GUIDG.

COM 1

5/10/2012 Matrizes, Determinantes e Sistemas Lineares.
Tags: Matrizes, Determinantes, Sistemas, Definies, Teoria, Teoremas, Propriedades, Exemplos, Exerccios, Passo Passo...

I - Este texto foi escrito com objetivo englobar todo o contedo de Matrizes e Determinantes para o estudo e
resoluo de Sistemas Lineares, entretanto o estudante deve consultar as referncias bibliogrficas.

II - Esse estudo est limitado aos nmeros reais ( R ) , mas importante saber que esta teoria valida tambm
para conjuntos superiores como no caso dos nmeros complexos ( C ) .

III - Muitos assuntos esto relacionados e quando algum requisito for necessrio faremos uma indicao, por
exemplo: [1.21 Submatriz] , desta forma o estudante informado que deve ter conhecimento deste tpico.


Sumrio

1 MATRIZES.........................................................................................................................................................................3
1.1 Fila de uma matriz.......................................................................................................................................................3
1.2 Matriz linha (vetor-linha) ............................................................................................................................................3
1.3 Matriz coluna (vetor-coluna).......................................................................................................................................3
1.4 Matriz zero (matriz nula).............................................................................................................................................3
1.5 Vetor nulo (vetor zero)................................................................................................................................................4
1.6 Matriz quadrada ..........................................................................................................................................................4
1.7 Matriz retangular .........................................................................................................................................................5
1.8 Matriz diagonal ...........................................................................................................................................................5
1.9 Matriz identidade (matriz unidade) .............................................................................................................................5
1.10 Igualdade de matrizes..................................................................................................................................................6
1.11 Matriz transposta (transposio) .................................................................................................................................6
1.12 Matriz oposta...............................................................................................................................................................6
1.13 Matriz simtrica ..........................................................................................................................................................6
1.14 Matriz anti-simtrica ...................................................................................................................................................6
1.15 Matrizes comutativas...................................................................................................................................................6
1.16 Matrizes anti-comutativas ...........................................................................................................................................8
1.17 Matriz involutiva.........................................................................................................................................................8
1.18 Matriz idempotente .....................................................................................................................................................8
1.19 Matriz triangular..........................................................................................................................................................8
1.20 Trao de uma matriz....................................................................................................................................................9
1.21 Submatriz ....................................................................................................................................................................9
1.22 Operaes com matrizes............................................................................................................................................10
1.23 Operaes elementares das matrizes .........................................................................................................................11
1.24 Equivalncia de matrizes...........................................................................................................................................11
1.25 Matriz escalonada e matriz linha-reduzida................................................................................................................12
1.26 Posto de uma matriz ..................................................................................................................................................16
1.27 Nulidade de uma matriz ............................................................................................................................................16
1.28 Propriedades de operaes com matrizes ..................................................................................................................19
1.29 Potncia de uma matriz .............................................................................................................................................23
1.30 Matriz inversa............................................................................................................................................................23
1.31 Matriz ortogonal........................................................................................................................................................32
2 DETERMINANTES.........................................................................................................................................................34
2.1 Conceito de determinante..........................................................................................................................................34
2.2 Determinante de uma matriz .....................................................................................................................................36
2.3 Regras prticas para o clculo de determinantes .......................................................................................................38
2.4 Propriedades dos determinantes ................................................................................................................................40
2.5 Menor complementar ................................................................................................................................................45
2.6 Co-fator .....................................................................................................................................................................45
2.7 Matriz co-fatora.........................................................................................................................................................45
2.8 Matriz adjunta ...........................................................................................................................................................45
2.9 Teorema de Laplace ..................................................................................................................................................46
2.10 Determinante por triangulao ..................................................................................................................................48
2.11 Determinante de Vandermonde (determinante das potncias) ..................................................................................49
2.12 Regra de Chi............................................................................................................................................................49
GUIDG.COM 2

3 SISTEMAS DE EQUAES LINEARES.....................................................................................................................52
3.1 Equao linear ...........................................................................................................................................................52
3.2 Sistema de equaes lineares (sistema linear)...........................................................................................................52
3.3 Sistema linear homogneo ........................................................................................................................................53
3.4 Sistemas e matrizes ...................................................................................................................................................53
3.5 Posto de um sistema (caracterstica de um sistema)..................................................................................................54
3.6 Grau de liberdade do sistema ....................................................................................................................................54
3.7 Operaes linha sobre um sistema linear ..................................................................................................................55
3.8 Soluo de um sistema por matriz inversa ................................................................................................................55
3.9 Regra de Cramer .......................................................................................................................................................58
4 NOTAS FINAIS................................................................................................................................................................65
5 REFERNCIAS BIBLIOGRFICAS E LEITURA COMPLEMENTAR.................................................................65
















































GUIDG.COM 3

1 MATRIZES
Matriz de ordem mn ( m por n ) um agrupamento retangular de nmeros dispostos em m linhas
(horizontais) por n colunas (verticais), entre colchetes, parnteses ou barras duplas.

A
mBn
= a
ij
B C
mBn
=
a
11
a
12
a
1n
a
21
a
22
a
2n

a
m1
a
m2
a
mn
H
L
L
L
L
J
I
M
M
M
M
K
=
a
11
a
12
a
1n
a
21
a
22
a
2n

a
m1
a
m2
a
mn
h
l
l
l
j
i
m
m
m
k
=
a
11
a
12
a
1n
a
21
a
22
a
2n

a
m1
a
m2
a
mn
L
L
L
L
L
L
L
L
L
L
M
M
M
M
M
M
M
M
M
M
L
L
L
L
L
L
L
L
L
L
L
M
M
M
M
M
M
M
M
M
M
M


I - As letras maisculas itlicas A,B,C... representam as matrizes, os respectivos ndices inferiores
indicam a ordem da matriz, e l-se: Matriz A de ordem m por n .

II - Os nmeros (ou incgnitas) neste agrupamento so chamados de elementos ou entradas da matriz, e
so representados pelas letras minsculas a
ij
, b
ij
, c
ij
, .

III - O ndice i indica a linha e o ndice j indica a coluna ,localizando assim as entradas na matriz.

IV - O conjunto das Matrizes Reais de ordem mn denotado por:

M m,n
` a
= A
mBn
= a
ij
B C
mBn
| a
ij
2 R , 1 i m e 1 j n
T U



1.1 Fila de uma matriz
Entende-se por fila de uma matriz o mesmo que uma linha ( L ) ou coluna ( C ) dessa matriz.


1.2 Matriz linha (vetor-linha)
Disposio em apenas uma linha (m = 1) ou ordem 1 n .


1.3 Matriz coluna (vetor-coluna)
Disposio em apenas uma coluna (n = 1) ou ordem m 1 .


1.4 Matriz zero (matriz nula)
a matriz onde todas as entradas so iguais a zero, denotada por O , independente do tipo ou ordem.

O = a
ij
b c
mBn
com a
ij
= 0 8 1 i m e 1 j n


Exemplo 1:

Matriz linha:

A = 3 2 x 0
@ A

Matriz coluna:

A
T
=
3
2
x
0
H
L
L
L
L
J
I
M
M
M
M
K

Matriz zero:

O
3
=
0 0 0
0 0 0
0 0 0
H
L
J
I
M
K O
2 B3
=
0 0 0
0 0 0
D E


GUIDG.COM 4

1.5 Vetor nulo (vetor zero)
O vetor nulo ( 0
jjjjjjjjjjjjjjjjjj k
) ser definido agora pois um conceito simples de entender e de grande importncia
em nossos estudos e diversas questes no desenvolvimento da lgebra Linear. O vetor nulo pode assumir
diversas formas, dependendo do conjunto (ou Espao Vetorial) que estivermos trabalhando e da sua
respectiva aplicao.


I Se estivermos trabalhando com matrizes, ento o vetor nulo indica a matriz nula O de ordem mn .

Ordem 22 0
jjjjjjjjjjjjjjjjjj k
=
0 0
0 0
D E
, ordem 31 0
jjjjjjjjjjjjjjjjjj k
=
0
0
0
H
L
J
I
M
K , ordem mn 0
jjjjjjjjjjjjjjjjjj k
=
0 0 0
0 0 0
((

(
0 0 0
H
L
L
L
L
J
I
M
M
M
M
K
.


II No plano ou no espao o vetor nulo indica a origem do sistema com n-coordenadas.

Duas coordenadas 0
jjjjjjjjjjjjjjjjjj k
= 0,0
b c
, trs coordenadas 0
jjjjjjjjjjjjjjjjjj k
= 0,0,0
b c
, n-coordenadas 0
jjjjjjjjjjjjjjjjjj k
= 0,0,0, ,0
b c
.


III Se estivermos trabalhando com polinmios, ento o vetor nulo indica o polinmio nulo (polinmio
zero) de n-simo grau em relao a sua respectiva varivel.

Segundo grau, varivel t 0
jjjjjjjjjjjjjjjjjj k
= p 0
` a
= 0t
2
+ 0t + 0 .

Terceiro grau, varivel x 0
jjjjjjjjjjjjjjjjjj k
= p 0
` a
= 0x
3
+ 0x
2
+ 0x + 0 .

N-simo grau, varivel x 0
jjjjjjjjjjjjjjjjjj k
= p 0
` a
= 0x
n
+ 0x
n @1
+ + 0x + 0 .


1.6 Matriz quadrada
Nmero de linhas igual ao nmero de colunas ( m = n ) , ordem nn ou apenas n . Existem varias
definies para a matriz quadrada, veremos as principais a seguir.


1.6.1 Diagonal principal
So os elementos a
ij
| i = j .


1.6.2 Termo principal
o produto dos elementos da diagonal principal.


1.6.3 Diagonal secundria
So os elementos a
ij
| i + j = n + 1 .
*Note que a soma dos ndices dos elementos da diagonal secundria sempre constante.


GUIDG.COM 5

1.6.4 Termo secundrio
o produto dos elementos da diagonal secundria.


Exemplo 2: Identifique as diagonais da matriz A de ordem 4 e o termo principal e secundrio.


Diagonal secundria, conjunto de elementos { a
41
, a
32
, a
23
, a
14
} .

A
4
=
a
11
a
12
a
13
a
14
a
21
a
22
a
23
a
24
a
31
a
32
a
33
a
34
a
41
a
42
a
43
a
44
H
L
L
L
L
J
I
M
M
M
M
K


Diagonal principal, conjunto de elementos { a
11
, a
22
, a
33
, a
44
} .

Termo principal = a
11
A a
22
A a
33
A a
44
e termo secundrio = a
41
A a
32
A a
23
A a
14
.


1.7 Matriz retangular
Toda matriz onde m n .


1.8 Matriz diagonal
a matriz quadrada onde os elementos no pertencentes diagonal principal so nulos.

A
m
= a
ij
B C
m
| a
ij
= 0 se i j

Como a matriz diagonal s possui elementos na diagonal principal (os demais so zero), podemos denot-
la atravs de um conjunto. Se A
m
uma matriz diagonal ento diag A
m
b c
= a
11
, , a
mm
P Q
.


Exemplo 3: Se diag ( A
4
) = { 1, 3, 0, 7 } , ento A
4
=
1 0 0 0
0 3 0 0
0 0 0 0
0 0 0 7
H
L
L
L
L
J
I
M
M
M
M
K
.


1.9 Matriz identidade (matriz unidade)
uma matriz diagonal de ordem n onde todos os elementos so iguais a 1 , denotada por I .

I
n
= a
ij
B C
n
|
a
ij
= 1 se i = j
a
ij
= 0 se i j ou diag I
n
b c
= 1, , 1
P Q
X
^
^
\
^
^
Z



Exemplo 4: diag I
3
b c
= 1,1,1
P Q
Q I
3
=
1 0 0
0 1 0
0 0 1
H
L
J
I
M
K
GUIDG.COM 6

1.9.1 Observaes

I - A matriz identidade o elemento neutro na multiplicao de matrizes, por isso tambm chamada de
matriz unidade, isto , BI = IB = B . Sendo B uma matriz quadrada .

II - O determinante da matriz identidade unitrio det( I ) = 1 .

III - A matriz identidade classificada como: matriz diagonal, matriz quadrada, matriz simtrica, matriz
no-singular, matriz ortogonal... (verifique as afirmaes que no forem imediatas).


1.10 Igualdade de matrizes
Duas matrizes so iguais quando seus elementos correspondentes forem iguais.

A = a
ij
B C
mBn
e B = b
ij
B C
p Bq
ento A = B ^ a
ij
= b
ij
8 1 i m e 1 j n

*Note que as matrizes devem ser de mesma ordem, isto , m = p e n = q .


1.11 Matriz transposta (transposio)
Trocam-se as linhas pelas colunas, gerando uma nova matriz. Indica-se A
T
a matriz transposta de A.


Exemplo 5: A = a
ij
B C
mBn
Q A
T
= B = b
ji
B C
n Bm
com a
ij
= b
ji



1.12 Matriz oposta
Seja A uma matriz, ento -A sua matriz oposta tal que A + @A
` a
= O .
*Basta trocar os sinais dos elementos da matriz.


1.13 Matriz simtrica
A
T
= A , isto , a
ij
= a
ji
.


1.14 Matriz anti-simtrica
A
T
=@A , isto , a
ij
=@a
ji
e a
ij
= 0 se i = j (diagonal principal nula).

*Veja os exemplo 22 e 23.


1.15 Matrizes comutativas

I - Se A e B so matrizes quadradas tais que AB = BA = C , sendo C uma matriz qualquer diferente
da matriz identidade I , dizemos que A e B so matrizes comutativas.

II - Se A e B so matrizes comutativas tais que AB = BA = I , sendo I a matriz identidade, defini-se
A como a matriz inversa de B , ou B como a matriz inversa de A .

[1.30 Matriz inversa]
GUIDG.COM 7

Exemplo 6: Determine duas matrizes comutativas de segunda ordem, tais que o produto entre essas
matrizes seja diferente da matriz identidade.

Soluo: Sejam as matrizes A
2 B2
e B
2 B2
, queremos determinar estas duas matrizes tais que a
definio de comutatividade seja verificada, isto , queremos A e B | AB = BA = C .


A =
a b
c d
D E
e B =
w x
y z
D E
Q AB =
a b
c d
D E
w x
y z
D E
=
w x
y z
D E
a b
c d
D E
= BA
AB =
aw + by ax + bz
cw + dy cx + dz
F G
=
wa + xc wb + xd
ya + zc yb + zd
F G
= BA


Temos um sistema com muitas variveis livres, entretanto como veremos, ao escolhermos algumas
variveis as outras ficaro em funo destas escolhidas, da que podemos determinar todas as demais.

AB = BA ser uma matriz C tal que a igualdade seja verificada, isto :

AB = BA = C =
c
11
c
12
c
21
c
22
F G


c
11
tal que
aw + by = wa + xc
by = xc
V
e c
12
tal que
ax + bz = wb + xd
ax @xd = wb @bz
x a @d
` a
= b w @z
` a
X
^
^
\
^
^
Z


Agora j estamos em condies de supor valores para os elementos das matrizes A e B , pois definimos
uma relao entre as duas (a escolha arbitrria, mas preciso que a relao seja vlida).

Escolhendo b = 1 temos que y = xc ,
Escolhendo c = -2 temos que y = -2x ,
Escolhendo x = 5 temos que y = -10 ,

Logo temos os valores: b = 1 , c = -2 , x = 5 , y = -10 .
Pela relao obtida em c
12
, substitumos os valores b e x


x a @d
` a
= b w @z
` a
5 a @d
` a
= 1 w @z
` a

Escolhendo z = 2 temos que 5( a d ) = w 2 ,
Escolhendo a = -3 temos que 5( -3-d ) = w 2 ,
Escolhendo d = -1 temos que -10 = w -2 , assim w = -8 .

Logo temos todos os valores necessrios: a = -3 , d = -1 , w = -8 e z = 2 .

Agora substitumos os valores nas matrizes tal que AB = BA = C :

a = -3 , b = 1 , c = -2 , d = -1 ; w = -8 , x = 5 , y = -10 , z = 2

A =
@3 1
@2 @1
D E
e B =
@8 5
@10 2
D E
Q AB =
@3 1
@2 @1
D E
@8 5
@10 2
D E
=
@8 5
@10 2
D E
@3 1
@2 @1
D E
= BA

GUIDG.COM 8

Efetuando a multiplicao das matrizes tanto AB quanto BA temos o resultado que queramos, isto :

AB =
14 @13
26 @12
D E
= BA =
14 @13
26 @12
D E
= C

Logo as matrizes A e B so comutativas.


1.15.1 Observaes

I - Veja que obtemos duas matrizes comutativas tais que A no a inversa de B , e nem B a inversa
de A , isto , AB = BA I .

II - Note que desenvolvemos este resultado e que ele no uma propriedade das matrizes, em geral o
produto das matrizes AB BA , a comutatividade raramente vlida.


1.16 Matrizes anti-comutativas
Se A e B so matrizes quadradas tais que AB = BA .


1.17 Matriz involutiva
Se A uma matriz quadrada tal que A = I .


1.18 Matriz idempotente
Se A uma matriz quadrada tal que A = A .


1.19 Matriz triangular
Classificam-se triangular as matrizes que so triangular inferior ou triangular superior. Pode-se pensar
que a matriz diagonal triangular, por ser simultaneamente triangular inferior e triangular superior, mas
de acordo com a definio a matriz diagonal no triangular.


1.19.1 Matriz triangular superior

A = a
ij
B C
mBn
com a
ij
= 0 se i > j
.


Exemplo 7: A =
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
H
L
J
I
M
K=
a
11
a
12
a
13
0 a
22
a
23
0 0 a
33
H
L
L
J
I
M
M
K



GUIDG.COM 9

1.19.2 Matriz triangular inferior

B = b
ij
B C
mBn
com b
ij
= 0 se i < j .


