Cap 01 Sistemas Lineares

Álgebra Linear - Sistemas lineares
Antonio Cândido Faleiros
Universidade Federal do ABC
Santo André, SP
2021
2
Sumário
1 Sistemas lineares 7
1.1 Conjunto ordenado nito . . . . . . . . . . . . . . . . . . . . . . 9
1.1.1 Representação geométrica . . . . . . . . . . . . . . . . . 13
1.2 Retas e planos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.2.1 Equação geral da reta no plano cartesiano . . . . . . . . 14
1.2.2 Equações paramétricas da reta no plano cartesiano . . . 14
1.2.3 Equação geral do plano no espaço cartesiano . . . . . . . 17
1.2.4 Equações paramétricas do plano no espaço cartesiano . . 18
1.2.5 Equações paramétricas da reta no espaço cartesiano . . . 20
1.2.6 Posição relativa de planos no espaço cartesiano . . . . . . 21
1.2.7 Reta no espaço como interseção de dois planos . . . . . . 22
1.3 Equações algébricas lineares . . . . . . . . . . . . . . . . . . . . 24
1.3.1 Equação algébrica linear degenerada . . . . . . . . . . . 27
1.3.2 Soluções de uma equação não degenerada . . . . . . . . . 28
1.4 Sistemas de equações lineares . . . . . . . . . . . . . . . . . . . 31
1.5 Matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
1.6 Matriz escalonada . . . . . . . . . . . . . . . . . . . . . . . . . . 43
1.7 Sistema escalonado . . . . . . . . . . . . . . . . . . . . . . . . . 45
1.7.1 Resolução de um sistema escalonado reduzido . . . . . . 46
1.7.2 Resolução de um sistema escalonado . . . . . . . . . . . 47
1.8 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
1.9 Operações elementares . . . . . . . . . . . . . . . . . . . . . . . 52
1.10 Método de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . 56
1.11 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
1.12 O método de Gauss-Jordan . . . . . . . . . . . . . . . . . . . . 64
1.13 Operações matriciais . . . . . . . . . . . . . . . . . . . . . . . . 66
1.13.1 Multiplicação de uma matriz por um número real . . . . 66
1.13.2 Adição de matrizes . . . . . . . . . . . . . . . . . . . . . 67
1.13.3 Multiplicação de matrizes . . . . . . . . . . . . . . . . . 70
1.14 Forma matricial de um sistema linear . . . . . . . . . . . . . . . 75
1.15 Combinação linear de matrizes . . . . . . . . . . . . . . . . . . . 82
3
4 SUMÁRIO
1.16 Dependência linear . . . . . . . . . . . . . . . . . . . . . . . . . 86

1.17 Equação matricial linear homogênea . . . . . . . . . . . . . . . . 91
1.18 Matriz inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
1.18.1 Propriedades da matriz inversa . . . . . . . . . . . . . . 104
1.19 Matriz elementar . . . . . . . . . . . . . . . . . . . . . . . . . . 105
1.19.1 Forma escalonada como um produto de matrizes . . . . . 108
1.20 Um método para inverter matrizes . . . . . . . . . . . . . . . . 112
1.20.1 Procedimento prático para obter a inversa . . . . . . . . 113
1.21 Outras propriedades envolvendo a inversa . . . . . . . . . . . . . 118
1.22 Matriz transposta . . . . . . . . . . . . . . . . . . . . . . . . . . 122
1.22.1 Propriedades da transposta . . . . . . . . . . . . . . . . 123
1.23 Matriz simétrica . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
1.24 Potência inteira de uma matriz . . . . . . . . . . . . . . . . . . 125
Professor Antonio Cândido Faleiros

SUMÁRIO 5
Prezados alunos, sejam bem-vindos.
Pegue seu celular, computador ou tablet,
lápis, papel e borracha.
Anote, esboce, faça diagramas, pense, interprete.
Resolva problemas sobre o assunto.
Ah... e se tiver alguma dúvida, pergunte.
É assim que se estuda.

6 SUMÁRIO

Capítulo 1
Sistemas lineares
Neste capítulo vamos estudar
equações algébricas lineares
2x − y + 3z = 4
sistemas de equações algébricas lineares
x+y =5
2x − y = 1
As letras x, y e z são as incógnitas.

Motivo: inúmeras aplicações em Matemática, Física, Engenharia, Econo-
mia, etc.
Objetivo: determinar soluções.
Dizemos que encontramos uma solução quando determinamos um conjunto

de números reais que, ao serem colocados no lugar das incógnitas, tornam as
igualdades verdadeiras.
Exemplo. Considere a equação

8 Sistemas lineares
2x − y + 3z = 4
observe que x = 1, y = 1, z = 1 é uma solução da equação pois
2×1−1+3×1=4
Outra solução é x = 2, y = −3, z = −1 pois
2 × 2 − (−3) + 3 × (−1) = 4
Como determinamos tais soluções?
Explicitamos uma incógnita
y = 2x + 3z − 4
e, a cada valor que atribuímos a x e a z, determinamos um valor para y.

Os valores assim determinados formam uma solução da equação.
Exemplo. Uma solução do sistema
x+y =5
2x − y = 1
x = 2, y=3
pois
2+3 = 5
2×2−3 = 1

1.1 Conjunto ordenado nito 9
1.1 Conjunto ordenado nito

Conjunto é uma coleção de objetos
{ a, b, c, . . . }
Conjunto ordenado nito
( x1 , x2 , x3 , . . . , xn ) sequência ordenada nita de objetos
Vamos nos ater a sequências ordenadas nitas de números reais ou com-

plexos.
Qual a diferença?
Me permitam o trocadilho: a diferença está na igualdade

Igualdade entre conjuntos
A=B se A⊂B e B ⊂ A.
Exemplo. A ordem dos elementos e a múltipla inserção de um mesmo

elemento é irrelevante
{1, 2} = {2, 1} = {2, 1, 2} = {1, 2, 1, 1}

{1} = {1, 1} = {1, 1, 1}
Se A e B não forem iguais, diremos que são diferentes e escrevemos A 6= B.

O número de elementos de um conjunto é obtido contando quantos
elementos distintos ele possui.

10 Sistemas lineares
Igualdade entre conjuntos ordenados
Dois conjuntos ordenados nitos,
( x1 , , x2 , . . . , xm ) e ( y1 , y2 , . . . , yn )
são iguais quando ambos possuem o mesmo número de entradas (m = n)

e
x1 = y 1 , x 2 = y2 , ..., xn = yn .
Quando forem iguais, escrevemos
( x1 , , x2 , . . . , xn ) = ( y1 , y2 , . . . , yn )
Exemplo.
(x, y, z) = (1, 2, 3)
quando
x = 1, y = 2, z = 3.
Quando dois conjuntos ordenados nitos
( x1 , , x2 , . . . , xm ) e ( y1 , y2 , . . . , yn )
não forem iguais, diremos que são diferentes e escreveremos
( x1 , , x2 , . . . , xm ) 6= ( y1 , y2 , . . . , yn )

Exemplo.
6
(1, 1, 2) = (1, 2)
(1, 2) = 6 (2, 1)
Casos particulares
Exemplo. Pares ordenados de números reais
(1, 1), (1, 2), (5, 7).
O conjunto de todos os pares ordenados de números reais
R2 = { (a, b) : a, b ∈ R } .
Exemplo. Ternos ordenados de números reais
(1, 2, 3), (3, 3, 5), (4, −7, 9)
O conjunto de todos os ternos ordenados de números reais
R3 = { (a, b, c) : a, b, c ∈ R } .
Exemplo. Quadras ordenadas de números reais
(1, 2, 3, 4), (−8, 7, 6, −3)

O conjunto de todas as quadras ordenadas de números reais
R4 = { (a, b, c, d) : a, b, c, d ∈ R } .
Caso geral
Um conjunto ordenado nito de números reais contendo n elementos é

denominado n−upla ordenada (leia-se ênupla ordenada) de números reais
(x1 , x2 , . . . , xn )
O conjunto de todas as n−uplas ordenadas de números reais é designado

por
Rn = { (x1 , x2 , . . . , xn ) : x1 , x2 , . . . , xn ∈ R }.
Os números reais x1 , . . . , xn , são chamados de elementos da n−upla (x1 ,

. . . , xn ).
xi ocupa a i−ésima posição e i é o índice de xi
Nota 1.1 Nos países de lingua inglesa
(2.1, 3.4, 6.8)
No Brasil
(2, 1; 3, 4; 6, 8)
Vamos usar a notação inglesa quando usarmos frações decimais.

1.1.1 Representação geométrica
A reta e o conjunto R dos números reais
A um ponto da reta, que designamos por O e chamamos de origem, asso-

ciamos o número real zero. Este ponto separa a reta em duas semiretas. Em
uma delas, num ponto a x unidades de medida de O associamos o número real
positivo x. Na outra, num ponto a y unidades de medida de O, associamos o
número real negativo −y.
Para realizar essas medidas, se lança a hipótese da existência de um ins-
trumento de medida perfeito, que mede qualquer distância ou ângulo de forma
exata, sem cometer êrro algum. Tal instrumento hipotético, que não existe no
mundo real, é capaz de posicionar qualquer número real na reta e, com isso,
associá-lo a um ponto.
A reta na qual se associou cada ponto a um número real, recebe o nome de

eixo coordenado, que é usado para representar geométricamente o conjunto
R dos números reais.
O eixo coordenado é desenhado traçando um segmento da reta com uma

seta numa de suas extremidades, que aponta no sentido de crescimento dos
números reais.
O plano geométrico e o R2
Na geometria analítica plana, dois eixos coordenados mutuamente ortogo-

nais, que se intersectam num ponto O chamado origem, estabelece um sistema
de coordenadas retangulares, em relação ao qual, cada ponto do plano pos-
sui duas coordenadas. O plano geométrico com um sistema de coordenadas é
chamado de plano cartesiano.
Se as coordenadas de um ponto P em relação aos eixos coordenados forem

x e y, associamos a este ponto o par ordenado (x, y) de números reais.
Esta associação entre pontos e pares ordenados de números reais permite

2
usar o plano cartesiano para representar geométricamente o R .
O espaço geométrico e o R3

Na geometria analítica espacial, três eixos coordenados mutuamente orto-

gonais, que se intersectam num ponto O chamado origem, estabelece um sis-
tema de coordenadas retangulares, em relação ao qual, cada ponto do espaço
possui três coordenadas. O espaço geométrico com um sistema de coordenadas
é chamado de espaço cartesiano.
Se as coordenadas de um ponto P em relação aos eixos coordenados forem
x, y e z, associamos a este ponto o terno ordenado (x, y, z) de números reais.
Esta associação entre pontos e ternos ordenados de números reais permite
3
usar o espaço cartesiano para representar geométricamente o R.
1.2 Retas e planos

1.2.1 Equação geral da reta no plano cartesiano
As coordenadas (x, y) dos pontos de uma reta no plano cartesiano estão rela-
cionadas por uma equação do tipo
ax + by = c
chamada equação geral da reta. Nela, a, b e c são números reais xados.
Exemplo. A equação
2x + 3y = 6
dene as coordenadas (x, y) dos pontos de uma reta no plano cartesiano.
1.2.2 Equações paramétricas da reta no plano cartesiano
Também é possível relacionar as coordenadas (x, y) dos pontos de uma reta no

plano cartesiano usando as equações paramétricas da reta
x = a1 + b 1 t
y = a2 + b 2 t

1.2 Retas e planos 15
onde a1 , a 2 , b 1 e b2 são números reais xados e t, chamado de parâmetro,

pode variar no conjunto R dos números reais. Para a reta não se degenerar
num ponto,
(b1 , b2 ) 6= (0, 0)
Exemplo. O sistema de equações
x = 1+t
y = 3t
fornece as coordenadas (x, y) dos pontos de uma reta no plano, à medida que
t percorre o conjunto de números reais.
Explicitando t na primeira equação e substituindo na primeira obtemos
y = 3(x − 1) ou 3x − y = 3
que é a equação geral da reta.
Exemplo. Obtenha as equações paramétricas da reta do plano cartesiano

cujos pontos possuem coordenadas (x, y) que satifazem à equação geral
2x + 3y = 6.
Podemos denir o parâmetro (a escolha não é única)
t=y
e substituir na equação acima
1 3
x = (6 − 3y) = 3 − t
2 2

Equações paramétricas
3
x = 3− t
2
y = t
Se houvéssemos denido o parâmetro t por
y = 2t,
chegaríamos às equações paramétricas
x = 3 − 3t
y = 2t
Exemplo. Considere a reta do plano cartesiano cuja equação geral é
x = 4.
O y não aparece explicitamente. Para obter suas equações paramétricas de-
nimos o parâmetro t por
t = y.
Chegamos às equações paramétricas
x=4 e y = t.
Exemplo. Se as equações paramétricas da reta no plano cartesiano forem
x = 7, y = 2t − 2,

sua equação geral é
x = 7.
1.2.3 Equação geral do plano no espaço cartesiano
As coordenadas (x, y, z) dos pontos de um plano no espaço cartesiano estão

relacionadas por uma equação do tipo
ax + by + cz = d
chamada equação geral do plano no espaço cartesiano. Nela, a, b, c e d

são números reais xados.
2x − y + 3z = 6
dene as coordenadas (x, y, z) dos pontos de um plano no espaço cartesiano.
Exemplo. No espaço cartesiano, a equação
x + 2y = 4
descreve um plano onde o z não aparece explicitamente.
Comparando com a equação no caso geral, ax + by + cz = d, temos
a = 1, b = 2, c=0 e d = 4.
Exemplo.

1.2.4 Equações paramétricas do plano no espaço cartesi-

ano
Também é possível relacionar as coordenadas (x, y, z) dos pontos de um plano

no espaço cartesiano usando as equações paramétricas do plano
x = a1 + b1 r + c1 s
y = a2 + b2 r + c2 s
z = a3 + b3 r + c3 s
onde a1 , a2 , a3 , b1 , b2 , b3 , c1 , c2 e c3 são números reais xados, r e s são

chamados de parâmetros, que podem variar no conjunto R dos números reais.
A cada par de valores reais atribuídos a r e s as equações paramétricas

fornecem as coordenadas (x, y, z) dos pontos do plano.
Para o plano não se degenerar numa reta ou num ponto, os ternos (b1 , b2 , b2 )
e (c1 , c2 , c2 ) não podem ser iguais a (0, 0, 0) e não deve existir um número real
k para o qual
(b1 , b2 , b2 ) = (kc1 , kc2 , kc2 ).
Exemplo. Considere o plano no espaço cartesiano cujas equações para-

métricas são
x = 1 + r + s,
y = 2r + s,
z = −3 − r + s.
À medida que os parâmetros r e s, os pontos cujas as coordenadas são (x, y,

z) percorrem o plano.
Explicitando r e s nas duas primeiras equações paramétricas
r + s = x − 1,
2r + s = y.
Subtraindo a primeira da segunda, obtemos

r = y − x + 1.
Substituindo esta expressão de r na primeira igualdade acima, chegamos em
s = 2x − y − 2.
Usando essas expressões de r e s na terceira equação paramétrica, z = −3 −

r + s, obtemos a equação geral desse plano
3x − 2y − z = 6.
Vimos, através desse exemplo, como obter a equação geral do plano a partir
das suas equações paramétricas.
Vamos agora mostrar como obter as equações paramétricas a partir da

equação geral.
Exemplo. Consideremos o plano cuja equação geral é
x + y + z = 1.
Como aparecem x, y e z nesta equação, podemos usar duas delas como parâ-
metro (a escolha não é única)
y = r, z=s
e substituir na equação geral, explicitando x para obter
x = 1−r−s
y = r
z = s
que são as equações paramétricas do plano.

