1

ELEMENTOS DE ÁLGEBRA LINEAR

CAPÍTULO 1

MATRIZES, DETERMINANTES E SISTEMAS LINEARES

1 MATRIZES

HISTÓRICO

O pai das matrizes foi Cayley que, em 1850 divulgou esse nome e iniciou a
demonstrar sua utilidade. Elas surgiram para a resolução de Sistemas Lineares. Mas foi só há
pouco mais de 150 anos que as matrizes tiveram sua importância detectada e saíram da
sombra dos determinantes. No entanto, o primeiro uso implícito da noção de matriz se deve a
Lagrange em 1790.
O primeiro a lhes dar um nome parece ter sido Cauchy que as chamavam de
tabelas. O nome matriz só veio com James Joseph Sylvester, 1850. Sylvester ainda via as
matrizes como mero ingrediente dos determinantes. É só com Cayley que elas passam a ter
vida própria e gradativamente começam a suplantar os determinantes em importância.

Definição: Chamamos de Matriz, a uma tabela organizada em linhas e colunas, denotada por
A = (a ij ) mxn , onde o par de índices "ij" , representam a posição de cada elemento a ij

dentro da matriz, sendo que o índice "i" indica a qual linha pertence o elemento e "j" a
qual coluna. O par de índices "mxn", representam o tamanho da matriz, sendo que o
índice "m" indica a quantidade de linhas da matriz e "n" a quantidade de colunas. Toda
 a 11 a 12 ... a 1n 
 
 a 21 a 22 ... a 2 n 
matriz pode ser representada, genericamente, por: A = 
... ... ... ... 
 
a a m2 ... a mn 
 m1

Indicaremos por M mxn (ℜ) o conjunto de todas as matrizes de ordem mxn e com
elementos reais.
• Se m = n, a matriz será chamada de matriz quadrada de ordem n e representada por M n (ℜ) ou
simplesmente M n . Matriz quadrada é aquela que tem a mesma quantidade de linhas e colunas.
• Se m ≠ n, a matriz será chamada de matriz retangular de ordem mxn e representada por
M mxn (ℜ) ou simplesmente M mxn .
 2

• Se m = n = 1, a matriz representa um único elemento, ou seja, M 1x1 = (a 11 ) = a 11 . Assim, todo

número real pode ser representado por umas matriz de ordem 1x1.

i + 2 j , se i > j

Exemplo (1): Escrever a matriz A = (a ij ) 2 x 3 tal que a ij = i j , se i = j
2i − j , se i < j


 a 11 a 12 a 13 
Solução: A matriz A = (a ij ) 2 x 3 é representada por: A =   . Então:
 a 21 a 22 a 23 

a 11 = i j = 11 = 1 ; a 22 = i j = 2 2 = 4 , pois i = j
a 12 = 2i − j = 2 ⋅1 − 2 = 0 ; a 13 = 2i − j = 2 ⋅1 − 3 = −1 ; a 23 = 2i − j = 2 ⋅ 2 − 3 = 1 , pois i < j

a 21 = i + 2 j = 2 + 1 ⋅1 = 3

 1 0 − 1
Portanto: A =  
3 4 1

1.1 Matrizes Especiais

• Matriz Nula: é a matriz O mxn , na qual todos os seus elementos são nulos, ou seja:

0 0 ... 0 
 
0 0 ... 0 
A=
... ... ... ... 
 
0 0 ... 0 

• Matriz Linha: é toda matriz de ordem 1xn, ou seja: A = (a 11 a 12 ... a 1n ) .

 a 11 
 
 a 21 
• Matriz Coluna: é toda matriz de ordem mx1, ou seja: A = 
... 
 
a 
 m1 

 a 11 a 12 ... a 1n 
 
a a 22 ... a 2n 
• Matriz Quadrada: é toda matriz de ordem nxn, ou seja: A nxn =  21 . Os
... ... ... ... 
 
a a n2 ... a nn 
 n1
elementos onde i = j formam o que chamamos de diagonal principal.

• Matriz Triangular: é uma matriz quadrada, e pode apresentar dois casos;

 3

 a 11 0 ... 0 
 
a a 22 ... 0 
a) Triangular Inferior: é tal que a ij = 0 se i < j ⇒ A nxn =  21
... ... ... ... 
 
a a n2 ... a nn 
 n1

 a 11 a 12 ... a 1n 
 
 0 a 22 ... a 2 n 
b) Triangular Superior: é tal que a ij = 0 se i > j ⇒ A nxn =
... ... ... ... 
 
 0 0 ... a nn 


∀x ∈ ℜ , se i = j
• Matriz Diagonal: é uma matriz quadrada, na qual cada a ij =  ⇒
0 , se i ≠ j

 a 11 0 ... 0 
 
 0 a 22 ... 0 
A nxn =
... ... ... ... 
 
 0 0 ... a nn 

1, se i = j
• Matriz Identidade: é uma matriz quadrada, denotada por Id n , na qual cada a ij =  ⇒
0 , se i ≠ j
1 0 ... 0 
 
0 1 ... 0 
A nxn =
... ... ... ... 
 
