Apostila: Matrizes e Determinantes

Prof. Andr Lus Rossi de Oliveira

1 Matrizes
1.1 Conceitos Bsicos

Chamamos de matriz a uma tabela de elementos dispostos em linhas e colunas.

Exemplos:
(1) Considere a tabela abaixo:

Altura (metros) Peso (quilos) Idade (anos)
Pessoa 1 1,70 70 23
Pessoa 2 1,75 60 45
Pessoa 3 1,60 52 25
Pessoa 4 1,81 72 30

Ao abstrarmos os significados das linhas e colunas, obtemos a matriz


1,70 70 23
1,75 60 45
1,60 52 25
1,81 72 30








(2) Os elementos de uma matriz podem ser nmeros, funes etc, como nas
matrizes abaixo:


[ ]
2
3
1 0
5 2
2
3
1 3
x
sen x e
x
x
x

+


1

Representamos uma matriz de m linhas e n colunas por


11 12 1
21 22 2
1 2
,
n
n
m n ij
m n
m m mn
a a a
a a a
A a
a a a

= =

onde o elemento caracterstico da matriz, com i representando a linha e j, a coluna.
ij
a

Definio: Duas matrizes e
m n ij r s ij
m n r s
A a B b


= =

so iguais, ou seja, A B = , se elas
tm o mesmo nmero de linhas (m r = ) e colunas (n s = ) e todos os seus elementos
correspondentes so iguais ( ).
ij ij
a b =

Exemplo:

2
0
2 ln1 90
4 0 1
3 0 9 3 0
cos90 1 3 0 1 3
o
sen
3



=









1.2 Tipos Especiais de Matrizes

Seja uma matriz com m linhas e n colunas. Alguns tipos importantes de matrizes
so os seguintes:
m n
A


(a) Quadrada: aquela cujo nmero de linhas igual ao nmero de colunas
(m ). n =


[ ]
1 1
3 3
2 0 9
4 8 7 4
2 8 6

2

(b) Nula: . 0 ,
ij
a i = j


0 0 0 0
0 0 0 0 0 0
0 0 0 0 0 0
0 0 0 0












(c) Coluna: . 1 n =

6
1
0
4
8
3
7














Uma matriz coluna chamada de vetor-coluna.

(d) Linha: . 1 m =


[ ] [ ]
3 7 4 6 4 1 8

Uma matriz linha chamada de vetor-linha.

(e) Diagonal: uma matriz quadrada onde 0
ij
a i j = .


2 0 0
0 1 0
0 0 4







(f) Identidade: uma matriz diagonal onde todos os elementos da diagonal so
iguais a 1, ou seja, 1 e 0
ii ij
a a i j = = .

3

1 0 0
0 1 0
0 0 1







(g) Triangular Superior: uma matriz quadrada onde todos os elementos abaixo
da diagonal so nulos, isto , 0
ij
a i j = > .


4 3 2 9
0 1 0 1
0 0 3 4
0 0 0 1

(h) Triangular Inferior: uma matriz quadrada onde todos os elementos acima
da diagonal so iguais a zero, isto , 0
ij
a i j = < .


2 0 0 0
3 2 0 0
3 3 4 0
2 4 8 9

(i) Simtrica: uma matriz quadrada onde ,
ij ji
a a i j = .


1 2 4
2 3 1
4 1 2







1.3 Operaes com Matrizes

Adio: , onde
ij ij
m n
A B a b

+ = +

e
m n ij m n ij
A a B b

= =

.

4
Exemplo:
1 5 0 8 1 13
3 3 7 1 4 2
4 2 9 0 13 2


+ =

Propriedades da adio: Dadas as matrizes A, B e C de mesma ordem mxn, temos:
(i) A B B A + = + (comutatividade)
(ii) ( ) ( ) A B C A B C + + = + + (associatividade)
(iii) , onde 0 a matriz nula mxn. 0 A+ = A

Demonstrao: Exerccio!

Multiplicao por escalar: .
ij
m n
k A ka

=

, onde
ij
m n
A a

=

e k um nmero real.
Exemplo:
0 3 0 21
7
4 5 28 35

=

Propriedades: Dadas matrizes A e B de mesma ordem mxn e nmeros reais ,
temos:
1 2
, e k k k
(i) ( ) k A B kA kB + = +
(ii) ( )
1 2 1 2
k k A k A k A + = +
(iii)0. 0 A =
(iv) ( ) ( )
1 2 1 2
k k A k k A =

Demonstrao: Exerccio!

Transposio: Dada uma matriz
ij
m n
A a

=

, a matriz transposta de A definida como
, cujas linhas so as colunas de A, isto ,
T
ij
n m
A b

=

,
ij ji
b a i j = .

