Álgebra Linear - Capítulo 1

Álgebra Linear-PLE-2020 IM-UFAL Prof.
Getúlio Beleza
Notas de Álgebra Linear
Estas notas têm por objetivo servir de apoio para o acompanhamento do curso
relançando o discente para a bibliografia que serve, por um lado, para dar uma visão
geral do que será explorado ao longo do nosso breve período letivo excepcional e por
outro, serve também para que o discente interessado venha a completar seus estudos ou
mesmo dirimir possíveis dúvidas que possam surgir por conta do caráter sintético dessas
notas. Enviaremos seus dois ou três capítulos na medidas das nossas necessidades
pedagógicas e, finalmente, informamos que na caderneta eletrônica, se encontra a
ementa do curso, elaborada pelo Instituto de Computação, além de eu ter consignado os
objetivos, a metodologia, os critérios de avaliação e, finamente, a bibliografia que
poderá ser consultada para que se tenha um mapa do nosso itinerário e principais pontos
de visitação.
Nesse sentido, destacamos que dois dos conceitos centrais da álgebra linear e
que são imprescindíveis para o domínio do campa são, num primeiro momento, o de
sistemas lineares, conceito esse já utilizados na resolução de problemas atacados pela
matemática da antiga China e cuja método de solução foi redescoberto quase mil e
quinhentos anos depois por matemáticos europeus e que sua versão final tem o pomposo
nome de Teorema de Gauss-Jordan e, o segundo é o conceito de determinante de uma
matriz, cujas raízes estão bem plantadas no momento anterior referido, mas que, para
sua completa generalização, precisamos vencer algumas dificuldades que se prefere
adiar para a álgebra superior.
Finalmente, as listas de exercícios serão encaminhadas a plataforma do
MOODLE onde nosso Curso está hospedado.
Desejamos sucesso a todos e, lembrem-se, continuem a usar máscara, álcool
gel e mantenha o distanciamento social, pois nem atingimos a imunidade dita de
rebanho, nem se tem ainda uma vacina para o vírus da cepa Sars-Covid19.
Atenciosamente,
O Autor
1
Álgebra Linear-PLE-2020 IM-UFAL Prof. Getúlio Beleza
Capítulo I
Matrizes
Sistemas Lineares de Equações
Introdução. A china antiga é reconhecida, historicamente, por seu fascínio aos

diagramas chamados quadrados mágicos e, principalmente, por sua abordagem de
problemas cuja solução envolve a determinação simultânea de equações lineares.
O mais antigo registro de natureza mítico-oracular de um quadrado mágico é aquele
dado pela tabela de números abaixo:
4 9 2
3 5 7
8 1 6
O que caracteriza tal quadrado é que a soma em linha reta quer horizontal,
vertical ou diagonal dá sempre 15. Se tal característica nos chegou como mera
curiosidade em que o desafio era de se encontrar quadrados mágicos cada vez maiores,
o problema seguinte teve um destino mais destacado no campo da matemática.
Num dos mais antigos textos chineses de matemática de caráter didático,

encontra-se um célebre problema cuja solução é dada, modernamente, pela resolução do
sistema linear com três equações e três incógnitas abaixo:
x+ 2 y +3 z=26
{
2 x +3 y + z=34
3 x+2 y + z=39
37 17 11
A única solução do sistema acima é dado pelos valores x= , y= e z= . A
4 4 4
questão é como encontrar tal solução e, principalmente, como decidir que se trata da
única solução. O método chinês de desacoplagem das variáveis, como veremos, só veio
a ser redescoberto por matemáticos ocidentais no século XIX , através dos estudos de
Gauss.
Heurística é uma palavra grega que significa 'que serve para descobrir'. Aqui
apresentarmos um problema particular e sua solução que nos dará a pista do processo de
2
generalização para se adaptar a contextos mais abstratos. Porém, nessa cartinha nos
restringiremos a sistemas de até quatro equações a quatro incógnitas, o que nos dará o
ambiente necessário para uma posterior generalização.
Aqui destacamos o fato de o problema a seguir ser dado no contexto de um

feira livre chinesa – adaptado para a nossa realidade – uma clara indicação de que a
matemática de base tem caráter social, pelo menos em suas origens orientais, e que era
usada para a resolução de situações muitas vezes cotidianas, relacionadas ao comércio.
Além de podermos apontar para o fato de que num mercado livre poderá haver a
produção e circulação tanto da mais proveitosa ideia, quanto do vírus mais letal, quer
para a comunidade local, quer para a sua internacionalização.
Problema do mercado livre. Suponha que numa banca de frutas do mercado local você
verifique que dois abacaxis e três melancias pesem 19 kg e que quatro abacaxis e oito
melancias pesem 48 kg. Supondo que as frutas de cada tipo pesem igualmente, qual o
peso de um abacaxi e de uma melancia?
Solução. A solução que se segue é de inspiração proveniente da antiga China. Se

duplicarmos as frutas da primeira pesagem temos, claramente, que quatro abacaxis e
seis melancias pesam 38 kg. Agora, se da segunda pesagem tirarmos essa última, temos
que 48 menos 38 dá 10 e esse é o peso correspondente em kilogramas a duas melancias.
Os abacaxis sumiram! Assim, concluímos que cada melancia pesa 5 kg e,
consequentemente, cada abacaxi pesa 1/2 kg. Eis a solução procurada!
Observe que o 'truque' consistiu em si igualar o número de uma das frutas nas
duas equações e, em seguida, através de uma subtração reduzir o problema a uma
incógnita, que passa a ser considerada 'desacoplada'. Agora é só tirar o seu valor! A
seguir iremos formalizar tal procedimento que, como dizemos, só veio à luz, entre nós,
no século XIX !
Agora, tentemos resolver o nosso problema chinês milenar acima representado,

