S2: Sejam Bt e Ct vectores de J . Então, Bß t Ct − J3 para todo o 3 − M . Como os J3 são
subespaços, Bt  Ct − J3 , para todo o 3 − M e portanto Bt  Ct − J .
S3: Seja Bt um vector de J e α um escalar de Š. Então Bt − J3 , para todo o 3 − M . Sendo os
J3 subespaços, ter-se-á αBt − J3 para todo o 3 − M e, em consequência, αBt − J , o que termina a
demonstração. 
Corolário 1.4.1 Se J e K são subespaços de um espaço vectorial I , então J ∩ K é também
um subespaço de I .
Proposição 1.5 – Reunião de subespaços – Seja I um espaço vectorial sobre um corpo Š e
J e K subespaços de I . Então, J ∪ K é um subespaço de I sse J § K ” K § J .

Demonstração:
Como J § K Ê J ∪ K œ K e K § J Ê J ∪ K œ J , J ∪ K será, evidentemente, um
subespaço caso se dê uma daquelas inclusões. Vejamos, agora, a recíproca que é equivalente a
J ∪ K é subespaço • J § Î K Ê K § J : seja ?t um vector de J que não pertença a K e @t um
vector qualquer de K. Ambos pertencem a J ∪ K e, sendo este um subespaço, o mesmo

absurda, visto que então, como K é subespaço, ter-se-ia ?t  @t  @t œ ?t − K, o que contraria a
sucederá com ?t  @t. Sendo assim, tem-se ?t  @t − J ” ?t  @t − K. Mas a hipótese ?t  @t − K é

implica ?t  @t  ?t œ @t − J . Isto mostra que K § J , provando deste modo a proposição. 
nossa escolha inicial de ?t. Portanto, terá de ser ?t  @t − J , o que, sendo J um subespaço,

Proposição 1.6 – Subtracção de subespaços – Seja I um espaço vectorial sobre um corpo


Š e J e K subespaços de I . Então, J Ï K não é um subespaço de I .

Demonstração:
Basta notar que J Ï K não contém o vector nulo. 

De seguida, apresentam-se vários exemplos de subespaços vectoriais dalguns dos espaços


anteriormente apresentados:

Exemplo 1.21 Seja +t œ +" ß +# ß á ß +8  um vector arbitrário do espaço cartesiano Š8 . Os


subconjuntos J+t de Š8 definidos por

J+t œ B" ß B# ß á ß B8 À  +4 B4 œ !
8

4œ"
Sec. 1.5] Combinações lineares. Subespaços 19

constituem subespaços de Š8 que coincidem com Š8 , se +t œ 9t. Se +t Á 9t, estes subespaços


são, por vezes, chamados hiperplanos de Š8 . Por exemplo, no caso de ‘# (e interpretando
geometricamente) e com +t Á 9t, os conjuntos J+t serão rectas passando pela origem; Em ‘$ e de
novo com +t Á 9t, serão planos passando pela origem.
Exemplo 1.22 De acordo com a proposição 1.4, para qualquer sequência +t" ß +t# ß á ß +t7  de
7 vectores de Š8 , o conjunto

J œ  J+t3 1.39
7

3œ"

onde os J+t3 "Ÿ3Ÿ7 são espaços do tipo construído no exemplo anterior, constituirá igualmente
um subespaço de Š8 . Sendo os +t3 da forma +t3 œ +3" ß +3# ß á ß +38 , os vectores
B" ß B# ß á ß B8  − J satisfarão o sistema de equações lineares homogéneas seguinte


 +"" B"  +"# B#  â  +"8 B8 œ !
 #" "
+ B  +## B#  â  +#8 B8 œ !

â
 +7" B"  +7# B#  â  +78 B8 œ !
â

expressão 1.39, visto que J+t3 œ Š8 é elemento neutro na intersecção (portanto, naquela
Se algum dos vectores +t3 for nulo, o subespaço J+t3 correspondente pode ser eliminado da

expressão podem figurar só os hiperplanos de Š8 ).


Como casos particulares, aponte-se, por exemplo em ‘$ , a intersecção de dois (7 œ # e
8 œ $) planos não coincidentes passando pela origem, que produz uma recta passando também
pela origem. Portanto, as rectas passando pela origem são subespaços vectoriais de ‘$ .
Exemplo 1.23 Sendo Bt um vector qualquer de um espaço vectorial I sobre um corpo Š, o
conjunto

ŠBt œ CÀ
t b Ct œ αBt
α−Š

este subespaço é, por vezes, designado por recta de I ; se Bt œ 9t, fica como é óbvio ŠBt œ 9t.
dos múltiplos escalares de Bt é um subespaço de I , como facilmente se reconhece. Se Bt Á 9t,

Exemplo 1.24 Seja I3 3−M uma família qualquer de espaços vectoriais sobre o mesmo corpo
Š. O subconjunto de  I3 formado pelas famílias Bt3 3−M de vectores dos I3 , com Bt3 − I3 para
3−M

também um subespaço de  I3 chamado soma directa externa dos I3 e designado por


todo o 3 − M , e tais que Bt3 œ 9tI3 , para 3 no complementar de uma parte finita N de M , constitui

I3 §  I3 . É claro que, se M é finito, tem-se I3 œ  I3 . Se, em particular, os I3 forem


3−M

todos iguais a um mesmo espaço vectorial I , a soma directa externa designa-se por I M 
3−M 3−M 3−M 3−M

(coincidente com I M , se M for finito): trata-se, portanto, do conjunto das famílias Bt3 3−M de
vectores de I tais que Bt3 œ 9t no complementar M Ï N de uma parte N finita do conjunto M de
20 Espaços vectoriais [Cap. 1

índices:
 
I3 œ Bt3 3−M À a Bt3 − I3  • b a Bt3 œ 9tI3 
 3−M N §M 3−MÏN

 
3−M
N finito

I M  œ Bt3 3−M À a Bt3 − I  • b a Bt3 œ 9t


 3−M N §M 3−MÏN
N finito 

Exemplo 1.25 O espaço Š!  do exemplo 1.5 é subespaço do espaço Š! do exemplo 1.4.
Exemplo 1.26 Consideremos os espaços ‚ e ‘ das sucessões complexas (ou reais) e,
nestes, os subconjuntos Bß ‚ e Bß ‘, obviamente não vazios, formados pelas sucessões
limitadas

Bß ‚ œ D8 À b  a D8   <


<−‘ 8−

Bß ‘ œ B8 À b  a B8   <


<−‘ 8−

Como se sabe, a soma de sucessões limitadas é ainda uma sucessão limitada e o produto de
um complexo (respectivamente, de um real) por uma sucessão complexa (respectivamente, real)
limitada também o é; portanto, estamos de novo em presença de um subespaço de ‚
(respectivamente, de ‘ ).

sucessões reais) e nestes os subconjuntos não vazios ¶ ß ‚ e ¶ ß ‘ formados pelas
Exemplo 1.27 Consideremos o espaço ‚ das sucessões complexas (ou o espaço ‘ das

sucessões convergentes

¶ ß ‚ œ D8 À b lim D8 œ P


P−‚8Ä∞

¶ ß ‘ œ B8 À b lim B8 œ P


P−‘8Ä∞

Como se sabe, a soma de sucessões convergentes é ainda uma sucessão convergente e o


produto de um complexo (ou de um real) por uma sucessão complexa (ou real) convergente
também o é; portanto, estamos em presença de um subespaço de ‚ (ou de ‘ ). Mais ainda,
como toda a sucessão convergente é limitada, ¶ ß ‚ e ¶ ß ‘ são subespaços de Bß ‚ e
de Bß ‘, respectivamente.

Exemplo 1.28 Os conjuntos ¶! ß ‚ e ¶! ß ‘ das sucessões complexas ou reais


convergentes para ! (infinitésimos) são subespaços dos espaços ¶ ß ‚ e ¶ ß ‘ do exemplo
anterior

¶! ß ‚ œ D8 À lim D8 œ !


8Ä∞

¶! ß ‘ œ B8 À lim B8 œ !


8Ä∞
Sec. 1.5] Combinações lineares. Subespaços 21

Como se sabe, a sucessão nula é um infinitésimo, a soma de infinitésimos é ainda um

infinitésimo também o é; portanto, trata-se de subespaços de ¶ ß ‚ e ¶ ß ‘,


infinitésimo e o produto de um número complexo (respectivamente, um número real) por um

respectivamente. Tem-se, afinal,


¶! ß ‚ § ¶ ß ‚ § Bß ‚ § ‚
¶! ß ‘ § ¶ ß ‘ § Bß ‘ § ‘

Exemplo 1.29 Consideremos o espaço ‚ (ou ‘ ) das sucessões complexas


(respectivamente, reais) e neste o subconjunto não vazio 6‚# (respectivamente, 6‘# ) formado pelas
sucessões ?8  tais que a série de termo geral ?8 # é convergente:

6‚# œ D8 À b  D8 # œ P


∞

P−‘
8œ"

œ B8 À b  B8# œ P
∞
6‘#
P−‘
8œ"

Não é difícil mostrar que estamos, de novo, em presença de subespaços de ‚ e ‘ ,

o fecho em relação à adição, observe que, para quaisquer sucessões D8  e A8  complexas ou
respectivamente, e que são ainda subespaços dos espaços respectivos do exemplo anterior (para

reais, se tem: D8  A8 # Ÿ #D8 #  #A8 # ). Estes espaços chamam-se espaços de Hilbert6 de
sucessões.
Exemplo 1.30 No espaço vectorial complexo (respectivamente, real) ‚M (respectivamente,
‘M ) das funções escalares complexas (respectivamente, reais) definidas num intervalo M § ‘,
considere-se o conjunto CMß ‚ (respectivamente, CMß ‘) das funções contínuas em M

CMß ‚ œ 0 − ‚M À a lim 0 B œ 0 +


+−M BÄ+

CMß ‘ œ 0 − ‘M À a lim 0 B œ 0 +


+−M BÄ+

Como é sabido, a soma de funções contínuas no intervalo M é uma função contínua nesse

Também se utilizam as notações C! Mß ‚ e C! Mß ‘. Em face do acima exposto, podemos
intervalo, o mesmo se passando com o produto de um escalar por uma função contínua.

afirmar que CMß ‚ e CMß ‘ são subespaços de ‚M e ‘M , respectivamente.

Exemplo 1.31 No espaço vectorial complexo (respectivamente, real) ‚M (respectivamente,


‘M ) das funções escalares complexas (respectivamente, reais) definidas num intervalo M § ‘,

6 Hilbert, David: matemático alemão (Königsberg 1862 – Göttingen 1943). Mais geralmente, um espaço de
Hilbert é um espaço vectorial real ou complexo com produto interno e completo em relação à norma definida
por este (ver capítulo 6).
22 Espaços vectoriais [Cap. 1

considere-se o conjunto BMß ‚ (respectivamente, BMß ‘) das funções limitadas em M

BMß ‚ œ 0 − ‚M À b  a 0 B  P
P−‘ B−M

BMß ‘ œ 0 − ‘M À b  a 0 B  P
P−‘ B−M

Sabe-se que a soma de funções limitadas em M é também limitada e que o mesmo sucede
com o produto de um escalar (real ou complexo) por uma função limitada: está-se, pois, mais
uma vez na presença de um subespaço de ‚M ou de ‘M , conforme o caso.

Exemplo 1.32 Seja M § ‘ um intervalo aberto e DMß ‚ e DMß ‘ os conjuntos das funções
de M em ‚ ou de M em ‘ diferenciáveis em M . Também aqui estamos na presença de subespaços
de ‚M ou de ‘M :
0 B  0 +
DMß ‚ œ 0 − ‚M À a lim − ‚
B+
0 B  0 +
+−M BÄ+

DMß ‘ œ 0 − ‘M À a lim − ‘
+−M BÄ+ B+

Exemplo 1.33 Seja M § ‘ um intervalo aberto, 5   ! um inteiro e C5 Mß ‚ e C5 Mß ‘ os


conjuntos das funções de M em ‚ ou de M em ‘ 5 vezes diferenciáveis em M e com derivada 0 5 

C! Mß ‚ œ CMß ‚ e C! Mß ‘ œ CMß ‘). Estas funções dizem-se de classe C5 em M .


de ordem 5 contínua em M (entende-se por derivada de ordem ! a própria função, isto é

Também aqui estamos na presença de subespaços de ‚M e de ‘M :


C5 Mß ‚ œ 0 − ‚M À 0 5  − CMß ‚
C5 Mß ‘ œ 0 − ‘M À 0 5  − CMß ‘

Tem-se, neste caso (ver figura 1.5),


5   5w   ! Ê C5 Mß ‚ § C5 Mß ‚ § C! Mß ‚
w

Exemplo 1.34 Seja M § ‘ um intervalo aberto e C∞ Mß ‚ e C∞ Mß ‘ os conjuntos das


funções de M em ‚ ou de M em ‘ infinitamente diferenciáveis em M (funções de classe C∞ em
M). Pela proposição 1.4, também aqui estamos na presença de subespaços de ‚M e de ‘M , que
são a intersecção dos espaços do exemplo anterior:

C∞ Mß ‚ œ 0 − ‚M À a 0 5  existe œ  C5 Mß ‚


5−!
5−!

C∞ Mß ‘ œ 0 − ‘M À a 0 5  existe œ  C5 Mß ‘


5−!
5−!
Sec. 1.5] Combinações lineares. Subespaços 23

RI C 0 (I, R)
D(I, R )
1
C (I, R)
...

...
C(I, R )

Fig. 1.5 – Os espaços de funções reais de classe C5 e de classe C∞ .

Exemplo 1.35 Os espaços P8 Š dos polinómios de grau menor ou igual a um certo 8   !
(Exemplo 1.7) são subespaços uns dos outros: tem-se, de facto, P7 Š § P8 Š § PŠ, se
! Ÿ 7 Ÿ 8. A figura seguinte ilustra a situação:

P( K )
... P2 ( K )

P1( K )

P0 ( K )

Fig. 1.6 – Os espaços de polinómios de coeficientes num corpo Š.

Exemplo 1.36 No espaço W $ dos segmentos orientados aplicados num ponto S do espaço
tridimensional, o conjunto T dos segmentos orientados aplicados em S e existentes sobre um
qualquer plano passando por S constitui, como facilmente se verifica, um subespaço de W $ . O
mesmo se pode dizer do conjunto V dos segmentos orientados aplicados em S e existentes
sobre uma recta que contenha S.

Vamos, agora, provar que o conjunto de todas as combinações lineares de uma lista de
vectores de um espaço vectorial I constituem sempre um subespaço de I e que este é o menor
subespaço de I que contém simultaneamente todos os vectores da lista:

Proposição 1.7 Seja I um espaço vectorial sobre um corpo Š e B œ Bt" ß Bt# ß á ß Bt7  uma
lista de 7   ! vectores de I . O conjunto E de todas as combinações lineares possíveis dos
vectores de B é um subespaço de I , contendo todos os vectores de B e que está contido em
24 Espaços vectoriais [Cap. 1

qualquer subespaço de I que contenha igualmente os vectores de B: é, portanto, o menor


subespaço de I contendo os vectores de B.

Demonstração:
Se 7 œ !, tem-se B œ g. Neste caso, por ser  α3 Bt3 œ 9t, tem-se E œ 9t, que satisfaz
3−g
todas as condições do enunciado. Passemos, então, ao caso 7  !: a lista B será
B œ Bt" ß Bt# ß á ß Bt7 

É óbvio que E Á g, visto que 9t œ  !Bt3 − E. Por outro lado, E é fechado para a adição, pois
7

que  α3 Bt3   "3 Bt3 œ  α3  "3 Bt3 , e é igualmente fechado para a multiplicação escalar,
3œ"
7 7 7

visto que "  α3 Bt3 œ  "α3 Bt3 . Isto significa que E é subespaço de I . O subespaço E
3œ" 3œ" 3œ"
7 7

7
3œ" 3œ"

contém, obviamente, todos os Bt3 já que Bt3 œ  $34 Bt4 . Por último, se J é um subespaço de I
7

contendo os Bt3 , então, por 1.38, J conterá todas as combinações lineares dos Bt3 , o que
4œ"

significa que E § J , terminando assim demonstração. 

O subespaço E representa, assim, o menor subespaço de I contendo todos os vectores


Bt" ß Bt# ß á ß Bt7 ou ainda a intersecção de todos os subespaços de I contendo aqueles vectores.
Isto leva-nos a pôr a seguinte

sobre um corpo Š e B œ Bt" ß Bt# ß á ß Bt7  uma lista de 7   ! vectores de I . O subespaço E de


Definição 1.5 – Subespaço gerado por uma lista de vectores – Seja I um espaço vectorial

por B ou envolvente linear de B e designa-se por PŠ B, PŠ Bt3 "Ÿ3Ÿ7 ou por


I formado por todas as combinações lineares dos vectores de B é chamado subespaço gerado

PŠ Bt" ß Bt# ß á ß Bt7  ou ainda, quando se subentende o corpo, PB, PBt3 "Ÿ3Ÿ7 ou por
PBt" ß Bt# ß á ß Bt7 8 :
 Pg œ P œ 9t, se 7 œ !
 1.40
PBt" ß Bt# ß á ß Bt7  œ Ct − IÀ b Ct œ  α3 Bt3 ,

7
se 7  !
α3 −Š7 3œ"

contendo os vectores Bt3 "Ÿ3Ÿ7 , as relações:


Da definição anterior e da proposição 1.7 resultam, para qualquer subespaço J de I

$34 é o símbolo de Kronecker, definido por $34 œ 


7 " se 3 œ 4
! se 3 Á 4
Kronecker, Leopold: matemático alemão (Liegnitz 1823 – Berlim 1891).
8 Também se utilizam as notações  B  e  Bt" ß Bt# ß á ß Bt7  .
Sec. 1.5] Combinações lineares. Subespaços 25

Bt3 − PBt" ß Bt# ß á ß Bt7 


1.41
a
PBt" ß Bt# ß á ß Bt7  § J
"Ÿ3Ÿ7

Pode facilmente ser verificado que PBt" ß Bt# ß á ß Bt7  é, afinal, a soma (no sentido da
definição 1.12) dos subespaços ŠBt3 , mencionados no exemplo 1.23 (os ŠBt3 são rectas de I , se
Bt3 Á 9):
t

PBt" ß Bt# ß á ß Bt7  œ  ŠBt3  1.42


7

3œ"

Quando PB é o próprio espaço vectorial I , diz-se que B é uma sequência ou lista geradora
(de I ) ou ainda que B constitui um sistema de geradores de I :

uma lista de 7   ! vectores de I . Se PB œ I , diremos que B é uma lista geradora (de I )
Definição 1.6 – Sistema de geradores – Seja I um espaço vectorial sobre um corpo Š e B

ou um sistema de geradores de I .
B é um sistema de (vectores) geradores de I Í PB œ I 1.43

linear dos vectores Bt3 3−M :


A definição anterior equivale, obviamente, a dizer que todo o vector Ct − I é combinação

B é um sistema de geradores de I Í a Ct − I Ê b Ct œ  α3 Bt3  1.44


Ct α3 −Š7
3−M

Caso exista alguma lista geradora de I (necessariamente de comprimento 7 finito), diremos


que o espaço vectorial I é do tipo finito ou de dimensão finita). A seguir, formaliza-se esta
definição:

Definição 1.7 – Espaço de dimensão finita – Seja I um espaço vectorial sobre um corpo

B œ Bt" ß Bt# ß á ß Bt7  de vectores de I geradora de I .


Š. Diz-se que o espaço I é do tipo finito (ou de dimensão finita) sse existe alguma sequência

Os espaços que não são gerados por qualquer lista Bt" ß Bt# ß á ß Bt7  de vectores seus dizem-
se de dimensão infinita.
Exemplo 1.37 As sequências g, 9t, 9tß 9t, etc geram, todas elas, o espaço trivial 9t.
Exemplo 1.38 A lista de 8 vectores de Š8
- œ "ß !ß á ß !ß !ß "ß á ß !ß á ß !ß !ß á ß "
gera Š8 , visto que todo o vector B" ß B# ß á ß B8  − Š8 é combinação linear dos vectores de - :
B" ß B# ß á ß B8  œ B" "ß !ß á ß !  B# !ß "ß á ß !  â  B8 !ß !ß á ß "

Exemplo 1.39 No espaço P8 Š dos polinómios de grau menor ou igual a 8 e coeficientes
em Š, a sequência de 8  " polinómios
26 Espaços vectoriais [Cap. 1

- œ "ß Bß B# ß á ß B8 

gera P8 Š, pois tem-se, para qualquer polinómio : − P8 Š:

:B œ  +5 B5
8

5œ"

Exemplo 1.40 O espaço PŠ de todos os polinómios de coeficientes em Š não é gerado


por qualquer lista de polinómios seus, visto que, se a lista for vazia, gera apenas o polinómio

máximo dos graus dos polinómios presentes na lista. Isto significa que PŠ tem dimensão
nulo e, se não o for, não pode, obviamente, gerar os polinómios cujo grau seja superior ao

infinita.
Exemplo 1.41 A lista ? œ "ß "ß "ß #ß "ß "ß $ß !ß # não é geradora de ‘$ , visto que
P? œ Bß Cß D À Bß Cß D  œ +"ß "ß "  ,#ß "ß "  - $ß !ß #à +ß ,ß - − ‘
œ Bß Cß D À Bß Cß D  œ +  #,  $-ß +  ,ß +  ,  #- 
œ Bß Cß D À #B  C  $D œ ! Á ‘$
Geometricamente, P? representa um plano passando pela origem.
Exemplo 1.42 Para qualquer 7 − , a sequência ?7 œ ?"8 ß ?#8 ß á ß ?78  de
sucessões ?58  de escalares de um corpo Š definidas a seguir não pode gerar Š , visto que

linear das sucessões ?58  "Ÿ5Ÿ7 :


nenhuma sucessão com algum termo não nulo e de ordem superior a 7 pode ser combinação

 ?  œ "ß !ß á ß !ß á 
8−


 "8
?#8  œ !ß "ß á ß !ß á 


â
 ?78  œ !ß !ß á ß "ß á 

Adiante veremos que o espaço Š tem também dimensão infinita.


Exemplo 1.43 No espaço vectorial real ‘‘ das funções de ‘ em ‘, as funções B È cosB8
pertencem ao subespaço de ‘‘ gerado por "ß cosBß cos#Bß á ß cos8B. Isto resulta da
fórmula de Euler9 e do binómio de Newton10 , que permitem concluir que (ver igualdades
C.57 e C.58 no apêndice C):

cosB#:   #: cos#:  5 B


##:  : 
:"
" #: "
œ  ##:" 5
5œ!

cosB#:" œ   #:" cos#:  5   "B


:"
"
##:# 5
5œ!

9 Euler, Leonhard: matemático suíço (Bâle 1707 – São Petersburgo 1783).


10 Newton, Sir Isaac: físico, matemático e astrónomo inglês (Woolsthorpe 1642 – Kensington 1727).
Sec. 1.6] Independência linear e bases. Dimensão 27

Š, uma lista B œ Bt" ß Bt# ß á ß Bt7  de vectores de I gera dois subespaços: o subespaço PŠ B,
Exemplo 1.44 Se I for um espaço vectorial sobre um corpo Š e se Šw § Š for subcorpo de

para combinações lineares com escalares no corpo Š

PŠ B œ ?t œ  ?3 Bt3 • ?3 − Š § I


7

3œ"

e o subespaço PŠw B, quando os escalares nas combinações lineares estão em Šw

PŠw B œ ?t œ  ?3 Bt3 • ?3 − Šw  § I


7

3œ"

Se Šw Á Š, estes dois subespaços de I não são iguais, tendo-se obviamente


PŠw B § PŠ B

É ainda evidente que PŠw B é espaço sobre Šw , mas não sobre Š, visto que não é fechado
para o produto por escalar (de Š). Quanto a PŠ B, será espaço vectorial sobre Š (e também
sobre Šw ).

1.6 Independência linear e bases. Dimensão


Na presente secção, vamos definir a importante noção de independência linear, bem como as
noções de base e dimensão de um espaço vectorial. Comecemos pela primeira:

corpo Š, 7 −  e B œ Bt3 "Ÿ3Ÿ7 uma sequência de vectores de I . Diz-se que B é linearmente


Definição 1.8 – Dependência/independência linear – Seja I um espaço vectorial sobre um

dependente (sobre Š) sse existe um vector αt œ α3 "Ÿ3Ÿ7 − Š7 Ï 9t tal que  α3 Bt3 œ 9t:
7

3œ"

B œ Bt3 "Ÿ3Ÿ7 é linearmente dependente Í b 7 αt Á 9t •  α3 Bt3 œ 9t 1.45


7

αt−Š
3œ"

Se a lista B de vectores não for linearmente dependente, diremos que é linearmente


independente (sobre Š). Tem-se, portanto:

B œ Bt3 "Ÿ3Ÿ7 é linearmente independente Í a  α3 Bt3 œ 9t Ê αt œ 9t 1.46


7

αt−Š7
3œ"

Por definição, diremos que a lista g vazia é linearmente independente.

Observações:
ç Observe-se aqui que a dependência linear de uma lista de vectores depende do corpo Š de
escalares que se considere:
28 Espaços vectoriais [Cap. 1

Se I é espaço vectorial sobre Š e se Šw § Š é subcorpo de Š, uma lista B œ Bt3 "Ÿ3Ÿ7 de


7 vectores de I , B pode ser linearmente dependente sobre Š e linearmente independente sobre
Šw . O que se pode afirmar, com generalidade, é
Šw § Š • B é linearmente dependente sobre Šw Ê B é linearmente dependente sobre Š.
e isto equivale a
Šw § Š • B é linearmente independente sobre Š Ê B é linearmente independente sobre Šw .

Por exemplo, a lista B œ Bt" ß Bt#  œ "  3ß 3ß "  3ß " de vectores de ‚# é linearmente
dependente sobre ‚ (observe que Bt" œ 3Bt# ), mas é linearmente independente sobre ‘, pois se
+ß , − ‘,
+"  3ß 3  ,"  3ß " œ !ß ! Ê +  ,  3+  ,ß ,  3+ œ !ß ! Ê + œ , œ !
no entanto, qualquer lista ‘-dependente é também ‚-dependente e toda a lista ‚-independente
será igualmente ‘-independente.
ç Consideremos uma lista linearmente independente de : vectores de Š8
B œ B"" ß B#" ß á ß B8" ß B"# ß B## ß á ß B8# ß á ß B": ß B#: ß á ß B8: 

Nestas condições, quaisquer que sejam os escalares B8"ß" ß B8"ß# ß á ß B8"ß: , a lista Bw de :
vectores de Š8" obtida de B juntando cada um destes escalares aos seus vectores
Bw œ B"" ß B#" ß á ß B8" ß B8"ß" ß B"# ß B## ß á ß B8# ß B8"ß# ß á ß B": ß B#: ß á ß B8: ß B8"ß: 

é ainda linearmente independente, o que resulta de ser  α5 Btw5 œ 9t equivalente a  α5 Bt5 œ 9t


: :

e  α5 B8"ß5 œ !.
5œ" 5œ"
:

5œ"

Se uma sequência B de vectores é linearmente independente, todo o vector de PB é


combinação linear dos vectores de B e esta combinação linear é única, o que se prova na
seguinte

corpo Š e B œ Bt3 "Ÿ3Ÿ7 uma lista de 7 vectores de I . A sequência B é linearmente


Proposição 1.8 – Unicidade da combinação linear – Seja I um espaço vectorial sobre um

independente sse, para cada Ct − PB, existe um e um só αt œ α" ß α# ß á ß α7  − Š7 tal que

Ct œ  α3 Bt3
7

3œ"

Observe-se que, se Ct œ 9t, então αt œ !ß !ß á ß ! œ 9tÞ

Demonstração:
Sec. 1.6] Independência linear e bases. Dimensão 29

Suponhamos que Ct é um vector de PB tal que

Ct œ  α3 Bt3 œ  "3 Bt3


7 7

3œ" 3œ"

daqui se segue que

 α3  "3 Bt3 œ 9t


7

3œ"

Sendo a lista Bt3 "Ÿ3Ÿ7 linearmente independente, a igualdade anterior implica α3  "3 œ !,
o que equivale a α3 œ "3 , para todo o 3 − "ß #ß á ß 7, sendo portanto única a combinação
linear que exprime Ct nos Bt3 . Reciprocamente, se B for linearmente dependente, existirá
"t œ "3  Á 9t tal que

 "3 Bt3 œ 9t
7

3œ"

então, se Ct − PB, existirá αt œ α" ß α# ß á ß α7  − Š7 tal que

Ct œ  α3 Bt3 œ  α3 Bt3  9t œ  α3 Bt3   "3 Bt3 œ  α3  "3 Bt3


7 7 7 7 7

3œ" 3œ" 3œ" 3œ" 3œ"

Basta, agora, observar que os escalares α3  "3 não são todos iguais aos α3 respectivos, visto
que "t œ "3  Á 9t. Portanto, Ct exprime-se de duas formas diferentes como combinação linear
dos Bt3 , nomeadamente,  α3 Bt3 e  α3  "3 Bt3 .
7 7

3œ" 3œ"

A proposição anterior garante, portanto, que se B œ Bt3 "Ÿ3Ÿ7 for uma lista linearmente

como combinação linear dos Bt3 (de uma e uma só forma quando Ct − PB e de nenhuma,
independente de vectores de I , todo o vector Ct − I se exprime quando muito de uma forma

quando Ct  PB). Para garantir que todo o vector de I se possa exprimir nos Bt3 será
necessário que PB œ I e, portanto, que B seja também geradora I . Isto leva-nos à importante
noção de Base:

um corpo Š e B œ Bt3 "Ÿ3Ÿ8 uma lista de 8 vectores de I . Diremos que B é uma base de I sse
Definição 1.9 – Base de um espaço de dimensão finita – Seja I um espaço vectorial sobre

B gera I e B é linearmente independente:


B é uma base de I Í PB œ I • B é linearmente independente 1.47

Em virtude da proposição 1.8, se B œ Bt3 "Ÿ3Ÿ8 é uma base de I , todo o vector Ct de I se


exprime de uma e uma só forma como combinação linear  α3 Bt3 dos vectores de B. Os
8

3œ"

(contravariantes) de Ct em relação à base B e o vector αt œ α" ß α# ß á ß α8  − Š8 é o vector


escalares α3 únicos envolvidos em tal combinação linear são chamados as coordenadas

das coordenadas de Ct ou a representação de Ct , relativa à base B.


30 Espaços vectoriais [Cap. 1

De seguida, vamos enunciar e provar um certo número de proposições envolvendo os


conceitos de subespaço gerado, independência linear e base. Uma delas permitir-nos-á definir
rigorosamente a noção de dimensão de um espaço vectorial, como sendo o número de vectores
de uma qualquer base desse espaço. Outras três de entre elas (as operações elementares) serão
essenciais para fundamentar o Algoritmo de Condensação, de grande utilidade em vários temas
da Álgebra Linear.

Proposição 1.9 Uma sequência B œ Bt" ß Bt# ß á ß Bt7  de vectores de um espaço vectorial I
sobre um corpo Š é linearmente dependente sse existir nela um vector Bt5 que seja combinação
linear dos restantes:
Bt" ß Bt# ß á ß Bt7  é linearmente dependente Í b Bt5 œ  α3 Bt3 1.48
"Ÿ5Ÿ7
α3 −Š 3Á5

Demonstração:
A condição é suficiente, pois
b Bt5 œ  α3 Bt3 Ê b  α3 Bt3  Bt5 œ 9t
"Ÿ5Ÿ7 "Ÿ5Ÿ7
α3 −Š 3Á5 α3 −Š 3Á5

mas esta última igualdade mostra o anulamento de uma combinação linear dos vectores de B, na
qual α5 œ " Á !, o que implica a dependência linear de B. Reciprocamente, de B for
linearmente dependente, existe α5 Á ! tal que

 α3 Bt3 œ  α3 Bt3  α5 Bt5 œ 9t


7

3œ" 3Á5

daqui se segue facilmente que

Bt5 œ  
α3
Bt3 
3Á5
α5

Os seguintes corolários da proposição anterior são óbvios:

Corolário 1.9.1 Uma sequência Bt"  formada por um só vector é linearmente dependente
sse Bt" œ 9t:
Bt"  é linearmente dependente Í Bt" œ 9t 1.48.1

Corolário 1.9.2 Uma sequência Bt" ß Bt#  formada por dois vectores é linearmente
dependente sse um desses vectores for múltiplo escalar do outro, isto é:
Bt" ß Bt#  é linearmente dependente Í b Bt" œ αBt# ” b Bt# œ " Bt" 1.48.2
α−Š " −Š

Corolário 1.9.3 Se algum vector numa sequência for nulo, a sequência é linearmente
dependente.
Sec. 1.6] Independência linear e bases. Dimensão 31

Corolário 1.9.4 Se, numa sequência, existirem dois vectores iguais, a sequência é
linearmente dependente.
Corolário 1.9.5 Se, numa sequência, um dos vectores for múltiplo escalar de outro, a
sequência é linearmente dependente.
Corolário 1.9.6 Se, numa sequência, existir uma subsequência linearmente dependente,
então a sequência será linearmente dependente.
Corolário 1.9.7 Toda a subsequência de uma sequência linearmente independente será,
também, linearmente independente.

Proposição 1.10 Uma sequência B œ Bt" ß Bt# ß á ß Bt7  de vectores de um espaço vectorial I
sobre um corpo Š é linearmente dependente sse existir nela um vector Bt5 que seja combinação
linear dos anteriores:
Bt" ß Bt# ß á ß Bt7  é linearmente dependente Í b Bt5 œ  α3 Bt3 1.49
"Ÿ5Ÿ7
α3 −Š 35

Demonstração:
A condição é obviamente suficiente, se atendermos a que Bt5 œ  α3 Bt3 œ  α3 Bt3   !Bt3
35 35 35
e à proposição 1.9 anterior. Reciprocamente, sendo B linearmente dependente, existe pelo
menos um 5 − "ß #ß á ß 7 tal que α5 Á ! e  α3 Bt3 œ 9t. Portanto, o conjunto
7

3œ"

E œ 3À α3 Á ! § "ß #ß á ß 7
é finito e não vazio e, portanto, tem um máximo 5 œ maxE. Devido à definição de 5 , tem-se
α3 œ ! para 3  5 e α5 Á !. Entãoß fica simplesmente
 α3 Bt3  α5 Bt5 œ 9t
35

donde se conclui

Bt5 œ  
α3
Bt3
35
α5

Observe-se que, se 5 œ ", fica α" Bt" œ 9t e α" Á !, donde Bt" œ 9t: mesmo assim, poderemos
dizer que Bt" é combinação linear (vazia) dos vectores anteriores. 

A proposição anterior é equivalente a dizer que uma sequência Bt" ß Bt# ß á ß Bt7  é
linearmente independente sse nenhum dos seus vectores for combinação linear dos anteriores
(isto é, Bt" Á 9t e nenhum dos Bt5 , com 5  ", é combinação linear dos anteriores).
Exemplo 1.45 A sequência !ß !ß !ß $ß !ß !ß "ß "ß !ß "ß %ß !ß #ß !ß "ß $ de
vectores de ‘% é linearmente independente, visto que nenhum dos seus vectores é combinação
linear dos anteriores (isto sucederá igualmente com qualquer lista de 7 vectores não nulos de
32 Espaços vectoriais [Cap. 1

Š8 , cujas primeiras componentes se anulem, mas diminuindo sempre o número de !'s nessas
primeiras componentes de cada vector para o seguinte da lista).

Proposição 1.11 Uma sequência B œ Bt" ß Bt# ß á ß Bt7  de vectores de um espaço vectorial I
sobre um corpo Š é linearmente dependente sse existir nela um vector Bt5 que seja combinação
linear dos seguintes:
Bt" ß Bt# ß á ß Bt7  é linearmente dependente Í b Bt5 œ  α3 Bt3 1.50
"Ÿ5Ÿ7
α3 −Š 35

Demonstração:
A condição é obviamente suficiente, se atendermos a que Bt5 œ  α3 Bt3 œ  !Bt3   α3 Bt3
35 35 35
e à proposição 1.9. Reciprocamente, sendo B linearmente dependente, existe pelo menos um
5 − "ß #ß á ß 7 tal que α5 Á 0 e  α3 Bt3 œ 9t. Portanto, o conjunto
7

3œ"

E œ 3À α3 Á ! § "ß #ß á ß 7
é finito e não vazio e, portanto, tem um mínimo 5 œ minE. Devido à definição de 5 , tem-se
α3 œ ! para 3  5 e α5 Á !. Entãoß fica simplesmente

α5 Bt5   α3 Bt3 œ 9t
35

donde se conclui

Bt5 œ  
α3
Bt3
35
α5

Observe-se que, se 5 œ 7, fica α7 Bt7 œ 9t e α7 Á !, donde Bt7 œ 9t: mesmo assim, poderemos
dizer que Bt7 é combinação linear (vazia) dos vectores seguintes. 

A proposição anterior é equivalente a dizer que uma sequência Bt" ß Bt# ß á ß Bt7  é
linearmente independente sse nenhum dos seus vectores for combinação linear dos seguintes
(isto é, Bt7 Á 9t e nenhum dos Bt5 , com 5  7, é combinação linear dos vectores seguintes).

Exemplo 1.46 A sequência #ß !ß "ß $ß !ß !ß %ß !ß !ß !ß !ß " de vectores de ‘% é
linearmente independente, visto que nenhum dos seus vectores é combinação linear dos
seguintes. Isto sucederá igualmente com qualquer lista de 7 Ÿ 8 vectores não nulos de Š8 ,
cujas primeiras componentes se anulem, mas aumentando sempre o número de !'s dessas
primeiras componentes de cada vector para o seguinte da lista: tais listas dizem-se escalonadas;
segue-se a definição:

Definição 1.10 – Lista escalonada em Š8 – Consideremos uma lista


B œ Bt" ß Bt# ß á ß Bt7 
Sec. 1.6] Independência linear e bases. Dimensão 33

com

 Bt œ B"" ß B"# ß á ß B"8 
 "
Bt# œ B#" ß B## ß á ß B#8 


â
 Bt7 œ B7" ß B7# ß á ß B78 

de 7  ! vectores de Š8 . Diremos que a lista B está na forma escalonada sse se der uma das
condições seguintes:
i) Bt" œ Bt# œ á œ Bt7 œ 9t

iiÑ Existe um <, com " Ÿ < Ÿ 7, tal que

 3  < Ê Bt œ 9t
3 Ÿ < Ê Bt3 Á 9t
3

e, além disso, a sequência 53 , definida para 3 − "ß #ß á ß <, por


53 œ min4À B34 Á !

é estritamente crescente, isto é,


" Ÿ 5"  5#  â  5< Ÿ 8

O elemento B353 Á ! diz-se o pivot ou elemento principal do vector Bt3 .

Portanto, a lista do exemplo anterior é escalonada e são-no também, por exemplo, as listas
!ß !ß "ß $ß !ß !ß !ß #ß !ß !ß !ß !, em ‘%
!ß $ß "ß $ß &ß !ß !ß %ß !ß #ß !ß !ß !ß "ß "ß !ß !ß !ß !ß ", em ‘&
"  #3ß !ß "ß #3ß !ß #  3ß !ß #  3ß !ß !ß !ß $  #3ß !ß !ß !ß !ß !ß !ß !ß !, em ‚%

Da proposição 1.11, resulta imediatamente o seguinte

Corolário 1.11.1 Toda a lista escalonada de vectores não nulos de Š8 é linearmente


independente.
Demonstração:
Nas condições do enunciado, nenhum dos vectores da lista pode ser combinação linear dos
seguintes e, portanto, a lista é linearmente independente. 
Proposição 1.12 Seja B7 œ Bt" ß Bt# ß á ß Bt7  uma lista linearmente independente de 7
vectores de um espaço vectorial I sobre um corpo Š e Bt7" um vector de I Ï PB7 

condições, a lista de 7  " vectores B7" œ Bt" ß Bt# ß á ß Bt7 ß Bt7"  é ainda linearmente
(portanto, B7 não é geradora de I , caso contrário, não existiria um tal vector Bt7" ). Nestas

independente e gera um subespaço PB7"  de I contendo estritamente PB7 :


B7 é linear/ independente • Bt7" − I Ï PB7  Ê B7" é linear/ independente
1.51
Bt7" − I Ï PB7  Ê PB7  § PB7"  • PB7  Á PB7" 
34 Espaços vectoriais [Cap. 1

Demonstração:

A igualdade  α3 Bt3 œ  α3 Bt3  !Bt7" mostra que toda a combinação linear de vectores de
7 7

B7 é combinação linear dos vectores de B7" , logo: PB7  § PB7" . A hipótese de que
3œ" 3œ"

Bt7" Â PB7  (mas obviamente que Bt7" − PB7" ) mostra, por outro lado, que
PB7  Á PB7" .
Por fim, para provar que B7" é linearmente independente, atendamos à definição e
ponhamos

 α3 Bt3  " Bt7" œ 9t


7

3œ"

Esta igualdade implica que " œ ! (se assim não fosse, tinha-se Bt7" œ  α3 Î" Bt3 ou seja,
7

Bt7" − PB7 , contrariamente à hipótese!). Portanto, na igualdade anterior fica apenas


3œ"

 α3 Bt3 œ 9t
7

3œ"

e, agora, a independência linear de B7 mostra que terá que ser, igualmente, α3 œ !, para todo o
3 œ "ß á ß 7. 

Como consequência da proposição anterior, temos o seguinte corolário que mostra que, num
espaço de dimensão infinita, existem listas de vectores linearmente independentes com tantos
vectores quantos queiramos:

8 −  existe uma sequência de 8 vectores B œ Bt" ß Bt# ß á ß Bt8  linearmente independente.


Corolário 1.12.1 Seja I um espaço de dimensão infinita sobre um corpo Š. Para todo o

Demonstração:
Por indução em 8: é claro que I Á 9t; portanto e para 8 œ ", é linearmente independente a
sequência B" œ Bt" , onde Bt" Á 9t é um vector não nulo arbitrário em I .
Se for B8 œ Bt" ß Bt# ß á ß Bt8  uma sequência linearmente independente com 8 vectores, como
I Ï PB8  Á g (visto que I tem dimensão infinita, B8 não pode gerar I ), podemos escolher
um vector Bt8" − I Ï PB8  e a proposição anterior permite concluir que Bt" ß Bt# ß á ß Bt8 ß Bt8" 
é ainda linearmente independente e com 8  " vectores. 
Mais adiante (proposição 1.17), veremos que a recíproca deste corolário é, igualmente,
verdadeira. Vamos, agora, ver que, se o vector que se junta a uma lista de vectores pertencer ao
subespaço que ela gera, a nova lista gera ainda esse subespaço e é linearmente dependente:

Lema 1.13.1 Seja B7 œ Bt" ß Bt# ß á ß Bt7  uma lista de m vectores de um espaço vectorial E
sobre um certo corpo Š e Bt7" − PB7  um vector qualquer do subespaço gerado por B7 .
Então, a lista B7" œ Bt" ß Bt# ß á ß Btm ß Bt7"  gera o mesmo subespaço que B7 gera e é
Sec. 1.6] Independência linear e bases. Dimensão 35

linearmente dependente:
Bt7" − PBt" ß Bt# ß á ß Btm  Ê Bt" ß Bt# ß á ß Btm ß Bt7"  é linearmente dependente
1.52
Bt7" − PBt" ß Bt# ß á ß Btm  Ê PBt" ß Bt# ß á ß Btm ß Bt7"  œ PBt" ß Bt# ß á ß Btm 

Demonstração:
Visto ser Bt7" − PBt" ß Bt# ß á ß Bt7 , a proposição 1.9 mostra que B7" é linearmente
dependente. Por outro lado, a igualdade  α3 Bt3 œ  α3 Bt3  !Bt7" mostra que
7 7

3œ" 3œ"

PB7  § PB7" 
Para mostrar a inclusão inversa, basta atender a que Bt7" − PB7 :

Dt − PB7"  Ê Dt œ  α3 Bt3 œ  α3 Bt3  α7"  "3 Bt3 œ  α3  α7" "3 Bt3
7" 7 7 7

3œ" 3œ" 3œ" 3œ"

a última expressão mostra que Dt − PB7  e que, portanto, PB7"  § PB7 . 

Lema 1.13.2 Seja B7 œ Bt" ß Bt# ß á ß Btm  uma lista linearmente dependente de m vectores
de um espaço vectorial E sobre um certo corpo Š. A proposição 1.10 garante a existência de
um vector Bt5 da lista B7 que é combinação linear dos anteriores. A nova lista
B7" œ Bt" ß Bt# ß á ß Bt5" ß Bt5" ß á ß Btm 
de 7  " vectores obtida retirando Bt5 à lista B7 gera ainda o mesmo subespaço que era
gerado por B7 :
Bt5 œ  "3 Bt3 Ê PBt3 3Á5 œ PBt3 
35

Demonstração:
É óbvio que PB7"  § PB7 . Quanto à inclusão inversa, tem-se, como no lema anterior:

Dt − PB7  Ê Dt œ  α3 Bt3 œ  α3 Bt3  α5  "3 Bt3 œ  α3  α5 "3 Bt3   α3 Bt3


7

3œ" 3Á5 35 35 35

a última expressão mostra que Dt − PB7"  e que, portanto, PB7  § PB7" . 

É claro que, com demonstração análoga, é também possível retirar duma lista um vector seu
que seja combinação linear dos restantes ou dos seguintes (proposições 1.9 e 1.11) sem que,
com isso, se altere o respectivo subespaço gerado.

Proposição 1.13 Seja I um espaço vectorial de dimensão finita e B œ Bt" ß Bt# ß á ß Bt8  uma
lista geradora de I . Se C œ Ct " ß Ct # ß á ß Ct 7  for uma lista de vectores de I linearmente
independente, então tem-se, necessariamente,
36 Espaços vectoriais [Cap. 1

7Ÿ8 1.53.1
Além disso, o espaço I é gerado por uma lista de 8 vectores que inclui todos os vectores de C :
I œ PBt" ß Bt# ß á ß Bt8  œ PCt " ß Ct # ß á ß Ct 7 ß Bt3" ß Bt3# ß á ß Bt387  1.53.2

Demonstração:
Como B é geradora de I , o lema 1.13.1 permite construir a lista
C" œ Bt" ß Bt# ß á ß Bt8 ß Ct " 
de 8  " vectores que será ainda geradora, mas linearmente dependente. Recorrendo ao lema
1.13.2, conclui-se que existe em C" um vector que é combinação linear dos seguintes e que é
possível retirá-lo desta lista sem que se altere o subespaço gerado; mas esse vector não pode ser
Ct " , visto que ele não é nulo (Porquê?). Portanto, um dos vectores Bt3 pode ser retirado da lista
C" , obtendo-se uma nova sequência B" de 8 vectores geradora de I . Introduzamos, agora, nesta
lista o vector Ct 2 . De acordo com o lema 1.13.1 a lista de 8  " vectores obtida
C# œ Bt" ß Bt# ß á ß Bt8 ß Ct " ß Ct 2 
é geradora de I e linearmente dependente. Portanto, existirá de novo um vector que é
combinação linear dos seguintes e, tal como antes, esse vector não poderá ser nenhum dos Ct 3 ,
devido à independência linear destes. Logo, o vector a retirar (lema 1.13.2) terá que ser um dos
Bt3 , obtendo-se uma nova lista B# com 8 vectores geradora de I . Este processo de aplicação
alternada dos lemas 1.13.1 e 1.13.2 leva à construção de listas B3 com 8 vectores, geradoras de
I , e onde os vectores Bt3 vão sendo sucessivamente substituídos pelos Ct 5 . Se fosse 7  8 e ao
fim de 8 aplicações de cada um dos lemas referidos, obtinha-se uma lista B8 geradora de I
formada pelos 8 primeiros vectores de C , ficando ainda de fora dessa lista os últimos
7  8  ! vectores de C . Sendo essa lista B8 geradora, o vector Ct 8" seria combinação linear
dos primeiros 8 vectores Ct 5 , o que significa que a lista C seria linearmente dependente, em
contradição com a hipótese. Fica, assim, provado que deverá ser 7 Ÿ 8. Portanto, e aplicando
7 vezes cada um dos lemas anteriores, somos conduzidos a uma lista B7 geradora de I ,
contendo todos os 7 vectores Ct 5 e ainda 8  7   ! dos Bt3 (os únicos vectores de B que não

de I do tipo B7 œ Ct " ß Ct # ß á ß Ct 7 ß Bt3" ß Bt3# ß á ß Bt387 .


foram retirados ao longo do processo), obtendo-se o resultado do enunciado: uma lista geradora

Com base na proposição anterior é fácil provar que, num espaço de dimensão finita, todas as
bases têm o mesmo número de vectores, facto que é fundamental para a definição da importante
noção de dimensão de um espaço vectorial:

dimensão finita e considerem-se duas bases, B œ Bt" ß Bt# ß á ß Bt8  e C œ Ct " ß Ct # ß á ß Ct 7  desse
Proposição 1.14 – Invariância do comprimento das bases – Seja I um espaço de

espaço. Então, será 7 œ 8.

Demonstração:
Basta aplicar a anterior proposição 1.13 duas vezes: B é linearmente independente e C é
geradora de I , portanto
Sec. 1.6] Independência linear e bases. Dimensão 37

8Ÿ7
Por outro lado, C é linearmente independente e B é geradora de I , portanto
7Ÿ8
Pela propriedade anti-simétrica da relação de igualdade, será 7 œ 8. 
O resultado anterior garante que todas as bases de um mesmo espaço vectorial I de
dimensão finita sobre certo corpo Š são constituídas pelo mesmo número de vectores, o qual
representa, assim, um atributo intrínseco do espaço I a que chamaremos a dimensão de I
(sobre Š). Formaliza-se, agora, a definição:

Definição 1.11 – Dimensão de um espaço vectorial – Seja I um espaço vectorial sobre um


corpo Š. Chama-se dimensão de I (sobre Š) ao número de vectores de uma base arbitrária de
I e usa-se a notação dimŠ E ou, mais simplesmente, dimE, se subentendermos o corpo.
Portanto, para calcular a dimensão de um espaço vectorial, teremos que procurar uma sua
base qualquer e verificar o número de vectores que a constitui. Convém observar que a
dimensão de um espaço vectorial depende do corpo Š, tanto como de I : como se viu, se Šw for
um subcorpo de Š, I será também espaço sobre Šw mas a dimensão de I sobre Šw será, em
geral, maior que a dimensão sobre Š, como se ilustra por alguns dos exemplos que seguem:
Exemplo 1.47 O espaço 9t tem uma única base, a saber, a sequência vazia g. Portanto:
dim9t œ !

Exemplo 1.48 Em Š8 , a sequência de 8 vectores


- œ "ß !ß á ß !ß !ß "ß á ß !ß á ß !ß !ß á ß "

independente e gera Š8 . Nesta base, as coordenadas de um vector B" ß B# ß á ß B8  − Š8 são os


é uma base, visto que, como facilmente se comprova (prove-o, como exercício), é linearmente

próprios escalares B" ß B# ß á ß B8 . É esta a única base de Š8 onde tal sucede, daí a sua
importância e o facto de ser designada por base canónica de Š8 . Podemos, pois, escrever:
dimŠ Š8 œ 8

Exemplo 1.49 No espaço P8 Š dos polinómios de coeficientes em Š e grau inferior ou


igual a 8, a lista de 8  " polinómios
-8 œ "ß Bß B# ß á ß B8 

constitui uma base, como facilmente se prova (demonstre!). Neste caso, também é óbvio que as

Por isso é chamada base canónica de P8 Š. Conclui-se, portanto, que:


coordenadas de um polinómio são os respectivos coeficientes, o que só acontece com esta base.

dimŠ P8 Š œ 8  "

Este exemplo mostra também que, no espaço PŠ, existem listas linearmente independentes
com tantos vectores quantos queiramos: por exemplo, as listas -8 com qualquer 8 − ! .
38 Espaços vectoriais [Cap. 1

Exemplo 1.50 Em W " , uma base é constituída por qualquer segmento orientado não nulo,
tendo-se, portanto:
dim‘ W " œ "

Exemplo 1.51 Em W # , uma base é constituída por quaisquer dois segmentos orientados não
colineares. Por isso,
dim‘ W # œ #

Exemplo 1.52 Em W $ , uma base é constituída por quaisquer três segmentos orientados não
coplanares. Logo:
dim‘ W $ œ $

Exemplo 1.53 No espaço ‘ do exemplo 1.11 e sendo ? − ‘ Ï ", ? será uma base já
que, se B − ‘ , tem-se:
B œ ?log? B œ log? B?
o que mostra que ? gera ‘ e é, obviamente, linearmente independente pois que
α? œ ?α œ " Ê α œ log? " œ !
Neste caso, a coordenada de B − ‘ na base ? é log? B. Tem-se, pois, dim‘ ‘ œ ".

/ œ /t" ß /t# ß á ß /t8 , e considere-se o espaço I 7 (ver exemplo 1.13). A lista de 78 vectores de
Exemplo 1.54 Seja I um espaço vectorial de dimensão 8 sobre um corpo Š, com uma base

I7

 /t" ß 9tß á ß 9tß /t# ß 9tß á ß 9tß â /t8 ß 9tß á ß 9tß 


 9tß /t" ß á ß 9tß 9tß /t# ß á ß 9tß â 9tß /t8 ß á ß 9tß 
-œ 
 9tß 9tß á ß /t" ß 9tß 9tß á ß /t# ß â 9tß 9tß á ß /t8  
â â â â

é uma base de I 7 (demonstre!). Portanto:


dimŠ I 7 œ 78 œ 7dimŠ I
Da mesma forma e mais geralmente, em relação ao espaço produto, tem-se:

dimŠ  I3  œ  dimŠ I3
7 7

3œ" 3œ"

Exemplo 1.55 ‚ é um espaço vectorial sobre ‘ e a lista


- œ "ß 3
é uma base deste espaço visto que, para qualquer D œ +  3, − ‚,
D œ + † "  , † 3, onde +ß , − ‘
e, portanto, qualquer vector D − ‚ é combinação linear (com escalares reais) dos vectores " e 3;
Sec. 1.6] Independência linear e bases. Dimensão 39

logo, ‚ œ P"ß 3. Por outro lado, - é linearmente independente, como resulta de
+†",†3œ!Ê+ œ!•, œ!

Deste modo, tem-se À


dim‘ ‚ œ #
É claro que a dimensão de ‚ sobre ‚ é ": dim‚ ‚ œ ".
Exemplo 1.56 No exemplo 1.14, vimos que, se I é um espaço vectorial sobre um corpo Š e
Šw § Š for um subcorpo de Š, I será igualmente espaço vectorial sobre Šw ; em particular, Š
será um espaço vectorial sobre Šw . Vamos, agora, ver que, se as dimensões de I sobre Š e de Š
sobre Šw forem finitas, o mesmo sucede com a dimensão de I sobre Šw e que esta é igual ao
produto das dimensões de I sobre Š e de Š sobre Šw :
dimŠw I œ dimŠ I † dimŠw Š

Suponha-se que dimŠ I œ 8 e dimŠw Š œ 7 e sejam


/ œ /t" ß /t# ß á ß /t8  e 5 œ 5" ß 5# ß á ß 57 
bases de I sobre Š e de Š sobre Šw , respectivamente.
Basta provar que a lista - œ 53 /t4  "Ÿ3Ÿ7  de 78 vectores de I é uma base de I sobre Šw : de
"Ÿ4Ÿ8

facto, a lista - gera I


P -  œ I

visto que, para qualquer Bt − I se tem Bt œ  B4 /t4 , onde os B4 − Š são únicos. Porém, os B4
8

4œ"
são “vectores” do espaço Š e exprimir-se-ão na base 5 deste espaço, de forma única, como
combinação linear dos 53 , vindo portanto: B4 œ  B34 53 , onde os B34 − Šw ; substituindo esta
7

3œ"
expressão na anterior, vem

Bt œ    B34 53  /t4 œ   B34 53 /t4 , em que B34 − Šw


8 7 8 7

4œ" 3œ" 4œ" 3œ"

A igualdade anterior prova que os 78 vectores 53 /t4 geram I (sobre Šw ). Vejamos, agora, a
independência linear de - :

  B34 53 /t4  œ 9t Ê    B34 53  /t4 œ 9t Ê  B34 53 œ ! Ê


8 7 8 7 7
a a a B34 œ !
4œ" 3œ" 4œ" 3œ" "Ÿ4Ÿ8 3œ" "Ÿ4Ÿ8 "Ÿ3Ÿ7

Fica, assim, provado que - é uma base de I sobre Šw .


Assim e por exemplo, todo o espaço vectorial complexo I é também um espaço vectorial
real e, no exemplo 1.55, vimos que dim‘ ‚ œ #; estes resultados implicam que:
dim‘ I œ dim‚ I † 
dim‘ ‚ œ #dim‚ I
#
40 Espaços vectoriais [Cap. 1

De facto, se / œ /t" ß /t# ß á ß /t8  for uma base de I sobre ‚ (dim‚ I œ 8), então a lista de
#8 vectores
- œ /t" ß 3/t" ß /t# ß 3/t# ß á ß /t8 ß 3/t8 
será uma base de I sobre ‘, visto que "ß 3 é base de ‚ sobre ‘: - gera I (através de escalares
reais), visto que por hipótese, para qualquer Bt − I existem complexos D5 œ α5  3"5 tais que:

Bt œ  α5  3"5 /t5 œ  α5 /t5  "5 3/t5  œ  α5 /t5   "5 3/t5 
8 8 8 8

5œ" 5œ" 5œ" 5œ"

a última expressão dá Bt como combinação linear dos vectores de - , através dos escalares reais
α5 e "5 , provando assim que - gera I (usando escalares reais). A sucessão de igualdades
anteriores (em sentido inverso) mostra, por fim, que, se uma combinação dos vectores de - é
nula, os escalares reais α5 e "5 terão de ser todos nulos, o que significa a independência linear
de - .
Exemplo 1.57 Em relação ao espaço complexo I w do exemplo 1.15, se / œ /t" ß /t# ß á ß /t8 
for uma base de I , então a lista de 8 vectores
- œ /t" ß 9tß /t# ß 9tß á ß /t8 ß 9t
será uma base de I w œ I # . De facto, - gera I w , visto que para qualquer Bß
t Ct  − I w se tem:

t Ct  œ   B5 /t5 ß  C5 /t5  œ  B5 /t5 ß C5 /t5 


Bß
8 8 8

5œ" 5œ" 5œ"

œ  B5  3C5 /t5 ß 9t


8

5œ"

onde os B5  3C5 são escalares complexos. Para provar que - é linearmente independente,

D5 œ α5  3"5 ) dos /t5 ß 9t em I w , resultando sucessivamente,


recorra-se à definição respectiva: anulemos uma combinação linear (com escalares complexos

 D5 /t5 ß 9t œ  α5  3"5 /t5 ß 9t œ 9tß 9t


8 8

 α5 /t5 ß "5 /t5 


5œ" 5œ"

œ 9tß 9t
8

5œ"

  α5 /t5 ß  "5 /t5  œ 9tß 9t


8 8

5œ" 5œ"

da última igualdade resulta, finalmente:




  α5 /t5 œ 9t
8

 5œ"

  "5 /t5 œ 9t
 5œ"
8

o que, sendo / linearmente independente, implica, para todo o 5 − "ß #ß á ß 8,

" œ !
α5 œ !
5

donde se segue que, para todo o 5 − "ß #ß á ß 8, se tem α5 œ "5 œ ! ou seja,
Sec. 1.6] Independência linear e bases. Dimensão 41

D5 œ α5  3"5 œ !
Portanto, tem-se dim‚ I w œ dim‘ I . Podemos ainda observar que as sequências
? œ 9ß
t /t" ß 9ßt /t# ß á ß 9ß t /t8 
@ œ /t" ß /t" ß /t# ß /t# ß á ß /t8 ß /t8 

serão também bases de I w sobre ‚ (demonstre!).

