Geometria Analitica e Algebra Linear Uni PDF

Geometria Analítica
e Álgebra Linear
Autoras: Profa. Isabel Cristina de Oliveira Navarro Espinosa
Profa. Valéria de Carvalho
Colaboradores: Profa. Mirtes Mariano
Prof. Daniel Scodeler Raimundo
Professoras conteudistas:
Isabel Cristina de Oliveira Navarro Espinosa / Valéria de Carvalho
Isabel Cristina de Oliveira Navarro Espinosa
Isabel Cristina de Oliveira Navarro Espinosa, graduada em Matemática pela Faculdade Oswaldo Cruz e mestre em
Educação Matemática pela Pontifícia Universidade Católica (PUC – SP), leciona no Ensino Superior desde 1981.
Professora do curso de Pós-graduação lato sensu em Educação Matemática das Faculdades Oswaldo Cruz e
professora da Universidade Paulista – UNIP na modalidade presencial e na modalidade EaD – Educação a Distância.
Coautora dos livros:
• Geometria analítica para computação, editora LTC.

• Álgebra linear para computação, editora LTC.
• Matemática: complementos e aplicações nas áreas de ciências contábeis, administração e economia, editora Ícone.
Valéria de Carvalho
Valéria de Carvalho, especialista em Matemática pelo IMECC (Instituto de Matemática Estatística e Computação
Científica), mestre e doutora em Educação Matemática pela Faculdade de Educação – Unicamp é professora do Ensino
Superior desde 1988.
Trabalha com temas envolvendo Tecnologias da Informação e da Comunicação (TICs) em projetos de Educação
Continuada, envolvendo docentes de Matemática, no LEM (Laboratório de Ensino de Matemática – IMECC) e na
Faculdade de Educação, ambos na Unicamp, sempre como professora colaboradora.
Possui publicações em anais de congressos fora do Brasil e capítulos de livros em nossa língua pensando o trabalho
docente, a educação matemática crítica e a sociedade.
Atualmente, professora da Universidade Paulista – UNIP e coordenadora do curso de Matemática na modalidade

EaD – Ensino a Distância.
Dados Internacionais de Catalogação na Publicação (CIP)
E77g Espinosa, Isabel Cristina de Oliveira Navarro
Geometria analítica e álgebra linear / Isabel Cristina de Oliveira

Navarro Espinosa; Valéria de Carvalho - São Paulo: Editora Sol, 2012.
288 p., il.
Nota: este volume está publicado nos Cadernos de Estudos e

Pesquisas da UNIP, Série Didática, ano XVII, n. 2-021/12 , ISSN 1517-9230.
1. Geometria analítica. 2. Álgebra linear. 3. Matemática I.Título.
CDU 51
© Todos os direitos reservados. Nenhuma parte desta obra pode ser reproduzida ou transmitida por qualquer forma e/ou
quaisquer meios (eletrônico, incluindo fotocópia e gravação) ou arquivada em qualquer sistema ou banco de dados sem
permissão escrita da Universidade Paulista.
Prof. Dr. João Carlos Di Genio
Reitor
Prof. Fábio Romeu de Carvalho

Vice-Reitor de Planejamento, Administração e Finanças
Profa. Melânia Dalla Torre

Vice-Reitora de Unidades Universitárias
Prof. Dr. Yugo Okida

Vice-Reitor de Pós-Graduação e Pesquisa
Profa. Dra. Marília Ancona-Lopez

Vice-Reitora de Graduação
Unip Interativa – EaD
Profa. Elisabete Brihy

Prof. Marcelo Souza
Prof. Dr. Luiz Felipe Scabar
Prof. Ivan Daliberto Frugoli
Material Didático – EaD
Comissão editorial:
Dra. Angélica L. Carlini (UNIP)
Dra. Divane Alves da Silva (UNIP)
Dr. Ivan Dias da Motta (CESUMAR)
Dra. Kátia Mosorov Alonso (UFMT)
Dra. Valéria de Carvalho (UNIP)
Apoio:
Profa. Cláudia Regina Baptista – EaD
Profa. Betisa Malaman – Comissão de Qualificação e Avaliação de Cursos
Projeto gráfico:
Prof. Alexandre Ponzetto
Revisão:
Ana Luiza Fazzio
Virgínia Bilatto
Sumário
Geometria Analítica e Álgebra Linear
APRESENTAÇÃO.......................................................................................................................................................9
INTRODUÇÃO......................................................................................................................................................... 10
Unidade I
1 MATRIZ..................................................................................................................................................................11
1.1 Introdução.................................................................................................................................................11
1.2 Igualdade de matrizes......................................................................................................................... 16
1.3 Alguns tipos especiais de matrizes................................................................................................ 17
2 OPERAÇÕES COM MATRIZES....................................................................................................................... 21
2.1 Adição........................................................................................................................................................ 21
2.2 Multiplicação por escalar................................................................................................................... 24
2.3 Transposição ou matriz transposta................................................................................................ 28
2.4 Multiplicação de matrizes................................................................................................................. 29
2.5 Matriz inversa ........................................................................................................................................ 39
2.6 Processo prático para determinar a matriz inversa ............................................................... 42
2.7 Ampliando seu leque de exemplos................................................................................................ 47
3 SISTEMAS LINEARES E DETERMINANTES................................................................................................ 55
3.1 Sistemas lineares................................................................................................................................... 55
3.1.1 Equações lineares ................................................................................................................................... 55
3.1.2 Sistemas lineares...................................................................................................................................... 56
3.1.3 Resolução por adição............................................................................................................................. 59
3.1.4 Resolução por escalonamento........................................................................................................... 62
3.1.5 Resolução de sistemas pelo método de eliminação de Gauss.............................................. 69
3.2 Ampliando seu leque de exemplos................................................................................................ 75
4 DETERMINANTES.............................................................................................................................................. 81
4.1 Introdução................................................................................................................................................ 81
4.2 Cálculo de determinantes ................................................................................................................. 81
4.3 Regra de Cramer e a resolução de sistemas lineares n x n.................................................. 87
Unidade II
5 GEOMETRIA ANALÍTICA : UMA ABORDAGEM VETORIAL................................................................101
5.1 Vetores – tratamento geométrico................................................................................................101
5.1.1 O conceito de vetor..............................................................................................................................102
5.1.2 Casos particulares de vetores...........................................................................................................104
5.1.3 Operações com vetores.......................................................................................................................105
5.2 Espaço vetorial real............................................................................................................................ 117
5.3 Vetores – tratamento algébrico..................................................................................................... 118
5.3.1 Plano cartesiano.....................................................................................................................................119
5.3.2 Vetores no plano................................................................................................................................... 120
5.3.3 Combinação linear............................................................................................................................... 123
5.3.4 Dependência e independência linear........................................................................................... 126
5.3.5 Base ........................................................................................................................................................... 130
5.4 Operações com vetores utilizando as coordenadas..............................................................132
5.4.1 Adição ...................................................................................................................................................... 132
5.4.2 Multiplicação por escalar.................................................................................................................. 133
5.4.3 Vetores paralelos................................................................................................................................... 134
5.4.4 Dependência linear.............................................................................................................................. 136
5.4.5 Módulo ou norma de um vetor...................................................................................................... 140
5.5 Produto escalar....................................................................................................................................142
5.5.1 Definição algébrica.............................................................................................................................. 142
5.5.2 Propriedades do produto escalar................................................................................................... 142
5.5.3 Ângulo entre dois vetores................................................................................................................. 145
5.5.4 Projeção ortogonal............................................................................................................................... 149
5.6 Produto vetorial ..................................................................................................................................150
5.6.1 Orientação no espaço vetorial IR................................................................................................... 150
5.6.2 Produto vetorial - definição..............................................................................................................151
5.6.3 Propriedades........................................................................................................................................... 154
5.7 Produto misto ......................................................................................................................................156
5.7.1 Definição ................................................................................................................................................. 156
5.7.2 Propriedades do produto misto...................................................................................................... 158
5.8 Sistema de coordenadas .................................................................................................................164
5.8.1 No plano .................................................................................................................................................. 164
5.8.2 No espaço................................................................................................................................................ 165
5.9 Ampliando seu leque de exemplos..............................................................................................167
6 RETAS E PLANOS.............................................................................................................................................178
6.1 Estudo da reta.......................................................................................................................................178
6.1.1 Equação vetorial.................................................................................................................................... 178
6.1.2 Equações paramétricas....................................................................................................................... 180
6.1.3 Equações simétricas (na forma simétrica).................................................................................. 182
6.2 Estudo do plano ..................................................................................................................................185
6.2.1 Equação vetorial.................................................................................................................................... 185
6.2.2 Equações paramétricas do plano................................................................................................... 189
6.2.3 Equação geral do plano...................................................................................................................... 192
6.2.4 Vetor normal ao plano........................................................................................................................ 196
Unidade III
7 POSIÇÃO RELATIVA, DISTÂNCIA E ÂNGULOS...................................................................................... 211
7.1 Posição relativa.................................................................................................................................... 211
7.1.1 Reta-reta................................................................................................................................................... 211
7.1.2 Reta-plano ..............................................................................................................................................216
7.1.3 Plano-plano............................................................................................................................................. 222
7.2 Ângulos....................................................................................................................................................228
7.2.1 Reta-reta.................................................................................................................................................. 228
7.2.2 Reta-plano................................................................................................................................................231
7.2.3 Plano-plano............................................................................................................................................. 235
7.3 Distâncias...............................................................................................................................................237
7.3.1 Distância entre dois pontos ............................................................................................................ 237
7.3.2 Distância entre ponto e reta............................................................................................................ 238
7.3.3 Distância entre retas paralelas........................................................................................................ 239
7.3.4 Distância entre um ponto e um plano..........................................................................................241
7.3.5 Distância entre reta e plano (paralelos)....................................................................................... 242
7.3.6 Distância entre planos paralelos..................................................................................................... 243
8 SEÇÕES CÔNICAS ..........................................................................................................................................245
8.1 Parábola...................................................................................................................................................247
8.2 Elipse.........................................................................................................................................................254
8.3 Circunferência......................................................................................................................................258
8.4 Hipérbole.................................................................................................................................................259
APRESENTAÇÃO
Estudaremos, neste livro-texto, alguns conceitos fundamentais da geometria analítica. Esse

campo de estudo tem importantes aplicações na própria matemática e vem sendo cada vez mais
aplicado a outras ciências. Sua utilização na solução de diversos problemas tem crescido em ordem
proporcional ao avanço da tecnologia.
As aplicações desse poderoso campo de estudo – a geometria analítica –, podem ser encontradas
na engenharia, ciência da computação, matemática, física, biologia, economia, estatística e outras.
Nesse material e no Ambiente Virtual de Aprendizagem (AVA), você encontrará algumas dessas
aplicações para contextualizar boa parte dos conceitos aqui abordados. Recomendamos que
se dedique ao estudo de aplicações, pois estas são importantes para ampliar a sua visão, como
matemático e educador.
Estudaremos, inicialmente, o conceito de matrizes, sistemas lineares e determinantes que são

assuntos que você já conhece, pois são conteúdos vistos no Ensino Médio.
Aprenderemos a noção de vetores no plano e no espaço, com uma visão geométrica e depois
uma visão analítica. Estudaremos também equação de reta e do plano, seguindo de posições
relativas entre ponto-reta, ponto-plano, reta-reta, reta-plano e entre plano-plano.
Finalmente, estudaremos as seções cônicas, circunferência, elipse, parábola e hipérbole.
Esperamos, com esse material, que você, aluno, consiga dominar os conhecimentos matemáticos
estudados, relacionando-os com outros campos de estudo, por exemplo, relacionando a linguagem
matemática com as linguagens da área da informática.
O conteúdo foi desenvolvido de modo sistematizado, contribuindo para que você, futuro
professor, possa avaliar criticamente e se organizar em intervenções futuras na sua prática docente.
No desenvolvimento do texto, procuramos mostrar alguns modelos matemáticos que

representam problemas concretos. Esperamos, com isso, despertar em você o interesse pela
modelagem matemática.
É importante salientar que o material foi desenvolvido para um curso introdutório de geometria
analítica, sendo assim, busca-se aqui uma abordagem mais objetiva e simplificada, e a consulta
aos livros que constam nas referências bibliográficas será essencial para um aprofundamento nos
temas propostos.
Para terminar essa breve apresentação, queremos fazer uma última observação: “estudaremos
aqui conceitos que levaram séculos e até milênios para serem desenvolvidos, sistematizados e
colocados em bases formais e rigorosas”. Seria, no mínimo, pretensioso acreditar que podemos
compreendê-los sem esforços ou com pouco tempo de estudos, ou seja, será necessária muita
motivação, dedicação, erros (pois estes fazem parte do processo de ensino e aprendizagem da
9
matemática) e a utilização de materiais complementares (pesquisas em livros, sites, resolução de
problemas e exercícios).
INTRODUÇÃO
Nosso estudo será divido em três módulos, porém essa divisão não significa de forma alguma
que esses temas sejam disjuntos, muito pelo contrário, eles estão ligados por meio de articulações
entre os conceitos e suas possíveis aplicações. Essa divisão trata-se apenas de uma escolha
organizacional.
Na unidade I, estudaremos matrizes, sistemas e determinantes. Na unidade II, faremos uma

abordagem vetorial; estudaremos vetores no plano e no espaço e o estudo da reta e do plano. Na
unidade III, abordaremos posição relativa, distância e ângulo entre retas e planos.
Encerramos com uma breve apresentação das cônicas, parábola, elipse, circunferência e
hipérbole. Veremos a equação reduzida de cada uma delas. Não será foco de nosso estudo as
translações e rotações envolvendo as cônicas
Ao final de cada unidade, você encontrará um resumo dos itens estudados e uma sequência
de exemplos para consolidar os conhecimentos teóricos apresentados. Recomendamos que você
resolva todos eles, isso auxiliará o seu estudo.
Esperamos que você, aluno, seja capaz de identificar, fundamentar e aplicar os conhecimentos
matemáticos necessários para que se torne um bom profissional de Ensino Fundamental, Médio
ou Superior e que esteja sempre preocupado com o papel social de sua futura função profissional
como educador matemático.
Você deve estudar buscando identificar e superar suas dificuldades e limitações individuais,
procurando formas de “aprender a aprender” que viabilize seu desenvolvimento pessoal e
profissional, e possibilite prosseguir os seus estudos de forma fundamentada.
Deve ser um profissional capaz de trabalhar de forma integrada com os professores da sua área
e de outras, investigar e viabilizar o uso de novas tecnologias nas aulas de matemática, e deve
agir de modo a contribuir efetivamente com o desenvolvimento de propostas pedagógicas da sua
escola.
Esperamos ainda que você, aluno, torne-se um professor que saiba reconhecer as dificuldades
individuais de seus educandos e sugerir caminhos alternativos que os permitam desenvolver e
prosseguir os estudos.
Desejamos que esse material possa auxiliá-lo nessa caminhada. Bom estudo!
10
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
Unidade I
1 MATRIZ
1.1 Introdução
Inicialmente, apresentaremos os conceitos básicos sobre matrizes. Esses conceitos aparecem

naturalmente na resolução de muitos tipos de problemas científicos ou do cotidiano e são essenciais
não apenas porque eles “ordenam e simplificam” tais problemas mas também porque fornecem
novos métodos de resolução.
Chamamos de matriz, uma tabela de elementos dispostos em linhas e colunas.
Por exemplo, ao fazer uma pesquisa e recolhermos os dados referentes à altura, peso e idade de
um grupo de quatro pessoas, podemos dispô-los na seguinte tabela:
Altura (m) Peso (Kg) Idade (anos)
Pessoa 1 1,70 70 23
Pessoa 2 1,75 60 45
Pessoa 3 1,60 52 25
Pessoa 4 1,81 72 30
Tabela 1
Ao abstrairmos os significados das linhas e colunas, temos a matriz:
170
, 70 23
175
, 60 45
 
160
, 52 25
 
181
, 72 30
É importante perceber que em um problema, no qual o número de variáveis de observações é

muito grande, essa disposição ordenada dos dados em forma de matriz torna-se absolutamente
indispensável.
Outros exemplos de matrizes são:
11
Unidade I
2x −1
2 3
  [3 0 1] [1]
 0 x 
Os elementos de uma matriz podem ser números (reais ou complexos), funções, vetores ou
ainda outras matrizes.
Por convenção, representa-se uma matriz de m linhas e n colunas da por: (ai j) mxn, com 1≤ i ≤ m e
1≤ j ≤ n , onde o elemento aij indica a posição ocupada na matriz, linha i coluna j.
Ainda, por convenção, usaremos sempre letras maiúsculas para denotar matrizes, e
quando quisermos especificar a ordem de uma matriz A (isto é, o número de linhas e colunas),
escreveremos Amxn:
 a11 a12 a1n 

a a a2n 
Amxn =  21 22
 
= a( )mxn = aij mxn
ij
 
am1 am2 amn 
Podemos também utilizar, para representar uma matriz, a notação de parênteses ou duas barras,
além da notação de colchetes, como no exemplo abaixo:
 a11 a12 a1n 

a a a2n 
ou: A =  21 22 
 
 
am1 am2 amn 
 a11 a12 a1n 

a a a2n 
A =  21 22 
 
 a 
m1 am2 amn 
ou ainda:
a11 a12 a1n

a a a2n
A = 21 22

am1 am2 amn

12
Utilizaremos nesse material a representação por meio de colchetes ou de parênteses.
Para localizar um elemento de uma matriz, indicamos a linha e a coluna (nessa ordem) em que
ele está.
Saiba mais
Para saber sobre aplicações da geometria analítica e da álgebra

linear acesse:
<http://www.mat.ufmg.br/gaal/aplicacoes/aplicacoes.html>. Acesso
em: 06 fev. 2012.
Exemplos:
1) Considere uma matriz A3x3, isto é, uma matriz com 3 linhas e 3 colunas. Vamos localizar
alguns elementos dessa matriz, utilizando a notação a ij
a) a 12 - é o elemento da 1ª linha e 2ª coluna:
 a12 
A= 
 
 
b) a 31 – é o elemento da 3ª linha e 1ª coluna:
 
A= 
a 
 31 
 1 0 −4 
2) Considere a matriz A2x 3 =   . Determine os elementos indicados:
4 −3 2 
a) primeira linha e terceira coluna;

b) primeira linha e primeira coluna;
c) segunda linha e segunda coluna.
Resolução:
13
Unidade I
a) o elemento da primeira linha e terceira coluna “a13” é - 4, isto é, a13 = - 4
 1 0 −4 
A2x 3 =  
4 −3 2 
b) elemento da 1ª linha e 1ª coluna “a11” é 1, isto é, a11 = 1
 1 0 −4 
A2x 3 =  
4 −3 2 
c) elemento da 2ª linha e 2ª coluna “a22” é - 3, isto é, a22 = - 3
 1 0 −4 
A2x 3 =  
4 −3 2 
Veremos no próximo exemplo uma situação que pode ser representada por uma tabela.
3) Dona Cotinha tem uma pequena confecção na qual fabrica moletons. Ela faz 3 tipos de
modelos A, B e C, nas cores branco, azul, preto e vermelho. No mês de fevereiro foram feitos do
modelo A: 15 brancos, 10 pretos, 8 azuis e 5 vermelhos; do modelo B: 12 brancos, 15 pretos, 6 azuis
e 4 vermelhos; do modelo C: 9 brancos, 11 pretos, 9 azuis e 2 vermelhos. Determine a matriz que
representa a produção da confecção nesse mês.
Resolução:
Para montar a matriz que representa a produção da confecção da Dona Cotinha você deve
primeiro decidir qual informação será colocada na linha e qual será colocada na coluna e montar
uma tabela com os valores.

