03 Textos Matrizes

Engenharia Mecânica
Engenharia e Gestão Industrial

Engenharia Biomédica
Textos de Apoio de
Cálculo I
Módulo 03
Matrizes
Resolução e Discussão de
Sistemas por Condensação
POSTAIS
Tem algum que diga

“Fique bom, mas
devagarinho!”, para o
meu prof de
Matemática?
Ano lectivo 2011/2012

Docentes da Unidade Curricular
Isabel Cristina Lopes
(cristinalopes@eu.ipp.pt)
Paula Nunes
(paulanunes@eu.ipp.pt)
Fernanda Ferreira
(fernandaamelia@eu.ipp.pt)
Textos elaborados por: Aldina Correia, Isabel Cristina Lopes, Maria Paula Nunes.
Sumário
1. MATRIZES E CÁLCULO MATRICIAL ............................................................................. 3
1.1. Conceito de Matriz .................................................................................................................... 3
1.2. Operações com Matrizes.......................................................................................................... 5

1.2.1. Adição de Matrizes ................................................................................................................ 5
1.2.2. Multiplicação de Matrizes por um escalar ........................................................................ 6
1.2.3. Multiplicação de Matrizes..................................................................................................... 7
1.2.4. Transposição de Matrizes ....................................................................................................10
1.3. Matrizes quadradas: Potenciação e inversão ..................................................................... 11

1.3.1. Algumas Características das Matrizes Quadradas........................................................11
1.3.2. Potência de uma Matriz Quadrada .................................................................................13
1.3.3. Inversão de Matrizes Quadradas ......................................................................................13
1.4. Característica e condensação de matrizes......................................................................... 15

1.4.1. Dependência e Independência Linear. Característica de uma Matriz ...................15
1.4.2. Operações Elementares - Operações de Jacobi ........................................................17
1.4.3. Condensação de uma Matriz............................................................................................20
1.4.4. Cálculo da Inversa de uma Matriz por Condensação.................................................22
1.4.5. Cálculo da inversa de uma matriz....................................................................................26
2. SISTEMAS DE EQUAÇÕES LINEARES ......................................................................... 32
2.1. Nomenclaturas e Notações.................................................................................................... 32

2.1.1. Notação Matricial ................................................................................................................33
2.2. Classificação de sistemas ...................................................................................................... 34

2.2.1. Sistemas Homogéneos.........................................................................................................34
2.2.2. Características e Sistemas ..................................................................................................35
2.3. Método de Gauss-Jordan....................................................................................................... 38
2.4. Resolução de sistemas por condensação ........................................................................... 40
2.5. Discussão de Sistemas............................................................................................................. 47
Textos de Apoio de Cálculo I Matrizes. Resolução e Discussão de Sistemas por Condensação. 2/48
1. Matrizes e Cálculo Matricial
1.1. Conceito de Matriz
Definição 1: Matriz
Designa-se por matriz m por n um quadro do tipo
 a11 a12 ⋯ a1n −1 a1n 

 
a21 a22 ⋯ a2 n −1 a2 n 
A( m ,n ) = Amxn = A =  
⋮ ⋮ ⋮
 
 am1 am 2 ⋯ amn −1 amn 
em que aij (i = 1, 2,..., m; j = 1, 2,..., n) são mxn elementos (chamados escalares e
pertencentes a um corpo Κ ) dispostos em m linhas e n colunas.

Em particular Κ pode ser ℝ e, nesse caso, a matriz diz-se matriz de números reais, ou
ℂ e, nesse caso, a matriz diz-se matriz complexa.
Notas 1:
1. As matrizes denotam-se usualmente por letras maiúsculas ( A, B, C , …) e os seus

elementos, pertencentes ao corpo Κ , pelas respectivas letras minúsculas.
2. Os índices que afectam os elementos a de uma matriz A indicam a sua posição na
matriz:
a. O 1º índice (usualmente i ) indica a linha
b. O 2º índice (usualmente j ) indica a coluna
Assim, o elemento aij de uma matriz A do tipo m por n é o elemento que se encontra
na linha i (i = 1, 2,..., m) e coluna j ( j = 1, 2,..., n) de A.
3. Uma matriz m x n pode, ainda, representar-se por:
A =  aij  i =1,2,...,m
j =1,2,..., n
4. O par (m, n) é a dimensão, tamanho ou forma da matriz.

5. As m-uplas horizontais são as linhas da matriz:
(a11 a12 ... a1n ), (a21 a22 ... a2 n ), . . . , (am1 am 2 ... amn )
6. As n-uplas verticais são as suas colunas.
 a11   a12   a1n 

     
a
 a21  ,  a22  , . . . ,  2 n 
⋯ ⋯  ⋯
     
 am1   am 2   am n 
Definição 2: Tipos de Matrizes

Matriz Rectangular: É uma matriz do tipo m × n , com m ≠ n
Matriz Quadrada ou matriz de ordem n: É uma matriz do tipo n × n .
Matrizes Vectores: São matrizes com uma só fila. Distinguem-se assim:
Matriz – Linha: É uma matriz vector do tipo 1× n
A = (a11 a12 ... a1n ) = [ a11 a12 ... a1n ]
Matriz – Coluna: É uma matriz vector do tipo m × 1
 b11   b11 
   
b b
B =  21  =  21 
 ⋯  ⋯ 
   
 bm1  bm1 
Matriz Nula: É uma matriz do tipo m × n onde todos os seus elementos são nulos. Esta
matriz representa-se usualmente pela letra “ O ”, assim:
O = [oij ] i =1,2,...,m : oij = 0, ∀i, j
j =1,2,..., n
Elementos Homólogos: Em matrizes do mesmo tipo, elementos homólogos são os que

têm índices iguais, ou seja, os elementos que ocupam o
mesmo lugar na matriz correspondente.
Matrizes Iguais: Seja M o conjunto das matrizes do tipo m × n sobre o corpo Κ .
Duas matrizes A, B ∈ M são iguais se e só se houver igualdade de
elementos homólogos, isto é, se:
( A = a  ∧ B = b  ) ∈ M ∧ A = B ⇔ a
ij ij ij = bij , ∀i, j
Matrizes Simétricas: Seja M o conjunto das matrizes do tipo m × n sobre o corpo Κ .

Duas matrizes A, B ∈ M são simétricas (uma da outra) se e só se
os elementos homólogos forem simétricos, isto é:
( A = a  ∧ B = b  ) ∈ M ∧ B = − A ⇔ b
ij ij ij = − aij , ∀i, j
Exemplo 1:
 2 −2 0 4 

Dada a matriz A = 7 −3 3 5

 
8 −1 1 −4 
a) Indique o tipo desta matriz.

b) Indique na matriz os seguintes elementos: a11 , a21 , a23 , a24 , a34 .
Resolução:
a) A matriz A tem 3 linhas e 4 colunas, logo é uma matriz do tipo 3 × 4 .
b) a11 = 2 (pois é o elemento que está na 1ª linha e 1ª coluna)
a21 = 7 (pois é o elemento que está na 2ª linha e 1ª coluna)
a34 = −4 (pois é o elemento que está na 3ª linha e 4ª coluna)
1.2. Operações com Matrizes
1.2.1. Adição de Matrizes
Definição 3: Adição de Matrizes

Sejam A e B duas matrizes do mesmo tipo, isto é, com o mesmo número de linhas e
colunas, por exemplo, matrizes m × n :
 a11 a12 ⋯ a1n   b11 b12 ⋯ b1n 

   
a a22 ⋯ a2 n  b b22 ⋯ b2 n 
A =  21 e B =  21
⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯
   
 am1 am 2 ⋯ amn   bm1 bm 2 ⋯ bmn 
A soma de A e B , que se escreve A + B , é a matriz que se obtém somando os
 a11 + b11 a12 + b12 ⋯ a1n + b1n 

 
a +b a22 + b22 ⋯ a2 n + b2 n 
elementos homólogos: A + B =  21 21
 ⋯ ⋯ ⋯ ⋯ 
 
 am1 + bm1 am 2 + bm 2 ⋯ amn + bmn 
Ou seja, se A =  aij  e B = bij  têm a mesma dimensão, a soma é uma matriz
A + B = C =  cij  tal que: cij = aij + bij (i = 1, 2,..., m; j = 1, 2,..., n) .
Notas 2:
1. Não se define a adição para matrizes não equidimensionais, isto é, duas matrizes só
podem ser somadas se e só se forem do mesmo tipo.
2. A diferença A − B , de duas matrizes do mesmo tipo é uma matriz C tal que:
C = cij  =  aij − bij  (i = 1, 2,..., m; j = 1, 2,..., n)
isto é, subtraem-se duas matrizes subtraindo os elementos homólogos.
A diferença de duas matrizes pode ainda ser vista como a soma da primeira com a
matriz simétrica da segunda:
A − B = A + (− B)
Propriedades da Adição de Matrizes

Seja M o conjunto das matrizes do tipo m × n sobre o corpo Κ . Então, para
quaisquer matrizes A, B, C ∈ M , verificam-se as seguintes propriedades:
I. Propriedade Comutativa: A+ B = B+ A
II. Propriedade Associativa: ( A + B ) + C =A + ( B + C )
III. Existência de Elemento Neutro: A+O = A
IV. Existência de Elemento Oposto ou Simétrico: A + ( − A) = O
1.2.2. Multiplicação de Matrizes por um escalar
Definição 4: Multiplicação de uma matriz por um escalar

 a11 a12 ⋯ a1n 
 
a a22 ⋯ a2 n 
Seja k um escalar ( k ∈ R ou ℂ ) e A uma matriz do tipo m × n : A =  21
⋯ ⋯ ⋯ ⋯
 
 am1 am 2 ⋯ amn 
O produto do escalar k pela matriz A , que se escreve kA , é a matriz que se obtém
 k .a11 k .a12 ⋯ k .a1n 

 
⋯ k .a2 n 
multiplicando por k todos os elementos de A : kA =  k .a21
k .a22
.
 ⋯ ⋯ ⋯ ⋯ 
 
 k .am1 k .am 2 ⋯ k .amn 
Ou seja, produto de uma matriz A =  aij  do tipo m × n , por um escalar k é uma
matriz kA = C = cij  tal que: cij = k .aij (i = 1, 2,..., m; j = 1, 2,..., n) .
Propriedades da Multiplicação de Matrizes por um escalar