Exemplo. No espaço geométrico considere o plano cuja equação geral de

suas coordenadas (x, y, z) é
2x + y = 5.
Nela, a coordenada z está ausente. Para obter suas equações paramétricas, o z
precisa ser um dos parâmetros. Escolhemos x ou y para ser o outro parâmetro.
Vamos escolher (a escolha não é única)
x = r, z=s
e substituir na equação geral, explicitando o y para obter
y = 5 − 2r
As equações paramétricas do plano cam
x = r
y = 5 − 2r
z = s
1.2.5 Equações paramétricas da reta no espaço cartesi-

ano
No espaço cartesiano as coordenadas (x, y, z) de uma reta obedecem às equa-

ções paramétricas
x = a1 + b1 t,
y = a2 + b2 t,
z = a3 + b 3 t
onde t é uma variável chamada parâmetro da reta.

À medida que o t percorre o conjunto dos números reais, (x, y, z) percorre

as coordenadas dos pontos da reta.
Exemplo. As equações
x = 1 + t,
y = −2t,
z = −3
denem as coordenadas (x, y, z) dos pontos de uma reta no espaço cartesi-

ano.
Ao fazer t = 0, obtemos o ponto de coordenadas (1, 0, −3).

Ao fazer t = 1, obtemos o ponto de coordenadas (2, −2, −3).
1.2.6 Posição relativa de planos no espaço cartesiano
Considere dois planos no espaço cartesiano cujas equações gerais são
2x + 3y − 4z = 9
3x − 4y + 2z = 8.
A interseção destes planos pode ser vazia, uma reta ou um plano.
O estudo da existência ou não de pontos com coordenadas (x, y, z) que

satisfazem a essas duas equações é que irá nos informar qual é o caso.
Podemos também analisar a posição relativa de três planos no espaço cujas

coordenadas (x, y, z) obedecem às equações gerais
2x + 2y − 2z = 3
5x + 4y + 3z = 7
3x + 6y + 9z = 8

A interseção destes planos pode ser vazia, um ponto, uma reta ou um

plano, a depender da existência ou não de pontos com coordenadas (x, y, z)
que satisfazem as três equações ao mesmo tempo.
1.2.7 Reta no espaço como interseção de dois planos
A interseção de dois planos no espaço ou é vazia ou é uma reta ou é um plano.
Desta forma, uma reta no espaço pode ser formada pelos pontos cujas
coordenadas (x, y, z) satisfazem simultaneamente às equações de dois planos
a1 x + b 1 y + c 1 z = d 1
a2 x + b 2 y + c 2 z = d 2
chamadas de equações gerais da reta no espaço.
Exemplo. Considere a reta do espaço cujas equações paramétricas são
x = 3 − 2t,
y = 1 − 4t,
z = 2 + t,
onde t é o parâmetro. Explicitando t na equação em z e substituindo nas
outras duas equações obtemos
x + 2z = 7 e y + 4z = 9.
Estas são as equações gerais de dois planos cuja interseção é a reta dada.
Exemplo. Verique se a interseção dos planos
2x + y + z = 1
x+y = 4
é vazia, é uma reta ou é um plano.

Vamos resolver o sistema em duas etapas:
1. Subtraia a segunda equação da primeira e, em seguida, subtraia da

primeira equação o dobro da segunda para obter
x + z = −3
−y + z = 4
Explicite o x e o y na primeira e segunda equação, respectivamente,
x = −3 − z
y = z−4
Para cada valor real atribuído ao z obtemos um x e um y, mostrando que
o sistema possui innitas soluções que dependem da variação de uma única

variável z. Temos uma reta e, ao denir o parâmetro,
t = z,
obtemos suas equações paramétricas
x = −3 − t, y =7+t e z = t.
Exemplo. Considere no espaço geométrico dois planos cujas equações

gerais são
x+z = 4
2x − z = 5.
Como o y não aparece em nenhuma das equações, podemos resolver o sistema
para x e z e obter
x = 3, z = 1.
Como não há restrição sobre o valor de y, nós o tomamos como parâmetro

t=y
As equações paramétricas da reta são
x = 3, y = t, z = 1,
onde o parâmetro t pode assumir qualquer valor real.
Exemplo. Considere a reta no espaço cujas equações paramétricas são
x = 2t, y = −1 + 4t, z = −5.
Explicitando t na primeira equação e substituindo na segunda, camos com as

equações gerais de dois planos
y = −1 + 2x e z = −5
cuja interseção é a reta inicial.
1.3 Equações algébricas lineares

Dados os números reais a1 , a2 , . . . , an e b, considere uma equação do tipo
a1 x 1 + · · · + an x n = b
Esta é uma equação algébrica linear nas incógnitas x1 , . . . , xn . Os números

reais a1 , a2 , . . . , an são seus coecientes e b é seu termo constante.
Exemplo. Uma equação algébrica linear nas incógnitas x e y é
2x − 3y = 7

1.3 Equações algébricas lineares 25
Exemplo. Equação algébrica linear nas incógnitas x1 , x 2 , x 3 é
x1 − 5x2 + 2x3 = 9.
Soluções
Denição 1.2 Considere a equação algébrica linear
a1 x 1 + a2 x 2 + · · · + an x n = b
nas incógnitas x1 , x2 , . . . , xn , onde a1 , a2 , . . . , an e b são números reais.

Sejam c1 , . . . , cn números reais tais que
a1 c1 + a2 c2 + · · · + an cn = b.
Então
x1 = c1 , x2 = c2 , . . . , xn = cn
é uma solução da equação algébrica linear.

Podemos escrever a solução na forma de uma n-upla ordenada
(x1 , x2 , . . . , xn ) = (c1 , c2 , . . . , cn )
ou dizer que a n−upla

(c1 , c2 , . . . , cn )

é solução da equação algébrica linear.

Neste último caso, o contexto deve especicar que c1 é o valor que deve ser
atribuído a x1 , c2 é o valor que deve ser atribuído a x2 , e assim por diante.
Exemplo. Uma solução da equação algébrica linear
3x − 4y − 6z = 7
é
x = 5, y = −1, z=2
Também podemos dizer que
(x, y, z) = (5, −1, 2)
é uma solução da equação dada.
Um modo sistemático de obter soluções desta equação consiste em explicitar

x em função de y e z para obter
7 + 4y + 6z
x= .
3
Ao atribuir valores reais para as incógnitas y e z, podemos calcular x usando
esta expressão.
Tomando
y=z=0 obtemos x = 7/3,

de modo que outra solução da equação proposta é
(x, y, z) = (7/3, 0, 0).
Exemplo. Explicitando x em
x − 4y + 6z = 1

obtemos
x = 4y − 6z + 1.
Fazendo y = z = 0, obtemos x = 1. Assim,
(x, y, z) = (1, 0, 0)
é uma solução da equação algébrica.
Fazendo y=2 e z = 0, obtemos x = 9. Logo, outra solução é
(x, y, z) = (9, 2, 0)
Esta equação possui uma innidade de soluções.
1.3.1 Equação algébrica linear degenerada
É aquela em que todos os coecientes são iguais a zero
0x1 + 0x2 + · · · + 0xn = b.
1. Quando b 6= 0, ela não possui solução.
2. Quando b = 0, toda n−upla (x1 , . . . , xn ) = (c1 , . . . , cn ) é solução.
O leitor pode estar se perguntando quando é que vamos nos deparar com
equação degeneradas. Adiantando, armamos que iremos nos deparar com elas
no estudo das soluções de um sistema de equações lineares.
Exemplo. A equação degenerada

0x + 0y = 0
não impõe restrições aos valores de x e y. Deste modo, qualquer par (x, y) de
números reais é solução desta equação.
Por outro lado, a equação degenerada
0x + 0y = 1
não possui solução.
1.3.2 Soluções de uma equação não degenerada
Um modo de obter soluções de uma equação não degenerada
a1 x 1 + · · · + an x n = b
consiste em explicitar uma das incógnitas em função das outras e diremos que
a equação está resolvida.
Exemplo. Para resolver a equação linear
x − 3y + 2z = 7
basta isolar x no lado esquerdo da equação
x = 7 + 3y − 2z.
Qualquer par de valores atribuídos a y e z nos permite determinar o x e assim

obter uma solução.
Ao explicitar uma das incógnitas em função das outras, ela recebe o nome
devariável dependente e as demais recebem o nome de variáveis inde-
pendentes ou variáveis livres.

Solução geral
O conjunto de todas as soluções de
a1 x1 + · · · + an xn = b.
é denominado conjunto solução ou solução geral da equação.
Cada solução deste conjunto é chamada de solução particular.
x + 3y = 7
possui uma innidade de soluções.
O conjunto solução é formado por todos os pares (x, y) de números reais

para os quais
x = 7 − 3y
A equação degenerada
0x + 0y = 8
não possui solução. Portanto, sua solução geral é o conjunto vazio.
Todo par (x, y) = (c, d) de números reais é solução da equação degenerada
0x + 0y = 0.
Logo, seu conjunto solução é todo o R2 .
Solução geral na forma paramétrica
Quando explicitamos y em
−5x + y = 3,

obtemos
y = 3 + 5x
e dizemos que a equação está resolvida.
Para tratar x e y em pé de igualdade, podemos introduzir um parâmetro

t denido em termos de uma das variáveis. Por exemplo,
t=x
e a solução geral pode ser apresentada na forma paramétrica
x = t
y = 3 + 5t
À medida que t percorre o conjunto dos números reais as expressões acima

nos fornecem os valores de x e y que resolvem a equação
−5x + y = 3.
A solução geral desta equação linear é o conjunto de todos os pares (x, y)

tais que x=t e y = 3 + 5t, onde t percorre os reais
{ (x, y) : x = t, y = 3 + 5t, t ∈ R }
Exemplo. Explicitando z na equação
3x − 4y + z = 5,
obtemos
z = 5 − 3x + 4y.

1.4 Sistemas de equações lineares 31
A cada par de valores reais atribuídos a x e a y nesta equação obtemos um
valor de z de tal modo que o terno (x, y, z) obtido é uma solução da equação
inicial.
Solução geral
{ (x, y, z) : z = 5 − 3x + 4y, x, y ∈ R }
Para tratar todas as incógnitas em pé de igualdade, podemos denir dois

parâmetros usando as variáveis livres x e y
r = x, s=y
Para obter a solução geral na forma paramétrica
x = r,
y = s,
z = 5 − 3r + 4s.
onde os parâmetros r e s podem assumir quaisquer valores reais.
1.4 Sistemas de equações lineares
A necessidade de resolução de sistemas de equações algébrias lineares surge

naGeometria, Cálculo Numérico, Otimização, áreas importantes para a
Engenharia e a Economia.
Forma geral

Um sistema de equações algébricas lineares é um conjunto de m equa-

ções algébricas lineares com n incógnitas x1 , x2 , . . . , xn
a11 x1 + a12 x2 + · · · + a1n xn = b1

a21 x1 + a22 x2 + · · · + a2n xn = b2
··· (1.1)
am1 x1 + am2 x2 + · · · + amn xn = bm
Os números reais aij são os coecientes do sistema e bi os seus termos

constantes.
Solução
Sejam c1 , c2 , . . . , cn números reais. Diremos que
x 1 = c1 , x2 = c2 , ..., x n = cn
é solução do sistema (1.1) quando esta for uma solução de todas as equações
do sistema
a11 c1 + a12 c2 + · · · + a1n cn = b1 ,

a21 c1 + a22 c2 + · · · + a2n cn = b2 ,
···
am1 c1 + am2 c2 + · · · + amn cn = bm .
Pode-se escrever a solução usando n−uplas ordenadas
(x1 , x2 , . . . , xn ) = (c1 , c2 , . . . , cn )
ou escrever apenas que
(c1 , c2 , . . . , cn )
é solução do sistema.
Neste último caso, o texto, ou o contexto, deve evidenciar que c1 é o valor

a ser atribuído a x1 , c 2 é o valor a ser atribuído a x2 , e assim por diante.

Com esta notação, toda solução do sistema de equações algébricas lineares

n
(1.1) é um ponto do R .
Exemplo. Uma solução do sistema
2x − y + 3z + w = −1
x + 2y − z + 3w = 2
y + 2z − 2w = 4
é
(x, y, z, w) = (1, 2, 0, −1)
Nota 1.3 Quando uma equação do sistema for degenerada, da forma
0x1 + 0x2 + · · · + 0xn = b , com b 6= 0,
já podemos armar que o sistema não possui solução.
Por outro lado, se uma das equações do sistema for
0x1 + 0x2 + · · · + 0xn = 0,
não precisamos nos preocupar com ela, uma vez que toda solução das outras
equações também é solução desta equação.
Exemplo. O sistema
x+y =1
0x + 0y = 2
não tem solução.
O sistema

x+y =1
x+y =2
não possui solução pois a soma x+y não pode ser igual a 1 e a 2 ao mesmo
tempo.
Já o sistema
x+y =2
0x + 0y = 0
possui innitas soluções. Toda solução da primeira equação é solução da se-
gunda. Todo par (x, y) de números reais onde
x=2−y
é solução da primeira equação e, portanto, solução do sistema.
Uma solução do sistema
x−y =2
x+y =4
é
(x, y) = (3, 1).
Mais tarde vamos mostrar que esta é a única solução.
Quando um sistema de equações algébricas lineares possuir uma ou mais

soluções, diremos que ele é consistente ou compatível.
Quando não possuir soluções, diremos que ele é inconsistente ou in-

compatível.
O conjunto de todas as soluções de um sistema de equações algébricas

lineares é o seu conjunto solução ou sua solução geral.

Cada solução deste conjunto é chamada de solução particular.
A solução geral de um sistema inconsistente é o conjunto vazio.
Na busca de soluções de um sistema de equações algébricas lineares, con-

sideramos o problema resolvido quando chegarmos a uma das conclusões
listadas abaixo.
1. que o sistema não possui solução;
2. que o sistema possui uma única solução e a apresentarmos;
3. que o sistema possui innitas soluções e apresentamos um modo siste-

mático para determiná-las.
Exemplo. O sistema
2x + y − 2z = 3,
0x + 0y + 0z = 1,
não possui solução pois a segunda equação é degenerada e com termo constante
não nulo.
Exemplo. O sistema
x + 2z = 3
y−z =1
pode ser escrito na forma
x = 3 − 2z,
y = 1 + z.

A cada valor real atribuído a z, calculamos x e y de modo que o terno

(x, y, z) é uma solução do sistema. Em casos como este o sistema possui
innitas soluções.
Não há restrição sobre z que pode receber qualquer valor real e, por este
motivo, z passa a ser chamada de variável independente ou variável livre.
Como os valores de x e y dependem do valor atribuído ao z, denominamos
o x e o y de variáveis dependentes ou variáveis líderes.
Ao explicitar as variáveis dependentes em função das variáveis independen-
tes, vamos considerar que o problema de encontrar soluções do sistema está
resolvido.
Exemplo. Explicitando x na primeira equação do sistema
x − 4y = 1,
y = 2,
obtemos
x = 1 + 4y,
y = 2.
Usando a segunda equação para eliminar y da primeira, chegamos à solução
x=9 e y = 2,
que é única.
1.5 Matriz
O sistema de equações
a11 x1 + a12 x2 + · · · + a1n xn = b1

a21 x1 + a22 x2 + · · · + a2n xn = b2
···
am1 x1 + am2 x2 + · · · + amn xn = bm

1.5 Matriz 37
é caracterizado por seus coecientes e suas constantes
   
a11 a12 · · · a1n b1
 a21 a22 · · · a2n   b2 
   
 .. .
. .. .
.
  .. 
 . . . .   . 
am1 am2 · · · amn bm
Esta disposição de números numa tabela delimitada por colchetes ou pa-

rêntesis é chamada de matriz.
Cada número aij é denominado entrada ou elemento da matriz.
A matriz possui linhas e colunas.
Fila designa tanto linha quanto coluna.
Uma matriz de tamanho m × n é aquela que possui m linhas e n colunas.
Forma abreviada de representar uma matriz
[aij ] ou [aij ]m×n
onde
aij designa o elemento da linha i coluna j.
As entradas das matrizes são acompanhadas de índices, i e j, para indicar

sua posição na tabela. O i indica a linha e j indica a coluna.
As letras maiúsculas serão utilizadas para designar as matrizes e as minús-

culas com índices para indicar suas entradas
A = [aij ]
Notação:
aij = (A)ij e Am×n para indicar o tamanho

Igualdade
Duas matrizes
[aij ] e [bij ]
são iguais e escrevemos
[aij ] = [bij ]
quando possuem o mesmo tamanho m×n e
aij = bij para 1 ≤ i ≤ m, 1≤j≤n
Quando A não for igual a B, diremos que A é diferente de B e escrevemos

A 6= B.
Matriz nula
Indicadas pelo símbolo 0 (zero)
 
0 0 ··· 0
 0 0 ··· 0 
0 =  .. .. . . ..  .
 
