1

NOTAS DE AULAS DE ÁLGEBRA LINEAR I

PROFESSOR: José Inácio da Silva
Unidade 1 – Matrizes
1.1- Conceitos
Matriz é uma tabela cujos elementos (entradas) estão dispostos (as) em linhas e colunas.
Os elementos de uma matriz podem ser números (reais ou complexos), funções, ou ainda
outras matrizes.
Representamos uma matriz de m linhas e n colunas, denominada matriz de ordem mxn,
por

 a 11 a 12 ... a 1n 
a a 22 ... a 2n 
A mxn =  21
 ... ... ... ... 
 
a m1 a m 2 ... a mn 
Usaremos sempre letras maiúsculas para representar matrizes e letras minúsculas para
representar seus elementos.
Para localizar um elemento de uma matriz, dizemos a linha e a coluna (sempre nesta
ordem) em que ele se encontra. Por exemplo, na matriz
− 3 4 
A 3 x 2 =  0 − 1
 2 1 
o elemento que está na segunda linha e primeira coluna é 0, isto é, a 21 = 0 .Ainda nesta
matriz temos a 11 = −3, a 12 = 4, a 22 = −1, a 31 = 2 e a 32 = 1. Como podemos observar, a
disposição dos elementos de uma matriz em linhas e colunas é absolutamente
indispensável.
Uma matriz pode ser definida a partir de uma propriedade característica de seus
i + j, se i ≠ j
elementos. Por exemplo seja a matriz A 3 x 3 = (a ij ), tal que a ij =  . Calculando
 i - j, se i = j
todos os seus elementos, temos:
0 3 4
A 3 x 3 = 3 0 5
4 5 0
1.2) Tipos Especiais de Matrizes
Ao trabalharmos com matrizes, observamos que existem algumas que, pela sua
ordem ou pela natureza de seus elementos, possuem propriedades que as diferem de uma
matriz qualquer, e, por isso, recebem nomes especiais.
1.2.1) Matriz linha (1xn)
A= [a 11 a 12 ... a 1n ]
 2

1.2.2) Matriz Coluna (mx1)

 a 11 
a 
A=  21 
 ... 
 
a m1 
1.2.3- Matriz Quadrada ( m = n)
Caracterizasse por possuir o número de linhas igual ao número de colunas. Se A é uma
matriz nxn, dizemos que A é uma matriz quadrada de ordem n.
 a 11 a 12 ... a 1n 
a
 21 a 22 ... a 2n 
A nxn =
 ... ... ... ... 
 
a n1 a n 2 ... a nn 
Os elementos onde i = j constituem a diagonal principal (ou simplesmente diagonal) da
matriz. Já os elementos que compõem a diagonal secundária possuem a propriedade de
que i + j = n+1
Definição:
Se A é uma matriz quadrada , então o traço de A, denotado por tr(A), é definido pela
soma dos elementos da diagonal principal, isto é
tr (A) = a 11 + a 22 + ... + a nn
São matrizes quadradas especiais:
I) Matriz Diagonal: a ij = 0, se i ≠ j .
− 2 0 0
Ex. A =  0 4 0
 0 0 2
 0, se i ≠ j
II) Matriz Escalar: a ij = 
k, se i = j, onde k é um escalar dado
− 3 0 0
Ex. A =  0 − 3 0 

 0 0 − 3

0, se i ≠ j
III) Matriz identidade de ordem n: I n = (a ij ) a ij = 
1, se i = j
1 0 0
1 0
Ex. I 3 = 0 1 0 , I 2 =  
0 0 1 0 1 
IV) Matriz Triangular Superior: Todos os elementos abaixo da diagonal são nulos,
isto é, a ij = 0, se i > j.
− 2 6 3 − 1
0 3 1 − 2
Ex. A = 
0 0 8 3
 
0 0 0 1 
 3

V) Matriz Triangular Inferior: Todos os elementos acima da diagonal são nulos , isto
é a ij = 0, quando i < j
 2 0 0
 2 0
Ex. A = − 3 5 0, B= 
 2 5 8 - 2 3 

VI) Matriz Simétrica: a ij = a ji .

 4 −1 0 
Ex. A = − 1 3 2  . Nota-se que os elementos da matriz são “refletidos” em
 0 2 − 3
relação à diagonal.
VII) Matriz anti-simétrica
 0, se i = j
a ij = 
- a ji , se i ≠ j
 0 − 2 3
Ex. A =  2 0 1
− 3 − 1 0

1.2.4) Matriz Transposta: Dada uma matriz A = (a ij ) mxn , podemos obter uma nova matriz
A t = (b ij ) nxm , onde b ij = a ji . Em resumo: as linhas de At são iguais às colunas de A e vice-
versa.
 2 0
 2 4 − 2
Ex1). A =   , A =  4 1
t

0 1 3  − 2 3
 2 − 3 1  2 − 3 1

Ex2) M = − 3 4 7 ,  M = − 3 4 7  .
t

 1 7 0  1 7 0
Observe que M é uma matriz simétrica e que satisfaz a propriedade : M = Mt.
 0 − 2 3  0 2 − 3

Ex3) A =  2 
0 1 , A t = − 2 0 − 1 .
− 3 − 1 0  3 1 0 
Observe que A é uma matriz anti-simétrica e que goza da propriedade: At = -A (onde –A é a
matriz oposta de A).

Propriedade: (At)t = A
1.2.5) Matriz Nula: a ij = 0, para todo i e para todo j.
0 0 
0 0  0 0 
Ex.  ,  
0 0  0 0
 4

1.2- Operações com Matrizes

1.2.1- Adição
Dadas as matrizes A = (a ij ) mxn e B = (b ij ) mxn . A soma das matrizes A e B é uma nova matriz
C = (c ij ) mxn , onde c ij = a ij + b ij .
− 2 3 0 0 − 4 − 3  − 2 − 1 − 3 
Ex.)  +  =  ,
 1 − 4 2   2 7 − 1   3 3 1  
enquanto

− 2 3 0 1 − 2
 1 − 4 2 + 0 4 , não está definida.
   
Propriedades da adição de matrizes
Dadas as matrizes A, B e C, de mesma ordem mxn:
I) A+B = B+A (comutativa)
II) A+(B+C) = (A+B)+C (Associativa)
III) A+0 = 0+A (0= Matriz Nula de ordem mxn).
IV) (A+B)t = At+Bt

1.2.2- Multiplicação por Escalar: Dada a matriz A = (a ij ) mxn e o escalar k, definimos o produto
de k pela Matriz A, como sendo uma nova matriz mxn, tal que kA = (ka ij ) .
1 0 0 3 0 0
0 − 3  0 6 
Ex. − 2.  =  , 3.0 1 0 = 0 3 0
2 5  − 4 − 10 0 0 1 0 0 3
Propriedades: Sejam A e B matriz mxn e k, k 1 e k 2 escalares;
I) k(A+B) = kA + kB;
II) (k 1 + k 2 )A = k 1 A + k 2 A;
III) (k 1 k 2) A = k 1 (k 2 A);
IV) (-1)A = -A ; (-A é denominada a matriz oposta de A), onde A+(-A) = 0 (onde 0 é a matriz
nula mxn)
V) 0.A = 0 mxn ( o produto do número zero por uma matriz mxn resulta na matriz nula mxn)
VI) (kA)t = k(At)
VII) É bom lembrar que A – B = A+(-B)
EXERCÍCIOS
 2 1
- 2 3 0   0 - 2 1  
1) Dadas as matrizes A =  , B = - 3 3 5 e C = - 5 0 , resolva as operações
 - 1 2 - 4    - 4 3
abaixo, se forem definidas:
a) A+B b) B+A c) A + C d) At + B e) At + Bt f) A + Ct g) (A+B)t h) Ct -2 A , i
i) tr(A)
2) Se A é uma matriz anti-simétrica, então A+At = ___________
3) Se A é uma matriz simétrica então A – At = ______
4) Se A é uma matriz triangular superior, então At = _________
 5