Exemplos:
5

3 8
3 0 0
0 7
8 7 3
0 3
4 2 4 2
2 1 2 1
T
T
A A
B B



= =







= =




Propriedades:
(i) Uma matriz simtrica se, e somente se, ela igual sua transposta, ou seja,
T
A A = .
(ii)
( )
T
T
A A =
(iii) ( )
T
T T
A B A B + = +
(iv) ( )
T
T
kA kA =
(v) ( )
T
T T
AB B A =

Demonstrao: Exerccio!

Multiplicao de Matrizes: Sejam [ ]
e
ij rs
n p
m n
A a B b

= =

. Definimos o produto
matricial
[ ]
uv
m p
AB c

= por


1 1
1
n
uv uk kv u v un nv
k
c a b a b a
=
= = + +

b

Perceba que s possvel efetuar o produto de duas matrizes e
m n l p
A B

se n l = , ou
seja, se o nmero de colunas da matriz que aparece pr-multiplicando for igual ao nmero
de linhas da matriz que aparece ps-multiplicando.

Exemplos:

6

( )( ) ( )( ) ( )( ) ( )( )
( )( ) ( )( ) ( )( ) ( )( )
( )( ) ( )( )
( )( ) ( )( )
( )( ) ( )( )
1 1 2 3
2 1 2
3 1
3 1 5 4 3 0 5 7 3 5 1 0 17 35
4 1 6 4 4 0 6 7 4 6 4 7 20 42
1 3 1 5 3 9 32
5
2 8 2 5 8 9 82
9
4 0 4 5 0 9 20
2 8 9 2 8 9
3 9 0 3 9
2 1 3 2
x x x x
A x x Ax x x
x x
+ +
= =


+ +


+



= + =





+


+ +

= = = +


2 3
3 x x



+

Propriedades:
(i) Em geral, AB BA .
Exemplo: Se , ento
1 1 1 1 2 3
3 2 1 2 4 6
2 1 0 1 2 3
A B


= =

0 0 0 11 6 1
0 0 0 e 22 12 2
0 0 0 11 6 1
AB BA


= =

importante perceber que 0 AB = sem que 0 ou 0 A B = = .
Desde que estejam bem definidas as operaes, as seguintes propriedades so vlidas:
(ii) AI IA A = =
(iii) ( ) A B C AB AC + = +
(iv) ( ) A B C AC BC + = +
(v) ( ) ( ) AB C A BC =
(vi) ( )
T
T T
AB B A =
(vii) 0. 0 e .0 0 A A = =

7
1.4 Matriz Inversa

Definio: Seja A uma matriz quadrada. A matriz inversa de A, denotada por , aquela
que satisfaz a condio .
1
A

1 1
AA A A I

= =

Obs.: (i) Nem toda matriz quadrada possui inversa. Se uma matriz quadrada possui
inversa, ela chamada de no-singular. Se ela no possui inversa, chamada de singular.
(ii) Se existe a matriz inversa, ento ela nica.

Exemplos: Se e
3 1
0 2
A

=


1 1
3 6
1
0
2
B

=



, ento


3 1 2 1 6 0 1 0
1 1
.
0 2 0 3 0 6 0 1 6 6
AB I

= = =


=
Podemos verificar facilmente que BA I = , de forma que
1
B A

= e .
1
A B

=

Propriedades:
(i)
( )
1
1
A A

=
(ii) ( )
1
1 1
AB B A

=
Demonstrao: Seja C a inversa de AB. Ento CAB I = , de forma que


1 1 1 1 1 1
. CABB A IB A B A

= =



Mas tambm verdade que


1 1 1 1
, CABB A CAIA CAA CI C

= = = =

o que implica
1 1
C B A

= .
8
(iii)
( ) ( )
1
1
T
T
A A

=

1.5 Sistemas de Equaes Lineares e Matrizes

Um sistema de equaes lineares com m equaes e n incgnitas um conjunto de
equaes do tipo:


11 1 12 2 1 1
21 1 22 2 2 2
1 1 2 2
n n
n n
m m mn n
a x a x a x b
a x a x a x b
a x a x a x b
+ + + =

+ + + =

m
+ + + =

onde os , so nmeros reais. ,1 ,1
ij
a i m j n
)
Uma soluo do sistema acima uma lista de n nmeros (n-upla) do tipo
(
1 2
, , ,
n
x x x que satisfaa simultaneamente as m equaes.
O sistema pode ser escrito na forma matricial como


11 12 1 1 1
21 22 2 2 2
1 2
ou ,
n
n
m m mn n n
a a a x b
a a a x b
Ax b
a a a x b



= =

onde A a matriz dos coeficientes, x o vetor das incgnitas e b o vetor dos termos
independentes.
Outra matriz importante a matriz ampliada do sistema:


