Matrizes e Grafos
Matrizes e Grafos
Matrizes e Grafos
Ciências
Matrizes e Grafos
Versão definitiva após defesa pública
Elias Tchivembe
ii
Matrizes e Grafos
Dedicatória
À minha esposa Cecília e aos nossos filhos, Regina, Etiandro, Edmárcio, Edmilson e Sachiela,
cujo apoio, encorajamento e orações a meu favor, tornaram este sonho uma realidade.
iii
Matrizes e Grafos
iv
Matrizes e Grafos
Agradecimentos
Agradeço a Deus em primeiro lugar pelo dom da vida e por permitir que se cumpra mais uma
etapa na minha carreira académica.
Aos meus pais que não pouparam esforços em apostar na minha formação e mesmo nas dificul-
dades sempre acreditaram que poderia ir mais longe.
Agradeço de igual modo aos meus irmãos, aos meus afilhados Pedro Andito e Elisa Andito, aos
meus amigos, colegas e a família cristã por todo suporte material, moral e espiritual.
Faço um agradecimento especial à minha esposa Cecília Kanhãnga que me ajudou nesta empre-
itada dando incentivos à distância todos os dias e sempre compreendeu a minha ausência no
convívio familiar. Todo mérito para ela, pois soube liderar o nosso lar na minha ausência.
Manifesto a minha gratidão às minhas orientadoras, Professora Doutora Ana Catarina Santos
Carapito e Ilda Carla Inácio pelo rigor científico e por me ajudarem a melhorar as minhas debil-
idades.
Finalmente agradeço ao governo angolano pela oportunidade da formação, a qual me dará com
certeza a possibilidade de poder contribuir para a melhoria da qualidade do ensino em Angola.
v
Matrizes e Grafos
vi
Matrizes e Grafos
Resumo
Palavras-chave
vii
Matrizes e Grafos
viii
Matrizes e Grafos
Abstract
Following the work developed in the Curricular Units of Teaching Projects of the 2nd Cycle in
Mathematics for Teachers, in the areas of Theory of Matrices and Graphs, we deepen the con-
cepts and results involved and at the same time, we have established a connection to teaching
by presenting an appropriate approach to the teaching of those to secondary education.
The importance of Theory of Matrices and Graphs is widely recognized in several areas, namely
in Engineering, Physics and Computer Science. As such, we present in this work some applica-
tions in order to highlight the reach of Matrix Theory and Graphs in daily life and with this, to
contribute to the enrichment of the teaching of these concepts in the teaching when choosing
to present them in context of classroom.
No less important than the applicability of Theory of Matrices and Graphs, is the respective
historical framework that we contemplate in this work.
Keywords
ix
Matrizes e Grafos
x
Matrizes e Grafos
Conteúdos
1 Introdução 1
1.1 Breve historial das matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Breve historial dos Grafos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2 Matrizes 5
2.1 Definições e Generalidades . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2 Operações com matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.3 Inversa de uma matriz quadrada . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.4 Transposição de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.5 Sistemas de Equações Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.5.1 Matrizes elementares . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.6 Determinante de uma Matriz Quadrada . . . . . . . . . . . . . . . . . . . . . . 17
2.7 Transformações Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.7.1 Subspaços Fundamentais de uma matriz . . . . . . . . . . . . . . . . . . 25
2.7.2 Matriz de uma transformação linear . . . . . . . . . . . . . . . . . . . . 28
4 Teoria de Grafos 41
4.1 Conceitos e resultados fundamentais . . . . . . . . . . . . . . . . . . . . . . . 41
4.2 Grafos e Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.2.1 Matriz de adjacência . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.2.2 Matriz de Incidência . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
4.2.3 Espaço vetorial do conjunto de vértices . . . . . . . . . . . . . . . . . . 55
4.3 Matriz de circuito e matriz de caminho . . . . . . . . . . . . . . . . . . . . . . 56
5 Considerações Finais 61
Bibliografia 63
xi
Matrizes e Grafos
xii
Matrizes e Grafos
Lista de Figuras
xiii
Matrizes e Grafos
xiv
Matrizes e Grafos
Lista de Tabelas
xv
Matrizes e Grafos
xvi
Matrizes e Grafos
Capítulo 1
Introdução
Nesta secção aprestaremos em síntese a história das matrizes e grafos. Para tal usamos as
referências [7], [8] e [12].
Número(idade) Resultado
Falso 12 37
Verdadeiro x 148
12 37
=
x 148
Outro tipo de problema abordado no livro chinês ”Nove capítulos da arte matemática” no capí-
tulo VIII tem que ver com a resolução de sistemas de equações com 2 e 3 incógnitas por meio de
tabelas e processos que lembram as resoluções matriciais, tal como se pode constatar no exem-
plo que apresentamos:Cinco contentores grandes e um contentor pequeno têm, no conjunto,
uma capacidade de 3hu, enquanto que um contentor grande e cinco contentores pequenos
têm a capacidade de 2hu. Determine a capacidade de cada um dos contentores. Considere
1hu=10tou1 .
A resolução passa por alguns passos, cabendo ao primeiro a organização da informação: numa
tabela com três linhas e duas colunas, do tipo daquelas que hoje identificamos como uma matriz,
a primeira linha era reservada para o número de contentores grandes, a segunda linha para o
número de contentores pequenos e a terceira para a capacidade conjunta.
1
1tou=10 litros
1
Matrizes e Grafos
1 5
5 1
2 3
Através de operações elementares (combinações lineares) sobre colunas, anulavam alguns el-
ementos e liam as soluções; assim, da matriz infra concluíam que a capacidade do contentor
7
pequeno era 24 hu.
0 5
24 1
7 3
Nas obras Matemáticas chinesas, percebe-se, ainda, o quanto eles gostavam de diagramas de
formato quadrado: os quadrados mágicos.
4 9 2
3 5 7
8 1 6
3x + 2y + z = 39
2x + 3y + z = 34
x + 2y + 3z = 26
É portanto um facto que a aplicação das matrizes possui uma forte componente histórica na
resolução de equações lineares.
Ao longo dos tempos, surgiram muitos matemáticos que desenvolveram métodos de resolução
de equações lineares baseadas em tabelas numéricas que deram origem ao que hoje chamamos
matrizes, que além de serem aplicadas ao estudo de sistemas lineares, possibilitam o desen-
volvimento de novos ramos da matemática.
Atualmente as matrizes são aplicadas em inúmeras áreas tais como na Economia, na Criptografia,
na Pesquisa Operacional para resolução dos problemas de alocação de tarefas, na engenharia e
muitas outras áreas.
2
Matrizes e Grafos
Pôs-se então a questão a saber, se de algum modo, seria possível passear através da cidade
atravessando todas as pontes exatamente uma vez e regressar ao ponto de partida. Ninguém
conseguiu encontrar um caminho que satisfizesse o problema, nem tão pouco justificar a sua
impossibilidade, até ao ano de 1736. Foi neste ano que o matemático Leonhard Euler solucionou
o problema e apresentou uma justificação da não possibilidade de existência de um caminho
nas condições impostas.
Para tal Euler recorreu à construção do grafo associado ao mapa da cidade, considerando as
áreas da terra assinaladas por A, B, C e ILHA como vértices do grafo e as pontes como as
respetivas arestas conforme ilustra a figura 1.2 [6] Página 22.
Desde esta data surgiram muitos outros problemas, alguns de caráter lúdico, contudo, tornaram-
se célebres dada a sua aplicabilidade na resolução de problemas do quotidiano. No entanto, o
grande desenvolvimento da teoria dos grafos só veio a notar-se no século XX, tanto ao nível da
3
Matrizes e Grafos
4
Matrizes e Grafos
Capítulo 2
Matrizes
Exemplo 2.1.1.
[ ] 0 −2 7 2
1 2 7
, 1 2 3 e 4
−5 3 8
12 5 8 9
Usam-se letras romanas maiúsculas para designar matrizes. Numa matriz abstrata é comum
designar os elementos por uma letra minúscula com dois índices, indicando o primeiro a linha
da matriz em que o elemento se encontra e o segundo a coluna.
Deste modo, se A for uma matriz do tipo m × n, então aij é o elemento de A situado na linha i e
coluna j, com i ∈ {1, · · · , m} e j ∈ {1, · · · , n}. Tal elemento é também referido como elemento
de A na posição (i, j) ou apenas por elemento (i, j) de A.
que também pode ser apresenta por A = [aij ]m×n , ou simplesmente A = [aij ], se o tipo da
matriz for conhecido a partir do contexto ou não comprometer o entendimento da abordagem.