1.2.3)Multiplicação de matrizes
Consideremos o seguinte problema, antes de enunciarmos a regra para multiplicação de
matrizes.
Suponhamos que a seguinte tabela forneça as quantidades de vitaminas A, B e C obtidas em cada
grama dos alimentos I e II.
A B C
A lim ento I 4 5 4
Alimento II 5 3 0
Se ingerirmos 6 unidades do alimento I e 4 unidades do alimento II,
a)quanto consumiremos de cada tipo de vitaminas?
b) Se o custo dos alimentos depender somente do seu conteúdo de vitaminas e se o preço por
unidade das vitaminas A, B e C é, respectivamente, 20, 30 e 50 centavos, quanto pagaríamos
pela ingestão dos alimentos I e II?
Vamos representar o consumo dos alimentos I e II, nesta ordem, pela matriz
M = [6 4]
A quantidade ingerida de cada vitamina será fornecida pela “combinação” da matriz M com as
colunas da matriz das vitaminas. Podemos representar essa combinação através da operação
4 5 4
[6 4] .  
5 3 0 
= [6.4 + 4.5 6.5 + 4.3 6.4 + 4.0]
= [44 42 24]
De acordo com o resultado acima podemos afirmar que serão ingeridas 44 unidades de vitamina
A, 42 de B e 24 de C.
Para respondermos ao quesito b) faremos a seguinte combinação
0,20
[44 42 24] . 0,30
0,50 
= [44x0,20+42x0,30+24x0,50]
= [33,40]
Isto é, pagaríamos R$ 33,40.

Observamos que ao realizarmos os produtos envolvendo as matrizes nos quesitos a) e b), cada
elemento da matriz resultante foi obtido combinando a linha da primeira matriz com uma coluna
na segunda matriz.
Vamos considerar as matrizes
 b11 b12 
 a 11 a 12 a 13 
A 2x3 =   e B 3 x 2 = b 21 b 22 
a 21 a 22 a 23   b 31 b 32 
c c12 
A matriz-produto é a matriz C 2x2 =  11  , onde cada elemento de C será obtido pela
c 21 c 22 
combinação dos elementos de uma linha da primeira matriz com os elementos de uma coluna da
segunda matriz, isto é:
Cada elemento da matriz C é obtido pela soma dos produtos dos
elementos de uma linha de A por uma coluna de B
 6

Assim,
C 11 = a 11 .b 11 + a 12 .b 21 +a 13 .b 31 (Primeira linha x Primeira coluna)
C 12 = a 11 .b 12 + a 12 .b 22 +a 13 .b 32 (Primeira linha x Segunda coluna)
C 21 = a 21 .b 11 + a 22 .b 21 +a 23 .b 31 (Segunda Linha x Primeira coluna)
C 22 = a 21 .b 12 + a 22 .b 22 +a 23 .b 32 )Segunda Linha x Segunda coluna)

REGRA GERAL DA MULTIPLICAÇÃO

Dadas as matrizes A = (a ik ) m x n e B = (b kj ) n x p , o produto
das matrizes A e B é uma matriz, digamos C = ( c ij ), de ordem
n
i = 1,2,..., m
m x p, tal que c ij = ∑ a ik .b kj , 
k =1  j = 1,2,..., p

Exemplos
1) Calcular AB:
 3 − 2
 1 - 1 2
a) A = 0 1  B= 
2 4  - 2 0 3 
Solução:
Aqui, A é de ordem 3x2 e B é de ordem 2x3. Como o número de colunas de A é igual ao
número de linhas de B, o produto de A por B está definido, e AB = C, onde C é de ordem
3x3 (conserva o número de linhas de A e o número de colunas de B), isto é:
 c11 c12 c13 
C = c 21 c 22 c 23 
c 31 c 32 c 33 
O cálculo dos elementos de C será feito de acordo com a regra da multiplicação:
c11 = 3.1 + (−2).(−2) = 7 c 21 = 0.(1) + 1.(−2) = −2 c31 = 2.1 + 4.(−2) = −6
c12 = 3.(−1) + (−2).0 = −3 c 22 = 0.(−1) + 1.0 = 0 c32 = 2.(−1) + 4.0 = −2
c13 = 3.2 + (−2).3 = 0 c 23 = 0.2 + 1.3 = 3 c33 = 2.2 + 4.3 = 16
Assim,
 7 −3 0
AB = − 2 0 3 
 − 6 − 2 16

Propriedades da Multiplicação
Sejam A , B e C matrizes cujas operações indicadas estejam definidas:
1) AB + AC = A(B+C) (distributiva)
2) (AB)C = A(BC) (Associativa)
3) k(AB) = (kA)B= A(kB), k = constante
4) (AB)t = BtAt.

Obs.: 1) Mk = MM ...M (k≥1 vezes) , neste caso a matriz deve ser quadrada (por que?);
2) a multiplicação de matrizes não é comutativa, ou seja, é possível que AB ≠ BA , para
matrizes A e B, ainda que AB e BA estejam definidas.
 7

Exercícios
1) Dadas as matrizes
- 2 1 - 4  2 - 3
1 2 4  − 1 3
A =  3 2 0  , B =  2 4  , C = 
 
 e D=
3 2 1  0 2
 3 2 1  - 1 0 
Calcule, quando existir:
a) AB b) AC c) AD d) AA e) BC f) CD g) A(B+C) h) A(B+Ct) i) CA j) DC

1 1
2) Se A =   , determine:
1 1
a) A2, b) A3, c) An
3) Se A é uma matriz quadrada de ordem n e se I é uma matriz identidade de ordem n,
mostre que AI = IA = A.
4) Se A é uma matriz linha e se B é uma matriz coluna e se AB está definido, então AB é
uma matriz de ordem ___________
5) Determine A tal que
x  x + y
A  y  =  x − y 
 z   0 
6)Decida se a afirmação é sempre verdadeira ou às vezes falsa. Justifique sua resposta dando
um argumento lógico ou um contra-exemplo .
a) Se A é uma matriz quadrada com duas linhas idênticas, então AA tem duas linhas idênticas;
b) Se A é uma matriz quadrada e se AA tem uma coluna constituída somente de zeros, então A
tem uma coluna toda constituída de zeros;
c) Se a soma AB + BA estiver definida, então A e B necessariamente devem ser matrizes
quadradas.
d) tr(A+B) = tr(A) + tr(B)
 8

7)Aplicação: Redes e grafos

A teoria dos grafos é uma das áreas importantes da matemática aplicada. Essa teoria é
particularmente útil em aplicações envolvendo redes de comunicação.
Um grafo é definido como um conjunto de pontos chamados vértices juntamente com um
conjunto de pares não ordenados de vértices, chamados de arestas. A figura abaixo dá uma
representação geométrica de um grafo. Podemos pensar nos vértices V 1 , V 2 , V 3 , V 4 e V 5 como
correspondendo a nós em uma rede de comunicação. Os segmentos de reta que une os vértices
são as arestas: { V 1 , V 2 }, { V 2 , V 5 }, { V 3 , V 4 },{ V 3 , V 5 }, { V 4 , V 5 }. Cada aresta representa
um elo de comunicação direta entre dois nós da rede.

V1 V2

V3

V5 V4
Na verdade, uma rede de comunicação pode possuir milhares, até milhões de vértices, o que
dificultaria a representação gráfica da rede. Uma alternativa é criar uma matriz A, nxn,
denominada Matriz de Adjacência, cuja entrada é
 1, se {Vi , Vj } é uma aresta do grafo
a ij = 
0, se não existir aresta conectando Vi e Vj
A matriz de adjacência para o grafo da figura acima é
0 1 0 0 0 
1 0 0 0 1
 
A = 0 0 0 1 1 
 
0 0 1 0 1 
0 1 1 1 0
Nota-se que A é uma matriz simétrica pois a ij = a ji .
Definição: Um caminho no grafo é uma sequência de arestas unindo um vértice a outro.
Por exemplo, na figura acima, as arestas { V 1 , V 2 }, { V 2 , V 5 }, { V 5 , V 3 } é um caminho do
vértice V 1 ao vértice V 3 . Podemos representar esse caminho de um modo mais simples como
V1 → V2 → V5 → V3 .
O comprimento de um caminho consiste no número de arestas que vão de um vértice ao outro.
Assim, o comprimento do caminho de V 1 a V 3 é 3, enquanto o comprimento do caminho de V 2 a
V 4 pode ser 2 ou 3 (por que?)
Definição: O número de caminhos do vértice V i ao vértice V j que tem o comprimento k é dado
pelo elemento a ij da potência Ak da matriz de adjacência.
Como exemplo, vamos determinar o número de caminhos de comprimento 3 entre alguns
vértices do grafo da figura dada.

