Algebra Linear e Geometria Analítica v.1

Instituto Superior de Engenharia de Lisboa
LGEBRA
LINEAR E
GEOMETRIA
ANALTICA
Espaos vectoriais
Matrizes
Funes lineares
Determinantes
Volume 1
ISEL - DEETC Por Eng Carlos M. Ribeiro
Verso 3.6 Licenciado em Engenharia Electrotcnica pelo IST , Junho de 2008
lgebra Linear e Geometria Analtica, Volume 1
2008 por Eng Carlos M. Ribeiro
Licenciado em Engenharia Electrotcnica pelo IST
E-mail: [email protected]
Web: http://www.deetc.isel.ipl.pt/paginaspessoais/carlosribeiro
Verso 3.6, Junho de 2008
Contedo
Contedo, iii
Lista de figuras, vi
Simbologia, viii
Captulo 1 Espaos vectoriais
1.1 Introduo, 3
1.2 Axiomtica dos espaos vectoriais, 3
1.3 Consequncias algbricas dos axiomas, 5
1.4 Exemplos de espaos vectoriais, 6
1.5 Combinaes lineares. Subespaos, 14
1.6 Independncia linear e bases. Dimenso, 26
1.7 Soma de subespaos. Soma directa, 47
1.8 Anexos: vectores e o , 55 MATHEMATICA
Captulo 2 Matrizes
2.1 Introduo, 67
2.2 Noo de matriz sobre um corpo. Alguns tipos de matrizes, 67
2.3 Espao linear das matrizes, 71
2.4 lgebra e anel das matrizes quadradas, 74
2.5 Transposio e transconjugao, 83
2.6 Submatrizes. Matrizes de blocos. Operaes por blocos, 89
2.7 Caracterstica de uma matriz, 94
2.8 Algoritmo de condensao vertical, 97
2.9 Sistemas de equaes lineares. Princpios de equivalncia, 100
2.10 Formas matricial e vectorial de um sistema, 103
2.11 Algoritmo de Gauss-Jordan, 105
iv Contedo
2.12 Inverso matricial, 122
2.13 Matrizes elementares, 132
2.14 Diviso matricial, 137
2.15 Mudana de base, 141
2.16 Anexos: matrizes e o , 144 MATHEMATICA
Captulo 3 Funes lineares

3.1 Introduo, 209
3.2 Funes lineares. Ncleo e imagem, 209
3.3 lgebra das funes lineares, 221
3.4 Funes lineares em espaos de dimenso finita, 226
3.5 Representao matricial de uma funo linear, 233
3.6 Isomorfismo entre e , 240 La b I J
78
3.7 Alterao da representao matricial nas mudanas de base, 244
3.8 Anexos: funes lineares e o , 251 MATHEMATICA
Captulo 4 Determinantes
4.1 Introduo, 269
4.2 Permutaes. O grupo simtrico, 269
4.3 Funes multilineares, 278
4.4 Funes multilineares alternadas, simtricas e anti-simtricas, 283
4.5 Determinante numa base, 294
4.6 Determinante de um endomorfismo. Determinante de uma matriz, 296
4.7 Propriedades algbricas dos determinantes, 301
4.8 Algoritmo de condensao para o clculo de determinantes, 312
4.9 Teorema de Laplace, 314
4.10 Mtodo abreviado para o clculo de determinantes, 322
4.11 Aplicao ao clculo da caracterstica de uma matriz, 323
4.12 Aplicao aos sistemas de equaes lineares. Regra de Cramer, 327
4.13 Matriz adjunta e inverso de matrizes quadradas, 340
4.14 Frmula de Cauchy, 345
Contedo v
4.15 Derivada de um determinante, 348
4.16 Anexos: determinantes e o , 351 MATHEMATICA
Bibliografia, 387
Lista de figuras
Captulo 1
Fig. 1.1 Regra do tringulo, 10
Fig. 1.2 Multiplicao escalar, 10
Fig. 1.3 Segmentos equipolentes, 11
Fig. 1.4 Adio vectorial, 12
Fig. 1.5 Os espaos de funes reais diferenciveis, 22
Fig. 1.6 Os espaos de polinmios de coeficientes num corpo, 22
Fig. 1.7 Soma de subespaos, 50
Captulo 2
Fig. 2.1 Relao entre as solues dos sistemas e , 109 E\ F E\ S
Fig. 2.2 Caso de um sistema , 110 simplesmente indeterminado
Fig. 2.3 Caso de um sistema indeterminado, 110 duplamente
Fig. 2.4 Discusso de um sistema, 119
Captulo 3
Fig. 3.1 Esquema representativo do Ncleo e Imagem, 212
Fig. 3.2 Funes lineares. Ncleo e imagem, 222
Fig. 3.3 A associatividade da Composio de funes lineares, 223
Fig. 3.4 Composio de funes lineares e produto por escalar, 224
Fig. 3.5 Distributividade em relao adio, 224
Fig. 3.6 Elementos neutros esquerda e direita, 225
Fig. 3.7 As funes nulas e a Composio de funes lineares, 225
Fig. 3.8 Diagrama auxiliar para a proposio 8, 233 3.
Fig. 3.9 Rotao em W
#
, 239
Fig. 3.10 , 239 Imagem do cubo por meio de c d ! " 0
$
$
Fig. 3.11 Matriz da aplicao composta, 243

Fig. 3.12 Matrizes da mesma funo linear em diferentes pares de bases, 245
Lista de figuras vii
Captulo 4
Fig. 4.1 Esquema para obter as permutaes de 4 ordem, 271
Fig. 4.2 , 271 Composio (produto) de permutaes
Fig. 4.3 Composio de uma funo linear com uma funo multilinear, 281
Fig. 4.4 Coordenadas de uma funo multilinear so formas lineares, 282 multi
Fig. 4.5 Funo linear composta com um produto de funo , 283 multi lineares
Fig. 4.6 , 301 Mnemnica para o clculo de determinantes de 2 ordem
Fig. 4.7 , 302 Regra de Sarrus, para o clculo de determinantes de 3 ordem
Fig. 4.8 Primeira v 302 ariante da regra de Sarrus,
Fig. 4.9 , 302 Segunda variante da regra de Sarrus
Fig. 4.10 Determinao da paridade dos menores de 1 ordem, 317
Fig. 4.11 Grficos de e , 339 0 0 0 0
" #
w w
" #
, ,
Simbologia
Lgica
c: : ................................................. negao (not) da proposio
: ; : ; .............................................. disjuno (or) das proposies e
: ; : ;
.............................................. disjuno exclusiva (xor) das proposies e

: ; : ; .............................................. conjuno (and) das proposies e
: ; : ; ............................................ implica
: ; : ; : ; ................................. equivalncia das proposies e
sse................................................. se e s se
a.................................................... quantificador universal (qualquer que seja...)
b.................................................... quantificador existencial (existe pelo menos um...)
b
"
.................................................. quantificador existencial exclusivo (existe um e um s...)
Conjuntos
e f + , - + , - ................................... conjunto formado por
e f a b a b B \ B \ B p ............................... conjunto dos elementos de com a propriedade p
g ef...............................................conjunto vazio
Pa b \ \ .............................................conjunto das partes (subconjuntos) do conjunto
E E E
c
............................................. complementar do conjunto
E F E F ............................................ diferena entre os conjuntos e
E F E F ............................................reunio dos conjuntos e
E F E F ............................................interseco dos conjuntos e
a b + , + , ..............................................par ordenado formado pelos objectos e
E F E F ........................................... produto cartesiano dos conjuntos e
a b a b B B B B 8 \
" # 8 5
"58
............ lista de comprimento de elementos de um conjunto
g ab................................................lista vazia
pr .............................................. projeco ou componente da lista
5
B 5 B
\ 8 \
8
................................................. conjunto das sequncias de elementos de
a b B \ M
5
5M
.......................................... famlia de elementos de um conjunto indexada por
pr ............................................... projeco ou componente de ndice da famlia ( )
3 3
B 3 B B
\ \ M
M
................................................. conjunto das famlias de elementos de indexadas por
\< \ ............................................... conjunto quociente do conjunto pela relao de
equivalncia <
-
3M
3
E .............................................. reunio duma famlia de conjuntos
+
3P
3
E ............................................. interseco duma famlia de conjuntos
Simbologia ix
Relaes binrias
................................................. igual
................................................. diferente
................................................. pertence a, elemento de
................................................. no pertence a, no elemento de
................................................. est contido em, uma parte de
................................................. contm, sobreconjunto de
................................................. no est contido em, no parte de
Funes
0 B 0 B a b...............................................valor da funo no ponto
] \ ]
\
.................................................conjunto das funes de em
0 \ ] \ ] 0 \ ]
0
........................ funo de em
B C B 0 B B C B 0 C 0 B a b a b
0
............... aplicado por em ou
I
\
................................................. relao (funo) identidade no conjunto \
0 E E 0 a b.............................................. imagem directa do conjunto por
0 E E 0
"
a b.......................................... pr-imagem do conjunto por
0 C C C 0
"
a b e f ........................................... pr-imagem do conjunto singular ou trao de por
0 0
"
................................................ funo inversa da funo injectiva
1 0 1 0 1 0 .............................................. composta das funes e ( aps )
lim
B+
0 B 0 + a b......................................... limite da funo no ponto
0 + 0 + 0 + 5 0 +
w ww 5
a b a b a b
a b
...................... derivada de 1 ordem, 2 ordem, ordem de em
0 0 0 5 0
w ww 5 a b
..................................... funo derivada de 1 ordem, 2 ordem, ordem de
ln log B B B ! B +
+
.......................................logaritmo neperiano de , logaritmo de na base
/ B /
B
exp .........................................funo exponencial de base
+ + !
B
.................................................. funo exponencial de base
sin cos ........................................... funes seno e coseno
arcsin arccos ..................................funes arcseno e arccoseno
'
a b
+
,
0 B B 0 + , d ...................................... integral definido da funo entre os pontos e
'
a b
M
0 B B 0 M d ...................................... integral definido da funo estendido ao intervalo
Estruturas
B C B C ............................................. soma dos elementos e de um grupide aditivo
B C B C BC B C .............................. produto dos elementos e de um grupide multiplicativo
!.................................................... elemento neutro (zero) de um grupide aditivo
".................................................... elemento neutro (um, unidade ou identidade) de um
grupide multiplicativo
B B ................................................. oposto (simtrico) do elemento regular , num monide
aditivo
B "B B
"
........................................ oposto (inverso) do elemento regular , num monide
multiplicativo
!
a b
5"
8
5 3
"38
B B ............................................ soma da lista de elementos de um semigrupo
comutativo aditivo
x Simbologia
#
a b
5"
8
5 3
"38
B B ............................................. produto da lista de elementos de um semigrupo
comutativo multiplicativo
E F E F z ........................................... isomorfo de
Nmeros Inteiros e Racionais
!
..................................................conjunto dos nmeros naturais com zero e f ! " # 8
" # 8
.............................................conjunto dos nmeros naturais e f

c d 7 8 7 8 .............................................conjunto dos inteiros entre e inclusiv
c d e f " 8 " # 8 .............................................. intervalo
....................................................conjunto dos inteiros
................................................. conjunto dos inteiros !
.................................................. conjunto dos inteiros !
:
.................................................. anel dos inteiros mdulo (corpo, se primo) : :
................................................... conjunto dos nmeros racionais
.................................................conjunto dos racionais !
................................................. conjunto dos racionais !

Combinatria
8x 8 ...................................................factorial de
T E 8
8
8
8
........................................... permutaes de

8
:
............................................... combinaes de elementos tomados a (coeficientes 8 : :
binomiais)
E 8 : :
8
:
................................................. arranjos de elementos tomados a
Nmeros reais
................................................... conjunto dos nmeros reais
................................................. conjunto dos nmeros reais !
..................................................conjunto dos nmeros reais !

................................................... recta acabada
................................................... recta projectiva

1.................................................... pi, razo entre o permetro e o dimetro de qualquer
circunferncia
/ B B .................................................... nmero de Neper, base da funo exponencial expa b
B C C B ..................................relao de ordem em ou
B C C B ..................................relao de ordem estrita em ou
a b c d d b a c + , + , + , + , ................. intervalos limitados em ou num espao ordenado
Simbologia xi
a b d a _ , _ , .......................... intervalos no limitados inferiormente em ou num espao
ordenado (seces inferiores)
a b c b + _ + _ ..........................intervalos no limitados superiormente em ou num espao
ordenado (seces superiores)
+ , + , ............................................. aproximadamente igual a
k k B B ..................................................mdulo do real
max \ \ ............................................mximo do conjunto
min \ \ .............................................mnimo do conjunto
sup \ \ ............................................. supremo do conjunto
inf \ \ .............................................. nfimo do conjunto
_ _.......................................menos infinito, mais infinito em
Nmeros complexos
................................................... conjunto dos nmeros complexos
..................................................conjunto dos nmeros complexos !

3.................................................. conjunto dos imaginrios puros
B 3C............................................ forma algbrica de um complexo
<cis ........................................... forma trigonomtrica de um complexo a b )
</
3)
................................................ forma exponencial de um complexo
D D .................................................... conjugado do complexo
E F E F ........................................... soma dos subconjuntos e de
DE D E ................................................. produto do complexo pelo subconjunto
d D e D D D a b a b..................................... parte real do complexo , parte imaginria do complexo
k k D D .................................................. mdulo ou valor absoluto do complexo
arga b D D ............................................ argumento principal do complexo
Arg ........................................... conjunto de todos os argumentos do complexo a b D D
/ D
D
expa b.......................................funo exponencial complexa
exp
"
a b D D ! ........................................ conjunto de todos os logaritmos do complexo
lna b D D ! .............................................. valor principal do logaritmo do complexo
Espaos vectoriais
!Bt................................................. produto de escalar por vector
Bt Ct............................................. soma de vectores
Bt Ct................................................. produto de vectores (numa lgebra linear)
Bt ! ?t
t
............................................ vector, vector nulo, vector unidade (numa lgebra linear com
unidade)
!
a b
3"
8
3 3 3
"38
! Bt Bt .......................................... combinao linear dos vectores da sequncia
!
3g
3 3
! Bt 9t................................... combinao linear vazia
pr .............................................. projeco ou componente do vector
5
8
Bt 5 Bt
J I J I ........................................... subespao vectorial de
#
a b
3M
3 3
3M
I I .............................................. produto cartesiano dos espaos vectoriais da famlia
de espaos vectoriais sobre um mesmo corpo
xii Simbologia
#
3"
8
3 " # 8
I I I I ou ........ produto cartesiano dos espaos vectoriais da sequncia
a b I
3
"38
de espaos sobre um mesmo corpo
9
a b
3M
3 3
3M
I I ..............................................soma directa externa da famlia de espaos vectoriais
sobre um mesmo corpo
9
a b
3M
3 3
3M
I I ..............................................soma directa da famlia de subespaos
!
a b
3M
3 3
3M
I I .............................................. soma da famlia de subespaos
E F E F ........................................... soma dos subespaos e
E F E F ........................................... soma directa dos subespaos e
I Bt I
a b M
3
3M
............................................... conjunto das famlias de vectores de indexadas por a b
M Bt !
t
e tais que no complementar de uma parte finita de
3
M.
IJ I J .............................................. espao vectorial quociente de pelo subespao
W W W S
" # $
...................................... espaos de segmentos orientados com origem num ponto
EF GH EF GH

...................................equipolncia entre os segmentos orientados e
W W W
~ ~ ~
...................................... conjunto dos segmentos aplicados em qualquer ponto
" # $
W W W
s s s
" # $
...................................... espaos vectoriais dos vectores livres
a b ......................................... espao das sucesses reais convergentes

!
a b ! ........................................ espao das sucesses reais convergentes para
6
#
...................................................espao de Hilbert de sucesses reais

Ba b M M ..........................................espao das funes reais limitadas no conjunto
Da b M M ..........................................espao das funes reais diferenciveis em
Ca b M M .......................................... espao das funes reais contnuas no conjunto
C
5 5
a b M M ........................................ espao das funes reais de classe C no conjunto
C
_ _
a b M M ....................................... espao das funes reais de classe C no conjunto
a b ......................................... espao das sucesses complexas convergentes

!
a b ! ........................................ espao das sucesses complexas convergentes para
6
#
...................................................espao de Hilbert de sucesses complexas

Ba b M M ..........................................espao das funes complexas limitadas no conjunto
Da b M M ..........................................espao das funes complexas diferenciveis em
Ca b M M .......................................... espao das funes complexas contnuas no conjunto
C
5 5
a b M M ........................................ espao das funes complexas de classe C no conjunto
C
_ _
a b M M ....................................... espao das funes complexas de classe C no conjunto
P
8
a b ........................................... espao dos polinmios de grau e de coeficientes no 8
corpo
Pa b ............................................. lgebra dos polinmios de coeficientes no corpo
P B P Bt B Bt

a b a b a b
3 3
"37 "37
...................... subespao gerado pela lista de vectores de
um espao vectorial sobre o corpo I
P Bt Bt Bt Bt Bt Bt
a b a b
" # 7 " # 7
........................ subespao gerado pela lista de vectores de
um espao vectorial sobre o corpo I
Bt Bt Bt Bt Bt Bt
" # 7 " # 7
......................subespao gerado pela lista de vectores de a b
um espao vectorial I
dim dim
I I I ................................ dimenso do espao vectorial sobre o corpo

Simbologia xiii
I J I J z ........................................... isomorfo de
Matrizes
c d + 78 + \
34 34
"37
"48
.........................................matriz de tipo de elementos de um conjunto
c d + 8 +
34 34
"348
......................................matriz quadrada de ordem de elementos de um
conjunto \
78
.............................................. espao vectorial das matrizes do tipo de elementos 78
no corpo
88
............................................... lgebra das matrizes quadradas de ordem de elementos no 8
corpo
S 78
78
.............................................. matriz nula do tipo
S 8
8
................................................. matriz nula de ordem
M 8
8
...................................................matriz identidade de ordem
E F E F ........................................... soma (diferena) das matrizes e
! ! E E .................................................produto do escalar pela matriz
E E E E
T > w
......................................matriz transposta de
E E ................................................... matriz conjugada de
E E
................................................. matriz transconjugada de

EF E F ................................................ produto das matrizes e
c .............................................. caracterstica da matriz a b E E
tr ..............................................trao da matriz quadrada a b E E
diag ....................... matriz diagonal (quadrada) de elementos diagonais a b - - -
" # 8

- - -
" # 8

X / /
//
w
w ................................................ matriz de mudana da base para a base
E 3 3 4 4 E 3 3 c d
" : " ; " :
................... Submatriz de , obtida seleccionando as linhas e
as colunas de 4 4 E
" ;
E 3 3 4 4 E 3 3 c d e f e f
" : " ; " :
........... Submatriz de , obtida seleccionando as linhas e
as colunas de 4 4 E
" ;
E M N E c d...........................................Submatriz de , obtida seleccionando as linhas cujos ndices
pertencem aos conjuntos e M N
E 3 3 4 4 E 3 3 a b
" : " ; " :
.................. Submatriz de , obtida eliminando as linhas e as
colunas de 4 4 E
" ;
E 3 3 4 4 E 3 3 b c
" : " ; " :
...................Submatriz de , obtida seleccionando as linhas e
eliminando as colunas de 4 4 E
" ;
E 3 3 4 4 E 3 3 d a
" : " ; " :
...................Submatriz de , obtida eliminando as linhas e
seleccionando as colunas de 4 4 E
" ;
Funes lineares
Hom , .....................espao vectorial das funes lineares de em a b a b I J I J I J L
End .......................................... lgebra dos endomorfismos de a b I I
Ker , Nuc ..............................ncleo da aplicao linear a b a b 2 2 2
Img , Im , ..................... imagem da aplicao linear definida em a b a b a b 2 2 2 I 2 I
c , ..........................................caracterstica da aplicao linear a b 2 - 2
2
n , ......................................... nulidade da aplicao linear a b 2 8 2
2
O
JI
............................................... funo (linear) nula do espao no espao I J
xiv Simbologia
O
I
................................................. endomorfismo nulo no espao I
deta b 2 2 ............................................ determinante do endomorfismo
Q 2 2 0 /
0/
a b.......................................... representao matricial da funo linear nas bases e
Q 2 2 /
/
a b............................................representao matricial do endomorfismo na base
Funes multilineares e determinantes
8
................................................. grupo simtrico de ordem 8
I
8
.................................................. permutao identidade de ordem 8
5 7 ................................................ permutao, transposio
5 5
"
................................................ permutao inversa de
& 5 5 a b............................................... sinal ou paridade da permutao .
deta b c d E 3 3 4 4 : E
" : " :
........... menor de ordem da matriz
deta b a b E 3 3 4 4
" : " :
.......... menor complementar do anterior
cof ... cofactor do menor a b a b a b c d c d det det E 3 3 4 4 E 3 3 4 4
" : " : " : " :
cof cof ............................... cofactor de a b + + +
34 34 34
E E
s
................................................... matriz complementar de (matriz dos cofactores dos
elementos de ) E
adj ...............................................matriz adjunta de (transposta da anterior) E E
det
/ " # 8 " # 8
a b a b Bt Bt Bt Bt Bt Bt / ....................... determinante dos vectores na base
deta b ? ? ............................................ determinante do endomorfismo
deta b k k E E E .....................................determinante da matriz
Fa b I J I J
: :
....................................... espao de todas as funes de em
M
:
a b I J : I J ...................................... espao das funes -lineares sobre com valores em
A
:
a b I J : I .......................................espao das funes -lineares alternadas sobre com
valores em J
S
:
a b I J : I ....................................... espao das funes -lineares simtricas sobre com
valores em J
O
JI
:
: ..............................................funo -linear nula de em : I J
O
I
:
: ..............................................forma -linear nula de em : I
Valores e vectores prprios
7
1
a b - - ............................................ multiplicidade geomtrica do valor prprio
7
+
a b - - ............................................ multiplicidade algbrica do valor prprio
I 2 2
-
a b............................................ Subespao prprio do endomorfismo associado ao valor
prprio -
Ea b 2 2 .............................................. espectro do endomorfismo
: : 2
2 E
a b a b - - (resp. )....................... polinmio caracterstico do endomorfismo (resp. da matriz
E)
Simbologia xv
Espaos euclidianos
Bt Ct Bt Ct BtlCt Bt Ct ..............................produto interno dos vectores e
l l Bt Bt ................................................ norma euclidiana ou hermitiana do vector
vers ..............................................versor do vector no nulo Bt Bt
proj ........................................... projeco ortogonal de sobre
Ct
Bt Bt Ct !
t
Bt Ct.............................................ortogonalidade entre vectores de um espao com produto
interno
E E
.................................................complemento ortogonal de
o.n................................................. (base) ortonormada
o.n.d.............................................. (base) ortonormada directa
K B K Bt Bt Bt B Bt Bt Bt a b a b a b
" # 7 " # 7
................ determinante de Gram da lista
K B
B
................................................. matriz de Gram da lista
Ba b I ............................................. conjunto das bases de um espao vectorial
Oa b I ............................................. conjunto das orientaes de um espao vectorial real
sgn................................................. sinal de uma base, num espao euclidiano orientado
Bt Bt Bt Bt Bt Bt
" # 8 " # 8
..............................produto misto dos vectores
Bt Bt Bt Bt Bt Bt
" # 8" " # 8"
.................... produto externo dos vectores
Bt Bt Bt Bt
" # " #
..........................................produto externo dos vectores e num espao euclidiano
orientado de dimenso $
Ba b I J I J ................................... espao das formas bilineares sobre
Ba b I I ........................................ espao das formas bilineares sobre
Aa b I I ........................................ espao das formas bilineares autoadjuntas sobre
Qa b I I ........................................espao das formas quadrticas sobre
Sa b I J I J .................................... espao das formas sesquilineares sobre
Sa b I I ......................................... espao das formas sesquilineares sobre
A
a b I I ...................................... espao das formas sesquilineares hermitianas sobre

Q
a b I I ......................................espao das formas quadrticas hermitianas sobre

E E
.................................................matriz pseudoinversa de
Geometria analtica
E F , ...............................................Espao afim, subespao afim
EF F E E F
, .................................. vector de origem e extremidade

dimE E ..............................................dimenso do espao afim
R
8
................................................. espaos afins euclidianos reais orientados de dimenso 8
a b a b S / S /t /t /t , ............... referencial num espao afim
" # 8
o.n................................................. abreviatura de ortonormado (para referenciais)
o.n.d.............................................. abreviatura de ortonormado directo (para referenciais)
T B B B T a b
" # 8
...........................ponto de um espao afim com coordenadas
a b B B B
" # 8
num dado referencial
T B B B T a b
" # 8
......................ponto de um espao afim com coordenadas
a b B B B
" # 8
num dado referencial
@t @ @ @ @ @ @ a b a b
" # 8 " # 8
............................. vector de coordenadas numa dada base
E J E ........................................... Subespao afim gerado pelo ponto e pelo subespao
vectorial J
1
Espaos vectoriais
Sec. 1.2] Axiomtica dos espaos vectoriais 3
1.1 Introduo
Neste captulo, faremos o estudo de uma importante estrutura algbrica muito utilizada nas
cincias aplicadas e na engenharia: o . Como pr-requisitos para o presente Espao Vectorial
captulo, mencionemos noes elementares sobre teoria dos conjuntos, lgica e estruturas
algbricas (consultar o apndice B); algum conhecimento dos nmeros reais e complexos
tambm conveniente. Ser til a leitura prvia do apndice B, no qual se definem as noes de
operao unria binria -ria composio interna externa , e ; os conceitos de lei de e ; as 8
estruturas algbricas: , , e grupides semigrupos monides, grupos, anis, anis de integridade
corpos comutativos homomorfismo (casos de , e ). Assume ainda relevo a noo de e, em
particular, a de . Em anexo a este captulo, apresenta-se informao relativa forma isomorfismo
como se pode utilizar o software para operar com vectores. MATHEMATICA

1.2 Axiomtica dos espaos vectoriais
Em tudo o que se segue neste manual, designa um , que designaremos corpo comutativo
simplesmente por . Para a definio de Espao Vectorial, seguiremos a via axiomtica. As corpo
noes primitivas so as de (elemento de um corpo comutativo ) e de (elemento escalar vector
de um segundo conjunto , eventualmente igual a ). Para distinguir claramente os escalares I
dos vectores, nestes ltimos usaremos uma seta superior (por exemplo, ). Assim, poremos a Bt
seguinte
Definio 1.1. Espao vectorial Seja um conjunto no vazio e um corpo I a b
comutativo (ver apndice ). Diz-se que (cujos elementos sero chamados ) um B I vectores
espao vectorial linear escalares (ou ) sobre o corpo (cujos elementos sero chamados ), sse
I I I C C estiver munido de uma lei de composio interna (adio
#
a b Bt t Bt t
a b 1
vectorial) e de uma lei de composio externa (produto de I I ! ! a b Bt Bt
escalar por vector ou multiplicao escalar, cujo resultado designaremos simplesmente por !Bt
em vez de ! Bt) satisfazendo os seguintes oito axiomas:
[A1] a C C
Bt t CI
Bt t t Bt
[A2] a C D C D
Bt t t CDI
a b a b Bt t t Bt t t
[A3] b a
9t t B I I
Bt t t Bt Bt 9 9
[A4] a b
B B t t I I
Bt Bt Bt Bt t a b a b 9
[P1] a
! "
I Bt
a b ! " ! " Bt Bt Bt
[P2] a C C
!
CI Bt t
! ! ! a b Bt t Bt t
[P3] a
! "
I Bt
! " !" a b a b Bt Bt
a b 2
1
No existe ambiguidade no uso do sinal + para as adies em e em : o contexto algbrico em que estes I
smbolos ocorrem determina facilmente qual a operao em questo.
2
Segundo o que habitual, designamos por (e no ) o produto dos escalares e , no corpo . !" ! " ! "
4 Espaos vectoriais [Cap. 1
[P4] a "
BtI
Bt Bt
Os primeiros quatro axiomas dizem exclusivamente respeito adio vectorial e so, por
ordem, a , a , a existncia de e a existncia de comutatividade associatividade elemento neutro 9t
simtrico Grupo Comutativo para cada vector de e significam que um . Como em I I a b
qualquer grupo aditivo, o elemento neutro ( 9 9 t t vector nulo, tambm designado por
I
se houver
necessidade de salientar qual o espao vectorial) nico, o mesmo se dizendo do simtrico Bt
de cada vector . Como em qualquer grupo comutativo aditivo , definiremos a Bt I I a b
subtraco vectorial por
Bt t Bt t C C a b a b 1.1
Os axiomas P1-P4 caracterizam o comportamento do produto de escalar por vector
relativamente adio escalar, adio vectorial e ao produto de escalares. Os dois primeiros
so, por ordem, a em relao adio escalar e a em relao distributividade distributividade
adio vectorial. O terceiro a . O ltimo exige que a do corpo associatividade mista unidade
seja elemento neutro esquerda na multiplicao escalar.
Normalmente, chama-se espao vectorial ao conjunto mas faz-se notar que, formalmente, o I
espao vectorial a estrutura algbrica formada pelo conjunto , o corpo e as duas I
operaes (adio vectorial e produto de escalar por vector) satisfazendo os axiomas A1-A4 e
P1-P4, ou seja, o quaterno . Dois espaos vectoriais e a b a b I I
a b I I I
w w w w
so, pois, iguais sse .
Adjectiva-se, por vezes, o espao vectorial segundo o corpo subjacente: assim, diremos que
I um espao vectorial se , um espao vectorial se e um espao racional real
vectorial se . complexo
A definio seguinte carateriza a noo de , juntando s operaes definidas lgebra Linear
num espao vectorial uma segunda lei de composio interna em , chamada I multiplicao
vectorial.
Definio 1.2. lgebra linear Seja um espao vectorial sobre , com a b I
operaes e . Diz-se que uma sobre se estiver definida uma segunda I lgebra linear
lei de composio interna (multiplicao vectorial, cujo resultado I I C C
#
a b Bt t Bt t
designaremos apenas por ) satisfazendo os axiomas abaixo indicados: Bt t Bt t C C em vez de
[M1] a C D D C D
Bt t t CDI
a b Bt t t Bt t t t
[M2] a C D C D
Bt t t CDI
Bt t t Bt t Bt t a b
[M3] a C C C
!
CI Bt t
! ! ! a b a b a b Bt t Bt t Bt t
A lgebra linear diz-se , se a multiplicao vectorial o for: associativa
[M4] , a C D C D
Bt t t CDI
a b a b Bt t t Bt t t
M1/M2 so as direita e esquerda da multiplicao em relao adio distributividades
vectorial. M3 caracteriza o comportamento da multiplicao vectorial em relao
multiplicao de escalar por vector. M1, M2 e M4 significam que constitui um a b I
Sec. 1.3] Consequncias algbricas dos axiomas 5
anel linear . Por satisfazer M1, M2 e M3, diz-se que a multiplicao vectorial em cada um
dos factores ou que uma sobre com valores em (ver captulo 4). funo bilinear I I
Se for , para quaisquer , diremos que a lgebra (e o anel ) Bt t t Bt Bt t C C C I I a b
comutativa e se tiver elemento neutro tal que , para qualquer , ? I ? ? I t Bt t t Bt Bt Bt
diremos que a lgebra tem ou . Por exemplo, um espao vectorial sobre unidade identidade
e uma lgebra linear comutativa com unidade sobre , se considerarmos como multiplicao "
vectorial a multiplicao de complexos.
1.3 Consequncias algbricas dos axiomas
Os axiomas enunciados atrs tm um certo nmero de consequncias algbricas, de entre as
quais se salientam as proposies a seguir demonstradas. Observe-se que estas proposies so
verificadas em qualquer espao vectorial, uma vez que elas s dependem dos referidos axiomas.
Proposio 1.1. Em qualquer espao vectorial sobre um corpo , o produto de um I
escalar por um vector nulo sse um dos factores for nulo
! ! Bt ! Bt 9 9 t t a b 1.2
Demonstrao:
Para qualquer e qualquer , tem-se, sucessivamente, ! Bt I
9t Bt Bt ! Bt !Bt Bt ! ! ! ! a b
Pela lei do corte, segue-se que . Do mesmo modo, para qualquer e qualquer !Bt 9t !
Bt I, tem-se, sucessivamente,
9 9 9 t t t Bt Bt Bt Bt ! ! ! ! ! a b
De novo, da lei do corte resulta . Portanto, se ou , teremos . ! ! ! 9 9 9 9 t t t t ! Bt Bt
A implicao recproca equivalente a ! ! Bt ! Bt 9 9 t t
! ! Bt ! Bt 9 9 t t
Provemos a implicao anterior: sendo, existe tal que . Calculando, ! ! ! ! ! "
" "
finalmente, vem Bt
Bt "Bt Bt Bt

a b ! ! ! ! !
" " "
9 9 t t
Proposio 1.2. Seja um espao vectorial sobre um corpo . Ento, para qualquer I
escalar e qualquer vector , tem-se ! Bt I
Bt Bt Bt a b a b a b a b ! ! ! 1.3
Demonstrao:
Tem-se
! ! ! ! Bt Bt Bt !Bt a b a b a b 9t
Da mesma forma, tem-se
! ! ! ! Bt Bt Bt Bt a b a b a b 9 9 t t
o que termina a demonstrao.
Proposio 1.3. Seja um espao vectorial sobre um corpo . Ento, para quaisquer I
escalares e quaisquer vectores , tem-se ! " Bt Ct I
a b a b ! " ! " Bt Bt Bt 1.4.1
! ! ! a b Bt Ct Bt Ct a b 1 4.2 .
Demonstrao:
Tem-se, sucessivamente, por definio de subtraco e pela proposio anterior:
a b a b a b a b a b a b
! " ! " ! " ! " ! "
! ! ! ! ! ! ! !
Bt Bt Bt Bt Bt Bt Bt Bt
Bt Ct Bt Ct Bt Ct Bt Ct Bt Ct
1.4 Exemplos de espaos vectoriais
Exemplo 1.1. O axioma A3 garante que , visto que . O presente exemplo vai I g I 9t
mostrar que no necessrio mais qualquer vector em para se obter um espao vectorial. I
Sendo um corpo e um conjunto singular, constitui um espao vectorial sobre I I e f 9t
a b 3
! , com as operaes definidas, para qualquer , por
[A] 1 5 9 9 9 t t t a b .
[P] 1 6 !9 9 t t a b .
Exemplo 1.2. Fazendo , obtm-se com a adio e o produto de um espao vectorial I
sobre . O o zero de e o simtrico de . Observe que, neste caso, vector nulo ! B B
os vectores confundem-se com os escalares.
Exemplo 1.3. Seja um corpo, um inteiro positivo e . Ento, o conjunto 8 I
8 8
de todas as sequncias (listas) de comprimento de escalares de um espao vectorial sobre 8
(chamado de dimenso sobre o corpo ), com as seguintes operaes, espao cartesiano 8
para quaisquer , e ! B B B C C C a b a b
" # 8 " # 8
8 8
[A] 1 7 a b a b a b a b B B B C C C B C B C B C
" # 8 " # 8 " " # # 8 8
.
[P] 1 8 ! ! ! ! a b a b a b B B B B B B
" # 8 " # 8
.
3
De facto, no importa a natureza do nico elemento de . Estamos, simplesmente, a usar a notao para I 9t
designar esse elemento.
Sec. 1.4] Exemplos de espaos vectoriais 7
Os escalares so chamados as ou do vector B B B
" # 8
componentes projeces
a b a b B B B B Bt B B B
" # 8 5 5 5 " # 8
, escrevendo-se, s vezes, pr pr . Observe-se que,
nestas definies, usam-se (nos segundos membros) as operaes pr-existentes em para
definir as operaes novas no espao vectorial . Observe-se ainda que o de
8 8
vector nulo
9t ! ! ! B B B B B B a b a b a b e que o de ou seja, simtrico
" # 8 " # 8
9t ! ! ! a b a b 1.9
B B B B B B a b a b a b
" # 8 " # 8
1.10
Observe-se a generalidade deste exemplo, que tem uma infinidade de casos particulares como
sejam, por exemplo, , etc.
# $ # 8
Exemplo 1.4. Seja um corpo e o conjunto das de escalares de . I

sucesses
Ento um espao vectorial sobre , com a adio usual de sucesses e o produto de
escalar por sucesso definidos, para quaisquer , e , por: ! B C a b a b

8 8

[A] 1 11 a b a b a b a b B C B C
8 8 8 8
.
[P] 1 12 ! ! a b a b a b B B
8 8
.
Observe-se que, nestas definies, novamente se utiliza a estrutura algbrica pr-existente em
para definir as operaes do espao vectorial. Observe-se ainda que o de a vector nulo
sucesso constante nula e que o de uma sucesso a sucesso ou ! ! B B a b a b a b simtrico

8 8
seja,
! ! a b a b 1.13
B B a b a b a b
8 8
1.14
Como caso particular, citemos o espao vectorial real das sucesses de nmeros reais e o
espao complexo das sucesses de nmeros complexos. bvio que poderamos tambm
indexar as sucesses usando e definindo de igual modo as operaes, obtendo-se o espao

!
!
.
Exemplo 1.5. Seja um corpo e o conjunto das sucesses de escalares de , I
a b
!
cujos termos so todos nulos, com excepo de um nmero finito deles, ou seja
a b 4

a b
! ! !
B 8 B !

a b e f
8 8
finito
Com as operaes definidas por 1.11 e 1.12 obtm-se um novo espao vectorial. O a b a b vector
nulo simtrico e o de so, como anteriormente, a b B
8
! ! a b a b 1.15
B B a b a b a b
8 8
1.16
Exemplo 1.6. Seja um corpo, um conjunto e o conjunto das E I
E
funes escalares
definidas em , . Ento um espao vectorial sobre , se definirmos E 0 0 E
E E
e f
4
Observe-se que este conjunto o mesmo que o conjunto das sucesses de escalares, cujos termos se
a b !
anulam, a partir de alguma ordem.
a soma de funes e o produto do escalar pela funo como sendo as 0 1 0 !
E E
funes e dadas, para todo o , por 0 1 0 B E !
[A] 1 17 a ba b a b a b a b 0 1 B 0 B 1 B .
[P] 1 18 a ba b a b a b ! ! 0 B 0 B .
Observe-se que, novamente, se utiliza a estrutura algbrica pr-existente em para definir as
operaes necessrias ao espao vectorial . Observe-se ainda que o de a
E E
vector nulo
funo constante nula e que o da funo a funo , estando estas definidas, ! 0 0 simtrico
para todo o , por: B E
! B ! a b a b 1.19
a ba b a b a b 0 B 0 B 1.20
Observe-se que os exemplos 1.3 e 1.4 so casos particulares do presente exemplo, com
E " # 8 E E e f e ou , respectivamente. O prprio .1 pode tambm
!
Exemplo 1
ser visto luz do caso , com e em que, portanto, o conjunto singular constitudo
E
E g I
apenas pela funo vazia (de em ). g
Segundo este exemplo, poderemos falar do espao vectorial real das funes reais
M
definidas no intervalo ou do espao vectorial complexo das funes complexas M ! " c d
M
definidas no mesmo intervalo (ou noutro qualquer conjunto).
Exemplo 1.7. Seja um corpo, um inteiro no negativo e o conjunto 8 I
! 8
P a b
dos polinmios de grau menor ou igual a e com coeficientes em . 8
P
8 5 5
5!
8
5
a b a b a b

"
: : B + B + com 1.21
P P
8 8
a b a b um espao vectorial sobre , se definirmos a soma dos polinmios , : ;
onde e , e o produto do escalar pelo polinmio : B + B ; B , B a b a b
! !
5! 5!
8 8
5 5
5 5
!
: : ; : P
8
a b ! como sendo os polinmios e dados por:
[A] 1 22 a ba b a b a b
!
: ; B + , B
5!
8
5 5
5
.
[P] 1 23 a ba b a b a b
!
! ! : B + B
5!
8
5
5
.
Observe-se que tambm aqui se utiliza a estrutura algbrica pr-existente em para definir as
operaes do espao vectorial. Observe-se ainda que o de o polinmio vector nulo P
8
a b
nulo e que o do polinmio tal que o polinmio , estando ! : : B + B : simtrico a b
!
5!
8
5
5
estes definidos para todo o , por: B
! B !B a b a b
"
5!
8
5
1.24
a ba b a b a b
"
: B + B
5!
8
5
5
1.25
claro que, se , ento . Em face do exposto anteriormente, ! 7 8 P P
7 8
a b a b
podemos afirmar, por exemplo, que o conjunto dos polinmios de coeficientes reais e P
$
a b
grau menor ou igual a um espao vectorial real. $
Exemplo 1.8. Sejam as sucesses de escalares de um corpo , a b + + +
! " 8

a b
!
nulas a partir de alguma ordem (para cada sucesso, existe uma ordem tal que , para < + !
3
3 < I + B ) e considere-se o conjunto dos polinmios cujos coeficientes so os Pa b
!
5!
_
5
5
termos daquelas sucesses; note-se que, de facto, este somatrio tem apenas um nmero finito
de parcelas ( ), sendo nulas as restantes. claro que . < " P P a b a b
-

8
8
!
Pa b a b a b a b

"
: : B + B +
5!
_
5 5
5
com 1.26
a b
!
Pa b um espao vectorial sobre , se definirmos a soma de polinmios e o produto de
escalar por um polinmio atravs de:
[A] 1 22.1 a ba b a b a b
!
: ; B + , B
5!
_
5 5
5
.
[P] 1 23.1 a ba b a b a b
!
! ! : B + B
5!
_
5
5
.
Observe-se ainda que o de o polinmio nulo e que o vector nulo Pa b
!
! !B
5!
_
5
simtrico do polinmio tal que o polinmio definido por: : : B + B a b
!
5!
_
5
5
a ba b a b a b
"
: B + B
5!
_
5
5
1.25.1
Tem-se, como bvio,
! 7 8 P P P P
! 7 8
a b a b a b a b
Consideremos, agora, dois polinmios e dados por : ;
: B + B
; B , B
a b
"
a b
"
5!
_
5
5
5!
_
5
5
e o seu produto usual
a ba b a b a b

" " "
:; B : B ; B + B , B - B
5! 5! 5!
_ _ _
5 5 5
5 5 5
onde, para , 5
!
- + , + , + , + , + , + ,
5 3 4 3 53 ! 5 " 5" 5" " 5 !
345 3!
5
" "
Esta multiplicao verifica os axiomas M1 a M4, tratando-se de uma multiplicao vectorial
e, portanto, uma Pa b lgebra Linear (esta lgebra , ainda, comutativa e com unidade: o
polinmio constante ) ? B " a b sobre .
Segundo o que acabmos de ver e a ttulo de exemplo, os conjuntos e dos P P a b a b
polinmios de coeficientes reais (respectivamente, complexos) constitui uma lgebra Linear
sobre o corpo dos reais (respectivamente, complexos).
Exemplo 1.9. Seja e o conjunto dos segmentos orientados (incluindo o I W
$
segmento nulo, de comprimento ) aplicados num ponto do espao tridimensional. Definindo ! S
a adio em atravs da regra do tringulo (ver figura 1.1) e o produto de um nmero W
$ a b 5
!
ST S por um segmento como sendo um novo segmento orientado aplicado em , com a

mesma direco de , o mesmo sentido ou o oposto conforme ou e um ST ! !
! !
comprimento igual a vezes o comprimento de (ver figura 1.2), obtm-se um espao k k !
ST
vectorial real.

Fig. 1 1 Regra do tringulo: . Fig. 1 2 Multiplicao escalar: . . . EG SF SE # SF

5
A soma de dois segmentos e o segmento , em que a extremidade do segmento de origem SE SF SG G

E SF F SE e a (ou a extremidade do segmento de origem e a ). Por equipolente equipolente equipolente

entende-se com a mesma direco, sentido e comprimento (ver exemplo 1.10).
deste exemplo que provm os termos e . ainda neste espao que, vector espao vectorial
a nvel elementar, se pensa quando se fala em grandezas (massa, temperatura, trabalho, escalares
energia, etc) e grandezas (fora, velocidade, campo elctrico, etc), distinguindo-se vectoriais
estas das primeiras pelo facto de, alm de , possuirem tambm e . intensidade direco sentido
Sendo, ainda, e o conjunto dos segmentos orientados aplicados num ponto I W S
#
de um qualquer e usando as regras anteriores para as operaes de adio vectorial e plano
multiplicao escalar, obtm-se um novo espao vectorial real.
Por ltimo, se for constitudo pelos segmentos orientados existentes sobre uma I W
"
recta
e aplicados num ponto desta e usando as regras anteriores para as operaes, constituir S W
"
tambm um espao vectorial real.
Exemplo 1.10. Seja e o conjunto dos segmentos orientados (incluindo os
~
I W
$
segmentos nulos, de comprimento ) aplicados em qualquer ponto do espao tridimensional. !
Diremos que e so (e escreve-se ) sse o ponto mdio de EF GH EF GH Q

equipolentes
EH FG coincidir com o ponto mdio de (ver figura 1.3).
Fig. 1 3 Segmentos equipolentes. .
A relao de equipolncia uma relao de equivalncia (ver seco A.3 do apndice A),
o que determina a partio de em classes de equivalncia formadas por segmentos orientados
~
W
$
equipolentes entre si, as quais constituem o chamado de por ,
~
conjunto-quociente W
$
designado por . Cada classe de equivalncia chamada um (ou ) e

~
W
$
vector livre deslizante
o referido conjunto quociente ser designado por . A classe (nica) a que pertence
~
W W
s
$ $
um segmento designada por [ ], dizendo-se que os segmentos pertencentes a [ ] EF EF EF

so os da classe. Para cada ponto do espao, existe um e um s representante representantes S
de cada classe aplicado em . Vamos, agora, ver que constitui um espao vectorial real se S W
s
$
definirmos as operaes do seguinte modo:
[A] A soma [ ] [ ] dos vectores livres [ ] e [ ] a classe (vector livre) a EF GH EF GH

que pertence a soma (pela regra do tringulo) de dois representantes de [ ] e [ ] EF GH

aplicados num mesmo ponto qualquer do espao tridimensional, isto , S
[ ] [ ] [ ] 1 27 EF GH ST

a b .
em que
ST SQ SR SQ EF SR GH

, com e .
Fig. 1 4 Adio vectorial em . . W
s
$
[P] Quanto multiplicao escalar, poremos, para qualquer , !
! !

[ ] [ ] 1 28 EF EF a b .
onde calculado de acordo com a regra do exemplo 1 9. !
EF .
Na prtica, em tudo se passa como se um vector livre fosse um segmento orientado que W
s
$
pode deslocar-se paralelamente a si prprio e estar, portanto, aplicado em qualquer ponto do
espao tridimensional (da a designao de deslizante). De modo semelhante se podem definir os
espaos vectoriais reais e dos vectores livres de um plano e de uma recta, W W
s s
# "
respectivamente.
Exemplo 1.11. O conjunto constitui um espao vectorial real pondo, I ! _
a b
para quaisquer e , B C !
[A] 1 29 B C BC a b .
[P] 1 30 !B B /
! !ln B
a b .
O deste espao e o de . vector nulo simtrico " B B "B
Exemplo 1.12. Seja uma famlia qualquer de espaos vectoriais sobre o mesmo corpo a b I
3
3M
e consideremos o produto cartesiano dos espaos I I I
#
3M
3 3
I I Bt a Bt I
$

a b
3M
3 3 3 3
3M
3M
Considerem-se, agora, as operaes definidas por:
[A] 1 31.1 a b a b a b a b Bt Ct Bt Ct
3 3
3M 3M 3M 3 3
.
[P] 1 ! ! a b a b a b Bt Bt
3 3
3M 3M
.31.2
Obtm-se, deste modo, um espao vectorial sobre , chamado dos . espao produto I
3
O de constitudo pelos vectores nulos dos e o pelos simtricos vector nulo simtrico I I
3
(nos ) de cada vector componente: I
3
9 9 t t a b a b
I
3M 3
1.32.1
Bt Bt a b a b a b
3 3
3M 3M
1 32.2 .
Particularmente, podemos fazer os todos iguais a um mesmo espao vectorial , a b I I
3
3M
obtendo-se ento o espao
I Bt a Bt I
M
3 3
3M
3M

a b
Exemplo 1.13. Se, no exemplo anterior, fizermos , para , obtm-se o M " # 8 8 ! e f
produto cartesiano
I I I I I Bt Bt Bt a Bt I
" # 8 3 " # 8 3 3
3"
8
"38
$

a b
As equaes 1 31.1 e 1 31.2 podem, neste caso, escrever-se, para quaisquer a b a b . .
a b a b Bt Bt Bt Ct Ct Ct I
" # 8 " # 8
e , na forma: !
[A] 1 a b a b a b a b Bt Bt Bt t t t Bt t Bt t Bt t
" # 8 " # 8 " # 8 " # 8
C C C C C C .33.1
[P] 1 33.2 ! ! ! ! a b a b a b Bt Bt Bt Bt Bt Bt
" # 8 " # 8
.
O de constitudo pelos vectores nulos dos e o pelos simtricos vector nulo simtrico I I
3
(nos ) de cada vector componente I
3
9 9 9 9 t t t t a b a b
I I I
" # 8
1.34.1
Bt Bt Bt Bt Bt Bt a b a b a b
" # 8 " # 8
1 34.2 .
Particularmente, podemos fazer os todos iguais a um mesmo espao vectorial , a b I I
3
"38
obtendo-se, ento, o espao
I Bt Bt Bt a Bt I
8
" # 8 3
"38

a b
Mais particularmente, se fizermos , teremos o espao cartesiano do exemplo 1 . I
8
.3
Exemplo 1.14. Seja um espao vectorial sobre um corpo e um a b I
w
subcorpo de . Se considerarmos a restrio do produto ao conjunto I
w
l I I I
w
I
w w
, facilmente se prova que constitui igualmente um a b
espao vectorial, mas agora sobre . Observe-se que este espao diferente do primeiro
w
(embora com os mesmos vectores). Adiante (ver exemplo 1 ) veremos que a dimenso do .56
novo espao , em geral, maior do que a do primeiro (pelo facto de existirem menos escalares).
Em linguagem prtica, enuncia-se por vezes esta propriedade dizendo que Se um espao I
vectorial sobre e subcorpo de , tambm espao vectorial sobre . O
w w
I vector nulo
e o so evidentemente os mesmos nos dois espaos (visto que o simtrico de cada vector de I
grupo comutativo o mesmo). a b I
Este exemplo significa, pois, que todo o espao vectorial automaticamente um complexo
espao vectorial e que este , por sua vez, um espao vectorial . real racional
Exemplo 1.15. Neste exemplo vamos ver que, a partir de um espao vectorial real, sempre
possvel construir um espao vectorial complexo. Seja, ento, um espao vectorial real e I
faamos O leitor pode, a ttulo de exerccio, verificar que I I Bt Ct Bt I Ct I
w #
a b
I 3
w
um espao vectorial complexo, para as operaes a seguir indicadas, onde (e, ! "
claro ) e : ! " Bt Ct Bt Ct I a b a b
w w w
[A] 1 35 a b a b a b a b Bt t Bt t Bt Bt t t C C C C
w w w w
.
[P] 1 36 a ba b a b a b ! " ! " " ! 3 C C C Bt t Bt t Bt t .
Note-se que tambm aqui se utilizaram as operaes pr-definidas no espao para definir I
as operaes de e que o de e o de . I I Bt Ct Bt Ct
w w
vector nulo simtrico a b a b a b 9 9 t t
Do acima exposto resulta, por exemplo, que espao vectorial complexo, com as
%
operaes:
[A] a b a b a b B B B B C C C C B C B C B C B C
" # $ % " # $ % " " # # $ $ % %
[P] a ba b a b ! " ! " ! " " ! " ! 3 B B B B B B B B B B B B
" # $ % " $ # % " $ # %
1 5 Combinaes lineares. Subespaos .
Definio 3. Combinao linear 1 . Seja um nmero inteiro, 7 !
B a b Bt Bt Bt
" # 7
uma sequncia de vectores de um espao vectorial sobre um corpo e 7 I t ! ! a b
3
"37
uma sequncia de escalares (ou seja, um vector do espao ). Chama-se 7
7
combinao
linear dos a uma soma (que resulta num vector de ) do tipo Bt
3
I
"
3"
7
3 3
! Bt a b 1 37.1 .
Se , pe-se, por definio: 7 !
"
3g
3 3
! Bt t 9 a b 1 37.2 .
Os exemplos seguintes ilustram o conceito de combinao linear:
Exemplo 1.16. Em , o vector 6 6 combinao linear dos vectores da sequncia
$
a b ""
B " # " # " # " a b a b a b a b 2 1 , visto que
a b a b a b a b "" # " # " $ # " # # " 6 6 2 1
Neste caso, esta a nica combinao linear dos vectores e 2 1 que a b a b a b " # " # " # "
resulta no vector 6 6 : de facto, a igualdade a b ""
a b a b a b a b "" B " # " C # " # D " 6 6 2 1
equivale ao sistema de equaes
Sec. 1.5] Combinaes lineares. Subespaos 15
B #C D '
#BC #D ""
B #C D '
o qual e tem apenas a soluo . determinado B # C $ D #
Exemplo 1.17. Em , o vector tambm combinao linear dos vectores da
$
a b # "" "!
lista , visto que ? # " # " ) ( " # " a b a b a b a b
a b a b a b a b
a b a b a b
# "" "! " # " # " " ) ( " " # "
" # " # # " ) ( # " # "
Observe que, neste caso, existem mesmo infinitas combinaes lineares dos vectores de que ?
resultam no vector , duas das quais se indicam em cima: de facto, tem-se, para a b # "" "!
qualquer , +
a b a ba b a b a ba b # "" "! $ #+ # " # + " ) ( % $+ " # "
Procedendo como anteriormente, a igualdade
a b a b a b a b # "" "! B # " # C " ) ( D " # "
equivale ao seguinte sistema de equaes lineares:
#B C D #
B )C #D ""
#B (C D "!
Este sistema e tem uma infinidade de solues que so ( real arbitrrio): indeterminado +
B $ #+ C + D % $+ + , onde
Exemplo 1.18. Em , o vector no combinao linear dos vectores da lista
$
a b # # "
@ # " # " ) ( " # " a b a b a b a b . Agora, a igualdade
a b a b a b a b # # " B # " # C " ) ( D " # "
equivalente ao sistema de equaes lineares
#B C D #
B )C #D #
#B (C D "
O sistema anterior no tem qualquer soluo (sistema dito ) no impossvel inconsistente ou
sendo, pois, possvel exprimir como combinao linear dos vectores de . a b # # " @
Exemplo 1.19. No espao vectorial real das funes de em e para qualquer ,
+
as funes e so combinao linear das funes da lista B B + B B + cos sin a b a b
a b cos sin , visto que
a b
a b
cos cos cos sin sin
sin sin cos cos sin
B + + B + B
B + + B + B
Estas combinaes lineares so nicas: por exemplo e em relao primeira, de
a B + ? B @ B
B
a b a b cos cos sin
resulta, com e , B ! B # 1
a b
? +
@ # + +
cos
cos sin 1
Exemplo 1.20. No espao dos polinmios de grau menor ou igual a , todo o P
8
a b 8
polinmio combinao linear dos polinmios da lista , visto : - " B B B P
8
# 8
a b a b
que
: B + B a b
"
5"
8
5
5
Observe-se que, para cada polinmio , a combinao linear anterior nica (mtodo dos :
coeficientes indeterminados).
Em muitos casos, restringindo o nmero de vectores de um espao vectorial sobre um I
corpo e usando as mesmas regras operatrias de , obtm-se ainda um espao vectorial sobre I
: o caso dos chamados de , cuja definio se apresenta a seguir: subespaos I
Definio 1.4. Subespao Sendo um espao vectorial sobre um corpo e um I J I
subconjunto de , diz-se que um vectorial de e escrevemos sse I J I J I subespao
[S1] no vazio, isto , . J J g
[S2] em relao adio vectorial, ou seja, J fechado
a J C J C J
Bt t C
a b Bt t Bt t
[S3] para a multiplicao escalar, isto , J fechado
a J J
!Bt
a b ! ! Bt Bt
fcil reconhecer que a conjuno de S2 e S3 equivalente a
[S4] fechado para as combinaes lineares, ou seja, J
a J C J J
! " BC t t
a b ! " ! Bt t Bt Ct "
Facilmente se mostra que estas condies so as necessrias e suficientes para que , munido J
da (S2 assegura que esta restrio uma restrio da adio vectorial em a I J
#
lei de
composio interna em restrio da multiplicao escalar em a J I J ) e da (S3 garante
que esta uma aplicao ), seja ainda um espao vectorial sobre . A relao entre em J
subespaos de uma relao de ordem lata parcial ( , e ver I reflexiva anti-simtrica transitiva
apndice A, definio A.6).
Observe-se que S3 implica, com , que fechado em relao , ou ! " J simetrizao
seja, . Os fechos de em relao e levam ao fecho Bt Bt J J J simetrizao adio
de em relao vectorial definida por 1 1 . Isto implica ento, por S1, que J subtraco a b .
existe pelo menos um vector e portanto : logo, todo o subespao Bt Bt Bt t J J J I 9
contm, portanto, o (que tambm o de ). Isto mostra que a vector nulo vector nulo de I J
condio S1 poder ser substituda por:
[S0] . 9t J
O conjunto singular formado apenas pelo vector nulo , como facilmente se reconhece, e f 9t
um subespao de e constitui, obviamente, o subespao de possvel I I menor mnimo (o no
sentido da relao de ordem ) (o no sentido da referida , sendo o o prprio maior mximo I
relao ) . e so chamados os de , dizendo-se os restantes e f 9t I I subespaos triviais no
triviais prprios ou .
S2 e S3 significam igualmente que, se subespao de , conter qualquer combinao J I J
linear de vectores seus, isto , se for uma lista de vectores de (eventualmente a b Bt J
3
"37
vazia), ento, para quaisquer escalares , a b !
3
"37
"
3"
7
3 3
! Bt J a b 1.38
Nas proposies seguintes, d-se conta do comportamento dos subespaos em relao s
operaes com conjuntos.
Proposio 1.4. Interseco de subespaos Seja um espao vectorial sobre um corpo I
e uma famlia qualquer (eventualmente infinita) de subespaos de . Ento o a b J I
3
3M
conjunto ainda um subespao de . J J I
+
3M
3
Demonstrao:
Basta provar que S1, S2 e S3 se verificam em relao a . J
S1: Como os so subespaos de tem-se para todo o e portanto J I J 3 M J
3 3
9 9 t t
Ento no vazio. J
S2: Sejam e vectores de . Ento, para todo o . Como os so Bt Ct J Bt Ct J 3 M J
3 3
subespaos, , para todo o e portanto . Bt Ct J 3 M Bt Ct J
3
S3: Seja um vector de e um escalar de . Ento , para todo o . Sendo os Bt J Bt J 3 M !
3
J Bt J 3 M Bt J
3 3
subespaos, ter-se- para todo o e, em consequncia, , o que termina a ! !
demonstrao.
Corolrio 1.4.1. Se e so subespaos de um espao vectorial , ento J K I J K
tambm um subespao de . I
Proposio 1.5. Reunio de subespaos Seja um espao vectorial sobre um corpo I
e e subespaos de . Ento, um subespao de sse . J K I J K I J K K J
Demonstrao:
Como e , ser, evidentemente, um J K J K K K J J K J J K
subespao caso se d uma daquelas incluses. Vejamos, agora, a recproca que equivalente a
J K J K K J ?t J K @t subespao : seja um vector de que no pertena a e um
vector qualquer de . Ambos pertencem a e, sendo este um subespao, o mesmo K J K
suceder com . Sendo assim, tem-se . Mas a hiptese ?t @t ?t @t J ?t @t K ?t @t K
absurda, visto que ento, como subespao, ter-se-ia , o que contraria a K ?t @t @t ?t K a b
nossa escolha inicial de . Portanto, ter de ser , o que, sendo um subespao, ?t ?t @t J J
implica . Isto mostra que , provando deste modo a proposio. a b ?t @t ?t @t J K J
Proposio 1.6. Subtraco de subespaos Seja um espao vectorial sobre um corpo I
e e subespaos de . Ento, no um subespao de . J K I J K I
Demonstrao:
Basta notar que no contm o vector nulo. J K
De seguida, apresentam-se vrios exemplos de subespaos vectoriais dalguns dos espaos
anteriormente apresentados:
Exemplo 1.21. Seja um vector arbitrrio do espao cartesiano . Os + + + + t a b
" # 8
8
subconjuntos de definidos por J

+
8
t

J B B B + B !
+ " # 8 4 4
4"
8
t

a b
"
constituem subespaos de que coincidem com , se . Se , estes subespaos so,
8 8
+ + t t t t 9 9
por vezes, chamados de . Por exemplo, no caso de (e interpretando hiperplanos
8 #
geometricamente) e com , os conjuntos sero passando pela origem; Em e de + J t t 9
+
$
t
rectas
novo com , sero passando pela origem. +t t 9 planos
Exemplo 1.22. De acordo com a proposio 1.4, para qualquer sequncia de a b + + + t t t
" # 7
7 vectores de , o conjunto
8
J J
,
3"
7
+t3
a b 1.39
onde os so espaos do tipo construdo no exemplo anterior, constituir igualmente a b J
+
"37
t3
um subespao de . Sendo os da forma , os vectores
8
3 3 3" 3# 38
+ + + + + t t a b
a b B B B J
" # 8
satisfaro o sistema de equaes lineares homogneas seguinte
+ B + B + B !
+ B + B + B !

+ B + B + B !
"" " "# # "8 8
#" " ## # #8 8
7" " 7# # 78 8
Se algum dos vectores for nulo, o subespao correspondente pode ser eliminado da + J t
3 +t3
expresso 1 39 , visto que elemento neutro na interseco (portanto, naquela a b . J
+
8
t3

expresso podem figurar s os de ). hiperplanos
8
Como casos particulares, aponte-se, por exemplo em , a interseco de dois ( e
$
7 #
8 $) planos no coincidentes passando pela origem, que produz uma passando tambm recta
pela origem. Portanto, as so subespaos vectoriais de . rectas passando pela origem
$
Exemplo 1.23. Sendo Bt I um vector qualquer de um espao vectorial sobre um corpo , o
conjunto
! B C b C B t t t t

!
dos mltiplos escalares de um subespao de , como facilmente se reconhece. Se , Bt I t t B 9
este subespao , por vezes, designado por de ; se , fica como bvio recta I t t t t B B 9 9 e f.
Exemplo 1.24. Seja uma famlia qualquer de espaos vectoriais sobre o mesmo corpo a b I
3
3M
. O subconjunto de formado pelas famlias de vectores dos , com para
#
a b
3M
3 3 3 3 3
3M
I Bt I Bt I
todo o , e tais que , para no complementar de uma parte finita de , constitui 3 M Bt 3 N M
3 I
9t
3
tambm um subespao de chamado dos e designado por
#
3M
3 3
I I soma directa externa
9 # 9 #
3M 3M 3M 3M
3 3 3 3 3
I I M I I I . claro que, se , tem-se . Se, em particular, os forem finito
todos iguais a um mesmo espao vectorial , a soma directa externa designa-se por I I
a b M
(coincidente com , se for ): trata-se, portanto, do conjunto das famlias de I M Bt
M
3
3M
finito a b
vectores de tais que no complementar de uma parte finita do conjunto de I Bt M N N M
3
9t
ndices:
:

a b a b

a b a b
3M
3 3 3 3 3 I
3M
3M NM
N
3MN
M
3 3 3
3M
3M NM
N
3MN
I Bt a Bt I b a Bt
I Bt a Bt I b a Bt
finito
finito
9
9
t
t
3
a b
Exemplo 1.25. O espao do exemplo
a b
! !
1.5 subespao do espao do exemplo 1.4.
Exemplo 1.26. Consideremos os espaos e das sucesses complexas (ou reais) e,

nestes, os subconjuntos e , obviamente no vazios, formados pelas B B a b a b sucesses
limitadas
B
B
a b a b k k

a b a b k k

D b a D <
B b a B <
8 8
< 8
8 8
< 8

Como se sabe, a soma de sucesses limitadas ainda uma sucesso limitada e o produto de
um complexo (respectivamente, de um real) por uma sucesso complexa (respectivamente, real)
limitada tambm o ; portanto, estamos de novo em presena de um subespao de
(respectivamente, de ).
Exemplo 1.27. Consideremos o espao das sucesses complexas (ou o espao das

sucesses reais) e nestes os subconjuntos no vazios e formados pelas a b a b
sucesses convergentes

a b a b

a b a b

D b D P
B b B P
8 8
P 8_
8 8
P 8_
lim
lim
Como se sabe, a soma de sucesses convergentes ainda uma sucesso convergente e o
produto de um complexo (ou de um real) por uma sucesso complexa (ou real) convergente
tambm o ; portanto, estamos em presena de um subespao de (ou de ). Mais ainda,

como toda a sucesso convergente limitada, e so subespaos de e a b a b a b B
de , respectivamente. Ba b
Exemplo 1.28. Os conjuntos e das sucesses complexas ou reais
! !
a b a b
convergentes para ( ) so subespaos dos espaos e do exemplo ! infinitsimos a b a b
anterior

! 8 8
8_
! 8 8
8_
a b a b
a b a b
D D !
B B !
lim
lim
Como se sabe, a sucesso nula um infinitsimo, a soma de infinitsimos ainda um
infinitsimo e o produto de um nmero complexo (respectivamente, um nmero real) por um
infinitsimo tambm o ; portanto, trata-se de subespaos de e , a b a b
respectivamente. Tem-se, afinal,

!
!
a b a b a b
a b a b a b

B
B
Exemplo 1.29. Consideremos o espao (ou ) das sucesses complexas

(respectivamente, reais) e neste o subconjunto no vazio (respectivamente, ) formado pelas 6 6

# #
sucesses tais que a srie de termo geral convergente: a b k k ? ?
8 8
#
6 D b D P
6 B b B P
#
8 8
P
8"
_
#
# #
8
P
8"
_
8

a b k k
"

a b
"
No difcil mostrar que estamos, de novo, em presena de subespaos de e ,

respectivamente, e que so ainda subespaos dos espaos respectivos do exemplo anterior (para
o fecho em relao adio, observe que, para quaisquer sucesses e complexas ou a b a b D A
8 8
reais, se tem: ). Estes espaos chamam-se de k k k k k k D A # D # A
8 8 8 8
# # #
espaos de Hilbert
a b 6
sucesses.
6
Hilbert, David espao de : matemtico alemo (Knigsberg 1862 Gttingen 1943). Mais geralmente, um
Hilbert completo um espao vectorial real ou complexo com produto interno e em relao norma definida
por este (ver captulo 6).
Exemplo 1.30. No espao vectorial complexo (respectivamente, real) (respectivamente,
M

M
) das funes escalares complexas (respectivamente, reais) definidas num intervalo , M
considere-se o conjunto (respectivamente, ) das funes em C C a b a b M M M contnuas
C
C
a b a b a b

a b a b a b

M 0 a 0 B 0 +
M 0 a 0 B 0 +

M
+M B+
M
+M B+
lim
lim
Como sabido, a soma de funes contnuas no intervalo uma funo contnua nesse M
intervalo, o mesmo se passando com o produto de um escalar por uma funo contnua.
Tambm se utilizam as notaes e . Em face do acima exposto, podemos C C
! !
a b a b M M
afirmar que e so subespaos de e , respectivamente. C C a b a b M M
M M
Exemplo 1.31. No espao vectorial complexo (respectivamente, real) (respectivamente,
M

M
) das funes escalares complexas (respectivamente, reais) definidas num intervalo , M
considere-se o conjunto (respectivamente, ) das funes em B B a b a b M M M limitadas
B
B
a b k k

a b
a b k k

a b
M 0 b a 0 B P
M 0 b a 0 B P

M
P BM
M
P BM
Sabe-se que a soma de funes limitadas em tambm limitada e que o mesmo sucede com M
o produto de um escalar (real ou complexo) por uma funo limitada: est-se, pois, mais uma
vez na presena de um subespao de ou de , conforme o caso.
M M
Exemplo 1.32. Seja um intervalo aberto e e os conjuntos das M M M D D a b a b
funes de em ou de em em . Tambm aqui estamos na presena de M M M diferenciveis
subespaos de ou de :
M M
D
D
a b

a b a b
a b

a b a b
M 0 a
0 B 0 +
B +
M 0 a
0 B 0 +
B +

M
+M B+
M
+M B+
lim
lim
Exemplo 1.33. Seja um intervalo aberto, um inteiro e e os M 5 ! M M C C
5 5
a b a b
conjuntos das funes de em ou de em em e com derivada M M 5 M 0 vezes diferenciveis
a b 5
de ordem em (entende-se por derivada de ordem a prpria funo, isto 5 M ! contnua
C C C C C .
! ! 5
a b a b a b a b M M M M M e ). Estas funes dizem-se de em classe
Tambm aqui estamos na presena de subespaos de e de :
M M
C C
C C
5
5
a b a b

a b a b

M 0 0 M
M 0 0 M

M 5
M 5
a b
a b
Tem-se, neste caso (ver figura ), 1.5
5 5 ! M M M
w
C C C
5 5 !
a b a b a b
w
Exemplo 1.34. Seja um intervalo aberto e e os conjuntos das M M M C C
_ _
a b a b
funes de em ou de em em (funes de em M M M infinitamente diferenciveis classe C
_
M). Pela proposio ambm aqui estamos na presena de subespaos de e de , que 1.4, t
M M
so a interseco dos espaos do exemplo anterior:
C C
C C
_ 5
_ 5
a b a b

,
a b a b

,
M 0 a 0 M
M 0 a 0 M

M 5
5
5
M 5
5
5
!
!
!
!
a b
a b
existe
existe
C
C
0
(I, )
C
1
(I, )
(I, )
. . .
. . .
I
R
R
R
R
:
D(I, ) R
Fig. 1.5 Os espaos de funes reais de classe e de classe . C C
5 _
Exemplo 1.35. Os espaos dos polinmios de grau menor ou igual a um certo P
8
a b 8 !
(Exemplo .7) so subespaos uns dos outros: tem-se, de facto, , se 1 P P P
7 8
a b a b a b
! 7 8. A figura seguinte ilustra a situao:
P
P
0
P
1
) K (
) K (
) K (
P ) K (
. . .
2
Fig. 1.6 Os espaos de polinmios de coeficientes num corpo .
Exemplo 1.36. No espao dos segmentos orientados aplicados num ponto do espao W S
$
tridimensional, o conjunto dos segmentos orientados aplicados em e existentes sobre um T S
qualquer passando por constitui, como facilmente se verifica, um subespao de . O plano S W
$
mesmo se pode dizer do conjunto dos segmentos orientados aplicados em e existentes V S
sobre uma que contenha . recta S
Vamos, agora, provar que o conjunto de todas as combinaes lineares de uma lista de
vectores de um espao vectorial constituem sempre um de e que este o I I subespao menor
subespao de que contm simultaneamente todos os vectores da lista: I
Proposio 1.7. Seja um espao vectorial sobre um corpo e uma I B Bt Bt Bt a b
" # 7
lista de vectores de . O conjunto de todas as combinaes lineares possveis dos 7 ! I E
vectores de um de , contendo todos os vectores de e que est contido em B I B subespao
qualquer subespao de que contenha igualmente os vectores de : , portanto, o I B menor
subespao de contendo os vectores de . I B
Demonstrao:
Se , tem-se . Neste caso, por ser , tem-se , que satisfaz 7 ! B g Bt E
!
e f
3g
3 3
! 9 9 t t
todas as condies do enunciado. Passemos, ento, ao caso : a lista ser 7 ! B
B Bt Bt Bt a b
" # 7
bvio que , visto que . Por outro lado, fechado para a adio, pois E g !Bt E E 9t
!
3"
7
3
que , e igualmente fechado para a multiplicao escalar,
! ! !
a b
3" 3" 3"
7 7 7
3 3 3 3 3 3 3
! " ! " Bt Bt Bt
visto que . Isto significa que subespao de . O subespao " ! "!
! !
a b
3" 3"
7 7
3 3 3 3
Bt Bt E I E
contm, obviamente, todos os j que . Por ltimo, se um subespao de Bt Bt Bt J I
3 3 34 4
4"
7
!
$
a b 7
contendo os , ento, por 1.38 , conter todas as combinaes lineares dos , o que Bt J Bt
3 3
a b
significa que , terminando assim demonstrao. E J
O subespao representa, assim, o subespao de contendo todos os vectores E I menor
Bt Bt Bt
" # 7
I ou ainda a de todos os subespaos de contendo aqueles vectores. interseco
Isto leva-nos a pr a seguinte
Definio 1.5. Subespao gerado por uma lista de vectores Seja um espao I
vectorial sobre um corpo e uma lista de vectores de . O B 7 ! I a b Bt Bt Bt
" # 7
subespao de formado por todas as combinaes lineares dos vectores de chamado E I B
7
$
34
o smbolo de Kronecker, definido por
se
se
$
34

" 3 4
! 3 4
: matemtico alemo (Liegnitz 1823 Berlim 1891). Kronecker, Leopold

subespao gerado envolvente linear por ou de e designa-se por , ou B B P B P

a b a b Bt
3
"37
por ou ainda, quando se subentende o corpo, , ou por P P B P
a b a b a b Bt Bt Bt Bt
" # 7 3
"37
P a b Bt Bt Bt
" # 7
a b 8
:
a b ab e f
a b

!
P g P 7 !
P C I b C 7 !
9t
Bt Bt Bt t t Bt
, se
, se
" # 7 3 3
3"
7
a b !
3
7
!
a b 1 40 .
Da definio anterior e da proposio 1.7 resultam, para qualquer subespao de J I
contendo os vectores , as relaes: a b Bt
3
"37
a Bt P Bt Bt Bt
P Bt Bt Bt J
"37
3 " # 7
" # 7
a b
a b
a b 1 41 .
Pode facilmente ser verificado que , afinal, a soma (no sentido da P a b Bt Bt Bt
" # 7
definio 1.12) dos subespaos , mencionados no exemplo 1.23 (os so de , se Bt Bt
3 3
rectas I
Bt t
3
9):
P Bt Bt Bt a b a b
"
" # 7 3
3"
7
Bt a b 1 42 .
Quando o prprio espao vectorial , diz-se que uma sequncia ou lista P B I B a b geradora
(de ) ou ainda que constitui um : I B I sistema de geradores de
Definio 1.6. Sistema de geradores Seja um espao vectorial sobre um corpo e I B
uma lista de vectores de . Se , diremos que uma lista (de ) 7 ! I P B I B I a b geradora
ou um de . sistema de geradores I
B I P B I um sistema de (vectores) geradores de a b a b 1.43
A definio anterior equivale, obviamente, a dizer que todo o vector combinao Ct I
linear dos vectores : a b Bt
3
3M
B I a Ct I b Ct Bt um sistema de geradores de 1.44
Ct
3M
3 3

"
a b
a b !
3
7
!
Caso exista alguma lista geradora de (necessariamente de comprimento ), diremos I 7 finito
que o espao vectorial do ). I tipo finito dimenso finita ou de A seguir, formaliza-se esta
definio:
Definio 1.7. Espao de dimenso finita Seja um espao vectorial sobre um corpo I
. Diz-se que o espao do (ou de ) sse existe alguma sequncia I tipo finito dimenso finita
B I I a b Bt Bt Bt
" # 7
de vectores de geradora de .
8
Tambm se utilizam as notaes e . B Bt Bt Bt
" # 7
Os espaos que no so gerados por qualquer lista de vectores seus dizem- a b Bt Bt Bt
" # 7
se de . dimenso infinita
Exemplo 1.37. As sequncias , , , etc geram, todas elas, o espao trivial . g a b a b e f 9 9 9 9 t t t t
Exemplo 1.38. A lista de vectores de 8
8
- " ! ! ! " ! ! ! " a b a b a b a b
gera , visto que todo o vector combinao linear dos vectores de :
8 8
" # 8
a b B B B -
a b a b a b a b B B B B " ! ! B ! " ! B ! ! "
" # 8 " # 8
Exemplo 1.39. No espao dos polinmios de grau menor ou igual a e coeficientes P
8
a b 8
em , a sequncia de polinmios 8 "
- " B B B

# 8
gera , pois tem-se, para qualquer polinmio : P P
8 8
a b a b :
: B + B a b
"
5"
8
5
5
Exemplo 1.40. O espao de todos os polinmios de coeficientes em no gerado Pa b
por qualquer lista de polinmios seus, visto que, se a lista for vazia, gera apenas o polinmio
nulo e, se no o for, no pode, obviamente, gerar os polinmios cujo grau seja superior ao
mximo dos graus dos polinmios presentes na lista. Isto significa que tem dimenso Pa b
infinita.
Exemplo 1.41. A lista no geradora de , visto que ? " " " # " " $ ! # a b a b a b a b
$
P ? B C D B C D + " " " , # " " - $ ! # + , -
B C D B C D + #, $- + , + , #-
B C D #B C $D !
a b e f a b a b a b a b a b
e f a b a b a b
e f a b

$
Geometricamente, representa um plano passando pela origem. P ? a b
Exemplo 1.42. Para qualquer , a sequncia de 7 ? ? ? ?
7 "8 #8 78
a b a b a b a b
sucesses de escalares de um corpo definidas a seguir no pode gerar , visto que a b ?
58

nenhuma sucesso com algum termo no nulo e de ordem superior a pode ser combinao 7
linear das sucesses : a b ?
58
"57
8
a b
a b
a b
?
?
?
"8
#8
78
a b
a b
a b
" ! !
! " !
! ! "
Adiante veremos que o espao tem tambm dimenso infinita.
Exemplo 1.43. No espao vectorial real das funes de em , as funes

B B " B #B 8B a b a b a b a b cos cos cos cos
8
pertencem ao subespao de gerado por . Isto

resulta da frmula de e do binmio de , que permitem concluir que (ver Euler Newton
a b a b 9 10
igualdades C.57 e C.58 no apndice C):
a b a b
!
a b a b
!
a b
cos cos
cos cos
B # : 5 B
B # : 5 " B
#: " "
# : # 5
#: #:
5!
:"
#:" "
# 5
5!
:"
#:"
#: #:"
#:#

Exemplo 1.44. Se for um espao vectorial sobre um corpo e se for subcorpo de I
w
, uma lista B a b a b Bt Bt Bt I P B
" # 7
de vectores de gera dois subespaos: o subespao ,
para combinaes lineares com escalares no corpo

P B ?t ? Bt ? I
a b

"
3"
7
3 3 3

e o subespao P B
w a b, quando os escalares nas combinaes lineares esto em

w
P B ?t ? Bt ? I
w a b

"
3"
7
3 3 3

w
Se , estes dois subespaos de no so iguais, tendo-se obviamente
w
I
P B P B

w a b a b
ainda evidente que espao sobre P B
w a b
w
, mas no sobre , visto que no fechado
para o produto por escalar (de ). Quanto a (e tambm P B
a b, ser espao vectorial sobre

sobre ).
w
1 6 Independncia linear e bases. Dimenso .
Na presente seco, vamos definir a importante noo de , bem como as independncia linear
noes de e de um espao vectorial. Comecemos pela primeira: base dimenso
Definio 1.8. Dependncia/independncia linear Seja um espao vectorial sobre I
um corpo , e uma sequncia de vectores de . Diz-se que 7 B Bt I B a b
3
"37
linearmente dependente (sobre ) s se existe um vector tal que ! ! t a b e f
3
"37
7
9t
!
3"
7
3 3
! Bt 9t:
B Bt b t Bt a b

"
3 3 3
"37
t
3"
7
linearmente dependente
!
7
! ! 9 9 t t a b 1.45
9
: matemtico suo (Ble 1707 So Petersburgo 1783). Euler, Leonhard
10
: fsico, matemtico e astrnomo ingls (Woolsthorpe 1642 Kensington 1727). Newton, Sir Isaac
Sec. 1.6] Independncia linear e bases. Dimenso 27
Se a lista de vectores no for linearmente dependente, diremos que B linearmente
independente (sobre ) . Tem-se, portanto:
B Bt a Bt t a b

"
3 3 3
"37
t
3"
7
linearmente independente
!
7
! ! 9 9 t t a b 1.46
Por definio, diremos que a lista vazia linearmente independente g .
Observaes:
Observe-se aqui que a dependncia linear de uma lista de vectores depende do corpo de
escalares que se considere:
Se espao vectorial sobre e se subcorpo de , uma lista de I B Bt
w
3
"37
a b
7 I B vectores de , pode ser linearmente sobre e linearmente sobre dependente independente
w
. O que se pode afirmar, com generalidade,

w w
B B linearmente dependente sobre linearmente dependente sobre .
e isto equivale a

w w
B B linearmente independente sobre linearmente independente sobre .
Por exemplo, a lista de vectores de linearmente B Bt Bt " 3 3 " 3 " a b a b a b a b
" #
#
dependente sobre (observe que ), mas linearmente independente sobre , pois se Bt 3Bt
" #
+ , ,
+ " 3 3 , " 3 " ! ! + , 3 + , , 3+ ! ! + , ! a b a b a b a b a b a b a b
no entanto, qualquer lista -dependente tambm -dependente e toda a lista -independente
ser igualmente -independente.
: Consideremos uma lista linearmente independente de vectores de
8
B B B B B B B B B B a b a b a b a b
"" #" 8" "# ## 8# ": #: 8:
Nestas condies, quaisquer que sejam os escalares , a lista de B B B B :
8"" 8"# 8":
w
vectores de obtida de juntando cada um destes escalares aos seus vectores
8"
B
B B B B B B B B B B B B B
w
"" #" 8" 8"" "# ## 8# 8"# ": #: 8: 8":
a b a b a b a b
ainda linearmente independente, o que resulta de ser equivalente a
! !
5" 5"
: :
5 5 5
w
5
! ! Bt 9t Bt 9t
e .
!
5"
:
5 8"5
! B !
Se uma sequncia de vectores linearmente independente, todo o vector de B P B a b
combinao linear dos vectores de e esta combinao linear , o que se prova na B nica
seguinte
Proposio 1.8. Unicidade da combinao linear Seja um espao vectorial sobre um I
corpo e uma lista de vectores de . A sequncia linearmente B Bt 7 I B a b
3
"37
independente sse, para cada , existe um e um s tal que Ct P B t a b a b ! ! ! !
" # 7
7
Ct Bt
"
3"
7
3 3
!
Observe-se que, se , ento Ct t ! ! ! 9 9 t t ! a b
Demonstrao:
Suponhamos que um vector de tal que Ct P B a b
Ct Bt Bt
" "
3" 3"
7 7
3 3 3 3
! "
daqui se segue que
"
a b
3"
7
3 3 3
! " Bt 9t
Sendo a lista linearmente independente, a igualdade anterior implica , o a b Bt !
3 3 3
"37
! "
que equivale a , para todo o , sendo portanto nica a combinao linear ! "
3 3
3 " # 7 e f
que exprime nos . Reciprocamente, se for linearmente dependente, existir Ct Bt B
t
3 3
" " a b 9t
tal que
"
3"
7
3 3
" Bt 9t
ento, se , existir tal que Ct P B t a b a b ! ! ! !
" # 7
7
Ct Bt Bt Bt Bt Bt
" " " " "
a b
3" 3" 3" 3" 3"
7 7 7 7 7
3 3 3 3 3 3 3 3 3 3 3
! ! ! " ! " 9t
Basta, agora, observar que os escalares no so todos iguais aos respectivos, visto ! " !
3 3 3
que . Portanto, exprime-se de duas formas diferentes como combinao linear " "
t
Ct a b
3
9t
dos , nomeadamente, e . Bt Bt Bt
3 3 3 3 3 3
3" 3"
7 7
! !
a b ! ! "
A proposio anterior garante, portanto, que se for uma lista B Bt a b
3
"37
linearmente
independente quando muito de uma forma de vectores de , todo o vector se exprime I Ct I
como combinao linear dos (de uma e uma s forma quando e de nenhuma, Bt Ct P B
3
a b
quando ). Para garantir que todo o vector de se possa exprimir nos ser Ct P B I Bt a b
3
necessrio que e, portanto, que seja tambm geradora . Isto leva-nos P B I B I a b
importante noo de : Base
Definio 1.9. Base de um espao de dimenso finita Seja um espao vectorial I
sobre um corpo e uma lista de vectores de . Diremos que uma de B 8 I B a b Bt
3
"38
base
I B I B sse gera e linearmente independente:
B I P B I B uma de linearmente independente base a b a b 1.47
Em virtude da proposio 1.8, se uma base de , todo o vector de se B I I a b Bt Ct
3
"38
exprime de forma como combinao linear dos vectores de . Os uma e uma s
!
3"
8
3 3
! Bt B
escalares nicos envolvidos em tal combinao linear so chamados as !
3
coordenadas
(contravariantes) de Ct B em relao base vector e o vector o ! ! ! ! t a b
" # 8
8
das coordenadas representao de ou a de , relativa base . Ct Ct B
De seguida, vamos enunciar e provar um certo nmero de proposies envolvendo os
conceitos de , e . Uma delas permitir-nos- definir subespao gerado independncia linear base
rigorosamente a noo de de um espao vectorial, como sendo o nmero de vectores dimenso
de uma qualquer base desse espao. Outras trs de entre elas (as ) sero operaes elementares
essenciais para fundamentar o Algoritmo de Condensao, de grande utilidade em vrios temas
da lgebra Linear.
Proposio 1.9. Uma sequncia de vectores de um espao vectorial B Bt Bt Bt I a b
" # 7
sobre um corpo linearmente dependente sse existir nela um vector que seja combinao Bt
5
linear dos : restantes
a b
"
Bt Bt Bt b Bt Bt
" # 7 5 3 3
35
"57
3
!
! a b 1.48
Demonstrao:
A condio suficiente, pois
b Bt Bt b Bt Bt
"57 "57
3 3
! !

5 3 3 3 3 5
35 35
" "
! ! 9t
mas esta ltima igualdade mostra o anulamento de uma combinao linear dos vectores de , na B
qual , o que implica a dependncia linear de . Reciprocamente, de for !
5
" ! B B
linearmente dependente, existe tal que !
5
!
" "
3"
7
3 3 3 3 5 5
35
! ! ! Bt Bt Bt 9t
daqui se segue facilmente que
Bt Bt
5 3
35
3
5
"
!
!