5
Matrizes e Grafos
Definição 2.1.2. 1. Duas matrizes A = [aij ] e B = [bij ] ∈ Mm×n (R) são iguais se aij = bij ,
para todo o i = 1, · · · , m e para todo o j = 1, · · · , n.
3. Os elementos diagonais de A = [aij ] ∈ Mm×n (R) são a11 , a22 , · · · , ann . A sequência orde-
nada constituída por estes elementos diz-se diagonal principal de A.
4. Seja A = [aij ] quadrada. A diz-se triangular superior se aij=0 quando i > j, triangular
inferior se aij = 0 quando i < j, e diagonal se aij = 0 quando i ̸= j.
1 0 0 ··· 0
0 1 0 ··· 0
0
In = 0 0 1 ...
. .. .. ..
.
. . . ··· .
0 0 0 ··· 1
6. A matriz nula m×n é a matriz m×n cujos elementos são todos iguais a zero. Representa-
se por 0m×n ou simplesmente por 0 se o tipo da matriz tiver claro a partir do contexto.
8. Sendo A uma matriz, uma submatriz de A é uma matriz que se obtém por supressão de
linhas e/ou colunas de A.
[ ] [ ]
1 2 7 a 2 7
Exemplo 2.1.2. As matrizes e são iguais se a = 1 e b = 3. Estas duas
−5 3 8 8 −5 b
10 5 −7
matrizes são retangulares, enquanto a matriz A = 8 2 3 é quadrada de ordem 3. Os
15 6 5
elementos diagonais de A são 10, 2, 5 e a sua diagonal principal é (10, 2, 5).
1 2 −7 1 0 0 2 0 0
As matrizes 0 2 1 7 3 0 e 0 2 0 são, respetivamente, triangular superior,
0 0 −2 5 0 5 0 0 7
triangular inferior e diagonal.
[ ] 5 −7 10 5 −7
10 −7
As matrizes e 2 3 são exemplos de submatrizes de A = 8 2 3.
15 5
6 5 15 6 5
Neste trabalho precisamos da igualdade de duas matrizes do mesmo tamanho, mas numa abor-
dagem de congruência módulo k. Ou seja, considerando duas matrizes arbitrárias A = [aij ] e
B = [bij ] em Mm×n (R) dizemos que A e B são iguais módulo k se aij ≡ bij (mod k), para todo
o i = 1, · · · , m e para todo o j = 1, · · · , n. Denotamos A = B(mod k).
6
Matrizes e Grafos
[ ] [ ]
2 −3 0 −3 1 4
Exemplo 2.2.1. 1. sendo e tem-se
0 5 1 2 0 3
[ ]
−1 −2 4
A+B =
2 5 4
1. A + B = B + A (Comutatividade da adição).
2. A + (B + C) = (A + B) + C (Associatividade da adição).
Definição 2.2.2. Sejam α ∈ R e A ∈ Mm×n (R). Chamamos matriz produto do escalar α pela
matriz A, e denotamos por αA.
[ ]
2 2 −3 0
Exemplo 2.2.2. Dado o número real α = 3 e a matriz A = 7
, tem-se:
5 1 5
[ ]
2 4
3 −2 0
α.A = .A = 10 2 14
3 3 3 15
1. α(A + B) = αA + αB.
2. (α + β)A = αA + βA.
3. (αβ)A = α(βA).
4. 1.A = A
Definição 2.2.3. Sendo A = [aij ] ∈ Mm×n (R) e B = [bij ] ∈ Mn×p (R), define-se AB como sendo
a matriz do tipo m × p cujo elemento (i, j) é
7
Matrizes e Grafos
Assim,
[∑ ]
n
AB = k=1 aik bkj . .
m×p
Depreende-se da definição que o produto AB da matriz A pela matriz B, apenas está definido
se o número de colunas de A for igual ao número de linhas de B. Neste caso o número de linhas
da matriz AB é igual ao número de linhas de A e o número de de colunas é igual ao de B. O
elemento de AB situado na linha i e coluna j obtém-se a partir da linha i de A e da coluna j de
B:
··· b1j ···
··· ··· ··· ··· ··· ··· ···
· · · b2j · · ·
ai1 ai2 ··· ain
.. ..
.. = · · · ai1 b1j + ai2 b2j + · · · +ain bnj · · · .
. . .
··· ··· ······ ··· ··· ···
··· bnj ···
Exemplo 2.2.3. Durante a 1.ª fase do Europeu de Futebol 2004, o grupo de Portugal era for-
mado também pela Grécia, Espanha e Rússia, os resultados registados apresentam-se na tabela
seguinte:
País/Resultado Vitória Empate Derrota
Portugal 2 0 1
Grécia 1 1 1 .
Espanha 1 1 1
Rússia 1 0 2
Para apurar a pontuação obtida por cada equipa consideremos, a partir dos dados apresentados,
a matriz (4 × 3) que representa os resultados de cada equipa:
2 0 1
1 1 1
A=
1
.
1 1
1 0 2
Consideremos ainda a pontuação obtida em cada jogo de acordo com a seguinte tabela
Número de pontos
Vitória 3
,
Empate 1
Derrota 0
8
Matrizes e Grafos
Assim, terminada a 1.ª fase, a pontuação obtida por cada país é dada por:
3 0 0 5 0 0 15 0 0
3. Sejam A = 0 5 0 e B = 0 7 0. Então AB = BA = 0 35 0
0 0 1 0 0 9 0 0 9
[ ] [ ]
1 2 4 −6
4. Sendo A = eB= , tem-se
−1 −2 −2 3
[ ] [ ]
0 0 10 20
AB = e BA = .
0 0 −5 −10
Como pode ser observado nestes exemplos, a multiplicação de matrizes comporta-se de modo
diferente da multiplicação de números. Dadas as matrizes A e B, pode acontecer estar o produto
AB definido, mas o produto BA não estar. Estando AB e BA definidos, nada implica que AB
seja igual a BA. Se AB = BA, dizemos que as duas matrizes comutam.
De realçar ainda que o produto de duas matrizes pode ser nulo sem que nenhuma delas o seja
(conforme 4.).
Propriedades 3. Sejam A, A′ ∈ Mm×n (R), B, B ′ ∈ Mn×p (R), C ∈ Mp×p (R), matrizes arbi-
trárias e α ∈ R. Então tem-se:
9
Matrizes e Grafos
5. AB = 0 ⇏(A = 0 ou B = 0).
= x 1 v1 + x 2 v2 + · · · + x n vn .
Note-se que, uma vez que AB se obtém multiplicando A pelas colunas de B, podemos concluir
deste teorema que as colunas de AB são combinações lineares das colunas de A.
10
Matrizes e Grafos
AB = BA = In .
Teorema 2.3.1. Se A ∈ Mn×n (R) é invertível então existe uma, e uma só, matriz B tal que
AB = In = BA.
AB = In = B e AC = In = CA
AA−1 = In = A−1 A.
Demonstração:
AB = In
resulta, multiplicando ambos os membros, à esquerda, por A−1 ( isto é, A−1 (AB) =
A−1 In ):
(A−1 A)B = A−1
o que é equivalente a
In B = A−1 ,
isto é,
B = A−1 .
11
Matrizes e Grafos
Exemplo 2.3.1.
[ ] [ ][ ] [ ][ ]
3 5 3 5 2 5 2 5 3 5
1. Seja A = . Como = I2 e =I2 con-
−1 −2 −1 −2 −1 −3 −1 −3 −1 −2
[ ]
2 5
cluímos que A é invertível e que A−1 = .
−1 −3
In In = In = In In .
3. Se A ∈ Mn×n (R) tem uma linha nula, então A é não invertível pois,para qualquer matriz
B ∈ Mn×n (R), AB tem uma linha nula e, portanto, AB ̸= In .
4. Se A ∈ Mn×n (R) tem linhas i e j iguais, com i ̸= j, então A não é invertível pois, para
qualquer matriz B ∈ Mn×n (R), AB tem as linhas i e j iguais pelo que AB ̸= In .
(A−1 )−1 = A.
(AB)−1 = B −1 A−1 .
Observações:
• (A + B)−1 ̸= A−1 + B −1 ;
• Se uma matriz quadrada não admite inversa, diz-se uma matriz singular;
12
Matrizes e Grafos
Exemplo 2.4.1.
[ ] 1 1
2 0 1
A transposta da matriz A = é a matriz AT = 2 5 .
1 5 3
0 3
3 5 2 3 1 5
A matriz 2 1 7 é simétrica, mas a matriz 2 1 7 já não é, uma vez que os elementos
5 7 9 5 7 9
(1, 2) e (2, 1) não são iguais.
1. (AT )T = A.
2. (A + B)T = AT + B T .
3. (AB)T = B T AT .