Proposição 1.15 Todo o espaço vectorial I de dimensão finita 8 sobre um corpo Š é


isomorfo11 do espaço cartesiano Š8 .

Demonstração:
Seja / œ /t" ß /t# ß á ß /t8  uma base de I . Pela proposição 1.8, a aplicação 0/ À Š8 Ä I
definida por

0/ B" ß B# ß á ß B8  œ  B5 /t5
8

5œ"

é injectiva (devido à independência linear de /) e sobrejectiva (devido a ser / uma lista


geradora de I ); por outro lado, facilmente se verifica que 0/ transforma as operações do espaço
cartesiano Š8 nas respectivas operações do espaço vectorial I , isto é,
0/ B" ß B# ß á ß B8   C" ß C# ß á ß C8  œ 0/ B" ß B# ß á ß B8   0/ C" ß C# ß á ß C8 
0/ αB" ß B# ß á ß B8  œ α0/ B" ß B# ß á ß B8 

(no capítulo 3, as funções satisfazendo as duas condições anteriores serão chamadas lineares ou
homomorfismos e, se forem bijectivas, isomorfismos). Portanto, 0/ é um isomorfismo de Š8
sobre I . 

Para exprimir o facto de dois espaços I e J sobre o mesmo corpo Š serem isomorfos,
escrevemos I z J ; usando esta notação, podemos enunciar a proposição anterior escrevendo:
dimŠ I œ 8 Ê I z Š8

A proposição anterior mostra que Š8 constitui, por assim dizer, o modelo de espaço vectorial
de dimensão 8 sobre Š e que os restantes espaços vectoriais I sobre Š com igual dimensão são
diferentes de Š8 apenas quanto à natureza dos seus vectores (e, claro, quanto à definição das
operações). É, portanto, indiferente manipular algebricamente os vectores de I ou as suas
coordenadas (que são vectores de Š8 ) em relação a uma qualquer base de I .
A relação z entre espaços vectoriais sobre o mesmo corpo é uma relação de equivalência
(ou seja, é reflexiva, simétrica e transitiva), que divide o conjunto dos espaços vectoriais de
dimensão finita sobre Š em classes de espaços isomorfos, os quais são algebricamente
idênticos. O corolário 1.15.1 mostra que dois espaços pertencem à mesma classe sse têm a
mesma dimensão.

tal que: 0 Bt  Ct œ 0 Bt  0 Ct  e 0 αBt œ α0 Bt.


11 Dois espaços vectoriais I e J sobre o mesmo corpo Š dizem-se isomorfos sse existir uma bijecção 0 À I Ä J
42 Espaços vectoriais [Cap. 1

Do exposto, pode escrever-se, por exemplo, para todo o 8   !,


P8 Š z Š8"

Do mesmo modo, facilmente se conclui (mostre-o a título de exercício!) que a aplicação

0 À Š!  Ä PŠà +! ß +" ß á ß +< ß !ß !ß á  È  +5 B5


∞

5œ!

é um isomorfismo de Š!  sobre PŠ, que são, portanto, espaços vectoriais isomorfos:

PŠ z Š! 

A proposição anterior mostra que, por cada base / que se fixe em I , fica definido um
isomorfismo 0/ de Š8 sobre I , que estabelece uma correspondência biunívoca entre as
coordenadas (em Š8 ) de um vector Bt − I em relação à base / e esse vector Bt, de tal modo que
é equivalente trabalhar com os vectores de I ou com as suas coordenadas em Š8 .
Quando dois espaços são isomorfos, isso significa que são algebricamente iguais (diz-se que

outro: assim, por exemplo, W $ pode identificar-se com ‘$ (e ainda com P# ‘) e diz-se que W $
são iguais, a menos de um isomorfismo) e, por vezes, esses espaços são identificados um com o

é a interpretação geométrica de ‘$ , confundindo-se cada terno ordenado Bß Cß D  de números


reais com um segmento orientado de W $ . Analogamente, W # é a interpretação geométrica de ‘#
e W " é a interpretação geométrica de ‘" : é neste sentido que falamos, às vezes, em rectas de
‘$ , planos de ‘$ , etc (de facto, as rectas, planos, etc existem em W $ !).

Corolário 1.15.1 Dois espaços vectoriais I e J de dimensão finita sobre o mesmo corpo Š
são isomorfos sse têm a mesma dimensão.
Demonstração:
A condição é necessária: se dimI œ dimJ œ 8, então I e J são ambos isomorfos de Š8 e,
portanto, isomorfos um do outro.
Reciprocamente, suponha-se que I e J são isomorfos e que dimI œ 7 e dimJ œ 8; então
I é isomorfo de Š7 e J é isomorfo de Š8 , donde, Š7 z Š8 , o que implica 7 œ 8Þ 

Proposição 1.16 Num espaço vectorial I de dimensão finita 8 sobre um corpo Š:


i) Qualquer lista linearmente independente tem, quando muito, 8 vectores.

ii) Qualquer lista geradora de I tem, pelo menos, 8 vectores.

iii) Qualquer lista linearmente independente e com 8 vectores é uma base de I .

iv) Qualquer lista geradora de I e com 8 vectores é uma base de I .

v) Toda a lista linearmente independente de vectores de I é prolongável a uma base.

vi) Toda a lista geradora de I contém uma base.


Sec. 1.6] Independência linear e bases. Dimensão 43

vii) Se J § I é subespaço de I , então dimJ Ÿ dimI œ 8.

viii) Se J § I é subespaço de I e dimJ œ dimI , então J œ I .

Demonstração:
i) Resulta da proposição 1.13, visto que as bases de I têm 8 vectores e são geradoras de
I.
ii) Resulta da proposição 1.13, visto que as bases de I têm 8 vectores e são independentes.
iii) Uma tal lista é, com certeza, geradora de I : se o não fosse, a proposição 1.12 permitia
acrescentar um vector à lista, obtendo-se uma lista de 8  "  8 vectores linearmente
independentes, o que é contraditório com a alínea i).
iv) Uma tal lista é, com certeza, linearmente independente: se o não fosse, o lema 1.13.2
permitia retirar um vector à lista, mantendo-a geradora de I , mas apenas com 8  "  8
vectores, o que contraria a alínea ii).
v) Como se viu, se B œ Bt" ß Bt# ß á ß Bt7  é linearmente independente será 7 Ÿ 8. A
proposição 1.12 permite, enquanto a lista não for geradora de I , ir acrescentando vectores
(mantendo a independência linear) até que, quando tivermos acrescentado 8  7 vectores,
teremos uma lista de 8 vectores linearmente independentes e, portanto, uma base de I ,
contendo a lista dada.
Isto mostra, em particular, que todo o espaço vectorial de dimensão finita tem, pelo menos,
uma base, a qual se pode obter pelo algoritmo que acabámos de utilizar nesta demonstração:

Enquanto PB Á I
Bœg

Acrescentar um vector arbitrário de I Ï PB à lista B


Fim

Observe que o algoritmo funciona, mesmo no caso limite I œ 9t, obtendo-se, neste caso, a
O ciclo anterior termina ao fim de 8 œ dimŠ I iterações e, no final, B será uma base de I .

base B œ g. Cabe aqui notar que, num espaço de dimensão infinita, a iteração neste algoritmo
não termina nunca (Loop infinito!).
vi) Como se viu anteriormente, se B œ Bt" ß Bt# ß á ß Bt7  é geradora de I , será 7   8. O
lema 1.13.2 permite retirar vectores à lista B (mantendo-a geradora), enquanto ela for
linearmente dependente. Após retirar 7  8 vectores, obtém-se uma lista geradora com 8
vectores a qual será, como vimos antes, linearmente independente, logo uma base de I contida
em B. Portanto, pode obter-se uma base de I , a partir de uma sequência B geradora, mediante o
algoritmo:
Enquanto B é linearmente dependente
Retirar a B um vector que seja combinação linear dos restantes12
Fim

limite I œ 9t, acabará por obter-se a sequência vazia g, que é linearmente independente e
O ciclo anterior termina ao fim de 7  8 iterações e, por fim, B será uma base de I . No caso

12 Ou combinação linear dos vectores anteriores ou dos seguintes (proposições 1.10 e 1.11).
44 Espaços vectoriais [Cap. 1

uma base de I œ Pg œ 9t. Neste caso, a lista inicial era, necessariamente:
B œ 9tß 9tß á ß 9t

vii) Como uma base de J é, por definição, linearmente independente em J (e, portanto,
também em I , visto que o corpo Š é o mesmo), a alínea i) garante imediatamente a
desigualdade desejada.

Portanto J œ P, e I œ P,, donde J œ I .


viii) Se dimJ œ dimI , isso significa que toda a base , de J é, igualmente, base de I .

As duas primeiras alíneas da proposição anterior permitem dar a seguinte interpretação da


dimensão de um espaço vectorial:
ç A dimensão de I representa o número máximo de vectores que uma lista linearmente
independente pode ter em I .
ç A dimensão de I representa o número mínimo de vectores que uma lista geradora de I
deverá possuir.
ç A dimensão de I é igual a 8 sse existe uma lista linearmente independente com 8 vectores
e toda a lista com 8  " vectores é linearmente dependente.

A seguinte proposição dá uma condição necessária e suficiente para que um espaço vectorial
tenha dimensão infinita:

Proposição 1.17 – Caracterização dos espaços de dimensão infinita – Seja I um espaço


vectorial sobre um corpo Š. Então, I tem dimensão infinita sse, para todo o 8 − , existe
uma lista linearmente independente com 8 vectores.

Demonstração:
O corolário 1.12.1 mostra que a condição é necessária. Mas ela é também suficiente, em
virtude da alínea i) da proposição anterior. 

Exemplo 1.58 O espaço vectorial Š das sucessões de escalares, citado no exemplo 1.42,
tem dimensão infinita, visto que as listas ?7 de sucessões aí apresentadas são linearmente
independentes. Também são de dimensão infinita os espaços Š  e Š!  .

Exemplo 1.59 O espaço PŠ tem dimensão infinita, visto que as listas de polinómios

-8 œ "ß Bß B# ß á ß B8 

são linearmente independentes, para todo o 8 −  (método dos coeficientes indeterminados).


Exemplo 1.60 Como as funções B È "ß B È Bß B È B# ß á ß B È B8 são linearmente
independentes para todo o 8 − , terão também dimensão infinita os espaços ‘M , CMß ‘,
DMß ‘, C5 Mß ‘, etc, onde M œ +ß , § ‘, com ∞ Ÿ +  , Ÿ ∞, é um intervalo aberto.
Sec. 1.6] Independência linear e bases. Dimensão 45

Exemplo 1.61 O espaço ‘ tem dimensão infinita sobre : de facto, o número real 1 é
transcendente (isto é, pode demonstrar-se que 1 não é solução de equação algébrica alguma
com coeficientes racionais não todos nulos). Então, as listas
B8 œ "ß 1ß 1# ß á ß 18 

são linearmente independentes, para todo o 8 − , visto que  +5 1 5 œ ! (onde os +5 − ) só


8

5œ0
é possível se forem nulos todos os +5 .

operações (ditas elementares), quando realizadas sobre uma lista B œ Bt" ß Bt# ß á ß Bt7  de
Proposição 1.18 – Propriedades das operações elementares – Cada uma das seguintes

7  ! vectores de um espaço vectorial I sobre um corpo Š, não alteram a dependência ou


independência linear nem o subespaço gerado por essa lista (nem, obviamente, a dimensão
deste subespaço e o comprimento 7 da lista):
i) Troca entre si de dois elementos Bt3 e Bt4 da lista, com 3 Á 4 e, claro, 7   #:
Bt" ß Bt# ß á ß Bt3 ß á ß Bt4 ß á ß Bt7  Ä Bt" ß Bt# ß á ß Bt4 ß á ß Bt3 ß á ß Bt7  1.54

ii) Substituição de um vector Bt3 da lista pelo seu produto por um escalar α Á !, com
7   ":
Bt" ß Bt# ß á ß Bt3 ß á ß Bt7  Ä Bt" ß Bt# ß á ß αBt3 ß á ß Bt7 , onde α Á ! 1.55

iii) Sendo 7   #, substituição de um vector Bt3 da lista pela sua soma com o produto de
outro vector Bt4 , com 4 Á 3, multiplicado por um escalar " arbitrário:
Bt" ß Bt# ß á ß Bt3 ß á ß Bt7  Ä Bt" ß Bt# ß á ß Bt3  " Bt4 ß á ß Bt7  1.56

Demonstração:
i) Esta propriedade é consequência da comutatividade e associatividade da adição
vectorial.
ii) Seja B œ Bt" ß Bt# ß á ß Bt3 ß á ß Bt7  e Bw œ Bt" ß Bt# ß á ß αBt3 ß á ß Bt7 Þ A igualdade

 "5 Bt5 œ  "5 Bt5 


α αB3 
7
"3
t
5œ" 5Á3

Bw , portanto PB § PBw . A igualdade anterior mostra ainda que se Bw é linearmente


mostra que toda a combinação linear de vectores de B será combinação linear dos vectores de

independente, também B o será, visto "3 Îα œ ! implica "3 œ !Þ Por outro lado, a igualdade
 "5 Bt5  "3 αBt3  œ  "5 Bt5  "3 αBt3
5Á3 5Á3

vectores de B, logo PBw  § PB. Dela se segue também que, se B for linearmente
mostra que as combinações lineares dos vectores de Bw são também combinação linear dos

independente, Bw também será, já que por ser α Á !, "3 α œ ! implicará "3 œ !.


46 Espaços vectoriais [Cap. 1

iii) Como anteriormente, façamos


B œ Bt" ß Bt# ß á ß Bt3 ß á ß Bt7  e Bw œ Bt" ß Bt# ß á ß Bt3  " Bt4 ß á ß Bt7 

A igualdade

 α5 Bt5 œ  α5 Bt5  α3 Bt3  " Bt4   α4  α3 " Bt4


7

5œ" 5Á3ß4

ou seja, PB § PBw . Ela mostra também que, se Bw for linearmente independente, também o
mostra que toda a combinação linear dos vectores de B é combinação linear dos vectores de Bw ,

será B, pois que


a α5 œ ! • α3 œ ! • α4  α3 " œ ! Ê a α5 œ ! • α3 œ ! • α4 œ !
5Á3ß4 5Á3ß4

Por outro lado, a igualdade


 α5 Bt5  α3 Bt3  " Bt4  œ  α5 Bt5  α3 "  α4 Bt4
5Á3 5Á4

vectores de B, logo PBw  § PB. Da igualdade anterior se segue também que, se B for
mostra que uma combinação linear dos vectores de Bw é forçosamente combinação linear dos

linearmente independente, Bw também será, já que


a α5 œ ! • α3 "  α4 œ ! Ê a α5 œ ! • α4 œ ! 
5Á4 5Á4

As operações das três alíneas da proposição anterior são chamadas operações elementares de
tipos 1, 2 e 3, respectivamente, sobre a lista B de vectores. Por vezes, usam-se as seguintes
notações para indicar aquelas operações:
I"
Bt3 Ó Bt4
I#
Bt3 Ò αBt3 ß onde α Á !
I$
Bt3 Ò Bt3  " Bt4

É óbvio que qualquer composição de operações daqueles três tipos não alterará também o
subespaço gerado pela lista nem a sua dependência ou independência lineares. Em particular,
tem-se o seguinte:

B œ Bt" ß Bt# ß á ß Bt7  de 7  ! vectores de um espaço vectorial I sobre um corpo Š, não


Corolário 1.18.1 Cada uma das seguintes operações, quando realizadas sobre uma lista

alteram a dependência ou independência linear nem o subespaço gerado por essa lista (nem,
obviamente, o seu comprimento 7):
i) Sendo 7   #, substituição de um vector Bt3 da lista pela soma do produto de um
escalar α Á ! por esse vector com o produto de um escalar " por outro vector Bt4 , com
4 Á 3:
Bt" ß Bt# ß á ß Bt3 ß á ß Bt7  Ä Bt" ß Bt# ß á ß αBt3  " Bt4 ß á ß Bt7 , onde α Á ! 1.57
Sec. 1.7] Soma de subespaços. Soma directa 47

ii) Sendo 7   ", substituição de um vector Bt3 por uma combinação linear  α5 Bt5 dos
7

5œ"
vectores da lista B, desde que α3 Á !:

Bt" ß Bt# ß á ß Bt3 ß á ß Bt7  Ä Bt" ß Bt# ß á ß  α5 Bt5 ß á ß Bt7 , onde α3 Á ! 1.58
7

5œ"

Demonstração:
i) Esta operação é a composição I $ ‰ I # de uma operação do tipo 3 com outra do tipo 2:

I#
Bt3 Ò αBt3
I$
αBt3 Ò αBt3  " Bt4

$
ii) Esta operação é a composição I7" ‰ â ‰ I#$ ‰ I1$ ‰ I # de uma operação do tipo 2
seguida por 7  " operações de tipo 3:
I#
Bt3 Ò α3 Bt3 ß onde α3 Á !
I"$
α3 Bt3 Ò α3 Bt3  α5" Bt5" ß onde 5" Á 3
I#$
α3 Bt3  α" Bt" Ò α3 Bt3  α5" Bt5"  α5# Bt5# ß onde 5" Á 5# Á 3
á

α3 Bt3   α5< Bt5< Ò  α5 Bt5


7# I$ 7
7"

<œ" 5œ"

A primeira operação deste corolário é, por vezes, chamada operação de tipo 4.


Analogamente às operações dos tipos 1, 2 e 3, pode usar-se a notação:
I%
Bt3 Ò αBt3  " Bt4 ß onde α Á !

1.7 Soma de subespaços. Soma directa


Nesta secção, vamos analisar de mais perto um processo de gerar novos subespaços de um
espaço vectorial I dado, a partir de outros subespaços de I . Comecemos por provar a seguinte
proposição:

Proposição 1.19 Seja I um espaço vectorial sobre um corpo Š e I5 "Ÿ5Ÿ7 uma lista de 7
subespaços de I . O conjunto E § I formado por todas as somas  Bt5 de vectores Bt5 − I5 é
7

5œ"
ainda um subespaço de I .

Demonstração:
48 Espaços vectoriais [Cap. 1

9t − E, pelo que S1 é obviamente válida, visto que  9t œ 9t. Quanto a S2 tem-se, se Bt e


7

5œ"
Ct − E,

Bt  Ct œ  Bt5   Ct 5 œ  Bt5  Ct 5 
7 7 7

5œ" 5œ" 5œ"

e, como Bt5  Ct 5 − I5 , será Bt  Ct − E. Por fim, S3 resulta de α  Bt5 œ  αBt5  e de ser


7 7

5œ" 5œ"
αBt5 − I5 . 

O subespaço E mencionado na proposição anterior é chamado soma dos subespaços I5 e


designado pela notação  I5 , como se formaliza na seguinte:
7

5œ"

Definição 1.12 – Soma de subespaços – Seja I um espaço vectorial e I5 "Ÿ5Ÿ7 uma
sequência de 7 subespaços de I . O subespaço formado por todas as somas de vectores
Bt5 − I5 é chamado soma dos subespaços I5 e designado por  I5 :
7

5œ"

 I5 œ Ct − IÀ b Ct œ  Bt5  1.59.1


7 7

5œ" Bt5 −I5 5œ"

em particular, se 7 œ #:

I"  I# œ Ct − IÀ b Ct œ Bt"  Bt#  1.59.2


Bt" −I"
Bt# −I#

A proposição que se segue dá conta das principais propriedades da soma de subespaços.

Proposição 1.20 – Propriedades da soma de subespaços – Seja I5 "Ÿ5Ÿ7 uma lista de
subespaços de um espaço vectorial I . Então:
i) Para todo o 3 − "ß #ß á ß 7ß

I 3 §  I5
7

5œ"

ii)

 I5 §  I5
7 7

5œ" 5œ"
Sec. 1.7] Soma de subespaços. Soma directa 49

iii) Se J é um subespaço de I contendo todos os I5 (logo, J também conterá a reunião


dos I5 ), então:

 I5 § J
7

5œ"

iv) Se 5 é uma permutação de "ß #ß á ß 7, então:

 I55 œ  I5
7 7

5œ" 5œ"

v) Para todo o 3 − "ß #ß á ß 7,

 I 5 œ I 3 Í  I5 § I3
7

5œ" 5Á3

vi) Tem-se:

dim  I5  Ÿ  dimI5
7 7

5œ" 5œ"

Demonstração:
i) A primeira inclusão resulta de que, para qualquer 3 − "ß #ß á ß 7, se tem:

Bt − I3 Ê Bt œ Bt   9t Ê Bt −  I5
7

5Á3 5œ"

ii) A segunda inclusão obtém-se reunindo as 7 inclusões em i)

a I3 §  I5  Ê  I3 §    I5  œ  I5
7 7 7 7 7

"Ÿ3Ÿ7 5œ" 3œ" 3œ" 5œ" 5œ"

iii) Quanto à terceira proposição, se Bt −  I5 , Bt será soma de vectores Bt5 − I5 os quais


7

pertencerão também a J (em virtude de ser I5 § J ). Como J é subespaço,  Bt5 pertencerá a


5œ"
7

J , o que significa que  I5 § J .


5œ"
7

5œ"

iv) Resulta da comutatividade e associatividade da adição vectorial.


v) Como  Bt5 œ  Bt5  9t e o vector nulo pertence a I3 , segue-se que
5Á3 5Á3

 I5 §  I5
7

5Á3 5œ"
50 Espaços vectoriais [Cap. 1

Então, se  I5 œ I3 , vem imediatamente  I5 § I3 .


7

5œ" 5Á3

Reciprocamente, suponha-se que  I5 § I3 e seja Bt −  I5 : então será


7

5Á3 5œ"

Bt œ  Bt5 œ Bt3   Bt5 − I3


7

5œ" 
5Á3

−  I5 §I3
5Á3

o que mostra que  I5 § I3 e isto juntamente com i) termina a demonstração.


7

5œ"

vi) Supondo dimI5 œ 85 e que /5 œ /t5" ß /t5# ß á ß /t585  é base de I5 , mostra-se


facilmente que a junção / œ /" ” /# ” â ” /7 œ /t545  "Ÿ5Ÿ7 das bases /5 constitui um sistema

de geradores de  I5 : de facto, tem-se, sucessivamente:


"Ÿ45 Ÿ85
7

5œ"

Bt −  I5 Ê Bt œ  Bt5 œ    α545 /t545  œ   α545 /t545 


7 7 7 85 7 85

5œ" 5œ" 5œ" 45 œ" 5œ" 45 œ"

Esta última expressão mostra que Bt é combinação linear dos /t545  "Ÿ5Ÿ7 , o que termina a
"Ÿ45 Ÿ85

demonstração. 

A proposição anterior significa que a soma dos subespaços I5 é o menor subespaço de I


contendo cada um dos I5 e, portanto, contendo  I5 (note que esta reunião não é, em geral,
7

5œ"
um subespaço de I ).
Corolário 1.20.1 Seja I um espaço vectorial sobre um corpo Š e Eß Fß G subespaços de I .
Tem-se:
i) E§EF•F §EF

ii) E ∪ F § E  F

iii) Se J é um subespaço de I contendo E e F , tem-se: E  F § J

iv) E  F œ F  E

v) EF œEÍF §E

vi) dimE  F  Ÿ dimE  dimF

vii) dimE  F  œ dimE  dimF  dimE ∩ F 

viii) E  9t œ 9t  E œ E

ix) E  E œ E
Sec. 1.7] Soma de subespaços. Soma directa 51

Demonstração:
As primeiras seis alíneas resultam da proposição anterior, fazendo 7 œ #.
As alíneas viii) e ix) resultam de v), fazendo F œ 9t e F œ E, respectivamente.

de E e de F , será = Ÿ 7 e = Ÿ 8. Tome-se, então, uma base - œ t- " ß t- # ß á ß t- =  de E ∩ F e


Quanto a vii), seja = œ dimE ∩ F , 7 œ dimE e 8 œ dimF . Como E ∩ F é um subespaço

prologuemo-la (proposição 1.16.v) a uma base + œ t- " ß t- # ß á ß t- = ß +t" ß +t# ß á ß +t7=  de E e
também a uma base , œ t- " ß t- # ß á ß t- = ß t," ß t,# ß á ß t,8=  de F .

E
A+B

A A B B

     

Fig. 1.7 – Os espaços E, F , E ∩ F e as suas bases.

Para provar a igualdade desejada, basta provar que a lista

< œ t- " ß t- # ß á ß t- = ß +t" ß +t# ß á ß +t7= ß t," ß t,# ß á ß t,8= 

de 7  8  = vectores de I é uma base de E  F : comecemos por ver que:


P <  œ E  F

De facto,

Dt − E  F Ê Dt œ +t  t,ß onde +t − E e t, − F

œ   α5 t- 5   "5 +t5     #5 t- 5   (5 t,5 


= 7= = 8=

5œ" 5œ" 5œ" 5œ"

œ  α5  #5 t- 5   "5 +t5   (5 t,5


= 7= 8=

5œ" 5œ" 5œ"

E  F § P<. A inclusão inversa é óbvia, já que


a última expressão mostra que Dt é combinação linear dos vectores de < e, portanto,

Dt − P< Ê Dt œ  α5 t- 5   "5 +t5   #5 t,5


= 7= 8=


5œ" 5œ" 
5œ"
−E −F

œ +t  t, − E  F
52 Espaços vectoriais [Cap. 1

Vejamos, agora, que < é linearmente independente, recorrendo à definição:

 α5 t- 5   "5 +t5   #5 t,5 œ 9t 1.60


= 7= 8=

5œ" 5œ" 5œ"

o que equivale a

 α5 t- 5   "5 +t5 œ  #5 t,5


= 7= 8=


5œ" 5œ" 
5œ"
−E −F

A igualdade anterior mostra que  #5 t,5 − E ∩ F , donde, existem α5 − Š tais que:
8=

5œ"

 #5 t,5 œ  α5 t- 5
8= =

5œ" 5œ"

o que equivale a

 α5 t- 5   #5 t,5 œ 9t
= 8=

5œ" 5œ"

Substituindo os valores de #5 em 1.60 e atendendo a que + é uma base, resulta o anulamento


atendendo a que , é uma base de F , tem-se, forçosamente, #5 œ !, para 5 œ "ß á ß 8  =.

dos α5 (5 œ "ß á ß =) e dos "5 (5 œ "ß á ß 7  =), terminando a demonstração. 

Dependendo dos subespaços I3 "Ÿ3Ÿ7 , a soma em que se decompõem os vectores de  I5


7

5œ"
pode ou não ser única; quando for única, diz-se que a soma é directa:
Definição 1.13 – Soma directa de subespaços – Uma soma de subespaços I5 "Ÿ5Ÿ7 de
um espaço vectorial I diz-se directa sse, para cada vector ?t − J œ  I5 , existe uma e uma
7

só sequência B œ Bt3 "Ÿ3Ÿ7 de vectores, em que Bt3 − I3 , tal que


5œ"

?t œ  Bt5 1.61
7

5œ"

Neste caso, a soma (directa) dos I5 designa-se por  I5 , em vez de  I5 . (em particular,
7 7

note-se que, para o vector nulo, a soma referida será : 9t œ  9t).


5œ" 5œ"
7

5œ"

Na proposição seguinte, vamos ver que uma soma de subespaços é directa sse a intersecção
de cada subespaço com a soma dos restantes se reduzir ao vector nulo.

Proposição 1.21 – Caracterização da soma directa – A soma J œ  I5 de uma


7

sequência I5 "Ÿ5Ÿ7 de subespaços de um espaço vectorial I é directa sse, para cada
5œ"
Sec. 1.7] Soma de subespaços. Soma directa 53

3 − "ß #ß á ß 7, a intersecção I3 ∩  I5 se reduz a 9t.


5Á3

J œ  I5 Í J œ  I5 • I3 ∩  Ik œ 9t 1.62
7 7
a
5œ" 5œ" "Ÿ3Ÿ7 5Á3

Demonstração:
1. A condição é suficiente:

Suponhamos que ?t −  I5 e que existem duas decomposições de ?t em vectores dos I5 :


7

5œ"

?t œ  Bt5 œ  Ct 5 Ê  Bt5  Ct 5  œ 9t
7 7 7

5œ" 5œ" 5œ"

Para cada 3 − "ß #ß á ß 7, pode pois escrever-se


Bt3  Ct 3    Bt5  Ct 5  œ 9t
5Á3

Portanto, para qualquer 3 − "ß #ß á ß 7,


Bt3  Ct 3  œ  Ct 5  Bt5 


5Á3

−  I5
−I3

5Á3

Mas, como os I5 "Ÿ5Ÿ7 são subespaços, Bt3  Ct 3 − I3 e  Ct 5  Bt5  −  I5 e, portanto,

para qualquer 5 − "ß #ß á ß 7:


5Á3 5Á3

Bt3  Ct 3 − I3 ∩  I5 œ 9t
5Á3

daqui se conclui que


a Bt3 œ Ct 3
"Ÿ3Ÿ7

o que significa que a decomposição de ?t é única e a soma é directa.


2. A condição é necessária:
Suponha-se que existia um 3 − "ß #ß á ß 7 tal que K3 œ I3 ∩  I5 Á 9t e seja +t3 Á 9t

um vector de K3 (observe que +t3 − I3 e +t3 −  I5 ). Como +t3 −  I5 , +t3 será decomponível
5Á3

numa soma de vectores +t5 "Ÿ5Ÿ7 , tais que +t5 − I5 para todo o 5 Á 3, satisfazendo
5Á3 5Á3

+t3 œ  +t5
5Á3

Se for ?t um vector de  I5 será, com Bt5 − I5 :


7

5œ"
54 Espaços vectoriais [Cap. 1

?t œ  Bt5 œ Bt3   Bt5


7

œ Bt3  +t3    Bt5  +t3


5œ" 5Á3

œ Bt3  +t3    Bt5   +t5


5Á3

œ Bt3  +t3    Bt5  +t5 


5Á3 5Á3

5Á3

como, para qualquer 5 − "ß #ß á ß 7ß Bt5  +t5 − I5 e Bt3  +t3 Á Bt3 , as expressões

?t œ  Bt5 e ?t œ Bt3  +t3    Bt5  +t5 


7

5œ" 5Á3

são duas decomposições de ?t diferentes numa soma de vectores dos I5 . Daqui se segue que a
soma  I5 não é directa.
7

5œ"

A proposição anterior tem o seguinte corolário imediato, fazendo 7 œ #:

Corolário 1.21.1 Se E e F são subespaços de um espaço vectorial I , então:


J œ E Š F Í J œ E  F • E ∩ F œ 9t

Exemplo 1.62 Os conjuntos

T œ 1À a 1D  œ 1D  § ‚‚


D−‚

M œ 2À a :D  œ 2D  § ‚‚


D−‚

(demonstre!). Como a única função simultaneamente par e ímpar é a função nula (T ∩ M œ 9)
formados pelas funções pares e pelas funções ímpares, respectivamente, são subespaços de ‚‚

e, para toda a função 0 − ‚‚ , se tem

0 D  œ 0 D   0 D   0 D   0 D 
" "
# #
onde a primeira parcela é função par e a segunda é função ímpar (verifique!), será ‚‚ œ T Š M .
Vamos, agora ver que a dimensão de uma soma directa de subespaços é igual à soma das
dimensões destes:

Proposição 1.22 – Dimensão da soma directa – Sejam I" ß I# ß á ß I: subespaços de


dimensões finitas 8" ß 8# ß á ß 8: de um espaço vectorial I . Então:

dim  I5  œ  dimI5  1.63


: :

5œ" 5œ"
Sec. 1.7] Soma de subespaços. Soma directa 55

Demonstração:
Tome-se, para cada subespaço I5 , uma base
/5 œ /t5" ß /t5# ß á ß /t585 à 5 œ "ß #ß á ß :

e mostremos que a lista de 8 œ  85 vectores de I


:

5œ"

œ /t"" ß /t"# ß á ß /t"8" ß /t#" ß /t## ß á ß /t#8# ß á ß /t:" ß /t:# ß á ß /t:8: 


/ œ / " ” / # ” á ” /:

é uma base de J œ  I5 :
:

5œ"

ç A lista / gera J . De facto, se Bt − J , então Bt é soma única de vectores dos I5 (por


definição de soma directa)

Bt œ  Bt5 ß onde Bt5 − I5 1.64


:

5œ"

Mas, sendo Bt5 − I5 , o vector Bt5 será combinação linear única dos vectores da base /5 :

Bt5 œ  α53 /t53 ß 5 œ "ß #ß á ß :


85

3œ"

Substituindo esta última expressão em 1.64, obtém-se

Bt œ   α53 /t53
: 85

5œ" 3œ"

o que mostra que Bt − P/.


ç A lista / é linearmente independente. De

  α53 /t53 œ 9t œ 9t  9t  â  9t
: 85

5œ" 3œ"

vem, por ser  α53 /t53 − I5 e J ser uma soma directa dos I5 ,
85

3œ"

 α53 /t53 œ 9tß 5 œ "ß #ß á ß :


85

3œ"

Como os vectores /t53 são linearmente independentes (/5 é uma base de I5 ) segue-se que

α53 œ !ß 
5 œ "ß #ß á ß :

3 œ "ß #ß á ß 85
56 Espaços vectoriais [Cap. 1

1.8 Anexos: vectores e o MATHEMATICA©

 MATHEMATICA©

O software MATHEMATICA© permite a manipulação de vectores através da noção de lista,


que é mais geral que a de vector; um vector não contém listas como elementos seus. Existem
várias funções para manipulação de listas e, de entre estas, salientamos:
ç List[] ou {}
Devolve a lista formada pelos argumentos.
ç Plus[] ou +
Adiciona as listas elemento a elemento.
ç Times[] ou * ou espaço
Multiplica escalares entre si e também escalares por listas.
ç Part[] ou [[]]
Permite extrair elementos e sublistas de uma lista.
ç Take[] e Select[]
Permitem extrair sublistas, segundo vários critérios.
ç Sort[], Join[] e Union[]
Permitem ordenar, concatenar e reunir listas.
ç Length[] e Dimensions[][[1]]
Devolvem o comprimento de uma lista.
ç VectorQ[]
Função booleana que devolve True sse o argumento é um vector.
ç Table[], Range[] e Array[]
Permitem construir listas.
ç Sum[] e Product[]
Calculam somas e produtos dos elementos de uma lista.
Nas páginas seguintes, apresenta-se um notebook ilustrando o uso de algumas das funções
aqui mencionadas:
Sec. 1.8] Anexos: vectores e o MATHEMATICA 57

Uma função F pode utilizar-se com 3 sintaxes possíveis: F[x], ou F@x ou ainda x//F

Sin@Pi ê 4D

Sin @ HPi ê 4L

HPi ê 4L êê Sin

Vectores

1.8.1 O que são?

No MATHEMATICA, um vector é uma lista de escalares racionais, reais ou complexos

v = 8−2, 3, 1, 2, 4<

8−2, 3, 1, 2, 4<

z = 83 ê 4, −5 ê 8, 2 ê 7, −2 ê 9<

: ,− , ,− >
3 5 2 2
4 8 7 9

As componentes podem ser números irracionais ou transcendentes...


58 Espaços vectoriais [Cap. 1

t = 8Sin@Pi ê 4D, Cos@3 ∗ Pi ê 5D, −Sqrt@5D, ArcSin@Sqrt@3D ê 2D<

: J1 − 5 N, − >
1 1 π
, 5 ,
2 4 3

E podem ser complexos...

w = 81 + I, −3 + 2 ∗ I, −1 + 2 ∗ I, I, H4 + IL ^ 2<

81 + , −3 + 2 , −1 + 2 , , 15 + 8 <

Somando com + ou Plus[]...

v+w

8−1 + , 2 , 2 , 2 + , 19 + 8 <

Plus@v, wD

8−1 + , 2 , 2 , 2 + , 19 + 8 <

z−t

: J−1 + 5 N, >
3 1 5 1 2 2 π
− ,− + + 5 ,− −
4 2 8 4 7 9 3

1.8.2. Acesso às componentes de um vector

Podemos extrair componentes de um vector com w[[]] ou Part[] e Take[]

w@@3DD

−1 + 2
Sec. 1.8] Anexos: vectores e o MATHEMATICA 59

w@@83<DD

8−1 + 2 <

w@@81, 3, 3<DD

81 + , −1 + 2 , −1 + 2 <

Part@w, 81, 3, 3<D

81 + , −1 + 2 , −1 + 2 <

Extrair as 2 primeiras componentes

Take@w, 2D

81 + , −3 + 2 <

Ou as 2 últimas

Take@w, −2D

8 , 15 + 8 <

Extrair da 2ª até à 5ª componentes

Take@w, 82, 5<D

8−3 + 2 , −1 + 2 , , 15 + 8 <

Ou da 1ª à 5ª de 2 em 2

Take@w, 81, 5, 2<D


60 Espaços vectoriais [Cap. 1

81 + , −1 + 2 , 15 + 8 <

Extrair elementos de acordo com condições: Select[]

w = 810, 7, 13, 4, 11, 16, 9, 20, 7, 13<;

Select@w, OddQD

87, 13, 11, 9, 7, 13<

Select@w, EvenQD

810, 4, 16, 20<

Select@w, < 9 »» > 15 &D

87, 4, 16, 20, 7<

Ordenar

Sort@wD

84, 7, 7, 9, 10, 11, 13, 13, 16, 20<

Juntar listas (concatenação e reunião)

u = 816, 3, 12, 8, 3, 21, 15, 20, 13<;

Join@u, wD

816, 3, 12, 8, 3, 21, 15, 20, 13, 10, 7, 13, 4, 11, 16, 9, 20, 7, 13<

Union@u, wD
Sec. 1.8] Anexos: vectores e o MATHEMATICA 61

83, 4, 7, 8, 9, 10, 11, 12, 13, 15, 16, 20, 21<

1.8.3. Dimensão (comprimento) de um vector

Pode obter-se o comprimento do vector com Length[] ou Dimensions[]...

Length@vD

Dimensions@vD@@1DD

1.8.4. Trata-se mesmo de um vector?

VectorQ@vD

True

VectorQ@PiD

False

VectorQ@882, 3<, 5<D

False

1.8.5. Geração de vectores

Podemos gerar vectores, através das funções Table[] e Range[]

Table@i ^ 2 ê H1 + iL, 8i, 4<D


62 Espaços vectoriais [Cap. 1

: , , , >
1 4 9 16
2 3 4 5

Lista dos valores de 2i, para i entre 4 e 16 de 3 em 3

Table@2 ∗ i, 8i, 4, 16, 3<D

88, 14, 20, 26, 32<

Lista dos complexos 3k^2+2kI, para k entre 1 e 3

Table@3 ∗ k ^ 2 + 2 ∗ k ∗ I, 8k, 3<D

83 + 2 , 12 + 4 , 27 + 6 <

Lista de 5 inteiros aleatórios entre -9 e 9 divididos por 2

RandomInteger@8−9, 9<D, 85<F


1
TableB
2

:−1,
3 9
,− , 2, 4>
2 2

Vector de 6 uns e zeros alternados. OddQ[i] dá True sse i é ímpar e EvenQ[i] dá True sse i é par

Table@If@OddQ@iD, 1, 0D, 8i, 6<D

81, 0, 1, 0, 1, 0<

Vector dos primeiros 10 números primos...

Table@Prime@iD, 8i, 10<D

82, 3, 5, 7, 11, 13, 17, 19, 23, 29<


Sec. 1.8] Anexos: vectores e o MATHEMATICA 63

Lista de 5 inteiros entre 1 e 5

Range@5D

81, 2, 3, 4, 5<

Lista dos inteiros entre 4 e 8

Range@4, 8D

84, 5, 6, 7, 8<

Lista dos racionais entre 3/4 e 13/2, de 3/4 em 3/4

Range@3 ê 4, 13 ê 2, 3 ê 4D

: , , , 3,
3 3 9 15 9 21
, , , 6>
4 2 4 4 2 4

Remove@"Global`∗"D

Podemos gerar vectores simbólicos com a função Array[]

v = Array@y, 86<D

8y@1D, y@2D, y@3D, y@4D, y@5D, y@6D<

1.8.6. Operações vectoriais

Podemos somar, subtrair e multiplicar os elementos de vectores

Soma dos elementos de um vector

Sum@v@@iDD, 8i, Length@vD<D


64 Espaços vectoriais [Cap. 1

y@1D + y@2D + y@3D + y@4D + y@5D + y@6D

Produto dos elementos de um vector

Product@v@@iDD, 8i, Length@vD<D

y@1D y@2D y@3D y@4D y@5D y@6D

Multiplicação de escalar por vector

u = 3∗v

83 y@1D, 3 y@2D, 3 y@3D, 3 y@4D, 3 y@5D, 3 y@6D<

Soma e subtração de vectores

8u + v, u − v<

884 y@1D, 4 y@2D, 4 y@3D, 4 y@4D, 4 y@5D, 4 y@6D<, 82 y@1D, 2 y@2D, 2 y@3D, 2 y@4D, 2 y@5D, 2 y@6D<<
2
Matrizes
Sec. 2.2] Noção de matriz sobre um corpo. Alguns tipos de matrizes 67

2.1 Introdução
No presente capítulo abordaremos a noção de matriz de um ponto de vista autónomo, isto é,
sem relevar a sua correspondência com os homomorfismos de espaços vectoriais de dimensão
finita, tema que será tratado no capítulo 3. Serão estudados os espaços vectoriais de matrizes,
bem como a álgebra linear (e anel) das matrizes quadradas.
A interpretação das matrizes como sequências de vectores de um espaço cartesiano conduzir-
nos-á à noção de característica de uma matriz e a proposição 1.18 vai permitir a fundamentação
do importante algoritmo – dito de condensação – para a sua determinação. O paralelismo entre a
proposição 1.18 e os princípios de equivalência dos sistemas de equações lineares levam ao
método de eliminação de Gauss-Jordan1 para a resolução daquele importante tipo de sistemas.
A aplicação de métodos matriciais aos sistemas de equações lineares são um bom exemplo
prático do poder unificador da ferramenta matricial. Por último, os resultados obtidos sobre
sistemas de equações vão permitir-nos o estudo do problema da inversão de uma matriz (não
necessariamente quadrada), a obtenção de um algoritmo de condensação para a determinação
da(s) inversa(s) e ainda estudar o problema da divisão matricial esquerda e direita. Abordamos
também a teoria das matrizes elementares e a sua relação com a inversão, a característica e a
equivalência de matrizes. Por último, trataremos das mudanças de base nos espaços vectoriais
de dimensão finita.

2.2 Noção de matriz sobre um corpo. Alguns tipos de matrizes


Começaremos por definir a noção de matriz:

considerem-se os intervalos "ß 7 e "ß 8 de . Chamaremos matriz do tipo 7 ‚ 8 sobre 9


Definição 2.1 – Matriz sobre um corpo – Sejam 7ß 8 −  números naturais, Š um corpo e

corpo Š a uma família E œ +34 3ß4−"ß7‚"ß8 de elementos de Š indexada por "ß 7 ‚ "ß 8,
isto é a uma função EÀ "ß 7 ‚ "ß 8 Ä Šà 3ß 4 È +34 2 . O escalar de Š que é o valor de E
no ponto 3ß 4 − "ß 7 ‚ "ß 8 é designado por +34 (ou E34 ) e a matriz E é também designada
por +34  "Ÿ3Ÿ7 ou, mais simplesmente, +34 3 , quando não houver interesse em especificar o tipo
"Ÿ4Ÿ8

7 ‚ 8 da matriz.

domínio "ß 7 ‚ "ß 8 e, portanto, pode ser representada por uma tabela de duas entradas
Uma matriz fica completamente determinada pelos seus valores nos 7 ‚ 8 pontos do

constituída por 7 linhas e 8 colunas de escalares +34 do corpo Š colocados entre parêntesis
rectos3 . Como o primeiro índice 3 é constante em cada linha da tabela, diz-se que ele é o índice
das linhas da matriz; do mesmo modo e sendo o segundo índice 4 constante em cada coluna, 4 é

1 Gauss, Carl Friedrich: matemático, físico e astrónomo alemão (Brunswick 1777 – Göttingen 1855).
Jordan, Marie Ennemond Camille: matemático francês (Lyon 1838 – Paris 1922).

aplicações de "ß 7 ‚ "ß 8 em \ , sendo o seu conjunto designado por \ 7ß8 .


2 Mais geralmente, podem considerar-se matrizes de tipo 7 ‚ 8 sobre qualquer conjunto \ , como sendo as

3 Também se usam as notações +34  "Ÿ3Ÿ7 , +34  "Ÿ3Ÿ7 e ainda


 
"Ÿ4Ÿ8 "Ÿ4Ÿ8

 +"" +"8   +"" +"8 


 
 +#" +#8  + +#8 
+"# â +"# â
  ou  #" .
 ã ã 
+## â +## â

 +7"  
+78   +7" +78 
ã ã ä ã ã ä
+7# â +7# â
68 Matrizes [Cap. 2

chamado o índice das colunas da matriz.

 +"" â +"8 
+ â +#8 
+"#
E œ +34  "Ÿ3Ÿ7 œ  #"  2.1
+##

 +7" â +78 
"Ÿ4Ÿ8 ã ã ä ã
+7#

A matriz diz-se racional, real ou complexa consoante Š œ , Š œ ‘ ou Š œ ‚ e


designaremos o conjunto de todas as matrizes do tipo 7 ‚ 8 sobre um corpo Š por Š7ß8 .
É óbvio que, se o corpo Š for finito (por exemplo, ™: – os inteiros módulo : – onde : é um
número primo)4 o mesmo acontecerá com Š7ß8 , tendo-se
#Š7ß8  œ #Š78 2.2

Se o corpo Š for infinito (casos de , ‘ e ‚), o mesmo sucederá com Š7ß8 .

coincidem em todos os pontos 3ß 4 − "ß 7 ‚ "ß 8, isto é,


Da definição de matriz, resulta que duas matrizes são iguais sse têm o mesmo tipo e

+34  "Ÿ3Ÿ7 œ ,34  "Ÿ3Ÿ7w Í 7 œ 7w • 8 œ 8w • a +34 œ ,34 2.3


"Ÿ4Ÿ8 "Ÿ4Ÿ8w "Ÿ3Ÿ7
"Ÿ4Ÿ8

Para cada " Ÿ 3 Ÿ 7, a sequência +34 "Ÿ4Ÿ8 é chamada a linha 3 de E (ou 3ª linha de E) e,
para cada " Ÿ 4 Ÿ 8, a sequência +34 "Ÿ3Ÿ7 é chamada a coluna 4 (ou 4ª coluna de E). O
vector de Š8 cujas componentes constituem a linha 3 de E é chamado o 3º vector-linha de E e o
vector de Š7 cujas componentes constituem a coluna 4 de E é o 4º vector-coluna de E. Deste
modo, pode a matriz E ser considerada como uma lista de 7 vectores de Š8 (as linhas de E) ou
como uma lista de 8 vectores de Š7 (as colunas de E). Da mesma maneira que as filas (termo
que designa, indistintamente, as linhas ou colunas) de uma matriz do tipo 7 ‚ 8 se identificam
com vectores de Š8 ou de Š7 , uma matriz do tipo " ‚ " é também identificada com o escalar
único +"" que a constitui. As observações anteriores mostram que se pode definir a noção de
matriz com base na noção de lista: trata-se de uma lista de 7 listas (as linhas) cada uma das

constituirem-se listas de ; matrizes +345  (ou seja, listas de listas de listas de escalares) e assim
quais com igual número 8 de escalares de Š. Pode aplicar-se recursivamente esta ideia e

sucessivamente, obtendo-se a noção recursiva de tensor de ordem :5 , como uma lista de
tensores de ordem :  "; a ordem é, afinal, o número de índices presentes em +3" 3# â3: ; uma
matriz +34  é, portanto, um tensor de 2ª ordem, um vector @3  é um tensor de 1ª ordem,
considerando-se um escalar como um tensor de ordem 0.

+1" ß +1# ß á ß +18  − Š8 matricialmente, continuaremos a escrever


Se 7 œ ", a matriz E constitui uma matriz-linha ou vector-linha e consiste no vector

E œ  +1" +1# â +18  − Š1ß8

Trata-se dos corpos ™: ß Š ß Œ  onde ™: œ !ß "ß á ß :  ", : é um número primo e as operações são
definidas por: B Š C œ B  C mod : e B Œ C œ BC mod :. Nestas igualdades, + mod , designa o resto da
4

divisão inteira de + por , .


5 Corresponde, nas linguagens de programação, à noção de “array” de dimensão : , sendo que as matrizes são os
“arrays” de dimensão #.
Sec. 2.2] Noção de matriz sobre um corpo. Alguns tipos de matrizes 69

Se 8 œ ", tem-se uma matriz-coluna ou vector-coluna +"1 ß +#1 ß á ß +71  − Š7 que,


matricialmente, se escreve

 +"" 
+ 
E œ  #1  − Š7ß1
 +7 1 
ã

Adiante referiremos a operação de transposição matricial que nos permitirá escrever a


matriz-coluna de uma forma tipograficamente mais conveniente, do modo seguinte

E œ  +"" +#1 â +71 T − Š7ß1

Se 7 œ 8, a matriz diz-se quadrada de ordem 8 e o conjunto destas matrizes é designado


por Š8ß8 ; se 7 Á 8, dizemos que a matriz é rectangular.
Numa matriz +34  quadrada de ordem 8, os elementos +33 constituem a diagonal principal, 1ª
diagonal ou diagonal descendente; os elementos +34 , com 3  4 œ 8  ", constituem a diagonal

diagonal à lista dos elementos da forma +33 (" Ÿ 3 Ÿ min7ß 8).


secundária, 2ª diagonal ou diagonal ascendente. Numa matriz rectangular, chama-se por vezes,

2.1. Seguem-se alguns exemplos:


Definem-se vários tipos de matrizes, conforme a configuração dos escalares presentes em

Exemplo 2Þ1 Se 7 œ 8 e +34 œ !, para 3  4, a matriz diz-se triangular superior; a título de


exemplo, apresenta-se uma matriz complexa triangular superior:

 3 "  3 $ 
! ! 
Eœ ! # 3
!

Exemplo 2Þ2 Se 7 œ 8 e +34 œ !, para 3  4, a matriz diz-se triangular inferior; por


exemplo, a seguinte matriz real é triangular inferior:

 " ! !

 " ! %
Eœ # " !

Exemplo 2Þ3 Se uma matriz é simultaneamente triangular superior e inferior, isto é, 7 œ 8 e

principal, escreve-se diag+"" ß +## ß á ß +88 ; por exemplo, a seguinte matriz real é diagonal:
+34 œ !, para 3 Á 4, a matriz diz-se matriz diagonal e, sendo +33 os elementos da diagonal

" ! !
" ! œ diag"ß "ß %
! ! %
Eœ !
70 Matrizes [Cap. 2

Uma matriz rectangular de tipo 7 ‚ 8, chama-se matriz diagonal sse for +34 œ !, para 3 Á 4,
isto é, são nulos os elementos de E que não estejam na diagonal, por exemplo,

" ! ! !

! !
Eœ ! # ! !
! !

Exemplo 2Þ4 Uma matriz diagonal quadrada cujos elementos diagonais são iguais entre si
chama-se matriz escalar (adiante justificaremos esta denominação), isto é, 7 œ 8 e +34 œ !,
para 3 Á 4, e +33 œ 5 ; a seguinte matriz real E é matriz escalar:

 # ! ! 
œ diag#ß #ß #
 ! ! # 
Eœ ! # !

Exemplo 2Þ5 Entre as matrizes escalares refiram-se as matrizes identidade, em que 5 œ "
(mais tarde, veremos a razão deste nome). A matriz identidade de ordem 8 é designada por M8
ou simplesmente M , quando a ordem 8 for subentendida. O respectivo elemento genérico é o
símbolo ou delta de Kronecker $34 (ver nota de rodapé 7 no capítulo 1), definido a seguir

$34 œ  2.4
! 3Á4
" 3œ4

A título de exemplo, mostram-se as matrizes identidade de 2ª e 3ª ordens

" ! !
M# œ 
" $ 
" !
"
M œ ! " !
!
! !

Exemplo 2Þ6 As matrizes 7 ‚ 8 cujos elementos são todos nulos são chamadas matrizes
nulas e designam-se por S7ß8 ou, sendo quadradas de ordem 8, simplesmente por S8 . Caso não
haja necessidade de indicar o tipo, usa-se apenas S. A seguir, mostram-se exemplos:

S#ß$ œ   S# œ 
!
! ! ! ! !
! ! ! !

Exemplo 2Þ7 As matrizes de tipo 7 ‚ 8, cujos elementos são 234 œ 34"  "Ÿ3Ÿ7
"
são
"Ÿ4Ÿ8

denominadas matrizes de Hilbert e designam-se por L7ß8 . Usa-se a notação L8 para a matriz
de Hilbert quadrada de ordem 8. A seguir, mostra-se um exemplo:

" 
L$ œ  "# 
" "
# $
" "

" 
$ %
" "
$ % &

Exemplo 2Þ8 Uma matriz quadrada de ordem 8 cujos elementos são tais que
+34 œ !ß se 3  4  " ” 4  3  "

é chamada matriz tridiagonal (note que qualquer matriz de ordem 8 Ÿ # é tridiagonal). A


Sec. 2.3] Espaço linear das matrizes 71

seguir, mostra-se um exemplo de uma matriz real tridiagonal de 4ª ordem:

 # " ! ! 
 $ " $ ! 
Eœ 
 ! ! " $ 
! # ! "

Exemplo 2Þ9 Diremos que uma matriz I − Š7ß8 é escalonada sse as suas linhas formam
uma lista escalonada de vectores de Š8 (ver definição 1.10). Assim, são escalonadas as matrizes

# " $   $ # #
! " $  ! " ! " 
 ! # " " ! 
" !
  ! $ #  
#
E œ ! #  Fœ   ! ! ! $ " 
   
! "
! G œ
! ! !
! ! ! % "
! !   ! ! !
! ! ! ! ! ! ! "
! !
! ! !

Na secção 2.16, ilustra-se a construção de alguns dos tipos anteriores de matrizes, usando o
software MATHEMATICA© .

2.3 Espaço linear das matrizes


Nesta secção, iremos definir um certo número de operações algébricas sobre matrizes que
nos levarão à construção dos espaços vectoriais Š7ß8 e das álgebras Š8ß8 de matrizes quadradas
de ordem ordem 8. Comecemos por definir a adição matricial:

Definição 2Þ2 – Adição de matrizes – Dadas duas matrizes E œ +34  e F œ ,34  sobre um
corpo Š e do mesmo tipo 7 ‚ 8 (ou seja, Eß F − Š7ß8 ), chamaremos soma de E e F à nova
matriz E  F − Š7ß8 cujos elementos -34 estão definidos por:
-34 œ +34  ,34 à 3 œ "ß #ß á ß 7à 4 œ "ß #ß á ß 8 2.5

ou ainda
E  F 34 œ E34  F34 à 3 œ "ß #ß á ß 7à 4 œ "ß #ß á ß 8 2.6

Portanto, as matrizes somam-se, somando (em Š) os elementos homólogos das matrizes E e


F e só faz sentido adicionar matrizes do mesmo tipo. As propriedades formais da adição em Š,
à custa da qual se definiu a adição matricial, implicam imediatamente que esta adição é:
ç Associativa:
a E  F   G œ E  F  G 
EßFßG−Š7ß8

ç Comutativa:
a EF œFE
EßF−Š7ß8
72 Matrizes [Cap. 2

ç Tem elemento neutro, que é a matriz nula S7ß8 :


b a E  S7ß8 œ S7ß8  E œ E
S7ß8 −Š7ß8 E−Š7ß8

ç Toda a matriz E tem simétrica (única) E:


a b E  E œ E  E œ S7ß8
E−Š7ß8 E−Š7ß8

As propriedades anteriores mostram que Š7ß8 ß  constitui um grupo comutativo aditivo.