11 12 1 1
21 22 2 2
1 2
n
n
m m mn n
a a a b
a a a b
a a a b

9
Exemplo: Considere o sistema
1 2 3
1 2 3
1 2 3
2 3 5
7
5 9
x x x
x x x
x x x
7
4
3
+ =

+ =

+ + =

. A sua forma matricial

1
2
3
2 3 5 7
1 7 1 4 .
1 5 9 3
x
x
x


=

Operaes Elementares

(i) Permuta da i-sima e j-sima linhas (
i j
L L )

Exemplo:
1 2
L L

2 0 4 2
4 2 2 0
5 1 5 1









(ii) Multiplicao da i-sima linha por um escalar (nmero real) no nulo k ( )
i i
L kL

Exemplo:
3 3
2 L L

2 0 2 0
4 2 4 2
5 1 10 2







j


(iii) Substituio da i-sima linha pela i-sima linha mais k vezes a j-sima linha
(
i i
L L kL + )

Exemplo:
2 2
3 L L +
1
L


2 0 2 0
4 2 10 2
5 1 5 1

10

Se A e B so matrizes mxn, dizemos que B linha-equivalente a A se B pode ser
obtida de A atravs de um nmero finito de operaes elementares sobre as linhas de A. A
notao para isso . ou A B A B

Exemplo: , pois
1 0 1 0
4 1 0 1
3 4 0 0







2 2 1 3 3 1
2 2 3 3 2
4 3
4
1 0 1 0 1 0
4 1 0 1 0 1
3 4 3 4 0 4
1 0 1 0
0 1 0 1
0 4 0 0
L L L L L L
L L L L L
+














Teorema: Dois sistemas que possuem matrizes ampliadas equivalentes so equivalentes, ou
seja, toda soluo de um dos sistemas tambm soluo do outro.
Demonstrao: No ser apresentada.

Forma Escada

Definio: Uma matriz mxn linha-reduzida forma escada se:
(a) O primeiro elemento no nulo de uma linha no nula 1;
(b) Cada coluna que contm o primeiro elemento no nulo de alguma linha tem todos
os seus outros elementos iguais a zero;
(c) Toda linha nula ocorre abaixo de todas as linha no nulas;
(d) Se as linhas 1, so as linhas no nulas, e se o primeiro elemento no nulo da
linha i ocorre na coluna , ento
,r
i
k
1 2 r
k k k < < < .

Exemplos:
11
(1) A matriz no satisfaz as condies (b) e (c).
1 4 0
0 0 0
0 1 0

(2) A matriz no satisfaz as condies (a), (b) e (d).

0 3 0
1 0 2
0 0 1

(3) A matriz est na forma escada.
0 1 0 2 2
0 0 1 0 3
0 0 0 0 0

Teorema: Toda matriz linha-equivalente a uma nica matriz linha-reduzida forma
escada.
m n
A

Dem.: No ser apresentada.

Definio: Dada uma matriz
m n
A

, seja
m n
B

a matriz linha-reduzida forma escada
equivalente a A. O posto de A, denotado por p, o nmero de linhas no nulas de B. A
nulidade de A igual ao nmero n-p.

Exemplo: Considere a matriz
1 2 1 0
1 0 3 5
1 2 1 1
A


=



. Efetuamos as seguintes operaes:


2 2 2 1
2
3 3 1
3 1 1 2 1 1 3
3
3 3 2 2
2
2 3
4
8
1 2 1 0 1 2 1 0 1 2 1 0
1 0 3 5 0 2 4 5 0 1 2 5 2
1 2 1 1 0 4 0 1 0 4 0 1
1 0 3 5 1 0 3 5
0 1 2 5 2 0 1 2 5 2
0 0 8 11 0 0 1 118
L L L L
L
L L L
L L L L L L L
L
L L L L
+


+

+












2 3
2
1 0 0 7 8
0 1 0 14
0 0 1 118
L L







O posto de A 3 e a nulidade 4-3=1.
12
Podemos interpretar a matriz A como sendo a matriz ampliada do seguinte sistema
linear:


1 2 3
1 2 3
1 2 3
2 0
0 3
2 1
x x x
x x x
x x x
+ + =

5 + + =

+ =

Pelo que foi demonstrado acima, esse sistema equivalente ao seguinte sistema:


1
2
3
7
8
1
4
11
8
x
x
x

Solues de Sistemas de Equaes Lineares

Considere o sistema formado de apenas uma equao e uma incgnita . Nesse
caso, h trs possibilidades:
ax b =
(i) : Existe uma nica soluo 0 a
b
x
a
= .
(ii): : Neste caso, o sistema torna-se 0 0 e 0 a b = = 0 x = e qualquer nmero real uma
soluo.
(iii) : Neste caso, o sistema torna-se 0 e 0 a b = 0x b = e no possui soluo.

Analogamente, no caso de um sistema de m equaes lineares e n incgnitas, h trs
casos possveis: uma nica soluo, infinitas solues ou nenhuma soluo. No primeiro
caso, o sistema dito possvel (ou compatvel) e determinado, no segundo, possvel e
indeterminado, e, no terceiro, impossvel (ou incompatvel).
O seguinte teorema traz alguns resultados sobre a existncia de solues.

