DETERMINANTES

Definição:
 a x + b1 y = M a b1 
Seja o sistema  1 e a matriz A =  1 dos coeficientes,
a 2 x + b2 y = N a2 b2 

definimos o determinante de A, e denotamos por det(A) ou por A, o número

obtido por :
det(A) = A = a11.a22 – a12.a21

Observe que, o det(A) para matrizes de 2ª ordem é o produto dos elementos

da diagonal principal menos o produto dos elementos da diagonal secundária.

a11 a12
det(A) = = a11.a22 – a12.a21
a 21 a 22
(–) (+)
Assim:
 1 3 − 2 5  0 − 2  3 − 4
Se: A=   ; B =  ; C =  e D = 
4 6  2 − 9 1 3  − 6 8 
det(A) = – 3 ; det(B) = 8 ; det (C) = 2 e det(D) = 0

a11 a12 a13 

 
a) Se A = a 21 a 22 a 23  , então:
a 31 a 32 a 33 

det(A) = a11a22a33 + a13a21a32 + a12a23a31 – a13a22a31 – a11a23a32 – a12a21a33

A igualdade acima pode ser memorizada com auxílio de uma regra bastante
prática, denominada Regra de Sarrus, repetindo as duas primeiras linhas ou
colunas de A como ilustrado a seguir; adicione os produtos dos elementos indicados
pelas setas da esquerda para a direita e subtraia deste número os produtos dos
elementos indicados pelas setas da direita para a esquerda.

1
 a11 a12 a13 a11 a12
a 21 a 22 a 23 a 21 a 22
a 31 a 32 a 33 a 31 a 32

(–) (–) (–) (+) (+) (+)

a11 a12 a13
a 21 a 22 a 23
a 31 a 32 a 33
a11 a12 a13
a 21 a 22 a 23

(–) (+)
Exemplos:
 1 0 3
 
01. Aplicando a regra de Sarrus em A =  4 2 3 , obtemos det(A) = 19.
− 1 1 2
x 3 x +1 −1
02. Sendo = 8, calcule o valor de N = .
4 2 5 6
Calculando o primeiro determinante, obtemos 2x - 12 = 8, donde resulta que

x = 10 e, substituindo esse valor no segundo determinante, obtemos N = 71

x 1 −1
03. Resolva a equação: 2 x − 2 = 0.
0 1 1
Calculando o determinante, obtemos: x2 + 2.x – 4 = 0, donde resulta que
x = –1 ± 5 .

Menor Complementar e Cofator

Definição:
Seja A = (aij)n e aij um elemento qualquer de A. O determinante de ordem n–1,
obtido de A suprimindo-se a linha i e a coluna j é denominado de menor
complementar ou simplesmente menor do elemento aij, denotado por Mij e, o
número Aij = (–1)i + j.Mij é denominado de cofator do elemento aij.

2
Exemplo:
Calcule o menor complementar e o cofator de cada um dos elementos da
 1 2 0
 
matriz A = 3 − 1 2 .
 1 2 3

−1 2
M11 = =–7 e A11 = (–1)1 + 1.(– 7) = – 7;
2 3

3 2
M12 = = 7 e A12 = (–1)1 + 2.( 7) = – 7;
1 3

3 −1
M13 = = 7 e A13 = (–1)1 + 3.( 7) = 7;
1 2

2 0
M21 = = 6 e A21 = (–1)2 + 1.( 6) = – 6;
2 3

1 0
M22 = = 3 e A22 = (–1)2 + 2.( 3) = 3;
1 3

1 2
M23 = = 0 e A23 = (–1)2 + 3.( 0) = 0;
1 2

2 0
M31 = = 4 e A31 = (–1)3 + 1.( 4) = 4;
−1 2

1 0
M32 = = 2 e A32 = (–1)3 + 2.( 2) = – 2;
3 2

1 2
M33 = =–7 e A33 = (–1)3 + 3.(– 7) = – 7;
3 −1

Matriz dos Cofatores

Definição:
Sejam A = (aij)n. A matriz dos cofatores é obtida de A, substituindo cada
elemento pelo seu respectivo cofator e denota-se por A'.

