P. 1
Apostila_AlLinear_2010_U1

Apostila_AlLinear_2010_U1

5.0

|Views: 2.631|Likes:
Publicado porrogerrock

More info:

Published by: rogerrock on Sep 17, 2010
Direitos Autorais:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

12/18/2012

pdf

text

original

Sections

  • INTRODUÇÃO
  • I MATRIZES
  • 1 Introdução
  • 2. Definição
  • 3. Tipos de Matrizes
  • 4. Proposições: Igualdade de Matrizes e Matriz Oposta
  • 5. Matriz Transposta
  • 6. Simetria em Matrizes
  • Lista 1 de Atividades - Matrizes
  • 7. Operações com Matrizes
  • 7.1 Adição e Subtração de matrizes
  • 7.2 Multiplicação por um escalar
  • 7.3 Multiplicação entre matrizes
  • 8. Potência de uma Matriz
  • Lista 2 de Atividades – Operações com Matrizes
  • 10. Equivalência de Matrizes
  • Lista 3 de Atividades – Equivalência de Matrizes/escalonamento
  • II DETERMINANTES E MATRIZES
  • 1 Classe de uma Permutação
  • 2 Determinante de uma matriz
  • 2.1 Determinante de 1ª ordem
  • 2.2 Determinante de 2ª ordem
  • 2.3 Determinante de 3ª ordem: Regra de Sarrus
  • 2.4 Determinante de ordem n > 3: Teorema de LAPLACE
  • 2.5 Processo de triangulação para cálculo de determinante
  • 3 Propriedades dos determinantes
  • 4 Determinante e Matriz Inversa
  • Lista 4 de atividades – Determinantes e Matrizes
  • 5 Aplicação matemática do conceito de determinantes na geometria
  • Lista 5 de atividades - Determinantes
  • III SISTEMAS DE EQUAÇÕES LINEARES E MATRIZES
  • 1 Equações Lineares
  • 2 Sistema de Equações Lineares
  • 2.1 Conceito
  • 2.2 Representação Matricial de um Sistema de Equações Lineares
  • 2.3 Classificação dos Sistemas de Equações Lineares
  • 2.4 Equivalência de Sistemas de Equações Lineares
  • 2.6 Solução de um sistema de equações lineares pela Regra de Cramer
  • 3 Sistema Homogêneo de Equações Lineares: Discussão da solução
  • Lista 6 de atividades – Parte I
  • Lista 6 de atividades - Parte II
  • 4 Discussão de um Sistema de Equações Lineares homogênio e não- homogênio
  • Lista 7 de atividades
  • 1 Encontrando a Matriz de Co-fatores
  • 2 Encontrando a Matriz Adjunta Clássica
  • Lista de atividades – Determinantes, Matriz Inversa e Adjunta Clássica
  • Bibliografia

Álgebra Linear 1

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris


UNESC
UNIVERSIDADE DO EXTREMO SUL CATARINENSE



































Caderno Pedagógico de:










MSc Elisa Netto Zanette
Drª Ledina Lentz Pereira
MSc Sandra Regina da Silva Fabris








Criciúma (SC), 2010








Álgebra Linear 2
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
INTRODUÇÃO
A Matemática, desde os seus primórdios, entrelaça-se intimamente com a história da
civilização e é uma das alvancas principais do progresso humano (BAUMGART
1
, 1997). Vários
conceitos básicos dessa ciência, criados para atender a certas necessidades e resolver problemas
específicos, posteriormente revelaram uma utilidade bem mais ampla do que a inicialmente pensada
e vieram, com a evolução das idéias e o desenvolvimento das teorias, a adquirir uma posição
definitiva de grande relevância na Matemática (LIMA
2
, 2000, p.28).
Observamos uma mudança contínua que se processa tanto nas condições sócio-político-
econômica das sociedades quanto na própria Matemática. Ë fato que a validez das teorias
Matemáticas é perene e subsiste através dos séculos. Porém, a posição dessas teorias e técnicas a
elas associadas, varia bastante em termos de importância, alcance e eficácia em fase dos novos
desenvolvimentos, das novas descobertas e da ocorrência de áreas recentes de aplicação, dentro e
fora da Matemática (LIMA
3
, 2001, p.159).
Usamos Matemática diariamente, mesmo sem perceber. Isso só, poderia justificar a sua
importância. É facilmente percebida, nas atividades simples do homem às mais complexas, nos
esportes, na estatística, nas construções, nas previsões orçamentárias. Sem dúvida, ela confere
“poder” aos economistas, aos empresários, etc. A Matemática é ferramenta imprescindível para que
se possa ordenar os pensamentos, porque desafia e desenvolve a mente, ajuda a compreender as
linguagens que se utiliza no cotidiano.
As concepções matemáticas desenvolvidas e acumuladas nas diversas gerações podem ser
divididas em Aritmética (números), Álgebra (letras + números) e Geometria (figuras planas e
espaciais). A Trigonometria pode ser considerada como um ramo da Geometria e a Geometria
Analítica como uma fusão da Álgebra com a Geometria. Resolvemos os problemas como o uso da
aritmética, da geometria, da trigonometria, da álgebra, do cálculo diferencial e integral, etc. Alguns
problemas podem ser solucionados ao mesmo tempo pela Álgebra, ou Geometria ou Aritmética.
Coube a Descartes a solução de problemas geométricos através da Álgebra e vice-versa, em 1637.
Para Baumgart (1999) a origem da palavra “álgebra” é estranha e intrigante. Ela não se sujeita
a uma etimologia nítida como, por exemplo, a palavra “aritmética”, que se deriva do grego arithmos
(número). Álgebra é uma variante latina da palavra árabe al-jabr (às vezes transliterada al-jebr),
usada no título de um livro, Hisab al-jabr w’al-muqabalah (“Ciência das equações”), escrito em
Bagdá (ano 825) por um matemático árabe. Esse tratado de álgebra é com freqüência citado,
abrevidamente, como Al-jabr. Ainda que originalmente “álgebra” refira-se a equações, a palavra
hoje tem um significado muito mais amplo e uma definição satisfatória requer um enfoque, tanto
cronológico quanto conceitual, em duas fases: (1) Álgebra antiga (elementar) é o estudo das
equações e métodos de resolvê-las; (2) Álgebra moderna (abstrata) é o estudo das estruturas
matemáticas tais como grupos, anéis, corpos, etc.
A Álgebra Linear (o nome indica sua origem geométrica) ou Álgebra Vetorial é uma parte da
Álgebra que, por sua vez, é um ramo da Matemática na qual são estudados matrizes, espaços
vetoriais e transformações lineares que contribuem para um estudo detalhado de sistemas lineares
de equações. É um fato histórico que a invenção da Álgebra Linear tenha origem nos estudos de
sistemas lineares de equações.
Segundo o matemático Elon Lages Lima (LIMA, 2001), a Álgebra Linear é o estudo dos espaços
vetoriais e das transformações lineares entre eles. Quando os espaços têm dimensões finitas, as
transformações lineares possuem matrizes. Também têm matrizes as formas bilineares e, mais,
particularmente, as formas quadráticas. Assim a Álgebra Linear, além de vetores e transformações
lineares, lida também com matrizes e formas quadráticas.

1
BAUMGART, John K. Tópicos de História da Matemática para uso em sala de aula: Álgebra. Trad. Hygino H Domingues. São Paulo:
Atual, 1997.
2
LIMA, Elon Lages. Meu Profesor de Matemática e outras histórias. (Coleção do Professor de Matemática: SBA Sociedade Brasileira de
Matemática). Rio de Janeiro: Solgraf Publicações Ltda, 2000.
3
LIMA, Elon Lages. Matemática e Ensino. (Coleção do Professor de Matemática: SBA Sociedade Brasileira de Matemática). Rio de
Janeiro: R&S, 2001.
Álgebra Linear 3
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Tanto a Álgebra Linear como a Geometria Analítica aplicam-se a várias áreas, em especial às
Engenharias. Possibilitam explicar princípios fundamentais e simplificar os cálculos em Engenharia,
Ciência da Computação, Física, Biologia, Matemática, Economia e Estatística. É, portanto relevante e
tem destaque em diversos cursos superiores, na graduação e na pós-graduação.
Muitos dos temas do âmbito da Álgebra Linear fazem parte integrande de planos de estudos
desses cursos já citados. Para Lay
4
(1999) a Álgebra Linear (e a Geometria Analítica, como sua
subsidiária) constitui uma das áreas da Matemática com mais vastas e variadas aplicações incluindo
a sua importância para as diversas áreas da própria Matemática – da Análise à Estatística e à
Investigação Operacional – em que temas fundamentais como Cálculo Matricial ou o Cálculo Vetorial
são de utilização constante e cotidiana. É de extrema importância para em seus tópicos mais
avançados, simplificando sua teoria e em geral, para a maior parte da Matemática.
Numa análise comparativa com a Geometria, a Álgebra, como estrutura lógica, têm-se
desenvolvido mais recentemente, principalmente nos últimos 100 anos, com formulação simples,
onde poucos axiomas são suficientes para organizar toda a estrutura da Álgebra. Por sua vez, a
Geometria, desenvolvida inicialmente pelos Gregos a mais de 2.000 anos, está sintetizada nos
“Elementos de Euclides” que formam a base da Geometria Plana e Sólida atual, conservando a
maneira sistemática de analisar as propriedades de pontos, retas, triângulos, círculos e outras
configurações. Têm-se introduzido em estudos recentes, conjuntos de axiomas e postulados que
melhoram sua estrutura lógica, mas o conteúdo da Geometria permanece o mesmo.
Descobriu-se que, essencialmente, toda Geometria pode ser desenvolvida em linguagem
algébrica. Na associação de pontos e retas ao invés da geometria usual, realiza-se operações
algébricas em certos objetos, denominados vetores. Esses vetores obedecem a certas leis algébricas,
similares aos números. Assim, trabalhamos teoremas da geometria através de teoremas da álgebra
dos vetores com ênfase nas equações, identidades e desigualdade em lugar de conceitos
geométricos como, congruência, semelhança e interseção de segmentos.
Os vetores têm papel relevante, não apenas na Matemática, como na aplicação em outras
áreas. O estudo desses vetores, normalmente é feito por meio de dois tratamentos que se
completam: Geométrico e Algébrico. A grande vantagem da abordagem geométrica é de possibilitar
predominantemente a visualização dos conceitos que são apresentados para estudo, o que favorece
seu entendimento que sob o ponto de vista algébrico, são mais formais e abstratos.
Apesar da Álgebra Linear representar um campo abstrato da Matemática, ela tem um grande
número de aplicações dentro e fora da Matemática. Haetinger (2007) cita algumas e afirma que,
apesar de não conseguir abordá-las todas, num curso de Álgebra, o objetivo é que o estudante tome
contato com o que representa o estado da arte desta área. Alguns exemplos
5
de aplicações: Jogos de
Estratégia; Distribuição de Temperatura de Equilíbrio; Genética; Crescimento Populacional por Faixa
Etária; Criptografia; Tomografia Computadorizada; etc.

Nos temas a serem trabalhados, incluimos a discussão sobre os conceitos teóricos formalmente
instituidos, acompanhados de exemplos e atividades. Os textos são escritos em linguagem simples,
mas com rigor matemático. São apresentados em forma de resumo e de modo algum, dispensam a
pesquisa do acadêmico aos diversos livros didáticos da área. Portanto, para aprofundar seus
conhecimentos, sugerimos como fontes, os livros e links relacionados na bibliografia.

4
LAY, C David. Álgebra Linear e suas aplicações. 2ed. Trad. Ricardo Camelier e Valéria de M. Iório. Rio de Janeiro: LTC, 1999.
5
HAETINGER, Claus. 2007. Disponível em http://ensino.univates.br/~chaet/Algebra_Linear.html . Acesso em Jan 2009.
Essa introdução - associando a geometria com a álgebra de vetores - é informal e objetiva formar
uma noção intuitiva da Álgebra. O conteúdo programático de Álgebra Linear foi elaborado, visando
um conhecimento dos conceitos mínimos e indispensáveis, de modo que se possa perceber a inter-
relação entre os mesmos e a sua aplicação conjunta.
Álgebra Linear 4
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
SUMÁRIO

INTRODUÇÃO............................................................................................................................................................................ 2
I MATRIZES............................................................................................................................................................................... 6
1 Introdução...................................................................................................................................................................... 6
2. Definição......................................................................................................................................................................... 6
3. Tipos de Matrizes..................................................................................................................................................... 10
4. Proposições: Igualdade de Matrizes e Matriz Oposta....................................................................... 12
5. Matriz Transposta.................................................................................................................................................... 12
6. Simetria em Matrizes............................................................................................................................................. 13
Lista 1 de Atividades - Matrizes ...................................................................................................................................... 14
7. Operações com Matrizes ..................................................................................................................................... 16
7.1 Adição e Subtração de matrizes............................................................................................................... 16
7.2 Multiplicação por um escalar ..................................................................................................................... 17
7.3 Multiplicação entre matrizes...................................................................................................................... 18
8. Potência de uma Matriz ....................................................................................................................................... 22
9. Propriedades das Operações com Matrizes.............................................................................................. 23
Lista 2 de Atividades – Operações com Matrizes ............................................................................................................ 24
10. Equivalência de Matrizes.................................................................................................................................. 28
Lista 3 de Atividades – Equivalência de Matrizes/escalonamento................................................................................... 30
II DETERMINANTES E MATRIZES.................................................................................................................................... 32
1 Classe de uma Permutação................................................................................................................................. 32
2 Determinante de uma matriz............................................................................................................................. 33
2.1 Determinante de 1ª ordem......................................................................................................................... 34
2.2 Determinante de 2ª ordem......................................................................................................................... 34
2.3 Determinante de 3ª ordem: Regra de Sarrus................................................................................... 35
2.4 Determinante de ordem n > 3: Teorema de LAPLACE................................................................. 37
2.5 Processo de triangulação para cálculo de determinante........................................................... 38
3 Propriedades dos determinantes..................................................................................................................... 39
4 Determinante e Matriz Inversa......................................................................................................................... 40
Lista 4 de atividades – Determinantes e Matrizes............................................................................................................ 43
5 Aplicação matemática do conceito de determinantes na geometria .......................................... 46
Lista 5 de atividades - Determinantes .............................................................................................................................. 47
III SISTEMAS DE EQUAÇÕES LINEARES E MATRIZES............................................................................................ 48
1 Equações Lineares.................................................................................................................................................... 48
2 Sistema de Equações Lineares.......................................................................................................................... 50
2.1 Conceito ................................................................................................................................................................. 50
2.2 Representação Matricial de um Sistema de Equações Lineares............................................ 50
2.3 Classificação dos Sistemas de Equações Lineares......................................................................... 52
2.4 Equivalência de Sistemas de Equações Lineares............................................................................ 54
2.5 Resolução de Sistemas de Equações Lineares pelo princípio da equivalência:
Método de condensação ou de eliminação de Gauss-Jordan........................................................... 55
2.6 Solução de um sistema de equações lineares pela Regra de Cramer................................. 58
3 Sistema Homogêneo de Equações Lineares: Discussão da solução ............................................ 59
Lista 6 de atividades – Parte I .......................................................................................................................................... 61
Lista 6 de atividades - Parte II ......................................................................................................................................... 61
4 Discussão de um Sistema de Equações Lineares homogênio e não-homogênio.................. 65
Lista 7 de atividades ........................................................................................................................................................ 66
APÊNDICE A...................................................................................................................................................................... 67
Matriz de Co-Fatores e Adjunta Clássica......................................................................................................... 67
Aplicação de Determinante: Adjunta Clássica e Matriz Inversa ........................................................ 67
1 Encontrando a Matriz de Co-fatores .......................................................................................................... 67
2 Encontrando a Matriz Adjunta Clássica.................................................................................................... 68
Álgebra Linear 5
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
3 Encontrando a Matriz Inversa por Determinante............................................................................... 70
Lista de atividades – Determinantes, Matriz Inversa e Adjunta Clássica......................................................................... 71
Bibliografia........................................................................................................................................................................ 72

Álgebra Linear 6
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
C
CCA
AAP
PPÍ
ÍÍT
TTU
UUL
LLO
OO I
II
M MA AT TR RI IZ ZE ES S, , D DE ET TE ER RM MI IN NA AN NT TE ES S E E S SI IS ST TE EM MA AS S

s Matrizes formam um importante conceito em matemática, de especial uso no estudo de
transformações lineares. Os fundamentos e operações básicas com matrizes, determinantes e
sistemas de equações lineares são importantes no desenvolvimento de conceitos da Álgebra
Linear e portanto, pré-requisito para o estudo da mesma.

I MATRIZES

1 Introdução

requentemente nos deparamos com conjuntos de números ou outros objetos matemáticos, que
podem ser tratados em blocos por serem operados essencialmente da mesma maneira. Para
isso, usamos matrizes.
As matrizes são tabelas de números, utilizados como instrumentos de cálculo, surgidas em meados
do século XVII como um novo instrumento que, de início, servia para resolver sistemas lineares.
Dentre as matrizes as que mais uso teve e tem, é a matriz quadrada.
As primeiras concepções sobre matrizes na Matemática, surgiram com o inglês Arthur Cayley (1821-
1895). Sua preocupação vinculava-se na forma e na estrutura em Álgebra. Sob esse aspecto, criou
um modelo considerado referência mas sem a menor idéia de qualquer possível utilidade prática.
Hoje a teoria das matrizes é uma das partes da matemática mais férteis em aplicação: na
Matemática, na Física, na Física Atômica, na Estatística, na Economia, na Engenharia, na
Computação, etc. Várias operações executadas por cérebros eletrônicos são computações por
matrizes. As matrizes são tabelas de números, utilizados como instrumentos de cálculo. Dos eventos
e atividades nos quais somos, direta ou indiretamente, envolvidos no cotidiano, muitos deles podem
ser dispostos em forma de tabela/matrizes.
V
VVo
ooc
ccê
êê s
ssa
aab
bbi
ii a
aa q
qqu
uue
ee:
::
A geração dos movimentos e deformações que vemos nos efeitos especiais do cinema, da TV, dos
games de computadores e nas visualizações das simulações científicas está baseada na multiplicação
de matrizes 4x4 no caso espacial e 3x3 no caso plano. Nessas aplicações o problema computacional
não está no tamanho das matrizes mas na quantidade delas e na rapidez de processamento das
multiplicações (para que se tenha um movimento realístico).
Em muitas outras aplicações, temos uma situação quase que oposta: uma única matriz é suficiente
mas seu tamanho pode ir a ordem de centenas e mesmo milhares de linhas e colunas. Isso ocorre
normalmente em problemas que envolvem o estudo de campos elétricos, magnéticos, de tensões
elásticas, térmicos, etc, os quais - por um processo de discretização - são reduzidos a um sistema
de equações lineares, cuja matriz tem grande tamanho. Esse tipo de problema é um dos mais
comuns em vários campos da Engenharia. Outra situação que nos leva a nos envolvermos com
matrizes enormes são as associadas a grandes redes de distribuição de energia elétrica, redes de
comunicações, redes de transporte, etc. (SILVEIRA, 1999).

2. Definição

A
F
Álgebra Linear 7
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
hamamos de matriz de ordem m por n a qualquer quadro ou tabela formada por m x n
elementos (números, polinômios, frações, etc.) dispostos em m linhas e n colunas.
Ou, uma matriz é qualquer tabela formada por números ou outro tipo de objeto matemático
que se pretende operar em bloco, simultaneamente.
Ou, uma matriz é um conjunto ordenado de números e estão associdados a duas dimensões: a
dimensão das linhas e a das colunas. Um importante exemplo prático de matriz surge na
informática: os programas conhecidos como planilhas eletrônicas correspondem a matrizes. Uma
planilha, tal como uma matriz, está dividida em linhas e colunas e, cada célula da planilha
representa um elemento da matriz.
De forma genérica, uma matriz pode ser representada por uma letra maiúscula do alfabeto ou por
seus elementos representativos. Estes elementos são dispostos normalmente entre parênteses ( )
ou entre colchetes [ ] ou duplas barras . Da mesma forma, cada elementos está associado a
dois subíndices que indicam sua posição na matriz.
Assim, podemos dizer que cada elemento de uma mátria A é representado por a
ij
, onde i representa
a linha e j a coluna, onde o elemento a se encontra localizado. A matriz com m linhas e n colunas
possui dimensão mxn (lê-se m por n) e indicamos por A
mxn
.

Exemplo 1:
(a) A
2x3
=
|
|
¹
|

\
|


5 3 4
0 1 2
é uma matriz de 2 linhas e 3 colunas onde cada elemento de A ocupa
um lugar determinado na matriz. O elemento (-5), por exemplo está na segunda linha (i=2) e
terceira coluna (j=3) que indicamos por a
23
= -5. Os demais elementos indicamos por:
5 3 4
0 1 2
23 22 21
13 12 11
− = = =
= − = =
a a a
a a a

(b) B
2x2
=
4
9 1
i
é uma matriz de ordem 2 x 2 ou B = [b
ij
]
2x2
(c) C
1x4
= [ ] 9 4 2 2 − é uma matriz de ordem 1 x 4 ou C = [c
ij
]
2x2

Exemplo 2: Consideremos a situação-problema de 03 pessoas, candidatas a um emprego e
submetidas a testes. Podemos representar o resultado dos testes num quadro de avaliação:
1º teste 2º teste 3º teste
Teresa 4,0 3,5 1,0
Paulo 5,0 7,3 8,0
Marcos 4,8 7,2 3,0
André 9,0 8,8 6,5
Os números distribuidos na horizontal representam a pessoa avaliada e formam o que
denominamos de linha e, os colocados na vertical representam o grau de aprovação no teste e
são chamados de coluna. A tabela de valores resultante do quadro é denominada matriz e
cada número é chamado de elemento.
Neste exemplo, temos uma tabela/matriz de ordem quatro por três (4 x 3) ou seja, é uma a
matriz com 4 linhas e 3 colunas. Assim, representamos a situação-problema em:
C
Álgebra Linear 8
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
A
4x3
=
|
|
|
|
|
¹
|

\
|
5 , 6 8 , 8 0 , 9
0 , 3 2 , 7 8 , 4
0 , 8 3 , 7 0 , 5
0 , 1 5 , 3 0 , 4

Exemplo 3: Vamos considerar agora, a representação em matriz da seguinte situação:
Analisando a pontuação (de 0 a 10) obtida por Paulo, André e Luana, no programa de
formação continuada da empresa em que trabalham, nos últimos anos, temos: Paulo, com 8,
7, 9 e 8 pontos; André, com 6, 6, 7, 6 e Luana, com 4, 8, 5, 9.
Esta situação-problema pode ser representando num quadro ou numa matriz com a pontuação
dos três por ano. Observe:
Representando num quadro:
2004 2005 2006 2007
Paulo 8 7 9 8
André 6 6 7 6
Luana 4 8 5 9
Representando numa matriz:





Para saber a pontuação de André, por exemplo, em 2006, basta procurar o número que fica na
2ª linha e na 3ª coluna da tabela ou da matriz. Temos nesse caso, uma matriz de ordem 3 x 3
ou seja, nossa matriz tem 3 linhas e 3 colunas e indicamos por A
3,3
. Quando uma matriz tem o
número de linhas igual ao número de colunas, é chamada de matriz quadrada.
Exemplo 4: Vamos avaliar uma outra situação-problema na comparação entre pessoas com
seus respectivos pesos, alturas e idade. Podemos representar no quadro abaixo os valores
encontrados:
Altura(m) Massa(kg) Idade(anos)
Eduardo 1,83 72 18
Fernando 1,75 54 14
Este quadro pode ser representada por uma matriz A de ordem 2 x 3 ou seja com 2 linhas e 3
colunas. As linhas são enumeradas de cima para baixo e as colunas, da esquerda para direita.
A
2x3
=

14 54 75 , 1
18 72 83 , 1
LINHAS

COLUNAS

1ª linha
2
a
linha
3ª coluna
2
a
coluna
1
a
coluna

Álgebra Linear 9
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Resumindo:
1. Algebricamente, usamos letras maiúsculas (A, B, ...) para indicar as matrizes genéricas e
letras minúsculas ou números para indicar os elementos.
2. As tabelas com m linhas e n colunas são denominadas matrizes de ordem m x n. Portanto:
Denomina-se matriz de ordem m x n (lê-se: m por n) com m, n ≥ ≥≥ ≥ 1, a uma tabela formada
por m x n elementos (números, polinômios, funções, etc.), dispostos em m linhas e n
colunas.
3. A representação genérica de uma matriz A de ordem m x n é:
A
mxn
=
|
|
|
|
|
¹
|

\
|
mn m m m
n
n
a a a a
a a a a
a a a a
...
... ... ... ... ...
...
...
3 2 1
2 23 22 21
1 13 12 11
, com m e n ∈ N*
Indica-se a matriz acima por:
A
mxn
= [ a
ij
]
m x n
com i ∈ {1, 2, ..., m} ⊂ N e j ∈ { 1, 2, ..., n} ⊂ N ou
A
mxn
= [ a
ij
] , (1 ≤ i ≤ m e 1 ≤ j ≤ n).
Note que cada elemento a
ij
da matriz A, está vinculado a dois índices: i e j. O primeiro
indica a linha e o segundo a coluna em que o elemento pertence. Exemplo: O elemento a
25

indica que o elemento a está localizado na 2ª linha e 5ª coluna da matriz A.
4. A representação de uma matriz a partir de uma lei de formação permite calcular o seu número
de elementos e encontrá-los.
Exemplo: Encontre a matriz A = (a
ij
)
3x2
sabendo que a
ij
= 2i – 3j.
Resolvendo: A representação abreviada de A = (a
i j
)
3 x 3
indica que A tem ordem 3 x 2 ou seja 3
linhas e 2 colunas. Então m x n = 3 x 2 = 6. Assim, nossa matriz tem 6 elementos e sua
representação genérica é A
3x2
=
|
|
|
¹
|

\
|
32 31
22 21
12 11
a a
a a
a a
. Logo, para a
ij
= 2i – 3j temos:
⇔ ⇔⇔ ⇔ a
11
= 2.1 - 3.1 = 2 – 3 = -1
a
12
= 2.1 – 3.2 = 2 – 6 = -4
a
21
= 2.2 – 3.1 = 4 – 3 = 1
a
22
= 2.2 – 3.2 = 4 – 6 = -2
a
31
= 3.3 – 3.1 = 9 – 3 = 6
a
32
= 3.3 – 3.2 = 9 – 6 = 3.

A matriz procurada é A
3x2
=
|
|
|
¹
|

\
|

− −
3 6
2 1
4 1



Álgebra Linear 10
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
3. Tipos de Matrizes
lgumas matrizes, por suas características, recebem denominações especiais. Vamos
conhecer!

1. Matriz Retangular: Se m ≠ ≠≠ ≠ n então A é dita matriz retangular de ordem m x n.
Exemplo: A
3x4
=

34 33 32 31
24 23 22 21
14 13 12 11
a a a a
a a a a
a a a a
é uma matriz retangular de ordem 3 × ×× × 4 ou A = [a
ij
]
3x4
2.

Matriz Linha ou vetor linha: É a matriz de ordem 1 x n, ou
seja, formada por uma única linha. Exemplo: A
1x4
=
( ) 8 5 1 3 −
3.

Matriz Coluna ou vetor coluna: É a matriz de ordem m x 1,
ou seja, com uma única coluna. Exemplo: B
2x1
=
|
|
¹
|

\
| −
9
4
.

4.

Matriz Nula ou matriz nula: É a matriz em que todos os elementos são nulos. É representada
por 0
m x n.
Exemplo: 0
2x3
=

0 0 0
0 0 0


Exemplo complementar: A tabela a seguir apresenta os preços dos produtos químicos para
tratamento de água P
1
, P
2
, P
3
, P
4
das empresas A, B, e C.
P
1
P
2
P
3
P
4

A 190 182 204 179
B 191 180 200 177
C 192 181 205 175
Neste exemplo temos uma matriz retangular de ordem 3 x 4, formada por 3 linhas
e 4 colunas.
Os preços da empresa A formam a matriz linha 1x4 indicada por A =
( ) 179 204 182 190 . Idem para os preços das empresas B e C.
Os preços do produto P
1
, relacionados as empresas A, B e C formam a matriz coluna
3x1, indicada por P
1
=
|
|
|
¹
|

\
|
192
191
190
. Idem para os produtos P
2
, P
3
e P
4
.
5. Matriz Quadrada: Se m = n então a matriz A é denominada matriz quadrada de ordem n
isto é, A é uma matriz que tem um número igual de linhas e colunas. Exemplos:
A
3x3
=

33 32 31
23 22 21
13 12 11
a a a
a a a
a a a
e B
2x2
=
|
|
¹
|

\
| −
4 0
3 1
. A é uma matriz quadrada de ordem 3 e B tem ordem 2.

Os elementos a
ij
da matriz quadrada quando i = j formam a diagonal principal da matriz.
A outra diagonal é chamada diagonal secundária.

Exemplo: A
3x3
=

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

A
Diagonal principal
Diagonal secundária
Note que: Matrizes com a
característica de ser linha ou
coluna têm papel importante
na Álgebra e são
denominadas vetores. E
estes têm representação
geométrica no plano e no
espaço tridimensional.
Álgebra Linear 11
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris


Na diagonal principal estão os elementos que têm os dois índices iguais → a
11
, a
22
, ... a
nn

Na diagonal secundária estão os elementos a
ij
tais que i+j = n+1 ou seja, que têm soma dos
índices igual a n+1 → São: a
1n
, a
2(n-1)
, ... a
n1
.

As matrizes quadradas se classificam em:
5.1 Matriz diagonal: É a matriz quadrada em que
todos os elementos que não estão na diagonal
principal são iguais a zero ou seja, se A=[ a
ij
],
então a
ij
= 0 quando i ≠ j. Indicamos por D =
diag (a
11
, a
22
, ... a
nn
).
Exemplo 1: D
3x3
=


2 0 0
0 31 0
0 0 5

5.2 Matriz identidade ou matriz unidade: É a
matriz quadrada em que todos os elementos da
diagonal principal são iguais a 1 e os demais são
nulos. É representada por I
n
, sendo n a ordem
da matriz ou simplesmente I.
Ou, matriz identidade é uma matriz diagonal
com os elementos não nulos iguais a 1.
Exemplo: I
3
=

1 0 0
0 1 0
0 0 1

Pode ser representada genericamente por:
I
n
= [ a
ij
] com a
ij
=
¹
´
¦

=
j i se 0,
j i se , 1

Note que: A multiplicação de qualquer matriz
pela identidade resulta na matriz original.
5.3 Matriz escalar ou singular: É a matriz
diagonal cujos elementos da diagonal principal
são iguais. Note que toda matriz identidade é
uma matriz escalar.
Exemplo: A
3
=

5 0 0
0 5 0
0 0 5

5.4 Matriz triangular superior: É a matriz
quadrada cujos elementos abaixo da diagonal
principal são nulos ou é a matriz A=[a
ij
] cujos
elementos a
ij
são nulos (a
ij
= 0) para i > j
Exemplo:A
4
=


2 0 0 0
0 1 0 0
1 2 2 0
1 8 6 5

5.5 Matriz triangular inferior: É a matriz
quadrada cujos elementos acima da diagonal
principal são nulos ou é a matriz quadrada
A=[a
ij
] cujos elementos a
ij
são nulos (a
ij
= 0)
para i < j
Exemplo:A
4
=


2 5 2 3
0 1 1 9
0 0 2 0
0 0 0 5

Note que: Uma Matriz diagonal é simultaneamente triangular superior e triangular inferior. Por
exemplo:
Uma agência de automóveis efetuou de vendas,
durante o quatro trimestre: 106 Gols no 1
o
mês, 45
Zafiras no 2
o
mês, no último mês foram 20 Passats.
Observe, ao lado, a tabela de vendas e a matriz
diagonal que é simultaneamente triangular.
Gol Zafir
a
Passat
M1 10
6
0 0
M2 0 45 0
M3 0 0 20
ou


20 0 0
0 45 0
0 0 106
Álgebra Linear 12
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
4. Proposições: Igualdade de Matrizes e Matriz Oposta

4.1 Duas matrizes de mesma ordem podem ser iguais.
Duas matrizes A = [ a
ij
] e B =[ b
ij
], de mesma ordem, são iguais se, e somente se, todos seus
elementos correspondentes são iguais ou seja, se a
ij
= b
ij
.

Exemplo 1: A matriz A = [ 2 -4 1,5 ] é igual a matriz B = [ a -4 1,5 ] se, cada
um dos seus elementos são iguais. Neste caso, a = 2.
Exemplo 2: Seja A =
|
|
¹
|

\
|
d c
b a
e B =
|
|
¹
|

\
|
− 5 1
6 1
. A=B se a = 1, b = 6, c = -1 e d = 5.
Exemplo 3: Seja A =
|
|
¹
|

\
| −
2 2
4 1
e B =
|
|
¹
|

\
|
+

w y
z x
1
2
temos que A = B ou B = A se

|
|
¹
|

\
| −
2 2
4 1
=
|
|
¹
|

\
|
+

w y
z x
1
2

¦
¦
¹
¦
¦
´
¦
=
− = −
= +
=
2
4 2
2 1
1
w
z
y
x

¦
¦
¹
¦
¦
´
¦
=
− =
=
=
2
2
1
1
w
z
y
x

4.2 Toda matriz A tem uma matriz oposta (-A).

Se A = [ a
ij
]
m x n
então existe uma matriz oposta de A representada por (-A) de modo que a
ij

= - a
ij
. A matriz (-A) oposta de A é obtida trocando-se todos os sinais dos elementos de A ou
multiplicando A pelo escalar (-1).

Exemplo 1: Se A=
|
|
¹
|

\
|

4 0
3 1
então (-A) =
|
|
¹
|

\
|


4 0
3 1
.
Exemplo 2: Se A=
|
|
¹
|

\
| −
2 2
4 1
então B é oposta de A se B =
|
|
¹
|

\
|
− −

2 2
4 1


5. Matriz Transposta

ada uma matriz A
m,n
, chama-se transposta de A a matriz A
t
que se obtem trocando
ordenadamente as linhas pelas colunas.
Ou, a matriz transposta de uma matriz A= [a
ij
], de ordem mxn, é a matriz A
t
, de ordem nxm,
que se obtém escrevendo ordenadamente as linhas de A como colunas ou vice-versa.
Exemplo: Se A =
|
|
¹
|

\
|
− −

3 2 4
6 1 1
então A
t
=
|
|
|
¹
|

\
|

− −
3 6
2 1
4 1


Note que a 1ª linha de A corresponde à 1ª coluna de A
t
e a 2ª linha de A corresponde à 2ª coluna.

Obs: Algumas propriedades se definem nas transpostas envolvendo soma e produto
de matrizes. Portanto, serão comentadas após as operações com matrizes.


D
Álgebra Linear 13
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
6. Simetria em Matrizes

ma matriz qualquer quadrada, pode ser simétrica e anti-simétrica. Observe:
6.1 Matriz simétrica: É a matriz quadrada de ordem
n tal que A = A
t
. É a matriz cujos elementos a
ij
=
a
ji
. Em geral a matriz simétrica é indicada pela
letra S
Também podemos dizer que: Se uma matriz
(quadrada) A e a sua transposta A
t
são iguais, isto
é, as
ji ij
a a = para todo i e j, então a matriz A é
simétrica (com relação a sua diagonal principal).
A = A
t
Matriz Simétrica

Exemplo: A =



7 1 2
1 3 0
2 0 5
= A
t
= S
Observe que na Matriz simétrica os
elementos dispostos simetricamente em
relação a diagonal principal são iguais.
Neste exemplo, temos:
a
12
= a
21
= 0
a
13
= a
31
= 2
a
23
= a
32
= -1
6.2 Matriz anti-simétrica: É a matriz quadrada de
ordem n tal que A
t
= (-A) ou é a matriz cujos
elementos a
ij
= (-a
ji
) para i≠j e aij=0 para i=j. Em
geral a matriz simétrica é indicada pela letra S´
A = -A
t
Matriz anti-simétrica
Observe nos exemplos que, como A=(-A
t
) então A
é simétrica e
a
12
= - a
21
,
a
13
= - a
31,

a
23
= - a
32

a
11
= a
22
= a
33
= 0
N
NNo
oot
tte
ee q
qqu
uue
ee:
::
Se uma matriz A é anti-simétria, seus
elementos dispostos simétricamente em relação à
diagonal principal são opostos e os elementos da
diagonal principal são nulos.
Exemplo 1: A=




0 1 2
1 0 5
2 5 0
=-A
t
= S´
Exemplo 2: B=

− −

0 3 1
3 0 4
1 4 0
=-B
t
= S´

Agora, tente você!
Resolva a lista de atividades 1
U










Álgebra Linear 14
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Lista 1 de Atividades - Matrizes
1.Uma agência de automóveis efetuou de vendas, durante o quatro trimestre: 106 Gols, 40 Zafiras e
12 Passats no 1
o
mês, 100 Gols, 22 Zafiras e 6 Passats no 2
o
mês, no último mês foram 86 Gols,
40 Zafiras e 20 Passats. Monte a tabela de vendas e transforme em matriz.

2.Encontre as matrizes definidas em:

(a) A=(a
ij
)
3x2
com a
ij
=i–5j

(b) B=(b
ij
)
4x4
com b
ij
=
¹
´
¦
=
≠ −
j i se , 0
j i se 1


3.Encontre as matrizes definidas em:

(a) A=(a
ij
)
3x2
com a
ij
=4i–j

(b) B=(b
ij
)
3x3
com b
ij
=i
2
+j
2

(c) C=(c
ij
)
2x3
com c
ij
=
¦
¹
¦
´
¦
= +

j i se , 2
j i se
4
j i
j
i

(d) D = (d
ij
)
3x3
, matriz identidade
4.Considere a matriz B =

5 , 6 8 , 8 0 , 9
0 , 3 2 , 7 8 , 4
0 , 8 3 , 7 7 , 5
0 , 1 5 , 3 0 , 4
. Encontre os valores dos seguintes elementos de B:
a) b
11
b) b
21
c) b
12
d) b
32
e) b
42
f) b
24


5.Uma matriz possui 8 elementos. Quais os tipos possíveis para essa matriz? 1x8, 2x3, 5x7, 4x2,
2x4, 2x6!
6. Quantos elementos tem uma matriz de ordem 4 por 7?
7. Encontre a tabela de carros financiados por uma agência bancária nos meses de junho, julho e
agosto. Represente em matriz e analise: (a) Qual o modelo de carro mais financiado? (b) Em qual
mês houve um maior número de carros financiados. (c) Qual o total de carros financiados pela
agência mensalmente e, ao final dos três meses?
8. Dê exemplo de:
(a) Matriz simétrica S e anti-simétrica S´de ordem 3.
(b) Matriz escalar de ordem 4.
(c) Matriz Identidade de ordem 5.
9. Considere as matrizes retangulares A =
6 2 0 0
4 5 3 1 + x
e B =
6 4 0 0
4 6 3 1
− y
.
(d) Determine os valores de x e y de forma que as matrizes A e B sejam iguais;
(b) Encontre A
t
e B
t
.
10. Determine a matriz oposta de A
2x3
=


2 5 0
3 2 1

11. A partir de uma matriz triangular superior de ordem 3, encontre a sua matriz oposta.
12. A partir de uma matriz diagonal de ordem 4, encontre sua transposta.
13. Encontre a transposta da matriz A = [a
ij
]
3x2
em que a
ij
=
¹
´
¦
≠ −
= −
j i i j
j i j i
se
se

14. Para a matriz linha A = [a
ij
]
1x3
em que a
ij
=2i-j, prove que (A
t
)
t
= A.
15. Encontre a matriz diagonal A = [a
ij
] de ordem 3, sabendo que a
ij
= 3i-j. Após, determine a
soma dos elementos da diagonal principal com os elementos da diagonal secundária.
Álgebra Linear 15
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
16. Para A =


2 1 5
3 6
4 2 0
y e B =


z
x
8 4
1 3
5 6 0
encontre os valores de x, y e z para B = A
t
.
17. Verifique se a matriz identidade de ordem 3 é simétrica ou anti-simétrica e justifique.
18. Determine uma matriz triangular superior A e uma matriz triangular inferior B de ordem 3,
para a
ij
= i+j e b
ij
= i-j.
19. Considere a matriz A =
1 8
9
4 3 1
− z
y x . Para que valores de x, y e z, A é uma matriz simétrica.

Respostas da Lista de Atividades 1

(1) Gol Zafira Passat
M1 106 40 12
M2 100 22 6
3 86 40 20
(2) A=

− −
− −
− −
7 2
8 3
9 4
(2) B =
|
|
|
|
|
¹
|

\
|
− − −
− − −
− − −
− − −
0 1 1 1
1 0 1 1
1 1 0 1
1 1 1 0
(3) A =
|
|
|
¹
|

\
|
10 11
6 7
2 3
(3) B =
|
|
|
¹
|

\
|
18 13 10
13 8 5
10 5 2
(3) C =
|
|
¹
|

\
|
3 / 8 6 8
3 / 4 2 3
;
(3) D =
|
|
|
¹
|

\
|
1 0 0
0 1 0
0 0 1
(4) (a) b11=4,0 (b) b12=3,5 (c) b42=8,8 (d) b21=5,7 (e) b31=7,2 (f) b24=não existe;
(5) 1x8, 4x2 e 2x4 (6) 4x7 = 28 elementos (7)

20 15 115
10 45 98
2 5 106
(a) modelo A; (b) mês 07; (c) mês 06 = 113; mês 07 =
153 e mês 08 = 150. Ao final de 3 meses financiaram 416 carros.
(8)(a) S =



20 4 2
4 45 3
2 3 106
; S=


− −
0 4 2
4 0 3
2 3 0
(b) E=

2 0 0 0
0 2 0 0
0 0 2 0
0 0 0 2
(c) I =
|
|
|
|
|
|
¹
|

\
|
1 0 0 0 0
0 1 0 0 0
0 0 1 0 0
0 0 0 1 0
0 0 0 0 1
(9a) x=1 e y = 6
(9b)A
t
=

6 4
2 6
0 3
0 1
B
t
; (10) (-A)=
|
|
¹
|

\
|
− −
− −
2 5 0
3 2 1
, (11) A=
|
|
|
¹
|

\
|
18 0 0
13 8 0
10 5 2
, (-A) =
|
|
|
¹
|

\
|

− −
− − −
18 0 0
13 8 0
10 5 2
(12) D =


7 0 0 0
0 1 0 0
0 0 3 0
0 0 0 2
= D
t
.
(13) A
t


− −
1 0 1
2 1 0
(14) A = ( ) 1 0 1 − , A
t
=
|
|
|
¹
|

\
|
−1
0
1
, (A
t
)
t
= ( ) 1 0 1 − = A (provado) (15) D =
|
|
|
¹
|

\
|
33
22
11
0 0
0 0
0 0
a
a
a
=
|
|
|
¹
|

\
|
6 0 0
0 4 0
0 0 2

(2+4+6)+(0+4+0) = 16. (16) x= 2 , y=8 e z=2 ou S={( 2 ,8,2)}; (17) É simétrica pois aij = aji para i ≠ j e não é anti-
simétrica pois aij ≠ 0 para i = j; (18) A =
|
|
|
¹
|

\
|
6 0 0
5 4 0
4 3 2
, B =
|
|
|
¹
|

\
|
0 1 2
0 0 1
0 0 0
(19) A é simétrica para x=3, y = 8 e z = 4

20 40 86
6 22 100
12 40 106
Álgebra Linear 16
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
7. Operações com Matrizes

7.1 Adição e Subtração de matrizes

uas matrizes, A = [a
ij
] e B = [b
ij
], só podem ser adicionadas ou subtraídas se tem a mesma
ordem. Neste caso, a soma (adição) de A com B é uma matriz C = [c
ij
], indica-se por A + B
= C, tal que:
c
ij
= a
ij
+ b
ij



A diferença (subtração) entre duas matrizes A e B, de mesma ordem, é definida pela soma de A
com (-B), indica-se: A + (-B) = A – B, tal que:

c
ij
= a
ij
- b
ij

Assim, duas matrizes podem ser somadas (ou subtraídas) se e somente se elas possuem a mesma
dimensão
ij ij
b a =
Exemplo 1: Se

=
22 21
12 11
a a
a a
A e

=
22 21
12 11
b b
b b
B então

+ +
+ +
= +
22 22 21 21
12 12 11 11
b a b a
b a b a
B A

Exemplo 2: A tabela a seguir mostra o número de embalagens em mil, dos modelos C
1
, C
2
,
C
3
produzidas numa semana pelas industrias A, B e C integrantes de um mesmo grupo
empresarial, numa semana:

C
1
C
2
C
3

A 18 41 17
B 17 52 15
C 25 48 19
A matriz correspondente a produção das embalagens é indicada por P
1
=

19 48 25
15 52 17
17 41 18
.
Considerando que a quantidade de embalagens semanais produzidas não se altera, qual o total
de embalagens produzidas pelo grupo, por indústria e por modelo, ao final de duas semanas?
1ª semana + 2ª semana = P
1
+ P
2
=

19 48 25
15 52 17
17 41 18
+

19 48 25
15 52 17
17 41 18
=

38 96 50
30 104 34
34 82 36
.
A matriz P
1
+ P
2
indica a produção por empresa e produto ao final de duas semanas. Temos
então:
Indústria A: produziu 36 mil embalagens do modelo C
1
, 82 mil do C
2
e 34 mil de C
3
.
Indústria B: produziu 34 mil embalagens do modelo C
1
, 104 mil do C
2
e 30 mil de C
3
.
Indústria C: produziu 50 mil embalagens do modelo C
1
, 96 mil do C
2
e 38 mil de C
3
.
Este é um exemplo de soma de matrizes
Analisando a matriz resultante, podemos encontrar outros dados, facilmente. Por exemplo:
O total de embalagens produzidas do modelo C
1
(= 120 000), do modelo C
2
(= 282 000), do
modelo C
3
(=102 000).
O total de embalagens produzidas, por industria, nos três modelos: A (=152 000), B (=168
000) e C = (184 000)
O total de embalagens produzidas nas três industrias (=504 000)

D
Álgebra Linear 17
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Exemplo 3: Se A =
|
|
¹
|

\
|
0 2
4 1
e B =
|
|
¹
|

\
|
6 8
3 5
então A + B =
|
|
¹
|

\
|
0 2
4 1
+
|
|
¹
|

\
|
6 8
3 5
=
|
|
¹
|

\
|
6 10
7 6

Exemplo 4: Se A =
|
|
¹
|

\
|
0 2
4 1
e B =
|
|
¹
|

\
|
6 8
3 5
então A - B =
|
|
¹
|

\
|
0 2
4 1
-
|
|
¹
|

\
|
6 8
3 5
=
|
|
¹
|

\
|
− −

6 6
1 4

Exemplo 5: Se A=
|
|
|
¹
|

\
|
− − −
7 5 3
2 3 4
3 2 1
e B=
|
|
|
¹
|

\
|

3 5 1
4 8 4
3 2 3
então,
A+B=
|
|
|
¹
|

\
|
− − −
7 5 3
2 3 4
3 2 1
+
|
|
|
¹
|

\
|

3 5 1
4 8 4
3 2 3
=
|
|
|
¹
|

\
|
+ + +
− + − + − + −
+ + +
3 7 5 5 1 3
) 4 ( 2 8 3 4 4
3 3 2 2 3 1
=
|
|
|
¹
|

\
|

10 10 4
6 5 0
6 4 4
=C
A–B=
|
|
|
¹
|

\
|
− − −
7 5 3
2 3 4
3 2 1
-
|
|
|
¹
|

\
|

3 5 1
4 8 4
3 2 3
=
|
|
|
¹
|

\
|
− − −
− − − − − − −
− − −
3 7 5 5 1 3
) 4 ( 2 8 3 4 4
3 3 2 2 3 1
=
|
|
|
¹
|

\
|
− −

4 0 2
2 11 8
0 0 2
=D

Exemplo 6: Se A = [ ] 1 2 − b e B =

3 2
3
1
⇒ A + B =

+ 2 2
3
7
b

Exemplo 7: Se A = [ ] 1 5 2 − e B = [ ] 4 2 3 − então A + (-B) = A–B = [ ] 5 7 1 − −

7.2 Multiplicação por um escalar

eja A = [a
ij
] e k um escalar (número) real ou complexo. O produto da matriz A pelo escalar k,
é a matriz B = [b
ij
] tal que b
ij
= k a
ij
, ou seja, é a matriz obtida multiplicando-se cada
elemento de A por k → b
ij
= ka
ij



Exemplo 1: k A = k
|
|
¹
|

\
|
0 2
4 1
=
|
|
¹
|

\
|
0 2
4
k
k k
se k=5 temos 5A=5
|
|
¹
|

\
|
0 2
4 1
=
|
|
¹
|

\
|
0 10
20 5
=B

Exemplo 2: Se A=[ ] 4 2 3 − então = A .
3
1
[ ] 4 2 3 .
3
1
− =

− 4 .
3
1
2 .
3
1
3 .
3
1
=


3
4
3
2
1 .