Por exemplo, vamos colocar nas linhas as cores branco, preto, azul e vermelho e nas colunas os
modelos A, B, C.

Para completar a tabela, você deve colocar cada dado sobre o modelo e a cor na posição
correta, assim, 15 unidades do modelo A na cor branca deve ficar na coluna do modelo A (1ª
cor
modelo coluna) e na linha da cor branca (1ª linha), desta mesma forma você vai colocando cada um dos
dados do enunciado.
A tabela obtida será:
14
modelo
A B C
cor
Branco 15 12 9
Preto 10 15 11
Azul 8 6 9
Vermelho 5 4 2
Tabela 2
Podemos agora montar a matriz correspondente:
15 12 9 
10 15 11
Pfevereiro = 
 8 6 9
 
5 4 2

Note que essa matriz tem 4 linhas (cores) e 3 colunas (modelos).
Assim, para saber, por exemplo, quantas unidades foram fabricadas no mês de fevereiro da cor
preta do modelo B, devemos verificar quem é o elemento a22.

Como a22 = 15, temos que foram fabricadas 15 unidades pretas do modelo B.

Da mesma forma, todos os outros elementos da matriz também terão um significado.
Lembrete
Sempre que uma matriz estiver relacionada a um problema, suas

linhas e suas colunas terão um significado, além da posição linha e
coluna.
Podemos indicar na matriz o que significam as linhas e as colunas, por exemplo, reescrevendo a
matriz P, produção de fevereiro, temos:
A B C
15 12 9  Branca
10 15 11
Preta
Pfevereiro = 
 8 6 9 Azul
 
5 4 2 Vermelho
15
Unidade I
Observação
Quando for conveniente, você também poderá escrever

Pfevereiro = (ai j)cor x; modelo para indicar que as cores estão nas
linhas e que os modelos estão nas colunas.
1.2 Igualdade de matrizes
( ) ( )
Duas matrizes Amxn = ai j m x n e Br x s = bi j r x s são iguais, A = B, se elas têm o mesmo
número de linhas (m = r) e colunas (n = s), e todos os seus elementos correspondentes são iguais
(aij = bij).
Nos exemplos a seguir, você pode notar com detalhes como utilizar a definição de igualdade
de matrizes.
Exemplos:
32 1 log1 9 sen π 0

1)  = 2 
2
 2 2 5  2 4 5 
As matrizes são iguais, pois são do mesmo tipo, isto é, ambas são do tipo 2x3 e cada elemento
de uma é igual ao elemento correspondente da outra, isto é:
a11 = 32 = 9 = b11
a11 = 1 = sen π 2 = b12
a13 = log1 = 0 = b13
a21 = 2 = 2 = b21
a22 = 22 = 4 = b22
a23 = 5 = 5 = b23
 m +1 2 5 2
2) Determinar os valores de m e n para que as matrizes A =   e B = 1 2 n sejam
iguais.  −2 + n 6   
Para que as matrizes sejam iguais, você deve primeiro verificar se elas são do mesmo
tipo. Nesse caso, temos A = (a i j) 2 x 2 e B = (b i j) 2 x 2 , isto é, as matrizes são do mesmo tipo,
2 x 2.
16
Devemos agora comparar cada elemento de uma com o elemento correspondente da outra,
assim:
a11 = b11 m + 1 = 5
a = b 2 = 2
 12 12 
 ,isto Ø,
é, 
a =b  −2 + n = 1
 21 21
a22 = b22 6 = 2n
Resolvendo o sistema, temos:
na 1ª equação : m + 1 = 5 ⇒ m = 4
a 2ª equação é sempre verdadeira 2 = 2 (V)
na 3ª equação: – 2 + n = 1 ⇒ n = 3

Substituindo o valor de n na 4ª equação, encontramos 6 = 6 (V).

Logo, para A = B, devemos ter m = 4 e n = 3.
1.3 Alguns tipos especiais de matrizes
Ao desenvolver um estudo com matrizes, observa-se que existem algumas que, seja pela
quantidade de linhas ou colunas, ou ainda, pela natureza de seus elementos, têm propriedades
que as diferenciam de uma matriz qualquer. Além disso, esses tipos de matrizes aparecem
frequentemente na prática e, por isso, recebem nomes especiais.
Estudemos algumas delas. Consideremos uma matriz com m linhas e n colunas que denotemos
por Amxn,
Matriz quadrada: tem o número de linhas igual ao número de colunas (m = n).
Exemplos:
 1 −2 0
A = 3 0 1
 e B=[ 8 ]1 x 1
 
4 5 6  3 x 3
No caso de matrizes quadradas Amxm, costumamos dizer que A é uma matriz de ordem m. No
nosso exemplo, a matriz A é de ordem 3 e a matriz B é de ordem 1.
Na matriz quadrada A de ordem m, definimos as seguintes sequências:
17
Unidade I
• diagonal principal de A: é a sequência dos elementos de A que apresentam os dois índices

iguais, ou seja: (aij / j = i) = (a11, a22 ,..., am m )
 a11 a12 a1m 

a a a2m 
A =  21 22 
 
 
am1 am2 am m  mxm
• diagonal secundária de A: é a sequência dos elementos de A em que a soma dos índices é

igual a m + 1, isto é, a sequência: a1m , a2 (m−1) , . . . , am 1
 a11 a12 a1m 

a a a2m 
A =  21 22 
 
 
am1 am2 am m  mxn
Exemplo:
 1 −2 0
Dada a matriz A =  3 0 1 , indique os elementos da diagonal principal e da diagonal
 
secundária.
4 5 6  3 x 3
Observando a matriz, temos:
(DP) diagonal principal formada por a11 = 1, a22 = 0, a33 = 6

(DS) diagonal secundaria formada por a13 = 0, a22 = 0, a31 = 4
DP
 1 −2 0
A =  3 0 1
 
4 5 6  3 x 3
DS
Matriz nula: é aquela em que aij = 0, para todo i j.
Exemplos:
0 0 0 0 0
0 0
A2x2 =   e B3x5 = 0 0 0 0 0
0 0  
0 0 0 0 0
18
Matriz coluna: é aquela que possui uma única coluna (n = 1).
Exemplos:
1
 4  e x 
  y 
 −3  
Matriz linha: é aquela que possui uma única linha (m = 1).
Exemplos:
[3 0 −1] e [1 2]
Matriz diagonal: é uma matriz quadrada (m = n), onde ai j = 0, para i≠j, isto é, os elementos
que não estão na “diagonal” são nulos.
Exemplos:
3 0 0 0
7 0 0  
0 1 0  e 0 3 0 0

  0 0 3 0
0 0 −1  
0 0 0 3
Matriz identidade quadrada ou simplesmente matriz identidade: é aquela em que

ai i = 1, para i = j e ai j = 0, para i ≠ j , isto é:
1, se i = j
ai j = 
0, se i ≠ j
Exemplos:
 1 0 0
 1 0
I3 = 0 1 0 e I2 = 
   0 1
0 0 1
19
Unidade I
Lembrete
Note que a matriz identidade é uma matriz quadrada que tem valor
na diagonal principal e zero no restante da matriz.
Matriz triangular superior: é uma matriz quadrada, onde todos os elementos abaixo da
diagonal são nulos, isto é, m = n e ai j = 0, para i > j.
Exemplos:
2 −1 3
0 −1 4  e  a b
  0 c 
0 0 3  
Matriz triangular inferior é aquela em que m = n e ai j = 0, para i < j.
Exemplos:
2 0 0 0
1 5 0 0
1 0 0
  e  7 0 0
1 4 1 0  
  
 4 1 3 
1 5 7 4
Matriz simétrica: é aquela onde m = n e ai j = aj i.
Exemplos:
a b c d
 4 3 −1 
 3 2 0  e b e f g

  c f h i
 −1 0 5   
d g i k
Observação
Em uma matriz simétrica, a parte superior é uma “reflexão” da parte

inferior, em relação à diagonal.
20
2 OPERAÇÕES COM MATRIZES
Ao utilizar matrizes, surge naturalmente a necessidade de efetuarmos certas operações.
2.1 Adição
( ) ( )
A soma de duas matrizes de mesma ordem, A = ai j m x n e B = bi j m x n , é uma matriz m
x n, que chamaremos de A + B, cujos elementos são somas dos elementos correspondentes de A e
( )
B. Isto é, A + B = ai j + bi j m x n :
 a11 + b11 a12 + b12 a1n + b1n 

A + B =  

am1 + bm1 am2 + bm2 amn + bmn 
Exemplos:
 1 −1  0 4
   
1) Dadas as matrizes A = 4 0  e B =  −2 5  , determinar A + B.
 2 5   1 0
Devemos primeiro verificar se as matrizes são do mesmo tipo, temos, então:
A = ( ai j) 3x2 e B = ( bi j) 3x2, logo, A e B são do mesmo tipo.

Agora você deve somar cada elemento de A com o elemento correspondente de B, assim:
 1 −1  0 4  1 + 0 −1 + 4  1 3
4 0  +  −2 5  = 4 − 2 0 + 5  = 2 5
       
 2 5   1 0  2 + 1 5 + 0  3 5
Você deve querer saber onde aplicar essa definição em um problema prático. Veja então o
próximo exemplo. Vamos retomar o problema da confecção da Dona Cotinha.
2) Dona Cotinha tem uma pequena confecção, na qual fabrica moletons. Ela faz 3 tipos de
modelos A, B e C, nas cores branco, azul, preto e vermelho.
No mês de fevereiro foram feitos do modelo A: 15 brancos, 10 pretos, 8 azuis e 5 vermelhos; do

modelo B: 12 brancos, 15 pretos, 6 azuis e 4 vermelhos; do modelo C: 9 brancos, 11 pretos, 9 azuis
e 2 vermelhos.
21
Unidade I
No mês de março foram feitos do modelo A: 21 brancos, 15 pretos, 12 azuis e 8

vermelhos; do modelo B; 15 brancos, 13 pretos, 9 azuis e 6 vermelhos; do modelo C; 16
brancos, 14 pretos, 8 azuis e 4 vermelhos. Determine a matriz que representa a produção
da confecção nesse bimestre e a quantidade produzida no bimestre do modelo C na cor
branca.
Resolução:
Para montar a matriz que representa a produção da confecção da Dona Cotinha no bimestre,
vamos utilizar a matriz referente a fevereiro, que já foi calculada, e vamos montar a matriz referente
ao mês de março.

Novamente, as linhas representarão as cores e as colunas os modelos, assim, a tabela que
representa a produção referente ao mês de março é igual a:
modelo
A B C
cor
Branco 21 15 16
Preto 15 13 14
Azul 12 9 8
Vermelho 8 6 4
Tabela 3
Montando a matriz correspondente ao mês de março, temos:
21 15 16 
15 13 14 
Pmar o =  
12 9 8 
 
8 6 4
Como queremos saber a produção no bimestre: fevereiro e março, devemos montar a tabela
correspondente a essa situação.
Tomando as tabelas de fevereiro e de março, vamos somar a produção de cada modelo e cor
correspondente nas duas tabelas e assim teremos a tabela referente ao bimestre:
22
Produção em fevereiro Produção em março

modelo modelo
A B C A B C
cor cor
Branco 15 12 9 Branco 21 15 16
Preto 10 15 11 Preto 15 13 14
Azul 8 6 9 Azul 12 9 8
Vermelho 5 4 2 e Vermelho 8 6 4
modelo
A B C
cor
Branco 36 27 25
Preto 25 28 25
Azul 20 15 17
Vermelho 13 10 6
Tabela 4
Passando para notação de matrizes, a produção do bimestre é equivalente à soma das matrizes
de fevereiro e março, ficamos então com:
15 12 9  21 15 16 
10 15 11 15 13 14 
Pfevereiro + Pmar o =   +  
 8 6 9 12 9 8
   
5 4 2 8 6 4
21 + 15 15 + 12 16 + 9  36 27 25
15 + 10 13 + 15 14 + 11 25 28 25
P bimestre =   =  
 12 + 8 9+6 8+9  20 15 17 
   
 8+5 6+4 4+2  13 10 6 
Assim, temos que a matriz que representa a produção bimestral da confecção é:
36 27 25
25 28 25
P bimestre = (pi j ) cor x modelo =  
20 15 17 
 
13 10 6 
Queremos também saber a quantidade produzida no bimestre do modelo C na cor branca, isto
é, queremos saber o valor do elemento da linha 1ª linha e 3ª coluna.
23
Unidade I
Assim, a13 = 25. Logo, foram fabricadas 25 unidades do modelo C na cor branca, nesse bimestre.
Utilizando uma notação conveniente para facilitar o entendimento do significado da linha e da

coluna, temos que a matriz referente ao bimestre pode ser escrita da seguinte forma:
A B C
36 27 25 Branca
25 28 25 Preta
P bimestre =  
20 15 17  Azul
 
13 10 6  Vermelho
Lembrete
Note que sempre que as linhas e colunas representam um dado

definido, só poderemos fazer a adição das matrizes se o significado das
linhas e colunas forem os mesmos.
Propriedades da adição de matrizes
Para a adição de matrizes, valem as seguintes propriedades:
(I) associativa: A + (B + C ) = ( A + B) + C, ∀A,B, C ∈Mm x n (IR) ;

(II) comutativa: A + B = B + A , ∀A,B ∈Mm x n (IR) ;
(III) matriz nula: existe uma matriz 0 ∈Mm x n (IR) , tal que:
A + 0 = A, ∀A ∈Mm x n (IR) ;
(IV) matriz inversa: dada uma matriz A ∈Mm x n (IR) , existe uma matriz (-A), também m x n, tal
que A + (-A) = 0
2.2 Multiplicação por escalar
Seja A = (aij)mxn e k um número real, então definimos uma nova matriz k . A = (k . aij)mxn, isto é,
cada elemento da matriz será multiplicado por k.
( )m x n
A = ai j ⇒ k . A = (k . ai j )m x n , isto é:
Ø,
24
 a1 1 a1 2 a1 n   k .a1 1 k . a1 2 k . a1 n 
A =  ⇒ k . A =  
   
 am 1 am2 amn  m x n  k . am 1 k . am2 k . amn  m x n
Observação
Observe que quando multiplicamos uma matriz por um escalar, o
número de linhas e colunas não se altera, isto é, se A = (ai j) m x n então
k . A também será do tipo m x n.
Exemplos:
2 10 
1) Dada a matriz A =   , determine a matriz - 2 A.
1 −3
Pela definição de multiplicação por escalar, devemos multiplicar cada elemento da matriz pelo
número (-2), mantendo as posições iniciais. Assim:
2 10  2 . (-2) 10 . (-2)   −4 −20