 . . . . 
0 0 ··· 0
Quando o símbolo 0 é usado, o texto, ou o contexto, deve esclarecer quando

0 signica uma matriz ou um número real.
Exemplo. O tamanho da matriz

1.5 Matriz 39

1 2 3
é 2 × 3.
−4 7 9
O tamanho da matriz

9 4 é 1 × 2.
O tamanho da matriz nula

0 0 0 0
0= é 2 × 4.
0 0 0 0
Matriz coluna e matriz linha
Matrizes com um única coluna são denominadas matrizes coluna ou

vetores coluna.
Matrizes com uma única linha são denominadas matrizes linha ou ve-
tores linha.
Exemplo. Abaixo vemos

1
1 2 3
2
uma matriz coluna e uma matriz linha.
Exemplo. Considere a matriz

1 2 3
A= .
4 5 6

As matrizes

1 2 3 , 4 5 6 ,
são chamadas de matrizes linha de A e

1 2 3
, , ,
4 5 6
são chamadas de matrizes coluna de A.
Matriz quadrada
Matriz quadrada: aquela em que o número de linhas é igual ao número

de colunas.
Matriz quadrada de ordem n é aquela que possui n linhas e n colunas.

As entradas a11 , a22 , a33 , . . . ann , formam a diagonal da matriz quadrada.
Matriz diagonal: Uma matriz quadrada onde apenas os elementos da

diagonal são diferentes de zero.
Exemplo. A primeira dentre as matrizes abaixo
 
1 0 0
1 2  0 2 0 
4 3
0 0 3
é uma matriz quadrada de ordem 2 e a segunda é uma matriz diagonal de
ordem 3. Nela, 1, 2 e 3 são os elementos da sua diagonal.
Matriz triangular
Matriz triangular inferior é uma matriz quadrada na qual todas as en-

tradas acima da diagonal são zeros.

1.5 Matriz 41
Matriz triangular superior é uma matriz quadrada na qual todas as

entradas abaixo da diagonal são zeros.
Exemplo. A primeira dentre as matrizes abaixo
   
1 0 0 1 7 8
 4 2 0   0 2 9 
5 6 3 0 0 3
é triangular inferior e a segunda é triangular superior.
Ambas são matrizes triangulares.
Matriz transposta
Se
A = [aij ]m×n
sua transposta é
AT = [bij ]n×m
onde
bij = aji ,
Exemplo. A transposta de

1 2 T 1 3
A= é A = ,
3 4 2 4
a transposta de
 
1 4
1 2 3
B= é BT =  2 5 
4 5 6
3 6

e a transposta de

1
CT =

C= 2  é 1 2 3 .
3
Vemos neste exemplo que o conceito de transposta pode economizar espaço pois
nos permite escrever matrizes colunas como transpostas de matrizes linha.
Sistemas lineares e matrizes
Dado o sistema linear
a11 x1 + a12 x2 + · · · + a1n xn = b1

a21 x1 + a22 x2 + · · · + a2n xn = b2
···
am1 x1 + am2 x2 + · · · + amn xn = bm
A primeira dentre as matrizes abaixo
   
a11 a12 · · · a1n b1
 a21 a22 · · · a2n   b2 
A =  ..  , B =  .. 
   
. .. .
 . . . .
. .   . 
é a matriz de coecientes do sistema e a segunda, é a matriz de cons-

tantes do sistema e
 
a11 a12 · · · a1n b1
 a21 a22 · · · a2n b2 
[ A | B ] =  .. .
 
. .. . .
 . . . . .
. . . 

1.6 Matriz escalonada 43
é a matriz aumentada ou matriz completa do sistema
Exemplo. A matriz de coecientes e a matriz completa do sistema
y + 2z = 9
2x + 4y − 3z = 1
3x + 6y − 5z = 0
são, respectivamente,
   
0 1 2 0 1 2 9
 2 4 −3  e  2 4 −3 1 .
3 6 −5 3 6 −5 0
As matrizes simplicam a notação e proporcionam uma ferramenta ma-

temática eciente no estudo teórico e numérico dos sistemas, mormente no
estudo daqueles de grande porte, com muitas equações e muitas incógnitas.
1.6 Matriz escalonada

Numa matriz, linha nula é aquela linha onde todas as entradas são iguais a
zero.
Quando a linha não for nula, ao percorrê-la da esquerda para a direita, o

primeiro elemento não nulo é chamado de pivô da linha.
Exemplo. Na matriz
 
0 1 −1 3
 2 6 5 −7 
0 0 0 0
o 1 é o pivô da primeira linha e o 2 é o pivô da segunda linha. A terceira linha
é nula e não possui pivô.

Uma matriz escalonada é uma matriz não nula na qual
1. as linhas nulas, se existirem, cam agrupadas na parte inferior da matriz;
2. nas linhas não nulas, o pivô da linha de baixo ca à direita do pivô da
linha de cima.
Exemplo. São matrizes escalonadas
   
0 1 2 3 4 1 2 3 4 5
 0 0 0 3 2  e  0 0 6 7 8 
0 0 0 0 0 0 0 0 9 1
Uma matriz é escalonada reduzida se
1. for escalonada;
2. os pivôs das linhas não nulas são iguais a 1;
3. nas colunas contendo um pivô, ele é o único elemento não nulo.
Exemplo. é escalonada reduzida
 
1 2 0 4 0 6
 0 0 1 2 0 4 
 
 0 0 0 0 1 2 
0 0 0 0 0 0

1.7 Sistema escalonado 45
1.7 Sistema escalonado

Um sistema linear éescalonado quando sua matriz completa for esca-
lonada e escalonado reduzido quando sua matriz completa for escalo-
nada reduzida.
As incógnitas que multiplicam os pivôs são chamadas de incógnitas

dependentes ou incógnitas líderes. As incógnitas restantes, se exis-
tirem, são chamadas de incógnitas independentes ou incógnitas li-
vres.
Exemplo. O sistema
x + 2y + 3z + 4w = 5
y + 2z + 3w = 4
w=7
é escalonado pois sua matriz completa
 
1 2 3 4 5
 0 1 2 3 4 
0 0 0 1 7
é escalonada. Suas incógnitas dependentes são x, y e w. O z é incógnita livre.
Exemplo. O sistema
x + 7w = 1
y + 6w = 8
z + w = 6
é escalonado reduzido pois sua matriz completa
 
1 0 0 7 1
 0 1 0 6 8 
0 0 1 1 6

é escalonada reduzida. Suas incógnitas dependentes são x, y e z, cando o w

como incógnita livre.
Um sistema escalonado só não possui solução quando uma de suas

equações for degenerada, do tipo
0x1 + 0x2 + · · · + 0xn = b,
com termo constante b diferente de zero. Neste caso a tarefa de buscar
soluções está encerrada. Tal sistema não possui solução e encerramos. A

questão está resolvida.
Nos demais casos, o sistema escalonado sempre tem solução.
1.7.1 Resolução de um sistema escalonado reduzido
Exemplo. O sistema nas incógnitas x, y, z, w denido por
x − 2y + w = 1
z − 3w = 2
é escalonado reduzido pois sua matriz completa

1 −2 0 1 1
0 0 1 −3 2
é escalonada reduzida.
Para resolver este sistema, basta explicitar as incógnitas líderes x e z
x = 1 + 2y − w,
z = 2 + 3w.
Não há restrições sobre as incógnitas y e w que foram para o lado direito.

A solução geral é o conjunto de todas as quadras ordenadas
(x, y, z, w)
de números reais com
x = 1 + 2y − w,
z = 2 + 3w,
onde o y e o w podem variar livremente no conjunto dos números reais.
Querendo tratar as quatro variáveis em pé de igualdade na solução geral,

pode-se introduzir dois parâmetros r e s, denidos por
r=y e s = w.
Agora a solução geral, escrita na forma paramétrica, é o conjunto de

todas as quadras ordenadas (x, y, z, w) de números reais, com
x = 1 + 2r − s
y=r
z = 2 + 3s
w=s
onde r e s podem assumir qualquer valor real.
1.7.2 Resolução de um sistema escalonado
Se uma equação do sistema for degenerada inconsistente,
0x1 + 0x2 + · · · + 0xn = b, b 6= 0,
interrompemos a busca por soluções. O sistema não possui solução.

Havendo equação degenerada consistente,
0x1 + 0x2 + · · · + 0xn = 0,
podemos desconsiderá-la. Toda solução das outras equações será solução
desta.
Não havendo equação degenerada inconsistente, siga o procedimento

abaixo:
1. Explicite em cada equação a sua incógnita líder, aquela que multiplica o

pivô.
2. Use as equações de baixo para eliminar as incógnitas líderes do lado

direito nas equações de cima. Tal procedimento é conhecido por subs-
tituição reversa.
3. Encerrada a substituição reversa, podemos considerar resolvido o pro-

blema de determinar soluções do sistema.
A partir dessa etapa há dois casos a considerar:
1. (a) Se não houver incógnitas do lado direito, a solução é única.
(b) Se houver incógnitas no lado direito das equações, passaremos a

chamá-las de variáveis livres ou variáveis independentes. Neste
caso o sistema possui innitas soluções. As que permaneceram no
lado esquerdo recebem o nome de variáveis dependentes ou va-
riáveis líderes.
Exemplo. O sistema
x − y + 2z = 3
y − z = −1
z= 2

é escalonado pois sua matriz completa
 
1 −1 2 3
 0 1 −1 −1 
0 0 1 2
é escalonada. As incógnitas x, y e z são dependentes e não existe incógnita
livre. Portanto, o sistema possui uma única solução.
Para encontrá-la, explicitamos as incógnitas líderes x, y e z,
x = y − 2z + 3,
y = z − 1,
z = 2.
Em seguida, aplicamos a substituição reversa
z = 2,
y = z − 1 = 2 − 1 = 1,
x = y − 2z + 3 = 1 − 4 + 3 = 0.
A única solução deste sistema é
(x, y, z) = (0, 1, 2).
Exemplo. Para resolver o sistema escalonado
x + 2y − z = 1
y+z =2
explicitamos as incógnitas líderes x e y,
x = z − 2y + 1
y =2−z

e usamos a segunda equação para eliminar o y no lado direito da primeira
equação
y =2−z
x = z − 2(2 − z) + 1 = 3z − 3
As variáveis x e y são dependentes e z é uma variável livre. Este sistema

possui innitas soluções.
Solução geral é o conjunto de ternos ordenados (x, y, z) de números reais,

tais que
x = 3z − 3
y = 2−z
onde z pode assumir qualquer valor real.
Se desejarmos tratar as variáveis x, y e z em pé de igualdade, basta intro-

duzir um parâmetro t para substituir a variável livre z.
Por exemplo,
t = z.
Daí a solução geral é o conjunto de todos os ternos ordenados (x, y, z) de
números reais, com
x = 3t − 3,
y = 2 − t,
z = t,
onde t pode assumir qualquer valor real.
Estas são as equações paramétricas da solução geral onde t é o parâ-

metro.
Exemplo. Para resolver o sistema escalonado

x + 2y − z + w = 1
y + 2z − w = 2
z+w =1
explicitamos as incógnitas líderes
x = 1 − 2y + z − w
y = 2 − 2z + w
z =1−w
e usamos substituição reversa. Este procedimento consiste em usar as equa-
ções de baixo para eliminar as incógnitas líderes que estão no lado direito das
equações de cima
z = 1 − w,
y = 2 − 2(1 − w) + w = 3w,
x = 1 − 2(3w) + (1 − w) − w = 2 − 8w,
A solução geral é o conjunto formado por todas as quadras ordenadas (x, y, z,
w) de números reais tais que
x = 2 − 8w,
y = 3w,
z = 1 − w.
Nestas soluções, w é a variável livre e x, y, z são as variáveis dependentes.
Se desejarmos escrever a solução geral na forma paramétrica, denimos o

parâmetro t por
t = w.
A solução geral em forma paramétrica é o conjunto de todas os ternos ordena-
dos (x, y, z) de números reais e tais que
x = 2 − 8t,
y = 3t,
z = 1 − t,
w = t

onde o parâmetro t pode assumir qualquer valor real.
1.8 Exercícios
Exercício 1.4 Obtenha a solução geral do sistema abaixo na forma paramé-
trica
x + 2y + 3z + w = 5,
y + z − 2w = 3,
2z + 4w = 6.
1.9 Operações elementares
Serão usadas para resolver de sistemas de equações algébricas genéricos.
Uma técnica muito utilizada para abordar um problema novo consiste em

reduzi-lo a um outro mais simples que sabemos resolver.
As operações elementares transformam um sistema em outro escalonado

com a mesma solução geral que o sistema original.
Sistemas de equações algébricas lineares com a mesma solução geral são

chamados equivalentes.
Operações elementares
Trocar de posição duas equações, levando cada uma para a posição da

outra.
a1 x + a2 y + a3 z = a4
b1 x + b2 y + b3 z = b4

1.9 Operações elementares 53
L1 ↔ L2
b1 x + b2 y + b3 z = b4
a1 x + a2 y + a3 z = a4
Multiplicar uma equação por um número real diferente de zero. A

nova equação é denominada múltiplo da equação original.
a1 x + a2 y + a3 z = a4
c L1 → L1 (c 6= 0)
(c a1 )x + (c a2 )y + (c a3 )z = (c a4 )
Adicionar a uma equação um múltiplo de outra.
a1 x + a2 y + a3 z = a4
b1 x + b2 y + b3 z = b4
L2 + c L1 → L2
a1 x + a2 y + a3 z = a4
(b1 + c a1 )x + (b2 + c a2 )y + (b3 + c a3 )z = b4 + c a4
pois
(b1 + c a1 )x + (b2 + c a2 )y + (b3 + c a3 )z =

(b1 x + b2 y + b3 z) + c (a1 x + a2 y + a3 z) = b4 + c a

Resumindo
L1 ↔ L2
c L1 → L01 (c 6= 0)
L2 + c L1 → L02
Propriedades das operações elementares
1. Não alteram a solução geral do sistema.
2. São reversíveis.
Operações elementares sobre a matriz completa do sistema
1. Trocar de posição duas linhas, levando cada uma para a posição da outra.

a1 · · · an b1 · · · bn
→
b1 · · · bn a1 · · · an
2. Multiplicar uma linha por um número real diferente de zero.

a1 · · · an c a1 · · · c an
→ (c 6= 0)
b1 · · · bn b1 · · · bn
A primeira linha da segunda matriz é chamada múltiplo da primeira

linha da primeira matriz.

