Álgeba Linear

Praciano-Pereira, T ∗

3 de abril de 2020
preprints da Sobral Matemática
no. 2020.04
Editor Tarcisio Praciano-Pereira
tarcisio@[Link]

Resumo
A Álgebra linear começou com Cayley que inventou um esquema retangular de números, as ma-
trizes, para sintetizar um sistema de equações, um século depois da invenção de Cayley as matrizes
adquiriram vida própria e hoje temos os aneis de matrizes. Mas o começo foi a solução dos sistemas
lineares e ainda hoje é este o problema mais importante da Álgebra linear.
palavras chave: determinantes, matrizes, núcleo e imagem, sistemas lineares.
Linear Algebra has started with Cayley inventing a rectangular scheme of numbers, matrices, to
synthesize a system of equations. One hundred years later matrices got a proper life and we had the
ring of matrices. But the real start was to solve linear system of equations which still is the point today
for Linear Algebra.
keywords: determinant, kernel and image, linear system of equations, matrices.

∗ tarcisio@[Link]
 Este artigo ainda está sendo redigido e quando atingir a sua versão final, esta observação irá desapa-
recer. E porque publicar uma versão em produção? Porque esta página é de préprints portanto contém
trabalhos com os quais os autores almejam uma publicação futura e nos quais os autores se expõem na
esperança de encontrar uma colaboração.
Uma outra razão desta observação inicial é de organização da página, estou neste momento apenas
reservando um número de publicação, um aviso para os que visitarem a página que este artigo está sendo
escrito. Quando pronto, este aviso desaparecerá.

1 Uma ferramenta de trabalho

Eu vou discutir sistemas de equações lineares e mostrar como eles podem ser resolvidos. A discussão
dos sistemas lineares conclui que

• eles têm solução único, se o determinante for diferente de zero,

• e se o determinante for zero, eles podem ser impossı́veis ou
• ter uma infinidade de soluções.

Uma forma simples de entender esta análise vem como consequência dum conceito que considero
como equivalente ou de determinante no sentido de que eu posso refazer esta análise com as seguintes
palavras
• eles têm solução único, se o núcleo da transformação linear for o espaço {0},
• e se o núcleo da transformação linear não for o espaço {0}, eles podem ser impossı́veis ou
• ter uma infinidade de soluções.
e é chocante dizer que um número é equivalente a um subespaço vetorial que é o caso do núcleo da
transformação linear. Esta segunda análise está contida no teorema do núcleo e da imagem.
Mesmo no caso bem elementar que é resolver um sistema de 5 equações com 5 incógnitas, calcular
o determinante do sistem já se torna um problema complicado. O determinante produz uma equação
pollinomial de grau n em que n é o número de incógnitas e Álgebra se esgota quando n > 4. É falso
que a Álgebra se esgote quando n > 4, mas este é um ponto de bifurcação a partir do qual acontece
muita coisa e já não sabemos mais calcular determinantes com regras simples quando n > 3. É aqui
que entram os programas que fazem álgebra linear o que torna a Álgebra linear computacional uma
forma obrigatória de trabalhar. Eu vou usar um programa de domı́nio público que é melhor do que seu
equivalente comercial como ferramenta de fundo, o octave. Mas vou dedicar um artigo separado para
introduzı́-lo. Neste artigo eu estarei usando com frequência calc que é uma ferramenta mais simples e
vai me permitir saltar para o octave facilmente.
Este artigo é uma introdução à sistemas de equações lineares, e vou resolver uma equação inteira-
mente. Vou terminar com o teorema do núcleo e da imagem.

2 sistema lineares
Sistema linear é um sistema de equações lineares, ou ainda, duas ou mais equações das quais se
pretenda uma solução comum. Por exemplo

3x + 2y = 4
(1)
2x − 3y = 5
3 UM SEGUNDO EXEMPLO MENOS INTUITIVO 2

é um sistema de duas equações lineares a duas incógnitas.

A teoria dos sistemas lineares está associadas a teoria das matrizes porque um sistema como da
equação (eq. 1) é equivalente a uma equação matricial
    
3 2 x 4
= ; (2)
2 −3 y 5
A~x = ~a (3)
em que na equação (eq. 3) eu resumi a equação (eq. 2) com os sı́mbolos A, ~x, ~a para representar as
matrizes e o sistema como um produto de matrizes.
O sistema de equações lineares (eq. 1) terá solução, e uma única solução, se a matriz A for inversı́vel
quando a solução do sistema será dado pelo produto de matrizes
~x = A−1~a; (4)
 3 3
   
− 13 − 13 4 1.69230769230769230769
~x = 2 3 = ; (5)
− 13 13
5 −0.53846153846153846154
   