−2 A = − 2  =  = 
1 −3 1 . (-2) −3 . (-2)  −2 6 
Lembrete
Não esqueça de que ao multiplicar por número negativo você deve

colocá-lo entre parênteses e depois deve utilizar as regras de sinal.
Vejamos no próximo exemplo uma aplicação em um problema prático. Novamente, usaremos o

exemplo da confecção da Dona Cotinha.
2) Dona Cotinha tem uma pequena confecção, na qual fabrica moletons. Ela faz 3 tipos de modelos
A,B e C, nas cores branco, azul, preto e vermelho. No mês de fevereiro foram feitos do modelo A: 15
brancos, 10 pretos, 8 azuis e 5 vermelhos; do modelo B: 12 brancos, 15 pretos, 6 azuis e 4 vermelhos;
do modelo C: 9 brancos, 11 pretos, 9 azuis e 2 vermelhos. Determine a matriz que representa a
produção da confecção no próximo mês, se Dona Cotinha pretende duplicar a produção.
Resolução:
Retomando a tabela referente à produção de fevereiro, temos:
25
modelo
cor
Unidade I
Produção em fevereiro
modelo
A B C
cor
Branco 15 12 9
Preto 10 15 11
Azul 8 6 9
Vermelho 5 4 2
Tabela 5
A produção para março deve ser o dobro da produção de fevereiro. E então, a tabela
correspondente a essa expectativa de produção é:
Produção em março
modelo
A B C
cor
Branco 30 24 18
Preto 20 30 22
Azul 16 12 18
Vermelho 10 8 4
Tabela 6
Utilizando a notação de matriz, temos que, para saber a matriz referente a março, devemos
multiplicar a matriz de fevereiro por 2, pois a produção será duplicada.
Assim, P março = 2. P fevereiro, isto é, a produção de março é igual ao dobro da produção de fevereiro.
21 15 16 
15 13 14 
Pmarço = 2 . Pfevereiro =2  
12 9 8 
 
8 6 4
21 15 16  42 30 32
15 13 14   30 26 28
Pmarço = 2   =  
12 9 8 24 18 16 
   
8 6 4 16 12 8 
Logo, se for duplicada a produção, as quantidades produzidas serão dadas pela matriz:
26
42 30 32
30 26 28
( ) mxn
Pmarço = p i j = 
24

18 16 
 
16 12 8 
Propriedades da multiplicação de matriz por escalar
Para essa operação que transforma cada par (a, A) de IR x Mmxn na matriz real
a . A ∈ Mmxn (IR), valem as seguintes propriedades:
( I ) (α β ) A = α (βA ) , ∀ A ∈ M m xn e ∀ α, β ∈IR;
( I I ) (α + β ) A = α A + β A, ∀ A ∈ M m xn e ∀ α, β ∈IR;
( I I I ) α ( A + B) = α A + α B, ∀ A, B ∈ M m xn e ∀ α ∈IR;
( I V ) 1 A = A ∀ A ∈ M m xn .
Você deve estar se perguntando como utilizar essas propriedades em nossos exercícios. Vejamos
então alguns exemplos.
Exemplos:
 −1 2  3 1
Dadas as matrizes A =  e B= determinar:
 0 1  −1 2
a) (2 . 3) A
b) 3A + 5 A
c) 2 (A + B)
Resolução:
a) Nesse caso, temos a = 2 e b = 3, na 1ª propriedade (ab)A = a(bA).
Na 1ª propriedade, podemos multiplicar os números e depois multiplicar o resultado pela matriz

A ou calcular 3A e depois multiplicar por 2, ou ainda podemos calcular 2A e depois multiplicar
por 3.

Vamos fazer os cálculos das três formas e mostrar que chegamos sempre ao mesmo resultado:
27
Unidade I
 −1 2  −6 12
(2 . 3) A = 6  = 
 0 1  0 6 
  −1 2   −3 6  −6 12
2 . ( 3 A) = 2  3   = 2  =
 0 1   0 3  0 6 
  −1 2   −2 4  −6 12
3 . (2 A) = 3 2   = 3  =
 0 1   0 2  0 6 
Lembrete
Como saber de que modo fazer? Você vai utilizar o modo mais
prático, aquele que você achar mais fácil.
2.3 Transposição ou matriz transposta
Dada uma matriz A = (ai j)m x n , podemos obter outra matriz A’ = (bi j)m x n , cujas linhas são as
colunas de A, isto é, bi j = a j i.
Podemos utilizar as notações A’ ou AT para indicar a matriz transposta de A:
 a1 1 a21 am1 
 a1 1 a1 2 a1 n  a 
A = 
12
⇒ AT =  
   
 am 1 am2 amn  m x n  a
1n a2 n amn  n x m
Observação
Observe que, a se a matriz A é do tipo m x n, então a sua transposta

A será do tipo n x m.
T
Exemplo:
 2 1
2 0 −1
A =  0 3 AT = A ’ =  
  1 3 4  2 x 3
 −1 4  3x2
28
Propriedades:
(I) Uma matriz é simétrica se, e somente se, ela é igual à sua transposta, isto é, se, e somente se, A = AT.
(II) (AT)T = A, isto é, a transposta da transposta de uma matriz é ela mesma.
(III) (A + B)T = AT + BT.
(IV) (k A)T = k AT, onde k é qualquer escalar.
2.4 Multiplicação de matrizes
Para podermos efetuar o produto de 2 matrizes, devemos ter que o número de colunas da 1ª
deve ser igual ao número de linhas da outra, isto é:
(ai k)m x p x (bkj)p x n = (ci j)m x n

=
Assim:
A = (ai k ) , com 1 ≤ i ≤ m e 1 ≤ k ≤ p, e
( )
B = bk j , com 1 ≤ k ≤ p e 1 ≤ j ≤ n
Chamamos de produto da matriz A pela matriz B a matriz:
( )
C = ci j , com 1 ≤ i ≤ m e 1 ≤ j ≤ n , tal que:
cij = ai1b1j + ai2b2 j + ... + aipbpj
Ou seja, o elemento Cij é obtido multiplicando-se ordenadamente os elementos da i-ésima linha de

A pelos elementos da j-ésima coluna de B e somando-se esses produtos.
Para indicar que C é o produto de A por B, escrevemos: A . B, A x B ou simplesmente AB.
Lembrete
É importante observarmos que só se define o produto de duas

matrizes quando o número de colunas da primeira é igual ao número
de linhas da segunda e o resultado será uma matriz com o número de
linhas da 1ª e o número de colunas da 2ª.
29
Unidade I
Vejamos alguns produtos para que você entenda bem a definição de produto de matrizes. Note
que das operações que vimos até agora, esta é a que exige maior atenção devido aos cálculos
necessários.
Exemplos:
 1 0
 −1 0 2 
1) Dadas as matrizes A =   e B =  −1 1 determinar, se possível:
 2 1 −1 2 x 3  
 1 2 3x2
a) AB
b) BA
Resolução:
a) Para o produto AB devemos verificar se o número de colunas da 1ª é igual ao número de

colunas da 2ª, assim:
A = (ai k)2 x 3 B = (bjk)3 x 2

=

Logo, o produto AB é possível e a matriz resultante será do tipo 2 x 2. Vamos então calcular
esse produto. Para isso, o ideal é que as matrizes sejam colocadas uma ao lado da outra na ordem
em que o produto deve ser feito:
 1 0
 −1 0 2  
A B =   -1 1
 2 1 −1  
 1 2
Para fazer o produto, multiplique os elementos da 1ª linha de A pelos elementos de cada coluna
de B, termo a termo, e some os resultados. Faça isso por todas as colunas de B, esse procedimento
dará todos os elementos da 1ª linha da nova matriz. Repita o processo para as outras linhas de A,
até que acabem as linhas de A.

Assim, os elementos da 1ª linha da matriz produto serão:
• elemento c11: produto dos elementos da 1ª linha de A pelos elementos da 1ª coluna de B:
c11 = (-1) . 1 + 0 . (-1) + 2 . 1 = -1 + 0 + 2 = 1
c12 = (-1) . 0 + 0 . 1 + 2 . 2 = 0 + 0 + 4 = 4
30
c21 = 2 . 1 + 1 .(-1) + (-1) . 1 = 2 + (-1) - 1 = 0
c22 = 2 . 0 + 1 . 1 + (-1) . 2 = 0 + 1 - 2 = - 1
 1 0
 −1 0 2    = 1 4 
Logo, A B =  -1 1
 2 1 −1    0 −1
 1 2
b) Para o produto BA, devemos verificar se o número de colunas da 1ª é igual ao número de

B = (bi j)3 x 2 A = (ajk)2 x 3

=

Logo, o produto BA também é possível e a matriz resultante será do tipo 3 x 3. Vamos então
calcular esse produto. Novamente, as matrizes devem ser colocadas uma ao lado da outra na
ordem em que o produto deve ser feito:
 1 0
 −1 0 2 
B A =  -1 1  2 1 −1
 
 1 2

Para fazer o produto, multiplique os elementos da 1ª linha de B pelos elementos de cada coluna
de A, termo, a termo e some os resultados. Faça isso por todas as colunas de A. Esse procedimento
dará todos os elementos da 1ª linha da nova matriz. Repita o processo para as outras linhas de B,
até que acabem as linhas de B.
• elemento c11: produto dos elementos da 1ª linha de B pelos elementos da 1ª coluna de A:
c11 = 1 . (-1) + 0 . 2 = - 1 + 0 = - 1
c12 = 1 .0 + 0 . 1 = 0
31
Unidade I
c13 = 1 . 2 + 0 . (- 1) = 2
c21 = (- 1) . (- 1) + 1 . 2 = 1 + 2 = 3
c22 = (- 1) . 0 + 1 . 1 = 0 + 1 = 1
c23 = (- 1) . 2 + 1 . (- 1) = - 2 - 1 = - 3
c31 = 1 . (- 1) + 2 . 2 = - 1 + 4 = 3
c32 = 1 . 0 + 2 . 1 = 0 + 2 = 2
c33 = 1 . 2 + 2 . (- 1) = 2 - 2 = 0
 1 0  −1 0 2 
 −1 0 2 
Logo, B A =  -1 1 
 2 1 −1 =  3 1 −3

 
 1 2  3 2 0
 0
 −1 0 2 
2) Dadas as matrizes A =  e B= 1 , determinar, se possível:
 2 1 −1 2 x 3  
 −1 3x1
a) AB
b) BA
32
Resolução:
a) Para o produto AB, devemos verificar se o número de colunas da 1ª é igual ao número de

colunas da 2ª. Assim:
A = (ai j)2 x 3 B = (bjk)3 x 1

=

Logo, o produto AB é possível e a matriz resultante será do tipo 2 x 1. Vamos agora calcular esse
produto. Novamente, o ideal é que as matrizes sejam colocadas uma ao lado da outra, na ordem
em que o produto deve ser feito:
 0
 −1 0 2   
A B =  1
 2 1 −1  
 -1
Para fazer o produto, multiplique os elementos da 1ª linha de A pelos elementos da 1ª coluna de

B, termo a termo, e some os resultados. Como só temos uma coluna em B, o resultado encontrado
será o único elemento da 1ª linha da nova matriz. Repita o processo para as outras linhas de A, até
que acabem as linhas de A.

Assim, o elemento da 1ª linha da matriz produto será:
c11 = (-1) . 0 + 0 . 1 + 2 . (- 1) = 0 + 0 - 2 = - 2

Assim, o elemento da 2ª linha da matriz produto será:
c21 = 2 . 0 + 1 . 1 + (-1) . (- 1) = 0 + 1 + 1 = 2
0 
 −1 0 2     −2 
Logo, A B =  1 =
 2 1 −1    2 2 x 1
 -1
b) Para o produto BA, devemos verificar se o número de colunas da 1ª é igual ao número de
B = (bi j)2 x 1 A = (ajk)3 x 2

=
33
Unidade I
Logo, o produto BA não é possível, pois o número de colunas de B é diferente do número de

linhas de A.
Agora vamos retomar o problema da confecção da Dona Cotinha.
3) Dona Cotinha tem uma pequena confecção, na qual fabrica moletons. Ela faz 3
tipos de modelos, nas cores branco, azul, preto e vermelho. No mês de fevereiro foram
feitos do modelo A: 15 brancos, 10 pretos, 8 azuis e 5 vermelhos; do modelo B: 12
brancos, 15 pretos, 6 azuis e 4 vermelhos; do modelo C: 9 brancos, 11 pretos, 9 azuis e
2 vermelhos.
Se o preço de venda dos moletons do modelo A é R$ 80,00, do modelo B é R$ 60,00 e do

modelo C é R$ 45,00, determine a renda obtida pela Dona Cotinha, nesse mês, com a venda dos
moletons de cor vermelha.
Resolução:
Observando o enunciado, notamos que temos duas matrizes, uma que relaciona modelo e cor
e a outra que relaciona o preço de venda e o modelo.
Já conhecemos a matriz que relaciona modelo e cor, é a matriz:
15 12 9 
10 15 11
P= 
 8 6 9 
 5 4 2 
Precisamos determinar a matriz que relaciona o modelo com o preço de venda, podemos montar
a matriz colocando modelo para linha e preço para a coluna ou podemos montar com modelo na
coluna e preço na linha.
Para decidir qual é a forma mais conveniente, precisamos observar qual delas permite que se
faça o produto de matrizes. Nesse caso, faremos a matriz com os modelos nas linhas e o preço de
venda na coluna:
 80
A =  60
 
 45
Para determinar a renda obtida com a venda nesse mês, é necessário fazer o produto P . A.
Assim:
34
15 12 9   2325
10 15 11  80  2195
P=   60 = 
 8 6 9   1405  .
 5 4 2   45 modelo x preçoo  730 
pre
cor x modelo
  cor x preço
pre o
Logo, o valor obtido com a venda dos moletons vermelhos nesse mês, isto é, linha 4 (cor
vermelha) e coluna 1 (preço) foi R$ 730,00.
Propriedades da multiplicação de matrizes
Podemos demonstrar que, quaisquer que sejam as matrizes A, B e C (convenientes) e qualquer

que seja o número real a, valem as seguintes propriedades:
(I) associativa: (A B) C = A (B C)
(II) distributiva à esquerda: C (A + B) = CA + CB
(III) distributiva à direita: (A + B) C = A C + B C
(IV) elemento neutro: A In = In A =A
(V) (a A) B = A (a B) = a (A B)
(IV) A . 0 = 0 e 0 . A = 0
Observações importantes sobre a multiplicação de matrizes:
Obs 1) A multiplicação de matrizes não é comutativa. Vejamos quais são as possibilidades

de produto de duas matrizes A e B:
a) Pode existir o produto AB e não existir o produto BA.
Exemplo:
Se A é do tipo 3 x 4 e B é do tipo 4 x 2, existe AB (que é do tipo 3 x 2) e não existe BA.
 −1 2 
 −1 1 0 1  0 −1

Dadas as matrizes A = 0 −1 2 1  e B=  
  3 1
 2 0 1 3 3 x 4  
 1 −1 4 x 2
temos:
35
Unidade I
A = (ai j)3 x 4 B = (bjk)4 x 2

=
Logo, o produto AB é possível. Vamos então calcular esse produto:
2 -1
 −1 1 0 1 0  2 -4 
-1
A . B =  0 −1 2 1  = 7 2 

  1 3  
 2 0 1 3   4 2 
-1 1
O produto BA não é possível, pois o número de colunas de B não é igual ao número de linhas
de A:
B = (bi j)4 x 2 A = (ajk)3 x 4

=
b) Podem existir ambos os produtos AB e BA, sendo eles, porém, de tipos diferentes.
Exemplo:
Se A é do tipo 3 x 4 e B é do tipo 4 x 3, temos (AB)3x3 e (BA)4x4.
1 0 1 
 −1 1 0 1 2 −1 2 
Dadas as matrizes A =  0 −1 2 1 e B=  
  0 1 −1
 2 0 1 3 3 x 4  
1 2 0  4 x 3
temos:
A = (ai j)3 x 4 B = (bjk)4 x 3

=
Logo, o produto AB é possível e será uma matriz do tipo 3 x 3. Vamos então calcular esse
produto:
1 0 1
 −1 1 0 1 2 -1 2 2 1 1 
A . B =  0 −1 2 1   = -1 5 -4 
  0 1 -1  
 2 0 1 3    5 7 1 
1 2 0 
36
B = (bi j)4 x 3 A = (ajk)3 x 4

=
Logo, o produto BA é possível e será uma matriz do tipo 4 x 4. Vamos então calcular esse
produto:
1 0 1 1 1 1 4
2 -1 2  −1 1 0 1 2
 0 −1 2 1 3 0 7
B . A =   =  
0 1 -1   -2 -1 1 -2
   2 0 1 3  
1 2 0   -1 -1 4 3
Existem as matrizes AB e BA, mas são de tipos diferentes.
c) Podem existir os produtos AB e BA, sendo ambos do mesmo tipo e AB ≠ BA. Nesse caso, A e
B são matrizes quadradas de mesma ordem.
Exemplo:
1 2   3 1
Se A =   e B = 4 3 , temos:
3 −1  
1 2   3 1 11 7
AB =  . =
3 −1 4 3  5 0
 3 1 1 2   9 5
BA =  . =
4 3 3 −1 13 5
d) Podem existir ambos os produtos AB e BA. Sendo AB = BA, dizemos que as matrizes A e B
são comutáveis.
Exemplo:
 1 1 0 −1
Se A =   e B =  1 1  , temos:
 −1 0  
1 1 0 -1  1 0
A .B = =
 −1 0  1 1   0 1
0 -1  1 1  1 0
A .B =     = 
1 1   −1 0  0 1
37
Unidade I
Existem os produtos A B e B A e temos AB = BA.
Obs 2) Na multiplicação de matrizes, não vale a lei do anulamento do produto:
“Se a e b são números reais e a . b = 0, então, a = 0 ou b = 0”
Em outras palavras, se o produto é nulo, então um dos fatores (ou ambos) é nulo.
Isso, porém, não é um fato para o produto de matrizes, pois podemos ter uma multiplicação
entre as matrizes A e B, ambas não nulas, mas o resultado ser uma matriz nula.
Exemplo:
Considerando as matrizes:
2 0  0 0
A=  e B=   , vamos calcular o produto AB. Assim:
3 0  4 1
2 0  0 0 0 0
AB = A . B =   .   =   e, portanto, AB = 02x2
 3 0   4 1 0 0
Entretanto, apesar de o produto ser nulo, nem A nem B são matrizes nulas.
Obs 3) Na multiplicação de matrizes, não vale a lei do cancelamento do produto:
Quando trabalhamos com números reais, a seguinte propriedade é verdadeira:
“Se c ≠ 0 e a . c = b . c, então, a = b”
Entretanto, tal propriedade não é verdadeira para o produto de matrizes.
Exemplo:
2 3  4 2
Sendo A =   e C=  , temos:
5 1 2 1
2 3 4 2 14 7 
A .C= .  = 
5 1  2 1 22 11
1 5
Sendo B =   , temos:
2 7
38
1 5 4 2 14 7 
BC =   2 1 = 22 11
2 7     
Nesse exemplo, temos: AC = BC e C ≠ 02x2. Mas, A ≠ B.
2.5 Matriz inversa
Uma matriz quadrada A, de ordem n, tem inversa se existe uma matriz quadrada A-1, de ordem
n, tal que a multiplicação de A por A-1 é igual a matriz identidade de mesma ordem que A:
A . A- 1
= A- 1. A = In
Observação
O produto de uma matriz por sua inversa é sempre comutativo.
Exemplos:
Utilizando a definição, determinar a inversa da matriz A:

 1 −1
a) A = 
 2 3 
Pela definição, a matriz inversa deve ter a mesma ordem da matriz A, nesse caso, ordem 2.
Para determinar a inversa, precisamos fazer o produto e igualar à matriz identidade. Assim,
devemos escolher variáveis para montar uma matriz genérica e efetuar o produto. O objetivo
é resolver a igualdade de matrizes resultante e encontrar o valor das variáveis, determinando a
inversa.