0 2 1 1 0
2
 0 1 1 4
A 3 = 1 1 2 3 4
 
1 1 3 2 4
0 4 4 4 2
 9

Assim, o número de caminhos de comprimento 3 de V 3 a V 5 é dado por a3 35 =3, enquanto o

número de caminhos de comprimento 3 de V 4 a V 5 é a3 45 = 4. Da mesma forma , o número de
caminhos de comprimento 3 de V 4 a V 4 é a3 44 = 2.
Obs: Cálculo de A3
a={{0,1,0,0,0},{1,0,0,0,1},{0,0,0,1,1},{0,0,1,0,1},{0,1,1,1,0}}
a.a
{{0, 1, 0, 0, 0}, {1, 0, 0, 0, 1}, {0, 0, 0, 1, 1}, {0, 0, 1, 0, 1},

{0, 1, 1, 1, 0}}
{{1, 0, 0, 0, 1}, {0, 2, 1, 1, 0}, {0, 1, 2, 1, 1}, {0, 1, 1, 2, 1},

{1, 0, 1, 1, 3}}
(a.a).a
{{0, 2, 1, 1, 0}, {2, 0, 1, 1, 4}, {1, 1, 2, 3, 4}, {1, 1, 3, 2, 4},

{0, 4, 4, 4, 2}}
MatrixForm[%]
0 2 1 1 0

2 0 1 1 4

NOTAS DE AULAS DE ÁLGEBRA LINEAR

UNIDADE 2 -Sistemas Lineares

2.1) Conceitos preliminares

Definição 1: Uma equação linear a n incógnitas x 1 , x 2 ,...,x n é toda equação que pode ser
expressa na forma
a 1 x 1 + a 2 x 2 + ... + a n x n = b
onde a 1 , a 2 , ..., a n são constantes denominadas coeficientes e b também é uma
constante, denominada termo independente . Em particular, se b = 0 a equação recebe a
denominação de homogênea.
O que caracteriza a equação ser linear é o fato de que suas incógnitas x 1 , x 2 ,...,x n , aparecem na
equação sempre na primeira potência, isto é, com o expoente 1(um) .
Exemplos: As equações 2x + 3y = 5 e x1 + 5x2 – x3 = 10 são equações lineares. Observe que na
equação linear não aparecem produtos nem radicais envolvendo suas incógnitas.

Definição 2: Uma solução de uma equação linear a n incógnitas é uma seqüência de números s 1 ,
s 2 , ..., s n , tais que a equação é satisfeita quando substituímos x 1 , x 2 ,...,x n , respectivamente por s 1 ,
s 2 , ..., s n . Exemplo: O par ordenado (4, -1) é solução da equação 2x + 3y = 5 enquanto o terno
ordenado (2, 1, -3) é solução da equação x 1 + 5x 2 – x 3 = 10.

Definição 3: Sistemas Lineares

Um sistema linear de m equações e n incógnitas (ou sistema mxn) possui a forma
 a 11 x 1 + a 12 x 2 + ... + a 1n x n = b1
 a x + a x + ... + a x = b
 21 1 22 2 2n n 2

 ...............................................
a m1 x 1 + a m 2 x 2 + ... + a mn x n = b m
Definição 4 : Sistemas e matrizes
Podemos escrever o sistema acima na forma matricial
 10

AX=B
‘ onde
 a 11 a 12 ... a 1n   x1   b1 
a a 22 ... a 2 n   x2  b 
A =  21 , X=  e B =  2
 ... ... ... ...   ...   ... 
     
 a n1 a n2 ... a nn  x n  b n 

Definição 5: Uma n-pla (conjunto ordenado de números reais) , (s 1 , s 2 , ..., s n ) constitui uma
solução do sistema linear se todas as equações do sistema se tornam
identidades quando substituímos as incógnitas x 1 , x 2 ,...,x n , respectivamente por
s 1 , s 2 , ..., s n . Por exemplo, o sistema
 x 1 + 5x 2 - x 3 = 10

2x 1 + x 2 - 2x 3 = 11
possui a solução (2, 1, -3), pois quando substituímos x 1 por 2, x 2 por 1 e x 3 por –3, nas duas
equações, ambas se tornam identidades. No entanto, o conjunto ( 1, 2, 1) não é solução do
sistema uma vez que estes números satisfazem apenas à primeira equação.

2.2-Classificação dos sistemas quanto ao número de soluções

Um sistema de m equações a n incógnitas pode ser classificado quanto ao número de
soluções que ele possui.
Se o sistema possui soluções ele é dito compatível (ou possível). Se possui apenas uma
solução ele é dito determinado . Se possui mais de uma solução (infinitas) ele é dito
indeterminado .
Quando o sistema não possui solução ele é denominado incompatível (ou impossível).
Para ilustrar estas possibilidades vamos considerar um sistema de duas equações a duas
incógnitas

 a 11 x 1 + a 12 x 2 = b1 (a 11 , a 12 não ambas nulas)


a 21 x 1 + a 22 x 2 = b 2 (a 21 , a 22 não ambas nulas)

Como sabemos, os gráficos destas equações são retas e que se o ponto (x,y) está na reta então ele
satisfaz a equação da reta. Sejam r 1 e r 2 as retas associadas às equações do sistema. Existem três
possibilidades relativas à interseção destas retas:
i) as retas podem ser paralelas, caso em que não há interseção e consequentemente não
existe nenhuma solução para o sistema;
ii) as retas podem ser concorrentes em um único ponto, caso em que o sistema possui uma
única solução;
iii) as retas podem ser coincidentes, caso em que existe uma infinidade de soluções.

(nenhuma solução) (infinitas soluções) (uma única solução)

y y y
r 1 //r 2 r 1 =r 2 r1 r2
r1 r2
 11

x x x

Resumo:
  Deter min ado
Possível 
 In det er min ado
Sistema Linear

Im possível
2.3) Um método para resolver sistemas lineares m x n
2.3.1-Definição 1) Operações Elementares
São três as operações elementares sobre as linhas de uma matriz mxn:
i) A permuta de duas linhas entre si;
− 2 5 4 
Exemplo: Dada a matriz A=  2 3 − 2 . Permutando as linhas L1 e L 3 , que
 3 2 7 
indicamos como
3 2 7 
L1 ↔ L 3 , obtemos a matriz B=  2 3 − 2
− 2 5 4 

ii) A multiplicação de uma linha por um número diferente de zero

− 2 5 4 
Exemplo: Dada a matriz A=  2 3 − 2 . Multiplicando a segunda linha por –3, que
 3 2 7 
indicamos por
 − 2 5 4

-3L 2 →L 2 , obtemos a matriz C = − 6 − 9 6 .

 
 3 2 7 
iii) Substituição de uma linha pela soma dela com outra linha previamente multiplicada por uma
constante.
− 2 5 4 
Exemplo: Dada matriz A=  2 3 − 2 .Vamos substituir a terceira linha pela soma
 3 2 7 
dela com a primeira linha multiplicada por 2. Ind icamos por 2L 1 + L 3 →L 3 , o que nos dá a
nova matriz
− 2 5 4

D=  2 3 − 2 .
 − 1 12 15 

2.3.2-Definição 2) Matriz escada

Uma matriz mxn está na forma escada se todas as condições abaixo são satisfeitas:
i) O primeiro elemento de cada linha não nula é 1 (pivô);
 12

ii) Cada coluna que contém o pivô, possui todos os seus outros elementos
iguais a zero;
iii) O número de zeros que antecedem o pivô aumenta de uma linha para outra,
a partir das primeiras para as últimas linhas;
iv) Caso ocorram linhas formadas somente de zeros, elas deverão ocupar as
últimas posições na matriz.

Exemplo: Dadas as matrizes

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

No exemplo acima, as matrizes A e B estão na forma escada, enquanto as matrizes C e D não

estão. C não satisfaz a condição iv) enquanto D não satisfaz a condição i).

