3.

Sistemas de Equações Lineares — T

3.1def Seja A = [aij ] ∈ Km×n uma matriz. Então,

(a) representa-se por `i a i-ésima linha da matriz A e por cj
a j-ésima coluna da matriz A.
(b) Diz-se que `i é uma linha nula da matriz A se ai1 =
ai2 = · · · = ain = 0 e que cj é uma coluna nula da
matriz A se a1j = a2j = · · · = amj = 0.
(c) Ao elemento diferente de zero mais à esquerda de uma
linha não-nula chama-se elemento pivot ou simples-
mente pivot. Chama-se coluna pivot a uma coluna da
matriz se existe um elemento pivot nessa coluna.
(d) Se n = 1, A diz-se que está na forma escalonada
se a21 = · · · = am1 = 0. Se n > 1, A diz-se
que está na forma escalonada se o número de zeros
à esquerda do pivot aumenta de linha para linha, até
que, possivelmente, sobrem apenas linhas nulas, i.e.,
se existem elementos não-nulos a1,j1 , a2,j2 , . . . , ar,jr onde
1 6 j1 < j2 < . . . <
jr 6 n, tais que aij = 0 se
i > r ∨ (i 6 r ∧ j < ji) .
3.2exe Identifique os elementos pivot e colunas pivot da matriz
 
0 1 0 2 0
0 0 0 0 0
A= 3 0 0 0 4


0 0 0 0 5
 3. Sistemas de Equações Lineares — T 38

3.3exe (a) Exemplos de matrizes que estão na forma escalonada:

   
  0 1 0 2 0 1
1 0 2 0
A= , B = 0 0 0 1 0 , u = 0 .
0 2 0 0
0 0 0 0 0 0
(b) Exemplos de matrizes que não estão na forma escalo-
nada:
     
0 1 0 2 0 1 1 0 2 0 1
0 0 0 0 0 0 0 1 0 0
 , v = 1 .
 
C=   ,D=
0 0 2 0 4  0 0 0 0 4 0
0 0 0 0 5 0 0 0 0 5 0

3.4def Sejam as matrizes A, B ∈ Km×n. Então, diz-se que as ma-

trizes são equivalentes por linhas ou simplesmente equi-
valentes, escrevendo-se A ←→ B, se uma delas pode ser
obtida a partir da outra através duma sequência (finita)
das seguintes operações:
(a) troca das i-ésima a j-ésima linhas entre si, que se repre-
senta por `i ↔ `j .
(b) Substituição da i-ésima linha pela sua soma com α ∈ K
vezes a j-ésima, que se representa por `i ← `i + α`j .
(c) Multiplicação da i-ésima linha por um escalar α ∈ K
não-nulo, que se representa por `i ← α`i, α 6= 0.
3.5exe Efectue as operações `1 ↔ `2, `3 ← `3 + 2`2 e `2 ← 2`2 na
seguinte matriz:
 
0 2 0
A = 1 1 2
2 2 4
 3. Sistemas de Equações Lineares — T 39

3.6obs Seja A = [aij ] ∈ Km×n uma matriz. Então, representare-

mos por A[i1 : m; j1 : n] a matriz do tipo (m − i1 + 1) ×
(n − j1 + 1) que se obtém a partir da matriz A eliminando
as primeiras (i1 − 1) linhas e as primeiras (j1 − 1) colu-
nas, i.e., A[i1 : m; j1 : n] = [aij ] ∈ Km−i1+1,n−j1+1, i =
i1, . . . , m, j = j1, . . . , n.
 
2 1 0 2 0
0 0 2 0 0
3.7exe A =  3 2 0 0 4


1 0 0 1 5

A[2 : 4; 3 : 5] =

A[1 : 4; 1 : 5] =

3.8teo Seja A = [aij ] ∈ Km×n uma matriz não escalonada. Então,

o seguinte algoritmo transforma A numa matriz escalonada,
que lhe é equivalente por linhas:
 3. Sistemas de Equações Lineares — T 40

i←1
j ← col não nula mais à esq
da mat A[1 : m; 1 : n]
 
? 6
@
@
@
aij = 0 e @
@ S j ← col não nula mais à esq
ai+1,j = 0 e @ -
@ ··· da mat A[i : m; j : n]
@ a = 0?
@ mj
@
@
@ N

