AL Esd Cap1

Algebra Linear
M. Esmeralda Sousa Dias

Captulo 1
Sistemas de Equac oes Lineares
e Matrizes
A resoluc ao de sistemas de equac oes lineares e uma tarefa comum a diversas areas
de aplicac ao da matem atica, sendo frequente a ocorr encia de sistemas lineares com um
grande n umero de equac oes e de inc ognitas emfsica, qumica, astronomia, engenharia,
economia, etc. Do ponto de vista te orico, a resoluc ao de um sistema de equac oes
lineares n ao e difcil. Em particular, sistemas com um n umero reduzido de equac oes
podem ser resolvidos sem recurso a um qualquer m etodo especco. Por em, quando o
n umero de equac oes e signicativo, e natural utilizar-se um procedimento sistem atico
que possa ser facilmente program avel.
Na primeira d ecada do s eculo XIX, Carl Friedrich Gauss
1
apresentou um m etodo
geral para a resoluc ao de sistemas de equac oes lineares designado modernamente por
m etodo de eliminac ao de Gauss. Trata-se de um algoritmo bastante simples, o qual
permanece como um dos marcos fundamentais da algebra linear, dada a sua relev ancia
quer do ponto de vista te orico quer do ponto de vista computacional. Neste captulo,
esse m etodo e utilizado n ao apenas para resolver sistemas lineares, mas tamb em como
suporte ` a introduc ao de conceitos fundamentais, e motivac ao para o estudo de matrizes
e do espaco R
n
.
A import ancia da manipulac ao alg ebrica de matrizes e vectores vai muito al em da
resoluc ao de sistemas, facilitando em geral a demonstrac ao de resultados importantes.
Neste captulo s ao denidas as operac oes b asicas com matrizes ` a custa de operac oes
comvectores coluna. As operac oes de adic ao de vectores e de multiplicac ao de umvec-
tor por um n umero real s ao introduzidas como generalizac oes das operac oes bem co-
nhecidas com vectores do plano e do espaco, operac oes estas de simples interpretac ao
geom etrica. Em R
n
trata-se com algum detalhe o conceito de combinac ao linear de
vectores e conjunto gerador, dando especial enfase aos aspectos geom etricos no caso de
vectores do plano e do espaco. Estes conceitos s ao fundamentais, n ao s o na introduc ao
de certas operac oes com matrizes mas tamb em em estudos subsequentes como, por
1
Johann Carl Friedrich Gauss (ou Gau), (1777-1855), matem atico alem ao com in umeras contribuic oes
em diversas areas da matem atica e fsica.
5
6 Sistemas de Equac oes Lineares e Matrizes
exemplo, no estudo de espacos lineares (Captulo 3).
Na Secc ao 1.4 estudam-se matrizes invertveis e descreve-se um m etodo para de-
terminar a inversa de uma matriz quadrada, conhecido pela designac ao de m etodo de
eliminac ao de Gauss-Jordan
2
. Estabelecem-se ainda relac oes entre matrizes invertveis
e a sua caracterstica, bem como entre matrizes invertveis e soluc oes de sistemas line-
ares.
Finalmente, tendo em vista utilizac oes posteriores, abordamos alguns t opicos com
interesse computacional, como seja a chamada factorizac ao LU de uma matriz, bem
como alguns aspectos relacionados com matrizes particionadas em blocos.
1.1 Sistemas de equac oes lineares
No contexto deste livro, quando nos referimos a n umeros ou a escalares estamos a
subentender tratar-se de n umeros reais ou complexos. Comecemos por denir o que se
entende por equac ao linear e por soluc ao.
Denic ao 1.1. Uma equac ao linear nas vari aveis (ou inc ognitas) x
1
, x
2
, . . . , x
n
e
uma equac ao do tipo
a
1
x
1
+ a
2
x
2
+ + a
n
x
n
= d, (1.1)
onde a
1
, . . . , a
n
e d s ao constantes (reais ou complexas).
Os n umeros a
1
, . . . , a
n
s ao designados por coecientes da equac ao (1.1), e d e
designado por segundo membro ou termo independente dessa equac ao.
Exemplo 1.1.
2x 3y + 5z 1 = 0 e uma equac ao linear nas vari aveis x, y, z.
2x y
2
+ 5z 1 = 0 n ao e uma equac ao linear.
2x + y = 1 e uma equac ao linear nas vari aveis x, y.
2x + y = 1 n ao e uma equac ao linear.

2x seny = 0 n ao e uma equac ao linear.
Uma soluc ao da equac ao (1.1) e uma sequ encia de n n umeros s

1
, s
2
, . . . , s
n
que
satisfaz a equac ao quando se substitui x
1
= s
1
, x
2
= s
2
, . . . , x
n
= s
n
. Nomeada-
mente, e satisfeita a igualdade
a
1
s
1
+ a
2
s
2
+ + a
n
s
n
= d.
Esta soluc ao e habitualmente designada pelo n-uplo (s
1
, s
2
, . . . , s
n
).
Um sistema de equac oes lineares
_
_
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
= d
1
a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
= d
2
.
.
.
a
p1
x
1
+ a
p2
x
2
+ + a
pn
x
n
= d
p
(1.2)
2
Wilhelm Jordan, (1842-1899), geodesista alem ao.
Editado por: Esmeralda Sousa Dias, em 16 de Setembro de 2010.
Sistemas de equac oes lineares 7
tem soluc ao (s
1
, s
2
, . . . , s
n
) se este n-uplo e soluc ao de todas as equac oes do sistema.
Denic ao 1.2. O n-uplo (s
1
, s
2
, . . . , s
n
) e soluc ao da equac ao linear (1.1) se
a
1
s
1
+ a
2
s
2
+ + a
n
s
n
= d.
On-uplo (s
1
, s
2
, . . . , s
n
) e soluc ao do sistema de equac oes lineares (1.2) se e soluc ao
de todas as equac oes do sistema.
Ao conjunto de todas as soluc oes de um sistema chamamos soluc ao geral.
Um sistema de equac oes lineares tamb em e designado por sistema linear.
Exemplo 1.2. O par (x
1
, x
2
) = (1, 2) e soluc ao do sistema
_
x
1
x
2
=1
x
1
+ 2x
2
= 3.
(1.3)
Por em, o par (2, 1) n ao e uma soluc ao (verique).
Relembremos que uma recta do plano e denida por uma equac ao linear em duas
vari aveis (isto e, ax + by = d). Por exemplo, as equac oes do sistema linear (1.3)
denem duas rectas que designamos respectivamente por l
1
e l
2
. Uma soluc ao deste
sistema e um ponto comum a l
1
e l
2
. Na Figura 1.1 encontram-se representadas estas
rectas bem como a ( unica) soluc ao do sistema.
l
1
l
2
x
1
x
2
3
2
1
Figura 1.1: O sistema (1.3) tem soluc ao unica (1, 2).
Geometricamente a soluc ao geral de umsistema de duas equac oes a duas inc ognitas
e o conjunto dos pontos de intersecc ao de duas rectas do plano. Assim, a soluc ao geral
de sistemas de duas equac oes a duas inc ognitas e de um dos seguintes tr es tipos: (i)
soluc ao unica (as duas rectas intersectam-se num unico ponto) e portanto a soluc ao
geral e um conjunto com um unico elemento; (ii) n ao existe soluc ao (as rectas s ao
paralelas), pelo que a soluc ao geral e o conjunto vazio; (iii) existem innitas soluc oes
(as rectas s ao coincidentes) pelo que a soluc ao geral tem innitos elementos.
No caso de umsistema linear comumn umero qualquer de equac oes e de inc ognitas,
distinguimos os casos que se seguem.
Um sistema de equac oes lineares diz-se:
1. Possvel e determinado se tem uma unica soluc ao;
2. Impossvel se n ao tem soluc oes;
3. Indeterminado se tem innitas soluc oes.
Nota 1. Como se mostra na Proposic ao 1.4 (p ag. 40), um sistema linear com mais do
que uma soluc ao possui uma innidade de soluc oes. Conclui-se portanto que os tr es
casos acima esgotam todas as possibilidades.
1.2 M etodo de eliminac ao de Gauss
Para resolver sistemas com v arias equac oes e inc ognitas e conveniente usar um algo-
ritmo, ou seja, um procedimento sistem atico. O m etodo de eliminac ao de Gauss e um
algoritmo de eleic ao e baseia-se na substituic ao de um dado sistema por outro (de mais
f acil resoluc ao) que possui exactamente as mesmas soluc oes. Este novo sistema e ob-
tido aplicando tr es tipos de operac oes que eliminam de forma sistem atica as vari aveis
do sistema. As operac oes permitidas, e que passamos a designar por operac oes ele-
mentares, s ao:
Operac oes elementares sobre as equac oes de um sistema
1. Trocar a ordem das equac oes.
2. Multiplicar uma equac ao por uma constante n ao nula.
3. Substituir uma equac ao pela sua soma com um m ultiplo de outra
equac ao.
Note-se que a aplicac ao de uma operac ao elementar a um sistema produz um sis-
tema com as mesmas soluc oes, isto e, um sistema equivalente.
A escolha das operac oes elementares a aplicar numsistema tem como objectivo eli-
minar inc ognitas das equac oes por forma a ser possvel determinar a soluc ao geral do
sistema por substituic ao regressiva (isto e, determinar as soluc oes da ultima equac ao,
substituir essas soluc oes na pen ultima equac ao e determinar as suas soluc oes, conti-
nuar este processo at e ` a primeira equac ao). No exemplo seguinte ilustramos quais os
crit erios habitualmente utilizados na escolha das operac oes a aplicar.
Exemplo 1.3. Apliquemos operac oes elementares ao sistema
_
_
_
x
2
3x
3
= 1
x
1
5x
2
+ x
3
= 4
x
1
+ 4x
2
2x
3
= 1,
por forma a obter um sistema com as seguintes caractersticas: a terceira equac ao e
uma equac ao somente na vari avel x
3
, a segunda uma equac ao nas vari aveis x
2
e x
3
, e
a primeira equac ao uma equac ao nas vari aveis x
1
, x
2
e x
3
.
M etodo de eliminac ao de Gauss 9
Como a primeira equac ao n ao possui a inc ognita x
1
, vamos trocar a segunda equac ao
com a primeira equac ao
_
_
_
x
2
3x
3
= 1
x
1
5x
2
+ x
3
= 4
x
1
+ 4x
2
2x
3
= 1
trocar equac ao 1 com a 2
_
_
_
x
1
5x
2
+ x
3
= 4
x
2
3x
3
= 1
x
1
+ 4x
2
2x
3
= 1
A segunda equac ao j a e uma equac ao nas vari aveis x
2
e x
3
, como pretendamos. Te-
remos agora de eliminar x
1
e x
2
da terceira equac ao. Para eliminar x
1
da terceira
equac ao, vamos substituir a terceira equac ao pela sua soma com a primeira
_
_
_
x
1
5x
2
+ x
3
= 4
x
2
3x
3
= 1
x
1
+ 4x
2
2x
3
= 1
substituir equac ao 3 pela sua soma com a equac ao 1
_
_
_
x
1
5x
2
+ x
3
= 4
x
2
3x
3
= 1
x
2
x
3
= 5
Para eliminar x
2
da terceira equac ao sem introduzir x
1
, temos que usar a segunda
equac ao. Nomeadamente, substituindo a terceira equac ao pela sua soma coma segunda
obtemos o seguinte sistema
_
_
_
x
1
5x
2
+ x
3
= 4
x
2
3x
3
= 1
x
2
x
3
= 5
substituir equac ao 3 pela sua soma com a equac ao 2
_
_
_
x
1
5x
2
+ x
3
= 4
x
2
3x
3
= 1
4x
3
= 6
Podemos agora determinar a soluc ao do sistema por substituic ao regressiva. Resol-
vendo a ultima equac ao temos x
3
=
3
2
. Substituindo este valor na segunda equac ao
obtemos x
2
=
7
2
e, nalmente, substituindo x
3
e x
2
na primeira equac ao obtemos
x
1
= 4 + 5
_
7
2
_
+
3
2
= 12.
O sistema tem soluc ao unica:
(x
1
, x
2
, x
3
) =
_
12,
7
2
,
3
2
_
.
E claro do exemplo anterior que a informac ao essencial de um sistema se encon-

tra nos seus coecientes e nos termos do segundo membro de cada equac ao. Esta
informac ao pode ser descrita de forma sucinta construindo um quadro de n umeros dis-
postos em linhas e colunas onde os coecientes das vari aveis de uma dada equac ao se
situam numa linha, e os coecientes de uma dada vari avel do sistema se encontram
numa coluna. Este quadro, que se designa por matriz dos coecientes do sistema, per-
mite identicar os coecientes de cada inc ognita em qualquer das equac oes do sistema.
Por exemplo, para o sistema do ultimo exemplo temos
_
_
_
x
2
3x
3
= 1
x
1
5x
2
+ x
3
= 4
x
1
+ 4x
2
2x
3
= 1
_
_
0 1 3
1 5 1
1 4 2
_
_
(Matriz dos coecientes
do sistema).
Na matriz dos coecientes deste sistema, os coecientes das vari aveis da 1
a
equac ao
situam-se na 1
a
linha, da 2
a
equac ao na segunda linha e da 3
a
equac ao na terceira
linha. Os coecientes da vari avel x
1
situam-se na 1
a
coluna, da vari avel x
2
na segunda
coluna, e da vari avel x
3
na terceira coluna.
Como as operac oes elementares sobre as equac oes de um sistema afectam tamb em
o segundo membro de cada equac ao, e conveniente aumentar em uma coluna (corres-
pondente ao segundo membro das equac oes) a matriz dos coecientes do sistema. A
esta matriz chamamos matriz aumentada do sistema. Por exemplo,
_
_
_
x
2
3x
3
= 1
x
1
5x
2
+ x
3
= 4
x
1
+ 4x
2
2x
3
= 1
_
_
0 1 3 1
1 5 1 4
1 4 2 1
_
_
(Matriz aumentada do
sistema).
Note-se que a matriz aumentada de um sistema determina completamente o sistema no
sentido em que dada uma tal matriz podemos escrever um sistema correspondente.
Passamos a designar por matriz qualquer quadro de n umeros dispostos por linhas e
colunas, e por entradas os n umeros que aparecem neste quadro.
Exemplo 1.4. O sistema linear nas inc ognitas x, y, z e w correspondente ` a matriz
aumentada
_
_
1 2 5 1 3
3 1 1 2 5
4 2 7 3 6
_
_
e
_
_
_
x + 2y 5z + w = 3
3x y + z 2w = 5
4x 2y + 7z 3w = 6.
As operac oes elementares sobre as equac oes de um sistema traduzem-se imediata-

mente em operac oes sobre as linhas da matriz aumentada do sistema.
Operac oes elementares sobre as linhas de uma matriz
1. Trocar linhas.
2. Multiplicar uma linha por uma constante n ao nula.
3. Substituir uma linha pela sua soma com outra linha multiplicada
por uma constante.
Exemplo 1.5. Apliquemos operac oes elementares sobre as linhas da matriz aumentada
do sistema do Exemplo 1.3, a m de reproduzirmos as operac oes ali efectuadas.
_
_
_
x
2
3x
3
= 1
x
1
5x
2
+ x
3
= 4
x
1
+ 4x
2
2x
3
= 1
_
_
0 1 3 1
1 5 1 4
1 4 2 1
_
_
.
Abreviaremos as operac oes elementares usando a seguinte notac ao: L
i
designa a linha i
da matriz; L
i
L
j
designa a troca da linha i com a linha j; L
i
designa a substituic ao
da linha i por essa linha multiplicada por = 0; L
i
+ L
j
designa a substituic ao da
linha i pela sua soma com a linha j multiplicada pelo escalar . Note-se que nesta
notac ao a linha que e substituda aparece em primeiro lugar na operac ao indicada, pelo
que o signicado de L
i
+ L
j
e distinto de L
j
+ L
i
.
_
_
0 1 3 1
1 5 1 4
1 4 2 1
_
_
L1L2
_
_
1 5 1 4
0 1 3 1
1 4 2 1
_
_
L3+L1
_
_
1 5 1 4
0 1 3 1
0 1 1 5
_
_
L3+L2
_
_
1 5 1 4
0 1 3 1
0 0 4 6
_
_
Escrevendo o sistema correspondente ` a matriz (aumentada) resultante, obtemos exac-
tamente o sistema nal do Exemplo 1.3. Como operac oes elementares n ao alteram as
soluc oes de um sistema, o sistema obtido possui a mesma soluc ao geral que o sistema
de partida.
Notac ao:
L
i
L
j
trocar a linha i com a linha j.
L
i
multiplicar a linha i por = 0.
L
i
+ L
j
substituir a linha i pela soma da linha i com a linha j
multiplicada pelo escalar .
Nota 2. Para indicar a passagem de uma matriz a outra obtida por meio de uma certa
operac ao elementar sobre as linhas, usou-se uma seta e n ao o sinal de igualdade.
Como veremos adiante, a igualdade de matrizes tem outro signicado.
A quest ao que naturalmente se coloca e a de saber quando devemos parar de aplicar
operac oes elementares, ou seja, qual deve ser a forma da matriz (aumentada) nal. A
denic ao que se segue responde a essa quest ao.
Denic ao 1.3. Matriz em escada por linhas
Uma matriz diz-se que est a em escada por linhas, ou simplesmente em escada,
se satisfaz as seguintes propriedades:
a) N ao possui linhas nulas seguidas de linhas n ao nulas.
b) A primeira entrada n ao nula de cada linha encontra-se numa coluna ` a direita
da coluna a que pertence a primeira entrada n ao nula da linha imediatamente
anterior.
Numa matriz em escada por linhas chamamos piv o ` a primeira entrada n ao nula de
cada linha.
Uma matriz diz-se em escada por linhas na forma reduzida se est a em escada por
linhas e al em disso satisfaz as condic oes:
todos os piv os s ao iguais a 1;
cada piv o e a unica entrada n ao nula da coluna respectiva.
Nota 3. A denic ao de matriz em escada por linhas implica que uma tal matriz tenha
todas as entradas nulas por baixo de cada piv o.
Eis um exemplo esquem atico de uma matriz em escada por linhas:
_
_
0
0 0 0
0 0 0 0
0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
_
_
,
onde indica um n umero diferente de zero, 0 indica um zero e pode ser qualquer
n umero. A correspondente matriz em escada por linhas na forma reduzida e
_
_
0 1 0 0 0 0
0 0 0 1 0 0 0
0 0 0 0 1 0 0
0 0 0 0 0 0 0 1 0
0 0 0 0 0 0 0 0 1
_
_
.
Exemplo 1.6. Ilustremos a noc ao de matriz em escada com alguns exemplos.
_
_
1 5 0 2
0 0 0 0
0 0 1 0
_
_
n ao est a em escada por linhas, visto que tem uma
linha nula seguida de uma linha n ao nula.
_
_
1 5 0 2
0 0 2 0
0 1 0 0
_
_
n ao est a em escada por linhas, uma vez que a pri-
meira entrada n ao nula da terceira linha se encon-
tra numa coluna ` a esquerda da coluna a que per-
tence a primeira entrada n ao nula da segunda li-
nha.
_
2 0 4 6 4
0 0 3 4 5
0 0 0 1 1
0 0 0 0 1
_
_
est a em escada por linhas.
_
2 5 4 6
0 0 3 4
0 0 1 1
0 0 0 2
_
_
n ao est a em escada por linhas, j a que por baixo
da primeira entrada n ao nula da segunda linha h a
entradas n ao nulas.
Aplicando operac oes elementares a uma matriz n ao nula podemos sempre obter
uma matriz em escada na forma reduzida. Se uma matriz est a em escada por linhas, a
sua forma reduzida obt em-se dividindo cada linha pelo piv o dessa linha, e anulando as
entradas acima de cada piv o usando operac oes elementares. Por exemplo,
_
_
2 4 6 0 2
0 1 1 2 2
0 0 0 2 4
_
_
. .
escada por linhas
L3/2
L1/2
_
_
1 2 3 0 1
0 1 1 2 2
0 0 0 1 2
_
_
L22L3
_
_
1 2 3 0 1
0 1 1 0 6
0 0 0 1 2
_
_