em notação moderna, pelo sistema ( S ) , dado a seguir
x +2 y +3 z=26
{
( S ) 2 x +3 y+ z =34 .
3 x +2 y + z=39
Passamos a dividi-lo em dois
3
S1 x +2 y+ 3 z =26 e S2 2 x+ 3 y+ z =34
{2 x+ 3 y + z=34 {
3 x +2 y+ z=39
Multiplicando a primeira equação de S1 por 2 e a primeira equação de S2 por 3 e a

segunda por 2 e, em ambos os caso subtraindo, dos resultados encontrados, a segunda
da primeira, obtemos, respectivamente o par de equações
y +5 z=18 e 5 y + z=24
Que organizamos num novo sistema
( S' ) y+ 5 z =18
{5 y + z=24
Mas, por assim dizer, esse abacaxi nós já descascamos! Aproveitamos para resolvê-lo
de um outro modo, chamado de substituição. Isolamos y, na primeira equação, o que
nos dá
y=18−5 z
e substituímos na segunda, obtendo
5 ( 18−5 z ) + z=24
Que fazendo as operações, obtemos
90−25 z+ z =24 ⟺−24 z=−66
Ou melhor
66 33 11
24 z=66 ⟺ z= = =
24 12 4
Portanto,
11 72 55 17
y=18−5 ∙ = − =
4 4 4 4
Finalmente, para obtermos o valor de x, basta substituir os valores de y e z encontrados

na primeira equação do sistema S, o que nos dá (verifique!):
37
x=
4
4
37 / 4 37
11/4
1
4( ) ()
Portanto, nosso solução é o terno 17 / 4 = 17 . A explicação para se escrever um
11
terno de números na vertical está ligada a representação de um sistema linear via a
linguagem de matrizes que nos leva aos espaços vetoriais. Veja o próximo capítulo. Na
continuação, faremos referência a questão da unicidade da solução acima sob vários
pontos de vistas e que nos levará, ao fim e ao cabo, a noção e espaços vetoriais e suas
transformações.
§ 1. Teorema de Gauss-Jordan
Para um esboço do estudo sistemático dos sistemas lineares, começaremos

introduzindo algumas definições e notações preliminares e, em seguida, estabelecemos
critérios de para se reduzir um sistema de equações lineares dado a um outro com
menos incógnitas.
Definição. Um sistema linear com m equações e n incógnitas é dado, classicamente,

por:
a11 x1 +a 12 x 2+ …+a1 n xn =b1
{
( S ) a 21 x1 + a22 x 2+ …+a2 n x n=b2 .
⋮
an 1 x 1+ an 2 x 2 +…+ ann x n=bn
Onde a ij é o coeficiente numérico da j−ésima incógnita, x j , que se encontra na

i−ésima equação de termo independente, b i, com 1 ≤i ≤m e 1 ≤ j≤ n. Nesses termos,
uma n−lista, ⃗p, de números do tipo vertical
p1
()
⃗p= p2 ,
⋮
pn
chama-se solução do sistema S, onde o j−ésimo número, p j, passa a se chamar

j−ésimaentrada de ⃗p, se as seguintes mcondições abaixo são satisfeiras:
a11 p1 +a12 p2 +…+ a1 n p n=b1
{a21 p1 +a22 p 2+ …+a2 n p n=b 2 .

⋮
an 1 p1 + an 2 p2 +…+ ann pn =bn
5
Ou seja, substituindo a j−ésima incógnita, x j , pela correspondente entrdada de ⃗p,

1 ≤ j≤ n, cada equação do sistema S se transforma numa identidade. Agora, o conjunto
de todas as suas soluções de um sistema, denotado por S−1 , passa a se chamar o
conjunto solução de S. Ou seja, passando-se a denotar o conjunto de todas as n−listas
como acima por Rn, isto é:
p1
{ ()
Rn = ⃗p = p2 : p i ∈ R , ∀ i=1,2 ,… ,n ,
⋮
pn }
que passa a se chamar 'espaço euclidiano n-dimensional' e seus elementos de vetores,
temos que o conjunto solução de um sistema linear, m por n, é um subconjunto de
vetores do Rn , isto é:
S−1 ={ ⃗p∈ Rn : ⃗p é solução de S } ⊂ Rn .
Além disso, um sistema linear diz-se homogêneo se os seus termos

independentes são todos nulos, isto é: b 1=b2=…=b m=0 . Nesse caso, tal sistema é
sempre possível, pois, claramente, apresenta a solução nula ou trivial, ou seja, aquela
obtida fazendo todas as coordenadas iguais a zero, e denotado por o⃗ ∈ R n, isto é, sua
j−ésimacoordenada o j=0 , para todo j=1,2 ,… , n .
As duas proposições a seguir nos dá a chave para a solução do principal

teorema dessas notas devido a Gauss. Antes porém de enunciá-lo, dizemos que dois
sistemas lineares, S1 , S 2, são equivalentes se ambos tiverem o mesmo conjuntos solução,
isto é:
S−1 −1
1 =S 2 .
Afirmação 1. Sejam dois sistemas lineares
( S1 ) { a k 1 x 1+ ak 2 x 2 +…+ akn x n=b k ,
ak 1 x 1 +a k 2 x 2+ …+a kn x n=bk
( S2 ) {al 1 x 1 +al 2 x 2 +…+ aln xn =bl
,
6
com uma e duas equações lineares, respectivamente, a n incógnitas, e sejam dois

números reais, λ 1 ≠ 0 , λ2 ∈ R, sendo o primeiro diferente de zero. Então, os sistemas
lineares abaixo
( S '1) { λ1 ak 1 x 1 + λ1 ak 2 x2 +…+ λ1 akn x n=λ 1 b k ,