Exemplo 3: Considermos o mesmo problema anterior do quadro demonstrativo de produção
de embalagens de indústrias que integram o mesmo grupo empresarial. A tabela a seguir
mostra o número de embalagens em mil, dos modelos C
1
, C
2
, C
3
produzidas pelas industrias A,
B e C, numa semana:

C
1
C
2
C
3

A 18 41 17
B 17 52 15
C 25 48 19
S
Álgebra Linear 18
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
A matriz correspondente a produção das embalagens é indicada por P
1
=

19 48 25
15 52 17
17 41 18
. Para
atender as necessidades do mercado, a produção precisa dobrar nas duas últimas semanas do
mês. Qual deve ser o quadro de produção da empresa num mês de 04 semanas?
1ª semana: P
1
=

19 48 25
15 52 17
17 41 18
= P
2
→ 2ª semana;
3ª semana: P
3
= 2.P
1
= 2.

19 48 25
15 52 17
17 41 18
=

38 96 50
30 104 34
34 82 36
= P
4
→ 4ª semana;
Produção nas 4 semanas: P
1
+P
2
+ P
3
+ P
4
= 3. P
4
=

114 288 150
90 312 102
102 246 108


OU podemos resolver fazendo P
i
= 6.P
1
= 6.

19 48 25
15 52 17
17 41 18
=

114 288 150
90 312 102
102 246 108


7.3 Multiplicação entre matrizes

Vamos introduzir o conceito a partir de exemplos:

Exemplo 1: Em três lojas A, B, C, de uma rede, são vendidos mensalmente, calçados do tipo C
1
, C
2
e C
3
conforme tabela:

Tabela Matriz
C
1
C
2
C
3

A 18 41 17
B 17 52 15
C 10 39 16
V =

16 39 10
15 52 17
17 41 18

Se os calçados do tipo C
1
, C
2
e C
3
são vendidos respectivamente no valor de 50, 40 e 60 reais cada,
então os preços das mercadorias podem ser representadas pela matriz P =

60
40
50
.
O valor recebido pelas vendas dos calçados na loja A é obtido pela multiplicação de cada elemento
da 1ª linha da matriz V pelos correspondentes elementos da matriz P. Assim,
V =

16 39 10
15 52 17
17 41 18
. P =

60
40
50
= 18.50+41.40+17.60 = 900+1640+1020 = 3560 reais → Loja A
Álgebra Linear 19
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Da mesma forma, obtemos o valor recebido pelas vendas das lojas B e C.
V =

16 39 10
15 52 17
17 41 18
. P =

60
40
50
= 17.50+52.40+15.60 = 850+2080+900 = 3830 reais → Loja B
V =

16 39 10
15 52 17
17 41 18
. P =

60
40
50
= 10.50+39.40+16.60 = 500+1560+960 = 3020 reais → Loja C
Portanto, o valor recebido pelas vendas dos três tipos de calçados nas lojas A, B e C é representado
pela matriz V.P =

16 39 10
15 52 17
17 41 18
.

60
40
50
=

3020
3830
3560
. Assim, o valor recebido pelas lojas A, B e C na
venda mensal dos calçados do tipo C
1
, C
2
e C
3
é de R$ 10.410,00 que equivale a R$ 3.560,00 da
Loja A, R$ 3.830,00 da Loja B e R$ 3.020,00 da Loja C.

Exemplo 2:Uma empresa produz dois tipos de produtos, P
1
e P
2
. São usados três tipos de
ingredientes na produção: x, y, z nas seguintes proporções:
Tabela Matriz
P
1
P
2

x 3 1
y 4 2
z 3 7
I
p
=

7 3
2 4
1 3


Diariamente são fabricados 80 produtos do tipo P
1
e 120 do tipo P
2
. Esta quantidade de
produtos pode ser representada pela matriz produção P =
|
|
¹
|

\
|
120
80
.
Para saber a quantidade de ingredientes utilizados diariamente, fazemos:
Ingrediente x → 3.80+1.120 = 240+120=360
Ingrediente y → 4.80+2.120 = 320+240=560
Ingrediente z → 3.80+7.120 = 240+840=1080
Esta quantidade de produtos pode ser representada pela matriz P
i
=
|
|
|
¹
|

\
|
1080
560
360
.
Podemos obter esta matriz P
i
denominada de matriz produto de I
p
por P, da seguinte forma:

7 3
2 4
1 3
.
|
|
¹
|

\
|
120
80
=
|
|
|
¹
|

\
|
+
+
+
120 . 7 80 . 2
120 . 2 80 . 4
120 . 1 80 . 3
=
|
|
|
¹
|

\
|
1080
560
360
= P
i

Note que: cada elemento da matriz final é a soma dos produtos ordenados de uma linha da
primeira matriz pela coluna da segunda matriz ou seja:
360 = 3.80+1.120
560 = 4.80+2.120
1080= 3.80+7.120
Este é mais um exemplo de multiplicação de matrizes.

Álgebra Linear 20
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Conceituando o produto de matrizes:

Utilizamos na definição de produto de matrizes o conceito de somatório: Vamos rever este conceito?

Saiba Mais:







Definição:
Produto entre duas matrizes A e B só é possível se o número de colunas da primeira é igual
ao número de linhas da segunda matriz. Se existir o produto de A por B, o tipo da matriz
produto é dado pelo número de linhas de Ae pelo número de colunas de B. Pode existir o
produto de A por B, mas não existir o produto de B por A.

Dadas as matrizes A = (a
ik
)mxn e B = (b
ik
)mxp, define-se como produto de A por B a matriz C =
(c
ij
)mxp tal que o elemento c
ij
é a soma dos produtos da i-ésima linha de A pelos elementos
correspondentes da j-ésima coluna de B.
C = A ⋅ ⋅⋅ ⋅ B ⇒ ⇒⇒ ⇒ c
ij
= ) . (
1
ik
p
k
ik
B A

=

Se considerarmos, por exemplo, as matrizes A = [ a
ij
]
2xn
e B = [ b
ij
]
mx1
, com m = n, o produto AB,
nesta ordem, é a matriz C = [ c
ij
]
2x1
tal que, c
ij
é a soma dos produtos, na ordem em que estão
dispostos, dos elementos da matriz-linha A, pelos elementos da matriz-coluna B. Note que a matriz
resultante C tem o mesmo número de linhas de A e o número de colunas de B.
Exemplo 1: Seja A = [ ] 4 2 3 − , B =

4
2
1
, C =

3 5 2
6 2 4
e D =

6 7 2 1
0 1 3 2
1 4 2 5
.
a) A x B = ?
Resolução: A
1x3
x B
3x1
= [(3x1) + (-2x2) + (4x4)] = [3-4+16] = [15] = C
1 x 1
.

b) B x C = ?
Resolução: B
3x1
x C
2x2
=? Não existe produto BC pois o nº de colunas de B é diferente do
nº de linhas de C ou 1 ≠ 2.

c) C x D = ?
Resolução: C
2x3
x D
3x4
=

3 5 2
6 2 4
x

6 7 2 1
0 1 3 2
1 4 2 5
= M
2x4
=

24 23 22 21
14 13 12 11
a a a a
a a a a

Para determinar M que é o produto das matrizes C x D, consideramos cada linha da
matriz A como uma matriz-linha e cada coluna da matriz B como matriz-coluna.
Calculamos cada elementos a
ij
da matriz M = CD. Como?
(1) Multiplicamos a 1ª linha de C pela 1ª coluna de D. A seguir, multiplicamos a 1ª linha
de C pela 2ª coluna de D. E, assim, sucessivamente, multiplicamos a 1ª linha de C
O
Na multiplicação de matrizes, utilizamos o símbolo de somatório

(letra
sigma maiúscula do alfabeto grego) para representar uma soma. Por exemplo,
a soma a
1
+ a
2
+ a
3
+ a
4
+ a
5
pode ser representada abreviadamente por:

=
5
1 i
i
a (lê-se: somatório de a
i
com i variando de 1 a 5). Assim,

=
5
1 i
i
a = a
1
+ a
2
+
a
3
+ a
4
+ a
5
. Generalizando:

=
n
m i
i
a = a
m
+ a
m+1
+ a
m+2
+...+ a
n
. Neste caso, i é o
índice da soma, m é o limite inferior do somatório e n é o limite superior do
somatório.
Exemplo:

=
5
1
2
3
i
i = 3.1
2
+3.2
2
+3.3
2
+3.4
2
+3.5
2
=3.1+3.4+3.9+3.16+3.25=165.
Álgebra Linear 21
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
pela 3ª e 4ª colunas de D. Obtemos respectivamente, os elementos a
11
, a
12,
a
13
e a
14

que formam a primeira linha da matriz M.
(2) Encontramos a segunda linha de M, multiplicando a 2ª linha de C pela 1ª, 2ª, 3ª e
4ª coluna de D e assim sucessivamente. Ou seja:
a
11
= (1ª linha de C)x(1ª coluna de D) = 4x5 + 2x2 + 6x1 = 20 + 4 + 6 = 30
a
12
= (1ª linha de C)x(2ª coluna de D) = 4x2 + 2x3 + 6x2 = 8 + 6 + 12 = 26
a
13
= (1ª linha de C)x(3ª coluna de D) = 4x4 + 2x1 + 6x7 = 16 + 2 +42 = 60
a
14
= (1ª linha de C)x(4ª coluna de D) = 4x1 + 2x0 + 6x6 = 4 + 0 + 36 = 40
a
21
= (2ª linha de C)x(1ª coluna de D) = 2x5 + 5x2 + 3x1 = 10 + 10 + 3 = 23
a
22
= (2ª linha de C)x(2ª coluna de D) = 2x2 + 5x3 + 3x2 = 4 + 15 + 6 = 25
a
23
= (2ª linha de C)x(3ª coluna de D) = 2x4 + 5x1 + 3x7 = 8 + 5 + 21= 34
a
24
= (2ª linha de C)x(4ª coluna de D) = 2x1 + 5x0 + 3x6 = 2 + 0 + 18= 20

Portanto, o produto das matrizes C
(2,3)
e D
(3,4)
é a matriz M
(2,4)
=
|
|
¹
|

\
|
20 34 25 23
40 60 26 30


Exemplo
6
2: Sejam as matrizes A e B defindas por: A =

4 3
2 1
e B =


2 4
3 1
. Determinar a
matriz C resultante do produto de A por B.
Resolução: O produto de A com B resulta numa matriz C, quadrada de ordem 2.
Procedemos multiplicando os elementos equivalentes de cada linhas de A por cada
colunas de B, adicionando os resultados. Vejamos:
A
2x2
x B
2x2
= C
2x2 =

22 21
12 11
c c
c c
. Fazendo A.B temos A.B =

4 3
2 1
.


2 4
3 1
=
C
11
=resultado do produto e soma da 1ª linha com 1ª coluna

C
12
=resultado do produto e soma da 1ª linha com 2ª coluna

C
21
=resultado do produto e soma da 2ª linha com 1ª coluna

C
22
=resultado do produto e soma da 2ª linha com 2ª coluna


6
SOMATEMATICA: Ensino Superior: Teoria, Exercícios. (CD-Room). Virtuous Tecnologia da Informação Ltda. 2008
Álgebra Linear 22
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Portanto, A
2x2
x B
2x2
= C
2x2 =

22 21
12 11
c c
c c
=

17 13
7 7


Observe que, fazendo B.A, neste caso, obtemos um resultado diferente de A.B.
B
2x2
x A
2x2
=


2 4
3 1
.

4 3
2 1
=

Portanto, B
2x2
x A
2x2
= D
2x2 =

22 21
12 11
d d
d d
=

16 10
10 8
.





8. Potência de uma Matriz

ma matriz quadrada A pode ser multiplicada n vezes por si mesma. A matriz que resulta
dessas operações, e que representamos por A
n
é denominada potência n da matriz A .

Exemplo 1: A =
|
|
¹
|

\
|
0 2
1 1
→ A
2
= A.A =
|
|
¹
|

\
|
0 2
1 1
.
|
|
¹
|

\
|
0 2
1 1
=
|
|
¹
|

\
|
2 2
1 3
. Assim, a matriz
|
|
¹
|

\
|
2 2
1 3
é a
potência 2 da matriz A e indicamos por A
2
.

Note que:

Se A
n
= A para n ≥ 2 então A é uma matriz periódica. Em particular se a matriz é periódica para
n = 2 ou seja, se A
2
= A então A também é chamada de uma matriz idempotente.
Se existir um número n, inteiro e positivo, tal que A
n
=0 então A é uma matriz nihilpotente.
Note que, se A
2
= 0, então A
3
= A
4
= A
5
= ... = A
n
= 0

Exemplos:
Exemplo 1: A matriz A =
|
|
|
¹
|

\
|
− −
− −

3 4 4
2 3 2
1 1 2
é idempotente porque
A
2
= A ou, A.A =
|
|
|
¹
|

\
|
− −
− −

3 4 4
2 3 2
1 1 2
.
|
|
|
¹
|

\
|
− −
− −

3 4 4
2 3 2
1 1 2
=
|
|
|
¹
|

\
|
− −
− −

3 4 4
2 3 2
1 1 2
=A
U
Dica: Utilizando o conceito de matriz transposta e produto de matrizes podemos verificar
de uma matriz é ortogonal (formada por vetores linhas ou vetores colunas cujo ângulo entre si
equivale a 90º). Se uma matriz A multiplicada pela sua transposta resulta na matriz Identidade
então os vetores de A são perpendiculares ou ortogonais.
Assim, se A. A
t
= I então A é uma matriz ortogonal.
Álgebra Linear 23
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris

Exemplo 2: A matriz
7
A =
|
|
|
¹
|

\
|
− −
− −

4 4 4
3 3 3
1 1 1
é nihilpotente de índice 2 porque A
2
= 0, A
3
= A
4

= ... =0. Portanto A
3
= A
2
.A = 0.A=0.

Exemplo 3: A matriz B =
|
|
|
¹
|

\
|
− − − 3 1 2
6 2 5
3 1 1
é nihilpotente de ordem 3 porque
A
3
= 0 ou A.A =
|
|
|
¹
|

\
|
− − − 3 1 1
9 3 3
0 0 0
e A
2
.A =
|
|
|
¹
|

\
|
0 0 0
0 0 0
0 0 0
= 0.
Como A
3
= 0 então A
4
= A
5
= ... = A
n
=0
Exemplo 4: As matrizes A =
|
|
¹
|

\
|
− − 6 4
9 6
e B =
|
|
¹
|

\
|
− 12 9
16 12
são nihilpotente de índice 2 porque
A
2
= 0 e B
2
= 0.


9. Propriedades das Operações com Matrizes
Propriedades da adição de matrizes
Para as matrizes A, B e C, de mesma ordem, valem as seguintes propriedades:
1) Comutativa
2) Associativa
3) Elementro Neutro
4) Simétrica
A + B = B + C
A+ (B + C) = (A + B) + C
A + 0 = 0 + A, sendo 0 a matriz Nula
A + (-A) = A - A = 0
Propriedades do produto de uma matriz por um escalar
Para as matrizes A e B, de mesma ordem e k e k’, escalares quaisquer, então:
k(A + B) = kA + kB e (k m k’) A = kA m k’A.
E, também, (kk’) A = k(k’ A) e se kA = kB então A = B.
Propriedades do produto de matrizes
Sejam as matrizes A, B e C. Verificadas as condições de existência para a multiplicação de
matrizes, valem as seguintes propriedades:
1) Associativa
2) Distributiva em relação à adição
3) Elementro Neutro
A(BC) = (AB)C
(A+B)C = AC + BC ou C(A+B) = CA + CB
AI
n
= I
n
A = A, sendo I
n
a matriz Identidade de ordem n
Note que:

7
Steinbruch (1987, p.406)
Álgebra Linear 24
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
(i)
(ii)
(iii)
(iv)



(v)
Se o produto AB é possível, então (kA)B = A(kB) = k(AB) para qualquer k escalar.
Se AB= 0, não implica necessariamente que A = 0 ou B = 0
Se AB=AC, não implica necessariamente que B=C
Se A e B são matrizes quadradas (igual número de linhas e colunas), ambos os produtos
AB e BA podem ser calculados. Entretanto, na multiplicação de matrizes, a ordem dos
fatores não é indiferente. Em geral, AB ≠ BA.
A
2x2
=



0 1
1 1
, B
2x2
=


4 3
2 1
então AB =


− −
2 1
2 4
e BA =

− −

3 1
1 3

Se AB = BA, as matrizes são ditas comutativas.
Propriedades da matriz transposta
Sejam A e B, matrizes, k um escalar qualquer e, se satisfazem as condições de adição e
multiplicação de matrizes, são válidas as propriedades:
1) (A + B)
t
= A
t
+ B
t
2)

(kA)
t
= kA
t
3)

(AB)
t
= B
t
A
t
⇒ (AB)
t
≠ A
t
B
t
4)

(A
t
)
t
= A
5) (-A)
t
= -(A
t
)
Propriedades das matrizes simétricas e anti-simétricas
Sejam A e B, matrizes, k um escalar qualquer e, se satisfazem as condições de adição e
multiplicação de matrizes, são válidas as propriedades:
1) O produto de uma matriz quadrada A pela sua transposta A
t
é uma matriz simétrica S Assim, A ⋅ ⋅⋅ ⋅
A
t
= S
2)

A soma de uma matriz quadrada A com sua transposta A
t
é uma matriz simétrica S
Assim, S = A + A
t
= S
t
3)

A diferença entre uma matriz A e sua transposta A
t
, é uma matriz anti-simétrica S’
Assim, A - A
t
= S’

Exemplo 1: Consideremos as matrizes A e sua transposta A
t
para:
A =
|
|
¹
|

\
| −
4 0
3 1
e sua transposta A
t
=
|
|
¹
|

\
|
− 4 3
0 1
.
Fazendo A ⋅ ⋅⋅ ⋅ A
t
=
|
|
¹
|

\
| −
4 0
3 1
⋅ ⋅⋅ ⋅
|
|
¹
|

\
|
− 4 3
0 1
=
|
|
¹
|

\
|
+ − +
− + − − +
4 . 4 0 . 0 ) 3 .( 4 1 . 0
4 ). 3 ( 0 . 1 ) 3 ).( 3 ( 1 . 1
=
|
|
¹
|

\
|


16 12
12 10
= S. Note
que a matriz resultante S é uma matriz simétrica pois s
12
= s
21

Fazendo A + A
t
=
|
|
¹
|

\
| −
4 0
3 1
+
|
|
¹
|

\
|
− 4 3
0 1
=
|
|
¹
|

\
|


8 3
3 2
= S
Note que a matriz resultante S é uma matriz simétrica pois s
12
= s
21

Fazendo A - A
t
=
|
|
¹
|

\
| −
4 0
3 1
-
|
|
¹
|

\
|
− 4 3
0 1
=
|
|
¹
|

\
| −
0 3
3 0
= S’
Note que a matriz resultante S’ é uma matriz anti-simétrica pois (-s
12
)= s
21



A
AAg
ggo
oor
rra
aa,
,, t
tte
een
nnt
tte
ee v
vvo
ooc
ccê
êê!
!!
Resolva a Lista de Atividades
Lista 2 de Atividades – Operações com Matrizes
1. Encontre os elementos da matriz A = (a
ij
)
3x2
em que a
ij
= i + j e da matriz B = (b
ij
)
3x2
em que a
ij

= i - j . Encontre:
Álgebra Linear 25
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
(b) A + B; (c) A + (-B); (d) 5A + 3B.
2. Considere as matrizes A =
|
|
¹
|

\
|


2 2
1 1
, B =
|
|
¹
|

\
|


2 0
5 4
, C =
|
|
¹
|

\
|


3 1 2
1 1 9
e D =
|
|
¹
|

\
| −
3 4 2
1 1 1
.
(a) Verifique se A ⋅ B = B ⋅ A;
(b) Determine (A ⋅ C) + (B ⋅ D);
(c) É possível determinar C ⋅ D? Justifique.
3. Para as matrizes quadradas de ordem 3 definidas por A=(a
ij
) com a
ij
=i
2
e B=(b
ij
) com b
ij
=-j
2

encontre:
(a) A+B (b) A+(-B) (c) A.2B (d) (AB)+(BA)
4. Se A =
2 6 3
1 7 4
9 5 2
calcule:
(a) A + A
t
= S. Verifique se S é uma matriz simétrica e justifique;
(b) A - A
t
= P. Verifique se P é uma matriz anti-simétrica e justifique.
5. Considere as matrizes A =

− 7 5
3 2
, B =


− −
9 1 8
7 2 1
5 3 4
e C =



6 9 5
2 4 3
1 7 2
. Encontre as
matrizes S e verifique se são simétricas e/ou anti-simétricas.
(a) S = A.A
t
(b) S = C+C
t
(c) S = C - C
t
(d) S = B – B
t
(e) S = B + B
t
6. Para atender a um projeto experimental de tratamento de esgoto, foram elaborados dois
modelos de experimentos E
1
e E
2
. Nos dois modelos serão utilizados os mesmos produtos x, y e
z para tratamento com dosagens diferentes. No experimento E
1
serão utilizados 5 medidas do
produto x, 8 medidas do produto y e 1 medida do produto z. No experimento E
2
a dosagem
equivale a 4, 6 e 3 medidas de x, y e z, respectivamente. Para controle, serão produzidas 75
amostras do experimento E
1
e 96 amostras do experimento E
2
. Estruture o problema em tabela
e matriz e determine:
(a) quantas dosagens de produtos serão utilizados para a produção das amostras?
(b) Considerando que, o custo de dosagem dos produtos equivalem a: R$ 1,30 para x, R$
2,30 para y e R$ 7,50 para z. Qual o custo por amostra? Qual o custo total para a
produção das amostras?
7. Considere as matrizes triangulares superiores A e B e as matrizes trinagulares inferiores C e D,
definidas por A =
|
|
|
¹
|

\
|
2 0 0
3 1 0
1 1 2
, B =
|
|
|
¹
|

\
| − −
2 0 0
1 3 0
1 2 1
, C =
|
|
|
¹
|

\
|
1 1 1
0 1 1
0 0 2
e D =
|
|
|
¹
|

\
|
− − 1 2 1
0 1 0
0 0 2
.
Determine:
(a) E = A.B;
(b) F = C.D
(c) Classifique E e F por triangular inferior ou superior.
(d) Verifique se a matriz A é ortogonal.
8. Prove que, o produto de duas matrizes diagonais resulta numa matriz diagonal. Utilize matrizes
de ordem 3.
Álgebra Linear 26
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
9. Considere as matrizes A =
|
|
¹
|

\
|
α α
α α
sen - cos
cos - sen
, B =
|
|
¹
|

\
|
− − 5 3
10 6
e C =
|
|
¹
|

\
|
− − 4 2
10 5
.
(a) Mostre que A.A
t
= I sendo I a Matriz Identidade. Logo A é uma matriz ortogonal.
(b) Verifique se B e C são matrizes idempotentes, periódicas ou nihilpotente. Analise para
o período 1 ou seja para B
2
e C
2
somente.
10. Verifique se as matrizes A e B são nihilpotentes, para A =
|
|
¹
|

\
|
− − 6 4
9 6
e B =
|
|
¹
|

\
|
− 12 9
16 12

11. Dadas as matrizes diagonais A =
|
|
|
¹
|

\
|
8 0 0
0 1 0
0 0 1
e B =
|
|
|
¹
|

\
|
6 0 0
0 4 0
0 0 2
calcular AB e classificar este produto.
12. Considere a matriz A =
|
|
|
¹
|

\
|


− −
3 4 4
2 3 2
1 1 2
. Calcule A
2
e classifique A. (STEINBRUCH, 1987, p.413)

Respostas da Lista de Atividades 2
(1) A =

5 4
4 3
3 2
, B =


1 2
0 1
1 0
(a) A+B=

6 6
4 4
2 2
(b) A+(-B)=

4 2
4 2
4 2
(c) 5A+3B=

28 26
20 18
12 10

(2a) A.B =



6 8
3 4
≠ B.A =



4 4
6 6
(2b)
|
|
¹
|

\
|


8 4 14
4 2 7
+
|
|
¹
|

\
|
− − −
− − −
6 8 4
19 16 6
=
|
|
¹
|

\
|
− −
− −
14 4 10
23 14 1
.
(2c) Não é possível determinar o produto C.D pois a dimensão das linhas de C é diferentes da dimensão das colunas de D.
(3) A =
|
|
|
¹
|

\
|
9 9 9
4 4 4
1 1 1
, B=
|
|
|
¹
|

\
|
− − −
− − −
− − −
9 4 1
9 4 1
9 4 1
(3ª) A+B=
|
|
|
¹
|

\
|

− −
0 5 8
5 0 3
8 3 0
, (3b) A+(-B)=
|
|
|
¹
|

\
|
18 13 10
13 8 5
10 5 2

(3c)
|
|
|
¹
|

\
|
− − −
− − −
− − −
486 216 54
216 96 24
54 24 6
(3d)
|
|
|
¹
|

\
|
− − −
− − −
− − −
243 108 27
108 48 12
27 12 3
+
|
|
|
¹
|

\
|
− − −
− − −
− − −
98 98 98
98 98 98
98 98 98
=
|
|
|
¹
|

\
|
− − −
− − −
− − −
341 206 125
206 146 110
125 110 101
(4a) A+A
t
=S =
|
|
|
¹
|

\
|
4 7 12
7 14 9
12 9 4
S é simétrica pois aij = aji para i ≠ j . (4b) A-A
t
=P=
|
|
|
¹
|

\
|

− −
0 5 6
5 0 1
6 1 0
S é anti-simétrica pois aij = (-aji) para i ≠ j e
aij = 0 par i = j. (5) A matriz S em a,b, e é simétrica porque Aij=Aji. A matriz S em c,d é é anti-simétrica pois aij = (-aji)
para i ≠ j e aij = 0 par i = j. (5a) S=
|
|
¹
|

\
|


74 11
11 13
(5b)
|
|
|
¹
|

\
|

− −

12 7 6
7 8 4
6 4 4
(5c)
|
|
|
¹
|

\
|

− −
0 11 4
11 0 10
4 10 0
(5d)
|
|
|
¹
|

\
|
− −

0 8 3
8 0 4
3 4 0
(5e)
|
|
|
¹
|

\
|
− −

18 6 13
6 4 2
13 2 8
(6a) x = 759, y = 1176 e z = 363 ou

363
1176
759
. (6b) O custo por amostra é: E1 = R$ 32,40; E2 = 41,50 ou C
= ( ) 50 , 41 40 , 32 . O custo total para a produção das amostras é de R$ 6.414,00 = ( ) 50 , 41 40 , 32
|
|
¹
|

\
|
96
75
. (7a) E =
Álgebra Linear 27
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
|
|
|
¹
|

\
|−
4 0 0
7 3 0
1 7 2
; (7b) F =
|
|
|
¹
|

\
|
−1 3 1
0 1 2
0 0 4
; (7c) E é triangular superior e F é inferior. (8) Criar matrizes e provar. (9a) Fazer A.A
t

e mostrar que o resultado é a matriz identidade (Dica: lembre-se que sen
2
x + cos
2
x = 1). (9b) As matrizes B e C são
idempotentes de ordem 2 ou de período 1 porque B.B=B
2
=B e C
2
=C.
(10) A e B são nihilpotentes de ordem 2 pois A
2
=0=A
3
=A
4
=... Idem para a matriz B. (11) AB=
|
|
|
¹
|

\
|
48 0 0
0 4 0
0 0 2
e AB é diagonal.
(12) A
2
=
|
|
|
¹
|

\
|
− −
− −

3 4 4
2 3 2
1 1 2
. Como A
2
≠ A não é idempotente.

Álgebra Linear 28
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris

10. Equivalência de Matrizes

izemos que duas matrizes A e B, de mesma ordem, são equivalentes quando são obtidas a
partir de operações elementares efetuadas entre elas ou:
Dada uma matriz A, diz-se que uma matriz B, de mesma ordem, é equivalente a matriz A
(indica-se B ∼ A) se for obtida a partir de operações elementares efetuadas em A, onde
cada linha ( L
i ou j
) de B é uma combinação linear das linhas de A.

A matriz B encontrada é equivalente a matriz A e também é denominada, matriz escalonada por
linhas de A . As operações elementares possíveis são:
1. L
i
⇔ ⇔⇔ ⇔ L
j

2. L
i
⇔ ⇔⇔ ⇔ k.L
j
com k ≠ 0
3. L
i
⇔ ⇔⇔ ⇔ k.L
j
+ L
i
com k ≠ 0
1. Troca de linhas entre si;
2. Multiplicação de linha por escalar;
3. Substituição de uma linha pela adição de k vezes
outra linha.

Note que:
Se aplicarmos as inversas das operações em B, obtemos A.
A matriz B encontrada é dita matriz escalonada por linhas de A .
Exemplo 1: Se A =
|
|
¹
|

\
|
− 4 3
2 1
então podemos encontar uma matriz B =

−10 0
2 1
dita
matriz escalonada por linhas de A .

Uma matriz B equivalente a uma matriz A é dita matriz escalonada reduzida por linhas
(ou matriz na forma canônica por linhas) se:
os elementos distinguidos
8
são únicos não nulos de suas respectivas colunas;
os elementos distinguidos são iguais a 1.
Exemplo 2: B =

1 0
0 1

Exemplo 3: B =
|
|
|
¹
|

\
|
4 1 0 0
7 0 1 0
2 0 0 1

A matriz B está representada na forma canônica por linhas pois o 1º elemento de cada
linha é igual a 1 e é o único não nulo em sua respectiva coluna.
Exemplo 4: Para a matriz A =
|
|
|
|
|
¹
|

\
|
− −
− −


1 3 1 1 1
1 1 5 0 0
1 1 1 3 1
1 1 0 1 2
encontre sua matriz B,
equivalente a A ou seja encontre a matriz escalonada por linhas de A.
Resolução: Nosso objetivo é encontrar uma matriz B cujos elementos abaixo da diagonal
formada pelos elementos (2), (3), (-5), (-3) sejam todos iguais a zero. Para isso
aplicamos as operações elementares de linhas L
i
:

8
Elementos distinguidos são os primeiros elementos não nulos das linhas de uma matriz
D
Álgebra Linear 29
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
A =
|
|
|
|
|
¹
|

\
|
− − −
− −


1 3 1 4 1
1 1 5 0 0
1 1 1 3 1
1 1 0 7 2



L
4
⇔ L
3

(troca de linhas entre si)

|
|
|
|
|
¹
|

\
|
− −
− − − −


1 1 5 0 0
1 3 1 4 1
1 1 1 3 1
1 1 0 7 2


L
2
⇔ L
1
+ 2L
2
;
L
3
⇔ L
1
- 2L
3
.

|
|
|
|
|
¹
|

\
|
− −


1 1 5 0 0
3 7 2 1 0
3 3 2 1 0
1 1 0 7 2



L
3
⇔ L
2
+ L
3
.


|
|
|
|
|
¹
|

\
|
− −


1 1 5 0 0
6 10 4 0 0
3 3 2 1 0
1 1 0 7 2



L
4
⇔ 5L
3
+ 4L
4
.


|
|
|
|
|
¹
|

\
|


26 54 0 0 0
6 10 4 0 0
3 3 2 1 0
1 1 0 7 2
= B
Note que a matriz B encontrada é equivalente a matriz A e,
abaixo da diagonal todos os elementos são nulos.
A matriz B também é chamada, forma escalonada de A. ∼
|
|
|
|
|
¹
|

\
|


26 54 0 0 0
6 10 4 0 0
3 3 2 1 0
1 1 0 7 2
= B

Importante: Para a solução de alguns problemas matemáticos, uma matriz B, escalonada por linhas
de A, necessita apresentar-se numa forma mais reduzida, ou seja, na forma escalonada reduzida
por linhas. Neste caso, pode-se afirmar que:
Uma matriz B equivalente a A é dita matriz escalonada reduzida por linhas (ou matriz na
forma canônica por linhas) se, e somente se, seus elementos distinguidos são iguais a um
e são os únicos não nulos de suas respectivas colunas.
Exemplos: C =

1 0 0
0 1 0
0 0 1
ou D =

4 1 0 0
2 0 1 0
9 0 0 1
ou E =


1 0 0 0 0
0 7 1 0 0
0 3 0 2 1
.
As matrizes C, D e E, estão representadas na forma canônica por linhas pois o 1º elemento de cada
linha é igual ao número 1 e, é o único não nulo em sua respectiva coluna.

A
AAg
ggo
oor
rra
aa,
,, t
tte
een
nnt
tte
ee v
vvo
ooc
ccê
êê!
!!
Resolva a Lista 3 de atividades

Álgebra Linear 30
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Lista 3 de Atividades – Equivalência de Matrizes/escalonamento
1. Encontre a forma escalonada por linhas das matrizes A. Indique-as por A´.
a) A =


2 3 1
1 1 0
0 1 2
1 2 1
b) A =
|
|
|
|
|
¹
|

\
|

− −

12 4 0
5 1 1
4 1 2
0 2 3
c) A=


0 1 1 0
2 0 0 1
0 2 0 1
1 0 1 1

d) A =
|
|
|
|
¹
|

\
|



3
2
3
6 3
4 2

2. Encontre a forma escalonada por linhas das matrizes e verifique se estão corretas as
equivalências:
a) A=
|
|
|
¹
|

\
|
− −

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

|
|
|
¹
|

\
|
0 1 0 0
2 1 2 0
2 0 0 1
=B b) A=

− −
− − − −
18 5 1 2
6 2 4 3
1 1 2 1



55 11 0 0
3 1 2 0
1 1 2 1
=B

c)A=
|
|
|
¹
|

\
|
− −
− −
− −
7 2 8 3
2 1 3 1
1 2 4 1

|
|
|
¹
|

\
|

− −
8 0 0 0
1 1 1 0
1 2 4 1
=B
d) A =
|
|
¹
|

\
|
−9 0
2 0

|
|
¹
|

\
|
0 0
2 0
= B

3. Encontre a forma canônica por linhas das matrizes:
a) A=
|
|
|
¹
|

\
|

− −

5 2 1
6 1 4
4 3 6
b) A =
|
|
|
¹
|

\
|



5 6 2 6 3
3 2 1 4 2
1 2 1 2 1

c) A=




4 3 5 0
1 2 0 0
3 1 4 0
2 3 1 0

4. Encontre a matriz triangular superior que seja equivalente a cada uma das matrizes dadas.
A =

10 5 3
5 2 1
1 3 2
B =

10 5 3
5 2 1
1 3 2

C =

− 1 1 0 3
2 2 2 1
0 3 4 2
1 2 3 1

D =


− −

5 2 1
6 1 4
4 3 6

E =
22 2 6 2
13 4 5 2
11 1 3 1
4 3 2 1



F =

8 7 5
6 5 4
3 2 1
G =
2 2 3
1 4 2
1 1 1


H =




2 4 1
1 3 2
1 1 1

5. Encontre a matriz escada, equivalente por linhas
A =
|
|
|
¹
|

\
|

2 2 4 2
1 1 1 1
1 1 2 1
B =
|
|
|
¹
|

\
|



5 2 3 3 3
4 2 1 2 3
1 3 2 1 2
C=
|
|
|
¹
|

\
|


1 1 1 1
2 2 1 2
5 1 0 3
D =
3 2 1 3
2 2 1 2
1 3 2 1

− −

6. Aplicação de escalonamento de matrizes: Tente resolver o sistema, aplicando a equivalência de
matrizes.
Álgebra Linear 31
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
¦
¹
¦
´
¦
= − +
= + −
= − +
19 2 3 4
4 4 2 2
6 3 2
z y x
z y x
z y x


Respostas da Lista de Atividades 3
(1) (a) A´=

− −
0 0 0
3 0 0
2 5 0
1 2 1
; (b) A´=
|
|
|
|
|
¹
|

\
|

0 0 0
45 0 0
12 7 0
0 2 3
; (c) C´=




0 0 0 0
2 2 0 0
1 2 1 0
1 0 1 1
; (d) D´=
|
|
|
¹
|

\
| −
0 0
0 0
4 2
;
(2) Não são equivalentes somente as matrizes (2b) e (2c) pois em (2b) A´ ≈
|
|
|
¹
|

\
|


29 9 0 0
3 1 2 0
1 1 2 1
≠B e em (2c),
temos A ≈
|
|
|
¹
|

\
| − −
0 0 0 0
1 1 1 0
1 2 4 1
≠B.
(3) (a)
|
|
|
|
¹
|

\
|

0 0 0
9
26
1 0
9
7
0 1
; (b)
|
|
|
|
¹
|

\
|

6
1
1 0 0 0
0 0 1 0 0
3
4
0 0 2 1
; (c)

0 0 0 0
1 0 0 0
0 1 0 0
0 0 1 0

(4) A ∼

− −
4 0 0
9 1 0
5 2 1
B ∼



0 0 0
3 1 0
1 2 1
C ∼


15 0 0 0
4 1 0 0
1 0 1 0
1 2 3 1
D∼



0 0 0
52 18 0
4 3 6
E∼
0 0 0 0
2 2 0 0
7 4 1 0
4 3 2 1
− −

; F ∼

1 0 0
2 1 0
3 2 1
G ∼
|
|
|
¹
|

\
| −
11 0 0
1 2 0
1 1 1
H ∼
|
|
|
¹
|

\
|


0 0 0
3 5 0
1 1 1
(5a) A∼
|
|
|
¹
|

\
|
0 0 0 0
2 0 1 0
1 1 2 1
(5b) B ∼
|
|
|
¹
|

\
|



8 2 0 0 0
5 5 4 1 0
1 3 2 1 2
; (5c) C∼
|
|
|
¹
|

\
|


2 2 0 0
0 0 1 0
1 1 1 1
(Observe que houve troca de linhas);
(5d) D∼
|
|
|
¹
|

\
|


− −
10 7 0 0
4 4 3 0
1 3 2 1
(6) O sistema equivale a matriz escalonada

− −

10 10 0 0
8 10 6 0
6 3 2 1
. A solução do sistema é x = 3, y = 3
e z = 1 ou S = {(3,3,1)}.

Álgebra Linear 32
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris

II DETERMINANTES E MATRIZES

1 Classe de uma Permutação

ara uma melhor compreensão do conceito de determinantes é importante revermos os
conceitos de permutação. Conceito: Dados n objetos distintos a
1
, a
2
, ..., a
n
. Uma permutação σ σσ σ
destes objetos consiste em dispô–los em uma determinada ordem. Ou seja, para n elementos
distintos denominamos de permutação a disposição dos mesmos numa certa ordem.
As permutações podem nos dizer o nº de arranjos possíveis em certas situações. Representamos
permutação por S(A) ou S(n).
Exemplo: Para os algarismos 1, 2 e 3 podemos obter 6 permutações que são:
1 2 3 1 3 2 2 1 3 2 3 1 3 1 2, 3 2 1
Permutação principal (2º) (3º) (4º) (5º) (6º)

A quantidade de permutações dos n elementos é dada por n! (lê-se: n fatorial) onde:

n ! = n x (n-1) x (n-2) x . . . x 2 x 1 para n > 0.

Portanto, se n = 3 temos: 3! = 3 x 2 x 1 = 6 permutações. Se n = 0 temos 0! = 1.

Proposições:

Diz-se que dois elementos de uma permutação formam uma inversão se estão em ordem
inversa à da permutação principal. Considerando uma permutação a c b, os elementos c e b
formam uma inversão.
Para uma permutação do conjunto N*, dizemos que existe uma inversão quando um número
inteiro precede um outro menor que ele.
Exemplo1: Os algarismos 1, 2, 3, 4 e 6 admitem 120 permutações pois 5!=5 x 4 x 3 x 2 x 1 =
120 e a permutação 6 4 3 2 1 admite 10 inversões que são: 64, 63, 62, 61, 43, 42,
41, 32, 31 e 21.
Exemplo 2: A permutação 54321 tem 10 inversões que são: 54, 53, 52, 52, 43, 42, 41, 32, 31
e 21.
Exemplo 3: A permutação 4521 tem 05 inversões que são: 42, 41, 52, 51 e 21.

Observe na tabela de números as permutações e inversões dos algarismos 1, 2, 3:

Permutações Nº de inversões Permutações Nº de inversões
1 2 3 0 2 3 1 2
1 3 2 1 3 1 2 2
2 1 3 1 3 2 1 3

Uma permutação tem classe par ou classe ímpar, (indica-se classe σ σσ σ) conforme apresenta
um número par ou ímpar de inversões. Assim, para σ uma permutação arbitrária em S
n,
(S
n

indica o conjunto de permutações), dizemos que σ σσ σ é ímpar ou par, conforme exista um nº par
ou ímpar de pares (i, k) para os quais i > k mas i precede k em σ σσ σ. Exemplificando: A
permutação 1 3 2 tem uma inversão, logo tem classe ímpar.
P
Álgebra Linear 33
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris

Definimos como sinal ou paridade da classe σ σσ σ, indica-se sgn σ σσ σ por
Sgn σ σσ σ =
¦
¹
¦
´
¦
− . , 1
; , 1
ímpar é se
par é se
σ
σ

Ou seja:
Quando na permutação existir um número par de inversões então o sinal de σ σσ σ (sgn σ σσ σ) é
positivo.
Quando na permutação existir um número ímpar de inversões então sgn σ σσ σ é negativo.

Exemplo1: A permutação σ σσ σ 5 3 1 2 4 tem 6 inversões (quantidade par) logo sgn σ σσ σ =1.
Exemplo 2: S
3
= 3! = 3.2.1 = 6. Observe na tabela a seguir.
Permutação σ
1 2 3 1 3 2 2 1 3 2 3 1 3 1 2 3 2 1
Nº de inversões
0 1 1 2 2 3
Par ou ímpar
Par Ímpar Ímpar Par Par Ímpar
Sgn σ
+ - - + + -

2 Determinante de uma matriz

imos que a matriz quadrada é a que tem o mesmo número de linhas e de colunas (ou seja, é
do tipo nxn). A toda matriz quadrada está associado um número ao qual damos o nome de
determinante.
Dentre as várias aplicações dos determinantes na Matemática, temos:
• Resolução de alguns tipos de sistemas de equações lineares;
• Cálculo da área de um triângulo situado no plano cartesiano, quando são conhecidas as
coordenadas dos seus vértices.

Mas, o que é um determinante?
Denomina-se determinante de uma matriz quadrada à soma algébrica dos produtos que se obtém,
efetuando todas as permutações dos segundos índices do termo principal, fixados os primeiros
índices, e fazendo-se preceder dos produtos o sinal (+) ou (-), conforme a permutação dos segundos
índices seja de classe par ou ímpar.
Defini-se como termo principal, ao produto dos elementos da diagonal principal de uma
matriz quadrada;
Denomina-se ordem de um determinante a mesma ordem da matriz a que o mesmo equivale;
Indica-se o determinante de uma matriz quadrada A, por det A, representando a matriz entre
dois traços verticais.
A notação do determinante de uma matriz é || ou seja, representamos o determinante de uma
matriz entre duas barras verticais, que não têm o significado de módulo.





Saiba Mais:
V
Álgebra Linear 34
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris




























Como calcular o determinante?