Escolhendo a expressão para a inversa, temos:
 a b
A− 1 = 
 c d
Pela definição, temos:
39
Unidade I
A . A- 1
= In
 1 −1  a b  1 0
. =
 2 3   c d  0 1

Efetuando a multiplicação das matrizes, temos:
 a−c b−d   1 0
 2 a + 3 c 2 b + 3 d =  0 1

Igualando as matrizes, temos o sistema:
a − c = 1
2 a + 3 c = 0


b-d = 0
2 b + 3 d = 1
Resolvendo o sistema, temos:
 3
a = 5

b = 1
 5

c = − 2
 5
 1
d =
 5
 3 1
 5
Logo, a inversa de A é a matriz A − 1 =  5 .
−2 1 
 5 5
Lembrete
Você pode fazer a verificação da solução efetuando o produto A. A-1

e igualando a I2 .
40
 1 −2
b) A = 
 −1 2 
Pela definição a matriz inversa, deve ter a mesma ordem da matriz A, nesse caso, ordem 2.
Escolhendo a expressão para a inversa, temos:

 a b
A− 1 = 
 c d
Pela definição, temos:
A . A- 1
= In
 1 −2  a b  1 0
 −1 2  .  c d =  0 1

Efetuando a multiplicação das matrizes, temos:
 a−2 c b − 2 d  1 0
 − a + 2 c − b + 2 d =  0 1

Igualando as matrizes, temos o sistema:
a − 2 c = 1
− a + 2 c = 0


b- 2 d = 0
 − b + 2 d = 1
Da 2ª equação, temos a = 2c, substituindo na 1ª equação, vem:
2 c - 2 c = 1, isto é, 0 = 1 (F).
Logo, o sistema não tem solução e assim a matriz A não admite inversa.
Nem sempre é prático determinar a matriz inversa, principalmente se a matriz é de ordem 3 ou

mais. Para esses casos, você pode utilizar outro procedimento; no lugar da definição, o processo
prático que utiliza operações elementares com as linhas da matriz.
41
Unidade I
2.6 Processo prático para determinar a matriz inversa
Esse processo consiste em montar a matriz ampliada, formada pelos elementos da matriz A à
esquerda e pelos elementos da matriz identidade de mesma ordem que A.
O objetivo do processo, utilizando operações elementares com as linhas da matriz é

transportar a matriz identidade da parte direita para a parte esquerda. Como as operações são
feitas com a linha toda da matriz ampliada ao final do processo, na parte direita aparecerá a
matriz inversa.
Você deve estar curioso para saber quais as operações elementares que serão utilizadas nas
linhas da matriz.
Vejamos, então, as três operações elementares:
• permutação de linhas;
• multiplicação de uma linha por um número real não nulo;
• substituição de uma linha por uma combinação linear dela com qualquer outra linha da matriz.
Essas operações transformam a matriz em uma matriz equivalente.

Vejamos como utilizar essas operações para determinar a inversa da matriz A.
Exemplos:
1) Determinar a inversa da matriz A, utilizando o método prático:
 2 1 1
A =  1 0 1
 
 2 2 1
Resolução:
Para utilizar o processo prático, precisamos inicialmente escrever a matriz ampliada:
2 1 2 1 0 0
1 0 1 0 1 0
 
 2 2 1 0 0 1
Lembrando que para determinar a inversa, vamos transferir a matriz identidade da direita para
a esquerda da matriz ampliada, utilizando as operações elementares com as linhas da matriz.
42
Ao final do procedimento, a matriz que encontrarmos na parte direta da matriz ampliada será a
inversa de A.
Para zerar o elemento a21 da matriz, vamos substituir a linha 2 (L2) pela expressão - 2 L2 + L1.
Note na matriz a seguir que marcamos com um círculo o elemento a ser zerado, isso deve facilitar
o entendimento do proceso.
Faremos a mesma indicação também para os outros elementos:
Rascunho
2 1 1 1 0 0
1 0 1 0 1 0 
  -2 L2 -2 0 - 2 0 -2 0
 2 2 1 0 0 1 L1 2 1 1 1 0 0
-2 L2 + L1 0 1 -1 1 -2 0
2 1 1 1 0 0
 0 1 −1 1 −2 0 
 
 2 2 1 0 0 1
L2 = -2 L2 + L1

Para zerar o elemento a31 da matriz, vamos substituir a linha 3 (L3) pela expressão L3 - L1:
Rascunho
2 1 1 1 0 0
 0 1 −1 1 −2 0  L3 2 2 1 0 0 1
 
 0 1 0 −1 0 1 - L1 - 2 -1 -1 -1 0 0
L3 = L3 + L1 L3 - L1 0 1 0 -1 0 1

Agora queremos zerar o elemento a 32. Para isso, vamos substituir a linha 3 (L 3) pela
expressão L3 - L2:
Observação
Nesse caso, não podemos escrever a expressão utilizando a 1ª linha,

pois teríamos o elemento a31 novamente diferente de zero.
43
Unidade I
Rascunho
2 1 1 1 0 0
0 1 −1 1 −2 0  L3 0 1 0 -1 0 1
  L2 0 -1 1 -1 2 0
 0 0 1 −2 2 1
L3 = L3 - L2 L3 + L2 0 0 1 -2 2 1
Já temos metade da matriz zerada, falta zerar a parte superior. Não vamos nos preocupar com
elementos da diagonal principal ainda, só ao final do processo vamos deixar todos iguais a 1.
Agora vamos zerar o elemento a23. Vamos substituir a linha 2 (L2) pela expressão L3 + L2:
Rascunho
2 1 1 1 0 0
0 1 0 -1 0 1  L3 0 0 1 -2 2 1
  L2 0 1 -1 1 -2 0
 0 0 1 −2 2 1 
L3 = L3 + L2 L3 + L2 0 1 0 -1 0 1
Devemos agora zerar o elemento a13. Para isso, vamos substituir a linha 1 (L1) pela expressão
L1 - L3:
Rascunho
2 1 0 3 −2 −1
0 1 0 L1 2 1 1 1 0 0
-1 0 1   L3 0 1 -1 2 -2 -1
 
 0 0 1 −2 2 1 
L1 = L1 + L3 L1 - L3 2 1 0 3 -2 -1
Agora falta somente zerar o elemento a12. Para isso, vamos substituir a linha 1 (L1) pela expressão
L1 - L2 :
Rascunho
2 0 0 4 −2 −2
0 L1 2 1 0 3 -2 -1
1 0 -1 0 1   L2 0 -1 0 1 0 -1
 
 0 0 1 −2 2 1 
L1 = L1 - L2 L1 - L3 2 0 0 4 -2 -2

44
Já conseguimos transformar a parte esquerda da matriz ampliada numa matriz diagonal, falta
ainda deixar todos os elementos da diagonal principal iguais a 1.
Falta somente deixar o elemento a11 igual a 1. Para isso, vamos dividir a primeira linha por 2:
1 0 0 2 −1 −1
0 1 0 -1 0 1 
 
 0 0 1 −2 2 1 
Logo, a inversa da matriz A é:
 2 −1 −1
A- 1 =  -1 0 1 
 
 −2 2 1 
Lembrete
Para fazer o escalonamento, devemos seguir a ordem em que

os elementos da matriz foram zerados nesse exemplo. Isso agiliza o
processo.
 1 0 1
A =  2 1 2
 
 1 1 1
Resolução:
Para utilizar o processo prático, precisamos inicialmente escrever a matriz ampliada. Para isso,
monte uma matriz dividida por uma barra; do lado esquerdo coloque a matriz A e do lado direito
a matriz identidade de mesma ordem de A.

Nesse caso, temos a matriz ampliada:
1 0 1 1 0 0
2 1 2 0 1 0
 
 1 1 1 0 0 1
Lembrando que para determinar a inversa, vamos transferir a matriz identidade da direita
para a esquerda da matriz ampliada, utilizando as operações elementares com as linhas
45
Unidade I
da matriz. Ao final do procedimento, a matriz que encontrarmos na parte direta da matriz

ampliada será a inversa de A.
Para que você não se confunda durante o proceso, vamos escrever no rascunho as contas que
estamos fazendo. Depois que você estiver mais familiarizado com o proceso, pode eliminar os
rascunhos.
Iniciamos zerando os elementos a21 e a31. Para zerar o elemento a21 da matriz, vamos substituir
a linha 2 (L2) por expressão conveniente, de modo que a soma das linhas transforme a21 em zero.
Assim, vamos utilizar a expressão L2 - 2 L1. Os resultados vamos colocar no lugar dos elementos
da linha 2 e vamos manter as outras linhas da matriz.
Rascunho
1 0 1 1 0 0
2 1 2 0 1 0 
  L2 2 1 2 0 1 0
 1 1 1 0 0 1 - 2L1 -2 0 -2 -2 0 0
L2 - 2 L1 0 1 0 -2 1 0
1 0 1 1 0 0
0 1 0 −2 1 0 
 
 1 1 1 0 0 1 

L2 = L2 - 2L1

Rascunho
1 0 1 1 0 0
0 L3 1 1 1 0 0 1
1 0 -2 1 0 
  L1 -1 0 -1 -1 0 0
 0 1 0 −1 0 1
L3 = L3 - L1 L3 - L1 0 1 0 -1 0 1
Agora queremos zerar o elemento a32. Para isso, vamos substituir a linha 3 (L3) pela expressão
L3 - L2:
Observação

46
Rascunho
1 0 1 1 0 0
0 1 0 -2 1 0  L3 0 1 0 -1 0 1
  - L2 0 -1 0 2 -1 0
 0 0 0 1 −1 1 
L3 = L3 - L2 L3 - L1 0 0 0 1 -1 1
Note que a última linha da metade esquerda da matriz ampliada tem os três números iguais a
zero. Logo, é impossível transformar essa parte na matriz identidade.

Portanto, a matriz não admite inversa.
2.7 Ampliando seu leque de exemplos

i − j se i > j

1) Determine os elementos a21 e a34 da matriz definida por 2 se i = j
2 i se i < j

Resolução:
Para determinar os elementos da matriz, como ela é dada por várias sentenças, você vai observar
os índices dos elementos e determinar qual das condições deverá ser obedecida.

Assim, temos:
• elemento a21:
i = 2 e j = 1, isto é, i > j, deve obedecer a condição ai j = i – j
• elemento a34:
i = 3 e j = 4, isto é, i < j, deve obedecer a condição ai j = 2 i

Logo, a21 = 2 – 1 = 1 e a34 = 2 .3 = 6, isto é, a21 = 1 e a34 = 6
1 2   −1 2
2) Dadas as matrizes A =  1 −1 e B =  0 0 , então o valor de X = - 3A + 3B
   
0 2   2 1
Resolução:
Substituindo os valores de A e B na expressão, temos:
47
Unidade I
X=− 3 A + 3 B
1 2  -1 2
X = − 3  1 -1 + 3  0 0
   
0 2  2 1
Efetuando o produto dos números pelas matrizes, temos:
 -3 -6  -3 6
X =  -3 3  +  0 0
   
 0 -6  6 3

Assim:
 -6 0 
X =  -3 3 
 
 6 -3
 −1 2
 −1 1 −2
3) Dadas as matrizes A =  −2 1 e B =   determinar o valor de X = A - BT:
   1 −1 0
 0 4
Resolução:
Para resolver esse exemplo, você deve inicialmente determinar a transposta da matriz B, assim,
 −1 1
T 
B = 1 −1 .
 
 −2 0

Substituindo as matrizes na expressão, temos:
X = A - BT
 -1 2  -1 1 
X =  -2 1 -  1 -1
   
 0 4  -2 0 
 0 1
X =  -3 2
 
 -2 4
48
4) Determinar o valor de x que torna iguais as matrizes A e B, sendo:
 2x + 1 −1  2 x   −1 −3
A= + e B =
 2 x   3 5  5 3 
Resolução:
Inicialmente, vamos determinar os valores da matriz A:
 2x + 1 −1  2 x   2x + 1 + 2 −1 + x   2x + 3 −1 + x 
A= + = =
 2 x   3 5  2 + 3 x + 5   5 x + 5 
Daí, temos:
 2x + 3 −1 + x   −1 −3
=
 5 x + 5   5 3 
Igualando as matrizes, vem:
2x + 3 = −1 ⇒ 2 . (-2) + 3 = −1 ⇒ −1 = −1 (V)

 −1 + x = −3 ⇒ −1 − 2 = −3 ⇒ −3 = −3 (V)


5 = 5
x + 5 = 3 ⇒ x = − 2
Resolvendo o sistema, encontramos x = - 2.
 3 2  −1 1 4 
5) Dadas as matrizes A =  e B =  0 1 −2 , determinar o valor de:
 1 2
a) A . B
b) B . A
Resolução:
 3 2  −1 1 4 
a) A . B =  .
 1 2  0 1 −2
 3.( −1) + 2.0 3.1 + 2.1 3.4 + 2.( −2)

A . B = 
 1.( −1) + 2.0 1.1 + 2.1 1.4 + 2.( −2)
 −3 5 8
A . B = 
 −1 3 0
49
Unidade I
 -1 1 4  3 2
b) A . B = . 
 0 1 -2 
2X3
 1 2 2x2
Não é possível efetuar o produto, pois o número de colunas da matriz B é diferente do número
de linhas da matriz A.
 1 0 1
6) Sendo A = (3 −1 0) e I3 =  0 1 0 determinar o resultado de A . l3.
 