Seja M o conjunto das matrizes do tipo m × n sobre o corpo Κ . Então, para
quaisquer matrizes A, B ∈ M , e quaisquer escalares k1 , k2 ∈ Κ , verificam-se as
seguintes propriedades:
I. k1.( A + B) = k1. A + k1.B
II. (k1 + k2 ). A = k1 A + k2 . A
III. (k1.k2 ). A = k1.( k2 . A) = k2 .( k1. A)
IV. 1. A = A e 0. A = O
Notas 3:
1. ( −1) .B = − B
2. A + A = 2 A; A + A + A = 3 A,⋯
3. Não se fala, usualmente, em divisão de uma matriz por um escalar, não nulo,
uma vez que esta pode ser expressa pela multiplicação da matriz pelo inverso
do escalar, isto é:
A 1
A: k = = .A , k ≠ 0
k k
1.2.3. Multiplicação de Matrizes
Definição 5: Multiplicação de matrizes

Considerem-se duas matrizes, A e B , sobre o mesmo corpo Κ , onde o número de
colunas da primeira é igual ao número de linhas da segunda, isto é, a matriz A é do
tipo m × n e a matriz B é do tipo n × p .
O produto das matrizes A e B é uma matriz C = A.B do tipo m × p onde
n
cij = ∑a
k=1
ik .bkj (i = 1, 2,..., m; j = 1, 2,..., p )
Nota 4:
A lei de formação da matriz C a partir das duas matrizes, A e B , é conhecida por

multiplicação de linhas por colunas, e o elemento genérico cij da matriz C é a soma
dos produtos que se obtêm multiplicando os elementos da linha i de A (aik ) pelos
elementos correspondentes da coluna j de B (bkj ) . Em esquema:
coluna
ai1 .b1j
x ⋯ ⋯ b1 j ⋯ ⋯
  ai2 .b2j
x ⋯ ⋯ b2j ⋯ ⋯
B=  ai3 .b3j
x ⋯ ⋯ b3j ⋯ ⋯
⋯ ⋯ ⋯ ⋯ ⋯
⋯ ⋯ b nj ⋯ ⋯ ain .bnj
x  +
⋯ ⋯ ⋯ ⋯ ⋯
⋯ ⋯ ⋯ ⋯ ⋯ ai1 .b1j + ai2 .b2j + ... + ain .bnj = cij
 ⋯ a in  linha
A=  a i1 a i 2 a i3
⋯ ⋯ ⋯ ⋯ ⋯
⋯ ⋯ ⋯ ⋯ ⋯ 

⋯ ⋯ ⋯ ⋯ ⋯
⋯ ⋯ ⋯ ⋯ ⋯
A x B = C = ⋯ ⋯ c ij ⋯ ⋯ linha
 
⋯ ⋯ ⋯ ⋯ ⋯
⋯ ⋯ ⋯ ⋯ ⋯
coluna
Nota 5:
O produto A.B não é definido se A é uma matriz m × p e B uma matriz q × n com
p ≠ q . Se p = q o produto é possível e o resultado é uma matriz m × n , devendo reter-

se a mnemónica
( m × p ) .( p × n) = (m × n)
Exemplo 2:
1
 −1
 
1. [ 2 1 3 4 0] .  0  , trata-se do produto de uma matriz 1× 5 por uma matriz 5 ×1 ,
 
2
 5 
logo o resultado é uma matriz 1× 1 , isto é um escalar.
1
 −1
 
Assim [ 2 1 3 4 0] .  0  = 2.1 + 1.(-1) + 3.0 + 4.2 + 0.5 = 2 − 1 + 0 + 8 + 0 = 9
 
2
 5 
 1 2   0 4   1.0 + 2.(-1) 1.4 + 2.5   − 2 14 

  .    =  
2. 
− 1 3   − 1 5  =  (−1).0 + 3.(−1) (-1).4 + 3.5   − 3 11 
 0 4   1 2   0.1 + 4.(-1) 0.2 + 4.3   − 4 12 

  .    =  
3. 
− 1 5   − 1 3  =  (−1).1 + 5.(−1) (-1).2 + 5.3   − 6 13 
 0 4   1 0 1   0 .1 + 4 .2 0.0 + 4.(−2) 0.1 + 4.3   8 − 8 12 

  .     
4.  − 1 5   2 − 2 3  =  ( − 1).1 + 5 . 2 ( −1).0 + 5 .( − 2 ) ( − 1).1 + 5 . 3  =  9 − 10 14 
 1 0 1  0 4 
 . 
5.  2 − 2 3   − 1 5  não é possível efectuar.
Propriedades da Multiplicação de Matrizes

Supondo definidas as somas e os produtos apresentados, tem-se:
I. Propriedade Associativa: ( A.B ).C = A.( B.C )
II. Propriedade Distributiva à Esquerda: A.( B + C ) = A.B + A.C
III. Propriedade Distributiva à Direita: ( B + C ). A = B. A + C. A
IV. Existência de Elemento Absorvente (à esquerda e à direita): O. A = O e A.O = O
Nota 6:
a) Não se pode deixar de realçar o facto da multiplicação de matrizes não ser

comutativa, isto é, de um modo geral tem-se: A.B ≠ B. A
b) Podemos ter ainda o caso em que os produtos A.B e B. A estão ambos
definidos mas as matrizes produto são de tipos diferentes, por exemplo, se A é
do tipo (m, n) e B do tipo (n, m) , então A.B é do tipo (m, m) enquanto B. A é
do tipo ( n, n) .
c) Há, no entanto, casos particulares em que se verifica a igualdade e, neste

caso, as matrizes A e B dizem-se permutáveis ou comutáveis.
Definição 6: Matrizes permutáveis ou comutáveis

Duas matrizes, A e B , da mesma ordem, dizem-se comutáveis ou permutáveis se se
verifica a igualdade: A.B = B. A .
1.2.4. Transposição de Matrizes
Definição 7: Transposição de Matrizes

A transposição é uma operação que a cada matriz A do tipo m × n sobre um
corpo Κ , faz corresponder uma outra matriz, dispondo ordenadamente as linhas em
colunas (e, portanto as colunas em linhas), que se chama transposta de A e se
representa por At . A matriz At é do tipo n × m . Assim, sendo A =  aij  então
At =  a 'ij  tais que a 'ij = a ji .
Exemplo 3:
1 4  1 2 3
Sejam A =   e B= .
6 3  −1 −2 −3
 1 − 1
1 6   
As respectivas transpostas serão: A =   e B =  2 −2 
t t
 4 3   3 −3 
Propriedades da Matriz Transposta

Supondo definidas as somas e os produtos apresentados, tem-se:
I. ( At )t = A
( A + B)
t
II. = At + B t
( A.B )
t
III. = B t . At
( k.A)
t
IV. = k . At
1.3. Matrizes quadradas: Potenciação e inversão
1.3.1. Algumas Características das Matrizes Quadradas
Todas as operações até aqui definidas são válidas no caso das matrizes em questão
serem quadradas. No entanto, as definições e operações apresentadas nesta
secção são válidas apenas para este tipo de matrizes.
Consideremos uma matriz quadrada A de ordem n:
 a 11 a12 a 13 ⋯ a1n 
a a 23 ⋯ a 2n 
 21 a 22
A = a 31 a 32 a 33 ⋯ a 3n 
 
⋯ ⋯ ⋯ ⋯ ⋯
a n1 a n 2 a n 3 ⋯ a nn 
Definição 8: Diagonais de uma Matriz Quadrada

Chama-se diagonal principal da matriz A à diagonal formada pelos elementos onde
os índices linha e coluna são iguais, isto é, à diagonal formada pelos elementos aij
tais que i = j e designam-se, tais elementos, por elementos principais da matriz
( a11 , a22 ,… , ann ) .

A outra diagonal da matriz designa-se por diagonal não principal ou secundária e é
formada pelos elementos aij tais que i + j = n + 1 (onde n é a ordem da matriz).
Definição 9: Tipos de Matrizes Quadradas

Matriz Triangular: É uma matriz onde abaixo ou acima da diagonal principal todos
os elementos são nulos. Distinguem-se assim:
Matriz Triangular Inferior: É uma matriz A =  aij  onde todos os
elementos acima da diagonal

principal são nulos, isto é, aij = 0
se i < j .
Matriz Triangular Superior: É uma matriz A =  aij  onde todos os
elementos abaixo da diagonal

principal são nulos, isto é, aij = 0
se i > j .
Matriz Diagonal: É uma matriz A =  aij  onde todos os elementos, excepto os
principais são nulos, isto é, aij = 0 se i ≠ j .
Matriz Identidade: É uma matriz diagonal onde todos os elementos principais são
unitários. Representa-se, usualmente, pela letra I e os seus
elementos pela letra grega “ δ ”. Assim, I = δ ij  onde
1 se i = j
δ ij = 
0 se i ≠ j
Estes símbolos são vulgarmente conhecidos por símbolos de
Kronecker.
I n designa a matriz identidade de ordem n.
Matriz Escalar: É uma matriz diagonal onde todos os elementos principais são
iguais, isto é, é uma matriz que pode ser escrita como k .I onde
k é a constante que figura na diagonal principal. Assim, A =  aij 
é uma matriz escalar se

k se i = j
aij = 
 0 se i ≠ j
Com base na definição de matriz identidade podemos acrescentar uma

propriedade à multiplicação de matrizes restringindo esta operação às matrizes
quadradas.
Teorema 1:
A matriz identidade, de ordem n , é o elemento neutro da multiplicação de matrizes

quadradas de ordem n , isto é, sendo A uma matriz n × n , temos que
I n . A = A.I n = A
Nota 7:
Se A for uma matriz rectangular, do tipo m × n , podemos ainda escrever:

I m . Am×n = Am×n .I n = A ,
mas a matriz identidade que multiplica à esquerda de A não é da mesma ordem da

que multiplica à direita.
1.3.2. Potência de uma Matriz Quadrada
Definição 10: Potenciação
Chama-se potência de expoente k , k ∈ ℕ , de uma matriz quadrada A =  aij  ao
produto de A , por si mesma, k vezes, isto é Ak =

A. A. A.....
A.
k vezes
Exemplo 4:
1 2   9 8  3  41 42 
Se A =   , então A2 =   , A = 84 83  ,…
4 3 16 17   
Nota 8:
1 2  12 22 
Basta este exemplo para verificarmos que sendo A =   então A ≠  2
2
 , isto
4 3 4 32 
é, a potência de uma matriz não é, de um modo geral, a matriz formada pelas

potências dos seus elementos.
Podemos então definir:
Definição 11: Matriz Idempotente e Nilpotente
Matriz Idempotente: É uma matriz quadrada A =  aij  onde A2 = A .
Note-se que se A2 = A então também se tem

A3 = A4 = A5 = … = Ak = A
Matriz Nilpotente: É uma matriz quadrada A =  aij  onde A p = 0 , para algum
p inteiro positivo e Ak ≠ 0 para k < p .
1.3.3. Inversão de Matrizes Quadradas
Definição 12: Matriz Inversa à direita e à esquerda
Chama-se matriz inversa de uma matriz quadrada A =  aij  à matriz que multiplicada
por A dá a matriz identidade. Se B. A = I , B designa-se por inversa de A à esquerda

e se A.B = I , B designa-se por inversa à direita.
Teorema 2:
A matriz inversa à esquerda de uma matriz quadrada A coincide com a matriz
inversa à direita, isto é, se B = bij  e C = cij  são duas matrizes quadradas tais que
B. A = I e A.C = I então B=C
Definição 13: Matriz Inversa
Seja A =  aij  uma matriz quadrada. Chama-se inversa de A a uma matriz, que se
representa por A−1 , tal que

A−1. A = A. A−1 = I
Neste caso, diz-se que A é invertível, regular ou não singular.
Nota 9:
• Se existir inversa, ela é única.

