NOTAS DE AULA

Geometria Analítica e
Álgebra Linear

Matrizes e Determinantes

Professor: Luiz Fernando Nunes, Dr.

2020/Sem_02
 Geometria Analítica e Álgebra Linear ii

Índice
1 Matrizes e Determinantes ......................................................................................... 1
1.1 Matrizes ............................................................................................................ 1
1.2 Determinantes e Matriz Inversa ........................................................................ 7
1.3 Exercícios propostos ....................................................................................... 12
Referências Bibliográficas ............................................................................................ 14

Geometria Analítica e Álgebra Linear

 Prof. Nunes 1

1 Matrizes e Determinantes
1.1 Matrizes
1.1.1 Noção de matriz:
Uma matriz é uma tabela retangular de elementos dispostos em linhas e colunas.

1.1.2 Representação
Uma matriz com m linhas e n colunas será indicada por:
𝑎11 𝑎12 … 𝑎1𝑛
𝑎21 𝑎22 … 𝑎2𝑛
𝐴𝑚×𝑛 = [ ⋮ ⋮ ⋮ ],
𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑛
os elementos são indicados por 𝑎𝑖𝑗 , onde 1 i  m, 1 j  n.
Se não existirem dúvidas quanto à quantidade de linhas e colunas de uma matriz, podemos
indicá-la apenas por letras latinas maiúsculas A, B, C, D, ... , omitindo os índices m e n.
O símbolo 𝑀𝑚×𝑛 (ℜ) indicará o conjunto de todas as matrizes de ordem 𝑚 × 𝑛 de elementos
reais.
Exemplos:

−1 1 0
1) Se 𝐴 = [ 2 1 −2], então temos que: 𝑎11 = −1, 𝑎12 = 1, 𝑎13 = 0,
5 0 3
𝑎21 = 2, 𝑎22 = 1, 𝑎23 = −2, 𝑎31 = 5, 𝑎32 = 0, 𝑎33 = 3.

3 −9 2 5
2) Se 𝐵 = [ ], então temos que: 𝑏11 = 3, 𝑏12 = −9,𝑏13 = 2, 𝑏14 = 5,
0 7 √2 𝜋

𝑏21 = 0, 𝑏22 = 7, 𝑏23 = √2, 𝑏24 = 𝜋.

2/3 −1/2
2 1
3) Se 𝐶 = [ 4 −3 ], então temos que: 𝑐11 = 3, 𝑐12 = − 2,𝑐21 = 4, 𝑐22 = −3, 𝑐31 = −7,
−7 18
𝑐32 = 18.

1.1.3 Igualdade de matrizes

Duas matrizes 𝐴𝑚×𝑛 e 𝐵𝑟×𝑠 , com elementos do tipo 𝑎𝑖𝑗 e 𝑏𝑖𝑗 , respectivamente, são iguais, se e
𝑚=𝑟
somente se: {𝑛 = 𝑠
𝑎𝑖𝑗 = 𝑏𝑖𝑗  ∀𝑖, 𝑗
Neste caso escrevemos 𝐴 = 𝐵

Geometria Analítica e Álgebra Linear

 Prof. Nunes 2

1.1.4 Tipos Especiais de Matrizes

Matriz Quadrada
É aquela onde o número de linhas é igual ao número de colunas, isto é, m = n.
Exemplos:

0 1 0 9 −4
1) 𝐴 = [5 −1 7] , 𝐵 = [8] e 𝐶 = [ ].
3 √7
2 0 3
Matriz Nula
É aquela em que todos os elementos são iguais a zero, isto é, 𝑎𝑖𝑗 = 0 para todo i e j.
Exemplos:

0
0 0 0
0 0 0
1) 𝐴 = [0 0 0] e 𝐵 = [ ]e𝐶 =[ ]
0 0 0
0 0 0
0
Matriz Linha
É aquela onde m = 1.
Exemplos:

1) 𝐴 = [9 0 −3 2] e 𝐵 = [1 3]
Matriz Coluna
É aquela onde n = 1.
Exemplos:

7
−9 3
1) 𝐴 = [ ] e 𝐵 = [ ]
2 −2
1
Matriz Diagonal
É uma matriz quadrada (m = n) onde 𝑎𝑖𝑗 = 0, para 𝑖 ≠ 𝑗.
Exemplos:

9 0 0 0
1 0 0
0 −4 0 0
𝐴 = [0 4 0 ]e𝐵=[ ]
0 0 1 0
0 0 −2
0 0 0 3
Matriz Identidade
𝑎𝑖𝑗 = 0 𝑝𝑎𝑟𝑎 𝑖 ≠ 𝑗 𝑒
É uma matriz diagonal onde {
𝑎𝑖𝑗 = 1 𝑝𝑎𝑟𝑎 𝑖 = 𝑗
Muitas vezes a matriz identidade de ordem n é indicada por 𝐼𝑛×𝑛 ou apenas 𝐼𝑛 .