13
Matrizes e Grafos
Um dos principais tópicos da Álgebra Linear é o estudo de equações lineares devido a sua im-
portância em Matemática Aplicada. Muitos problemas, por exemplo nas engenharias conduzem
à necessidade de resolver sistemas de equações lineares. Alguns sistemas por possuírem um
número elevado de equações e de tipos especiais a sua resolução insere-se no campo computa-
cional e na Análise Numérica.
Nesta secção iremos apresentar de forma sucinta os conceitos e resultados de maior ênfase
usando a linguagem matricial.
Definição 2.5.1. Uma equação linear nas incógnitas x1 , · · · , xn é uma equação do tipo
a1 x1 + · · · + an xn = d,
a11 x1 + a12 x2 + a13 x3 + · · · + a1n xn = b1
a21 x1 + a22 x2 + a23 x3 + · · · + a2n xn = b2
..
.
a x + a x + a x + · · · + a x = b
m1 1 m2 2 m3 3 mn n m
a11 a12 ··· a1−n a1n x1 b1
a21 a22 ··· a2n−1 a2n x2 b2
A=
.. .. ..
.. , X = .. , e B =
.. .
. . . . . .
am1 am2 ··· amn−1 amn xn bm
Chamamos matriz ampliada do sistema à matriz de Mm×(n+1) (R) cuja coluna i, para i =
1, · · · , n, é igual à coluna i da matriz A e cuja coluna n + 1 é igual à coluna (única) de B. Tal
matriz é denotada por
[A|B].
14
Matrizes e Grafos
α1
α2
.
.
.
αn
Definição 2.5.3. Um sistema em que os segundos membros das equações são todos iguais a 0
diz-se homogéneo.
Note-se que um sistema homogéneo é sempre possível: possui sempre, pelo menos, a solução
0
0
. , chamada solução trivial.
.
.
0
Definição 2.5.4. Dois sistemas com o mesmo número de equações e de incógnitas dizem-se
equivalentes se tiverem exatamente as mesmas soluções.
Teorema 2.5.1. Seja AX = B um sistema de equações lineares com Am×n . Seja E uma matriz
m × m invertível. Então o sistema EAX = EB é equivalente ao sistema AX = B.
15
Matrizes e Grafos
As matrizes elementares aparecem no estudo dos sistemas de equações lineares. Para definir-
mos esta classe de matrizes é útil conhecer certo tipo de operações que se podem efetuar sobre
as linhas de uma matriz, ditas operações elementares:
3. Substituição de uma linha da matriz pela sua soma com um múltiplo de outra.
Definição 2.5.5. Chama-se matriz elementar de ordem n a toda matriz que se obtém de In
por aplicação de uma operação elementar às suas linhas.
Antes de terminar esta secção podemos concluir que através de operações elementares é pos-
sível transformar um sistema dado num sistema muito fácil de resolver. Este novo sistema,
digamos U X = C, equivalente ao sistema original e cuja matriz U , que é ainda m × n, tem uma
forma especial, a que se costuma chamar matriz escada.
Definição 2.5.6. Uma matriz diz-se uma matriz em escada se satisfizer as seguintes condições:
• Se o primeiro elemento não nulo numa linha está na coluna j, então a linha seguinte
começa com pelo menos j elementos nulos.
• Se houver linhas totalmente constituídas por zeros, elas aparecem depois das outras.
O primeiro elemento não nulo de cada linha de uma matriz em escada chama-se pivot da matriz.
Exemplo 2.5.3.
16
Matrizes e Grafos
1. Representando por • os pivós da matriz e por ∗ as entradas da matriz que podem tomar
qualquer valor, estão em forma de escada, por exemplo as matrizes da forma
0 • ∗ ∗ • ∗ ∗ • [ ]
0 0 0 • , 0 • ∗ , 0 , ou • ∗ ∗ ∗
0 0 0 0 0 0 • 0
2. As matrizes
0 0 0 0
1 0 −1 0 0 0 7 1 3 −1 2
0 −1 0
0 3 5 ,
3 ,
0 −1 3
0 e 0 0 0 0
0 −4
0 6
0 3 0 0 0 6 −4 0 0 2 −2
0 0 0 0
não estão em forma de escada.
1 1 2
Exemplo 2.5.4. Considere a matriz A = 1 3 3 . Recorrendo a operações elementares,
2 8 12
obtemos:
1 1 2 1 1 2 1 1 2
−−−−−−−−−−−−−−−−−→ −−−−−−−→
1 3 3 l2 + (−1)l1 ; l3 + (−2)l1 0 2 1 l3 + (−3)l2 0 2 1
2 8 12 0 6 8 0 0 5
1 1 2
A matriz resultante do processo de transformação anterior é a matriz escada U = 0 2 1,
0 0 5
pelo que car(A) = 3.
Nota 2.6.1. Seja A ∈ Mn×n (R), com n ≥ 2. Dado i, j ∈ {1, · · · , n}, representamos por
A(i|j)
17
Matrizes e Grafos
Se n > 1, então
resulta que
tem-se
det A = a11 (−1)1+1 det A(1|1) + a12 (−1)1+2 det A(1|2) + a13 (−1)1+3 det A(1|3)
[ ] [ ] [ ]
a22 a23 a21 a23 a21 a22
= a11 det − a12 det + a31 det
a32 a33 a31 a33 a31 a32
= a11 (a22 a33 − a23 a32 ) − a12 (a21 a33 − a23 a31 ) + a13 (a21 a32 − a22 a31 )
= a11 a22 a33 − a11 a23 a32 − a12 a21 a33 + a12 a23 a31 + a13 a21 a32 − a13 a22 a31
= (a11 a22 a33 + a12 a23 a31 + a13 a21 a32 ) − (a11 a23 a32 + a12 a21 a33 + a13 a22 a31 ).
Assim, para n = 3, a expressão de det A tem 6 parcelas que podem ser escritas como uma
diferença em que o aditivo tem 3 parcelas e o subtrativo outras 3 parcelas.
No caso geral, de A ∈ Mn×n (R) a expressão de detA tem n! parcelas, como se pode demonstrar
usando o método de indução em n.
A partir do conceito que apresentamos na definição que se segue, é possível calcular de forma
mais expedita o determinante de uma matriz quadrada de qualquer ordem.
18
Matrizes e Grafos
Definição 2.6.2. Seja A ∈ Mn×n (R), com n ≥ 2. Designamos por complemento algébrico da
posição (i, j) de A, e representamos por âij , o escalar
Notemos que âij não depende do elemento da posição (i, j) de A pois esse elemento não figura
na matriz A(i|j).
e a11 = 1, a12 = 0 e a13 = 3, concluímos que det A = 1.0 + 0.14 + 3.(−7) = −21.
O resultado seguinte, cuja demonstração deixamos que o leitor consulte a referência [?] pági-
nas 162 e 163, afirma que se procedermos de forma análoga para uma qualquer linha ou uma
qualquer coluna de A, obtemos ainda o determinante de A.
Teorema 2.6.1. Seja A ∈ Mn×n (R),com n ≥ 2. O determinante de A é igual à soma dos produ-
tos que se obtêm multiplicando os elementos de uma qualquer linha de A pelos complementos
algébricos das respetivas posições, isto é,
19
Matrizes e Grafos
det A = 0.
2. Seja A ∈ Mn×n (R), com n ≥ 2. Se A tem a linha i igual à linha j, com i ̸= j, então
det A = 0.
det A = det AT
5. Seja A ∈ Mn×n (R). Se os elementos da linha i de A são da forma Aik = Bik + Cik , com
k = 1, · · · , n, então
a11 ··· a1n a11 ··· a1n a11 ··· a1n
··· ··· ···
det
bi1 + ci1 ···
bin + cin = det bi1
···
bin + det ci1
··· cin
.
··· ··· ···
an1 ··· ann an1 ··· ann an1 ··· ann
Definição 2.7.1. Seja V um conjunto não vazio e seja K um corpo. Diz-se que V é um es-
paço vetorial sobre K se estiverem definidas duas operações, uma adição de elementos de
V , denotada pelo símbolo +,e uma multiplicação de elementos de K por elementos de V ,
denotada pelo símbolo ., ou por simples justaposição (operações em ambos os casos produzindo
elementos de V ), que satisfazem as seguintes propriedades:
1. ∀u,v,w∈V (u + v) + w = u + (v + w);
20
Matrizes e Grafos
2. ∀u,v∈V u + v = v + u;
3. ∃z∈V ∀v∈V v + z = v;
4. ∀v∈V ∃v′ ∈V v + v ′ = z;
8. ∀α∈V 1K v = v.
Se K = R, diz-se que se tem um espaço vetorial real. Se K = C diz-se que se tem um espaço
vetorial complexo.
