Matemática I .

Humberto da Rosa Filipe

1.1.Dependência e independência linear

1.1.1. Combinação linear

Diz-se que um vector 𝑣⃗ ∈ 𝐸 é combinação linear dos vectores ⃗⃗⃗⃗⃗,
𝑣1 ⃗⃗⃗⃗⃗,
𝑣2 ⃗⃗⃗⃗⃗,
𝑣3 … , ⃗⃗⃗⃗⃗
𝑣𝑘 ∈
𝐸 quando existem escalares 𝛼1 , 𝛼2 , 𝛼3 , … , 𝛼𝑘 ∈ 𝐾 tais que: 𝑣⃗ = 𝛼1 ⃗⃗⃗⃗⃗
𝑣1 + 𝛼2 ⃗⃗⃗⃗⃗
𝑣2 + 𝛼3 ⃗⃗⃗⃗⃗
𝑣3 +
⋯ + 𝛼𝑘 ⃗⃗⃗⃗⃗.
𝑣𝑘

Exemplo:

Verifique se 𝑣⃗ = (1,3) é combinação linear de 𝑢

⃗⃗ = (−1,1) e 𝑤
⃗⃗⃗ = (𝑘, 𝑘 − 2).

Resolução:

Faz-se 𝑣⃗ = 𝛼1 ⃗⃗⃗⃗⃗ 𝑣2 ⟺ (1,3) = 𝛼1 (−1, 1) + 𝛼2 (𝑘, 𝑘 − 2)

𝑣1 + 𝛼2 ⃗⃗⃗⃗⃗

⟺ (1,3) = (−𝛼1 , 𝛼1 ) + (𝛼2 𝑘, 𝛼2 (𝑘 − 2))

⟺ (1,3) = (−𝛼1 + 𝛼2 𝑘, 𝛼1 + 𝛼2 (𝑘 − 2))

Aplicando igualdade de vectores, tem-se o sistema:

−𝛼1 + 𝛼2 𝑘 = 1
{
𝛼1 + 𝛼2 (𝑘 − 2) = 3

Será combinação linear se o sistema for possível.

1.1.2. Dependência e independência linear

Os vectores ⃗⃗⃗⃗⃗,
𝑣1 ⃗⃗⃗⃗⃗,
𝑣2 ⃗⃗⃗⃗⃗,
𝑣3 … , ⃗⃗⃗⃗⃗
𝑣𝑘 ∈ 𝐸(espaço vectorial) dizem-se Linearmente
⃗⃗ se escreve como combinação linear deles de
Independentes (LI), quando o vector nulo 𝑂
uma única maneira ( que será evidentemente, com coeficientes nulos); caso contrário, os
vectores dados serão Linearmente Dependentes (LD).

Simbolicamente:

a) ⃗⃗⃗⃗⃗,
𝑣1 ⃗⃗⃗⃗⃗,
𝑣2 ⃗⃗⃗⃗⃗,
𝑣3 … , ⃗⃗⃗⃗⃗
𝑣𝑘 são Linearmente Independentes quando:
𝛼1 ⃗⃗⃗⃗⃗
𝑣1 + 𝛼2 ⃗⃗⃗⃗⃗
𝑣2 + 𝛼3 ⃗⃗⃗⃗⃗
𝑣3 + ⋯ + 𝛼𝑘 ⃗⃗⃗⃗⃗
𝑣𝑘 = 𝑂⃗⃗, tem-se, 𝛼1 = 𝛼2 = 𝛼3 = ⋯ = 𝛼𝑘 = 0;
b) ⃗⃗⃗⃗⃗,
𝑣1 ⃗⃗⃗⃗⃗,
𝑣2 ⃗⃗⃗⃗⃗,
𝑣3 … , ⃗⃗⃗⃗⃗
𝑣𝑘 são Linearmente Dependentes quando ∃𝛼1 , 𝛼2 , 𝛼3 , … , 𝛼𝑘 nem
todos nulos, tal que: 𝛼1 ⃗⃗⃗⃗⃗
𝑣1 + 𝛼2 ⃗⃗⃗⃗⃗
𝑣2 + 𝛼3 ⃗⃗⃗⃗⃗
𝑣3 + ⋯ + 𝛼𝑘 ⃗⃗⃗⃗⃗
𝑣𝑘 = 𝑂⃗⃗

UMA-Faculdade de Ciências Jurídicas e Sociais

Matemática I . Humberto da Rosa Filipe

Propriedades:

Num espaço vectorial 𝐸, tem-se:

i. Um vector 𝑣⃗ é Linearmente Independente se, e só se 𝑣⃗ ≠ 0;

ii. Os vectores ⃗⃗⃗⃗⃗,
𝑣1 ⃗⃗⃗⃗⃗,
𝑣2 ⃗⃗⃗⃗⃗,
𝑣3 … , ⃗⃗⃗⃗⃗,
𝑣𝑘 (𝑘 > 1) são Linearmente Dependentes se, e só
se alguns deles é combinação linear dos restantes;
iii. Se ⃗⃗⃗⃗⃗,
𝑣1 ⃗⃗⃗⃗⃗,
𝑣2 ⃗⃗⃗⃗⃗,
𝑣3 … , ⃗⃗⃗⃗⃗
𝑣𝑘 são Linearmente Independentes e ⃗⃗⃗⃗⃗,
𝑣1 ⃗⃗⃗⃗⃗,
𝑣2 ⃗⃗⃗⃗⃗,
𝑣3 … , ⃗⃗⃗⃗⃗,
𝑣𝑘 𝑣⃗ são
Linearmente Dependentes, então 𝑣⃗ é combinação linear de ⃗⃗⃗⃗⃗,
𝑣1 ⃗⃗⃗⃗⃗,
𝑣2 ⃗⃗⃗⃗⃗,
𝑣3 … , ⃗⃗⃗⃗⃗;
𝑣𝑘
iv. 𝑣1 ⃗⃗⃗⃗⃗,
⃗⃗⃗⃗⃗, 𝑣2 ⃗⃗⃗⃗⃗,
𝑣3 … , ⃗⃗⃗⃗⃗,
𝑣𝑘 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗,
𝑣𝑘+1 … , ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝑣𝑘+𝑝 são Linearmente Independentes, então,
𝑣1 ⃗⃗⃗⃗⃗,
⃗⃗⃗⃗⃗, 𝑣2 ⃗⃗⃗⃗⃗,
𝑣3 … , ⃗⃗⃗⃗⃗
𝑣𝑘 também são Linearmente Independentes.

Exemplo:

Estudar a Dependência Linear dos seguintes vectores: 𝑢

⃗⃗ = (1, −1, 2), 𝑣⃗ = (2, 1, 1) e 𝑤
⃗⃗⃗ =
(1, 1, 2).

Resolução:

De 𝛼1 𝑢
⃗⃗ + 𝛼2 𝑣⃗ + 𝛼3 𝑤 ⃗⃗ , tem-se, 𝛼1 (1, −1, 2) + 𝛼2 (2, 1, 1) + 𝛼3 (1, 1, 2) = (0, 0, 0)
⃗⃗⃗ = 𝑂
que resulta no sistema seguinte:

𝛼1 + 2𝛼2 + 𝛼3 = 0
{ −𝛼1 + 𝛼2 + 𝛼3 = 0
2𝛼1 + 𝛼2 + 2𝛼3 = 0

Resolvendo, tem-se: 𝛼1 = 0; 𝛼2 = 0; 𝛼3 = 0. Logo, os vectores 𝑢

⃗⃗, 𝑣⃗ e 𝑤
⃗⃗⃗ são linearmente
independentes.

1.2. Característica de uma matriz. Condensação.

1.2.1. Condensação ou escalonamento:

Designa-se por condensação ao processo de transformar uma matriz em escada de
linhas, através de operações elementares sobre as linhas.

As operações elementares sobre as linhas de uma matriz são:

 Troca, entre si, de duas linhas;

 Multiplicação de uma linha por um número real diferente de zero;

UMA-Faculdade de Ciências Jurídicas e Sociais

Matemática I . Humberto da Rosa Filipe

 Adicionar a uma linha outra linha multiplicada por um número real diferente de
zero, e substitui-la pelo resultado.

Exemplo:

Escalonar as matrizes:

1 1 2 1 1 2
a) 𝐴 = (1 3 3 ); b) 𝐵 = (2 6 6)
1 8 12 2 2 4

1.2.2. Característica de uma matriz ou rango:

Chama-se característica de uma matriz 𝐴 ao número de linhas não nulas de uma
matriz condensada que, se obtém de 𝐴, através de operações elementares. Representa-se
por 𝑟(𝐴) ou 𝑐𝑎𝑟(𝐴) ou 𝑐(𝐴).

Exemplos:

Achar a característica das matrizes 𝐴 e 𝐵, do exemplo dado na condensação.

