You are on page 1of 31

Notas de Aula sobre Teoria de Matrices e Solu¸ c˜ao de

Sistemas de Equa¸ c˜oes Lineares
Prof. Dr. Fernando Enrique Echaiz-Espinoza
Instituto de Matem´ atica
Universidade Federal de Alagoas, AL, Brazil
echaiz@pos.mat.ufal.br
Version 2.3
11 Agosto de 2014
Resumo
O objetivo de estas notas de aula ´e apresentar o Teorema de Mirsky que ´e um teorema de
consistencia para a um sistema de equa¸ c˜ oes lineares simultaneas. Para tal objetivo primeira-
mente lembramos os conceitos basicos da teoria de matrices, depois trabalhamos o conceito
de posto de uma matriz baseado no conceito do determinante.
1 Matrizes
Defini¸c˜ao 1.1. Uma matriz serve para representar uma sequˆencia de n´ umeros. Por exemplo uma
matriz A pode ser representada como
A =
_
_
_
_
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
. . . a
mn
_
_
_
_
_
.
Denotaremos uma matriz A mediante A = (a
ij
), onde i = 1, 2, . . . , m; j = 1, 2, . . . , n; neste
caso diremos que a matriz A tem dimens˜ao mn ou que a matriz A ´e de ordem mn, o conceito
de ordem de uma matriz s´o serve para deixar claro quantas linhas e colunas nossa matriz tem.
As entradas da matriz A vem a ser cada elemento dela, no caso em que A = (a
ij
) introduzimos
a nota¸ c˜ao a
ij
para representar cada elemento de A, neste caso a entrada da matriz A ´e cada a
ij
;
quando n˜ao precissamos introducir uma nota¸c˜ao para os elementos da matriz A podemos usar a
nota¸c˜ao (A)
ij
para representar as entradas da matriz A.
Devese ter cuidado para n˜ao efetuar a multiplica¸c˜ao de m com n quando nos vajamos a referir
a ordem de uma matriz, simplemente deve dizer que uma matriz ´e de ordem m por n (m n),
para indicar que a matriz tˆem m linhas e n colunas. Por exemplo dada uma matriz de 3 8 n˜ao
deve dizer que a matriz ´e de ordem 24, porque tambem uma matriz de 6 4 teria ordem 24, mas
uma matriz com 6 linhas e 4 colunas ´e distinta de nossa matriz que tem 3 linhas e 8 colunas.
Podemos classificar as matrizes segundo sua orden:
• quando m = n diremos que temos uma matriz quadrada de ordem n;
• quando m ,= n diremos que temos uma matriz retangular de ordem mn.
Tamb´em podemos classificar as matrizes segundo seus elementos:
• se para cada i e j temos que a
ij
∈ R diremos que a matriz A = (a
ij
) ´e real. Em outras
palavras, se todos os elementos de uma matriz s˜ao n´ umeros reais esta chama-se de matriz
real;
1
• se para algum i e j temos que a
ij
∈ C diremos que a matriz A = (a
ij
) ´e complexa. Em
outras palavras, se pelo menos um elemento de uma matriz ´e um n´ umero complexo esta
chama-se de matriz complexa;
Defini¸c˜ao 1.2. Duas matrizes A = (a
ij
) e B = (b
ij
) dizem-se iguais se elas tem as mesmas
dimens˜oes e cada uma das entradas destas matrices coincidem, i.e., a
ij
= b
ij
, ∀i, j.
Exemplo 1.3. Denote a matriz A = (a
ij
), escreva a matriz A quando:
a) m = 2, n = 3 e a
ij
= 2i −j
b) m = 3, n = 3 e a
ij
= [i −j[
Solu¸c˜ao.
a) Neste caso nossa matriz A tem duas linhas e trˆes colunas, o que significa que a matriz A ´e de
orden 2 3. Agora vamos mostrar os elementos a
ij
= 2i −j desa matriz:
a
11
= 2 1 − 1 = 1; a
12
= 2 1 − 2 = 0; a
13
= 2 1 − 3 = −1;
a
21
= 2 2 − 1 = 3; a
22
= 2 2 − 2 = 2; a
23
= 2 2 − 3 = 1.
Portanto
A =
_
1 0 −1
3 2 1
_
.
b) Neste caso nossa matriz A tem trˆes linhas e trˆes colunas, o que significa que a matriz A ´e de
orden 3 3. Agora vamos mostrar os elementos a
ij
= [i −j[ desa matriz:
a
11
= [1 − 1[ = 0; a
12
= [1 − 2[ = 1; a
13
= [1 − 3[ = 2;
a
21
= [2 − 1[ = 1; a
22
= [2 − 2[ = 0; a
23
= [2 − 3[ = 1;
a
31
= [3 − 1[ = 2; a
32
= [3 − 2[ = 1; a
33
= [3 − 3[ = 0.
Portanto
A =
_
_
0 1 2
1 0 1
2 1 0
_
_
.
Defini¸c˜ao 1.4. Numa matriz quadrada a diagonal que vai desde a esquina superior esquerda at´e
a esquina inferior direita chama-se diagonal principal, i.e.,
a
11
a
12
a
13
. . . a
1n
a
21
a
22
a
23
. . . a
2n
a
31
a
32
a
33
. . . a
3n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
n3
. . . a
nn
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
,
onde a diagonal principal ´e formada por a
11
, a
22
, a
33
, , a
nn
.
Defini¸c˜ao 1.5. O tra¸co de uma matriz quadrada A = (a
ij
)
n×n
, define-se como a soma dos
elementos da diagonal principal, isto ´e,
tra¸co (A) =
n

i=1
a
ii
= a
11
+a
22
+ +a
nn
.
2
2 Soma de Matrizes
Duas matrizes A = (a
ij
) e B = (b
ij
) podem ser somadas se ambas tem a mesma dimens˜ao e
se denotamos a soma destas matrices como C = (c
ij
), isto ´e, C = A+B, define-se c
ij
mediante
c
ij
= a
ij
+b
ij
, ∀i, j.
Podemos observar desa defini¸ c˜ao que a soma de matrizes es comutativa, isto ´e, A+B = B+A.
3 Multiplica¸c˜ao de uma matriz por um escalar
Se k ´e uma constante e A = (a
ij
) ´e uma matriz, kA ´e uma matriz definida por
kA = (k a
ij
).
Exemplo 3.1. Se A =
_
1 7 5
3 −1 2
_
segue-se que 2A =
_
2 14 10
6 −2 4
_
.
Observa¸c˜ao 3.2. A multiplica¸c˜ ao de uma matriz por um escalar pode ser usada para fatorar um
elemento comum a todas as entradas de uma matriz, por exemplo,
_
3 9
−6 12
_
= 3
_
1 3
−2 4
_
.
4 Diferen¸ca de matrices
Duas matrizes A = (a
ij
) e B = (b
ij
) podem ser substraidas se ambas tem a mesma dimens˜ao e
A−B := A+ (−1)B;
(A−B)
ij
= a
ij
−b
ij
.
Exemplo 4.1. Dadas as matrizes A =
_
_
_
_
1 −1
0 4
4 2
3 −8
_
_
_
_
e B =
_
_
_
_
1 3
7 −1
5 4
2 −6
_
_
_
_
. Determine A+B , A−B,
2B e 2B − 4A.
Solu¸c˜ao.
A+B =
_
_
_
_
2 2
7 3
9 6
5 −14
_
_
_
_
;
A−B =
_
_
_
_
0 2
−7 5
−1 −2
1 −2
_
_
_
_
;
2B =
_
_
_
_
2 6
14 −2
10 8
4 −12
_
_
_
_
;
2B − 4A =
_
_
_
_
−2 10
14 −18
−6 0
−8 20
_
_
_
_
.
3
5 Matriz nula ou matriz zero
Uma matriz onde todas suas entradas s˜ao zero ´e chamada de uma matriz nula ou matriz zero,
representaremos esta matriz por O, e a entrada de esta matriz ´e
O
ij
= 0, ∀i, j.
A matriz nula satisfaz as seguintes propriedades
A−A = O;
A+ O = A.
Exemplo 5.1. Se A, B e C s˜ao trˆes matrizes tendo as mesmas dimens˜oes e A + C = B + C,
mostre que A = B.
Solu¸c˜ao. A prova sera feita por dois metodos
Metodo 1: Denotemos nossas matrizes por A = (a
ij
), B = (b
ij
) e C = (c
ij
). Por defini¸ c˜ao
(A+C)
ij
= a
ij
+c
ij
(B +C)
ij
= b
ij
+c
ij
.
Assim, a condi¸ c˜ao A+B = B +C ´e equivalente a ter
a
ij
+c
ij
= b
ij
+c
ij
, ∀i, j
de onde,
a
ij
= b
ij
, ∀i, j
Logo pela igualdade de matrizes A = B.
Metodo 2: Como
A = A+ O;
= A+ [C + (−C)];
pela distributibidade da soma de matrizes,
= (A+C) + (−C);
por hip´otese A+C = B +C, de onde
A = (B +C) + (−C);
pela distributibidade da soma de matrizes,
A = B + [C + (−C)];
A = B + O = B.
Exemplo 5.2. Dadas as matrizes A e B, resolva a equa¸c˜ao X +A = B.
4
Solu¸c˜ao.
X = X + O;
X = X + [A+ (−A)];
pela distributibidade da soma de matrizes,
= (X +A) + (−A);
por hip´otese X +A = B, de onde
X = B + (−A);
portanto,
X = B −A.
6 Multiplica¸c˜ao de duas matrices
Sejam A = (a
ij
) e B = (b
ij
) duas matrizes. Define-se o produto de AB somente se o n´ umero
de colunas A ´e igual ao n´ umero de linhas de B, e neste caso diremos que as matrizes A e B s˜ao
conformes `a multiplica¸ c˜ao.
Se A = (a
ij
)
m×n
e B = (b
ij
)
n×p
e se denotamos o produto da matriz A com a matriz B como
C = AB, onde C = (c
ij
), define-se c
ij
mediante
c
ij
=
n