Aos elementos de um espaço vetorial V chamamos genericamente vetores, e aos elementos do
corpo K escalares.
Exemplo 2.7.1. O conjunto dos números reais, com soma e produto usuais é um espaço vetorial
sobre R.
Exemplo 2.7.2. O conjunto das matrizes quadradas de ordem 2, com entradas reais, denotado
por M2 ,
{( ) }
a b
M2 = : a,b,c, d ∈ R ,
c d
1. W ̸= ∅;
21
Matrizes e Grafos
então W é um subespaço de V .
Definição 2.7.3. Seja V um espaço vetorial sobre K e sejam ,v1 , v2 · · · vn elementos de V . Dize-
mos que v ∈ V é combinação linear dos vectores v1 , · · · , vn se existirem escalares α1 , · · · , αn ∈
K tais que
v = α1 v1 + α2 v2 + · · · + αn vn
[ ] [ ]
1 0 0 1
No exemplo anterior v1 = e v2 = geram o subespaço W .
0 0 0 0
Portanto, {( ) }
α β
W = ⟨v1 , v2 ⟩ = :α eβ∈R .
0 0
são linearmente independentes. Para o mostrar, escreva-se a matriz nula como combinação
linear destas matrizes, com coeficientes a determinar:
[ ] [ ] [ ] [ ]
1 0 0 1 0 0 0 0
α1 + α2 + α3 =
0 0 0 0 0 1 0 0
Então tem-se [ ] [ ]
α1 α2 0 0
= ,
0 α3 0 0
o que implica α1 = α2 = α3 = 0.
22
Matrizes e Grafos
Definição 2.7.7. Seja V um espaço vetorial que admite uma base com n elementos, com n ∈ N.
Dizemos então que V tem dimensão n e escrevemos dim V = n.
V = {(x, y, x + y) ∈ R3 ∀x,y∈R }.
ou seja
⟨ 1 0 ⟩
V = 0 , 1
1 1
Definição 2.7.8. Sejam V e W dois espaços vetoriais sobre o mesmo corpo K. Uma função
T : V → W , que satisfazendo as condições:
1. T (u + v) = T (u) + T (v),
2. T (αv) = αT (v),
Para ilustrarmos uma transformação linear basta pensarmos numa equação matricial Av = B
em que a matriz A multiplicada com o vetor v produz um novo vetor B. Assim, dizemos que a
multiplicação por A transforma v em B.
23
Matrizes e Grafos
1. T (0V ) = 0W .
As transformações lineares estão associadas a dois importantes subspaços que a seguir passamos
a definir.
uma vez que, pelo facto de V ser um espaço vetorial, x + y e αx ∈ V . Concluímos assim que
im(T ) é um subspaço de W . □
No caso de im(T ) ter dimensão finita, chamamos a essa dimensão a característica da transfor-
mação linear T . Usamos a notação car(T ) para este número, ou seja, car(T ) = dim(T ).
Existe uma relação muito simples entre as dimensões de im(T ) e ker(T ), cujo resultado apre-
sentamos a seguir.
24
Matrizes e Grafos
Demonstração: Seja dim V = n. Suponhamos que ker(T ) ̸= {0} e seja {v1 , · · · , vk } uma base de
ker(T ). (Se ker(T ) = {0}, o raciocínio decorre de modo análogo, tomando k = 0 no resto da
demonstração). Acrescentemos a estes k vetores n − k vetores vk+1 , · · · , vn de forma a obter
uma base de V .
Vamos ver que os n − k vetores T (vk+1 ), · · · , T (vn ) constituem uma base de im(T ). Isso provará
o teorema.
Primeiro mostremos que T (vk+1 , · · · , T (vn ) são linearmente independentes. Se
vem
e tem-se
α1 vk+1 + · · · , αn−k vn = β1 v1 + · · · + βk vk ,
β1 v1 + · · · + βk vk − α1 vk+1 − · · · − αn − kvn = 0.
Agora mostremos que T (vk+1 , · · · , T (vn ) geram im(T ). Seja w um vetor qualquer de im(T ).
Então, w = T (v) para algum v ∈ V e, como v1 , · · · , vn constituem uma base de V , tem-se
v = γv1 + · · · + γn vn ,
N ulA = {X : X ∈ Rn |AX = 0}
25
Matrizes e Grafos
[ ]
1 −3 −2 [ ]T
Exemplo 2.7.6. Sejam as matrizes A = eX= 5 3 −2 . Como
−5 9 1
[ ] 5 [ ] [ ]
1 −3 −2 5−9+4 0
AX = 3 = = ,
−5 9 1 −25 + 27 − 2 0
−2
A(u + v) = Au + Av = 0 + 0 = 0.
Definição 2.7.11. O espaço coluna de uma matriz A m × n, denotado por ColA, é o conjunto
de todas as combinações lineares das colunas de A.
ColA = {b : b = AX; X ∈ Rn }
Podemos(escrever W em que cada um dos seus elementos é combinação linear de outros ele-
[ ]T [ ]T )
mentos neste caso, de [ccc]6 1 −7 e de [ccc] − 1 1 0 :
6 −1 ⟨ 6 −1 ⟩
W = a 1 + b 1 : a, b ∈ R = 1 , 1 .
−7 0 −7 0
O conjunto W também pode ser escrito usando os vetores do conjunto gerador como colunas
de uma matriz A:
26
Matrizes e Grafos
6 −1
A= 1 1 .
−7 0
O espaço nulo e o espaço coluna estão relacionados. Para ilustrarmos melhor esta ideia, con-
sideremos uma matriz genérica
a11 a12 a13 a14
A = a21 a22 a23 a24 .
a31 a32 a33 a34
Um vetor X tal que AX está definido, deve ter quatro entradas, assim o espaço nulo é um
subspaço de R4 . Por outro lado, cada coluna de A possui três entradas, assim ColA é um
subspaço de R3 .
Se A é uma matriz m × n então é possível definir ainda outros dois espaços vetoriais associados
com matrizes:
As matrizes fundamentais estão relacionadas com o teorema do Núcleo e imagem de uma trans-
formação linear. Vejamos um exemplo que nos levará a esta conclusão.
1 2 3 5 1 2 3 5 1 2 3 5
−−−−−−−→ −−−−−−−→
0 1 2 −1 l3 + (−1)l1 0 1 2 −1 l3 + (−1)l2 0 1 2 −1
1 3 5 4 0 1 2 −1 0 0 0 0
Portanto, car(A) = 2.
Determinemos agora o Núcleo de T. Considerando a matriz ampliada do sistema
x1
1 2 3 5 0
x2
0 1 2 −1 = 0
x3
1 3 5 4 0
x4
27
Matrizes e Grafos
donde,
{ { {
x1 + 2x2 + 3x3 + 5x4 = 0 x1 + 2x2 + 3x3 + 5x2 + 10x3 = 0 x1 = −7x2 − 13x3
↔ ↔
x2 + 2x3 − x4 = 0 x4 = x2 + x2 + 2x3 x4 = x2 + x2 + 2x3
x1
1 2 3 5 1 2 3 5
x2
0 1 2 −1 = x2 0 + x2 1 + x3 2 + x4 −1
x3
1 3 5 4 1 3 5 4
x4
Mas, como a car(A) = 2, das colunas consideradas só duas são linearmente independentes.
Portanto a característica da Imagem é 2.
Do exemplo apresentado, concluímos que
ou seja,
28
Matrizes e Grafos
a11 a12 ··· a1n
a21 a22 ··· a2n
M (T : B, B ) =
′
.. .. .. ,
. . .
am1 am2 ··· amn
onde
T (e1 ) = a11 e′1 + a12 e′2 + · · · + am1 e′m
T (e2 ) = a12 e′1 + a22 e′2 + · · · + am2 e′m
..
.
′ ′ ′
T (en ) = a1n e1 + a2n e2 + · · · + amn em
Exemplo 2.7.8. A transformação T : R2 → R3 tal que T ((x, y)) = (2x, x − y, 3y) é linear.
Então vamos determinar a matriz de T em relação às bases B = (1, 0), (1, 1) de R2 e B ′ =
(1, 0, 1), (1, 1, 0), (0, 0, 1) de R3 . Sabemos de antemão que dim V = 2 e dim V ′ = 3. A matriz T
em relação as bases será da forma
a11 a12
′
M (T : B, B ) = a21 a22 .
a31 a32
Mais,
T (e1 ) = T (1, 0) = (2, 1, 0) = a11 (1, 0, 1) + a21 (1, 1, 0) + a31 (0, 0, 1) = (1, 0, 1) + (1, 1, 0) − (0, 0, 1)
T (e2 ) = T (1, 1) = (2, 0, 3) = a12 (1, 0, 1) + a22 (1, 1, 0) + a32 (0, 0, 1) = 2(1, 0, 1) + 0(1, 1, 0) + (0, 0, 1).