?
@
@
@
@
@ S
@
aij = 0? @ - `i ↔ `k , com akj 6= 0, k > i
@
@
@
@
@ N

?
para p = i + 1 até m fazer
apj
`p ← `p − `i
aij

?
@
@
@
i←i+1
@
@ N
A está na forma@ - j ← col não nula mais à esq
@ escalonada? da mat A[i : m; j : n]
@
@
@
@
@ S

? 
FIM
 

3.9obs Uma matriz pode ser equivalente a duas matrizes distintas,

ambas na forma escalonada.
 3. Sistemas de Equações Lineares — T 41

3.10exe Escalone a seguinte matriz:

 
0 0 0 1
A = 0 1 1 2
0 2 2 1
3.11def Seja a matriz A ∈ Km×n. Então,
(a) chama-se característica de linha da matriz A, que
se representa por clin(A), ao número máximo de linhas
li de A, i.e., clin = dimh`1, `2, . . . , `mi.
(b) Chama-se característica de coluna da matriz A, que
se representa por ccol (A), ao número máximo de colunas
li de A, i.e., ccol = dimhc1, c2, . . . , cni.
3.12teo Seja A uma matriz. Então, clin(A) = ccol (A).
3.13def Seja A uma matriz. Então, chama-se característica da
matriz A, que se representa por c(A), ao número máximo
de linhas ou colunas li de A (esta definição faz sentido pois
o teorema anterior garante-nos que o número máximo de
linhas li é igual ao número máximo de colunas li).
3.14teo Sejam A e B matrizes equivalentes. Então,
(a) c(A) = c(B).
(b) Se uma delas estiver na forma escalonada, a caracte-
rística delas é igual ao número de linhas não-nulas da
matriz que estiver na forma escalonada.
3.15exe Considerando a matriz A dada em 3.7exe, c(A) =
 3. Sistemas de Equações Lineares — T 42

3.16def Seja A = [aij ] uma matriz quadrada de ordem n. En-

tão, chama-se matriz complementar do elemento aij ,
que se representa por A(ij), à matriz (quadrada de ordem
n − 1) que resulta de eliminar na matriz A a linha i e a
coluna j.
 
2 1 0 2 0
0 0 2 0 0
3.17exe A = 3 2 0 0 4


1 0 0 1 5

A(2,4) =

3.18def Seja A = [aij ] uma matriz quadrada de ordem n. Então,

representa-se por det(A) ou |A| o determinante da matriz
A, que é (um número) definido recursivamente por


 a11 se n = 1,


|A| = X n
1+j



 a1j (−1) |A(1j)| se n > 1.
j=1

3.19obs Seja A = [aij ] ∈ Rn×n. Então, por simplificação de nota-

ção, escreve-se
 
 a11 a12 · · · a1n 
 
 a21 a22 · · · a2n 
det(A) =  . . . . . .
 . . . . 
an1 an2 · · · ann
 3. Sistemas de Equações Lineares — T 43

3.20exe (a) Calcule |A|, em que A = [aij ] ∈ R2×2:

(b) Calcule |A|, em que A = [aij ] ∈ R3×3 e deduza a “Regra

de Sarrus”:
 3. Sistemas de Equações Lineares — T 44

3.21def Seja A = [aij ] uma matriz quadrada de ordem n. Então,

(a) ao determinante |A(ij)| chama-se menor complemen-
tar do elemento aij .
(b) Ao número (−1)i+j |A(ij)| chama-se complemento al-
gébrico do elemento aij .
(c) À matriz (quadrada de ordem n) Z = [zij ], zij =
(−1)i+j |A(ji)|, chama-se matriz adjunta da matriz
A e escreve-se Z = adj(A).
 
2 1
3.22exe Seja a matriz A = . Então,
1 0
(a) determine o menor complementar do elemento a12:

(b) Determine o complemento algébrico do elemento a12:

(c) Determine a matriz adjunta da matriz A:

 3. Sistemas de Equações Lineares — T 45

3.23teo (Teorema de Laplace) Seja A = [aij ] uma matriz quadrada

de ordem n. Então, o determinante da matriz A é igual à
soma dos produtos dos elementos de uma linha ou coluna
pelos seus respectivos complementos algébricos, i.e.,
X n n
X
|A| = aij (−1)i+j |A(ij)| = aij (−1)i+j |A(ij)| .
|j=1 {z } |i=1 {z }
desenvolvimento desenvolvimento
através da linha i, através da coluna j,
∀i ∈ {1, 2, . . . , n} ∀j ∈ {1, 2, . . . , n}

3.24obs (a) Notar que a definição 3.16 consiste no cálculo do deter-

minante através do desenvolvimento segundo a primeira
linha.
(b) Seja B = [bij ] ∈ Rn×n, bij = (−1)i+j . Então,
 
+1 −1 +1 −1 · · ·
−1 +1 −1 +1 · · ·
B= +1 −1 +1 −1 · · · .