k=1
a
ik
b
kj
, ∀i, j.
O seguinte diagrama mostra como calcula-se a dimens˜ao de um produto de matrices
A B
=
C
m× n n ×
p m×
p
iguais
N´ umero de linhas de C = n´ umero de linhas de A
N´ umero de colunas de C = n´ umero de colunas de B
Exemplo 6.1. Se A =
_
1 2
3 4
_
e B =
_
−1 4
2 −3
_
, ent˜ao
AB =
_
3 −2
5 0
_
e
BA =
_
11 14
−7 −8
_
.
Observa¸c˜ao 6.2. Do exemplo anterior podemos tirar as seguintes conclus˜ oes:
5
• em geral AB ,= BA, isto ´e, a multiplica¸c˜ao matricial n˜ao ´e comutativa;
• dizer ”o produto das matrizes A e B”´e confuso e indefinido;
• no produto matricial AB, a matriz B diz-se que est´a multiplicada pela esquerda ou premul-
tiplicada por A. Em BA, a matriz B diz-se que est´a multiplicada pela direita ou posmulti-
plicada por A.
Exemplo 6.3. Se poss´ıvel determine, A+B, AB e BA quando:
a) A =
_
0 1
1 1
_
e B =
_
0 −1
1 0
_
;
b) A =
_
1 2 3
1 3 6
_
e B =
_
1 1 1
1 2 3
_
;
c) A =
_
_
2 −1
1 0
−3 4
_
_
e B =
_
1 −2 −5
3 4 0
_
.
Solu¸c˜ao. a) Neste caso as duas matrizes A e B s˜ao quadradas e da mesma ordem, de modo que
existem A+B, AB e BA. Pode-se verificar que
A+B =
_
0 0
2 1
_
;
AB =
_
1 0
1 −1
_
;
BA =
_
−1 −1
0 1
_
.
b) Neste caso ambas as matrizes A e B tˆem ordem 2 3, de modo que s´o existe A+B.
A+B =
_
2 3 4
2 5 9
_
.
c) Neste caso a matriz A ´e de ordem 3 2 enquanto a matriz B ´e de ordem 2 3. Como as
matrizes A e B tem orden distintas concluimos que n˜ao existe a matriz A+B, por´em existem
as matrizes AB e BA.
AB =
_
_
−1 −8 −10
1 −2 −5
9 22 15
_
_
;
BA =
_
15 −21
10 −3
_
.
Exemplo 6.4. Se A tem m linhas e m + 5 colunas, B tem n linhas e 11 − n colunas. Se tanto
AB e BA existem, quais s˜ao os valores de m e n?
Solu¸c˜ao. A ordem da matriz A ´e m (m + 5) enquanto a ordem da matriz B ´e n (11 − n).
De modo que para que exista o produto AB devemos ter que m + 5 = n e para que exista BA
devemos ter 11 − n = m. Portanto, para que existam simultaneamente os produtos AB e BA
devemos resolver o sistema
m+ 5 = n;
11 −n = m.
6
Ou equivalentemente,
m−n = −5;
m+n = 11.
Apos resolver este sistema obtemos m = 3 e n = 8.
Exemplo 6.5. Encontre os elementos que faltam no seguinte produto matricial
_
_
2 0 0
∗ 2 0
0 ∗ 2
_
_

_
_
∗ ∗ 0
0 ∗ ∗
0 0 2
_
_
=
_
_
4 −2 0
−2 5 −2
0 −2 5
_
_
.
Solu¸c˜ao. Cada asterisco no lado esquerdo representa um valor a ser achado. De onde, rotulemos
cada valor a ser achado. De modo que nosso problema original ´e equivalente ao seguinte: ache as
incognitas a, b, c, d e f no seguinte produto matricial
_
_
2 0 0
a 2 0
0 b 2
_
_

_
_
c d 0
0 e f
0 0 2
_
_
=
_
_
4 −2 0
−2 5 −2
0 −2 5
_
_
.
Pela defini¸c˜ao da multiplica¸ c˜ao de matrizes
_
2 0 0
_

_
_
c
0
0
_
_
= 4, de onde 2c = 4 e portanto
c = 2. Agora,
_
2 0 0
_

_
_
d
e
0
_
_
= −2, de onde 2d = −2 e portanto d = −1. Por outro lado,
_
2 0 0
_

_
_
0
f
2
_
_
= 0, de onde 0 = 0 e portanto qualquer valor de f ´e valido ou nossa escolha para
achar f n˜ao foi a certa. Com os valores obtidos, re-escrevamos nosso problema: ache as incognitas
a, b, e e f no seguinte produto matricial
_
_
2 0 0
a 2 0
0 b 2
_
_

_
_
2 −1 0
0 e f
0 0 2
_
_
=
_
_
4 −2 0
−2 5 −2
0 −2 5
_
_
.
Pela defini¸c˜ao da multiplica¸ c˜ao de matrizes
_
a 2 0
_

_
_
2
0
0
_
_
= −2, de onde 2a = −2 e portanto
a = −1. Analogamente,
_
a 2 0
_

_
_
−1
e
0
_
_
= 5, de onde −a + 2e = 5 e portanto e = 2. De
_
a 2 0
_

_
_
0
f
2
_
_
= −2, de onde 2f = −2 e portanto f = −1. Finalmente de
_
0 b 2
_

_
_
−1
e
0
_
_
=
−2, de onde b e = −2 e portanto b = −1. Portanto, a = −1, b = −1, c = 2, d = −1 e f = −1.
Exerc´ıcio 6.6. Mostre que a multiplica¸c˜ao de matrices ´e associativa, isto ´e,
A(BC) = (AB)C.
De modo que podemos escrever ABC sem parenteses.
O seguinte diagrama mostra como calcula-se a dimens˜ao do produto das matrices ABC
7
A B C
=
D
m×n n×
p p
×
q m×
q
iguais iguais
N´ umero de linhas de D = n´ umero de linhas de A
N´ umero de colunas de D = n´ umero de colunas de C
Exemplo 6.7. Se A =
_
_
2 −3 −5
−1 4 5
1 −3 −4
_
_
, B =
_
_
−1 3 5
1 −3 −5
−1 3 5
_
_
, e C =
_
_
2 −2 −4
−1 3 4
1 −2 −3
_
_
.
Mostre que
a) AB = BA = O;
b) AC = A e CA = C, daqui demonstre que ACB = CBA.
Solu¸c˜ao. a)
AB =
_
_
2 −3 −5
−1 4 5
1 −3 −4
_
_

_
_
−1 3 5
1 −3 −5
−1 3 5
_
_
=
_
_
0 0 0
0 0 0
0 0 0
_
_
,
BA =
_
_
−1 3 5
1 −3 −5
−1 3 5
_
_

_
_
2 −3 −5
−1 4 5
1 −3 −4
_
_
=
_
_
0 0 0
0 0 0
0 0 0
_
_
.
O que este item esta demonstrando ´e que se temos um produto de matrizes igual `a matriz
nula, isto n˜ao significa que pelo menos uma das matrizes dadas ´e uma matriz nula. Isto
contrasta com os n´ umeros reais, onde se o produto de dois n´ umeros reais ´e zero ent˜ao pelo
menos um destes numeros tem que ser zero.
b)
AC =
_
_
2 −3 −5
−1 4 5
1 −3 −4
_
_

