Textos Apoio (Capítulo 3)

Capítulo 3
Álgebra Linear
ÁLGEBRA LINEAR
António Carvalho Pedrosa e Lurdes Babo Aula 14 - Álgebra Linear 1

SUMÁRIO
● Matrizes
– Definição
– Matrizes Quadradas e Retangulares
– Matriz Nula, Matriz Identidade, Matriz
Diagonal, Matriz Triangular (Superior, Inferior)
– Igualdade de Matrizes
● Operações com Matrizes e Propriedades
– Adição
– Multiplicação de um Escalar por uma Matriz
– Multiplicação de Matrizes
– Potência de uma Matriz Quadrada
– Transposição de Matrizes
NOÇÃO DE MATRIZ
Ontem, um café do Porto vendeu da parte da manhã 100

cafés normais, 30 cafés cheios e 28 cafés com leite. Da parte
da tarde, foram vendidos 80 cafés normais, 16 cafés cheios e
35 cafés com leite. Pretende-se organizar esta informação
nas formas tabular e matricial.
1. Tabela 2. Matriz
Café Manhã Tarde
100 80 
A =  30 16 
Normal 100 80
Cheio 30 16  
 28 35
Com Leite 28 35

MATRIZ
Definição:
Matriz de ordem ou tipo m x n (lê-se “m por n”) é uma tabela
retangular de elementos dispostos em m linhas (filas horizontais)
e n colunas (filas verticais).
Uma matriz representa-se por uma letra maiúscula e os seus
elementos pela mesma letra minúscula indexada por dois
números indicativos da linha e coluna a que o elemento
pertence. a a ⋯ a 
11 12 1n
a a22 
⋯ a2 n  Linha 1, Coluna 2
A =  ai j  i =1,..., m =  21
j =1,..., n ⋯ ⋯ ⋱ ⋯
 
 am1 am 2 ⋯ amn 
MATRIZ – EXEMPLOS
 −1 0 2 
A=  matriz do tipo 2 x 3
 5 1 3
1 
B =  2  matriz do tipo 3 x 1
9 
C = 0.3 2 6 −1 2  matriz do tipo 1 x 5

MATRIZES QUADRADAS E RETANGULARES
Definição:
Uma matriz diz-se quadrada de ordem n se o número de
linhas for igual ao número de colunas (m = n). Em caso
contrário diz-se retangular.
Exemplos:
1 0 matriz quadrada de ordem 2
0 1
 
 −1 0 2 matriz retangular de ordem ou tipo 2 x 3

9.3 1 3
 

MATRIZ QUADRADA
Matriz quadrada de ordem n
 a11 a12 ⋯ a1n 

a 
a22 ⋯ a2 n 
A =  21
⋯ ⋯ ⋱ ⋯
 
 an1 an 2 ⋯ ann 
Diagonal principal
aii − elementos principais da matriz

VETOR
Definição:
Vetor é uma matriz constituída por uma única linha – matriz
linha (tipo 1 x n) – ou uma só coluna – matriz coluna
(tipo m x 1).
Exemplos:
0.3 2 6 −1 2  matriz linha

1 
2 matriz coluna
 
9 

MATRIZ NULA
Definição:
Matriz nula Om×n é uma matriz cujos elementos são todos
nulos.
Exemplos:
0 0 0 
0 0 0  0 0 0  0 
  0 0 0  0 
   
0 0 0 

MATRIZ IDENTIDADE
Definição:
Matriz identidade de ordem n – I n – é uma matriz quadrada
em que todos os elementos da diagonal principal são “1” e os
restantes “0”.
Exemplos:
1 0 ⋯ 0
1 0 0  0 1 ⋯ 0
 
I 3 = 0 1 0 In =  
⋯ ⋯ ⋱ ⋯
0 0 1   
0 0 ⋯ 1

MATRIZ DIAGONAL
Definição:
Matriz diagonal é uma matriz quadrada em que os elementos
que não pertencem à diagonal principal são todos nulos.
Exemplos:
1 0 0 0
0  2 0 0
 7 0 0 0 2 0 
0 0 0 0  
   0 0 2 
0 0 0 2

MATRIZ TRIANGULAR SUPERIOR
Definição:
Matriz triangular superior é uma matriz quadrada em que
todos os elementos situados abaixo da diagonal principal são
nulos.
A =  ai j  : ai j = 0 se i > j
i , j =1,..., n
Exemplo:
2 6 1 2
0 
7 0 4

0 0 1 2
 
0 0 0 2
MATRIZ TRIANGULAR INFERIOR
Definição:
Matriz triangular inferior é uma matriz quadrada em que
todos os elementos situados acima da diagonal principal são
nulos.
A =  ai j  : ai j = 0 se i < j
i , j =1,..., n
Exemplo:
2 0 0 0
4 
0 0 0

0 3 1 0
 
4 2 7 2

IGUALDADE DE MATRIZES
Definição:
Duas matrizes do mesmo tipo m x n dizem-se iguais se os
elementos homólogos (que estão na mesma posição) forem
iguais.
A = B ⇔ ai j = bi j , ∀i ∈ {1,2,..., m} , ∀j ∈ {1,2,..., n}
Exemplo:
 −1 0 2  x = 2
A= 
+ 
 x 2 y z 1  1
A = B ⇔ y =
 −1 0 2   2
B= 
 2 1 0  z = −1
ADIÇÃO DE MATRIZES
Definição:
A soma de duas matrizes da mesma ordem m × n,

Am×n =  ai j  i =1,2,...,m e Bm×n = bi j  i =1,2,...,m , é a matriz
j =1, 2,..., n j =1, 2,..., n
Cm×n = ci j  i =1,2,...,m cujos elementos são iguais à soma dos
j =1, 2,...,n
elementos homólogos de A e B.
 ai j  i =1,2,...,m + bi j  i =1,2,...,m = ci j  i =1,2,...,m : ci j = ai j + bi j

j =1, 2,..., n j =1, 2,..., n j =1, 2,..., n
Exemplo:
1 − 2 3 10 1 3 11 − 1 6
2 − 8 5 +  5 10  =
− 1  7 2 4
  
PROPRIEDADES DA ADIÇÃO DE MATRIZES
Sejam A, B, C e O matrizes da mesma ordem m × n . Então:
(1) Comutativa: A + B = B + A
(2) Associativa: (A + B) + C = A + (B + C)
(3) Existência de elemento neutro: A + O = O + A = A
(O – matriz nula é o elemento neutro)
(4) Existência de elemento simétrico:
A + (– A) = (– A) + A = O
(A matriz simétrica da matriz A é a matriz –A cujos
elementos são os simétricos dos elementos de A)

MULTIPLICAÇÃO DE UM ESCALAR POR UMA MATRIZ
Definição:
Produto de um número real k por uma matriz A é uma matriz
cujos elementos são iguais aos elementos correspondentes
de A multiplicados por k, ou seja, se
A =  ai j  i =1,2,...,m e k ∈ ℝ então k A =  k ai j  i =1,2,...,m

j =1,2,..., n j =1,2,..., n
Exemplo:
1 −2 3  −2 4 −6 
A=  e k = −2 ⇒ −2 A =  
 2 −8 5   −4 16 −10 

PROPRIEDADES DA MULTIPLICAÇÃO DE UM ESCALAR
POR UMA MATRIZ
Sejam A e B matrizes da mesma ordem m × n, e α, β ∈ ℝ.