Obs:

Se numa matriz escalonada ter linhas nulas, diz-se que as linhas dessa matriz são
LI;

Se numa matriz escalonada não ter linhas nulas, diz-se que as linhas dessa matriz
são LD.

UMA-Faculdade de Ciências Jurídicas e Sociais

Matemática I . Humberto da Rosa Filipe

1.3. Aplicação aos sistemas de equações lineares. Resolução e discussão.

Dado um sistema de 𝑚 equacoes e 𝑛 incógnitas, da forma

𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑏1

𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 𝑏2
.
𝑆= , tem-se:
.
.
{𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 = 𝑏𝑚

𝑎11 𝑎12 … 𝑎1𝑛 𝑥1 𝑏1

𝑎21 𝑎22 … 𝑎2𝑛 𝑥2 𝑏2
𝐴=( , ) ; 𝑋 = ( ... ) ; 𝐵 = ( .. ) e
.
. .
𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑛 𝑥𝑛 𝑏𝑚

𝑎11 𝑎12 … 𝑎1𝑛 𝑏1

𝑎21 𝑎22 … 𝑎2𝑛
., | 𝑏2. ),
𝐶=( ..
.
𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑛 𝑏𝑚

ou seja, o sistema é 𝐴𝑋 = 𝐵, onde:

𝐴 é a matriz incompleta do sistema ou dos coeficientes;

𝐵 é a matriz dos termos independentes;

𝑋 é a matriz das incógnitas;

𝐶 é a matriz completa do sistema.

Resolução de um sistema:

Um sistema de equações lineares pode ser:

𝒅𝒆𝒕𝒆𝒓𝒎𝒊𝒏𝒂𝒅𝒐 (𝑠𝑒 𝑡𝑒𝑚 𝑎𝑝𝑒𝑛𝑎𝑠 𝑢𝑚𝑎 𝑠𝑜𝑙𝑢𝑐𝑎𝑜)

𝒑𝒐𝒔𝒔𝒊𝒗𝒆𝒍 {
𝒊𝒏𝒅𝒆𝒆𝒓𝒎𝒊𝒏𝒂𝒅𝒐(𝑠𝑒 𝑡𝑒𝑚 𝑚𝑎𝑖𝑠 𝑑𝑒 𝑢𝑚𝑎 𝑠𝑜𝑙𝑢𝑐𝑎𝑜)

{ 𝒊𝒎𝒑𝒐𝒔𝒔𝒊𝒗𝒆𝒍 (𝑠𝑒 𝑛𝑎𝑜 𝑡𝑒𝑚 𝑠𝑜𝑙𝑢𝑐𝑎𝑜)

Discussão
Seja 𝑝 = 𝑟(𝐴) a característica da matriz incompleta;
𝑞 = 𝑟(𝐶) a característica da matriz completa;
𝑛 o número de incógnitas

UMA-Faculdade de Ciências Jurídicas e Sociais

Matemática I . Humberto da Rosa Filipe

Temos:
Se 𝑝 < 𝑞 o sistema é impossível;
Se 𝑝 = 𝑞 = 𝑛 o sistema é possível e determinado;
Se 𝑝 = 𝑞 < 𝑛 o sistema é possível indeterminado;
Nota: a diferença 𝑛 − 𝑝 dá-nos o grau de indeterminação (número de variáveis livres)
do sistema, caso ele seja indeterminado.

Exemplos:

Discutir os seguintes sistemas:

4𝑥 − 5𝑦 − 7𝑧 = 15 𝑥+𝑦+𝑧 =3 𝑥 − 5𝑦 + 6𝑧 = 7
a) { 3𝑥 + 2𝑦 − 6𝑧 = 8 ; b) { 2𝑥 − 𝑦 − 𝑧 = 0 ; c) { 3𝑥 + 3𝑦 − 𝑧 = 8
𝑥 − 7𝑦 − 𝑧 = 6 3𝑥 − 4𝑦 − 𝑧 = −2 2𝑥 + 8𝑦 − 7𝑧 = 1

1.4. Matriz inversa

Definição: Seja 𝐴 uma matriz quadrada de ordem 𝑛. Chama-se inversa da matriz
𝐴 (se existir), a única matriz 𝐵 da mesma ordem, se o produto delas for a matriz
unidade, isto é, 𝐴𝐵 = 𝐵𝐴 = 𝐼𝑛 .
A matriz inversa de 𝐴 representa-se por 𝐴−1 .