.. .. .. .. . . .

(c) Como regra prática, fazer o desenvolvimento a partir da

linha ou coluna que tiver mais zeros.
 3. Sistemas de Equações Lineares — T 46

3.25teo Sejam as matrizes (quadradas de ordem n) A = [aij ], B =

[bij ] ∈ Kn×n e α ∈ K. Então,
(a) se A for uma matrizQn diagonal ou triangular (inferior ou
superior): |A| = i=1 aii.
(b) Se todos os elementos duma linha/coluna de A são nulos:
|A| = 0.
(c) Se A tem duas linhas/colunas iguais: |A| = 0.
(d) Se B resulta de A por multiplicação dos elementos duma
linha/coluna de A por α: |B| = α|A|.
(e) Se B resulta de A por troca de duas linhas/colunas:
|B| = −|A|.
(f) Se B resulta de A adicionando a uma linha/coluna um
múltiplo de outra linha/coluna: |B| = |A|.
(g) |αA| = αn|A|.
(h) |AT | = |A|.
(i) |AB| = |A||B|.
(j) A é não singular sse |A| =
6 0.
3.26obs (a) |In| = 1.
(b) Se A é uma matriz não singular, então |A−1| = 1
|A| , pois

(c) Seja A = [aij ] uma matriz quadrada de ordem n. Seja,

agora, B = [bij ], uma matriz (quadrada de ordem n)
na forma escalonada que se obteve a partir da matriz
A através das operações definidasQnas alíneas (a) e (b)
de 3.4 def . Então, |A| = (−1)s ni=1 bii, em que s é o
número de trocas de linhas realizadas.
 3. Sistemas de Equações Lineares — T 47

 
1 0 0 1
0 1 1 0
3.27exe Seja a matriz A =   . Determine |A|
0 0 0 1
0 1 0 1
(a) usando a definição 3.18:

(b) usando o teorema 3.21 e desenvolvendo a partir da ter-

ceira linha:

(c) usando a alínea (c) de 3.26 obs :

 3. Sistemas de Equações Lineares — T 48

3.28def (a) Chama-se sistema linear de m equações nas n in-

cógnitas x1, x2, . . . , xn de coeficientes num corpo K
a um sistema que tem a forma


 a11x1 + a12x2 + a13x3 + · · · + a1nxn = b1
a21x1 + a22x2 + a23x3 + · · · + a2nxn = b2

 .. .. .. ... .. ..

am1x1 + am2x2 + am3x3 + · · · + amnxn = bm,


onde aij , bi ∈ K (i = 1, 2, . . . , m; j = 1, 2, . . . , n;). Aos

elementos aij chama-se coeficientes do sistema e aos
elementos bi chama-se termos independentes do sis-
tema.
(b) Atendendo a que o sistema pode ser escrito na forma
matricial
 
  x1  
a11 a12 a13 · · · a1n   b1
x
 a21 a22 a23 · · · a2n   2   b2 
  x.3  =  ..  ,
 . .. .. . . . ..     
 .
.
am1 am2 am3 · · · amn bm
xn
ou, em notação matricial, como Ax = b, à matriz A =
[aij ] ∈ Km×n chama-se matriz dos coeficientes e às
matrizes coluna b = (bi) ∈ Km chama-se vector dos
termos independentes e a x = (xi) ∈ Kn chama-se
vector das incógnitas.
(c) Ao conjunto {x ∈ Kn|Ax = b} chama-se conjunto de
soluções (abreviadamente C.S.) do sistema.
 3. Sistemas de Equações Lineares — T 49