Geometria Analítica e Álgebra Linear

 Prof. Nunes 3

Exemplos:

1 0 0 0
1 0 0
1 0 0 1 0 0
1. 𝐴 = [0 1 0], 𝐵 = [ ]e𝐶 =[ ]
0 1 0 0 1 0
0 0 1
0 0 0 1
Matriz Triangular Superior
É uma matriz quadrada onde 𝑎𝑖𝑗 = 0 para i > j.
Exemplos:

1 9 0 1 √3 0 3
1 −9
1) 𝐴 = [0 7 −2], 𝐵 = [ ], 𝐶 = [0 0 6 0]
0 1 0 0 1 2
0 0 1
0 0 0 1
Matriz Triangular Inferior
É uma matriz quadrada onde 𝑎𝑖𝑗 = 0 para i < j.
Exemplos:

1 0 0 0
4 0
0
1 0 6 5 0 0
1) 𝐴 = [ 9 0], 𝐵 = [
2 ]e𝐶=[ ]
3 1 4 −3 9 0
𝜋 7
1
2 0 0 1
1.1.5 Operações com matrizes

Adição
Dadas duas matrizes 𝐴𝑚×𝑛 e 𝐵𝑚×𝑛 , com elementos do tipo 𝑎𝑖𝑗 e 𝑏𝑖𝑗 , respectivamente, então:
𝐴 + 𝐵 é a matriz com os elementos 𝑎𝑖𝑗 + 𝑏𝑖𝑗 , isto é, soma-se os elementos nas posições
correspondentes.
Observação: A e B devem ser de mesma ordem.
Exemplo:

4 0 1 2 1 −8 6 1 −7
1) Se 𝐴 = [ 9 2 2] e 𝐵 = [1 3 0 ], então 𝐴 + 𝐵 = [10 5 2]
−1 7 1 6 2 −1 5 9 0
Propriedades da Adição de Matrizes

i) Associatividade: 𝐴 + (𝐵 + 𝐶) = (𝐴 + 𝐵) + 𝐶, ∀𝐴, 𝐵, 𝐶 ∈ 𝑀𝑚×𝑛 (ℜ)

ii) Comutatividade: 𝐴 + 𝐵 = 𝐵 + 𝐴, ∀𝐴, 𝐵 ∈ 𝑀𝑚×𝑛 (ℜ)

iii) Elemento Neutro: 𝐴 + 0 = 𝐴, onde 0 denota a matriz nula 𝑚 × 𝑛, ∀𝐴 ∈ 𝑀𝑚×𝑛 (ℜ)

iv) Oposto: Dada 𝐴 ∈ 𝑀𝑚×𝑛 (ℜ), existe a matriz (−𝐴) ∈ 𝑀𝑚×𝑛 (ℜ), tal que 𝐴 + (−𝐴) = 0

Multiplicação de matriz por escalar

Dada uma matriz 𝐴𝑚×𝑛 , de elementos 𝑎𝑖𝑗 e um escalar 𝛼 ∈ ℜ, então:𝛼 ⋅ 𝐴 é a matriz cujos
elementos são do tipo 𝛼 ⋅ 𝑎𝑖𝑗 . (isto é, multiplicamos todos os elementos de A por 𝛼).

Geometria Analítica e Álgebra Linear

 Prof. Nunes 4

Exemplos:

3 0 −1 6 0 −2
1) Se 𝐴 = [9 6 2 ] e 𝛼 = 2, então 𝛼 ⋅ 𝐴 = 2 ⋅ 𝐴 = [18 12 4]
1 −7 4 2 −14 8
3 −4 1 −9 12 −3
2) Se 𝐵 = [ ] e 𝛼 = −3, então 𝛼 ⋅ 𝐵 = −3 ⋅ 𝐵 = [ ]
2 5 −2 −6 −15 6
Propriedades da Multiplicação de Matriz por escalar

i) (𝛼 ⋅ 𝛽) ⋅ 𝐴 = 𝛼 ⋅ (𝛽 ⋅ 𝐴), ∀𝐴 ∈ 𝑀𝑚×𝑛 (ℜ), ∀𝛼, 𝛽 ∈ ℜ

ii) (𝛼 + 𝛽) ⋅ 𝐴 = 𝛼 ⋅ 𝐴 + 𝛽 ⋅ 𝐴,∀𝐴 ∈ 𝑀𝑚×𝑛 (ℜ), ∀𝛼, 𝛽 ∈ ℜ

iii) 𝛼 ⋅ (𝐴 + 𝐵) = 𝛼 ⋅ 𝐴 + 𝛼 ⋅ 𝐵,∀𝐴, 𝐵 ∈ 𝑀𝑚×𝑛 (ℜ), ∀𝛼 ∈ ℜ

iv) 1 ⋅ 𝐴 = 𝐴, ∀𝐴 ∈ 𝑀𝑚×𝑛 (ℜ)

v) 0 ⋅ 𝐴 = 0, ∀𝐴 ∈ 𝑀𝑚×𝑛 (ℜ) obs.: 0 ∈ ℜe 0 ∈ 𝑀𝑚×𝑛 (ℜ)

Multiplicação de matrizes
Dadas duas matrizes 𝐴𝑚×𝑛 e 𝐵𝑛×𝑝 , com elementos do tipo 𝑎𝑖𝑗 (1 ≤ 𝑖 ≤ 𝑚,  1 ≤ 𝑗 ≤ 𝑛) e
𝑏𝑗𝑘 (1 ≤ 𝑗 ≤ 𝑛,  1 ≤ 𝑘 ≤ 𝑝), respectivamente, então:
𝐴 ⋅ 𝐵 é a matriz de elementos do tipo 𝑐𝑖𝑘 (1 ≤ 𝑖 ≤ 𝑚,  1 ≤ 𝑘 ≤ 𝑝), definidos por: 𝑐𝑖𝑘 = 𝑎𝑖1 ⋅
𝑏1𝑘 + 𝑎𝑖2 ⋅ 𝑏2𝑘 + 𝑎𝑖3 ⋅ 𝑏3𝑘 +. . . . . +𝑎𝑖𝑛 ⋅ 𝑏𝑛𝑘 = ∑𝑛𝑗=1 𝑎𝑖𝑗 ⋅ 𝑏𝑗𝑘
Observações:
1) O número de colunas da primeira matriz deve ser igual ao número de linhas da segunda
matriz;
2) A matriz resultante do produto terá a mesma quantidade de linhas da primeira matriz e a
mesma quantidade de colunas da segunda matriz.
Exemplos:
𝑎11 𝑎12 𝑏11 𝑏12 𝑏13 𝑐11 𝑐12 𝑐13
1) Se 𝐴 = [𝑎 𝑎22 ] e 𝐵 = [ ], então 𝐶 = [𝑐 𝑐22 𝑐23 ], onde:
21 𝑏21 𝑏22 𝑏23 21