1.9 Operações elementares 55
3. Adicionar a uma linha um múltiplo de outra.

a1 · · · an a1 ··· an
→
b1 · · · bn b 1 + c a1 · · · b n + c an
Exemplo. Podemos usar as operações elementares para escalonar o sis-

tema. Considere o sistema
x+y = 1
2x + 3y = 4
3x + 5y = 6
cuja matriz completa é

1 1 1
C= 2 3 4 
3 5 6
As operações
L02 = L2 − 2L1 e L03 = L3 − 3L1
levam a matriz C em  
1 1 1
C1 =  0 1 2 
0 2 3
A operação
L03 = L3 − 2L2
levam a matriz B em  
1 1 1
C= 0 1 2 
0 0 −1
Esta matriz completa corresponde a um sistema de equações algébricas

lineares equivalente ao sistema original. O sistema no caso é
x+y = 1
y = 2
0x + 0y = −1

Chegamos a um sistema onde a última equação é degenerada. Por seu lado

direito ser diferente de zero, ela não possui solução. Concluímos que o sistema
não possui solução e sua solução geral é o conjunto vazio.
1.10 Método de Gauss

Consiste em levar um sistema de equações algébricas lineares a outro escalo-
nado usando operações elementares.
O novo sistema será equivalente ao original.
Em lugar de escrever o sistema todo, por economia, conveniência e como-

didade, iremos trabalhar com a sua matriz completa.
Exemplos
Sempre é possível anular as entradas na coluna de um pivô mediante o uso

de operações elementares.
Exemplo. Vamos considerar um sistema algébrico linear nas incógnitas

(x, y, z) cuja matriz completa é
 
1 2 0 1
C=  2 0 1 3 
−1 1 0 2
As operações elementares
L02 = L2 − 2L1 e L03 = L3 + 1L1

obtemos a matriz  
1 2 0 1
C1 =  0 −4 1 1 
0 3 0 3
Dividindo a segunda linha por −4 segue
 
1 2 0 1
C2 =  0 1 −1/4 −1/4 
0 3 0 3

1.10 Método de Gauss 57
A operação elementar
L03 = L3 − 3L2
nos leva a  
1 2 0 1
C3 =  0 1 −1/4 −1/4 
0 0 3/4 15/4
Multiplicando C3 por 4/3 chegamos na matriz escalonada
 
1 2 0 1
C4 =  0 1 −1/4 −1/4 
0 0 1 5
Os sistemas cujas matrizes completas são C e C4 possuem a mesma solução

geral.
A equação correspondente à matriz completa C4 é
x + 2y = 1
y − z/4 = −1/4
z = 5
Todas as incógnitas são dependentes, não havendo incógnita independente.

Portanto o sistema possui uma única solução que o aluno pode calcular ex-
plicitando as incógnitas x, y e z na primeira, segunda e terceira equações,
respectivamente. Depois, use substituição reversa.
Exemplo. Nesta matriz, o pivô da primeira linha está à direita do pivô

das linhas de baixo
 
0 2 3
C =  2 2 1 .
1 1 0
Podemos trocar as linhas,
L1 ↔ L2 ou L1 ↔ L3
Vamos escolher a segunda troca pois o pivô da terceira linha é igual a 1, o que
facilita as contas
 
1 1 0
C1 =  2 2 1 
0 2 3

Com a operação
L02 = L2 − 2L1
chegamos em
 
1 1 0
C2 =  0 0 1 
0 2 3
Trocando a segunda com a terceira linha
L2 ↔ L3
obtemos a matriz escalonada
 
1 1 0
C3 =  0 2 3 
0 0 1
Resumo do método de Gauss
O método de Gauss consiste em empregar as três operações elementares

na matriz completa C até transformá-la numa matriz escalonada R.
A matriz R é chamada de forma escalonada de C.
Quando R for escalonada reduzida, a chamamos de forma escalonada
reduzida de C.
Obtemos R aplicando sucessivas operações elementares, iniciadas em C
C → C1 → C2 → · · · → Ck = R,
Importante: Sistemas com matrizes completas C ou R têm a

mesma solução geral.

Observações:
Quando estamos fazendo as contas usando apenas lápis e papel, é conveni-
ente ter um pivô unitário.
Para trabalhar com pivôs unitários multiplique a linha pelo inverso do pivô
ou trocando a posição das linhas.
É importante ressaltar que:
1. Ao escalonar a matriz completa do sistema, pode-se obter uma linha

nula, que corresponde a uma equação degenerada
0x1 + · · · + 0xn = 0.
Qualquer solução das outras equações do sistema será uma solução desta
equação degenerada. Logo, pode-se simplesmente eliminar as linhas nulas
ou levá-las para a parte inferior da matriz.
2. O escalonamento da matriz completa do sistema poderá nos conduzir a

uma linha na qual todas as entradas, com exceção da última, são iguais
a zero, como em

0 0 ··· 0 b com b 6= 0 .
Esta linha corresponde no sistema a uma equação degenerada do tipo
0x1 + · · · + 0xn = b com b 6= 0 ,
que é inconsistente, não possui solução.
Chegando a uma linha com esta característica, pode-se encerrar o pro-

cedimento e armar que o sistema não possui solução.
Neste caso, o sistema é inconsistente, não possui solução.

Ao escalonar o sistema, não surgindo equações degeneradas inconsistentes,
ele certamente possui solução.
Num sistema escalonado consistente, aquele que possui solução:

Quando o número de incógnitas for maior do que o número de equações

não nulas, haverá incógnita livre e o sistema terá innitas soluções.
Quando o número de incógnitas for igual ao número de equações não

nulas, não haverá incógnita livre e o sistema terá apenas uma solução.
Exemplo. Vamos considerar o sistema nas variáveis x, y, z, v, w cuja

matriz completa é
 
0 −1 −1 −1 2 −7
C= 1
 3 2 4 0 6 
2 4 2 7 5 0
L1 ↔ L2
 
1 3 2 4 0 6
C1 = 0 −1 −1 −1
 2 −7 
2 4 2 7 5 0
L3 − 2L1 → L3
 
1 3 2 4 0 6
C2 = 0 −1 −1 −1
 2 −7  .
0 −2 −2 −1 5 −12
(−1)L2 → L2 ,
 
1 3 2 4 0 6
C3 =  0 1 1 1 −2 7 .
0 −2 −2 −1 5 −12
L3 + 2L2 → L3 ,

 
1 3 2 4 0 6
C4 =  0 1 1 1 −2 7 .
0 0 0 1 1 2
Que é a matriz completa do sistema
x + 3y + 2z + 4v = 6,
y + z + v − 2w = 7,
v + w = 2.
As incógnitas x, y, v são dependentes e z, w são livres.
Explicitando as incógnitas dependentes,
x = 6 − 3y − 2z − 4v,
y = 7 − z − v + 2w,
v = 2 − w.
Usando substituição reversa,
v = 2 − w,
y = 7 − z − (2 − w) + 2w = 5 − z + 3w,
x = 6 − 3(5 − z + 3w) − 2z − 4(2 − w) = z − 5w − 17.
Observe que no lado direito só caram as incógnitas livres que agora chamamos
de variáveis.
A solução geral do sistema é o conjunto de todas as quinas ordenadas (x,

y, z, v, w) de números reais, onde
x = z − 5w − 17,
y = 5 − z + 3w,
v = 2 − w,
sendo que z e w podem assumir qualquer valor real. Neste ponto consideramos
o sistema resolvido.

Exemplo. Considere o sistema de equações algébricas lineares nas variá-

veis
x1 , x2 , x3 , x4
 
1 −1 3 1 7
C =  2 −1 6 3 9 .
−2 0 −6 −4 −2
Usando o método de Gauss para escalonar esta matriz chegamos em
 
1 −1 3 1 7
R= 0 1 0 1 −5  .
0 0 0 0 1
Como a última linha corresponde à equação degenerada inconsistente
0x1 + 0x2 + 0x3 + 0x4 = 1,
o sistema não possui solução.
Exemplo. Vamos usar o método de Gauss para determinar os valores de

a, b, c para os quais o sistema linear
x + 2z = a,
2x + y + 5z = b,
x − y + z = c,
nas incógnitas x, y e z, é consistente.
Ao escalonar a matriz completa do sistema
 
1 0 2 a
 2 1 5 b 
1 −1 1 c
usando o método de Gauss, obtemos

 
1 0 2 a
 0 1 1 b − 2a  .
0 0 0 b + c − 3a
A última linha corresponde à equação degenerada
0x + 0y + 0z = b + c − 3a.
O sistema será consistente se, e só se,
b + c − 3a = 0 ou c = 3a − b.
Exemplo. Considere o sistema de equações nas incógnitas x, y e z, cuja

matriz completa é
 
1 2 1 a
 1 3 0 b .
−2 −4 −1 c
Escalonando-a com o método de Gauss obtemos
 
1 2 1 a
 0 1 −1 b − a  .
0 0 1 2a + c
Como nenhuma linha corresponde a uma equação degenerada, o sistema tem
solução para qualquer escolha de a, b, c.

Como não há incógnita livre, o sistema possui uma única solução para cada
escolha de a, b, c.
Para obter a solução do sistema em função de a, b e c, basta explicitar x,
y, z e usar substituição reversa
x = −3a − 2b − 3c,
y = a + b + c,
z = 2a + c.

O sistema está resolvido pois explicitamos as incógnitas x, y, z em função dos
números a, b, c. Para qualquer escolha de a, b, c, o sistema possui uma única

solução.
1.11 Exercícios
Exercício 1.5 Utilize o método de Gauss para obter as soluções gerais dos
sistemas de equações algébricas lineares cujas matrizes completas são
   
1 2 0 3 1 2 0 3
(a)  2 5 2 0  , (b)  2 5 2 0  ,
1 3 1 2 1 3 2 1
   
1 2 0 3 1 2 3 7
(c)  2 5 2 0  , (d)  2 −1 4 8 .
1 3 2 −3 1 4 −1 9
1.12 O método de Gauss-Jordan

Consiste em duas etapas:
1. Aplica-se o método de Gauss na matriz completa do sistema até obter

sua forma escalonada.
2. Em seguida, aplica-se a substituição reversa até obter uma matriz

completa escalonada reduzida.
O método de Gauss e o de Gauss-Jordan exigem o mesmo esforço compu-

tacional.
A escolha de um ou do outro método ca por conta do gosto de cada um.
Exemplo. Considere o sistema linear nas incógnitas x, y, z, v, w, cuja

matriz completa na forma escalonada é

1.12 O método de Gauss-Jordan 65
 
1 3 −2 1 0 1
 0 0 1 −2 1 0 .
0 0 0 1 1 2
Vamos aplicar a técnica de substituição reversa que segue de baixo para cima.
Aplicamos as operações elementares
L2 + 2L3 → L2 e L1 − L3 → L1
para obter a matriz
 
1 3 −2 0 −1 −1
 0 0 1 0 3 4 .
0 0 0 1 1 2
L1 + 2L2 → L1
nos leva à matriz escalonada reduzida
 
1 3 0 0 5 7
 0 0 1 0 3 4 .
0 0 0 1 1 2
Esta matriz corresponde ao sistema
x + 3y + 0z + 0v + 5w = 7
z + 0v + 3w = 4
v+w =2
cuja solução geral é obtida explicitando as incógnitas dependentes x, z e v na
primeira, segunda e terceira equações
x = 7 − 3y − 5w
z = 4 − 3w
v =2−w

As variáveis y e w são livres e podem assumir qualquer valor real. Temos a
solução geral deste sistema.
Desejando tratar todas as variáveis em pé de igualdade, podemos introduzir

os parâmetros
r=y e s=w
para escrever a solução geral na forma paramétrica
x = 7 − 3r − 5s, y = r, z = 4 − 3s, v = 2 − s, w = s,
onde r e s podem assumir qualquer valor real. A solução possui dois parâmetros
livres. A cada escolha de valores para r e s obtemos uma solução do sistema.
1.13 Operações matriciais

1.13.1 Multiplicação de uma matriz por um número real
A multiplicação do número real c pela matriz
A = [ aij ]
resulta na matriz
c A = [ c aij ] ,
de tamanho m × n, chamada de múltiplo de A por c.
A matriz (−1)A é denotada por −A.
−A = [ −aij ]
Exemplo. Apresentamos alguns exemplos de multiplicação de uma matriz

por um número real

1.13 Operações matriciais 67

1 2 2 4
2 =
4 3 8 6

3 −1 2 = −3 6 ,

4 −8
−2 =
−3 6
1.13.2 Adição de matrizes
Sejam
A = [ aij ] e B = [ bij ]
duas matrizes de mesmo tamanho. A adição das matrizes A e B é a operação
que resulta na matriz
A + B = [ cij ],
com o mesmo tamanho de A, onde
cij = aij + bij
A matriz A+B é denominada soma de A com B.

As matrizes A e B são as parcelas da soma A + B.
Duas matrizes de mesmo tamanho são chamadas conformes para a adição.
Exemplo.

1 2 3 10 20 30 11 22 33
+ = .
4 5 6 40 50 60 44 55 66

A matriz nula é chamada de elemento neutro da adição
A + 0 = 0 + A = A.
A matriz −A é denominada oposta de A
(−A) + A = A + (−A) = 0.
A diferença entre A e B
A − B = A + (−B) (leia-se A menos B)
Exemplo. Abaixo apresentamos as matrizes A e B e suas opostas −A e

−B

1 2 −1 −2
A = , −A = (−1)A =
4 −3 −4 3

B = 2 3 −8 , −B = (−1)B = −2 −3 8
Propriedades das operações com matrizes
Sendo A, B e C matrizes de mesmo tamanho, x e y números reais, valem as

propriedades:
1. A adição de matrizes é comutativa:

A + B = B + A.

2. A adição de matrizes é associativa:

A + (B + C) = (A + B) + C.
3. Elemento neutro da adição:

A + 0 = 0 + A = A.
4. Elemento oposto:
A + (−A) = (−A) + A = 0.
5. Associatividade:
(xy)A = x(yA).
6. Distributividade:
x(A + B) = xA + xB,
(x + y)A = xA + yA.
7. Sendo 1 a unidade real (o número real um),
1A = A.
Podemos escrever
A+B+C
para designar as somas
A + (B + C) ou (A + B) + C,

uma vez que as duas somas são iguais.
Sejam A, B, C matrizes de mesmo tamanho e x um número real não nulo
A+B = C ⇒ A=C −B
xA = B ⇒ A = x−1 B
1.13.3 Multiplicação de matrizes
Seja A uma matriz m×p e B uma matriz p×n onde
A = [aik ] e B = [bkj ]
A multiplicação de A com B é a operação que leva as matrizes A e B na

matriz
AB = [cij ]
de tamanho m × n, em que
p
X
cij = ai1 b1j + ai2 b2j + · · · + aip bpj = aik bkj
k=1
A matriz AB é denominada de produto de A por B enquanto A e B são

os fatores do produto AB.
Quando Am×p e Bp×n diremos que são conformes para a multiplicação
nesta ordem, AB.
Exemplo. Vamos calcular o produto AB das matrizes
 
2 0
1 0 2
A= e B= 1 2 
3 2 1 2×3 0 3 3×2

e assim obtemos o produto

2 6
AB = .
8 7 2×2
Neste exemplo também é possível calcular
   
2 0 2 0 4
1 0 2
BA =  1 2  = 7 4 4 
3 2 1
0 3 9 6 3 3×3
A multiplicação de matrizes não é comutativa
AB 6= BA.
Exemplo. Sendo

3 1 1 4 2
A= e B=
0 2 2×2
2 0 1 2×3
podemos efetuar o produto AB que é igual a

5 12 7
AB =
4 0 2 2×3
Não podemos efetuar o produto BA.
Exemplo. Sendo

1
X= e Y = 3 4
2 2×1
1×2
então


3 4
XY = e Y X = [11] = 11.
6 8
Quando X é um vetor coluna com n linhas e Y um vetor linha com n colunas,
o produto XY é uma matriz n×n e o produto YX é uma matriz 1 × 1.
Diremos que as matrizes A e B comutam quando
AB = BA.
Exemplo. As matrizes

1 2 1 0
A= e B= ,
3 1 3 2
não comutam pois AB e BA são diferentes:

7 4 1 2
AB = e BA = .
6 2 9 8
Exemplo. As matrizes

1 2 7 4
A= e B=
3 1 6 7
comutam pois AB é igual a BA :

19 18
AB = BA = .
27 19
Uma curiosidade: neste exemplo,
B = AA = A2 .