2.3.3- Como obter uma matriz escada a partir de uma matriz dada, usando operações
elementares
Exemplo: Dada a matriz 3x4,
1 4 3 1
A= 2 5 4 4 :
1 − 3 − 2 5
a) para anular os elementos abaixo do pivô da primeira linha devemos aplicar a operação iii)
duas vezes:
1 4 3 1
− 2L1 + L 2 → L 2   
 → 0 − 3 − 2 2 
− 1L1 + L 3 → L 3 
0 − 7 − 5 4
b) Para obter o pivô da Segunda linha, aplicamos a operação ii)
1 4 3 1 
1  
− L 2 → L 2  → 0 1 2 / 3 − 2 / 3
3 
0 − 7 − 5 4 
c) Para anular o elemento abaixo do pivô da Segunda linha aplicamos novamente a operação iii)
1 4 3 1 
7 L 2 + L 3 → L 3 } → 0 1 2 / 3 − 2 / 3

0 0 − 1 / 3 − 2 / 3
d) finalmente, para obter o pivô da terceira linha usamos a operação ii)
1 4 3 1 
− 3L 3 → L 3 } → 0 1 2 / 3 − 2 / 3 . Esta última matriz encontra-se na forma escada.

0 0 1 2 

Exercícios
1) Verifique quais das matrizes dadas abaixo estão na forma escada:
 13

a)

0 1 2 3 
1 0 0 1 2 0 1 0 1 0 0 1 2 
1 2 3 4          0 0 1 2
0 0 1 2 b) 0 0 1 c) 0 0 1 d) 0 0 e) 0 1 0 2 4 f) 0 0 0 0
  0 1 0 0 0 0 0 0 0 0 1 3 6  
0 0 0 0 
2)Usando operações elementares sobre linhas transforme cada matriz abaixo numa matriz
escada:
 2 2 2 -1 0 
1 1 2 9  0 0 - 2  - 1 - 1 2 - 3 1 
  7 2 1 - 3 5  
a ) 2 4 − 3 1 b)   c) 2 4 - 10 d)  
 1 2 4 0 1   1 1 - 2 0 - 1
3 6 − 5 0 2 4 - 5   
0 0 1 1 1

2.3.4-Teorema: Toda matriz A mxn é equivalente por linhas a uma única matriz reduzida à forma
escada
2.3.5- Definição 3- Posto de uma matriz
Dada uma matriz A mxn , seja B mxn a matriz escada obtida de A através de operações
elementares sobre linhas. Denomina-se posto da matriz A, denotado por p, o número de linhas
não nulas da matriz B.
Exemplo. Dada a matriz
 2 − 1 3
1 4 2
A 4x3 =   . A matriz escada obtida de A, através de operações elementares é
1 − 5 1 
 
4 16 8
1 4 2 
0 1 1/9
B 4x3 =   . Como a matriz B possui duas linhas não - nulas conluímos que o posto da matriz A é 2 .
0 0 0 
 
0 0 0 

Definição 4- Sistemas Equivalentes

Dois sistemas lineares mxn são equivalentes se ambos possuem o mesmo conjunto
solução
2.3.6-Teorema ( caso geral )
Dado o sistema de m equações e n incógnitas. Seja A mx(n+1) a matriz ampliada do sistema
e seja p A o posto da matriz A . Seja C mxn a matriz dos coeficientes do sistema e seja p C o posto
da matriz C.
i) O sistema não possui solução se p A ≠p C . (Sistema Impossível)
ii) O sistema possui solução se p A = p C = p: (Sistema Possível)
a) Se p = n , a solução será única; (Sistema Determinado)
b) Se p< n o sistema terá infinitas soluções.(Sistema Indeterminado)
Neste caso devemos escolher n-p incógnitas livres . As demais incógnitas serão
obtidas em função das incógnitas livres. O número n-p é denominado grau de liberdade
do sistema e ele indica quantas incógnitas livres o sistema terá.
 14

Exemplos. Resolver os sistemas:

 x 1 + 2x 2 + x 3 = 1  x 1 + 2x 2 + x 3 = 1
 x1 + x 2 = 1  2x − x + x = 2  2x − x + x = 2
  1 2 3  1 2 3
1)  x 1 − x 2 = 3 2)  3) 
− x + 2 x = −2 4 x 1 + 3x 2 + 3x 3 = 4 4 x 1 + 3x 2 + 3x 3 = 4
 1 2
 2 x 1 − x 2 + 3x 3 = 5  3x 1 + x 2 + 2 x 3 = 3
Soluções
1) A matriz ampliada do sistema 1) é
1 1 1 
A =  1 − 1 3 

− 1 2 − 2
que é equivalente por linhas à matriz escada
1 1 1 
B = 0 1 − 1
0 0 1 
A matriz ampliada possui três linhas não-nulas, logo, p A = 3, enquanto a matriz dos coeficientes
possui 2 linhas não-nulas, logo p C = 2. Como p A ≠p C o sistema é impossível (ou incompatível).
Seu conjunto-solução é
S = θ (conjunto vazio)

2) A matriz ampliada do sistema é

1 2 1 1 
 2 − 1 1 2
A= 
 4 3 3 4
 
2 − 1 3 5
que é equivalente por linhas à matriz escada
1 2 1 1 
0 1 1 / 5 0 
B= 
0 0 1 3 / 2 
 
0 0 0 0 
Aqui, p A = 3 e p C = p=3, logo o sistema é possível. Como p A =p C =n , o sistema é determinado.
O sistema equivalente ao sistema original é

x 1 + 2 x 2 + x 3 = 1
 1
 x2 + x3 = 0
 5
 3
 x3 =
2
Resolvendo por substituição obtemos o terno (1/10, -3/10, 3/2) como solução única.. Seu
conjunto–solução é
S={(1/10, -3/10, 3/2) }

3) A matriz ampliada associada ao sistema é

 15

1 2 1 1 
 2 − 1 1 2
A= 
 4 3 3 4
 
 3 1 2 3
que é equivalente por linhas à matriz escada
1 2 1 1
0 1 1 / 5 0 
B= 
0 0 0 0 
 
0 0 0 0 
Agora, p A = p C = 2 = p . O sistema é possível. Mas, n=3>p, logo o sistema é indeterminado.
O grau de liberdade é n-p = 3-2=1, que significa uma incógnita livre para o sistema.

O sistema equivalente é
x 1 + 2 x 2 + x 3 = 1

 x +1x =0
 2
5
3

1 5 − 3x 3
Resolvendo-o para x 3 ( escolhida como incógnita livre) obtemos x 2 = − x 3 e x 1 = .
5 5
Logo a solução geral é
 5 − 3x 3 1 
S=  , − x3, x3 
 5 5 
Qualquer solução particular pode ser obtida da solução geral. Para isso basta atribuirmos um
valor qualquer para a incógnita livre x 3 e calcular os valores de x 2 e x 1 . Por exemplo, se
tomarmos x 3 = 10, temos x 2 = -2 e x 1 = -5, temos
S=(-5, -2, 10 )
Como a solução particular
Exercícios:
1) Transforme cada matriz a seguir numa matriz escada e dê seu posto.