𝑐𝑖𝑘 = 𝑎𝑖1 ⋅ 𝑏1𝑘 + 𝑎𝑖2 ⋅ 𝑏2𝑘 = ∑2𝑗=1 𝑎𝑖𝑗 ⋅ 𝑏𝑗𝑘 , isto é:

𝑐11 = 𝑎11 ⋅ 𝑏11 + 𝑎12 ⋅ 𝑏21
𝑐12 = 𝑎11 ⋅ 𝑏12 + 𝑎12 ⋅ 𝑏22
𝑐13 = 𝑎11 ⋅ 𝑏13 + 𝑎12 ⋅ 𝑏23
𝑐21 = 𝑎21 ⋅ 𝑏11 + 𝑎22 ⋅ 𝑏21
𝑐22 = 𝑎21 ⋅ 𝑏12 + 𝑎22 ⋅ 𝑏22
𝑐23 = 𝑎21 ⋅ 𝑏13 + 𝑎22 ⋅ 𝑏23

−4 0 3 −1 𝑐11 𝑐12 𝑐13 𝑐14

1 3 −1
2) Se 𝐴 = [ ] e 𝐵 = [ 5 −2 −1 1 ], então 𝐶 = [𝑐 𝑐22 𝑐23 𝑐24 ],
−2 −1 1 21
−1 2 0 6
onde:
𝑐11 = 1 ⋅ (−4) + 3 ⋅ (5) + (−1) ⋅ (−1) = 12
𝑐12 = 1 ⋅ (0) + 3 ⋅ (−2) + (−1) ⋅ (2) = 8
𝑐13 = 1 ⋅ (3) + 3 ⋅ (−1) + (−1) ⋅ (0) = 0
Geometria Analítica e Álgebra Linear
 Prof. Nunes 5

𝑐14 = 1 ⋅ (−1) + 3 ⋅ (1) + (−1) ⋅ (6) = −4

𝑐21 = (−2) ⋅ (−4) + (−1) ⋅ (5) + (1) ⋅ (−1) = 2
𝑐22 = (−2) ⋅ (0) + (−1) ⋅ (−2) + (1) ⋅ (2) = 4
𝑐23 = (−2) ⋅ (3) + (−1) ⋅ (−1) + (1) ⋅ (0) = −5
𝑐24 = (−2) ⋅ (−1) + (−1) ⋅ (1) + (1) ⋅ (6) = 7
12 −8 0 −4
Logo 𝐶 = [ ]
2 4 −5 7
Propriedades da Multiplicação de Matrizes
(Desde que sejam possíveis as operações)

i) 𝐴 ⋅ 𝐼 = 𝐼 ⋅ 𝐴 = 𝐴, sendo I a matriz identidade

ii) 𝐴 ⋅ (𝐵 + 𝐶) = 𝐴 ⋅ 𝐵 + 𝐴 ⋅ 𝐶 e (𝐴 + 𝐵) ⋅ 𝐶 = 𝐴 ⋅ 𝐶 + 𝐵 ⋅ 𝐶

iii) 𝐴 ⋅ (𝐵 ⋅ 𝐶) = (𝐴 ⋅ 𝐵) ⋅ 𝐶

iv) 0 ⋅ 𝐴 = 0 e 𝐴 ⋅ 0 = 0
Observação: Em geral 𝐴 ⋅ 𝐵 ≠ 𝐵 ⋅ 𝐴, podendo inclusive um dos membros da igualdade estar
definido e o outro não.

Transposição de matrizes
Dada uma matriz 𝐴𝑚×𝑛 , com elementos do tipo 𝑎𝑖𝑗 (1 ≤ 𝑖 ≤ 𝑚,  1 ≤ 𝑗 ≤ 𝑛), denomina-se
transposta de A, a matriz 𝐴𝑇 , com elementos do tipo 𝑏𝑗𝑖 (1 ≤ 𝑗 ≤ 𝑛,  1 ≤ 𝑖 ≤ 𝑚), cujas linhas
são as colunas de A, isto é: 𝑏𝑖𝑗 = 𝑎𝑗𝑖 .
Isto é, é a matriz obtida com a troca ordenada das linhas pelas colunas da matriz original.
Exemplos:

3 0 −1 3 9 1
1) Se 𝐴 = [9 6 2 ], então 𝐴𝑇 = [ 0 6 −7]
1 −7 4 −1 2 4
3 1
3 0 −2
2) Se 𝐵 = [ 0 4], então 𝐵 𝑇 = [ ]
1 4 5
−2 5
Propriedades da Transposição de Matrizes

i) (𝐴 + 𝐵)𝑇 = 𝐴𝑇 + 𝐵 𝑇

ii) (𝛼 ⋅ 𝐴)𝑇 = 𝛼 ⋅ 𝐴𝑇 , onde   

iii) 𝐴 ⋅ (𝐵 ⋅ 𝐶) = (𝐴 ⋅ 𝐵) ⋅ 𝐶

iv) (𝐴 ⋅ 𝐵)𝑇 = 𝐵 𝑇 ⋅ 𝐴𝑇
Definições:
Seja A uma matriz quadrada, então:

a) A é dita simétrica, se e somente se, 𝐴𝑇 = 𝐴.