3
Comatriz ou Matriz Adjunta
Definição:
Sejam a matriz A = (aij)n e sua matriz cofatora A'. A comatriz ou a matriz
adjunta da matriz A, denotada por A , é obtida pela transposição da matriz cofatora
de A, isto é, A = ( A')t.
Deixamos ao leitor calcular a matriz dos cofatores e a comatriz do exemplo
anterior.

Teorema de Laplace
Seja A = (aij)n e n ≥ 2. O determinante da matriz A é a soma dos produtos dos
elementos de uma fila (linha ou coluna) qualquer pelos respectivos cofatores, isto é,
n
I) escolhendo a linha i: det(A) = ai1.Ai1 + ai2.Ai2 + ... + ain.Ain = ∑ a ik A ik .
k =1

n
II) escolhendo a coluna j: det(A) = a1j.A1j + a2j.A2j + ... + anj.Anj = ∑ a kj A kj .
k =1

A escolha da fila para o cálculo de um determinante deve ser aquela que

possua o maior número de zeros, pois para cada zero da fila corresponde um cofator
que não precisa se calculado.

Exemplo:
1 3 −1 2
 
0 2 0 − 1
Para calcularmos o determinante da matriz A = , devemos
2 0 1 0
 
2 3 1 0

aplicar o teorema de Laplace na 2ª ou 3ª linhas ou na 4ª coluna devido essas filas

conterem dois zeros. Assim, aplicando o teorema na:
a) 2ª linha temos:
1 −1 2 1 3 −1
2+2 2+4
det(A) = a22.A22 + a24.A24 = (2).(–1) .2 1 0 + (–1).(–1) .2 0 1 =–9
2 1 0 2 3 1

4
b) 4ª coluna temos:
0 2 0 1 3 −1
det(A) = a14.A14 + a24.A24 = (2).(–1)1+4. 2 0 1 + (–1).(–1)2+4. 2 0 1 =–9
2 3 1 2 3 1

É fácil ver que se a matriz A = (aij)n for triangular superior, triangular inferior ou
diagonal, o determinante de A é o produto dos elementos da diagonal principal.

Propriedades dos Determinantes

P01. det(At) = det(A).
P02. Se uma matriz B é obtida de A permutando-se duas filas paralelas quaisquer,
então det(B) = – det(A).
P03. Se os elementos de uma fila qualquer de uma matriz A são todos nulos, então
det(A) = 0.
P04. Se uma matriz A possui duas filas paralelas iguais, então det(A) = 0 .
P05. Se a matriz B é obtida de A multiplicando-se uma fila qualquer pelo número k,
então det(B) = k.det(A).
P06. Se a matriz A possui duas filas paralelas proporcionais, então det(A) = 0 .
P07. Se uma matriz A é multiplicada pelo número k, então det(k.A) = kn.det(A),
onde n é a ordem da matriz A.
P08. Teorema de Cauchy
A soma dos produtos dos elementos de uma fila, ordenadamente, pelos
cofatores dos elementos correspondentes de qual quer outra fila paralela é
igual a zero.
P09. Teorema de Jacobi
Se a matriz B é obtida de A adicionando-se a uma fila qualquer, uma outra fila
paralela, previamente multiplicada por um número, então det(B) = det(A).
P10. Se a matriz B é obtida de A adicionando-se a uma fila qualquer uma
combinação linear das outras n – 1 filas paralelas, então det(B) = det(A).
P11. Se uma fila qualquer é combinação das demais filas paralelas, então
det(A) = 0.

5
P12. Teorema de Binet
Sejam A e B matrizes quadradas de mesma ordem, então
det(A.B) = det(A).det(B) .
P13. Seja A = (aij)n . Então, A. A = A .A = det(A).In .
1
P14. Seja A = (aij)n . Então, det(A).det(A–1) = 1 ou det(A–1) = .
det( A )

Matriz de Vandermonde ou Matriz das Potências

Definição:
Toda matriz A = (aij)n, com n ≥ 2, é denominada de matriz de vandermonde
se ela é da forma:
 1 1 1 L 1 L 1 
 x x2 x3 L xj L x n 
 1
 x 12 x2
2
x3
2
L xj
2
L xn 
2
 