• Nem todas as matrizes quadradas têm inversa; neste caso, dizem-se matrizes
singulares.
Propriedades da Matriz Inversa
Sejam A =  aij  e B = bij  duas matrizes quadradas e k um escalar. Tem-se então:
I. (A )
−1 −1
=A
( A.B )
−1
II. = B −1. A−1
1 −1
( kA )
−1
III. = A
k
Proposição:
I. (A ) =(A )
−1 t t −1
(A )
k −1
= ( A− 1 )
k
II.
III. (A ) =(A )
k t t k
IV. Ak . A p = Ak + p
Com a igualdade estabelecida na proposição II têm-se, por definição, as potências
inteiras negativas de uma matriz quadrada A , invertível: A− k = (A ) .

−1 k
Definição 14: Matriz Simétrica, Anti – Simétrica e Ortogonal

Matriz Simétrica: É uma matriz que coincide com a sua transposta, isto é,
At = A .
Matriz Anti-Simétrica: É uma matriz cuja transposta coincide com a sua simétrica, isto
é, At = − A .
Matriz Ortogonal: É uma matriz cuja inversa coincide com a sua transposta, isto
é, A−1 = At . Esta igualdade é equivalente a A. At = At . A = I , ou
( ) =(A ) t −1
t
ainda, a A−1 = A.
1.4. Característica e condensação de matrizes
1.4.1. Dependência e Independência Linear. Característica de uma

Matriz
Definição 15: Combinação Linear

Chama-se combinação linear de n elementos, x1 , x2 , ... , xn pertencentes a um
mesmo conjunto, definido sobre um corpo K, (ex: matrizes do mesmo tipo, polinómios,
etc), à soma:
k1 x1 + k2 x2 + ... + kn xn
onde k1 , k2 , ... , kn são escalares pertencentes a esse mesmo corpo K ( ℝ ou ℂ ).
Exemplo 5:
(1) Uma combinação linear dos polinómios P1 ( x) = x 2 + 3 x + 1 e P2 ( x) = x 2 − 1 , é
uma expressão da forma: k1 P1 ( x) + k2 P2 ( x) = k1 ( x 2 + 3 x + 1) + k2 ( x 2 − 1) .
Se pretendêssemos escrever um qualquer polinómio como combinação linear destes

dois teríamos de calcular, se possível, o valor das constantes k1 e k2 . Por exemplo,
escrever P3 ( x) = x 2 − 3 x − 3 como combinação linear de P1 ( x ) e P2 ( x ) , será resolver
a equação
k1 P1 ( x) + k2 P2 ( x) = P3 ( x ) ⇔ k1 ( x 2 + 3 x + 1) + k2 ( x 2 − 1)= x 2 − 3 x − 3
o que conduz ao sistema:
 k1 + k2 = 1 k1 = −1
 
 3k1 = −3 ⇔ 
 k − k = −3 k =2
 1 2  2
Assim, P3 ( x ) pode ser escrito como uma combinação linear de P1 ( x ) e P2 ( x ) , uma
vez que:
P3 ( x ) = − P1 ( x ) + 2 P2 ( x )
 1 2 1 0
(2) A matriz A=  é uma combinação linear das matrizes B =   e
 −1 0  1 0
1 1 
C=  uma vez que: A =− B + 2.C
0 0 
Definição 16: Elementos linearmente independentes e dependentes
Diz-se que os elementos X 1 , X 2 ,..., X n , pertencentes a um mesmo conjunto, definido
sobre um corpo K, são linearmente independentes se e só se a combinação linear:

k1. X 1 + k2 . X 2 + ... + kn . X n
for nula unicamente para valores de k1 , k2 ,..., kn todos nulos.
Se k1. X 1 + k2 . X 2 + ... + kn . X n =0 , para valores de ki não todos nulos, os elementos,
X 1 , X 2 ,..., X n dizem-se linearmente dependentes.
Exemplo 6:
(1) Os polinómios P1 ( x) = x 2 + 3 x + 1 , P2 ( x) = x 2 − 1 e P3 ( x) = x 2 − 3 x − 3 são
linearmente dependentes uma vez que a combinação linear
k1.P1 ( x) + k2 .P2 ( x) + k3 .P3 ( x )
é nula, por exemplo, para k1 = k3 = −1 e k2 = 2 pois:
− P1 ( x ) + 2.P2 ( x ) − P3 ( x ) = 0
1 0 1 1 
(2) As matrizes B =   e C=  são linearmente independentes uma vez que:
1 0 0 0 
 k1 0  k2 k2  0 0 
k1.B + k2 .C = O ⇔  + =
0  0 0 
 k1 0  0
só se verifica se k1 = k2 = 0 .
Definição 17: Característica de uma matriz

Chama-se característica de uma matriz A, do tipo (m,n), e representa-se por r(A) ou
car(A), ao número máximo de filas paralelas de A (linhas ou colunas) linearmente
independentes. Tem-se sempre: car(A) ≤ min{m,n}.
Observação: Mostra-se que é indiferente o estudo da característica de uma matriz
feito com base nas suas linhas ou nas suas colunas e que a característica de uma
matriz é única.
Exemplo 7:
1 0 
(1) Car ( B ) = 1 , onde B =   , uma vez que: k1 [1 0] + k2 [1 0] = [ 0 0] verifica-se
1 0 
para k1 = − k2 enquanto que: k1 [1 0] = [ 0 0] só se verifica se k1 = 0 .
1 0 1 
 
(2) Car ( D ) = 3 , onde D = 0 1 0 , uma vez que:
 
0 0 1 
 k1 = 0

k1 [1 0 1] + k2 [ 0 1 0] + k3 [ 0 0 1] = [ 0 0 0] ⇔  k2 = 0

k1 + k3 = 0
Logo, k1 = k2 = k3 = 0 . Assim, as três linhas são linearmente independentes.
Teorema 3:
São linearmente independentes as filas paralelas de uma matriz triangular, T, (inferior

ou superior), de ordem n, cujos elementos principais são diferentes de zero. Tem-se,
neste caso: Car (T ) = n .
Teorema 4:
Se T é uma matriz triangular (inferior ou superior), de ordem n, com algum elemento

principal nulo, então as suas filas (linhas ou colunas) são linearmente dependentes.
Neste caso tem-se: Car (T ) < n .
1.4.2. Operações Elementares - Operações de Jacobi
Definição 18: Operações de Jacobi

Designam-se por operações elementares ou operações de Jacobi efectuadas sobre
as filas (linhas ou colunas) de uma matriz, as seguintes operações:
O1 – Troca da posição relativa de duas filas paralelas.
O2 – Multiplicação de todos os elementos de uma qualquer fila por um escalar k ≠ 0 .

O3 – Substituição dos elementos de uma qualquer fila pela sua soma com os
elementos correspondentes de outra fila paralela, mesmo que previamente
multiplicados por um escalar k ≠ 0 .
Estas operações, quando efectuadas sobre as filas (linhas ou colunas) de uma matriz
não alteram a sua dependência ou independência linear. Na verdade, mostra-se
que:
Teorema 5:
As operações elementares efectuadas sobre as linhas ou colunas de uma qualquer

matriz não alteram a sua característica.
Surge assim uma nova relação entre matrizes - equivalência de matrizes - baseada
na aplicação das operações elementares às filas de uma matriz. Temos, então:
Definição 19: Matrizes equivalentes

Dadas as matrizes A e B , do mesmo tipo, diz-se que a matriz B é equivalente à
matriz A , e representa-se por B ∼ A, se for possível transformar A em B através de

uma sucessão de operações elementares.
Relativamente às operações elementares efectuadas para transformar uma dada

matriz noutra equivalente, devemos estabelecer alguma notação que convém ter
presente de modo a ser fácil identificar a operação efectuada. Assim:
(1) Quando desejarmos permutar, por exemplo a 2ª com 3ª linha de uma

matriz A , escreveremos:
1 3 5  1 3 5 

A = 0 0 2   
∼ A1 = 0 4 12

 
0 4 12 0 0 2 
L2 ↔ L3
(2) Quando desejarmos multiplicar todos os elementos da 2ª linha, por

1
exemplo, da matriz A1 , por , escreveremos:
4
1 3 5  1 3 5

A1 = 0 4 12  
∼ A2 = 0 1 3

 
0 0 2  1 0 0 2
L2 → 4L2
(3) Quando desejarmos substituir os elementos da 1ª linha, por exemplo, da

matriz A2 , pela soma deles com os elementos correspondentes da 2ª
linha previamente multiplicados por - 3 , escreveremos:
1 3 5 1 0 − 4
A 2 = 0 1 3 
∼ A3 = 0 1 3



