Você está na página 1de 72

Álgebra Linear 1

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

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

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

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 4

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

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 5

3 Encontrando a Matriz Inversa por Determinante............................................................................... 70


Lista de atividades – Determinantes, Matriz Inversa e Adjunta Clássica......................................................................... 71
Bibliografia........................................................................................................................................................................ 72

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

C
CAAPPÍÍTTUULLOO II
MATRIZES, DETERMINANTES E SISTEMAS

A
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

F
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.
VVooccêê ssaabbiiaa qquuee::
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

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 7

C
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 aij, 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 Amxn.

Exemplo 1:

2 −1 0 
(a) A2x3 =   é uma matriz de 2 linhas e 3 colunas onde cada elemento de A ocupa
4 3 − 5 
um lugar determinado na matriz. O elemento (-5), por exemplo está na segunda linha (i=2) e
terceira coluna (j=3) que indicamos por a23 = -5. Os demais elementos indicamos por:
a11 = 2 a12 = −1 a13 = 0
a21 = 4 a22 = 3 a23 = −5

1 9
(b) B2x2 = é uma matriz de ordem 2 x 2 ou B = [bij]2x2
i 4
(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, 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:

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 8

 4,0 3,5 1,0 


 
 5,0 7,3 8,0 
A4x3 = 
4,8 7,2 3,0 
 
 9,0 8,8 6,5 

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 A3,3. 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.

1,83 72 18 1ª linha


A2x3 = 1,75 54 14 2a linha LINHAS
 

3ª coluna
2a coluna COLUNAS
1a coluna

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 9

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:

 a11 a12 a13 ... a1n 


 
 a21 a22 a23 ... a2 n 
Amxn =  , com m e n ∈ N*
... ... ... ... ... 
 
a am 2 am 3 ... amn 
 m1
Indica-se a matriz acima por:
Amxn = [ aij ] m x n com i ∈ {1, 2, ..., m} ⊂ N e j ∈ { 1, 2, ..., n} ⊂ N ou
Amxn = [ aij ] , (1 ≤ i ≤ m e 1 ≤ j ≤ n).
Note que cada elemento aij 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 a25
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 = (aij)3x2 sabendo que aij = 2i – 3j.
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. Então m x n = 3 x 2 = 6. Assim, nossa matriz tem 6 elementos e sua
 a11 a12 
 
representação genérica é A3x2 =  a21 a22  . Logo, para aij = 2i – 3j temos:
a a32 
 31
⇔ a11 = 2.1 - 3.1 = 2 – 3 = -1
a12 = 2.1 – 3.2 = 2 – 6 = -4  −1 − 4
a21 = 2.2 – 3.1 = 4 – 3 = 1  
A matriz procurada é A3x2 =  1 − 2
a22 = 2.2 – 3.2 = 4 – 6 = -2
6 3 
a31 = 3.3 – 3.1 = 9 – 3 = 6 
a32 = 3.3 – 3.2 = 9 – 6 = 3.

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 10

3. Tipos de Matrizes

A
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.


 a11 a12 a13 a14 

Exemplo: A3x4= a21 a22 a23 a24  é uma matriz retangular de ordem 3 × 4 ou A = [aij]3x4

a31 a32 a33 a34 
2. Matriz Linha ou vetor linha: É a matriz de ordem 1 x n, ou
seja, formada por uma única linha. Exemplo: A1x4 = Note que: Matrizes com a
característica de ser linha ou
(3 − 1 5 8) coluna têm papel importante
3. Matriz Coluna ou vetor coluna: É a matriz de ordem m x 1, na Álgebra e são
denominadas vetores. E
 − 4
ou seja, com uma única coluna. Exemplo: B2x1 =   . estes têm representação
 9  geométrica no plano e no
espaço tridimensional.

4. Matriz Nula ou matriz nula: É a matriz em que todos os elementos são nulos. É representada
0 0 0 
por 0m x n. Exemplo: 02x3 =  
0 0 0 

Exemplo complementar: A tabela a seguir apresenta os preços dos produtos químicos para
tratamento de água P1, P2, P3, P4 das empresas A, B, e C.
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, formada por 3 linhas
e 4 colunas.
 Os preços da empresa A formam a matriz linha 1x4 indicada por A =
(190 182 204 179) . Idem para os preços das empresas B e C.
 Os preços do produto P1, relacionados as empresas A, B e C formam a matriz coluna
190 
 
3x1, indicada por P1=  191  . Idem para os produtos P2, P3 e P4 .
192 
 
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:
 a11 a12 a13 
  1 − 3
A3x3= a21 a22 a23  e B2x2=   . A é uma matriz quadrada de ordem 3 e B tem ordem 2.

 0 4 
 a31 a32 a33 
Os elementos aij da matriz quadrada quando i = j formam a diagonal principal da matriz.
A outra diagonal é chamada diagonal secundária.

 a11 a12 a13 


 Diagonal secundária
Exemplo: A3x3= a21
 a22 a23 
 a31 a32 a33 
Diagonal principal

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 11

Na diagonal principal estão os elementos que têm os dois índices iguais → a11, a22, ... ann

Na diagonal secundária estão os elementos aij tais que i+j = n+1 ou seja, que têm soma dos
índices igual a n+1 → São: a1n, a2(n-1), ... an1.

As matrizes quadradas se classificam em:


5.1 Matriz diagonal: É a matriz quadrada em que 5 0 0
todos os elementos que não estão na diagonal 
Exemplo 1: D3x3 = 0 − 31 0
principal são iguais a zero ou seja, se A=[ aij ], 
então aij = 0 quando i ≠ j. Indicamos por D = 0 0 2
diag (a11, a22, ... ann ).

5.2 Matriz identidade ou matriz unidade: É a 1 0 0


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. É representada por In, sendo n a ordem
da matriz ou simplesmente I. Pode ser representada genericamente por:
1, se i = j
Ou, matriz identidade é uma matriz diagonal In = [ aij ] com aij = 
com os elementos não nulos iguais a 1. 0, se i ≠ j
Note que: A multiplicação de qualquer matriz
pela identidade resulta na matriz original.
5.3 Matriz escalar ou singular: É a matriz 5 0 0
diagonal cujos elementos da diagonal principal 
Exemplo: A3 = 0 5 0
são iguais. Note que toda matriz identidade é 
uma matriz escalar. 0 0 5

5.4 Matriz triangular superior: É a matriz 5 6 8


1
quadrada cujos elementos abaixo da diagonal 0 2 2 1 
principal são nulos ou é a matriz A=[aij] cujos Exemplo:A4 = 
elementos aij são nulos (aij = 0) para i > j 0 0 − 1 0
 
0 0 0 2 

5.5 Matriz triangular inferior: É a matriz 5 0 0


0
quadrada cujos elementos acima da diagonal 0 2 0 0
principal são nulos ou é a matriz quadrada Exemplo:A4 = 
A=[aij] cujos elementos aij são nulos (aij = 0) 9 1 − 1 0
para i < j  
3 2 5 2

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

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 12

4. Proposições: Igualdade de Matrizes e Matriz Oposta

4.1 Duas matrizes de mesma ordem podem ser iguais.


Duas matrizes A = [ aij ] e B =[ bij ], de mesma ordem, são iguais se, e somente se, todos seus
elementos correspondentes são iguais ou seja, se aij = bij.

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.

a b   1 6
Exemplo 2: Seja A =   e B =   . A=B se a = 1, b = 6, c = -1 e d = 5.
c d  − 1 5
1 − 4  x z − 2
Exemplo 3: Seja A =   e B =   temos que A = B ou B = A se
2 2   y +1 w 
x = 1 x = 1
y +1 = 2 y =1
1 − 4  x z − 2  
  =   ⇔  ⇔
2 2   y +1 w   z − 2 = −4  z = −2
w = 2 w = 2
4.2 Toda matriz A tem uma matriz oposta (-A).

Se A = [ aij ] m x n então existe uma matriz oposta de A representada por (-A) de modo que aij
= - aij. A matriz (-A) oposta de A é obtida trocando-se todos os sinais dos elementos de A ou
multiplicando A pelo escalar (-1).

 1 − 3 −1 3 
Exemplo 1: Se A=   então (-A) =   .
 0 4   0 − 4 
1 − 4  −1 4 
Exemplo 2: Se A=   então B é oposta de A se B =  
2 2   − 2 − 2

5. Matriz Transposta

D
ada uma matriz Am,n, chama-se transposta de A a matriz At que se obtem trocando
ordenadamente as linhas pelas colunas.
Ou, a matriz transposta de uma matriz A= [aij], de ordem mxn, é a matriz At, de ordem nxm,
que se obtém escrevendo ordenadamente as linhas de A como colunas ou vice-versa.
 −1 − 4
 −1 1 6  
Exemplo: Se A =   então At =  1 − 2
 − 4 − 2 3 6 3 

Note que a 1ª linha de A corresponde à 1ª coluna de At 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.

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

6. Simetria em Matrizes

U
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 = At. É a matriz cujos elementos aij =
5 0 2
aji. Em geral a matriz simétrica é indicada pela Exemplo: A =
0 3 − 1 = At = S
letra S  
2 − 1 7 
Também podemos dizer que: Se uma matriz
(quadrada) A e a sua transposta At são iguais, isto Observe que na Matriz simétrica os
é, as aij = a ji para todo i e j, então a matriz A é elementos dispostos simetricamente em
simétrica (com relação a sua diagonal principal). relação a diagonal principal são iguais.
t
A = A  Matriz Simétrica Neste exemplo, temos:
 a12 = a21= 0
 a13 = a31= 2
 a23 = a32= -1
6.2 Matriz anti-simétrica: É a matriz quadrada de 0 5 − 2
ordem n tal que At = (-A) ou é a matriz cujos 
elementos aij = (-aji) para i≠j e aij=0 para i=j. Em Exemplo 1: A= − 5 0
 1  =-At = S´
geral a matriz simétrica é indicada pela letra S´  2 − 1 0 
A = -At  Matriz anti-simétrica
Observe nos exemplos que, como A=(-At ) então A 0 − 4 1
é simétrica e 
Exemplo 2: B= 4 0 3 =-Bt = S´

 a12 = - a21,
 a13 = - a31, − 1 − 3 0
 a23 = - a32
 a11 = a22 = a33 = 0
N
Noottee qquuee:: 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.

Agora, tente você!

Resolva a lista de atividades 1

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 14

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 1o mês, 100 Gols, 22 Zafiras e 6 Passats no 2o 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:


− 1 se i ≠ j
(a) A=(aij)3x2 com aij=i–5j (b) B=(bij)4x4 com bij = 
0, se i = j

3.Encontre as matrizes definidas em:


(b) B=(bij)3x3 com bij =i2+j2
(a) A=(aij)3x2 com aij=4i–j

 4i
 se i ≠ j (d) D = (dij)3x3, matriz identidade
(c) C=(cij)2x3 com cij =  j
2i + j , se i = j

4,0 3,5 1,0 
5,7 7,3 8,0 
4.Considere a matriz B =  . Encontre os valores dos seguintes elementos de B:
 4,8 7,2 3,0
 
9,0 8,8 6,5
a) b11 b) b21 c) b12 d) b32 e) b42 f) b24

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.
1 3 x+5 4 1 3 6 4
9. Considere as matrizes retangulares A = eB= .
0 0 2 6 0 0 y−4 6
(d) Determine os valores de x e y de forma que as matrizes A e B sejam iguais;
(b) Encontre At e Bt.
1 2 − 3
10. Determine a matriz oposta de A2x3 = 0 5
 2 
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.
i − j se i = j
13. Encontre a transposta da matriz A = [aij]3x2 em que aij = 
 j − i se i ≠ j
14. Para a matriz linha A = [aij]1x3 em que aij =2i-j, prove que (At)t = A.
15. Encontre a matriz diagonal A = [aij] de ordem 3, sabendo que aij = 3i-j. Após, determine a
soma dos elementos da diagonal principal com os elementos da diagonal secundária.