ak 1 x1 +a k 2 x 2+ …+a kn x n=bk
( S '2) {( a l−λ 2 a k ) x 1 + ( al −λ2 ak ) x 2+ …+ ( a l−λ 2 a k ) x n=bl−λ bk ,
são equivalentes aos sistemas S1 e S2, respectivamente. Isto é,
−1 −1 −1 −1
( S '1) =S1 e ( S '2) =S2 .
Afirmação 2. Sejam S um sistema com m equações e um número 1 ≤r ≤ m−1. A partir

desse sistema, formemos dois outros: Sr escolhendo r das equações de S e Sm−r
escolhendo as m−r equações restantes. Então. vale
S−1 =S−1 −1
m ∩ S m−r .
Observamos que as operações da Afirmação 1 podem ser realizadas no interior

de um sistema qualquer, que passaremos a nos referir, genericamente, à operações de
dois tipos:
Operação Tipo 1 : Substituição de uma equação por um múltiplo não nulo da mesma,
simbolicamente:
S1 Lk → λ Lk S'1 ;
→
Operação Tipo 2 : Substituição da l−ésima equação por ela mesma mais um múltiplo de
uma outra, simbolicamente:
S2 Ll → Ll+ λ Lk S'2 .
→
Antes de passarmos para o principal resultado sobre sistemas lineares,

observamos que eles se classificam em possíveis, quando o conjunto solução for não
vazio, isto é, quando o sistema admite solução, podendo ser determinado, se só há uma
solução, indeterminado, se há mais de uma solução. Caso o sistema não admita solução
de nenhuma forma, ele passa a se chamar de impossível.
7
Exemplo. Os três sistemas, S1 , S 2 , S 3, abaixo são, respectivamente, determinado,

indeterminado e impossível como é fácil constatar.
( S1 ) x+ y=0 , ( S 2 ) x+ y=0 , ( S 3 ) x + y=0 .

{x− y=0 {2 x+ 2 y =0 {x + y=1
Sem mais, passaremos ao enunciado, sem prova, do resultado geral do estudo
dos sistemas lineares devido, conhecido como Teorema de Gauss-Jordan.
Afirmação 3. Todo sistema linear, S, m por n, não trivial,
a11 x1 +a 12 x 2+ …+a1 n xn =b1
{
( S ) a 21 x1 + a22 x 2+ …+a2 n x n=b2
⋮
an 1 x 1+ an 2 x 2 +…+ ann x n=bn
é equivalente a um outro S ', escalonado na forma escada, isto é: o coeficiente do

primeiro termo não nulo de cada equação não nula é 1, e a incógnita correspondente só
aparece nessa equação, e em nenhuma outra, em ordem crescente de seus índices de
coluna:
x k + ∑ c 1 j x j=z 1
{ {
1
j∈ J
x k + ∑ c 2 j x j=z 2
( S '1 ) 2
j ∈J
⋱
( S ')
x k + ∑ c rj x j=z r
r
j ∈J
0=z r+1
( S '2)
{ ⋮
0=z m
onde:
i. 1 ≤ k j ≤ n é o índice de coluna da primeira incógnita não nula, de coeficiente igual

a 1, da j−ésima equação não nula de S' , com 1 ≤ j≤ r ;
ii. J= {1,2. . , n }− { k 1 <k 2 <…< k r } é chamado conjunto dos índices das variáveis
livres do sistema e { k 1< k 2 <…< k r } é o conjunto de índices das variáveis

desacopladas o dependentes.
8
Além disso, o número de linhas não nulas da matriz escada, 1 ≤r ≤ m, chamado posto de
S e indicado por r =posto ( S ), é unicamente determinado e o sistema admite solução se,
e somente se, as m−r condições, z r +1=…=zm =0, se cumprem. O número m−r passa a
ser chamado nulidade de S e é indicado por nulid ( S )=n−r.
§ 2. Matrizes e os Sistemas Lineares
Faremos aqui uma rápida introdução as matrizes com o objetivo de expressar

nessa linguagem mais compacta, entre outras vantagens, o estudo acima sobre sistemas
lineares e explorar suas possibilidades de ir mais além, reconhecendo o surgimento de
um novo campo de pesquisa matemática.
Para nós uma matriz será uma tabela retangular de números em relação as
quais podemos fazer basicamente três operações: adicionar matrizes de mesma ordem e
multiplica-las entre si ou por um escalar, isto é, um número real. Passaremos as
definições.
Definição. Uma matriz real, A, de ordem m× n (lê-se: m por n), é uma tabela de
números reais, distribuídos em m linhas e n colunas, do tipo
a 11 … a1 n
(
A= ⋮ … ⋮ =( aij ) m ×n .
am 1 … amn )
Suas entradas de dois subíndices, a ij ∈ R , são números reais em que o índice i, chamado
de índice de linha, e o índice j, chamado de índice de coluna, indicam, como os nomes
sugerem, o númer que se encontra na i−ésima linha e j−ésima coluna da matriz, A, de
ordem m× n. O conjuntos de tais matrizes será representado por M m ×n ( R ). Se m=1, ela
é chamada de matriz linha, se n=1, é chamada de matriz coluna. Além disso, podemos
estabelecer, sem maiores discursões, que M 1 ×1 ( R )=R.
Assim, dadas matrizes A=( aij ) , B=( bij ) ∈ M m × n ( R ) , uma matriz coluna
C=( c i 1 ) ∈ M n ×1 ( R ) e um número λ ∈ R, definimos ( i ) adição de matrizes; ( ii )
multiplicação por escalar e ( iii ) produto de uma matriz por uma matriz coluna,
respectivamente, por
i. A+ B= ( s ij ) , onde sij =a ij +b ij , 1≤ i≤ m e 1 ≤ j≤ n ;
ii. λA=( t ij ), onde t i=λ a ij, 1 ≤i ≤m e 1 ≤ j≤ n ;
9
n
iii. A ∙C=( ui ×1 )m × 1, onde ui 1=∑ aik c k 1 .
k =1
Uma estratégia bastante usada é descrever uma matriz por suas linhas ou
colunas. Comecemos a descrição por colunas de uma matriz, mais adiante veremos a
conveniência de descrevê-las por linhas.
Designamos uma C ∈ M m× n, através de suas matrizes colunas C k ∈ M m ×1 ( R ),