Então:
(1) α (A + B) = α A + α B
(2) (α + β) A = α A + β A
(3) (α β) A = α (β A)

MULTIPLICAÇÃO DE MATRIZES
Definição:
Sejam duas matrizes Am×n e Bn× p tais que o número n de
colunas de A é igual ao número de linhas de B. Então o
produto Am×n × Bn× p existe e é uma matriz Cm× p =  ci j  i =1,2,...,m
j =1, 2,..., p
tal que: n
ci j = ∑ ai k bkj = ai1 b1 j + ⋯ + aik bkj + ⋯ ain bnj
k =1
 b1 j 
 
 ⋮  ⋮
 ⋯ ⋯ ⋯
a ⋯ a ⋯ ain  ⋯ bkj ⋯ = ⋯ cij ⋯
 i1 ik    
 ⋮   ⋮  ⋯ ⋯ ⋯
 bnj 
MULTIPLICAÇÃO DE MATRIZES – EXEMPLO
 4 5 0
1 −2 3  0 −3 1  . Então
Sejam A =   e B =
 2 −8 5   
 2 −1 1 
 c11 c12 c13 

A2×3 × B3×3 = C2×3 =
c21 c22 c23 
1 × 4 − 2 × 0 + 3 × 2 1 × 5 − 2 × (−3) + 3 × (−1) 1 × 0 − 2 × 1 + 3 × 1 
= 
 2 × 4 − 8 × 0 + 5 × 2 2 × 5 − 8 × ( − 3) + 5 × ( −1) 2 × 0 − 8 × 1 + 5 × 1
10 8 1
= 
18 29 − 3 

PROPRIEDADES DA MULTIPLICAÇÃO DE MATRIZES
( )
(1) Associativa: Am×n Bn× p C p×q = Am×n Bn× pC p×q ( )
(2) Distributiva em relação à adição
( )
– à esquerda: Am×n Bn× p + Cn× p = Am×n Bn× p + Am×nCn× p
– à direita: ( Bm×n + Cm×n ) An× p = Bm×n An× p + Cm×n An× p

(3) In é o elemento neutro da multiplicação de matrizes
quadradas: An×n I n = I n An×n = An×n
A multiplicação de matrizes não é comutativa AB ≠ BA.

Se AB = BA então A e B são matrizes permutáveis.

POTÊNCIA DE UMA MATRIZ QUADRADA
Definição:
Potência de ordem n ( n ∈ ℕ ) de uma matriz quadrada A
é a matriz
An =
A ×× ⋯ ×
A A
n vezes
Exemplo:
 1 2  1 2   1 2   −3 8
A=  ⇒ A = A× A = 
2
   = 
 −2 3   −2 3  −2 3   −8 5 

TRANSPOSIÇÃO DE MATRIZES
Definição:
Matriz transposta de uma matriz A é a matriz que se obtém
trocando ordenadamente linhas por colunas e representa-se por
AT ou At . T
Am×n → An×m
⋯ ⋯
1 2 3 ⋯ ⋯
Exemplo: A =   ⇒ AT
=
 4 5 6  2×3  
⋯ ⋯ 3×2
Definição:
T
A matriz A é simétrica se e só se A= A .
4 0 2
Exemplo: A = 0 3 1 
 
 2 1 5 
PROPRIEDADES DA TRANSPOSIÇÃO DE MATRIZES
T T
(1) (A ) =A
T
(2) Se k ∈ ℝ então ( k A ) = k AT
T
(3) ( A + B ) = AT
+ B T
T
(4) ( )
A B = B T T
A

EXERCÍCIOS
1 2 3 5 
1. Considere a matriz A =  
8 13 21 34 
1.1 Classifique-a quanto à ordem.
1.2 Complete A =  ai j  i = …
  j= …
1.3 Identifique os elementos a12 , a21 e a24 .
Resolução:
1.1 A é uma matriz de ordem 2 × 4

1.2 A =  ai j  i =1, 2
j = 1, 2,3, 4
1.3 a12 = 2 ; a21 = 8 ; a24 = 34

EXERCÍCIOS
2. Escreva explicitamente a matriz A =  ai j  tal que

i , j =1,2,3
i + j , i< j
aij =  i+ j
 ( −1) , i≥ j
Resolução:
1+1
a11 = ( −1) = 1 a12 = 1 + 2 = 3 a13 = 1 + 3 = 4
2+ 2
2 +1
a21 = ( −1) = −1 a22 = ( −1) = 1 a23 = 2 + 3 = 5
3+ 2 3+3
3+1
a31 = ( −1) = 1 a32 = ( −1) = −1 a33 = ( −1) =1
 1 3 4
A =  −1 1 5 
 
 1 −1 1 
EXERCÍCIOS
3. Seja D uma matriz diagonal. Determine x, y ∈ ℝ.
1 x + y 0 
D = 0 2 x 6 − 3x 
 
0 0 y 
Resolução:
1 0 0 
{x+ y =0
6 − 3x = 0
⇔
y = −2
x=2 ⇒ {
D = 0 4 0 
 
 0 0 −2 

EXERCÍCIOS
4. Determine x, y ∈ ℝ de modo que A = B, sendo:
4.1 A =
 3x z   y + 2x x 
 1 x − 5y e B =  1 
−4 
  
 1 2 
4.2 A =  x + 3 y x  e B =  y − x x
   2 
 3 
 2 3 

EXERCÍCIOS
Resolução:
 3x = y + 2 x x − y = 0 x = y x = 1
   
4.1  x − 5 y = −4 ⇔  x − 5 y = −4 ⇔ −4 y = −4 ⇔  y = 1
 z = x  z = x  z = 1
 
4.2 Não existem x, y ∈ ℝ nas condições pretendidas.

A matriz A não pode ser igual à matriz B, uma vez que
são de ordens diferentes, A3×2 e B2×2 .

EXERCÍCIOS
 2 1  1 −1 0 
5. Considere as matrizes A =   , B=  ,
 −1 0   −1 2 3 
1 2 
  1 −1
C= 3 4 e D=  .
   3 −2 
-1 0 
Calcule, se possível:
5.1 AB + C 5.2 B + C T
2
5.3 A – 2D 5.4 A
5.5 B 3 5.6 BC

EXERCÍCIOS
Resolução:
5.1 A2×2 B2×3 + C3×2 A B é uma matriz do tipo 2 x 3 e C é

2×3
do tipo 3 x 2, logo não se podem adicionar.
 1 −1 0  1 3 −1  2 2 −1
T
5.2 B + C =   +  = 
 −1 2 3   2 4 0   1 6 3 
 2 1 1 −1  0 3 
5.3 A − 2 D =   − 2  = 
 −1 0   3 −2   −7 4 
EXERCÍCIOS
Resolução (cont.):
2  2 1  2 1  3 2 
5.4 A = A × A =     = 
 −1 0  −1 0   −2 −1
3
5.5 Não é possível calcular B porque B não é quadrada.
1 2
 1 −1 0     −2 −2 
5.6 BC =   3 4 =

 −1 2 3  −1   2 6 
 0 

EXERCÍCIOS
 2 1 1 0 
6. Averigue se A =   e B=  são permutáveis.
 −1 0   0 −1
Resolução:
2 1  1 0 2 −1
AB =  =
 −1 0  0 
−1  −1 0 
1 0  2 1 2 1
BA= =
0 −1  −1 
0  1 0 
A B ≠ B A ⇒ A e B não são permutáveis.

EXERCÍCIOS
7. Considere
0 se i < j
A =  ai j  : ai j = i j , B = bi j  : bi j = 
i , j =1,2,3 i , j =1,2,3
1 se i ≥ j
e C = AB.
Soma dos produtos
Calcule c32 . dos elementos da 3ª
linha de A pela 2ª
Resolução: coluna de B.
3
c32 = ∑ a3 k bk 2 = a31b12 + a32b22 + a3 3b32
k =1
= ( 3 × 1) × 0 + ( 3 × 2 ) × 1 + ( 3 × 3) × 1
= 15
SUMÁRIO
Álgebra Linear (cont.)
● Sistemas de Equações Lineares

– Equação Linear
– Classificação de Sistemas
– Sistemas e Equações Matriciais
– Resolução de Sistemas pelo Método de Gauss-
Jordan

EQUAÇÃO LINEAR
Definição:
Equação linear é uma expressão da forma
a1 x1 + a2 x2 + a3 x3 + ... + an xn = b
x1 , x2 ,… , xn − incógnitas
a1 , a2 ,… , an − coeficientes das incógnitas
b − termo independente
Solução da equação é uma sequência ordenada de n
valores que colocados no lugar das incógnitas transformam
a equação numa proposição verdadeira.