Exemplo 8: B =
b
11
b
12
b
13
b
21
b
22
b
23
b
31
b
32
b
33
H
L
L
L
J
I
M
M
M
K
=
b
11
0 0
b
21
b
22
0
b
31
b
32
b
33
H
L
L
L
J
I
M
M
M
K



1.20 Trao de uma matriz
Seja A uma matriz quadrada de ordem m , o trao da matriz A que indicamos por tr (A) a soma dos
elementos da diagonal principal, isto :

Se A = a
ij
B C
m
=
a
11
a
12
a
1m
a
21
a
22
a
2m

a
m1
a
m2
a
mm
H
L
L
L
L
J
I
M
M
M
M
K
, ento o trao da matriz A dado 8 j = i assim

tr A
` a
=X
i = 1
m
a
ii
= a
11
+ a
22
+ a
33
+ + a
mm



Exemplo 9: Calcule o trao da matriz Z =
1 5 9
0 2 0
2 6 8
H
L
J
I
M
K .

Soluo: tr (Z ) = 1 + 2 + 8 = 11


1.21 Submatriz
Seja A uma matriz quadrada de ordem n 2 , chama-se submatriz A
ij
e denota-se sub A
ij
b c
a
matriz de ordem n 1 que obtemos aps removermos a i-sima linha e a j-sima coluna da matriz A .


Exemplo 10: Seja a matriz A , determine a sub A
13
b c
.

A =
1 3 @2
0 1 @5
2 8 @3
H
L
J
I
M
KQsub A
13
b c
=
0 1
2 8
D E


*Note que s preciso remover a linha 1 e a coluna 3.


GUIDG.COM 10

1.22 Operaes com matrizes
Nesta seo veremos as operaes bsicas entre as matrizes e a forma em que so realizadas.


1.22.1 Adio e subtrao
As matrizes devem ser do mesmo tipo (ou ordem), somar ou subtrair os elementos correspondentes.


Exemplo 11: A = a
ij
B C
mBn
e B = b
ij
B C
mBn
ento A + B = a
ij
+ b
ij
B C
mBn
=C
mBn



1.22.2 Multiplicao por escalar
Multiplicar todos os elementos da matriz por um nmero k .

A = a
ij
B C
mBn
e k um nmero ento k A A = k A a
ij
B C
mBn



1.22.3 Multiplicao de matrizes
Considere as Matrizes A = a
ij
B C
mBn
e B = b
ij
B C
p Bq
, se n = p ento A
mBn
A B
p Bq
=C
mBq
.



*Se n p a multiplicao no existe; note que este nmero n = p o limite superior do somatrio.


C = c
ij
B C
mBq
onde c
ij
=X
k = 1
n
a
ik
A b
kj
= a
i1
A b
1j
+ a
i2
A b
2j
+ a
i3
A b
3j
+ + a
in
A b
nj



Isto , cada elemento c
ij
resultante desta soma de produtos.


Exemplo 12: Considere as matrizes A e B , ento o produto AB dado abaixo.

A
2 B2
B
2 B2
=
1 @2
@3 4
D E
0 5
6 @7
D E
=
1.0 @2.6 1.5 @2A @7
` a
@3.0 + 4.6 @3.5 + 4A @7
` a
H
J
I
K
=
@12 19
24 @43
D E
=C
2 B2
= c
ij
B C


c
21
=X
k = 1
2
a
2k
A b
k1
= a
21
A b
11
+ a
22
A b
21
=@3A 0 + 4.6 = 24 , da mesma forma obtemos c
11
, c
12
e c
22
.








GUIDG.COM 11

1.23 Operaes elementares das matrizes
So trs as operaes elementares entre as filas de uma matriz, em nosso estudo usaremos as letras ( L )
para linha e ( C ) para coluna, referindo-se as filas da matriz. Recomenda-se o uso das notaes por um
melhor esclarecimento de procedimento.


1.23.1 Permutao de filas
a troca de uma linha por outra, a seta dupla indica a permuta (troca) e usada somente nesta operao.

Notao: L
x
Tk L
y
ou C
x
TkC
y
(L-se: A troca da fila x por k vezes a fila y )
L
x
TL
y
ou C
x
TC
y
(Quando fazemos k = 1 , basta trocarmos as filas)


1.23.2 Multiplicao de uma fila por escalar no nulo
a multiplicao da x-sima fila por um escalar no nulo.

Notao: L
x
Qk A L
x
ou C
x
Qk A C
x
(L-se: A troca da fila x por k vezes fila x )


1.23.3 Substituio de uma fila por combinao linear
a substituio da x-sima fila pela x-sima fila mais k vezes a y-sima fila.

Notao:
L
x
QL
x
+ k A L
y
ou L
x
Qk A L
y
+ L
x
C
x
QC
x
+ k A C
y
ou C
x
Qk A C
y
+ C
x


L-se: A troca da fila x pela fila x mais k vezes a fila y . Ou a troca da fila x por k vezes a fila y
mais a fila x . Isto por que a ordem da soma no altera o resultado, mas ateno a substituio refere-se a
fila que indicamos antes da seta.


1.24 Equivalncia de matrizes
Sendo A e B matrizes de mesma ordem, dizemos que A equivalente a B, se for possvel transformar
A em B por um nmero finito de operaes elementares sobre as filas de A.

Notao: A ~ B (L-se: A equivalente B ou A linha equivalente B ).


Exemplo 13: Seja a matriz A , obtenha a matriz I atravs de operaes elementares.


A =
2 0 1
0 0,5 0
1 0 0
H
L
J
I
M
K
L
3
TL
1 {~~~ }~~~y
Permutao
1 0 0
0 0,5 0
2 0 1
H
L
J
I
M
K
L
2
Q2L
2 {~~~~ }~~~~y
Multiplicao por escalar
1 0 0
0 1 0
2 0 1
H
L
J
I
M
K
L
3
Q@2L
1
+ L
3 {~~~~~~~~~~~~ }~~~~~~~~~~~~y
Substituio
1 0 0
0 1 0
0 0 1
H
L
J
I
M
K= I


Usamos neste exemplo as trs operaes elementares, no primeiro passo substitumos a linha trs pela
linha um, no segundo passo multiplicamos a linha dois por duas vezes a linha dois e no terceiro passo
trocamos a linha trs por menos duas vezes a linha um mais a linha trs, obtendo assim a matriz
identidade ( I ) e de acordo com 1.24 , A ~ I , isto , a matriz A equivalente a matriz I .

GUIDG.COM 12

1.25 Matriz escalonada e matriz linha-reduzida
Considere as seguintes propriedades relativas s filas de uma matriz:

I Numa linha no nula, o primeiro elemento no nulo 1 (este chamado de lder ou piv).
II Em quaisquer duas linhas sucessivas no nulas, o lder da linha superior esta sempre mais esquerda
do que o lder da linha inferior.
III As linhas nulas ocorrem abaixo de todas as linhas no nulas.
IV Cada coluna que contm um lder tem seus demais elementos nulos.

Com isso lembramos que sempre podemos transformar uma matriz dada numa matriz escalonada ou
numa matriz linha-reduzida, utilizando as operaes elementares das matrizes, e assim definimos:


1.25.1 Matriz na forma escalonada
So as matrizes em que se verificam as propriedades I, II e III.


1.25.2 Matriz na forma linha-reduzida
So as matrizes em que todas as propriedades (I, II, III e IV) so verificadas.


1.25.3 Escalonamento
o procedimento que leva a matriz A para a matriz escalonada de A . Tambm chamado de Eliminao
Gaussiana ou Mtodo de Gauss.


1.25.4 Eliminao Gauss-Jordan
o procedimento que leva uma matriz sua forma linha-reduzida.


1.25.5 Observaes

I - O escalonamento e a eliminao Gauss-Jordan sero ilustrados no prximo exemplo.

II - A matriz linha-reduzida tambm chamada de: (1) matriz na forma escalonada reduzida por linhas,
do ingls matrix in reduced row echelon form, (2) matriz linha-reduzida forma escada ou matriz
escada reduzida por linhas e (3) matriz na forma escada.

*Diferentes autores usam nomes distintos para se referirem a mesma coisa, cabe a cada estudante decidir
qual nome vai usar, neste texto usamos linha-reduzida por ser um dos mais curtos e objetivos.


1.25.6 Teorema
Toda matriz A de ordem mn equivalente a uma nica matriz linha-reduzida.


1.25.7 Corolrio
Toda matriz A inversvel de ordem n , tal que detA 0 equivalente a matriz linha-reduzida I , sendo
I a matriz identidade ( A
n
~ I
n
) .


GUIDG.COM 13

1.25.8 Procedimento escalonamento e linha-reduzida
No ignorando as concluses vistas em 1.25 existe uma infinidade de caminhos para se chegar forma
escalonada e forma linha-reduzida, entretanto queremos tornar este caminho o mais curto possvel
eliminando procedimentos redundantes, para isso considere o seguinte exemplo.

Exemplo 14: Seja a matriz A =
5 3 @1
2 5 4
@1 1 2
H
L
J
I
M
K , obtenha a matriz escalonada e a matriz linha-reduzida.

Usando as operaes elementares:

1 O elemento a
11
deve ser 1 .

Neste caso a
11
= 5 .

1.1 Podemos fazer L
1
Q
1
5
fff
L
1
;
1.2 Ou L
1
T
1
2
fff
L
2
;
1.3 Ou da mesma forma L
1
T@L
3
;
1.4 Ou L
1
Q@2L
2
+ L
1
;
1.5 Ou ainda L
1
Q4L
3
+ L
1
.

Essas foram as formas mais imediatas e ainda existem muitas outras maneiras de se obter a
11
= 1 .
Entretanto o caminho escolhido no nos interessa, desde que tenhamos a
11
= 1 , ento:

A =
5 3 @1
2 5 4
@1 1 2
H
L
J
I
M
K L
1
Q@L
3
1 @1 @2
2 5 4
5 3 @1
H
L
J
I
M
K


2 Os elementos abaixo de a
11
= 1 na primeira coluna devem ser zeros.

Neste caso a
12
= 2 e a
13
= 5 .

2.1 Continuando da ltima matriz, podemos fazer:

1 @1 @2
2 5 4
5 3 @1
H
L
J
I
M
K L
2
Q@2L
1
+ L
2
1 @1 @2
0 7 8
5 3 @1
H
L
J
I
M
K L
3
Q@5L
1
+ L
3
1 @1 @2
0 7 8
0 8 9
H
L
J
I
M
K

3 O procedimento 1 e 2 se repete para as linhas seguintes.

Neste caso para a segunda linha temos a
22
= 7 .

3.1 Continuando da ltima matriz, podemos fazer:

1 @1 @2
0 7 8
0 8 9
H
L
J
I
M
K L
2
Q
1
7
ffff
L
2
1 @1 @2
0 1
8
7
ffff
0 8 9
H
L
L
L
L
J
I
M
M
M
M
K


GUIDG.COM 14

3.2 Os elementos abaixo de a
22
= 1 devem ser zeros.

Neste caso a
32
= 8 , podemos fazer:

1 @1 @2
0 1
8
7
ffff
0 8 9
H
L
L
L
L
J
I
M
M
M
M
K
L
3
Q@8L
2
+ L
3
1 @1 @2
0 1
8
7
ffff
0 0 @
1
7
ffff
H
L
L
L
L
L
L
L
J
I
M
M
M
M
M
M
M
K


3.3 Agora para a terceira linha temos a
33
=@
1
7
ffff
, podemos fazer:

1 @1 @2
0 1
8
7
ffff
0 0 @
1
7
ffff
H
L
L
L
L
L
L
L
J
I
M
M
M
M
M
M
M
K
L
3
Q@7L
3
1 @1 @2
0 1
8
7
ffff
0 0 1
H
L
L
L
L
J
I
M
M
M
M
K


Veja que estamos de acordo com 1.25.1. Logo a matriz esta escalonada (e este foi o procedimento
escalonamento). Vamos continuar at a forma linha-reduzida, para isso basta aplicarmos a propriedade:

1.25 IV Cada coluna que contm um lder tem seus demais elementos nulos.

Ou seja, precisamos zerar os elementos a
23
= 8/7 , a
13
= -2 e a
12
= -1 . Note que neste caso necessrio
que o elemento a
23
seja zerado primeiro para evitar um clculo a mais, ento:


1 @1 @2
0 1
8
7
ffff
0 0 1
H
L
L
L
L
J
I
M
M
M
M
K
L
2
Q@
8
7
ffff
L
3
+ L
2
1 @1 @2
0 1 0
0 0 1
H
L
J
I
M
K L
1
QL
2
+ L
1
1 0 @2
0 1 0
0 0 1
H
L
J
I
M
K L
1
Q2L
3
+ L
1
1 0 0
0 1 0
0 0 1
H
L
J
I
M
K



Resultado este que j era esperado de acordo com 1.25.6 , pois neste caso detA = -1 0 . Veja que
estamos de acordo com 1.25.2 e neste caso dizemos que a matriz A esta na forma linha-reduzida.



GUIDG.COM 15

Exemplo 15: Considere o sistema abaixo, dado na forma matricial ampliada, obtenha a matriz escalonada
e a matriz linha-reduzida, sendo essas equivalentes M
a
.



0 0 -2 0 7 | 12
2 4 -10 6 12 | 28 M
a
=
2 4 -5 6 -5 | -1

[3.4 Sistemas e matrizes]

Soluo: Usando as operaes elementares, vamos manipular a matriz ampliada do sistema ( M
a
) com o
objetivo de cumprir as exigncias para se obter a matriz escalonada e a matriz linha-reduzida.

Note que dada uma instruo de operao elementar, ela sempre cumprida no prximo passo.


.
0 0 -2 0 7 | 12
2 4 -10 6 12 | 28 L
1
T
1
2
fff
L
2

2 4 -5 6 -5 | -1


1 2 -5 3 6 | 14
0 0 -2 0 7 | 12
L
3
Q@2L
1
+ L
3

2 4 -5 6 -5 | -1


.
1 2 -5 3 6 | 14
0 0 -2 0 7 | 12 L
2
Q@
1
2
fff
L
2

0 0 5 0 -17 | -29


1 2 -5 3 6 | 14

0 0 1 0 @
7
2
ffff
| -6

L
3
Q@5L
2
+ L
3

0 0 5 0 -17 | -29


.
1 2 -5 3 6 | 14

0 0 1 0 @
7
2
ffff
| -6

L
3
Q2L
3


0 0 0 0
1
2
fff
| 1



1 2 -5 3 6 | 14

0 0 1 0 @
7
2
ffff
| -6

0 0 0 0 1 | 2


Logo o sistema esta na forma escalonada, e at aqui o procedimento chamado Eliminao-Gaussiana
ou obteno da forma escalonada pelo Mtodo de Gauss. Veja que estamos de acordo com 1.25.1. Agora
podemos usar a forma escalonada para obter a forma linha-reduzida.

.
1 2 -5 3 6 | 14

0 0 1 0 @
7
2
ffff
| -6

L
2
Q
7
2
ffff
L
3
+ L
2

0 0 0 0 1 | 2


1 2 -5 3 6 | 14
0 0 1 0 0 | 1
L
1
Q5L
2
+ L
1

0 0 0 0 1 | 2


.
1 2 0 3 6 | 19
0 0 1 0 0 | 1
L
1
Q@6L
3
+ L
1

0 0 0 0 1 | 2


1 2 0 3 0 | 7
0 0 1 0 0 | 1
0 0 0 0 1 | 2


Logo o sistema esta na forma linha-reduzida, e agora o procedimento chamado Eliminao Gauss-
Jordan. Veja que estamos de acordo com 1.25.2.

GUIDG.COM 16

Exemplo 16: Algumas matrizes do tipo linha-reduzida.

A =
0 0 1 0 0 0
0 0 0 1 0 0
0 0 0 0 1 0
0 0 0 0 0 1
H
L
L
L
L
J
I
M
M
M
M
K
, B =
1 2 0 2 0 4
0 0 1 3 0 8
0 0 0 0 1 5
0 0 0 0 0 0
H
L
L
L
L
J
I
M
M
M
M
K
, C =
0 1 @3 0 2
0 0 0 1 2
0 0 0 0 0
H
L
J
I
M
K , I
3
=
1 0 0
0 1 0
0 0 1
H
L
J
I
M
K


1.26 Posto de uma matriz
Seja A de ordem mn e B sua matriz escalonada ou linha-reduzida ( B ~ A ) ento;

O posto de A ou p(A) que indicamos por p , o nmero de linhas no nulas de B ;


1.26.1 Propriedade
O posto de uma matriz A igual ao posto de sua matriz transposta A
T
.

p A
` a
= p A
T
b c


A verificao feita ao comparar a forma escalonada ou linha-reduzida tanto de A como de A
T
.


1.26.2 Observaes

I - Alguns autores se referem ao posto da matriz como sendo a Caracterstica (C ) da matriz, logo C = p .


II - A propriedade posto da matriz de grande importncia para o estudo de sistemas lineares, o qual
usado em muitos assuntos da lgebra linear e suas aplicaes. O posto de uma matriz o nmero mnimo
de linhas numa matriz tal que possamos realizar combinaes lineares apropriadas sobre essas linhas de
forma que se possam gerar todas as demais linhas, isto , o posto de uma matriz um nmero, e este
nmero a resposta da seguinte pergunta: Qual o nmero mnimo de linhas numa matriz tal que
possamos gerar as outras demais linhas atravs de combinaes lineares apropriadas? E por isso que
alguns autores se referem ao posto de uma matriz como sendo a sua caracterstica, pois atravs dessas
linhas principais, todo o resto da matriz caracterizado.


1.27 Nulidade de uma matriz
A nulidade de A ou g(A) que indicamos por g , dado por g = n p , onde n o nmero de
colunas de A .


1.27.1 Observaes

I - Somente em matrizes quadradas a nulidade ir tambm indicar o nmero de linhas nulas da matriz;

II - Em matrizes a nulidade apenas uma relao entre as colunas e o posto da matriz, j em sistemas
lineares a nulidade ganhar um sentido mais significativo para os nossos estudos, e por isso desde j a
nulidade representada pela letra g pois ir indicar o grau de liberdade do sistema, e assim no ser
necessrio outra definio quando chegarmos l.


GUIDG.COM 17

Exemplo 17: Mostre que a nulidade de uma matriz nunca negativa.


Soluo: Queremos provar que a nulidade de uma matriz nunca negativa ( g 0 ), e para isso devemos
analisar os trs seguintes casos quanto as possveis ordens das matrizes.


Seja A uma matriz de ordem rBs , onde r e s 2 N
C
, e a nulidade de A que dada por
g = n p , onde n o nmero de colunas de A e p o posto de A.