L12L2
_
_
1 0 1 0 13
0 1 1 0 6
0 0 0 1 2
_
_
. .
escada por linhas na forma reduzida
.
Como se pode vericar facilmente a aplicac ao de operac oes elementares a uma matriz
n ao conduz necessariamente a uma unica matriz emescada. Por exemplo, se alterarmos
a sequ encia das operac oes elementares efectuadas na matriz do Exemplo 1.5 obtemos
uma matriz em escada por linhas distinta:
_
_
0 1 3 1
1 5 1 4
1 4 2 1
_
_
L1L3
_
_
1 4 2 1
1 5 1 4
0 1 3 1
_
_
L2+L1
_
_
1 4 2 1
0 1 1 5
0 1 3 1
_
_
L3+L2
_
_
1 4 2 1
0 1 1 5
0 0 4 6
_
_
.
Para a matriz do exemplo referido obtivemos as seguintes matrizes em escada (distin-
tas)
_
_
1 5 1 4
0 1 3 1
0 0 4 6
_
_
e
_
_
1 4 2 1
0 1 1 5
0 0 4 6
_
_
.
No entanto, a matriz emescada na forma reduzida correspondente a estas duas matrizes
e a matriz
_
_
1 0 0 12
0 1 0 7/2
0 0 1 3/2
_
_
.
No Teorema 1.2 (p ag. 40), mostra-se que dada uma matriz a respectiva forma reduzida
em escada por linhas e unica. A unicidade da matriz em escada na forma reduzida e
um resultado com consequ encias importantes. Nomeadamente, uma vez que a forma
reduzida de uma matriz em escada R tem o mesmo n umero de piv os que R, a unicidade
da matriz em escada na forma reduzida permite concluir que o n umero de piv os de uma
matriz em escada obtida de uma matriz A e independente do n umero e da sequ encia
de operac oes elementares utilizadas. Denimos a caracterstica da matriz A como
sendo o n umero de piv os de uma qualquer matriz em escada obtida de A por meio de
operac oes elementares sobre as suas linhas.
Denic ao 1.4. Caracterstica
Chama-se caracterstica de uma matriz A ao n umero de linhas n ao nulas de uma
qualquer matriz em escada por linhas obtida de A por meio de operac oes elementares
sobre as suas linhas. Designamos a caracterstica de A por:
car A.
A terminologia anglo-sax onica para a caracterstica de uma matriz e rank.
Exemplo 1.7. (a) Consideremos a matriz aumentada do Exemplo 1.5, seja
_
A b
, e
a respectiva matriz em escada por linhas obtida nesse exemplo.
_
A b
=
_
_
0 1 3 1
1 5 1 4
1 4 2 1
_
_
Operac oes elementares
_
_
1 5 1 4
0 1 3 1
0 0 4 6
_
_
.
Como a matriz em escada por linhas possui 3 piv os, t em-se que car
_
A b
= 3.
Podemos tamb em concluir neste caso que a caracterstica da matriz aumentada
_
A b
e igual ` a caracterstica da matriz A dos coecientes do sistema, isto e

car
_
A b
= 3 e car A = 3.
Como observ amos no Exemplo 1.3, o sistema correspondente e possvel e determinado.
De facto, como veremos j a no pr oximo exemplo, e necess ario que car
_
A b
= car A
para que o sistema seja possvel.
(b) Consideremos agora a matriz aumentada
_
A b
=
_
1 2 5
2 4 4
_
. Calcule-
mos a sua caracterstica.
_
A b
=
_
1 2 5
2 4 4
_
L2+2L1
_
1 2 5
0 0 14
_
.
Donde se conclui que
car
_
A b
= 2 e car A = 1.
Neste caso a caracterstica da matriz aumentada [A|b] e diferente da caracterstica de
A. Como o sistema inicial tem as mesmas soluc oes que o sistema correspondente ` a
matriz em escada por linhas obtida, ou seja, que o sistema
_
x 2y = 5
0 = 14,
o sistema original e impossvel.
Os exemplos (a) e (b) fazem prever que a exist encia ou n ao de soluc ao para um de-
terminado sistema linear est a dependente do facto de ser ou n ao verdadeira a igualdade
car A = car[A|b]. Ver adiante a Proposic ao 1.1.
Algoritmo para reduc ao de uma matriz a uma matriz em escada
Tendo em vista a construc ao de um algoritmo facilmente program avel, e conveniente
efectuar as operac oes elementares segundo uma determinada ordem, a m de obter
uma matriz em escada. Tal algoritmo recebe usualmente a designac ao de m etodo de
eliminac ao de Gauss. Ilustramos esse algoritmo atrav es do c alculo de uma matriz em
escada por linhas para a matriz
_
_
0 2 6 4 1 2
3 9 5 1 0 1
3 7 2 1 2 1
_
_
.
Passo 1:
Selecionar a primeira coluna n ao nula da matriz. Se o primeiro elemento dessa
coluna for n ao nulo, esse elemento ser a designado por piv o
a
. Caso contr ario, efectua-
se troca de linhas colocando um elemento n ao nulo na primeira linha dessa coluna.
a
Embora tenhamos denido piv o apenas para matrizes em escada, neste algoritmo usamos a mesma
designac ao de piv o para os elementos que v ao ser precisamente os piv os da matriz em escada nal.
_
_
0 2 6 4 1 2
3 9 5 1 0 1
3 7 2 1 2 1
_
_
L1L2
_
_
3 9 5 1 0 1
0 2 6 4 1 2
3 7 2 1 2 1
_
_
Passo 2:
Usar operac oes elementares para obter zeros abaixo do piv o selecionado no passo
anterior.
_
_
3 9 5 1 0 1
0 2 6 4 1 2
3 7 2 1 2 1
_
_
L3L1
_
_
3 9 5 1 0 1
0 2 6 4 1 2
0 2 3 2 2 0
_
_
Passo 3:
Repetir os passos 1 e 2 para a matriz que se obt em suprimindo a linha e coluna
que cont em o piv o.
_
_
3 9 5 1 0 1
0 2 6 4 1 2
0 2 3 2 2 0
_
_
L3+L2
_
3 9 5 1 0 1
0 2 6 4 1 2
0 0 9 2 3 2
_
_
piv os
A matriz nal e uma matriz em escada por linhas.
A aplicac ao do m etodo de eliminac ao de Gauss para a resoluc ao de sistemas e a
seguir resumido.
M etodo de Eliminac ao de Gauss
A resoluc ao de um sistema de equac oes lineares pelo m etodo de eliminac ao de
Gauss consiste em:
1. Escrever a matriz aumentada do sistema.
2. Por meio de operac oes elementares sobre as linhas da matriz aumentada, obter
uma matriz em escada por linhas de acordo com o algoritmo anteriormente
descrito.
3. Escrever o sistema correspondente ` a matriz (aumentada) em escada por linhas.
Resolver este sistema por substituic ao (regressiva) comecando pela ultima
equac ao.
Ilustremos o m etodo de eliminac ao de Gauss atrav es de alguns exemplos.
Exemplo 1.8. Usemos o m etodo de eliminac ao de Gauss para resolver o sistema se-
guinte.
_
_
_
x
1
3x
2
x
3
=2
x
2
+ x
3
4x
4
= 1
x
3
+ 9x
4
= 4.
A matriz aumentada do sistema
_
_
1 3 1 0 2
0 1 1 4 1
0 0 1 9 4
_
_
j a est a em escada por linhas. Logo, resolvendo a ultima equac ao em ordem a x
3
, vem
x
3
= 4 9x
4
. Resolvendo a segunda equac ao em ordem a x
2
e substituindo x
3
,
obt em-se x
2
= 1 x
3
+4x
4
= 3 +13x
4
. Substituindo x
2
e x
3
na primeira equac ao,
resulta
x
1
= 2 + 3 (3 + 13x
4
) + (9 4x
4
) = 7 + 30x
4
.
O sistema possui innitas soluc oes e a sua soluc ao geral e o conjunto
{(x
1
, x
2
, x
3
, x
4
) : x
1
= 7 + 30x
4
, x
2
= 3 + 13x
4
, x
3
= 4 9x
4
e x
4
R} =
= {(7 + 30x
4
, 3 + 13x
4
, 4 9x
4
, x
4
) : x
4
R}.
Uma vez que podemos livremente atribuir valores a x
4
, esta vari avel parametriza o
conjunto das soluc oes, ou seja, a cada valor do par ametro corresponde uma soluc ao do
sistema.
Exemplo 1.9. Usemos o m etodo de eliminac ao de Gauss para resolver o sistema
_
_
_
x y = 2
x + z = 1
2x + 2y = 2.
Reduza-se a matriz aumentada do sistema a uma matriz em escada.
_
_
1 1 0 2
1 0 1 1
2 2 0 2
_
_
L2L1
_
_
1 1 0 2
0 1 1 1
2 2 0 2
_
_
L3+2L1
_
_
1 1 0 2
0 1 1 1
0 0 0 6
_
_
O sistema correspondente a esta matriz em escada por linhas e
_
_
_
x y = 2
y + z =1
0 = 6.
Da ultima equac ao conclumos que o sistema e impossvel. Saliente-se que a carac-
terstica da matriz aumentada do sistema e 3 enquanto a caracterstica da matriz dos
coecientes do sistema e 2.
1.2.1 A soluc ao geral de um sistema
Como vimos, um sistema linear ou e possvel ou e impossvel. No caso de ser possvel
ou possui soluc ao unica e diz-se possvel e determinado, ou tem um n umero innito
de soluc oes sendo por isso indeterminado (ver Proposic ao 1.4 na p agina 40). Uma
condic ao necess aria e suciente
3
para um sistema ser possvel e que a matriz aumen-
tada do sistema e a matriz dos coecientes do sistema tenham a mesma caracterstica.
Enunciamos este resultado na proposic ao a seguir.
Proposic ao 1.1. Seja [A|b] a matriz aumentada de um sistema de equac oes lineares.
O sistema e possvel se e s o se
car [A|b] = car A.
Demonstrac ao.
4
Comecemos por mostrar que se car [A|b] > car(A) o sistema e im-
possvel. Se car[A|b] > car(A), o m etodo de eliminac ao de Gauss aplicado a [A|b]
d a origem a uma matriz em escada que tem uma linha com todas as entradas nulas
excepto a entrada mais ` a direita. O sistema correspondente ` a matriz em escada obtida
possui uma equac ao do tipo 0 = k com k = 0, por conseguinte o respectivo sistema
e impossvel. Como o sistema original e o sistema correspondente ` a matriz em escada
por linhas t em as mesmas soluc oes, o sistema original e impossvel.
Para a implicac ao recproca, atenda-se a que a caracterstica da matriz aumentada
e sempre maior ou igual do que a caracterstica da matriz dos coecientes. Como por
hip otese o sistema e possvel, a caracterstica da matriz aumentada n ao pode ser maior
3
Uma proposic ao P diz-se uma condic ao necess aria e suciente para a proposic ao Qse s ao satisfeitas as
implicac oes: P = Q e Q = P. Quando se verica esta dupla implicac ao, ou seja, se P, ent ao Q e
se Q, ent ao P, resume-se este facto numa unica proposic ao, a saber, P se e s o se Q. A express ao P se
e s o se Q (ou abreviadamente P sse Q) pode tamb em escrever-se na forma P Q, traduzindo que P
e equivalente a Q.
4
Assume-se implicitamente nesta demonstrac ao que a caracterstica de uma matriz e um n umero bem
denido, resultado que segue do Teorema 1.2. N ao h a contudo qualquer erro l ogico em demonstrar esta
proposic ao antes desse teorema, uma vez que a prova do teorema e independente desta demonstrac ao.
que a caracterstica da matriz dos coecientes. Logo, se o sistema e possvel, ent ao
car[A|b] = car(A).
A soluc ao geral de um sistema e o conjunto de todas as soluc oes do sistema. As-
sim, um sistema impossvel (sem soluc oes) tem para soluc ao geral o conjunto vazio,
enquanto que um sistema possvel e determinado tem para soluc ao geral um conjunto
com um unico elemento. Quando um sistema e indeterminado, isto e com innitas
soluc oes, a descric ao do conjunto das soluc oes e mais complexa.
No Exemplo 1.8 o sistema e indeterminado e opt amos por resolver a ultima equac ao
em ordem a x
3
(isto e, x
3
= 4 9x
4
), obtendo x
3
em func ao de x
4
. As soluc oes do
sistema obt em-se atribuindo um valor arbitr ario a x
4
e substitutindo esse valor nas
igualdades obtidas para as restantes vari aveis. Dizemos ent ao que x
4
e uma vari avel
livre e que as restantes s ao dependentes. No entanto, poderamos ter optado por resol-
ver a ultima equac ao em ordem a x
4
, obtendo-se x
4
dependente de x
3
, nomeadamente
x
4
= 4/9 x
3
/9. Neste caso, o conjunto soluc ao geral seria descrito em termos de
x
3
, ou seja, x
3
poderia ser qualquer n umero real, e as restantes vari aveis dependeriam
de x
3
. Este exemplo mostra que h a v arias possibilidades de descrever a soluc ao geral,
conforme as vari aveis que escolhamos para descrever (ou parametrizar) os elementos
do conjunto das soluc oes.
E habitual introduzir-se alguma nomenclatura que corresponde a uma escolha crite-

riosa das vari aveis usadas na parametrizac ao do conjunto das soluc oes de um sistema.
Relembremos que na notac ao matricial, cada coluna da matriz dos coecientes de um
sistema est a associada a uma vari avel. No Exemplo 1.8 a soluc ao geral foi descrita em
termos da vari avel x
4
, nomeadamente
{(7 + 30x
4
, 3 + 13x
4
, 4 9x
4
, x
4
) : x
4
R} .
Observando a matriz em escada obtida no referido exemplo, verica-se que a vari avel
x
4
e a vari avel associada ` a coluna dessa matriz que n ao cont em piv o e que x
1
, x
2
e x
3
s ao vari aveis associadas a colunas com piv o.
Denic ao 1.5. Numa matriz em escada por linhas obtida por eliminac ao de Gauss da
matriz dos coecientes de um sistema possvel, designamos por:
i) vari aveis livres ou independentes, as vari aveis correspondentes a colunas sem
piv o;
ii) vari aveis dependentes, as vari aveis correspondentes a colunas com piv o.
Chamamos grau de indeterminac ao de um sistema (possvel) ao n umero de
vari aveis livres.
Note-se que o grau de indeterminac ao de um sistema possvel e igual ao n umero de
vari aveis do conjunto das soluc oes que podem tomar qualquer valor, ou seja, o n umero
de par ametros necess arios para descrever a soluc ao geral.
Como o n umero de colunas de uma matriz em escada por linhas e igual ` a soma do
n umero de colunas sem piv o com n umero de colunas com piv o, da denic ao anterior e
Algebra de matrizes 19
da denic ao de caracterstica de uma matriz (Denic ao 1.4), seguem os resultados que
resumimos na pr oxima proposic ao.
Proposic ao 1.2. Seja A a matriz dos coecientes de um sistema possvel com n
inc ognitas. Ent ao,
1) car(A) = n umero de vari aveis dependentes.
2) ncar(A) = n umero de vari aveis livres = grau de indeterminac ao do sistema.
Demonstrac ao. Os itens 1) e 2) s ao imediatos usando as denic oes de caracterstica e
de vari aveis livres.
Exemplo 1.10. No Exemplo 1.8 temos car[A|b] = car[A] e o grau de indeterminac ao
do sistema e 1 (a matriz A s o tem uma coluna sem piv o, ou seja, o sistema correspon-
dente tem uma vari avel livre).
No Exemplo 1.9, como car[A|b] > car(A), o sistema e impossvel.
No Exemplo 1.2 verica-se que uma matriz (aumentada) em escada e
_
1 1 1
0 1 2
_
.
Logo, car[A|b] = car[A] = 2 e n ao existem vari aveis livres, uma vez que o n umero de
vari aveis do sistema e igual ao n umero de piv os. Por conseguinte, o sistema e possvel
e determinado.
1.3