SISTEMA DE EQUAÇÕES LINEARES
Definição:
Sistema de equações lineares – é um conjunto de equações
lineares que pode ser representado na forma
a11 x1 + a12 x2 + a13 x3 + ... + a1n xn = b1
a x + a x + a x + ... + a x = b
 21 1 22 2 23 3 2n n 2

... ... ... ... ...
am1 x1 + am 2 x2 + am3 x3 + ... + amn xn = bm
x1 , x2 ,… , xn − incógnitas
aij − coeficientes das incógnitas
bi − termos independentes
Solução do sistema é uma sequência ordenada de n valores
que colocados no lugar das incógnitas transformam todas as
equações em proposições verdadeiras.
SISTEMAS DE EQUAÇÕES LINEARES – APLICAÇÃO
Um banco possui 3 fontes principais de rendimento: crédito

comercial, crédito automóvel e crédito imobiliário.
Uma percentagem de cada tipo de rendimento foi
disponibilizada para fundos de capital de risco em 2001, 2002 e
2003. Essa percentagem, sendo diferente para cada tipo de
rendimento, manteve-se fixa ao longo dos anos.
Nas Tabelas 1 e 2 apresentam-se, respetivamente, os
rendimentos provenientes dos 3 tipos de crédito, em milhares
de euros, e o capital de risco disponibilizado, nos anos de 2001
a 2003.
Pretende determinar-se a percentagem com que cada área
contribuiu para o capital de risco disponível.
[Problema adaptado de Harshbarger, p. 25]
Crédito Crédito Crédito

Ano
Comercial Automóvel Imobiliário
2001 60 20 52
2002 48 15 64
2003 55 18 64
Tabela 1 – Receitas do Crédito
Capital de
Ano
Risco
2001 46.6
2002 45.24
2003 47.55
Tabela 2 – Capital de Risco disponível

Sejam
x = fração de crédito comercial
y = fração de crédito automóvel
z = fração de crédito imobiliário
Então, o problema a resolver é
60 x + 20 y + 52 z = 46.6

48 x + 15 y + 64 z = 45.24
55 x + 18 y + 64 z = 47.55

A solução é ( x, y, z ) = ( 0.45,0.2,0.3)

CLASSIFICAÇÃO DE SISTEMAS DE EQUAÇÕES LINEARES
Sistemas
Possíveis
Indeterminados
Determinados
(solução não
(solução única)
única)
Impossíveis
(não têm
solução)
SISTEMA POSSÍVEL DETERMINADO – EXEMPLO
x − 4 y = 2
1. Determine o conjunto-solução do sistema 
2 x − 6 y = 5
  x=4
x − 4 y = 2 x = 2 + 4 y  ____ 
 ⇔ ⇔ ⇔ 1
2 x − 6 y = 5 2 ( 2 + 4 y ) − 6 y = 5 2 y = 1  y =
 2
 1  
S =  4,  
 2  

SISTEMA POSSÍVEL INDETERMINADO – EXEMPLO
x − 4 y = 2
2 x − 8 y = 4
x − 4 y = 2 x = 2 + 4 y x = 2 + 4 y
 ⇔ ⇔
2 x − 8 y = 4 2 ( 2 + 4 y ) − 8 y = 4 0 y = 0
Condição
S = {( 2 + 4 y, y ) : y ∈ ℝ} Universal

SISTEMA IMPOSSÍVEL – EXEMPLO
x − 4 y = 2
2 x − 8 y = 5
x − 4 y = 2 x = 2 + 4 y  ____
 ⇔ ⇔
 2 x − 8 y = 5  2 ( 2 + 4 y ) − 8 y = 5 0 y = 1
Equação
S =∅ Impossível

SISTEMAS E EQUAÇÕES MATRICIAIS
Considere novamente o sistema relativo ao investimento em

fundos de capital (slide 6).
60 x + 20 y + 52 z = 46.6

48 x + 15 y + 64 z = 45.24
55 x + 18 y + 64 z = 47.55

Sejam
 60 20 52  x  46.6 
A =  48 15 64  X =  y B =  45.24 
     
 55 18 64  z   47.55 
     

Então, o sistema é equivalente à equação matricial
 60 20 52   x   46.6 
 48 15 64   y  =  45.24 
    
 55 18 64   z   47.55 
    
ou seja, AX = B
cuja solução é, como vimos,

 0.45  fração de crédito comercial
X =  0.2  fração de crédito automóvel
 
 0.3 
  fração de crédito imobiliário

Para um sistema de m equações lineares e n incógnitas:

a11 x1 + a12 x2 + a13 x3 + ... + a1n xn = b1
a x + a x + a x + ... + a x = b
 21 1 22 2 23 3 2n n 2
 ⇔ AX = B
, ... ... ... ... ...
am1 x1 + am 2 x2 + am3 x3 + ... + amn xn = bm
 a11 a12 ... a1n   x1   b1 
a    b 
a22 ... a2 n x2  2
A=  21  X=   B =
 ... ... ... ...   ...   ... 
a    b 
 m1 am 2 ... amn   xn   m
Matriz dos coeficientes Matriz das Matriz dos termos

incógnitas independentes
MATRIZ COMPLETA OU AUMENTADA
 a11 a12 ... a1n b1 

a a22 ... a2 n b2 
AX = B →  21 
 ... ... ... ... … 
a am 2 ... amn bm 
 m1
Exemplo:
x − 4 y = 2 1 −4 2 
 → 
 2 x − 6 y = 5  2 −6 5 

1) Podemos usar matrizes para resolver sistemas realizando

sobre as linhas da matriz completa as mesmas operações
que se usam nos sistemas sobre as equações.
2) A única operação que é possível realizar sobre colunas, é

a troca (à exceção da dos termos independentes) pois
corresponde a uma troca da ordem das incógnitas. Neste
caso, devemos anotar essa troca, acrescentando à matriz
dos coeficientes uma linha com o nome das incógnitas.

OPERAÇÕES ELEMENTARES
Definição:
Operações elementares sobre linhas de uma matriz são
operações que transformam a matriz dada numa matriz de um
sistema equivalente ao sistema inicial.
Sistemas Matrizes
Trocar a ordem das equações i e j Trocar as linhas i e j: li ↔ l j
Multiplicar uma equação i por um Multiplicar uma linha i por um

número real k não nulo número real k não nulo: li′ = k li
Substituir uma linha i pela sua

Substituir uma equação i pela sua
soma com outra linha j
soma com outra equação j
multiplicada por uma
multiplicada por uma constante
constante: li′ = li + k l j

OPERAÇÕES ELEMENTARES – EXEMPLO
x − 4 y = 2 1 −4 2  1 −4 2 
 →  ~   ~1
2 x − 6 y = 5  2 −6 5  l2′ =l2 −2l1 0 2 1  l2′ = 2 l2
 2  4  x = 4
 1 −4   1 0  
~ 1 l′ =l~+ 4l 1 → 1
0 1  1 1 2 0 1  y =
 2  2  2

MÉTODO DE GAUSS-JORDAN
O método de Gauss-Jordan usa as operações sobre linhas

para reduzir a matriz dos coeficientes Am×n a uma matriz que
contenha uma matriz identidade I p , p ≤ min ( m, n) , da maior
ordem possível, conforme se mostra.
 1 0 ⋯ 0 * * ⋯ * b1′ 
 0 1 ⋯ 0 * * ⋯ * b′ 
 2 
 a11 a12 ... a1n b1  ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ 

a a22 ... a2 n b2   0 0 0 1 * * ⋯ * b′ 
 21
 ... ... ... ... … 
 → 
0 0 0 0 0
p 
⋯ 0 b′p +1 
a  
 m1 am 2 ... amn bm   0 0 0 0 0 ⋯ 0 0 
⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯
 