Geometria Analítica e Álgebra Linear

 Prof. Nunes 6

Exemplo:

3 0 −1 3 0 −1
1) 𝐴 = [ 0 2 −7]  𝐴 = [ 0
𝑇
2 −7] = 𝐴
−1 −7 5 −1 −7 5
b) A é dita antissimétrica, se e somente se, 𝐴𝑇 = −𝐴.
Exemplo:

0 1 −3 0 −1 3
1) 𝐴 = [−1 0 5 ] 𝐴 = [ 1
𝑇
0 −5] = −𝐴
3 −5 0 −3 5 0

Alguns exercícios resolvidos sobre matrizes

cos 𝛼 −sen 𝛼
1) Para cada 𝛼 ∈ ℜ, considere a matriz 𝑇𝛼 = [ ]
sen 𝛼 𝑐𝑜𝑠   𝛼
a) Mostre que 𝑇𝛼 ⋅ 𝑇𝛽 = 𝑇𝛼+𝛽
Resolução:
cos 𝛼 −sen 𝛼 cos 𝛽 −sen 𝛽
𝑇𝛼 ⋅ 𝑇𝛽 = [ ]⋅[ ]=
sen 𝛼 𝑐𝑜𝑠   𝛼 sen 𝛽 𝑐𝑜𝑠   𝛽
cos 𝛼 ⋅ cos 𝛽 − sen 𝛼 ⋅ sen 𝛽 −sen 𝛽 ⋅ 𝑐𝑜𝑠   𝛼 − sen 𝛼 ⋅ 𝑐𝑜𝑠   𝛽
=[ ]=
sen 𝛼 ⋅ 𝑐𝑜𝑠   𝛽 + sen 𝛽 ⋅ 𝑐𝑜𝑠   𝛼 −sen 𝛼 ⋅ sen 𝛽 + cos 𝛼 ⋅ 𝑐𝑜𝑠   𝛽
cos (𝛼 + 𝛽) −sen (𝛼 + 𝛽)
=[ ] = 𝑇𝛼+𝛽
sen (𝛼 + 𝛽) 𝑐𝑜𝑠   (𝛼 + 𝛽)
b) Ache 𝑇−𝛼
Resolução:
cos (−𝛼) −sen (−𝛼) cos 𝛼 sen 𝛼
𝑇−𝛼 = [ ]=[ ] = 𝑇𝛼𝑇
sen (−𝛼) 𝑐𝑜𝑠   (−𝛼) −sen 𝛼 𝑐𝑜𝑠   𝛼

2) Mostre que a soma de duas matrizes simétricas é uma matriz simétrica.

Resolução:
Sejam duas matrizes simétricas A e B. Logo 𝐴𝑇 = 𝐴 e 𝐵 𝑇 = 𝐵.
(𝐴 + 𝐵)𝑇 = 𝐴𝑇 + 𝐵 𝑇 = 𝐴 + 𝐵.

3) Mostre que a soma de duas matrizes antissimétricas é uma matriz antissimétrica.

Resolução:
Sejam duas matrizes antissimétricas A e B.
Logo 𝐴𝑇 = −𝐴 e 𝐵 𝑇 = −𝐵.(𝐴 + 𝐵)𝑇 = 𝐴𝑇 + 𝐵 𝑇 = −𝐴 + (−𝐵) = −(𝐴 + 𝐵).

4) Mostre que se A é uma matriz quadrada, então 𝐴 + 𝐴𝑇 é uma matriz simétrica.

Resolução:
(𝐴 + 𝐴𝑇 )𝑇 = 𝐴𝑇 + (𝐴𝑇 )𝑇 = 𝐴𝑇 + 𝐴 = 𝐴 + 𝐴𝑇

5) Verifique que o produto de duas matrizes simétricas nem sempre é uma matriz simétrica.
Resolução:
Sejam duas matrizes simétricas A e B. Logo 𝐴𝑇 = 𝐴 e 𝐵 𝑇 = 𝐵.
Geometria Analítica e Álgebra Linear
 Prof. Nunes 7

(𝐴 ⋅ 𝐵)𝑇 = 𝐵 𝑇 ⋅ 𝐴𝑇 = 𝐵 ⋅ 𝐴.

6) Se 𝐴 ⋅ 𝐵 = 0, então podemos afirmar que𝐴 = 0 ou 𝐵 = 0?

Resolução:
Não! Encontre alguns contraexemplos.

7) Suponha que 𝐴 ≠ 0 e 𝐴 ⋅ 𝐵 = 𝐴 ⋅ 𝐶, então podemos afirmar que B = C?

Resolução:
Não!
𝐴 ⋅ 𝐵 = 𝐴 ⋅ 𝐶 𝐴 ⋅ 𝐵 − 𝐴 ⋅ 𝐶 = 0𝐴 ⋅ (𝐵 − 𝐶) = 0. Sabemos que 𝐴 ≠ 0, e que podemos ter
𝐴 ⋅ (𝐵 − 𝐶) = 0 sem que 𝐵 − 𝐶 = 0, Logo B não é necessariamente igual a C.

8) Considerando o exercício anterior, se existir uma matriz Y tal que 𝑌 ⋅ 𝐴 = 𝐼, podemos afirmar
que B = C?
Resolução:
Sim!
𝐴 ⋅ 𝐵 = 𝐴 ⋅ 𝐶 𝑌 ⋅ (𝐴 ⋅ 𝐵) = 𝑌 ⋅ (𝐴 ⋅ 𝐶)(𝑌 ⋅ 𝐴) ⋅ 𝐵 = (𝑌 ⋅ 𝐴) ⋅ 𝐶 (𝐼) ⋅ 𝐵 = (𝐼) ⋅ 𝐶 B=C

9) Podemos dizer que a seguinte igualdade (𝐴 + 𝐵)2 = 𝐴2 + 2 ⋅ 𝐴 ⋅ 𝐵 + 𝐵 2 é verdadeira?