0 0 2 0 0 2 
L1 → L1 + (−3)L2
Observações:
- Nos casos (2) e (3) o símbolo “ → ” pode ser substituído pelo sinal “ = ” não
tendo, este último, o seu significado convencional indicando apenas a
substituição que se efectuou.
- Quando as operações elementares são efectuadas sobre as colunas da
matriz, a indicação das operações efectuadas deve ser feita substituindo a
letra “L” pela letra “C”, continuando a sua indexação relativa ao número
da coluna em causa.
- Como a matriz A3 é uma matriz triangular, por um teorema demonstrado
na secção anterior (pág.30), temos que Car ( A3 ) = 3 . Como A3 é
equivalente a A podemos dizer que se tem: Car ( A ) = 3 .
Com base nesta última observação, podemos verificar que o cálculo da

característica de uma matriz fica bastante simplificado se, através das operações
elementares, transformarmos a matriz dada numa matriz triangular equivalente, com
o máximo de elementos principais não nulos. Nestas condições, o cálculo da
característica da matriz é directo.
1.4.3. Condensação de uma Matriz
Entende-se por condensação de uma matriz a sua transformação, através de

operações elementares, numa matriz equivalente que contenha uma sub-matriz
triangular (usualmente superior) de maior ordem possível, com elementos principais
não nulos. Por esta razão, fala-se, algumas vezes, por abuso de linguagem, em
“triangularização” da matriz quando se efectua uma condensação.
Descrição do método de condensação de uma matriz:
A condensação de uma matriz A = [aij] do tipo m x n consiste num processo,

por fases sucessivas, que passamos a descrever:
1. Tomemos a11 ≠ 0 (quando a11 = 0, trocamos a primeira linha (ou a primeira

coluna) com outra de modo que o elemento que fica na posição (1,1) seja
não nulo. Se todos os elementos da primeira coluna (linha) são nulos, ela é
passada para último lugar e repete-se o mesmo raciocínio com a segunda
linha (ou coluna)).
2. Fixado a11 ≠ 0, procuremos escalares ki tais que ki. a11 + ai1 = 0 (i = 1,2,...,m) e
a
somemos à linha i a primeira linha multiplicada por esse k i = − i1 (isto é,
a11
efectuam-se as operações: Li → Li + ki.L1). Ficam nulos todos os elementos
da primeira coluna abaixo de a11. Diz-se que se condensou a primeira
coluna, sendo a11 o elemento redutor. (Notemos que os “melhores”
elementos redutores são o “1” e o “-1” bastando, para anular o elemento
ai1 da linha i , tomar ki = - ai1 ou ki = ai1 , respectivamente.
3. Na matriz assim obtida, onde se anularam todos os elementos que na

primeira coluna estão abaixo de a11, procede-se do mesmo modo,
tomando para elemento redutor a22. E assim sucessivamente considerando
elementos redutores até a r r.
4. A condensação termina quando já não há mais colunas (r = n) ou,

havendo mais colunas já não há mais linhas (r = m) ou as linhas de ordem
r+1, r+2, ..., m são todos nulas.
5. Designando por a’ij os elementos da matriz que se obtém condensando A

temos:
a '11 a '12 ⋯ a '1 r a '1 r +1 ⋯ a '1 n 

 0 a' ⋯ a '2 r a ' 2 r +1 ⋯ a ' 2 n 
 22
 ⋮ ⋮ ⋯ ⋮ ⋮ ⋯ ⋮ 
 
A' =  0 0 ⋯ a 'r r a ' r r +1 ⋯ a ' r n 
 0 0 ⋯ 0 0 ⋯ 0 
 
 ⋮ ⋮ ⋯ ⋮ ⋮ ⋯ ⋮ 
 0 0 ⋯ 0 0 ⋮ 0 

Esta matriz contém uma sub-matriz triangular T de elementos principais não
nulos, e que é de ordem máxima. Como a passagem da matriz A para a
matriz A’ foi feita utilizando exclusivamente as operações de Jacobi, conclui-
se que a característica de A é igual à ordem da matriz T.
Logo Car ( A ) = r .
Exemplo 8:
Vamos calcular a característica da matriz
 1 2 −3 
A =  2 6 1 
1 −2 −17 
o elemento redutor da condensação da primeira coluna é 1, que está

assinalado com um círculo. Tem-se, então
k2 = -2/1 = -2 e k3 = -1/1 = -1
Assim
 1 2 −3   1 2 −3 
2 6 1  ~ 0 2 7 
 
1 −2 −17  L2 → L2 − 2 L1 0 −4 −14 
L3 → L3 − L1
O elemento redutor da condensação da segunda coluna é 2.

Tem-se, então
k3 = - (- 4/2) = 2
Logo, obtém-se
1 2 −3   1 2 −3
0 2 7  ∼ 0 2 7 
   
0 −4 −14  L → L + 2 L 0 0 0 
3 3 2
Conclui-se que a característica da matriz A é igual a 2.
Observações:
A condensação de matrizes, isto é, as operações elementares ou de Jacobi,
serão utilizadas no cálculo da inversa de uma matriz, na resolução e discussão de
sistemas de equações lineares e no cálculo de determinantes. No entanto, em cada
um destes casos estas operações sofrerão algumas restrições específicas.
Quando a condensação de uma matriz é efectuada para o cálculo da sua
característica, não estando esta matriz associada a nenhum sistema ou problema
particular, as operações elementares podem ser efectuadas sem qualquer tipo de
restrições, isto é, podem efectuar-se, durante a mesma condensação, operações
elementares sobre as linhas e sobre as colunas da matriz.
1.4.4. Cálculo da Inversa de uma Matriz por Condensação
Antes de definirmos mais alguns conceitos vejamos o seguinte teorema, do qual

omitimos a demonstração, onde se apresenta uma condição necessária e suficiente
de existência da matriz A-1 de uma matriz A.
Teorema 6:
Uma matriz A, quadrada de ordem n, definida sobre um corpo K (IR ou C/ ), tem

-1
inversa A se e só se a característica de A for n.
O algoritmo para o cálculo da inversa de uma matriz por condensação tem como
base a definição de matriz elementar (por linhas e por colunas) e os teoremas
subsequentes.
Definição 20: Matriz elementar
Seja e uma operação elementar efectuada sobre as linhas de uma matriz e e (A)
o resultado da aplicação desta operação a uma matriz A. A matriz E obtida
aplicando a operação e à matriz identidade, E = e ( I ), é chamada matriz
elementar correspondente à operação elementar e .
Denotemos por f uma operação elementar efectuada sobre as colunas de uma
matriz e f (A) o resultado da aplicação desta operação a uma matriz A. A matriz
obtida aplicando a operação f à matriz identidade,
F=f (I)
é chamada matriz elementar correspondente à operação elementar f.
Exemplo 9:
(1) As matrizes quadradas elementares, de ordem 3, correspondentes às
operações elementares por linhas:
L2 ↔ L3 L2 → - 6L2 L3 → L3 – 4 L1
são, respectivamente
1 0 0 1 0 0  1 0 0
E1 = 0 0 1 E 2 = 0 − 6 0 E 3 =  0 1 0
0 1 0 0 0 1 − 4 0 1
(2) As matrizes quadradas elementares, de ordem 3, correspondentes às

operações elementares por colunas:
C3 ↔ C1 C2 → - 2C2 C2 → C2 – 5 C1
são, respectivamente
0 0 1  1 0 0  1 − 5 0 
F1 = 0 1 0 F2 = 0 − 2 0 F3 = 0 1 0
1 0 0 0 0 1 0 0 1
O teorema seguinte mostra a relação fundamental entre as operações elementares

por linhas e as matrizes elementares correspondentes.
Teorema 7:
Seja e uma operação elementar efectuada sobre linhas e E a matriz elementar
correspondente, de ordem m, isto é, E = e ( Im ). Então, para qualquer matriz A do
tipo m x n, tem-se e ( A ) = E.A.
Assim, o resultado da aplicação de uma qualquer operação elementar sobre as

linhas de uma matriz A pode ser obtido pré-multiplicando A (isto é, multiplicando A à
esquerda) pela matriz elementar correspondente.
Exemplo 10:
2 3
 
Consideremos a matriz A = 0 − 1 e vamos efectuar a seguinte operação
 
- 4 2 
elementar sobre as suas linhas: L3 → L3 + 2L1
2 3 

Temos então a matriz A1 , equivalente a A, dada por A1 = 0 − 1

 
0 8 
1 0 0 

Por outro lado, a matriz elementar, de 3ª ordem, correspondente é E = 0 1 0 .

 
2 0 1
Efectuando o produto E.A temos
1 0 0   2 3 
E.A = 0 1 0 . 0 − 1 =
2 0 1 - 4 2 
1 * 2 + 0 * 0 + 0 * (-4) 1 * 3 + 0 * (−1) + 0 * 2 2 3 
= 0 * 2 + 1 * 0 + 0 * (-4) 0 * 3 + 1 * (−1) + 0 * 2 = 0 − 1 = A1
2 * 2 + 0 * 0 + 1 * (-4) 2 * 3 + 0 * (−1) + 1 * 2 0 8 
O seguinte teorema mostra a relação fundamental entre as operações elementares

por colunas e as matrizes elementares correspondentes.
Teorema 8:
Seja f uma operação elementar efectuada sobre colunas e F a matriz elementar
correspondente, de ordem n, isto é, F = f ( Im ). Então, para qualquer matriz A do tipo
m x n, tem-se f ( A ) = A.F.
Assim, analogamente ao que acontece com as operações elementares por linhas, o

resultado da aplicação de uma qualquer operação elementar sobre as colunas de
uma matriz A pode ser obtido pós-multiplicando A (isto é, multiplicando A à direita)

pela matriz elementar correspondente.
Exemplo 11:
2 3
 
Consideremos a matriz A = 0 − 1 e vamos efectuar a seguinte operação
 
- 4 2 
elementar sobre as suas colunas: C1 → C1 + 2C2
8 3

Temos então a matriz A2, equivalente a A, dada por A 2 = - 2 − 1

 
 0 2 
1 0 
Por outro lado, a matriz elementar, de 2ª ordem, correspondente é F =  .
2 1
Efectuando o produto A.F temos:
2 3
1 0 
A.F =  0 − 1 .
2 1
=
- 4 2  
 2 *1 + 3 * 2 2 * 0 + 3 *1   8 3 
   
= 0 * 1 + (-1) * 2 0 * 0 + (-1) * 1 = - 2 − 1 = A 2
   
(-4) *1 + 2 * 2 (-4) * 0 + 2 *1  0 2 
Com base nos teoremas apresentados podemos rescrever a definição de matrizes

equivalentes do seguinte modo:
Definição 21: Matrizes equivalentes

Duas matrizes A e B, do mesmo tipo, dizem-se equivalentes se existirem duas matrizes
regulares P e Q tais que B = P.A.Q. (De notar que P será o produto de matrizes
elementares relativas a operações por linhas:
P = Ep. ... .E2.E1
e Q o produto de matrizes elementares relativas a operações por colunas:
Q = F1.F2. ... .Fq )
Teorema 9:
Toda a matriz A do tipo m x n é equivalente a uma única matriz da forma
 Ir 0
 