 0 0 0 0 0 ⋯ 0 0 

MÉTODO DE GAUSS-JORDAN
 1 0 ⋯ 0 * * ⋯ * b1′ 
 0 1 ⋯ 0 * * ⋯ * b′ 
 2 
 a11 a12 ... a1n b1  ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ 

a a22 ... a2 n b2   0 0 0 1 * * ⋯ * b′ 
 21
 ... ... ... ... … 
 → 
0 0 0 0 0
p 
⋯ 0 b′p +1 
a  
 m1 am 2 ... amn bm   0 0 0 0 0 ⋯ 0 0 
⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯
 
0 0 0 0 0 ⋯ 0 0 
Se b′p +1 ≠ 0 ⇒ Sistema Impossível

p = n ⇒ Sistema Possível e Determinado
Se b′p +1 = 0
p < n ⇒ Sistema Possível e Indeterminado
(grau de indeterminação n – p)

MÉTODO DE GAUSS-JORDAN – EXEMPLO
x + y − z = 1 1 1 −1 1 1 1 −1 1
 
2 x − y + 2 z = 9 ⇒  2 −1 2 9  ' ~ 0 −3 4 7
 l2 =l2 −2l1  
2 y = − x + z
 1 2 −1 0  l3' =l3 −l1 0 1 0 −1
1 1 −1 1  1 1 −1 1  1 1 −1 1 
~ 0 1 0 −1 ' ~ 0 1 0 −1 ~1 0 1 0 −1
l2 ↔l3   l3 =l3 +3l2   l3' = l3  
0 −3 4 7  0 0 4 4  4 0 0 1 1 
1 1 0 2  1 0 0 3   x = 3
    
~ 0 1 0 −1 ' ~ 0 1 0 −1 ⇒  y = −1
l1 =l1 +l3 
'  l1 =l1 −l2  
0 0 1 1  0 0 1 1   z = 1
S = {( 3, − 1,1)} Sistema Possível e Determinado

2 x − y = 8  2 −1 8  1 1 −1
 2 1 4  ~ 2 1 4  ~
 y + 2 x = 4 ⇒
  l1 ↔l3  
 x + y = −1 1 1 −1
    2 −1 8 
1 1 −1 1 1 −1  ___
    
~ 0 −1 6 ' ~ 0 1 −6 ⇒  ___
l2 =l2 − 2 l1 
'  l2 =− l2  
l3' =l3 − 2 l1  0 − 3 10  l3' =l3 −3l2  0 0 −8  0 = −8 → Prop.Falsa
    
S =∅ Sistema Impossível

x + y − z = 0 1 1 −1 0  1 1 −1 0 
 ⇒ ~ 
2 x − y + 2 z = 0  2 −1 2 0  l2 =l2 −2l1  0 −3 4 0 
 '
 1   1
1 1 −1 0  1 0 0  x = − z
3  3
~1  4  ~  ⇒
 
l2' =− l2  0 1 − 0  l1 =l1 −l2  4 4
'
3  3  0 1 − 0   y= z
 3   3
 1 4   Sistema Possível e Indeterminado

S =  − z , z , z  : z ∈ ℝ  (grau de indeterminação = 1)
 3 3  

Faça a discussão do sistema em função do parâmetro a ∈ ℝ.

 x + y − z = −2

2 x − y + 2 z = 9
 x + ay − z = −3
 x z y x z y
 1 1 −1 −2   1 −1 1 −2   1 −1 1 −2 
 2 −1 2 9  ~  2 2 −1 9  ~ 0 4 −3 13 
  c3 ↔c2   l2' =l2 − 2l1  
 1 a −1 −3  1 −1 a −3 l3' =l3 −l1 0 0 a − 1 −1
1 −1 1 −2 
• a = 1 ⇒ 0 4 −3 13  ⇒ S. I.
0 0 0 −1
• a ≠ 1 ⇒ S. P. D.
SUMÁRIO

● Inversa de uma matriz quadrada
– Definição
– Propriedades
– Determinação da matriz inversa usando
condensação
● Equações matriciais

INVERSA DE UMA MATRIZ QUADRADA
Definição:
Chama-se matriz inversa da matriz quadrada A de ordem n,

à matriz que multiplicada por A, à esquerda e à direita, dá a
matriz identidade da mesma ordem.
A matriz inversa, quando existe, representa-se por A−1 .
AA−1 = A−1 A = I

PROPRIEDADES DA MATRIZ INVERSA
Sendo A e B matrizes quadradas da mesma ordem, tem-se:
−1 −1
(1) (A ) =A
−1 1
(2) ( kA ) = A−1 , k ∈ ℝ \ {0}
k
−1
(3) ( A B ) = B −1 A−1
−1 T T −1
(4) (A ) = (A ) = A− T
−1
Observação: ( ) −1 −1
A + B ≠ A + B

DETERMINAÇÃO DE A-1 POR CONDENSAÇÃO
Seja A uma matriz quadrada e designemos a sua inversa por X.
Então AX = I, ou seja,
 a11 a12 ⋯ a1n   x11 x12 ⋯ x1n  1 0 ⋯ 0
a a22 ⋯ a2 n   x21 x22 ⋯ x2 n   0 1 ⋯ 0 
 21 =
 ⋮ ⋮ ⋮  ⋮ ⋮ ⋮  ⋮ ⋮ ⋮
    
 an1 an 2 ⋯ ann   xn1 xn 2 ⋯ xnn   0 0 ⋯ 1
Determinar X equivale a resolver os n sistemas de equações seguintes:
 a11 a12 ⋯ a1n   x11  1   a11 a12 ⋯ a1n   x1n  0 
a a22 ⋯ a2 n   x21  0  a a22 ⋯ a2 n   x2 n  0 
 21 =   ⋯  21 = 
 ⋮ ⋮ ⋮   ⋮  ⋮   ⋮ ⋮ ⋮   ⋮  ⋮ 
         
 an1 an 2 ⋯ ann   xn1  0   an1 an 2 ⋯ ann   xnn  1 

 a11 a12 ⋯ a1n | 1 
Todos os sistemas têm a mesma
a a22 ⋯ a2 n | 0 
 21 matriz de coeficientes A, o que
 ⋮ ⋮ ⋮ | ⋮
  varia é a matriz dos termos
 an1 an 2 ⋯ ann | 0 
independentes (colunas de I)
 a11 a12 ⋯ a1n | 0 
a a22 ⋯ a2 n | 1 
Podemos resolver os sistemas
 21 simultaneamente, escrevendo
 ⋮ ⋮ ⋮ | ⋮
  a matriz ampliada [ A I ] :
 an1 an 2 ⋯ ann | 0 
⋮  a11 a12 ⋯ a1n 1 0 ⋯ 0
a a22 ⋯ a2 n 0 1 ⋯ 0 
 a11 a12 ⋯ a1n | 0   21
a a22 ⋯ a2 n | 0   ⋮ ⋮ ⋮ ⋮ ⋮ ⋯ ⋮
 21  
 ⋮ ⋮ ⋮ | ⋮  an1 an 2 ⋯ ann 0 0 ⋯ 1
 
 an1 an 2 ⋯ ann | 1 
Realizando operações elementares sobre as linhas da matriz
ampliada [ A I ] , conseguimos resolver simultaneamente os
n sistemas, obtendo
1 0 ⋯ 0 a11
′ ′ ⋯ a1′n 
a12
 0 1 ⋯ 0 a′ ′ ⋯ a2′ n 
a22
 21 
⋮ ⋮ ⋮ ⋮ ⋮ ⋯ ⋮ 
 0 0 ⋯ 1 a′ ′ 
an′ 2 ⋯ ann
 n1
Solução do 1º sistema Solução do n-ésimo sistema

−1 −1
– coluna 1 de A – coluna n de A
 a11
′ a12
′ … a1′n 
 a′ a′ … a2′ n 
Assim, A−1 =  
21 22
⋯ ⋯ ⋱ ⋯
 a′ a′ ′ 
… ann
 n1 n 2
RESUMINDO
−1
Para encontrar A usando o método de Gauss-Jordan
(condensação):
• escreve-se [A I]
• aplicam-se (unicamente) operações elementares às linhas
de  A I  até se obter  I A−1 
   
Observações:
1. Se neste processo não se obtiver I n do lado esquerdo (n = ordem de A)
−1
então não existe A .
2. Também é possível aplicar (unicamente) operações elementares sobre
 A
colunas. Neste caso parte-se de   .
I 
INVERSA POR CONDENSAÇÃO – EXEMPLO
1 2 0 
A = 1 0 1  ⇒ A−1 = ?
 