Resolução:
Não!(𝐴 + 𝐵) ⋅ (𝐴 + 𝐵) = 𝐴 ⋅ 𝐴 + 𝐴 ⋅ 𝐵 + 𝐵 ⋅ 𝐴 + 𝐵 ⋅ 𝐵 = 𝐴2 + 𝐴 ⋅ 𝐵 + 𝐵 ⋅ 𝐴 + 𝐵 2

10) Podemos dizer que a seguinte igualdade (𝐴 − 𝐵)2 = 𝐴2 − 2 ⋅ 𝐴 ⋅ 𝐵 + 𝐵 2 é verdadeira?

Resolução:
Não!
(𝐴 − 𝐵) ⋅ (𝐴 − 𝐵) = 𝐴 ⋅ 𝐴 − 𝐴 ⋅ 𝐵 − 𝐵 ⋅ 𝐴 + 𝐵 ⋅ 𝐵 = 𝐴2 − 𝐴 ⋅ 𝐵 − 𝐵 ⋅ 𝐴 + 𝐵 2

1.2 Determinantes e Matriz Inversa

1.2.1 Determinantes

Definições:
Se 𝐴 = [𝑎11 ]  𝑑𝑒𝑡 𝐴 = 𝑎11
𝑎11 𝑎12
Se 𝐴 = [𝑎 ]  𝑑𝑒𝑡 𝐴 = 𝑎11 ⋅ 𝑎22 − 𝑎12 ⋅ 𝑎21
21 𝑎22
𝑎11 𝑎12 𝑎13
Se 𝐴 = [ 21 𝑎22 𝑎23 ]  𝑑𝑒𝑡 𝐴 = 𝑎11 ⋅ 𝑎22 ⋅ 𝑎33 − 𝑎11 ⋅ 𝑎23 ⋅ 𝑎32 − 𝑎12 ⋅ 𝑎21 ⋅ 𝑎33 +
𝑎
𝑎31 𝑎32 𝑎33
+𝑎12 ⋅ 𝑎23 ⋅ 𝑎31 + 𝑎13 ⋅ 𝑎21 ⋅ 𝑎32 − 𝑎13 ⋅ 𝑎22 ⋅ 𝑎31
Propriedades dos determinantes

i) 𝑑𝑒𝑡 𝐴 = 𝑑𝑒𝑡 𝐴𝑇

ii) Se multiplicarmos uma linha de uma matriz por 𝑘 ∈ ℜ, o determinante fica multiplicado
por k.

iii) Uma vez permutadas duas linhas de uma matriz, o determinante da mesma troca de sinal.

Geometria Analítica e Álgebra Linear

 Prof. Nunes 8

iv) O determinante de uma matriz que tem duas linhas (ou colunas) iguais é igual a zero.

v) O determinante não se altera se somarmos aos elementos de uma linha, os elementos

correspondentes de outra linha multiplicados por uma constante.

vi) 𝑑𝑒𝑡(𝐴 ⋅ 𝐵) = 𝑑𝑒𝑡 𝐴 ⋅ 𝑑𝑒𝑡 𝐵

Definição de submatriz
Seja A uma matriz quadrada 𝑛 × 𝑛. Uma submatriz 𝐴𝑖𝑗 de A é uma matriz obtida de A
eliminando a i-ésima linha e a j-ésima coluna de A.

Exemplo:

1 2 −1
1 2 2 −1
1) Se 𝐴 = [ 4 0 3 ] então 𝐴23 = [ ], 𝐴31 = [ ], etc.
−2 3 0 3
−2 3 −4
Definição de cofator
Seja A uma matriz quadrada 𝑛 × 𝑛. O cofator ou complemento algébrico de um elemento
𝑎𝑖𝑗 de A é o número: 𝛥𝑖𝑗 = (−1)𝑖+𝑗 𝑑𝑒𝑡 𝐴𝑖𝑗 .

Exemplo:

1 2 −1
1) Se 𝐴 = [ 4 0 3 ] então:
−2 3 −4
0 3
𝛥11 = (−1)1+1 𝑑𝑒𝑡 𝐴11 = (−1)2 ⋅ 𝑑𝑒𝑡 [ ] = −9,
3 −4
1 2
𝛥23 = (−1)2+3 𝑑𝑒𝑡 𝐴23 = (−1)5 ⋅ 𝑑𝑒𝑡 [ ] = −7, etc.
−2 3
Desenvolvimento de Laplace (Para calcular o determinante de qualquer matriz quadrada)
Seja A uma matriz com n linhas e n colunas.
Então, 𝑑𝑒𝑡 𝐴 = ∑𝑛𝑗=1 𝑎𝑖𝑗 ⋅ 𝛥𝑖𝑗 , para qualquer linha i. (É a soma dos produtos dos elementos de
uma linha (ou coluna), pelos seus respectivos cofatores).
Observação: O desenvolvimento pode também ser feito na variável j: 𝑑𝑒𝑡 𝐴 = ∑𝑛𝑖=1 𝑎𝑖𝑗 ⋅ 𝛥𝑖𝑗
para qualquer coluna j.

Exemplos:

1 2 −1
1) Se 𝐴 = [ 4 0 3 ] então calcule 𝑑𝑒𝑡 𝐴.
−2 3 −4
Resolução:
Escolhendo, por exemplo, a segunda linha (𝑖 = 2)
3

𝑑𝑒𝑡 𝐴 = ∑ 𝑎2𝑗 ⋅ 𝛥2𝑗 = 𝑎21 ⋅ 𝛥21 + 𝑎22 ⋅ 𝛥22 + 𝑎23 ⋅ 𝛥23 =

𝑗=1
2 −1 1 −1 1 2
= 4 ⋅ (−1)2+1 𝑑𝑒𝑡 [ ]+0 ⋅ (−1)2+2 𝑑𝑒𝑡 [ ] + 3 ⋅ (−1)2+3 𝑑𝑒𝑡 [ ]=
3 −4 −2 −4 −2 3
= 4 ⋅ 5 + 0 ⋅ (−6) + 3 ⋅ (−7) = −1

Geometria Analítica e Álgebra Linear

 Prof. Nunes 9

2) Seja A uma matriz triangular superior.