(d) Chama-se matriz ampliada do sistema a

 
a11 a12 a13 · · · a1n b1
 a21 a22 a23 · · · a2n b2 
,
 . .. .. . . . .. .. 
 .
am1 am2 am3 · · · amn bm
que se representa por A|b.
(e) Um sistema de m equações a n incógnitas que não se
pode colocar na forma Ax = b chama-se sistema não
linear.
3.29obs (a) Apesar de tudo o que se disser neste capítulo relativa-
mente a sistemas lineares ser válido quando os seus coe-
ficientes pertencem a um qualquer corpo, iremos, dora-
vante, apenas considerar o corpo dos reais.
(b) Sendo Ax = b um sistema (linear) de m equações a n
incógnitas representaremos simplesmente por 0 o vector
nulo, quer do ev Rn, quer do ev Rm.
3.30exe(a) Exemplo de um sistema linear de duas equações a duas
incógnitas:

(b) Exemplo de um sistemas não linear de duas equações a

três incógnitas:
 3. Sistemas de Equações Lineares — T 50

3.31def Sejam os sistemas lineares de m equações a n incógnitas

Ax = b e Ãx̃ = b̃. Então, os sistemas dizem-se equivalen-
tes se os seus conjuntos de soluções forem iguais.
3.32def Seja o sistema (linear) Ax = b de m equações a n incógni-
tas. Então,
(a) se b = 0, chama-se sistema homogéneo.
(b) Se b 6= 0, chama-se a Ax = 0 o sistema homogéneo
associado ao sistema dado Ax = b.
(c) Representa-se por R(A) o subconjunto de Rm gerado
pelas n colunas de A, i.e., R(A) = hc1, . . . , cni, que
como vimos no capítulo anterior é um subespaço de Rm
com dim(R(A)) = c(A).
(d) Ao conjunto N (A) = {x ∈ Rn : Ax = 0} chama-se
núcleo de A ou espaço nulo de A.
3.33teo Seja A uma matriz de ordem m × n. Então,
(a) N (A) é um subespaço de Rn.
(b) dim(N (A)) = n − c(A), ou, dito de outra maneira,
dim(R(A)) + dim(N (A)) = n.
3.34exe (a) Exemplo de um sistema homogéneo de duas equações a
três incógnitas:

(b) Identifique
 o sistema homogéneo associado ao sistema
x + 2y = −1
3x − y = 0
 3. Sistemas de Equações Lineares — T 51

3.35def Seja um sistema linear. Então,

(a) diz-se que o sistema é possível (abreviadamente Pos)
se admitir uma ou mais soluções.
(b) Diz-se que o sistema é possível e determinado (abre-
viadamente PD) se admitir uma e uma só solução.
(c) Diz-se que o sistema é possível e indeterminado
(abreviadamente PI) se admitir mais do que uma so-
lução.
(d) Diz-se que o sistema é impossível (abreviadamente
Imp) se não admitir soluções.
3.36exe (a) Exemplo de um sistema linear PD:

(b) Exemplo de um sistema linear PI:

(c) Exemplo de um sistema linear Imp:

 3. Sistemas de Equações Lineares — T 52

3.37teo Seja o sistema (linear de m equações a n incógnitas) Ax =

b, onde A = [aij ] ∈ Km×n, x = (xi) ∈ Kn e b = (bi) ∈ Km.
Então, o sistema é possível sse c(A) = c(A|b) (o que implica
que o sistema é impossível sse c(A) < c(A|b)).
dem
 3. Sistemas de Equações Lineares — T 53

3.38teo Seja o sistema (linear de m equações a n incógnitas) Ax =

b, onde A = [aij ] ∈ Km×n, x = (xi) ∈ Kn e b = (bi) ∈ Km.
Então, se c(A) = m, o sistema é possível.
dem

3.39teo Seja xp uma solução do sistema Ax = b. Então, qualquer

solução deste sistema pode ser escrita na forma x = xp +xh,
onde xh é uma solução do sistema homogéneo associado
Ax = 0.
dem

3.40teo Seja Ax = b um sistema possível. Então, o sistema é PD

sse N (A) = {0}.
dem

3.41teo Seja Ax = b um sistema possível, onde A = [aij ] ∈ Km×n,

x = (xi) ∈ Kn e b = (bi) ∈ Km. Então, o sistema é PD sse
c(A) = n (o que implica que o sistema é PI sse c(A) < n).
dem
 3. Sistemas de Equações Lineares — T 54

