P á g i n a | 102

Os sistemas lineares foram bastante estudados pelos chineses que,

fazendo uso constante de diagramas, representando os sistemas lineares
através de seus coeficientes, acabaram descobrindo um método de resolução
que consiste em usar operações elementares para anular coeficientes, o
método de resolução por eliminação.
No Ocidente, o uso dos determinantes como método de resolução de
sistemas lineares, começou depois que Leibniz estabeleceu a condição de
compatibilidade de um sistema com três equações e duas variáveis através
do determinante de ordem 3 formado pelos coeficientes e pelos termos
independentes.

§1. Matrizes que descrevem um sistema linear

De início, vamos estabelecer as notações atuais que devem ser
destacadas antes que façamos essa discussão sobre os sistemas lineares.

4.1.1 Definições: Uma equação linear sobre um corpo 𝐾 é uma expressão

(Δ): 𝛼 𝑥 + 𝛼 𝑥 + ⋯ + 𝛼 𝑥 = 𝛽;
onde os 𝑥 ′s são denominados de variáveis (ou incógnitas), os 𝛼 ′s de
coeficientes das variáveis e 𝛽 de termo independente da equação (Δ).
Tanto as variáveis como os coeficientes e o termo independente de (Δ)
são pensados como elementos de 𝐾.
Uma solução para a equação linear (Δ) é uma 𝑛-upla (ou uma
sequência) de escalares (𝑘 , 𝑘 , ⋯ , 𝑘 ) tal que satisfaz a igualdade 𝛼 𝑘 +
𝛼 𝑘 + ⋯ + 𝛼 𝑘 = 𝛽.

4.1.2 Definições: Um sistema linear de ordem 1 ≤ 𝑚 por 1 ≤ 𝑛 sobre um

corpo 𝐾, denotado por
𝑎 𝑥 +𝑎 𝑥 +⋯ +𝑎 𝑥 =𝛽
(□): 𝑎… …
𝑥 +𝑎 𝑥 +⋯ +𝑎 𝑥 =𝛽
..……..…………………………
𝑎 𝑥 +𝑎 𝑥 +⋯ +𝑎 𝑥 =𝛽
é um conjunto de 𝑚 equações, cada uma com 𝑛 variáveis; sendo 𝑚, 𝑛 ∈ ℕ.
Se ocorrer 𝛽 = 𝛽 = ⋯ = 𝛽 = 0 dizemos que (□) é um sistema
linear homogêneo de ordem 𝑚 por 𝑛. Caso contrário, se ocorrer 𝛽 = 0; para
 P á g i n a | 103

algum 𝑙 em {1, 2, ⋯ , 𝑛}, dizemos que (□) é um sistema linear não homogêneo
de ordem 𝑚 por 𝑛.
Se 𝑚 = 𝑛, dizemos que (□) é um sistema linear quadrado de ordem 𝑛.

4.1.3 Exemplo: Suponha que ao comprar 2 livros para seus filhos, Wirla teve
que desembolsar R$ 86,00. O livro de Álgebra custou dez reais a mais que o
livro de Literatura. Como podemos saber que valores foram gastos com cada
livro?
Uma maneira é a seguinte: seja 𝑥 o valor do livro de Álgebra e 𝑦 o
valor do livro de Literatura. Então, podemos formar o seguinte sistema linear
quadrado não homogêneo:
𝑥 + 𝑦 = 86
(□):
𝑥 − 𝑦 = 10
Isolando a variável 𝑥 na segunda equação, temos que 𝑥 = 10 + 𝑦.
Substituindo esse valor na primeira equação, obtemos (10 + 𝑦) + 𝑦 = 86 ⟺
2𝑦 + 10 = 86 ⟺ 2𝑦 = 76 ⟺ 𝑦 = = 38. Daí, temos 𝑥 = 48.
Portanto, o livro de Álgebra custou R$48,00 e o de literatura R$38,00.