I ) Se r = s , isto , o nmero de linhas igual ao nmero de colunas de A , ento:

p(A) = { r, r-1, r-2, ... 1,0} , isto , o posto mximo de A r , podendo ser r-1, r-2, ... , 1, 0 (onde o
posto mnimo de A 0 ).

Se p A
` a
= r [ g = n @p = r @r = 0 # g = 0

Se p A
` a
= r @1 [ g = n @ r @1
` a
= r @r + 1 = 1 # g = 1

Se p A
` a
= r @2 [ g = n @ r @2
` a
= r @r + 2 = 2 # g = 2

...

Se p A
` a
= 1 [ g = n @p = r @1 , como n = r e r no mnimo 1 , temos:

p A
` a
= 1 [ g = r @p = 1 @1 = 0 ento 8 r 1 [ g 0
p A
` a
= 0 [ g = r @p = 1 @0 = 1 ento 8 r 1 [ g 1


Logo se A uma matriz quadrada de ordem r a nulidade nunca negativa.



II) Se r < s , isto , o nmero de linhas menor que o nmero de colunas de A , ento:

p(A) = { r, r-1, r-2, ... 1, 0}

Se p A
` a
= r [ g = n @p = s @r mas r < s [ s @r > 0 # g > 0

Se p A
` a
= r @1 [ g = n @p = s @ r @1
` a
= s @r + 1 mas r < s [ s @r > 0 # g > 1

Se p A
` a
= r @2 [ g = n @p = s @ r @2
` a
= s @r + 2 mas r < s [ s @r > 0 # g > 2

...

Se p A
` a
= 1 [ g = n @p = s @1 como r < s temos que s no mnimo 2 , por que r no pode ser
zero (a matriz para existir deve ter ao menos uma linha, isto , r = 1 ), temos:

p A
` a
= 1 [ g = s @1 = 2 @1 = 1 e 8 s 2 [ g 1
p A
` a
= 0 [ g = s @0 = 2 @0 = 2 e 8 s 2 [ g 2


Logo se A uma matriz retangular de ordem rBs tal que r < s a nulidade nunca negativa.


GUIDG.COM 18

III) Se r > s , isto , o nmero de linhas maior que o nmero de colunas de A . Ento qualquer linha r
maior que s mltipla ou combinao linear das s linhas. Portanto o posto mximo de A p(A) = s ,
ento:

p(A) = {s, s-1, s-2, ... 1, 0}

Se p A
` a
= s [ g = n @p = s @s = 0 # g = 0

Se p A
` a
= s @1 [ g = n @p = s @ s @1
` a
= 0 + 1 = 1 # g = 1

Se p A
` a
= s @2 [ g = n @p = s @ s @2
` a
= 0 + 2 = 2 # g = 2

...

Se p A
` a
= 1 [ g = n @p = s @1 como r > s temos que s no mnimo 1 , por que s no pode ser
zero (a matriz para existir deve ter ao menos uma coluna, isto , s = 1 ), temos:

p A
` a
= 1 [ g = s @1 = 1 @1 = 0 ento 8 s 1 [ g 0
p A
` a
= 0 [ g = s @0 = 1 @0 = 1 ento 8 s 1 [ g 0


Logo se A uma matriz retangular de ordem rBs tal que r > s a nulidade nunca negativa.



As seguintes matrizes so de ordem rBs , com r > s :

A
2 B1
=
a
11
a
12
F G
~
1
0
D E
B
3 B2
=
1 2
@1 2
0 5
H
L
J
I
M
K~
1 0
0 1
0 0
H
L
J
I
M
K C
4 B3
=
5 7 0
1 @5 0
2 8 7
1 3 2
H
L
L
L
L
J
I
M
M
M
M
K
~
1 0 0
0 1 0
0 0 1
0 0 0
H
L
L
L
L
J
I
M
M
M
M
K


Veja que nas trs matrizes a ltima linha sempre mltipla ou combinao linear das linhas anteriores.
E assim todas as r-s linhas que sucedem as s primeiras linhas de uma matriz de ordem rBs tal que
r > s , so sempre mltiplas ou combinaes lineares dessas s primeiras linhas.
Portanto a nulidade de uma matriz no mnimo zero, mas nunca negativa, como queramos demonstrar.


E a explicao informal que responde este exerccio a seguinte: A nulidade de uma matriz nunca
negativa por que no existe uma matriz linha-reduzida tal que o posto maior que o nmero de colunas.



GUIDG.COM 19

1.28 Propriedades de operaes com matrizes


1.28.1 Propriedades da adio

1. A + B = B + A Comutatividade para adio.

2. A + (B + C) =(A + B) + C Associatividade para adio.

3. A + O = O + A = A Elemento neutro na adio, O a matriz nula.

4. A A = O e O A = A


1.28.2 Propriedades da multiplicao por escalar

5. k(A + B) = kA + kB k uma constante.

6. k
1
+ k
2
b c
A = k
1
A + k
2
A

7. A0 = 0A = O Se k = 0 a multiplicao da matriz A por k gera a matriz nula.

8. k
1
k
2
A
b c
= k
1
k
2
b c
A


1.28.3 Propriedades da multiplicao de matrizes

9. AI = IA = A Elemento neutro, I a matriz identidade.

10. A(B + C) = AB + AC Distributividade esquerda, manter esta ordem.

11. (A + B)C = AC + BC Distributividade direita, manter esta ordem.

12. (AB)C = A(BC) Associatividade para multiplicao, manter esta ordem.

13. (kA)B = A(kB) = k(AB) A comutatividade do escalar sempre vlida.

14. AO = OA = O O a matriz nula de mesma ordem que A .

15. AB BA A comutatividade raramente vlida na multiplicao de matrizes.

16. AB = O [+ A = O ou B = O (Contra-propriedade)

17. AB = AC [+ B = C (Contra-propriedade, a lei do cancelamento no vlida)


1.28.4 Propriedades da transposio

18. A + B
` aT
= A
T
+ B
T


19. kB
` aT
= B
T
k k uma constante, a comutatividade vlida.

20. A
T
b cT
= A A transposta da matriz transposta de A igual a A .

21. AB
` aT
= B
T

T
Manter esta ordem.
ABC
` aT
=C
T
B
T
A
T
A propriedade pode ser estendida para n fatores.
GUIDG.COM 20

Prova de 1 (Exemplo 18) :
A + B = B + A
A + B = A
mBn
+ B
mBn
= a
ij
B C
mBn
+ b
ij
B C
mBn
= a
ij
+ b
ij
B C
mBn
= b
ij
+ a
ij
B C
mBn
= b
ij
B C
mBn
+ a
ij
B C
mBn
= B
mBn
+ A
mBn
= B + A



.
Prova de 5 (Exemplo 19) :
k A A + B
` a
= k a
ij
B C
mBn
+ b
ij
B C
mBn
d e
= k a
ij
+ b
ij
B C
mBn
= k A a
ij
+ k A b
ij
B C
mBn
= k A a
ij
B C
mBn
+ k A b
ij
B C
mBn
= k A A + k A B



Prova de 10 (Exemplo 20) : Sejam B e C matrizes de ordem np e A de ordem mn . Ento existem
os produtos AB e AC , pois A
mBn
A B
n Bp
= D
mBp
e A
mBn
A C
n Bp
= E
mBp


Logo existe a matriz resultante da soma D+ E
@ A
mBp
= AB + AC .

Agora considere A = a
ij
B C
, B = b
ij
B C
e C = c
ij
B C
, queremos mostrar que as entradas da matriz A(B + C)
so iguais as entradas de AB + AC . Pelas definies das operaes com matrizes temos que


8 i e j , A B + C
` a
B C
ij
= a
i1
b
1j
+ c
1j
b c
+ a
i2
b
2j
+ c
2j
b c
+ + a
im
b
mj
+ c
mj
b c
= a
i1
b
1j
+ a
i2
b
2j
+ + a
im
b
mj
b c
+ a
i1
c
1j
+ a
i2
c
2j
+ + a
im
c
mj
b c
= AB
@ A
ij
+ AC
@ A
ij
= AB + AC
@ A
ij


E ainda podemos expandir para uma soma ou produto de mais termos, pois as leis da associatividade (2)
e (12) garantem que o resultado final sempre o mesmo.


Justificativa de 21 (Exemplo 21) : Vamos justificar a propriedade 21 atravs da ordem das matrizes.

Suponha que queremos transpor o seguinte produto de matrizes: AB , isto , AB
` aT
, mas para que o
produto AB exista temos:

AB
` aT
= A
mBn
B
n Bq
b cT
(O n de colunas de A deve ser igual ao n de linhas de B )


Sabendo que A
mBn
b cT
= A
n Bm
e B
n Bq
b cT
= B
q Bn
, se transpormos diretamente as matrizes j haveria o
problema da ordem, veja:


AB
` aT
= A
n Bm
B
q Bn
z~~~~~~~~~~~~~~~ |~~~~~~~~~~~~~~~x
essa igualdade falsa
( m q , logo o produto no pode existir )


GUIDG.COM 21

Agora se, simplesmente alterarmos a ordem do produto, o problema desaparece:


AB
` aT
= B
q Bn
A
n Bm
=C
q Bm
z~~~~~~~~~~~~~~~~~~~~~~~ |~~~~~~~~~~~~~~~~~~~~~~~x
essa igualdade verdadeira
( n = n , logo o produto existe, resultando na matriz C
q Bm
)


Esse resultado justifica a propriedade 21 pela definio do produto de matrizes, mas ainda no uma
prova da propriedade.


Exemplo 22: Aplicao das propriedades 18, 20 e 21.

Sendo A
mBm
, mostre que AA
T
e A + A
T
so matrizes simtricas e A @A
T
anti-simtrica.


i
a
B = A A
T
[ B
T
= A A
T
b cT
= A
T
b cT
A
T
= A A
T
Logo B = B
T
# A A
T
simtrica A



ii
a
B = A + A
T
B
T
= A + A
T
b cT
= A
T
+ A
T
b cT
= A
T
+ A = B
Logo B = B
T
# A + A
T
simtrica A



iii
a
B = A @A
T
B
T
= A @A
T
b cT
= A
T
@ A
T
b cT
= A
T
@A =@A + A
T
Logo B =@B
T
# A @A
T
anti @simtricaA



Exemplo 23: Mostre que toda matriz quadrada A pode ser escrita como a soma de uma matriz simtrica
com uma matriz anti-simtrica, ou seja, A = S + N onde S uma matriz simtrica e N uma matriz
anti-simtrica.

Soluo: A chave desse exerccio um sistema que deve ser seguido para que a relao seja verificada.

Seja A
n
= a
ij
B C
n
, uma matriz quadrada de ordem n , se S simtrica e N anti-simtrica, da definio
temos que:

S = S
T
[ s
ij
B C
n
= s
ji
B C
n
e N =@N
T
[ n
ij
B C
n
= @n
ji
B C
n
com n
ij
= 0 se i = j , assim

a
ij
B C
n
= s
ji
B C
n
+ @n
ji
B C
n
[ a
ij
= s
ji
@n
ji
= s
ij
+ n
ij
.

Como sempre podemos tornar essa relao vlida, logo sempre possvel escrever A = S + N .

GUIDG.COM 22

Vamos ver como fica quando inserimos nmeros.

Se A =
2 5
1 3
D E
, escreva A como a soma S + N .

S = S
T
[ S =
s
11
s
12
s
12
s
22
F G
e N =@N
T
[ N =
0 n
12
@n
12
0
H
J
I
K
,

Temos a equao matricial A = S + N para resolver:


2 5
1 3
D E
=
s
11
s
12
s
12
s
22
F G
+
0 n
12
@n
12
0
H
J
I
K
=
s
11
+ 0 s
12
+ n
12
s
12
@n
12
s
22
+ 0
H
J
I
K


De onde vem o sistema:


s
11
= 2
s
12
+ n
12
= 5
s
12
@n
12
= 1
s
22
= 0
X
^
^
^
^
^
^
^
\
^
^
^
^
^
^
^
Z


Somando a segunda equao com a terceira obtemos 2s
12
= 6 e portanto s
12
= 3 , decorre ento
que n
12
= 2 . Assim obtemos os valores de S e de N .

S =
2 3
3 0
D E
e N =
0 2
@2 0
D E


Portanto A = S + N , sendo S simtrica e N anti-simtrica, como queramos demonstrar. E ainda, o
resultado pode ser expandido para matrizes quadradas de ordem n , entretanto o sistema ser resolvido
ter n variveis imediatas (da matriz simtrica, conseqncia da diagonal principal da matriz anti-
simtrica ser nula) mais n variveis a serem calculadas (da matriz simtrica) e n variveis decorrentes
(da matriz anti-simtrica), lembrando que nenhuma entrada dessas duas matrizes so aleatrias, so todos
nmeros bem definidos, pois o sistema definido (SPD).

GUIDG.COM 23

1.29 Potncia de uma matriz
Seja A uma matriz quadrada, m e n nmeros inteiros, temos:


A
0
= I potncia zero de A , I a matriz identidade.

A
n
=
A A A {~~~~~ }~~~~~y
n fatores
( n > 0 ) , chamamos n-sima potncia de A .

A
@ n
= A
@1
b c
n
= A
@ 1
A
@ 1
A
@ 1
{~~~~~~~~~~~~ }~~~~~~~~~~~~y
n fatores
desde que exista a matriz inversa ( A
@ 1
) de A .


A
m
A
n
= A
m + n
A
m
b cn
= A
mA n



1.30 Matriz inversa
A idia de matriz inversa esta diretamente ligada ao conceito de nmero inverso, e para ilustrar o
problema comearemos com uma matriz de primeira ordem e depois seguiremos para a definio.
Considere a matriz de primeira ordem A = [ x ] , se queremos determinar a matriz A
@ 1
denominada a
inversa de A , precisamos determinar o nmero inverso de x , mas da definio de nmero inverso
sabemos que x A x
@1
= x A
1
x
ffff
= x
@1
A x =
1
x
ffff
A x = 1 , sendo a comutatividade vlida. Assim encontrar a
inversa de A significa encontrar uma matriz tal que quando efetuarmos o produto matricial entre a matriz
e a sua respectiva inversa, sendo a comutatividade vlida, cheguemos ao elemento neutro da
multiplicao matricial, ou seja na matriz I identidade/unidade ento:

A
@ 1
=
1
x
ffff
F G
[ A A
@ 1
= x
@ A 1
x
ffff
F G
= A
@ 1
A =
1
x
ffff
F G
x
@ A
= 1
@ A
= I

O problema que se segue encontrar uma tcnica vivel para inverter matrizes de ordem maior que um,
visto que as matrizes tm definies e propriedades particulares.



1.30.1 Definio
Seja A uma matriz quadrada de ordem m , se existir uma matriz B que satisfaa a equao
AB = BA = I dizemos que B a inversa de A e denota-se B = A
@ 1
a matriz inversa de A .
Ou seja, A inversvel (invertvel) se, e somente se:

.
A A
@ 1
=A
@ 1
A = I


GUIDG.COM 24

1.30.2 Clculo da matriz inversa pela definio
Calcular matrizes inversas pela definio nem sempre fcil, pois dada uma matriz A de ordem m
ento precisamos encontrar uma matriz B de ordem m tal que AB = BA = I , e isto implica em resolver
pelo menos m sistemas com m incgnitas. Para exemplificar, calcularemos a inversa de uma matriz de
ordem dois (m = 2) pela definio, assim precisamos resolver dois sistemas e encontrar quatro incgnitas.


Exemplo 24: Mostre pela definio que A =
3 1
2 1
D E
inversvel.

Soluo: Queremos mostrar que existe A
@ 1
, tal que A A
@ 1
=A
@ 1
A = I , isto :

A
@ 1
=
a b
c d
D E
Q
3 1
2 1
D E
a b
c d
D E
=
a b
c d
D E
3 1
2 1
D E
=
1 0
0 1
D E
no lado esquerdo temos
3a + c 3b + d
2a + c 2b + d
D E
=
1 0
0 1
D E


Para resolver a equao matricial, temos que resolver dois sistemas:

3a + c = 1
2a + c = 0
T
[
6a + 2c = 2
@6a @3c = 0
T
[
a = 1
c =@2
T

3b + d = 0
2b + d = 1
T
[
6b + 2d = 0
@6b @3d =@3
T
[
b =@1
d = 3
T


Logo a inversa de A a matriz A
@ 1
=
1 @1
@2 3
D E
pois
3 1
2 1
D E
1 @1
@2 3
D E
=
1 @1
@2 3
D E
3 1
2 1
D E
=
1 0
0 1
D E


Analogamente poderamos calcular a inversa de uma matriz de ordem maior ou igual a trs, entretanto
precisaramos resolver trs ou mais sistemas lineares para encontrar cada uma das entradas da matriz
inversa. Em 1.30.9 veremos o algoritmo de inverso [ A | I ] que simplifica o procedimento.



No estudo de matrizes inversas so necessrios conhecimentos bsicos da teoria de
DETERMINANTES, faremos as indicaes quando algum assunto for necessrio.



1.30.3 Teste de inverso e clculo da inversa por adjunta
Uma matriz quadrada A inversvel se, e somente se, o determinante de A for diferente de zero, isto :


9 A
@ 1
^ det A 0 pois A
@ 1
=
1
det A
fffffffffffffff
cof A
` a
T
=
1
det A
fffffffffffffff
adj A


Onde detA o determinante da matriz A [2 Determinantes] ;
cofA a matriz co-fatora de A [2.6 Co-fator] e [2.7 Matriz co-fatora] ;
adjA a matriz adjunta de A [2.8 Matriz adjunta] ;

Com este resultado podemos obter a inversa de uma matriz de ordem n.


* Essa uma justificativa para a existncia da inversa. A prova para esse teorema pode ser encontrada na
referncia bibliogrfica (1) pg. 87 .
GUIDG.COM 25

Demonstrao para a justificativa: Seja A uma matriz quadrada de ordem n com detA 0 e usando
o teorema 2.8.1 segue que:

AA adjA = adjAA A = detAA I
n
[Teorema 2.8.1]

Usando esta igualdade temos

AA adjA = det AA I
n
A
@ 1
A AA adjA = A
@ 1
A det AA I
n
I
n
A adjA = A
@1
A det AA I
n
A
@ 1
=
1
det A
fffffffffffffff
adj A


Com isso

A
1
det A
fffffffffffffff
adj A
f g
=
1
det A
fffffffffffffff
AA adj A
b c
=
1
det A
fffffffffffffff
det AA I
n
= I
n


E analogamente prova-se que

1
det A
fffffffffffffff
adj A
f g
A = I
n


Portanto pela definio de matriz inversa, o teorema 1.30.3 esta provado.