0 0 
onde Ir é a matriz identidade de ordem r. ( r é a característica de A)
Surge, como consequência ou caso particular deste teorema o seguinte:
Teorema 10:
Seja A uma matriz quadrada de ordem n tal que Car ( A ) = n , isto é, A é invertível.
Então, A pode ser transformada, utilizando unicamente operações por linhas (ou
operações por colunas), na matriz identidade de ordem n, isto é, A é equivalente,
por linhas (ou por colunas), à matriz identidade.
1.4.5. Cálculo da inversa de uma matriz
Operando por Linhas – Eliminação Gaussiana
Pode-se calcular a inversa de uma matriz quadrada de ordem n, ou mostrar que

uma matriz não é invertível usando o algoritmo da eliminação Gaussiana:
Método para calcular a inversa de uma matriz através de condensação por

linhas
1. Formamos uma matriz M do tipo n × 2n , M = ( A⋮ I ) isto é, A está na
metade esquerda de M e a matriz identidade na metade direita.
2. Transformamos a matriz A numa matriz triangular com elementos

principais não nulos, através unicamente de operações elementares sobre
as linhas de M (isto é, as operações efectuam-se às linhas de A e I
simultaneamente). Se o processo gerar uma linha nula na metade A de
M , está terminado o cálculo porque, neste caso, A não é invertível
( Car ( A) < n ). De outra forma, a metade correspondente a A assumirá a
forma triangular.
3. Transformamos a seguir A na matriz identidade, continuando a operar

sobre as linhas de M (completas). Obtemos então uma matriz M ' ,
equivalente a M , dada por M ' = ( I ⋮ B ) , onde I substitui A na metade
esquerda da matriz.
4. Temos, então: A−1 = B .
Este algoritmo permite obter a matriz inversa de A porque efectuar uma sucessão de
operações elementares nas linhas equivale a multiplicar pelas matrizes elementares
En ...E2 E1 à esquerda de A e de I . Esquematizando:
 A I  ~  E1 A E1 I  ~  E2 E1 A E2 E1 I  ~ ... ~  En ...E2 E1 A En ...E2 E1 I  ~  I A−1 
Quando obtivermos na 1ª metade a matriz I , então na 2ª metade obteve-se a

matriz A−1 :
En ...E2 E1 A = I
⇔ En ...E2 E1 AA−1 = IA−1
⇔ En ...E2 E1 I = A−1
Exemplo 12:
Suponhamos que se pretende calcular a inversa da matriz
1 0 2 
A = 2 − 1 3
4 1 8
Primeiro formamos a matriz M = ( A⋮ I ) e reduzimos a matriz A a uma matriz triangular
efectuando, exclusivamente, operações sobre as linhas de M :
1 0 2 1 0 0  1 0 2 1 0 0
M = 2 − 1 3 0 1 0
∼ 0 − 1 − 1 − 2 1 0  ∼
 
4 1 8 0 0 1 L 2 → L 2 − 2L1 0 1 0 − 4 0 1 L3 → L + L
L3 → L 3 − 4 L1 3 2
1 0 2 1 0 0
∼ 0 − 1 − 1 − 2 1 0 
 
0 0 − 1 − 6 1 1
Assim, a metade esquerda de M está em forma triangular, com elementos principais

não nulos, logo A é invertível (note-se que Car ( A) = 3 ).Vamos então transformar a
parte esquerda de M na matriz identidade, fazendo agora L1 → L1 + 2 L3 e
L2 → L2 − L3
1 0 0 − 11 2 2 
0 − 1 0 1 0 0 − 11 2 2 
M∼  4 0 − 1 ∼ 0 1 0 − 4 0 1 
0 0 − 1 − 6 1 1  L 2 → − L 2  
L 3 → −L 3 0 0 1 6 − 1 − 1
A matriz identidade está na metade esquerda da matriz final, logo, a metade direita
é A−1 , isto é
 −11 2 2 
A =  −4 0 1  .
−1
 6 −1 −1
Observação:
Quando tiver dificuldade em encontrar a operação elementar adequada para
anular um determinado elemento aij (na linha i ) de uma matriz usando como pivot
o elemento a jj (da linha j ), use a seguinte operação:
aij
Li′ = Li − Lj
a jj
Operando por Colunas
O algoritmo seguinte, tal como no caso das operações sobre linhas, ou nos dá a
inversa de uma matriz quadrada de ordem n, ou mostra que a matriz não é invertível.
Método para o cálculo da inversa de uma matriz através de condensação por

colunas
 A
 
1. Formamos uma matriz M do tipo 2n x n, M = ⋯  , isto é, A está na metade
I
 
superior de M e a matriz identidade na metade inferior.
2. Transformamos a matriz A numa matriz triangular com elementos principais

não nulos, através unicamente de operações elementares sobre as
colunas de M (isto é, as operações efectuam-se às colunas de A e I
simultaneamente). Se o processo gerar uma coluna nula na metade A
de M , está terminado o cálculo porque, neste caso, A não é invertível
( Car ( A) < n ). De outra forma a metade correspondente a A assumirá
a forma triangular.
3. Transformamos a seguir A na matriz identidade, continuando a operar

sobre as colunas de M (completas). Obtemos então uma matriz M ' ,
I
 
equivalente a M , dada por M ' = ⋯  , onde I substitui A na metade
B
 
superior da matriz.
4. Temos, então: A−1 = B .
Exemplo 13:
Calculemos inversa da matriz A , já calculada por linhas:
1 0 2 
A = 2 − 1 3
4 1 8
 A
 
Primeiro formamos a matriz M = ⋯  e reduzimos a matriz A a uma matriz triangular
I
 
efectuando, exclusivamente, operações sobre as colunas de M:
1 0 2 1 0 0  1 0 0 
2 3  2 − 1  2
 −1  −1
 −1 0 
4 8 4 0 
M=
1
0 
∼ 1
1
−2 
∼ 4 1 −1 
1 0 0 1 0 −2 
     
0 1 0  0 1 0  0 1 −1 
0 1  C → C − 2C 0 1  C → C − C 0
 0
3 3 1
 0
3 3 2  0 1 
Assim, a metade superior de M está em forma triangular, com elementos principais
não nulos, logo A é invertível (note-se que car ( A) = 3 ). Vamos então transformar a
parte superior de M na matriz identidade, fazendo agora C1 → C1 + 4C3 e
C2 → C2 + C3
 1 0 0   1 0 0 
 0  1 0 0 
 2 −1 0  −1 0   0
 
 1 0 
Μ ∼ 0 0 −1  ∼  0 0 −1  ∼
− 11 −2 −2  0 0 1 
− 7 − 2 −2  − 11
    2 2 
−4 0 −1   
− 4 0 −1  −4 0 1 
4  6 1  C 2 → −C 2
 1 1  C → C + 2C  1 
C 3 → −C 3  6 − 1 − 1 
1 1 2
A matriz identidade está na metade superior da matriz final, logo, a metade inferior é
A−1 , isto é
 −11 2 2 
A =  −4 0 1  .
−1
 6 −1 −1
O que coincide com o resultado obtido operando por linhas.
IMPORTANTE:
No cálculo da inversa de uma matriz por condensação não se deve operar
simultaneamente por linhas e por colunas uma vez que a matriz assim obtida não é,
de um modo geral a matriz inversa de A, porque uma operação elementar por linhas
equivale à multiplicação à esquerda pela matriz elementar correspondente,
enquanto que por colunas a multiplicação é à direita.
Exemplo 14:
Consideremos ainda a matriz
1 0 2 
A = 2 − 1 3
4 1 8
da qual já se calculou a inversa quer por linhas quer por colunas. Depois de
formarmos a matriz M M = ( A⋮ I ) vamos, de modo análogo, transformar a matriz A na
matriz identidade operando simultaneamente sobre as linhas e colunas de M:
1 0 2 1 0 0  1 0 2 1 0 0
M = 2 − 1 3 0 1 0 ∼ 0 − 1 − 1 − 2 1 0  ∼
 
4 1 8 0 0 1 L 2 → L 2 − 2L1 0 1 0 − 4 0 1 C3 → C − C − 2C
L3 → L 3 − 4 L1 3 2 1
1 0 0 1 0 − 2 1 0 0 1 0 − 2
0 − 1 0 − 2 1 3 
∼ 0 − 1 0 − 2 1 3  ∼  
 
0 1 − 1 − 4 0 9  0 0 − 1 − 6 1 12  L 3 → −L 3
L3 →L3 + L 2 L 2 → −L 2
1 0 0 1 0 − 2 
0 1 0 2 − 1 − 3 
 
0 0 1 6 − 1 − 12
A matriz obtida na parte direita de M não é a inversa de A, uma vez que sendo única
 −11 2 2   1 0 2 

já foi anteriormente calculada e é A = −4 0 1  ≠  2 −1 −3  .
−1 

 6 −1 −1  6 −1 −12 
2. Sistemas de equações lineares
2.1. Nomenclaturas e Notações
Definição 22:
Uma expressão
a1 x1 + a2 x2 + ... + an xn = b
onde a1 , a2 ,..., an , b são escalares conhecidos de um corpo K e x1 , x2 ,..., xn são
escalares a determinar no mesmo corpo, é uma equação linear ou do primeiro grau

sobre K.
A equação tem dois membros; no primeiro membro os escalares a determinar
x1 , x2 ,..., xn são as incógnitas e os escalares a1 , a2 ,..., an são os coeficientes das
incógnitas; no segundo membro tem-se o termo independente b . Qualquer
determinação das incógnitas em K, que verifica a equação, chama-se solução da
equação.
Definição 23:
Um conjunto de equações lineares sobre um corpo K constitui um sistema de
equações lineares sobre esse corpo. Um sistema geral, nas incógnitas x1 , x2 ,..., xn
representa-se, usualmente, por:
 a11 x1 + a12 x2 + ... + a1n xn = b1

 a x + a x + ... + a x = b
 21 1 22 2 2n n 2
(S) 
⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯
 am1 x1 + am 2 x2 + ... + amn xn = bm
onde os aij , bi (i = 1, 2,..., m; j = 1, 2,..., n) são escalares conhecidos
Uma solução (ou solução particular) deste sistema é um conjunto de valores das
incógnitas, x1 = k1 , x2 = k2 ,..., xn = kn ou uma n-upla x = ( k1 , k2 ,..., kn ) de constantes, que
é solução de cada uma das equações do sistema. O conjunto de todas as soluções

do sistema é chamado conjunto solução ou solução geral do sistema.
2.1.1. Notação Matricial
Definição 24:
 a11 a12 ⋯ a1n   x1   b1 

a a22 
⋯ a2 n   x2  b 
Sendo A = 
21
, X =  e B =   verificamos que o sistema de
2
⋯ ⋯ ⋯ ⋯ ⋮ ⋯ 
     
 am1 am 2 ⋯ amn   xn  bm 
equações (S) é equivalente à equação matricial: A. X = B .
A matriz A designa-se por matriz do sistema ou matriz dos coeficientes e B designa-
se por matriz ou coluna dos termos independentes. A matriz A ' = ( A | B ) que se obtém
ampliando A com a coluna do termos independentes, isto é, a matriz
 a11 a12 ⋯ a1n b1 

a a22 ⋯ a2 n b2 
A ' =  21
⋯ ⋯ ⋯ ⋯ ⋯
 
 am1 am 2 ⋯ amn bm 
é chamada matriz completa ou matriz aumentada de (S). Observe-se que um sistema