1.69230769230769230769 4
A = ; (6)
−0.53846153846153846154 5
em que A−1 é a inversa da matriz A. E observe que é
~x = A−1~a; (7)
e não
~x = ~aA−1 ; (8)
e aliás, a equação (eq. 8) está errada até mesmo do ponto de vista de multiplicação de matrizes porque ~a
é uma matriz 3 × 1 que não pode ser multiplicada, à direita, por uma matriz 3 × 3.
Eu calculei a solução na equação (eq. 5) e depois testei a solução na equação (eq. 6). Todos os
cálculos foram feitos com programa [Link] que você pode baixar aqui [2, Sistema-
[Link]]. É um programa escrito em calc, [?].

3 Um sistema indeterminado
Uma das formas de verificar se uma matriz é inversı́vel é o cálculo do seu determinante, que sendo
diferente de zero equivale a que a matriz seja inversı́vel. Se o determinante for zero, ainda assim é
possı́vel que o sistema de equações tenha solução, mas não será única e já não pode mais ser expresso
numa equação como (eq. 4).
Uma análise simples pode ser apresentando usando a geometria para fazer uma análise das soluções,
a discussão do sistema de equações 
3x + 2y + 4z = 4
(9)
2x − 3y − 5z = 5
representa, no R3 , dois planos e a Geometria Analı́tica nos ensina que estes dois planos são perpendicu- análise geometria em 3D!

lares, respectivamente, aos vetores

~u = (3, 2, 4); ~v = (2, −3, −5); < u, v >= −20 (10)
cujo produto escalar sendo −20, diferente de zero, implica que ~u, ~v não são colineares e logo os planos
a eles perpendiculares se cortam segundo uma reta que é a solução do sistema de equações lineares na
equação (eq. 9). Este sistema, descrito matricialmente, é
    
3 2 4 x 4
= ; (11)
2 −3 −5 y 5
4 SOLUÇÃO DUM SISTEMA DE EQUAÇÕES LINEARES 3

quando se faz referência à matriz 2 × 3

 
3 2 4
A= (12)
2 −3 −5
como a matriz do sistema, A, que não sendo uma matriz quadrada, não pode ser inversı́vel porque o
seu determinante é necessariamente nulo, mas o sistema tem solução, que é qualquer dos pontos que
pertençam a reta determinada pela interseção dos dois planos, uma infinidade de soluções. A partir deste
ponto eu vou “aplicar uma técnica que vai tornar as contas mais uniformes: completar com linhas nulas,
ou colunas nulas, quando for o caso, as matrizes para torná-las matrizes quadradas. Logo vou efetuar
uma conta em que esta “transformação” vai me ser útil quando farei um comentário a respeito.
A teoria dos espaços vetoriais e dos seus morfismos, que são as transformações lineares, se refere
ao núcleo do morfismo A que é um subespaço do espaço de saı́da definido como a solução do sistema
homogêneo de equações obtido quando se anula a matriz de dados que se encontra no segundo membro.
A reta, que é solução do sistema na equação (eq. 11), é uma translação do núcleo determinada por
uma solução particular da equação (eq. 11), ou ainda, é uma translação do núcleo por uma solução
particular. Confira a figura (fig 1), página 4, para ver como funciona, geometricamente.
O núcleo é uma reta paralela à solução da equação (eq. 11), passando na origem, ou ainda, é a solução
da equação homogênea     
3 2 4 x 0
= ; (13)
2 −3 −5 y 0
Este exemplo descreve exatamente como se resolve qualquer sistema de equações lineares. O exemplo foi
dado dentro do R3 e a análise geométrica deixa de valer em espaços de dimensão maior, mas a análise
algébrica é a mesma para qualquer dimensão. Por exemplo, no R4 dois planos podem se interceptar
segundo um ponto. Esta análise algébrica é o conteúdo dum famoso teorema, do núcleo e da imagem que
vou enunciar ao final.
Eu vou resolver este sistema de equações na próxima seção.