 0 0 1
Resolução:
Substituindo as matrizes dadas na expressão:
 1 0 1
A . I3 = ( 3 -1 0) .  0 1 0
 
 0 0 1
A . I3 = ( 3. 1 + (-1) . 0 + 0 . 0 3. 0 + (-1) . 1 + 0 . 0 3. 0 + (-1) . 0 + 0 . 1)
A . I3 = ( 3 -1 0)
Observação
A matriz resultante é do tipo 1 x 3, isto é, 1 linha e 3 colunas.
 5 1
7) Determinar a inversa da matriz A =  , utilizando a definição.
 0 1
Resolução:
Sabemos que a inversa de uma matriz A do tipo 2 x 2 é uma matriz do mesmo tipo, isto é,
também será 2 x 2.
 a b
Tomemos então A −1 =  como a inversa de A. Devemos determinar os valores de a, b, c, d.
 c d
Pela definição de matriz inversa, temos:
A . A- 1 = I 2

50
Agora, substituindo os valores de A e de A-1 na expressão:
 a b  5 1
 c d .  0 1 = I 2

Efetuando o produto das matrizes e lembrando que a matriz identidade 2 x 2 é igual a
 1 0
I2 = , temos:
 0 1
 5a a + b  1 0
 5c c + d =  0 1
Igualando as matrizes:
5a = 1
a + b = 0


5c = 0
c + d = 1
Resolvendo o sistema, encontramos: a = 1/5, b = -1/5; c = 0 e d = 1
1 / 5 −1 / 5
Logo, A −1 =  é a inversa da matriz A.
 0 1 
8) Determinar o valor de x que torna verdadeira a equação matricial:
 x − 1 2  3 4  4 6
 2x 3 +  −6 1 =  −2 4
Resolução:
Para determinar o valor de x, você deve primeiro somar as matrizes e depois deve substituir na
expressão e resolver a igualdade:
 x − 1 2  3 4  4 6
 2x 3 +  −6 1 =  −2 4
 x − 1 + 3 2 + 4  4 6
 2x − 6 3 + 1 =  −2 4
 x + 2 6  4 6
 2x − 6 4 =  −2 4
51
Unidade I
Lembrando que matrizes são iguais quando cada elemento de uma é igual ao elemento
correspondente da outra, temos:
x + 2 = 4
6 = 6 (V)


2x − 6 = −2
3 + 1 = 4 (V)
Resolvendo o sistema, encontramos x = 2.
 1 2 0
A =  −1 1 2
 
 1 1 1
Resolução:
Para utilizar o processo prático, precisamos inicialmente escrever a matriz ampliada:
1 2 0 1 0 0
 −1 1 2 0 1 0
 
 1 1 1 0 0 1
Lembrando que, para determinar a inversa, vamos transferir a matriz identidade da direita
para a esquerda da matriz ampliada, utilizando as operações elementares com as linhas da matriz.
Ao final do procedimento, a matriz que encontrarmos na parte direta da matriz ampliada será a
inversa de A.
Para zerar o elemento a21 da matriz, vamos substituir a linha 2 (L2) pela expressão L2 + L1:
1 2 0 1 0 0 Rascunho
 −1 1 2 0 1 0 
  L2 -1 1 2 0 1 0
 1 1 1 0 0 1
L1 1 2 0 1 0 0
1 2 0 1 0 0 L2 - L1 0 3 2 1 1 0
0 3 2 1 1 0 
 
 1 1 1 0 0 1
L2 = L2 - 2L1
52

Rascunho
1 2 0 1 0 0
0 L3 -1 1 1 0 0 1
3 2 1 1 0  -L1 -1 -2 0 -1 0 0
 
 0 −1 1 −1 0 1 
L -L 3 0 -1 1 -1 0 1
1
L3 = L3 - L1
Agora queremos zerar o elemento a32. Para isso, vamos substituir a linha 3 (L3) pela expressão
3 L3 + L2:
Observação

Rascunho
1 2 0 1 0 0
0 3L3 0 -3 3 -3 0 3
3 2 1 1 0  L2 0 3 2 1 1 0
 
 0 0 5 −2 1 3 3L3 + L1 0 0 5 -2 1 3
L3 = 3L3 + L2

Já temos metade da matriz zerada, falta zerar a parte superior. Não vamos nos preocupar com
elementos da diagonal principal ainda, só ao final do processo vamos deixar todos iguais a 1.
Agora vamos zerar o elemento a23. Vamos substituir a linha 2 (L2) pela expressão -2 L3 + 5 L2.
Note que o objetivo de se multiplicar a linha 3 por (-2) e a linha 2 por 5 é obter um múltiplo
comum de 2 e 5 para efetuar o cancelamento.
Rascunho
1 2 0 1 0 0
0 -2L3 0 0 -10 4 -2 -6
15 0 9 3 −6 
  5L2 0 15 10 5 5 0
 0 0 5 −2 1 3
3L2 + 5L2 0 15 0 9 3 -6
L3 = 2L3 + 5L2
53
Unidade I
Como o elemento a13 já é igual a zero, falta somente zerar o elemento a12. Para isso, vamos
substituir a linha 1 (L1) pela expressão -2 L2 + 15 L1:
Rascunho
15 0 0 −3 −6 12 
0 15 0 9 3 −6  -2L2 0 -30 0 -18 -6 12
  15L1 15 30 0 15 0 0
 0 0 5 −2 1 3
-2L2 + 15L1 15 0 0 -3 -6 12
L3 = 2L3 + 5L2
Já conseguimos transformar a parte esquerda da matriz ampliada numa matriz diagonal, falta
ainda deixar todos os elementos da diagonal principal iguais a 1.
Vamos dividir cada linha por um número conveniente: vamos dividir a linha 1 por 15, a linha 2
por 15 e a linha 3 por 5. Assim, temos:
1 0 0 3 6 12 
− −
 15 15 15 
 9 3 6 
0 1 0 −
 15 15 15 
 2 1 3 
0 0 1 − 
 5 5 5 
Logo, a inversa da matriz A é:
 3 6 12   1 2 4 
− − − −
 15 15 15   5 5 5 
 9 3 6   3 1 2 
A- 1 =  − ou simplificando A - 1 =  −
 15 15 15   5 5 5
 2 1 3   2 1 3
−  − 
 5 5 5   5 5 5 
Caso você prefira, pode colocar (1/5) em evidência e daí:
 −1 −2 4 
1 
A -1 = 3 1 −2
5  
 −2 1 3 
54
Lembrete
Para conferir sua resposta, multiplique A por A – 1. O resultado deve

ser a matriz identidade, isto é, A . A – 1 = I 3 .
3 SISTEMAS LINEARES E DETERMINANTES
3.1 Sistemas lineares
3.1.1 Equações lineares
Para estudarmos sistemas lineares, precisamos inicialmente saber que um sistema linear é
formado por várias equações lineares. A equação linear a1 x1 + a2 x2 + . . . + an xn = b é chamada
de linear. Os números a1, a2, . . . , an são chamados de coeficientes, x1, x2, . . . , xn são as variáveis e b
é chamado de termo independente.
Lembrete
Para saber se uma sequência (ordenada) de valores x1, x2, . . . , xn

é solução de uma equação linear, você deve substituir os valores na
equação e o resultado deve ser igual a b.
Exemplo:
Dada a equação linear 2 x + 3 y – z = 4, verificar se são soluções da equação:
a) (x, y, z) = (0, 1, 2)

Devemos substituir os valores de x, y e z na equação e verificar se o resultado obtido é verdadeiro.
Substituindo os valores, temos:
2 . 0 + 3 . 1 - 2 = 4 ⇒ 0 + 3 – 2 = 4 ⇒ 1 = 4 (F), logo, não é solução da equação.
b) (x, y, z) = (0, 2, 2)
Devemos substituir os valores de x, y e z na equação e verificar se o resultado obtido é verdadeiro.
Substituindo os valores, temos:
2 . 0 + 3 . 2 - 2 = 4 ⇒ 0 + 6 – 2 = 4 ⇒ 4 = 4 (V), logo, é solução da equação.
55
Unidade I
3.1.2 Sistemas lineares
Vamos agora estudar sistemas lineares, isto é, conjuntos de equações lineares. Sendo S um
sistema linear com m equações e n variáveis, podemos representar S por:
a11 x1 + a12 x2 + . . . + a1n xn = b1

a x + a x + . . . + a x = b
 21 1 22 2 2n n 2
S
 

am1 x1 + am2 x2 + . . . + am n xn = bn
No sistema S, temos:
a i j , com 1 ≤ i ≤ m e 1 ≤ j ≤ n – coeficientes
xj – variáveis, com 1≤ j ≤ n
bi – termos independentes, com 1≤ j ≤ nm

Se b1 = b2 = . . . = bm = 0, chamamos o sistema S de sistema homogêneo.
Observação
Uma n-upla, isto é, uma sequência ordenada de n valores, será uma

solução do sistema S se for solução de todas as equações lineares que
formam esse sistema.
Você deve estar se perguntando: “como aparecem esses sistemas?” “De onde vêm essas
equações?” “Será que eu posso montar um sistema?”
Vejamos uma situação que gera um sistema.
“Aninha e Joaninha foram fazer compras. Aninha gastou R$ 250,00 e Joaninha gastou R$
270,00 comprando blusas e calças. Aninha comprou 3 blusas e 2 calças e Joaninha comprou 1
blusa e 3 calças. Chegando em casa, sua mãe perguntou quanto tinham pago por cada blusa e por
cada calça, mas elas não lembravam. Sabiam apenas que todas as blusas que escolheram tinham
o mesmo preço e todas as calças tinham o mesmo preço. Como elas podem descobrir o valor pago
por cada blusa e por cada calça?”

Para encontrarmos esses valores, devemos resolver o problema da Aninha e da Joaninha por
meio de um sistema de equações com duas variáveis.
56
Se colocarmos a variável x para o preço de cada blusa e a variável y para o preço de cada calça
teremos duas equações: uma para as compras da Aninha e uma para as compras da Joaninha.

Teremos então as equações:
Aninha: 3 blusas + 2 calças, gastando R$ 250,00:
3 x + 2 y = 250
Joaninha: 1 blusa + 3 calças, gastando R$ 270,00:
x + 3 y = 270

Logo, o sistema que representa a situação relatada é dado por:
3 x + 2 y = 250
S
 x + 3 y = 270
Veremos mais adiante como resolver esse sistema e determinar os valores pagos.
Exemplo:

Verificar se as ternas são solução do sistema S:
3 x1 + x2 - x 3 = 6

S  −1 x1 + 2 x 2 + x 3 = 2
 2 x − x + x = −1
 1 2 3
a) (x1, x2, x3) = (1, 0, - 3)
Para saber se a terna dada é solução do sistema, devemos substituir os valores em cada uma das
equações e daí, se encontrarmos todos os resultados verdadeiros, a terna será solução. Caso uma
das equações não dê resultado verdadeiro, então a sequência não será solução do sistema.

Substituindo os valores:
• na 1ª equação, temos:
3 . 1 + 0 – (- 3) = 6 ⇒ 3 + 0 + 3 = 6 ⇒ 6 = 6 (V)
- 1 + 2. 0 + (- 3) = 2 ⇒ -1 + 0 - 3 = 2 ⇒ - 4 = 2 (F)
57
Unidade I
Você notou que os valores dados são solução da 1ª equação, porém não é solução da 2ª, logo,
a sequência (1, 0, - 3) não é solução do sistema S.
Observação
Como não é solução da 2ª equação, você não precisa substituir na 3ª

equação para concluir que não é solução do sistema.
b) (x1, x2, x3) = (1, 2, - 1)
Novamente para saber se a sequência é solução do sistema, você deverá substituir os valores
nas três equações e verificar se os resultados são verdadeiros.

Substituindo os valores:
3 . 1 + 2 – (- 1) = 6 ⇒ 3 + 2 + 1 = 6 ⇒ 6 = 6 (V)
- 1 + 2. 2 + (- 1) = 2 ⇒ -1 + 4 - 2 = 2 ⇒ 4 – 2 = 2 ⇒ 2 = 2 (V)
2 . 1 - 2 + (-1) = - 1 ⇒ 2 - 2 - 1 = - 1 ⇒ 0 – 1 = - 1 ⇒ - 1 = - 1(V)
Como os valores dados são solução das três equações, a sequência (1, 2, -1) é solução do
sistema S.
Será que todo sistema tem solução? Como determinar a solução de um sistema linear?
Para responder a essas questões, vamos inicialmente ver como classificar um sistema. A
classificação é feita pelo fato de o sistema ter ou não solução e tendo solução pelo número de
soluções.

Assim, temos:
• SI – Sistema Impossível ou Incompatível (não tem solução).

• SPD – Sistema Possível e Determinado (tem somente 1 solução).
• SPI – Sistema Possível e Indeterminado (tem infinitas soluções).
58
Lembrete
Todo sistema homogêneo é possível, pois tem como solução

(0, 0, ...,0), isto é, tem solução trivial. Falta verificar se existem outras
soluções para saber se é SPD ou SPI.
Para resolver um sistema, você pode utilizar várias técnicas, entre elas: adição, Cramer,
substituição, escalonamento, Gauss. Nesse texto, vamos utilizar alguns desses processos.
A seguir, temos alguns exemplos em que serão utilizados alguns desses métodos.
3.1.3 Resolução por adição
Exemplos:
Resolva e classifique os sistemas lineares:
x-y = 1
a) S 
2x − y = 3

Para resolver por adição, devemos decidir qual das variáveis vamos eliminar e daí multiplicar a
equação pelo número conveniente para que isso aconteça.

Vamos eliminar inicialmente a variável x e determinar o valor de y. Devemos multiplicar a 1ª
equação por (-2) para cancelar com 2x. Assim:
x-y = 1 (multiplicando por (-2))


2x − y = 3
-2 x + 2 y = - 2
 Somando as equações
 2x−y=3
y = 1
Agora vamos eliminar a variável y, para isso devemos multiplicar uma das equações por (-1):
x-y = 1 (multiplicando por (-1))


2x − y = 3
 -x+ y=-1
 2x−y=3
x = 2
59
Unidade I
Logo, o sistema é possível determinado, SPD e tem solução x = 2 e y = 1.
3 x- 6 y = 2
b) S 
−x − 2 y = 1

Para resolver por adição, devemos decidir qual das variáveis vamos eliminar e daí multiplicar a
equação pelo número conveniente para que isso aconteça.

Vamos eliminar inicialmente a variável x e determinar o valor de y. Podemos multiplicar a 2ª
equação por 3 para cancelar com 3x. Assim:
3 x- 6 y = 2

−x − 2 y = 1 (multiplicando por 3)
 3x− 6y= 2
 −3 x − 6 y = 3
0 = 5 (F)

Logo, o sistema é impossível, SI e não tem solução.
3 x- 6 y = 3
c) S 
 − x − 2 y = −1
Agora vamos eliminar a variável x e determinar o valor de y. Podemos multiplicar a 2ª equação

por 3 para cancelar com 3x. Assim:
3 x- 6 y = 3

 − x − 2 y = −1 (multiplicando por 3)
 3x− 6y= 3 Somando as equações


 −3 x − 6 y = −3
0 = 0 (V)
Note que ao tentar eliminar a variável x, eliminamos y também. Isso significa que as equações
são equivalentes e que temos um sistema possível e indeterminado.

Para encontrar a solução do sistema, devemos utilizar somente uma das equações, isolando a
variável x ou y. Assim, escolhendo a 2ª equação e isolando x, temos:
− x − 2 y = −1 ⇒ - x = - 1 + 2 y ⇒ x = 1 - 2 y
60
Como o sistema é SPI, tem infinitas soluções que serão dadas por:
{(x, y) ∈ IR2 x = 1 - 2 y } ou {(1 - 2 y , y) | y ∈ IR }
Observação
A solução de um sistema SPI será dada sempre em função de alguma

das variáveis. Para cada valor da variável, teremos uma nova solução.
Vamos agora retomar o problema da Aninha e da Joaninha.
“Aninha e Joaninha foram fazer compras. Aninha gastou R$ 250,00 e Joaninha gastou R$
270,00 comprando blusas e calças. Aninha comprou 3 blusas e 2 calças, e Joaninha comprou 1
blusa e 3 calças. Chegando em casa, sua mãe perguntou quanto tinham pago por cada blusa e por
cada calça, mas elas não lembravam. Sabiam apenas que todas as blusas que escolheram tinham
o mesmo preço e todas as calças tinham o mesmo preço. Como elas podem descobrir o valor pago
por cada blusa e por cada calça?”

Já sabemos que o sistema de equações que resolve o problema é dado por:
3 x + 2 y = 250
S
 x + 3 y = 270
Resolução:
Vamos eliminar inicialmente a variável x e determinar o valor de y. Devemos multiplicar a 2ª

equação por (- 3) para cancelar com 3x. Assim:
3 x + 2 y = 250

 x + 3 y = 270 (multiplicando por (- 3) )
3 x + 2 y = 250
 −3 x − 9 y = − 810
-7 y = - 560
Teremos então que y = 80.

Agora vamos eliminar a variável y. Para isso, devemos multiplicar a 1ª equação por 3 e a
2ª por (-2):
61
Unidade I
3 x + 2 y = 250 (multiplicando por (3) )


 x + 3 y = 270 (multiplicando por (- 2) )
 9 x + 6 y = 750
 − 2 x − 6 y = −540
7x = 210
Teremos então que x = 30.

Logo, o sistema é SPD, e sua solução é x = 30 e y = 80, isto é, as meninas pagaram R$ 30,00 em
cada blusa e R$ 80,00 em cada calça.
3.1.4 Resolução por escalonamento
Nesse processo, utilizaremos operações elementares com as equações para transformar o

sistema original em outro equivalente, mais simples, escalonado.
Você deve estar se perguntando o que são essas tais operações elementares e o que é um
sistema escalonado.
Vejamos então o que são as operações elementares. São três operações que podem ser feitas
com as equações:
• permutação de equações;
• multiplicação de uma equação por um número real não nulo;
• substituição de uma equação por uma combinação linear dela com qualquer uma das outras
equações do sistema.
Essas operações transformam o sistema em um outro equivalente, e sistemas equivalentes têm

mesma solução.
Agora você já sabe quais são as operações elementares, falta o sistema escalonado.

Considere um sistema S com m equações e n variáveis:
a11 x1 + a12 x2 + . . . + a1n xn = b1

a x + a x + . . . + a x = b
 21 1 22 2 2n n 2
S
 
am1 x1 + am2 x2 + . . . + am n xn = bn
62
O sistema S estará escalonado quando estiver na forma:
a11 x1 + a12 x2 + . . . + a1n xn = b1

 a22 x2 + . . . + a2n xn = b2

S a33 x 3 + . . . + a2n xn = b2


 am n xn = bn
Lembrete
No sistema escalonado, cada equação tem menos variáveis que a

linha anterior.
Podemos utilizar a notação de matriz para resolver o sistema por escalonamento. A matriz
ampliada correspondente a S é:
 a11 a12 a1n b1 

a a a b 
A =  21 22 2n1 2 
 
a a a b 
 m1 2 mn n1 

A matriz escalonada é:
 a11 a12 a1n b1 

 0 a a b 
22 2n 2 
A=
 
 0 0 a b 
 mn n 
Observação
A utilização do escalonamento permite que você resolva

qualquer sistema, não importando quantas equações e quantas
variáveis têm.
Veja a seguir alguns exemplos para que você entenda o processo de resolução de sistemas por
escalonamento.
63
Unidade I
Exemplos:
Resolver os sistemas, utilizando escalonamento:
 x- 2 y + z = −1

a) S  − x − y + 2 z = −2
2 x + y − z = 1

Para resolver o sistema por escalonamento, devemos eliminar inicialmente a variável x das
equações 2 e 3, utilizando as operações elementares.
Em nossos exemplos, vamos deixar indicadas todas as contas necessárias (rascunho) para que
você entenda o processo. Caso você ache conveniente, pode omitir essas contas.
Para eliminar a variável x na 2ª equação, vamos substituir a equação 2 por sua soma
com a equação 1. Você deve fazer a conta e substituir o resultado obtido no lugar da 2ª
equação:
 x- 2 y + z = -1 Rascunho

 − x − y + 2 z = −2 E2 - x – y + 2z = - 2
2 x − y − z = 1
 E1 x – 2 y + z = -1
E2 = E2 + E1 E2 + E1 0 – 3 y + 3 z = - 3
 x- 2 y + z = -1

 − 3 y + 3 z = −3
2 x − y − z = 1


Repetindo o processo para eliminar a variável x da 3ª equação, vamos fazer a conta
E3 = E3 – 2 E1:
Rascunho
 x- 2 y + z = -1
 Ea 2x+y-z=1
 − 3 y + 3 z = −3 -2E1 - 2 x + 4 y - 2z = 2
 5 y −3 z=3
 E2 + E1 0+5y-3z=3
E3 = E2 + 2E1
Agora devemos eliminar a variável y da 3ª equação. Para isso, vamos fazer a conta
E3 = 3E3 + 5 E2:
64
Rascunho
 x- 2 y + z = -1
 3E3 15 y - 9 z = 9
 − 3y + 3z=− 3
 5E2 - 15 y + 15z = -15
 6 z=− 6
3E3 + 5E2 6z=-6
E3 = 3E3 + 5E2
O sistema está escalonado. Agora devemos determinar o valor de z na 3ª equação, substituir na

2ª e determinar o valor de y e finalmente substituir y e z na 1ª equação e determinar o valor de x.