Consequentemente,
1 2
M (T : B, B ′ ) = 1 0 .
−1 1
29
Matrizes e Grafos
30
Matrizes e Grafos
Capítulo 3
Neste capítulo apresentamos algumas aplicações da Teoria de Matrizes que realçam a utilidade
desta nas diversas áreas, nomeadamente na Economia, Química, Criptografia e outras. Os exem-
plos que a seguir se apresentam têm como pré-requisitos os conceitos já estudados no capítulo 2
e ilustram, embora de forma rudimentar, a utilidade do cálculo matricial no estudo de conceitos
de outras áreas do saber.
T1 T2 T3
D1 2 1 6
D2 4 5 6
D3 4 4 3
Donde,
Para efeitos de impostos, eles devem declarar e pagar um ao outro um salário diário razoável,
mesmo para o trabalho que cada um faz em sua própria casa. Seus salários diários normais
são cerca de 100 Euros, mas eles concordam em ajustar seus respetivos salários diários de tal
31
Matrizes e Grafos
modo que saiam empatados, ou seja, de tal modo que o total pago por cada um é igual ao total
recebido. Nós podemos colocar
Para satisfazer a condição de equilíbrio de que saiam empatados, nós exigimos que
total dos gastos=total do recebido
para cada um dos proprietários pelo período de dez dias. por exemplo, o pedreiro paga um
total de 2p1 + p2 + 6p3 pelos concertos em sua própria casa e recebe um total de 10p1 pelos
concertos que faz nas três casas. Igualando estas expressões nos dá a primeira das três equações
seguintes:
Subtraindo o lado esquerdo do direito, podemos reescrever a equação matricial como um sis-
tema homogêneo
0, 8 −0, 1 −0, 6 p1 0
−0, 4 0, 5 −0, 1 . p2 = 0
−0, 4 −0, 4 0, 7 p3 0
p1 31
p2 = s 32
p3 36
onde s é uma constante arbitrária. Esta constante é um fator de escala, que os proprietários
podem escolher de acordo com a sua conveniência. por exemplo, eles podem colocar s = 3,
de modo que os correspondentes salários diários, a saber 93 Euros, 96 Euros e 108 euros, são
aproximadamente 100 Euros.
32
Matrizes e Grafos
CH4 + O2 −→ CO2 + H2 O,
com a qual queremos indicar que combinamos uma molécula de metano com duas de oxigénio
estável para produzir uma molécula de gás carbónico e duas moléculas de água. Poderíamos
perfeitamente multiplicar toda a equação por qualquer inteiro positivo. Por exemplo, multi-
plicando todos os termos por 2 obtém-se a equação química equilibrada
Contudo, é convenção padrão utilizar os menores inteiros positivos que equilibram a equação.
A equação acima é suficientemente simples para ser equilibrada por tentativa e erro, mas
equações químicas mais complicadas requerem um método mais sistemático. Existem vários
métodos que podem ser usados, mas apresentamos aqui um que usa sistemas de equações
lineares. Examinemos a equação ora apresentada. Para equilibrar a equação precisamos de
encontrar inteiros x1 , x2 , x3 e x4 , tais que
Contudo, para cada um dos átomos da equação, o número de átomos á esquerda deve ser igual
ao número de átomos á direita. Expresso em formato tabular, temos
33
Matrizes e Grafos
t t
x1 = , x2 = t, x3 = , x4 = t,
2 2
onde t é arbitrário. Os menores valores inteiros positivos para as incógnitas ocorrem quando
tomamos t = 2, de modo que podemos equilibrar a equação tomando x1 = 1, x2 = 2,x3 = 1,
x4 = 2. Tal vai ao encontro da conclusão acima, pois substituindo esses valores na equação
obtemos
CH4 + O2 −→ 2CO2 + 2H2 O.
HCL + N a3 P O4 =⇒ H3 P O4 + N aCL
34
Matrizes e Grafos
1 0 −3 0 0
1 0 0 −1 0
0 3 0 −1 0
0 1 −1 0 0
0 4 −4 0 0
Deixamos a cargo do leitor mostrar que a forma escalonada reduzida da matriz aumentada
deste sistema é:
1 0 0 −1 0
0 1 0 − 13 0
0 0 1 − 13 0
0 0 0 0 0
0 0 0 0 0
x1 = t, x2 = 3t , x3 = 3t ,x4 = t
onde t é arbitrário. Para obter os menores valores inteiros positivos que equilibram a equação,
tomamos t = 3 e resulta x1 = 3,x2 = 1,x3 = 1 e x4 = 3. Substituindo esses valores na equação
dada temos
3HCL + N a3 P O4 =⇒ H3 P O4 + 3N aCL
Esta aplicação podia ser muito mais explorada, mas neste trabalho já não nos foi possível. Isto
porque este tema envolve conceitos da teoria de matrizes e da teoria de grafos, por exemplo:
grafo bipartido, matriz de incidência, árvore de suporte (conceitos introduzidos no capítulo 4
desta dissertação).
O Método de Húngaro
• Subtraia a menor entrada de cada linha de todas as entradas da mesma linha. Dessa forma,
cada linha terá pelo menos uma entrada zero e todas as outras entradas são não negativas.
35
Matrizes e Grafos
• Subtraia a menor entrada de cada coluna de todas as entradas de mesma coluna. Dessa
forma, cada coluna terá pelo menos uma entrada zero e todas as outras entradas são não
negativas.
• Risque um traço ao longo de linhas e colunas de tal modo que todas as entradas zero da
matriz-custo fiquem riscadas. Para isso, utilize um número mínimo de traços.
• Teste de otimização.
1. Se o número mínimo de traços necessários para cobrir os zeros é n, então uma alo-
cação ótima de zeros é possível e encerramos o procedimento.
2. Se o número mínimo de traços necessários para cobrir os zeros é menor do que n,
então ainda não é possível uma alocação ótima de zeros. Nesse caso, vá para o passo
seguinte.
• Determine a menor entrada não riscada por nenhum traço. Subtraia esta entrada de todas
as entradas não riscadas e depois a some a todas as entradas riscadas tanto horizontais
quanto verticalmente. Retorne ao passo III.
Exemplo 3.3.1. Uma construtora tem quatro escavadeiras em quatro garagens diferentes. As
escavadeiras devem ser transportadas a quatro diferentes locais de construção. As distâncias
entre as escavadeiras e os locais de construção são dadas em km na tabela abaixo:
Como devem ser transportadas as escavadeiras para os locais de construção para minimizar a
distância total percorrida?
• Matriz custo:
90 75 75 80
35 85 55 65
125 95 90 105
45 110 95 115
15 0 0 5
0 50 20 30
35 5 0 15
0 65 50 70
36
Matrizes e Grafos
15 0 0 0
0 50 20 25
35 5 0 10
0 65 50 65
15 0 0 0
0 50 20 25
35 5 10
0
0 65 50 65
• Como o número de traços é inferior a n, subtraimos a menor entrada não riscada da matriz
a cada uma das entradas não riscadas e somamos às entradas riscadas por dois traços.
35 0 0 0
0 30 0 5
55 5 0 10
0 45 30 45
• Ainda não é possível obter uma solução ótima, visto que o número de traços ainda é
inferior a n.
• Subtraímos a menor entrada não riscada de cada uma das entradas não riscadas e somamos
às duas entradas riscadas por dois traços.
40 0 5 0
0 25 0 0
55 0 5
0
0 40 30 40
• Como as entradas zero estão riscadas com um número mínimo de 4 traços horizontais, a
matriz deve conter uma solução ótima de zeros:
40 0 5 0
0 25
0 0
55 0 0 5
0 40 30 40
37
Matrizes e Grafos
A descrição desta secção, bem como os exemplos que se seguem, foram referenciados de [2],
páginas 466-468.
Comum A B C D E F G H I J K L M
Cifra D E F G H I J K L M N O P
Comum N O P Q R S T U V W X Y Z
Cifra Q R S T U V W X Y Z A B C
a letra de texto A é substituída por D, a letra de texto comum B por E e assim por diante.
Vamos apresentar um exemplo de um sistema poligráfico que consiste em dividir um texto co-
mum em conjunto de n letras, cada um dos quais é substituído por um conjunto de n letras
cifradas. Trata-se do sistema poligráfico chamado cifras de Hill que são baseados em transfor-
mações matriciais.
Vamos supor que cada letra de texto comum e de texto cifrado, excetuando Z, tem um valor
numérico que especifica sua posição no alfabeto padrão como mostra a a tabela.