- 2 1 - 4  2 - 3
1 2 4  − 1 3
i)A =  3 2 0  , ii) B =  2 4  , iii)C = 
 
 ; iv) D =  
 3 2 1  - 1 0  3 2 1  0 2

2) Discutir e resolver cada sistema a seguir:

 x 1 + 2x 2 − x 3 = 6
 3x + 2 x 2 = 1  2 x 1 − 3x 2 = 2  x 1 − 2x 2 = 1 
a)  1 b)  c)  d) 2 x 1 − 2 x 2 − 2 x 3 = 0
− 2 x 1 + x 2 = 4 − 4 x 1 + 6 x 2 = −4 − 2 x 1 + 4 x 2 = 4  − 3x + x − 2 x = 1
 1 2 3
 16

 x 1 + 2x 2 = 6  2x 1 + 2x 2 − x 3 = 6  x 1 − 3x 2 + 2 x 3 = 6
  
e)  2 x 1 − x 2 = 2 f)  2 x 1 − 2 x 2 − 2 x 3 = 0 g) 2 x 1 − 5x 2 − 2 x 3 = 0
− 3x + x = −4 − 4 x − 4 x + 2 x = 10  3x − 8x = 6
 1 2  1 2 3  1 2

 − x2 − x3 + x4 = 2
 3x + 2 x − x + x = −1
 1 2 3 4
h) 
 − 2x 1 + x 2 − 2x 3 + 2x 4 = 1
− 3x 1 + 2 x 2 − 2 x 3 + 2 x 4 = 0
 x 1 − x 2 − x 3 + x 4 = −2
 − x + 2x − x + x = 2  − x 1 + 4 x 2 − 3x 3 + 3x 4 = 8
 1 2 3 4 
i)  j)  2 x 1 + x 2 − 3x 3 + 3x 4 = 6
 − 4 x 1 + 4 x 2 − 3x 3 + 3x 4 = 4 − 4 x + 2 x − 4 x − 2 x = 5
− 3x 1 + 2 x 2 − 2 x 3 + 2 x 4 = 2  1 2 3 4

3) Trabalhando com misturas

Foram estudados três tipos de alimentos. Fixada a mesma quantidade (1 g) determinou-se que:
a) O alimento I tem 1 unidade de vitamina A, 3 unidades de vitamina B e 4 unidades de
vitaminas C;
b) O alimento II tem 2, 3 e 5 unidades respectivamente, das vitaminas A, B e C;
c) O alimento III tem 3 unidades de vitamina A, 3 de vitamina C e nenhuma de vitamina B.
Se são necessárias 11 unidades de vitamina A, 9 de vitamina B e 20 de vitamina C,
i) Encontre todas as possíveis quantidades dos alimentos I,II, e III, que fornecem a
quantidade de vitaminas desejada,
ii) Se o alimento I custa 60 centavos por grama e os outros dois custam 10, existe uma
solução custando exatamente R$ 1,00?

4) Fluxo de Tráfego
A figura abaixo mostra dois conjuntos de mão única se cruzando em uma certa seção do trânsito
de uma cidade. O número de veículos por hora que entram e saem dessa seção durante o horário
do rush é dado no diagrama. Determine a quantidade de veículos entre cada um dos quatro
cruzamentos.

380 430

430 x1 D 320
A

x2 x4

540 B x3 C 360

420 400

Sugestão: o número de veículos que entram em um cruzamento é igual ao número de veículos

que saem .
 17

5) Encontrando equações
5.1) Encontre os coeficientes c, d, f para que a equação x2 + y2 + cx + dy + f = 0 represente uma
circunferência passando pelos pontos A( -4, 5), B( -2, 7) e C( 4, -3) e determine o centro e o
raio da circunferência.
5.2) Encontre os coeficientes a , b e c para que a equação ax2 + bx + c = 0 represente uma
parábola passando pelos pontos (3, 0), ( 0, 9) e(4, 1). Esboce o gráfico da parábola.

6)

2.3.7- Sistemas Lineares Homogêneos

Um sistema de equações lineares é dito homogêneo se os termos independentes são todos

nulos, ou seja, o sistema tem a forma
 a 11 x 1 + a 12 x 2 + ... + a 1n x n = 0
 a x + a x + ... + a x = 0
 21 1 22 2 2n n

 ...............................................
a m1 x 1 + a m 2 x 2 + ... + a mn x n = 0
Todo sistema homogêneo é consistente, pois possui pelo menos a solução nula , ou solução
trivial. Se um sistema homogêneo possui outras soluções, estas são ditas não-triviais. Com
relação ao número de soluções de um sistema linear homogêneo existem duas possibilidades:
i) O sistema tem somente a solução trivial;
ii) O sistema possui infinitas soluções além da solução trivial.

Por exemplo, o sistema homogêneo 2x2,

 2 x + 3y = 0

− x + 2 y = 0
possui somente a solução trivial x = 0 , y = 0, enquanto o sistema
 2x − y = 0

− 4 x + 2 y = 0
possui infinitas soluções, além da solução trivial.

Exercícios
Discutir e resolver os sistemas homogêneos a seguir:
2 x 1 + 2 x 2 − x 3 + x5 = 0
 − x − x + 2 x - 3x + x = 0

1)  1 2 3 4 5

 x 1 + x 2 − 2x 3 − x5 = 0
 x3 + x4 + x5 = 0

 2 x − y − 3z = 0

2) − x + 2 y − 3z = 0
 x + y + 4z = 0

 18

 x 1 + 3x 2 + x4 = 0
 x + 4x + 2x =0
 1 2 3

3) − 2 x 2 - 2x 3 − x 4 = 0
2 x − 4 x + x + x = 0
 1 2 3 4

 x 1 − 2 x 2 - x 3 + x 4 = 0

NOTAS DE AULAS DE ÁLGEBRA LINE

PROFESSOR: JOSÉ INÁCIO DA SILVA

UNIDADE 3- DETERMINANTE E MATRIZ INVERSA

3.1- DETERMINANTE
3.1.1-Conceitos preliminares
Definição 1
Dada uma matriz quadrada A, de ordem n, o determinante da matriz A, denotado det(A), é
uma função que associa um número real a essa matriz.
Essa associação pode se dar, em alguns casos particulares, como veremos:
a) Matriz 1x1
Se A= [a11], então det(A) = a11.
Exemplo 1) Dada a matriz A = [ - 4 ] , det(A) = - 4

b) Matriz 2x2
a a 12 
Se A =  11 , então det(A) = a 11a 22 − a 21a 12
a 21 a 22 
2 − 1
Exemplo 2) Dada a matriz A =   , det(A) = 2.(-3) – 4.(-1) = -6+4 = -2
4 − 3

c) Matriz 3x3
 19

 a 11 a 12 a 13 
Se A = a 21 a 22 a 23  , então det(A) =
a 31 a 32 a 33 
a 11a 22 a 33 + a 12 a 23 a 31 + a 13 a 21a 32 − a 11a 32 a 23 − a 12 a 21a 33 − a 13 a 31a 22
Esta última expressão pode ser escrita também na forma
det(A) = a 11 (a 22 a 33 − a 32 a 23 ) − a 12 (a 21a 33 − a 23 a 31 ) + a 13 (a 21a 32 − a 31a 22 )
Ou, usando determinantes de segunda ordem

a 22 a 23 a a 23 a a 22
det(A) = a 11 − a 12 21 + a 13 21
a 32 a 33 a 31 a 33 a 31 a 32
A expressão acima fornece det(A), que é de terceira ordem, combinando cada elemento da
primeira linha com um determinante de segunda ordem. Cada determinante de segunda ordem
que aparece na expressão acima é denominado determinante menor do elemento a ij que o
antecede. Esse conceito será útil para o desenvolvimento de determinantes de ordem maior que
3, conforme veremos mais tarde.
 2 5 4
Exemplo 3) Calcular o determinante da matriz A = 3 1 2 , usando as duas formas
5 4 6
2 5 4 2 5
i) det(A) = 3 1 2 3 1 = 2.1.6 + 5.2.5 + 4.3.4 − 5.1.4 − 4.2.2 − 6.3.5 = −16.
5 4 6 5 4
1 2 3 2 3 1
ii) det(A) = 2 −5 +4
4 6 5 6 5 4
= 2(6 − 8) − 5(18 − 10) + 4(12 − 5)
= −16

Definição 2 – Determinante menor

O determinante menor do elemento a ij de uma matriz A, nxn , é o determinante da matriz M, (n-
1)x(n-1) obtida da matriz A eliminado-se a i-ésima linha e a j-ésima coluna do elemento.
 2 5 4
Exemplo 4) Dada a matriz A = 3 1 2 , o determinante menor do elemento a 32 é dado por
5 4 6
2 4
= 4 − 12 = −8
3 2

Definição 3 - Cofator
Seja A = (a ij ) é uma matriz quadrada de ordem n. Seja a matriz quadrada M, de ordem (n-1)x(1n-
1) obtida de A, suprimindo-se a linha e a coluna do elemento a ij . Definimos o cofator do
elemento a ij por

∆ ij = (−1)i+ j.Det (M )
 20

onde Det(M) é o determinante menor do elemento a ij .