4.1.4 Definições: Uma sequência (𝑘 , 𝑘 , ⋯ , 𝑘 ) de elementos em 𝐾 é uma

solução de um sistema linear de ordem 𝑚 por 𝑛, como definido em 4.1.2, se, e
somente se, essa sequência satisfaz todas as 𝑚 equações desse sistema linear.
De acordo com o número de suas soluções de um sistema linear (□) de
ordem 𝑚 por 𝑛, dizemos que (□) é incompatível, se 𝑆 (□) = 𝜙. Dizemos que
(□) é compatível e determinado, se 𝑆 (□) ≠ 𝜙 e 𝑆 (□) < ∞. Dizemos que (□) é
compatível e indeterminado, se 𝑆 (□) ≠ 𝜙 e 𝑆 (□) = ∞.
Dois sistemas lineares (□ ) e (□ ) são equivalentes se, e somente se,
possuem o mesmo conjunto solução; ou seja, vale a igualdade 𝑆 (□) = 𝑆 ( ) .

4.1.5 Exemplo: Voltemos ao exemplo em 4.1.3. O sistema linear (□) pode ser
identificado por meio de uma equação matricial da seguinte forma
𝑥 86
(□) ≡ 𝐴𝑋 = 𝐵 ⟺ 1 1 𝑦 = .
1 −1 10
Agora, como det(𝐴) = −2 ≠ 0, por 3.2.5, sabemos que 𝐴 é inversível.

−1 −1
Por 3.2.4, temos 𝐴 = cof(𝐴) =− = .
( ) −1 1 −
 P á g i n a | 104

Além disso, podemos isolar a variável 𝑋, fazendo 𝐴𝑋 = 𝐵 ⟺

𝐴 (𝐴𝑋) = 𝐴 𝐵 ⟺ (𝐴 𝐴)𝑋 = 𝐼 𝑋 = 𝑋 = 𝐴 𝐵. Portanto, obtemos que

86 48
𝑋= = e 𝑆 (□) = {(48,38)}.
− 10 38

Essa é mais uma maneira de resolver um sistema linear. Mas, se um

sistema linear quadrado apresenta 3 ou mais variáveis, esse método de
resolução, utilizando a inversa de uma matriz, pode ser muito trabalhoso.

4.1.6 Observação: Em geral, um sistema linear de ordem 𝑚 por 𝑛 como em

4.1.2, pode ser expresso pela equação

𝑎 𝑎 ⋯ 𝑎 𝑥 𝛽
𝑎 𝑎 ⋯ 𝑎 𝑥 𝛽
(□) ≡ ⋯ ⋯ ⋯ ⋯ ⋯ = ⋯
𝑎 𝑎 ⋯ 𝑎 𝑥 𝛽

Essa é a representação matricial do sistema linear (□); onde

𝑎 𝑎 ⋯ 𝑎
𝑎 𝑎 ⋯ 𝑎
destacamos: 𝐴 = ⋯ ⋯ ⋯ ⋯ , a matriz dos coeficientes; 𝑋 =
𝑎 𝑎 ⋯ 𝑎
𝑥 𝛽
𝑥 𝛽
⋯ , a matriz das variáveis e 𝐵 = ⋯ , a matriz dos termos
𝑥 𝛽
independentes do sistema linear (□).
𝑥 + 𝑦 + 𝑧=2
4.1.7 Exemplo: A forma matricial de (∆): – 𝑥 + 𝑦 + 𝑧=1 é dada
2𝑥 − 𝑦 − 𝑧=−
1 1 1 𝑥 2
pela equação −1 1 1 𝑦 = 1 . Como a matriz dos
2 −1 −1 𝑧 −
1 1 1
coeficientes de (∆) não é inversível; já que det −1 1 1 =
2 −1 −1
1 1 1 1 1 1
det 0 2 2 = det 0 2 2 = 0, não podemos proceder
0 −3 −3 0 0 0
como no exemplo em 4.1.5 para encontrar os valores de 𝑥, 𝑦 e 𝑧. Porém, isso
 P á g i n a | 105

não significa que (∆) é incompatível. A terna , , 1 é claramente uma

solução para o mesmo.