13
Teorema:
(i) Um sistema de m equaes e n incgnitas admite soluo se, e somente se, o posto da
matriz ampliada igual ao posto da matriz de coeficientes;
(ii) Se as duas matrizes tm o mesmo posto p e p n = , a soluo nica.
(iii) Se as duas matrizes tm o mesmo posto e p<n, podem ser escolhidas n-p incgnitas, e
as demais p incgnitas sero dadas em funo destas.

Exemplos:
(1) O sistema com matriz ampliada
1 0 0 5
0 1 0 1
0 0 1 2

tem soluo nica, dada por
, j que o posto da matriz de coeficientes (
1 2 3
5, 1, 2 x x x = = =
c
p ) igual ao da matriz
ampliada (
a
p ), , e o nmero de incgnitas igual ao posto. 3
c a
p p = =
(2) Para o sistema com matriz ampliada
1 0 8 2
0 1 2 5

, temos
, de maneira que h infinitas solues, dadas por 2, 2, 3, 2
c a
p p m n p = = = = =

1 3
2 3
2 8
5 2
x x
x x
=
= +

(3) O sistema com matriz ampliada
1 0 8 2
0 1 2 5
0 0 0 3

impossvel, pois 2, 3.
c a
p p = =

(4) Considere o sistema . A matriz ampliada do sistema pode ser
transformada na forma escada atravs das seguintes operaes.
1 2 3 4
1 2 3 4
2 0
3 2
x x x x
x x x x
+ + + =

+ + =

2 2 1 1 1 2
2
1 2 1 1 0 1 2 1 1 0 1 0 5 1 0
1 3 1 2 0 0 1 2 1 0 0 1 2 1 0
L L L L L L





14
Podemos observar que 2, 2, 4
c a
p p m n = = = = , de forma que h 2 graus de
liberdade. As variveis
3
e
4
x x so livres. Se fizermos
3 1 4
e x x
2
= = , obteremos as
seguintes solues do problema:

1 1
2 1
3 1
4 2
5
2
x
x
x
x
2
2

= +
=
=
=


2 Determinantes
2.1 Definio e propriedades bsicas
Considere o sistema de apenas uma equao e uma incgnita , com ax b = 0 a . A
soluo desse sistema
b
x
a
= . O denominador a est associado matriz de coeficientes do
sistema, [ ] a .
Em um sistema 2x2 do tipo
11 1 12 2 1
21 1 22 2 2
a x a x b
a x a x b
+ =

+ =

, a soluo dada por

1 22 2 12 2 11 1 21
1 2
11 22 12 21 11 22 12 21
e .
b a b a b a b a
x x
a a a a a a a a

= =



Perceba que os denominadores so iguais. Alm disso, de maneira anloga ao caso de
uma equao e uma incgnita, os denominadores esto associados matriz de coeficientes
do sistema, qual seja


11 12
21 22
a a
a a





Em um sistema 3x3, as solues
1 2
, e
3
x x x so fraes com denominadores iguais a

11 22 33 11 23 32 12 21 33 12 23 31 13 21 32 13 22 31
, a a a a a a a a a a a a a a a a a a + +

15
que tambm esto relacionados matriz de coeficientes do sistema, dada por

11 12 13
21 22 23
31 32 33
a a a
a a a
a a a






Os denominadores mencionados acima so chamados de determinantes das matrizes
de coeficientes.
Para podermos definir determinante, precisamos da noo de inverso, dada a seguir:

Definio: Dada uma permutao dos inteiros 1, , existe uma inverso quando um
inteiro precede outro menor do que ele.
2, ,n

Podemos agora definir o conceito de determinante.

Definio: O determinante de uma matriz quadrada
ij
A a =

definido como
( )
1 2
1 2
det 1 ,
n
J
j j nj
A a a

= a

onde o nmero de inverses da permutao (
1 2
, , ,
n
J J j j j = ) ( )
1 2
, , ,
n
j j j e indica
que a soma ocorre sobre todas as permutaes de ( ) 1,2, ,n (existem permutaes). ! n
Podemos fazer as seguintes observaes com relao a essa definio.