3.42teo Seja o sistema linear de m equações nas n incógnitas Ax =

b de coeficientes num corpo K, onde A = [aij ] ∈ Km×n,
x = (xi) ∈ Kn e b = (bi) ∈ Km. Então,


 c(A) = c(A|b) : Pos
c(A) = c(A|b) = n : PD


 c(A) = c(A|b) < n : PI,
c(A) < c(A|b) : Imp,


onde c(A) denota a característica da matriz A e c(A|b)

denota a característica da matriz ampliada.
3.43obs Seja o sistema linear de m equações a n incógnitas Ax = b.
Então, se n > m o sistema não pode ser PD.
3.44teo Seja A|b a matriz ampliada correspondente a um sistema
linear. Então, se A|b ←→ A|b, A|b é a matriz ampliada
correspondente a outro sistema linear que é equivalente ao
primeiro sistema (i.e., cujos conjuntos de solução coinci-
dem).
3.45def Sejam A a matriz dos coeficientes de um sistema linear e
A uma sua forma escalonada. Então, se a coluna j de A
é uma coluna pivot, diz-se que xj é uma variável pivot.
Caso contrário, diz-se que é uma variável livre.
3.46exe Identificar as variáveis livres do seguinte sistema:

x1 + 2x2 − x3 + x4 = 3
x3 − 2x4 = 1
 3. Sistemas de Equações Lineares — T 55

3.47obs Método da eliminação de Gauss para a resolução de siste-

mas lineares: seja o sistema linear Ax = b. Então, se a ma-
triz ampliada A|b está na forma escalonada, a sua resolução
é imediata (identificação das variáveis livres seguindo-se a
aplicação do método de substituição de trás para a frente).
Caso contrário, deve-se começar por escalonar a matriz am-
pliada.
3.48exe Resolver os seguintes sistemas lineares através do método
da eliminação de Gauss:
 x1 + 2x2 + 3x3 = 14
(a) 4x2 + 5x3 = 23
6x3 = 18



x + y + z = 0
(b)
x + z = 0
 3. Sistemas de Equações Lineares — T 56

3.49teo Seja A ∈ Rn×n uma matriz (quadrada). Então,

(a) A é uma matriz invertível sse c(A) = n.
(b) Se A é uma matriz invertível, a i-ésima coluna da sua
matriz inversa é a solução do sistema Ax = ei, em que
ei é a i-ésima coluna da matriz identidade de ordem n.
 
1 1 2
3.50exe Verifique que a matriz A = 0 1 0 é invertível e deter-
2 2 5
mine a sua inversa:

3.51teo Seja A ∈ Rn×n uma matriz (quadrada) não-singular. En-

tão, A−1 = |A|
1
adj(A).
 
2 1
3.52exe Verifique que a matriz A = é invertível e determine
1 0
a sua inversa pelo método da adjunta.
 3. Sistemas de Equações Lineares — T 57

3.53teo (Regra de Cramer) Seja Ax = b um sistema linear de n

1
equações a n incógnitas PD. Então, x = |A| adj(A) b, i.e.,
∆i
xi = |A| , i = 1, . . . , n, em que ∆i é o determinante da ma-
triz que se obtém a partir da matriz A, na qual se substitui
a i-ésima coluna pelo vector dos termos independentes, b.

x + 2y = 1
3.54exe Verifique que o sistema linear é PD e
−3x + 6y = 2
determine a sua solução através da Regra de Cramer.
 3. Sistemas de Equações Lineares — TP 58

3. Sistemas de Equações Lineares — TP

3.1 Determine, para cada uma das seguintes matrizes, uma matriz equivalente que esteja na forma escalonada.
   
1 1 0 2 0 1 3 −1 2
0 0 0 0 0 0 11 −5 3
(a) A = 
0 0 2 0 4.
 (e) E = 2 −5 3 1.


0 0 0 1 5 4 1 1 5
   
6 3 −4 1 2 −1 2 1
(b) B = −4 1 −6. (f) F = 2 4 1 −2 3.
1 2 −5 3 6 2 −6 5
   
1 0 0 2 0 1 0 0 2
0 0 1 0 0 0 0 0 3
(c) C = 
1 0 0 0 1.
 (g) G = 0 0 0 0.


0 0 2 0 2 0 0 0 0
   
1 −2 3 −1 1
(d) D = 2 −1 2 2 . (h) x = −1.
3 1 2 3 3

sols 3.1 Nota: associada a cada matriz não-nula, existe uma infinidade de matrizes que lhe são equivalentes e que estão
na forma escalonada. As soluções que a seguir se apresentam, resultam da aplicação do algoritmo apresentado
em 3.8 teo , em que no passo `i ↔ `k , com akj 6= 0, k > i troca-se a linha i com a linha k(> i) que lhe esteja
mais próxima e que satisfaça akj 6= 0.
   