Os seguintes corolrios da proposio anterior so bvios:
Corolrio 1.9.1. Uma sequncia formada por um s vector linearmente dependente a b Bt
"
sse : Bt
"
9t
a b a b Bt Bt
" "
linearmente dependente 9t 1.48.1
Corolrio 1.9.2. Uma sequncia formada por dois vectores linearmente a b Bt Bt
" #
dependente sse um desses vectores for mltiplo escalar do outro, isto :
a b a b Bt Bt b Bt Bt b Bt Bt
" # " # # "

! "
! " 1.48.2
Corolrio 1.9.3. Se algum vector numa sequncia for nulo, a sequncia linearmente
dependente.
Corolrio 1.9.4. Se, numa sequncia, existirem dois vectores iguais, a sequncia
linearmente dependente.
Corolrio 1.9.5. Se, numa sequncia, um dos vectores for mltiplo escalar de outro, a
sequncia linearmente dependente.
Corolrio 1.9.6. Se, numa sequncia, existir uma subsequncia linearmente dependente,
ento a sequncia ser linearmente dependente.
Corolrio 1.9.7. Toda a subsequncia de uma sequncia linearmente independente ser,
tambm, linearmente independente.
Proposio 1.10. Uma sequncia de vectores de um espao vectorial B Bt Bt Bt a b
" # 7
I Bt sobre um corpo linearmente dependente sse existir nela um vector que seja
5
combinao linear dos : anteriores
a b a b
"
Bt Bt Bt b Bt Bt
" # 7 5 3 3
35
"57
3
!
! 1.49
Demonstrao:
A condio obviamente suficiente, se atendermos a que Bt Bt Bt !Bt
5 3 3 3 3 3
35 35 35
! ! !
! !
e proposio 1.9 anterior. Reciprocamente, sendo linearmente dependente, existe pelo menos B
um tal que e . Portanto, o conjunto 5 " # 7 ! Bt e f
!
! !
5 3 3
3"
7
9t
E 3 ! " # 7 e f e f !
3
finito e no vazio e, portanto, tem um mximo . Devido definio de , tem-se 5 E 5 max
! !
3 5
! 3 5 ! para e . Ento fica simplesmente
"
35
3 3 5 5
! ! Bt Bt 9t
donde se conclui
Bt Bt
5 3
35
3
5
"
!
!
Observe-se que, se , fica e , donde : mesmo assim, poderemos 5 " Bt ! Bt ! !
" " " "
9 9 t t
dizer que combinao linear (vazia) dos vectores anteriores. Bt
"

A proposio anterior equivalente a dizer que uma sequncia a b Bt Bt Bt
" # 7
linearmente independente sse nenhum dos seus vectores for combinao linear dos anteriores
(isto , e nenhum dos , com , combinao linear dos anteriores). Bt Bt 5 "
" 5
9t
Exemplo 1.45. A sequncia de a b a b a b a b a b ! ! ! $ ! ! " " ! " % ! # ! " $
vectores de linearmente independente, visto que nenhum dos seus vectores combinao
%
linear dos anteriores (isto suceder igualmente com qualquer lista de vectores de 7 no nulos
8
, cujas primeiras componentes se anulem, mas diminuindo sempre o nmero de 's nessas !
primeiras componentes de cada vector para o seguinte da lista).
Proposio 1.11. Uma sequncia de vectores de um espao vectorial B Bt Bt Bt a b
" # 7
I Bt sobre um corpo linearmente dependente sse existir nela um vector que seja
5
combinao linear dos : seguintes
a b a b
"
Bt Bt Bt b Bt Bt
" # 7 5 3 3
35
"57
3
!
! 1.50
Demonstrao:
A condio obviamente suficiente, se atendermos a que Bt Bt !Bt Bt
5 3 3 3 3 3
35 35 35
! ! !
! !
e proposio 1.9. Reciprocamente, sendo linearmente dependente, existe pelo menos um B
5 " # 7 Bt e f
!
tal que 0 e . Portanto, o conjunto ! !
5 3 3
3"
7
9t
E 3 ! " # 7 e f e f !
3
finito e no vazio e, portanto, tem um mnimo . Devido definio de , tem-se 5 E 5 min
! !
3 5
! 3 5 ! para e . Ento fica simplesmente
! !
5 5 3 3
35
Bt Bt
"
9t
donde se conclui
Bt Bt
5 3
35
3
5
"
!
!
Observe-se que, se , fica e , donde : mesmo assim, poderemos 5 7 Bt ! Bt ! !
7 7 7 7
9 9 t t
dizer que combinao linear (vazia) dos vectores seguintes. Bt
7

A proposio anterior equivalente a dizer que uma sequncia a b Bt Bt Bt
" # 7
linearmente independente sse nenhum dos seus vectores for combinao linear dos seguintes
(isto , e nenhum dos , com , combinao linear dos vectores seguintes). Bt Bt 5 7
7 5
9t
Exemplo 1.46. A sequncia de vectores de a b a b a b a b # ! " $ ! ! % ! ! ! ! "
%
linearmente independente, visto que nenhum dos seus vectores combinao linear dos
seguintes. Isto suceder igualmente com qualquer lista de vectores no nulos de , 7 8
8
cujas primeiras componentes se anulem, mas aumentando sempre o nmero de 's dessas !
primeiras componentes de cada vector para o seguinte da lista: tais listas dizem-se ; escalonadas
segue-se a definio:
Definio 1.10. Lista escalonada em
8
Consideremos uma lista
B Bt Bt Bt a b
" # 7
com
a b
a b
a b
Bt B B B
Bt B B B
Bt B B B
" "" "# "8
# #" ## #8
7 7" 7# 78
de vectores de . Diremos que a lista est na forma sse se der uma das 7 ! B
8
escalonada
condies seguintes:
i) Bt Bt Bt
" # 7
9t
ii Existe um , com , tal que < " < 7
3 < Bt
3 < Bt
3
3
9
9
t
t
e, alm disso, a sequncia , definida para , por 5 3 " # <
3
e f
5 4 B !
3 34
mine f
estritamente crescente, isto ,
" 5 5 5 8
" # <
Portanto, a lista do exemplo anterior escalonada e so-no tambm, por exemplo, as listas
a b a b a b a b
a b a b a b a b a b
a b a b a b
! ! " $ ! ! ! # ! ! ! !
! $ " $ & ! ! % ! # ! ! ! " " ! ! ! ! "
" #3 ! " #3 ! # 3 ! #
, em
, em
%
&
3 ! ! ! $ #3 ! ! ! ! ! ! ! ! a b a b a b , em
%
Da proposio 1.11, resulta imediatamente o seguinte
Corolrio 1.11.1. Toda a lista de vectores de linearmente escalonada no nulos
8
independente.
Demonstrao:
Nas condies do enunciado, nenhum dos vectores da lista pode ser combinao linear dos
seguintes e, portanto, a lista linearmente independente.
Proposio 1.12. Seja uma lista linearmente independente de B Bt Bt Bt 7
7 " # 7
a b
vectores de um espao vectorial sobre um corpo e um vector de I Bt I P B
7" 7
a b
(portanto, no geradora de , caso contrrio, no existiria um tal vector ). Nestas B I Bt
7 7"
condies, a lista de vectores ainda linearmente 7" B Bt Bt Bt Bt
7" " # 7 7"
a b
independente e gera um subespao de contendo estritamente : P B I P B a b a b
7" 7
B Bt I P B B
Bt I P B P B P B P B P B
7 7" 7 7"
7" 7 7 7" 7 7"
linear/ independente linear/ independente

a b
a b a b a b a b a b
a b 1.51
Demonstrao:
A igualdade mostra que toda a combinao linear de vectores de
! !
3" 3"
7 7
3 3 3 3 7"
! ! Bt Bt !Bt
B B P B P B
7 7" 7 7"
combinao linear dos vectores de , logo: . A hiptese de que a b a b
Bt P B Bt P B
7" 7 7" 7"
a b a b (mas obviamente que ) mostra, por outro lado, que
P B P B a b a b
7 7"
.
Por fim, para provar que linearmente independente, atendamos definio e B
7"
ponhamos
"
3"
7
3 3 7"
! " Bt Bt 9t
Esta igualdade implica que (se assim no fosse, tinha-se ou seja, " ! " ! Bt Bt
7" 3 3
3"
7
!
a b
Bt P B
7" 7
a b, contrariamente hiptese!). Portanto, na igualdade anterior fica apenas
"
3"
7
3 3
! Bt 9t
e, agora, a independncia linear de mostra que ter que ser, igualmente, , para todo o B !
7 3
!
3 " 7.
Como consequncia da proposio anterior, temos o seguinte corolrio que mostra que, num
espao de dimenso , existem listas de vectores com tantos infinita linearmente independentes
vectores quantos queiramos:
Corolrio 1.12.1. Seja um espao de dimenso sobre um corpo . Para todo o I infinita
8 8 B Bt Bt Bt existe uma sequncia de vectores linearmente independente. a b
" # 8
Demonstrao:
Por induo em : claro que ; portanto e para , linearmente independente a 8 I 8 " e f 9t
sequncia , onde um vector no nulo arbitrrio em . B Bt Bt I
" " "
a b 9t
Se for uma sequncia linearmente independente com vectores, como B Bt Bt Bt 8
8 " # 8
a b
I P B g I B I a b
8 8
(visto que tem dimenso infinita, no pode gerar ), podemos escolher um
vector e a proposio anterior permite concluir que Bt I P B Bt Bt Bt Bt
8" 8 " # 8 8"
a b a b
ainda linearmente independente e com vectores. 8 "
Mais adiante (proposio ), veremos que a recproca deste corolrio , igualmente, 1.17
verdadeira. Vamos, agora, ver que, se o vector que se junta a uma lista de vectores pertencer ao
subespao que ela gera, a nova lista gera ainda esse subespao e : linearmente dependente
Lema 1.13.1 Seja uma lista de m vectores de um espao vectorial E B Bt Bt Bt
7 " # 7
a b
sobre um certo corpo e um vector qualquer do subespao gerado por . Bt P B B
7" 7 7
a b
Ento, a lista gera o mesmo subespao que gera e B Bt Bt Bt Bt B
7" " # 7" 7
a b
m
linearmente dependente:
Bt P Bt Bt Bt Bt Bt Bt Bt
Bt P Bt Bt Bt P Bt Bt Bt Bt P Bt Bt
7" " # " # 7"
7" " # " # 7" " #
a b a b
a b a b a b
m m
m m
Bt
m
a b 1.52
Demonstrao:
Visto ser , a proposio 1.9 mostra que linearmente Bt P Bt Bt Bt B
7" " # 7 7"
a b
dependente. Por outro lado, a igualdade mostra que
! !
3" 3"
7 7
3 3 3 3 7"
! ! Bt Bt !Bt
P B P B a b a b
7 7"
Para mostrar a incluso inversa, basta atender a que : Bt P B
7" 7
a b
Dt P B Dt Bt Bt Bt Bt a b a b
" " " "
7" 3 3 3 3 7" 3 3 3 7" 3 3
3" 3" 3" 3"
7" 7 7 7
! ! ! " ! ! "
a ltima expresso mostra que e que, portanto, . Dt P B P B P B a b a b a b
7 7" 7

Lema 1.13.2 Seja uma lista de m vectores B Bt Bt Bt
7 " #
a b
m
de um espao vectorial E sobre um certo corpo . A proposio 1.10 garante a existncia de
um vector da lista que combinao linear dos anteriores. A nova lista Bt B
5 7
B Bt Bt Bt Bt Bt
7" " # 5" 5"
a b
m
de vectores obtida retirando lista gera ainda o mesmo subespao que era 7" Bt B
5 7
gerado por : B
7
Bt Bt P Bt P Bt
5 3 3 3 3
35
35
"
a b a b "
Demonstrao:
bvio que . Quanto incluso inversa, tem-se, como no lema anterior: P B P B a b a b
7" 7
Dt P B Dt Bt Bt Bt Bt Bt a b a b
" " " " "
7 3 3 3 3 5 3 3 3 5 3 3 3 3
3"
7
35 35 35 35
! ! ! " ! ! " !
a ltima expresso mostra que e que, portanto, . Dt P B P B P B a b a b a b
7" 7 7"

claro que, com demonstrao anloga, tambm possvel retirar duma lista um vector seu
que seja combinao linear dos ou dos sem que, restantes seguintes (proposies ) 1.9 e 1.11
com isso, se altere o respectivo subespao gerado.
Proposio 1.13. Seja um espao vectorial de dimenso finita e uma I B Bt Bt Bt a b
" # 8
lista geradora de . Se for uma lista de vectores de linearmente I C Ct Ct Ct I a b
" # 7
independente, ento tem-se, necessariamente,
7 8 a b 1.53.1
Alm disso, o espao gerado por uma lista de vectores que inclui todos os vectores de : I 8 C
I P Bt Bt Bt P Ct Ct Ct Bt Bt Bt a b a b a b
" # 8 3 3 3 " # 7 " # 87
1.53.2
Demonstrao:
Como geradora de , o lema 1.13.1 permite construir a lista B I
C Bt Bt Bt Ct
" " # 8 "
a b
de vectores que ser ainda geradora, mas linearmente dependente. Recorrendo ao lema 8 "
1.13.2, conclui-se que existe em um vector que combinao linear dos seguintes e que C
"
possvel retir-lo desta lista sem que se altere o subespao gerado; mas esse vector no pode ser
Ct Bt
" 3
, visto que ele no nulo (Porqu?). Portanto, um dos vectores pode ser retirado da lista
C B 8 I
" "
, obtendo-se uma nova sequncia de vectores geradora de . Introduzamos, agora, nesta
lista o vector . De acordo com o lema 1.13.1 a lista de vectores obtida Ct 8 "
2
C Bt Bt Bt Ct Ct
# " # 8 "
a b
2
geradora de e linearmente dependente. Portanto, existir de novo um vector que I
combinao linear dos seguintes e, tal como antes, esse vector no poder ser nenhum dos , Ct
3
devido independncia linear destes. Logo, o vector a retirar (lema 1.13.2) ter que ser um dos
Bt B 8 I
3 #
, obtendo-se uma nova lista com vectores geradora de . Este processo de aplicao
alternada dos lemas 1.13.1 e 1.13.2 leva construo de listas com vectores, geradoras de B 8
3
I Bt Ct 7 8 , e onde os vectores vo sendo sucessivamente substitudos pelos . Se fosse e ao
3 5
fim de aplicaes de cada um dos lemas referidos, obtinha-se uma lista geradora de 8 B I
8
formada pelos primeiros vectores de , ficando ainda de fora dessa lista os ltimos 8 C 78 !
vectores de . Sendo essa lista geradora, o vector seria combinao linear dos primeiros C B Ct
8 8"
8 Ct C vectores , o que significa que a lista seria linearmente dependente, em contradio com a
5
hiptese. Fica, assim, provado que dever ser . Portanto, e aplicando vezes cada um 7 8 7
dos lemas anteriores, somos conduzidos a uma lista geradora de , contendo todos os B I 7
7
vectores e ainda dos (os nicos vectores de que no foram retirados ao Ct 8 7 ! Bt B
5 3
longo do processo), obtendo-se o resultado do enunciado: uma lista geradora de do tipo I
B Ct Ct Ct Bt Bt Bt
7 3 3 3 " # 7
a b
" # 87
.
Com base na proposio anterior fcil provar que, num espao de dimenso finita, todas as
bases tm o mesmo nmero de vectores, facto que fundamental para a definio da importante
noo de de um espao vectorial: dimenso
Proposio 1.14. Invarincia do comprimento das bases Seja um espao de I
dimenso finita e considerem-se duas bases, e desse B Bt Bt Bt C Ct Ct Ct a b a b
" # 8 " # 7
espao. Ento, ser . 7 8
Demonstrao:
Basta aplicar a anterior proposio 1.13 duas vezes: linearmente independente e B C
geradora de , portanto I
8 7
Por outro lado, linearmente independente e geradora de , portanto C B I
7 8
Pela propriedade anti-simtrica da relao de igualdade, ser . 7 8
O resultado anterior garante que todas as bases de um mesmo espao vectorial de I
dimenso finita sobre certo corpo so constitudas pelo mesmo nmero de vectores, o qual
representa, assim, um atributo intrnseco do espao a que chamaremos a de I I dimenso
(sobre ). Formaliza-se, agora, a definio:
Definio 1.11. Dimenso de um espao vectorial Seja um espao vectorial sobre I
um corpo . Chama-se de (sobre ) ao nmero de vectores de uma base dimenso I
arbitrria de e usa-se a notao E ou, mais simplesmente, E, se subentendermos o I dim dim
corpo.
Portanto, para calcular a dimenso de um espao vectorial, teremos que procurar uma sua
base qualquer e verificar o nmero de vectores que a constitui. Convm observar que a
dimenso de um espao vectorial depende do corpo , tanto como de : como se viu, se for I
w
um subcorpo de , ser tambm espao sobre mas a dimenso de sobre ser, em I I
w w
geral, maior que a dimenso sobre , como se ilustra por alguns dos exemplos que seguem:
Exemplo 1.47. O espao e f 9t tem uma nica base, a saber, a sequncia vazia . Portanto: g
dime f 9t !
Exemplo 1.48. Em , a sequncia de vectores
8
8
- " ! ! ! " ! ! ! " a b a b a b a b
uma base, visto que, como facilmente se comprova (prove-o, como exerccio), linearmente
independente e gera . Nesta base, as coordenadas de um vector so os
8 8
" # 8
a b B B B
prprios escalares . esta a nica base de onde tal sucede, da a sua B B B
" # 8
8
importncia e o facto de ser designada por base de . Podemos, pois, escrever: cannica
8
dim
8
8
Exemplo 1.49. No espao dos polinmios de coeficientes em e grau inferior ou P
8
a b
igual a , a lista de polinmios 8 8 "
- " B B B
8
# 8

constitui uma base, como facilmente se prova (demonstre!). Neste caso, tambm bvio que as
coordenadas de um polinmio so os respectivos coeficientes, o que s acontece com esta base.
Por isso chamada base de . Conclui-se, portanto, que: cannica P
8
a b
dim
P
8
a b 8 "
Este exemplo mostra tambm que, no espao , existem listas linearmente independentes Pa b
com tantos vectores quantos queiramos: por exemplo, as listas com qualquer . - 8
8 !
Exemplo 1.50. Em , uma base constituda por qualquer segmento orientado , W

"
no nulo
tendo-se, portanto:
dim
W "
"
Exemplo 1.51. Em , uma base constituda por quaisquer dois segmentos orientados W
#
no
colineares. Por isso,
dim
W #
#
Exemplo 1.52. Em , uma base constituda por quaisquer trs segmentos orientados W
$
no
coplanares. Logo:
dim
W $
$
Exemplo 1.53. No espao do exemplo 1.11 e sendo , ser uma base j

? " ? e f a b
que, se , tem-se: B
B ? B ?
log
?
B
?
a b log
o que mostra que gera e , obviamente, linearmente independente pois que ?
! ! ? ? " " !
!
log
?
Neste caso, a de na base . Tem-se, pois, . coordenada B ? B "

?
a b log dim
Exemplo 1.54. Seja um espao vectorial de dimenso sobre um corpo , com uma base I 8
/ / / / I 78 a b t t t
" # 8
7
, e considere-se o espao (ver exemplo 1.13). A lista de vectores de
I
7
-
/ / /
/ / /

/ /

a b a b a b
a b a b a b
a b a b
t t t t t t t t t
t t t t t t t t t
t t t t t t
" # 8
" # 8
" #
9 9 9 9 9 9
9 9 9 9 9 9
9 9 9 9 / a b 9 9 t t t
8
uma base de (demonstre!). Portanto: I
7
dim dim

I 78 7 I
7
Da mesma forma e mais geralmente, em relao ao espao produto, tem-se:
dim dim

$ "
3" 3"
7 7
3 3
I I
Exemplo 1.55. um espao vectorial sobre e a lista
- " 3 a b
uma base deste espao visto que, para qualquer , D + 3,
D + " , 3 + , , onde
e, portanto, qualquer vector combinao linear (com escalares reais) dos vectores e ; D " 3
logo, . Por outro lado, linearmente independente, como resulta de P " 3 - a b
+ " , 3 ! + ! , !
Deste modo, tem-se
dim
#
claro que a dimenso de sobre : . " " dim
Exemplo 1.56. No exemplo 1.14, vimos que, se um espao vectorial sobre um corpo e I

w w
I for um subcorpo de , ser igualmente espao vectorial sobre ; em particular,
ser um espao vectorial sobre . Vamos, agora, ver que, se as dimenses de sobre e de
w
I
sobre forem finitas, o mesmo sucede com a dimenso de sobre e que esta igual ao
w w
I
produto das dimenses de sobre e de sobre : I
w
dim dim dim

w w I I
Suponha-se que e e sejam dim dim

I 8 7 w
/ t t t a b a b / / / 5 5 5 5
" # 8 " # 7
e
bases de sobre e de sobre , respectivamente. I
w
Basta provar que a lista de vectores de uma base de sobre : - 5 t 78 I I a b
3
w
/
4

"37
"48
de facto, a lista gera - I

P - I a b
visto que, para qualquer se tem B B / B B t I t B t
!
4"
8
4 4 4 4
, onde os so nicos. Porm, os
so vectores do espao e exprimir-se-o na base deste espao, de forma nica, como 5
combinao linear dos , vindo portanto: , onde os 5 B B 5 B
3 4 34 3 34
3"
7
!

w
; substituindo esta
expresso na anterior, vem
B B 5 / B 5 / B t t t
! !
4" 4"
8 8
w
! !
a b
3" 3"
7 7
34 3 4 34 3 4 34
, em que
A igualdade anterior prova que os vectores 78 t 5 / I
3 4
geram (sobre ). Vejamos, agora, a
w
independncia linear de : -
! !
4" 4"
8 8
"48 "48 "37
! ! !
a b

3" 3" 3"
7 7 7
34 3 4 34 3 4 34 3 34
B 5 / B 5 / B 5 ! B ! t t t t a a a 9 9
Fica, assim, provado que - uma base de sobre . I
w
Assim e por exemplo, todo o espao vectorial tambm um espao vectorial complexo I
real e, no e 55, vimos que ; estes resultados implicam que: xemplo 1. dim
#
dim dim dim dim

I I # I
#
De facto, se for uma base de sobre ( ), ento a lista de / / / / I I 8 a b t t t
" # 8
dim
#8 vectores
- / 3/ / 3/ / 3/ a b t t t t t t
" " # # 8 8
ser uma base de sobre , visto que base de sobre : gera (atravs de escalares I " 3 - I a b
reais), visto que por hiptese, para qualquer existem complexos tais que: B I D 3 t
5 5 5
! "
B 3 / / 3/ / 3/ t t t t t t
! ! ! !
a b a b
5" 5" 5" 5"
8 8 8 8
! " ! " ! "
5 5 5 5 5 5 5 5 5 5 5
a b a b
a ltima expresso d Bt - como combinao linear dos vectores de , atravs dos escalares reais
! "
5 5
e , provando assim que gera (usando escalares reais). A sucesso de igualdades - I
anteriores (em sentido inverso) mostra, por fim, que, se uma combinao dos vectores de -
nula, os escalares reais e tero de ser todos nulos, o que significa a independncia linear ! "
5 5
de . -
Exemplo 1.57. Em relao ao espao complexo do exemplo 1.15, se I / / / /
w
" # 8
a b t t t
for uma base de , ento a lista de vectores I 8
- / 9 / 9 / 9 a b a b a b a b t t t t t t
" # 8
ser uma base de . De facto, gera , visto que para qualquer se tem: I I - I B C I
w # w w
a b t t
a b a b

! ! !
!
a ba b
B C B /t C /t B /t C /t
B 3C / 9
t t
t t
5" 5" 5"
8 8 8
5 5 5 5 5 5 5 5
5"
8
5 5 5
onde os so escalares complexos. Para provar que linearmente independente, B 3C -
5 5
recorra-se definio respectiva: anulemos uma combinao linear (com escalares complexos
D 3 / 9 I
5 5 5 5
w
! " ) dos em , resultando sucessivamente, a b t t
! !
a b a ba b a b
!
a b a b

! !
a b
5" 5"
8 8
5 5 5 5 5
5"
8
5 5 5 5
5" 5"
8 8
5 5 5 5
D / 9 3 / 9
/ /
/ /
t t t t t t
t t t t
t t t t
! "
! "
! "
9 9
9 9
9 9
da ltima igualdade resulta, finalmente:
!
!
5"
8
5 5
5"
8
5 5
!
"
/
/
t t
t t
9
9
o que, sendo linearmente independente, implica, para todo o , / 5 " # 8 e f
!
"
5
5
!
!
donde se segue que, para todo o , se tem ou seja, 5 " # 8 ! e f ! "
5 5
D 3 !
5 5 5
! "
Portanto, tem-se . Podemos ainda observar que as sequncias dim dim

I I
w
? 9 / 9 / 9 /
/ / / / / /
a b a b a b a b
a b a b a b a b
t t t t t t
t t t t t t
" # 8
" " # # 8 8
@
sero tambm bases de I
w
sobre (demonstre!).
Proposio 1.15. Todo o espao vectorial de dimenso finita sobre um corpo I 8
isomorfo do espao cartesiano .
a b 11
8
Demonstrao:
Seja uma base de . Pela proposio , a aplicao / /t /t /t I 0 I a b
" # 8 /
8
1.8
definida por
0 B B B B /t
/ " # 8 5 5
5"
8
a b
!
(devido de ) e (devido a ser uma lista injectiva independncia linear sobrejectiva / /
geradora de ); por outro lado, facilmente se verifica que transforma as operaes do espao I 0
/
cartesiano nas respectivas operaes do espao vectorial , isto ,
8
I
0 B B B C C C 0 B B B 0 C C C
0 B B B 0 B B B
/ " # 8 " # 8 / " # 8 / " # 8
/ " # 8 / " # 8
a b a b a b a b a b
a b a b a b ! !
(no captulo 3, as funes satisfazendo as duas condies anteriores sero chamadas ou lineares
homomorfismos isomorfismos isomorfismo e, se forem bijectivas, ). Portanto, um de 0
/
8
sobre . I
Para exprimir o facto de dois espaos e sobre o mesmo corpo serem isomorfos, I J
escrevemos ; usando esta notao, podemos enunciar a proposio anterior escrevendo: I J z
dim
I 8 I z
8
A proposio anterior mostra que constitui, por assim dizer, o de espao vectorial
8
modelo
de dimenso sobre e que os restantes espaos vectoriais sobre com igual dimenso so 8 I
diferentes de apenas quanto natureza dos seus vectores (e, claro, quanto definio das
8
operaes). , portanto, indiferente manipular algebricamente os vectores de ou as suas I
coordenadas base (que so vectores de )
8
em relao a uma qualquer de . I
11
Dois espaos vectoriais e sobre o mesmo corpo dizem-se sse existir uma bijeco I J 0 I J isomorfos
tal que: e . 0 Bt Ct 0 Bt 0 Ct 0 Bt 0 Bt a b a b a b a b a b ! !
A relao entre espaos vectoriais sobre o mesmo corpo uma relao de z equivalncia
(ou seja, , e ), que divide o conjunto dos espaos vectoriais de reflexiva simtrica transitiva
dimenso finita sobre em classes de espaos isomorfos, os quais so algebricamente idnticos.
O corolrio 1.15.1 mostra que dois espaos pertencem mesma classe sse tm a mesma
dimenso.
Do exposto, pode escrever-se, por exemplo, para todo o , 8 !
P
8
8"
a b z
Do mesmo modo, facilmente se conclui (mostre-o a ttulo de exerccio!) que a aplicao
0 + + + ! ! + B
a b
!
Pa b a b
!
! " < 5
5!
_
5
um isomorfismo de sobre , que so, portanto, espaos vectoriais isomorfos:
a b
!
Pa b
Pa b z
a b
!
A proposio anterior mostra que, por cada base que se fixe em , fica definido um / I
isomorfismo de sobre , que estabelece uma correspondncia biunvoca entre as 0 I
/
8
coordenadas (em )
8
de um vector em relao base e esse vector , de tal modo que Bt I / Bt
equivalente trabalhar com os vectores de ou com as suas em . I coordenadas
8
Quando dois espaos so isomorfos, isso significa que so algebricamente iguais (diz-se que
so iguais, ) e, por vezes, esses espaos so identificados um com o a menos de um isomorfismo
outro: assim, por exemplo, pode identificar-se com (e ainda com ) e diz-se que W W
$ $ $
#
P a b
a de , confundindo-se cada de nmeros interpretao geomtrica terno ordenado
$
a b B C D
reais com um de . Analogamente, a de segmento orientado interpretao geomtrica W W
$ # #
e a de : neste sentido que falamos, s vezes, em de W

" "
interpretao geomtrica rectas

$ $ $
, de , etc (de facto, as rectas, planos, etc existem em !). planos W
Corolrio 1.15.1. Dois espaos vectoriais e de dimenso finita sobre o mesmo corpo I J
so isomorfos sse tm a mesma dimenso.
Demonstrao:
A condio necessria: se , ento e so ambos isomorfos de e, dim dim I J 8 I J
8
portanto, isomorfos um do outro.
Reciprocamente, suponha-se que e so isomorfos e que e ; ento I J I 7 J 8 dim dim
I J 7 8 isomorfo de e isomorfo de , donde, , o que implica
7 8 7 8
z
Proposio 1.16. Num espao vectorial de dimenso finita sobre um corpo : I 8
i) Qualquer lista linearmente independente tem, quando muito, vectores. 8
ii) Qualquer lista geradora de tem, pelo menos, vectores. I 8
iii) Qualquer lista linearmente independente e com vectores uma base de . 8 I
iv) Qualquer lista geradora de e com vectores uma base de . I 8 I
v) Toda a lista linearmente independente de vectores de prolongvel a uma base. I
vi) Toda a lista geradora de contm uma base. I
vii) Se subespao de , ento . J I I J I 8 dim dim
viii) Se subespao de e , ento . J I I J I J I dim dim
Demonstrao:
i) Resulta da proposio 1.13, visto que as bases de tm vectores e so geradoras de I 8
I.
ii) Resulta da proposio 1.13, visto que as bases de tm vectores e so independentes. I 8
iii) Uma tal lista , com certeza, geradora de : se o no fosse, a proposio 1.12 permitia I
acrescentar um vector lista, obtendo-se uma lista de vectores linearmente 8 " 8
independentes, o que contraditrio com a alnea . i)
iv) Uma tal lista , com certeza, linearmente independente: se o no fosse, o lema 1.13.2
permitia retirar um vector lista, mantendo-a geradora de , mas apenas com I 8 " 8
vectores, o que contraria a alnea . ii)
v) Como se viu, se linearmente independente ser . A B Bt Bt Bt 7 8 a b
" # 7
proposio 1.12 permite, enquanto a lista no for geradora de , ir acrescentando vectores I
(mantendo a independncia linear) at que, quando tivermos acrescentado vectores, 8 7
teremos uma lista de vectores linearmente independentes e, portanto, uma base de , 8 I
contendo a lista dada.
Isto mostra, em particular, que todo o espao vectorial de dimenso finita tem, pelo menos,
uma base, a qual se pode obter pelo algoritmo que acabmos de utilizar nesta demonstrao:
B g
P B I
I P B B
Enquanto
Acrescentar um vector arbitrrio de lista
Fim
a b
a b
O ciclo anterior termina ao fim de iteraes e, no final, ser uma base de . 8 I B I dim
Observe que o algoritmo funciona, mesmo no caso limite , obtendo-se, neste caso, a I e f 9t
base . Cabe aqui notar que, num espao de dimenso infinita, a iterao neste algoritmo B g
no termina nunca ( infinito!). Loop
vi) Como se viu anteriormente, se geradora de , ser . O B Bt Bt Bt I 7 8 a b
" # 7
lema 1.13.2 permite retirar vectores lista (mantendo-a geradora), enquanto ela for B
linearmente dependente. Aps retirar vectores, obtm-se uma lista geradora com 78 8
vectores a qual ser, como vimos antes, linearmente independente, logo uma base de contida I
em . Portanto, pode obter-se uma base de , a partir de uma sequncia geradora, mediante o B I B
algoritmo:
Enquanto linearmente dependente
Retirar a um vector que seja combinao linear dos restantes
Fim
B
B
a b 12
O ciclo anterior termina ao fim de iteraes e, por fim, ser uma base de . No caso 78 B I
limite , acabar por obter-se a sequncia vazia , que linearmente independente e uma I g e f 9t
base de . Neste caso, a lista inicial era, necessariamente: I P g a b e f 9t
B a b 9 9 9 t t t
vii) Como uma base de , por definio, linearmente independente em (e, portanto, J J
tambm em , visto que o corpo o mesmo), a alnea garante imediatamente a I i)
desigualdade desejada.
viii) Se , isso significa que toda a base de , igualmente, base de . dim dim J I , J I
Portanto e , donde . J P , I P , J I a b a b
As duas primeiras alneas da proposio anterior permitem dar a seguinte interpretao da
dimenso de um espao vectorial:
I A dimenso de representa o que uma lista nmero mximo de vectores linearmente
independente pode ter em . I
I I A dimenso de representa o que uma lista nmero mnimo de vectores geradora de
dever possuir.
I 8 8 A dimenso de igual a sse existe uma lista linearmente independente com vectores e
toda a lista com vectores linearmente dependente. 8 "
A seguinte proposio d uma condio necessria e suficiente para que um espao vectorial
tenha dimenso infinita:
Proposio 1.17. Caracterizao dos espaos de dimenso infinita Seja um espao I
vectorial sobre um corpo . Ento, tem dimenso sse, para todo o , existe I 8 infinita
uma lista com vectores. linearmente independente 8
Demonstrao:
O corolrio 1.12.1 mostra que a condio necessria. Mas ela tambm suficiente, em
virtude da alnea da proposio anterior. i)
Exemplo 1.58. O espao vectorial das sucesses de escalares, citado no exemplo 1.42,
tem dimenso infinita, visto que as listas de sucesses a apresentadas so linearmente ?

7
independentes. Tambm so de dimenso infinita os espaos e .
a b a b
!
12
Ou combinao linear dos vectores ou dos (proposies ). anteriores seguintes 1.10 e 1.11
Exemplo 1.59. O espao tem dimenso infinita, visto que as listas de polinmios Pa b
- " B B B
8
# 8

so linearmente independentes, para todo o (mtodo dos coeficientes indeterminados). 8
Exemplo 1.60. Como as funes so linearmente B " B B B B B B
# 8
independentes para todo o , tero tambm dimenso infinita os espaos , , 8 M
M
Ca b
D C a b a b a b M M M + , _ + , _ , , etc, onde , com , um intervalo aberto.
5
Exemplo 1.61. O espao tem dimenso infinita sobre : de facto, o nmero real 1
transcendente (isto , pode demonstrar-se que no soluo de equao algbrica alguma 1
com coeficientes racionais no todos nulos). Ento, as listas
B "
8
# 8

1 1 1
so linearmente independentes, para todo o , visto que (onde os ) s 8 + ! + 1
!
5
8
5 5
5
0
possvel se forem nulos todos os . +
5
Proposio 1.18. Propriedades das operaes elementares Cada uma das seguintes
operaes (ditas elementares), quando realizadas sobre uma lista de B Bt Bt Bt a b
" # 7
7 ! I vectores de um espao vectorial sobre um corpo , no alteram a dependncia ou
independncia linear nem o subespao gerado por essa lista (nem, obviamente, a dimenso
deste subespao e o comprimento da lista): 7
i) Troca entre si de dois elementos e da lista, com e, claro, : Bt Bt 3 4 7 #
3 4
a b a b a b Bt Bt Bt Bt Bt Bt Bt Bt Bt Bt
" # 3 4 7 " # 4 3 7
1.54
ii) Substituio de um vector da lista pelo seu produto por um escalar , com Bt !
3
!
7 ":
a b a b a b Bt Bt Bt Bt Bt Bt Bt Bt !
" # 3 7 " # 3 7
! ! , onde 1.55
iii) Sendo , substituio de um vector da lista pela sua soma com o produto de 7 # Bt
3
outro vector , com , multiplicado por um escalar arbitrrio: Bt 4 3
4
"
a b a b a b Bt Bt Bt Bt Bt Bt Bt Bt Bt
" # 3 7 " # 3 4 7
" 1.56
Demonstrao:
i) Esta propriedade consequncia da comutatividade e associatividade da adio
vectorial.
ii) Seja e A igualdade B Bt Bt Bt Bt B Bt Bt Bt Bt a b a b
" # 3 7 " # 3 7
w
!
! !
a b
5"
7
5 5 5 5 3
53
" " ! Bt Bt Bt
"
!
3
mostra que toda a combinao linear de vectores de ser combinao linear dos vectores de B
B P B P B B
w w w
, portanto . A igualdade anterior mostra ainda que se linearmente a b a b
independente, tambm o ser, visto implica Por outro lado, a igualdade B ! ! " ! "
3 3
! !
a b a b
53 53
5 5 3 3 5 5 3 3
" " ! " " ! Bt Bt Bt Bt
mostra que as combinaes lineares dos vectores de so tambm combinao linear dos B
w
vectores de , logo . Dela se segue tambm que, se for linearmente B P B P B B a b a b
w
independente, tambm ser, j que por ser , implicar . B ! ! !
w
3 3
! " ! "
iii) Como anteriormente, faamos
B Bt Bt Bt Bt B Bt Bt Bt Bt Bt a b a b
" # 3 7 " # 3 4 7
w
e "
A igualdade
! !
a b a b
5"
7
5 5 5 5 3 3 4 4 3 4
534
! ! ! " ! ! " Bt Bt Bt Bt Bt
mostra que toda a combinao linear dos vectores de combinao linear dos vectores de , B B
w
ou seja, . Ela mostra tambm que, se for linearmente independente, tambm o P B P B B a b a b
w w
ser , pois que B
a ! ! ! a ! ! !
534 534
5 3 4 3 5 3 4
a b a b ! ! ! ! " ! ! !
Por outro lado, a igualdade
! !
a b a b
53 54
5 5 3 3 4 5 5 3 4 4
! ! " ! ! " ! Bt Bt Bt Bt Bt
mostra que uma combinao linear dos vectores de forosamente combinao linear dos B
w
vectores de , logo . Da igualdade anterior se segue tambm que, se for B P B P B B a b a b
w
linearmente independente, tambm ser, j que B
w
a ! ! a ! !
54 54
5 3 4 5 4
a b a b ! ! " ! ! !
As operaes das trs alneas da proposio anterior so chamadas operaes elementares de
tipos 1, 2 e 3 , respectivamente, sobre a lista de vectores. Por vezes, usam-se as seguintes B
notaes para indicar aquelas operaes:
Bt Bt
Bt Bt !
Bt Bt Bt
3 4
I
3 3
I
3 3 4
I
! !
"
"
#
$
onde
bvio que qualquer composio de operaes daqueles trs tipos no alterar tambm o
subespao gerado pela lista nem a sua dependncia ou independncia lineares. Em particular,
tem-se o seguinte:
Corolrio 1.18.1. Cada uma das seguintes operaes, quando realizadas sobre uma lista
B Bt Bt Bt 7 ! I a b
" # 7
de vectores de um espao vectorial sobre um corpo , no
alteram a dependncia ou independncia linear nem o subespao gerado por essa lista (nem,
obviamente, o seu comprimento ): 7
i) Sendo , substituio de um vector da lista pela soma do produto de um 7 # Bt
3
escalar por esse vector com o produto de um escalar por outro vector , com ! " ! Bt
4
4 3:
a b a b a b Bt Bt Bt Bt Bt Bt Bt Bt Bt !
" # 3 7 " # 3 4 7
! " ! , onde 1.57
ii) Sendo , substituio de um vector por uma combinao linear dos 7 " Bt Bt
3 5 5
5"
7
!
!
vectores da lista , desde que : B ! !
3
a b a b
!
Bt Bt Bt Bt Bt Bt Bt Bt !
" # 3 7 " # 5 5 7 3
5"
7
! ! , onde 1.58
Demonstrao:
i) Esta operao a composio de uma operao do tipo 3 com outra do tipo 2: I I
$ #
Bt Bt
Bt Bt Bt
3 3
I
3 3 4
I
!
! ! "
#
$
ii) Esta operao a composio de uma operao do tipo 2 I I I I
$ $ $ #
7" # 1
seguida por operaes de tipo 3: 7"
Bt Bt !
Bt Bt Bt 5 3
Bt Bt Bt Bt Bt 5 5 3
Bt Bt
3 3 3 3
I
3 3 3 3 5 5 "
I
3 3 " " 3 3 5 5 5 5 " #
I
3 3 5 5
<"
7#
! !
! ! !
! ! ! ! !
! !
#
$
"
" "
$
#
" " # #
< <
onde
onde
onde

!
I
5"
7
5 5
$
7"
!
! Bt
A primeira operao deste corolrio , por vezes, chamada . operao de tipo 4
Analogamente s operaes dos tipos 1, 2 e 3, pode usar-se a notao:
Bt Bt Bt !
3 3 4
I
! " !
%
onde
Sec. 1.7] Soma de subespaos. Soma directa 47
1.7 Soma de subespaos. Soma directa
Nesta seco, vamos analisar de mais perto um processo de gerar novos subespaos de um
espao vectorial dado, a partir de outros subespaos de . Comecemos por provar a seguinte I I
proposio:
Proposio 1.19. Seja um espao vectorial sobre um corpo e uma lista de I I a b
5
"57
7 I E I Bt subespaos de . O conjunto formado por todas as somas de vectores
!
5"
7
5
Bt I I
5 5
ainda um subespao de .
Demonstrao:
9 9 9 t t t E Bt , pelo que S1 obviamente vlida, visto que . Quanto a S2 tem-se, se e
!
5"
7
Ct E,
Bt Ct Bt Ct Bt Ct
! ! !
a b
5" 5" 5"
7 7 7
5 5 5 5
e, como , ser . Por fim, S3 resulta de e de ser Bt Ct I Bt Ct E Bt Bt
5 5 5 5 5
5" 5"
7 7
! !
! !
a b
!Bt I
5 5
.
O subespao mencionado na proposio anterior chamado dos subespaos e E I soma
5
designado pela notao , como se formaliza na seguinte:
!
5"
7
5
I
Definio 1.12. Soma de subespaos Seja um espao vectorial e uma I I a b
5
"57
sequncia de subespaos de . O subespao formado por todas as somas de vectores 7 I
Bt I I I
5 5 5 5
5"
7
chamado dos subespaos e designado por : soma
!
! !

5" 5"
7 7
5 5
B I t
I Ct I b Ct Bt
5 5
a b 1.59.1
em particular, se : 7 #
I I Ct I b Ct Bt Bt
" # " #
a b
Bt I
" "
Bt I
# #
1.59.2
A proposio que se segue d conta das principais propriedades da soma de subespaos.
Proposio 1.20. Propriedades da soma de subespaos Seja uma lista de a b I
5
"57
subespaos de um espao vectorial . Ento: I
i) Para todo o 3 " # 7 e f
I I
3 5
5"
7
!
ii)
- !
5" 5"
7 7
5 5
I I
iii) Se um subespao de contendo todos os (logo, tambm conter a reunio J I I J
5
dos ), ento: I
5
!
5"
7
5
I J
iv) Se uma permutao de , ento: 5 e f " # 7
! !
5" 5"
7 7
5
I I
5
5
v) Para todo o , 3 " # 7 e f
! !
5"
7
5 3 5 3
53
I I I I
vi) Tem-se:
dim dim

! !
5" 5"
7 7
5 5
I I
Demonstrao:
i) A primeira incluso resulta de que, para qualquer , se tem: 3 " # 7 e f
Bt I Bt Bt Bt I
3 5
53 5"
7
! !
9t
ii i ) A segunda incluso obtm-se reunindo as incluses em ) 7
a I I I I I
"37
3 5 3 5 5
5" 5" 5"
7 7 7 7 7
3" 3"

! - - ! !
iii) Quanto terceira proposio, se , ser soma de vectores os quais Bt I Bt Bt I
!
5"
7
5 5 5
pertencero tambm a (em virtude de ser ). Como subespao, pertencer a J I J J Bt
5 5
5"
7
!
J I J , o que significa que .
!
5"
7
5
iv) Resulta da comutatividade e associatividade da adio vectorial.
v) Como e o vector nulo pertence a , segue-se que
! !
53 53
5 5 3
Bt Bt I 9t
! !
53
5 5
5"
7
I I
Ento, se , vem imediatamente .
! !
5"
7
5 3 5 3
53
I I I I
Reciprocamente, suponha-se que e seja : ento ser
! !
53
5 3 5
5"
7
I I Bt I
Bt Bt Bt Bt I
! !
5"
7
5 3 5 3
53
I I
!
53
5 3
o que mostra que e isto juntamente com termina a demonstrao.
!
5"
7
5 3
I I i)
vi) Supondo e que base de , mostra-se facilmente dimI 8 / /t /t /t I
5 5 5 5" 5# 58 5
a b
5
que a juno das bases constitui um sistema de / / / / /t /
" # 7 54 5
a b
5
"57
"4 8
5 5
geradores de : de facto, tem-se, sucessivamente:
!
5"
7
5
I
Bt I Bt Bt /t /t
! ! ! ! ! !

a b
5" 5" 5" 5"
7 7 7 7
5 5 54 54 54 54
4 " 4 "
8 8
5 5
5 5
5 5 5 5
! !
Esta ltima expresso mostra que combinao linear dos , o que termina a Bt /t a b
54
5
"57
"4 8
5 5
demonstrao.
A proposio anterior significa que a soma dos subespaos o subespao de I I
5
menor
contendo cada um dos e, portanto, contendo (note que esta reunio no , em geral, I I
5 5
5"
7
-
um subespao de ). I
Corolrio 1.20.1. Seja um espao vectorial sobre um corpo e subespaos de I E F G
I. Tem-se:
i) E E F F E F
ii) E F E F
iii) Se um subespao de contendo e , tem-se: J I E F E F J
iv) E F F E
v) E F E F E
vi) dim dim dim a b E F E F
vii) dim dim dim dim a b a b E F E F E F
viii) E E E e f e f 9 9 t t
ix) E E E
Demonstrao:
As primeiras seis alneas resultam da proposio anterior, fazendo . 7 #
As alneas e resultam de , fazendo e , respectivamente. viii) ix) v) F F E e f 9t
Quanto a , seja , e . Como um subespao de vii) = E F 7 E 8 F E F dim dim dim
E F = 7 = 8 - - t - t - t E F e de , ser e . Tome-se, ento, uma base de e a b
" # =
prologuemo-la (proposio ) a uma base de e 1.16.v + - t - t - t +t +t +t E a b
" # = " # 7=
tambm a uma base de . , - t - t - t , , , F
t t t

" # = " # 8=
E
A+B
A B A B

Fig. 1.7 Os espaos , , e as suas bases. E F E F

Para provar a igualdade desejada, basta provar que a lista
< - t - t - t +t +t +t , , ,
t t t

" # = " # 7= " # 8=
de vectores de uma base de : comecemos por ver que: 78 = I E F
P < E F a b
De facto,
Dt E F Dt +t , +t E , F
t t
- t +t - t ,
t
- t +t ,
t
onde e

! ! ! !
! ! !
a b
5" 5" 5" 5"
= 7= = 8=
5 5 5 5 5 5 5 5
5" 5" 5"
= 7= 8=
5 5 5 5 5 5 5
! " # (
! # " (
a ltima expresso mostra que combinao linear dos vectores de e, portanto, Dt <
E F P < a b. A incluso inversa bvia, j que
Dt P < Dt - t +t ,
t
+t , E F
t
a b

! ! !
5" 5" 5"
= 7= 8=
5 5 5 5 5 5
E F
! " #
Vejamos, agora, que linearmente independente, recorrendo definio: <
! ! !
a b
5" 5" 5"
= 7= 8=
5 5 5 5 5 5
! " # -t +t ,
t
9t 1.60
o que equivale a

! ! !
a b
5" 5" 5"
= 7= 8=
5 5 5 5 5 5
E F
! " # -t +t ,
t
A igualdade anterior mostra que , donde, existem tais que:
!
a b
5"
8=
5 5 5
, E F
t
# !
! !
a b
5" 5"
8= =
5 5 5 5
, - t
t
# !
o que equivale a
! !
5" 5"
= 8=
5 5 5 5
! # -t ,
t
9t
atendendo a que uma base de , tem-se, forosamente, , para . , F ! 5 " 8 = #
5
Substituindo os valores de em 60 e atendendo a que uma base, resulta o anulamento #
5
a b 1. +
dos ( ) e dos ( ), terminando a demonstrao. ! "
5 5
5 " = 5 " 7=
Dependendo dos subespaos , a soma em que se decompem os vectores de a b
!
I I
3 5
"37
5"
7
pode ou no ser ; quando for nica, diz-se que a soma : nica directa
Definio 1.13. Soma directa de subespaos Uma soma de subespaos de a b I
5
"57
um espao vectorial diz-se sse, para cada vector , existe uma e uma I ?t J I directa
!
5"
7
5
s sequncia de vectores, em que , tal que B Bt Bt I a b
3 3 3
"37
?t Bt
!
5"
7
5
a b 1.61
Neste caso, a soma (directa) dos designa-se por , em vez de . (em particular, I I I
5 5 5
5" 5"
7 7
9 !
note-se que, para o vector nulo, a soma referida ser : ). 9 9 t t
!
5"
7
Na proposio seguinte, vamos ver que uma soma de subespaos directa sse a interseco
de cada subespao com a soma dos restantes se reduzir ao vector nulo.
Proposio 1.21. Caracterizao da soma directa A soma de uma J I
!
5"
7
5
sequncia de subespaos de um espao vectorial sse, para cada a b I I
5
"57
directa
3 " # 7 I I e f e f
!
, a interseco se reduz a .
3 5
53
9t
J I J I a I I
9 ! !
e f
5" 5"
7 7
5 5 3
"37
53
k
9t a b 1.62
Demonstrao:
1. A condio suficiente:
Suponhamos que e que existem duas decomposies de em vectores dos : ?t I ?t I
!
5"
7
5 5
?t Bt Ct Bt Ct
! ! !
a b
5" 5" 5"
7 7 7
5 5 5 5
9t
Para cada , pode pois escrever-se 3 " # 7 e f
a b a b
!
Bt Ct Bt Ct
3 5 3 5
53
9t
Portanto, para qualquer , 3 " # 7 e f
a b a b
!
Bt Ct Ct Bt
3 5 3 5
I
53
I
3
53
5
!
Mas, como os so subespaos, e e, portanto, a b a b
! !
I Bt Ct I Ct Bt I
5 3 3 5 5
"57 3 5
53 53
para qualquer : 5 " # 7 e f
Bt Ct I I
3 3 5 3
53
!
e f 9t
daqui se conclui que
a Bt Ct
"37
3 3
o que significa que a decomposio de nica e a soma directa. ?t
2. A condio necessria:
Suponha-se que existia um tal que e seja 3 " # 7 K I I +t e f e f
!
3 3 5 3
53
9 9 t t
um vector de (observe que e ). Como , ser decomponvel K +t I +t I +t I +t
3 3 3 3 5 3 5 3
53 53
! !
numa soma de vectores , tais que para todo o , satisfazendo a b +t +t I 5 3
5 5 5
"57
+t +t
3 5
53
!
Se for um vector de ser, com : ?t I Bt I
!
5"
7
5 5 5
?t Bt Bt Bt
Bt +t Bt +t
Bt +t Bt +t
Bt +t Bt +t
! !
a b
!
a b
! !
a b a b
!
5"
7
5 3 5
53
3 3 5 3
53
3 3 5 5
53 53
3 3 5 5
53
como, para qualquer e , as expresses 5 " # 7 Bt +t I Bt +t Bt e f
5 5 5 3 3 3
?t Bt ?t Bt +t Bt +t
! !
a b a b
5"
7
5 3 3 5 5
53
e
so duas decomposies de diferentes numa soma de vectores dos . Daqui se segue que a ?t I
5
soma no directa.
!
5"
7
5
I
A proposio anterior tem o seguinte corolrio imediato, fazendo : 7 #
Corolrio 1.21.1. Se e so subespaos de um espao vectorial , ento: E F I
J E F J E F E F e f 9t
Exemplo 1.62. Os conjuntos
T 1 a 1 D 1 D
M 2 a : D 2 D
a b a b
a b a b
D
D
formados pelas funes e pelas funes so subespaos de pares mpares , , respectivamente
(demonstre!). Como a nica funo simultaneamente par e mpar a funo nula ( ) T M 9 e f

e, para toda a funo , se tem 0
0 D 0 D 0 D 0 D 0 D
" "
# #
a b a b a b a b a b a b a b
onde a primeira parcela funo par e a segunda funo mpar (verifique!), ser .
T M
Vamos, agora ver que a dimenso de uma soma directa de subespaos igual soma das
dimenses destes:
Proposio 1.22. Dimenso da soma directa Sejam subespaos de I I I
" # :
dimenses finitas de um espao vectorial . Ento: 8 8 8 I
" # :
dim dim a b a b
9 !
5" 5"
: :
5 5
I I 1.63
Demonstrao:
Tome-se, para cada subespao , uma base I
5
/ /t /t /t 5 " # :
5 5" 5# 58
a b
5
e mostremos que a lista de vectores de 8 8 I
!
5"
:
5
/ / / /
/t /t /t /t /t /t /t /t /t
" # :
"" "# "8 #" ## #8 :" :# :8

" # :
uma de : base J I
9
5"
:
5
/ J Bt J Bt I A lista . De facto, se , ento soma nica de vectores dos (por gera
5
definio de soma directa)
Bt Bt Bt I
!
a b
5"
:
5 5 5
onde 1.64
Mas, sendo , o vector ser combinao linear nica dos vectores da base : Bt I Bt /
5 5 5 5
Bt /t 5 " # :
5 53 53
3"
8
!
5
!
Sec. 1.8] Anexos: vectores e o 55 MATHEMATICA
Substituindo esta ltima expresso em a b 1.64 , obtm-se
Bt /t
! !
5"
:
3"
8
53 53
5
!
o que mostra que Bt P / a b.
/ A lista . De linearmente independente
! !
5"
:
3"
8
53 53
5
! /t 9 9 9 9 t t t t
vem, por ser e ser uma soma directa dos ,
!
3"
8
53 53 5 5
5
! /t I J I
!
3"
8
53 53
5
! /t 5 " # : 9t
Como os vectores so linearmente independentes ( uma base de ) segue-se que /t / I
53 5 5
!
53
5
!
5 " # :
3 " # 8

1.8 Anexos: vectores e o MATHEMATICA
MATHEMATICA
O software permite a manipulao de vectores atravs da noo de lista, MATHEMATICA

que mais geral que a de vector; um vector no contm listas como elementos seus. Existem
vrias funes para manipulao de listas e, de entre estas, salientamos:
List[] {} ou
Devolve a lista formada pelos argumentos.
Plus[] + ou
Adiciona as listas elemento a elemento.
ou espao Times[] * ou
Multiplica escalares entre si e tambm escalares por listas.
ou Part[] [[]]
Permite extrair elementos e sublistas de uma lista.
e Take[] Select[]
Permitem extrair sublistas, segundo vrios critrios.
, e Sort[] Join[] Union[]
Permitem ordenar, concatenar e reunir listas.
e Length[] Dimensions[][[1]]
Devolvem o comprimento de uma lista.
VectorQ[]
Funo booleana que devolve sse o argumento um vector. True
, e Table[] Range[] Array[]
Permitem construir listas.
e Sum[] Product[]
Calculam somas e produtos dos elementos de uma lista.
Nas pginas seguintes, apresenta-se um notebook ilustrando o uso de algumas das funes
aqui mencionadas:
Uma funo F pode utilizar-se com 3 sintaxes possveis: F[ x] , ou F@x ou ainda x/ / F
Sin@Pi4D
1
2
Sin@HPi4L
1
2
HPi4L Sin
1
2
Vectores
1.8.1 O que so?
No MATHEMATICA, um vector uma lista de escalares racionais, reais ou complexos
v = 82, 3, 1, 2, 4<
82, 3, 1, 2, 4<
z = 834, 58, 27, 29<
:
3
4
,
5
8
,
2
7
,
2
9
>
As componentes podem ser nmeros irracionais ou transcendentes...
Sec. 1.8] Anexos: vectores e o MATHEMATICA
57
t = 8Sin@Pi4D, Cos@3Pi5D, Sqrt@5D, ArcSin@Sqrt@3D2D<
:
1
2
,
1
4
J1 5 N, 5 ,

3
>
E podem ser complexos...
w = 81 + I, 3 + 2I, 1 + 2I, I, H4 + IL^2<
81 + , 3 + 2 , 1 + 2 , , 15+ 8 <
Somando com +ou Pl us[ ] ...
v + w
81 + , 2 , 2 , 2 + , 19 + 8 <
Plus@v, wD
81 + , 2 , 2 , 2 + , 19 + 8 <
z t
:
3
4

1
2
,
5
8
+
1
4
J1 + 5 N,
2
7
+ 5 ,
2
9

3
>
1.8.2. Acesso s componentes de um vector
Podemos extrair componentes de um vector com w[ [ ] ] ou Par t [ ] e Take[ ]
w@@3DD
1 + 2
58
Espaos vectoriais [Cap. 1
w@@83<DD
81 + 2 <
w@@81, 3, 3<DD
81 + , 1 + 2 , 1 + 2 <
Part@w, 81, 3, 3<D
81 + , 1 + 2 , 1 + 2 <
Extrair as 2 primeiras componentes
Take@w, 2D
81 + , 3 + 2 <
Ou as 2 ltimas
Take@w, 2D
8, 15 + 8 <
Extrair da 2 at 5 componentes
Take@w, 82, 5<D
83 + 2 , 1 + 2 , , 15+ 8 <
Ou da 1 5 de 2 em 2
Take@w, 81, 5, 2<D
59
81 + , 1 + 2 , 15 + 8 <
Extrair elementos de acordo com condies: Select[]
w = 810, 7, 13, 4, 11, 16, 9, 20, 7, 13<;
Select@w, OddQD
87, 13, 11, 9, 7, 13<
Select@w, EvenQD
810, 4, 16, 20<
Select@w, < 9 > 15 &D
87, 4, 16, 20, 7<
Ordenar
Sort@wD
84, 7, 7, 9, 10, 11, 13, 13, 16, 20<
Juntar listas (concatenao e reunio)
u = 816, 3, 12, 8, 3, 21, 15, 20, 13<;
Join@u, wD
816, 3, 12, 8, 3, 21, 15, 20, 13, 10, 7, 13, 4, 11, 16, 9, 20, 7, 13<
Union@u, wD
60
83, 4, 7, 8, 9, 10, 11, 12, 13, 15, 16, 20, 21<
1.8.3. Dimenso (comprimento) de um vector
Pode obter-se o comprimento do vector com Lengt h[ ] ou Di mensi ons[ ] ...
Length@vD
5
Dimensions@vD@@1DD
5
1.8.4. Trata-se mesmo de um vector?
VectorQ@vD
Tr ue
VectorQ@PiD
Fal se
VectorQ@882, 3<, 5<D
Fal se
1.8.5. Gerao de vectores
Podemos gerar vectores, atravs das funes Tabl e[ ] e Range[ ]
Table@i^2H1 + iL, 8i, 4<D
61
:
1
2
,
4
3
,
9
4
,
16
5
>
Lista dos valores de 2i , para i entre 4 e 16 de 3 em 3
Table@2i, 8i, 4, 16, 3<D
88, 14, 20, 26, 32<
Lista dos complexos 3k^2+2kI , para k entre 1 e 3
Table@3k^2 + 2kI, 8k, 3<D
83 + 2 , 12+ 4 , 27+ 6 <
Lista de 5 inteiros aleatrios entre - 9 e 9 divididos por 2
TableB
1
2
RandomInteger@89, 9<D, 85<F
:1,
3
2
,
9
2
, 2, 4>
Vector de 6 uns e zeros alternados. OddQ[ i ] d Tr ue sse i mpar e EvenQ[i] d True sse i par
Table@If@OddQ@iD, 1, 0D, 8i, 6<D
81, 0, 1, 0, 1, 0<
Vector dos primeiros 10 nmeros primos...
Table@Prime@iD, 8i, 10<D
82, 3, 5, 7, 11, 13, 17, 19, 23, 29<
62
Lista de 5 inteiros entre 1 e 5
Range@5D
81, 2, 3, 4, 5<
Lista dos inteiros entre 4 e 8
Range@4, 8D
84, 5, 6, 7, 8<
Lista dos racionais entre 3/ 4 e 13/ 2, de 3/ 4 em 3/ 4
Range@34, 132, 34D
:
3
4
,
3
2
,
9
4
, 3,
15
4
,
9
2
,
21
4
, 6>
Remove@"Global`"D
Podemos gerar vectores simblicos com a funo Ar r ay[ ]
v = Array@y, 86<D
8y@1D, y@2D, y@3D, y@4D, y@5D, y@6D<
1.8.6. Operaes vectoriais
Podemos somar, subtrair e multiplicar os elementos de vectores
Soma dos elementos de um vector
Sum@v@@iDD, 8i, Length@vD<D
63
y@1D + y@2D + y@3D + y@4D + y@5D + y@6D
Produto dos elementos de um vector
Product@v@@iDD, 8i, Length@vD<D
y@1D y@2D y@3D y@4D y@5D y@6D
Multiplicao de escalar por vector
u = 3v
83 y@1D, 3 y@2D, 3 y@3D, 3 y@4D, 3 y@5D, 3 y@6D<
Soma e subtrao de vectores
8u + v, u v<
884 y@1D, 4 y@2D, 4 y@3D, 4 y@4D, 4 y@5D, 4 y@6D<, 82 y@1D, 2 y@2D, 2 y@3D, 2 y@4D, 2 y@5D, 2 y@6D<<
64
2
Matrizes
Sec. 2.2] Noo de matriz sobre um corpo. Alguns tipos de matrizes 67
2.1 Introduo
No presente captulo abordaremos a noo de matriz de um ponto de vista autnomo, isto ,
sem relevar a sua correspondncia com os homomorfismos de espaos vectoriais de dimenso
finita, tema que ser tratado no captulo 3. Sero estudados os espaos vectoriais de matrizes,
bem como a lgebra linear (e anel) das matrizes quadradas.
A interpretao das matrizes como sequncias de vectores de um espao cartesiano conduzir-
nos- noo de caracterstica de uma matriz e a proposio 1.18 vai permitir a fundamentao
do importante algoritmo dito de condensao para a sua determinao. O paralelismo entre a
proposio 1.18 e os princpios de equivalncia dos sistemas de equaes lineares levam ao
mtodo de eliminao de Gauss-Jordan para a resoluo daquele importante tipo de sistemas.
a b 1
A aplicao de mtodos matriciais aos sistemas de equaes lineares so um bom exemplo
prtico do poder unificador da ferramenta matricial. Por ltimo, os resultados obtidos sobre
sistemas de equaes vo permitir-nos o estudo do problema da inverso de uma matriz (no
necessariamente quadrada), a obteno de um algoritmo de condensao para a determinao
da(s) inversa(s) e ainda estudar o problema da diviso matricial esquerda e direita. Abordamos
tambm a teoria das matrizes elementares e a sua relao com a inverso, a caracterstica e a
equivalncia de matrizes. Por ltimo, trataremos das mudanas de base nos espaos vectoriais de
dimenso finita.
2.2 Noo de matriz sobre um corpo. Alguns tipos de matrizes
Comearemos por definir a noo de matriz:
Definio 2.1. Matriz sobre um corpo Sejam nmeros naturais, um corpo 7 8
e considerem-se os intervalos e de . Chamaremos sobre c d c d " 7 " 8 9 matriz do tipo 78
corpo a uma famlia de elementos de indexada por , E + " 7 " 8 c d c d c d
34
34 "7 "8 a b c d c d
isto a uma funo . O escalar de que o valor de E " 7 " 8 3 4 + E c d c d a b
34
a b 2
no ponto designado por (ou ) e a matriz tambm designada a b c d c d 3 4 " 7 " 8 + E E
34 34
por ou, mais simplesmente, , quando no houver interesse em especificar o tipo c d c d + +
34 34
"37
"48
a b 3
78 da matriz.
Uma matriz fica completamente determinada pelos seus valores nos 78 pontos do
domnio e, portanto, pode ser representada por uma tabela de duas entradas c d c d " 7 " 8
constituda por linhas e colunas de escalares do corpo colocados entre parntesis 7 8 +
34

rectos . Como o primeiro ndice constante em cada linha da tabela, diz-se que ele o
a b 3
3 ndice
das linhas da matriz; do mesmo modo e sendo o segundo ndice constante em cada coluna, 4 4
1
: matemtico, fsico e astrnomo alemo (Brunswick 1777 Gttingen 1855). Gauss, Carl Friedrich
: matemtico francs (Lyon 1838 Paris 1922). Jordan, Marie Ennemond Camille
2
Mais geralmente, podem considerar-se matrizes de tipo sobre qualquer conjunto , como sendo as 78 \
aplicaes de em , sendo o seu conjunto designado por . c d c d " 7 " 8 \ \
78
3
Tambm se usam as notaes , e ainda a b l l + +
34 34
"37 "37
"48 "48

+ + + + + +
+ + + + + +

+ + + + + +
"" "# "8 "" "# "8
#" ## #8 #" ## #8
7" 7# 78 7" 7# 78
ou

.
68 Matrizes [Cap. 2
chamado o da matriz. ndice das colunas
E
+ + +
+ + +

+ + +
c d +
34
"37
"48

a b

"" "# "8
#" ## #8
7" 7# 78
2.1
A matriz diz-se , ou consoante , ou e racional real complexa
designaremos o conjunto de todas as matrizes do tipo 78 sobre um corpo por .
78
bvio que, se o corpo for finito (por exemplo, os inteiros mdulo onde um
:
: :
nmero primo) o mesmo acontecer com , tendo-se
a b 4
78
# # a b a b
78 78
a b 2.2
Se o corpo for infinito (casos de , e ), o mesmo suceder com .
78
Da definio de matriz, resulta que duas matrizes so sse tm o mesmo tipo e iguais
coincidem em todos os pontos a b c d c d 3 4 " 7 " 8 , isto ,
c d c d + , 7 7 8 8 a + ,
34 34 34 34
"37
"48
"37
w
"48
w
w w
"37
"48
a b 2.3
Para cada chamada a de (ou linha de ) e, " 3 + 3 E 3 E 7, a sequncia a b
34
"48
linha
para cada chamada a (ou coluna de ). O " 4 + 4 4 E 8, a sequncia a b
34
"37
coluna
vector de cujas componentes constituem a linha de chamado o de e o
8
3 E 3 E vector-linha
vector de cujas componentes constituem a coluna de o de . Deste
7
4 E 4 E vector-coluna
modo, pode a matriz ser considerada como uma lista de vectores de (as linhas de ) ou E 7 E
8
como uma lista de vectores de (as colunas de ). Da mesma maneira que as (termo 8 E
7
filas
que designa, indistintamente, as linhas ou colunas) de uma matriz do tipo se identificam 78
com vectores de ou de , uma matriz do tipo tambm identificada com o escalar
8 7
" "
nico que a constitui. As observaes anteriores mostram que se pode definir a noo de +
""
matriz com base na noo de lista: trata-se de uma lista de listas (as linhas) cada uma das 7
quais com igual nmero de escalares de . Pode aplicar-se recursivamente esta ideia e 8
constituirem-se listas de matrizes (ou seja, listas de listas de listas de escalares) e assim ; + c d
345
sucessivamente, obtendo-se a noo recursiva de de ordem , como uma lista de tensor :
a b 5
tensores de ordem ; a ordem , afinal, o nmero de ndices presentes em ; uma : " +

3 3 3
" # :
matriz , portanto, um , um vector um , c d +
34
tensor de 2 ordem tensor de 1 ordem a b @
3
considerando-se um escalar como um . tensor de ordem 0
Se , a matriz constitui uma ou e consiste no vector 7 " E matriz-linha vector-linha
a b + + +
1 1 1 " # 8
8
matricialmente, continuaremos a escrever
E + + + c d
1 1 1
1
" # 8
8
4
Trata-se dos corpos onde , um nmero primo e as operaes so a b e f
: :
! " : " :
definidas por: e . Nestas igualdades, designa o resto da B C B C : B C BC : + , a b a b mod mod mod
diviso inteira de por . + ,
5
Corresponde, nas linguagens de programao, noo de array de dimenso , sendo que as matrizes so os :
arrays de dimenso . #
Sec. 2.2] Noo de matriz sobre um corpo. Alguns tipos de matrizes 69
Se , tem-se uma ou que, 8 " + + + matriz-coluna vector-coluna a b
" # 7
7
1 1 1

matricialmente, se escreve
E
+
+
+

""
#
7
7 1
1
1
Adiante referiremos a operao de matricial que nos permitir escrever a matriz- transposio
coluna de uma forma tipograficamente mais conveniente, do modo seguinte
E + + + c d
"" # 7
7
1 1
T 1

Se , a matriz diz-se e o conjunto destas matrizes designado 7 8 8 quadrada de ordem
por ; se , dizemos que a matriz .
88
7 8 rectangular
Numa matriz quadrada de ordem , os elementos constituem a , 1 c d + 8 +
34 33
diagonal principal
diagonal ou diagonal descendente; os elementos , com , constituem a + 3 4 8 "
34
diagonal
secundria, 2 diagonal ou diagonal ascendente. Numa matriz rectangular, chama-se por vezes,
diagonal lista dos elementos da forma ( ). + " 3 7 8
33
mine f
Definem-se vrios tipos de matrizes, conforme a configurao dos escalares presentes em
a b 2.1 . Seguem-se alguns exemplos:
Exemplo 2 1. Se e , para , a matriz diz-se ; a ttulo de 7 8 + ! 3 4
34
triangular superior
exemplo, apresenta-se uma matriz complexa triangular superior:
E
3 " 3 $
! # 3
! ! !

Exemplo 2 2. Se e , para , a matriz diz-se ; por 7 8 + ! 3 4
34
triangular inferior
exemplo, a seguinte matriz real triangular inferior:
E
" ! !
# " !
" ! %

Exemplo 2 3. Se uma matriz simultaneamente triangular superior e inferior, isto , e 7 8
+ ! 3 4 +
34 33
, para , a matriz diz-se e, sendo os elementos da diagonal matriz diagonal
principal, escreve-se diag ; por exemplo, a seguinte matriz real diagonal: a b + + +
"" ## 88
E " " %
" ! !
! " !
! ! %

a b diag
70 Matrizes [Cap. 2
Uma matriz rectangular de tipo , chama-se sse for , para , 78 + ! 3 4 matriz diagonal
34
isto , so nulos os elementos de que no estejam na diagonal, por exemplo, E
E
" ! ! !
! # ! !
! ! ! !

Exemplo 2 4. Uma matriz diagonal quadrada cujos elementos diagonais so iguais entre si
chama-se (adiante justificaremos esta denominao), isto , e , matriz escalar 7 8 + !
34
para , e ; a seguinte matriz real matriz escalar: 3 4 + 5 E
33
E # # #
# ! !
! # !
! ! #

a b diag
Exemplo 2 5. Entre as matrizes escalares refiram-se as matrizes , em que identidade 5 "
(mais tarde, veremos a razo deste nome). A matriz identidade de ordem designada por 8 M
8
ou simplesmente , quando a ordem for subentendida. O respectivo elemento genrico o M 8
smbolo ou (ver nota de rodap 7 no captulo 1), definido a seguir delta de Kronecker $
34
$
34

! 3 4
" 3 4
a b 2.4
A ttulo de exemplo, mostram-se as matrizes identidade de 2 e 3 ordens
M M
" !
! "
" ! !
! " !
! ! "
# $

Exemplo 2 6. As matrizes cujos elementos so todos nulos so chamadas 78 matrizes
nulas e designam-se por ou, sendo quadradas de ordem , simplesmente por . Caso no S 8 S
78 8
haja necessidade de indicar o tipo, usa-se apenas . A seguir, mostram-se exemplos: S
S S
! ! ! ! !
! ! ! ! !
#$ #

Exemplo 2 7. As matrizes de tipo , cujos elementos so so 78 2
34
"
34" "37
"48
denominadas e designam-se por . Usa-se a notao para a matriz matrizes de Hilbert L L
78 8
de Hilbert quadrada de ordem . A seguir, mostra-se um exemplo: 8
L
"
$
" "
# $
" " "
# $ %
" " "
$ % &

Exemplo 2 8. Uma matriz quadrada de ordem cujos elementos so tais que 8
+ ! 3 4 " 4 3 "
34
se
chamada (note que qualquer matriz de ordem tridiagonal). A matriz tridiagonal 8 #
Sec. 2.3] Espao linear das matrizes 71
seguir, mostra-se um exemplo de uma matriz real tridiagonal de 4 ordem:
E
# " ! !
$ " $ !
! # ! "
! ! " $

Exemplo 2 9. Diremos que uma matriz sse as suas linhas formam I
78
escalonada
uma lista escalonada de vectores de
8
(ver definio 1.10). Assim, so escalonadas as matrizes
E F G
# " $ $ " ! # #
! " $ ! # " " !
! ! # ! ! ! $ "
! ! ! ! ! ! ! "
! ! ! ! ! ! ! !
! # " ! "
! ! " $ #
! ! ! % "
! ! ! ! !

Na seco 2.16, ilustra-se a construo de alguns dos tipos anteriores de matrizes, usando o
software MATHEMATICA
.
2.3 Espao linear das matrizes
Nesta seco, iremos definir um certo nmero de operaes algbricas sobre matrizes que nos
levaro construo dos espaos vectoriais e das lgebras de matrizes quadradas de
78 88
ordem ordem . Comecemos por definir a adio matricial: 8
Definio 2 2. Adio de matrizes Dadas duas matrizes e sobre um E + F , c d c d
34 34
corpo e do mesmo tipo (ou seja, ), chamaremos soma de e nova 78 E F E F
78
matriz cujos elementos esto definidos por: E F -
78
34
- + , 3 " # 7 4 " # 8
34 34 34
a b 2.5
ou ainda
a b a b E F E F 3 " # 7 4 " # 8
34
34 34
2.6
Portanto, as matrizes somam-se, somando (em ) os elementos homlogos das matrizes e E
F e s faz sentido adicionar matrizes do mesmo tipo. As propriedades formais da adio em ,
custa da qual se definiu a adio matricial, implicam imediatamente que esta adio :
: Associativa
a E F G E F G
EFG
78
a b a b
: Comutativa
a E F F E
EF
78
72 Matrizes [Cap. 2
S : Tem elemento neutro, que a matriz nula
78
b a E S S E E
S E
78 78
78
78 78

: Toda a matriz tem simtrica (nica) E E
a b E E E E S
E E
78

78 78
a b a b
As propriedades anteriores mostram que constitui um . a b
78
grupo comutativo aditivo
Como em qualquer grupo aditivo, define-se a por subtraco
E F E F a b a b 2.7
o que equivalente a
a b a b E F E F 3 " # 7 4 " # 8
34
34 34
2.8
Com vista a obter um espao vectorial, vamos a seguir definir a operao de de um produto
escalar de por uma matriz do tipo sobre . Trata-se de uma 78 lei de composio externa
definida em e com valores em :
78 78
Definio 2 3. Produto de escalar por matriz Dado um escalar e uma matriz !
E + 78 E c d
34
78
sobre um corpo do tipo (ou seja, ), chamaremos produto de !
por nova matriz cujos elementos esto definidos por: E E , !
78
34
, + 3 " # 7 4 " # 8
34 34
! a b 2.9
ou ainda
a b a b ! ! E E 3 " # 7 4 " # 8
34
34
2.10
Portanto, multiplica-se um escalar por uma matriz, multiplicando (em ) esse escalar por
cada um dos elementos da matriz. Das propriedades do produto no corpo , resultam
imediatamente as seguintes propriedades para o produto definido por : a b 2.9
: Distributividade em relao adio escalar
a E E E
! "

E
78
a b ! " ! "
: Distributividade em relao adio matricial
a E F E F
!
EF
78
! ! ! a b
: Associatividade mista
a E E
! "

E
78
! " !" a b a b
Sec. 2.3] Espao linear das matrizes 73
A unidade do corpo : elemento neutro esquerda no produto de escalar por matriz
a "E E
E
78
As propriedades anteriores constituem os axiomas A1-A4 e P1-P4 do captulo 1 e significam,
portanto, que , com as operaes definidas atrs, um sobre o corpo
78
espao vectorial
em que os vectores so as matrizes do tipo de elementos em . A famlia de 78 78
matrizes definidas por a b G
!"
" 7
" 8
!
"
a b a b G
!" ! "
34
3 4
$ $ 2.11
formam uma base de , na qual as de uma matriz so os
78 78
34
coordenadas \ B c d
prprios escalares que a constituem: B
34
\ B G
""
3" 4"
7 8
34 34
Por esta razo, a base mencionada chamada de . O que acabou de se base cannica
78
expor mostra que
dim
78
78 a b 2.12
Por exemplo, a base cannica de (sobre ) ser
##
-
" ! ! " ! ! ! !
! ! ! ! " ! ! "

e a base cannica de (sobre )
##
-
" ! 3 ! ! " ! 3 ! ! ! ! ! ! ! !
! ! ! ! ! ! ! ! " ! 3 ! ! " ! 3

Pela proposio 1.15 e atendendo a podemos afirmar que o espao a b 2.12 ,
78
isomorfo
do espao e bvio que, por exemplo, a aplicao cartesiano
78
c d a b + + + + + + + + + +
34 "" "# "8 #" ## #8 7" 7# 78
"37
"48
um de sobre . isomorfismo
78 78
Sendo um espao vectorial sobre , podemos recorrer s proposies 1.1, 1.2 e 1.3
78
para concluir imediatamente que:
a E S ! E S
a E E E
a E E E
a E F E F
!
! "
E
78
E
78

E
78
EF
78

a b a b a b

a b

a b
! !
! ! !
! " ! "
! ! !
78 78
74 Matrizes [Cap. 2
Observe-se, por ltimo, que uma matriz escalar de ordem ser sempre da forma , onde 8 5M
8
5 um escalar
diaga b 5 5 5 5M
8
2.4 lgebra e Anel das matrizes quadradas
Vamos, agora, definir uma terceira operao matricial: o produto de matrizes.
Definio 2 4. Produto matricial Sejam e e matrizes 7 8 : E F
78 8:
dos tipos e sobre um corpo . O produto das matrizes e (por esta ordem) 78 8 : E F
a matriz do tipo , cujos elementos se definem por: EF 7: -
7:
34
- + , 3 " # 7 4 " # :
34 35 54
5"
8
"
a b 2.13
ou seja
a b a b
"
EF E F 3 " # 7 4 " # :
34
5"
8
35 54
2.13
As igualdades mostram que o elemento da linha e coluna de se 7: EF 3 4 EF a b a b 2.13
34
calcula mediante a soma dos produtos dos elementos da linha de pelos elementos 8 3 E 8
respectivos da coluna de e que o nmero de linhas de o nmero de linhas de , sendo 4 F EF E
o seu nmero de colunas igual ao nmero de colunas de . Note-se que a condio prvia para F
que o produto , por esta ordem, esteja definido que o nmero de colunas de seja igual EF E
ao nmero de linhas de (igual a ). Daqui resulta imediatamente que para que uma matriz F 8 E
se possa multiplicar por si mesma ( ), necessrio que ela seja o que significa E F quadrada
que a de base e expoente natural s estar definida quando for quadrada. Convm potncia E E
ainda observar que o produto matricial ser uma (em ), apenas lei de composio interna
8
quando . 7 8 :
Nas condies da definio anterior e se , o produto no est definido. Se 7 : FE
7 : 8 EF FE EF FE , ento e esto definidos mas enquanto que , o que
77 88
significa que ser, certamente, . Finalmente, se tivermos , e EF FE 7 8 : EF FE
sero ambas matrizes quadradas de ordem , mas, ainda assim, as igualdades 8 a b 2.13 implicam
que, em geral, ser EF FE, como mostra o exemplo seguinte:
Exemplo 2 10. Considerem-se as matrizes
E F
# " " $
" # # "

e
ter-se-, neste caso,
EF FE EF
% ( " (
$ " $ %

e
Sec. 2.4] lgebra e Anel das matrizes quadradas 75
Do exposto, podemos concluir que, para ser , necessrio (mas no suficiente) EF FE
que e sejam matrizes . Existem, de facto, casos de matrizes E F quadradas e da mesma ordem
quadradas em que e, quando tal acontecer, diremos que e so matrizes EF FE E F
permutveis comutveis ou o que acontece, entre outros, nos casos a seguir indicados: .
Exemplo 2 11. Caso de ser nulo um dos factores:
a ES S E S
E
8 8 8
88

Para quaisquer , as igualdades 3 4 " # 8 a b 2.13 implicam imediatamente
" " "
a b a b a b
" " "
a b a b a b
ES E S E ! ! ! S
S E S E !E ! ! S
8 35 8 35 8
34 54 34
5" 5" 5"
8 8 8
8 8 54 54 8
34 35 34
5" 5" 5"
8 8 8
Exemplo 2 12. Caso de um dos factores ser a matriz identidade : M
8
a EM M E E
E
8 8
88

As igualdades e onde o smbolo de a b 2.13 levam directamente, para 3 4 " # 8 $
34
Kronecker, s igualdades
" "
a b a b
" "
a b a b
EM E M E E
M E M E E E
8 35 8 35 54 34
34 54
5" 5"
8 8
8 8 54 35 54 34
34 35
5" 5"
8 8
$
$
Exemplo 2 13. Sejam e E F as matrizes seguintes
E F
# " " " "
" " # # '
# " # " %

e
0
5
3
Verifica-se, neste caso, que
EF FE M
" ! !
! " !
! ! "

$
De tudo o que se viu anteriormente, pode concluir-se que o produto matricial no
comutativo e a discusso que fizmos pode ser condensada do seguinte modo:
76 Matrizes [Cap. 2

E
F

7 : EF FE
7 :
7 8 EF FE EF FE
7 8
EF FE EF FE
78
8:
77 88
88
Existe , mas no existe .
Em geral, ser ,
mas existem matrizes permutveis.

A seguinte proposio resume algumas das propriedades do produto matricial:
Proposio 2 1. Propriedades do produto matricial Sejam e um 7 8 : ;
corpo. O produto de matrizes sobre satisfaz as seguintes propriedades:
i) quaisquer matrizes , e , tem-se Associatividade: para E F G
78 8: :;
a b a b EF G E FG
ii) em relao adio (e subtraco) matriciais: sendo Distributividade direita
E F G
78 8:
e , tem-se:
a b E F G EG FG
iii) em relao adio (e subtraco) matriciais: sendo Distributividade esquerda
E F G
78 8:
e , tem-se:
E F G EF EG a b
iv) Para quaisquer matrizes e e qualquer escalar , verificam- E F !
78 8:
se as igualdades seguintes
a b a b a b ! ! ! E F E F EF
v) Existncia de elementos neutros (as matrizes identidade) esquerda e direita: para
qualquer matriz , tem-se: E
78
M E EM E
7 8
vi) ara quaisquer matrizes , , tem-se Anulamento do produto: p E F
78 8:
E S F S EF S
78 8: 7:
Observe-se que, ao contrrio do que acontece com o produto de escalares, a recproca
desta implicao no vlida: pode ser a matriz nula, sem que nem nem o EF E F
sejam.
Demonstrao:
i) Para quaisquer e : 3 " # 7 4 " # ;
a b a b a b
" " " ""

"" " " " "

EF G EF G E F G E F G
E F G E F G E F G
34 3<
<" <" <"
: : :
<4 35 5< <4 35 5< <4
5" 5"
8 8
5" 5" 5"
8 8 8
<" <" <"
: : :
35 5< <4 35 5< <4 35 5< <4
5"
8
35
54 34
E FG E FG
"
a b a b a b
ii) Neste caso, a igualdade resulta de ser, para e : 3 " # 7 4 " # :
a b a b a b a b a b
" " "
" "
a b a b a b
E F G E F G E F G E G F G
E G F G EG FG EG FG
34 35
5" 5" 5"
8 8 8
54 35 35 54 35 54 35 54
5" 5"
8 8
35 54 35 54
34 34 34
iii) Tal como anteriormente, teremos, para e : 3 " # 7 4 " # :
a b a b a b a b a b
" " "
" "
a b a b a b
E F G E F G E F G E F E G
E F E G EF EG EF EG
34 54
5" 5" 5"
8 8 8
35 35 54 54 35 54 35 54
5" 5"
8 8
35 54 35 54
34 34 34
iv) Resulta imediatamente das igualdades seguintes, para e : 3 " # 7 4 " # :
a b a b a b
"
a b
" "
" "
a b a b
a b a b a b
! ! !
! ! !
! !
E F E F E F
E F E F EF
E F E F
34 35
5" 5"
8 8
54 35 54
5" 5"
8 8
35 54 35 54
34
34 54
5"
8
35
E F
E F E F EF
"
a b
" "
a b a b
5"
8
35 54
5" 5"
8 8
35 54 35 54
34
!
! ! !
v) Tem-se, para e e sendo o smbolo de Kronecker: 3 " # 7 4 " # 8 $
34
" "
a b a b
" "
a b a b
M E M E E E
EM E M E E
7 7 54 35 54 34
34 35
5" 5"
7 7
8 35 8 35 54 34
34 54
5" 5"
8 8
$
$
78 Matrizes [Cap. 2
vi) Tem-se, para e : 3 " # 7 4 " # :
" " "
a b a b a b
" " "
a b a b a b
S F S F ! F ! ! S
ES E S E ! ! ! S
78 78 54 54 7:
34 35 34
5" 5" 5"
8 8 8
8: 35 8: 35 7:
34 54 34
5" 5" 5"
8 8 8
Exemplo 2 14. Um produto matricial pode ser nulo, sem que nenhum dos factores o seja,
como mostra o exemplo seguinte
E F EF S
# " !
! $ #
" "
# #
$ $

#
Exemplo 2 15. Note-se, de passagem, que as leis do corte esquerda e direita no so
vlidas (na mesma forma em que so vlidas para os escalares). Por exemplo a lei do corte
esquerda
a E S EF EG F G
E
78
FG
8:
a b
78
no vlida, como mostra o exemplo seguinte
E F G
# " !
! $ #
$ " # #
" ! " #
! # $ "

O leitor pode verificar que, neste caso, ser
E S EF EG F G
& #
$ %
#$
Outra situao que exige cuidado a da multiplicao de ambos os membros de uma
igualdade matricial por uma mesma matriz: h que fazer a multiplicao esquerda em ambos os
membros ou direita em ambos os membros; por exemplo, no so, em geral, vlidas as
implicaes
E F GE FG E F EH HF e
Se , o produto matricial constitui uma em e as quatro 7 8 lei de composio interna
88
primeiras alneas da proposio anterior so precisamente os axiomas M1 a M4 do captulo 1. O
produto matricial , pois, uma funo bilinear associativa em e este igualmente um espao
88
vectorial (de dimenso ) sobre : conclui-se que o conjunto das matrizes quadradas de 8
# 88

ordem (com a adio matricial 8 a b 2.5 , o produto por escalar 2.9 e com o produto matricial a b
a b 2.13 no comutativa ) uma sobre e a penltima alnea da proposio anterior lgebra Linear
mostra que esta lgebra tem ou , precisamente a matriz identidade de ordem unidade identidade
8 M , . claro, igualmente, que constitui um no comutativo com
8
88
a b Anel identidade,
mas no um (se , o produto matricial no comutativo); quando estudarmos a Corpo 8 "
inverso matricial, veremos que existe uma razo adicional para que a b
88
no seja um
corpo, pois h em elementos no nulos.
88
singulares
Se for uma , ento, para qualquer matriz , I 5M E
8
78
matriz escalar
EI E 5M 5 EM 5E a b a b
8 8
ou seja, multiplicar por uma matriz escalar direita equivale a multiplicar pelo escalar E I E 5
que forma a diagonal de . Do mesmo modo, se for uma matriz escalar, ento, para I I 5M
7
qualquer matriz E
78
IE 5M E 5 M E 5E a b a b
7 7
ou seja, multiplicar por uma matriz escalar esquerda equivale a multiplicar pelo escalar E I E
5 I que forma a diagonal de : a isto se deve a designao de para as matrizes da matriz escalar
forma , visto que elas se comportam na multiplicao por outra matriz como se de escalares 5M
8
se tratasse.
Para as matrizes quadradas (e s para estas) possvel definir, por recorrncia, a potenciao
com base matricial e expoente natural (para algumas matrizes quadradas, passaremos, mais
tarde, a expoente inteiro negativo) , pondo:
Definio 2 5. Potncia de matriz e expoente natural Seja uma matriz E
88
quadrada de ordem sobre um corpo . A potncia de base e expoente define-se 8 E 5
!
pondo, por recorrncia,
a b
E M
E E E 5 !
!
8
5 5"
2.14
claro que a aplicao repetida de a b 2.14 d, para , 5 !
E EEE
5
5
factores
A potenciao goza de algumas das propriedades habituais, mas nem todas, como consta da
Proposio 2 2. Propriedades da potncia Para quaisquer matrizes e E F
88
quaisquer , tem-se: : ;
!
i) E E E
: ; :;
ii) a b E E
: : ;
;
iii) Se e so , ento E F permutveis
EF F E
: :
iv Se e so , ento E F permutveis
E F EF
: : :
a b
80 Matrizes [Cap. 2
(Se , a igualdade vlida, mesmo que e no sejam permutveis). : ! " E F e f
Demonstrao:
i) Por induo em : se , tem-se: ; ; !
E E E M E E
: ! : : :!
8
Se , ento: E E E
: ; :;
E E E E E E E E E E E E
: ;" : ; : ; :; :; " : ;"
a b a b a b
a b a b
ii) Novamente por induo em . Se , tem-se: ; ; !