Veremos adiante que as potências inteiras de uma mesma matriz comutam.
Matriz identidade
É a matriz quadrada
 
1 0 ··· 0
 0 1 ··· 0 
I =  .. .. . . .. 
 
 . . . . 
0 0 ··· 1
Quando se tratar da matriz identidade de ordem n podemos destacar o seu

tamanho escrevendo
In
A matriz identidade é o elemento neutro da multiplicação

Quando A for uma matriz quadrada de ordem n
A I = I A = A.
Propriedades da multiplicação de matrizes
1. A multiplicação é associativa:
(AB)C = A(BC).

2. A multiplicação é distributiva em relação à adição:
A(B1 + B2 ) = AB1 + AB2 ,

(A1 + A2 )B = A1 B + A2 B.
3. A multiplicação é associativa em relação à multiplicação por números

reais:
c (AB) = (c A)B = A(c B) (c ∈ R)
Podemos designar por ABC os produtos
(AB)C e A(BC).
Nota 1.6 Para a multiplicação de matrizes não vale a lei do cancelamento:
AC = BC não implica em A = B
DA = DB não implica em A = B
Vale a lei do cancelamento quando C e D forem inversíveis (conceito que

será denido mais à frente).
Exemplo. Considere as matrizes

1 3 5 3 0 0
A= , B= e C= .
2 4 6 4 1 2
Vale a igualdade
AC = BC enquanto A 6= B.

1.14 Forma matricial de um sistema linear 75
Exemplo. Neste exemplo, AB = 0 mas, nem A e nem B são iguais à

matriz nula

0 1 3 4
A= e B=
0 2 0 0
1.14 Forma matricial de um sistema linear

Consideremos o sistema de equações algébricas lineares
a11 x1 + a12 x2 + · · · + a1n xn = b1

a21 x1 + a22 x2 + · · · + a2n xn = b2
.
.
.
am1 x1 + am2 x2 + · · · + amn xn = bm
Estas m igualdades podem ser substituídas por uma única igualdade ma-
tricial
   
a11 x1 + a12 x2 + · · · + a1n xn b1
 a21 x1 + a22 x2 + · · · + a2n xn   b2 
 =  .. 
   
.
.

 .   . 
am1 x1 + am2 x2 + · · · + amn xx bm
e, usando a denição de multiplicação de matrizes,
    
a11 a12 · · · a1n x1 b1
 a21 a22 · · · a2n   x 2   b2 
  ..  =  ..  .
    
 .. .
. .. .
.
 . . . .  .   . 
am1 am2 · · · amn xn bm
O sistema todo se reduziu a uma única equação matricial linear

AX = B
onde matriz de coecientes, B é a matriz de constantes e X

A é a é
a matriz de incógnitas ou matriz incógnita do sistema.
Denição 1.7 Considere as matrizes abaixo, cujas entradas são números re-
ais
     
a11 ··· a1n b1 s1
.. ... ..  , B =  ...  , Sn×1 =  ...  .
A= . . 
    
am1 · · · amn bm sn
A matriz S é solução da equação matricial linear
AX = B
na matriz incógnita
 
x1
X =  ... 
 
xn
quando
AS = B.
Pode-se também escrever que
X=S é solução de AX = B.
Exemplo. A matriz

2
S=
1
é solução da equação matricial linear


1 3 x 5
=
2 0 y 4
pois

1 3 2 5
= .
2 0 1 4
Também é lícito escrever que

x 2 2
= ou X=
y 1 1
é solução da equação matricial.
Uma equação matricial linear é compatível ou consistente quando pos-

suir pelo menos uma solução.
Não possuindo solução a equação matricial é incompatível ou inconsis-

tente.
A solução geral da equação matricial AX = B é o conjunto de todas as
suas soluções.
Quando duas equações matriciais
A1 X = B1 e A2 X = B2
na matriz incógnita X possuírem a mesma solução geral, diremos que são

equivalentes.
Um sistema de equações algébricas lineares e sua forma matricial são apenas
notações diferentes para a mesma coisa.
Como uma equação matricial linear corresponde a um sistema de equações

lineares, as técnicas utilizadas para resolver um se aplicam para resolver o
outro.
Uma solução X =S da equação matricial
AX = B

fornece uma solução
x1 = s1 , x2 = s2 , . . . , xn = sn
do sistema algébrico que lhe deu origem e vice-versa.
Para resolver a equação matricial
A1 X = B1
[A1 | B1 ] ,
aplicamos a ela uma sequência de operações elementares, utilizando o mé-

todo de Gauss, até chegarmos em uma matriz escalonada
[A2 | B2 ] ,
que corresponde à equação matricial linear
A2 X = B2
equivalentes à original. Esta equação corresponde a um sistema de equações

algébricas lineares que sabemos resolver por substituição reversa.
Se desejarmos, para resolver a equação resultante, podemos aplicar o mé-

todo de Gauss-Jordan, que nos conduz a uma matriz escalonada reduzida. Daí
usamos as técnicas já estudadas para resolver o sistema obtido que é equiva-
lente ao original.
Exemplo. A matriz completa da equação matricial linear


1 3 x 4
=
2 6 y 8

1 3 4
,
2 6 8
que escalonada nos fornece a matriz

1 3 4
.
0 0 0
Portanto, a equação inicial é equivalente a

1 3 x 4
= .
0 0 y 0
A primeira linha nos fornece a equação x + 3y = 4, donde obtemos
x = 4 − 3y.
Concluímos que a solução geral da equação matricial é formada por todas as

matrizes coluna

x
para as quais y∈R e x = 4 − 3y.
y
O número de soluções é innito uma vez que y é uma variável livre. Obtemos
soluções particulares dando valores especícos para y. Com y=0 obtemos

4 1
, e com y = 1, chegamos na solução .
0 1

Resolução simultânea de diversos sistemas
Exemplo. Vamos usar o método de Gauss-Jordan para resolver simultanea-

mente os sistemas
 
 x + 3y − 5z = 11  x + 3y − 5z = −7
3x + 4y − 5z = 13 3x + 4y − 5z = −2
x + 2y − 3z = 7 x + 2y − 3z = −3
 
que possuem a mesma matriz de coecientes. Tomamos a matriz completa

ampliada
 
1 3 −5 11 −7
C= 3
 4 −5 13 −2 
1 2 −3 7 −3
Realizamos as operações elementares
L2 − 3L1 → L2 , L3 − L1 → L3
para zerar as entradas embaixo do pivô da primeira linha
 
1 3 −5 11 −7
C1 =  0 −5 10 −20 19  .
0 −1 2 −4 4
Multiplicando a terceira linha de C1 por −1 e permutando a terceira linha com

a segunda, se chega em
 
1 3 −5 11 −7
C2 =  0 1 −2 4 −4  .
0 −5 10 −20 19
Realizando em C2 a operação elementar L3 + 5L2 → L3 ,
 
1 3 −5 11 −7
C3 = 0
 1 −2 4 −4  .
0 0 0 0 −1

A última linha de C3 corresponde a duas equações degeneradas
0x + 0y + 0z = 0 e 0x + 0y + 0z = −1.
A primeira delas se refere ao primeiro sistema e a segunda se refere ao segundo
sistema.
O segundo sistema não possui solução. Poderíamos abandonar a última

coluna de C3 e continuar apenas com suas quatro primeiras colunas.
Entretanto, vamos prosseguir mantendo a última coluna, até tornar a ma-

triz escalonada reduzida, como preconiza o método de Gauss-Jordan.
Multiplicando a última linha de C3 por −1

 
1 3 −5 11 −7
C4 = 0
 1 −2 4 −4  .
0 0 0 0 1
Vamos realizar as operações elementares
L2 + 4L3 → L2 e L1 + 7L3 → L1
para obter
 
1 3 −5 11 0
C5 = 0
 1 −2 4 0 .
0 0 0 0 1
L1 − 3L2 → L1
 
1 0 1 −1 0
C5 =  0 1 −2 4 0 .
0 0 0 0 1
A matriz C5 é escalonada reduzida. Observe que
   
1 0 1 −1 1 0 1 0
 0 1 −2 4  e  0 1 −2 0 
0 0 0 0 0 0 0 1

são as matrizes completas do primeiro e do segundo sistema, respectivamente.
A segunda matriz completa, com já destacamos, nos diz que o segundo sistema
não possui solução.
A primeira matriz completa nos informa que, no primeiro sistema, x e y

são incógnitas líderes e z é livre. Para resolvê-lo, basta explicitar as incógnitas
líderes
x = −1 − z, y = 4 + 2z,
e sua solução geral é o conjunto de todos os ternos ordenados (x, y, z) tais que
x = −1 − z, y = 4 + 2z,
enquanto z pode assumir qualquer valor real.
1.15 Combinação linear de matrizes

Toda matriz real 2×1 pode ser escrita na forma

a 1 0
=a +b ,
b 0 1
O lado direito é uma combinação linear das matrizes

1 0
e ,
0 1
com coecientes a e b.
Toda matriz real 2×2 pode ser escrita na forma

a b 1 0 0 1 0 0 0 0
=a +b +c +d
c d 0 0 0 0 1 0 0 1
O lado direito é uma combinação linear das matrizes

1.15 Combinação linear de matrizes 83

1 0 0 1 0 0 0 0
, , , ,
0 0 0 0 1 0 1 0
com coecientes a, b, c, d.
Toda matriz 2×2 pode ser escrita como uma combinação linear destas
quatro matrizes.
O conceito de combinação linear é extremamente importante no âmbito da

Álgebra Linear.
Denição 1.8 Sejam M1 , M2 , . . . , Mk matrizes de mesmo tamanho e c1 , c2 ,

. . . , ck números reais. A matriz
c1 M1 + c2 M2 + · · · + ck Mk
é denominada de combinação linear das matrizes
M1 , M2 , . . . , Mk
com coecientes
c1 , . . . , c k .
A combinação linear
0M1 + · · · + 0Mk ,
onde todos os coecientes são iguais a zero, é denominada trivial e sempre
resulta na matriz nula.
Sendo c um número real, o múltiplo
cM
da matriz M é uma combinação linear com uma única parcela.
Exemplo. Dadas as matrizes

x
2 5 4
A= e X =  y ,
1 3 6
z

o produto

2x + 5y + 4z 2 5 4
AX = =x +y +z
1x + 3y + 6z 1 3 6
é uma combinação linear das matrizes coluna de A
De modo geral, se
A = [ A1 | A2 | · · · | An ]
for uma matriz cujas colunas são A1 , A2 , . . . , An e X a matriz coluna
 
x1
 x2 
X =  ..  .
 
 . 
xn
então
AX = x1 A1 + x2 A2 + · · · + xn An .
O produto AX é uma combinação linear das colunas de A.
Podemos escrever a equação matricial linear
AX = B
na forma
x1 A1 + x2 A2 + · · · + xn An = B
Toda solução x1 = c1 , x2 = c2 , . . . , xn = cn de uma será solução da outra.

1.15 Combinação linear de matrizes 85
Conclusão
A equação matricial
AX = B
possui solução se, e só se, B for uma combinação linear das colunas de A.
Exemplo. Vamos ilustrar esta conclusão. Considere as matrizes A, B e

X abaixo
  
  
1 −3 6 3 x
A= 0 1 −2  , B =  −2  , X =  y .
2 −3 6 0 z
As colunas de A são
    
1 −3 6
A1 =  0  , A2 =  1  , A3 =  −2  .
2 −3 6
Ao resolver a equação matricial linear
AX = B,
obtemos
x = 6z − 9 e y = 2z − 2,
onde z é variável livre.
Escolhendo z = 1, obtemos x = −3 e y =0 e uma solução particular da

equação é

  
x −3
X= y = 0 
z 1
ou
(x, y, z) = (−3, 0, 1) .
Portanto, como a equação AX = B pode ser escrita como
xA1 + yA2 + zA3 = B,

vemos que
−3A1 + 0A2 + 1A3 = B
Exemplo. Quando
   
1 −3 6 3
A= 0 1 −2  e B =  −2 
2 −3 6 1
a equação
AX = B
não possui solução. Concluímos que B não é uma combinação linear das
colunas de A.
1.16 Dependência linear

Observe que

3 1 0
=3 +2
2 0 1
Ao passar as matrizes do lado direito para o lado esquerdo do sinal de

igualdade, obtemos

3 1 0 0
1 −3 −2 = .
2 0 1 0
Observe que há uma combinação linear não trivial das matrizes

3 1 0
, ,
2 0 1

1.16 Dependência linear 87
que resulta na matriz nula. Quando isto acontece, diremos que o conjunto
formado por estas matrizes é linearmente dependente (LD).
Se

1 0 0
x +y =
0 1 0
então x=0 e y = 0. A única combinação linear das matrizes

1 0
e
0 1
que resulta na matriz nula é a combinação linear trivial. Neste caso, dire-
mos que estas duas matrizes formam um conjunto linearmente independente
(LI).
Denição 1.9 Sejam

M1 , . . . , Mk
matrizes de mesmo tamanho. Se existirem números reais
c1 , . . . , c k
onde pelo menos um deles é diferente de zero e para os quais
c1 M1 + · · · + ck Mk = 0
se diz que o conjunto de matrizes {M1 , . . . , Mk } é linearmente dependente
(LD).
Nesta igualdade, o 0 do lado direito é a matriz nula, cujo tamanho é igual
ao das matrizes M1 , . . . , Mk .
Quando o conjunto {M1 , . . . , Mk } não for linearmente dependente diremos
que é linearmente independente (LI).
Quando o conjunto {M1 , . . . , Mk } é linearmente independente, apenas a
combinação linear trivial
0M1 + 0M2 + · · · + 0Mk

é igual à matriz nula.

O conjunto {0} que contém apenas a matriz nula é LD pois, para qualquer
número real c 6= 0, obtemos
c 0 = 0.
O conjunto {M } formado por uma única matriz não nula é LI pois
cM = 0 ⇒ c = 0.
Para vericar se um conjunto de matrizes M1 , . . . , Mk é ou não linearmente

dependente, escreva a equação
x1 M1 + · · · + xk Mk = 0
nas incógnitas x1 , . . . , xk .
Se a única solução for a trivial, x1 = 0, . . . , xk = 0, então o conjunto M1 ,
. . . , Mk de matrizes é linearmente independente.
Se a equação possuir solução não trivial, o conjunto de matrizes M1 , . . . ,

Mk é linearmente dependente.
Exemplo. Todo conjunto de matrizes de mesmo tamanho que contém a

matriz nula é linearmente dependente pois, por exemplo,
0M1 + 0M2 + 0M3 + 2 0 = 0 .
Portanto o conjunto de matrizes
{M1 , M2 , M3 , 0}
é LD.
Exemplo. Vamos vericar se o conjunto de matrizes

−1 1 0 2 −3 7
A= , B= , C=
2 1 1 −3 8 −3

1.16 Dependência linear 89
é ou não é linearmente dependente. Construímos a equação

−1 1 0 2 −3 7 0 0
x +y +z =
2 1 1 −3 8 −3 0 0
nas incógnitas reais x, y, z.
A matriz do lado esquerdo é igual à matriz nula do lado direito quando
−x + 0y − 3z = 0,
x + 2y + 7z = 0,
2x + y + 8z = 0,
x − 3y − 3z = 0.
Este sistema de equações algébricas lineares pode ser colocado na forma ma-
tricial
   
−1 0 −3   0
 1 x
2 7    0
  

 2 y = 
1 8  0 
z
1 −3 −3 0
cuja solução é
x = −3z
y = −2z,
onde z é variável livre. Ao escolher z = 1, obtemos x = −3, y = −2.