(S) qualquer fica completamente definido pela sua matriz aumentada.
Exemplo 15:
A matriz dos coeficientes e a matriz completa do sistema:
2 x + 3 y − 4 z = 1

 x − 2 y + 2z = 0
são, respectivamente, as matrizes
 2 3 −4  2 3 −4 1 
1 −2 2  e 1 −2 2 0 
   
O traço vertical que separa a coluna dos termos independentes, na matriz completa,
não é obrigatório servindo apenas para não haver confusão quanto ao seu
significado, distinto do das restantes colunas da matriz completa.
Notemos, ainda, que o sistema é equivalente à equação
x
 2 3 −4    1 
1 −2 2  .  y  = 0 
     
z
2.2. Classificação de sistemas
No caso do sistema (S) ter, pelo menos, uma solução, o sistema é possível e as m
equações dizem-se compatíveis. Note-se que, se k (< m) equações do sistema têm
uma solução em comum, então qualquer outra equação que seja satisfeita por essa
mesma solução diz-se compatível com as outras k equações.
Quando o sistema admite uma única solução diz-se determinado; se o sistema tem
mais do que uma solução é indeterminado. Se não tiver nenhuma solução o sistema
é impossível e as equações dizem-se incompatíveis.
Em resumo:
Sistema de Equações Lineares
Impossível Possível
(não tem soluções) (tem soluções)
Determinado Indeterminado
(tem uma única solução) (tem várias soluções)
2.2.1. Sistemas Homogéneos
Definição 25:
Quando os termos independentes de um sistema são todos nulos, isto é, em (S),
bi = 0 (i = 1,..., m) as equações e o sistema dizem-se homogéneos.
Importante:
Se um sistema é homogéneo então é possível, uma vez que tem sempre, pelo
menos, a solução nula ou trivial: x j = 0 ( j =1, 2,..., n). . Assim, um sistema homogéneo é:
• possível determinado se admitir apenas a solução trivial;
• possível indeterminado se, além da solução nula, admitir outras soluções

(soluções não triviais).
2.2.2. Características e Sistemas
Os sistemas de equações lineares podem ser resolvidos utilizando a técnica da

condensação de matrizes. Resolver um sistema é determinar todas as suas soluções
ou concluir que ele não as tem.
Dois sistemas dizem-se equivalentes se e só se têm as mesmas soluções. Esta

equivalência permite resolver um sistema, resolvendo qualquer outro sistema
equivalente ao sistema dado.
Considere-se o sistema (S) de m equações a n incógnitas: A. X = B , e A ' = ( A | B ) a
matriz completa de (S), do tipo m × ( n + 1) , tendo como submatriz a matriz do sistema,
A.
Resolver, classificar e/ou discutir o sistema por condensação baseia-se na

condensação da matriz A , impondo algumas restrições às operações elementares a
efectuar. Isto porque pretendemos, durante a condensação, passar de uma matriz
para outra equivalente mantendo a equivalência dos sistemas correspondentes.
Uma vez que as linhas da matriz representam as equações do sistema, sobre estas
são válidas todas as operações elementares já definidas, isto é, podemos efectuar:
• troca da posição relativa de duas linhas (equações)
• multiplicação de todos os elementos de uma linha (equação, incluindo termo

independente) por uma constante não nula
• substituição de todos os elementos de uma linha (equação) pela sua soma

com os elementos homólogos de outra, mesmo que previamente
multiplicados por uma mesma constante.
No entanto, como as colunas representam os coeficientes de cada uma das

incógnitas, sobre estas é válida apenas uma das operações elementares:
• troca da posição relativa de duas colunas na matriz do sistema (troca da

ordem das incógnitas), não podendo ser trocada a posição da última coluna
de A’ uma vez que esta é a coluna dos termos independentes.
Note-se que esta troca de colunas deve ser registada porque é uma troca de
incógnitas, alterando a solução final.
Resumindo: a condensação da matriz de um sistema é uma condensação por

linhas, sendo, por colunas, possível apenas a troca de posições.
No final da condensação da matriz A dentro da matriz completa A ' = ( A | B ) do
sistema proposto obtém-se uma matriz triangular de ordem “ r ” com elementos

diagonais não nulos, isto é, obtém-se uma matriz da forma:
 a '11 a '12 ⋯ a '1 r a '1 r +1 ⋯ a '1 n b'1 

 0 a '22 ⋯ a '2 r a '2 r +1 ⋯ a '2 n b'2 

 ⋮ ⋮ ⋱ ⋮ ⋮ ⋱ ⋮ ⋮  r
 
 0 0 ⋯ a 'r r a 'r r +1 ⋯ a 'r n b'r 
 0 0 ⋯ 0 0 ⋯ 0 b'r +1 
 
 ⋮ ⋮ ⋱ ⋮ ⋮ ⋱ ⋮ ⋮  m−r
 0 0 ⋯ 0 0 ⋯ 0 b'm 

r n−r 1
A ordem da matriz triangular é, como se sabe, igual à característica da matriz A .

Todas as operações na condensação alteram a matriz completa do sistema
proposto, mas a cada matriz, que se vai obtendo sucessivamente, corresponde um
sistema de equações de que esta matriz é matriz completa. Cada um destes
sistemas é equivalente ao sistema proposto. O sistema correspondente à matriz que
se obtém no final da condensação (S’) é o sistema condensado do sistema proposto
(S).
As incógnitas cujos coeficientes constituem as “ r ” colunas da matriz triangular

chamam-se incógnitas principais e as restantes ( n − r ) incógnitas designam-se por
incógnitas não principais ou secundárias. De modo análogo, as “ r ” equações que
figuram nas linhas da matriz triangular chamam-se equações principais e as ( m − r )
restantes não principais ou secundárias.
É evidente que o sistema (S’) (e portanto o sistema (S)) é possível se e só se:

b 'r +1 = b 'r + 2 = ⋯ = b 'm = 0
uma vez que as ( m − r ) últimas equações deste sistema condensado são
 0 x1 + 0 x2 + ... + 0 xn = br +1
 0 x + 0 x + ... + 0 x = b
 1 2 n r +2

 ⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯
 0 x1 + 0 x2 + ... + 0 xn = bm
e neste caso tem-se igualdade entre a característica da matriz completa do sistema

e a característica da matriz do sistema.
Temos então o seguinte teorema:
Teorema 11:
É condição necessária e suficiente para que um sistema de equações lineares seja

possível que a matriz do sistema e a matriz completa tenham igual característica.
Note-se que, se as características não são iguais elas diferem de apenas uma
unidade uma vez que A ' resulta de se acrescentar a A uma só coluna, tendo-se,
então: car ( A ') ≥ car ( A) .
Então, sendo:
n - o número de incógnitas do sistema
C - a característica da matriz do sistema ( matriz A : C = r )
C ' - a característica da matriz completa do sistema ( matriz A ' )
tem-se sempre: C ' = C ou C ' = C + 1 ( C ' > C ) e C ≤ n .
A discussão quanto à classificação do sistema (S) resume-se nas seguintes

proposições:
• Se C ( = r ) ≠ C '( = r + 1) o sistema é impossível
• Se C ( = r ) = C ' = n o sistema é possível determinado (tem uma só solução)
• Se C ( = r ) = C ' < n o sistema é possível indeterminado (tem uma infinidade de
soluções), sendo o grau de indeterminação dado pela diferença ( n − r ) , que
coincide com o número de incógnitas secundárias do sistema. Se ( n − r ) = 1 o
sistema diz-se possível simplesmente indeterminado; se ( n − r ) = 2 o sistema diz-
-se possível duplamente indeterminado; e assim sucessivamente.
2.3. Método de Gauss-Jordan
O método de Gauss – Jordan é utilizado para a resolução de sistemas cujo número

de equações é igual ao número de incógnitas.
Consideremos então um sistema de n equações e n incógnitas:
 a11 x1 + a12 x2 + ... + a1n xn = b1

 a x + a x + ... + a x = b
 21 1 22 2 2n n 2

⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯
 an1 x1 + an 2 x2 + ... + ann xn = bn
Como a matriz do sistema é uma matriz quadrada de ordem n, pelo um teorema 10

podemos dizer que, se a característica da matriz do sistema for n ( C = n ) , então a
matriz é equivalente, por linhas, à matriz identidade.
Método de Gauss – Jordan
(1) Tomamos a matriz completa do sistema: A ' = ( A | B )
(2) Transformamos, através de operações adequadas, a matriz dos

coeficientes A na matriz identidade, aplicando, simultaneamente, à
matriz coluna B , as mesmas operações.
(3) Transformada a matriz do sistema na matriz identidade, a coluna dos

termos independentes fica transformada, no final, na solução do
sistema.
Exemplo 16:
Resolva o sistema:
 x− y−z =0

 x − 2 y + 2 z = 10
 2 x + 3 y − z = −2

Resolução:
A matriz completa do sistema é:
1 −1 −1 0
A ' = 1 −2 2 10 
 2 3 −1 −2 
Vamos transformar a matriz do sistema na matriz identidade, fazendo: L2 → L2 − L1 e
L3 → L3 − 2 L1
1 −1 −1 0  1 −1 −1 0 
   