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 15

0 2 4 0 − 6 5
   x 3 1 encontre os valores de x, y e z para B = At.
16. Para A = − 6 3 y e B =  
5 1 2  4 8 z 

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 aij = i+j e bij = i-j.
1 3 4
19. Considere a matriz A = x 9 y . Para que valores de x, y e z, A é uma matriz simétrica.
z 8 −1

Respostas da Lista de Atividades 1

(1) Gol Zafira Passat 106 40 12 


100 22 6 
M1 106 40 12  
M2 100 22 6  86 40 20 
3 86 40 20
 0 − 1 − 1 − 1
− 4 − 9   3 2  2 5 10 
   − 1 0 − 1 − 1      3 2 4 / 3
(2) A= − 3 − 8 (2) B =
   − 1 − 1 0 − 1 (3) A =  7 6  (3) B =  5 8 13  (3) C =   ;
− 2 − 7   11 10  10 13 18  8 6 8 / 3
−1 −1 −1 0     
 

1 0 0
 
(3) D =  0 1 0  (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;
0 0 1
 

106 5 2 
(5) 1x8, 4x2 e 2x4
 
(6) 4x7 = 28 elementos (7) 98 45 10 (a) modelo A; (b) mês 07; (c) mês 06 = 113; mês 07 =
 
115 15 20
153 e mês 08 = 150. Ao final de 3 meses financiaram 416 carros.

2 0 0 0 1 0 0 0 0
106 3 2  0 − 3 − 2  
(8)(a) S =  
(b) E= 0

2 0 0 (c) I =  0 1 0 0 0  (9a) x=1 e y = 6
 ; S= 
 3 45 − 4  3 0 4   0 0 1 0 0
0 0 2 0  
 2 − 4 20  2 − 4 0    0 0 0 1 0
0 0 0 2
 
0 0 0 0 1
1
(9b)At= 
0 t
B ; (10) (-A)= 
−1 −2 3  , (11) A=  2 5 10  , (-A) =  − 2 − 5 − 10  (12) D = 2 0 0 0
= Dt.
0  0    0 0
3 − 5 − 2   0 8 13  3 0
  0 − 8 − 13  
6 2  0 0 18   0 0 − 18  0 0 − 1 0
      
4 6 0 0 0 7
1 0 0   2 0 0
(1 0 − 1) , At =   , (At)t = (1 0 −1) = A (provado) (15) D =  11
a
(13) At 0 − 1 − 2 (14) A = = →
1 0 − 1 0
   0 a 0   0 4 0
  −1
22

 
 0
 0 a33   0 0 6 
(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-
 2 3 4  0 0 0
simétrica pois aij ≠ 0 para i = j; (18) A =  , B =   (19) A é simétrica para x=3, y = 8 e z = 4
 0 4 5   1 0 0
 0 0 6  2 1 0
   

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 16

7. Operações com Matrizes

7.1 Adição e Subtração de matrizes

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

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:

cij = aij - bij

Assim, duas matrizes podem ser somadas (ou subtraídas) se e somente se elas possuem a mesma
dimensão a ij = bij

a11 a12  b11 b12  a11 + b11 a12 + b12 


Exemplo 1: Se A=  e B=  então A + B =  
a 21 a22  b21 b22  a21 + b21 a22 + b22 

Exemplo 2: A tabela a seguir mostra o número de embalagens em mil, dos modelos C1, C2,
C3 produzidas numa semana pelas industrias A, B e C integrantes de um mesmo grupo
empresarial, numa semana:

C1 C2 C3
A 18 41 17
B 17 52 15
C 25 48 19
18 41 17

A matriz correspondente a produção das embalagens é indicada por P1 = 17 52 15 .

 
25 48 19
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?
18 41 17 18 41 17 36 82 34

1ª semana + 2ª semana = P1 + P2 = 17 52 15 +
 17 52 15 = 34 104 30 .
     
25 48 19 25 48 19 50 96 38
A matriz P1 + P2 indica a produção por empresa e produto ao final de duas semanas. Temos
então:
Indústria A: produziu 36 mil embalagens do modelo C1, 82 mil do C2 e 34 mil de C3.
Indústria B: produziu 34 mil embalagens do modelo C1, 104 mil do C2 e 30 mil de C3.
Indústria C: produziu 50 mil embalagens do modelo C1, 96 mil do C2 e 38 mil de C3.
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 C1 (= 120 000), do modelo C2 (= 282 000), do
modelo C3 (=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)

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 17

 1 4 5 3 1 4 5 3  6 7
Exemplo 3: Se A =   e B =   então A + B =   +   =  
2 0 8 6  2 0 8 6 10 6 
1 4 5 3 1 4 5 3 − 4 1 
Exemplo 4: Se A =   e B =   então A - B =   -   =  
 2 0 8 6  2 0 8 6  − 6 − 6
 1 2 3  3 2 3 
   
Exemplo 5: Se A=  − 4 − 3 − 2  e B=  4 8 − 4  então,
 3 5 7  1 5 3 
  
 1 2 3  3 2 3   1+ 3 2+2 3 + 3  4 4 6 
       
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 

 1 2 3  3 2 3   1− 3 2−2 3 − 3  − 2 0 0
       
A–B=  − 4 − 3 − 2  -  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 

1  7 
Exemplo 6: Se A = [2 b − 1] e B =  2 3 ⇒ A + B =  b + 2 2
3  3 

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

7.2 Multiplicação por um escalar

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

 1 4 k 4k   1 4   5 20 
Exemplo 1: k A = k   =   se k=5 temos 5A=5   =   =B
2 0  2k 0  2 0  10 0 

1 1 1 1 1 
Exemplo 2: Se A= [3 − 2 4] então . A = .[3 − 2 4] =  .3 .− 2 .4 =
3 3 3 3 3 
 −2 4
1 3 3 
.

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 C1, C2, C3 produzidas pelas industrias A,
B e C, numa semana:

C1 C2 C3
A 18 41 17
B 17 52 15
C 25 48 19

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 18

18 41 17
 
A matriz correspondente a produção das embalagens é indicada por P1 = 17 52 15 . Para
 
25 48 19
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?
18 41 17
 
1ª semana: P1 = 17 52 15 = P2 → 2ª semana;
 
25 48 19
18 41 17 36 82 34
   
3ª semana: P3 = 2.P1 = 2. 17 52 15 = 34 104 30 = P4 → 4ª semana;
   
25 48 19 50 96 38
108 246 102

Produção nas 4 semanas: P1+P2+ P3 + P4 = 3. P4 = 102 312 90

 
150 288 114

18 41 17 108 246 102



OU podemos resolver fazendo Pi = 6.P1= 6. 17 52 15 =
 102 312 90 
   
25 48 19 150 288 114

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 C1, C2
e C3 conforme tabela:

Tabela Matriz
C1 C2 C3 18 41 17
A 18 41 17 
V = 17 52 15

B 17 52 15  
C 10 39 16 10 39 16
Se os calçados do tipo C1, C2 e C3 são vendidos respectivamente no valor de 50, 40 e 60 reais cada,
50
 
então os preços das mercadorias podem ser representadas pela matriz P = 40 .
 
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. Assim,

18 41 17 50


 
V = 17 52 15 . P =
40 = 18.50+41.40+17.60 = 900+1640+1020 = 3560 reais → Loja A
   
10 39 16 60

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 19

Da mesma forma, obtemos o valor recebido pelas vendas das lojas B e C.

18 41 17 50


 
V = 17 52 15 . P =
40 = 17.50+52.40+15.60 = 850+2080+900 = 3830 reais → Loja B
   
10 39 16 60

18 41 17 50


 
V = 17 52 15 . P =
40 = 10.50+39.40+16.60 = 500+1560+960 = 3020 reais → Loja C
   
10 39 16 60
Portanto, o valor recebido pelas vendas dos três tipos de calçados nas lojas A, B e C é representado
18 41 17 50 3560

pela matriz V.P = 17 52 15 .
 40 = 3830 . Assim, o valor recebido pelas lojas A, B e C na
     
10 39 16 60 3020
venda mensal dos calçados do tipo C1, C2 e C3 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, P1 e P2. São usados três tipos de
ingredientes na produção: x, y, z nas seguintes proporções:
Tabela Matriz
P1 P2 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. Esta quantidade de
 80 
produtos pode ser representada pela matriz produção P =   .
120 
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
 360 
 
Esta quantidade de produtos pode ser representada pela matriz Pi =  560  .
1080 
 
Podemos obter esta matriz Pi denominada de matriz produto de Ip por P, da seguinte forma:
3 1   3.80 + 1.120   360 
4 2 .  80  =    
  120   4.80 + 2.120  =  560  = Pi
3 7    2.80 + 7.120 
 
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 = 3.80+1.120
560 = 4.80+2.120
1080= 3.80+7.120
Este é mais um exemplo de multiplicação de matrizes.

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
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, utilizamos o símbolo de somatório ∑ (letra


Saiba Mais: sigma maiúscula do alfabeto grego) para representar uma soma. Por exemplo,
a soma a1+ a2+ a3+ a4+ a5 pode ser representada abreviadamente por:
5 5

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


i =1
∑a
i =1
i = a1+ a2+

n
a3+ a4+ a5. Generalizando: ∑a
i=m
i = am+ am+1+ am+2+...+ an. Neste caso, i é o

índice da soma, m é o limite inferior do somatório e n é o limite superior do


somatório.
5
Exemplo: ∑ 3i
i =1
2
= 3.12+3.22+3.32+3.42+3.52=3.1+3.4+3.9+3.16+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. 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 = (aik)mxn e B = (bik)mxp, 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.


p
C = A ⋅ B ⇒ cij =
k =1
( Aik .Bik )
Se considerarmos, por exemplo, as matrizes A = [ aij ]2xn e B = [ bij ]mx1, com m = n, o produto AB,
nesta ordem, é a matriz C = [ cij ]2x1 tal que, cij 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.
1  5 2 4 1 
   4 2 6  
Exemplo 1: Seja A = [3 − 2 4] , B = 2 , C =   eD= 2 3 1 0 .
   
4  2 5 3 1 2 7 6
a) A x B = ?
Resolução: A1x3 x B3x1 = [(3x1) + (-2x2) + (4x4)] = [3-4+16] = [15] = C1 x 1.

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.

c) C x D = ?
5 2 4 1 
Resolução: C2x3 x D3x4
 4 2 6
= 
2 3 1 0 = M =  a11 a12 a13 a14 
x a
  a 24 
2x4
 2 5 3 1 2 7 6  21 a 22 a 23
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 aij 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

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 21

pela 3ª e 4ª colunas de D. Obtemos respectivamente, os elementos a11, a12, a13 e a14


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:
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

 30 26 60 40 
Portanto, o produto das matrizes C(2,3) e D(3,4) é a matriz M(2,4) =  
 23 25 34 20 

1 2  − 1 3
Exemplo6 2: Sejam as matrizes A e B defindas por: A = 3 4 e B =  4 2 . 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:
 c11 c12  1 2 − 1 3
A2x2 x B2x2 = C2x2 c . Fazendo A.B temos A.B = 3 4 .  4 2 =
c 22 
=
 21    
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, Exercícios. (CD-Room). Virtuous Tecnologia da Informação Ltda. 2008

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 22

 c11 c12   7 7 
Portanto, A2x2 x B2x2 = C2x2 c =
c 22  13 17 
=
 21
Observe que, fazendo B.A, neste caso, obtemos um resultado diferente de A.B.
− 1 3 1 2
B2x2 x A2x2 =  . =
 4 2 3 4

 d11 d12   8 10


Portanto, B2x2 x A2x2 = D2x2 d =
d 22  10 16
= .
 21

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. At = I então A é uma matriz ortogonal.