Propriedades:

i) (𝐴−1 )−1 = 𝐴 ; ii) (𝐴𝐵)−1 = 𝐴−1 𝐵 −1 ; iii) (𝐴𝑇 )−1 = (𝐴−1 )𝑇

Obs: Nem todas as matrizes admitem inversa. Uma matriz que admite inversa diz-se
invertível ou regular.

Proposição: Uma matriz de ordem 𝑛 é regular (ou invertível) se, e só se a sua

característica é igual a sua ordem.

Nota:

a) Uma matriz só é invertível se for quadrada;

b) Uma matriz de ordem 𝑛 tem uma inversa se, e só se o seu determinante não é
nulo.

UMA-Faculdade de Ciências Jurídicas e Sociais

Matemática I . Humberto da Rosa Filipe

1.4.1. Cálculo da inversa de uma matriz através de operações

elementares. Algoritmo de Gauss-Jordan.
1. Coloca-se ao lado da matriz 𝐴 a matriz identidade 𝐼, da mesma ordem de 𝐴,
separada por um traço vertical;
2. Transforma-se por meio de operações elementares sobre linhas, a matriz 𝐴 na
matriz 𝐼, aplicando-se, simultaneamente, a matriz 𝐼, colocando ao lado da matriz
𝐴, as mesmas operações elementares;
3. A matriz pretendida é a que se obtém onde estava a matriz 𝐼.

O que escrevemos acima, resume-se em:

Transformar através de operações elementares, a matriz (𝐴|𝐼) na matriz (𝐼|𝐴−1).

Exemplo:

1 2 3
1 2
Calcule a inversa das matrizes 𝐴 = ( ) e 𝐵 = (−1 0 4)
3 4
0 2 2

a) Usando definição;
b) Usando operações elementares

1.4.2. Resolução de sistemas por recurso a matriz inversa

Um sistema de equações lineares, possível e determinado, pode resolver-se
multiplicando a inversa da matriz dos coeficientes pela matriz coluna dos termos
independentes, isto é:
𝐴𝑋 = 𝐵 ⟹ 𝑋 = 𝐴−1 𝐵
Outro método é transformar, através de operações elementares, a matriz ⟨𝐴|𝐼|𝐵⟩ na
matriz ⟨𝐼|𝐴−1 |𝑋⟩ para obtermos directamente e em simultâneo a inversa de 𝐴 e a
solução do sistema.
Exemplo: Resolve o sistema linear recorrendo a matriz inversa
𝑥+𝑦+𝑧 =3
{ 2𝑥 −𝑦−𝑧 = 0
3𝑥 − 4𝑦 − 𝑧 = −2

UMA-Faculdade de Ciências Jurídicas e Sociais

Matemática I . Humberto da Rosa Filipe

Exercícios complementares
1. Verificar se são Linearmente Dependentes ou Linearmente Independentes os vectores
seguintes:

a) 𝑢
⃗⃗ = (1, −1,1), 𝑣⃗ = (2,2,1) e 𝑤
⃗⃗⃗ = (3,1,2);
b) 𝑢
⃗⃗ = (1, −1,0), 𝑣⃗ = (1,3, −1) e 𝑤
⃗⃗⃗ = (5,3, −2);
c) 𝑢
⃗⃗ = (6,2,3,4), 𝑣⃗ = (0,5, −3,1) e 𝑤
⃗⃗⃗ = (0,0,7, −2);
i) Utilizando a definição de dependência linear;
ii) Utilizando a noção de característica de uma matriz.

2. Nos espaços vectoriais indicados, verifique se os seguintes vectores considerados são

ou não combinações lineares dos vectores dados:

a) 𝑢
⃗⃗ = (3,1), combinação linear de 𝑣⃗ = (1,2), 𝑤
⃗⃗⃗ = (−3,1);
b) 𝑢 ⃗⃗⃗ = (−1,1), 𝑡⃗ = (1,2)
⃗⃗ = (2,3), combinação linear de 𝑣⃗ = (2,1), 𝑤
c) 𝑢
⃗⃗ = (3, −1), combinação linear de 𝑣⃗ = (2,1), 𝑤
⃗⃗⃗ = (4,2);
d) 𝑢 ⃗⃗⃗ = (0,1,1), 𝑡⃗ = (1,1,0)
⃗⃗ = (1, −1,2), combinação linear de 𝑣⃗ = (1,0,1), 𝑤
e) 𝑢 ⃗⃗⃗ = (−1,1,1), 𝑡⃗ =
⃗⃗ = (1, −1,2), combinação linear de 𝑣⃗ = (1, −1,1), 𝑤
(−1,1,5)
2. Diga quais os valores reais do parâmetro 𝑎 que tornam independentes os seguintes
sistemas de vectores nos espaços indicados:
a) 𝑢 ⃗⃗⃗ = (1,0,0) em ℝ3 ;
⃗⃗ = (𝑎, 1,0), 𝑣⃗ = (1, 𝑎, 1), 𝑤
b) 𝑢 ⃗⃗⃗ = (0, 𝑎, 1) em ℝ3 .
⃗⃗ = (1,0,0), 𝑣⃗ = (𝑎, 1, 𝑎), 𝑤