como
C=( C 1 C 2 … C n ) ,
onde C k =( cik ), 1 ≤ k ≤ n, é uma matriz coluna cujas entradas são as entradas da k −ésima
coluna de C. Assim, dadas as matrizes A=( aij ) ∈ M m × p ( R ) e B=( bij ) ∈ M p× n ( R ), então,

em geral, o produto de duas matrizes é dado por
iv. A ∙ B=( C1 C 2 … C n ) , onde C k = A ∙ B k, e Bk é a k −esima coluna de
B=( B1 B 2 … Bn ).
Mais resumidamente, temos
A ∙ B=A ∙ ( B1 B 2 … Bn )=( A ∙ B1 A ∙ B 2 … A ∙ B n) .
Essas operações, em geral, herdam as propriedades correspondentes para

números reais, com importantes exceções, como a não comutatividade e a não validade
da lei do cancelamento, que discutiremos, ao final deste capitulo, no Bônus 1. Aqui,
nosso objetivo é descrever o estudo que fizemos sobre os sistemas lineares em
linguagem matricial, adaptando as duas operações básicas sobre as linhas dos sistemas
lineares às linhas de matrizes associadas. O que nos permitirá, entre outras vantagens,
desfrutar de uma linguagem mais algébrica e, por isso mesmo, mais elegante. Por
exemplo, um sistema linear como vimos acima pode ser reescrito de uma forma mais
concisa nos termos da álgebra matricial como
( S ) A ⃗x =⃗b ,
x1 b1
onde x
⃗ = ⋮ e
xn () ()
b
⃗ = ⋮ são chamados, respectivamente, vetores das incógnitas e dos
bm
termos independentes do sistema ( S ) . Nesses termos, uma solução do sistema é um vetor
10
p1
()
⃗p= ⋮ tal que A ⃗p=b⃗ . Onde duas matrizes são iguais se tem mesma ordem e suas
pn
entradas correspondente são todas iguais. Verifique as afirmações acima! Agora,

passaremos a descrever o Teorema de Gauss-Jordan em termos matriciais. Para isso
precisamos adaptar as operações descritas acima em termos matriciais.
Reinterpretaremos os conceitos introduzidos por ocasião do Teorema de

Gauss-Jordan na sua versão matricial.
Definição. Uma matriz diz-se escalonada, se os demais elementos da coluna do primeiro

elemento não nulo de toda linha não nula é formada por zeros. Este elemento é chamado
de pivô da referida linha. Uma matriz escalonada está na forma escada, se todas as linha
não nulas estão acima das nulas e a ordem dos índices de colunas dos pivôs estão em
ordem crescente. O posto de uma matriz escalonada é o número de suas linhas não
nulas. Já o número de linhas nulas de uma matriz escalonada, chama-se nulidade da
matriz.
Por outro lado, podemos descrever uma matriz, A ∈ M m × n ( R ) , através de suas

linhas
L1
⋮
()
A= L2 ,
Lm
onde Lk =( ak 1 , ak 2 ,… , a kn ) ,1 ≤ k ≤ m, é a matriz linha, correspondente a k −ésima linha

da matriz A, na qual intercalamos vírgulas, entre suas entradas, para uma melhor
discriminação das mesmas. O que facilita as operações que passaremos a descrever a
seguir e que repetem as operações sobre sistemas.
Dada uma matriz A ∈ M m × n ( R ) , definimos três operações elementares sobre

suas linhas:
Operação Tipo1 : Substituição de uma linha por um múltiplo não nulo da mesma,
simbolicamente:
A Lk → λ L k A ' ;
→
11
Operação Tipo 2 : Substituição da l−ésima linha por ela mesma mais um múltiplo de
uma outra, simbolicamente:
A Ll → Ll + λ Lk A '' ;
→
Operação Tipo 3 : Troca de duas linhas
A Ll ↔ Lk A ' ' ' .

→
Essas operações podem ser descritas através de operações com matrizes

elementares correspondentes que deixaremos para explorar nos exercícios.
Afirmação 4. No linguajar matricial, um sistema é possível se, e somente se,

posto A ⃗b= postoA , onde
a 11 … a1 n a11 … a1 n b1
( ) (
A= ⋮ … ⋮ e Ab⃗ = ⋮ … ⋮
am 1 … amn
⋮
am 1 … a mn bm )
são chamadas, respectivamente, matriz dos coeficientes do sistema e matriz ampliada do
sistema.
O processo de escalonamento pode ser realizado sobre a matriz ampliada do

sistema ou, quando o sistema é homogêneo, sobre a própria matriz dos coeficientes do
sistema por economia de tempo!
Exemplo 3. Resolva os dois itens abaixo.
i. Escalone os sistemas abaixo e dê seus conjuntos soluções
x+2 y +3 z=26 x +2 y−z=0

S
{ 3 x+2 y + z=39
S
{
( 1 ) 2 x +3 y + z=34 e ( 2 ) 2 x− y +3 z=0 ;
4 x+ 3 y+ z =0
ii. Dado o sistema
x− y+ 2 z−t=−1
{
( S3 ) x + y−2 z−2 t=−2
2
−x +2 y−4 z+ t=1
3 x−3 t=−3
Mostre que
12
−1 1 0
S = 0 +R
−1
3
0
0
( ) () () 0 +R
0
1
2 .
1
0
Finalmente, interprete S−1