8. Potência de uma Matriz

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

 1 1  1 1  1 1 3 1 3 1
Exemplo 1: A =   → A2 = A.A =   .   =   . Assim, a matriz   é a
 2 0  2 0  2 0  2 2  2 2
potência 2 da matriz A e indicamos por A2.

Note que:

 Se An = A para n ≥ 2 então A é uma matriz periódica. Em particular se a matriz é periódica para


n = 2 ou seja, se A2 = A então A também é chamada de uma matriz idempotente.
 Se existir um número n, inteiro e positivo, tal que An=0 então A é uma matriz nihilpotente.
Note que, se A2 = 0, então A3 = A4 = A5 = ... = 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, A.A =  − 2 3 − 2  .  − 2 3 − 2  =  − 2 3 − 2  =A
 − 4 4 − 3  − 4 4 − 3  − 4 4 − 3
     

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 23

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

 1 1 3 
 
Exemplo 3: A matriz B =  5 2 6  é nihilpotente de ordem 3 porque
− 2 − 1 − 3 

0 0 0   0 0 0
   
A = 0 ou A.A =  3
3
3 9  e A2.A =  0 0 0  = 0.
−1 − 1 − 3   0 0 0
  
Como A3 = 0 então A4 = A5 = ... = An =0
 6 9   12 16 
Exemplo 4: As matrizes A =   e B =   são nihilpotente de índice 2 porque
 − 4 − 6  − 9 12 
A2 = 0 e B2 = 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 A+B=B+C
2) Associativa A+ (B + C) = (A + B) + C
3) Elementro Neutro A + 0 = 0 + A, sendo 0 a matriz Nula
4) Simétrica 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 A(BC) = (AB)C
2) Distributiva em relação à adição (A+B)C = AC + BC ou C(A+B) = CA + CB
3) Elementro Neutro AIn = InA = A, sendo In a matriz Identidade de ordem n
Note que:

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) Se o produto AB é possível, então (kA)B = A(kB) = k(AB) para qualquer k escalar.
(ii) Se AB= 0, não implica necessariamente que A = 0 ou B = 0
(iii) Se AB=AC, não implica necessariamente que B=C
(iv) 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.

 1 − 1  − 1 2 − 4 − 2 − 3 1 
A2x2 =   , B2x2 =   então AB =   e BA =  
− 1 0   3 4  1 − 2  − 1 − 3
(v)
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 4) (At) t = A
2) (kA)t = kA t 5) (-A)t = -(A t)
3) (AB)t = B t A t ⇒ (AB) t ≠ A t B 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
A =   e sua transposta At =   .
04   − 3 4
 1 − 3  1 0  1.1 + (−3).(−3) 1.0 + (−3).4   10 − 12 
 Fazendo A ⋅ At =   ⋅   =  =   = S. Note
0 4   − 3 4  0.1 + 4.(−3) 0.0 + 4.4   − 12 16 
que a matriz resultante S é uma matriz simétrica pois s12 = s21
 1 − 3  1 0   2 − 3
 Fazendo A + At =   +   =   = S
0 4   − 3 4  − 3 8 
Note que a matriz resultante S é uma matriz simétrica pois s12 = s21
 1 − 3  1 0   0 − 3
 Fazendo A - At =   -   =   = S’
0 4   − 3 4 3 0 
Note que a matriz resultante S’ é uma matriz anti-simétrica pois (-s12)= s21

A
Aggoorraa,, tteennttee vvooccêê!!
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; (c) A + (-B); (d) 5A + 3B.

1 − 1  4 − 5  9 1 − 1  1 1 − 1
2. Considere as matrizes A =   , B =   , C =   e D =   .
2 − 2  0 − 2 2 −1 3  2 4 3 
(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    
5. Considere as matrizes A =   , B = −1 2 − 7 e C = 3
   4 2 . Encontre as
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
Álgebra Linear 26

 sen α - cos α   6 10   5 10 
9. Considere as matrizes A =  , B =   e C =   .
 cos α - sen α   − 3 − 5  − 2 − 4
(a) Mostre que A.At = 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 B2 e C2 somente.
 6 9   12 16 
10. Verifique se as matrizes A e B são nihilpotentes, para A =   e B =  
 − 4 − 6  − 9 12 
1 0 0  2 0 0
   
11. Dadas as matrizes diagonais A =  0 1 0  e B =  0 4 0  calcular AB e classificar este produto.
0 0 8  0 0 6
   
 − 2 1 − 1
 
12. Considere a matriz A =  2 − 3 2  . Calcule A2 e classifique A. (STEINBRUCH, 1987, p.413)
 4 −4 3 
 

Respostas da Lista de Atividades 2

2 3  0 − 1 2 2  2 4  10 12 
 
(1) A = 3 4 , B =
1 0  (a) A+B= 4 4 (b) A+(-B)= 2 4 (c) 5A+3B= 18 20
         
4 5 2 1  6 6 2 4 26 28

 4 − 3 − 6 6  7 2 − 4   − 6 − 16 − 19   1 − 14 − 23 
(2a) A.B =   ≠ B.A =   (2b)   +   =   .
8 − 6   − 4 4 14 4 − 8   − 4 − 8 − 6  10 − 4 − 14 
(2c) Não é possível determinar o produto C.D pois a dimensão das linhas de C é diferentes da dimensão das colunas de D.

1 1 1  − 1 − 4 − 9  0 − 3 − 8  2 5 10 
       
(3) A =  4 4 4  , B=  − 1 − 4 − 9  (3ª) A+B=  3 0 − 5  , (3b) A+(-B)=  5 8 13 
9 9 9  − 1 − 4 − 9 8 5 0  10 13 18 
      

 − 6 − 24 − 54   − 3 − 12 − 27   − 98 − 98 − 98   − 101 − 110 − 125 


       
(3c) − 24 − 96 − 216  (3d)  − 12 − 48 − 108  +  − 98 − 98 − 98  =  − 110 − 146 − 206  (4a) A+At=S =
 − 54 − 216 − 486   − 27 − 108 − 243   − 98 − 98 − 98   − 125 − 206 − 341 
      
 4 9 12   0 1 6 
   
 9 14 7  S é simétrica pois aij = aji para i ≠ j . (4b) A-A =P=  − 1
t
0 − 5  S é anti-simétrica pois aij = (-aji) para i ≠ j e
12 7 4  − 6 5 0 
  
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)
 4 −4 6   0 − 10 − 4   0 4 − 3
 13 − 11      
para i ≠ j e aij = 0 par i = j. (5a) S=   (5b)  − 4 8 − 7  (5c) 10 0 11  (5d)  − 4 0 − 8  (5e)
 − 11 74   6 − 7 12   4 − 11 0   3 8 0 
     
8 2 13   759 
   
 2 4 − 6  (6a) x = 759, y = 1176 e z = 363 ou 1176 . (6b) O custo por amostra é: E1 = R$ 32,40; E2 = 41,50 ou C
13 − 6 − 18   363 
 
 75 
= (32,40 41,50) . O custo total para a produção das amostras é de R$ 6.414,00 = (32,40 41,50)   . (7a) E =
 96 

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 27

− 2 7 1 4 0 0 
   
 0 3 7  ; (7b) F =  2 1 0  ; (7c) E é triangular superior e F é inferior. (8) Criar matrizes e provar. (9a) Fazer A.At
 0 0 4  1 3 − 1
   
e mostrar que o resultado é a matriz identidade (Dica: lembre-se que sen2x + cos2x = 1). (9b) As matrizes B e C são
idempotentes de ordem 2 ou de período 1 porque B.B=B2=B e C2=C.

2 0 0 
 
(10) A e B são nihilpotentes de ordem 2 pois A2=0=A3=A4 =... Idem para a matriz B. (11) AB=  0 4 0  e AB é diagonal.
 0 0 48 
 
 2 −1 1 
 
(12) A =  − 2 3 − 2  . Como A2 ≠ A não é idempotente.
2

− 4 4 − 3
 

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

10. Equivalência de Matrizes

D
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 ( Li 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. Li ⇔ Lj 1. Troca de linhas entre si;
2. Multiplicação de linha por escalar;
2. Li ⇔ k.Lj com k ≠ 0 3. Substituição de uma linha pela adição de k vezes
3. Li ⇔ k.Lj + Li com k ≠ 0 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 .
1 2  1 2 
Exemplo 1: Se A =   então podemos encontar uma matriz B =   dita
3 − 4 0 −10
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 distinguidos8 são únicos não nulos de suas respectivas colunas;
 os elementos distinguidos são iguais a 1.
1 0
Exemplo 2: B = 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.
 2 −1 0 1 1
 
 −1 3 1 1 1
Exemplo 4: Para a matriz A =  encontre sua matriz B,
0 0 − 5 1 − 1
 
 1 1 −1 − 3 1 
 
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 Li:

8
Elementos distinguidos são os primeiros elementos não nulos das linhas de uma matriz

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 29

 2 −7 0 1 1  2 −7 0 1 1
   
 −1 3 1 1 1  −1 3 1 1 1
A=  ∼ ∼
0 0 − 5 1 − 1 L4 ⇔ L3 1 − 4 − 1 − 3 − 1
   
 1 − 4 −1 − 3 1  (troca de linhas entre si) 0 0 − 5 1 − 1 
   
2 − 7 0 1 1
 
L2 ⇔ L1 + 2L2;  0 −1 2 3 3
∼ ∼
L3 ⇔ L1 - 2L3. 0 1 2 7 3
 
0 0 − 5 1 − 1

2 − 7 0 1 1 
 
 0 −1 2 3 3 
∼ ∼
L3 ⇔ L2 + L3. 0 0 4 10 6 
 
 0 0 − 5 1 − 1
 
2 − 7 0 1 1 
 
 0 −1 2 3 3 
∼ =B
L4 ⇔ 5L3 + 4L4. 0 0 4 10 6 
 
 0 0 0 54 26 
 
Note que a matriz B encontrada é equivalente a matriz A e, 2 − 7 0 1 1 
abaixo da diagonal todos os elementos são nulos.  
 0 −1 2 3 3 
A matriz B também é chamada, forma escalonada de A. ∼ =B
0 0 4 10 6 
 
 0 0 0 54 26 
 

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.

1 0 0 1 0 0 9 1 2 0 − 3 0
 
Exemplos: C = 0 1 0 ou D =
0 1 0 2 ou E = 0 0 1 7 0 .
     