0 0 ... 1 

• Matriz Transposta: Dada uma matriz A = (a ij ) mxn , então sua transposta é uma matriz

A t = (a ji ) nxm . É a matriz tal que a ij = a ji . Assim, dada uma matriz A, para obter sua

transposta trocamos as linhas com as respectivas colunas.

• Matriz Simétrica: é uma matriz An, quadrada, tal que At = A.
• Matriz Anti-Simétrica: é uma matriz quadrada tal que At = -A.

1.2 Operações com Matrizes

• Igualdade: Sejam A = (a ij ) mxn e B = (b ij ) mxn , duas matrizes de mesma ordem. Então:

A = B ⇔ a ij = b ij , ∀i e j

• Adição: Sejam A = (a ij ) mxn e B = (b ij ) mxn , duas matrizes de mesma ordem. Então:

A + B = (a ij + b ij ) mxn .
 4

Propriedades da adição: Sejam A = (a ij ) mxn , B = (b ij ) mxn e C = (c ij ) mxn . Então são válidas as

seguintes propriedades:
a) Comutativa: A + B = B + A
b) Associativa: A + (B + C) = (A + B) + C
c) Elemento Neutro: ∀A∈Mmxn, ∃O∈Mmxn (matriz nula de ordem mxn) tal que A+O=O+A=A.
d) Elemento Oposto: ∀A∈Mmxn, ∃(-A)∈Mmxn (matriz oposta de ordem mxn) tal que
A + (-A) = (-A) + A = O.
• Subtração: Sejam A = (a ij ) mxn e B = (b ij ) mxn , duas matrizes de mesma ordem. Então:

A − B = (a ij − b ij ) mxn .

OBS: A subtração não possui nenhuma propriedade. Vamos interpretar a subtração da seguinte
forma: A − B = A + (−B) , ou seja, a subtração é a adição com a matriz oposta de B,
nestas condições, as propriedades são as mesmas da adição.
• Produto por escalar: Sejam A = (a ij ) mxn e ∀α ∈ ℜ . Então: α ⋅ A = (α ⋅ a ij ) mxn .

Propriedades: Sejam A = (a ij ) mxn e B = (b ij ) mxn e ∀α e β ∈ ℜ .

a) β(αA ) = α(βA ) = (αβ)A

b) α(A + B) = αA + αB
c) (α + β)A = αA + βA
d) 1 ⋅ A = A
• Multiplicação: Sejam A = (a ij ) mxn e B = (b jk ) pxq . O produto da matriz A por B, indicado por

A ⋅ B , só é possível de n = p, e a nova matriz terá ordem mxq, representada por C = (c ik ) mxq ,

n
sendo que : c ik = ∑ a ij ⋅ b jk , para i=1,2,...,m e k=1,2,...,q.
j=1

OBS: Para haver o produto entre as matrizes A mxn e B pxq , é necessário que o número de

colunas da matriz à esquerda seja igual ao número de linhas da matriz à direita e, a

ordem da matriz produto é o número de linhas da matriz à esquerda pelo número de
colunas da matriz à direita, ou seja:

Amxn ⋅ Bpxq
n=p
mxq

Propriedades: Sejam A, B e C, matrizes tais que o produto entre elas sejam possíveis. Então:
 5

a) Não vale a comutativa: A ⋅ B ≠ B ⋅ A

b) Associativa: A ⋅ (B ⋅ C) = (A ⋅ B) ⋅ C

à esquerda : A ⋅ (B + C) = A ⋅ B + A ⋅ C
c) Distributiva: 
à direita : (A + B) ⋅ C = A ⋅ C + B ⋅ C
d) Elemento Neutro: Seja A = (a ij ) mxn . O elemento neutro é a matriz identidade de ordem m

( Id m ) ou ordem n ( Id n ), pois: A ⋅ Id n = A e Id m ⋅ A = A .

 2 − 1 5 0 1  4 − 8
Exemplo (2): Sejam A =   , B =   e C =   . Determine se possível:
0 1  2 − 1 − 3 1 0 
a) 2A + C d) B ⋅ C
b) A ⋅ B e) (A − 3C) ⋅ B

c) B + C f) A 2
 2 − 1  4 − 8   2 + 4 − 1 − 8   6 − 9 
Solução: a) 2A + C = 2 + = = 
0 1  1 0   0 + 1 1 + 0   1 1

 2 − 1  5 0 1  2 ⋅ 5 + (−1) ⋅ 2 2 ⋅ 0 + (−1) ⋅ (−1) 2 ⋅1 + (−1) ⋅ (−3) 

b) A ⋅ B =   ⋅  =  ⇒
0 1  2 − 1 − 3   0 ⋅ 5 + 1 ⋅ 2 0 ⋅ 0 + 1 ⋅ (−1) 0 ⋅1 + 1 ⋅ (−3) 

8 1 5
A ⋅ B =  
 2 −1 − 3
c) Não é possível pois, B e C não têm a mesma ordem.
d) Não é possível pois, o número de colunas da matriz B 2 x 3 não é igual ao número de

linhas da matriz C 2 x 2 .