2.1 Determinante de 1ª ordem
ada uma matriz quadrada de 1ª ordem M=[a
11
], o seu determinante é o próprio número real
a
11
ou seja, det M =|a
11
| = a
11

Exemplo:
M= [5] det M = 5 ou |5| = 5 M = [-6] det M = -6 ou |-6| = -6

2.2 Determinante de 2ª ordem
ada a matriz quadrada M de ordem 2, por definição o determinante associado a M,
determinante de 2ª ordem, é dado por:
D
D
Considere a seguinte situação problema: Qual o valor real de x e y para que A.B = C sendo A =
|
|
¹
|

\
|
4 5
2 1
, B =
|
|
¹
|

\
|
y
x
e C =
|
|
¹
|

\
|
−1
1
?. Para determinar os valores de x e y, aplicamos o produto A.B =
C e obtemos:
|
|
¹
|

\
|
4 5
2 1
.
|
|
¹
|

\
|
y
x
=
|
|
¹
|

\
|
−1
1
. Resolvendo o produto, encontramos:
|
|
¹
|

\
|
+
+
y x
y x
4 5
2
=
|
|
¹
|

\
|
−1
1
. Aplicando o conceito de igualdade de matrizes, temos o sistema:
¹
´
¦
− = +
= +
1 4 5
1 2
y x
y x
Resolvendo o sistema pelo método de adição, temos:
¹
´
¦
− = +
= +
1 4 5
.(-5) 1 2
y x
y x

¹
´
¦
− = +
− = − −
1 4 5
5 10 5
y x
y x

6 ) 10 4 (
6 10 4
1 4 5
5 10 5
− = −
− = −
¹
´
¦
− = +
− = − −
y
y y
y x
y x
⇔ y =
10 4
6


=
) 5 . 2 ( ) 4 . 1 (
6


=
6
6


=1. Se fizermos o
mesmo procedimento para encontrar o valor de x, iremos observar que o denominador também é
(-6). Portanto x = -1. Observe que a expressão numérica (1.4)-(2.5), comum nas expressões,
permite que calculemos o valor de x e y e determina se o sistema tem solução (se é determinada
ou indeterminada). Daí a origem do nome determinante. Observe também que a expressão
(1.4)-(2.5) tem relação com os termos da matriz A=
|
|
¹
|

\
|
4 5
2 1
. A teoria dos determinantes surgiu,
quase simultaneamente, na Alemanha e no Japão, quando dois matemáticos, Leibniz (1646-1716)
e Seki S.Kowa (1642-1708), resolveram problemas de eliminações, necessárias à resolução de um
sistema de n equações lineares com n variáveis. Depois deles, surgiram os trabalhs de Cramer,
Bezout, Laplace, Vandermonde, Lagrange, Cauchy e Jacobri.
Álgebra Linear 35
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris

Portanto, o determinante de uma matriz de ordem 2 é dado pela diferença entre o produto dos
elementos da diagonal principal e o produto dos elementos da diagonal secundária.
Observe os exemplos:
(a) Para M =

5 4
3 2
temos: det M = (2.5)-(4.3) = 10-12= -2.
(b) Se A =

\
|
2
1

|
|
¹
|
4
3
então det A =
2
1

4
3
= (1 x 4) – (2 x 3) = -2

2.3 Determinante de 3ª ordem: Regra de Sarrus

determinante de uma matriz de ordem 3 pode ser obtido pela regra de Sarrus.
Acompanhe como aplicamos essa regra para D=
33 32 31
23 22 21
13 12 11
a a a
a a a
a a a
.
1º passo: Repetimos as duas primeiras colunas ao lado da terceira ou repetimos à direita dos
elementos da matriz A, as duas primeiras colunas:

2º passo: Encontramos a soma do produto dos elementos da diagonal principal com os dois
produtos obtidos pela multiplicação dos elementos das paralelas a essa diagonal (a soma deve ser
precedida do sinal positivo):

3º passo: Encontramos a soma do produto dos elementos da diagonal secundária com os dois
produtos obtidos pela multiplicação dos elementos das paralelas a essa diagonal ( a soma deve ser
precedida do sinal negativo):
O
Álgebra Linear 36
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris

Assim:

ou det D = + a
11
a
22
a
33
+ a
13
a
21
a
32
+ a
12
a
23
a
31
- a
11
a
23
a
32
- a
12
a
21
a
33
- a
13
a
22
a
31

Exemplo 1: Encontrar |A| para A =
|
|
|
¹
|

\
|


0 1 1
0 2 1
1 2 1
.
Resolução: Pela regra de Sarrus, fazemos
1 1
2 1
2 1
0 1 1
0 2 1
1 2 1




=
(-1.2.0)+(2.0.-1)+(1.1.1)-(2.1.0)-(-1.0.1)-(1.2.-1) = 0+0+1-0-0+2 = 3.
Logo |A|= 3 ou Det A = 3.
Exemplo 2: Determine o valor de x sabendo que
3 8 1
5 2
1 4

x
x
=0
Resolução: Pela regra de Sarrus, fazemos
8 1
2
4
3 8 1
5 2
1 4
− −
x
x
x
x
= 0. Logo,
12x – 5x + 16 – 6x – 160 +x = 0 → 2x – 144 = 0 → x = 144/2 → x = 72.

Álgebra Linear 37
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
2.4 Determinante de ordem n > 3: Teorema de LAPLACE
imos que a regra de Sarrus é válida para o cálculo do determinante de uma matriz de ordem
3. Quando a matriz é de ordem superior a 3, devemos empregar o Teorema de Laplace para
chegar a determinantes de ordem 3 e depois aplicar a regra de Sarrus.

Teorema de LAPLACE: Segundo Laplace, o determinante da matriz A = a
ij
é igual à soma dos
produtos obtidos multiplicando os elementos de qualquer linha(ou coluna) de A pelos seus
respectivos cofatores C
ij
:

det A = a
i1
C
i1
+ a
i2
C
i2
+ ...+ a
in
C
in


ou
det A = a
1j
C
1j
+ a
2j
C
2j
+ ... + a
nj
C
nj

Mas, o que são cofatores? Reveja este assunto no Apêndice A deste caderno.



Exemplo 2: Seja A =
|
|
|
¹
|

\
|


3 1 7
1 3 2
1 0 1
.
O Det A, segundo Laplace é calculado da seguinte forma:
Escolha uma linha ou coluna → dê preferência para aquela que tem elementos nulos. Neste
caso escolhemos a linha 1.

Det A = (-1) . C
11
+ (0). C
12
+ (1). C
13
(fixada 1ª linha ).
Det A = (-1) . (-1)
1+1

3 1
1 3 −
+ (0). C
12
+ (1). (-1)
1+3

1 7
3 2

Det A = (-1) . 1 . [9-(-1)] + 0 + 1. 1 . (2-21)

Det A = -1.1.10 + 0 + 1.1.-19

Det A = - 10 + 0 - 19

Det A = - 29

Por Regra de Sarrus temos
Det A =

\
|
|
|
|
¹
| −


1 7
3 2
0 1
3 1 7
1 3 2
1 0 1
= (-1.3.3)+(0.-1.7)+(1.2.1)-(1.3.7)-(-1.1.-1)-(3.0.2)
= -9 + 0 + 2 – 21 – 1 – 0 = -29.

Exemplo 3: Seja A =
|
|
|
¹
|

\
|

2 4 1
3 2 5
4 3 1
. Calcule o Det A.
O Det A, segundo Laplace:
V
Álgebra Linear 38
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris

Det A = (1) . C
11
+ (5). C
21
+ (1). C
31
(fixada 1ª coluna).
Det A = (1) . (-1)
1+1

2 4
3 2 −
+ (5). (-1)
2+1

2 4
4 3
+ (1). (-1)
3+1

3 2
4 3


Det A = (1) . 1 . [4-(-12)] + (5).(-1).(6-16) + 1. 1 . (-9-8)

Det A = (1).1.(16) + (5).(-1).(-10) + 1. 1 . (-17)

Det A = 16 + 50 + (-17)

Det A = 49

Por Regra de Sarrus temos
Det A =

\
|
|
|
|
¹
|

4 1
2 5
3 1
2 4 1
3 2 5
4 3 1
= (1.2.2)+(3.-3.1)+(4.5.4)-(4.2.1)-(1.-3.4)-(3.5.2)
= 4 -9 + 80 – 8 + 12 - 30 = 96 – 47 = 49.

2.5 Processo de triangulação para cálculo de determinante

processo de triangulação para cálculo de determinante pode ser aplicado em todas
as matrizes quadradas de ordem n ≥ ≥≥ ≥ 2.

Para se executar o processo de triangulação, se procura colocar, por meio de operações adequadas
(e das respectivas compensações quando for o caso), como elementos da diagonal principal, exceto
o último, o número 1.

Obtido o nº 1 na 1ª linha e 1ª coluna, isto é, a
11
= 1, substituindo-se, por meio de operações
competentes, todos os demais elementos da 1ª coluna por zeros; da mesma forma, depois de obter
a
22
= 1, substituem-se os demais elementos da 2ª coluna, situados abaixo de a
22
por zeros, e assim
por diante. Quanto a cada um dos elementos da diagonal principal da matriz A, três hipóteses
podem ocorrer:

1ª) O elemento é igual a zero → neste caso, deve-se proceder a operação de troca de linhas e
multiplicar o det A por –1, como compensação, isto é, para que o determinante de A conserve o seu
valor.

2ª) O elemento é igual a k≠ 1 → nesse caso, deve-se multiplicar todos os elementos da linha por i/k,
com o que se obtém o número 1 como elemento da diagonal principal dessa linha. Por outro lado,
para compensar, isto é, para que o det A mantenha o seu valor, deve-se multiplicá-lo pelo inverso
de 1/k, isto é k.

3ª) O elemento é igual a 1→nesse caso nada a fazer no que diz respeito à diagonal principal.

Agora, tente você Calcule o determinante da matriz
|
|
|
¹
|

\
|
=
4 3 5
2 3 1
7 1 2
A , usando o processo da
triangulação. Vocë deve obter como resposta, det A = - 66

O
Álgebra Linear 39
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris

3 Propriedades dos determinantes

s matrizes quadradas de ordem n apresentam as seguintes propriedades:
1. O determinante de uma matriz quadrada A é igual ao de sua transposta A
t
ou seja, |A| =
|A
t
|.
Exemplo 1: Se A =
|
|
¹
|

\
|
4 2
3 1
então A
t
=
|
|
¹
|

\
|
4 3
2 1
. E, det A
t
= 1.4 – 2.3 = -2 = det A.
Exemplo 2: det A =
3 4 2
2 1 2
3 2 1
= 9 = det A
t
=
3 2 3
4 1 2
2 2 1
= 9
2. Se a matriz quadrada A tem duas linhas (ou colunas) iguais então det A = 0 ou se duas
filas paralelas de uma matriz são proporcionais, então seu determinante é nulo.
Exemplo 1: Exemplo 2:
3. Se a matriz quadrada A tem uma linha ou coluna nula então det A = 0 ou Quando todos os
elementos de uma fila (linha ou coluna) são nulos, o determinante dessa matriz é nulo.
Exemplos:

4. Se uma matriz quadrada A trocarmos a posição de duas linhas (ou colunas) o
determinante troca de sinal.
Exemplo:
5. Se A é uma matriz triangular (superior ou inferior) então det A = produto dos elementos
diagonais. Exemplos:

6. Se cada elemento de uma linha (ou coluna) de uma matriz quadrada A é multiplicado por
um escalar k então o det A fica multiplicado por k.

Conseqüência: Se cada elemento de uma linha (ou coluna) de uma matriz A contém um
fator k, podemos coloca-lo em evidência.
A
Álgebra Linear 40
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Exemplo 1: A =

0 3 2
1 15 4
3 6 1
⇒ A’= 3

0 1 2
1 5 4
3 2 1
⇒ (det A) = 3 (det A’).
Exemplos 2 e 3


7. O determinante de um produto de duas matrizes A e B é igual ao produto de seus
determinantes ou seja, det(A.B) = (det A) . (det B) ou |A.B|=|A|.|B.|

8. Uma matriz quadrada A é inversível se o det A ≠ 0.

9. Se os elementos de uma fila de uma matriz são combinações
lineares dos elementos correspondentes de filas paralelas, então
seu determinante é nulo. Exemplo:



10
Teorema de Jacobi: o determinante de uma matriz não se altera quando somamos aos
elementos de uma fila uma combinação linear dos elementos correspondentes de filas
paralelas.
Exemplo: 9
3 4 2
2 1 2
3 2 1
= Substituindo a 1ª coluna pela soma dessa mesma coluna com o
dobro da 2ª, temos:

4 Determinante e Matriz Inversa

onsideremos a matriz quadrada A, de ordem n. Definimos como inversa de A, a matriz A
-1
tal
que A . A
-1
=I = A
-1
. A sendo I a matriz identidade de ordem n.

Proposições:
(i) Se A tem inversa, diz-se que A é inversível.
C
Álgebra Linear 41
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
(ii) Se A e B são matrizes quadradas, de mesma ordem e inversíveis, então:
(A
-1
)
-1
=A AxB é inversível (A.B)
-1
= B
-1
.A
-1
(A+B)
-1
=A
-1
+ B
-1
Posto A = n.
(iii) Toda matriz quadrada A, cujo determinante é nulo, é dita matriz singular e, se o
determinante de A for diferente de zero, dizemos que A é uma matriz não-singular. Em
conseqüência, toda matriz não-singular sempre tem inversa e toda matriz singular não
tem inversa. Portanto, nem toda matriz quadrada tem inversa.
(iv) Se a matriz A tem inversa, então o determinante da matriz A é não nulo → det A ≠ 0 e det
A
-1
=
A Det
1

(v) Se A é uma matriz inversível, n × n, com n ≥ 2, então: A
–1
=
A det
1
. Adj A
Esta proposição envolve o conceito de determinantes e matriz adjunta clássica (Adj A). Para
rever o conceito de matriz adjunta clássica, e o calculo de matriz inversa por determinante,
consulte o Apêndice A no final do caderno pedagógico.

(vi) Uma matriz A é dita ortogonal se a sua transposta é igual a sua inversa ou, A é ortogonal se
A
t
= A
-1
.


Saiba Mais:

Exemplo: A matriz M =


2
1
2
3
2
3
2
1
é ortogonal porque o produto de M pela sua matriz
transposta, resulta na matriz identidade. Neste caso, a matriz inversa de M é a sua
transposta.
Assim, se M . M
t
= M
t
. M = I então M
t
= M
-1
Logo M é ortogonal.

A solução de problemas que envolvem matrizes e suas inversas exigem, em geral, o conhecimento
dos algoritmos matemáticos de:
(1º) Verificação se duas matrizes são inversas;
(2º) Determinação da matriz inversa de uma matriz dada.

Como verificar se duas matrizes são inversas?

Exemplo 1: Verifique se a matriz A =
|
|
¹
|

\
|
3 5
7 12
é inversa da matriz B=
|
|
¹
|

\
|


12 5
7 3
.
Resolução: Para verificar se a matriz A é inversa de B aplicamos o conceito A . A
-1
=I = A
-1
. A
Ou seja, devemos provar que a multiplicação das duas matrizes, resulta na matriz identidade.
Assim, podemos fazer A.B = I ou B.A = I.
A.B = I → →→ →
|
|
¹
|

\
|
3 5
7 12
.
|
|
¹
|

\
|


12 5
7 3
=
|
|
¹
|

\
|
+ − − +
+ − − +
12 . 3 ) 7 .( 5 ) 5 .( 3 3 . 5
12 . 7 ) 7 .( 12 ) 5 .( 7 3 . 12
=
|
|
¹
|

\
|
1 0
0 1
= I (provado). A e B são
inversas porque AB = I
Como determinar a inversa de uma matriz?

A partir do conceito de matriz inversa podemos verificar a
ORTOGONALIDADE DE MATRIZES. Dizemos que uma matriz M é
ortogonal quando sua inversa M
-1
é igual a sua transposta M
t
.
Se M
t
= M
-1
e como M.M
-1
= M
-1
.M = I então podemos também afirmar
que M . M
t
= M
t
. M = I (I representa a matriz identidade).
Álgebra Linear 42
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Para determinar a matriz inversa, temos algumas opções de procedimentos matemáticos.

Opção 1: Determinando a matriz inversa de A pela aplicação do conceito A . A
-1
=I

Neste caso, utilizamos também conhecimento sobre a resolução de sistemas lineares.
Exemplo 1: Encontre a matriz inversa de A =

− 3 1
2 1
.
Resolução: Aplicando o conceito temos que A . A
-1
=I
Sabemos que I =

1 0
0 1
. Supondo A
-1
=

d c
b a
, fazemos

− 3 1
2 1
.

d c
b a
=

1 0
0 1
.
Resolvendo o produto das matrizes encontramos,

+ − + −
+ +
d b c a
d b c a
3 1 3 1
2 1 2 1
=

1 0
0 1
. Comparando os resultados obtemos:
¹
´
¦
= + −
= +
0 3
1 2
c a
c a
e
¹
´
¦
= + −
= +
1 3
0 2
d b
d b
. Resolvendo os sistemas encontramos como resposta:
a=
5
3
, b=
5
2 −
, c=
5
1
, d=
5
1
. Portando a matriz procurada A
-1
=

d c
b a
é A
-1
=


5
1
5
1
5
2
5
3
.
Podemos facilmente comprovar se a matriz encontrada é solução do problema. Basta
multiplicar a matriz A pela sua inversa e verificar que o resultado do produto é a matriz
identidade I. Ou seja, A
-1
. A =


5
1
5
1
5
2
5
3
.

− 3 1
2 1
= I.

Opção 2: Determinando a matriz inversa pelo Teorema da Inversibilidade (por redução das
linhas)
Uma matriz A de ordem n é inversível se existe uma seqüência de operações elementares que
transforme A numa matriz identidade.
Uma matriz A
-1
pode ser obtida aplicando a mesma seqüência de operações elementares
iniciando-se com a matriz identidade.
Exemplo:
Ache a inversa da matriz A =

2 0 1
1 1 0
0 1 1
se existir.
Resolução:

\
|
|
|
|
¹
|
1 0 0
0 1 0
0 0 1
2 0 1
1 1 0
0 1 1
≈ ≈≈ ≈

\
|
|
|
|
¹
|
− − 1 0 1
0 1 0
0 0 1
2 1 0
1 1 0
0 1 1
≈ ≈≈ ≈ ....

\
|
|
|
|
|
¹
|



3
1
3
1
3
1
3
1
3
2
3
1
3
1
3
2
3
2
1 0 0
0 1 0
0 0 1


Resolva a Lista 4 de atividades

Álgebra Linear 43
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Lista 4 de atividades – Determinantes e Matrizes

(1) Calcule o determinante de cada matriz:

a) A=
|
|
|
¹
|

\
|


4 3 1
2 5 0
1 1 2
b) B=
|
|
|
¹
|

\
|

− −
1 6 0
1 5 2
4 2 3

c) C=
|
|
|
|
|
¹
|

\
|

− −

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

d) D=
|
|
|
¹
|

\
|
1 3 2
3 1 4
5 2 3


e) E =

1 0 0
79 8 0
5 2 1
f) F =
77 2 9
0 0 0
4 3 1


g) G =

1 2 1 2
7 0 4 0
2 3 5 3
3 1 2 1

h) H =
|
|
¹
|

\
| −
1 3
2 1


(2) Dada P =
|
|
|
|
¹
|

\
|


2 2 0
1 1 2
1 1 2
, calcule o determinante de P
2
; (3) Encontre lAl =
2 4 0 1
1 3 0 0
3 1 2 0
2 0 1 2



(4) Para A =
|
|
|
¹
|

\
|


4 2 7
1 0 3
3 1 4
e B =
|
|
|
¹
|

\
|
− − − 3 2 1
12 9 3
8 6 2
. Verificar se Det (AB) = Det A. Det B.
(5) Para A=
|
|
¹
|

\
|
x
x
2 1
1
2
B=
|
|
|
¹
|

\
|

0 1
1 1
1 0
x
x
x
,C=
|
|
|
|
|
¹
|

\
|
1 0 0
0 1 0
5 4 3 2
1 0 1
x
x
x
, encontre x para Det A+Det B=Det C
(6) Resolver as equações determinando o valor real de x em cada equação:
a)
x
x
x
2 4 7
2 5
6 4
− =-128 b)
1 0 2 15
2 3 18
0 1 12
x
x
x



=6 c)
3
2
1
x x
x x
x x
=0
d)
4 2
2 1 5
x
x + −
=0
e)
2
2
1
1
x
x


=0

(7) Encontre os valores de a e b que transformam as matrizes A e B em inversas ou seja,
determine a e b sabendo que AB = I, sendo I a matriz identidade, com A =

a
a
0
0
e B=

1
1
b
b

(8) Se A=

1 0
2 1
e B=

1 1
0 2
, calcule AB-BA e verifique se: (a) A é inversa de B; (b) A é singular
(9) Mostre que as matrizes A e B são inversas sendo A =
|
|
¹
|

\
|
5 1
4 2
e B =
|
|
¹
|

\
|


3 / 1 6 / 1
3 / 2 6 / 5
.
(10) Prove que a matriz B é inversa da matriz A, sendo B =
1 0 1
2 1 0
0 1 1
− e A =
1 1 1
2 1 2
2 1 1


− −

Álgebra Linear 44
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
(11) Considere a matriz A =
|
|
¹
|

\
|
α α
α α
sen - cos
cos sen
. Verifique se a matriz A é ortogonal (Dica: lembre-se
que A é ortogonal se A.A
t
=I). Em caso afirmativo, encontre sua inversa.
(12) Prove que a matriz M =
|
|
|
¹
|

\
|
1 0 0
0 cos sen
0 sen - cos
α α
α α
é ortogonal. E, determine sua inversa
(STEINBRUCH, 1987, p.411)
(13) Determinar a inversa das matrizes: A =
|
|
|
¹
|

\
|
3 5 2
2 2 4
3 1 2
, B =
|
|
|
¹
|

\
|
3 4 5
2 3 1
7 1 2
, C =
|
|
¹
|

\
|
3 5
7 12

(14) Encontre a inversa A
-1
da matriz A =
|
|
|
¹
|

\
|

1 0 1
2 1 0
0 1 1
e prove que A.A
-1
=I
(15) Encontre a matriz inversa pelo processo de inversão (ou triangulação), para:
(a)
|
|
|
¹
|

\
|


1 1 2
2 1 1
1 1 1
;(b)
|
|
|
¹
|

\
|
− 1 1 1
1 1 1
0 1 2
;(c)
|
|
|
¹
|

\
|

1 0 1
1 1 1
1 2 2
;(d)
|
|
|
¹
|

\
|
− 2 1 1
1 1 1
1 2 1
;(e)
|
|
|
¹
|

\
|


1 1 1
1 1 1
1 1 1
;(f)
|
|
|
¹
|

\
|
− −

1 1 1
1 1 0
1 1 1



Respostas:
1(a) 21; 1(b) -11; 1(c) -131 (Dica: Aplicar Laplace); 1(d) 30; 1(e) Por propriedade o determinante de uma matriz triangular
é o produto dos elementos da digaonal principal ou seja, Det E =8; 1(f) 0; 1(g) 0 (Dica: Aplicar Laplace); 1(h) -7;
(2) Como P
2
=
|
|
|
|
¹
|

\
|
− +
− − +
+ − −
2 2 2 2 2
1 2 2 1 2 2
2 2 1 1 2 2
então Det P
2
= 64. Note que é mais prático fazer 64 8 . 8 . = = P P ; (3) − 14; (4)
Det AB =
92 68 24
21 16 5
11 9 2
= AB = 0. E, como lAl=-9 e lBl=0, temos que lAl.lBl=(-9).0 = 0. Portanto lABl = lAl.lBl;
(5) x =
4
3
; (6a) x = 2; (6b) x = 7; (6c) x = 0 ou x = 2 (6d) x = 2,5 ou x = − 2 (6e) x =± 1.
(7) A.B=I →

a
a
0
0
.

1
1
b
b
=

1 0
0 1
→ a=1 e b = 0; (8) AB-BA=

1 1
2 4
.

3 1
4 2
=



2 0
2 2
. (a) A não é inversa de B
pois AB ≠ I. (b) A não é singular pois A não é uma matriz diagonal.
(9) A e B são inversas se A.B=I (verdadeiro) ou A.B=I →
|
|
¹
|

\
|
5 1
4 2
.
|
|
¹
|

\
|


3 / 1 6 / 1
3 / 2 6 / 5
=

1 0
0 1
(provado). Ou, a partir de A,
encontre B. Vejamos: A.B=I →
|
|
¹
|

\
|
5 1
4 2
.
|
|
¹
|

\
|
d c
b a
=I

1 0
0 1

|
|
¹
|

\
|
+ +
+ +
d b c a
d b c a
5 5
4 2 4 2
=

1 0
0 1
. Logo
¹
´
¦
= +
= +
0 5
1 4 2
c a
c a
e
¹
´
¦
= +
= +
1 5
0 4 2
d b
d b
. Resolvendo os sistemas encontramos os valores de a, b, c, d que equivale a matriz
|
|
¹
|

\
|


3 / 1 6 / 1
3 / 2 6 / 5
;
(10)
1 0 1
2 1 0
0 1 1
− .
1 1 1
2 1 2
2 1 1


− −
=
0 0 0
0 1 0
0 0 1
;
Álgebra Linear 45
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
(11) A é ortogonal porque A.A
t
= I. Então sua inversa é A
-1
= A
t
=
|
|
¹
|

\
|
α α
α α
sen - cos -
cos sen
.
(12) M é ortogonal porque M.M
t
= I. E, M
t
=
|
|
|
¹
|

\
|
1 0 0
0 cos sen -
0 sen cos
α α
α α
é inversa de M ou seja M
t
= M
-1
.
13) A
-1
=
|
|
|
¹
|

\
|


− −
0 4 / 1 2 / 1
4 / 1 0 4 / 1
8 / 1 8 / 3 8 / 1
, B
-1
=
|
|
|
¹
|

\
|

− −
− −
66 / 5 66 / 1 11 / 2
22 / 1 22 / 9 11 / 1
66 / 19 66 / 17 11 / 1
, C
-1
=
|
|
¹
|

\
|


12 5
7 3
; (14) A.A
-1
=
1 0 1
2 1 0
0 1 1
− .
1 1 1
2 1 2
2 1 1


− −
=
1 0 0
0 1 0
0 0 1
= I; 15(a)
|
|
|
¹
|

\
|

− −

7 / 2 7 / 3 7 / 1
7 / 3 7 / 1 7 / 5
7 / 1 7 / 2 7 / 3
; 15(b)
|
|
|
¹
|

\
|
− −


2 / 1 2 / 3 1
1 1 1
2 / 1 2 / 1 0
; 15(c)
|
|
|
¹
|

\
|
− −


6 4 1
3 3 0
5 4 1
;15(d)
|
|
|
¹
|

\
|


− −
1 3 2
0 1 1
1 5 3
;15(e)
|
|
|
¹
|

\
|


2 / 1 0 2 / 1
0 2 / 1 2 / 1
2 / 1 2 / 1 0
; 15(f)
|
|
|
¹
|

\
|


2 / 1 0 2 / 1
2 / 1 1 2 / 1
1 1 0
.Verificação:

=

1 0 0
0 1 0
0 0 1
1
AA
Álgebra Linear 46
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris

5 Aplicação matemática do conceito de determinantes na geometria

amos conhecer algumas aplicações dos determinantes que, em geral, são tratados com mais
formalismo nos estudos envolvendo geometria analítica.

Aplicação 1: Condição de alinhamento de 3 pontos

Sejam três pontos A(x
1
,y
1
), B(x
2
,y
2
) e C(x
3
,y
3
).
Eles estarão alinhados ou seja, farão parte de uma mesma reta, se
1
1
1
3 3
2 2
1 1
y x
y x
y x
= 0.
Exemplo: Verifique se os pontos A(0,1), B(1,2) e C(2,3) estão alinhados.
Resolução:A, B e C estão alinhados pois
1 3 2
1 2 1
1 1 0
=0 ou seja,
3 2
2 1
1 0
1 3 2
1 2 1
1 1 0
=0+2+3-4-0-1=0.
De fato, A, B e C estão alinhados, como se verifica na projeção geométrica →



Aplicação 2: Cálculo da área de um triângulo conhecendo os vértices

Sejam os vértices do triângulo definidos nos pontos A(x
1
,y
1
), B(x
2
,y
2
) e C(x
3
,y
3
).
Se eles NÃO estiverem alinhados, formarão um triângulo.

A área deste triângulo será S= D
2
1
sendo D=
1
1
1
3 3
2 2
1 1
y x
y x
y x
.




Exemplo: Determine a área do triângulo ABC cujos vértices são definidos em A (1,1), B(3,4) e
C(5,2).
Resolução: S= D
2
1
sendo D=
1 2 5
1 4 3
1 1 1
=4+5+6-20-3-2=-10.
Portanto, para S = D
2
1
temos S = 5
2
10
10 .
2
1
10
2
1
= = = − . A área do
triângulo ABC é 5 u.a. (unidade de área).




Agora, tente você! Resolva a Lista 5 de atividades.
V
Álgebra Linear 47
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris

Lista 5 de atividades - Determinantes

1 Verifique se os pontos A(1,2), B(2,3) e C(4,5) estão alinhados.
2 Determine a área do triângulo ABC cujos vértices são A(2,3), B(1,8) e C(2,5).
3 Os pontos A(1,2), B(x’’, y’’) e C(5,-2) estão numa mesma reta. Determine os valores do ponto B,
sabendo que ele está sobre o eixo x.
4 Num sistema de coordenadas cartesianas com suas unidades em cm, são localizados três pontos
A(-2,3), B(3,-3) e C(6,3). Calcule em cm
2
a área da figura determinada pelos pontos.
5 Dois vértices de um triângulo são (3,-5) e (-1,-3). A área do triângulo é 16 cm
2
. Encontre o valor
da abscissa do terceiro vértice sabendo que a ordenada é 5.
6 Determine m real para que os pontos (3,1), (m,2) e (1,m+1) não estejam alinhados.
7 Verifique se os pontos estão alinhados. Em caso negativo, encontra a área do triângulo formado
por ABC.
(a) A(1,3), B(-1,2), C(1,4)
(b) A(1,3), B(1,4), C(2,-1)
(a) A(1,3), B(2,4), C(3,5)

Respostas:
1) Sim; 2) S = 1 u.a.; 3) B(3,0) 4) 24 cm
2
5) x = -33 6) m≠ 1 ou m≠ 2.
7ª) Como
1 4 1
1 2 1
1 3 1
− = -2 e portanto é diferente de zero, significa que os pontos não são alinhados. Portanto, formam um
triângulo ABC cuja área é igual a
2
ABC
= 1 u.a. (unidade de área)
7b) Não são alinhados e a área do triângulo ABC = 1/2 u.a. (unidade de área)
7ª) São alinhados pois o determinante é nulo então não formam um triângulo ABC.

Álgebra Linear 48
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
III SISTEMAS DE EQUAÇÕES LINEARES E MATRIZES

1 Equações Lineares

idéia de equação tem estreita relação com a noção de equilíbrio e a metáfora da balança é,
normalmente utilizada para trabalhar esta noção. Entretanto, Lins
9
(1997), afirma que essa
metáfora não é oportuna para casos com valores negativos, do tipo 3x + 35 = 2. Neste caso,
deve-se enfatizar que, modificada a situação, a metáfora já não resolve. Outras noções
10

associadas a equações são: igualdade e variável.
Uma equação com n variáveis x
1
, x
2
,...,x
n
cuja combinação linear resulte em alguma constante é
definida como uma equação linear.
Ou, Toda equação escrita na forma a
1
x
1
+ a
2
x
2
+ a
3
x
3
+ . . . + a
n
x
n
= b é denominada equação
linear, em que:
a
1
, a
2
, ...,a
n
são os coeficientes das variáveis
x
1
, x
2
, ..., x
n
são as variáveis ou incógnitas
b é o termo independente.

Os valores das variáveis que transformam a equação numa identidade formam sua solução e são
denominadas raízes da equação linear.
Exemplos:
a) 2x
1
+ 3x
2
- x
3
= 5 é uma equação linear a três incógnitas ou três variáveis x
1
, x
2
, e x
3

b) x+y+z+t=-1 é uma equação linear de quatro incógnitas ou quatro variáveis x, y, z e t.


Observações:
1) Quando o termo independente b for igual a zero, a equação linear denomina-se equação
linear homogênea. Por exemplo: 5x - 3y = 0.
2) Uma equação linear não apresenta termos da forma
2
1
x , x
1
. x
2
, etc, isto é, cada termo da
equação tem uma única incógnita, cujo expoente é sempre 1. As equações
2
1
3x + 2x
2
= -3 e
-4x. y + z = 2 não são lineares.
3) A solução de uma equação linear a n incógnitas é a seqüência de números reais ou n-upla
ou ênupla (·1,·2, ..., α
n
), que, colocados respectivamente no lugar de x
1
, x
2
, ..., x
n
, tornam
verdadeira a igualdade dada.
4) Uma solução evidente da equação linear homogênea 3x + y = 0 é a dupla (0,0).


Vejamos alguns exemplos de equações lineares

Exemplo 1: Dada a equação linear 4x - y + z = 2, encontrar uma de suas soluções.
Resolução: Podemos atribuir valores arbitrários à x e y e obter o valor de z. Por exemplo, se
x = 2 e y = 0, temos 4.2 - 0 + z = 2. Logo z = -6
Neste caso, uma das soluções é a tripla ordenada (2, 0, -6).
Mas, podemos resolver a equação isolando do lado esquerdo da igualdade, a primeira
variável e teríamos: 4x - y + z = 2 → 4x = 2 + y - z → x =
4
2 z y − +
.

9
LINS, Romulo C. e GIMENEZ, Joaquim. Perspectivas em Aritmética e Álgebra para o século XXI. SP, Papirus, 1997.
10
Para saber mais, acesse ao texto de OLIVEIRA http://www.tvebrasil.com.br/salto/boletins2003/eda/pgm1.htm
A
Álgebra Linear 49
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Neste caso temos como solução geral da equação Sg = {
4
2 z y − +
, y, z} para y e z
variáveis livres reais.
Note que esta equação assume várias soluções. A variável x depende de y e z. Se y = 2 e
z = 0 temos como solução, dita solução particular, a tripla ordenada (1,2,0). Se y = 0 e z
= (-6) temos como Sp, (2,0,-6),....
Resposta: A solução seral da equação é Sg = {
4
2 z y − +
, y, z} para y, z reais. Uma solução
particular poderia ser Sp = {(0,0,2)} para y=0 e z=2.

Exemplo 2: Dada a equação 3x - 2y = 5, determinar α para que a dupla (-1, α) seja solução da
equação.
Resolução: Pelo enunciado do problema, sabemos que a dupla (-1, α) significa que x = (-1) e y =
α. Assim, substituindo na equação estes valores temos: 3x - 2y = 5 ⇒ 3(-1) - 2α = 5 ⇒
-3 - 2α = 5 ⇒ - 2α = 5+3 ⇒ α = -4

Resposta: O valor de α para a dupla (-1, α) seja solução da equação é α = -4

Exemplo 3: A equação linear 3x + y = - 2 admite, entre outras, as raízes x = 0 e y = -2 pois 3.0 +
(-2) = -2. Qual a solução geral:

Resolução: Para encontrar a solução geral dessa equação, isolamos uma das variáveis e obtemos:
3x + y = - 2 ⇒ 3x = - 2 – y ⇒ x =
3
2 y − −
∀y ∈ R.
Resposta: A solução geral da equação, indicada por S é: Sg = {(
3
2 y − −
, y), ∀y ∈ IR}. Note que
a equação tem infinitas soluções reais a partir do valor que atribuímos para y. Se
atribuirmos a y o valor 4, por exemplo, obtemos x = 2
3
6
3
4 2
− =

=
− −
. Portanto, x = (-2)
para y = 4. Logo Sg = {(4,-2)}.

Exemplo 4: Qual o valor de k, para que a 4-upla u = (3, -2, 0, 1) seja solução da equação linear
kx - y + 3z - w = 0?

Resolução: Como u = (3,-2,0,1) é a solução da equação linear, temos x=3, y=-2, z=0 e w=1.

Substituindo esses valores na equação, encontramos o valor de k.
kx - y + 3z - w = 0
k.3 – (-2) + 3.0 - 1 = 0 ⇒ k.3 +2 + 0 - 1 = 0 ⇒ 3k + 1 = 0 ⇒ k = -1/3.
Verificando: (-1/3).3-(-2)+3.0-1=-1+2-1=0

Resposta: O valor de k, para que a 4-upla u = (3,-2,0,1) seja solução da equação é k=-1/3.

Exemplo 5: A equação linear 2x - y + z = 1 tem qual solução?
Resolução: Se 2x – y + z = 1 ⇔ 2x = 1 – y – z ⇔ x =
2
1 + − − z y
para ∀y, z ∈ IR.
Resposta: A solução geral da equação é Sg = {(
2
1 + − − z y
, y, z) para ∀y, z ∈ IR}.
Proposições: Se a equação é da forma 0x
1
+ 0x
2
+ . . . + 0x
n
= b, então:
Álgebra Linear 50
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
(i) Se b = 0, então qualquer n-upla de escalares
11
reais é solução da equação. Exemplo: 0x + 0y
+ 0z = 0. Neste caso, temos como solução S = {(x,y,z), ∀x, y, z ∈ R}.
(ii) Se b ≠ ≠≠ ≠ 0 então a equação linear não tem solução. Exemplo: 0x + 0y + 0z = 3 ⇒ 0x = 3 – 0y
- 0z ⇒ x=
0
0 0 3 z y − −
(solução impossível)


2 Sistema de Equações Lineares

2.1 Conceito

m grupo de m equações de mesmas variáveis n, mas com possíveis combinações lineares
distintas forma um sistema definido como sistema de equações lineares de ordem m x n.

Ou, um sistema de equações lineares é um conjunto de equações da forma
¦
¦
¦
¹
¦
¦
¦
´
¦
= + + + +
= + + + +
= + + + +
= + + + +
m n mn m m m
n n
n n
n n
b x a x a x a x a
b x a x a x a x a
b x a x a x a x a
b x a x a x a x a
...
..... .......... .......... .......... .......... ..........
...
...
...
3 3 2 2 1 1
3 3 3 33 2 32 1 31
2 2 3 23 2 22 1 21
1 1 3 13 2 12 1 11
com:

m equações
n variáveis
a
ij
indicando os coeficientes (números reais ou complexos) das variáveis para i = (1,
2, ..., m) e j = (1, 2, 3, ..., n)
b
i
indicando os termos independentes ou seja, as constantes (números reais ou
complexos) para i = (1, 2, ..., m).

A solução ou as raízes do sistema é uma lista de números ou n-upla (x
1
,x
2
,...,x
n
) que
representa os valores das variáveis e satisfaz simultaneamente as m equações lineares.

Observação: Se o termo independente de todas as equações do sistema for nulo, isto é, b
1
= b
2

=... = b
n
= 0 o sistema linear é homogêneo.

Exemplo:
¦
¹
¦
´
¦
= + −
= + +
= − +
0 3 2 5
0 4
0 2
z y x
z y x
z y x

Uma solução evidente do sistema linear homogêneo é x = y = z =
0 ou S = {(0,0,0)}
Esta solução chama-se solução trivial do sistema homogêneo.
Se o sistema homogêneo admitir outra solução em que as
incógnitas não são todas nulas, a solução será chamada solução
não trivial.


2.2 Representação Matricial de um Sistema de Equações Lineares

odo sistema de equações pode ser representado na forma de matriz, como uma matriz
completa ou como uma matriz simples. Dentre as variadas aplicações, as matrizes são
utilizadas na resolução de um sistema de equações lineares.

11
Números
U
T
Álgebra Linear 51
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Consideremos o sistema linear
¦
¦
¦
¹
¦
¦
¦
´
¦
= + + + +
= + + + +
= + + + +
= + + + +
m n mn m m m
n n
n n
n n
b x a x a x a x a
b x a x a x a x a
b x a x a x a x a
b x a x a x a x a
...
..... .......... .......... .......... .......... ..........
...
...
...
3 3 2 2 1 1
3 3 3 33 2 32 1 31
2 2 3 23 2 22 1 21
1 1 3 13 2 12 1 11

Utilizando matrizes, representamos o sistema da seguinte forma:

|
|
|
|
|
¹
|

\
|
mn 2 m 1 m
n 2 22 21
n 1 12 11
a a a
a a a
a a a
L
M M M
L
L
.

n
x
x
x
M
2
1
=

n
b
b
b
M
2
1







Exemplo:
Representação-padrão do sistema Representação na forma matricial
¦
¹
¦
´
¦
= − +
− = + −
= − +
8 2 7
1 6 3 4
0 5 2
3 2 1
3 2 1
3 2 1
x x x
x x x
x x x




2 1 7
6 3 4
1 5 2
.

3
2
1
x
x
x
=


8
1
0


Note que: Também podemos transpor os coeficientes do sistema para uma matriz. Neste caso temos
duas formas de representar:

Representação geral de um sistema de
equações lineares como uma matriz
completa (ou matriz ampliada).

Representação de um sistema de equações
lineares como uma matriz simples.

1
31
21
11
...
m
a
a
a
a

2
32
22
12
...
m
a
a
a
a

3
33
23
13
...
m
a
a
a
a

...
...
...
...
...

mn
n
n
n
a
a
a
a
...
3
2
1

m
b
b
b
b
...
3
2
1

1
31
21
11
...
m
a
a
a
a

2
32
22
12
...
m
a
a
a
a

3
33
23
13
...
m
a
a
a
a

...
...
...
...
...

mn
n
n
n
a
a
a
a
...
3
2
1


Lembre-se que: Numa matriz, as filas horizontais de números chamam-se linhas e as filas
verticais colunas.

Matriz constituída pelos
coeficientes das incógnitas
Matriz coluna constituída
pelas incógnitas
Matriz coluna dos
termos
independentes
Álgebra Linear 52
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris

2.3 Classificação dos Sistemas de Equações Lineares

s sistemas lineares são classificados, quanto as possíveis soluções. Podem ter uma única
solução, nenhuma ou diversas. Observe:















Exemplo 1:
(a) O sistema S=
¹
´
¦
= +
= +
0
1
y x
y x
, não tem soluções porque não existem valores para x e y cuja
soma seja simultaneamente 1 e 0. Logo S = ∅
(b) O sistema
¹
´
¦
= +
= −
2 2
1
y x
y x
, tem a única solução x = 0 e y

= 1. Logo S = {(0,1)}
(c) O sistema
¹
´
¦
= +
= +
4 2 2
2
y x
y x
, tem a solução x=-2y, para cada valor de y. Neste caso é
indeterminado, possui infinitas soluções. Sua Solução Geral SG = {(-2y,y)} para qualquer y real.
Podemos encontrar várias soluções particulares. Uma delas, por exemplo, poderia ser Sp = {(-
2,1)} para y = 1 ou Sp= {(-6,3)} para y = 3, etc.

Note que:

• Um sistema de equações é possível se possuir pelo menos uma solução. De outro modo é
impossível. Um sistema possível também é denominado de consistente ou compatível.
E, um sistema impossível também é denominado de inconsistente ou incompatível.

• Geometricamente, em R
2
podemos "visualizar" estas classificações. Assim, considerando um
sistema cartesiano ortogonal R
2
(x,y) e duas retas r e s definidas na forma geral por a
11
x +
a
12
y =b
1
e a
21
x + a
22
y =b
2
.
Representando-as em um sistema de equações lineares do tipo 2 x 2, temos
S =
¹
´
¦
= +
= +
2 22 21
1 12 11
b y a x a
b y a x a

O
SISTEMA LINEAR
POSSÍVEL (COMPATÍVEL)
Quando tem solução
IMPOSSÍVEL (INCOMPATÍVEL)
Quando não tem solução
DETERMINADO
Admite uma única solução
INDETERMINADO
Admite infinitas soluções
Álgebra Linear 53
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
1.
Se para algum par de retas específico obtivermos um sistema
possível e determinado então encontramos um único ponto
(x, y), ou seja, uma única solução que satisfaça a ambas as
equações simultaneamente (as retas, geometricamente, são
concorrentes
12
e coincidentes neste ponto).


2.
Se para um outro par de retas tivermos um sistema classificado
como possível e indeterminado, então teremos como
representação geométrica da solução uma outra reta que
representa todos os valores possíveis que satisfaçam as
equações (as retas, geometricamente, são coincidentes
13
).


3.
E finalmente, se por acaso o sistema for impossível, então não
há ponto que seja comum as duas retas (as retas,
geometricamente, são paralelas
14
- nunca se encontrarão).


Vamos analisar alguns
15
exemplos!


Exemplo 1: S
1

=
¹
´
¦
= +
= +
3 2
1 2
y x
y x

¹
´
¦
− = −
= +

2 0 0
1 2
y x
y x
¹
´
¦
− =
= +

2 0
1 2
y
y x


O sistema S
1
não tem solução, portanto é um sistema
inconsistente ou impossível.

Retas paralelas em S
1
: Sistema impossível

Exemplo 6:
S
2
=
¹
´
¦
= −
= +
2
4
y x
y x
¹
´
¦
= +
= +

2 2 0
4
y x
y x

¹
´
¦
=
=

1
3
y
x


O sistema S
2
tem somente a solução S = {(3,1)},
portanto é um sistema consistente e determinado.


Retas concorrentes em S
2
: sistema determinado e tem um ponto em comum (3,1) que é a
solução do sistema

12
Retas concorrentes: Duas retas são concorrentes se elas têm um ponto em comum. As retas perpendiculares são retas concorrentes que
formam entre si um ângulo reto.
13
Retas coincidentes: Duas retas sobrepostas num mesmo plano – todos os pontos são comuns.
14
Retas paralelas: Duas retas eqüidistantes em todos os seus pontos – nenhum ponto é comuns.
15
Para saber mais: http://pessoal.sercomtel.com.br/matematica/fundam/eq1g/eq1g.htm
Álgebra Linear 54
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris

Exemplo 7: S
3
=
¹
´
¦
= +
= +

¹
´
¦
= +
= +
0 0 0
1 2
2 2 4
1 2
y x
y x
y x
y x
¹
´
¦
¹
´
¦ −
= ≅ = + ≅
2
1
1 2
y
x y x

O sistema S
3
tem infinitas soluções para 0x+0y=0,
portanto é um sistema consistente e indeterminado.
A fórmula que representa a universalidade de soluções
possíveis é Sg={( y
y
,
2
1−
) para y ∈ R ou C}.


Retas coincidentes em S
3
: Sistema indeterminado

Assim, geometricamente, pode-se interpretar a solução de um sistema qualquer, no plano R
2
, onde:
1. Se o sistema é consistente e determinado, as retas se interceptam num único ponto (ponto
solução do sistema);
2. Se o sistema é consistente e indeterminado, as retas são coincidentes;
3. Se o sistema é impossível ou inconsistente, as retas são paralelas.


2.4 Equivalência de Sistemas de Equações Lineares

e dois sistemas lineares, S
1
e S
2
, admitem a mesma solução, eles são ditos sistemas
equivalentes. Veja os exemplos:

Exemplo 1: Os sistemas
¹
´
¦
= + −
= +
5 3
4 2
y x
y x
e
¹
´
¦
− = −
− = + −
1
1 3
y x
y x
são equivalentes porque tem a
mesma solução S={(1,2)}
Exemplo 2: Como os sistemas admitem a mesma solução {(1,-2)}, S
1
e S
2
são equivalentes.

¹
´
¦
= −
− = +
4 2
5 3
1
y x
y x
: S S = {(1,-2)} e

¦
¦
¹
¦
¦
´
¦
− =
+ −
= +
1
3
2
2
3
2
y x
y
x
: S
S = {(1,-2)}

Teorema 1

Dado o sistema de equações S, obtêm-se um sistema equivalente quando se efetua as operações
elementares sobre suas equações que são:
1. Permutação de duas equações;
2. Multiplicação de uma equação por um escalar k, real e não nulo;
3. Substituição de uma equação por sua soma com outra equação, eventualmente multiplicada
pelo escalar k ∈ R* .