A=  L L L L L L L 
 xi x2
i
x3
i
L xj
i
L xn 
i
 1 
 L L L L L L L 
 x n−1 x2
n−1
x3
n−1
L xj
n−1
L x n 
n−1
 1

Observe que as colunas são formadas pelas potências de uma mesma base
xj, com os expoentes i variando de o a n – 1, isto é, os elementos de cada coluna
forma uma progressão geométrica de n termos e razão xj, cujo primeiro termo é 1.
Os elementos da segunda linha são chamados de elementos de base da
matriz ou elementos característicos da matriz.
O determinante da matriz de Vandermonde é indicado por:
V(x1 , x2 , x3 , ... , xj , ... , xn ) = C (xi − x j )
1≤ j<i≤n
V(x1 , x2 , x3 , ... , xj , ... , xn ) = (x2 – x1)(x3 – x2)(x3 – x1)...(xn – x1)(xn – x2)...(xn – xn-1)

6
Exemplo:
1 a a 2 
 
O determinante da matriz A = 1 b b 2  pode ser obtido por meio da matriz
1 c c 2 
 
de Vandermonde. Para tanto, é necessário lembrar-mos que det(A) = det(At).
1 1 1
Assim, det(A) = a b c = V(a, b, c) = (b – a)(c – a)(c – b) .
a2 b2 c 2

Cálculo da Matriz Inversa por meio de Determinantes

O teorema abaixo nos diz quando uma matriz A = (aij)n possui inversa e de
que forma obtê-la.

Teorema
Seja A = (aij)n. A matriz A é inversível se, e somente se det(A) ≠ 0 e A–
1 1
= A , onde A é matriz adjunta de A .
det( A )

Exemplo:

Devido ser um processo longo, deixamos ao leitor a obtenção da matriz

 1 0 − 1
inversa da matriz A =  0 − 1 2  . Iremos apresentar adiante outro método para
− 1 1 0 
obter a matriz inversa.

Acesse a Ferramenta Atividades, no Sistema Aprendiz e realize a

Atividade 2.

7
 SISTEMAS LINEARES

Matriz Escalonada
Definição:
Diz-se que a matriz A = (aij)mxn está escalonada ou que se encontra na forma
escada, quando o número de zeros que antecedem o primeiro elemento não nulo de
cada linha (pivô), aumenta linha após linha, até que as linhas se tornem todas nulas,
se for o caso.

Exemplos e contra-exemplos:
As matrizes abaixo estão escalonadas:
− 1 0 2
 
1 2 3 − 1 0 0  0 0 4
 1 0 − 2 3    
A=   ; B=   ; C= 0 4 5  ; D= 0 3 4  ; E= 0 0 0
0 1 0 0  
0 0 6  0 0 − 5 0 0 0
 0 0 0 

As matrizes abaixo não estão escalonadas:

5 0 0  0 − 1 − 2 0 1 0 0 0 
F = 0 − 1 0  ; G = 0 2 − 3

; H = 0 0 0 2 3
0 4 − 3 0 0 9  0 0 4 5 6

Matriz Reduzida por Linhas

Diz-se que a matriz A = (aij)mxn está na forma canônica reduzida por linhas
quando estiver escalonada e todos os elementos pivôs são iguais a 1 e na coluna
que os contêm, ele é o único não-nulo.

Exemplos e contra-exemplos:
As matrizes a seguir estão reduzidas por linhas:
1 0 2 0
1 0 0 0 0
0 1 2 0 1 −1 0 0 1 2 0 0 
1 0 0 0 0 1 

0 0 0 1 0 
I=  ; J=   ; K = 0 0 0 1 ; L =  
0 0 1 0  
  0 0 0 0 0 0 0 0 0 0 0 1
0 0 0 1
0 0 0 0

8
 As matrizes a seguir não estão reduzidas por linhas:
0 1 0 2 1 0 0 1 0
1 2 3 0 1 0    
M=  
; N=  
; O= 0 0 3 0
; P= 0 0 1 0 1
0 1 0 0 0 2 0 0 0 1 0 0 0 1 0
0 0 1 0 0 0    
0 0 0 0 0 0 0 0 1