_
_
2 −2 −4
−1 3 4
1 −2 −3
_
_
=
_
_
2 −3 −5
−1 4 5
1 −3 −4
_
_
= A.
CA =
_
_
2 −2 −4
−1 3 4
1 −2 −3
_
_

_
_
2 −3 −5
−1 4 5
1 −3 −4
_
_
=
_
_
2 −2 −4
−1 3 4
1 −2 −3
_
_
= C;
finalmente, segue-se da associatividade que
ACB = (AC)B;
mas j´a provamos que AC = A, de onde
ACB = AB;
pelo item (a) deste exerc´ıcio mostramos que AB = O, assim
ACB =O = CO;
pelo item (a) de nosso exerc´ıcio tamb´em mostramos que BA = O, logo
ACB =CBA.
8
Observa¸c˜ao 6.8. Quando se tem uma igualdade entre matrizes da forma AC = AD ent˜ao n˜ao
necessaiamente vale a igualdade de matrizes C = D, em outras palavras, numa igualdade AC =
AD n˜ao ´e permitido cancelar A. Pois ´e possivel que
AC −AD = O;
A(C −D) = O.
ainda que C − D ,= O. Isto ´e ilustrado no item (b) do Exemplo 6.7, onde AC = A = AI
3
mas
C ,= I
3
.
Exerc´ıcio 6.9. Mostre que o produto de matrizes ´e distributivo em rela¸c˜ao a soma de matrices,
isto ´e,
A(B +C) = AB +AC.
7 Matriz Identidade
Defini¸c˜ao 7.1. Define-se a matriz identidade de ordem n, a qual denotaremos por I
n
, mediante
I
n
= (δ
ij
), onde
δ
ij
=
_
1 se i = j;
0 se i ,= j.
δ
ij
´e chamada a delta de Kronecker.
Por exemplo,
I
2
=
_
1 0
0 1
_
;
I
3
=
_
_
1 0 0
0 1 0
0 0 1
_
_
;
I
4
=
_
_
_
_
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
_
_
_
_
.
Observa¸c˜ao 7.2. Se A ´e uma matriz de ordem mn, ent˜ao
AI
n
= A;
I
m
A = A.
Observa¸c˜ao 7.3. Pode acontecer que existam matrizes A e B satisfazendo a condi¸c˜ ao AB = BA,
quando isto aconte¸ca diremos que as matrices A e B comutam.
Por exemplo, se A =
_
1 2
−2 1
_
e B =
_
3 4
−4 3
_
, ´e facil verificar que AB = BA.
Observa¸c˜ao 7.4. Se A ´e uma matriz quadrada de ordem n, ent˜ao
AI
n
= A;
I
n
A = A.
9
8 Potencias de uma matriz
Para uma matriz quadrada A, define-se
A
2
= A A;
A
3
= A A
2
;
A
4
= A A
3
;
A
5
= A A
4
;
.
.
.
.
.
.
A
k
= A A
k−1
.
Podemos observar, por exemplo que,
A
3
= A A A = A
2
A = A A
2
.
Em geral vale a seguinte regra
A
k
A
l
= A
k+l
, ∀k, l ∈ Z
+
.
Exemplo 8.1. Se A =
_
_
1 −1 1
2 −1 0
1 0 0
_
_
, calcule A
2
e verique que A
2
A = A A
2
= I
3
.
Solu¸c˜ao. Certamente A
2
=
_
_
0 0 1
0 −1 2
1 −1 1
_
_
. De modo que,
A
2
A =
_
_
0 0 1
0 −1 2
1 −1 1
_
_

_
_
1 −1 1
2 −1 0
1 0 0
_
_
=
_
_
1 0 0
0 1 0
0 0 1
_
_
;
e
AA
2
=
_
_
1 −1 1
2 −1 0
1 0 0
_
_

_
_
0 0 1
0 −1 2
1 −1 1
_
_
=
_
_
1 0 0
0 1 0
0 0 1
_
_
.
Exemplo 8.2. Se A =
_
_
3 −1 −1
1 1 −1
1 −1 1
_
_
, calcule A
2
e verique que A
2
− 3A+ 2I
3
= O.
Solu¸c˜ao.
´
E facil verificar que A
2
=
_
_
7 −3 −3
3 1 −3
3 −3 1
_
_
. De onde,
A
2
− 3A+ 2I
3
=
_
_
7 −3 −3
3 1 −3
3 −3 1
_
_
− 3
_
_
3 −1 −1
1 1 −1
1 −1 1
_
_
+ 2
_
_
1 0 0
0 1 0
0 0 1
_
_
=
_
_
0 0 0
0 0 0
0 0 0
_
_
.
Observa¸c˜ao 8.3. 1. O item (a) do exemplo anterior mostra que o produto AB pode ser igual
a zero sem que nenhuma das matrizes A ou B seja a matriz nula. Isto contrasta com a
algebra onde o produto de dois n´ ueros ´e igual a zero implica que um dos fatores ´e zero.
10
2. Quando tenemos uma equa¸c˜ao como x
2
− 3x + 2 = 0, apos fatorar o polinˆomio de segundo
grau, temos (x − 1)(x − 2) = 0, obviamente suas solu¸c˜oes s˜ao x = 1 ou x = 2. Porem se
quisermos resolver a correspondente equa¸c˜ao matricial da equa¸c˜ao x
2
− 3x + 2 = 0 temos
que resolver
(8.1) X
2
− 3X + 2I = O, onde X ´e uma matriz quadrada de orden n.
Ainda que possamos fatorar (X −I)(X −2I) = O, n´os n˜ao podemos assumir que as unicas
solu¸c˜oes de (8.1) s˜ao X = I ou X = 2I. De fato quando X ´e uma matriz 3 3, ent˜ao uma
solu¸c˜ao de (8.1) ´e
X =
_
_
3 −1 −1
1 1 −1
1 −1 1
_
_
.
Exerc´ıcio 8.4. Se A e B s˜ao duas matrices quadradas de ordem n n, expanda o produto
(A−B)(A+B). Em que condi¸coes este produto ´e igual a A
2
−B
2
?
Exerc´ıcio 8.5. Expanda (A + B)
2
e (A + B)
3
para duas matrizes arbitrarias A e B de orden
n n. Qual a condi¸c˜ao para obter o Teorema do Binomio usual?
Exerc´ıcio 8.6. De um exemplo de uma matriz A
2×3
e uma matriz B
2×3
tal que AB = I
2
mas
BA ,= I
3
.
Exerc´ıcio 8.7. Uma matriz quadrada D = (d
ij
) chama-se diagonal se todos seus elementos fora
da diagonal principal s˜ao nulos, isto ´e, d
ij
= 0, ∀i ,= j. Neste caso se representa mediante
D = diag (d
11
, d
22
, , d
nn
).
Mostre que D
2
= diag
_
d
2
11
, d
2
22
, , d
2
nn
_
e obtenha uma express˜ao para D
k
, k ∈ Z
+
. Prove que
quaisquer duas matrices diagonais sempre comutam.
9 Exerc´ıcios
1. Encontre a ordem das seguintes matrizes
a) A =
_
π

2 e
π
_
;
b) A =
_
_
0 0
0 0
0 0
_
_
;
c) A =
_
_
_
_
_
_
2
3
5
7
11
_
_
_
_
_
_
.
2. Construa a matriz A = (a
ij
)
4×3
, onde
a
ij
=
_
¸
_
¸
_
i +j para i > j;
0 para i = j;
i −j para i < j.
3. Dada a matriz A =
_
3 5
−2 4
_
. Calcule a expresion (A−I) (A+ 2I).
4. Encontre a, b, c e d tal que
_
a −b 3c +d
a +b c −d
_
=
_
2 6
4 2
_
.
11
5. Prove que A =
_
_
1 2 3
3 2 0
−1 −1 −1
_
_
e B =
_
_
−2 −1 −6
3 2 9
−1 −1 −4
_
_
comutam.
6. Seja A uma matriz quadrada de ordem n n e definamos a matriz B = rA + sI, para
quaisquer r, s ∈ R. Demonstre que as matrices A e B comutam.
7. Considere a matriz A =
_
_
1 1 0
0 1 2
0 0 1
_
_
, mostre por indu¸ c˜ao que A
n
=
_
_
1 n n(n − 1)
0 1 2n
0 0 1
_
_
.
8. Encontre
_
0 −1
1 0
_
25
.
9. Calcule D
50
− 5D
35
+ 4I, onde D =
_
_
0 0 0
0 1 0
0 0 −1
_
_
.
10. Encontre uma matriz B tal que B
2
=
_
2 2
1 3
_
.
11. Uma matriz quadrada A diz-se nilpotente se A
k
= O, para algum inteiro positivo k. Se k
´e o menor inteiro positivo tal que A
k
= O ent˜ao A ´e nilpotente de indice k. Demonstre que
A =
_
_
1 −3 −4
−1 3 4
1 −3 −4
_
_
´e nilpotente. Qual ´e seu indice?
10 A transposta de uma matriz
Se A ´e uma matriz arbitraria de ordem mn, ent˜ao a matriz de ordem n m obtida do A ao
mudar as filas pelas colunas chama-se a transposta de A e denota-se po A
T
.
Por exemplo, se A =
_
_
_
_
1 −1
0 4
4 2
3 −8
_
_
_
_
ent˜ao A
T
=
_
1 0 4 3
−1 4 2 −8
_
. Em geral, se
A = (a
ij
)
m×n
ent˜ ao A
T
= (a
j i
)
n×m
, isto ´e, (A
T
)
ij
= a
j i
.
A seguir vamos listar as propriedades relativas `a transposta de uma matriz
1. Os elementos da diagonal principal de A
T
s˜ao os mesmos que os elementos da diagonal
principal de A;
2. (A
T
)
T
= A;
3. (A+B)
T
= A
T
+B
T
;
4. (k A)
T
= k A
T
, para qualquer escalar k;
5. (AB)
T
= B
T
A
T
sempre que A e B sejam conformes para com a multiplica¸c˜ao.
Com efeito,
(AB)
ij
=