1 1 0 
1 2 0 1 0 0  1 2 0 1 0 0
[ A I ] = 1 0 1 0 1 0  l′ =l~−l  0 −2 1 −1 1 0

2 2 1
1 1 0 0 0 1  l´3 =l3 −l1  0 −1 0 −1 0 1 
 1 2 0 1 0 0 1 2 0 1 0 0
~ 0 1 0 1 0 −1 ~  0 1 0 1 0 −1
l2 ↔− l3   l´3 =l3 + 2l2  
 0 −2 1 −1 1 0   0 0 1 1 1 −2 
 1 0 0 −1 0 2   1 0 0 −1 0 2 
~ 0 1 0 1 0 −1 ~  0 1 0 1 0 −1
l ´1 =l1 − 2 l2    
0 0 1 1 1 −2   0 0 1 1 1 −2 
A−1
INVERSA POR CONDENSAÇÃO – EXEMPLO
2 2
B=  ⇒ B −1
=?
1 1 
2 2 1 0 1 1 0 1 
[ B I ] = 1  ~   ~
 1 0 1  l1 ↔l2  2 2 1 0  l2′ =l2 −2l1
1 1 0 1 −1
~ Não existe B
0 0 1 −2 
1 1 0  1 1 1 
Observação: Qualquer dos sistemas associados   e  
 0 0 1   0 0 −2 
é impossível.

EQUAÇÕES MATRICIAIS
As propriedades referidas anteriormente permitem resolver

as equações matriciais.
Exemplo: AX + B = C ⇔ AX = C − B
AX + B = C ⇔ A-1 ( AX ) = A-1 (C − B)
AX + B = C ⇔ ( A-1 A) X = A-1 (C − B)
-1
AX + B = C ⇔ I X = A (C − B)
AX + B = C ⇔ X = A-1 (C − B)

EXERCÍCIOS
1. Determine, caso exista, a inversa de cada uma das matrizes

 1 1 1
   1 2
A= 1 0 1 e B= 
   −2 2 
 2 1 2 
Resolução:
1 1 1 1 0 0  1 1 1 1 0 0
[ A | I ] =  1 0 1 0 1 0  ~ 0 −1 0 −1 1 0  ~
 l2′ =l2 −l1   l3′ =l3 −l2
 2 1 2 0 0 1 l3′ =l3 −2l10 −1 0 −2 0 1
1 1 1 1 0 0
0 −1 0 −1 1 0  A−1
  Não existe
0 0 0 −1 −1 1

EXERCÍCIOS
 1 2 1 0 1 2 1 0
[B | I ] =   ~   ~
 −2 2 0 1 l2 =l2 + 2l10 6
′ 2 1 l1 =3l1 −l2
′
 1 1
 1 0 − 
 3 0 1 −1 3 3
0 6 2 1 ′ ~1  
  l1 = 3l1 0 1 1 1
l2′ = l2 
 6 
1
6
3
1 1
 − 
−1 3 3
∴ B = 
1 1
 3 6 
EXERCÍCIOS
2. Resolva em ordem a X as equações matriciais:

2.1 A X = B
T −1
T −1
2.2 A X = A ( )
Resolução:
2.1 A X = B ⇔ A−1 A X = A−1 B ⇔ IX = A−1B ⇔ X = A−1 B
−1
2.2 A X T −1
= (A T
) ⇔ AT X −1 = A−T
⇔ A−T AT X −1 = A−T A−T
⇔ I X −1 = A−2T
−1 −1 −2T −1
⇔ (X ) = (A ) ⇔ X = A2T
SUMÁRIO
● Determinantes
– Introdução
– Teorema de Laplace
– Propriedades dos determinantes

DETERMINANTE DE UMA MATRIZ QUADRADA
A toda matriz quadrada An×n de elementos reais está

associado um único número real chamado determinante da
matriz A.
O determinante da matriz An×n representa-se por det(A) ou |A|
e diz-se de ordem n.
Vamos mostrar, de seguida, como se calcula |A|.

DETERMINANTE DE UMA MATRIZ DE ORDEM 1
Se A = [a] então det( A) = a
Exemplo:
A = [ 2] B = [ −3]
det( A) = 2 det( B) = −3

a b  a b
Se A =   então | A |= = ad −bc
c d  c d
Exemplo:
5 3
= 20 − 6 = 14
2 4

Regra de Sarrus - Para calcular um determinante de ordem 3,

começa-se por acrescentar as duas primeiras linhas para baixo
(ou as duas primeiras colunas para a direita) e calcula-se
conforme o esquema:
a11 a12 a13

a21 a22 a23 = a11a22 a33 + a21a32 a13 + a31a12 a23 −
a31 a32 a33
a11 a12 a13
a21 a22 a23 − ( a31a22 a13 + a11a32 a23 + a21a12 a33 )

REGRA DE SARRUS – EXEMPLO
1 2 3
4 5 6 = 45 + 96 + 84 − (105 + 48 + 72 ) = 0
7 8 9
1 2 3
4 5 6

DETERMINANTE DE UMA MATRIZ DE ORDEM n
(n > 1) – CONCEITOS PRELIMINARES
Definição:
Sendo A um determinante de ordem n, chama-se menor
complementar M ij do elemento aij , ao determinante de
ordem n − 1 que se obtém a partir de A suprimindo a linha
i e a coluna j.
Exemplo:
a22 a23
a11 a12 a13 M 11 = = a22 a33 − a32 a23
a32 a33
A = a21 a22 a23
a11 a13
a31 a32 a33 M 22 = = a11a33 − a31a13
a31 a33
(n > 1) – CONCEITOS PRELIMINARES
Definição:
Chama-se complemento algébrico Aij do elemento aij , ao
i+ j
produto do menor complementar M ij por ( −1) :
i+ j
Aij = ( −1) M ij
Exemplo:
2+3
 1 2 3 A23 = ( −1) M 23

A = −1 −4 −2  1 2
  = −1
 3 1 0  3 1
= −1(1 − 6 ) = 5

(n > 1) – TEOREMA DE LAPLACE
Teorema de Laplace:
O valor de um determinante é igual à soma dos produtos dos
elementos de uma fila qualquer (linha ou coluna) pelos
respectivos complementos algébricos.
Simbolicamente, se
A =  ai j 
i , j =1,..., n
então
n
* A = ∑ ai c Ai c (desenvolvimento de Laplace segundo a coluna c)

i =1
n
* A = ∑ al j Al j (desenvolvimento de Laplace segundo a linha l)
j =1

TEOREMA DE LAPLACE – EXEMPLO
 −1 0 2 3
 1 2 −1 0
Seja A =   . Calcule det(A) usando o
 2 0 0 0
 1 
3 −2 
 1
desenvolvimento de Laplace segundo a:
(a) primeira coluna
(b) terceira linha

(a) Desenvolvimento de Laplace segundo a primeira

coluna
4 4
A = ∑ ai1 Ai1 = ∑ ai1 ( −1) M i1
i +1
i =1 i =1
1+1 2+1 3+1 4 +1
= ( −1)( −1) M 11 + 1( −1) M 21 + 2 ( −1) M 31 + 1( −1) M 41
2 −1 0 0 2 3 0 2 3 0 2 3
= −1 0 0 0 −1 0 0 0 +2 2 −1 0 −1 2 −1 0
1 3 −2 1 3 −2 1 3 −2 0 0 0
= 0 − 0 + 2 × 29 − 0
= 58

(b) Desenvolvimento de Laplace segundo a terceira linha

4 4
A = ∑ a3 j A3 j = ∑ a3 j ( −1)
3+ j
M3 j =
j =1 j =1
3+1 3+ 2 3+3 3+ 4
= 2 ( −1) M 31 + 0 ( −1) M 32 + 0 ( −1) M 33 + 0 ( −1) M 34
0 2 3
=2 2 −1 0 + 0 + 0 + 0
1 3 −2
= 2 × 29
= 58
Observação: É mais eficiente aplicar o Teorema de Laplace à fila que
contém maior número de zeros.