E M E E
: ! :!
!
8
Se , ento: a b E E
: :;
;

E E E E E E E
: : : :; : :;: : ;"
;" ;
a b
iii) Suponha-se e mostremos a igualdade por induo em : EF FE EF F E :
: :
Se , ser : !
EF EM E M E F E
! !
8 8
e, supondo que e , ento: EF FE EF F E
: :
EF E F F EF F F E F F EF F FE F F E F E
: : : : : : : :" +1
iv) De novo por induo em : :
Se , ser : !
E F M M F E
! ! ! !
8 8
Por outro lado, supondo que e , tem-se: EF FE E F EF
: :
:
a b
E F E E F F E EF F E F E F
E F EF EF EF EF
: : : : : : : :
: : : :"
+1 +1
a ba b a b a b
a ba b a b a b a b
As igualdades a b 2.5 , 2.9 e 2.14 do significado s expresses a b a b

: E - E - M - E - E - E a b a b
"
5!
7
5 ! 8 " # 7
5 # 7
2.15
onde um inteiro, os so escalares de um corpo e matriz 7 ! - E a b
5
!57
88

quadrada de ordem : so os na matriz quadrada , de coeficientes 8 E polinmios matriciais
- 7
5
e de grau e bvio que : E 8 a b ainda uma matriz quadrada de ordem .
Vejamos alguns exemplos:
Exemplo 2 16. Se e so matrizes permutveis e se for um polinmio E F : F - F a b
!
5!
7
5
5
arbitrrio em , vamos ver, graas a algumas das propriedades da lgebra matricial e 3 alnea F
da proposio , que e so tambm permutveis: 2 2 E : F a b
E: F E - F E - F - EF
- F E - F E - F E : F E
a b
" " "
" " "

a b
5! 5! 5!
7 7 7
5 5 5
5 5 5
5! 5! 5!
7 7 7
5 5 5
5 5 5
O que acabmos de mostrar no exemplo anterior implica em particular que, para qualquer
matriz quadrada e qualquer polinmio , as matrizes E : E : E e so sempre permutveis a b
E: E : E E a b a b a b 2.16
Exemplo 2 17. A no comutatividade do produto matricial acarreta a no validade de
algumas manipulaes algbricas que estamos habituados a fazer sobre escalares. Seguem-se
alguns exemplos destas diferenas entre a manipulao de escalares e de matrizes:
7 # Em geral, a frmula do no vlida, isto , para inteiro e binmio de Newton
E F
88
, tem-se, geralmente:
a b a b
"
E F E F
7
5
7
5!
7
75 5
2.17
Por exemplo, para
E F
" $ #
# ! " " # $
$ " $ ! " "

2 1 1
e
vem
a b

a b
E F
% ! $
"" % "
* ! (
E #EF F E F
$ # (
"! " %
## " "(
#
# # #
82 Matrizes [Cap. 2
Mas, para quaisquer matrizes ser sempre, por exemplo, E F
88
a b a ba b
a b a b
a b
E F E F E F E EF FE F
E F E EF FE F E F
E E F EFE EF FE FEF F E F
# # #
$ # #
$ # # # # $
2.18
E F 7 Se so matrizes e um inteiro, ento ser vlida a
88
!
permutveis
frmula do binmio de Newton (ver seco 11 do apndice B):
E F E F E F
7
5
e so permutveis a b a b
"
7
5!
7
75 5
2.19
Por exemplo, seja a matriz j anteriormente referida e o seguinte polinmio do 3 E G
$$
grau na matriz E
G : E E $E E #M
" & "
) ( "
" $ !
a b

$ #
$
Devido a a b 2.16 , e so permutveis (verifique!) e, portanto, o binmio de Newton E G
aplicvel a e ; por exemplo, para expoente , tem-se E G 7 $
a b

a b
E G
$#& &% "!)
&% $#& &%
#(! ! "!(
$#& &% "!)
&% $#& &%
#(! ! "!(
E G
$
$
E $E G $EG G
$ # # $
E F A frmula da no vlida, isto , para , tem-se, diferena de quadrados
88
geralmente:
E F E F E F
# #
a ba b a b 2.20
Por exemplo, e de novo para as matrizes e anteriores, vem E F

a ba b

E F
* # *
! " "#
% $ *
E F E F E F
# ! "
" # "(
* # "
# #
# #
Aqui, a frmula que ser sempre verificada
E EF FE F E F E F
# #
a ba b a b 2.21
Sec. 2.5] Transposio e transconjugao 83
E F Se so matrizes , ser ento vlida a frmula
88
permutveis diferena de da
quadrados
E F E F E F E F e so permutveis
# #
a ba b a b 2.22
O leitor pode verificar que, para as matrizes permutveis e j referidas, vir E G

a ba b

E G
$* $) #
'% "$ "%
") #' &
E G E G E G
$* $) #
'% "$ "%
") #' &
# #
# #
2.5 Transposio e transconjugao
Vamos tratar agora de uma nova operao matricial que, ao contrrio das anteriormente
estudadas, uma operao unria que transforma matrizes em novas matrizes e a que se chama
transposio:
Definio 2 6. Transposio Seja um corpo e . A de uma matriz 7 8 Transposta
E E E E
78 87 > w
a matriz (tambm designada por ou ), cujas linhas so as
T
colunas de (ou vice-versa, o que , obviamente, equivalente). Sendo o elemento da E E

T
43
linha e da coluna de e o elemento da linha e da coluna de , tem-se, portanto, 4 3 E E 3 4 E
T
34

a b E E 3 " # 7 4 " # 8
T
43
34
e 2.23
A transposio satisfaz um certo nmero de propriedades muito simples que se resumem a
seguir:
Proposio 2 3. Propriedades da transposio Seja um corpo e . Para 7 8 :
quaisquer matrizes , e qualquer escalar , tem-se: E F G !
78 8:
i) a b E E
T
T
ii) a b E F
T
T T
E F
iii) a b !E
T
T
E !
iv) a b EG
T
T T
G E
Demonstrao:
i) P e , vir ara qualquer : 3 " # 7 4 " # 8

E
T T
T

34
43
34
E E
84 Matrizes [Cap. 2
ii) Tem-se, e : para 3 " # 7 4 " # 8

a b a b E F E F E F E F
T T T
43 43 43 43
34
34 34
E F
T T
iii) Neste caso e para e , ficar 3 " # 7 4 " # 8

a b a b ! ! ! ! E E E E
T T
43 43 43
34
34
!E
T
iv) Para e , tem-se: 3 " # 7 4 " # :

a b a b
" " "
EG EG E G E G G E
T T T

43 43
G E
34
5" 5" 5"
8 8 8
35 54
53 45 45 53
T T T T
Para qualquer matriz complexa , a de designada por E E

78
matriz conjugada
E E
78
e formada pelos complexos conjugados dos elementos de :

a b E E 3 " # 7 4 " # 8
34
34
e 2.24
A seguinte proposio consequncia das propriedades do operador conjugao em e tem
demonstrao imediata (deixada ao cuidado do leitor):
Proposio 2 4. Propriedades da conjugao Sejam . Para quaisquer 7 8 :
matrizes , e qualquer nmero complexo , tem-se: E F G !
78 8:
i) E E
ii) E F E F
iii) Se , tem-se . ! ! ! E E E E ! ! .
iv) Para qualquer matriz , tem-se . E E E E
78 78
v) EG EG
A matriz transposta de E E E chamada a de e designada por . transconjugada
Definio 2 7. Transconjugao Sejam e uma matriz complexa. A 7 8 E

78
transconjugada de a matriz definida por E E
E E

T
a b 2.25
As proposies 2 3 e 2 4 implicam imediatamente as seguintes propriedades para o operador
transconjugao, cuja demonstrao bvia (faa-a, a ttulo de exerccio!):
Proposio 2 5. Propriedades da transconjugao Sejam . Para quaisquer 7 8 :
matrizes , e qualquer nmero complexo , tem-se: E F G !
78 8:
i) a b E E

ii) a b E F

E F
iii) . Se , tem-se . a b a b ! ! ! E E

E E ! !
iv) Para qualquer matriz , tem-se . E E E E
78 78 T
v) a b EG

G E
De acordo com o seu comportamento perante os operadores transposio e transconjugao,
definem-se vrios tipos importantes de matrizes: as matrizes , as matrizes simtricas hemi-
simtricas anti-simtricas hermitianas hermticas hemi- (ou ), as matrizes (ou ) e as matrizes (ou
anti- hermitianas hermticas ) (ou ). Seguem-se as definies:
Definio 2 8. Matriz simtrica Seja e uma matriz quadrada 8 E + c d
34
88
de ordem sobre um corpo . A matriz diz-se sse for invariante por transposio, 8 E simtrica
isto :
E E E simtrica
T
a b 2.26
(Observe que a igualdade anterior implica que a matriz seja quadrada). Em termos dos E
elementos de , ser: + E
34
+ + 3 4 " # 8
34 43
a b 2.27
Os escalares e figuram na matriz em posies simtricas relativamente diagonal + + E
34 43
principal respectiva. O seguinte exemplo mostra uma matriz simtrica complexa:
Exemplo 2 18. A seguinte matriz simtrica: E
$$
E
! " 3 $3
" 3 #3 %
$3 % " 3

Definio 2 9. Matriz anti-simtrica Seja e uma matriz 8 E + c d
34
88
quadrada de ordem sobre um corpo . A matriz diz-se 8 E anti-simtrica hemi-simtrica (ou )
sse a matriz transposta de for igual matriz : E E
E E E anti-simtrica
T
a b 2.28
(Observe que a igualdade anterior implica, uma vez mais, que a matriz seja quadrada). E
Em termos dos elementos de , ser: + E
34
+ + 3 4 " # 8
34 43
a b 2.29
86 Matrizes [Cap. 2
As igualdades anteriores implicam, em particular para os elementos da diagonal principal, que
se tem . Se o corpo tiver caracterstica diferente de 2, isto conduz a que . + + + !
33 33 33
o que acontece com os corpos , e . O seguinte exemplo mostra uma matriz real hemi-
a b 6
simtrica:
Exemplo 2 19. A seguinte matriz hemi-simtrica: E
$$
E
! " $
" ! %
$ % !

Exemplo 2 20. Os conjuntos das matrizes de ordem W E E E 8 e f
T
88
simtricas
e das matrizes da mesma ordem constituem L E E E e f
T
88
hemi-simtricas
subespaos de (isto , so satisfeitos os requesitos S1-S3 do captulo 1, facto cuja
88
demonstrao deixamos ao cuidado do leitor, como exerccio).
Alm disso, tem-se, para qualquer matriz , E
88
E E E E E
" "
# #

T T

sendo que uma matriz e
" "
# #
a b a b E E E E
T T
simtrica hemi-simtrica, como se mostra a
seguir:

" " " " "
# # # # #
" " " " "
# # # # #

a b

a b

E E E E E E E E E E
E E E E E E E E E E
T T T T T T
T
T T T T T T
T
T T
T T

A igualdade anterior significa que o espao dos seus subespaos e (ver
88
soma W L
definio 1.12):
88
W L
Alm disso, se , ento E W L E
T
E E E E , donde . Conclui-se que, se o
corpo tiver caracterstica diferente de 2 , ser e, obviamente, e o E S W L S
8 8
e f
corolrio 1.21.1 permite deduzir que ser de e :
88
soma directa W L
88
W L a b 2.30
Tem-se ainda, pela proposio 1.22 e atendendo a que , dima b
88 #
8
a b
a b
a b
dim
dim
L 8 8 "
W 8 8 8 "
8 8 "
# #
# 8 8 8 8 "
# # #
#
# #
2.31
Definio 2 10. Matriz hermitiana Seja e uma matriz 8 E + c d
34
88
complexa quadrada de ordem . A matriz diz-se sse for 8 E hermitiana hermtica (ou )
6
Mas no com , por exemplo. Aqui tem-se e tambm , o que mostra que e
#
! ! ! " " ! ! !
" " ! : Portanto, o nico escalar simtrico de si mesmo. no
invariante por transconjugao, isto :
E E E hermitiana
a b 2.32
(Observe que a igualdade anterior implica que a matriz seja quadrada). Em termos dos E
elementos de , ser: E
+ + 3 4 " # 8
34 43
a b 2.33
As igualdades anteriores implicam, para os elementos da diagonal principal, que se tem
+ + +
33 33 33
, o que equivalente a . O seguinte exemplo mostra uma matriz hermitiana:
Exemplo 2 21. A seguinte matriz hermitiana: E
$$
E
# " 3 $3
" 3 $ %
$3 % !

Definio 2 11. Matriz anti-hermitiana Seja e uma matriz 8 E + c d
34
88
complexa quadrada de ordem . A matriz diz-se sse a 8 E anti-hermitiana anti-hermtica (ou )
a b 7
sua transconjugada coincidir com a simtrica:
E E E anti-hermitiana
a b 2.34
(Observe que a igualdade anterior implica que a matriz seja quadrada). Em termos dos
elementos de , ser: E
+ + 3 4 " # 8
34 43
a b 2.35
As igualdades anteriores implicam, para os elementos da diagonal principal, que se tem
+ + + 3
33 33 33
, o que equivalente a (conjunto dos imaginrios puros). A seguir,
exemplifica-se uma matriz anti-hermitiana:
Exemplo 2 22. A seguinte matriz anti-hermitiana: E
$$
E
#3 " 3 $3
" 3 $3 %
$3 % !

Exemplo 2 23.
88 #
, como se viu, um espao vectorial de dimenso sobre e, 8
portanto, ter dimenso sobre (ver exemplo 1.56). #8
#
Sejam ainda e respectivamente os L E E E L E E E e f e f

88 w 88
conjuntos das matrizes e de ordem . Estes hermitianas hemi-hermitianas no 8 conjuntos
constituem complexo subespaos de , como espao vectorial , visto que a condio S2
88
fecho em relao ao produto por escalar complexo no se verifica, atendendo 3 alnea da
proposio ; no entanto, considerando um espao vectorial e atendendo quela 2 5
88
real
alnea, os conjuntos e j so subespaos de (isto , so satisfeitos os requesitos S1- L L
w 88
S3 do captulo 1, facto cuja demonstrao deixamos ao cuidado do leitor, como exerccio).

Alm disso, tem-se, para qualquer matriz , E
88
7
Usam-se tambm os termos ou . hemi-hermitiana hemi-hermtica
88 Matrizes [Cap. 2
E E E E E
" "
# #
a b a b

sendo que uma matriz e
" "
# #
a b a b E E E E

hermitiana hemi-hermitiana , o que se prova
a seguir:

" " " " "
# # # # #

" " " " "
# # # # #

a b

a b
E E E E E E E E E E
E E E E E E E E E E

A igualdade anterior significa que o espao vectorial dos subespaos e real soma
88
L
L
w
(ver definio 1.12):
88 w
L L
Alm disso, se , ento e, E L L E E S
w
8
E E E E , donde , ou seja,
obviamente, e o corolrio 1.21.1 permite deduzir que de L L S
w 88
8
e f soma directa
L L e :
w
88 w
L L a b 2.36
Quanto s dimenses de e , tem-se (como exerccio, encontre uma base de cada L L
w
subespao),
dim dim

L L 8 # 8
8 8
#
w #
#
a b 2.37
Observe-se que estes resultados esto de acordo com a proposio 1.22:
#8 L L 8 8
# 88 w # #
dim dim dim

Para terminar esta seco, faremos referncia a um operador matricial, chamado , que trao
actua sobre matrizes quadradas e que passamos a definir,
Definio 2 12. Trao de uma matriz Dada uma matriz quadrada de ordem E
88
8 E E , chama-se de soma dos elementos da diagonal principal de trao
tr 2.38 a b a b
"
E +
3"
8
33

As principais propriedades do operador trao resumem-se na
Proposio 2 6. Propriedades do trao As principais propriedades do operador trao
so:
i) Para quaisquer matrizes , tem-se: E F
88
tr tr tr a b a b a b E F E F
Sec. 2.6] Submatrizes. Matrizes de blocos. Operaes por blocos 89
ii) Para qualquer escalar e qualquer matriz , tem-se: 5 E
88
tr tr a b a b 5E 5 E
iii) Para qualquer matriz , vem: E
88
tr tr a b a b E E
T
iv) Para quaisquer matrizes e e mesmo quando for , tem- E F EF FE
78 87
se sempre:
tr tr a b a b EF FE
Demonstrao:
i) Sejam e . Ento E + F , c d c d
34 34
tr tr tr a b a b a b a b
" " "
E F + , + , E F
3" 3" 3"
8 8 8
33 33 33 33
ii) Sendo , obtm-se E + c d
34
tr tr a b a b a b
" "
5E 5+ 5 + 5 E
3" 3"
8 8
33 33
iii) Basta observar que e E E
T
tm diagonais principais iguais.
iv) Sejam e . O resultado pretendido decorre das igualdades sucessivas E + F , c d c d
34 45
tr tr a b a b a b a b
" "" "" "
EF EF + , , + FE FE
3" 3" 3"
7 7 8 8 7 8
33 55
5" 5" 5"
35 53 53 35

Na seco 2.16, mostramos o uso do software MATHEMATICA
para levar a cabo as

operaes matriciais aqui estudadas.
2.6 Submatrizes. Matrizes de blocos. Operaes por blocos
Considere-se uma matriz e sejam e dois inteiros. Sejam E : " 7 ; " 8
78
c d c d
M 3 3 3 " 7
N 4 4 4 " 8
e f c d
e f c d
a b
" # :
" # ;
2.39
duas partes no vazias de e de respectivamente (supomos e c d c d " 7 " 8 3 3 3
" # :
4 4 4 : ; E
" # ;
). A matriz de tipo sobre obtida de tomando apenas os elementos
das linhas com ndices pertencentes a e das colunas com ndices pertencentes a chamada M N
uma de de tipo e ser designada por uma das notaes submatriz extrada E : ;
E M N E 3 3 3 4 4 4 c d c d a b e f e f
" # : " # ;
:;
; 2.40
90 Matrizes [Cap. 2
ou mais abreviadamente por
E 3 3 3 4 4 4 c d a b
" # : " # ;
:;
2.41
Nalgumas situaes (como acontecer no captulo 4) til indicar os ndices das filas
eliminadas seleccionadas , ao invs de indicarmos as filas , como comemos por fazer. Neste
sentido, se fizermos
M " 7 M < < <
N " 8 N = = =
w
" # 7:
w
" # 8;
c d e f
c d e f
designaremos a submatriz extrada de indicando as por E filas eliminadas
E M N E 3 3 3 4 4 4 E M N a b a b c d a b
" # : " # ;
w w 7:8;
2.42
A conveno que faremos , portanto, a de que:
Para indicarmos as filas , usamos parntesis . seleccionadas rectos
Para indicarmos as filas , usamos parntesis . eliminadas curvos
A sintaxe anterior pode aplicar-se s linhas e s colunas de e, sendo e separadamente E M N
partes no vazias de c d c d " 7 " 8 e respectivamente, temos as seguintes quatro alternativas de
notao:
E M N E 3 3 4 4
E M N E 3 3 4 4
c d c d
a b a b
" : " ;
:;
" : " ;
7:8;
Indicao de linhas e colunas seleccionadas.

Indicao de linhas e colunas eliminadas.
Indicao de linhas seleccionadas e colunas eliminadas. E M N 3 3 4 4
E M N E 3 3 4
c b c b
a d a d
" : " ;
:8;
" : "
4
;
7:;
Indicao de linhas eliminadas e colunas seleccionadas.
claro que, para , se ter . : ; " E 3 4 + c d c d
34
O nmero de sequncias nas condies
a b 2.39 de e , respectivamente. Portanto o nmero de submatrizes de tipo
7 8
: ;
: ;
existentes numa matriz de tipo de 78
7 8
: ;
.
Se os ndices em 2.39 forem (isto , e so de a b consecutivos subintervalos M N c d " 7 e de
c d " 8 : ; respectivamente), as submatrizes respectivas chamam-se de tipo . Portanto, blocos
um bloco de uma submatriz formada por filas de (mas no necessariamente E E consecutivas
obtida eliminando filas consecutivas); o nmero de blocos de tipo : ; existente numa matriz
78 7: " 8 ; " de a b a b.
Exemplo 2 24. Sendo
E
# $ % !
" $ # %
& " & $

$%
tem-se, por exemplo,
E " $ # % E # " $ " $ " $ # %
$ !
" $
E # $ " # $ E " % # $ " # $
" $ #
& " &
c d a b

c d a b

E E #
E % E "
c b a d
c b a d
##
#$
A primeira submatriz (do tipo ) no um bloco de , pois as filas l representadas no # # E
so consecutivas; a 2 destas submatrizes j constitui um bloco de do tipo , constitudo E # $
pelas linhas consecutivas e e pelas colunas consecutivas e # $ " # $.
Sendo e , possvel dividir uma matriz de tipo em " : 7 " ; 8 78 : ;
blocos, mediante a construo de uma da matriz: uma fragmentao de obtm- fragmentao E
se construindo dos conjuntos dos ndices das linhas e dos ndices parties e f " # 7
e f " # 8 : ; das colunas em e subconjuntos respectivamente, atravs de sequncias
crescentes de ndices de linhas
# 3 3 3 7
" # :"
e de ndices de colunas
# 4 4 4 8
" # ;"
e f e f e f e f
e f e f e f e f
a b
" # 7 " 3 " 3 3 " 3 7
" # 8 " 4 " 4 4 " 4 8
" " # :"
" " # ;"
2.43
As parties acima determinam blocos e a matriz de blocos resultante : ; E E a b
<=
"<:
"=;
escreve-se na forma
E
E E E
E E E

E E E

a b

"" "# ";
#" ## #;
:" :# :;
2.44
Assim, a matriz do tipo , como matriz de escalares, mas do tipo , como E 78 : ;
matriz de blocos.
Exemplo 2 . 25 A seguinte matriz real est fragmentada em blocos # $

# " ! $ "
" $ # % !
$ # " & "
! " # ! $
" # $ % #
E E E
E E E
"" "# "$
#" ## #$
92 Matrizes [Cap. 2
em que

E E E
# " ! $ "
" $ # % !
E E E
$ # " & "
! " # ! $
" # $ % #
"" "# "$
#" ## #$
Neste caso, a fragmentao apresentada corresponde s parties : a b 2.43 seguintes
e f e f e f
e f e f e f e f
" # $ % & " # $ % &
" # $ % & " # $ % &
, para as linhas
, para as colunas
A matriz quadrada de ordem, como matriz real e do tipo , como matriz de blocos. & # $
Reciprocamente, sejam e uma famlia de matrizes sobre um corpo : ; E : ; a b
<=
"<:
"=;
tais que, para cada , todas as matrizes tm o mesmo nmero de " < : E 7 a b
<= <
"=;
linhas e, para cada , todas as matrizes tm o mesmo nmero de " = ; E 8 a b
<= =
"<:
colunas. Pode, ento, construir-se uma matriz de blocos do tipo que ser designada por : ;
c d
! !
E 78 7 7 8 8
<= < =
<" ="
: ;
"<:
"=;
e que, como matriz de escalares, ser do tipo , onde e .
As operaes matriciais podem ser realizadas . Como regra geral, podemos dizer por blocos
que se aplicam s matrizes de blocos os mesmos procedimentos vlidos para as matrizes de
escalares. Tudo se passa como se as operaes matriciais que atrs definimos fossem, afinal,
aplicadas a blocos do tipo . " "
Vejamos, uma a uma, as operaes matriciais:
: ; E F : sejam e e duas famlias de matrizes Adio por blocos a b a b
<= <=
"<: "<:
"=; "=;
sobre um corpo tais que, para cada , todas as matrizes e tm " < : E F a b a b
<= <=
"=; "=;
o mesmo nmero de linhas e, para cada , todas as matrizes e 7 " = ; E
< <=
"<:
a b
a b F 8
<= =
"<:
tm o mesmo nmero de colunas. A soma (respectivamente, a diferena) das
matrizes de blocos e a nova matriz de blocos que se E E F F E F c d c d
<= <=
"<: "<:
"=; "=;
obtm somando (ou subtraindo) os blocos homlogos de cada uma delas:

E E E F F F E F E F E F
E E E F F F

E E E F F F

"" "# "; "" "# "; "" "" "# "# "; ";
#" ## #; #" ## #;
:" :# :; :" :# :;
E F E F E F

E F E F E F
#" #" ## ## #; #;
:" :" :# :# :; :;
a b 2.45
: ; E : sejam e uma famlia de Multiplicao de escalar por matriz de blocos a b
<=
"<:
"=;
matrizes sobre um corpo tal que, para cada , todas as matrizes tm o " < : E a b
<=
"=;
mesmo nmero de linhas e, para cada , todas as matrizes tm o mesmo 7 " = ; E
< <=
"<:
a b
nmero de colunas. Sendo , o produto de pela matriz de blocos , 8 E E E
= <=
! ! c d"<:
"=;
a matriz obtida multiplicando por cada um dos blocos ! E
<=
!
! ! !
! ! !
! ! !

a b

E E E E E E
E E E E E E

E E E E E E
"" "# "; "" "# ";

#" ## #; #" ## #;
:" :# :; :" :# :;
2.46
: ; E : sejam e uma famlia de matrizes Transposio de matrizes por blocos a b
<=
"<:
"=;
sobre um corpo tal que, para cada , todas as matrizes tm o mesmo " < : E a b
<=
"=;
nmero de linhas e, para cada , todas as matrizes tm o mesmo 7 " = ; E
< <=
"<:
a b
nmero de colunas. A transposta da matriz de blocos a matriz que se obtm 8 E E
= <=
c d"<:
"=;
transpondo cada bloco e ainda transpondo como se de uma matriz de escalares se tratasse E E
<=

a b

E E E
E E E E E E

E E E
E E E

E E E
"" "# ";
#" ## #;
:" :# :;
"" #" :"
"# ## :#
"; #; :;
T
T T T
T T T
T T T
2.47
: ; ? E F : sejam e e duas famlias Produto de matrizes por blocos a b a b
<= =>
"<: "=;
"=; ">?
de matrizes sobre um corpo tais que, para cada , todas as matrizes tm " < : E a b
<=
"=;
o mesmo nmero de linhas e, para cada , todas as matrizes tm o 7 " = ; E
< <=
"<:
a b
mesmo nmero de colunas. Suponha-se ainda que, para cada , todas as matrizes 8 " = ;
=
a b a b F 8 " > ? F
=> = =>
">? "=;
tm linhas e que, para cada , todas as matrizes tm o mesmo
nmero de colunas. Portanto, as matrizes so do tipo e as matrizes so do B E 7 8 F
> <= < = =>
tipo . O produto da matriz de blocos pela matriz de blocos 8 B E E
= > <=
c d"<:
"=;
F F : ? G G c d c d
=> <>
"=; "<:
">? ">?
a nova matriz de blocos , em que
G E F G 7 B
<> <= => <> < >
="
;
"
e onde matriz a b 2.48
As igualdades matriciais anteriores podem escrever-se na forma

!
E E E
E E E F F F

E E E
F F F

F F F
E F
"" "# ";
#" ## #; #" ## #?
:" :# :;
"" "# "?
;" ;# ;?
="
;
"= ="
! !
! ! !
! ! !
=" ="
; ;
"= =# "= =?
=" =" ="
; ; ;
#= =" #= =# #= =?
=" =" ="
; ; ;
:= =" := =# := =?
E F E F
E F E F E F

E F E F E F
a b 2.49
Na seco 2.16, refere-se a utilizao do software MATHEMATICA
para tratar matrizes por

blocos, atravs . do package ALGA`Matrizes`
94 Matrizes [Cap. 2
2.7 Caracterstica de uma matriz
Nesta seco, vamos ver que, em qualquer matriz de tipo (eventualmente rectangular) 78
sobre um corpo , o subespao de gerado pelas linhas e o subespao de gerado pelas
8 7
colunas tm a mesma dimenso. Essa dimenso comum um atributo importante da matriz a que
chamaremos a respectiva caracterstica.
Proposio 2 7. Seja uma matriz do tipo sobre um corpo , com E 78 + c d
34
78

linhas e colunas . O subespao e o a b a b a b <t <t <t - t - t - t P <t <t <t
" # 7 " # 8 " # 7
8
subespao tm dimenses iguais. P -t - t - t a b

" # 8
7
Demonstrao:
Seja
E
+ + +
+ + +

+ + +

"" "# "8
#" ## #8
7" 7" 78
e sejam
<t + + + <t + + +
" "" "# "8 7 7" 7# 78
a b a b
as linhas de . Suponha-se que e que a lista formada 7 E P <t <t <t < = =t dim a b a b
" # 7 3
"3<
pelos vectores de seguintes formam uma de : < P <t <t <t
8
" # 7
base a b
=t = = = =t = = = =t = = =
" "" "# "8 # #" ## #8 < <" <# <8
a b a b a b
Ento, cada uma das linhas de combinao linear (nica) dos a b a b <t E =t
3 5
"37 "5<
!
!
!
<t ? =t ? =t ? =t ? =t
<t ? =t ? =t ? =t ? =t
<t ? =t ? =t ? =t
" "" " "# # "< < "5 5
5"
<
# #" " ## # #< < #5 5
5"
<
7 7" " 7# # 7< <
5"
<
? =t
75 5
onde os so escalares nicos. As igualdades vectoriais em anteriores equivalem s ? 7
35
8
78 4 " # 8 igualdades escalares, vlidas para cada ,
!
!
!
+ ? = ? = ? = ? =
+ ? = ? = ? = ? =
+ ? = ? = ? =
"4 "" "4 "# #4 "< <4 "5 54
5"
<
#4 #" "4 ## #4 #< <4 #5 54
5"
<
74 7" "4 7# #4 7< <4
5"
<
? =
75 54
Sec. 2.7] Caracterstica de uma matriz 95
Mas as igualdades escalares anteriores equivalem tambm s seguintes igualdades vectoriais 8
(no espao ), para ,
7
4 " # 8
-t = = =
+
+
+
? ? ?
? ? ?

? ? ?
4 "4 #4 <4
"4
#4
74
"" "# "<
#" ## #<
7" 7# 7<

as quais mostram que as colunas de so combinao linear dos vectores de -t E <
4
7
?t ?t ?t
? ? ?
? ? ?

? ? ?
" # <
"" "# "<
#" ## #<
7" 7# 7<

Portanto, pode concluir-se que
P -t - t - t P ?t ?t ?t a b a b
" # 8 " # <
A incluso anterior implica
dim dim dim P -t - t - t P ?t ?t ?t < P <t <t <t a b a b a b
" # 8 " # < " # 7
ficando, ento
dim dim P -t - t - t P <t <t <t a b a b
" # 8 " # 7
Repetindo o argumento anterior em relao a e atendendo a que as linhas de so as E E
T T
colunas de e vice-versa, conclui-se que ser tambm E
dim dim P <t <t <t P - t - t - t a b a b
" # 7 " # 8
As duas ltimas desigualdades equivalem igualdade pretendida
dim dim P <t <t <t P - t - t - t a b a b
" # 7 " # 8

A proposio anterior permite-nos pr a seguinte
Definio 2 13. Caracterstica de uma matriz Sejam e uma matriz 7 8 E
78
de tipo sobre um corpo . Chama-se de dimenso do subespao 78 E caracterstica
gerado pelas linhas (ou colunas) de a qual ser designada por . E E ca b
Da definio anterior resultam imediatamente algumas propriedades que se resumem na
Proposio 2 8. Propriedades da caracterstica Seja uma matriz de tipo E
78
78 sobre um corpo . Ento:
i) c e c a b a b S ! M 8
78 8
ii) c c . a b a b E E
T
96 Matrizes [Cap. 2
iii) Se , ento ! ! ! E E e f a b a b c c .
iv) c . a b e f E 7 8 min
v) Se for uma matriz de tipo sobre , tem-se F 8 :
8:
c c c a b e f a b a b EF E F min
vi) A caracterstica de invariante, por operaes elementares executadas sobre as E
filas de . E
vii) Se uma matriz , a sua caracterstica igual ao nmero de linhas no E escalonada
nulas nela existentes.
Demonstrao:
i) O subespao gerado pela linhas . Portanto, e f e f a b ! ! ! 9t
ca b S
78
dime f 9t !
Por outro lado, as linhas de e o subespao por elas M
8
constituem a de base cannica
8
gerado o prprio : portanto,
8
ca b a b M
8
dim
8
8
ii) consequncia imediata da proposio 2 7.
iii) Basta observar que as linhas de se obtm das linhas de por operaes elementares !E E
do tipo 2 (com ); deste modo, a proposio ! ! 1.18 garante que os subespaos de
8
gerados pelas linhas de !E E e de so iguais, o mesmo acontecendo, portanto, s caractersticas
respectivas (que so as dimenses daqueles subespaos).
iv) Como tem linhas , ser c . Porm, E 7 <t <t <t E P <t <t <t 7 a b a b a b
" # 7 " # 7
dim
tem-se e ento fica tambm c . Daqui P <t <t <t E P <t <t <t 8 a b a b a b
" # 7 " # 7
8
dim
resulta , como se pretendia. ca b e f E 7 8 min
v) Fragmentando nas suas colunas e nos seus elementos e E 8 -t F 8 : , c d c d
4 45
"48
"48
"5:
calculando o produto por blocos, resulta a matriz fragmentada EF Y EF ?t c d
5
"5:
tambm nas suas colunas onde : ?t
5
?t , - t 5 " :
5 45 4
4"
8
"
As igualdades vectoriais anteriores (em ) significam que as colunas de so combinao : EF
7
linear das colunas de e que, portanto, E
P ?t ?t ?t P - t - t - t EF E a b a b a b a b
" # : " # 8
c c
Raciocinando em termos das transpostas e recorrendo a e ii), proposio 2 3. iv
desigualdade anterior (aplicada a ), tem-se F E
T T
c c c c c a b a b a b

EF EF F E F F
T T T T
Sec. 2.8] Algoritmo de condensao vertical 97
Portanto, simultaneamente c c e c c , o que implica a desigualdade a b a b a b a b EF E EF F
desejada: . c c c a b e f a b a b EF E F min
vi) Observe-se que, pela proposio uma operao elementar executada sobre as 1.18,
linhas de uma matriz no altera o subespao vectorial gerado por elas, nem a E Z
78 8
dependncia ou independncia linear das referidas linhas; portanto, a dimenso de , que a Z
caracterstica de , tambm no se altera. Obviamente que idntico raciocnio vale tambm para E
as colunas de . Portanto: E
A caracterstica de invariante por operaes elementares sobre as filas de E E
78
vii) Se escalonada, as linhas nulas que eventualmente ocorram (na parte inferior de ) E E
podem ser retiradas da lista das linhas, que isso no alterar o subespao gerado pela Z
8
referida lista (as linhas nulas so combinao linear das anteriores lema .13.2) e o corolrio 1
1.11.1 garante que as linhas no nulas restantes so linearmente independentes: conclui-se daqui
que a caracterstica de uma matriz escalonada igual ao nmero de linhas no nulas nela
existentes:
E E E
78
escalonada c o nmero de linhas de no nulas. a b
2.8 Algoritmo de condensao vertical
O problema de calcular a caracterstica de uma matriz dada muito importante em lgebra E
linear e ele pode ser resolvido atravs de um aseado nas operaes elementares algoritmo, b
sobre listas de vectores (ver proposio ) os quais, no caso vertente, so as linhas (ou as 1.18
colunas) da matriz e conhecido por algoritmo de (se as operaes E condensao vertical
incidem sobre linhas) ou algoritmo de (se as operaes incidem sobre as condensao horizontal
colunas de ). O algoritmo tem, como veremos, as mais variadas aplicaes, para alm do E
clculo da caracterstica de uma matriz: resoluo de sistemas de equaes lineares, inverso de
matrizes, clculo de determinantes, etc; ele resolve tambm o problema vectorial tpico de
calcular uma e a do subespao gerado por uma lista de vectores dada, base dimenso
determinando ainda se esta ou no . linearmente independente
O algoritmo de condensao vertical baseia-se nas alneas e da proposio visa, vi) vii) 2 8 e
por meio de uma sequncia adequada de operaes elementares sobre as linhas, transformar
qualquer matriz numa matriz escalonada, sendo que este processo no altera a E I
78
caracterstica de E
c c nmero de linhas no nulas de a b a b E I I
O referido algoritmo de condensao vertical pode ser informalmente delineado nos termos
seguintes:
1. Procurar um elemento no nulo na matriz , fazendo esta busca por colunas da E
esquerda para a direita e de cima para baixo. Se no foi encontrado nenhum elemento
diferente de zero, tem-se e o algoritmo terminou com caracterstica igual a E S
78
! 3 . Se foi encontrado um elemento no nulo, ele pertencer a uma certa linha e a uma
coluna , ou seja, ser e a caracterstica ser, pelo menos, . 5 + ! "
35
2. Trocar a linha onde ocorreu o elemento anteriormente referido com a primeira 3 +
35
linha (operao elementar do tipo 1).
98 Matrizes [Cap. 2
3. Observe-se que, neste ponto, ser ; multiplique-se a primeira linha por , + ! +
"5
"5
"
obtendo-se (operao elementar do tipo 2); este elemento chamado o + "
"5
1
redutor 1 pivot ou do algoritmo.
4. Para todas as linhas a partir da segunda (inclusiv), substituam-se as linhas pela P
3
diferena entre cada uma delas e o produto de pela primeira linha (operao do +
35
tipo 3): isto , ser substituda por . Atendendo a que , isto far P P + P + "
3 3 35 " "5
com que o elemento seja substitudo por . + + + + + + " !
35 35 35 "5 35 35
5. Repetir os todos os passos anteriores, para o bloco E " " # 5 a b
7"85
obtido de eliminando a primeira linha e as primeiras colunas, se este no for E 5
vazio; caso contrrio, o algoritmo terminou.
Apresentamos, a seguir, o algoritmo de condensao vertical de um modo mais formal, para
transformar uma matriz noutra matriz escalonada e, em simultneo, calcular E + I c d
34
78
a caracterstica de : os dados de entrada so a matriz . As sadas so a caracterstica < E E + c d

34
< E F de e a matriz escalonada . As convenes de notao feitas na verso em pseudo-cdigo
abaixo mostrada so:
=..................................Afectao entre escalares (ou vectores de )
8
.
a
ik
.............................. . Escalar: elemento da linha e coluna da matriz i k E
Linha
i
...................... . Vector de constitudo pela linha da matriz
8
i E
v w ......................... . Troca dos vectores e de entre si v w
8
................................ . Conjuno
% Texto....................Comentrio.
Segue-se o algoritmo:
m=#Linhas(a); n=#Colunas(a);
r=0; k=0;
b=a;
Enquanto r m k n

% Busca do Pivot:
Fazer

k=k+1;
i=r;
Fazer
i=i+1
Enquanto b 0 i m
Enquanto b 0 k n;
Se
ik
ik

b 0 ento % b pivot?

% Reduo da coluna k de b:
r=r+1
Se i r ento Linha Linha % Op. de
ik ik
i r
tipo 1
Linha =Linha /b % Op. de tipo 2
Para i=r+1 at m
Linha =Linha -b *Linha % Op. de tipo 3
FimPara
FimSe;
r r rk
i i ik r
Sada: {r, b}
FimEnquanto
Sec. 2.8] Algoritmo de condensao vertical 99
Na seco 2.16, apresenta-se uma implementao do algoritmo anterior utilizando o software
MATHEMATICA
: trata-se da funo definida no Caracteristica package chamado

ALGA`Matrizes`.
Quando se faz manualmente a condensao de uma matriz, raramente se segue rigorosamente
o algoritmo anterior. Algumas modificaes do algoritmo incluem:
No passo 3 do algoritmo esboado na pg. 98 deste captulo, no se divide a primeira
linha pelo pivot (forando o pivot a ser igual a ). Deste modo, se a referida linha for "
constituda por inteiros, no aparecero fraces nos outros elementos da linha, o que
complicar os clculos subsequentes.
No passo 4, em vez de fazermos operaes do tipo 3 para anular os elementos por
baixo do pivot, fazemos operaes do tipo 4: para , substitui-se por 3 # 7 P
3
+ P + P + + + + + !
"5 3 35 " 35 "5 35 35 "5
o que conduz a substituir por , como se
pretendia.
" No passo 1, escolher, sempre que possvel, um elemento igual a (e no apenas
diferente de zero), pois isso possibilitar a utilizao de operaes do tipo 3 (e no do
tipo 4) para reduzir a zero os elementos debaixo do pivot.
E Observe-se que, se o objectivo apenas o clculo da caracterstica de , podemos
fazer, ao longo do processo, operaes sobre linhas e tambm sobre colunas.
Ao programar o algoritmo e com vista a minimizar os erros de arredondamento
tpicos do uso da representao de vrgula flutuante para implementar os nmeros
reais, usa-se para pivot o elemento de maior valor absoluto da primeira coluna da
matriz na qual este elemento se no anule.
Vamos agora apresentar alguns exemplos de utilizao do algoritmo de condensao vertical:
Exemplo 2 26. Calcule-se a caracterstica da seguinte matriz , usando condensao: E
&%
E
# " $ !
$ " # "
& # $ #
# ! ) "
" " "! %

Tem-se, executando as operaes elementares indicadas e indicando dentro de rectngulos os
pivots utilizados,

# " $ ! " " "! %
$ " # "
& # $ #
# ! ) "
" " "! %
$ " # "
& # $ #
# ! ) "
# " $ !

P P
" &
P P $P
# # "
P P &P
$ $ "
P P #P
% % "
P P
& & "
#P

" " "! %
! # $# "$
! $ %( ")
! # #) (
! " "( )
100 Matrizes [Cap. 2

P P P P #P
# & #
P P $P
$ $ #
% %
P P #P
& & #

" " "! %
! " "( ) ! " "( )
! $ %( ")
! # #) (
! # $# "$
" " "! %
! ! % '
! ! ' *
! ! # $
" " "! % " " "! %
! " "( ) ! " "( )
! ! # $
! ! # $
! ! # $
! ! # $
! ! ! !
! ! ! !
P P
$ $
"
#
P P
% %
"
$
P P
& &
P P P
% % $
P P P
& & $

Como existem 3 linhas no nulas na matriz escalonada final, a da matriz (tal caracterstica E
como a de todas as matrizes que ocorreram ao longo do algoritmo) 3, visto ser esta a
dimenso do subespao de gerado pelas suas 5 linhas (as quais so
%
linearmente dependentes
o que era, alis, bvio visto tratar-se de 5 vectores do espao cartesiano cuja dimenso 4);
%
uma deste subespao formada pelas 3 primeiras linhas da matriz escalonada obtida. base
2.9 Sistemas de equaes lineares. Princpios de equivalncia
Nesta seco, aborda-se uma importante aplicao da teoria das matrizes e do algoritmo de
condensao: a discusso e resoluo de sistemas de equaes lineares num corpo qualquer.
Consideraremos sistemas com qualquer nmero de equaes e qualquer nmero 7 8
de incgnitas e com coeficientes e incgnitas pertencentes a um certo corpo . A chamada
forma cannica de um tal sistema ser
a b

+ B + B + B ,
+ B + B + B ,

+ B + B + B ,
+ B ,
3 " 7 4 " 8
"" " "# # "8 8 "
#" " ## # #8 8 #
7" " 7# # 78 8 7
34 4 3
, em que
2.50
ou ainda,
"
a b
4"
8
34 4 3
+ B , 3 " 7 , onde 50 2.
A forma cannica caracteriza-se, pois, por:
+ B Esto no 1 membro todos os termos contendo as incgnitas (os termos ).
34 4
, Os termos independentes de incgnitas esto no 2 membro (os termos ).
3
A ordem das incgnitas a mesma em todas as equaes, embora seja arbitrria.
Se os segundos membros das equaes forem todos , o sistema diz-se a b 2.50 nulos
homogneo, dizendo-se tambm homognea cada equao do sistema.
Poremos, agora, duas definies importantes
Sec. 2.9] Sistemas de equaes lineares. Princpios de equivalncia 101
Definio 2 14. Soluo de um sistema Chama-se do sistema a soluo a b 2.50
qualquer vector
Bt B B B a b
" # 8
8
tal que se verifiquem em simultneo as igualdades . O conjunto das solues do 7 W a b 2.50

sistema o subconjunto de que resulta da interseco dos subconjuntos de constitudos
8 8
pelas solues de cada equao isoladamente; sendo o conjunto das solues da -sima W 3
3
equao , ser portanto, a b 2.50
W W
W B B B + B ,
+

a b
"
a b
3"
7
3
3 " # 8 34 4 3
4"
8
8
2.51
Definio 2 15. Sistemas equivalentes Diremos que dois sistemas de equaes lineares
so , sse o conjunto das solues o mesmo para os dois sistemas. equivalentes W
Isto implica imediatamente que o nmero de incgnitas tem de ser igual em ambos 8
sistemas, mas no necessariamente o nmero de equaes, como se ilustra facilmente com o 7
exemplo seguinte: se uma das equaes (a equao de ordem ), tiver (ou seja, a 5 + , !
54 5
5 !B !B !B ! W -sima equao ), ento ser . Como o elemento
" # 8 5
8 8

neutro da interseco 2.51 , podemos eliminar daquela interseco sem alterar o a b W
5
8
conjunto , isto , podemos eliminar a -sima equao do sistema, obtendo-se, assim, um novo W 5
sistema (de equaes) equivalente ao primeiro. 7"
Note-se ainda que, se a equao do sistema for da forma 5
!B !B !B , !
" # 8 5
,
ser e, como elemento absorvente para a interseco 51 , vir : o sistema W g g W g
5
a b 2.
no ter qualquer soluo (dizendo-se que , incoerente ou incompatvel). impossvel
Existem 3 tipos de transformaes que podem ser feitas sobre um sistema de equaes
lineares e que no alteram o conjunto das suas solues: essas transformaes constam dos W
chamados dos sistemas: princpios de equivalncia
Proposio 2 9 Princpios de equivalncia Cada uma das seguintes operaes, quando
executadas sobre um sistema de equaes , no altera o conjunto das solues a b 2.50 W
definido por , resultando, portanto, num sistema equivalente ao primeiro: a b 2.51
i) Troca entre si de duas equaes do sistema.
ii) Multiplicao de ambos os membros de uma das equaes por um escalar no nulo.
iii) Substituio de uma das equaes pela que dela se obtm, somando-a membro a
membro com outra das equaes multiplicada por qualquer escalar.
Demonstrao:
Considerem-se o sistema 1 dado por e o sistema 2 obtido aps execuo de cada uma a b 2.50
das operaes referidas e designem-se por e os conjuntos de solues da -sima equao W W 3
3 3
" #
daqueles dois sistemas e por e os conjuntos das solues dos mesmos: W W
" #
i) Resulta imediatamente da comutatividade e associatividade da interseco . a b 2.51
ii) Tem-se, neste caso e sendo e , " 5 7 ! ! e f
W B B B + B ,
W B B B + B ,
5
"
" # 8 54 4 5
4"
8
5
#
" # 8 54 4 5
4"
8
a b
!
a b a b
!
! !
As implicaes
a b a b a b
" "
B B B W + B , + B , B B B W
" # 8 54 4 5 54 4 5 " # 8 5 5
" #
4" 4"
8 8
! !
mostram que . Reciprocamente, se , existe e tem-se: W W !
5 5
" # "
! !
a b a b
"
" "
a b a b
B B B W + B ,
+ B , + B , B B B W
" # 8 54 4 5 5
#
4"
8
" " "
4" 4"
8 8
54 4 5 54 4 5 " # 8 5
! !
! ! ! !
o que mostra que e que, portanto, . , portanto, igual em ambos os W W W W W
5 5 5 5
# " " #
sistemas.
iii) Sejam e considere-se o sistema 2 que resulta de , substituindo a " 3 4 7 a b 2.50
equao pela sua soma com o produto de um escalar pela equao . Comecemos por 3 4 "
observar que os conjuntos das solues de ambos os sistemas se pode decompor da forma
seguinte
W W W W
W W W W
" " "
3 4
534
5
"
# # #
3 4
534
5
#

+

+
Como s a equao ser distinta em ambos sistemas, ser , para e, portanto 3 W W 5 3
5 5
" #
+ +
534 534
5 5
" #
W W .
Bastar, agora, provar que ; tem-se, para o sistema 1 , W W W W
3 4 3 4
" " # #
a b 2.50
a b
!
a b
!
W B B B + B ,
W B B B + B ,
3
" 8
" # 8 35 5 3
5"
8
4
" 8
" # 8 45 5 4
5"
8
Sec. 2.10] Formas matricial e vectorial de um sistema 103

e, para o segundo sistema, vem:
a b a b
!
a b
!
W B B B + + B , ,
W W B B B + B ,
3
# 8
" # 8 35 45 5 3 4
5"
8
4 4
# " 8
" # 8 45 5 4
5"
8
" "
As implicaes
a b
" "
" " "
a b
" "
a b
B B B W W + B , + B ,
+ B , + B , + B ,
+ + B , , +
" # 8 35 5 3 45 5 4 3 4
" "
5" 5"
8 8
5" 5" 5"
8 8 8
35 5 3 45 5 4 45 5 4
5" 5"
8 8
35 45 5 3 4 45
" "
" " B , B B B W W
5 4 " # 8 3 4
# #
a b
mostram que . Por outro lado, usando o mesmo raciocnio, mas com em W W W W
3 4 3 4
" " # #
"
vez de , conclui-se que e que, portanto, . " W W W W W W W W
3 4 3 4 3 4 3 4
" " # # 2 2 1 1
Com base no que vimos anteriormente, podemos ainda observar que, a estes 3 princpios de
equivalncia, podemos juntar uma 4 operao que conduz a um sistema equivalente (mas com
7" equaes): a que nos permite retirar do sistema qualquer equao do tipo
!B !B !B !
" # 8
.
costume classificarem-se os sistemas , consoante a cardinalidade do conjunto a b 2.50
W
8
das suas solues, do modo seguinte
Sistema
Possvel ( )
Determinado (# )
Indeterminado (# )
Impossvel ( )

W g
W "
W "
W g
2.10 Formas matricial e vectorial de um sistema
Vamos, agora, ver que as equaes simultneas equivalem a uma nica igualdade 7 a b 2.50
matricial e ainda a uma igualdade vectorial; estas igualdades constituem a do forma matricial
sistema e a sua . Para tal, introduzam-se a forma vectorial matriz dos coeficientes matriz ou
simples matriz-coluna ou vector-coluna das incgnitas do sistema E + c d
34
78
, a
\ B B B c d
" # 8
T
e a matriz-coluna ou vector-coluna dos termos independentes
F 7 , , , c d
" # 7
T
. Usando estas matrizes, facilmente se reconhece que as igualdades
simultneas equivalem igualdade matricial nica a b 2.50
E\ F a b 2.52
A igualdade anterior constitui a do sistema de equaes, que tem por forma matricial a b 2.50
forma cannica. Nesta forma, evidente que cada satisfazendo a igualdade anterior constitui \
uma do sistema. ainda til introduzir-se a ou do sistema soluo matriz completa ampliada
E E F
w 78"

.
Dado um sistema , diz-se que o sistema (com idntica matriz dos E\ F E\ S
coeficientes ) o ; este sistema homogneo tem, E E\ F sistema homogneo associado a
portanto, os mesmos coeficientes das incgnitas, mas termos independentes nulos. + ,
34 3
Fragmentando a matriz nas suas colunas e a matriz nas suas linhas E 8 E E E \ 8
" # 8
(que so, afinal, as incgnitas ), obtm-se B
4
B E B E B E F
" " # # 8 8
a b 2.53.1
ou, mais abreviadamente,
"
a b
4"
8
4 4
B E F 2.53.2
claro que poderamos usar a notao vectorial, designando-se as colunas de por E
+t +t +t F ,
t
" # 8
e por , vindo ento
"
a b
4"
8
4 4
B +t ,
t
2.53.3
Qualquer das igualdades uma igualdade vectorial em que traduz o facto de ser a b 2.53
7
F
combinao linear das colunas da matriz . Qualquer das igualdades vectoriais a b E E
4
"48
a b a b 2.53 2.50 designada por do sistema e esta forma a chave para a forma vectorial
resoluo das duas principais questes que se pem relativamente ao sistema:
Qual a condio necessria e suficiente para que o sistema seja possvel?
Verificando-se a condio anterior, em que condies ser o sistema determinado?
A seguinte proposio responde s duas questes anteriores:
Proposio 2 10. Teorema da existncia e da unicidade Considere-se um sistema de 7
equaes lineares a incgnitas, , com matriz completa e sejam e 8 E\ F E < E
w
ca b
= E ca b
w
. Ento:
i) O sistema possvel sse . = <
ii) O sistema determinado sse, alm de , ainda . = < < 8
Demonstrao:
i) Comecemos por observar que, como tem apenas mais uma coluna do que , a sua E E
w
caracterstica s poder ser igual a ou a . A questo da existncia de soluo para o = < < "
sistema pode ter uma formulao vectorial, graas a : o sistema sse o vector a b 2.53 possvel F
pertencer ao subespao de gerado pela lista de vectores de e,
7 7
" # 8
E E E E a b
pelo que vimos no captulo 1, isso acontece sse ou P E E E P E E E F a b a b
" # 8 " # 8
seja, sse . = <
ii determinado ) Supondo que , ter-se- e o sistema ser sse = < F P E E E a b
" # 8
os escalares em forem nicos. Para que isso acontea, a proposio 1.8 mostra que B
4
a b 2.53
dever a lista das colunas de ser (ou seja, dever a b E E E E
" # 8
Sec. 2.11] Algoritmo de Gauss-Jordan 105
esta lista constituir uma de ), pelo que a caracterstica de dever ser base P E E E < E a b
" # 8
igual a . 8
Observaes:
A proposio 2 8. mostra que sempre e, quando um sistema for possvel < 8 iv
( ), a diferena chamada o do sistema. Se este for = < 8 < ! grau de indeterminao
igual a , diremos que o sistema ; quando for igual a , diremos " # simplesmente indeterminado
que e assim sucessivamente. Um sistema , pois, sse duplamente indeterminado determinado
= < 8 < ! , ou seja, sse o seu grau de indeterminao for igual a .
Podemos, agora, precisar melhor a classificao dos sistemas feita anteriormente
Sistema
= < W g
< 8 W "
< 8 8 < ! W "
= < " W g
Possvel ( )
Determinado (# ).
Indeterminado de grau (# ).
Impossvel ( ).
Suponha-se que a caracterstica de igual ao nmero de equaes ; neste caso, < E 7

necessariamente , visto que = 7 E 7 7"
w
tem tambm linhas e no pode ter caracterstica :
o sistema , portanto, , para todo o . possvel F
7
Outra forma de obter este resultado
observar que, quando , fica < 7 P E E E a b
" # 8

7 7
, o que leva a que todo o F
seja combinao linear dos a b E E E
" # 8
.
< 7 Pelo que acabmos de ver, condio necessria (mas no suficiente) para que um
sistema seja . impossvel
7 8 Note-se ainda que se for (nmero de incgnitas superior ao de equaes), ter-se-
concerteza e isto significa que o sistema no pode ser determinado (s poder ser < 8
impossvel indeterminado ou ).
Tudo o que acima foi dito pode ser usado para obter uma formulao alternativa da
discusso de um sistema:
Sistema
<
< 7
7 = 7 W g
< 8 W "
< 8 8 < ! W "
= < W
Possvel ( )
Determinado (# ).
Possvel (
g
< 8 W "
< 8 8 < ! W "
= < " W g
)
Determinado (# ).
Impossvel ( ).
2.11 Algoritmo de Gauss-Jordan

Observando que existe um perfeito paralelismo entre os princpios de equivalncia dos
sistemas e as 3 operaes elementares referidas na proposio , vemos que, aplicando estas 1.18
s linhas (e s s linhas) da matriz completa , obtm-se a matriz completa de um novo sistema E
w
que ser equivalente ao primeiro. Observe-se que a nica operao admitida sobre colunas a
troca de colunas da matriz , a qual corresponde das incgnitas nas equaes E reordenao
a b 2.50 , devendo, no final, ter-se essa reordenao em conta. Se usarmos o algoritmo de
condensao anteriormente referido, poderemos discutir e posteriormente resolver qualquer
sistema de equaes lineares dado; tal a base do para a resoluo algoritmo de Gauss-Jordan
de sistemas de equaes lineares:
E Quando a matriz completa estiver na forma escalonada, o mesmo se passa com a matriz
w
E = < dos coeficientes e ficaremos a conhecer as caractersticas e , assim como se o sistema ou
no possvel.
< 8 Sendo o sistema possvel e comparando com , saberemos se a soluo nica.
E < Aps levar a matriz completa forma escalonada, usam-se os pivots j determinados
w
para, com operaes do tipo 3 ou 4, anularmos os elementos da matriz situados nas colunas E <
dos pivots e acima destes, aps o que poderemos trocar as colunas de por forma a fazer com E
que as colunas contendo os pivots ocupem as primeiras posies em (isso equivale a alterar < E
a ordem das incgnitas, o que dever ser levado em conta, aquando da obteno das solues).
Dividindo, se necessrio, cada linha (entre e ) por , obtm-se a matriz completa de um 3 " < + E
33
w
sistema equivalente ao sistema dado e contendo, nas suas primeiras filas, a < matriz identidade
de ordem , como se indica a seguir <
E
M G F
S S H
w
< <8< <"
7<< 7<8< 7<"

As primeiras incgnitas (correspondentes s colunas de ) so chamadas < M
<
incgnitas
principais e, se o sistema for possvel e determinado, todas as incgnitas so principais; as
restantes incgnitas (correspondentes s colunas de ) so chamadas 8 < G
<8<
incgnitas
secundrias livres grau de indeterminao ou (em nmero igual ao do sistema). Note-se que
no existem, quando o sistema for determinado ( ). 8 < !
Podem, ento, acontecer 3 casos:
1. : neste caso, ser e o sistema ser . H S = < "
7<" 7<"
impossvel
2. : neste caso, ser e o sistema ser . Podero agora H S = <
7<" 7<"
possvel
acontecer duas situaes:
2.1. ( ): neste caso, as matrizes e no existem, < 8 G S sistema determinado
<8< 7<8<
no havendo incgnitas secundrias e ficando apenas
E
M F
S S
w
8 8"
788 78"

A soluo do sistema ser, obviamente, . \ F
8"
2.2. ( de grau ): neste caso, existem incgnitas < 8 8 < ! < sistema indeterminado
principais e incgnitas secundrias, cujos valores ficam arbitrrios. A matriz completa 8 <
E
M G F
S S S
w
< <8< <"
7<< 7<8< 7<"

Fragmentando em , onde matriz-coluna contendo as incgnitas principais e \ \ <
\
\

<
8<
<
\ 8 < E\
8<
outra matriz-coluna contendo as incgnitas secundrias, o produto realizado
por blocos d
E\
M G \ G \ F
S S \ S S
\

< <8< < <8< 8< <"
7<< 7<8< 8< 7<" 7<"
<
Da igualdade anterior, segue-se que
\ G \ F
< <8< 8< <"
donde,
\ F G \
< <" <8< 8<
Por fim, obtm-se as solues do sistema de equaes lineares , em funo das E\ F
8 < \ incgnitas secundrias, contidas em .
8<
\
\
\
F G \
\
\
F G \ F
S M \ S
G
M

a b
<
8<
<" <8< 8<
8<
<" <8< 8< <"
8<" 8< 8< 8<"
<8<
8<
8<
2.54
As incgnitas secundrias presentes em ficam arbitrrias, tomando, cada uma 8 < \
8<
delas, qualquer valor do corpo :
W Se for , haver uma infinidade de solues para o sistema (o conjunto ser infinito
infinito); se , diz-se que h uma de solues; se , diz-se 8 < " 8 < # infinidade simples
que h uma de solues e assim por diante. dupla infinidade
Se o corpo for , ento ser tambm finito o nmero de solues do sistema, tendo- finito
se
# # W a b a b
8<
2.55
Na ltima das igualdades a b 2.54 , vemos que a de soma de soluo geral \ E\ F
\
!
F
S
<"
8<"
(que uma do sistema exactamente aquela que se obtm, fazendo soluo particular
\ S
8<
) com
] \
G
M

<8<
8<
8<
que a do sistema homogneo associado e onde vector-coluna soluo geral E\ S \
8<
contendo as incgnitas secundrias . claro que, se o desejarmos, 8 < B B B a b
3 3 3
" # 8<
podemos substituir as incgnitas secundrias por outros tantos parmetros escalares 8 <
arbitrrios . a b >
5
"58<
Fragmentando a matriz nas suas colunas ,

G
M
8 < ] ] ]
<8<
8<
88<
" # 8<

G
M
] ] ]
<8<
8<
" # 8<
e fragmentando tambm nas suas linhas (os parmetros ), obtm-se \ 8 < > B
8< 5 3
5
\ \ > ]
! 5 5
5"
8<
"
a b 2.56
Vemos, agora, que as solues de formam o conjunto E\ S
W ] ] > ] > P ] ] ]
! 5 5 5 " # 8<
5"
8<
8

"
a b
W ] ] ]
! " # 8<
8
, portanto, o subespao de gerado por e estes so linearmente a b
independentes formando, pois, uma de ; ento: base W
!
dimW 8 <
!
a b 2.57
O facto de que o conjunto das solues de um sistema homogneo constitui sempre W E\ S
!
(ao contrrio do que acontece com o conjunto das solues de um sistema no homogneo) um
subespao vectorial de pode ser provado directamente, atendendo s condies S1, S2 e S3
8
mencionadas no captulo 1:
Condio S1:
claro que um sistema homogneo tem sempre, pelo menos, a soluo , portanto \ S
S W
!
Condio S2:
\ \ W E\ S E\ S E\ E\ SS
E \ \ S \ \ W
w w w
!
w w
!
a b
Condio S3:
! ! ! ! ! ! \ W E\ S E\ S E \ S \ W
! !
a b a b
Tambm a decomposio a b 2.56 pode ser deduzida de uma forma directa, como mostra a
proposio seguinte que estabelece a relao entre as solues de e de : E\ F E\ S
Proposio 2 11. Relao entre as solues de e E\ F E\ S Sejam e E
78
F 7 8 E\ F
7"
matrizes dadas e considere-se o sistema de equaes e incgnitas ,
com matriz das incgnitas e o respectivo sistema homogneo associado . Sempre \ E\ S
que o sistema seja possvel, a sua soluo geral obtm-se de uma soluo E\ F \
particular , somando-lhe a soluo geral do sistema homogneo associado . \ ] E\ S
!
Demonstrao:
Sejam e os conjuntos de solues de e de , respectivamente, e W W E\ F E\ S
!
a b 8
fixemos uma soluo qualquer de (soluo particular). Comecemos por \ W E\ F
!
provar que a soma de com qualquer soluo de d-nos ainda uma soluo \ ] W E\ S
! !
de : E\ F
\ W ] W E\ F E] S E\ E] F S
E \ ] F \ ] W
! ! ! !
! !
a b
Porm, todas as solues de so desta forma, visto que, sendo qualquer soluo E\ F \
de , se tem E\ F
\ W \ W E\ F E\ F E\ E\ F F
E \ \ S \ \ W
! ! !
! ! !
a b
Mas, como , conclui-se que a soluo , de facto, soma da soluo \ \ \ \ \
! !
W
a b
!
particular com uma soluo (que ) de . \ \ \ ] E\ S
! !

Da proposio anterior, segue-se que, para qualquer , se tem: \ W
!
W \ b \ \ ] ] W

a b a b
]
! !
2.58
Podemos, pois, afirmar que o conjunto resulta de fazer uma de , definida pelo W W translao
!
vector (ver esquema na figura 2.1). \
!
0
K
n
0
Fig. 2.1 Relao entre as solues dos sistemas e . E\ F E\ S
Se o sistema real, com 2 incgnitas e possvel, ento: E\ F
W ! ! W \ Se , e so conjuntos singulares. determinado
! !
e f e f a b
W W W Se , e so duas paralelas em que passa pela simplesmente indeterminado rectas
! !
origem (ver figura 2.2).
W W E S Se , ento (situao s possvel com e duplamente indeterminado
!
#
F S).
8
e so respectivamente um de e uma (ver captulo 7) de dimenso . W W 8 <
!
8
subespao variedade linear
0
0
Fig. 2.2 Caso de um sistema . simplesmente indeterminado
Se o sistema real, com 3 incgnitas e possvel, ento: E\ F
W ! ! ! W \ Se , e so conjuntos singulares. determinado
! !
e f e f a b
W W W Se , e so duas paralelas em que passa pela simplesmente indeterminado rectas
! !
W W W Se , e so dois paralelos em que passa pela duplamente indeterminado planos
! !
W W E S Se , ento (situao s possvel com e triplamente indeterminado
!
$
F S).
0
0
Fig. 2.3 Caso de um sistema indeterminado. duplamente
A seguir, apresenta-se formalmente, o algoritmo de Gauss-Jordan, para a resoluo de um
sistema de equaes a incgnitas, numa verso em na seco 2.16, 7 8 pseudo-cdigo e,
apresenta-se a implementao na linguagem do software MATHEMATICA
constituindo a funo
GaussJordan. O algoritmo tem como entradas a matriz dos coeficientes e o vector dos + ,
34 3
termos independentes e, como sada, uma soluo particular do sistema e os vectores a b =:
4
"48
a b =2
54
"58<
"48
de uma base do espao das solues do sistema homogneo associado; valem as
convenes tipogrficas feitas na pg. 98 do presente captulo:
m=#Linhas(a); n=#Colunas(a);
s=0; r=0; k=0;
c=[a,b]; % Matriz completa
Para k=1 at n
piv =False % piv =True sse k incgnita principal
k k
FimPara;
Enquanto s m k n+1

% Busca do Pivot:
Fazer

k=k+1;
i=s;
Fazer
i=i+1
Enquanto c 0 i m
Enquanto c
ik
ik

0 k n+1;
Se c 0 ento % c pivot?

% Reduo da coluna k de c:
s=s+1;
Se k n

ik ik
ento
r=r+1;
piv =True
FimSe;
Se i s ento Linha Linha ; % Op. de tipo 1
Linha =Linha /c ; % Op. de tipo 2
Para i=1 at m
Se
k
i s
s s sk

i s ento Linha =Linha -c *Linha % Op. de tipo 3
FimPara
FimSe
i i ik s
FimEnquanto;
% Discusso da soluo e sada de resultados:
Se s r ento
Sada: Sistema impossvel
Seno
% Soluo particular sp:
Para k=1 at n
sp =0
k
FimPara;
i=0;
Para k=1 at n
Se piv True ento
k

i=i+1;
sp c
k i,n+1
FimSe
FimPara;
% Soluo sh do sistema homogneo associado:
Para i=1 at n-r
Para k=1 at n
sh =0
ik
FimPara
FimPara;
t=0;
Para s=1 at n
Se piv False ento
s

t=t+1;
i=0;
Para k=1 at n
Se piv True ento
k

i=i+1;
sh =-c
tk is
Seno
sh =1
ts
FimSe
FimPara
FimSe
FimPara;
Sada: {sp, sh}
FimSe
Observaes:
O algoritmo de eliminao Gauss-Jordan conduz a um grande nmero de operaes de
diviso/multiplicao e de subtraco. Para obtermos uma estimativa do nmero de operaes
necessrias resoluo de um sistema, consideremos a aplicao do mtodo a um sistema de 8
equaes e incgnitas e convencionando considerar a multiplicao e subtrao includas nas 8
operaes de tipo 3 como uma operao nica (o equivale a contar apenas as operaes de
multiplicao/diviso); Para a condensao da matriz completa , teremos:

E F
Considerando o 1 pivot , para anular o elemento da linha e 1 coluna teremos + ! + 3
"" 3"
que fazer a operao de tipo 3 e isto traduz-se por diviso ( ) e ainda P P P " 8
3 3 "
+ +
+ +
3" 3"
"" ""
operaes de multiplicao/subtraco (correspondentes aos elementos da linha , com 8 " + 3
34
" 4 8 , " 8 " " 8 " e ao termo independente ), o que perfaz um total de
3
a b
operaes. Para anular todos os elementos para , faremos portanto + 3 "
3"
a ba b 8 " 8 " 8 "
#
operaes. Para os pivots seguintes, o nmero de operaes ir
sempre diminuindo, de modo que, para se obter uma matriz em escada, ser necessrio um total
X
"
de operaes dado por
X 5 " 5 " 8 8 " #8 " 8 8 8 " #8 & 8
" " "
' ' $
"
5" 5" 5"
8 8 8
# # $
" " "
a ba b a b
Para valores de grandes, ser uma boa estimativa do nmero de operaes necessrias 8 8 $
$
obteno da matriz escalonada (dizemos que o nmero de operaes da ordem de ). 8 $
$
A fase de retro-substituio requer uma operao (diviso) para a incgnita , duas para B
8
B B X
8" 8$ #
, trs para e assim por diante. O total de operaes nesta fase ser de
X 5 8 8 "
"
#
#
5"
8
"
a b
Do que vimos nos pontos anteriores, o total geral de operaes conducentes resoluo X
de um sistema de equaes e incgnitas portanto de 8 8
X X X 8 8 " 8 8 $8 " 8
" " "
# $ $
" #
# $
"
'
8 8 " #8 &

a b a b

Para valores elevados de , o nmero de operaes necessrias resoluo de um sistema de 8
8 8 8 $ equaes lineares e incgnitas , pois, da ordem de .
$
O algoritmo muito sensvel propagao de erros de truncatura nos clculos, podendo
facilmente conduzir a solues completamente erradas, para determinadas matrizes mal-
condicionadas. A situao de instabilidade nos clculos ocorre em particular quando os pivots
tm um valor pequeno (em mdulo); para evitar pivots pequenos, uma possvel estratgia
chamada consiste em escolher o elemento de maior valor absoluto escolha parcial de pivots
a b 9
na coluna relevante para pivot (em vez do primeiro no nulo dessa coluna, como fizmos)
custa de uma troca de linhas (operao de tipo 1); um aperfeioamento adicional deste mtodo
a chamada , na qual se escolhe para pivot o elemento de maior valor escolha total de pivots
a b 10
absoluto considerando tambm as colunas de direita da coluna relevante e fazendo uma E
troca de colunas e de linhas para levar o pivot posio corrente em considerao
(reordenao das incgnitas e operao de tipo 1).
Exemplo 2 27. Considere-se o sistema de equaes lineares a incgnitas reais % $
B #C #D #
$B #C D &
#B &C $D %
B %C 'D !
Condensemos a matriz completa do sistema:
E
" # # # " # # # " # # #
$ # " & ! ) ( " ! ) ( "
# & $ % ! * " ) ! * " )
" % ' ! ! # % # ! " # "
" # # #
! " # "
! * " )
! ) ( "
w

" # # # " # # # " # # #
! " # " ! " # " ! " # "
! ! "( "( ! ! " " ! ! " "
! ! * * ! ! " " ! ! ! !

Neste caso, e, portanto, o sistema e . A ltima linha = < 8 $ possvel determinado
nula pode ser retirada da matriz, obtendo-se a matriz completa de um sistema ao equivalente
dado e, para determinar a nica soluo existente, basta transformar a matriz dos coeficientes
(quadrada de ordem) na matriz identidade $

" # # # " # ! % " ! ! #
! " # " ! " ! " ! " ! "
! ! " " ! ! " " ! ! " "

O conjunto das solues do sistema , pois, . W # " " e f a b
Exemplo 2 28. Vejamos, agora, o sistema em
B &C %D "$A $
$B C #D &A #
#B #C $D %A "
9
Em ingls, . partial pivoting
10
Em ingls, . total pivoting
Procedendo como anteriormente, obtm-se

" & % "$ $ " & % "$ $ " & % "$ $
$ " # & # ! "' "! %% ( ! "' "! %% (
# # $ % " ! ) & ## & ! ! ! ! $

Tem-se, neste caso, e e, ento, o sistema no tem qualquer soluo (sistema = $ < #
impossvel), sendo . W g
Exemplo 2 29. Seja, agora, o sistema real
B #C $D #A #
#B &C )D 'A &
$B %C &D #A %
Partindo, de novo, da matriz completa e condensando, vem

" # $ # # " # $ # # " # $ # #
# & ) ' & ! " # # " ! " # # "
$ % & # % ! # % % # ! ! ! ! !

Agora, ser e ; consequentemente, o sistema e = < # 8 % possvel duplamente
indeterminado ( ). As incgnitas principais so as que correspondem s 8 < % # #
colunas onde ocorreram os pivots, ou seja, so e ; as incgnitas secundrias so as restantes B C
D A e . De novo, a ltima linha pode ser eliminada, obtendo-se a matriz completa de um sistema
equivalente soluo geral ao sistema inicial e, para obter a do sistema (que j sabemos ter uma
dupla infinidade de solues), basta transformar a matriz de ordem formada pelas duas #
colunas das incgnitas principais na matriz identidade : M
#

" # $ # # " ! " # !
! " # # " ! " # # "
Tem-se, portanto
B D #A
C " #D #A
D D
A A
D A , em que
O conjunto das solues do sistema dado , portanto, W
W D #A " #D #A D A D A
! " ! ! D " # " ! A # # ! " D A
e f a b
e f a b a b a b

%
Exemplo 2 30. Considere-se o corpo dos inteiros mdulo , onde as operaes a b
&
&
esto definidas por
! " # $ % ! " # $ %
! ! " # $ % ! ! ! ! ! !
" " # $ % ! " ! " # $ %
# # $ % ! " # ! # % " $
$ $ % ! " # $ ! $ " % #
% % ! " # $ % ! % $ # "

Tendo em ateno estas tabelas, podemos construir a tabela dos e : simtricos inversos
B B B
! !
" % "
# $ $
$ # #
% " %
"
Determinemos as solues do sistema de equaes lineares nas incgnitas : B C D
&
B #C #D $
$C %D "
$B $C #D $
Procedendo como nos exemplos anteriores e atendendo s tabelas anteriores para as
operaes em , vem
&

" # # $ " $ # $ " $ # $ " $ # $
! $ % " ! $ " " ! $ " " ! $ " "
$ $ # $ $ $ $ $ ! % # % ! ! # $

Aqui, e o sistema e . Vamos, agora, obter a soluo = < 8 $ possvel determinado
do sistema, observando que e , # $ % %
" "

" $ # $ " $ ! ! " ! ! $ " ! ! $
! $ " " ! % ! " ! % ! " ! " ! %
! ! # $ ! ! # $ ! ! # $ ! ! " %

A soluo do sistema , portanto, a b $ % %
Exemplo 2 31. Considere, de novo em , o sistema
&
%B $C $D "
#B %C $D !
B #C $D $
Tem-se, agora,

% $ $ " " $ # % " $ # % " $ # %
# % $ ! # " $ ! ! ! % # ! ! % #
" # $ $ % # # $ ! ! % # ! ! ! !