Como em qualquer grupo aditivo, define-se a subtracção por
E  F œ E  F  2.7
o que é equivalente a
E  F 34 œ E34  F34 à 3 œ "ß #ß á ß 7à 4 œ "ß #ß á ß 8 2.8

Com vista a obter um espaço vectorial, vamos a seguir definir a operação de produto de um
escalar de Š por uma matriz do tipo 7 ‚ 8 sobre Š. Trata-se de uma lei de composição externa
definida em Š ‚ Š7ß8 e com valores em Š7ß8 :

E œ +34  sobre um corpo Š do tipo 7 ‚ 8 (ou seja, E − Š7ß8 ), chamaremos produto de α por
Definição 2Þ3 – Produto de escalar por matriz – Dado um escalar α − Š e uma matriz

E à nova matriz αE − Š7ß8 cujos elementos ,34 estão definidos por:


,34 œ α +34 à 3 œ "ß #ß á ß 7à 4 œ "ß #ß á ß 8 2.9

ou ainda
αE34 œ αE34 à 3 œ "ß #ß á ß 7à 4 œ "ß #ß á ß 8 2.10

Portanto, multiplica-se um escalar por uma matriz, multiplicando (em Š) esse escalar por

imediatamente as seguintes propriedades para o produto definido por 2.9:


cada um dos elementos da matriz. Das propriedades do produto no corpo Š, resultam

ç Distributividade em relação à adição escalar:


a α  " E œ α E  " E
αß" −Š
E−Š7ß8

ç Distributividade em relação à adição matricial:


a α E  F  œ αE  αF
α−Š
EßF−Š7ß8

ç Associatividade mista:
a α" E œ α" E
αß" −Š
E−Š7ß8
Sec. 2.3] Espaço linear das matrizes 73

ç A unidade do corpo é elemento neutro à esquerda no produto de escalar por matriz:


a "E œ E
E−Š7ß8

As propriedades anteriores constituem os axiomas A1-A4 e P1-P4 do capítulo 1 e


significam, portanto, que Š7ß8 é, com as operações definidas atrás, um espaço vectorial sobre o

78 matrizes Gα"  "ŸαŸ7 definidas por


corpo Š em que os “vectores” são as matrizes do tipo 7 ‚ 8 de elementos em Š. A família de

Gα" 34 œ $3α $4" 2.11


"Ÿ" Ÿ8

formam uma base de Š7ß8 , na qual as coordenadas de uma matriz \ œ B34  − Š7ß8 são os
próprios escalares B34 que a constituem:

\ œ   B34 G34
7 8

3œ" 4œ"

Por esta razão, a base mencionada é chamada base canónica de Š7ß8 . O que acabou de se
expor mostra que
dimŠ Š7ß8 œ 78 2.12

Por exemplo, a base canónica de ‚#ß# (sobre ‚) será

- œ 
! ! ! " ! ! " 
" ! ! " ! ! ! !
ß ß ß
!

e a base canónica de ‚#ß# (sobre ‘) é

- œ   ß  ß  ß  ß  ß  ß  ß
! 3 
" ! 3 ! ! " ! 3 ! ! ! ! ! ! ! !
! ! ! ! ! ! ! ! " ! 3 ! ! "

Pela proposição 1.15 e atendendo a 2.12, podemos afirmar que o espaço Š7ß8 é isomorfo
do espaço cartesiano Š78 e é óbvio que, por exemplo, a aplicação
+34  "Ÿ3Ÿ7 È +"" ß +"# ß á ß +"8 ß +#" ß +## ß á ß +#8 ß á ß +7" ß +7# ß á ß +78 
"Ÿ4Ÿ8

é um isomorfismo de Š7ß8 sobre Š78 .


Sendo Š7ß8 um espaço vectorial sobre Š, podemos recorrer às proposições 1.1, 1.2 e 1.3
para concluir imediatamente que:
a αE œ S7ß8 Í α œ ! ” E œ S7ß8 

a αE œ αE œ αE


α−Š
E−Š7ß8

a α  " E œ αE  " E


α−Š
E−Š7ß8

αß" −Š

αE  F  œ αE  αF 
E−Š7ß8

a
α−Š
EßF−Š7ß8
74 Matrizes [Cap. 2

Observe-se, por último, que uma matriz escalar de ordem 8 será sempre da forma 5M8 , onde
5 − Š é um escalar
diag5ß 5ß á ß 5 œ 5M8

2.4 Álgebra e Anel das matrizes quadradas


Vamos, agora, definir uma terceira operação matricial: o produto de matrizes.

Definição 2Þ4 – Produto matricial – Sejam 7ß 8ß : −  e E − Š7ß8 e F − Š8ß: matrizes


dos tipos 7 ‚ 8 e 8 ‚ : sobre um corpo Š. O produto das matrizes E e F (por esta ordem) é a
matriz EF − Š7ß: do tipo 7 ‚ :, cujos elementos -34 se definem por:

-34 œ  +35 ,54 à 3 œ "ß #ß á ß 7à 4 œ "ß #ß á ß : 2.13


8

5œ"

ou seja

EF 34 œ  E35 F54 à 3 œ "ß #ß á ß 7à 4 œ "ß #ß á ß : 2.13


8

5œ"

As 7: igualdades 2.13 mostram que o elemento EF 34 da linha 3 e coluna 4 de EF se


calcula mediante a soma dos produtos dos 8 elementos da linha 3 de E pelos 8 elementos
respectivos da coluna 4 de F e que o número de linhas de EF é o número de linhas de E, sendo
o seu número de colunas igual ao número de colunas de F . Note-se que a condição prévia para
que o produto EF , por esta ordem, esteja definido é que o número de colunas de E seja igual ao
número de linhas de F (igual a 8). Daqui resulta imediatamente que para que uma matriz E se
possa multiplicar por si mesma (E œ F), é necessário que ela seja quadrada o que significa que
a potência de base E e expoente natural só estará definida quando E for quadrada. Convém
ainda observar que o produto matricial será uma lei de composição interna (em Š8 ), apenas
quando 7 œ 8 œ :.
Nas condições da definição anterior e se 7 Á :, o produto FE não está definido. Se
7 œ : Á 8, então EF e FE estão definidos mas EF − Š7ß7 enquanto que FE − Š8ß8 , o que

serão ambas matrizes quadradas de ordem 8, mas, ainda assim, as igualdades 2.13 implicam
significa que será, certamente, EF Á FE. Finalmente, se tivermos 7 œ 8 œ :, EF e FE

que, em geral, será EF Á FE, como mostra o exemplo seguinte:


Exemplo 2Þ10 Considerem-se as matrizes

Eœ  eF œ
# " 
# " " $
" #

ter-se-á, neste caso,

EF œ 
$ " 
e FE œ 
%
% ( " (
Á EF
$
Sec. 2.4] Álgebra e Anel das matrizes quadradas 75

Do exposto, podemos concluir que, para ser EF œ FE, é necessário (mas não suficiente)
que E e F sejam matrizes quadradas e da mesma ordem. Existem, de facto, casos de matrizes
quadradas em que EF œ FE e, quando tal acontecer, diremos que E e F são matrizes
permutáveis ou comutáveis. É o que acontece, entre outros, nos casos a seguir indicados:
Exemplo 2Þ11 Caso de ser nulo um dos factores:
a ES8 œ S8 E œ S8 
E−Š8ß8

Para quaisquer 3ß 4 œ "ß #ß á ß 8, as igualdades 2.13 implicam imediatamente





        ! œ ! œ S8 34

8 8 8
ES œ E S œ E ! œ

8 34 35 8 54 35



5œ" 5œ" 5œ"

 
 8 34       ! œ ! œ S8 34
8 8 8


S E œ S E
8 35 54 œ !E 54 œ
5œ" 5œ" 5œ"

Exemplo 2Þ12 Caso de um dos factores ser a matriz identidade M8 :


a EM8 œ M8 E œ E
E−Š8ß8

As igualdades 2.13 levam directamente, para 3ß 4 œ "ß #ß á ß 8 e onde $34 é o símbolo de


Kronecker, às igualdades



  
 EM8 34 œ E35 M8 54 œ
8 8
E35 $54 œ E34



5œ" 5œ"

 M8 E34 œ  M8 35 E54 œ  $35 E54 œ E34



8 8

 5œ" 5œ"

Exemplo 2Þ13 Sejam E e F as matrizes seguintes

# " "   0 " " 


# " #   " % 3 
Eœ " " # e F œ # ' 5

Verifica-se, neste caso, que

" ! !

! "
EF œ FE œ ! " ! œ M$
!

De tudo o que se viu anteriormente, pode concluir-se que o produto matricial não é
comutativo e a discussão que fizémos pode ser condensada do seguinte modo:


 7 Á : Ê Existe

EF , mas não existe FE.

 Ê 7 œ : Ê 
E−Š 7ß8 7 Á 8 Ê EF − Š7ß7 • FE − Š8ß8 Ê EF Á FE

 7œ8Ê
 
F − Š8ß: EFß FE − Š8ß8 Ê Em geral, será EF Á FE,
mas existem matrizes permutáveis.
76 Matrizes [Cap. 2

A seguinte proposição resume algumas das propriedades do produto matricial:

Proposição 2Þ1 – Propriedades do produto matricial – Sejam 7ß 8ß :ß ; −  e Š um


corpo. O produto de matrizes sobre Š satisfaz as seguintes propriedades:
i) Associatividade: para quaisquer matrizes E − Š7ß8 , F − Š8ß: e G − Š:ß; , tem-se
EF G œ EFG 

ii) Distributividade à direita em relação à adição (e subtracção) matriciais: sendo


Eß F − Š7ß8 e G − Š8ß: , tem-se:
E  F G œ EG  FG

iii) Distributividade à esquerda em relação à adição (e subtracção) matriciais: sendo


E − Š7ß8 e Fß G − Š8ß: , tem-se:
EF  G  œ EF  EG

iv) Para quaisquer matrizes E − Š7ß8 e F − Š8ß: e qualquer escalar α − Š, verificam-


se as igualdades seguintes
αEF œ EαF  œ αEF 

v) Existência de elementos neutros (as matrizes identidade) à esquerda e à direita: para


qualquer matriz E − Š7ß8 , tem-se:
M7 E œ EM8 œ E

vi) Anulamento do produto: para quaisquer matrizes E − Š7ß8 , F − Š8ß: , tem-se


E œ S7ß8 ” F œ S8ß: Ê EF œ S7ß:

Observe-se que, ao contrário do que acontece com o produto de escalares, a recíproca


desta implicação não é válida: EF pode ser a matriz nula, sem que nem E nem F o
sejam.

Demonstração:
i) Para quaisquer 3 œ "ß #ß á ß 7 e 4 œ "ß #ß á ß ; :

EF G 34 œ EF 3< G<4 œ  E35 F5< G<4 œ   E35 F5< G<4
: : 8 : 8

<œ" <œ" 5œ" <œ" 5œ"

œ   E35 F5< G<4 œ E35  F5< G<4  œ  E35  F5< G<4 


8 : 8 : 8 :

5œ" <œ" 5œ" <œ" 5œ" <œ"

œ  E35 FG 54 œ EFG 34


8

5œ"
Sec. 2.4] Álgebra e Anel das matrizes quadradas 77

ii) Neste caso, a igualdade resulta de ser, para 3 œ "ß #ß á ß 7 e 4 œ "ß #ß á ß ::

E  F G 34 œ E  F 35 G54 œ E35  F35 G54 œ E35 G54  F35 G54 
8 8 8

5œ" 5œ" 5œ"

œ  E35 G54   F35 G54 œ EG 34  FG 34 œ EG  FG 34
8 8

5œ" 5œ"

iii) Tal como anteriormente, teremos, para 3 œ "ß #ß á ß 7 e 4 œ "ß #ß á ß ::

EF  G 34 œ E35 F  G 54 œ E35 F54  G54  œ E35 F54  E35 G54 
8 8 8

5œ" 5œ" 5œ"

œ  E35 F54   E35 G54 œ EF 34  EG 34 œ EF  EG 34
8 8

5œ" 5œ"

iv) Resulta imediatamente das igualdades seguintes, para 3 œ "ß #ß á ß 7 e 4 œ "ß #ß á ß ::





 αEF 34 œ αE35 F54 œ αE35 F54

8 8








5œ" 5œ"


     E35 F54 œ αEF 34
8 8
œ α E F œ α

35 54



5œ" 5œ"


         E35 αF54 
8 8




E α F œ E α F œ

35


34 54



5œ" 5œ"


  
αE35 F54  œ α E35 F54 œ αEF 34
8 8


œ
5œ" 5œ"

v) Tem-se, para 3 œ "ß #ß á ß 7 e 4 œ "ß #ß á ß 8 e sendo $34 o símbolo de Kronecker:





      

7 7
M E œ M E œ $35 E54 œ E34

7 34 7 35 54



5œ" 5œ"


      
8 8


EM 8 34 œ E M
35 8 54 œ E35 $54 œ E34
5œ" 5œ"

vi) Tem-se, para 3 œ "ß #ß á ß 7 e 4 œ "ß #ß á ß ::





        ! œ ! œ S7ß: 34
 7ß8 34
8 8 8
S F œ S F œ ! F œ

7ß8 35 54 54



5œ" 5œ" 5œ"


        ! œ ! œ S7ß: 34
8 8 8


ES8ß: 34 œ E 35 S8ß: 54 œ E35 ! œ
5œ" 5œ" 5œ"


78 Matrizes [Cap. 2

Exemplo 2Þ14 Um produto matricial pode ser nulo, sem que nenhum dos factores o seja,
como mostra o exemplo seguinte

" " 
Eœ
$ # 
# " !
$ $ 
•F œ # # Ê EF œ S#
!

Exemplo 2Þ15 Note-se, de passagem, que as “leis do corte” à esquerda e à direita não são
válidas (na mesma forma em que são válidas para os escalares). Por exemplo a lei do corte à
esquerda
a E Á S7ß8 • EF œ EG Ê F œ G 
E−Š7ß8
FßG−Š8ß:

não é válida, como mostra o exemplo seguinte

$ "   # #
Eœ
$ # 
# " !
! #   $ " 
ßFœ " ! ß G œ " #
!

O leitor pode verificar que, neste caso, será

E Á S#ß$ • EF œ EG œ 
%
& #
•F ÁG
$

Outra situação que exige cuidado é a da multiplicação de ambos os membros de uma


igualdade matricial por uma mesma matriz: há que fazer a multiplicação à esquerda em ambos
os membros ou à direita em ambos os membros; por exemplo, não são, em geral, válidas as
implicações
E œ F Ê GE œ FG e E œ F Ê EH œ HF

Se 7 œ 8, o produto matricial constitui uma lei de composição interna em Š8ß8 e as quatro


primeiras alíneas da proposição anterior são precisamente os axiomas M1 a M4 do capítulo 1. O
produto matricial é, pois, uma função bilinear associativa em Š8ß8 e este é igualmente um

quadradas de ordem 8 é (com a adição matricial 2.5, o produto por escalar 2.9 e com o
espaço vectorial (de dimensão 8# ) sobre Š: conclui-se que o conjunto Š8ß8 das matrizes

produto matricial 2.13) uma Álgebra Linear não comutativa sobre Š e a penúltima alínea da

identidade de ordem 8, M8 . É claro, igualmente, que Š8ß8 ß ß ‚  constitui um Anel não


proposição anterior mostra que esta álgebra tem unidade ou identidade, precisamente a matriz

comutativo com identidade, mas não um Corpo (se 8  ", o produto matricial não é

para que Š8ß8 ß ß ‚  não seja um corpo, pois há em Š8ß8 elementos singulares não nulos.
comutativo); quando estudarmos a inversão matricial, veremos que existe uma razão adicional

Se I œ 5M8 for uma matriz escalar, então, para qualquer matriz E − Š7ß8 ,
EI œ E5M8  œ 5EM8  œ 5E
ou seja, multiplicar E por uma matriz escalar I à direita equivale a multiplicar E pelo escalar 5
que forma a diagonal de I . Do mesmo modo, se I œ 5M7 for uma matriz escalar, então, para
qualquer matriz E − Š7ß8
Sec. 2.4] Álgebra e Anel das matrizes quadradas 79

IE œ 5M7 E œ 5M7 E œ 5E
ou seja, multiplicar E por uma matriz escalar I à esquerda equivale a multiplicar E pelo
escalar 5 que forma a diagonal de I : a isto se deve a designação de matriz escalar para as
matrizes da forma 5M8 , visto que elas se comportam na multiplicação por outra matriz como se
de escalares se tratasse.
Para as matrizes quadradas (e só para estas) é possível definir, por recorrência, a potenciação
com base matricial e expoente natural (para algumas matrizes quadradas, passaremos, mais
tarde, a expoente inteiro negativo) , pondo:

Definição 2Þ5 – Potência de matriz e expoente natural – Seja E − Š8ß8 uma matriz
quadrada de ordem 8 sobre um corpo Š. A potência de base E e expoente 5 − ! define-se
pondo, por recorrência,

 5 2.14
E! œ M8
E œ E5" Eß 5  !

É claro que a aplicação repetida de 2.14 dá, para 5  !,


E5 œ 
E EâE
5 factores

A potenciação goza de algumas das propriedades habituais, mas nem todas, como consta da

Proposição 2Þ2 – Propriedades da potência – Para quaisquer matrizes Eß F − Š8ß8 e


quaisquer :ß ; − ! , tem-se:
i) E: E; œ E:;

ii) E: ; œ E: ;

iii) Se E e F são permutáveis, então


EF : œ F : E

ivÑ Se E e F são permutáveis, então


E: F : œ EF :

(Se : − !ß ", a igualdade é válida, mesmo que E e F não sejam permutáveis).

Demonstração:
i) Por indução em ; : se ; œ !, tem-se:
E: E! œ E: M8 œ E: œ E:!
80 Matrizes [Cap. 2

Se E: E; œ E:; , então:
E: E;" œ E: E; E œ E: E; E œ E:; E œ E:; " œ E:;"

ii) Novamente por indução em ; . Se ; œ !, tem-se:


E: ! œ M8 œ E! œ E:!

Se E: ; œ E:; , então:


E: ;" œ E: ; E: œ E:; E: œ E:;: œ E:;"

iii) Suponha-se EF œ FE e mostremos a igualdade EF : œ F : E por indução em ::


Se : œ !, será
EF ! œ EM8 œ E œ M8 E œ F ! E

e, supondo que EF œ FE e EF : œ F : E, então:


EF :+1 œ EF : F  œ EF : F œ F : EF œ F : EF  œ F : FE œ F : F E œ F :" E

iv) De novo por indução em ::


Se : œ !, será
E! F ! œ M 8 M 8 œ F ! E !

Por outro lado, supondo que EF œ FE e E: F : œ EF : , tem-se:


E:+1 F :+1 œ E: EF : F  œ E: EF : F œ E: F : EF
œ E: F : EF  œ EF : EF  œ EF :"

As igualdades 2.5, 2.9 e 2.14 dão significado às expressões

:E œ  -5 E5 œ -! M8  -" E  -# E#  â  -7 E7 2.15


7

5œ!

onde 7   ! é um inteiro, os -5 !Ÿ5Ÿ7 são escalares de um corpo Š e E − Š8ß8 é matriz

-5 − Š e de grau Ÿ 7 e é óbvio que :E é ainda uma matriz quadrada de ordem 8.


quadrada de ordem 8: são os polinómios matriciais na matriz quadrada E, de coeficientes

Vejamos alguns exemplos:

Exemplo 2Þ16 Se E e F são matrizes permutáveis e se :F  œ  -5 F 5 for um polinómio


7

5œ!
arbitrário em F , vamos ver, graças a algumas das propriedades da álgebra matricial e à 3ª alínea
Sec. 2.4] Álgebra e Anel das matrizes quadradas 81

da proposição 2Þ2, que E e :F  são também permutáveis:

E:F  œ E -5 F œ  E-5 F 5  œ  -5 EF 5 


7 7 7
5

5œ! 5œ! 5œ!

œ  -5 F 5 E œ  -5 F 5 E œ  -5 F 5 E œ :F E
7 7 7

5œ! 5œ! 5œ!

matriz quadrada E e qualquer polinómio :, as matrizes E e :E são sempre permutáveis


O que acabámos de mostrar no exemplo anterior implica em particular que, para qualquer

E:E œ :EE 2.16

Exemplo 2Þ17 A não comutatividade do produto matricial acarreta a não validade de


algumas manipulações algébricas que estamos habituados a fazer sobre escalares. Seguem-se
alguns exemplos destas diferenças entre a manipulação de escalares e de matrizes:
ç Em geral, a fórmula do binómio de Newton não é válida, isto é, para 7   # inteiro e
Eß F − Š8ß8 , tem-se, geralmente:

 E  F 7 Á   E 2.17
7
7 75 5
F
5œ!
5

Por exemplo, para

 2 1 "   $ 1 # 
 $ " $   ! " " 
Eœ # ! " e F œ " # $

vem



  % ! $ 

 E  F  œ "" % "
  * ! ( 
#



  $ # ( 



 E  #EF  F œ % Á  E  F #
  "( 
# #
"! "
## "

Mas, para quaisquer matrizes Eß F − Š8ß8 será sempre, por exemplo,


E  F # œ E  F E  F  œ E#  EF  FE  F #
E  F $ œ E#  EF  FE  F # E  F  2.18
œ E$  E# F  EFE  EF #  FE#  FEF  F # E  F $

ç Se Eß F − Š8ß8 são matrizes permutáveis e 7 − ! é um inteiro, então será válida a


fórmula do binómio de Newton (ver secção 11 do apêndice B):

E e F são permutáveis Ê E  F  œ   E 2.19


7
7 7 75 5
F
5œ!
5
82 Matrizes [Cap. 2

Por exemplo, seja E − ‘$ß$ a matriz já anteriormente referida e G o seguinte polinómio do


3º grau na matriz E

 " & " 


G œ :E œ E  $E  E  #M$ œ ) ( "
 " $ ! 
$ #

Devido a 2.16, E e G são permutáveis (verifique!) e, portanto, o binómio de Newton é


aplicável a E e G ; por exemplo, para expoente 7 œ $, tem-se



  $#& &% "!) 

 E  G  œ &% $#&
  #(! "!( 
$
&%

!

  $#& "!) 


 œ  E  G $
&%

  "!( 
$ # # $
E  $E G  $EG  G œ &% $#& &%
#(! !

ç A fórmula da diferença de quadrados não é válida, isto é, para Eß F − Š8ß8 , tem-se,


geralmente:
E#  F # Á E  F E  F  2.20

Por exemplo, e de novo para as matrizes E e F anteriores, vem





  * # * 


  % $ * 
# #
E F œ ! " "#


  # ! " 


 E  F E  F  œ

  * # " 
" # "( Á E#  F #

Aqui, a fórmula que será sempre verificada é


E#  EF  FE  F # œ E  F E  F  2.21

ç Se Eß F − Š8ß8 são matrizes permutáveis, será então válida a fórmula da diferença de


quadrados
E e F são permutáveis Ê E#  F # œ E  F E  F  2.22

O leitor pode verificar que, para as matrizes permutáveis E e G já referidas, virá





  $* $) # 


  ") & 
# #
E  G œ '% "$ "%

#'

  $* # 


 E  G E  G  œ '% "$

$)

  ") & 
"% œ E#  G #
#'
Sec. 2.5] Transposição e transconjugação 83

2.5 Transposição e transconjugação


Vamos tratar agora de uma nova operação matricial que, ao contrário das anteriormente
estudadas, é uma operação unária que transforma matrizes em novas matrizes e a que se chama
transposição:

Definição 2Þ6 – Transposição – Seja Š um corpo e 7ß 8 − . A Transposta de uma matriz

de E (ou vice-versa, o que é, obviamente, equivalente). Sendo ET 43 o elemento da linha 4 e da
E − Š7ß8 é a matriz ET − Š8ß7 (também designada por E> ou Ew ), cujas linhas são as colunas

coluna 3 de ET e E34 o elemento da linha 3 e da coluna 4 de E, tem-se, portanto,


ET  œ E34 ß 3 œ "ß #ß á ß 7 e 4 œ "ß #ß á ß 8 2.23
43

A transposição satisfaz um certo número de propriedades muito simples que se resumem a


seguir:

Proposição 2Þ3 – Propriedades da transposição – Seja Š um corpo e 7ß 8ß : − . Para


quaisquer matrizes Eß F − Š7ß8 , G − Š8ß: e qualquer escalar α, tem-se:

ET  œ E
T
i)

ii) E „ F T œ ET „ F T

iii) αET œ αET

iv) EG T œ G T ET

Demonstração:
i) Para qualquer 3 œ "ß #ß á ß 7 e 4 œ "ß #ß á ß 8, virá:

ET   œ ET 43 œ E34


T
34

ii) Tem-se, para 3 œ "ß #ß á ß 7 e 4 œ "ß #ß á ß 8:


E „ F T  œ E „ F 34 œ E34 „ F34 œ ET  „ F T  œ ET „ F T 
43 43 43 43

iii) Neste caso e para 3 œ "ß #ß á ß 7 e 4 œ "ß #ß á ß 8, ficará


αET  œ αE34 œ αE34 œ αET  œ αET 
43 43 43

iv) Para 3 œ "ß #ß á ß 7 e 4 œ "ß #ß á ß :, tem-se:

EG T  œ EG 34 œ  E35 G54 œ ET  G T  œ G T  ET  œ G T ET 


8 8 8

43 53 45 45 53 43
5œ" 5œ" 5œ"


84 Matrizes [Cap. 2

Para qualquer matriz complexa E − ‚7ß8 , a matriz conjugada de E é designada por


E − ‚7ß8 e é formada pelos complexos conjugados dos elementos de E:
E œ E34 à 3 œ "ß #ß á ß 7 e 4 œ "ß #ß á ß 8 2.24
34

A seguinte proposição é consequência das propriedades do operador conjugação em ‚ e tem


demonstração imediata (deixada ao cuidado do leitor):

Proposição 2Þ4 – Propriedades da conjugação – Sejam 7ß 8ß : − . Para quaisquer


matrizes Eß F − ‚7ß8 , G − ‚8ß: e qualquer número complexo α, tem-se:

i) EœE

ii) E „ F œ E „ F

iii) αE œ α E. Se α − ‘, tem-se αE œ αE.

iv) Para qualquer matriz E − ‚7ß8 , tem-se E − ‘7ß8 Í E œ E.

v) EG œ E G

A matriz transposta de E é chamada a transconjugada de E e designada por E‡ .

Definição 2Þ7 – Transconjugação – Sejam 7ß 8 −  e E − ‚7ß8 uma matriz complexa. A


transconjugada de E é a matriz E‡ definida por

E‡ œ E 2.25
T

As proposições 2Þ3 e 2Þ4 implicam imediatamente as seguintes propriedades para o operador


transconjugação, cuja demonstração é óbvia (faça-a, a título de exercício!):
Proposição 2Þ5 – Propriedades da transconjugação – Sejam 7ß 8ß : − . Para quaisquer
matrizes Eß F − ‚7ß8 , G − ‚8ß: e qualquer número complexo α, tem-se:
i) E‡ ‡ œ E

ii) E „ F ‡ œ E‡ „ F ‡

iii) αE‡ œ αE‡ . Se α − ‘, tem-se αE‡ œ αE‡ .

iv) Para qualquer matriz E − ‚7ß8 , tem-se E − ‘7ß8 Í E‡ œ ET .

v) EG ‡ œ G ‡ E‡

De acordo com o seu comportamento perante os operadores transposição e transconjugação,


definem-se vários tipos importantes de matrizes: as matrizes simétricas, as matrizes hemi-
simétricas (ou anti-simétricas), as matrizes hermitianas (ou hermíticas) e as matrizes hemi- (ou
anti-) hermitianas (ou hermíticas). Seguem-se as definições:
Sec. 2.5] Transposição e transconjugação 85

Definição 2Þ8 – Matriz simétrica – Seja 8 −  e E œ  +34  − Š8ß8 uma matriz quadrada
de ordem 8 sobre um corpo Š. A matriz E diz-se simétrica sse for invariante por transposição,
isto é:
E é simétrica Í ET œ E 2.26

(Observe que a igualdade anterior implica que a matriz E seja quadrada). Em termos dos
elementos +34 de E, será:
+34 œ +43 ß 3ß 4 œ "ß #ß á ß 8 2.27

Os escalares +34 e +43 figuram na matriz E em posições simétricas relativamente à diagonal


principal respectiva. O seguinte exemplo mostra uma matriz simétrica complexa:
Exemplo 2Þ18 A seguinte matriz E − ‚$ß$ é simétrica:

 ! "3 $3 

 $3 "  3
E œ "  3 #3 %
%

Definição 2Þ9 – Matriz anti-simétrica – Seja 8 −  e E œ  +34  − Š8ß8 uma matriz


quadrada de ordem 8 sobre um corpo Š. A matriz E diz-se anti-simétrica (ou hemi-simétrica)
sse a matriz transposta de E for igual à matriz E:
E é anti-simétrica Í ET œ E 2.28

(Observe que a igualdade anterior implica, uma vez mais, que a matriz E seja quadrada).
Em termos dos elementos +34 de E, será:
+34 œ +43 ß 3ß 4 œ "ß #ß á ß 8 2.29

As igualdades anteriores implicam, em particular para os elementos da diagonal principal,


que se tem +33 œ +33 . Se o corpo Š tiver característica diferente de 2, isto conduz a que
+33 œ !. É o que acontece com os corpos , ‘ e ‚6 . O seguinte exemplo mostra uma matriz
real hemi-simétrica:
Exemplo 2Þ19 A seguinte matriz E − ‘$ß$ é hemi-simétrica:

 ! " $ 

 $ % ! 
E œ " ! %

Exemplo 2Þ20 Os conjuntos W œ EÀ ET œ E § Š8ß8 das matrizes simétricas de ordem 8


e L œ EÀ ET œ E § Š8ß8 das matrizes hemi-simétricas da mesma ordem constituem
subespaços de Š8ß8 (isto é, são satisfeitos os requesitos S1-S3 do capítulo 1, facto cuja
demonstração deixamos ao cuidado do leitor, como exercício).

6 Mas não com ™# , por exemplo. Aqui tem-se !  ! œ ! e também "  " œ !, o que mostra que ! œ ! e
" œ ": Portanto, ! não é o único escalar simétrico de si mesmo.
86 Matrizes [Cap. 2

Além disso, tem-se, para qualquer matriz E − Š8ß8 ,


E œ "# E  ET   "# E  ET 

sendo que "# E  ET  é uma matriz simétrica e "# E  ET  é hemi-simétrica, como se mostra a
seguir:
 " T T
œ "# E  ET  œ "# ET  ET   œ "# ET  E œ "# E  ET 

T T
# EE

  # E  E  œ # E  E  œ # E  E   œ # E  E œ  # E  E 
" T T " T T " T T T " T " T

A igualdade anterior significa que o espaço Š8ß8 é soma dos seus subespaços W e L (ver
definição 1.12):
Š8ß8 œ W  L

corpo Š tiver característica diferente de 2, será E œ S8 e, obviamente, W ∩ L œ S8  e o


Além disso, se E − W ∩ L , então ET œ E œ E, donde E œ E. Conclui-se que, se o

corolário 1.21.1 permite deduzir que Š8ß8 será soma directa de W e L :


Š8ß8 œ W Š L 2.30

Tem-se ainda, pela proposição 1.22 e atendendo a que dimŠ8ß8  œ 8# ,

œ "# 88  "


 dimW œ 2.31
8# 8
dimL œ
œ "# 88  "
#
# #
8#  8 #8 œ 8 #8

Definição 2Þ10 – Matriz hermitiana – Seja 8 −  e E œ  +34  − ‚8ß8 uma matriz


complexa quadrada de ordem 8. A matriz E diz-se hermitiana (ou hermítica) sse for invariante
por transconjugação, isto é:
E é hermitiana Í E‡ œ E 2.32

(Observe que a igualdade anterior implica que a matriz E seja quadrada). Em termos dos
elementos de E, será:
+34 œ +43 ß 3ß 4 œ "ß #ß á ß 8 2.33

As igualdades anteriores implicam, para os elementos da diagonal principal, que se tem


+33 œ +33 , o que é equivalente a +33 − ‘. O seguinte exemplo mostra uma matriz hermitiana:
Exemplo 2Þ21 A seguinte matriz E − ‚$ß$ é hermitiana:

 # "  3 $3 

 $3 ! 
Eœ "  3 $ %
%
Sec. 2.5] Transposição e transconjugação 87

Definição 2Þ11 – Matriz anti-hermitiana – Seja 8 −  e E œ  +34  − ‚8ß8 uma matriz


complexa quadrada de ordem 8. A matriz E diz-se anti-hermitiana (ou anti-hermítica)7 sse a
sua transconjugada coincidir com a simétrica:
E é anti-hermitiana Í E‡ œ E 2.34

(Observe que a igualdade anterior implica que a matriz seja quadrada). Em termos dos
elementos de E, será:
+34 œ +43 ß 3ß 4 œ "ß #ß á ß 8 2.35

As igualdades anteriores implicam, para os elementos da diagonal principal, que se tem


+33 œ +33 , o que é equivalente a +33 − 3‘ (conjunto dos imaginários puros). A seguir,
exemplifica-se uma matriz anti-hermitiana:
Exemplo 2Þ22 A seguinte matriz E − ‚$ß$ é anti-hermitiana:

 #3 "  3 $3 

 $3 ! 
E œ "  3 $3 %
%

Exemplo 2Þ23 ‚8ß8 é, como se viu, um espaço vectorial de dimensão 8# sobre ‚ e, portanto,
terá dimensão #8# sobre ‘ (ver exemplo 1.56).
Sejam ainda L œ EÀ E‡ œ E § ‚8ß8 e L w œ EÀ E‡ œ E § ‚8ß8 respectivamente os
conjuntos das matrizes hermitianas e hemi-hermitianas de ordem 8. Estes conjuntos não
constituem subespaços de ‚8ß8 , como espaço vectorial complexo, visto que a condição S2 –
fecho em relação ao produto por escalar complexo – não se verifica, atendendo à 3ª alínea da
proposição 2Þ5; no entanto, considerando ‚8ß8 um espaço vectorial real e atendendo àquela
alínea, os conjuntos L e L w já são subespaços de ‚8ß8 (isto é, são satisfeitos os requesitos S1-
S3 do capítulo 1, facto cuja demonstração deixamos ao cuidado do leitor, como exercício).
Além disso, tem-se, para qualquer matriz E − ‚8ß8 ,
E œ "# E  E‡   "# E  E‡ 

sendo que "# E  E‡  é uma matriz hermitiana e "# E  E‡  é hemi-hermitiana, o que se prova
a seguir:
 "# E  E‡ ‡ œ "# E  E‡ ‡ œ "# E‡  E‡ ‡  œ "# E‡  E œ "# E  E‡ 
  " E  E‡ ‡ œ " E  E‡ ‡ œ " E‡  E‡ ‡  œ " E‡  E œ  " E  E‡ 
# # # # #

A igualdade anterior significa que o espaço vectorial real ‚8ß8 é soma dos subespaços L e
L w (ver definição 1.12):
‚8ß8 œ L  L w

obviamente, L ∩ L w œ S8  e o corolário 1.21.1 permite deduzir que ‚8ß8 é soma directa de
Além disso, se E − L ∩ L w , então E‡ œ E œ E, donde E œ E, ou seja, E œ S8 e,

7 Usam-se também os termos hemi-hermitiana ou hemi-hermítica.


88 Matrizes [Cap. 2

L e L w:
‚8ß8 œ L Š L w 2.36

Quanto às dimensões de L e L w , tem-se (como exercício, encontre uma base de cada


subespaço),

2.37
8#  8
dim‘ L œ dim‘ L w œ 8  # œ 8#
#

Observe-se que estes resultados estão de acordo com a proposição 1.22:


#8# œ dim‘ ‚8ß8 œ dim‘ L  dim‘ L w œ 8#  8#

Para terminar esta secção, faremos referência a um operador matricial, chamado traço, que
actua sobre matrizes quadradas e que passamos a definir,

Definição 2Þ12 – Traço de uma matriz – Dada uma matriz E − Š8ß8 quadrada de ordem
8, chama-se traço de E à soma dos elementos da diagonal principal de E

trE œ  +33 − Š 2.38


8

3œ"

As principais propriedades do operador traço resumem-se na

Proposição 2Þ6 – Propriedades do traço – As principais propriedades do operador traço


são:
i) Para quaisquer matrizes Eß F − Š8ß8 , tem-se:
trE „ F  œ trE „ trF 

ii) Para qualquer escalar 5 − Š e qualquer matriz E − Š8ß8 , tem-se:


tr5E œ 5 trE

iii) Para qualquer matriz E − Š8ß8 , vem:


trET  œ trE

iv) Para quaisquer matrizes E − Š7ß8 e F − Š8ß7 e mesmo quando for EF Á FE, tem-
se sempre:
trEF  œ trFE

Demonstração:
Sec. 2.6] Submatrizes. Matrizes de blocos. Operações por blocos 89

i) Sejam E œ +34  e F œ ,34 . Então

trE „ F  œ  +33 „ ,33  œ  +33 „  ,33 œ trE „ trF 


8 8 8

3œ" 3œ" 3œ"

ii) Sendo E œ +34 , obtém-se

tr5E œ  5+33  œ 5  +33 œ 5 trE


8 8

3œ" 3œ"

iii) Basta observar que E e ET têm diagonais principais iguais.


iv) Sejam E œ +34  e F œ ,45 . O resultado pretendido decorre das igualdades sucessivas

trEF  œ  EF 33 œ   +35 ,53 œ   ,53 +35 œ  FE55 œ trFE


7 7 8 8 7 8

3œ" 3œ" 5œ" 5œ" 3œ" 5œ"

Na secção 2.16, mostramos o uso do software MATHEMATICA© para levar a cabo as


operações matriciais aqui estudadas.

2.6 Submatrizes. Matrizes de blocos. Operações por blocos


Considere-se uma matriz E − Š7ß8 e sejam : − "ß 7 e ; − "ß 8 dois inteiros. Sejam
M œ 3" ß 3# ß á ß 3:  § "ß 7
2.39
N œ 4" ß 4# ß á ß 4;  § "ß 8

duas partes não vazias de "ß 7 e de "ß 8 respectivamente (supomos 3"  3#  â  3: e


4"  4#  â  4; ). A matriz de tipo : ‚ ; sobre Š obtida de E tomando apenas os elementos
das linhas com índices pertencentes a M e das colunas com índices pertencentes a N é chamada
uma submatriz extraída de E de tipo : ‚ ; e será designada por uma das notações
EMà N  œ E3" ß 3# ß á ß 3: ;4" ß 4# ß á ß 4;  − Š:ß; 2.40

ou mais abreviadamente por


E3" ß 3# ß á ß 3: à 4" ß 4# ß á ß 4;  − Š:ß; 2.41

Nalgumas situações (como acontecerá no capítulo 4) é útil indicar os índices das filas
eliminadas, ao invés de indicarmos as filas seleccionadas, como começámos por fazer. Neste
sentido, se fizermos
M w œ "ß 7 Ï M œ <" ß <# ß á ß <7: 
N w œ "ß 8 Ï N œ =" ß =# ß á ß =8; 

designaremos a submatriz extraída de E indicando as filas eliminadas por


EMà N  œ E3" ß 3# ß á ß 3: à 4" ß 4# ß á ß 4;  œ EM w à N w  − Š7:ß8; 2.42

A convenção que faremos é, portanto, a de que:


90 Matrizes [Cap. 2

ç Para indicarmos as filas seleccionadas, usamos parêntesis rectos.


ç Para indicarmos as filas eliminadas, usamos parêntesis curvos.

partes não vazias de "ß 7 e "ß 8 respectivamente, temos as seguintes quatro alternativas de
A sintaxe anterior pode aplicar-se separadamente às linhas e às colunas de E e, sendo M e N

notação:
EMà N  œ E3" ß á ß 3: à 4" ß á ß 4;  − Š:ß;
EMà N  œ E3" ß á ß 3: à 4" ß á ß 4;  − Š7:ß8;
Indicação de linhas e colunas seleccionadas.

EMà N  œ 3" ß á ß 3: à 4" ß á ß 4;  − Š:ß8;


Indicação de linhas e colunas eliminadas.

EMà N  œ E3" ß á ß 3: à 4" ß á ß 4;  − Š7:ß;


Indicação de linhas seleccionadas e colunas eliminadas.
Indicação de linhas eliminadas e colunas seleccionadas.

É claro que, para : œ ; œ ", se terá E3à 4 œ +34 . O número de sequências nas condições
2.39 é de  7:  e  8; , respectivamente. Portanto o número de submatrizes de tipo : ‚ ;
existentes numa matriz de tipo 7 ‚ 8 é de  7:  ‚  8; .

Se os índices em 2.39 forem consecutivos (isto é, M e N são subintervalos de "ß 7 e de


"ß 8 respectivamente), as submatrizes respectivas chamam-se blocos de tipo : ‚ ; . Portanto,
um bloco de E é uma submatriz formada por filas consecutivas de E (mas não necessariamente

7 ‚ 8 é de 7  :  " ‚ 8  ;  ".
obtida eliminando filas consecutivas); o número de blocos de tipo : ‚ ; existente numa matriz

Exemplo 2Þ24 Sendo

 # $ % ! 

 & " & $ 


E œ " $ # % − ‘$ß%

tem-se, por exemplo,

E"ß $à #ß % œ E#à "ß $ œ E"ß $à "ß $ œ E#à #ß % œ 


" $ 
$ !
− ‘#ß#

E#ß $à "ß #ß $ œ E"à % œ E#ß $à % œ E"à "ß #ß $ œ 


& " & 
" $ #
− ‘#ß$

A primeira submatriz (do tipo # ‚ #) não é um bloco de E, pois as filas lá representadas não
são consecutivas; a 2ª destas submatrizes já constitui um bloco de E do tipo # ‚ $, constituído
pelas linhas consecutivas # e $ e pelas colunas consecutivas "ß # e $.
Sendo " Ÿ : Ÿ 7 e " Ÿ ; Ÿ 8, é possível dividir uma matriz de tipo 7 ‚ 8 em : ‚ ;

se construindo partições dos conjuntos dos índices "ß #ß á ß 7 das linhas e dos índices
blocos, mediante a construção de uma fragmentação da matriz: uma fragmentação de E obtém-

"ß #ß á ß 8 das colunas em : e ; subconjuntos respectivamente, através de sequências


crescentes de índices de linhas
# Ÿ 3"  3#  â  3:" Ÿ 7

e de índices de colunas
Sec. 2.6] Submatrizes. Matrizes de blocos. Operações por blocos 91

# Ÿ 4"  4#  â  4;" Ÿ 8

"ß #ß á ß 7 œ "ß á ß 3"  " ∪ 3" ß á ß 3#  " ∪ â ∪ 3:" ß á ß 7


 "ß #ß á ß 8 œ "ß á ß 4  " ∪ 4 ß á ß 4  " ∪ â ∪ 4 ß á ß 8 2.43
" " # ;"

As partições acima determinam : ‚ ; blocos E<=  "Ÿ<Ÿ: e a matriz E de blocos resultante


"Ÿ=Ÿ;

escreve-se na forma

E"" E"; 
E E#; 
E"# â
 #" 
Eœ  2.44
E## â
 ã ã ä ã 
E:" E:# â E:; 

Assim, a matriz E é do tipo 7 ‚ 8, como matriz de escalares, mas é do tipo : ‚ ; , como


matriz de blocos.
Exemplo 2Þ25 A seguinte matriz real está fragmentada em # ‚ $ blocos

 # " $ " 
" !
!
 
 
$ # %
 $ # & " œ 
E#$ 
E"" E"# E"$
 
 ! " $
"
E#" E##
# !
" # $ % # 

em que



 ""  " $  "#  #  "$  % ! 

# " ! $ "
E œ ßE œ ßE œ
  $ #   "   & " 



 E#" œ
  " #   $   % # 
! " ß E## œ # ß E#$ œ ! $

Neste caso, a fragmentação apresentada corresponde às partições 2.43 seguintes:


"ß #ß $ß %ß & œ "ß # ∪ $ß %ß &
 "ß #ß $ß %ß & œ "ß # ∪ $ ∪ %ß &, para as colunas
, para as linhas

A matriz é quadrada de &ª ordem, como matriz real e é do tipo # ‚ $, como matriz de blocos.
Reciprocamente, sejam :ß ; −  e E<=  "Ÿ<Ÿ: uma família de : ‚ ; matrizes sobre um corpo
Š tais que, para cada " Ÿ < Ÿ :, todas as matrizes E<= "Ÿ=Ÿ; têm o mesmo número 7< de
"Ÿ=Ÿ;

linhas e, para cada " Ÿ = Ÿ ; , todas as matrizes E<= "Ÿ<Ÿ: têm o mesmo número 8= de
colunas. Pode, então, construir-se uma matriz de blocos do tipo : ‚ ; que será designada por
E<=  "Ÿ<Ÿ: e que, como matriz de escalares, será do tipo 7 ‚ 8, onde 7 œ  7< e 8 œ  8= .
: ;

"Ÿ=Ÿ;
<œ" =œ"
92 Matrizes [Cap. 2

As operações matriciais podem ser realizadas por blocos. Como regra geral, podemos dizer
que se aplicam às matrizes de blocos os mesmos procedimentos válidos para as matrizes de
escalares. Tudo se passa como se as operações matriciais que atrás definimos fossem, afinal,
aplicadas a blocos do tipo " ‚ ".
Vejamos, uma a uma, as operações matriciais:
ç Adição por blocos: sejam :ß ; −  e E<=  "Ÿ<Ÿ: e F<=  "Ÿ<Ÿ: duas famílias de matrizes
sobre um corpo Š tais que, para cada " Ÿ < Ÿ :, todas as matrizes E<= "Ÿ=Ÿ; e F<= "Ÿ=Ÿ; têm
"Ÿ=Ÿ; "Ÿ=Ÿ;

o mesmo número 7< de linhas e, para cada " Ÿ = Ÿ ; , todas as matrizes E<= "Ÿ<Ÿ: e
F<= "Ÿ<Ÿ: têm o mesmo número 8= de colunas. A soma (respectivamente, a diferença) das
matrizes de blocos E œ E<=  "Ÿ<Ÿ: e F œ F<=  "Ÿ<Ÿ: é a nova matriz de blocos E „ F que se
"Ÿ=Ÿ; "Ÿ=Ÿ;

obtém somando (ou subtraindo) os blocos homólogos de cada uma delas:


E"" E";  F"" F";  E"" „ F"" E"; „ F"; 
E E#;   F#;   E#; „ F#; 
E"# â F"# â E"# „ F"# â
 #"  F#"  E#" „ F#" 
 „ œ 
E## â F## â E## „ F## â
 ã ã ä ã   ã ã ä ã   ã ã ä ã 
E:" E:# â E:;  F:" F:# â F:;  E:" „ F:" E:# „ F:# â E:; „ F:; 

2.45
ç Multiplicação de escalar por matriz de blocos: sejam :ß ; −  e E<=  "Ÿ<Ÿ: uma família
de matrizes sobre um corpo Š tal que, para cada " Ÿ < Ÿ :, todas as matrizes E<= "Ÿ=Ÿ; têm o
"Ÿ=Ÿ;

mesmo número 7< de linhas e, para cada " Ÿ = Ÿ ; , todas as matrizes E<= "Ÿ<Ÿ: têm o

E œ E<=  "Ÿ<Ÿ: , é a matriz obtida multiplicando por α cada um dos blocos E<=
mesmo número 8= de colunas. Sendo α − Š, o produto de α pela matriz E de blocos
"Ÿ=Ÿ;

E"" E";  αE"" αE"; 


E E#;   αE#; 
E"# â αE"# â
 #"  αE#" 
α œ  2.46
E## â αE## â
 ã ã ä ã   ã ã ä ã 
E:" E:# â E:;  αE:" αE:# â αE:; 

ç Transposição de matrizes por blocos: sejam :ß ; −  e E<=  "Ÿ<Ÿ: uma família de matrizes
sobre um corpo Š tal que, para cada " Ÿ < Ÿ :, todas as matrizes E<= "Ÿ=Ÿ; têm o mesmo
"Ÿ=Ÿ;

número 7< de linhas e, para cada " Ÿ = Ÿ ; , todas as matrizes E<= "Ÿ<Ÿ: têm o mesmo
número 8= de colunas. A transposta da matriz E œ E<=  "Ÿ<Ÿ: de blocos é a matriz que se obtém
"Ÿ=Ÿ;

transpondo cada bloco E<= e ainda transpondo E como se de uma matriz de escalares se tratasse

E"" E";  ET"" T 


 T 
T

E E#; 
T
E#" â E:"
E"# T 
E"# â
 #" 
  œ
 ã
 2.47
ã 
T
E## â E## â E:#
 ã ã ä ã   ã ä 
E:" E:# â E:;  E";
T T
E#; â E:; 
T
Sec. 2.7] Característica de uma matriz 93

ç Produto de matrizes por blocos: sejam :ß ;ß ? −  e E<=  "Ÿ<Ÿ: e F=>  "Ÿ=Ÿ; duas famílias
de matrizes sobre um corpo Š tais que, para cada " Ÿ < Ÿ : , todas as matrizes E<= "Ÿ=Ÿ; têm
"Ÿ=Ÿ; "Ÿ>Ÿ?

o mesmo número 7< de linhas e, para cada " Ÿ = Ÿ ; , todas as matrizes E<= "Ÿ<Ÿ: têm o

F=> "Ÿ>Ÿ? têm 8= linhas e que, para cada " Ÿ > Ÿ ?, todas as matrizes F=> "Ÿ=Ÿ; têm o mesmo
mesmo número 8= de colunas. Suponha-se ainda que, para cada " Ÿ = Ÿ ; , todas as matrizes

tipo 8= ‚ B> . O produto da matriz de blocos E œ E<=  "Ÿ<Ÿ: pela matriz de blocos F œ F=>  "Ÿ=Ÿ;
número B> de colunas. Portanto, as matrizes E<= são do tipo 7< ‚ 8= e as matrizes F=> são do

é a nova matriz de : ‚ ? blocos G œ G<>  "Ÿ<Ÿ: , em que


"Ÿ=Ÿ; "Ÿ>Ÿ?

"Ÿ>Ÿ?

G<> œ E<= F=> e onde G<> é matriz 7< ‚ B> 2.48


;

=œ"

As igualdades matriciais anteriores podem escrever-se na forma

E F  E"= F=#  E"= F=? 


=œ" "= =" 
; ; ;

F"?   
â
E"" E"; F""  ; 
E E#;  F#?    E#= F=? 
=œ" =œ"

   E#= F="  E#= F=#


E"# â F"# â
 #" F#" 
; ;

   œ =œ" 
E## â F## â â
 ã ã  ã ã   
 
=œ" =œ"

F;?   
ã ä ã ä
E:" E:; F;"  ; 
ã ã ä ã
  E:= F=#  E:= F=?
E:# â F;# â
=œ"E:= F=" 
; ;
â
=œ" =œ"

2.49
Na secção 2.16, refere-se a utilização do software MATHEMATICA© para tratar matrizes por
blocos, através do package ALGA`Matrizes`.

2.7 Característica de uma matriz


Nesta secção, vamos ver que, em qualquer matriz de tipo 7 ‚ 8 (eventualmente rectangular)
sobre um corpo Š, o subespaço de Š8 gerado pelas linhas e o subespaço de Š7 gerado pelas
colunas têm a mesma dimensão. Essa dimensão comum é um atributo importante da matriz a
que chamaremos a respectiva característica.
Proposição 2Þ7 Seja E œ  +34  − Š7ß8 uma matriz do tipo 7 ‚ 8 sobre um corpo Š, com
linhas <t" ß <t# ß á ß <t7  e colunas t- " ß t- # ß á ß t- 8 . O subespaço P<t" ß <t# ß á ß <t7  § Š8 e o
subespaço Pt- " ß t- # ß á ß t- 8  § Š7 têm dimensões iguais.

Demonstração:
Seja

 +"" â +"8 
+ â +#8 
+"#
E œ  #" 
+##

 +7" â +78 
ã ã ä ã
+7"

e sejam
94 Matrizes [Cap. 2

<t" œ +"" ß +"# ß á ß +"8 ß á ß <t7 œ +7" ß +7# ß á ß +78 


as 7 linhas de E. Suponha-se que dimP<t" ß <t# ß á ß <t7  œ < e que a lista = œ =t3 "Ÿ3Ÿ< formada
pelos < vectores de Š8 seguintes formam uma base de P<t" ß <t# ß á ß <t7 :
=t" œ ="" ß ="# ß á ß ="8 ß á ß =t# œ =#" ß =## ß á ß =#8 ß á ß =t< œ =<" ß =<# ß á ß =<8 

Então, cada uma das linhas <t3 "Ÿ3Ÿ7 de E é combinação linear (única) dos =t5 "Ÿ5Ÿ<



 

<



<t œ ? =t  ? =t  â  ? =t œ ?"5 =t5

" "" " "# # "< <


<t# œ ?#" =t"  ?## =t#  â  ?#< =t< œ  ?#5 =t5
5œ"
<






5œ"



â

 <t7 œ ?7" =t"  ?7# =t#  â  ?7< =t< œ  ?75 =t5
<

 5œ"

onde os ?35 são escalares únicos. As 7 igualdades vectoriais em Š8 anteriores equivalem às


7 ‚ 8 igualdades escalares, válidas para cada 4 œ "ß #ß á ß 8,



 

<



+ œ ? =  ? =  â  ? = œ ?"5 =54

"4 "" "4 "# #4 "< <4


+#4 œ ?#" ="4  ?## =#4  â  ?#< =<4 œ  ?#5 =54
5œ"
<






5œ"



â

 +74 œ ?7" ="4  ?7# =#4  â  ?7< =<4 œ  ?75 =54
<

 5œ"

Mas as igualdades escalares anteriores equivalem também às seguintes 8 igualdades


vectoriais (no espaço Š7 ), para 4 œ "ß #ß á ß 8,

 +"4   ?""   ?"#   ?"< 


+  ?  ?  ? 
t- 4 œ  #4  œ ="4  #"   =#4  ##   â  =<4  #< 
 +74   ?7"   ?7#   ?7< 
ã ã ã ã

as quais mostram que as colunas t- 4 de E são combinação linear dos < vectores de Š7

 ?""   ?"#   ?"< 


 ?#"   ?##  ? 
?t" œ  ß ?t# œ  ß á ß ?t< œ  #< 
 ?7"   ?7#   ?7< 
ã ã ã

Portanto, pode concluir-se que


Pt- " ß t- # ß á ß t- 8  § P?t" ß ?t# ß á ß ?t< 

A inclusão anterior implica


dimPt- " ß t- # ß á ß t- 8  Ÿ dimP?t" ß ?t# ß á ß ?t<  Ÿ < œ dimP<t" ß <t# ß á ß <t7 
Sec. 2.7] Característica de uma matriz 95

ficando, então
dimPt- " ß t- # ß á ß t- 8  Ÿ dimP<t" ß <t# ß á ß <t7 

Repetindo o argumento anterior em relação a ET e atendendo a que as linhas de ET são as


colunas de E e vice-versa, conclui-se que será também
dimP<t" ß <t# ß á ß <t7  Ÿ dimPt- " ß t- # ß á ß t- 8 

As duas últimas desigualdades equivalem à igualdade pretendida


dimP<t" ß <t# ß á ß <t7  œ dimPt- " ß t- # ß á ß t- 8  

A proposição anterior permite-nos pôr a seguinte

Definição 2Þ13 – Característica de uma matriz – Sejam 7ß 8 −  e E − Š7ß8 uma matriz

gerado pelas linhas (ou colunas) de E a qual será designada por cE.
de tipo 7 ‚ 8 sobre um corpo Š. Chama-se característica de E à dimensão do subespaço

Da definição anterior resultam imediatamente algumas propriedades que se resumem na

Proposição 2Þ8 – Propriedades da característica – Seja E − Š7ß8 uma matriz de tipo


7 ‚ 8 sobre um corpo Š. Então:
i) cS7ß8  œ ! e cM8  œ 8

ii) cET  œ cE.

iii) Se α − Š Ï !, então cαE œ cE.

iv) cE Ÿ min7ß 8.

v) Se F − Š8ß: for uma matriz de tipo 8 ‚ : sobre Š, tem-se


cEF  Ÿ mincEß cF 

vi) A característica de E é invariante, por operações elementares executadas sobre as


filas de E.

vii) Se E é uma matriz escalonada, a sua característica é igual ao número de linhas não
nulas nela existentes.

Demonstração:
i) O subespaço gerado pela linhas é !ß !ß á ß ! œ 9t. Portanto,
cS7ß8  œ dim9t œ !
96 Matrizes [Cap. 2

Por outro lado, as linhas de M8 constituem a base canónica de Š8 e o subespaço por elas
gerado é o próprio Š8 : portanto,
cM8  œ dimŠ8  œ 8

ii) É consequência imediata da proposição 2Þ7.


iii) Basta observar que as linhas de αE se obtêm das linhas de E por operações elementares
do tipo 2 (com α Á !); deste modo, a proposição 1.18 garante que os subespaços de Š8 gerados
pelas linhas de αE e de E são iguais, o mesmo acontecendo, portanto, às características
respectivas (que são as dimensões daqueles subespaços).
iv) Como E tem 7 linhas <t" ß <t# ß á ß <t7 , será cE œ dimP<t" ß <t# ß á ß <t7  Ÿ 7. Porém,
tem-se P<t" ß <t# ß á ß <t7  § Š8 e então fica também cE œ dimP<t" ß <t# ß á ß <t7  Ÿ 8. Daqui
resulta cE Ÿ min7ß 8, como se pretendia.
v) Fragmentando E nas suas 8 colunas t- 4 "Ÿ4Ÿ8 e F nos seus 8 ‚ : elementos ,45  "Ÿ4Ÿ8 e
calculando o produto EF por blocos, resulta a matriz Y œ EF œ ?t5 "Ÿ5Ÿ: fragmentada
"Ÿ5Ÿ:

também nas suas : colunas ?t5 onde

?t5 œ ,45 t- 4 à 5 œ "ß á ß :


8

4œ"

As : igualdades vectoriais anteriores (em Š7 ) significam que as colunas de EF são


combinação linear das colunas de E e que, portanto,
P?t" ß ?t# ß á ß ?t:  § Pt- " ß t- # ß á ß t- 8  Ê cEF  Ÿ cE

Raciocinando em termos das transpostas e recorrendo a ii), à proposição 2Þ3.iv e à


desigualdade anterior (aplicada a F T ET ), tem-se
cEF  œ cEF T  œ cF T ET  Ÿ cF T  œ cF 

Portanto, é simultaneamente cEF  Ÿ cE e cEF  Ÿ cF , o que implica a desigualdade


desejada: cEF  Ÿ mincEß cF .
vi) Observe-se que, pela proposição 1.18, uma operação elementar executada sobre as
linhas de uma matriz E − Š7ß8 não altera o subespaço vectorial Z § Š8 gerado por elas, nem
a dependência ou independência linear das referidas linhas; portanto, a dimensão de Z , que é a
característica de E, também não se altera. Obviamente que idêntico raciocínio vale também
para as colunas de E. Portanto:
A característica de E − Š7ß8 é invariante por operações elementares sobre as filas de E

vii) Se E é escalonada, as linhas nulas que eventualmente ocorram (na parte inferior de E)
podem ser retiradas da lista das linhas, que isso não alterará o subespaço Z § Š8 gerado pela
referida lista (as linhas nulas são combinação linear das anteriores – lema 1.13.2) e o corolário
1.11.1 garante que as linhas não nulas restantes são linearmente independentes: conclui-se daqui
que a característica de uma matriz escalonada é igual ao número de linhas não nulas nela
existentes:
E − Š7ß8 é escalonada Ê cE é o número de linhas de E não nulas. 
Sec. 2.8] Algoritmo de condensação vertical 97

2.8 Algoritmo de condensação vertical


O problema de calcular a característica de uma matriz E dada é muito importante em álgebra
linear e ele pode ser resolvido através de um algoritmo, baseado nas operações elementares
sobre listas de vectores (ver proposição 1.18) os quais, no caso vertente, são as linhas (ou as
colunas) da matriz E e conhecido por algoritmo de condensação vertical (se as operações
incidem sobre linhas) ou algoritmo de condensação horizontal (se as operações incidem sobre
as colunas de E). O algoritmo tem, como veremos, as mais variadas aplicações, para além do
cálculo da característica de uma matriz: resolução de sistemas de equações lineares, inversão de
matrizes, cálculo de determinantes, etc; ele resolve também o problema vectorial típico de
calcular uma base e a dimensão do subespaço gerado por uma lista de vectores dada,
determinando ainda se esta é ou não linearmente independente.
O algoritmo de condensação vertical baseia-se nas alíneas vi) e vii) da proposição 2Þ8 e visa,
por meio de uma sequência adequada de operações elementares sobre as linhas, transformar
qualquer matriz E − Š7ß8 numa matriz I escalonada, sendo que este processo não altera a
característica de E
cE œ cI  œ número de linhas não nulas de I

O referido algoritmo de condensação vertical pode ser informalmente delineado nos termos
seguintes:
1. Procurar um elemento não nulo na matriz E, fazendo esta busca por colunas da
esquerda para a direita e de cima para baixo. Se não foi encontrado nenhum elemento
diferente de zero, tem-se E œ S7ß8 e o algoritmo terminou com característica igual a
!. Se foi encontrado um elemento não nulo, ele pertencerá a uma certa linha 3 e a uma
coluna 5, ou seja, será +35 Á ! e a característica será, pelo menos, ".