Algebra de matrizes
Vimos que o uso de matrizes na resoluc ao de sistemas representa uma economia de
notac ao consider avel. No entanto, a utilizac ao de matrizes e util num contexto muito
mais vasto. Em particular, a manipulac ao alg ebrica de matrizes permite demonstrar
facilmente resultados importantes, e tem aplicac oes que v ao muito al em da resoluc ao
de sistemas. Nesta secc ao denimos as operac oes usuais commatrizes e estabelecemos
certas identicac oes envolvendo matrizes e vectores.
Comecemos por precisar alguns conceitos j a usados.
Denic ao 1.6. Uma matriz do tipo p n e um quadro de n umeros com p linhas e n
colunas. Cada n umero na matriz e designado por entrada.
Se p = n a matriz diz-se rectangular, enquanto que se p = n a matriz diz-se
quadrada e de ordem n.
As matrizes s ao habitualmente designadas por letras mai usculas, por exemplo A, e cada
entrada pela correspondente letra min uscula indexada por dois ndices que representam
a posic ao da entrada na matriz. Assim, a
ij
e o n umero que se encontra na linha i e na
coluna j da matriz A. Por exemplo, a matriz
A =
_
2 3 4
1 0 3
_
e uma matriz com duas linhas e tr es colunas e portanto e do tipo 2 3. A entrada
situada na primeira linha e na segunda coluna e a
12
= 3, enquanto que a entrada na
segunda linha e na primeira coluna e a
21
= 1. O primeiro ndice ema
ij
designa a linha
e o segundo a coluna.
Uma matriz A do tipo p n (com p linhas e n colunas), de entradas a
ij
e represen-
tada por
A =
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
a
p1
a
p2
a
pn
_
_
=
_
a
ij
i = 1, . . . , p
j = 1, . . . , n
Exemplo 1.11. A matriz A = [a
ij
]
i = 1, 2, 3
j = 1, 2
denida por
a
ij
=
_
_
i 1 se i > j
0 se i = j
j + 2 se i < j,
e a seguinte matriz 3 2:
A =
_
_
0 4
1 0
2 2
_
_
.
Numa matriz quadrada A do tipo n n, chamamos diagonal principal de A ` a

diagonal constituda pelas entradas a
11
, a
22
, . . . , a
nn
.
Denic ao 1.7. A uma matriz com uma unica coluna (isto e, do tipo p1) chamamos
vector coluna. As entradas de um vector coluna s ao designadas por componentes ou
coordenadas. Os vectores coluna s ao denotados por letras min usculas a cheio, e por
vezes com uma seta em cima.
At e ao incio da pr oxima secc ao, onde se claricam as relac oes entre vectores (geom e-
tricos) e vectores coluna, abreviamos vector coluna para vector.
Eis um exemplo de um vector,
v =
_
_
1
3
2
_
_
, ou v =
_
_
1
3
2
_
_
, e um vector cuja segunda componente e 3.
Soluc oes de equac oes lineares podem ser identicadas com vectores. Nomeadamente,
uma soluc ao, (s
1
, . . . , s
n
) da equac ao linear a
1
x
1
+ a
2
x
2
+ + a
n
x
n
= d pode
escrever-se como o vector
s =
_
_
s
1
s
2
.
.
.
s
n
_
_
que satisfaz a igualdade a
1
s
1
+ a
2
s
2
+ + a
n
s
n
= d.
Sempre que conveniente, tamb em escrevemos x = (x
1
, x
2
, . . . , x
n
) para designar
o vector coluna
x =
_
_
x
1
.
.
.
x
n
_
_.
Nota 4. a) Os par enteses habitualmente utilizados para delimitar as entradas de
uma matriz s ao par enteses rectos ou curvos. As chavetas e os tracos verticais
n ao se usam para este efeito pois est ao reservados para denotar os conceitos de
conjunto e de determinante (a estudar no pr oximo captulo).
b) Por vezes usaremos a designac ao de tamanho quando nos referimos ao tipo da
matriz.
c) Noutros livros o termo vector e tamb em usado para designar matrizes com uma
unica linha mas aqui segue-se outra convenc ao.
Se encararmos uma matriz como um conjunto (ordenado) de vectores coluna e
natural denirmos operac oes com matrizes baseando-as em operac oes com vectores
coluna. Esta e a estrat egia que seguiremos na denic ao de operac oes com matrizes,
sendo por isso necess ario comecar por estudar operac oes com vectores colunas.
Como veremos de seguida, um vector coluna de duas ou tr es componentes reais
representa um vector geom etrico, respectivamente, no plano e no espaco. Um vector
com n > 3 componentes (isto e, um vector de R
n
) generaliza os vectores geom etricos.
As operac oes com vectores coluna ser ao denidas como generalizac oes das correspon-
dentes operac oes com vectores de plano ou do espaco.
1.3.1 Vectores de R
n
Na representac ao de certas grandezas fsicas tais como a velocidade, a acelerac ao ou
a forca, e necess ario ter em conta n ao s o a intensidade mas tamb em uma direcc ao e
sentido segundo os quais essa grandeza se manisfesta. Este tipo de grandezas fsicas
s ao grandezas representadas por vectores.
Nesta secc ao introduzimos geometricamente a noc ao de vector, estabelecemos re-
lac oes entre vectores, pontos, e vectores em sistemas de coordenadas. As noc oes estu-
dadas no plano e no espaco s ao depois generalizadas para vectores de R
n
.
Vectores e geometria
Dois pontos (distintos) P e Q, denemum segmento de recta. Tomando P como ponto
inicial e Q como ponto nal, o segmento de recta ca orientado no sentido de P para
Q. A notac ao u =

PQ designa esse segmento orientado. Um vector e representado
por um segmento de recta orientado, e geometricamente usa-se uma seta para o ilustrar
(ver Figura 1.2-(a)).
Frequentemente interessa considerar uma grandeza vectorial, independente do pon-
to do espaco em que a grandeza se manisfesta, sendo apenas relevantes a sua intensi-
dade, a direcc ao e o sentido. Neste caso em que, por abstrac ao, se deixa de ter em conta
P
Q
(a) (b)
u
=
P
Q
Figura 1.2: (a) Representac ao do vector u =

PQ. (b) Vectores equivalentes.
tal ponto, a representac ao da grandeza pode fazer-se por qualquer segmento orientado
com um dado comprimento, uma direcc ao e um sentido. Assim, existe um conjunto de
segmentos orientados que representam essa grandeza.
Dizem-se vectores equivalentes os vectores denidos por segmentos orientados pa-
ralelos, com o mesmo sentido e o mesmo comprimento. Isto e, dois vectores s ao equi-
valentes se estes coincidem quando se desloca um dos vectores, paralelamente a si
pr oprio, por forma a fazer coincidir o seu ponto inicial com o ponto inicial do outro
vector (ver Figura 1.2-(b)).
O conjunto de todos os segmentos orientados do espaco e portanto a uni ao de con-
juntos disjuntos de segmentos orientados equivalentes. Cada um destes conjuntos e um
vector, tamb em designado por vector livre, que pode ser representado por qualquer dos
segmentos orientados (equivalentes) que constituem o conjunto.
O vector nulo e denido como o conjunto dos segmentos degenerados (segmentos
com ponto inicial e nal coincidentes), isto e, o conjunto de todos os pontos do espaco.
Quando se representa um vector por um segmento orientado particular (trata-se de
representar um conjunto por um dos seus elementos) diz-se que se aplicou o vector ao
ponto inicial desse segmento orientado.
A seguir denimos a soma de dois vectores bemcomo a multiplicac ao de umvector
por um n umero real.
Denic ao 1.8. Sendo u e v dois vectores, a soma u +v e um vector determinado da
seguinte forma: considere-se o vector v aplicado no ponto nal de u, o vector u +v
e o vector cujo ponto inicial e o ponto inicial de u, e o ponto nal e o ponto nal de
v (ver Figura 1.3).
Na Figura 1.3 vericamos geometricamente que a adic ao de vectores e comutativa,
isto e,
u +v = v +u.
Denic ao 1.9. Se u e um vector n ao nulo e k um n umero real, ent ao ku e o vector
cujo comprimento e |k| vezes o comprimento de u, e o sentido e o de u se k > 0, e
e o oposto ao de u se k < 0. Denimos ku como sendo o vector nulo (ou zero) 0 se
k = 0 ou u e o vector nulo.
u
u u
v
v v
u +v
u
+
v
Figura 1.3: A soma u +v e u +v = v +u.
u
2u
1
2
u
Figura 1.4: O produto de um n umero real por um vector.
Na Figura 1.4 e ilustrada a multiplicac ao de um vector por um n umero real.
Se v =

PQ, o seu sim etrico (v) e o vector (v) =

QP. Assim, v + (v) = 0
e o vector nulo.
Podemos denir diferenca de dois vectores como sendo a seguinte soma:
u v = u + (v).
Como se ilustra na Figura 1.5, uma maneira de construir o vector u v sem construir
o vector (v) e: aplicar os vectores u e v no mesmo ponto, o vector u v e o vector
cujo ponto inicial e o ponto terminal de v e cujo ponto nal e o de u.
u
u
v
v v
u v
u v
Figura 1.5: O vector diferenca u v.
Fixando um ponto no espaco, seja O, e dado um qualquer vector u, podemos sem-
pre representar este vector por um (e um s o) segmento orientado cujo ponto inicial
e o ponto O. Em particular, aplicando o vector nulo ao pr oprio ponto obt em-se o
ponto O. Existe portanto uma correspond encia biunvoca entre vectores (livres) e vec-
tores aplicados no ponto xado. Al em disso, uma vez xado um ponto O do espaco,
pode estabelecer-se uma correspond encia biunvoca entre vectores (livres) e pontos do
espaco. Esta correspond encia e estabelecida do seguinte modo: ao vector u corres-
ponde o ponto nal P do vector

OP equivalente a u; reciprocamente, ao ponto P
corresponde o conjunto de segmentos orientados equivalentes a

OP. Assim, xado
um ponto do espaco, temos a correspond encia biunvoca
Vectores Pontos.
Vectores em sistemas de coordenadas
Num plano podemos xar um sistema de eixos coordenados, por exemplo, um sistema
de eixos ortogonais. Para tal, xa-se um ponto que se toma como origem, e duas rectas
ortogonais (eixos coordenados) que se intersectam na origem, por exemplo, uma recta
horizontal e uma vertical. Estas rectas s ao munidas da mesma unidade de comprimento
e de um sentido (positivo). Considere-se ainda que este sistema de eixos est a orientado,
de modo que a parte positiva do eixo horizontal quando rodada de 90
o
no sentido anti-
hor ario coincida com a parte positiva do eixo vertical.
Um ponto do plano ca completamente caracterizado se forem especicadas as
suas coordenadas, isto e, se for dado o par ordenado (a, b) que indica que o ponto
se projecta (ortogonalmente) nos eixos horizontal e vertical em pontos que se situam,
respectivamente, a a e b unidades (positivas ou negativas) da origem.
Qualquer vector do plano pode representar-se por um vector cujo ponto inicial e a
origem O do referencial xado. Se um vector u tem o seu ponto inicial na origem do
sistema de eixos coordenados, as coordenadas do ponto nal de u s ao um par ordenado
(u
1
, u
2
) de n umeros reais. Assim, designamos o vector u por u = (u
1
, u
2
).
Como h a uma correspond encia biunvoca entre pontos do plano e vectores, cada
ponto do plano de coordenadas (a, b) pode identicar-se com um vector aplicado na
origem do sistema de eixos xado, e cujo ponto nal e (a, b). Este vector e designado
por vector de posic ao do ponto (Figura 1.6). Denotamos pontos por letras mai usculas e
os respectivos vectores de posic ao pela letra min uscula (a cheio) correspondente. Isto
e, para o ponto P o vector de posic ao respectivo e denotado por p.
Fixado um referencial (implicitamente est a xado um ponto) no plano, o conjunto
dos vectores no plano (ou seja, o pr oprio plano) e o conjunto dos vectores de duas
componentes reais, o qual se designa por R
2
. Isto e,
R
2
=
_
x =
_
x
1
x
2
_
: x
1
Re x
2
R
_
= {x = (x
1
, x
2
) : x
1
Re x
2
R} .
Os vectores u = (u
1
, u
2
) e v = (v
1
, v
2
) s ao iguais se e s o se
u
1
= v
1
e u
2
= v
2
.
Ou seja, dois vectores de R
2
s ao iguais se e s o se as componentes correspondentes (ou
hom ologas) s ao iguais. Por exemplo,
_
1
3
_
n ao e igual ao vector
_
3
1
_
.
PSfrag
x
x
y y
R = (2, 1) R = (2, 1)
P = (1, 3) P = (1, 3)
Q = (3, 1) Q = (3, 1)
p
q
r
1
1
1
2
3
3
Figura 1.6: Representac ao de pontos e respectivos vectores de posic ao no referencial
de eixos x e y.
Sabemos adicionar pares ordenados de n umeros reais, bem como adicionar vecto-
res. Vejamos agora que estas duas operac oes s ao an alogas no caso de vectores dados
em termos das suas coordenadas. Na Figura 1.7 ilustramos este facto para os vectores
u = (u
1
, u
2
) e v = (v
1
, v
2
).
x
y
0
(u
1
+ v
1
, u
2
+ v
2
)
(v
1
, v
2
)
(u
1
, u
2
)
u
2
u
1
v
2
v
1
u
2
+ v
2
u
1
+ v
1
Figura 1.7: Adic ao de vectores de R
2
.
E portanto natural denir a adic ao de vectores de R

2
da seguinte forma: a soma do
vector u de R
2
com o vector v de R
2
e o vector u+v de R
2
que se obt em adicionando
as componentes de u com as componentes respectivas (ou hom ologas) de v. Isto e,
u +v =
_
u
1
u
2
_
+
_
v
1
v
2
_
=
_
u
1
+ v
1
u
2
+ v
2
_
.
Geometricamente, o vector soma e representado por um vector aplicado na origem e
cujo ponto nal e o quarto v ertice de um paralelogramo em que os outros v ertices s ao
a origem e os pontos nais de u e de v (ver Figura 1.7).
Da mesma forma podemos denir a multiplicac ao de um vector u de R
2
por um
n umero real k, como sendo o vector de R
2
cujas componentes s ao as componentes de
u multiplicadas por k. Isto e,
ku = k
_
u
1
u
2
_
=
_
ku
1
ku
2
_
, k R.
Na Figura 1.8 ilustra-se a representac ao da multiplicac ao de um vector de R
2
por um
real. Saliente-se que o produto de um vector por um n umero real e um vector da recta
que passa pela origem e tem a direcc ao do vector.
x
y
0
(u
1
, u
2
)
(ku
1
, ku
2
)
u
1
u
2
ku
1
ku
2
Figura 1.8: Multiplicac ao de vectores de R
2
pelo escalar k > 0.
Vectores de R
3
Pontos do espaco podem ser representados por ternos ordenados de n umeros reais,
desde que esteja xado um referencial. Podemos escolher, por exemplo, um referencial
de eixos ortogonais dois a dois. Para o efeito, xa-se um ponto do espaco que se toma
como origem, e escolhem-se tr es rectas ortogonais entre si (eixos coordenados) que
se intersectam na origem. Escolhe-se ainda um sentido positivo para cada um dos
eixos coordenados e uma unidade de comprimento comum. Designando cada eixo,
respectivamente, por x, y e z, o referencial diz-se orientado positivamente se e satisfeita
a regra habitualmente conhecida como regra da m ao direita
5
Um terno ordenado (u
1
, u
2
, u
3
) de n umeros reais representa um ponto do espaco
cujas coordenadas no referencial em causa valem, respectivamente, u
1
unidades do
eixo dos xx, u
2
unidades do eixo dos yy e u
3
unidades do eixo dos zz. Este ponto
do espaco pode ser identicado com o vector de posic ao u = (u
1
, u
2
, u
3
) cujo ponto
inicial e a origem e cujo ponto nal e o ponto de coordenadas respectivamente u
1
, u
2
e u
3
(ver Figura 1.9).
Qualquer vector do espaco pode ser representado, no referencial xado, por um
terno ordenado de n umeros reais. O conjunto de todos os vectores de tr es componentes
reais designa-se por R
3
, isto e,
R
3
=
_
_
_
x =
_
_
x
1
x
2
x
3
_
_
: x
1
R, x
2
Re x
3
R
_
_
_
= {x = (x
1
, x
2
, x
3
) : x
1
, x
2
, x
3
R} .
De forma inteiramente an aloga ao caso de vectores de R
2
, n ao e difcil vericar
que as denic oes de igualdade de vectores, adic ao de vectores e multiplicac ao de um
5
Apontando o dedo indicador no sentido positivo do eixo dos xx e o dedo m edio no sentido positivo do
eixo dos yy, o dedo polegar indica a direcc ao e aponta no sentido positivo do eixo dos zz.
x
y
z
(u1, u2, u3)
u1
u2
u3
Figura 1.9: Representac ao de um vector de R
3
no referencial de eixos x, y, z.
vector por umn umero real, se traduzemda forma que se segue. Para quaisquer vectores
u = (u
1
, u
2
, u
3
) e v = (v
1
, v
2
, v
3
) de R
3
tem-se:
u = v se e s o se u
1
= v
1
, u
2
= v
2
e u
3
= v
3
.
u +v = (u
1
+ v
1
, u
2
+ v
2
, u
3
+ v
3
).
ku = (ku
1
, ku
2
, ku
3
) para k R.
Por vezes e necess ario determinar as coordenadas de umvector conhecendo-se as coor-
denadas do seu ponto inicial e do seu ponto nal. Por exemplo, sabendo que as coorde-
nadas dos pontos P e Q s ao respectivamente (p
1
, p
2
, p
3
) e (q
1
, q
2
, q
3
), pretende-se as
coordenadas do vector