Usando as operações descritas no Teorema 1, é sempre possível construir um sistema equivalente.
Assim, podemos encontrar a solução de um sistema, através da transformação sucessiva do mesmo
em sistemas equivalentes, até obtermos os resultados das suas variáveis.

S
Álgebra Linear 55
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Proposições
(i) As variáveis (ou incógnitas) que num sistema na forma escalonada por linhas (sistemas
equivalentes), não aparecem no início de nenhuma equação, são denominadas variáveis
livres.
(ii) Para determinar o número de variáveis livres de um sistema aplicamos após o processo de
equivalência das linhas, a fórmula:
nº de variáveis livres = n variáveis - m equações não nulas.
(iii) Se o sistema é consistente e indeterminado podemos determinar a solução geral do sistema e
soluções particulares do sistema. Para encontrar soluções particulares, atribuímos valores para
as variáveis livres, que farão parte da solução geral.

2.5 Resolução de Sistemas de Equações Lineares pelo princípio da equivalência:
Método de condensação ou de eliminação de Gauss-Jordan

técnica básica para determinar as soluções de um sistema de equações lineares é o método
de eliminação (de Gauss –forma escalonada)

Exemplo 1: Consideremos o sistema de equações,
S
1
=
¦
¹
¦
´
¦
= + +
− = + +
= + +
2 2 4 2
1
1 2
z y x
z y x
z y x
. Podemos determinar a solução do sistema pelo processo de
equivalência de sistemas ou de matriz. Vejamos:


Método 1: Equivalência de sistemas - Escalonamento

S
1
=
¦
¹
¦
´
¦
= + +
− = + +
= + +
2 2 4 2
1
1 2
z y x
z y x
z y x

¦
¹
¦
´
¦
= + +
= + +
= + +
0 0 0 0
2 0 0
1 2
z y x
z y x
z y x

¦
¹
¦
´
¦
=
= + +
2
1 2
y
z y x
.

Substituindo o valor de y = 2, na 1ª equação do sistema equivalente a S
1
, temos:

¹
´
¦
=
= + +
2
1 2 . 2
y
z x

¹
´
¦
=
− − =
2
4 1
y
z x

¹
´
¦
=
− − =
2
3
y
z x
.
Note que:
O sistema é consistente (possível) e indeterminado pois admite mais de uma solução para as
suas variáveis.
O sistema apresenta uma variável livre (z). A quantidade de variáveis livres pode ser
determinada pela fórmula: nº de variáveis livres = 3 – 2 = 1 (conforme proposição ii).
Podemos obter uma solução geral e soluções particulares.
Solução geral: S´= {(-3-z, 2, z) ∀ z ∈ R}.
Uma solução particular para o sistema: S´= {(-4,2,1)} para z = 1.
Método 2: Equivalência de matrizes
A
Álgebra Linear 56
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris

S
1
=
¦
¹
¦
´
¦
= + +
− = + +
= + +
2 2 4 2
1
1 2
z y x
z y x
z y x
A matriz completa de S
1
é:

\
|
2
1
1

4
1
2

2
1
1

|
|
|
¹
|
+

+
2
1
1

Vamos transformar a matriz completa de S em matrizes equivalentes aplicando a operações
elementares citadas no Teorema 1:

\
|
2
1
1

4
1
2

2
1
1

|
|
|
¹
|
+

+
2
1
1

\
|
0
0
1

0
1
2

0
0
1

|
|
|
¹
|
0
2
1
Para encontrar a 2ª matriz, aplicamos na 1ª as
operações: L
2
= L
2
– L
1
e L
3
= L
3
– 2L
1
.
A matriz equivalente encontrada corresponde ao sistema S
1
=
¹
´
¦
=
= + +
2
1 2
y
z y x
⇔y=2.
Substituindo o valor encontrado para y na 1ª equação do sistema equivalente a S temos:
x+2y+z =1⇔ x+2.2+z =1⇔ x = -3-z.
O sistema é possível e indeterminado com uma solução geral S´= {(-3-z, 2, z) ∀ z ∈ R} e
uma solução particular S´= {(-3,2,0)} para z = 0.

Observe outros exemplos:
Exemplo 2: No sistema abaixo, vamos reduzir na forma escalonada, aplicando as operações
convenientes:
¦
¦
¹
¦
¦
´
¦
+ − = → = + +
+ − = → = − +
+ − = → = + +
= − +
4 1 4
3 1 3
2 1 2
2 22 2 6 2
2 13 4 5 2
11 3
4 3 2
L L L z y x
L L L z y x
L L L z y x
z y x
~
¦
¦
¹
¦
¦
´
¦
+ − = → = +
+ − = → = +
= +
= − +
4 2 4
3 2 3
2 14 8 2
5 2
7 4
4 3 2
L L L z y
L L L z y
z y
z y x
~
¦
¹
¦
´
¦
− = −
= +
= − +
2 2
7 4
4 3 2
z
z y
z y x

Note que o sistema na forma escalonada apresenta 3 equações não nulas nas três
variáveis, então o sistema é consistente de solução única.
Onde: Por L
3
, temos 2z = 2 ⇒ z = 1; Por L
2
, temos y = 3 e, por L
1
, temos: x = 1
Logo, a 3–upla (1, 3, 1) é a única solução do sistema. Ou S = {(1,3,1)}

Exemplo 3: Considere o sistema:
¦
¹
¦
´
¦
→ = − + +
→ = + − +
→ = + − +
3
2
1
5 2 3 3 3
4 2 2 3
1 3 2 2
L w z y x
L w z y x
L w z y x

1º) Aplicando a operação L
2
= -3L
1
+ 2L
3
e, em seguida também L
3
= -3L
1
+ 2L
3


¦
¹
¦
´
¦
→ = − +
→ = − +
→ = + − +
3
2
1
7 13 12 3
5 5 4
1 3 2 2
L w z y
L w z y
L w z y x

2º) Aplicando a operação L
3
= -3L
2
+ L
3
teremos
¦
¦
¹
¦
¦
´
¦
− =
= − +
= + − +
8 2
5 5 4
1 3 2 2
w
w z y
w z y x
variável livre
O sistema na forma escalonada apresenta o número de equações não nulas inferior ao
número de incógnitas, logo o sistema terá várias soluções.

Observação: Chamamos variável livre a
variável que no sistema na forma escalonada
não inicia nenhuma equação.
No exemplo a variável z não inicia em
nenhuma das três equações do sistema. Logo
é a variável livre.

Álgebra Linear 57
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Solução geral: 2w = -8 portanto w = -4. Substituindo o valor encontrado para w na equação
anterior temos:
y + 4z – 5 w = 5 → y + 4z – 5.(-4) = 5 → y = 5 – 4z – 20→ y = - 4z – 15.

Substituindo na primeira equação os valores de w e y encontrados, temos,
2x+y-2z+3w =1→ 2x+(-4z-15)–2z+3.(-4)=1 →2x=1+4z+15–2z+12→x = 3z + 14.

Solução Geral: Sg = {(x, y, z, w)} = {(14+ 3z, -15 - 4z, z, -4)}, para z real

Solução Particular: Se z = 1 então S = (17,-19,1,-4)

Exemplo 4: Resolva o seguinte sistema, reduzindo-o a forma escalonada:

¦
¹
¦
´
¦
+ − = → = + − +
+ − = → = + − +
= + − +
3 1 3
2 1 2
5 12 11 8 10 5
2 5 4 3 4 2
2 3 2 2
L L L w z y x
L L L w z y x
w z y x
~

¦
¹
¦
´
¦
+ − = → = −
= −
= + − +
3 2 3
2 2 4 2 .... ..........
1 2 ..... ..........
2 4 2 2
L L L w z
w z
w z y x
~

¦
¹
¦
´
¦
=
= −
= + − +
0 0 ...... .......... ..........
1 2 ....... ..........
2 3 2 2
w z
w z y x


O sistema na forma escalonada apresenta 2 equações não nulas nas 4 variáveis, logo o
sistema é consistente com várias soluções.

Neste caso há duas variáveis livres y e w (elas não aparecem no começo de nenhuma
equação), e, portanto, uma solução particular pode se obtida dando a y e a w quaisquer
valores.

Fazendo y = 1 e w = 0, obteremos z = 1 e x = 2 ⇒ S
p
= (2, 1, 1, 0).

A solução geral será obtida, calculando os valores de x e z em função das variáveis livres
y e w. Assim, temos z = 1 + 2w . Substituindo o valor de z na primeira equação do
sistema, temos: x + 2y – 2z + 3w = 2
x = 2 – 2y + 2( 1 + 2w ) + 3w
x = 2 – 2y + 2 + 4w + 3w
x = 4 – 2y + 7w

Logo, a solução geral é S = {(4 – 2y + 7w, y, 1 + 2w, w)} para y e w reais.

Podemos encontrar uma solução particular, atribuindo valores as variáveis livres y e w.
Por exemplo, fazendo y = 0 e w = 1 temos como solução particular S = {(11,0,3,1)}.

Exemplo 5: Seja o sistema S, definido em:
Álgebra Linear 58
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
S =
¦
¹
¦
´
¦
= + +
= + + −
= − +
2 2 2
1 2
0 3
z y x
z y x
z y x
escalonando temos:
¦
¹
¦
´
¦
= + +
= − +
= + + + −
2 2 2
0 3
1 2
z y x
z y x
z y x
~
¦
¹
¦
´
¦
=
= +
= + + −
1 0
3 5 4
1 2
z y
z y x
. O sistema na
forma escalonada apresenta a equação 0 = 1 que é inconsistente (falso). Portanto o sistema
é impossível e temos então S = ∅


2.6 Solução de um sistema de equações lineares pela Regra de Cramer


Para saber mais: APLICAÇÃO DE DETERMINANTE às equações lineares: Regra de Cramer

De uso restrito, a regra de Cramer é utilizada, em geral, para resolver sistemas com 2 ou 3
equações e com 2 ou 3 variáveis. Acima disso, torna-se um processo extenso e trabalhos
(praticamente inaplicável).
Supondo como exemplo, um sistema com três variáveis, x, y, e z. Para resolver o sistema pela
Regra de Cramer, devemos:
1. Encontrar o determinante D = ∆ da matriz dos coeficientes x, y e z;
2. Calcular o determinante Dx = ∆x da matriz que se obtém, substituindo a coluna dos
coeficientes de x pela coluna dos termos independentes;
3. Determinar os valores das variáveis x, y e z pela fórmula x =

∆x
, y =

∆y
e z =

∆z
.
Seja o sistema W:
¦
¦
¦
¹
¦
¦
¦
´
¦
= + + + +
= + + + +
= + + + +
= + + + +
m n mn m m m
n n
n n
n n
b x a x a x a x a
b x a x a x a x a
b x a x a x a x a
b x a x a x a x a
...
..... .......... .......... .......... .......... ..........
...
...
...
3 3 2 2 1 1
3 3 3 33 2 32 1 31
2 2 3 23 2 22 1 21
1 1 3 13 2 12 1 11

(1) ∆ equivale ao determinante de uma matriz
A, formada pelos coeficientes das incógnitas do
sistema W
(2) ∆x equivale ao determinante de uma matriz
Ax, que se obtém a partir da matriz A,
substituindo-se a coluna dos coeficientes de x
1

pela coluna dos termos independentes.
∆= Det A =
|
|
|
|
|
¹
|

\
|
mn m m
n
n
a a a
a a a
a a a
L
M M M
L
L
2 1
2 22 21
1 12 11

∆x = Det A
x1
=
|
|
|
|
|
¹
|

\
|
mn m n
n
n
a a b
a a b
a a b
L
M M M
L
L
2
2 22 2
1 12 1

(3) De maneira análoga a ∆x podemos
determinar ∆y e ∆z
∆y=Det A
x2
=
|
|
|
|
|
¹
|

\
|
mn n m
n
n
a b a
a b a
a b a
L
M M M
L
L
1
2 2 21
1 1 11



e ∆z=Det Ax
n
=
|
|
|
|
|
¹
|

\
|
n m m
b a a
b a a
b a a
L
M M M
L
L
2 1
2 22 21
1 12 11

(4) Pela regra de Cramer x
1
=x=

∆x
=
A
A
x
det
det
1


x
2
= y=

∆y
=
A
A
x
det
det
2
e z =

∆z
.

Generalizando, pela regra de Cramer, x
n
=
A
A
xn
det
det

Álgebra Linear 59
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris

Exemplo 1: Resolva o sistema S, aplicando Cramer.
S =
¦
¹
¦
´
¦
= + +
= + +
− = − −
2 2 3
1 2
4
z y x
z y x
z y x
.
Resolução: Temos ∆=
1 2 3
1 1 2
1 1 1 − −
, ∆
x
=
1 2 2
1 1 1
1 1 4 − − −
, ∆
y
=
1 2 3
1 1 2
1 4 1 − −
,∆
z
=
2 2 3
1 1 2
4 1 1 − −
.
Resolvendo os determinantes, encontramos:
∆ = 1-3-4+3-2+2, ∆
x
=-4-2-2+2+1+8, ∆
y
= 1-12-4+3-2+8 e ∆
z
= 2-3-16+12+4-2.
∆ = -3, ∆
x
= 3, ∆
y
= -6 e ∆
z
= -3.
Logo: x = 1
3
3
− =

=

∆x
, y = 2
3
6
=


=

∆y
e z = 1
3
3
=


=

∆z
.
A solução do sistema é S´= {(-1,2,1)}.


3 Sistema Homogêneo de Equações Lineares: Discussão da solução

omo já vimos, os sistemas formados por equações lineares cujos termos independentes são
todos iguais a zero (b
i
= 0) são denominados de sistemas homogêneos. Neste caso, todas
as constantes b
1
,b
2
,...,b
m
do sistema são nulas.
Todo sistema homogêneo é consistente (ou possível), pois sempre admite solução.
Neste caso, temos duas possibilidades de solução:
• O sistema de m equações e n incógnitas é consistente e determinado e tem somente a
solução trivial (0,0,...,0) quando m = n ou seja, quando o número de m equações do
sistema equivalente, na forma escada, é igual ao número de variáveis n do sistema.
• O sistema de m equações e n incógnitas é consistente e indeterminado isto é, tem também
soluções não nulas, quando m < << < n ou seja, quando o sistema tem mais variáveis n do que
equações m.
Seja o sistema homogêneo S =
¦
¦
¹
¦
¦
´
¦
= + + +
= + + +
= + + +
0
0
0
2 2 1 1
2 2 22 1 21
1 2 12 1 11
n mn m m
n n
n n
x a x a x a
x a x a x a
x a x a x a
L
L
L
L
.
O sistema S sempre terá pelo menos uma solução, a n–upla (0, 0, ..., 0) chamada solução zero
ou trivial. Qualquer outra solução é chamada não-nula ou não–trivial. Assim, em todo sistema
homogêneo temos duas possibilidades de resposta:
1ª) quando o número de equações do sistema na forma escalonada for igual ao número de
incógnitas, dizemos que o sistema tem somente solução zero ou trivial.
2ª) quando o número de equações do sistema na forma escalonada for menor que o
número de incógnitas, dizemos que o sistema tem solução não nula.
Exemplo 1: Encontre a solução dos sistemas S
1
=
¦
¹
¦
´
¦
= + +
= − +
= − +
0 2 2 3
0 4 2
0
z y x
z y x
z y x
e S
2
=
¦
¹
¦
´
¦
= + −
= + −
= − +
0 2 4
0 3 2
0
z y x
z y x
z y x

C
Álgebra Linear 60
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Resolução: S
1
=
¦
¹
¦
´
¦
= + +
= − +
= − +
0 2 2 3
0 4 2
0
z y x
z y x
z y x

¦
¹
¦
´
¦
= + −
= +
= − +
0 5
0 2
0
z y
z y
z y x

¦
¹
¦
´
¦
=
= +
= − +
0 11
0 2
0
z
z y
z y x
⇒ x = 0, y = 0 e z = 0
Note que o sistema na forma escalonada, apresenta número de equações igual ao número de
incógnitas, logo o sistema possui solução única, isto é, trivial. Logo, S = (0,0,0).
Resolução: S
2
=
¦
¹
¦
´
¦
= + −
= + −
= − +
0 2 4
0 3 2
0
z y x
z y x
z y x

¦
¹
¦
´
¦
= + −
= + −
= − +
0 3 5
0 3 5
0
z y
z y
z y x

¦
¹
¦
´
¦
=
= + −
= − +
0 0
0 3 5
0
z y
z y x
. Observe que o sistema na forma
escalonada apresenta duas equações não nulas e três incógnitas, x, y e z. Logo o sistema possui
várias soluções. A variável livre é z. Solução Geral: -5y+3z=0 ⇒ y=
5
3z
e x= z
z
+

5
3
⇒ x =
5
2z
.
Logo SG = ( z
z z
,
5
3
,
5
2
), para z real; Solução Particular: Para z = 1 temos SP = ( 1
5
3
5
2
, , )


A
AAg
ggo
oor
rra
aa,
,, é
éé c
cco
oom
mm v
vvo
ooc
ccê
êê!
!! Resolva a lista 6 de Atividades
Álgebra Linear 61
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris

Lista 6 de atividades – Parte I
1) Ache as duas soluções da equação: -x
1
+
2
1
x
2
= 0.
2) Determine m para que (-1,1,-2) seja solução da equação mx + y - 2z = 6
3) Dada a equação 1
2 2
− = +
y x
, ache α para que (α,α+1) torne a sentença verdadeira.
4) Determine duas soluções da equação x + 2y - z = 0.
5) Seja o sistema S:
¦
¹
¦
´
¦
− − + + −
= + −
= − +
2
5 2
0 3 2
3 2 1
3 2 1
3 2 1
x x x
x x x
x x x
. (a)Verifique se (2,-1,1) é solução se S. (b) Verifique se
(0,0,0) é solução se S.
6) Seja o sistema:
¹
´
¦
+ = −
− = +
3 2
9 3
2
k y x
K y x
, calcule k para que o sistema seja homogêneo
7) Verifique se os sistemas S
1

¹
´
¦
= +
= −
7
5 2
y x
y x
e S
2

¹
´
¦
= −
= + −
9 3
11 5
y x
y x
são equivalentes.
8) Calcular m e n de modo que os sistemas
¹
´
¦
= +
= −
5 2
1
y x
y x
e
¹
´
¦
= +
− = −
2
1
my nx
ny mx
sejam equivalentes.
9) Expresse matricialmente os sistemas: a)
¹
´
¦
= −
= +
0 3
5 2
y x
y x
e b)
¦
¹
¦
´
¦
= − + −
= +
− = + +
2 5 3
0
1 2
c b a
c a
c b a
.
10) A expressão matricial de um sistema S é:


1 3
5 2
.

b
a
=


7
4
. Determine as equações de S.


Lista 6 de atividades - Parte II

1 Encontre o conjunto solução. Classifique os sistemas a partir da solução, justificando sua resposta.
a) S
1
=
¦
¹
¦
´
¦
= + +
= + +
− = − −
2 2 3
1 2
4
z y x
z y x
z y x
b) S
2
=
¦
¹
¦
´
¦
= + − −
− = + −
− = + −
1 3 2 2
4 3 2
7 4 2
z y x
z y x
z y x
c) S
3
=
¦
¹
¦
´
¦
− = + +
= + −
= + +
1 2 2
2 2
0 2
z y x
z y x
z y x


d) S
4
=
¦
¹
¦
´
¦
− = − +
− = + +
= + −
4 3 2 3
2 2 3 2
4
z y x
z y x
z y x
(e) S
5
=
¦
¹
¦
´
¦
= − + −
= − +
= − +
3 2
4 3 2
3
z y x
z y x
z y x

(f) S
6
=
¦
¦
¹
¦
¦
´
¦
= + + + −
= + − +
= − + +
= + + +
7 2
2 2
1 2
6
t z y x
t z y x
t z y x
t z y x


Álgebra Linear 62
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
(g) S
7
=
¦
¦
¹
¦
¦
´
¦
= +
= + + −
− = − +
= + + −
1
2
2
1
t z
t y x
t z y
t z y x

(h) S
8
=
¦
¹
¦
´
¦
= +
= +
= +
3 3 3
2 3 2
1
y x
y x
y x
(i) S
9
=
¦
¹
¦
´
¦
= + +
− = − −
= + +
2
1
6
z y x
z y x
z y x



(j) S
10
=
¦
¹
¦
´
¦
= + −
= − −
= + +
13 4 2 3
0
2
z y x
z y x
z y x
(k) S
11
=
¦
¹
¦
´
¦
= − + − −
− = + − −
= − + +
6 2 3 2
4 3
4 2
w z y x
w z y x
w z y x
(l) S
12
=
¦
¹
¦
´
¦
= + −
− = − − −
= + +
2
6
6
z y x
z y x
z y x


2 Resolva os sistemas pela Regra de Cramer:
a)
¦
¹
¦
´
¦
= − +
= + −
= − +
3 2 3 3
9 3 2
2 2
z y x
z y x
z y x
(b)
¦
¹
¦
´
¦
= + +
= + −
= + −
6
3 2
3 2
c b a
c b a
c b a


3 Determine se cada sistema tem solução não-nula. Classificar e resolver os sistemas homogêneos,
justificando a resposta. Se for indeterminado, encontre a solução geral e uma solução particular.
a)
¦
¹
¦
´
¦
= + + +
= + − −
= − + −
0 w 2 z 5 y 3 x 4
0 w 4 z 2 y 7 x 3
0 w 2 z 3 y 2 x

b)
¦
¦
¹
¦
¦
´
¦
= + +
= + +
= + +
= − +
0 z 3 y 3 x
0 z 7 y 4 x
0 z 2 y 5 x 2
0 z y 2 x


c)
¦
¹
¦
´
¦
= − −
= + +
= − +
0 z 4 y x 3
0 z 2 y 5 x 2
0 z 3 y 2 x


d)
¹
´
¦
= + +
= + −
0 2
0 2 3
z y x
z y x

e)
¹
´
¦
= − + −
= + −
0 4 2 2
0 2
z y x
z y x

f)
¦
¦
¹
¦
¦
´
¦
= + + −
= − + −
= + − −
= − + −
0
0 3
0 2 3
0 3 2
z y x
w z y x
w z y x
w z y x
g)
¦
¦
¹
¦
¦
´
¦
= + − −
= + − + −
= + − + −
= + −
0 2
0 2 2
0 2
0
t z y x
t w y x
t w z y x
t y x


4 Encontre a solução dos sistemas determinados.
a)
¦
¹
¦
´
¦
= + +
= + −
= + −
3
2 2
1
z y x
z y x
z y x
b)
¦
¹
¦
´
¦
= + +
= + −
= + −
3
2 2
1
z y x
z y x
z y x
c)
¦
¹
¦
´
¦
= + +
= − −
= + −
1
2 2
3
z y x
z y x
z y x


5 Escalone, classifique e resolva os sistemas
a)
¦
¹
¦
´
¦
= + −
= − +
= + −
2 2
0 4 2 3
5 2
z y z
z y x
z y x
b)
¦
¹
¦
´
¦
= + −
= + +
= + −
2 2 3
1 2
3 2
z y x
z y x
z y x
c)
¦
¹
¦
´
¦
− = + + −
− = + − +
= − + +
3 2 2
1 2 2
6
t z y x
t z y x
t z y x

6 Classifique, justificando sua resposta e resolva os sistemas homogêneos e não-homogêneos de
equações lineares. Se o sistema for consistente e indeterminado, encontre a solução geral e uma
particular.
Álgebra Linear 63
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
a)
¹
´
¦
= + −
= − +
0 2 3
0 2
z y x
z y x

b)
¦
¹
¦
´
¦
= + +
= + −
= + −
2
1 3
0 3 2
z y x
z y x
z y x

c)
¦
¹
¦
´
¦
= + −
= + −
= − +
0 2
0 3
0 2 5
z y x
z y x
z y x
d)
¦
¹
¦
´
¦
= + +
= − − −
= + +
6 3 6 3
4 2 4 2
2 2
z y x
z y x
z y x

7 Mostre, algébrica e geometricamente, que o sistema S
1
é consistente e indeterminado e o sistema
S
2
é inconsistente para: S
1
=
¦
¦
¹
¦
¦
´
¦
= −
= −
= −
2
1
2
2 2 4
1 2
y
x
y x
y x
e S
2=
¦
¹
¦
´
¦
= +
= −
= +
2 2
0
2
y x
y x
y x
.
8 Classifique e resolva os sistemas de equações lineares. Se o sistema for consistente e
indeterminado, encontre a solução geral e uma particular.
(a) S
1
=
¦
¦
¹
¦
¦
´
¦
= + +
= + +
= + −
= + −
4 3
6
0 2 3 4
11 3 2
z y x
z y x
z y x
z y x
(b) S
2
=
¦
¹
¦
´
¦
− = + − +
− = + − + +
= − + + +
1 2 3
2 5 2 6 2
14 7 3 2 3
t z y x
t w z y x
t w z y x

9 Verifique se os sistemas homogêneos têm solução não nula, justificando sua resposta.
a) S
1
=
¦
¹
¦
´
¦
= + −
= + −
= − +
0 2 2 3
0 3 2
0 2 3
z y x
z y x
z y x
b) S
2
=
¦
¹
¦
´
¦
= + −
= + −
= − +
0 4 2 3
0 8 8
0 2 3
z y x
z y x
z y x
c) S
3
=
¦
¹
¦
´
¦
= + −
= + −
= − +
0 2
0 2 3
0 2
z y x
z y x
z y x
d) S
3
=
¦
¹
¦
´
¦
= + −
= + −
= − +
0 2
0 3
0 2 5
z y x
z y x
z y x

10 Mostre, algébrica e geometricamente, que o sistema formado pelas equações 2x - y = 1, x - y/2
= ½ e 4x - 2y = 2, é consistente e indeterminado.
11 O sistema homogêneo formado pelas equações x + 3y - 2z = 0, 2x + 3y + z = 0 e 3x - 2y + 2z
= 0 tem solução não nula? Justifique.
12 Classifique e resolva os sistemas de equações lineares. Se o sistema for consistente e
indeterminado, encontre a solução geral e uma particular.
(a) S
1
=
¦
¦
¹
¦
¦
´
¦
= + +
= + +
= + −
= + −
5 3
3
8 2 3 4
8 3 2
z y x
z y x
z y x
z y x
(b) S
2
=
¦
¹
¦
´
¦
= + − +
= + − + +
= − + + +
5 2 3
12 5 2 6 2
2 7 3 2 3
t z y x
t w z y x
t w z y x

13 Encontre a solução algébrica e geométrica dos sistemas:

A=
¹
´
¦
− = −
= +
1 3 2
2
y x
y x
B=
¹
´
¦
= +
= +
4 2 2
2
y x
y x
C=
¹
´
¦
= +
= +
3
2
y x
y x
D=
¹
´
¦
= −
= +
0 3 2
0
y x
y x
E=
¹
´
¦
= +
= +
0 2 2
0
y x
y x
F=
¹
´
¦
= +
= +
0
0
y x
y x


Respostas da Lista de Atividade Parte I

(1) S = {(
2
y
, y)}, y ∈ IR (2) m = -1 (3) α =
2
3 −
(4) S = {(-2y+z, y, z)}, y,z ∈ IR (5ª) Sim (5b) Não
(6) k = -3 (7) Sim. S = {(4, 3)}
(8) Os sistemas são equivalentes para m = 0 e n = 1. S= {(2, 1)}
(9a)

− 3 1
1 2
.

y
x
=

0
5
(9b)
|
|
|
¹
|

\
|
− − 1 5 3
1 0 1
1 1 2
.

z
y
x
=


2
0
1
(10)
¹
´
¦
= +
− = −
7 3
4 5 2
b a
b a


Respostas da Lista de Atividade 6-Parte II
Álgebra Linear 64
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
(1a) S = {(-1,2,1)} (1b) S = {(-5,15,7)} (1c) S = {(
3
1
,-1,
3
1
)} (1d) S = {(1,-2,1)} (1e) S = {(1,2,0)} (1f) S
= {(0,1,2,3)} (1g) S = {(
5
8
,
5
3
,
5
1
,
3
1
− )} (1h) S = {(1,0)} (1i) Impossível (1j) S = {(1,-1,2)} (1k) S =
{(0,
5
) 7 2 ( 2
,
5
6 + + w w
,w)}, w ∈ IR. OBS: Se optar por transformar z em variável livre, a resposta é Sg = {(0, ½+z/4, z,
-7/2+5z/4)} para z real. (1l) S = {(4-z,2,z)} z ∈ IR; Sistema Não-homogêneo Consistente e Determinado 1ª, 1b, 1c, 1d,
1e, 1f, 1g, 1h, 1j; Sistema Não-homogêneo Consistente e Indeterminado 1k, 1l; Sistema Não-homogêneo Inconsistente 1i
2 (a) S = {(1,2,3)}; (b) S = {(
5
9
,
5
12
,
5
9
)}; (3a) S = {( w
w w w
,
16
15
,
16
5
,
16
23
)} w ∈ IR. Sistema Homogêneo
Consistente e Indeterminado. Sp = {(23,5,15,16)} para w = 16; (3b) S = {(9z,-4z,z)} z ∈ IR. Sistema Homogêneo
Consistente e Indeterminado. Sp = {(9, -4, 1)} para z = 1; (3c) S = {(0,0,0)}. Sistema Homogêneo Consistente e
Determinado; (3d) S ={( z z
z
, 15 ,
2
5

+ −
)} z ∈ IR. Sistema Homogêneo Consistente e Indeterminado. Sp = {(0, -10, 5)}
para z=5; (3e) S = {(y-2z, y, z)} para y, z ∈ IR. Sistema Homogêneo Consistente e Indeterminado. Sp = {(1, 1, 0)} p/y=1
e z = 0; (3f) S = {(0,0,0,0)}. Sistema Homogêneo Consistente e Determinado; (3g) S ={(
8
, ,
2
,
8
5
,
2
w
w
w w w −
}, w ∈ IR
ou S ={(- t t t t t , 8 , 4 , 5 , 4 } para t real. Sistema Homogêneo Consistente e Indeterminado. Sp = {(-4,5,4,8,1)} para w = 8.
4) a) S = {(1,1,1,)}; b) S = {(-3/2, -3,5/2)}; S = {1,-1,1)}.
5ª) SPD e S= {(2,1,2)}; 5b) SI e S= { }; 5c) SPI e Sg= )} ,
2
5
, 3 ,
2
1
{( t
t
t
t +
+

para todo t real. Sp = {(0,4,3,1)} para t=1;
6a) SPI e Sg= )} ,
7
5
,
7
3
{( z
z z −
para z real. Sp = {(-3,5,7)} para z=7; 6b) SPD. S = {(4/5,13/10,-1/10)};
8a) SPD.S = {(-1,2,5)}; 8b) SPI e Sg= {(1-3y-7,y,2+t,3+2t,t)} para todo y e t real. Sp = {(-1,1,1,1,-1)} para y=1 e t=-1;
9ª, 9c,9d) SPD e S= {(0,0,0)}; 9b) SPI e Sg= )} ,
11
10
,
11
8
{( z
z z −
para todo z real. Sp = {(-8,10,11)} para z=11;

Álgebra Linear 65
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
4 Discussão de um Sistema de Equações Lineares homogênio e não-
homogênio

iscutir o sistema é saber se ele é possível (ou consistente) ou impossível (ou inconsistente).
Se ele for possível de solução, pode determinado ou indeterminado. Com o mesmo
procedimento de equivalência de sistemas, podemos resolver outro tipo de problema, como a
classificação de um dado sistema, que dependa de parâmetros.

Exemplo 1: Discutir os valores de k no sistema abaixo:
¦
¹
¦
´
¦
= + +
= + −
= − +
k z y x
z y x
z y x
2 3
3 3 2
4 2

¦
¹
¦
´
¦
+ − = + −
− = + −
= − +
k z y
z y
z y x
12 5 5
5 5 5
4 2

¦
¹
¦
´
¦
+ − =
− = + −
= − +
k
z y
z y x
12 5 0
5 5 5
4 2

Discussão: 0 = 5 - 12 + k ⇒ K = 7
i) Se K = 7 o sistema possui várias soluções, é indeterminado. A variável livre é z.
ii) Se K ≠ 7 o sistema é impossível (ou inconsistente ou incompatível), sem solução.

Exemplo 2: Determine os valores de a, de modo que o seguinte sistema nas incógnitas x, y e z
tenha: (i) uma única solução; (ii) mais de uma solução; (iii) nenhuma solução.
¦
¹
¦
´
¦
+ − = → = + +
+ − = → = + +
= − +
3 1 3
2 1 2
2 3
2 3 3 2
1
L L L z ay x
L L L az y x
z y x
~
¦
¹
¦
´
¦
+ − = → = + −
= + +
= − +
3 2 3
) 1 ( 1 4 ) 1 (
1 ) 2 ( ......
1
L L a L z y a
z a y
z y x
~
¦
¹
¦
´
¦
− = − +
= + +
= − +
a z a a
z a y
z y x
2 ) 2 )( 3 (
1 ) 2 (
1

Discussão: O sistema na forma escalonada tem a equação (3+a)(2-a)z=2–a, portanto:
(i) Para o sistema ter uma solução única, é necessário que o coeficiente de z seja diferente de
zero, ou seja, (3 + a) (2 - a) ≠ 0, logo, a ≠ -3 e a ≠ 2.
(ii) Para a = 2, a terceira equação é 0 = 0 e o sistema tem várias soluções.
(iii) No caso de a = -3, a terceira equação é 0 = 5 e o sistema não tem solução.

Exemplo 3: Dado o sistema
16
de equações S vamos discutir a sua natureza, em função dos
parâmetros reais k para S =
¦
¹
¦
´
¦
= + +
= − + +
= + +
0 4 2
1 ) 1 (
1
kz y x
z k y x
z ky x

Resolução: Resolvendo pelo método de condensação ou de eliminação de Gauss, temos:

\
|
2
1
1

4
1
k

k
k 1
1

|
|
|
¹
|
0
1
1

\
|
0
0
1

k
k
k
2 4
1


k
k
+ −
+ −
2
2
1
|
|
|
¹
|
− 2
0
1

\
|
0
0
1

0
1 k
k

6 5
2
1
2
− + −
+ −
k k
k
|
|
|
¹
|
− ) 1 ( 2
0
1
k
.
A representação matricial do sistema na forma escalonada, mostra a necessidade de análise
para os parâmetros de k e t em:
Para 1 – k = 0 ⇒ k=1.
Para k
2
-5k+6 = 0 ⇒ k = 2 ou k = 3.
Assim, nossa análise será feita sobre essas igualdades, e k ≠ 1, k ≠ 2 e k ≠ 3.
Aplicando o resultado da matriz equivalente encontrada na forma de sistema, obtemos:
¦
¹
¦
´
¦
− = − + −
= + − + −
= + +
). 1 ( 2 ) 6 5 (
0 ) 2 ( ) 1 (
1
2
k z k k
z k y k
z ky x
Analisando a partir da última equação do sistema, temos:

16
PINTO (1997:13)
D
Álgebra Linear 66
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
(a) Para 2 ) 2 ( 2 ) 6 5 (
2
− + − = − + − k t z k k ⇒ z =
6 5
2 ) 2 ( 2
2
− + −
− + −
k k
k t
.
As possíveis respostas para z, dependem dos valores de k . Vejamos:
Se k = 2 ou k = 3 não existe solução para z, então o sistema é impossível.
Se k ≠ 2 ou k ≠ 3 existe solução determinada para z, então o sistema é possível e
determinado.

(b) Para 0 ) 2 ( ) 1 ( = + − + − z k y k temos y =
k
z k

+ −
1
) 2 (
.
As possíveis respostas para y, dependem dos valores de k . Vejamos:
Se k = 1 não existe solução para y então o sistema é impossível.
Se k ≠ 1, k tem solução se k ≠ 2 ou k ≠ 3. Neste caso o sistema possível e determinado.

Resumindo: O sistema é impossível para k = 1, k = 2 ou k = 3. O sistema é possível e
determinado para k ≠ 2 ou k ≠ 3 .



A
AAg
ggo
oor
rra
aa,
,, é
éé c
cco
oom
mm v
vvo
ooc
ccê
êê!
!! Resolva a lista 7 de Atividades


Lista 7 de atividades
1 Encontre o valor real de “a”, para que o sistema S admita solução, sendo S =
¦
¹
¦
´
¦
= −
= −
= +
a y x
y x
y x
2
0 4 5
2 3 4

2 Encontre o valor real de k, para que o sistema S de equações admita solução:
¦
¹
¦
´
¦
= −
= −
= + −
k y x
y x
y x
2
0 4 5
2 3 4

3 Determine o valor de k, para que (5,k-1,3k+2) seja solução da equação linear x -2y + z = 7.


4 Considere o sistema S de equações
¦
¹
¦
´
¦
= + + + −
= + + +
= + +
t z y k x
z y k x
z y kx
2 ) 2 ( 2
1 ) 1 (
0

Discuta-o, em função dos parâmetros reais k e t
Resolva-o, pela regra de Cramer, tomando k=1 e t = 0.
Respostas:
2) k=-6; 3) k=-2
Álgebra Linear 67
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
APÊNDICE A
Matriz de Co-Fatores e Adjunta Clássica.
Aplicação de Determinante: Adjunta Clássica e Matriz Inversa

1 Encontrando a Matriz de Co-fatores

O Cofator de um elemento a
ij
de uma matriz A indicado por Cof (A) ou C, se define como
ij
j i
ij
M c
+
− = ) 1 ( sendo |M
ij
| o MENOR complementar do elemento a
ij
da matriz A.
Note que: Se a i-ésima linha e a j-ésima coluna de uma matriz A forem suprimidas, o determinante
da submatriz resultante se chama o MENOR do elemento a
ij
e é indicado por |M
ij
|. Encontrando todos
os cofatores dos elementos a
ij
da matriz, obtemos a matriz de cofatores de A (Cof A).
Exemplo:
Se

=
33 32 31
23 22 21
13 12 11
a a a
a a a
a a a
A então o MENOR de a
11
é
11
M =
33 32
23 22
a a
a a
=

=
32 23 33 22
a a a a −
Ou:
Menores e co-fatores (definição): Seja A = [a
ij
] uma matriz quadrada de ordem n ≥ 2 sobre um
corpo K. Seja A
ij
a sub matriz de A obtida suprimindo-se a i-ésima linha e a j-ésima coluna de A. O
menor do elemento aij de A é o determinante da sub matriz A
ij
, indicado por M
ij
. O co-fator do
elemento aij de A é o produto de (-1)
i+j
pelo menor de aij, indicado por C
ij
= (-1)
i+j
. M
ij
.


Assim, pelo Teorema de Laplace, podemos encontrar o determinante de uma matriz fazendo:
det A = a
11
|M
11
| - a
12
|M
12
|+ a
13
|M
13
| ou det A = a
11
. C
11
+ a
12
.C
12
+ a
13
. C
13
sendo
onde M
ij
a sub matriz encontrada da matriz inicial A, de onde foram retiradas a i-ésima linha e a j-
ésima coluna e C
ij
é o cofator dos elementos de A.

Assim, det A = a
11

11
M - a
12

12
M + a
13

13
M
det A = a
11

32
22
a
a

33
23
a
a
- a
12

31
21
a
a

33
23
a
a
+ a
13

31
21
a
a

32
22
a
a

det A = a
11
(a
22
a
33
- a
23
a
32
) - a
12
(a
21
a
33
- a
23
a
31
) + a
13
(a
21
a
32
- a
22
a
31
)
Exemplo 1: Seja A =
|
|
|
¹
|

\
|


3 1 7
1 3 2
1 0 1
. A matriz dos cofatores dos elementos de A é definda em:
C
11
= (-1)
1+1
.
3 1
1 3 −
=1.(9+1) = 1.10 = 10. C
12
=(-1)
1+2
.
3 7
1 2 −
=(-1).(6+7)=(-1).(13)=-13
C
13
=(-1)
1+3
.
1 7
3 2
=1.(2-21) = 1.(-19)= -19. C
21
= (-1)
2+1
.
3 1
1 0
=(-1).(0-1)=(-1).(-1)= 1.
C
22
= (-1)
2+2
.
3 7
1 1 −
=1.(-3-7)=1.(-10)= -10. C
23
= (-1)
2+3
.
1 7
0 1 −
=(-1).(-1-0)=(-1).(-1)= 1
Álgebra Linear 68
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Idem para C
31
= -3; C
32
= -1; C
31
= -3.
Temos então a matriz de cofatores de A, definida em Cof (A)
3x3
=
|
|
|
¹
|

\
|
− − −

− −
3 1 3
1 10 1
19 13 10

Aplicando os Teoremas de Laplace temos:
det A = a
11
. C
11
+ a
12
.C
12
+ a
13
. C
13
⇔ Det A = (-1). 10 + 0.(-13) + 1.(-19) = -29

Proposições:
• O determinante I M
ij
I é denominado menor complementar de a
ij

• Denomina-se Cofator de a
ij
ao número C
ij
= (-1)
i + j
. Mij .
Pode-se desenvolver um determinante de ordem n > 3 pelo procedimento de Laplace.

2 Encontrando a Matriz Adjunta Clássica

onsideremos uma matriz quadrada de ordem n, A = (a
ij
) sobre um corpo K. Denominamos de
matriz Adjunta Clássica de A a transposta da matriz dos cofatores (Cof A) dos elementos
a
ij
de A, representada por Adj A.

A=
|
|
|
|
|
¹
|

\
|
mn 2 m 1 m
n 2 22 21
n 1 12 11
a a a
a a a
a a a
L
M M M
L
L
→ Cof A=
|
|
|
|
|
¹
|

\
|
mn 2 m 1 m
n 2 22 21
n 1 12 11
C C C
C C C
C C C
L
M M M
L
L
→ Adj A= (CofA)
t
=
|
|
|
|
|
¹
|

\
|
mn n n
m
m
C C C
C C C
C C C
L
M M M
L
L
2 1
2 22 12
1 21 11

Lembre-se que: O cofator do elemento a
ij
de uma matriz A, indicado por C, se define como
ij
j i
ij
M c
+
− = ) 1 ( . Para |M
ij
| o menor complementar de um elemento da matriz.
Encontrando todos os cofatores dos elementos a
ij
da matriz, obtemos a matriz de cofatores de A
(Cof A).
A Matriz Adjunta de uma matriz A, indicada por (Adj A) é a transposta da matriz de cofatores, isto
é Adj A = (Cof A)
t
.
Exemplo 1: Encontrar a matriz adjunta de uma matriz A.
Resolução: Para obter a adjunta de uma matriz quadrada A, inicialmente, formamos a matriz
dos cofatores dos elementos a
ij
de A. Vimos que, por definição, o cofator de a
ij
é o
produto de (-1)
i+j
pelo determinante da submatriz de A que obtemos removendo a
linha e a coluna que passam por a
ij
. Formada a matriz dos cofatores, a sua
transposta será a matriz adjunta.
Assim, se A =
|
|
|
¹
|

\
|
− 0 1 1
0 1 2
1 0 1
então a sua matriz de cofatores é:
C
Álgebra Linear 69
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Cof A =
|
|
|
|
|
|
|
|
|
|
|
|
|
¹
|

\
|
− = − = − =

− =

− = − =

− =

− = − =
+ + +
+
+ +
+
+ +
1 2
0 1
. ) 1 (
0 2
1 1
. ) 1 (
0 1
1 0
. ) 1 (
1 1
0 1
. ) 1 (
0 1
1 1
. ) 1 (
0 1
1 0
. ) 1 (
1 1
1 2
. ) 1 (
0 1
0 2
. ) 1 (
0 1
0 1
. ) 1 (
3 3
33
2 3
32
1 3
31
3 2
23 2 2
22
1 2
21
3 1
13 2 1
12
1 1
11
c c c
c
c c
c
c c
=
|
|
|
¹
|

\
|


1 2 1
1 1 1
3 0 0

Transpondo a matriz dos cofatores, obtemos a adjunta de A ou Adj A =
|
|
|
¹
|

\
|


1 1 3
2 1 0
1 1 0
= C
t


Saiba Mais:




















A primeira impressão quando nos deparamos com a definição de adjunta é, em geral, estranha.
Qual o sentido de formar uma matriz por meio de tantos artifícios? A idéia de formar uma
adjunta surge naturalmente quando se toma conhecimento de dois resultados clássicos sobre
determinantes: Os teoremas de Laplace e Cauchy.
1º: Teorema (elementar) de Laplace. A soma dos produtos dos elementos de uma fila (linha
ou coluna) por seus respectivos cofatores é o determinante da matriz.
2º: Teorema de Cauchy. A soma dos produtos dos elementos de uma fila (linha ou coluna)
pelos cofatores dos elementos de uma fila paralela é igual a zero.
Observe:
No Ex.1 a matriz A =
|
|
|
¹
|

\
|
− 0 1 1
0 1 2
1 0 1
tem com matriz de cofatores C=
|
|
|
¹
|

\
|


1 2 1
1 1 1
3 0 0
. Se
formarmos a soma dos produtos dos elementos da primeira linha pelos seus respectivos
cofatores, o resultado será o determinante ou seja, pelo Teorema de Laplace, o
determinante de A, indicado Det A = a
11
.c
11
+ a
12
.c
12
+ a
13
.c
13
= 1.0+0.1+1.3 = 3
Isto vale para qualquer linha ou coluna, isto é, para qualquer fila. É o famoso desenvolvimento
por cofatores de um determinante.
Igualmente, verificamos o Teorema de Cauchy: Somando os produtos dos elementos da
primeira linha pelos cofatores dos elementos de outra linha é zero. Assim, multiplicando os
elementos da 1ª linha de A pelos cofatores dos elementos da 2ª linha e somando os produtos,
obtemos:
Verificando: 1ª linha de A x 2ª linha de C = 1.1+0.1+1.(-1) = 1 + 0 – 1 = 0.
1ª linha de A x 3ª linha de C = = 1.-1+0.-1+1.(1) = -1 + 0 +1 1 = 0. Você pode verificar com
as outras linhas e colunas.
Os teoremas de Laplace e Cauchy podem ser integrados numa única definição: “Se A é uma
matriz quadrada de ordem n então A. Adj A = Det A . I
n
sendo I
n
a matriz identidade de ordem
n”.
Note que, para toda matriz quadrada, A. Adj A = Adj A . A ou seja, uma matriz e sua adjunta
comutam.

Álgebra Linear 70
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris

Exemplo 2:
Seja A =
|
|
|
¹
|

\
|


3 1 7
1 3 2
1 0 1
. A matriz dos cofatores de A é definda em Cof (A)
3x3
=
|
|
|
¹
|

\
|
− − −

− −
3 1 3
1 10 1
19 13 10
.
Aplicando os Teoremas de Laplace ou Cauchy, podemos fazer a verificação se os resultados
encontrados estão corretos.
A partir da matriz de cofatores de A, encontramos a matriz Adjunta Clássica de A:
Adj (A)
3x3
=
|
|
|
¹
|

\
|
− −
− − −

3 1 19
1 10 13
3 1 10


Proposição: Para toda e qualquer matriz quadrada A temos que, A
x (Adj A) = (Adj A) x A = (det A) x I.