2. Trocar a linha 3 onde ocorreu o elemento +35 anteriormente referido com a primeira
linha (operação elementar do tipo 1).
"
3. Observe-se que, neste ponto, será +"5 Á !; multiplique-se a primeira linha por +"5 ,
obtendo-se +"5 œ " (operação elementar do tipo 2); este elemento é chamado o 1º
redutor ou 1º pivot do algoritmo.

4. Para todas as linhas P3 a partir da segunda (inclusivé), substituam-se as linhas pela


diferença entre cada uma delas e o produto de +35 pela primeira linha (operação do
tipo 3): isto é, P3 será substituída por P3  +35 P" . Atendendo a que +"5 œ ", isto fará
com que o elemento +35 seja substituído por +35  +35 † +"5 œ +35  +35 † " œ !.

5. Repetir os todos os passos anteriores, para o bloco E"à "ß #ß á ß 5 − Š7"ß85


obtido de E eliminando a primeira linha e as primeiras 5 colunas, se este não for
vazio; caso contrário, o algoritmo terminou.

transformar uma matriz E œ +34  − Š7ß8 noutra matriz I escalonada e, em simultâneo,


Apresentamos, a seguir, o algoritmo de condensação vertical de um modo mais formal, para

calcular a característica < de E: os dados de entrada são a matriz E œ +34 . As saídas são a
característica < de E e a matriz escalonada F . As convenções de notação feitas na versão em
pseudo-código abaixo mostrada são:
98 Matrizes [Cap. 2

=................................... Afectação entre escalares (ou vectores de Š8 ).


aik ............................... Escalar: elemento da linha i e coluna k da matriz E.
Linhai ....................... Vector de Š8 constituído pela linha i da matriz E.
v Ç w.......................... Troca dos vectores v e w de Š8 entre si.
• ................................. Conjunção.
% Texto.....................Comentário.
Segue-se o algoritmo:

m=#Linhas(a); n=#Colunas(a);
r=0; k=0;
b=a;
Enquanto r  m • k  n
 % Busca do Pivot:
 Fazer

  k=k+1;

  i=r;
 
  Fazer
 
 

 

i=i+1

 Enquanto bik œ 0 • k  n;
Enquanto bik œ 0 • i  m

 Se b Á 0 então


% bik é pivot?
  % Redução da coluna k de b:
ik


  r=r+1à
 
  Se i Á r então Linhai Ç Linhar à
 
  Linhar =Linhar /brk à
% Op. de tipo 1
 
  Para i=r+1 até m
% Op. de tipo 2
  Linha =Linha -b *Linha

  FimPara
i i ik r % Op. de tipo 3

 FimSe
FimEnquanto;
Saída: {r, b}

Na secção 2.16, apresenta-se uma implementação do algoritmo anterior utilizando o software


MATHEMATICA© : trata-se da função Caracteristica definida no package chamado
ALGA`Matrizes`.

Quando se faz manualmente a condensação de uma matriz, raramente se segue


rigorosamente o algoritmo anterior. Algumas modificações do algoritmo incluem:
ç No passo 3 do algoritmo esboçado na pág. 97 deste capítulo, não se divide a primeira
linha pelo pivot (forçando o pivot a ser igual a "). Deste modo, se a referida linha for
constituída por inteiros, não aparecerão fracções nos outros elementos da linha, o que
complicará os cálculos subsequentes.

ç No passo 4, em vez de fazermos operações do tipo 3 para anular os elementos por


baixo do pivot, fazemos operações do tipo 4: para 3 œ #ß á ß 7, substitui-se P3 por
+"5 P3  +35 P" o que conduz a substituir +35 por +"5 +35  +35 +"5 œ !, como se
pretendia.
Sec. 2.8] Algoritmo de condensação vertical 99

ç No passo 1, escolher, sempre que possível, um elemento igual a " (e não apenas
diferente de zero), pois isso possibilitará a utilização de operações do tipo 3 (e não do
tipo 4) para reduzir a zero os elementos debaixo do pivot.

ç Observe-se que, se o objectivo é apenas o cálculo da característica de E, podemos


fazer, ao longo do processo, operações sobre linhas e também sobre colunas.

ç Ao programar o algoritmo e com vista a minimizar os erros de arredondamento


típicos do uso da representação de vírgula flutuante para implementar os números
reais, usa-se para pivot o elemento de maior valor absoluto da primeira coluna da
matriz na qual este elemento se não anule.

Vamos agora apresentar alguns exemplos de utilização do algoritmo de condensação vertical:


Exemplo 2Þ26 Calcule-se a característica da seguinte matriz E − ‘&ß% , usando condensação:

 # " ! 
 $ " " 
$
 
E œ  & # # 
#
 
$

 " " % 
# ! ) "
"!

Tem-se, executando as operações elementares indicadas e indicando dentro de rectângulos os


pivots utilizados,

 # " !   " "! %  " % 


 $ " # "   # "  P# ÄP# $P"  ! "$ 
$ " " "!
  ÇP   P$ ÄP$ &P"  
 & # $ # P
& # $ #   ! ") 
$ " # $#
    PP% ÄP
ÄP% #P"  
" & $ %(

 " " "! %   !  ! ) 


# ! ) " # ! ) " & & #P" ! # #) (
# " $ " "(

  " " "! % 


  P ÄP $P  ! " "( ) 
" " "! %

P# ÇP& 
  P$ ÄP$ #P#  
 
# ! ' 
! " "( )

  P& ÄP& #P#  
! $ %( ") % % ! %

  ! $ 
! # #) ( ! ! ' *
! # $# "$ ! #
   " "! % 
   " "( ) 
" " "! % "
  P% ÄP% P$  
P% Ä $ P%   P ÄP P  $ 
! " "( ) !
  & & $ 
P$ Ä # P$"

! ! # $  ! ! #

"

   ! 
P& ÄP& ! ! # $ ! ! ! !
! ! # $ ! ! !

Como existem 3 linhas não nulas na matriz escalonada final, a característica da matriz E (tal
como a de todas as matrizes que ocorreram ao longo do algoritmo) é 3, visto ser esta a dimensão
do subespaço de ‘% gerado pelas suas 5 linhas (as quais são linearmente dependentes o que era,
aliás, óbvio visto tratar-se de 5 vectores do espaço cartesiano ‘% cuja dimensão é 4); uma base
deste subespaço é formada pelas 3 primeiras linhas da matriz escalonada obtida.
100 Matrizes [Cap. 2

2.9 Sistemas de equações lineares. Princípios de equivalência


Nesta secção, aborda-se uma importante aplicação da teoria das matrizes e do algoritmo de
condensação: a discussão e resolução de sistemas de equações lineares num corpo Š qualquer.
Consideraremos sistemas com qualquer número 7 −  de equações e qualquer número 8 − 
de incógnitas e com coeficientes e incógnitas pertencentes a um certo corpo Š. A chamada
forma canónica de um tal sistema será


 +"" B"  +"# B#  â  +"8 B8 œ ,"
 #" " , em que  2.50
+ B  +## B#  â  +#8 B8 œ ,# +34 ß B4 ß ,3 − Š

â
 +7" B"  +7# B#  â  +78 B8 œ ,7
â 3 œ "ß á ß 7à 4 œ "ß á ß 8

ou ainda,

+34 B4 œ ,3 , onde 3 œ "ß á ß 7 2.50


8

4œ"

A forma canónica caracteriza-se, pois, por:


ç Estão no 1º membro todos os termos contendo as incógnitas (os termos +34 B4 ).
ç Os termos independentes de incógnitas estão no 2º membro (os termos ,3 ).
ç A ordem das incógnitas é a mesma em todas as equações, embora seja arbitrária.
Se os segundos membros das equações 2.50 forem todos nulos, o sistema diz-se
homogéneo, dizendo-se também homogénea cada equação do sistema.
Poremos, agora, duas definições importantes

Definição 2Þ14 – Solução de um sistema – Chama-se solução do sistema 2.50 a qualquer


vector
Bt œ B" ß B# ß á ß B8  − Š8
tal que se verifiquem em simultâneo as 7 igualdades 2.50. O conjunto W das soluções do
sistema é o subconjunto de Š8 que resulta da intersecção dos subconjuntos de Š8 constituídos

equação 2.50, será portanto,


pelas soluções de cada equação isoladamente; sendo W3 o conjunto das soluções da 3-ésima

W œ  W3
7

2.51
3œ"

W3 œ B" ß B# ß á ß B8 À +34 B4 œ ,3  § Š
8
8

4œ"

Definição 2Þ15 – Sistemas equivalentes – Diremos que dois sistemas de equações lineares
são equivalentes, sse o conjunto W das soluções é o mesmo para os dois sistemas.
Sec. 2.9] Sistemas de equações lineares. Princípios de equivalência 101

Isto implica imediatamente que o número 8 de incógnitas tem de ser igual em ambos
sistemas, mas não necessariamente o número 7 de equações, como se ilustra facilmente com o
exemplo seguinte: se uma das equações (a equação de ordem 5 ), tiver +54 œ ,5 œ ! (ou seja, a

neutro da intersecção 2.51, podemos eliminar W5 œ Š8 daquela intersecção sem alterar o


5-ésima equação é !B"  !B#  â  !B8 œ !), então será W5 œ Š8 . Como Š8 é o elemento

conjunto W , isto é, podemos eliminar a 5 -ésima equação do sistema, obtendo-se, assim, um


novo sistema (de 7  " equações) equivalente ao primeiro.
Note-se ainda que, se a equação 5 do sistema for da forma
!B"  !B#  â  !B8 œ ,5 Á !,
será W5 œ g e, como g é elemento absorvente para a intersecção 2.51, virá W œ g: o sistema
não terá qualquer solução (dizendo-se que é impossível, incoerente ou incompatível).
Existem 3 tipos de transformações que podem ser feitas sobre um sistema de equações
lineares e que não alteram o conjunto W das suas soluções: essas transformações constam dos
chamados princípios de equivalência dos sistemas:

executadas sobre um sistema de equações 2.50, não altera o conjunto W das soluções definido
Proposição 2Þ9 – Princípios de equivalência – Cada uma das seguintes operações, quando

por 2.51, resultando, portanto, num sistema equivalente ao primeiro:


i) Troca entre si de duas equações do sistema.

ii) Multiplicação de ambos os membros de uma das equações por um escalar não nulo.

iii) Substituição de uma das equações pela que dela se obtém, somando-a membro a
membro com outra das equações multiplicada por qualquer escalar.

Demonstração:
Considerem-se o sistema 1 dado por 2.50 e o sistema 2 obtido após execução de cada uma
das operações referidas e designem-se por W3" e W3# os conjuntos de soluções da 3-ésima equação
daqueles dois sistemas e por W " e W # os conjuntos das soluções dos mesmos:
i) Resulta imediatamente da comutatividade e associatividade da intersecção 2.51.
ii) Tem-se, neste caso e sendo " Ÿ 5 Ÿ 7 e α − Š Ï !,

W5" œ B" ß B# ß á ß B8 À  +54 B4 œ ,5 


8

4œ"

W5# œ B" ß B# ß á ß B8 À  α+54 B4 œ α,5 


8

4œ"

As implicações

B" ß B# ß á ß B8  − Ê +54 B4 œ ,5 Ê α+54 B4 œ α,5 Ê B" ß B# ß á ß B8  − W5#


8 8
W5"
4œ" 4œ"

mostram que W5" § W5# . Reciprocamente, se α Á !, existe α" e tem-se:


102 Matrizes [Cap. 2

B" ß B# ß á ß B8  − W5# Ê α+54 B4 œ α,5 Ê


8

4œ"

" 
α+54 B4 œ α α,5 Ê +54 B4 œ ,5 Ê B" ß B# ß á ß B8  − W5"
8 8
"
α
4œ" 4œ"

o que mostra que W5# § W5" e que, portanto, W5" œ W5# . W é, portanto, igual em ambos os sistemas.
iii) Sejam " Ÿ 3 Á 4 Ÿ 7 e considere-se o sistema 2 que resulta de 2.50, substituindo a
equação 3 pela sua soma com o produto de um escalar " pela equação 4. Comecemos por
observar que os conjuntos das soluções de ambos os sistemas se pode decompor da forma
seguinte

W " œ W3" ∩ W4"  ∩   W5" 


5Á3ß4

W # œ W3# ∩ W4#  ∩   W5# 


5Á3ß4

 W5" œ  W5# .
Como só a 3ª equação será distinta em ambos sistemas, será W5" œ W5# , para 5 Á 3 e, portanto

5Á3ß4 5Á3ß4

Bastará, agora, provar que W3" ∩ W4" œ W3# ∩ W4# ; tem-se, para o sistema 12.50,


 W3" œ B" ß B# ß á ß B8 À  +35 B5 œ ,3  § Š8
8



 W4" œ B" ß B# ß á ß B8 À  +45 B5 œ ,4  § Š8
5œ"


8

5œ"

e, para o segundo sistema, vem:




 W3# œ B" ß B# ß á ß B8 À  +35  " +45 B5 œ ,3  " ,4  § Š8
8



 W4# œ W4" œ B" ß B# ß á ß B8 À  +45 B5 œ ,4  § Š8
5œ"


8

5œ"

As implicações

B" ß B# ß á ß B8  − W3" ∩ W4" Ê +35 B5 œ ,3 • +45 B5 œ ,4 Ê


8 8

5œ" 5œ"

+35 B5 œ ,3 • +45 B5 œ ,4 • " +45 B5 œ " ,4 Ê


8 8 8

5œ" 5œ" 5œ"

+35  " +45 B5 œ ,3  " ,4 • +45 B5 œ ,4 Ê B" ß B# ß á ß B8  − W3# ∩ W4#


8 8

5œ" 5œ"

mostram que W3" ∩ W4" § W3# ∩ W4# . Por outro lado, usando o mesmo raciocínio, mas com " em
vez de " , conclui-se que W32 ∩ W42 § W31 ∩ W41 e que, portanto, W3" ∩ W4" œ W3# ∩ W4# . 
Sec. 2.10] Formas matricial e vectorial de um sistema 103

Com base no que vimos anteriormente, podemos ainda observar que, a estes 3 princípios de
equivalência, podemos juntar uma 4ª operação que conduz a um sistema equivalente (mas com
7  " equações): a que nos permite retirar do sistema qualquer equação do tipo
!B"  !B#  â  !B8 œ !.
É costume classificarem-se os sistemas 2.50, consoante a cardinalidade do conjunto
W § Š8 das suas soluções, do modo seguinte

Possível (W Á g)
Sistema
Determinado (#W œ ")

 Impossível (W œ g)
Indeterminado (#W  ")

2.10 Formas matricial e vectorial de um sistema


Vamos, agora, ver que as 7 equações simultâneas 2.50 equivalem a uma única igualdade
matricial e ainda a uma igualdade vectorial; estas igualdades constituem a forma matricial do

simples do sistema E œ  +34  − Š7ß8 , a matriz-coluna ou vector-coluna das incógnitas


sistema e a sua forma vectorial. Para tal, introduzam-se a matriz dos coeficientes ou matriz

\ œ  B" B# â B8 T e a matriz-coluna ou vector-coluna dos termos independentes


F œ  ," ,# â ,7 T . Usando estas matrizes, facilmente se reconhece que as 7 igualdades
simultâneas 2.50 equivalem à igualdade matricial única
E\ œ F 2.52

A igualdade anterior constitui a forma matricial do sistema de equações, que tem 2.50 por
forma canónica. Nesta forma, é evidente que cada \ satisfazendo a igualdade anterior constitui

Ew œ E F  − Š7ß8" .
uma solução do sistema. É ainda útil introduzir-se a matriz completa ou ampliada do sistema

Dado um sistema E\ œ F , diz-se que o sistema E\ œ S (com idêntica matriz dos


coeficientes E) é o sistema homogéneo associado a E\ œ F ; este sistema homogéneo tem,
portanto, os mesmos coeficientes +34 das incógnitas, mas termos independentes ,3 nulos.
Fragmentando a matriz E nas suas 8 colunas E" ß E# ß á ß E8 e a matriz \ nas suas 8 linhas
(que são, afinal, as incógnitas B4 ), obtém-se
B" E"  B# E#  â  B8 E8 œ F 2.53.1
ou, mais abreviadamente,

B4 E4 œ F 2.53.2
8

4œ"

É claro que poderíamos usar a notação vectorial, designando-se as colunas de E por


+t" ß +t# ß á ß +t8 e F por t,, vindo então

B4 +t4 œ t, 2.53.3


8

4œ"
104 Matrizes [Cap. 2

Qualquer das igualdades 2.53 é uma igualdade vectorial em Š7 que traduz o facto de ser
F combinação linear das colunas E4 "Ÿ4Ÿ8 da matriz E. Qualquer das igualdades vectoriais
2.53 é designada por forma vectorial do sistema 2.50 e esta forma é a chave para a
resolução das duas principais questões que se põem relativamente ao sistema:
ç Qual a condição necessária e suficiente para que o sistema seja possível?
ç Verificando-se a condição anterior, em que condições será o sistema determinado?
A seguinte proposição responde às duas questões anteriores:

equações lineares a 8 incógnitas, E\ œ F , com matriz completa Ew e sejam < œ cE e


Proposição 2Þ10 – Teorema da existência e da unicidade – Considere-se um sistema de 7

= œ cEw . Então:
i) O sistema é possível sse = œ <.

ii) O sistema é determinado sse, além de = œ <, é ainda < œ 8.

Demonstração:
i) Comecemos por observar que, como Ew tem apenas mais uma coluna do que E, a sua

sistema pode ter uma formulação vectorial, graças a 2.53: o sistema é possível sse o vector F
característica = só poderá ser igual a < ou a <  ". A questão da existência de solução para o

pertencer ao subespaço de Š7 gerado pela lista E œ E" ß E# ß á ß E8  de vectores de Š7 e,


pelo que vimos no capítulo 1, isso acontece sse PE" ß E# ß á ß E8  œ PE" ß E# ß á ß E8 ß F  ou
seja, sse = œ <.
ii) Supondo que = œ <, ter-se-á F − PE" ß E# ß á ß E8  e o sistema será determinado sse
os escalares B4 em 2.53 forem únicos. Para que isso aconteça, a proposição 1.8 mostra que
deverá a lista E" ß E# ß á ß E8  das colunas de E ser linearmente independente (ou seja, deverá
esta lista constituir uma base de PE" ß E# ß á ß E8 ), pelo que a característica < de E deverá ser
igual a 8. 
Observações:
ç A proposição 2Þ8.iv mostra que é sempre < Ÿ 8 e, quando um sistema for possível
(= œ <), a diferença 8  <   ! é chamada o grau de indeterminação do sistema. Se este for
igual a ", diremos que o sistema é simplesmente indeterminado; quando for igual a #, diremos
que é duplamente indeterminado e assim sucessivamente. Um sistema é, pois, determinado sse
= œ <, ou seja, sse o seu grau de indeterminação 8  < for igual a !.
ç Podemos, agora, precisar melhor a classificação dos sistemas feita anteriormente

= œ < Ê Possível (W Á g)
< œ 8 Ê Determinado (#W œ ").
Sistema
 = œ <  " Ê Impossível (W œ g).
<  8 Ê Indeterminado de grau 8  <  ! (#W  ").

ç Suponha-se que a característica < de E é igual ao número de equações 7; neste caso, é


necessariamente = œ 7, visto que Ew tem também 7 linhas e não pode ter característica 7  ":
o sistema é, portanto, possível, para todo o F − Š7 . Outra forma de obter este resultado é
Sec. 2.11] Algoritmo de Gauss-Jordan 105

observar que, quando < œ 7, fica PE" ß E# ß á ß E8  œ Š7 , o que leva a que todo o F − Š7
seja combinação linear dos E" ß E# ß á ß E8 .
ç Pelo que acabámos de ver, <  7 é condição necessária (mas não suficiente) para que um
sistema seja impossível.
ç Note-se ainda que se for 7  8 (número de incógnitas superior ao de equações), ter-se-á
concerteza <  8 e isto significa que o sistema não pode ser determinado (só poderá ser
impossível ou indeterminado).
ç Tudo o que acima foi dito pode ser usado para obter uma formulação alternativa da
discussão de um sistema:



 < œ 7 Ê = œ 7 Ê Possível (W Á g)

< œ 8 Ê Determinado (#W œ ").


<  8 Ê Indeterminado de grau 8  <  ! (#W  ").
Sistema

 = œ < Ê Possível (W Á g)
< œ 8 Ê Determinado (#W œ ").

 
  = œ <  " Ê Impossível (W œ g).
<  7 Ê <  8 Ê Indeterminado de grau 8  <  ! (#W  ").

2.11 Algoritmo de Gauss-Jordan


Observando que existe um perfeito paralelismo entre os princípios de equivalência dos
sistemas e as 3 operações elementares referidas na proposição 1.18, vemos que, aplicando estas
às linhas (e só às linhas) da matriz completa Ew , obtém-se a matriz completa de um novo
sistema que será equivalente ao primeiro. Observe-se que a única operação admitida sobre

equações 2.50, devendo, no final, ter-se essa reordenação em conta. Se usarmos o algoritmo
colunas é a troca de colunas da matriz E, a qual corresponde à reordenação das incógnitas nas

de condensação anteriormente referido, poderemos discutir e posteriormente resolver qualquer


sistema de equações lineares dado; tal é a base do algoritmo de Gauss-Jordan para a resolução
de sistemas de equações lineares:
ç Quando a matriz completa Ew estiver na forma escalonada, o mesmo se passa com a
matriz E dos coeficientes e ficaremos a conhecer as características = e <, assim como se o
sistema é ou não possível.
ç Sendo o sistema possível e comparando < com 8, saberemos se a solução é única.
ç Após levar a matriz completa Ew à forma escalonada, usam-se os < pivots já determinados
para, com operações do tipo 3 ou 4, anularmos os elementos da matriz E situados nas < colunas
dos pivots e acima destes, após o que poderemos trocar as colunas de E por forma a fazer com
que as colunas contendo os pivots ocupem as primeiras < posições em E (isso equivale a alterar
a ordem das incógnitas, o que deverá ser levado em conta, aquando da obtenção das soluções).
Dividindo, se necessário, cada linha 3 (entre " e <) por +33 , obtém-se a matriz completa Ew de um
sistema equivalente ao sistema dado e contendo, nas suas primeiras < filas, a matriz identidade
de ordem <, como se indica a seguir

Ew œ 
H7<ß" 
M< G<ß8< F<ß"
S7<ß< S7<ß8<

As primeiras < incógnitas (correspondentes às colunas de M< ) são chamadas incógnitas


principais e, se o sistema for possível e determinado, todas as incógnitas são principais; as
restantes 8  < incógnitas (correspondentes às colunas de G<ß8< ) são chamadas incógnitas
106 Matrizes [Cap. 2

secundárias ou livres (em número igual ao grau de indeterminação do sistema). Note-se que
não existem, quando o sistema for determinado (8  < œ !).
Podem, então, acontecer 3 casos:
1. H7<ß" Á S7<ß" : neste caso, será = œ <  " e o sistema será impossível.
2. H7<ß" œ S7<ß" : neste caso, será = œ < e o sistema será possível. Poderão agora
acontecer duas situações:
2.1. < œ 8 (sistema determinado): neste caso, as matrizes G<ß8< e S7<ß8< não existem,
não havendo incógnitas secundárias e ficando apenas

Ew œ 
S78ß" 
M8 F8ß"
S78ß8

A solução do sistema será, obviamente, \ œ F8ß" .


2.2. <  8 (sistema indeterminado de grau 8  <  !): neste caso, existem < incógnitas
principais e 8  < incógnitas secundárias, cujos valores ficam arbitrários. A matriz completa é

Ew œ 
S7<ß" 
M< G<ß8< F<ß"
S7<ß< S7<ß8<

Fragmentando \ em  < , onde \< é matriz-coluna contendo as < incógnitas principais e


\
\8<
\8< é outra matriz-coluna contendo as 8  < incógnitas secundárias, o produto E\ realizado
por blocos dá

E\ œ  <   œ <  œ  <ß" 


M G<ß8< \< \  G<ß8< \8< F
S7<ß< S7<ß8< \8< S7<ß" S7<ß"

Da igualdade anterior, segue-se que


\<  G<ß8< \8< œ F<ß"

donde,
\< œ F<ß"  G<ß8< \8<

Por fim, obtêm-se as soluções do sistema de equações lineares E\ œ F , em função das


8  < incógnitas secundárias, contidas em \8< .

\ œ  <  œ  <ß" 
\ F  G<ß8< \8<

2.54
\8< \8<

œ  <ß"
S8<ß"  M8< \8<  S8<ß"   M8<  8<
F  G<ß8< \8< F<ß" G<ß8<
œ  \

As 8  < incógnitas secundárias presentes em \8< ficam arbitrárias, tomando, cada uma
delas, qualquer valor do corpo Š:
Sec. 2.11] Algoritmo de Gauss-Jordan 107

ç Se Š for infinito, haverá uma infinidade de soluções para o sistema (o conjunto W será
infinito); se 8  < œ ", diz-se que há uma infinidade simples de soluções; se 8  < œ #, diz-se
que há uma dupla infinidade de soluções e assim por diante.
ç Se o corpo Š for finito, então será também finito o número de soluções do sistema, tendo-
se
#W œ #Š8< 2.55

Na última das igualdades 2.54, vemos que a solução geral \ de E\ œ F é soma de

\! œ 
S8<ß" 
F<ß"

(que é uma solução particular do sistema – exactamente aquela que se obtém, fazendo
\8< œ S) com

] œ
M8<  8<
G<ß8<
\

contendo as 8  < incógnitas secundárias B3" ß B3# ß á ß B38< . É claro que, se o desejarmos,
que é a solução geral do sistema homogéneo associado E\ œ S e onde \8< é vector-coluna

arbitrários >5 "Ÿ5Ÿ8< .


podemos substituir as 8  < incógnitas secundárias por outros tantos parâmetros escalares

Fragmentando a matriz 
M8< 
G<ß8<
− Š8ß8< nas suas 8  < colunas ]" ß ]# ß á ß ]8< ,

 M  œ ]" ]8< 
G<ß8<
]# â
8<

e fragmentando também \8< nas suas 8  < linhas (os parâmetros >5 œ B35 ), obtém-se

\ œ \!   >5 ]5 2.56
8<

5œ"

Vemos, agora, que as soluções de E\ œ S formam o conjunto

W! œ ] À ] œ  >5 ]5 • >5 − Š œ P]" ß ]# ß á ß ]8<  § Š8


8<

5œ"

W! é, portanto, o subespaço de Š8 gerado por ]" ß ]# ß á ß ]8<  e estes são linearmente


independentes formando, pois, uma base de W! ; então:
dimW! œ 8  < 2.57
O facto de que o conjunto W! das soluções de um sistema homogéneo E\ œ S constitui
sempre (ao contrário do que acontece com o conjunto das soluções de um sistema não
homogéneo) um subespaço vectorial de Š8 pode ser provado directamente, atendendo às
condições S1, S2 e S3 mencionadas no capítulo 1:
108 Matrizes [Cap. 2

ç Condição S1:
É claro que um sistema homogéneo tem sempre, pelo menos, a solução \ œ S, portanto
S − W!

ç Condição S2:
\ß \ w − W! Ê E\ œ S • E\ w œ S Ê E\  E\ w œ S  S
Ê E\  \ w  œ S Ê \  \ w − W!

ç Condição S3:
α − Š • \ − W! Ê α − Š • E\ œ S Ê αE\  œ αS Ê Eα\  œ S Ê α\ − W!

Também a decomposição 2.56 pode ser deduzida de uma forma directa, como mostra a
proposição seguinte que estabelece a relação entre as soluções de E\ œ F e de E\ œ S:

Proposição 2Þ11 – Relação entre as soluções de E\ œ F e E\ œ S – Sejam E − Š7ß8 e


F − Š7ß" matrizes dadas e considere-se o sistema de 7 equações e 8 incógnitas E\ œ F ,
com \ matriz das incógnitas e o respectivo sistema homogéneo associado E\ œ S. Sempre
que o sistema E\ œ F seja possível, a sua solução geral \ obtém-se de uma solução
particular \! , somando-lhe a solução geral ] do sistema homogéneo associado E\ œ S.

Demonstração:
8
Sejam W e W! os conjuntos de soluções de E\ œ F e de E\ œ S, respectivamente, e
fixemos uma solução \! − W qualquer de E\ œ F (solução particular). Comecemos por
provar que a soma de \! com qualquer solução ] − W! de E\ œ S dá-nos ainda uma solução
de E\ œ F :

Ê E\!  ]  œ F Ê \!  ] − W
\! − W • ] − W! Ê E\! œ F • E] œ S Ê E\!  E] œ F  S

Porém, todas as soluções de E\ œ F são desta forma, visto que, sendo \ qualquer solução
de E\ œ F , se tem

Ê E\  \!  œ S Ê \  \! − W!
\ − W • \! − W Ê E\ œ F • E\! œ F Ê E\  E\! œ F  F

\  \!  , conclui-se que a solução \ é, de facto, soma da solução


Mas, como \ œ \!  
−W!
particular \! com uma solução (que é \  \! œ ] ) de E\ œ S. 
Da proposição anterior, segue-se que, para qualquer \! − W , se tem:

W œ \À b \ œ \!  ] • ] − W!  2.58
]

8 W! e W são respectivamente um subespaço de Š8 e uma variedade linear (ver capítulo 7) de dimensão 8  <.
Sec. 2.11] Algoritmo de Gauss-Jordan 109

Podemos, pois, afirmar que o conjunto W resulta de fazer uma translação de W! , definida
pelo vector \! (ver esquema na figura 2.1).
n
K
0

Fig. 2.1 – Relação entre as soluções dos sistemas E\ œ F e E\ œ S.

Se o sistema E\ œ F é real, com 2 incógnitas e possível, então:


ç Se é determinado, W! œ !ß ! e W œ \!  são conjuntos singulares.
ç Se é simplesmente indeterminado, W! e W são duas rectas paralelas em que W! passa pela
origem (ver figura 2.2).
ç Se é duplamente indeterminado, então W! œ W œ ‘# (situação só possível com E œ S e
F œ S).

0
Fig. 2.2 – Caso de um sistema simplesmente indeterminado.

Se o sistema E\ œ F é real, com 3 incógnitas e possível, então:


ç Se é determinado, W! œ !ß !ß ! e W œ \!  são conjuntos singulares.
ç Se é simplesmente indeterminado, W! e W são duas rectas paralelas em que W! passa pela
origem (ver figura 2.2).
ç Se é duplamente indeterminado, W! e W são dois planos paralelos em que W! passa pela
origem (ver figura 2.3).
ç Se é triplamente indeterminado, então W! œ W œ ‘$ (situação só possível com E œ S e
F œ S).
110 Matrizes [Cap. 2

Fig. 2.3 – Caso de um sistema duplamente indeterminado.

A seguir, apresenta-se formalmente, o algoritmo de Gauss-Jordan, para a resolução de um


sistema de 7 equações a 8 incógnitas, numa versão em pseudo-código e, na secção 2.16,
apresenta-se a implementação na linguagem do software MATHEMATICA© constituindo a função

termos independentes e, como saída, uma solução particular =:4 "Ÿ4Ÿ8 do sistema e os vectores
GaussJordan. O algoritmo tem como entradas a matriz +34 dos coeficientes e o vector ,3 dos

=254  "Ÿ5Ÿ8< de uma base do espaço das soluções do sistema homogéneo associado; valem as
"Ÿ4Ÿ8

convenções tipográficas feitas na pág. 98 do presente capítulo:

m=#Linhas(a); n=#Colunas(a);
s=0; r=0; k=0;
c=[a,b]; % Matriz completa
Para k=1 até n
pivk =False % pivk =True sse kª incógnita é principal
FimPara;
Enquanto s  m • k  n+1
 % Busca do Pivot:
 Fazer

  k=k+1;

  i=s;
 
  Fazer
 
 

 

i=i+1

 Enquanto cik œ 0 • k  n+1;
Enquanto cik œ 0 • i  m

 Se c Á 0 então


% cik é pivot?
  % Redução da coluna k de c:
ik


  s=s+1;
 
  Se k Ÿ n então
 
  r=r+1;
 
  pivk =True
 
  FimSe;
 
  Se i Á s então Linhai Ç Linhas ;
  Linha =Linha /c ;
 
% Op. de tipo 1
  Para i=1 até m
 
s s sk % Op. de tipo 2
  Se i Á s então Linha =Linha -c *Linha

  FimPara
i i ik s % Op. de tipo 3

 FimSe
FimEnquanto;

% Discussão da solução e saída de resultados:


Se s Á r então
Saída: Sistema impossível
Senão
% Solução particular sp:
Sec. 2.11] Algoritmo de Gauss-Jordan 111

Para k=1 até n


spk =0
FimPara;
i=0;
Para k=1 até n
Se pivk œ True então
i=i+1;
spk œ ci,n+1
FimSe
FimPara;

% Solução sh do sistema homogéneo associado:


Para i=1 até n-r
Para k=1 até n
shik =0
FimPara
FimPara;
t=0;
Para s=1 até n
Se pivs œ False então
t=t+1;
i=0;
Para k=1 até n
Se pivk œ True então
i=i+1;
shtk =-cis
Senão
shts =1
FimSe
FimPara
FimSe
FimPara;
Saída: {sp, sh}
FimSe

Observações:
ç O algoritmo de eliminação Gauss-Jordan conduz a um grande número de operações de
divisão/multiplicação e de subtracção. Para obtermos uma estimativa do número de operações
necessárias à resolução de um sistema, consideremos a aplicação do método a um sistema de 8
equações e 8 incógnitas e convencionando considerar a multiplicação e subtração incluídas nas

multiplicação/divisão); Para a condensação da matriz completa E F , teremos:


operações de tipo 3 como uma operação única (o equivale a contar apenas as operações de

– Considerando o 1º pivot +"" Á !, para anular o elemento +3" da linha 3 e 1ª coluna teremos
que fazer a operação P3 Ä P3  ++""3" P" de tipo 3 e isto traduz-se por " divisão ( ++""3" ) e ainda 8

com "  4 Ÿ 8 e ao termo independente ,3 ), o que perfaz um total de "  8  "  " œ 8  "
operações de multiplicação/subtracção (correspondentes aos 8  " elementos +34 da linha 3,

8  "8  " œ 8#  " operações. Para os pivots seguintes, o número de operações irá
operações. Para anular todos os elementos +3" para 3  ", faremos portanto

sempre diminuindo, de modo que, para se obter uma matriz em escada, será necessário um total
X" de operações dado por

X" œ  5 #  " œ  5 #   " œ 88  "#8  "  8 œ 88  "#8  & ¸ 8$


8 8 8
" " "
5œ" 5œ" 5œ"
' ' $
112 Matrizes [Cap. 2

Para valores de 8 grandes, 8$ Î$ será uma boa estimativa do número de operações


necessárias à obtenção da matriz escalonada (dizemos que o número de operações é da ordem
de 8$ Î$).
– A fase de retro-substituição requer uma operação (divisão) para a incógnita B8 , duas para
B8" , três para B8$ e assim por diante. O total X# de operações nesta fase será de

X# œ  5 œ 88  "
8
"
5œ"
#

– Do que vimos nos pontos anteriores, o total geral X de operações conducentes à resolução
de um sistema de 8 equações e 8 incógnitas é portanto de

X œ X"  X# œ 88  "#8  &  88  " œ 88#  $8  " ¸ 8$


" " " "
' # $ $

Para valores elevados de 8, o número de operações necessárias à resolução de um sistema de


8 equações lineares e 8 incógnitas é, pois, da ordem de 8$ Î$.
ç O algoritmo é muito sensível à propagação de erros de truncatura nos cálculos, podendo
facilmente conduzir a soluções completamente erradas, para determinadas matrizes “mal-
condicionadas”. A situação de instabilidade nos cálculos ocorre em particular quando os pivots
têm um valor pequeno (em módulo); para evitar pivots pequenos, uma possível estratégia
chamada escolha parcial de pivots9 consiste em escolher o elemento de maior valor absoluto
na coluna relevante para pivot (em vez do primeiro não nulo dessa coluna, como fizémos) à
custa de uma troca de linhas (operação de tipo 1); um aperfeiçoamento adicional deste método é
a chamada escolha total de pivots10 , na qual se escolhe para pivot o elemento de maior valor
absoluto considerando também as colunas de E à direita da coluna relevante e fazendo uma
troca de colunas – e de linhas – para levar o pivot à posição corrente em consideração
(reordenação das incógnitas e operação de tipo 1).

Exemplo 2Þ27 Considere-se o sistema de % equações lineares a $ incógnitas reais




 B  #C  #D œ#

$B  #C  D œ&

 #B  &C  $D
 B  %C  'D
œ %
œ!

Condensemos a matriz completa do sistema:

" # " #  " # 


$ & ! ( "  ! ( " 
# # # # # #
Ew œ  Ä Ä Ä
# " ) )

"     # " 
# & $ % ! * " ) ! * " )
% ' ! ! # % # ! "

9 Em inglês, partial pivoting.


10 Em inglês, total pivoting.
Sec. 2.11] Algoritmo de Gauss-Jordan 113

" #  " # #  " # # #  " # # #


! # "  ! " "   ! " # "  ! " # "
# # #
 Ä Ä Ä 
" #

!       !
! * " ) ! ! "( "( ! ! " " ! ! " "
) ( " ! ! * * ! ! " " ! ! !

Neste caso, é = œ < œ 8 œ $ e, portanto, o sistema é possível e determinado. A última linha


nula pode ser retirada da matriz, obtendo-se a matriz completa de um sistema equivalente ao
dado e, para determinar a única solução existente, basta transformar a matriz dos coeficientes
(quadrada de $ª ordem) na matriz identidade

" # # #  " # ! %  " ! ! #

! "  ! ! "  ! ! " "


! " # " Ä ! " ! " Ä ! " ! "
! " "

O conjunto das soluções do sistema é, pois, W œ #ß "ß ".


Exemplo 2Þ28 Vejamos, agora, o sistema em ‘
 B  &C  %D  "$A œ $
 $B  C  #D  &A œ #
 #B  #C  $D  %A œ "

Procedendo como anteriormente, obtém-se

" & % "$ $ " & % "$ $  " & % "$ $

# " ! &  ! $
$ " # & # Ä ! "' "! %% ( Ä ! "' "! %% (
# $ % ) & ## ! ! !

Tem-se, neste caso, = œ $ e < œ # e, então, o sistema não tem qualquer solução (sistema
impossível), sendo W œ g.
Exemplo 2Þ29 Seja, agora, o sistema real
 B  #C  $D  #A œ #
 #B  &C  )D  'A œ &
 $B  %C  &D  #A œ %

Partindo, de novo, da matriz completa e condensando, vem

" # $ # # " # $ # #  " # $ # #

$ % !  ! ! ! !
# & ) ' & Ä ! " # # " Ä ! " # # "
% & # # % % # !

Agora, será = œ < œ # e 8 œ %; consequentemente, o sistema é possível e duplamente


indeterminado (8  < œ %  # œ #). As incógnitas principais são as que correspondem às
colunas onde ocorreram os pivots, ou seja, são B e C ; as incógnitas secundárias são as restantes
D e A. De novo, a última linha pode ser eliminada, obtendo-se a matriz completa de um sistema
equivalente ao sistema inicial e, para obter a solução geral do sistema (que já sabemos ter uma
dupla infinidade de soluções), basta transformar a matriz de #ª ordem formada pelas duas
114 Matrizes [Cap. 2

colunas das incógnitas principais na matriz identidade M# :

! "
Ä
"
" # $ # # " ! " # !
" # # ! " # #

Tem-se, portanto


 B œ D  #A

C œ "  #D  #A

D œ D
, em que Dß A − ‘
A œ A

O conjunto W das soluções do sistema dado é, portanto,


W œ D  #Aß "  #D  #Aß Dß AÀ Dß A − ‘
œ !ß "ß !ß !  D "ß #ß "ß !  A#ß #ß !ß "À Dß A − ‘ § ‘%

Exemplo 2Þ30 Considere-se o corpo ™& ß ß ‚  dos inteiros módulo &, onde as operações
estão definidas por
 ! " # $ % ‚ ! " # $ %
! ! " # $ % ! ! ! ! ! !
" " # $ % ! " ! " # $ %
# # $ % ! " # ! # % " $
$ $ % ! " # $ ! $ " % #
% % ! " # $ % ! % $ # "

Tendo em atenção estas tabelas, podemos construir a tabela dos simétricos e inversos:

B B B"
! ! 
" % "
# $ $
$ # #
% " %

Determinemos as soluções do sistema de equações lineares nas incógnitas Bß Cß D − ™& :


 B  #C  #D œ $
 $C  %D
 $B  $C  #D œ $
œ"

Procedendo como nos exemplos anteriores e atendendo às tabelas anteriores para as


operações em ™& , vem

" # # $ " $ # $ " $ # $ " $ # $

$ $ $ $ ! % ! $
! $ % " Ä ! $ " " Ä ! $ " " Ä ! $ " "
$ # $ $ % # ! #
Sec. 2.11] Algoritmo de Gauss-Jordan 115

Aqui, é = œ < œ 8 œ $ e o sistema é possível e determinado. Vamos, agora, obter a solução


do sistema, observando que #" œ $ e %" œ %,

" $ # $ " $ ! ! " ! ! $ " ! ! $

! $ ! $ ! $ ! %
! $ " " Ä ! % ! " Ä ! % ! " Ä ! " ! %
! # ! # ! # ! "

A solução do sistema é, portanto, $ß %ß %Þ


Exemplo 2Þ31 Considere, de novo em ™& , o sistema
 %B  $C  $D œ "
 #B  %C  $D œ !
 B  #C  $D œ $

Tem-se, agora,

% $ $ " " $ # % " $ # % " $ # %

" # $ % # # $ ! ! % # ! ! ! !
# % $ ! Ä # " $ ! Ä ! ! % # Ä ! ! % #
$

O sistema tem = œ < œ # e 8 œ $, sendo possível e simplesmente indeterminado. Para obter


as soluções, continuamos a condensação, eliminando a última linha e trocando entre si a
segunda e a terceira coluna (nova ordem para as incógnitas: Bß Dß C ),

!  Ä  Ä
$
" # $ % $ ! % % " ! $ $
% ! # ! % ! # ! " !

As incógnitas principais são B e D e a incógnita secundária é C . A matriz completa obtida


permite escrever a solução geral do sistema:
 B œ $  $C œ $  #C
C œ C
D œ $
, onde C − ™&

O conjunto W das soluções do sistema tem, portanto, & elementos (ver equação 2.55),
obtidos da solução geral anterior fazendo C tomar todos os valores de ™& œ !ß "ß #ß $ß %:
W œ $ß !ß $ß !ß "ß $ß #ß #ß $ß %ß $ß $ß "ß %ß $

Exemplo 2Þ32 Consideremos o sistema real seguinte, onde + e , são parâmetros reais
 B  +C  +D
 B  +  , C  D œ +
œ"

 ,B  +,C  ,D œ +# ,
116 Matrizes [Cap. 2

Como os coeficientes do sistema dependem dos parâmetros +ß , − ‘, destes dependerá


igualmente a natureza do sistema. Analisemos a situação:

" + + "  " + + " 


, +# ,  ! ! "  + , +#  ",
" +, " + Ä ! , "+ +"
+, ,

O seguinte esquema resume os casos possíveis e mostra que o sistema nunca é impossível:


 , œ !
+ œ " Ê = œ < œ " • 8 œ $ Ê sistema duplamente indeterminado.
Sistema
+ Á " Ê = œ < œ # • 8 œ $ Ê sistema simplesmente indeterminado.

 , Á ! + œ " Ê = œ < œ # • 8 œ $ Ê sistema simplesmente indeterminado.
 + Á " Ê = œ < œ $ • 8 œ $ Ê sistema determinado.

Vamos resolver o sistema nos quatro casos anteriores:


ç Para + œ " • , œ !, vem, tomando B para incógnita principal,
B œ "C D
C œ C
D œ D
, em que Cß D − ‘

Isto permite obter a solução geral na forma vectorial:


Bß Cß D  œ "  C  Dß Cß D  œ "ß !ß !  C "ß "ß !  D "ß !ß ", em que Cß D − ‘

"ß !ß ! é uma solução particular do sistema dado (é a que se obtém, fazendo C œ D œ !) e


C "ß "ß !  D "ß !ß " é a solução geral do sistema homogéneo associado ao sistema inicial,
a qual constitui o subespaço de ‘$ gerado por "ß "ß ! e "ß !ß " os quais formam uma base
deste subespaço, que terá dimensão # (igual ao grau de indeterminação).
ç Para + Á " • , œ !, eliminando a terceira linha (nula) e trocando entre si a segunda e
terceira coluna (ordem das incógnitas: Bß Dß C ), vem

!  Ä
! "  + ! +  "
" + + " " + + "
Ä
! "+ +"

Ä  Ä
" 
" + + " " ! + +"
! " ! " ! " !

As variáveis principais são B e D e a solução geral é


 B œ +  "  +C
C œ C
 D œ "
, em que C − ‘

A solução geral na forma vectorial é


Bß Cß D  œ +  "  +Cß Cß " œ +  "ß !ß "  C +ß "ß !, em que C − ‘
Sec. 2.11] Algoritmo de Gauss-Jordan 117

+  "ß !ß " é uma solução particular do sistema dado (é a que se obtém, fazendo C œ !) e
C +ß "ß ! é a solução geral do sistema homogéneo associado ao sistema dado, a qual constitui
o subespaço de ‘$ gerado por +ß "ß ! sendo este vector uma base deste subespaço, que terá
dimensão " (igual ao grau de indeterminação).
ç Para + œ " • , Á !, eliminando a última linha (nula), vem

!  Ä  Ä
"
" " " " , ! , , " ! " "
, ! ! ! , ! ! ! " !

As variáveis principais são B e C e a solução geral é


B œ "D
C œ !
D œ D
, em que D − ‘

A solução geral na forma vectorial é


Bß Cß D  œ "  Dß !ß D  œ "ß !ß !  D "ß !ß ", em que D − ‘

"ß !ß ! é uma solução particular do sistema dado (é a que se obtém, fazendo D œ !) e


D "ß !ß " é a solução geral do sistema homogéneo associado ao sistema dado, a qual constitui
o subespaço de ‘$ gerado por "ß !ß " sendo este vector uma base deste subespaço, que terá
dimensão " (igual ao grau de indeterminação).
ç Finalmente, para + Á " • , Á !, vem sucessivamente,

" + + "  " + + " 


! "  +, +#  ",  ! ! +  " 
! , "+ +" Ä ! , "+ +" Ä
! 1
" ! ++  "  "   , ! ! ,++  "  "  + "  + 
+ "  + 
#

+ "  + 
+

! +  "   +  " 


! , ! Ä ! , ! Ä
! " ! ! "
" , +  +# ,  "  +,  ,
! 
" $

, "  + 
! !
+

! +  " 
" !
! "

Pelo que a única solução é


 B œ " +$  +# ,  "  +,  ,
 C œ +, "  +
,

 D œ +  "

Exemplo2.33 Vejamos, agora, o sistema real de 3 equações e 3 incógnitas seguinte, em que


+ e , são parâmetros reais
 +B  C  +D
 #B  C  +D
œ #,  ,D

 +B  C  +  ,D œ +  $,  ,#  +# D
œ +  #,  +B  #,D
118 Matrizes [Cap. 2

Primeiro, há que levar o sistema nas incógnitas reais Bß Cß D  à forma canónica:
 +B  C  +  ,D
 #  +B  C  #,  +D
œ #,

 +B  C  +  ,"  +  ,D œ +  $,
œ +  #,

Condensemos a matriz ampliada E F  do sistema, por meio de operações elementares e

a ser Cß Bß D :
começando por trocar as 2 primeiras colunas, o que significa que a ordem das incógnitas passou

 + " +, #,   " + +, #, 

 +   +  $, 
+  #, 
" +  ,"  +  , +  $, +  ,"  +  ,
#+ " #,  + G" ÇG# " #+ #,  + +  #,
" +
" + +, #, 


 ! ! +  ,+  , +  , 
P# ÄP# P"
P$ ÄP$ P"
! # , +

O
a

Impossível
Simplesmente
indeterminado

Determinado

Fig. 2.4 – Discussão do sistema no plano dos parâmetros +ß ,.

parâmetros + e , e onde < œ cE e = œ cE F :


É, agora, possível discutir as soluções do sistema, em função dos valores reais dos

 +  , œ ! Ê < œ = œ # Ê possível e 8  < œ $  # œ " (simplesmente indetº)


Sistema
+  , Á ! Ê = œ $

+  , œ ! Ê < œ # Ê impossível
+  , Á ! Ê < œ $ Ê possível e 8  < œ ! (determinado)

Considerando o espaço ‘# dos parâmetros +ß ,, podemos ilustrar toda a discussão anterior
na figura 2.4.
Vamos, agora, resolver o sistema nos casos de possibilidade:
Sec. 2.11] Algoritmo de Gauss-Jordan 119

ñ Se for +  , œ !, a matriz completa do sistema será, após eliminar a 3ª linha (nula) e


substituir , por +:
+%+
 +%+ 
! +  !  "P  
" + #+ #+ P Ä#P +P #
" " #
! %+  +# %+  +# 
P" Ä "# P" " ! # #
# + # + + P Ä
# # # ! "  +# +
#

Portanto, as soluções são, para quaisquer +ß D − ‘, (relembre a ordem Cß Bß D  das


incógnitas!)




+ +
B œ  D
C œ    +  + %  + 
# #


+ %

 D
D œ D
# #

Vectorialmente, fica
+ %  +  + %  + 
Bß Cß D  œ  Dß D 
+ +
 Dß  
# # # #
+ + %  +  + + %  + 
œ  ß ß !  D  ß  ß "
# # # #

O vector  +# ß  +%+
# ß ! é uma solução particular do sistema inicial (obtida quando D œ !) e

a parcela D  +# ß  +%+
# ß " é a solução geral do sistema homogéneo associado àquele.

por +  ,+  ,,


ñ Se for +  , Á ! • +  , Á !, a matriz completa do sistema será, após dividir a 3ª linha

" #,  " ! #,  " 


+ P ÄP ,+P  ! , 
+ +, +


! " 
P# ÄP# ,P$

! 
! # , # ! +  +,
" " $
! " "
! "
#,  "  +# +  , 
+, +,

" +, 
! 
! !
P" ÄP"  +

#  #+,
# P# + ,

! 
P# Ä # P#" " !
"
! " +,

A solução (única) do sistema é, em função de + e , (observe-se de novo a ordem Cß Bß D  das


incógnitas!):

Bß Cß D  œ  ß #,  "  +  ß 
+ , + , "
# #+  ,

# +, +,

Exemplo 2.34 – Métodos de Jacobi e de Gauss-Seidel – Vamos agora mencionar dois


métodos iterativos para resolver sistemas  +34 B4 œ ,3 Ð3 œ "ß #ß á ß 8Ñ de 8 equações lineares
8

4œ"
e 8 incógnitas determinados (= œ < œ 8) e ainda com +33 Á !. Resolvendo cada equação em
120 Matrizes [Cap. 2

ordem a B3 , obtemos

,3   +34 B4 
"
B3 œ
+33 4Á3

Definamos, por recorrência, uma sucessão de pontos Bt5 œ B5ß" ß B5ß# ß á ß B5ß8  − Š8 , do
modo seguinte:
 Bt! œ B!ß" ß B!ß# ß á ß B!ß8  − Š8
 B5ß3 œ " ,3   +34 B5"ß4 à 5  ! e 3 œ "ß #ß á ß 8
 +33
4Á3

Prova-se que, se esta sucessão for convergente, ela converge para a solução do sistema. Este
método é conhecido por método de Jacobi11 .
Uma variante do algoritmo anterior que, normalmente, converge mais rapidamente para a
solução é o método de Gauss-Seidel12 , no qual se utilizam imediatamente as coordenadas do
vector Bt5 assim que se determinam, isto é, põe-se
 Bt! œ B!ß" ß B!ß# ß á ß B!ß8  − Š8
 B œ " ,   + B   + B
34 5"ß4 à 5  ! e 3 œ "ß #ß á ß 8

5ß3 +33 3 34 5ß4
43 43

Uma condição suficiente (mas não necessária) para que ambos os métodos convirjam é que,
para cada 3, os +33 sejam superiores em módulo à soma dos módulos dos restantes +34 , isto é,

a +33    +34 
"Ÿ3Ÿ8
4Á3

qual a iteração termina quando Bt5  Bt5"   & (& especificado) ou quando se atinge um certo
A seguir apresenta-se a implementação do método de Gauss-Seidel no MATHEMATICA© , na

número especificado de pontos calculados. Nesta implementação, é devolvida a solução e o


número de pontos calculados:
GaussSeidel[a_?MatrixQ, b_?VectorQ, x0_?VectorQ, &_, maxiter_?IntegerQ] :=
Module[{y0 = x0, y1 = x0, n = Length[x], i, j, cont = True, m = 0},
While[cont,
For[i = 1, i <= n, i++,
y1[[i]] = 1/a[[i, i]]*(b[[i]] - Sum[a[[i, j]]*y1[[j]], {j, 1, i - 1}] -
Sum[a[[i, j]]*y0[[j]], {j, i + 1, n}]);
m++

cont = Norm[y1 - y0] >= & && m <= maxiter;
y0 = y1
];
{y1, m}
]

11 Jacobi, Carl Gustav Jacob: matemático alemão (Potsdam 1804 – Berlim 1851).
12 Seidel, Philipp Ludwig von: matemático alemão (Zweibrücken 1821 – München 1896).
Sec. 2.12] Inversão matricial 121

A função seguinte devolve a lista de pontos calculados (incluindo Bt! ):


GaussSeidelPoints[a_?MatrixQ, b_?VectorQ, x0_?VectorQ, &_, maxiter_?IntegerQ] :=
Module[{y0 = x0, y1 = x0, n = Length[x], i, j, cont = True, lista, m = 0},
lista = {y1};
While[cont,
For[i = 1, i <= n, i++,
y1[[i]] = 1/a[[i, i]]*(b[[i]] - Sum[a[[i, j]]*y1[[j]], {j, 1, i - 1}] -
Sum[a[[i, j]]*y0[[j]], {j, i + 1, n}]);
lista = Join[lista, {y1}];
m++
];
cont = Norm[y1 - y0] >= & && m <= maxiter;
y0 = y1
];
lista
]

Na secção 2.16, mostramos o uso que se pode fazer do software MATHEMATICA© , na


resolução e discussão de sistemas de equações lineares, incluindo exemplos de uso das funções
anteriores e da sua interpretação geométrica em ‘# (sistemas de 2 equações e 2 incógnitas sobre
o corpo ‘).

2.12 Inversão matricial


Como vimos anteriormente, a matriz identidade é elemento neutro para o produto matricial e,
para matrizes rectangulares 7 ‚ 8, existem elementos neutros distintos à esquerda e à direita,
respectivamente M7 e M8 . Para analisarmos a questão da inversão de uma matriz rectangular E e
porque o produto matricial não é comutativo, temos que considerar “inversas direitas” (quando
a “inversa” é o 2º factor) e “inversas esquerdas” (quando a “inversa” constitui o 1º factor).
Definição 2.16 – Inversas laterais – Dada uma matriz E − Š7ß8 de tipo 7 ‚ 8 sobre um
corpo Š, chama-se inversa direita de E a qualquer matriz \. − Š8ß7 tal que
E\. œ M7 2.59
e inversa esquerda de E a toda a matriz \/ − Š8ß7 tal que
\ / E œ M8 2.60

Observe-se que as matrizes \. , \/ , M7 e M8 só poderiam ser dos tipos indicados, por ser
E − Š7ß8 . Podemos ver de imediato que as matrizes \. e \/ , se existirem simultaneamente,
serão necessariamente iguais e únicas e que, nesse caso, a matriz E tem que ser quadrada: a
igualdade daquelas duas matrizes resulta de ser
\. œ M8 \. œ \/ E\. œ \/ E\.  œ \/ M7 œ \/ Ê \. œ \/

Por outro lado, se \." e \.# são inversas direitas de E e \/ for uma inversa esquerda,
procedendo como anteriormente, virá
\." œ \/ • \.# œ \/ Ê \." œ \.#

o que mostra a unicidade da inversa direita (caso exista também inversa esquerda). Do mesmo
modo se pode provar a unicidade da inversa esquerda (caso exista inversa direita). Por outro
lado, se ambas as inversas existem, das alíneas iv) e v) da proposição 2.8 resulta
122 Matrizes [Cap. 2

cM7  Ÿ cE Ÿ 7 Ê 7 Ÿ cE Ÿ 7 Ê cE œ 7


cM8  Ÿ cE Ÿ 8 Ê 8 Ÿ cE Ÿ 8 Ê cE œ 8 
Ê7œ8

e, portanto, a matriz E será quadrada13 ; isto equivale a dizer que, se E for rectangular,
seguramente não existirá pelo menos uma das inversas.
É ainda fácil reduzir o problema da inversa esquerda ao problema da inversa direita, por
transposição; de facto
\/ E œ M8 Í \/ ET œ M8T Í ET \/T œ M8 2.61

e estas equivalências mostram que \/ é uma inversa esquerda de E sse \/T é uma inversa
direita de ET e, como \/ œ \/T  , poderemos concluir que se obtém uma inversa esquerda de
T

E, mediante a transposição de uma inversa direita de ET . Graças a 2.61 reduz-se, portanto, a


questão da inversa esquerda de E ao problema da inversa direita (de ET ).
Vamos apresentar, de seguida, a condição necessária e suficiente para que uma matriz
E − Š7ß8 tenha inversa direita e também a condição para existir inversa esquerda:

7 ‚ 8 sobre um corpo Š e < œ cE. então:


Proposição 2.12 – Existência de inversas laterais – Seja E − Š7ß8 uma matriz de tipo

i) E tem inversa(s) direita(s) sse < œ 7.

ii) E tem inversa(s) esquerda(s) sse < œ 8.