1 1 0 2 0 1 3 −1 2
0 0 2 0 4 0 11 −5 3
(a) A ←→ A, A =  0 0 0 1 5.
 (e) E ←→ E, E =  0 0
.
0 0
0 0 0 0 0 0 0 0 0
 
6 3 −4
(b) B ←→ B, B = 0 3 − 26
 
3 .
 1 2 −1 2 1
0 0 0 (f) F ←→ F , F = 0 0 3 −6 1.
0 0 0 −6 1
 
1 0 0 2 0
0 0 1 0 0
(c) C ←→ C, C =  0 0 0 −2 1.

(g) A matriz G já está na forma escalonada.
0 0 0 0 2
   
1 −2 3 −1 1
(d) D ←→ D, D = 0 3 −4 4 . (h) x ←→ x, x = 0.
0 0 7 −10 0
 
1 2 −1 1
−1 −1 2 −1
3.2 Calcule o determinante da matriz A = 
 0 −1 0
 por dois processos distintos.
1
−1 −2 2 −1

sols 3.2 |A| = −1.

3.3 Calcule o determinante das seguintes matrizes:

   
4 −1 cos α − sen α
(a) A = . (d) D = .
−1 4 sen α cos α
   
2 1 1 0 −1 2
(b) B = 1 1 1. (e) E = −1 2 0 .
0 2 2 2 −3 −2
   
0 1 0 0 2 3 3 2
1 0 1 0 1 1 1 1
(c) C = 0 1 0 1.
 (f) F = 
1 2 2 3.


0 0 1 1 2 1 2 1
 3. Sistemas de Equações Lineares — TP 59

sols 3.3 (a) |A| = 15. (d) |D| = 1.

(b) |B| = 0. (e) |E| = 0.
(c) |C| = 1. (f) |F | = 2.
       
1 2 3 1 1 1 1 0 1 −1 0 0
3.4 Considere as seguintes matrizes: A = 0 2 3 , B = 2 2 2 , C = 0 0 0 , D =  0 1 0 .
0 0 3 3 3 3 1 0 1 0 0 −1
Usando as propriedades dos determinantes, calcule:

(a) |A|. (f) |AC|.

(b) | − 2A|. (g) |A−1 DA|.
(c) −2|A|. (h) |ABCD|.
(d) |2AT AAT |. (i) |P −1 AP |, sabendo que P é uma matriz invertível
(e) |AT A−1 B T |. de ordem 3.

sols 3.4 (a) |A| = 6. (f) |AC| = 0.

(b) | − 2A| = −48.
(g) |A−1 DA| = 1.
(c) −2|A| = −12.
(d) |2AT AAT | = 1728. (h) |ABCD| = 0.
(e) |AT A−1 B T | = 0. (i) |P −1 AP | = 6.

3.5 Sejam as matrizes quadradas A e B, tais que |A| = 2 e B = 2AT . Diga, justificando, se a seguinte afirmação é
verdadeira ou falsa: “A matriz B é invertível.”
sols 3.5 Verdadeira.
3.6 Classifique quanto ao número de soluções e determine o conjunto de soluções dos seguintes sistemas lineares:
 
x1 + 2x2 = 5 x1 + 2x2 + 3x3 = 14
(a) (c)
3x2 = 6. 4x2 + 5x3 = 23.
 
x1 + 2x2 = 1 x1 + x2 + x3 + x4 = 1
(b) (d)
0x2 = 2. x4 = 1.

sols 3.6 (a) PD. C.S.= {(1, 2)}.

(b) Imp. C.S.= ∅.
(c) PI. C.S.= {( 5−α
2 ,
23−5α
4 , α), α ∈ R}.
(d) PI. C.S.= {(−s − t, s, t, 1), t, s ∈ R}.

3.7 Resolva pelo método de eliminação de Gauss os seguintes sistemas lineares:

 

 x + y + z + w = 0 
 x + y + z + 2w = 1
2x − y + z − w = 5 2x − y + z − w = −1
 
(a) (b)

 y − w = 0 
 y + 3w = 1
x − w = 2. 2x − 2y + 2z − w = −2.
 

sols 3.7 (a) C.S.= {(1, −1, 1, −1)}.