k
a
ik
b
kj
pela defini¸c˜ao da transposta de uma matriz
(AB)
T
ij
=

k
a
jk
b
ki
.
12
Por outro lado,
(B
T
A
T
)
ij
=

k
(B
T
)
ik
(A
T
)
kj
=

k
b
ki
a
jk
;
(B
T
A
T
)
ij
=

k
a
jk
b
ki
;
portanto,
(B
T
A
T
)
ij
= (AB)
T
ij
;
em outras palavras,
(AB)
T
= B
T
A
T
.
Defini¸c˜ao 10.1. Sendo X =
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
e Y =
_
_
_
_
_
y
1
y
2
.
.
.
y
n
_
_
_
_
_
. Chamaremos a estas matrizes n 1 de n-
vetores coluna e chamaremos X
T
= (x
1
, x
2
, , x
n
) e Y
T
= (y
1
, y
2
, , y
n
) de n-vetores linha.
Os elementos x
i
e y
i
s˜ao chamados de as componentes dos vetores.
Defini¸c˜ao 10.2. Sendo X =
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
e Y =
_
_
_
_
_
y
1
y
2
.
.
.
y
n
_
_
_
_
_
Define-se o produto interno ou o produto
escalar de X com Y por
X
T
Y =
n

i=1
x
i
y
i
.
Tambem se usa a nota¸c˜ao ¸X, Y ¸ par o produto interno. De modo que
¸X, Y ¸ =
n

i=1
x
i
y
i
.
Exerc´ıcio 10.3. Prove que (ABC)
T
= C
T
B
T
A
T
, onde A, B e C s˜ao matrices conforme a
multiplica¸c˜ao.
Exerc´ıcio 10.4. Denotemos po e
i
a i-´esima linha de I
n
. Se A
n×m
´e uma matriz arbitraria diga
o que representa os produtos e
i
A e Ae
T
i
.
11 Matrizes triangulares superior e inferior
Defini¸c˜ao 11.1. Uma matriz quadrada A = (a
ij
) chama-se triangular superior se
a
ij
= 0, ∀i > j.
Em outras palavras, uma matriz quadrada chama-se triangular superior se todos os elementos
da matriz que se encontram por debaixo da diagonal principal s˜ao zeros. Por exemplo a matriz
_
_
1 −3 7
0 10 −17
0 0 98
_
_
´e uma matriz triangular superior.
13
Defini¸c˜ao 11.2. Uma matriz quadrada A = (a
ij
) chama-se triangular inferior se
a
ij
= 0, ∀i < j.
Em outras palavras, uma matriz quadrada chama-se triangular inferior se todas as entradas
de uma matriz que se encontram por cima da diagonal principal s˜ao zeros. Por exemplo a matriz
_
_
1 0 0
−3 10 0
7 −17 98
_
_
´e uma matriz triangular inferior.
Exerc´ıcio 11.3. a) Prove que o produto de duas matrizes triangulares superiores ´e uma matriz
triangular superior;
b) Prove que a transposta de uma matriz triangulares supeiorres ´e uma matriz triangular inferior;
c) Prove que o produto de duas matrizes triangulares inferiores ´e uma matriz triangular inferior;
d) Prove que a transposta de uma matriz triangular inferior ´e uma matriz triangular superior.
Exerc´ıcio 11.4. Se A = (a
ij
) ´e uma matriz triangular superior tal que (a
ij
) = 0, ∀i ∈ ¦1, 2, 3¦.
Prove que A
3
= 0, onde a ordem de A ´e 3.
Observa¸c˜ao 11.5. Se A =
_
_
_
_
0 1 −1 1
0 0 1 −1
0 0 0 1
0 0 0 1
_
_
_
_
ent˜ao A
3
=
_
_
_
_
0 0 0 0
0 0 0 0
0 0 0 1
0 0 0 1
_
_
_
_
.
Certamente A
3
n˜ao ´e a matriz nula.
12 A transposta conjugada de uma matriz
Sendo A=(a
ij
)
m×n
uma matriz complexa (isto ´e ∃i, j : a
ij
∈ C). Define-se a matriz conjugada
de A, denotada por A, como sendo
A = (a
ij
)
m×n
,
onde a
ij
´e o conjugado de a
ij
.
Defini¸c˜ao 12.1. Sendo A = (a
ij
)
m×n
uma matriz complexa, define-se a transposta conjugada de
A, denotada por A

, como sendo
A

= (A)
T
.
N˜ao ´e dif´ıcil ver que A

= (A
T
).
A seguir vamos listar as principais propriedades da transposta conjugada de uma matriz
1. (A

)

= A;
2. (A+B)

= A

+B

;
3.
Se k ∈ R : (k A)

= k A

;
se k ∈ C : (k A)

= k A

.
4. (AB)

= B

A

, sempre que A e B sejam conformes para com a multiplica¸c˜ao.
14
Exemplo 12.2. Se
A =
_
2 + 3i 1 +i
2 −i 4i
_
;
ent˜ao,
A =
_
2 − 3i 1 −i
2 +i −4i
_
;
de onde,
A
T
=
_
2 − 3i 2 +i
1 −i −4i
_
;
portanto,
A

=
_
2 − 3i 2 +i
1 −i −4i
_
.
Observa¸c˜ao 12.3. Qualquer matriz complexa A pode-se escrever como A = A
1
+ iA
2
, onde A
1
e A
2
s˜ao matrizes reais. Por exemplo, se
A =
_
2 + 3i 1 +i
2 −i 4i
_
;
ent˜ao,
A =
_
2 1
2 0
_
+i
_
3 1
−1 4
_
.
13 Matrizes simetricas e anti-simetricas
Defini¸c˜ao 13.1. Seja A uma matriz quadrada. Dizemos que a matriz A ´e simetrica quando
A
T
= A isto ´e, a
ij
= a
j i
, ∀i, j.
Por exemplo a matriz A =
_
_
1 3 7
3 4 2
7 2 0
_
_
´e simetrica.
Defini¸c˜ao 13.2. Seja A uma matriz quadrada. Dizemos que a matriz A ´e anti-simetrica quando
A
T
= −A isto ´e, a
ij
= −a
j i
, ∀i, j. Neste caso n˜ ao ´e dificil mostrar que a
ii
= 0∀i.
Por exemplo a matriz B =
_
_
0 3 7
−3 0 2
−7 −2 0
_
_
´e anti-simetrica.
Proposi¸c˜ao 13.3. Toda matriz quadrada A se decomp˜oe de forma ´ unica como A = M +S, onde
M ´e simetrica e S ´e anti-simetrica.
Demonstra¸c˜ao. Suponhamos que existam matrizes M e S simetrica e anti-simetrica, respectiva-
mente, tal que
A = M +S;
tomando a transposta a cada lado da anterior igualdade
A
T
= M
T
+S
T
;
15
como estamos supondo que M
T
= M e S
T
= −S, obtemos
A
T
= M −S;
Temos que observar que as matrizes M e S s˜ao desconhecidas e para acharlas devemos resolver o
seguinte sitema
_
M +S = A;
M −S = A
T
.
Apos resolver este sistema obtemos M =
1
2
(A+A
T
) e S =
1
2
(A−A
T
).
Vejamos que M ´e simetrica:
M
T
=
1
2
(A+A
T
)
T
=
1
2
(A
T
+ (A
T
)
T
);
M
T
=
1
2
(A
T
+A) = M.
Agora vejamos que S ´e anti-simetrica:
S
T
=
1
2
(A−A
T
)
T
=
1
2
(A
T
− (A
T
)
T
);
S
T
=
1
2
(A
T
−A) = −S.
Agora mostremos a unicidade das matrizes M e S. Para isto suponhamos que existam matrizes
˜
M e
˜
S simetrica e anti-simetrica, respectivamente, tal que A =
˜
M +
˜
S. Disto, segue-se que
M +S =
˜
M +
˜
S
de onde,
M −
˜
M =
˜
S −S;
como M −
˜
M ´e uma matriz simetrica e
˜
S −S ´e uma matriz anti-simetrica; e como a unica matriz
que ´e simultaneamente simetrica e anti-simetrica ´e a matriz nula O. Segue-se que M −
˜
M = O e
˜
S −S = O. Logo
˜
M = M e
˜
S = S.
Exemplo 13.4. Determine M e S para a matriz A =
_
_
1 −1 1
2 −1 0
1 0 0
_
_
.
Exemplo 13.5. Se A ´e qualquer matriz simetrica nn e P ´e uma matriz mn arbitraria. Prove
que PAP
T
´e simetrica.
14 Matrizes Hermitianas e anti-hermitianas
Defini¸c˜ao 14.1. Seja A uma matriz complexa. Dizemos que a matriz A ´e hermitiana (termo
devido ao matem´ atico frances Hermite) quando A

= A isto ´e, a
ij
= a
j i
, ∀i, j.
Por exemplo a matriz A =
_
_
2 1 +i 5 −i
1 −i 7 i
5 +i −i −1
_
_
´e hermitiana.
Defini¸c˜ao 14.2. Seja A uma matriz complexa. Dizemos que a matriz A ´e anti-hermitiana quando
A

= −A isto ´e, a
ij
= −a
j i
, ∀i, j.
16
Por exemplo a matriz B =
_
_
2i 1 +i 5 −i
−1 +i 7i i
−5 −i i −i
_
_
´e anti-hermitiana.
Observa¸c˜ao 14.3. Apos observar estes dois ultimos exemplos, pode-se mostrar os seguintes fatos:
1. os elementos da diagonal principal de uma matriz hermitiana A sempre s˜ao n´ umeros reais,
isto ´e, a
ii
= a
ii
.
2. os elementos da diagonal principal de uma matriz anti-hermitiana A sempre s˜ao n´ umeros
imaginarios puros.
Exemplo 14.4. Se A ´e qualquer matriz retangular, prove que A

A e AA

s˜ao duas matrices
hermitianas.
Exemplo 14.5. Sabemos que qualquer matriz complexa A decomponhe-se como A = A
1
+ iA
2
,
onde as matrizes A
1
e A
2
s˜ao matrizes reais. Supondo que A ´e uma matriz hermatiana
a) prove que A
1
´e simetrica e A
2
´e anti-simetrica.
b) que condi¸c˜oes devem satisfazer A
1
e A
2
para que A

A seja uma matriz real.
Exemplo 14.6. Se A ´e qualquer matriz anti-hermitiana, prove que iA e −iA s˜ao ambas hermi-
tianas.
Exemplo 14.7. Sabemos que qualquer matriz quadrada A decomponhe-se de forma ´ unica como
A = M +S, onde M =
A+A
T
2
´e simetrica e S =
A−A
T
2
´e anti-simetrica. Generalise esse fato
no caso de A ser uma matriz complexa.
15 Submatrizes
Se algumas linhas e colunas de qualquer matriz A s˜ao apagadas, a matriz resultante chamamos
de uma submatriz de A. Por exemplo, se A =
_
_
1 0 2 3 5
2 1 4 3 0
5 7 1 1 4
_
_
ent˜ao

_
1 0 2
2 1 4
_
´e uma submatriz de A a qual resultou de apagar a linha 3 e as colunas 4 e 5 da
matriz A.