A ' ∼ 0 −1 3 10  ∼ 0 −1 3 10 
0 5 1 −2 0 0 16 48
L3 → L3 + 5. L2
Podemos desde já garantir que o sistema é possível determinado uma vez que,
estando a condensação da matriz terminada, é fácil ver que C = C ' = n = 3 . Do
mesmo modo está garantida a possibilidade da transformação da matriz dos
coeficientes na matriz identidade uma vez que, a sua característica é igual à sua
ordem.
1
Continuando a transformação fazemos: L3 → L3
16
temos então:
1 −1 −1 0  1 −1 0 3 1 0 0 2
     
A ' ∼ 0 −1 3 10  ∼ 0 −1 0 1 ∼ 0 1 0 −1
0 0 1 3  L1 → L1 + L3 0 0 1 3 L1 → L1 − L2 0 0 1 3 
L → L − 3. L
2 2 3 L →− L
2 2
De acordo com o que se expôs, o sistema inicial transformou-se no sistema

equivalente:
 1.x + 0. y + 0.z = 2  x=2

 
 0.x + 1. y + 0.z = −1 ⇔  y = −1
 0.x + 0. y + 1.z = 3  z =3
 
Estes valores das variáveis são a solução única do sistema: ( x, y , z ) = (2, −1,3)
Exemplo 17:
Resolva o sistema:
 x− y−z =0

 x − 2 y + 2 z = 10
 2 x − 2 y − 2 z = −3

Resolução:
 1 −1 −1 0
 
A ' =  1 −2 2 10 
 2 −2 −2 −3
Vamos transformar a matriz do sistema na matriz identidade, fazendo:

L 2 → L 2 − L1 e L3 → L3 − 2L1
1 −1 −1 0
 
A ' ∼ 0 −1 3 10 
0 0 0 −3
Este sistema é impossível uma vez que, estando a condensação da matriz terminada,
é fácil ver que C = 2 ≠ C ' = 3 , sendo impossível a transformação da matriz dos
coeficientes na matriz identidade. Assim, este sistema não tem solução.
2.4. Resolução de sistemas por condensação
Consideremos um sistema geral de m equações a n incógnitas, onde m ≠ n .
 a11 x1 + a12 x2 + ... + a1n xn = b1

 a x + a x + ... + a x = b
 21 1 22 2 2n n 2
(S) 
⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯
 am1 x1 + am 2 x2 + ... + amn xn = bm
Para resolvermos este sistema podemos proceder de modo semelhante ao método

de Gauss – Jordan, apresentado na secção anterior, embora aqui não seja possível
transformar a matriz do sistema na matriz identidade pois esta é rectangular.
Apresentamos, então, duas formas de resolução deste tipo de sistemas, baseadas na
condensação, e cuja utilização ficará ao critério de cada um.
O procedimento inicial é o mesmo, começando por se condensar a matriz do
sistema. Obtemos dentro da matriz do sistema, uma matriz triangular de ordem “ r ”
com elementos diagonais não nulos. Assim, a matriz do sistema (S) é equivalente a
uma matriz do tipo:
 a '11 a '12 ⋯ a '1 r a '1 r +1 ⋯ a '1 n b'1 

 0 a '22 ⋯ a '2 r a '2 r +1 ⋯ a '2 n b'2 

 ⋮ ⋮ ⋱ ⋮ ⋮ ⋱ ⋮ ⋮ 
 
 0 0 ⋯ a 'r r a 'r r +1 ⋯ a 'r n b'r 
 0 0 ⋯ 0 0 ⋯ 0 b'r +1 
 
 ⋮ ⋮ ⋱ ⋮ ⋮ ⋱ ⋮ ⋮ 
 0 0 ⋯ 0 0 ⋯ 0 b'm 

Como também já referimos, este sistema só é possível se b 'r +1 = b 'r + 2 = ⋯ = b 'm = 0 uma
vez que, havendo pelo menos um b 'i ≠ 0 para i > r , teríamos C = r ≠ C ' = r + 1 , sendo,
neste caso, o sistema (S) impossível (sem solução).
Considerando agora b 'r +1 = b 'r + 2 = ⋯ = b 'm = 0 , isto é, considerando o caso do sistema
ser possível ( C = r = C ' ), temos então:
• r incógnitas principais (cujos coeficientes figuram nas r primeiras colunas da

matriz)
• (n − r ) incógnitas secundárias
• r equações principais (que constituem as r primeiras linhas da matriz)
• (m − r ) equações secundárias cujos membros ficaram “anulados” depois de
efectuada a condensação.
Para terminarmos a resolução do sistema (S) temos dois processos possíveis que
passamos a descrever separadamente:
Processo 1 - Rescrevemos o sistema condensado, eliminando as equações não

principais e passando para os segundos membros os termos relativos às
incógnitas não principais, isto é
 a '11 x1 + a '12 x2 + ... + a '1 r xr = b1 − a '1 r +1 xr +1 − ... − a '1 n xn

 a '22 x2 + ... + a '2 r xr = b2 − a '2 r +1 xr +1 − ... − a '2 n xn


⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯
 a 'r r xr = bm − a 'r r +1 xr +1 − ... − a 'r n xn
Deste sistema, obtêm-se imediatamente as soluções do sistema (S) por

substituição dos sucessivos valores das incógnitas (de baixo para cima).
Obter as soluções não é mais do que escrever as incógnitas principais à

custa das incógnitas secundárias que podem assumir qualquer valor
(varáveis livres).
Processo 2 - Transformamos a matriz triangular obtida por condensação na matriz

identidade, efectuando apenas operações por linhas. Chegamos,
então a uma matriz do tipo:
1 0 ⋯ 0 a ''1 r +1 ⋯ a ''1 n b''1 

0 1 ⋯ 0 a ''2 r +1 ⋯ a ''2 n b''2 

⋮ ⋮ ⋱ ⋮ ⋮ ⋱ ⋮ ⋮ 
 
0 0 ⋯ 1 a ''r r +1 ⋯ a ''r n b''r 
0 0 ⋯ 0 0 ⋯ 0 0 
 
⋮ ⋮ ⋱ ⋮ ⋮ ⋱ ⋮ ⋮ 
0 ⋯ 0 ⋯ 0 
 0 0 0
obtendo-se, directamente, as soluções pretendidas, de (S), ao

escrevermos o sistema representado por esta última matriz, passando
para o segundo membro os termos relativos às incógnitas secundárias:
 x1 = b ''1 − a ''1 r +1 xr +1 − ... − a ''1 n xn

 x = b '' − a ''
 2 2 2 r +1 xr +1 − ... − a ''2 n xn

 ⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯
 xr = b ''m − a ''r r +1 xr +1 − ... − a ''r n xn
Este processo pode entender-se como uma extensão do método de

Gauss-Jordan a sistemas cujas matrizes sejam rectangulares, ou, de
outra forma, o método de Gauss-Jordan pode ser visto como um caso
particular deste processo 2, quando a matriz do sistema é quadrada, de
característica igual à sua ordem.
Observações:
• Note-se que na exposição dos dois processos estamos a supor que durante a
condensação não houve troca da posição relativa das colunas na matriz do
sistema, isto é, que as incógnitas se encontram segundo a sua ordem inicial.
Caso haja troca de colunas esta deve ser assinalada para que no final,
quando se rescreve o sistema se atribua a cada incógnita os coeficientes
respectivos e não os de outra.
• Estamos também a supor a existência de incógnitas secundárias, sendo o

sistema, neste caso, indeterminado (de grau igual ao número destas). No
entanto, os dois processos funcionam sempre, independentemente da
existência ou não de incógnitas secundárias.
A compreensão destes processos ficará mais facilitada se atendermos aos exemplos

que se seguem.
Exemplo 18:
Resolver sistema:
 x− y − z −t = 0

 x − 2 y − z + 2t = 10
 2 x + 3 y − z − t = −2

Resolução:
1 −1 −1 −1 0
 
A ' = 1 −2 −1 2 10 
 2 3 −1 −1 −2 
Vamos começar por condensar a matriz do sistema, fazendo: L2 → L2 − L1 e
L3 → L3 − 2 L1
1 −1 −1 −1 0 1 −1 −1 −1 0
   
A ' ∼ 0 −1 0 3 10  ∼  0 −1 0 3 10 
0 5 1 1 −2 L → L + 5. L  0 0 1 16 48
3 3 2
Podemos desde já garantir que o sistema é possível uma vez que C = C ' = 3 , no
entanto é simplesmente indeterminado porque C = 3 < n = 4 e n − C = 1 . Agora, uma
vez que o sistema é possível, temos :
o incógnitas principais (3): x, y , z
o incógnitas secundárias (1): t (livre)

o Equações principais (3): todas
o Equações secundárias (0): não há
Continuando a resolução do sistema, pois é possível, vamos fazê-lo pelos dois
processos atrás descritos:
Pr.1 Rescrevendo o sistema obtido, passando para o segundo membro os termos

relativos à incógnita secundária, temos:
 x − y −z = t  x=t+ y+z
 
 −y = 10 − 3.t ⇔  y = 3.t − 10
 z = 48 − 16.t  z = 48 − 16.t
 
Para obtermos a solução da incógnita x temos de substituir na primeira equação y
e z pelas respectivas expressões, em função de t , temos então
 x = 38 − 12t
 y = 3t − 10


 z = 48 − 16t
 t ∈ IR
As soluções do sistema são: ( x, y , z , t ) = (38 − 12k , 3k − 10, 48 − 16k , k ), k ∈ R
Pr.2 Para transformar a matriz triangular obtida, isto é, formada pelos termos
relativos às incógnitas e equações principais, na matriz identidade basta fazer:
L1 → L1 − L2 + L3 e L2 → − L2
temos então:
1 0 0 12 38 
 
A ' = 0 1 0 −3 −10
0 0 1 16 48 
Rescrevendo o sistema obtido, passando para o segundo membro os termos relativos

à incógnita secundária, temos:
 x = 38 − 12t
 y = 3t − 10


 z = 48 − 16t
 t ∈ IR
Isto é, soluções do sistema são: ( x, y , z , t ) = (38 − 12k , 3k − 10, 48 − 16k , k ), k ∈ R
Exemplo 19:
Resolver sistema:
 x− y−z =0
 x − 2y − z =1


 2 x + 3 y − z = −2
 x + 5 y = −3
Resolução:
 1 −1 −1 0
 
1 −2 −1 1
A' = 
 2 3 −1 −2 
 
 1 5 0 −3
Vamos começar por condensar a matriz do sistema, fazendo:

L2 → L2 − L1 , L3 → L3 − 2 L1 e L4 → L4 − L1
1 −1 −1 0 1 −1 −1 0
   
0 −1 0 1 0 −1 0 1
A' =  ∼
0 5 1 −2 0 0 1 3
   
 0 6 1 −3 L3 → L3 + 5. L2 0 0 1 3 L → L − L
L → L + 6. L
4 4 2
4 4 3
Podemos desde já garantir que o sistema é possível e determinado, não havendo

incógnitas secundárias (todas as incógnitas são principais), uma vez que:
C = C ' = n = 3 . Em termos de equações temos:
Equações principais (3): as 3 primeiras

Equações secundárias (1): a 4ª equação
Vamos continuar a resolução do sistema pelos dois processos:
Pr.1 Rescrevendo o sistema obtido, temos:
 x− y−z =0  x= y+z
 
 −y =1 ⇔  y = −1
 z =3  z =3
 
Para obtermos o valor de x temos de substituir na primeira equação y e z pelos
respectivos valores.
 x=2

 y = −1
 z =3

A solução do sistema é: ( x, y, z ) = ( 2, −1,3) .
Pr.2 Para transformar a matriz triangular obtida, isto é, formada pelos termos
relativos às incógnitas e equações principais, na matriz identidade basta fazer:
L1 → L1 − L2 + L3 e L2 → − L2
temos então:
1 0 0 2
 
0 1 0 −1
A' = 
0 0 1 3
 
 0 0 0 0 
 x=2

Rescrevendo o sistema obtido, temos:  y = −1
 z =3

Isto é, a solução do sistema é: ( x, y, z ) = ( 2, −1,3)
Exemplo 20:
Resolver sistema:
 x1 − x2 − x3 + x4 = 0
 x1 − 2 x2 − x3 + 2 x4 = 1


 x1 − 3x2 − x3 + 3x4 = 2
 2 x1 − 5 x2 − 2 x3 + 5 x4 = 3
Resolução:
1 −1 −1 1 0
 
1 − 2 −1 2 1
A' = 
1 − 3 −1 3 2
 
 2 −5 −2 5 3 
Vamos começar por condensar a matriz do sistema, fazendo:

L2 → L2 − L1 , L3 → L3 − L1 e L4 → L4 − 2 L1
1 −1 −1 1 0 1 −1 −1 1 0
  0 −1 0
0 −1 0 1 1 1 1 
A' =  ∼
0 −2 0 2 2 0 0 0 0 0
   
 0 −3 0 3 3  L3 → L3 − 2 L2 0 0 0 0 0
L4 → L4 − 3 L2
Podemos desde já garantir que o sistema é possível uma vez que C = C ' = 2 , no
entanto é duplamente indeterminado porque C = 2 < n = 4 e n − C = 2 . Agora, uma
vez que o sistema é possível, temos:
Incógnitas principais (2): x1 , x2
Incógnitas secundárias (2): x3 , x4 (livres)
Equações principais (2): 1ª e 2ª

Equações secundárias (2): 3ª e 4ª
Vamos continuar a resolução do sistema pelos dois processos:
Pr.1 Rescrevendo o sistema obtido, passando para o segundo membro os termos

relativos às incógnitas secundárias, temos:
 x1 − x2 = x3 − x4  x − x = x3 − x4
 ⇔ 1 2
 − x2 = 1 − x4  x2 = x4 − 1
Para obtermos o valor de x1 temos de substituir na primeira equação a expressão de
x2 :
 x1 = x3 − 1

 x2 = x4 − 1
As soluções do sistema são: ( x1 , x2 , x3 , x4 ) = ( k1 − 1, k2 − 1, k1 , k2 ) , k1 , k2 ∈ R .
Pr.2 Para transformar a matriz triangular obtida na matriz identidade basta fazer:
L1 → L1 − L2 e L2 → − L2
Temos então:
1 0 −1 0 −1
 
0 1 0 −1 −1
A' = 
0 0 0 0 0
 
 0 0 0 0 0 
Rescrevendo o sistema obtido, passando para o segundo membro os termos relativos

às incógnitas secundárias, temos:
 x1 = x3 − 1

 x2 = x4 − 1
Isto é, as soluções do sistema são: ( x1 , x2 , x3 , x4 ) = ( k1 − 1, k2 − 1, k1 , k2 ) , k1 , k2 ∈ R
2.5. Discussão de Sistemas
A discussão de sistemas baseia-se na existência de um ou mais parâmetros reais na

matriz do sistema e/ou na coluna dos termos independentes, isto é, nas equações do
sistema. Tais parâmetros, ao poderem assumir qualquer valor real, podem alterar a
natureza do sistema consoante o valor que assumam.
Assim, para efectuarmos discussão de um sistema devemos:
• Condensar a matriz do sistema, colocando na diagonal, sempre que possível

elementos que não dependam do(s) parâmetro(s). A condensação fica, de
um modo geral, mais facilitada se antes de condensarmos a 1ª coluna,
colocarmos os parâmetros presentes na matriz do sistema o mais para baixo
(efectuando a troca de linhas) e para a direita (efectuando a troca de
colunas) possível.
• Avaliar, consoante os valores dos parâmetros em causa, as características da
matriz do sistema e da matriz completa.
Exemplo 21:
Dada a matriz completa de um sistema, já condensada:
1 −1 −1 1 0 
 
0 −2 −1 2 1 
A' = 
0 0 k − 1 0 0 
 
 0 0 0 k −1 p + 3
discutir este sistema é determinar os valores de C e C ' que correspondem aos

diferentes valores de k e p , e, depois, fazer a classificação do sistema
correspondente, atendendo ao número de incógnitas. Temos então:
• Se k ≠ 1 então C = 4 = C ', ∀p ∈ R
C ' = 2 se p = −3
• Se k = 1 então C = 2 e 
C ' = 3 se p ≠ −3
Como temos 4 incógnitas a classificação do sistema é:
• Possível determinado ( C = C ' = n = 4 ) para k ∈ R \ {1} , ∀p ∈ R
• Possível duplamente indeterminado ( C = C ' = 2 < n = 4 ) para k = 1 e p = −3
• Impossível ( C = 2 ≠ C ' = 3) para k = 1 e p ∈ R \ {−3}

03 Textos Matrizes

Enviado por

Dados do documento

Descrição original:

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

03 Textos Matrizes

Enviado por

Direitos autorais:

Formatos disponíveis

Engenharia Mecânica

Engenharia e Gestão Industrial

Tem algum que diga

Ano lectivo 2011/2012

1. MATRIZES E CÁLCULO MATRICIAL ............................................................................. 3

1.1. Conceito de Matriz .................................................................................................................... 3

1.2. Operações com Matrizes.......................................................................................................... 5

1.3. Matrizes quadradas: Potenciação e inversão ..................................................................... 11

1.4. Característica e condensação de matrizes......................................................................... 15

2. SISTEMAS DE EQUAÇÕES LINEARES ......................................................................... 32

2.1. Nomenclaturas e Notações.................................................................................................... 32

2.2. Classificação de sistemas ...................................................................................................... 34

2.3. Método de Gauss-Jordan....................................................................................................... 38

2.4. Resolução de sistemas por condensação ........................................................................... 40

2.5. Discussão de Sistemas............................................................................................................. 47

1. Matrizes e Cálculo Matricial

1.1. Conceito de Matriz

 a11 a12 ⋯ a1n −1 a1n 

em que aij (i = 1, 2,..., m; j = 1, 2,..., n) são mxn elementos (chamados escalares e

pertencentes a um corpo Κ ) dispostos em m linhas e n colunas.

1. As matrizes denotam-se usualmente por letras maiúsculas ( A, B, C , …) e os seus

na linha i (i = 1, 2,..., m) e coluna j ( j = 1, 2,..., n) de A.

3. Uma matriz m x n pode, ainda, representar-se por:

4. O par (m, n) é a dimensão, tamanho ou forma da matriz.

6. As n-uplas verticais são as suas colunas.

 a11   a12   a1n 

Definição 2: Tipos de Matrizes

A = (a11 a12 ... a1n ) = [ a11 a12 ... a1n ]

Matriz – Coluna: É uma matriz vector do tipo m × 1

Elementos Homólogos: Em matrizes do mesmo tipo, elementos homólogos são os que

elementos homólogos, isto é, se:

Matrizes Simétricas: Seja M o conjunto das matrizes do tipo m × n sobre o corpo Κ .

os elementos homólogos forem simétricos, isto é:

a) Indique o tipo desta matriz.

a21 = 7 (pois é o elemento que está na 2ª linha e 1ª coluna)

a23 = 3 (pois é o elemento que está na 2ª linha e 3ª coluna)

a24 = 5 (pois é o elemento que está na 2ª linha e 4ª coluna)

a34 = −4 (pois é o elemento que está na 3ª linha e 4ª coluna)

1.2. Operações com Matrizes

1.2.1. Adição de Matrizes

Definição 3: Adição de Matrizes

 a11 a12 ⋯ a1n   b11 b12 ⋯ b1n 

A soma de A e B , que se escreve A + B , é a matriz que se obtém somando os

 a11 + b11 a12 + b12 ⋯ a1n + b1n 

Ou seja, se A =  aij  e B = bij  têm a mesma dimensão, a soma é uma matriz

A + B = C =  cij  tal que: cij = aij + bij (i = 1, 2,..., m; j = 1, 2,..., n) .

isto é, subtraem-se duas matrizes subtraindo os elementos homólogos.

Propriedades da Adição de Matrizes

II. Propriedade Associativa: ( A + B ) + C =A + ( B + C )

III. Existência de Elemento Neutro: A+O = A

IV. Existência de Elemento Oposto ou Simétrico: A + ( − A) = O

1.2.2. Multiplicação de Matrizes por um escalar

Definição 4: Multiplicação de uma matriz por um escalar

O produto do escalar k pela matriz A , que se escreve kA , é a matriz que se obtém

 k .a11 k .a12 ⋯ k .a1n 

Ou seja, produto de uma matriz A =  aij  do tipo m × n , por um escalar k é uma

matriz kA = C = cij  tal que: cij = k .aij (i = 1, 2,..., m; j = 1, 2,..., n) .

Propriedades da Multiplicação de Matrizes por um escalar

I. k1.( A + B) = k1. A + k1.B

III. (k1.k2 ). A = k1.( k2 . A) = k2 .( k1. A)

1.2.3. Multiplicação de Matrizes

Definição 5: Multiplicação de matrizes

O produto das matrizes A e B é uma matriz C = A.B do tipo m × p onde

produto de A , por si mesma, k vezes, isto é Ak =