 2 − 1  4 − 8   5 0 1  − 10 23   5 0 1
e) (A − 3C) ⋅ B =   − 3  ⋅   =   ⋅   ⇒
 0 1  1 0   2 − 1 − 3   − 3 1  2 − 1 − 3 

 − 4 − 23 − 79 
(A − 3C) ⋅ B =  
 − 13 − 1 − 6 

 2 − 1  2 − 1  4 − 3 
f) A 2 = A ⋅ A =  ⋅ = 
0 1  0 1  0 1

1.3 Matriz Inversível

Definição: Uma matriz quadrada de ordem n se diz inversível, se , e somente se, existe uma matriz
quadrada B de ordem n, de modo que A ⋅ B = B ⋅ A = Id n . Essa matriz B, caso exista, é

única e chamada de inversa de A, denotada por A −1 .

 6

1.3.1 Determinação da inversa

1º Método - Por Definição

Aplicando a definição, onde A −1 será escrita genericamente, vamos encontrar um

sistema linear. Se o sistema for possível e determinado (apenas uma solução),então existe a inversa.
Se o sistema for impossível, então não existe a inversa.
 1 2 0
 1 3  
Exemplo (3): Sejam A =   e B =  3 2 1  . Determine a inversa pela definição, se houver.
 2 4  2 1 1
 
a b  1 3  a b   1 0 
Solução: Seja A −1 =   . Por definição A ⋅ A −1 = Id 2 . Então:   ⋅   =   ⇒
c d  2 4  c d  0 1
 a + 3c b + 3d   1 0   a + 3c = 1  b + 3d = 0
  =   ⇒  e  . Resolvendo os sistemas
 2a + 4c 2b + 4d   0 1   2a + 4c = 0 2b + 4d = 1
− 2 3 
lineares teremos A −1 =  2
.
1
 1 − 2
a b c  1 2 0  a b c  1 0 0
−1   −1      
Seja B =  d e f  . Então, B ⋅ B = Id 3 ⇒  3 2 1  ⋅  d e f  =  0 1 0  ⇒
g h i   2 1 1 g h i  0 0 1
       

a + 2d = 1 b + 2e = 0 c + 2f = 0
  
3a + 2d + g = 0 e 3b + 2e + h = 1 e 3c + 2f + i = 0
2a + d + g = 0 2 b + e + h = 0 2c + f + i = 1
  

 −1 2 − 2
−1  
Resolvendo os três sistemas lineares teremos: B =  1 −1 1
 1 −3 4 


2º Método - Por Operações Elementares

Podemos aplicar operações nas filas (linhas ou colunas) de uma matriz, sem alterar suas
propriedades. Estas operações, chamadas de operações elementares são as seguintes:
a) Permutar duas filas paralelas;
b) Multiplicar uma fila por um escalar α , ∀α ∈ ℜ , com α ≠ 0 ;
c) Somar a uma fila uma outra fila paralela multiplicada por α , ∀α ∈ ℜ , com α ≠ 0 ;
 7

O método das operações elementares consiste no seguinte: do lado esquerdo escrevemos

a matriz A e do lado direito a matriz identidade de mesma ordem da A. Através de operações
elementares transformamos a matriz A na matriz identidade. As mesmas operações que aplicamos
na matriz A, devemos aplicar na matriz identidade que está do lado direito. No final do processo o

que resulta do lado esquerdo é a matriz identidade e do lado direito a matriz inversa A −1 .

 1 2 0
 1 3  
Exemplo (4): Sejam A =   e B =  3 2 1  . Determine sua inversa, por operações
 2 4  2 1 1
 
elementares, se houver.

 1 3 * 1 0  − 2 L1 + L 2  1 3 * 1 0  32 L 2 + L1  1 3
  →
0 * −2 2

Solução:     →
 2 4 * 0 1  0 − 2 * − 2 1 0 − 2 * − 2 1

1 0 * −2 3  3 
− 1 L2 2 −1  −2 2
2 → 1  ⇒ A = 
 1 
0 1 * 1 − 2  1 − 2

 1 2 0 * 1 0 0  −3 L + L  1 2 0 * 1 0 0
  1 2  − 14 L 2
 3 2 1 * 0 1 0  →  0 − 4 1 * − 3 1 0  →
 2 1 1 * 0 0 1  −2 L1 + L3  0 − 3 1 * − 2 0 1
   

1 2 0 * 1 0 0 1 2 0 * 1 0 0  L +L
 1 3 1
 3L 2 + L 3  3
 3 2
0 1 − 4 * 4 − 4 0   → 0 1 − 14 * 4
− 14 0  →
0 − 3 1 * − 2 0  
 1  0 0
1 *
4
1
4
− 34 1 4L3

1 2 0 * 1 0 0  1 0 0 * −1 2 − 2
  − 2L 2 + L1  
 0 1 0 * 1 − 1 1    → 0 1 0 * 1 − 1 1 ⇒
0 0 1 * 1 − 3 4 0 0 1 * 1 − 3 4 
  

 −1 2 − 2
−1  
B =  1 −1 1
 1 −3 4 


OBS: No exemplo acima, por exemplo, − 2L1 + L 2 significa: menos duas vezes a linha 1 somada a
linha 2. Note que, nesta passagem, quem sofreu alteração foi a linha 2, que a ela foi soma a
linha 1 multiplicada por -2. Se ao aplicarmos operações elementares em uma matriz e ela
apresentar uma ou mais filas nulas, então a matriz não admite inversa.
 8

2 DETERMINANTES

HISTÓRICO

Os primeiros estudos sobre determinantes datam provavelmente do século 111 a.C.