 2 5 4
Exemplo 5) Dada a matriz A = 3 1 2 :
5 4 6
1 2
i) ∆ 11 = ( −1) 2 = +1(6 − 8) = −2
4 6
2 5
ii) ∆ 23 = (−1) 5 = −1(8 − 25) = 17
5 4
Nota-se que a diferença entre o determinante menor e o cofator de um elemento a ij é somente o
sinal. Uma disposição prática para determinar se vai ser usado o sinal + ou o sinal - é dada pelo
arranjo abaixo
 + − + − + ...
 − + − + − ...
 
 + − + − + ...
 
 − + − + − ...
... ... ... ... ... ...

3.1.2– Regra de Laplace

Esta regra permite expandir um determinante de ordem n em
cofatores.
Seja A uma matriz quadrada de ordem n. O determinante de A de é definido por
 a 11 , se n = 1
a ∆ + a ∆ + ... + a ∆ , se n ≥ 2
Det (A) =  11 11 12 12 1n 1n
a 11 ∆ 11 + a 21 ∆ 21 + ... + a n1 ∆ n1 , se n ≥ 2

Esta regra mostra que o determinante de uma matriz A pode ser obtido multiplicando os
elementos de uma linha ( ou coluna) pelo seu respectivo cofator e depois somando os produtos
que resultaram.

Observação: O Determinante acima pode ser obtido usando qualquer outra linha ou coluna da
matriz

Exemplo 6) Dada a matriz

 21

 2 5 4
A = 3 1 2
5 4 6
a ) Usando os elementos da primeira linha, temos
1 2 3 2 3 1
Det (A ) = 2.(−1)1+1 . + 5.(−1)1+ 2 . + 4.(−1)1+3 .
4 6 5 6 5 4
Det (A ) = 2(6 − 8) − 5(18 − 10) + 4(12 − 5) = −16
b)Agora, usando os elementos da segunda coluna, temos
3 2 2 4 2 4
Det(A) = 5.(-1)1+ 2 + 1.( −1) 2+ 2 + 4.( −1) 3+ 2 =
5 6 5 6 3 2
= -5(18 - 10) + 1(12 - 20) - 4(4 - 12) = -16

Exemplo 7) Dada a matriz

2 0 0 1 
0 1 0 0 
B= 
1 6 2 0 
 
1 1 − 2 3
De sen volvendo pelos cofatores da segunda linha, temos :
det(B) = 0.∆ 21 + 1.∆ 22 + 0.∆ 23 + 0.∆ 24
= 1.∆ 12
2 0 1
4
= 1.( −1) 1 2 0
1 −2 3
2 0 1 0 1 2
= 2( −1) 2 + 0( −1) 2 + 1(−1) 4 (De sen volvedo pelos cofatores da primeira linha)
−2 3 1 3 1 −2
= 2(6 − 0) + 0 + 1(−2 − 2)
=8

3.1.3- Propriedades dos Determinantes

Seja A uma matriz quadrada de ordem n:
1) Se A possui uma linha (ou coluna) nula, então det(A)=0
2) Det(At) = det(A). Verifique
3) Se multiplicarmos uma linha (ou coluna) por uma constante, o determinante fica
multiplicado por esta constante. Esta propriedade é equivalente à segunda operação
elementar.
 22

 2 5 4
Exemplo 8) Dada a matriz A = 3 1 2 , vimos que det(A) = -16. Multiplicando a
5 4 6
primeira linha desta matriz por uma constante, digamos, -2, obtemos a matriz
− 4 − 10 − 8
B =  3 1 2  . Desenvolvendo o determinante de B pelos cofatores da primeira
 5 4 6 
linha, obtemos
1 2 3 2 3 1
det(B) = −4.(−1)1+1 . + (−10).(−1)1+ 2 . + (−8).(−1)1+3 .
4 6 5 6 5 4
= −4(6 − 8) + 10(18 − 10) − 8(12 − 5) = 32 = −2(−16) = −2. det(A)

4) Ao trocarmos duas linhas (ou colunas) entre si, o determinante muda de sinal. Esta
propriedade é equivalente à primeira operação elementar
 2 5 4
Exemplo 9)Dada a matriz A = 3 1 2 . Vamos obter uma nova matriz, trocando a
5 4 6
segunda e a terceira colunas entre si.
2 4 5
B = 3 2 1 
5 6 4
Calculando o determinante desta matriz, temos:
2 1 3 1 3 2
det(B) = 2 −4 +5
6 4 5 4 5 6
= 2(8 − 6) − 4(12 − 5) + 5(18 − 10) = 16 = −(−16) = − det(A).

5)O determinante de uma matriz não altera seu valor quando substituímos uma linha (ou coluna)
pela soma dela com outra linha (ou coluna) previamente multiplicada por uma constante. Esta
propriedade é equivalente à terceira operação elementar.
 2 5 4
Exemplo 10. Dada a matriz A = 3 1 2 . Vamos obter uma nova matriz substituindo a
5 4 6
primeira e a terceira colunas pelas operações -2L 2 +L1 = L 1 e –3L 2 +L3 = L 3 , respectivamente:
− 4 3 0
B =  3 1 2
− 4 1 0
Desenvolvendo o determinante de B pelos cofatores da terceira coluna, temos,
det(B) = 0.∆ 13 + 2.∆ 23 + 0.∆ 33
−4 3
= 0 + 2.(−1) 5 . +0
−4 1
= −2(−4 + 12) = −16 = det(A)
 23

6)Se A possui duas linhas(ou colunas) iguais ou proporcionais, então det(A) = 0.

− 2 1 − 1
Exemplo11) Dada a matriz M =  4 − 2 2  . Neste matriz a Segunda linha é igual a
 5 4 3 
primeira linha multiplicada por –2. Usando a propriedade 5, isto é, substituindo a segunda linha
pela soma dela com a primeira linha multiplicada por 2, temos a matriz
− 2 1 − 1
P =  0 0 0 
 5 4 3 
Então, de acordo com a Propriedade 1 , det(M) = det(P) = 0.
7) O determinante de uma matriz triangular (superior ou inferior) é igual ao produto dos
elementos da diagonal principal.
2 5 4

Exemplo 12) dada a matriz A =  3 1 2
 . Vamos resolver o seu determinante

5 4 6

transformando-a numa matriz triangular superior através das propriedades dos determinantes.
2 5 4 2 5 4 1 −4 −2 1 −4 −2 1 −4 −2
16
det(A) = 3 1 2 = 1 − 4 − 2 = − 2 5 4 = −0 13 8 = −. 0 13 8 = −[1.13. ] = −16
13
5 4 6 5 4 6 5 4 6 0 24 16 0 0 16 / 13
(Prop. 5) (Prop.4) (Prop. 5) (Prop. 5) (Prop. 7)

Observação: A aplicação destas propriedades denomina-se Método da Redução.

Temos então dois métodos para calcular o determinante de uma matriz: O Método dos
Cofatores (ou Regra de Laplace) e O Método da Redução. A tabela abaixo mostra o número
de operações que são realizadas nos dois métodos:

ORDEM COFATORES REDUÇÃO

SOMAS PRODUTOS SOMAS PRODUTOS
2 1 2 1 3
3 5 9 5 10
4 23 40 14 23
5 119 205 30 45
10 3.628.799 6.235.300 285 339

8) Dadas as matrizes A e B, quadradas de ordem n , então det( A . B) = det(A) . det(B).

Verifique.

3.1.4-Exercícios de Fixação
1) Dadas as matrizes
 24

1 − 2  - 2 3
A=  , B= 
2 4   2 1
Verifique se são verdadeiras ou falsas as igualdades abaixo:
a) det(A+B) = det(A) + det(B)
b) det(A . B) = det(A) . det(B)
c) det(At) = det(A)
d) det(3B) = 3.det(B)
e) det(A2) = (det(A))2
f) det(AB)t = det(Bt).det(A)

− 1 2 0 3 
0 0 2 1
2) Dada a matriz A =   calcule
3 1 0 2
 
 4 2 0 − 3
a) ∆ 23
b) ∆ 34
c) det(A), usando o desenvolvimento de Laplace (Cofatores)
d) det(A), usando o método da redução.