0 0 1 0 0 1 4 0 0 0 0 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
Aggoorraa,, tteennttee vvooccêê!! Resolva a Lista 3 de atividades

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 30

Lista 3 de Atividades – Equivalência de Matrizes/escalonamento


1. Encontre a forma escalonada por linhas das matrizes A. Indique-as por A´.
1 2 1 3 2 0  1 − 1 0 1  
2 − 1    2 − 4
0  2 −1 4 
1 0 2 0
a) A =  b) A =  c) A=  d) A =  − 3 6 
0 1 1 −1 1 − 5  1 0 0 2  3 
      − 3 
 0 4 − 12   2 
1 3 2   0 1 1 0
2. Encontre a forma escalonada por linhas das matrizes e verifique se estão corretas as
equivalências:
 1 0 0 2  1 0 0 2 1 2 1 1  1 2 1 1 
      
a) A=  − 1 2 1 0  ∼  0 2 1 2  =B b) A= − 3 − 4 − 2 − 6 ∼ 0 2 1
   − 3  =B
 − 3 1 0 − 5  0 0 1 0   2 − 1 5 − 18 0 0 11 − 55
   

1 − 4 − 2 1   1 − 4 − 2 1  0 2   0 2
    d) A =   ∼   = B
c)A=  1 − 3 − 1 2  ∼  0 1 1 1  =B  0 − 9   0 0 
3 − 8 − 2 7 0 0 0 − 8 
  

3. Encontre a forma canônica por linhas das matrizes:


 6 3 − 4  1 2 −1 2 1 0 1 3 − 2
    0
a) A=  − 4 1 − 6  b) A =  2 4 1 − 2 3  4 − 1 3 
c) A= 
 1 2 − 5  3 6 2 − 6 5 0 0 2 1
   
 
0 5 −3 4 
4. Encontre a matriz triangular superior que seja equivalente a cada uma das matrizes dadas.

2 3 1  2 3 1  1 3 2 1  6 3 − 4
    2 4 3 0  
A= 1 2 5 B= 1 2 5 D = −4 1 −6
    C=   
3 5 10 3 5 10 1 2 2 2  1 2 − 5
 
− 3 0 1 1

1 2 −3 4 1 2 3  1 1 −1 1 1 − 1
1 3 1 11 
F= 4 5 6
 G= 2 4 −1 
H = 2 −3 1

E=    
2 5 − 4 13 5 7 8 3 2 2 1 − 4 2 
2 6 2 22
5. Encontre a matriz escada, equivalente por linhas
1 2 1 1  2 1 − 2 3 1 3 0 1 5 1 − 2 3 −1
     
A =  1 1 1 − 1 B = 3 2 −1 2 4 C=  2 − 1 2 2  D= 2 −1 2 2
2 4 2 2  3 3 3 − 2 5 1 −1 1 1 3 1 2 3
     
6. Aplicação de escalonamento de matrizes: Tente resolver o sistema, aplicando a equivalência de
matrizes.

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
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 2 1  3 2 0  1 − 1 0 1  2 − 4
 − 5 − 2 ; (b) A´=  0 7 − 12  ; (c) C´= 
(1) (a) A´= 0    0 1 2 − 1  ; (d) D´=  0 0  ;
   
0 0 3  0 0 45 0 0 2 − 2 0 0 
       
0 0 0 0 0 0 
    0 0 0 0

1 2 1 1 
(2) Não são equivalentes somente as matrizes (2b) e (2c) pois em (2b) A´ ≈   ≠B e em (2c),
 0 2 1 − 3
 0 0 − 9 29 
 
1 − 4 − 2 1
temos A ≈ 0
 
 1 1 1  ≠B.
0 0 0 0 

1 0 7  1 2 0 0 4  0 1 0 0
 9   3 
(3) (a)  0 1 − 26  ; (b) 0 0 1 0 0 ; (c) 0 0 1 0
9 
   0 0 0 1
0 0 0  0 0 0 1 − 1   
   6
0 0 0 0

1 3 1 2 1 2 −3 4 1 2 3
1 2 5 1 2 − 1  6 3 − 4   1 1 − 1
(4) A ∼  1  D∼ 
C ∼ 0 − 1 0  0 1 4 7 ; F ∼ 0 1 2 G ∼   H ∼
9
B ∼  0 18 52 E∼
 0 − 1 − 0 − 1 3   −    0 2 1 
0 0 4 1 0 0 − 2 − 2  0 0 11 
0 0 4  0 0 0    0 0 0  0 0 1  
0 0
0 15 0 0 0 0
 1 1 − 1 1 2 1 1 2 1 − 2 3 1  1 − 1 1 1
       
 0 − 5 3  (5a) A∼  0 1 0 2  (5b) B ∼  0 1 4 − 5 5  ; (5c) C∼  0 1 0 0  (Observe que houve troca de linhas);
0 0  0 0 0 0   0 0 − 2 2
 0   0 0 0 2 − 8  
1 − 2 3 −1  1 2 − 3 6 
(5d) D∼  0 3 − 4   
4  (6) O sistema equivale a matriz escalonada 0 − 6 10 − 8 . A solução do sistema é x = 3, y = 3

0 0 7 − 10  0 0 10 10 

e z = 1 ou S = {(3,3,1)}.

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
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. Conceito: Dados n objetos distintos a1, a2, ..., an. Uma permutação 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:


12 3 1 3 2 213 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

123 0 231 2

132 1 312 2

213 1 321 3

 Uma permutação tem classe par ou classe ímpar, (indica-se classe σ) conforme apresenta
um número par ou ímpar de inversões. Assim, para σ uma permutação arbitrária em Sn, (Sn →
indica o conjunto de permutações), dizemos que 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. Exemplificando: A
permutação 1 3 2 tem uma inversão, logo tem classe ímpar.

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 33

 Definimos como sinal ou paridade da classe σ, indica-se sgn σ por


1, se σ é par ;
Sgn σ = 

− 1, se σ é ímpar.

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


Exemplo 2: S3 = 3! = 3.2.1 = 6. Observe na tabela a seguir.
123 132 213 231 312 321
Permutação σ
0 1 1 2 2 3
Nº de inversões
Par Ímpar Ímpar Par Par Ímpar
Par ou ímpar
+ - - + + -
Sgn 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, 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:

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

Considere a seguinte situação problema: Qual o valor real de x e y para que A.B = C sendo A =
1 2  x 1
  , B =   eC=   ?. Para determinar os valores de x e y, aplicamos o produto A.B =
5 4  y  −1
C e obtemos:

1 2  x  1
  .   =   . Resolvendo o produto, encontramos:
 5 4   y  −1

 x + 2y   1 
  =   . Aplicando o conceito de igualdade de matrizes, temos o sistema:
 5 x + 4 y   −1
x + 2 y = 1  x + 2 y = 1 .(-5)
 Resolvendo o sistema pelo método de adição, temos:  ⇔
5 x + 4 y = −1 5 x + 4 y = −1
− 5 x − 10 y = −5

− 5 x − 10 y = −5 5 x + 4 y = −1 −6 −6 −6
 ⇔ ⇔y= = = =1. Se fizermos o
5 x + 4 y = −1 4 y − 10 y = −6 4 − 10 (1.4) − (2.5) − 6
y (4 − 10) = −6
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 2
(1.4)-(2.5) tem relação com os termos da matriz A= 
  . A teoria dos determinantes surgiu,
5 4
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.

Como calcular o determinante?

2.1 Determinante de 1ª ordem

D
ada uma matriz quadrada de 1ª ordem M=[a11], o seu determinante é o próprio número real
a11 ou seja, det M =|a11| = a11

Exemplo:

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

2.2 Determinante de 2ª ordem

D
ada a matriz quadrada M de ordem 2, por definição o determinante associado a M,
determinante de 2ª ordem, é dado por:

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 35

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:

2 3
(a) Para M =   temos: det M = (2.5)-(4.3) = 10-12= -2.
 4 5
1 3 1 3
(b) Se A =   então det A = = (1 x 4) – (2 x 3) = -2
2 4 2 4

2.3 Determinante de 3ª ordem: Regra de Sarrus

O
determinante de uma matriz de ordem 3 pode ser obtido pela regra de Sarrus.
a11 a12 a13
Acompanhe como aplicamos essa regra para D= a 21 a 22 a 23 .
a31 a32 a33
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):

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 36

Assim:

ou det D = + a11 a22 a33 + a13 a21 a32 + a12 a23 a31 - a11 a23 a32 - a12 a21 a33 - a13 a22 a31

−1 2 1
 
Exemplo 1: Encontrar |A| para A =  1 2 0  .
 − 1 1 0
 
−1 2 1 −1 2
Resolução: Pela regra de Sarrus, fazemos 1 2 0 1 2 =
−1 1 0 −1 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.

4 x 1
Exemplo 2: Determine o valor de x sabendo que 2 x 5 =0
−1 8 3

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

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 37

2.4 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. 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 = 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 + ...+ ain Cin

ou
det A = a1j C1j + a2j C2j + ... + anj Cnj

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

−1 0 1 
 
Exemplo 2: Seja A =  2 3 − 1 .
7 1 3
 
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) . C11 + (0). C12 + (1). C13 (fixada 1ª linha ).


3 −1 2 3
Det A = (-1) . (-1)1+1 + (0). C12 + (1). (-1)1+3
1 3 7 1
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


 −1 0 1 −1 0
 
Det A =  2 3 − 1 2 3  = (-1.3.3)+(0.-1.7)+(1.2.1)-(1.3.7)-(-1.1.-1)-(3.0.2)
 
 7 1 3 7 1
= -9 + 0 + 2 – 21 – 1 – 0 = -29.

1 3 4 
 
Exemplo 3: Seja A =  5 2 − 3  . Calcule o Det A.
1 4 2 
 
O Det A, segundo Laplace:

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 38

Det A = (1) . C11 + (5). C21 + (1). C31 (fixada 1ª coluna).


2 −3 3 4 3 4
Det A = (1) . (-1)1+1 + (5). (-1)2+1 + (1). (-1)3+1
4 2 4 2 2 −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


1 3 4 1 3
 
Det A =  5 2 − 3 5 2  = (1.2.2)+(3.-3.1)+(4.5.4)-(4.2.1)-(1.-3.4)-(3.5.2)
 
1 4 2 1 4
= 4 -9 + 80 – 8 + 12 - 30 = 96 – 47 = 49.

2.5 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.

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, a11 = 1, substituindo-se, por meio de operações


competentes, todos os demais elementos da 1ª coluna por zeros; da mesma forma, depois de obter
a22 = 1, substituem-se os demais elementos da 2ª coluna, situados abaixo de a22 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.

2 1 7
 
Agora, tente você Calcule o determinante da matriz A =  1 3 2  , usando o processo da
 5 3 4
 
triangulação. Vocë deve obter como resposta, det A = - 66

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

3 Propriedades dos determinantes

A
s matrizes quadradas de ordem n apresentam as seguintes propriedades:

1. O determinante de uma matriz quadrada A é igual ao de sua transposta At ou seja, |A| =


|At |.
 1 3 1 2
Exemplo 1: Se A =   então At =   . E, det At = 1.4 – 2.3 = -2 = det A.
 2 4 3 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. 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.

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 40

1 6 3  1 2 3 
   
Exemplo 1: A = 4 15 1 ⇒ A’= 3 4 5 1 ⇒ (det A) = 3 (det 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, 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.

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, temos:

4 Determinante e Matriz Inversa

C 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.

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 41

(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
1
A-1 =
Det A
1
(v) Se A é uma matriz inversível, n × n, com n ≥ 2, então: A–1 = . Adj A
det 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
At = A-1.
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 Mt.
Saiba Mais:
Se Mt = M-1 e como M.M-1 = M-1.M = I então podemos também afirmar
que M . Mt = Mt . M = I (I representa a matriz identidade).
 1 3
 
Exemplo: A matriz M =  2 2  é ortogonal porque o produto de M pela sua matriz
 3 1
− 
 2 2 
transposta, resulta na matriz identidade. Neste caso, a matriz inversa de M é a sua
transposta.
Assim, se M . Mt = Mt . M = I então Mt = 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?

12 7   3 − 7
Exemplo 1: Verifique se a matriz A =   é inversa da matriz B=   .
 5 3  − 5 12 
-1
=I = A-1 . A
Resolução: Para verificar se a matriz A é inversa de B aplicamos o conceito A . 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.
12 7   3 − 7  12.3 + 7.(−5) 12.(−7) + 7.12   1 0 
A.B = I →   .   =
  =   = I (provado). A e B são
 5 3   − 5 12   5.3 + 3.(−5) 5.(−7) + 3.12   0 1 
inversas porque AB = I
Como determinar a inversa de uma matriz?