Mas foi só em 1683 que o japonês Seki Kowa usou a idéia de determinante em seus trabalhos
sobre sistemas lineares.
O uso do determinante no Ocidente começou 10 anos depois num trabalho de
Leibniz, ligado também a sistemas lineares. O francês Étienne Bézout (1730-1783),
sistematizou em 1764 o processo de estabelecimento dos sinais dos termos de um
determinante. E coube a outro francês, Alexandre Vandermonte (1735-1796), a primeira
abordagem da teoria dos determinantes.
O termo determinante, com o sentido atual, surgiu em 1812 num trabalho de
Cauchy sobre o assunto. Além de Cauchy, quem mais contribuiu para consolidar a teoria dos
determinantes foi o alemão Carl Jacobi (1804-1851). Deve-se a ele a forma simples como essa
teoria se apresenta até hoje.

Definição: Dada uma matriz quadrada A, chamamos de determinante da matriz A, denotado por
det(A), ao número real obtido através de operações realizadas com os elementos da
matriz, conforme os métodos apresentados abaixo.

2.1 Regra de Sarrus

A regra de Sarrus se aplica a determinantes de 2ª e 3ª ordem com segue:
a a 12  a 11 a 12
• Determinante de 2ª ordem: Seja A =  11  ⇒ det(A) = ⇒
 a 21 a 22  a 21 a 22

det(A) = (a 11 ⋅ a 22 ) − (a 12 ⋅ a 21 ) .

 a 11 a 12 a 13  a 11 a 12 a 13
 
• Determinante de 3ª ordem: Seja A =  a 21 a 22 a 23  ⇒ det(A) = a 21 a 22 a 23 ⇒
a a 32 a 33  a 31 a 32 a 33
 31
det(A ) = (a 11a 22 a 33 + a 12 a 23 a 31 + a 21a 32 a 13 ) − (a 13 a 22 a 31 + a 11a 23 a 32 + a 33 a 21a 12 )

Regra prática:
a 11 a 12 a 13 a 11 a 12
det(A) = a 21 a 22 a 23 a 21 a 22
a 31 a 32 a 33 a 31 a 32

− (a13a 22a31 + a11a 23a32 + a33a 21a12) + (a11a22a33 + a12a23a31 + a21a32a13)

Exemplo (5): Resolver os determinantes usando a regra de Sarrus:

 9

1 2 0
−3 2
a) b) − 1 3 2
4 2
3 −4 2

−3 2
Solução: a) = (−3 ⋅ 2) − (2 ⋅ 4) = −6 − 8 = −14
4 2

1 2 0
b) − 1 3 2 = [1 ⋅ 3 ⋅ 2 + 2 ⋅ 2 ⋅ 3 + 0 ⋅ (−1) ⋅ (−4)] − [0 ⋅ 3 ⋅ 3 + 1 ⋅ 2 ⋅ (−4) + 2 ⋅ 2 ⋅ (−1)] =
3 −4 2

= (6 + 12 + 0) − (0 − 8 − 4) = 18 + 12 = 30

2.2 Regra de Laplace

Definição: Dada uma matriz quadrada A = (a ij ) nxn , de ordem n ≥ 2 , chamamos de cofator do

elemento aij, e indicado por Aij, ao seguinte número: A ij = (−1) i + j ⋅ D ij , onde Dij é o

determinante de ordem menor, formado pelos elementos restantes, quando retiramos a

linha e a coluna as quais pertence o elemento aij.

 2 −1 2 
 
Exemplo (6): Determine o cofator dos elementos a23 e a31 da matriz A =  1 − 1 0  .
 3 3 1
 
2 −1
Solução: A 23 = (−1) 2 +3 ⋅ D 23 = (−1) 5 ⋅ = −1 ⋅ (6 + 3) = −9
3 3

−1 2
A 31 = (−1) 3+1 ⋅ D 31 = (−1) 4 ⋅ = +1 ⋅ ( 0 + 2 ) = 2
−1 0

Teorema de Laplace: Seja A = (a ij ) nxn , uma matriz quadrada com ordem n ≥ 2 . O determinante

da matriz A é a somatória dos elementos aij pelos seus respectivos cofatores

Aij, em relação a qualquer linha ou coluna da matriz A, ou seja, se
 a 11 a 12 ... a 1n 
 
a a 22 ... a 2 n 
A nxn =  21 , então, em relação a primeira linha, temos
... ... ... ... 
 
a a n2 ... a nn 
 n1
que: det(A) = a 11 A11 + a 12 A 12 + ... + a 1n A1n .
 10

OBS: Podemos aplicar o Teorema de Laplace a qualquer linha ou coluna da matriz A, de

preferência aquela que tiver a maior quantidade de zeros, pois evita cálculos. O Teorema de
Laplace é uma regra geral, ele se aplica a determinantes de qualquer ordem.