Demonstração:
i) Atente-se em 2.59 e fragmentemos as matrizes \. e M7 nas suas 7 colunas
\. œ \" \# â \7  M7 œ F" F# â F7 

Observe-se, desde já, que os vectores F3 de Š7 são linearmente independentes e constituem


a base canónica de Š7 , donde
P F " ß F # ß á ß F7  œ Š 7

Fazendo o produto E\. por blocos, verifica-se facilmente que a igualdade 2.59 equivale
às 7 igualdades
E\3 œ F3 , para 3 œ "ß #ß á ß 7 2.62
e cada uma destas igualdades é a forma matricial de um sistema de 7 equações e 8 incógnitas,
sendo que estes 7 sistemas têm em comum a matriz E dos coeficientes.
É, agora, óbvio que a matriz \. satisfazendo 2.59 existe sse forem simultaneamente

Š7 gerado pelas colunas E4 "Ÿ4Ÿ8 da matriz E (ver demonstração da proposição 2.10), o que
possíveis todos estes sistemas, ou seja, sse os vectores F3 − Š7 pertencerem ao subespaço de

(bilateral) de E − Š7ß8 , será E\ œ M7 e \E œ M8 . O resultado decorre de ser 7 œ trE\  œ tr\E œ 8 e,


13 Esta conclusão pode também ser tirada recorrendo às propriedades do traço: Sendo \ − Š8ß7 uma inversa

portanto, 7 œ 8.
Sec. 2.12] Inversão matricial 123

equivale evidentemente a
PF" ß F# ß á ß F7  § PE" ß E# ß á ß E8 

Porém tem-se, como se viu, PF" ß F# ß á ß F7  œ Š7 e a inclusão anterior transforma-se


em
Š7 § PE" ß E# ß á ß E8 
o que, juntamente com a inclusão óbvia PE" ß E# ß á ß E8  § Š7 , acaba por dar a equivalência
que pretendíamos demonstrar
Existe inversa direita de E Í PE" ß E# ß á ß E8  œ Š7 Í < œ 7

ii) Resulta imediatamente do resultado anterior, por transposição,


Existe inversa esquerda de E Í Existe inversa direita de ET Í cET  œ 8 Í cE œ < œ 8


Em face dos resultados provados na proposição anterior, podemos fazer a discussão do que
se pode passar em relação à inversão de uma matriz E − Š7ß8



 78Ê<Ÿ78Ê<8 Ê


Não existe inversa esquerda de E




e existirá inversa direita, sse < œ 7.
87Ê<Ÿ87Ê<7Ê
Não existe inversa direita de E
E − Š7ß8 

 
e existirá inversa esquerda, sse < œ 8.



 <œ8Ê
Existem ambas as inversas de E

 
  <  8 Ê Não existe qualquer das inversas de E.
7 œ 8 Ê e são iguais e únicas, como provámos.

Vamos, de seguida, analisar cada um dos casos mencionados no quadro anterior:


ç Se for <  7  8, então não existem inversas.

direita, visto que os sistemas 2.62 são todos possíveis e indeterminados de grau 8  7. Para
ç Quando < œ 7  8 E não tem inversa esquerda, mas tem mais do que uma inversa

2.62, todos com grau de indeterminação 8  7, o que pode ser feito em simultâneo, visto
calcularmos as matrizes inversas direitas de E, apenas teremos que resolver os 7 sistemas

terem todos a mesma matriz E de coeficientes; obtém-se, assim, o algoritmo

E F" F# â F 7  œ E M7  Ä M7 G7ß87 F 7ß7  2.63

e daqui se deduzem as colunas \3 que formarão as matrizes inversas direitas


\. œ  \" \# â \7 

Se o corpo Š for infinito (ß ‘ß ‚), haverá uma infinidade de inversas direitas; se Š for finito,

sistemas) e, sendo estes em número de 7, haverá 78  7 parâmetros; no total, o número de


então existirão 8  7 parâmetros arbitrários por cada sistema (as incógnitas secundárias desses

inversas direitas é de #Š787 .


O exemplo seguinte ilustra o cálculo das inversas direitas:
124 Matrizes [Cap. 2

Exemplo 2.35 A seguinte matriz E real não terá inversa esquerda ($ œ 7  8 œ &).

 " # " ! $ 

 " # 
Eœ ! " $ % #
" " "

Para calcularmos as possíveis inversas direitas, condensemos a matriz

 " # " ! $ " ! !  " # " ! $ " ! !

  " "  "  "  # ! ! "  ! " ! " " " ! "
! " $ % # ! " ! Ä ! " $ % # ! " !

" ! ( ) ( " # !  $ ! ! $ ! % " ( 

! ! $ $ $ " " " ! ! $ $ $ " 


! " $ % # ! " ! Ä ! " ! " " " ! "
" "

"  ($ 
Ä ! " 
! ! " !  %$  "$

! " 
" ! " " " !
" "
! " " " $ $ $

A característica de E é < œ 3 œ 7 e, portanto, existem inversas direitas \. , cujas colunas


\" ß \# e \$ serão as soluções gerais dos 3 sistemas, de 3 equações e 5 incógnitas, duplamente
indeterminados que acabámos de resolver em cima. As soluções gerais são

  %$  -"# 
 "  -""  -"# 
 
\" œ 
 $

"# 
 
"
 -""  -

 
-"#
-""
  $  -## 
 -#"  -## 
"

 
\# œ 
$


 
"
 - #"  -##

 
-##
-#"
  $  -$# 
 "  -$"  -$# 
(

 
\$ œ 
 $  -$"  -$# 

 
"

 
-$#
-$"

onde os -34 são 6 parâmetros reais arbitrários.


Sec. 2.12] Inversão matricial 125

Existe, pois, uma infinidade de inversas direitas de E, com expressão geral

  %$  -"#  $(  -$# 
 "  -""  -"# "  -$"  -$# 
 $"  -##
 
\. œ  
-#"  -##
 $  -""  -"# $# , onde -34 − ‘
 
" " "
$  -#"  -## $  - $"  -

 
-"# -## -$#
-"" -#" -$"

Pode verificar-se o resultado:


E\. œ
  %$  -"#  ($  -$# 
$  "  -$"  -$# 
 "$  -##
 " #  "  -""  -"# 
#  
" ! -#"  -##
 $  -""  -"# $# 
 " " #   
œ ! " $ % " " "
$  -#"  -## $  - $"  -

 
" " -"# -## -$#
-"" -#" -$"
œ M$

ç Se for <  8  7, não existem inversas.

calcular as inversas esquerdas de E, aplica-se 2.63 a ET e, após se obter as inversas direitas de


ç Quando < œ 8  7, E não tem inversa direita, mas terá várias inversas esquerdas. Para

ET , transpõem-se estas. Neste caso, os 8 sistemas 2.61 vão ser todos indeterminados de grau
7  8.
Se o corpo Š for infinito (casos de ß ‘ß ‚), haverá uma infinidade de inversas esquerdas; se

secundárias desses sistemas) e, sendo 8 o número de sistemas, haverá 87  8 parâmetros


Š for finito, então existirão 7  8 parâmetros arbitrários por cada sistema (as incógnitas

pertencentes a Š e, ao todo, existirão #Š878 inversas esquerdas. Ilustra-se, no seguinte


exemplo, o cálculo das inversas esquerdas:

Exemplo 2.36 Considere-se a matriz E seguinte

 " " 
 # " 
!
 
Eœ " " 
"
 
$

 $ # 
! % "
#

a qual não tem inversas direitas, visto que se tem $ œ 8  7 œ &. Calculemos as suas inversas
esquerdas, se existirem: para isso, determinamos as inversas direitas de ET , o que já fizemos no
exemplo anterior; agora, para se obter as inversas esquerdas procuradas, basta transpor o
resultado obtido nesse exemplo:

  $  -"# -"" 
\/ œ   "$  -## -#" , onde -34 − ‘
% "
"  -""  -"# $  -""  -"# -"#
"

  (  -$# -$" 
-#"  -## $  -#"  -## -##
"
$ "  -$"  -$# $  -$"  -$# -$#
126 Matrizes [Cap. 2

Segue-se a verificação do resultado

 " " 
  $  -"# -""  # " 
!
 
\/ E œ   "$  -## -#"  "
% "
"  -""  -"#  -""  -"# -"#
"  œ M$
$ "
 
"

  (  -$# -$"  !
-#"  -## $  -#"  -## -## $

 $ # 
"  -$"  -$# "
 -$"  -$# -$# % "
$ $
#

ç Se for <  7 œ 8, não existirá inversa e diz-se que a matriz quadrada E é não invertível.
ç Para < œ 7 œ 8, existem os dois tipos de inversas em simultâneo, sendo então estas
iguais e únicas, isto é, \. œ \/ e a matriz quadrada E diz-se invertível, sendo a inversa
(bilateral) designada por E" œ \. œ \/ . Portanto, tem-se
E − Š8ß8 é invertível Í cE œ 8 2.64
e podemos ainda escrever

E − Š8ß8 é invertível Í b EE" œ E" E œ M8 2.65


E" −Š8ß8

ver significa que, no anel não comutativo com identidade Š8ß8 ß ß ‚  das matrizes quadradas
As igualdades anteriores mostram que E e E" são sempre permutáveis e o que acabamos de

de ordem 8, os elementos invertíveis são as matrizes cuja característica coincide com a ordem
(matrizes ditas regulares) e os elementos não invertíveis são as matrizes com caraterística
inferior à ordem (matrizes ditas singulares, sendo que por entre estas está, é claro, a matriz nula
S8 , com < œ !  8). Há, pois, elementos não invertíveis e não nulos, (por exemplo, em ‘#ß# , a
matriz 
# % 
" #
não é invertível, com < œ "  #). Isto significa que, para 8  ",
Š8ß8 ß ß ‚  não é um corpo, porque o produto matricial não é comutativo e ainda porque
existem matrizes não nulas e não invertíveis. No anel Š8ß8 ß ß ‚  os termos invertível
(existência de inversa) e regular (característica igual à ordem) são, pois, sinónimos, o mesmo
acontecendo com não invertível e singular.
Agora, os 8 sistemas 2.61 são todos possíveis e determinados (o que implica a existência
unicidade da inversa bilateral) e 2.63 simplifica-se, obtendo-se o algoritmo de condensação
seguinte
E F" F# â F8  Ä E \" \# â \8 

ou seja,
E M8  Ä M8 E"  2.66

Exemplo 2.37 Vamos usar o algoritmo anterior para inverter a matriz quadrada

 " # $ 
 % # & 
Eœ # " !
Sec. 2.12] Inversão matricial 127

Condensemos, então, a matriz E M$ :

 " # $ " ! !  " # $ " ! !  & ! $ " # !

 % # ! ! "  ! ' ( % ! "  ! ! ' & 


# " ! ! " ! Ä ! & ' # " ! Ä ! & ' # " ! Ä
& " )
& ! ! #& #! "&  " ! ! & % $

! &  ! ! " &


! & ! &! $& $! Ä ! " ! "! ( '
! " ) ' ) '

Daqui resulta que a inversa é:

 & % $ 

 ) ' & 
"
E œ "! ( '

Como verificação, podem calcular-se os produtos

 " # $  & % $   " ! !

 % # &  ) '  ! "


"
EE œ # " ! "! ( ' œ ! " ! œ M$
& !
 & % $  " # $   " ! !

 ) ' &  % # &  ! "


"
E E œ "! ( ' # " ! œ ! " ! œ M$
!

No package ALGA`Matrizes`, implementado em linguagem MATHEMATICA© e descrito na


secção 2.16, definem-se as funções
InversaDireita[A,c] e InversaEsquerda[A,c]

que calculam as inversas laterais de A tendo como parâmetros os c[i]. Naquela secção,
apresentam-se exemplos de uso dessas funções.
No referido package, figura também a implementação do algoritmo 2.66, constituindo a
função Inversa[A]; trata-se aqui de mero exercício demonstrativo, pois o software já possui
uma função para esse efeito chamada Inverse[A].
A seguinte proposição dá conta de algumas das propriedades da inversão, para matrizes
quadradas

Proposição 2.13 – Propriedades da inversa – Sejam Eß F − Š8ß8 matrizes quadradas,


α − Š e 5 − ! , então:
i) E é invertível sse E" é invertível e tem-se

E" 
"
œE

ii) E é invertível sse ET é invertível e

ET  œ E" 
" T
128 Matrizes [Cap. 2

iii) Se α Á ! (ou seja, se α é invertível no corpo Š) e E é invertível, então αE é invertível


e tem-se

αE" œ α" E" œ


" "
E
α

iv) E é invertível sse o sistema homogéneo E\ œ S é determinado, tendo apenas a


solução trivial \ œ S.

v) E e F são invertíveis sse EF é invertível e


EF " œ F " E"

Mais geralmente, para todo o : − , as matrizes de uma sequência E5 "Ÿ5Ÿ: são
invertíveis sse o produto  E5 o for e tem-se
:

5œ"

E" E# âE: " œ E" " "


: âE# E" 2.67

vi) E é invertível sse E5 é invertível e tem-se

E5  œ E" 
" 5

vii) Se E é invertível, então


E" F œ FE" Í EF œ FE
isto é, E" e F permutam sse E e F o fazem.

Demonstração:
i) É consequência de ser EE" œ E" E œ M8 .

ii) Resulta de ET E"  œ E" E œ M8T œ M8 .


T T

iii) É consequência imediata de ser αE α" E"  œ α α" EE"  œ "M8 œ M8 .

iv) Resulta das equivalências


E é invertível Í < œ cE œ 8 Í E\ œ S é sistema determinado

v) Suponha-se que E e F são invertíveis; então existem E" e F " e as igualdades


EF F " E"  œ EF F " E" œ EFF " E"
œ EM8 E" œ EE" œ M8
mostram que F " E" é a inversa (necessariamente única) de EF e que, portanto, EF é
invertível.
Provemos, agora, a implicação contrária: se uma das matrizes E ou F não é invertível, será
mincEß cF   8
Sec. 2.12] Inversão matricial 129

e a proposição 2.8.v implica que


cEF  Ÿ mincEß cF   8 Ê cEF   8
o que mostra que EF não é invertível.
Quanto à segunda afirmação, ela demonstra-se facilmente por indução.
vi) Por indução em 5: para 5 œ !, fica

E0  œ M8" œ M8 œ E" 


" !

Admitindo que, para 5   !, é E5  œ E"  , então, para 5  " vem


" 5

E5"  œ  E5 E  œ E" E5  œ E" E"  œ E"  E"  œ E" 


" " " 5 5 5"

vii) Multiplicando ambos os membros de EF œ FE à esquerda e à direita por E" , obtém-


se
EF œ FE Ê E" EF E" œ E" FEE" Ê FE" œ E" F

Por outro lado, multiplicando ambos os membros de E" F œ FE" à esquerda e à direita
por E, obtém-se
E" F œ FE" Ê EE" F E œ EFE" E Ê FE œ EF 

Observações:

respectivamente e invertíveis (isto é, cE œ 7 e cF  œ 8). Então, para qualquer matriz
ç Sejam E − Š7ß7 e F − Š8ß8 matrizes sobre um corpo Š com ordens 7 e 8

G − Š7ß8 , a matriz de blocos

Y œ
F
E G
− Š78ß78
S8ß7

é também invertível e tem-se:

Y " œ  
E" E" GF "
S8ß7 F "

, o que pode ser facilmente verificado multiplicando Y e Y " por blocos.


Do mesmo modo, para qualquer matriz H − Š8ß7 , a matriz de blocos

Z œ
F 
E S7ß8
− Š78ß78
H

é igualmente invertível, sendo:

Z " œ  
E" S7ß8
F " HE" F "

, o que pode também ser facilmente verificado multiplicando Z e Z " por blocos.
130 Matrizes [Cap. 2

Podemos, agora, usar a alínea vi) da proposição anterior para definir a potência de expoente
5 inteiro negativo de uma matriz quadrada E regular, pondo

E5 œ E5  œ E"  , com 5 −  2.68


" 5

Deste modo e para matrizes E regulares, faz sentido a potência E5 , com expoente 5 − ™.
As inversas podem ser utilizadas para resolver sistemas de equações lineares, podendo ter-se
em consideração os 3 casos seguintes, onde E − Š7ß8 :
ç Matriz E com característica < œ 7  8.
Neste caso, existem inversas direitas \. e qualquer sistema E\ œ F é possível, sendo
\ œ \. F solução do sistema, qualquer que seja a inversa direita \. usada, porque
E\ œ E\. F  œ E\. F œ M7 F œ F

ç Matriz E com característica < œ 8  7.


Neste caso, existem inversas esquerdas \/ e, se o sistema E\ œ F for possível, ele será
determinado; podemos, então, multiplicar ambos os membros de E\ œ F à esquerda por \/ ,
obtendo-se a solução \/ F para o sistema, a qual não dependerá da inversa esquerda \/
utilizada:
E\ œ F Ê \/ E\  œ \/ F Ê \/ E\ œ \/ F Ê M8 \ œ \/ F Ê \ œ \/ F

ç Matriz E quadrada com característica < œ 7 œ 8.


É um caso particular dos anteriores, obtendo-se a solução E" F para o sistema E\ œ F :
E\ œ F Ê E" E\  œ E" F Ê E" E\ œ E" F Ê M8 \ œ E" F Ê \ œ E" F

Observe-se que os métodos anteriores para resolver sistemas não têm grande interesse
prático, visto que é maior o trabalho de condensação para inverter E do que o correspondente
trabalho para resolver E\ œ F pelo algoritmo de Gauss-Jordan.

2.13 Matrizes elementares


Definição 2.17 – Matriz elementar – Chama-se matriz elementar de ordem 8 a uma matriz
obtida de M8 por uma única operação elementar sobre linhas ou sobre colunas; essa matriz
elementar diz-se associada à operação elementar que lhe deu origem.

Observações:
ç Da definição anterior resulta a existência de 3 tipos de matrizes elementares,
correspondentes aos 3 tipos de operações elementares:
Sec. 2.13] Matrizes elementares 131

" ! " â !
ã ã " â ! ã ä ã
â ! â ! â ! â ! â
! ! ã ä ã ! â !
ä ã ä ã ä ! â ã ä ã ä
   
I" œ  ã ã  ß I# œ  ! $  ã
â ! â " â ã ä " â " â
! ! â
 !
! â
 !
ä ã ä ã ä α â ß I œ ã ä ã ä ã ä
! â "
â " â ! â ã ä ã ä ã ! â " â
! " ! â "
ã ä ã ä ã ä ã ! â ã ä ã ä ã ä ã
â ! â ! â ! â ! â

ç Trocando entre si as linhas 3 e 4 de M8 ou as colunas com os mesmos índices obtém-se a


mesma matriz elementar I" (operação de tipo 1). Esta matriz é simétrica e, portanto, igual à
transposta.
ç Multiplicando uma linha 3 de M8 por um escalar α Á ! obtém-se a mesma matriz
elementar I# obtida ao multiplicar a coluna 3 por α. Esta matriz é simétrica e, portanto, igual à
transposta.
ç As matrizes elementares obtidas pela mesma operação elementar de tipo 3 sobre linhas e
sobre colunas de M8 são transpostas.
ç Em face das observações anteriores, podemos afirmar que a matriz elementar obtida de M8
por uma operação elementar (de qualquer dos 3 tipos) sobre colunas é a transposta da matriz
elementar obtida pela mesma operação elementar sobre linhas de M8 .

Seja, agora, E − Š7ß8 uma matriz de tipo 7 ‚ 8 sobre um corpo Š e P" ß P# ß á ß P7  as


suas linhas. As linhas de M7 constituem a base canónica /t" ß /t# ß á ß /t7  de Š7 e facilmente se
reconhece que multiplicar à esquerda o vector-linha /t3 por E resulta na linha 3 de E, para todo o
3 œ "ß #ß á ß 7.

 +"" â +"8 
 +#" â +#8 
+"#
 
 ã ã 
+##
/t3 E œ  ! ! â " â !   œ  +3" +3# â +38  œ P3
 +3" â +38 
ã ä
 
+3#

 +7" â +78 
ã ã ä ã
+7#

Do mesmo modo, sejam G" ß G# ß á ß G8  as colunas da mesma matriz E − Š7ß8 . As


colunas de M8 constituem a base canónica /t" ß /t# ß á ß /t8  de Š8 e é fácil reconhecer que a
multiplicação à direita do vector-coluna /t4 por E resulta na coluna 4 de E, para todo o
4 œ "ß #ß á ß 8.

!
 +"" +"8  !   +"4 
 
+ +#8  ã   +#4 
+"# â +"4 â
E/t4 œ  #"   œ   œ G4
"
+## â +#4 â

 +7"   
+78  ã +74 
ã ã ä ã ä ã ã

!
+7# â +74 â

Com os resultados anteriores, podemos agora mostrar que a matriz /E resultante da
execução de uma qualquer operação elementar / sobre as linhas de E é igual ao produto à
132 Matrizes [Cap. 2

esquerda da matriz elementar associada àquela operação elementar por E − Š7ß8 , como se
prova na seguinte
Proposição 2.14 Seja E − Š7ß8 uma matriz de tipo 7 ‚ 8 sobre um corpo Š e / uma
operação elementar (de qualquer dos 3 tipos) sobre linhas de E. Então:
/  E œ 
/M7  E œ IE
matriz
elementar I

em que I é a matriz elementar obtida de M7 pela mesma operação elementar / sobre linhas.

Demonstração:

/E a matriz resultante de aplicar uma operação elementar / à matriz E e por I œ /M  um
Vamos ver separadamente os 3 tipos de operações elementares: para isso, designemos por

dos 3 tipos de matriz elementar:


ç Operação de tipo 1: sejam " Ÿ 3  4 Ÿ 7 e I a matriz elementar resultante de trocar as
linhas 3 e 4 de M7 ; fazendo o produto IE por blocos, vem:

 /t"   /t" E   P" 


 ã   ã   ã 
     
 /t4   /t4 E   P4 
     
IE œ /M7 E œ  ã E œ  ã  œ  ã  œ /E
     
 /t3   /t3 E   P3 
     
 /t7   /t7 E   P7 
ã ã ã

ç Operação de tipo 2: seja " Ÿ 3 Ÿ 7 e I a matriz elementar resultante de multiplicar a


linha 3 de M7 pelo escalar α Á !; calculando o produto IE por blocos, vem:

 /t"   /t" E   P" 


 ã   ã   ã 
     
IE œ /M7 E œ  α/t3 E œ  α/t3 E  œ  αP3  œ /E
     
 /t7   /t7 E   P7 
ã ã ã

ç Operação de tipo 3: sejam " Ÿ 3  4 Ÿ 7 e I a matriz elementar resultante de somar à


linha 3 o produto de " − Š pela linha 4 de M7 ; fazendo o produto IE por blocos, vem:

 /t"       
       
/t" E /t" E P"
       
 /t3  " /t4   /t3  " /t4 E   /t3 E  " /t4 E   P3  " P4 
ã ã ã ã
       
IE œ /M7 E œ  E œ  œ œ  œ /E
       
 /t4       
ã ã ã ã
       
/t4 E /t4 E P4

 /t7       P7 
ã ã ã ã
/t7 E /t7 E

Portanto, executar uma operação elementar / sobre linhas de E é multiplicar à esquerda a


matriz E pela matriz elementar associada àquela operação /. 
Sec. 2.13] Matrizes elementares 133

Resultado análogo vale também para as operações sobre colunas de E, mas o produto pela
matriz elementar deve agora ser efectuado à direita:

Proposição 2.15 Seja E − Š7ß8 uma matriz de tipo 7 ‚ 8 sobre um corpo Š e / uma
operação elementar (de qualquer dos 3 tipos) sobre colunas de E. Então:
/  E œ E 
/M8  œ EI
matriz
elementar I

em que I é a matriz elementar obtida de M8 pela mesma operação elementar / sobre colunas.

Demonstração:
A demonstração é análoga à anterior e é deixada ao cuidado do leitor. 
Da definição resulta imediatamente que todas as matrizes elementares são regulares, visto
que elas resultam da execução de uma operação elementar sobre uma matriz regular (a
identidade). Na secção anterior, vimos que uma matriz quadrada E de ordem 8 é regular sse a
sua característica é igual a 8: por outras palavras, E − Š8ß8 é regular sse E pode ser
transformada na matriz identidade M8 por meio de um número finito de operações elementares

matrizes elementares I" ß I# ß á ß I:  de ordem 8 tais que


sobre linhas. Pelo que acima foi dito, esta condição equivale à existência de uma sequência de

I: âI# I" E œ M8

A igualdade anterior mostra que o produto de matrizes elementares I: âI# I" é a matriz
inversa de E,
E" œ I: âI# I" 2.69

e invertendo ambos os membros e atendendo a 2.67, obtém-se:


E œ I"" I#" á I:"

Podemos, portanto, enunciar a seguinte


Proposição 2.16 Uma matriz quadrada é regular sse ela é produto de matrizes elementares.

Se atendermos a que M8 é elemento neutro do produto matricial, a igualdade 2.69 pode


escrever-se:
E" œ I: âI# I" œ I: âI# I" M8 2.70

Mas esta igualdade significa que E" se obtém de M8 pela mesma sequência de operações

expresso em 2.66:
elementares sobre linhas que transformaram E em M8 : obtém-se assim de novo o algoritmo

E M8  Ä M8 E" 

Graças às matrizes elementares, podemos mesmo generalizar este algoritmo, permitindo que
a condensação envolva também operações elementares sobre colunas:
134 Matrizes [Cap. 2

Proposição 2.17 Seja E − Š8ß8 uma matriz quadrada regular de ordem 8 sobre um corpo
Š. Fazendo operações elementares sobre linhas e sobre colunas da matriz (de ordem #8)

M S 
E M8
8 8

de modo a levá-la à forma

F S 
M8 G
8

tem-se
E" œ FG

Demonstração:

sequências de matrizes elementares I" ß I# ß á ß I:  e I"w ß I#w ß á ß I;w  tais que


Como M8 se obtém de E por operações elementares sobre linhas e colunas, existem

I: âI# I" EI"w I#w á I;w œ M8

Sejam G œ I: âI# I" e F œ I"w I#w á I;w . As matrizes F e G são regulares (por serem
produto de matrizes regulares); então
GEF œ M8 Ê G " GEF œ G " Ê EF œ G " Ê EFG œ G " G Ê EFG œ M8

A última igualdade mostra que E" œ FG , que é o resultado pretendido. 


Observações:

operações elementares sobre as linhas de E M8 , o que nos conduz à matriz G .


ç Em geral, começamos por transformar E numa matriz X= triangular superior, por meio de

ç Neste ponto, conhecemos a característica de E e saberemos se existe inversa.


ç Se cE œ 8, transformamos a matriz triangular X= obtida anteriormente na matriz
identidade M8 , por meio de operações elementares sobre as colunas de  = . Este processo
X
M8
fornece-nos a matriz F .
ç Por fim, calcula-se o produto FG œ E" .
Exemplo 2.38 Usemos o algoritmo anterior para calcular a inversa de

 " # $ 

 % # & 
Eœ # " !
Sec. 2.13] Matrizes elementares 135

Temos:

" # ! " ! " " ! !


# ! ! ! ! " !
$ " ! # $ " ! # $
     
 % # " ! " ! ) ' &
" ! ! " & ' # " & ' #
 Ä Ä 
" ! " ! " ! !
& ! ! ' ( % ! ! "
     
! ! ! ! ! ! ! ! ! ! !

!     ! !
! " ! ! ! ! ! " ! ! ! ! ! " ! ! ! !
! " ! ! ! ! ! " ! ! ! ! ! " !

" " ! ! " " ! ! " " ! !


! " !
! !
! " ! ! " !
! ! ! !
     
! ) ' &
" ! #
! ) ' & ! ) ' &
& ' # & ! #
 Ä Ä
"

! !
! "
" ! ! " ! !
! " ! &
     
! ! !
#
# $ ! # $ ! &  $& !

!   ! ! ! ! !
! " ! ! ! ! ! " ' ! ! ! " '
& & !
! " ! ! ! ! ! & ! ! " !

Portanto, tem-se:

"  $&   " ! ! 


F œ ! ' eG œ
#
&

! "   ) ' & 


" # " !
& &
!

A inversa é então dada por

"  $&  " ! !   & % $ 


œ FG œ  ! ' 
#
&

"  ) ' &   ) '


 & 
E"
!
" # " ! œ "! ( '
& &
!

Vamos agora definir uma relação de equivalência no conjunto Š7ß8 das matrizes de tipo
7 ‚ 8 sobre um corpo Š. É a noção de equivalência de matrizes:
Definição 2.18 – Matrizes equivalentes – Diz-se que duas matrizes Eß F − Š7ß8 são
equivalentes e escrevemos E µ F sse existem duas matrizes quadradas invertíveis T − Š7ß7 e
U − Š8ß8 tais que F œ T EU:
E µ F Í b T e U são invertíveis • F œ T EU 2.71
T ßU

A relação binária µ anterior é de equivalência (ver Apêndice A, definição A.5), visto que
E œ M7 EM8 , o que mostra que a relação é reflexiva; por outro lado, a implicação
F œ T EU Ê E œ T " FU"
mostra que a relação é simétrica. Por fim, a implicação
F œ T EU • G œ T w FUw Ê G œ T w T EUUw œ T w T EUUw 
prova que a relação é transitiva.
Como T e U são regulares sse são produto de matrizes elementares, podemos dizer que E e
F são equivalentes sse F se obtém de E por meio de operações elementares sobre linhas e
136 Matrizes [Cap. 2

colunas:
I: âI# I"  E
F œ  I"w I#w á I;w 
T U

Como as operações elementares sobre as filas de E não alteram a sua característica, isto
significa que, se E e F são equivalentes, as suas características são necessariamente iguais. No
capítulo 3, veremos que a recíproca desta implicação é também verdadeira (corolário 3.12.1).

2.14 Divisão matricial


Devido à não comutatividade do produto matricial, o problema da divisão matricial tem que
ser posto de duas formas diferentes: a divisão esquerda (divisor à esquerda) e a divisão direita
(divisor à direita). Assim, dadas uma matriz E − Š7ß8 (o divisor) e uma matriz F − Š7ß: (o
dividendo) com o mesmo número 7 de linhas que a matriz E, chamaremos quociente da
divisão esquerda de F por E a qualquer matriz \ − Š8ß: tal que
E\ œ F 2.72

De forma semelhante, se F − Š:ß8 (o dividendo) for uma matriz com o mesmo número 8 de
colunas que a matriz E, o quociente da divisão direita de F por E é qualquer matriz \ − Š:ß7
tal que
\E œ F 2.73

Podemos fixar a nossa atenção exclusivamente na divisão esquerda, porque a questão da


divisão direita se pode reduzir facilmente àquela, por transposição
\E œ F Í ET \ T œ F T 2.74

A equivalência anterior mostra que dividir F por E à direita equivale a dividir F T por ET à
esquerda.
O problema de calcular \ em 2.72 é equivalente à resolução de : sistemas de equações
lineares com 7 equações e 8 incógnitas cada um, para o que basta fragmentar as matrizes \ e
F nas suas : colunas
\ œ  \ " \ # â \: 
F œ  F" F# â F: 

Fazendo o produto E\ por blocos, a equação 2.72 transforma-se em


E\" E\# â E\:  œ F" F# â F: 

o que equivale aos : sistemas com a mesma matriz E de coeficientes


E\5 œ F5 , com 5 œ "ß #ß á ß : 2.75
e é, agora, óbvio que o problema da divisão esquerda tem solução sse estes sistemas são
simultaneamente possíveis, o que acontece sse os vectores F5 − Š7 forem todos combinação
Sec. 2.14] Divisão matricial 137

linear das colunas da matriz E (ver proposição 2.10), ou seja sse cE œ cE F . Se esta

anteriores, mediante a condensação da matriz E F  − Š7ß8: . Se a característica < de E for


condição se der, podemos calcular as soluções resolvendo simultaneamente os sistemas

igual a 8, todos os sistemas serão determinados e há uma só solução \ para o problema da


divisão esquerda; se for <  8, então os : sistemas serão todos indeterminados com o mesmo

função de :8  < parâmetros escalares arbitrários (as 8  < incógnitas secundárias de cada
grau de indeterminação 8  < e existirá mais que uma solução. Neste caso, as soluções \ serão

sistema), o que implica a existência de #Š:8< soluções, se o corpo Š for finito. Podemos,
pois, apresentar a seguinte

número de linhas. O problema da divisão esquerda de F por E é solúvel sse cE œ cE F 
Proposição 2.18 – Divisão esquerda – Sejam E − Š7ß8 e F − Š7ß: matrizes com o mesmo

e, sendo < œ cE, existe uma e uma só solução sse < œ 8. Quando <  8, existem várias
soluções (uma infinidade, se Š for infinito e em número de #Š:8< , se Š for finito).

Em virtude de 2.74 podemos enunciar proposição idêntica para a divisão direita:

Proposição 2.19 – Divisão direita – Sejam E − Š7ß8 e F − Š:ß8 matrizes com o mesmo
número de colunas. O problema da divisão direita de F por E é solúvel sse cE œ c 
E

e, sendo < œ cE, existe uma e uma só solução sse < œ 7. Quando <  7, existem várias
F

soluções (uma infinidade, se Š for infinito e em número de #Š:7< , se Š for finito).

O problema da resolução de um sistema E\ œ F na forma matricial é, afinal, o problema da


divisão esquerda de uma matriz-coluna F pela matriz E.
Identicamente, o problema da inversa direita de E é equivalente à divisão esquerda da matriz
identidade M7 por E − Š7ß8 , visto que se trata de resolver a equação matricial
E\. œ M7

Exemplo 2.39 Para dividir F por E à esquerda,

 " # $   $ ' 
 " $ $   ) ( 
Eœ # " ! e F œ & "

condensemos a matriz E F 

" # $ $ '  " # $ $ '  & ! $ ( % 

 " $ $ ) (  ! & ' "" "$  ! ! ! ! 


# " ! & " Ä ! & ' "" "$ Ä ! & ' "" "$
!

Temos, neste caso, cE œ cE F  œ # e, portanto, a divisão esquerda é possível; os dois
sistemas de equações lineares que acabámos de resolver são simplesmente indeterminados e as
138 Matrizes [Cap. 2

suas soluções são

\" œ  (&  $& α"" α""  e \# œ  %&  $& α#" α#" 


"" T T
&  '& α""  "$ '
&  & α#"

O resultado da divisão é

 &  & α""   &  $-"" 


\ œ  \" \#  œ  ""  œ  ""  '- 
( $ % $ ( %
&  & α#" &  $-#"

   &-"" 
'
&  & α""  "$ '
&  & α#" & ""  "$
&  '-#"
α"" α#" &-#"

O leitor pode verificar a correcção do resultado, calculando E\  F e verificando que é


igual a S$ß# . Existe, pois, uma dupla infinidade de soluções para este problema de divisão
esquerda.
Tem particular interesse o caso em que E − Š8ß8 é matriz quadrada de ordem 8 invertível.
Neste caso, as proposições anteriores mostram que os problemas de divisão esquerda e direita
têm uma e uma só solução; para a divisão esquerda, fica, com F − Š8ß: ,
E\ œ F Ê E" E\  œ E" F Ê E" E\ œ E" F Ê M8 \ œ E" F Ê \ œ E" F

e o quociente único E" F − Š8ß: é designado pela notação FÏE:


FÏE œ E" F

Para a divisão direita, vem, com F − Š:ß8 ,


\E œ F Ê \EE" œ FE" Ê \ EE"  œ FE" Ê \M8 œ FE" Ê \ œ FE"

e para a matriz FE" − Š:ß8 usa-se a notação FÎE:


FÎE œ FE"
Em qualquer dos casos, o quociente tem o mesmo tipo que o dividendo F . Para poder ser
FÏE œ FÎE, terá que ser F quadrada de ordem 8 e, mesmo nesse caso, ainda pode ser
FÏE Á FÎE. Porém, a proposição 2.13.vii mostra que E" F œ FE" sse EF œ FE.
Portanto, se as matrizes E e F forem permutáveis, então a divisão esquerda e a divisão direita
têm a mesma solução (quociente):
EF œ FE Ê FÏE œ FÎE, em que Eß F − Š8ß8 • E é invertível

Exemplo 2.40 Para as matrizes não permutáveis

 " # $   ! " # 

 % # &   # " $ 
Eœ # " ! e F œ " # $

calculemos E" :
Sec. 2.14] Divisão matricial 139

" # $ " ! !  " # $ " ! !  & ! $ " # ! 

 % # ! ! "  ! ' ( % ! "  ! ! " ) ' & 


# " ! ! " ! Ä ! & ' # " ! Ä ! & ' # " ! Ä
&
& ! ! #& #! "&  " ! ! & % $

! &  ! ! " &


! & ! &! $& $! Ä ! " ! "! ( '
! " ) ' ) '

donde resulta que a inversa de E é:

 & % $ 

 ) ' & 
"
E œ "! ( '

Os quocientes esquerdo e direito de F por E são diferentes, porque E e F não são


permutáveis:

 & % $  ! " #   "! ' ( 

 ) ' &  # " $   "' * "$ 


"
FÏE œ E F œ "! ( ' " # $ œ "* "! "(

 ! " #  & % $   ' & % 

 # " $  ) ' &   %% $$ #( 


FÎE œ FE" œ " # $ "! ( ' œ " ! !

Exemplo 2.41 Para as matrizes permutáveis (verifique!)

 " # $   &) $# (& 

 % # &   '% "% &' 


Eœ # " ! e F œ ## #) &%

tem-se, como se viu no exemplo anterior,

 & % $ 
 ) ' & 
"
E œ "! ( '

Os quocientes esquerdo e direito de F por E são, agora, iguais:

 & % $  &) $# (&   "! ' * 

 ) ' &  '% "% &'   "# % 


"
FÏE œ E F œ "! ( ' ## #) &% œ %# %! $'
")
 &) $# (&  & % $   "! ' * 

 '% "% &'  ) ' &   "# % 


FÎE œ FE" œ ## #) &% "! ( ' œ %# %! $'
")

O package ALGA`Matrizes`, descrito na secção 2.16, implementa as funções


DivisaoEsquerda[A,B,c] e DivisaoDireita[A,B,c] que resolvem, quando possível,
o problema da divisão matricial de B por A, em função de parâmetros c arbitrários,
apresentando-se ainda exemplos do seu uso.
140 Matrizes [Cap. 2

2.15 Mudança de base


Vamos começar por introduzir notações matriciais para escrever as combinações lineares.
Num espaço vectorial I de dimensão finita 8 sobre um corpo Š, considere-se uma base
/ œ /t" ß /t# ß á ß /t8 

Sabemos que, dado um vector Bt − I , são únicas as suas coordenadas B3 "Ÿ3Ÿ8 em relação à
base / e será

Bt œ  B3 /t3
8

3œ"

 B" 
B 
Introduzindo a matriz-linha simbólica14  /t" /t# â /t8  e a matriz-coluna \/ œ  # 
 B8 
ã

contendo as coordenadas referidas e identificando o seu produto (de tipo " ‚ ") com o vector
Bt − I , podemos escrever
Bt œ  /t" /t# â /t8 \/
No mesmo espaço vectorial I de dimensão finita 8 sobre um corpo Š, considerem-se, agora,
duas bases
/ œ /t" ß /t# ß á ß /t8 
/w œ /tw" ß /t#w ß á ß /t8w 

Cada vector /tw4 há-de exprimir-se nos /t3 de uma e uma só forma, através das respectivas
coordenadas >34 − Š relativas à base /

œ  >34 /t3 2.76


8
/tw4
3œ"

As 8 igualdades vectoriais anteriores podem escrever-se matricialmente


 /tw" /t#w â /t8w  œ  /t" /t# â /t8  X//w 2.77

A matriz X//w œ  >34 , cuja coluna 4 contém as coordenadas de /tw4 na base /, é chamada
matriz de mudança ou de passagem da base / para a base /w e o facto de /w ser uma base de I

Multiplicando ambos os membros de 2.77 por X//


implica que as suas colunas são linearmente independentes e que, portanto, X//w é regular.
"
w à direita, obtém-se

 /t" /t# â /t8  œ  /tw" /t#w â /t8w X//


"
w

14 Observe que esta matriz-linha é constituída por vectores: Não se trata, pois, de uma matriz sobre o corpo Š,
mas sim sobre o espaço I .
Sec. 2.15] Mudança de base 141

o que permite concluir que


"
X/w / œ X// w 2.78

Além da relação anterior, é óbvio que


X// œ M8 2.79

Se for, agora, /ww œ /tww" ß /t#ww ß á ß /t8ww  uma terceira base de I , ter-se-á
 /tww" /t#ww â /t8ww  œ  /t"w /t#w â /t8w X/w /ww
 w w
 /t" /t# â /t8w  œ  /t" /t# â /t8  X//w

Substituindo a 2ª destas igualdades na 1ª, obtém-se


 /tww" /t#ww â /t8ww  œ  /t" /t# â /t8  X//w X/w /ww 

concluindo-se que
X//ww œ X//w X/w /ww 2.80

Como se transformam as coordenadas de um vector Bt quando se muda de base? tem-se


Bt œ  /tw" /t#w â /t8w \/w œ  /t" /t# â /t8 
X//w \/w œ  /t" /t# â /t8 \/
\/

Como as coordenadas de Bt na base / são únicas, deverá ser


\/ œ X//w \/w 2.81

Observe-se que as coordenadas do vector ocupam nesta igualdade posições contrárias às que
são ocupadas pelos vectores das bases: daqui a designação de coordenadas contra-variantes
que também lhes é dada.
Exemplo 2.42 Considerem-se, em ‘$ , as bases / œ "ß !ß "ß "ß "ß "ß ß !ß "ß " e
/ œ !ß "ß "ß "ß #ß "ß "ß !ß ". Para calcular a matriz X//w de mudança da base / para /w ,
w

teremos de exprimir os /tw4 nos /t3 . Este processo conduz-nos a três sistemas de equações lineares
com 3 equações e 3 incógnitas cada um, mas todos com a mesma matriz dos coeficientes:
podemos, portanto, resolvê-los de uma só vez condensando a matriz seguinte

" " ! ! " "  " " ! ! " " 

" " "  ! # # 


! " " " # ! Ä ! " " " # ! Ä
" " " # " "

" " ! ! " "   " " ! ! " " 

! ! $ " ' #  ! ! 
Ä ! " " " # ! Ä ! $ ! # ! # Ä
$ " ' #
$ ! ! # $ "  " ! ! #Î$ " "Î$ 

!  ! ! " "Î$ # #Î$ 


Ä ! $ ! # ! # Ä ! " ! #Î$ ! #Î$
! $ " ' #
142 Matrizes [Cap. 2

Daqui se conclui que

"
# $ " 
$
# 
X//w œ # ! #
" '

Por exemplo, o vector Bt œ $/tw"  #/t#w  %/t$w exprime-se na base / por

"
# $ "  $ 
Bt œ  /t" /t# /t$  # œ %/t"  "%/t#  "(/t$ 
"
$
" ' #  % 
# ! #
$

Exemplo 2.43 Em relação ao exemplo anterior, as matrizes de mudança da base canónica -


para as bases / e /w são, respectivamente,

 " " ! 
 " " " 
X-/ œ ! " "

 ! " " 
 " " " 
X-/w œ " # !

A expressão 2.80 permite confirmar a matriz obtida no exemplo anterior, já que

"
# " "  ! " " 
"
# $ " 
$   $
" ' # 
"
X//w œ X/- X-/w œ X-/ X-/w œ " " " " # ! œ # ! #
" # " " " "

em que a inversa de X-/ se pode obter pelo algoritmo de condensação.


As coordenadas do vector Bt do exemplo anterior na base canónica serão

! " "  $   ' 

"  %   * 
\- œ X-/w \/w œ " # ! # œ "
" "

Portanto, Bt œ 'ß "ß *; este resultado pode ser confirmado por substituição directa dos /tw3
em Bt œ $/tw"  #/t#w  %/t$w .

obter a matriz X//w de passagem de uma base / œ /t" ß /t# ß á ß /t8  de Š8 para uma segunda base
Exemplo 2.44 Podemos generalizar o procedimento usado nos exemplos anteriores, para

/w œ /tw" ß /t#w ß á ß /t8w :


 /tw" /t#w â /t8w  œ  /t" /t# â /t8  X//w

Trata-se de calcular as coordenadas dos vectores /tw3 em relação à base / e, para tal, será
necessário resolver os 8 sistemas de equações lineares nas incógintas >43 − Š resultantes das 8
igualdades vectoriais

œ  >43 /t4 à 3 œ "ß #ß á ß 8


8
/tw3
4œ"
Sec. 2.16] Anexos: matrizes e o MATHEMATICA 143

Todos estes sistemas serão determinados e terão a mesma matriz I dos coeficientes (cujas
colunas são constituídas pelos vectores da base /); as matrizes dos termos independentes destes

condensação vertical da matriz I I w  de tipo 8 ‚ #8 (em que I w tem por colunas os vectores
sistemas são os 8 vectores de /w . Podemos, pois, resolvê-los de uma só vez fazendo a

de /w ), por forma a obter a matriz M8 X//w  do mesmo tipo e cuja metade direita será a matriz
de mudança de base pretendida:
I I w  Ä M8 X//w 

Se / for a base canónica de Š8 , ficará I œ M8 e, então, não será necessária a condensação,

condensação I M8  Ä M8 X//w  mostra, de acordo com 2.66, que será X//w œ I " .
resultando imediatamente X//w œ I w ; se /w for a base canónica, então será I w œ M8 e a

2.16 Anexos: matrizes e o MATHEMATICA©

 MATHEMATICA©

O software MATHEMATICA© dispõe de funções capazes de resolver grande parte dos


problemas por nós analisados neste capítulo; de entre as referidas funções salientamos:
ç MatrixQ[A]
Verifica se o argumento A é uma matriz, devolvendo True ou False.
ç IdentityMatrix[n]
Devolve a matriz identidade de ordem n.
ç DiagonalMatrix[vector]
Devolve a matriz diagonal com as componentes do vector na diagonal.
ç RowReduce[A]
Reduz a matriz A à forma escalonada, com pivots iguais a " e anulando todos os elementos
nas colunas dos pivots à excepção destes. Facilmente se obtém a característica de A, por
simples observação do resultado (número de linhas não nulas).
Se aplicada à matriz completa dum sistema, permite fàcilmente resolvê-lo. Para obter a
matriz completa ab a partir das matrizes a e b, pode usar-se
ab = Transpose[Join[Transpose[a], {b}]]

ç MatrixRank[A, ZeroTest->test]
Calcula a característica da matriz A, usando a função test para testar se os elementos de A
são nulos.
ç LinearSolve[A, B]
Calcula um vector sp solução particular do sistema A.X==B, se este for possível ou dá uma
mensagem de erro, quando o sistema for impossível. Se o sistema for determinado, será esta a
sua única solução; se for indeterminado, obtemos a solução geral mediante soma com uma
144 Matrizes [Cap. 2

combinação linear arbitrária dos vectores fornecidos pela função NullSpace[A].


sp = LinearSolve[A,B]

ç NullSpace[A]

base é devolvida como uma lista sh de vectores (uma matriz do tipo 8  < ‚ 8).
Calcula uma base sh do espaço vectorial das soluções do sistema homogéneo A.X==O. A

sh = NullSpace[A]

Quando indeterminado, a solução geral sg de A.X==B obtém-se por


sg = sp + Array[c, {Length[sh]}].sh

onde os c[1], c[2],á ,c[n-r] são parâmetros arbitrários.


ç Solve[A.X == B, X]
Resolve a equação A.X == B, em ordem às variáveis presentes na lista X. No caso de
sistemas indeterminados, podemos escolher as < variáveis principais e colocá-las na lista X.
ç Reduce[A.X == B, X]
Resolve a equação A.X == B, em ordem às variáveis mencionadas na lista X. Esta função é
particularmente potente, permitindo mesmo fazer a discussão de sistemas com parâmetros (estes
não são obviamente parte da lista X). A solução vem como uma expressão lógica envolvendo os
operadores booleanos && e || (conjunção e disjunção).
ç Inverse[A]
Calcula a matriz inversa da matriz quadrada regular A ou dá uma mensagem de erro, se a
matriz for singular.
A título de ilustração dos algoritmos descritos neste capítulo, apresenta-se nas próximas
páginas, um package chamado ALGA`Matrizes` implementado em MATHEMATICA© , onde se
utilizam os algoritmos de condensação mencionados. Os módulos implementados são:
ç Caracteristica[A,PivotUm -> opcao]
Devolve a lista formada pela característica e pela forma escalonada da matriz, com opção
para que os pivots sejam 1 ou não (por defeito, não são).
ç GaussJordan[A,B]
Usa o algoritmo de Gauss-Jordan na resolução do sistema de equações lineares A.X == B.
ç Inversa[A]
Determina a inversa da matriz quadrada A, por condensação.
ç InversaDireita[A,c]
Calcula as inversas direitas de A, se existirem, com parâmetros c.
ç InversaEsquerda[A,c]
Calcula as inversas esquerdas de A, se existirem, com parâmetros c.
Sec. 2.16] Anexos: matrizes e o MATHEMATICA 145

ç DivisaoEsquerda[A,B,c]
Determina a divisão esquerda de B por A, se existir, com parâmetros c.
ç DivisaoDireita[A,B,c]
Determina a divisão direita de B por A, se existir, com parâmetros c.
ç GaussSeidel[A,B,X0,tol,max] determina a solução do sistema AX == B, a partir da
estimativa inicial X0 com a tolerancia tol e com um máximo de pontos max e devolve a lista
formada pela solução aproximada e pelo número de pontos calculados (excluindo X0).
ç GaussSeidelPoints[A,B,X0,tol,max] determina a lista de um máximo de max+1
soluções aproximadas (incluindo X0) do sistema AX == B, a partir da estimativa inicial X0 com
a tolerancia tol.
ç Passagem[e1,e2]
Determina a matriz de mudança da base e1 para a base e2; mais geralmente, determina a
matriz cujas colunas são as coordenadas dos vectores da lista e2 em relação à base e1.
ç Coordenadas[e1,e2,xe1]
Transforma as coordenadas xe1 de um vector da base e1 para a base e2.
Segue-se a listagem do package ALGA`Matrizes`:

(* Package by Carlos Ribeiro, Março 2009 *)


(* Contexto : ALGA`Matrizes` *)
(* Versão : 3.7 *)
(* Versão do Mathematica : 7.0 *)

BeginPackage["ALGA`Matrizes`"]

(* ------------------------------ HELP ON-LINE ------------------------------ *)

AppendRows::usage = "AppendRows[mat1, mat2, ...] dá uma nova matriz composta pelas submatrizes \
mat1, mat2, ..., juntando-lhes as linhas. As submatrizes deverão ter o mesmo número de linhas."

AppendColumns::usage = "AppendColumns[mat1, mat2, ...] dá uma nova matriz composta pelas \


submatrizes mat1, mat2, ..., juntando-lhes as colunas. As submatrizes deverão ter o mesmo \
número de colunas."

ZeroMatrix::usage = "ZeroMatrix[m] devolve a matriz nula quadrada de ordem m. ZeroMatrix[m, n] \


devolve a matriz nula de tipo m x n."

SquareMatrixQ::usage = "SquareMatrixQ[mat] testa se a matriz mat é quadrada."

Op1::usage = "Op1[A,i,j] Matriz que resulta de trocar as linhas i e j na matriz A."

Op2::usage = "Op2[A,i,x] Matriz que resulta de multiplicar a linha i da matriz A pelo \


escalar x não-nulo."

Op3::usage = "Op3[A,i,j,y] matriz obtida de A, substituindo a linha i pela sua soma com \
o produto do escalar y pela linha j."

Op4::usage = "Op4[A,i,j,x,y] matriz obtida de A, substituindo a linha i \


pela soma do produto com o produto do escalar y pela linha j."
146 Matrizes [Cap. 2

PivotUm::usage = "PivotUm é uma opção da função Caracteristica[] que indica que os pivots \
deverão ser 1s, quando PivotUm for igual a True. Por defeito é PivotUm -> False."

Caracteristica::usage="Caracteristica[A, PivotUm -> Opção] Devolve a lista composta pela \


característica de A, seguida da matriz levada à forma escalonada. PivotUm é uma opção que \
indica que os pivots deverão ser 1s, quando PivotUm for igual a True. \
Por defeito é PivotUm -> False."

GaussJordan::usage="GaussJordan[A,B] Resolve o sistema A.X = B, devolvendo uma lista formada \


por uma solução particular e pela lista contendo os vectores duma base do espaço das soluções \
do sistema homogéneo A.X = O."

Inversa::usage="Inversa[A] calcula a matriz inversa da matriz quadrada A."

InversaDireita::usage="InversaDireita[A,c] calcula a(s) matriz(es) inversa(s) direita(s) da \


matriz A e usando c como parâmetro."

InversaEsquerda::usage="InversaEsquerda[A,c] calcula a(s) matriz(es) inversa(s) esquerda(s) \


da matriz A e usando c como parâmetro."

DivisaoEsquerda::usage="DivisaoEsquerda[A,B,c] calcula o quociente de B por A, com o divisor \


A à esquerda e usando c como parâmetro."

DivisaoDireita::usage="DivisaoDireita[A, B, c] calcula o quociente de B por A, com o divisor \


A à direita e usando c como parâmetro."

GaussSeidel::usage="GaussSeidel[a, b, x0, err, iter] tenta resolver o sistema ax=b pelo método \
de Gauss-Seidel, a partir de um ponto inicial x0 com um erro inferior a err e realizando um \
máximo de iter iterações."

GaussSeidelPoints::usage="GaussSeidelPoints[a, b, x0, err, iter] devolve a lista de pontos \


obtida pelo algoritmo de Gauss-Seidel na resolução do sistema ax=b, a partir de um ponto \
inicial x0 com um erro inferior a err e realizando um máximo de iter iterações."

Passagem::usage="Passagem[e1, e2] Devolve a matriz cujas colunas são as coordenadas dos \


vectores da lista e2, na base formada pelos vectores da lista e1; se e2 for outra base, \
calcula a matriz de mudança de e1 para e2. A lista e1 deve ser uma base e os vectores de e2 \
devem pertencer ao espaço gerado por e1."

Coordenadas::usage="Coordenadas[e1, e2, xe1] Devolve as coordenadas em relação à base e2 de \


um vector, dadas as suas coordenadas xe1 em relação à base e1."

Begin["`Private`"]
(* -------------------------------- DEFAULTS -------------------------------- *)

Options[Caracteristica] = {PivotUm -> False};

(* --------------------------- MENSAGENS DE ERRO ---------------------------- *)

Op2::escalarnulo3 = "Operação do tipo 2 inválida. O 3º argumento não pode ser nulo.";

Op4::escalarnulo4 = "Operação do tipo 4 inválida. O 4º argumento não pode ser nulo.";

GaussJordan::errdimensao = "GaussJordan[A,B]: Nº de linhas da matriz A diferente do \


comprimento do vector B.";
GaussJordan::impossivel = "Sistema AX = B impossível.";

Caracteristica::matrizvazia = "Matriz vazia."