3 Encontrando a Matriz Inversa por Determinante

imos que, uma matriz quadrada A, de ordem n tem inversa A
-1
se (A.A
-1
)=(A
-1
.A)=I, sendo I
matriz identidade de ordem n. Decorre da definição algumas proposições. As proposições
relacionadas ao determinante são:

Se A tem inversa, então det A ≠ 0 e det A
-1
= 1/det A
Se A é uma matriz inversível, n × n, com n ≥ 2, então: A
–1
=
A det
1
. Adj A
Exemplo: Encontre a matriz inversa da Matriz A =
|
|
|
¹
|

\
|



5 1 1
2 4 0
4 3 2
, pelo conceito aplicado a
determinante e adjunta clássica (Adj A).
Resolução:
a) Ache o determinante de A;
b) Substitua cada elemento a
ij
de A por seu cofator para obter a (Cof A);
c) Obtenha a transposta da Matriz (Cof A) = (Adj A);
d) Divida cada elemento da matriz adjunta por |A|.

Determinante de A → det A = [2.(-4).5]+[3.2.1]+[(-4).0.(-1)]-[(-4).(-4).1]-[2.(-1).2]-
[5.0.3] = -40 + 6 + 0 – 16 + 4 – 0 = -46. Como det A ≠ 0 então A tem inversa.
Matriz de cofator de A ou (Cof A) =
|
|
|
¹
|

\
|
− −


8 4 10
5 14 11
4 2 18
. Verifique por Laplace que a matriz
encontrada está correta.
Transposta da Matriz (Cof A) = (Adj A) =
|
|
|
¹
|

\
|

− − −
8 5 4
4 14 2
10 11 18

V
Álgebra Linear 71
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Divisão de cada elemento da matriz adjunta por |A| ou seja A
–1
=
A det
1
. Adj A

A
–1
=
46
1

|
|
|
¹
|

\
|

− − −
8 5 4
4 14 2
10 11 18
. Portanto A
–1
=
|
|
|
¹
|

\
|
− − −
− −
23 / 4 46 / 5 23 / 2
23 / 2 23 / 7 23 / 1
23 / 5 46 / 11 23 / 9
.
Verifique que A. A
-1
= I



Resolva a Lista De atividades


Lista de atividades – Determinantes, Matriz Inversa e Adjunta Clássica
1 Dadas as matrizes A =
|
|
|
¹
|

\
|
1 2 0
1 1 1
0 1 1
e B =
|
|
|
¹
|

\
|
1 1 1
0 1 3
2 2 1
, encontre (a) Adj A; (b) Adj B
2 Determinar a inversa das matrizes: A =
|
|
|
¹
|

\
|
3 5 2
2 2 4
3 1 2
, B =
|
|
|
¹
|

\
|
3 4 5
2 3 1
7 1 2
, C =
|
|
¹
|

\
|
3 5
7 12

3 Encontre a inversa A
-1
da matriz A =
|
|
|
¹
|

\
|

1 0 1
2 1 0
0 1 1
e prove que A.A
-1
=I
4 Considere a matriz A =
3 1 2
4 7 5
3 2 1
: (a) Encontre o determinante de A; (b) Determine a matriz de cofatores de
A; (c) Encontre a matriz Adjunta de A; (d) Calcule a matriz inversa de A.
5. Encontre a matriz inversa pelo processo de inversão (ou triangulação), para:
(a)
|
|
|
¹
|

\
|


1 1 2
2 1 1
1 1 1
;(b)
|
|
|
¹
|

\
|
− 1 1 1
1 1 1
0 1 2
;(c)
|
|
|
¹
|

\
|

1 0 1
1 1 1
1 2 2
;(d)
|
|
|
¹
|

\
|
− 2 1 1
1 1 1
1 2 1
;(e)
|
|
|
¹
|

\
|


1 1 1
1 1 1
1 1 1
;(f)
|
|
|
¹
|

\
|
− −

1 1 1
1 1 0
1 1 1


Respostas: 1) Adj A=
|
|
|
¹
|

\
|

− −
− −
0 2 2
1 1 1
1 1 1
=(C
ij
)
t
; Adj B =
|
|
|
¹
|

\
|

− −

5 1 2
6 1 3
2 0 1
; 2) A
-1
=
|
|
|
¹
|

\
|


− −
0 4 / 1 2 / 1
4 / 1 0 4 / 1
8 / 1 8 / 3 8 / 1
, B
-1

=
|
|
|
¹
|

\
|

− −
− −
66 / 5 66 / 1 11 / 2
22 / 1 22 / 9 11 / 1
66 / 19 66 / 17 11 / 1
, C
-1
=
|
|
¹
|

\
|


12 5
7 3
; (3) A.A
-1
=
1 0 1
2 1 0
0 1 1
− .
1 1 1
2 1 2
2 1 1


− −
=
1 0 0
0 1 0
0 0 1
= I; (4) a)
Determinante de A = Det(A) = |A| = -24; 4b) Matriz Cofatores Cof (A) =C=

− −
− −
− −
3 11 13
3 3 3
9 7 17
; 4c) Transposta de
Álgebra Linear 72
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
C = C
t
=Adj A=

− −
− −
− −
3 3 9
11 3 7
13 3 17
; 4d) A
–1
=
A
1
.Adj A =
24
1
− .

− −
− −
− −
3 3 9
11 3 7
13 3 17
=
|
|
|
¹
|

\
|



8 / 1 8 / 1 8 / 3
24 / 11 8 / 1 24 / 7
24 / 13 8 / 1 24 / 17
5(a)
|
|
|
¹
|

\
|

− −

7 / 2 7 / 3 7 / 1
7 / 3 7 / 1 7 / 5
7 / 1 7 / 2 7 / 3
; 5(b)
|
|
|
¹
|

\
|
− −


2 / 1 2 / 3 1
1 1 1
2 / 1 2 / 1 0
; 5(c)
|
|
|
¹
|

\
|
− −


6 4 1
3 3 0
5 4 1
;5(d)
|
|
|
¹
|

\
|


− −
1 3 2
0 1 1
1 5 3
;5(e)
|
|
|
¹
|

\
|


2 / 1 0 2 / 1
0 2 / 1 2 / 1
2 / 1 2 / 1 0
; 5(f)
|
|
|
¹
|

\
|


2 / 1 0 2 / 1
2 / 1 1 2 / 1
1 1 0
.Verificação:

=

1 0 0
0 1 0
0 0 1
1
AA

Bibliografia

ANTON, H.; BUSBY, R.C. Álgebra Linear Contemporânea. Trad. C.I.Doering. Porto Alegre: Bookman.
2006.
IEZZI, Gelson; HAZZAN, Samuel; MURAKAMI, Carlos. Fundamentos de matemática elementar
4: seqüencias, matrizes, determinantes, sistemas. 6.ed SP: Ed. Atual, 1993. v.4.
KUHLJAMP, Nilo. Matrizes e Sistemas de Equações Lineares. Florianópolis: Ed. UFSC, 2007.
LAY, David C. Álgebra linear e suas aplicações. 2.ed Rio de Janeiro: LTC, 1999. 504 p.
LEON, Steven J. Álgebra linear com aplicações. 4.ed Rio de janeiro: LTC, 1999. 390 p.
LINS, Romulo Campos e GIMENEZ, Joaquim. Perspectivas em Aritmética e Álgebra para o
século XXI. São Paulo, Papirus, 1997.
STEINBRUCH, Alfredo; WINTERLE, Paulo. Álgebra Linear. RJ: Makron Books, 1987. 581 p.
STEINBRUCH, Alfredo. Álgebra linear e geometria analítica. SP: Ed. McGraw-Hill, 1975.518 p.

Álgebra Linear

2

INTRODUÇÃO
A Matemática, desde os seus primórdios, entrelaça-se intimamente com a história da civilização e é uma das alvancas principais do progresso humano (BAUMGART1, 1997). Vários conceitos básicos dessa ciência, criados para atender a certas necessidades e resolver problemas específicos, posteriormente revelaram uma utilidade bem mais ampla do que a inicialmente pensada e vieram, com a evolução das idéias e o desenvolvimento das teorias, a adquirir uma posição definitiva de grande relevância na Matemática (LIMA2, 2000, p.28). Observamos uma mudança contínua que se processa tanto nas condições sócio-políticoeconômica das sociedades quanto na própria Matemática. Ë fato que a validez das teorias Matemáticas é perene e subsiste através dos séculos. Porém, a posição dessas teorias e técnicas a elas associadas, varia bastante em termos de importância, alcance e eficácia em fase dos novos desenvolvimentos, das novas descobertas e da ocorrência de áreas recentes de aplicação, dentro e fora da Matemática (LIMA3, 2001, p.159). Usamos Matemática diariamente, mesmo sem perceber. Isso só, poderia justificar a sua importância. É facilmente percebida, nas atividades simples do homem às mais complexas, nos esportes, na estatística, nas construções, nas previsões orçamentárias. Sem dúvida, ela confere “poder” aos economistas, aos empresários, etc. A Matemática é ferramenta imprescindível para que se possa ordenar os pensamentos, porque desafia e desenvolve a mente, ajuda a compreender as linguagens que se utiliza no cotidiano. As concepções matemáticas desenvolvidas e acumuladas nas diversas gerações podem ser divididas em Aritmética (números), Álgebra (letras + números) e Geometria (figuras planas e espaciais). A Trigonometria pode ser considerada como um ramo da Geometria e a Geometria Analítica como uma fusão da Álgebra com a Geometria. Resolvemos os problemas como o uso da aritmética, da geometria, da trigonometria, da álgebra, do cálculo diferencial e integral, etc. Alguns problemas podem ser solucionados ao mesmo tempo pela Álgebra, ou Geometria ou Aritmética. Coube a Descartes a solução de problemas geométricos através da Álgebra e vice-versa, em 1637. Para Baumgart (1999) a origem da palavra “álgebra” é estranha e intrigante. Ela não se sujeita a uma etimologia nítida como, por exemplo, a palavra “aritmética”, que se deriva do grego arithmos (número). Álgebra é uma variante latina da palavra árabe al-jabr (às vezes transliterada al-jebr), usada no título de um livro, Hisab al-jabr w’al-muqabalah (“Ciência das equações”), escrito em Bagdá (ano 825) por um matemático árabe. Esse tratado de álgebra é com freqüência citado, abrevidamente, como Al-jabr. Ainda que originalmente “álgebra” refira-se a equações, a palavra hoje tem um significado muito mais amplo e uma definição satisfatória requer um enfoque, tanto cronológico quanto conceitual, em duas fases: (1) Álgebra antiga (elementar) é o estudo das equações e métodos de resolvê-las; (2) Álgebra moderna (abstrata) é o estudo das estruturas matemáticas tais como grupos, anéis, corpos, etc. A Álgebra Linear (o nome indica sua origem geométrica) ou Álgebra Vetorial é uma parte da Álgebra que, por sua vez, é um ramo da Matemática na qual são estudados matrizes, espaços vetoriais e transformações lineares que contribuem para um estudo detalhado de sistemas lineares de equações. É um fato histórico que a invenção da Álgebra Linear tenha origem nos estudos de sistemas lineares de equações. Segundo o matemático Elon Lages Lima (LIMA, 2001), a Álgebra Linear é o estudo dos espaços vetoriais e das transformações lineares entre eles. Quando os espaços têm dimensões finitas, as transformações lineares possuem matrizes. Também têm matrizes as formas bilineares e, mais, particularmente, as formas quadráticas. Assim a Álgebra Linear, além de vetores e transformações lineares, lida também com matrizes e formas quadráticas.
BAUMGART, John K. Tópicos de História da Matemática para uso em sala de aula: Álgebra. Trad. Hygino H Domingues. São Paulo: Atual, 1997. 2 LIMA, Elon Lages. Meu Profesor de Matemática e outras histórias. (Coleção do Professor de Matemática: SBA Sociedade Brasileira de Matemática). Rio de Janeiro: Solgraf Publicações Ltda, 2000. 3 LIMA, Elon Lages. Matemática e Ensino. (Coleção do Professor de Matemática: SBA Sociedade Brasileira de Matemática). Rio de Janeiro: R&S, 2001.
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
1

Álgebra Linear

3

Tanto a Álgebra Linear como a Geometria Analítica aplicam-se a várias áreas, em especial às Engenharias. Possibilitam explicar princípios fundamentais e simplificar os cálculos em Engenharia, Ciência da Computação, Física, Biologia, Matemática, Economia e Estatística. É, portanto relevante e tem destaque em diversos cursos superiores, na graduação e na pós-graduação. Muitos dos temas do âmbito da Álgebra Linear fazem parte integrande de planos de estudos desses cursos já citados. Para Lay4 (1999) a Álgebra Linear (e a Geometria Analítica, como sua subsidiária) constitui uma das áreas da Matemática com mais vastas e variadas aplicações incluindo a sua importância para as diversas áreas da própria Matemática – da Análise à Estatística e à Investigação Operacional – em que temas fundamentais como Cálculo Matricial ou o Cálculo Vetorial são de utilização constante e cotidiana. É de extrema importância para em seus tópicos mais avançados, simplificando sua teoria e em geral, para a maior parte da Matemática. Numa análise comparativa com a Geometria, a Álgebra, como estrutura lógica, têm-se desenvolvido mais recentemente, principalmente nos últimos 100 anos, com formulação simples, onde poucos axiomas são suficientes para organizar toda a estrutura da Álgebra. Por sua vez, a Geometria, desenvolvida inicialmente pelos Gregos a mais de 2.000 anos, está sintetizada nos “Elementos de Euclides” que formam a base da Geometria Plana e Sólida atual, conservando a maneira sistemática de analisar as propriedades de pontos, retas, triângulos, círculos e outras configurações. Têm-se introduzido em estudos recentes, conjuntos de axiomas e postulados que melhoram sua estrutura lógica, mas o conteúdo da Geometria permanece o mesmo. Descobriu-se que, essencialmente, toda Geometria pode ser desenvolvida em linguagem algébrica. Na associação de pontos e retas ao invés da geometria usual, realiza-se operações algébricas em certos objetos, denominados vetores. Esses vetores obedecem a certas leis algébricas, similares aos números. Assim, trabalhamos teoremas da geometria através de teoremas da álgebra dos vetores com ênfase nas equações, identidades e desigualdade em lugar de conceitos geométricos como, congruência, semelhança e interseção de segmentos. Os vetores têm papel relevante, não apenas na Matemática, como na aplicação em outras áreas. O estudo desses vetores, normalmente é feito por meio de dois tratamentos que se completam: Geométrico e Algébrico. A grande vantagem da abordagem geométrica é de possibilitar predominantemente a visualização dos conceitos que são apresentados para estudo, o que favorece seu entendimento que sob o ponto de vista algébrico, são mais formais e abstratos. Apesar da Álgebra Linear representar um campo abstrato da Matemática, ela tem um grande número de aplicações dentro e fora da Matemática. Haetinger (2007) cita algumas e afirma que, apesar de não conseguir abordá-las todas, num curso de Álgebra, o objetivo é que o estudante tome contato com o que representa o estado da arte desta área. Alguns exemplos5 de aplicações: Jogos de Estratégia; Distribuição de Temperatura de Equilíbrio; Genética; Crescimento Populacional por Faixa Etária; Criptografia; Tomografia Computadorizada; etc.
Essa introdução - associando a geometria com a álgebra de vetores - é informal e objetiva formar uma noção intuitiva da Álgebra. O conteúdo programático de Álgebra Linear foi elaborado, visando um conhecimento dos conceitos mínimos e indispensáveis, de modo que se possa perceber a interrelação entre os mesmos e a sua aplicação conjunta.

Nos temas a serem trabalhados, incluimos a discussão sobre os conceitos teóricos formalmente instituidos, acompanhados de exemplos e atividades. Os textos são escritos em linguagem simples, mas com rigor matemático. São apresentados em forma de resumo e de modo algum, dispensam a pesquisa do acadêmico aos diversos livros didáticos da área. Portanto, para aprofundar seus conhecimentos, sugerimos como fontes, os livros e links relacionados na bibliografia.

4 5

LAY, C David. Álgebra Linear e suas aplicações. 2ed. Trad. Ricardo Camelier e Valéria de M. Iório. Rio de Janeiro: LTC, 1999. HAETINGER, Claus. 2007. Disponível em http://ensino.univates.br/~chaet/Algebra_Linear.html . Acesso em Jan 2009.
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris

.............................................4 Determinante de ordem n > 3: Teorema de LAPLACE... Potência de uma Matriz ........................................................................... 46 Lista 5 de atividades .................. Drª....3 Determinante de 3ª ordem: Regra de Sarrus....................................... 6 1 Introdução .................... 22 9.... 32 1 Classe de uma Permutação .................. Simetria em Matrizes.................. 54 2..2 Multiplicação por um escalar ............................................................................................... 18 8.................................................................... 39 4 Determinante e Matriz Inversa............................................................................................................................... 65 Lista 7 de atividades ................................................................................................................................................... 12 5.................................... 67 1 Encontrando a Matriz de Co-fatores ...... Proposições: Igualdade de Matrizes e Matriz Oposta ................... 67 Matriz de Co-Fatores e Adjunta Clássica................................................. Equivalência de Matrizes .............................. 14 7...................................................1 Adição e Subtração de matrizes......................................................................................................2 Representação Matricial de um Sistema de Equações Lineares ....................................... 50 2................................................................................................................................................................................... 48 1 Equações Lineares.............................................................................................................................................................................................. Matriz Transposta.......................................................................3 Classificação dos Sistemas de Equações Lineares.............................................Elisa Netto Zanette....................................................................................................... 24 10................................................................... 6 2......................................................Matrizes ................................................................................................. 17 7............................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................ 35 2.................... Ledina Lentz Pereira e MSc.......................................................................................... 50 2................................................................................................................... 10 4...................... 55 2.................................................................................................................. 61 4 Discussão de um Sistema de Equações Lineares homogênio e não-homogênio.................................. Tipos de Matrizes.................................................................................. 59 Lista 6 de atividades – Parte I ....................... 12 6.................................................................................................................................................................................................................................................................................................................Determinantes ........ Operações com Matrizes ............. 32 2 Determinante de uma matriz ................................................................................................................ Propriedades das Operações com Matrizes........Parte II ...........................5 Resolução de Sistemas de Equações Lineares pelo princípio da equivalência: Método de condensação ou de eliminação de Gauss-Jordan................................................ 50 2.............. 16 7............................................. 67 2 Encontrando a Matriz Adjunta Clássica....................................................................................................................................................................... Definição............................................................ 16 7..................................................................................... 67 Aplicação de Determinante: Adjunta Clássica e Matriz Inversa ............... 40 Lista 4 de atividades – Determinantes e Matrizes............................................................................. 52 2...................................... 68 Prof (ªs): MSc........................... 23 Lista 2 de Atividades – Operações com Matrizes ...................................................................... 38 3 Propriedades dos determinantes............ 30 II DETERMINANTES E MATRIZES .............................................. 2 I MATRIZES .................................................................................... 58 3 Sistema Homogêneo de Equações Lineares: Discussão da solução ..............1 Conceito .................................................. 48 2 Sistema de Equações Lineares .....3 Multiplicação entre matrizes............................................................4 Equivalência de Sistemas de Equações Lineares.......................................................................................................................................................... 66 APÊNDICE A.................................................................................................................................................................................................................................................................................. 34 2.................................................................................... 34 2.................................................................................. 61 Lista 6 de atividades ....................Álgebra Linear 4 SUMÁRIO INTRODUÇÃO..................................................6 Solução de um sistema de equações lineares pela Regra de Cramer............ Sandra Regina da Silva Fabris .................... 37 2............................................................... 28 Lista 3 de Atividades – Equivalência de Matrizes/escalonamento....................................... 6 3............................................................................. 13 Lista 1 de Atividades ................. 47 III SISTEMAS DE EQUAÇÕES LINEARES E MATRIZES .................................................................................................................. 43 5 Aplicação matemática do conceito de determinantes na geometria ...................................................................................5 Processo de triangulação para cálculo de determinante..2 Determinante de 2ª ordem .........1 Determinante de 1ª ordem ...................... 33 2...............................................................................................................

............. Ledina Lentz Pereira e MSc........ 70 Lista de atividades – Determinantes............................................. Sandra Regina da Silva Fabris ............................ 71 Bibliografia....................................... Matriz Inversa e Adjunta Clássica...............Elisa Netto Zanette............................................................. Drª.............................................................. 72 Prof (ªs): MSc....Álgebra Linear 5 3 Encontrando a Matriz Inversa por Determinante...................................................

redes de transporte. Ledina Lentz Pereira e MSc. envolvidos no cotidiano. utilizados como instrumentos de cálculo. Esse tipo de problema é um dos mais comuns em vários campos da Engenharia. na Engenharia. determinantes e sistemas de equações lineares são importantes no desenvolvimento de conceitos da Álgebra Linear e portanto. redes de comunicações. 1999). que podem ser tratados em blocos por serem operados essencialmente da mesma maneira. Várias operações executadas por cérebros eletrônicos são computações por matrizes. etc. As matrizes são tabelas de números.por um processo de discretização . muitos deles podem ser dispostos em forma de tabela/matrizes. criou um modelo considerado referência mas sem a menor idéia de qualquer possível utilidade prática. de especial uso no estudo de transformações lineares.Álgebra Linear 6 CAPÍÍTULO I CAP TULO I MATRIZES. surgidas em meados do século XVII como um novo instrumento que. da TV. Dos eventos e atividades nos quais somos. As primeiras concepções sobre matrizes na Matemática. servia para resolver sistemas lineares. utilizados como instrumentos de cálculo. etc. Os fundamentos e operações básicas com matrizes. de início. Nessas aplicações o problema computacional não está no tamanho das matrizes mas na quantidade delas e na rapidez de processamento das multiplicações (para que se tenha um movimento realístico). surgiram com o inglês Arthur Cayley (18211895). na Economia.são reduzidos a um sistema de equações lineares. na Computação. F requentemente nos deparamos com conjuntos de números ou outros objetos matemáticos. Isso ocorre normalmente em problemas que envolvem o estudo de campos elétricos. na Estatística. cuja matriz tem grande tamanho. temos uma situação quase que oposta: uma única matriz é suficiente mas seu tamanho pode ir a ordem de centenas e mesmo milhares de linhas e colunas. Sua preocupação vinculava-se na forma e na estrutura em Álgebra. Sandra Regina da Silva Fabris . Sob esse aspecto. Você sabiia que: Você sab a que: A geração dos movimentos e deformações que vemos nos efeitos especiais do cinema. de tensões elásticas. é a matriz quadrada. pré-requisito para o estudo da mesma.Elisa Netto Zanette. na Física. etc. 2. Dentre as matrizes as que mais uso teve e tem. Hoje a teoria das matrizes é uma das partes da matemática mais férteis em aplicação: na Matemática. Drª. térmicos. os quais . I MATRIZES 1 Introdução As matrizes são tabelas de números. Para isso. dos games de computadores e nas visualizações das simulações científicas está baseada na multiplicação de matrizes 4x4 no caso espacial e 3x3 no caso plano. Outra situação que nos leva a nos envolvermos com matrizes enormes são as associadas a grandes redes de distribuição de energia elétrica. usamos matrizes. na Física Atômica. (SILVEIRA. magnéticos. direta ou indiretamente. Definição Prof (ªs): MSc. Em muitas outras aplicações. DETERMINANTES E SISTEMAS A s Matrizes formam um importante conceito em matemática.

representamos a situação-problema em: Prof (ªs): MSc.) dispostos em m linhas e n colunas. uma matriz é qualquer tabela formada por números ou outro tipo de objeto matemático que se pretende operar em bloco. Exemplo 1: (a) A2x3 =  4  2 −1 0   é uma matriz de 2 linhas e 3 colunas onde cada elemento de A ocupa 3 − 5  um lugar determinado na matriz. candidatas a um emprego e submetidas a testes.0 5. Podemos representar o resultado dos testes num quadro de avaliação: 1º teste Teresa Paulo Marcos André 4. cada célula da planilha representa um elemento da matriz. C hamamos de matriz de ordem m por n a qualquer quadro ou tabela formada por m x n elementos (números. Sandra Regina da Silva Fabris . podemos dizer que cada elemento de uma mátria A é representado por aij. De forma genérica. onde o elemento a se encontra localizado. Ou. Drª.Elisa Netto Zanette.8 9. está dividida em linhas e colunas e.0 2º teste 3. polinômios.3 7. Uma planilha. tal como uma matriz. Um importante exemplo prático de matriz surge na informática: os programas conhecidos como planilhas eletrônicas correspondem a matrizes. temos uma tabela/matriz de ordem quatro por três (4 x 3) ou seja.5 7. simultaneamente. onde i representa a linha e j a coluna. Ledina Lentz Pereira e MSc.2 8. O elemento (-5). Os demais elementos indicamos por: a11 = 2 a12 = −1 a13 = 0 a21 = 4 a22 = 3 a23 = −5 (b) B2x2 = 1 9 i 4 é uma matriz de ordem 2 x 2 ou B = [bij]2x2 (c) C1x4 = [2 − 2 4 9] é uma matriz de ordem 1 x 4 ou C = [cij]2x2 Exemplo 2: Consideremos a situação-problema de 03 pessoas. uma matriz é um conjunto ordenado de números e estão associdados a duas dimensões: a dimensão das linhas e a das colunas.0 4.Álgebra Linear 7 Ou. Da mesma forma.0 6. Assim. Assim.5 Os números distribuidos na horizontal representam a pessoa avaliada e formam o que denominamos de linha e. cada elementos está associado a dois subíndices que indicam sua posição na matriz.8 3º teste 1. por exemplo está na segunda linha (i=2) e terceira coluna (j=3) que indicamos por a23 = -5. frações. uma matriz pode ser representada por uma letra maiúscula do alfabeto ou por seus elementos representativos.0 8. etc. Neste exemplo. Estes elementos são dispostos normalmente entre parênteses ( ) ou entre colchetes [ ] ou duplas barras  . é uma a matriz com 4 linhas e 3 colunas.0 3. A tabela de valores resultante do quadro é denominada matriz e cada número é chamado de elemento. A matriz com m linhas e n colunas possui dimensão mxn (lê-se m por n) e indicamos por Amxn. os colocados na vertical representam o grau de aprovação no teste e são chamados de coluna.

Observe: Representando num quadro: 2004 Paulo André Luana Representando numa matriz: 8 6 4 2005 7 6 8 2006 9 7 5 2007 8 6 9 Para saber a pontuação de André. 6. 6 e Luana. nossa matriz tem 3 linhas e 3 colunas e indicamos por A3. Sandra Regina da Silva Fabris .2 8.0   8.5   Exemplo 3: Vamos considerar agora. A2x3 = 1.0   6. Temos nesse caso.75 Massa(kg) 72 54 Idade(anos) 18 14 Este quadro pode ser representada por uma matriz A de ordem 2 x 3 ou seja com 2 linhas e 3 colunas. no programa de formação continuada da empresa em que trabalham. Ledina Lentz Pereira e MSc. nos últimos anos. 7. As linhas são enumeradas de cima para baixo e as colunas. 8. basta procurar o número que fica na 2ª linha e na 3ª coluna da tabela ou da matriz.75 54 14   1ª linha 2a linha LINHAS 3ª coluna 2a coluna 1a coluna COLUNAS Prof (ªs): MSc. temos: Paulo. da esquerda para direita. a representação em matriz da seguinte situação: Analisando a pontuação (de 0 a 10) obtida por Paulo. Podemos representar no quadro abaixo os valores encontrados: Altura(m) Eduardo Fernando 1.Álgebra Linear 8  4.83 1.0  3.8 1. Exemplo 4: Vamos avaliar uma outra situação-problema na comparação entre pessoas com seus respectivos pesos. com 4. com 6.3.0   5. alturas e idade. Esta situação-problema pode ser representando num quadro ou numa matriz com a pontuação dos três por ano.Elisa Netto Zanette. Quando uma matriz tem o número de linhas igual ao número de colunas.5 7.8   9. 9 e 8 pontos. com 8. é chamada de matriz quadrada. 7. em 2006.3 7.0 A4x3 =  4. uma matriz de ordem 3 x 3 ou seja.0  3. por exemplo. 5. André.83 72 18 1. André e Luana. Drª. 9.

A matriz procurada é A3x2  −1 − 4   =  1 − 2 6 3    Prof (ªs): MSc. Sandra Regina da Silva Fabris .3 3.. As tabelas com m linhas e n colunas são denominadas matrizes de ordem m x n. B. 3. polinômios.3. usamos letras maiúsculas (A.Álgebra Linear 9 Resumindo: 1. A representação genérica de uma matriz A de ordem m x n é: Amxn  a11   a21 =  .Elisa Netto Zanette.. está vinculado a dois índices: i e j...2 = 4 – 6 = -2 – 3. 2. . (1 ≤ i ≤ m e 1 ≤ j ≤ n).2 = 9 – 6 = 3.1 2.. Logo.. n ≥ 1.).) para indicar as matrizes genéricas e letras minúsculas ou números para indicar os elementos. Exemplo: Encontre a matriz A = (aij)3x2 sabendo que aij = 2i – 3j. dispostos em m linhas e n colunas... n} ⊂ N ou Amxn = [ aij ] . Note que cada elemento aij da matriz A.. ..   . Exemplo: O elemento a25 indica que o elemento a está localizado na 2ª linha e 5ª coluna da matriz A. O primeiro indica a linha e o segundo a coluna em que o elemento pertence. nossa matriz tem 6 elementos e sua representação genérica é A3x2  a11  =  a21 a  31 a12   a22  .2 2. a uma tabela formada por m x n elementos (números. funções. amn   Indica-se a matriz acima por: Amxn = [ aij ] m x n com i ∈ {1..2 3.1 = 9 – 3 = 6 – 3. A representação de uma matriz a partir de uma lei de formação permite calcular o seu número de elementos e encontrá-los. com m e n ∈ N* . .. Então m x n = 3 x 2 = 6. Drª. a2 n  ..3 .. Resolvendo: A representação abreviada de A = (ai j)3 x 3 indica que A tem ordem 3 x 2 ou seja 3 linhas e 2 colunas. am 2 a13 a23 ... Algebricamente. a1n   . Assim.. 2.1 = 2 – 3 = -1 – 3. am 3 . Ledina Lentz Pereira e MSc.  a  m1 a12 a22 . . m} ⊂ N e j ∈ { 1..1 2. Portanto: Denomina-se matriz de ordem m x n (lê-se: m por n) com m. para aij = 2i – 3j temos: a32   ⇔ a11 = a12 = a21 = a22 = a31 = a32 = 2.. 2..1 = 4 – 3 = 1 – 3. etc.... 4..2 = 2 – 6 = -4 – 3.

B. Matriz Nula ou matriz nula: É a matriz em que todos os elementos são nulos. P3 e P4 . É representada por 0m x n. recebem denominações especiais. Exemplo: 02x3 =  0 0 0   0 0 0  Exemplo complementar: A tabela a seguir apresenta os preços dos produtos químicos para tratamento de água P1.     a33   Os elementos aij da matriz quadrada quando i = j formam a diagonal principal da matriz. 192    5. A é uma matriz que tem um número igual de linhas e colunas. e C. Exemplos:  a11  A3x3= a21   a31  a12 a22 a32 a13   1 − 3 a23  e B2x2=   0 4  .Elisa Netto Zanette. indicada por P1=  191  . 2. relacionados as empresas A. Os preços da empresa A formam a matriz linha 1x4 indicada por A = (190 182 204 179) . Sandra Regina da Silva Fabris . Vamos 1.  9    4. P4 das empresas A. conhecer! por suas características.  a11  Exemplo: A3x3= a21   a31  a12 a22 a32 a13  a23   a33   Diagonal secundária Diagonal principal Prof (ªs): MSc. Idem para os produtos P2. ou seja. Matriz Retangular: Se m ≠ n então A é dita matriz retangular de ordem m x n. com uma única coluna. ou seja. Exemplo: B2x1 =  − 4  . Matriz Linha ou vetor linha: É a matriz de ordem 1 x n. Tipos de Matrizes A lgumas matrizes. B e C formam a matriz coluna 190    3x1. Drª. Matriz Quadrada: Se m = n então a matriz A é denominada matriz quadrada de ordem n isto é. Exemplo: A1x4 = (3 − 1 5 8) 3. P1 P2 P3 P4 A 190 182 204 179 B 191 180 200 177 C 192 181 205 175 Neste exemplo temos uma matriz retangular de ordem 3 x 4. A outra diagonal é chamada diagonal secundária. formada por 3 linhas e 4 colunas. Idem para os preços das empresas B e C. Matriz Coluna ou vetor coluna: É a matriz de ordem m x 1. P3. Os preços do produto P1. E estes têm representação geométrica no plano e no espaço tridimensional. formada por uma única linha. P2.  a11 a12  Exemplo: A3x4= a21 a22  a31 a32  a13 a23 a33 a14  a24  é uma matriz retangular de ordem 3 × 4 ou A = [aij]3x4  a34   Note que: Matrizes com a característica de ser linha ou coluna têm papel importante na Álgebra e são denominadas vetores. Ledina Lentz Pereira e MSc.Álgebra Linear 10 3. A é uma matriz quadrada de ordem 3 e B tem ordem 2.

a tabela de vendas e a matriz diagonal que é simultaneamente triangular.. As matrizes quadradas se classificam em: 5. se i = j Note que: A multiplicação de qualquer matriz pela identidade resulta na matriz original..4 Matriz triangular superior: É a matriz 5 quadrada cujos elementos abaixo da diagonal 0 principal são nulos ou é a matriz A=[aij] cujos Exemplo:A4 =  0 elementos aij são nulos (aij = 0) para i > j 0 0 5 0  0 5  1 2 2 1  0 − 1 0   0 0 0 2  0 2 0 0  1 − 1 0  2 5 2 0 0 6 8 5. matriz identidade é uma matriz diagonal In = [ aij ] com aij =  0.1 Matriz diagonal: É a matriz quadrada em que 5 todos os elementos que não estão na diagonal  Exemplo 1: D3x3 = 0  principal são iguais a zero ou seja. Drª.. Ou.. 1.  5. É representada por In. Por exemplo: Uma agência de automóveis efetuou de vendas. . . 45 Zafiras no 2o mês. Indicamos por D =  diag (a11. no último mês foram 20 Passats. Note que toda matriz identidade é 0 uma matriz escalar. Sandra Regina da Silva Fabris . que têm soma dos índices igual a n+1 → São: a1n. Ledina Lentz Pereira e MSc.Álgebra Linear 11 Na diagonal principal estão os elementos que têm os dois índices iguais → a11. an1. Observe. ann Na diagonal secundária estão os elementos aij tais que i+j = n+1 ou seja.2 Matriz identidade ou matriz unidade: É a matriz quadrada em que todos os elementos da Exemplo: I3 = 0 1 0   diagonal principal são iguais a 1 e os demais são 0 0 1    nulos. . a2(n-1).3 Matriz escalar ou singular: É a matriz 5 diagonal cujos elementos da diagonal principal  Exemplo: A3 = 0  são iguais. a22. a22. se A=[ aij ]. ao lado. sendo n a ordem Pode ser representada genericamente por: da matriz ou simplesmente I. 0 então aij = 0 quando i ≠ j. durante o quatro trimestre: 106 Gols no 1o mês. Gol M1 M2 M3 10 6 0 0 Zafir a 0 45 0 Passat 0 0 20 ou 106 0 0   0 45 0     0 0 20   Prof (ªs): MSc..Elisa Netto Zanette. 5. 0 0 − 31 0  0 2  1 0 0 5.. ann ).5 Matriz triangular inferior: É a matriz 5 quadrada cujos elementos acima da diagonal 0 principal são nulos ou é a matriz quadrada Exemplo:A4 =  9 A=[aij] cujos elementos aij são nulos (aij = 0)  para i < j 3 Note que: Uma Matriz diagonal é simultaneamente triangular superior e triangular inferior. se i ≠ j com os elementos não nulos iguais a 1.

     1 − 4  −1 4   então B é oposta de A se B =    − 2 − 2  2    Exemplo 2: Se A=  2  5. de mesma ordem. Sandra Regina da Silva Fabris . Duas matrizes A = [ aij ] e B =[ bij ]. Exemplo 1: Se A=  1 − 3 −1 3    então (-A) =  0 4   0 − 4 .n. Exemplo 2: Seja A =  c  Exemplo 3: Seja A =  2  -4 1. A matriz (-A) oposta de A é obtida trocando-se todos os sinais dos elementos de A ou multiplicando A pelo escalar (-1). a = 2. Exemplo 1: A matriz A = [ 2 -4 1. A=B se a = 1. Drª.  d   z − 2 1 − 4  x  eB=   temos que A = B ou B = A se   y +1 w  2    x = 1 x = 1 y +1 = 2 y =1 z − 2 1 − 4  x   ⇔   ⇔ 2 2  =  y +1    w      z − 2 = −4  z = −2 w = 2 w = 2   4.Álgebra Linear 12 4.   −1 1 6 t Exemplo: Se A =   − 4 − 2 3  então A =  1    6  −1 − 4  − 2 3    Note que a 1ª linha de A corresponde à 1ª coluna de At e a 2ª linha de A corresponde à 2ª coluna.5 ] se. Prof (ªs): MSc. b = 6. e somente se. Se A = [ aij ] m x n então existe uma matriz oposta de A representada por (-A) de modo que aij = . todos seus elementos correspondentes são iguais ou seja. Neste caso. a matriz transposta de uma matriz A= [aij].aij. cada a b   1 6  eB=    − 1 5  .2 Toda matriz A tem uma matriz oposta (-A). de ordem mxn. se aij = bij. c = -1 e d = 5. chama-se transposta de A a matriz At que se obtem trocando ordenadamente as linhas pelas colunas. Matriz Transposta D ada uma matriz Am.1 Duas matrizes de mesma ordem podem ser iguais. de ordem nxm. Portanto. Proposições: Igualdade de Matrizes e Matriz Oposta 4. são iguais se.5 ] é igual a matriz B = [ a um dos seus elementos são iguais. Ou. serão comentadas após as operações com matrizes. Ledina Lentz Pereira e MSc. Obs: Algumas propriedades se definem nas transpostas envolvendo soma e produto de matrizes. é a matriz At.Elisa Netto Zanette. que se obtém escrevendo ordenadamente as linhas de A como colunas ou vice-versa.

a21. a23 = .1 Matriz simétrica: É a matriz quadrada de ordem n tal que A = At. as aij = a ji para todo i e j. Ledina Lentz Pereira e MSc. Observe: 6. pode ser simétrica e anti-simétrica. tente você! Resolva a lista de atividades 1 Prof (ªs): MSc. É a matriz cujos elementos aij = aji. Em geral a matriz simétrica é indicada pela letra S Exemplo: A = Também podemos dizer que: Se uma matriz (quadrada) A e a sua transposta At são iguais. Sandra Regina da Silva Fabris .2 Matriz anti-simétrica: É a matriz quadrada de ordem n tal que At = (-A) ou é a matriz cujos elementos aij = (-aji) para i≠j e aij=0 para i=j. seus Note que: elementos dispostos simétricamente em relação à diagonal principal são opostos e os elementos da diagonal principal são nulos. simétrica (com relação a sua diagonal principal).Elisa Netto Zanette.a32 a11 = a22 = a33 = 0 Note que: Se uma matriz A é anti-simétria.a31. então a matriz A é elementos dispostos simetricamente em relação a diagonal principal são iguais. temos: A=A Matriz Simétrica a12 = a21= 0 a13 = a31= 2 a23 = a32= -1 6.Álgebra Linear 13 6. − 1  a13 = . Simetria em Matrizes U ma matriz qualquer quadrada. Agora. isto Observe que na Matriz simétrica os é. Drª. Em geral a matriz simétrica é indicada pela letra S´ A = -At Matriz anti-simétrica 2 5 0 0 3 − 1   2 − 1 7    = At = S 5 − 2 0 − 5 0 Exemplo 1: A= 1  =-At = S´    2 −1 0    − 4 1 0 3 =-Bt = S´  − 3 0  0 Observe nos exemplos que. t Neste exemplo. como A=(-At ) então A  é simétrica e Exemplo 2: B= 4  a12 = .

Encontre a transposta da matriz A = [aij]3x2 em que aij = 14. Sandra Regina da Silva Fabris . 40 Zafiras e 12 Passats no 1o mês. (c) Matriz Identidade de ordem 5. (b) Matriz escalar de ordem 4. 13. ao final dos três meses? 8.Matrizes 1. 2x6! 6.8  9.2 3. Drª.3 8. no último mês foram 86 Gols. 22 Zafiras e 6 Passats no 2o mês. Para a matriz linha A = [aij]1x3 em que aij =2i-j. 2. Quais os tipos possíveis para essa matriz? 1x8. 15.Encontre as matrizes definidas em: (b) B=(bij)3x3 com bij =i2+j2 (a) A=(aij)3x2 com aij=4i–j (c) C=(cij)2x3  4i  se i ≠ j com cij =  j 2i + j . encontre a sua matriz oposta. encontre sua transposta. Encontre os valores dos seguintes elementos de B: 7.Considere a matriz B =   4. Ledina Lentz Pereira e MSc. Represente em matriz e analise: (a) Qual o modelo de carro mais financiado? (b) Em qual mês houve um maior número de carros financiados.0  7.Álgebra Linear 14 Lista 1 de Atividades . sabendo que aij = 3i-j. Determine a matriz oposta de A2x3 = 1 2 − 3 0 5 2   i − j se i = j   j − i se i ≠ j 11. se i = j  (d) D = (dij)3x3.0  8. 4x2. prove que (At)t = A.0 a) b11 b) b21 3. se i = j 3.5 c) b12 d) b32 e) b42 f) b24 5. A partir de uma matriz diagonal de ordem 4. y−4 6 (d) Determine os valores de x e y de forma que as matrizes A e B sejam iguais. Prof (ªs): MSc. 100 Gols.5 1. Dê exemplo de: (a) Matriz simétrica S e anti-simétrica S´de ordem 3. 2x4.0   . 5x7. Após.7 4. 9. 40 Zafiras e 20 Passats. Encontre a tabela de carros financiados por uma agência bancária nos meses de junho. (b) Encontre At e Bt. 10. 12.Uma matriz possui 8 elementos. durante o quatro trimestre: 106 Gols. (c) Qual o total de carros financiados pela agência mensalmente e.Elisa Netto Zanette. Considere as matrizes retangulares A = 1 3 x+5 4 1 3 eB= 0 0 2 6 0 0 6 4 . 2x3.Encontre as matrizes definidas em: (a) A=(aij)3x2 com aij=i–5j (b) B=(bij)4x4 com bij =  − 1 se i ≠ j 0. determine a soma dos elementos da diagonal principal com os elementos da diagonal secundária. Quantos elementos tem uma matriz de ordem 4 por 7? 7. A partir de uma matriz triangular superior de ordem 3.0 5. julho e agosto.Uma agência de automóveis efetuou de vendas. Monte a tabela de vendas e transforme em matriz. Encontre a matriz diagonal A = [aij] de ordem 3.8 6. matriz identidade 4.

2 106 3  0 − 3 − 2 (8)(a) S =  .0 (b) b12=3. Sandra Regina da Silva Fabris . (b) mês 07. (-A) =  − 2 − 5 − 10  (12) D =       0 8 13   0 − 8 − 13  −5 − 2   0 0 18   0 0 − 18      (13) At 0 1  − 1 − 2 (14) A = 0 − 1  (1 0 − 1) . (18) A =   2 3 4  0 0 0 .2 (f) b24=não existe.8 (d) b21=5. z 8 −1 Respostas da Lista de Atividades 1 (1) M1 M2 3 Gol 106 100 86 Zafira 40 22 40 Passat 12 6 20 106 100   86  40 22 40 12  6   20   − 4 − 9   (2) A= − 3 − 8 (2) B =   − 2 − 7    0 − 1 − 1 − 1    − 1 0 − 1 − 1  − 1 − 1 0 − 1 (3) A =   −1 −1 −1 0    3 2    7 6  (3) B = 11 10     2 5 10     5 8 13  (3) C = 10 13 18     3 2 4 / 3  8 6 8 / 3 . 4x2 e 2x4 153 e mês 08 = 150. 0  0 − 1 0  0 0 7 3 0 0 (5) 1x8. Determine uma matriz triangular superior A e uma matriz triangular inferior B de ordem 3. (16) x= 2 . At = 1 a 0   . (c) mês 06 = 113. Para A = − 6 5  2 3 1 4  y e B = 2  0 − 6 5  x 3 1 encontre os valores de x. Ao final de 3 meses financiaram 416 carros. (10) (-A)=   0  0   2  6 −2 3  . y = 8 e z = 4 0 4 5   1 0 0  0 0 6  2 1 0     Prof (ªs): MSc. Considere a matriz A = 4 x 9 y . S=  3 45 − 4 4   3 0   2 − 4 20  2 − 4 0      1 (9b)At=  3 6  4 0 t −1 B .Elisa Netto Zanette.    1 0 0   (3) D =  0 1 0  (4) (a) b11=4.7 (e) b31=7. mês 07 =   115 15 20   2  (b) E= 0  0  0 1 0 0 0 0   (c) I =  0 1 2 0 0 0 0 0 2 0   0 0 0 0 2  0 0 0  0 0 0  (9a) x=1 e y = 6 1 0 0  0 1 0  0 0 0 0 1 2 0  0  0 0 0 = Dt. Ledina Lentz Pereira e MSc. (At)t = (1 0 −1) = A (provado) (15) D =  11  0 0 a 22    −1  0 0    0   2 0 0 → = 0   0 4 0 a33   0 0 6     (2+4+6)+(0+4+0) = 16.2)}. y=8 e z=2 ou S={( 2 . y e z para B = At. Para que valores de x. 0 0 1   106 5 2    (6) 4x7 = 28 elementos (7) 98 45 10 (a) modelo A.   4 8 z    17. (17) É simétrica pois aij = aji para i ≠ j e não é antisimétrica pois aij ≠ 0 para i = j. para aij = i+j e bij = i-j. B =   (19) A é simétrica para x=3. (11) A=  2 5 10  . 18.5 (c) b42=8. A é uma matriz simétrica. Verifique se a matriz identidade de ordem 3 é simétrica ou anti-simétrica e justifique. y e z. Drª.8. 1 3 19.Álgebra Linear 15 0  16.