1 2 0
Exemplo (7): Resolver o determinante det(A) = − 1 3 2 usando o Teorema de Laplace.
3 −4 2

Solução: Vamos aplicar o teorema de Laplace para os elementos da coluna 3:

det(A ) = a 13 A 13 + a 23 A 23 + a 33 A 33

−1 3 1 2 1 2
det(A ) = 0 ⋅ (−1)1+3 + 2 ⋅ (−1) 2+3 + 2 ⋅ (−1) 3+3
3 −4 3 −4 −1 3
det(A ) = −2 ⋅ (−10) + 2 ⋅ (5) = 20 + 10 = 30

2.3 Regra de Chió

Seja A = (a ij ) nxn , uma matriz quadrada com ordem n ≥ 2 . No determinante da matriz

A, identificar um elemento a ij = 1 . Retirar a linha e a coluna as quais pertence o elemento a ij = 1 .

Restará um determinante de ordem menor, do qual devemos retirar de cada elemento a ij , o produto

dos elementos referentes a linha e a coluna que foram retiradas. Este determinante deverá ser

multiplicado por (−1) i + j , onde i e j são os índices do elemento a ij = 1 .

 a 11 a 12 a 13 ... a 1n 
 
 a 21 a 22 a 23 ... a 2 n 
Por exemplo, suponhamos que a 11 = 1 . Se a matriz A =  a 31 a 32 a 33 ... a 3n  ,
 
 ... ... ... ... ... 
a ... a nn 
 n1 a n 2 a n 3
a 22 − a 12 ⋅ a 21 a 23 − a 13 ⋅ a 21 ... a 2 n − a 1n ⋅ a 21
a 32 − a 12 ⋅ a 31 a 33 − a 13 ⋅ a 31 ... a 3n − a 1n ⋅ a 31
então det(A) = (−1)1+1 ⋅
... ... ... ...
a n 2 − a 12 ⋅ a n1 a n 3 − a 13 ⋅ a n1 ... a nn − a 1n ⋅ a n1

1 2 0
Exemplo (8): Resolver o determinante det(A) = − 1 3 2 usando o a regra de Chió.
3 −4 2

Solução: Vamos aplicar a regra de Chió para o elemento a 11 = 1 :

 11

3 − 2 ⋅ (−1) 2 − ⋅0 ⋅ (−1) 5 2
det(A ) = (−1)1+1 ⋅ = = 5 ⋅ 2 − (−10 ⋅ 2) ⇒ det(A ) = 30
− 4 − 2⋅3 2 − 0 ⋅3 − 10 2

2.4 Propriedades dos determinantes

• det(A ) = 0 , se possui uma fila (linha ou coluna) nula; se duas filas paralelas são iguais; se duas
filas paralelas são proporcionais (múltiplas) ou se uma das filas é combinação linear da demais.
• Determinante da matriz triangular (e também a matriz diagonal) é o produto dos elementos da
diagonal principal.
• Se multiplicarmos uma fila de uma matriz por um escalar, ∀α ∈ ℜ , o determinante ficará
multiplicado por α.
• Se permutarmos duas filas paralelas de uma matriz A, o determinante ficará multiplicado por -1.
• Se numa matriz A adicionarmos a uma fila uma outra paralela, multiplicada por um escalar,
∀α ∈ ℜ , o determinante são se altera.
a 11 + x 1 a 12 ... a 1n a 11 a 12 ... a 1n x1 a 12 ... a 1n
a 21 + x 2 a 22 ... a 2n a a 22 ... a 2 n x 2 a 22 ... a 2n
• Se det(A) = = 21 +
... ... ... ... ... ... ... ... ... ... ... ...
a n1 + x n a n2 ... a nn a n1 a n2 ... a nn x n a n2 ... a nn

• det(A t ) = det(A)
1
• det(A −1 ) =
det(A)

• det(A ⋅ B) = det(A) ⋅ det(B)

2.5 Matriz Inversa através da Matriz Adjunta

Definição: Seja A = (a ij ) nxn uma matriz quadrada de ordem n ≥ 2 , chamamos de Matriz Cofatora

da matriz A, denotada por Cof(A), a matriz constituída dos cofatores de cada elemento
aij. (veja a definição de cofator no item 2.2)

Definição: Seja A = (a ij ) nxn uma matriz quadrada de ordem n ≥ 2 , chamamos de Matriz Adjunta,

denotada por Adj(A), a transposta da matriz cofatora, ou seja, Adj(A) = (Cof (A)) t .
 12

Proposição: Seja A = (a ij ) nxn uma matriz quadrada de ordem n ≥ 2 . Então, a matriz inversa da

1
matriz A é determinada por: A −1 = ⋅ Adj(A) , com det(A) ≠ 0 .
det(A)

 1 2 0
 
Exemplo (9): Seja e B =  3 2 1  . Determine sua inversa, através da matriz adjunta, se houver.
 2 1 1
 
Solução: Como det(B) = −1 ≠ 0 , então a matriz B admite inversa.