Você deve observar a velocidade com que descobrimos que a matriz

dos coeficientes de (∆) não é inversível. Usamos a propriedade P dos
determinantes e o teorema de Laplace em 3.1.6. E que esse método, de
expressar um sistema linear quadrado por meio de uma equação para depois
obter os valores das variáveis, falha se a matriz dos coeficientes não é
inversível.
Vamos relacionar mais uma técnica que também se baseia em
representar um sistema linear por meio de uma matriz.

4.1.8 Definição: Consideremos o sistema linear, como definido em 4.1.2. A

𝑎 𝑎 ⋯ 𝑎 𝛽
𝑎 𝑎 ⋯ 𝑎 𝛽
matriz ⋯ ⋯ ⋯ ⋯ ⋯ , formada pelos coeficientes e os
𝑎 𝑎 ⋯ 𝑎 𝛽
termos independentes de (□), é denominada de matriz associada ao (ou
matriz ampliada do) sistema (□).

1 0 0 3
Claro que, se 0 1 0 −1 é a matriz associada de um sistema
0 0 1 2
𝑥 =3
linear (𝛾), entendemos que ele tem a forma (𝛾): 𝑦 = −1 e, claro,
𝑧 =2
seu conjunto solução é 𝑆( ) = {(3, −1, 2)}.
Nosso próximo parágrafo mostra como, a partir da matriz associada a
um sistema linear, obter uma matriz “mais simples”, no sentido de que, se ela
for associada a um sistema linear, a solução desse sistema fica evidenciada.
Se os sistemas associados a essas matrizes são equivalentes, então
teremos estabelecido mais um método de resolução de um sistema linear.

§2. Escalonamento de Matrizes

O escalonamento de matrizes é uma espécie de algoritmo que permite
avaliar as soluções de qualquer sistema linear. Também permite determinar,
caso exista, a inversa de uma matriz, evitando cálculo de determinantes que,
já no caso de uma matriz de ordem 𝑛 = 4, são consideravelmente grandes.
 P á g i n a | 106

4.2.1 Definição: Dizemos que uma matriz 𝐴 ∈ 𝑀 (𝐾) tem a forma escada
(ou escalonada) se, e somente se, são satisfeitas as seguintes condições:
i) o primeiro elemento não nulo de cada linha, caso exista, é igual a 1;
ii) na coluna em que ocorre o primeiro elemento não nulo de uma linha, os
elementos acima dele são iguais a zero.
iii) se 𝑎 e𝑎 são, respectivamente, os primeiros elementos não nulos
das linhas 𝑖 e 𝑖 ; com 𝑖 < 𝑖 ; então temos 𝑗 < 𝑗 ;
iv) se 𝐴 possui linhas nulas, elas ocorrem abaixo das linhas não nulas.
1 0 0
4.2.2 Exemplo: São exemplos de matrizes na forma escada: 𝐼 = 0 1 0 ,
0 0 1
1 0 0
1 −1 0
𝑊= 0 1 0 e𝐷 = .
0 0 1
0 0 1
1 1 1 2
A matriz 𝐸 = −1 1 1 1 não tem a forma escalonada.
2 −1 −1 −
Mas, podemos, a partir de 𝐸, obter uma matriz na forma escada, procedendo
da seguinte maneira:
Passo 1: (𝑙 ⟶ 𝑙 + 1𝑙 ) substituímos os elementos da linha 2 pelas somas
correspondente dos elementos da linha 2 e os produtos dos elementos linha
1 1 1 2
1 por 1. Obtemos 𝐸 = 0 2 2 3 .
2 −1 −1 −
Passo 2: (𝑙 ⟶ 𝑙 + (−2)𝑙 ) substituímos os elementos da linha 3 pelas
somas correspondente dos elementos da linha 3 e os produtos dos elementos
1 1 1 2
da linha 1 por −2 . Obtemos 𝐸 = 0 2 2 3 .
0 −3 −3 −