PQ representado na Figura 1.10. Designando por O a origem
do referencial, tem-se
OP +
PQ =

OQ.
Os vectores

OP e

OQ s ao os vectores de posic ao p e q, respectivamente, dos pontos
P e Q. Logo,
PQ =

OQ
OP = q p
= (q
1
, q
2
, q
3
) (p
1
, p
2
, p
3
) = (q
1
p
1
, q
2
p
2
, q
3
p
3
).
As coordenadas do vector pretendido s ao portanto as coordenadas do vector q p.
Vectores de R
n
Por analogia com os casos n = 2 e n = 3, denimos R
n
(n inteiro positivo) como o
conjunto dos vectores de n componentes reais, nomeadamente
R
n
=
_
_
x =
_
_
x
1
x
2
.
.
.
x
n
_
_
: x
i
R, para i = 1, . . . , n
_
_
= {x = (x
1
, x
2
, . . . , x
n
) : x
i
Rpara i = 1, . . . , n} .
x
y
z
O
P
Q
p
q
q p
Figura 1.10: As coordenadas do vector

PQ s ao dadas por

PQ = q p.
O vector de R
n
com todas as componentes iguais a zero chama-se o vector nulo (ou
vector zero), que designamos por 0. Tal como em R
2
e R
3
, dois vectores de R
n
dizem-se iguais se as componentes respectivas s ao iguais. A adic ao de vectores de
R
n
e a multiplicac ao destes vectores por n umeros reais denem-se de modo an alogo ` a
denic ao apresentada para n = 2 e n = 3. Nomeadamente, para
x =
_
_
x
1
x
2
.
.
.
x
n
_
_
R
n
y =
_
_
y
1
y
2
.
.
.
y
n
_
_
R
n
,
denimos
x +y =
_
_
x
1
+ y
1
x
2
+ y
2
.
.
.
x
n
+ y
n
_
_
e kx =
_
_
kx
1
kx
2
.
.
.
kx
n
_
_
para k R. (1.4)
Com base nas propriedades da adic ao e multiplicac ao de n umeros reais, e f acil vericar
as propriedades que a seguir enunciamos.
Propriedades alg ebricas de R
n
Para quaisquer vectores u, v, w de R
n
e n umeros reais k e l, tem-se:
(i) u +v = v +u (v) k(u +v) = ku + kv
(ii) (u +v) +w = u + (v +w) (vi) (k + l)u = ku + lu
(iii) u +0 = 0 +u (vii) k(lu) = (kl)u
(iv) u + (u) = u +u = 0 (viii) 1u = u
onde u designa (1)u
1.3.2 Combinac ao linear de vectores
Os conceitos de combinac ao linear de vectores e de conjunto gerador desempenhamum
papel fundamental em toda a algebra linear. Em particular, o produto de uma matriz
A por um vector (coluna) x ser a denido como uma combinac ao linear dos vectores
coluna de A. Nesta secc ao introduzimos estas noc oes para vectores de R
n
, enfatizando
os seus aspectos geom etricos no caso de vectores do plano ou do espaco.
Denic ao 1.10. Diz-se que o vector y R
n
e uma combinac ao linear dos vectores
u
1
, u
2
, . . . u
p
de R
n
, se existem p n umeros reais c
1
, c
2
, . . . , c
p
tal que
y = c
1
u
1
+ c
2
u
2
+ + c
p
u
p
.
Aos escalares c
1
, c
2
, . . . , c
p
chamamos coecientes da combinac ao linear.
Designamos o conjunto de todas as combinac oes lineares de u
1
, u
2
, . . . u
p
por
Span{u
1
, u
2
, . . . u
p
}.
A este subconjunto de R
n
chamamos conjunto gerado
6
por, ou expans ao linear de,
{u
1
, u
2
, . . . , u
p
}.
Note-se que o conjunto de todas as combinac oes lineares de um vector v, e o con-
junto de todos os vectores da forma v, onde e um escalar real. Dois vectores u e v
tais que u = v, com um escalar real, recebem a designac ao de vectores colineares.
Exempliquemos agora, com vectores de R
2
e R
3
, as noc oes que acab amos de
denir.
Exemplo 1.12. Na Figura 1.11 ilustram-se algumas combinac oes lineares dos vectores
u
1
=
_
2
2
_
e u
2
=
_
1
1
_
.
Os conjuntos Span{u
1
} e Span{u
2
} s ao, respectivamente, os conjuntos
Span{u
1
} = {u
1
: R}, Span{u
2
} = {u
2
: R}.
Geometricamente, estes conjuntos s ao rectas que passam pela origem e t em respecti-
vamente a direcc ao de u
1
e de u
2
.
O conjunto gerado por dois vectores e o conjunto das somas de todos os m ultiplos
de um vector com todos os m ultiplos de outro vector. Para os vectores u
1
e u
2
o
conjunto Span{u
1
, u
2
} e o plano. Assim, de acordo com a Figura 1.11, tem-se:
Span{u
1
, u
2
} = R
2
, Span{u
1
} = l
1
, Span{u
2
} = l
2
w Span{u
1
, u
2
}, w / Span{u
1
}, w / Span{u
2
}.
Exemplo 1.13. Consideremos os vectores

u
1
=
_
_
1
3
2
_
_
, u
2
=
_
_
2
4
1
_
_
e w =
_
_
4
18
1
_
_
.
6
A designac ao Span para conjunto gerado e a designac ao habitualmente utilizada em lngua inglesa.
u1
u2
w
2u1 +u2
2u1
3u2
u1 2u2
2u1 +u2
2u1 2u2
l1
l2
Figura 1.11: Combinac ao linear de vectores de R
2
. O vector w e w =
1
2
u
1
+ u
2
.
Pretendemos saber se w e ou n ao combinac ao linear de u
1
e u
2
. Ou seja, se existem
n umeros reais c
1
e c
2
tais que
w = c
1
u
1
+ c
2
u
2

_
_
4
18
1
_
_
= c
1
_
_
1
3
2
_
_
+ c
2
_
_
2
4
1
_
_
.
Isto e,
_
_
4
18
1
_
_
=
_
_
c
1
3c
1
2c
1
_
_
+
_
_
2c
2
4c
2
c
2
_
_
=
_
_
c
1
2c
2
3c
1
+ 4c
2
2c
1
+ c
2
_
_
.
Como dois vectores s ao iguais se as componentes hom ologas s ao iguais, a igualdade
acima e equivalente ao sistema
_
_
_
c
1
2c
2
= 4
3c
1
+ 4c
2
= 18
2c
1
+ c
2
=1.
Usando o m etodo de eliminac ao de Gauss para resolver este sistema, temos
_
_
1 2 4
3 4 18
2 1 1
_
_
L23L1
_
_
1 2 4
0 10 30
2 1 1
_
_
L3+2L1
_
_
1 2 4
0 10 30
0 3 9
_
_
L3+
3
10
L2
_
_
1 2 4
0 10 30
0 0 0
_
_
.
Como o sistema
_
c
1
2c
2
=4
10c
2
= 30
tem soluc ao c
1
= 2 e c
2
= 3, podemos dizer que w e combinac ao linear de u
1
e u
2
.
De facto,
_
_
4
18
1
_
_
= 2
_
_
1
3
2
_
_
+ 3
_
_
2
4
1
_
_
w = 2u
1
+ 3u
2
.
Ou seja, o vector wpertence ao conjunto gerado por u
1
e u
2
, isto e, w Span{u
1
, u
2
}.
Note-se que o conjunto gerado por um unico vector n ao nulo de R
3
e uma recta que
passa pela origem e tem a direcc ao do vector, enquanto que o conjunto gerado pelos
vectores u
1
e u
2
e um plano que cont em a origem. As rectas que passam pela origem
e t em as direcc oes de u
1
e de u
2
pertencem a este plano, bem como o vector w (ver
Figura 1.12).
0
x
y
z
3u
2
2u
1
w
Figura 1.12: Os vectores u
1
e u
2
geram um plano e o vector w pertence a esse plano.
Exemplo 1.14. Consideremos os vectores

u
1
= (1, 1), u
2
= (2, 2) e u
3
= (1, 2).
Os vectores u
1
e u
2
s ao colineares (u
1
e proporcional a u
2
). Por conseguinte, o con-
junto gerado por u
1
e u
2
e a recta que passa pela origem e tem a direcc ao destes
vectores.
Os vectores u
1
e u
3
n ao s ao colineares (nem os vectores u
2
e u
3
), logo o conjunto
gerado por estes vectores e R
2
. Isto e,
Span{u
1
, u
3
} = R
2
, bem como Span{u
2
, u
3
} = R
2
.
O conjunto gerado pelos tr es vectores u
1
, u
2
e u
3
e igualmente todo o R
2
. Ou seja,
Span{u
1
, u
2
, u
3
} = R
2
.

Dos exemplos e denic oes apresentadas anteriormente podemos tirar as conclus oes
que se seguem. Para vectores n ao nulos, temos:
Um vector de R
2
(ou de R
3
) gera uma recta que passa pela origem e tem a
direcc ao do vector.
Dois vectores colineares de R
2
(ou de R
3
) geram uma recta que passa pela ori-
gem e tem a direcc ao dos vectores.
Dois vectores n ao colineares de R
2
geram o plano R
2
. Se forem vectores de R
3
geram um plano que passa pela origem e que cont em as rectas que passam pela
origem e t em respectivamente as direcc oes dos vectores.
Tr es ou mais vectores de R
2
, em que pelo menos dois deles n ao s ao colineares
geram R
2
.
Tr es ou mais vectores de R
3
, em que pelo menos tr es deles n ao s ao colineares
dois a dois, geram R
3
.
Exerccio 1.1. Mostrar que para quaisquer vectores u e v de R
n
se verica
Span{u, v} = Span{u, u + v}, para todos os R e R \ {0}.
1.3.3 A equac ao matricial Ax = b

Nesta secc ao mostra-se que um sistema de p equac oes lineares a n inc ognitas reais
pode escrever-se na forma matricial como Ax = b, onde A e uma matriz p n, x e
um vector de R
n
e b e um vector de R
p
. Para tal necessitamos de denir o produto
Ax. Iremos denir este produto como uma combinac ao linear das colunas de A.
Denic ao 1.11. Seja A a matriz A = [a
ij
]
i = 1, . . . , p
j = 1, . . . , n
e x um vector de n compo-
nentes.
O produto de A por x e a combinac ao linear dos vectores coluna de A que tem
para coecientes as componentes de x. Ou seja,
Ax =
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
a
p1
a
p2
a
pn
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
= x
1
_
_
a
11
a
21
.
.
.
a
p1
_
_
+ x
2
_
_
a
12
a
22
.
.
.
a
p2
_
_
+ + x
n
_
_
a
1n
a
2n
.
.
.
a
pn
_
_
.
. .
combinac ao linear das colunas de A
Nota 5. 1. O produto Ax s o est a denido se o n umero de colunas de A for igual
ao n umero de componentes de x (isto e, o n umero de colunas de A e igual ao
n umero de linhas da matriz coluna x).
2. De acordo com a denic ao acima, se A e do tipo pn e x e do tipo n1, ent ao
Ax e um vector do tipo p 1.
Da denic ao anterior, e usando as denic oes de produto de um escalar por um
vector e de adic ao de vectores, temos
Ax = x
1
_
_
a
11
a
21
.
.
.
a
p1
_
_
+ x
2
_
_
a
12
a
22
.
.
.
a
p2
_
_
+ + x
n
_
_
a
1n
a
2n
.
.
.
a
pn
_
_
=
_
_
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
.
.
.
a
i1
x
1
+ a
i2
x
2
+ + a
in
x
n
.
.
.
a
p1
x
1
+ a
p2
x
2
+ + a
pn
x
n
_
_
.
(1.5)
Note-se que a entrada da linha i do vector Ax e igual ` a soma dos produtos das entradas
da linha i de A pelas componentes hom ologas de x.
Exemplo 1.15. (a)
_
1 3 4 2
2 4 5 1
_
. .
24
_
_
1
2
3
4
_
_
. .
41
= 1
_
1
2
_
2
_
3
4
_
+ 3
_
4
5
_
+ 4
_
2
1
_
=
_
1 1 2 3 + 3 4 + 4 2
1 2 2 4 + 3 5 + 4 1
_
=
_
15
13
_
..
21
.
(b)
_
_
1 3
5 1
0 2
7 4
_
_
. .
42
_
1
2
_
. .
21
= 1
_
_
1
5
0
7
_
_
2
_
_
3
1
2
4
_
_
=
_
_
5
3
4
1
_
_
. .
41
.
Exemplo 1.16. Considere-se o sistema de equac oes lineares

_
x
1
+ 3x
2
+ 4x
3
+ 2x
4
= 5
2x
1
+ 4x
2
+ 5x
3
+ x
4
= 3.
Este sistema pode ser escrito como uma igualdade entre dois vectores coluna de R
2
,
nomeadamente
_
x
1
+ 3x
2
+ 4x
3
+ 2x
4
2x
1
+ 4x
2
+ 5x
3
+ x
4
_
=
_
5
3
_
= b.
Por em, o lado esquerdo da equac ao anterior pode ser escrito como uma combinac ao
linear de vectores de R
2
, isto e
_
x
1
+ 3x
2
+ 4x
3
+ 2x
4
2x
1
+ 4x
2
+ 5x
3
+ x
4
_
= x
1
_
1
2
_
+ x
2
_
3
4
_
+ x
3
_
4
5
_
+ x
4
_
2
1
_
=
_
1 3 4 2
2 4 5 1
_
_
_
x
1
x
2
x
3
x
4
_
_
= Ax.
Concluimos, portanto, que o sistema pode ser escrito na forma matricial Ax = b, onde
A e a matriz dos coecientes do sistema e b e o vector coluna dos termos independen-
tes.
A igualdade (1.5) permite escrever qualquer sistema de equac oes lineares na forma
Ax = b, onde A e a matriz dos coecientes do sistema, x e o vector cujas componentes
s ao as vari aveis do sistema, e b e o vector coluna cujas componentes s ao o segundo
membro das equac oes do sistema. Por conseguinte, dizer que um sistema de equac oes
lineares e possvel e dizer que existe um vector x que satisfaz a igualdade Ax = b.
Ou seja, o sistema Ax = b e possvel se e s o se o vector b e uma combinac ao linear
das colunas de A. Na proposic ao seguinte enunciamos este resultado para refer encia
futura.
Proposic ao 1.3. Um sistema de equac oes lineares Ax = b e possvel se e s o se b e
uma combinac ao linear das colunas de A.
Quando no sistema Ax = b o vector b e o vector nulo, dizemos que o sistema e
um sistema homog eneo. Um sistema homog eneo e sempre possvel j a que, admite pelo
menos a soluc ao nula.
Exemplo 1.17. Facamos a discuss ao do sistema homog eneo A
x = 0 em termos do
par ametro real , onde
A
=
_
_
1 1 1
4
2
4
2 2
_
_
.
Apliquemos o m etodo de eliminac ao de Gauss ` a matriz dos coecientes do sistema.
_
_
1 1 1
4
2
4
2 2
_
_
L24L1
_
_
1 1 1
0
2
4 0
2 2
_
_
L32L1
_
_
1 1 1
0
2
4 0
0 0 + 2
_
_
.
A caracterstica de A
e
car(A
) =
_
_
1 se = 2
2 se = 2
3 se = 2.
De acordo com a Proposic ao 1.2 (p ag. 19), concluimos que para = 2 o sistema
s o possui a soluc ao nula (n ao existem inc ognitas livres), enquanto que para = 2 o
sistema tem grau de indeterminac ao 1, e para = 2 tem grau de indeterminac ao 2.
O sistema A
x = 0 e equivalente ao sistema
_
_
_
x +y z = 0
(
2
4)y = 0
( + 2)z = 0.
(1.6)
Quando = 2 o sistema reduz-se ` a primeira e terceira equac oes. Resolvendo esse
sistema obt em-se z = 0 e x = y. Consequentemente, para = 2 a soluc ao geral e
_
(x, y, z) R
3
: x = y e z = 0
_
= {(y, y, 0) : y R}
= {y(1, 1, 0) : y R} = Span{(1, 1, 0)}.
Para = 2 o sistema (1.6) reduz-se ` a primeira equac ao, donde x = y + z. Neste
caso a soluc ao geral e
_
(x, y, z) R
3
: x = y + z
_
= {(y + z, y, z) : y, z R}
= {y(1, 1, 0) + z(1, 0, 1) : y, z R}
= Span {(1, 1, 0), (1, 0, 1)}.
1.3.4 Operac oes com matrizes