_
1 2
5 1
_
´e uma submatriz de A a qual resultou de apagar a linha 2 e as colunas 2, 4 e 5 da
matriz A.
Observa¸c˜ao 15.1. Admite-se que qualquer matriz A ´e uma submatriz de se mesmo.
Defini¸c˜ao 15.2. Quando A ´e uma matriz quadrada, definimos as submatrizes principais domi-
nantes como sendo as submatrizes de A quadradas obtidas a partir da esquina superior esquerda
e finalizando com A mesmo. Assim, se A =
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
ent˜ao as submatrizes principais
dominantes de A s˜ao
(a
11
),
_
a
11
a
12
a
21
a
22
_
e A.
Defini¸c˜ao 15.3. Quando A ´e uma matriz quadrada, definimos uma submatriz principal de A
como sendo qualquer submatriz quadrada de A tal que sua diagonal principal ´e parte (ou ´e toda)
da diagonal principal de A.
17
Exemplo 15.4. Dada a matriz A =
_
_
1 3 7
3 4 2
7 2 0
_
_
a) calcule todas as submatrizes principais dominantes;
b) calcule todas as submatrizes principais de A de ordem 1, 2, e 3.
Solu¸c˜ao.
a) (1),
_
1 3
3 4
_
e A;
b) submatrizes principais de ordem 1: (1), (4) e (0);
submatrizes principais de ordem 2:
_
1 3
3 4
_
,
_
1 7
7 0
_
e
_
4 2
2 0
_
;
submatrizes principais de ordem 3:
_
_
1 3 7
3 4 2
7 2 0
_
_
.
15.1 Particionamento ou Subdivis˜ao de uma matriz
Particionar uma matriz ´e subdividila em pequenos blocos de alementos. Por exemplo, a matriz
A =
_
_
1 0 2 3 5
2 1 4 3 0
5 7 1 1 4
_
_
que ´e de ordem 3 5 pode ser particionada em 4 blocos
A =
_
_
1 0 2 3 5
2 1 4 3 0
5 7 1 1 4
_
_
=
_
B C
D E
_
,
onde B, C, D e E s˜ao as submatrizes de A indicadas pelas linhas pontilhadas. Suas dimens˜oes
est˜ao indicadas a´ı.
A utilidade de particionar matrizes ´e quando temos matrizes de ordem grande, j´a que as
opera¸ c˜oes poderiam ser aplicadas `a pequenos blocos. Quando temos matrizes particionadas em
blocos, podemos aplicar todas as regras aos blocos como se foram elementos de uma matriz.
Exemplo 15.5. Se A =
_
B C
D E
_
e A
1
=
_
B
1
C
1
D
1
E
1
_
ent˜ao A+A
1
=
_
B +B
1
C +C
1
D +D
1
E +E
1
_
.
Exemplo 15.6. Se A =
_
B C
D E
_
ent˜ao A
T
=
_
B
T
D
T
C
T
E
T
_
Exemplo 15.7. Dada a matriz A =
_
_
1 2 0
3 4 0
0 0 2
_
_
podemos considerarla como sendo uma matriz
diagonal em blocos, e uma nota¸c˜ ao conveniente seria
A = diag (A
1
, A
2
), onde A
1
=
_
1 2
3 4
_
; A
2
= (2).
Tamb´em podemos escrever a matriz A = diag (A
1
, A
2
) como A = A
1
⊕ A
2
, onde ⊕ denota soma
direta.
18
Exemplo 15.8. Se A =
_
B C
D E
_
e X =
_
X
1
X
2
_
, ent˜ao
AX =
_
B C
D E
__
X
1
X
1
_
=
_
BX
1
+CX
2
DX
1
+EX
2
_
.
Neste caso precisamos que para que o produto AX exista, o n´ umero de colunas em cada bloco de
A deve ser igual ao n´ umero de linhas no correspondente bloco de X.
16 Solu¸c˜ao de sistemas lineares de equa¸c˜oes simultaneas
16.1 Unicidade de solu¸c˜oes em sistemas lineares
Estudemos n equa¸c˜oes lineares simultaneas com n incognitas x
1
, x
2
, , x
n
da seguinte forma:
(16.1)
_
¸
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
¸
_
a
11
x
1
+a
12
x
2
+a
13
x
3
+ +a
1n
x
n
= b
1
;
a
21
x
1
+a
22
x
2
+a
23
x
3
+ +a
2n
x
n
= b
2
;
a
31
x
1
+a
32
x
2
+a
33
x
3
+ +a
3n
x
n
= b
3
;
.
.
. =
.
.
.
a
n1
x
1
+a
n2
x
2
+a
n3
x
3
+ +a
nn
x
n
= b
n
,
onde a
i j
∈ R, b
j
∈ R, ∀i, j. O sistema de equa¸ c˜oes (*) pode ser escrito como :
_
_
_
_
_
_
_
a
11
a
12
a
13
a
1n
a
21
a
22
a
23
a
2n
a
31
a
32
a
33
... a
3n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
n3
... a
nn
_
_
_
_
_
_
_
_
_
_
_
_
_
_
x
1
x
2
x
3
.
.
.
x
n
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
b
1
b
2
b
3
.
.
.
b
n
_
_
_
_
_
_
_
.
ou usando nota¸ c˜ao matricial, o sistema de equa¸c˜oes (*) pode ser escrito como:
Ax = B,
onde A = (a
ij
)
n×n
´e a matriz de coeficientes, x =
_
_
_
_
_
_
_
x
1
x
2
x
3
.
.
.
x
n
_
_
_
_
_
_
_
e b =
_
_
_
_
_
_
_
b
1
b
2
b
3
.
.
.
b
n
_
_
_
_
_
_
_
s˜ao vetores coluna. A seguir
vamos descrever um metodo sistem´atico para encontrar as solu¸ c˜oes das equa¸ c˜oes (*) supondo que
existem e s˜ao unicas.
Observa¸c˜ao 16.1. Tomando transposta a ambos lados de (**) , o sistema (*) sera equivalente a
x
T
A
T
= b
T
, onde x
T
e b
T
s˜ao vetores linha.
Exemplo 16.2. Resolva o seguinte sistema de equa¸c˜oes
_
x
1
+x
2
= 3
2x
1
− 3x
2
= −4
se multiplicamos a primeira equa¸c˜ao por 3, nosso sistema toma a forma
3x
1
+ 3x
2
= 9;
2x
1
− 3x
2
= −4
19
de onde apos somar estas duas equa¸c˜oes obtemos 5x
1
= 5 e portanto x
1
= 1; substituindo x
1
= 1
em qualquer das equa¸c˜oes temos x
2
= 2. Logo, este sistema de equa¸c˜oes tem solu¸c˜ao ´ unica
x
1
= 1, x
2
= 2. Agora demos uma interpreta¸c˜ao geometrica a este sistema e sua solu¸c˜ao
Exemplo 16.3. Resolva o seguinte sistema de equa¸c˜oes
_
x
1
+x
2
= 3
2x
1
+ 2x
2
= −4
se multiplicamos a primeira equa¸c˜ao por −2, nosso sistema toma a forma
−2x
1
− 2x
2
= −6;
2x
1
+ 2x
2
= −4
de onde apos somar estas duas equa¸c˜oes obtemos 0 = −10, isto significa que n˜ao existem x
1
e x
2
que resolvam este sistema. Neste caso diz-se que as duas equa¸c˜oes s˜ao ”inconsistentes”.
Geometricamente,
Exemplo 16.4. Resolva o sistema
_
x
1
+x
2
= 3
2x
1
+ 2x
2
= 6
se multiplicamos a primeira equa¸c˜ao por −2, nosso sistema toma a forma
−2x
1
− 2x
2
= −6;
2x
1
+ 2x
2
= 6
de onde apos somar estas duas equa¸c˜ oes obtemos 0 = 0, isto significa que este sistema de equa¸c˜oes
n˜ao tem solu¸c˜ao ´ unica, mas ´e ”consistente”. A equa¸c˜ao 2x
1
+2x
2
= 6 ´e a mesma que x
1
+x
2
= 3.
A solu¸c˜ao deste sistema ´e x
1
= 3 − x
2
, onde x
2
´e arbitrario. Logo, x
1
= 3 − x
2
respresenta um
n´ umero infinito de solu¸c˜oes de nosso sistema dado.
Geometricamente,
Observa¸c˜ao 16.5. Os trˆes ultimos exemplos mostram que em geral o sistema de equa¸c˜oes (*)
i) ou tem uma ´ unica solu¸c˜ao;
ii) ou tem um n´ umero infinito de solu¸c˜oes;
iii) ou n˜ao tem solu¸c˜ao, o sistema (*) ´e “inconsistente”.
´