Verifique que o det A= 𝑎11 ⋅ 𝑎22 ⋅ 𝑎33 . . . . . . . . . . . 𝑎𝑛𝑛 .

1.2.2 Matriz Inversa

Seja A é uma matriz quadrada n  n. Chamamos de matriz inversa de A à uma matriz B, também
n  n, que satisfaz a seguinte propriedade: 𝐴 ⋅ 𝐵 = 𝐵 ⋅ 𝐴 = 𝐼, em que 𝐼 = 𝐼𝑛 é a matriz
identidade n  n. Se esta matriz B existir, A será chamada de matriz invertível.
Normalmente a matriz inversa de A é indicada por 𝐴−1, logo: 𝐴 ⋅ 𝐴−1 = 𝐴−1 ⋅ 𝐴 = 𝐼

Exemplo:

2 3
1) Ache a inversa da matriz 𝐴 = [ ]
1 4
Resolução:
2 3 a b  1 0 2𝑎 + 3𝑐 2𝑏 + 3𝑑 1 0
1 4   c d  = 0 1  [ 𝑎 + 4𝑐 𝑏 + 4𝑑
]=[
0 1
]⇒
     
2𝑎 + 3𝑐 = 1 4 1 2𝑏 + 3𝑑 = 0 3 2
{ ⇒ 𝑎 = 5 e 𝑐 = −5 e { ⇒ 𝑏 = −5 e 𝑑 = 5
𝑎 + 4𝑐 = 0 𝑏 + 4𝑑 = 1
4 3
−
Logo 𝐴−1 = [ 5 1 2 5]
−5 5
𝑎 𝑏 2 3 1 0
Observação: O mesmo resultado seria obtido fazendo: [ ]⋅[ ]=[ ]
𝑐 𝑑 1 4 0 1
Teorema:
Se A é uma matriz invertível, então a sua inversa é única.

Demonstração:
Vamos supor que a matriz A possui duas inversas 𝐴1−1 e 𝐴−1 −1
2 . Logo temos que 𝐴 ⋅ 𝐴1 = 𝐼 =
𝐴1−1 ⋅ 𝐴 e 𝐴 ⋅ 𝐴−1 −1
2 = 𝐼 = 𝐴2 ⋅ 𝐴.
−1 −1 −1 (𝐴
Assim 𝐴1 = 𝐴1 ⋅ 𝐼 = 𝐴1 ⋅ ⋅ 𝐴−1 −1 −1 −1 −1
2 ) = (𝐴1 ⋅ 𝐴) ⋅ 𝐴2 = 𝐼 ⋅ 𝐴2 = 𝐴2 .
Portanto 𝐴1−1 = 𝐴−12 e a inversa é única.

Observações:

i) Se A e B são matrizes quadradas invertíveis, então 𝐴 ⋅ 𝐵 é também invertível e (𝐴 ⋅ 𝐵)−1 =

𝐵 −1 ⋅ 𝐴−1 .

ii) Uma matriz quadrada A admite inversa se e somente se 𝑑𝑒𝑡 𝐴 ≠ 0.

1
iii) Se A é uma matriz quadrada e 𝑑𝑒𝑡 𝐴 ≠ 0, então 𝑑𝑒𝑡 𝐴−1 = 𝑑𝑒𝑡 𝐴.

Demonstração de (iii):
Sabemos que 𝑑𝑒𝑡(𝐴 ⋅ 𝐵) = 𝑑𝑒𝑡 𝐴 ⋅ 𝑑𝑒𝑡 𝐵. Se 𝐴−1 ⋅ 𝐴 = 𝐼, então temos que 𝑑𝑒𝑡(𝐴−1 ⋅ 𝐴) =
1
𝑑𝑒𝑡 𝐴−1 ⋅ 𝑑𝑒𝑡 𝐴 = 𝑑𝑒𝑡 𝐼  𝑑𝑒𝑡 𝐴−1 = 𝑑𝑒𝑡 𝐴.

iv) (𝐴−1 )−1 = 𝐴.

v) (𝐴−1 )𝑇 = (𝐴𝑇 )−1.

Geometria Analítica e Álgebra Linear
 Prof. Nunes 10

Definição:
Chamamos de operações elementares nas linhas de uma matriz, às seguintes operações:
i) a troca da ordem de duas linhas da matriz;
ii) a multiplicação de uma linha da matriz por uma constante diferente de zero;
iii) a substituição uma linha da matriz por sua soma com outra linha multiplicada por uma
constante diferente de zero.

Teorema:
Seja A uma matriz quadrada. Se uma sequência de operações elementares nas suas linhas reduz
A a I, então a mesma sequência de operações elementares transforma I em 𝐴−1.
Logo, a partir deste teorema, podemos usar o seguinte algoritmo para encontrar a matriz inversa
de A:
Operações elementares:
[𝐴 ⋮ 𝐼] ⇒ [𝐼 ⋮ 𝐴−1 ]
Exemplo:

−1 2 1
1) Ache a inversa da matriz 𝐴 = [ 1 2 1]
−1 2 3
Resolução:
−1 2 1 1 0 0 L1  L2 1 2 1 0 1 0 𝐿2 → 𝐿2 + 𝐿1
[ 1 2 1 0 1 0]  [−1 2 1 1 0 0] ⇒
−1 2 3 0 0 1 −1 2 3 0 0 1 𝐿3 → 𝐿3 + 𝐿1
1
L2 → L2 1 2 1 0 1 0 L1 → L1 − 2 L2
1 2 1 0 1 0 4 1 1 1
[0 4 2 1 1 0]  [0 1 2
4 4
0] 
0 4 4 0 1 1 0 4 4 0 1 1 L3 → L3 − 4 L2
1 1 1
0 L2 → L2 − 1 L3
0 0 − 2 2 0 L3 → 2 L3 1 0 0 − 2 2
1 1
1 2
1 1 1 1
[0 1 2 1 1 0]  0 1 2 4 4 0 
4 4
0 0 2 −1 0 1 0 0 1 −1 0 1
[ 2 2]
1 1 1 1
−2 0 −2 0
1 0 0 2 2
1 1 1 1 1 1
0 1 0 − 4 . Assim, 𝐴−1 = −4 .
2 4 2 4
0 0 1 1 1 1 1
[ − 0 ] [− 2 0 ]
2 2 2

Definição:
Seja A uma matriz quadrada 𝑛 × 𝑛. Então a matriz dos cofatores de A, é a matriz indicada pelo
símbolo 𝐴, cujos elementos são os cofatores (𝛥𝑖𝑗 ) dos elementos da matriz A.

Exemplo:

2 1 𝛥 𝛥12 1 3
1) Se 𝐴 = [ ] então 𝐴 = [ 11 ]=[ ]
−3 1 𝛥21 𝛥22 −1 2
Pois,
𝛥11 = (−1)1+1 1 = 1,
Geometria Analítica e Álgebra Linear
 Prof. Nunes 11

𝛥12 = (−1)1+2 (−3) = 3,

𝛥21 = (−1)1+2 1 = −1,
𝛥22 = (−1)2+2 2 = 2
Definição:
𝑇
Seja A uma matriz quadrada 𝑛 × 𝑛. Chama-se matriz adjunta de A, a matriz 𝑎𝑑𝑗 𝐴 = (𝐴) , isto
é, a transposta da matriz dos cofatores.
Exemplo:

2 1 1 3𝑇 1 −1
1) Se 𝐴 = [ ] então 𝑎𝑑𝑗 𝐴 = [ ] =[ ]
−3 1 −1 2 3 2
Teorema:
Seja A uma matriz quadrada 𝑛 × 𝑛, tal que 𝑑𝑒𝑡 𝐴 ≠ 0. Então: 𝐴 ⋅ 𝑎𝑑𝑗𝐴 = (𝑑𝑒𝑡 𝐴) ⋅ 𝐼𝑛 .
Deste teorema podemos concluir que:
𝑎𝑑𝑗𝐴 𝑎𝑑𝑗𝐴
𝐴 ⋅ 𝑎𝑑𝑗𝐴 = (𝑑𝑒𝑡 𝐴) ⋅ 𝐼𝑛 ⇒ 𝐴 ⋅ 𝑑𝑒𝑡 𝐴 = 𝐼𝑛  𝐴−1 = 𝑑𝑒𝑡 𝐴

Definição:
Uma matriz quadrada A se diz ortogonal se A é invertível e 𝐴−1 = 𝐴𝑇 .
Exemplos:
1) Determinar, se possível, todos os valores x e y reais, a fim de que a matriz A seja
ortogonal.
1/2 𝑥
A=[ ]
𝑦 1/2
Resolução:
1 √3
+ 𝑥2 = 1 → 𝑥 = ±
4 2
1/2 𝑥 1/2 𝑦 1 0 𝑦 𝑥
[ ]⋅[ ]=[ ]⇒ +2=0 ⇒
𝑦 1/2 𝑥 1/2 0 1 2
2 1 √3
{𝑦 + 4 = 1 → 𝑦 = ± 2
√3 √3 √3 √3
𝑥= 𝑒 𝑦=− 𝑥= 𝑒 𝑦=−
2 2 2 2
ou Resposta: ou
√3 √3 √3 √3
{𝑥 = −2 𝑒 𝑦= 2 {𝑥 = − 2
𝑒 𝑦= 2

2) Verifique (genericamente) que o produto de duas matrizes ortogonais é uma matriz

ortogonal.
Resolução:
Se A e B são matrizes ortogonais, então 𝐴−1 = 𝐴𝑇 e 𝐵 −1 = 𝐵 𝑇 .
Sabe-se que (𝐴 ⋅ 𝐵)−1 = 𝐵 −1 ⋅ 𝐴−1 = 𝐵 𝑇 ⋅ 𝐴𝑇 = (𝐴 ⋅ 𝐵)𝑇 .

Geometria Analítica e Álgebra Linear

 Prof. Nunes 12

1.3 Exercícios propostos

1 2 −1
1) Encontre o determinante de A e a inversa da matriz A = [ 0 1 2 ].
−1 −2 0

−4 −2 −5
Resposta: det A = −1 e inv A = [ 2 1 2]
−1 0 −1
2) Se uma matriz quadrada A, é tal que 𝐴𝑇 = −𝐴, ela é chamada de matriz antissimétrica. Sabe-
se que a matriz M que segue é de ordem 3, não é nula e é antissimétrica. Neste caso, os termos
𝑎12 , 𝑎13 e 𝑎23 , valem, respectivamente:
1 + 𝑎 ........ ........
𝑀=[ 𝑎 𝑏 + 2 . . . . . . . .]
𝑏 𝑐 2𝑐 − 6

Resposta: 1; 2 e −3

3) Ache os valores dos determinantes das seguintes matrizes:

3 4 2 1
5 0 −1 −2
a) [ ] Resposta: −208
0 0 4 0
−1 0 3 3
1 2 3 4
b) [3 5 −1 2] Resposta: 471
5 3 2 1
0 2 8 1
0 𝑎 𝑏 1
0 1
4) Encontre o determinante da matriz: 𝐴 = [𝑎 0 0] Resposta: 𝑎2 + 𝑏 2
𝑎 0 𝑏
1 𝑏 𝑎 0
5) Sendo A uma matriz quadrada 𝑛 × 𝑛 e, verifique que 𝑑𝑒𝑡(𝛼𝐴) = 𝛼 𝑛 ⋅ 𝑑𝑒𝑡 𝐴.