3 geometricamente!
Solução. i . Claramente, os sistema se reescrevem como
( Si ) Ai ⃗x =⃗bi , ( i=1,2 )
onde
1 2 3 1 2 −1 1 2 3 26 1 2 −1 0
3 2 1( ) ( 4 3 1 3 2 1 39 ) (
A1= 2 3 1 , A2= 2 −1 3 , e Ab⃗ = 2 3 1 34 , A ⃗b = 2 −1 3 0 .
1
4 3 1 0 ) (
2
)
Escalonando o primeiro sistema, temos
1 2 3 26 L2 → L2+ (−2 ) L1 1 2 3 26 1 2 3 26 L1 → L2 + (−2 ) L2 1

( 2 3 1 34 →
→
) ( L
0 −1 −5 −18 2
3 2 1 39 L3 → L3+ (−3 ) L1 0 −4 −8 −39
→ (
→
−1 ) L 2 0
)
1 5
(18 →
→ 0
0 −4 −8 −39 L3 → L3 + ( 4 ) L2 0 ) (
1 0 −7 −10 L1 → L1+7 L3 1 0 0 37/4
L3 →
→
1
( )
L 0 1 5
12 2 (18 →
→
) 0 1 0 17/4 .
0 0 1 11/4 L2 → L2+ (−18 ) L3 0 0 1 11/4 ( )
Portanto, o sistema é possível determinado, cuja solução é o conjunto unitário
37/ 4
S−1
1 =
{( )}
17/ 4 .
11/4
1 , solução do sistema S1, corresponde a um ponto do R .

3
Claramete, o conjunto S−1
Escalonando a matriz dos coeficientes do segundo sistema, obtemos (faça as contas!)
1 2 −1 L → L + (−2 ) L 1 2 −1 1 2 −1 1 0 −3
( 2 −1 3
4 3
2 2
) 1
(
0 −5 5 L2 → L2 0 1
1 L3 → L3→+ (−4 ) L1 0 −5 5 → ) (
1 → 0 1 1 .
0 −5 5 0 0 0 )( )
Assim, postoA=2 e nulA =1. Logo, o número de variáveis independente é
n−r=3−2=1. Portanto, nosso sistema é possível indeterminado. Associado a última
matriz da cadeia acima, temos o sistema
13
x1 −3 x 3=0 ⟺ x 1=3 x3 ; x ∈ R .
{ x 2+ x 3=0 {
x 2=−x 3
3
Portanto,
3 x3
−1
2
x3 {( ) } 3
S = −x 3 : x 3 ∈ R =R∙ −1
1 ()
A partir da última igualdade acima, vemos que o conjunto, S−1
2 , corresponde,
geometricamente, a uma reta no R3. Agora, resolva o item ( ii ) .
A seguir enunciaremos dois resultados básicos sobre sistemas lineares, o

segundo dos quais sobre sistemas homogêneos que é de grande utilidade teórica.
Afirmação 5. Se um sistema linear tem duas soluções, tem infinitas.
Prova. Sejam ⃗p1 e ⃗p2 duas soluções de ( S ) . Agora, considere a família a um parâmetro
de vetores ⃗pt =( 1−t ) ⃗p1 +t ⃗p 2 , t ∈ R . Assim, ⃗pt é solução de ( S ) , ∀ t ∈ R, pois
A ⃗pt =( 1−t ) A ⃗p1 +tA ⃗p 2=( 1−t ) ⃗b +t b⃗ =b⃗ . ∎
Afirmação 6. Todo sistema homogêneo com mais incógnitas que equações é

indeterminado.
Prova. Como r ≤ m< n, então n−r >0. Assim, o sistema tem pelo menos uma variável
livre que gera infinitas soluções. ∎
Por fim, dizemos que uma matriz quadrada, A, de ordem n, é inversível, se

existem matrizes B e C, tais que
BA= AC =I ,
I =diag ( ⏞
1 , ..., 1 )
onde a matriz é a matriz identidade de ordem n e as matrizes, B e C,
são chamadas, respectivamente, inversas à esquerda e à direita de A, por motivos

óbvios. O resultado a seguir nos garante que basta termos uma das inversas laterais para
se garantir a existência da outra!
Lema 1. Dada uma matriz quadrada, ela é invertível se, e somente se, admite uma das
inversas laterais e, nesse caso, as inversas laterais são iguais.
14
Prova. Mostraremos, inicialmente, que se a matriz é invertível suas inversas laterais são
iguais. Sejam A , B e C como acima, então
B=BI =B ( AC ) =( BA ) C=IC=C .
Agora, suponha que a matriz A admita inversa à direita, isto é, exista matriz
B=( ⃗b1 ⃗b2 … b⃗ n ) com AB=I. Esta igualdade matricial equivale as n igualdades abaixo
( S j ) A ⃗b j =⃗e j , ∀ j =1,2 ,… , n .
Daí segue-se que o sistema,
( S ) A ⃗x =⃗b ,
⃗ ∑ β j ⃗e j ∈ Rn , defina ⃗p=∑ β j ⃗b j . Assim,

é possível, para todo b⃗ ∈ R n . Pois, dado b=
claramente, temos A ⃗p=b⃗ . Portanto, posA=m=n, pois A é quadrada e o sistema S,
acima, é determinado. Mostraremos que B também é inversa à esquerda de A.
Para isso, considere a matriz C=BA=( ⃗c 1 c⃗ 2 … ⃗c n ). Agora, multiplicando a igualdade que

define C por A, temos AC= A ( BA ) =( AB ) A=IA =A. Ou equivalentemente,
A c⃗ j =⃗v j , ∀ j=1,2 , … , n .
Como vimos, o sistema S é determinado e, consequentemente, c⃗ j=⃗e j , ∀ j=1,2 , … ,n .