Obs.: (i) Em cada termo do somatrio, existe um e apenas um elemento de cada linha e um,
e apenas um, elemento de cada coluna da matriz;
(ii) O determinante tambm pode ser definido atravs da frmula
( )
1 2
1 2
det 1 ,
n
J
j j j n
A a a

= a

Exemplos:
(1) [ ] det a a =
(2)
11 12
11 22 12 21
21 22
det
a a
a a a a
a a

=


16
(3)
11 12 13
21 22 23 11 22 33 11 23 32 12 21 33
31 32 33
12 23 31 13 21 32 13 22 31
det
a a a
a a a a a a a a a a a a
a a a
a a a a a a a a a


=



+ +

Propriedades:

(1) Se todos os elementos de uma linha ou coluna de uma matriz A so nulos, ento
. det 0 A=
Dem.: Segue-se imediatamente da observao (i).
(2) det det
T
A A = .
Dem.: Se
ij
A a =

, sabemos que
T
ij
A b =

, onde
ij ji
b a = . Sendo assim,

( )
( )
1 2
1 2
1 2
1 2
det 1
1
det ,
n
n
J
ij j j nj
J
j j j n
ij
b b b
a a a
a

=

=
=

b

pela observao (ii).
Exemplo: , .
a b a c
ad bc ad bc
c d b d
= =
(3) Se a linha de uma matriz multiplicada por uma constante, o determinante fica
multiplicado por esta constante.
Dem.: Segue-se imediatamente da observao (i).
Exemplo: ( ) .
ka kb a b
kad kbc k ad bc k
c d c d
= = =
(4) A troca da posio de duas linhas (ou colunas) altera o sinal do determinante,
mas no o seu valor numrico.
Dem.: Quando duas linhas so trocadas, alterada a paridade do nmero de
inverses dos ndices, o que significa que o sinal dos termos trocado.
Exemplo: ( ) , .
a b c d
ad bc cb ad ad bc
c d a b
= = =
17
(5) O determinante de uma matriz que tem duas linhas (ou colunas) iguais zero.
Dem.: Quando as posies das linhas iguais so trocadas, o determinante troca
de sinal, pela propriedade (4). Por outro lado, a matriz que resulta da troca de
linhas (ou colunas) a mesma de antes, o que significa que o determinante tem
que ser o mesmo. Portanto, a nica possibilidade que o determinante seja nulo.
(6) Se uma linha (ou coluna) um mltiplo de outra linha (ou coluna), ento o valor
do determinante zero.
Dem.: Mesmo argumento utilizado acima, utilizando tambm a propriedade (3).
(7) O determinante no se altera se for somada a uma linha (ou coluna) outra linha
(ou coluna) multiplicada por uma constante.
Exemplo: ( ) ( ) .
a b a
a d kb b c ka ad bc
c ka d kb c d
= + + = =
+ +
b
)

(8) ( ) ( )( det det det AB A = B

2.2 Desenvolvimento de Laplace
O determinante de uma matriz A de dimenso 3x3 pode ser escrito como


( ) ( ) ( )
11 22 33 11 23 32 12 21 33 12 23 31 13 21 32 13 23 31
11 22 33 23 32 12 21 33 23 31 13 21 32 22 31
22 23 21 23 21 22
11 12 13
32 33 31 33 31 32
11 11 12 12 13 13
,
A a a a a a a a a a a a a a a a a a a
a a a a a a a a a a a a a a a
a a a a a a
a a a
a a a a a a
a A a A a A
= + +
= +
= +
= +


onde
ij
A a submatriz da matriz inicial que resulta da retirada da i-sima linha e da j-sima
coluna.
Defina agora ( ) 1
i j
ij ij
A
+
= , chamado de o cofator do elemento . A frmula do
desenvolvimento de Laplace a seguinte:
ij
a

1
det ,
n
n n ij ij
j
A a

=
=

18
onde podemos observar que o determinante foi desenvolvido pela i-sima linha. Uma
frmula anloga vale para o desenvolvimento a partir de uma determinada coluna.

Exemplos:
(1)
( ) ( ) ( )( ) ( )( ) ( )( )
12 22 32
1 2 3
2 1 1 2 1 1 2 2 1 8 1 7 5
2 1 2
A

= = + + = + +

, =
onde ( ) ( ) ( )
1 2 2 2 3 2
12 22 32
2 1 1 3 1 3
1 2, 1 8 e 1
2 2 2 2 2 1
+ +

= = = = =

+

.

(2)

( )
( )
( )
( )
( )
( ) ( )( )( )
( )( )
1 1 2
1 1 2
3 3 2
7
2 2
2
3 7
2 2
1 2 3 4 5 2 3 4
5 3 4
4 2 0 0 0 2 0 0
2 1 5 3 0
1 2 3 0 5 2 3 0
8 3 1
2 5 3 1 8 5 3 1
5 3 4 10 0 4
10 4
2 5 3 0 2 5 3 0 2 3 1
13 1
8 3 1 13 0 1
6 10 52 372.
C C C
L L L
L L L
+

+
+
+


= =

= = =

= =

2.3 Clculo da matriz inversa

Definio: A matriz de cofatores de uma matriz
n n
A

definida como
ij
A =

.

Exemplo: Considere a matriz
2 1 0
3 1 4
1 6 5
A


=



. Ento
( ) ( ) ( )
1 1 1 2 1 3
11 12 13
1 4 3 4 3 1
1 19, 1 19, 1 19,
6 5 1 5 1 6
+ + +

= = = = = =
e assim por diante, de maneira que
19

19 19 19
5 10 11
4 8 5
A

.