PROPRIEDADES DOS DETERMINANTES
(1) É nulo o determinante que tem uma fila de zeros.

2 −1 0
0 0 0 =0
1 3 −2
(2) É nulo o determinante com duas filas paralelas iguais.
2 −1 1
0 1 0 =0
2 −1 1
(3) É nulo o determinante com duas filas paralelas
proporcionais.
1 2
=0 ( l2 = 2l1 )
2 4

(4) São iguais os determinantes associados a matrizes

transpostas
AT = A
(5) Se A e B são duas matrizes quadradas de ordem n então
|AB| = |A| |B|
Exemplo:
5 1 7 1 1 7 5 7 64  5 7 64
A = 0 1 9  B = 0 2 1  ⇒ AB = 0 2 37  ⇒ AB = 0 2 37 = 200
     
0 0 5   0 0 4  0 0 20  0 0 20
5 1 7 1 1 7
A= 0 1 9 = 25 B = 0 2 1 =8 ⇒ A B = 25 × 8 = 200
0 0 5 0 0 4

(6) Se multiplicarmos todos os elementos de uma fila por uma

constante, o valor do determinante vem multiplicado por
essa constante.
Exemplos:
1. 5 1 7 1 1 7
10 0 9 = 5 2 0 9
15 0 5 3 0 5
2.
x x x 1 x x 1 1 x x 1 1
0 2 2x −3 x 0 2 2 −3 x 0 2 2 −3 x
=x = 20 x
1 5 8x −1 1 5 8 −1 1 5 8 −1
20 40 60 x 80 20 40 60 80 1 2 3 4

(7) Quando se trocam entre si duas filas paralelas, o

determinante muda de sinal.
Exemplo:
5 1 7 1 5 7
2 0 9 =− 0 2 9
6 0 5 C ↔C 0 6 5
1 2

(8) Se uma matriz quadrada A, de ordem n, for multiplicada

por uma constante k , então o seu determinante vem
n
multiplicado por k :
k A = kn A
Exemplo:
2 2 2 2 1 1 1 1 1 1 1 1
6 2 2 4 3 1 1 2 3 1 1 2
= 2  = 24
2 8 8 2 1 4 4 1 1 4 4 1
1 2 3 4 
2 4 6 8  1 2 3 4

(9) Somando aos elementos de uma fila, os elementos

homólogos de outra fila paralela multiplicada por uma
constante, o valor do determinante permanece inalterável.
Exemplo:
1 1 1 1 1 1 1 1
1 2 2 −3 0 1 1 −4
=
1 5 8 −1 0 4 7 −2
l2′ =l2 −l1
2 4 6 8 l3′ =l3 −l1
0 2 4 6
l4′ =l4 − 2 l1

(10) O determinante associado a uma matriz triangular é

igual ao produto dos elementos da diagonal principal.
Exemplo:
2 1 1 1
0 5 1 −4
= 2 × 5 × 3 × 10 = 300
0 0 3 −2
0 0 0 10
−1 −1 1
(11) Se A ≠ 0 então A = A =
A

MATRIZES REGULARES E SINGULARES
Definição:
Matriz regular é uma matriz que tem inversa e matriz singular
é uma matriz que não tem inversa.
Teorema:
Uma matriz A é regular se e só se A ≠ 0.
1 1 1 
Exemplo: A matriz  1 2 3  é regular?
 
 2 4 6 
1 1 1 1 1 1 1 1 1
1 2 3 =0 1 2 = 0 1 2 = 0. A matriz é singular
2 4 6 l2′ =l2 −l1 0 2 4 l3' =l3 − 2 l2
0 0 0
l3′ =l3 − 2 l1
MATRIZES REGULARES E SINGULARES – EXEMPLO
k 1 1 
Determine k ∈ ℝ de modo que A =  1 k 1  seja regular.
 
 1 1 k 
Resolução:
k 1 1 0 1− k 1− k2 0 1 1+ k
A=1 k 1 = 0 k − 1 1 − k = (1 − k )(k − 1) 0 1 −1 =
1 1 k l1′ =l1 −kl3 1 1 k 1 1 k
l2′ =l2 −l3
1 4 1+ k
= −(k − 1) ( −1)
2
=
1 −1
= (k − 1) 2 (2 + k )
A regular ⇔ | A | ≠ 0 ⇔ ( k − 1) 2 (2 + k ) ≠ 0 ⇔ k ≠ 1 ∧ k ≠ −2

EXERCÍCIOS
1. Calcule os determinantes:
1 1 −1
2 −1
1.1 1.2 0 2 3
−2 −3
2 −1 1
Resolução:
2 −1
1.1 = 2 ( −3) − ( −2 )( −1) = −6 − 2 = −8
−2 −3
1 1 −1
1.2 0 2 3 = 1× 2 × 1 + 0 + 2 ×1× 3 −
2 −1 1 − ( 2 × 2 × ( −1) + 1 × ( −1) × 3 + 0 ) = 15
1 1 −1
0 2 3
EXERCÍCIOS
2. Calcule, aplicando o Teorema de Laplace:

1 1 −1 2 0 2 0
2.1 0 2 3 2.2 2 4 0 −2
2 −1 1 1 −3 2 1
−1 0 0 0
Resolução:
1 1 −1
2 2 3 4 1 −1
2.1 0 2 3 = 1( −1) + 0 + 2 ( −1)
−1 1 2 3
2 −1 1
= 2 + 3 + 2(3 + 2) = 15

EXERCÍCIOS
2 0 2 0
0 2 0
2 4 0 −2
2.2 = −1( −1) 4
5
0 −2
1 −3 2 1
−3 2 1
−1 0 0 0
3 4 −2
= 2 ( −1) = −2 ( 4 − 6 )
−3 1
=4

EXERCÍCIOS
x 0 0 0
3. Mostre que
0 0 0 x 4
=x
0 x 0 0
0 0 x 0
Resolução:
x 0 0 0
0 0 x
0 0 0 x 2 4 x 0
= x ( −1) x 0 0 = x x ( −1) 2 2
=x x =x 4
0 x 0 0 0 x
0 x 0
0 0 x 0

EXERCÍCIOS
4. Indique qual a propriedade dos determinantes que justifica

cada uma das igualdades:
0 1 4 3 −6 4
4.1 2 1 8 =0 4.2 2 −4 0 = 0
0 0 0 3 −6 5
3 1 4 3 1 4 3 2 7
4.3 2 1 0 = 0 4.4 2 5 6=1 5 0
3 1 4 7 0 0 4 6 0

EXERCÍCIOS
Resolução:
4.1 Prop. (1) – o determinante tem uma fila de zeros
4.2 Prop. (3) – o determinante tem filas proporcionais

( c2 = −2c1 )
4.3 Prop. (2) – o determinante tem duas filas iguais ( l3 = l1 )
4.4 Prop. (4) – são determinantes de matrizes transpostas