O sistema tem e , sendo e . Para obter = < # 8 $ possvel simplesmente indeterminado
as solues, continuamos a condensao, eliminando a ltima linha e trocando entre si a segunda
e a terceira coluna (nova ordem para as incgnitas: ), B D C

" # $ % $ ! % % " ! $ $
! % ! # ! % ! # ! " ! $

As incgnitas principais so e e a incgnita secundria . A matriz completa obtida B D C
permite escrever a soluo geral do sistema:
B $ $C $ #C
C C
D $
C , onde
&
O conjunto das solues do sistema tem, portanto, elementos (ver equao ), W & a b 2.55
obtidos da soluo geral anterior fazendo tomar todos os valores de : C ! " # $ %
&
e f
W $ ! $ ! " $ # # $ % $ $ " % $ e f a b a b a b a b a b
Exemplo 2 32. Consideremos o sistema real seguinte, onde e so parmetros reais + ,
a b
B +C +D "
B + , C D +
,B +,C ,D + ,
#
Como os coeficientes do sistema dependem dos parmetros , destes depender + ,
igualmente a natureza do sistema. Analisemos a situao:

a b a b
" + + " " + + "
" + , " + ! , " + + "
, +, , + , ! ! " + , + " ,
# #
O seguinte esquema resume os casos possveis e mostra que o sistema nunca impossvel:
Sistema
sistema
sistema
, !
+ " = < " 8 $
+ " = < # 8 $
, !
+ " = < #
duplamente indeterminado.
simplesmente indeterminado.
8 $
+ " = < $ 8 $
sistema
sistema
simplesmente indeterminado.
determinado.
Vamos resolver o sistema nos quatro casos anteriores:
+ " , ! B Para , vem, tomando para incgnita principal,
B " C D
C C
D D
C D , em que
Isto permite obter a na forma vectorial: soluo geral
a b a b a b a b a b B C D " C D C D " ! ! C " " ! D " ! " C D , em que
a b " ! ! C D ! uma do sistema dado ( a que se obtm, fazendo ) e soluo particular
C " " ! D " ! " a b a b a do sistema homogneo associado ao sistema inicial, soluo geral
a qual constitui o de gerado por e os quais formam uma subespao base
$
a b a b " " ! " ! "
deste subespao, que ter dimenso (igual ao grau de indeterminao). #
+ " , ! Para , eliminando a terceira linha (nula) e trocando entre si a segunda e
terceira coluna (ordem das incgnitas: ), vem B D C

" + + " " + + "
! ! " + + " ! " + ! + "

" + + " " ! + + "
! " ! " ! " ! "
As variveis principais so e e a soluo geral B D
B + " +C
C C
D "
C , em que
A soluo geral na forma vectorial
a b a b a b a b B C D + " +C C " + " ! " C + " ! C , em que
a b + " ! " C ! uma do sistema dado ( a que se obtm, fazendo ) e soluo particular
C + " ! a b a do sistema homogneo associado ao sistema dado, a qual constitui soluo geral
o de gerado por sendo este vector uma deste subespao, que ter subespao base
$
a b + " !
dimenso (igual ao grau de indeterminao). "
+ " , ! Para , eliminando a ltima linha (nula), vem

" " " " , ! , , " ! " "
! , ! ! ! , ! ! ! " ! "

As variveis principais so e e a soluo geral B C
B " D
C !
D D
D , em que
A soluo geral na forma vectorial
a b a b a b a b B C D " D ! D " ! ! D " ! " D , em que
a b " ! ! D ! uma do sistema dado ( a que se obtm, fazendo ) e soluo particular
D " ! " a b a do sistema homogneo associado ao sistema dado, a qual constitui soluo geral
o de gerado por sendo este vector uma deste subespao, que ter subespao base
$
a b " ! "
dimenso (igual ao grau de indeterminao). "
+ " , ! Finalmente, para , vem sucessivamente,

a b a b a b

a b
a b
a b
a b a b a b
a b
" + + "
! , " + + "
! ! " + , + " ,

" + + "
! , " + + "
! ! + "
" + ! + + " "
! , ! + " +
! ! " + "
! , ! + " +
, ! ! , + + " " + " +
!
#
#
1
! " + "
" ! ! + + , " +, ,
! " ! " +
! ! " + "
a b

a b a b
a b
a b
"
,
$ #
+
,
Pelo que a nica soluo
a b a b
a b
a b
B + + , " +, ,
C " +
D + "
"
,
$ #
+
,
Exemplo2.33. Vejamos, agora, o sistema real de 3 equaes e 3 incgnitas seguinte, em que
+ , e so parmetros reais
a b a b
+B C +D #, ,D
#B C +D + #, +B #,D
+B C + , D + $, , + D
# #
Primeiro, h que levar o sistema nas incgnitas reais forma cannica: a b B C D
a b
a b a b
a ba b
+B C + , D #,
# + B C #, + D + #,
+B C + , " + , D + $,
Condensemos a matriz ampliada do sistema, por meio de operaes elementares e

E F
comeando por trocar as 2 primeiras colunas, o que significa que a ordem das incgnitas passou
a ser : a b C B D

a ba b a ba b

+ " + , #, " + + , #,
# + " #, + + #, " # + #, + + #,
+ " + , " + , + $, " + + , " + , + $,
" + + , #,
! #
G G
" #
P P P
# # "
P P P
$ $ "
, +
! ! + , + , + , a ba b
O
a
b
Determinado
Simplesmente
indeterminado
Impossvel
Fig. 2.4 Discusso do sistema no plano dos parmetros . a b + ,
, agora, possvel discutir as solues do sistema, em funo dos valores reais dos
parmetros e e onde c e c : + , < E = E F a b

Sistema
possvel e (simplesmente indet)
impossvel
possvel e (determ

+ , ! < = # 8 < $ # "
+ , ! = $
+ , ! < #
+ , ! < $ 8 < ! inado)
Considerando o espao dos parmetros , podemos ilustrar toda a discusso anterior
#
a b + ,
na figura 2.4.
Vamos, agora, resolver o sistema nos casos de possibilidade:
+ , ! Se for , a matriz completa do sistema ser, aps eliminar a 3 linha (nula) e
substituir por : , +

" + #+ #+
! # + +
# ! %+ + %+ +
! # + +
" !
! "

P #P +P
" " #
P P
" "
"
#
P P
# #
"
#
# #
+ %+ + %+
# #
+ +
# #
a b a b
Portanto, as solues so, para quaisquer , (relembre a ordem das + D C B D a b
incgnitas!)
a b a b
B D
+ +
# #
C D
+ % + + % +
# #
D D
Vectorialmente, fica
a b

a b a b

a b a b
B C D D D D
+ + + % + + % +
# # # #
! D "
+ + % + + + % +
# # # #
O vector uma soluo particular do sistema inicial (obtida quando ) e
+
# #
+ %+
! D !
a b
a parcela a soluo geral do sistema homogneo associado quele. D "
+
# #
+ %+ a b
+ , ! + , ! Se for , a matriz completa do sistema ser, aps dividir a 3 linha
por , a ba b + , + ,

" + + , #,
! # , +
! ! "
" + ! #, "
! # ! +
! ! "
" ! ! #, " +
! "
"
+,
,
+,
"
+,
+ ,
# +,
P P ,P
# # $
P P ,+ P
" " $
P P P
" " #
+
#
P P
# #
"
#
a b
!
! ! "
+ ,
# # +,
"
+,
a b
A soluo (nica) do sistema , em funo de e (observe-se de novo a ordem das + , C B D a b
incgnitas!):
a b

a b
B C D #, " +
+ , + , "
# # + , # + , + ,
Exemplo 2.34. Mtodos de Jacobi e de Gauss-Seidel Vamos agora mencionar dois
mtodos iterativos para resolver sistemas de equaes lineares
!
4"
8
34 4 3
+ B , 3 " # 8 8
e incgnitas determinados ( ) e ainda com . Resolvendo cada equao em 8 = < 8 + !
33
ordem a , obtemos B
3
B , + B
"
+
3 3 34 4
33
43

"

Definamos, por recorrncia, uma sucesso de pontos , do Bt B B B
5 5" 5# 58
8
a b
modo seguinte:
a b

!
Bt B B B
B , + B 5 ! 3 " # 8
! !" !# !8
8
53 3 34 5"4
"
+
43
33
e
Prova-se que, se esta sucesso for convergente, ela converge para a soluo do sistema. Este
mtodo conhecido por . mtodo de Jacobi
a b 11
Uma variante do algoritmo anterior que, normalmente, converge mais rapidamente para a
soluo o no qual se utilizam imediatamente as coordenadas do mtodo de Gauss-Seidel
a b 12
,
vector assim que se determinam, isto , pe-se Bt
5
a b

! !
Bt B B B
B , + B + B 5 ! 3 " # 8
! !" !# !8
8
53 3 34 54 34 5"4
"
+
43 43
33
e
Uma condio suficiente (mas no necessria) para que ambos os mtodos convirjam que,
para cada , os sejam superiores em mdulo soma dos mdulos dos restantes , isto , 3 + +
33 34
a + +
"38
33 34
43
k k k k
"
A seguir apresenta-se a implementao do mtodo de Gauss-Seidel no , na MATHEMATICA
qual a iterao termina quando ( especificado) ou quando se atinge um certo l l Bt Bt

5 5"
& &
nmero especificado de pontos calculados. Nesta implementao, devolvida a soluo e o
nmero de pontos calculados:
GaussSeidel[a_?MatrixQ, b_?VectorQ, x0_?VectorQ, _, maxiter_?IntegerQ] :=
Module[{y0 = x0, y1 = x0, n = Length[x], i, j, cont
&
= True, m = 0},
While[cont,
For[i = 1, i <= n, i++,
y1[[i]] = 1/a[[i, i]]*(b[[i]] - Sum[a[[i, j]]*y1[[j]], {j, 1, i - 1}] -
Sum[a[[i, j]]*y0[[j]], {j, i + 1, n}]);
m++
]
cont = Norm[y1 - y0] >= && m <= maxiter;

&
y0 = y1
];
{y1, m}
]
11
: matemtico alemo (Potsdam 1804 Berlim 1851). Jacobi, Carl Gustav Jacob
12
: matemtico alemo (Zweibrcken 1821 Mnchen 1896). Seidel, Philipp Ludwig von
A funo seguinte devolve a lista de pontos calculados (incluindo ): Bt
!
GaussSeidelPoints[a_?MatrixQ, b_?VectorQ, x0_?VectorQ, _, maxiter_?IntegerQ] :=
Module[{y0 = x0, y1 = x0, n = Length[x], i, j,
&
cont = True, lista, m = 0},
lista = {y1};
While[cont,
For[i = 1, i <= n, i++,
y1[[i]] = 1/a[[i, i]]*(b[[i]] - Sum[a[[i, j]]*y1[[j]], {j, 1, i - 1}] -
Sum[a[[i, j]]*y0[[j]], {j, i + 1, n}]);
lista = Join[lista, {y1}];
m++
];
cont = Norm[y1 - y0] >= && m <= maxiter;
y0 = y1
];
lista
]
&
Na seco 2.16, mostramos o uso que se pode fazer do software , na MATHEMATICA
resoluo e discusso de sistemas de equaes lineares, incluindo exemplos de uso das funes
anteriores e da sua interpretao geomtrica em (sistemas de 2 equaes e 2 incgnitas sobre
#
o corpo ).
2.12 Inverso matricial
Como vimos anteriormente, a matriz identidade elemento neutro para o produto matricial e,
para matrizes rectangulares , existem elementos neutros distintos esquerda e direita, 78
respectivamente e . Para analisarmos a questo da inverso de uma matriz rectangular e M M E
7 8
porque o produto matricial no comutativo, temos que considerar inversas direitas (quando a
inversa o 2 factor) e inversas esquerdas (quando a inversa constitui o 1 factor).
Definio 2.16. Inversas laterais Dada uma matriz de tipo sobre um E 78
78
corpo , chama-se de a qualquer matriz tal que inversa direita E \
.
87
E\ M
. 7
a b 2.59
e de a toda a matriz tal que inversa esquerda E \
/
87
\ E M
/ 8
a b 2.60
Observe-se que as matrizes , , e s poderiam ser dos tipos indicados, por ser \ \ M M
. / 7 8
E \ \
78
. /
. Podemos ver de imediato que as matrizes e , se existirem simultaneamente,
sero necessariamente iguais e nicas e que, nesse caso, a matriz tem que ser quadrada: a E
igualdade daquelas duas matrizes resulta de ser
\ M \ \ E \ \ E\ \ M \ \ \
. 8 . / . / . / 7 / . /
a b a b
Por outro lado, se e so inversas direitas de e for uma inversa esquerda, \ \ E \
. . /
" #
procedendo como anteriormente, vir
\ \ \ \ \ \
. / . / . .
" # " #
o que mostra a unicidade da inversa direita (caso exista tambm inversa esquerda). Do mesmo
modo se pode provar a unicidade da inversa esquerda (caso exista inversa direita). Por outro
lado, se ambas as inversas existem, das alneas e da proposio iv) v) 2.8 resulta
Sec. 2.12] Inverso matricial 123
a b a b a b a b
a b a b a b a b
c c c c
c c c c
M E 7 7 E 7 E 7
M E 8 8 E 8 E 8
7 8
7
8
e, portanto, a matriz ser quadrada ; isto equivale a dizer que, se for rectangular, E E
a b 13
seguramente no existir pelo menos uma das inversas.
ainda fcil reduzir o problema da inversa esquerda ao problema da inversa direita, por
transposio; de facto
\ E M \ E M E \ M
/ 8 / 8 8 /
a b a b
T T T T
2.61
e estas equivalncias mostram que uma inversa esquerda de sse uma inversa direita \ E \
/ /
T
de e, como , poderemos concluir que se obtm uma inversa de , E \ \ E
T T
T
/ /
a b esquerda
mediante a transposio de uma inversa de . Graas a direita E
T
a b 2.61 reduz-se, portanto, a
questo da inversa esquerda de ao problema da inversa direita (de ). E E
T
Vamos apresentar, de seguida, a condio necessria e suficiente para que uma matriz
E
78
tenha inversa direita e tambm a condio para existir inversa esquerda:
Proposio 2.12. Existncia de inversas laterais Seja uma matriz de tipo E
78
78 < E sobre um corpo e . ento: ca b
i) tem inversa(s) direita(s) sse . E < 7
ii) tem inversa(s) esquerda(s) sse . E < 8
Demonstrao:
i) Atente-se em nas suas colunas a b 2.59 e fragmentemos as matrizes e \ M 7
. 7
\ \ \ \ M F F F
. " # 7 7 " # 7

Observe-se, desde j, que os vectores de so linearmente independentes e constituem F
3
7
a base cannica de , donde

7
P F a b
" # 7
F F
7
Fazendo o produto por blocos, verifica-se facilmente que a igualdade E\
.
a b 2.59 equivale s
7 igualdades
E\ F 3 " # 7
3 3
, para 2.62 a b
e cada uma destas igualdades a forma matricial de um sistema de equaes e incgnitas, 7 8
sendo que estes sistemas tm em comum a matriz dos coeficientes. 7 E
, agora, bvio que a matriz satisfazendo 2.59 existe sse forem simultaneamente \
.
a b
possveis todos estes sistemas, ou seja, sse os vectores F
3

7
pertencerem ao subespao de
7
4
"48
gerado pelas colunas da matriz (ver demonstrao da proposio ), o que a b E E 2.10
13
Esta concluso pode tambm ser tirada recorrendo s propriedades do : Sendo uma inversa trao \
87
(bilateral) de , ser e . O resultado decorre de ser tr tr E E\ M \E M 7 E\ \E 8
78
7 8
a b a b
e, portanto, . 7 8
equivale evidentemente a
P F a b
" # 7 " # 8
F F P E E E a b
Porm tem-se, como se viu, P F a b
" # 7
F F
7
e a incluso anterior transforma-se em
7
P E E E a b
" # 8
o que, juntamente com a incluso bvia , acaba por dar a equivalncia P E E E a b
" # 8

7
que pretendamos demonstrar
Existe inversa direita de E < 7 P E E E a b
" # 8

7
ii) Resulta imediatamente do resultado anterior, por transposio,
Existe inversa esquerda de Existe inversa direita de c c E E E 8 E < 8
T T

a b
Em face dos resultados provados na proposio anterior, podemos fazer a discusso do que
se pode passar em relao inverso de uma matriz E
78
E
7 8 < 7 8 < 8
E
< 7
8 7 < 8 7 < 7
78
No existe inversa esquerda de

e existir inversa direita, sse .
No existe inversa direita de
e existir inversa esquerda, sse .
Existem ambas as inversas de
e so iguais e nicas,
E
< 8
7 8
< 8
E
como provmos.
No existe qualquer das inversas de . < 8 E
Vamos, de seguida, analisar cada um dos casos mencionados no quadro anterior:
< 7 8 Se for , ento no existem inversas.
< 7 8 E Quando no tem inversa esquerda, mas tem mais do que uma inversa
direita, visto que os sistemas . Para a b 2.62 so todos possveis e indeterminados de grau 8 7
calcularmos as matrizes inversas direitas de , apenas teremos que resolver os sistemas E 7
a b 2.62 , todos com grau de indeterminao , o que pode ser feito em simultneo, visto 8 7
terem todos a mesma matriz de coeficientes; obtm-se, assim, o algoritmo E

E F F F E M M G F
" # 7 7 7 787
77
a b 2.63
e daqui se deduzem as colunas que formaro as matrizes inversas direitas \
3
\ \ \ \
. " # 7

Se o corpo for infinito ( ), haver uma infinidade de inversas direitas; se for finito,
ento existiro parmetros arbitrrios por cada sistema (as incgnitas secundrias desses 8 7
sistemas) e, sendo estes em nmero de , haver parmetros; no total, o nmero de 7 7 8 7 a b
inversas direitas de # . a b
7 87 a b
O exemplo seguinte ilustra o clculo das inversas direitas:
Exemplo 2.35. A seguinte matriz real no ter inversa esquerda ( ). E $ 7 8 &
E
" # " ! $
! " $ % #
" " " " #

Para calcularmos as possveis inversas direitas, condensemos a matriz

" # " ! $ " ! ! " # " ! $ " ! !
! " $ % # ! " ! ! " $ % # ! " !
" " " " # ! ! " ! " ! " " " ! "
" ( ) ( " # ! $ ! $ ! % " (

! " $ % # ! " ! ! " ! " " " ! "
! $ $ " " " ! $ $ " " "

! !
! $ ! $

" ! ! " !
! " ! " " " ! "
! "

! " "
% " (
$ $ $
" " "
$ $ $
A caracterstica de 3 e, portanto, existem inversas direitas , cujas colunas E < 7 \
.
\ \ \
" # $
e sero as solues gerais dos 3 sistemas, de 3 equaes e 5 incgnitas, duplamente
indeterminados que acabmos de resolver em cima. As solues gerais so
\
-
" - -
- -
-
-
\
-
- -
- -
-
-
\
-
" -
"
%
$
"#
"" "#
"
$
"" "#
"#
""
#
$
##
#" ##
"
$
#" ##
##
#"
$
$
$#
$"

"
(
-
- -
-
-
$#
"
$
$" $#
$#
$"
onde os so 6 parmetros reais arbitrrios. -
34
Existe, pois, uma infinidade de inversas direitas de , com expresso geral E
\ -
- - -
" - - - - " - -
- - - - - -
- - -
- - -
. 34
%
$ $ $
"# ## $#
"" "# #" ## $" $#
" " "
$ $ $
"" "# #" ## $" $#
"# ## $#
"" #" $"

" (
, onde
Pode verificar-se o resultado:
E\
" # " ! $ " - - - - " - -

! " $ % #
" " " " #
- - -
- - - - - -
- - -
.
%
$ $ $
"# ## $#
"" "# #" ## $" $#
" " "
$ $ $
"" "# #" ## $" $#
"# ##

" (
$#
"" #" $"
$
- - -
M
< 8 7 Se for , no existem inversas.
< 8 7 E Quando , no tem inversa direita, mas ter vrias inversas esquerdas. Para
calcular as inversas esquerdas de , aplica-se 2.63 a e, aps se obter as inversas direitas de E E a b
T
E
T
, transpem-se estas. Neste caso, os 2.61 vo ser todos indeterminados de grau 8sistemas a b
78.
Se o corpo for infinito (casos de ), haver uma infinidade de inversas esquerdas; se
for finito, ento existiro parmetros arbitrrios por cada sistema (as incgnitas 78
secundrias desses sistemas) e, sendo o nmero de sistemas, haver parmetros 8 8 78 a b
pertencentes a e, ao todo, existiro # inversas esquerdas. Ilustra-se, no seguinte a b
8 78 a b
exemplo, o clculo das inversas esquerdas:
Exemplo 2.36. Considere-se a matriz seguinte E
E
" ! "
# " "
" $ "
! % "
$ # #

a qual no tem inversas direitas, visto que se tem . Calculemos as suas inversas $ 8 7 &
esquerdas, se existirem: para isso, determinamos as inversas direitas de , o que j fizemos no E
T
exemplo anterior; agora, para se obter as inversas esquerdas procuradas, basta transpor o
resultado obtido nesse exemplo:
\ -
- " - - - - - -
- - - - - - -
- " - - - - - -
/ 34
% "
$ $
"# "" "# "" "# "# ""
$ $
## #" ## #" ## ## #"
"
$ $
$# $" $# $" $# $# $"
"

"
(
, onde
Segue-se a verificao do resultado
\ E
- " - - - - - -
- - - - - - - " $
- " - - - - - -
" ! "
# " "
/
% "
$ $
"# "" "# "" "# "# ""
$ $
## #" ## #" ## ## #"
"
$ $
$# $" $# $" $# $# $"
"

"
(
"
! % "
$ # #
M
$
< 7 8 E Se for , no existir inversa e diz-se que a matriz quadrada . no invertvel
< 7 8 Para , existem os dois tipos de inversas , sendo ento estas em simultneo
iguais e nicas, isto , e a matriz quadrada diz-se inversa \ \
. /
E invertvel, sendo a
(bilateral) designada por . Portanto, tem-se E \ \
"
. /
E E 8
88
c invertvel a b a b 2.64
e podemos ainda escrever
E E E
88
8
invertvel b E E M
E
" "
"
88
a b 2.65
As igualdades anteriores mostram que e so sempre e o que acabamos de E E
"
permutveis
ver significa que, no no comutativo com identidade das matrizes quadradas anel a b
88

de ordem , os elementos so as matrizes cuja caracterstica coincide com a ordem 8 invertveis
(matrizes ditas ) e os elementos so as matrizes com caraterstica regulares no invertveis
inferior ordem (matrizes ditas , sendo que por entre estas est, claro, a matriz nula singulares
S < ! 8
8
##
, com ). H, pois, elementos no invertveis e no nulos, (por exemplo, em , a
matriz no invertvel, com ). Isto significa que, para ,

" #
# %
< " # 8 "
a b
88
no um , porque o produto matricial no comutativo e ainda porque corpo
existem matrizes no nulas e no invertveis. No anel os termos a b
88
invertvel
(existncia de inversa) e (caracterstica igual ordem) so, pois, sinnimos, o mesmo regular
acontecendo com e . no invertvel singular
Agora, os sistemas 2.61 so todos possveis e determinados (o que implica a existncia 8 a b
unicidade da inversa bilateral) e 2.63 simplifica-se, obtendo-se o algoritmo de condensao a b
seguinte

E F F F E \ \ \
" # 8 " # 8
ou seja,

a b E M M E
8 8
"
2.66
Exemplo 2.37. Vamos usar o algoritmo anterior para inverter a matriz quadrada
E
" # $
# " !
% # &

Condensemos, ento, a matriz

E M
$
:

( "

#& "& ! & $
!
"
" # $ " ! ! " # $ " ! ! & ! $ " # !
# " ! ! " ! ! & ' # " ! ! & ' # " !
% # & ! ! " ! ' % ! " ! ! ) ' &

& ! ! #! " ! %
! & &! $& $! ! " ! "
! ! ) ' &
! '
! " ) &
(
! '
Daqui resulta que a inversa :
E
"

& % $
"! ( '
) ' &
Como verificao, podem calcular-se os produtos
EE
E E
"
"

" # $ & % $ " ! !
# " ! "! ( ' ! " !
% # & ) ' & ! ! "
M
& % $ " # $ " ! !
"! ( ' # " ! ! " !
) ' & % # & ! ! "
M
$
$
No , implementado em linguagem e descrito na package ALGA`Matrizes` MATHEMATICA

seco 2.16, definem-se as funes
InversaDireita[A,c] InversaEsquerda[A,c] e
que calculam as inversas laterais de tendo como parmetros os . Naquela seco, A c[i]
apresentam-se exemplos de uso dessas funes.
No referido , figura tambm a implementao do algoritmo 2.66 , constituindo a package a b
funo ; trata-se aqui de mero exerccio demonstrativo, pois o software j possui Inversa[A]
uma funo para esse efeito chamada . Inverse[A]
A seguinte proposio d conta de algumas das propriedades da inverso, para matrizes
quadradas
Proposio 2.13. Propriedades da inversa Sejam matrizes quadradas, E F
88
! 5 e , ento:
!
i) invertvel sse E E
"
invertvel e tem-se
a b E E
"
"
ii) invertvel sse invertvel e E E
T
a b E E
T
T "
"
a b
iii) Se (ou seja, se invertvel no corpo ) e invertvel, ento invertvel ! ! ! ! E E
e tem-se
a b ! !
!
E E E
"
" " " "
iv) invertvel sse o sistema homogneo determinado, tendo apenas a E E\ S
soluo trivial . \ S
v) e so invertveis sse invertvel e E F EF
a b EF F E
" " "
Mais geralmente, para todo o , as matrizes de uma sequncia so : E a b
5
"5:
invertveis sse o produto o for e tem-se
#
5"
:
5
E
a b a b E E E E E E
" # :
" " " "
: # "
2.67
vi) invertvel sse invertvel e tem-se E E
5
a b a b E E
5 "
" 5
vii) Se invertvel, ento E
E F FE EF FE
" "
isto , e permutam sse e o fazem. E F E F
"
Demonstrao:
i) consequncia de ser . E E M E E
" "
8
ii) Resulta de . E E E E
T
T T
a b a b
" "
M M
8 8
T
iii) consequncia imediata de ser . a b a b

! ! E E EE "M M
" " " "
8 8
! !
iv) Resulta das equivalncias
E < E 8 E\ S invertvel c sistema determinado a b
v) Suponha-se que e so invertveis; ento existem e e as igualdades E F E F
" "
a ba b a b a b a b a b
a b
EF F E EF F E E FF E
EM E EE M
" " " " " "
8 8
" "
mostram que a inversa (necessariamente nica) de e que, portanto, F E EF EF
" "
invertvel.
Provemos, agora, a implicao contrria: se uma das matrizes ou no invertvel, ser E F
mina b a b a b c c E F 8
e a proposio 2.8. implica que v
c c a b a b EF EF 8 mina b a b a b c c E F 8
o que mostra que no . EF invertvel
Quanto segunda afirmao, ela demonstra-se facilmente por induo.
vi) Por induo em : para , fica 5 5 !
a b a b E M M E
0
"
8
" "
8
!
Admitindo que, para , , ento, para vem 5 ! E E 5 " a b a b
5 "
" 5
a b a b a b a ba b a b a b a b E E E E E E E E E E
5" 5 " 5 " " " " "
" " " 5 5 5"
vii) Multiplicando ambos os membros de esquerda e direita por , obtm- EF FE E
"
se
EF FE E EF E E FE E FE E F
" " " " " "
a b a b
Por outro lado, multiplicando ambos os membros de esquerda e direita E F FE
" "
por , obtm-se E
E F FE E E F E E FE E FE EF
" " " "
a b a b
Observaes:
E F 7 8 Sejam e matrizes sobre um corpo com ordens e
77 88
respectivamente e invertveis (isto , c e c ). Ento, para qualquer matriz a b a b E 7 F 8
G
78
, a matriz de blocos
Y
E G
S F

87
7878
tambm invertvel e tem-se:

Y
E E GF
S F
"
" " "
87
"

, o que pode ser facilmente verificado multiplicando e por blocos. Y Y
"
Do mesmo modo, para qualquer matriz , a matriz de blocos H
87
Z
E S
H F

78 7878
igualmente invertvel, sendo:

Z
E S
F HE F
"
"
78
" " "

, o que pode tambm ser facilmente verificado multiplicando e por blocos. Z Z
"
Podemos, agora, usar a alnea da proposio anterior para definir a potncia de expoente vi)
5 E inteiro negativo de uma matriz quadrada regular, pondo
E E E 5
5 5 "
" 5
a b a b , com a b 2.68
Deste modo e para matrizes regulares, faz sentido a potncia , com expoente . E E 5
5
As inversas podem ser utilizadas para resolver sistemas de equaes lineares, podendo ter-se
em considerao os 3 casos seguintes, onde : E
78
E < 7 8 Matriz com caracterstica .
Neste caso, existem inversas direitas e qualquer sistema possvel, sendo \ E\ F
.
\ \ F \
. .
soluo do sistema, qualquer que seja a inversa direita usada, porque
E\ E \ F E\ F M F F a b a b
. . 7
E < 8 7 Matriz com caracterstica .
Neste caso, existem inversas esquerdas e, se o sistema for possvel, ele ser \ E\ F
/
determinado; podemos, ento, multiplicar ambos os membros de esquerda por , E\ F \
/
obtendo-se a soluo para o sistema, a qual no depender da inversa esquerda \ F \
/ /
utilizada:
E\ F \ E\ \ F \ E \ \ F M \ \ F \ \ F
/ / / / 8 / /
a b a b
E < 7 8 Matriz quadrada com caracterstica .
um caso particular dos anteriores, obtendo-se a soluo para o sistema : E F E\ F
"
E\ F E E\ E F E E \ E F M \ E F \ E F
" " " " " "
8
a b

Observe-se que os mtodos anteriores para resolver sistemas no tm grande interesse
prtico, visto que maior o trabalho de condensao para inverter do que o correspondente E
trabalho para resolver pelo algoritmo de Gauss-Jordan. E\ F
2.13 Matrizes elementares
Definio 2.17. Matriz elementar Chama-se matriz elementar de ordem a uma matriz 8
obtida de por uma nica operao elementar sobre linhas ou sobre colunas; essa matriz M
8
elementar diz-se associada operao elementar que lhe deu origem.
Observaes:
Da definio anterior resulta a existncia de 3 tipos de matrizes elementares,
correspondentes aos 3 tipos de operaes elementares:
I I I
" ! ! ! "
" ! !
! ! " !
! !
! " ! !
! ! "
! ! ! "
" # $

!
! ! !

! " !

! ! " !

! ! ! "
"
3 4 M Trocando entre si as linhas e de ou as colunas com os mesmos ndices obtm-se a
8
mesma matriz elementar (operao de tipo 1). Esta matriz simtrica e, portanto, igual I
"
transposta.
3 M ! Multiplicando uma linha de por um escalar obtm-se a mesma matriz elementar
8
!
I 3
#
obtida ao multiplicar a coluna por . Esta matriz simtrica e, portanto, igual transposta. !
As matrizes elementares obtidas pela mesma operao elementar de tipo 3 sobre linhas e
sobre colunas de so transpostas. M
8
M Em face das observaes anteriores, podemos afirmar que a matriz elementar obtida de
8
por uma operao elementar (de qualquer dos 3 tipos) sobre colunas a transposta da matriz
elementar obtida pela mesma operao elementar sobre linhas de . M
8
Seja, agora, uma matriz de tipo sobre um corpo e as E 78 P P P
78
" # 7
a b
suas linhas. As linhas de constituem a base cannica de e facilmente se M /t /t /t
7 " # 7
7
a b
reconhece que multiplicar esquerda o vector-linha por resulta na linha de , para todo o /t E 3 E
3
3 " # 7.
/t E P ! ! " ! + + +
+ + +
+ + +

+ + +

+ + +
3 3
"" "# "8
#" ## #8
3" 3# 38
7" 7# 78
3" 3# 38
c d c d

Do mesmo modo, sejam as colunas da mesma matriz . As colunas a b G G G E
" # 8
78
de constituem a base cannica de e fcil reconhecer que a multiplicao M /t /t /t

8 " # 8
8
a b
Sec. 2.13] Matrizes elementares 133
direita do vector-coluna por resulta na coluna de , para todo o . /t E 4 E 4 " # 8
4
E/t G
+ + + + +
+ + + + +

+ + + + +
!
!
"
!
4 4
"" "# "4 "8 "4
#" ## #4 #8 #4
7" 7# 74 78 74

Com os resultados anteriores, podemos agora mostrar que a matriz resultante da / E a b
execuo de uma qualquer operao elementar sobre as linhas de igual ao produto / E
esquerda da matriz elementar associada quela operao elementar por , como se E
78
prova na seguinte
Proposio 2.14. Seja uma matriz de tipo sobre um corpo e uma E 78 /
78
operao elementar (de qualquer dos 3 tipos) sobre linhas de . Ento: E
/ E / M E IE a b a b
7
matriz
elementar I
em que a matriz elementar obtida de pela mesma operao elementar sobre linhas. I M /
7
Demonstrao:
Vamos ver separadamente os 3 tipos de operaes elementares: para isso, designemos por
/ E / E I / M a b a b a matriz resultante de aplicar uma operao elementar matriz e por um dos
3 tipos de matriz elementar:
" 3 4 7 I Operao de tipo 1: sejam e a matriz elementar resultante de trocar as
linhas e de ; fazendo o produto por blocos, vem: 3 4 M IE
7
IE / M E E / E
/t /t E P

/t /t E P
/t /t E P

/t /t E P
a b a b

7
" " "
4 4 4
3 3 3
7 7 7
" 3 7 I Operao de tipo 2: seja e a matriz elementar resultante de multiplicar a
linha de pelo escalar ; calculando o produto por blocos, vem: 3 M ! IE
7
!
IE / M E E / E
/t /t E P

/t /t E P

/t /t E P
a b a b

a b
7
" " "
3 3 3
7 7 7
! ! !
" 3 4 7 I Operao de tipo 3: sejam e a matriz elementar resultante de somar
linha o produto de pela linha de ; fazendo o produto por blocos, vem: 3 4 M IE "
7
IE / M E E
/t /t E /t E

/t /t /t /t E /t E

/t /t E

/t /t E
a b

a b
7
" " "
3 4 3 4 3
4 4
7 7
" " /t E P P

/t E P

/t E P
/ E
P
" " a b

a b

4 3 4
4 4
7 7
"
Portanto, executar uma operao elementar sobre linhas de multiplicar esquerda a / E
matriz pela matriz elementar associada quela operao . E /
Resultado anlogo vale tambm para as operaes sobre colunas de , mas o produto pela E
matriz elementar deve agora ser efectuado direita:
Proposio 2.15. Seja uma matriz de tipo sobre um corpo e uma E 78 /
78
operao elementar (de qualquer dos 3 tipos) sobre colunas de . Ento: E
/ E E / M EI a b a b
8
matriz
elementar I
em que a matriz elementar obtida de pela mesma operao elementar sobre colunas. I M /
8
Demonstrao:
A demonstrao anloga anterior e deixada ao cuidado do leitor.
Da definio resulta imediatamente que todas as matrizes elementares so , visto regulares
que elas resultam da execuo de uma operao elementar sobre uma matriz regular (a
identidade). Na seco anterior, vimos que uma matriz quadrada de ordem regular sse a E 8
sua caracterstica igual a : por outras palavras, regular sse pode ser 8 E E
88
transformada na matriz identidade por meio de um nmero finito de operaes elementares M
8
sobre linhas. Pelo que acima foi dito, esta condio equivale existncia de uma sequncia de
matrizes elementares de ordem tais que a b I I I 8
" # :
I I I E M
: # " 8
A igualdade anterior mostra que o produto de matrizes elementares a matriz I I I
: # "
inversa de , E
E I I I
"
: # "
a b 2.69
e invertendo ambos os membros e atendendo a 2.67 , obtm-se: a b
E I I I
" " "
" # :
Podemos, portanto, enunciar a seguinte
Sec. 2.13] Matrizes elementares 135
Proposio 2.16. Uma matriz quadrada regular sse ela produto de matrizes elementares.
Se atendermos a que elemento neutro do produto matricial, a igualdade 2.69 pode M
8
a b
escrever-se:
E I I I I I I M
"
: # " : # " 8
a b 2.70
Mas esta igualdade significa que se obtm de pela mesma sequncia de operaes E M
"
8
elementares sobre linhas que transformaram em : obtm-se assim de novo o algoritmo E M
8
expresso em 2.66 : a b

E M M E
8 8
"
Graas s matrizes elementares, podemos mesmo generalizar este algoritmo, permitindo que a
condensao envolva tambm operaes elementares sobre colunas:
Proposio 2.17. Seja uma matriz quadrada regular de ordem sobre um corpo E 8
88
. Fazendo operaes elementares sobre linhas e sobre colunas da matriz (de ordem ) #8

E M
M S
8
8 8
de modo a lev-la forma

M G
F S
8
8
tem-se
E FG
"
Demonstrao:
Como se obtm de por operaes elementares sobre linhas e colunas, existem M E
8
sequncias de matrizes elementares e tais que a b

I I I I I I
" # :
w w w
" # ;
I I I EI I I M
: # " 8
w w w
" # ;
Sejam e . As matrizes e so regulares (por serem G I I I F I I I F G
: # "
w w w
" # ;
produto de matrizes regulares); ento
GEF M G GEF G EF G EFG G G EFG M
8 8
" " " "
A ltima igualdade mostra que , que o resultado pretendido. E FG
"
Observaes:
E X Em geral, comeamos por transformar numa matriz triangular superior, por meio de
=
operaes elementares sobre as linhas de , o que nos conduz matriz .

E M
8
G
E Neste ponto, conhecemos a caracterstica de e saberemos se existe inversa.
E 8 X Se c , transformamos a matriz triangular obtida anteriormente na matriz a b
=
identidade , por meio de operaes elementares sobre as colunas de . Este processo M
X
M
8
=
8

fornece-nos a matriz . F
FG E Por fim, calcula-se o produto .
"
Exemplo 2.38. Usemos o algoritmo anterior para calcular a inversa de
E
" # $
# " !
% # &

Temos:

" # $ " ! ! " # $ " ! !
# " ! ! " ! ! & ' # " !
% # & ! ! " ! ' ( % ! "
" ! ! ! ! ! " ! ! ! ! !
! " ! ! ! ! ! " ! ! ! !
! ! " ! ! ! ! ! " ! ! !

" # $ " ! !
! & ' # " !
! ! " ) ' &
" ! ! ! ! !
! " ! ! ! !
! ! " ! ! !
" ! ! " ! ! " ! ! " ! !
! & ' # " ! ! & ! # " !
! ! " ) ' & !
" # $ ! ! !
! " ! ! ! !
! ! " ! ! !
! & ) ' &

" # $ ! ! !
! " ' ! ! !
! ! & ! ! !
" ! ! " ! !
! " ! # " !
! ! " ) ' &
" ! ! !
! ! ! !
! ! " ! ! !

# $
& &
" '
& &
Portanto, tem-se:
F G
"
!
! ! "
" ! !
# " !
) ' &

# $
& &
" '
& &
e
A inversa ento dada por
E FG
"
!
! ! "
" ! ! & % $
# " ! "! ( '
) ' & ) ' &
"
# $
& &
" '
& &

Vamos agora definir uma relao de equivalncia no conjunto das matrizes de tipo
78
78 sobre um corpo . a noo de equivalncia de matrizes:
Sec. 2.14] Diviso matricial 137
Definio 2.18. Matrizes equivalentes Diz-se que duas matrizes so E F
78
equivalentes sse existem duas matrizes quadradas regulares e tais que T U
77 88
F TEU a b 2.71
A relao binria anterior de visto que equivalncia (ver Apndice A, definio A.5),
E M EM
7 8
, o que mostra que a relao ; por outro lado, a implicao reflexiva
F TEU E T FU
" "
mostra que a relao . Por fim, a implicao simtrica
F TEU G T FU G T TEU U T T E UU
w w w w w w
a b a b a b
prova que a relao . transitiva
Como e so regulares sse so produto de matrizes elementares, podemos dizer que e T U E
F F E so equivalentes sse se obtm de por meio de operaes elementares sobre linhas e
colunas:
F I I I E I I I
a b

: # "
T
w w w
" # ;
U
Como as operaes elementares sobre as filas de no alteram a sua caracterstica, isto E
significa que, se e so equivalentes, as suas caractersticas so necessariamente iguais. No E F
captulo 3, veremos que a recproca desta implicao tambm verdadeira (corolrio 3.12.1).
2.14 Diviso matricial
Devido no comutatividade do produto matricial, o problema da diviso matricial tem que
ser posto de duas formas diferentes: a (divisor esquerda) e a diviso esquerda diviso direita
(divisor direita). Assim, dadas uma matriz (o divisor) e uma matriz (o E F
78 7:
dividendo) com o mesmo nmero de linhas que a matriz , chamaremos quociente da 7 E diviso
esquerda de por a qualquer matriz tal que F E \
8:
E\ F a b 2.72
De forma semelhante, se (o dividendo) for uma matriz com o mesmo nmero de F 8
:8
colunas que a matriz , o quociente da de por qualquer matriz E F E \ diviso direita
:7
tal que
\E F a b 2.73
Podemos fixar a nossa ateno exclusivamente na diviso esquerda, porque a questo da
diviso direita se pode reduzir facilmente quela, por transposio
\E F E \ F
T T T
a b 2.74
A equivalncia anterior mostra que dividir por direita equivale a dividir por F E F E
T T
esquerda.
O problema de calcular em equivalente resoluo de sistemas de equaes \ : a b 2.72
lineares com equaes e incgnitas cada um, para o que basta fragmentar as matrizes e 7 8 \
F : nas suas colunas
\
F

\ \ \
F F F
" # :
" # :
Fazendo o produto por blocos, a equao transforma-se em E\ a b 2.72

E\ E\ E\ F F F
" # : " # :
o que equivale aos sistemas com a mesma matriz de coeficientes : E
E\ F 5 " # :
5 5
, com a b 2.75
e , agora, bvio que o problema da diviso esquerda tem soluo sse estes sistemas so
simultaneamente possveis, o que acontece sse os vectores F
5
7
forem todos combinao
linear das colunas da matriz (ver proposio ), ou seja sse c c . Se esta E E E F 2.10 a b

condio se der, podemos calcular as solues resolvendo simultaneamente os sistemas
anteriores, mediante a condensao da matriz . Se a caracterstica de for

E F < E
78:
igual a , todos os sistemas sero determinados e h uma s soluo para o problema da 8 \
diviso esquerda; se for , ento os sistemas sero todos indeterminados com o mesmo < 8 :
grau de indeterminao e existir mais que uma soluo. Neste caso, as solues sero 8 < \
funo de parmetros escalares arbitrrios (as incgnitas secundrias de cada : 8 < 8 < a b
sistema), o que implica a existncia de # solues, se o corpo for finito. Podemos, a b
: 8< a b
pois, apresentar a seguinte
Proposio 2.18. Diviso esquerda Sejam e matrizes com o E F
78 7:
mesmo nmero de linhas. O problema da diviso esquerda de por solvel sse F E
c c e, sendo c , existe uma e uma s soluo sse . Quando , a b a b

E < E < 8 < 8 E F
existem vrias solues (uma infinidade, se for infinito e em nmero de # , se for a b
: 8< a b
finito).
Em virtude de podemos enunciar proposio idntica para a diviso direita: a b 2.74
Proposio 2.19. Diviso direita Sejam e matrizes com o mesmo E F
78 :8
nmero de colunas. O problema da diviso direita de por solvel sse c c F E E
E
F
a b

e, sendo c , existe uma e uma s soluo sse . Quando , existem vrias < E < 7 < 7 a b
solues (uma infinidade, se for infinito e em nmero de # , se for finito). a b
: 7< a b
O problema da resoluo de um sistema na forma matricial , afinal, o problema da E\ F
diviso esquerda de uma matriz-coluna pela matriz . F E
Identicamente, o problema da inversa direita de equivalente diviso esquerda da matriz E
identidade por M E
7

78
, visto que se trata de resolver a equao matricial
E\ M
. 7
Sec. 2.14] Diviso matricial 139
Exemplo 2.39. Para dividir por esquerda, F E
E F
" # $ $ '
# " ! & "
" $ $ ) (

e
condensemos a matriz

E F

" # $ $ ' " # $ $ ' & ! $ ( %
# " ! & " ! & ' "" "$ ! & ' "" "$
" $ $ ) ( ! & ' "" "$ ! ! ! ! !

Temos, neste caso, c c e, portanto, a diviso esquerda possvel; os dois a b

E # E F
sistemas de equaes lineares que acabmos de resolver so simplesmente indeterminados e as
suas solues so
\ \
" "" "" "" # #" #" #"
( $ "" ' % $ "$ '
& & & & & & & &

! ! ! ! ! !
T T
e
O resultado da diviso
\ \ \
$- $-
'- '-
&- &-

" #
( $ % $ ( %
& & & & & &
"" #" "" #"
"" ' "$ ' "" "$
& & & & & &
"" #" "" #"
"" #" "" #"
! !
! !
! !
O leitor pode verificar a correco do resultado, calculando e verificando que E\ F
igual a . Existe, pois, uma dupla infinidade de solues para este problema de diviso S
$#
esquerda.
Tem particular interesse o caso em que matriz quadrada de ordem . E 8
88
regular
Neste caso, as proposies anteriores mostram que os problemas de diviso esquerda e direita
tm uma e uma s soluo; para a diviso esquerda, fica, com , F
8:
E\ F E E\ E F E E \ E F M \ E F \ E F
" " " " " "
8
a b

e o nico designado pela notao : quociente E F EF
" 8:
EF E F
"
Para a diviso direita, vem, com , F
:8
\E F \E E FE \ EE FE \M FE \ FE a b

" " " " " "
8
e para a matriz usa-se a notao : FE FE
" :8
FE FE
"
Em qualquer dos casos, o tem o mesmo tipo que o quociente dividendo . Para poder ser F
EF FE F 8 , ter que ser quadrada de ordem e, mesmo nesse caso, ainda pode ser
EF FE E F FE EF FE . Porm, a proposio sse . 2.13. mostra que vii
" "
Portanto, se as matrizes e forem permutveis, ento a diviso esquerda e a diviso direita E F
tm a mesma soluo ( ): quociente
EF FE EF FE E F E , em que regular
88
Exemplo 2.40. Para as matrizes no permutveis
E F
" # $ ! " #
# " ! " # $
% # & # " $

e
calculemos : E
"

" # $ " ! ! " # $ " ! ! & ! $ " # !
# " ! ! " ! ! & ' # " ! ! & ' # " !
% # & ! ! " ! ' ( % ! " ! ! " ) ' &

& ! ! #& #! "& " ! ! & % $
! & ! &! $& $! ! " ! "
! ! " ) ' &
! ( '
! ! " ) ' &
donde resulta que a inversa de : E
E
& % $
"! ( '
) ' &
"

Os esquerdo e direito de por so diferentes, porque e no so quocientes F E E F
permutveis:
EF E F
& % $ ! " # "! ' (
"! ( ' " # $ "* "! "(
) ' & # " $ "' * "$
FE FE
! " # & % $ ' & %
" # $ "! ( ' " ! !
# " $ ) ' &
"
"

%% $$ #(
Exemplo 2.41. Para as matrizes permutveis (verifique!)
E F
" # $ &) $# (&
# " ! ## #) &%
% # & '% "% &'

e
tem-se, como se viu no exemplo anterior,
E
& % $
"! ( '
) ' &
"

Sec. 2.15] Mudana de base 141
Os esquerdo e direito de por so, agora, iguais: quocientes F E
EF E F
& % $ &) $# (& "! ' *
"! ( ' ## #) &% %# %! $'
) ' & '% "% &' "# ") %
FE FE
&) $# (& & % $
## #) &% "! (
'% "% &'
"
"

' %# %! $'
) ' & "# ") %
"! ' *

O , descrito na seco 2.16, implementa as funes package ALGA`Matrizes`
DivisaoEsquerda[A,B,c] DivisaoDireita[A,B,c] e que resolvem, quando possvel,
o problema da diviso matricial de por , em funo de parmetros arbitrrios, B A c
apresentando-se ainda exemplos do seu uso.
2.15 Mudana de base
Vamos comear por introduzir notaes matriciais para escrever as combinaes lineares.
Num espao vectorial de dimenso finita sobre um corpo , considere-se uma base I 8
/ /t /t /t a b
" # 8
Sabemos que, dado um vector , so nicas as suas coordenadas em relao Bt I B a b
3
"38
base e ser /
Bt B /t
"
3"
8
3 3
Introduzindo a matriz-linha simblica e a matriz-coluna
a b 14
c d

/t /t /t \
B
B
B
" # 8 /
"
#
8
contendo as coordenadas referidas e identificando o seu produto (de tipo ) com o vector " "
Bt I, podemos escrever
Bt \ /t /t /t c d
" # 8 /
No mesmo espao vectorial de dimenso finita sobre um corpo , considerem-se, agora, I 8
duas bases
/ /t /t /t
/ /t /t /t
a b
a b
" # 8
w w w w
" # 8
14
Observe que esta matriz-linha constituda por vectores: No se trata, pois, de uma matriz sobre o corpo ,
mas sim sobre o espao . I
Cada vector h-de exprimir-se nos de uma e uma s forma, atravs das respectivas /t /t
w
4 3
coordenadas > /
34
relativas base
/t > /t
w
4
3"
8
34 3
"
a b 2.76
As igualdades vectoriais anteriores podem escrever-se matricialmente 8
c d c d a b /t /t /t X /t /t /t
w w w
" # 8
" # 8 //
w 2.77
A matriz , cuja coluna contm as coordenadas de na base , chamada X 4 /t / >
// 34
w
4
w c d matriz
de mudana de passagem ou da base para a base / / / I
w w
e o facto de ser uma base de implica
que as suas colunas so e que, portanto, . linearmente independentes regular X
//
w
Multiplicando ambos os membros de direita, obtm-se a b 2.77 por X
"
//
w
c d c d /t /t /t X /t /t /t
" # 8
w w w "
" # 8 //
w
o que permite concluir que
X X
/ /
"
//
w w a b 2.78
Alm da relao anterior, bvio que
X M
// 8
a b 2.79
Se for, agora, uma terceira base de , ter-se- / /t /t /t I
ww ww ww ww
" # 8
a b
c d c d
c d c d
/t /t /t /t /t /t X
/t /t /t X /t /t /t
ww ww ww w w w
" # 8 " # 8
/ /
w w w
" # 8
" # 8 //
w ww
w
Substituindo a 2 destas igualdades na 1, obtm-se
c d c d a b /t /t /t X X /t /t /t
ww ww ww
" # 8
" # 8 // / /
w w ww
concluindo-se que
X X X
// // / /
ww w w ww a b 2.80
Como se transformam as coordenadas de um vector quando se muda de base? tem-se Bt
Bt \ X \ \ /t /t /t /t /t /t /t /t /t c d c d c d
w w w
" # 8
/ // / / " # 8 " # 8
\
w w w
/
Como as coordenadas de na base so nicas, dever ser Bt /
\ X \
/ // /
w w a b 2.81
Observe-se que as coordenadas do vector ocupam nesta igualdade posies s que contrrias
so ocupadas pelos vectores das bases: daqui a designao de que coordenadas contra-variantes
tambm lhes dada.
Sec. 2.15] Mudana de base 143
Exemplo 2.42. Considerem-se, em , as bases e
$
/ " ! " " " " ! " " a b a b a b a b
/ X /
w w
//
a b a b a b a b ! " " " # " " ! " / . Para calcular a matriz de mudana da base para w ,
teremos de exprimir os nos . Este processo conduz-nos a trs sistemas de equaes lineares /t /t
w
4 3
com 3 equaes e 3 incgnitas cada um, mas todos com a mesma matriz dos coeficientes:
podemos, portanto, resolv-los de uma s vez condensando a matriz seguinte

" " ! ! " " " " ! ! " "
! " " " # ! ! " " " # !
" " " " " " ! # " " # #

" " ! ! " " " " ! ! " "
! " " " # ! ! $ ! # ! #
! ! $ " ' # ! ! $ " ' #

$ ! ! # $ " " ! ! #$ " "$
! $ ! # ! # ! " ! #$ ! #$
! ! $ " ' # ! ! " "$ # #$

Daqui se conclui que
X
"
$
# $ "
# ! #
" ' #
//
w

Por exemplo, o vector exprime-se na base por Bt $/t #/t %/t /
w w w
" # $
Bt %/t "%/t "(/t /t /t /t # ! # #
" "
$ $
# $ " $
" ' # %
c d a b

" # $ " # $
Exemplo 2.43. Em relao ao exemplo anterior, as matrizes de mudana da base cannica -
para as bases e / /
w
so, respectivamente,
X
" " !
! " "
" " "
X
! " "
" # !
" " "
-/
-/

w
A expresso a b 2.80 permite confirmar a matriz obtida no exemplo anterior, j que
X X X X X
" "
$ $
# " " ! " " # $ "
" " " " # ! # ! #
" # " " " " " ' #
// /- -/ -/
"
-/
w w w

em que a inversa de se pode obter pelo algoritmo de condensao. X
-/
As coordenadas do vector do exemplo anterior na base cannica sero Bt
\ X \
! " " $ '
" # ! # "
" " " % *
- -/ /
w w

Portanto, ; este resultado pode ser confirmado por substituio directa dos Bt ' " * /t a b
w
3
em . Bt $/t #/t %/t
w w w
" # $
Exemplo 2.44. Podemos generalizar o procedimento usado nos exemplos anteriores, para
obter a matriz de passagem de uma base de para uma segunda base X / /t /t /t
// " # 8
8
w a b
/ /t /t /t
w w w w
" # 8
a b:
w w w
" # 8
" # 8 //
w
Trata-se de calcular as coordenadas dos vectores em relao base e, para tal, ser /t /
w
3
necessrio resolver os sistemas de equaes lineares nas incgintas resultantes das 8 > 8
43

igualdades vectoriais
/t > /t 3 " # 8
w
3
4"
8
43 4
"
Todos estes sistemas sero determinados e tero a mesma matriz dos coeficientes (cujas I
colunas so constitudas pelos vectores da base ); as matrizes dos termos independentes destes /
sistemas so os vectores de . Podemos, pois, resolv-los de uma s vez fazendo a 8 /
w
condensao vertical da matriz de tipo (em que tem por colunas os vectores

I I 8 #8 I
w w
de ), por forma a obter a matriz do mesmo tipo e cuja metade direita ser a matriz / M X
w
8 //

w
de mudana de base pretendida:

I I M X
w
8 //
w
Se for a base cannica de , ficar e, ento, no ser necessria a condensao, / I M
8
8
resultando imediatamente ; se for a base cannica, ento ser e a X I / I M
// 8
w w w
w
condensao mostra, de acordo com 2.66 , que ser .

a b I M M X X I
8 8 // //
"
w w
2.16 Anexos: matrizes e o MATHEMATICA
MATHEMATICA
O software dispe de funes capazes de resolver grande parte dos MATHEMATICA

problemas por ns analisados neste captulo; de entre as referidas funes salientamos:
MatrixQ[A]
Verifica se o argumento uma matriz, devolvendo ou . A True False
IdentityMatrix[n]
Devolve a matriz de ordem n. identidade
DiagonalMatrix[vector]
Sec. 2.16] Anexos: matrizes e o MATHEMATICA 145
Devolve a matriz com as componentes do na diagonal. diagonal vector
RowReduce[A]
Reduz a matriz forma , com pivots iguais a e anulando todos os elementos A escalonada "
nas colunas dos pivots excepo destes. Facilmente se obtm a de , por simples caracterstica A
observao do resultado (nmero de linhas no nulas).
Se aplicada matriz completa dum sistema, permite fcilmente resolv-lo. Para obter a matriz
completa a partir das matrizes e , pode usar-se ab a b
ab = Transpose[Join[Transpose[a], {b}]]
MatrixRank[A, ZeroTest-> ] test
Calcula a caracterstica da matriz , usando a funo para testar se os elementos de A A test
so nulos.
LinearSolve[A, B]
Calcula um vector do sistema , se este for possvel ou d uma sp A.X==B soluo particular
mensagem de erro, quando o sistema for impossvel. Se o sistema for determinado, ser esta a
sua nica soluo; se for indeterminado, obtemos a soluo geral mediante soma com uma
combinao linear arbitrria dos vectores fornecidos pela funo . NullSpace[A]
sp = LinearSolve[A,B]
NullSpace[A]
Calcula uma base do espao vectorial das . A sh A.X==O solues do sistema homogneo
base devolvida como uma lista de vectores (uma matriz do tipo ). sh a b 8 < 8
sh = NullSpace[A]
Quando indeterminado, a soluo geral de obtm-se por sg A.X==B
sg = sp + Array[c, {Length[sh]}].sh
onde os so parmetros arbitrrios. c[1] c[2] c[n-r] , , ,
Solve[A.X == B, X]
Resolve a em ordem s variveis presentes na lista . No caso de equao A.X == B X ,
sistemas indeterminados, podemos escolher as variveis principais e coloc-las na lista . < X
Reduce[A.X == B, X]
Resolve a em ordem s variveis mencionadas na lista . Esta funo equao A.X == B X ,
particularmente potente, permitindo mesmo fazer a discusso de sistemas com parmetros (estes
no so obviamente parte da lista ). A soluo vem como uma expresso lgica envolvendo os X
operadores booleanos e . && || (conjuno e disjuno)
Inverse[A]
Calcula a matriz da matriz quadrada regular ou d uma mensagem de erro, se a inversa A
matriz for singular.
A ttulo de ilustrao dos algoritmos descritos neste captulo, apresenta-se nas prximas
pginas, um implementado em , onde se package chamado ALGA`Matrizes` MATHEMATICA
utilizam os algoritmos de condensao mencionados. Os mdulos implementados so:

Caracteristica[A,PivotUm -> ] opcao
Devolve a lista formada pela e pela forma da matriz, com opo caracterstica escalonada
para que os pivots sejam 1 ou no (por defeito, no so).
GaussJordan[A,B]
Usa o algoritmo de na resoluo do sistema de equaes lineares Gauss-Jordan A.X == B.
Inversa[A]
Determina a da matriz quadrada , por condensao. inversa A
InversaDireita[A,c]
Calcula as de , se existirem, com parmetros . inversas direitas A c
InversaEsquerda[A,c]
Calcula as de , se existirem, com parmetros . inversas esquerdas A c
DivisaoEsquerda[A,B,c]
Determina a diviso esquerda de , se existir, com parmetros . B por A c
DivisaoDireita[A,B,c]
Determina a diviso direita de , se existir, com parmetros . B por A c
determina a soluo do sistema , a partir da GaussSeidel[A,B,X0,tol,max] AX == B
estimativa inicial com a tolerancia e com um mximo de pontos e devolve a lista X0 tol max
formada pela soluo aproximada e pelo nmero de pontos calculados (excluindo ). X0
determina a lista de um mximo de GaussSeidelPoints[A,B,X0,tol,max] max+1
solues aproximadas (incluindo ) do sistema , a partir da estimativa inicial com a X0 AX == B X0
tolerancia . tol
Passagem[e1,e2]
Determina a matriz de mudana da base para a base ; mais geralmente, determina a e1 e2
matriz cujas colunas so as coordenadas dos vectores da lista em relao base . e2 e1
Coordenadas[e1,e2,xe1]
Transforma as coordenadas de um vector da base para a base . xe1 e1 e2
Segue-se a listagem do : package ALGA`Matrizes`
(* Package by Carlos Ribeiro, Maio 2008 *)
(* Contexto : ALGA`Matrizes` *)
(* Verso : 3.5 *)
(* Verso do Mathematica : 6.0 *)
BeginPackage["ALGA`Matrizes`"]
(* ------------------------------ HELP ON-LINE ------------------------------ *)
AppendRows::usage = "AppendRows[mat1, mat2, ...] d uma nova matriz composta pelas submatrizes \
mat1, mat2, ..., juntando-lhes as linhas. As submatrizes devero ter o mesmo nmero de linhas."
AppendColumns::usage = "AppendColumns[mat1, mat2, ...] d uma nova matriz composta pelas \
submatrizes mat1, mat2, ..., juntando-lhes as colunas. As submatrizes devero ter o mesmo \
nmero de colunas."
ZeroMatrix::usage = "ZeroMatrix[m] devolve a matriz nula quadrada de ordem m. ZeroMatrix[m, n] \
devolve a matriz nula de tipo m x n."
SquareMatrixQ::usage = "SquareMatrixQ[mat] testa se a matriz mat quadrada."
Op1::usage = "Op1[A,i,j] Matriz que resulta de trocar as linhas i e j na matriz A."
Op2::usage = "Op2[A,i,x] Matriz que resulta de multiplicar a linha i da matriz A pelo \
escalar x no-nulo."
Op3::usage = "Op3[A,i,j,y] matriz obtida de A, substituindo a linha i pela sua soma com \
o produto do escalar y pela linha j."
Op4::usage = "Op4[A,i,j,x,y] matriz obtida de A, substituindo a linha i \
pela soma do produto com o produto do escalar y pela linha j."
PivotUm::usage = "PivotUm uma opo da funo Caracteristica[] que indica que os pivots \
devero ser 1s, quando PivotUm for igual a True. Por defeito PivotUm -> False."
Caracteristica::usage="Caracteristica[A, PivotUm -> Opo] Devolve a lista composta pela \
caracterstica de A, seguida da matriz levada forma escalonada. PivotUm uma opo que \
indica que os pivots devero ser 1s, quando PivotUm for igual a True. \
Por defeito PivotUm -> False."
GaussJordan::usage="GaussJordan[A,B] Resolve o sistema A.X = B, devolvendo uma lista formada \
por uma soluo particular e pela lista contendo os vectores duma base do espao das solues \
do sistema homogneo A.X = O."
Inversa::usage="Inversa[A] calcula a matriz inversa da matriz quadrada A."
InversaDireita::usage="InversaDireita[A,c] calcula a(s) matriz(es) inversa(s) direita(s) da \
matriz A e usando c como parmetro."
InversaEsquerda::usage="InversaEsquerda[A,c] calcula a(s) matriz(es) inversa(s) esquerda(s) \
da matriz A e usando c como parmetro."
DivisaoEsquerda::usage="DivisaoEsquerda[A,B,c] calcula o quociente de B por A, com o divisor \
A esquerda e usando c como parmetro."
DivisaoDireita::usage="DivisaoDireita[A, B, c] calcula o quociente de B por A, com o divisor \
A direita e usando c como parmetro."
GaussSeidel::usage="GaussSeidel[a, b, x0, err, iter] tenta resolver o sistema ax=b pelo mtodo \
de Gauss-Seidel, a partir de um ponto inicial x0 com um erro inferior a err e realizando um \
mximo de iter iteraes."
GaussSeidelPoints::usage="GaussSeidelPoints[a, b, x0, err, iter] devolve a lista de pontos \
obtida pelo algoritmo de Gauss-Seidel na resoluo do sistema ax=b, a partir de um ponto \
inicial x0 com um erro inferior a err e realizando um mximo de iter iteraes."
Passagem::usage="Passagem[e1, e2] Devolve a matriz cujas colunas so as coordenadas dos \
vectores da lista e2, na base formada pelos vectores da lista e1; se e2 for outra base, \
calcula a matriz de mudana de e1 para e2. A lista e1 deve ser uma base e os vectores de e2 \
devem pertencer ao espao gerado por e1."
Coordenadas::usage="Coordenadas[e1, e2, xe1] Devolve as coordenadas em relao base e2 de \
um vector, dadas as suas coordenadas xe1 em relao base e1."
Begin["`Private`"]
(* -------------------------------- DEFAULTS -------------------------------- *)
Options[Caracteristica] = {PivotUm -> False};
(* --------------------------- MENSAGENS DE ERRO ---------------------------- *)
Op2::escalarnulo3 = "Operao do tipo 2 invlida. O 3 argumento no pode ser nulo.";
Op4::escalarnulo4 = "Operao do tipo 4 invlida. O 4 argumento no pode ser nulo.";
GaussJordan::errdimensao = "GaussJordan[A,B]: N de linhas da matriz A diferente do \
comprimento do vector B.";
GaussJordan::impossivel = "Sistema AX = B impossvel.";
Caracteristica::matrizvazia = "Matriz vazia."
Inversa::inverrdimensao = "A matriz a inverter no quadrada ou vazia.";
Inversa::singular = "A matriz singular.";
InversaDireita::naoexiste = "A matriz no tem inversa(s) direita(s).";
InversaEsquerda::naoexiste = "A matriz no tem inversa(s) esquerda(s).";
DivisaoEsquerda::naoexiste = "A diviso esquerda no possvel.";
DivisaoEsquerda::dimensao = "O nmero de linhas das matrizes a dividir no igual";
DivisaoDireita::naoexiste = "A diviso direita no possvel.";
DivisaoDireita::dimensao = "O nmero de colunas das matrizes a dividir no igual";
GaussSeidel::errdim = GaussSeidelPoints::errdim = "O comprimento do vector inicial \
diferente da ordem da matriz simples do sistema.";
GaussSeidel::errindep = GaussSeidelPoints::errindep = "O comprimento do vector dos termos \
independentes diferente da ordem da matriz simples do sistema.";
GaussSeidel::errdiag=GaussSeidelPoints::errdiag="Existe(m) elemento(s) nulo(s) na diagonal \
da matriz simples.";
GaussSeidel::dimensao = GaussSeidelPoints::dimensao = "A matriz simples do sistema \
no quadrada.";
Passagem::naobase = "A primeira lista no uma base.";
Passagem::errdim = "Os vectores da segunda lista no pertencem ao espao gerado pelos \
vectores da primeira lista.";
Coordenadas::naobase = "A segunda lista no uma base.";
Coordenadas::errdim = "As bases indicadas nos dois primeiros argumentos no so do mesmo \
espao ou o vector tem a dimenso errada.";
(* ------------------------------ IMPLEMENTAO ------------------------------ *)
(* Implementao da funo ZeroMatrix *)
ZeroMatrix[0, ___] := {}
ZeroMatrix[m_Integer, 0] := Table[{}, {m}]
ZeroMatrix[m_Integer, n_Integer] := Normal[SparseArray[{},{m, n}]] /; \
m >= 0 && n>=0
ZeroMatrix[m_Integer] := ZeroMatrix[m, m] /; m >= 0
(* Implementao da funo SquareMatrixQ *)
SquareMatrixQ[a_?MatrixQ] := SameQ @@ Dimensions[a]
(* Implementao da funo AppendRows *)
SameRowSize[l_List] := (SameQ @@ (Dimensions[#][[1]]& /@ l) )
AppendRows[l__?MatrixQ] := Transpose[Join @@ Transpose /@ {l}] /; \
SameRowSize[{l}]
(* Implementao da funo AppendColumns *)
SameColumnSize[l_List] := (SameQ @@ (Dimensions[#][[2]]& /@ l) )
AppendColumns[l__?MatrixQ] := Join[l] /; SameColumnSize[{l}]
(* Implementao das operaes elementares *)
Op1[a_?MatrixQ, i_Integer, j_Integer] :=
Module[{temp = a[[i]], b = a}, b[[i]] = b[[j]]; b[[j]] = temp; b]
Op2[a_?MatrixQ, i_Integer, x_] :=
Module[{b = a}, If[x == 0, Message[Op2::escalarnulo3],
b[[i]] = x b[[i]]; b]]
Op3[a_?MatrixQ, i_Integer, j_Integer, x_] :=
Module[{b = a}, b[[i]] = b[[i]] + x b[[j]]; b]
Op4[a_?MatrixQ, i_Integer, j_Integer, x_, y_] :=
Module[{b = a}, If[x == 0, Message[Op4::escalarnulo4],
b[[i]] = x b[[i]] + y b[[j]]; b]]
(* Implementao do mdulo Caracteristica *)
Caracteristica[a_?MatrixQ, opt___?OptionQ] :=
Module[{m = Length[a], n = Dimensions[a][[2]], b = a, r = 0, k = 0, i, piv1},
{piv1} = {PivotUm}/.Flatten[{opt, Options[Caracteristica]}];
If[m == 0 || n== 0, Message[Caracteristica::matrizvazia];
Print["Caracteristica[", a, ", PivotUm -> ", piv1, "]"],
While[r < m && k < n,
While[k++; i = r; While[i++; b[[i, k]] == 0 && i < m, Null];
b[[i, k]] == 0 && k < n, Null
];
If[b[[i, k]] != 0,
r++;
b = Op1[b, r, i];
If[piv1,
b = Op2[b, r, 1/b[[r, k]]];
For[i = r + 1, i <= m, i++, b = Op3[b, i, r, -b[[i, k]]]],
For[i = r + 1, i <= m, i++, If[b[[i,k]] != 0,
b = Op4[b, i, r, b[[r, k]], -b[[i,k]]]]]
]
]
]; {r,b}
]
]
(* Implementao do mdulo GaussJordan *)
GaussJordan[a_?MatrixQ, b_?VectorQ] :=
Module[{m = Length[a], n = Dimensions[a][[2]], s = 0, r = 0,
k = 0, c, i, piv, sp, sh},
If[m != Length[b],
Message[GaussJordan::errdimensao],
(* Condensao da matriz completa *)
c = Transpose[Join[Transpose[a],{b}]];
piv = Table[False,{n}];
While[s < m && k < n+1,
While[k++; i = s; While[i++; c[[i, k]] == 0 && i < m, Null];
c[[i, k]] == 0 && k < n+1, Null
];
If[c[[i, k]] != 0,
s++;
If[k <= n, r++; piv[[k]] = True];
If[i != s, c = Op1[c, s, i]];
c = Op2[c, s, 1/c[[s, k]]];
For[i = 1, i <= m, i++,
If[i != s, c = Op3[c, i, s, -c[[i, k]]]]
]
]
];
(* Discusso da soluo e preparao da sada *)
If[s != r,
(* Sistema impossvel *)
Message[GaussJordan::impossivel];
Print["GaussJordan[", a, ", ", b, "]"],
(* Sistema possvel *)
(* sp: soluo particular *)
sp = Table[0,{n}];
For[k = 1; i = 0, k <= n, k++,
If[piv[[k]], i++; sp[[k]] = c[[i, n+1]]]
];
(* sh: base do espao das solues do sistema homogneo associado *)
sh = Table[0,{n-r},{n}];
For[s = 1; t = 0, s <= n, s++,
If[Not[piv[[s]]],
t++;
For[k = 1; i = 0, k <= n, k++,
If[piv[[k]], i++; sh[[t, k]] = -c[[i, s]], sh[[t, s]] = 1]
]
]
];
{sp, sh}
]
]
]
(* Implementao do mdulo Inversa *)
Inversa[a_?MatrixQ] :=
Module[{n = Length[a], cont = True, r = 0, k = 0, b, i},
If[Not[SquareMatrixQ[a]],
Message[Inversa::inverrdimensao]; Print["Inversa[", a, "]"],
(* Inverso da matriz *)
b = Transpose[Join[Transpose[a],IdentityMatrix[n]]];
While[r < n && k < n && cont,
k++; i = r; While[i++; b[[i, k]] == 0 && i < n, Null];
If[b[[i, k]] == 0,
cont = False,
r++;
If[i != r, b = Op1[b, r, i]];
b = Op2[b, r, 1/b[[r, k]]];
For[i = 1, i <= n, i++,
If[i != r, b = Op3[b, i, r, -b[[i, k]]]]
]
]
];
If[cont, Transpose[Take[Transpose[b],-n]],
Message[Inversa::singular];Print["Inversa[", a, "]"]
]
]
]
(* Implementao do mdulo InversaDireita *)
InversaDireita[a_?MatrixQ, c_]:=
Module[{sh = NullSpace[a], i},
If[Caracteristica[a][[1]] == Length[a],
Transpose[Table[LinearSolve[a,IdentityMatrix[Length[a]][[i]]]+
Array[c[i],{Length[sh]}].sh,{i,Length[a]}]],
Message[InversaDireita::naoexiste];
Print["InversaDireita[", a, ", ", c, "]"]
]
]
(* Implementao do mdulo InversaEsquerda *)
InversaEsquerda[a_?MatrixQ, c_] :=
If[Caracteristica[a][[1]] == Dimensions[a][[2]],
Transpose[InversaDireita[Transpose[a], c]],
Message[InversaEsquerda::naoexiste];
Print["InversaEsquerda[", a, ", ", c, "]"]
]
(* Implementao do mdulo DivisaoEsquerda *)
DivisaoEsquerda[a_?MatrixQ,b_?MatrixQ, c_]:=
Module[{sh=NullSpace[a]},
If[Length[a]==Length[b],
If[Caracteristica[a][[1]]== \
Caracteristica[Join[Transpose[a],Transpose[b]]][[1]],
Transpose[Table[LinearSolve[a,b[[All,i]]]+Array[c[i],{Length[sh]}].sh, \
{i,Dimensions[b][[2]]}]],
Message[DivisaoEsquerda::naoexiste];
Print["DivisaoEsquerda[",a,", ",b,"]"]
],
Message[DivisaoEsquerda::dimensao];Print["DivisaoEsquerda[",a,",",b,"]"]
]
]
(* Implementao do mdulo DivisaoDireita *)
DivisaoDireita[a_?MatrixQ,b_?MatrixQ, c_]:=
Module[{sh=NullSpace[a]},
If[Dimensions[a][[2]]==Dimensions[b][[2]],
If[Caracteristica[a][[1]]==Caracteristica[Join[a,b]][[1]],
Transpose[DivisaoEsquerda[Transpose[a],Transpose[b],c]],
Message[DivisaoDireita::naoexiste]; Print["DivisaoDireita[",a,", ",b,"]"]
],
Message[DivisaoDireita::dimensao];Print["DivisaoDireita[",a,", ",b,"]"]
]
]
(* Implementao do mdulo GaussSeidel *)
GaussSeidel[a_?MatrixQ,b_?VectorQ,x0_?VectorQ, ,maxiter_?IntegerQ]:= &_
Module[{y0=x0,y1=x0,n=Length[x0],i,j,cont=True,m=0,ok=True},
If[SquareMatrixQ[a],
If[Length[a]==Length[x0],
For[i=1,i<=n,i++,ok=ok && a[[i,i]]!=0];
If[ok,
While[cont,
For[i=1,i<=n,i++,
y1[[i]]=1/a[[i,i]]*(b[[i]]-Sum[a[[i,j]]*y1[[j]],{j,1,i-1}]-\
Sum[a[[i,j]]*y0[[j]],{j,i+1,n}]);
m++
];
cont=Norm[y1-y0]>= && m<=maxiter; &
y0=y1
];
{y1,m},
Message[GaussSeidel::errdiag]
],
Message[GaussSeidel::errdim]
],
Message[GaussSeidel::errindep]
],
Message[GaussSeidel::dimensao]
]
]
(* Implementao do mdulo GaussSeidelPoints *)
GaussSeidelPoints[a_?MatrixQ,b_?VectorQ,x0_?VectorQ, ,maxiter_?IntegerQ]:= &_
Module[{y0=x0,y1=x0,n=Length[x0],i,j,cont=True,lista,m=0,ok=True},
If[SquareMatrixQ[a],
If[Length[a]==Length[x0],
For[i=1,i<=n,i++,ok=ok && a[[i,i]]!=0];
If[ok,
lista={y1};
While[cont,
For[i=1,i<=n,i++,
y1[[i]]=1/a[[i,i]]*(b[[i]]-Sum[a[[i,j]]*y1[[j]],{j,1,i-1}]-\
Sum[a[[i,j]]*y0[[j]],{j,i+1,n}]);
lista=Join[lista,{y1}];
m++
];
cont=Norm[y1-y0]>= && m<=maxiter; &
y0=y1
];
lista,
Message[GaussSeidelPoints::errdiag]
],
Message[GaussSeidelPoints::errdim]
],
Message[GaussSeidelPoints::errindep]
],
Message[GaussSeidelPoints::dimensao]
]
]
(* Implementao do mdulo Passagem *)
Passagem[e1_?MatrixQ,e2_?MatrixQ]:=
Module[{n=Length[e1]},
Which[Not[SquareMatrixQ[e1]], Message[Passagem::naobase],
MatrixRank[e1]!=n, Message[Passagem::naobase],
Dimensions[e2][[2]]!=n, Message[Passagem::errdim],
True, Transpose[e2.Inverse[e1]]
]
]
(* Implementao do mdulo Coordenadas *)
Coordenadas[e1_?MatrixQ,e2_?MatrixQ,xe1_?VectorQ]:=
Module[{n=Length[e1]},
Which[Not[SquareMatrixQ[e1]], Message[Coordenadas::naobase],
MatrixRank[e1]!=n, Message[Coordenadas::naobase],
Length[e2]!=n || Length[xe1]!=n, Message[Coordenadas::errdim],
True, Passagem[e2,e1].xe1
]
]
End[]
EndPackage[]
O package ALGA`Matrizes` dever ser previamente carregado por meio de um dos
comandos
<<ALGA`Matrizes`
Get["ALGA`Matrizes`"]
Needs["ALGA`Matrizes`"]
DeclarePackage["ALGA`Matrizes`"]
Nas pginas seguintes, apresenta-se um onde se ilustra o uso do anterior e notebook package
das funes prprias do software roblemas matriciais. MATHEMATICA
para resolver vrios p

Matrizes
2.16.1. O que so?
No MATHEMATICA, uma matriz uma lista de listas do mesmo comprimento
a = 882, 2, 1<, 83, 2, 1<, 81, 5, 1<, 83, 2, 1<<;
b = 882, 5<, 83, 4, 1<<;
c = 83, 2, 5<;
Pode formatar-se uma matriz com a funo Mat r i xFor m[ ]
a MatrixForm
2 2 1
3 2 1
1 5 1
3 2 1
2.16.2. Acesso aos elementos de uma matriz
Podemos extrair partes de uma matriz
Obtm-se o elemento na posio ( 3, 2) da matriz por meio de a[ [ 3, 2] ] ou Par t [ a, 3, 2]
8a@@3, 2DD, Part@a, 3, 2D<
154
Matrizes [Cap. 2
85, 5<
A linha 3
a@@3DD
81, 5, 1<
A coluna 2
a@@All, 2DD
82, 2, 5, 2<
Podemos extrair as 2 primeiras linhas com Take[ a, 2]
Take@a, 2D MatrixForm
2 2 1
3 2 1
Ou as 2 ltimas linhas
Take@a, 2D MatrixForm
1 5 1
3 2 1
Podemos extrair as 2 primeiras colunas
Sec. 2.16] Anexos: matrizes e o MATHEMATICA
155
Take@a, All, 2D MatrixForm
2 2
3 2
1 5
3 2
Podemos extrair as 2 ltimas colunas
Take@a, All, 2D MatrixForm
2 1
2 1
5 1
2 1
Ou as linhas de ordem par
Take@a, 82, 4, 2<D MatrixForm
3 2 1
3 2 1
Ou as colunas 2 e 3
Take@a, All, 82, 3<D MatrixForm
2 1
2 1
5 1
2 1
2.16.3. Dimenses (tipo) de uma matriz
156
Matrizes [Cap. 2
Podemos obter o vector contendo o nmero de linhas e de colunas (tipo da matriz)
Dimensions@aD
84, 3<
E extrair da o nmero de linhas
Dimensions@aD@@1DD
4
Length@aD
4
E o nmero de colunas
Dimensions@aD@@2DD
3
2.16.4. Trata-se mesmo de uma matriz?
A funo Mat r i xQ verifica se um objecto uma matriz
MatrixQ@aD
157
Tr ue
MatrixQ@bD
Fal se
MatrixQ@cD
Fal se
2.16.5. Gerao de matrizes
Podemos gerar matrizes identidade de qualquer ordem
IdentityMatrix@4D MatrixForm
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
Podemos gerar matrizes diagonais
DiagonalMatrix@82, 3, 0, 1<D MatrixForm
2 0 0 0
0 3 0 0
0 0 0 0
0 0 0 1
Matriz diagonal complexa com elementos diagonais aleatrios
158
Matrizes [Cap. 2
DiagonalMatrix@Table@RandomInteger@810, 10<D +
RandomInteger@810, 10<D, 85<DD MatrixForm
9 + 10 0 0 0 0
0 6 + 9 0 0 0
0 0 5 2 0 0
0 0 0 3 8 0
0 0 0 0 10 10
Podem gerar-se outras matrizes com Tabl e[ ] ou Ar r ay[ ]
Ha = Table@1Hi + j 1L, 8i, 3<, 8j, 4<DL MatrixForm
1
1
2
1
3
1
4
1
2
1
3
1
4
1
5
1
3
1
4
1
5
1
6
Hb = Array@x, 83, 4<DL MatrixForm
x@1, 1D x@1, 2D x@1, 3D x@1, 4D
x@2, 1D x@2, 2D x@2, 3D x@2, 4D
x@3, 1D x@3, 2D x@3, 3D x@3, 4D
Hc = RandomInteger@89, 9<, 84, 3<DL MatrixForm
0 1 9
6 9 4
5 3 9
3 7 8
Podemos gerar uma matriz tridiagonal de 8 ordemcomelementos aleatrios inteiros entre - 10 e 10 nas 3 diagonais
Table@If@Abs@i jD 1, RandomInteger@810, 10<D, 0D, 8i, 8<, 8j, 8<D
MatrixForm
159
2 4 0 0 0 0 0 0
9 1 1 0 0 0 0 0
0 0 2 1 0 0 0 0
0 0 0 5 3 0 0 0
0 0 0 8 8 6 0 0
0 0 0 0 9 6 6 0
0 0 0 0 0 6 9 2
0 0 0 0 0 0 3 5
Matriz 5x6 formada por nmeros primos escolhidos aleatoriamente de entre os primeiros 2000
Table@Prime@RandomInteger@81, 2000<DD, 8i, 5<, 8j, 6<D MatrixForm
8273 9377 3271 16927 11681 15889
773 1483 8501 5639 4759 10657
17093 2711 3617 14983 12763 14699
1579 4591 11159 9601 1559 2207
2417 13691 1451 479 3863 4793
2.16.6. Operaes matriciais
Podem somar-se matrizes com +ou Pl us[ ]
Hc = a + bL MatrixForm
1 + x@1, 1D
1
2
+ x@1, 2D
1
3
+ x@1, 3D
1
4
+ x@1, 4D
1
2
+ x@2, 1D
1
3
+ x@2, 2D
1
4
+ x@2, 3D
1
5
+ x@2, 4D
1
3
+ x@3, 1D
1
4
+ x@3, 2D
1
5
+ x@3, 3D
1
6
+ x@3, 4D
Multiplicar por escalar
Hd = PiaL MatrixForm
160
Matrizes [Cap. 2

6
Podem transpor-se matrizes
He = Transpose@dDL MatrixForm

6
Podem multiplicar-se matrizes com . ou Dot [ ] - ateno no comutatividade
Hd.eL MatrixForm
205
2
144
4
2
5
17
2
30
4
2
5
1669
2
3600

2
3
17
2
30

2
3
869
2
3600
He.dL MatrixForm
49
2
36
3
2
4
21
2
40
73
2
180
3
2
4
61
2
144
3
2
10
7
2
30
21
2
40
3
2
10
769
2
3600

2
6
73
2
180
7
2
30

2
6
469
2
3600
As matrizes podem ser complexas
161
Ha = Table@2iHj 2IL, 8i, 4<, 8j, 3<DL MatrixForm
2
5
+
4
5
1
2
+

2
6
13
+
4
13
4
5
+
8
5
1 +
12
13
+
8
13
6
5
+
12
5
3
2
+
3
2
18
13
+
12
13
8
5
+
16
5
2 + 2
24
13
+
16
13
Hb = Table@RandomInteger@820, 20<D + RandomInteger@810, 10<D ,
8i, 4<, 8j, 3<DL MatrixForm
20 7 7 + 2 20 9
18 2 9 7 8 2
11 2 1 + 5 2 +
13 + 8 5 + 0
E podemos subtrair
Hc = a bL MatrixForm
102
5
+
39
5

13
2

3
2
266
13
+
121
13
86
5
+
18
5
8 + 8
92
13
+
34
13
61
5
+
22
5
5
2

7
2

8
13

13
73
5

24
5
7 +
24
13
+
16
13
E transpor
Transpose@cD MatrixForm
102
5
+
39
5

86
5
+
18
5
61
5
+
22
5
73
5

24
5
13
2

3
2
8 + 8
5
2

7
2
7 +
266
13
+
121
13

92
13
+
34
13

8
13

13
24
13
+
16
13
162
Matrizes [Cap. 2
E conjugar
Hd = Conjugate@cDL MatrixForm
102
5

39
5

13
2
+
3
2
266
13

121
13
86
5

18
5
8 8
92
13

34
13
61
5

22
5
5
2
+
7
2

8
13
+

13
73
5
+
24
5
7
24
13

16
13
Podemos definir a funo transconjugada
TransConjugada@a_?MatrixQD := Transpose@Conjugate@aDD
Podemos, agora, us-la
TransConjugada@dD MatrixForm
102
5
+
39
5

86
5
+
18
5
61
5
+
22
5
73
5

24
5
13
2

3
2
8 + 8
5
2

7
2
7 +
266
13
+
121
13

92
13
+
34
13

8
13

13
24
13
+
16
13
TransConjugada@TransConjugada@dDD == d
Tr ue
Podemos calcular potncias de matrizes
Ha = Table@Hi + jLH1 + Abs@i jDL, 8i, 4<, 8j, 4<DL MatrixForm
163
2
3
2
4
3
5
4
3
2
4
5
2
2
4
3
5
2
6
7
2
5
4
2
7
2
8
MatrixPower@a, 3D MatrixForm
3301
36
5153
32
12593
54
154805
576
5153
32
581
2
59935
144
11317
24
12593
54
59935
144
5783
9
211333
288
154805
576
11317
24
211333
288
22651
24
3956854176
6902452561

1709058624
6902452561

120503304
6902452561

170052096
6902452561
1709058624
6902452561
1609475444
6902452561

442309104
6902452561
41067096
6902452561
120503304
6902452561

442309104
6902452561
659269044
6902452561

231678624
6902452561
170052096
6902452561
41067096
6902452561

231678624
6902452561
266544416
6902452561
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
2.16.7. Matrizes permutveis
Definir funo polinmio Pol Al eat or i o na matriz mat com coeficientes inteiros aleatrios entre - 9
e 9 e grau aleatrio at maxgr au - devolve uma lista contendo o grau gerado, os coeficientes
gerados e a matriz obtida
164
Matrizes [Cap. 2
PolAleatorio@mat_?MatrixQ, maxgrau_?HIntegerQ@1D && 1 0 &LD :=
ModuleB8grau = RandomInteger@80, maxgrau<D, coefs<,
coefs = RandomInteger@89, 9<, grau + 1D;
:grau, coefs,
k=0
grau
coefsPk + 1T MatrixPower@mat, kD>F
A funo Mat Al eat or i a gera uma matriz quadrada de ordem aleatria entre 2 e 5 com elementos
inteiros aleatrios entre - 9 e 9
MatAleatoria@D :=
Module@8n = RandomInteger@82, 5<D<, RandomInteger@89, 9<, 8n, n<DD
a uma matriz quadrada aleatria
Ha = MatAleatoria@DL MatrixForm
1 9
3 2
b a matriz polinmio em a com grau gr at 4 e coeficientes cf
8gr, cf, b< = PolAleatorio@a, 4D;
O grau, os coeficientes e a matriz polinmio em a gerada anteriormente
8gr, cf, b MatrixForm<
:2, 84, 1, 3<,
79 72
24 87
>
165
Verificar que a e b so permutveis
Hp = a.bL Hq = b.aL
Tr ue
Map@MatrixForm, 8p, q<D
:
295 855
285 390
,
295 855
285 390
>
VerificaodequeHa. bL
4
= a
4
. b
4
Hp = [email protected], 4DL Hq = MatrixPower@a, 4D.MatrixPower@b, 4DL
Tr ue
p MatrixForm
47152726420 71836014105 32930742250
6191942216 11031472641 28865807720
46472670946 37496710654 27669372445
q MatrixForm
47152726420 71836014105 32930742250
6191942216 11031472641 28865807720
46472670946 37496710654 27669372445
BinmiodeNewton: Ha + bL
3
= a
3
+ 3 a
2
b + 3 ab
2
+ b
3
166
Matrizes [Cap. 2
Hp = MatrixPower@a + b, 3DL
Hq = MatrixPower@a, 3D + 3 MatrixPower@a, 2D.b +
3 a.MatrixPower@b, 2D + MatrixPower@b, 3DL
Tr ue
p MatrixForm
109719 147917 116298
34776 32712 55328
116074 126686 49876
q MatrixForm
109719 147917 116298
34776 32712 55328
116074 126686 49876
Verificaodequea
2
b
2
= Ha + bL. Ha bL
Hp = MatrixPower@a, 2D MatrixPower@b, 2DL Hq = Ha + bL.Ha bLL
Tr ue
p MatrixForm
31 3513 3022
944 1812 1292
2866 3274 1496
q MatrixForm
167
31 3513 3022
944 1812 1292
2866 3274 1496
2.16.8. Matrizes no permutveis
Gerar nova matriz b aleatria e da mesma ordem que a matriz a
Hb = RandomInteger@89, 9<, 8Length@aD, Length@aD<DL MatrixForm
6 2 8
7 3 9
2 9 8
Verificar que a e b no so permutveis
Hp = a.bL == Hq = b.aL
Fal se
p MatrixForm
25 77 75
21 23 39
34 25 16
q MatrixForm
36 84 4
44 96 5
56 79 42
168
Matrizes [Cap. 2
VerificaodequeHa. bL
4
a
4
. b
4
Hp = [email protected], 4DL == Hq = MatrixPower@a, 4D.MatrixPower@b, 4DL
Fal se
p MatrixForm
4919860 2285749 2625150
4475298 1269389 4874232
6424717 6942125 10797643
q MatrixForm
7198325 863315 6766995
2205775 13419573 11763441
1075200 20772113 15810796
BinmiodeNewtonnoseverifica: Ha + bL
3
a
3
+ 3 a
2
b + 3 ab
2
+ b
3
Hp = MatrixPower@a + b, 3DL ==
Hq = MatrixPower@a, 3D + 3 MatrixPower@a, 2D.b +
3 a.MatrixPower@b, 2D + MatrixPower@b, 3DL
Fal se
p MatrixForm
68 32 625
176 229 671
33 13 171
169
q MatrixForm
328 1770 1320
512 2323 1874
164 708 1527
Verificaodequea
2
b
2
Ha + bL. Ha bL
Hp = MatrixPower@a, 2D MatrixPower@b, 2DL == Hq = Ha + bL.Ha bLL
Fal se
p MatrixForm
38 133 144
55 115 81
81 5 26
q MatrixForm
99 294 215
120 234 115
9 49 32
2.16.9. Representao grfica
Podemos representar matrizes geometricamente em 3D
ListPlot3D@aD
170
Matrizes [Cap. 2
b = TableBCos@x yD + [email protected]`, 0.15`<D,
:x, 0,
3
2
,

20
>, :y, 0,
3
2
,

20
>F;
ListPlot3D@bD
E podemos representar matrizes geometricamente em2D
171
ListDensityPlot@b, Mesh FalseD
2.16.10. Caracterstica
Needs@"ALGA`Matrizes`"D
Ha = 881, 2, 1, 0, 3<, 80, 1, 3, 4, 2<, 81, 1, 1, 1, 2<<L
MatrixForm
1 2 1 0 3
0 1 3 4 2
1 1 1 1 2
Clculo da caracterstica
?Caracteristica
172
Matrizes [Cap. 2
Caracteristica@A, PivotUm-> OpoD Devolve a lista composta pela caracterstica
de A, seguida da matriz levada forma escalonada. PivotUm uma opo que indica que
os pivots devero ser 1s, quando PivotUmfor igual a True. Por defeito PivotUm-> False.
8MatrixRank@aD, Caracteristica@aD@@1DD<
3
Remove@"Global`"D
2.16.11. Sistemas
Sistema determinado
Ha = 881, 2, 2<, 83, 2, 1<, 82, 5, 3<, 81, 4, 6<<L MatrixForm
1 2 2
3 2 1
2 5 3
1 4 6
b = 82, 5, 4, 0<;
Uso de RowReduce[ ]
Hab = Transpose@Join@Transpose@aD, 8b<DDL MatrixForm
1 2 2 2
3 2 1 5
2 5 3 4
1 4 6 0
173
RowReduce@abD MatrixForm
1 0 0 2
0 1 0 1
0 0 1 1
0 0 0 0
Uso de GaussJ or dan[ ]
?GaussJordan
GaussJ ordan@A,BD Resolve o sistema A.X= B, devolvendo uma lista formada por uma soluo particular e
pela lista contendo os vectores duma base do espao das solues do sistema homogneo A.X = O.
solu = GaussJordan@a, bD
882, 1, 1<, 8<<
Hsp = solu@@1DDL MatrixForm
2
1
1
Verificao do resultado
a.sp == b
Tr ue
Uso de Li near Sol ve[ ] e Nul l Space[ ]
174
Matrizes [Cap. 2
Hsp = LinearSolve@a, bDL MatrixForm
2
1
1
NullSpace@aD
8<
Uso de Sol ve[ ]
X = 8x, y, z<;
sistema = a.X b
8x + 2 y + 2 z, 3 x 2 y z, 2 x 5 y + 3 z, x + 4 y + 6 z< 82, 5, 4, 0<
Solve@sistema, XD
88x 2, y 1, z 1<<
Uso de Reduce[ ]
Reduce@sistema, XD
x 2 &&y 1 &&z 1
175
Remove@"Global`"D
Sistema impossvel
Ha = 881, 5, 4, 13<, 83, 1, 2, 5<, 82, 2, 3, 4<<L MatrixForm
1 5 4 13
3 1 2 5
2 2 3 4
b = 83, 2, 1<;
Uso de RowReduce[ ]
1 5 4 13 3
3 1 2 5 2
2 2 3 4 1
1 0
7
8
3
4
0
0 1
5
8