=





Definio: Dada uma matriz quadrada A, definimos a matriz adjunta de A como sendo a
transposta da matriz dos cofatores de A.

Exemplo: Para a matriz A do exemplo anterior, temos

19 5 4
19 10 8 .
19 11 5
adj A


=




Teorema: ( ) ( ) det
T
n
AA A adj A A I = = .
Dem.: (Para ) 3 n =
Considere uma matriz A de dimenso 3x3. Ento
( )
11 12 13 11 21 31
21 22 23 12 22 32
31 32 33 13 23 33
,
ij
a a a
A adj A a a a c
a a a


= =






onde

11 11 11 12 12 13 13
12 11 21 12 22 13 23
det
,
c a a a
c a a a
= + + =
= + +
A
e assim por diante. Podemos verificar que corresponde ao desenvolvimento de Laplace
de
12
c
11 12 13
11 12 13
31 32 33
a a a
a a a
a a a
, que igual a zero porque duas linhas so iguais.
Analogamente, , de forma que det e 0,
ii ij
c A c i = = j
( ) ( )
3
det 0 0
0 det 0 det .
0 0 det
A
A adj A A A I
A


= =





Dada uma matriz quadrada A de ordem n que possua inversa, temos que
20

( ) ( )( )
1 1
det det det . AA A A

=

Alm disso, sabemos que
1
n
AA I

= e que det 1
n
I = , de maneira que
( )( )
1
det det 1 A A

= . Podemos ento concluir que, se A tem inversa, ento

(i) det 0 A
(ii)
1
1
det
det
A
A

= ,
ou seja, uma condio necessria para que A tenha inversa. Mas essa condio
tambm suficiente, pois sabemos que
det 0 A
( ) det
T
AA A = I , de forma que, se , ento det 0 A
1
1
e
det det
T
1
T
A A I A A
A A

= =


. Isso conduz ao seguinte resultado:

Teorema: Uma matriz quadrada A admite inversa se, e somente se, det . Nesse caso, 0 A
( )
1
1
.
det
A adj A
A

=

Exemplo: Seja . Ento
4 1 1
0 3 2
3 0 7
A


=



99 0 B = e a matriz de cofatores


3 2 0 2 0 3
0 7 3 7 3 0
21 6 9
1 1 4 1 4 1
7 31 3
0 7 3 7 3 0
5 8 12
1 1 4 1 4 1
3 2 0 2 0 3

.




=











Portanto, e
21 7 5
6 31 8
9 3 12
adj A


=



21

1
21 7 5
1
6 31 8
99
9 3 12
A

=





2.4 Regra de Cramer

Considere um sistema de n equaes lineares e n incgnitas:
11 1 12 2 1 1
21 1 22 2 2 2
1 1 2 2
n n
n n
n n nn n
a x a x a x b
a x a x a x b
a x a x a x b
n
+ + + =

+ + + =

+ + + =

Seja A a matriz de coeficientes desse sistema e denote por
i
o determinante da
matriz obtida substituindo a i-sima coluna de A pela coluna dos termos independentes. A
regra de Cramer estabelece a seguinte relao entre determinantes e a soluo do sistema:

Teorema: O sistema acima tem uma nica soluo se, e somente se, det . Nesse caso,
a soluo nica dada por
0 A

1 2
1 2
, , ,
det det det
n
n
x x x .
A A A

= = =

preciso enfatizar que a regra de Cramer s pode ser utilizada para resolver sistemas
de equaes lineares com o mesmo nmero de equaes e incgnitas e quando det 0 A .
Na verdade, se det , o teorema no diz se o sistema tem soluo ou no. 0 A=

Exemplo: Considere o sistema
2 3 1
3 5 2
2 3
x y z
x y z
x y z
8
1
+ =

+ + =

. O determinante da matriz de coeficientes

desse sistema
2 3 1
det 3 5 2 22
1 2 3
A

=

= . Alm disso,
22

1 2 3
1 3 1 2 1 1 2 3 1
8 5 2 66, 3 8 2 22, 3 5 8 44.
1 2 3 1 1 3 1 2 1

= = = = = =



Utilizando a regra de Cramer, obtemos


3 1 2
3, 1, 2.
det det det
x y z
A A A

= = = = = =

2.5 Exemplos de Economia e Econometria
2.5.1 Economia
Considere uma economia com dois bens em que as funes de demanda e oferta so
lineares. Temos ento as seguintes relaes em um mercado competitivo:


1
0 1 1 2 2
1
0 1 1 2 2
1 1
2
0 1 1 2
2
0 1 1 2
2 2
0
0,
d
s
d s
d
s
d s
Q a a P a P
Q b b P b P
Q Q
Q P
Q P
Q Q