J a denimos as operac oes de adic ao de vectores coluna, multiplicac ao de um escalar
por um vector e multiplicac ao de uma matriz por um vector coluna. Baseados nestas
operac oes, denimos agora operac oes sobre matrizes com v arias colunas encarando
para tal uma matriz como um conjunto ordenado de vectores coluna. Posteriormente,
estudamos as propriedades das operac oes que denimos a seguir.
Sejam A e B duas matrizes do mesmo tipo, por exemplo p n,
A = [a
ij
]
i = 1, . . . , p
j = 1, . . . , n
e B = [b
ij
]
i = 1, . . . , p
j = 1, . . . , n
.
A e B s ao iguais se as entradas respectivas s ao iguais, isto e, a
ij
= b
ij
para todo
i = 1, . . . , p e j = 1, . . . , n.
A soma A + B e a matriz p n cujas entradas s ao as somas das entradas de
A com as respectivas entradas de B. Tal signica que a entrada na linha i e na
coluna j de A + B e a
ij
+ b
ij
, para todo i = 1, . . . , p e j = 1, . . . , n.
A multiplicac ao de uma matriz A, por um escalar e a matriz cujas entradas s ao
as entradas de A multiplicadas por .
Resumindo:
Sejam A = [a
ij
] e B = [b
ij
] matrizes do tipo p n e um escalar. Ent ao,
A + B = [a
ij
+ b
ij
]
i = 1, . . . , p
j = 1, . . . , n
(1.7)
A = [a
ij
]
i = 1, . . . , p
j = 1, . . . , n
.
(1.8)
Nota 6. A adic ao de matrizes s o est a denida quando as matrizes s ao do mesmo tipo.
Seguidamente denimos multiplicac ao de matrizes. Se considerarmos uma matriz
B como um conjunto ordenado de vectores coluna, e natural denir o produto AB
como o conjunto das colunas que s ao o produto de A pelas colunas de B, respeitando
a ordem de B.
Denic ao 1.12. Seja A uma matriz p n e B uma matriz n k de colunas
b
1
, b
2
, . . . , b
k
.
O produto AB e a matriz p k cujas colunas s ao Ab
1
, Ab
2
, . . . , Ab
k
. Isto e,
AB = A
_
_
b
1
b
2
. . . b
k
_
_
=
_
_
Ab
1
Ab
2
. . . Ab
k
_
_
.
Note-se que o produto AB s o est a denido se o n umero de colunas de A e igual ao
n umero de linhas de B. Al em disso, a matriz AB e uma matriz com o mesmo n umero
de linhas de A e o mesmo n umero de colunas de B.
A B = AB.
p n n k pk
No caso particular da matriz B ser n 1 (ou seja, um vector coluna) a denic ao
do produto AB coincide com a denic ao anteriormente apresentada (como n ao podia
deixar de ser).
Por raz oes pr aticas conv em deduzir como se calcula uma entrada especca do
produto de duas matrizes. Para tal comecemos com dois exemplos.
Exemplo 1.18. Calculemos
Au =
_
2 3 4
1 3 2
_
_
_
5
6
7
_
_
.
Por denic ao de produto de uma matriz por um vector, o produto Au e a matriz 2 1
dada por
Au = A
_
_
5
6
7
_
_
= 5
_
2
1
_
+ 6
_
3
3
_
+ 7
_
4
2
_
=
_
2 5 + 3 6 + 4 7
1 5 + 3 6 2 7
_
=
_
56
9
_
.
O exemplo anterior ilustra como podemos obter as entradas de uma certa coluna do
produto de duas matrizes. Nomeadamente, se C = AB, a entrada c
ij
de C obt em-se
multiplicando as entradas da linha i de A pelas entradas hom ologas da coluna j de B
e somando os produtos obtidos.
Exemplo 1.19. Considere as matrizes
A =
_
2 3 1
0 4 6
_
B =
_
_
1 2 3 1
1 0 2 3
5 2 3 1
_
_
.
Como A e uma matriz 2 3 e B e 3 4, o produto AB est a denido e AB e uma
matriz do tipo 2 4. Para determinar a entrada na linha 2 e na coluna 3 da matriz AB
escolhemos a linha 2 de A e a coluna 3 de B, multiplicamos as entradas da referida
linha pelas entradas respectivas da coluna selecionada, e somamos. Ou seja,
A =
_
2 3 1
0 4 6
_
_
_
1 2 3 1
1 0 2 3
5 2 3 1
_
_
=
_
_

26
_
_
= AB.
0 3 + 4 2 + 6 3 = 26
Por exemplo, a entrada na linha 1 e na coluna 4 de AB e
2 1 + 3 3 + 1 1 = 12
A =
_
2 3 1
0 4 6
_
_
_
1 2 3 1
1 0 2 3
5 2 3 1
_
_
=
_
_
12

_
_
.
Calculando as restantes entradas de AB, obtemos
AB =
_
4 6 15 12
26 12 26 18
_
.

Para A = [a
ij
]
i = 1, . . . , p
j = 1, . . . , n
, B = [b
ij
]
i = 1, . . . , n
j = 1, . . . , k
e AB = C = [c
ij
]
i = 1, . . . , p
j = 1, . . . , k
,
isto e
AB =
_
_
a
11
a
12
a
1n
.
.
.
.
.
.
.
.
.
a
i1
a
i2
a
in
.
.
.
.
.
.
.
.
.
a
p1
a
p2
a
pn
_
_
_
_
b
11
b
1j
b
1k
b
21
b
2j
b
2k
.
.
.
.
.
.
.
.
.
b
n1
b
nj
b
nk
_
_
=
_
_
c
11
c
1j
c
1k
.
.
.
.
.
.
.
.
.
c
i1
c
ij
c
ik
.
.
.
.
.
.
.
.
.
c
p1
c
pj
c
pk
_
_
,
tem-se c
ij
= a
i1
b
1j
+ a
i2
b
2j
+ + a
in
b
nj
=
n
r=1
a
ir
b
rj
. Resumindo:
Se A = [a
ij
] e do tipo p n e B = [b
ij
] do tipo n k, a entrada na linha i e na
coluna j da matriz AB = C = [c
ij
] e dada por
c
ij
= a
i1
b
1j
+ a
i2
b
2j
+ + a
in
b
nj
=
n
r=1
a
ir
b
rj
. (1.9)
Propriedades das operac oes com matrizes
A adic ao de matrizes reais (resp. complexas) goza das propriedades comutativa e asso-
ciativa como facilmente se deduz usando as propriedades comutativa e associativa dos
n umeros reais (resp. complexos) e a denic ao (1.7) de adic ao de matrizes. Contudo, a
multiplicac ao de matrizes n ao goza em geral da propriedade comutativa, ou seja, pode
ter-se AB = BA mesmo no caso em que ambos os produtos AB e BA est ao bem
denidos. Por exemplo, para
A =
_
1 2
3 1
_
, B =
_
2 4
1 5
_
,
tem-se
AB =
_
0 14
5 17
_
e BA =
_
14 8
14 3
_
.
Logo, AB = BA. Quando AB = BA dizemos que A e B comutam.
Passamos a enunciar algumas propriedades das operac oes com matrizes.
Teorema 1.1. Sejam A, B e C matrizes para as quais as operac oes abaixo indicadas
est ao bem denidas, e , escalares. S ao v alidas as seguintes propriedades:
(a) A + B = B + A Comutatividade da adic ao
(b) A + (B + C) = (A + B) + C Associatividade da adic ao
(c) A(BC) = (AB)C Associatividade da multiplicac ao
(d) A(B + C) = AB + AC Distributividade ` a esquerda
(e) (B + C)A = BA + CA Distributividade ` a direita
(f) (A + B) = A + B
(g) ( + )A = A + A
(h) (AB) = (A)B = A(B)
As alneas (a), (b), (f), (g) e (h) s ao imediatas usando propriedades das operac oes com
n umeros reais ou complexos. A seguir apresentamos apenas a demonstrac ao da alnea
(d), demonstrac ao esta que, no entanto, e bem ilustrativa dos procedimentos a seguir
para as outras alneas.
Demonstrac ao. (d): Para que A(B + C) seja igual a AB + AC, as matrizes B e C
dever ao de ter o mesmo tamanho e o n umero de colunas de A dever a ser igual ao
n umero de linhas de B e de C. Suponha-se que A = [a
ij
] tem n colunas e que as
matrizes B = [b
ij
] e C = [c
ij
] t em n linhas. De modo a facilitar a compreens ao da
demonstrac ao, usaremos simultaneamente a notac ao d
ij
e [D]
ij
para designar a entrada
ij da matriz D.
Pretendemos mostrar que as entradas hom ologas de A(B +C) e de AB +AC s ao
iguais, ou seja, que e satisfeita a igualdade
[A(B + C)]
ij
= [AB]
ij
+ [AC]
ij
,
para quaisquer valores de i e de j. Usando (1.7) e (1.9) obtemos
[A(B + C)]
ij
= a
i1
(b
1j
+ c
1j
) + a
i2
(b
2j
+ c
2j
) + + a
in
(b
nj
+ c
nj
)
= (a
i1
b
1j
+ a
i2
b
2j
+ + a
in
b
nj
) + (a
i1
c
1j
+ a
i2
c
2j
+ + a
in
c
nj
)
= [AB]
ij
+ [AC]
ij
.
Nota 7. Para quaisquer n umeros reais a e b e v alida a propriedade ab = 0 se e s o
se a = 0 ou b = 0. Este resultado n ao e em geral v alido para o produto de matrizes,
como se verica no contra-exemplo que apresentamos a seguir.
Exemplo 1.20. Considere-se A =
_
0 0
1 2
_
e B =
_
2 2
1 1
_
. O produto AB e igual
` a matriz nula
AB =
_
0 0
0 0
_
,
por em, nem A nem B s ao matrizes nulas.
As propriedades alg ebricas das matrizes s ao essenciais na demonstrac ao de um
grande n umero de resultados. Por exemplo, as propriedades das operac oes com ma-
trizes habilitam-nos agora a apresentar a demonstrac ao das duas proposic oes (anteri-
ormente referidas) que se seguem. Sem estas propriedades a prova destas proposic oes
seria com certeza muito mais extensa.
A proposic ao seguinte diz-nos que um sistema possvel ou tem soluc ao unica ou
uma innidade de soluc oes.
Proposic ao 1.4. Se um sistema de equac oes lineares admite mais do que uma
soluc ao, ent ao possui uma innidade de soluc oes.
Demonstrac ao. Sejam u e v soluc oes distintas do sistema Ax = b. O vector y =
u v e uma soluc ao n ao nula do sistema homog eneo Ax = 0, j a que
Ay = A(u v) = Au Av = b b = 0.
Assim, para qualquer escalar , o vector w = u + y e soluc ao do sistema Ax = b,
visto que
Aw = A(u + y) = Au + Ay = b + 0 = b.
Logo, se u e v s ao soluc oes distintas do sistema Ax = b, ent ao qualquer vector da
forma w = u + y, com R e y = u v, e soluc ao do sistema.
Relembremos que na g enese da noc ao de caracterstica de uma matriz, apresentada
na Secc ao 1.2 (p ag. 13), encontra-se a unicidade da forma reduzida em escada por
linhas de uma matriz. O teorema que enunciamos a seguir estabelece este resultado.
Teorema 1.2. A forma reduzida em escada por linhas de uma matriz e unica.
Demonstrac ao.
7
Seja A uma matriz do tipo p n. Usemos induc ao
8
sobre n.
Para n = 1, a matriz A tem uma unica coluna e portanto a correspondente forma
reduzida em escada por linhas e obviamente unica. Considere-se como hip otese de
induc ao que para qualquer matriz do tipo p (n 1) a respectiva forma reduzida em
escada e unica.
Seja A
a matriz que se obt em de A suprimindo a ultima coluna. Note-se que

qualquer sequ encia de operac oes elementares sobre A que reduza A a uma matriz em
escada na forma reduzida tamb em reduz A
a uma matriz em escada por linhas na

forma reduzida. Assim, pela hip otese de induc ao, se B e C s ao formas reduzidas em
escadas por linhas da matriz A, estas matrizes diferemquando muito na coluna n umero
n.
Suponha-se que B e C s ao matrizes em escadas na forma reduzida, obtidas de A,
e que (por absurdo) B = C. Pretendemos chegar a uma contradic ao. Sendo B = C,
7
Esta demonstrac ao e apresentada por T. Yuster em [13].
8
O m etodo de induc ao matem atica e um m etodo de demonstrac ao usado frequentemente quando se pre-
tende provar que uma certa proposic ao e verdadeira para todos os n umeros naturais n. Uma vers ao deste
m etodo e a seguinte: (i) mostrar que a proposic ao e v alida para o primeiro valor de n; (ii) supor que a
proposic ao e v alida para n = r (esta hip otese e conhecida como hip otese de induc ao); (iii) deduzir de (ii)
que a proposic ao e v alida para n = r +1.
existe um inteiro k tal que a linha k de B e distinta da linha k de C. Seja u uma
qualquer soluc ao do sistema Bx = 0. Como B e C s ao matrizes obtidas de A por
meio de operac oes elementares sobre as suas linhas, os sistemas Bx = 0 e Cx = 0
t em as mesmas soluc oes. Dado que Bu = 0 = Cu, da propriedade distributiva segue
(B C)u = 0. Como B e C t em as primeiras (n 1) colunas iguais (por hip otese
de induc ao) a matriz (B C) tem as primeiras (n 1) colunas nulas, e portanto a
componente k do vector (B C)u e (b
kn
c
kn
)u
n
= 0. Esta equac ao possui soluc ao
u
n
= 0 j a que, por hip otese, b
kn
= c
kn
. Logo, qualquer soluc ao u dos sistemas
Bx = 0 e Cx = 0 tem a n
esima
componente nula. Assim sendo, a coluna n umero n
de B e de C tem um piv o (igual a 1), caso contr ario x
n
seria uma vari avel livre dos
sistemas Bx = 0 e Cx = 0. Como as primeiras (n1) colunas de B e de C s ao iguais,
o piv o da coluna n de B e de C aparece na mesma linha. Logo, por denic ao de matriz
em escada por linhas na forma reduzida, tem-se B = C, o que e uma contradic ao.
Matriz Identidade
Amatriz identidade de ordemn e uma matriz quadrada nn cujas entradas da diagonal
principal s ao todas iguais a 1 e as restantes entradas s ao nulas. Por exemplo,
I
2
=
_
1 0
0 1
_
I
3
=
_
_
1 0 0
0 1 0
0 0 1
_
_
I
4
=
_
_
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
_
_
,
s ao respectivamente a matriz identidade de ordem 2, 3, e 4.
Denic ao 1.13. A matriz identidade de ordem n e uma matriz quadrada n n cujas
entradas na diagonal principal s ao todas iguais a 1 e as outras entradas iguais a zero.
A matriz identidade de ordemn ser a designada I
n
ou simplesmente por I quando
no contexto for claro qual a ordem da matriz em quest ao. Isto e,
I
n
= [
ij
]
i,j=1,...,n
com
ij
=
_
0 se i = j
1 se i = j
As entradas da matriz identidade s ao tradicionalmente denotadas pelo smbolo
ij
.
Este smbolo e conhecido por delta de Kronecker
9
e tem o signicado especicado na
denic ao anterior.
A partir da denic ao de multiplicac ao de matrizes, e f acil mostrar (basta usar (1.9))
que o produto de uma matriz A por uma matriz identidade e sempre igual a A. Ilustre-
mos este facto com o exemplo seguinte.
Exemplo 1.21. Seja A =
_
_
a
11
a
12
a
13
a
14
a
21
a
22
a
23
a
24
a
31
a
32
a
33
a
34
_
_
.
9
Leopold Kronecker (1823-1891), matem atico alem ao.
Apenas podemos multiplicar A ` a esquerda pela matriz identidade de ordem 3, e ` a
direita pela de ordem 4.
I
3
A =
_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
a
11
a
12
a
13
a
14
a
21
a
22
a
23
a
24
a
31
a
32
a
33
a
34
_
_
=
_
_
a
11
a
12
a
13
a
14
a
21
a
22
a
23
a
24
a
31
a
32
a
33
a
34
_
_
= A
e
AI
4
=
_
_
a
11
a
12
a
13
a
14
a
21
a
22
a
23
a
24
a
31
a
32
a
33
a
34
_
_
_
_
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
_
_
=
_
_
a
11
a
12
a
13
a
14
a
21
a
22
a
23
a
24
a
31
a
32
a
33
a
34
_
_
= A
A matriz identidade e um exemplo de uma matriz diagonal. Isto e, uma matriz