Isto é, C=I . ∎
Dada uma matriz quadrada invertível, A, denotamos sua inversa por A−1, isto
é, a matriz que satisfaz a relação
A−1 A=A A−1=I .
Por fim, enunciamos o resultado que nos dá um critério para decidir se uma
matriz quadrada é invertível ou não.
Afirmação 7. Uma matriz quadrada é inversível se, e somente se, a matriz tiver posto
máximo se, e somente se, o sistema homogêneo correspondente for determinado.
Prova. Se a matriz é invertível, claramente o sistema homogêneo é determinado, pois a

solução do sistema S, acima, é claramente, ⃗x = A−1 b⃗ . Agora, o sistema é determinado se,
e somente se, postoA=n. Como a matriz é quadrada, então a matriz tem posto máximo,
isto é, postoA=m. Finalmente, se o sistema tem posto máximo, e como a matriz é
15
quadrada, segue-se que o sistema S tem uma única solução, para todo b⃗ ∈ R n. Assim,
tomando b⃗ j a solução de S, para b⃗ =⃗e j , j=1,2 ,… , n, temos que a matriz B=( ⃗b1 ⃗b2 … b⃗ n )
é a inversa de A, pois
AB= A ( b⃗ 1 b⃗2 … b⃗ n) =( A b⃗ 1 A ⃗b2 … A ⃗bn ) =( ⃗e 1 e⃗ 2 … ⃗en ) =I . ∎
Bônus 1. Historicamente, a descoberta da álgebra das matrizes se deu em meados do

século XIX , pelo matemático inglês Arthur Cayley, que associava a transformações do
tipo
s=b 11 x +b 12 y
{ t=b 21 x+ b22 y
a um quadrado de números do tipo
a11 a12
( a21 a22 )
chamado de matriz (quadrada) de ordem 2. Agora, fazendo a composição da
transformação acima, com uma outra de mesma natureza
u=a 11 s+ a12 v
{ v=a21 u+ a22 v
obtinha, por operações elementares, a transformação
s=( a11 b11 + a12 b 21) x+ ( a11 b 12+a 12 b22 ) y

{ t=( a 21 b11 + a22 b 21) x + ( a 21 b12 +a22 b22 ) y
O que o levou, naturalmente, a definir a operação de multiplicação de matrizes por
a11 a12 b11 b 12 a b +a b a b +a b

( )(
a21 a22 b21 b 22 )(
= 11 11 12 21 11 12 12 22 .
a21 b11 +a 22 b21 a 21 b12 +a22 b22 )
Além disso, definiu a adição de matrizes e a multiplicação de uma matriz por
um escalar como fizemos anteriormente e verificou que as matrizes
(00 00) e (10 01)

representavam, respectivamente, o elemento neutro da adição e a unidade multiplicativa
de uma tal álgebra que, por um lado, não era comutativa, pois
16
(10 00)(00 11) ≠ ( 00 11)(10 00)

e, além disso, admitia outras propriedades contrárias a álgebra dos números, tais como:
i. apresentar divisores de zero
(00 11)(10 00)=( 00 00) ;

ii. não satisfazer a propriedade do cancelamento
(10 00)(00 11)=( 10 00)( 01 10) ;

iii. admitir matriz sem raiz quadrada tal como
(00 10) ;
iv. admitir matrizes com uma infinidade de raízes quadradas
k 1+ k 2 = 1 0 , ∀ k ∈ R .
( 1−k −k ) ( )
0 1
Apesar dessas esquisitices, por outro lado, apresentava propriedades em

relação a adição e multiplicação por escalar tais como:
A 1− A+ ( B+C )=( A+ B ) +C ;
A 2− A+ B=B+ A ;
A 3−∃ O: O
⃗ + A= A ;
A 4−Dado A ⇒∃−A : A + (− A ) =O.
M 1−α ∙ ( β ∙ A )=β ∙ ( α ∙ A ) ;
M 2−γ ∙ ( A+ B )=γ ∙ A +γ ∙ B ;
M 3−( α + β ) ∙ A=α ∙ A+ β ∙ A ;
M 4−1∙ A=A .
Propriedades essas que definem uma estrutura conhecida como espaço vetorial real ou
complexa a depender se as matrizes estão definidas sobre o corpo dos números reais ou
dos números complexos. Assim, em particular, o espaço dos vetores das matrizes
colunas com as operações de adição e multiplicação por escalar, representado pelo terno
( Rn ,+, ∙ ) é um espaço vetorial real.
17
Bônus 2. Determinante de uma matriz quadrada
I. Determinante de ordem 2
Seja o sistema linear 2 ×2, abaixo, com a 11 ≠ 0:
( S ) a11 x 1+ a12 x 2=b 1

{a21 x 1+ a22 x 2=b 2
Escalonando, temos
1 a12 /a11 b1 /a11 1 a 12/a
( a11 a12 b 1 1
a21 a22 b 2 a11
→
L1
1 a12 /a11 b1 /a11
)( ) (
a21 a 22 b2
L2 → (−a21 ) L1+ L2
→
)
0
∆
a11 a11 (
a11 b 2−a21 b1
)( ) (
a11
L
∆ 2 0
→
1
a22 b1−a 12 b2
L1 →
−a12
a11
→
( )
L2 + L1
1 0
0 1 ( ∆
a11 b 2−a21 b1
∆
.
)
a11 a12
Onde o números ∆=a 11 a22−a12 a21=det ( )
a 21 a22
chama-se determinante da matriz
a11 a12
( a21 a22 )
. Agora, a penúltima transformação do escalonamento, acima, só pode ser
levado a cabo se, e somente se, ∆ ≠ 0. Assim, é fácil concluir que o sistema é
a11 a12
determinado, se e somente, se det ( a 21 a22 )
≠ 0. Neste caso, a solução do sistema S é
dado por
detA ( 1, b⃗ ) detA ( 2, b⃗ )
x 1= e x 2=
detA detA
a11 a12 b1 a 12 a11 b1