2 1
  2 3 − 1 0 5
6) Sendo A = 3 0  ; B = 1 5  ; C =  4 3 1 
, encontre, se existir, a matriz X para
2 - 1   

cada situação a seguir:

a) 𝐴 ⋅ 𝑋 = 𝐶 𝑇 Resposta: Não existe
0 1
𝑇 12 3
b) 𝐴 + 𝐶 = 𝑋 ⋅ 𝐵 Resposta: 𝑋 = [ 7 − 7]
5 −3
2 −3 −6
𝑇 𝑇
c) 𝑋 = 𝐶 ⋅ 𝐴 Resposta: 𝑋 = [ 3 0 −3]
11 15 9
7) Sendo A uma matriz real quadrada de ordem 3, cujo determinante é igual a 4, qual o valor de
x na equação 𝑑𝑒𝑡   (2 ⋅ 𝐴 ⋅ 𝐴𝑇 ) = 4𝑥? Resposta: 𝑥 = 32
Geometria Analítica e Álgebra Linear
 Prof. Nunes 13
𝜋
cos se 𝑖 = 𝑗
2.𝑖−𝑗
8) Seja a matriz quadrada A , 2 × 2, tal que 𝑎𝑖𝑗 = { 𝜋 .
sen  se 𝑖 ≠ 𝑗
i+j

Calcule o determinante de A. Se 𝑑𝑒𝑡 𝐴 ≠ 0, ache 𝐴−1 .

2√3
3
0 3
Respostas: 𝑑𝑒𝑡 𝐴 = − 4 e 𝐴−1 = [ ]
2√3 4
3 3

1 2 7 
 
9) Dada a matriz A = 0 3 1 , ache (𝐴−1 )𝑇 e (𝐴𝑇 )−1. Conclua que (𝐴−1 )𝑇 = (𝐴𝑇 )−1.
0 5 2

𝑥 𝑦 1 1
10) Encontre as matrizes [ ] que comutam com a matriz [ ], isto é, ache as matrizes
𝑧 𝑡 0 1
𝑥 𝑦 𝑥 𝑦 1 1 1 1 𝑥 𝑦
[ ], tais que [ ].[ ]=[ ].[ ]
𝑧 𝑡 𝑧 𝑡 0 1 0 1 𝑧 𝑡
𝑥 𝑦
Resposta: [ ]
0 𝑥
11) Encontre a matriz inversa da matriz A, utilizando operações elementares com linhas, sendo
0 1 2 13 −2 −3
A = [ 1 2 1]. Resposta: 𝐴−1 = [−9 2 2]
−1 3 8 5 −1 −1
𝑥 𝑦 3 𝑥+1
12) Resolva a equação matricial: [ ]=[ ]
8 𝑧 8 𝑥+𝑦
Resposta: 𝑥 = 3,   𝑦 = 4  𝑒  𝑧 = 7

0 1 2
13) Dada a matriz A, resolva a equação: 𝐴−1 ⋅ 𝑋 ⋅ 𝐴𝑇 = 𝐴 e ache X para A = [ 1 2 1].
−1 3 8
−80 59 −30
Respostas: 𝑋 = 𝐴2 ⋅ (𝐴−1 )𝑇 e X = [ −39 31 −15 ]
−318 233 −119
14) Uma matriz quadrada A se diz ortogonal se A é invertível e 𝐴−1 = 𝐴𝑇 . Determinar, se
possível, todos os valores x e y reais, a fim de que a matriz A seja ortogonal.
sen 𝜃 𝑥
A= [ ]
𝑦 sen 𝜃
Dica: Se 𝐴−1 = 𝐴𝑇 , então 𝐴𝑇 ⋅ 𝐴 = 𝐼
𝑥 = cos 𝜃 e 𝑦 = − cos 𝜃     ou
Resposta:{
𝑥 = − cos 𝜃 e 𝑦 = cos 𝜃

Geometria Analítica e Álgebra Linear

 Prof. Nunes 14

√3 1
− 0
2 2
15) Verifique se a matriz 𝐴 = 1 √3 é uma matriz ortogonal. Caso positivo, calcule sua
0
2 2
[0 0 1]
√3 1
0
2 2
inversa. Resposta: Sim, é ortogonal e inv A = 1 √3
−2 0
2
[0 0 1]

Referências Bibliográficas
1. BOLDRINI, José Luiz et al. Álgebra Linear. 3.a Edição. São Paulo: Harper & Row do
Brasil, 1980.
2. CALLIOLI, Carlos A. et al. Álgebra Linear e Aplicações. 6.a Edição. São Paulo: Atual,
1990.
3. LIMA, Elon L., et al. A Matemática do Ensino Médio. 3.a Edição. Rio de Janeiro: Coleção
do Professor de Matemática – Sociedade Brasileira de Matemática, 2001.
4. POOLE, David. Álgebra Linear. São Paulo: Thomson Learning, 2006.
5. STEINBRUCH, Alfredo e WINTERLE, Paulo. Álgebra Linear. 2.a Edição. São Paulo:
Pearson Education do Brasil, 2010.
6. STEINBRUCH, Alfredo e WINTERLE, Paulo. Geometria Analítica. 2.a Edição. São
Paulo: Pearson Education do Brasil, 2010.

Geometria Analítica e Álgebra Linear