(b) C.S.= {(0, 1, 0, 0)}.

3.8 Considere os seguintes sistemas lineares:

 
 x1 + x2 + x3 = 3  x1 + x2 + x3 = 3
(S1 ) x1 − x2 = 0 (S3 ) x1 + x2 = 2
−x1 + x3 = 0. 2x1 + 2x2 + x3 = 1.
 
 
 x1 + x2 = 2  x1 − x2 + x3 = 1
(S2 ) x1 + x3 = 2 (S4 ) −2x1 + 2x2 − 2x3 = −2
2x1 + x2 + x3 = 4. −x1 + x2 − x3 = −1.
 
 3. Sistemas de Equações Lineares — TP 60

Responda às seguintes questões para cada um destes sistemas:

(a) identifique a matriz dos coeficientes A, o vector dos termos independentes b, o vector das incógnitas x e a
matriz ampliada A|b.
(b) Classifique o sistema quanto ao número de soluções e determine o seu conjunto de soluções.
(c) Indique a dimensão do subespaço gerado pelas colunas da matriz dos coeficientes.
(d) Indique se o vector dos termos independentes pertence ao subespaço gerado pelas colunas da matriz dos
coeficientes.
(e) Classifique o sistema homogéneo associado quanto ao número de soluções, determine o seu conjunto de
soluções e comente os resultados obtidos.
       
1 1 1 3 x1 1 1 1 3
sols 3.8 (S1 ) (a) A =  1 −1 0 , b = 0 , x = x2  , A|b =  1 −1 0 0 .
−1 0 1 0 x3 −1 0 1 0
(b) PD. C.S.= {(1, 1, 1)}.
(c) dim(R(A)) = 3.
(d) Sim.
(e) PD. C.S.= {(0, 0, 0)}.
       
1 1 0 2 x1 1 1 0 2
(S2 ) (a) A = 1 0 1 , b = 2 , x = x2  , A|b =  1 0 1 2 .
2 1 1 4 x3 2 1 1 4
(b) PI. C.S.= {(2 − t, t, t), t ∈ R}.
(c) dim(R(A)) = 2.
(d) Sim.
(e) PI. C.S.= {(−t, t, t), t ∈ R}.
       
1 1 1 3 x1 1 1 1 3
(S3 ) (a) A = 1 1 0 , b = 2 , x = x2  , A|b =  1 1 0 2 .
2 2 1 1 x3 2 2 1 1
(b) Imp. C.S.= ∅.
(c) dim(R(A)) = 2.
(d) Não.
(e) PI. C.S.= {(−s, s, 0), s ∈ R}.
       
1 −1 1 1 x1 1 −1 1 1
(S4 ) (a) A = −2 2 −2 , b = −2 , x = x2  , A|b =  −2 2 −2 −2 .
−1 1 −1 −1 x3 −1 1 −1 −1
(b) PI. C.S.= {(1 + s − t, s, t), s, t ∈ R}.
(c) dim(R(A)) = 1.
(d) Sim.
(e) PI. C.S.= {(s − t, s, t), s, t ∈ R}.

3.9 Seja o sistema (linear) Ax = b de m equações a n incógnitas. Dê exemplos de sistemas possíveis e determinados,
possíveis e indeterminados e impossíveis para m > n, m = n e m < n, sempre que tal seja possível.

3.10 Discuta os seguintes sistemas de equações lineares Ax = b em função dos respectivos parâmetros reais:
       
1 1 α 2 1 2 1 0 2
(a) A = 3 4 2 , b = α. (c) A = 3 3 5 c , b = 3.
2 3 −1 1 0 3 −2 −3 t
       
1 0 −3 −3 1 2 2 0 1
(b) A = 2 k −1, b = −2. (d) A = 0 2 1 1, b = 2.
1 2 k 1 1 0 1 a t

sols 3.10 (a) PD: α 6= 3. PI: α = 3. Imp: nunca.