Assim, temos:
• na 3ª equação: z = -1
• na 2ª equação: - 3 y + 3 (-1) = - 3 ⇒ - 3 y = - 3 + 3 ⇒ y = 0
• na 1ª equação: x - 2 . 0 + (-1) = - 1 ⇒ x = -1 + 1 ⇒ x = 0

Logo, o sistema é possível e determinado na solução (x, y, z) = (0, 0, -1).
Lembrete
A notação E2 = E2 + E1 indica que a linha 2 será substituída pelo

resultado obtido em E2 + E1. As contas feitas no rascunho podem ser
omitidas na resolução do exercício, mas é necessário indicar a expressão
que será usada.
 x- y + 2 z = 1

b ) S  x + 3y + z = 2
2 x + 2y + 3z = 1



Nesse exemplo, vamos utilizar a notação de matriz. Você pode resolver os sistemas utilizando a
notação que achar mais conveniente.

A matriz ampliada correspondente ao sistema é:
 1 −1 2 1 
A = 1 3 1 2 
 
 2 2 3 1 

65
Unidade I
Para eliminar a variável x na 2ª equação, vamos substituir a equação 2 por sua soma com a 1ª
equação multiplicada por (- 1). Você deve fazer a conta e substituir o resultado obtido no lugar da
2ª equação:
Rascunho
 1 −1 2 1 
1 3 1 2  
  E2 1 3 1 2
 2 2 3 1  -E1 -1 1 -2 -1
E2 + E1 0 4 -1 1
 1 −1 2 1 
  0 4 −1 1  
 
 2 2 3 1 
E2 = E2 - E1
Repetindo o processo para eliminar a variável x da 3ª equação, vamos fazer a conta E3 = E3 – 2 E1:
Rascunho
 1 −1 2 1 
  0 4 −1 1   E3 2 2 3 1
  -2E1 -2 2 -4 -2
 0 4 −1 −1
E2 + E1 0 4 -1 -1
E3 = E3 - 2E1

Agora devemos eliminar a variável y da 3ª equação, fazendo a conta E3 = E3 - E2:
Rascunho
 1 −1 2 1 
E3 0 2 -1 -1
  0 4 −1 1 
  -E2 0 -4 1 -1
 0 0 0 -2 
E2 + E1 0 0 0 -2
E3 = E3 - E2
A matriz está escalonada. Devemos agora voltar para a notação de sistema. Reescrevendo o
sistema, temos:
 x - y + 2 z =1

S  4 y − z =1
 0 = − 2 (F)


Note que a 3ª equação é falsa. Logo, o sistema não tem solução, isto é, o sistema é impossível.
66
c) Consideremos novamente a confecção da dona Cotinha, cada tipo de moletom fabricado

deve passar por três setores: corte, costura e acabamento. Em uma semana, o setor de corte
trabalhou 13600 segundos, o setor de costura trabalhou 156000 segundos e o de acabamento
127000 segundos.

Sabendo que:
• cada dezena do modelo A precisa de:
— 60 segundos no corte
— 700 segundos na costura
— 500 segundos no acabamento
• cada dezena do modelo B precisa de:
• cada dezena do modelo C precisa de:
Quantas dezenas de cada modelo foram fabricadas nessa semana?
Resolução:
Sejam x, y, z as quantidades, em dezenas, produzidas dos modelos A, B, e C respectivamente,

os dados do enunciado podem ser colocados em uma tabela para facilitar a montagem do sistema
correspondente. Assim:
Modelos
Setor A B C Total
(segundos)
Corte 60 70 50 13600
Costura 700 900 400 15600
Acabamentos 500 800 300 127000
Tabela 7
O sistema que representa a produção nessa semana, sendo x, y e z as quantidades de dezenas

dos modelos A, B e C, respectivamente, é dado por:
67
Unidade I
 60x + 70y + 50z = 13600


S 700x + 900y + 400z = 15600
500x + 800y + 300z = 127000

Vamos resolver o sistema por escalonamento.
Para eliminar a variável x na 2ª equação, vamos substituir a equação 2 por: equação

2 multiplicada por 6, somada com equação 1, multiplicada por (-7), isto é, E2 = 6 E2 - 7 E1:
 6x + 7 y + 5 z = 1360 Rascunho

7x + 9 y + 4 z = 156
 -7E2 42x + 49y + 35z = 9520
5 x + 4 y + 3 z = 1270 6 E1 42x + 54y + 24z = 936
E2 = E2 + E1 103y + 59z = 10456
 6x + 7 y + 5 z = 1360

 103 y + 59 z = 10456
5 x + 4 y + 3z = 1270

Repetindo o processo para eliminar a variável x da 3ª equação vamos fazer a conta

E3 = 6E3 – 5E1:
Rascunho
 6x + 7 y + 5 z = 1360
 6E3 30x + 24y + 18z = 7620
 103 y + 59 z = 10456
 4 y + 3 z = 1470 -5E1 -30x - 20y - 15z = -6150

E3 - 2E1 0 + 4 y + 3 z = 1470
E3 = E3 - 2E1
Agora devemos eliminar a variável y da 3ª equação. Vamos fazer a conta E3 = 103E3 - 4 E2:
Rascunho
 6x + 7 y + 5z = 1360
 103E3 412y + 309z = 151410
 103 y + 59 z = 10456
 -4E2 - 412y - 236z = - 41824
 73 z = 109586
103E3 - 4E2 73 z = 109586
E3 = 100 E3 - 4E2
O sistema está escalonado. Agora devemos determinar o valor de z na 3ª equação, substituir

na 2ª e determinar o valor de y, finalmente, substituir y e z na 1ª equação e determinar o
valor de x.

Assim, temos:
68
• na 3ª equação: z = -1
• na 2ª equação: - 3 y + 3 (-1) = - 3 ⇒ - 3 y = - 3 + 3 ⇒ y = 0
• na 1ª equação: x - 2 . 0 + (-1) = - 1 ⇒ x = -1 + 1 ⇒ x = 0

3.1.5 Resolução de sistemas pelo método de eliminação de Gauss
O processo utilizado no método de eliminação de Gauss é semelhante ao método de

escalonamento, que também consiste em transformar o sistema original em um sistema equivalente
escalonado mais fácil de ser resolvido.
Diferentemente do escalonamento, agora a expressão que será usada para eliminação das
variáveis utilizará um pivô e uma linha pivô para cada passo: para cada variável a ser eliminada,
teremos um novo pivô. O pivô será o elemento, não nulo, da diagonal principal da linha pivô, e a
linha pivô será a equação utilizada para a eliminação da variável das outras equações.
Para esse processo, vamos utilizar a matriz ampliada correspondente ao sistema. A eliminação
será feita por colunas. Para cada passo, fixaremos o elemento pivô e a linha pivô.
Nesse método, somente a linha pivô será multiplicada pelo número conveniente para eliminar
a variável, esse número é chamado de multiplicador.
Observação
No processo de escalonamento, podemos multiplicar qualquer uma

das equações para efetuar a eliminação da variável.
Você está confuso com tantos nomes diferentes. Afinal o que é pivô, linha pivô, multiplicador?
Para entender como aplicar a eliminação de Gauss, vamos utilizar um sistema genérico com
3 equações e 3 variáveis. O processo pode ser aplicado a qualquer sistema com n equações e n
variáveis.
Consideremos o sistema genérico:
a11 x1 + a12 x2 + a13 x 3 = b1


S a21 x1 + a22 x2 + a23 x 3 = b2
a x + a x + a x = b
 31 1 32 2 3n 3 3

69
Unidade I
Queremos transformar esse sistema em um equivalente:
a11 x1 + a12 x2 + a13 x 3 = b1


S a22 x2 + a23 x 3 = b2
 a3 n x 3 = b3

A matriz ampliada correspondente ao sistema é:
 a11 a12 a13 b1 

A =  a21 a22 a23 b2 
 
 a a a b 
31 32 33 3 
Para entender o processo, vamos dividi-lo em passos:

1º passo: deixar x1 na 1 equação e eliminar das outras. Na matriz, devemos eliminar os elementos
a21 e a31.
Nesse passo, teremos:
• a11 – elemento pivô

• L1 – linha pivô
• m21 – multiplicador para eliminar x1 da 2ª linha,
a21
m21 = daí L 2 = L 2 − m21 . L1
e da
a11

a31
m31 = daí L 3 = L 3 − m31 . L1
e da
a11

Agora você deve fazer os cálculos indicados para as linhas 2 e 3 e reescrever a matriz.
2º passo: deixar x2 na 1ª e na 2ª equação e eliminar da 3ª. Na matriz, devemos eliminar o

elemento a32.
• a22 – elemento pivô
70
a32
m32 = da L 3 = L 3 − m32 . L 2
e daí
a22

Agora você deve fazer os cálculos indicados para a linha 3 e reescrever a matriz.
A matriz está escalonada. Reescreva o sistema e determine o valor de x3 na 3ª equação,

substitua na 2ª equação e determine o valor de x2. Por fim, substitua os valores encontrados na
1ª equação e determine o valor de x1.
Exemplos:
1) Vamos agora refazer o exemplo a, de escalonamento, pelo método de eliminação de Gauss.

Assim, você poderá comparar os dois processos:
 x- 2 y + z = -1

S  − x − y + 2 z = −2
2 x + y − z = 1

A primeira providência que você deve tomar para aplicar o método de Gauss é escrever a matriz
ampliada correspondente ao sistema. Assim:
 1 −2 1 −1
A =  −1 −1 2 −2
 
 2 1 −1 1
Agora vamos seguir os passos indicados:
1º passo: deixar x na 1ª equação e eliminar das outras. Na matriz, devemos eliminar os

elementos a21 e a31.

• a11 = 1 (elemento pivô)

• m21 – multiplicador para eliminar x da 2ª linha,
a21 -1
m21 = = = - 1 e daí
da L 2 = L 2 − ( −1) . L1 , isto é,
Ø, L 2 = L 2 + L1
a11 1
71
Unidade I
a31 2
m31 = = = 2 e da
daí L 3 = L 3 − 2 . L1
a11 1

Agora você deve fazer os cálculos indicados para as linhas 2 e 3 e reescrever a matriz:
Rascunho
 1 −2 1 -1
 −1 −1 2 -2  L1 1 - 2 1 -1
  L2 -1 - 1 2 -2
 2 1 -1 1
L2 + L1 0 - 3 3 -3
 1 −2 1 - 1 
La 2 1 -1 1
  0 −3 3 -3  -2L1 -2 4 -2 2
 
 0 5 -3 3 
La - 2L1 0 - 3 3 -3
2º passo: deixar y na 1ª e na 2ª equação e eliminar da 3ª equação. Na matriz, devemos eliminar

o elemento a32.
• a22 = - 3 (elemento pivô)
• m32 – multiplicador para eliminar y da 3ª linha,

a32 5 5  5  5
m32 = = =- daí L 3 = L 3 −  -  . L 2 = L 3 +
e da . L2
a22 -3 3  3  3

Fazendo os cálculos e substituindo na matriz, temos:
Rascunho
 1 −2 1 -1
 0 −3 3 -3  La 2 1 -1 1
  5
 0 5 -3 3 L2 0 -5 5 -5
3
 1 −2 1 - 1  0 0 2 -2
  0 −3 3 -3 
 
 0 5 -3 3 
72
A matriz está escalonada. Vamos então reescrever o sistema:
 x − 2 y + z = −1

S  − 3y + 3z=− 3
 2z=− 2


Determinando o valor de z na 3ª equação, temos:
2 z = - 2, logo, z = - 1
Substituindo na 2ª equação:
- 3 y + 3 (-1) = - 3
-3y-3=-3
-3y=-3+3
y=0
Substituindo o valor de x e de y na 1ª equação, temos:
x - 2 . 0 + (-1) = - 1
x-0-1=-1
x = -1 + 1
x=0
Observação
Compare os dois métodos, escalonamento e Gauss, e note as

diferenças nos processos.
Vejamos mais um exemplo.
2) Utilizando o método de eliminação de Gauss, determinar a solução do sistema linear:
 x − y + z =3

S −x + y + z = 1
 −2x + y + 3z = 3


A primeira providência que você deve tomar para aplicar o método de Gauss é escrever a matriz
ampliada correspondente ao sistema. Assim:
73
Unidade I
 1 −1 1 3
A =  −1 1 1 1
 
 −2 1 3 3 

• Pivô: a11 = 1
a21 -1
m21 = = = - 1 e da
daí L 2 = L 2 − ( −1) . L1 , isto é,
Ø, L 2 = L 2 + L1
a11 1

a31 -2
m31 = = = −2 e daí
da L 3 = L 3 + 2 . L1
a11 1
Agora você deve fazer os cálculo indicados para as linhas 2 e 3 e reescrever a matriz:
Rascunho
 1 −1 1 3
 −1 1 1 1   L1 1 -1 1 3
  L2 -1 1 1 1
 −2 1 3 3 
L2 + L1 0 0 2 4
1 −1 1 3
La -2 1 3 3
 0 0 2 4
  -2L1 2 -2 2 6
 0 − 1 5 9 
La - 2L1 0 -1 5 9

o elemento a32.
Nesse passo, teremos a22 = 0, mas o pivô não pode ser igual a zero. Assim, vamos utilizar a
operação elementar permutação de linhas:
1 −1 1 3
0 −1 5 9
 
 0 0 2 4 
74
 x- y + z = 3

S  − y + 5z= 9
 2z= 4


2 z = 4, logo, z = 2
- y + 5 (2) = 9
- y + 10 = 9
- y = 9 – 10
-y=-1
y=1
Substituindo o valor de x e de y na 1ª equação temos:
x - 1 + (2) = 3
x- 1 +2=3
x=3-1
x=2
Logo, o sistema é possível e determinado na solução (x, y, z) = (2, 1, 2).
1) Verifique se a terna (-1, 2, 0) é solução do sistema linear:
 x- 2 y + 3 z = − 5

S  −x+3 y + 4z=7
 x+ y − z = 1

Resolução:

Para verificar se (-1, 2, 0) é solução do sistema, você deve substituir os valores nas 3 equações:
será solução do sistema se for solução de todas as equações.

Vamos então fazer essa verificação:
75
Unidade I
• 1ª equação: -1 – 2 ( 2 ) + 3 ( 0 ) = - 5 ⇒ -1 – 4 = - 5 ⇒ - 5 = - 5 ( V )
• 2ª equação: - (-1 ) + 3 ( 2 ) + 4 ( 0 ) = 7 ⇒ 1 + 6 = 7 ⇒ 7 = 7 ( V )
• 3ª equação: -1 + ( 2 ) + 3 ( 0 ) = - 5 ⇒ -1 – 4 = - 5 ⇒ - 5 = - 5 ( V )
Como as expressões são verdadeiras para todas as equações, temos que (-1, 2, 0) é solução do
sistema.
2) Verifique se o par (2, -1) é solução do sistema linear:
 2x - y = 5

S  −x −3 y = 1
 x+ y = -1

Resolução:

Para verificar se (2, - 1) é solução do sistema, você deve substituir os valores nas 3 equações:
será solução do sistema se for solução de todas as equações.
Vamos então fazer essa verificação:
• 1ª equação: 2 ( 2 ) - ( -1) = 5 ⇒ 4 + 1 = 5 ⇒ 5 = 5 ( V )
• 2ª equação: - ( 2 ) - 3 ( -1 ) = 1 ⇒ 1 + 6 = 7 ⇒ 7 = 7 ( V )
• 3ª equação: ( 2 ) + ( -1 ) = - 1 ⇒ 2 – 1 = - 1 ⇒ 1 = - 1 ( F )
Notamos que (2, -1) é solução das duas primeiras equações, porém não é solução da terceira
equação, logo, não é solução do sistema.
3) Resolver e classificar os sistemas lineares por escalonamento:
 x- 3 y + z = 2

a) S  2 x + y − 2 z = − 5

3 x − y − z = − 2


Em nossos exemplos, vamos deixar indicadas todas as contas necessárias (rascunho) para que
você entenda o processo. Caso você ache conveniente, pode omitir essas contas.