Deste modo,

−1 1 0 2 −3 7 0 0
−3 −2 + = .
2 1 1 −3 8 −3 0 0
ou
−3A − 2B + C = 0
e o conjunto de matrizes {A, B, C} é linearmente dependente.

Observe que é possível escrever qualquer uma das três matrizes como com-
binação linear das outras duas
1 2 1 3
C = 3A + 2B, A= C − B, B = C − A.
3 3 2 2
Teorema 1.10 Sejam M1 , . . . , Mk matrizes de mesmo tamanho. O conjunto

{M1 , . . . , Mk } é LD se, e só se, uma matriz deste conjunto for combinação
linear das demais.
Prova. 1. {M1 , . . . , Mk } é LD.
Existem números reais c1 , . . . , ck nem todos nulos tais que
c1 M1 + c2 M2 + · · · + ck Mk = 0.
Na eventualidade de c1 6= 0, podemos explicitar M1 em função das outras
matrizes
c2 ck
M1 = − M2 − · · · − Mk .
c1 c1
Provamos que M1 é uma combinação linear de M2 , . . . , Mk .

2. M1 é uma CL das matrizes M2 , . . . , Mk .
Existem números reais y2 , . . . , y k tais que M1 = y2 M2 + · · · + yk Mk . Daí,
1M1 − y2 M2 − · · · − yk Mk = 0.
Nesta combinação linear, pelo menos o primeiro coeciente é diferente de zero,
pois é igual a 1.
Isto prova a DL do conjunto {M1 , M2 , . . . , Mk }.
Exemplo. O conjunto formado pelas matrizes

2 1 4
A= , B= , C=
3 1 7

1.17 Equação matricial linear homogênea 91
é linearmente dependente pois a equação
xA + yB + zC = 0
possui solução não trivial.
Uma delas é
x = 3, y = −2, z = −1,
e
3A − 2B − C = 0.
Podemos explicitar uma das matrizes como combinação linear das outras
duas.
Em particular,
C = 3A − 2B.
1.17 Equação matricial linear homogênea

Seja A uma matriz m×n e 0 a matriz nula m × 1. A equação matricial linear
AX = 0
é denominada homogênea na matriz incógnita X, que possui tamanho

n × 1.
Sempre
X=0
é solução da equação homogênea, denominada solução trivial.
A equação homogênea pode ter soluções não triviais.
Exemplo. Vamos considerar a equação matricial homogênea

AX = 0 ,
onde
 
  x  
1 −2 1 2  y  0
A =  2 −4 1 1  , X= 
 z  , 0= 0  .
3 −6 0 −3 3×4 0 3×1
w 4×1
A matriz completa do sistema é
 
1 −2 1 2 0
C =  2 −4 1 1 0 .
3 −6 0 −3 0
e
 
1 −2 1 2 0
R= 0 0 1 3 0 
0 0 0 0 0
é sua forma escalonada. Em R, a última coluna continua nula.
A matriz completa R corresponde ao sistema linear homogêneo
x − 2y + z + 2w = 0,
z + 3w = 0.
O x e o z são as incógnitas dependentes, o y e o w as incógnitas livres.
Explicitando x e z, fazendo a substituição reversa,
z = −3w,
x = 2y − z − 2w = 2y − (−3w) − 2w = 2y + w.
Neste formato, passamos a chamar as incógnitas de variáveis.
A solução geral de
AX = 0

é o conjunto de toda matriz
T
X= x y z w
onde y e w são variáveis livres, x = 2y + w e z = −3w são dependentes.
Na forma matricial,
     
 
x 2y + w 2 1
 y   y   1   0 
X=
 z  =  −3w
   = y +w
  0   −3
 = yX1 + wX2 .

w w 0 1
Uma solução é a trivial, obtida fazendo y = w = 0. Outros valores de y e w

resultam em soluções não triviais.
As matrizes
T T
X1 = 2 1 0 0 e X2 = 1 0 −3 1
são soluções da equação homogênea
AX = 0.
Toda solução desta equação matricial homogênea é uma combinação linear de
X1 e X2 .
Observações
1. Numa equação homogênea AX = 0, a última coluna da matriz completa

C é nula e assim continuará durante o escalonamento. Desta forma,
basta trabalhar com a matriz de coecientes A.
2. Se o número de colunas de A for maior do que o número de linhas não

nulas de sua forma escalonada, AX = 0 possuirá incógnitas livres e,
portanto, terá solução não trivial.

A for igual ao número de linhas não nulas de

3. Se o número de colunas de
sua forma escalonada, AX = 0 não possuirá incógnitas livres e, portanto,
terá apenas a solução trivial.
4. Se X0 for solução não trivial de AX = 0, então, para todo número real

c, a matriz
c X0
também será uma solução.
Prova: Como AX0 = 0, segue
A(c X0 ) = c (AX0 ) = c 0 = 0.
5. Se
X1 , X2 , . . . , Xk
forem soluções não triviais de AX = 0 e
c1 , c2 , . . . , ck ,
forem dos números reais, a combinação linear
c1 X1 + c2 X2 + · · · + ck Xk
é uma solução de AX = 0.
Prova: De fato, se AXj = 0, para j = 1, . . . , k, então
A(c1 X1 + · · · + ck Xk ) = A (c1 X1 ) + · · · + A (ck Xk )

= c1 AX1 + · · · + ck AXk
= c1 0 + · · · + ck 0 = 0.

Exemplo. Vamos determinar as soluções da equação homogênea
AX = 0,
onde
     
3 1 −2 x 0
A= 4 1 −2  , X =  y , 0 =  0 .
2 0 1 z 0
Lembramos que o sistema é homogêneo e não precisamos trabalhar com a

matriz completa mas, tão somente, com a matriz de coecientes A.
Para facilitar o escalonamento de A e trabalhar com um pivô unitário na
primeira linha, façamos a operação elementar
L1 − L3 → L1
a matriz A1 e uma de suas formas escalonadas R
   
1 1 −3 1 1 −3
A1 = 4
 1 −2  R= 0
 1 −3  .
2 0 1 0 0 1
As equações AX = 0 e RX = 0 possuem a mesma solução geral.
A equação RX = 0 corresponde ao sistema
x + y − 3z = 0
y − 3z = 0
z = 0
Usando a substituição reversa, da terceira equação obtemos z=0 que, levada
na segunda, resulta em y = 0.
Estes dois resultados, levados na primeira equação resultam em x = 0. Não
há incógnita livre pois x, y e z são dependentes.
A única solução é a trivial X = 0.

Teorema 1.11 Seja X1 uma solução particular da equação AX = B.

Outra solução particular X2 desta equação é da forma
X2 = X1 + Xh
onde Xh uma solução da equação homogênea AX = 0.
Prova. Sejam X1 e X2 duas soluções particulares de AX = B. Então
Xh = X2 − X1
é solução de AX = 0 pois
AXh = A(X2 − X1 ) = AX2 − AX1 = B − B = 0.

Logo,
X2 = X1 + X h .
Exemplo. Consideremos a equação
AX = B,
onde
  

1 −2 1   −1
 −1 x
3 −2   3 
A=
 2 −4
, X = y ,
 B=
 −2  .

2 
z
−3 7 −4 5
A forma escalonada da matriz completa é
 
1 −2 1 −1
 0
 1 −1 2 

 0 0 0 0 
0 0 0 0

que fornece o sistema
x − 2y + z = −1
y−z = 2
Explicitando x e y e usando substituição reversa, obtemos
x = 2y − z − 1 = 2(2 + z) − z − 1 = 3 + z
y = 2+z
onde z é a variável independente.
Toda solução de AX = B é da forma
       
x 3+z 3 1
X = y = 2 + z = 2 + z 1  = Xp + z X h ,
      
z z 0 1
onde z é livre, pode assumir qualquer valor real, e
   
3 1
Xp =  2  , Xh =  1  .
0 1
Aqui Xh é uma solução particular de AX = 0 e Xp é uma solução particular
de AX = B.
Denição 1.12 A equação homogênea AX = 0 é dita associada à equação

não homogênea AX = B.
Exemplo. Consideremos a equação não homogênea AX = B, onde

    x
3 1 −2 5 5  y 
A= 4
 1 −2 7 , B = 6 ,

 z .
X= 
2 0 1 4 3
w

A forma escalonada reduzida de sua matriz completa é
 
1 0 0 2 1
 0 1 0 −1 4 
0 0 1 0 1
e que corresponde ao sistema
x + 2w = 1,
y − w = 4,
z = 1.
Explicitando as incógnitas x, y, z,
x = 1 − 2w, y = 4 + w, z = 1.
obtemos a solução do sistema em função da incógnita livre w.
Toda solução de AX = B é da forma
      
x 1 − 2w 1 −2
 y   4+w   4 
 =   + w  1  = X1 + w X0
 
 z =
  
1   1   0 
w w 0 1
onde z a variável livre e
  
1 −2
 4   1 
X1 = 
 1 ,
 X0 = 
 0 .

0 1
A matriz X1 é uma solução de AX = B e X0 é solução não trivial de AX = 0.
Toda solução da equação homogênea AX = 0 é da forma z X0 , para qual-

quer valor real de z.

1.18 Matriz inversa 99
A equação AX = B possui innitas soluções, todas da forma
X1 + z X 0 .
1.18 Matriz inversa

Quando a e b são números reais e a 6= 0, a solução da equação
ax = b é x = a−1 b,
onde a−1 é o inverso de a, onde
a a−1 = a−1 a = 1.
Uma das técnicas utilizadas por matemáticos para resolver um problema

novo, se baseia numa analogia feita com problemas que já foram resolvidos.
Dadas as matrizes A e B, quando olhamos para a equação matricial
AX = B,
na incógnita X, camos tentados a escrever sua solução na forma
X = A−1 B,
onde A−1 seria a inversa da matriz A, que, por analogia ao caso real, seria
aquela matriz para a qual
A A−1 = A−1 A = I,

onde I é a matriz identidade, o elemento neutro da multiplicação de ma-

trizes.
Veremos que esta analogia faz sentido quando A é uma matriz quadrada.
Diferentemente do que ocorre com os números reais, veremos que nem toda
matriz quadrada diferente da matriz nula possui inversa.
Denição 1.13 Uma matriz quadrada A de ordem n é inversível quando

houver uma matriz quadrada B de ordem n para a qual
AB = BA = I,
onde I é a matriz identidade n × n. A matriz B é chamada de inversa de A.

Uma matriz quadrada não inversível é denominada singular.
Nota: Segundo a denição de inversa, se B é a inversa de A, então A é a

inversa de B.
Conclui-se que a inversa B de uma matriz inversível A também é inversível.
Exemplo. Dadas as matrizes

3 2 5 −2
A= e B= ,
7 5 −7 3
verica-se que
AB = BA = I,
mostrando que B é a inversa de A e A é a inversa de B.

3 −5 2 −5
A= e B= .
1 −2 1 −3
Como

AB = BA = I,
a inversa de A é B e a inversa de B é A.
Exemplo. A matriz

1 1
A= ,
0 0
cuja segunda linha é nula, não é inversível.
Ao multiplicá-la à direita por uma matriz quadrada qualquer, obtemos

1 1 a b a+c b+d
= .
0 0 c d 0 0
Esta matriz nunca será igual à matriz identidade.
Exemplo. A matriz

1 0
A= ,
1 0
cuja segunda coluna é nula, não é inversível.
Ao ser multiplicada à esquerda por uma matriz quadrada qualquer, obtemos

a b 1 0 a+b 0
= ,
c d 1 0 c+d 0
Esta matriz nunca será igual à matriz identidade.
Lição a tirar dos exemplos: Quando A possui uma linha nula, ou uma
coluna nula, então A não possui inversa.
Teorema 1.14 A inversa de uma matriz, quando existe, é única.

Prova. De fato, se B e C forem duas inversas de A,
AB = BA = I e AC = CA = I,
onde I é a matriz identidade. Desta forma,
B = BI = B(AC) = (BA)C = IC = C,
mostrando que B = C. Isto prova a unicidade da inversa.
Notação: Sendo única a inversa de uma matriz A, vamos denotá-la por

A−1 .
Teorema 1.15 A inversa da inversa de A é igual a A

−1
A−1 = A.
Prova. Se B for a inversa de A, sabemos que a A é a inversa de B
B = A−1 e A = B −1 .
Daí,
−1
A−1 = B −1 = A.
Nota: A partir de agora, a menos que se especique o contrário, B não

indicará a inversa de A.
O produto da matriz A pela inversa da matriz B se escreve
AB −1
e a inversa do produto AB se escreve
(AB)−1 .

Exemplo. A inversa da matriz diagonal

2 0 1/2 0
é .
0 3 0 1/3
Exemplo. Quando a11 a22 − a12 a21 for diferente de zero, a inversa de

a11 a12 −1 1 a22 −a12
A= é A =
a21 a22 a11 a22 − a12 a21 −a21 a11
Para se certicar-se disto, basta calcular os produtos AB e BA e vericar que
ambos são iguais à matriz identidade.
Façamos algumas observações:
1. Uma matriz e sua inversa comutam, uma vez que A A−1 = A−1 A = I.
2. Lei do cancelamento.
Se D for inversível e AD = BD então A = B.

Se E for inversível e EA = EB então A = B.
Prova: Se D for inversível e AD = BD, então
(AD)D−1 = (BD)D−1 ⇒ A DD−1 = B DD−1

⇒ AI = BI ⇒ A = B.
provando assim que A = B.