Passo 3: ( 𝑙 ) substituímos os elementos da linha 2 pelos produtos de pelos

1 1 1 2
elementos da linha 2. Obtemos a matriz 𝐸 = 0 1 1 .
0 −3 −3 −
 P á g i n a | 107

Passo 4: (𝑙 ⟶ 𝑙 + 3𝑙 ) substituímos os elementos da linha 3 pelas somas

correspondente dos elementos da linha 3 e os produtos dos elementos da
1 1 1 2
linha 2 por 3 . Obtemos 𝐸 = 0 1 1 .
0 0 0 0
Passo 5: (𝑙 ⟶ 𝑙 + (−1)𝑙 ) substituímos os elementos da linha 1 pelas
somas correspondente dos elementos da linha 1 e os produtos dos elementos
1 0 0
da linha 2 por −1 . Obtemos 𝐸 = 0 1 1 .
0 0 0 0

Voltemos ao exemplo em 4.1.7. A matriz 𝐸, que acabamos de

modificar, é a matriz associada ao sistema linear (∆). As modificações que
fizemos nas linhas de 𝐸 equivalem a multiplicar por escalar ou somar as
equações desse sistema. Isso não interfere na solução do sistema linear.
Obtemos uma matriz 𝐸 que tem a forma escada, associada a um sistema
𝑥 =
linear que é equivalente a (∆). O sistema linear é (∆ ):
𝑦+𝑧 = .
Temos, então que 𝑆(∆) = 𝑆(∆ ) = , − 𝑧, 𝑧 /𝑧 ∈ ℝ . Quando 𝑧 = 1,
vemos que a terna , , 1 é uma solução de (∆) como havíamos destacado
anteriormente.

4.2.3 Definição: Seja 𝐴 uma matriz de ordem 1 < 𝑚 por 1 < 𝑛 sobre um corpo
𝐾. Definimos como operações elementares sobre as linhas de 𝐴:
𝜺𝟏 : permutar duas quaisquer linhas de 𝐴;
𝜺𝟐 : multiplicar uma qualquer linha de 𝐴 por 0 ≠ 𝑘 ∈ 𝐾
𝜺𝟑 : substituir os elementos de uma linha 𝑖 pelas somas correspondente dos
elementos da linha 𝑖 e os produtos dos elementos da linha 𝑖 por um escalar
𝑙 ≠ 0; sendo 𝑖 ≠ 𝑖 .

Se 𝐵 é uma matriz obtida de 𝐴 por meio de uma operação elementar,

dizemos que 𝐴 é uma matriz equivalente por linha a 𝐵 e anotamos 𝐴~𝐵.
Cada uma das matrizes 𝐸, 𝐸′, ⋯, 𝐸′′′′′ é equivalente por linha às outras
matrizes.

Essas operações sobre as linhas de uma matriz podem constituir um

algoritmo que permite determinar a inversa de uma matriz. Esse método é
 P á g i n a | 108

significativamente diferente do método descrito em 3.2.4, que depende

essencialmente de cálculos de determinantes.

4.2.4 Observação (Gauss - Jordan): Seja 𝐴 uma matriz quadrada de ordem 1 <
𝑛. Se det(𝐴) ≠ 0, o bloco [𝐴 ⋮ 𝐼 ] é equivalente por linha ao bloco
[𝐼 ⋮ 𝐴 ] e isso determina 𝐴 , a inversa da matriz 𝐴.
Demonstração: Basta notar que aplicar operações elementares 𝜀 , 𝜀 ou 𝜀 à
uma matriz 𝐴, equivale a aplicar as mesmas operações à matriz 𝐼 e depois
multiplicar essa matriz identidade modificada pela matriz 𝐴.