A B C D E F G H I J K L M
1 2 3 4 5 6 7 8 9 10 11 12 13
N O P Q R S T U V W X Y Z
14 15 16 17 18 19 20 21 22 23 24 25 0
Para transformar pares sucessivos de texto comum em texto cifrado procedemos da seguinte
maneira:
2. Agrupamos letras sucessivas de texto comum em pares, adicionando uma letra adicional
fictícia para completar o último par se o texto comum tem um número ímpar de letras.
Substituímos cada letra de texto comum por seu valor numérico.
38
Matrizes e Grafos
[ ]
p1
P =
p2
Exemplo 3.4.1.
Vamos
[ usar]a matriz
1 2
A= para obter a cifra de Hill da mensagem de texto comum (em inglês)
0 3
IAM HIDIN G
Codificamos cada par de letras. Sempre que ocorrer um inteiro maior do que 25, ele será
substituído pelo resto da divisão deste inteiro por 26.
[ ] [ ] [ ]
1 2
9 11
IA → . = (mod 26)
0 3 1 3
[
] [ ] [ ] [ ]
13 1 2
29 3
MH → . = = (mod 26)
0 3 8 24 24
[ ] [ ] [ ]
1 2
9 17
ID → . = (mod 26)
0 3 4 12
[ ] [ ] [ ] [ ]
1 2 9 37 11
IN → . = = (mod 26)
0 3 14 42 16
[ ] [ ] [ ]
1 2
7 21
GG → . = (mod 26)
0 3 7 21
Estes vetores correspondem aos pares de texto cifrado QL, QP e U U respetivamente. Cole-
tando os pares obtemos a mensagem cifrada completa
KC CX QL KP UU
que normalmente seria transmitida como uma única cadeia sem espaços:
KCCXQLKP U U
39
Matrizes e Grafos
Exemplo 3.4.2.
Decifre
[ a cifra
] de Hill, que foi criptografada pela matriz
5 6
A=
2 3
GT N KGKDU SK
7 20 14 11 7 11 4 21 19 11
Para obter os pares de texto comum, nós multiplicamos cada vetor cifrado pela seguinte matriz
[ ]
1 24
B= ,
8 19
que é a matriz igual à matriz A−1 módulo 26 (isto é, A−1 = B(mod 26)).
Temos,
[ ][ ] [ ] [ ]
1 24 7 487 19
= = (mod 26)
8 19 20 436 20
[ ][ ] [ ] [ ]
1 24 14 278 18
= = (mod 26)
8 19 11 321 9
[ ][ ] [ ] [ ]
1 24 7 271 11
= = (mod 26)
8 19 11 265 5
[ ][ ] [ ] [ ]
1 24 4 508 14
= = (mod 26)
8 19 21 431 15
[ ][ ] [ ] [ ]
1 24 19 283 23
= = (mod 26)
8 19 11 361 23
ST RI KE NO WW
ST RIKE N OW
40
Matrizes e Grafos
Capítulo 4
Teoria de Grafos
A Teoria de Grafos define grafos como sendo o elemento base do estudo e o grafo é representado
por um conjunto de pontos (os nós ou os vértices), ligados por segmentos de retas (as arestas
ou os arcos). Esta teoria permite a resolução de problemas em várias áreas como por exemplo
a dos transportes, a das telecomunicações e as computacionais.
Neste capítulo, começamos por introduzir conceitos básicos e notações da Teoria de Grafos.
Para um estudo mais aprofundado, podemos consultar as seguintes referências: [12], [1], [9] e
[10]. Este trabalho contém informação também daqui retirada.
Definição 4.1.1. Designa-se por grafo (não orientado) um terno G = (V (G), E(G), ψG )), onde
V = V (G) é um conjunto não vazio, E = E(G) é um conjunto disjunto de V e ψG é uma função
tal que, para cada e ∈ E, ψG (e) denota um par não ordenado de elementos de V . O conjunto V
designa-se por conjunto dos vértices, E por conjunto das arestas e ψG por função de incidência
do grafo G.
Neste trabalho, temos como objetivo fazer uma abordagem geral à Teoria de Grafos em que
apenas usaremos grafos não orientados e vamos referir-nos apenas ao termo grafo.
Para cada aresta e ∈ E de um grafo G, ela resulta da imagem ψG (e) = uv, onde u, v ∈ V e uv é
um par não ordenado. Neste caso, dizemos que: u e v são vértices extremos de e; a aresta e é
incidente aos seus vértices extremos; u e v são vértices adjacentes.
Ao conjunto dos vértices adjacentes a um determinado vértice w ∈ V chamamos vizinhança de
w.
Quando duas arestas são incidentes ao mesmo vértice, dizemos que estas arestas são adja-
centes.
Se duas ou mais arestas têm os mesmos vértices extremos, então dizemos que são arestas múlti-
plas (ou paralelas).
A uma aresta e de um grafo G chamamos lacete se os vértices extremos coincidem num só
vértice, isto é, φG (e) = uu com u ∈ V
41
Matrizes e Grafos
Definição 4.1.2. Um grafo diz-se simples se não contém arestas múltiplas nem lacetes.
Quando um grafo simples possui um único vértice, dizemos que o grafo é trivial.
Se os conjuntos V e E forem finitos, então dizemos que o grafo é finito e denotamos por ν(G)
ou ν o número de vértices e por ε(G) ou ε o número de arestas de um grafo G. A ν chamamos
a ordem de G e a ε chamamos a dimensão de G. Caso contrário, G é um grafo infinito.
Definição 4.1.3. Dados dois grafos G e H, arbitrários, dizemos que são iguais se
Definição 4.1.4. Dados dois grafos G e H, arbitrários, dizemos que H é um subgrafo se V (H) ⊆
V (G), E(H) ⊆ E(G) e ψH é a restrição de ψG . Denotamos por H ⊆ G. Se H ⊂ G então H é
subgrafo próprio de G.
O grafo H é um subgrafo abrangente (ou suporte) do grafo G se V (H) = V (G).
Exemplo 4.1.1. Observando o grafo não orientado da figura 4.1, temos que
42
Matrizes e Grafos
∑
n
d(vi ) = 2ε
i=1
Teorema 4.1.2. O número de vértices de grau ímpar que existe num grafo é sempre par.
∑
ν ∑ ∑
d(vi ) = d(vj ) + d(vk ) . (4.1)
i=1 d(vj ) par d(vk ) mpar
A primeira parcela do segundo membro da equação anterior é sempre um número par. A segunda
parcela é um número par se o somatório dos graus ímpares tiver uma quantidade par de parcelas.
Ou seja, o número de vértices com grau ímpar tem de ser par. □
Definição 4.1.6. Seja G um grafo simples. Denotamos por Gc o grafo complementar de G, que
é o grafo simples obtido a partir de G cujo conjunto de vértices coincide e no qual quaisquer
dois vértices são adjacentes se e só se não são adjacentes em G.
Definição 4.1.7. Sejam G = (V (G), E(G), ψG ) e H = (V (H), E(H), ψH ) dois grafos arbitrários.
Dizemos que são isomorfos, e denota-se por G ∼= H, se existem duas bijeções φ : V (G) → V (H)
e θ : E(G) → E(H) tais que
43
Matrizes e Grafos
No caso de os grafos serem simples, dizemos que são isomorfos se existe uma bijeção φ : V (G) →
V (H) tal que
Se um grafo tem cada vértice adjacente a todos os outros, então o grafo é chamado de grafo
completo e denota-se por Kn . Por exemplo:
Um grafo simples G é chamado de grafo nulo quando não tem arestas, ou seja, E(G) = ∅.
Definição 4.1.8. Um grafo G diz-se bipartido se existe uma partição do seu conjunto de vér-
tices V em X e Y , tal que cada aresta de G tem um dos vértices extremos em X e o outro
vértice extremo em Y . Esta partição do conjunto dos vértices do grafo permite representar o
grafo pelo terno (X, Y, E(G)).
Quando quaisquer vértices x ∈ X e y ∈ Y são tal que xy ∈ E(G), dizemos que G é um grafo
bipartido completo. Adicionalmente, se temos dG (x) = s = #(Y ), ∀x ∈ X e dG (y) = t =
#(X), ∀y ∈ Y , então o grafo G é denotado por Ks,t .
P = v0 e 1 v1 e 2 · · · e k vk
44
Matrizes e Grafos
• Se num passeio todas as arestas são distintas, então o passeio designa-se por trajeto.
Adicionalmente, se também todos os vértices são distintos, o passeio designa-se por
caminho.
• Um ciclo é um passeio com pelo menos uma aresta, onde não se repetem arestas nem
vértices (com exceção dos vértices terminais do passeio).