Exemplo 25: Recalcule a inversa da matriz A =
3 1
2 1
D E
usando a propriedade 1.30.3 .

[2.6 Co-fator]

A =
3 1
2 1
D E
Qdet A = 3 @2 = 1


Co-fatores de A : cof a
11
` a
= @1
` a2
A 1 = 1 , cof a
12
` a
=@2 , cof a
21
` a
=@1 , cof a
22
` a
= 3


Matriz co-fatora de A e matriz adjunta de A :

cof A =
1 @2
@1 3
D E
Q cofA
` aT
= adj A =
1 @1
@2 3
D E



Logo obtemos a inversa pela propriedade:

A
@ 1
=
1
det A
fffffffffffffff
A adj A =
1
1
ff
A
1 @1
@2 3
D E
A
@ 1
=
1 @1
@2 3
D E


GUIDG.COM 26

1.30.4 Determinante da matriz inversa
Se a matriz A inversvel, seu determinante diferente de zero e vale a seguinte relao:


det A
@1
=
1
det A
fffffffffffffff
^ det A 0

[2.4.8.2 Teorema de Binet]


1.30.5 Matriz no-singular
a matriz cujo determinante difere de zero, ou seja, matrizes inversveis so tambm chamadas de
matrizes no-singulares.


1.30.6 Matriz singular
a matriz cujo determinante zero. A matriz singular no admite inversa ( no inversvel).


1.30.7 Unicidade da matriz inversa
Se a matriz A for inversvel ( detA 0 ) ento a inversa A
@ 1
nica.


Demonstrao: Consideremos a existncia de duas matrizes inversas de A , sendo A
1
e A
2
, ento:


Prova 1:


A A
1
= I e A A
2
= I
A A
1
= A A
2
A A
1
@A A
2
= 0
A A
1
@A
2
b c
= 0


Considerando a existncia da inversa, ento esta no pode ser nula, isto , A 0 , logo s nos resta que
A
1
@A
2
= 0 e assim A
1
= A
2
. Isto garante que se existe a matriz inversa de A , ento ela nica.


Prova 2: Como A
1
uma inversa de A , temos que:

A
1
A = I

Multiplicando ambos os lados pela direita por A
2
:


A
1
A
b c
A
2
= IA
2
= A
2
A
1
A
b c
A
2
= A
1
AA
2
b c
= A
1
I = A
1


Logo A
1
= A
2
e assim, se existe a inversa de A , ela nica.


GUIDG.COM 27

1.30.8 Propriedades da matriz inversa

22. B
@1
b c@1
= B A inversa da matriz inversa de B igual a B.

23. B
@ 1
b cT
= B
T
b c@ 1
A transposta da inversa igual a inversa da transposta.

24. AB
` a@ 1
= B
@1
A
@ 1
Deve-se manter esta ordem.
ABC
` a@1
=C
@1
B
@1
A
@ 1
A propriedade pode ser estendida para n fatores.

25. A + B
` a@ 1
= A
@ 1
+ B
@ 1
Isto se det(A+B) 0 , ou seja a matriz A + B inversvel.

26. k A
` a@ 1
=
1
k
ffff
A
@ 1
k 0

27. I
@1
= I A inversa da matriz identidade ela prpria.


Prova de 26 (Exemplo 26) : Se k um escalar no nulo, as propriedades da multiplicao por escalar
permitem escrever:

kA
` a 1
k
ffff
A
@ 1
f g
=
1
k
ffff
kA
` a
A
@1
=
1
k
ffff
k
f g
AA
@1
= 1 I = I

Da mesma forma temos
1
k
ffff
A
@1
f g
kA
` a
= I
Como isso verifica a definio de inversa, conclumos que kA inversvel, isto : k A
` a@ 1
=
1
k
ffff
A
@ 1
.


Exemplo 27: Sendo A e B matrizes inversveis, verifique usando as propriedades de matrizes, se a
equao matricial verdadeira:

A B
T
b c@ 1
= B
@1
b cT
A
@ 1


Resposta: Sim, use as propriedades 24 e 23 .


GUIDG.COM 28

1.30.9 Algoritmo de inverso [ A | I ] de matrizes inversveis
Para encontrar a inversa de uma matriz A que seja inversvel, deve-se encontrar uma seqncia de
operaes elementares sobre as linhas da matriz A , que reduz esta matriz identidade para depois efetuar
a mesma seqncia de operaes na matriz identidade, desta forma obtendo a inversa de A .

Procedimento: escreve-se a matriz quadrada que se quer inverter ao lado esquerdo da matriz identidade
de mesma ordem, na forma:

A | I
B C


Ento se efetua uma seqncia de operaes elementares simultaneamente sobre as linhas desta matriz tal
que faamos aparecer a identidade no lado esquerdo, e assim a matriz que a aparecer no lado direito ser a
inversa de A :
I | A
@1
B C



1.30.10 Observaes
Este procedimento impossvel se a matriz A for singular (isto , no admitir inversa), o que ir ocorrer
no algoritmo que uma das linhas esquerda ir ser nula no decorrer das operaes sobre as linhas, logo
tornando impossvel de se fazer aparecer a identidade no lado esquerdo. Por isso importante sempre
calcular o determinante da matriz, antes de comear a inverter a dada matriz. Se o determinante for
diferente de zero, a matriz inversvel, caso contrrio pode-se afirmar que a matriz singular (isto no
admite inversa).


Exemplo 28: Usando o algoritmo de inverso, determine a inversa de T =
1 3
0 2
D E
.

Soluo: Vamos inverter a matriz usando o algoritmo de inverso e o procedimento descrito.


T | I
B C
=
1 3 | 1 0
0 2 | 0 1
H
J
I
K
L
2
Q
1
2
fff
L
2
1 3 | 1 0
0 1 | 0
1
2
fff
H
L
L
J
I
M
M
K
, L
1
Q@3L
2
+ L
1
1 0 | 1 @
3
2
fff
0 1 | 0
1
2
fff
H
L
L
L
L
J
I
M
M
M
M
K



Logo T
@ 1
=
1 @
3
2
fff
0
1
2
fff
H
L
L
L
L
J
I
M
M
M
M
K


Veja que a definio verificada, isto , TT
@1
=T
@1
T = I .

GUIDG.COM 29

1.30.11 Frmula da inversa da matriz de ordem dois
Usando o algoritmo de inverso vamos obter uma frmula geral para inverso de matrizes de ordem 2
que sejam inversveis.


Seja A matriz de ordem 2 , tal que o determinante diferente de zero, isto , A inversvel:

A =
a b
c d
D E
Qdet A = ad @bc = x 0 , queremos encontrar A
@ 1
, usando o [ A | I ] , segue que:


a b | 1 0
c d | 0 1
H
J
I
K
L
2
Q@
c
a
ffff
L
1
+ L
2
a b | 1 0
0 @
cb
a
fffffff
+ d
f g
| @
c
a
ffff
1
H
L
L
L
J
I
M
M
M
K
=
a b | 1 0
0
ad @bc
` a
a
fffffffffffffffffffffffffffff
| @
c
a
ffff
1
H
L
L
J
I
M
M
K
=
a b | 1 0
0
x
a
ffff
| @
c
a
ffff
1
H
L
J
I
M
K
L
1
Q@
ba
x
ffffffff
L
2
+ L
1
a 0 | @
ba
x
ffffffff
f g
@
c
a
ffff
d e
+ 1
H
J
I
K
@
ba
x
ffffffff
f g
0
x
a
ffff
| @
c
a
ffff
d e
1
H
L
L
L
L
L
L
L
J
I
M
M
M
M
M
M
M
K
=
a 0 |
bc
x
fffffff
+ 1
f g
@
ba
x
ffffffff
f g
0
x
a
ffff
| @
c
a
ffff
d e
1
H
L
L
L
L
L
L
J
I
M
M
M
M
M
M
K



~
a 0 |
bc + x
x
ffffffffffffffffffff
f g
@
ba
x
ffffffff
f g
0
x
a
ffff
| @
c
a
ffff
d e
1
H
L
L
L
L
L
L
J
I
M
M
M
M
M
M
K
=
a 0 |
bc + ad @bc
x
ffffffffffffffffffffffffffffffffffffffff
f g
@
ba
x
ffffffff
f g
0
x
a
ffff
| @
c
a
ffff
d e
1
H
L
L
L
L
L
L
J
I
M
M
M
M
M
M
K
=
a 0 |
ad
x
ffffffff
f g
@
ba
x
ffffffff
f g
0
x
a
ffff
| @
c
a
ffff
d e
1
H
L
L
L
L
L
L
J
I
M
M
M
M
M
M
K
L
1
Q
1
a
ffff
L
1
, L
2
Q
a
x
ffff
L
2
1 0 |
d
x
ffff
@
b
x
ffff
0 1 | @
c
x
ffff
a
x
ffff
H
L
L
L
L
J
I
M
M
M
M
K
= I | A
@1
B C
QA
@1
=
d
x
ffff
@
b
x
ffff
@
c
x
ffff
a
x
ffff
H
L
L
L
L
J
I
M
M
M
M
K


Logo, para obter a inversa de A
2 B2
, sendo A inversvel, basta trocar o elemento a por d , trocar o
sinal de b e c , calcular e multiplicar pelo inverso do determinante de A , isto :


A =
a b
c d
D E
Q A
@1
=
1
det A
fffffffffffffff d @b
@c a
D E




GUIDG.COM 30

1.30.12 Frmula da inversa da matriz de ordem trs (clculo do elemento da inversa)
Uma frmula mais complexa pode ser deduzida para a inversa de matrizes de ordem trs, veremos que
atravs dessa frmula podemos chegar ao clculo do elemento da matriz inversa.

Seja A uma matriz inversvel, isto A =
a b c
d e f
g h i
H
L
L
J
I
M
M
K
e det A = aei + bfg + dhc @ ceg + fha + dbi
b c
0

A frmula para a inversa de A pode ser obtida analogamente como fizemos para a inversa da matriz de
ordem dois, mas desta vez omitimos o passo a passo para no estender demais este assunto.

A
@ 1
=
1
det A
fffffffffffffff
ei @hf hc @bi bf @ec
gf @di ai @gc dc @af
dh @ge gb @ah ae @db
H
L
L
J
I
M
M
K
{~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ }~~~~~~~~~~~~~~~~~~~~~~~~~~~~~y
B matriz adjunta de A


A partir da deduo chega-se aos prximos resultados, na matriz B note que os elementos:

b
11
= ei hf o determinante da submatriz..................... A
11

b
12
= hc bi o oposto do determinante da submatriz... A
21

b
13
= bf ec o determinante da submatriz.................... A
31

b
21
= gf di o oposto do determinante da submatriz.... A
12

b
22
= ai gc o determinante da submatriz.................... A
22

b
23
= dc af o oposto do determinante da submatriz.... A
32

b
31
= dh ge o determinante da submatriz.................... A
13

b
32
= gb ah o oposto do determinante da submatriz... A
23

b
33
= ae db o determinante da submatriz.................... A
33


O oposto do determinante o determinante com sinal trocado, isto , calcule o determinante e o resultado
obtido fica multiplicado por (1) . Da que obtemos o seguinte esquema de troca de sinais:

a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
H
L
J
I
M
K=
+ @ +
@ + @
+ @ +
H
L
J
I
M
K

Para no memorizar o diagrama, veja que o sinal de cada elemento pode ser obtido com a seguinte regra:

a
ij
= @1
` ai + j
assim a
11
= @1
` a1 + 1
= 1 , a
12
= @1
` a1 + 2
=@1 , a
13
= @1
` a1 + 3
= 1 ,

Alm disso, note que cada elemento b
ij
inicialmente o determinante da submatriz A
ji
, ento podemos
finalizar a nossa anlise com uma regra para o clculo de cada elemento da matriz inversa:

Sendo a matriz A = a
ij
b c
n
e B = b
ij
b c
n
a matriz inversa, ento os elementos da matriz B so dados por:


b
ij
=
1
det A
fffffffffffffff
@1
` a
i + j
det sub A
ji
b c
d e
{~~~~~~~~~~~~~~~~~~~ }~~~~~~~~~~~~~~~~~~~y
cof a
ji
b c
=
1
det A
fffffffffffffff
A cof a
ji
b c


GUIDG.COM 31

A expresso cof a
ji
b c
= @1
` a
i + j
det sub A
ji
b c
d e
{~~~~~~~~~~~ }~~~~~~~~~~~y
Menor complementar M
ji
definida como co-fator do elemento a
ji
.


Com a prtica pode-se tornar este processo mais rpido do que o uso do algoritmo de inverso [ A | I ] .
Para uma melhor compreenso desta deduo veja em [2 Determinantes] as seguintes definies
[2.5 Menor complementar] , [2.6 Co-fator] , [2.7 Matriz co-fatora] e [2.8 Matriz adjunta] .


Exemplo 29: Usando os resultados de 1.30.12 , calcule o elemento b
23
da matriz inversa de A =
1 2 1
0 3 2
0 0 1
H
L
J
I
M
K.
b
ij
=
1
det A
fffffffffffffff
A A
ji
Q b
23
=
1
det A
fffffffffffffff
A A
32


Como esta matriz triangular, o determinante o produto dos elementos da diagonal principal, isto :

det A = a
11
A a
22
A a
33
= 1.3A 1 = 3

Clculo do co-fator

A
32
= @1
` a5
A
1 1
0 2
L
L
L
L
L
M
M
M
M
M
= @1
` a
A 2 =@2

E assim b
23
=
1
det A
fffffffffffffff
A A
32
=
1
3
fff
A @2
` a
=@
2
3
fff


Exemplo 30: Determine a inversa da matriz dada utilizando o algoritmo de inverso [ A | I ] .

-1 3 5
-5 -4 1 A =
3 6 4

Soluo: O primeiro passo calcular o determinante.

det A = @1
` a
@4
` a
4 + 3.1A 3 + @5
` a
6.5 @ 5 @4
` a
3 + 1.6 @1
` a
+ 3 @5
` a
4
B C
=@125 @ @126
` a
= 1

Como det A 0 , conclu-se que a matriz inversvel, ento seguimos para o algoritmo de inverso.

.
-1 3 5 | 1 0 0
-5 -4 1 | 0 1 0
L
1
Q@L
1

3 6 4 | 0 0 1


1 -3 -5 | -1 0 0
-5 -4 1 | 0 1 0
L
2
Q5L
1
+ L
2
L
3
Q@3L
1
+ L
3

3 6 4 | 0 0 1


1 -3 -5 | -1 0 0
0 -19 -24 | -5 1 0
L
3
Q
15
19
fffffff
L
2
+ L
3

0 15 19 | 3 0 1

1 -3 -5 | -1 0 0
L
2
Q@
1
19
fffffff
L
2

0 -19 -24 | -5 1 0


GUIDG.COM 32

1 -3 -5 | -1 0 0

0 1
24
19
fffffff
|
5
19
fffffff
@
1
19
fffffff
0

L
2
Q@
24
19
fffffff
L
3
+ L
2

0 0 1 | -18 15 19

1 -3 -5 | -1 0 0
0 1 0 | 23 -19 -24
L
1
Q@3L
2
+ L
1

0 0 1 | -18 15 19


1 0 -5 | 68 -57 -72
0 1 0 | 23 -19 -24
L
1
Q5L
3
+ L
1

0 0 1 | -18 15 19

1 0 0 | -22 18 23
0 1 0 | 23 -19 -24
L
1
Q5L
3
+ L
1

0 0 1 | -18 15 19



Logo a ltima matriz que est no lado direito a inversa de A . Para verificar se a matriz inversa esta
correta usa-se a definio, isto , multiplica-se a matriz pela sua inversa AA
@1
= A
@ 1
A = I , cujo
resultado a matriz identidade. Ou pode-se usar um software matemtico para no perder tempo.


1.31 Matriz ortogonal
a matriz cuja inversa coincide com a transposta M
@1
= M
T
.

E pela definio 1.30.1 segue que MM
T
= MM
@1
= M
@ 1
M = M
T
M = I .


*O seguinte exemplo requer o conhecimento de determinantes e propriedades.


Exemplo 31: Sendo A
mBm
uma matriz ortogonal, mostre que detA = 1 .

Soluo 1: A
@ 1
= A
T



A A
@1
= A A
T
= I
det A A
T
b c
= det I [ det A
` a
det A
T
b c
= 1
det A
` a
det A
` a
= 1 [ det A
` a2
= 1 [ det A =F1



Soluo 2: A
@ 1
= A
T
[ det A
@1
b c
= det A
T
b c


Aplicando o corolrio 2.4.8.2 , det A
@ 1
b c
=
1
det A
fffffffffffffff
; e a propriedade 2.4.1 , det A = det A
T



det A
@1
b c
= det A
T
b c
[
1
detA
ffffffffffffff
= det A
T
b c
1 = det A
` a2
[det A =F 1
p
wwwwwwwwwwwwwww
=F1



GUIDG.COM 33

1.31.1 Propriedade das matrizes ortogonais
Toda matriz ortogonal tem filas (linhas e colunas) ortonormais, ou seja, os vetores-linha e vetores-coluna
tm comprimento igual a um, e dois-a-dois so ortogonais.

Se A = v
i
| | v
j
B C
ortogonal, onde v
i
, ... v
j
so vetores-coluna, ento v
i
,v
j
* +
=
0 se i j
1 se i = j
V
.
* v
i
N
N
N
N
= v
i
,v
i
( )
q
wwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwww



Exemplo 32: Seja a matriz T = v
1
| v
2
| v
3
B C
, mostre que T ortogonal usando a propriedade 1.31.1 ,
onde v
1
=
2
3
fff
,
2
3
fff
,
1
3
fff
f g
, v
2
=
2
3
fff
, @
1
3
fff
, @
2
3
fff
f g
, v
3
=
1
3
fff
, @
2
3
fff
,
2
3
fff
f g
.