com A= ( a21 a22 )
e detA ( 1 , ⃗b )=det (
b2 a 22 )
e detA ( 2 , ⃗b )=det
a21 b2
. ( )
II. Determinante de ordem 3
Seja o sistema linear 3 ×3, abaixo, com a 11 ≠ 0:
a11 x 1+ a12 x 2 +a13 x2 =b1
{
( S2 ) a21 x 1 +a22 x 2 +a 23 x 2=b2
a31 x 1 +a32 x 2 +a33 x3 =b3
18
Para resolvê-lo vamos reduzir seu estudo ao que fizemos com um sistema linear de duas
variáveis e duas incógnitas. Para isso, eliminando a incógnita x 1 nas duas últimas
equações através de uma operação do Tipo II apropriada, obtemos o sistema
equivalente abaixo
a11 x 1+ a12 x 2+ a13 x 2=b1

( S2 )
{( S 1 ) b 22 x 2+b 23 x 2=c 2
{ b32 x2 +b 33 x 3=c 3
onde os coeficientes do sistema S1 são dados, respectivamente por
b 22= ( a12 a21−a11 a 22); b 23=( a13 a21−a 11 a23 ) ; b 32 =( a12 a31−a 11 a33 ) ; b 33=( a 13 a31−a11 a33 );
E os correspondentes termos independentes são dados, respectivamente, por
c 2=a12 b1 −a11 b2 ; c 3=a 13 b1 −a11 b3 .
Resolvendo-o e substituindo sua solução na primeira equação de S2 (faça os detalhes!),

temos, a famosa fórmula de Cramer
detA ( 1, b⃗ ) detA ( 2 , ⃗b ) detA ( 3 , ⃗b )

x 1= ; x2 = ; x 3=
detA detA detA
onde A ( j , ⃗b ) representa a matriz obtida da matriz A, substituindo sua j−ésima coluna
b1
⃗
b3 ()
pelo vetor, b = b2 , dos termos independentes do sistema S2, j=1,2,3. E o determinante
de uma matriz A, de ordem 3 ×3, sendo dado por
a22 a23 a a a a
detA =a11 det
( a32 a33 ) (
a31 a33 )
a31 a32 ( )
−a12 det 21 23 +a13 det 21 22 =a11 a22 a33+ a12 a23 a 31+a 13 a21 a32−a11 a23 a 32−a1
Bônus 2. Interpretando o determinante
Na notação de subíndices duplos, acima, cada parcela, a 1i a2 j a3 k, foi obtida

tomando um produto das entradas da matriz A que comparecem uma única vez em cada
linha e em cada coluna da matriz, pois { i , j, k }={ 1,2,3 }, acompanhado de um sinal, +¿ ou
−¿, obtido segundo o seguinte critério: dada a sequência ( 1,2,3 ) na ordem natural,
chamamos uma permutação dessa ordem a um terno ( i , j, k ) como acima. Dizemos que
19
esta permutação é par se ela ou está na ordem natural ou o número de pares ordenados
entre ( i , j ) , ( i ,k ) , ( j, k ) com ordem invertida for 2; caso seja 1 ou 3, dizemos que a
permutação é ímpar. No primeiro caso seu sinal diz-se positivo e denotamos por
sig ( i , j ,k )=+¿. No outro caso, seu sinal diz-se negativo e o anotamos por
sig ( i , j ,k )=−¿. Por exemplo, claramente, temos: sig ( 2,3,1 )=+ ¿, pois dois dos três
pares ordenados ( 2,3 ) , ( 2,1 ) , ( 3,1 ) são inversão da ordem natural, já sig ( 2,1,3 ) =−¿, pois,
como é fácil constatar, temos apenas uma inversão, etc.
Como é fácil constatar, podemos escrever
a11 a12 a 13
( )
det a 21 a22 a 23 = ∑ sig ( i , j ,k ) a 1i a2 j a 3 k,
a 31 a32 a 22
( i , j , k ) ∈℘
onde ℘ é o conjunto de todas as permutações dos três primeiros números naturais. Esta é
a forma que nos permite generalizar o conceito de determinante para o caso geral de
uma matriz quadrada qualquer.
Bônus 3. Determinante como uma função real, multilinear, alternada e normalizada.
Finalmente, a seguinte fórmula é conhecida como desenvolvimento do

determinante segundo a i−ésima linha de A:
a11 a12 a 13 3
( )
det a 21 a22 a 23 =∑ (−1 )i + j aij det Aij ,
a 31 a32 a 22
j=1
onde a matriz Aij é obtida da matriz A, eliminando a i−ésima linha e a j−ésima coluna.
O que nos mostra que o determinante é uma função real – funcional – linear em relação
a qualquer de suas linhas, se fixarmos as demais. Isto é, se i=1, (caso conhecido como
desenvolvimento do determinante em relação à primeira linha)
( ¿ ) det ( λ ⃗u + μ ⃗v )=det ( λ u⃗ + μ ⃗v , ⃗
w1, ⃗
w 2 )=¿
¿ λdet ( u⃗ , ⃗
w1, ⃗
w 2 ) + μdet ( ⃗v , ⃗ w2) , ∀ λ , μ ∈ R .
w 1, ⃗
Agora, o determinante ser alternado significa que trocando-se duas linhas adjacentes ou
colunas da matriz do seu argumento, ele muda de sinal.
20
Finalmente, o determinante ser normalizado significa que seu valor na matriz identidade
é 1,
( ¿∗¿ ) detI =1.
Faça a verificação destas duas últimas afirmações para os casos n=2 ,n=3 e n=4.
Assim, concluímos este estudo com os seguintes dois teoremas.
Afirmação 8. Sobre as matrizes de ordem n, existe uma, e somente uma, função real,
multilinear, alternada e normalizada: o determinante.
Afirmação 9. Dado um sistema quadrado de ordem n
( S ) A ⃗x =⃗b
ele é possível determinado se, e somente se, detA ≠ 0.
21

Álgebra Linear - Capítulo 1

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Álgebra Linear - Capítulo 1

Enviado por

Direitos autorais:

Formatos disponíveis

Álgebra Linear-PLE-2020 IM-UFAL Prof.