Figura 4.5:
Definição 4.1.10. Um grafo diz-se conexo se entre cada par de vértices existe um caminho
que os une. Caso contrário, o grafo diz-se desconexo.
Observemos que um grafo que possui um único vértice v é conexo, uma vez que podemos con-
siderar a existência de um caminho de comprimento nulo entre v e v.
Sendo o grafo G desconexo, podemos repartir o conjunto dos seus vértices em dois ou mais
subconjuntos disjuntos V1 , V2 , · · · , Vk , tais que ∀u ∈ Vi e ∀v ∈ Vj , com i ̸= j, u e v não são
adjacentes. Portanto, G ficará subdividido em k subgrafos, tal que cada subgrafo é conexo. A
estes subgrafos chamamos componentes conexas de G.
O grafo da Figura 4.5 é conexo (visto que entre cada par de vértices existe sempre um caminho
que os une). Na figura seguinte, apresentamos um grafo desconexo:
45
Matrizes e Grafos
Teorema 4.1.3. Um grafo é desconexo se e só se o seu conjunto de vértices V pode ser dividido
em dois subconjuntos disjuntos não vazios V1 e V2 , tal que não existe aresta em G cujo vértice
extremo está no subconjunto V1 e outro no subconjunto V2 .
Teorema 4.1.4. Se um grafo G tem exatamente dois vértices de grau ímpar, então existe um
caminho unindo estes dois vértices.
Demonstração: Seja G um grafo com todos os vértices de grau par, exceto v1 e v2 , que são de
grau ímpar. O teorema que também é válido para todas as componentes conexas de um grafo
desconexo, afirma que nenhum grafo pode ter um número ímpar de vértices de grau ímpar. Por-
tanto, no grafo G,os vértices v1 e v2 estão na mesma componente conexa e consequentemente
existe um caminho entre eles. □
Definição 4.1.11. Um grafo simples G diz-se uma floresta se G não contém circuitos.
Uma floresta conexa designa-se por árvore, ou seja, consideramos que uma árvore é uma com-
ponente conexa de uma floresta.
Por exemplo:
46
Matrizes e Grafos
Definição 4.1.12. Designamos por árvore abrangente (ou de suporte) de um grafo conexo G
a todo subgrafo abrangente de G que é uma árvore e contém todos os vértices do grafo.
47
Matrizes e Grafos
Figura 4.9:
Não existe nenhum lacete, ou seja, uma aresta do tipo uu (u ∈ V ), consequentemente o ele-
mento da diagonal principal respetivo é zero. Por não existirem arestas múltiplas, a matriz de
adjacência só tem zeros e uns.
v1 v2 v3 v4 v5
v1 0 1 0 1 1
v2 1 0 1 0 1
A(G) = .
v3 0 1 0 1 1
v4 1 0 1 0 1
v5 1 1 1 1 0
Algumas observações importantes podem ser registadas sobre a matriz de adjacência A(G) de
um grafo G:
2. As entradas da diagonal principal de A(G) são iguais a zero se e só se o grafo não tem
lacetes.
3. Se o grafo não tem lacetes nem arestas múltiplas, o grau de um vértice é igual ao número
de 1′ s nas correspondentes linhas e colunas de A(G).
..
A(G1 ) . 0
..
A(G) =
··· .
··· .
..
0 . A(G2 )
48
Matrizes e Grafos
v1 v2 v3 v4 v5 v6 v7 v8 v9
v1 0 1 1 0 1 0 0 0 0
v2 1 0 1 0 0 0 0 0 0
v3 1 1 0 1 0 0 0 0 0
v4 0 0 1 0 0 0 0 0 0
A(G) =
v5 1 0 0 0 0 0 0 0 0
v6 0 0 0 0 0 0 1 1 1
v7 0 0 0 0 0 1 0 1 1
v8 0 0 0 0 0 1 1 0 0
v9 0 0 0 0 0 1 1 0 0
Teorema 4.2.1. Seja G um grafo simples e A(G) a sua matriz de adjacência. O número de
passeios de comprimento K entre os vértices vi e vj de G, Pij (k), é igual à entrada akij da
matriz Ak (G).
∑
n ∑
n
akij = ak−1
ir arj = pir (k − 1)prj (1) = pij (k)
r=1 r=1
49
Matrizes e Grafos
Exemplo 4.2.3. Tendo em conta o grafo representado na figura 4.9 e a sua respetiva matriz de
adjacência, vamos fazer alguns apontamentos em relação aos passeios deste grafo.
0 1 0 1 1
1 0 1 0 1
A(G) =
0 1 0 1 1
1 0 1 0 1
1 1 1 1 0
3 1 3 1 2
1 3 1 3 2
A (G) =
2
3 1 3 1 2
1 3 1 3 2
2 2 2 2 4
v 2 , v 2 v5 , v 5 v4 , v 4
v 2 , v 2 v1 , v 1 v4 , v 4
e observando a entrada a24 que é igual a 4, esta dá-nos o número de passeios de comprimento
3 entre os vértices v2 e v4 . São eles:
v2 , v 2 v3 , v 3 v5 , v 5 v 4 , v 4
v2 , v 2 v5 , v 5 v3 , v 3 v 4 , v 4
v2 , v 2 v1 , v 1 v5 , v 5 v 4 , v 4
v2 , v 2 v5 , v 5 v1 , v 1 v 4 , v 4
Proposição 4.2.1. (Teste de isomorfismo) Dizemos que dois grafos arbitrários são isomorfos se
é possível ordenar os seus respetivos conjunto de vértices tal que as suas matrizes de adjacência
sejam iguais.
Exemplo 4.2.4. Os grafos da figura abaixo são isomorfos são isomorfos porque ordenando os
vértices v1 , v2 , v3 , v4 e os vértices A, D, C, B, os grafos têm a mesma matriz de adjacência.
50
Matrizes e Grafos
v1 v2 v3 v4
v1 0 1 1 1
A(G) = v2 1 0 1 0
v3 1 1 0 1
v4 1 0 1 0
e
A D C B
A 0 1 1 1
A(H) = D 1 0 1 0
C 1 1 0 1
B 1 0 1 0
Figura 4.10:
O resultado que a seguir apresentamos pode ser usado para calcular o número de árvores
abrangentes, em qualquer grafo conexo simples.
Teorema 4.2.2. (Teorema de Kirchhoff ou Teorema da Matriz Árvore). Seja G um grafo simples
com o conjunto de vértices v1 , v2 , · · · , vν e M = [mij ]ν×ν , tal que mii = d(vi ) e para i ̸= j temos
mij = −1 se vi e vj são adjacentes e mij = 0 se vi e vj não são adjacentes.
Então, o número de árvores abrangentes de G é igual ao complemento algébrico de qualquer
elemento de M . (o conceito de complemento algébrico encontra-se no capítulo 2 secção 2.6).
Vamos omitir a demonstração deste teorema porque envolve conceitos que não foram abordados
neste trabalho, contudo apresentaremos um exemplo que ilustra este resultado.
51
Matrizes e Grafos
Como todos os complementos são iguais a 3, que é o número das árvores abrangentes, portanto
as árvores abrangentes são:
−
→
No caso de grafos orientados, sem lacetes, as entradas da matriz de incidência M ( G ) = (mij )
são definidas por
0, Se ej = vp vq , com i ∈ {p, q};
mij = −1, se ej = vk vi , para algum vértice vk ;
1, se ej = vi vk , para algum vértice vk .
Exemplo 4.2.6.
52
Matrizes e Grafos
Uma vez que o grafo representado na figura 4.13 é de ordem ν = 7 e dimensão ε = 12, temos
V (G) = {v1 , v2 , v3 , v4 , v5 , v6 , v7 , v8 }
As arestas são e1 = v1 v2 , e2 = v2 v5 , e3 = v2 v4 , e4 = v2 v3 , e5 = v4 v5 , e6 = v3 v4 , e7 = v4 v6 ,
e8 = v5 v7 , e9 = v5 v7 , e10 = v6 v7 , e11 = v6 v3 , e12 = v1 v3 .
−
→
A figura 4.14 mostra um grafo orientado e sua matriz de incidência M ( G ).
53
Matrizes e Grafos
e1 e2 e3 e4 e5 e6 e7 e8 e9 e10
A 1 0 0 0 0 0 0 0 0 -1
B -1 1 0 0 0 1 0 0 1 0
−
→
M(G) = C 0 -1 1 0 -1 0 -1 0 0 0
D 0 0 -1 1 0 -1 0 0 0 0
E 0 0 0 -1 1 0 0 1 0 0
F 0 0 0 0 0 0 1 -1 -1 1
Dada uma matriz de incidência de um grafo sem lacetes, podemos fazer as seguintes obser-
vações:
1. Se uma aresta é incidente exatamente em dois vértices, cada coluna de M (G) tem exata-
mente dois 1′ s.