Soluo: v
1
, v
1
, v
3
so vetores-coluna, precisamos mostrar que

v
1
N
N
N
N
= v
2
N
N
N
N
= v
3
N
N
N
N
= 1 e v
1
,v
2
( )
= v
1
,v
3
( )
= v
2
,v
3
( )
= 0

Ou seja, que a norma (comprimento) dos vetores um, e que o produto escalar (produto interno usual)
entre os vetores (dois-a-dois) igual zero.

Se v
i
= x,y,z
` a
ento v
i
N
N
N
N
= v
i
,v
i
( )
q
wwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwww
= x,y,z
( )
x,y,z
( )
q
wwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwww
= x
2
+ y
2
+ z
2
q
wwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwww
v
1
N
N
N
N
=
2
3
fff
f g
2
+
2
3
fff
f g
2
+
1
3
fff
f g
2
v
u
u
u
t
wwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwww
= 1 , v
2
N
N
N
N
=
2
3
fff
f g
2
+ @
1
3
fff
f g
2
+ @
2
3
fff
f g
2
v
u
u
u
t
wwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwww
= 1
v
3
N
N
N
N
=
1
3
fff
f g
2
+ @
2
3
fff
f g
2
+
2
3
fff
f g
2
v
u
u
u
t
wwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwwww
= 1


v
1
,v
2
( )
=
2
3
fff
,
2
3
fff
,
1
3
fff
. /
2
3
fff
, @
1
3
fff
, @
2
3
fff
. /
=
4
9
ffff
@
2
9
fff
@
2
9
fff
= 0 , v
1
,v
3
( )
=
2
3
fff
,
2
3
fff
,
1
3
fff
. /
1
3
fff
, @
2
3
fff
,
2
3
fff
. /
=
2
9
fff
+
2
9
fff
+
4
9
ffff
= 0
v
2
,v
3
( )
=
2
3
fff
, @
1
3
fff
, @
2
3
fff
. /
1
3
fff
, @
2
3
fff
,
2
3
fff
. /
=
2
9
fff
+
2
9
fff
@
4
9
ffff
= 0


Portanto a matriz T ortogonal.


Curiosidade: a matriz T se denotada por [ T ] representa em transformaes lineares um operador
linear ortogonal T : R
3
QR
3
onde cada linha da matriz [ T ] determina a lei de associao e assim a
imagem da transformao, neste caso:

T
@ A
=
2
3
fff
2
3
fff
1
3
fff
2
3
fff
@
1
3
fff
@
2
3
fff
1
3
fff
@
2
3
fff
2
3
fff
H
L
L
L
L
L
L
L
L
L
L
J
I
M
M
M
M
M
M
M
M
M
M
K
[ T : R
3
QR
3
| T x,y,z
` a
=
2
3
fff
x +
2
3
fff
y +
1
3
fff
z ,
2
3
fff
x @
1
3
fff
y @
2
3
fff
z ,
1
3
fff
x @
2
3
fff
y +
2
3
fff
z
f g

GUIDG.COM 34

2 DETERMINANTES
Nesta seo estudaremos a teoria dos determinantes, inicialmente com o conceito de determinante,
passando por todo o contedo necessrio para a definio e ento formalizando a definio com suas
propriedades e aplicaes.


2.1 Conceito de determinante
Podemos dizer inicialmente que o determinante de uma matriz o nmero que representa ou resolve a
matriz. No existe determinante de matrizes retangulares, isto , a ordem das matrizes ser sempre nn .
O determinante de uma matriz quadrada A indicado por detA :

A =
a
11
a
12
a
1n
a
21
a
22
a
2n

a
m1
a
m2
a
mn
H
L
L
L
L
J
I
M
M
M
M
K
ento det A = det
a
11
a
12
a
1n
a
21
a
22
a
2n

a
m1
a
m2
a
mn
H
L
L
L
L
J
I
M
M
M
M
K
= A
L
L
M
M
=
a
11
a
12
a
1n
a
21
a
22
a
2n

a
m1
a
m2
a
mn
L
L
L
L
L
L
L
L
L
L
M
M
M
M
M
M
M
M
M
M


(Contedo opcional) Como nem sempre a definio de determinante cobrada em prova, esta se
restringindo apenas a aplicaes de regras prticas, o teorema de Laplace e a regra de Chi. Portanto esta
parte fica como apndice de contedo somente para os mais interessados na teoria, voc pode seguir
direto para 2.3 Regras prticas para o clculo de determinantes .


2.1.1 Permutao
Dado um conjunto de elementos a
1
, a
2
, a
3
, , a
n
P Q
, defini-se como permutao desse conjunto um
rearranjo destes elementos em alguma ordem sem omisses ou repeties.


2.1.2 Permutao principal
a permutao em que os elementos esto organizados segundo uma ordem seqencial definida.


Exemplo 33: i ) A ordem crescente dos inteiros:
Dado o conjunto {2, 1, 4, 3}, ento a permutao principal 1234 .

ii ) A ordem alfabtica das letras:
Dado o conjunto {d, b, a, c}, ento a permutao principal abcd .


2.1.3 Nmero de permutaes
Dado o conjunto de inteiros {1, 2, 3, ... , n} ento o nmero de permutao dado por n! (n fatorial).


Exemplo 34: No conjunto {1, 2, 3} o nmero de permutao possveis 3! = 3.2.1 = 6 .

Podemos visualizar isto atravs de uma rvore de permutaes . Por exemplo para o conjunto {1, 2, 3}
temos:





Vemos que as possveis permutaes so: 123, 132, 213, 231, 312, 321 .
1
3 2
2 3
3
2 1
1 2
2
3 1
1 3
GUIDG.COM 35

E tambm fica claro que o nmero de permutaes dado por n! pois temos para o conjunto {1, 2, 3}
trs possibilidades de permutaes para o primeiro elemento, e assim escolhido o primeiro, teremos duas
possibilidades para o segundo, e ento escolhido o segundo teremos apenas uma possibilidade para o
terceiro, de forma que teremos 3.2.1 possibilidades de permutaes, totalizando 6 permutaes
possveis. Da que o fatorial entra eliminando a necessidade de construir diagramas, por exemplo.


Exemplo 35: No conjunto {1, 2, 3, 4} o nmero de permutaes possveis 4! = 4.3.2.1 = 24 .







...




E assim sucessivamente at completar as 4 arvores de permutaes relativas ao conjunto { 1, 2, 3, 4 }
onde se obteria as 24 permutaes possveis.


2.1.4 Inverso
Definida uma ordem seqencial dos elementos de um conjunto, ocorre uma inverso entre dois elementos
sempre que esta ordem for alterada (invertida).


Exemplo 36: Dado o conjunto a
1
, a
2
, a
3
P Q
e seja a
1
a
2
a
3
a ordem principal, ento na permutao
a
1
a
3
a
2
ocorre uma inverso.


2.1.5 Nmero de inverses de uma permutao
Considere a permutao a
3
a
2
a
1
a
4
e seja a
1
a
2
a
3
a
4
a permutao principal, ento para determinar o
nmero de inverses ( n
i
):

1 Determine o nmero de elementos que esto depois de a
i
e que so menores que a
i
.
2 Siga este procedimento da esquerda para a direita para cada um dos elementos. Ento a soma destes
nmeros ser o nmero de inverses na permutao.


Exemplo 37: n
i
a
3
a
2
a
1
a
4
` a
= 2 + 1 + 0 = 3


2.1.6 Classe de uma permutao
Uma permutao de classe par se o nmero de inverses um inteiro par e de classe impar se o
nmero de inverses for impar.


1
2
3 4 2 4 2 3
4 3
4 3 4
2 3 2
2
1
3 4 1 4 1 3
4 3
4 3 4
1 3 1
GUIDG.COM 36

Exemplo 38: Determine o nmero de inverses nas seguintes permutaes:

a) 613452 Q n
i
= 5 + 0 + 1 + 1 + 1 = 8 par

b) 2413 Q n
i
= 1 + 2 + 0 = 3 impar

c) 4321 Q n
i
= 3 + 2 + 1 = 6 par

d) acb Q n
i
= 0 + 1 = 1 impar

d) adcb Q n
i
= 0 + 2 + 1 = 3 impar

e) 1234 Q n
i
= 0 + 0 + 0 = 0 par


2.1.7 Produto elementar
Seja A uma matriz quadrada de ordem n . Um produto elementar de A o produto de n entradas de A
tais que existem apenas uma entrada de cada fila (linha ou coluna).


2.1.8 Produto elementar com sinal
Se um produto elementar for de classe impar o produto leva o sinal - e se for de classe par o produto leva
o sinal + .


2.2 Determinante de uma matriz
O determinante de uma matriz a soma algbrica dos produtos que se obtm efetuando todas as
permutaes dos segundos ndices do termo principal, fixados os primeiros ndices e fazendo-se
preceder os produtos do sinal + ou - , conforme a permutaes dos segundos ndices seja de classe par
ou de classe impar.


Exemplo 39: Calcular o determinante usando a definio:

a) A =
a
11
a
12
a
21
a
22
F G


Soluo:

i ) Primeiro escrevemos os elementos que compe o termo principal omitindo os segundos ndices e um
conjunto com n elementos, sendo n a ordem da matriz.

Termo principal de A : a
11
a
22
omitindo os segundos ndices a
1
a
2

Conjunto com n elementos conforme a ordem da matriz A : { 1,2 }

ii ) Agora tomamos as permutaes de { 1, 2 } que so 12 e 21 , e substitumos na seguinte forma:

12 a
1
a
2
e assim obtemos o produto elementar a
11
a
22




GUIDG.COM 37

Como a permutao 12 dos segundos ndices de classe par, temos o produto elementar com sinal + ,
portanto temos o produto a
11
a
22


21 a
1
a
2
e assim obtemos o produto elementar a
12
a
21




Como a permutao 21 dos segundos ndices de classe impar, temos o produto elementar com sinal - ,
portanto temos o produto @a
12
a
21



iii ) Logo o determinante de A dado pela soma algbrica dos produtos elementares com sinal, isto :

det A = a
11
a
22
@a
12
a
21



b) B =
b
11
b
12
b
13
b
21
b
22
b
23
b
31
b
32
b
33
H
L
L
L
J
I
M
M
M
K


Soluo:

i ) Termo principal de B : b
11
b
22
b
33
omitindo os segundos ndices b
1
b
2
b
3

Conjunto com n elementos conforme a ordem da matriz B : { 1,2, 3 }

ii ) Permutaes de { 1, 2, 3 } : 123, 132, 213, 231, 312, 321

123 b
1
b
2
b
3
e assim obtemos o produto elementar b
11
b
22
b
33




Como a permutao 123 dos segundos ndices de classe par, temos o produto elementar com sinal + ,
portanto temos o produto + b
11
b
22
b
33



132 b
1
b
2
b
3
e assim obtemos o produto elementar b
11
b
23
b
32




Como a permutao 132 dos segundos ndices de classe impar, temos o produto elementar com sinal -
, portanto temos o produto @b
11
b
23
b
32



E assim sucessivamente temos todos os outros produtos elementares com sinal:

213 Q b
12
b
21
b
33
Q@b
12
b
21
b
33
231 Q b
12
b
23
b
31
Q + b
12
b
23
b
31
312 Q b
13
b
21
b
32
Q + b
13
b
21
b
32
321 Q b
13
b
22
b
31
Q@b
13
b
22
b
31

GUIDG.COM 38

iii ) Logo o determinante de B dado pela soma algbrica dos produtos elementares com sinal, isto :

det B = b
11
b
22
b
33
@b
11
b
23
b
32
@b
12
b
21
b
33
+ b
12
b
23
b
31
+ b
13
b
21
b
32
@b
13
b
22
b
31
= b
11
b
22
b
33
+ b
12
b
23
b
31
+ b
13
b
21
b
32
@b
11
b
23
b
32
@b
12
b
21
b
33
@b
13
b
22
b
31
= b
11
b
22
b
33
+ b
12
b
23
b
31
+ b
13
b
21
b
32
@ b
11
b
23
b
32
+ b
12
b
21
b
33
+ b
13
b
22
b
31
b c



2.2.1 Observaes
Calcular determinantes diretamente da definio leva a dificuldades computacionais. De fato, calcular um
determinante de ordem 44 diretamente envolveria calcular 4! = 24 produtos elementares com sinal e
um determinante 1010 envolveria calcular 10! = 3.628.800 produtos elementares com sinal. Mesmo os
mais rpidos computadores digitais no conseguem dar conta em um tempo razovel dos clculos de um
determinante de ordem 2525 por este mtodo. E, portanto muito do que se segue, ser o
desenvolvimento de mtodos que simplifiquem o clculo de determinantes.


2.3 Regras prticas para o clculo de determinantes
Com o objetivo de tornar vivel o clculo de determinantes, estudaremos algumas regras prticas a seguir.


2.3.1 Determinante de uma matriz de primeira ordem

A = a
11
@ A
Qdet A = a
11
L
L
M
M
= a
11


* No o mdulo do elemento, e sim o prprio elemento.


2.3.2 Determinante de uma matriz de segunda ordem

A =
a
11
a
12
a
21
a
22
F G
Qdet A =
a
11
a
12
a
21
a
22
L
L
L
L
L
M
M
M
M
M
= a
11
A a
22
@ a
21
A a
12
` a


O determinante de uma matriz de segunda ordem dado pelo produto dos elementos da diagonal
principal menos o produto dos elementos da diagonal secundria, isto , o termo principal menos o
termo secundrio.


GUIDG.COM 39

2.3.3 Determinante de uma matriz de terceira ordem
Nesta seo veremos varias formas prticas de se calcular o determinante de uma matriz de ordem trs.


2.3.3.1 Desenvolvimento do determinante pela primeira linha
A partir do desenvolvimento pela definio, se colocarmos os trs primeiros elementos a
11
, a
12
e a
13

em evidncia chegamos a esta regra.


A
3
Qdet A = a
11
a
22
a
33
+ a
12
a
23
a
31
+ a
13
a
21
a
32
@ a
11
a
23
a
32
+ a
12
a
21
a
33
+ a
13
a
22
a
31
b c
= a
11
a
22
a
33
@a
23
a
32
` a
+ a
12
a
23
a
31
@a
21
a
33
` a
+ a
13
a
21
a
32
@a
22
a
31
` a
= a
11
a
22
a
33
@a
32
a
23 {~~~~~~~~~~~ }~~~~~~~~~~~y
M
11
f g
@a
12
a
21
a
33
@a
31
a
23 {~~~~~~~~~~~ }~~~~~~~~~~~y
M
12
f g
+ a
13
a
21
a
32
@a
31
a
22 {~~~~~~~~~~~ }~~~~~~~~~~~y
M
13
f g


Veja que os produtos entre parnteses (a
22
a
33
a
32
a
23
) , (a
21
a
33
a
31
a
23
) e (a
21
a
32
a
31
a
22
) so os
determinantes das submatrizes A
11
, A
12
e A
13
respectivamente , e isto equivalente a dizer que os
produtos entre parnteses so os menores complementares de a
11
,

a
12
e a
13
, logo temos a regra:

det A =
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
L
L
L
L
L
L
L
L
M
M
M
M
M
M
M
M
= a
11
M
11
@a
12
M
12
+ a
13
M
13


[2.5 Menor complementar]

Curiosidade: Substituindo a
11
= i
jjjjjjjjjjjjjj k
, a
12
= j
jjjjjjjjjjjjjj k
, a
13
= k
jjjjjjjjjjjjjj k
temos o produto vetorial no R
3
, e a partir
daqui que a regra extrada, consulte ALGA-I: Exerccios Resolvidos Vetores, PG. 3 para verificar.


2.3.3.2 Desenvolvimento do determinante por fila
Analogamente ao desenvolvimento pela primeira linha podemos criar regras para qualquer fila que
desejarmos bastando que evidenciemos os elementos dessa fila, cuidando com a troca de sinais.


Exemplo 40: Se quisermos desenvolver o determinante pela segunda coluna temos a seguinte regra:

det A =@a
12
M
12
+ a
22
M
22
@a
32
M
32



2.3.3.3 Regra de Seki Kowa

A =
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
H
L
J
I
M
KQdet A =
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
L
L
L
L
L
L
L
L
M
M
M
M
M
M
M
M
=
a
11
A a
22
A a
33
+ a
12
A a
23
A a
31
+ a
21
A a
32
A a
13
@ a
13
A a
22
A a
31
+ a
23
A a
32
A a
11
+ a
12
A a
21
A a
33
b c


O diagrama de linha pode ser imaginado conforme a ordem em que os elementos so multiplicados.

GUIDG.COM 40

2.3.3.4 Regra de Sarrus
Existem duas formas (A e B) de se aplicar a regra de Sarrus.


A - Repetindo as duas primeiras colunas:

I) Repetir a primeira e a segunda coluna.
II) Somar os produtos das diagonais descendentes e subtrair os produtos das diagonais ascendentes.


@a
31
A a
22
A a
13
@a
32
A a
23
A a
11
@a
33
A a
21
A a
12
det A =
a
11
a
12
a
13
a
11
a
12
a
21
a
22
a
23
a
21
a
22
a
31
a
32
a
33
a
31
a
32
L
L
L
L
L
L
L
L
M
M
M
M
M
M
M
M
a
11
A a
22
A a
33
+ a
12
A a
23
A a
31
+ a
13
A a
21
A a
32
det A = a
11
A a
22
A a
33
+ a
12
A a
23
A a
31
+ a
13
A a
21
A a
32
@ a
31
A a
22
A a
13
+ a
32
A a
23
A a
11
+ a
33
A a
21
A a
12
b c



B - Repetindo as duas primeiras linhas.

I) Repetir a primeira e a segunda linha.
II) Somar o produto das diagonais descendentes e subtrair o produto das diagonais ascendentes.

det A =
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
a
11
a
12
a
13
a
21
a
22
a
23
L
L
L
L
L
L
L
L
L
L
L
L
L
M
M
M
M
M
M
M
M
M
M
M
M
M

@a
31
A a
22
A a
13
@a
11
A a
32
A a
23
@a
21
A a
12
A a
33
a
11
A a
22
A a
33
+ a
21
A a
32
A a
13
+ a
31
A a
12
A a
23


det A = a
11
A a
22
A a
33
+ a
21
A a
32
A a
13
+ a
31
A a
12
A a
23
@ a
31
A a
22
A a
13
+ a
11
A a
32
A a
23
+ a
21
A a
12
A a
33
b c



*Apesar de fcil, a regra de Sarrus muito trabalhosa em ter de reescrever as linhas ou as colunas.
Recomendamos aprender as duas primeiras regras e realizar os clculos mentalmente.