E vital poder dizer se um sistema de equa¸c˜oes lineares dado est´a em um dos casos (i), (ii)
ou (iii). Nosso objetivo vai ser descrever um m´etodo sistematico para encontrar solu¸c˜oes de (*)
supondo que existem e s˜ao ´ unicas.
16.2 Elimina¸c˜ao Gaussiana
Resolva o sistema
_
¸
_
¸
_
x
1
− 3x
2
+ 7x
3
= 2
2x
1
+ 4x
2
− 3x
3
= −1
−3x
1
+ 7x
2
+ 2x
3
= 3
20
fazendo as opera¸c˜ao (1.b)-2(1.a) obtemos 10x
2
− 17x
3
= −5
fazendo as opera¸c˜ao (1.c)+3(1.a) obtemos −2x
2
+ 23x
3
= 9. E nosso sistema toma a forma
x
1
−3x
2
+7x
3
= 2
10x
2
−17x
3
= −5
−2x
2
+23x
3
= 9
fazendo as opera¸c˜ao 5(2.c)+(2.b) obtemos 98x
3
= 40. E nosso sistema toma a forma
x
1
−3x
2
+7x
3
= 2
10x
2
−17x
3
= −5
98x
3
= 40
Substituindo regressivamente, isto ´e, da ultima equa¸ c˜ao obtemos x
3
=
40
98
=
20
49
,
substituindo este valor de x
3
na segunda equa¸c˜ao obtemos 10x
2
−17
_
20
49
_
= −5 de onde x
2
=
19
98
.
Finalmente substituimos os valores achados para x
2
e x
3
na primeira equa¸c˜ao obtemos x
1
−3
_
19
98
_
+
7
_
20
49
_
= 2 e obtemos x
1
=
−27
98
.
17 Matriz Aumentada
Para n˜ao ter que escrever as vari´aveis no sistema de equa¸c˜oes lineares em cada passo da
elimina¸c˜ ao Gaussiana, introduzimos a matriz aumentada:
B = (A[b).
Exerc´ıcio 17.1. Resolva o seguinte sistema de equa¸c˜oes usando elimina¸c˜ao Gaussiana
x
1
−x
2
+ 3x
3
= 5;
2x
1
− 4x
2
+ 7x
3
= 7;
4x
1
− 9x
2
+ 2x
3
= −15
Suponhamos que aplicando elimina¸c˜ao Gaussiana, as 1, 2, , (j − 1) colunas de B = (A[b)
foram reduzidas e denote por b
ij
, j = 1, 2, , n a j-´esima coluna de B neste paso.
Se b
jj
= 0 ent˜ao b
jj
n˜ao pode ser usado como ”pivote”, neste caso devemos permutar esta
j-´esima linha com uma k-´esima linha, k > j de modo que b
kj
,= 0 e depois continuamos com o
procedimento de elimina¸ c˜ao Gaussiana. Permutar duas linhas no sistema de equa¸ c˜oes n˜ao afeta a
solu¸c˜ao pois simplesmente permutamos equa¸c˜oes.
Se b
jj
,= 0 mas [b
jj
[ = min ¦[b
ij
[¦ ent˜ao usar b
jj
como ”pivote”nos levaria a enormes erros de
arredondamentos.
Para evitar isto, escolhemos como ”pivote”o elemento b
kj
tal que
[b
kj
[ = max [b
ij
[, j ≤ i ≤ n.
de modo que as linhas j e k s˜ao permutadas e depois continuamos com a elimina¸ c˜ao Gaussiana.
Este procedimento e conhecido como ”pivoteo Parcial”e ´e feito em cada passo da elimina¸ c˜ao
Gaussiana.
Observa¸c˜ao 17.2. Se no passo j-´esimo da elimina¸c˜ao Gaussiana todos os pivotes Potenciais b
ij
,
j ≤ i ≤ n, na coluna j s˜ao zero ent˜ao o procedimento de elimina¸c˜ao Gaussiana para. Isto significa
que o sistema de equacoes n˜ao tem solucao unica.
Exerc´ıcio 17.3. Resolva o seguinte sistema de equa¸c¸c˜oes usando pivoteo parcial atraves da eli-
mina¸c˜ao Gaussiana e use aritmetica exata
5x
1
+x
2
+ 2x
3
= 29;
3x
1
−x
2
+x
3
= 10;
x
1
+ 2x
2
+ 4x
3
= 31
21
Exerc´ıcio 17.4. Use elimina¸c˜ao Gaussiana e deduza que o sistema ´e inconsistente
x
1
− 2x
2
+x
3
−x
4
= −5;
x
1
+ 5x
2
− 7x
3
+ 2x
4
= 2;
3x
1
+x
2
− 5x
3
+ 3x
4
= 1;
2x
1
+ 3x
2
− 6x
3
= 21.
Exerc´ıcio 17.5. esolva usando elimina¸c˜ao Gaussiana
x
1
+x
2
+x
3
+x
4
= −1;
2x
1
−x
2
+ 3x
3
= 1;
2x
2
+ 3x
4
= −1;
−x
1
+ 2x
3
+x
4
= −2
18 Decomposi¸c˜ao Triangular
Dada a matriz A = (a
ij
) de ordem n n, vamos decompor A como
A = L U,
onde L = (l
ij
) ´e uma matriz triangular inferior de ordem n n e l
ii
= 1, ∀i. U = (u
ij
) ´e uma
matriz triangular superior de ordem n n.
Exemplo 18.1. Para a matriz A =
_
_
1 −3 7
2 4 −3
−3 7 2
_
_
. Suponhamos a existencia das matrizes L
e U, onde L ´e triangular inferior com l
ii
= 1 e U ´e triangular superior. Ent˜ao
LU =
_
_
1 0 0
l
21
1 0
l
31
l
32
1
_
_
_
_
u
11
u
12
u
13
0 u
22
u
23
0 0 u
33
_
_
=
_
_
u
11
u
12
u
13
l
21
u
11
l
21
u
12
+u
22
l
21
u
13
+u
23
l
31
u
11
l
31
u
12
+l
32
u
22
l
31
u
13
+l
32
u
23
+u
33
_
_
Os nove elementos desconhecidos de L e U s˜ao obtidos ao igualar:
_
_
u
11
u
12
u
13
l
21
u
11
l
21
u
12
+u
22
l
21
u
13
+u
23
l
31
u
11
l
31
u
12
+l
32
u
22
l
31
u
13
+l
32
u
23
+u
33
_
_
=
_
_
1 −3 7
2 4 −3
−3 7 2
_
_
.
isto e feito da seguinte maneira:
1
a
linha de A: u
11
= 1, u
12
= −3 e u
13
= 7;
1
a
coluna de A: de l
21
u
11
= 2 obtemos l
21
= 2. Agora de l
31
u
11
= −3 obtemos l
31
= −3
2
a
linha de A: de l
21
u12 + u
22
= 4 obtemos u
22
= 10. Agora de l
21
u
13
+ u
23
= −3 obtemos
u
23
= −17;
2
a
coluna de A: de l
31
u
12
+l
32
u
22
= 7 obtemos l
32
=
−1
5
3
a
linha de A: de l
31
u
13
+l
32
u
23
+u
33
= 2 obtemos u
33
=
98
5
.
22
Observe a ordem na qual obtemos os elementos de U e L:
1
a
linha de U, 1
a
coluna de L;
2
a
linha de U, 2
a
coluna de L;
3
a
linha de U.
Logo,
A =
_
_
1 0 0
2 1 0
−3
−1
5
1
_
_
_
_
1 −3 7
0 10 −17
0 0
98
5
_
_
Agora vejamos como podemos usar esta tecnica de fatorar A (na forma L vezes U, isto ´e,
A = LU) para resolver sistemas lineares da forma
Ax = b.
Uma vez que tenhamos a decomposi¸ c˜ao A = LU nosso sistema linear toma a forma
LUx = b
e este ultimo sistema de equa¸c˜oes escreve-se como dois conjuntos de equa¸c˜oes
Ly = b
e
Ux = y
onde y =
_
_
_
_
_
y
1
y
2
.
.
.
y
n
_
_
_
_
_
. O sistema Ly = b resolve y; enquanto o sistema Ux = y resolve x, a qual ´e a
solu¸c˜ao desejada de Ax = b.
Exemplo 18.2. Resolva o sistema
x
1
− 3x
2
+ 7x
3
= 2;
2x
1
+ 4x
2
− 3x
3
= −1;
−3x
1
+ 7x
2
+ 2x
3
= 3
mediante a decomposi¸c˜ao de A = LU
Solu¸c˜ao. No nosso caso temos A =
_
_
1 −3 7
2 4 −3
−3 7 2
_
_
; x =
_
_
x
1
x
2
x
3
_
_
e b =
_
_
2
−1
3
_
_
.
No exemplo anterior obtivemos a decomposi¸c˜ao de A, isto ´e,
A =
_
_
1 0 0
2 1 0
−3
−1
5
1
_
_
_
_
1 −3 7
0 10 −17
0 0
98
5
_
_
de modo que para resolver Ax = b primeiro vamos resolver Ly = b, isto ´e,
_
_
1 0 0
2 1 0
−3
−1
5
1
_
_
_
_
y
1
y
2
y
3
_
_
=
_
_
2
−1
3
_
_
.
23
Assim obtemos y
1
= 2. Apos substituir este valor de y
1
na equa¸ c˜ao 2y
1
+ y
2
= −1 conseguimos
y
2
= −5. Por ultimo, conhecidos y
1
e y
2
os substituimos na equa¸c˜ao −3y
1