−1 2 1 − 2
1 4 2 3 
3) Resolva o determinante da matriz  , usando o método da redução
− 2 1 4 3
 
3 2 1 4
2 1 3
4) Resolva o determinante da matriz  3 − 1 4 , usando o método dos cofatores e o método

− 2 3 1 
da redução.

1 1 1
5) Mostre que se M =  a b c  , então det(M) = (a-b).(b-c).(c-a).
a 2 b2 c 2 

4−λ 2 0
6) Determine todos os valores de λ, tais que − 1 1 − λ 0 = 0 (Resp. λ=2 e λ=3 )
0 1 2−λ

 − 3 4 1 0
7) Dadas as matrizes A =   e I =   determine λ, tal que det(A - λI) = 0 .
 − 1 2 0 1 
 25

x 5 7
8) Resolva a equação 0 x + 1 6 =0
0 0 2x − 1
3.1.5- Determinantes Especiais
Durante o desenvolvimento de seu curso você utilizará determinantes para resolver uma
série problemas envolvendo conceitos matemáticos . Veremos a seguir alguns determinantes
especiais que poderão ser úteis nos seus estudos.
I - Geometria Analítica e Vetores
a) Condição de alinhamento de três pontos.
Dados os pontos A(x 1 , y1 ), B(x 2 , y 2 ) e C(x 3 , y3 ) eles são colineares se e somente se
x 1 y1 1
x 2 y2 1 = 0
x 3 y3 1

b) Produto Vetorial
       
Dados os vetores a = x 1 i + y1 j + z1 k , e b = x 2 i + y 2 j + z 2 k , o produto vetorial dos
 
vetores a e b é um vetor que pode ser representado por
  
i j k
 
axb = x 1 y1 z1
x 2 y2 z2
c) Produto misto
           
Dados os vetores a = x 1 i + y1 j + z1 k , b = x 2 i + y 2 j + z 2 k e c = x 3 i + y 3 j + z 3 k ,
então o
produto misto desses três vetores é um escalar dado por
x 1 y1 z 1
  
a  (bxc) = x 2 y 2 z 2
x3 y3 z3

II) Cálculo Diferencial e Integral

a) Hessiano
Se z = f(x,y), possui derivadas parciais de Segunda ordem , f xx , f xy , f yx e f yy , contínuas,
então o Hessiano de f é o determinante
f xx f xy
H=
f yx f yy
lembrando que f xy = f yx , então H = f xx . f yy – (f xy )2.
Este determinando é muito útil no cálculo de extremos locais (máximos e mínimos) de uma
função de duas variáveis livres.

b) Jacobiano
Se x = f(u,v) e y = f(u,v), então o Jacobiano de x e y em relação a u e v, é dado por
 26

∂x ∂y
∂x ∂y ∂x ∂y
J (u , v) = ∂u ∂u = . − .
∂x ∂y ∂u ∂v ∂v ∂u
∂v ∂v
Esse determinante é usado na mudança de um sistema de variáveis (x,y) para o sistema (u,v).

III) Equações Diferenciais

a) Wronskiano
Se y 1 , y2 e y3 são soluções, sobre um intervalo I, da equação diferencial linear homogênea, de
terceira ordem,
y’’’ + ay’’ + by’ + cy = 0
então seu Wronskiano é o determinante

y1 y2 y3
W(y 1 , y 2 , y 3 ) = y'1 y' 2 y' 3
y' '1 y' ' 2 y' ' 3

Este determinante é útil para determinar se as funções y 1 , y2 e y 3 , são linearmente

independentes, isto é , se elas podem constituir a solução geral da equação diferencial dada
acima.

3.2- MATRIZ INVERSA

3.2.1- Conceitos Preliminares
Definição 1 – Uma matriz A n x n é inversível, isto é, possui inversa, se det(A) ≠ 0 (condição
necessária).
Definição 2 – Matriz Adjunta
Seja A uma matriz n x n. Definimos a matriz adjunta de A como sendo a matriz
transposta da matriz dos cofatores de A . Simbolicamente,
t
 ∆ 11 ∆ 12 ... ∆ 1n 
∆ ∆ 22 ... ∆ 2 n 
Adj(A) =  21
 ... ... ... ... 
 
∆ `n1 ∆ n2 ... ∆ nn 

onde ∆ ij é o cofator do elemento a ij

Exemplo13) Determinar a adjunta da matriz
1 − 1 2 
A = 3 2 4 
0 1 − 2
Para obter a matriz adjunta precisamos, inicialmente, calcular matriz dos cofatores da matriz A .
 27

2 4 3 4 3 2
∆11 = (−1) 2 = −8, ∆12 = (−1) 3 = 6, ∆13 = (−1) 4 =3
1 −2 0 −2 0 1
−1 2 1 2 1 −1
∆ 21 = (−1) 3 = 0, ∆ 22 = (−1) 4 = −2, ∆ 23 = (−1) 5 = −1
1 −2 0 −2 0 1
−1 2 1 2 1 −1
∆ 31 = (−1) 4 = −8, ∆ 32 = (−1) 5 = 2, ∆ 33 = (−1) 6 =5
2 4 3 4 3 2
A matriz adjunta da matriz A será dada por
t
− 8 6 3  − 8 0 − 8
Adj(A)=  0 − 2 − 1 =  6 − 2 2 
− 8 2 5   3 − 1 5 
Definição 2- Matriz Inversa
Seja A uma matriz nxn. Dizemos que a matriz B , nxn, é a matriz inversa de A, se
AB=BA=I n , onde I n é a matriz identidade de ordem n. Neste caso, simbolizamos B=A-1.

3.2.2- Métodos para encontrar a inversa de uma matriz

I) Método da Matriz Adjunta
Se A é inversível, isto é, det(A) ≠ 0, então
1
A −1 = .Adj(A)
det(A)
2 − 3 -1
Exemplo 14) Dada a matriz A =   , calcular A .
 1 1 
Calculemos inicialmente o determinante de A: det(A)=2+3=5 .
Como det(A) ≠0 calculemos a seguir os cofatores de A:
∆ 11 = 1, ∆ 12 = −1, ∆ 21 = 3, ∆ 22 = 2
t
1 − 1  1 3
Então Adj(A)=   = 
3 2   − 1 2
Temos finalmente,
1  1 3  1 / 5 3 / 5 
A −1 =  =
5 − 1 2 − 1 / 5 2 / 5
1 4 3
Exemplo 15)Calcular A , sendo A = − 1 − 2 0
-1 
 2 2 3
Solução:
Det(A)=-6+0-6+12+0+12=12
Como Det(A) ≠ 0 , existe a matriz inversa de A
A matriz dos cofatores de A é
 28

t
−2 0 −1 0 −1 −2
 − 
 2 3 2 3 2 2 
− 6 − 6 6 
 4 3 1 3 1 4 
Cof (A) =  − − =  3 − 3 − 3
 2 3 2 3 2 2 
 2 6 2 
 4 3 1 3 1 4 
−2 −
 0 −1 0 −1 − 2 
Portanto,
− 6 − 6 6  − 1 / 2 − 1 / 2 1 / 2 
1 
A −1
=  3 − 3 − 3 =  1 / 4 − 1 / 4 − 1 / 4
12
 2 6 2   1 / 6 1/ 2 1 / 6 

II) Método das operações elementares

Outro método para calcular a inversa de uma matriz é o uso de operações
elementares sobre as linhas da matriz
Dada uma matriz A, de ordem nxn, inversível, criamos uma nova matriz de ordem
nx2n, acrescentando após a última coluna de A uma matriz identidade de ordem
n.
Exemplo 16 ) Calcular a inversa da matriz
2 − 1 − 1
A = 0 − 2 1 
2 1 − 1 3 x 3
Desenvolvendo o determinante de A pela primeira coluna , temos
−2 1 −1 −1 −1 −1
det(A) = 2 − 0. +2 = 2(2 − 1) − 0 + 2(−1 − 2) = −4
1 −1 1 −1 −2 1
Como det(A) ≠ 0 a matriz é inversível.
Vamos ao método. Acrescentado os elementos da matriz identidade de ordem 3 após a matriz
dada temos
 2 − 1 − 1 1 0 0
0 − 2 1 0 1 0
 