2.4 Propriedades dos determinantes
Nesta seo seguem vrias propriedades e conseqncias importantes para o estudo e aplicao de
determinantes em sistemas lineares e tambm em diversos outros assuntos da lgebra linear.


2.4.1 Propriedade
O determinante de uma matriz A igual ao de sua transposta
A
T
.

det A = det A
T



GUIDG.COM 41

2.4.2 Propriedade
Sendo A uma matriz quadrada, ento a troca de duas filas paralelas gera uma matriz B tal que o
determinante de B difere do determinante de A apenas pelo sinal.


Exemplo 41:


A =
a b
c d
D E
Qdet A = ad @cb e B =
c d
a b
D E
Qdet B = cb @ad =@ ad @cb
` a
det B =@det A



2.4.2.1 Corolrio
Se a matriz A tem duas filas paralelas iguais, ento o detA igual a zero.


Exemplo 42: A =
a x a
b y b
c z c
H
J
I
K
Qdet A = ayc + xbc + bza @ ayc + bza + xbc
b c
= 0


2.4.3 Propriedade
Se B uma matriz tal que uma de suas filas nula, ento detB = 0 .

Exemplo 43: B =
a x 0
b y 0
c z 0
H
L
J
I
M
KQdet B = 0


2.4.4 Propriedade
Se B uma matriz tal que uma de suas filas proporcional outra, ento detB = 0 .

Exemplo 44:

B =
a x 2a
b y 2b
c z 2c
H
L
J
I
M
KQdet B = aA yA 2c + x A 2bA c + bA zA 2a @ 2aA yA c + 2bA zA a + x A bA 2c
b c
det B = 2A aA cA y + 2A bA cA x + 2A aA bA z @ 2A aA cA y + 2A aA bA z + 2A bA cA x
b c
det B = 0



2.4.5 Propriedade
Se B uma matriz tal que uma de suas filas est multiplicada por uma constante k , ento podemos
colocar k em evidencia multiplicando o determinante B .


GUIDG.COM 42

Exemplo 45:


B =
kx y
kz w
F G
Qdet B = kx A w @kzA y = k x A w @zA y
` a
det B = k A det B = k A
x y
z w
L
L
L
L
M
M
M
M
= k x A w @zA y
` a



2.4.5.1 Corolrio
Se B uma matriz de ordem n que esta multiplicada por k , ento

det k A B
` a
= k
n
det B


Exemplo 46:

k A B =
kx ky
kz kw
F G
Qdet k A B
` a
= kx A kw @kzA ky = k
2
A xw @k
2
A zy = k
2
xw @zy
` a
det k A B
` a
= k A k A det B = k
2
A det B = k
2
A
x y
z w
L
L
L
L
M
M
M
M
= k
2
x A w @zA y
` a



2.4.6 Propriedade
Se numa das filas dum determinante tivermos uma soma de termos, ento podemos separar esta soma em
dois determinantes, tal que a soma destes igual ao primeiro.


Exemplo 47:


det A = det B + det C
a b u + v
c d x + y
e f z + w
L
L
L
L
L
L
L
L
M
M
M
M
M
M
M
M
=
a b u
c d x
e f z
L
L
L
L
L
L
L
L
M
M
M
M
M
M
M
M
+
a b v
c d y
e f w
L
L
L
L
L
L
L
L
M
M
M
M
M
M
M
M



Exemplo 48: Verifique a relao entre os seguintes determinantes:


det A =
2 1
3 0
L
L
L
L
L
M
M
M
M
M
=@3 det B =
2 1
3 @2
L
L
L
L
L
M
M
M
M
M
=@4 @3 =@7 det C =
2 2
3 @2
L
L
L
L
L
M
M
M
M
M
=@4 @6 =@10
det C = det A + det B
2 1 + 1
3 0 @2
L
L
L
L
L
M
M
M
M
M
=
2 1
3 0
L
L
L
L
L
M
M
M
M
M
+
2 1
3 @2
L
L
L
L
L
M
M
M
M
M
@10 =@3 @7



GUIDG.COM 43

2.4.7 Teorema de Jacobi
O determinante no se altera quando adicionamos a uma de suas filas, uma combinao linear das demais
filas paralelas.

Exemplo 49: det D =
1 0 2
3 @1 6
2 4 8
L
L
L
L
L
L
L
M
M
M
M
M
M
M
=@8 + 0 + 24 @ @4 + 24 + 0
` a
= 16 @20 =@4

Trocando a primeira coluna por menos a metade da terceira coluna somada com a primeira:


C
1
Q@
1
2
fff
C
3
+ C
1
2A @
1
2
fff
f g
+ 1 0 2
6A @
1
2
fff
f g
+ 3 @1 2
8A @
1
2
fff
f g
+ 2 4 8
L
L
L
L
L
L
L
L
L
L
L
L
L
L
L
L
L
L
L
L
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
=
@1 + 1 0 2
@3 + 3 @1 2
@4 + 2 4 8
L
L
L
L
L
L
L
M
M
M
M
M
M
M
=
0 0 2
0 @1 2
@2 4 8
L
L
L
L
L
L
L
M
M
M
M
M
M
M
det D = 0 + 0 + 0 @ 4 + 0 + 0
` a
=@4



Exemplo 50: det E =
4 9 2
7 @1 4
2 6 1
L
L
L
L
L
L
L
M
M
M
M
M
M
M
=@4 + 72 + 84 @ @4 + 96 + 63
` a
= 152 @155 =@3

Trocando a primeira linha por menos duas vezes a terceira linha somada com a primeira.

L
1
Q@2L
3
+ L
1
2A @2
` a
+ 4 6A @2
` a
+ 9 1A @2
` a
+ 2
7 @1 4
2 6 1
L
L
L
L
L
L
L
L
M
M
M
M
M
M
M
M
=
@4 + 4 @12 + 9 @2 + 2
7 @1 4
2 6 1
L
L
L
L
L
L
L
M
M
M
M
M
M
M
=
0 @3 0
7 @1 4
2 6 1
L
L
L
L
L
L
L
M
M
M
M
M
M
M
= det E = 0 @24 + 0 @ 0 + 0 @21
` a
=@24 + 21 =@3



2.4.7.1 Corolrio
Seu uma fila de um determinante igual a uma combinao linear de filas paralelas, o determinante
igual a zero.


Exemplo 51: D=
1 2 8
3 2 12
4 @1 5
L
L
L
L
L
L
L
M
M
M
M
M
M
M
= 10 + 96 @24 @ 64 @12 + 30
` a
= 82 @82 = 0

Veja que cada elemento da terceira coluna igual primeira coluna multiplicada por 2 somada com a
segunda coluna multiplicada por 3 , isto :

C
3
= 2C
1
+ 3C
2

8 = 2(1) + 3(2) = 2 + 6
12 = 2(3) + 3(2) = 6 + 6
5 = 2(4) + 3(1) = 8 3

Neste caso no seria necessrio calcular o determinante, pois por 2.4.7.1 o determinante igual a zero.
GUIDG.COM 44

2.4.8 Teorema de Binet
Sendo A e B matrizes de mesma ordem ento o determinante:

det AA B
` a
= det AA det B

2.4.8.1 Corolrio
Sendo A uma matriz quadrada e n 2N
C
, ento: det
A A A {~~~~ }~~~~y
n fatores
d e
= det A
n
b c
= det A
` a
n



2.4.8.2 Corolrio
Sendo A uma matriz inversvel, ento: det A
@ 1
b c
=
1
det A
fffffffffffffff


Justificativa de 2.4.8.2:


A
@ 1
A A = I [ det A
@ 1
A A
b c
= det I [ det A
@1
A det A = det I
det A
@1
=
1
det A
fffffffffffffff


I a matriz identidade e det I = 1 .


2.4.9 Resumo das propriedades dos determinantes
Nesta seo listamos as principais propriedades dos determinantes com suas respectivas demonstraes
indicadas.


I - O determinante de ordem n nulo se tiver:

(2.4.2.1) Duas filas paralelas iguais.
(2.4.3) Uma fila nula.
(2.4.4) Duas filas paralelas proporcionais.
(2.4.7.1) Uma fila que for combinao linear de outras filas paralelas.


II - O determinante de ordem n se altera:

(2.4.2) Trocando de sinal, quando duas filas paralelas trocam entre si de posio;
(2.4.5) Ficando multiplicado por k , quando os elementos de uma fila esto multiplicados por k ;
(2.4.5.1) Ficando multiplicado por k
n
, quando a matriz est multiplicada por k .


III - O determinante de ordem n no se altera quando:

(2.4.1) Trocarmos ordenadamente as linhas pelas colunas ( det A = det A
T
).
(2.4.7) Somarmos a uma fila uma combinao linear de outras filas paralelas (Teorema de Jacobi).



GUIDG.COM 45

2.5 Menor complementar
Sendo A uma matriz quadrada de ordem n com n 2 , chama-se menor complementar do elemento
a
ij
, e indicamos por M
ij
, o determinante da submatriz A
ij
, isto :

M
ij
= det sub A
ij
b c
d e


[1.20 Submatriz]


Exemplo 52: Dada a matriz A , calcular M
11
, M
12
, M
32
, M
33
.
A =
1 0 2
3 6 1
@1 2 4
H
L
J
I
M
K



M
11
= det sub A
11
b c
d e
=
6 1
2 4
L
L
L
L
L
M
M
M
M
M
= 24 @2 = 22 M
32
= det sub A
32
b c
d e
=
1 3
2 1
L
L
L
L
L
M
M
M
M
M
= 1 @6 =@5
M
12
= det sub A
12
b c
d e
=
3 1
@1 4
L
L
L
L
L
M
M
M
M
M
= 12 @ @1
` a
= 13 M
33
= det sub A
33
b c
d e
=
1 0
3 6
L
L
L
L
L
M
M
M
M
M
= 6 @0 = 6



2.6 Co-fator
Chama-se co-fator do elemento a
ij
, e denota-se cof a
ij
b c
= @1
` ai + j
A M
ij
, onde M
ij
o menor
complementar de a
ij
.


2.7 Matriz co-fatora
Sendo A uma matriz quadrada de ordem n com n 2 , chama-se matriz co-fatora de A e indica-se
por cofA a matriz cujos elementos so os co-fatores dos elementos da matriz A.


2.8 Matriz adjunta
Dada uma matriz A , chama-se matriz adjunta de A , a matriz transposta da matriz co-fatora de A e
indica-se por adj A = cof A
` aT
.


GUIDG.COM 46

Exemplo 53: Dada a matriz A =
7 1 2
4 3 0
6 1 4
H
L
J
I
M
K obter os co-fatores dos elementos de A , cofA e adjA .

Soluo: Clculo dos co-fatores.


cof a
11
` a
= @1
` ai + j

11
= @1
` a2
A
3 0
1 4
L
L
L
L
L
M
M
M
M
M
= 1A 12 @0
` a
= 12
cof a
12
` a
= @1
` a
3
A
4 0
6 4
L
L
L
L
L
M
M
M
M
M
= @1
` a
16 @0
` a
=@16
cof a
13
` a
= @1
` a4
A
4 3
6 1
L
L
L
L
L
M
M
M
M
M
= 1 4 @18
` a
=@14

cof a
21
` a
=@2 , cof a
22
` a
= 16 , cof a
23
` a
=@1 , cof a
31
` a
=@6 , cof a
32
` a
= 8 , cof a
33
` a
= 17


cof A =
12 @16 @14
@2 16 @1
@6 8 17
H
L
J
I
M
KQ cof A
` aT
= adj A =
12 @2 @6
@16 16 8
@14 @1 17
H
L
J
I
M
K


2.8.1 Teorema da matriz adjunta
Seja A uma matriz quadrada de ordem n e I
n
a matriz identidade de ordem n , ento:


AA adj A = adj AA A = det A
` a
A I
n



*Demonstrao omitida, consulte a referncia bibliogrfica (5) pg. 110-D .


2.9 Teorema de Laplace
Seja A uma matriz quadrada de ordem n com n 2 , o determinante de A dado pela soma dos
produtos dos elementos de uma fila (linha ou coluna) qualquer pelos respectivos co-fatores, isto :

A =
a
11
a
12
a
1n
a
21
a
22
a
2n

a
n1
a
n2
a
nn
H
L
L
L
L
J
I
M
M
M
M
K

det A = X
j = 1
n
a
ij
A A
ij
= a
i1
A A
i1
+ a
i2
A A
i2
+ a
in
A A
in
Sendo i uma linha qualquer da matrizA
ou det A =X
i = 1
n
a
ij
A A
ij
= a
1j
A A
1j
+ a
2j
A A
2j
+ a
nj
A A
nj
Sendo j uma coluna qualquer da matriz A



*Demonstrao omitida, consulte a referncia bibliogrfica (5) pg. 105-D .
GUIDG.COM 47

2.9.1 Observaes

I - No clculo do determinante de uma matriz de ordem n , recamos em determinantes de matrizes de
ordem n 1 , e no clculo destes, recamos em determinantes de ordem n 2 , e assim
sucessivamente, at recairmos em determinantes de matrizes de ordem 3 , que sabemos calcular
facilmente, aplicando a regra de Sarrus, Seki Kowa, etc.

II - Para facilitar o clculo do determinante aconselhvel escolher uma linha ou coluna com o maior
nmero de zeros.

III - A aplicao conveniente do teorema de Jacobi pode facilitar o clculo do determinante pelo teorema
de Laplace, por exemplo, efetuando-se uma combinao linear conveniente tal que gere uma linha ou
coluna com maior nmero de zeros que o determinante inicial.


Exemplo 54: Calcule o determinante da matriz A =
1 2 3 1
0 @1 2 1
@2 3 1 2
3 4 6 3
H
L
L
L
L
J
I
M
M
M
M
K
.

De acordo com as observaes citadas aps o teorema de Laplace, devemos escolher a primeira coluna
(ou a segunda linha), mas ainda teramos que calcular trs co-fatores, ento aplicamos o teorema de
Jacobi, efetuando as seguintes combinaes lineares.

Dica: Neste caso concentre-se na coluna que devemos simplificar para poder visualizar a combinao
linear conveniente.

L
x
= Linha, C
x
= Coluna, x = indicao da linha ou coluna

Pelo teorema de Jacobi, temos que:

det A =
1 2 3 1
0 @1 2 1
@2 3 1 2
3 4 6 3
L
L
L
L
L
L
L
L
L
L
M
M
M
M
M
M
M
M
M
M
L
3
Q2A L
1
+ L
3
1 2 3 1
0 @1 2 1
0 7 7 4
3 4 6 3
L
L
L
L
L
L
L
L
L
L
M
M
M
M
M
M
M
M
M
M
L
4
Q@3A L
1
+ L
4
, det A =
1 2 3 1
0 @1 2 1
0 7 7 4
0 @2 @3 0
L
L
L
L
L
L
L
L
L
L
M
M
M
M
M
M
M
M
M
M


Aplicando o teorema de Laplace na primeira coluna, temos que:


det A = A
11
A a
11
+ A
21
A a
21
+ A
31
A a
31
+ A
41
A a
41
= A
11
A 1 + A
21
A 0 + A
31
A 0 + A
41
A 0
= A
11

GUIDG.COM 48

Clculo do co-fator:

cof A
11
b c
= @1
` a
i + j
A M
11
= @1
` a
2
@1 2 1
7 7 4
@2 @3 0
L
L
L
L
L
L
L
M
M
M
M
M
M
M
= 1A 0 @16 @21 @ @14 + 12 + 0
` a
B C
=@37 @ @2
` a
=@35

Logo pelo teorema de Laplace detA = -35


2.9.2 Corolrio: Determinante de matrizes triangulares ou diagonais
Sendo A uma matriz triangular (de qualquer ordem), o determinante de A o produto dos elementos da
diagonal principal. A verificao feita aplicando-se o teorema de Laplace na linha ou coluna que tiver
maior nmero de zeros.

Logo o determinante de uma matriz A triangular ou diagonal de ordem n generalizado como:

det A =Y
i = 1
n
a
ii
= a
11
A a
22
A a
33
A A a
nn


*Se houver duvidas verifique a notao de produtrio.


2.10 Determinante por triangulao
De acordo com 2.9.2 , podemos calcular o determinante de uma matriz quadrada de ordem m ,
reduzindo esta a uma matriz triangular equivalente, e depois multiplicar os elementos da diagonal
principal, assim obtendo o determinante da matriz.


Exemplo 55: Calcule o determinante de A por triangulao:


A =
1 5 7
9 5 @1
@5 4 @3
H
L
J
I
M
KQdet A =
1 5 7
9 5 @1
@5 4 @3
L
L
L
L
L
L
L
M
M
M
M
M
M
M
L
2
Q@9L
1
+ L
2
, L
3
Q5L
1
+ L
3
,
1 5 7
0 @40 @64
0 29 32
L
L
L
L
L
L
L
M
M
M
M
M
M
M
L
3
Q
29
40
ffffffff
L
2
+ L
3
, det A =
1 5 7
0 @40 @64
0 0 @
72
5
ffffffff
f g
L
L
L
L
L
L
L
L
L
L
L
L
M
M
M
M
M
M
M
M
M
M
M
M
= 1 @40
` a
@
72
5
ffffffff
f g
= 576



GUIDG.COM 49

2.11 Determinante de Vandermonde (determinante das potncias)
O determinante de ordem n 2 assim chamado se, e somente se, na primeira linha os elementos forem
todos iguais a 1 ; na segunda linha nmeros quaisquer; na terceira linha os quadrados da segunda linha;
na quarta linha os cubos da segunda linha, e assim sucessivamente.

* Os elementos da segunda linha so denominados elementos caractersticos.


Exemplo 56:

I Determinante de Vandermonde de ordem 3. det D =
1 1 1
a b c
a
2
b
2
c
2
L
L
L
L
L
L
L
L
M
M
M
M
M
M
M
M


II Determinante de Vandermonde de ordem 4. det D =
1 1 1 1
a b c d
a
2
b
2
c
2
d
2
a
3
b
3
c
3
d
3
L
L
L
L
L
L
L
L
L
L
L
M
M
M
M
M
M
M
M
M
M
M



2.11.1 Propriedade
Um determinante de Vandermonde igual ao produto de todas as diferenas que se obtm subtraindo-se
de cada um dos elementos caractersticos os elementos precedentes, independente da ordem do
determinante.