..
M (G1 ) . 0
..
M (G) =
··· . ···
..
0 . M (G2 )
De seguida, vamos demonstrar o teorema 4.1.1, que é uma aplicação onde se usa a matriz de
incidência:
54
Matrizes e Grafos
Nesta abordagem, pretendemos mostrar que uma árvore abrangente de um grafo simples, cor-
responde a uma base do espaço coluna da matriz de incidência de G.
Da Álgebra Linear sabemos que o espaço coluna de uma matriz A ∈ Mm×n (R) é o conjunto dos
vetores coluna que são combinações lineares das colunas de A.
Nesta configuração, M (G) representa a transformação linear do espaço de arestas WE (G) para
o espaço de vértices WV (G) mapeando os vetores caraterísticos do subconjunto de arestas para
os vetores caraterísticos dos subconjuntos de vértices.
e1 e2 e3 e4 e5
v1 1 0 0 1 1
M (G) = v2 1 1 0 0 0
v3 0 1 1 0 1
v4 0 0 1 1 0
55
Matrizes e Grafos
Todo o caminho aberto em G é mapeado para o subconjunto de vértices, que consiste nos
caminhos com vértices iniciais e finais.
Para salientar o facto de que B é uma matriz de circuito do grafo G, a matriz de circuito
também pode ser escrita como B(G). Vejamos um exemplo a partir do grafo da figura 4.17 e a
sua respetiva matriz de incidência.
e1 e2 e3 e4 e5 e6 e7 e8
v1 0 0 0 1 0 1 0 0
v2 0 0 0 0 1 1 1 1
M (G) = v3 0 0 0 0 0 0 0 1
v4 1 1 1 0 1 0 0 0
v5 0 0 1 1 0 0 1 0
v6 1 1 0 0 0 0 0 0
56
Matrizes e Grafos
O grafo tem quatro circuitos diferentes, que são: {e1 , e2 }, {e3 , e5 , e7 }, {e4 , e6 , e7 } e {e3 , e4 , e6 , e5 }.
Enumerando estes circuitos temos a sequência 1, 2, 3 e 4. Portanto a sua matriz de circuito é do
tipo 4 × 8 com zeros e uns.
e1 e2 e3 e4 e5 e6 e7 e8
1 1 1 0 0 0 0 0 0
B(G) = 2 0 0 1 0 1 0 1 0
3 0 0 0 1 0 1 1 0
4 0 0 1 1 1 1 0 0
1. Uma coluna com todas entradas iguais a zero corresponde a aresta que não pertence a
nenhum circuito.
57
Matrizes e Grafos
Teorema 4.3.1. Seja B(G) e M (G), matriz de circuito e matriz de incidência respetivamente
de um grafo G sem lacetes, cujas colunas estão dispostas usando a mesma ordem das arestas.
Então toda linha de B(G) é ortogonal para toda linha de M (G).
A matriz de circuito de um grafo G, possui uma submatriz que está relacionada com a árvore
abrangente do grafo. Esta árvore forma um circuito chamado de circuito fundamental. É fácil
notar que se adicionarmos uma aresta em dois vértices deste circuito, criamos um novo circuito
o que nos dá a confirmação de que além do circuito fundamental temos outros circuitos que são
obtidos como combinação linear do circuito fundamental.
Numa matriz de circuito, se mantivermos apenas todas as linhas que correspondem ao conjunto
do circuito fundamental e removermos as outras linhas, não perderemos nenhuma informação.
As restantes linhas podem ser reconstituídas a partir das linhas que correspondem ao conjunto
de circuito fundamental. Por exemplo na matriz de circuito do grafo da figura 4.17, a quarta
linha é a soma da segunda linha com a terceira linha (mod 2).
A uma submatriz de uma matriz de circuito em que todas linhas correspondem a um conjunto
de circuitos fundamentais é chamada de matriz fundamental de circuito.
Se n é o número de vértices e ε é o número de arestas num grafo conexo, a matriz fundamental
de circuito é da forma (ε − n + 1) × ε, porque o número de circuitos fundamentais é ε − n + 1.
58
Matrizes e Grafos
e1 e3 e4 e2 e5 e6 e7 e8
1 1 0 1 0 0 0 0 0
Bf (G) = 2 0 1 0 0 1 0 1 0
3 0 0 1 0 0 1 1 0
4 0 0 0 0 0 0 0 0
Definição 4.3.2. A matriz de caminho é definida por um par específico de vértices (x, y) em
um grafo e é denotada por P (x, y). As linhas em P (x, y) correspondem a diferentes caminhos
entre os vértices x e y, e as colunas correspondem as arestas em G, isto é, a matriz de caminho
para os vértices (x, y) é P (x, y) = [Pij ], onde
{
1, Se a j-ésima aresta encontra-se no i-ésimo caminho.
Pij = .
0, caso contrário
Como ilustração, considere todos caminhos entre os vértices v3 e v4 do grafo da figura 4.17.
Existem três caminhos diferentes:{e8 , e5 }, {e8 , e7 , e3 } e {e8 , e6 , e4 , e3 }.Vamos enumerá-los como
1, 2 e 3, respetivamente. Então temos uma matriz de caminhos 3 × 8, P (v3 , v4 ):
e1 e2 e3 e4 e5 e6 e7 e8
1 0 0 0 0 1 0 0 1
P (v3 , v4 ) =
2 0 0 1 0 0 0 1 1
3 0 0 1 1 0 1 0 1
59
Matrizes e Grafos
1. Uma coluna de 0′ s corresponde a uma aresta que não se encontra em qualquer caminho
entre x e y.
2. Uma coluna de 1′ s corresponde a uma aresta que se encontra em todos caminhos entre x
e y.
3. Não existe uma linha nula, isto é, com todas entradas iguais a zero.
M (G).P T (x, y) = R
Exemplo 4.3.2. Vamos multiplicar a matriz de incidência do grafo da figura 4.17 com a trans-
posta de P (v3 , v4 ).
0 0 0
0 0 0 1 0 1 0 0 0 0 0 v1 0 0 0
0 1 0
0 0 0 1 1 1 1 1 v2 0 0 0
0
0 0 0 0 0 0 1 0
0 1 v3 1 1 1
M (G).P T (v3 , v4 ) = 1 = (mod 2).
1
1 1 0 1 0 0 0 0 0 v4 1 1 1
0
0 1 1 0 0 1 0 0
0 1 v5 0 0 0
0
1 1 0 0 0 0 0 0 1 0 v6 0 0 0
1 1 1
60
Matrizes e Grafos
Capítulo 5
Considerações Finais
O estudo sobre Matrizes e sobre Grafos é um campo vasto e não se encerra nesta abordagem.
Na realidade o trabalho feito é uma gota no oceano. O uso das matrizes no estudo dos grafos
tem sido e continua sendo objeto de intensa investigação, a literatura é cada vez mais vasta.
Neste trabalho procurámos, de forma sintética, apresentar os conceitos relacionados com a
Álgebra Matricial em direção às Transformações Lineares. Partimos de definições elementares
e sempre que possível providenciamos exemplos que reforcem as definições e as propriedades.
A teoria de matrizes foi necessária para dar suporte às aplicações e principalmente à Teoria de
Grafos. A partir das matrizes de adjacência e incidência foi possível saber sobre a estrutura de
um grafo e conseguimos investigar resultados.
61
Matrizes e Grafos
62
Matrizes e Grafos
Bibliografia
[1] D.M. Cardoso, J. Szymanski, M. Rostami, Matemática Discreta. Escolar Editora (2009) 41
[2] A. Rorres, Algebra Linear com Aplicações, John Wiley, 2012. 31, 35, 38
[4] A.P. Santana J.F. Queiró, Introdução à Álgebra linear, grádiva, 2013. 5
[5] D.C. Lay, S. Lay, J.J. McDonald, Linear Algebra and its Applications, Pearson, 2016. 5
[8] M.F. Estada, C. C. de Sá, J.F. Queiró, M. Silva, M. J. Costa, História da Matemática, Uni-
versidade Aberta, 2000. 1
[9] J. Grosss, J. Yellen,Graph Theory and its Applications, Gross Yellen, 1998. 41
[10] C. Marques, V. Miranda, J. Mosca, J. Maças , R. P. dos Santos, Cálculo Matricial, Vol III-
Aplicações, Instituto Piaget. 41
[11] H. Anton, R.C. Busby, Álgebra Linear Contemporânea, ARTMED Editora S.A, 2003. 33
[12] N. Deo, Graph Theory with Applications to Engineering and Computer Science, Dover Pub-
lications, 1974. 1, 41
63