2 1 − 1 0 0 1 3 x 6
O método consiste em transformar a matriz A numa matriz identidade através de operações
elementares sobre linhas. Enquanto isso é feito, a ,matriz identidade à direita vai se transformado
em matrizes elementares.
 2 − 1 − 1 1 0 0
0 − 2 1 0 1 0
 
2 1 − 1 0 0 1 3 x 6
1 − 1 / 2 − 1 / 2 1 / 2 0 0  1 − 1 / 2 − 1 / 2 1 / 2 0 0
0 − 2
 1 0 1 0 ~ 0 − 2
 1 0 1 0 ~
2 1 −1 0 0 1 0 2 0 − 1 0 1
 29

1 − 1/ 2 − 1/ 2 1/ 2 0 0 1 − 1 / 2 − 1 / 2 1 / 2 0 0 1 0 − 3 / 4 1 / 2 − 1 / 4
~ 0 1 − 1 / 2 0 − 1 / 2 0 ~ 0 1 − 1 / 2 0 − 1 / 2 0 ~ 0 1 − 1 / 2 0 − 1 / 2
0 2 0 −1 0 1 0 0 1 −1 1 1 0 0 1 −1 1
1 0 0 − 1 / 4 1 / 2 3 / 4
0 1
 0 − 1 / 2 0 1 / 2 
0 0 1 −1 1 1 

Como a matriz formada pelas três primeiras colunas é uma matriz identidade, a matriz elementar
formada pelas três últimas colunas é a matriz inversa da matriz A, isto é:
 − 1 / 4 1 / 2 3 / 4
A = − 1 / 2 0 1 / 2 
−1

 − 1 1 1 
Exercícios
1) Calcular a inversa de cada matriz caso exista:
1 2 − 3 2 0 0  1 2 − 1
2 − 1
a) A =   b) B = 0 − 2 1  , c) C = 0 1 0  , d) D = 0 − 2 3 
   
1 1  1 − 1 − 2 0 0 − 3 0 0 1 
Respostas
5 7 − 4 1 / 2 0 0 
-1  1 / 3 1/ 3 
a) A =  
-1  -1 
, b) B = 1 1 − 1  , c) C =  0 1 0  , d) D-
− 1 / 3 2 / 3 2 3 − 2  0 0 − 1 / 3
1 1 −2
= 0 − 1 / 2 3 / 2
1 
0 0 1 

2) Criptografia.
Um método para codificar mensagens é associar um número inteiro a cada letra do alfabeto e
enviar a mensagem através de uma lista de números. Por exemplo, a mensagem
BOA NOITE
poderia ser codificada usando a lista
2,15,1,0,14,15,9,20,5

que, de acordo com a tabela

A B C D E F G H I J K L M N O P Q R S T U V W X Y Z
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 2

é equivalente à matriz
 30

2 15 1 
M = 0 14 15
9 20 5 

Mas esse tipo de código para mensagem é muito fácil de ser decifrado. No entanto podemos
disfarçar a nossa mensagem, usando produto de matrizes. Para isso devemos escolher uma
matriz código, C, inversível, cujo determinante seja igual a +1 ou (-1) . Por exemplo, a matriz
 −1 −1 0 
C = − 2 1 2 
 1 0 − 1
Calculando o determinante da matriz C, obtemos, det(C) = 1.
A seguir, multiplicando a matriz da menagem, M, pela matriz código C, obtemos
 − 31 13 29
MC=  − 13 14 13 
− 44 11 35
Enviamos a mensagem codificada através da lista
-31,13,29,-13,14,13,-44,11,35
Quem recebe a mensagem deverá decodificá-la fazendo a produto de MC por C-1, o que resultará
na matriz M, pois
MC.C-1 = M(C.C-1) = M.I 3 = M .
Consultando a tabela e fazendo a relação entre os elementos de M e as correspondentes letras a
mensagem estará decifrada.

 −1 −1 0 
3) Usando o processo acima, e a matriz código C = − 2 1 2  , decodifique a mensagem
 1 0 − 1
inserida na lista

20,13,19,43,2,30,2,-1,1
4) Idem, idem, a mensagem codificada na lista
-13,7,11,-5,-21,-17,-33,12,30

3.2.3- A Regra de Cramer

Um método para resolver sistemas lineares em que o número de equações é igual ao
número de incógnitas é baseado no cálculo da matriz inversa. Seja o sistema
 a 11 x 1 + a 12 x 2 + ... + a 1n x n = b1
a x + a x + ... + a x = b
 21 1 22 2 2n n 2

 ...............................................
a n1 x 1 + a n 2 x 2 + ... + a nn x n = b n
cuja forma matricial é dada por
AX=B

Onde
 31

 a 11 a 12 ... a 1n   b1 
a a 22 ... a 2 n  b 
A =  21 é a matriz dos coeficientes , B =  2  é a matriz dos
 ... ... ... ...   ... 
   
a n1 a n 2 ... a nn  b n 
 x1 
x 
termos independentes e X =  2  é a matriz das incógnitas.
 ... 
 
x n 
Supondo que a matriz A possua inversa, isto é det(A) ≠ 0, então, multiplicando os dois membros
da equação matricial por A-1 à esquerda, temos
A-1(AX) = A-1B , ou
(A-1A)X = A-1B , ou
In X = A-1B , donde

X = A-1B
Ou seja,
 x1   ∆ 11 ∆ 21 ... ∆ n1   b1 
x   ... ∆ n 2   b 2 
 2 = 1  ∆ 12 ∆ 22
. .
 ...  det(A)  ... ... ... ...   ... 
     
x n  ∆ `1n ∆ 2n ... ∆ nn  b n 
O que nos fornece

b1 ∆ 11 + b 2 ∆ 21 + ... + b n ∆ nn
x1 = .
det(A)
Devemos notar que o numerador desta fração nada mais é que o determinante obtido quando
substituímos a primeira coluna da matriz A pelos termos independentes , e desenvolvido pela
Regra de Laplace, segundo os elementos da primeira coluna. Isto é
b1 a 12 ... a 1n
b2 a 22 ... a 2 n
... ... ... ...
b a n 2 ... a nn
x1 = n
a 11 a 12 ... a 1n
a 21 a 22 ... a 2 n
... ... ... ...
a n1 a n 2 ... a nn
analogamente, obtemos
 32

a 11 b1 ... a 1n
a 21 b2 ... a 2 n
... ... ... ...
a b n ... a nn
x 2 = n1
a 11 a 12 ... a 1n
a 21 a 22 ... a 2 n
... ... ... ...
a n1 a n 2 ... a nn
e assim, sucessivamente.
Exemplo. 1) Resolver o sistema
2 x + 3y = 12

 x − 2 y = −1
Solução:
12 3
− 1 − 2 − 21
x= = =3
2 3 −7
1 −2
2 12
1 − 1 − 14
y= = =2
2 3 −7
1 −2
Portanto, a solução do sistema é o par ( 3, 2)

2) Resolver o sistema
2 x + 2 y − 3z = −1

 − 2x − y + z = 1
 x − 2 y − 2z = −7

Seja D o determinante da matriz dos coeficientes, isto é
2 2 −3
D = − 2 − 1 1 = −13 . Como D≠0 , o sistema possui solução.
1 −2 −2
Seja D x o determinante da matriz quando substituímos a primeira coluna de D pela coluna dos
termos independentes, isto é
−1 2 − 3
D x = 1 − 1 1 = 13
−7 −2 −2
Seja D y o determinante da matriz quando substituímos a segunda coluna de D pela coluna dos
termos independentes, isto é
 33

2 −1 − 3
Dy = − 2 1 1 = −26
1 −7 −2
Finalmente, seja D z o determinante da matriz quando substituímos a terceira coluna de D pela
coluna dos termos independentes, isto é
2 2 −1
D z = − 2 − 1 1 = −13
1 −2 −7
Concluindo,
D 13
x= x = = −1
D − 13
D y − 26
y= = =2
D − 13
D − 13
z= z = =1
D − 13
e a solução é (-1, 2, 1).