Inversa::inverrdimensao = "A matriz a inverter não é quadrada ou é vazia.";


Inversa::singular = "A matriz é singular.";

InversaDireita::naoexiste = "A matriz não tem inversa(s) direita(s).";


Sec. 2.16] Anexos: matrizes e o MATHEMATICA 147

InversaEsquerda::naoexiste = "A matriz não tem inversa(s) esquerda(s).";

DivisaoEsquerda::naoexiste = "A divisão esquerda não é possível.";


DivisaoEsquerda::dimensao = "O número de linhas das matrizes a dividir não é igual";

DivisaoDireita::naoexiste = "A divisão direita não é possível.";


DivisaoDireita::dimensao = "O número de colunas das matrizes a dividir não é igual";

GaussSeidel::errdim = GaussSeidelPoints::errdim = "O comprimento do vector inicial é \


diferente da ordem da matriz simples do sistema.";
GaussSeidel::errindep = GaussSeidelPoints::errindep = "O comprimento do vector dos termos \
independentes é diferente da ordem da matriz simples do sistema.";
GaussSeidel::errdiag=GaussSeidelPoints::errdiag="Existe(m) elemento(s) nulo(s) na diagonal \
da matriz simples.";
GaussSeidel::dimensao = GaussSeidelPoints::dimensao = "A matriz simples do sistema \
não é quadrada.";

Passagem::naobase = "A primeira lista não é uma base.";


Passagem::errdim = "Os vectores da segunda lista não pertencem ao espaço gerado pelos \
vectores da primeira lista.";

Coordenadas::naobase = "A segunda lista não é uma base.";


Coordenadas::errdim = "As bases indicadas nos dois primeiros argumentos não são do mesmo \
espaço ou o vector tem a dimensão errada.";

(* ------------------------------ IMPLEMENTAÇÃO ------------------------------ *)

(* Implementação da função ZeroMatrix *)


ZeroMatrix[0, ___] := {}
ZeroMatrix[m_Integer, 0] := Table[{}, {m}]

ZeroMatrix[m_Integer, n_Integer] := Normal[SparseArray[{},{m, n}]] /; \


m >= 0 && n>=0

ZeroMatrix[m_Integer] := ZeroMatrix[m, m] /; m >= 0

(* Implementação da função SquareMatrixQ *)


SquareMatrixQ[a_?MatrixQ] := SameQ @@ Dimensions[a]

(* Implementação da função AppendRows *)


SameRowSize[l_List] := (SameQ @@ (Dimensions[#][[1]]& /@ l) )
AppendRows[l__?MatrixQ] := Transpose[Join @@ Transpose /@ {l}] /; \
SameRowSize[{l}]

(* Implementação da função AppendColumns *)


SameColumnSize[l_List] := (SameQ @@ (Dimensions[#][[2]]& /@ l) )
AppendColumns[l__?MatrixQ] := Join[l] /; SameColumnSize[{l}]

(* Implementação das operações elementares *)


Op1[a_?MatrixQ, i_Integer, j_Integer] :=
Module[{temp = a[[i]], b = a}, b[[i]] = b[[j]]; b[[j]] = temp; b]

Op2[a_?MatrixQ, i_Integer, x_] :=


Module[{b = a}, If[x == 0, Message[Op2::escalarnulo3],
b[[i]] = x b[[i]]; b]]

Op3[a_?MatrixQ, i_Integer, j_Integer, x_] :=


Module[{b = a}, b[[i]] = b[[i]] + x b[[j]]; b]

Op4[a_?MatrixQ, i_Integer, j_Integer, x_, y_] :=


Module[{b = a}, If[x == 0, Message[Op4::escalarnulo4],
b[[i]] = x b[[i]] + y b[[j]]; b]]
148 Matrizes [Cap. 2

(* Implementação do módulo Caracteristica *)


Caracteristica[a_?MatrixQ, opt___?OptionQ] :=
Module[{m = Length[a], n = Dimensions[a][[2]], b = a, r = 0, k = 0, i, piv1},
{piv1} = {PivotUm}/.Flatten[{opt, Options[Caracteristica]}];
If[m == 0 || n== 0, Message[Caracteristica::matrizvazia];
Print["Caracteristica[", a, ", PivotUm -> ", piv1, "]"],
While[r < m && k < n,
While[k++; i = r; While[i++; b[[i, k]] == 0 && i < m, Null];
b[[i, k]] == 0 && k < n, Null
];
If[b[[i, k]] != 0,
r++;
b = Op1[b, r, i];
If[piv1,
b = Op2[b, r, 1/b[[r, k]]];
For[i = r + 1, i <= m, i++, b = Op3[b, i, r, -b[[i, k]]]],
For[i = r + 1, i <= m, i++, If[b[[i,k]] != 0,
b = Op4[b, i, r, b[[r, k]], -b[[i,k]]]]]
]
]
]; {r,b}
]
]

(* Implementação do módulo GaussJordan *)


GaussJordan[a_?MatrixQ, b_?VectorQ] :=
Module[{m = Length[a], n = Dimensions[a][[2]], s = 0, r = 0,
k = 0, c, i, piv, sp, sh},
If[m != Length[b],
Message[GaussJordan::errdimensao],
(* Condensação da matriz completa *)
c = Transpose[Join[Transpose[a],{b}]];
piv = Table[False,{n}];
While[s < m && k < n+1,
While[k++; i = s; While[i++; c[[i, k]] == 0 && i < m, Null];
c[[i, k]] == 0 && k < n+1, Null
];
If[c[[i, k]] != 0,
s++;
If[k <= n, r++; piv[[k]] = True];
If[i != s, c = Op1[c, s, i]];
c = Op2[c, s, 1/c[[s, k]]];
For[i = 1, i <= m, i++,
If[i != s, c = Op3[c, i, s, -c[[i, k]]]]
]
]
];
(* Discussão da solução e preparação da saída *)
If[s != r,
(* Sistema impossível *)
Message[GaussJordan::impossivel];
Print["GaussJordan[", a, ", ", b, "]"],
(* Sistema possível *)
(* sp: solução particular *)
sp = Table[0,{n}];
For[k = 1; i = 0, k <= n, k++,
If[piv[[k]], i++; sp[[k]] = c[[i, n+1]]]
];
(* sh: base do espaço das soluções do sistema homogéneo associado *)
sh = Table[0,{n-r},{n}];
For[s = 1; t = 0, s <= n, s++,
If[Not[piv[[s]]],
Sec. 2.16] Anexos: matrizes e o MATHEMATICA 149

t++;
For[k = 1; i = 0, k <= n, k++,
If[piv[[k]], i++; sh[[t, k]] = -c[[i, s]], sh[[t, s]] = 1]
]
]
];
{sp, sh}
]
]
]

(* Implementação do módulo Inversa *)


Inversa[a_?MatrixQ] :=
Module[{n = Length[a], cont = True, r = 0, k = 0, b, i},
If[Not[SquareMatrixQ[a]],
Message[Inversa::inverrdimensao]; Print["Inversa[", a, "]"],
(* Inversão da matriz *)
b = Transpose[Join[Transpose[a],IdentityMatrix[n]]];
While[r < n && k < n && cont,
k++; i = r; While[i++; b[[i, k]] == 0 && i < n, Null];
If[b[[i, k]] == 0,
cont = False,
r++;
If[i != r, b = Op1[b, r, i]];
b = Op2[b, r, 1/b[[r, k]]];
For[i = 1, i <= n, i++,
If[i != r, b = Op3[b, i, r, -b[[i, k]]]]
]
]
];
If[cont, Transpose[Take[Transpose[b],-n]],
Message[Inversa::singular];Print["Inversa[", a, "]"]
]
]
]

(* Implementação do módulo InversaDireita *)


InversaDireita[a_?MatrixQ, c_]:=
Module[{sh = NullSpace[a], i},
If[Caracteristica[a][[1]] == Length[a],
Transpose[Table[LinearSolve[a,IdentityMatrix[Length[a]][[i]]]+
Array[c[i],{Length[sh]}].sh,{i,Length[a]}]],
Message[InversaDireita::naoexiste];
Print["InversaDireita[", a, ", ", c, "]"]
]
]

(* Implementação do módulo InversaEsquerda *)


InversaEsquerda[a_?MatrixQ, c_] :=
If[Caracteristica[a][[1]] == Dimensions[a][[2]],
Transpose[InversaDireita[Transpose[a], c]],
Message[InversaEsquerda::naoexiste];
Print["InversaEsquerda[", a, ", ", c, "]"]
]

(* Implementação do módulo DivisaoEsquerda *)


DivisaoEsquerda[a_?MatrixQ,b_?MatrixQ, c_]:=
Module[{sh=NullSpace[a]},
If[Length[a]==Length[b],
If[Caracteristica[a][[1]]== \
Caracteristica[Join[Transpose[a],Transpose[b]]][[1]],
Transpose[Table[LinearSolve[a,b[[All,i]]]+Array[c[i],{Length[sh]}].sh, \
150 Matrizes [Cap. 2

{i,Dimensions[b][[2]]}]],
Message[DivisaoEsquerda::naoexiste];
Print["DivisaoEsquerda[",a,", ",b,"]"]
],
Message[DivisaoEsquerda::dimensao];Print["DivisaoEsquerda[",a,",",b,"]"]
]
]

(* Implementação do módulo DivisaoDireita *)


DivisaoDireita[a_?MatrixQ,b_?MatrixQ, c_]:=
Module[{sh=NullSpace[a]},
If[Dimensions[a][[2]]==Dimensions[b][[2]],
If[Caracteristica[a][[1]]==Caracteristica[Join[a,b]][[1]],
Transpose[DivisaoEsquerda[Transpose[a],Transpose[b],c]],
Message[DivisaoDireita::naoexiste]; Print["DivisaoDireita[",a,", ",b,"]"]
],
Message[DivisaoDireita::dimensao];Print["DivisaoDireita[",a,", ",b,"]"]
]
]

(* Implementação do módulo GaussSeidel *)


GaussSeidel[a_?MatrixQ,b_?VectorQ,x0_?VectorQ,&_,maxiter_?IntegerQ]:=
Module[{y0=x0,y1=x0,n=Length[x0],i,j,cont=True,m=0,ok=True},
If[SquareMatrixQ[a],
If[Length[a]==Length[b],
If[Length[a]==Length[x0],
For[i=1,i<=n,i++,ok=ok && a[[i,i]]!=0];
If[ok,
While[cont,
For[i=1,i<=n,i++,
y1[[i]]=1/a[[i,i]]*(b[[i]]-Sum[a[[i,j]]*y1[[j]],{j,1,i-1}]-\
Sum[a[[i,j]]*y0[[j]],{j,i+1,n}]);
m++
];
cont=Norm[y1-y0]>=& && m<=maxiter;
y0=y1
];
{y1,m},
Message[GaussSeidel::errdiag]
],
Message[GaussSeidel::errdim]
],
Message[GaussSeidel::errindep]
],
Message[GaussSeidel::dimensao]
]
]

(* Implementação do módulo GaussSeidelPoints *)


GaussSeidelPoints[a_?MatrixQ,b_?VectorQ,x0_?VectorQ,&_,maxiter_?IntegerQ]:=
Module[{y0=x0,y1=x0,n=Length[x0],i,j,cont=True,lista,m=0,ok=True},
If[SquareMatrixQ[a],
If[Length[a]==Length[b],
If[Length[a]==Length[x0],
For[i=1,i<=n,i++,ok=ok && a[[i,i]]!=0];
If[ok,
lista={y1};
While[cont,
For[i=1,i<=n,i++,
y1[[i]]=1/a[[i,i]]*(b[[i]]-Sum[a[[i,j]]*y1[[j]],{j,1,i-1}]-\
Sum[a[[i,j]]*y0[[j]],{j,i+1,n}]);
lista=Join[lista,{y1}];
Sec. 2.16] Anexos: matrizes e o MATHEMATICA 151

m++
];
cont=Norm[y1-y0]>=& && m<=maxiter;
y0=y1
];
lista,
Message[GaussSeidelPoints::errdiag]
],
Message[GaussSeidelPoints::errdim]
],
Message[GaussSeidelPoints::errindep]
],
Message[GaussSeidelPoints::dimensao]
]
]

(* Implementação do módulo Passagem *)


Passagem[e1_?MatrixQ,e2_?MatrixQ]:=
Module[{n=Length[e1]},
Which[Not[SquareMatrixQ[e1]], Message[Passagem::naobase],
MatrixRank[e1]!=n, Message[Passagem::naobase],
Dimensions[e2][[2]]!=n, Message[Passagem::errdim],
True, Transpose[e2.Inverse[e1]]
]
]

(* Implementação do módulo Coordenadas *)


Coordenadas[e1_?MatrixQ,e2_?MatrixQ,xe1_?VectorQ]:=
Module[{n=Length[e1]},
Which[Not[SquareMatrixQ[e1]], Message[Coordenadas::naobase],
MatrixRank[e1]!=n, Message[Coordenadas::naobase],
Length[e2]!=n || Length[xe1]!=n, Message[Coordenadas::errdim],
True, Passagem[e2,e1].xe1
]
]

End[]
EndPackage[]

O package ALGA`Matrizes` deverá ser previamente carregado por meio de um dos


comandos
<<ALGA`Matrizes`
Get["ALGA`Matrizes`"]
Needs["ALGA`Matrizes`"]
DeclarePackage["ALGA`Matrizes`"]

Nas páginas seguintes, apresenta-se um notebook onde se ilustra o uso do package anterior e
das funções próprias do software MATHEMATICA© para resolver vários problemas matriciais.
152 Matrizes [Cap. 2

Matrizes

2.16.1. O que são?

ü No MATHEMATICA, uma matriz é uma lista de listas do mesmo comprimento

a  2, 2, 1, 3,  2, 1, 1,  5, 1, 3, 2, 1;

b  2,  5, 3, 4, 1;

c  3,  2, 5;

ü Pode formatar-se uma matriz com a função MatrixForm[]

a  MatrixForm

2 2 1
3 2 1
1 5 1
3 2 1

2.16.2. Acesso aos elementos de uma matriz

ü Podemos extrair partes de uma matriz

Obtém-se o elemento na posição (3,2) da matriz por meio de a[[3,2]] ou Part[a,3,2]

a3, 2, Parta, 3, 2

 5,  5

A linha 3
Sec. 2.16] Anexos: matrizes e o MATHEMATICA 153

a3

1,  5, 1

A coluna 2

aAll, 2

2,  2,  5, 2

Podemos extrair as 2 primeiras linhas com Take[a,2]

Takea, 2  MatrixForm

 
2 2 1
3 2 1

Ou as 2 últimas linhas

Takea,  2  MatrixForm

 
1 5 1
3 2 1

Podemos extrair as 2 primeiras colunas

Takea, All, 2  MatrixForm

2 2
3 2
1 5
3 2

Podemos extrair as 2 últimas colunas


154 Matrizes [Cap. 2

Takea, All,  2  MatrixForm

2 1
2 1
5 1
2 1

Ou as linhas de ordem par

Takea, 2, 4, 2  MatrixForm

 
3 2 1
3 2 1

Ou as colunas 2 e 3

Takea, All, 2, 3  MatrixForm

2 1
2 1
5 1
2 1

2.16.3. Dimensões (tipo) de uma matriz

Podemos obter o vector contendo o número de linhas e de colunas (tipo da matriz)

Dimensionsa

4, 3

E extrair daí o número de linhas

Dimensionsa1
Sec. 2.16] Anexos: matrizes e o MATHEMATICA 155

Lengtha

E o número de colunas

Dimensionsa2

2.16.4. Trata-se mesmo de uma matriz?

A função MatrixQ verifica se um objecto é uma matriz

MatrixQa

True

MatrixQb

False

MatrixQc

False

2.16.5. Geração de matrizes


156 Matrizes [Cap. 2

Podemos gerar matrizes identidade de qualquer ordem

IdentityMatrix4  MatrixForm

1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1

Podemos gerar matrizes diagonais

DiagonalMatrix2,  3, 0, 1  MatrixForm

2 0 0 0
0 3 0 0
0 0 0 0
0 0 0 1

Matriz diagonal complexa com elementos diagonais aleatórios

TableRandomInteger 10, 10   RandomInteger 10, 10, 5  MatrixForm


DiagonalMatrix

 9  10  0 0 0 0
0 6  9  0 0 0
0 0 5  2  0 0
0 0 0 38 0
0 0 0 0  10  10 

Podem gerar-se outras matrizes com Table[] ou Array[]

a  Table1  i  j  1, i, 3, j, 4  MatrixForm

1 1 1
1 2 3 4
1 1 1 1
2 3 4 5
1 1 1 1
3 4 5 6
Sec. 2.16] Anexos: matrizes e o MATHEMATICA 157

b  Arrayx, 3, 4  MatrixForm

x1, 1 x1, 2 x1, 3 x1, 4


x2, 1 x2, 2 x2, 3 x2, 4
x3, 1 x3, 2 x3, 3 x3, 4

c  RandomInteger 9, 9, 4, 3  MatrixForm

0 1 9
6 9 4
5 3 9
3 7 8

Podemos gerar uma matriz tridiagonal de 8ª ordem com elementos aleatórios inteiros entre -10 e 10 nas 3
diagonais

TableIfAbsi  j  1, RandomInteger 10, 10, 0, i, 8, j, 8  MatrixForm

2 4 0 0 0 0 0 0
9 1 1 0 0 0 0 0
0 0 2 1 0 0 0 0
0 0 0 5 3 0 0 0
0 0 0 8 8 6 0 0
0 0 0 0 9 6 6 0
0 0 0 0 0 6 9 2
0 0 0 0 0 0 3 5

Matriz 5x6 formada por números primos escolhidos aleatoriamente de entre os primeiros 2000

TablePrimeRandomInteger1, 2000, i, 5, j, 6  MatrixForm

8273 9377 3271 16 927 11 681 15 889


773 1483 8501 5639 4759 10 657
17 093 2711 3617 14 983 12 763 14 699
1579 4591 11 159 9601 1559 2207
2417 13 691 1451 479 3863 4793

2.16.6. Operações matriciais


158 Matrizes [Cap. 2

Podem somar-se matrizes com + ou Plus[]

c  a  b  MatrixForm

1 1 1
1  x1, 1 2
 x1, 2 3
 x1, 3 4
 x1, 4
1 1 1 1
2
 x2, 1 3
 x2, 2 4
 x2, 3 5
 x2, 4
1 1 1 1
3
 x3, 1 4
 x3, 2 5
 x3, 3 6
 x3, 4

Multiplicar por escalar

d   Pi  a  MatrixForm

  
  2  3  4
   
2 3 4 5
   
3 4 5 6

Podem transpor-se matrizes

e  Transposed  MatrixForm

 
  2  3
  
2 3 4
  
3 4 5
  
4 5 6

Podem multiplicar-se matrizes com . ou Dot[] - atenção à não comutatividade

d.e  MatrixForm

205 2 4 2 17 2
144 5 30
4 2 1669 2 2
5 3600 3
17 2 2 869 2
30 3 3600
Sec. 2.16] Anexos: matrizes e o MATHEMATICA 159

e.d  MatrixForm

49 2 3 2 21 2 73 2
36 4 40 180
3 2 61 2 3 2 7 2
4 144 10 30
21 2 3 2 769 2 2
40 10 3600 6
73 2 7 2 2 469 2
180 30 6 3600

As matrizes podem ser complexas

a  Table2  i  j  2  I, i, 4, j, 3  MatrixForm

2 4 1  6 4
5
 5 2
 2 13
 13
4 8 12 8
5
 5
1 13
 13
6 12  3 3 18 12 
5
 5 2
 2 13
 13
8 16  24 16 
5
 5
22 13
 13

b  TableRandomInteger 20, 20  RandomInteger10, 10 ,


i, 4, j, 3  MatrixForm

 20  7  72  20  9 
18  2  97 82
 11  2  1  5  2
 13  8  5   0

E podemos subtrair

c  a  b  MatrixForm

102 39  13 3 266 121 


5
 5  2
 2 13
 13
86 18  92 34 
 5  5 8  8   13  13
61 22  5 7 8 
5
 5 2
 2
 13  13
73 24  24 16 
5
 5 7 13
 13

E transpor
160 Matrizes [Cap. 2

Transposec  MatrixForm

102 39  86 18  61 22  73 24 
5
 5  5
 5 5
 5 5
 5
13 3 5 7
 2  2 8  8  2
 2 7
266 121  92 34  8  24 16 
13
 13  13  13
 13  13 13
 13

E conjugar

d  Conjugatec  MatrixForm

102 39  13 3 266 121 


5
 5  2
 2 13
 13
86 18  92 34 
 5  5 8  8   13  13
61 22  5 7 8 
5
 5 2
 2
 13  13
73 24  24 16 
5
 5 7 13
 13

Podemos definir a função transconjugada

TransConjugadaa_ ? MatrixQ : TransposeConjugatea

Podemos, agora, usá-la

TransConjugadad  MatrixForm

102 39  86 18  61 22  73 24 
5
 5  5
 5 5
 5 5
 5
13 3 5 7
 2  2 8  8  2
 2 7
266 121  92 34  8  24 16 
13
 13  13  13
 13  13 13
 13

TransConjugadaTransConjugadad  d

True

Podemos calcular potências de matrizes


Sec. 2.16] Anexos: matrizes e o MATHEMATICA 161

a  Tablei  j  1  Absi  j, i, 4, j, 4  MatrixForm

3 4 5
2 2 3 4
3 5
2
4 2
2
4 5 7
3 2
6 2
5 7
4
2 2
8

MatrixPowera, 3  MatrixForm

3301 5153 12 593 154 805


36 32 54 576
5153 581 59 935 11 317
32 2 144 24
12 593 59 935 5783 211 333
54 144 9 288
154 805 11 317 211 333 22 651
576 24 288 24

MatrixPowera,  2  MatrixForm

3 956 854 176 1 709 058 624 120 503 304 170 052 096
6 902 452 561
 6 902 452 561  6 902 452 561  6 902 452 561
1 709 058 624 1 609 475 444 442 309 104 41 067 096
 6 902 452 561 6 902 452 561
 6 902 452 561 6 902 452 561
120 503 304 442 309 104 659 269 044 231 678 624
 6 902 452 561  6 902 452 561 6 902 452 561
 6 902 452 561
170 052 096 41 067 096 231 678 624 266 544 416
 6 902 452 561 6 902 452 561
 6 902 452 561 6 902 452 561

MatrixPowera, 0  MatrixForm

1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1

2.16.7. Matrizes permutáveis

ü Definir função polinómio PolAleatorio na matriz mat com coeficientes inteiros


aleatórios entre -9 e 9 e grau aleatório até maxgrau - devolve uma lista contendo o grau
gerado, os coeficientes gerados e a matriz obtida
162 Matrizes [Cap. 2

PolAleatoriomat_ ? MatrixQ, maxgrau_ ? IntegerQ1 && 1  0 & :


Modulegrau  RandomInteger0, maxgrau, coefs,
coefs  RandomInteger 9, 9, grau  1;

grau, coefs,  coefsk  1 MatrixPowermat, k


grau

k0

ü A função MatAleatoria gera uma matriz quadrada de ordem aleatória entre 2 e 5 com
elementos inteiros aleatórios entre -9 e 9

Modulen  RandomInteger2, 5, RandomInteger9, 9, n, n


MatAleatoria :

a é uma matriz quadrada aleatória

a  MatAleatoria  MatrixForm

 
1 9
3 2

b é a matriz polinómio em a com grau gr até 4 e coeficientes cf

gr, cf, b  PolAleatorioa, 4;

O grau, os coeficientes e a matriz polinómio em a gerada anteriormente

gr, cf, b  MatrixForm

2, 4,  1,  3,  


 79 72
24  87

Verificar que a e b são permutáveis

p  a.b  q  b.a

True
Sec. 2.16] Anexos: matrizes e o MATHEMATICA 163

MapMatrixForm, p, q

 ,  
295  855 295  855
285 390  285 390

Verificação de que a.b4  a4 .b4

p  MatrixPowera.b, 4  q  MatrixPowera, 4.MatrixPowerb, 4

True

p  MatrixForm

47 152 726 420  71 836 014 105  32 930 742 250


6 191 942 216 11 031 472 641 28 865 807 720
46 472 670 946  37 496 710 654 27 669 372 445

q  MatrixForm

47 152 726 420  71 836 014 105  32 930 742 250


6 191 942 216 11 031 472 641 28 865 807 720
46 472 670 946  37 496 710 654 27 669 372 445

Binómio de Newton : a  b3  a3  3 a2 b  3 ab2  b3

p  MatrixPowera  b, 3  q  MatrixPowera, 3 


3 MatrixPowera, 2.b  3 a.MatrixPowerb, 2  MatrixPowerb, 3

True

p  MatrixForm
164 Matrizes [Cap. 2

109 719  147 917  116 298


34 776 32 712 55 328
116 074  126 686 49 876

q  MatrixForm

109 719  147 917  116 298


34 776 32 712 55 328
116 074  126 686 49 876

Verificação de que a2  b2  a  b.a  b

p  MatrixPowera, 2  MatrixPowerb, 2  q  a  b.a  b

True

p  MatrixForm

31  3513  3022
944  1812 1292
2866  3274  1496

q  MatrixForm

31  3513  3022
944  1812 1292
2866  3274  1496

2.16.8. Matrizes não permutáveis

Gerar nova matriz b aleatória e da mesma ordem que a matriz a

b  RandomInteger 9, 9, Lengtha, Lengtha  MatrixForm


Sec. 2.16] Anexos: matrizes e o MATHEMATICA 165

6 2 8
7 3 9
2 9 8

Verificar que a e b não são permutáveis

p  a.b  q  b.a

False

p  MatrixForm

25  77  75
21  23  39
 34  25 16

q  MatrixForm

 36 84  4
 44 96  5
56  79  42

Verificação de que a.b4  a4 .b4

p  MatrixPowera.b, 4  q  MatrixPowera, 4.MatrixPowerb, 4

False

p  MatrixForm

4 919 860 2 285 749  2 625 150


4 475 298  1 269 389  4 874 232
 6 424 717 6 942 125 10 797 643
166 Matrizes [Cap. 2

q  MatrixForm

 7 198 325 863 315 6 766 995


 2 205 775 13 419 573 11 763 441
 1 075 200 20 772 113 15 810 796

Binómio de Newton não se verifica : a  b3  a3  3 a2 b  3 ab2  b3

p  MatrixPowera  b, 3  q  MatrixPowera, 3 


3 MatrixPowera, 2.b  3 a.MatrixPowerb, 2  MatrixPowerb, 3

False

p  MatrixForm

68 32 625
 176 229 671
 33  13 171

q  MatrixForm

 328 1770 1320


 512 2323 1874
164  708  1527

Verificação de que a2  b2  a  b.a  b

p  MatrixPowera, 2  MatrixPowerb, 2  q  a  b.a  b

False

p  MatrixForm
Sec. 2.16] Anexos: matrizes e o MATHEMATICA 167

 38 133 144
 55 115 81
 81 5 26

q  MatrixForm

 99 294 215
 120 234 115
9  49  32

2.16.9. Representação gráfica

Podemos representar matrizes geometricamente em 3D

ListPlot3Da

b  TableCosx y  RandomReal 0.15`, 0.15`, x, 0, , y, 0, ;


3  3 
, ,
2 20 2 20

ListPlot3Db
168 Matrizes [Cap. 2

E podemos representar matrizes geometricamente em 2D

ListDensityPlotb, Mesh  False

2.16.10. Característica
Sec. 2.16] Anexos: matrizes e o MATHEMATICA 169

Needs"ALGA`Matrizes`"

a  1,  2, 1, 0, 3, 0, 1, 3, 4, 2,  1, 1,  1,  1,  2  MatrixForm

1 2 1 0 3
0 1 3 4 2
 1 1  1  1 2

Cálculo da característica

? Caracteristica

CaracteristicaA, PivotUm -> Opção Devolve a lista composta pela característica


de A, seguida da matriz levada à forma escalonada. PivotUm é uma opção que indica que
os pivots deverão ser 1s, quando PivotUm for igual a True. Por defeito é PivotUm -> False.

MatrixRanka, Caracteristicaa1

Remove"Global`"

2.16.11. Sistemas

ü Sistema determinado

a  1, 2, 2, 3,  2,  1, 2, 5, 3, 1, 4, 6  MatrixForm

1 2 2
3 2 1
2 5 3
1 4 6
170 Matrizes [Cap. 2

b  2, 5,  4, 0;

Uso de RowReduce[]

ab  TransposeJoinTransposea, b  MatrixForm

1 2 2 2
3 2 1 5
2 5 3 4
1 4 6 0

RowReduceab  MatrixForm

1 0 0 2
0 1 0 1
0 0 1 1
0 0 0 0

Uso de GaussJordan[]

? GaussJordan

GaussJordanA,B Resolve o sistema A.X = B, devolvendo uma lista formada por uma solução particular e
pela lista contendo os vectores duma base do espaço das soluções do sistema homogéneo A.X = O.

solu  GaussJordana, b

2, 1,  1, 

sp  solu1  MatrixForm

2
1
1
Sec. 2.16] Anexos: matrizes e o MATHEMATICA 171

Verificação do resultado

a.sp  b

True

Uso de LinearSolve[] e NullSpace[]

sp  LinearSolvea, b  MatrixForm

2
1
1

NullSpacea



Uso de Solve[]

X  x, y, z;

sistema  a.X  b

x  2 y  2 z, 3 x  2 y  z, 2 x  5 y  3 z, x  4 y  6 z  2, 5,  4, 0

Solvesistema, X

x  2, y  1, z   1

Uso de Reduce[]
172 Matrizes [Cap. 2

Reducesistema, X

x  2 && y  1 && z  1

Remove"Global`"

ü Sistema impossível

a  1, 5, 4,  13, 3,  1, 2, 5, 2, 2, 3, 4  MatrixForm

1 5 4  13
3 1 2 5
2 2 3 4

b  3, 2, 1;

Uso de RowReduce[]

ab  TransposeJoinTransposea, b  MatrixForm

1 5 4  13 3
3 1 2 5 2
2 2 3 4 1

RowReduceab  MatrixForm

7 3
1 0 8 4
0
5 11
0 1 8
 4
0
0 0 0 0 1

Uso de GaussJordan[]

solu  GaussJordana, b
Sec. 2.16] Anexos: matrizes e o MATHEMATICA 173

GaussJordan::impossivel : Sistema A.X  B impossível.

GaussJordan1, 5, 4,  13, 3, 1, 2, 5, 2, 2, 3,  4, 3, 2, 1

Uso de LinearSolve[]

sp  LinearSolvea, b  MatrixForm

LinearSolve::nosol : Linear equation encountered that has no solution. 

LinearSolve1, 5, 4,  13, 3,  1, 2, 5, 2, 2, 3, 4, 3, 2, 1

Uso de Solve[]

X  x, y, z, w;

sistema  a.X  b

 13 w  x  5 y  4 z, 5 w  3 x  y  2 z,  4 w  2 x  2 y  3 z  3, 2, 1

Solvesistema, X



Uso de Reduce[]

Reducesistema, X

False

Remove"Global`"
174 Matrizes [Cap. 2

Sistema duplamente indeterminado

a  1, 2,  3, 2, 2, 5,  8, 6, 3, 4, 5, 2  MatrixForm

1 2 3 2
2 5 8 6
3 4 5 2

b  2, 5, 4;

Uso de RowReduce[]

ab  TransposeJoinTransposea, b  MatrixForm

1 2 3 2 2
2 5 8 6 5
3 4 5 2 4

RowReduceab  MatrixForm

1 0 1 2 0
0 1 2 2 1
0 0 0 0 0

Uso de GaussJordan[]

solu  GaussJordana, b

0, 1, 0, 0,  1, 2, 1, 0, 2,  2, 0, 1

sp  solu1  MatrixForm


Sec. 2.16] Anexos: matrizes e o MATHEMATICA 175

0
1
0
0

sh  solu2  MatrixForm

 
1 2 1 0
2 2 0 1

Removec

sg  sp  Arrayc, Lengthsh.sh  MatrixForm

 c1  2 c2
1  2 c1  2 c2
c1
c2

Verificação do resultado

Simplifya.sg  b

0, 0, 0

4 soluções particulares do sistema, para valores aleatórios inteiros dos parâmetros c[i] entre -6 e 6

Tablesg .Tableci  RandomInteger 6, 6, i, 2, 4

6,  3, 2, 4, 11,  13,  3, 4, 4, 11, 6, 1,  6, 11, 4,  1

Uso de LinearSolve[] e NullSpace[]

sp  LinearSolvea, b  MatrixForm


176 Matrizes [Cap. 2

0
1
0
0

sh  NullSpacea

2,  2, 0, 1,  1, 2, 1, 0

sg  sp  Arrayc, Lengthsh.sh  MatrixForm

2 c1  c2
1  2 c1  2 c2
c2
c1

Uso de Solve[]

X  x, y, z, w;

sistema  a.X  b

2 w  x  2 y  3 z, 6 w  2 x  5 y  8 z, 2 w  3 x  4 y  5 z  2, 5, 4

Resolver em ordem a x e y

Solvesistema, X1, 2

x  2 w  z, y  1  2 w  2 z

Uso de Reduce[]

Reducesistema, X
Sec. 2.16] Anexos: matrizes e o MATHEMATICA 177

1 y
z   1  x  y && w   x
2 2

Remove"Global`"

ü Discussão de um sistema: caso 1

a  1, 1, 1, 3, 2, 2, 1, 1, 1, 1, 3, 14, 0, 0, 2, u  MatrixForm

1 1 1 3
2 2 1 1
1 1 3 14
0 0 2 u

b  1, 2, 4, v;

X  x, y, z, w;

sistema  a.X  b

3 w  x  y  z, w  2 x  2 y  z, 14 w  x  y  3 z, u w  2 z  1, 2, 4, v

Reducesistema, X

30  v
u && y  7  x && z  15 && w  3
3

Remove"Global`"

ü Discussão de um sistema: caso 2

a  u^ 2, 1, u, u^ 2  v ^ 2, 1, u  1, 3 u^ 2  2 v ^ 2, 2, 2 u  1  MatrixForm


178 Matrizes [Cap. 2

u2 1 u
u2  v2 1 1u
3 u2 2 v2 2 12u

b  v  u, v, 3 v;

X  x, y, z;

sistema  a.X  b

u2 x  y  u z, u2  v2  x  y  1  u z, 3 u2  2 v2  x  2 y  1  2 u z   u  v, v, 3 v

Reducesistema, X

u  v && y  2 v  v2  v2 x  v3 x && z   v  v2 x 

u  v u  v  0 && x 
1
&& y  2 u  u2  v2 x  u v2 x && z  u  v2 x
uv

Remove"Global`"

2.16.12. Método de Gauss-Seidel

ü GaussSeidel[a, b, x0, tol,max] determina a solução do sistema ax = b, a partir


da estimativa inicial x0 com a tolerancia tol e calculando um máximo de max pontos e
devolve a lista formada pela solução aproximada e pelo número de pontos calculados.
ü GaussSeidelPoints[a, b, x0, tol,max] determina a lista das soluções
aproximadas do sistema ax = b, a partir da estimativa inicial x0 com a tolerancia tol e
com um máximo de max+1 pontos.

Primeiro exemplo: uso da função GaussSeidel.

? GaussSeidel
Sec. 2.16] Anexos: matrizes e o MATHEMATICA 179

GaussSeidela, b, x0, err, iter tenta resolver o sistema ax=b pelo método de Gauss-Seidel, a
partir de um ponto inicial x0 com um erro inferior a err e realizando um máximo de iter iterações.

a  6,  2, 3, 2, 4,  1, 4, 2, 7  MatrixForm

6 2 3
2 4 1
4 2 7

b  10, 4, 20

10, 4, 20

LinearSolvea, b

1, 1, 2

x0  0, 0, 0;   10 ^  6;

GaussSeidela, b, x0, , 100

 , 36
1 076 052 546 519 130 475 4 304 209 768 276 963 961 10 043 156 375 399 369 573
, ,
1 076 052 481 665 702 912 4 304 209 926 662 811 648 5 021 578 247 773 280 256

N1, 6

1.00000, 1.00000, 2.00000

Segundo exemplo: uso das funções GaussSeidel e GaussSeidelPoints e interpretação geométrica.

? GaussSeidelPoints
180 Matrizes [Cap. 2

GaussSeidelPointsa, b, x0, err, iter devolve a lista de pontos obtida pelo algoritmo de Gauss-Seidel na resolução do
sistema ax=b, a partir de um ponto inicial x0 com um erro inferior a err e realizando um máximo de iter iterações.

a  3,  2, 3, 4  MatrixForm

 
3 2
3 4

b  1, 11

 1, 11

LinearSolvea, b

1, 2

x0  0, 1;   10 ^  4;

GaussSeidela, b, x0, , 100

 , 32
49 153 131 071
,
49 152 65 536

N1, 6

1.00002, 1.99998

pontos  GaussSeidelPointsa, b, x0, , 100


Sec. 2.16] Anexos: matrizes e o MATHEMATICA 181

0, 1,  , 1,  , ,  , ,  , ,  , ,  , ,  ,  ,


1 1 5 4 5 4 7 5 7 5 17 13 17 13 31
, ,
3 3 2 3 2 3 4 6 4 6 8 12 8 12 16

 ,  ,  ,  ,  ,  ,
23 31 23 65 49 65 49 127 95 127 95 257
, , , , , ,
24 16 24 32 48 32 48 64 96 64 96 128

 ,  ,  ,  ,  ,
193 257 193 511 383 511 383 1025 769 1025
, , , , ,
192 128 192 256 384 256 384 512 768 512

 ,  ,  ,  ,  ,
769 2047 1535 2047 1535 4097 3073 4097 3073 8191
, , , , ,
768 1024 1536 1024 1536 2048 3072 2048 3072 4096

 ,  ,  ,  ,
6143 8191 6143 16 385 12 289 16 385 12 289 32 767
, , , ,
6144 4096 6144 8192 12 288 8192 12 288 16 384

 ,  ,  ,  
24 575 32 767 24 575 65 537 49 153 65 537 49 153 131 071
, , , ,
24 576 16 384 24 576 32 768 49 152 32 768 49 152 65 536

Lengthpontos

33

equacoestraj  Simplify
Table1  t  pontosi  t  pontosi  1, i, Lengthpontos  1;

sopontos  GraphicsListPlotpontos, PlotRange   1  2, 9  5, 4  5, 3,


AspectRatio  Automatic, Frame  True, PlotStyle  Black, Axes  False;

trajectoria  Graphics
ParametricPlotequacoestraj, t, 0, 1, PlotRange   1  2, 9  5, 4  5, 3,
AspectRatio  Automatic, Frame  True, PlotStyle  Gray, Axes  False;

rectas  GraphicsPlot3 x  1  2, 11  3 x  4,


x,  1  2, 2, PlotRange   1  2, 9  5, 4  5, 3,
AspectRatio  Automatic, Frame  True, Axes  False;

Showsopontos, trajectoria, rectas


182 Matrizes [Cap. 2

3.0

2.5

2.0

1.5

1.0

-0.5 0.0 0.5 1.0 1.5

Terceiro exemplo: uso das funções GaussSeidel e GaussSeidelPoints e interpretação geométrica.

a   3, 2, 1,  2  MatrixForm

 
3 2
1 2

b  1,  1

 1,  1

LinearSolvea, b

1, 1

x0  1, 0;   10 ^  6;


Sec. 2.16] Anexos: matrizes e o MATHEMATICA 183

GaussSeidela, b, x0, , 100

 , 28
4 782 967 4 782 968
,
4 782 969 4 782 969

N1, 6

1.00000, 1.00000

pontos  GaussSeidelPointsa, b, x0, , 100

1, 0,  , 0,  , ,  , ,  , ,  , ,  ,


1 1 2 7 2 7 8 25 8 25 26
,
3 3 3 9 3 9 9 27 9 27 27

 ,  ,  ,  ,  ,  ,
79 26 79 80 241 80 241 242 727 242 727 728
, , , , , ,
81 27 81 81 243 81 243 243 729 243 729 729

 ,  ,  ,  ,  ,
2185 728 2185 2186 6559 2186 6559 6560 19 681 6560
, , , , ,
2187 729 2187 2187 6561 2187 6561 6561 19 683 6561

 ,  ,  ,  ,
19 681 19 682 59 047 19 682 59 047 59 048 177 145 59 048
, , , ,
19 683 19 683 59 049 19 683 59 049 59 049 177 147 59 049

 ,  ,  ,  ,
177 145 177 146 531 439 177 146 531 439 531 440 1 594 321 531 440
, , , ,
177 147 177 147 531 441 177 147 531 441 531 441 1 594 323 531 441

 ,  ,  
1 594 321 1 594 322 4 782 967 1 594 322 4 782 967 4 782 968
, , ,
1 594 323 1 594 323 4 782 969 1 594 323 4 782 969 4 782 969

Lengthpontos

29

equacoestraj  Simplify
Table1  t  pontosi  t  pontosi  1, i, Lengthpontos  1;

sopontos  GraphicsListPlotpontos, PlotRange   1  2, 3  2,  1  2, 3  2,


AspectRatio  Automatic, Frame  True, PlotStyle  Black, Axes  False;
184 Matrizes [Cap. 2

trajectoria  GraphicsParametricPlotequacoestraj,
t, 0, 1, PlotRange  1  2, 3  2,  1  2, 3  2,
AspectRatio  Automatic, Frame  True, PlotStyle  Gray, Axes  False;

rectas  GraphicsPlot3 x  1  2, x  1  2,


x, 1  2, 2, PlotRange   1  2, 3  2,  1  2, 3  2,
AspectRatio  Automatic, Frame  True, Axes  False;

Showsopontos, trajectoria, rectas

1.5

1.0

0.5

0.0

-0.5
-0.5 0.0 0.5 1.0 1.5

2.16.13. Inversão de matrizes rectangulares

ü Inversas direitas

? InversaDireita

InversaDireitaA,c calcula as matrizes inversas direitas da matriz A e usando c como parâmetro.
Sec. 2.16] Anexos: matrizes e o MATHEMATICA 185

a  1,  2, 1, 0, 3, 0, 1, 3, 4, 2,  1, 1,  1,  1,  2  MatrixForm

1 2 1 0 3
0 1 3 4 2
 1 1  1  1 2

Cálculo das inversas direitas de a

x  InversaDireitaa, c  MatrixForm

4 1 7
 3  c12  3  c22  3  c32
 1  c11  c12 c21  c22  1  c31  c32
1 1 1
3
 c11  c12 3
 c21  c22 3
 c31  c32
c12 c22 c32
c11 c21 c31

Verificação do cálculo anterior

Simplifya.x  MatrixForm

1 0 0
0 1 0
0 0 1

Exemplo de 4 matrizes inversas direitas para valores aleatórios (inteiros entre -9 e 9) dos parâmetros
c[i][j]

Tablex .FlattenTablecij  RandomInteger 9, 9, i, 3, j, 2 


MatrixForm, 4

25 4 13 4 4 2 13 1 22 16 19 20
 3
3  3
3 3 3
 3
3  3
 3
 3 3

  23  29 22 
7 8  12 5 5 3  13  5 14  11  2 0
, 
17 10 25 , 19 16 10 , 7

29 52
3 3 3 3 3 3 3 3 3 3 3 3
7 1 2 0 1 3 3 0 5 4 6 9
1 9 9 6 4 5 9  5 8 6 4 8

Cálculo das inversas esquerdas de a (não existem)


186 Matrizes [Cap. 2

? InversaEsquerda

InversaEsquerdaA,c calcula as matrizes inversas esquerdas da matriz A e usando c como parâmetro.

InversaEsquerdaa, c

InversaEsquerda::naoexiste : A matriz não tem inversas esquerdas.

InversaEsquerda1,  2, 1, 0, 3, 0, 1, 3, 4, 2, 1, 1,  1,  1,  2, c

Soluções de um sistema a.x  b (possível e indeterminado), usando as inversas direitas de a

b  a.2,  1, 3, 2,  1

4, 14,  6

Simplifyx.b  MatrixForm

2 1  2 c11  2 c12  7 c21  7 c22  3 c31  3 c32


4  4 c12  14 c22  6 c32

 2  2  2 c11  2 c12  7 c21  7 c22  3 c31  3 c32


4 c12  14 c22  6 c32
4 c11  14 c21  6 c31

Uso de GaussJordan[] para o mesmo efeito

Removek

m  GaussJordana, b;

m1  Arrayk, Lengthm2.m2  MatrixForm


Sec. 2.16] Anexos: matrizes e o MATHEMATICA 187

4  k1
2  k1  k2
4  k1  k2
k1
k2

ü Inversas esquerdas

a  1, 0,  1,  2, 1, 1, 1, 3, 1, 0, 4,  1, 3, 2,  2  MatrixForm

1 0 1
2 1 1
1 3 1
0 4 1
3 2 2

Cálculo da característica

Caracteristicaa1

Cálculo das inversas esquerdas y de a

y  InversaEsquerdaa, c  MatrixForm

4 1
 3  c12  1  c11  c12 3
 c11  c12 c12 c11
1 1
 3  c22 c21  c22 3
 c21  c22 c22 c21
7 1
 3  c32  1  c31  c32 3
 c31  c32 c32 c31

Verificação do cálculo anterior

Simplifyy.a  MatrixForm  verificação do cálculo anterior 


188 Matrizes [Cap. 2

1 0 0
0 1 0
0 0 1

Exemplo de 3 matrizes inversas esquerdas para valores aleatórios (inteiros entre -9 e 9) dos parâmetros
c[i][j]

Tabley .FlattenTablecij  RandomInteger 9, 9, i, 3, j, 2 


MatrixForm, 3

16 1 14 31 1 16
 9 4 4 1 6 4  3 4 1 4
  
3 3 3 3 3
28 23 28 20 8 11
3
 10  3
9 1 ,  3 11  3 9 2 , 3
10  3 3 7
25 7 16 7 8 19
 3
 15 3
6 8  3 9 3
3 5 3
3 3
5 1

Cálculo das inversas direitas de a (não existem)

InversaDireitaa, c

InversaDireita::naoexiste : A matriz não tem inversas direitas.

InversaDireita1, 0,  1, 2, 1, 1, 1, 3,  1, 0, 4,  1, 3, 2,  2, c

Sistema a.x  b possível e determinado com solução imposta {2,-3,1}

b  a.2,  3, 1

1,  6,  8,  13,  2

Solução do sistema a.x  b (possível e determinado), usando as inversas esquerdas y de a.


A solução não depende da inversa esquerda usada.

x  Simplifyy.b

2,  3, 1
Sec. 2.16] Anexos: matrizes e o MATHEMATICA 189

Sistema a.x  b impossível

b  1, 1, 1, 1, 1;

m  GaussJordana, b

GaussJordan::impossivel : Sistema A.X  B impossível.

1, 0, 1,  2, 1, 1, 1, 3, 1, 0, 4,  1, 3, 2,  2, 1, 1, 1, 1, 1
GaussJordan

Neste caso, x = y.b não é solução de a.x  b

x  Simplifyy.b

c11  2 1  c12, c21  2 c22,  3  c31  2 c32

2.16.14. Inversão de matrizes quadradas

? Inversa

InversaA calcula a matriz inversa da matriz quadrada A.

a   1, 2,  3, 2, 1, 0, 4,  2, 5  MatrixForm

1 2 3
2 1 0
4 2 5

Cálculo da inversa (bilateral)

x  Inversaa  MatrixForm
190 Matrizes [Cap. 2

5 4 3
10  7 6
8 6 5

Verificação do cálculo anterior

Simplifya.x  MatrixForm

1 0 0
0 1 0
0 0 1

Simplifyx.a  MatrixForm

1 0 0
0 1 0
0 0 1

Verificação das funções do package ALGA`Matrizes`, recorrendo à função Inverse[]

y  Inversea  MatrixForm

5 4 3
10  7 6
8 6 5

Inversaa  y

True

InversaDireitaa, c  y

True
Sec. 2.16] Anexos: matrizes e o MATHEMATICA 191

InversaEsquerdaa, c  y

True

2.16.15. Divisão matricial

ü Divisão esquerda

? DivisaoEsquerda

DivisaoEsquerdaA,B,c calcula o quociente de B por A, com o divisor A à esquerda e usando c como parâmetro.

a   1, 2,  3, 2, 1, 0, 1, 3, 3  MatrixForm

1 2 3
2 1 0
1 3 3

b  a.2,  1, 1, 1,  1, 3  MatrixForm

3 6
5 1
8 7

Divisão esquerda de b por a

x  DivisaoEsquerdaa, b, c  MatrixForm

7 4
5
 3 c11 5
 3 c21
11 13
5
 6 c11  5
 6 c21
5 c11 5 c21

Verificação do resultado
192 Matrizes [Cap. 2

Simplifya.x  b

True

4 soluções da divisão esquerda para valores aleatórios (inteiros entre -9 e 9) dos parâmetros c[i][1]

Tablex .Tableci1  RandomInteger 9, 9, i, 2  MatrixForm, 4

22 109 53 139 38 41 112 41

 
5 5
 5 5
 5
 5 5
 5

 5
19 223
 5 , 131 283
 5 , 101 77 , 199
 5
77
5 5 5 5
5  35 20  45 15 15  35 15

ü Divisão direita

? DivisaoDireita

DivisaoDireitaA, B, c calcula o quociente de B por A, com o divisor A à direita e usando c como parâmetro.

a   1, 2,  3, 1, 2, 1, 0,  1, 1, 3,  3, 0  MatrixForm

1 2 3 1
2 1 0 1
1 3 3 0

b  2,  1, 1, 1, 1, 3.a  MatrixForm

 
3 6 9 3
4 12  12 0

Divisão direita de b por a

x  DivisaoDireitaa, b, c  MatrixForm


Sec. 2.16] Anexos: matrizes e o MATHEMATICA 193

 
3  c11  c11 c11
4  c21 4  c21 c21

Verificação do resultado

Simplifyx.a  b

True

Divisões com divisor a invertível e dividendo b não permutável com a

a   1, 2,  3, 2, 1, 0, 4,  2, 5  MatrixForm

1 2 3
2 1 0
4 2 5

b  0, 1, 2,  1, 2, 3, 2,  1,  3  MatrixForm

0 1 2
1 2 3
2 1 3

a.b  b.a

False

x  DivisaoEsquerdaa, b, c  MatrixForm

 10 6 7
19  10  17
16  9  13

Verificação do resultado
194 Matrizes [Cap. 2

a.x  b

True

y  DivisaoDireitaa, b, c  MatrixForm

6 5 4
1 0 0
 44 33  27

Verificação do resultado

y.a  b

True

As divisões dão resultados diferentes

xy

False

Divisões com divisor a invertível e dividendo b permutável com a

A matriz b é um polinómio em a; portanto, é permutável com a

b  2  MatrixPowera, 3  MatrixPowera, 2 
3  MatrixPowera, 1  4 MatrixPowera, 0  MatrixForm

 58 32  75
 22 28  54
64  14 56

Verificação de que a e b são permutáveis


Sec. 2.16] Anexos: matrizes e o MATHEMATICA 195

a.b  b.a

True

As divisões esquerda e direita dão o mesmo resultado

x  DivisaoEsquerdaa, b, c  MatrixForm

10  6  9
 42 40  36
 12 18 4

y  DivisaoDireitaa, b, c  MatrixForm

10  6  9
 42 40  36
 12 18 4

As divisões dão resultados iguais

xy

True

2.16.16. Mudanças de base

? Passagem

Passageme1, e2 Devolve a matriz cujas colunas são as coordenadas dos vectores da lista e2, na base
formada pelos vectores da lista e1; se e2 for outra base, calcula a matriz de mudança de e1 para
e2. A lista e1 deve ser uma base e os vectores de e2 devem pertencer ao espaço gerado por e1.

Definam-se duas bases de R3 :


196 Matrizes [Cap. 2

e1  1,  2, 1, 3, 0,  1,  2, 2, 3

1,  2, 1, 3, 0,  1,  2, 2, 3

e2  3, 0, 1, 1, 1, 1, 1,  3, 1

3, 0, 1, 1, 1, 1, 1,  3, 1

A matriz de mudança de e1 para e2 é:

t12  Passageme1, e2  MatrixForm

6 1 29
11 22 22
13 15 5
11 22
 22
6 6 2
11 11
 11

A matriz de mudança de e2 para e1 é:

t21  Passageme2, e1  MatrixForm

5
0 2 2
1 9 37
4
4 8
3 3 7
4
4 8

Verificação dos resultados:

t12.t21  IdentityMatrixLengthe1

True

Defina-se um vector através das suas coordenadas na base e1:


Sec. 2.16] Anexos: matrizes e o MATHEMATICA 197

xe1  4,  2, 5

4,  2, 5

As suas coordenadas na base e2 são:

? Coordenadas

Coordenadase1, e2, xe1 Devolve as coordenadas em relação


à base e2 de um vector, dadas as suas coordenadas xe1 em relação à base e1.

Coordenadase1, e2, xe1

 
33 229 71
, ,
2 8 8

Definam-se duas bases de C2 :

e1  1  I,  2  2 I, 3  2 I, 5 I

1  ,  2  2 , 3  2 , 5 

e2  3  I, 1  I, 1  2 I,  3

3  , 1  , 1  2 ,  3

A matriz de mudança de e1 para e2 é:

t12  Passageme1, e2  MatrixForm


198 Matrizes [Cap. 2

35 21  26 49 
 17  17
 17  17
9 19  30 
17
 17 17
 17

A matriz de mudança de e2 para e1 é:

t21  Passageme2, e1  MatrixForm

3 4 29 2
20
 5 20
 5
9 7 7 21 
20
 20 20
 20

Verificação dos resultados:

t12.t21  IdentityMatrixLengthe1

True

Defina-se um vector através das suas coordenadas na base e2:

xe2  4  2 I,  2  5 I

4  2 ,  2  5 

As suas coordenadas na base e1 são:

Coordenadase2, e1, xe2

 
375 242  9 206 
 , 
17 17 17 17
3
Funções lineares
Sec. 3.2] Funções lineares. Núcleo e imagem 201

3.1 Introdução
Até ao presente capítulo, temos estudado os espaços vectoriais e as suas principais
propriedades algébricas. Vamos agora estudar as funções que respeitam a estrutura algébrica
daqueles espaços, ou seja, os homomorfismos dos espaços vectoriais. Veremos que estas
funções constituem, por sua vez, um espaço vectorial e que este estudo permitirá lançar nova
luz sobre a álgebra das matrizes, a qual veremos ser isomorfa da álgebra das funções lineares
entre espaços com dimensão finita. As funções lineares, para além do seu interesse intrínseco,
desempenham também um importante papel no cálculo diferencial das funções de mais de uma
variável e que permitirá aproximar localmente as funções não lineares diferenciáveis por
funções lineares, como o leitor poderá constatar quando estudar aquele tema nas cadeiras de
Análise Matemática.

3.2 Funções lineares. Núcleo e imagem


Comecemos por definir a noção de função linear:

Definição 3.1 – Função linear – Sejam I e J espaços vectoriais sobre um mesmo corpo Š
e 2À I Ä J uma função. Diz-se que 2 é uma função linear ou um homomorfismo de I em J
t Bt w − I e qualquer
sse forem verificadas as condições seguintes, para quaisquer vectores Bß
escalar α − Š:
[L1] 2Bt  Bt w  œ 2Bt  2Bt w 
[L2] 2αBt œ α2Bt
Portanto, a função 2 é linear sse transforma as operações características do espaço vectorial
I nas respectivas operações em J . Convém observar que I e J devem ser espaços sobre o
mesmo corpo Š, sem o que a condição L2 não faria sentido. A conjunção das duas condições
t Bt w − I :
anteriores é equivalente à condição única seguinte, onde α e " são escalares e Bß
[L3] 2αBt  " Bt w  œ α2Bt  " 2Bt w 
Fazendo, em particular, α œ ! e α œ " em L2, obtém-se
29tI  œ 9tJ
3.1
2Bt œ 2Bt
Da igualdade 1.1 que define a subtracção vectorial e da segunda das igualdades anteriores,
t Bt w − I ,
obtém-se, para quaisquer vectores Bß
2Bt  Bt w  œ 2Bt  2Bt w  3.2

Portanto, as funções lineares respeitam a subtracção. Por outro lado, L1 e L2 implicam que,
para qualquer combinação linear  α4 /t4 de vectores de I , se tem:
7

4œ"

2 α4 /t4  œ  α4 2/t4  3.3


7 7

4œ" 4œ"
202 Funções lineares [Cap. 3

Observe, ainda, que a primeira das igualdades 3.1 mostra que a igualdade 3.3 é válida,
mesmo quando 7 œ !.
A proposição seguinte descreve o comportamento das funções lineares no que respeita aos
subespaços de I e de J :

Proposição 3.1 Sejam I e J espaços vectoriais sobre um mesmo corpo Š e 2À I Ä J uma


função linear:
Se E § I é um subespaço de I , então 2E é um subespaço de J . Em particular, o
contradomínio 2I  de 2 é um subespaço de J .
i)

ii) Se E § I é um subespaço de I e se / œ /t" ß /t# ß á ß /t7  for um sistema de vectores


geradores de E, a sequência 2/ œ 2/t" ß 2/t# ß á ß 2/t7  será um sistema de
geradores de 2E, isto é,
2E œ P2/t" ß 2/t# ß á ß 2/t7 
Em particular, se /t" ß /t# ß á ß /t8  for uma base de I , então 2/t" ß 2/t# ß á ß 2/t8 
será um sistema de geradores do contradomínio 2I .

iii) Se E § J é um subespaço de J , então 2" E é um subespaço de I . Em particular, o


traço de 2 segundo 9tJ é um subespaço de I .

Demonstração:
i) Mostremos que 2E satisfaz as condições S1, S2 e S3 do capítulo 1 (definição de
subespaço):
Quanto a S1, a primeira das igualdades 3.1 mostra que
E é subespaço de I Ê 9tI − E Ê 29tI  − 2E Ê 9tJ − 2E Ê 2E Á g
Para o fecho em relação à adição S2, tem-se, sucessivamente,
t Ct w − 2E Ê
Cß bw Ct œ 2Bt • Ct w œ 2Bt w  Ê

Ê Ct  Ct w œ 2Bt  2Bt w  œ 2Bt  Bt w  Ê Ct  Ct w − 2E


t t −E
BßB

A última implicação deve-se ao facto de se ter Bt  Bt w − E, por ser E um subespaço de I e,


consequentemente, Ct  Ct w − 2E.
Por último e para S3 (fecho em relação ao produto por escalar), seja Ct − 2E e α − Š:
existe Bt − E tal que Ct œ 2Bt e então
αCt œ α2Bt œ 2αBt
Porém, como E é subespaço de I , será αBt − E e, por consequência, αCt − 2E.
Quanto à segunda parte, sendo I um subespaço de I , a sua imagem 2I  – que é o
contradomínio de 2 – será um subespaço de J .
Sec. 3.2] Funções lineares. Núcleo e imagem 203

ii) Como /t4 − E, tem-se (para 4 œ "ß á ß 7) 2/t4  − 2E e, por ser 2E um subespaço
vectorial de J :
P2/t" ß 2/t# ß á ß 2/t7  § 2E

Reciprocamente, ter-se-á:

Ct − 2E Ê b Ct œ 2Bt Ê Ct œ 2 B4 /t4  œ  B4 2/t4  Ê


7 7

Ê Ct − P2/t" ß 2/t# ß á ß 2/t7  Ê


t
B−E 4œ" 4œ"

Ê 2E § P2/t" ß 2/t# ß á ß 2/t7 

Por fim, as duas inclusões anteriores equivalem a


2E œ P2/t" ß 2/t# ß á ß 2/t7 

Quanto à segunda afirmação, basta atender a que uma base /t" ß /t# ß á ß /t8  de I gera I e,
portanto, 2/t" ß 2/t# ß á ß 2/t8  gera 2I , que é o contradomínio de 2.
iii) Basta mostrar, de novo, que 2" E satisfaz as condições S1, S2 e S3:
Como 9tJ − E, a primeira igualdade 3.1 mostra que o vector 9tI (pelo menos) pertence a
2" E que, portanto, não será vazio (condição S1).
Quanto a S2, tem-se:
t Bt w − 2" E Ê 2Btß 2Bt w  − E Ê 2Bt  2Bt w  − E Ê

Ê 2Bt  Bt w  − E Ê Bt  Bt w − 2" E

Por fim, para S3, tem-se:


α − Š • Bt − 2" E Ê α − Š • 2Bt − E Ê α2Bt œ 2αBt − E Ê αBt − 2" E

Quanto à segunda parte, basta considerar E œ 9tJ . 

Da proposição anterior, resulta que o contradomínio 2I  de uma função linear 2À I Ä J é


sempre um subespaço de J . De igual modo, a pré-imagem do subespaço trivial 9tJ  § J por
2 é sempre um subespaço de I : estes subespaços têm, respectivamente, o nome de Imagem e
Núcleo (ou Kernel) da aplicação linear 2, o que se formaliza na seguinte

Definição 3.2 – Imagem, núcleo, característica e nulidade – Sejam I e J espaços

um subespaço de J chamado Imagem de 2 e a pré-imagem de 9tJ  § J por 2 é um


vectoriais sobre um mesmo corpo Š e 2À I Ä J uma função linear. O contradomínio de 2 é

subespaço de I chamado o Núcleo, Kernel ou Espaço nulo1 de 2 e designados


respectivamente por Img2 e Nuc2 ou Ker2

1 Os autores anglo-saxónicos, usam o termo nullspace.


204 Funções lineares [Cap. 3

Img2 œ Im2 œ 2I  œ Ct − J À b Ct œ 2Bt § J


t
B−I
3.4
Ker2 œ Nuc2 œ Bt − IÀ 2Bt œ 9tJ  § I

A dimensão do espaço Img2 é chamada a característica da função 2 – designada por c2 ou


-2 – e a dimensão do núcleo é chamada a nulidade de 2, que designaremos por n2 ou 82 :
c2 œ -2 œ dimImg2
3.5
n2 œ 82 œ dimKer2

E F
Ker (h) Img (h)


E F

Fig. 3.1 – Esquema representativo do Núcleo e

Imagem de uma função linear 2À I Ä J .