= + +
= + +
=
= + +
= + +
=
2
2
P
P
onde os e so parmetros das funes de demanda e oferta do bem 1 e os
i
a s

j
b s

i
s

e
j
s

so parmetros das funes de demanda e oferta do bem 2, respectivamente.
Podemos substituir a primeira e a segunda equaes na terceira, e a quarta e a quinta
equaes na sexta, para obter o seguinte sistema de equaes nos preos e :
1
P
2
P

1 1 2 2 0
1 1 2 2 0
,
c P c P c
P P
+ =

+ =

onde e , 0,1,2
i i i
c a b i = , 1,2,3
i i i
i = .
Podemos aplicar a regra de Cramer a esse sistema, desde que o determinante da
matriz de coeficientes seja diferente de zero. Suponha que
1 2 2 1
c c . Ento
23

1 2
1 2 2 1
1 2
det 0,
c c
A c c

= =
e o mtodo pode ser aplicado.
Os outros determinantes de que necessitamos so

0 2
1 0
0 2
1 0
2 1
1 0
c c
c c
c c
c c
2 2 0
0 0 1

= = +

= = +

A soluo ento dada por:

2 0 0 2 1 1 0 1 2
1 2
1 2 2 1 1 2 2 1
, .
det det
o
c c c c
P P
A c c A c c



= = = =



Para que os preos sejam positivos, preciso que os numeradores tenham o mesmo
sinal que o denominador, o que introduz novas restries sobre os parmetros.
As quantidades de equilbrio podem ser encontradas por substituio dos preos de
equilbrio nas funes de oferta ou demanda.
Outra aplicao a modelos de Teoria dos J ogos. O problema mais conhecido em
Teoria dos J ogos e o Dilema dos Prisioneiros, que pode ser representado pela matriz de
payoffs abaixo:

No confessar Confessar
No confessar -2,-2 -10,-1
Confessar -1,-10 -5,-5




No jogo acima, Confessar (C) uma estratgia dominante para ambos jogadores e o
perfil (C,C) um equilbrio de Nash.
O jogo abaixo est na forma extensiva e conhecido como o J ogo da Cerveja-Quiche
(Beer-Quiche):

24
Natureza
Forte Fraco
1 1
s s w w
2 2

O jogo se desenvolve como a seguir. O jogador 1 observa um movimento aleatrio da
natureza que determina o seu tipo: ele forte (S) com probabilidade 0,9 e fraco (W), com
probabilidade 0,1. Aps tomar conhecimento do seu tipo, o jogador 1 envia um de dois
sinais ao jogador 2: s (Eu sou forte) ou w (Eu sou fraco). Enviar um sinal verdadeiro
no custa nada, mas enviar um sinal falso custa 10 unidades de payoff. Aps receber o
sinal, o jogador 2 decide se luta (l) ou recua (r). Se decidir lutar, ele ganhar 10 unidades de
payoff se o jogador 1 for fraco e perder 10 se ele for forte. O jogador 1, por outro lado,
perder 20 unidades de payoff se ocorrer a luta (independentemente do seu tipo).
Cada jogador tem 4 estratgias puras. Para o jogador 1, elas so: sempre s (ss), s
quando S, w quando W (sw), w quando S, s quando W (ws), e sempre w (ww). As
estratgias do jogador 2 so: recuar quando s, lutar quando w (rl), sempre recuar (rr),
sempre lutar (ll), e lutar quando s, recuar quando w (lr).
A matriz de payoffs :
rl rr ll lr
ss -1,0 -1,0 -21,-8 -21,-8
sw -2,1 0,0 -20,-8 -18,-9
ws -28,-9 -10,0 -30,-8 -12,1
ww -29,-8 -9,0 -29,-8 -9,0
20
10

0
0




30
10

30
10




10
0
10
0



20
10


0
0




l l l l r r r r
25
Para entender melhor os payoffs da matriz, observe o perfil (ws,rf). O payoff do
jogador 1 pode ser recalculado como
( )( ) ( )( ) 0.9 30 0.1 10 28, + =
enquanto o payoff do jogador 2
( )( ) ( )( ) 0.9 10 0.1 0 9. + =
Os equilbrios de Nash com estratgias puras so (ss,rf) e (ww,fr). Agora suponha que
estejamos interessados em encontrar os equilbrios de Nash com estratgias mistas. Sejam
as estratgias mistas do jogador 1 representadas pelo vetor ( )
1 1 2 3 4
, , , x x x x = e as do
jogador 2, por . ( )
2 1 2 3
, , , y y y y =
4
Observe que em qualquer equilbrio de Nash, pois ff estritamente dominada
por rr. Observe tambm que
3
0 y =
3
0 x = em qualquer equilbrio de Nash, pois ws no
racionalizvel.
Queremos determinar as condies sob as quais (ss,sw) pode fazer parte de um
equilbrio de Nash com estratgias mista, isto , onde e . Sabemos que para
isso ser verdade preciso que
1
0 x >
2
0 x >
( ) ( )
1 2 1
, , u ss u sw
2
= , onde