3. Quando AB = 0 e A for inversível, então B = 0.
4. Quando AB = 0 e B for inversível, então A = 0.
Prova 3: B = IB = (A−1 A)B = A−1 (AB) = A−1 0 = 0.
Prova 4: análoga
Teorema 1.16 Quando a matriz A for inversível, a equação linear AX = B

possui uma única solução
X = A−1 B.
Prova. Existência de solução: É imediato vericar que X = A−1 B é

solução de AX = B pois
A A−1 B = AA−1 B = IB = B

Unicidade da solução: Para qualquer solução S de AX = B,
S = IS = (A−1 A)S = A−1 (AS) = A−1 B,
mostrando que A−1 B é a única solução.
1.18.1 Propriedades da matriz inversa
Sejam A, B e C
matrizes quadradas de mesmo tamanho. Alertamos que aqui,
−1
B não é a inversa de A, que agora é denotada por A .
1. Quando A, B e C forem matrizes inversíveis e x for um número real não

nulo, as matrizes
xA, AB, ABC

são inversíveis e

1.19 Matriz elementar 105
(xA)−1 = x−1 A−1

(AB)−1 = B −1 A−1
(ABC)−1 = C −1 B −1 A−1
2. Quando todas as matrizes A1 , A2 , . . . , An forem inversíveis e do mesmo

tamanho, então o produto
A1 A2 · · · An
é inversível e
(A1 A2 · · · An )−1 = A−1 −1 −1

n · · · A2 A1
onde pedimos uma vez mais a atenção do leitor para a ordem dos
fatores nos produtos.
A multiplicação de matrizes não é comutativa.
1.19 Matriz elementar

Denição 1.17 Matriz elementar de ordem n é aquela obtida ao aplicar
uma única operação elementar na matriz identidade de ordem n.
As matrizes abaixo são elementares

1 0 1 0
(1L1 → L1 )
0 1 0 1
   
1 0 0 1 0 0
 0 1 0  (−8L2 → L2 )  0 −8 0  .
0 0 1 0 0 1
   
1 0 0 0 1 0 0 0
 0 1 0 0   0 0 0 1 

 0
 (L2 ↔ L4 )  
0 1 0   0 0 1 0 
0 0 0 1 0 1 0 0

   
1 0 0 1 0 4
 0 1 0  (L1 + 4L3 → L1 )  0 1 0 
0 0 1 0 0 1
Matrizes elementares são inversíveis
O próximo exemplo nos mostra que as matrizes elementares são inversíveis.
Exemplo. Matrizes elementares e suas inversas
1.    
0 1 0 0 1 0
A= 1 0 0  A−1 = 1 0 0 
0 0 1 0 0 1
A matriz A foi obtida realizando na matriz identidade a operação elementar
L1 ↔ L2
e sua inversa A−1 é obtida realizando na matriz identidade a mesma operação
elementar
L1 ↔ L2
2.    
1 0 0 1 0 0
B= 0 5 0  B −1 =  0 1/5 0 
0 0 1 0 0 1
A matriz B foi obtida realizando na matriz identidade a operação elementar
5L2 → L2
e sua inversa B −1 é obtida realizando na matriz identidade a operação elemen-
tar
(1/5)L2 → L2
3.    
1 0 0 1 0 0
C= 0 1 0  C −1 = 0 1 0 
7 0 1 −7 0 1

A matriz C foi obtida realizando na matriz identidade a operação elementar
L3 + 7L1 → L3
e sua inversa C −1 é obtida realizando na matriz identidade a operação elemen-

tar
L3 − 7L1 → L3
Este exemplo mostra que:
1. A inversa de uma matriz elementar é elementar.
2. Se a matriz elementar E foi obtida realizando uma operação elemen-

tar na matriz identidade, sua inversa E −1 é obtida aplicando na matriz
identidade a operação elementar inversa.
Conexão entre matriz elementar e operação elementar
Considere a matriz
 
1 1 1 1
A= 2 2 2 2 
3 3 3 3
que é de fácil visualização.
Considere as matrizes elementares
     
0 1 0 6 0 0 1 0 0
E1 =  1 0 0  , E2 =  0 1 0  , E3 =  0 1 0  ,
0 0 1 0 0 1 4 0 1
obtidas realizando na matriz identidade as operações elementares
L1 ↔ L2 , 6L1 → L1 , L3 + 4L1 → L3 ,

respectivamente. Observe os produtos abaixo:
    
0 1 0 1 1 1 1 2 2 2 2
E1 A =  1 0 0   2 2 2 2  =  1 1 1 1 
0 0 1 3 3 3 3 3 3 3 3
A matriz E1 A pode ser obtida realizando em A a operação elementar L1 ↔

L2 . Esta é a mesma operação realizada sobre a matriz identidade para obter
E1 .
    
6 0 0 1 1 1 1 6 6 6 6
E2 A =  0 1 0   2 2 2 2  =  2 2 2 2 
0 0 1 3 3 3 3 3 3 3 3
A matriz E2 A pode ser obtida realizando em A a operação elementar 6L1

→ L1 . Esta é a mesma operação realizada sobre a matriz identidade para obter
E2 .
    
1 0 0 1 1 1 1 1 1 1 1
E3 A =  0 1 0   2 2 2 2  =  2 2 2 2 
4 0 1 3 3 3 3 7 7 7 7
A matriz E3 A pode ser obtida realizando em A a operação elementar L3 +

4L1 → L3 . Esta é a mesma operação realizada sobre a matriz identidade para
obterE3 .
Se E for uma matriz elementar, a matriz EA pode ser obtida realizando

em A a mesma operação elementar realizada sobre a matriz identidade
para obter E.
Interessante: Executar uma operação elementar em uma matriz A é

equivalente a multiplicá-la à esquerda por uma matriz elementar.
1.19.1 Forma escalonada como um produto de matrizes
Para escalonar uma matriz A, aplica-se uma sequência de operações elemen-

tares.

Podemos obter uma forma escalonada R de uma matriz A aplicando uma

sequência de operação elementares partindo desta matriz
A → C1 → C2 → · · · → Ck = R.
Cada matriz Ci é obtida aplicando na matriz à sua esquerda uma operação

elementar.
Vimos que aplicar uma operação elementar a uma matriz corresponde a

multiplicá-la por uma matriz elementar
C1 = E1 A
C2 = E2 C1 = E2 E1 A
C3 = E3 C2 = E3 E2 E1 A
···
Ck = Ek Ck−1 = Ek · · · E2 E1 A
onde E1 , E2 , . . . , Ek são matrizes elementares.
Como Ck = R,
R = Ek · · · E2 E1 A.
Como as matrizes elementares são inversíveis,
A = (Ek · · · E2 E1 )−1 R
A = E1−1 E2−1 · · · Ek−1 R.
Lembre-se que é muito fácil calcular as inversas de matrizes elementares.
Quando A for inversível, R também o é, por ser um produto de matrizes

inversíveis.
Quando R for inversível, A também o é, por ser um produto de matrizes

inversíveis.

Teorema 1.18 Uma matriz quadrada A é inversível se, e só se, uma de suas
formas escalonadas R for inversível.
Possíveis formas escalonadas - matriz ordem três
Os asteriscos representam um número real qualquer.
       
1 ∗ ∗ 1 ∗ ∗ 1 ∗ ∗ 1 ∗ ∗
 0 1 ∗ ,  0 1 ∗ ,  0 0 1 ,  0 0 0 ,
0 0 1 0 0 0 0 0 0 0 0 0
       
0 1 ∗ 0 1 ∗ 0 0 1 0 0 0
 0 0 1 ,  0 0 0 ,  0 0 0 ,  0 0 0 .
0 0 0 0 0 0 0 0 0 0 0 0
Das oito formas escalonadas apresentadas, apenas a primeira é inversível.
Abaixo apresentamos as formas escalonadas reduzidas dessas oito matrizes

escalonadas
       
1 0 0 1 0 ∗ 1 ∗ 0 1 ∗ ∗
 0 1 0 ,  0 1 ∗ ,  0 0 1 ,  0 0 0 ,
0 0 1 0 0 0 0 0 0 0 0 0
       
0 1 0 0 1 ∗ 0 0 1 0 0 0
 0 0 1 ,  0 0 0 ,  0 0 0 ,  0 0 0 .
0 0 0 0 0 0 0 0 0 0 0 0
Dessas oito formas escalonadas reduzidas, a única inversível é a matriz

identidade.
A partir desses comentários e do teorema anterior podemos enunciar
Teorema 1.19 1. Uma matriz quadrada é inversível se, e só se, sua forma
escalonada reduzida for a matriz identidade ou qualquer forma escalonada não
possuir linha nula.
2. Uma matriz quadrada é singular se, e só se, uma de suas formas esca-
lonadas tiver uma linha nula.

Exemplo. Vamos determinar as matrizes elementares E1 , . . . , Ek que,

multiplicadas à esquerda da matriz
 
1 0 −3 2
A= 2 1 −5 8 ,
−1 2 5 6
nos leva à sua forma escalonada reduzida R.

1. Aplicamos em A a operação elementar L2 − 2L1 → L2
   
1 0 −3 2 1 0 0
C1 =  0 1 1 4  = E1 A onde E1 =  −2 1 0 
−1 2 5 6 0 0 1
2. Realizamos em C1 a operação elementar L3 + L1 → L3
  

1 0 −3 2 1 0 0
C2 = 0
 1 1 4  = E 2 C1 onde E2 =  0 1 0 
0 2 2 8 1 0 1
3. Aplicamos em C2 a operação elementar L3 − 2L2 → L3
   
1 0 −3 2 1 0 0
C3 = 0
 1 1 4  = E3 C2 onde E3 = 0
 1 0 
0 0 0 0 0 −2 1
A matriz C3 é a forma escalonada reduzida R de A
R = C3 = E3 C2 = E3 E2 C1 = E3 E2 E1 A.
A matriz R possui uma linha nula.
Exemplo. Vamos determinar a forma escalonada reduzida da matriz

 
1 0 4
A= 3 1 12  .
0 −2 1
1. Aplicar em A a operação elementar L2 − 3L1 → L2
   
1 0 4 1 0 0
C1 = 0
 1 0  = E1 A onde E1 = −3
 1 0 .
0 −2 1 0 0 1
2. Aplicar em C1 a operação L3 + 2L2 → L3
   
1 0 4 1 0 0
C2 = 0 1
 0  = E 2 C1 onde E2 =  0 1 0  .
0 0 1 0 2 1
3. Aplicar em C2 a operação L1 − 4L3 → L1
   
1 0 0 1 0 −4
C3 =  0 1 0  = E 3 C2 onde E3 = 0
 1 0 .
0 0 1 0 0 1
A forma escalonada reduzida de A é a matriz identidade e
I = C3 = E3 C2 = E3 E2 C1 = E3 E2 E1 A.
A matriz identidade é inversível. Logo, A é inversível.
1.20 Um método para inverter matrizes

Quando A é inversível, sua forma escalonada reduzida é a matriz identidade.
E existem matrizes elementares E1 , E2 , . . . , Ek tais que

1.20 Um método para inverter matrizes 113
I = Ek · · · E1 A.
Multiplicando os dois membros por A−1 pela direita, obtemos
A−1 = Ek · · · E1 I.
Perceba que, realizando sobre I as mesmas operações elementares que levam

A na matriz identidade, chega-se à inversa de A.
Tal observação sugere um dispositivo prático para determinar a inversa de

uma matriz.
1. Realize sobre A uma sequência de operações elementares E1 , E2 , . . . , Ek

com o objetivo de obter sua forma escalonada reduzida. Aplique para tanto o
método de Gauss-Jordan.
2. Se em algum momento deste processo chegar a uma linha nula, pode

parar e dizer que a matriz é singular, não possui inversa.
3. Não chegando a uma linha nula, continue com o procedimento até chegar
à matriz identidade.
4. Execute na matriz identidade as mesmas operações elementares (e na

mesma ordem) que levaram A na identidade.
5. A matriz obtida ao nal do processo é a inversa de A.
1.20.1 Procedimento prático para obter a inversa
Seja A uma matriz quadrada e I a matriz identidade, ambas de ordem n.

Construa a matriz ampliada
[ A | I ],
colocando à direita de A a matriz identidade I.
Sendo E uma matriz quadrada de ordem n,
EC = E [ A | I ] = [ EA | EI ].

Para calcular a inversa da matriz A ou concluir que ela é singular, siga o

algoritmo abaixo.
1. Construa a matriz ampliada
C = [ A | I ].
2. Efetue uma sequência de operações elementares em C = [A|I ] com o

objetivo de obter sua forma escalonada reduzida. Aplique para tanto o
método de Gauss-Jordan.
3. Se em algum momento deste processo uma linha da metade esquerda da

matriz ampliada se anular, a forma escalonada de A possuirá uma linha
nula, indicando que ela é singular. Neste ponto, o algoritmo pode ser
interrompido. Responda que a matriz A é singular, não possui inversa.
4. Escalonando a matriz e não chegando a uma linha nula na metade es-

querda da matriz ampliada, vá da última para a primeira linha anulando
as entradas acima dos pivôs.
5. Continue com o procedimento até que a metade esquerda se transforme

na matriz identidade. Como cada operação elementar corresponde à
multiplicação por uma matriz elementar, o que zemos foi efetuar as
multiplicações
Ek · · · E1 [ A | I ] = [ Ek · · · E1 A | Ek · · · E1 I ] = [ I | B ],
onde Ei , para i = 1, . . . , k, são matrizes elementares.
Neste ponto, podemos armar que A é inversível e que B, a metade

direita da matriz ampliada, é sua inversa.
Exemplo. Vamos calcular a inversa da matriz

 
1 2 3
A= 2 5 3 
1 0 8
Construímos a matriz ampliada [A|I ]
 
1 2 3 1 0 0
[A|I ] = 2 5 3
 0 1 0 
1 0 8 0 0 1
Aplicamos sobre esta matriz ampliada duas operações elementares
L2 − 2L1 → L2 e L3 − L1 → L3
uma depois da outra, para obter
 
1 2 3 1 0 0
 0 1 −3 −2 1 0  .
0 −2 5 −1 0 1
Realizando a operação elementar
L3 + 2L2 → L3 ,
obtemos
 
1 2 3 1 0 0
 0 1 −3 −2 1 0  .
0 0 −1 −5 2 1
Multiplicando a terceira linha por −1, ou seja, realizamos a operação
−L3 → L3
 
1 2 3 1 0 0
 0 1 −3 −2 1 0 ,
0 0 1 5 −2 −1

Realizamos outras duas operações elementares
L2 + 3L3 → L2 e L1 − 3L3 → L1 ,
obtemos
 
1 2 0 −14 6 3
 0 1 0 13 −5 −3  .
0 0 1 5 −2 −1
Com a operação elementar
L1 − 2L2 → L1 ,
a matriz do lado esquerdo se torna a identidade
 
1 0 0 −40 16 9
 0 1 0 13 −5 −3  .
0 0 1 5 −2 −1
Tendo reduzido A à matriz identidade, sua inversa é a matriz 3×3 à direita
 
−40 16 9
A−1 =  13 −5 −3  .
5 −2 −1
Exemplo. Vamos vericar se a matriz
 
1 2 1
A= 1 0 2 
2 6 1
é inversível ou singular.
A matriz ampliada [A|I ] é

 
1 2 1 1 0 0
 1 0 2 0 1 0 
2 6 1 0 0 1
Efetuando sobre ela as operações elementares
L2 − L1 → L2 e L3 − 2L1 → L3 ,
chega-se em
 
1 2 1 1 0 0
 0 −2 1 −1 1 0 
0 2 −1 −2 0 1
Adicionando a segunda linha à terceira, segue a matriz
 
1 2 1 1 0 0
 0 −2 1 −1 1 0  .
0 0 0 −3 1 1
Observe que a terceira linha da matriz à esquerda é nula.
Isto indica que a forma escalonada de A é singular pois possui uma linha
nula.
Concluímos que A é singular, não possui inversa.
Exercício 1.20 Mostre que matriz A abaixo é inversível e calcule sua inversa
   
1 2 3 −40 16 9
A= 2 5 3  A−1 =  13 −5 −3 
1 0 8 5 −2 −1
Teorema 1.21 Quando A é uma matriz inversível, a equação matricial
AX = 0
só possui a solução trivial.

Prova. Se X for solução da equação matricial homogênea
AX = 0
então multiplicando os dois lados da equação pela esquerda por A−1
A−1 AX = A−1 0 ⇒ IX = 0 ⇒ X=0
1.21 Outras propriedades envolvendo a inversa

Vamos reunir em um único teorema condições que equivalem à inversibilidade
de uma matriz.
Teorema 1.22 Seja A uma matriz quadrada de ordem n e 0 a matriz coluna

nula n × 1. As armações abaixo são equivalentes.
(1) A matriz A é inversível.
(2) A forma escalonada reduzida de A é a matriz identidade.
(3) A matriz A é um produto de matrizes elementares.
(4) Se AX = 0 então X = 0. Dito de outro modo: A única solução de AX
= 0 é X = 0.
(5) O conjunto das matrizes colunas de A é linearmente independente.
Prova. Seja R a forma escalonada reduzida de A. Então existem matrizes

elementares E1 , E2 , . . . , Ek tais que
R = Ek · · · E2 E1 A e A = E1−1 E2−1 · · · Ek−1 R.
As inversas E1−1 , E2−1 , . . . , Ek−1 são elementares.