76
Para eliminar a variável x na 2ª equação, vamos substituir a equação 2 por sua soma com a
equação 1 multiplicada por (-2).
Fazendo a conta e substituindo o resultado obtido no lugar da 2ª equação, temos:
 x- 3 y + z = 2 Rascunho

2 x + y − 2 z = − 5 E2 2x+y- 2z=-5
3 x − y − z = −2 2 E1 -2x+6y-2z=-

E2 = E2 - 2E1 E2 - 2 E1 0 + 7 y – 4 z = - 9
 x- 3 y + z = 2

 7y − 4z= − 9
3 x − y − z = − 2


E3 = E3 – 3 E1:
Rascunho
 x- 3 y + z = 2 E2 3x-y-z=-2

 7y − 4z= − 9 -3E1 - 3 x + 9 y – 3 z = - 6
 8 y −4 z= − 8 E3 - 3 E1 0 + 8 y - 4 z = - 8

E3 = E3 - 3E1
Agora devemos eliminar a variável y da 3ª equação. Para isso, vamos fazer a conta
E3 = 7 E3 + 8 E2:
Rascunho
 x- 3 y + z = 2 7E3 56 y – 28 z = - 56

 7y − 4z= − 9 -8E2 - 56 y + 32 z = 72
 4 z =16 7E3 - 8E2 4 z = 16

E3 = 7E3 - 8E2
O sistema está escalonado. Agora devemos determinar o valor de z na 3ª equação, substituir na

2ª e determinar o valor de y, finalmente, substituir y e z na 1ª equação, e determinar o valor de x.
Assim, temos:
• na 3ª equação: 4 z = 16 ⇒ z = 4
• na 2ª equação: 7 y - 4 (4) = - 9 ⇒ 7 y = - 9 + 16 ⇒ 7 y = 7 ⇒ y = 1
• na 1ª equação: x - 3 . 1 + 4 = 2 ⇒ x = 2 + 3 – 4 ⇒ x = 1
77
Unidade I
Logo, o sistema é possível e determinado na solução (x, y, z) = (1, 1, 4).
2x − 3y + z = − 2

b) S  x + y − 2 z = − 1
3 x − 2 y − z = 2

Para eliminar a variável x na 2ª equação, vamos substituir a equação 2 por E1 - 2E2:
Fazendo a conta e substituindo o resultado obtido no lugar da 2ª equação, temos:
 2 x- 3 y + z = − 2 Rascunho

 x+ y − 2z=−1 E1 2x-3y+z=-2
3 x − 2 y − z = 2 -2 E2 -2x-2y+4z=2

E2 = E1 - 2E2 E1 - 2 E2 0 - 5 y + 5 z = 0
 2 x- 3 y + z = - 2

 -5y + 5z= 0
3 x − 2 y − z = 2


E3 = 2 E3 – 3 E1:
Rascunho
2 x- 3 y + z = - 2
 2 E3 6x–4y–2z=4
 - 5y + 5z=0 -3 E1 -6x+9y–3z=6
 5 y − 5 z = 10
 2 E3 - 3 E1 0 + 5 y - 5 z = 10
E3 = 2E3 - 3E1
Agora devemos eliminar a variável y da 3ª equação, para isso vamos fazer a conta E3 = E3 + E2:
Rascunho
 2 x- 3 y + z = − 2
 E2 5 y – 5 z = 10
 - 5y + 5 z = 0 E2 -5y+5z= 0
 0 =1 0
 E3 + E2 0 = 10 (F)
E3 = E3 + E2
A última equação é falsa, logo, o sistema não tem solução.

78
4) Resolver o sistema por eliminação de Gauss:
 x+ y + 3z =8

S 2 x − y + z = 1
4 x + 3 y + z = − 1


Primeiro vamos escrever a matriz ampliada correspondente ao sistema:
1 1 3 8
A = 2 −1 1 1

 
 4 3 1 −1


• a11 = 1 (elemento pivô)

a21 2
m21 = = = 2 e daí
da L 2 = L 2 − (2) . L1 , isto Ø,
é, L 2 = L 2 − 2 L1
a11 1

a31 4
m31 = = = 4 e daí
da L 3 = L 3 − 4 . L1
a11 1
Agora você deve fazer os cálculo indicados para as linhas 2 e 3 e reescrever a matriz:
Rascunho
 1 1 3 8
 2 −1 1 1  -2L1 -2 - 2 - 6 -16
  L2 2 -1 1 1
 4 3 1 -1
-2L2 + L1 0 - 3 -5 -15
1 1 3 8
 0 −3 −5 -15  L3 4 3 1 -1
  -4L1 - 4 - 4 -12 -32
 0 -1 -11 - 33
L3 - 2L1 0 - 1 -11 -33
79
Unidade I

o elemento a32.

• a22 = - 3 (elemento pivô)

• m32 – multiplicador para eliminar y da 3ª linha,
a32 -1 1 1  1
m32 = = = daí L 3 = L 3 −   . L 2 = L 3 −
e da . L2
a22 -3 3 3  3
Fazendo os cálculos e substituindo na matriz, temos:
  Rascunho
1 1 3 8 L3 0 -1 - 11 - 33
 
 0 −3 −5 -15   −
1
L2 0 1
5 15
 28 84  3 3 3
 0 0 - - 
3 3 28 84
0 0 - -
 1 1 3 8 3 3
  0 −3 −5 -15
 
 0 -1 -11 -33

 x+ y + 3z =8

S  − 3 y − 5 z = − 15
 28 84
 - z=−
 3 3

28 84
- z=−
3 3
84  3 
z=− . − 
3  28 
z=3
80
- 3 y - 5 (3) = - 15
- 3 y - 15 = - 15
- 3 y = - 15 + 15
y=0
Substituindo o valor de x e de y na 1ª equação, temos:
x + 0 + 3 . (3) = 8
x+0+9=8
x=8-9
x=-1
Logo, o sistema é possível e determinado na solução (x, y, z) = (- 1, 0, 3).
4 DETERMINANTES
4.1 Introdução
Em meados do século XVII, ao estudar processos para a resolução de sistemas lineares,

teve início teoria dos determinantes. Durante o século XVII, os matemáticos Leibniz (1646 –
1716), na Alemanha, e Kowa (1642 – 1708), no Japão, criaram certas expressões matemáticas
definidas a partir dos coeficientes das incógnitas dos sistemas. Essas expressões estão
relacionadas a matrizes e foram denominadas determinantes; nome utilizado no século
XVIII pelo matemático Gauss.
Hoje, embora não seja um instrumento prático para resolução de sistemas, os determinantes
são usados, por exemplo, para sintetizar certas expressões matemáticas mais complexas.
4.2 Cálculo de determinantes
Quando falamos em determinante de uma matriz, estamos pensando somente no conjunto das
matrizes quadradas de elementos reais.
Seja M uma matriz de ordem n desse conjunto, chamamos determinante da matriz M (e

indicamos por det M ou | M |) o número que podemos obter operando com os elementos de M
da seguinte forma:
1) n = 1 ⇒ det M = M
M = [a11] ⇒ det M = a11
Exemplo: M = [6] ⇒ det M = 6
81
Unidade I
2) n = 2 ⇒ o det M é dado pelo produto dos elementos da diagonal principal menos o produto
dos elementos da diagonal secundária:
a a  a a
M =  11 12  ⇒ det M = 11 12 = a11a22 − (a12a21)
a21 a22  a21 a22
Exemplo:
 3 −1
M= 
 4 2 
3 −1
det M = = 3.2 − [4( −1)] = 10
4 2
 a11 a12 a13 
 
3) n = 3, isto é, M = a21 a22 a23  ⇒
a a33 
 31 a32
det M = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 − a13 a22 a31 − a11 a23 a32 − a12 a21 a33
E agora, como lembrar todos estes produtos? Parece difícil.
Você pode utilizar um processo que facilita a memorização dessa expressão, basta seguir os
seguintes passos:
• repetimos, ao lado da matriz, as duas primeiras colunas;

• multiplicamos os elementos segundo as flechas situadas na direção da diagonal principal, assim,
são obtidos os termos precedidos pelo sinal “+”;
• multiplicamos os elementos segundo as flechas situadas na direção da diagonal secundária, assim,
são obtidos os termos precedidos pelo sinal “–”;
• somamos todos os resultados obtidos.
a11 a12 a13 a11 a12

a21 a22 a23 a21 a22
a31 a32 a33 a31 a32
- - - + + +
Esse dispositivo prático é conhecido como regra de Sarrus para o cálculo de determinantes de
ordem 3.
82
Lembrete
No sentido da diagonal secundária, o sinal de negativo indica que

devemos fazer o produto dos números e inverter o sinal encontrado.
Exemplo:
 1 −1 0 
Calcular o valor do determinante da matriz A =  0 2 3  , utilizando a regra de Sarrus.
 
 1 0 −1
Resolução:
Para utilizar a regra de Sarrus na resolução, devemos repetir as duas primeiras colunas e depois
fazer os produtos, no sentido da diagonal principal e no sentido da diagonal secundária:

1 −1 0 1 −1
0 2 3 0 2
1 0 −1 1 0
- - - + + +
A seguir, relacionamos algumas propriedades dos determinantes úteis em nosso estudo:
• permutação de duas linhas inverte o sinal do determinante:
— se duas linhas forem constituídas de elementos proporcionais, o determinante é zero (duas

linhas iguais é um caso particular);
— se uma das linhas for constituída de zeros, o determinante é zero.
Laplace
Para o cálculo do determinante de uma matriz de ordem n > 2, podemos também utilizar os
conceitos de menor complementar e de cofator no Teorema de Laplace.
Vejamos então o que são esses dois conceitos relacionados aos determinantes.
Menor complementar
Sejam M uma matriz de ordem n, n > 2, aij um elemento de M. Chamamos de menor

complementar do elemento aij e indicamos por Dij ao determinante da matriz que se obtém
eliminando a linha i e a coluna j da matriz M.
83
Unidade I
Exemplo:
 1 −1 0 
Seja A =  0 2 3  , vamos determinar o menor complementar dos elementos a12 e a31, isto
 
 1 0 −1
é, queremos determinar D12 e D31.
Para determinar o menor complementar de a12, devemos calcular o determinante após

eliminarmos a linha 1 e a coluna 2 da matriz A. Assim, temos:
 1 −1 0  Linha 1
A = 0 2 3 
 
 1 0 −1
Coluna 2
Agora você deve calcular o determinante formado pelos elementos que sobraram, isto é, o
determinante D12:
0 3
D12 = = 0.( −1) − 1.3 = −3
1 −1

Você deve repetir o processo para encontrar o menor complementar dos outros dois elementos.
Para calcular D31, elimine a linha 3 e a coluna 1 da matriz A. Assim, teremos:
 1 −1 0 
A = 0 2 3 
 
 1 0 −1 Linha 3
Coluna 1
Assim, devemos calcular o determinante formado pelos elementos que sobraram. Então,
teremos:
−1 0
D31 = = ( −1).3 − 2.0 = −3
2 3

Observação
Os valores de D12 e D31 deram iguais só por coincidência, não é uma
regra que deva ser igual, geralmente são valores diferentes.
84
Cofator
Cofator ou complemento algébrico de aij é o número Aij dado por:
Ai j = ( −1)i+ j . Di j
Exemplo:
Vamos determinar o cofator dos elementos do exemplo anterior. Já sabemos o menor

complementar desses dois elementos, então:
• cofator de a12 será A12 = ( −1)1+2 . ( −3) = ( −1)3 .( −3) = ( −1).( −3) = 3
• cofator de a31 será A 31 = ( −1)3+1. ( −3) = ( −1)4 .( −3) = 1.( −3) = −3
Podemos agora reescrever a definição de determinante utilizando a noção de menor e cofator.

Teremos, então:
a) M é de ordem 1, isto é, M = [a11] ⇒ det M = a11

M é de ordem n > 2 ⇒ det M = a11 A11 + a21 A21 + a31 A31 + ... + An1 an1
Isto é, o determinante de uma matriz de ordem n > 2 é a soma dos produtos dos elementos
da primeira coluna pelos respectivos cofatores:
 a11 a12 ... a1n 

a a ... a2n 
M =  21 22 
 ... ... ... ... 
 
 an1 an2 ... ann 

Esse procedimento pode ser generalizado para qualquer linha ou coluna pelo seguinte Teorema
Fundamental de Laplace.
Teorema Fundamental de Laplace
O determinante de uma matriz M, de ordem n > 2, é a soma dos produtos dos elementos de
uma fila qualquer (linha ou coluna) pelos respectivos cofatores.
Lembrete
Esse teorema permite que você possa calcular o determinante de

qualquer matriz, não importando a sua ordem. O método de Sarrus só
pode ser utilizado para determinante de matrizes de ordem 3.
85
Unidade I
Vamos agora calcular o determinante de uma matriz, utilizando o teorema de Laplace.
Exemplo:
1) Resolva de duas formas diferentes e compare os resultados finais.
 −1 2 0
Calcular o determinante da matriz A =  0 1 1 , utilizando Laplace:
 
 0 3 2
a) pela 1ª linha;
b) pela 1ª coluna.
Resolução:
−1 2 0
det A = 0 1 1
0 3 2
a) pela 1ª linha, temos:
det A = a11 A11 + a12 A12 + a13 A13

1 1 0 1 0 1
det A = ( −1). (-1)1+1 + (2). (-1)1+2 + (0). (-1)1+3
3 2 0 2 0 3
det A = −1.1.(2 − 3) + 2.( −1).(0 − 0) + 0
det A = 1
b) pela 1ª coluna, temos:
det A = a11 A11 + a21 A21 + a31 A31
1 1 2 0 2 0
det A = ( −1). (-1)1+1 + (0). (-1)2+1 + (0). (-1)1+1
3 2 3 2 1 1
det A = −1.1.(2 − 3) + 0 + 0
det A = 1
86
Observação
Você deve ter notado que nos dois casos o resultado é o mesmo.
Assim, você pode escolher a melhor opção para desenvolver o seu
determinante.
4.3 Regra de Cramer e a resolução de sistemas lineares n x n
O estudo de determinantes nos permite resolver sistemas lineares n x n, com a vantagem de

permitir que os sistemas sejam analisados quanto à sua solução a partir do determinante da sua
matriz incompleta.
O método de resolver um sistema por determinantes é conhecido como Regra de Cramer, por
ter sido divulgado pelo matemático suíço Gabriel Cramer (1704 –1752).
Esse método só pode ser utilizado em sistemas cujas matrizes incompletas possuem
determinantes não nulos:
ax + by = c
Seja o sistema 
dx + ey = f
Já sabemos que esse sistema, com ae - bd ≠ 0, admite a solução:
ce − bf af − cd
x= e y=
ae − bd ae − bd
Podemos observar que tanto o valor de x quanto o de y podem ser expressos por um quociente
de determinantes:
c b a c
f e d f
x= y=
a b a b
d e d e
Vamos expressar esses quocientes de outro modo. Para isso, utilizaremos as seguintes
denominações:
A: matriz incompleta.
Ax: matriz que se obtém substituindo em A os coeficientes de x pelos termos independentes.
87
Unidade I
Ay: matriz que se obtém substituindo em A os coeficientes de y pelos termos independentes.
Então, a solução do sistema pela regra de Cramer é dada por:
det A x det A y
x= e y= , com det A ≠ 0
det A det A
A regra de Cramer é válida também para sistemas lineares 3 x 3, 4 x 4, . . . , cujo determinante
da matriz incompleta não seja nulo.
De forma geral, temos:
Teorema ou regra de Cramer
Um sistema linear n x n com matriz A incompleta é possível e terá solução única (a1, a2, ..., an)
se, e somente se, det A ≠ 0.
Di
Nesse caso, α i = , 1 ≤ i ≤ n, onde, D = det A e Di é o determinante da matriz obtida de A
D
trocando-se a coluna i ela coluna dos termos independentes do sistema.
Determinantes e classificação de sistemas
Os determinantes podem ser utilizados para se discutir um sistema n x n, ou seja, classificá-lo

em possível (determinado ou indeterminado) ou impossível.
Para se discutir um sistema linear S, formado por n equações com n incógnitas, utilizando
determinantes, calculamos o determinante D da matriz incompleta.
Nesse caso, duas coisas podem ocorrer:
a) Se D ≠ 0, então S é determinado.
b) Se D = 0, então S é indeterminado ou impossível.
Quando D ≠ 0, podemos resolver o sistema valendo-nos da regra de Cramer.
Se D = 0, sabemos que o sistema não tem solução única, mas, para decidir se ele é indeterminado
ou impossível, devemos utilizar outro processo, por exemplo, o de escalonamento.
Saiba mais
Para saber mais sobre matrizes, sistemas e determinantes, leia os
capítulos 1 e 2 de:
ANTON, H.; RORRES, C. Álgebra linear com aplicações. Porto Alegre:
Bookman, 2001.
88
1) Calcule o determinante das matrizes:
 −1 3
a) A = 
 2 4
Resolução:
Como a matriz de ordem dois, temos:
−1 3
det A =
2 4
Fazendo o produto dos elementos da diagonal principal menos o produto dos elementos da
diagonal secundária:
det A = ( −1) . 4 − (2 . 3)
det A = − 4 − 6
det A = − 10
 1 4
b) A = 
 2 8
Resolução:
Como a matriz de ordem dois, temos:

1 4
det A =
2 8
Fazendo o produto dos elementos da diagonal principal menos o produto dos elementos da
diagonal secundária:
det A = 1 . 8 − (2 . 4)
det A = 8 − 8
det A = 0
 2 −1 0
c) A =  1 −3 1
 
 −1 2 1
89
Unidade I
Resolução:
Agora nossa matriz tem ordem 3 e não é mais possível utilizar o procedimento dos itens
anteriores. Para o cálculo do seu determinante, vamos utilizar a regra de Sarrus.
Escrevendo na notação de determinante:
2 −1 0
det A = 1 −3 1
−1 2 1
Lembrando que para resolver um determinante por Sarrus devemos copiar as duas
primeiras colunas do determinante do lado direto do det A, depois multiplicar os elementos
conforme o esquema a seguir. No sentido da diagonal principal, mantemos o sinal do produto
e, no sentido da diagonal secundária, invertemos o sinal do produto.