Operações Elementares entre Linhas

As seguintes operações sobre as linhas de uma matriz A = (aij)mxn são
denominadas de operações elementares entre linhas:
[E1] Li ↔ Lj ( Permutar a linha i com a linha j ) .
[E2] Li → λ.Li ( Multiplicar a linha i por um escalar λ não-nulo)
[E3] Li → α.Li + β.Lj (Substituir a linha i por uma combinação linear das linhas i e j)
É importante observar que cada operação elementar descrita acima possui
uma inversa do mesmo tipo, isto é, a inversa da operação:
[E1] é [E1-1] Lj ↔ Li
[E2] é [E2-1] Lj ↔ λ–1.Li
[E3] é [E3-1] Lj ↔ α–1.Li – β.Lj
Diz-se que uma matriz A é equivalente por linhas a uma matriz B, denota-se
por A ∼ B, quando a matriz B pode ser obtida de A por uma seqüência finita de
operações elementares entre as linhas de A.
É fácil ver que a equivalência por linhas é uma relação de equivalência por
serem reversíveis.

Exemplo:
0 0 1 2 
a) Para escalonar a matriz A = 2 0 3 − 2 é necessário apenas aplicar a
0 − 1 0 4 

seguinte operação elementar: L1 ↔ L3 e em seguida, L2 ↔ L1; resultando na matriz

 2 0 3 − 2
linha equivalente B = 0 − 1 0 4  .
0 0 1 2 

9
 2 0 − 1
b) Para deixar a matriz A = 1 − 1 2  na forma escada devemos proceder do
0 − 2 0 

seguinte modo:
1) Observe que o elemento pivô da primeira linha é a11 = 2 e que será utilizado para
zerar o elemento a21 = 1.
2 0 − 1 2 0 − 1
   
1 − 1 2  L2 → 2.L2 – L1 ∼ 0 − 2 5 
0 − 2 0  0 − 2 0 

Note que a linha L1 e L3 não foram alteradas e que todos os elementos abaixo
do pivô a11 = 2 são nulos;

2) Note que o próximo pivô se encontra na L2 e é a22 = – 2, que deve nos auxiliar no
cálculo para zerar o elemento a23 = – 2.
2 0 − 1 2 0 − 1
 
0 − 2 5  L3 → L3 – L2 ∼ 0 − 2 5 

0 − 2 0  0 0 − 5

Desta forma conseguimos escalonar a matriz A.

Posto e Nulidade de uma Matriz

Definição:
Dada a matriz A = (aij)mxn . O posto ( p ) da matriz A corresponde ao número
de linhas não nulas após o escalonamento e a nulidade, o número n - p , onde n
representa o número de colunas da matriz A.
0 0 1 2 
Assim, o posto da matriz A = 2 0 3 − 2 é p = 3 e a nulidade
0 − 1 0 4 

− 1 0 2
0 0 4

n – p = 4 – 3 = 1. Por outro lado, o posto e a nulidade da matriz E =  0 0 0 são,
 
0 0 0
 0 0 0
respectivamente, p = 2 e n – p = 3 – 2 = 1 .

10
Cálculo da Matriz Inversa através das operações elementares entre linhas
O método que será apresentado abaixo, para determinar a inversa de uma
matriz A = (aij)nxn , caso admita, está baseado no seguinte teorema:

Teorema
Uma matriz A = (aij)nxn é invertível se, e somente se, In ∼ A . Neste caso, a
mesma sucessão de operações elementares que transformam A em In, transformam
In em A–1.

O método consiste em:

1º) Construirmos a matriz aumentada [A M In];
2º) Através das operações elementares entre linhas de A, transformar A em In;
3º) A matriz equivalente por linhas resultante é: [In M A–1].