11
4
0
0 0 0 0 1
176
Matrizes [Cap. 2
GaussJ or dan: : i mpossi vel : Si st ema A. X = B i mposs vel .
GaussJ or dan@881, 5, 4, 13<, 83, 1, 2, 5<, 82, 2, 3, 4<<, 83, 2, 1<D
Uso de Li near Sol ve[ ]
Li near Sol ve: : nosol : Li near equat i on encount er ed t hat has no sol ut i on.
Li near Sol ve@881, 5, 4, 13<, 83, 1, 2, 5<, 82, 2, 3, 4<<, 83, 2, 1<D
Uso de Sol ve[ ]
X = 8x, y, z, w<;
sistema = a.X b
813 w+ x + 5 y + 4 z, 5 w+ 3 x y + 2 z, 4 w+ 2 x + 2 y + 3 z< 83, 2, 1<
Solve@sistema, XD
8<
Uso de Reduce[ ]
Reduce@sistema, XD
177
Fal se
Remove@"Global`"D
Sistema duplamente indeterminado
Ha = 881, 2, 3, 2<, 82, 5, 8, 6<, 83, 4, 5, 2<<L MatrixForm
1 2 3 2
2 5 8 6
3 4 5 2
b = 82, 5, 4<;
Uso de RowReduce[ ]
1 2 3 2 2
2 5 8 6 5
3 4 5 2 4
1 0 1 2 0
0 1 2 2 1
0 0 0 0 0
178
Matrizes [Cap. 2
880, 1, 0, 0<, 881, 2, 1, 0<, 82, 2, 0, 1<<<
Hsp = solu@@1DDL MatrixForm
0
1
0
0
Hsh = solu@@2DDL MatrixForm
1 2 1 0
2 2 0 1
Remove@cD
Hsg = sp + Array@c, 8Length@shD<D.shL MatrixForm
c@1D + 2 c@2D
1 + 2 c@1D 2 c@2D
c@1D
c@2D
[email protected] bD
80, 0, 0<
4 solues particulares do sistema, para valores aleatrios inteiros dos parmetros c[ i ] entre - 6 e 6
179
Table@sg . Table@c@iD RandomInteger@86, 6<D, 8i, 2<D, 84<D
886, 3, 2, 4<, 811, 13, 3, 4<, 84, 11, 6, 1<, 86, 11, 4, 1<<
Uso de Li near Sol ve[ ] e Nul l Space[ ]
0
1
0
0
sh = NullSpace@aD
882, 2, 0, 1<, 81, 2, 1, 0<<
Hsg = sp + Array@c, 8Length@shD<D.shL MatrixForm
2 c@1D c@2D
1 2 c@1D + 2 c@2D
c@2D
c@1D
Uso de Sol ve[ ]
X = 8x, y, z, w<;
sistema = a.X b
82 w+ x + 2 y 3 z, 6 w+ 2 x + 5 y 8 z, 2 w+ 3 x + 4 y 5 z< 82, 5, 4<
180
Matrizes [Cap. 2
Resolver em ordem a x e y
Solve@sistema, X@@81, 2<DDD
88x 2 w z, y 1 2 w+ 2 z<<
Uso de Reduce[ ]
Reduce@sistema, XD
z 1 + x + y &&w
1
2
+ x +
y
2
Remove@"Global`"D
Discusso de um sistema: caso 1
Ha = 881, 1, 1, 3<, 82, 2, 1, 1<, 81, 1, 3, 14<, 80, 0, 2, u<<L
MatrixForm
1 1 1 3
2 2 1 1
1 1 3 14
0 0 2 u
b = 81, 2, 4, v<;
X = 8x, y, z, w<;
sistema = a.X b
181
83 w+ x + y + z, w+ 2 x + 2 y + z, 14 w+ x + y + 3 z, u w+ 2 z< 81, 2, 4, v<
Reduce@sistema, XD
u
30+ v
3
&&y 7 x &&z 15&&w 3
Remove@"Global`"D
Discusso de um sistema: caso 2
Ha = 88u^2, 1, u<, 8u^2 v^2, 1, u + 1<, 83 u^2 2 v^2, 2, 2 u + 1<<L
MatrixForm
u
2
1 u
u
2
v
2
1 1 + u
3 u
2
2 v
2
2 1 + 2 u
b = 8v u, v, 3 v<;
X = 8x, y, z<;
sistema = a.X b
9u
2
x + y + u z, Iu
2
v
2
M x + y + H1 + uL z, I3 u
2
2 v
2
M x + 2 y + H1 + 2 uL z= 8u + v, v, 3 v<
Reduce@sistema, XD
182
Matrizes [Cap. 2
Iu v &&y 2 v v
2
v
2
x + v
3
x &&z v + v
2
xM
Hu vL Hu + vL 0 &&x
1
u v
&&y 2 u u
2
v
2
x u v
2
x &&z u + v
2
x
Remove@"Global`"D
2.16.12. Mtodo de Gauss-Seidel
GaussSei del [ a, b, x0, t ol , max] determina a soluo do sistema ax = b, a partir da
estimativa inicial x0 com a tolerancia t ol e calculando um mximo de max pontos e devolve a lista
formada pela soluo aproximada e pelo nmero de pontos calculados.
GaussSei del Poi nt s[ a, b, x0, t ol , max] determina a lista das solues aproximadas do
sistema ax = b, a partir da estimativa inicial x0 com a tolerancia t ol e com um mximo de max+1
pontos.
Primeiro exemplo: uso da funo GaussSei del .
?GaussSeidel
GaussSeidel@a, b, x0, err, iterD tenta resolver o sistema ax=b pelo mtodo de Gauss-Seidel, a
partir de umponto inicial x0 comumerro inferior a err e realizando ummximo de iter iteraes.
Ha = 886, 2, 3<, 82, 4, 1<, 84, 2, 7<<L MatrixForm
6 2 3
2 4 1
4 2 7
b = 810, 4, 20<
810, 4, 20<
183
LinearSolve@a, bD
81, 1, 2<
x0 = 80, 0, 0<; = 10^H6L;
GaussSeidel@a, b, x0, , 100D
::
1076052546519130475
1076052481665702912
,
4304209768276963961
4304209926662811648
,
10043156375399369573
5021578247773280256
>, 36>
N@%@@1DD, 6D
81. 00000, 1. 00000, 2. 00000<
Segundo exemplo: uso das funes GaussSei del e GaussSei del Poi nt s e interpretao geomtrica.
?GaussSeidelPoints
GaussSeidelPoints@a, b, x0, err, iterD devolve a lista de pontos obtida pelo algoritmo de Gauss-Seidel na resoluo do
sistema ax=b, a partir de umponto inicial x0 comumerro inferior a err e realizando ummximo de iter iteraes.
Ha = 883, 2<, 83, 4<<L MatrixForm
3 2
3 4
b = 81, 11<
184
Matrizes [Cap. 2
81, 11<
LinearSolve@a, bD
81, 2<
x0 = 80, 1<; = 10^H4L;
::
49153
49152
,
131071
65536
>, 32>
N@%@@1DD, 6D
81. 00002, 1. 99998<
pontos = GaussSeidelPoints@a, b, x0, , 100D
:80, 1<, :
1
3
, 1>, :
1
3
,
5
2
>, :
4
3
,
5
2
>, :
4
3
,
7
4
>, :
5
6
,
7
4
>, :
5
6
,
17
8
>, :
13
12
,
17
8
>, :
13
12
,
31
16
>, :
23
24
,
31
16
>,
:
23
24
,
65
32
>, :
49
48
,
65
32
>, :
49
48
,
127
64
>, :
95
96
,
127
64
>, :
95
96
,
257
128
>, :
193
192
,
257
128
>, :
193
192
,
511
256
>,
:
383
384
,
511
256
>, :
383
384
,
1025
512
>, :
769
768
,
1025
512
>, :
769
768
,
2047
1024
>, :
1535
1536
,
2047
1024
>, :
1535
1536
,
4097
2048
>,
:
3073
3072
,
4097
2048
>, :
3073
3072
,
8191
4096
>, :
6143
6144
,
8191
4096
>, :
6143
6144
,
16385
8192
>, :
12289
12288
,
16385
8192
>,
:
12289
12288
,
32767
16384
>, :
24575
24576
,
32767
16384
>, :
24575
24576
,
65537
32768
>, :
49153
49152
,
65537
32768
>, :
49153
49152
,
131071
65536
>>
Length@pontosD
185
33
equacoestraj = Simplify@Table@
H1 tL pontos@@iDD + t pontos@@i + 1DD, 8i, Length@pontosD 1<DD;
sopontos = Graphics@ListPlot@pontos,
PlotRange 8812, 95<, 845, 3<<, AspectRatio Automatic,
Frame > True, PlotStyle Black, Axes FalseDD;
trajectoria = Graphics@ParametricPlot@equacoestraj, 8t, 0, 1<,
Frame > True, PlotStyle Gray, Axes FalseDD;
rectas = Graphics@Plot@8H3 x + 1L2, H11 3 xL4<,
8x, 12, 2<, PlotRange 8812, 95<, 845, 3<<,
AspectRatio Automatic, Frame > True, Axes FalseDD;
Show@sopontos, trajectoria, rectasD
186
Matrizes [Cap. 2
-0.5 0.0 0.5 1.0 1.5
1.0
1.5
2.0
2.5
3.0
Terceiro exemplo: uso das funes GaussSei del e GaussSei del Poi nt s e interpretao geomtrica.
Ha = 883, 2<, 81, 2<<L MatrixForm
3 2
1 2
b = 81, 1<
81, 1<
LinearSolve@a, bD
81, 1<
187
x0 = 81, 0<; = 10^H6L;
::
4782967
4782969
,
4782968
4782969
>, 28>
N@%@@1DD, 6D
81. 00000, 1. 00000<
pontos = GaussSeidelPoints@a, b, x0, , 100D
:81, 0<, :
1
3
, 0>, :
1
3
,
2
3
>, :
7
9
,
2
3
>, :
7
9
,
8
9
>, :
25
27
,
8
9
>, :
25
27
,
26
27
>, :
79
81
,
26
27
>, :
79
81
,
80
81
>, :
241
243
,
80
81
>,
:
241
243
,
242
243
>, :
727
729
,
242
243
>, :
727
729
,
728
729
>, :
2185
2187
,
728
729
>, :
2185
2187
,
2186
2187
>, :
6559
6561
,
2186
2187
>,
:
6559
6561
,
6560
6561
>, :
19681
19683
,
6560
6561
>, :
19681
19683
,
19682
19683
>, :
59047
59049
,
19682
19683
>, :
59047
59049
,
59048
59049
>,
:
177145
177147
,
59048
59049
>, :
177145
177147
,
177146
177147
>, :
531439
531441
,
177146
177147
>, :
531439
531441
,
531440
531441
>,
:
1594321
1594323
,
531440
531441
>, :
1594321
1594323
,
1594322
1594323
>, :
4782967
4782969
,
1594322
1594323
>, :
4782967
4782969
,
4782968
4782969
>>
Length@pontosD
29
equacoestraj = Simplify@Table@
H1 tL pontos@@iDD + t pontos@@i + 1DD, 8i, Length@pontosD 1<DD;
188
Matrizes [Cap. 2
sopontos = Graphics@ListPlot@pontos,
Frame > True, PlotStyle Black, Axes FalseDD;
trajectoria = Graphics@ParametricPlot@equacoestraj, 8t, 0, 1<,
Frame > True, PlotStyle Gray, Axes FalseDD;
rectas = Graphics@Plot@8H3 x 1L2, Hx + 1L2<,
8x, 12, 2<, PlotRange 8812, 32<, 812, 32<<,
AspectRatio Automatic, Frame > True, Axes FalseDD;
Show@sopontos, trajectoria, rectasD
-0.5 0.0 0.5 1.0 1.5
-0.5
0.0
0.5
1.0
1.5
2.16.13. Inverso de matrizes rectangulares
189
Inversas direitas
?InversaDireita
InversaDireita@A,cD calcula aHsL matrizHesL inversaHsL direitaHsL da matriz A e usando c como parmetro.
Ha = 881, 2, 1, 0, 3<, 80, 1, 3, 4, 2<, 81, 1, 1, 1, 2<<L
MatrixForm
1 2 1 0 3
0 1 3 4 2
1 1 1 1 2
Clculo das inversas direitas de a
Hx = InversaDireita@a, cDL MatrixForm
4
3
c@1D@2D
1
3
c@2D@2D
7
3
c@3D@2D
1 + c@1D@1D c@1D@2D c@2D@1D c@2D@2D 1 + c@3D@1D c@3D@2D
1
3
c@1D@1D c@1D@2D
1
3
c@2D@1D c@2D@2D
1
3
c@3D@1D c@3D@2D
c@1D@2D c@2D@2D c@3D@2D
c@1D@1D c@2D@1D c@3D@1D
Verificao do clculo anterior
[email protected] MatrixForm
1 0 0
0 1 0
0 0 1
Exemplo de 4 matrizes inversas direitas para valores aleatrios (inteiros entre - 9 e 9) dos parmetros c[ i ] [ j ]
190
Matrizes [Cap. 2
Table@x . Flatten@Table@c@iD@jD RandomInteger@89, 9<D,
8i, 3<, 8j, 2<DD MatrixForm, 84<D
:

25
3

4
3

13
3
7 8 12
23
3

29
3
22
3
7 1 2
1 9 9
,
4
3

4
3
2
3
5 5 3
17
3
10
3
25
3
0 1 3
6 4 5
,
13
3

1
3

22
3
13 5 14
19
3
16
3
10
3
3 0 5
9 5 8
,
16
3

19
3
20
3
11 2 0
7
3

29
3
52
3
4 6 9
6 4 8
>
Clculo das inversas esquerdas de a (no existem)
?InversaEsquerda
InversaEsquerda@A,cD calcula aHsL matrizHesL inversaHsL esquerdaHsL da matriz A e usando c como parmetro.
InversaEsquerda@a, cD
I nver saEsquer da: : naoexi st e : A mat r i z no t emi nver saHsL esquer daHsL.
I nver saEsquer da@881, 2, 1, 0, 3<, 80, 1, 3, 4, 2<, 81, 1, 1, 1, 2<<, cD
Solues de um sistema a. x b (possvel e indeterminado), usando as inversas direitas de a
b = a.82, 1, 3, 2, 1<
84, 14, 6<
191
4 4 c@1D@2D 14 c@2D@2D + 6 c@3D@2D
2 H1 + 2 c@1D@1D 2 c@1D@2D + 7 c@2D@1D 7 c@2D@2D 3 c@3D@1D + 3 c@3D@2DL
2 H2 + 2 c@1D@1D + 2 c@1D@2D + 7 c@2D@1D + 7 c@2D@2D 3 c@3D@1D 3 c@3D@2DL
4 c@1D@2D + 14 c@2D@2D 6 c@3D@2D
4 c@1D@1D + 14 c@2D@1D 6 c@3D@1D
Uso de GaussJ or dan[ ] para o mesmo efeito
Remove@kD
m = GaussJordan@a, bD;
m@@1DD + Array@k, 8Length@m@@2DDD<D.m@@2DD MatrixForm
4 k@1D
2 k@1D + k@2D
4 k@1D k@2D
k@1D
k@2D
Inversas esquerdas
Ha = 881, 0, 1<, 82, 1, 1<, 81, 3, 1<, 80, 4, 1<, 83, 2, 2<<L
MatrixForm
1 0 1
2 1 1
1 3 1
0 4 1
3 2 2
Clculo da caracterstica
Caracteristica@aD@@1DD
192
Matrizes [Cap. 2
3
Clculo das inversas esquerdas y de a
Hy = InversaEsquerda@a, cDL MatrixForm
4
3
c@1D@2D 1 + c@1D@1D c@1D@2D
1
3
c@1D@1D c@1D@2D c@1D@2D c@1D@1D
1
3
c@2D@2D c@2D@1D c@2D@2D
1
3
c@2D@1D c@2D@2D c@2D@2D c@2D@1D
7
3
c@3D@2D 1 + c@3D@1D c@3D@2D
1
3
c@3D@1D c@3D@2D c@3D@2D c@3D@1D
[email protected] MatrixForm H verificao do clculo anterior L
1 0 0
0 1 0
0 0 1
Exemplo de 3 matrizes inversas esquerdas para valores aleatrios (inteiros entre - 9 e 9) dos parmetros c[ i ] [ j ]
Table@y . Flatten@Table@c@iD@jD RandomInteger@89, 9<D,
8i, 3<, 8j, 2<DD MatrixForm, 83<D
:

16
3
9
1
3
4 4
28
3
10
23
3
9 1
25
3
15
7
3
6 8
,
14
3
1
31
3
6 4
28
3
11
20
3
9 2
16
3
9
7
3
3 5
,
1
3
4
16
3
1 4
8
3
10
11
3
3 7
8
3
3
19
3
5 1
>
Clculo das inversas direitas de a (no existem)
InversaDireita@a, cD
193
I nver saDi r ei t a: : naoexi st e : A mat r i z no t emi nver saHsL di r ei t aHsL.
I nver saDi r ei t a@881, 0, 1<, 82, 1, 1<, 81, 3, 1<, 80, 4, 1<, 83, 2, 2<<, cD
Sistema a. x b possvel e determinado comsoluo imposta {2, - 3, 1}
b = a.82, 3, 1<
81, 6, 8, 13, 2<
Soluo do sistema a. x b (possvel e determinado), usando as inversas esquerdas y de a.
A soluo no depende da inversa esquerda usada.
x = [email protected]
82, 3, 1<
Sistema a. x b impossvel
b = 81, 1, 1, 1, 1<;
m = GaussJordan@a, bD
GaussJ or dan: : i mpossi vel : Si st ema A. X = B i mposs vel .
GaussJ or dan@881, 0, 1<, 82, 1, 1<, 81, 3, 1<, 80, 4, 1<, 83, 2, 2<<, 81, 1, 1, 1, 1<D
Neste caso, x = y. b no soluo de a. x b
194
Matrizes [Cap. 2
x = [email protected]
8c@1D@1D 2 H1 + c@1D@2DL, c@2D@1D 2 c@2D@2D, 3 + c@3D@1D 2 c@3D@2D<
2.16.14. Inverso de matrizes quadradas
?Inversa
Inversa@AD calcula a matriz inversa da matriz quadrada A.
Ha = 881, 2, 3<, 82, 1, 0<, 84, 2, 5<<L MatrixForm
1 2 3
2 1 0
4 2 5
Clculo da inversa (bilateral)
Hx = Inversa@aDL MatrixForm
5 4 3
10 7 6
8 6 5
1 0 0
0 1 0
0 0 1
195
1 0 0
0 1 0
0 0 1
Verificao das funes do package ALGA`Mat r i zes`, recorrendo funo I nver se[ ]
Hy = Inverse@aDL MatrixForm
5 4 3
10 7 6
8 6 5
Inversa@aD == y
Tr ue
InversaDireita@a, cD == y
Tr ue
InversaEsquerda@a, cD == y
Tr ue
2.16.15. Diviso matricial
Diviso esquerda
196
Matrizes [Cap. 2
?DivisaoEsquerda
DivisaoEsquerda@A,B,cD calcula o quociente de B por A, como divisor A esquerda e usando c como parmetro.
Ha = 881, 2, 3<, 82, 1, 0<, 81, 3, 3<<L MatrixForm
1 2 3
2 1 0
1 3 3
Hb = a.882, 1<, 81, 1<, 81, 3<<L MatrixForm
3 6
5 1
8 7
Diviso esquerda de b por a
Hx = DivisaoEsquerda@a, b, cDL MatrixForm
7
5
3 c@1D@1D
4
5
3 c@2D@1D
11
5
+ 6 c@1D@1D
13
5
+ 6 c@2D@1D
5 c@1D@1D 5 c@2D@1D
[email protected] == bD
Tr ue
197
4 solues da diviso esquerda para valores aleatrios (inteiros entre - 9 e 9) dos parmetros c[ i ] [ 1]
Table@x . Table@c@iD@1D RandomInteger@89, 9<D, 8i, 2<D
MatrixForm, 84<D
:
22
5
109
5
19
5

223
5
5 35
,

53
5
139
5
131
5

283
5
20 45
,

38
5

41
5
101
5
77
5
15 15
,
112
5

41
5
199
5
77
5
35 15
>
Diviso direita
?DivisaoDireita
DivisaoDireita@A, B, cD calcula o quociente de B por A, como divisor A direita e usando c como parmetro.
Ha = 881, 2, 3, 1<, 82, 1, 0, 1<, 81, 3, 3, 0<<L MatrixForm
1 2 3 1
2 1 0 1
1 3 3 0
Hb = 882, 1, 1<, 81, 1, 3<<.aL MatrixForm
3 6 9 3
4 12 12 0
Diviso direita de b por a
Hx = DivisaoDireita@a, b, cDL MatrixForm
198
Matrizes [Cap. 2
3 c@1D@1D c@1D@1D c@1D@1D
4 c@2D@1D 4 c@2D@1D c@2D@1D
[email protected] == bD
Tr ue
Divises com divisor a invertvel e dividendo b no permutvel com a
Ha = 881, 2, 3<, 82, 1, 0<, 84, 2, 5<<L MatrixForm
1 2 3
2 1 0
4 2 5
Hb = 880, 1, 2<, 81, 2, 3<, 82, 1, 3<<L MatrixForm
0 1 2
1 2 3
2 1 3
a.b b.a
Fal se
199
10 6 7
19 10 17
16 9 13
a.x == b
Tr ue
Hy = DivisaoDireita@a, b, cDL MatrixForm
6 5 4
1 0 0
44 33 27
y.a == b
Tr ue
As divises do resultados diferentes
x y
Fal se
Divises com divisor a invertvel e dividendo b permutvel coma
200
Matrizes [Cap. 2
A matriz b um polinmio em a; portanto, permutvel coma
Hb = 2 MatrixPower@a, 3D MatrixPower@a, 2D +
3 MatrixPower@a, 1D 4 MatrixPower@a, 0DL MatrixForm
58 32 75
22 28 54
64 14 56
Verificao de que a e b so permutveis
a.b b.a
Tr ue
As divises esquerda e direita do o mesmo resultado
10 6 9
42 40 36
12 18 4
Hy = DivisaoDireita@a, b, cDL MatrixForm
10 6 9
42 40 36
12 18 4
As divises do resultados iguais
201
x y
Tr ue
2.16.16. Mudanas de base
?Passagem
Passagem@e1, e2D Devolve a matriz cujas colunas so as coordenadas dos vectores da lista e2, na base
formada pelos vectores da lista e1; se e2 for outra base, calcula a matriz de mudana de e1 para
e2. A lista e1 deve ser uma base e os vectores de e2 devempertencer ao espao gerado por e1.
Definam-se duas bases de
3
:
e1 = 881, 2, 1<, 83, 0, 1<, 82, 2, 3<<
881, 2, 1<, 83, 0, 1<, 82, 2, 3<<
e2 = 883, 0, 1<, 81, 1, 1<, 81, 3, 1<<
883, 0, 1<, 81, 1, 1<, 81, 3, 1<<
A matriz de mudana de e1 para e2 :
Ht12 = Passagem@e1, e2DL MatrixForm
6
11
1
22
29
22
13
11
15
22

5
22
6
11
6
11

2
11
202
Matrizes [Cap. 2
0 2
5
2
1
4

9
4
37
8
3
4

3
4
7
8
Verificao dos resultados:
t12.t21 IdentityMatrix@Length@e1DD
Tr ue
Defina-se um vector atravs das suas coordenadas na base e1:
xe1 = 84, 2, 5<
84, 2, 5<
As suas coordenadas na base e2 so:
?Coordenadas
Coordenadas@e1, e2, xe1D Devolve as coordenadas emrelao
base e2 de umvector, dadas as suas coordenadas xe1 emrelao base e1.
Coordenadas@e1, e2, xe1D
203
:
33
2
,
229
8
,
71
8
>
Definam-se duas bases de
2
:
e1 = 881 + I, 2 + 2 I<, 83 2 I, 5 I<<
881 + , 2 + 2 <, 83 2 , 5 <<
e2 = 883 I, 1 + I<, 81 2 I, 3<<
883 , 1 + <, 81 2 , 3<<
35
17

21
17

26
17
+
49
17
9
17
+
19
17
30
17
+

17
3
20
+
4
5
29
20
+
2
5
9
20

7
20
7
20

21
20
Verificao dos resultados:
204
Matrizes [Cap. 2
t12.t21 IdentityMatrix@Length@e1DD
Tr ue
Defina-se um vector atravs das suas coordenadas na base e2:
xe2 = 84 2 I, 2 + 5 I<
84 2 , 2 + 5 <
As suas coordenadas na base e1 so:
Coordenadas@e2, e1, xe2D
:
375
17

242
17
,
9
17
+
206
17
>
205
3
Funes lineares
Sec. 3.2] Funes lineares. Ncleo e imagem 209
3.1 Introduo
At ao presente captulo, temos estudado os espaos vectoriais e as suas principais
propriedades algbricas. Vamos agora estudar as funes que respeitam a estrutura algbrica
daqueles espaos, ou seja, os dos espaos vectoriais. Veremos que estas homomorfismos
funes constituem, por sua vez, um espao vectorial e que este estudo permitir lanar nova luz
sobre a lgebra das matrizes, a qual veremos ser isomorfa da lgebra das funes lineares entre
espaos com dimenso finita. As funes lineares, para alm do seu interesse intrnseco,
desempenham tambm um importante papel no clculo diferencial das funes de mais de uma
varivel e que permitir aproximar localmente as funes no lineares diferenciveis por funes
lineares, como o leitor poder constatar quando estudar aquele tema nas cadeiras de Anlise
Matemtica.
3.2 Funes lineares. Ncleo e imagem
Comecemos por definir a noo de funo linear:
Definio 3.1. Funo linear Sejam e espaos vectoriais sobre um mesmo corpo I J
e uma funo. Diz-se que uma ou um de em 2 I J 2 I J funo linear homomorfismo
sse forem verificadas as condies seguintes, para quaisquer vectores e qualquer Bt Bt I
w
escalar : !
[L1] 2 Bt Bt 2 Bt 2 Bt a b a b a b
w w
[L2] 2 Bt 2 Bt a b a b ! !
Portanto, a funo linear sse transforma as operaes caractersticas do espao vectorial 2
I J I J nas respectivas operaes em . Convm observar que e devem ser espaos sobre o
mesmo corpo , sem o que a condio L2 no faria sentido. A conjuno das duas condies
anteriores equivalente condio nica seguinte, onde e so escalares e : ! " Bt Bt I
w
[L3] 2 Bt Bt 2 Bt 2 Bt a b a b a b ! " ! "
w w
Fazendo, em particular, e em L2, obtm-se ! ! ! "
2 9t 9t
2 Bt 2 Bt
a b
a b a b
a b
I J
3.1
Da igualdade 1.1 que define a subtraco vectorial e da segunda das igualdades anteriores, a b
obtm-se, para quaisquer vectores , Bt Bt I
w
2 Bt Bt 2 Bt 2 Bt a b a b a b a b
w w
3.2
Portanto, as funes lineares respeitam a subtraco. Por outro lado, L1 e L2 implicam que,
para qualquer combinao linear de vectores de , se tem:
!
4"
7
4 4
! /t I
2 /t 2 /t

" "
a b a b
4" 4"
7 7
4 4 4 4
! ! 3.3
210 Funes lineares [Cap. 3
Observe, ainda, que a primeira das igualdades 1 3 a b 3. mostra que a igualdade 3. vlida, a b
mesmo quando . 7 !
A proposio seguinte descreve o comportamento das funes lineares no que respeita aos
subespaos de e de : I J
Proposio 3.1. Sejam e espaos vectoriais sobre um mesmo corpo e uma I J 2 I J
funo linear:
i) Se um subespao de , ento um subespao de . Em particular, o E I I 2 E J a b
contradomnio de um subespao de . 2 I 2 J a b
ii) Se um subespao de e se for um sistema de vectores E I I / /t /t /t a b
" # 7
geradores de , a sequncia ser um sistema de E 2 / 2 /t 2 /t 2 /t a b a b a b a b a b
" # 7
geradores de , isto , 2 E a b
2 E P 2 /t 2 /t 2 /t a b a b a b a b a b
" # 7
Em particular, se for uma base de , ento a b a b a b a b a b /t /t /t I 2 /t 2 /t 2 /t
" # 8 " # 8
ser um sistema de geradores do contradomnio . 2 I a b
iii) Se um subespao de , ento um subespao de . Em particular, E J J 2 E I
"
a b
o trao de segundo um subespao de . 2 9t I
J
Demonstrao:
i) Mostremos que satisfaz as condies S1, S2 e S3 do captulo 1 (definio de 2 E a b
subespao):
Quanto a S1, a primeira das igualdades 3.1 mostra que a b
E I 9t E 2 9t 2 E 9t 2 E 2 E g subespao de
I I J
a b a b a b a b
Para o fecho em relao adio S2, tem-se, sucessivamente,
Ct Ct 2 E b Ct 2 Bt Ct 2 Bt
Ct Ct 2 Bt 2 Bt 2 Bt Bt Ct Ct 2 E
w w w
BB E t t
w w w w
a b a b a b
a b a b a b a b
w
A ltima implicao deve-se ao facto de se ter , por ser um subespao de e, Bt Bt E E I
w
consequentemente, . Ct Ct 2 E
w
a b
Por ltimo e para S3 (fecho em relao ao produto por escalar), seja e : Ct 2 E a b !
existe tal que e ento Bt E Ct 2 Bt a b
! ! ! Ct 2 Bt 2 Bt a b a b
Porm, como subespao de , ser e, por consequncia, . E I Bt E Ct 2 E ! ! a b
Quanto segunda parte, sendo um subespao de , a sua imagem que o I I 2 I a b
contradomnio de ser um subespao de . 2 J
ii) Como , tem-se (para ) e, por ser um subespao /t E 4 " 7 2 /t 2 E 2 E
4 4
a b a b a b
vectorial de : J
P 2 /t 2 /t 2 /t 2 E a b a b a b a b a b
" # 7
Reciprocamente, ter-se-:
Ct 2 E b Ct 2 Bt Ct 2 B /t B 2 /t
Ct P 2 /t 2 /t 2 /t
2 E P 2 /t 2 /t 2 /t
a b a b a b
! !
a b a b a b a b
a b a b a b a b a b
BE t
4" 4"
7 7
4 4 4 4
" # 7
" # 7

Por fim, as duas incluses anteriores equivalem a
2 E P 2 /t 2 /t 2 /t a b a b a b a b a b
" # 7
Quanto segunda afirmao, basta atender a que uma base de gera e, a b /t /t /t I I
" # 8
portanto, gera , que o contradomnio de . a b a b a b a b a b 2 /t 2 /t 2 /t 2 I 2
" # 8
iii) Basta mostrar, de novo, que satisfaz as condies S1, S2 e S3: 2 E
"
a b
Como , a primeira igualdade 3.1 mostra que o vector (pelo menos) pertence a 9t E 9t
J I
a b
2 E
"
a b que, portanto, no ser vazio (condio S1).
Quanto a S2, tem-se:
Bt Bt 2 E 2 Bt 2 Bt E 2 Bt 2 Bt E
2 Bt Bt E Bt Bt 2 E
w w w "
w w "
a b a b a b a b a b
a b a b
Por fim, para S3, tem-se:
! ! ! ! ! Bt 2 E 2 Bt E 2 Bt 2 Bt E Bt 2 E
" "
a b a b a b a b a b
Quanto segunda parte, basta considerar . E 9t e f
J

Da proposio anterior, resulta que o contradomnio de uma funo linear 2 I 2 I J a b
sempre um de . De igual modo, a pr-imagem do subespao trivial por subespao J 9t J 2 e f
J
sempre um de : estes subespaos tm, respectivamente, o nome de e subespao Imagem I
Ncleo Kernel ( ) ou da aplicao linear , o que se formaliza na seguinte 2
Definio 3.2. Imagem, ncleo, caracterstica e nulidade Sejam e espaos I J
vectoriais sobre um mesmo corpo e uma funo linear. O contradomnio de 2 I J 2
um subespao de chamado de e a pr-imagem de por um J 2 9t J 2 Imagem e f
J
subespao de chamado o de e designados I 2 Ncleo Kernel Espao nulo , ou
a b 1
respectivamente por e ou Imga b a b a b 2 2 2 Nuc Ker
1
Os autores anglo-saxnicos, usam o termo . nullspace
Imga b a b a b a b
a b a b a b
a b
2 2 2 I Ct J b Ct 2 Bt J
2 2 Bt I 2 Bt 9t I
Im
Ker Nuc
3.4
BI t
J
A dimenso do espao chamada a da funo designada por Imga b a b 2 2 2 caracterstica c
ou e a dimenso do ncleo chamada a de , que designaremos por ou : - 2 2 8
2 2
nulidade na b
c
n Ker
3.5
a b a b a b
a b a b a b
a b
2 - 2
2 8 2
2
2
dim
dim
Img
E F
Ker (h) Img(h)
E
Fig. 3 1 Esquema representativo do Ncleo e .
Imagem de uma funo linear . 2 I J
O conjunto de todas as funes lineares de em designa-se por ou Hom . I J I J I J La b a b
Se o espao de chegada for o espao , a funo linear (de em e, portanto, J I
assumindo valores escalares) toma o nome de linear. forma
Se injectiva, diz-se que um de em e se for 2 I J 2 I J 2 monomorfismo
sobrejectiva, diz-se que um de sobre . 2 I J epimorfismo
Se bijectiva, diz-se que um de sobre . Neste caso, os 2 I J 2 I J isomorfismo
espaos vectoriais e so algebricamente idnticos, dizendo-se I J isomorfos iguais, (ou a
menos de um isomorfismo) isomorfo o que se descreve atravs da notao (leia-se I J I z
de J).
Se , a funo linear toma o nome de de e designaremos por End J I I I endomorfismo a b
o conjunto dos endomorfismos de (ou seja, o conjunto ). I I I La b
Se um endomorfismo bijectivo de denominamo-lo por de , dizendo-se 2 I I automorfismo
ainda que ou . 2 invertvel regular
Uma das propriedades interessantes do ncleo de um operador linear a que o relaciona com
a deste: injectividade
Proposio 3.2. Caracterizao das funes lineares injectivas Sejam e espaos I J
vectoriais sobre um mesmo corpo e uma funo linear. A funo sse 2 I J 2 injectiva
Kera b e f 2 9t
I
Alm disso, se , tem-se: Ct J
!
2 Ct
g Ct J 2
Bt 2 Ct 2 2 Bt Ct
"
!
!
! ! ! !
a b a b
a b
a b a b a b
se
se e em que
Img
Ker Img
3.6.1
Em particular, se for injectiva e , ento: 2 Ct 2
!
Imga b
2 Ct Bt 2 Bt Ct
"
! ! ! !
a b e f a b a b onde 3.6.2
Demonstrao:
A condio necessria: como Ker subespao de , tem-se a b 2 I
e f a b 9t 2
I
Ker
Por outro lado, se injectiva, ento: 2
Bt 2 2 Bt 9t 2 9t Bt 9t 2 9t Ker Ker a b a b a b a b e f
J I I I
As incluses anteriores equivalem igualdade
Kera b e f 2 9t
I
A condio suficiente: de facto, se , ento: Kera b e f 2 9t
I
2 Bt 2 Bt 2 Bt 2 Bt 9t 2 Bt Bt 9t
Bt Bt 2 9t Bt Bt 9t Bt Bt
a b a b a b a b a b
a b e f
w w w
J J
w w w
I I
Ker
o que mostra ser injectiva. 2
Quanto segunda parte da proposio, se , no existe qualquer vector Ct J 2
!
Imga b
B I 2 Bt Ct 2 Ct g
t
tal que , o que significa que . a b a b
! !
"
Se , ento ser . Escolha-se em um certo vector ; por Ct 2 2 Ct g 2 Ct Bt
! ! !
" "
!
Imga b a b a b
definio, tem-se e mostremos que 2 Bt Ct a b
! !
2 Ct Bt 2
"
! !
a b a b Ker
De facto,
Bt Bt 2 Bt Bt Bt Bt 2
2 Bt 2 Bt 2 Bt Ct 9t Ct Bt 2 Ct
! ! " "
! " I ! ! !
"
Kera b a b
a b a b a b a b
Ker
o que mostra que . Bt 2 2 Ct
!
"
!
Kera b a b
Por outro lado, tem-se
Bt 2 Ct 2 Bt Ct 2 Bt 2 Bt Ct Ct 9t
2 Bt Bt 9t Bt Bt 2 Bt Bt Bt Bt Bt Bt 2
"
! ! ! ! ! I
! I ! ! ! !
a b a b a b a b
a b a b a b a b Ker Ker
as implicaes anteriores mostram que tambm e, portanto, 2 Ct Bt 2
"
! !
a b a b Ker
2 Ct Bt 2
"
! !
a b a b Ker
A proposio seguinte reflecte o comportamento das aplicaes lineares no que respeita
independncia linear de vectores dos espaos envolvidos:
Proposio 3.3. Sejam e espaos vectoriais sobre um mesmo corpo , uma I J 2 I J
funo linear e uma lista de vectores de . / /t /t /t I a b
" # 7
i) Se a lista for linearmente dependente, o mesmo sucede com a lista / /t /t /t a b
" # 7
2 / 2 /t 2 /t 2 /t a b a b a b a b a b
" # 7
.
ii) Se a lista (de vectores de ) Imga b 2
2 / 2 /t 2 /t 2 /t a b a b a b a b a b
" # 7
for linearmente independente, o mesmo sucede com a lista . / /t /t /t a b
" # 7
iii) Se for injectiva e a lista for linearmente independente, o mesmo 2 / /t /t /t a b
" # 7
sucede com a lista de vectores de . 2 / 2 /t 2 /t 2 /t 2 a b a b a b a b a b a b
" # 7
Img
iv) Se no injectiva, existe uma sequncia e linearmente 2 /t /t /t a b
" # 7
independente de vectores de , tal que a sequncia I 2 / 2 /t 2 /t 2 /t a b a b a b a b a b
" # 7
das imagens linearmente dependente.
Demonstrao:
i) Suponhamos que linearmente dependente. Ento, existe tal que / ! /t 9t ! !
5 4 4 I
4"
7
!
e, aplicando a ambos os membros, obtm-se: 2
2 /t 2 9t 2 /t 9t

" "
a b a b
4" 4"
7 7
4 4 I 4 4 J
! !
Ora, a expresso obtida uma combinao linear dos vectores na qual existe 2 /t a b
4
" 5 7 ! 2 / tal que , o que mostra que linearmente dependente. !
5
a b
ii) a contra-recproca da implicao anterior e, portanto, equivalente a esta.
iii) Mostremos que linearmente independente, se for injectiva (o que, pela 2 / 2 a b
proposio 2 ) e for tambm linearmente independente 3. , equivale a Kera b 2 e f 9t /
I
! ! !
a b a b e f
!
4" 4" 4"
7 7 7
4 4 J 4 4 J 4 4 I
4"
7
4 4 I " # 7
! ! !
! ! ! !
2 /t 9t 2 /t 9t /t 2 9t
/t 9t !

Ker
iv) Se no injectiva a proposio 3.2 garante que Ker . Basta agora 2 2 9t a b e f
I
considerar uma base do ncleo, que ser linearmente independente, e para a / /t /t /t a b
" # 7
qual a sequncia das imagens ser, claro 2 / 2 /t 2 /t 2 /t 9t 9t 9t a b a b a b a b a b a b
" # 7 J J J
est, linearmente dependente.
Vamos, a seguir, apresentar alguns exemplos de funes lineares, definidas em vrios espaos
vectoriais:
Exemplo 3 1. . Sendo e espaos vectoriais sobre um corpo , a funo I J nula
O
JI J
I J Bt 9t , claramente, linear. Neste caso, tem-se
a b
a b e f
Ker
Img
O
O
JI
JI J
I
9t
Se , usaremos a notao para a funo nula . J I I I O O
I I
Exemplo 3 2. . Sendo um subespao de um espao vectorial sobre um corpo , a I J J
injeco cannica 4 I J Bt Bt Bt Bt I linear, visto que, para quaisquer e , ,
w
! "
4 Bt Bt Bt Bt 4 Bt 4 Bt a b a b a b ! " ! " ! "
w w w
Para esta funo,
a b e f
a b
Ker
Img
4
4
9t
I
Exemplo 3 3. . Sendo um espao vectorial, a funo I I I Bt Bt identidade em , I I
I
um automorfismo de . Com efeito tem-se, como em cima, I
I I I
I I I
w w w
a b a b a b ! " ! " ! " Bt Bt Bt Bt Bt Bt
Tal como no exemplo anterior, tem-se
a b e f
a b
Ker
Img
I
I
I
I
9t
I
Exemplo 3 .4. Sejam e espaos vectoriais sobre um corpo , uma funo I J 2 I J
linear e um de . A de a tambm uma funo I I I 2l I J 2 I
w w w
I
subespao restrio w
linear (demonstre!), que fica definida por
2l Bt 2 Bt Bt I
I
w
w a b a b, em que
Tem-se, neste caso,
a b a b
a b a b
Ker Ker
Img
2l 2 I
2l 2 I
I
w
I
w
w
w
Exemplo 3.5. Considere-se um espao vectorial sobre um corpo e o endomorfismo de I
I 2 I I , definido por:
5
2 Bt 5Bt
5
a b
onde um escalar arbitrrio. Como 5
2 Bt Bt 5 Bt Bt 5 Bt 5 Bt 5Bt 5Bt 2 Bt 2 Bt
5 5 5
w w w w w
a b a b a b a b a b a b a b a b ! " ! " ! " ! " ! "
segue-se que linear. O endomorfismo chamado uma de razo . Se , 2 2 5 5 !
5 5
homotetia
tem-se:
a b e f
a b
Ker
Img
2 9t
2 I
5
5
Se , ento, 5 !
a b
a b e f
Ker
Img
2 I
2 9t
5
5
Note que, se , fica e, se , (funo nula em ); por outro 5 " 2 5 ! 2 I
5 I 5 I
I O
lado, se , ser um automorfismo de , cujo inverso . 5 ! 2 I Bt Bt
5
"
5
Exemplo 3.6. Considerem-se os espaos e das matrizes de tipos e
78 87
78 8 7
sobre o corpo . O operador linear. O ncleo formado apenas transposio
T

78 87
pela matriz nula e a imagem . Trata-se, portanto, de um isomorfismo de sobre S
78
87 78

87
.
Exemplo 3.7. Considerem-se os espaos e das matrizes complexas de tipos
78 87
78 8 7 e e o operador * que transforma cada matriz transconjugao
78 87
complexa na sua transconjugada. Se os espaos forem considerados como espaos vectoriais
reais, o operador linear, j que, se , ! "
a b ! " ! " E F E F

Porm, se os espaos se considerarem como , tem-se complexos
a b ! " ! " E F E F

e o operador transconjugao . no ser linear
Exemplo 3.8. Considere o espao das sucesses reais convergentes e a funo a b
lim lim ? ? a b
8 8
que, a cada sucesso convergente, associa o seu limite. Esta funo linear, pois, como se sabe
da anlise, para quaisquer sucesses reais convergentes e quaisquer escalares a b a b ? @
8 8
! " ,
lim lim lim a b ! " ! " ? @ ? @
8 8 8 8
O ncleo da funo o conjunto dos infinitsimos e a imagem (prove!): lim
!
a b
a b a b
a b
Ker
Img
lim
lim

Exemplo 3.9. Considere o espao das sucesses complexas convergentes e a funo a b

lim lim ? ? a b
8 8
que, a cada sucesso convergente, associa o seu limite. Esta funo linear, pois, como se sabe
da anlise, para quaisquer sucesses complexas convergentes e quaisquer escalares a b a b ? @
8 8
! "
lim lim lim a b ! " ! " ? @ ? @
8 8 8 8
O ncleo da funo o conjunto dos infinitsimos e a imagem : lim
!
a b
Exemplo 3 10. . Sendo um corpo e , as funes +t + + + 2 a b
" # 8 +
8 8
t
definidas, para todo o , por a b B B B
" # 8
8
2 B B B + B
+ " # 8 t
"
8
a b a b
"
4
4 4
3.7
so lineares, pois, se , e , : Bt B B B Ct C C C a b a b
" # 8 " # 8
! "
2 Bt Ct 2 B C B C B C
+ B C + B + C + B + C
2 B B B 2
+ + " " # # 8 8 t t
" " " " "
8 8 8 8 8
+ " # 8 + t t
a b a b
! ! ! ! !
a b
a b a b
! " ! " ! " ! "
! " ! " ! "
! "
4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4
C C C
" # 8
Observe-se que a funo nula de em e que . 2 2 2
9 + + t t t
8

Neste caso, tem-se
a b
a b e f
a b

a b
+t 9t
2
2
+t 9t
2 B B B + B !
2
a b
!
Ker
Img
Ker um de
Img
+t
8
+t
+ " # 8 t
"
8
8
+t
4
4 4
hiperplano
Reciprocamente, se uma forma linear e a base cannica 2 / /t /t /t

8
" # 8
a b
de , tem-se
8
2 Bt 2 B B B 2 B /t B 2 /t + B a b a b a b
" " "
" # 8
" " "
8 8 8

4 4 4
4 4 4 4 4 4
onde . Portanto, as nicas formas lineares de em so as que se exprimem + 2 /t
4 4
a b
8
por meio da igualdade 7 a b 3. .
Exemplo 3 11. . Sejam e espaos vectoriais sobre um corpo e uma I J 2 I J a b
3 3 3
"37

sequncia de funes lineares. A funo definida por 7 2 I J
#
3"
7
3
2 Bt 2 Bt 2 Bt 2 Bt a b a b a b a b a b
" # 7
linear, como se mostra a seguir, onde e : ! " Bt Ct I
2 Bt Ct 2 Bt Ct 2 Bt Ct 2 Bt Ct
2 Bt 2 Ct 2 Bt 2 Ct 2 Bt 2 Ct
2 Bt 2 Bt 2
a b a b a b a b a b
a b a b a b a b
! " ! " ! " ! "
! " ! " ! "
! ! !
" # 7
" " # # 7 7
" # 7
Bt 2 Ct 2 Ct 2 Ct
2 Bt 2 Bt 2 Bt 2 Ct 2 Ct 2 Ct
2 Bt 2 Ct
a b a b a b a b
a b a b a b a b a b a b a b a b
a b a b
" " "
! "
! "
" # 7
" # 7 " # 7
Quanto ao ncleo e imagem de , tem-se: 2
a b a b
+
a b a b
#
Ker Ker
Img Img
2 2
2 2
3"
7
3
3"
7
3
Como exerccio, justifique o facto de a ltima relao no ser uma igualdade.
Exemplo 3 12. . Dos dois exemplos anteriores, resulta que as funes lineares 2
8 7
so da forma
Ct 2 Bt 2 B B B C C C a b a b a b
" # 8 " # 7
em que
C + B 3 " # 7
3 3
"
8
"
4
4 4
onde os so escalares. As igualdades escalares anteriores equivalem a uma igualdade + 7
34
matricial nica:
] E\
onde e . \ ] E + B B B C C C c d c d c d
" # 8 " # 7 34
78
T T
Exemplo 3.13. Seja uma lista de espaos vectoriais sobre um corpo e a b J 7

3
"37

J J J J
#
3"
7
3 3 3
o espao vectorial produto. Considere as pr definidas por: projeces
pr
3 " # 7 3
a b Bt Bt Bt Bt 3 " 7
As funes pr acima definidas so lineares, visto que, para quaisquer e 7
3
! "
Bt Bt Bt Bt Ct Ct Ct Ct J a b a b
" # 7 " # 7
, se tem:
pr pr
pr
pr pr
3 3 " # 7 " # 7
3 " # 7 " # 7
3 3
3 3
a b a b a b a b
a b
a b a b
! " ! "
! " ! " ! "
! "
! "
Bt Ct Bt Bt Bt Ct Ct Ct
Bt Ct Bt Ct Bt Ct
Bt Ct
Bt Ct
Pode ainda o leitor mostrar que
a b e f
# #
a b
Ker pr
Img pr
3 5 J 5
53 53
3 3
J 9t J
J
3
Exemplo 3.14. Sejam e espaos vectoriais sobre um corpo e a b I J 2 I J
3 3 3
"37

funes lineares. Sendo o espao produto, consideremos a funo I I 2 I J
#
3"
7
3
definida, para todo o , por: a b Bt Bt Bt I
" # 7
2 Bt Bt Bt 2 Bt a b a b
"
" # 7 3 3
3"
7
A funo anteriormente definida tambm linear, pois tem-se, para quaisquer e 2 ! "
Bt Bt Bt Bt Ct Ct Ct Ct I a b a b
" # 7 " # 7
:
2 Bt Ct 2 Bt Bt Bt Ct Ct Ct
2 Bt Ct Bt Ct Bt Ct
2 Bt Ct 2 Bt 2 Ct
a b a b a b a b
a b
! !
a b a b a b a b
! " ! "
! " ! " ! "
! " ! "
!
" # 7 " # 7
" # 7 " # 7
3" 3"
7 7
3 3 3 3 3 3 3
! !
a b a b
a b a b
3" 3"
7 7
3 3 3 3
2 Bt 2 Ct
2 Bt 2 Ct
"
! "
Quanto ao ncleo e imagem de , tem-se (demonstre!): 2
a b a b
#
a b a b
!
Ker Ker 2 2
2 2
3"
7
3
3"
7
3
Img Img
Exemplo 3.15. Seja um inteiro. 8 ! A funo que transforma cada H P P
8 8
a b a b
polinmio de grau inferior ou igual a na sua derivada um endomorfismo de , cujo 8 P
8
a b
ncleo e cuja imagem : P P
! 8"
a b a b
H + B 5 " + B

" "
a b
5! 5!
8 8"
5 5"
5 5
a b a b
a b a b
Ker
Img
H
H
P
P
!
8"
Daqui se segue que no nem . H injectivo sobrejectivo

Exemplo 3.16. Seja um intervalo aberto. O operador derivao que M H M Da b
M
transforma cada funo diferencivel em na sua funo derivada linear, atendendo aos 0 M H0
teoremas sobre diferenciabilidade (regras de derivao)
H 0 1 H0 H1 a b ! " ! "
O de formado pelas em e a de o conjunto das ncleo funes constantes imagem H M H
funes primitivveis injectivo em . O operador derivao aqui definido no nem M H
sobrejectivo.
Exemplo 3.17. Seja um intervalo aberto e . A funo M + M
Int
+ +
M M 0 J C C a b a b
chamada , que transforma cada funo contnua em na integral indefinido com origem + 0 M
funo (de classe e, portanto, contnua em e cuja derivada , devido ao teorema J M 0
+
"
C
fundamental do clculo integral) definida, para todo o por B M
J B 0 > > B M
+
+
B
a b a b
(
d
linear, visto que, como se sabe do clculo integral, para quaisquer funes e contnuas em 0 1
M e quaisquer reais e , tem-se ! "
( ( (
a b a b a b a b
+ + +
B B B
! " ! " 0 > 1 > > 0 > > 1 > > d d d
Observe-se que a funo se anula, necessariamente, em . O de Int formado J +
+ +
ncleo
apenas pela funo nula e a de Int formada pelas funes de que se anulam imagem
+
"
C a b M
em : +
Img Int a b a b e f a b
+
"
M J J + ! C
O operador Int , pois, mas no .
+
injectivo sobrejectivo
Exemplo 3.18. Seja um espao vectorial sobre um corpo , um inteiro e I 7 !
B Bt Bt Bt a b
" # 7
uma lista de vectores de . Considere-se, ainda, a funo , definida, para todo o 7 I 2 I
B
7
vector , por 5 5 5 5
t
a b
" # 7
7
2 Bt
B " # 7 3 3
3"
7
a b
"
5 5 5 5
A funo linear, como se mostra a seguir, onde so escalares e 2
B
! "
?t ? ? ? @t @ @ @ a b a b
" # 7 " # 7
e
so vectores de :
7
2 ?t @t 2 ? @ ? @ ? @ ? @ Bt
? Bt @ Bt ? Bt @ Bt
2 ?t 2 @t
B B " # 7 3 3
3"
7
3" 3" 3" 3"
7 7 7 7
3 3 3 3 3 3
B B
a b a b a b
!
! ! ! !
a b a b
! " ! " ! " ! " ! "
! " ! "
! "
" # 7 3
3 3
fcil reconhecer que o a de , que de subespao gerado por imagem geradora B 2 B I
B
sse for , que sse for e que uma 2 B 2 B
B B
sobrejectiva linearmente independente injectiva
base isomorfismo de sse for um de sobre : I 2 I
B
7
a b a b P B 2
B I 2
B 2
B I 2
Img
de

uma de um
B
B
B
B
geradora sobrejectiva
linearmente independente injectiva
base isomorfismo de sobre
7
I
Sec. 3.3] lgebra das funes lineares 221
Daqui se pode, de novo, obter o resultado (j referido no captulo 1 proposio 1.15) de
que todo o espao vectorial de dimenso sobre um corpo isomorfo do espao I 8
cartesiano
8
.
3.3 lgebra das funes lineares
Nesta seco, vamos introduzir em uma estrutura de sobre o corpo La b I J espao vectorial
em relao ao qual esto definidos os espaos vectoriais e . Para tal, considerem-se duas I J
funes lineares e defina-se como a funo dada por: 2 5 I J 2 5 I J
a ba b a b a b a b 2 5 Bt 2 Bt 5 Bt Bt I ; 3.8
O leitor pode verificar facilmente que ainda uma funo (verifique as 2 5 linear
condies L1 e L2 para !) e que um 2 5 I J a b a b L grupo comutativo aditivo (axiomas
A -A dos espaos vectoriais ) 1 4 captulo 1 , cujo a funo identicamente zero O
JI
I J
nula em , tal que, para todo o vector , I Bt I
O
JI J
a b a b Bt 9t Bt I ; 3.9
Por outro lado, a funo de uma funo a funo tal que, para simtrica 2 I J 2
todo o vector : Bt I
a ba b a b a b a b 2 Bt 2 Bt Bt I ; 3.10
Como em qualquer grupo comutativo, pe-se
2 5 2 5 a b
donde, para qualquer , Bt I
a ba b a b a b a b 2 5 Bt 2 Bt 5 Bt Bt I ; 3.11
Sendo e uma funo linear, define-se o produto de por como a nova ! ! 2 I J 2
funo obtida pondo, para todo o vector , !2 I J Bt I
a ba b a b a b a b ! ! 2 Bt 2 Bt Bt I ; 3.12
A funo (Mostre!) e a operao anterior satisfaz os axiomas P1-P4 dos espaos !2 linear
vectoriais (captulo 1). Em resultado disto, constitui um sobre o corpo La b I J espao vectorial
.
Vamos, agora, definir uma terceira operao binria entre funes lineares: o ou produto
composio de funes lineares.
Proposio 3.4. Composio de funes lineares Sejam e espaos vectoriais K I J
sobre um mesmo corpo e e funes lineares. A funo (designada por 5 K I 2 I J
2 5 25 2 5 K J Bt K ou, simplesmente, ) definida, para todo o , por
a ba b a b a b a b 2 5 Bt 2 5 Bt Bt K ; 3.13
e designada por ou de e (ver figura ). linear composta produto 2 5 3.2
Demonstrao:
Para provar que linear, mostremos que L1 e L2 se verifica 2 5 m. Quanto a L1:
a ba b a b a b a b a b a b
a b a b a ba b a ba b a b a b
2 5 Bt Bt 2 5 Bt Bt 2 5 Bt 5 Bt
2 5 Bt 2 5 Bt 2 5 Bt 2 5 Bt
w w w
w w
Em relao a L2, tem-se:
a ba b a b a b a b a b a b a b a b a ba b a b 2 5 Bt 2 5 Bt 2 5 Bt 2 5 Bt 2 5 Bt ! ! ! ! !
G E
F
Fig. 3 2 Composio de funes lineares. .
Observe-se que, nas condies da proposio anterior, existe e, se , no 2 5 K J 5 2
existe.
Se , ento um de , enquanto que um K J I 2 5 J 5 2 endomorfismo
endomorfismo de , sendo, portanto, . I 2 5 5 2
Por fim, se for , ento e so ambos endomorfismos de . Mas, K I J 2 5 5 2 I
mesmo assim tem-se, geralmente,
2 5 5 2
No entanto, existem como veremos endomorfismos para os quais ; destes 2 5 2 5 5 2
endomorfismos diremos serem . De tudo o que acaba de ser dito permutveis comutveis ou
pode, portanto, afirmar-se que a composio de funes lineares . no comutativa
A operao de composio anteriormente definida goza de certas propriedades em relao s
operaes dos espaos vectoriais e e que se resumem na seguinte L L a b a b K I I J
Proposio 3.5. Propriedades da composio Sejam I J K L e espaos vectoriais
sobre um corpo . composio de funes lineares satisfaz as seguintes propriedades A
algbricas, para quaisquer , : ! 5 5
w
L L L a b a b a b K I 2 2 I J ? J L , ,
w
i) Associatividade:
a b a b ? 2 5 ? 2 5
ii) Comportamento da composio em relao ao produto por escalar:
a b a b
a b a b
! !
! !
2 5 2 5
2 5 2 5
iii) Distributividades direita e esquerda em relao adio:
2 5 5 2 5 2 5
2 5 2 5 5
a b
a b
w w
2 2
w w
iv) Existncia de elementos neutros esquerda e direita:
I
I
J
I
2 2
2 2
v) Propriedade das funes nulas em relao composio:
O O
O O
JI
IK
5
2
JK
JK
Demonstrao:
i) Atente-se no esquema de composio seguinte
G E
F
H
u
u
Fig. 3 3 A associatividade da Composio de funes lineares. .
De acordo com a figura, tem-se, sucessivamente, para qualquer , Bt K
a ba b a ba b a b a b a ba b a b a b a b a ba b a b a b ? 2 5 Bt ? 2 5 Bt ? 2 5 Bt ? 2 5 Bt ? 2 5 Bt
ii) Observe-se o esquema de composio
G E
F
Fig. 3 4 Composio de funes lineares e o .
produto de escalar por funo linear.
Ento, tem-se, para qualquer , Bt K
a ba b a ba b a b a ba b a ba b a b a b a b a b a b ! ! ! ! ! 2 5 Bt 2 5 Bt 2 5 Bt 2 5 Bt 2 5 Bt
Identicamente, ter-se-, atendendo linearidade de , 2
a ba b a b a b a b a ba b a ba b a b a ba b a b a b a b 2 5 Bt 2 5 Bt 2 5 Bt 2 5 Bt 2 5 Bt 2 5 Bt ! ! ! ! ! !
iii) De acordo com os esquemas de composio que se seguem, poderemos escrever, para
qualquer , Bt K
a ba b a ba b a b a b a b a b a b a b
a ba b a ba b a ba b
2 5 Bt 2 5 Bt 2 5 Bt 2 5 Bt
2 5 Bt 2 5 Bt 2 5 5 Bt
2 2
2
w w
w
w
w
G E
F
G E
F
Fig. 3 5 Distributividades esquerda e direita em relao adio. .
Do mesmo modo, tem-se:
a ba b a b a b a b a b a b a ba b a b a b a b a b
2 5 5 Bt 2 5 5 Bt 2 5 Bt 5 Bt 2 5 Bt 2 5 Bt
2 5 Bt 2 5 Bt 2 5 2 5 Bt
w w w w
w w
iv) Atendendo s figuras seguintes,
E F
F
E E
F
F
F
E
E
Fig. 3 6 Funes identidade e : elementos neutros esquerda e direita. . I I
J I
poderemos escrever, para qualquer , Bt I
a ba b a b a b a b I I
J J
2 Bt 2 Bt 2 Bt
De modo anlogo e para qualquer , Bt I
a ba b a b a b a b 2 Bt 2 Bt 2 Bt I I
I I
v)
G E
F
G E
F
FE
FE
EG
EG
FG FG
Fig. 3 7 As funes nulas , e e a Composio de funes lineares. . O O O
JI IK JK
Em relao figura da esquerda, tem-se, para qualquer , Bt K
a ba b a b a b a b O O O
JI JI J
5 Bt 5 Bt 9t Bt
JK
Para a segunda igualdade, atente-se na figura anterior direita, com : Bt K
a ba b a b a b a b a b 2 Bt 2 Bt 2 9t 9t Bt O O O
IK IK I J JK

Observaes:
Observemos que a operao de composio , em geral, uma lei de composio externa
I J K I K J 2 5 2 5 L L L a b a b a b a b
Porm, se , e so endomorfismos de e a composio , ento, uma lei de K I J 2 5 I
composio em End . interna a b I
As alneas i iii iv ) ) ) , e da proposio anterior significam que End constitui um a b a b I
anel no comutativo com unidade, que a funo identidade em , . I I
I
Se atendermos tambm a , conclui-se ser End uma sobre o corpo ii) lgebra linear a b I
(segundo os axiomas M -M do ). 1 4 captulo 1
Vamos ver, de seguida, que possvel definir a potenciao (com expoente inteiro positivo)
para qualquer endomorfismo de um espao vectorial, pondo
Definio 3.3. Potncia de um endomorfismo com expoente inteiro Seja um espao I
vectorial sobre um corpo e um endomorfismo de . Para todo o inteiro , 2 I I I 7 !
poremos por recorrncia,
2
2 2 2 7 !
!
I
7 7"
I
, se
Se for um automorfismo de , poderemos definir a potncia de expoente inteiro negativo 2 I
7
, pondo:
2 2 7 !
7 "
7

onde o automorfismo inverso de . 2 2
"
A definio anterior d, portanto, para , 7 !
2 2 2 2
7
7
vezes
A associatividade implica que, para qualquer endomorfismo e , se tem 2 I I 7 8
!
2 2 2
78 7 8
e a igualdade anterior vale para , se for um automorfismo de . 7 8 2 I
Sendo e uma sequncia de escalares de pode, portanto, definir- 7 ! 7" a b !
5
!57
se o no endomorfismo , de grau inferior ou igual a e coeficientes , por polinmio 2 7 !
5
"
5!
7
5 ! I " # 7
5 # 7
! ! ! ! ! 2 2 2 2 I
3.4 Funes lineares em espaos de dimenso finita
Vamos, agora, ver algumas propriedades das funes lineares definidas num espao com
dimenso finita, entre as quais se inclui a que mostra que uma funo linear definida num espao
I de dimenso finita fica completamente determinada pelos seus valores nos vectores de uma
base de : I
Proposio 3.6. Seja um espao vectorial sobre um corpo com dimenso finita e I 8 J
um outro espao vectorial sobre o mesmo corpo. Seja ainda uma funo linear. 2 I J
Ento:
Sec. 3.4] Funes lineares em espaos de dimenso finita 227
i) Se for uma sequncia de , ento / /t /t /t I a b
" # 7
geradora
2 / 2 /t 2 /t 2 /t a b a b a b a b a b
" # 7
ser uma sequncia de . geradora Imga b 2
ii) Se e uma de , ento 2 / /t /t /t I injectiva base a b
" # 8
2 / 2 /t 2 /t 2 /t a b a b a b a b a b
" # 8
ser uma de , sendo ento: . base Img Img a b a b a b 2 2 I 8 dim dim
iii) e tm dimenso , tendo-se Ker Img a b a b 2 2 finita
dim dim dim a b a b a b a b a b Ker Img 3.14.1 2 2 I
ou seja,
n c 3.14.2 a b a b a b 2 2 I dim
iv) Se nula em cada um dos vectores de uma base de , ento 2 / /t /t /t I 2 a b
" # 8
identicamente nula ( ), isto , para todo o , 2 Bt I O
JI
2 Bt 9t Bt I a b
J
v) Sendo uma base de e uma lista de vectores de / /t /t /t I Ct Ct Ct 8 a b a b
" # 8 " # 8
J I J /t Ct , existe uma e uma s funo linear tal que para : :a b
4 4
4 " # 8.
Demonstrao:
i) ii Resulta imediatamente da proposio 1. 3. fazendo a e notando que , E I
2 I 2 a b a b Img
ii) geradora Como uma base de , de . Pela alnea anterior, a sequncia / I / I
a b a b a b a b a b 2 /t 2 /t 2 /t 2
" # 8
gera ; atendendo, por outro lado, proposio 3. Img 3. , iii
2 / 2 /t 2 /t 2 /t / a b a b a b a b a b
" # 8
(visto ser linearmente linearmente independente
independente e injectiva); daqui se segue que uma de , donde resulta a 2 2 / 2 a b a b base Img
igualdade das dimenses de e : I 2 Imga b
dim dim a b a b Img 2 8 I
iii) teorema A relao enunciada e que agora provaremos , por vezes, denominada
fundamental das funes lineares. Como Ker subespao de , tem-se, obviamente, a b 2 I
! 2 8 = 2 dima b a b a b Ker . Seja ento a dimenso de Ker e
/ /t /t /t
Kera b 2 " # =
a b
uma do ncleo de . Observe-se que base 2
/t 2 2 /t 9t 4 " # =
4 4 J
Kera b a b
Como linearmente independente, podemos prolongar esta lista a uma de / / I
Kera b 2 I
base
(ver proposio 1.16. ), mediante a insero de vectores de v 8 = /t /t /t a b
=" =# 8
I 2 Kera b:
/ /t /t /t /t /t /t
I " # = =" =# 8
a b
A proposio fica demonstrada, se provarmos que a lista de vectores de Img ? 8 = 2 a b
definida por
? 2 /t 2 /t 2 /t a b a b a b a b
=" =# 8
uma de Img e que, portanto, Img : base a b a b a b 2 2 8 = dim
Como, para , se tem Img , vem, por ser Img subespao de : = 4 8 2 /t 2 2 J a b a b a b
4
P ? 2 a b a b a b Img 3.15
Por outro lado, tem-se (justifique cada passagem!):
Ct 2 b Ct 2 Bt
Ct 2 B /t B 2 /t B 2 /t B 2 /t
9t
9t
Ct B 2 /t Ct P ?
Imga b a b
! ! ! !
a b a b a b
!
a b a b
BI t
4" 4" 4" 4="
8 8 = 8
4 4 4 4 4 4 4 4
J
J
4="
8
4 4

2 P ? Imga b a b a b 3.16
As relaes 15 16 Img e, portanto, Img . a b a b a b a b 3. e 3. equivalem a a b P ? 2 ? 2 gera
Vejamos, por fim, que , o que resulta das implicaes seguintes ? linearmente independente
(justifique cada passagem!):
! ! !
a b a b
! ! ! !
4=" 4=" 4="
8 8 8
4 4 J 4 4 J 4 4
4=" 4" 4" 4="
8 = = 8
4 4 4 4 4 4 4 4 I
" # 8
B 2 /t 9t 2 B /t 9t B /t 2
B /t B /t B /t B /t 9t
B B B !

Ker
B B B !
=" =# 8
o que prova a independncia linear de . ?
iv) De facto, para qualquer vector e sendo as coordenadas de em relao base Bt I B Bt
4
/ /t /t /t a b
" # 8
, tem-se:
2 Bt 2 B /t B 2 /t B 9t 9t a b a b
" " "

4" 4" 4"
8 8 8
4 4 4 4 4 J J
v) Considere-se a funo definida por : I J
:a b
"
Bt B Ct
4"
8
4 4
onde os escalares so as coordenadas (nicas) de em relao base . bvio que a funo B Bt /
4
: : (mostre que linear!) satisfaz as condies do enunciado, visto que, para qualquer
3 " # 8, se tem:
: $ a b
"
/t Ct Ct
3 34
4"
8
4 3
Fica, pois, demonstrada a de uma funo linear nas condies do enunciado. existncia :
Vejamos, agora, que : para isso, consideremos uma segunda funo linear : : nica
w
I J
tal que
: : a b a b /t /t Ct 3 " # 8
3 3
w
3
As igualdades anteriores equivalem a
: : : : a b a b a ba b /t /t /t 9t 3 " # 8
3 3 3 J
w w
Portanto, anula-se em todos os vectores da base ; pela alnea : : / /t /t /t
w
" # 8
a b
anterior, ser e, portanto, . : : : :
w w
JI
O
Podemos, em consequncia da proposio anterior, tirar importantes concluses sobre
funes lineares entre espaos de dimenso finita, como se apresenta no seguinte
Corolrio 3.6.1 Sejam e espaos vectoriais sobre um corpo com dimenses finitas I J 8
e , respectivamente e uma funo linear com caracterstica e nulidade . 7 2 I J < =
Ento:
i) injectiva sse . 2 < 8
ii) sobrejectiva sse . 2 < 7
iii) Se um isomorfismo de sobre , ento . Isto significa que, se , 2 I J 7 8 I J z
tem-se necessariamente . dim dim I J
iv) . ! < 7 8 mine f
v) . maxe f ! 8 7 = 8
vi) sobrejectiva . 2 7 8
vii) injectiva . 2 8 7
viii) injectiva sobrejectiva um isomorfismo de sobre . 7 8 2 2 2 I J a b
ix) Um endomorfismo de um espao com dimenso finita injectivo sse for sobrejectivo.
x) um automorfismo de . ( diz-se tambm invertvel ou regular) 2 I I I < 8 2
Demonstrao:
Sejam Ker e , respectivamente, a e a = 2 ! < 2 ! dim dim a b a b Img nulidade
caracterstica de e mostremos as relaes anteriores: 2
i) injectiva . 2 2 9t = ! 8 < < 8 Kera b e f
I
ii) sobrejectiva Img . 2 2 J < 7 a b
iii) um isomorfismo de sobre bijectiva . 2 I J 2 < 8 < 7 7 8
iv) Como , ser ; por outro lado, implica e, portanto, Imga b 2 J < 7 = < 8 < 8
< 7 8 mine f
v) O ncleo um subespao de e, portanto, Ker . Por outro lado, I = 2 8 dim a b
< 7 7 < 8 7 8 < = 8 7 =
A ltima desigualdade, juntamente com , implica finalmente ! =
maxe f ! 8 7 = 8
vi) iv) Se sobrejectiva, ento . Porm, vimos em que , ou seja, . 2 < 7 < 8 7 8
vii) Se injectiva, ser e, como sempre , resulta . 2 < 8 < 7 8 7
viii) Suponha-se que : ento, temos 7 8
2 < 8 < 7 2 injectiva sobrejectiva
Portanto, as condies anteriores significam que quando , bijectiva: logo, ser um 7 8 2 2
isomorfismo de sobre . I J
ix) consequncia da alnea anterior, visto que a condio se d necessariamente. 7 8
x) Como um endomorfismo de , a condio automaticamente satisfeita e, 2 I 7 8
portanto, o resultado consequncia imediata da alnea . ix)
Observao:
O exemplo 3.17 mostra que a concluso do corolrio 3.6.1. no tem lugar para um ix
endomorfismo de um espao com dimenso : o operador I infinita
Int
+ +
M M 0 J C C a b a b
, como se viu ento, mas a sua imagem injectivo
Img Int a b a b e f a b a b
+
"
M J J + ! M C C
o que mostra que Int no !
+
sobrejectivo
A proposio seguinte, mostra que, quando o domnio de uma funo linear tem dimenso
infinita, o ncleo ou a imagem tero tambm, necessariamente, dimenso infinita.
Proposio 3.7. Sejam e espaos vectoriais sobre um corpo e uma I J 2 I J
funo linear. Se tem dimenso infinita, ento pelo menos um dos espaos ou I 2 2 Ker Img a b a b
tem dimenso infinita.
Demonstrao:
Suponha-se, por absurdo, que tem dimenso e que e tm I 2 2 infinita Ker Img a b a b
dimenses e . Considere-se, ento, uma base de finitas = 2 < 2 dim dim a b a b a b a b Ker Img
Kera b 2
/ /t /t /t
Kera b 2 " # =
a b
Como tem dimenso infinita, podemos encontrar em listas linearmente independentes I I
com quantos vectores quantos queiramos (ver proposio 1.17): consequentemente, ampliemos
a base anterior, acrescentando-lhe um nmero de vectores superior a , para obter a sequncia : <
linearmente independente de vectores de : = : I
/ /t /t /t /t /t /t : < a b
" # = =" =# =:
onde
(claro que , para e , para ). 2 /t 9t 4 " # = 2 /t 9t 4 = " = # = : a b a b
4 J 4 J
Consideremos, agora, a sequncia de vectores de Img , formada pelas imagens dos ? : 2 a b
a b /t
=4
"4:
:
? 2 /t 2 /t 2 /t a b a b a b a b
=" =# =:
Como Img , a sequncia . Portanto existem : < 2 ? dima b a b linearmente dependente
escalares no todos nulos, tais que a b !
4
"4:
"
a b e f
4"
:
4 =4 J 5
! ! 2 /t 9t 5 " # : ! e em que existe tal que
Para finalizar a demonstrao, atente-se, agora, na sequncia de implicaes (justifique cada
passagem!)
! !
a b
!
a b
! !
! !
a b
4" 4"
: :
4 =4 J 4 =4 J
4"
:
4 =4
4" 4"
:
4 =4 4 4
=
4" 4"
=
4 4 4 =4 I
:
! !
!
! "
" !
2 /t 9t 2 /t 9t
/t 2
/t /t
/t /t 9t
/

Ker
A lista ser , o que absurdo. linearmente dependente
A proposio permite interpretar o problema dos sistemas de equaes lineares luz da 3.2
teoria das funes lineares: de facto, seja a forma matricial de um sistema de E\ F 7
equaes nas incgnitas e onde e . A funo 8 \ E F B B B c d
" # 8
8 78 7
T

2 \ E\ B E E E
E 4 4 4
8 7
4"
8

"
onde os so as colunas de
linear, como imediatamente se reconhece, e o conjunto das solues do sistema formado W
pelos vectores de cuja imagem por igual ao vector dos termos independentes
8 7
E
2 F
do sistema. Portanto, trata-se afinal de calcular a pr-imagem de por meio de : F 2
E
W 2 F \ E\ F
E
" 8
a b e f
Seja c . A definio de mostra que: < E 2 a b a b dim P E E E a b
" # 8 E
E E E A imagem de 2
E
o subespao gerado por a b
" # 8
Imga b a b 2
E
P E E E
" # 8
portanto, tem-se:
c Img a b a b a b a b a b 2 2
E E
P E E E < dim dim
" # 8
As igualdades 3.6.1, por seu lado, mostram que:
F P E E E O sistema tem soluo sse Img ou seja, a b a b 2
E " # 8
P E E E P E E E F a b a b
" # 8 " # 8
o que equivale ainda a:
< c

E F
O ncleo de 2 W E\ S
E !
o conjunto das solues do sistema homogneo associado :
W 2 \ E\ S
! E
8
Kera b e f
e a dimenso deste subespao de o do sistema
8
grau de indeterminao
dim dim dim dim a b a b a b a b a b a b a b W 2 2 8 E 8 <
! E E
8
Ker Img c
2 E\ F Se solues do sistema obtm-se de uma sua soluo F Img , as a b
E
particular somando-lhe o ncleo de , ou seja, as solues do sistema homogneo \ 2 ]
! E
associado : E\ S
\ \ ]
!
F O sistema sse Img e determinado injectiva a b 2 2
E E
for (o que equivale a
Ker ou ), ou seja: a b e f 2 9t < 8
E
E\ F < < 8 E F determinado c

< 7 2 E\ F Se , ento o sistema qualquer que seja o
E
sobrejectiva possvel, e
vector . F
7
7 8 < 8 2 Se , ento e no ser injectiva, ou seja, o sistema no determinado.
E
Sec. 3.5] Representao matricial de uma funo linear 233
3.5 Representao matricial de uma funo linear
Na presente seco, vamos estabelecer um dos resultados mais importantes sobre funes
lineares: o da correspondncia entre as funes lineares (entre dois espaos de dimenso finita) e
as matrizes. Aps fixarmos bases no domnio (com dimenso ) e no espao de chegada (com 8
dimenso ) de uma funo linear , fica univocamente determinada uma matriz de tipo , 7 2 78
que se dir a em relao s referidas bases. Esta matriz depende representao matricial de 2
no s de , mas tambm das duas bases escolhidas. 2
Proposio 3.8. Matriz de um operador linear Seja um espao vectorial, com I
dimenso sobre um corpo , e uma sua base. Seja, por outro lado, um 8 / /t /t /t J a b
" # 8
segundo espao vectorial sobre o mesmo corpo, com dimenso , e seleccione-se uma base 7
0 0 0 0 J 2 I J
t t t

" # 7
de . Se uma funo linear, existe uma e uma s matriz
Q 2 2
0/ 34
78
a b c d tal que:
i) Entre as imagens dos por h e os verificam-se as relaes /t 0
t
4 3
2 /t 2 0 4 " # 8
t
a b a b
"
4 34
3"
7
3
3.17
ou seja, matricialmente,
c d a b a b a b a b a b

2 /t 2 /t 2 /t Q 2 0 0 0
t t t
" # 8
" # 7
0/
3.18
E F
e
Img (h)
1
e
2
e
n
m
1
m
f =( )
, ,...,
e
2
e
n
e
1
(
(
(
)
)
)
... ...
Fig. 3.8 Diagrama auxiliar para a proposio 8 3. .
ii) Se forem as coordenadas de um vector em relao base e a b B B B Bt I /
" # 8
a b a b C C C Ct 2 Bt 0
" # 7
as coordenadas da sua imagem em relao base , tem-
se:
C 2 B 3 " # 7
3 34 4
4"
8
"
a b 3.19
matricialmente, fica
] Q 2 \
0 0/ /
a b a b 3.20
onde
c d
c d
a b
\ B B B
] C C C
/ " # 8
0 " # 7
T
T
3.21
iii) Tem-se sempre:
c c 3.22 a b a b a b a b 2 Q 2
0/
Demonstrao:
i) Os vectores pertencem a e, como uma base de , cada um deles 2 /t J 0 J a b
4
exprime-se
de uma e uma s coordenadas forma como combinao linear dos atravs das suas 0 7
t
3
a b 2 0 Q 2 2 78
34 0/ 34
"37
em relao base : portanto, a matriz , do tipo tal que as a b c d
relaes 17 18 a b 3. ou 3. se verificam e determinada a b nica exclusivamente por e pelo par de 2
bases a b / 0 .
ii) Por outro lado, tem-se, para qualquer vector : Bt I
Ct 2 Bt 2 B /t
B 2 /t B 2 0
t
2 B 0 C 0
t t
a b
!
! ! !
a b
! ! !

4"
8
4 4
4" 4" 3"
8 8 7
4 4 4 34 3
3" 4" 3"
7 8 7
34 4 3 3 3
Como as coordenadas de na base so nicas, dever ter-se: Ct 0
C 2 B 3 " # 7
3 34 4
4"
8
"
o que equivale expresso matricial 20 a b 3. , onde as matrizes-coluna e contm, \ ]
/ 0
respectivamente, as coordenadas de Bt Ct 2 / 0 e da sua imagem por em relao s bases e ,
(segundo as expresses 21 . a b a b c d 3. ) e Q 2 2
0/ 34
iii) dimenso Comecemos por recordar que a caracterstica de a do subespao Img e 2 2 a b
que a caracterstica de a do subespao gerado pelas suas colunas. Mas, pela Q 2
0/
a b dimenso
proposio 6. tem-se Img e o resultado , agora, uma 3. , i a b a b a b a b a b 2 P 2 /t 2 /t 2 /t
" # 8
consequncia imediata do facto de as colunas de conterem precisamente as coordenadas Q 2
0/
a b
dos em relao base (o espao Img isomorfo do subespao gerado pelas colunas 2 /t 0 2 a b a b
4
de ). Q 2
0/
a b
A matriz chamada a , em relao ao par de bases Q 2 2
0/
a b representao matricial de
a b / 0 .
Observaes:
Q 2 7 J A matriz tem um nmero de linhas igual dimenso do espao de chegada e
0/
a b
um nmero de colunas igual dimenso do espao domnio de . 8 I 2
4 Q 2 2 /t A coluna da matriz contm as do vector , relativamente
0/ 4
a b a b coordenadas
base . 0
2 I / /t /t /t No caso de ser um de , a mesma base serve para o endomorfismo a b
" # 8
domnio e para o codomnio (embora no seja obrigatoriamente assim) e usaremos a notao I
Q 2 Q 2 8 2
/ //
a b a b (em vez de ) para a representao matricial (quadrada de ordem ) de em
relao base comum. /
Seguem-se alguns exemplos:
Exemplo 3.19. Seja a funo identidade em . Consideremos agora duas bases I
I
I I I
/ /t /t /t / /t /t /t I a b a b
" # 8 I
w w w w
" # 8
e de e determinemos a representao matricial de I
em relao s bases citadas ( no domnio e no codomnio): tem-se , para todo o / / /t /t
w
I
w w
4 4
I

4 " # 8, donde
c d c d c d a b a b a b a b I I I I
I I I
w w w w w w
" # 8 " # 8
" # 8 // I
/t /t /t /t /t /t Q /t /t /t w
Comparando com 2.77 , obtemos a b
Q X
// I //
w w a b a b I 3.23
Vemos assim que a matriz que representa nas bases e a I
I
w
/ / matriz de mudana da base
/ / para a base
w
(ver seco 2.15). Em particular, quando , 2.79 mostra-nos que / /
w
a b
Q X Q M
// I // / I 8
a b a b a b I I 3.24
o que mostra que a representao matricial da funo identidade no depende da base /
(adoptada para o domnio e para o codomnio).
Exemplo 3.20. Seja um subespao com dimenso de um espao vectorial de I J 8 J
dimenso sobre um corpo e considere-se a . Seja, 7 8 4 I J Bt Bt injeco cannica
agora, uma base de e um / /t /t /t I 0 /t /t /t /t /t /t a b a b
" # 8 " # 8 8" 8# 7
prolongamento de a uma base de (que existe, pela proposio 1.16. ). Tem-se, claro est, / 0 J v
4 /t /t 5 " # 8 4 a b
5 5
, para . Portanto, a representao matricial de , em relao ao par de
bases ser: a b / 0
Q 2
" ! !
! " !

! ! "
! ! !

! ! !
M
S
0/
8
788
a b

Exemplo 3.21. Sejam e espaos vectoriais de dimenses e respectivamente e I J 8 7
O
JI
I J Bt 9t / /t /t /t
J " # 8
a funo nula. Para qualquer par de bases e a b
0 0 0 0 /t 9t !0
t t t t
!
" # 7 3 5 J
3"
7
, tem-se e, portanto, O
JI
a b
Q S
0/ 78
a b O
JI
Observe-se que, tambm aqui, a matriz no depende da escolha das bases.
Exemplo 3.22. Seja um espao vectorial de dimenso finita sobre um corpo e I 8
2 I I I o endomorfismo de mencionado no exemplo 3.5
2 Bt 5Bt 5 Bt
5 I
a b a b I
Para qualquer base , tem-se ; logo, a matriz de nessa base / /t /t /t 2 /t 5/t 2 a b a b
" # 8 5 3 3 5
/ ser:
Q 2 5 5 5 5M 5Q
5 ! !
! 5 !

! ! 5
/ 5 8 / I
a b a b a b

diag I
Exemplo 3.23. Seja um endomorfismo de um espao vectorial de dimenso 2 I I I 8
sobre um corpo e suponha-se a existncia de uma base de e de / /t /t /t I a b
" # 8
escalares tais que, para , a b - - -
" # 8
4 " # 8
2 /t /t a b
4 4 4
-
A representao matricial de , em relao base ser a matriz diagonal de ordem 2 / 8
Q 2
! !
! !

! !
/ " # 8
"
#
8
a b a b

-
-
-
- - - diag
Exemplo 3.24. Sendo um corpo e , considere-se a funo linear +t + + + a b
" # 8
8
2 B B B
+ " # 8 t
8 8
definida, para todo o , por (ver exemplo 3.10) a b
2 B B B + B
+ " # 8 4 4 t
4"
8
a b
"
Daqui resulta que
2 /t + +
+ 3 4 34 3 t
4"
8
a b
"
$
onde a base cannica de . Portanto, sendo a base cannica de / /t /t /t 0 " a b a b
" # 8
8
, tem-se:
Q 2 + + +
0/ +t " # 8
a b c d
Exemplo 3.25. Em relao ao exemplo 3.12, a representao matricial de em 2
8 7
relao s bases cannicas de e matriz a definida.
8 7
34
E + c d
Exemplo 3.26. A funo que transforma cada polinmio de grau H P P
8 8
a b a b
inferior ou igual a na sua derivada , como se viu no exemplo 3.15, um endomorfismo de 8
P
8
a b :
H + B 5 " + B

" "
a b
5! 5!
8 8"
5 5"
5 5
Considere-se, agora, a base cannica de , . Ora, P
8
a b a b - " B B B
# 8
a b
a b
a b
a b
H " !
H B "
H B #B

H B 8B
#
8 8"
Daqui se segue que a representao matricial de , em relao base ser a matriz de H -
ordem : 8 "
Q H
! " ! !
! ! # !

! ! ! 8
! ! ! !
-
a b

Exemplo 3.27. Considere-se a funo linear (ver exemplo ) Int 3.17 , que P P
8" 8
a b a b
transforma cada polinmio de coeficientes reais e de grau menor ou igual a : 8 " P
8"
a b
no seu integral indefinido com origem : T ! P
8
a b
a b a b
(
! !
Int onde a b : T T B : > >
+ B B
!
B
5! 5!
8" 8"
5
5 5" +
5"
d
Int

5
Daqui resulta:
a b
a b
a b
a b
Int
Int
Int
Int
" B
B B #
B B $

B B 8
#
# $
8" 8
e, portanto, a representao de Int em relao s bases cannicas e - " B B B a b
# 8"
- " B B B 8 " 8
w # 8
a b a b a b a b de e de ser a matriz de tipo : P P
8" 8

Q
! ! ! !
" ! ! !
! ! !
! ! !

! ! ! !
- -
"
#
"
$
"
8
w a b

Int
Exemplo 3.28. Considere, em , a base e a funo linear
# # #
/ " " " " 2 a b a b a b
definida por:
2 B C #B C B C a b a b
Para calcular a representao matricial de , em relao base , temos de calcular as 2 /
coordenadas de e de 2 " " " # 2 " " $ ! a b a b a b a b em relao quela base, para o que basta
resolver os dois sistemas de equaes lineares seguintes (que sabemos, de antemo, serem
determinados porqu?)

! " ! "
! " ! "
" $
# !