Que (1) implica em (2) foi provado há pouco.
Provemos que (2) implica em (3). Quando R for a matriz identidade, A=
E1 E2 · · · Ek−1 e vê-se que A é um produto de matrizes elementares.
−1 −1

1.21 Outras propriedades envolvendo a inversa 119
Provemos que (3) implica em (1). Quando A é um produto de matrizes

elementares, A é inversível por ser um produto de matrizes inversíveis.
Até este ponto provamos que (1), (2) e (3) são equivalentes.
Provemos que (1) implica em (4). Quando A for inversível e AX = 0, então
X = IX = (A−1 A)X = A−1 (AX) = A−1 0 = 0.
Provamos que, se AX = 0, então X = 0.
Provemos que (4) implica em (1). Um modo de provar que a hipótese
implica na tese, consiste em provar que a negação da tese implica na negação
da hipótese. É o que faremos para provar esta implicação. Partiremos da
hipótese “A é singular e provaremos a tese “AX = 0 possui solução não
trivial.
Sendo A quadrada e singular, sua forma escalonada reduzida R é quadrada
e possui pelo menos uma linha nula. O número de colunas de R é maior do que
o número de linhas não nulas. Desta forma, a equação RX = 0 corresponde a
um sistema com mais incógnitas do que equações não nulas. Pelo menos uma
variável cará livre e RX = 0 terá solução não trivial. Logo, AX = 0 possui
solução não trivial, isto é, existe X 6= 0 tal que AX = 0.
A prova de que (4) e (5) são equivalentes foi apresentada em um teorema
anterior. Vamos repetir a prova. Sejam A1 , . . . , An as matrizes coluna de
A e X a matriz coluna cujas entradas são x1 , . . . , xn . A equação AX = 0 é
equivalente a x1 A1 + · · · + xn An = 0. Logo, AX = 0 possui apenas a solução
trivial se, e só se, o conjunto {A1 , . . . , An } for linearmente independente.
Este teorema é importante pois, em certas ocasiões, provaremos que A

é inversível ao mostrar que a equação homogênea AX = 0 possui apenas a
solução trivial.
Uma consequência imediata deste teorema para matrizes singulares está

enunciada no corolário abaixo. Chamamos corolário àquele teorema cuja prova
decorre imediatamente (ou quase) de um outro já provado.
Corolário 1.23 Seja A uma matriz quadrada de ordem n e 0 a matriz coluna

nula n × 1. As armações abaixo são equivalentes:
(1) A matriz A é singular.
(2) Qualquer forma escalonada de A possui uma linha nula.
(3) A equação homogênea AX = 0 possui solução não trivial, isto é, existe
X 6= 0 tal que AX = 0.
(4) O conjunto das matrizes coluna de A é linearmente dependente.

(5) Uma das colunas de A é uma combinação linear das outras colunas de
A.
Vamos relembrar que, ao denir inversibilidade, dissemos que uma matriz

quadrada A é inversível quando existir uma matriz quadrada B para a qual
AB = I e BA = I,
e chamamos B de inversa de A.
Pela denição de inversa, percebe-se que B é inversível e que sua inversa é

A.
Agora vamos provar que basta ter AB = I para garantir que A e B são
inversíveis e uma ser a inversa da outra.
Teorema 1.24 Sejam A e B duas matrizes quadradas de mesmo tamanho.

Se AB = I, então A e B são inversíveis, com A−1 = B e B −1 = A.
Prova. AB = I,
1. Se vamos provar que B é a inversível e que B −1 = A.
Como AB = I, seja X uma matriz coluna tal que BX = 0. Daí segue
X = IX = (AB)X = A(BX) = A0 = 0.
Como BX = 0 possui apenas a solução trivial, B é inversível e possui inversa
B −1 . Usando este fato,
A = AI = A(BB −1 ) = (AB)B −1 = IB −1 = B −1
e provamos que A é a inversa de B.
−1
2. Se AB = I, vamos provar que A é a inversível e que A = B.
Pela parte anterior, a matriz A é a inversa de B. Portanto, A é inversível
−1
e existe A . Segue daí que
B = IB = (A−1 A)B = A−1 (AB) = A−1 I = A−1

e provamos que B é a inversa de A.
Sabemos que, quando A e B são inversíveis, o produto AB também o é,

−1 −1
sendo B A sua inversa. Agora vamos provar que, quando o produto AB
for inversível, então A e B também o são.

1.21 Outras propriedades envolvendo a inversa 121
Teorema 1.25 Sejam A e B matrizes quadradas com o mesmo tamanho.

Quando o produto AB for inversível, os fatores A e B serão inversíveis.
Prova. Por hipótese, AB é inversível.

(1) Vamos provar que B é inversível. Seja X uma solução de BX = 0.
Então,
(AB)X = A(BX) = A0 = 0.
Uma vez que AB é inversível, a equação (AB)X = 0 possui apenas a solução
trivial e concluímos que
X = 0.
Provamos que a única solução de BX = 0 é a trivial, o que nos permite concluir
que B é inversível.
(2) Vamos provar que A é inversível. Acabamos de provar que B é inversível.
−1
Logo, sua inversa B também o é. Como
A = AI = A(BB −1 ) = (AB)B −1 ,
concluímos que A é inversível por ser o produto das matrizes inversíveis AB e

B −1 .
Conclusão: Quando A e B forem inversíveis, então AB é inversível. Re-

cíprocamente, quando AB for inversível, A e B também o são.
Exemplo. Este exemplo apresenta uma curiosidade. Se A for uma matriz
3 × 2, não existe matriz B de tamanho 2×3 tal que
AB = I,
onde I é a matriz quadrada de ordem 3.
Se existisse tal matriz B, considere a equação homogênea BX = 0, onde

X é uma matriz 3×1 de incógnitas. Pelo menos uma das incógnitas caria
livre.
Isto implicaria na existência de uma matriz coluna X0 não nula para a qual
BX0 = 0.
Por outro lado,

X0 = IX0 = (AB)X0 = A(BX0 ) = A0 = 0,
o que seria uma contradição. Logo, tal matriz B não existe.
Este exemplo mostra que não tem sentido falar em inversa de matrizes
retangulares cujo número de linhas é diferente do número de colunas.
Exemplo. Quando A possui mais colunas do que linhas, pode existir B

tal que AB é a matriz identidade. Este é o caso das matrizes
 
2 −3
3 5 1
A= e B =  −1 2 
1 2 0
0 −1
onde o produto

1 0
AB =
0 1
é a matriz identidade 2 × 2.
Observe que
 
3 4 2
BA =  −1 −1 −1 
−1 −2 0
é diferente da matriz identidade 3 × 3.
1.22 Matriz transposta

Seja A = [aij ] uma matriz m × n. A transposta de A, é a matriz
AT = [bij ]
de tamanho n × m, onde
bij = aji .

1.22 Matriz transposta 123
As linhas de A
se transformam em colunas de AT e as colunas de A se
T
transformam em linhas de A .
Exemplo. As transpostas de

1 1 2 3
A = [4] , B= , C=
2 4 5 6
são

1 4
AT = [4] , BT = CT =  2 5  .

1 2 ,
3 6
Como o conceito de transposta é útil, vamos relacionar suas propriedades.
1.22.1 Propriedades da transposta
Valem as propriedades abaixo.
1. (AT )T = A,
2. (A + B)T = AT + B T ,
3. (xA)T = xAT , onde x é um número real.
4. Se for possível efetuar o produto AB, então
(AB)T = B T AT .
Como a multiplicação de matrizes não é comutativa, a ordem dos fatores
é importante.

5. Se for possível efetuar o produto ABC, então
(ABC)T = C T B T AT .
Como a multiplicação de matrizes não é comutativa, a ordem dos fatores

é importante.
Esta propriedade se estende para um número qualquer de fatores.
6. Quando A for inversível, AT é inversível e
(AT )−1 = (A−1 )T .
1.23 Matriz simétrica

Denição 1.26 Uma matriz quadrada A é simétrica quando AT = A.
Exemplo. A matriz abaixo é simétrica

 
1 4 5
A =  4 2 6  = AT
5 6 3
Propriedades
Sejam A e B matrizes simétricas de mesmo tamanho e x um número real.

Então
(a) AT é simétrica.

1.24 Potência inteira de uma matriz 125
(b) A + B e A − B são simétricas.
(c) xA é simétrica.
(d) Se A for inversível, então A−1 é simétrica.
(e) Para qualquer matriz retangular C, as matrizes CC T e CT C são quadradas

e simétricas.
(f) Nem sempre o produto de matrizes simétricas é uma matriz simétrica. De

T T
fato, sendo A e B simétricas, A = A e B = B. Logo,
(AB)T = B T AT = BA
que nem sempre é igual a AB.
(g) O produto AB de duas matrizes simétrica é uma matriz simétrica se, e só

se, elas comutarem, isto é, AB = BA.
Exemplo. Duas matrizes simétricas cujos produto não é simétrico
    
1 0 5 −1 2 −1 −6 2 9
 0 2 6   2 2 0  =  −2 4 12 
5 6 2 −1 0 2 5 22 −1
1.24 Potência inteira de uma matriz

Seja A uma matriz quadrada e k um número inteiro positivo. Denimos as
potências inteiras não negativas de A de modo indutivo por
A0 = I, Ak = Ak−1 A.

Mediante esta denição, obtemos
A1 = A0 A = IA = A
A2 = A1 A = AA
A3 = A2 A = AAA
e assim por diante.
Se A for inversível, denimos as potências negativas de A por
A−k = (A−1 )k .
Pode-se provar por indução em k que, para todo inteiro k > 0,
(A−1 )k = (Ak )−1 .
Propriedades
Sejam A e B matrizes quadradas com o mesmo tamanho, r e s números

inteiros não negativos. Então,
1. para multiplicar potências inteiras de A, conserva-se a base e adicionam-

se os expoentes
Ar As = As Ar = Ar+s .
Nota-se daí que as potências inteiras de matrizes quadradas comutam.
2. Para elevar uma potência inteira de A a outra potência inteira, conserva-

se a base e multiplicam-se os expoentes
(Ar )s = Ars .

1.24 Potência inteira de uma matriz 127
3. A transposta da potência r de A é igual à potência r da transposta de A

r
(Ar )T = AT .
4. Quando as matrizes A e B comutarem, isto é, quando AB = BA, e
(AB)r = Ar B r .
Se AeB forem inversíveis, as propriedades acima valem quando r e s forem

números inteiros quaisquer, podendo ser positivos, negativos ou nulos.

1 2 2 3 2 3 5 6
A= , B=A = , C=A = .
1 0 1 2 3 2
As matrizes B e C são duas potências inteiras de A. Elas comutam pois

21 22
BC = CB = .
11 10
Exercícios
1. Sejam A e B matrizes quadradas de mesmo tamanho. Desenvolva os pro-

dutos (A + B)2 e (A + B)(A − B).
(a) Apresente um exemplo no qual (A + B)2 é diferente de A2 + 2AB +
B2.
(b) Sob que condições as matrizes do item (a) são iguais?
(c) Apresente um exemplo no qual (A + B)(A − B) é diferente de A2 −

B2.
(d) Sob que condições as matrizes do item (c) são iguais?

Cap 01 Sistemas Lineares

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Cap 01 Sistemas Lineares

Enviado por

Direitos autorais:

Formatos disponíveis

Álgebra Linear - Sistemas lineares

Antonio Cândido Faleiros

Universidade Federal do ABC

1.16 Dependência linear . . . . . . . . . . . . . . . . . . . . . . . . . 86

Professor Antonio Cândido Faleiros

Prezados alunos, sejam bem-vindos.

Pegue seu celular, computador ou tablet,

lápis, papel e borracha.

Anote, esboce, faça diagramas, pense, interprete.

Resolva problemas sobre o assunto.

Ah... e se tiver alguma dúvida, pergunte.

É assim que se estuda.

Professor Antonio Cândido Faleiros

Professor Antonio Cândido Faleiros

Neste capítulo vamos estudar

equações algébricas lineares

sistemas de equações algébricas lineares

As letras x, y e z são as incógnitas.

Objetivo: determinar soluções.

Dizemos que encontramos uma solução quando determinamos um conjunto

Exemplo. Considere a equação

Professor Antonio Cândido Faleiros

observe que x = 1, y = 1, z = 1 é uma solução da equação pois

Outra solução é x = 2, y = −3, z = −1 pois

Como determinamos tais soluções?

Explicitamos uma incógnita

e, a cada valor que atribuímos a x e a z, determinamos um valor para y.

Exemplo. Uma solução do sistema

Professor Antonio Cândido Faleiros

1.1 Conjunto ordenado nito

( x1 , x2 , x3 , . . . , xn ) sequência ordenada nita de objetos

Vamos nos ater a sequências ordenadas nitas de números reais ou com-

Me permitam o trocadilho: a diferença está na igualdade

Exemplo. A ordem dos elementos e a múltipla inserção de um mesmo

{1, 2} = {2, 1} = {2, 1, 2} = {1, 2, 1, 1}

Se A e B não forem iguais, diremos que são diferentes e escrevemos A 6= B.

Professor Antonio Cândido Faleiros

Igualdade entre conjuntos ordenados

Dois conjuntos ordenados nitos,

são iguais quando ambos possuem o mesmo número de entradas (m = n)

Quando forem iguais, escrevemos

Quando dois conjuntos ordenados nitos

não forem iguais, diremos que são diferentes e escreveremos

Professor Antonio Cândido Faleiros

Exemplo. Pares ordenados de números reais

(1, 1), (1, 2), (5, 7).

O conjunto de todos os pares ordenados de números reais

Exemplo. Ternos ordenados de números reais

(1, 2, 3), (3, 3, 5), (4, −7, 9)

O conjunto de todos os ternos ordenados de números reais

Exemplo. Quadras ordenadas de números reais

(1, 2, 3, 4), (−8, 7, 6, −3)

Professor Antonio Cândido Faleiros

O conjunto de todas as quadras ordenadas de números reais

Um conjunto ordenado nito de números reais contendo n elementos é

O conjunto de todas as n−uplas ordenadas de números reais é designado

Os números reais x1 , . . . , xn , são chamados de elementos da n−upla (x1 ,

xi ocupa a i−ésima posição e i é o índice de xi

Nota 1.1 Nos países de lingua inglesa

(2.1, 3.4, 6.8)

Vamos usar a notação inglesa quando usarmos frações decimais.

Professor Antonio Cândido Faleiros

1.1.1 Representação geométrica

1.1 Conjunto ordenado nito

( x1 , x2 , x3 , . . . , xn ) sequência ordenada nita de objetos

Vamos nos ater a sequências ordenadas nitas de números reais ou com-

Dois conjuntos ordenados nitos,

Quando dois conjuntos ordenados nitos

Um conjunto ordenado nito de números reais contendo n elementos é

chamada equação geral da reta. Nela, a, b e c são números reais xados.

onde a1 , a 2 , b 1 e b2 são números reais xados e t, chamado de parâmetro,

Podemos denir o parâmetro (a escolha não é única)

Se houvéssemos denido o parâmetro t por

O y não aparece explicitamente. Para obter suas equações paramétricas de-

onde a1 , a2 , a3 , b1 , b2 , b3 , c1 , c2 e c3 são números reais xados, r e s são

As equações paramétricas do plano cam

denem as coordenadas (x, y, z) dos pontos de uma reta no espaço cartesi-