Exemplo:
1 1 0   2 −2 1 
  1
–1
Mostre que a inversa da matriz A = 0 1 1  é a matriz A =  1 2 − 1 e que,
3
1 0 2 − 1 1 1 

1 2 2 
a matriz B = 0 1 2 não possui inversa.
1 3 4

Equação Linear
É toda equação da forma: α1x1 + α2x2 + α3x3 + ... + αnxn = β, onde
x1, x2, x3, ... , xn são as variáveis, α1, α2, α3, ... , αn os coeficientes das variáveis e β o
termo independente de variável.
Assim, podemos afirmar que as equações: (a) x1 − x2 = 0; (b) 2x1 + 3x2 − 4x3
2
= −2 e (c) x1 − πx2 + 2 x3 − 4x4 − 10 = 0 são equações lineares.
3

11
Sistemas de Equações Lineares
Um sistema de m equações lineares a n variáveis
a11x1 + a12x2 + a13x3 + ... + a1nxn = b1
a21x1 + a22x2 + a23x3 + ... + a2nxn = b2
a31x1 + a32x2 + a33x3 + ... + a3nxn = b3
--- --- --- --- --- ---
am1x1 + am2x2 + am3x3 + ... + amnxn = bm
onde x1, x2, x3, ... , xn são as variáveis.

Escrevendo o sistema na forma matricial:

 a11 a12 a13 L a1n   x1   b1 

a a 22 a 23 L a 2 n   x 2   b2 
 21
 a 31 a 32 a 33 L a 3 n  .  x 3  =  b3  ou Amxn . Xnx1 = Bmx1
     
L L L L L  L   L 
a m1 a m2 a m3 L a mn   x n  bm 

onde:
A - matriz dos coeficientes
X - matriz das variáveis
B - matriz dos termos independentes.
[ A M B ] - matriz ampliada do sistema.

Classificação de um Sistema Linear

Dado o sistema linear (SL): Amxn − Xnx1 = Bmx1 então:

Determinado

Homogêneo Possível
Indeterminado
(SL) =

Impossível
Não - Homogêneo Determinado
Possível
Indeterminado
12
 O sistema linear (SL) é homogêneo quando B = 0 (matriz nula) e,
não - homogêneo quando B ≠ 0 (matriz nula).
Utilizaremos a seguinte nomenclatura:
pc → posto da matriz A (matriz dos coeficientes).
pa → posto da matriz [ A M B ] (matriz ampliada do sistema).
n → número de colunas da matriz A.
n − pc → número que determina a quantidade de variáveis livres no sistema.

Sistema Homogêneo
Um sistema homogêneo é sempre possível e não há necessidade de
trabalharmos com a matriz ampliada do sistema.
Assim, quando:
• n − pc = 0 temos sistema linear homogêneo possível e determinado, isto é, o
sistema admite apenas solução trivial x1 = x2 = x3 = ... = xn = 0;
• n − pc > 0 temos sistema linear homogêneo possível e indeterminado, isto é,
o sistema admite outras soluções além da solução trivial.

Sistema Não - Homogêneo

Um sistema não-homogêneo é:
• Impossível, quando pc ≠ pa e a solução é vazia;
• Possível, quando pc = pa . Neste caso, será possível e determinado quando
n − pc = 0, ou seja, admite solução única e, será possível e indeterminado
quando n − pc > 0, isto é, o sistema admite mais de uma solução.

13
Resumindo:

Determinado (n − pc = 0)
Homogêneo (B = 0) Possível
Indeterminado (n − pc > 0)

(SL) =
Impossível (pc ≠ pa)
Não - Homogêneo (B ≠ 0)
Determinado (n − pc = 0)
Possível (pc = pa)
Indeterminado (n − pc > 0)

Exemplos:

Discuta os sistemas a seguir apresentando a solução, quando for o caso.

3 x + 2 y − z = 0

a) 4 x − y + 3 z = 0
x − y − z = 0

2 2 − 1 2 2 1 2 2 1 
  L 2 → L 2 − 2L 1    
4 − 1 3  L → 2L − L ∼ 0 − 5 5  L 3 → 5L 3 − 4L 2 ∼ 0 − 5 5 
 1 − 1 − 1 3 3 1
0 − 4 − 1 0 0 − 25

n = 3; pc = 3 e n − pc = 3 − 3 = 0. Logo, o sistema homogêneo é possível e

determinado e sua solução é S = {(0, 0, 0)}
2x − y = 0 2 − 1 2 − 1 
b)    L 2 → L 2 − 3L 1  
6 x + ky = 0 6 k  0 k + 3