4 Teoria extraı́da da prática

Vou alterar a equação (eq. 11) duma forma que unifica a maneira de discutir os sistemas de equações,
Por exemplo, eu vou logo usar uma metodologia que é o padrão para resolver sistemas de equações que
é a triangularização da matriz do sistema, o que necessita que a matriz seja quadrada. Para isto eu vou
acrescentar uma linha de zeros que em nada altera o significado da equação, mas a torna matriz do sistema
uma matriz quadrada quando posso falar de matriz triangular. Tem outro ganho este método que logo vou
explorar.
Estas são as equações que vou resolver,
 
  x  
3 2 4  y = 1
; (14)
2 −3 −5 2
z
 
3 2 4
A =  2 −3 −5  ; (15)
0 0 0
     

 3 2 4 x 0




 2 −3 −5   y  =  0 ;

0 0 0  z   0 
(16)

 3 2 4 x 1

  2 −3 −5   y  =  2 



0 0 0 z 0
4 SOLUÇÃO DUM SISTEMA DE EQUAÇÕES LINEARES 4

Na equação (eq. 16) você pode ver dois sistemas de equações, num deles a matriz de dados é nula, e
este sistema se chama homogêneo, e no outro sistema de equações a matriz de dados é diferente de zero
e o sistema é chamado não homogêneo.
A denominação deveria ser linear e não linear, mas a história impôs estes nomes.
Eu vou resolver primeiro a equação homogênea, e depois a equação não homogênea cuja solução
geral se deduz da solução da homogênea mais uma translação usando uma solução particular qualquer
da equação não homogênea.
Resumindo o método,

• primeiro determinando o núcleo do operador linear que define a equação, o que significa encontrar
a solução da equação homogênea, aquela em que a matriz de dados é nula, confira o primeiro
sistema na equação (eq. 16). É a imagem inversa do zero do espaço de chegada. Se o núcleo
for {0} então o sistema tem solução única. Se o núcleo for diferente de {0} então é um subespaço
vetorial, uma subvariedade linear do espaço de saı́da e é a solução do sistema homogêneo. Neste
caso, como a matriz A não é quadrada, necessariamente seu determinante vai ser zero portanto o
núcleo vai ser um espaço de dimensão maior do que zero: uma reta, um plano . . .
• Se a equação for homogênea a solução é o núcleo. É o caso do primeiro sistema na equação (eq.
16).
• Se a equação dada não for a homogênea, É o caso do segundo sistema ma a equação (eq. 16),
procure uma solução particular, coisa relativamente simples, inclusive por substituição sucessiva ou
como ainda se diz, eliminação sucessiva, em que as variáveis vão sendo sucessivamente eliminadas
até se obter a equação mais simples, quando uma variável fica dependente de algumas outras e a
solução corresponde a uma escolha de valores para as variáveis livres, e o número de variáveis
livres corresponde à dimensão da solução.
• depois translada-se o núcleo usando a solução particular encontrada como “coeficiente de translação.
• É esta variedade transladada a solução da equação linear.

A figura (fig 1), página 4, mostra o núcleo, que neste caso é uma reta passando pela origem, que foi

A solução

uma
solução particular

O núcleo

X Y

Figura 1: translação do núcleo com solução particular

transladada para um ponto do espaço que é uma solução particular da equação não homogênea. Esta reta
5 A SOLUÇÃO DO SISTEMA DE EQUAÇÕES 5

transladada é a solução geral da equação não homogênea, ou genericamente, o núcleo transladado para
uma solução particular da equação não homogênea é a solução geral desta equação. Esta é a razão pela
qual eu preferi resolver de forma completa uma equação que fica no R3 o que me permite mostrar o seu
resultado, geometricamente, é o próximo exemplo.
Apenas para mostrar a amplidão das aplicações desta teoria, o parágrafo anterior descreve de maneira
precisa qual é a solução duma equação diferencial linear de ordem qualquer . . . descreve é o que eu disse!
Outra coisa é apresentar explicitamente as soluções!
A determinação do núcleo dum operador é no fundo equivalente à discussão sobre determinantes
mencionada anteriormente. Entretanto os determinantes estão restritos aos sistemas de equações lineares
definidos em espaços de dimensão finita, enquanto que os núcleos de operadores estão livres da questão
dimensional e portanto, no sentido de discussão da equação, o núcleo substitui de forma geral o conceito
de determinante.
Para resolver sistemas lineares em espaços de dimensão finita, portanto quando a matriz do sistema é
uma matriz n×m a técnica mais consolidada é a transformação da matriz numa matriz triangular, quando
m = n ou anulação dos elementos que ficariam abaixo da diagonal se você completasse a matriz com
zeros para se tornar quadrada. Toda matriz quadrada pode ser transformada numa matriz equivalente a ela
que é triangular superior ou inferior. O determinante duma matriz triangular é o produto dos elementos
de sua diagonal principal. Aqui você já pode ver uma das razões pelas quais eu tornei a matriz A numa
matriz quadrada completando com uma linha de zeros, agora eu posso falar em triangularizar a matriz A,
mas ao mesmo tempo já sei que det(A) = 0 e assim, se tiver solução, tem uma infinidade de soluções.
Ou não tem nenhuma, quando se diz que o sistema é impossı́vel.