O conjunto de todas as funções lineares de I em J designa-se por LIß J  ou HomIß J .

Se o espaço J de chegada for o espaço Š, a função linear (de I em Š e, portanto,


assumindo valores escalares) toma o nome de forma linear.
Se 2À I Ä J é injectiva, diz-se que 2 é um monomorfismo de I em J e se 2 for
sobrejectiva, diz-se que 2 é um epimorfismo de I sobre J .
Se 2À I Ä J é bijectiva, diz-se que 2 é um isomorfismo de I sobre J . Neste caso, os
espaços vectoriais I e J são algebricamente idênticos, dizendo-se isomorfos (ou iguais, a
menos de um isomorfismo) o que se descreve através da notação I z J (leia-se “I é isomorfo
de J ”).
Se J œ I , a função linear toma o nome de endomorfismo de I e designaremos por EndI 
o conjunto dos endomorfismos de I (ou seja, o conjunto LIß I ).

Se 2 é um endomorfismo bijectivo de I denominamo-lo por automorfismo de I , dizendo-se


ainda que 2 é invertível ou regular.
Uma das propriedades interessantes do núcleo de um operador linear é a que o relaciona com
a injectividade deste:

Proposição 3.2 – Caracterização das funções lineares injectivas – Sejam I e J espaços

Ker2 œ 9tI Þ
vectoriais sobre um mesmo corpo Š e 2À I Ä J uma função linear. A função 2 é injectiva sse

Além disso, se Ct ! − J , tem-se:


se Ct ! − J Ï Img2
2" Ct !  œ  3.6.1
Bt!  Ker2 se Ct ! − Img2 e em que 2Bt!  œ Ct !
g
Sec. 3.2] Funções lineares. Núcleo e imagem 205

Em particular, se 2 for injectiva e Ct ! − Img2, então:


2" Ct !  œ Bt! ß onde 2Bt!  œ Ct ! 3.6.2

Demonstração:
A condição é necessária: como Ker2 é subespaço de I , tem-se
9tI  § Ker2

Por outro lado, se 2 é injectiva, então:


Bt − Ker2 Ê 2Bt œ 9tJ œ 29tI  Ê Bt œ 9tI Ê Ker2 § 9tI 

As inclusões anteriores equivalem à igualdade


Ker2 œ 9tI 

A condição é suficiente: de facto, se Ker2 œ 9tI , então:


2Bt œ 2Bt w  Ê 2Bt  2Bt w  œ 9tJ Ê 2Bt  Bt w  œ 9tJ Ê
Ê Bt  Bt w − Ker2 œ 9tI  Ê Bt  Bt w œ 9tI Ê Bt œ Bt w

o que mostra ser 2 injectiva.


Quanto à segunda parte da proposição, se Ct ! − J Ï Img2, não existe qualquer vector
B − It tal que 2Bt œ Ct ! , o que significa que 2" Ct !  œ g.
Se Ct ! − Img2, então será 2" Ct !  Á g. Escolha-se em 2" Ct !  um certo vector Bt! ; por
definição, tem-se 2Bt!  œ Ct ! e mostremos que
2" Ct !  œ Bt!  Ker2

De facto,
Bt − Bt!  Ker2 Ê Bt œ Bt!  Bt" • Bt" − Ker2 Ê
Ê 2Bt œ 2Bt!   2Bt"  œ Ct !  9tI œ Ct ! Ê Bt − 2" Ct ! 

o que mostra que Bt!  Ker2 § 2" Ct ! .


Por outro lado, tem-se
Bt − 2" Ct !  Ê 2Bt œ Ct ! Ê 2Bt  2Bt!  œ Ct !  Ct ! œ 9tI Ê
Ê 2Bt  Bt!  œ 9tI Ê Bt  Bt! − Ker2 Ê Bt œ Bt!  Bt  Bt!  Ê Bt − Bt!  Ker2

as implicações anteriores mostram que também 2" Ct !  § Bt!  Ker2 e, portanto,
2" Ct !  œ Bt!  Ker2 

A proposição seguinte reflecte o comportamento das aplicações lineares no que respeita à


independência linear de vectores dos espaços envolvidos:
206 Funções lineares [Cap. 3

função linear e / œ /t" ß /t# ß á ß /t7  uma lista de vectores de I .


Proposição 3.3 Sejam I e J espaços vectoriais sobre um mesmo corpo Š, 2À I Ä J uma

Se a lista / œ /t" ß /t# ß á ß /t7  for linearmente dependente, o mesmo sucede com a lista
2/ œ 2/t" ß 2/t# ß á ß 2/t7 .
i)

ii) Se a lista (de vectores de Img2)


2/ œ 2/t" ß 2/t# ß á ß 2/t7 
for linearmente independente, o mesmo sucede com a lista / œ /t" ß /t# ß á ß /t7 .

iii) Se 2 for injectiva e a lista / œ /t" ß /t# ß á ß /t7  for linearmente independente, o mesmo
sucede com a lista 2/ œ 2/t" ß 2/t# ß á ß 2/t7  de vectores de Img2.

iv) Se 2 não é injectiva, existe uma sequência e œ /t" ß /t# ß á ß /t7  linearmente
independente de vectores de I , tal que a sequência 2/ œ 2/t" ß 2/t# ß á ß 2/t7 
das imagens é linearmente dependente.

Demonstração:

Suponhamos que / é linearmente dependente. Então, existe α5 Á ! tal que  α4 /t4 œ 9tI
7
i)
4œ"
e, aplicando 2 a ambos os membros, obtém-se:

2 α4 /t4  œ 29tI  Ê  α4 2/t4  œ 9tJ


7 7

4œ" 4œ"

Ora, a expressão obtida é uma combinação linear dos vectores 2/t4  na qual existe
" Ÿ 5 Ÿ 7 tal que α5 Á !, o que mostra que 2/ é linearmente dependente.
ii) É a contra-recíproca da implicação anterior e, portanto, equivalente a esta.
iii) Mostremos que 2/ é linearmente independente, se 2 for injectiva (o que, pela
proposição 3.2, equivale a Ker2 œ 9tI ) e / for também linearmente independente

 α4 2/t4  œ 9tJ Ê 2 α4 /t4  œ 9tJ Ê  α4 /t4 − Ker2 œ 9tI  Ê


7 7 7

4œ" 4œ" 4œ"

Ê  α4 /t4 œ 9tI Ê α" œ α# œ â œ α7 œ !


7

4œ"

iv) Se 2 não é injectiva a proposição 3.2 garante que Ker2 Á 9tI . Basta agora
considerar uma base / œ /t" ß /t# ß á ß /t7  do núcleo, que será linearmente independente, e para a
qual a sequência das imagens 2/ œ 2/t" ß 2/t# ß á ß 2/t7  œ 9tJ ß 9tJ ß á ß 9tJ  será, claro
está, linearmente dependente. 

Vamos, a seguir, apresentar alguns exemplos de funções lineares, definidas em vários


espaços vectoriais:
Sec. 3.2] Funções lineares. Núcleo e imagem 207

Exemplo 3.1 Sendo I e J espaços vectoriais sobre um corpo Š, a função nula


OJ I À I Ä J à Bt È 9tJ é, claramente, linear. Neste caso, tem-se

KerOJ I  œ I
 ImgO  œ 9t 
JI J

Se J œ I , usaremos a notação OI para a função nula OI À I Ä I .

Exemplo 3.2 Sendo I § J um subespaço de um espaço vectorial J sobre um corpo Š, a


t Bt w − I e α," − Š,
injecção canónica 4À I Ä J à Bt È Bt é linear, visto que, para quaisquer Bß
4αBt  " Bt w  œ αBt  " Bt w œ α4Bt  " 4Bt w 

Para esta função, é


Ker4 œ 9t
 Img4 œ I

Exemplo 3.3 Sendo I um espaço vectorial, a função identidade em I , II À I Ä Ià Bt È Bt


é um automorfismo de I . Com efeito tem-se, como em cima,
II αBt  " Bt w  œ αBt  " Bt w œ αII Bt  " II Bt w 

Tal como no exemplo anterior, tem-se


KerII  œ 9t
 ImgI  œ I
I

Exemplo 3.4 Sejam I e J espaços vectoriais sobre um corpo Š, 2À I Ä J uma função


linear e I w § I um subespaço de I . A restrição 2lI w À I w Ä J de 2 a I w é também uma
função linear (demonstre!), que fica definida por
2lI w Bt œ 2Bt, em que Bt − I w

Tem-se, neste caso,


Ker2lI w  œ Ker2 ∩ I w

Img2lI w  œ 2I w 

Exemplo 3.5 Considere-se um espaço vectorial I sobre um corpo Š e o endomorfismo de


I , 25 À I Ä I definido por:
25 Bt œ 5Bt
onde 5 − Š é um escalar arbitrário. Como
25 αBt  " Bt w  œ 5 αBt  " Bt w  œ 5αBt  5" Bt w  œ α5Bt  " 5Bt w  œ α25 Bt  " 25 Bt w 

segue-se que 25 é linear. O endomorfismo 25 é chamado uma homotetia de razão 5 . Se 5 Á !,


208 Funções lineares [Cap. 3

tem-se:
Ker25  œ 9t
 Img2  œ I
5

Se 5 œ !, então,
Ker25  œ I
 Img2  œ 9t
5

Note que, se 5 œ ", fica 25 œ II e, se 5 œ !, é 25 œ OI (função nula em I ); por outro


lado, se 5 Á !, 25 será um automorfismo de I , cujo inverso é Bt È 5" Bt.

Exemplo 3.6 Considerem-se os espaços Š7ß8 e Š8ß7 das matrizes de tipos 7 ‚ 8 e 8 ‚ 7


sobre o corpo Š. O operador transposição T À Š7ß8 Ä Š8ß7 é linear. O núcleo é formado apenas
pela matriz nula S7ß8 e a imagem é Š8ß7 . Trata-se, portanto, de um isomorfismo de Š7ß8 sobre
Š8ß7 .
Exemplo 3.7 Considerem-se os espaços ‚7ß8 e ‚8ß7 das matrizes complexas de tipos 7 ‚ 8
e 8 ‚ 7 e o operador transconjugação *À ‚7ß8 Ä ‚8ß7 que transforma cada matriz complexa
na sua transconjugada. Se os espaços forem considerados como espaços vectoriais reais, o
operador é linear, já que, se αß " − ‘,
αE  " F ‡ œ αE‡  " F ‡

Porém, se os espaços se considerarem como complexos, tem-se


αE  " F ‡ œ αE‡  " F ‡
e o operador transconjugação não será linear.
Exemplo 3.8 Considere o espaço ¶ ß ‘ das sucessões reais convergentes e a função
limÀ ¶ ß ‘ Ä ‘à ?8 È lim?8

da análise, para quaisquer sucessões reais convergentes ?8 ß @8  e quaisquer escalares
que, a cada sucessão convergente, associa o seu limite. Esta função é linear, pois, como se sabe

αß " − ‘,
limα?8  " @8  œ αlim?8  " lim@8

O núcleo da função lim é o conjunto ¶! ß ‘ dos infinitésimos e a imagem é ‘ (prove!):


Kerlim œ ¶! ß ‘
 Imglim œ ‘

Exemplo 3.9 Considere o espaço ¶ ß ‚ das sucessões complexas convergentes e a função
limÀ ¶ ß ‚ Ä ‚à ?8 È lim?8

da análise, para quaisquer sucessões complexas convergentes ?8 ß @8  e quaisquer escalares
que, a cada sucessão convergente, associa o seu limite. Esta função é linear, pois, como se sabe
Sec. 3.2] Funções lineares. Núcleo e imagem 209

αß " − ‚
limα?8  " @8  œ αlim?8  " lim@8

O núcleo da função lim é o conjunto ¶! ß ‚ dos infinitésimos e a imagem é ‚:


Exemplo 3.10 Sendo Š um corpo e +t œ +" ß +# ß á ß +8  − Š8 , as funções 2+t À Š8 Ä Š
definidas, para todo o B" ß B# ß á ß B8  − Š8 , por

2+t B" ß B# ß á ß B8  œ  +4 B4 3.7


8

4œ"

são lineares, pois, se Bt œ B" ß B# ß á ß B8 , Ct œ C" ß C# ß á ß C8  e α," − Š:


2+t αBt  " Ct  œ 2+t αB"  " C" ß αB#  " C# ß á ß αB8  " C8 
œ  +4 αB4  " C4  œ  +4 αB4   +4 " C4 œ α  +4 B4  "  +4 C4
8 8 8 8 8

œ α2+t B" ß B# ß á ß B8   " 2+t C" ß C# ß á ß C8 


4œ" 4œ" 4œ" 4œ" 4œ"

Observe-se que 29t é a função nula de Š8 em Š e que 2+t œ 2+t .


Neste caso, tem-se

 Ker2+t  œ Š8

 +t œ 9t Ê 
Img2+t  œ !


 Ker2+t  œ B" ß B# ß á ß B8 À 48œ" +4 B4 œ ! é um hiperplano de Š8
 +t Á 9t Ê 
 Img2+t  œ Š

Reciprocamente, se 2À Š8 Ä Š é uma forma linear e / œ /t" ß /t# ß á ß /t8  é a base canónica


de Š8 , tem-se

2Bt œ 2B" ß B# ß á ß B8  œ 2 B4 /t4  œ  B4 2/t4  œ  +4 B4


8 8 8

4œ" 4œ" 4œ"

onde +4 œ 2/t4  − Š. Portanto, as únicas formas lineares de Š8 em Š são as que se exprimem


por meio da igualdade 3.7.
Exemplo 3.11 Sejam I e J3 "Ÿ3Ÿ7 espaços vectoriais sobre um corpo Š e 23 À I Ä J3 uma
sequência de 7 funções lineares. A função 2À I Ä  J3 definida por
7

3œ"

2Bt œ 2" Btß 2# Btß á ß 27 Bt


t Ct − I :
é linear, como se mostra a seguir, onde αß " − Š e Bß
2αBt  " Ct  œ 2" αBt  " Ct ß 2# αBt  " Ct ß á ß 27 αBt  " Ct 
œ α2" Bt  " 2" Ct ß α2# Bt  " 2# Ct ß á ß α27 Bt  " 27 Ct 
œ α2" Btß α2# Btß á ß α27 Bt  " 2" Ct ß " 2# Ct ß á ß " 27 Ct 
œ α2" Btß 2# Btß á ß 27 Bt  " 2" Ct ß 2# Ct ß á ß 27 Ct 
œ α2Bt  " 2Ct 
210 Funções lineares [Cap. 3

Quanto ao núcleo e imagem de 2, tem-se:




 Ker2 œ  Ker23 
7



 Img2 §  Img23 
3œ"


7

3œ"

Como exercício, justifique o facto de a última relação não ser uma igualdade.
Exemplo 3.12 Dos dois exemplos anteriores, resulta que as funções lineares 2À Š8 Ä Š7
são da forma
Ct œ 2Bt œ 2B" ß B# ß á ß B8  œ C" ß C# ß á ß C7 
em que

C3 œ  +34 B4 à 3 œ "ß #ß á ß 7
8

4œ"

onde os +34 são escalares. As 7 igualdades escalares anteriores equivalem a uma igualdade
matricial única:
] œ E\
onde \ œ  B" B# â B8 T ß ] œ  C" C# â C7 T e E œ +34  − Š7ß8 .
Exemplo 3.13 Seja J3 "Ÿ3Ÿ7 uma lista de 7 espaços vectoriais sobre um corpo Š e
J œ  J3 o espaço vectorial produto. Considere as projecções pr3 À J Ä J3 definidas por:
7

3œ"

pr3 Bt" ß Bt# ß á ß Bt7  œ Bt3 à 3 œ "ß á ß 7

Bt œ Bt" ß Bt# ß á ß Bt7 ß Ct œ Ct " ß Ct # ß á ß Ct 7  − J , se tem:


As 7 funções pr3 acima definidas são lineares, visto que, para quaisquer αß " − Š e

pr3 αBt  " Ct  œ pr3 αBt" ß Bt# ß á ß Bt7   " Ct " ß Ct # ß á ß Ct 7  œ
œ pr3 αBt"  " Ct " ß αBt#  " Ct # ß á ß αBt7  " Ct 7 

œ αpr3 Bt  " pr3 Ct 


œ αBt3  " Ct 3

Pode ainda o leitor mostrar que


Kerpr3  œ  J5 ‚ 9tJ3  ‚  J5

Imgpr3  œ J3
53 53

Exemplo 3.14 Sejam I3 "Ÿ3Ÿ7 e J espaços vectoriais sobre um corpo Š e 23 À I3 Ä J


funções lineares. Sendo I œ  I3 o espaço produto, consideremos a função 2À I Ä J
7

definida, para todo o Bt" ß Bt# ß á ß Bt7  − I , por:


3œ"
Sec. 3.2] Funções lineares. Núcleo e imagem 211

2Bt" ß Bt# ß á ß Bt7  œ  23 Bt3 


7

3œ"

Bt œ Bt" ß Bt# ß á ß Bt7 ß Ct œ Ct " ß Ct # ß á ß Ct 7  − I :


A função 2 anteriormente definida é também linear, pois tem-se, para quaisquer αß " − Š e

2αBt  " Ct  œ 2αBt" ß Bt# ß á ß Bt7   " Ct " ß Ct # ß á ß Ct 7 


œ 2αBt"  " Ct " ß αBt#  " Ct # ß á ß αBt7  " Ct 7 
œ  23 αBt3  " Ct 3  œ  α23 Bt3   " 23 Ct 3 
7 7

3œ" 3œ"

œ α  23 Bt3   "  23 Ct 3 


7 7

œ α2Bt  " 2Ct 


3œ" 3œ"

Quanto ao núcleo e à imagem de 2, tem-se (demonstre!):




 Ker2 ¨  Ker23 
7



 Img2 œ  Img23 
3œ"


7

3œ"

Exemplo 3.15 Seja 8   ! um inteiro. A função HÀ P8 ‘ Ä P8 ‘ que transforma cada
polinómio de grau inferior ou igual a 8 na sua derivada é um endomorfismo de P8 ‘, cujo
núcleo é P! ‘ e cuja imagem é P8" ‘:

H +5 B5  œ 5  "+5" B5


8 8"

5œ! 5œ!

KerH œ P! ‘
 ImgH œ P ‘
8"

Daqui se segue que H não é injectivo nem sobrejectivo.

Exemplo 3.16 Seja M § ‘ um intervalo aberto. O operador derivação HÀ DMß ‘ Ä ‘M que


transforma cada função 0 diferenciável em M na sua função derivada H0 é linear, atendendo aos
teoremas sobre diferenciabilidade (regras de derivação)
Hα0  " 1 œ αH0  " H1

O núcleo de H é formado pelas funções constantes em M e a imagem de H é o conjunto das


funções primitiváveis em M . O operador derivação H aqui definido não é injectivo nem
sobrejectivo.
Exemplo 3.17 Seja M § ‘ um intervalo aberto e + − M . A função
Int + À CMß ‘ Ä CMß ‘à 0 È J+
chamada integral indefinido com origem +, que transforma cada função 0 contínua em M na
função J+ (de classe C" e, portanto, contínua em M e cuja derivada é 0 , devido ao teorema
212 Funções lineares [Cap. 3

fundamental do cálculo integral) definida, para todo o B − M por

J+ B œ  0 >d>à B − M
B

é linear, visto que, como se sabe do cálculo integral, para quaisquer funções 0 e 1 contínuas em
M e quaisquer reais α e " , tem-se

 α0 >  " 1>d> œ α 0 >d>  "  1>d>


B B B

+ + +

apenas pela função nula e a imagem de Int + é formada pelas funções de C" Mß ‘ que se anulam
Observe-se que a função J+ se anula, necessariamente, em +. O núcleo de Int + é formado

em +:
ImgInt +  œ C" Mß ‘ ∩ J À J + œ !

O operador Int + é, pois, injectivo mas não sobrejectivo.


Exemplo 3.18 Seja I um espaço vectorial sobre um corpo Š, 7  ! um inteiro e
B œ Bt" ß Bt# ß á ß Bt7 
uma lista de 7 vectores de I . Considere-se, ainda, a função 2B À Š7 Ä I , definida, para todo o
vector 5t œ 5" ß 5# ß á ß 57  − Š7 , por

2B 5" ß 5# ß á ß 57  œ  53 Bt3
7

3œ"

A função 2B é linear, como se mostra a seguir, onde αß " são escalares e


?t œ ?" ß ?# ß á ß ?7  e @t œ @" ß @# ß á ß @7 
são vectores de Š7 :

2B α?t  " @t œ 2B α?"  " @" ß α?#  " @# ß á ß α?7  " @7  œ  α?3  " @3 Bt3
7

3œ"

œ  α?3 Bt3   " @3 Bt3 œ α  ?3 Bt3  "  @3 Bt3


7 7 7 7

œ α2B ?t  " 2B @t


3œ" 3œ" 3œ" 3œ"

É fácil reconhecer que o subespaço gerado por B é a imagem de 2B , que B é geradora de I


sse 2B for sobrejectiva, que B é linearmente independente sse 2B for injectiva e que B é uma
base de I sse 2B for um isomorfismo de Š7 sobre I :

 PB œ Img2B 


B é geradora de I Í 2B é sobrejectiva

 B é linearmente independente Í 2B é injectiva
 B é uma base de I Í 2B é um isomorfismo de Š7 sobre I
Sec. 3.3] Álgebra das funções lineares 213

Daqui se pode, de novo, obter o resultado (já referido no capítulo 1 – proposição 1.15) de
que todo o espaço vectorial I de dimensão 8 sobre um corpo Š é isomorfo do espaço
cartesiano Š8 .

3.3 Álgebra das funções lineares

Nesta secção, vamos introduzir em LIß J  uma estrutura de espaço vectorial sobre o corpo
Š em relação ao qual estão definidos os espaços vectoriais I e J . Para tal, considerem-se duas
funções lineares 2ß 5À I Ä J e defina-se 2  5À I Ä J como a função dada por:
2  5Bt œ 2Bt  5 Bt; Bt − I 3.8

condições L1 e L2 para 2  5!) e que  LIß J ß  é um grupo comutativo aditivo (axiomas


O leitor pode verificar facilmente que 2  5 é ainda uma função linear (verifique as

A1-A4 dos espaços vectoriais – capítulo 1), cujo zero é a função OJ I À I Ä J identicamente
nula em I , tal que, para todo o vector Bt − I ,
OJ I Bt œ 9tJ ; Bt − I 3.9

Por outro lado, a função simétrica de uma função 2À I Ä J é a função 2 tal que, para todo
o vector Bt − I :
2Bt œ 2Bt; Bt − I 3.10

Como em qualquer grupo comutativo, põe-se


2  5 œ 2  5
donde, para qualquer Bt − I ,
2  5Bt œ 2Bt  5 Bt; Bt − I 3.11

Sendo α − Š e 2À I Ä J uma função linear, define-se o produto de α por 2 como a nova


função α2À I Ä J obtida pondo, para todo o vector Bt − I ,
α2Bt œ α2Bt; Bt − I 3.12

vectoriais (capítulo 1). Em resultado disto, LIß J  constitui um espaço vectorial sobre o corpo
A função α2 é linear (Mostre!) e a operação anterior satisfaz os axiomas P1-P4 dos espaços

Š.
Vamos, agora, definir uma terceira operação binária entre funções lineares: o produto ou
composição de funções lineares.

Proposição 3.4 – Composição de funções lineares – Sejam Kß I e J espaços vectoriais


sobre um mesmo corpo Š e 5À K Ä I e 2À I Ä J funções lineares. A função (designada por
2 ‰ 5 ou, simplesmente, 25 ) 2 ‰ 5À K Ä J definida, para todo o Bt − K, por
214 Funções lineares [Cap. 3

2 ‰ 5Bt œ 25Bt; Bt − K 3.13


é linear e é designada por composta ou produto de 2 e 5 (ver figura 3.2).

Demonstração:
Para provar que 2 ‰ 5 é linear, mostremos que L1 e L2 se verificam. Quanto a L1:
2 ‰ 5Bt  Bt w  œ 25Bt  Bt w  œ 25Bt  5Bt w 
œ 25Bt  25Bt w  œ 2 ‰ 5Bt  2 ‰ 5Bt w 

Em relação a L2, tem-se:


2 ‰ 5αBt œ 25αBt œ 2α5Bt œ α25Bt œ α2 ‰ 5Bt 

G E

F
Fig. 3.2 – Composição de funções lineares.

Observe-se que, nas condições da proposição anterior, existe 2 ‰ 5 e, se K Á J , 5 ‰ 2 não


existe.
Se K œ J Á I , então 2 ‰ 5 é um endomorfismo de J , enquanto que 5 ‰ 2 é um
endomorfismo de I , sendo, portanto, 2 ‰ 5 Á 5 ‰ 2.
Por fim, se for K œ I œ J , então 2 ‰ 5 e 5 ‰ 2 são ambos endomorfismos de I . Mas,
mesmo assim tem-se, geralmente,
2‰5 Á5‰2

No entanto, existem como veremos endomorfismos 2ß 5 para os quais é 2 ‰ 5 œ 5 ‰ 2; destes


endomorfismos diremos serem permutáveis ou comutáveis. De tudo o que acaba de ser dito
pode, portanto, afirmar-se que a composição de funções lineares não é comutativa.

operações dos espaços vectoriais LKß I  e LIß J  e que se resumem na seguinte


A operação de composição anteriormente definida goza de certas propriedades em relação às

Proposição 3.5 – Propriedades da composição – Sejam Iß J ß K e L espaços vectoriais

algébricas, para quaisquer α − Š, 5ß 5w − LKß I , 2ß 2w − LIß J , ? − LJ ß L :


sobre um corpo Š. A composição de funções lineares satisfaz as seguintes propriedades
Sec. 3.3] Álgebra das funções lineares 215

i) Associatividade:
? ‰ 2  ‰ 5 œ ? ‰ 2 ‰ 5 

ii) Comportamento da composição em relação ao produto por escalar:


α2  ‰ 5 œ α  2 ‰ 5 
2 ‰ α5  œ α 2 ‰ 5 

iii) Distributividades à direita e à esquerda em relação à adição:


2 ‰ 5  5 w  œ 2 ‰ 5  2 ‰ 5 w
2  2 w  ‰ 5 œ 2 ‰ 5  2 w ‰ 5

iv) Existência de elementos neutros à esquerda e à direita:


IJ ‰ 2 œ 2
2 ‰ II œ 2

v) Propriedade das funções nulas em relação à composição:


OJ I ‰ 5 œ OJ K
2 ‰ OIK œ OJ K

Demonstração:
i) Atente-se no esquema de composição seguinte

G E

u
u

H
Fig. 3.3 – A associatividade da Composição de funções lineares.

De acordo com a figura, tem-se, sucessivamente, para qualquer Bt − K,


? ‰ 2 ‰ 5 Bt œ ? ‰ 25 Bt œ ?25Bt œ ?2 ‰ 5 Bt œ ? ‰ 2 ‰ 5 Bt
216 Funções lineares [Cap. 3

ii) Observe-se o esquema de composição

G E

F
Fig. 3.4 – Composição de funções lineares e o

produto de escalar por função linear.

Então, tem-se, para qualquer Bt − K,


α2 ‰ 5Bt œ α25Bt œ α25Bt œ α2 ‰ 5 Bt œ α2 ‰ 5Bt

Identicamente, ter-se-á, atendendo à linearidade de 2,


2 ‰ α5 Bt œ 2α5Bt œ 2α5 Bt œ α25Bt œ α2 ‰ 5 Bt œ α2 ‰ 5Bt

iii) De acordo com os esquemas de composição que se seguem, poderemos escrever, para
qualquer Bt − K,
2  2w  ‰ 5Bt œ 2  2w 5Bt œ 25Bt  2w 5Bt
œ 2 ‰ 5Bt  2w ‰ 5 Bt œ 2 ‰ 5  2w ‰ 5 Bt

G E G E

F F
Fig. 3.5 – Distributividades à esquerda e à direita em relação à adição.

Do mesmo modo, tem-se:


2 ‰ 5  5w Bt œ 25  5w Bt œ 25Bt  5w Bt œ 25Bt  25w Bt
œ 2 ‰ 5Bt  2 ‰ 5w Bt œ 2 ‰ 5  2 ‰ 5w Bt
Sec. 3.3] Álgebra das funções lineares 217

iv) Atendendo às figuras seguintes,


E
E F E E

F E

F F
Fig. 3.6 – Funções identidade IJ e II : elementos neutros à esquerda e à direita.

poderemos escrever, para qualquer Bt − I ,


IJ ‰ 2Bt œ IJ 2Bt œ 2Bt

De modo análogo e para qualquer Bt − I ,


2 ‰ II Bt œ 2II Bt œ 2Bt

v)
EG
G E G E

FE
FG FG

FE EG

F F
Fig. 3.7 – As funções nulas OJ I , OIK e OJ K e a Composição de funções lineares.

Em relação à figura da esquerda, tem-se, para qualquer Bt − K ,


OJ I ‰ 5 Bt œ OJ I 5Bt œ 9tJ œ OJ K Bt

Para a segunda igualdade, atente-se na figura anterior à direita, com Bt − K :


2 ‰ OIK Bt œ 2OIK Bt œ 29tI  œ 9tJ œ OJ K Bt 

Observações:
ç Observemos que a operação ‰ de composição é, em geral, uma lei de composição
externa
‰ À LIß J  ‚ LKß I  Ä LKß J à 2ß 5 È 2 ‰ 5

composição interna em EndI .


Porém, se K œ I œ J , 2 e 5 são endomorfismos de I e a composição é, então, uma lei de
218 Funções lineares [Cap. 3

ç As alíneas i), iii) e iv) da proposição anterior significam que EndI ß ß ‰  constitui um
anel não comutativo com unidade, que é a função identidade em I , II .

ç Se atendermos também a ii), conclui-se ser EndI  uma álgebra linear sobre o corpo Š
(segundo os axiomas M1-M4 do capítulo 1).
Vamos ver, de seguida, que é possível definir a potenciação (com expoente inteiro positivo)
para qualquer endomorfismo de um espaço vectorial, pondo

Definição 3.3 – Potência de um endomorfismo com expoente inteiro – Seja I um espaço


vectorial sobre um corpo Š e 2À I Ä I um endomorfismo de I . Para todo o inteiro 7   !,
poremos por recorrência,

 27 œ 2 ‰ 27" , se 7  !
2 ! œ II

Se 2 for um automorfismo de I , poderemos definir a potência de expoente inteiro negativo


7 − ™ , pondo:
27 œ 2"  à 7  !
7

onde 2" é o automorfismo inverso de 2.

A definição anterior dá, portanto, para 7  !,


27 œ 
2‰2‰â‰2
7 vezes
A associatividade implica que, para qualquer endomorfismo 2À I Ä I e 7ß 8 − ! , se tem
278 œ 27 ‰ 28
e a igualdade anterior vale para 7ß 8 − ™, se 2 for um automorfismo de I .
Sendo 7   ! e α5 !Ÿ5Ÿ7 uma sequência de 7  " escalares de Š pode, portanto, definir-
se o polinómio no endomorfismo 2, de grau inferior ou igual a 7 e coeficientes α5 , por

 α 5 2 5 œ α ! I I  α " 2  α # 2 #  â  α7 2 7
7

5œ!

3.4 Funções lineares em espaços de dimensão finita


Vamos, agora, ver algumas propriedades das funções lineares definidas num espaço com
dimensão finita, entre as quais se inclui a que mostra que uma função linear definida num
espaço I de dimensão finita fica completamente determinada pelos seus valores nos vectores
de uma base de I :
Sec. 3.4] Funções lineares em espaços de dimensão finita 219

Proposição 3.6 Seja I um espaço vectorial sobre um corpo Š com dimensão finita 8 e J
um outro espaço vectorial sobre o mesmo corpo. Seja ainda 2À I Ä J uma função linear.
Então:
i) Se / œ /t" ß /t# ß á ß /t7  for uma sequência geradora de I , então
2/ œ 2/t" ß 2/t# ß á ß 2/t7 
será uma sequência geradora de Img2.

ii) Se 2 é injectiva e / œ /t" ß /t# ß á ß /t8  é uma base de I , então


2/ œ 2/t" ß 2/t# ß á ß 2/t8 
será uma base de Img2, sendo então: dimImg2 œ dimI œ 8.

iii) Ker2 e Img2 têm dimensão finita, tendo-se


dimKer2  dimImg2 œ dimI 3.14.1
ou seja,
n2  c2 œ dimI 3.14.2

iv) Se 2 é nula em cada um dos vectores de uma base / œ /t" ß /t# ß á ß /t8  de I , então 2 é
identicamente nula (2 œ OJ I ), isto é, para todo o Bt − I ,

2Bt œ 9tJ à Bt − I

Sendo / œ /t" ß /t# ß á ß /t8  uma base de I e Ct " ß Ct # ß á ß Ct 8  uma lista de 8 vectores de
J , existe uma e uma só função linear :À I Ä J tal que :/t4  œ Ct 4 ß para
v)

4 œ "ß #ß á ß 8.

Demonstração:
i) Resulta imediatamente da proposição 3.1.ii, fazendo aí E œ I e notando que
2I  œ Img2

2/t" ß 2/t# ß á ß 2/t8  gera Img2; atendendo, por outro lado, à proposição 3.3.iii,
ii) Como / é uma base de I , / é geradora de I . Pela alínea anterior, a sequência

2/ œ 2/t" ß 2/t# ß á ß 2/t8  é linearmente independente (visto ser / linearmente


independente e 2 injectiva); daqui se segue que 2/ é uma base de Img2, donde resulta a
igualdade das dimensões de I e Img2:
dimImg2 œ 8 œ dimI

fundamental das funções lineares. Como Ker2 é subespaço de I , tem-se, obviamente,


iii) A relação enunciada e que agora provaremos é, por vezes, denominada teorema

! Ÿ dimKer2 Ÿ 8. Seja então = a dimensão de Ker2 e


/ Ker2 œ /t" ß /t# ß á ß /t= 
220 Funções lineares [Cap. 3

uma base do núcleo de 2. Observe-se que


/t4 − Ker2 Ê 2/t4  œ 9tJ à 4 œ "ß #ß á ß =

Como / Ker2 é linearmente independente, podemos prolongar esta lista a uma base /I de I
(ver proposição 1.16.v), mediante a inserção de 8  = vectores /t=" ß /t=# ß á ß /t8  de
I Ï Ker2:
/I œ /t" ß /t# ß á ß /t= ß /t=" ß /t=# ß á ß /t8 

A proposição fica demonstrada, se provarmos que a lista ? de 8  = vectores de Img2


definida por
? œ 2/t=" ß 2/t=# ß á ß 2/t8 
é uma base de Img2 e que, portanto, dimImg2 œ 8  =:
Como, para =  4 Ÿ 8, se tem 2/t4  − Img2, vem, por ser Img2 subespaço de J :
P? § Img2 3.15
Por outro lado, tem-se (justifique cada passagem!):
Ct − Img2 Ê b Ct œ 2Bt Ê
t
B−I


Ê Ct œ 2 B4 /t4  œ  B4 2/t4  œ  B4 2/t4    B4 2/t4  Ê
9tJ
8 8 8=

4œ" 4œ" 


4œ" 4œ="

9tJ
Ê Ct œ  B4 2/t4  Ê Ct − P? Ê
8

Ê Img2 § P? 3.16


4œ="

As relações 3.15 e 3.16 equivalem a P? œ Img2 e, portanto, ? gera Img2.


Vejamos, por fim, que ? é linearmente independente, o que resulta das implicações seguintes
(justifique cada passagem!):

 B4 2/t4  œ 9tJ Ê 2  B4 /t4  œ 9tJ Ê  B4 /t4 − Ker2 Ê


8 8 8

4œ=" 4œ=" 4œ="

Ê  B4 /t4 œ  B4 /t4 Ê  B4 /t4   B4 /t4 œ 9tI Ê


8 = = 8

4œ=" 4œ" 4œ" 4œ="


Ê B" œ B# œ â œ B8 œ ! Ê B=" œ B=# œ â œ B8 œ !

o que prova a independência linear de ?.

/ œ /t" ß /t# ß á ß /t8 , tem-se:


iv) De facto, para qualquer vector Bt − I e sendo B4 as coordenadas de Bt em relação à base

2Bt œ 2 B4 /t4  œ  B4 2/t4  œ  B4 9tJ œ 9tJ


8 8 8

4œ" 4œ" 4œ"


Sec. 3.4] Funções lineares em espaços de dimensão finita 221

v) Considere-se a função :À I Ä J definida por

:Bt œ  B4 Ct 4
8

4œ"

onde os escalares B4 são as coordenadas (únicas) de Bt em relação à base /. É óbvio que a função
: (mostre que : é linear!) satisfaz as condições do enunciado, visto que, para qualquer
3 œ "ß #ß á ß 8, se tem:

:/t3  œ  $34 Ct 4 œ Ct 3
8

4œ"

Fica, pois, demonstrada a existência de uma função linear : nas condições do enunciado.
Vejamos, agora, que : é única: para isso, consideremos uma segunda função linear :w À I Ä J
tal que
:/t3  œ :w /t3  œ Ct 3 à 3 œ "ß #ß á ß 8
As igualdades anteriores equivalem a
:/t3   :w /t3  œ :  :w /t3  œ 9tJ à 3 œ "ß #ß á ß 8
Portanto, :  :w anula-se em todos os vectores da base / œ /t" ß /t# ß á ß /t8 ; pela alínea
anterior, será :  :w œ OJ I e, portanto, : œ :w . 

Podemos, em consequência da proposição anterior, tirar importantes conclusões sobre


funções lineares entre espaços de dimensão finita, como se apresenta no seguinte

Corolário 3.6.1 Sejam I e J espaços vectoriais sobre um corpo Š com dimensões finitas 8
e 7, respectivamente e 2 À I Ä J uma função linear com característica < e nulidade =. Então:
i) 2 é injectiva sse < œ 8.

ii) 2 é sobrejectiva sse < œ 7.

iii) Se 2 é um isomorfismo de I sobre J , então 7 œ 8. Isto significa que, se I z J , tem-


se necessariamente dimI œ dimJ .

iv) ! Ÿ < Ÿ min7ß 8.

v) max!ß 8  7 Ÿ = Ÿ 8.

vi) 2 é sobrejectiva Ê 7 Ÿ 8.

vii) 2 é injectiva Ê 8 Ÿ 7.

viii) 7 œ 8 Ê 2 é injectiva Í 2 é sobrejectiva Í 2 é um isomorfismo de I sobre J .

ix) Um endomorfismo de um espaço com dimensão finita é injectivo sse for sobrejectivo.

x) 2À I Ä I é um automorfismo de I Í < œ 8. (2 diz-se também invertível ou regular)


222 Funções lineares [Cap. 3

Demonstração:
Sejam = œ dimKer2   ! e < œ dimImg2   !, respectivamente, a nulidade e a
característica de 2 e mostremos as relações anteriores:
i) 2 é injectiva Í Ker2 œ 9tI  Í = œ ! œ 8  < Í < œ 8.
ii) 2 é sobrejectiva Í Img2 œ J Í < œ 7.
iii) 2 é um isomorfismo de I sobre J Ê 2 é bijectiva Ê < œ 8 • < œ 7 Ê 7 œ 8.
iv) Como Img2 § J , será < Ÿ 7; por outro lado, =  < œ 8 implica < Ÿ 8 e, portanto,
< Ÿ min7ß 8

v) O núcleo é um subespaço de I e, portanto, = œ dimKer2 Ÿ 8. Por outro lado,


< Ÿ 7 Ê 7 Ÿ < Ê 8  7 Ÿ 8  < œ = Ê 8  7 Ÿ =

A última desigualdade, juntamente com ! Ÿ =, implica finalmente


max!ß 8  7 Ÿ = Ÿ 8

vi) Se 2 é sobrejectiva, então < œ 7. Porém, vimos em iv) que < Ÿ 8, ou seja, 7 Ÿ 8.
vii) Se 2 é injectiva, será < œ 8 e, como é sempre < Ÿ 7, resulta 8 Ÿ 7.
viii) Suponha-se que 7 œ 8: então, temos
2 é injectiva Í < œ 8 Í < œ 7 Í 2 é sobrejectiva
Portanto, as condições anteriores significam que quando 7 œ 8, 2 é bijectiva: logo, 2 será um
isomorfismo de I sobre J .
ix) É consequência da alínea anterior, visto que a condição 7 œ 8 se dá necessariamente.
x) Como 2 é um endomorfismo de I , a condição 7 œ 8 é automaticamente satisfeita e,
portanto, o resultado é consequência imediata da alínea ix). 

Observação:
ç O exemplo 3.17 mostra que a conclusão do corolário 3.6.1.ix não tem lugar para um
endomorfismo de um espaço I com dimensão infinita: o operador
Int + À CMß ‘ Ä CMß ‘à 0 È J+
é, como se viu então, injectivo mas a sua imagem é
ImgInt +  œ C" Mß ‘ ∩ J À J + œ ! Á CMß ‘
o que mostra que Int + não é sobrejectivo!

A proposição seguinte, mostra que, quando o domínio de uma função linear tem dimensão
infinita, o núcleo ou a imagem terão também, necessariamente, dimensão infinita.
Sec. 3.4] Funções lineares em espaços de dimensão finita 223

linear. Se I tem dimensão infinita, então pelo menos um dos espaços Ker2 ou Img2 tem
Proposição 3.7 Sejam I e J espaços vectoriais sobre um corpo Š e 2 À I Ä J uma função

dimensão infinita.

Demonstração:
Suponha-se, por absurdo, que I tem dimensão infinita e que Ker2 e Img2 têm
dimensões finitas = œ dimKer2 e < œ dimImg2. Considere-se, então, uma base de
Ker2
/ Ker2 œ /t" ß /t# ß á ß /t= 

Como I tem dimensão infinita, podemos encontrar em I listas linearmente independentes


com quantos vectores quantos queiramos (ver proposição 1.17): consequentemente, ampliemos
a base anterior, acrescentando-lhe um número : de vectores superior a <, para obter a sequência
linearmente independente de =  : vectores de I :
/ œ /t" ß /t# ß á ß /t= ß /t=" ß /t=# ß á ß /t=: à onde :  <

(claro que 2/t4  œ 9tJ , para 4 œ "ß #ß á ß = e 2/t4  Á 9tJ , para 4 œ =  "ß =  #ß á ß =  :).
Consideremos, agora, a sequência ? de : vectores de Img2, formada pelas imagens dos
/t=4 "Ÿ4Ÿ: :

? œ 2/t=" ß 2/t=# ß á ß 2/t=: 

Como :  < œ dimImg2, a sequência ? é linearmente dependente. Portanto existem


escalares α4 "Ÿ4Ÿ: não todos nulos, tais que

 α4 2/t=4  œ 9tJ e em que existe 5 − "ß #ß á ß : tal que α5 Á !


:

4œ"

Para finalizar a demonstração, atente-se, agora, na sequência de implicações (justifique cada


passagem!)

 α4 2/t=4  œ 9tJ Ê 2 α4 /t=4  œ 9tJ


: :

4œ" 4œ"

Ê  α4 /t=4 − Ker2
:

4œ"

Ê  α4 /t=4 œ  "4 /t4


: =

4œ" 4œ"

Ê  "4 /t4   α4 /t=4 œ 9tI


= :

4œ" 4œ"
Ê A lista / será linearmente dependente, o que é absurdo. 

A proposição 3.2 permite interpretar o problema dos sistemas de equações lineares à luz da

equações nas 8 incógnitas \ œ  B" B# â B8 T − Š8 e onde E − Š7ß8 e F − Š7 . A função


teoria das funções lineares: de facto, seja E\ œ F a forma matricial de um sistema de 7
224 Funções lineares [Cap. 3

2E À Š8 Ä Š7 à \ È E\ œ  B4 E4 ß onde os E4 são as colunas de Eß


8

4œ"

é linear, como imediatamente se reconhece, e o conjunto W das soluções do sistema é formado


pelos vectores de Š8 cuja imagem por 2E é igual ao vector F − Š7 dos termos independentes
do sistema. Portanto, trata-se afinal de calcular a pré-imagem de F por meio de 2E :
"
W œ 2E F  œ \À E\ œ F  § Š8

Seja < œ cE œ dimPE" ß E# ß á ß E8 . A definição de 2E mostra que:


ç A imagem de 2E é o subespaço gerado por E" ß E# ß á ß E8 
Img2E  œ PE" ß E# ß á ß E8 
portanto, tem-se:
c2E  œ dimImg2E  œ dimPE" ß E# ß á ß E8  œ <

As igualdades 3.6.1, por seu lado, mostram que:


ç O sistema tem solução sse F − Img2E  œ PE" ß E# ß á ß E8  ou seja,
PE" ß E# ß á ß E8  œ PE" ß E# ß á ß E8 ß F 
o que equivale ainda a:
< œ cE F 

ç O núcleo de 2E é o conjunto W! das soluções do sistema homogéneo associado E\ œ S:


W! œ Ker2E  œ \À E\ œ S § Š8
e a dimensão deste subespaço de Š8 é o grau de indeterminação do sistema
dimW!  œ dimKer2E  œ dimŠ8   dimImg2E  œ 8  cE œ 8  <

ç Se F − Img2E , as soluções do sistema E\ œ F obtêm-se de uma sua solução


particular \! somando-lhe o núcleo de 2E , ou seja, as soluções ] do sistema homogéneo
associado E\ œ S:
\ œ \!  ]

ç O sistema é determinado sse F − Img2E  e 2E for injectiva (o que equivale a


Ker2E  œ 9t ou < œ 8), ou seja:
E\ œ F é determinado Í < œ cE F  • < œ 8

ç Se < œ 7, então 2E é sobrejectiva e o sistema E\ œ F é possível, qualquer que seja o


vector F − Š7 .
ç Se 7  8, então é <  8 e 2E não será injectiva, ou seja, o sistema não é determinado.
Sec. 3.5] Representação matricial de uma função linear 225

Exemplo 3.19 Considere, na figura 3.8, a aplicação linear 2À ‘# Ä ‘# que transforma o


quadrado da esquerda no da direita, sendo cada triângulo levado por 2 no correspondente
triângulo da mesma côr.

3 2
1
0
o
2
-1
h -2
1 -3
-4
-5
0
o -6
-7
-1 -8
-2 -1 0 1 2 -1 0 1 2 3 4 5 6 7 8 9

Fig. 3.8 – Acção da transformação 2 sobre um quadrado.

Determinemos 2Bß C , para todo o vector Bß C  − ‘# . A imagem anterior mostra-nos que2
2"ß " œ (ß "
 2"ß " œ "ß (

Basta agora exprimir Bß C  na base "ß "ß "ß ", através das suas coordenadas +ß ,
nesta base:
Bß C  œ +"ß "  ,"ß " œ +  ,ß +  ,

Daqui resulta o sistema de equações lineares

+  , œ C
+, œB

cuja solução é + œ "# B  C ß , œ "# C  B; portanto, tem-se

Bß C  œ B  C "ß "  C  B"ß "


" "
# #

Basta, agora, aplicar 2 a ambos os membros da igualdade vectorial precedente e atender à


linearidade de 2, para obtermos

2Bß C  œ B  C 2"ß "  C  B2"ß "


" "
# #
œ B  C (ß "  C  B"ß (
" "

œ $B  %Cß %B  $C 
# #

3.5 Representação matricial de uma função linear


Na presente secção, vamos estabelecer um dos resultados mais importantes sobre funções
lineares: o da correspondência entre as funções lineares (entre dois espaços de dimensão finita)
e as matrizes. Após fixarmos bases no domínio (com dimensão 8) e no espaço de chegada (com
dimensão 7) de uma função linear 2, fica univocamente determinada uma matriz de tipo

2 É claro que poderíamos substituir qualquer destas igualdades por 2!ß # œ )ß '.
226 Funções lineares [Cap. 3

7 ‚ 8, que se dirá a representação matricial de 2 em relação às referidas bases. Esta matriz


depende não só de 2, mas também das duas bases escolhidas.

dimensão 8 sobre um corpo Š, e / œ /t" ß /t# ß á ß /t8  uma sua base. Seja, por outro lado, J um
Proposição 3.8 – Matriz de um operador linear – Seja I um espaço vectorial, com

0 œ 0t " ß 0t # ß á ß 0t 7  de J . Se 2À I Ä J é uma função linear, existe uma e uma só matriz


segundo espaço vectorial sobre o mesmo corpo, com dimensão 7, e seleccione-se uma base

Q0/ 2 œ 234  − Š7ß8 tal que:

i) Entre as imagens dos /t4 por h e os 0t 3 verificam-se as relações

2/t4  œ  234 0t 3 à 4 œ "ß #ß á ß 8 3.17


7

3œ"

ou seja, matricialmente,
 2/t"  2/t#  â 2/t8   œ  0t " 0t # â 0t 7 Q0/ 2 3.18

E n F m
 
e1 ( e1 )
 
e2 ( e 2 ) Img (h)
... ...
 
en ( e n)
  
f=( 1
, 2
,..., m )

Fig. 3.9 – Diagrama auxiliar para a proposição 3.8.

ii) Se B" ß B# ß á ß B8  forem as coordenadas de um vector Bt − I em relação à base / e


C" ß C# ß á ß C7  as coordenadas da sua imagem Ct œ 2Bt em relação à base 0 , tem-
se:

C3 œ  234 B4 à 3 œ "ß #ß á ß 7 3.19


8

4œ"

matricialmente, fica
]0 œ Q0/ 2\/ 3.20

onde

\/ œ  B" B# â B8 T
 3.21
]0 œ  C" C# â C7 T

iii) Tem-se sempre:


c2 œ cQ0/ 2 3.22
Sec. 3.5] Representação matricial de uma função linear 227

Demonstração:
i) Os vectores 2/t4  pertencem a J e, como 0 é uma base de J , cada um deles exprime-se
de uma e uma só forma como combinação linear dos 0t 3 através das suas 7 coordenadas
234 "Ÿ3Ÿ7 em relação à base 0 : portanto, a matriz Q0/ 2 œ 234 , do tipo 7 ‚ 8 tal que as
relações 3.17 ou 3.18 se verificam é única e determinada exclusivamente por 2 e pelo par
de bases /ß 0 .
ii) Por outro lado, tem-se, para qualquer vector Bt − I :

Ct œ 2Bt œ 2  B4 /t4 
8

4œ"

œ  B4 2/t4  œ  B4  234 0t 3
8 8 7

4œ" 4œ" 3œ"

œ    234 B4 0t 3 œ  C3 0t 3
7 8 7

3œ" 4œ" 3œ"

Como as coordenadas de Ct na base 0 são únicas, deverá ter-se:

C3 œ  234 B4 à 3 œ "ß #ß á ß 7
8

4œ"

o que equivale à expressão matricial 3.20, onde as matrizes-coluna \/ e ]0 contêm,

(segundo as expressões 3.21) e Q0/ 2 œ 234 .


respectivamente, as coordenadas de Bt e da sua imagem Ct por 2 em relação às bases / e 0 ,

iii) Comecemos por recordar que a característica de 2 é a dimensão do subespaço Img2 e


que a característica de Q0/ 2 é a dimensão do subespaço gerado pelas suas colunas. Mas, pela
proposição 3.6.i, tem-se Img2 œ P2/t" ß 2/t# ß á ß 2/t8  e o resultado é, agora, uma
consequência imediata do facto de as colunas de Q0/ 2 conterem precisamente as coordenadas
dos 2/t4  em relação à base 0 (o espaço Img2 é isomorfo do subespaço gerado pelas colunas
de Q0/ 2). 

A matriz Q0/ 2 é chamada a representação matricial de 2, em relação ao par de bases


/ß 0 .

Observações:
ç A matriz Q0/ 2 tem um número de linhas 7 igual à dimensão do espaço J de chegada e
um número de colunas 8 igual à dimensão do espaço I domínio de 2.
ç A coluna 4 da matriz Q0/ 2 contém as coordenadas do vector 2/t4 , relativamente à
base 0 .
ç No caso de 2 ser um endomorfismo de I , a mesma base / œ /t" ß /t# ß á ß /t8  serve para o

Q/ 2 (em vez de Q// 2) para a representação matricial (quadrada de ordem 8) de 2 em
domínio I e para o codomínio (embora não seja obrigatoriamente assim) e usaremos a notação

relação à base / comum.


228 Funções lineares [Cap. 3

Seguem-se alguns exemplos:

Exemplo 3.20 Seja II À I Ä I a função identidade em I . Consideremos agora duas bases


/ œ /t" ß /t# ß á ß /t8  e /w œ /tw" ß /t#w ß á ß /t8w  de I e determinemos a representação matricial de
II em relação às bases citadas (/w no domínio e / no codomínio): tem-se II /tw4  œ /t4w , para
todo o 4 œ "ß #ß á ß 8, donde
 II /tw"  II /t#w  â II /t8w   œ  /tw" /t#w â /t8w  œ  /t" /t# â /t8 Q//w II 

Comparando com 2.77, obtemos


Q//w II  œ X//w 3.23

Vemos assim que a matriz que representa II nas bases / e /w é a matriz de mudança da base
/ para a base /w (ver secção 2.15). Em particular, quando /w œ /, 2.79 mostra-nos que
Q// II  œ X// Ê Q/ II  œ M8 3.24
o que mostra que a representação matricial da função identidade não depende da base /
(adoptada para o domínio e para o codomínio).

Exemplo 3.21 Seja I § J um subespaço com dimensão 8 de um espaço vectorial J de

Seja, agora, / œ /t" ß /t# ß á ß /t8  uma base de I e 0 œ /t" ß /t# ß á ß /t8 ß /t8" ß /t8# ß á ß /t7  um
dimensão 7   8 sobre um corpo Š e considere-se a injecção canónica 4À I Ä J à Bt È Bt.

4/t5  œ /t5 , para 5 œ "ß #ß á ß 8. Portanto, a representação matricial de 4, em relação ao par de


prolongamento de / a uma base 0 de J (que existe, pela proposição 1.16.v). Tem-se, claro está,

bases /ß 0  será:

" !
! !
! â
 
ã ã
" â
 
Q0/ 2 œ  ! " œ 
ã ä
  S78ß8 
M8
! !
! â
 
! â

! !
ã ã ä ã
! â

OJ I À I Ä J à Bt È 9tJ a função nula. Para qualquer par de bases / œ /t" ß /t# ß á ß /t8  e
Exemplo 3.22 Sejam I e J espaços vectoriais de dimensões 8 e 7 respectivamente e

0 œ 0t " ß 0t # ß á ß 0t 7 , tem-se OJ I /t5  œ 9tJ œ  !0t 3 e, portanto,


7

3œ"

Q0/ OJ I  œ S7ß8

Observe-se que, também aqui, a matriz não depende da escolha das bases.
Sec. 3.5] Representação matricial de uma função linear 229

Exemplo 3.23 Seja I um espaço vectorial de dimensão finita 8 sobre um corpo Š e


2À I Ä I o endomorfismo de I mencionado no exemplo 3.5
25 Bt œ 5Bt œ 5II Bt

Para qualquer base / œ /t" ß /t# ß á ß /t8 , tem-se 25 /t3  œ 5/t3 ; logo, a matriz de 25 nessa base
/ será:

5 â !
! â !
!
Q/ 25  œ   œ diag5ß 5ß á ß 5 œ 5M8 œ 5Q/ II 
5

! â 5
ã ã ä ã
!

sobre um corpo Š e suponha-se a existência de uma base / œ /t" ß /t# ß á ß /t8  de I e de


Exemplo 3.24 Seja 2À I Ä I um endomorfismo de um espaço vectorial I de dimensão 8

escalares -" ß -# ß á ß -8  tais que, para 4 œ "ß #ß á ß 8,


2/t4  œ -4 /t4

A representação matricial de 2, em relação à base / será a matriz diagonal de ordem 8

 -" â ! 
 ! â ! 
!
Q/  2  œ   œ diag-" ß -# ß á ß -8 
-#

 ! â -8 
ã ã ä ã
!

Exemplo 3.25 Sendo Š um corpo e +t œ +" ß +# ß á ß +8  − Š8 , considere-se a função linear


2+t À Š8 Ä Š definida, para todo o B" ß B# ß á ß B8  − Š8 , por (ver exemplo 3.10)

2+t B" ß B# ß á ß B8  œ  +4 B4
8

4œ"

Daqui resulta que

2+t /t3  œ  +4 $34 œ +3


8

4œ"

onde / œ /t" ß /t# ß á ß /t8  é a base canónica de Š8 . Portanto, sendo 0 œ " a base canónica de
Š, tem-se:
Q0/ 2+t  œ  +" +# â +8 

relação às bases canónicas de Š8 e Š7 é matriz E œ +34  aí definida.


Exemplo 3.26 Em relação ao exemplo 3.12, a representação matricial de 2À Š8 Ä Š7 em

Exemplo 3.27 A função HÀ P8 ‘ Ä P8 ‘ que transforma cada polinómio de grau
inferior ou igual a 8 na sua derivada é, como se viu no exemplo 3.15, um endomorfismo de
230 Funções lineares [Cap. 3

P8 ‘:

H +5 B5  œ 5  "+5" B5


8 8"

5œ! 5œ!

Considere-se, agora, a base canónica de P8 ‘, - œ "ß Bß B# ß á ß B8 . Ora,



 H" œ !


 HB œ "
 HB#  œ #B



 â 8 œ â 8"
 HB  œ 8B

Daqui se segue que a representação matricial de H, em relação à base - será a matriz de


ordem 8  ":

! " ! â !
! ! # â !
 
Q-  H  œ  ã ã ã ä ã 
 
! ! ! â !
! ! ! â 8

Exemplo 3.28 Considere-se a função linear (ver exemplo 3.17) IntÀ P8" ‘ Ä P8 ‘, que
transforma cada polinómio : − P8" ‘ de coeficientes reais e de grau menor ou igual a 8  "
no seu integral indefinido T − P8 ‘ com origem !:


 Int: œ T ß onde T B œ  :>d>
B



 Int  +5 B5  œ  +5 B5"
!


8" 8"
5"
5œ! 5œ!

Daqui resulta:

 Int"


 IntB
œB
œ B# Î#
 IntB#  œ B$ Î$



 â 8" â 8
 IntB  œ B Î8

e, portanto, a representação de Int em relação às bases canónicas - œ "ß Bß B# ß á ß B8"  e


Sec. 3.5] Representação matricial de uma função linear 231

- w œ "ß Bß B# ß á ß B8  de P8" ‘ e de P8 ‘ será a matriz de tipo 8  " ‚ 8:

! !
" !
! ! â
 
! !
! ! â

Q-w - Int œ 
!