Podemos afirmar que:

• Se k + 3 ≠ 0, temos n − pc = 2 − 2 = 0. Então, o sistema é possível e
determinado sendo S = {(0, 0)}
• Se k + 3 = 0, temos n − pc = 2 − 1 = 1 >0. Então, o sistema é possível e
indeterminado. Reescrevendo o sistema a partir da matriz escalonada:
2x − y = 0 ou seja y = 2x, logo S = {(x, 2x) | x ∈ ℜ }

14
 2 x + y − 2 z + 3w = 1

c) 3x + 2 y − z + 2 w = 4
 3 x + 3 y + 3 z − 3w = 5


2 1 − 2 3 M 1  2 1 − 2 3 M 1
3 2 − 1 2 M 4 L 2 → 2L 2 − 3L 1 ∼ 0 1 4 − 5 M 5 L 3 → L 3 − 3L 2
  L 3 → 2L 3 − 3L 1 
3 3 3 − 3 M 5 0 3 12 − 15 M 7 

2 1 − 2 3 M 1 
 
0 1 4 − 5 M 5 
0 0 0 0 M − 8

n = 4; pc = 2; pa = 3. Como pc ≠ pa, temos que o sistema é impossível e a solução

S = φ.

2 x − 3 y M 1
d) 
 x + ky = 2
2 − 3 M 1  2 3 M 1
1 k M 2 L 2 → 2L 2 − L 1 
0 2k + 3

M 3
  

Podemos afirmar que:

• Se 2k + 3 ≠ 0, temos pc = pa = 2 e n − pc = 2 − 2 = 0. Então, o sistema é possível
e determinado;
• Se 2k + 3 = 0, temos pc =1 e pa = 2. Como pc ≠ pa, então o sistema é impossível e

sua solução é S = φ.

Sistema de Cramer
Definição:
Seja (SL) um sistema de n equações e n variáveis:
a11x1 + a12x2 + ... + a1nxn = b1
a21x1 + a22x2 + ... + a2nxn = b2
(SL) = --- --- --- --- ---
an1x1 + an2x2 + ... + annxn = bn

15
  a11 a12 L a1n   x1   b1 
a L a2 n    b 
 21 a22 x 2  =  2
L L L L L  L
     
 an1 an 2 L ann  x n  bn 
Anxn. Xnx1 = Bnx1

Se det(A) ≠ 0, então diz-se que o sistema (SL) é um sistema de Cramer.

Note que, num sistema de Cramer o número de equações é igual ao número
de variáveis.
Como det(A) = 0, o sistema de Cramer é possível e determinado. De fato,
multiplicando A. X = B por A-1 pela esquerda, obtemos A-1. A. X = A-1. B ou
I . X = A-1. B e, portanto X = A-1. B.

Regra de Cramer
det( Ai )
Para o sistema (SL) de Cramer tem-se xi = , onde Ai é a matriz obtida
det( A)
de A substituindo-se a coluna i pela coluna dos termos independentes.

Exemplos:
− 2 x1 + 3 x2 − x3 = 1

O sistema  x1 + 2 x2 − x3 = 4 é de Cramer.
− 2 x − x + x3 = −3
 1 2

− 2 3 − 1
De fato, o determinante da matriz A =  1 2 − 1 é − 2, isto é, det(A) = − 2.
− 2 − 1 1 
Assim,
1 3 −1
4 2 −1
det( Ai ) − 3 −1 1
x1 = = =2
det( A) −2 3 −1
1 2 −1
− 2 −1 1

16
 − 2 1 −1
1 4 −1
det( A 2 ) −2 3 1
x2 = = =3
det( A ) −2 3 −1
1 2 −1
− 2 −1 1

−2 3 1
1 2 4
det( A 3 ) − 2 −1 3
x3 = = =4
det( A ) −2 3 −1
1 2 −1
− 2 −1 1

Portanto, a solução do sistema é S = {(2, 3, 4)}

Acesse a Ferramenta Atividades, no Sistema Aprendiz e realize a

Atividade 3.

17