3. Dadas as matrizes:
1 1 1 1 −5 6 4 −5 −7
2 −3
𝐴=( ); 𝐵 = (2 −1 −1); C= (3 3 −1); 𝐷 = (3 2 −6)
1 3
3 −4 −1 2 8 −7 1 −7 −1
a) Determine a característica de cada uma delas;
b) Calcule a inversa de cada uma delas.
4. Discute os seguintes sistemas em função dos parâmetros 𝑎 e 𝑏:
2𝑥 + 𝑦 = 𝑏 𝑦 + 𝑎𝑧 = 0 𝑥+𝑦−𝑧 =1
a) {3𝑥 + 2𝑦 + 𝑧 = 0 ; b) { 𝑥 + 𝑏𝑦 = 0 ; c) {2𝑥 + 3𝑦 + 𝑎𝑧 = 3;
𝑥 + 𝑎𝑦 + 𝑧 = 2 𝑏𝑦 + 𝑎𝑧 = 1 𝑥 + 𝑎𝑦 + 3𝑧 = 2

UMA-Faculdade de Ciências Jurídicas e Sociais

Matemática I . Humberto da Rosa Filipe

𝑥 − 2𝑦 + 𝑎𝑧 = 1
c) { 𝑥 − 𝑦 − 𝑧 = 2
−𝑥 + 2𝑦 − 2𝑧 = 𝑏

5. Resolve os seguintes sistemas de equações lineares recorrendo a matriz inversa:

𝑥+𝑦+𝑧=3 2𝑥 − 𝑦 + 𝑧 = 3 𝑥 − 4𝑦 = −1
a) { 2𝑥 − 𝑦 − 𝑧 = 0 ; b) { 𝑥 + 𝑦 + 𝑧 = 6 ; c) {3𝑥 − 2𝑦 − 𝑧 = 0
3𝑥 − 4𝑦 − 𝑧 = −2 𝑥 − 𝑦 + 2𝑧 = 5 𝑥+𝑧 =3

𝑥 + 2𝑦 − 3𝑧 = −1 2𝑥 + 8𝑦 − 7𝑧 = 1 𝑥 − 7𝑦 − 𝑧 = 6
d){ 3𝑥 − 𝑦 + 2𝑧 = 7 ; e) { 3𝑥 + 3𝑦 − 𝑧 = 8 ; f) { 3𝑥 + 2𝑦 − 6𝑧 = 8
5𝑥 + 3𝑦 − 4𝑧 = 2 𝑥 − 5𝑦 + 6𝑧 = 7 4𝑥 − 5𝑦 − 7𝑧 = 15

2𝑥 − 𝑦 + 3𝑧 + 4𝑤 = 9
𝑥 + 2𝑦 − 3𝑧 = 6
𝑥 − 2𝑧 + 7𝑤 = 11 𝑥 + 2𝑦 = 9
g){ ; h) { ; i) { 2𝑥 − 𝑦 + 4𝑧 = 2 ;
3𝑥 − 3𝑦 + 𝑧 + 5𝑤 = 18 3𝑥 − 7𝑦 = 1
4𝑥 + 3𝑦 − 2𝑧 = 14
2𝑥 + 𝑦 + 4𝑧 + 4𝑤 = 10

𝑥 − 3𝑦 + 4𝑧 − 2𝑤 = 5 𝑥 + 𝑦 + 2𝑧 = 4 2𝑥 − 𝑦 + 𝑧 = 3
j){ 2𝑦 + 5𝑧 + 𝑤 = 2 ; k) { 2𝑥 − 𝑦 + 𝑧 = 2 ; l) { 𝑥 + 𝑦 + 𝑧 = 6 ;
𝑦 − 3𝑧 = 4 −𝑥 + 4𝑦 + 3𝑧 = 6 𝑥 − 𝑦 + 2𝑧 = 5

UMA-Faculdade de Ciências Jurídicas e Sociais

Matemática I . Humberto da Rosa Filipe

UMA-Faculdade de Ciências Jurídicas e Sociais