Notas de Álgebra Linear

Introdução. A china antiga é reconhecida, historicamente, por seu fascínio aos

Num dos mais antigos textos chineses de matemática de caráter didático,

Aqui destacamos o fato de o problema a seguir ser dado no contexto de um

Solução. A solução que se segue é de inspiração proveniente da antiga China. Se

Agora, tentemos resolver o nosso problema chinês milenar acima representado,

Passamos a dividi-lo em dois

Multiplicando a primeira equação de S1 por 2 e a primeira equação de S2 por 3 e a

Que organizamos num novo sistema

e substituímos na segunda, obtendo

Que fazendo as operações, obtemos

90−25 z+ z =24 ⟺−24 z=−66

Finalmente, para obtermos o valor de x, basta substituir os valores de y e z encontrados

Para um esboço do estudo sistemático dos sistemas lineares, começaremos

Definição. Um sistema linear com m equações e n incógnitas é dado, classicamente,

a11 x1 +a 12 x 2+ …+a1 n xn =b1

Onde a ij é o coeficiente numérico da j−ésima incógnita, x j , que se encontra na

chama-se solução do sistema S, onde o j−ésimo número, p j, passa a se chamar

a11 p1 +a12 p2 +…+ a1 n p n=b1

{a21 p1 +a22 p 2+ …+a2 n p n=b 2 .

Ou seja, substituindo a j−ésima incógnita, x j , pela correspondente entrdada de ⃗p,

S−1 ={ ⃗p∈ Rn : ⃗p é solução de S } ⊂ Rn .

Além disso, um sistema linear diz-se homogêneo se os seus termos

As duas proposições a seguir nos dá a chave para a solução do principal

Afirmação 1. Sejam dois sistemas lineares

( S1 ) { a k 1 x 1+ ak 2 x 2 +…+ akn x n=b k ,

com uma e duas equações lineares, respectivamente, a n incógnitas, e sejam dois

( S '1) { λ1 ak 1 x 1 + λ1 ak 2 x2 +…+ λ1 akn x n=λ 1 b k ,

são equivalentes aos sistemas S1 e S2, respectivamente. Isto é,

Afirmação 2. Sejam S um sistema com m equações e um número 1 ≤r ≤ m−1. A partir

Observamos que as operações da Afirmação 1 podem ser realizadas no interior

Antes de passarmos para o principal resultado sobre sistemas lineares,

Exemplo. Os três sistemas, S1 , S 2 , S 3, abaixo são, respectivamente, determinado,

( S1 ) x+ y=0 , ( S 2 ) x+ y=0 , ( S 3 ) x + y=0 .

Afirmação 3. Todo sistema linear, S, m por n, não trivial,

a11 x1 +a 12 x 2+ …+a1 n xn =b1

é equivalente a um outro S ', escalonado na forma escada, isto é: o coeficiente do

i. 1 ≤ k j ≤ n é o índice de coluna da primeira incógnita não nula, de coeficiente igual

livres do sistema e { k 1< k 2 <…< k r } é o conjunto de índices das variáveis

§ 2. Matrizes e os Sistemas Lineares

Faremos aqui uma rápida introdução as matrizes com o objetivo de expressar

C=( c i 1 ) ∈ M n ×1 ( R ) e um número λ ∈ R, definimos ( i ) adição de matrizes; ( ii )

ii. λA=( t ij ), onde t i=λ a ij, 1 ≤i ≤m e 1 ≤ j≤ n ;

Designamos uma C ∈ M m× n, através de suas matrizes colunas C k ∈ M m ×1 ( R ),

coluna de C. Assim, dadas as matrizes A=( aij ) ∈ M m × p ( R ) e B=( bij ) ∈ M p× n ( R ), então,

iv. A ∙ B=( C1 C 2 … C n ) , onde C k = A ∙ B k, e Bk é a k −esima coluna de

Mais resumidamente, temos

Essas operações, em geral, herdam as propriedades correspondentes para

termos independentes do sistema ( S ) . Nesses termos, uma solução do sistema é um vetor

entradas correspondente são todas iguais. Verifique as afirmações acima! Agora,

Reinterpretaremos os conceitos introduzidos por ocasião do Teorema de

Definição. Uma matriz diz-se escalonada, se os demais elementos da coluna do primeiro

Por outro lado, podemos descrever uma matriz, A ∈ M m × n ( R ) , através de suas

onde Lk =( ak 1 , ak 2 ,… , a kn ) ,1 ≤ k ≤ m, é a matriz linha, correspondente a k −ésima linha

Dada uma matriz A ∈ M m × n ( R ) , definimos três operações elementares sobre

Operação Tipo 3 : Troca de duas linhas

A Ll ↔ Lk A ' ' ' .

Essas operações podem ser descritas através de operações com matrizes

Afirmação 4. No linguajar matricial, um sistema é possível se, e somente se,

O processo de escalonamento pode ser realizado sobre a matriz ampliada do

Exemplo 3. Resolva os dois itens abaixo.

i. Escalone os sistemas abaixo e dê seus conjuntos soluções

x+2 y +3 z=26 x +2 y−z=0