 2 1 3 1 3 2
 (−1)1+1 (−1)1+ 2 (−1)1+3 
 1 1 2 1 2 1
 2 0 1 0   1 − 1 − 1
2+3 1 2
Cof (B) =  (−1) 2+1 (−1) 2+ 2 (−1)  = − 2 1 3
 1 1 2 1 2 1  
 2 0   2 −1 − 4
3+ 2 1 0 1 2
 (−1) 3+1 (−1) (−1) 3+3 
 2 1 3 1 3 2 

 1 −2 2  1 −2 2
  1 1  
Adj(B) = (Cof (B) ) t =  −1 1 − 1 ⇒ B −1 = ⋅ Adj(B) =  −1 1 − 1
 −1 det(B) −1 
 3 − 4   −1 3 − 4 

 −1 2 − 2
 
B −1 =  1 −1 1
 1 −3 4 


3 SISTEMAS LINEARES

HISTÓRICO

Na matemática ocidental antiga são poucas as aparições de sistemas de equações

lineares. No Oriente, contudo, o assunto mereceu atenção bem maior. Com seu gosto especial
por diagramas, os chineses representavam os sistemas lineares por meio de seus coeficientes
escritos com barras de bambu sobre os quadrados de um tabuleiro. Assim acabaram
descobrindo o método de resolução por eliminação — que consiste em anular coeficientes por
meio de operações elementares. Exemplos desse procedimento encontram-se nos Nove
capítulos sobre a arte da matemática, um texto que data provavelmente do século 111 a.C.
Mas foi só em 1683, num trabalho do japonês Seki Kowa, que a idéia de determinante (como
polinômio que se associa a um quadrado de números) veio à luz. Kowa, considerado o maior
matemático japonês do século XVII, chegou a essa noção através do estudo de sistemas
lineares, sistematizando o velho procedimento chinês (para o caso de duas equações apenas).

Definição: Considere uma equação da seguinte forma: a 1 x 1 + a 2 x 2 + ... + a n x n = b ,

∀a 1 , a 2 ,..., a n ∈ ℜ , chamados de coeficientes; ∀b ∈ ℜ , chamado de termo
 13

independente e x 1 , x 2 ,..., x n são variáveis reais, com expoente igual a 1, chamadas de

incógnitas . Uma equação desse tipo é chamada de equação linear a n incógnitas.

Definição: Seja uma equação linear a 1 x 1 + a 2 x 2 + ... + a n x n = b . Chama-se solução dessa

equação, uma seqüência de n números reais (n-úpla) α1 , α 2 ,..., α n , tal que:
a 1α1 + a 2 α 2 + ... + a n α n = b é uma igualdade verdadeira.

Definição: Chama-se de sistema linear, denotado por Smxn, a um conjunto formado por duas ou
mais equações lineares nas mesmas variáveis reais x 1 , x 2 ,..., x n . O par de índices mxn
é chamado de ordem do sistema indicando m equações e n incógnitas. Genericamente
 a 11 x 1 + a 12 x 2 + ... + a 1n x n = b1
 a x + a x + ... + a x = b

representado por: S mxn :  21 1 22 2 2n n 2

 ....................................................
a m1 x 1 + a m 2 x 2 + ... + a mn x n = b m

Definição: Chama-se solução de um sistema linear S, uma n-úpla α1 , α 2 ,..., α n de números reais,
que satisfaz, ao mesmo tempo, todas as equações do sistema S.

3.1 Classificação dos Sistemas Lineares

• Sistema Possível e Determinado (SPD): admite apenas uma única solução
• Sistema Possível e Indeterminado (SPI): admite infinitas soluções
• Sistema Impossível (SI): não admite solução.

3.2 Métodos de Resolução de Sistemas Lineares

Algumas operações elementares podem ser aplicadas nas equações de um sistema
linear, sem que isso altere sua solução, obtendo, assim, um sistema equivalente ao primeiro. Estas
operações são as seguintes:
i) Permutar uma ou mais equações;
ii) Multiplicar uma ou mais equações por escalares reais diferentes de zero;
iii) A uma equação, adicionar uma outra multiplicada por um escalar diferente de zero.

• Método da Substituição: consiste em "isolar" uma das variáveis de qualquer equação e substituí-
la nas demais, abaixando a ordem do sistema. Repetir o processo até obtermos uma única
equação dependendo apenas de uma só variável.
 14

x + 2 y − z = −3

Exemplo (10): Resolver o sistema linear aplicando o método da substituição S : 2x − y + 3z = 9
− x + y + 5z = 8

Solução: Note que o sistema S tem ordem 3x3. Vamos isolar a variável x da primeira equação e
2(−2 y + z − 3) − y + 3z = 9
substituí-la nas demais: x = −2 y + z − 3 (*). Então:  ⇒
− (−2 y + z − 3) + y + 5z = 8
− 5 y + 5z = 15
S′ . Agora temos um sistema S′ equivalente de ordem 2x2. Vamos isolar a
3y + 4z = 5
variável y na primeira equação e substituí-la na segunda: y = z − 3 (**). Então:
3(z − 3) + 4z = 5 ⇒ z = 2 . Fazendo z = 2 em (**) obtemos y = −1 . Fazendo z = 2 e
y = −1 em (*) obtemos x = 1 . Portanto o sistema S é SPD, pois admite uma única
solução {x = 1, y = −1, z = 2} .