1
5
y
2
+ y
3
= 3 e
conseguimos y
3
= 8.
Finalmente para encontrar a solucao de Ax = b devemos resolver:
_
_
1 −3 7
0 10 −17
0 0
98
5
_
_
_
_
x
1
x
2
x
3
_
_
=
_
_
2
−5
8
_
_
.
Da equa¸c˜ao
98
5
x
3
= 8 conseguimos x
3
=
20
49
. Apos substituir este valor de x
3
na equa¸c˜ao 10x
2

17x
3
= −5 obtemos x
2
=
19
98
. Por ultimo, conhecidos x
2
e x
3
os substituimos na equa¸c˜ao x
1

3x
2
+ 7x
3
= 2 e conseguimos x
1
=
−27
98
.
19 Determinantes
19.1 Determinantes de 2 2
A solu¸c˜ao do seguiente sistema de equa¸c˜oes lineares com duas incognitas
(19.1)
_
a
11
x
1
+a
12
x
2
= b
1
;
a
21
x
1
+a
22
x
2
= b
2
,
bem dada por
x
1
=
a
22
b
1
−a
12
b
2
d
;
e
x
2
=
−a
21
b
1
+a
11
b
2
d
,
onde d = a
11
a
22
−a
12
a
21
.
Podemos dizer que o sistema (19.1) tem solu¸c˜ao somente quando d ,= 0, de modo que d decide ou
determina se o sitema (19.1) tem solu¸ c˜ao unica .
´
E por este motivo que d chama-se o determinante
da matriz de coeficientes A =
_
a
11
a
12
a
21
a
22
_
, e denota-se por det(A), [A[ , det
_
a
11
a
12
a
21
a
22
_
ou
¸
¸
¸
¸
a
11
a
12
a
21
a
22
¸
¸
¸
¸
.
Defini¸c˜ao 19.1. Se A =
_
a
11
a
12
a
21
a
22
_
´e uma matriz de ordem 2 2
det(A) := a
11
a
22
−a
12
a
21
.
Observa¸c˜ao 19.2. Os determinates foram estudados muito antes do conceito de matrizes, por´em
atualmente eles s˜ao pouco importantes.
A solu¸c˜ao de (19.1) pode ser escrita como
_
x
1
x
2
_
=
_
_
_
a
22
b
1
−a
12
b
2
d
−a
21
b
1
+a
11
b
2
d
_
_
_,
_
x
1
x
2
_
=
1
d
_
a
22
b
1
−a
12
b
2
−a
21
b
1
+a
11
b
2
_
,
_
x
1
x
2
_
=
1
d
_
a
22
−a
12
−a
21
a
11
__
b
1
b
2
_
.
24
Portanto o sistema
_
a
11
a
12
a
21
a
22
_
. ¸¸ .
A
_
x
1
x
2
_
. ¸¸ .
x
=
_
b
1
b
2
_
. ¸¸ .
b
;
tem solu¸c˜ao
_
x
1
x
2
_
=
1
d
_
a
22
−a
12
−a
21
a
11
_ _
b
1
b
2
_
.
Por outro lado, dado o sistema Ax = b segue-se que x = A
−1
b, de modo que podemos identificar
a inversa de A, como sendo
A
−1
=
1
d
_
a
22
−a
12
−a
21
a
11
_
.
´e facil ver que
_
a
11
a
12
a
21
a
22
_
. ¸¸ .
A
1
d
_
a
22
−a
12
−a
21
a
11
_
. ¸¸ .
A
−1
= I
2
;
1
d
_
a
22
−a
12
−a
21
a
11
_
. ¸¸ .
A
−1
_
a
11
a
12
a
21
a
22
_
. ¸¸ .
A
= I
2
.
19.2 Determinantes de 3 3
Dado o sistema de equa¸c˜oes lineares de 3 3
(19.2)
_
_
_
a
11
x
1
+a
12
x
2
+a
13
x
3
= b
1
;
a
21
x
1
+a
22
x
2
+a
23
x
3
= b
2
;
a
31
x
1
+a
32
x
2
+a
33
x
3
= b
3
,
que pode ser escrito na forma matricial como
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
. ¸¸ .
A
_
_
x
1
x
2
x
3
_
_
. ¸¸ .
x
=
_
_
b
1
b
2
b
3
_
_
. ¸¸ .
b
.
Podemos ver que depois de resolver este sistema , cada solu¸c˜ao x
1
, x
2
e x
3
tem um denominador
comum
d = a
11
a
22
a
33
−a
11
a
23
a
32
+a
12
a
23
a
31
−a
12
a
21
a
33
+a
13
a
21
a
32
−a
13
a
22
a
31
.
De onde o sistema (19.2) tem solu¸c˜ao unica, se e somente se d ,= 0. Podemos fatorar d da seguinte
forma
d = a
11
(a
22
a
33
−a
23
a
32
) −a
12
(a
21
a
33
−a
23
a
31
) +a
13
(a
21
a
32
−a
22
a
31
).
Usando a nota¸ c˜ao dos determinantes de 2 2, temos que
d = a
11
det
_
a
22
a
23
a
32
a
33
_
−a
12
det
_
a
21
a
23
a
31
a
33
_
+a
13
det
_
a
21
a
22
a
31
a
32
_
.
25
Defini¸c˜ao 19.3. Para uma matriz 3 3, A =
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
, define-se seu determinante
det(A) := a
11
det
_
a
22
a
23
a
32
a
33
_
−a
12
det
_
a
21
a
23
a
31
a
33
_
+a
13
det
_
a
21
a
22
a
31
a
32
_
.
Observa¸c˜ao 19.4. Podemos ver que um determinante 3 3 pode-se escrever como a soma de 3
determinantes de 2 2. Mais ainda,
a) o primeiro determinante, da defini¸c˜ao (19.2), det
_
a
22
a
23
a
32
a
33
_
obtem-se depois de apagar a
primeira linha e a primeira coluna da matriz A. O seguinte diagrama ilustra este fato
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
;
b) o segundo determinante, da defini¸c˜ao (19.2), det
_
a
21
a
23
a
31
a
33
_
obtem-se depois de apagar a
primeira linha e a segunda coluna da matriz A. O seguinte diagrama ilustra este fato
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
;
c) o terceiro determinante, da defini¸c˜ao (19.2), det
_
a
21
a
22
a
31
a
32
_
obtem-se depois de apagar a
primeira linha e a terceira coluna da matriz A. O seguinte diagrama ilustra este fato
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
;
Defini¸c˜ao 19.5. Seja A = (a
ij
) uma matriz quadrada nn. Defini-se o menor M
ij
de a
ij
como
o determinante da submatriz de A obtida depois de apagar a i-´esima linha e a j-´esima coluna da
matriz A.
Exemplo 19.6. Se A =
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
, ent˜ao
M
11
= det
_
a
22
a
23
a
32
a
33
_
;
26
M
12
= det
_
a
21
a
23
a
31
a
33
_
;
M
13
= det
_
a
21
a
22
a
31
a
32
_
;
M
21
= det
_
a
12
a
13
a
32
a
33
_
;
M
22
= det
_
a
11
a
13
a
31
a
33
_
;
M
23
= det
_
a
11
a
12
a
31
a
32
_
;
M
31
= det
_
a
12
a
13
a
22
a
23
_
;
M
32
= det
_
a
11
a
13
a
21
a
23
_
;
M
33
= det
_
a
11
a
12
a
21
a
22
_
.
Portanto, combinando a Defini¸c˜ao (19.3) com a Defini¸c˜ao (19.5), podemos re-escrever o deter-
minante de uma matriz 3 3 por
det(A) = a
11
M
11
−a
12
M
12
+a
13
M
13
.
As mudan¸ cas alternantes dos sinais nesta ultima igualdade evita-se definindo o cofator
Defini¸c˜ao 19.7. Seja A = (a
ij
) uma matriz quadrada nn. Defini-se o cofator de a
ij
, denotado
por A
ij
como
A
ij
= (−1)
i+j
M
ij
.
Logo,
det(A) = a
11
A
11
+a
12
A
12
+a
13
A
13
,
est´a formula chama-se a expans˜ao do det(A) pela primeira linha, pois expressa o det(A) como
uma soma de elementos da primeira linha de A multiplicada por seus cofatores.
A seguir vamos dar a defini¸c˜ao do determinante para matrizes quadradas de qualquer ordem.
Defini¸c˜ao 19.8. Seja A = (a
ij
)
m×n
uma matriz quadrada, a defini¸c˜ao do determinante expandido
pela i-´esima linha ´e
det(A) := a
i1
A
i1
+a
i2
A
i2
+ +a
in
A
in
,
e a defini¸c˜ ao do determinante expandido pela j-´esima coluna ´e
det(A) := a
1j
A
1j
+a
2j
A
2j
+ +a
nj
A
nj
,
onde
A
ij
= (−1)
i+j
M
ij
,
´e o cofactor de a
ij
e M
ij
´e o menor de a
ij
definido como sendo o determinante da submatriz de A
de ordem (n −1) (n −1) obtida apos apagar simultˆaneamente a i-´esima linha e j-´esima coluna.
Proposi¸c˜ao 19.9.
a
i1
A
k1
+a
i2
A
k2
+ +a
in
A
kn
= 0, ∀k ,= i.
Em outras palavras, a soma dos produtos de qualquer linha com um cofactor linha distinto `a linha
dada sempre ´e zero.
27
Proposi¸c˜ao 19.10.
a
1j
A
1k
+a
2j
A
2k
+ +a
nj
A
nk
= 0, ∀k ,= j.
Em outras palavras, a soma dos produtos de qualquer coluna com um cofactor coluna distinto `a
coluna dada sempre ´e zero.
Defini¸c˜ao 19.11. Seja A = (a
ij
)
n×n
uma matriz quadrada arbitraria. Se det(A) = 0, diremos
que a matriz A ´e singular e caso det(A) ,= 0 diremos que a matriz A ´e n˜ao singular.
20 Propriedades dos Determinantes
Para qualquer matriz quadrada A = (a
ij
)
n×n
, temos que
PD1
det(A) = det(A
T
);
det(A