4.2.5 Exemplo: O caçulo que fizemos no exemplo 4.1.5 para determinar a

1 1
inversa da matriz 𝐴 = pode ser evitado. Como det(𝐴) ≠ 0,
1 −1
1 1 1 0
montamos o bloco [𝐴 ⋮ 𝐼 ] e escalonamos. Temos que ⋮ ~
1 −1 0 1
1 1 1 0 1 1 1 0 1 0
⋮ ~ ⋮ − ~ ⋮ . De onde
0 −2 −1 1 0 1 0 1 −

concluímos que 𝐴 = .
−
Você pode identificar cada passo dado nesse escalonamento? No
último substituímos os elementos da linha 1 pelas somas correspondente dos
elementos da linha 1 e os produtos dos elementos da linha 2 por − .

Exercícios:
01. Reduza à forma escada as seguintes matrizes:
2  1 1
2  1  1 2 0 0 1 
17 6  1 2 3
A  7 0 1 3 , B    e C
3 1 0  5 9 2 0 1 2x5
5 2 
3 6  3x4  
 4 1 0  4x3
02. Verifique quais das matrizes abaixo são inversíveis. Caso seja possível,
determine suas inversas de pelo menos 02(duas) maneiras.
 2 2 1 0
0 3 1  1 1 0 1
 1 3 1 0 0 ;
a) A    ; b) B    c) C   
 1 4  2x2  3 0 1 5 
1 2 1 3x3  
 1  1 0 0 4x4
 P á g i n a | 109

§3. Dois métodos de resolução de um sistema linear

O conhecido método do suíço Gabriel Cramer (1704-1752) para
resolver sistemas de 𝑛 equações com de 𝑛 variáveis, por meio de
determinantes é, na verdade, uma descoberta do escocês Colin Maclaurin
(1698-1746), no século XVII, publicada em 1748 no seu Treatise of Algebra,
depois de sua morte. Mais tarde, em 1750, Cramer, de maneira independente,
descobriu esse método, ao analisar as curvas planas para determinar os
coeficientes da cônica geral 𝐴 + 𝐵𝑦 + 𝐶𝑥 + 𝐷𝑦 + 𝐸𝑥𝑦 + 𝑥 = 0.
4.3.1 Observação (O método de Maclaurin/Cramer): Consideremos o sistema
linear quadrado de ordem 1 ≤ 𝑛 sobre um corpo 𝐾, denotado por
𝑎 𝑥 +𝑎 𝑥 +⋯ +𝑎 𝑥 =𝛽
(□): 𝑎… …
𝑥 +𝑎 𝑥 +⋯ +𝑎 𝑥 =𝛽 .
..……..…………………………
𝑎 𝑥 +𝑎 𝑥 +⋯ +𝑎 𝑥 =𝛽
Então, exceto nos casos em que não podemos efetuar divisões dentro
de 𝐾, o conjunto solução de (□) é exatamente 𝑆(□) = , ,…, ;
onde
𝑎 𝑎 ⋯ 𝑎
𝑎 𝑎 ⋯ 𝑎
𝐷 = det ⋯ ⋯ ⋯ ⋯ é o determinante da matriz dos
𝑎 𝑎 ⋯ 𝑎
𝑎 ⋯ 𝑎 ( ) 𝛽 𝑎( ) ⋯ 𝑎
𝑎 ⋯ 𝑎 𝛽 𝑎( ) ⋯ 𝑎
coeficientes e 𝐷 = det ⎛ (
⋯
)
⋯ ⋯ ⋯ ⋯ ⎞éo
⋯ ⋯
⎝ 𝑎 ⋯ 𝑎 ( ) 𝛽 𝑎( ) ⋯ 𝑎
⎠
determinante da matriz dos coeficientes, a menos da troca dos coeficientes
da variável 𝑥 pela coluna dos termos independentes de (□), para cada 𝑖 =
1, 2, ⋯ , 𝑛.
Demonstração: O sistema linear (□) pode ser expresso pela equação matricial
𝐴𝑋 = 𝐵. Considerando que os quocientes , ,… e podem ser
calculados, temos que det(𝐴) ≠ 0 e, assim, existe 𝐴 , a inversa da matriz 𝐴.
Portanto, vale que 𝑋 = 𝐴 𝐵. Como 𝐴 = ( )
cof(𝐴) , vemos que 𝑋 =
cof(𝑎 ) cof(𝑎 ) ⋯ cof(𝑎 ) 𝛽
cof(𝐴) 𝐵 = cof(𝑎 ) cof(𝑎 ) ⋯ cof(𝑎 ) 𝛽
( ) ( ) ⋯ ⋯ ⋯ ⋯ ⋯
cof(𝑎 ) cof(𝑎 ) ⋯ cof(𝑎 ) 𝛽
 P á g i n a | 110