Como a matriz dos coeficientes dos dois sistemas a mesma, podemos resolv-los em
simultneo, condensando a matriz seguinte

" " " $ " " " $ # ! $ $ " ! $# $#
" " # ! ! # " $ ! # " $ ! "# $#

1
Atendendo s solues dos sistemas, temos:
2 " " " # " " " "

2 " " $ ! " " " "
a b a b a b a b
a b a b a b a b
$ "
# #
$ $
# #
A matriz de , pois: 2
Q 2
"
#
$ $
" $
/
a b

A matriz de em relao base cannica de , 2 - " ! ! "
#
, seria, como facilmente a b a b a b
se conclui:
Q 2
# "
" "
-
a b

Exemplo 3.29. Consideremos, em , uma base formada por dois segmentos W / /t /t

#
" #
a b
unitrios e ortogonais (ver figura 3.9) aplicados num ponto e a aplicao que S W W 3
)
# #
roda cada segmento aplicado em de um certo ngulo em torno de . S S )
Sec. 3.5] Isomorfismo entre e 239 La b I J
78
2
cos( )
sin( )
-sin( )
cos( )
O
1
( )
2
( )
Fig. 3.9 Rotao em . W
#
Da figura conclui-se facilmente que
a b a b a b
a b a b a b
3 ) )
3 ) )
)
)
/t /t /t
/t /t /t
" " #
# " #
cos sin
sin cos
Matricialmente, fica
c d c d a b a b

a b a b
a b a b
3 3
) )
) )
) )
/t /t /t /t

" # " #
cos sin
sin cos
o que mostra que a matriz de em relao base ser: 3
)
/
Q
/
a b 3
) )
) )
)
a b a b
a b a b
cos sin
sin cos
Exemplo 3.30. Seja a base cannica de e considere uma funo linear / /t /t /t a b

" # $
$
0 Bt B /t B /t B /t
$ #
" " # # $ $
que transforma o cubo dos vectores , onde
B B B ! "
" # $
c d, na regio plana sombreada da figura abaixo.
0
0
1 2 3 4 5 6 -1
-1
-2
-3
1
2
3
4
Fig. 3.10 Imagem do cubo por meio de . c d ! " 0
$
$
A matriz que representa em relao s bases cannicas de e de pode ser 0

$ #
determinada, se soubermos que um um vector do ncleo de . A figura mostra que a b $ # % 0
as imagens dos vectores da base cannica de so os vectores e / /t /t /t # # $ " a b a b a b
" # $
$
a b a b a b a b ! # 0 /t 0 /t 0 /t . O que a imagem no nos mostra qual destes vectores , e

" # $
respectivamente. Existem formas diferentes de ordenar os vectores e $x ' # # $ " a b a b
a b a b ! # $ # % 0 0 . Mas o facto de sabermos que um vector do ncleo de e que linear
permitir esclarecer a questo, visto que ter que ser
0 $ # % 0 $/t #/t %/t $0 /t #0 /t %0 /t ! ! a b a b a b a b a b a b
" # $ " # $
As seis correspondncias possveis encontram-se na tabela seguinte:
0 /t 0 /t 0 /t $0 /t #0 /t %0 /t
$ " ! # # # "( *
$ " # # ! # & "&
# # $ " ! # ! !
# # ! # $ " ")
a b a b a b a b
a b a b a b a b
a b a b a b a b
a b a b a b a b
" # $ " # $
'
! # # # $ " ) "%
! # $ " # # # %
a b a b a b a b
a b a b a b a b
Dos casos possveis, apenas um (o terceiro caso, a sombreado) torna nulo o vector
$0 /t #0 /t %0 /t a b a b a b
" # $
, pelo que se conclui que as imagens dos vectores da base cannica de
$
por so necessariamente as que se seguem: 0
a b a b
a b a b
a b a b
0 /t # #
0 /t $ "
0 /t ! #
"
#
$
Como as coordenadas dos vectores em relao base cannica de coincidem com 0 /t - a b
3
#
as suas prprias componentes, a matriz de em relao s duas bases cannicas ser, de 0

imediato,
Q 0
# $ !
# " #
-/
a b

Podemos, agora, determinar a funo linear : 0
0 B C D 0 B/t C/t D/t B0 /t C0 /t D0 /t
B # # C $ " D ! # #B $C #B C #D
a b a b a b a b a b
a b a b a b a b
" # $ " # $
3.6 Isomorfismo entre e La b I J
78
Veremos neste pargrafo que a correspondncia entre as funes lineares e as matrizes um
isomorfismo endomorfismos de espaos lineares e que, no caso dos , um isomorfismo de
lgebras lineares:
Proposio 3.9. Sejam e espaos vectoriais sobre um corpo (com dimenses e , I J 8 7
respectivamente) e duas funes lineares. Sejam ainda uma 2 5 I J / /t /t /t a b
" # 8
base de e uma base de . Ento: I 0 0 0 0 J
t t t

" # 7
i) M M M
0/ 0/ 0/
a b a b a b a b 2 5 2 5 3.25
ii) M M , onde .
0/ 0/
a b a b a b ! ! ! 2 2 3.26
78
Demonstrao:
i) Seja . Devido a .17 , tem-se: ? 2 5 a b 3
a b
!
a b
!
a b
!
2 /t 2 0
t
5 /t 5 0
t
? /t ? 0
t
4 " # 8
4 34
3"
7
3
4 34
3"
7
3
4 34
3"
7
3
onde
e onde
a b c d
a b c d
a b c d
Q 2 2
Q 5 5
Q ? ?
0/ 34
78
0/ 34
78
0/ 34
78
Para calcularmos a representao matricial de , calculemos as imagens dos ? 2 5

vectores da base por meio de e atendamos expresso .17 , aplicada a e , e / 2 5 2 + 5 a b 3
definio de adio de funes lineares:
a b a ba b a b a b
! !
!
!
a b
? /t 2 5 /t 2 /t 5 /t
2 0 5 0
t t
2 0 5 0
t t
2 5 0
t
4 " #
4 4 4 4
3" 3"
7 7
34 34 3 3
3"
7
34 34 3 3
3"
7
34 34 3
onde 8
Porm, as coordenadas dos vectores na base so nicas, pelo que ter de ser: ? /t 0 a b
4
? 2 5
3 " # 7
4 " # 8
34 34 34
onde
e as igualdades anteriores equivalem igualdade matricial desejada: 78

Q 2 5 Q 2 Q 5
0/ 0/ 0/
a b a b a b
ii) Seja . As igualdades .17 , escrevem-se ? 2 ! a b 3
a b
!
a b
!
2 /t 2 0
t
? /t ? 0
t
4 " # 8
4 34
3"
7
3
4 34
3"
7
3
em que
e
a b c d
a b c d
Q 2 2
Q ? ?
0/ 34
78
0/ 34
78

Para calcularmos a representao matricial de , calculemos as imagens dos vectores ? 2 !
da base por meio de e atendamos expresso .17 , aplicada a , e definio de / 2 2 ! a b 3
produto de escalar por funo linear:
a b a ba b a b
!
!
a b
? /t 2 /t 2 /t
2 0
t
2 0
t
4 " # 8
4 4 4
3"
7
34 3
3"
7
34 3
! !
!
!
onde
Porm, as coordenadas dos vectores na base so nicas, pelo que ter de ser ? /t 0 a b
4
? 2
3 " # 7
4 " # 8
34 34
! onde
e as igualdades anteriores equivalem igualdade matricial do enunciado: 78

Q 2 Q 2
0/ 0/
a b a b ! !
A proposio anterior mostra que a funo que Q I J 2 Q 2
0/ 0/
78
La b a b
transforma cada funo linear na respectiva matriz (do tipo ) em relao ao par de bases 78
a b a b / 0 satifaz as condies L1 e L2 e , portanto, ; alm disso, a equao .20 mostra linear 3
que, se , ento o que significa que Ker e que, em Q 2 S 2 Q
0/ 78 JI 0/ JI
a b a b e f O O
virtude da proposio .2, e, obviamente, tambm (porqu?), ou 3 Q
0/
injectiva sobrejectiva
seja, um de sobre : podemos ento escrever isomorfismo La b I J
78
La b
a b
I J z
z
78
88
Enda b I
3.27
O isomorfismo anterior permite concluir que:
dim
dim
a b a b
a b
a b
L I J 78
8 Enda b I
#
3.28
De tudo o que acima se disse resulta que a escolha de um par de bases em e a b / 0 I J
determina um isomorfismo de sobre e que existem tantos isomorfismos Q I J
0/
78
La b
quantos os pares de bases de e . a b / 0 I J
De seguida, veremos que tambm o de matrizes corresponde de produto composio
funes lineares:
Proposio 3.10. Sejam , e espaos vectoriais sobre um corpo (com dimenses e I J K 8
7 : 5 K I 2 I J e , respectivamente) e e duas funes lineares. Sejam ainda
/ /t /t /t
0 0 0 0
t t t
1 1t 1t 1t
a b

" # 8
" # 7
" # :
78
bases de , e , respectivamente. Nestas condies, tem-se: I J K
Q 2 5 Q 2 Q 5
01 0/ /1
a b a b a b a b 3.29
G E
F
m
f =( )
, ,...,
n
e =( ) , ,...,
p
g=( )
, ,...,
fe
( )
eg
( )
fg
( )
Fig. 3 11 Matriz da aplicao composta. .
Demonstrao:
Seja . Devido a .17 , tem-se: ? 2 5 a b 3
a b
!
a b
!
a b
!
2 /t 2 0 4 " # 8
t
5 1t 5 /t < " # :
? 1t ? 0 < " # :
t
4 34
3"
7
3
<
4"
8
4< 4
< 3
3"
7
3<
onde
onde
onde
e onde
a b c d
a b c d
a b c d
Q 2 2
Q 5 5
Q ? ?
0/ 34
78
/1 4<
8:
01 3<
7:
Para calcularmos a representao matricial de , calculemos as imagens dos vectores ? 2 5

da base por meio de , de acordo com a expresso .17 e com a definio de 1 2 5 a b 3
composio:
? 1t 2 5 1t 2 5 1t
2 5 /t 5 2 /t
5 2 0 2 5 0
t t
< " # :
a b a ba b a b a b

! !
a b
! ! ! !

< < <
4" 4"
8 8
4< 4 4< 4
4" 3" 3" 4"
8 7 7 8
4< 34 34 4< 3 3
onde
Porm, as coordenadas dos vectores na base so nicas, pelo que ter de ser: ? 1t 0 a b
<
? 2 5
3 " # 7
< " # :
3< 34 4<
4"
8
"

onde
e as igualdades escalares anteriores equivalem igualdade matricial .29 : 7: a b 3
Q 2 5 Q 2 Q 5
01 0/ /1
a b a b a b
As equaes .25 , .26 e .29 significam que a funo End um a b a b a b a b 3 3 3 Q I
/
88
isomorfismo anis dos End e e (no comutativos e com unidade) a b a b a b I

88
tambm das correspondentes . lgebras lineares
Se e for um automorfismo do espao -dimensional (o que equivale a ser I J K 2 8 I
c ) e o automorfismo inverso, ento .29 d-nos, para qualquer base de , a b a b 2 8 2 I
"
3
M Q Q 2 2 Q 2 Q 2
M Q Q 2 2 Q 2 Q 2
8 / I / / /
" "
8 / I / / /
" "
a b a b

a b a b

I
I
Isto que mostra que
Q 2 Q 2
/ /
"
"

a b a b 3.30
e claro que 2 Q 2 invertvel se e s se o mesmo acontece com a matriz
/
a b, ou seja, se e s se
ambos tm caracterstica igual a , ou seja ambos so 8 regulares.
3.7 Alterao da representao matricial nas mudanas de base
Vamos ver, nesta seco, como se comporta a representao matricial de uma funo linear
2, perante mudana(s) de base nos dois espaos vectoriais envolvidos:
Proposio 3.11. Mudana de bases Sejam e espaos vectoriais sobre um corpo I J
, com dimenses finitas e respectivamente, e uma funo linear. Considerem- 8 7 2 I J
se, ainda, duas bases de e duas bases de . Se as bases se relacionam entre si a b a b / / I 0 0 J
w w
por
c d c d

a b
/t /t /t X /t /t /t
0 0 0
t t t
X 0 0 0
t t t
w w w
" # 8
" # 8 //
w w w
" # 7 " # 7
00
w
w
3.31
ento, as representaes matriciais de nos pares de bases e relacionam-se por 2 / 0 / 0 a b a b
w w
Q 2 X Q 2 X X Q 2 X
0 / 0 0 0/ // 0/ //
"
00
w w w w w w a b a b a b a b 3.32
Demonstrao:
Atentemos no seguinte esquema de composio de funes
Sec. 3.7] Alterao da representao matricial nas mudanas de base 245
E F
f f
( )
f e
( )
E F
f e
( )
ee
( )
E F F E
Fig. 3.12 Matrizes da mesma funo linear em diferentes pares de bases.
Temos, atendendo proposio 3.5. , iv
2 2 I I
J I
A equao .29 implica imediatamente a b 3
Q 2 Q Q 2 Q
0 / 0 0 J 0/ // I
w w w w a b a b a b a b I I
Atendendo a 3.23 tem-se e , pelo que a relao entre as a b a b a b Q X Q X
// I // 0 0 J 0 0
w w w w I I
representaes de nos dois pares bases 2
Q 2 X Q 2 X
0 / 0 0 0/ //
w w w w a b a b
Mas, 2 permite ainda escrever a b .78
Q 2 X Q 2 X
0 / 0/ //
"
00
w w w w a b a b
A relao 3 a b .32 mostra-nos que as representaes matriciais da mesma funo linear so 2
matrizes (ver ). Reciprocamente, se so matrizes equivalentes definio 2.18 E F
78
equivalentes, existem matrizes regulares e tais que . Seja T U F TEU
77 88
2 I J / 0 a funo linear que tem, em relao a um par de bases , a representao a b
matricial ; em relao ao par de bases de e tais que E / 0 I J a b
w w
c d c d

/t /t /t U /t /t /t
0 0 0
t t t
T 0 0 0
t t t
w w w
" # 8
" # 8
w w w
" # 7 " # 7
"
a representao de ser, como se viu, e, portanto, e so representaes da 2 F TEU E F
mesma funo linear , em bases diferentes: podemos, pois, enunciar o 2
Corolrio 3.11.1. Duas matrizes so equivalentes sse elas representam a E F
78
mesma funo linear de um espao de dimenso para um espao de dimenso (sobre I 8 J 7
).
Como se viu no captulo 2, a relao anterior uma relao de equivalncia que divide
78
em classes de equivalncia de matrizes equivalentes; cada funo linear corresponde a 2 I J
uma destas classes e qualquer propriedade matricial comum a todas as matrizes equivalentes :
(por exemplo, a sua caracterstica) pode ser considerada uma propriedade da prpria funo
linear , pondo, por definio 2
: 2 : Q 2 a b a b a b
0/
,
onde no depende da escolha das bases . A este propsito, recorde-se a : Q 2 / 0 a b a b a b
0/
proposio 8. respeitante caracterstica de . 3. iii 2
Consideremos, agora, o caso especial dos endomorfismos de em que, tomando as mesmas I
bases e no domnio e no codomnio, as igualdades / /t /t /t / /t /t /t a b a b
" # 8
w w w w
" # 8
a b 3. se transformam em 32
Q 2 X Q 2 X X Q 2 X
/ / / / // / //
"
//
w w w w w a b a b a b a b 3.33
A igualdade 3.33 sugere a definio de uma nova relao (apenas entre matrizes quadradas) a b
do seguinte modo:
Definio 3.4. Matrizes semelhantes Dizemos que duas matrizes so E F
88
semelhantes sse existe uma matriz regular tal que X
88
F X EX
"
a b 3.34
Observaes:
A relao de semelhana definida em uma relao de (tal como a
88
equivalncia
equivalncia de matrizes): a resulta de ser ; a consequncia reflexividade simetria F M EM
8
"
8
da implicao
F X EX E XFX
" "
e a resulta da implicao transitividade
F X EX G T FT G T X EX T T X E XT XT E XT
" " " " " " "

a b a b
Q 2 Q 2 Pela definio anterior, poderemos dizer que as representaes matriciais e
/ /
w a b a b
do mesmo endomorfismo de um espao de dimenso finita so matrizes semelhantes.
E F Mas a recproca tambm verdadeira: se so semelhantes, existe uma matriz
88
regular tal que . Se for o endomorfismo de representado X F X EX 2 I I I
88 "
por numa certa base de , esse mesmo endomorfismo ser, como vimos, E / /t /t /t I a b
" # 8
representado por na base tal que F X EX / /t /t /t
" w w w w
" # 8
a b
w w w
" # 8
" # 8
Observemos que as relaes de e de de matrizes so diferentes equivalncia semelhana
entre si: em primeiro lugar, a define-se entre matrizes possivelmente rectangulares equivalncia
enquanto a diz respeito, exclusivamente, a matrizes quadradas; em segundo lugar, semelhana
para as matrizes quadradas (caso em que ambas as relaes esto definidas), a semelhana das
matrizes implica obviamente a sua equivalncia, mas a recproca no verdadeira: por exemplo,
qualquer matriz regular matriz identidade (isto , representa um E M E
88
8
equivalente
automorfismo de um espao de dimenso ), mas s a matriz identidade matriz 8 semelhante
identidade.
Do acima exposto, podemos concluir o seguinte
Corolrio 3.11.2. Duas matrizes so semelhantes sse elas representam o E F
88
mesmo endomorfismo de um espao de dimenso sobre . I 8
Observaes:
Como acabmos de ver a relao de semelhana definida em uma relao de ,
88
equivalncia, ficando, pois, dividido em classes de equivalncia de matrizes semelhantes. A
88
cada endomorfismo de um espao de dimenso sobre corresponde uma destas classes e 2 I 8
qualquer propriedade matricial que seja comum a todas as matrizes semelhantes (isto , :
invariante por uma transformao 3.33 ) poder ser atribuda prpria funo , pondo a b 2
: 2 : Q 2 a b a b a b a b
/
3.35
e onde no depende da escolha da base . Isto acontece, entre outras propriedades, : Q 2 / a b a b
/
com a de um endomorfismo , que , portanto a caracterstica de qualquer matriz caracterstica 2
que o represente (ver proposio 3.8. ). iii
No captulo 5, veremos outras propriedades matriciais invariantes pela transformao
E X EX
"
, como por , os , o exemplo, o de de polinmio caracterstico valores prprios E E
determinante trao trao da adjunta soma dos de de E E , o , o de e, mais geralmente, a E
menores principais de uma dada ordem de ; todos estes invariantes podem, segundo 3.35 , E a b
ser atribudos a qualquer endomorfismo que seja representado matricialmente por . E
Exemplo 3.31. Para ilustrar o uso das expresses 3.33 , podemos considerar a funo a b
2 Q 2 2 / # " " #
# # w
/
do exemplo 3.28 e calcular a matriz de na base a w a b a b a b a b
partir da matriz de na base a considerada. Comecemos por Q 2 2 / " " " "
/
a b a b a b a b
calcular , para o que deveremos exprimir os vectores e como combinao X # " " #
//
w a b a b
linear dos vectores e . Para resolver os dois sistemas de equaes obtidos, bastar a b a b " " " "
condensar a matriz

" " # " " " # " # ! " $ " ! "# $#
" " " # ! # $ " ! # $ " ! " $# "#

Das solues obtidas para os sistemas anteriores, vem
X
"
#
" $
$ "
//
w

e invertendo a matriz anterior tem-se
X X
"
&
" $
$ "
/ /
"
//
w w

De 3.33 resulta ento, a b
Q 2 X Q 2 X
" " " "
& # # &
" $ $ $ " $ * $
$ " " $ $ " ( '
/ / / / //
w w w a b a b

Poderamos tambm ter partido da matriz de na base cannica de , que Q 2 2 -
-
#
a b
obtivemos tambm no exemplo 3.28. Agora devemos calcular , para o que necessrio X
-/
w
exprimir os vectores de na base cannica, o que imediato: /
w
X
# "
" #
-/
w

Invertendo a matriz anterior, vir
X X
"
&
# "
" #
/ -
"
-/
w w

A expresso 3.33 d, por fim, a b
Q 2 X Q 2 X
" "
& &
# " # " # " * $
" # " " " # ( '
/ / - - -/
w w w a b a b

o que confirma o resultado anteriormente obtido para . Q 2

/
w a b
Como vimos, a matriz de uma funo linear depende das bases que se usem para a
determinar. , pois, natural que se procure escolher bases que conduzam a uma matriz o mais
simples possvel: a este respeito, a proposio seguinte mostra que, para toda a funo linear 2
entre espaos de dimenso finita, existe um par de bases em relao s quais a matriz da c d 2
34
funo toda constituda por zeros, excepto os elementos que valem e onde a < 2 " < a b
33
"3<
caracterstica de . 2
Proposio 3.12. Sejam e espaos vectoriais sobre um corpo , com dimenses e I J 8 7
respectivamente, e uma funo linear com caracterstica . Ento, existe um par de 2 I J <
bases em relao s quais a matriz de da forma: a b / 0 2
Q 2 N
M S
S S
0/ <
< <8<
7<< 7<8<
a b a b

3.36
Demonstrao:
Observemos que e (Corolrio 6 1. ). Ora, como Img tem < 7 < 8 2 J 3. . iv a b
dimenso , tome-se uma de Img e prolongue-se esta base a uma < 0 0 0 2
t t t
base base
" # <
a b
de v J (ver proposio 1.16. )
0 0 0 0 0 0
t t t t t

" # < <" 7
Vamos, agora, construir uma base de : os vectores pertencem a Img e so, / I 0 2
t

a b
3
"3<
portanto, imagens de vector de : seleccionemos, para cada , pelo menos um /t I 3 " # <
3
um desses vectores ; ficamos, assim, com uma lista de vectores de , tais que: /t < I /t
3 3
"3<

2 /t 0 3 " # <
t
a b a b
3 3
3.37
Pela proposio 6. Ker ter uma dimenso e, 3. (teorema fundamental), iii a b 2 = 8 <
portanto, Ker tem uma composta por vectores. Tem-se, claro est, a b a b 2 /t /t = base
<" <=
2 /t 9t 3 " # = a b a b
<3 J
3.38
Juntemos as duas listas, formando a lista de vectores / 8 < =
/ /t /t /t /t /t a b
" # < <" <=
Provemos, agora, que a lista anterior uma de , para o que basta provar que base I
linearmente independente, visto que formada por vectores: admitamos que uma 8 < =
combinao linear dos nula: a b /t
3
"3<=
"
a b
4"
<=
4 4 I
! /t 9t 3.39
mas, aplicando a ambos os membros, obtm-se (note que ): 2 2 9t 9t a b
I J
2 /t 2 /t
2 /t 2 /t
9t
9t

" "
a b
" "
a b a b
4" "
<= <=
" <"
< <=
J
J
! !
! !
4 4 4 4
4
4 4
4 4 4 4
ou seja:
2 /t 2 /t
0 9t
t

" "
a b
"
4" "
<= <
"
<
J
! !
!
4 4 4 4
4
4
4 4
Mas
0 0 0 2 !
t t t
" # < " # <
a b uma base de Img , donde . Substituindo ! ! !

estes valores em 39 a b 3. , obtm-se
"
4
4 4
<"
<=
I
! /t 9t
Finalmente, como os a b a b /t 2
4
4 <" <=
so uma de Ker , ser base
! ! !
<" <# <=
!
Portanto, todos os em 39 a b a b a b !
4
"4<= " <=
3. so nulos e, portanto, os formam uma /t
4
4
base de . I
A relao 18 entre as os e os fica, atendendo a 37 38 : a b a b a b

3. 2 /t 0
t
4 3
3. e 3. a b
c d a b a b a b a b a b

2 /t 2 /t 2 /t 2 /t 2 /t
0 0 0 0 0
t t t t t
" ! ! ! !
! " ! ! !

" # < <" <=
" # < <" 7

! ! " ! !
! ! ! ! !

! ! ! ! !
Q 2
0/
a b
o que termina a demonstrao. De passagem, observe que c e que este resultado a b a b Q 2 <
0/
est de acordo com a proposio 8. 3. . iii
Observaes:
N 2 A representao matricial anterior chamada forma ou de (ou de
<
normal cannica
qualquer matriz que represente ). E 2
E < Se uma matriz tem caracterstica , ela equivalente a uma matriz da forma 3.36 ; quer a b
isto dizer que ser possvel lev-la referida forma por operaes elementares sobre linhas e
colunas.
Podemos agora provar que se duas matrizes tm a mesma caracterstica, elas E F
78
so necessariamente equivalentes:
Corolrio 3.12.1. Sejam duas matrizes de tipo sobre um corpo . As E F 78
78
matrizes e so equivalentes sse . E F E F c c a b a b
Demonstrao:
Como se viu na seco 2.13 sobre matrizes elementares, se e so equivalentes, as suas E F
caractersticas so iguais.
Reciprocamente, seja c c e funes lineares representadas < E F 2 2 a b a b
E F
8 7

em certo par de bases por e por , respectivamente. As caractersticas de e de a b / 0 E F 2 2
E F
so iguais a e, consequentemente, as formas cannicas de e so ambas iguais a 3.36 ; < 2 2
E F
a b
daqui conclui-se que e so ambas equivalentes a e a transitividade da relao de E F N
<
equivalncia mostra que e sero equivalentes entre si. E F
Sec. 3.8] Anexos: funes lineares e o MATHEMATICA 251
3.8 Anexos: funes lineares e o MATHEMATICA
MATHEMATICA
O MATHEMATICA
pode tambm ser um bom auxiliar no que respeita s funes lineares.

Dispe de funes capazes de resolver boa parte dos problemas por ns analisados neste
captulo; de entre as referidas funes salientamos:
NullSpace[A]
Devolve uma base do do operador representado por . ncleo A
A expresso devolve a do operador representado por Length[NullSpace[A]] nulidade
A.
MatrixRank[A]
Caracteristica[A][[1]] ALGA`Matrizes` (do package )
Devolve a do operador representado por . caracterstica A
O Package implementa algumas funes adicionais que ALGA`FuncoesLineares`
resolvem alguns problemas sobre funes lineares e consta das seguintes funes:
MatrizRepNova[f1,e1,f2,e2,A1]
Devolve a representao em relao ao par de bases da funo linear que a b f2,e2
representada por , em relao ao par de bases . Nestes pares, a primeira base do A1 f1,e1 a b
espao de chegada e a segunda do espao de partida.
MatrizRep[f2,e2,A1]
Determina a representao matricial nas bases do operador que representado por a b f2,e2
A1 em relao s bases cannicas. No par de bases indicadas, a primeira base do espao de
chegada e a segunda do espao de partida.
Imagem[A]
Devolve uma base da do operador linear representado por . imagem A
A expresso devolve tambm a do operador Length[Imagem[A]] caracterstica
representado por . A
InjectivaQ[A]
Devolve se e s se a funo representada por . True A injectiva
SobrejectivaQ[A]
Devolve se e s se a funo representada por . True A sobrejectiva
Apresentamos a seguir a implementao do package ALGA`FuncoesLineares`:
(* Contexto : ALGA`FuncoesLineares` *)
(* Verso : 3.5 *)
BeginPackage["ALGA`FuncoesLineares`", {"ALGA`Matrizes`"}]
(* ------------------------------ HELP ON-LINE ------------------------------ *)
MatrizRepNova::usage = "MatrizRepNova[f1,e1,f2,e2,a1] devolve a representao em \
relao ao par de bases f2,e2 da funo linear que representada por a1,em relao \
ao par de bases f1,e1.Nestes pares,a primeira base do espao de chegada e a segunda \
do espao de partida."
MatrizRep::usage = "MatrizRep[f2,e2,a1] determina a representao matricial nas \
bases f2,e2 do operador que representado por a1 em relao s bases cannicas. \
No par de bases indicadas, a primeira base do espao de chegada e a segunda \
do espao de partida."
Imagem::usage = "Imagem[a] devolve uma base da imagem (contradomnio) do operador \
representado por a."
InjectivaQ::usage = "InjectivaQ[a] devolve True se o operador representado por a injectivo; \
False, no caso contrrio."
SobrejectivaQ::usage = "SobrejectivaQ[a] devolve True se o operador representado \
por a sobrejectivo; False, no caso contrrio."
Begin["`Private`"]
MatrizRepNova::naobase = "Uma das listas indicadas no uma base";
MatrizRepNova::errdim = "As dimenses da matriz no so compatveis com as bases indicadas";
(* ------------------------------ IMPLEMENTAO ------------------------------ *)
(* Implementao do mdulo MatrizRepNova *)
MatrizRepNova[f1_?MatrixQ, e1_?MatrixQ, f2_?MatrixQ, e2_?MatrixQ, a1_?MatrixQ] :=
Module[{t1 = Passagem[e1, e2], t2 = Passagem[f2, f1]},
Which[
Not[SquareMatrixQ[t1] && SquareMatrixQ[t2]],
Message[MatrizRepNova::naobase],
MatrixRank[f1] != Length[f1], Message[MatrizRepNova::naobase],
MatrixRank[e2] != Length[e2], Message[MatrizRepNova::naobase],
Length[t2] != Length[a1] || Length[t1] != Dimensions[a1][[2]],
Message[MatrizRepNova::errdim],
True, t2.a1.t1
]
]
(* Implementao do mdulo MatrizRep *)
MatrizRep[f2_?MatrixQ, e2_?MatrixQ, a1_?MatrixQ] :=
MatrizRepNova[IdentityMatrix[Length[f2]],IdentityMatrix[Length[e2]],f2,e2,a1]
(* Implementao do mdulo Imagem *)
Imagem[a_?MatrixQ] :=
Module[{m = Caracteristica[Transpose[a]]},
Take[m[[2]],m[[1]]]
]
(* Implementao do mdulo InjectivaQ *)
Sec. 3.8] Anexos: funes lineares e o MATHEMATICA 253
InjectivaQ[a_?MatrixQ] := MatrixRank[a]==Dimensions[a][[2]]
(* Implementao do mdulo SobrejectivaQ *)
SobrejectivaQ[a_?MatrixQ] := MatrixRank[a]==Length[a]
End[]
EndPackage[]
O package ALGA` ` FuncoesLineares dever ser previamente carregado por meio de um
dos comandos
<<ALGA` `
Get["ALGA` `"]
Needs["ALGA` `"]
DeclarePackage["ALGA` `"]
FuncoesLineares
FuncoesLineares
FuncoesLineares
FuncoesLineares
Nas pginas seguintes apresenta-se um que ilustra o uso do e notebook MATHEMATICA
destas funes para resolver alguns problemas sobre funes lineares.

Funes lineares
3.8.1. Ncleo, Imagem, nulidade e caracterstica; injectividade e sobrejectividade
Com o MATHEMATICA, podemos estudar as funes lineares
<< ALGA`FuncoesLineares`
Se a representao matricial (em certo par de bases) for
Ha = 882, 2, 1<, 83, 2, 1<, 81, 4, 0<, 81, 6, 1<<L MatrixForm
2 2 1
3 2 1
1 4 0
1 6 1
Uma base do ncleo ser
ker = NullSpace@aD
884, 1, 10<<
E a nulidade
s = Length@kerD
1
254
Funes lineares [Cap. 3
Uma base da imagem (contradomnio) ser
?Imagem
Imagem@aD devolve uma base da imagemHcontradomnioL do operador representado por a.
img = Imagem@aD
882, 3, 1, 1<, 80, 10, 10, 10<<
A caracterstica
r = Length@imgD
2
Ou ainda
r = MatrixRank@aD
2
O teorema fundamental sobre as dimenses
r + s Dimensions@aD@@2DD
Tr ue
Sec. 3.8] Anexos: funes lineares e o MATHEMATICA
255
A funo injectiva?
?InjectivaQ
InjectivaQ@aD devolve True se o operador representado por a injectivo; False, no caso contrrio.
InjectivaQ@aD
Fal se
E sobrejectiva?
?SobrejectivaQ
SobrejectivaQ@aD devolve True se o operador representado por a Sobrejectivo; False, no caso contrrio.
SobrejectivaQ@aD
Fal se
3.8.2. Mudana de bases e a representao matricial
As funes Mat r i zRep[ ] e Mat r i zRepNova[ ] permitem manipular a representao matricial,
quando se mudam as bases
Exemplo 2.1
? Mat r i zRep
256
MatrizRep@f2,e2,a1D determina a representao matricial nas bases f2,e2 do
operador que representado por a1 emrelao s bases cannicas. No par de bases
indicadas, a primeira base do espao de chegada e a segunda do espao de partida.
? Mat r i zRepNova
MatrizRepNova@f1,e1,f2,e2,a1D devolve a representao emrelao ao par de bases
f2,e2 da funo linear que representada por a1,emrelao ao par de bases f1,e1.Nestes
pares,a primeira base do espao de chegada e a segunda do espao de partida.
Definam-se um par de bases em
3
e
4
por
f2 = 881, 1, 2<, 81, 1, 0<, 82, 1, 1<<;
e2 = 881, 2, 1, 1<, 80, 2, 1, 1<, 82, 3, 2, 1<, 81, 1, 1, 1<<;
Defina-se um segundo par de bases de
3
e de
4
por
f3 = 880, 1, 2<, 82, 1, 1<, 83, 1, 0<<;
e3 = 882, 1, 2, 2<, 81, 1, 1, 2<, 81, 0, 1, 3<, 82, 1, 0, 3<<;
A funo f :
4
3
;( x, y, z, w) #( 2x+3y- z+2w, x- 2y+4z- w, x+5y- 5z+3w) representada em relao s bases
cannicas f 1, e1 de
3
e de
4
pela matriz 34 dos coeficientes da ltima expresso
Ha1 = 882, 3, 1, 2<, 81, 2, 4, 1<, 81, 5, 5, 3<<L MatrixForm
2 3 1 2
1 2 4 1
1 5 5 3
257
A funo f representada em relao s bases f 2 e e2 de
3
e de
4
por
Ha2 = MatrizRep@f2, e2, a1DL MatrixForm
7
2
1 15 2
3
2
2 2 4
0 0 0 0
A mesma funo f representada em relao s bases f 3 e e3 de
3
e de
4
pela matriz obtida por
Ha3 = MatrizRepNova@f2, e2, f3, e3, a2DL MatrixForm
22 6 6 4
35 29 15 4
23 16 9 1
Ou ainda por
Ha3 = MatrizRepNova@IdentityMatrix@Length@f3DD,
IdentityMatrix@Length@e3DD, f3, e3, a1DL MatrixForm
22 6 6 4
35 29 15 4
23 16 9 1
Uma base do ncleo de f ser
ker = NullSpace@a1D
881, 4, 0, 7<, 810, 9, 7, 0<<
258
E a nulidade de f
s = Length@kerD
2
Uma base da imagem (contradomnio) de f ser
img = Imagem@a1D
882, 1, 1<, 80, 7, 7<<
A caracterstica de f
r = Length@imgD
2
Ou ainda
r = MatrixRank@a1D
2
r + s Dimensions@a1D@@2DD
259
Tr ue
A funo f injectiva?
InjectivaQ@a1D
Fal se
E sobrejectiva?
SobrejectivaQ@a1D
Fal se
Exemplo 2.2
A funo f :
4
3
;( x, y, z, w) #( 2x+3y- z+2w, x- 2y+4z- w, 2x- 3y+2z) representada em relao s bases
cannicas f 1, e1 de
3
e de
4
Ha1 = 882, 3, 1, 2<, 81, 2, 4, 1<, 82, 3, 2, 0<<L MatrixForm
2 3 1 2
1 2 4 1
2 3 2 0
3
e de
4
por
260
1
4

1
2
21
4
5
4
33
4

5
2

109
4
7
4
13
2
3
39
2
3
2
A mesma funo f representada em relao s bases
f 3 e e3 de
3
e de
4
36 14 3 23
77 31 6 53
51 24 3 37
Ou ainda por
36 14 3 23
77 31 6 53
51 24 3 37
ker = NullSpace@a1D
8819, 6, 10, 33<<
E a nulidade de f
s = Length@kerD
261
1
img = Imagem@a1D
882, 1, 2<, 80, 7, 12<, 80, 0, 66<<
r = Length@imgD
3
Ou ainda
r = MatrixRank@a1D
3
Tr ue
A funo f injectiva?
262
InjectivaQ@a1D
Fal se
E sobrejectiva?
SobrejectivaQ@a1D
Tr ue
Exemplo 2.3
Definam-se um par de bases em
3
e
2
por
f2 = 881 + I, 2 I, 2 I<, 81, I, 1 + I<, 82 5 I, 2 + I, 3 I<<;
e2 = 882 I, 1 I<, 83 2 I, 2 + I<<;
Defina-se um segundo par de bases de
3
e de
2
por
f3 = 882 2 I, 1 I, 1 + I<, 82 I, 0, 3 I<, 8I, 2 I, 2 + I<<;
e3 = 882 I, 3 + I<, 81 + 3 I, 1 + 2 I<<;
A funo f :
2
3
;( z, w) #( 2z+( 1- i ) w, ( 2- 3i ) z- i w, ( 2+i ) z+( 1+2i ) w) representada em relao s bases
cannicas f 1, e1 de
3
e de
2
Ha1 = 882, 1 I<, 82 3 I, I<, 82 + I, 1 + 2 I<<L MatrixForm
263
2 1
2 3
2 + 1 + 2
3
e de
2
por
1
4

31
4

27
2
+
11
2
223
20
+
239
20
123
10

261
10
19
20

67
20

49
10
+
43
10
A mesma funo f representada em relao s bases f 3 e e3 de
3
e de
2
107
34

3
2
19
17
+
57
17
2
17
+ 2
29
17

2
17
24
17

42
17
52
17
+
41
17
Ou ainda por
107
34

3
2
19
17
+
57
17
2
17
+ 2
29
17

2
17
24
17

42
17
52
17
+
41
17
264
ker = NullSpace@a1D
8<
E a nulidade de f
s = Length@kerD
0
img = Imagem@a1D
882, 2 3 , 2 + <, 80, 1 + 3 , 1 + 5 <<
r = Length@imgD
2
Ou ainda
r = MatrixRank@a1D
2
265
Tr ue
A funo f injectiva?
InjectivaQ@a1D
Tr ue
E sobrejectiva?
SobrejectivaQ@a1D
Fal se
266
4
Determinantes
Sec. 4.2] Permutaes. O grupo simtrico 269
4.1 Introduo
Em muitas aplicaes da lgebra Linear Geometria e Anlise, o conceito de determinante
desempenha um importante papel. Comearemos por um breve estudo do grupo simtrico, aps
o que abordaremos com generalidade a teoria das funes multilineares alternadas e as suas
propriedades. Estas so, na essncia, as propriedades dos determinantes. Definiremos depois as
funes determinante numa base, determinante de uma matriz e determinante de um
endomorfismo. Apresentaremos adiante trs mtodos gerais para o clculo de determinantes de
ordem : o mtodo de condensao, um mtodo recursivo baseado no Teorema de Laplace 8
restrito e um mtodo misto, resultante do uso alternado de condensao e do Teorema de
Laplace. Estudaremos tambm a relao entre a teoria dos determinantes e a caracterstica de
uma matriz, bem como a resoluo de sistemas de equaes lineares custa de determinantes
(regra de Cramer e Teorema de Rouch). O teorema de Laplace restrito conduzir-nos-
definio da noo de matriz adjunta e sua utilizao na inverso de matrizes quadradas
regulares. Na parte final, faremos referncia frmula de Cauchy. No captulo 6, aquando da
abordagem do produto misto, veremos uma interpretao geomtrica do determinante: o
mdulo do determinante de uma lista de vectores numa base ortonormada representa o volume
do paraleleppedo definido por esses vectores.
4.2 Permutaes. O grupo simtrico
Definio 4.1. Permutao Seja um inteiro. Uma de ordem 8 " 8 permutao
a b 1
uma aplicao bijectiva . Designando por a imagem de 5 5 " # 8 " # 8 5 e f e f
5
por meio de , cada permutao ser definida pelas imagens em que, devido 5 5 5 5 8
" # 8
injectividade de , ser . Utilizaremos a notao 5 5 5 5 " 8
" # 8
5 5 5 5 a b a b
" # 8
4.1
para designar a permutao . 5
A funo identidade
I
8
" # 8 " # 8 5 5 e f e f
uma permutao dita permutao identidade de ordem e, usando a notao introduzida 8
acima, poderemos escrever
I
8
" # 8 a b a b 4.2
O nmero de permutaes de ordem de e designaremos por o 8 8 8 " # " 8x a b
8
conjunto de todas as permutaes de ordem : 8
5 5
8
8
8
8x
e f
a b
uma permutao de ordem
#
4.3
1
Ver o exemplo B.35 no apndice B.
270 Determinantes [Cap. 4
Definio 4.2. Transposio Seja um inteiro. Chama-se a uma 8 # transposio
permutao , para a qual existem inteiros com , tais que 7 3 4 " # 8 3 4
8
e f
a b
7
7
7
3
4
5
4
3
5 5 3 4
4.4
portanto, ser 7 " # 3 " 4 3 " 4 " 3 4 " 8 a b
Sendo , o nmero de transposies de ordem de (tantas quantos 8 # 8 8 8 "

a b
8
# #
"
os subconjuntos de ). Para , no existem transposies. De entre as e f e f 3 4 " # 8 8 "
transposies, podemos ainda salientar as chamadas , definidas como transposies elementares
segue:
Definio 4.3. Transposio elementar Seja um inteiro. Chama-se 8 # transposio
elementar a uma permutao , para a qual existe um inteiro , tal que 7 " 3 8
8
a b
7
7
7
3
3"
5
3 "
3
5 5 3 3 "
4.5
O nmero de transposies elementares de , visto ser este o nmero de formas distintas 8 "
de seleccionar o inteiro . " 3 8
Exemplo 4.1. Existe apenas uma permutao de ordem , que a identidade "
"
" e f a b
No existem transposies, quando . 8 "
Exemplo 4.2. Consideremos . Existem permutaes de 2 ordem e, entre estas, 8 # #x #

#
#
" transposio (elementar). Tem-se
#
" # # " e f a b a b
Neste caso, existe apenas a permutao identidade I
#
" # a b e uma transposio elementar
7 a b # " .
Exemplo 4.3. Consideremos . Existem permutaes de 3 ordem e, de entre 8 $ $x '
estas, so transposies. Tem-se

$
#
$
$
" # $ " $ # # " $ # $ " $ " # $ # " e f a b a b a b a b a b a b
Neste caso, alm da permutao identidade I ,
$
" # $ a b existem trs transposies que so
a b a b a b " $ # # " $ $ # " e . Destas, as duas primeiras so elementares.
Exemplo 4.4. Consideremos . Existem permutaes de 4 ordem e, de entre 8 % %x #%
estas, so transposies. Tem-se (ver figura 4.1)

%
#
'
%
" # $ % " # % $ " $ # % " $ % # " % # $ " % $ #
# " $ % # " % $ # $ " % # $ % " # % " $ # % $ "
e f a b a b a b a b a b a b
$ " # % $ " % # $ # " % $ # % " $ % " # $ % # "
% " # $ % " $ # % # " $ % # $ " % $ " # % $ # "
Aqui, alm da permutao identidade I ,
%
" # $ % a b existem transposies que

%
#
'
so a b a b a b a b a b a b " # % $ " $ # % " % $ # # " $ % $ # " % % # $ " . De entre estas, as duas
primeiras e a quarta so elementares.
Para obter as 24 permutaes de 4 ordem, podemos recorrer ao esquema da figura 4.1, que
pode ser usado tambm para outros valores de . Este processo de desdobramento consiste 8
em colocar nos ns-razes (de nvel ) das rvores os nmeros a ; cada um destes ns tem ! 8 " 8
8 " " 8 # descendentes de nvel (diferentes da raiz); estes por sua vez tm descendentes
(diferentes dos ns dos dois nveis anteriores) e assim por diante, at que, no nvel , existe 8 #
apenas um descendente (o nico dos nmeros a que no foi usado antes). " 8
1 2 3 4
2 2 2 3 3 3
3
3
3 3
3 3
3
3
3
3
2
2
2 2
2
2
2
4
4 4
4 4
4
4
4
4
4
4
4
4
4
4
2
2
3
3
2
2
1
1
1 1
1
1
2
1 1
1
1
1 1
1 1 1
4
3
2
1
3
3
3
=24
0
1
2
3
Nvel
Fig. 4.1 Esquema para obter as permutaes de 4 ordem. %x #%
Sejam e duas permutaes de ordem e consideremos, agora, a (tambm 5 5
" #
8 composio
chamada ) de com : produto 5 5
" #
{1,2,...,n} {1,2,...,n}
{1,2,...,n}
Fig. 4.2 Composio (produto) de permutaes.

Como a composta de duas bijeces uma bijeco, segue-se que a composio uma lei
de composio interna em . Portanto, constitui um grupide e, para , este
8 8
a b 8 #
grupide no comutativo. Todavia, a composio , tem (a associativa elemento neutro
permutao identidade ) e, sendo uma funo bijectiva, cada permutao tem uma I
8
5 inversa
5 5 5 5 5
" " "
tal que : trata-se, portanto, de um no comutativo para I
8
grupo (
8 # 8 ) a que chamaremos o . grupo simtrico de ordem
Portanto, tem-se:
8 # b
5 5
" # 8

" # # "
5 5 5 5
a
5 5 5
" # $ 8

" # $ " # $
a b a b 5 5 5 5 5 5
a
5
8
I I
8 8
5 5 5
a b
5 5
" "
8
"
8
5 5 5 5 I
8
Exemplo 4.5. Por exemplo, em , calculemos : tem-se, neste caso,
$
a b a b " $ # $ # "
" $ #
# # $
$ " "
e, portanto, . Do mesmo modo, para , vem: a b a b a b a b a b " $ # $ # " # $ " $ # " " $ #
" " $
# $ "
$ # #
Portanto, ser . Seguem-se a b a b a b a b a b a b $ # " " $ # $ " # " $ # $ # " # $ "
outros exemplos:
# " $ # $ " " $ # # $ " # " $ $ # "
$ " # # $ " " # $ # $ " $ " # " # $ I
$
Exemplo 4.6. O exemplo anterior mostra que . Tem-se ainda, a ttulo a b a b # $ " $ " #
"
de exemplo, algumas composies e inversas em e (verifique as igualdades!),
% &
a b a b a b
a b a b a b
a b a b
a b a b
a b a b
% $ " # # % $ " $ # " %
$ & # " % % # " & $ " & $ % #
$ % " # $ % " #
$ & # " % % $ " & #
# " & $ % #
"
"
"
" % & $
Exemplo 4.7. Sendo uma transposio de ordem , tem-se 7 8
7 7 I
8
a b 4.6
o que mostra que , para qualquer transposio . 7 7 7
"

Exemplo 4.8. Seja e considere-se a transposio de e " 3 4 8 3 4 7
7
7
7
3
4
5
4
3
5 5 3 4
e uma permutao . Calculemos , para o que basta 5 5 5 5 5 5 5 7 a b
" # 3 4 8
atentar no esquema
3 4
4 3
5 5 5 3 4
5
5
5
4
3
5
Daqui se conclui ser
5 7 5 5 5 5 5 a b
" # 4 3 8
Portanto, a troca de dois elementos e entre si numa permutao conduz a uma nova 5 5 5
3 4
permutao que tem a forma , onde uma transposio. a troca de dois 5 7 7 Em particular,
elementos e entre si na permutao leva-nos a uma permutao da consecutivos 5 5 5
3 3"
forma em que transposio elementar. 5 7 7
Com base neste ltimo exemplo, podemos provar a
Proposio 4.1. Decomposio de uma permutao Seja uma permutao de 5
8
ordem . Ento, existem transposies , com , tais que 8 " : 8 7 7 7
" # :
5 7 7 7
" # :
a b 4.7
Demonstrao:
A demonstrao consiste em transformar a permutao identidade I
8
na permutao dada, 5
por sucessivas trocas dos seus elementos: seja
I
8
" # 8 a b
Se , ento troquemos 1 com (se for , passamos para o passo seguinte); aps 5 5 5
" " "
" "
isto, obtm-se a permutao
I
8
# 8 7
"
a b 5
"
Se , ento troquemos com (se for , saltamos para o passo seguinte); aps 5 5 5
# # #
# # #
esta operao, obtemos a permutao
I
8
8 7 7
" #
a b 5 5
" #
Continuando com este procedimento, ao fim de um mximo de trocas ( , sendo : : 8 "
que s ser atingido, se for sempre , ), chega-se a : 8 " 5 5 " # 8 " 5
5
I
8
7 7 7 5
" # :
a b 5 5 5
" # 8
e a proposio est demonstrada, visto que I
8
7 7 7 7 7 7
" # : " # :
.
Vejamos, agora, que toda a transposio um produto de transposies elementares:
Proposio 4.2. Seja uma transposio de ordem . Ento, existem 7 8 #
8
transposies elementares tais que 0 0 0
" # 5

7 0 0 0
" # 5
a b 4.8
Demonstrao:
Considere-se uma transposio de ordem dada por e onde . Se , o 7 8 3 4 4 3 " a b 4.4
resultado imediato, visto que ela prpria elementar. Se , consideremos a 7 3 " 4
permutao identidade
I
8
" # 3 3 " 4 " 4 8 a b
e faamos as transposies elementares que trocam sucessivamente < 4 3 0 0 0
" # <
os elementos nas posies consecutivas , o que levar o a b a b a b 3 3 " 3 " 3 # 4 " 4
elemento a ocupar a posio (o elemento avana desde a posio at posio , atravs 3 4 3 3 4
de trocas entre elementos ocupando posies ) < consecutivas
I
8
" # 3 " 3 # 4 3 8 0 0 0
" # <
a b
De seguida, executemos as transposies elementares que = 4 3 " 0 0
<" <=
trocam os elementos nas posies , o que leva o a b a b a b 4 " 4 # 4 # 4 $ 3 " 3
elemento da permutao anterior a ocupar a posio (o elemento recua at posio , 4 3 4 3
exclusivamente atravs de trocas entre elementos ocupando posies ), obtendo-se consecutivas
finalmente, com (sempre mpar): 5 < = # 4 3 " a b
0 0 0 7
" # 5
" # 4 3 " 4 " 3 8 a b
Com as duas proposies anteriores, bvio que podemos garantir que toda a permutao de
ordem decomponvel num produto de transposies : 8 elementares
Proposio 4.3. Seja uma permutao de ordem . Ento, existem 5 8 "
8
transposies elementares tais que 0 0 0
" # :

5 0 0 0
" # :
a b 4.9
Demonstrao:
Basta substituir em cada transposio pela sua decomposio em transposies a b a b 4.7 4.8
elementares.
O leitor pode a ttulo de exerccio provar a ltima proposio directamente, sem usar . a b 4.8
As proposies anteriores mostram que (que toda a permutao um produto de transposies
podero tambm ser exclusivamente ) e diremos que uma permutao elementares par 5 ou
mpar, consoante for par ou mpar o nmero de transposies nas decomposies ou : a b 4.7
a b a b 4.9 ou . Do mesmo modo, chamaremos de ao inteiro definido por sinal paridade 5 & 5
& 5 a b a b a b "
:
4.10
Portanto, o sinal de ou , conforme a permutao (e ) for par ou mpar. Da 5 5 " " :
definio resulta imediatamente que todas as transposies (elementares ou no) so mpares e
que a permutao identidade I
8
par:
& 7
&
a b
a b
a b
"
" I
8
4.11
A demonstrao da proposio fornece-nos o algoritmo para determinar a paridade de 4.1
uma permutao qualquer , como se mostra nos exemplos seguintes:
a b 2
Exemplo 4.9. A nica permutao de 1 ordem par I
"
a b "
&a b I
"
"
Exemplo 4.10. Determinemos as paridades das permutaes de ordem: # #
a b
a b
&
&
" # "
# " "
Exemplo 4.11. Vejamos, agora, as paridades das permutaes de ordem: ' $
a b
a b
a b
a b
a b
a b
&
&
&
&
&
&
" # $ "
" $ # "
# " $ "
# $ " "
$ " # "
$ # " "
Exemplo 4.12. Determinemos as paridades de seis das permutaes de ordem: #% %
a b
a b
a b
a b
a b
a b
&
&
&
&
&
&
" # $ % "
" $ # % "
# % $ " "
% # $ " "
$ " % # "
$ % # " "
2
A paridade de pode tambm ser calculada mediante a contagem de todos os pares para os 5 5 5
8 3 4
a b
quais se tenha (chamados de ). A permutao ser par ou mpar, consoante for 3 4 5 5 5 5
3 4
inverses
par ou mpar o nmero resultante da contagem referida.
Eis como determinar as ltimas paridades anteriores, partindo da identidade : & " # $ % a b
a b a
a b a b
a b a b a b
a b a b
a b a b a b a b
" # $ % " $ # %
" # $ % # " $ % # % $ "
" # $ % % # $ "
" # $ % $ # " % $ " # % $ " % #
" # $ % b a b $ # " % $ % " #
Vamos, agora, demonstrar a proposio que relaciona o sinal da composta de duas
permutaes com os sinais de cada uma dessas permutaes:
Proposio 4.4. Paridade da composta Seja um inteiro e . Ento 8 " 5 5
w
8
& 5 5 & 5 & 5 a b a b
w w
a b a b 4.12
Demonstrao:
Em virtude de 4.7 , podemos escrever a b
a b a b
a b a b
5 7 7 7 & 5
5 7 7 7 & 5
"
"
" # :
:
w w w w w
" # :
:
w
w
e daqui conclui-se que
5 5 7 7 7 7 7 7
w w w w
" # : " # :
w
Deste modo, a paridade de definida por e fica, por fim, 5 5 : :
w w
& 5 5 & 5 & 5 a b a b a b a b a b a b " " "
w w :: : :
w w
A igualdade significa que, se , a funo a b 4.12 8 #

& " "
8
e f
um homomorfismo do grupo simtrico de ordem sobre o grupo multiplicativo 8 a b
8
comutativo . a b e f " "
Desta proposio resulta imediatamente o seguinte
Corolrio 4.4.1 (Teorema de Bzout) .
a b 3
Seja um inteiro e . Ento, para 8 # 5
8
qualquer , tem-se sempre transposio 7
8
& 5 7 & 5 a b a b a b 4.13
Demonstrao:
Basta atender a que e fazer em . & 7 5 7 a b "
w
a b 4.12
3
: matemtico francs (Nemours 1730 Les Basses-Loges 1783). Bzout, Etienne
Este corolrio significa que toda a permutao muda de paridade, quando sobre ela se
executa uma transposio (Teorema de Bzout), o que permite olhar para o algoritmo que
usmos para determinao da paridade de uma permutao a uma nova luz: partimos de uma
permutao (a identidade ) cuja paridade conhecemos (par) e, por cada transposio I
8
executada, muda essa paridade at obtermos a permutao cuja paridade se pretende determinar:

a b a b

a b a b a b

a b a b
" # $ % " $ # %
" # $ % # " $ % # % $ "
" # $ % % # $ "
par mpar
par par mpar
par mpar
par par mpar mpar

a b a b a b a b " # $ % $ # " % $ " # % $ " % #

a b a b a b " # $ % $ # " % $ % " #
par par mpar
Vamos, de seguida, tratar de mais uma consequncia de : a b 4.12 uma permutao e a sua
inversa tm sempre a mesma paridade.
Corolrio 4.4.2. Seja um inteiro e . Ento 8 " 5
8
& 5 & 5

a b
"
a b 4.14
Demonstrao:
Observando que e que, por definio de inversa, se tem &a b I
8
"
5 5
"
8
I
bastar agora usar 4. para obter a b 12
& 5 5 & 5 & 5

a b "
" "
Se 5 e 5 & 5 & 5
" "
tivessem paridades diferentes, seria , contrariando o resultado a b a b "
anterior.
O teorema de Bzout tem tambm uma implicao interessante: quando , 8 # das 8x
permutaes de ordem , metade so permutaes pares e a outra metade so mpares 8 .
Corolrio 4.4.3. No grupo simtrico de ordem existem sempre permutaes
8
8x
#
8 #
pares e permutaes mpares.
8x
#
Demonstrao:
Seja uma transposio de ordem (uma tal transposio existe, visto que ) e 7 8 8 #
8
0 0 5 5 7
8 8 8
a funo . A funo uma bijeco de sobre si prprio
(demonstre!) que transforma as permutaes pares em mpares e vice-versa (Teorema de
Bzout). Deste modo, se for o nmero de permutaes pares e o nmero de permutaes : 3
mpares, ser e : 3 8x
: 3 3 :
As desigualdades anteriores implicam imediatamente . : 3
8x
#

Na seco 4.16, usamos o para implementar vrias funes teis para MATHEMATICA
trabalhar com permutaes (ver ). package ALGA`Determinantes`

4.3 Funes multilineares
Definio 4.4. Funes -lineares. : Sejam e espaos vectoriais sobre um corpo e I J
p um inteiro positivo. Chama-se (ou ainda -linear) sobre : funo multilinear de ordem :
I J 2 I J Bt Bt Bt 2 Bt Bt Bt com valores em a uma funo , tal que
:
" # : " # :
a b a b
so lineares as funes parciais , isto , para : 2 I J Bt 2 Bt Bt Bt Bt
5 5 " # 5 :
a b
qualquer tem-se: 5 " # :
[ML1] 2 Bt Bt Ct Bt 2 Bt Bt Bt 2 Bt Ct Bt a b a b a b
" 5 : " 5 : " : 5 5
[ML2] 2 Bt Bt Bt 2 Bt Bt Bt a b a b
" 5 : " 5 :
! !
Quando for uma funo escalar ( ), diremos que se trata de uma 2 J forma multilinear.
O conjunto das aplicaes -lineares sobre com valores em constitui um subespao : I J
vectorial do espao vectorial de todas as funes de em . Este subespao Fa b I J I J
: : a b 4
vectorial designa-se por . Quando , coincide com o espao vectorial M M
: :
a b a b I J : " I J
La b I J I J das funes lineares de em .
A funo diz-se , , , etc, conforme for , , , etc. 2 : " : # : $ linear bilinear trilinear
Da condio [ML2] resulta (com ) ! !
2 Bt 9t Bt 9t a b
" I : J
portanto, uma funo multilinear anula-se se for nulo algum dos seus argumentos; por outro
4
O espao est definido atravs das operaes Fa b I J
:
a ba b a b a b
a ba b a b
0 1 Bt Bt Bt 0 Bt Bt Bt 1 Bt Bt Bt
0 Bt Bt Bt 0 Bt Bt Bt
" # : " # : " # :
" # : " # :
! !
A funo (identicamente) nula definida por O
JI
:
O
JI " # : J
:a b Bt Bt Bt 9t
o deste espao e o de ser a funo definida por vector nulo simtrico 0 0
a ba b a b 0 Bt Bt Bt 0 Bt Bt Bt
" # : " # :
Sec. 4.3] Funes multilineares 279
lado, da aplicao repetida de ML1 e ML2 resulta a igualdade seguinte, para qualquer
combinao linear de vectores de , Bt B /t 7 /t I
!
3"
7
3 3 3
2 Bt B /t Bt B 2 Bt /t Bt a b
" "
" 3 3 : 3 " 3 :
3" 3"
7 7
Sendo de dimenso finita e uma base de , cada um dos argumentos I 8 / /t /t /t I a b
" # 8
Bt 2 / B
3 53
de ser combinao linear dos vectores de , atravs das suas coordenadas a b"58
"3:
relativas base /
Bt B /t 3 " # :
3 5 3 5
5 "
8
"
3
3 3
Portanto e devido multilinearidade de , ser 2
2 Bt Bt Bt 2 B /t B /t B /t
B B B 2 /t /t /t
a b

" " "
"
a b
" # : 5 " 5 5 # 5 5 : 5
5 " 5 " 5 "
8 8 8
5 5 5 "
8
5 " 5 # 5 : 5 5 5
" # :
" " # # : :
" # :
" # : " # :
4.15
A ltima expresso mostra que uma funo -linear definida num espao com dimenso : I 8
fica inteiramente determinada pelos seus valores 8 8 8 8
:
:
factores
2 /t /t /t J

5 5 5
" # :
em todas as combinaes de vectores da base .

/t /t /t : /
5 5 5
"5 5 5 8
" # :
" # :
Exemplo 4.13. A funo definida por 2
#
2 B B % B B a b a b
" # " #
4.16
uma ( ) sobre ( ). forma bilinear : # 8 "
Exemplo 4.14. Em geral, as funes definidas por 2
#
2 B B + B B a b a b
" # " #
4.17
e onde uma constante real so ( ) sobre ( ). + : # 8 " formas bilineares
Exemplo 4.15. Mais geralmente, sendo a funo um corpo, definida por 2
:
2 B B B + B B B + B a b a b
$
" # : " # : 4
4"
:
4.18
e onde uma constante de uma sobre (verifique!). Observe que + forma -linear :
+ 2 " " " a b.
Exemplo 4.16. A funo 2 Bt B B Ct C C a b a b a b
# #
#
" # " #
definida, para por
2 Bt Ct B C #B C B C $B C a b a b
" " " # # " # #
4.19
uma sobre (verifique!). forma bilinear
#
Exemplo 4.17. Mais geralmente, as funes 2 Bt B B a b a b
#
#
" #
definidas, para
Ct C C a b
" #
#
por
2 Bt Ct + B C \ E] B B
+ + C
+ + C
a b c d a b
"

34"
#
34 3 4 " #
"" "# "
#" ## #
T
4.20
(onde os so constantes reais) so sobre (prove!). Observe que os + +
34 34
#
formas bilineares
so as imagens das combinaes possveis dos vectores da base cannica de por : % # 2
#
+ 2 " ! " ! + 2 " ! ! "
+ 2 ! " " ! + 2 ! " ! "
"" "#
#" ##
Exemplo 4.18. Mais geralmente ainda, as funes 2 a b
8
#
definidas, para
Bt B B B Ct C C C a b a b
" # 8 " # 8
8
por
2 Bt Ct + B C \ E] B B B
+ + + C
+ + + C

+ + + C
a b c d a b
"

34"
8
34 3 4 " # 8
"" "# "8 "
#" ## #8 #
8" 8# 88 8
T
4.21
(onde os so constantes de ) so sobre . Observe que os so as + +
34 34
8
formas bilineares
imagens dos pares ordenados possveis de vectores da base cannica de por . e so 8 2 \ ]
# 8
matrizes-coluna e a matriz chamada a . E + 2 \ E] c d

34
88
matriz da forma bilinear
T
uma matriz de tipo que identificamos com o seu elemento escalar e bvio que esta matriz " "
simtrica, donde . \ E] \ E] ] E \
T T T T
T
a b
Exemplo 4.19. As funes 2 Bt B B a b a b
#
$
" #
definidas, para quaisquer
Ct C C Dt D D a b a b
" # " #
#
por
2 Bt Ct Dt + B C D a b a b
"
345"
#
345 3 4 5
4.22
(onde os so constantes reais) so sobre (verifique!). Observe que + #
345
$ #
formas trilineares
os so as imagens dos ternos ordenados possveis dos vectores da base cannica + # ) #
345
$
de por .
#
2
Exemplo 4.20. Em geral, sendo funes um corpo, as definidas, para 2 a b
#
:
quaisquer por Bt B B Bt B B Bt B B
" "" #" # "# ## : ": #:
#
a b a b a b
2 Bt Bt Bt + B B B a b a b
"
" # : 5 5 5 5 " 5 # 5 :
5 5 5 "
#
" # :
" # : " # :
4.23
(onde os so constantes de ) so sobre (verifique!). Observe + #
5 5 5
: #
" # :
formas -lineares :
que os so as imagens das listas ordenadas possveis de vectores da base cannica + # :
5 5 5
:
" # :
de por .
#
2
Sec. 4.3] Funes multilineares 281
Exemplo 4.21. Mais geralmente ainda, sendo funes um corpo, as 2 a b
8
:
definidas, para quaisquer
Bt B B B Bt B B B Bt B B B
" "" #" 8" # "# ## 8# : ": #: 8:
8
a b a b a b
por
2 Bt Bt Bt + B B B a b a b
"
" # : 5 5 5 5 " 5 # 5 :
5 5 5 "
8
" # :
" # : " # :
4.24
(onde os so constantes de ) so sobre (verifique!). Observe + 8
5 5 5
: 8
" # :
formas -lineares :
que os so as imagens das listas ordenadas possveis de dos vectores da base + 8 : 8
5 5 5
:
" # :
cannica de por meio de .
8
2
Exemplo 4.22. Seja um intervalo compacto de e o espao das funes reais M M Ca b
contnuas em e considere, para quaisquer , a funo definida M 0 1 M 2 M C C a b a b a b
#
por
2 0 1 0 B 1 B B a b a b a b a b
(
M
d 4.25
Facilmente se verifica que uma sobre . 2 M forma bilinear Ca b
Exemplo 4.23. Seja um intervalo compacto de e o espao das funes reais M M Ca b
contnuas em e considere, para quaisquer funes , a aplicao M 0 0 0 M
" # :
Ca b
2 M a b a b C
:
definida por
2 0 0 0 0 B 0 B 0 B B a b a b a b a b a b
( " # : " # :
M
d 4.26
Facilmente se verifica que uma sobre . 2 M forma -linear : Ca b
Exemplo 4.24. Se forem e espaos vectoriais sobre um corpo , I J K 2 I J
:
uma
funo -linear sobre com valores em e uma funo linear, facilmente se prova : I J ? J K
que uma funo -linear sobre com valores em 1 ? 2 : I K
1 Bt Bt Bt ? 2 Bt Bt Bt a b a b a b a b
" # : " # :
4.27
E F
G
Fig. 3 Composio de uma funo linear com uma funo -linear . 4. ? : 2
Em particular, se e se for uma base de , as projeces dimJ 7 0 0 0 0 J
t t t

" # 7
pr , para
3 < 3
<"
7
<
J Ct C 0 C 3 " # 7
t
"
so formas lineares de em e, portanto, as coordenadas pr da funo J 2 2 I
3 3
:
2 I J : J : 2 I
:
3
-linear com valores em so formas -lineares sobre
2 Bt Bt Bt 2 Bt Bt Bt 0
t
a b a b a b
"
" # : 3 " # :
3"
7
3
4.28
E F
K
Fig. 4 As Coordenadas de uma funo -linear so formas -lineares. 4. 2 : :
3
Reciprocamente, dadas formas -lineares , a funo definida por 7 : 2 I I J
3
: :
2
2 Bt Bt Bt 2 Bt Bt Bt 0
t
a b a b
"
" # : 3 " # :
3"
7
3
uma funo -linear sobre e com valores em . : I J
Exemplo 4.25. Considere-se a funo 2 a b
$ $
#
definida para quaisquer vectores
Bt B B B Ct C C C a b a b
" # $ " # $
$
por
2 Bt Ct B C B C B C B C B C B C a b a b a b
# $ $ # $ " " $ " # # "
4.29
Facilmente se comprova que uma sobre , tomando valores tambm em 2 funo bilinear
$

$ $
(trata-se, afinal, de uma lei de composio interna em ).
Exemplo 4.26. Se forem e espaos vectoriais sobre um corpo , I J K 2 I J
:
uma
funo -linear sobre com valores em e uma funo linear, ento a funo : I J ? K I
0 K J
:
definida por
0 Bt Bt Bt 2 ? Bt ? Bt ? Bt a b a b a b a b a b a b
" # : " # :
4.30
uma sobre com valores em : trata-se da composta de com a funo aplicao -linear : K J 2
? K I Bt Bt Bt ? Bt ? Bt ? Bt
: " # : " # :
: :
a b a b a b a b a b .
Sec. 4.4] Funes multilineares alternadas, simtricas e anti-simtricas 283
G E
F
Fig. 5 Composio de uma funo -linear com a funo . 4. : 2 ?
:
4.4 Funes multilineares alternadas, simtricas e anti-simtricas
Nesta seco, vamos definir alguns tipos particulares de funes multilineares: as funes
alternadas simtricas anti-simtricas , e .
Definio 4.5. Funes -lineares alternadas. : Sejam e espaos vectoriais sobre I J
um corpo , um inteiro e uma funo -linear sobre com valores em . : " 2 I J : I J
:
Diz-se que sse, para quaisquer ndices , se tem 2 " 3 4 : alternada
a b 5
Bt Bt 2 Bt Bt Bt Bt 9t
3 4 " 3 4 : J
a b a b 4.31
As funes -lineares alternadas sobre com valores em formam um subespao vectorial : I J
de M A
: :
a b a b I J I J , que designaremos por .
Portanto, uma funo multilinear diz-se sse nula sempre que forem iguais dois alternada
quaisquer dos seus argumentos.
Definio 4.6. Funes -lineares simtricas e anti-simtricas. : Sejam e espaos I J
vectoriais sobre um corpo e um inteiro. Diz-se que uma funo -linear : " : 2 I J
:
sobre com valores em : I J
i) sse para qualquer permutao e para toda a sequncia simtrica 5
:
a b Bt Bt Bt I
" # :
de vectores de , se tem

a b a b
5 5 5
" # :
" # :
4.32
ii) sse, nas mesmas condies, se tem anti-simtrica

a b a b a b
5 5 5
" # :
& 5
" # :
4.33
As aplicaes -lineares simtricas sobre com valores em constituem um subespao : I J
vectorial de , que designaremos por . M S
: :
a b a b I J I J
5
Observe que, se , o nmero de pares com de , ou seja, igual ao nmero de : # 3 4 " 3 4 : a b

:
#
transposies de ordem . :
Observao:
: " : Quando , observemos que toda a funo -linear simultaneamente alternada,
simtrica e anti-simtrica.
Exemplo 4.27. Atente na figura 4.3 e sejam e espaos vectoriais sobre um corpo e I J K
2 I J : I J
:
uma funo -linear sobre com valores em alternada (respectivamente
simtrica, anti-simtrica). Para qualquer funo linear , a funo -linear ? J K : 1 ? 2
sobre com valores em definida por I K
1 Bt Bt Bt ? 2 Bt Bt Bt a b a b a b
" # : " # :
tambm alternada (respectivamente simtrica, anti-simtrica).
Exemplo 4.28. Com referncia figura 4.5, sejam e espaos vectoriais sobre um I J K
corpo e uma funo -linear sobre com valores em alternada 2 I J : I J
:
(respectivamente simtrica, anti-simtrica). Para qualquer funo linear , a funo ? K I
0 K J
:
definida por
0 Bt Bt Bt 2 ? Bt ? Bt ? Bt a b a b a b a b a b
" # : " # :
uma aplicao -linear alternada (respectivamente simtrica, anti-simtrica) sobre com : K
valores em . J
Podemos caracterizar as funes -lineares simtricas de outras formas equivalentes :
definio 4.6. , como se mostra na i
Proposio 4.5. Caracterizao das funes simtricas Sejam e espaos I J
vectoriais sobre um corpo e um inteiro e uma funo -linear sobre : # 2 I J : I
:
com valores em . Ento so equivalentes as seguintes proposies: J
i) simtrica. 2
ii) Para toda a sequncia de vectores de e para todo o inteiro a b Bt Bt Bt : I
" # :
" 3 :, tem-se
2 Bt Bt Bt Bt Bt 2 Bt Bt Bt Bt Bt a b a b a b
" # 3" 3 : " # 3 3" :
4.34
iii) Para toda a sequncia de vectores de e para quaisquer inteiros a b Bt Bt Bt : I
" # :
" 3 4 :, tem-se
" # 4 3 : " # 3 4 :
4.35
Demonstrao:
As condies so necessrias, visto que as condies e resultam de a b a b a b 4.34 4.35 4.32
fazendo igual a uma transposio elementar ou a uma transposio. Mas elas so tambm 5
suficientes, porque (proposies 4.1 e 4.3) qualquer permutao uma composio de 5
:
transposies (gerais ou elementares).
Podemos enunciar uma proposio semelhante, que se demonstra da mesma forma que a
anterior, para as funes -lineares : : anti-simtricas
Proposio 4.6. Caracterizao das funes anti-simtricas Sejam e espaos I J
vectoriais sobre um corpo , um inteiro e uma funo -linear sobre com : # 2 I J : I
:
valores em . Ento, as seguintes proposies so equivalentes: J
i) anti-simtrica. 2
ii) Para toda a sequncia de vectores de e para todo o inteiro a b Bt Bt Bt : I
" # :
" 3 :, tem-se
" # 3" 3 : " # 3 3" :
4.36
iii) Para toda a sequncia de vectores de e para quaisquer inteiros a b Bt Bt Bt : I
" # :
" 3 4 :, tem-se
" # 4 3 : " # 3 4 :
4.37
Observaes:
Devido a estas equivalncias, alguns autores usam qualquer das condies anteriores como
a prpria definio de funo (respectivamente, ). simtrica anti-simtrica
Como consequncia das proposies anteriores, podemos afirmar:
Numa aplicao -linear irrelevante a ordem dos seus argumentos (o que : : simtrica
significa que no se altera a funo, quando executamos uma operao elementar do tipo sobre "
a lista dos seus argumentos proposio ). a b Bt Bt Bt
" # :
4.5.iii
Pelo contrrio, uma funo -linear muda de sinal quando se faz uma : anti-simtrica
transposio de dois quaisquer dos seus argumentos (o que significa que a funo muda de sinal,
quando executamos uma qualquer operao elementar do tipo sobre a lista " Bt Bt Bt a b
" # :
dos seus argumentos proposio ). 4.6.iii
Exemplo 4.29. A forma bilinear definida, para todo o e 2 Bt B B a b a b
# #
#
" #
todo o , por Ct C C a b
" #
#
2 Bt Ct #B C $B C $B C B C \ E] B B
# $ C
$ " C
a b c d
" " " # # " # # " #
"
#
T
, visto que simtrica
2 Ct Bt #C B $C B $C B C B #B C $B C $B C B C 2 Bt Ct a b a b
" " " # # " # # " " " # # " # #
Observe que a matriz simtrica. E
Exemplo 4.30. A funo trilinear que transforma os terno de vectores 2 a b
# #
$
Bt B B Ct C C Dt D D a b a b a b
" # " # " #
#
no vector
2 Bt Ct Dt $B C D #B C D #B C D #B C D B C D B C D B C D B C D a b a b
" " " " # # # " # # # " " " " # " " " # " " " #
, visto que, trocando dois vectores consecutivos, no se altera o seu valor: simtrica
Assim, trocando com obtm-se Bt Ct
2 Ct Bt Dt $C B D #C B D #C B D #C B D C B D C B D C B D C B D
$B C D #B C D #B C D #B C D B C D B C D B C D
a b a b
a b
" " " " # # # " # # # " " " " # " " " # " " " #
" " " " # # # " # # # " " " " # " " " # "
B C D
2 Bt Ct Dt
" " #
a b
e, por fim, trocando com , Ct Dt
2 Bt Dt Ct $B D C #B D C #B D C #B D C B D C B D C B D C B D C
$B C D #B C D #B C D #B C D B C D B C D B C D
a b a b
a b
" " " " # # # " # # # " " " " # " " " # " " " #
" " " " # # # " # # # " " " " # " " " # "
B C D
2 Bt Ct Dt
" " #
a b
Exemplo 4.31. Sendo uma funo bilinear qualquer, a funo 2 I J 0 I J
# #
definida por
0 Bt Ct 2 Bt Ct 2 Ct Bt
"
#
a b a b a b a b a b 4.38
uma funo , visto que simtrica
0 Ct Bt 2 Ct Bt 2 Bt Ct 2 Bt Ct 2 Ct Bt 0 Bt Ct
" "
# #
Exemplo 4.32. As funes dos exemplos 4.22 e 4.23 so (prove!). simtricas
Exemplo 4.33. Mais geralmente, sendo 2 I J : I
:
uma funo -linear qualquer sobre
com valores em , a funo definida por J 0 I J
:
0 Bt Bt Bt 5 2 Bt Bt Bt a b a b
"
" # :
5
5 5 5
:
" # :
4.39
onde um escalar constante e o somatrio estendido s permutaes de ordem , uma 5 :x :
funo , visto que para qualquer permutao se tem, fazendo , simtrica = 5 5 =
:
w
0 Bt Bt Bt 5 2 Bt Bt Bt
5 2 Bt Bt Bt
0 Bt Bt Bt
"
"
a b
= = = 5 5 5
5
5
5 5 5
" # :
:
w w w
" # :
w
:
w w w
" # :
" # :
Exemplo 4.34. A funo bilinear do exemplo 4.25 . Para 2 a b
$ $
#
anti-simtrica
quaisquer vectores tem-se Bt B B B Ct C C C a b a b
" # $ " # $
$
2 Bt Ct B C B C B C B C B C B C a b a b a b
# $ $ # $ " " $ " # # "
4.40
e trocando a ordem dos argumentos, vem
2 Ct Bt C B C B C B C B C B C B
B C B C B C B C B C B C
B C B C B C B C B C B C 2 Bt Ct
a b a b
a b a b a b a b
a b a b
# $ $ # $ " " $ " # # "
# $ $ # $ " " $ " # # "
# $ $ # $ " " $ " # # "
Exemplo 4.35. O leitor pode facilmente verificar que a forma trilinear definida 2 a b
$
$
por
2 Bt Ct Dt B C D B C D B C B B C D B C D B C D a b
" # $ $ " # # $ " $ # " # " $ " $ #
, visto que anti-simtrica
2 Bt Ct Dt 2 Ct Bt Dt 2 Bt Dt Ct a b a b a b
Exemplo 4.36. Sendo uma funo bilinear qualquer, a funo 2 I J 0 I J
# #
definida por
0 Bt Ct 2 Bt Ct 2 Ct Bt
"
#
a b a b a b a b a b 4.41
uma funo , visto que anti-simtrica
0 Ct Bt 2 Ct Bt 2 Bt Ct 2 Bt Ct 2 Ct Bt 0 Bt Ct
" "
# #
Exemplo 4.37. Mais geralmente, sendo 2 I J :
:
uma funo -linear qualquer, a funo
: 0 I J -linear definida por
:
0 Bt Bt Bt 5 2 Bt Bt Bt a b a b a b
"
" # :
5
5 5 5
:
" # :
& 5 4.42
onde um escalar constante e o somatrio estendido s permutaes de ordem , uma 5 :x :
funo anti-simtrica, visto que para qualquer permutao se tem, fazendo e = 5 5 =
:
w
atendendo a que , & = & = a b a b
"
0 Bt Bt Bt 5 2 Bt Bt Bt
5 2 Bt Bt Bt
5 2 Bt Bt B
"
a b
"
"
a b

= = = 5 5 5
5
5
5 5 5
5
5 5
" # :
:
w w w
" # :
w
:
w w w
" # :
w
:
w w
" #
w "
w "
& 5
& 5 =
& 5 & = t
5 2 Bt Bt Bt
0 Bt Bt Bt
5
5
5 5 5
w
:
w
:
w w w
" # :
& = & 5
& =
a b a b
"
a b a b
w
" # :
As funes multilineares de importantes propriedades, que condensamos alternadas gozam
na seguinte
Proposio 4.7. Propriedades das funes alternadas Sejam e espaos vectoriais I J
sobre um corpo , um inteiro e uma funo -linear. Ento: : # 2 I J :
:
i) Para que seja alternada necessrio e suficiente que, para toda a sequncia 2
a b Bt Bt Bt : I Bt Bt
" # : 3 3"
de vectores de contendo dois vectores consecutivos e
iguais (onde ), se tenha " 3 :
2 Bt Bt Bt Bt Bt 9t a b a b
" # 3 3" : J
4.43
ii) Se alternada, ento anti-simtrica. 2 2
iii) Se o corpo tiver caracterstica diferente de , a recproca da implicao anterior #
tambm verdadeira, isto , toda a funo -linear anti-simtrica ser alternada. : 2
iv) Se alternada, no se altera o valor de para a sequncia de 2 2 Bt Bt Bt a b
" # :
vectores de somando a um qualquer deles uma combinao linear dos I Bt Bt
3 5 5
53
!
"
outros vectores, ou seja,
2 Bt Bt Bt Bt 2 Bt Bt Bt Bt Bt a b a b
"
" # 3 : " # 3 5 5 :
53
" 4.44
Em particular, uma operao elementar do tipo 3 executada sobre a sequncia
a b Bt Bt Bt 2
" # :
no altera o valor de .
v) Se alternada, ento, para qualquer sequncia de vectores 2 Bt Bt Bt Bt a b
" # 3 :
de , qualquer e quaisquer , tem-se I " 3 : ! "
5
2 Bt Bt Bt Bt Bt 2 Bt Bt Bt Bt a b a b
"
" # 3 5 5 : " # 3 :
53
! " ! 4.45
Em particular, a execuo de uma operao de tipo 4 (substituio de um vector Bt
3
por , onde e ) d ! " ! Bt Bt " 3 4 : !
3 4
2 Bt Bt Bt Bt Bt 2 Bt Bt Bt Bt Bt Bt
"
a b a b
" # 3 4 : " # 3 4 4 :
!
! "
vi) Se linearmente dependente e alternada, ento: a b Bt Bt Bt 2
" # :
2 Bt Bt Bt 9t a b a b
" # : J
4.46
vii) Se alternada e se , ento: 2 8 I dim
Se , a funo nula, isto , . : 8 2 I J A O
: JI
a b e f :
Se e uma base de , ento completamente : 8 / /t /t /t I 2 a b
" # 8
determinada pelos seus valores nas sequncias , com

8
:
3 3 3
/t /t /t
" # :
" 3 3 3 8 Bt
" # : 3
Exprimindo cada vector atravs das suas coordenadas
na base por /
Bt B /t 3 " # :
3 5 3 5
5 "
8
"
3
3 3
, para
a funo alternada vem dada pela seguinte expresso: 2
2 Bt Bt Bt B B B 2 /t /t /t a b
" "

" # : 3 " 3 # 3 : 3 3 3
"3 3 3 8 " # : :
" # : " # :
5
& 5 a b
5 5 5
a b 4.47
Na expresso do 2 membro, o somatrio exterior tem parcelas e o somatrio interior
8
:
estende-se ao grupo simtrico das permutaes de ordem e 5 5 5
: " # :
:x : a b
em que o sinal de . & 5 5 a b
viii) Em particular, se e for -linear alternada ( ), ento ser 8 I 2 8 : 8 2 dim
completamente determinada pelo seu valor numa base 2 /t /t /t a b
" # 8
/ /t /t /t I a b
" # 8
de , vindo:
2 Bt Bt Bt B B B 2 /t /t /t a b a b a b

"
" # 8 " # 8 " # 8
5
5 5 5
8
" # 8
& 5 a b 4.48
onde a -sima coordenada do vector em relao base . B 5 Bt / /t /t /t
53 3 " # 8
a b
ix) Uma funo -linear alternada (no identicamente nula) sobre um espao 8 2 O
JI
8
com dimenso anula-se se e s se os seus argumentos formarem uma sequncia 8 8
linearmente dependente.
2 Bt Bt Bt 9t Bt Bt Bt a b a b a b
" # 8 J " # 8
linearmente dependente 4.49
Isto equivale ainda a dizer que uma sequncia linearmente a b Bt Bt Bt
" # 8
independente ( uma base de ) sse . I 2 Bt Bt Bt 9t a b
" # 8 J
Demonstrao:
i) A condio apresentada obviamente necessria, visto que existem dois vectores e Bt
3
Bt
3"
iguais. E tambm suficiente, como se prova a seguir:
" 3 : B Bt Bt Bt I Seja e consideremos uma sequncia de vectores de e a b
" # :
que se anula sempre que dois vectores consecutivos de sejam iguais; ento ser 2 B
2 Bt Bt Bt Bt Bt Bt 9t a b
" 3 3" 3 3" : J
Devido multilinearidade de , vem 2
a b a b
a b

2 Bt Bt Bt Bt 2 Bt Bt Bt Bt
2 Bt Bt Bt Bt
" 3 3 : " 3 3" :
9t
" 3" 3 :
J
a b 2 Bt Bt Bt Bt 9t
" 3" 3" : J
9tJ
Mas ao 1 e a 4 parcelas do 1 membro da igualdade anterior so nulas por hiptese, donde
resulta
2 Bt Bt Bt Bt 2 Bt Bt Bt Bt a b a b
" 3 3" : " 3" 3 :
Daqui se segue que anti-simtrica, pela proposio . 2 4.6.ii
" 3 4 : Bt Bt 4 3 " Por fim, sejam dois ndices e suponha-se que . Se , o
3 4
resultado imediato; se , trocando os vectores e , os vectores e 3 " 4 : Bt Bt Bt Bt
3" 4 3 4
ficam consecutivos e por ser anti-simtrica, vem visto que os vectores 2
2 Bt Bt Bt Bt Bt 2 Bt Bt Bt Bt Bt 9t 9t a b

" 3 3" 4 : " 3 4 3" : J J

iguais
ii) Como alternada, teremos 2
9t 2 Bt Bt Bt Bt Bt Bt
2 B
J " 3 4 3 4 :
" 3 3 : " 3 4 :
9t
a b
a b a b
a b
J
t Bt Bt Bt 2 Bt Bt Bt Bt
" 4 3 : " 4 4 :
9t
" 3 4 : " 4 3 :
a b
a b a b
J
Daqui se segue imediatamente que anti-simtrica (proposio ): 2 4.6.iii
2 Bt Bt Bt Bt 2 Bt Bt Bt Bt a b a b
" 3 4 : " 4 3 :
iii) Suponha-se que anti-simtrica e calculemos com 2 2 Bt Bt Bt Bt a b
" 3 4 :
Bt Bt
3 4
.
2 Bt Bt Bt Bt 2 Bt Bt Bt Bt 9t
" " 2 Bt Bt
a b a b
a b a b
a b a b
" 3 3 : " 3 3 :
" 3 3 : " 3 3 : J
!
" 3
Bt Bt 9t
3 : J
Como o corpo tem caracterstica , ser e, portanto, ser alternada, # " " ! 2
a b 6
porque:
2 Bt Bt Bt Bt 9t a b
" 3 3 : J
6
Como exemplo de corpo em que e no qual este resultado no vlido, considere o corpo " " !
#
! " e f, com as operaes de adio e produto seguintes
! " ! "
! ! " ! ! !
" " ! " ! "

iv) Por ser -linear e alternada, tem-se: 2 :
2 Bt Bt Bt Bt Bt 2 Bt Bt Bt Bt
2 Bt Bt Bt Bt
a b
"
"

a b
" # 3 5 5 : " # 3 :
53
53
5 " # 5 :
"
"
9t
J
, porque o vector
sempre igual a um dos restantes
Bt
5
2 Bt Bt Bt Bt a b
" # 3 :
O resultado enunciado para uma operao elementar do tipo 3 apenas um caso particular
desta proposio (em que, no somatrio , todos os so nulos excepo de um).
!
53
5 5 5
" " Bt
v) Usando a alnea anterior e a -linearidade de , obtm-se imediatamente o resultado : 2
2 Bt Bt Bt Bt Bt 2 Bt Bt Bt Bt
2 Bt Bt Bt Bt
a b
"
a b
" # 3 5 5 : " # 3 :
53
" # 3 :
! " !
!
Quanto operao de tipo 4, ela resulta de um caso particular da propriedade anterior:
2 Bt Bt Bt Bt Bt Bt 2 Bt Bt Bt Bt Bt a b a b
" # 3 4 4 : " # 3 4 :
! " !
para o que basta, agora, multiplicar ambos os membros por . "!
vi) Se linearmente dependente, um dos seus vectores ser combinao a b Bt Bt Bt Bt
" # : 5
linear dos restantes (ver proposio 1.9)
Bt Bt
5 3 3
35
"
!
O resultado agora consequncia da alnea anterior, para o que basta somar ao
!
a b
35
3 3
Bt !
vector , obtendo-se Bt
5
2 Bt Bt Bt 2 Bt Bt Bt Bt 2 Bt 9t Bt 9t a b
"
" 5 : " 5 3 3 : " I : J
35
!
vii) Se , qualquer sequncia de vectores ser linearmente dependente : 8 : Bt Bt Bt a b
" # :
(ver proposio 1.16. ) e o resultado anunciado consequncia imediata da alnea . i anterior
Suponha-se e seja uma base arbitrria de . Exprimamos os : 8 / /t /t /t I a b
" # 8
vectores atravs das respectivas coordenadas na base : a b a b Bt B /
3 53
"3:
"58
"3:
Bt B /t 3 " # :
3 5 3 5
5 "
8
"
3
3 3
Como alternada, na expresso , anulam-se os valores de sempre 2 2 /t /t /t a b

4.15
5 5 5
" # :
que haja ndices repetidos em : a b 5 5 5
" # :
2 Bt Bt Bt B B B 2 /t /t /t a b a b
"
" # : 5 " 5 # 5 : 5 5 5
"5 5 5 8
8
" # :
" # : " # :
4.50
o que reduz o nmero de parcelas em de para apenas (arranjos de , a ) a b 4.15 8 E 8 : :
: 8
:
8 8 " 8 : "
8 8 " 8 : " 8 : x
8 : x
E :x
8x 8
8 : x :
a b a b a b
a b a b a b
a b
a b

8
:
Estas parcelas podem, por sua vez, associar-se em grupos de parcelas nas quais os
8
:
:x
ndices so os mesmos, mas por ordem diferente e ser possvel, em cada um a b 5 5 5
" # :
destes grupos de parcelas, trocar a ordem dos vectores em para

8
:
5 5 5
:x 2 /t /t /t
" # :
2 /t /t /t " 3 3 3 8 :

3 3 3 " # :
" # :
, onde (ordem crescente dos ndices).
Portanto, para cada sequncia , existe tal que e a b 5 5 5 3 5
" # : :
= =
" 3 3 3 8
" # : :
"
. Multiplicando ambos os membros direita por , 5 =
obtm-se e, nesta igualdade, quando varre o grupo simtrico , obtemos todas as 5 3 5 5
:
sequncias que tm os mesmos ndices, mas por diferentes ordens. Como a b 5 5 5 : 2
" # :
anti-simtrica (por ser alternada), vem
2 /t /t /t 2 /t /t /t 2 /t /t /t

a b
5 5 5 3 3 3 3 3 3 :
" # : " # :
" # : 5 5 5
& 5 5
Associando em as parcelas contendo o mesmo valor , ficamos com a b