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 42

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.


 1 2
Exemplo 1: Encontre a matriz inversa de A =  − 1 3 .
 
Resolução: Aplicando o conceito temos que A . A-1 =I
1 0 -1
a b   1 2  a b  1 0
Sabemos que I = 0 1  . Supondo A = c d  , fazemos .
 − 1 3  c d  = 0 1  .
         
Resolvendo o produto das matrizes encontramos,
 1a + 2c 1b + 2d  1 0
− 1a + 3c − 1b + 3d  = 0 1 . Comparando os resultados obtemos:
   
 a + 2 c = 1 b + 2 d = 0
 e  . Resolvendo os sistemas encontramos como resposta:
− a + 3c = 0 − b + 3d = 1
3 − 2
3 −2 1 1  a b   5 .
, c= , d= . Portando a matriz procurada A-1 =  é A-1 =  5
1 
a= , b= 
5 5 5 5 c d  1
 
5 5 
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
3 − 2
 5  .  1 2 = I.
identidade I. Ou seja, A-1 . A =  5
1 1  − 1 3
 
5 5 

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:
1 1 0
 
Ache a inversa da matriz A = 0 1 1 se existir.
 
1 0 2

1 1 0 1 0 0 1 1 0 1 0 0  2 −2 1 
  1 0 0 3 3 3 
   
Resolução:  0 1 1 0 1 0  ≈  0 1 1 0 1 0  ≈ ....  0 1 0 1 2 − 1
  3 3 3
   0 0 1 − 1 1 1 
1 0 2 0 0 1 0 − 1 2 − 1 0 1  3 3 3 

Resolva a Lista 4 de atividades

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 43

Lista 4 de atividades – Determinantes e Matrizes

(1) Calcule o determinante de cada matriz:

2 1 1   3 − 2 − 4 1 2 2 3   3 2 5
       
a) A=  0 5 − 2 b) B=  2 5 −1 1 0 − 2 0  d) D=  4 1 3 
c) C=   2 3 1
1 − 3 4 
 
0 6
 1  3 −1 1 − 2  
 
4 − 3 0 2 
 
1 2 5  1 3 4 1 2 1 3  − 1 2
3 h) H =  

e) E = 0 8 79
 f) F = 0 0 0 5 3 2  3 1 
  g) G = 
0 0 1  9 − 2 77 0 4 0 7
 
2 1 2 1
2 −1 0 2
 2 −1 1 
  0 2 −1 3
(2) Dada P =  2 1 − 1  , calcule o determinante de P2; (3) Encontre lAl =
  0 0 3 1
 0 2 2 
1 0 4 2
4 −1 3  2 6 8 
   
(4) Para A =  3 0 1  e B= 3 9 12  . Verificar se Det (AB) = Det A. Det B.
7 2 − 4 −1 − 2 − 3 
  
1 0 1 x
0 x 1  
x
2
1   2 3 4 5
(5) Para A=   B=  1 − 1 x  ,C=  , encontre x para Det A+Det B=Det C
1


2x   x 1 0 x 0 1 0
   
0 0 x 1 

(6) Resolver as equações determinando o valor real de x em cada equação:
4 6 x 12 − x 1 0 x x 1 5 −1 + 2x x2 −1
d) =0 e) =0
a) 5 2 − x =-128 b) 18 − x 3 2 =6 c) 2 x x =0 2x 4 −1 x2
7 4 2x 15 − 2 x 0 1 x x 3

(7) Encontre os valores de a e b que transformam as matrizes A e B em inversas ou seja,


a 0  1 b
determine a e b sabendo que AB = I, sendo I a matriz identidade, com A =   e B=  
0 a  b 1
1 2 2 0
(8) Se A=   e B=   , calcule AB-BA e verifique se: (a) A é inversa de B; (b) A é singular
0 1  1 1 
 2 4  5 / 6 − 2 / 3
(9) Mostre que as matrizes A e B são inversas sendo A =   e B =   .
1 5  − 1/ 6 1/ 3 
1 1 0 −1 −1 2
(10) Prove que a matriz B é inversa da matriz A, sendo B = 0 − 1 2 e A = 2 1 −2
1 0 1 1 1 −1

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 44

 sen α cos α 
(11) Considere a matriz A =   . Verifique se a matriz A é ortogonal (Dica: lembre-se
 cos α - sen α 
que A é ortogonal se A.At=I). Em caso afirmativo, encontre sua inversa.

 cos α - sen α 0
 
(12) Prove que a matriz M =  sen α cos α 0  é ortogonal. E, determine sua inversa
 0 0 1 

(STEINBRUCH, 1987, p.411)
 2 1 3 2 1 7
    12 7 
(13) Determinar a inversa das matrizes: A =  4 2 2  , B =  1 3 2  , C =  
 2 5 3 5 4 3  5 3
   
1 1 0
-1
  -1
(14) Encontre a inversa A da matriz A =  0 − 1 2  e prove que A.A =I
1 0 1
 
(15) Encontre a matriz inversa pelo processo de inversão (ou triangulação), para:
 1 1 1  2 1 0  2 2 1 1 2 1   1 − 1 1  1 −1 1 
           
(a)  − 1 1 2  ;(b)  1 1 1  ;(c)  1 − 1 1 ;(d) 1 1 1  ;(e)  1 1 1 ;(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; 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 − 2 −1 1 + 2 2 

(2) Como P2 =  2 + 2 1 − 2 2 − 1  então Det P2 = 64. Note que é mais prático fazer P . P = 8.8 = 64 ; (3) − 14; (4)
 
 2 2+ 2 2− 2 
 
2 9 11
Det AB = 5 16 21 = AB = 0. E, como lAl=-9 e lBl=0, temos que lAl.lBl=(-9).0 = 0. Portanto lABl = lAl.lBl;
24 68 92
3
(5) x = ; (6a) x = 2; (6b) x = 7; (6c) x = 0 ou x = 2 (6d) x = 2,5 ou x = − 2 (6e) x =± 1.
4
 a 0  . 1 b = 1 0 → a=1 e b = 0; (8) AB-BA= 4 2 2 4  2 − 2
(7) A.B=I →
 0 a  b 1 0 1  . =  . (a) A não é inversa de B
      1 1 1 3 0 − 2
pois AB ≠ I. (b) A não é singular pois A não é uma matriz diagonal.
 2 4   5 / 6 − 2 / 3  1 0
(9) A e B são inversas se A.B=I (verdadeiro) ou A.B=I →   .   =   (provado). Ou, a partir de A,
 1 5   − 1 / 6 1 / 3  0 1
 2 4   a b  1 0  2a + 4c 2b + 4d  1 0 2a + 4c = 1
encontre B. Vejamos: A.B=I →   .   =I   →   =   . Logo  e
 1 5   c d  0 1  a + 5c b + 5d  0 1 a + 5c = 0
2b + 4d = 0  5 / 6 − 2 / 3
 . Resolvendo os sistemas encontramos os valores de a, b, c, d que equivale a matriz   ;
b + 5d = 1  − 1/ 6 1/ 3 
1 1 0 −1 −1 2 1 0 0
(10) 0 −1 2 . 2 1 − 2 = 0 1 0 ;
1 0 1 1 1 −1 0 0 0

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 45

 sen α cos α 
(11) A é ortogonal porque A.At = I. Então sua inversa é A-1 = At =  .
 - cos α - sen α 

 cos α sen α 0
 
(12) M é ortogonal porque M.Mt = I. E, Mt =  - sen α cos α 0  é inversa de M ou seja Mt = M-1.
 0 0 1 

 −1 / 8 3 / 8 −1 / 8  − 1 / 11 − 17 / 66 19 / 66 
  -1    3 − 7
13) A =  − 1 / 4
-1
0 1 / 4  , B =  − 1 / 11 9 / 22 − 1 / 22  , C-1 =   ; (14) A.A-1=
 1 / 2 −1 / 4 −5 12 
 0   2 / 11
 1 / 66 − 5 / 66 
1 1 0 −1 −1 2 1 0 0  3 / 7 − 2 / 7 1/ 7 
0 1 / 2 −1 / 2
   
0 − 1 2 . 2 1 − 2 = 0 1 0 = I; 15(a)  5 / 7 − 1 / 7 − 3 / 7  ; 15(b)
1 −1 1  ; 15(c)
1 0 1 1 1 −1 0 0 1  −1 / 7 3 / 7 2 / 7 
 −1 3 / 2 − 1 / 2 
 
 1 4 − 5   − 3 5 − 1  0 1 / 2 − 1 / 2   0 1 1 
       
 0 − 3 3  ;15(d)  1 − 1 0  ;15(e)  − 1 / 2 1 / 2 0  ; 15(f)  − 1 / 2 1 1 / 2  .Verificação:
 −1 − 4 6   2 −3 1   1/ 2 0 1 / 2   1/ 2 0 − 1 / 2 
     
1 0 0
AA = 0 1 0
−1

0 0 1

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

5 Aplicação matemática do conceito de determinantes na geometria

V
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(x1,y1), B(x2,y2) e C(x3,y3).


x1 y1 1
Eles estarão alinhados ou seja, farão parte de uma mesma reta, se x2 y 2 1 = 0.
x3 y3 1
Exemplo: Verifique se os pontos A(0,1), B(1,2) e C(2,3) estão alinhados.
0 1 1 0 1 10 1
Resolução:A, B e C estão alinhados pois 1 2 1 =0 ou seja, 1 2 1 1 2 =0+2+3-4-0-1=0.
2 3 1 2 3 12 3
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(x1,y1), B(x2,y2) e C(x3,y3).


Se eles NÃO estiverem alinhados, formarão um triângulo.

x1 y1 1
1
A área deste triângulo será S= D sendo D= x 2 y2 1 .
2
x3 y3 1

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

Agora, tente você! Resolva a Lista 5 de atividades.

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 47

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 cm2 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 cm2. 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 cm2 5) x = -33 6) m≠ 1 ou m≠ 2.

1 3 1
7ª) Como − 1 2 1 = -2 e portanto é diferente de zero, significa que os pontos não são alinhados. Portanto, formam um
1 4 1
ABC
triângulo ABC cuja área é igual a = 1 u.a. (unidade de área)
2
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.

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
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,
normalmente utilizada para trabalhar esta noção. Entretanto, Lins9 (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 noções10
associadas a equações são: igualdade e variável.
Uma equação com n variáveis x1, x2,...,xn cuja combinação linear resulte em alguma constante é
definida como uma equação linear.

Ou, Toda equação escrita na forma a1 x1 + a2 x2 + a3 x3 + . . . + an xn = b é denominada equação


linear, em que:
 a1, a2, ...,an são os coeficientes das variáveis
 x1, x2, ..., xn 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) 2x1 + 3x2 - x3 = 5 é uma equação linear a três incógnitas ou três variáveis x1, x2, e x3
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 x12 , x1 . x2, etc, isto é, cada termo da
2
equação tem uma única incógnita, cujo expoente é sempre 1. As equações 3x1 + 2x2 = -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, ..., αn), que, colocados respectivamente no lugar de x1, x2, ..., xn, 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
2+ y−z
variável e teríamos: 4x - y + z = 2 → 4x = 2 + y - z → x = .
4
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

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 49

2+ y−z
Neste caso temos como solução geral da equação Sg = { , y, z} para y e z
4
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),....
2+ y−z
Resposta: A solução seral da equação é Sg = { , y, z} para y, z reais. Uma solução
4
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:
−2− y
3x + y = - 2 ⇒ 3x = - 2 – y ⇒ x= ∀y ∈ R.
3
−2− y
Resposta: A solução geral da equação, indicada por S é: Sg = {( , y), ∀y ∈ IR}. Note que
3
a equação tem infinitas soluções reais a partir do valor que atribuímos para y. Se
−2−4 −6
atribuirmos a y o valor 4, por exemplo, obtemos x = = = −2 . Portanto, x = (-2)
3 3
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?