quadrada com todas as entradas iguais a zero excepto possivelmente as entradas da
diagonal principal (ver p agina 56). Por exemplo, a matriz
A =
_
_
2 0 0
0 0 0
0 0 1
_
_
e uma matriz diagonal.
Para designar uma matriz diagonal A, usamos por vezes a notac ao
A = diag(a
11
, a
22
, . . . , a
nn
),
onde se especicam apenas as entradas da diagonal principal. Assim, para a matriz
diagonal acima escreveramos A = diag(2, 0, 1).
Transposta de uma matriz
A transposta de uma matriz A do tipo p n, e a matriz n p cujas linhas s ao as
colunas de A, pela mesma ordem em que aparecem em A. Designamos por A
T
a
matriz transposta de A. Por exemplo, para
A =
_
1 2 4 5
2 3 5 6
_
tem-se A
T
=
_
_
1 2
2 3
4 5
5 6
_
_
.
As linhas de A
T
s ao as colunas de A, pela mesma ordem. Portanto:
se A = [a
ij
]
i = 1, . . . , p
j = 1, . . . , n
e A
T
= [a
ij
]
i = 1, . . . , n
j = 1, . . . , p
, ent ao a
ij
= a
ji
.
Enunciamos a seguir algumas propriedades da transposta de uma matriz.
Propriedades da matriz transposta
Sejam A e B matrizes para as quais as operac oes abaixo indicadas est ao bem
denidas. Vericam-se as igualdades:
(a) (A
T
)
T
= A;
(b) (A + B)
T
= A
T
+ B
T
;
(c) (AB)
T
= B
T
A
T
.
Demonstrac ao. Deixamos como exerccio a prova de (a) e (b) e mostramos somente
(c). Para tal, considere-se
A = [a
ij
]
i = 1, . . . p
j = 1, . . . n
e B = [b
ij
]
i = 1, . . . n
j = 1, . . . k
.
A matriz AB e do tipo p k e portanto (AB)
T
e do tipo k p. Da mesma forma,
B
T
A
T
e do tipo k p. Designemos por
_
(AB)
T
ij
a entrada ij de (AB)
T
e por
[B
T
A
T
]
ij
a entrada ij de B
T
A
T
. Assim, como as linhas da transposta de uma matriz
s ao as colunas da matriz, tem-se
_
(AB)
T
ij
= [AB]
ji
= a
j1
b
1i
+ a
j2
b
2i
+ + a
jn
b
ni
, (1.10)
onde na ultima igualdade us amos a denic ao de produto de matrizes, nomeadamente a
igualdade (1.9).
Para calcular [B
T
A
T
]
ij
designemos por b
ij
a entrada ij de B
T
e por a
ij
a de A
T
.
E claro que
b
ij
= b
ji
e a
ij
= a
ji
.
Usando de novo (1.9) temos
_
B
T
A
T
ij
= b
i1
a
1j
+ b
i2
a
2j
+ + b
in
a
nj
= b
1i
a
j1
+ b
2i
a
j2
+ + b
ni
a
jn
.
Comparando a ultima igualdade com (1.10) ca mostrado o resultado enunciado na
alnea (c).
Denic ao 1.14. Uma matriz A diz-se sim etrica se A = A
T
e anti-sim etrica se A =
A
T
.
E de realcar que a denic ao anterior implica que matrizes sim etricas e anti-sim e-
tricas sejam matrizes quadradas. De facto, a igualdade A = A
T
s o e possvel se
A e quadrada. Al em disso, como as entradas da diagonal principal de A e A
T
s ao as
mesmas, uma matriz anti-sim etrica dever a ter estas entradas iguais a zero, uma vez que
satisfaz a igualdade A = A
T
. A designac ao de matriz sim etrica est a precisamente
relacionada com a simetria que este tipo de matrizes possui relativamente ` a diagonal
principal, conforme se verica nos exemplos apresentados a seguir.
Exemplo 1.22. No sentido de claricar a noc ao de matriz sim etrica e anti-sim etrica
apresentamos alguns exemplos.
A matriz
_
_
2 5 3
5 1 0
3 0 2
_
_
e sim etrica.
A matriz
_
_
0 5 3
5 0 1
3 1 0
_
_
e anti-sim etrica.
A matriz
_
_
1 5 3
5 0 1
3 1 0
_
_
n ao e anti-sim etrica (nem sim etrica).
Exemplo 1.23. Dada uma matriz A do tipo p n, as matrizes A

T
A e AA
T
s ao
sim etricas, respectivamente do tipo n n e p p. De facto, usando as proprieda-
des da matriz transposta atr as enunciadas, resultam as seguintes igualdades:
(A
T
A)
T
(c)
= A
T
(A
T
)
T
(a)
= A
T
A e (AA
T
)
T
(c)
= (A
T
)
T
A
T
(a)
= AA
T
.
Exerccio 1.2. Seja A uma matriz quadrada.

a) Mostrar que (A + A
T
) e sim etrica e (A A
T
) e anti-sim etrica.
b) Usar a alnea anterior para escrever A como a soma de uma matriz sim etrica
com uma anti-sim etrica.
1.4 Inversa de uma matriz
Nesta secc ao apresentamos a denic ao de matriz inversa de uma matriz (quadrada) e
estudamos as suas propriedades, nomeadamente a relac ao entre a exist encia de inversa
e a caracterstica da matriz. O c alculo da inversa de uma matriz e efectuado recor-
rendo ao m etodo de eliminac ao de Gauss-Jordan, m etodo este que pode ser traduzido
atrav es da multiplicac ao da matriz dada por matrizes ditas elementares. Estabelecem-
se ainda relac oes entre a natureza de um sistema linear com igual n umero de equac oes
e inc ognitas e a exist encia de inversa da matriz dos coecientes do sistema.
Denic ao 1.15. Uma matriz quadrada A do tipo n n, diz-se invertvel, ou n ao
singular, se existe uma matriz B do tipo n n, tal que
AB = I
n
= BA. (1.11)
Se B e uma matriz que satisfaz a igualdade anterior dizemos que B e uma inversa de
A.
Uma matriz que n ao seja invertvel diz-se uma matriz singular.
Inversa de uma matriz 45
Exemplo 1.24. A matriz
A =
_
_
1 10 3
0 0 0
1 3 2
_
_
n ao e invertvel. Para vericar este facto considere-se uma matriz B do tipo 3 3 de
entradas b
ij
e efectue-se o produto AB. Como a segunda linha de AB e nula, este
produto nunca pode ser igual ` a matriz identidade de terceira ordem.
Nota 8. O exemplo anterior ilustra o facto mais geral: qualquer matriz quadrada que
possua uma linha nula e uma matriz singular. Este resultado pode ser provado usando
o mesmo procedimento do exemplo anterior e a express ao (1.9).
A unicidade da matriz inversa e estabelecida no pr oximo teorema.
Teorema 1.3. A inversa de uma matriz, quando existe, e unica.
Demonstrac ao. Suponha-se que B e C s ao inversas de A. Isto e,
AB = BA = I e AC = CA = I.
Uma vez que BA = I = AC, tem-se
BAC = B(AC) = BI = B,
e
BAC = (BA)C = IC = C.
Logo, B = C.
Passamos a designar a matriz inversa de uma matriz invertvel A por:
A
1
Proposic ao 1.5. Se ad bc = 0, a inversa da matriz
A =
_
a b
c d
_
e dada por
A
1
=
1
ad bc
_
d b
c a
_
.
Demonstrac ao. Deixamos como exerccio vericar que AA
1
= I
2
e A
1
A = I
2
.
_
2 1
4 4
_
e invertvel e a sua inversa e
A
1
=
1
4
_
4 1
4 2
_
=
_
_
1
1
4
1
1
2
_
_
.

Veriquemos agora que o produto de matrizes invertveis ainda e invertvel.
Proposic ao 1.6. Se A e B s ao matrizes invertveis e o produto AB est a denido,
ent ao AB e invertvel e a sua inversa e B
1
A
1
. Ou seja,
(AB)
1
= B
1
A
1
. (1.12)
Demonstrac ao. Como a inversa de uma matriz e unica, basta-nos mostrar que B
1
A
1
e a inversa de AB.
(AB)(B
1
A
1
) = A(BB
1
)A
1
(associatividade da multiplicac ao)
= AIA
1
(j a que B
1
e a inversa de B)
= AA
1
= I.
Da mesma forma,
(B
1
A
1
)(AB) = B
1
(A
1
A)B = B
1
B = I.
Pot encias de uma matriz
Para qualquer inteiro n ao negativo k e qualquer matriz (quadrada) A, denimos A
k
como o produto de k factores todos iguais a A
A
k
= AA A
. .
k factores
sendo a express ao A
0
interpretada como a matriz identidade.
Se A e uma matriz invertvel, denimos pot encias negativas de A como sendo um
produto de factores iguais a A
1
, nomeadamente
A
k
= A
1
A
1
A
1
. .
k factores
A proposic ao seguinte sumariza alguns resultados sobre matrizes invertveis e po-
t encias destas matrizes.
Proposic ao 1.7. Seja A uma matriz invertvel. S ao v alidas as proposic oes seguintes.
1) A
1
e invertvel e
_
A
1
_
1
= A.
2) A
k
e invertvel e
_
A
k
_
1
=
_
A
1
_
k
= A
k
.
3) Para qualquer escalar n ao nulo , a matriz A e invertvel e (A)
1
=
1
A
1
.
Demonstrac ao. As provas das alneas 1) e 2) s ao deixadas como exerccio. Facamos a
prova de 3). Como
(A)
_
1
A
1
_
=
1
AA
1
= I,
e
_
1
A
1
_
(A) =
1
A
1
A = I, segue o resultado.
Como j a referimos, o produto de matrizes n ao e em geral comutativo. Assim, a
pot encia
(A + B)
2
= (A + B)(A + B) = A
2
+ AB + BA + B
2
,
e em geral diferente de A
2
+ 2AB + B
2
(excepto se as matrizes A e B comutarem).
Sugerimos a procura de um contra-exemplo.
1.4.1 Matrizes elementares e c alculo da inversa
Nesta secc ao apresentamos um algoritmo para calcular a inversa de uma matriz. Sub-
jacente a este algoritmo est a o facto de ser possvel aplicar operac oes elementares a
uma matriz invertvel e obter a matriz identidade. Cada operac ao elementar aplicada
a uma matriz vai poder traduzir-se na multiplicac ao dessa matriz por uma matriz dita
elementar.
Denic ao 1.16. Um matriz elementar e uma matriz quadrada n n que e obtida da
identidade I
n
por meio de uma unica operac ao elementar.
Exemplo 1.26. Exemplos de matrizes elementares:
(a)
_
_
0 1 0
1 0 0
0 0 1
_
_
Troca da segunda linha de I
3
com a primeira linha.
(b)
_
1 3
0 1
_
A primeira linha de I
2
foi substituda pela sua soma
com a 2
a
linha multiplicada por 3.
(c)
_
_
1 0 0 0
0 2 0 0
0 0 1 0
0 0 0 1
_
_
A segunda linha de I
4
foi multiplicada por 2.
Quando uma matriz A e multiplicada ` a esquerda por uma matriz elementar, a matriz
produto e a matriz que se obt emde A efectuando a mesma operac ao elementar efectua-
da em I para obter a matriz elementar em causa. A proposic ao seguinte enuncia este
facto. A sua demostrac ao e deixada como exerccio.
Proposic ao 1.8. Se E e uma matriz elementar, ent ao EA e a matriz que se obt em de
Aefectuando a mesma operac ao elementar que permite obter E a partir da identidade.
Ilustremos esta proposic ao atrav es de um exemplo.
Exemplo 1.27. Consideremos a matriz
A =
_
_
1 3 5 7 2
5 3 1 5 8
10 2 7 2 6
_
_
,
e a matriz elementar
E =
_
_
1 0 0
2 1 0
0 0 1
_
_
obtida de I
2
:
I
2
L2+2L1
E.
A matriz E resulta de I
2
substituindo a segunda linha pela soma desta linha com a
primeira linha multiplicada por 2 . Calculando EA, vericamos que
A =
_
_
1 3 5 7 2
5 3 1 5 8
10 2 7 2 6
_
_
L2+2L1
_
_
1 3 5 7 2
7 9 11 19 12
10 2 7 2 6
_
_
= EA.
Nota 9. A Proposic ao 1.8 s o e v alida para multiplicac ao ` a esquerda. De facto, se

uma matriz A e multiplicada ` a direita por uma matriz elementar E, a matriz AE e a
matriz que se obt em de A efectuando a operac ao elementar correspondente a E sobre
as colunas de A. Por exemplo, para = 0 e
A =
_
1 3
2 4
_
, E =
_
1 0
0
_
tem-se EA =
_
1 3
2 4
_
e AE =
_
1 3
2 4
_
.
Como veremos, qualquer matriz elementar E e invertvel j a que, se E e obtida da
identidade por meio de uma operac ao elementar, ent ao efectuando sobre E a operac ao
elementar inversa obtemos a identidade. Ou seja, existe sempre uma matriz ele-
mentar (correspondente ` a operac ao elementar inversa) que quando multiplicada (` a
esquerda) por E d a a identidade (e esta matriz e a inversa de E). No exemplo seguinte
ilustramos este facto bem como o que se entende por operac ao elementar inversa.
Exemplo 1.28. Calculemos a inversa das matrizes elementares E seguintes.
(a)
_
1 0
0 1
_
3L2
_
1 0
0 3
_
1
3
L2
_
1 0
0 1
_
E =
_
1 0
0 3
_
e E
1
=
_
1 0
0
1
3
_
.
(b)
_
_
1 0 0
0 1 0
0 0 1
_
_
L2+2L1
_
_
1 0 0
2 1 0
0 0 1
_
_
L22L1
_
_
1 0 0
0 1 0
0 0 1
_
_
E =
_
_
1 0 0
2 1 0
0 0 1
_
_
e E
1
=
_
_
1 0 0
2 1 0
0 0 1
_
_
.
(c)
_
_
1 0 0
0 1 0
0 0 1
_
_
L3L1
_
_
0 0 1
0 1 0
1 0 0
_
_
L3L1
_
_
1 0 0
0 1 0
0 0 1
_
_
E =
_
_
0 0 1
0 1 0
1 0 0
_
_
e E
1
=
_
_
0 0 1
0 1 0
1 0 0
_
_
.
Para cada uma das alneas anteriores, calculando os produtos EE
1
e E
1
E conrma-
se que e obtida a matriz identidade.
No quadro seguinte resumimos o que entendemos por operac ao elementar inversa.
Operac ao elementar Operac ao elementar inversa
L
i
L
j
L
i
L
j
L
i
( = 0)
1
L
i
( = 0)
L
i
+ L
j
L
i
L
j
Uma matriz elementar que e obtida da matriz identidade por troca de duas das suas
linhas e um exemplo de uma matriz de permutac ao
10
. Como se deduz facilmente, a
inversa de uma matriz elementar de permutac ao coincide com a pr opria matriz (ver
Exemplo1.28-(c)).
Proposic ao 1.9. Qualquer matriz elementar e invertvel e a sua inversa e uma matriz
elementar.
Demonstrac ao. Sendo E uma matriz elementar, esta matriz e obtida da identidade
efectuando uma operac ao elementar. Designe-se por E
1
a matriz que se obt em da
identidade efectuando a operac ao inversa da que permitiu obter E. Ent ao, pela Propo-
sic ao 1.8, temos
E
1
E = I.
De igual modo, como E e uma matriz elementar, tamb em se verica EE
1
= I. Por-
tanto, a matriz elementar E
1
e a inversa de E.
10
Uma matriz de permutac ao e uma matriz que se obt em da identidade efectuando um n umero nito de
trocas de linhas.
Como veremos, dada uma matriz invertvel A, podemos realizar um n umero nito
de operac oes elementares sobre as linhas de A at e obter a matriz identidade. Para
reduzir uma matriz invertvel ` a matriz identidade por meio de operac oes elementa-
res aplicamos o m etodo conhecido por m etodo de eliminac ao de Gauss-Jordan. Este
m etodo consiste na aplicac ao do m etodo de eliminac ao de Gauss at e obter uma matriz
em escada por linhas com todos os piv os iguais a 1, prosseguindo-se com a eliminac ao
das entradas acima da diagonal principal usando os mesmos procedimentos do algo-
ritmo de eliminac ao de Gauss, mas comecando este algoritmo com a ultima coluna da
matriz. Ilustramos no pr oximo exemplo os diversos passos do m etodo de eliminac ao
de Gauss- Jordan.
Exemplo 1.29. Vejamos como obter a matriz identidade por meio de operac oes ele-
mentares para a seguinte matriz invertvel A.
A =
_
_
1 1 2
2 0 1
1 1 2
_
_
L22L1
L3+L1
_
_
1 1 2
0 2 3
0 0 4
_
_
1/4L3
1/2L2
_
_
1 1 2
0 1
3
2
0 0 1
_
_
L2+3/2L3
_
_
1 1 2
0 1 0
0 0 1
_
_
L12L3
_
_
1 1 0
0 1 0
0 0 1
_
_
L1+L2
_
_
1 0 0
0 1 0
0 0 1
_
_
= I.
As operac oes realizadas na primeira linha da express ao anterior correspondem ao m e-
todo de eliminac ao de Gauss, e as operac oes na segunda linha eliminam as entradas
acima da diagonal principal comecando com a ultima coluna da matriz em escada por
linhas j a obtida.
Realiz amos 7 operac oes elementares. A cada operac ao elementar corresponde uma
matriz elementar. Designemos por E
i
a matriz elementar correspondente ` a operac ao
elementar n umero i
11
. Para as operac oes elementares efectuadas, as matrizes E
i
s ao:
E
1
=
_
_
1 0 0
2 1 0
0 0 1
_
_
E
2
=
_
_
1 0 0
0 1 0
1 0 1
_
_
E
3
=
_
_
1 0 0
0 1 0
0 0
1
4
_
_
E
4
=
_
_
1 0 0
0
1
2
0
0 0 1
_
_
E
5
=
_
_
1 0 0
0 1
3
2
0 0 1
_
_
E
6
=
_
_
1 0 2
0 1 0
0 0 1
_
_
E
7
=
_
_
1 1 0
0 1 0
0 0 1
_
_
.
Da Proposic ao 1.8, concluimos
E
7
E
6
E
5
E
4
E
3
E
2
E
1
A = I. (1.13)
11
As operac oes que aparecem sobrepostas na primeira linha da aplicac ao do m etodo podem ser realizadas
por qualquer ordem. Em particular, isso signica que as matrizes elementares correspondentes comutam.
Como qualquer matriz elementar e invertvel (Proposic ao 1.9), e o produto de matrizes
invertveis e invertvel (Proposic ao 1.6), a matriz (E
7
E
6
E
5
E
4
E
3
E
2
E
1
) e invertvel.
Logo, multiplicando a igualdade (1.13) ` a esquerda por (E
7
E
6
E
5
E
4
E
3
E
2
E
1
)
1
obte-
mos
A = (E
7
E
6
E
5
E
4
E
3
E
2
E
1
)
1
I = (E
7
E
6
E
5
E
4
E
3
E
2
E
1
)
1
. (1.14)
Assim, pelo primeiro item da Proposic ao 1.7, a matriz A e invertvel e
A
1
= E
7
E
6
E
5
E
4
E
3
E
2
E
1
=
_
_
1
8
1
2
1
8
5
8
1
2
3
8
1
4
0
1
4
_
_
.
Pode conrmar-se que a matriz anterior e de facto a inversa de A calculando o produto
de A por essa matriz.
A igualdade (1.14) e equivalente a
A = (E
7
E
6
E
5
E
4
E
3
E
2
E
1
)
1
= E
1
1
E
1
2
E
1
3
E
1
4
E
1
5
E
1
6
E
1
7
,
onde na ultima igualdade aplic amos (1.12). Como a inversa de uma matriz elementar
e ainda uma matriz elementar, a express ao anterior d a a matriz invertvel A como um
produto de matrizes elementares.
Algumas propriedades que vimos no exemplo anterior caracterizam as matrizes
invertveis. Esta armac ao e parte do conte udo do teorema seguinte.
Teorema 1.4. Sendo A e uma matriz quadrada, s ao equivalentes as armac oes:
(i) A e invertvel.
(ii) O sistema Ax = b tem soluc ao unica.
(iii)