EXERCÍCIOS
x y z
5. Sabendo que 2 1 0 = 2, qual o valor de:
3 1 4
x y z 3x 3 y 3z
5.1 3 1 4 5.2 6 3 0
2 1 0 9 3 12
x y z 2 x + 2 2 y + 1 8z
5.3 2 x + 2 2 y + 1 2z 5.4 2 1 0
x−3 y −1 z−4 3 1 16
EXERCÍCIOS
Resolução:
x y z x y z
5.1 3 1 4 = − 2 1 0 = −2
2 1 0 l ↔l 3 1 4
2 3
3x 3 y 3z x y z
5.2 6 3 0 1 = 33 2 1 0 = 33 × 2 = 54
l1′ = l1
9 3 12 l′ =31 l 3 1 4
2 2
3
1
l3′ = l3
3

EXERCÍCIOS
x y z x y z
5.3 2x + 2 2 y + 1 2z = − 2 1 0 = −2
x−3 y −1 z − 4 l2′ =l2 −2l1 3 1 4
l3′ = − l3 +l1
2 x + 2 2 y + 1 8z 2x 2 y 8z
5.4 2 1 0 = 2 1 0
3 1 16 l ′ =l −l 3 1 16 l ′ = 1 l
1 1 2 1 1
2
x y 4z x y z
=22 1 0 = 2 × 4 2 1 0 = 8 × 2 = 16
3 1 16 c′ = 1 c 3 1 4
3 3
4
EXERCÍCIOS
6. Considere o determinante
1 0 1 1
1 2 0 −1
∆=
1 −3 2 1
−1 0 0 0
6.1 Aplicando as operações elementares, transforme-o
num determinante de uma matriz triangular.
6.2 Calcule o seu valor.

EXERCÍCIOS
Resolução:
1 0 1 1 1 0 1 1
1 2 0 −1 −1 2 0 1
6.1 =−
1 −3 2 1 1 −3 2 1
−1 0 0 0 c ↔c 0 0 0 −1 l2′ =l2 +l1
1 4
l3′ =l3 −l1
1 0 1 1 1 0 1 1
0 2 1 2 10 2 1 2
=− =−
0 −3 1 0 20 0 5 6
0 0 0 −1 l ′ = 2 l + 3 l 0 0 0 −1
3 3 2
1
6.2 ∆ = − × 1 × 2 × 5 ( −1) = 5
2
EXERCÍCIOS
7. Indique, justificando, o valor lógico da proposição:

"Sendo A e B duas matrizes quadradas de ordem 4 tais que
| A |= 2 e | B |= 3 então | − A2 BT B −1 |= 4."
Resolução:
4 2 −1
| − A B B |= ( −1) A B B
2 T −1 2 T −1
= A B B
2 1
= 2 × 3× = 4
3
A proposição é verdadeira.

SUMÁRIO
● Determinantes
– Matriz Adjunta
– Relação entre a matriz adjunta e a inversa
– Aplicação dos determinantes à resolução de
sistemas – Regra de Cramer
António Carvalho Pedrosa e Lurdes Babo Aula 18- Álgebra Linear 1

MATRIZ ADJUNTA
Definição:
Dada uma matriz quadrada A de ordem n, chama-se matriz
adjunta de A, e representa-se por adj(A), à transposta
da matriz dos complementos algébricos.
T
adj ( A ) =  Aij 
Exemplo: a b 
A=  ⇒ adj( A ) = ?
c d 
2 3
A11 = ( −1) d = d A12 = ( −1) c = −c
3 4
A21 = ( −1) b = −b A22 = ( −1) a = a
T
 d −c   d −b 
adj( A ) =   = 
 − b a   − c a 
RELAÇÃO ENTRE A MATRIZ ADJUNTA E A INVERSA DE
UMA MATRIZ
Teorema:
Se A é uma matriz quadrada tal que A ≠ 0 então
1
−1
A = adj( A)
A
Observação:
Como a adjunta de An×n existe sempre, conclui-se que A tem
inversa se e só se A ≠ 0.

MATRIZES REGULARES E SINGULARES
Definição:
Matriz regular é uma matriz que tem inversa e matriz singular
é uma matriz que não tem inversa.
Teorema:
Uma matriz A é regular se e só se A ≠ 0.
1 1 1 
Exemplo: A matriz  1 2 3  é regular?
 
 2 4 6 
1 1 1 1 1 1 1 1 1
1 2 3 =0 1 2 = 0 1 2 = 0. A matriz é singular
2 4 6 l2′ =l2 −l1 0 2 4 l3' =l3 − 2 l2
0 0 0
l3′ =l3 − 2 l1
MATRIZES REGULARES E SINGULARES – EXEMPLO
k 1 1 
Determine k ∈ ℝ de modo que A =  1 k 1  seja regular.
 
 1 1 k 
Resolução:
k 1 1 0 1− k 1− k2 0 1 1+ k
A=1 k 1 = 0 k − 1 1 − k = (1 − k )(k − 1) 0 1 −1 =
1 1 k l1′ =l1 −kl3 1 1 k 1 1 k
l2′ =l2 −l3
1 4 1+ k
= −(k − 1) ( −1)
2
=
1 −1
= (k − 1) 2 (2 + k )
A regular ⇔ | A | ≠ 0 ⇔ ( k − 1) 2 (2 + k ) ≠ 0 ⇔ k ≠ 1 ∧ k ≠ −2

RESOLUÇÃO DE SISTEMAS – REGRA DE CRAMER
Definição:
Um sistema de n equações e n incógnitas, representado na
forma matricial por AX = B é um sistema de Cramer se A ≠ 0.
Teorema:
Um sistema de Cramer é possível e determinado.
Exemplo:
 x1 − x2 = 3  1 −1  x1   3 1 −1
 ⇔    =  | A |= =3≠0
 2 x1 + x2 = 9 

2 1   x2  9 
2 1
A X B
O sistema é de Cramer, logo é possível e determinado.

REGRA DE CRAMER
Seja A uma matriz regular de ordem n. Então a solução do

sistema de Cramer AX = B (n equações e n incógnitas) é
| A1 | | A2 | | A3 | | An |
x1 = , x2 = , x3 = ,… , xn = ,
| A| | A| | A| | A|
em que Ai é a matriz que se obtém de A substituindo a coluna
i da matriz A (i = 1, 2, 3,…, n) por B.
a11 a12 ⋯ b1 ⋯ a1n
a21 a22 ⋯ b2 ⋯ a2 n
Ai =
⋮ ⋮ ⋮ ⋮
an1 an 2 ⋯ bn ⋯ ann
Coluna i
REGRA DE CRAMER – EXEMPLO
 x1 − x2 = 3 1 −1  x1  3
 ⇔    = 
2 x1 + x2 = 9 2 1   x2  9 

A X B
1 −1
A= = 1+ 2 = 3 ≠ 0
2 1
3 −1 1 3
A1 9 1 3+9 A2 2 9 9−6
x1 = = = =4 x2 = = = =1
A 3 3 A 3 3
S = {( 4,1)}

 2 x − 5 y + z = −2
Resolva o sistema indeterminado 
3 x + 2 y − 2 z = 16
Resolução:
Escolhendo x, y como incógnitas principais, obtém-se o sistema
de Cramer
 2 x − 5 y = −2 − z 2 −5
 ⇒ A= = 19
3 x + 2 y = 16 + 2 z 3 2
−2 − z −5 2 −2 − z
A1 = = 8 z + 76 A2 = = 7 z + 38
16 + 2 z 2 3 16 + 2 z
8 z + 76 8 7 z + 38 7
x= = z + 4; y= = z+2
19 19 19 19
 8 7   Sistema Possível e Indeterminado
S =  z + 4, z + 2, z  : z ∈ ℝ  (grau de indeterminação = 1)
 19 19  
x + y + z − t = 1
Resolva o sistema indeterminado 
x + y − 2z = 0
Resolução:
x y
1 1
Como = 0, escolhemos x, z como incógnitas principais:
1 1
x z
x + z = 1− y + t 1 1
 ⇒ A= = −3 ≠ 0
x − 2z = − y 1 −2
1− y + t 1 1 1− y + t
A1 = = 3 y − 2 − 2t A2 = = −1 − t
−y −2 1 −y
3 y − 2 − 2t 2 2 −1 − t 1 1
x= = − y + t; z= = + t
−3 3 3 −3 3 3
 2 2 1 1  
S =  − y + t , y, + t , t  : y, t ∈ ℝ  Sistema Possível e Indeterminado
 3 3 3 3   (grau de indeterminação = 2)
SISTEMAS HOMOGÉNEOS
Definição:
Sistema homogéneo é um sistema em que os termos
independentes são todos nulos.
É representado na forma matricial por AX = O sendo O o
vetor nulo.
Um sistema homogéneo é sempre possível, pode ser

determinado – só admite a solução trivial (ou nula) ( 0, 0, …,0 )
ou indeterminado – admite uma infinidade de soluções (além
da solução trivial).