4.50 :x 2 /t /t /t
3 3 3
" # :

8
:
parcelas do tipo

"
5
3 " 3 # 3 : 3 3 3 " # :
:x
:
" # : " # :
& 5 a bB B B 2 /t /t /t " 3 3 3 8
5 5 5
parcelas
Constatamos, portanto, que o somatrio , que composto de um total de a b 4.50 E :x
8
:
8
:
parcelas, fica decomposto em parcelas do tipo anterior:
8
:
2 Bt Bt Bt a b

"
" # :
"3 3 3 8
" # :
8
:
parcelas
parcelas
parcelas

"
5
3 " 3 # 3 : 3 3 3
:x
E :x
:
" # : " # :
8
:
8
:
& 5 a bB B B 2 /t /t /t
5 5 5

viii) Se for , o somatrio exterior na expresso anterior ter apenas uma parcela : 8
(observe que ) e, alm disso, ser , o que

a b a b
8
8
" # 8 8
" 3 3 3 3 " # 8 I
implica . Assim, para , obtm-se 3 : 8 5 5 5 I
8
2 Bt Bt Bt B B B 2 /t /t /t a b a b

"
" # 8 " # 8 " # 8
8x
5
5 5 5
8
" # 8
& 5 a b
parcelas
Portanto, conclui-se que uma funo -linear alternada sobre um espao vectorial com 8 2 I
dimenso com valores em fica totalmente determinada pelo seu valor numa 8 J 2 /t /t /t a b
" # 8
base de . / /t /t /t I a b
" # 8
ix) A expresso 4.48 implica que, a b se a funo -linear alternada sobre um espao de 8 2 I
dimenso for nula numa base qualquer de , ento ser nula em todos 8 / /t /t /t I 2 a b
" # 8
os pontos de (ser ). I 2
8
JI
O 8 Portanto, se linearmente independente B Bt Bt Bt a b
" # 8
e , dever ser (caso contrrio, anulava-se na base e seria 2 2 Bt Bt Bt 9t 2 B O
JI
8 a b
" # 8 J
2 Bt Bt Bt O
JI
8 ). Por outro lado, a alnea mostra que, se for linearmente @) a b
" # 8
dependente, ento . Portanto, linearmente dependente 2 Bt Bt Bt 9t Bt Bt Bt a b a b
" # 8 J " # 8
sse . 2 Bt Bt Bt 9t a b
" # 8 J

Observaes:
A expresso 4.47 revela um dado muito importante: a b as funes -lineares alternadas :
sobre um espao de dimenso ficam completamente determinadas pelos seus valores nos 8 :

8
:
:
3 3 3 " # :
pontos de da forma , com , e em que I /t /t /t " 3 3 3 8
" # :
/ /t /t /t I a b
" # 8
uma qualquer base de .
4.48 Em particular, pela expresso , uma funo -linear alternada definida num a b 8
espao -dimensional fica totalmente determinada pelo seu valor numa base 8
/ /t /t /t I a b
" # 8
de .
Exemplo 4.38. Para melhor se compreender a estrutura da expresso 4.48 , vejamos o a b
exemplo de uma funo bilinear alternada definida num espao bidimensional ( e I : 8 #
com valores num espao . O somatrio 4.48 ter parcelas. Se for uma J #x # / /t /t a b a b
" #
base de , os argumentos expressar-se-o na base por I Bt Bt /
" #
Bt B /t B /t
Bt B /t B /t
" "" " #" #
# "# " ## #
e ter ento a seguinte expresso: 2 Bt Bt a b
" #
2 Bt Bt B B B B 2 /t /t a b a b a b
" # "" ## #" "# " #
Deste modo, fica completamente determinada pelo valor . 2 2 /t /t J a b
" #
Exemplo 4.39. Para novo exemplo sobre a estrutura da expresso 4.48 , vejamos o caso de a b
uma funo trilinear alternada definida num espao tridimensional ( e com valores I : 8 $
num espao . O somatrio 4.48 ter parcelas. Se for uma base de , J $x ' / /t /t /t I a b a b
" # $
os argumentos expressar-se-o na base por Bt Bt Bt /
" # $
Bt B /t B /t B /t
Bt B /t B /t B /t
Bt B /t B /t B /t
" "" " #" # $" $
# "# " ## # $# $
$ "$ " #$ # $$ $
e ter ento a seguinte expresso: 2 Bt Bt Bt a b
" # $
a b a b B B B B B B B B B B B B B B B B B B 2 /t /t /t
"" ## $$ #" $# "$ $" "# #$ $" ## "$ "" $# #$ #" "# $$ " # $
evidente que fica completamente determinada pelo valor . 2 2 /t /t /t J a b
" # $
Exemplo 4.40. Ilustremos agora o uso da expresso 4.47 mais complexa, atravs do a b
exemplo de uma funo bilinear alternada ( definida num espao tridimensional ( ) : # I 8 $
e com valores num espao . O somatrio exterior ter parcelas e o interior ficar com J $

$
#
#x # $ # ' E / /t /t /t I parcelas, num total de parcelas. Se for uma base de ,
$
#
" # $
a b
os argumentos expressar-se-o na base por Bt Bt /
" #
Bt B /t B /t B /t
Bt B /t B /t B /t
" "" " #" # $" $
# "# " ## # $# $
e, para , vir a seguinte expresso: 2 Bt Bt a b
" #
a b a b a b a b a b a b B B B B 2 /t /t B B B B 2 /t /t B B B B 2 /t /t
"" ## #" "# " # "" $# $" "# " $ #" $# $" ## # $
Neste caso, fica determinada pelos valores , ou seja 2 $ 2 /t /t 2 /t /t 2 /t /t J a b a b a b
" # " $ # $
2 /t /t " 3 4 $ a b
3 4
, com .
4.5 Determinante numa base
Vamos, nesta seco, tratar das definidas num espao com formas -lineares alternadas 8 I
dimenso . 8 "
Sejam, ento, e duas formas -lineares alternadas. Para qualquer dimI 8 2 2 I 8
w 8
sequncia de vectores de e qualquer base , usando a b Bt Bt Bt I

" # 8
/ /t /t /t a b
" # 8
, temos
a b 4.48 ,
2 Bt Bt Bt B B B 2 /t /t /t
2 Bt Bt Bt B B B 2 /t /t /t
a b a b

"
a b a b

"
a b
" # 8 " # 8 " # 8
w w
" # 8 " # 8 " # 8
5
5 5 5
5
5 5 5
8
" # 8
8
" # 8
& 5
& 5
a b
a b
4.51
onde os so as coordenadas dos vectores em relao base e os valores a b a b B Bt /
34 4
"348 "48
2 /t /t /t 2 /t /t /t 2 a b a b
" # 8 " # 8
w
e so de . Se for , ser escalares O
I
8
necessariamente,
2 /t /t /t ! a b
" # 8
e da 1 equao 4.51 tiramos a b
Sec. 4.5] Determinante numa base 295
"
a b
a b
5
5 5 5
" # 8
" # 8
" # 8
8
" # 8
& 5 a bB B B
2 Bt Bt Bt
2 /t /t /t
Substituindo esta expresso na 2 igualdade 4.51 , vem a b
2 /t /t /t
2 /t /t /t
w
" # 8 " # 8
w
" # 8
" # 8
a b a b a b
a b
a b
4.52
Concluimos, assim, que a funo mltipla de , j que constante 2 2
w
2 / / / t t t
2 / / / t t t
w
" # 8
" # 8
a b
a b
(independente de ). Portanto: Bt Bt Bt
" # 8
Todas as formas -lineares alternadas definidas num espao -dimensional so mltiplas 8 8
das que no forem identicamente nulas. Isto significa que o espao das formas - Aa b I 8
lineares alternadas sobre um espao vectorial -dimensional tem dimenso 1 e que qualquer 8 I
forma -linear constitui uma base de . 8 2 I O
I
8 Aa b
dima b a b a b A I " 4.53
Se for 4.52 d, fazendo / /t /t /t I
w w w w
" # 8
a b uma outra base de , a igualdade a b
a b Bt Bt Bt
" # 8
a b /t /t /t
w w w
" # 8
,
2 2 /t /t /t
2

2 /t /t /t
w w
" # 8
" # 8
a b
a b
/t /t /t
/t /t /t
w w w
" # 8
w w w
" # 8
a b
a b
Portanto, o quociente no depende da base de em que calculado, mas somente das
2
2
w
I
funes e . 2 2
w
A igualdade 4.48 mostra que para definir uma forma -linear alternada sobre um espao a b 8
vectorial -dimensional , basta dar o seu valor numa base deste espao. Assim, poremos a 8 I /
seguinte
Definio 4.7. Determinante numa base. Seja um espao vectorial de dimenso I
8 " / /t /t /t I sobre um corpo e uma base de . Chama-se a b
" # 8
determinante na
base / forma -linear alternada (nica) sobre , , cujo valor na base igual 8 I I / det
/
8
a . Portanto, por definio, "

det
/ " # 8
a b a b /t /t /t " 4.54
e, da expresso resulta a b 4.48
det det
/ " # 8 " # 8 / " # 8
"
" # 8
a b a b

"

"
a b
Bt Bt Bt B B B /t /t /t
B B B
5
5 5 5
5
5 5 5
8
" # 8
8
" # 8
& 5
& 5
a b
a b 4.55
em que os so as coordenadas do vector na base . B Bt /
53 3
A definio anterior d origem a uma forma -linear alternada sobre para cada base deste 8 I /
espao e todas estas formas so distintas de (visto que no se anulam na base ). O
I
8 /
Para as compararmos, seja 52 / /t /t /t I
w w w w
" # 8
a b uma segunda base de . A igualdade 4. a b
d, fazendo e e atendendo ainda a , 2 2
w
det det
/ /
w a b 4.54
det det
det
det
det det
/ /
/
/
/ /
w
w
w
a b a b
a b
a b
a b a b
Bt Bt Bt Bt Bt Bt
/t /t /t
/t /t /t
/t /t /t Bt
" # 8 " # 8
" # 8
" # 8
"
" # 8 "
Bt Bt
# 8
Portanto,
det det det
/ / /
w w a b a b a b a b Bt Bt Bt Bt Bt Bt /t /t /t
" # 8 " # 8 " # 8
4.56
Da ltima igualdade resulta ainda, fazendo a b Bt Bt Bt
" # 8
a b /t /t /t
w w w
" # 8
,
" /t /t /t /t /t /t det det det
/ / /
w w w w w w
" # 8 " # 8
w w a b a b /t /t /t a b
" # 8
Consequentemente, para qualquer par de bases de , tem-se a b / / I
w
det
det
/
/
w w w
" # 8
w a b a b /t /t /t
" # 8

"
/t /t /t a b
4.57
4.6 Determinante de um endomorfismo. Determinante de uma matriz
Considere-se um espao vectorial de dimenso e um endomorfismo . Para I 8 " ? I I
qualquer forma -linear alternada e qualquer base , vimos 8 2 I /
8
a b /t /t /t I
" # 8
de
no exemplo 4.28 que a funo definida por 1 I
8
1a b a b a b a b a b Bt Bt Bt 2 ? Bt ? Bt ? Bt
" # 8 " # 8
uma forma -linear alternada sobre . A equao 4. mostra ento que, se , 8 I 2 a b 52 O
I
8
1a b a b
a b
a b
Bt Bt Bt 2 Bt Bt Bt
1 /t /t /t
2 /t /t /t
" # 8 " # 8
" # 8
" # 8
ou seja,
2 ? Bt ? Bt ? Bt 2 Bt Bt Bt
2 ? /t ? /t ? /t
2 /t /t /t
a b a b a b a b a b
a b a b a b a b
a b
" # 8 " # 8
" # 8
" # 8
O quociente
2 ? / ? / ? / t t t
2 / / / t t t
a b a b a b a b
a b
" # 8
" # 8
no depende da base nem da forma -linear alternada / 8
2 ? ? O
I
8 , sendo apenas funo do endomorfismo . Chamar-lhe-emos o de : determinante
Definio 4.8. Determinante de um endomorfismo. Seja um espao vectorial de I
dimenso e um endomorfismo de . O de o escalar (nico), 8 " ? I I I ? determinante
designado por , tal que, para qualquer forma -linear alternada no nula deta b ? 8 2 I
8
Sec. 4.6] Determinante de um endomorfismo. Determinante de uma matriz 297

sobre e qualquer sequncia de vectores de , se tem I Bt Bt Bt I a b
" # 8
2 ? Bt ? Bt ? Bt ? 2 Bt Bt Bt a b a b a b a b a b a b a b
" # 8 " # 8
det 4.58
Podemos, agora, provar algumas das propriedades do determinante de um endomorfismo na
seguinte
Proposio 4.8. Propriedades do determinante de um endomorfismo Seja um I
espao vectorial de dimenso sobre um corpo . ento: 8
i) Se for uma base de , ento para qualquer endomorfismo / a b /t /t /t I
" # 8
? I I Bt Bt Bt I e qualquer sequncia de vectores de , tem-se a b
" # 8
det det
/ /
a b a b a b a b a b a b a b ? Bt ? Bt ? Bt ? Bt Bt Bt
" # 8 " # 8
det 4.59
Em particular, se , ser a b a b Bt Bt Bt /t /t /t
" # 8 " # 8
det det a b a b a b a b a b a b ? ? /t ? /t ? /t
/ " # 8
4.60
ii O determinante da funo identidade igual a " I
I
deta b I
I
"
Mais geralmente, para qualquer escalar , o determinante da homotetia de razo 5
5 5 Bt 5Bt , dado por I
I
deta b a b 5 5 I
I
8
4.61
iii O determinante da composta de dois endomorfismos de igual ao produto dos seus I
determinantes; por outras palavras, para todo o par de endomorfismos de , a b ? @ I
tem-se
det det det a b a b a b a b @ ? @ ? 4.62
iv Um endomorfismo regular (invertvel) se e s se for . Neste ? I I ? ! deta b
caso, tem-se
det

?
"
? a b a b a b det
"
4.63
Demonstrao:
i) Basta considerar 2 det
/
em 4.58 . Fazendo, por fim, a b
a b a b Bt Bt Bt /t /t /t
" # 8 " # 8
em , obtm-se a b 4.59 e atendendo a que det
/
a b /t /t /t "
" # 8
det det a b a b a b a b a b ? ? /t ? /t ? /t
/ " # 8
ii Basta fazer na igualdade 4.60 : ? I
I
a b
det det det a b I I I I
I / I I I /
" a b a b a b a b a b /t /t /t /t /t /t
" # 8 " # 8
Para qualquer escalar , tem-se por 4.60 e devido multilinearidade de , 5 a b det
/
det det det a b 5 I
I / /
a b a b 5/t 5/t 5/t 5 /t /t /t 5
" # 8 " # 8
8 8
iii e atender a Basta aplicar 4.60 ao endomorfismo composto 4.59 a b a b @ ?
det det
det det det det
@ ? @ ? /t @ ? /t @ ? /t
@ ? /t ? /t ? /t @ ?
/ " # 8
/ " # 8
iv Se regular, ento o endomorfismo inverso satisfaz a condio ? ?
"
? ?
"
I
I
e as duas alneas anteriores implicam
det det a b

? ? "
"
o que prova que e que deta b ? !
det det

a b a b ? ?
" "
Reciprocamente, se uma base de , o escalar deta b ? ! e se a b /t /t /t I
" # 8
det
/ " # 8
a b a b a b a b ? /t ? /t ? /t deta b ? !
isto mostra que e que a caracterstica a b a b a b a b ? /t ? /t ? /t
" # 8
c igual a . Portanto invertvel. a b ? 8 ?
Vamos, agora, definir a noo de determinante de uma matriz quadrada sobre um corpo :
Definio 4.9. Determinante de uma matriz. Seja uma matriz E + c d
34
88
quadrada de ordem sobre um corpo . Chama-se e designa- 8 " determinante da matriz E

se por o determinante dos vectores-coluna de na base cannica de . Como as deta b E E
a b 7
8
coordenadas dos vectores-coluna de na base cannica de coincidem com as prprias E
8
componentes que compem esses vectores, da igualdade resulta a b 4.55
deta b a b a b
"
E + + +
5
5 5 5
" # 8
8
" # 8
& 5 4.64
7
Tambm se utilizam as notaes e para designar o determinante da matriz , embora estas se k k k k E + E
34
prestem a alguma confuso com a notao usada para o . mdulo
Sec. 4.6] Determinante de um endomorfismo. Determinante de uma matriz 299
Observaes:
8 " E + Se , a igualdade anterior d para valor do determinante de o prprio c d
""
escalar : +
""
deta b c d + +
"" ""
8x 8 A soma 4.64 estende-se s permutaes do grupo simtrico de ordem e a definio a b
mostra que a forma -linear um elemento de . 8 det A
8
a b
8
8 # 8x " Se e pelo corolrio as parcelas, metade tm tendo a outra 4.4.3, d & 5 a b
metade . & 5 a b "
E E + + + A ordem da matriz diz-se tambm a ordem do e cada produto deta b
5 5 5
" # 8
" # 8
diz-se um do determinante ou da matriz (associado permutao ) e a paridade de termo 5 5
diz-se igualmente paridade do termo.
+ + + O termo associado permutao identidade diz-se do
"" ## 88
termo principal
determinante.
Usando esta terminologia, podemos afirmar que o determinante da matriz a soma dos E
termos pares do determinante com os termos mpares (que s existem para ) 8 #
multiplicados por ".
O determinante de uma matriz pode tambm escrever-se indicando todos os E + c d
34
elementos de : E
deta b

E
+ + +
+ + +

+ + +
"" "# "8
#" ## #8
8" 8# 88
Convm observar que existe uma grande diferena entre a expresso

+ + +
+ + +

+ + +
"" "# "8
#" ## #8
8" 8# 88
(com parntesis rectos) que designa uma matriz e um elemento de e a expresso
88

+ + +
+ + +

+ + +
"" "# "8
#" ## #8
8" 8# 88
(com traos verticais) que designa um escalar do corpo e que o determinante da matriz
anterior. Convm ainda observar que o determinante pode tambm ser encarado como uma
funo (ou seja, um elemento de ). det det E E
88 88
Fa b
A definio de determinante de uma matriz quadrada permite-nos uma escrita alternativa para
algumas das expresses das seces anteriores:
A igualdade pode reescrever-se na forma seguinte a b 4.47
2 Bt Bt Bt 2 /t /t /t
B B B
B B B

B B B
a b
"

" # : 3 3 3
"3 3 3 8
3 " 3 # 3 :
3 " 3 # 3 :
3 " 3 # 3 :
" # :
" " "
# # #
: : :
" # :
a b 4.47.1
onde figuram os determinantes das matrizes de ordem cujas colunas contm as coordenadas :
3 3 3 Bt Bt Bt /t /t /t I
" # :
dos vectores em relao base de . Se a b a b
" # : " # 8
considerarmos a matriz cujas colunas contm as coordenadas na base dos \ 8 / B c d
53
8:
vectores , trata-se de formar os determinantes de todas as submatrizes de ordem a b Bt Bt Bt

" # :
: \ extradas de (e que so em nmero de ).
8
:
A igualdade 48 pode ser escrita da seguinte forma a b 4.
2 Bt Bt Bt 2 /t /t /t
B B B
B B B

B B B
a b a b a b

" # 8 " # 8
"" "# "8
#" ## #8
8" 8# 88
4.48.1
onde figura o determinante da matriz quadrada de ordem cujas colunas contm as 8 8
coordenadas dos vectores em relao base . a b a b Bt Bt Bt / /t /t /t
" # 8 " # 8
A igualdade pode reescrever-se na forma seguinte a b 4.55
det
/ " # 8
"" "# "8
#" ## #8
8" 8# 88
a b a b

Bt Bt Bt
B B B
B B B

B B B
4.55.1
onde figura o determinante da matriz quadrada de ordem cujas colunas contm as 8 8
coordenadas dos vectores em relao base . a b a b Bt Bt Bt / /t /t /t
" # 8 " # 8
/ /t /t /t I Considerando duas bases e de e atendendo a b
" # 8
/ /t /t /t
w w w w
" # 8
a b
igualdade anterior, concluimos que ser o determinante da matriz cujas det
/
w a b /t /t /t
" # 8
colunas so as coordenadas dos vectores em relao base a b /t /t /t
" # 8
/
w
; mas esta matriz
precisamente a matriz de mudana da base para a base (ver equao 2.77 ): X / /
/ /
w
w a b
det det
/ / /
w w a b a b /t /t /t
" # 8
X
Portanto, a igualdade 4.56 pode tambm ser escrita na forma alternativa: a b
det det det
/ / / /
w w a b a b a b a b Bt Bt Bt Bt Bt Bt
" # 8 " # 8
X 4.56.1
Sec. 4.7] Propriedades algbricas dos determinantes 301
I 8 ? I I Se for um espao vectorial de dimenso sobre um corpo e um
endomorfismo de , a equao escreve-se, para qualquer base de , I / /t /t /t I a b a b 4.60
" # 8
det det a b a b a b a b a b ? ? /t ? /t ? /t
/ " # 8
Mas o determinante da matriz cujas colunas so as det
/ " # 8
a b a b a b a b ? /t ? /t ? /t
coordenadas dos vectores da sequncia em relao base . Porm, a b a b a b a b ? /t ? /t ? /t /
" # 8
vimos no captulo 3 equao 3.18 que esta matriz precisamente a representao matricial a b
Q ? ? /
/
a b de em relao base . Portanto,
det det a b a b a b a b ? Q ?
/
4.65
ou seja, o determinante de um endomorfismo igual ao determinante de qualquer das suas
representaes matriciais.
4.7 Propriedades algbricas dos determinantes
Nesta seco, vamos estudar as principais propriedades do determinante de uma matriz
quadrada, as quais, na sua maioria, resultam imediatamente das propriedades das formas - 8
lineares alternadas sobre um espao -dimensional j estudadas antes. 8
Vejamos o que resulta da expresso 64 para e : a b 4. 8 # 8 $
8 # #x # Para , a soma 64 tem parcelas que so: a b 4.

+ +
+ +
+ + + +
"" "#
#" ##
"" ## #" "#
e daqui resulta a seguinte mnemnica simples para o clculo de determinantes de 2 ordem
+
_
Fig. 4.6 Mnemnica para o clculo de determinantes de 2 ordem.
8 $ $x ' Para , a soma 64 tem parcelas que so: a b 4.

+ + +
+ + +
+ + +
+ + + + + + + + + + + + + + + + + +
"" "# "$
#" ## #$
$" $# $$
"" ## $$ #" $# "$ $" "# #$ $" ## "$ "" $# #$ #" "# $$
e daqui resulta a seguinte mnemnica simples, chamada , para o clculo de regra de Sarrus
a b 8
determinantes de 3 ordem
8
: matemtico francs (Sainte Afrique 1798 Sainte Afrique 1861). Sarrus, Pierre Frdrique
+
_
Fig. 4.7 Regra de Sarrus, para o clculo de determinantes de 3 ordem.
De passagem, mencionemos duas variantes interessantes da regra de Sarrus:
Na primeira, copiamos as duas primeiras colunas do determinante para a sua direita.
Ento, os termos pares obtm-se a partir da diagonal principal e das duas diagonais paralelas
direita desta. Os termos mpares obtm-se a partir da diagonal secundria e das duas diagonais
paralelas direita desta, de acordo com a figura seguinte
+
_
Fig. . 4.8 Uma variante da regra de Sarrus, para o clculo de determinantes de 3 ordem
Na segunda variante, copiamos as duas primeiras linhas do determinante para baixo deste.
Ento, os termos pares obtm-se a partir da diagonal principal e das duas diagonais paralelas
abaixo desta. Os termos mpares obtm-se a partir da diagonal secundria e das duas diagonais
paralelas abaixo desta (ver a figura seguinte)
+
_
Fig. . 4.9 Outra variante da regra de Sarrus, para o clculo de determinantes de 3 ordem
O uso de 64 para valores de superiores a 3 torna-se impraticvel, devido ao elevado a b 4. 8
nmero de parcelas (para , seriam j parcelas e, para , esse nmero elevar-se- 8x 8 % #% 8 "!
ia a ): no existem, portanto, mnemnicas simples para e o clculo prtico "!x $'#))!! 8 $
deste tipo de determinantes far-se- por algoritmos que desenvolveremos mais frente.
Nas pginas seguintes, vamos provar as mais importantes propriedades da funo
determinante de matriz, as quais so, na sua maioria, consequncia imediata da matria anterior
respeitante s funes -lineares alternadas em geral: 8
Proposio 4.9. Para qualquer e qualquer matriz , tem-se 8 " E
88
det det

a b a b E E
T
4.66
Demonstrao:
Seja ; ento, ser . Se atendermos a 4.64 , ter-se - F E , +
T
34 43
a b
deta b a b
"
F , , ,
5
5 5 5
" # 8
8
" # 8
& 5
Seja ainda a permutao inversa de e alteremos a ordem dos factores em = 5 5 ,
"
8 3 5
3
cada termo do determinante de de modo a levar os referidos factores a ficarem ordenados por F
ordem crescente dos ndices das linhas; bvio que as transposies que levam permutao 5
identidade transformaro esta na permutao , para a qual se tem em virtude de 4.14 , = a b
& = & 5 a b a b
Atendendo ainda a que a aplicao de em si prprio bijectiva e a que, portanto, 5 =
8
quando percorre , percorre tambm todo o , vem 5 =
8 8
det
det
a b a b a b
" "
"
a b a b
F , , , , , ,
+ + + E
5 =
5 5 5 = = =
=
= = =

" # 8 " # 8
" # 8
8 8
" # 8 " # 8
8
" # 8
& 5 & =
& =
Esta propriedade mostra que o determinante de uma matriz igual ao determinante dos seus
vectores-linha na base cannica de
8
, que nos d a seguinte expresso para o determinante de
E, equivalente a 64 , a b 4.
deta b a b a b
"
E + + +
5
5 5 5
" # 8
8
" # 8
& 5 4.67
Portanto, de ora em diante, escrevemos para designar o determinante da deta b Bt Bt Bt
" # 8
matriz cujas so ou cujas so esses mesmos vectores (a que colunas linhas a b Bt Bt Bt
" # 8
poderemos simplesmente chamar as da matriz). filas
Corolrio 4.9.1. Seja uma matriz complexa de ordem . Ento: E 8
88
i) det det

a b E E
ii) det det

a b E E
iii) Se hermitiana, ento . E E deta b

iv) Se hemi-hermitiana, ento ou , conforme for par ou E E E 3 8 det det a b a b
mpar.
Demonstrao:
i) Resulta imediatamente da definio e das propriedades do operador conjugao em :
det det
" "
a b a b a b E + + + + + + E
5 5
5 5 5 5 5 5

" # 8 " # 8
8 8
" # 8 " # 8
& 5 & 5
ii) Neste caso, tem-se
det det det det

a b E E E E
T
iii) hermitiana Se , tem-se E
E E E E E E E

det det det det det a b a b a b a b a b
iv) hemi-hermitiana Se E , ento se forem as colunas de , +t +t +t E
" # 8
E E E E +t +t +t
E " E
8 E E E
8 E E E 3

" # 8
8
det det det
det det
det det det
det det det
a b a b a b
a b a b a b
a b a b a b
a b a b a b
par
mpar

A proposio seguinte resume algumas propriedades da funo determinante:
Proposio 4.10. Propriedades do determinante de uma matriz A funo
determinante (de uma matriz) goza das seguintes propriedades:
i) deta b a b M "
8
4.68
ii) : para quaisquer Operao elementar de tipo 1 " 3 4 8
det det a b a b a b Bt Bt Bt Bt Bt Bt Bt Bt Bt Bt
" # 3 4 8 " # 4 3 8
4.69
iii) Multilinearidade: para qualquer e , " 3 8 !
det det det
det det
a b a b a b
a b a b
Bt Bt Bt Ct Bt Bt Bt Bt Bt Bt Bt Ct Bt
Bt Bt Bt Bt Bt Bt Bt Bt
" # 3 8 " # 3 8 " # 8 3 3
" # 3 8 " # 3
! !
8
a b 4.70
iv) Para qualquer escalar e qualquer matriz , 5 E
88
det det a b a b a b 5E 5 E
8
4.71
Em particular,
det det a b a b a b a b E " E
8
4.72
v) : para qualquer e , Operao elementar de tipo 2 " 3 8 ! !
det det a b a b a b Bt Bt Bt Bt Bt Bt Bt Bt !
"
" # 3 8 " # 3 8
!
! ! ; 4.73
vi) : para quaisquer e sendo um Operao elementar de tipo 3 " 3 4 8 "
escalar,
det det a b a b a b Bt Bt Bt Bt Bt Bt Bt Bt Bt Bt Bt
" # 3 4 8 " # 3 4 4 8
" 4.74
Mais geralmente, para qualquer e quaisquer escalares , tem-se: " 3 8 "
5
det det a b a b
"
Bt Bt Bt Bt Bt Bt Bt Bt Bt
" # 3 8 " # 3 5 5 8
53
" 4.75
vii) Anulamento do determinante de uma matriz:
deta b a b a b Bt Bt Bt ! Bt Bt Bt
" # 8 " # 8
linearmente dependente 4.76
Demonstrao:
i) Da definio resulta, sendo a base cannica de , / /t /t /t a b
" # 8
8
det det a b a b M /t /t /t "

8 / " # 8
ii) consequncia de ser uma forma -linear alternada e, portanto, anti-simtrica. det 8
iii) Resulta de ser uma forma -linear e, portanto, linear em cada um dos vectores. det 8 8
iv) mais uma consequncia da -linearidade da funo : 8 det
det det det det a b a b a b a b 5E 5+t 5+t 5+t 5 +t +t +t 5 E
" # 8 " # 8
8 8
onde so as colunas de .Fazendo , obtm-se: +t +t +t E 5 "
" # 8
det det a b a b a b E " E
8
v) ii Basta dividir por ambos os membros da segunda igualdade da alnea ! ! da presente
proposio:
det det a b a b Bt Bt Bt Bt Bt Bt Bt Bt
" # 3 8 " # 3 8
! !
vi) iv resultado de particularizar funo a proposio det 4.7. .
vii) ix Ver proposio 4.7. .
Proposio 4.11. Determinante do produto Sejam e A e : 8 F
:8 8:
matrizes dos tipos e respectivamente. Ento: : 8 8 :
i) Se , tem-se : 8
deta b a b EF ! 4.77
ii) Se , ento, usando as notaes da seco 6 do captulo 2 para designar : 8
submatrizes:
det det det a b a b a b
"
c d c d EF E " # : 3 3 3 F 3 3 3 " # :
"3 3 3 8
" # : " # :
" # :
a b 4.78
iii) Se, em particular, ento: : 8
det det det a b a b a b a b EF E F 4.79
Demonstrao:
Sejam:
a matriz produto de por Z E F + ,
::
35 54
c d c d
Z EF
e as bases cannicas dos espaos vectoriais e / /t /t /t = =t =t =t a b a b
" # 8 " # :
8
:
respectivamente;
a funo linear cuja matriz em relao ao par de bases cannicas ? = / E
8 :
a b
Q ? E
=/
:8
a b
Fragmentemos nas suas colunas e calculemos o produto , F : , , , Z EF
t t t
" # :
8
por blocos. Obtemos, assim, as colunas da matriz , pelas expresses: : @t @t @t Z

" # :
:
@t E, 3 " # :
t
3 3
Segundo o que vimos no captulo 3 equao 3.20 isto equivale a dizer que as colunas de a b Z
so as imagens das colunas de por meio de : F ?
@t ? , 3 " # :
t
3 3

Tem-se, pois, por definio de determinante da matriz , Z
det det
det
a b a b

Z @t @t @t
? , ? , ? , , 5 " # :
t t t t
= " # :
= " # : 5
8
, onde , para
Se considerarmos, ento, a forma -linear alternada sobre definida por : 2
8
2 Bt Bt Bt ? Bt ? Bt ? Bt a b

" # : = " # :
det ,
poderemos escrever
deta b

Z 2 , , ,
t t t
" # :
Como se viu na proposio tem-se: 4.7. vii
i) Se , ser , donde : 8 2 O
I
:
deta b Z !
ii) Para , vir por , : 8 a b 4.47.1
deta b
!

Z 2 , , ,
t t t
, , ,
, , ,

, , ,
" # :
"3 3 3 8
" # :
3 " 3 # 3 :
" " "
3 " 3 # 3 :
# # #
3 " 3 # 3 : : : :
F det 3 3 3 "#:
" # :
3 3 3
" # :
2 / / / t t t

a b 1
Mas, da definio de , obtm-se 2
2 /t /t /t ? /t ? /t ? /t

a b
3 3 3 = 3 3 3
" # : " # :
det 2
Porm, igual ao determinante da matriz cujas colunas so det
= 3 3 3

? /t ? /t ? /t
" # :
as coordenadas em relao base cannica de dos vectores , ou = ? /t ? /t ? /t
:
3 3 3

" # :
seja, as colunas de ndices da representao matricial da funo linear 3 3 3 E Q ?
" # : =/
a b
?:
det
= 3 3 3
"3 "3 "3
#3 #3 #3
:3 :3 :3
E "#

? /t ? /t ? /t
+ + +
+ + +

+ + +
" # :
" # :
" # :
" # :
deta b c d :3 3 3
" # :
a b 3
O resultado anunciado obtm-se, agora, substituindo 3 em 2 e, de seguida, em 1 . a b a b a b
iii) A expresso tem parcelas e, se ter apenas uma parcela, sendo a b 4.78
8
:
: 8
det det
det det
a b a b c d
a b a b c d
E " # : 3 3 3 E
F 3 3 3 " # : F
" # :
" # :
O resultado imediato e confirma o j obtido em . a b 4.62
Exemplo 4.41. Podemos verificar a expresso , usando as matrizes a b 4.78
E F
# $ "
& # %
$ !
# &
" %

e
Temos, calculando directamente o determinante de , EF
Z EF
# $ " "" ""
& # % "& '
$ !
# &
" %
Z "" "" ' "& **
"" "" " "
"& ' "& '

a b a b

det
Por outro lado, usando , obtm-se parcelas a b

4.78
$
#
$
deta b

Z
# $ $ ! # " $ ! $ " # &
& # # & & % " % # % " %
% "& "& ! ) & "# ! "# # ) &
"* "& "$ "# "! $ #)& "&' $! **
Corolrio 4.11.1. Seja . U 8 ma matriz regular se e s se e, neste E E !
n,n
deta b
caso,
det det

a b a b a b E E
" "
4.80
Demonstrao:
J vimos que tem inversa se e s se as suas linhas (e tambm as colunas) forem E linearmente
independentes e isto equivale condio , por . Supondo satisfeita esta deta b a b E ! 4.76
condio ter-se-
EE M
"
8
Usando as equaes , vem a b a b 4.68 e 4.79
det det a b

E E "
"
O resultado , agora, imediato.
A proposio seguinte d conta de um importante resultado sobre determinantes e que ser
utilizado para provar o teorema de Laplace.
Proposio 4.12. Determinante de uma matriz triangular Seja um inteiro e < " E
uma matriz triangular superior de submatrizes sobre um corpo
E
E E E
S E E

S S E

"" "# "<
## #<
<<
onde as matrizes so quadradas de ordem (sendo de ordem ). a b
!
E : E 8 :
55 5 5
"5<
5"
<
Nestas condies,
det det a b a b a b
$
E E
5"
<
55
4.81
Demonstrao:
Bastar provar para , sendo o caso geral imediato, por induo em . < # <
Seja ento
E
Q F
S R

8::
88
uma matriz quadrada de ordem e uma matriz quadrada de ordem . 8 " Q ! : 8

::
Claro est que ser quadrada de ordem e . Pretende-se mostrar que R 8 : ! F
:8:
det det det a b a b a b E Q R
Seja a base cannica de , o subespao de / /t /t /t I P /t /t /t a b a b
" # 8 " # :
8 8

gerado por e o subespao de gerado por , /t /t /t J P /t /t /t a b a b
" # : :" :# 8
8
- /t /t /t I J : 8 : a b
:" :# 8
. claro que e tm dimenses e , respectivamente, e que

8 8
soma directa de com : . I J I J
Sejam ainda:
? Bt EBt E o endomorfismo de representado por em relao base
8 8 8
cannica de . / /t /t /t a b
" # 8
8
@ I I Bt QBt I Q o endomorfismo de representado por em relao base

, /t /t /t I a b
" # :
de .
A J J Bt RBt J R E, finalmente, o endomorfismo de representado por em
relao base de . - /t /t /t J a b
:" :# 8
Tem-se, portanto,
E Q ? Q Q @ R Q A
/ , -
a b a b a b , e
Daqui se conclui que
det det det
det det det
det det det
a b a b a b a b
a b a b a b a b
a b a b a b a b
a b
? Q ? E
@ Q @ Q
A Q A R
/
,
-
1
Dada a forma triangular da matriz e as definies anteriores, podemos escrever, E + c d
34
para : 4 " # :
? /t + /t + /t !/t
@ /t 4 " # :
a b
" " "
a b
a b
4 34 3 34 3 3
3" 3" 3:"
8 8 :
4
2
Mas, para , 4 : " : # 8
? /t + /t + /t + /t
+ /t A /t 4 : " : # 8
a b
" " "
"
a b
a b
4 34 3 34 3 34 3
3" 3" 3:"
8 8 :
3"
:
34 3 4
I
3
Da 1 igualdade 1 , obtm-se, atendendo a 2 , a b a b
det det det
det
a b
E ? ? /t ? /t ? /t
@ /t @ /t @ /t ? /t ? /t
/ " # 8
/ " # : :" 8
4
Considere-se, agora, a funo definida por 1 I
:
1 Bt Bt Bt Bt Bt Bt ? /t ? /t a b a b a b a b a b
" # : / " # : :" 8
det 5
A funo uma forma -linear alternada sobre e, portanto, atendendo a 1 1 : I a b
1 @ /t @ /t @ /t @ 1 /t /t /t Q 1 /t /t /t a b a b a b a b a b a b a b a b a b
" # : " # : " # :
det det 6
Substituindo por em 5 , obtm-se a b a b a b Bt Bt Bt /t /t /t
" # : " # :
1 /t /t /t /t /t /t ? /t ? /t a b a b a b a b
" # : / " # : :" 8
det
mas, por ser uma forma -linear alternada, podemos atender a 3 e usar para det
/
8 a b a b 4.75
obter
1 /t /t /t /t /t /t + /t A /t + /t A /t
/t /t /t A /t A /t
a b a b a b

" "
a b a b a b a b
" # : / " # : 3:" 3 :" 38 3 8
3" 3"
: :
/ " # : :" 8
det
det 7
Atendendo a 4 , 5 , 6 e 7 , obtm-se: a b a b a b a b
det det det a b a b a b a b a b a b a b a b a b E 1 @ /t @ /t @ /t Q /t /t /t A /t A /t
" # : / " # : :" 8
O resultado fica, portanto, demonstrado se pudermos provar que
det det
/ " # : :" 8
a b a b a b a b a b /t /t /t A /t A /t R 8
Para tal, consideremos a funo , definida por 2 J
8:
2 Bt Bt Bt /t /t /t Bt Bt Bt a b a b
:" :# 8 / " # : :" :# 8
det
A funo uma forma -linear alternada sobre e, portanto, atendendo a 1 , 2 8 : J a b a b
2 A /t A /t A /t A 2 /t /t /t
R 2 /t /t /t
a b a b
:" :# 8 :" :# 8
:" :# 8
det
det
Mas, da definio de resulta 2
2 /t /t /t /t /t /t /t /t /t " a b a b
:" :# 8 / " # : :" :# 8
det
e portanto,
2 A /t A /t A /t R a b a b a b a b a b
:" :# 8
det
O primeiro membro de 8 vale ento a b
det det
/ " # : :" 8 :" :# 8
a b a b a b a b a b a b a b a b /t /t /t A /t A /t 2 A /t A /t A /t R
como queramos demonstrar.
Corolrio 4.12.1. Seja uma matriz triangular superior, isto E + ! + c d
34
88
34
para . Ento 3 4
deta b a b
$
E +
5"
8
55
4.82
Demonstrao:
consequncia imediata da proposio anterior. Pode tambm verificar-se este resultado
directamente: recordemos a expresso 4.64 a b
deta b a b
"
E + + +
5
5 5 5
" # 8
8
" # 8
& 5
Vamos ver que, das parcelas deste somatrio, no necessariamente nula: 8x s uma
Se , ser ; Portanto, para que o termo associado a no seja nulo, tem que 5 5
" "
" + !
5
"
ser
5
"
"
Quanto a , ser ; ento, dever ser e se , ser . Portanto, 5 5 5 5 5
# # " # # #
" # # + !
5
#
para que o termo associado a no seja nulo, tem que ser 5
5
#
#
Continuando com este raciocnio, conclui-se que dever ser , para todo o , ou 5
5
5 " 5 8
seja, . Assim, o nico termo no necessariamente nulo igual a e que est 5 + I
8 55
5"
8
#
associado permutao identidade (termo principal). 5 I
8

Observaes:
Usando a proposio que a proposio 4.9, fcil provar 4.12 e o seu corolrio so
vlidos igualmente para matrizes triangulares , visto que inferiores

E S S E S S
E E S E E S

E E E E E E

E E E
S E
"" ""
#" ## #" ##
<" <# << <" <# <<
"" #" <"
#
det

T
T T T
# <#
<<
5" 5"
< <
55 55
T T
T
T
E

S S E
E E
$ $
a b det det
E F : ; Y
E G
H F
Sejam e matrizes de ordens e sobre um corpo e
:: ;;

(ser obviamente e ). Ento, supondo invertvel, podemos escrever G H E
:; ;:
Y
M S
HE F HE G
E G
S M

: :;
" "
;: ;
Ento, atendendo proposio 4.12, teremos
det det det Y E

F HE G E !
"
, com det
Do mesmo modo, se for invertvel, podemos escrever F
Y
E GF H GF
S M H F
M S

" "
;: ;
: :;
Da proposio 4.12 resulta agora
det det det Y F

E GF H F !
"
, com det
4.8 Algoritmo de condensao para o clculo de determinantes
Com base no que sabemos sobre o efeito das operaes elementares sobre o valor do
determinante de uma matriz e de ser fcil o clculo do determinante de uma matriz triangular,
podemos agora usar o algoritmo de condensao para levar o determinante forma triangular
superior, aps o que o resultado imediato, usando a igualdade . este o primeiro dos a b 4.82
mtodos gerais para o clculo de determinantes (em particular, de ordem superior a 3). Note-se
que, neste caso, podem fazer-se operaes elementares com linhas e tambm com colunas ao
longo do procedimento, se isso nos for conveniente.
O quadro seguinte ilustra, em pseudo-cdigo, o algoritmo de condensao vertical, adaptado
ao clculo de determinantes: o input a matriz quadrada de ordem e o output o seu a n
determinante . d
Sec. 4.8] Algoritmo de condensao para o clculo de determinantes 313
% a matriz quadrada de ordem n
n=Ordem(a); r=0; d=1;
Enquanto r n

% Busca do Pivot:
i=r;
Fazer
i=i+1
Enquanto a 0 i n;
Se a 0 ento
i,r+1
i,r+1

% a pivot?

% Reduo da coluna r de a:
Se i r ento

Linha Linha ; % Ope
i,r+1
i r
< < "
rao de tipo 1
d=-d % Anti-simetria
FimSe
pivot=a ;
d=pivot*d; % Multilinearidade
Linha
rr
r r
i i ir r
=Linha /pivot; % Operao de tipo 2
Para i=r+1 at n
Linha =Linha -a *Linha % Operao de tipo 3
FimPara
Seno

d=0;
Devolver d
FimSe
FimEnquanto;
% Sada do resultado:
Sada: d
Na seco 4.16, apresenta-se a implementao do algoritmo anterior utilizando o software
MATHEMATICA
, constituindo a funo definida no CondensacaoDet package intitulado

ALGA`Determinantes`.
Exemplo 4.42. A ttulo de exemplo, calculemos o determinante da seguinte matriz de 5 E
ordem, pelo mtodo de condensao vertical:
detE
" # ! # $ " # ! # $
% $ " # # % $ " # #
$ ! # % " $ ! # % "
# & " ! $ # & " ! $
% " " # ! % " " # !

" # ! # $
! "" " "! "%
! ' # "! )
! " " % *
! * " ' "#

" # ! # $ " # ! #
! " " % *
! ' # "! )
! "" " "! "%
! * " ' "#
$ " # ! # $
! " " % * ! " " % *
! ! % $% '# ! ! # "( $"
! ! "# &% ""$ ! ! "# &% ""$
! ! ) %# *$ ! ! ) %# *$
#
#
" # ! # $
! "

" % * ! " " % *
! ! # "( $" ! ! # "( $"
! ! ! %) ($ ! ! ! %) ($
! ! ! #' $" ! ! ! ! #!&
#
#%
" # ! # $
" " # %) #!& "'%!
"
"#

a b
4.9 Teorema de Laplace
Na presente seco, vamos enunciar um teorema que nos vai conduzir a um novo mtodo
geral (recursivo) para o clculo de determinantes: trata-se do teorema de Laplace :
a b 9
Proposio 4.13. Teorema de Laplace (geral) Sejam e nmeros 8 " ! : 8
inteiros e uma matriz quadrada de ordem sobre um corpo . Para quaisquer E 8 :
88
colunas de , com ndices e usando as notaes da seco 6 do E " 4 4 4 8
" # :
captulo 2 para as submatrizes de , o determinante de pode ser calculado por E E
"
a b a b a b a b c d a b
"3 3 8
3 4
" : " : " : " :
" :
5"
:
5 5
" E 3 3 4 4 E 3 3 4 4
!
a b
det det 4.83.1
O segundo membro da igualdade anterior chamado o desenvolvimento de Laplace de
deta b E segundo as colunas 4 4 4
" # :
. Existem desenvolvimentos de Laplace para o
8
:
determinante de segundo colunas (correspondentes a outras tantas sequncias estritamente E :
crescentes de ndices das colunas) tendo o somatrio na expresso 4 4 4
" # :
a b 4.83.1
um nmero de parcelas tambm igual a .
8
:
Demonstrao:
Seja a base cannica de e as colunas de . / /t /t /t +t E + a b a b c d
" # 8 5
8 88
"58
34

Fixemos colunas em , de ndices e defina-se uma funo : E " 4 4 4 8
" # :
2 a b
8
:
mediante a igualdade
2 Bt Bt Bt +t +t Bt +t +t Bt +t +t Bt +t +t

4 4 4 / " 4 " 4 4 " 4 " 4 4 " 4 " 4 4 " 8
" # : " " " # # # : : :
det
A funo uma forma -linear alternada sobre e a definio de mostra que 2 : 2
8
det det a b a b

E +t +t +t 2 +t +t +t
/ " # 8 4 4 4
" # :
Atendendo a , obtm-se, fazendo uso das notaes introduzidas na seco 6 do captulo a b 4.47.1
2 para a designao das submatrizes de , E
det
det
a b
"

"
E 2 /t /t /t
+ + +
+ + +

+ + +
"3 3 3 8
3 4 3 4 3 4
3 4 3 4 3 4
3 4 3 4 3 4
3 3 3
"3 3 3 8
" # :
" " " # " :
# " # # # :
: " : # : :
" # :
" # :
a b a b c d

E 3 3 4 4 2 /t /t /t
" : " : 3 3 3
" # :
1
Recorrendo definio da forma -linear alternada , tem-se: : 2
2 /t /t /t +t +t /t +t +t /t +t +t /t +t +t

3 3 3 / " 4 " 3 4 " 4 " 3 4 " 4 " 3 4 " 8
" # : " " " # # # : : :
det
9
: astrnomo, matemtico e fsico francs (Beaumont-en-Auge 1749 Paris Laplace, Pierre-Simon, marquis de
1827).
Sec. 4.9] Teorema de Laplace 315
Transpondo sucessivamente (que est na coluna ) com todos os vectores anteriores, /t 4
3 "
"
leva-se aquele vector para a coluna (aps transposies elementares); repetindo o " 4 "
"
processo para , podemos deslocar este para a coluna , aps transposies e assim /t # 4 #
3 #
#
sucessivamente at levar o vector para a coluna (executando mais transposies /t : 4 :
3 :
:
elementares). Terminado este processo e atendendo anti-simetria da forma -linear alternada 8
det
/ 3 3 3
, levamos os vectores para as primeiras colunas, /t /t /t :
" # :
sem alterar a ordem dos
restantes 8 : +t = 4 5 vectores ; fazendo , obtm-se:
5 4 5
5" 5"
: :
! !
2 /t /t /t
" /t /t /t +t +t +t +t +t +t +t +t

a b

3 3 3
=
/ 3 3 3 " 4 " 4 " 4 " 4 " 4 " 4 " 8
" # :
4
" # : " " # # : :
det
Porm, tambm funo -linear alternada (logo, anti-simtrica) das da matriz e, det
/
8 linhas
como , podemos praticar com as linhas um processo de 3 3 3 3 3 3
" # : " # :
transposies elementares sucessivas semelhante ao usado para as colunas e que 4 4 4
" # :
leve aquelas linhas (que contm as componentes iguais a nos vectores ) a ocupar as " /t :
3
5
primeiras posies; O nmero total de transposies a realizar ser, como antes, de
= 3 5
3 5
5" 5"
: :
! !
. Usando as notaes da seco 6 do captulo 2 para designar as submatrizes
de e aps este procedimento, somos conduzidos, usando , s igualdades: E a b 4.81
2 /t /t /t " "
M E 3 3 4 4
S E 3 3 4 4
"
M E 3 3 4 4
S E 3 3 4

a b a b

b c
a b
a b

b c
a b
3 3 3
= = : " : " :
8:: " : " :
= = : " : " :
8:: " :
" # :
3 4
3 4
+
" :
= =
: " : " :
"
= =
" : " :
4
" M E 3 3 4 4
" E 3 3 4 4
a b a b a b
a b
a b a b a b a b
3 4
3 4
+
+
det det
det 2
Mas
= = 3 5 4 5
3 4 # 5 3 4 : : "
3 4 5 5
5" 5" 5" 5"
: : : :
5" 5" 5"
: : :
5 5 5 5
+

" " " "
" " "
a b a b a b
donde:
a b a b a b
a b
a b
" " "
"
"
= =
3 4 : :" 3 4
3 4
: :"
"
3 4
5" 5"
: :
5 5 5 5
5"
:
5 5
+
! !
a b a b a b
!
a b
a b
par
Substituindo o valor obtido para na expresso 2 de , obtemos a b a b

" 2 /t /t /t
= =
3 3 3
3 4
" # :
+
2 /t /t /t " E 3 3 4 4

a b a b a b
3 3 3 " : " :
3 4
" # :
5"
:
5 5
!
a b
det
Substituindo esta igualdade em 1 , obtm-se finalmente . a b a b 4.83.1
Observaes:
: " 8 " Considerando que pode tomar valores entre e e usando o binmio de Newton, o
nmero de formas de aplicar o teorema de Laplace a quaisquer colunas de ser E
" "

a b

:" :!
8" 8
8 8 8"
8 8
: :
# " " # # # # # "
Considerando ainda que o desenvolvimento de Laplace por determinadas colunas coincide :
com o desenvolvimento pelas colunas complementares (visto que e que 8 :
8 8
: 8:
menores complementares tm a mesma paridade), o nmero de desenvolvimentos de Laplace
distintos por colunas de , de facto, metade do total calculado acima: E
Nmero de desenvolvimentos por colunas # "
8"
a b 4.84
E E Por ser , tambm vlida uma frmula semelhante a , mas det det a b a b a b
T
4.83.1
dizendo respeito a linhas de : o : E desenvolvimento de Laplace de segundo as linhas deta b E
3 3 3
" # :
; portanto, fixando quaisquer ndices de linhas , o : " 3 3 3 8
" # :
determinante de dado pela expresso: E
88
"
a b a b a b a b c d a b
"4 4 8
3 4
" : " : " : " :
" :
5"
:
5 5
" E 3 3 4 4 E 3 3 4 4
!
a b
det det 4.83.2
Existem desenvolvimentos de Laplace para o determinante de segundo linhas
8
:
E :
(correspondentes s sequncias estritamente crescentes de ndices das linhas) 3 3 3
" # :
tendo o somatrio na expresso um nmero de parcelas tambm igual a ; Quanto a b 4.83.2
8
:
ao nmero de desenvolvimentos de Laplace por linhas igualmente de . distintos , ele # "
8"
E 3 3 4 4 : A expresso que o determinante da submatriz (de ordem ) deta b c d
" : " :
de formada pelas linhas de ndices e pela colunas de ndices chamada o E 3 3 4 4
" : " :
menor paridade de ordem formado por aquelas filas de e o valor define a : E ? 3 4
!
a b
5"
:
5 5
do menor (o menor diz-se ou consoante aquela soma for par ou mpar). par mpar ?
3 3 4 4 E 3 3 4 4 Se , o menor diz-se . a b a b a b c d
" : " : " : " :
det principal
formado por elementos de pertencentes a linhas e colunas com iguais ndices (o que significa E
que a diagonal principal de uma parte da diagonal principal de ). E 3 3 4 4 E c d
" : " :
Existem menores principais de ordem num determinante de ordem e bvio que todo o
8
:
: 8
menor principal , visto que par. par ? 3 3 # 3
! !
a b
5" 5"
: :
5 5 5
E 3 3 4 4 E O valor que o determinante da submatriz de (de ordem deta b a b
" : " :
8 : 3 3 4 4 ) obtida eliminando as linhas de ndices e as colunas de ndices
" : " :
chamada o do menor . Um menor e o seu menor complementar deta b c d E 3 3 4 4
" : " :
menor complementar , visto que a soma das paridades tm necessariamente a mesma paridade
dos dois que sempre um nmero par (se as paridades fossem # " # 8 8 8 " a b a b
distintas, a soma referida seria mpar!). O complementar de um menor principal de ordem :
outro menor principal (de ordem ). 8 :
E 3 3 4 4 Chama-se ou de um menor cofactor complemento algbrico deta b c d
" : " :
ao produto de pelo respectivo menor complementar ; a b a b a b " E 3 3 4 4
?
" : " :
det
usaremos a notao cofa b deta b c d E 3 3 4 4
" : " :
cof 4.85.1 a b a b det det a b a b a b c d a b E 3 3 4 4 " E 3 3 4 4
" : " : " : " :
3 4
!
a b
5"
:
5 5
Um menor de ordem ser obviamente igual ao elemento da linha e : " + 3 deta b c d E 3 4 e
34
da coluna de ; a sua paridade dada por e o menor complementar 4 E 3 4 deta b a b E 3 4 de
ordem . O cofactor de ser 8 " +
34

cofa b a b a b a b +
34
" E 3 4
34
det a b 4.85.2
em que designa a submatriz de ordem obtida de por eliminao da linha e da E 3 4 8 " E 3 a b
coluna . 4
O valor da paridade exclusivamente funo da posio do elemento de a b a b " 3 4 E
34
+
34
e o clculo deste valor pode ser feito facilmente usando a mnemnica ilustrada na figura seguinte

Fig. 4.10 Mnemnica para determinar a paridade dos menores de 1 ordem.
Usando a terminologia que acabmos de introduzir, podemos enunciar o teorema de
Laplace (nas suas duas variantes) do seguinte modo:
O determinante de uma matriz de ordem igual soma dos produtos dos menores de 8
8
:
ordem contidos em filas paralelas (linhas ou colunas) pelos respectivos cofactores. : :
Este enunciado traduz as duas frmulas seguintes (desenvolvimento de Laplace do
determinante de por colunas ou por linhas, respectivamente): E : :
"
a b a b c d c d
"
a b a b c d c d
"3 3 8
" : " : " : " : " # :
"4 4 8
" : " : "
" :
" :
det det
det det
E 3 3 4 4 E 3 3 4 4 " 4 4 4 8
E 3 3 4 4 E 3
cof
cof
a b
a b 3 4 4 " 3 3 3 8
: " : " # :
A em funo do LaplaceDet ALGA`Determinantes` package implementada
linguagem seco 4.16 usa as frmulas de Laplace para calcular um MATHEMATICA
na
determinante de ordem arbitrria.
Exemplo 4.43. Determinemos, de novo, o valor do determinante da matriz do exemplo 4.42,
atravs do teorema de Laplace, escolhendo e desenvolvendo pelos : # "!

&
# #x$x
&x
menores de 2 ordem contidos nas colunas e , por exemplo: 4 " 4 $
" #
deta b

E
" # ! # $
% $ " # #
$ ! # % "
# & " ! $
% " " # !

" ! " !
% " $ #
! % " $ # #
& ! $ & ! $
" # ! " # !

" ! " !
# " % "
$ # # $ # #
! % " ! % "
" # ! & !

$

% " % " % "
$ # # " % "
# # $ # # $ # # $
& ! $ ! % " ! % "
" # ! " # ! & ! $
$ #
# "
# # $
$ # #

" # ! & ! $ ! % "

$ # # "
% " % "
# # $ # # $
$ # # $ # #
" # # %% " "' " )' "" %) # ") ) *%

a b a ba b a ba b a b a b a b a b a b
a ba b a b
( "#
& % ' ## # )) "' )' &#) $' (&# )% #! "$# "'%!
Vamos mencionar, em seguida, um caso particular do teorema de Laplace, por vezes
chamado e que se obtm imediatamente do teorema geral, fazendo teorema de Laplace restrito
a : : "
Corolrio 4.13.1. Teorema de Laplace restrito Sejam e uma matriz 8 " E
88
quadrada de ordem sobre um corpo . Ento: 8
i) Para qualquer , o determinante de pode ser calculado por: " 4 8 E
deta b a b a b
"
E + + " 4 8
3"
8
34 34
cof 4.86.1
O 2 membro da expresso anterior conhecido por desenvolvimento de Laplace do
determinante de pela coluna E 4.
ii) Para qualquer , o determinante de tambm dado por: " 3 8 E
deta b a b a b
"
E + + " 3 8
4"
8
34 34
cof 4.86.2
O 2 membro da expresso anterior conhecido por desenvolvimento de Laplace do
determinante de pela linha E 3.
Demonstrao:
Basta considerar em e e atender a que . : " E 3 4 + a b a b a b c d 4.83.1 4.83.2 det
34

Observaes:
E As expresses e do uma definio do , visto a b a b a b 4.86.1 4.86.2 recursiva det
exprimirem um determinante de ordem em termos de determinantes de ordem . Quando 8 8 "
se aplica o teorema de Laplace restrito, a ordem dos determinantes baixa de para 8 8 "
(embora o nmero de determinantes a calcular passe de para ). Frisemos que convm aplicar " 8
o teorema fila (linha ou coluna) que contenha mais zeros, visto que, sempre que e + !
34
sendo este o elemento absorvente do produto em , o produto anula-se e, assim, + +
34 34
cofa b
poupamos o trabalho de calcular o cofactor de (que envolveria o clculo de um determinante +
34
de ordem ): isto significa que o nmero de parcelas no nulas em ou 8 " a b a b 4.86.1 4.86.2
pode, na prtica, ser inferior a . 8
bvio que o teorema de Laplace restrito conduz a um para calcular algoritmo recursivo
determinantes de qualquer ordem , segundo a seguinte frmula de recorrncia: 8
E E +
+ 8 "
" + E 3 4 8 "
c d a b
!
a b a b a b
34
""
3"
8
34
34
"38
"48
det
det
se
se
Aplica-se sucessivamente o teorema de Laplace restrito fila mais conveniente de acordo
com o critrio descrito anteriormente, at que a ordem dos determinantes envolvidos seja
calculvel por qualquer das mnemnicas referidas nas figuras 4.6 e 4.7, ou seja, at que os
determinantes a calcular sejam de 2 ou 3 ordem (podia mesmo levar-se a recorrncia at se
obter ). Na seco 4.16 deste captulo, implementamos na linguagem 8 " MATHEMATICA
a
funo RecursivoDet ALGA`Determinantes` com e usando o o parte do package
algoritmo que acabmos de descrever.
Exemplo 4.44. Calculemos o valor do determinante da matriz do exemplo , por E 4.42
recorrncia, atravs do teorema de Laplace restrito, comeando por aplic-lo linha de (que " E
tem um zero), o que conduz a determinantes de 4 ordem:
deta b

E
" # ! # $
% $ " # #
$ ! # % "
# & " ! $
% " " # !
" #
$ " # # % " # #
! # % " $ # % "
& " ! $ # " ! $
" " # ! % " # !
# $
% $ " # % $ " #
$ ! # " $ ! # %
# & " $ # & " !
% " " ! % " " #

Aplicando, de novo, o teorema de Laplace restrito a cada um dos determinantes de 4 ordem
anteriores e desenvolvendo pela linha 2, para o primeiro; pela coluna 4, para o segundo; pela
linha 2, para o terceiro e pela coluna 2 para o quarto, obtm-se (usando a regra de Sarrus da
figura para os determinantes de 3 ordem obtidos): 4.7 ou uma das suas variantes

$ " # #
! # % "
& " ! $
" " # !
# % " "'!
$ # # $ " # $ " #
& ! $ & " $ & " !
" # ! " " ! " " #

% " # #
$ # % "
# " ! $
% " # !
# " $ "!!
$ # % % " # % " #
# " ! # " ! $ # %
% " # % " # % " #

% $ " #
$ ! # "
# & " $
% " " !
$ # " #!
$ " # % $ # % $ "
& " $ # & $ # & "
" " ! % " ! % " "
% $ " #
$ ! # %
# & " !
% " " #
$ & " %%!
$ # % % " # % " #
# " ! $ # % $ # %
% " # % " # # " !

Substituindo estes resultados no desenvolvimento inicial, vem
deta b a b a b a b E " "'! # "!! # #! $ %%! "'! #!! %! "$#! "'%!
Exemplo 4.45. Mostremos que, para todo o inteiro e , 8 # B B B B B a b
" # $ 8" 8
8
o seguinte determinante dito de dado por: Z

8
Vandermonde
a b 10
Z
" " " " "
B B B B B
B B B B B

B B B B B
B B B B B
8
" # $ 8" 8
" # $ 8"
# # # # #
8
" # $ 8"
8# 8# 8# 8# 8#
8
" # $ 8"
8" 8" 8" 8" 8"
8

$
"348
4 3
a b B B
O produto no 2 membro tem factores.

a b
8
# #
"
8 " 8
10
: matemtico francs (Paris, 1735 Paris 1796). Vandermonde, Alexandre-Thophile
Sec. 4.9] Mtodo abreviado para o clculo de determinantes 321
Consideremos a sucesso de funes escalares definida, para todo o e @ 8 #
8

B , por:
@ B 8
" " " " "
B B B B B
B B B B B

B B B B B
B B B B B
8
" # $ 8"
" # $ 8"
# # # # #
" # $ 8"
8# 8# 8# 8# 8#
" # $ 8"
8" 8" 8" 8" 8"
a b

# B
claro que o determinante de Vandermonde dado por e o teorema de Laplace Z @ B
8 8 8
a b
restrito aplicado ltima coluna do determinante anterior mostra que constitui um polinmio @
8
em de grau (em particular, o polinmio de grau definido por ) e B 8 " @ " @ B B B
# # "
a b
que o coeficiente de maior grau deste polinmio o cofactor de , ou seja, . B @ B
8"
8" 8"
a b
Alm disso, tem-se , para , visto que o determinante fica com a ltima @ B ! " 5 8 "
8 5
a b
coluna igual coluna , pelo que as razes do polinmio so . 5 @ B B B B
8 " # $ 8"
e f
Decompondo o polinmio em factores lineares, podemos escrever, para e , @ 8 $ B B
8 8
@ B @ B B B B B B B @ B B B
8 8 8" 8" 8 " 8 # 8 8" 8" 8" 8 3
3"
8"
a b a b a ba b a b a b a b
$
Aplicando recursivamente a igualdade anterior, vem, para os , com , @ B # 5 8
5 5
a b
a b a b a b
$
a b a b a b
$
a b
@ B @ B B B
@ B @ B B B
@ B @
8 8 8" 8" 8 3
3"
8"
8" 8" 8# 8# 8" 3
3"
8#
8# 8# 8$
a b a b
$
a b a b a b
$
a b a b
$
B B B
@ B @ B B B
@ B B B B B
8$ 8# 3
3"
8$
$ $ # # $ 3
3"
#
# # # " # 3
3"
"
Substituindo sucessivamente em , para , obtemos a @ B @ B 5 # $ 8 "
5 5 5" 5"
a b a b
expresso seguinte para : @ B
8 8
a b
@ B B B B B B B B B B B
8 8 # 3 $ 3 8# 3 8" 3 8 3
3" 3" 3" 3" 3"
" # 8$ 8# 8"
$ $ $ $ $
Observe que o nmero total de factores na expresso anterior de
" # 8 $ 8 # 8 " 8 " 8
" 8
# #
a b a b a b a b
Podemos, por fim, escrever:
Z @ B B B B B
8 8 8 4 3 4 3
4# 3" "348
8 4"
a b a b a b
$ $ $

4.10 Mtodo abreviado para o clculo de determinantes
Vimos que, ao usarmos o teorema de Laplace restrito, h convenincia em fazer o
desenvolvimento do determinante pela fila com o maior nmero possvel de zeros, porque assim
se minimiza o nmero de cofactores a calcular: o ideal seria que apenas um elemento da fila no
fosse nulo! Esta observao conduz ideia bvia de usar primeiro o mtodo de condensao
para anular todos os elementos de uma fila excepo de um e, de seguida, aplicar o teorema de
Laplace restrito a essa fila. Tal algoritmo constitui o chamado ou para o mtodo misto abreviado
clculo de determinantes (na prtica, de ordem superior a 3). Neste algoritmo, para calcularmos
um determinante de ordem , agimos do modo seguinte: 8
Por condensao, anulamos todos os elementos de uma fila qualquer (convm a que j
tiver mais zeros partida), com excepo do pivot ( claro que, se isto no for possvel, o
determinante nulo).
Aplicamos o teorema de Laplace restrito fila referida no ponto anterior, o que nos
conduzir a um determinante apenas e de ordem . 8 "
8 " Repetimos os dois passos anteriores para o determinante de ordem obtido acima e
assim sucessivamente, at que o determinante a calcular seja de 2 ou 3 ordem e possa j ser
calculado pelas mnemnicas das figuras . 4.6 ou 4.7
Exemplo 4.46. Usemos o algoritmo anterior para repetir o clculo do determinante de 5
ordem mencionado no exemplo 4.42
deta b E

" # ! # $
% $ " # #
$ ! # % "
# & " ! $
% " " # !
Por condensao horizontal (operaes com colunas), anulemos os elementos da linha 3,
usando como pivot, atravs das operaes de tipo 3 (no alteram o valor do + "
$&
determinante) seguintes: e aplicando, de G G $G G G #G G G %G
" " & $ $ & % % &
seguida, o teorema de Laplace restrito linha 3:

" # ! # $ ) # ' "% $
% $ " # # "! $ $ "! #
$ ! # % " ! ! ! ! "
# & " ! $ "" & & "# $
% " " # ! % " " # !

) # ' "%
"! $ $ "!
"" & & "#
% " " #
Aps o procedimento anterior, usemos operaes sobre linhas (condensao vertical) para
anular os elementos da 2 coluna, tomando como pivot (note que h convenincia em + "
%#
que o pivot seja igual a , para que se sigam operaes de tipo 3); as operaes de tipo 3 sero: "
P P #P P P $P P P &P
" " % # # % $ % 3
. O uso do teorema de Laplace restrito na 2
Sec. 4.11] Aplicao ao clculo da caracterstica de uma matriz 323
coluna seguido da regra de Sarrus completam o clculo (em vez de usarmos a regra de Sarrus,
podamos, claro est, baixar a ordem do determinante para 2, atravs da operao
G G )G
$ $ "
e de mais uma aplicao do teorema de Laplace, desta feita linha 2):

) # ' "% ! ! % ")
"! $ $ "! # ! ! "'
"" & & "# $" ! "! #
% " " # % " " #
%
! % ")
# ! "'
$" "! #
! # *
" ! )
$" "! #
"'%!
4.11 Aplicao ao clculo da caracterstica de uma matriz
possvel calcular a caracterstica de uma matriz, atendendo teoria dos determinantes.
Comecemos por provar a
Proposio 4.14. Seja uma matriz no nula, de caracterstica : E <
78
i) Qualquer submatriz extrada de tem caracterstica inferior ou igual a . Q E <
ii) Toda a matriz quadrada extrada de de ordem inferior ou igual a . regular E <
iii) Existe uma matriz quadrada extrada de e de ordem . regular E <
Demonstrao:
i) Sejam 1 e 1 e uma : 7 ; 8 Q E 3 3 3 4 4 4 c d
" # : " # ;
:;
submatriz de tipo extrada de . Considere-se a matriz : ; E

Q E " # 7 4 4 4
w 7;
" # ;
c d
que composta pelas colunas de que contribuem para (note que submatriz de ); ; E Q Q Q
w
o espao gerado pelas colunas de subespao do espao gerado pelas colunas de (ambos Q E
w
subespaos de ), o que significa que a caracterstica de inferior ou igual de :
7 w
Q E
ca b Q <
w
Mas o espao gerado pelas linhas de subespao do espao gerado pelas linhas de Q Q
w
(ambos subespaos de ), donde se deduz ser a caracterstica de inferior ou igual de :
; w
Q Q
c c a b a b Q Q
w
Das duas relaes anteriores se conclui o resultado pretendido c . a b Q <
ii) regular Se matriz extrada de , teremos c e, pela alnea Q E Q : de ordem : a b
anterior, ser c , como diz o enunciado. : Q < a b
iii) Como tem caracterstica , , ser essa a dimenso do espao E < 7 8 Y mine f
7
gerado pela colunas de . Como se viu na proposio 1.16. o captulo 1, a a b +t E
4
"48
vi d
sequncia das colunas de contm uma ormada por a b

+t E +t <
4 4
"48 5 "5<
base de f Y
vectores, em que . " 4 4 4 8
" # <
Seja, agora, a matriz extrada de cujas colunas Q E " # 7 4 4 4 E
w 7<
" # <
c d
so os vectores da base referida. s colunas de so linearmente independentes e a E Q
w
caracterstica de igual a . Isto implica que o subespao gerado pela sequncia das Q < Z
w <
linhas de tem dimenso e, de novo pela proposio 1.16. B Bt Bt Bt Q < B a b

" # 7
w
vi,
conter uma de formada por vectores. Desta forma, a matriz base a b Bt Z <
35 "5<
Q E 3 3 3 4 4 4 c d
" # < " # <
a matriz quadrada de ordem e extrada de , cuja existncia o enunciado garante. regular < E
Observaes:
E < Numa matriz no nula de caracterstica , todas as submatrizes quadradas regulares tm
ordem, quando muito, igual a : representa, assim, um das ordens das submatrizes < < majorante
quadradas regulares de . E
< < Mas existe uma submatriz quadrada regular de ordem , o que implica que o mximo
do conjunto das ordens das submatrizes quadradas regulares de : E
< : E 3 3 3 4 4 4 maxe f c d
" # : " # :
regular
E : < Isto significa que submatrizes quadradas extradas de e de ordem :
Ou no existem, quando , . < 7 8 mine f
Ou so todas singulares, se , e em nmero de . < 7 8 mine f
!

:<"
7 8
7 8
: :
mine f ,
E : < " Em particular, as submatrizes quadradas extradas de e de ordem :
Ou no existem, quando , . < 7 8 mine f
Ou so todas singulares, se , e em nmero de . < 7 8 mine f

7 8
<" <"
Vamos, agora, definir a noo de , que matriz principal matriz orlada extrada de outra e a de
interviro na proposio que caracterizar as matrizes principais. 4.15
Definio 4.10. Matriz principal Seja uma matriz no nula de tipo e E 78
78
de caracterstica . Chama-se a qualquer submatriz < E matriz principal extrada de
T E 3 3 3 4 4 4 c d
" # < " # <
<<
quadrada de ordem extrada de (observe que, sendo , ser ). regular : < E E S < !
78
As linhas de ndices so chamadas de e as colunas de 3 3 3 E
" # <
linhas principais
ndices so de . 4 4 4 E
" # <
colunas principais
Por outras palavras, uma matriz principal extrada de uma submatriz quadrada E T
regular mxima de e de ordem (igual a ). Em geral, possvel extrair vrias matrizes E : <
principais de . E
Sec. 4.11] Aplicao ao clculo da caracterstica de uma matriz 325
Definio 4.11. Matriz orlada Seja uma matriz de tipo e e dois E 78 : ;
78
inteiros tais que e . Seja ainda ! : 7 ! ; 8 T E 3 3 3 4 4 4 c d
" # : " # ;
:;
uma submatriz de tipo extrada de . Chama-se : ; E matriz orlada associada a a toda a T

matriz de tipo Q a b : " ; " a b da forma
Q E 3 3 3 3 4 4 4 4 c d e f e f e f e f
! " # : ! " # ;
:";"
em que e ; isto significa que uma 3 " 7 3 3 3 4 " 8 4 4 4

! " # : ! " # ;
c d e f c d e f
matriz orlada associada a contm uma linha e uma coluna adicionais extradas das linhas e T
colunas de que no contriburam para a formao de . O nmero de matrizes orladas E T
associadas a de (uma por cada par , com T 7: 8 ; 3 4 a b a b a b
! !
3 " 7 3 3 3 4 " 8 4 4 4
! " # : ! " # ;
c d e f c d e f e ).
Proposio 4.15. Caracterizao das matrizes principais Seja uma matriz E
78
no nula e uma matriz quadrada extrada de . A matriz principal se e s se T E T regular
no existem matrizes orladas associadas a que sejam regulares. T
Demonstrao:
Seja a caracterstica de e a ordem da matriz < E : regular
T E 3 3 3 4 4 4 c d
" # : " # :
extrada de . Observe-se que a proposio E 4.14.ii implica que . : <
T : < Se a matriz principal, ento e, devido proposio , no existem 4.14.ii
matrizes regulares de ordem estritamente superior a e extradas de . Em particular, no : E
existem matrizes orladas (que tero ordem ) regulares associadas a . : " : T
T E 3 3 3 4 4 4 Reciprocamente, suponha-se que no c d
" # : " # :
::
principal, isto , que regular e . T : <

Sejam as colunas de que contribuem para e a matriz a b +t : E T Q
4
"5:
7:
5

Q E " # 7 4 4 4 c d
" # :
7:
que tem por colunas estes vectores. A matriz uma matriz regular extrada de ; a T Q
caracterstica de , portanto, superior ou igual a e, de facto, mesmo igual a , visto que Q : :
Q : +t tem s colunas, o que prova que os so linearmente independentes. Como a b
4
"5: 5
: < +t 4 " 8 4 4 4 , existe um vector-coluna , com , tal que
4 ! " # :
!
c d e f
+t P +t
4 4
7
"5: ! 5
a b
Pela proposio 1.12, a sequncia ainda linearmente independente e a a b +t
5
5 4 4 4 4 e f e f
! " # :
caracterstica da matriz
Q E " # 7 4 4 4 4
w 7:"
! " # :
c d e f e f
que tem por colunas os vectores desta sequncia igual a . Como a matriz regular, as : " T
: Bt Bt Bt Q T linhas de representadas em so linearmente independentes em

3 3 3
w :"
" # :

(ver observaes na pg. 27 do captulo 1) e, como o espao gerado pelas linhas de tem 7 Q
w
dimenso , existe forosamente um vector-linha de , , com : " Q Bt
w
3
!
3 " 7 3 3 3
! " # :
c d e f, tal que
Bt P Bt
3 3
:"
"5: ! 5
a b
A proposio 1.12 assegura ento que a sequncia de vectores de a b Bt
5
5 3 3 3 3
:"
e f e f
! " # :
ainda linearmente independente. Isto mostra que a matriz

Q E 3 3 3 3 4 4 4 4
ww :":"
! " # : ! " # :
c d e f e f e f e f
(quadrada de ordem ), formada por estes vectores e uma matriz orlada : " regular
associada a , o que completa a demonstrao. T
Observaes:
Do que ficou exposto, se conclui que:
E ! Se a matriz nula, a sua caracterstica igual a (no existem matrizes
78
principais extradas de ). E
E S E Se a matriz , o que ficou exposto mostra que a caracterstica de a
78
78
e f
ordem de qualquer matriz principal extrada de , ou seja, a ordem de uma submatriz T E :
regular , para a qual no existam matrizes orladas associadas. T regulares
Q : < Quando encontramos uma submatriz regular (necessariamente de ordem )
extrada de , E a vantagem do critrio das matrizes orladas diminuir o nmero de submatrizes
de ordens estritamente superiores a cuja singularidade deve ser verificada : (calculando os
determinantes respectivos). Este nmero baixa de (total de submatrizes
!
5:"
7 8
7 8
5 5
mine f ,
quadradas de ordens ) para apenas (total de matrizes orladas 5 : 7: 8 : a b a b

associadas a ). Q
Na seco 4.16, apresenta-se a funo o Caracteristica como parte d package
ALGA`Determinantes` e que determina a caracterstica de uma matriz, pelo mtodo da
matriz principal. No package existem ainda funes para a determinao de um par de filas
principais da matriz funo e para determinar uma matriz principal FilasPrincipais
funo . MatrizPrincipal
Exemplo 4.47. Considere-se a matriz real, de tipo , % &
E
# " " $ #
" " % # #
" ! $ " %
! " ( " '

e tomemos a submatriz de ordem , calculando o seu determinante T E " # " # : # c d
deta b

T " !
# "
" "
A matriz regular e tem matrizes orladas T 7: 8 : % # & # ' a ba b a ba b
associadas, cujos determinantes so
Sec. 4.12] Aplicao aos sistemas de equaes lineares. Regra de Cramer 327

# " " # " $ # " # # " " # " $
" " % " " # " " # " " % " " #
" ! $ " ! " " ! % ! " ( ! " "

# " #
" " #
! " '
!
Como no existem matrizes orladas associadas a , podemos concluir que regulares T
< E : # T E
# "
" "
c e que uma matriz principal extrada de . As duas primeiras a b

linhas e colunas de so as principais. E
Exemplo 4.48. Considere-se a matriz real, de tipo , % $
E
# " !
$ # "
" % "
# " !

e tomemos a submatriz de ordem , calculando o seu determinante T E " # $ " # $ : $ c d
deta b

T "' !
# " !
$ # "
" % "
A matriz regular e tem matrizes orladas T 7: 8 : % $ $ $ ! a ba b a ba b
associadas. Como no existem matrizes orladas regulares (e, neste caso, nem singulares...)
associadas a , podemos concluir que c e que uma T < E : $ T
# " !
$ # "
" % "
a b

matriz principal extrada de . As linhas e as colunas principais de so as 3 primeiras. E E
4.12 Aplicao aos sistemas de equaes lineares. Regra de Cramer
A teoria dos determinantes pode, como vamos ver, ser aplicada ao estudo e resoluo dos
sistemas de equaes lineares. Para tal, comecemos por estabelecer a seguinte
Definio 4.12. Matrizes caractersticas de um sistema linear Seja um E\ F
sistema linear de equaes a incgnitas sobre um corpo , a caracterstica de 7 8 <
E S E E F
78 w 78"
78
e f

e a sua matriz completa.
Sejam ainda uma matriz principal extrada de e T E 3 3 4 4 E c d
" < " <
<<
W " # 7 3 3 3 3 " # 7 e f e f e f e f
" < " <
o complementar de em .
Chamaremos associada a e relativa equao a cada uma das matriz caracterstica T 5
7< G < " matrizes (de ordem ) da forma a b
5
5W
G E 3 3 5 4 4 8 " 5 " # 7 3 3
5 " < " < " <
w
c d e f e f e f e f
Se , e no existem matrizes caractersticas associadas a ; o nmero de < 7 W g T
matrizes caractersticas de . O determinante de chamado 7< G
5
determinante
caracterstico relativo equao 5; as equaes correspondentes aos ndices das 3 3
" <
linhas presentes em so chamadas e as incgnitas T equaes principais do sistema
correspondentes s colunas presentes em so as , dizendo-se 4 4 T
" <
incgnitas principais
das restantes incgnitas que so . 8 < secundrias
Podemos, agora, enunciar uma condio necessria e suficiente, baseada em determinantes,
para que um sistema de equaes lineares seja possvel e que constitui o E\ F teorema de
Rouch
a b 11
:
Proposio 4.16. Teorema de Rouch Seja um sistema linear de equaes E\ F 7
a incgnitas sobre um corpo e . Nestas condies e sendo , tem-se 8 E S < E
78
ca b
! < 7 e so equivalentes as proposies:
i) O sistema possvel. E\ F
ii) Existe uma matriz principal extrada de , tal que so nulos os T E 7<
<<
determinantes caractersticos associados a (ou no existem, se ). T < 7
iii) Para toda a matriz principal extrada de , so nulos os T E 7<
<<
determinantes caractersticos associados a (ou no existem, se ) . T < 7
Demonstrao:
Sejam a matriz ampliada do sistema, c e c . Vimos no captulo E < E = E E F
w w

a b a b
2 que o sistema possvel sse c c . Portanto, podemos substituir a condio pela a b a b E E
w
i)
condio:
i
w w
) . c c a b a b E E
E E Mostremos que : suponhamos que a caracterstica de igual de ; ento i ) iii)
w
w
toda a matriz principal extrada de tambm matriz principal extrada de , o que T E E
w
significa que todas as matrizes orladas de em tm determinantes nulos e, em particular, so T E
w
nulos os determinantes caractersticos associados a . T
E S : como , pela proposio 4.14. existe uma matriz principal iii) ii) iii
78
T E T
<<
de e, por hiptese, sero nulos todos os determinantes caractersticos de .
T E : seja uma matriz principal extrada de e tal que so nulos todos ii) i )
w
<<
determinantes caractersticos associados a e mostremos que tambm matriz principal T T
extrada de . Se for uma matriz orlada associada a em , est numa de E Y T E Y
w <"<" w
duas situaes possveis:

< " Y F Y A coluna de extrada de . Neste caso a matriz orlada uma matriz
caracterstica associada a e nulo o seu determinante, por hiptese. T
< " Y E Y A coluna de extrada de . Neste caso, uma matriz extrada
<"<"
de e, como principal extrada de , ser nulo o determinante de . E T E Y
11
: matemtico francs (Sommires 1832 Lunel 1910). Rouch, Eugne
So, portanto, singulares todas as matrizes orladas de em o que implica que Y T E T
w
matriz principal extrada de , ou seja c c , terminando a demonstrao. E E E
w w
a b a b
Os seguintes exemplos ilustram o uso da proposio anterior para estudar a existncia de
soluo dos sistemas lineares.
Exemplo 4.49. Considere-se o sistema
#B C D $A !
B C %D #A "
B $D A "
C (D A #
Fica
E F
# " " $ !
" " % # "
" ! $ " "
! " ( " #

e
Tomemos e calculemos o seu determinante T E " # " # c d
deta b

T " !
# "
" "
A matriz tem ordem e tem matrizes orladas associadas, cujos T : # 7: 8 : % a ba b
determinantes so

# " " # " $ # " " # " $
" " % " " # " " % " " #
" ! $ " ! " ! " ( ! " "
!
Daqui resulta que c e que a matriz uma matriz principal < E : # T
# "
" "
a b

extrada de . E
No caso presente, existem determinantes caractersticos (relativos s 2 e 7< % # #
3 equaes) e valem

# " ! # " !
" " " " " "
" ! " ! " #
!
Da proposio podemos ento concluir que o sistema dado e 4.16. , ii possvel (
indeterminado de grau ). As duas primeiras equaes so principais (por 8 < % # #
dizerem respeito s linhas presentes em ) e as incgnitas so tambm principais (por T B C
corresponderem s colunas representadas em ); so secundrias. T D A
#B $C #D &
B #C $D #
%B C %D "
Neste caso, tem-se
E F
# $ # &
" # $ #
% " % "

e
Faamos e calculemos e ainda o determinante da nica matriz orlada T E " # " # T c d a b det
associada a (neste caso, trata-se da prpria matriz ) T E
det det a b a b

T ( ! E !
# $
" #
Podemos concluir que c e que uma matriz principal extrada < E # T
# $
" #
a b

de . Neste caso, existe apenas um ( ) determinante caracterstico (relativo 3 E 7< "
equao) e vale

# $ &
" # #
% " "
&' !
Por fim, a proposio permite concluir que o sistema . 4.16.iii impossvel
Vamos, agora, usar a teoria dos determinantes para a resoluo de sistema de equaes
lineares. Consideraremos dois casos:
No primeiro, vamos considerar apenas sistemas , com matriz quadrada regular E\ F E
(igual nmero de equaes e de incgnitas e com uma s soluo), chamados sistemas de
Cramer
a b 12
.
No segundo caso, vamos estudar os sistemas , com c (nmero de E\ F < E 7 8 a b
equaes estritamente inferior ao nmero de incgnitas e indeterminados de grau ). 8 <
Proposio 4.17. Regra de Cramer Seja um inteiro e considere-se um sistema de 8 !
8 8 B B B E\ F equaes lineares a incgnitas sobre um corpo da forma , onde
" # 8

a matriz quadrada com colunas , e E +t +t +t regular (sistema de Cramer),
" # 8
8
, F
t
8
o vector-coluna . Nestas condies, o sistema tem uma e uma s soluo que dada
por:
12
: matemtico suo (Genve 1704 Bagnols 1752). Cramer, Gabriel
B 5 " # 8
+t +t +t , +t +t
t
E
5
" # 5" 5" 8
det
det

a b
a b 4.87
Demonstrao:
Como (a matriz simples do sistema) quadrada e regular, tem-se c c e E E 8 E F

a b
o sistema , existindo uma e uma s soluo. Para a determinar, recorramos determinado
forma vectorial do sistema: se for a soluo, existir uma e uma s forma de a b B B B
" # 8
exprimir o vector nas colunas de : , +t E
t
3
"
3"
8
3 3
B +t ,
t
Mas a funo e, portanto, para todo o , ser det 8-linear alternada " 5 8
det det
det

"
"

a
+t +t +t , +t +t +t +t +t B +t +t +t
t
B
" # 5" 5" 8 " # 5" 3 3 5" 8
3"
8
3"
8
3
b a b +t +t +t +t +t +t B E
" # 5" 3 5" 8 5
E $
35
deta b
det
Dividindo ambos membros por , obtm-se imediatamente o resultado pretendido. deta b E !
Observaes:
A primeira nota que faremos consiste em chamar a ateno para o facto de a regra de
Cramer permitir o clculo de cada incgnita independentemente das restantes, ao contrrio do
mtodo de condensao que um mtodo global que s permite calcular o vector soluo na sua
totalidade (no possvel calcular uma incgnita apenas).
B B B O clculo do vector soluo pela regra de Cramer acarreta o clculo de a b
" # 8
8 " 8 E determinantes de ordem (um por cada incgnita e ainda o determinante de ), o que
pode ser muito trabalhoso, para valores elevados de . Para estes casos, prefervel usar o 8
mtodo de condensao, reservando o uso da regra de Cramer, para os casos em que se
pretendem apenas alguma(s) incgnita(s).
Exemplo 4.51. Considere-se o sistema de equaes lineares
B C #D A #
B #C #D "
B %D $A $
B $C D A "
Tem-se, usando o mtodo de condensao,
deta b

E
" " # " " " # " " " # "
" # # ! ! " ! " ! " ! "
" ! % $ ! " # # ! ! # "
" $ " " ! # " # ! ! " !