82 mil do C2 e 34 mil de C3. podemos encontrar outros dados. Ledina Lentz Pereira e MSc. Neste caso. C3 produzidas numa semana pelas industrias A. do modelo C3 (=102 000). tal que: cij = aij + bij A diferença (subtração) entre duas matrizes A e B. facilmente. de mesma ordem. Operações com Matrizes 7. é definida pela soma de A com (-B). 96 mil do C2 e 38 mil de C3. por industria. nos três modelos: A (=152 000). a soma (adição) de A com B é uma matriz C = [cij].   25 48 19   Considerando que a quantidade de embalagens semanais produzidas não se altera. B e C integrantes de um mesmo grupo empresarial. duas matrizes podem ser somadas (ou subtraídas) se e somente se elas possuem a mesma dimensão a ij = bij Exemplo 1: Se a11 a12  b11 b12  a11 + b11 a12 + b12  A=  e B = b  então A + B = a + b  a 21 a22   21 b22   21 21 a22 + b22  Exemplo 2: A tabela a seguir mostra o número de embalagens em mil. tal que: cij = aij bij Assim. ao final de duas semanas? 18 41 17   1ª semana + 2ª semana = P1 + P2 = 17 52 15 +   25 48 19   18 41 17 36 82 34 17 52 15 = 34 104 30 . Temos então: Indústria A: produziu 36 mil embalagens do modelo C1. do modelo C2 (= 282 000). Indústria C: produziu 50 mil embalagens do modelo C1. numa semana: C1 18 17 25 C2 41 52 48 C3 17 15 19 A B C 18 41 17   A matriz correspondente a produção das embalagens é indicada por P1 = 17 52 15 . B (=168 000) e C = (184 000) O total de embalagens produzidas nas três industrias (=504 000) Prof (ªs): MSc. por indústria e por modelo. Sandra Regina da Silva Fabris .     25 48 19 50 96 38     A matriz P1 + P2 indica a produção por empresa e produto ao final de duas semanas. só podem ser adicionadas ou subtraídas se tem a mesma ordem. C2. dos modelos C1. indica-se: A + (-B) = A – B. Este é um exemplo de soma de matrizes Analisando a matriz resultante.Elisa Netto Zanette.Álgebra Linear 16 7. Drª. O total de embalagens produzidas. Indústria B: produziu 34 mil embalagens do modelo C1.1 Adição e Subtração de matrizes D uas matrizes. 104 mil do C2 e 30 mil de C3. A = [aij] e B = [bij]. indica-se por A + B = C. Por exemplo: O total de embalagens produzidas do modelo C1 (= 120 000). qual o total de embalagens produzidas pelo grupo.

A = . O produto da matriz A pelo escalar k. C2.Elisa Netto Zanette.3 . é a matriz obtida multiplicando-se cada elemento de A por k → bij = kaij Exemplo 1: k A = k  1 4  2 0 =    k   2k  4k   1 4   5 20   se k=5 temos 5A=5    2 0  = 10 0  =B    0     1 1 1 1  1 . Sandra Regina da Silva Fabris .[3 − 2 4] =  . A tabela a seguir mostra o número de embalagens em mil. 0 8   3  6 7  =   10 6   6   3 − 4 1   =    − 6 − 6  6   2 3   1 3 2 3      Exemplo 5: Se A=  − 4 − 3 − 2  e B=  4 8 − 4  então. Drª. Ledina Lentz Pereira e MSc.Álgebra Linear 17  1 4 5   2 0 e B = 8      5 1 4 Exemplo 4: Se A =   2 0 e B = 8      Exemplo 3: Se A = 3  então A + B = 6  3  então A . 3   −2 1 3  Exemplo 3: Considermos o mesmo problema anterior do quadro demonstrativo de produção de embalagens de indústrias que integram o mesmo grupo empresarial. C3 produzidas pelas industrias A. numa semana: C1 18 17 25 C2 41 52 48 C3 17 15 19 A B C Prof (ªs): MSc. 4 8 − 4  =  − 4 − 4 − 3 − 8 − 2 − ( −4)  =  − 8 − 11 2  =D  3 5 7  1 5 3   3 −1 5−5 7−3   2 0 4         Exemplo 6: Se A = [2 [2 1  7  b − 1] e B =  2 3 ⇒ A + B =  b + 2 2 3  3  Exemplo 7: Se A = 5 − 1] e B = [3 − 2 4] então A + (-B) = A–B = [− 1 7 − 5] 7.4 = 3 3 3 3  3  Exemplo 2: Se A= [3 − 2 4] então 4 . ou seja. dos modelos C1.2 Multiplicação por um escalar S eja A = [aij] e k um escalar (número) real ou complexo.B = 6  1  2  1  2  4 5 + 0 8   4 5  .− 2 .  3 1 5 3  5 7      2 3  3 2 3   1+ 3 2+2 3 + 3  4 4 6   1         A+B=  − 4 − 3 − 2  +  4 8 − 4  =  − 4 + 4 − 3 + 8 − 2 + ( −4)  =  0 5 − 6  =C  3 5 7  1 5 3   3 +1 5+5 7 + 3   4 10 10          2 3  3 2 3   1− 3 2−2 3 − 3  − 2 0 0  1         A–B=  − 4 − 3 − 2  . é a matriz B = [bij] tal que bij = k aij . B e C.

P1= 6. B. Ledina Lentz Pereira e MSc.Álgebra Linear 18 18 41 17   A matriz correspondente a produção das embalagens é indicada por P1 = 17 52 15 . 4     25 48 19 50 96 38     108 246 102   Produção nas 4 semanas: P1+P2+ P3 + P4 = 3. 18 41 17   V = 17 52 15 . 50   então os preços das mercadorias podem ser representadas pela matriz P = 40 . 3ª semana: P3 = 2. Qual deve ser o quadro de produção da empresa num mês de 04 semanas? 18 41 17   1ª semana: P1 = 17 52 15 = P2 → 2ª semana.60 = 900+1640+1020 = 3560 reais → Loja A   60   Prof (ªs): MSc. a produção precisa dobrar nas duas últimas semanas do mês. calçados do tipo C1.   25 48 19   18 41 17 36 82 34 17 52 15 = 34 104 30 = P → 4ª semana. P4 = 102 312 90   150 288 114   18 41 17   OU podemos resolver fazendo Pi = 6. de uma rede. C. C2 e C3 são vendidos respectivamente no valor de 50. 17 52 15 =   25 48 19   7. P =   10 39 16   50 40 = 18. Para   25 48 19   atender as necessidades do mercado. Assim.   60   O valor recebido pelas vendas dos calçados na loja A é obtido pela multiplicação de cada elemento da 1ª linha da matriz V pelos correspondentes elementos da matriz P.3 Multiplicação entre matrizes Vamos introduzir o conceito a partir de exemplos: Exemplo 1: Em três lojas A. Sandra Regina da Silva Fabris . C2 e C3 conforme tabela: Tabela A B C C1 18 17 10 C2 41 52 39 C3 17 15 16 Matriz 108 246 102 102 312 90    150 288 114   18 41 17   V = 17 52 15   10 39 16   Se os calçados do tipo C1.40+17. 40 e 60 reais cada.P1 = 2. Drª.Elisa Netto Zanette. são vendidos mensalmente.50+41.

120   360       4.120 = 240+840=1080  360    Esta quantidade de produtos pode ser representada pela matriz Pi =  560  .120 Este é mais um exemplo de multiplicação de matrizes.50+52. y.120  =  560  = Pi  2. da seguinte forma: 3 1  4 2 . P =   10 39 16   18 41 17   V = 17 52 15 . Esta quantidade de produtos pode ser representada pela matriz produção P =  80   120  . P =   10 39 16   50 40 = 17.  80  =     120    3 7     3.00 da Loja A. R$ 3.40+15. obtemos o valor recebido pelas vendas das lojas B e C.560.80+2. C2 e C3 é de R$ 10.   10 39 16   venda mensal dos calçados do tipo C1. B e C na   3020   Portanto. 18 41 17   V = 17 52 15 .830.00 da Loja C. o valor recebido pelas vendas dos três tipos de calçados nas lojas A. Sandra Regina da Silva Fabris .80 + 1.80 + 7.    Para saber a quantidade de ingredientes utilizados diariamente.120  1080      Note que: cada elemento da matriz final é a soma dos produtos ordenados de uma linha da primeira matriz pela coluna da segunda matriz ou seja: 360 = 3. Ledina Lentz Pereira e MSc. Assim.60 = 500+1560+960 = 3020 reais → Loja C   60   50 40 =   60   3560 3830 .80+7. z nas seguintes proporções: Tabela Matriz P2 P1 3 1  x 3 1   Ip = 4 2 y 4 2   z 3 7 3 7    Diariamente são fabricados 80 produtos do tipo P1 e 120 do tipo P2. P1 e P2. Prof (ªs): MSc.020.00 da Loja B e R$ 3. São usados três tipos de ingredientes na produção: x.Elisa Netto Zanette.120 = 320+240=560 Ingrediente z → 3. Drª.Álgebra Linear 19 Da mesma forma.80+1. B e C é representado 18 41 17   pela matriz V.410.120 = 240+120=360 Ingrediente y → 4.120 1080= 3.00 que equivale a R$ 3.80+1.80+2.40+16. fazemos: Ingrediente x → 3.80+7.50+39.120 560 = 4. Exemplo 2:Uma empresa produz dois tipos de produtos.60 = 850+2080+900 = 3830 reais → Loja B   60   50 40 = 10. 1080    Podemos obter esta matriz Pi denominada de matriz produto de Ip por P.P = 17 52 15 . o valor recebido pelas lojas A.80 + 2.

Generalizando: ∑a i=m n i = am+ am+1+ am+2+. é a matriz C = [ cij ]2x1 tal que. Assim..22+3.Álgebra Linear 20 Conceituando o produto de matrizes: Utilizamos na definição de produto de matrizes o conceito de somatório: Vamos rever este conceito? Na multiplicação de matrizes.Elisa Netto Zanette. utilizamos o símbolo de somatório ∑ i (letra Saiba Mais: sigma maiúscula do alfabeto grego) para representar uma soma.Bik ) Se considerarmos. c) C x D = ? Resolução: C2x3 x D3x4  4 2 6 =  x  2 5 3 5 2 4 1  2 3 1 0 = M =  a11 2x4 a    21 1 2 7 6    a12 a 22 a13 a 23 a14  a 24   Para determinar M que é o produto das matrizes C x D.32+3. Calculamos cada elementos aij da matriz M = CD. i é o índice da soma. Por exemplo. multiplicamos a 1ª linha de C pela 2ª coluna de D. pelos elementos da matriz-coluna B. na ordem em que estão dispostos.12+3.+ an. cij é a soma dos produtos. com m = n. dos elementos da matriz-linha A. Note que a matriz resultante C tem o mesmo número de linhas de A e o número de colunas de B.16+3..42+3. E. C =  4 2 6 e D =  2 3 1 0 . consideramos cada linha da matriz A como uma matriz-linha e cada coluna da matriz B como matriz-coluna. B =  2 5 3        4 1 2 7 6      a) A x B = ? Resolução: A1x3 x B3x1 = [(3x1) + (-2x2) + (4x4)] = [3-4+16] = [15] = C1 x 1.4+3. Pode existir o produto de A por B. Exemplo: ∑ 3i i =1 5 2 = 3. b) B x C = ? Resolução: B3x1 x C2x2 =? Não existe produto BC pois o nº de colunas de B é diferente do nº de linhas de C ou 1 ≠ 2. assim. Ledina Lentz Pereira e MSc. sucessivamente. 1  5 2 4 1   2 . por exemplo. mas não existir o produto de B por A. A seguir. Como? (1) Multiplicamos a 1ª linha de C pela 1ª coluna de D.1+3.25=165. Definição: O Produto entre duas matrizes A e B só é possível se o número de colunas da primeira é igual ao número de linhas da segunda matriz. Sandra Regina da Silva Fabris . Exemplo 1: Seja A = [3 − 2 4] .52=3. Drª. multiplicamos a 1ª linha de C Prof (ªs): MSc. Se existir o produto de A por B. m é o limite inferior do somatório e n é o limite superior do somatório. a soma a1+ a2+ a3+ a4+ a5 pode ser representada abreviadamente por: ∑ ai (lê-se: somatório de ai com i variando de 1 a 5). o produto AB. i =1 5 ∑a i =1 5 = a1+ a2+ a3+ a4+ a5. nesta ordem. o tipo da matriz produto é dado pelo número de linhas de Ae pelo número de colunas de B. C = A ⋅ B ⇒ cij = ∑ p k =1 ( Aik . Neste caso.9+3. define-se como produto de A por B a matriz C = (cij)mxp tal que o elemento cij é a soma dos produtos da i-ésima linha de A pelos elementos correspondentes da j-ésima coluna de B. as matrizes A = [ aij ]2xn e B = [ bij ]mx1. Dadas as matrizes A = (aik)mxn e B = (bik)mxp.

(2) Encontramos a segunda linha de M. a12.4) =  30 26 60 40    23 25 34 20     Exemplo6 2: Sejam as matrizes A e B defindas por: A = 1 2  − 1 3 3 4 e B =  4 2 . multiplicando a 2ª linha de C pela 1ª.4) é a matriz M(2. Procedemos multiplicando os elementos equivalentes de cada linhas de A por cada colunas de B.B temos A. (CD-Room). Resolução: O produto de A com B resulta numa matriz C. Vejamos: A2x2 x B2x2 = C2x2 =  c11 c  21 c12  .  4 2 =     C11 =resultado do produto e soma da 1ª linha com 1ª coluna C12 =resultado do produto e soma da 1ª linha com 2ª coluna C21 =resultado do produto e soma da 2ª linha com 1ª coluna C22 =resultado do produto e soma da 2ª linha com 2ª coluna 6 SOMATEMATICA: Ensino Superior: Teoria. quadrada de ordem 2. o produto das matrizes C(2. adicionando os resultados. os elementos a11.Álgebra Linear 21 pela 3ª e 4ª colunas de D.3) e D(3. Exercícios. 3ª e 4ª coluna de D e assim sucessivamente. 2ª. Sandra Regina da Silva Fabris .Elisa Netto Zanette. Virtuous Tecnologia da Informação Ltda. a13 e a14 que formam a primeira linha da matriz M. Ou seja: a11 = (1ª linha de C)x(1ª coluna de D) = 4x5 + 2x2 + 6x1 = 20 + 4 + 6 = 30 a12 = (1ª linha de C)x(2ª coluna de D) = 4x2 + 2x3 + 6x2 = 8 + 6 + 12 = 26 a13 = (1ª linha de C)x(3ª coluna de D) = 4x4 + 2x1 + 6x7 = 16 + 2 +42 = 60 a14 = (1ª linha de C)x(4ª coluna de D) = 4x1 + 2x0 + 6x6 = 4 + 0 + 36 = 40 a21 = (2ª linha de C)x(1ª coluna de D) = 2x5 + 5x2 + 3x1 = 10 + 10 + 3 = 23 a22 = (2ª linha de C)x(2ª coluna de D) = 2x2 + 5x3 + 3x2 = 4 + 15 + 6 = 25 a23 = (2ª linha de C)x(3ª coluna de D) = 2x4 + 5x1 + 3x7 = 8 + 5 + 21= 34 a24 = (2ª linha de C)x(4ª coluna de D) = 2x1 + 5x0 + 3x6 = 2 + 0 + 18= 20 Portanto. Obtemos respectivamente. Fazendo A. 2008 Prof (ªs): MSc. Ledina Lentz Pereira e MSc. Drª. Determinar a     matriz C resultante do produto de A por B.B = c 22   1 2 − 1 3 3 4 .

. Se existir um número n. Potência de uma Matriz U ma matriz quadrada A pode ser multiplicada n vezes por si mesma. A2x2 x B2x2 = C2x2 =  c11 c  21 c12   7 7  = c 22  13 17     Observe que.B. Exemplo 1: A =  1 1  1 1  1 1 2   2 0  → A = A. 8. Ledina Lentz Pereira e MSc. e que representamos por An é denominada potência n da matriz A .  − 2 3 − 2  =  − 2 3 − 2  =A  − 4 4 − 3  − 4 4 − 3  − 4 4 − 3       Prof (ªs): MSc. Sandra Regina da Silva Fabris . tal que An=0 então A é uma matriz nihilpotente. Assim.A =  − 2 3 − 2  .A =  2 0  . B2x2 x A2x2 = D2x2 =  d11 d  21 d12   8 10 = .  2 0  =            3 1 3 1   2 2  . Assim.A. =  4 2 3 4 Portanto. Em particular se a matriz é periódica para n = 2 ou seja. Se uma matriz A multiplicada pela sua transposta resulta na matriz Identidade então os vetores de A são perpendiculares ou ortogonais. se A. se A2 = A então A também é chamada de uma matriz idempotente. obtemos um resultado diferente de A. neste caso.Elisa Netto Zanette. Note que. At = I então A é uma matriz ortogonal. = An = 0 Exemplos:  2 −1 1    Exemplo 1: A matriz A =  − 2 3 − 2  é idempotente porque  − 4 4 − 3    2 −1 1   2 −1 1   2 −1 1        A2 = A ou. se A2 = 0. d 22  10 16    Dica: Utilizando o conceito de matriz transposta e produto de matrizes podemos verificar de uma matriz é ortogonal (formada por vetores linhas ou vetores colunas cujo ângulo entre si equivale a 90º). B2x2 x A2x2 =  − 1 3 1 2 . a matriz  2 2  é a        potência 2 da matriz A e indicamos por A2.. então A3 = A4 = A5 = . A. Drª.Álgebra Linear 22 Portanto. Note que: Se An = A para n ≥ 2 então A é uma matriz periódica. fazendo B. A matriz que resulta dessas operações. inteiro e positivo.

Álgebra Linear

23

 1 −1 1    Exemplo 2: A matriz A =  − 3 3 − 3  é nihilpotente de índice 2 porque A2 = 0, A3 = A4  − 4 4 − 4  
7

= ... =0. Portanto A3 = A2.A = 0.A=0.

 1  Exemplo 3: A matriz B =  5 − 2  0  3 A = 0 ou A.A =  3 −1 
Exemplo 4: As matrizes A = A2 = 0 e B2 = 0.

3   2 6  é nihilpotente de ordem 3 porque − 1 − 3  0   3 9  e A2.A = − 1 − 3  0
 0 0 0    0 0 0  = 0.  0 0 0  

1

Como A3 = 0 então A4 = A5 = ... = An =0

9   6  12 16    − 4 − 6  e B =  − 9 12  são nihilpotente de índice 2 porque       

9. Propriedades das Operações com Matrizes Propriedades da adição de matrizes
Para as matrizes A, B e C, de mesma ordem, valem as seguintes propriedades: 1) Comutativa 2) Associativa 3) Elementro Neutro 4) Simétrica A+B=B+C A+ (B + C) = (A + B) + C A + 0 = 0 + A, sendo 0 a matriz Nula A + (-A) = A - A = 0

Propriedades do produto de uma matriz por um escalar
Para as matrizes A e B, de mesma ordem e k e k’, escalares quaisquer, então: k(A + B) = kA + kB e (k m k’) A = kA m k’A. E, também, (kk’) A = k(k’ A) e se kA = kB então A = B.

Propriedades do produto de matrizes
Sejam as matrizes A, B e C. Verificadas as condições de existência para a multiplicação de matrizes, valem as seguintes propriedades: 1) Associativa 2) Distributiva em relação à adição 3) Elementro Neutro Note que: A(BC) = (AB)C (A+B)C = AC + BC ou C(A+B) = CA + CB AIn = InA = A, sendo In a matriz Identidade de ordem n

7

Steinbruch (1987, p.406)
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris

Álgebra Linear

24

(i) (ii) (iii) (iv)

Se o produto AB é possível, então (kA)B = A(kB) = k(AB) para qualquer k escalar. Se AB= 0, não implica necessariamente que A = 0 ou B = 0 Se AB=AC, não implica necessariamente que B=C Se A e B são matrizes quadradas (igual número de linhas e colunas), ambos os produtos AB e BA podem ser calculados. Entretanto, na multiplicação de matrizes, a ordem dos fatores não é indiferente. Em geral, AB ≠ BA. A2x2 = 

(v)

 1 − 1  − 1 2 − 4 − 2 − 3 1   , B2x2 =  3 4 então AB =  1 − 2 e BA =  − 1 − 3 − 1 0       

Se AB = BA, as matrizes são ditas comutativas.

Propriedades da matriz transposta
Sejam A e B, matrizes, k um escalar qualquer e, se satisfazem as condições de adição e multiplicação de matrizes, são válidas as propriedades: 1) (A + B)t = A t + B t 2) (kA)t = kA t 3) (AB)t = B t A t ⇒ (AB) t ≠ A t B t 4) (At) t = A 5) (-A)t = -(A t)

Propriedades das matrizes simétricas e anti-simétricas
Sejam A e B, matrizes, k um escalar qualquer e, se satisfazem as condições de adição e multiplicação de matrizes, são válidas as propriedades: 1) O produto de uma matriz quadrada A pela sua transposta At é uma matriz simétrica S Assim, A ⋅ At = S 2) A soma de uma matriz quadrada A com sua transposta At é uma matriz simétrica S Assim, S = A + At = St 3) A diferença entre uma matriz A e sua transposta At, é uma matriz anti-simétrica S’ Assim, A - At = S’ Exemplo 1: Consideremos as matrizes A e sua transposta At para:

 1 − 3  1 0  e sua transposta At =    − 3 4 .  4     1 − 3  1 0  1.1 + (−3).(−3) 1.0 + (−3).4  = Fazendo A ⋅ At =   0 4  ⋅  − 3 4  =  0.1 + 4.(−3)     0 .0 + 4 .4       
A=  0  que a matriz resultante S é uma matriz simétrica pois s12 = s21 Fazendo A + At =  

 10 − 12    − 12 16  = S. Note   

 1 − 3  1 0   2 − 3  + =  = S      0 4   − 3 4  − 3 8   0 − 3   3 0  = S’   

Note que a matriz resultante S é uma matriz simétrica pois s12 = s21 Fazendo A - At =  

 1 − 3  1 0   - =    0 4   − 3 4

Note que a matriz resultante S’ é uma matriz anti-simétrica pois (-s12)= s21

Agora, tente você! Agora, tente você!
Resolva a Lista de Atividades

Lista 2 de Atividades – Operações com Matrizes
1. Encontre os elementos da matriz A = (aij)3x2 em que aij = i + j e da matriz B = (bij)3x2 em que aij = i - j . Encontre:
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris

Álgebra Linear

25

(b) A + B; 2. Considere as matrizes A =  2 

(c) A + (-B);

(d) 5A + 3B.

1

− 1  4 − 5  9 1 − 1  1 1 − 1 , B =    0 − 2 , C =  2 − 1 3  e D =  2 4 3  .      − 2      

(a) Verifique se A ⋅ B = B ⋅ A; (b) Determine (A ⋅ C) + (B ⋅ D); (c) É possível determinar C ⋅ D? Justifique. 3. Para as matrizes quadradas de ordem 3 definidas por A=(aij) com aij =i2 e B=(bij) com bij=-j2 encontre: (a) A+B (b) A+(-B) (c) A.2B (d) (AB)+(BA)

2 5 9 4. Se A = 4 7 1 calcule: 3 6 2
(a) A + At = S. Verifique se S é uma matriz simétrica e justifique; (b) A - At = P. Verifique se P é uma matriz anti-simétrica e justifique.

4 3 5  2 − 7 1  2 3  − 1 2 − 7 e C = 3 4 2 . Encontre as 5. Considere as matrizes A =  , B =     5 − 7   8 1 − 9 5 − 9 6    
matrizes S e verifique se são simétricas e/ou anti-simétricas. (a) S = A.At (b) S = C+Ct (c) S = C - Ct (d) S = B – Bt (e) S = B + Bt

6. Para atender a um projeto experimental de tratamento de esgoto, foram elaborados dois modelos de experimentos E1 e E2. Nos dois modelos serão utilizados os mesmos produtos x, y e z para tratamento com dosagens diferentes. No experimento E1 serão utilizados 5 medidas do produto x, 8 medidas do produto y e 1 medida do produto z. No experimento E2 a dosagem equivale a 4, 6 e 3 medidas de x, y e z, respectivamente. Para controle, serão produzidas 75 amostras do experimento E1 e 96 amostras do experimento E2. Estruture o problema em tabela e matriz e determine: (a) quantas dosagens de produtos serão utilizados para a produção das amostras? (b) Considerando que, o custo de dosagem dos produtos equivalem a: R$ 1,30 para x, R$ 2,30 para y e R$ 7,50 para z. Qual o custo por amostra? Qual o custo total para a produção das amostras? 7. Considere as matrizes triangulares superiores A e B e as matrizes trinagulares inferiores C e D,

2 1 1  − 1 2 − 1  2 0 0 2 0 0         definidas por A =  0 1 3  , B =  0 3 1  , C =  1 1 0  e D =  0 1 0  .  0 0 2 0 0 2 1 1 1  − 1 2 − 1        
Determine: (a) E = A.B; (b) F = C.D (c) Classifique E e F por triangular inferior ou superior. (d) Verifique se a matriz A é ortogonal. 8. Prove que, o produto de duas matrizes diagonais resulta numa matriz diagonal. Utilize matrizes de ordem 3.
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris

Dadas as matrizes diagonais A =  0 1 0  e B = 0 0 8    − 2 1 − 1   12.50)   . Verifique se as matrizes A e B são nihilpotentes. y = 1176 e z = 363 ou 1176 . B =   4 5    (2a) A. O custo total para a produção das amostras é de R$ 6.50 ou C 13 − 6 − 18   363      = (32.40 41.b. (7a) E =    75   96  Prof (ªs): MSc. p. para A = 9   6   − 4 − 6 e B =     12 16    − 9 12     1 0 0   11. 1 1 1  − 1 − 4 − 9  0 − 3 − 8  2 5 10          0 − 5  .413) 2 3    (1) A = 3 4 .cos α  .B = 0 − 1 2 2  1 0  (a) A+B= 4 4 (b) A+(-B)=     2 1  6 6      2 4  10 12  2 4 (c) 5A+3B= 18 20     2 4  26 28      1 − 14 − 23   10 − 4 − 14  . Drª.414. Analise para o período 1 ou seja para B2 e C2 somente.  0 0 6   e classifique A.    (a) Mostre que A. B=  − 1 − 4 − 9  (3ª) A+B=  3 9 9 9  − 1 − 4 − 9 8 5 10 13 18  0           − 6 − 24 − 54   − 3 − 12 − 27   − 98 − 98      − 24 − 96 − 216  (3d)  − 12 − 48 − 108  +  − 98 − 98   − 54 − 216 − 486   − 27 − 108 − 243   − 98 − 98       4 9 12   0    t  9 14 7  S é simétrica pois aij = aji para i ≠ j .50) . periódicas ou nihilpotente. A matriz S em c. (5) A matriz S em a. Considere a matriz A =  2 − 3 2  .40.00 = (32.Álgebra Linear 26 9.Elisa Netto Zanette. Ledina Lentz Pereira e MSc. Logo A é uma matriz ortogonal. 1987. Sandra Regina da Silva Fabris .sen α    6 10    − 3 − 5 e C =     5 10    − 2 − 4 . (5a) S=  11  (5d)  − 4 0 − 8  (5e)  − 11 74  (5b)  − 4 8 − 7  (5c) 10 0     6 − 7 12   4 − 11 0   3 8 0        13  8 2  759       2 4 − 6  (6a) x = 759.40 41. (b) Verifique se B e C são matrizes idempotentes.D pois a dimensão das linhas de C é diferentes da dimensão das colunas de D. B = .A =   (2b)  14 4 − 8  +  − 4 − 8 − 6  =    8 − 6   − 4 4     (2c) Não é possível determinar o produto C. 10.At = I sendo I a Matriz Identidade.d é é anti-simétrica pois aij = (-aji)  4 −4 6   0 − 10 − 4   0 4 − 3        13 − 11 para i ≠ j e aij = 0 par i = j. (3b) A+(-B)=  5 8 13  (3) A =  4 4 4  . (4b) A-A =P=  − 1 12 7 4  − 6    − 98   − 98  = − 98   1  − 101 − 110 − 125     − 110 − 146 − 206  (4a) A+At=S =  − 125 − 206 − 341    (3c) 6   0 − 5  S é anti-simétrica pois aij = (-aji) para i ≠ j e 5 0   aij = 0 par i = j. Calcule A2  4 −4 3    Respostas da Lista de Atividades 2  2 0 0    0 4 0  calcular AB e classificar este produto. (STEINBRUCH. E2 = 41. (6b) O custo por amostra é: E1 = R$ 32. Considere as matrizes A =  sen α   cos α  . e é simétrica porque Aij=Aji.     4 − 3 − 6 6  7 2 − 4   − 6 − 16 − 19    ≠ B.

Elisa Netto Zanette.Álgebra Linear 27 − 2 7 1    0 3 7  . Ledina Lentz Pereira e MSc. Idem para a matriz B.At  1 3 − 1   e mostrar que o resultado é a matriz identidade (Dica: lembre-se que sen2x + cos2x = 1). Como A2 ≠ A não é idempotente. (8) Criar matrizes e provar.  0 0 48     2 −1 1    (12) A =  − 2 3 − 2  . Drª. (9b) As matrizes B e C são idempotentes de ordem 2 ou de período 1 porque B..B=B2=B e C2=C.. Sandra Regina da Silva Fabris . (9a) Fazer A. (7c) E é triangular superior e F é inferior. − 4 4 − 3   2 Prof (ªs): MSc. (10) A e B são nihilpotentes de ordem 2 pois A2=0=A3=A4 =. (11) AB=  0 2 0 0    4 0  e AB é diagonal. (7b) F =  0 0 4   4 0 0     2 1 0  .

diz-se que uma matriz B. Ledina Lentz Pereira e MSc. Para isso aplicamos as operações elementares de linhas Li: 8 Elementos distinguidos são os primeiros elementos não nulos das linhas de uma matriz Prof (ªs): MSc. Substituição de uma linha pela adição de k vezes outra linha. obtemos A. 2. matriz escalonada por linhas de A . Sandra Regina da Silva Fabris . Drª.Lj + Li com k ≠ 0 Note que: Se aplicarmos as inversas das operações em B. Li ⇔ k. onde cada linha ( Li ou j ) de B é uma combinação linear das linhas de A.Elisa Netto Zanette. 0 0 − 5 1 − 1    1 1 −1 − 3 1    equivalente a A ou seja encontre a matriz escalonada por linhas de A. 1. (-3) sejam todos iguais a zero. (-5). os elementos distinguidos são iguais a 1. 1 1  2 −1 0   1 1 1  −1 3 Exemplo 4: Para a matriz A =  encontre sua matriz B. Resolução: Nosso objetivo é encontrar uma matriz B cujos elementos abaixo da diagonal formada pelos elementos (2). são equivalentes quando são obtidas a partir de operações elementares efetuadas entre elas ou: Dada uma matriz A. Multiplicação de linha por escalar.Álgebra Linear 28 10.Lj com k ≠ 0 3. 3. Exemplo 1: Se A = 2  1 2  1   então podemos encontar uma matriz B =   dita 3 − 4 0 −10   matriz escalonada por linhas de A . de mesma ordem. (3). Uma matriz B equivalente a uma matriz A é dita matriz escalonada reduzida por linhas (ou matriz na forma canônica por linhas) se: os elementos distinguidos8 são únicos não nulos de suas respectivas colunas. Troca de linhas entre si. Li ⇔ k. é equivalente a matriz A (indica-se B ∼ A) se for obtida a partir de operações elementares efetuadas em A. A matriz B encontrada é dita matriz escalonada por linhas de A . de mesma ordem. Li ⇔ Lj 2. Exemplo 2: B = 1 0 0 1    1 0 0 2   Exemplo 3: B =  0 1 0 7  0 0 1 4   A matriz B está representada na forma canônica por linhas pois o 1º elemento de cada linha é igual a 1 e é o único não nulo em sua respectiva coluna. A matriz B encontrada é equivalente a matriz A e também é denominada. As operações elementares possíveis são: 1. Equivalência de Matrizes D izemos que duas matrizes A e B.

uma matriz B. é o único não nulo em sua respectiva coluna. Drª.   0 0 0 0 1   As matrizes C. Ledina Lentz Pereira e MSc. pode-se afirmar que: Uma matriz B equivalente a A é dita matriz escalonada reduzida por linhas (ou matriz na forma canônica por linhas) se. tente você! Prof (ªs): MSc. escalonada por linhas de A. Importante: Para a solução de alguns problemas matemáticos. 2 − 7 0 1 1     0 −1 2 3 3  ∼ ∼ 0 0 4 10 6     0 0 − 5 1 − 1   2 − 7 0 1 1     0 −1 2 3 3  ∼ =B 0 0 4 10 6     0 0 0 54 26    2 − 7 0 1 1     0 −1 2 3 3  ∼ =B 0 0 4 10 6     0 0 0 54 26    L4 ⇔ 5L3 + 4L4. Note que a matriz B encontrada é equivalente a matriz A e. abaixo da diagonal todos os elementos são nulos. 1 0 0   Exemplos: C = 0 1 0 ou D =   0 0 1   1 0 0 9 0 1 0 2 ou E =   0 0 1 4    1 2 0 − 3 0 0 0 1 7 0 . L3 ⇔ L1 . tente você! Resolva a Lista 3 de atividades Agora. na forma escalonada reduzida por linhas. estão representadas na forma canônica por linhas pois o 1º elemento de cada linha é igual ao número 1 e. Agora.Elisa Netto Zanette. Sandra Regina da Silva Fabris .Álgebra Linear 29 1 1  2 −7 0   1 1 1  −1 3 A=  0 0 − 5 1 − 1    1 − 4 −1 − 3 1    L4 ⇔ L3 (troca de linhas entre si) 1 1  2 −7 0   1 1 1  −1 3 ∼ ∼ 1 − 4 − 1 − 3 − 1   0 0 − 5 1 − 1   L2 ⇔ L1 + 2L2. ou seja. necessita apresentar-se numa forma mais reduzida. Neste caso. e somente se. 2 − 7 0   0 −1 2 ∼ 0 1 2  0 0 − 5  1  3 3 ∼ 7 3  1 − 1  1 L3 ⇔ L2 + L3. forma escalonada de A. A matriz B também é chamada.2L3. seus elementos distinguidos são iguais a um e são os únicos não nulos de suas respectivas colunas. D e E.

Drª. Encontre a forma escalonada por linhas das matrizes e verifique se estão corretas as equivalências:  1 0 0 2  1 0 0 2     a) A=  − 1 2 1 0  ∼  0 2 1 2  =B  − 3 1 0 − 5  0 0 1 0      1 − 4 − 2 1   1 − 4 − 2 1      c)A=  1 − 3 − 1 2  ∼  0 1 1 1  =B 3 − 8 − 2 7 0 0 0 − 8      6 3 − 4   a) A=  − 4 1 − 6   1 2 − 5   2 1 1  1 2 1 1  1    − 3  =B b) A= − 3 − 4 − 2 − 6 ∼ 0 2 1      2 − 1 5 − 18 0 0 11 − 55     d) A = 0 2    0 − 9 ∼     0 2   0 0 = B    3.Elisa Netto Zanette. equivalente por linhas 1 2 1 1    A =  1 1 1 − 1 2 4 2 2    2 1 − 2 3 1   B = 3 2 −1 2 4 3 3 3 − 2 5   3 0 1 5   C=  2 − 1 2 2  1 −1 1 1   1 − 2 3 −1 D= 2 3 −1 2 1 2 2 3 6. 2 3 1    A= 1 2 5   3 5 10   1 2 −3 E= 2 3 1    B= 1 2 5   3 5 10   4 11 22 1 2 C=  1  − 3  6 3 − 4   D = −4 1 −6    1 2 − 5   1 1 − 1   H = 2 −3 1   1 − 4 2    1 3 2 6 1 2 2 5 − 4 13 1 2 3    F= 4 5 6   5 7 8    1 1 −1 G= 2 4 −1 3 2 2 5.Álgebra Linear 30 Lista 3 de Atividades – Equivalência de Matrizes/escalonamento 1. aplicando a equivalência de matrizes. Aplicação de escalonamento de matrizes: Tente resolver o sistema. Encontre a matriz escada. Sandra Regina da Silva Fabris . Encontre a matriz triangular superior que seja equivalente a cada uma das matrizes dadas. Indique-as por A´. 1 2 2 − 1 a) A =  0 1  1 3 1 0  1  2 0  3 2    2 −1 4  b) A =  −1 1 − 5     0 4 − 12    1 − 1 1 0 c) A=  1 0  0 1 0 1 2 0  0 2  1 0   2 d) A =  − 3  3 −  2  − 4 6   3   2. Ledina Lentz Pereira e MSc. Prof (ªs): MSc. Encontre a forma canônica por linhas das matrizes:  1 2 −1 2 1   b) A =  2 4 1 − 2 3   3 6 2 − 6 5   0 0 c) A=  0  0 3 2 1 4 3 0  2 2 2  0 1 1 1 − 2 4 −1 3   0 2 1  5 −3 4  3 4. Encontre a forma escalonada por linhas das matrizes A.

   2 − 2 0 0     0 0 2 (2) Não são equivalentes somente as matrizes (2b) e (2c) pois em (2b) A´ ≈  1  1 2 1  ≠B e em (2c). (d) D´=  0 0  . 0 0 0  0 0  0 0 0 0 0 0 − 2 2 2 − 8 0       1 2 − 3 6  −1  1 − 2 3    (5d) D∼  0 3 − 4 4  (6) O sistema equivale a matriz escalonada 0 − 6 10 − 8 . (5c) C∼  0 1 0 0  (Observe que houve troca de linhas). Drª. A solução do sistema é x = 3. 9  0  0 0   (b) 1 2 0 0 4   3  0 0 1 0 0 . (b) A´=  0 7 − 12  .1)}. (c) C´=     0 1  0 0 45  0 0  0 0 3      0 0 0  0 0 0  0 0   0 1  2 − 4 − 1  . 0 0 0 0   7  1 0  9  (3) (a)  0 1 − 26  . Sandra Regina da Silva Fabris . y = 3  0 0 0 0 10 10  7 − 10      e z = 1 ou S = {(3. F ∼ 0 1 2 G ∼   0 18 − 52 0 2 1     4 0 0 −2 −2  0 0 11  0 0 1 0 0 0         0 15 0 0 0 0 1  2 1 − 2 3  1 1 − 1 1 2 1 1 1 − 1 1 1          0 − 5 3  (5a) A∼  0 1 0 2  (5b) B ∼  0 1 4 − 5 5  . Ledina Lentz Pereira e MSc. Prof (ªs): MSc.  0 2 1 − 3  0 0 − 9 29    temos A ≈ 0  1 − 4 − 2 1   1 1 1  ≠B.Álgebra Linear 31  x + 2 y − 3z = 6  2 x − 2 y + 4 z = 4 4 x + 3 y − 2 z = 19  Respostas da Lista de Atividades 3 (1) (a) A´= 0 1  1 2 3 2 0  1 − 1  − 5 − 2 .3.   0 0 0 1 − 1  6  1 3  C ∼ 0 − 1 0 0  0 0 2 0 1 0 (c) 0  0  0 1 0 0 0 1 0  0 0 1  0 0 0 5 1 2 1 2 − 1 (4) A ∼  B ∼  0 − 1 − 9   0 − 1 3  0 0 0 0 0  4     1 1 2 −3 4 1 2 3 6 3 − 4   1 1 − 1  H ∼ 1  D∼   E∼ 0 1 4 7 .Elisa Netto Zanette.

Se n = 0 temos 0! = 1. Considerando uma permutação a c b. Exemplo1: Os algarismos 1. 4 e 6 admitem 120 permutações pois 5!=5 x 4 x 3 x 2 x 1 = 120 e a permutação 6 4 3 2 1 admite 10 inversões que são: 64. Assim. Observe na tabela de números as permutações e inversões dos algarismos 1. para σ uma permutação arbitrária em Sn. Drª. k) para os quais i > k mas i precede k em σ. (5º) 3 2 1 (6º) A quantidade de permutações dos n elementos é dada por n! (lê-se: n fatorial) onde: n ! = n x (n-1) x (n-2) x . Exemplificando: A permutação 1 3 2 tem uma inversão. 43. 51 e 21. Conceito: Dados n objetos distintos a1. 43. 32. 31 e 21.Álgebra Linear 32 II DETERMINANTES E MATRIZES 1 Classe de uma Permutação P ara uma melhor compreensão do conceito de determinantes é importante revermos os conceitos de permutação. Prof (ªs): MSc. para n elementos distintos denominamos de permutação a disposição dos mesmos numa certa ordem. 41. 3: Permutações 123 132 213 Nº de inversões 0 1 1 Permutações 231 312 321 Nº de inversões 2 2 3 Uma permutação tem classe par ou classe ímpar. 32. (Sn → indica o conjunto de permutações). (indica-se classe σ) conforme apresenta um número par ou ímpar de inversões. Representamos permutação por S(A) ou S(n). logo tem classe ímpar. 42. 63. . 3. Exemplo 2: A permutação 54321 tem 10 inversões que são: 54. As permutações podem nos dizer o nº de arranjos possíveis em certas situações. Ou seja.. os elementos c e b formam uma inversão. 41. . 41. . Ledina Lentz Pereira e MSc. 62. 61.. Exemplo: Para os algarismos 1. a2.Elisa Netto Zanette. 42. 2. Exemplo 3: A permutação 4521 tem 05 inversões que são: 42. x 2 x 1 para n > 0. 31 e 21. 2 e 3 podemos obter 6 permutações que são: 12 3 Permutação principal 1 3 2 (2º) 213 (3º) 2 3 1 (4º) 3 1 2. Sandra Regina da Silva Fabris . Uma permutação σ destes objetos consiste em dispô–los em uma determinada ordem.. 52. 2. 53. Proposições: Diz-se que dois elementos de uma permutação formam uma inversão se estão em ordem inversa à da permutação principal. Para uma permutação do conjunto N*. se n = 3 temos: 3! = 3 x 2 x 1 = 6 permutações. dizemos que existe uma inversão quando um número inteiro precede um outro menor que ele. 52. an. Portanto. conforme exista um nº par ou ímpar de pares (i. dizemos que σ é ímpar ou par. 52.

efetuando todas as permutações dos segundos índices do termo principal. que não têm o significado de módulo. Sandra Regina da Silva Fabris . é do tipo nxn). 123 132 213 231 312 321 Permutação σ Nº de inversões Par ou ímpar Sgn 0 Par + 1 Ímpar 1 Ímpar 2 Par + 2 Par + 3 Ímpar - σ 2 Determinante de uma matriz V • • imos que a matriz quadrada é a que tem o mesmo número de linhas e de colunas (ou seja. Exemplo 2: S3 = 3! = 3. Dentre as várias aplicações dos determinantes na Matemática. Ledina Lentz Pereira e MSc. e fazendo-se preceder dos produtos o sinal (+) ou (-). ao produto dos elementos da diagonal principal de uma matriz quadrada. Observe na tabela a seguir. Drª. indica-se sgn σ por Sgn σ = 1. representando a matriz entre dois traços verticais. Mas. representamos o determinante de uma matriz entre duas barras verticais. se σ é par . Indica-se o determinante de uma matriz quadrada A. fixados os primeiros índices. Denomina-se ordem de um determinante a mesma ordem da matriz a que o mesmo equivale.1 = 6.  Ou seja: Quando na permutação existir um número par de inversões então o sinal de σ (sgn σ) é positivo. A toda matriz quadrada está associado um número ao qual damos o nome de determinante. A notação do determinante de uma matriz é || ou seja.Elisa Netto Zanette. se σ é ímpar. Cálculo da área de um triângulo situado no plano cartesiano. quando são conhecidas as coordenadas dos seus vértices.2.   − 1. por det A.Álgebra Linear 33 Definimos como sinal ou paridade da classe σ. Defini-se como termo principal. o que é um determinante? Denomina-se determinante de uma matriz quadrada à soma algébrica dos produtos que se obtém. Quando na permutação existir um número ímpar de inversões então sgn σ é negativo. Exemplo1: A permutação σ 5 3 1 2 4 tem 6 inversões (quantidade par) logo sgn σ =1. Saiba Mais: Prof (ªs): MSc. conforme a permutação dos segundos índices seja de classe par ou ímpar. temos: Resolução de alguns tipos de sistemas de equações lineares.

determinante de 2ª ordem.Álgebra Linear 34 Considere a seguinte situação problema: Qual o valor real de x e y para que A. necessárias à resolução de um sistema de n equações lineares com n variáveis. Bezout. Vandermonde. temos:  x + 2 y = 1 . Como calcular o determinante? 2.B =  −1   1   . Laplace. Se fizermos o 4 − 10 (1. resolveram problemas de eliminações. iremos observar que o denominador também é (-6). Portanto x = -1.4)-(2.Kowa (1642-1708).Elisa Netto Zanette.B = C sendo A = 1 2  5 4 . B =    C e obtemos:  x    y   eC= 1   ?.1 Determinante de 1ª ordem D ada uma matriz quadrada de 1ª ordem M=[a11].4)-(2. permite que calculemos o valor de x e y e determina se o sistema tem solução (se é determinada ou indeterminada). quando dois matemáticos.5). surgiram os trabalhs de Cramer. Drª. é dado por: Prof (ªs): MSc.  5 4 quase simultaneamente. comum nas expressões. Ledina Lentz Pereira e MSc. na Alemanha e no Japão. por definição o determinante associado a M.(-5) ⇔  5 x + 4 y = −1 − 5 x − 10 y = −5 ⇔  5 x + 4 y = −1 − 5 x − 10 y = −5  5 x + 4 y = −1 4 y − 10 y = −6 y (4 − 10) = −6 ⇔y= −6 −6 −6 = = =1. Sandra Regina da Silva Fabris . temos o sistema:        x + 2 y = 1  5 x + 4 y = −1 Resolvendo o sistema pelo método de adição. Leibniz (1646-1716) e Seki S. Lagrange. Daí a origem do nome determinante.  y         =  x + 2y   1    5 x + 4 y  =  −1 . Aplicando o conceito de igualdade de matrizes. Para determinar os valores de x e y. det M =|a11| = a11 Exemplo: M= [5] det M = 5 ou |5| = 5 M = [-6] det M = -6 ou |-6| = -6 2. Observe que a expressão numérica (1.5) − 6 mesmo procedimento para encontrar o valor de x. A teoria dos determinantes surgiu. encontramos:  −1   1 2  x   5 4 .4) − (2. o seu determinante é o próprio número real a11 ou seja. Resolvendo o produto. Observe também que a expressão (1.5) tem relação com os termos da matriz A=   1 2  . Depois deles.2 Determinante de 2ª ordem D ada a matriz quadrada M de ordem 2. aplicamos o produto A. Cauchy e Jacobri.