!
"
! â
 
#

ã ã
"
! $ â

! " 
ã ã ä
! ! ! 8

Exemplo 3.29 Considere, em ‘# , a base / œ "ß "ß "ß " e a função linear 2À ‘# Ä ‘#
definida por:
2Bß C  œ #B  Cß B  C 

coordenadas de 2"ß " œ "ß # e de 2"ß " œ $ß ! em relação àquela base, para o que
Para calcular a representação matricial de 2, em relação à base /, temos de calcular as

basta resolver os dois sistemas de equações lineares seguintes (que sabemos, de antemão, serem
determinados – porquê?)

α  " œ # α  " œ !
α" œ" α" œ$

Como a matriz dos coeficientes dos dois sistemas é a mesma, podemos resolvê-los em
simultâneo, condensando a matriz seguinte

"  Ä  Ä  Ä
"Î# $Î# 
" " " $ " " " $ # ! $ $ " ! $Î# $Î#
" # ! ! # " $ ! # " $ ! 1

Atendendo às soluções dos sistemas, temos:


2"ß " œ "ß # œ $# "ß "  "# "ß "

2"ß " œ $ß ! œ $# "ß "  $# "ß "

A matriz de 2 é, pois:

Q/ 2 œ  
" $ $
# " $

A matriz de 2 em relação à base canónica de ‘# , - œ "ß !ß !ß ", seria, como facilmente
se conclui:

Q-  2  œ 
" 
# "
"

Exemplo 3.30 Consideremos, em W # , uma base / œ /t" ß /t#  formada por dois segmentos
unitários e ortogonais (ver figura 3.10) aplicados num ponto S e a aplicação 3) À W # Ä W # que
roda cada segmento aplicado em S de um certo ângulo ) em torno de S.
232 Funções lineares [Cap. 3


2

( 2) cos(  )


( 1)
sin (  ) 


 1

-sin (  ) O cos(  )
#
Fig. 3.10 – Rotação em W .

Da figura conclui-se facilmente que


3) /t"  œ cos)/t"  sin)/t#
 3 /t  œ sin)/t  cos)/t
) # " #

Matricialmente, fica
cos) sin)
 3) /t"  3) /t#   œ  /t" /t# 
sin) cos) 

o que mostra que a matriz de 3) em relação à base / será:


cos) sin)
Q/  3 )  œ 
sin) cos) 

Exemplo 3.31 Seja / œ /t" ß /t# ß /t$  a base canónica de ‘$ e considere uma função linear

B" ß B# ß B$ − !ß ", na região plana sombreada da figura abaixo.


0 À ‘$ Ä ‘# que transforma o cubo dos vectores Bt œ B" /t"  B# /t#  B$ /t$ , onde

-1

-2

-3

!ß " § ‘$ por meio de 0 .


-1 0 1 2 3 4 5 6

$
Fig. 3.11 – Imagem do cubo

determinada, se soubermos que $ß #ß % é um vector do núcleo de 0 . A figura mostra que as
A matriz que representa 0 em relação às bases canónicas de ‘$ e de ‘# pode ser

imagens dos vectores da base canónica / œ /t" ß /t# ß /t$  de ‘$ são os vectores #ß #ß $ß " e
!ß #. O que a imagem não nos mostra é qual destes vectores é 0 /t" , 0 /t#  e 0 /t$ 
respectivamente. Existem $x œ ' formas diferentes de ordenar os vectores #ß #ß $ß " e
!ß #. Mas o facto de sabermos que $ß #ß % é um vector do núcleo de 0 e que 0 é linear
Sec. 3.6] Isomorfismo entre funções lineares e matrizes 233

permitirá esclarecer a questão, visto que terá que ser


0 $ß #ß % œ 0 $/t"  #/t#  %/t$  œ $0 /t"   #0 /t#   %0 /t$  œ !ß !

As seis correspondências possíveis encontram-se na tabela seguinte:

0 /t"  0 /t#  0 /t$  $0 /t"   #0 /t#   %0 /t$ 


$ß " !ß # #ß # "(ß *
$ß " #ß # !ß # &ß "&
#ß # $ß " !ß # !ß !
#ß # !ß # $ß " ")ß '
!ß # #ß # $ß " )ß "%
!ß # $ß " #ß # #ß %

$0 /t"   #0 /t#   %0 /t$ , pelo que se conclui que as imagens dos vectores da base canónica
Dos casos possíveis, apenas um (o terceiro caso, a sombreado) torna nulo o vector

de ‘$ por 0 são necessariamente as que se seguem:


 0 /t"  œ #ß #
 0 /t#  œ $ß "
 0 /t$  œ !ß #

Como as coordenadas dos vectores 0 /t3  em relação à base canónica - de ‘# coincidem com
as suas próprias componentes, a matriz de 0 em relação às duas bases canónicas será, de
imediato,

Q-/ 0  œ 
# " # 
# $ !

Podemos, agora, determinar a função linear 0 :


0 Bß Cß D  œ 0 B/t"  C/t#  D/t$  œ B0 /t"   C0 /t#   D0 /t$ 
œ B#ß #  C $ß "  D !ß # œ #B  $Cß #B  C  #D 

3.6 Isomorfismo entre funções lineares e matrizes


Veremos neste parágrafo que a correspondência entre as funções lineares e as matrizes é um
isomorfismo de espaços lineares e que, no caso dos endomorfismos, é um isomorfismo de
álgebras lineares:

respectivamente) e 2ß 5À I Ä J duas funções lineares. Sejam ainda / œ /t" ß /t# ß á ß /t8  uma
Proposição 3.9 Sejam I e J espaços vectoriais sobre um corpo Š (com dimensões 8 e 7,

base de I e 0 œ 0t ß 0t ß á ß 0t  uma base de J . Então:


" # 7

i) M0/ 2  5 œ M0/ 2  M0/ 5 3.25

ii) M0/ α2 œ αM0/ 2, onde α − Š. 3.26


234 Funções lineares [Cap. 3

Demonstração:
i) Seja ? œ 2  5. Devido a 3.17, tem-se:



   

7


234 0t 3

2 t
/ 4 œ

 5 /t4  œ  534 0t 3
3œ"
7



onde 4 œ "ß #ß á ß 8



 ?/t4  œ  ?34 0t 3
3œ"


7

3œ"

e onde
 Q0/ 2 œ 234  − Š7ß8
 Q0/ 5  œ 534  − Š7ß8
 Q0/ ? œ ?34  − Š7ß8

vectores da base / por meio de 2  5 e atendamos à expressão 3.17, aplicada a 2 e + 5, e à


Para calcularmos a representação matricial de ? œ 2  5 , calculemos as imagens dos

definição de adição de funções lineares:



 ?/t4  œ 2  5 /t4  œ 2/t4   5 /t4 





  

7 7
œ 2 t
0
34 3  534 0t 3


œ  234 0t 3  534 0t 3 
3œ" 3œ"



7
onde 4 œ "ß #ß á ß 8





 œ  234  534 0t 3
3œ"


7

3œ"

Porém, as coordenadas dos vectores ?/t4  na base 0 são únicas, pelo que terá de ser:

?34 œ 234  534 onde 


3 œ "ß #ß á ß 7
4 œ "ß #ß á ß 8

e as 7 ‚ 8 igualdades anteriores equivalem à igualdade matricial desejada:


Q0/ 2  5 œ Q0/ 2  Q0/ 5 

ii) Seja ? œ α2. As igualdades 3.17, escrevem-se




 2/t4  œ  234 0t 3
7



 ?/t4  œ  ?34 0t 3
3œ"
em que 4 œ "ß #ß á ß 8

7

3œ"

e
Q0/ 2 œ 234  − Š7ß8
 Q ? œ ?  − Š7ß8
0/ 34
Sec. 3.6] Isomorfismo entre funções lineares e matrizes 235

da base / por meio de α2 e atendamos à expressão 3.17, aplicada a 2, e à definição de


Para calcularmos a representação matricial de ? œ α2, calculemos as imagens dos vectores

produto de escalar por função linear:



 ?/t4  œ α2/t4  œ α2/t4 



œ α  234 0t 3
7




onde 4 œ "ß #ß á ß 8

 œ  α234 0t 3
3œ"


7

3œ"

Porém, as coordenadas dos vectores ?/t4  na base 0 são únicas, pelo que terá de ser

?34 œ α234 onde 


3 œ "ß #ß á ß 7
4 œ "ß #ß á ß 8

e as 7 ‚ 8 igualdades anteriores equivalem à igualdade matricial do enunciado:


Q0/ α2 œ αQ0/ 2 

A proposição anterior mostra que a função Q0/ À LIß J  Ä Š7ß8 à 2 È Q0/ 2 que

/ß 0  satifaz as condições L1 e L2 e é, portanto, linear; além disso, a equação 3.20 mostra
transforma cada função linear na respectiva matriz (do tipo 7 ‚ 8) em relação ao par de bases

que, se Q0/ 2 œ S7ß8 , então 2 œ OJ I o que significa que KerQ0/  œ OJ I  e que, em
virtude da proposição 3.2, Q0/ é injectiva e, obviamente, também sobrejectiva (porquê?), ou
seja, um isomorfismo de LIß J  sobre Š7ß8 : podemos então escrever

LIß J  z Š7ß8
3.27
EndI  z Š8ß8

O isomorfismo anterior permite concluir que:


dim LIß J  œ 78
3.28
dimEndI  œ 8#

De tudo o que acima se disse resulta que a escolha de um par de bases /ß 0  em I e J
determina um isomorfismo Q0/ de LIß J  sobre Š7ß8 e que existem tantos isomorfismos
quantos os pares /ß 0  de bases de I e J .
De seguida, veremos que também o produto de matrizes corresponde à composição de
funções lineares:

Proposição 3.10 Sejam I , J e K espaços vectoriais sobre um corpo Š (com dimensões 8 e


7 e :, respectivamente) e 5À K Ä I e 2À I Ä J duas funções lineares. Sejam ainda
/ œ /t" ß /t# ß á ß /t8 
0 œ 0t " ß 0t # ß á ß 0t 7 
1 œ 1t" ß 1t# ß á ß 1t: 
236 Funções lineares [Cap. 3

bases de I , J e K, respectivamente. Nestas condições, tem-se:


Q01 2 ‰ 5  œ Q0/ 2Q/1 5  3.29

     
g=( 1
, 2
,..., p ) e=( 1
, 2
,..., n )
G E
eg
( )

fe
( )

fg
( )

F
  
f=( 1
, 2
,..., m )
Fig. 3.12 – Matriz da aplicação composta.

Demonstração:
Seja ? œ 2 ‰ 5. Devido a 3.17, tem-se:



   
7



234 0t 3 onde 4 œ "ß #ß á ß 8

2 t
/ 4 œ

 51t<  œ  54< /t4 onde < œ "ß #ß á ß :


3œ"
8






4œ"

 ?1t<  œ  ?3< 0t 3 onde < œ "ß #ß á ß :



7

3œ"

e onde
 Q0/ 2 œ 234  − Š7ß8
 Q/1 5  œ 54<  − Š8ß:
 Q01 ? œ ?3<  − Š7ß:

vectores da base 1 por meio de 2 ‰ 5, de acordo com a expressão 3.17 e com a definição de
Para calcularmos a representação matricial de ? œ 2 ‰ 5 , calculemos as imagens dos

composição:
?1t<  œ 2 ‰ 5 1t<  œ 251t< 

œ 2 54< /t4  œ  54< 2/t4 


8 8

4œ" 4œ" onde < œ "ß #ß á ß :

œ  54<  234 0t 3 œ   234 54< 0t 3


8 7 7 8

4œ" 3œ" 3œ" 4œ"

Porém, as coordenadas dos vectores ?1t<  na base 0 são únicas, pelo que terá de ser:

?3< œ  234 54< onde 


8
3 œ "ß #ß á ß 7
4œ"
< œ "ß #ß á ß :
Sec. 3.7] Alteração da representação matricial nas mudanças de base 237

e as 7 ‚ : igualdades escalares anteriores equivalem à igualdade matricial 3.29:


Q01 2 ‰ 5  œ Q0/ 2Q/1 5  

As equações 3.25, 3.26 e 3.29 significam que a função Q/ À EndI  Ä Š8ß8 é um


isomorfismo dos anéis (não comutativos e com unidade) EndI ß ß ‰  e Š8ß8 ß ß ‚  e
também das correspondentes álgebras lineares.

c2 œ 8) e 2" o automorfismo inverso, então 3.29 dá-nos, para qualquer base de I ,
Se I œ J œ K e 2 for um automorfismo do espaço 8-dimensional I (o que equivale a ser

M8 œ Q/ II  œ Q/ 2 ‰ 2"  œ Q/ 2Q/ 2" 


M8 œ Q/ II  œ Q/ 2" ‰ 2 œ Q/ 2" Q/ 2

Isto que mostra que

Q/ 2"  œ Q/ 2 3.30


"

e é claro que 2 é invertível se e só se o mesmo acontece com a matriz Q/ 2, ou seja, se e só se


ambos têm característica igual a 8, ou seja ambos são regulares.

3.7 Alteração da representação matricial nas mudanças de base


Vamos ver, nesta secção, como se comporta a representação matricial de uma função linear
2, perante mudança(s) de base nos dois espaços vectoriais envolvidos:

Proposição 3.11 – Mudança de bases – Sejam I e J espaços vectoriais sobre um corpo Š,

ainda, duas bases /ß /w  de I e duas bases 0 ß 0 w  de J . Se as bases se relacionam entre si por
com dimensões finitas 8 e 7 respectivamente, e 2À I Ä J uma função linear. Considerem-se,

 /tw" /t#w â /t8w  œ  /t" /t# â /t8  X//w


  tw tw 3.31
0 " 0 # â 0t 7  œ  0t " 0t # â 0t 7  X00 w
w

então, as representações matriciais de 2 nos pares de bases /ß 0  e /w ß 0 w  relacionam-se por
Q0 w /w 2 œ X0 w 0 Q0/ 2 X//w œ X00
"
w Q0/ 2  X//w 3.32

Demonstração:
Atentemos no seguinte esquema de composição de funções
238 Funções lineares [Cap. 3

( )
fe
E F

ee
( E ) E F f f ( F
)

E F
fe
( )
Fig. 3.13 – Matrizes da mesma função linear em diferentes pares de bases.

Temos, atendendo à proposição 3.5.iv,


2 œ IJ ‰ 2 ‰ II

A equação 3.29 implica imediatamente


Q0 w /w 2 œ Q0 w 0 IJ Q0/ 2Q//w II 

Atendendo a 3.23 tem-se Q//w II  œ X//w e Q0 w 0 IJ  œ X0 w 0 , pelo que a relação entre as
representações de 2 nos dois pares bases é
Q0 w /w 2 œ X0 w 0 Q0/ 2 X//w

Mas, 2.78 permite ainda escrever


Q0 w /w 2 œ X00
"
w Q0/ 2  X//w 

A relação 3.32 mostra-nos que as representações matriciais da mesma função linear 2 são
matrizes equivalentes (ver definição 2.18). Reciprocamente, se Eß F − Š7ß8 são matrizes

2À I Ä J a função linear que tem, em relação a um par de bases /ß 0 , a representação


equivalentes, existem matrizes regulares T − Š7ß7 e U − Š8ß8 tais que F œ T EU. Seja

matricial E; em relação ao par de bases /w ß 0 w  de I e J tais que


 /tw" /t#w â /t8w  œ  /t" /t# â /t8  U
 0t w 0t w â 0t w  œ  0t " 0t # â 0t 7  T "
" # 7

a representação de 2 será, como se viu, F œ T EU e, portanto, E e F são representações da


mesma função linear 2, em bases diferentes: podemos, pois, enunciar o

Corolário 3.11.1 Duas matrizes Eß F − Š7ß8 são equivalentes sse elas representam a
mesma função linear de um espaço I de dimensão 8 para um espaço J de dimensão 7 (sobre
Š).
Como se viu no capítulo 2, a relação anterior é uma relação de equivalência que divide Š7ß8
em classes de equivalência de matrizes equivalentes; cada função linear 2À I Ä J corresponde
a uma destas classes e qualquer propriedade matricial : comum a todas as matrizes equivalentes
(por exemplo, a sua característica) pode ser considerada uma propriedade da própria função
linear 2, pondo, por definição
Sec. 3.7] Alteração da representação matricial nas mudanças de base 239

:2 œ :Q0/ 2,

onde :Q0/ 2 não depende da escolha das bases /ß 0 . A este propósito, recorde-se a
proposição 3.8.iii respeitante à característica de 2.

bases / œ /t" ß /t# ß á ß /t8  e /w œ /tw" ß /t#w ß á ß /t8w  no domínio e no codomínio, as igualdades
Consideremos, agora, o caso especial dos endomorfismos de I em que, tomando as mesmas

3.32 se transformam em
Q/w 2 œ X/w / Q/ 2 X//w œ X//
"
w Q/ 2  X//w 3.33

A igualdade 3.33 sugere a definição de uma nova relação (apenas entre matrizes
quadradas) do seguinte modo:

Definição 3.4 – Matrizes semelhantes – Dizemos que duas matrizes Eß F − Š8ß8 são
semelhantes e escrevemos E ¸ F sse existe uma matriz invertível X − Š8ß8 tal que
F œ X " EX :
E ¸ F Í b X é invertível • F œ X " EX 3.34
X

Observações:
ç A relação de semelhança definida em Š8ß8 é uma relação de equivalência (tal como a
equivalência de matrizes): a reflexividade resulta de ser F œ M8" EM8 ; a simetria é consequência
da implicação
F œ X " EX Ê E œ X FX "
e a transitividade resulta da implicação
F œ X " EX • G œ T " FT Ê G œ T " X " EX T œ T " X " EX T  œ X T " EX T 

ç Pela definição anterior, poderemos dizer que as representações matriciais Q/w 2 e Q/ 2
do mesmo endomorfismo de um espaço de dimensão finita são matrizes semelhantes.
ç Mas a recíproca também é verdadeira: se Eß F − Š8ß8 são semelhantes, existe uma matriz

por E numa certa base / œ /t" ß /t# ß á ß /t8  de I , esse mesmo endomorfismo será, como vimos,
regular X − Š8ß8 tal que F œ X " EX . Se for 2À I Ä I o endomorfismo de I representado

representado por F œ X " EX na base /w œ /tw" ß /t#w ß á ß /t8w  tal que


 /tw" /t#w â /t8w  œ  /t" /t# â /t8  X

ç Observemos que as relações de equivalência e de semelhança de matrizes são diferentes


entre si: em primeiro lugar, a equivalência define-se entre matrizes possivelmente rectangulares
enquanto a semelhança diz respeito, exclusivamente, a matrizes quadradas; em segundo lugar,
para as matrizes quadradas (caso em que ambas as relações estão definidas), a semelhança das
matrizes implica obviamente a sua equivalência, mas a recíproca não é verdadeira: por exemplo,
qualquer matriz regular E − Š8ß8 é equivalente à matriz identidade M8 (isto é, E representa um
240 Funções lineares [Cap. 3

automorfismo de um espaço de dimensão 8), mas só a matriz identidade é semelhante à matriz


identidade.
Do acima exposto, podemos concluir o seguinte

Corolário 3.11.2 Duas matrizes Eß F − Š8ß8 são semelhantes sse elas representam o
mesmo endomorfismo de um espaço I de dimensão 8 sobre Š.
Observações:
ç Como acabámos de ver, a relação de semelhança definida em Š8ß8 é uma relação de
equivalência, ficando, pois, Š8ß8 dividido em classes de equivalência de matrizes semelhantes.
A cada endomorfismo 2 de um espaço I de dimensão 8 sobre Š corresponde uma destas

é, invariante por uma transformação 3.33) poderá ser atribuída à própria função 2, pondo
classes e qualquer propriedade matricial : que seja comum a todas as matrizes semelhantes (isto

:2 œ :Q/ 2 3.35


e onde :Q/ 2 não depende da escolha da base /. Isto acontece, entre outras propriedades,
com a característica de um endomorfismo 2, que é, portanto a característica de qualquer matriz
que o represente (ver proposição 3.8.iii).
ç No capítulo 5, veremos outras propriedades matriciais invariantes pela transformação
E È X " EX , como por exemplo, o polinómio característico de E, os valores próprios de E, o

menores principais de uma dada ordem de E; todos estes invariantes podem, segundo 3.35,
determinante de E, o traço de E, o traço da adjunta de E e, mais geralmente, a soma dos

ser atribuídos a qualquer endomorfismo que seja representado matricialmente por E.

Exemplo 3.32 Para ilustrar o uso das expressões 3.33, podemos considerar a função
2À ‘# Ä ‘# do exemplo 3.29 e calcular a matriz Q/w 2 de 2 na base /w œ #ß "ß "ß # a
partir da matriz Q/ 2 de 2 na base / œ "ß "ß "ß " aí considerada. Comecemos por
calcular X//w , para o que deveremos exprimir os vectores #ß " e "ß # como combinação
linear dos vectores "ß " e "ß ". Para resolver os dois sistemas de equações obtidos, bastará
condensar a matriz

"  Ä  Ä  Ä
"Î# 
" " # " " " # " # ! " $ " ! "Î# $Î#
" " # ! # $ " ! # $ " ! " $Î#

Das soluções obtidas para os sistemas anteriores, vem

 " 
" " $
X//w œ
# $
eß invertendo a matriz anteriorß tem-se

 " 
" " " $
X/w / œ X// w œ
& $
Sec. 3.7] Alteração da representação matricial nas mudanças de base 241

De 3.33 resulta então,

Q/w 2 œ X/w / Q/ 2 X//w œ  "  #  " $  #  $ "  &  ( ' 
" " $ " $ $ " " $ " * $
œ
& $

Poderíamos também ter partido da matriz Q- 2 de 2 na base canónica - de ‘# , que


obtivemos também no exemplo 3.29. Agora devemos calcular X-/w , para o que é necessário
exprimir os vectores de /w na base canónica, o que é imediato:

X-/w œ 
" # 
# "

Invertendo a matriz anterior, virá

 # 
" " # "
X/w - œ X-/ w œ
& "

A expressão 3.33 dá, por fim,

Q/w 2 œ X/w - Q- 2 X-/w œ     œ 


' 
" # " # " # " " * $
& " # " " " # & (
o que confirma o resultado anteriormente obtido para Q/w 2.
Como vimos, a matriz de uma função linear depende das bases que se usem para a
determinar. É, pois, natural que se procure escolher bases que conduzam a uma matriz o mais

entre espaços de dimensão finita, existe um par de bases em relação às quais a matriz 234  da
simples possível: a este respeito, a proposição seguinte mostra que, para toda a função linear 2

função é toda constituída por zeros, excepto os < elementos 233 "Ÿ3Ÿ< que valem " e onde < é a
característica de 2.
Proposição 3.12 Sejam I e J espaços vectoriais sobre um corpo Š, com dimensões 8 e 7

bases /ß 0  em relação às quais a matriz de 2 assume a forma:


respectivamente, e 2À I Ä J uma função linear com característica <. Então, existe um par de

Q0/ 2 œ  3.36


S7<ß8< 
M< S<ß8<
œ N<
S7<ß<

Demonstração:
Sejam = e <, respectivamente, a nulidade a característica <. Pelo teorema fundamental
(proposição 3.6.iii), temos < œ 8  =.
Tomemos agora uma base /w œ /t<" ß /t<# ß á ß /t<= œ /t8  de Ker2 e prologuemo-la a
uma base / de I mediante a junção de < œ 8  = vectores /t" ß /t# ß á ß /t<  de I
/ œ /t" ß /t# ß á ß /t< ß /t<" ß /t<# ß á ß /t8 

Por construção, temos 2/t4  œ 9t, para <  4 Ÿ 8. Quaisquer que sejam os vectores
/t" ß /t# ß á ß /t<  que usámos para estender a base /w do núcleo, as suas imagens
242 Funções lineares [Cap. 3

0 w œ 2/t" ß 2/t# ß á ß 2/t<  são linearmente independentes, como se mostra a seguir

 53 2/t3  œ 9t Ê 2  53 /t3  œ 9t Ê  53 /t3 − Ker2 Ê


< < <

3œ" 3œ" 3œ"

53 /t3 œ  53 /t3 Ê 53 /t3   53 /t3 œ 9t


< 8 < 8

3œ" 3œ<" 3œ" 3œ<"

Obtivemos, assim, uma combinação linear nula dos vectores da base / de I , pelo que os 53

tratar-se de vectores linearmente independentes em número de < œ dimImg2.


terão de ser todos nulos. Isto mostra que 0 w é uma base da imagem (contradomínio) de 2 visto

Prolonguemos agora 0 w a uma base 0 de J , mediante a junção de 7  < vectores


0t <" ß 0t <# ß á ß 0t 7  de J :

0 œ 0t " œ 2/t" ß 0t # œ 2/t# ß á ß 0t < œ 2/t< ß 0t <" ß 0t <# ß á ß 0t 7 

Por construção das bases / e 0 , temos

2/t4  œ 0t 4
 2/t  œ 9t
;"Ÿ4Ÿ<
4 ;<4Ÿ8

Matricialmente, a relação entre os 2/t4  e os 0t 3  fica, portanto:


 2/t"  2/t#  â 2/t<  2/t<"  â 2/t8   œ
" ! â ! ! â !
! " â ! ! â !
 
ã ã ä ã ã ä ã
 
œ  0t " 0t # â 0t < 0t <" â 0t 7   ! ! â " ! â ! 
 
! ! â ! ! â !
 
! ! â ! ! â !
ã ã ä ã ã ä ã

Q0/ 2

œ  0t " 0t # â 0t < 0t <" â 0t 7 


S7<ß8< 
M< S<ß8<
S 7<ß<

o que termina a demonstração. De passagem, observe que cQ0/ 2 œ < e que este resultado
está de acordo com a proposição 3.8.iii. 

Observações:
ç A representação matricial N< anterior é chamada forma normal ou canónica de 2 (ou de
qualquer matriz E que represente 2).
ç Se uma matriz E tem característica <, ela é equivalente a uma matriz da forma 3.36;
quer isto dizer que será possível levá-la à referida forma por operações elementares sobre linhas
e colunas.
Sec. 3.8] Anexos: funções lineares e o MATHEMATICA 243

Podemos agora provar que se duas matrizes Eß F − Š7ß8 têm a mesma característica, elas
são necessariamente equivalentes:

matrizes E e F são equivalentes sse cE œ cF .


Corolário 3.12.1 Sejam Eß F − Š7ß8 duas matrizes de tipo 7 ‚ 8 sobre um corpo Š. As

Demonstração:
Como se viu na secção 2.13 sobre matrizes elementares, se E e F são equivalentes, as suas
características são iguais.
Reciprocamente, seja < œ cE œ cF  e 2E ß 2F À Š8 Ä Š7 funções lineares representadas
em certo par de bases /ß 0  por E e por F , respectivamente. As características de 2E e de 2F
são iguais a < e, consequentemente, as formas canónicas de 2E e 2F são ambas iguais a 3.36;
daqui conclui-se que E e F são ambas equivalentes a N< e a transitividade da relação de
equivalência mostra que E e F serão equivalentes entre si. 

3.8 Anexos: funções lineares e o MATHEMATICA©

 MATHEMATICA©

O MATHEMATICA© pode também ser um bom auxiliar no que respeita às funções lineares.
Dispõe de funções capazes de resolver boa parte dos problemas por nós analisados neste
capítulo; de entre as referidas funções salientamos:
ç NullSpace[A]
Devolve uma base do núcleo do operador representado por A.
A expressão Length[NullSpace[A]] devolve a nulidade do operador representado por A.
ç MatrixRank[A]
Caracteristica[A][[1]] (do package ALGA`Matrizes` )

Devolve a característica do operador representado por A.


O Package ALGA`FuncoesLineares` implementa algumas funções adicionais que
resolvem alguns problemas sobre funções lineares e consta das seguintes funções:
ç MatrizRepNova[f1,e1,f2,e2,A1]
Devolve a representação em relação ao par de bases f2,e2 da função linear que é
representada por A1, em relação ao par de bases f1,e1. Nestes pares, a primeira base é do
espaço de chegada e a segunda é do espaço de partida.
ç MatrizRep[f2,e2,A1]
Determina a representação matricial nas bases f2,e2 do operador que é representado por
A1 em relação às bases canónicas. No par de bases indicadas, a primeira base é do espaço de
chegada e a segunda é do espaço de partida.
244 Funções lineares [Cap. 3

ç Imagem[A]
Devolve uma base da imagem do operador linear representado por A.
A expressão Length[Imagem[A]] devolve também a característica do operador
representado por A.
ç InjectivaQ[A]
Devolve True se e só se a função representada por A é injectiva.
ç SobrejectivaQ[A]
Devolve True se e só se a função representada por A é sobrejectiva.
Apresentamos a seguir a implementação do package ALGA`FuncoesLineares`:

(* Package by Carlos Ribeiro, Março 2009 *)


(* Contexto : ALGA`FuncoesLineares` *)
(* Versão : 3.7 *)
(* Versão do Mathematica : 7.0 *)

BeginPackage["ALGA`FuncoesLineares`", {"ALGA`Matrizes`"}]

(* ------------------------------ HELP ON-LINE ------------------------------ *)

MatrizRepNova::usage = "MatrizRepNova[f1,e1,f2,e2,a1] devolve a representação em \


relação ao par de bases f2,e2 da função linear que é representada por a1,em relação \
ao par de bases f1,e1.Nestes pares,a primeira base é do espaço de chegada e a segunda \
é do espaço de partida."

MatrizRep::usage = "MatrizRep[f2,e2,a1] determina a representação matricial nas \


bases f2,e2 do operador que é representado por a1 em relação às bases canónicas. \
No par de bases indicadas, a primeira base é do espaço de chegada e a segunda \
é do espaço de partida."

Imagem::usage = "Imagem[a] devolve uma base da imagem (contradomínio) do operador \


representado por a."

InjectivaQ::usage = "InjectivaQ[a] devolve True se o operador representado por a é injectivo; \


False, no caso contrário."

SobrejectivaQ::usage = "SobrejectivaQ[a] devolve True se o operador representado \


por a é sobrejectivo; False, no caso contrário."

Begin["`Private`"]

(* --------------------------- MENSAGENS DE ERRO ---------------------------- *)

MatrizRepNova::naobase = "Uma das listas indicadas não é uma base";


MatrizRepNova::errdim = "As dimensões da matriz não são compatíveis com as bases indicadas";

(* ------------------------------ IMPLEMENTAÇÃO ------------------------------ *)

(* Implementação do módulo MatrizRepNova *)


MatrizRepNova[f1_?MatrixQ, e1_?MatrixQ, f2_?MatrixQ, e2_?MatrixQ, a1_?MatrixQ] :=
Module[{t1 = Passagem[e1, e2], t2 = Passagem[f2, f1]},
Which[
Not[SquareMatrixQ[t1] && SquareMatrixQ[t2]],
Message[MatrizRepNova::naobase],
Sec. 3.8] Anexos: funções lineares e o MATHEMATICA 245

MatrixRank[f1] != Length[f1], Message[MatrizRepNova::naobase],


MatrixRank[e2] != Length[e2], Message[MatrizRepNova::naobase],
Length[t2] != Length[a1] || Length[t1] != Dimensions[a1][[2]],
Message[MatrizRepNova::errdim],
True, t2.a1.t1
]
]

(* Implementação do módulo MatrizRep *)


MatrizRep[f2_?MatrixQ, e2_?MatrixQ, a1_?MatrixQ] :=
MatrizRepNova[IdentityMatrix[Length[f2]],IdentityMatrix[Length[e2]],f2,e2,a1]

(* Implementação do módulo Imagem *)


Imagem[a_?MatrixQ] :=
Module[{m = Caracteristica[Transpose[a]]},
Take[m[[2]],m[[1]]]
]

(* Implementação do módulo InjectivaQ *)


InjectivaQ[a_?MatrixQ] := MatrixRank[a]==Dimensions[a][[2]]

(* Implementação do módulo SobrejectivaQ *)


SobrejectivaQ[a_?MatrixQ] := MatrixRank[a]==Length[a]

End[]
EndPackage[]

O package ALGA`FuncoesLineares` deverá ser previamente carregado por meio de um


dos comandos
<<ALGA`FuncoesLineares`
Get["ALGA`FuncoesLineares`"]
Needs["ALGA`FuncoesLineares`"]
DeclarePackage["ALGA`FuncoesLineares`"]

Nas páginas seguintes apresenta-se um notebook que ilustra o uso do MATHEMATICA© e


destas funções para resolver alguns problemas sobre funções lineares.
246 Funções lineares [Cap. 3

Funções lineares

3.8.1. Núcleo, Imagem, nulidade e característica; injectividade e


sobrejectividade

ü Com o MATHEMATICA, podemos estudar as funções lineares

 ALGA`FuncoesLineares`

Se a representação matricial (em certo par de bases) for

a  2, 2, 1, 3,  2, 1, 1,  4, 0, 1, 6, 1  MatrixForm

2 2 1
3 2 1
1 4 0
1 6 1

Uma base do núcleo será

ker  NullSpacea

 4,  1, 10

E a nulidade é

s  Lengthker

Uma base da imagem (contradomínio) será


Sec. 3.8] Anexos: funções lineares e o MATHEMATICA 247

? Imagem

Imagema devolve uma base da imagem contradomínio do operador representado por a.

img  Imagema

2, 3, 1, 1, 0,  10,  10, 10

A característica é

r  Lengthimg

Ou ainda

r  MatrixRanka

O teorema fundamental sobre as dimensões

r  s  Dimensionsa2

True

A função é injectiva?

? InjectivaQ
248 Funções lineares [Cap. 3

InjectivaQa devolve True se o operador representado por a é injectivo; False, no caso contrário.

InjectivaQa

False

E sobrejectiva?

? SobrejectivaQ

SobrejectivaQa devolve True se o operador representado por a é Sobrejectivo; False, no caso contrário.

SobrejectivaQa

False

3.8.2. Mudança de bases e a representação matricial

ü As funções MatrizRep[] e MatrizRepNova[] permitem manipular a representação


matricial, quando se mudam as bases
Exemplo 2.1

? MatrizRep

MatrizRepf2,e2,a1 determina a representação matricial nas bases f2,e2 do


operador que é representado por a1 em relação às bases canónicas. No par de bases
indicadas, a primeira base é do espaço de chegada e a segunda é do espaço de partida.

? MatrizRepNova
Sec. 3.8] Anexos: funções lineares e o MATHEMATICA 249

MatrizRepNovaf1,e1,f2,e2,a1 devolve a representação em relação ao par de bases


f2,e2 da função linear que é representada por a1,em relação ao par de bases f1,e1.Nestes
pares,a primeira base é do espaço de chegada e a segunda é do espaço de partida.

Definam-se um par de bases em R3 e R4 por

f2  1,  1, 2, 1, 1, 0, 2, 1,  1;

e2   1, 2, 1, 1, 0, 2, 1,  1, 2, 3, 2, 1, 1, 1, 1, 1;

Defina-se um segundo par de bases de R3 e de R4 por

f3  0, 1,  2, 2,  1, 1, 3,  1, 0;

e3  2, 1, 2,  2, 1, 1,  1, 2, 1, 0, 1, 3, 2,  1, 0,  3;

A função f:R4 Ø R3 ;(x,y,z,w)#(2x+3y-z+2w,x-2y+4z-w,x+5y-5z+3w) é representada em relação às


bases
canónicas f1,e1 de R3 e de R4 pela matriz 3×4 dos coeficientes da última expressão

a1  2, 3,  1, 2, 1,  2, 4, 1, 1, 5,  5, 3  MatrixForm

2 3 1 2
1 2 4 1
1 5 5 3

A função f é representada em relação às bases f2 e e2 de R3 e de R4 por

a2  MatrizRepf2, e2, a1  MatrixForm

7
2
1 15 2
3
2
2 2 4
0 0 0 0
250 Funções lineares [Cap. 3

A mesma função f é representada em relação às bases f3 e e3 de R3 e de R4 pela matriz obtida por

a3  MatrizRepNovaf2, e2, f3, e3, a2  MatrixForm

22 6 6 4
35 29 15 4
 23  16  9 1

Ou ainda por

a3  MatrizRepNovaIdentityMatrixLengthf3,
IdentityMatrixLengthe3, f3, e3, a1  MatrixForm

22 6 6 4
35 29 15 4
 23  16  9 1

Uma base do núcleo de f será

ker  NullSpacea1

 1,  4, 0, 7,  10, 9, 7, 0

E a nulidade de f é

s  Lengthker

Uma base da imagem (contradomínio) de f será

img  Imagema1
Sec. 3.8] Anexos: funções lineares e o MATHEMATICA 251

2, 1, 1, 0,  7, 7

A característica de f é

r  Lengthimg

Ou ainda

r  MatrixRanka1

O teorema fundamental sobre as dimensões

r  s  Dimensionsa12

True

A função f é injectiva?

InjectivaQa1

False

E sobrejectiva?

SobrejectivaQa1
252 Funções lineares [Cap. 3

False

ü Exemplo 2.2

A função f:R4 Ø R3 ;(x,y,z,w)#(2x+3y-z+2w,x-2y+4z-w,2x-3y+2z) é representada em relação às


bases
canónicas f1,e1 de R3 e de R4 pela matriz 3×4 dos coeficientes da última expressão

a1  2, 3,  1, 2, 1,  2, 4, 1, 2,  3, 2, 0  MatrixForm

2 3 1 2
1 2 4 1
2 3 2 0

A função f é representada em relação às bases f2 e e2 de R3 e de R4 por

a2  MatrizRepf2, e2, a1  MatrixForm

1 1 21 5
4
2 4 4
33 5 109 7
 4
2  4 4
13 39 3
2
3 2 2

A mesma função f é representada em relação às bases


f3 e e3 de R3 e de R4 pela matriz obtida por

a3  MatrizRepNovaf2, e2, f3, e3, a2  MatrixForm

36  14 3 23
77  31 6 53
 51 24  3  37

Ou ainda por
Sec. 3.8] Anexos: funções lineares e o MATHEMATICA 253

a3  MatrizRepNovaIdentityMatrixLengthf3,
IdentityMatrixLengthe3, f3, e3, a1  MatrixForm

36  14 3 23
77  31 6 53
 51 24  3  37

Uma base do núcleo de f será

ker  NullSpacea1

 19,  6, 10, 33

E a nulidade de f é

s  Lengthker

Uma base da imagem (contradomínio) de f será

img  Imagema1

2, 1, 2, 0,  7,  12, 0, 0, 66

A característica de f é

r  Lengthimg

Ou ainda
254 Funções lineares [Cap. 3

r  MatrixRanka1

O teorema fundamental sobre as dimensões

r  s  Dimensionsa12

True

A função f é injectiva?

InjectivaQa1

False

E sobrejectiva?

SobrejectivaQa1

True

ü Exemplo 2.3

Definam-se um par de bases em C3 e C2 por

f2  1  I, 2 I, 2  I, 1, I, 1  I, 2  5 I, 2  I, 3 I;

e2  2 I, 1  I, 3  2 I,  2  I;

Defina-se um segundo par de bases de C3 e de C2 por


Sec. 3.8] Anexos: funções lineares e o MATHEMATICA 255

f3  2  2 I, 1  I,  1  I, 2  I, 0, 3  I, I, 2  I, 2  I;

e3  2  I, 3  I, 1  3 I,  1  2 I;

A função f:C2 Ø C3 ;(z,w)#(2z+(1-i)w,(2-3i)z-iw,(2+i)z+(1+2i)w) é representada em relação às


bases
canónicas f1,e1 de C3 e de C2 pela matriz 3×2 dos coeficientes da última expressão

a1  2, 1  I, 2  3 I,  I, 2  I, 1  2 I  MatrixForm

2 1
2  3  
2 12

A função f é representada em relação às bases f2 e e2 de C3 e de C2 por

a2  MatrizRepf2, e2, a1  MatrixForm

1 31  27 11 
4  4
 2
 2
223 239  123 261 
20
 20 10
 10
19 67  49 43 
 20  20  10  10

A mesma função f é representada em relação às bases f3 e e3 de C3 e de C2 pela matriz obtida por

a3  MatrizRepNovaf2, e2, f3, e3, a2  MatrixForm

107 3 19 57 
34
 2 17
 17
2 29 2
17
2  17  17
24 42  52 41 
17
 17 17
 17

Ou ainda por
256 Funções lineares [Cap. 3

a3  MatrizRepNovaIdentityMatrixLengthf3,
IdentityMatrixLengthe3, f3, e3, a1  MatrixForm

107 3 19 57 
34
 2 17
 17
2 29 2
17
2  17  17
24 42  52 41 
17
 17 17
 17

Uma base do núcleo de f será

ker  NullSpacea1



E a nulidade de f é

s  Lengthker

Uma base da imagem (contradomínio) de f será

img  Imagema1

2, 2  3 , 2  , 0, 1  3 ,  1  5 

A característica de f é

r  Lengthimg

2
Sec. 3.8] Anexos: funções lineares e o MATHEMATICA 257

Ou ainda

r  MatrixRanka1

O teorema fundamental sobre as dimensões

r  s  Dimensionsa12

True

A função f é injectiva?

InjectivaQa1

True

E sobrejectiva?

SobrejectivaQa1

False
4
Determinantes
Sec. 4.2] Permutações. O grupo simétrico 261

4.1 Introdução
Em muitas aplicações da Álgebra Linear à Geometria e à Análise, o conceito de determinante
desempenha um importante papel. Começaremos por um breve estudo do grupo simétrico, após
o que abordaremos com generalidade a teoria das funções multilineares alternadas e as suas
propriedades. Estas são, na essência, as propriedades dos determinantes. Definiremos depois as
funções determinante numa base, determinante de uma matriz e determinante de um
endomorfismo. Apresentaremos adiante três métodos gerais para o cálculo de determinantes de
ordem 8: o método de condensação, um método recursivo baseado no Teorema de Laplace
restrito e um método misto, resultante do uso alternado de condensação e do Teorema de
Laplace. Estudaremos também a relação entre a teoria dos determinantes e a característica de
uma matriz, bem como a resolução de sistemas de equações lineares à custa de determinantes
(regra de Cramer e Teorema de Rouché). O teorema de Laplace restrito conduzir-nos-á à
definição da noção de matriz adjunta e à sua utilização na inversão de matrizes quadradas
regulares. Na parte final, faremos referência à fórmula de Cauchy. No capítulo 6, aquando da
abordagem do produto misto, veremos uma “interpretação geométrica” do determinante: o
módulo do determinante de uma lista de vectores numa base ortonormada representa o volume
do paralelepípedo definido por esses vectores.

4.2 Permutações. O grupo simétrico


Definição 4.1 – Permutação – Seja 8   " um inteiro. Uma permutação1 de ordem 8 é
uma aplicação bijectiva 5 À "ß #ß á ß 8 Ä "ß #ß á ß 8. Designando por 55 a imagem de 5
por meio de 5 , cada permutação será definida pelas 8 imagens 5" ß 5# ß á ß 58 em que, devido à
injectividade de 5 , será " Ÿ 5" Á 5# Á á Á 58 Ÿ 8. Utilizaremos a notação
5 œ 5" ß 5# ß á ß 58  4.1
para designar a permutação 5 .
A função identidade
I8 À "ß #ß á ß 8 Ä "ß #ß á ß 8à 5 È 5
é uma permutação dita permutação identidade de ordem 8 e, usando a notação introduzida
acima, poderemos escrever
I8 œ "ß #ß á ß 8 4.2

O número de permutações de ordem 8 é de 88  "â# † " œ 8x e designaremos por Æ8 o


conjunto de todas as permutações de ordem 8:
Æ8 œ 5 À 5 é uma permutação de ordem 8
4.3
#Æ8 œ 8x

1 Ver o exemplo B.35 no apêndice B.


262 Determinantes [Cap. 4

permutação 7 − Æ8 , para a qual existem inteiros 3ß 4 − "ß #ß á ß 8 com 3  4, tais que


Definição 4.2 – Transposição – Seja 8   # um inteiro. Chama-se transposição a uma

 73 œ 4
 74 œ 3 4.4
 75 œ 5à 5 Á 3ß 4

portanto, será 7 œ "ß #ß á ß 3  "ß 4ß 3  "ß á 4  "ß 3ß 4  "ß á ß 8Þ


Sendo 8   #, o número de transposições de ordem 8 é de  8#  œ "# 88  " (tantas quantos
os subconjuntos 3ß 4 de "ß #ß á ß 8). Para 8 œ ", não existem transposições. De entre as
transposições, podemos ainda salientar as chamadas transposições elementares, definidas como
segue:

Definição 4.3 – Transposição elementar – Seja 8   # um inteiro. Chama-se transposição


elementar a uma permutação 7 − Æ8 , para a qual existe um inteiro " Ÿ 3  8, tal que
7 œ 3"
 73" œ 3 4.5
3

 75 œ 5à 5 Á 3ß 3  "

O número de transposições elementares é de 8  ", visto ser este o número de formas distintas
de seleccionar o inteiro " Ÿ 3  8.

Exemplo 4.1 Existe apenas uma permutação de ordem ", que é a identidade
Æ" œ "

Não existem transposições, quando 8 œ ".

 ## 
Exemplo 4.2 Consideremos 8 œ #. Existem #x œ # permutações de 2ª ordem e, entre estas,
œ " transposição (elementar). Tem-se
Æ# œ "ß #ß #ß "

Neste caso, existe apenas a permutação identidade I# œ "ß # e uma transposição elementar
7 œ #ß ".

estas,  $#  œ $ são transposições. Tem-se


Exemplo 4.3 Consideremos 8 œ $. Existem $x œ ' permutações de 3ª ordem e, de entre

Æ$ œ "ß #ß $ß "ß $ß #ß #ß "ß $ß #ß $ß "ß $ß "ß #ß $ß #ß "

Neste caso, além da permutação identidade I$ œ "ß #ß $,existem três transposições que são
"ß $ß #ß #ß "ß $ e $ß #ß ". Destas, as duas primeiras são elementares.
Sec. 4.2] Permutações. O grupo simétrico 263

estas,  %#  œ ' são transposições. Tem-se (ver figura 4.1)


Exemplo 4.4 Consideremos 8 œ %. Existem %x œ #% permutações de 4ª ordem e, de entre

Æ% œ "ß #ß $ß %ß "ß #ß %ß $ß "ß $ß #ß %ß "ß $ß %ß #ß "ß %ß #ß $ß "ß %ß $ß # ∪
#ß "ß $ß %ß #ß "ß %ß $ß #ß $ß "ß %ß #ß $ß %ß "ß #ß %ß "ß $ß #ß %ß $ß " ∪
$ß "ß #ß %ß $ß "ß %ß #ß $ß #ß "ß %ß $ß #ß %ß "ß $ß %ß "ß #ß $ß %ß #ß " ∪
%ß "ß #ß $ß %ß "ß $ß #ß %ß #ß "ß $ß %ß #ß $ß "ß %ß $ß "ß #ß %ß $ß #ß "

Aqui, além da permutação identidade I% œ "ß #ß $ß %,existem  %#  œ ' transposições que


são "ß #ß %ß $ß "ß $ß #ß %ß "ß %ß $ß #ß #ß "ß $ß %ß $ß #ß "ß %ß %ß #ß $ß ". De entre estas, as duas
primeiras e a quarta são elementares.
Para obter as 24 permutações de 4ª ordem, podemos recorrer ao esquema da figura 4.1, que
pode ser usado também para outros valores de 8. Este processo de “desdobramento” consiste
em colocar nos nós-raízes (de nível !) das 8 árvores os números " a 8; cada um destes nós tem
8  " descendentes de nível " (diferentes da raiz); estes por sua vez têm 8  # descendentes
(diferentes dos nós dos dois níveis anteriores) e assim por diante, até que, no nível 8  #, existe
apenas um descendente (o único dos números " a 8 que não foi usado antes).
Nível
1 2 3 4
0 4


2 3 4 1 3 4 1 2 4 1 2 3
1 3

3 4 2 4 2 3 3 4 1 4 1 3 2 4 1 4 1 2 2 3 1 3 1 2
2 2

3 1
4 3 4 2 3 2 4 3 4 1 3 1 4 2 4 1 2 1 3 2 3 1 2 1 =24

Fig. 4.1 – Esquema para obter as %x œ #% permutações de 4ª ordem.

Sejam 5" e 5# duas permutações de ordem 8 e consideremos, agora, a composição (também


chamada produto) de 5" com 5# :

{1,2,..., n} {1,2,..., n}


 

{1,2,..., n}
Fig. 4.2 – Composição (produto) de permutações.

de composição interna em Æ8 . Portanto, Æ8 ß ‰  constitui um grupóide e, para 8  #, este


Como a composta de duas bijecções é uma bijecção, segue-se que a composição ‰ é uma lei
264 Determinantes [Cap. 4

grupóide não é comutativo. Todavia, a composição é associativa, tem elemento neutro (a


permutação identidade I8 ) e, sendo uma função bijectiva, cada permutação 5 tem uma inversa
5 " tal que 5 ‰ 5 " œ 5 " ‰ 5 œ I8 : trata-se, portanto, de um grupo (não comutativo para
8  #) a que chamaremos o grupo simétrico de ordem 8.
Portanto, tem-se:
ç 8#Ê b 5" ‰ 5# Á 5# ‰ 5"
5" ß5# −Æ8

ç a 5" ‰ 5#  ‰ 5$ œ 5" ‰ 5# ‰ 5$ 


5" ß5# ß5$ −Æ8

ç a I8 ‰ 5 œ 5 ‰ I8 œ 5
5 − Æ8

ç a b 5 ‰ 5 " œ 5 " ‰ 5 œ I8
5−Æ8 5" −Æ8

Exemplo 4.5 Por exemplo, em Æ$ , calculemos "ß $ß # ‰ $ß #ß ": tem-se, neste caso,
"È$È#
#È#È$
$È"È"
e, portanto, "ß $ß # ‰ $ß #ß " œ #ß $ß ". Do mesmo modo, para $ß #ß " ‰ "ß $ß #, vem:
"È"È$
#È$È"
$È#È#

Portanto, será $ß #ß " ‰ "ß $ß # œ $ß "ß # Á "ß $ß # ‰ $ß #ß " œ #ß $ß ". Seguem-se
outros exemplos:
#ß "ß $ ‰ #ß $ß " œ "ß $ß # Á #ß $ß " ‰ #ß "ß $ œ $ß #ß "
$ß "ß # ‰ #ß $ß " œ "ß #ß $ œ #ß $ß " ‰ $ß "ß # œ "ß #ß $ œ I$

Exemplo 4.6 O exemplo anterior mostra que #ß $ß " œ $ß "ß #" . Tem-se ainda, a título de
exemplo, algumas composições e inversas em Æ% e Æ& (verifique as igualdades!),
%ß $ß "ß # ‰ #ß %ß $ß " œ $ß #ß "ß %
$ß &ß #ß "ß % ‰ %ß #ß "ß &ß $ œ "ß &ß $ß %ß #
$ß %ß "ß #" œ $ß %ß "ß #
$ß &ß #ß "ß %" œ %ß $ß "ß &ß #
#ß "ß &ß $ß %" œ #ß "ß %ß &ß $

Exemplo 4.7 Sendo 7 uma transposição de ordem 8, tem-se


7 ‰ 7 œ I8 4.6
o que mostra que 7 " œ 7 , para qualquer transposição 7 .
Sec. 4.2] Permutações. O grupo simétrico 265

Exemplo 4.8 Seja " Ÿ 3  4 Ÿ 8 e considere-se a transposição 7 de 3 e 4


 73 œ 4
 74 œ 3
 75 œ 5ß 5 Á 3ß 4

e uma permutação 5 œ 5" ß 5# ß á ß 53 ß á ß 54 ß á ß 58 . Calculemos 5 ‰ 7 , para o que basta


atentar no esquema
 3 È 4 È 54
 4 È 3 È 53
 5 È 5 È 55 ß 5 Á 3ß 4

Daqui se conclui ser


5 ‰ 7 œ 5" ß 5# ß á ß 54 ß á ß 53 ß á ß 58 

Portanto, a troca de dois elementos 53 e 54 entre si numa permutação 5 conduz a uma nova
permutação que tem a forma 5 ‰ 7 , onde 7 é uma transposição. Em particular, a troca de dois
elementos consecutivos 53 e 53" entre si na permutação 5 leva-nos a uma permutação da
forma 5 ‰ 7 em que 7 é transposição elementar.
Com base neste último exemplo, podemos provar a

Proposição 4.1 – Decomposição de uma permutação – Seja 5 − Æ8 uma permutação de


ordem 8   ". Então, existem transposições 7" ß 7# ß á ß 7: , com :  8, tais que
5 œ 7" ‰ 7# ‰ â ‰ 7: 4.7

Demonstração:

A demonstração consiste em transformar a permutação identidade I8 na permutação 5 dada,


por sucessivas trocas dos seus elementos: seja
I8 œ "ß #ß á ß 8

Se 5" Á ", então troquemos 1 com 5" (se for 5" œ ", passamos para o passo seguinte); após
isto, obtém-se a permutação
I8 ‰ 7" œ 5" ß #ß á ß 8

Se 5# Á #, então troquemos # com 5# (se for 5# œ #, saltamos para o passo seguinte); após
esta operação, obtemos a permutação
I8 ‰ 7" ‰ 7# œ 5" ß 5# ß á ß 8

Continuando com este procedimento, ao fim de um máximo de : trocas (: Ÿ 8  ", sendo


que : œ 8  " só será atingido, se for sempre 55 Á 5, 5 œ "ß #ß á ß 8  "), chega-se a
266 Determinantes [Cap. 4

I8 ‰ 7" ‰ 7# ‰ â ‰ 7: œ 5" ß 5# ß á ß 58  œ 5

e a proposição está demonstrada, visto que I8 ‰ 7" ‰ 7# ‰ â ‰ 7: œ 7" ‰ 7# ‰ â ‰ 7: . 

Vejamos, agora, que toda a transposição é um produto de transposições elementares:

Proposição 4.2 Seja 7 − Æ8 uma transposição de ordem 8   #. Então, existem


transposições elementares 0" ß 0# ß á ß 05 tais que
7 œ 0" ‰ 0# ‰ â ‰ 05 4.8

Demonstração:
Considere-se uma transposição 7 de ordem 8 dada por 4.4 e onde 3  4. Se 4 œ 3  ", o
resultado é imediato, visto que 7 é ela própria elementar. Se 3  "  4, consideremos a
permutação identidade
I8 œ "ß #ß á ß 3ß 3  "ß á ß 4  "ß 4ß á ß 8

os elementos nas posições consecutivas 3ß 3  "ß 3  "ß 3  #ß á ß 4  "ß 4, o que levará o
e façamos as < œ 4  3 transposições elementares 0" ‰ 0# ‰ â ‰ 0< que trocam sucessivamente

elemento 3 a ocupar a posição 4 (o elemento 3 avança desde a posição 3 até à posição 4, através
de < trocas entre elementos ocupando posições consecutivas)
I8 ‰ 0" ‰ 0# ‰ â ‰ 0< œ "ß #ß á ß 3  "ß 3  #ß á ß 4ß 3ß á ß 8

trocam os elementos nas posições 4  "ß 4  #ß 4  #ß 4  $ß á ß 3  "ß 3, o que leva o
De seguida, executemos as = œ 4  3  " transposições elementares 0<" ‰ â ‰ 0<= que

elemento 4 da permutação anterior a ocupar a posição 3 (o elemento 4 recua até à posição 3,

finalmente, com 5 œ <  = œ #4  3  " (sempre ímpar):


exclusivamente através de trocas entre elementos ocupando posições consecutivas), obtendo-se

0" ‰ 0# ‰ â ‰ 05 œ "ß #ß á ß 4ß 3  "ß á ß 4  "ß 3ß á ß 8 œ 7


o que termina a demonstração. 

Com as duas proposições anteriores, é óbvio que podemos garantir que toda a permutação de
ordem 8 é decomponível num produto de transposições elementares:
Proposição 4.3 Seja 5 − Æ8 uma permutação de ordem 8   ". Então, existem
transposições elementares 0" ß 0# ß á ß 0: tais que
5 œ 0" ‰ 0# ‰ â ‰ 0: 4.9

Demonstração:
Basta substituir em 4.7 cada transposição pela sua decomposição 4.8 em transposições
elementares. 
O leitor pode a título de exercício provar a última proposição directamente, sem usar 4.8.
As proposições anteriores mostram que toda a permutação é um produto de transposições (que
Sec. 4.2] Permutações. O grupo simétrico 267

ímpar, consoante for par ou ímpar o número : de transposições nas decomposições 4.7 ou
poderão também ser exclusivamente elementares) e diremos que 5 é uma permutação par ou

4.9. Do mesmo modo, chamaremos sinal ou paridade de 5 ao inteiro &5  definido por
&5  œ ": 4.10

Portanto, o sinal de 5 é " ou ", conforme a permutação 5 (e :) for par ou ímpar. Da


definição resulta imediatamente que todas as transposições (elementares ou não) são ímpares e
que a permutação identidade I8 é par:

&7  œ "
4.11
&I8  œ "

A demonstração da proposição 4.1 fornece-nos o algoritmo para determinar a paridade de


uma permutação qualquer2 , como se mostra nos exemplos seguintes:
Exemplo 4.9 A única permutação de 1ª ordem I" œ " é par

&I"  œ "

Exemplo 4.10 Determinemos as paridades das # permutações de #ª ordem:


&"ß # œ "
 &#ß " œ "

Exemplo 4.11 Vejamos, agora, as paridades das ' permutações de $ª ordem:



 &"ß #ß $ œ "



 &"ß $ß # œ "

&#ß "ß $ œ "


 &#ß $ß " œ "

 &$ß "ß # œ "


 &$ß #ß " œ "

Exemplo 4.12 Determinemos as paridades de seis das #% permutações de %ª ordem:



 &"ß #ß $ß % œ "



 &"ß $ß #ß % œ "

&#ß %ß $ß " œ "


 &%ß #ß $ß " œ "

 &$ß "ß %ß # œ "


 &$ß %ß #ß " œ "

2 A paridade de 5 − Æ8 pode também ser calculada mediante a contagem de todos os pares 53 ß 54  para os quais
se tenha 3  4 • 53  54 (chamados inversões de 5 ). A permutação 5 será par ou ímpar, consoante for par ou
ímpar o número resultante da contagem referida.
268 Determinantes [Cap. 4

Eis como determinar as & últimas paridades anteriores, partindo da identidade "ß #ß $ß %:

 "ß #ß $ß % Ä "ß $ß #ß %


 "ß #ß $ß % Ä #ß "ß $ß % Ä #ß %ß $ß "
 "ß #ß $ß % Ä %ß #ß $ß "


 &