− y − z +1
Resolução: Se 2x – y + z = 1 ⇔ 2x = 1 – y – z ⇔ x = para ∀y, z ∈ IR.
2
− y − z +1
Resposta: A solução geral da equação é Sg = {( , y, z) para ∀y, z ∈ IR}.
2

Proposições: Se a equação é da forma 0x1 + 0x2 + . . . + 0xn = b, então:

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 50

(i) Se b = 0, então qualquer n-upla de escalares11 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
3 − 0 y − 0z
- 0z ⇒ x= (solução impossível)
0

2 Sistema de Equações Lineares

2.1 Conceito

U
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


a11 x1 + a12 x 2 + a13 x3 + ... + a1n x n = b1

a 21 x1 + a 22 x 2 + a 23 x3 + ... + a 2 n x n = b2

a 31 x1 + a 32 x 2 + a 33 x3 + ... + a 3n x n = b3 com:
.......................................................

a m1 x1 + a m 2 x 2 + a m 3 x3 + ... + a mn x n = bm

 m equações
 n variáveis
 aij indicando os coeficientes (números reais ou complexos) das variáveis para i = (1,
2, ..., m) e j = (1, 2, 3, ..., n)
 bi 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 (x1,x2,...,xn) 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, b1 = b2


=... = bn = 0 o sistema linear é homogêneo.

2 x + y − z = 0 Uma solução evidente do sistema linear homogêneo é x = y = z =


 0 ou S = {(0,0,0)}
Exemplo:  x + y + 4z = 0 Esta solução chama-se solução trivial do sistema homogêneo.
5x − 2y + 3z = 0 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

T
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

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 51

a11 x1 + a12 x 2 + a13 x3 + ... + 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 + ... + a 3n x n = b3
.......................................................

a m1 x1 + a m 2 x 2 + a m 3 x3 + ... + a mn x n = bm
Utilizando matrizes, representamos o sistema da seguinte forma:

 a11 a12 L a1n   x1  b1 


    b 
Matriz coluna dos
 a 21 a 22 L a 2 n   x2  termos
=  
2
 M  . independentes
M M M M
     
a 
 m1 a m 2 L a mn  xn  bn 
Matriz coluna constituída
Matriz constituída pelos pelas incógnitas
coeficientes das incógnitas

Exemplo:
Representação-padrão do sistema Representação na forma matricial
2x1 + 5x 2 − x 3 = 0 2 5 − 1  x1  0
 4 − 3 6  .  x  = − 1
4x1 − 3x 2 + 6x 3 = −1    2  
7 x + x − 2x = 8 7 1 − 2  x 3   8 
 1 2 3

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  Representação de um sistema de equações


equações lineares como uma matriz lineares como uma matriz simples.
completa (ou matriz ampliada).

a11 a12 a13 ... a1n b1  a11 a12 a13 ... a1n 
a
 21 a22 a23 ... a2 n b2  a
 21 a22 a23 ... a2 n 
a31 a32 a33 ... a3n b3  a31 a32 a33 ... a3n 
   
... ... ... ... ... ...  ... ... ... ... ... 
am1
 am 2 am 3 ... amn bm  am1
 am 2 am 3 ... amn 

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

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 52

2.3 Classificação dos Sistemas de Equações Lineares

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

SISTEMA LINEAR

POSSÍVEL (COMPATÍVEL) IMPOSSÍVEL (INCOMPATÍVEL)


Quando tem solução Quando não tem solução

DETERMINADO INDETERMINADO
Admite uma única solução Admite infinitas soluções

Exemplo 1:
x + y = 1
(a) O sistema S=  , não tem soluções porque não existem valores para x e y cuja
x + y = 0
soma seja simultaneamente 1 e 0. Logo S = ∅
x − y = 1
(b) O sistema , tem a única solução x = 0 e y = 1. Logo S = {(0,1)}
x + 2 y = 2
x + y = 2
(c) O sistema  , tem a solução x=-2y, para cada valor de y. Neste caso é
2 x + 2 y = 4
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 R2 podemos "visualizar" estas classificações. Assim, considerando um


sistema cartesiano ortogonal R2 (x,y) e duas retas r e s definidas na forma geral por a11 x +
a12 y =b1 e a21 x + a22 y =b2.
Representando-as em um sistema de equações lineares do tipo 2 x 2, temos

a11 x + a12 y = b1
S= 
a 21 x + a 22 y = b2

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 53

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
concorrentes12 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 coincidentes13).

3.
E finalmente, se por acaso o sistema for impossível, então não
há ponto que seja comum as duas retas (as retas,
geometricamente, são paralelas14 - nunca se encontrarão).

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, portanto é um sistema


inconsistente ou impossível.

Retas paralelas em S1 : Sistema impossível

Exemplo 6:
x + y = 4 x + y = 4 x = 3
S2 =  ≅ ≅
 x − y = 2 0 x + 2 y = 2 y =1

O sistema S2 tem somente a solução S = {(3,1)},


portanto é um sistema consistente e determinado.

Retas concorrentes em S2: 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.
13Retas 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

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. 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 =
4 x + 2 y = 2 0 x + 0 y = 0   2

O sistema S3 tem infinitas soluções para 0x+0y=0,


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

Retas coincidentes em S3: Sistema indeterminado

Assim, geometricamente, pode-se interpretar a solução de um sistema qualquer, no plano R2, 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

S
e dois sistemas lineares, S1 e S2, admitem a mesma solução, eles são ditos sistemas
equivalentes. Veja os exemplos:

2 x + y = 4  − 3 x + y = −1
Exemplo 1: Os sistemas  e  são equivalentes porque tem a
− x + 3 y = 5  x − y = −1
mesma solução S={(1,2)}
Exemplo 2: Como os sistemas admitem a mesma solução {(1,-2)}, S1 e S2 são equivalentes.
 y
 x + 3y = − 5
S1 :  ⇒ S = {(1,-2)} e 3x + 2 = 2 S = {(1,-2)}
2 x − y = 4 S2 :  ⇒
 − x + y = −1
 3

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.

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 55

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

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,


x + 2 y + z = 1

S 1 =  x + y + z = −1 . Podemos determinar a solução do sistema pelo processo de
2 x + 4 y + 2 z = 2

equivalência de sistemas ou de matriz. Vejamos:

Método 1: Equivalência de sistemas - 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 .
2 x + 4 y + 2 z = 2 0 x + 0 y + 0 z = 0 
  

Substituindo o valor de y = 2, na 1ª equação do sistema equivalente a S1, temos:


 x + 2.2 + z = 1  x = 1 − 4 − z  x = −3 − z
≅  ≅  ≅  .
 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.
 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

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 56

x + 2 y + z = 1 1 2 1 +1 
  
S 1 =  x + y + z = −1 A matriz completa de S1 é: 1 1 1 −1 
2 x + 4 y + 2 z = 2 2 4 2 + 2 
 
Vamos transformar a matriz completa de S em matrizes equivalentes aplicando a operações
elementares citadas no Teorema 1:
1 2 1 + 1  1 2 1 1
   
1 1 1 −1  ≅ 0 1 0 2  Para encontrar a 2ª matriz, aplicamos na 1ª as
2 4 2 + 2   0 0 0 0 

operações: L2 = L2 – L1 e L3 = L3 – 2L1 .
x + 2 y + z = 1
A matriz equivalente encontrada corresponde ao sistema S1=  ⇔y=2.
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:
 x + 2 y − 3z = 4  x + 2 y − 3z = 4
 x + 3 y + z = 11 → L = − L + L   x + 2 y − 3z = 4
 2 1 2  y + 4z = 7 
 ~ ~ y + 4z = 7
 2 x + 5 y − 4 z = 13 → L 3 = − 2 L1 + L 3  y + 2 z = 5 → L3 = − L 2 + 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, então o sistema é consistente de solução única.
Onde: Por L3, temos 2z = 2 ⇒ z = 1; Por L2, temos y = 3 e, por L1, 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:


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, 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
Observação: Chamamos variável livre a
 2 x + y − 2 z + 3w = 1 variável que no sistema na forma escalonada
 não inicia nenhuma equação.
 No exemplo a variável z não inicia em
 y + 4 z − 5w = 5 variável livre nenhuma das três equações do sistema. Logo
 é a variável livre.
 2 w = −8
O sistema na forma escalonada apresenta o número de equações não nulas inferior ao
número de incógnitas, logo o sistema terá várias soluções.

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 57

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:

 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

...............z − 2w = 1 ~
..............2 z − 4 w = 2 → L = −2 L + L
 3 2 3

 x + 2 y − 2 z + 3w = 2

.................z − 2 w = 1
..........................0 = 0

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 ⇒ Sp = (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:

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 58

3x + y − z = 0 − x + + y + 2 z = 1 − x + y + 2 z = 1
  
S = − x + y + 2 z = 1 escalonando temos: 3x + y − z = 0 ~ 4 y + 5 z = 3 . O sistema na
2 x + 2 y + z = 2 2 x + 2 y + z = 2 0 = 1
  
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;
∆x ∆y ∆z
3. Determinar os valores das variáveis x, y e z pela fórmula x = ,y= e z= .
∆ ∆ ∆
Seja o sistema W:
a11 x1 + a12 x 2 + a13 x3 + ... + a1n x n = b1

a 21 x1 + a 22 x 2 + a 23 x3 + ... + a 2 n x n = b2

a 31 x1 + a 32 x 2 + a 33 x3 + ... + a 3n x n = b3
.......................................................

a m1 x1 + a m 2 x 2 + a m 3 x3 + ... + a mn x n = bm
(1) ∆ equivale ao determinante de uma matriz (2) ∆x equivale ao determinante de uma matriz
A, formada pelos coeficientes das incógnitas do Ax, que se obtém a partir da matriz A,
sistema W substituindo-se a coluna dos coeficientes de x1
pela coluna dos termos independentes.
 a11 a12 L a1n   b1 a12 L a1n 
   
 a21 a22 L a2 n   b2 a 22 L a 2n 
∆x = Det Ax1 = 
∆= Det A = 
M M M  M M M 
   
a  b am2 L a mn 
a L a  n
 m1 m 2 mn 
(3) De maneira análoga a ∆x podemos
determinar ∆y e ∆z
 a11 b1 L a1n   a11 a12 L b1 
   
 a 21 b2 L a2n   a 21 a 22 L b2 
∆y=Det Ax2=  e ∆z=Det Axn =  M
M M M  M M
   
a bn L a mn  a am 2 L bn 
 m1  m1
∆x det Ax1 ∆y det Ax 2 ∆z
(4) Pela regra de Cramer x1 =x= = x2 = y= = ez= .
∆ det A ∆ det A ∆

det Axn
Generalizando, pela regra de Cramer, xn =
det A
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 59

Exemplo 1: Resolva o sistema S, aplicando Cramer.


 x − y − z = −4

S = 2 x + y + z = 1 .
3x + 2 y + z = 2

1 −1 −1 − 4 −1 −1 1 − 4 −1 1 −1 − 4
Resolução: Temos ∆= 2 1 1 , ∆x = 1 1 1 , ∆y = 2 1 1 ,∆z = 2 1 1 .
3 2 1 2 2 1 3 2 1 3 2 2
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.
∆x 3 ∆y − 6 ∆z − 3
Logo: x = = = −1 , y = = =2 ez= = = 1.
∆ −3 ∆ −3 ∆ −3
A solução do sistema é S´= {(-1,2,1)}.