Drª.  4 5 (b) Se A = 1  2  3 1  então det A = 4 2  3 4 = (1 x 4) – (2 x 3) = -2 2. Observe os exemplos: (a) Para M =  2 3  temos: det M = (2. a33 a 21 a31 1º passo: Repetimos as duas primeiras colunas ao lado da terceira ou repetimos à direita dos elementos da matriz A.3 Determinante de 3ª ordem: Regra de Sarrus O determinante de uma matriz de ordem 3 pode ser obtido pela regra de Sarrus. as duas primeiras colunas: 2º passo: Encontramos a soma do produto dos elementos da diagonal principal com os dois produtos obtidos pela multiplicação dos elementos das paralelas a essa diagonal (a soma deve ser precedida do sinal positivo): 3º passo: Encontramos a soma do produto dos elementos da diagonal secundária com os dois produtos obtidos pela multiplicação dos elementos das paralelas a essa diagonal ( a soma deve ser precedida do sinal negativo): Prof (ªs): MSc. Sandra Regina da Silva Fabris . o determinante de uma matriz de ordem 2 é dado pela diferença entre o produto dos elementos da diagonal principal e o produto dos elementos da diagonal secundária. a11 Acompanhe como aplicamos essa regra para D= a12 a 22 a32 a13 a 23 .Elisa Netto Zanette.3) = 10-12= -2.5)-(4. Ledina Lentz Pereira e MSc.Álgebra Linear 35 Portanto.

1)-(2.a11 a23 a32 .0.1)-(1.0. Prof (ªs): MSc.Álgebra Linear 36 Assim: ou det D = + a11 a22 a33 + a13 a21 a32 + a12 a23 a31 .a13 a22 a31 −1 2 1   Exemplo 1: Encontrar |A| para A =  1 2 0  .-1)+(1.  − 1 1 0   −1 2 1 −1 2 Resolução: Pela regra de Sarrus. Sandra Regina da Silva Fabris . Logo |A|= 3 ou Det A = 3.2.2. 4 Exemplo 2: Determine o valor de x sabendo que x 1 2 x 5 =0 −1 8 3 4 x 1 4 x 2 x 5 2 x = 0. Logo.1. fazemos 12x – 5x + 16 – 6x – 160 +x = 0 → 2x – 144 = 0 → x = 144/2 → x = 72. Ledina Lentz Pereira e MSc.Elisa Netto Zanette.0)+(2. Drª.a12 a21 a33 .0)-(-1. −1 8 3 −1 8 Resolução: Pela regra de Sarrus.-1) = 0+0+1-0-0+2 = 3.1. fazemos 1 2 0 1 2 = −1 1 0 −1 1 (-1.

1. Quando a matriz é de ordem superior a 3. 1 .3.Álgebra Linear 37 2. o determinante da matriz A = aij é igual à soma dos produtos obtidos multiplicando os elementos de qualquer linha(ou coluna) de A pelos seus respectivos cofatores Cij: det A = ai1 Ci1 + ai2 Ci2 + . devemos empregar o Teorema de Laplace para chegar a determinantes de ordem 3 e depois aplicar a regra de Sarrus. 7 1 3   O Det A.. Teorema de LAPLACE: Segundo Laplace. (2-21) + 1.1.1.3)+(0.4 Determinante de ordem n > 3: Teorema de LAPLACE V imos que a regra de Sarrus é válida para o cálculo do determinante de uma matriz de ordem 3.Elisa Netto Zanette. Neste caso escolhemos a linha 1.19 2 3 7 1 Det A = (-1) .. Det A = (-1) . 1 3 4    Exemplo 3: Seja A =  5 2 − 3  . o que são cofatores? Reveja este assunto no Apêndice A deste caderno. + anj Cnj Mas.1)-(1. Sandra Regina da Silva Fabris . 1 4 2    O Det A.. segundo Laplace é calculado da seguinte forma: Escolha uma linha ou coluna → dê preferência para aquela que tem elementos nulos.0.7)+(1. 1 . C13 (fixada 1ª linha ). Calcule o Det A. C11 Det A = (-1) . (-1)1+3 + 0 + 0 + 0 + 1. (-1)1+1 + (0).7)-(-1. 3 −1 1 3 + (0).2.29 Por Regra de Sarrus temos  −1 0 1 −1 0   Det A =  2 3 − 1 2 3  = (-1. • −1 0 1    Exemplo 2: Seja A =  2 3 − 1 . Drª. C12 + (1).+ ain Cin ou det A = a1j C1j + a2j C2j + .10 Det A = Det A = . [9-(-1)] Det A = -1. Ledina Lentz Pereira e MSc.10 . C12 + (1)..2)   7 1 3 7 1   = -9 + 0 + 2 – 21 – 1 – 0 = -29. segundo Laplace: Prof (ªs): MSc.-1)-(3.3.-1.-19 .

2.5. det A = . 1 . 2.1.1)+(4. 2ª) O elemento é igual a k≠ 1 → nesse caso.Elisa Netto Zanette. Por outro lado. 1 . (-1)2+1 3 4 4 2 + (1).2. 1 . isto é.5 Processo de triangulação para cálculo de determinante O processo de triangulação para cálculo de determinante pode ser aplicado em todas as matrizes quadradas de ordem n ≥ 2.66 Prof (ªs): MSc.4)-(4. exceto o último.(6-16) + (5). Drª. substituem-se os demais elementos da 2ª coluna. para compensar. substituindo-se. 2 1 7   Agora. C31 (fixada 1ª coluna). três hipóteses podem ocorrer: 1ª) O elemento é igual a zero → neste caso.(-1). 2 −3 4 2 + (5).(-1).4)-(3. por meio de operações competentes. (-17) + (-17) 3 4 2 −3 Det A = (1) . tente você Calcule o determinante da matriz A =  1 3 2  . [4-(-12)] Det A = (1). Quanto a cada um dos elementos da diagonal principal da matriz A. Para se executar o processo de triangulação.1)-(1. o número 1. deve-se proceder a operação de troca de linhas e multiplicar o det A por –1. da mesma forma.-3. Obtido o nº 1 na 1ª linha e 1ª coluna. deve-se multiplicá-lo pelo inverso de 1/k.(-10) + 50 Por Regra de Sarrus temos 1 3 4 1 3   Det A =  5 2 − 3 5 2  = (1.Álgebra Linear 38 Det A = (1) . Vocë deve obter como resposta. 3ª) O elemento é igual a 1→nesse caso nada a fazer no que diz respeito à diagonal principal. C21 + (1).2)  1 4 2 1 4   = 4 -9 + 80 – 8 + 12 . C11 Det A = (1) . para que o determinante de A conserve o seu valor. (-9-8) + 1. a11 = 1. e assim por diante. para que o det A mantenha o seu valor.5.30 = 96 – 47 = 49. (-1)1+1 + (5). com o que se obtém o número 1 como elemento da diagonal principal dessa linha. por meio de operações adequadas (e das respectivas compensações quando for o caso). (-1)3+1 + 1. situados abaixo de a22 por zeros. Ledina Lentz Pereira e MSc. se procura colocar. isto é k.2)+(3. depois de obter a22 = 1. isto é. todos os demais elementos da 1ª coluna por zeros.-3. isto é. deve-se multiplicar todos os elementos da linha por i/k. usando o processo da  5 3 4   triangulação. como compensação. Sandra Regina da Silva Fabris .(16) Det A = Det A = 16 49 + (5). como elementos da diagonal principal.

3. O determinante de uma matriz quadrada A é igual ao de sua transposta At ou seja. Se uma matriz quadrada A trocarmos a posição de duas linhas (ou colunas) o determinante troca de sinal. |A| = |At |. E.Elisa Netto Zanette. Exemplo 1: Exemplo 2: Se a matriz quadrada A tem uma linha ou coluna nula então det A = 0 ou Quando todos os elementos de uma fila (linha ou coluna) são nulos.Álgebra Linear 39 3 Propriedades dos determinantes A s matrizes quadradas de ordem n apresentam as seguintes propriedades: 1.3 = -2 = det A. Se a matriz quadrada A tem duas linhas (ou colunas) iguais então det A = 0 ou se duas filas paralelas de uma matriz são proporcionais. Prof (ªs): MSc. Sandra Regina da Silva Fabris . Exemplo: Se A é uma matriz triangular (superior ou inferior) então det A = produto dos elementos diagonais. Se cada elemento de uma linha (ou coluna) de uma matriz quadrada A é multiplicado por um escalar k então o det A fica multiplicado por k. Exemplos: 4. Ledina Lentz Pereira e MSc. Exemplo 1: Se A =    1 3 1 2 t  então At =    3 4  . Conseqüência: Se cada elemento de uma linha (ou coluna) de uma matriz A contém um fator k. Drª. então seu determinante é nulo. podemos coloca-lo em evidência. det A = 1.   2 4   1 2 3 1 2 2 Exemplo 2: det A = 2 1 2 = 9 = det At = 2 1 4 = 9 2 4 3 3 2 3 2. Exemplos: 6.4 – 2. 5. o determinante dessa matriz é nulo.

A sendo I a matriz identidade de ordem n. temos: 4 Determinante e Matriz Inversa C onsideremos a matriz quadrada A. Ledina Lentz Pereira e MSc. (det B) ou |A.B) = (det A) . Definimos como inversa de A. diz-se que A é inversível. 10 Teorema de Jacobi: o determinante de uma matriz não se altera quando somamos aos elementos de uma fila uma combinação linear dos elementos correspondentes de filas paralelas. Sandra Regina da Silva Fabris .|B. Se os elementos de uma fila de uma matriz são combinações lineares dos elementos correspondentes de filas paralelas. 9. Exemplo 1: A =     2 3 0 2 1 0     Exemplos 2 e 3 7. O determinante de um produto de duas matrizes A e B é igual ao produto de seus determinantes ou seja. A-1 =I = A-1 . então seu determinante é nulo. det(A.Álgebra Linear 40 1 6 3  1 2 3  4 15 1 ⇒ A’= 3 4 5 1 ⇒ (det A) = 3 (det A’). Proposições: (i) Se A tem inversa.B|=|A|. de ordem n.| Uma matriz quadrada A é inversível se o det A ≠ 0. Prof (ªs): MSc. 1 2 3 Exemplo: 2 1 2 = 9 Substituindo a 1ª coluna pela soma dessa mesma coluna com o 2 4 3 dobro da 2ª.Elisa Netto Zanette. a matriz A-1 tal que A . Drª. Exemplo: 8.

      5 3   − 5 12  =  12. então: (A-1)-1 =A AxB é inversível (A. se M . consulte o Apêndice A no final do caderno pedagógico.3 + 3. é dita matriz singular e.M-1 = M-1. A e B são inversas porque AB = I Como determinar a inversa de uma matriz? Prof (ªs): MSc. podemos fazer A. A Ou seja. (iii) Toda matriz quadrada A. A =I = A-1 . Adj A det A (v) Se A é uma matriz inversível.B = I ou B.Álgebra Linear 41 (ii) Se A e B são matrizes quadradas. então: A–1 = Esta proposição envolve o conceito de determinantes e matriz adjunta clássica (Adj A). Dizemos que uma matriz M é ortogonal quando sua inversa M-1 é igual a sua transposta Mt. (vi) Uma matriz A é dita ortogonal se a sua transposta é igual a sua inversa ou. Neste caso.(−7) + 7. A.A = I. Saiba Mais:   Exemplo: A matriz M =     1 2 3 2 3  2  é ortogonal porque o produto de M pela sua matriz 1 −  2  transposta. n × n. (iv) Se a matriz A tem inversa.   5 3   -1 Resolução: Para verificar se a matriz A é inversa de B aplicamos o conceito A . Assim.Elisa Netto Zanette. Para rever o conceito de matriz adjunta clássica. A é ortogonal se At = A-1. Mt = Mt .M = I então podemos também afirmar que M . Assim. o conhecimento dos algoritmos matemáticos de: (1º) Verificação se duas matrizes são inversas. com n ≥ 2. Se Mt = M-1 e como M. de mesma ordem e inversíveis. Como verificar se duas matrizes são inversas? Exemplo 1: Verifique se a matriz A =   12 7   3 − 7  é inversa da matriz B=    − 5 12  . Sandra Regina da Silva Fabris . e o calculo de matriz inversa por determinante. dizemos que A é uma matriz não-singular.A-1 (A+B)-1 =A-1 + B-1 Posto A = n. Mt = Mt . A partir do conceito de matriz inversa podemos verificar a ORTOGONALIDADE DE MATRIZES. em geral.B)-1 = B-1 . a matriz inversa de M é a sua transposta. cujo determinante é nulo.B = I →   12 7   3 − 7   . Ledina Lentz Pereira e MSc.(−5) 12. Em conseqüência. M = I então Mt = M-1 Logo M é ortogonal. (2º) Determinação da matriz inversa de uma matriz dada. Drª. M = I (I representa a matriz identidade).(−5) 5. então o determinante da matriz A é não nulo → det A ≠ 0 e det A-1 = 1 Det A 1 . A solução de problemas que envolvem matrizes e suas inversas exigem. nem toda matriz quadrada tem inversa. devemos provar que a multiplicação das duas matrizes. resulta na matriz identidade.3 + 7. se o determinante de A for diferente de zero. resulta na matriz identidade.12   1 0   = =     5.(−7) + 3.12   0 1  I (provado). toda matriz não-singular sempre tem inversa e toda matriz singular não tem inversa. Portanto.

1b + 2d  1 0  1a + 2c − 1a + 3c − 1b + 3d  = 0 1 . b= . temos algumas opções de procedimentos matemáticos. fazemos  . A-1 .. c= .   Resolução: Aplicando o conceito temos que A ..   c d   − 1 3  c d  0 1  Resolvendo o produto das matrizes encontramos. A-1 =I Sabemos que I = 1 0 a b   1 2  a b  1 0 . Sandra Regina da Silva Fabris .Álgebra Linear 42 Para determinar a matriz inversa. Portando a matriz procurada A-1 =   é A = 1 5 5 5 5 c d   5 3  identidade I. A-1 =I Neste caso. Resolvendo os sistemas encontramos como resposta:  − a + 3c = 0 − b + 3d = 1 3 5 a b  3 −2 1 1 -1 a= . Drª. Uma matriz A-1 pode ser obtida aplicando a mesma seqüência de operações elementares iniciando-se com a matriz identidade. d= . Basta multiplicar a matriz A pela sua inversa e verificar que o resultado do produto é a matriz Opção 2: Determinando a matriz inversa pelo Teorema da Inversibilidade (por redução das linhas) Uma matriz A de ordem n é inversível se existe uma seqüência de operações elementares que transforme A numa matriz identidade. Supondo A-1 =  . 1   5  Podemos facilmente comprovar se a matriz encontrada é solução do problema.. Opção 1: Determinando a matriz inversa de A pela aplicação do conceito A . Comparando os resultados obtemos:     a + 2c = 1 b + 2d = 0   e  . Ou seja. Ledina Lentz Pereira e MSc. 1   − 1 3    5  − 2 5 . Exemplo: 1 1 0   Ache a inversa da matriz A = 0 1 1 se existir. utilizamos também conhecimento sobre a resolução de sistemas lineares. =  0 1     .   1 0 2   1 1 0 1 0 0   Resolução:  0 1 1 0 1 0  ≈  1 0 2 0 0 1    2 −2 1  1 1 0 1 0 0 1 0 0 3 3 3    0 1 0 1 2 −1   0 1 1 0 1 0  ≈ . A =  5 1  5 − 2 5  .  3 3 3  0 − 1 2 − 1 0 1 0 0 1 −1 1 1     3 3 3   Resolva a Lista 4 de atividades Prof (ªs): MSc.Elisa Netto Zanette.  1 2 = I. Exemplo 1: Encontre a matriz inversa de A =  1 2  − 1 3 .

Drª.Álgebra Linear 43 Lista 4 de atividades – Determinantes e Matrizes (1) Calcule o determinante de cada matriz: 1  2 1   a) A=  0 5 − 2 1 − 3 4    1 2 5    e) E = 0 8 79   0 0 1     3 − 2 − 4   b) B=  2 5 −1 0 6 1    1 f) F = 0 3 0 4 0 2 3  1 2   1 0 − 2 0  c) C=  3 −1 1 − 2   4 − 3 0 2    1 3 g) G =  0  2 2 1 3 5 3 2  4 0 7  1 2 1  3 2 5   d) D=  4 1 3   2 3 1    − 1 2  1  h) H =   3  9 − 2 77  2  (2) Dada P =  2   0  −1 1 2 2 −1 0 1   0 2 −1 − 1  . encontre x para Det A+Det B=Det C 0 1 0  0 x 1  (6) Resolver as equações determinando o valor real de x em cada equação: 4 6 a) x b) 12 − x 1 0 c) x x 1 5 2 − x =-128 7 4 2x 18 − x 3 2 =6 15 − 2 x 0 1 2 x x =0 x x 3 d) 5 2x −1 + 2x 4 =0 x2 −1 e) =0 −1 x2 (7) Encontre os valores de a e b que transformam as matrizes A e B em inversas ou seja.Elisa Netto Zanette. calcule o determinante de P2. com A =  (8) Se A=  a 0  1 b  e B= b 1 0 a    1 2 2 0  e B= 1 1  . calcule AB-BA e verifique se: (a) A é inversa de B. Verificar se Det (AB) = Det A.C=  x  2x   x 1 0    0  8   12  . (3) Encontre lAl = 0 0 3  2  1 0 4 2 3 1 2 4 −1 3    (4) Para A =  3 0 1  e B= 7 2 − 4   (5) Para A=  x 1  2 6 2  9 3 −1 − 2  1  0 x 1   2 1  B=  1 − 1 x  . − 3  0 1 x  3 4 5 . Ledina Lentz Pereira e MSc. (b) A é singular 0 1     2 4  5 / 6 − 2 / 3 (9) Mostre que as matrizes A e B são inversas sendo A =  1 5 e B =  − 1/ 6 1/ 3  . sendo B = 0 − 1 2 e A = 2 1 −2 1 0 1 1 1 −1 Prof (ªs): MSc. Sandra Regina da Silva Fabris . Det B. determine a e b sabendo que AB = I. sendo I a matriz identidade.        1 1 0 −1 −1 2 (10) Prove que a matriz B é inversa da matriz A.

 a 0  .B=I →   1 5  . Vejamos: A. E.411) .lBl=(-9). determine sua inversa 1   2 1 3 2 1 7     12 7  (13) Determinar a inversa das matrizes: A =  4 2 2  . temos que lAl. (a) A não é inversa de B 1 1 1 3 0 − 2 (b) A não é singular pois A não é uma matriz diagonal. Det E =8. c. Ledina Lentz Pereira e MSc. Resolvendo os sistemas encontramos os valores de a. B =  1 3 2  . Ou. 1(h) -7.sen α  .5 ou x = − 2 (6e) x =± 1. Sandra Regina da Silva Fabris .  cos α  (12) Prove que a matriz M =  sen α  0  (STEINBRUCH. 1(d) 30.  c d  =I 0 1 →  a + 5c b + 5d  = 0 1 .B=I (verdadeiro) ou A. 1 0 1 1 1 −1 0 0 0 Prof (ªs): MSc. p.(c)  1 − 1 1 . Verifique se a matriz A é ortogonal (Dica: lembre-se    que A é ortogonal se A. Note que é mais prático fazer P . (9) A e B são inversas se A. Drª. d que equivale a matriz    − 1/ 6 1/ 3  . Logo a + 5c = 0 e                 2b + 4d = 0  5 / 6 − 2 / 3 . 1 b = 1 0 → a=1 e b = 0. P = 8. E.(e)  1 1 1 . b.  b + 5d = 1   (10) 1 1 0 −1 −1 2 1 0 0 0 −1 2 .  − 1 / 6 1 / 3  = 0 1 (provado). (4)    2 2+ 2 2− 2    2 9 11 Det AB = 5 16 21 = AB = 0. Em caso afirmativo. encontre sua inversa.(f)  0 1 1   2 −1 1   −1 1 1  1 0 1 1 − 1 2   − 1 1 1  1 − 1 − 1             Respostas: 1(a) 21. 2 − 2 −1 1+ 2 2    (2) Como P2 =  2 + 2 1 − 2 2 − 1  então Det P2 = 64.sen α cos α 0 0  0  é ortogonal. 1(e) Por propriedade o determinante de uma matriz triangular é o produto dos elementos da digaonal principal ou seja. 1(c) -131 (Dica: Aplicar Laplace). para:  1 1 1  2 1 0  2 2 1 1 2 1   1 − 1 1  1 −1 1              (a)  − 1 1 2  . 4 (6b) x = 7. (6c) x = 0 ou x = 2 (6d) x = 2. 2 1 − 2 = 0 1 0 . 1(f) 0. 1987.(b)  1 1 1  .0 = 0. 1(g) 0 (Dica: Aplicar Laplace). (3) − 14. 1(b) -11.At=I).Álgebra Linear 44  sen α cos α  (11) Considere a matriz A =   cos α .Elisa Netto Zanette. =  . (8) AB-BA=  0 a  b 1 0 1       4 2 2 4  2 − 2  .lBl. 24 68 92 (5) x = 3 .B=I → pois AB ≠ I. a partir de A.A =I 1 0 1   (15) Encontre a matriz inversa pelo processo de inversão (ou triangulação).(d) 1 1 1  .           2 4   a b  1 0  2a + 4c 2b + 4d  1 0 2a + 4c = 1 encontre B. Portanto lABl = lAl.8 = 64 . (6a) x = 2.B=I →  2 4   5 / 6 − 2 / 3  1 0   1 5  . C =   5 3     2 5 3 5 4 3     1 1 0   -1 -1 (14) Encontre a inversa A da matriz A =  0 − 1 2  e prove que A. como lAl=-9 e lBl=0. (7) A.

(14) A. C-1 =  −5  1 / 66 − 5 / 66    3 / 7 − 2 / 7 1/ 7     5 / 7 − 1 / 7 − 3 / 7  . 15(a) 1 0 1 1 1 −1 0 0 1 -1 − 17 / 66 19 / 66    3 9 / 22 − 1 / 22  .Mt = I. Mt =  cos α   .A-1= 12   1 / 2 −1 / 2  −1 1  .sen α  0  sen α cos α 0 0  0  é inversa de M ou seja Mt = M-1.15(e)  − 1 / 2 1 / 2  −1 − 4 6   2 −3 1   1/ 2  1/ 2 0 0 1/ 2          −1 / 8 3 / 8 −1 / 8  − 1 / 11   -1  13) A =  − 1 / 4 0 1 / 4  .Elisa Netto Zanette. Sandra Regina da Silva Fabris . Então sua inversa é A-1 = At = 45  sen α   .15(d)  1 − 1 0  . 2 1 − 2 = 0 1 0 = I. E. Ledina Lentz Pereira e MSc. . 15(b)  −1 / 7 3 / 7 2/7    1 0 0 AA = 0 1 0   0 0 1   −1 Prof (ªs): MSc.Álgebra Linear (11) A é ortogonal porque A.sen α   (12) M é ortogonal porque M. 15(c) 3 / 2 −1 / 2  1   1 / 2  . 1  − 7  .At = I.cos α  cos α  . B =  − 1 / 11  1 / 2 −1 / 4  2 / 11 0     1 1 0 −1 −1 2 1 0 0 0 − 1 2 .Verificação: −1 / 2  0  1  −1  1 4 − 5 − 3 5 − 1 0 1 / 2 −1 / 2 0 1            0  . 15(f)  − 1 / 2 1  0 − 3 3  . Drª.

B e C estão alinhados pois 1 2 1 =0 ou seja. farão parte de uma mesma reta. A.Elisa Netto Zanette. B(x2. (unidade de área). Agora. y3 1 Exemplo: Determine a área do triângulo ABC cujos vértices são definidos em A (1. 2 3 1 2 3 12 3 De fato. x1 Eles estarão alinhados ou seja. Se eles NÃO estiverem alinhados. como se verifica na projeção geométrica → Aplicação 2: Cálculo da área de um triângulo conhecendo os vértices Sejam os vértices do triângulo definidos nos pontos A(x1.y1).y2) e C(x3. 1 2 1 1 2 =0+2+3-4-0-1=0. 0 1 1 0 1 10 1 Resolução:A. Drª. são tratados com mais formalismo nos estudos envolvendo geometria analítica. B(x2. B(1. B e C estão alinhados.y3).2). para S = 1 1 1 10 D temos S = − 10 = .Álgebra Linear 46 5 Aplicação matemática do conceito de determinantes na geometria V amos conhecer algumas aplicações dos determinantes que. x1 1 A área deste triângulo será S= D sendo D= x 2 2 x3 y1 1 y2 1 .1). em geral.y2) e C(x3. Prof (ªs): MSc.y1). formarão um triângulo.2) e C(2.3) estão alinhados. 5 2 1 Portanto. A área do 2 2 2 2 triângulo ABC é 5 u. Resolução: 1 S= D 2 1 1 1 sendo D= 3 4 1 =4+5+6-20-3-2=-10.4) e C(5.y3).10 = = 5 . Sandra Regina da Silva Fabris . Aplicação 1: Condição de alinhamento de 3 pontos Sejam três pontos A(x1. Ledina Lentz Pereira e MSc. y3 1 x2 x3 Exemplo: Verifique se os pontos A(0. B(3. tente você! Resolva a Lista 5 de atividades.1). se y1 1 y 2 1 = 0.a.

C(3. (a) A(1.5). Em caso negativo. Drª. (unidade de área) 7ª) São alinhados pois o determinante é nulo então não formam um triângulo ABC. 6 Determine m real para que os pontos (3.5) Respostas: 1) Sim.0) 4) 24 cm2 5) x = -33 6) m≠ 1 ou m≠ 2.2). 7 Verifique se os pontos estão alinhados. B(2.3).8) e C(2. Encontre o valor da abscissa do terceiro vértice sabendo que a ordenada é 5. são localizados três pontos A(-2. Prof (ªs): MSc. 5 Dois vértices de um triângulo são (3.-5) e (-1. C(1. B(1.4) (b) A(1.3) e C(4. Ledina Lentz Pereira e MSc. formam um 1 4 1 ABC 2 = 1 u. 4 Num sistema de coordenadas cartesianas com suas unidades em cm.Elisa Netto Zanette.a. y’’) e C(5. 2 Determine a área do triângulo ABC cujos vértices são A(2.3).-3) e C(6.Álgebra Linear 47 Lista 5 de atividades .4). C(2.3). (unidade de área) triângulo ABC cuja área é igual a 7b) Não são alinhados e a área do triângulo ABC = 1/2 u. significa que os pontos não são alinhados. Portanto.m+1) não estejam alinhados. 3) B(3. A área do triângulo é 16 cm2.2). (m.4).-1) (a) A(1. sabendo que ele está sobre o eixo x.3). B(3.-3)..a.Determinantes 1 Verifique se os pontos A(1.-2) estão numa mesma reta. B(2.a. 1 7ª) Como 3 1 − 1 2 1 = -2 e portanto é diferente de zero.1). encontra a área do triângulo formado por ABC.3). B(-1.2).2) e (1.5) estão alinhados. 2) S = 1 u. B(1. 3 Os pontos A(1. B(x’’.3). Calcule em cm2 a área da figura determinada pelos pontos. Determine os valores do ponto B. Sandra Regina da Silva Fabris .

. Papirus.Elisa Netto Zanette. Para saber mais. x2. se x = 2 e y = 0.. 3) A solução de uma equação linear a n incógnitas é a seqüência de números reais ou n-upla ou ênupla ( 1.2 .y + z = 2 → 4x = 2 + y . cujo expoente é sempre 1. Resolução: Podemos atribuir valores arbitrários à x e y e obter o valor de z. As equações 3x1 + 2x2 = -3 e -4x. acesse ao texto de OLIVEIRA http://www. x2. -6).. αn). Mas. Perspectivas em Aritmética e Álgebra para o século XXI. a primeira variável e teríamos: 4x ... Joaquim.an são os coeficientes das variáveis x1. temos 4. encontrar uma de suas soluções. e GIMENEZ.. Ou. Por exemplo.y + z = 2. SP. que. 1997.. x2.br/salto/boletins2003/eda/pgm1. 2. y. modificada a situação. isto é.0 + z = 2..z → x = 9 2+ y−z . Sandra Regina da Silva Fabris . Vejamos alguns exemplos de equações lineares Exemplo 1: Dada a equação linear 4x . . .. a2. tornam verdadeira a igualdade dada. Entretanto. . Por exemplo: 5x . em que: a1. Toda equação escrita na forma a1 x1 + a2 x2 + a3 x3 + . + an xn = b é denominada equação linear. a equação linear denomina-se equação linear homogênea.. .xn cuja combinação linear resulte em alguma constante é definida como uma equação linear. Observações: 1) Quando o termo independente b for igual a zero. cada termo da 2 equação tem uma única incógnita.Álgebra Linear 48 III SISTEMAS DE EQUAÇÕES LINEARES E MATRIZES 1 Equações Lineares A idéia de equação tem estreita relação com a noção de equilíbrio e a metáfora da balança é. Os valores das variáveis que transformam a equação numa identidade formam sua solução e são denominadas raízes da equação linear. Exemplos: a) 2x1 + 3x2 . xn. Uma equação com n variáveis x1. etc. .tvebrasil. x1 . x2.. afirma que essa metáfora não é oportuna para casos com valores negativos. xn são as variáveis ou incógnitas b é o termo independente. Lins9 (1997). Outras noções10 associadas a equações são: igualdade e variável. colocados respectivamente no lugar de x1. 4) Uma solução evidente da equação linear homogênea 3x + y = 0 é a dupla (0. 4 10 LINS. do tipo 3x + 35 = 2. Drª. y + z = 2 não são lineares. Logo z = -6 Neste caso. uma das soluções é a tripla ordenada (2.. z e t. podemos resolver a equação isolando do lado esquerdo da igualdade. . x2.. normalmente utilizada para trabalhar esta noção.0). deve-se enfatizar que. Neste caso.3y = 0.. a metáfora já não resolve.. Romulo C. Ledina Lentz Pereira e MSc.com.x3 = 5 é uma equação linear a três incógnitas ou três variáveis x1.htm Prof (ªs): MSc. 2) Uma equação linear não apresenta termos da forma 2 x1 . 0.. e x3 b) x+y+z+t=-1 é uma equação linear de quatro incógnitas ou quatro variáveis x.

0). 2 − y − z +1 Resposta: A solução geral da equação é Sg = {( . Resposta: A solução seral da equação é Sg = { 2+ y−z . as raízes x = 0 e y = -2 pois 3. Note que esta equação assume várias soluções.w = 0 k.2α = 5+3 ⇒ α = -4 Resposta: O valor de α para a dupla (-1. y. Logo Sg = {(4. Uma solução 4 particular poderia ser Sp = {(0. 3 −2− y . Note que 3 Resposta: A solução geral da equação.1) seja solução da equação é k=-1/3. α) significa que x = (-1) e y = α. para que a 4-upla u = (3.y + 3z . dita solução particular. kx .Álgebra Linear 49 Neste caso temos como solução geral da equação Sg = { 2+ y−z . y=-2.0. Ledina Lentz Pereira e MSc. y.2 admite. z ∈ IR}.1 = 0 ⇒ k. Verificando: (-1/3). obtemos x = para y = 4. α) seja solução da equação. α) seja solução da equação é α = -4 Exemplo 3: A equação linear 3x + y = . Portanto. a tripla ordenada (1. z) para ∀y.2.3 – (-2) + 3. para que a 4-upla u = (3. Qual a solução geral: Resolução: Para encontrar a solução geral dessa equação.y + 3z . determinar α para que a dupla (-1.0 . Se y = 2 e z = 0 temos como solução.-2.w = 0? Resolução: Como u = (3.0 + (-2) = -2.2 – y ⇒ x= −2− y ∀y ∈ R. 1) seja solução da equação linear kx . Se atribuirmos a y o valor 4. z} para y. ∀y ∈ IR}.. y. por exemplo. z ∈ IR. então: Prof (ªs): MSc.2y = 5. 0.1 = 0 ⇒ 3k + 1 = 0 ⇒ k = -1/3. A variável x depende de y e z.2α = 5 ⇒ -3 . Exemplo 4: Qual o valor de k. Drª.2y = 5 ⇒ 3(-1) .y + z = 1 tem qual solução? −2−4 −6 = = −2 . z=0 e w=1. sabemos que a dupla (-1. Substituindo esses valores na equação. encontramos o valor de k.-6). (2..2)} para y=0 e z=2. 2 Resolução: Se 2x – y + z = 1 ⇔ 2x = 1 – y – z ⇔ x = Proposições: Se a equação é da forma 0x1 + 0x2 + . z reais. Exemplo 2: Dada a equação 3x . Assim. substituindo na equação estes valores temos: 3x . x = (-2) 3 3 − y − z +1 para ∀y. isolamos uma das variáveis e obtemos: 3x + y = . Resolução: Pelo enunciado do problema.-2)}. entre outras.2α = 5 ⇒ .0.. .Elisa Netto Zanette. Se y = 0 e z = (-6) temos como Sp.3 +2 + 0 . Sandra Regina da Silva Fabris .3-(-2)+3. z} para y e z 4 variáveis livres reais.1) é a solução da equação linear. y). indicada por S é: Sg = {( a equação tem infinitas soluções reais a partir do valor que atribuímos para y. -2. .2 ⇒ 3x = .-2. temos x=3.0. + 0xn = b.0..0-1=-1+2-1=0 Resposta: O valor de k. Exemplo 5: A equação linear 2x .

..y. n) bi indicando os termos independentes ou seja... temos como solução S = {(x. Exemplo: 0x + 0y + 0z = 0. as matrizes são utilizadas na resolução de um sistema de equações lineares.. 2.. Drª.... ∀x... (ii) Se b ≠ 0 então a equação linear não tem solução. .z)...... Sandra Regina da Silva Fabris .0z ⇒ x= 3 − 0 y − 0z (solução impossível) 0 2 Sistema de Equações Lineares 2.  a m1 x1 + a m 2 x 2 + a m 3 x3 + .xn) que representa os valores das variáveis e satisfaz simultaneamente as m equações lineares... .... y.... Números Prof (ªs): MSc...... 2 x + y − z = 0  Exemplo:  x + y + 4z = 0 5x − 2y + 3z = 0  Uma solução evidente do sistema linear homogêneo é x = y = z = 0 ou S = {(0. Se o sistema homogêneo admitir outra solução em que as incógnitas não são todas nulas. + a 3n x n = b3 com: ....0)} Esta solução chama-se solução trivial do sistema homogêneo...1 Conceito U m grupo de m equações de mesmas variáveis n. m) e j = (1.. mas com possíveis combinações lineares distintas forma um sistema definido como sistema de equações lineares de ordem m x n...x2...... z ∈ R}. a solução será chamada solução não trivial. Observação: Se o termo independente de todas as equações do sistema for nulo.... 2.. 2. + a1n x n = b1  a 21 x1 + a 22 x 2 + a 23 x3 + ...... isto é..... + a mn x n = bm  m equações n variáveis aij indicando os coeficientes (números reais ou complexos) das variáveis para i = (1... Dentre as variadas aplicações.... A solução ou as raízes do sistema é uma lista de números ou n-upla (x1.. 2. = bn = 0 o sistema linear é homogêneo.. como uma matriz completa ou como uma matriz simples.Álgebra Linear 50 (i) Se b = 0. b1 = b2 =.... m). 3. Ou..Elisa Netto Zanette. um sistema de equações lineares é um conjunto de equações da forma a11 x1 + a12 x 2 + a13 x3 + .2 Representação Matricial de um Sistema de Equações Lineares T 11 odo sistema de equações pode ser representado na forma de matriz. + a 2 n x n = b2  a 31 x1 + a 32 x 2 + a 33 x3 + ...0. Exemplo: 0x + 0y + 0z = 3 ⇒ 0x = 3 – 0y . Ledina Lentz Pereira e MSc...... então qualquer n-upla de escalares11 reais é solução da equação. Neste caso.. .. as constantes (números reais ou complexos) para i = (1...

. . + a mn x n = bm  Utilizando matrizes......  M M M M M        a   m1 a m 2 L a mn  xn  bn  Matriz constituída pelos coeficientes das incógnitas Matriz coluna dos termos independentes Matriz coluna constituída pelas incógnitas Exemplo: Representação-padrão do sistema Representação na forma matricial 2x1 + 5x 2 − x 3 = 0  4x1 − 3x 2 + 6x 3 = −1 7 x + x − 2x = 8 2 3  1 2 5 − 1  x1  0 4 − 3 6  ... .  a m1 x1 + a m 2 x 2 + a m 3 x3 + .. Ledina Lentz Pereira e MSc...Álgebra Linear 51 a11 x1 + a12 x 2 + a13 x3 + ............ a11 a  21 a31  .  x  = − 1    2   7 1 − 2   x 3  8       Note que: Também podemos transpor os coeficientes do sistema para uma matriz. Representação de um sistema de equações lineares como uma matriz simples.... ......... . Neste caso temos duas formas de representar: Representação geral de um sistema de equações lineares como uma matriz completa (ou matriz ampliada).......  amn   Lembre-se que: Numa matriz.... Sandra Regina da Silva Fabris ................ am 3 .. ..... Prof (ªs): MSc..... .... Drª. amn b1  b2   b3   .. . representamos o sistema da seguinte forma:  x1  b1   a11 a12 L a1n    x     a 21 a 22 L a 2 n   2  = b 2  ..........  bm   a11 a  21 a31  ..... + a1n x n = b1  a 21 x1 + a 22 x 2 + a 23 x3 + . + a 2 n x n = b2  Consideremos o sistema linear a 31 x1 + a 32 x 2 + a 33 x3 + . am1  a12 a22 a32 a13 a23 a33 .. a1n a2 n a3n . am 3 a1n  a2 n   a3n   . am 2 .Elisa Netto Zanette........ + a 3n x n = b3 . .. as filas horizontais de números chamam-se linhas e as filas verticais colunas.... am 2 ..... am1  a12 a22 a32 a13 a23 a33 ...

tem a única solução x = 0 e y = 1. por exemplo. Neste caso é 2 x + 2 y = 4 indeterminado.Álgebra Linear 52 2.3 Classificação dos Sistemas de Equações Lineares O s sistemas lineares são classificados. De outro modo é impossível. poderia ser Sp = {(2. Um sistema possível também é denominado de consistente ou compatível. possui infinitas soluções. um sistema impossível também é denominado de inconsistente ou incompatível. nenhuma ou diversas. quanto as possíveis soluções. Geometricamente. Assim. Observe: SISTEMA LINEAR POSSÍVEL (COMPATÍVEL) Quando tem solução IMPOSSÍVEL (INCOMPATÍVEL) Quando não tem solução DETERMINADO Admite uma única solução Exemplo 1: (a) O sistema S=  INDETERMINADO Admite infinitas soluções x + y = 1 .3)} para y = 3. tem a solução x=-2y. Logo S = ∅ (b) O sistema x − y = 1 . Ledina Lentz Pereira e MSc. considerando um sistema cartesiano ortogonal R2 (x. Representando-as em um sistema de equações lineares do tipo 2 x 2. Note que: • Um sistema de equações é possível se possuir pelo menos uma solução. Podemos encontrar várias soluções particulares.Elisa Netto Zanette.y) e duas retas r e s definidas na forma geral por a11 x + a12 y =b1 e a21 x + a22 y =b2. Uma delas. para cada valor de y. em R2 podemos "visualizar" estas classificações. Podem ter uma única solução. E.1)} para y = 1 ou Sp= {(-6. Drª.y)} para qualquer y real.1)}  x + 2 y = 2 x + y = 2 (c) O sistema  . etc. Logo S = {(0. temos • S= a11 x + a12 y = b1  a 21 x + a 22 y = b2 Prof (ªs): MSc. Sandra Regina da Silva Fabris . x + y = 0 não tem soluções porque não existem valores para x e y cuja soma seja simultaneamente 1 e 0. Sua Solução Geral SG = {(-2y.

Drª. 15 Para saber mais: http://pessoal. portanto é um sistema consistente e determinado.br/matematica/fundam/eq1g/eq1g. Retas concorrentes em S2: sistema determinado e tem um ponto em comum (3. então não há ponto que seja comum as duas retas (as retas. 3.Elisa Netto Zanette. Sandra Regina da Silva Fabris . 14 Retas paralelas: Duas retas eqüidistantes em todos os seus pontos – nenhum ponto é comuns.nunca se encontrarão). Ledina Lentz Pereira e MSc. ou seja.sercomtel. 2. geometricamente. 13Retas coincidentes: Duas retas sobrepostas num mesmo plano – todos os pontos são comuns. Se para algum par de retas específico obtivermos um sistema possível e determinado então encontramos um único ponto (x. uma única solução que satisfaça a ambas as equações simultaneamente (as retas. se por acaso o sistema for impossível.1) que é a solução do sistema Retas concorrentes: Duas retas são concorrentes se elas têm um ponto em comum. E finalmente.htm 12 Prof (ªs): MSc. y). são coincidentes13). Se para um outro par de retas tivermos um sistema classificado como possível e indeterminado. Vamos analisar alguns15 exemplos! Exemplo 1: S1 = 2 x + y = 1 2 x + y = 1 2 x + y = 1 ≅ ≅  2 x + y = 3 0 x − 0 y = −2 0 y = −2 O sistema S1 não tem solução. são paralelas14 . Retas paralelas em S1 : Sistema impossível Exemplo 6: S2 = x + y = 4 x + y = 4 x = 3 ≅ ≅  y =1  x − y = 2 0 x + 2 y = 2 O sistema S2 tem somente a solução S = {(3. são concorrentes12 e coincidentes neste ponto).1)}. geometricamente.com. geometricamente. portanto é um sistema inconsistente ou impossível. As retas perpendiculares são retas concorrentes que formam entre si um ângulo reto. então teremos como representação geométrica da solução uma outra reta que representa todos os valores possíveis que satisfaçam as equações (as retas.Álgebra Linear 53 1.

as retas são paralelas. Permutação de duas equações. A fórmula que representa a universalidade de soluções possíveis é Sg={( 1− y . através da transformação sucessiva do mesmo em sistemas equivalentes.Elisa Netto Zanette. y ) para y ∈ R ou C}. 2. Prof (ªs): MSc. Drª. Se o sistema é consistente e indeterminado.-2)} e 2 x − y = 4 y  3x + 2 = 2  S = {(1.-2)} S2 :  ⇒  − x + y = −1  3  Teorema 1 Dado o sistema de equações S. Veja os exemplos: Exemplo 1: Os sistemas 2 x + y = 4 e  − x + 3 y = 5  − 3 x + y = −1 são equivalentes porque tem a   x − y = −1 mesma solução S={(1. geometricamente. no plano R2. as retas são coincidentes. Assim. 2 Retas coincidentes em S3: Sistema indeterminado Assim. as retas se interceptam num único ponto (ponto solução do sistema).  x + 3y = − 5 S1 :  ⇒ S = {(1. Substituição de uma equação por sua soma com outra equação.-2)}.4 Equivalência de Sistemas de Equações Lineares S e dois sistemas lineares. Se o sistema é consistente e determinado. 3. é sempre possível construir um sistema equivalente. S1 e S2 são equivalentes. Usando as operações descritas no Teorema 1. real e não nulo. obtêm-se um sistema equivalente quando se efetua as operações elementares sobre suas equações que são: 1. Se o sistema é impossível ou inconsistente. eles são ditos sistemas equivalentes. onde: 1. até obtermos os resultados das suas variáveis. eventualmente multiplicada pelo escalar k ∈ R* . 3. Ledina Lentz Pereira e MSc. pode-se interpretar a solução de um sistema qualquer.2)} Exemplo 2: Como os sistemas admitem a mesma solução {(1. 2. Multiplicação de uma equação por um escalar k. S1 e S2. portanto é um sistema consistente e indeterminado. 2. podemos encontrar a solução de um sistema. admitem a mesma solução. Sandra Regina da Silva Fabris .Álgebra Linear 54 Exemplo 7: S3 = 2 x + y = 1 2 x + y = 1   1− y ≅ ≅ 2 x + y = 1 ≅  x = 2  4 x + 2 y = 2 0 x + 0 y = 0  O sistema S3 tem infinitas soluções para 0x+0y=0.

Sandra Regina da Silva Fabris . Vejamos: Método 1: Equivalência de sistemas .Álgebra Linear 55 Proposições (i) As variáveis (ou incógnitas) que num sistema na forma escalonada por linhas (sistemas equivalentes). na 1ª equação do sistema equivalente a S1. não aparecem no início de nenhuma equação. a fórmula: nº de variáveis livres = n variáveis . Uma solução particular para o sistema: S´= {(-4.1)} para z = 1.  y=2 y=2 y=2    Note que: O sistema é consistente (possível) e indeterminado pois admite mais de uma solução para as suas variáveis.m equações não nulas. que farão parte da solução geral.2.2 + z = 1  x = 1 − 4 − z  x = −3 − z ≅  ≅  . A quantidade de variáveis livres pode ser determinada pela fórmula: nº de variáveis livres = 3 – 2 = 1 (conforme proposição ii). Método 2: Equivalência de matrizes Prof (ªs): MSc.Escalonamento x + 2 y + z = 1 x + 2 y + z = 1 x + 2 y + z = 1    S 1 =  x + y + z = −1 ≅ 0 x + y + 0 z = 2 ≅ y = 2 . z) ∀ z ∈ R}. (iii) Se o sistema é consistente e indeterminado podemos determinar a solução geral do sistema e soluções particulares do sistema. Podemos obter uma solução geral e soluções particulares. O sistema apresenta uma variável livre (z).5 Resolução de Sistemas de Equações Lineares pelo princípio da equivalência: Método de condensação ou de eliminação de Gauss-Jordan A técnica básica para determinar as soluções de um sistema de equações lineares é o método de eliminação (de Gauss –forma escalonada) Exemplo 1: Consideremos o sistema de equações. Para encontrar soluções particulares.  2 x + 4 y + 2 z = 2 0 x + 0 y + 0 z = 0    Substituindo o valor de y = 2. (ii) Para determinar o número de variáveis livres de um sistema aplicamos após o processo de equivalência das linhas.Elisa Netto Zanette. temos: ≅  x + 2. Drª. 2. Podemos determinar a solução do sistema pelo processo de 2 x + 4 y + 2 z = 2  equivalência de sistemas ou de matriz. Solução geral: S´= {(-3-z. são denominadas variáveis livres. x + 2 y + z = 1  S 1 =  x + y + z = −1 . atribuímos valores para as variáveis livres. 2. Ledina Lentz Pereira e MSc.