Exemplo 57:

det A =
1 2 4
1 4 16
1 7 49
L
L
L
L
L
L
L
M
M
M
M
M
M
M
= det A
T
=
1 1 1
2 4 7
4 16 49
L
L
L
L
L
L
L
M
M
M
M
M
M
M


Elementos caractersticos: a = 2 , b = 4 , c = 7 , detA = (4-2).(7-4).(7-2) = 2.3.5 = 30


2.12 Regra de Chi
Esta regra uma aplicao do teorema de Jacobi que permite reduzir a ordem de um determinante para
simplificar o seu clculo. Para aplicar a regra de Chi, precisamos de uma matriz A , quadrada de ordem
n 2 , com pelo menos um elemento a
ij
= 1 .


Procedimento:

I Eliminamos da matriz A , a linha i e a coluna j , onde se encontra a
ij
= 1 obtendo a submatriz A
ij
.

II Subtramos dos elementos da submatriz A
ij
o produto dos elementos eliminados que se encontram
na sua linha e coluna respectivamente, obtendo assim uma matriz B de ordem n 1 .

III O determinante de A dado por: det A = @1
` ai + j
A det B

GUIDG.COM 50

Exemplo 58: Re-calcular o exemplo dado aps o teorema de Laplace, utilizando a Regra de Chi.

A =
1 2 3 1
0 @1 2 1
@2 3 1 2
3 4 6 3
H
L
L
L
L
J
I
M
M
M
M
K


Soluo:

I Escolhendo a
11
= 1 , eliminamos a primeira linha e a primeira coluna.

A =
1 2 3 1
0 @1 2 1
@2 3 1 2
3 4 6 3
H
L
L
L
L
J
I
M
M
M
M
K




II Subtraindo dos elementos da submatriz A
11
o produto dos elementos eliminados na respectiva linha e
coluna.

B =
@1 @ 0.2
` a
2 @ 0.3
` a
1 @ 0.1
` a
3 @ @2.2
` a
1 @ @2.3
` a
2 @ @2.1
` a
4 @ 3.2
` a
6 @ 3.3
` a
3 @ 3.1
` a
H
L
L
L
J
I
M
M
M
K
=
@1 2 1
7 7 4
@2 @3 0
H
L
J
I
M
K


III Assim o determinante de A dado por:

det A = @1
` a
i + j
A det B = @1
` a
1 + 1
A
@1 2 1
7 7 4
@2 @3 0
L
L
L
L
L
L
L
M
M
M
M
M
M
M
= 1A 0 @16 @21 @ @14 + 12 + 0
` a
B C
=@35


Logo, pela regra de Chi detA = -35 .


GUIDG.COM 51

Exemplo 59: Calcule o determinante da matriz W , usando a Regra de Chi.

W =
2 3 0 2
4 2 1 5
@1 7 2 9
@2 0 4 7
H
L
L
L
L
J
I
M
M
M
M
K



Soluo:

I Escolhendo a
23
= 1 .

W =
2 3 0 2
4 2 1 5
@1 7 2 9
@2 0 4 7
H
L
L
L
L
J
I
M
M
M
M
K



II Subtraindo dos elementos da submatriz W
23
o produto dos elementos eliminados na respectiva linha
e coluna.

X =
2 @ 4.0
` a
3 @ 2.0
` a
2 @ 5.0
` a
@1 @ 4.2
` a
7 @ 2.2
` a
9 @ 5.2
` a
@2 @ 4.4
` a
0 @ 2.4
` a
7 @ 5.4
` a
H
L
L
L
J
I
M
M
M
K
=
2 3 2
@9 3 @1
@18 @8 @13
H
L
J
I
M
K


III Assim o determinante de W dado por:

det W = @1
` a
i + j
A det X = @1
` a
2 + 3
A
2 3 2
@9 3 @1
@18 @8 @13
L
L
L
L
L
L
L
M
M
M
M
M
M
M
=@1A @78 + 54 + 144 @ @108 + 16 + 351
` a
B C
=@1A 120 @259
@ A
=@ @139
@ A
= 139


Logo, pela regra de Chi detW = 139 .





GUIDG.COM 52

3 SISTEMAS DE EQUAES LINEARES


3.1 Equao linear
So as equaes onde as incgnitas tem grau de expoente igual 1 , na forma:

a
1
x
1
+ a
2
x
2
+ a
3
x
3
+ + a
n @1
x
n @1
+ a
n
x
n
= b

x
i
so as variveis (incgnitas);
a
i
so os respectivos coeficientes;
b o termo independente.


3.1.1 Razes (ou identidade) da equao linear
So os valores das variveis que tornam a equao linear verdadeira;


3.1.2 Conjunto soluo da equao linear
o conjunto formado pelas razes da equao linear.


3.2 Sistema de equaes lineares (sistema linear)
um conjunto de equaes lineares, e tem a seguinte representao:

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
m1
x
1
+ a
m2
x
2
+ a
m3
x
3
+ + a
mn
x
n
= b
m
X
^
^
^
^
^
^
\
^
^
^
^
^
^
Z



3.2.1 Conjunto soluo de um sistema linear
So os valores das variveis que tornam o sistema linear verdadeiro. Esses valores so as razes do
sistema linear.

Um sistema linear pode apresentar trs casos de solues, ento se:

I Possui uma nica soluo, dizemos que o Sistema Possvel e Determinado (SPD) .
II Possui infinitas solues, dizemos que o Sistema Possvel e Indeterminado (SPI) .
III No possui soluo, dizemos que o Sistema Impossvel (SI) .


3.2.2 Discusso de sistemas
Discutir um sistema linear determinar se ele (ou quando ) SPD , SPI ou SI , estes casos ocorrem
conforme for o nmero de solues do sistema. Para discutir um sistema o estudante deve ter
conhecimento dos teoremas 3.5.1 , 3.6.1 e 3.6.2 . Veremos alguns exemplos a seguir.


3.2.3 Sistemas equivalentes
Dados dois ou mais sistemas lineares, dizemos que estes sistemas so equivalentes se admitirem o mesmo
conjunto soluo.

GUIDG.COM 53

3.3 Sistema linear homogneo
o sistema linear cujos termos independentes so todos nulos.

a
11
x
1
+ a
12
x
2
+ a
13
x
3
+ + a
1n
x
n
= b
1
= 0
a
21
x
1
+ a
22
x
2
+ a
23
x
3
+ + a
2n
x
n
= b
2
= 0
( ( (

( ( (
a
m1
x
1
+ a
m2
x
2
+ a
m3
x
3
+ + a
mn
x
n
= b
m
= 0
X
^
^
^
^
^
^
\
^
^
^
^
^
^
Z


Todo sistema linear homogneo admite pelo menos uma soluo, denominada Soluo trivial, isto ,
quando fazemos x
i
= 0 . Alm da Soluo trivial o sistema pode ter outras solues, denominadas
Solues prprias.


3.4 Sistemas e matrizes
Todo sistema de equaes lineares pode ser representado na forma matricial, isto facilita a visualizao e
tambm a resoluo do sistema. Considere as matrizes abaixo:

A =
a
11
a
12
a
1n
a
21
a
22
a
2n

a
m1
a
m2
a
mn
H
L
L
L
L
J
I
M
M
M
M
K
, X =
x
1
x
2
(
x
n
H
L
L
L
L
J
I
M
M
M
M
K
, B =
b
1
b
2
(
b
m
H
L
L
L
L
L
J
I
M
M
M
M
M
K


Note ento que o sistema de equaes lineares pode ser escrito atravs da equao matricial:

AX = B

a
11
a
12
a
1n
a
21
a
22
a
2n

a
m1
a
m2
a
mn
H
L
L
L
L
J
I
M
M
M
M
K
x
1
x
2
(
x
n
H
L
L
L
L
J
I
M
M
M
M
K
=
b
1
b
2
(
b
m
H
L
L
L
L
L
J
I
M
M
M
M
M
K
[
a
11
x
1
a
12
x
2
a
1n
x
n
a
21
x
1
a
22
x
2
a
2n
x
n

a
m1
x
1
a
m2
x
2
a
mn
x
n
H
L
L
L
L
J
I
M
M
M
M
K
=
b
1
b
2
(
b
m
H
L
L
L
L
L
J
I
M
M
M
M
M
K


Notaes: de forma geral, temos que:

A a matriz dos coeficientes ou matriz incompleta do sistema ( M
c
) ;
X a matriz das variveis ou incgnitas ( M
v
) ;
B a matriz dos termos independentes ( M
t i
) .

E ainda, a partir da ltima equao matricial temos a matriz ampliada do sistema (tambm chamada de
matriz aumentada, matriz estendida ou matriz completa do sistema):

M
a
=
a
11
a
12
a
1n
| b
1
a
21
a
22
a
2n
| b
2
|
a
m1
a
m2
a
mn
| b
m
H
L
L
L
L
L
L
J
I
M
M
M
M
M
M
K


Esta que se obtm omitindo X e colocando A e B juntas numa nica matriz, separadas por esse trao
vertical que simboliza a igualdade do sistema, que por sua vez dispensvel, mas facilita a interpretao.

Usaremos a notao M
e
para indicar a matriz linha-reduzida equivalente M
a
, isto , ( M
e
~M
a
)


3.4.1 Teorema
Dois sistemas que possuem matrizes ampliadas equivalentes so equivalentes.

GUIDG.COM 54

3.5 Posto de um sistema (caracterstica de um sistema)
A propriedade posto de uma matriz muito til na resoluo de sistemas e pode ser aplicada matriz que
representa este sistema linear. Considere a matriz ampliada do sistema, ento:

I - Posto da matriz dos coeficientes ( p
c
) : o nmero de linhas no nulas de M
c
.

II - Posto da matriz ampliada ( p
a
) : o nmero de linhas no nulas de M
a
, que inclui M
c
e M
t i
.

III - Posto do sistema ( p ) : quando p
a
= p
c
, costuma-se chamar este nmero de p , isto
p
a
= p
c
= p .


[1.26 Posto de uma matriz] , [1.27 Nulidade de uma matriz]


3.5.1 Teorema
Um sistema possui soluo se, e somente se, p
a
= p
c
= p .


3.5.2 Corolrio
Decorre de 3.5.1 que se p
a
p
c
o sistema no possui soluo (SI) .


3.6 Grau de liberdade do sistema
o nmero g = n p onde n o nmero de colunas da matriz dos coeficientes ou o nmero de
variveis do sistema.


3.6.1 Teorema
Se g = n p = 0 o sistema possui soluo nica (SPD) .


3.6.2 Teorema
Se g = n p > 0 (isto se g = 1, g = 2 ... ) o sistema possui grau de liberdade, e assim este ter
infinitas solues (SPI) .


GUIDG.COM 55

3.7 Operaes linha sobre um sistema linear
Um sistema linear se transforma num sistema linear equivalente quando efetuamos operaes elementares
sobre as suas linhas. Note que s podemos realizar operaes sobre as linhas do sistema linear e no sobre
as colunas (do contrario estaramos somando quantidades diferentes). Vamos s trs operaes possveis.


3.7.1 Permutao entre linhas
Notao: L
x
TL
y
(L-se: A troca da linha x pela linha y ).
*A dupla-seta indica a permuta (troca).


3.7.2 Multiplicao de uma linha por um escalar no nulo
Notao: L
x
Qk A L
x
(L-se: A troca da linha x por k vezes linha x )


3.7.3 Substituio de uma linha por combinao linear
Notao: L
x
QL
x
+ k A L
y
ou L
x
Qk A L
y
+ L
x


L-se: A troca da linha x pela linha x mais k vezes a linha y . Ou a troca da linha x por k vezes a
linha y mais a linha x .


3.8 Soluo de um sistema por matriz inversa
Para o caso particular onde o nmero de equaes do sistema linear igual ao nmero de variveis (isto ,
o nmero de colunas de M
c
igual ao nmero de equaes do sistema linear), e quando o determinante
de M
c
diferente de zero, podemos resolver o sistema pelo seguinte mtodo:

Usando a notao matricial para sistemas lineares temos que:


AX = B
A
@ 1
AX = A
@1
B
IX = A
@1
B
X = A
@1
B


Assim para determinar a soluo ( X ) desse tipo de sistema basta encontrar a inversa da matriz dos
coeficientes ( A
@ 1
), pois X = A
@1
B .


GUIDG.COM 56

Exemplo 60: Resolva o sistema.


@x + 3y + 5z = 2
@5x @4y + z = 3
3x + 6y + 4z =@1
X
^
^
^
\
^
^
^
Z


Soluo 1: Vamos colocar o sistema na forma matricial M
a
e resolve-lo usando as operaes
elementares.

.
-1 3 5 | 2
-5 -4 1 | 3
L
1
Q@L
1

3 6 4 | -1


1 -3 -5 | -2
-5 -4 1 | 3
L
2
Q5L
1
+ L
2
L
3
Q@3L
1
+ L
3

3 6 4 | -1

.
1 -3 -5 | -2
0 -19 -24 | -7 L
3
Q
15
19
fffffff
L
2
+ L
3

0 15 19 | 5


1 -3 -5 | -2
0 -19 -24 | -7
L
2
Q@
1
19
fffffff
L
2
L
3
Q19L
3


0 0
1
19
fffffff
| @
10
19
fffffff


.
1 -3 -5 | -2

0 1
24
19
fffffff
|
7
19
fffffff


L
2
Q@
24
19
fffffff
L
3
+ L
2

0 0 1 | -10


1 -3 -5 | -2
0 1 0 | 13
L
1
Q3L
2
+ L
1

0 0 1 | -10

.
1 0 -5 | 37
0 1 0 | 13
L
1
Q5L
3
+ L
1

0 0 1 | -10


1 0 0 | -13
0 1 0 | 13
0 0 1 | -10



Com isso vemos que p
a
= 3 = p
c
= p assim o sistema possvel e, g = n p = 3 3 = 0 ento o sistema
possvel e determinado, isto , possui soluo nica. Podemos dizer tambm que o sistema dado
equivalente a esta ltima forma encontrada, e os valores que tornam o sistema verdadeiro so:

x = -13 , y = 13 , z = -10


GUIDG.COM 57

Soluo 2: Agora vamos resolver o sistema usando o mtodo da inversa.

@x + 3y + 5z = 2
@5x @4y + z = 3
3x + 6y + 4z =@1
X
^
^
^
\
^
^
^
Z


Colocando o sistema na forma matricial AX = B , temos:

@1 3 5
@5 @4 1
3 6 4
H
L
J
I
M
K
x
y
z
H
J
I
K
=
2
3
@1
H
L
J
I
M
K


AX = B
A
@ 1
AX = A
@1
B
IX = A
@1
B
X = A
@1
B

Este exemplo foi usado para mostrar o mtodo do algoritmo de inverso, vimos que a matriz A
inversvel, isto , det A 0 , e:

-22 18 23
23 -19 -24
A
@ 1
=
-18 15 19

Assim basta calcularmos o produto A
@1
B para obter X a matriz das variveis ( M
v
).


X = A
@ 1
B
x
y
z
H
J
I
K
=
@22 18 23
23 @19 @24
@18 15 19
H
L
J
I
M
K
2
3
@1
H
L
J
I
M
K=
@22.2 + 18.3 + 23 @1
` a
23.2 @19.3 @24 @1
` a
@18.2 + 15.3 + 19 @1
` a
H
L
L
L
J
I
M
M
M
K
=
@13
13
@10
H
L
J
I
M
K
x
y
z
H
J
I
K
=
@13
13
@10
H
L
J
I
M
K


Este mtodo til quando a inversa dada, do contrrio recomenda-se usar o mtodo anterior.
GUIDG.COM 58

3.9 Regra de Cramer
Outra forma de se resolver sistemas lineares onde o nmero de equaes igual ao nmero de variveis,
isto , sistemas de ordem nBn (n equaes por n variveis), a resoluo por determinantes.
Entretanto por usar determinantes este mtodo no se aplica a sistemas de ordem mBn (onde o nmero
de equaes m diferente do nmero de variveis n ), logo tornando-se invivel computacionalmente,
mas ainda um mtodo prtico para particulares questes tericas.

Considere inicialmente o sistema
a
11
x
1
+ a
12
x
2
= b
1
a
21
x
1
+ a
22
x
2
= b
2
X
\
Z
. Em forma matricial temos:


a
11
a
12
a
21
a
22
F G x
1
x
2
F G
=
b
1
b
2
H
J
I
K
ou seja AX=B

Supondo que detA 0 e assim existe a inversa de A e podemos fazer a seguinte multiplicao matricial:


A
@ 1
AX = A
@1
B
X = A
@1
B


E assim podemos aplicar a relao 1.30.3 onde A
@ 1
=
1
det A
fffffffffffffff
adj A , substituindo temos:

X =
1
det A
fffffffffffffff
adj AA B onde det A = D


Vamos calcular a matriz adjA :

A =
a
11
a
12
a
21
a
22
F G
Q cof a
ij
b c
= @1
` ai + j
M
ij
, cof a
11
` a
= @1
` a1 + 1
det sub A
11
b c
d e
= 1A a
22
= a
22
cof a
12
` a
=@1A a
21
=@a
21
, cof a
21
` a
=@a
12
, cof a
22
` a
= a
11
ento cofA =
a
22
@a
21
@a
12
a
11
F G
Q adj A = cof A
` aT
=
a
22
@a
12
@a
21
a
11
F G



Substituindo os resultados:

X =
1
det A
fffffffffffffff
adj AA B [
x
1
x
2
F G
2 B1
=
1
D
ffffff
a
22
@a
12
@a
21
a
11
F G
2 B2
b
1
b
2
H
J
I
K
2 B1
=
1
D
ffffff
b
1
a
22
@b
2
a
12
@b
1
a
21
+ b
2
a
11
H
J
I
K




x
1
x
2
F G
=
b
1
a
22
@b
2
a
12
D
fffffffffffffffffffffffffffffffffffffffff
b
2
a
21
@b
1
a
21
D
ffffffffffffffffffffffffffffffffffffffffff
H
L
L
L
L
L
J
I
M
M
M
M
M
K
ou seja x
1
=
b
1
a
22
@b
2
a
12
D
fffffffffffffffffffffffffffffffffffffffff
e x
2
=
b
2
a
21
@b
1
a
21
D
ffffffffffffffffffffffffffffffffffffffffff


GUIDG.COM 59

Note que o resultado b
1
a
22
@b
2
a
12
obtido quando substitumos ordenadamente os elementos da
matriz B na primeira coluna da matriz A e aplicamos o determinante nesta nova matriz:

A =
a
11
a
12
a
21
a
22
F G
, B =
b
1
b
2
H
J
I
K
, C
1
=
b
1
a
12
b
2
a
22
H
J
I
K
Q D
x
1
= det C
1
= b
1
a
22
@b
2
a
12


E da mesma forma o resultado a
11
b
2
@a
21
b
1
obtido quando substitumos ordenadamente os elementos
da matriz B na segunda coluna da matriz A e aplicamos o determinante nesta nova matriz:

A =
a
11
a
12
a
21
a
22
F G
, B =
b
1
b
2
H
J
I
K
, C
2
=
a
11
b
1
a
21
b
2
H
J
I
K
Q D
x
2
= det C
2
= a
11
b
2
@a
21
b
1


Portanto se o determinante da matriz A for diferente de zero o sistema possvel e determinado (isto ,
possui soluo nica), cuja soluo dada por:

x
1
=
D
x
1
D
ffffffffff
e x
2
=
D
x
2
D
fffffffffff



De forma anloga vamos mostrar que a regra de Cramer vlida para um sistema nBn .