3 Sistema Homogêneo de Equações Lineares: Discussão da solução

C
omo já vimos, os sistemas formados por equações lineares cujos termos independentes são
todos iguais a zero (bi = 0) são denominados de sistemas homogêneos. Neste caso, todas
as constantes b1,b2,...,bm 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.
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 =  .
L
a m1 x1 + a m 2 x 2 + L + a mn x n = 0
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.
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.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 60

x + y − z = 0 x + y − z = 0 x + y − z = 0
  
Resolução: S1= 2 x + 4 y − z = 0 ⇒ 2 y + z = 0 ⇒ 2 y + z = 0 ⇒ x = 0, y = 0 e z = 0
3 x + 2 y + 2 z = 0 − y + 5 z = 0 11z = 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).
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 . 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, x, y e z. Logo o sistema possui
3z − 3z 2z
várias soluções. A variável livre é z. Solução Geral: -5y+3z=0 ⇒ y= e x= +z⇒ x = .
5 5 5
2 z 3z 2 3
Logo SG = ( , , z ), para z real; Solução Particular: Para z = 1 temos SP = ( , ,1 )
5 5 5 5

AAggoorraa,, éé ccoom
m vvooccêê!! Resolva a lista 6 de Atividades

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 61

Lista 6 de atividades – Parte I


1
1) Ache as duas soluções da equação: -x1 + x2 = 0.
2
2) Determine m para que (-1,1,-2) seja solução da equação mx + y - 2z = 6
x y
3) Dada a equação + = −1 , ache α para que (α,α+1) torne a sentença verdadeira.
2 2
4) Determine duas soluções da equação x + 2y - z = 0.
2 x1 + 3x 2 − x3 = 0

5) Seja o sistema S:  x1 − 2 x 2 + x3 = 5 . (a)Verifique se (2,-1,1) é solução se S. (b) Verifique se
 − x + x + x − −2
 1 2 3
(0,0,0) é solução se S.
3x + y = K 2 − 9
6) Seja o sistema:  , calcule k para que o sistema seja homogêneo
 x − 2 y = k + 3
2 x − y = 5 − x + 5 y = 11
7) Verifique se os sistemas S1  e S2  são equivalentes.
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.
2 x + y = 5 nx + my = 2
 2 a + b + c = −1
2 x + y = 5 
9) Expresse matricialmente os sistemas: a)  e b) a + c = 0 .
x − 3 y = 0 − 3a + 5b − c = 2

2 − 5 a  − 4
10) A expressão matricial de um sistema S é:   .  =   . Determine as equações de S.
3 1  b 7 

Lista 6 de atividades - Parte II

1 Encontre o conjunto solução. Classifique os sistemas a partir da solução, justificando sua resposta.
 x − y − z = −4  x − 2 y + 4 z = −7 x + y + 2z = 0
  
a) S1= 2 x + y + z = 1 b) S2= 2 x − y + 3 z = −4 c) S3=  x − y + 2 z = 2
3x + 2 y + z = 2 − 2 x − 2 y + 3 z = 1  2 x + 2 y + z = −1
  

x − y + z = 4 x + y − z = 3 x + y + z + t = 6
  x + 2 y + z − t = 1
d) S4= 2 x + 3 y + 2 z = −2 (e) S5= 2 x + y − 3 z = 4 
(f) S6= 
3x + 2 y − 3z = −4 − x + 2 y − z = 3
  2 x + y − z + t = 2
− x + 2 y + z + t = 7

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 62

x − y + z + t = 1 x + y = 1 x + y + z = 6
 y + z − t = −2  
 (h) S8= 2 x + 3 y = 2 (i) S9=  x − y − z = −1
(g) S7= 
3x + 3 y = 3 x + y + z = 2
− x + y + t = 2  
 z + t = 1

x + y + z = 2 2 x + y + z − w = 4 x + y + z = 6
  
(j) S10=  x − y − z = 0 (k) S11= 3 x − y − z + w = −4 (l) S12= − x − y − z = −6
3x − 2 y + 4 z = 13 − x − 2 y + 3 z − 2 w = 6 x − y + z = 2
  

2 Resolva os sistemas pela Regra de Cramer:


x + 2 y − z = 2 2 a − b + c = 3
 
a) 2 x − y + 3 z = 9 (b) a − b + 2c = 3
3x + 3 y − 2 z = 3 a + b + c = 6
 

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.

x − 2 y + 3z − 2w = 0 x + 2 y − z = 0 x + 2 y − 3z = 0 3 x − y + 2 z = 0
 2 x + 5 y + 2 z = 0  d) 
a) 3x − 7 y − 2z + 4 w = 0 
b) 
c) 2 x + 5 y + 2z = 0 2 x + y + z = 0
4x + 3y + 5z + 2w = 0 3x − y − 4z = 0
 x + 4 y + 7z = 0 
x + 3y + 3z = 0

x − y + 2z = 0 2 x − y + 3 z − w = 0 x − y + t = 0
e)  3 x − y − 2 z + w = 0 2 x − y + z − w + t = 0
− 2 x + 2 y − 4 z = 0  
f)  g) 
 x − y + 3z − w = 0 − x + 2 y − w + 2t = 0
− x + y + z = 0 2 x − y − z + t = 0

4 Encontre a solução dos sistemas determinados.

x − y + z = 1 x − y + z = 1 x − y + z = 3
  
a) 2 x − y + z = 2 b) 2 x − y + z = 2 c) 2 x − y − z = 2
x + y + z = 3 x + y + z = 3 x + y + z = 1
  

5 Escalone, classifique e resolva os sistemas


2 x − y + z = 5 x − 2 y + z = 3 x + y + z − t = 6
  
a) 3 x + 2 y − 4 z = 0 b) 2 x + y + z = 1 c) 2 x + y − 2 z + t = −1
z − 2 y + z = 2 3x − y + 2 z = 2  x − 2 y + z + 2t = −3
  
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.

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 63

x + 2 y − z = 0 2 x − y + 3 z = 0 5 x + 2 y − z = 0 x + 2 y + z = 2
a)    
b) 3x − y + z = 1
3 x − y + 2 z = 0 c)  x − y + 3 z = 0 d) − 2 x − 4 y − 2 z = 4
x + y + z = 2 2 x − y + z = 0 3x + 6 y + 3z = 6
  
7 Mostre, algébrica e geometricamente, que o sistema S1 é consistente e indeterminado e o sistema

2 x − y = 1 x + y = 2
 
S2 é inconsistente para: S1= 4 x − 2 y = 2 e S2= x − y = 0 .
 y 2 x + y = 2
 x − 2 = 1 2 
8 Classifique e resolva os sistemas de equações lineares. Se o sistema for consistente e
indeterminado, encontre a solução geral e uma particular.
2 x − y + 3z = 11
4 x − 3 y + 2 z = 0  x + 3 y + 2 z + 3w − 7t = 14
 
(a) S1=  (b) S2= 2 x + 6 y + z − 2 w + 5t = −2
x + y + z = 6  x + 3 y − z + 2t = −1
3x + y + z = 4 
9 Verifique se os sistemas homogêneos têm solução não nula, justificando sua resposta.
x + 3 y − 2z = 0 x + 3 y − 2z = 0 x + 2 y − z = 0 5 x + 2 y − z = 0
   
a) S1= 2 x − 3 y + z = 0 b) S2=  x − 8 y + 8 z = 0 c) S3= 3 x − y + 2 z = 0 d) S3=  x − y + 3 z = 0
3x − 2 y + 2 z = 0 3x − 2 y + 4 z = 0 2 x − y + z = 0 2 x − y + z = 0
   
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.
2 x − y + 3 z = 8
4 x − 3 y + 2 z = 8  x + 3 y + 2 z + 3w − 7t = 2
 
(a) S1=  (b) S2= 2 x + 6 y + z − 2 w + 5t = 12
x + y + z = 3  x + 3 y − z + 2t = 5
3 x + y + z = 5 
13 Encontre a solução algébrica e geométrica dos sistemas:

x + y = 2 x + y = 2 x + y = 2 x + y = 0 x + y = 0 x + y = 0
A=  B=  C=  D=  E=  F= 
2 x − 3 y = −1 2 x + 2 y = 4 x + y = 3 2 x − 3 y = 0 2 x + 2 y = 0 x + y = 0

Respostas da Lista de Atividade Parte I

(1) S = {(
y , y)}, y ∈ IR (2) m = -1 (3) α = −3 (4) S = {(-2y+z, y, z)}, y,z ∈ IR (5ª) Sim (5b) Não
2 2
(6) k = -3 (7) Sim. S = {(4, 3)}
(8) Os sistemas são equivalentes para m = 0 e n = 1. S= {(2, 1)}
 2 1 1   x − 1
2 1   x  5     2a − 5b = −4
(9a)   .   =   (9b)  1 0 1  .  y  =  0  (10) 
1 − 3  y  0  − 3 5 − 1  z   2  3a + b = 7
   

Respostas da Lista de Atividade 6-Parte II

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 64

(1a) S = {(-1,2,1)} (1b) S = {(-5,15,7)} (1c) S = {( 1 ,-1, 1 )} (1d) S = {(1,-2,1)} (1e) S = {(1,2,0)} (1f) S
3 3
= {(0,1,2,3)} (1g) S = {( − 1 , 1 , 3 , 8 )} (1h) S = {(1,0)} (1i) Impossível (1j) S = {(1,-1,2)} (1k) S =
3 5 5 5
w + 6 2( 2 w + 7 )
{(0, , ,w)}, w ∈ IR. OBS: Se optar por transformar z em variável livre, a resposta é Sg = {(0, ½+z/4, z,
5 5
-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
9 12 9
2 (a) S = {(1,2,3)}; (b) S = {( , , )}; (3a) S = {( 23w , 5w ,15w , w )} w ∈ IR. Sistema Homogêneo
5 5 5 16 16 16
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
− z +5
Determinado; (3d) S ={( , z − 15, z )} z ∈ IR. Sistema Homogêneo Consistente e Indeterminado. Sp = {(0, -10, 5)}
2
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
− w 5w w w
e z = 0; (3f) S = {(0,0,0,0)}. Sistema Homogêneo Consistente e Determinado; (3g) S ={( , , , w, }, w ∈ IR
2 8 2 8
ou S ={(- 4t ,5t ,4t ,8t , t } 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)}.
1− t t +5
5ª) SPD e S= {(2,1,2)}; 5b) SI e S= { }; 5c) SPI e Sg= {( , t + 3, , t )} para todo t real. Sp = {(0,4,3,1)} para t=1;
2 2
−3 z 5 z
6a) SPI e Sg= {( , , z )} para z real. Sp = {(-3,5,7)} para z=7; 6b) SPD. S = {(4/5,13/10,-1/10)};
7 7
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;
−8 z 10 z
9ª, 9c,9d) SPD e S= {(0,0,0)}; 9b) SPI e Sg= {( , , z )} para todo z real. Sp = {(-8,10,11)} para z=11;
11 11

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 65

4 Discussão de um Sistema de Equações Lineares homogênio e não-


homogênio

D
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:


x + 2 y − z = 4 x + 2 y − z = 4 x + 2 y − z = 4
  
2 x − y + 3 z = 3 ⇒ − 5 y + 5 z = −5 ⇒ − 5 y + 5 z = −5
3x + y + 2 z = k − 5 y + 5 z = −12 + k 0 = 5 − 12 + k
  
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.
x + y − z = 1 x + y − z = 1 x + y − z = 1
  
2 x + 3 y + az = 3 → L2 = −2 L1 + L2 ~ ...... y + (a + 2) z = 1 ~  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 + a )(2 − a) z = 2 − a
 3 1 3  3 2 3 
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 sistema16 de equações S vamos discutir a sua natureza, 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, temos:
1 k 1 1 1 k 1 1  1 k 1 1 
     
1 1 k −1 1  ≅ 0 1− k − 2 + k 0  ≅ 0 1− k −2+k 0 .
2 4 k 0  0 4 − 2k − 2 + k − 2  0 0 
− k 2 + 5k − 6 2(k − 1) 
  
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 k2-5k+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:
 x + ky + z = 1

(1 − k ) y + (−2 + k ) z = 0 Analisando a partir da última equação do sistema, temos:
 2
(−k + 5k − 6) z = 2(k − 1).