2 −1 0 2 −1
det A = 1 −3 1 1 −3
−1 2 1 −1 2

Assim, temos:
det A = 2 . (-3) . 1 + (-1) . 1. (-1) + 0 . 1. 2 - (0 . (-3) . (-1) + 2 . 1 . 2 + (-1) . 1 . 1 )

Efetuando os produtos e as somas:
det A = - 6 + 1 + 0 - ( 0 + 4 - 1 )
det A = - 5 - 3
det A = - 8
x − y + z = 1

2) Dado o sistema linear 2x + y − 2z = 2 e utilizando a regra de Cramer, determinar o valor do
x + 2y − 3z = 2

determinante Ax:
Resolução:
Para utilizar a regra de Cramer, devemos inicialmente montar a matriz com os coeficientes de
x, y, z (por linhas):
90
1 −1 1
A = 2 1 −2
1 2 −3
Para encontrar o determinante Ax, vamos substituir a coluna dos coeficientes de x (1ª coluna)
pelos termos independentes e teremos:
1 −1 1
A x = 2 1 −2
2 2 −3
Desenvolvendo o determinante, temos:
A x = 1 . 1 . (-3) + (-1) . (- 2) . 2 + 1 . 2. 2 - (1 . 1 . 2 + 1 . (-2) . 2 + (-1) . 2 . (-3) )
A x = -3 + 4+ 4 - (2 - 4 + 6 )
A x = 5 - (4 )
A x = 1
x − y + z = 1

3) Dado o sistema linear 2x + y − 2z = 2 e utilizando a regra de Cramer, calcule o valor do
x + 2y − 3z = 2
determinante A: 
Resolução:
Devemos montar a matriz com os coeficientes de x, y, z (por linhas):

1 −1 1
A = 2 1 −2
1 2 −3
Desenvolvendo o determinante por Sarrus, temos:
1 −1 1 1 −1
A = 2 1 −2 2 1
1 2 −3 1 2
A = 1 . 1 . (-3) + (-1) . (- 2) . 1 + 1 . 2. 2 - (1 . 1 . 1 + 1 . (-2) . 2 + (-1) . 2 . (-3) )

91
Unidade I
A = -3 + 2+ 4 - (1 - 4 + 6 )
A = 3 - (3 )
A = 0
x 1 1
4) Dada a equação 0 x − 1 1 = 0 , determine a sua solução.
0 −1 2
Resolução:
Como temos uma equação que envolve um determinante, a primeira providência será
desenvolver o determinante e substituir na expressão dada.
Desenvolvendo o determinante:
x 1 1 x 1
D = 0 x −1 1 0 x −1
0 −1 2 0 −1
D = x . (x-1) . 2 + 1 . 1 . 0 + 1 . 0. (-1) - (1 . (x-1) .0 + x . 1 . (-1) + 1 . 0 . (-1) )

D = 2 x . (x-1) + 0+ 0 - (0 - x + 0 )
D = 2 x . (x-1) + x
Substituindo na equação:
2 x . (x-1) + x = 0
2 x2 -2 x + x = 0
2 x2 - x = 0
Resolvendo a equação de 2º grau:

1
x = 0 ou x =
2
92
Resumo
Vimos nessa unidade os conceitos de matriz, sistema linear e

determinante.
Matrizes
 a11 a12 a1n 

a a a2n 
Amxn =  21 22
 
= a ( )mxn = aij mxn
ij
 
am1 am2 amn 
O elemento ai j indica elemento da linha i e da coluna j.
Alguns tipos especiais de matrizes:
Matriz quadrada: A =  a i j  mxn , com m = n
Diagonal principal:
 a11 a12 a1m 

a a a2m 
A =  21 22 
 
 
am1 am2 am m  mxm
Matriz nula: A = (a i j ) m x n , com a i j = 0 , para todo ij .

Matriz coluna: A = (a i j ) , com n = 1, isto é, só tem 1 coluna.
mxn
Matriz linha: A = (a i j ) , com m = 1, isto é, só tem 1 coluna.

mxn
Matriz diagonal: A = (a i j ) , com aij = 0, se i ≠ j.

mxn
1 se i = j
Matriz identidade: A = (a i j ) , com ai j = 
mxm
0 se i ≠ j
Matriz triangular:
• superior: todos elementos abaixo da diagonal principal são nulos;

• inferior: todos elementos acima da diagonal principal são nulos.
93
Unidade I
Matriz simétrica: A = a i j ( )mxm, com ai j = a ji .
Matriz transposta:
 a1 1 a21 am1 
 a1 1 a1 2 a1 n  a 
A = 
12
⇒ AT = A -1
=  
   
 am 1 am2 amn  m x n  a
1n a2 n amn  n x m
Matriz inversa:
A= (a i j ) n x n , .A -1
= (b i j ) n x n , A - 1 inversa de A
A . A- 1
= A- 1. A = In
Operações com matrizes:
Adição:
( ) mxn
A = ai j e B = bi j( ) mxn ⇒A (
+ B = ai j + bi j ) mxn
Multiplicação por escalar:
( )m x n
A = ai j ⇒ k . A = (k . ai j )m x n
Multiplicação de matrizes:
(aik)mxp x (bkj)pxn = (cij)mxn

=
onde, cij = ai1b1j + ai2b2 j + ... + aipbpj
Propriedades da álgebra matricial
• Adição
(I) associativa: A + (B + C ) = ( A + B) + C, ∀A,B, C ∈Mm x n (IR) ;
(II) comutativa: A + B = B + A , ∀A,B ∈Mm x n (IR) ;
94
(III) matriz nula: existe uma matriz 0 ∈ Mmxn (IR), tal que:
A + 0 = A, ∀A ∈Mm x n (IR) ;
(IV) matriz inversa: dada uma matriz A ∈Mm x n (IR) existe uma matriz
(-A), também m x n, tal que A + (-A) = 0.
• Multiplicação por escalar
( I ) (α β ) A = α (βA ) , ∀ A ∈ M m xn e ∀ α, β ∈IR
( I I ) (α + β ) A = α A + β A, ∀ A ∈ M m xn e ∀ α, β ∈IR
( I I I ) α ( A + B) = α A + α B, ∀ A, B ∈ M m xn e ∀ α ∈IR
( I V ) 1 A = A ∀ A ∈ M m xn
• Multiplicação de matrizes
(I) associativa: (A B) C = A (B C)
(II) distributiva à esquerda: C (A + B) = CA +CB
(III) distributiva à direita: (A + B) C = A C + B C
(IV) elemento neutro: A In = In A = A
(V) (a A) B = A (a B) = a (A B)
(IV) A . 0 = 0 e 0 . A =0
Observações importantes sobre multiplicação de matrizes
1 – não vale a propriedade comutativa, isto é, A . B e B . A nem sempre

serão iguais;
2 – não vale a lei do anulamento do produto, isto é, podemos ter:
A . B = 0 com A ≠ 0 e B ≠ 0
3 – não vale a lei do cancelamento do produto, isto é, podemos ter:
A . C = B .C com C ≠ 0 e mesmo assim A ≠ B
95
Unidade I
Sistemas lineares
Resolução por escalonamento e por eliminação de Gauss.
Classificação dos sistemas lineares:
impossível possível
(não tem solução) (tem solução)
Determinado Indeterminado
(só tem 1 solução) (infinitas soluções)
SPD SPI
Determinante
• Ordem 2:
a a  a a
M =  11 12  ⇒ det M = 11 12 = a11a22 − (a12a21)
a21 a22  a21 a22
• Ordem 3 – Sarrus:
a11 a12 a13 a11 a12

a21 a22 a23 a21 a22
a31 a32 a33 a31 a32
- - - + + +
— ordem maior ou igual a 3 – Laplace;
— regra de Cramer – determinantes na resolução de sistemas.
96
Exercícios
Questão 1. (ENADE – Matemática/2008) Considere o sistema de equações a seguir:
x + y + z = 1

2x + 2y + 2z = 4
3x + 3y + 4 z = 5

Analise as asserções seguintes relativas à resolução desse sistema de equações lineares. O

sistema não tem solução porque o determinante da matriz dos coeficientes é igual a zero.
A respeito dessa afirmação, assinale a opção correta:
A) As duas asserções são proposições verdadeiras e a segunda é uma justificativa correta da

primeira.
B) As duas asserções são proposições verdadeiras, mas a segunda não é uma justificativa correta
da primeira.
C) A primeira asserção é uma proposição verdadeira, e a segunda é falsa.
D) A primeira asserção é uma proposição falsa, e a segunda é verdadeira.
E) Ambas as asserções são proposições falsas.
Resposta correta: alternativa B.
Análise das alternativas
Para resolvermos a questão, temos que utilizar a teoria de discussão de um sistema linear.
Como o sistema é formado por três equações e três incógnitas, gera matrizes quadradas cujos
determinantes podem ser calculados pela aplicação da Regra de Cramer.
Primeiramente, obtemos o determinante dos coeficientes (detA):
1 1 1
det A = 2 2 2 = 8 + 6 + 6 − 8 − 6 − 6 = 0
3 3 4
det A = 0
97
Unidade I
Como segunda etapa, calculamos o determinante da matriz obtido a partir da matriz dos coeficientes,
substituindo a primeira coluna (coeficientes de x) pelos termos independentes:
1 1 1
det A x = 4 2 2 = 8 + 10 + 12 − 16 − 6 − 10 = −2
5 3 4
det A x = −2
det A x ≠ 0
Como terceira etapa, calculamos o determinante da matriz obtido a partir da matriz dos coeficientes,
substituindo a segunda coluna (coeficientes de y) pelos termos independentes:
1 1 1
det A y = 2 4 2 = 16 + 6 + 10 − 8 − 10 − 12 = 2
3 5 4
det A y = 2
det A y ≠ 0
Como quarta etapa, calculamos o determinante da matriz obtido a partir da matriz dos coeficientes,
substituindo a terceira coluna (coeficientes de z) pelos termos independentes:
1 1 1
det A z = 2 2 4 = 10 + 12 + 6 − 10 − 12 − 6 = 0
3 3 5
det A z = 0
det A z ≠ 0
Discutindo o sistema, concluímos que, como det A = 0, ele pode ser possível e indeterminado
ou impossível. Para verificar sua real classificação, resolvemos o determinante dos coeficientes,
substituindo cada coluna pelos termos independentes. Como det A = 0 e pelo menos um det An ≠ 0,
o sistema é impossível (não tem solução). Para o sistema ser impossível, deve-se ter det A = 0 e pelo
menos um det An ≠ 0. Como há pelo menos um det An ≠ 0, e det A = 0, o sistema é impossível. Então,
as duas asserções são verdadeiras, não sendo a segunda uma justificativa correta da primeira.
A) Alternativa incorreta.
Justificativa: de acordo com a resolução completa anterior e considerando a discussão do

sistema, as duas asserções são proposições verdadeiras, mas a segunda não é uma justificativa
correta da primeira. É, na verdade, uma justificativa incompleta, logo, incorreta.
98
B) Alternativa correta.
Justificativa: de acordo com a resolução completa anterior e considerando a discussão do

sistema, as duas asserções são proposições verdadeiras, mas a segunda não é uma justificativa
correta da primeira. Para o sistema ser considerado impossível, deve-se ter det A = 0 e pelo menos
um det An ≠ 0.
C) Alternativa incorreta.
Justificativa: a segunda asserção não é falsa (det A = 0).
D) Alternativa incorreta.
Justificativa: a primeira asserção não é falsa, pois o sistema é impossível (não tem solução).
E) Alternativa incorreta.
Justificativa: ambas as asserções são proposições verdadeiras, pois o sistema é impossível e

det A = 0.
Questão 2. (ENADE – Matemática/2005):
Figura 1
A transposição do rio São Francisco é um assunto que desperta grande interesse. Questionam-
se, entre outros aspectos, os efeitos no meio ambiente, o elevado custo do empreendimento
relativamente à população beneficiada e à quantidade de água a ser retirada – o que poderia
prejudicar a vazão do rio, que hoje é de 1.850 m3/s.
Visando promover em sala de aula um debate acerca desse assunto, um professor de matemática
propôs a seus alunos o problema seguinte, baseando-se em dados obtidos do Ministério da
Integração Nacional.
99
Unidade I
Considere que o projeto prevê a retirada de x m3/s de água. Denote por y o custo total estimado
da obra, em bilhões de reais, e por z o número, em milhões, de habitantes que serão beneficiados
pelo projeto. Relacionando-se essas quantidades, obtém-se o sistema de equações lineares AX =
B, em que:
 1 2 −2 11 x 
A = 0 4 −1 . B = 4 e x =  y 
   
     
 1 0 −2  2   z 
Com base nessas informações, assinale a opção correta:
A) O sistema linear proposto pelo professor é indeterminado, uma vez que det(A)=0.
B) A transposição proposta vai beneficiar menos de 11 milhões de habitantes.
C) Mais de 2% da vazão do rio São Francisco serão retirados com a transposição, o que pode
provocar sérios danos ambientais.
D) O custo total estimado da obra é superior a 4 bilhões de reais.
E) A matriz linha reduzida à forma escalonada, que é linha equivalente à matriz A, possui uma
coluna nula.
Resolução desta questão na Plataforma.
100

Geometria Analitica e Algebra Linear Uni PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Geometria Analitica e Algebra Linear Uni PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Geometria Analítica

Isabel Cristina de Oliveira Navarro Espinosa

Coautora dos livros:

• Geometria analítica para computação, editora LTC.

Atualmente, professora da Universidade Paulista – UNIP e coordenadora do curso de Matemática na modalidade

Dados Internacionais de Catalogação na Publicação (CIP)

E77g Espinosa, Isabel Cristina de Oliveira Navarro

Geometria analítica e álgebra linear / Isabel Cristina de Oliveira

288 p., il.

Nota: este volume está publicado nos Cadernos de Estudos e

1. Geometria analítica. 2. Álgebra linear. 3. Matemática I.Título.

Prof. Fábio Romeu de Carvalho

Profa. Melânia Dalla Torre

Prof. Dr. Yugo Okida

Profa. Dra. Marília Ancona-Lopez

Unip Interativa – EaD

Profa. Elisabete Brihy

Material Didático – EaD

Estudaremos, neste livro-texto, alguns conceitos fundamentais da geometria analítica. Esse

Estudaremos, inicialmente, o conceito de matrizes, sistemas lineares e determinantes que são

Finalmente, estudaremos as seções cônicas, circunferência, elipse, parábola e hipérbole.

No desenvolvimento do texto, procuramos mostrar alguns modelos matemáticos que

Na unidade I, estudaremos matrizes, sistemas e determinantes. Na unidade II, faremos uma

Inicialmente, apresentaremos os conceitos básicos sobre matrizes. Esses conceitos aparecem

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

Altura (m) Peso (Kg) Idade (anos)

Ao abstrairmos os significados das linhas e colunas, temos a matriz:

É importante perceber que em um problema, no qual o número de variáveis de observações é

Outros exemplos de matrizes são:

 a11 a12  a1n 

 a11 a12  a1n 

 a11 a12  a1n 

a11 a12  a1n

Utilizaremos nesse material a representação por meio de colchetes ou de parênteses.

Para saber sobre aplicações da geometria analítica e da álgebra

a) a 12 - é o elemento da 1ª linha e 2ª coluna:

b) a 31 – é o elemento da 3ª linha e 1ª coluna:

a) primeira linha e terceira coluna;

a) o elemento da primeira linha e terceira coluna “a13” é - 4, isto é, a13 = - 4

b) elemento da 1ª linha e 1ª coluna “a11” é 1, isto é, a11 = 1

c) elemento da 2ª linha e 2ª coluna “a22” é - 3, isto é, a22 = - 3

A tabela obtida será:

Podemos agora montar a matriz correspondente:

Sempre que uma matriz estiver relacionada a um problema, suas

Quando for conveniente, você também poderá escrever

1.2 Igualdade de matrizes

32 1 log1 9 sen π 0

Resolvendo o sistema, temos:

a 2ª equação é sempre verdadeira 2 = 2 (V)

1.3 Alguns tipos especiais de matrizes

Matriz quadrada: tem o número de linhas igual ao número de colunas (m = n).

Na matriz quadrada A de ordem m, definimos as seguintes sequências:

• diagonal principal de A: é a sequência dos elementos de A que apresentam os dois índices

 a11 a12  a1m 

• diagonal secundária de A: é a sequência dos elementos de A em que a soma dos índices é

 a11 a12  a1m 

(DP) diagonal principal formada por a11 = 1, a22 = 0, a33 = 6

Matriz nula: é aquela em que aij = 0, para todo i j.

Matriz coluna: é aquela que possui uma única coluna (n = 1).

Matriz linha: é aquela que possui uma única linha (m = 1).

Matriz identidade quadrada ou simplesmente matriz identidade: é aquela em que

Matriz triangular inferior é aquela em que m = n e ai j = 0, para i < j.

Matriz simétrica: é aquela onde m = n e ai j = aj i.

 a11 a12 a1n 

 a11 a12 a1n 

 a11 a12 a1n 

a11 a12 a1n

 a11 a12 a1m 

 a11 a12 a1m 

 a11 + b11 a12 + b12 a1n + b1n 