𝛽 cof(𝑎 ) + 𝛽 cof(𝑎 ) + ⋯ + 𝛽 cof(𝑎 )

⎡ ⎤
⎢ det(𝐴) ⎥
⎢ 𝛽 cof(𝑎 ) + 𝛽 cof(𝑎 ) + ⋯ + 𝛽 cof(𝑎 ) ⎥
=⎢ det(𝐴)
⎥ . Essa igualdade nos dá que
⎢ ⋯ ⎥
⎢ ⎥
⎢𝛽 cof(𝑎 ) + 𝛽 cof(𝑎 ) + ⋯ + 𝛽 cof(𝑎 )⎥
⎣ det(𝐴) ⎦

𝛽 cof(𝑎 ) + 𝛽 cof(𝑎 ) + ⋯ + 𝛽 cof(𝑎 ) 𝐷

𝑥 = = ; para 𝑖 = 1, 2, ⋯ , 𝑛.
det(𝐴) det(𝐴)

4.3.2 Exemplo: Mais uma vez vamos considerar o sistema linear (∆) do
exemplo 4.1.7. O determinante da matriz dos coeficientes desse sistema é
1 1 1
igual a 𝐷 = det −1 1 1 = 0. Com isso não podemos calcular os
2 −1 −1
valores de 𝑥 = = ,𝑦 = = e𝑧 = = .

Podemos estimar quais são os valores de 𝐷 , 𝐷 e 𝐷 ? Sabendo que

𝑆(∆) ≠ 𝜙, temos que ter 𝐷 = 𝐷 = 𝐷 = 0. Isso significa que por esse método
não vamos conseguir determinar os valores das variáveis 𝑥, 𝑦 e 𝑧. Não custa
lembrar mais uma vez que , , 1 é uma solução de (∆).

Esse exemplo mostra que o método de Cramer não é suficiente para

determinar o conjunto solução de um sistema linear, mesmo que ele seja
quadrado.
Mas, se (□) é um sistema linear quadrado de ordem 1 ≤ 𝑛 sobre um
corpo 𝐾 como em 4.3.1, podemos usar o método de Cramer para discutir sua
solução e fazer a sua classificação. Olhando para o método de resolução de
Cramer, vale que:
i) (□) compatível e determinado se, e só se, 𝐷 ≠ 0;
ii) (□) compatível e indeterminado se, e só se, 𝐷 = 𝐷 = 0; para 𝑖 = 1,2, ⋯ , 𝑛.
iii) (□) é incompatível se, e só se, 𝐷 = 0 e 𝐷 ≠ 0; para algum 𝑖 ∈ {1, 2, ⋯ , 𝑛}.

O método de resolução que apresentaremos agora é mais geral do que

o método de Cramer. O método pode ser aplicado mesmo que o sistema
 P á g i n a | 111

linear não seja quadrado. Mais ainda, caso o sistema seja compatível, seu
conjunto solução fica completamente determinado.

4.3.3 Observação (O método por escalonamento de matrizes): Consideremos

dois sistemas lineares (□) e (∆) sobre um mesmo corpo 𝐾. Se 𝐴 é a matriz
associada a (□), 𝐵 é a matriz associada a (∆) e valer que 𝐴~𝐵; os sistemas (□)
e (∆) são equivalentes, ou seja, 𝑆(□) = 𝑆(∆) .
Demonstração: É imediata.