OBS: Se ao aplicarmos o método da substituição ou o método do escalonamento (veremos a seguir)

na resolução de um sistema linear e, aparecerem uma ou mais equações do tipo
0x 1 + 0x 2 + ... + 0x n = 0 , isso significa que elas eram combinação linear das demais e dever
ser retiradas do sistema. Caso apareçam equações do tipo 0x 1 + 0x 2 + ... + 0x n = α , com
α ≠ 0 , estas serão igualdades falsas, indicando que o sistema é SI e não tem solução.

3x − y + z = 2

Exemplo (11): Resolver o sistema linear aplicando o método da substituição S :  x − y + 2z = 1
 x + y − 3z = 0

Solução: Isolando a variável y na primeira equação e substituindo nas demais teremos:
 x − (3x + z − 2) + 2z = 1  − 2 x + z = −1
y = 3x + z − 2 (*) ⇒  ⇒ S′ : 
x + (3x + z − 2) − 3z = 0  4 x − 2z = 2
Isolando a variável z na primeira equação e substituindo na segunda: z = 2 x − 1 (**) ⇒
4 x − 2(2 x − 1) = 2 ⇒ 0 x = 0 , ou seja, esta equação é combinação linear das outras.
Portanto o sistema está resolvido e ele é SPI e sua solução geral é dada por: substitua (**)
em (*) e teremos y = 5x − 3 .

Solução Geral: {y = 5x − 3; z = 2x − 1, ∀x ∈ ℜ} .
 15

 a 11 x 1 + a 12 x 2 + ... + a 1n x n = b1
 a x + a x + ... + a x = b

• Método do Escalonamento: Dado um sistema linear S mxn :  21 1 22 2 2n n 2

 ....................................................
a m1 x 1 + a m 2 x 2 + ... + a mn x n = b m

através de operações elementares aplicadas em suas equações, obtemos o seguinte sistema

 α11 x 1 + α 12 x 2 + α13 x 3 + ... + α1n x n = β1
 α 22 x 2 + α 23 x 3 + ... + α 2 n x n = β 2

equivalente, chamado de sistema escalonado: S′ :  α 33 x 3 + ... + α 3n x n = β 3
......................................................................

 α mn x n = β m

com o objetivo de que a última equação dependa somente da incógnita xn, determinando, assim,
o seu valor e depois o valor das demais incógnitas. Note que, se associarmos ao sistema
escalonado S′ , uma matriz dos coeficientes, teremos uma matriz triangular superior na forma
 α11 α12 α13 ... α1n 
 
 0 α 22 α 23 ... α 2 n 
escalonada, ou seja:  0 0 α 33 ... α 3n 
 
 ... ... ... ... ... 
 0 0 0 ... α mn 


x + 2 y − z = −3

Exemplo (12): Resolver o sistema aplicando o método do escalonamento S : 2x − y + 3z = 9
− x + y + 5z = 8

Solução: Para facilitar a escrita, podemos trabalhar com a matriz dos coeficientes e dos termos
independentes. Então:
 1 2 − 1 − 3 −2L + L  1 2 − 1 − 3 − 1 L2  1 2 − 1 − 3
  1 2  5  
 2 −1 3 9  →  0 − 5 5 15  →  0 1 − 1 − 3 
 −1 1 5 L1 + L3 
 8  0 3 4 5  0 3 4
 5 

 1 2 − 1 − 3
−3 L 2 + L 3  
→  0 1 − 1 − 3  . Note que a matriz está escalonada e, portanto, podemos voltar
 0 0 7 14 
 

x + 2 y − z = −3

ao sistema escalonado. Assim: S′ :  y − z = −3 . Da última equação temos que z = 2 .
 7z = 14

Substituindo na segunda equação teremos y = −1 . Com os valores de y e z, substituímos
 16

na primeira equação e teremos x = 1 . Portanto, o sistema S é SPD, pois admite uma

única solução {x = 1, y = −1, z = 2} .

2 x + 3 y − z = 5

Exemplo (13): Resolver o sistema aplicando o método do escalonamento S : − x + y + 2z = −3
x + 4 y + z = 8

Solução: Para facilitar a escrita, podemos trabalhar com a matriz dos coeficientes e do termo
independente trocando a primeira equação com a segunda. Então:
 − 1 1 2 − 3  2 L + L  − 1 1 2 − 3  −1L + L  − 1 1 2 − 3 
  1 2  2 3 
 2 3 −1 5  →  0 5 3 − 1 →  0 5 3 − 1 . Note que a matriz
 1 4 L1 + L3 
 1 8   0 5 3 5   0 0 0
 6 

está escalonada e apresenta a última equação 0 x + 0 y + 0z = 6 , o que é uma falsidade,

indicando que o sistema é SI e, portanto, não tem solução.