O sistema na forma escalonada apresenta o número de equações não nulas inferior ao número de incógnitas. Substituindo o valor encontrado para y na 1ª equação do sistema equivalente a S temos: x+2y+z =1⇔ x+2. Drª. 1) é a única solução do sistema. Sandra Regina da Silva Fabris .2+z =1⇔ x = -3-z. em seguida também L3 = -3L1 + 2L3 2 x + y − 2 z + 3w = 1 → L1   y + 4 z − 5w = 5 → L 2 3 y + 12 z − 13w = 7 → L 3  2º) Aplicando a operação L3 = -3L2 + L3 teremos  2 x + y − 2 z + 3w = 1   y + 4 z − 5w = 5    2 w = −8  variável livre Observação: Chamamos variável livre a variável que no sistema na forma escalonada não inicia nenhuma equação.2. O sistema é possível e indeterminado com uma solução geral S´= {(-3-z. temos 2z = 2 ⇒ z = 1.1)} Exemplo 3: Considere o sistema: 2 x + y − 2 z + 3w = 1 → L1  3 x + 2 y − z + 2w = 4 → L2 3 x + 3 y + 3 z − 2w = 5 → L 3  1º) Aplicando a operação L2 = -3L1 + 2L3 e. equivalente encontrada corresponde x + 2 y + z = 1 y = 2 ⇔y=2. Ou S = {(1. logo o sistema terá várias soluções. Por L2.3. temos: x = 1 Logo. por L1. aplicamos na 1ª as 0  ao sistema S1=  operações: L2 = L2 – L1 e L3 = L3 – 2L1 . 3.Álgebra Linear 56 x + 2 y + z = 1  S 1 =  x + y + z = −1 A matriz completa de S1 é: 2 x + 4 y + 2 z = 2  1  1 2  A 1  1 2  2 1 4 1 1 2 +1   −1  + 2  Vamos transformar a matriz completa de S em matrizes equivalentes aplicando a operações elementares citadas no Teorema 1: 2 1 4 matriz 1 1 2 + 1  1   −1  ≅ 0 + 2  0   2 1 0 1 0 0 1  2  Para encontrar a 2ª matriz. Onde: Por L3. No exemplo a variável z não inicia em nenhuma das três equações do sistema.0)} para z = 0. Observe outros exemplos: Exemplo 2: No sistema abaixo. então o sistema é consistente de solução única. 2. temos y = 3 e. Prof (ªs): MSc.Elisa Netto Zanette. Logo é a variável livre. Ledina Lentz Pereira e MSc. a 3–upla (1. vamos reduzir na forma escalonada. aplicando as operações convenientes:  x + 2 y − 3z = 4  x + 2 y − 3z = 4  x + 2 y − 3z = 4  x + 3 y + z = 11 → L = − L + L  y + 4z = 7    2 1 2 ~ ~ y + 4z = 7  y + 2 z = 5 → L3 = − L2 + L3 2 x + 5 y − 4 z = 13 → L3 = −2 L1 + L3    − 2 z = −2 2 x + 6 y + 2 z = 22 → L4 = −2 L1 + L4  2 y + 8 z = 14 → L4 = −2 L2 + L4    Note que o sistema na forma escalonada apresenta 3 equações não nulas nas três variáveis. z) ∀ z ∈ R} e uma solução particular S´= {(-3.

1. Assim.... Por exemplo...2 z − 4 w = 2 → L = −2 L + L 3 2 3   x + 2 y − 2 z + 3w = 2  ......... temos: x + 2y – 2z + 3w = 2 x = 2 – 2y + 2( 1 + 2w ) + 3w x = 2 – 2y + 2 + 4w + 3w x = 4 – 2y + 7w Logo. temos z = 1 + 2w . definido em: Prof (ªs): MSc..... Fazendo y = 1 e w = 0. Podemos encontrar uma solução particular. 0).. w)} = {(14+ 3z.. para z real Solução Particular: Se z = 1 então S = (17.. 1 + 2w. calculando os valores de x e z em função das variáveis livres y e w.. Exemplo 5: Seja o sistema S. z.z − 2w = 1 .Elisa Netto Zanette. Ledina Lentz Pereira e MSc. 1.. Substituindo na primeira equação os valores de w e y encontrados... Substituindo o valor de z na primeira equação do sistema. 1.. z. a solução geral é S = {(4 – 2y + 7w... y.(-4)=1 →2x=1+4z+15–2z+12→x = 3z + 14.. Sandra Regina da Silva Fabris .. temos....0... atribuindo valores as variáveis livres y e w..(-4) = 5 → y = 5 – 4z – 20→ y = . Neste caso há duas variáveis livres y e w (elas não aparecem no começo de nenhuma equação)....-4) Exemplo 4: Resolva o seguinte sistema. reduzindo-o a forma escalonada:  x + 2 y − 2 z + 3w = 2  2 x + 4 y − 3 z + 4 w = 5 → L 2 = −2 L1 + L 2 ~ 5 x + 10 y − 8 z + 11w = 12 → L = −5L + L 3 1 3   x + 2 y − 2 z + 4w = 2  ~ . -15 ... fazendo y = 0 e w = 1 temos como solução particular S = {(11.1)}.... y.. Drª. logo o sistema é consistente com várias soluções...3.-19... A solução geral será obtida...... portanto... uma solução particular pode se obtida dando a y e a w quaisquer valores..4z. w)} para y e w reais.0 = 0  O sistema na forma escalonada apresenta 2 equações não nulas nas 4 variáveis. obteremos z = 1 e x = 2 ⇒ Sp = (2..z − 2 w = 1 . e.Álgebra Linear 57 Solução geral: 2w = -8 portanto w = -4. -4)}..4z – 15... Substituindo o valor encontrado para w na equação anterior temos: y + 4z – 5 w = 5 → y + 4z – 5..... Solução Geral: Sg = {(x..... 2x+y-2z+3w =1→ 2x+(-4z-15)–2z+3.

. em geral.   a m1 x1 + a m 2 x 2 + a m 3 x3 + ..y= e z= . Drª. 2. torna-se um processo extenso e trabalhos (praticamente inaplicável). a regra de Cramer é utilizada. Calcular o determinante Dx = ∆x da matriz que se obtém... y... formada pelos coeficientes das incógnitas do sistema W (2) ∆x equivale ao determinante de uma matriz Ax. Sandra Regina da Silva Fabris .. + a mn x n = bm (1) ∆ equivale ao determinante de uma matriz A... Encontrar o determinante D = ∆ da matriz dos coeficientes x... y e z pela fórmula x = Seja o sistema W: ∆x ∆y ∆z . devemos: 1... que se obtém a partir da matriz A. substituindo a coluna dos coeficientes de x pela coluna dos termos independentes. ∆ det A ∆ Generalizando. 3....  a11 a12 L a1n     a21 a22 L a2 n  ∆= Det A =  M M M    a am 2 L amn   m1  (3) De maneira análoga determinar ∆y e ∆z a ∆x ∆x = Det Ax1  b1   b2 =  M  b  n a12 a 22 M am2 L a1n   L a 2n  M   L a mn   podemos  a11   a 21 ∆y=Det Ax2=  M  a  m1 b1 b2 M bn L a1n   L a2n  M   L a mn   e ∆z=Det Axn =  a11   a 21  M  a  m1 a12 a 22 M am 2 L b1   L b2  M  L bn   (4) Pela regra de Cramer x1 =x= ∆x det Ax1 = ∆ det A det Axn det A x2 = y= ∆y det Ax 2 ∆z = ez= ... Para resolver o sistema pela Regra de Cramer... Supondo como exemplo.Elisa Netto Zanette.Álgebra Linear 58 3x + y − z = 0  S = − x + y + 2 z = 1 2 x + 2 y + z = 2  − x + + y + 2 z = 1 − x + y + 2 z = 1   escalonando temos: 3x + y − z = 0 ~ 4 y + 5 z = 3 .. Acima disso... substituindo-se a coluna dos coeficientes de x1 pela coluna dos termos independentes... um sistema com três variáveis.. Ledina Lentz Pereira e MSc...6 Solução de um sistema de equações lineares pela Regra de Cramer Para saber mais: APLICAÇÃO DE DETERMINANTE às equações lineares: Regra de Cramer De uso restrito.... e z....... O sistema na 2 x + 2 y + z = 2 0 = 1   forma escalonada apresenta a equação 0 = 1 que é inconsistente (falso)............ xn = Prof (ªs): MSc..... para resolver sistemas com 2 ou 3 equações e com 2 ou 3 variáveis... pela regra de Cramer.. Portanto o sistema é impossível e temos então S = ∅ 2. y e z. + a1n x n = b1  a 21 x1 + a 22 x 2 + a 23 x3 + . + a 3n x n = b3 ... + a 2 n x n = b2  a 31 x1 + a 32 x 2 + a 33 x3 + . x..... ∆ ∆ ∆ a11 x1 + a12 x 2 + a13 x3 + . Determinar os valores das variáveis x..

O sistema de m equações e n incógnitas é consistente e indeterminado isto é..Álgebra Linear 59 Exemplo 1: Resolva o sistema S. pois sempre admite solução. é igual ao número de variáveis n do sistema. Assim.. 2 Resolvendo os determinantes. dizemos que o sistema tem solução não nula. Qualquer outra solução é chamada não-nula ou não–trivial.. quando o número de m equações do sistema equivalente. x =-4-2-2+2+1+8. todas as constantes b1. 0) chamada solução zero ou trivial. temos duas possibilidades de solução: O sistema de m equações e n incógnitas é consistente e determinado e tem somente a solução trivial (0. Neste caso. dizemos que o sistema tem somente solução zero ou trivial.Elisa Netto Zanette. Neste caso. 1 = 1 2 1 2 1 . na forma escada. a11 x1 + a12 x 2 + L + a1n x n = 0  a 21 x1 + a 22 x 2 + L + a 2 n x n = 0 Seja o sistema homogêneo S =  . y = = =2 ez= = = 1. tem também soluções não nulas.bm do sistema são nulas. Sandra Regina da Silva Fabris . quando o sistema tem mais variáveis n do que equações m. .. Logo: x = = 2-3-16+12+4-2.0) quando m = n ou seja.. 3x + 2 y + z = 2  1 −1 −1 Resolução: Temos = − 4 −1 −1 x 1 − 4 −1 y 1 −1 − 4 z 2 3 1 2 1 .. encontramos: = 1-3-4+3-2+2.. aplicando Cramer..1)}. x = 3. x + y − z = 0 x + y − z = 0   Exemplo 1: Encontre a solução dos sistemas S1= 2 x + 4 y − z = 0 e S2 = 2 x − 3 y + z = 0 3 x + 2 y + 2 z = 0 x − 4 y + 2z = 0   Prof (ªs): MSc. 1 = 2 3 z 1 2 1 . y = 1-12-4+3-2+8 e = -3. ∆x 3 ∆y − 6 ∆z − 3 = = −1 . Ledina Lentz Pereira e MSc.0. Drª. ∆ −3 ∆ −3 ∆ −3 A solução do sistema é S´= {(-1. L a m1 x1 + a m 2 x 2 + L + a mn x n = 0  O sistema S sempre terá pelo menos uma solução..2. em todo sistema homogêneo temos duas possibilidades de resposta: 1ª) quando o número de equações do sistema na forma escalonada for igual ao número de incógnitas. 2ª) quando o número de equações do sistema na forma escalonada for menor que o número de incógnitas. y = -6 e z = -3.. quando m < n ou seja. os sistemas formados por equações lineares cujos termos independentes são todos iguais a zero (bi = 0) são denominados de sistemas homogêneos. 0.. Todo sistema homogêneo é consistente (ou possível).  x − y − z = −4  S = 2 x + y + z = 1 . a n–upla (0. 3 Sistema Homogêneo de Equações Lineares: Discussão da solução C • • omo já vimos. 1 = 2 3 1 2 1 .b2.

logo o sistema possui solução única. isto é. Logo o sistema possui várias soluções. trivial. Sandra Regina da Silva Fabris . para z real.0. x + y − z = 0 x + y − z = 0 x + y − z = 0    Resolução: S2= 2 x − 3 y + z = 0 ⇒ − 5 y + 3z = 0 ⇒ − 5 y + 3z = 0 . A variável livre é z. Logo. .. apresenta número de equações igual ao número de incógnitas. Observe que o sistema na forma x − 4 y + 2z = 0 − 5 y + 3 z = 0 0 = 0    escalonada apresenta duas equações não nulas e três incógnitas. y = 0 e z = 0 − y + 5 z = 0 11z = 0   Note que o sistema na forma escalonada. Solução Particular: Para z = 1 temos SP = ( .1 ) 5 5 5 5 Agora.0). é com você! Resolva a lista 6 de Atividades Agora é com você! Prof (ªs): MSc. x. Solução Geral: -5y+3z=0 ⇒ y= Logo SG = ( − 3z 2z 3z e x= +z⇒ x = .Elisa Netto Zanette. 5 5 5 2 3 2 z 3z . S = (0. y e z. Drª. Ledina Lentz Pereira e MSc. . z ).Álgebra Linear 60 x + y − z = 0  Resolução: S1= 2 x + 4 y − z = 0 3 x + 2 y + 2 z = 0  x + y − z = 0 x + y − z = 0   ⇒ 2 y + z = 0 ⇒ 2 y + z = 0 ⇒ x = 0.

Elisa Netto Zanette. Drª. (b) Verifique se  − x + x + x − −2 2 3  1 (0. a + c = 0 − 3a + 5b − c = 2  2 x + y = 5 9) Expresse matricialmente os sistemas: a)  e b) x − 3 y = 0 10) A expressão matricial de um sistema S é:  2 − 5 a  − 4  . 7) Verifique se os sistemas S1  x + y = 7 3 x − y = 9 x − y = 1 mx − ny = −1 8) Calcular m e n de modo que os sistemas  e sejam equivalentes. b =  7  . 3 1      Lista 6 de atividades . Determine as equações de S.0) é solução se S. 2 2) Determine m para que (-1. 2 x + y = 5 nx + my = 2  2 a + b + c = −1  .α+1) torne a sentença verdadeira.1. calcule k para que o sistema seja homogêneo  x − 2y = k + 3  2 x − y = 5 − x + 5 y = 11 e S2  são equivalentes. ache α para que (α. Classifique os sistemas a partir da solução. Ledina Lentz Pereira e MSc. 2 2 4) Determine duas soluções da equação x + 2y . justificando sua resposta.Parte II 1 Encontre o conjunto solução. Sandra Regina da Silva Fabris .z = 0. 6) Seja o sistema: 3x + y = K 2 − 9 .  x − y − z = −4  a) S1= 2 x + y + z = 1 3x + 2 y + z = 2  x − y + z = 4  d) S4= 2 x + 3 y + 2 z = −2 3x + 2 y − 3z = −4   x − 2 y + 4 z = −7  b) S2= 2 x − y + 3 z = −4 − 2 x − 2 y + 3 z = 1  x + y − z = 3  (e) S5= 2 x + y − 3 z = 4 − x + 2 y − z = 3  x + y + 2z = 0  c) S3=  x − y + 2 z = 2  2 x + 2 y + z = −1  x + y + z + t = 6 x + 2 y + z − t = 1  (f) S6=  2 x + y − z + t = 2 − x + 2 y + z + t = 7  Prof (ªs): MSc.0.1) é solução se S. 2 x1 + 3x 2 − x3 = 0  5) Seja o sistema S:  x1 − 2 x 2 + x3 = 5 . (a)Verifique se (2.-1.-2) seja solução da equação mx + y .2z = 6 3) Dada a equação x y + = −1 .Álgebra Linear 61 Lista 6 de atividades – Parte I 1) Ache as duas soluções da equação: -x1 + 1 x2 = 0.

Prof (ªs): MSc. Se o sistema for consistente e indeterminado. x − y + z = 1  a) 2 x − y + z = 2 x + y + z = 3  2 x − y + z = 5  a) 3 x + 2 y − 4 z = 0 z − 2 y + z = 2  x − y + z = 1  b) 2 x − y + z = 2 x + y + z = 3  x − 2 y + z = 3  b) 2 x + y + z = 1 3x − y + 2 z = 2  x − y + z = 3  c) 2 x − y − z = 2 x + y + z = 1  5 Escalone. Ledina Lentz Pereira e MSc. x − 2 y + 3z − 2w = 0  a) 3x − 7 y − 2z + 4 w = 0 4x + 3y + 5z + 2w = 0  x + 2 y − z = 0 2 x + 5 y + 2 z = 0  b)  x + 4 y + 7z = 0 x + 3y + 3z = 0  2 x − y + 3 z − w = 0 3 x − y − 2 z + w = 0  f)   x − y + 3z − w = 0 − x + y + z = 0  x + 2 y − 3z = 0  c) 2 x + 5 y + 2z = 0 3x − y − 4z = 0  d)  3 x − y + 2 z = 0 2 x + y + z = 0 e)  x − y + 2z = 0 − 2 x + 2 y − 4 z = 0 x − y + t = 0 2 x − y + z − w + t = 0  g)  − x + 2 y − w + 2t = 0 2 x − y − z + t = 0  4 Encontre a solução dos sistemas determinados. encontre a solução geral e uma solução particular. Classificar e resolver os sistemas homogêneos. justificando a resposta.Álgebra Linear 62 x − y + z + t = 1  y + z − t = −2  (g) S7=  − x + y + t = 2 z + t = 1  x + y = 1  (h) S8= 2 x + 3 y = 2 3x + 3 y = 3  2 x + y + z − w = 4  (k) S11= 3 x − y − z + w = −4 − x − 2 y + 3 z − 2 w = 6  2 a − b + c = 3  (b) a − b + 2c = 3 a + b + c = 6  x + y + z = 6  (i) S9=  x − y − z = −1 x + y + z = 2  x + y + z = 6  (l) S12= − x − y − z = −6 x − y + z = 2  x + y + z = 2  (j) S10=  x − y − z = 0 3x − 2 y + 4 z = 13  x + 2 y − z = 2  a) 2 x − y + 3 z = 9 3x + 3 y − 2 z = 3  2 Resolva os sistemas pela Regra de Cramer: 3 Determine se cada sistema tem solução não-nula.Elisa Netto Zanette. Se for indeterminado. Sandra Regina da Silva Fabris . classifique e resolva os sistemas x + y + z − t = 6  c) 2 x + y − 2 z + t = −1  x − 2 y + z + 2t = −3  6 Classifique. Drª. encontre a solução geral e uma particular. justificando sua resposta e resolva os sistemas homogêneos e não-homogêneos de equações lineares.

que o sistema formado pelas equações 2x . 2 x − y + 3 z = 8 4 x − 3 y + 2 z = 8  (a) S1=  x + y + z = 3 3 x + y + z = 5  x + y = 2 2 x − 3 y = −1 x + y = 2 2 x + 2 y = 4  x + 3 y + 2 z + 3w − 7t = 2  (b) S2= 2 x + 6 y + z − 2 w + 5t = 12  x + 3 y − z + 2t = 5  13 Encontre a solução algébrica e geométrica dos sistemas: A=  B=  C=  x + y = 2 x + y = 3 D=  x + y = 0 2 x − 3 y = 0 E=  x + y = 0 2 x + 2 y = 0 F=  x + y = 0 x + y = 0 Respostas da Lista de Atividade Parte I (1) S = {( y 2 . Se o sistema for consistente e indeterminado. encontre a solução geral e uma particular. é consistente e indeterminado.2y = 2.2z = 0. que o sistema S1 é consistente e indeterminado e o sistema  2 x − y = 1  S2 é inconsistente para: S1= 4 x − 2 y = 2 e S2=  y x − 2 = 12  2 x − y + 3z = 11 4 x − 3 y + 2 z = 0  (a) S1=  x + y + z = 6 3x + y + z = 4  8 Classifique e resolva os sistemas de equações lineares. y.Álgebra Linear 63 a) x + 2 y − z = 0  3 x − y + 2 z = 0 2 x − y + 3 z = 0  b) 3x − y + z = 1 x + y + z = 2  5 x + 2 y − z = 0  c)  x − y + 3 z = 0 2 x − y + z = 0  x + y = 2  x − y = 0 . encontre a solução geral e uma particular. S= {(2. z)}.  y =  0     − 3 5 − 1  z  2       (10) 2a − 5b = −4  3a + b = 7 Respostas da Lista de Atividade 6-Parte II Prof (ªs): MSc. 12 Classifique e resolva os sistemas de equações lineares. Ledina Lentz Pereira e MSc. 11 O sistema homogêneo formado pelas equações x + 3y . x + 3 y − 2z = 0 x + 3 y − 2z = 0   a) S1= 2 x − 3 y + z = 0 b) S2=  x − 8 y + 8 z = 0 3x − 2 y + 2 z = 0 3x − 2 y + 4 z = 0   10 Mostre.   =   1 − 3  y  0  2 1 1   x − 1     (9b)  1 0 1  .y/2 = ½ e 4x .y = 1. Sandra Regina da Silva Fabris .2y + 2z = 0 tem solução não nula? Justifique.Elisa Netto Zanette. S = {(4. justificando sua resposta. Drª.  x + 3 y + 2 z + 3w − 7t = 14  (b) S2= 2 x + 6 y + z − 2 w + 5t = −2  x + 3 y − z + 2t = −1  x + 2 y − z = 0  c) S3= 3 x − y + 2 z = 0 2 x − y + z = 0  5 x + 2 y − z = 0  d) S3=  x − y + 3 z = 0 2 x − y + z = 0  9 Verifique se os sistemas homogêneos têm solução não nula. 2x + 3y + z = 0 e 3x . y. algébrica e geometricamente. y ∈ IR (2) m = -1 (3) α = −3 2 (4) S = {(-2y+z. 1)} 2 1   x  5 (9a)   . algébrica e geometricamente. 3)} (8) Os sistemas são equivalentes para m = 0 e n = 1. y)}. Se o sistema for consistente e indeterminado.z ∈ IR (5ª) Sim (5b) Não (6) k = -3 (7) Sim. 2 x + y = 2  x + 2 y + z = 2  d) − 2 x − 4 y − 2 z = 4 3x + 6 y + 3z = 6  7 Mostre. x .

0)}. t } para t real. . (1b) S = {(-5.2. 1c. .0. -3. (3e) S = {(y-2z. w )} w ∈ IR. Sp = {(0.Álgebra Linear (1a) S = {(-1. 1 3 )} (1d) S = {(1.0.1)} (1i) Impossível (1e) S = {(1.0)}. 1d.-1.8. z ∈ IR.1)} para t=1. 5b) SI e S= { }. 3 . (3f) S = {(0.4t . z − 15. 0)} p/y=1 e z = 0.2. b) S = {(-3/2. y. 4) a) S = {(1.0. (3c) S = {(0.1.4.15. OBS: Se optar por transformar z em variável livre.5.y.2+t.1)} = {(0.5)}. (1l) S = {(4-z. z )} para z real.)}. S = {(4/5. 5c) SPI e Sg= 6a) SPI e Sg= {( t +5 1− t .3)} {(0. S = {1. Sp = {(-3. Sistema Homogêneo Consistente e Determinado.0.7)} para z=7. Drª. w ∈ IR 2 8 2 8 para z=5.3. }.1.1.Elisa Netto Zanette.0)}. 8 )} 3 5 5 5 (1h) S = {(1.8t . w. 5ª) SPD e S= {(2.1)}. 1b.5t .z)} z ∈ IR.2)} w + 6 2( 2 w + 7 ) . z)} para y. Sistema Homogêneo Consistente e Indeterminado.-1. 5 5 9 12 9 . (3d) S ={( − z +5 .-2.1. . 1e.7)} (1g) S = {( − (1c) S = {( 64 1 3 . w ∈ IR.9d) SPD e S= {(0. Sp = {(-1. z )} para todo z real. . 1j. Sp = {(9.4. Sp = {(-4. 11 11 8a) SPD. -4. t + 3.5. (3g) S ={( ou S ={(. 9ª. 9b) SPI e Sg= Prof (ªs): MSc. )}.-1.-1)} para y=1 e t=-1.2. t )} para todo t real.-1/10)}.0)} (1f) S (1k) S = 1 . Sistema Homogêneo Consistente e Determinado.16)} para w = 16. Sistema Homogêneo Consistente e Indeterminado. 6b) SPD. z )} z ∈ IR.1.3+2t.4t . 9c.13/10. 1 .0)} (1j) S = {(1. (3a) S = {( 23w . Sistema Homogêneo Consistente e Indeterminado. Sandra Regina da Silva Fabris .1)} para w = 8.10.w)}. z.t)} para todo y e t real. . 1)} para z = 1.15w . . Sp = {(1. Sistema Homogêneo Consistente e Indeterminado. Sp = {(-8.-4z. Ledina Lentz Pereira e MSc. Sp = {(0. 8b) SPI e Sg= {(1-3y-7. 1g. 5w .11)} para z=11. 1f.z)} z ∈ IR.1. Sistema Não-homogêneo Consistente e Determinado 1ª. (3b) S = {(9z.2. 7 7 {( −8 z 10 z .3)}. 1. .5.S = {(-1. 2 2 {( −3 z 5 z .15. 1h. ½+z/4.1. 5)} 2 − w 5w w w . Sp = {(23.2. (b) S = {( Consistente e Indeterminado. Sistema Não-homogêneo Consistente e Indeterminado 1k. Sistema Não-homogêneo Inconsistente 1i 2 (a) S = {(1. -10. Sistema Homogêneo 16 16 16 5 5 5 -7/2+5z/4)} para z real.2.2)}. a resposta é Sg = {(0.5/2)}. 1l.

. (ii) Para a = 2.. logo. obtemos:  x + ky + z = 1  (1 − k ) y + (−2 + k ) z = 0 Analisando a partir da última equação do sistema. (iii) nenhuma solução. pode determinado ou indeterminado. Exemplo 2: Determine os valores de a. temos:  2 (−k + 5k − 6) z = 2(k − 1)..a) ≠ 0. Exemplo 3: Dado o sistema16 de equações S vamos discutir a sua natureza. mostra a necessidade de análise para os parâmetros de k e t em: Para 1 – k = 0 ⇒ k=1. y e z tenha: (i) uma única solução. é indeterminado.. como a classificação de um dado sistema. Sandra Regina da Silva Fabris . ii) Se K ≠ 7 o sistema é impossível (ou inconsistente ou incompatível). Ledina Lentz Pereira e MSc.. k ≠ 2 e k ≠ 3. e k ≠ 1.Elisa Netto Zanette. Aplicando o resultado da matriz equivalente encontrada na forma de sistema. Com o mesmo procedimento de equivalência de sistemas. a ≠ -3 e a ≠ 2.  − k 2 + 5k − 6 2(k − 1)  1 A representação matricial do sistema na forma escalonada. de modo que o seguinte sistema nas incógnitas x. temos: 1  1 2  k 1 4 1 1  k −1 1  ≅ k 0  1  0 0  k 1− k 4 − 2k 1 1  1   − 2 + k 0  ≅ 0 0 − 2 + k − 2   k 1− k 0 1   0 −2+k . (ii) mais de uma solução. a terceira equação é 0 = 0 e o sistema tem várias soluções. A variável livre é z. podemos resolver outro tipo de problema. y + (a + 2) z = 1  x + ay + 3 z = 2 → L = − L + L (a − 1) y + 4 z = 1 → L = (a − 1) L + L 3 2 3 3 1 3   x + y − z = 1   y + ( a + 2) z = 1 (3 + a )(2 − a) z = 2 − a  Discussão: O sistema na forma escalonada tem a equação (3+a)(2-a)z=2–a.Álgebra Linear 65 4 Discussão de um Sistema de Equações Lineares homogênio e nãohomogênio D iscutir o sistema é saber se ele é possível (ou consistente) ou impossível (ou inconsistente).12 + k ⇒ K = 7 i)Se K = 7 o sistema possui várias soluções. sem solução. Discutir os valores de k no sistema abaixo: Exemplo 1: x + 2 y − z = 4 x + 2 y − z = 4   ⇒ 2 x − y + 3 z = 3 ⇒ − 5 y + 5 z = −5 3x + y + 2 z = k − 5 y + 5 z = −12 + k   x + 2 y − z = 4  − 5 y + 5 z = −5 0 = 5 − 12 + k  Discussão: 0 = 5 . em função dos  x + ky + z = 1  parâmetros reais k para S =  x + y + ( k − 1) z = 1 2 x + 4 y + kz = 0  Resolução: Resolvendo pelo método de condensação ou de eliminação de Gauss. portanto: (i) Para o sistema ter uma solução única. é necessário que o coeficiente de z seja diferente de zero. Assim. a terceira equação é 0 = 5 e o sistema não tem solução. Drª. (iii) No caso de a = -3. que dependa de parâmetros. Se ele for possível de solução. nossa análise será feita sobre essas igualdades. Para k2-5k+6 = 0 ⇒ k = 2 ou k = 3. (3 + a) (2 . x + y − z = 1 x + y − z = 1   ~ 2 x + 3 y + az = 3 → L2 = −2 L1 + L2 ~ . 16 PINTO (1997:13) Prof (ªs): MSc. ou seja.

Sandra Regina da Silva Fabris . para que o sistema S de equações admita solução: 5 x − 4 y = 0 2 x − y = k  3 Determine o valor de k.Elisa Netto Zanette. Drª. kx + y + z = 0  4 Considere o sistema S de equações  x + ( k + 1) y + z = 1 − 2 x + (k + 2) y + 2 z = t  Discuta-o. dependem dos valores de k . é com você! Resolva a lista 7 de Atividades Agora é com você! Lista 7 de atividades 4 x + 3 y = 2  1 Encontre o valor real de “a”. Agora. sendo S = 5 x − 4 y = 0 2 x − y = a  − 4 x + 3 y = 2  2 Encontre o valor real de k. para que o sistema S admita solução. Vejamos: Se k = 1 não existe solução para y então o sistema é impossível. Se k ≠ 2 ou k ≠ 3 existe solução determinada para z. Resumindo: O sistema é impossível para k = 1.3k+2) seja solução da equação linear x -2y + z = 7.Álgebra Linear 66 (a) Para (−k 2 + 5k − 6) z = 2t (−k + 2) − 2 ⇒ z = 2t (− k + 2) − 2 . pela regra de Cramer. Vejamos: Se k = 2 ou k = 3 não existe solução para z. O sistema é possível e determinado para k ≠ 2 ou k ≠ 3 . Respostas: 2) k=-6. Se k ≠ 1. − k 2 + 5k − 6 As possíveis respostas para z. k = 2 ou k = 3. então o sistema é possível e determinado. em função dos parâmetros reais k e t Resolva-o. então o sistema é impossível. dependem dos valores de k . Neste caso o sistema possível e determinado. tomando k=1 e t = 0. k tem solução se k ≠ 2 ou k ≠ 3. 1− k As possíveis respostas para y. Ledina Lentz Pereira e MSc. (b) Para (1 − k ) y + (−2 + k ) z = 0 temos y = (−2 + k ) z . 3) k=-2 Prof (ªs): MSc.. para que (5.k-1.

a23 a31) + a13 (a21 a32 .(-10)= -10.(-19)= -19. de onde foram retiradas a i-ésima linha e a jésima coluna e Cij é o cofator dos elementos de A.a23 a32) . C21 = (-1)2+1 . podemos encontrar o determinante de uma matriz fazendo: det A = a11 |M11 | . se define como cij = (−1) i + j M ij sendo |Mij| o MENOR complementar do elemento aij da matriz A. det A = a11 det A = a11 M 11 . C13 sendo onde Mij a sub matriz encontrada da matriz inicial A.(-1)= 1 7 3 7 1 Prof (ªs): MSc. pelo Teorema de Laplace. Sandra Regina da Silva Fabris . =1.a12 a21 a31 a23 a33 + a13 a21 a31 a22 a32 det A = a11 (a22 a33 . Assim.Álgebra Linear 67 APÊNDICE A Matriz de Co-Fatores e Adjunta Clássica. o determinante da submatriz resultante se chama o MENOR do elemento aij e é indicado por |Mij|. obtemos a matriz de cofatores de A (Cof A). 7 1 1 3 −1 1 −1 0 C22 = (-1)2+2 . indicado por Mij. Drª. Exemplo: a11 a12 a13  a22   Se A = a21 a 22 a 23 então o MENOR de a11 é M 11 =    a32 a31 a32 a33    a23  = a22 a33 − a23a32 = a33   Ou: Menores e co-fatores (definição): Seja A = [aij] uma matriz quadrada de ordem n ≥ 2 sobre um corpo K.a12 M 12 + a13 M 13 a22 a32 a23 a33 .(13)=-13 1 3 7 3 2 3 0 1 C13 =(-1)1+3 .a22 a31) −1 0 1    Exemplo 1: Seja A =  2 3 − 1 .C12 + a13 . Seja Aij a sub matriz de A obtida suprimindo-se a i-ésima linha e a j-ésima coluna de A.(-1)= 1. =(-1). Note que: Se a i-ésima linha e a j-ésima coluna de uma matriz A forem suprimidas. =(-1). =(-1). Assim.(0-1)=(-1). Ledina Lentz Pereira e MSc. O co-fator do elemento aij de A é o produto de (-1)i+j pelo menor de aij.(9+1) = 1. A matriz dos cofatores dos elementos de A é definda em: 7 1 3   3 −1 2 −1 C11 = (-1)1+1 . C12=(-1)1+2. Encontrando todos os cofatores dos elementos aij da matriz. O menor do elemento aij de A é o determinante da sub matriz Aij.(6+7)=(-1).(2-21) = 1. =1.Elisa Netto Zanette. Aplicação de Determinante: Adjunta Clássica e Matriz Inversa 1 Encontrando a Matriz de Co-fatores O Cofator de um elemento aij de uma matriz A indicado por Cof (A) ou C. C11 + a12 . =1.10 = 10. indicado por Cij = (-1)i+j .(-1-0)=(-1). Mij. C23 = (-1)2+3.(-3-7)=1.a12 (a21 a33 .a12 |M12 |+ a13 |M13 | ou det A = a11 .

obtemos a matriz de cofatores de A (Cof A). 10 + 0.(-13) + 1.Elisa Netto Zanette. indicado por C. por definição.(-19) = -29 I é denominado menor complementar de aij • Denomina-se Cofator de aij ao número Cij = (-1)i + j . C31 = -3. C32 = -1.C12 + a13 . definida em Cof (A)3x3 =  1 − 10 1  − 3 −1 − 3    Aplicando os Teoremas de Laplace temos: det A = a11 . Mij . Ledina Lentz Pereira e MSc. se define como Encontrando todos os cofatores dos elementos aij da matriz. Vimos que. representada por Adj A.  1 0 1   Assim. C13 Proposições: • O determinante I M ij ⇔ Det A = (-1). Resolução: Para obter a adjunta de uma matriz quadrada A. A Matriz Adjunta de uma matriz A. se A =  2 1 0  então a sua matriz de cofatores é:  −1 1 0   Prof (ªs): MSc. Formada a matriz dos cofatores. Sandra Regina da Silva Fabris . 2 Encontrando a Matriz Adjunta Clássica C onsideremos uma matriz quadrada de ordem n. formamos a matriz dos cofatores dos elementos aij de A. Exemplo 1: Encontrar a matriz adjunta de uma matriz A. Denominamos de matriz Adjunta Clássica de A a transposta da matriz dos cofatores (Cof A) dos elementos aij de A. a sua transposta será a matriz adjunta. Pode-se desenvolver um determinante de ordem n > 3 pelo procedimento de Laplace. A = (aij ) sobre um corpo K. Para |Mij| o menor complementar de um elemento da matriz.Álgebra Linear 68 Idem para C31 = -3. o cofator de aij é o produto de (-1)i+j pelo determinante da submatriz de A que obtemos removendo a linha e a coluna que passam por aij. C11 + a12 . isto é Adj A = (Cof A)t . C 21 L C m1   C 22 L C m 2  M M   C 2 n L C mn   Lembre-se que: O cofator do elemento aij de uma matriz A. indicada por (Adj A) é a transposta da matriz de cofatores. inicialmente.  C11  a11 a12 L a1n   C11 C12 L C1n       C  a 21 a 22 L a 2 n   C 21 C 22 L C 2 n  t  12 → Cof A=  → Adj A= (CofA) =  A=  M M M  M M M  M      a  C  C  m1 a m 2 L a mn   m1 C m 2 L C mn   1n cij = (−1) i + j M ij .  10 − 13 − 19    Temos então a matriz de cofatores de A. Drª.

Note que.-1+0. estranha. Igualmente. uma matriz e sua adjunta comutam. Qual o sentido de formar uma matriz por meio de tantos artifícios? A idéia de formar uma adjunta surge naturalmente quando se toma conhecimento de dois resultados clássicos sobre determinantes: Os teoremas de Laplace e Cauchy. É o famoso desenvolvimento por cofatores de um determinante. Observe: No Ex. A soma dos produtos dos elementos de uma fila (linha ou coluna) pelos cofatores dos elementos de uma fila paralela é igual a zero. obtemos a adjunta de A ou Adj A =  0 1 2  = Ct 3 −1 1    Saiba Mais: A primeira impressão quando nos deparamos com a definição de adjunta é. obtemos: Verificando: 1ª linha de A x 2ª linha de C = 1.0+0. 1    0 Cof A =  c 21 = (−1) 2 +1 .Elisa Netto Zanette. Prof (ªs): MSc. −1 2 1    Se formarmos a soma dos produtos dos elementos da primeira linha pelos seus respectivos cofatores.1 a matriz A =  1 0 1    2 1 0  −1 1 0   tem com matriz de cofatores 0 0 3   C=  1 1 − 1 . Adj A = Adj A . −1 0 1 1 2 0 c 22 = (−1) 2+ 2 c 32 = (−1) 3+ 2 . 1º: Teorema (elementar) de Laplace. Os teoremas de Laplace e Cauchy podem ser integrados numa única definição: “Se A é uma matriz quadrada de ordem n então A. em geral. 3  1 − 1 2 1  0  0 1 − 1   Transpondo a matriz dos cofatores.1+1.1+1. indicado Det A = a11. Drª. 2º: Teorema de Cauchy.1+0. Ledina Lentz Pereira e MSc. Adj A = Det A . o resultado será o determinante ou seja.(1) = -1 + 0 +1 1 = 0.Álgebra Linear 69   1+1 1  c11 = (−1) . pelo Teorema de Laplace. A ou seja. A. para toda matriz quadrada.(-1) = 1 + 0 – 1 = 0. 1ª linha de A x 3ª linha de C = = 1. verificamos o Teorema de Cauchy: Somando os produtos dos elementos da primeira linha pelos cofatores dos elementos de outra linha é zero. −1 0 1 1 . multiplicando os elementos da 1ª linha de A pelos cofatores dos elementos da 2ª linha e somando os produtos. Sandra Regina da Silva Fabris .c13 = 1. Assim.  1    c = (−1) 3+1 . 2 1     c13 = (−1)1+ 3 .3 = 3 Isto vale para qualquer linha ou coluna.-1+1. Você pode verificar com as outras linhas e colunas. 0  31 1    0 0 1 0 1 0 c12 = (−1) 1+ 2 2 0 .c12+ a13.c11 + a12. para qualquer fila. In sendo In a matriz identidade de ordem n”. 2 1  −1 1    0  0 2 +3 1 c 23 = (−1) . isto é. A soma dos produtos dos elementos de uma fila (linha ou coluna) por seus respectivos cofatores é o determinante da matriz.   −1 1  =  1  −1   1 0  c 33 = (−1) 3+3 . o determinante de A.

(-1). n × n. Sandra Regina da Silva Fabris .  − 18 2 4    Matriz de cofator de A ou (Cof A) =  − 11 14 5  .  − 18 − 11 − 10    Transposta da Matriz (Cof A) = (Adj A) =  2 14 − 4   4 5 8    Prof (ªs): MSc. de ordem n tem inversa A-1 se (A. com n ≥ 2. pelo conceito aplicado a 1 −1 5    determinante e adjunta clássica (Adj A). Como det A ≠ 0 então A tem inversa.(-4).5]+[3. Drª. Ledina Lentz Pereira e MSc.1]+[(-4). 7 1 3 − 3 −1 − 3      Aplicando os Teoremas de Laplace ou Cauchy. uma matriz quadrada A.0.A-1)=(A-1. encontramos a matriz Adjunta Clássica de A: 1 − 3  10   Adj (A)3x3 =  − 13 − 10 − 1   − 19 1 − 3   Proposição: Para toda e qualquer matriz quadrada A temos que. então: A–1 = 1 . A matriz dos cofatores de A é definda em Cof (A)3x3 =  1 − 10 1  . então det A ≠ 0 e det A-1 = 1/det A Se A é uma matriz inversível.Elisa Netto Zanette. b) Substitua cada elemento aij de A por seu cofator para obter a (Cof A). A x (Adj A) = (Adj A) x A = (det A) x I. podemos fazer a verificação se os resultados encontrados estão corretos.0. Adj A det A  2 3 − 4   Exemplo: Encontre a matriz inversa da Matriz A =  0 − 4 2  . Resolução: a) Ache o determinante de A. A partir da matriz de cofatores de A. As proposições relacionadas ao determinante são: Se A tem inversa.(-1)]-[(-4). Decorre da definição algumas proposições.2][5.A)=I.2.(-4).Álgebra Linear 70 Exemplo 2: −1 0 1   10 − 13 − 19      Seja A =  2 3 − 1 .3] = -40 + 6 + 0 – 16 + 4 – 0 = -46. c) Obtenha a transposta da Matriz (Cof A) = (Adj A). Determinante de A → det A = [2. 3 Encontrando a Matriz Inversa por Determinante V imos que. d) Divida cada elemento da matriz adjunta por |A|. Verifique por Laplace que a matriz  − 10 − 4 8    encontrada está correta.1]-[2. sendo I matriz identidade de ordem n.

B-1 − 1/ 4 0   0 0 1 0 = I.A = 0 − 1 2 . C =   5 3     2 5 3  5 4 3     -1 1 1 0   3 Encontre a inversa A da matriz A =  0 − 1 2  e prove que A. Adj B =  − 3 − 1 6  . Matriz Inversa e Adjunta Clássica 1 1 0   1 Dadas as matrizes A =  1 1 1  e B = 0 2 1   1 2 2    3 1 0  . 4c) Transposta de  − 3  Prof (ªs): MSc. Portanto A–1 = A =  2 − 46  5 8   4  –1 5 / 23   9 / 23 11 / 46    − 1 / 23 − 7 / 23 2 / 23  . Drª.  − 2 / 23 − 5 / 46 − 4 / 23    Verifique que A.(d) 1 1 1  . 2 1 − 2 = 0     2 / 11  1 / 66 − 5 / 66  1 0 1 1 1 −1 0   17 − 7  Determinante de A = Det(A) = |A| = -24. (3) A. B =  1 3 2  . encontre (a) Adj A. (4) a) 0 1 − 9 3  . 5. Ledina Lentz Pereira e MSc. (b) Determine a matriz de cofatores de 2 1 3 A.(f)  0 1 1   2 −1 1   −1 1 1  1 0 1 1 − 1 2   − 1 1 1  1 − 1 − 1             0 − 2 −1 −1 1   1  − 1/ 8      1 − 1 =(Cij)t .(e)  1 1 1 . Adj A det A  − 18 − 11 − 10   1  14 − 4  .Elisa Netto Zanette. C =   − 5 12  . (b) Adj B 1 1 1     2 1 3 2 1 7     12 7  2 Determinar a inversa das matrizes: A =  4 2 2  . Sandra Regina da Silva Fabris . Encontre a matriz inversa pelo processo de inversão (ou triangulação).(c)  1 − 1 1 .Álgebra Linear 71 Divisão de cada elemento da matriz adjunta por |A| ou seja A–1 = 1 .A-1 =I 1 0 1   1 2 3 4 Considere a matriz A = 5 7 4 : (a) Encontre o determinante de A. (c) Encontre a matriz Adjunta de A. 4b) Matriz Cofatores Cof (A) =C= − 3 − 3  − 13 11  Respostas: 1) Adj A=  − 1 3 / 8 − 1/ 8  0 1 / 4  .(b)  1 1 1  . 2) A-1 =  − 1 / 4  2 −2 0   2  1/ 2 1 − 5      1 1 0 −1 −1 2 1  − 1 / 11 − 17 / 66 19 / 66    -1  3 − 7  -1 =  − 1 / 11 9 / 22 − 1 / 22  . para:  1 1 1  2 1 0  2 2 1 1 2 1   1 − 1 1  1 −1 1              (a)  − 1 1 2  . (d) Calcule a matriz inversa de A. A-1 = I Resolva a Lista De atividades Lista de atividades – Determinantes.

Papirus. 1997. São Paulo. HAZZAN. 6. Nilo. LINS. Fundamentos de matemática elementar 4: seqüencias.Elisa Netto Zanette. MURAKAMI. Atual. 504 p. BUSBY.ed Rio de janeiro: LTC. Florianópolis: Ed. R. matrizes. Álgebra linear e suas aplicações.. 2007.ed SP: Ed. 1999. 1975. David C. Joaquim. Ledina Lentz Pereira e MSc. Prof (ªs): MSc. Álgebra Linear. 5(b)  1  −1 / 7 3 / 7   −1 3 / 2 −1 / 2  −1 − 4 2/7      t 13 / 24   17 − 3 − 13  − 17 / 24 1 / 8  − 7 − 3 11  =  7 / 24 1 / 8 − 11 / 24  5(a)    − 9 3 − 3   3 / 8 −1 / 8 1/ 8      − 5  − 3 5 − 1    3  . SP: Ed. 4. 581 p. Sandra Regina da Silva Fabris . Drª. STEINBRUCH. STEINBRUCH.C. Paulo.518 p. KUHLJAMP. Alfredo. Álgebra linear com aplicações. LEON. UFSC. 1999. IEZZI. 5(c)  0 − 3  5 / 7 − 1 / 7 − 3 / 7  .4. Trad. Alfredo.I. Álgebra Linear Contemporânea. Samuel. 5(f)  − 1 / 2 1 1 / 2  .5(d)  1 − 1 0  . 1993. 1987. Matrizes e Sistemas de Equações Lineares. Romulo Campos e GIMENEZ. McGraw-Hill. Álgebra linear e geometria analítica. v. 4d) A–1 = . determinantes. RJ: Makron Books. C. H.   A 24 − 9 3 − 3    4  3 / 7 − 2 / 7 1/ 7   0 1 / 2 −1 / 2 1      −1 1  . LAY. 2006.5(e)  2 −3 1  6     1 / 2 −1 / 2 1 1   0  0     0  .Adj A = − . sistemas. Perspectivas em Aritmética e Álgebra para o século XXI. Gelson.Verificação:  −1 / 2 1 / 2  1/ 2  1 / 2 0 −1 / 2 0 1/ 2      1 0 0 AA−1 = 0 1 0   0 0 1   Bibliografia ANTON.Álgebra Linear 72  17 − 3 − 13 1 1   C = C =Adj A= − 7 − 3 11 . 390 p.Doering. Porto Alegre: Bookman. WINTERLE. Carlos. 2. Steven J.ed Rio de Janeiro: LTC.

You're Reading a Free Preview

Descarregar
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->