Esse método de resolução é bastante confortável, no sentido de que

escalonar uma matriz não requer muitos cálculos complicados. Se a cada
passo conseguimos visualizar a modificação que o sistema sofre e, em um
deles, obtemos uma primeira variável, o processo pode ser encerrado
imediatamente, caso isso signifique que as outras variáveis ficarão
determinadas.
Depois de resolver muitos sistemas lineares, utilizando o
escalonamento de matrizes, podemos entender a classificação abaixo.

4.3.4 Observação: Seja (□) um sistema linear de ordem 1 ≤ 𝑚 por 1 ≤ 𝑛

sobre um corpo 𝐾. Então, vale que:
a) se 𝑚 < 𝑛; ou seja, se (□) tem mais variáveis do que equações, então (□) é
compatível e indeterminado.
b) se 𝑚 > 𝑛; ou seja, se (□) tem mais equações do que variáveis, então ou
existe(m) equação(ões) que é(são) múltiplo(s) escalar uma(s) da(s) outra(s)
em (□) ou (□) não é compatível.
Demonstração: Isso decorre imediatamente da possível redução à forma
escada da matriz associada ao sistema linear.
𝑥 + 𝑦 = −1
4.3.5 Exemplo: A matriz associada ao sistema linear (□): −𝑥 + 2𝑦 = 3
3𝑥 − 𝑦 = 8
1 1 −1
é 𝐴 = −1 2 3 . Depois de escalonarmos essa matriz, obtemos 𝐵 =
3 −1 8
1 0 − 𝑥 + 𝑦 =−
0 1 , que representa o sistema (□ ): 0𝑥 + 𝑦 = .
0 0 20 0𝑥 + 0𝑦 = 20

Como 𝐴~𝐵, temos que (□) e (□ ) são sistemas equivalentes. Como

(□ ) é incompatível, (□) também é incompatível.
 P á g i n a | 112

O último resultado que juntamos a este parágrafo mostra um pouco da

álgebra que podemos perceber nos conjuntos solução dos sistemas lineares.

4.3.6 Observação: Seja (□) um sistema linear de ordem 1 ≤ 𝑚 por 1 ≤ 𝑛

sobre um corpo 𝐾, cuja representação matricial é dada por 𝐴𝑋 = 𝐵 (como em
4.1.6). Então, vale que 𝑆(□) = {𝑋 } + {𝑌/𝑌 é solução de 𝐴𝑋 = 𝑂}; onde 𝑋 é
uma particular solução de (□).
Demonstração: Primeiramente, sejam 𝑋 uma solução particular de 𝐴𝑋 = 𝐵 e
𝑌 uma solução qualquer do sistema homogêneo 𝐴𝑋 = 𝑂. Temos que
𝐴(𝑋 + 𝑌) = 𝐴𝑋 + 𝐴𝑌 = 𝐵 + 𝑂 = 𝐵. Isso mostra que 𝑋 = 𝑋 + 𝑌 é solução
do sistema linear (□).
Agora, se 𝑍 é qualquer solução de 𝐴𝑋 = 𝐵, vale que 𝐴𝑍 = 𝐵 = 𝐴𝑋 ; já
que 𝑋 é também uma solução desse sistema. Daí, temos que 𝐴𝑍 − 𝐴𝑋 =
𝐴(𝑍 − 𝑋 ) = 𝑂, o que significa que 𝑌 = 𝑍 − 𝑋 é uma solução do sistema
linear homogêneo 𝐴𝑋 = 𝑂. Portanto, temos que 𝑍 = 𝑋 + 𝑌 é sempre soma
de uma solução particular do sistema linear não homogêneo 𝐴𝑋 = 𝐵 com
uma solução qualquer do sistema linear homogêneo 𝐴𝑋 = 𝑂.

O conjunto solução de um sistema linear homogêneo, compatível e

indeterminado sobre um corpo 𝐾, tem uma estrutura algébrica que iremos
considerar em nosso próximo capítulo sobre os espaços de vetores.
Os métodos da adição, comparação e substituição são suficientes para
resolvermos sistemas lineares menos robustos. O importante é termos uma
estratégia segura para explicitar o conjunto solução de um sistema linear.