E possvel aplicar operac oes elementares sobre as linhas de A e obter a matriz
identidade.
(iv) A matriz A pode exprimir-se como um produto de matrizes elementares.
Demonstrac ao. Provemos a seguinte sequ encia de implicac oes: (i) (ii) (iii)
(iv) (i).
(i) (ii): Se A e invertvel, o sistema Ax = b tem soluc ao unica uma vez que,
multiplicando (` a esquerda) a igualdade Ax = b por A
1
se obt em x = A
1
b.
(ii) (iii): Seja x = (c
1
, . . . , c
n
) a unica soluc ao de Ax = b. Assim, a matriz
aumentada deste sistema pode ser reduzida (por meio de operac oes elementares sobre
as suas linhas) ` a matriz
_
_
1 0 0 c
1
0 1 0 c
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 1 c
n
_
_
.
Isto e, existe uma sequ encia de operac oes elementares que reduzem A ` a matriz identi-
dade.
(iii) (iv): Se e possvel aplicar operac oes elementares sobre as linhas de A
e obter a matriz identidade, ent ao existe um n umero nito de matrizes elementares,
sejam E
1
, . . . , E
k
, tal que
E
k
E
2
E
1
A = I.
Como qualquer matriz elementar e invertvel (Proposic ao 1.9) e o produto de matrizes
invertveis e invertvel (Proposic ao 1.6), podemos multiplicar a igualdade anterior, ` a
esquerda, por (E
k
E
2
E
1
)
1
, obtendo-se
A = (E
k
E
2
E
1
)
1
I = E
1
1
E
1
2
E
1
k
.
Uma vez que a inversa de uma matriz elementar ainda e uma matriz elementar (Propo-
sic ao 1.9), a igualdade anterior exprime A como um produto de matrizes elementares.
(iv) (i): Se A e igual ao produto de matrizes elementares, a matriz A e invertvel
visto que cada matriz elementar e invertvel, e o produto de matrizes invertveis ainda
e invertvel.
M etodo de eliminac ao de Gauss-Jordan e c alculo da inversa
O Teorema 1.4 diz-nos que uma matriz invertvel pode ser reduzida ` a matriz identidade
por meio de operac oes elementares sobre as suas linhas. Assim, se A e invertvel
existem matrizes elementares E
1
, . . . , E
k
tais que E
k
E
2
E
1
A = I. Esta igualdade
e equivalente a
A
1
= E
k
E
2
E
1
I. (1.15)
Como o produto EA e a matriz que se obt em de A efectuando a operac ao elementar
que permitiu obter E da identidade, a igualdade (1.15) diz-nos que a inversa de A se
pode obter realizando sobre a matriz identidade as mesmas operac oes elementares (e
pela mesma ordem) que reduzem A ` a matriz identidade. Esquematicamente,
_
A | I
Operac oes elementares
_
I | A
1
.
Exemplo 1.30. Determinemos a inversa de
A =
_
_
1 1 0
1 0 1
1 1 2
_
_
.
Coloquemos a matriz identidade de terceira ordem a par da matriz A, e efectuemos
operac oes elementares sobre [A| I] at e obtermos a matriz [I | A
1
].
_
_
1 1 0 1 0 0
1 0 1 0 1 0
1 1 2 0 0 1
_
_
L2L1
L3+L1
_
_
1 1 0 1 0 0
0 1 1 1 1 0
0 0 2 1 0 1
_
_
1/2L3
_
_
1 1 0 1 0 0
0 1 1 1 1 0
0 0 1
1
2
0
1
2
_
_
L2L3
_
_
1 1 0 1 0 0
0 1 0
3
2
1
1
2
0 0 1
1
2
0
1
2
_
_
L1+L2
_
1 0 0
1
2
1
1
2
0 1 0
3
2
1
1
2
0 0 1
1
2
0
1
2
_
_
.
Logo, a matriz inversa de A e
A
1
=
_
_
1
2
1
1
2
3
2
1
1
2
1
2
0
1
2
_
_
.
Algumas consequ encias da invertibilidade de uma matriz

Um sistema de equac oes lineares com igual n umero de equac oes e inc ognitas possui
matriz dos coecientes quadrada, e portanto podemos falar da invertibilidade desta ma-
triz. O Teorema 1.4 diz-nos que um tal sistema e possvel e determinado se e s o se a
matriz dos coecientes do sistema e invertvel. Al em disso, a demonstrac ao desse teo-
rema estabelece que a soluc ao ( unica) e obtida multiplicando o vector correspondente
ao termo independente do sistema pela inversa da matriz dos coecientes do sistema.
Para refer encia futura enunciemos este resultado.
Proposic ao 1.10. Seja b um vector qualquer. Um sistema Ax = b cuja matriz dos
coecientes e quadrada, tem soluc ao unica se e s o se A e invertvel. Al em disso,
sendo A invertvel a soluc ao do sistema Ax = b e
x = A
1
b.
Em particular, um sistema homog eneo Ax = 0 tem soluc ao unica x = 0 se e s o se a
matriz A e invertvel.
Demonstrac ao. Pelo Teorema 1.4, um sistema Ax = b cuja matriz dos coecientes
e quadrada, tem soluc ao unica se e s o se A e invertvel. Se A
1
existe, podemos
multiplicar Ax = b, ` a esquerda, por esta matriz e obtemos
A
1
Ax = A
1
b x = A
1
b.
Se b = 0, como o produto de uma qualquer matriz pelo vector nulo e o vector nulo, a
soluc ao anterior e x = 0.
Nota 10. Na demonstrac ao anterior n ao faz sentido multiplicar Ax = b por A
1
` a
direita, j a que tal multiplicac ao n ao est a denida (o vector b e do tipo n 1 e A
1
e
do tipo n n).
Exemplo 1.31. Consideremos o sistema
_
2x
1
+ x
2
= 6
4x
1
+ 4x
2
= 8.
A matriz dos coecientes do sistema e exactamente a matriz A do Exemplo 1.25, na
p agina 45. Nesse exemplo calcul amos a inversa de A, e portanto o sistema tem soluc ao
unica dada por
_
x
1
x
2
_
= A
1
_
6
8
_
=
_
_
1
1
4
1
1
2
_
_
_
6
8
_
=
_
4
2
_
.
De acordo com a denic ao de matriz invertvel, uma matriz A e invertvel se existir

uma matriz B que satisfaz as condic oes:
AB = I e BA = I.
Na proposic ao seguinte mostramos que e suciente que uma das condic oes ser
verique para a outra ser automaticamente v alida (e portanto A ser invertvel).
Proposic ao 1.11. Seja A uma matriz quadrada.
a) Se B e uma matriz que satisfaz BA = I ent ao B e a inversa de A.
b) Se B e uma matriz que satisfaz AB = I ent ao B e a inversa de A.
Demonstrac ao. Mostremos o item a). Comecemos por provar que se BA = I ent ao A
e invertvel. Para tal, basta mostar que a unica soluc ao do sistema homog eneo Ax = 0
e a soluc ao nula (conforme Proposic ao 1.10). Seja u uma qualquer soluc ao de Ax = 0.
Multiplicando ambos os membros da igualdade Au = 0 por B, obt em-se
BAu = B0 Iu = 0 u = 0.
Como u e uma qualquer soluc ao de Ax = 0, este sistema apenas admite a soluc ao
nula, e portanto a Proposic ao 1.10 garante que a matriz A e invertvel.
Sendo A invertvel e BA = I, multiplicando (` a direita) ambos os membros desta
igualdade por A
1
, tem-se
BAA
1
= A
1
BI = A
1
B = A
1
.
Para a demonstrac ao do item b) usemos o item a) trocando os pap eis de A e B.
Assim, se AB = I o item a) diz-nos que A e a inversa de B, e portanto
A = B
1
A
1
= B.
A Proposic ao 1.6 diz que se A e B s ao matrizes (do mesmo tipo) invertveis, ent ao
o produto AB e invertvel. No teorema a seguir mostramos que e condic ao necess aria
e suciente para a invertibilidade do produto AB que ambas as matrizes A e B sejam
invertveis.
Teorema 1.5. Sejam A e B matrizes quadradas da mesma ordem. A matriz produto
AB e invertvel se e s o se A e B forem matrizes invertveis. Al em disso, a inversa do
produto e dada por
(AB)
1
= B
1
A
1
.
Demonstrac ao. Tendo em conta a Proposic ao 1.6, resta mostrar que se AB e uma
matriz invertvel, ent ao as matrizes A e B s ao invertveis.
Sendo a matriz AB invertvel, por denic ao de inversa existe uma matriz, seja D,
tal que
D(AB) = I e (AB)D = I.
Como o produto de matrizes e associativo, as igualdades anteriores s ao equivalentes a
(DA)B = I e A(BD) = I.
Usando, respectivamente, os itens a) e b) da Proposic ao 1.11, tem-se
(DA)B = I = B e invertvel
A(BD) = I = A e invertvel.
Finalizamos esta secc ao enunciando algumas caractersticas de matrizes reais in-
vertveis.
Proposic ao 1.12. Seja A uma matriz real do tipo n n. S ao equivalentes as
armac oes seguintes.
a) A e invertvel.
b) A tem caracterstica n.
c) Os vectores coluna de A geram R
n
.
Demonstrac ao. Esta prova ser a realizada mostrando as seguintes relac oes: a) b),
a) c) e c) a).
a) b): Uma matriz e invertvel se e s o se a sua forma reduzida em escada por linhas e a
identidade. Consequentemente, uma matriz do tipo n n e invertvel se e s o se
tem caracterstica igual a n.
a) c): Como A e invertvel, o sistema Ax = b e possvel, qualquer que seja o vector
b de R
n
. Assim, a Proposic ao 1.3 garante que b e uma combinac ao linear das
colunas de A. Isto signica que qualquer vector de R
n
pertence ao conjunto
gerado pelas colunas de A.
c) a): Como qualquer vector de R
n
e uma combinac ao linear das colunas de A, os
vectores
e
1
=
_
_
1
0
.
.
.
0
_
_
, e
2
=
_
_
0
1
.
.
.
0
_
_
, . . . , e
n
=
_
_
0
0
.
.
.
1
_
_
R
n
s ao combinac oes lineares das colunas de A. Isto signica, que existem vectores
x
1
, x
2
, . . . , x
n
tais que
Ax
1
= e
1
, Ax
2
= e
2
, . . . , Ax
n
= e
n
.
Seja B a matriz cujas colunas s ao os vectores x
1
, x
2
, . . . , x
n
, por esta ordem.
Usando a Denic ao 1.12 de produto de matrizes, tem-se
AB = A
_
_
x
1
x
2
. . . x
n
_
_
=
_
_
Ax
1
Ax
2
. . . Ax
n
_
_
=
_
_
e
1
e
2
. . . e
n
_
_
= I
n
.
Da Proposic ao 1.11 segue que B e a inversa de A.
1.5 Matrizes triangulares
Nos mais diversos contextos surgem matrizes ditas triangulares, em particular a aplica-
c ao do m etodo de eliminac ao de Gauss a uma matriz quadrada produz uma matriz em
escada que e triangular superior.
Denic ao 1.17. Uma matriz quadrada com todas as entradas abaixo das entradas da
diagonal principal iguais a zero e designada por matriz triangular superior. Se todas
as entradas acima das entradas da diagonal principal de uma matriz quadrada s ao
nulas a matriz diz-se triangular inferior.
Uma matriz A do tipo nn que seja triangular superior e triangular inferior (isto e,
as possveis entradas n ao nulas s ao as da diagonal principal) diz-se uma matriz diagonal
e denota-se
A = diag(a
11
, a
22
, . . . , a
nn
).
Um exemplo de uma matriz diagonal e a matriz identidade.
A denic ao de matriz triangular exprime-se em termos das entradas da matriz da
forma que se segue.
Matrizes triangulares 57
Seja A = [a
ij
]
i,j=1,...,n
.
i) A e triangular superior a
ij
= 0 para todo i > j.
ii) A e triangular inferior a
ij
= 0 para todo i < j.
iii) A e diagonal a
ij
= 0 para todo i = j.
_
_
1 7 5 2
0 8 2 1
0 0 0 1
0 0 0 3
_
_
e triangular superior e
_
_
1 0 0
2 8 0
1 4 1
_
_
e triangular inferior.
A matriz transposta de uma matriz triangular superior e uma matriz triangular infe-
rior e vice-versa.
Uma matriz triangular e invertvel se e s o se a sua diagonal principal n ao tem
entradas nulas. De facto, se a matriz triangular tivesse uma entrada nula na diago-
nal principal a sua caracterstica era inferior a n, e portanto n ao seria invertvel (ver
Proposic ao 1.12 na p agina 55). No Exemplo 1.32 a primeira matriz n ao e invertvel
enquanto que a segunda matriz e.
Nota 11. Se uma matriz n ao e triangular podem existir zeros na diagonal principal e
a matriz ser invertvel. Por exemplo, a matriz
_
0 1
1 0
_
e invertvel ( e uma matriz de permutac ao).
Oalgoritmo apresentado para o c alculo da inversa (m etodo de eliminac ao de Gauss-
Jordan) permite concluir que a inversa de uma matriz triangular inferior e triangular
inferior, e a inversa de uma matriz triangular superior e triangular superior.
Deixamos como exerccio mostrar que o produto de matrizes triangulares superio-
res (resp. inferiores) e ainda uma matriz triangular superior (resp. inferior). Para tal,
basta usar a express ao (1.9) para o c alculo da entrada ij da matriz produto.
Resumimos no quadro seguinte os resultados que acab amos de referir.
Propriedades das matrizes triangulares
(a) A transposta de uma matriz triangular superior (resp. inferior) e triangular
inferior (resp. superior).
(b) O produto de matrizes triangulares superiores (resp. inferiores) e triangular
superior (resp. inferior).
(c) Uma matriz triangular e invertvel se e s o se as entradas da diagonal principal
s ao todas diferentes de zero.
(d) A inversa de uma matriz triangular superior (resp. inferior) e uma matriz trian-
gular superior (resp. inferior).
1.5.1 Factorizac ao LU
Uma factorizac ao de uma matriz A e uma igualdade que exprime A como um produto
de uma ou mais matrizes. A factorizac ao A = LU exprime a matriz quadrada A
como o produto de uma matriz triangular inferior L (do ingl es lower triangular) por
uma matriz triangular superior U (do ingl es upper triangular). Quando as matrizes
triangulares L e U gozam das propriedades adicionais que especicaremos a seguir,
dizemos que A = LU e uma factorizac ao LU de A.
A factorizac ao LU desempenha um papel fundamental na classicac ao de matrizes
sim etricas (estudo efectuado no Captulo 7) e est a na base de algoritmos vantajosos
do ponto de vista computacional para a resoluc ao de sistemas lineares. Por exem-
plo, suponha-se que e dada uma factorizac ao A = LU, com L e U invertveis, e que
pretendemos resolver um sistema linear Ax = b. A soluc ao deste sistema pode ser
determinada da seguinte forma:
O sistema Ax = b e reescrito na forma
LUx = b. (1.16)
Dena-se o vector
y = Ux. (1.17)
Usando (1.17), o sistema (1.16) e equivalente ao sistema triangular Ly = b.
Resolva-se este sistema para obter y.
Substituindo y em(1.17) e resolvendo o sistema triangular correspondente, obt em-
se a soluc ao do sistema com que comec amos.
O processo acabado de descrever substitui o sistema Ax = b por dois sistemas (Ly =
b e Ux = y) cujas matrizes dos coecientes s ao triangulares. Tal representa uma eco-
nomia computacional consider avel, em particular quando se pretende resolver v arios
sistemas com a mesma matriz dos coecientes A e termos independentes distintos.
No exemplo seguinte ilustramos a aplicac ao deste m etodo.
Matrizes triangulares 59
Exemplo 1.33. Consideremos a seguinte factorizac ao LU de A
A =
_
4 1
2 1
_
=
_
1 0
1
2
1
_ _
4 1
0
1
2
_
.
Podemos obter a soluc ao do sistema
_
4x
1
+ x
2
= 3
2x
1
+ x
2
= 1,
resolvendo os sistemas
Ly = b
_
y
1
= 3
1
2
y
1
+ y
2
= 1
e Ux = y
_
4x
1
+ x
2
= y
1
1
2
x
2
= y
2
.
A soluc ao do sistema Ly = b e y
1
= 3 e y
2
=
1
2
. Substituindo o vector y obtido em
Ux = y, a soluc ao do sistema e x
1
= 1 e x
2
= 1.
Apresentamos a seguir o que entendemos por uma factorizac ao LU.
Factorizac ao LU
Diz-se que a matriz A (invertvel) admite uma factorizac ao LU se A = LU, em
que
L e uma matriz triangular inferior com todas as entradas da diagonal principal
iguais a 1.
U e uma matriz triangular superior com todas as entradas da diagonal principal
diferentes de zero.
Vejamos como calcular uma factorizac ao LU para uma matriz invertvel A no caso
em que e possvel aplicar o m etodo de eliminac ao de Gauss sem troca de linhas. Como
A e quadrada, o m etodo de eliminac ao de Gauss produz uma matriz em escada U que
e triangular superior e que possui na diagonal principal os piv os. Como estamos su-
pondo que n ao efectuamos troca de linhas, n ao podemos encontrar durante o processo
nenhuma entrada nula na diagonal principal, caso contr ario seria necess ario usar troca
de linhas para obter U. Logo, U tem entradas na diagonal principal diferentes de zero.
Operac oes elementares sobre as linhas de Atraduzem-se na multiplicac ao sucessiva
(` a esquerda) por matrizes elementares. Assim, existe um n umero nito de matrizes
elementares E
1
, E
2
, . . . , E
k
, tais que
E
k
E
2
E
1
A = U.
Como n ao foram efectuadas troca de linhas, as matrizes E
1
, . . . , E
k
s ao triangulares
inferiores com todas as entradas na diagonal principal iguais a 1. Logo, o produto
E
k
E
2
E
1
e uma matriz triangular inferior. Por outro lado, como matrizes elemen-
tares s ao invertveis, o seu produto e invertvel, tendo-se portanto
E
k
E
2
E
1
A = U A = (E
k
E
2
E
1
)
1
U. (1.18)
Amatriz (E
k
E
2
E
1
)
1
e a inversa de uma matriz triangular inferior pelo que tamb em
e triangular inferior. Podemos assim tomar para L a matriz
L = (E
k
E
2
E
1
)
1
= E
1
1
E
1
2
E
1
k
.
A matriz L e igual a um produto de matrizes (elementares) triangulares inferiores com
1s na diagonal principal. Consequentemente, L tem todas as entradas na diagonal
principal iguais a 1. Ou seja, a equac ao (1.18) exprime A na forma LU.
Acab amos de mostrar o resultado que enunciamos a seguir.
Teorema 1.6. Se a aplicac ao do m etodo de eliminac ao de Gauss, sem troca de linhas,
a uma matriz quadrada A produz uma matriz triangular superior U com todas as
entradas na diagonal principal n ao nulas, ent ao A admite a factorizac ao A = LU,
onde L e uma matriz triangular inferior com todas as entradas da diagonal principal
iguais a 1.
Nota 12. Para que uma matriz admita uma factorizac ao LU e necess ario que a matriz
seja invertvel, uma vez que L e U s ao invertveis. A condic ao de invertibilidade da
matriz n ao e contudo uma condic ao suciente. No Exerccio 7.7 (p ag. 306) indica-se
uma matriz invertvel que n ao admite uma factorizac ao LU.
Rera-se que a Proposic ao 7.7 na p agina 307, fornece uma condic ao necess aria e
suciente para a exist encia de uma factorizac ao LU.
Exemplo 1.34. Veriquemos que a matriz
A =
_
_
2 2 2
6 0 3
4 1 1
_
_
admite uma factorizac ao LU e calculemos os respectivos factores L e U.
A =
_
_
2 2 2
6 0 3
4 1 1
_
_
L23L1
_
_
2 2 2
0 6 3
4 1 1
_
_
E
1
=
_
_
1 0 0
3 1 0
0 0 1
_
_
_
_
2 2 2
0 6 3
4 1 1
_
_
L32L1
_
_
2 2 2
0 6 3
0 3 3
_
_
E
2
=
_
_
1 0 0
0 1 0
2 0 1
_
_
_
_
2 2 2
0 6 3
0 3 3
_
_
L31/2L2
_
_
2 2 2
0 6 3
0 0
3
2
_
_
= U E
3
=
_
_
1 0 0
0 1 0
0
1
2
1
_
_
.
Logo, E
3
E
2
E
1
A = U e L = (E
3
E
2
E
1
)
1
. Efectuando o produto L = E
1
1
E
1
2
E
1
3
,
tem-se
L =
_
_
1 0 0
3 1 0
2
1
2
1
_
_
e U =
_
_
2 2 2
0 6 3
0 0
3
2
_
_
.