( ) ( ) ( )
( )
1 2 1 2 3 4 1 2 3
2 2 1 2 3 4 1 3 4
, 21 21 21
, 2 0 20 18 2 20 18 .
u ss y y y y y y y y
u sw y y y y y y y

= = + +
= + =
4

Lembrando que , obtemos a seguinte equao:
3
0 y =
( )
1 2 4 1 4 1 2 4
21 2 18 3 0. y y y y y y y y + = =
Combinando essa equao com
1 2 4
1 y y y + + = , obtemos um sistema de equaes que
pode ser resolvido como a seguir:

2 2 1
2 1 1 2
2
2
1 1 3 0 1 1 3 0
1 1 1 1 0 2 4 1
1
1 1 3 0 1 0 1
2
1
1 0 1 2
0 1 2
2
2
L L L
L L L L
L

+

Esse sistema tem uma infinidade de solues. Fazendo
4
y = , obtemos
26

1 2
1 1
, 2
2 2
y y . = + =
Se 110 = , por exemplo, ento
1
610 y = e
2
310 y = .

2.5.2 Econometria
Suponha que a relao entre a varivel dependente e vrias variveis independentes
(explicativas) seja a seguinte:

1 1 2 2
, 1, ,
i i i K iK i
y x x x i . n = + + + + =
A relao acima chamada de equao de regresso, onde a varivel dependente, y,
explicada pelas variveis
1
, ,
K
x x . O subndice i indexa as observaes, que totalizam n.
O termo o erro aleatrio. Esse erro surge por diversas razes, sendo a principal o fato
de que no possvel captar todas as influncias sobre uma determinada varivel y. O
resultado lquido de todos os fatores omitidos est refletido no erro. Outro elemento
capturado pelo erro aleatrio so os erros de medio, que esto presentes em qualquer
amostra.
Por exemplo, suponha que estejamos interessados em estudar o comportamento da
renda dos indivduos e que tenhamos postulado o seguinte modelo de regresso simples:

0 1
educao . renda = + +

Esse modelo no leva em considerao que outros fatores alm do nvel de educao
podem afetar a renda do indivduo, como idade e nvel de educao dos pais. Portanto, o
erro aleatrio refletir a omisso dessas variveis. Alm disso, bastante provvel que a
varivel educao esteja medida com erro, mesmo porque no h consenso sobre como ela
deve ser medida. Isso tambm capturado pelo erro aleatrio.
A equao de regresso na verdade um conjunto de equaes, uma para cada
observao:

1 1 11 2 12 1 1
2 1 21 2 22 2 2
1 1 2 2
K K
K K
n n n K nK n
y x x x
y x x x
y x x x



= + + + +
= + + + +

= + + + +

27

Essas equaes podem ser representadas na forma matricial como a seguir:
, y X = +
onde

1 11 12 1 1
2 21 22 2 2
1 2
, ,
K
K
n n n nK K
y x x x
y x x x
y X
y x x x
1
2
,
n







= = = =

O objetivos principais de uma anlise de regresso so estimar os parmetros
desconhecidos
i
, usar os dados disponveis para estudar a validade de proposies
tericas e usar o modelo para testar hipteses e fazer previses sobre a varivel dependente.
Para obter estimativas dos parmetros, o mtodo mais utilizado o de mnimos
quadrados ordinrios. Esse mtodo procura encontrar os coeficientes que minimizam a
soma dos quadrados dos resduos

2
1
,
n
T
i
i
e e e
=
=

onde o vetor de resduos, sendo o resduo da i-sima observao definido por

e a estimativa de
1
2
n
e
e
e
e



=

( )
1 1 2 2 i i i i iK K
e y x b x b x b =
i
b
i
.
A soluo do problema de minimizao

( )
1
.
T T
b X X X y

=
Podemos ento calcular os resduos como

( )
( )
( )
1
1
.
T T
T T
e y Xb y X X X X y
I X X X X y My

= =
= =

A matriz M tem grande importncia para a anlise de regresso, e apresenta
propriedades interessantes. Alm de ser simtrica, essa matriz idempotente, o que
significa que
2
M M = . De fato,
28

( ) ( )
( ) ( ) ( ) ( )
( ) ( )
( ) ( )
( )
1 1
2
1 1 1
1 1
1 1
2
2
T T T T
T T T T T T T
T T T T
T T T T
T T
M I X X X X I X X X X
1
T
I X X X X X X X X X X X X X X X X
I X X X X X X X IX
I X X X X X X X X
I X X X X M





=


= +
= +
= +
= =

T

e

( ) ( )
( ) ( ) ( )
( )
1 1
1
1
1
.
T T
T T T T T
T
T T
T T T T
T T
M I X X X X I X X X X
I X X X X I X X X X
I X X X X M

= =



= =


= =

29