16 PINTO (1997:13)

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 66

2t (− k + 2) − 2
(a) Para (−k 2 + 5k − 6) z = 2t (−k + 2) − 2 ⇒ z = .
− k 2 + 5k − 6
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.

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

AAggoorraa,, éé ccoom
m vvooccêê!! Resolva a lista 7 de Atividades

Lista 7 de atividades

4 x + 3 y = 2

1 Encontre o valor real de “a”, para que o sistema S admita solução, 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 de equações admita solução: 5 x − 4 y = 0
2 x − y = k

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

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, 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

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 67

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 aij de uma matriz A indicado por Cof (A) ou C, se define como
cij = (−1) i + j M ij sendo |Mij| o MENOR complementar do elemento aij 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 aij e é indicado por |Mij|. Encontrando todos
os cofatores dos elementos aij da matriz, obtemos a matriz de cofatores de A (Cof A).
Exemplo:

a11 a12 a13 


  a22 a23 
Se A = a21 a 22 a 23 então o MENOR de a11 é M 11 =  == a22 a33 − a23a32
 
a32 a33 
a31 a32 a33 
Ou:
Menores e co-fatores (definição): Seja A = [aij] uma matriz quadrada de ordem n ≥ 2 sobre um
corpo K. Seja Aij 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 Aij, indicado por Mij. O co-fator do
elemento aij de A é o produto de (-1)i+j pelo menor de aij, indicado por Cij = (-1)i+j . Mij.

Assim, pelo Teorema de Laplace, podemos encontrar o determinante de uma matriz fazendo:
det A = a11 |M11 | - a12 |M12 |+ a13 |M13 | ou det A = a11 . C11 + a12 .C12 + a13 . C13 sendo
onde Mij a sub matriz encontrada da matriz inicial A, de onde foram retiradas a i-ésima linha e a j-
ésima coluna e Cij é o cofator dos elementos de A.

Assim, det A = a11 M 11 - a12 M 12 + a13 M 13

a22 a23 a21 a23 a21 a22


det A = a11 - a12 + a13
a32 a33 a31 a33 a31 a32

det A = a11 (a22 a33 - a23 a32) - a12 (a21 a33 - a23 a31) + a13 (a21 a32 - a22 a31)

−1 0 1 
 
Exemplo 1: Seja A =  2 3 − 1 . A matriz dos cofatores dos elementos de A é definda em:
7 1 3
 
3 −1 2 −1
C11 = (-1)1+1 . =1.(9+1) = 1.10 = 10. C12=(-1)1+2. =(-1).(6+7)=(-1).(13)=-13
1 3 7 3
2 3 0 1
C13 =(-1)1+3 . =1.(2-21) = 1.(-19)= -19. C21 = (-1)2+1 . =(-1).(0-1)=(-1).(-1)= 1.
7 1 1 3
−1 1 −1 0
C22 = (-1)2+2 . =1.(-3-7)=1.(-10)= -10. C23 = (-1)2+3. =(-1).(-1-0)=(-1).(-1)= 1
7 3 7 1

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 68

Idem para C31 = -3; C32 = -1; C31 = -3.


 10 − 13 − 19 
 
Temos então a matriz de cofatores de A, definida em Cof (A)3x3 =  1 − 10 1 
− 3 −1 − 3 
 
Aplicando os Teoremas de Laplace temos:
det A = a11 . C11 + a12 .C12 + a13 . C13 ⇔ Det A = (-1). 10 + 0.(-13) + 1.(-19) = -29

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

• Denomina-se Cofator de aij ao número Cij = (-1)i + j . Mij .


Pode-se desenvolver um determinante de ordem n > 3 pelo procedimento de Laplace.

2 Encontrando a Matriz Adjunta Clássica

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

 a11 a12 L a1n   C11 C12 L C1n   C11 C 21 L C m1 


     
 a 21 a 22 L a 2 n   C 21 C 22 L C 2 n  t  12
C C 22 L C m 2 
A=  → Cof A= → Adj A= (CofA) =
M M M   M M M   M M M 
     
a  C  C C 2 n L C mn 
 m1 a m 2 L a mn   m1 C m 2 L C mn   1n
Lembre-se que: O cofator do elemento aij de uma matriz A, indicado por C, se define como
cij = (−1) i + j M ij . Para |Mij| o menor complementar de um elemento da matriz.

Encontrando todos os cofatores dos elementos aij 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 aij de A. Vimos que, por definição, 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. Formada a matriz dos cofatores, a sua
transposta será a matriz adjunta.
 1 0 1
 
Assim, se A =  2 1 0  então a sua matriz de cofatores é:
 −1 1 0
 

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 69

 2 1
 1+1 1 0 1+ 2 2 0 c13 = (−1)1+ 3 . 
 c11 = (−1) . c12 = (−1) . −1 1 
 1 0 −1 0 
 
 2 +3 1 0  0 0 3
Cof A =  c 21 = (−1) 2 +1 .
0 1 2+ 2 1 1 c 23 = (−1) .   
c 22 = (−1) . −1 1  =  1 1 − 1
1 0 −1 0
  −1 2 1 
  
 c = (−1) 3+1 . 0 1
c 32 = (−1) 3+ 2 .
1 1
c 33 = (−1) 3+3 .
1 0 
 31 1 0 2 0 2 1 
 
 

 0 1 − 1
 
Transpondo a matriz dos cofatores, 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, 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:
 1 0 1 0 0 3
   
No Ex.1 a matriz A =  2 1 0 tem com matriz de cofatores C=  1 1 − 1 . Se
 −1 1 0 −1 2 1 
   
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 = a11.c11 + a12.c12+ a13.c13 = 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 . In sendo In 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.

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

Exemplo 2:
−1 0 1   10 − 13 − 19 
   
Seja A =  2 3 − 1 . A matriz dos cofatores de A é definda em Cof (A)3x3 =  1 − 10 1  .
7 1 3 − 3 −1 − 3 
   
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:
 10 1 − 3
 
Adj (A)3x3 =  − 13 − 10 − 1 
 − 19 1 − 3 

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

V
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


1
 Se A é uma matriz inversível, n × n, com n ≥ 2, então: A–1 = . Adj A
det A

 2 3 − 4
 
Exemplo: Encontre a matriz inversa da Matriz A =  0 − 4 2  , pelo conceito aplicado a
1 −1 5 
 
determinante e adjunta clássica (Adj A).
Resolução:
a) Ache o determinante de A;
b) Substitua cada elemento aij 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.
 − 18 2 4 
 
 Matriz de cofator de A ou (Cof A) =  − 11 14 5  . Verifique por Laplace que a matriz
 − 10 − 4 8 
 
encontrada está correta.
 − 18 − 11 − 10 
 
 Transposta da Matriz (Cof A) = (Adj A) =  2 14 − 4 
 4 5 8 

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 71

1
 Divisão de cada elemento da matriz adjunta por |A| ou seja A–1 = . Adj A
det A

 − 18 − 11 − 10   9 / 23 11 / 46 5 / 23 
1    
 2 14 − 4  . Portanto A–1 =  − 1 / 23 − 7 / 23 2 / 23  .
–1
A =
− 46 
 4 5 8   − 2 / 23 − 5 / 46 − 4 / 23 
 
Verifique que A. A-1 = I

Resolva a Lista De atividades

Lista de atividades – Determinantes, Matriz Inversa e Adjunta Clássica

1 1 0 1 2 2
   
1 Dadas as matrizes A =  1 1 1  e B =  3 1 0  , encontre (a) Adj A; (b) Adj B
0 2 1 1 1 1 
   
 2 1 3 2 1 7
    12 7 
2 Determinar a inversa das matrizes: A =  4 2 2  , B =  1 3 2  , C =  
 2 5 3  5 4 3  5 3 
   
1 1 0
 
3 Encontre a inversa A da matriz A =  0 − 1 2  e prove que A.A-1 =I
-1

1 0 1
 
1 2 3
4 Considere a matriz A = 5 7 4 : (a) Encontre o determinante de A; (b) Determine a matriz de cofatores de
2 1 3
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:
 1 1 1  2 1 0  2 2 1 1 2 1   1 − 1 1  1 −1 1 
           
(a)  − 1 1 2  ;(b)  1 1 1  ;(c)  1 − 1 1 ;(d) 1 1 1  ;(e)  1 1 1 ;(f)  0 1 1 
 2 −1 1   −1 1 1  1 0 1 1 − 1 2   − 1 1 1  1 − 1 − 1
           

−1 −1 1   1 0 − 2  − 1/ 8 3 / 8 − 1/ 8
     
Respostas: 1) Adj A=  − 1 1 − 1 =(Cij)t ; Adj B =  − 3 − 1 6  ; 2) A-1 =  − 1 / 4 0 1 / 4  , B-1
 2 −2 0   2 1 − 5   1/ 2 − 1/ 4 0 
   
 − 1 / 11 − 17 / 66 19 / 66  1 1 0 −1 −1 2 1 0 0
  -1  3 − 7 
=  − 1 / 11 9 / 22 − 1 / 22  , C =   ; (3) A.A = 0 − 1 2 . 2 1 − 2 = 0
-1
1 0 = I; (4) a)
 2 / 11   − 5 12 
 1 / 66 − 5 / 66  1 0 1 1 1 −1 0 0 1
 17 − 7 − 9
Determinante de A = Det(A) = |A| = -24; 4b) Matriz Cofatores Cof (A) =C= − 3 − 3
 3  ; 4c) Transposta de

− 13 11 − 3

Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 72

 17 − 3 − 13  17 − 3 − 13  − 17 / 24 1 / 8 13 / 24 
  1 1 − 7 − 3 11  =  7 / 24 
C = C =Adj A= − 7 − 3 11 ; 4d) A–1 =
t
.Adj A = − 1 / 8 − 11 / 24  5(a)
  A 24
.
  
 − 9 3 − 3   − 9 3 − 3   3 / 8 −1 / 8 1 / 8 
 3 / 7 − 2 / 7 1/ 7   0 1 / 2 −1 / 2 1 4 − 5  − 3 5 − 1
       
 5 / 7 − 1 / 7 − 3 / 7  ; 5(b)  1 −1 1  ; 5(c)  0 − 3 3  ;5(d)  1 − 1 0  ;5(e)
 −1 / 7 3 / 7 2/7      −1 − 4 6   2 −3 1 
  −1 3 / 2 −1 / 2   
 0 1 / 2 −1 / 2  0 1 1  1 0 0
   
 −1 / 2 1 / 2 0  ; 5(f)  − 1 / 2 1 1 / 2  .Verificação: AA−1 = 0 1 0
 1/ 2  
 0 1 / 2   1 / 2 0 −1 / 2
  0 0 1

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.

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