Partic ao de matrizes em blocos 61
A matriz L obtida no exemplo anterior e uma matriz triangular inferior cujas en-
tradas da diagonal principal s ao iguais a 1 e as entradas abaixo da diagonal principal
s ao os sim etricos dos valores (ou multiplicadores) usados no m etodo de eliminac ao
de Gauss para anular essa entrada. Esta propriedade da matriz L e vericada para
qualquer factorizac ao LU. De facto, atendendo ` a forma particular da matriz inversa
de uma matriz elementar (que n ao seja de permutac ao), conclui-se facilmente que o
produto L = (E
k
E
2
E
1
)
1
tem sempre a forma observada no exemplo anterior.
Resumindo,
Se Aadmite uma factorizac ao LU a matriz L e uma matriz triangular inferior com
todas as entradas da diagonal principal iguais a 1, e cada entrada abaixo da diagonal
principal e igual ao sim etrico do escalar usado no m etodo de eliminac ao de Gauss
para anular essa entrada. Estes escalares designam-se por multiplicadores.
Deixamos como exerccio mostrar que se uma matriz e factoriz avel na forma LU,
a factorizac ao e unica.
Exerccio 1.3. Mostre que a factorizac ao A = LU e unica.
Sugest ao: Supor que L
1
U
1
e L
2
U
2
s ao duas factorizac oes LU de A. Usar o facto
dos factores L e U serem matrizes triangulares invertveis para vericar que L
1
2
L
1
=
I = U
2
U
1
1
.
Para nalizar esta secc ao, rera-se que se A e invertvel e possvel que durante o
processo de eliminac ao de Gauss se encontre uma entrada nula na diagonal principal
que pode ser removida por troca de linhas. Mostra-se neste caso que existe uma matriz
P obtida da matriz identidade I efectuando uma sucess ao de trocas de linhas tal que
PA = LU. O procedimento para obter a matriz (de permutac ao) P sai do ambito deste
livro. Remetemos o leitor interessado nesta quest ao, ou na eci encia computacional
dos algoritmos por n os estudados para a resoluc ao de sistemas lineares, para um livro
de algebra linear num erica como por exemplo [12].
1.6 Partic ao de matrizes em blocos
Muitas vezes e conveniente encarar uma matriz como uma matriz cujas entradas s ao
matrizes mais pequenas chamadas blocos. Matrizes em blocos aparecem em v arias
areas de aplicac ao da algebra linear, sendo que a partic ao em blocos est a quase sempre
relacionada com a estrutura do modelo em estudo, o qual e frequentemente traduzido
atrav es de um sistema linear. Neste texto, em particular nalgumas demonstrac oes,
usamos operac oes com matrizes em blocos. Por isso, nesta secc ao fazemos uma breve
refer encia a estas operac oes. Comecemos por dar um exemplo de uma partic ao em
blocos de uma matriz do tipo 3 6. Seja
A =
_
_
2 1 3 4 1 2
5 3 2 7 8 1
1 3 2 4 5 1
_
_
. (1.19)
A matriz A pode ser vista como uma matriz em blocos do tipo 2 3
A =
_
A
11
A
12
A
13
A
21
A
22
A
23
_
,
onde os blocos s ao respectivamente as matrizes
A
11
=
_
2 1 3
5 3 2
_
, A
12
=
_
4 1
7 8
_
, A
13
=
_
2
1
_
,
A
21
=
_
1 3 2
, A
22
=
_
4 5
, e A
23
=
_
1
.
Todas as operac oes com matrizes em blocos s ao denidas como se as submatrizes
(blocos) fossem as entradas de uma matriz. Por exemplo, se A e B s ao do mesmo tipo
e est ao particionadas por forma a que os blocos correspondentes sejam do mesmo tipo,
a soma A + B e ainda uma matriz em blocos cujos blocos s ao a soma dos blocos de
A com os blocos hom ologos de B. A multiplicac ao de uma matriz em blocos por um
escalar pode tamb em ser efectuada bloco a bloco.
Para obter o produto AB, onde A e B s ao matrizes em blocos, e necess ario que
a partic ao de A por colunas coincida com a partic ao de B por linhas. Por exemplo, a
partic ao da matriz A em (1.19) foi realizada usando 3, 2 e 1 colunas. Logo, o produto
AB s o est a denido se a partic ao de B for realizada em 3, 2 e 1 linhas, como e o caso
da matriz
B =
_
_
1 7
2 3
4 2
2 3
1 4
8 1
_
_
, isto e, B =
_
_
B
1
B
2
B
3
_
_
.
O produto AB e efectuado da mesma forma que o produto usual de matrizes em que
cada entrada e agora uma submatriz. Nomeadamente, para a matriz A dada em (1.19),
tem-se
AB =
_
A
11
A
12
A
13
A
21
A
22
A
23
_
_
_
B
1
B
2
B
3
_
_
=
_
A
11
B
1
+ A
12
B
2
+ A
13
B
3
A
21
B
1
+ A
22
B
2
+ A
23
B
3
_
,
com
A
11
B
1
+ A
12
B
2
+ A
13
B
3
=
_
2 1 3
5 3 2
_
_
_
1 7
2 3
4 2
_
_
+
_
4 1
7 8
_ _
2 3
1 4
_
+
_
2
1
_
_
8 1
=
_
16 23
19 48
_
+
_
9 16
22 53
_
+
_
16 2
8 1
_
=
_
41 41
49 102
_
,
A
21
B
1
+ A
22
B
2
+ A
23
B
3
=
_
1 3 2
_
_
1 7
2 3
4 2
_
_
+
_
4 5
_
2 3
1 4
_
+
_
1
_
8 1
=
_
3 2
+
_
13 32
+
_
8 1
=
_
18 31
.
Assim, a matriz em blocos AB e
AB =
_
_
41 41
49 102
18 31
_
_
.
Como n ao podia deixar de ser, a matriz em blocos AB e a mesma matriz que a ma-
triz que se obt em efectuando o produto AB sem considerar partic oes em blocos dos
factores A e B.
Uma matriz quadrada em blocos, da forma
A =
_
_
A
11
A
12
A
1r
0 A
22
A
2n
.
.
.
.
.
.
.
.
.
.
.
.
0 0 A
kr
_
_
,
onde os blocos A
ii
s ao matrizes quadradas e 0 denota matrizes nulas, diz-se uma matriz
triangular superior por blocos. De modo an alogo se dene matriz triangular inferior
por blocos como uma matriz em que os blocos nulos est ao acima dos blocos na dia-
gonal. Uma matriz quadrada A diz-se uma matriz diagonal por blocos se apenas os
blocos (necessariamente quadrados) na diagonal s ao possivelmente n ao nulos.
Uma matriz triangular por blocos n ao e necessariamente uma matriz triangular,
como se pode observar pelos exemplos que se seguem.
Exemplo 1.35. Exemplos de matrizes triangulares por blocos.
a)
_
_
2 1 0
3 2 0
0 0 1
_
_
e uma matriz diagonal por blocos.
b) B =
_
_
2 1 5 0 2
3 2 3 0 3
0 0 1 2 0
0 0 0 1 1
0 0 2 0 1
_
_
e uma matriz triangular superior por blocos.
c) C =
_
_
2 1 0 0
3 1 0 0
1 2 1 2
_
_
n ao e uma matriz triangular por blocos uma
vez que o bloco C
22
n ao e uma matriz qua-
drada (nem a matriz C).
Consideremos agora a matriz triangular por blocos A =

_
A
11
A
12
0 A
22
_
, em que as
submatrizes A
11
e A
22
s ao quadradas respectivamente p p e q q. Pretende-se saber
em que condic oes esta matriz e invertvel, e nesse caso, calcular a sua inversa.
Usando a denic ao de inversa, a matriz A
1
pode ser vista como uma matriz em
blocos B tal que AB = I. Isto e,
AB =
_
A
11
A
12
0 A
22
_ _
B
11
B
12
B
21
B
22
_
=
_
I
p
0
0 I
q
_
,
onde I
p
e I
q
s ao as matrizes identidade de ordens p e q respectivamente. Efectuando
este produto, obt em-se
A
11
B
11
+ A
12
B
21
= I
p
A
11
B
12
+ A
12
B
22
= 0
A
22
B
21
= 0
A
22
B
22
= I
q
.
(1.20)
A ( ultima) igualdade A
22
B
22
= I
q
e v alida se e s o se A
22
for invertvel (Proposi-
c ao 1.11, p ag. 54). Logo, B
22
= A
1
22
. Multiplicando, ` a esquerda, a pen ultima equac ao
por A
1
22
obt em-se a matriz nula B
21
= 0. Substituindo B
21
= 0 na primeira equac ao
vem A
11
B
11
= I
p
. Esta equac ao e satisfeita se e s o se A
11
for invertvel. Assim, se as
matrizes A
11
e A
22
admitem inversa, a segunda equac ao de (1.20) e equivalente a
A
11
B
12
= A
12
B
22
= A
12
A
1
22
B
12
= A
1
11
A
12
A
1
22
.
Por conseguinte, A e invertvel se e s o se as matrizes A
11
e A
22
s ao invertveis, e a
inversa de A e
A
1
=
_
_
A
1
11
A
1
11
A
12
A
1
22
0 A
1
22
_
_
. (1.21)
N ao e difcil vericar que a prova realizada para uma matriz triangular com apenas 2
blocos na diagonal se generaliza para qualquer matriz triangular por blocos com um
n umero superior de blocos. Concluindo,
Uma matriz triangular por blocos e invertvel se e s o se os blocos na diagonal
(principal) s ao matrizes invertveis.
Exerccio 1.4. Calcular a inversa da matriz B do Exemplo 1.35 usando a express ao
(1.21). Conrmar o resultado aplicando o m etodo de eliminac ao de Gauss-Jordan a B.

AL Esd Cap1

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

AL Esd Cap1

Hochgeladen von

Copyright:

Verfügbare Formate

Algebra Linear

M. Esmeralda Sousa Dias

2x + y = 1 e uma equac ao linear nas vari aveis x, y.

2x + y = 1 n ao e uma equac ao linear.

Uma soluc ao da equac ao (1.1) e uma sequ encia de n n umeros s

E claro do exemplo anterior que a informac ao essencial de um sistema se encon-

As operac oes elementares sobre as equac oes de um sistema traduzem-se imediata-

e igual ` a caracterstica da matriz A dos coecientes do sistema, isto e

E habitual introduzir-se alguma nomenclatura que corresponde a uma escolha crite-

Numa matriz quadrada A do tipo n n, chamamos diagonal principal de A ` a

E portanto natural denir a adic ao de vectores de R

Exemplo 1.13. Consideremos os vectores

Exemplo 1.14. Consideremos os vectores

Editado por: Esmeralda Sousa Dias, em 16 de Setembro de 2010.

1.3.3 A equac ao matricial Ax = b

Exemplo 1.16. Considere-se o sistema de equac oes lineares

1.3.4 Operac oes com matrizes

Editado por: Esmeralda Sousa Dias, em 16 de Setembro de 2010.

a matriz que se obt em de A suprimindo a ultima coluna. Note-se que

a uma matriz em escada por linhas na

A matriz identidade e um exemplo de uma matriz diagonal. Isto e, uma matriz

Exemplo 1.23. Dada uma matriz A do tipo p n, as matrizes A

Exerccio 1.2. Seja A uma matriz quadrada.

Editado por: Esmeralda Sousa Dias, em 16 de Setembro de 2010.

Nota 9. A Proposic ao 1.8 s o e v alida para multiplicac ao ` a esquerda. De facto, se

Operac oes elementares

Algumas consequ encias da invertibilidade de uma matriz

De acordo com a denic ao de matriz invertvel, uma matriz A e invertvel se existir

Editado por: Esmeralda Sousa Dias, em 16 de Setembro de 2010.

Consideremos agora a matriz triangular por blocos A =

Editado por: Esmeralda Sousa Dias, em 16 de Setembro de 2010.

Das könnte Ihnen auch gefallen