) = det(A).
PD2
det(λ A) = λ
n
det(A).
PD3 se a matriz A tem duas linhas ou colunas identicas ent˜ao det(A) = 0.
PD4 Se A = diag (a
11
a
22
a
33
a
nn
), ent˜ao
det(A) = a
11
a
22
a
33
a
nn
.
PD5 Se A ´e uma matriz triangular superior ou inferior, ent˜ao
det(A) = a
11
a
22
a
33
a
nn
.
PD6
a1) Se quaisquer duas linhas de A s˜ao permutadas o valor do det(A) ´e multiplicado por -1;
a2) Se quaisquer duas colunas de A s˜ao permutadas o valor do det(A) ´e multiplicado por
-1;
b1) Se qualquer linha de A ´e multiplicada por um escalar λ n˜ao nulo, ent˜ao o valor do
det(A) tamb´em ´e multiplicado por λ;
b2) Se qualquer coluna de A ´e multiplicada por um escalar λ n˜ao nulo, ent˜ao o valor do
det(A) tamb´em ´e multiplicado por λ;
c1) o valor do det(A) n˜ao muda se um multiplo arbitrario de qualquer linha de A ´e somada
a qualquer otra linha;
c2) o valor do det(A) n˜ao muda se um multiplo arbitrario de qualquer coluna de A ´e somada
a qualquer otra coluna.
PD7 Se A e B s˜ao duas matrizes n n, ent˜ao
det(AB) = det(A) det(B).
21 Exerc´ıcios
1. Se para algun n ∈ N, temos que det(A
n
) = 1, ent˜ao encontre det(A).
2. Prove que se A ´e uma matriz anti-simetrica de ordem impar ent˜ao det(A) = 0. O mesmo
resultado vale se a matriz A ´e de ordem par?
3.
28
22 Escalonamento de uma matriz
23 Posto de uma matriz
Para uma matriz arbitraria A = (a
ij
)
m×n
define-se o posto de A, denotado por R(A), como
sendo a ordem da maior submatriz quadrada n˜ao singular que pode ser formada selecionando
linhas e colunas de A.
Exemplo 23.1. Seja A =
_
1 1
2 2
_
, ´e claro que podemos encontrar uma sub-matriz de A de ordem
2 2, a qual ´e a propria A. Como det(A) = 0, segue-se da defini¸c˜ao de posto que R(A) ,= 2.
Como podemos achar pelo menos uma submatriz de A de ordem 1 1 a qual ´e n˜ ao singular, por
exemplo, (1). Portanto, concluimos que R(A) = 1.
Exemplo 23.2. Seja A =
_
2 4 8
1 2 1
_
, ´e claro que n˜ao podemos encontrar uma sub-matriz de A
de ordem 3 3, de onde R(A) ,= 3 e assim R(A) ≤ 2. Certamente existem sub-matrizes de A de
ordem 2 2. Agora se dentre todas as submatrizes de A de ordem 2 2 existe pelo menos uma
n˜ao singular ent˜ao R(A) seria dois. Observemos que a submatriz
_
2 8
1 1
_
´e n˜ao singular, pois
det
_
2 8
1 1
_
= 2 − 8 ,= 0. Portanto, concluimos que R(A) = 2, e n˜ao devemos nos importar com
o fato de que det
_
2 4
1 2
_
= 0.
Exemplo 23.3. Seja A =
_
_
1 2 4 1
2 4 8 2
3 6 2 0
_
_
, ´e claro que n˜ ao podemos encontrar uma sub-matriz de
A de ordem 4 4, de onde R(A) ,= 4 e assim R(A) ≤ 3. Certamente existem sub-matrizes de A
de ordem 3 3. Agora se dentre todas as submatrizes de A de ordem 3 3 existe pelo menos uma
n˜ao singular ent˜ao R(A) seria trˆes. Observemos que todas as submatrizes de A de ordem 3 3
s˜ao singulares, isto ´e,
det
_
_
1 2 4
2 4 8
3 6 2
_
_
= det
_
_
1 2 1
2 4 2
3 6 0
_
_
= det
_
_
1 4 1
2 8 2
3 2 0
_
_
= det
_
_
2 4 1
4 8 2
6 2 0
_
_
= 0,
de onde R(A) ,= 3 e assim R(A) ≤ 2. Agora se dentre todas as submatrizes de A de ordem
2 2 existe pelo menos uma n˜ao singular ent˜ao R(A) seria dois, caso contrario seria um. Como
a submatriz
_
1 4
3 2
_
´e n˜ao singular, pois det
_
1 4
3 2
_
= 2 − 12 ,= 0. Portanto, concluimos que
R(A) = 2, e n˜ao devemos nos importar com o fato de existirem outras submatrizes 22 singulares.
23.1 Propriedades do posto de uma matriz
1. As unicas matrizes que tem posto zero s˜ao as matrizes que tem todas suas entradas nulas;
2. quando formamos sub-matrizes, as linhas e colunas n˜ao precissam ser contiguas ou proximas;
3. se pelo menos existe uma submatriz n˜ao singular de ordem r r e todas as possiveis sub-
matrizes quadradas de maior ordem s˜ao singulares, ent˜ao R(A) = r, sem importar quantas
de tais submatrices r r n˜ao singulares existam;
4. Caso A seja uma matriz quadrada de ordem n n, temos
R(A) = n ⇐⇒ A ´e n˜ao singular.
29
5. Caso A seja uma matriz retangular de ordem mn, ent˜ao R(A) ≤ min¦m, n¦.
6. Para matrizes da forma A
m×n
e B
p×m
temos
R(A) +R(B) −m ≤ R(BA) ≤ min¦R(A), R(B)¦.
Theorem 23.4. As opera¸c˜oes elementares n˜ao mudam o posto de uma matriz
24 Exerc´ıcios
1. Calcule o posto das seguintes matrizes
a) A =
_
_
1 0 1
0 1 0
1 1 1
_
_
;
b) A =
_
_
_
_
1 0 0
2 4 6
5 8 12
0 8 12
_
_
_
_
;
c) A =
_
_
1 3 −2 1
2 −1 3 4
3 −5 8 7
_
_
;
d) A =
_
_
1 1 1 1
3 3 3 3
4 4 4 2
_
_
;
e) A =
_
_
_
_
−1 0 1 2
−1 1 0 −1
0 −1 1 3
1 −2 1 4
_
_
_
_
;
f) A =
_
_
_
_
0 1 2 1 −1 3 2
1 1 −1 2 1 1 0
1 2 1 3 2 1 1
−1 2 7 1 −2 5 5
_
_
_
_
;
2. Para que valores de k ∈ R, a matriz A =
_
_
1 2 3 2
3 6 9 6
4 8 12 k
_
_
, tem
a) R(A) = 3;
b) R(A) = 2;
c) R(A) = 1.
3. Dadas as matrices A =
_
_
2 0 1
1 3 1
5 −3 2
_
_
e B =
_
_
1 a b
a 1 c
b c a
_
_
. Para que valores de a, b e c
tem-se R(A) = R(B)?
25 O Teorema de Mirsky
Dado um sistema de equa¸c˜oes lineares, com coeficientes reais,
Ax = b,
com n incognitas. Ent˜ao o sistema dado tem
30
a) solu¸c˜ao unica se e somente se R(A) = R(A[b) = n;
b) infinitas solu¸ c˜oes se e somente se R(A) = R(A[b) < n;
c) n˜ao tem solu¸c˜ao se e somente se R(A) < R(A[b);
31