" " # " " " # "
! " ! " ! " ! "
! ! " ! ! ! " !
! ! # " ! ! ! "
" !
Daqui se conclui que quadrada e regular: estamos, pois, perante um sistema de Cramer. E
Para calcular as incgnitas , teremos que calcular mais quatro determinantes de 4 B C D A
ordem, para as matrizes obtidas de mediante a substituio das colunas 1 a 4 por E
F # " $ " c d
T
.
det det
det
a b a b

a b

? ?
?
B C
D
"& &
# " # " " # # "
" # # ! " " # !
$ ! % $ " $ % $
" $ " " " " " "

a b

" " # " " " # #
" # " ! " # # "
" ! $ $ " ! % $
" $ " " " $ " "
$ # det ?
A
A soluo do sistema, segundo , ser o vector . Observemos que a a b a b 4.87 "& & $ #
determinao da soluo envolveu o clculo de 5 determinantes de 4 ordem, para os quais
tivmos que utilizar um dos mtodos gerais de clculo (por exemplo, 5 condensaes). Ora, o
mtodo de Gauss-Jordan, permite-nos com determinar a soluo! uma s condensao
Vamos, agora, abordar o segundo caso mencionado em cima:
Proposio 4.18. Regra de Cramer para sistemas indeterminados Seja E\ F um
sistema com equaes e incgnitas e com . No captulo 1, vimos que um tal 7 8 < E 7 ca b
sistema sempre possvel e a condio implica . O caso o que foi j ca b E 7 7 8 < 8
tratado na proposio anterior (regra de Cramer).
Suponha-se ento que e sejam as colunas de (que so vectores de 7 < 8 +t E a b
5
5 "8 c d
<
). Neste caso, o sistema indeterminado de grau e a soluo pode ser calculada do 8 <
seguinte modo: seja
T E " # < 4 4 c d
" <
<<
(onde ) uma submatriz principal de e as " 4 4 4 8 E +t +t +t <

" # < 4 4 4
<
" # <

colunas linearmente independentes de . Introduzindo os parmetros escalares T 8 <
arbitrrios , seja a b >
5
5 "8 4 4 c d e f
" <
, , > +t
t t
w
5 "8 4 4
5 5
"
c d e f
" <
A soluo geral do sistema ser dada por:
a b

a b
c d e f
B 5 " # <
+t +t +t , +t +t
t
T
B > 5 " 8 4 4
4
4 4 4 4 4
w
5 5 " <
5
" # 5" 5" <
det
det
4.88
Demonstrao:
Sendo uma matriz principal de , isso significa que T E " # < 4 4 E c d
" <
<<
B B B 8 <
4 4 4
" # <
so as incgnitas principais e as restantes so as secundrias.
Introduzamos os parmetros escalares , para e 8 < > B 5 " 8 4 4
5 5 " <
c d e f
determinemos as solues do sistema em funo desses parmetros, recorrendo forma
vectorial do sistema: para qualquer soluo do sistema ser: a b B B B
" # 8
" " " "
=" ="
< <
4 4 5 5 4 4 5 5
5 "8 4 4 5 "8 4 4
w
B +t > +t , B +t , > +t ,
t t t
= = = =
" < " <
c d e f c d e f
Mas a funo e, portanto, para todo o , ser det 8-linear alternada " 5 <
det det
!
!

+t +t +t , +t +t +t +t +t B +t +t +t
t
B
4 4 4 4 4 4 4 4 4 4 4 4
w
="
<
="
<
4
" # 5" 5" < " # 5" = = 5" <
=
a b
a b
det
det
+t +t +t +t +t +t
B T
4 4 4 4 4 4
T
4
" # 5" = 5" <
=5
5
$ deta b
Basta agora dividir ambos membros por , para obter o resultado pretendido. deta b T !
Observaes:
A equao em tudo semelhante regra de Cramer, mas agora, para calcular uma a b 4.88
incgnita principal, calcula-se o determinante da matriz que resulta de substituir em a coluna T
relativa a essa incgnita principal por . , , > +t
t t
w
5 "8 4 4
5 5
!
c d e f
" <
Observemos tambm que, uma vez que podem existir vrias matrizes principais extradas
de constitudas por diferentes escolhas de colunas de , o conjunto das incgnitas E < 8 E <
principais , at certo ponto, arbitrrio (num sistema duplamente indeterminado com 5
incgnitas, podero ser principais as incgnitas , ou ainda , a b a b a b B B B B B B B B B
" # $ " $ % # $ &
por exemplo).
E\ F 7 8 Podemos resolver um sistema de equaes a incgnitas, segundo o seguinte
procedimento:
Determinamos uma matriz principal extrada de , o que conduz caracterstica de , T E < E
que ser a ordem de . Para a procura de socorremo-nos da proposio 4.15. T T
Se , o sistema determinado (sistema de Cramer) e resolve-se pela regra de < 7 8
Cramer da proposio 4.17.
Se , o sistema indeterminado de grau e resolve-se, pela regra de < 7 8 8 <
Cramer da proposio 4.18.
Se , ento calculamos os determinantes caractersticos associados a . Se < 7 7< T
algum for , o sistema impossvel (teorema de Rouch); se todos so nulos, ento o sistema !
possvel (de novo, o teorema de Rouch) e equivalente ao sistema de equaes a < 8
incgnitas formado pelas equaes principais (as equaes correspondentes s linhas principais
de : as linhas das quais se extraiu ). Este sistema est numa situaes anteriores e resolve-se E T
pela regra de Cramer da proposio 4.17, se ; ou pela regra de Cramer da proposio < 8
4.18, se . < 8
O seguinte esquema resume a discusso anterior, em que a ordem de uma matriz principal <
T E E extrada de (igual caracterstica de ):
< 7
< 8
< 8 8 <
<
sist possvel
det (prop. 4.17)
indet de grau (prop. 4.18)
( determinantes
caractersticos)
!
7
!
< 8
< 8
7<
<
determinantes
caractersticos
equaes
principais

Algum sist impossvel
Todos nulos
det (prop. 4.17)
indet de grau (prop. 4.18) 8 <
O contm a funo que implementa o package ALGA`Determinantes` Cramer
mtodo anterior para resolver qualquer sistema linear (ou constatar a inexistncia de soluo).
Exemplo 4.52. Vejamos o sistema
#B #C D $@ A "
B #C %D $A %
$B #D &@ A "
Tem-se
E F
# # " $ " "
" # % ! $ %
$ ! # & " "

e
A matriz
T E " # $ " $ %
# " $
" % !
$ # &
B D @
c d

tal que e seja a sua ordem (e caracterstica). No existem matrizes deta b T & ! : $
orladas associadas a ( ); deste modo, uma matriz de e T 7: 8 : ! T E a ba b principal
< : 7 $ 8 8 < & $ , sendo o sistema e ( ). possvel duplamente indeterminado
As incgnitas principais so e (cujas colunas contriburam para a formao de ); e B D @ T C
A so secundrias. Pela proposio 4.18, para determinar a soluo geral do sistema, calculamos
os 3 determinantes seguintes introduzindo os parmetros reais arbitrrios e , com e + , + C
, A,
det
det
det
a b

a b

a b

?
?
?
B
D
@
#) $)+ &,
" #+ , " $
% #+ $, % !
" , # &
"# "#+ &,
# " #+ , $
" % #+ $, !
$ " , &
# " " #+ ,
" % % #+ $,
$ # " ,
"$ ")+
A soluo geral do sistema ser ento, para qualquer , a b a b + , + ,
w w # "
&

a b a b a b a b

a b a b a b
a b
B C D @ A #) $)+ &, + "# "#+ &, "$ ")+ ,
" " "
& & &
#) ! "# "$ ! + $) & "# ") ! , & ! & ! &
" " "
& & &
#) ! "# "
"
&
$ ! + $) & "# ") ! , & ! & ! &
w w
a b a b
Se escolhessemos outra matriz principal (por exemplo , em que T E " # $ " # $
w
c d
deta b T ") ! B C D
w
), chegaramos a uma soluo, com e como incgnitas principais e em
funo de onde e . a b + , + @ , A
#
B $C $D "
B "!C "!D "
#B C D #
Tem-se
E F
" $ $ "
" "! "! "
# " " #

e
A matriz
T E " # " #
" $
" "!
B C
c d

tal que e seja a sua ordem. Existe uma s matriz ( ) deta b a ba b T ( ! : 7: 8 : "
orlada singular associada a e extrada de , que a prpria matriz : T E E
deta b

E !
" $ $
" "! "!
# " "
Deste modo, uma matriz de e . Para verificar se o T E < : # 7 $ principal
sistema possvel, vamos calcular o nico ( ) determinante caracterstico associado a 7< "
T (relativo 3 equao)
G !
" $ "
" "! "
# " #
$

Como o nico determinante caracterstico nulo, o sistema e possvel simplesmente
indeterminado ( ) sendo equivalente ao seguinte sistema formado pelas 2 equaes 8 < $ #
principais (a 1 e a 2, cujos coeficientes contriburam para ): T
B $C $D "
B "!C "!D "
As incgnitas principais so e (cujas colunas contriburam para a formao de ); B C T D
secundria. Pela proposio 4.18, para determinar a soluo geral do sistema, calculamos os 2
determinantes seguintes introduzindo o parmetro real arbitrrio , com , + + D
det
det
a b

a b

?
?
B
C
(
" $+ $
" "!+ "!
(+
" " $+
" " "!+
O vector soluo geral do sistema ser ento, para qualquer , +
a b a b a b a b

B C D + " + + " ! ! + ! " " +
( (+
( (

Vamos terminar esta seco, enunciando uma importante proposio relativa a sistemas
homogneos e que resulta do que vimos no captulo 2
Proposio 4.19. Seja um inteiro e uma matriz de ordem sobre . O 8 ! E 8
88
sistema homogneo , de equaes a incgnitas, tem soluo no trivial (isto , E\ S 8 8 \
\ S E ! ) se e s se . deta b
Demonstrao:
Um sistema homogneo tem sempre a soluo trivial e dizer que tem soluo no \ S
trivial equivale a dizer que indeterminado. Como vimos na captulo 2, isto acontece sse a
caracterstica da matriz estritamente inferior a ; por sua vez, esta condio equivale a < E 8
deta b E !.
O seguinte corolrio mostra uma consequncia desta proposio que nos d uma condio
suficiente (mas no necessria) para que uma lista de funes seja linearmente independente:
Corolrio 4.19.1. Seja um intervalo aberto, um inteiro positivo e um dos corpos M 7
ou . Consideremos, no espao vectorial sobre o corpo constitudo pelas C
7"
a b M
funes (reais ou complexas) vezes continuamente diferenciveis em , a lista de 7" M
funes
0 0 0 0 a b
" # 7
.
Se o determinante
[ B
0 B 0 B 0 B 0 B
0 B 0 B 0 B 0 B
0 B 0 B 0 B 0 B

0 B 0 B 0
0
" # $ 7
w w w w
" # $ 7
ww ww ww ww
" # $ 7
7" 7"
" #
a b

a b a b a b a b
a b a b a b a b
a b a b a b a b
a b a b
a b a b a b a b 7" 7"
$
7
a b a b B 0 B
chamado de no for identicamente nulo em , ento a wronskiano
a b 13
a b 0 0 0 M
" # 7
sequncia linearmente independente. 0
Demonstrao:
Mostraremos que, se linearmente dependente, ento , para todo o : a 0 [ B ! B M
0
a b
dependncia linear da sequncia equivale existncia de escalares no 0 5 5 5
" # 7

todos nulos tais que, para todo o , B M
!
a b
3"
7
3 3
5 0 B !.
Como as funes so vezes diferenciveis em , derivando sucessivamente at 0 7" M
3
ordem , obtm-se, para qualquer : 7" B M
!
a b
!
a b
!
a b
!
a b
3"
7
3 3
3"
7
3
w
3
3"
7
3
ww
3
3"
7
3
7"
3
5 0 B !
5 0 B !
5 0 B !
5 0 B !
a b
13
Em homenagem a : matemtico e filsofo polaco (Wolsztyn 1778 Neuilly Wrnski, Jzef Maria Hon
1853).
Para cada , obtivmos assim um sistema de equaes lineares homogneas nas B M 7 7
incgnitas , com soluo no nula. O resultado agora consequncia imediata 5 5 5 5
3 " # 7
a b
da proposio 4.19.
Exemplo 4.54. A sequncia de funes linearmente independente, pois 0 B B B a b sin cos
o respectivo wronskiano no identicamente nulo em : M
[ B B
B B B
" B B
! B B
0
a b

sin cos
cos sin
sin cos
Exemplo 4.55. Seja . A = ! sequncia de funes complexas definidas para por 0 >
0 / / " / / a b
3# > 3 > 3 > 3# > = = = =
tambm linearmente independente, porque, como veremos, o seu wronskiano negativo (e,
neste caso, independente do argumento ): >
[ > % / / ! / % /
/ / " / /
3# / 3 / ! 3 / 3# /
3) / 3
0
3# > 3 > 3 > 3# >
3# > 3 > 3 > 3# >
# 3# > # 3 > # 3 > # 3# >
$ 3# > $
a b

= = = =
= = = =
= = = =
=
= = = =
= = = =
= = / ! 3 / 3) /
"' / / ! / "' /

" " " " "
# " ! " #
% " ! " %
) " ! " )
"' " ! " "'
%
3 > $ 3 > $ 3# >
% 3# > % 3 > % 3 > % 3# >
"!
"!
= = =
= = = =
= =
= = = =
=
=

" " " " ! " " "
# " " # % " " #
% " " % ! " " %
) " " ) "' " " )
%=
"!
[ > % % "'
" " " " " "
" " % " " #
" " ) " " %
% % ' "' ' !
0
"!
"! "!
a b

a b
=
= = 288
Exempo 4.56. Note-se que a recproca do corolrio 4.19.1 no verdadeira: o facto de o
wronskiano de ser identicamente nulo em no implica que seja 0 0 0 0 M 0 a b
" # 7
linearmente dependente em , como mostramos no exemplo seguinte: sejam as M 0 0
" #

funes definidas por
0 B B 0 B B B
" #
#
a b a b k k e
e cujos grficos se mostram na figura 4.11, juntamente com as derivadas de primeira ordem.
Sec. 4.12] Matriz adjunta e inverso de matrizes quadradas 339
-1.0 -0.5 0.0 0.5 1.0
0.0
0.5
1.0
0.5
1.0
-1.0
-0.5
0.0
-1.0 -0.5 0.0 0.5 1.0
-1.0 -0.5 0.0 0.5 1.0
0.0
0.5
1.0
1.5
2.0
-1.0 -0.5 0.0 0.5 1.0
0.0
0.5
1.0
1.5
2.0
-1.0
-0.5
-2.0
-1.5
1
2
2
f
f
f
f
1
Fig. 4.11 Grficos de e . 0 0 0 0

" #
w w
" #
, ,
As funes e tem-se, para todo o , 0 0 B
" #
"
C a b
0 B #B 0 B # B
w w
" #
a b a b k k e
Observemos que a expresso para a derivada de vlida no ponto , visto que a # B 0 B ! k k
#
derivada de na origem 0
#
0 ! B ! # B
0 B 0 ! B B
B B
w
#
B! B! B!
# #
B!
a b k k a b
a b a b k k
k k lim lim lim
O wronskiano de , para qualquer , 0 0 0 B a b
" #

[ B # B B # B B !
0 B 0 B
0 B 0 B
B B B
#B # B
0
" #
w w
" #
#
# #
a b k k k k

a b a b
a b a b
k k
k k
Assim, identicamente nulo em , mas linearmente independente em , como se [ B 0
0
a b
prova facilmente a seguir: se so reais tais que - -
" #
a - 0 B - 0 B !
B
" " # #
a b a b ,
teremos, fazendo e respectivamente, B " B "
- - !
- - !
" #
" #
A nica soluo do sistema homogneo anterior , o que prova que - - ! 0
" #
linearmente independente, mostrando, assim, que a recproca do corolrio 4.19.1 no
verdadeira: quando no intervalo aberto , [ B ! M 0
0
a b pode ser ou no linearmente
dependente. Todavia, demonstra-se que:
Seja um intervalo aberto uma lista de o corpo ou , e M 0 0 0 0 a b
" # 7
funes de em pertencentes a . Se o wronskiano de identicamente nulo em M M 0 C
7"
a b
M N M , ento existe pelo menos um subintervalo aberto tal que a lista das restries das
funes 0 N
3
ao intervalo linearmente dependente.
Por exemplo, no caso das funes apresentado neste exemplo, as suas restries ao a b 0 0
" #
intervalo (e tambm ao intervalo ) so linearmente dependentes, o que bvio.

Exemplo 4.57. A sequncia de funes linearmente dependente, visto 0 B B " a b cos sin
# #
que . Portanto, pelo corolrio 4.19.1, o wronskiano de dever ser nulo, cos sin
# #
B B " ! 0
para todo o e, de facto, assim : B
[ B #B #B ! # #B #B # #B #B !
B B "
# #B # #B !
0
# #
a b

cos sin
sin sin sin cos sin cos
cos cos
4.13 Matriz adjunta e inverso de matrizes quadradas
O teorema de Laplace restrito tem aplicao no clculo da inversa de uma matriz quadrada
regular. Para analisarmos esta questo, devemos definir a noo de de uma matriz adjunta
matriz quadrada (regular ou no).
Definio 4.13. Matriz adjunta Seja uma matriz de ordem . A E 8 " + c d
34
88
matriz cujos elementos so os cofactores dos chamada da E +

s

88
34
matriz complementar
matriz . A transposta de chama-se de e designa-se por : E E E E
s
matriz adjunta adja b
88
E E E
s s
+ c d a b a b a b

cof adj 4.89
34

T
Daqui resulta que a relao entre os elementos de e de : F E E , + c d a b c d
34 34
adj
, + " 3 8 " 4 8
34 43
cof 4.90 a b a b
Proposio 4.20. Seja uma matriz de ordem . Ento: E 8 " + c d
34
88
i)

a b E E
s
T
T
s
4.91
ii) adj adj 4.92 a b a b a b a b E E
T
T
Demonstrao:
i) Para provar a primeira igualdade, determinemos o elemento da linha e coluna de 3 4
ambos os membros e verifiquemos que so iguais:

a b

E E +
E E
s s
T T
T

a b
s
34 43
43
34 34
43
cof cof
+ cof
ii) Basta fazer uso da igualdade 4.91 e da definio de adjunta: a b
adj adj

a b a b E E E
s
T T
T T
T
T

s
E
O teorema de Laplace restrito vai implicar uma importante propriedade da matriz adjunta,
com base na qual depois imediato o clculo da inversa de uma matriz regular . E
Proposio 4.21. Propriedade fundamental da adjunta Seja uma E + c d
34
88
matriz de ordem e a sua matriz adjunta. Ento: 8 " E adja b

i) e a sua matriz adjunta so permutveis e o seu produto uma matriz escalar E
adj adj 4.93 a b a b a b a b E E E E E M det
8
ii) Se singular, fica E
adj adj 4.94 a b a b a b E E E E S
8
iii) Se regular, a de vem dada por E E inversa
E E
"
E
"
deta b
a b a b adj 4.95
Esta igualdade mostra que o elemento da linha e da coluna da matriz - 3 4 G E
34
"
inversa de se calcula por: E
- " 3 4 8
+
E
34
43
cof
4.96
a b
a b
a b
det
Demonstrao:
i) A igualdade matricial equivale s igualdades escalares adja b a b E E E M 8 det
8
#
"
a b a b a b
5"
8
54 53 34
+ + E " 3 4 8 cof $ det 1
e a igualdade matricial equivale s igualdades escalares E E E M 8 adja b a b det
8
#
"
a b a b a b
5"
8
35 45 34
+ + E " 3 4 8 cof $ det 2
Provemos as igualdades 1 : a b
4 3 Se , ento 1 transforma-se em a b
"
a b a b a b
5"
8
53 53 33
"
+ + E E " 3 8 cof $ det det
o que constitui exactamente o desenvolvimento pelo teorema de Laplace restrito de
determinante de pela coluna . E 3
4 3 +t +t +t E Se , sejam os vectores-coluna de e consideremos a matriz
" # 8
E E 3 4 +
w w
34
c d obtida de substituindo nesta a coluna pela coluna
E +t +t +t +t +t
w
" # 4 4 8
c d
Observemos que os cofactores dos elementos da coluna de so iguais aos da mesma coluna 3 E
w
de (visto que os citados cofactores no dependem dos elementos da coluna e que os E 3
restantes elementos de so iguais aos de ). Isto permite concluir que os elementos da E E +
w w
53
coluna de satisfazem as igualdades: 3 E
w
+ +
+ +
" 5 8
w
53 54
w
53 53
cof cof a b a b
,
Como uma forma alternada ser (colunas e de iguais, por construo). det deta b E ! 3 4 E
w w
Usando o teorema de Laplace restrito para calcular (que nulo!) segundo a coluna , deta b E 3
w
obtm-se
! E + + + + 4 3 deta b a b a b
" "
w w w
5" 5"
8 8
53 53 54 53
cof cof
o que termina a demonstrao para . Provmos, assim, a igualdade e, 4 3 E E E M adja b a b det
8
para provar , basta atender a 4.92 e aplicar a igualdade que ora E E E M adja b a b a b det
8
demonstrmos matriz : E
T
E E E E E E E E
E M E M E M
adj adj adj adj a b a b a b

a b a b

a b
T T
T T
T T T
T
T T T
T
det det det
8 8 8
Tambm seria possvel provar a igualdade provando directamente as E E E M adja b a b det
8
igualdades 2 , por meio de raciocnio semelhante ao que usmos, mas aplicado a uma linha de a b
E.
ii) singular Se , ser e 4.94 resultar imediatamente de 4.93 . E E ! deta b a b a b
iii) regular Se , ser e multiplicando 4.93 por , obtm-se E E ! deta b a b
"
E deta b
a b a b
a b a b
" "
E E
E E E E M
det det
adj adj
8
e estas igualdades mostram que a matriz a de
"
E deta b
adja b E E inversa
E E E !
"
E
"
det
det
a b
a b a b adj
que a igualdade 4.95 desejada. Quanto a 4.96 obviamente equivalente a 4.95 . a b a b a b
Observaes:
Podemos resumir a propriedade fundamental da matriz adjunta dizendo que:
nula a soma dos produtos dos elementos de uma fila de um determinante pelos cofactores
dos elementos correspondentes de qualquer outra fila paralela.
igual ao determinante da matriz a soma dos produtos dos elementos de uma sua fila
pelos seus prprios cofactores (teorema de Laplace restrito).
Comparando 4.95 com o mtodo de condensao do captulo 2, mais uma vez se verifica a b
que o mtodo de condensao global, isto , no possvel calcular por condensao apenas
um elemento da matriz inversa enquanto que 4.96 nos d qualquer elemento da inversa sem a b
calcularmos os restantes.
8 8 " A frmula 4.95 implica o clculo de determinantes de ordem (para o clculo da a b
#
adjunta) e ainda um determinante de ordem o que mostra que, para valores de , o 8 8 $
mtodo de condensao muito menos trabalhoso.
O implementa as funes package ALGA`Determinantes`, exposto na seco 4.16,
Adj MatrizInversa e para calcular a adjunta e a inversa de uma matriz quadrada, usando a
matriz adjunta.
Exemplo 4.58. Consideremos a matriz
E
" $ #
# " %
$ # "

O determinante de E
deta b E $* !
A matriz regular e, para calcular a inversa, determinemos a adjunta
adja b

E E
s
( "! " ( " "!
" ( "" "! ( )
"! ) ( " "" (
T
T
Por fim, 4.95 d a inversa a b
E E
" "
E $*
( " "!
"! ( )
" "" (
"
deta b
a b

adj
Podemos verificar a propriedade fundamental da matriz adjunta
adj
adj
a b

a b

E E $*
( " "! " $ # $* ! ! " ! !
"! ( ) # " % ! $* ! ! " !
" "" ( $ # " ! ! $* ! ! "
E E
" $ # ( " "! $* ! !
# " % "! ( )
$ # " " "" (
! $* ! ! " !
! ! $* ! ! "
$*
" ! !

Exemplo 4.59. Consideremos a matriz
E
& " ! # $
" ! " # "
" # ! $ "
! # $ # !
" " ! " !

O determinante de pode ser calculado pelo mtodo misto: primeiro, condensamos a 3 E
coluna (a fila da matriz que contm mais zeros) com como pivot; de seguida, desenvolvemos "
pelo teorema de Laplace restrito segundo essa coluna:
deta b

E
& " ! # $ & " ! # $
" ! " # " " ! " # "
" # ! $ " " # ! $ "
! # $ # ! $ # ! ) $
" " ! " ! " " ! " !
& " # $
" # $ "
$ # ) $
" " " !
Neste ltimo determinante, condensemos, agora, a 4 linha com o seu primeiro elemento 1
como pivot e apliquemos o teorema de Laplace restrito a essa linha, seguido da regra de Sarrus:
deta b

E "$( !
& % $ $
" " % "
$ & & $
" ! ! !
% $ $
" % "
& & $
O resultado mostra que matriz regular; determinemos apenas o elemento da linha 2 e E -
#$
coluna 3 da inversa : E
"
-
+ ' '
E "$( "$(
#$
$#
cofa b
a b det
Sec. 4.14] Frmula de Cauchy 345
Em que usmos o mtodo misto para calcular cof : a b +
$#
cofa b a b a b a b

+ " E $ #
& ! # $ ) $ ) !
" " # " " " # "
! $ # ! ! $ # !
" ! " ! " ! " !

) $ )
! $ #
" ! "
$#
$#
det

) $ !
! $ #
" ! !
'
$ !
$ #
4.14 Frmula de Cauchy
O teorema de Laplace restrito vai permitir a deduo de uma frmula devida a Cauchy e
a b 14
que permite exprimir um determinante de ordem num determinante de ordem e em 8 8 "
a b 8 " 8 #
#
determinantes de ordem . o que faremos na demonstrao da
Proposio 4.22. Frmula de Cauchy Seja um inteiro e uma matriz 8 # E
88
quadrada de ordem e fragmentemos antes da ltima linha e da ltima coluna: 8 E
E
E G
P +

w
88
Ento, o determinante de dado por: E
det det det a b a b a b a b a b a b a b
"
E + E 8 8 " E 3 4 + +
88 38 84
34"
8"
34 w
4.97
ou ainda:
det det a b a b a b a b E + E P E G
88
w w
adj 4.98
Demonstrao:
Comecemos por desenvolver o determinante de pela coluna , usando o teorema de E 8
Laplace restrito e separemos a parcela contendo : +
88
det det det a b a b a b a b a b a b a b
"
E + E 8 8 + " E 3 8
88 38
3"
8"
38
1
As matrizes , de ordem , contm os elementos da 8 " E 3 8 8 " + a b a b a b
"38"
84
"48"
linha de e que constituem sempre a linha dos . 8 E 8 " E 3 8 a b
14
: matemtico francs (Paris 1789 Sceaux 1857). Cauchy, Augustin Louis
Aplicando agora o teorema de Laplace restrito linha (a ltima) de cada uma dessas 8 "
matrizes e observando que , temos, para todo o : E 3 8 E 3 8 4 8 E 3 4 " 3 8 " a b a b a b
w
det det det a b a b a b a b a b a b a b a b a b
" "
E 3 8 + " E 3 8 4 8 + " E 3 4
4" 4"
8" 8"
84 84
8"4 8"4 w
2
Substituindo 2 em 1 , obtm-se a primeira das igualdades desejadas a b a b
det det det
det det
" "

a b a b a b a b a b
"
E + E 8 8 + " + " E 3 4
+ E 8 8 " E 3 4 + +
88 38 84
3" 4"
8" 8"
38 8"4 w
88 38 84
34"
8"
34#8" w
+ E 8 8 " E 3 4 + +
88 38 84
34"
8"
34 w
det det a b a b a b a b a b
"
Quanto a 4.98 , observemos que: a b
E E 8 8 .
w
a b
" E 3 4 + E o cofactor de em relao matriz e, consequentemente, a a b a b a b
34
w w
34
det
matriz , de ordem , a matriz complementar de

a b a b a b " E 3 4 8 # E
34
w w
"348"
s
det
E
w
+ G constitui a coluna . a b
38
"38"
+ P constitui a linha . a b
84
"48"
Deste modo, fica
det det det
det det
a b a b a b
a b a b a b

E + E G E P + E G E P
+ E P E G + E P E G
88 88
w w w w
s s
88 88
w w w w
s
T T T T
T
T
adj
Observaes:
8 A frmula de Cauchy permite reduzir o clculo de um determinante de ordem ao clculo
de um determinante de ordem (o determinante de ) e de mais determinantes de 8 " E 8 "
w
#
a b
ordem (no clculo de adj ). 8 # E a b
w
Sec. 4.14] Frmula de Cauchy 347
Podemos calcular o nmero de termos na frmula de Cauchy, para o que se indicam os
nmeros de parcelas de cada subexpresso naquela frmula:
Expresso
n de parcelas
+ E 8 8 " E 3 4 + + E
8 " x 8 " 8 # x 8x
88 38 84
34"
8"
34
w
#
det det det a b a b a b a b a b a b
!
a b a b a b
O total de parcelas :
a b a b a b a b a ba b a b a b 8 " x 8 " 8 # x 8 " x 8 " 8 " x 8 " x " 8 " 8x
#
Reencontrmos, assim, o nmero de parcelas de 4.64 , como era de esperar. a b
E Quando houver um elemento nulo no determinante de podemos, por duas operaes
elementares de tipo 1, lev-lo posio de o que far com que a primeira parcela da frmula +
88
de Cauchy se anule, poupando o clculo de . deta b E
w
E P G Quando a matriz for simtrica, e a frmula de Cauchy transforma-se em
T
det det a b a b a b E + E G E G
88
w w T
adj
A segunda parcela da expresso no 2 membro da igualdade anterior uma forma quadrtica
em , com matriz igual a . G E adja b
w
3 A frmula de Cauchy susceptvel de uma generalizao que consiste em usar uma linha
e uma coluna quaisquer da matriz para aplicar o teorema de Laplace restrito. Fixemos um 4 E
par : trocando sucessivamente a linha com cada uma das seguintes ( trocas) e a b 3 4 3 8 3
"348
a coluna com cada uma das seguintes ( trocas), levamos o elemento a ocupar a 4 8 4 +
34
posio mantendo a ordem das linhas de ndices e das restantes colunas de ndices a b 8 8 < 3
= 4; assim, devido anti-simetria, fica
deta b a b

a b a d
c b
E "
E 3 4 E 3 4
E 3 4 +
a b a b 83 84
34
Aplicando agora a frmula de Cauchy 4.98 ao determinante anterior e observando que a b
a b a b a b a b a b a b " " " " " "
a b a b a b a b a b 83 84 #8 34 #8 # 34 34 34
, vem
det det a b a b a b a b c b a b a d a b a b
a b a b c b a b a d a b
E " + E 3 4 E 3 4 E 3 4 E 3 4
+ + " E 3 4 E 3 4 E 3 4
34
34
34 34
34
adj
cof adj
Obtivemos, portanto, uma forma mais geral da frmula de Cauchy 4.98 , vlida agora para a b
quaisquer e da qual 4.98 um caso particular (com ): " 3 4 8 3 4 8 a b
deta b a b a b c b a b a d a b a b E + + " E 3 4 E 3 4 E 3 4
34 34
34
cof adj 4.98.1
O fornece as implementaes 4.98 e 4.98.1 da package ALGA`Determinantes` a b a b
frmula de Cauchy nas funes denominadas . Cauchy (ver seco 4.16)
Exemplo 4.60. Calculemos de novo o determinante do exemplo 4.42
deta b E

" # ! # $
% $ " # #
$ ! # % "
# & " ! $
% " " # !
usando, desta vez, a frmula de Cauchy e comeando por calcular adja b E
w
adja b

E E
&# ' (% (' &# #) "# %
#) ") $% % ' ") ' $!
"# ' &% "# (% $% &% &!
% $! &! #) (' % "# #)
w w
s
T
T
A frmula de Cauchy d, finalmente,
deta b c d

c d
E !
" # ! # &# #) "# % $
% $ " # ' ") ' $! #
$ ! # % (% $% &% &! "
# & " ! (' % "# #) $
% " " #
%%! "!% "&#

(#

$
#
"
$
"'%!
4.15 Derivada de um determinante
Se os elementos de uma matriz real quadrada forem funes reais (respectivamente,
complexas) de uma varivel real, o determinante dessa matriz ser uma funo real
(respectivamente, complexa) da mesma varivel. Vamos, nesta seco, estudar a
diferenciabilidade desta funo, supondo a diferenciabilidade das funes elementos da matriz.
Proposio 4.23. Derivada de um determinante Seja um intervalo aberto em , M
8 " +t M B +t B um nmero inteiro e ou . Seja ainda uma a b a b
4 4
"48
8
famlia de funes vectoriais definidas em e com valores em diferenciveis num ponto 8 M
8
B M M
!
. Nestas condies, a funo definida por ?
?a b a b a b a b a b a b a b B +t B +t B +t B +t B det
" # 4 8
4.99
diferencivel em e tem-se B
!
?
w
! " ! # ! ! 8 !
4"
8
w
4
"
B +t B +t B +t B +t B det 4.100
Sec. 4.15] Derivada de um determinante 349
Demonstrao:
Seja um dos corpos ou e, antes de mais, observe-se que dizer que as funes 8
vectoriais so diferenciveis em equivale a dizer que so diferenciveis nesse +t M B
4 !
8
ponto as suas funes componentes escalares de varivel real, tendo-se 8 + a b

34
"348
+t B + B + B + B " 4 8
w
4 "4 #4 84 ! ! ! !
w w w
a b a b a b a b

Mas, segundo 4.64 , a b
? & 5 a b a b a b a b a b
"
B + B + B + B
5
5 5 5
" # 8
8
" # 8
Todas as funes que intervm na expresso anterior esto definidas em e com valores em M
? e so diferenciveis em , donde tambm diferencivel neste ponto e tem-se, atendendo B
!
s regras de derivao da soma e do produto:
? & 5 & 5
& 5
& 5
w w w
! ! # ! 8 ! " ! ! 8 !
" #
" ! # ! !
w
8
w
a b a b a b a b a b a b a b a b a b
"
a b a b a b a b
"
a b
B + B + B + B + B + B + B
+ B + B + B
+
5
5 5 5 5 5 5
5 5 5
5
5
8
" # # 8 " 8
" # 8
8
"

" # ! # ! 8 ! " ! ! 8 !
" ! # ! !
w
8
w
" ! # !
"
"
a b a b a b a b
a b a b a b
B + B + B + B + B + B
+ B + B + B
+t B +t B
5 5 5 5
5
5
5
5 5 5
# 8 " 8
8
#
8
" # 8
& 5
& 5
det +t B +t B +t B +t B
+t B +t B +t B
+t B +t B +t B +t
8 ! " ! ! 8 !
w
#
" ! # ! !
w
8
4"
8
" ! # ! ! 8
w
4
a b a b a b a b a b
a b a b a b a b
"
a b a b a b a
det
det
det

b B
!
Esta a expresso que queramos provar.
Observaes:
8 A expresso 4.100 diz-nos que a derivada de um determinante de ordem a soma dos a b
8 " # 8 determinantes obtidos derivando sucessivamente as colunas e deixando inalteradas
as restantes colunas: 8 "
?
w
!
w w
"" "# ! "# ! "8 ! "" ! !
w
#" ! ## ! #8 !
w
8" ! 8# ! 88 !
a b

a b a b a b a b a b
a b a b a b
a b a b a b
B
+ B + B + B + B + B
+ B + B + B

+ B + B + B
+ B
+ B + B + B

+ B + B + B
+ B + B + B
+ B + B + B
"8 !
#" ! ! #8 !
w
##
8" ! ! 88 !
w
8#
"" ! "# ! !
w
"8
#" ! ## !
w
#8
a b
a b a b a b
a b a b a b

a b a b a b
a b a b a b

!
8" ! 8# ! !
w
88

+ B + B + B a b a b a b
Como o determinante de uma matriz tambm o determinante dos seus vectores-linha na
base cannica de , podemos tambm derivar um determinante :
8
derivando por linhas
?
w
!
w w w
"" "# "8 ! ! ! "" ! "# !
#" ! ## ! #8 !
8" ! 8# ! 88 !
a b

a b a b a b a b a b
a b a b a b
a b a b a b
B
+ B + B + B + B + B
+ B + B + B

+ B + B + B
+ B
+ B + B + B

+ B + B + B
+ B + B + B
+ B + B + B
"8 !
w w w
#" ## #8 ! ! !
8" ! 8# ! 88 !
"" ! "# ! "8 !
#" ! ## ! #8 !
a b
a b a b a b
a b a b a b

a b a b a b
a b a b a b

+ B + B + B
w w w
8" 8# 88 ! ! !
a b a b a b
A partir da regra anterior, podem calcular-se as derivadas de ordem superior, aplicando-a
funo e assim sucessivamente. ?
w
Exemplo 4.61. A derivada da funo definida pelo determinante de 2 ordem ?
?a b

a b
a b a b
B
B
" B B
sin
ln cos
# B
"B
#
#
poder ser calculada por 4.100 , derivando por colunas, vindo: a b
?
w
#
w w
B
"B
# #
w
# B
"B
w
# B
"B
#B
"B
# "B
"B
a b

a b a b
a b

a b
a b
a b
a
B
B
" B B " B B
B

#B B
B
B
sin
ln cos ln cos
sin
cos
cos
sin
ln
# #
#
#
#
#
#
a b
b a b
a b a b

a b a b
" B B
#B B B B B " B
#B " B
" B " B
#
# # #
# #
# #
# #
sin
cos cos sin sin ln
Sec. 4.16] Anexos: determinantes e o 351 MATHEMATICA
4.16 Anexos: determinantes e o MATHEMATICA
MATHEMATICA
Neste anexo apresentamos a implementao de um para o package MATHEMATICA
que
til para resolver alguns problemas relacionados com a teoria das funes multilineares e
determinantes. Algumas das funes necessrias existem j no , nomeadamente MATHEMATICA
as seguintes:
Permutations[s]
Determina as permutaes do conjunto (lista) com elementos. 8x 8 s,
Det[mat]
Calcula o determinante da matriz quadrada . mat
KSubsets[s,p]
Determina todos os subconjuntos formados por elementos do conjunto de elementos p s 8
(em nmero de se , ou se ).
8
:
! : 8 ! : 8
Cofactor[mat,{i,j}]
Determina o cofactor do elemento da linha e coluna da matriz . i j mat
Esta funo est implementada no ; no package DiscreteMath`Combinatorica`
entanto, o define uma funo mais geral do que esta. package ALGA`Determinantes` Cof
Alm desta, este package implementa as seguintes funes adicionais:
PermutacaoQ[lista]
Determina se a lista dada uma permutao de , para algum . e f " # 8 8
TransposicaoQ[lista]
Determina se a lista uma transposio.
ElementarQ[lista]
Determina se a lista uma transposio elementar.
PermInv[p]
Determina a permutao inversa de . p
Composicao[p1,p2]
Determina a composta de com ( ). p1 p2 p1 p2
Decomposicao[p]
Devolve uma lista de transposies, cuja composio (pela ordem resultante) igual a . p
Epsilon[p]
Determina a paridade ou sinal da permutao . Equivale funo j existente. p Signature
CondensacaoDet[mat]
Calcula o determinante da matriz quadrada , pelo mtodo de condensao. mat
MatrizComplementar[mat,linhas,colunas]
Determina a submatriz de obtida por eliminao da linhas indicadas na lista e mat linhas
das colunas indicadas na lista . colunas
MenorComplementar[mat,linhas,colunas]
Determina o menor complementar do menor da matriz formado pelas linhas e colunas mat
indicadas nas listas e . linhas colunas
Paridade[linhas,colunas]
Determina a paridade de um menor formado pelas filas indicadas nas listas e linhas
colunas.
Cof[mat,linhas,colunas]
Determina o cofactor do menor da matriz formado pelas linhas e colunas indicadas nas mat
listas e . linhas colunas
LaplaceDet[mat,filas,Colunas-> ] Opo
Calcula o determinante de aplicando o teorema de Laplace s filas indicadas em . mat filas
A opo ou indica se essas filas so linhas ou colunas Colunas True Colunas False -> ->
(por defeito ). Colunas True ->
RecursivoDet[mat]
Calcula o determinante de , aplicando recursivamente o teorema de Laplace restrito mat
primeira coluna do determinante.
Adj[mat]
Determina a matriz adjunta da matriz quadrada . mat
MatrizInversa[mat]
Determina a matriz inversa da matriz quadrada atravs da matriz adjunta. mat,
FilasPrincipais[mat]
Devolve o par formado pelas listas de linhas e de colunas principais de . mat
MatRank[mat]
Determina a caracterstica da matriz atravs de uma matriz principal. equivalente mat
funo existente no . MatrixRank MATHEMATICA
MatrizPrincipal[mat]
Determina uma matriz principal de . mat
Cramer[mat,vec,simb]
Determina o vector soluo geral do sistema linear de matriz simples e vector de termos mat
independentes , exprimindo-a, no caso de indeterminao, nos necessrios parmetros vec
arbitrrios , , etc. simb[1] simb[2]
Cauchy[mat,{i,j}]
Calcula o determinante de atravs da frmula de Cauchy 4.98.1 e usando a linha e a mat i , a b
coluna . j
Wronskian[lista]
Calcula o wronskiano da lista de funes puras . lista
Segue-se a listagem do : package ALGA`Determinantes`
(* Contexto : ALGA`Determinantes` *)
(* Verso : 3.5 *)
BeginPackage["ALGA`Determinantes`", {"Combinatorica`"}]
(* ------------------------------ HELP ON-LINE ------------------------------ *)
PermutacaoQ::usage = "PermutacaoQ[p] determina se a lista p uma permutao."
TransposicaoQ::usage = "TransposicaoQ[p] determina se a lista p uma transposio."
ElementarQ::usage = "ElementarQ[p] determina se a lista p uma transposio elementar."
PermInv::usage = "PermInv[p] calcula a permutao inversa de p."
Composicao::usage = "Composicao[p1, p2] calcula a permutao composta (p1 o p2)."
Decomposicao::usage = "Decomposicao[p] devolve uma lista {t1,t2,...,tn} de \
transposies tais que p = t1 o t2 o...o tn."
Epsilon::usage = "Epsilon[p] determina a paridade da permutao p."
DefDet::usage = "DefDet[mat] devolve o determinante da matriz quadrada mat, calculado \
pela soma dos termos da matriz multiplicados pela paridade."
Opr1::usage = "Opr1[A,i,j] Matriz que resulta de trocar as linhas i e j na matriz A."
Opr2::usage = "Opr2[A,i,x] Matriz que resulta de multiplicar a linha i da matriz A \
pelo escalar x no-nulo."
Opr3::usage = "Opr3[A,i,j,y] matriz obtida de A, substituindo a linha i pela sua soma \
com o produto do escalar y pela linha j."
CondensacaoDet::usage = "CondensacaoDet[mat] calcula o determinante da matriz quadrada \
mat, usando o mtodo de condensao."
MatrizComplementar::usage =
"MatrizComplementar[mat, linhas, colunas] devolve a submatriz obtida de mat eliminando \
as filas indicadas nas listas linhas e colunas."
MenorComplementar::usage =
"MenorComplementar[mat, linhas, colunas] devolve o menor complementar da submatriz \
de mat cujas filas se indicam nas listas linhas e colunas."
Paridade::usage =
"Paridade[linhas, colunas] calcula a paridade do menor constitudo pelas linhas e colunas \
indicadas nos argumentos."
Cof::usage =
"Cof[mat, linhas, colunas] calcula o cofactor da submatriz de mat cujas linhas e colunas \
se indicam nos 2 e 3 argumentos."
LaplaceDet::usage =
"LaplaceDet[mat,filas] devolve o valor do determinante de mat, calculando-o pelo teorema \
de Laplace, usando os menores contidos nas filas da lista filas. A opo Colunas -> False \
indica que as filas indicadas so linhas; A opo Colunas -> True indica que as filas \
indicadas so colunas; por defeito, o desenvolvimento por colunas."
Colunas::usage = "A opo Colunas -> False indica que as filas indicadas na funo LaplaceDet \
so linhas; A opo Colunas -> True indica que as filas indicadas so colunas; por defeito, o \
desenvolvimento por colunas."
RecursivoDet::usage = "RecursivoDet[mat] calcula o determinante de mat, com um algoritmo \
recursivo, baseado no teorema de Laplace restrito."
Adj::usage = "Adj[mat] calcula a matriz adjunta de mat."
MatrizInversa::usage = "MatrizInversa[mat] calcula a matriz inversa de mat."
FilasPrincipais::usage = "FilasPrincipais[mat] devolve o par formado pelas listas de linhas \
e de colunas principais da matriz mat."
MatRank::usage = "MatRank[mat] devolve a caracterstica de mat."
MatrizPrincipal::usage = "MatrizPrincipal[mat] devolve uma matriz principal de mat."
Cramer::usage = "Cramer[mat, vec, simb] devolve o vector soluo geral do sistema de matriz \
simples mat e termos independentes vec, usando a regra de Cramer e os smbolos simb[1], \
simb[2], etc, como parmetros arbitrrios (quando indeterminado)."
Cauchy::usage = "Cauchy[mat, {i, j}] devolve o determinante de mat, calculado pela regra de \
Cauchy, a partir do elemento na posio (i,j)."
Wronskian::usage = "Wronskian[lista,var] devolve o Wronskiano da lista de funes puras \
indicadas, usando a varivel var como argumento."
Begin["`Private`"]
(* -------------------------------- DEFAULTS -------------------------------- *)
Options[LaplaceDet] = {Colunas -> True};
Opr2::escalarnulo = "Operao do tipo 2 invlida. O 3 argumento no pode ser nulo.";
MatrizComplementar::fila = "Comprimento da lista `1` incompatvel com a matriz dada.";
MatrizComplementar::errfilas = "ndice(s) invlidos em `1`.";
MenorComplementar::rect = Paridade::rect = Adj::rect = MatrizInversa::rect = "Matriz \
rectangular encontrada; matriz quadrada esperada.";
MatrizInversa::sing = "Matriz singular.";
Cramer::errdim = "Nmero de linhas da matriz simples diferente da dimenso do vector dos \
termos independentes.";
Cramer::imp = "Sistema sem soluo.";
Cauchy::rect1 = "Matriz rectangular ou de ordem inferior a 3 encontrada.";
Cauchy::domain := "fila(s) indicadas fora do domnio admissvel.";
(* ------------------------------ IMPLEMENTAO ------------------------------ *)
(* Implementao da funo PermutacaoQ *)
PermutacaoQ[p_List] := p != {} && Sort[p] == Range[Length[p]]
(* Implementao da funo TransposicaoQ *)
TransposicaoQ[p_?PermutacaoQ] :=
Module[{r = Range[Length[p]]-p},
Length[p]-Count[r, 0] == 2
]
(* Implementao da funo ElementarQ *)
ElementarQ[p_?PermutacaoQ] :=
Module[{n = Range[Length[p]], nz},
nz = Sort[Complement[n, Flatten[Position[n-p, 0]]]];
Length[nz] == 2 && nz[[2]] == nz[[1]]+1
]
(* Implementao da funo PermInv *)
PermInv[p_?PermutacaoQ] :=
Module[{s = {}},
Do[
s = Join[s, Flatten[Position[p, i]]],
{i, Length[p]}
];
s
]
(* Implementao da funo Composicao *)
Composicao[p1_?PermutacaoQ, p2_?PermutacaoQ] :=
Module[{s = {}},
Do[
s = Join[s, {p1[[p2[[i]]]]}],
{i, Length[p1]}
];
s
]
(* Implementao da funo Decomposicao *)
Decomposicao[p_?PermutacaoQ] :=
Module[{j, id = Range[Length[p]], id1, tmp, dec = {}},
Do[
j = Position[id, p[[i]]][[1,1]];
If[j != i,
tmp = id[[i]];
id[[i]] = id[[j]];
id[[j]] = tmp;
id1 = Range[Length[p]];
tmp = id1[[i]];
id1[[i]] = id1[[j]];
id1[[j]] = tmp;
dec = Join[dec, {id1}]
],
{i, Length[p]-1}
];
dec
]
(* Implementao da funo Epsilon *)
Epsilon[p_?PermutacaoQ] := (-1)^Length[Decomposicao[p]]
(* Implementao da funo DefDet *)
DefDet[a_?MatrixQ]:=
Module[{n = Length[a], sn},
sn = Permutations[Range[n]];
Sum[Signature[sn[[i]]]*Product[a[[sn[[i,j]], j]], {j, n}], {i, Length[sn]}]
]
(* Implementao das 3 operaes elementares *)
Opr1[a_?MatrixQ, i_Integer, j_Integer] :=
Module[{temp = a[[i]], b = a},
b[[i]] = b[[j]]; b[[j]] = temp; b
]
Opr2[a_?MatrixQ, i_Integer, x_] :=
Module[{b = a},
If[x == 0,
Message[Opr2::escalarnulo],
b[[i]] = x b[[i]]; b
]
]
Opr3[a_?MatrixQ, i_Integer, j_Integer, x_] :=
Module[{b = a},
b[[i]] = b[[i]] + x b[[j]]; b
]
(* Implementao da funo CondensacaoDet *)
CondensacaoDet[a_?MatrixQ] :=
Module[{n = Length[a], b = a, r = 0, i, d = 1},
While[r < n,
i = r;
While[
i++;
b[[i, r+1]] == 0 && i < n,
Null
];
If[b[[i, r+1]] == 0,
Return[0],
r++;
If[i != r, b = Opr1[b, r, i]; d *= -1];
d *= b[[r, r]]; b = Opr2[b, r, 1/b[[r, r]]];
For[i = r+1, i <= n, i++,
b = Opr3[b, i, r, -b[[i, r]]]
]
]
];
d
]
(* Implementao da funo MatrizComplementar *)
MatrizComplementar[a_?MatrixQ, linhas_List, colunas_List] :=
Module[{l = Union[linhas], c = Union[colunas], m = Range[Length[a]],
n = Range[Dimensions[a][[2]]]},
Which[
Union[m, l] != m, Message[MatrizComplementar::errfilas, linhas],
Union[n, c] != n, Message[MatrizComplementar::errfilas, colunas],
Length[l] >= Length[a], Message[MatrizComplementar::fila, linhas],
Length[c] >= Dimensions[a][[2]], Message[MatrizComplementar::fila, colunas],
True, a[[Complement[m, l], Complement[n, c]]]
]
]
(* Implementao da funo MenorComplementar *)
MenorComplementar[a_?MatrixQ, linhas_List, colunas_List] :=
Module[{submat},
If[Length[a]==Dimensions[a][[2]],
submat = MatrizComplementar[a, linhas, colunas];
If[Length[submat]==Dimensions[submat][[2]],
Det[submat],
Message[MenorComplementar::rect]
],
Message[MenorComplementar::rect]
]
]
(* Implementao da funo Paridade *)
Paridade[linhas_List, colunas_List] :=
Module[{l = Union[linhas], c = Union[colunas]},
(-1)^(Sum[l[[i]],{i, Length[l]}]+Sum[c[[i]],{i, Length[c]}])
]
(* Implementao da funo Cof *)
Cof[a_?MatrixQ, linhas_List, colunas_List] :=
Paridade[linhas,colunas]*MenorComplementar[a, linhas, colunas]
(* Implementao da funo LaplaceDet *)
LaplaceDet[a_?MatrixQ, filas_List, opts___?OptionQ] :=
Module[{n = Length[a], fs = Union[filas], seq, cols},
seq = KSubsets[Range[n], Length[fs]];
cols = Colunas /. Flatten[{opts, Options[LaplaceDet]}];
If[cols,
Sum[Cof[a, seq[[i]], fs]*Det[a[[seq[[i]], fs]]], {i, Length[seq]}],
Sum[Cof[a, fs, seq[[i]]]*Det[a[[fs, seq[[i]]]]], {i, Length[seq]}]
]
]
(* Implementao da funo RecursivoDet *)
RecursivoDet[a_?MatrixQ] :=
Module[{n = Length[a]},
If[n == 1,
a[[1, 1]],
Sum[a[[i, 1]]*(-1)^(i+1)*RecursivoDet[Drop[a, {i}, {1}]], {i, n}]
]
]
(* Implementao da funo Adj *)
Adj[a_?MatrixQ] :=
Module[{n = Length[a]},
Transpose[Table[Cof[a,{i},{j}],{i,n},{j,n}]],
Message[Adj::rect]
]
]
(* Implementao da funo MatrizInversa *)
MatrizInversa[a_?MatrixQ] :=
Module[{d},
If[(d = Det[a]) == 0,
Message[MatrizInversa::sing],
Adj[a]/d
],
Message[MatrizInversa::rect]
]
]
(* 1 Implementao da funo FilasPrincipais *)
FilasPrincipais[a_?MatrixQ] :=
Module[{m = Length[a], n = Dimensions[a][[2]], p, u, v, i, j},
p = Min[m, n]+1;
While[p > 1,
p--;
u = KSubsets[Range[m], p];
v = KSubsets[Range[n], p];
i = 0;
While[i < Length[u],
i++;
j = 0;
While[j < Length[v],
j++;
If[Simplify[Det[a[[u[[i]],v[[j]]]]]] != 0, Return[{u[[i]],v[[j]]}]]
]
]
];
{{},{}}
]
(* Implementao da funo MatRank *)
MatRank[a_?MatrixQ]:= Length[FilasPrincipais[a][[1]]]
(* Implementao da funo MatrizPrincipal *)
MatrizPrincipal[a_?MatrixQ] :=
Module[{p = FilasPrincipais[a]},
a[[p[[1]], p[[2]]]]
]
(* Implementao da funo Cramer *)
Cramer[a_?MatrixQ, b_?VectorQ, x_Symbol] :=
Module[{m = Length[a], n = Dimensions[a][[2]], eqp, vrp, eqs, vrs,
r, poss = True, i = 0, teste, sol, matp, d, bc, matpx},
If[m != Length[b],
Message[Cramer::errdim],
{eqp, vrp} = FilasPrincipais[a];
eqs = Complement[Range[m],eqp];
vrs = Complement[Range[n],vrp];
r = Length[eqp];
While[poss && i < m-r,
i++;
teste = Union[eqp, {eqs[[i]]}];
poss = Simplify[Det[Join[Transpose[a[[teste, vrp]]], {b[[teste]]}]] == 0]
];
If[poss,
sol = Array[x, {n}];
If[r > 0,
matp = Transpose[a[[eqp, vrp]]];
d = Det[matp];
bc = b[[eqp]]-a[[eqp, vrs]].sol[[vrs]];
Do[
matpx = matp;
matpx[[i]] = bc;
sol[[vrp[[i]]]] = Det[matpx]/d,
{i, r}
]
];
Simplify[sol],
Message[Cramer::imp]
]
]
]
(* Implementao da funo Cauchy *)
Cauchy[a_?MatrixQ, filas_List]:=
Module[{n = Length[a], i, j},
If[Length[a]==Dimensions[a][[2]] && n > 2,
f = Range[n];
{i, j} = filas;
If[MemberQ[f, i] && MemberQ[f, j],
a[[i, j]]*Cof[a, {i}, {j}]-(-1)^(i+j)*
Drop[a[[i]], {j}].Adj[Drop[a, {i}, {j}]].Drop[a, {i}][[All, j]],
Message[Cauchy::domain]
],
Message[Cauchy::rect1]
]
]
(* Implementao da funo Wronskian *)
Wronskian[seq_List,x_]:=Module[{n=Length[seq]},
Det[Table[D[seq[[j]][x],{x,i}],{i,0,n-1},{j,1,n}]]//FullSimplify
]
End[]
EndPackage[]
O package ALGA` ` Determinantes dever ser previamente carregado em memria, o que
se consegue por meio de um dos comandos seguintes:
<<ALGA` `
Get["ALGA` `"]
Needs["ALGA` `"]
DeclarePackage["ALGA` `"]
Determinantes
Determinantes
Determinantes
Determinantes
Nas pginas seguintes apresentamos um notebook ilustrativo do uso das funes
implementadas no anterior, bem como de algumas funes internas ao sistema package
MATHEMATICA
.
Determinantes
4.16.1. Permutaes
Com o MATHEMATICA, podemos trabalhar no Grupo simtrico de qualquer
ordem
<< ALGA`Determinantes`
Wronskian::shdw:
Symbol Wronskian appears in multiple contexts 9ALGA`Determinantes`, Global`=; definitions in context
ALGA`Determinantes` may shadowor be shadowed by other definitions.
A seguinte lista no uma permutao
?PermutacaoQ
PermutacaoQ@pD determina se a lista p uma permutao.
PermutacaoQ@82, 4, 1<D
Fal se
Mas esta j ser
Sec. 4.16] Anexos: determinantes e o MATHEMATICA
361
PermutacaoQ@83, 4, 2, 1<D
Tr ue
Podemos definir uma funo para gerar aleatoriamente uma permutao com uma ordem tambm
aleatria entre dois extremos dados n1 e n2
PermutacaoRandom@n1_Integer, n2_IntegerD :=
Module@8n, p<, n = RandomInteger@8n1, n2<D;
While@p = RandomInteger@81, n<, nD;
! PermutacaoQ@pD, NullD; pD
E us-la para gerar uma permutao de ordem aleatria entre 5 e 10
PermutacaoRandom@5, 10D
88, 3, 5, 6, 7, 2, 1, 4<
Algumas transposies junto com outras permutaes que o no so
8TransposicaoQ@85, 7, 3, 1, 4, 6, 2<D,
TransposicaoQ@81, 2, 4, 3<D,
TransposicaoQ@81, 5, 3, 4, 2, 6<D,
TransposicaoQ@82, 3, 1<D<
362
Determinantes [Cap. 4
8Fal se, Tr ue, Tr ue, Fal se<
Das transposies anteriores, s a segunda elementar
8ElementarQ@85, 7, 3, 1, 4, 6, 2<D,
ElementarQ@81, 2, 4, 3<D,
ElementarQ@81, 5, 3, 4, 2, 6<D, ElementarQ@82, 3, 1<D<
8Fal se, Tr ue, Fal se, Fal se<
Podemos calcular a permutao inversa
p = 84, 2, 3, 1, 6, 5<; q = PermInv@pD
84, 2, 3, 1, 6, 5<
E verificar o resultado
Composicao@p, qD Range@Length@pDD
Tr ue
Construo do grupo simtrico de ordem 10
363
s10 = Permutations@Range@10DD;
Podemos agora obter duas permutaes aleatrias de ordem 10
8p = s10PRandomInteger@81, 10!<DT,
q = s10PRandomInteger@81, 10!<DT<
881, 3, 6, 8, 5, 2, 4, 9, 7, 10<, 89, 6, 3, 1, 2, 4, 5, 7, 8, 10<<
E comp-las
?Composicao
Composicao@p1, p2D calcula a permutao composta Hp1 o p2L.
r = Composicao@p, qD
87, 2, 6, 1, 3, 8, 5, 4, 9, 10<
Determinemos as paridades e verifique-se o teorema da paridade do produto
?Epsilon
Epsilon@pD determina a paridade da permutao p.
364
8Epsilon@pD, Epsilon@qD, Epsilon@rD<
81, 1, 1<
Determinemos as paridades pela funo Si gnat ur e[ ] do sistema
8Signature@pD, Signature@qD, Signature@rD<
81, 1, 1<
Por fim, faamos a decomposio de uma permutao em produto de transposies
?Decomposicao
Decomposicao@pD devolve uma lista 8t1,t2,...,tn< de transposies tais que p = t1 o t2 o...o tn.
d = Decomposicao@pD
881, 3, 2, 4, 5, 6, 7, 8, 9, 10<,
81, 2, 6, 4, 5, 3, 7, 8, 9, 10<, 81, 2, 3, 8, 5, 6, 7, 4, 9, 10<,
81, 2, 3, 4, 5, 6, 8, 7, 9, 10<, 81, 2, 3, 4, 5, 6, 7, 9, 8, 10<<
Verifiquemos que se trata, de facto, de transposies
365
Table@TransposicaoQ@d@@iDDD, 8i, Length@dD<D
8Tr ue, Tr ue, Tr ue, Tr ue, Tr ue<
Verifiquemos que a composio das transposies anteriores (pela ordem obtida) d como resul-
tado a permutao p
Fold@Composicao, d@@1DD, Drop@d, 1DD
81, 3, 6, 8, 5, 2, 4, 9, 7, 10<
4.16.2. Determinantes (com matriz real)
As funes Det [ ] , Def Det [ ] , CondensacaoDet [ ] , Recur si voDet [ ] e
Cauchy[ ] permitem o clculo de determinantes
? Def Det
DefDet@matD devolve o determinante da matriz quadrada
mat, calculado pela soma dos termos da matriz multiplicados pela paridade.
? CondensacaoDet
CondensacaoDet@matD calcula o determinante da matriz quadrada mat, usando o mtodo de condensao.
? Recur si voDet
366
RecursivoDet@matD calcula o determinante de mat,
comumalgoritmo recursivo, baseado no teorema de Laplace restrito.
? Cauchy
Cauchy@mat, 8i, j<D devolve o determinante de
mat, calculado pela regra de Cauchy, a partir do elemento na posio Hi,jL.
Defina-se uma matriz real aleatria
Ha = RandomInteger@89, 9<, 87, 7<DL MatrixForm
9 4 8 7 2 6 6
4 2 3 5 6 7 4
1 2 2 8 3 2 0
6 9 8 1 0 7 7
2 8 4 5 8 8 1
6 7 2 3 2 5 2
6 7 3 6 4 1 8
O determinante ser, pelas 5 funes
8Det@aD, DefDet@aD, CondensacaoDet@aD,
RecursivoDet@aD, Cauchy@a, 86, 3<D<
81369197, 1369197, 1369197, 1369197, 1369197<
As funes Mat r i zCompl ement ar [ ] , Menor Compl ement ar [ ] , Par i dade[ ] e
Cof [ ] permitem calcular menores complementares, paridades e cofactores
367
? Mat r i zCompl ement ar
MatrizComplementar@mat, linhas, colunasD devolve a
submatriz obtida de mat eliminando as filas indicadas nas listas linhas e colunas.
? Menor Compl ement ar
MenorComplementar@mat, linhas, colunasD devolve o menor
complementar da submatriz de mat cujas filas se indicamnas listas linhas e colunas.
? Par i dade
Paridade@linhas, colunasD calcula a paridade do menor constitudo pelas linhas e colunas indicadas nos argumentos.
? Cof
Cof@mat, linhas, colunasD calcula o cofactor da
submatriz de mat cujas linhas e colunas se indicamnos 2 e 3 argumentos.
A submatriz complementar de a obtida eliminando as linhas 2, 4, 6 e as colunas 1, 3, 5
MatrizComplementar@a, 82, 4, 6<, 81, 3, 5<D
MatrixForm
4 7 6 6
2 8 2 0
8 5 8 1
7 6 1 8
368
O menor complementar do menor contido nas linhas 2, 4, 6 e as colunas 1, 3, 5 o determinante
da matriz anterior
8m = MenorComplementar@a, 82, 4, 6<, 81, 3, 5<D, Det@%D<
81236, 1236<
A paridade ser
s = Paridade@82, 4, 6<, 81, 3, 5<D
1
E o cofactor calculado por
8Cof@a, 82, 4, 6<, 81, 3, 5<D, s m<
81236, 1236<
As funes Lapl aceDet [ ] , Recur si voDet [ ] e Cauchy[ ] calculam
determinantes pelo teorema de Laplace geral (ou restrito, se a lista fornecida
for singular), por um algoritmo recursivo e pela frmula de Cauchy; as
funes Adj [ ] e Mat r i zI nver sa[ ] calculam a adjunta e a inversa de uma
matriz.
369
O teorema de Laplace aplicado s linhas 2, 4 e 7 e ainda s colunas 1 e 4 d
8LaplaceDet@a, 82, 4, 7<, Colunas FalseD,
LaplaceDet@a, 81, 4<D<
81369197, 1369197<
O teorema de Laplace restrito aplicado recursivamente fornece tambm o determinante
RecursivoDet@aD
1369197
A frmula de Cauchy calcula tambm o determinante
Cauchy@a, 83, 6<D
1369197
A adjunta de a a matriz
Hb = Adj@aDL MatrixForm
370
141559 423912 95336 233835 227885 130067 102850
28584 87561 132372 16011 123345 85635 73179
113306 170718 252808 92019 10981 363634 169673
120436 482934 553562 274551 146651 460205 185812
201337 947604 653129 537477 274595 695069 286936
108628 464007 477188 332898 154328 585251 267775
80926 588666 519254 292371 199472 457001 282652
A matriz a e a sua adjunta permutam
a.b b.a
Tr ue
E a adjunta verifica a igualdade fundamental: a. Adj [ a] == Det [ a] *I dent i t yMat r i x[ -
Lengt h[ a] ]
a.b MatrixForm
1369197 0 0 0 0 0 0
0 1369197 0 0 0 0 0
0 0 1369197 0 0 0 0
0 0 0 1369197 0 0 0
0 0 0 0 1369197 0 0
0 0 0 0 0 1369197 0
0 0 0 0 0 0 1369197
Que igual a
Det@aD IdentityMatrix@Length@aDD MatrixForm
371
1369197 0 0 0 0 0 0
0 1369197 0 0 0 0 0
0 0 1369197 0 0 0 0
0 0 0 1369197 0 0 0
0 0 0 0 1369197 0 0
0 0 0 0 0 1369197 0
0 0 0 0 0 0 1369197
A inversa atravs da adjunta
Hc = MatrizInversa@aDL MatrixForm
8327
80541
8312
26847

5608
80541

4585
26847

13405
80541

7651
80541
6050
80541
3176
152133
3243
50711
14708
152133
593
50711

13705
152133
9515
152133

8131
152133
113306
1369197

56906
456399
252808
1369197
30673
456399
10981
1369197
363634
1369197

169673
1369197
120436
1369197

160978
456399
553562
1369197
91517
456399
146651
1369197
460205
1369197

185812
1369197
201337
1369197
315868
456399

653129
1369197

179159
456399

274595
1369197

695069
1369197
286936
1369197
108628
1369197
154669
456399

477188
1369197

110966
456399

154328
1369197

585251
1369197
267775
1369197
80926
1369197

196222
456399
519254
1369197
97457
456399
199472
1369197
457001
1369197

282652
1369197
Verificao de que se trata da matriz inversa
a.c MatrixForm
1 0 0 0 0 0 0
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 1 0 0
0 0 0 0 0 1 0
0 0 0 0 0 0 1
372
4.16.3. Determinantes (com matriz complexa)
As funes Det [ ] , CondensacaoDet [ ] , Recur si voDet [ ] e Cauchy[ ]
permitem o clculo de determinantes
Defina-se uma matriz complexa aleatria
Ha = Table@RandomInteger@89, 9<D +
RandomInteger@86, 6<D , 84<, 84<DL MatrixForm
2 8 9 + 4 4
1 5 + 2 5 5 4 6
9 3 7 1 5 7
7 4 5 5 1 + 4 7 5
O determinante ser, pelas 4 funes
8Det@aD, CondensacaoDet@aD,
RecursivoDet@aD, Cauchy@a, 83, 1<D<
89398 5118 , 9398 5118 , 9398 5118 , 9398 5118 <
As funes Mat r i zCompl ement ar [ ] , Menor Compl ement ar [ ] , Par i dade[ ] e
Cof [ ] permitem calcular menores complementares, paridades e cofactores
A submatriz complementar de a obtida eliminando as linhas 2 e 4 e as colunas 1 e 3
373
MatrizComplementar@a, 82, 4<, 81, 3<D MatrixForm
K
8 4
7 7
O
O menor complementar do menor contido nas linhas 2, 4 e as colunas 1, 3 o determinante da
matriz anterior
8m = MenorComplementar@a, 82, 4<, 81, 3<D, Det@%D<
827 10 , 27 10 <
A paridade ser
s = Paridade@82, 4<, 81, 3<D
1
E o cofactor calculado por
8Cof@a, 82, 4<, 81, 3<D, s m<
827 10 , 27 10 <
374
As funes Lapl aceDet [ ] , Recur si voDet [ ] e Cauchy[ ] calculam
determinantes pelo teorema de Laplace geral (ou restrito, se a lista fornecida
for singular), por um algoritmo recursivo e pela frmula de Cauchy; as
funes Adj [ ] e Mat r i zI nver sa[ ] calculam a adjunta e a inversa de uma
matriz.
? Lapl aceDet
LaplaceDet@mat,filasD devolve o valor do determinante de mat, calculando-o pelo teorema de Laplace, usando os
menores contidos nas filas da lista filas. A opo Colunas -> False indica que as filas indicadas so linhas; A
opo Colunas -> True indica que as filas indicadas so colunas; por defeito, o desenvolvimento por colunas.
? Adj
Adj@matD calcula a matriz adjunta de mat.
? Mat r i zI nver sa
MatrizInversa@matD calcula a matriz inversa de mat.
O teorema de Laplace aplicado s linhas 1, 3 e 4 e ainda s colunas 1 e 4 d
8LaplaceDet@a, 81, 3, 4<, Colunas FalseD,
LaplaceDet@a, 81, 4<D<
89398 5118 , 9398 5118 <
O teorema de Laplace restrito aplicado recursivamente fornece tambm o determinante
375
RecursivoDet@aD
9398 5118
A frmula de Cauchy calcula tambm o determinante
Cauchy@a, 82, 2<D
9398 5118
A adjunta de a a matriz
Hb = Adj@aDL MatrixForm
551 + 544 614 + 145 623 116 231 882
934 + 403 1279 + 74 30 + 309 316 + 507
610 203 571 400 406 + 175 370 + 379
167 + 593 621 + 645 689 35 631 561
A matriz a e a sua adjunta permutam
a.b b.a
Tr ue
376
E a adjunta verifica a propriedade fundamental: a. Adj [ a] == Det [ a] *I dent i t yMat r i x[ -
Lengt h[ a] ]
a.b MatrixForm
9398 5118 0 0 0
0 9398 5118 0 0
0 0 9398 5118 0
0 0 0 9398 5118
Que igual a
Det@aD IdentityMatrix@Length@aDD MatrixForm
9398 5118 0 0 0
0 9398 5118 0 0
0 0 9398 5118 0
0 0 0 9398 5118
A inversa atravs da adjunta
Hc = MatrizInversa@aDL MatrixForm
1197053
57258164

3966265
57258164
2514131
57258164

2252581
57258164

2630633
57258164
+
2139341
57258164
3342507
57258164
+
3553389
57258164
5420143
57258164
+
496409
57258164

6199387
57258164
+
2925235
57258164

931701
57258164

1375221
57258164
187471
57258164

3191037
57258164
3385867
57258164

607093
57258164

1659529
57258164
+
3340789
57258164

2355619
57258164
+
216629
57258164

2708491
57258164

834091
57258164
575555
14314541

1179577
28629082

2284317
28629082

360429
14314541
831794
14314541

799343
28629082
1100167
14314541
+
510705
28629082
377
Que verifica a definio de inversa
a.c MatrixForm
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
4.16.4. Submatrizes principais e caracterstica de uma matriz
As funes Fi l asPr i nci pai s[ ] , Mat r i zPr i nci pal [ ] e Mat Rank[ ]
permitem saber as filas principais de uma matriz, uma matriz principal e a
caracterstica de uma matriz qualquer, usando determinantes.
? Fi l asPr i nci pai s
FilasPrincipais@matD devolve o par formado pelas listas de linhas e de colunas principais da matriz mat.
? Mat r i zPr i nci pal
MatrizPrincipal@matD devolve uma matriz principal de mat.
? Mat Rank
MatRank@matD devolve a caracterstica de mat.
Defina-se uma matriz
378
Ha = 883, 2, 1, 0<, 86, 4, 0, 3<,
83, 2, 1, 3<, 80, 0, 2, 3<<L MatrixForm
3 2 1 0
6 4 0 3
3 2 1 3
0 0 2 3
As filas principais so dadas num par de listas
FilasPrincipais@aD
881, 2<, 81, 3<<
Extraindo uma submatriz principal
Hp = MatrizPrincipal@aDL MatrixForm
K
3 1
6 0
O
Verificao de que a matriz anterior principal: ela regular
Det@pD != 0
379
Tr ue
...mas todas as submatrizes de ordem 3 so singulares
gl = KSubsets@Range@Length@aDD, 3D;
gc = KSubsets@Range@Dimensions@aD@@2DDD, 3D;
Table@Det@a@@gl@@iDD, gc@@jDDDDD,
8i, Length@glD<, 8j, Length@gcD<D
880, 0, 0, 0<, 80, 0, 0, 0<, 80, 0, 0, 0<, 80, 0, 0, 0<<
...e o mesmo se passa com as de ordem 4
gl = KSubsets@Range@Length@aDD, 4D;
gc = KSubsets@Range@Dimensions@aD@@2DDD, 4D;
Table@Det@a@@gl@@iDD, gc@@jDDDDD,
8i, Length@glD<, 8j, Length@gcD<D
880<<
A caracterstica calculada pela funo implementada no package e pela funo existente no sistema
MATHEMATICA:
380
8MatRank@aD, MatrixRank@aD<
82, 2<
4.16.5. Regra de Cramer
Caso de um sistema de Cramer
?Cramer
Cramer@mat, vec, simbD devolve o vector soluo geral do sistema
de matriz simples mat e termos independentes vec, usando a regra de Cramer e os
smbolos simb@1D, simb@2D, etc, como parmetros arbitrrios Hquando indeterminadoL.
Neste exemplo, a matriz simples e o vector dos termos independentes so
Ha = 882, 1, 3<, 83, 2, 2<, 85, 3, 1<<L MatrixForm
2 1 3
3 2 2
5 3 1
b = 85, 5, 16<;
O sistema determinado (sistema de Cramer) e a soluo
381
sol = Cramer@a, b, xD
81, 3, 2<
Verificao da soluo
Tr ue
Caso de um sistema indeterminado
Neste outro exemplo, a matriz simples e o vector dos termos independentes so
Ha = 881, 2, 1, 3<, 82, 4, 4, 3<, 83, 6, 1, 8<<L
MatrixForm
1 2 1 3
2 4 4 3
3 6 1 8
b = 83, 9, 10<;
382
O sistema duplamente indeterminado e a soluo geral, sendo principais a 1 e a 2 incgnitas,
ser
:
1
2
H7 4 x@2D 5 x@4DL, x@2D,
1
2
H1 + x@4DL, x@4D>
As colunas principais da matriz simples so a 1 e 3, confirmando serem estas as incgnitas
principais escolhidas pelo algoritmo anterior. As equaes principais foram as duas primeiras.
FilasPrincipais@aD
881, 2<, 81, 3<<
Verificao da soluo
Tr ue
Caso de um sistema impossvel
Neste ltimo exemplo, a matriz simples e o vector dos termos independentes so
383
Ha = 881, 5, 4, 13<, 83, 1, 2, 5<, 82, 2, 3, 4<<L
MatrixForm
1 5 4 13
3 1 2 5
2 2 3 4
b = 83, 2, 1<;
Neste caso, o sistema impossvel
Cramer@a, b, xD
Cramer::imp: Sistema semsoluo.
Caso de um sistema indeterminado sobre o corpo dos complexos
Neste ltimo exemplo, a matriz simples e o vector dos termos independentes so complexos
Ha = 881 + I, 3 2 I, 1 I<, 82 I, 2 + 3 I, 1 + I<,
86 2 I, 12, 4 + 4 I<<L MatrixForm
1 + 3 2 1
2 2 + 3 1 +
6 2 12 4 + 4
384
b = 86 I, 9 + 4 I, 20 16 I<
86 , 9 + 4 , 20 16 <
Neste caso, o sistema simplesmente indeterminado e foram seleccionadas as duas primeiras
incgnitas para principais
:
4
53
+
14
53
H5 + 2 x@3DL,
2
53
+
7
53
HH1 16 L + H1 + L x@3DL, x@3D>
Verificao da soluo
Tr ue
4.16.6. Uso da funo Wr onski an[ ]
Remove@"Global`"D
? Wronskian
Wronskian@lista,varD devolve o Wronskiano da lista de funes puras indicadas, usando a varivel var como argumento.
385
f = 8Exp@I 3 D &, Exp@I 2 D &, Exp@I D &,
1 &, Exp@I D &, Exp@I 2 D &, Exp@I 3 D &<;
Wronskiano no idnticamente nulo: lista f linearmente independente
Wronskian@f, xD
24883200
21
f = 8Sin@D^2 &, Cos@D^2 &, 1 &<;
Wronskiano idnticamente nulo, porque a lista f linearmente dependente
Wronskian@f, xD
0
f = 8Sin@D &, Cos@D &, 1 &<;
Wronskiano no idnticamente nulo: lista f linearmente independente
Wronskian@f, xD
386
Bibliografia 387
Bibliografia
[1] AITKEN, A. C. . 1944. Determinants and Matrices
[2] ALBERT, A. A. , University of Chicago Press. Fundamental concepts of higher algebra
[3] ANTON, H. e RORRES, C., . Bookman, Porto Alegre, 2001. lgebra Linear com Aplicaes
[4] APOSTOL, T. M. , vol. 2. John Wiley & Sons, New York, 1969. Calculus
[5] BIRKHOFF, G. and MAC LANE, S. . Macmillan, New York, 1965. Algebra
[6] BIRKHOFF, G. and MAC LANE, S. . Macmillan, New York, 1965. A survey of Modern Algebra
[7] CARAA, B. J. , vol. I, 1956. Lies de lgebra e Anlise
[8] CHAMBADAL, L. et OVAERT, J. L. . Gauthier-Villars, Cours de Mathmatiques algbre I
Paris.
[9] CHAMBADAL, L. et OVAERT, J. L. . Gauthier-Villars, Cours de Mathmatiques algbre II
Paris.
[10] CULLEN, CHARLES G. . Addison-Wesley, Reading, Mass., Linear Algebra with Applications
1997.
[11] DIAS AGUDO, F. R. . Livraria Escolar Introduo lgebra Linear e Geometria Analtica
Editora, Lisboa, 1964.
[12] DIEUDONN, J. . Hermann, Paris, 1964. Algbre linaire et gomtrie lmentaire
[13] EFIMOV, N. V. and ROZENDORN, E. R. . Linear Algebra and Multi-dimensional Geometry
MIR Publishers, Moscow, 1975.
[14] GANTMACHER, F. R. (vols. 1 e 2), Chelsea, New York, 1959. The Theory of Matrices
[15] GEL'FAND, I. M. , Interscience, New York, 1961. Lectures on Linear Algebra
[16] GUERREIRO, J. S. , Curso de Matemticas Gerais, Volume 1 Conjuntos. Noes de lgebra
Livraria Escolar Editora, Lisboa, 1973.
[17] HALMOS, Paul R. . Springer-Verlag, New York, 1987. Finite Dimensional Vector Spaces
[18] HALMOS, Paul R. . The Mathematical Association of America, Linear Algebra Problem Book
Washington, 1995.
[19] HANSELMAN, DUANE and LITTLEFIELD, BRUCE. . The Student Edition of MATLAB
Prentice Hall, New Jersey.
[20] HOFFMAN, K. and KUNZE, R. . 1961. Linear Algebra
[21] JACOBSON, N. . Van Nostrand, Princeton, 1951. Lectures in Abstract Algebra
[22] KOLMOGOROV, A. N. e FOMIN, S. V. . Elements of Function Theory and Functional Analysis
MIR Publishers, Moscow, 1975.
[23] LAY, DAVID. . 3rd Edition, Addison Wesley, 2003. Linear Algebra and its Applications
[24] LIPSCHUTZ, SEYMOUR. . McGraw-Hill do Brasil, So Paulo, 1968. lgebra Linear
[25] MAEDER, ROMAN. . Academic Press, Inc., New York, 1994. The Mathematica Programmer
[26] MAGALHES, LUS T. . Texto lgebra Linear como introduo Matemtica Aplicada
Editora, Lisboa, 1990.
[27] MATOS, ISABEL T. , no site do ISEL em Tpicos de lgebra Linear
http://www.deetc.isel.ipl.pt/paginaspessoais/isabelteixeira/Alg/documentos/
AL_ApontamentosTeoria.pdf.
388 Bibliografia
[28] MAZZOLA, G., MILMEISTER, G., WEISSMANN, J. Comprehensive Mathematics for
Computer Scientists 1 & 2, Springer-Verlag, Berlin Heidelberg New York, 2004.
[29] MC DUFFEE, C. C. , 1946. The Theory of Matrices
[30] MESSIAS, MANUEL J. A. . Reprografia do ISEL, Lisboa, 2000. Sebenta de lgebra Linear
[31] MONTEIRO, ANTNIO. . Editora McGraw-Hill de lgebra Linear e Geometria Analtica
Portugal, L , Lisboa, 2001.
da
[32] POOLE, DAVID. . Thomson Brooks/Cole, USA, Canada, Linear Algebra: a modern introduction
Mexico, Spain, 2006.
[33] RIBEIRO, CARLOS M. , no site do ISEL em lgebra Linear e Geometria Analtica, Volume 1
http://www.deetc.isel.ipl.pt/paginaspessoais/carlosribeiro/Apontamentos.htm.
[36] RIBEIRO, CARLOS M. , no site do ISEL em lgebra Linear e Geometria Analtica, Apndices
[37] RIBEIRO, CARLOS M. , no site do ISEL em Problemas de lgebra Linear
[38] RIBEIRO, CARLOS M. , no site do ISEL em Testes, Exames e suas Correces
http://www.deetc.isel.ipl.pt/paginaspessoais/carlosribeiro/ProvasAnt.htm.
[39] SERGE LANG. , Addison-Wesley, Reading, Mass., 1965. Algebra
[40] SOMMERVILLE, D. M. Y. . Analytical Geometry of Three Dimensions. 1951
[41] STOLL, ROBERT R. Sets, Logic and Axiomatic Theories. W. H. Freeman and Company, San
Francisco, 1974.
[42] SUPPES, P. . Axiomatic Set Theory. Dover Publications, Inc., New York, 1972
[43] VRIOS AUTORES. . Dictionnaire des Mathmatiques: algbre, analyse, gomtrie
Encyclopdia Universalis Albin Michel, Paris, 1997.
[44] WOLFRAM STEPHEN. , Fifth Edition. Wolfram Media The Book MATHEMATICA
Cambridge University Press.

Algebra Linear e Geometria Analítica v.1

Enviado por

Direitos autorais:

Formatos disponíveis

Algebra Linear e Geometria Analítica v.1

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Algebra Linear e Geometria Analítica v.1

Enviado por

Direitos autorais:

Formatos disponíveis

Instituto Superior de Engenharia de Lisboa

Captulo 3 Funes lineares

Fig. 3.11 Matriz da aplicao composta, 243

.............................................. disjuno exclusiva (xor) das proposies e

.............................................conjunto dos nmeros naturais e f

................................................. conjunto dos inteiros !

.................................................. conjunto dos inteiros !

.................................................conjunto dos racionais !

.................................................conjunto dos racionais !

.................................................conjunto dos racionais !

.................................................conjunto dos racionais !

................................................. conjunto dos racionais !

................................................. conjunto dos nmeros reais !

................................................. conjunto dos nmeros reais !

................................................. conjunto dos nmeros reais !

................................................. conjunto dos nmeros reais !

..................................................conjunto dos nmeros reais !

................................................... recta projectiva

..................................................conjunto dos nmeros complexos !

...................................................espao de Hilbert de sucesses reais

...................................................espao de Hilbert de sucesses complexas

I I I ................................ dimenso do espao vectorial sobre o corpo

................................................. matriz transconjugada de

a b I I ...................................... espao das formas sesquilineares hermitianas sobre

a b I I ......................................espao das formas quadrticas hermitianas sobre

, .................................. vector de origem e extremidade

escalar por sucesso definidos, para quaisquer , e , por: ! B C a b a b

sucesso constante nula e que o de uma sucesso a sucesso ou ! ! B B a b a b a b simtrico

indexar as sucesses usando e definindo de igual modo as operaes, obtendo-se o espao

ST S por um segmento como sendo um novo segmento orientado aplicado em , com a

designado por . Cada classe de equivalncia chamada um (ou ) e

um segmento designada por [ ], dizendo-se que os segmentos pertencentes a [ ] EF EF EF

subconjuntos de definidos por J

Exemplo 1.29. Consideremos o espao (ou ) das sucesses complexas

: matemtico alemo (Liegnitz 1823 Berlim 1891). Kronecker, Leopold

Exemplo 1.43. No espao vectorial real das funes de em , as funes

para combinaes lineares com escalares no corpo

w a b, quando os escalares nas combinaes lineares esto em

a b, ser espao vectorial sobre

Exemplo 1.50. Em , uma base constituda por qualquer segmento orientado , W

de facto, a lista gera - I

e a de : neste sentido que falamos, s vezes, em de W

tem dimenso infinita, visto que as listas de sucesses a apresentadas so linearmente ?

Fig. 1.7 Os espaos , , e as suas bases. E F E F

formados pelas funes e pelas funes so subespaos de pares mpares , , respectivamente

(demonstre!). Como a nica funo simultaneamente par e mpar a funo nula ( ) T M 9 e f

O software permite a manipulao de vectores atravs da noo de lista, MATHEMATICA

" " "

" " "

As igualdades a b 2.5 , 2.9 e 2.14 do significado s expresses a b a b

iii) Neste caso e para e , ficar 3 " # 7 4 " # 8

iv) Para e , tem-se: 3 " # 7 4 " # :

Para qualquer matriz complexa , a de designada por E E

Definio 2 7. Transconjugao Sejam e uma matriz complexa. A 7 8 E

Sejam ainda e respectivamente os L E E E L E E E e f e f

S3 do captulo 1, facto cuja demonstrao deixamos ao cuidado do leitor, como exerccio).

para levar a cabo as

Indicao de linhas e colunas seleccionadas.

"" "# "; "" "# ";

para tratar matrizes por