Considere o sistema
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
= b
2
( ( ( ( (
a
n1
x
1
+ a
n2
x
2
+ + a
nn
x
n
= b
n
X
^
^
^
^
^
^
\
^
^
^
^
^
^
Z
, em forma matricial temos


a
11
a
12
a
1n
a
21
a
22
a
2n

a
n1
a
n1
a
nn
H
L
L
L
L
J
I
M
M
M
M
K
x
1
x
2

x
n
H
L
L
L
J
I
M
M
M
K
=
b
1
b
2

b
n
H
L
L
L
L
L
J
I
M
M
M
M
M
K
ou seja AX = B

Supondo que detA 0 e assim existe a inversa de A e podemos fazer a seguinte multiplicao matricial:


A
@ 1
AX = A
@1
B
X = A
@1
B


E assim podemos aplicar a relao 1.30.3 onde A
@ 1
=
1
det A
fffffffffffffff
adj A , substituindo temos:

X =
1
det A
fffffffffffffff
adj AA B onde det A = D


Vamos calcular a matriz adjA , seja A =
a
11
a
12
a
1n
a
21
a
22
a
2n

a
n1
a
n1
a
nn
H
L
L
L
L
J
I
M
M
M
M
K
, ento os co-fatores de A so:

cof a
ij
b c
= @1
` ai + j
M
ij

GUIDG.COM 60

cof a
11
` a
= @1
` a1 + 1
M
11
= M
11
, cof a
12
` a
=@M
12
, cof a
1n
` a
= @1
` a1 + n
M
1n
=@ @1
` an
M
1n
cof a
21
` a
=@M
21
, cof a
22
` a
= M
22
, cof a
2n
` a
= @1
` a2 + n
M
2n
= @1
` an
M
2n
cof a
n1
` a
= @1
` an + 1
M
n1
=@ @1
` an
M
n1
, cof a
n2
` a
= @1
` an + 2
M
n2
= @1
` an
M
n2
cof a
nn
` a
= @1
` an + n
M
nn
= @1
` a2n
M
nn
= @1
` a2
b cn
M
nn
= M
nn


A matriz co-fatora de A :

cofA =
M
11
@M
12
@ @1
` a
n
M
1n
@M
21
M
22
@1
` an
M
2n

@ @1
` an
M
n1
@1
` an
M
n2
M
nn
H
L
L
L
L
L
L
J
I
M
M
M
M
M
M
K


cofA
` aT
= adj A =
M
11
@M
21
@ @1
` a
n
M
n1
@M
12
M
22
@1
` an
M
n2

@ @1
` an
M
1n
@1
` an
M
2n
M
nn
H
L
L
L
L
L
L
J
I
M
M
M
M
M
M
K


Voltando em X =
1
det A
fffffffffffffff
adj AA B onde det A = D substituindo os valores encontrados:

x
1
x
2

x
n
H
L
L
L
J
I
M
M
M
K
n B1
=
1
D
ffffff
M
11
@M
21
@ @1
` a
n
M
n1
@M
12
M
22
@1
` an
M
n2

@ @1
` an
M
1n
@1
` an
M
2n
M
nn
H
L
L
L
L
L
L
J
I
M
M
M
M
M
M
K
n Bn
b
1
b
2

b
n
H
L
L
L
L
L
J
I
M
M
M
M
M
K
n B1


x
1
x
2

x
n
H
L
L
L
J
I
M
M
M
K
n B1
=
1
D
ffffff
b
1
M
11
@b
2
M
21
@ @1
` a
n
b
n
M
n1
@b
1
M
12
b
2
M
22
@1
` an
b
n
M
n2

@ @1
` an
b
1
M
1n
@1
` an
b
2
M
2n
b
n
M
nn
H
L
L
L
L
L
L
J
I
M
M
M
M
M
M
K
n B1


Com isso temos a soluo do sistema dada por:


x
1
=
1
D
ffffff
b
1
M
11
@b
2
M
21
+ @ @1
` an
b
n
M
n1
b c
x
2
=
1
D
ffffff
@b
1
M
12
+ b
2
M
22
+ + @1
` a
n
b
n
M
n2
b c
x
i
=
1
D
ffffff
@1
` ai + 1
b
1
M
11
+ @1
` ai
b
2
M
2i
+ + @1
` ai
@1
` an
b
n
M
ni
b c


GUIDG.COM 61

Note que b
1
M
11
@b
2
M
21
+ @ @1
` an
b
n
M
n1
b c
obtido quando substitumos ordenadamente os
elementos da matriz B na primeira coluna da matriz A e aplicamos o determinante nesta nova matriz:

A =
a
11
a
12
a
1n
a
21
a
22
a
2n

a
n1
a
n1
a
nn
H
L
L
L
L
J
I
M
M
M
M
K
, B =
b
1
b
2

b
n
H
L
L
L
L
L
J
I
M
M
M
M
M
K
, C
1
=
b
1
a
12
a
1n
b
2
a
22
a
2n

b
n
a
n1
a
nn
H
L
L
L
L
L
J
I
M
M
M
M
M
K
Q D
x
1
= det C
1


Neste caso detC
1
obtido pelo desenvolvimento do determinante pela primeira coluna.


Da mesma forma o resultado @b
1
M
12
+ b
2
M
22
+ + @1
` an
b
n
M
n2
b c
obtido quando substitumos
ordenadamente os elementos da matriz B na segunda coluna da matriz A e aplicamos o determinante
nesta nova matriz:

A =
a
11
a
12
a
1n
a
21
a
22
a
2n

a
n1
a
n1
a
nn
H
L
L
L
L
J
I
M
M
M
M
K
, B =
b
1
b
2

b
n
H
L
L
L
L
L
J
I
M
M
M
M
M
K
, C
2
=
a
11
b
1
a
1n
a
21
b
2
a
2n

a
n1
b
n
a
nn
H
L
L
L
L
L
J
I
M
M
M
M
M
K
Q D
x
2
= det C
2


Neste caso detC
2
obtido pelo desenvolvimento do determinante pela segunda coluna.


E assim o resultado @1
` ai + 1
b
1
M
11
+ @1
` ai
b
2
M
2i
+ + @1
` ai
@1
` an
b
n
M
ni
b c
obtido quando
substitumos ordenadamente os elementos da matriz B na i-sima coluna da matriz A e aplicamos o
determinante nesta nova matriz:

A =
a
11
a
12
a
1n
a
21
a
22
a
2n

a
n1
a
n1
a
nn
H
L
L
L
L
J
I
M
M
M
M
K
, B =
b
1
b
2

b
n
H
L
L
L
L
L
J
I
M
M
M
M
M
K
, C
i
=
a
11
b
1
a
1n
a
21
b
2
a
2n

a
n1
b
n
a
nn
H
L
L
L
L
L
J
I
M
M
M
M
M
K
Q D
x
i
= det C
i


Neste caso detC
i
obtido pelo desenvolvimento do determinante pela i-sima coluna,
sendo i = 1, 2, 3, ... n . Portanto podemos obter a soluo de um sistema linear nBn usando a regra de
cramer que consiste numa resoluo atravs de determinantes.

x
1
=
D
X
1
D
ffffffffffff
, x
2
=
D
x
2
D
fffffffffff
, x
i
=
D
x
i
D
ffffffffff


3.9.1 Classificando sistemas pela regra de Cramer
Usando a relao de Cramer a classificao de um sistema linear nBn definida da seguinte forma.

3.9.1.1 Se D 0 ento o sistema possvel e determinado (SPD).

3.9.1.2 Se D = 0 e algum dos D
x
i
0 ento o sistema impossvel (SI).

3.9.1.3 Se D = 0 e todos os D
x
i
= 0 ento o sistema possvel e indeterminado (SPI).
GUIDG.COM 62

3.9.2 Classificando sistemas lineares homogneos pela regra de Cramer

Considere o sistema linear homogneo.

S
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
= b
1
= 0
a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
= b
2
= 0
( ( ( ( (
a
n1
x
1
+ a
n2
x
2
+ + a
nn
x
n
= b
n
= 0
X
^
^
^
^
^
^
\
^
^
^
^
^
^
Z
~
a
11
a
12
a
1n
a
21
a
22
a
2n

a
n1
a
n1
a
nn
H
L
L
L
L
J
I
M
M
M
M
K
x
1
x
2

x
n
H
L
L
L
J
I
M
M
M
K
=
0
0

0
H
L
L
L
L
J
I
M
M
M
M
K
~ AX = 0 ~ AX = 0
jjjjjjjjjjjjjjjjjj k


Note que esse sistema sempre possvel, pois admite ao menos a soluo trivial isto quando X = 0
jjjjjjjjjjjjjjjjjj k
.
Ento no existe o caso onde o sistema linear homogneo ser impossvel (SI).

3.9.2.1 Ento de acordo com 3.9.1.1 se detA 0 o sistema possvel e determinado (SPD) cuja
soluo a trivial, isto , quando fazemos X = 0
jjjjjjjjjjjjjjjjjj k
ou o mesmo que x
1
= x
2
== x
n
= 0 .

3.9.2.2 Mas se para algum dos a
ij
tivermos o detA = 0 ento o sistema possvel e indeterminado
(SPI), pois a soluo ser nula antes mesmo de fazermos X = 0
jjjjjjjjjjjjjjjjjj k
e ainda ir admitir soluo trivial.


Exemplo 60: Classifique o sistema S
2x + 3y @4z = 1
5x @y + z = 3
x + y @kz = 2
X
^
^
^
\
^
^
^
Z
usando a regra de Cramer.

Soluo: Inicialmente passamos o sistema para a forma matricial.

AX = B ~
2 3 @4
5 @1 1
1 1 @k
H
L
J
I
M
K
x
y
z
H
J
I
K
=
1
3
2
H
L
J
I
M
K

D = detA = 2k + 3 20 (4+215k) = 17k23 = 0

Ento para todo k 2R | k
23
17
fffffff
o sistema possvel e determinado (SPD).



Se k =
23
17
fffffff
implica que D = 0 , agora se algum D
x
i
0 o sistema impossvel (SI) e se todos os
D
x
i
= 0 o sistema ser possvel e indeterminado (SPI).

D
x
= det C
1
=
1 3 @4
3 @1 1
2 1
23
17
fffffff
L
L
L
L
L
L
L
L
L
L
M
M
M
M
M
M
M
M
M
M
=@
485
17
ffffffffffff
0

Como D
x
0 temos que para k =
23
17
fffffff
o sistema impossvel (SI), e como visto para todo
k 2R | k
23
17
fffffff
o sistema possvel e determinado. Portanto o sistema S esta classificado, como
queramos demonstrar.

GUIDG.COM 63

Analogamente poderamos calcular os determinantes D
y
e D
z
.

D
y
= det C
2
=
2 1 @4
5 3 1
1 2
23
17
fffffff
L
L
L
L
L
L
L
L
L
L
M
M
M
M
M
M
M
M
M
M
=@
504
17
fffffffffff
0 , D
z
= det C
3
=
2 3 1
5 @1 3
1 1 2
L
L
L
L
L
L
L
M
M
M
M
M
M
M
=@25 0

Veja que este ltimo determinante D
z
mais simples de calcular, pois no envolve fraes, portanto
vivel escolher este na hora de provar que o sistema impossvel, ao invs dos outros dois D
x
e D
y
.


Exemplo 61: Classifique o sistema S
3 + 2k
` a
x + ky + 3z = 0
x + 2y + z = 0
kx + y + z = 0
X
^
^
^
\
^
^
^
Z
usando a regra de Cramer.

Soluo: Inicialmente passamos o sistema para a forma matricial.

AX = 0 ~
3 + 2k k 3
1 2 1
k 1 1
H
L
J
I
M
K
x
y
z
H
J
I
K
=
0
0
0
H
L
J
I
M
K ~
3 + 2k k 3 | 0
1 2 1 | 0
k 1 1 | 0
H
L
L
L
J
I
M
M
M
K


detA = k 5k + 6 = 0 , k
1
= 2 , k
2
= 3

Como detA = 0 para k
1
= 2 e k
2
= 3 , conclumos por 3.9.2.2 que o sistema possvel e
indeterminado (SPI).

Veja que no podemos determinar os x
i
pela regra de Cramer pois substituindo a matriz nula em
qualquer coluna de A o determinante D
x
i
ser sempre nulo. Portanto o nico mtodo para encontrar a
soluo desse sistema o escalonamento.


Substituindo k
1
= 2 temos:

7 2 3 | 0
1 2 1 | 0
2 1 1 | 0
H
L
L
L
J
I
M
M
M
K
Q passando para a forma linha-reduzida temos Q
1 0
1
3
fff
| 0
0 1
1
3
fff
| 0
0 0 0 | 0
H
L
L
L
L
L
L
L
J
I
M
M
M
M
M
M
M
K

Isto , x =@
1
3
fff
z e y =@
1
3
fff
z [ x = y , podemos denotar a soluo da seguinte maneira.

Se k
1
= 2 o sistema possvel e indeterminado cuja soluo S = x,x,z
` a
2 R
3
| x, z 2 R
R S
.
GUIDG.COM 64

Da mesma forma obtemos a soluo substituindo k
2
= 3 temos:
9 3 3 | 0
1 2 1 | 0
3 1 1 | 0
H
L
L
L
J
I
M
M
M
K
Q passando para a forma linha-reduzida temos Q
1 0
1
5
fff
| 0
0 1
1
5
fff
| 0
0 0 0 | 0
H
L
L
L
L
L
L
L
J
I
M
M
M
M
M
M
M
K

Isto , x =@
1
5
fff
z e y =@
1
5
fff
z [ x = y , podemos denotar a soluo da seguinte maneira.

Se k
1
= 3 o sistema possvel e indeterminado cuja soluo S = x,x,z
` a
2 R
3
| x, z 2 R
R S
.



Exemplo 62: Vamos classificar o exemplo 60 S
2x + 3y @4z = 1
5x @y + z = 3
x + y @kz = 2
X
^
^
^
\
^
^
^
Z
usando o escalonamento.

Soluo: Passando o sistema para a forma matriz ampliada e escalonando.

S ~
2 3 @4 | 1
5 @1 1 | 3
1 1 @k | 2
H
L
L
L
J
I
M
M
M
K


.
1 1 -k | 2
2 3 -4 | 1
L
1
TL
3
L
2
TL
3
5 -1 1 | 3


1 1 -k | 2
0 1
2k-4
| -3
L
2
Q@2L
1
+ L
2
L
3
Q@5L
1
+ L
3

0 -6
5k+1
| -7


.
1 1 -k | 2
0 1
2k-4
| -3
L
3
Q6L
2
+ L
3
0 0
17k-23
| -25



Pelo teorema 3.5.1 o sistema possvel se, e somente se, p
a
= p
c
, mas se:

17k @23 = 0 [ k =
23
17
fffffff
, assim p
a
= 3 p
c
= 2 , logo para k =
23
17
fffffff
o sistema impossvel (SI).
E se k
23
17
fffffff
, p
a
= 3 = p
c
= 3 , ento 8 k 2 R | k
23
17
fffffff
o sistema possvel e determinado (SPD).

Portanto o sistema S esta classificado, como queramos demonstrar.


3.9.2.3 Observaes
No desvalorizando o mtodo de Cramer que muito til e tambm muito elegante, entretanto s resolve
sistemas nBn , assim o escalonamento o mtodo mais completo pois resolve sistemas, seja de ordem
nBn ou mBn .


GUIDG.COM 65

4 NOTAS FINAIS
O objetivo desse texto foi a concentrao e a reviso de toda a teoria de matrizes, determinantes e
sistemas, visto que alguns livros trazem uma notao complicada demais ou so incompreensveis por
suas demonstraes resumidas. Lembrando que num estudo compacto como este no se pode demonstrar
tudo, mas ao menos as demonstraes mais simples foram provadas de maneira clara e objetiva. Este
texto foi escrito com base na introduo do curso de lgebra Linear da UDESC-CCT e nos seguintes
livros, onde possvel encontrar um auxlio complementar terico.



5 REFERNCIAS BIBLIOGRFICAS E LEITURA COMPLEMENTAR

(1) Anton Howard, Chris Rorres lgebra Linear com aplicaes (8 ed.);

(2) Alfredo Steinbruch, Paulo Winterle Introduo lgebra linear;

(3) Alfredo Steinbruch, Paulo Winterle lgebra linear;

(4) Jos Luiz Boldrini lgebra Linear;

(5) Gelson Iezzi, Samuel Hazzan Fundamentos de Matemtica Elementar, Vol. 4, Seqncias, Matrizes,
Determinantes e Sistemas (2 ed.);

(6) Apostila de lgebra Linear II 2011/1 Departamento de Matemtica (UDESC CCT)