(b) PD: k 6= 2 ∧ k 6= −5 . PI: k = 2. Imp: k = −5.
(c) PD: nunca. PI: c 6= 3 ∨ t = 3. Imp: c = 3 ∧ t 6= 3.
(d) PD: nunca. PI: a 6= −1 ∨ t = −1. Imp: a = −1 ∧ t 6= −1.
 3. Sistemas de Equações Lineares — TP 61

3.11 Calcule, se possível, as matrizes inversas das seguintes matrizes:

   
1 0 −1 −1 2 −3
(a) A =  2 0 0 . (c) C =  2 1 0 .
−1 1 0 4 −2 5
   
1 2 1 1
(b) B = . (d) D = .
2 4 1 0
1
   
0 2 0 −5 4 −3
sols 3.11 (a) A−1 =  0 1
2 1. (c) C −1 =  10 −7 6 .
1
−1 2 0 8 −6 5
 
−1 0 1
(b) A matriz B é singular. (d) D = .
1 −1
 
α 1 1
3.12 Determine, por dois processos distintos, para que valores de α a matriz A =  1 α 1  é invertível.
1 1 α

sols 3.12 A matriz A é invertível sse α ∈ R \ {−2, 1}.

 
1 1 0
3.13 Considere a matriz A = 1 0 1.
0 1 1

(a) Calcule A−1 .

(b) Mostre que o sistema Ax = b é possível e determinado, qualquer que seja o vector dos termos independentes
b ∈ R3 .
(c) Usando a alínea (a), resolva o sistema Ax = b, em que b = [bi ] ∈ R3 , bi = i.
 
1 1 −1
sols 3.13 (a) A−1 = 12  1 −1 1 .
−1 1 1
(c) C.S.= {(0, 1, 2)}.

3.14 Considere as seguintes matrizes:

         
1 2 2 1 0 1 1 0 1 1
A= , B1 = , B2 = , B3 = , B4 = .
0 −1 1 1 0 0 1 1 1 α

Determine α ∈ R, tal que a matriz A se possa escrever como combinação linear das matrizes B1 , B2 , B3 e B4 .
sols 3.14 A matriz A é uma combinação linear das matrizes B1 , B2 , B3 e B4 sse α 6= 1.
3.15 Indique quais dos seguintes conjuntos de vectores são conjuntos geradores do espaço vectorial R2 .

(a) A = {(1, 0), (0, 1)}. (d) D = {(1, 2)}.

(b) B = {(1, 2), (−1, 0)}. (e) E = {(1, 2), (2, 4), (−1, −2)}.
(c) C = {(1, 0), (0, 1), (1, 3)}. (f) F = {(1, −1), (−2, 2)}.

sols 3.15 A, B e C.
3.16 Discuta, em função do parâmetro real α, a independência linear dos vectores a = (1, −2) e b = (α, −1) de R2 .
sols 3.16 Se α 6= 12 , então os vectores a e b são linearmente independentes.
Se α = 12 , então os vectores a e b são linearmente dependentes.

3.17 Considere os vectores v1 = (α, 6), v2 = (1, α) ∈ R2 , α ∈ R. Determine os valores do parâmetro α para os quais o
conjunto {v1 , v2 } é uma base de R2 .
√
sols 3.17 α 6= ± 6.
 3. Sistemas de Equações Lineares — TP 62

3.18 Considere o seguinte subconjunto do espaço vectorial real R4 :

V = {(x, y, z, w) ∈ R4 |x = y − 3z ∧ z = 2w}.

(a) Mostre que V é um subespaço vectorial de R4 .

(b) Determine uma base e a dimensão de V .
sols 3.18 (b) Por exemplo, o conjunto {(1, 1, 0, 0), (−6, 0, 2, 1)} é uma base de V e dim(V ) = 2.

3.19 Considere o seguinte sistema não linear nas incógnitas α, β e γ.


 2 sen α − cos β + 3 tan γ = 3
4 sen α + 2 cos β − 2 tan γ = 10
6 sen α − 3 cos β + tan γ = 9.


Mostre que, neste caso, é possível concluir que o sistema é impossível recorrendo ao método de eliminação de
Gauss.
3.20 Determine a equação da parábola que passa nos pontos (1, 2), (−1, 6) e (2, 3).
sols 3.20 x2 − 2x + 3.
   
3 2 1
3.21 Considere as matrizes A = eb= 1 .
1 1 3

(a) Calcule |A|.

(b) Determine adj(A).
(c) Determine A−1 pelo método da adjunta.
(d) Resolva o sistema linear Ax = b pela Regra de Cramer.
sols 3.21 (a) |A| = 1.
 
1 −2
(b) adj(A) = .
−1 3
 
−1 1 −2
(c) A = .
−1 3
(d) C.S.= {( 13 , 0)}.