3.3 Sistema Linear Homogêneo

É o sistema linear em que todos os termos independentes das equações são nulos, ou
seja:
 a 11 x 1 + a 12 x 2 + ... + a 1n x n = 0
 a x + a x + ... + a x = 0

H mxn :  21 1 22 2 2n n
.
 .......... .......... .......... .......... .......... ..
a m1 x 1 + a m 2 x 2 + ... + a mn x n = 0

Uma particularidade dos sistemas homogêneos é que eles são sempre possíveis (SPD ou
SPI). Note que, um sistema homogêneo sempre admite a solução trivial (0,0,...,0). Assim, sua
classificação se reduz a:
• Sistema Possível e Determinado (SPD): só admite a solução trivial
• Sistema Possível e Indeterminado (SPI): além da solução trivial admite outras infinitas.

Exemplo (14): Resolver os sistemas homogêneos aplicando o método indicado:

x + 2 y − 3z = 0

a) H : 2x + y − 2z = 0 , método da substituição
3x + 3y + z = 0


 x + 2y + z = 0

b) H : 2x − y − 2z = 0 , método do escalonamento
 4 x + 3y = 0

 17

Solução: a) Da primeira equação temos que x = −2 y + 3z (*). Substituindo nas outras duas,

2(−2 y + 3z) + y − 2z = 0  − 3y + 4z = 0
teremos:  ⇒ H′ :  .
 3(−2 y + 3z) + 3y + z = 0 − 3y + 10z = 0
Da primeira equação vem que − 3y = −4z (**). Substituindo na segunda, teremos:
− 4z + 10z = 0 ⇒ 6z = 0 ⇒ z = 0 . Fazendo z = 0 em (**), temos que y = 0 . Fazendo
y = 0 e z = 0 em (*), temos que x = 0 . Portanto, o sistema é SPD e a solução é a
trivial {x = 0, y = 0, z = 0} .
b) Vamos trabalhar com a matriz dos coeficientes, uma vez que não é necessário trabalhar
com a coluna dos termos independentes, pois são todos nulos. Então:
1 2 1 − 2L + L  1 2 1 −1L + L  1 2 1
  1 2  2 3 
 2 −1 − 2  →  0 − 5 − 4 →  0 − 5 − 4  . A matriz já está
4 3 − 4 L1 + L3
 0  
 0 − 5 − 4
0
 0 0 

escalonada. Retirando a linha nula e voltando ao sistema equivalente, teremos:

x + 2 y + z = 0
H′ :  . Da segunda equação, temos: y = − 54 z . Substituindo na primeira
 − 5 y − 4 z = 0

( )
equação, teremos: x + 2 − 54 z + z = 0 ⇒ x = 35 z . Portanto, o sistema é SPI e sua

{ }
solução geral é x = 35 z, y = − 54 z, ∀z ∈ ℜ . Note que, para z = 0 , teremos x = y = 0,

ou seja, a solução trivial, mas não é a única, existem outras infinitas soluções.

Exercícios Propostos

 1 2  0 − 3 4  1 1 1
1) Sejam A =   , B =   e C =   . Determine a matriz X tal que
 0 − 1 1 2 − 1  2 −1 0 
 − 5 − 8 − 1
X + 2C = A 2 (B − 3C) . Resp: X =  
−7 6 − 1
2) Determine a matriz inversa, se houver.
 2 − 1  2 − 12 
a) A =   Resp (a): A −1 =  
 6 − 4 3 − 1

 2 1 3  9 −3 11
  −1  
b) B =  2 3 − 2  Resp (b): B = −8 3 − 10 
 − 1 0 − 3 −3 1 − 4 
  
 18

 3 2  2 3
3) Sejam A =   e B =   . Determine:
 4 1  1 1
1
[
a) det (A ⋅ B) t ]
−1
Resp (a):
5
1
[
b) Mostre que det (A ⋅ B) t ]
−1
=
det(A) ⋅ det(B)

 3 7  0 2 1 6
4) Sejam A =   , C =   e D =   . Sabendo que A ⋅ B + C = A ⋅ D ⋅ A −1 ,
 −1 − 2   2 − 1 3 2
determine det(B). Resp: det(B) = −172
5) Classificar e resolver os sistemas lineares;
2x − 3y + z = −7

a)  x + 2 y + 2z = 4 Resp (a): SPD e {x = 2; y = 3; z = −2}
 7 x − y + 5z = 1


 2x + 2 y + z = 2
  9y − 5 12 y − 4 
b) − x + 5y − 2z = 1 Resp (b): SPI e x = e z= , ∀z ∈ ℜ
 x + 19 y − 4z = 7  −3 3 


 x + 6 y + 4 z = −2

c)  3x − 2 y + 4z = 0 Resp (c): SI, não tem solução
− x + 14 y + 4z = 5