5 A solução detalhada
O próximo exemplo desenvolve a solução dum sistema linear em que a matriz é 3 ×2 usando a técnica
de transformar a matriz do sistema numa matriz triangular superior, como a matriz não é quadrada, a
parte inferior fica incompleta fazendo que haja um espaço de soluções, neste caso um espaço de dimensão
1, uma variedade dimensão 1, uma reta. Vou fazer comentários depois das contas.
5 A SOLUÇÃO DO SISTEMA DE EQUAÇÕES 6

    
3 4 4 x 1
 2 −3 −5   y  =  2  = ~a; A~x = ~a; (17)
| {z }
0 0 0 z 0
 
3 4 4 1 1 0 0
 2 −3 −5 2 0 1 0  ; (18)
0 0 0 0 0 0 1
 
3 4 4 1 1 0 0
 0 −17/3 −23/3 4/3 −2/3 1 0  ; (19)
0 0 0 0 0 0 1
 
3 4 4 1 1 0 0
 0 −17 −23 4 −2 3 0  ; (20)
0 0 0 0 0 0 1
    
3 4 4 x 1
B =  0 −17 −23   y  =  4  = ~b; (21)
0 0 0 z 0
 
1 0 0
B = Q ∗ A; A = Q−1 ∗ B; Q =  −2 3 0  ; (22)
0 0 1
    

 3 4 4 0




 0 −17 −23  ~xbh =  0  ; solução geral da homogênea assoc. B

0 0 0  0
 (23)

 3 4 4 1




 0 −17 −23  ~xb =  4  ; solução particular da não homogênea assoc. B

0 0 0 0
−17y − 23z = 4 ⇒ 17y + 23z = −4; z = 0; y = −4/17; (24)
1−4y−4z z=0 1+16/17 33
3x + 4y + 4z = 1 ⇒ 3x = 1 − 4y − 4z; x = 3 ⇒ x= 3 = 51 ; (25)
~xb = ( 33
51 , −4/17, 0) (26)
solução geral da homogênea B (27)
−17y − 23z = 0 ⇒ −17y = 23z ⇒ y = − 23z 17
; (28)
3x + 4y + 4z = 0 ⇒ 3x = −(4y + 4z) ⇒ x = − 4y+4z
3 ; (29)
− 92z
17 +4z − 92z 68z
17 + 17 − 24z
x=− 3 =− 3 = − 3 = 24z
17
; (30)
 24t  51
 
51
0
xbh = (x, y, z) = ( 24t 23t
51 , − 17 , t); B
 − 23t
17
= 0  (31)
t 0
A~x = ~a; QA~x = B~x = Q~a = ~b; (32)
B~x = ~b; (Q−1 ∗ B)~x = Q−1~b = A~x = ~a; (33)
Ax~a = ~a; QAx~a = BQ~x = Q~a = ~b; (34)
−1~
A~x = ~a = Q −1
B~x = ~a = Q b; (35)
A solução do sistema homogêneo A; Q−1 x0 ~x = (x, y, z); B~x = ~b = (0, 0, 0); (36)
17y + 23z = 0; ⇒ y = − 23z 17 ; (37)
(92−68)z
3x + 4y + 4z = 0 ⇒ 3x − 92z 17 + 4z = 0; 3x = 17 ;x = 8z
17 ; (38)
(x, y, z) = ( 8z
17
, − 23z
17
8t 23t
, z); z = t; ( 17 , 17 , t); z = t ∈ R; (39)
A solução do sistema não homogêneo associado a B; (40)
Índice Remissivo
calc, 1

dados
matriz de, 4
determinante, 1, 2, 5

equações lineares
sistema, 1

figura
núcleo
solução particular, 4

inversı́vel
matriz, 2

linear
equação diferencial, 5
operador, 5
sistema, 1
sistema de equações, 4

matriz
triangular, 3, 5
morfismo
núcleo, 3
morfismos, 3

núcleo dum morfismo, 3

núcleo e imagem
teorema, 1

octave, 1

sistema
homogêneo, 4
não homogêneo, 4
sistema linear, 1

teorema
núcleo e imagem, 1, 3
transformação linear
núcleo, 1
REFERÊNCIAS 8

Referências
[1] David I. Bell Landon Curt Noll and other. Calc - arbitrary precision calculator. Technical report,
[Link] 2011.
[2] T Praciano-Pereira. Programas para cálculo em duas variáveis. In Programas para Cálculo em duas
variáveis. [Link] 2011.
[3] Tarcisio Praciano-Pereira. Cálculo Numérico Computacional. Sobral Matematica, 2007.

[4] Thomas Williams, Colin Kelley, and many others. gnuplot, software to make graphics. Technical
report, [Link] 2010.