SISTEMAS HOMOGÉNEOS – EXEMPLOS
Classifique e resolva os sistemas seguintes:
− x + y − z = 0

1.  y + z = 0
2 x + y + z = 0

− x + y + z = 0
2.  y + z = 0

2 x + y + z = 0


Resolução:
− x + y − z = 0

1.  y + z = 0 ⇔ AX = O
2 x + y + z = 0

−1 1 −1 −1 2 −1
−1 2 5
A= 0 1 1 = 0 0 1 = 1( −1) =4
2 0
2 1 1 c′ = c − c 2 0 1
2 2 3
⇒ ( x, y, z ) = ( 0, 0,0 ) porque A1 = A2 = A3 = 0
Sistema Possível e Determinado

− x + y + z = 0

2.  y + z = 0 ⇔ AX = O
2 x + y + z = 0

−1 1 1
A = 0 1 1 = 0 ⇒ Sistema Possível e Indeterminado
2 1 1
Sendo o sistema homogéneo, podemos ignorar uma das
equações. Escolhendo x, y como incógnitas principais, obtém-se
o sistema de Cramer  − x + y = − z −1 1
 ⇒ A2×2 = = −1 ≠ 0
 y = −z 0 1
− x + y = − z −1 1
 ⇒ A2×2 = = −1 ≠ 0
 y = −z 0 1
−z 1 −1 − z
A1 = =0 A2 = =z
−z 1 0 −z
z
x=0 y= = −z
−1
S = {( 0, − z , z ) : z ∈ ℝ}
Sistema Possível e Indeterminado
(grau de indeterminação = 1)

EXERCÍCIOS
 0 −2 2   2 2 4
   
1. Seja que A =  1 −2 0  e adj( A ) =  x 2 2  . Calcule:
 −1 2 −1  0 2 2 
1.1 A , aplicando o Teorema de Laplace à coluna j = 1 e
usando a matriz adj( A )
−1
1.2 A
Resolução:
3
1.1
A = ∑ ai1 Ai1
i =1
A = 0 × 2 + 1 × 2 − 1 × 4 = −2

EXERCÍCIOS
2 x 0
= 2 2 2
T
1.2 adj( A) =  Ai j  ⇒  Ai j 
i , j =1, 2,3 i , j =1, 2,3  
 4 2 2 
3 1 0
x = A12 = ( −1) M 12 = − =1
−1 −1
2 2 4
A = adj( A) ⇒ A = − 1 2 2 
−1 1 −1 1
A 2 
 0 2 2 

EXERCÍCIOS
1 0 4k 0
k 0 1 0
2. Determine k ∈ ℝ de forma que B =   seja
regular. 1 1 k 0
k 2k 
 3 1
Resolução:
1 0 4k 0
1 0 4k
k 0 1 0 8
B regular ⇔ ≠ 0 ⇔ 2k ( −1) k 0 1 ≠0
1 1 k 0
1 1 k
k 3 1 2k

EXERCÍCIOS
1 4k
≠ 0 ⇔ −2k (1 − 4k 2 ) ≠ 0
5
⇔ 2k ( −1)
k 1
1 1
⇔ −2k (1 − 2k )(1 + 2k ) ≠ 0 ⇔ k ≠ 0 ∧ k ≠ ∧ k ≠ −
2 2
 1 1
k ∈ ℝ \  − ,0, 
 2 2

EXERCÍCIOS
x + y + z = 2

3. Verifique se o sistema  x + y + z = 1 é de Cramer e resolva-o.
2 x + 2 z = 3

Resolução:
m = 3 equações e n = 3 incógnitas.
1 1 1 1 1 0
1 1 6
A3×3 = 0 1 1 = 0 1 0 = 2 ( −1) =2≠0
0 1
2 0 2 c′ = c − c 2 0 2
3 3 2
Logo é um sistema de Cramer.

EXERCÍCIOS
x + y + z = 2 1 1 1

x + y + z = 1 ⇒ A = 0 1 1 = 2
2 x + 2 z = 3 2 0 2

2 1 1 2 1 1
3 −1 0
A1 = 1 1 1 = −1 0 0 = ( −1) =2
3 2
3 0 2 l ′ =l 3 0 2
2 2 −l1
1 2 1 1 1 1
5 1 1
A2 = 0 1 1 = 0 0 1 = ( −1) =1
2 1
2 3 2 c′ = c − c 2 1 2
2 2 3

EXERCÍCIOS
1 1 2 1 1 1
4 1 1
A3 = 0 1 1 = 0 1 0 = ( −1) =1
2 3
2 0 3 c′ = c − c 2 0 3
3 3 2
A1 2
x= = =1
A 2
A2 1  1 1  
y= = S = 1, ,  
A 2  2 2  
A3 1
z= =
A 2
EXERCÍCIOS
2 x + y 2 + 2 z + t = 2
4. Usando a regra de Cramer, resolva 
2 x + y 2 + 2 z − t = 1
2 x + y 2 + 2 z − t = 3

Resolução:
m = 3 equações e n = 4 incógnitas.
x y z
1 1 1 1 1 0
6 1 1
A3×3 = 0 1 1 = 0 1 0 = ( −1) =1≠ 0
0 1
2 1 2 c′ = c − c 2 0 1
3 3 2
Assim, escolhemos para incógnitas principais x, y, z.

EXERCÍCIOS
2 x + y 2 + 2 z + t = 2 2 x + y 2 + 2 z = 2 − t
 
2 x + y 2 + 2 z − t = 1 ⇔ 2 x + y 2 + 2 z = 1
2 x + y 2 + 2 z − t = 3 2 x + y 2 + 2 z = 3 + t
 
2−t 1 1 2−t 1 0
6 2−t 1
A1 = 1 1 1 = 1 1 0 = ( −1)
1 1
3 + t 1 2 c′ =c −c 3+t 1 1
3 3 2
A1 = 2 − t − 1 = 1 − t

EXERCÍCIOS
1 2−t 1 1 2−t 0
5 1 2−t
A2 = 0 1 1 =0 1 1 = ( −1)
2 3+t
2 3+t 2 c′ =c −c 2 3+t 0
2 2 1
A2 = − ( 3 + t − 4 + 2t ) = 1 − 3t
1 1 2−t 1 1 1− t
1 1− t
4
A3 = 0 1 1 =0 1 0 = ( −1)
2 2+t
2 1 3 + t c′ = c − c 2 1 2+t
3 3 2
A2 = 2 + t − 2 + 2t = 3t

EXERCÍCIOS
A1 1 − t
x= = = 1− t
A 1
A2
y= = 1 − 3t
A
A3
z= = 3t
A
S = {(1 − t ,1 − 3t ,3t , t ) : t ∈ ℝ}
Sistema Possível e Indeterminado
(grau de indeterminação = 1)

EXERCÍCIOS
x + y − z = 0

5. Considere sistema  2 x − y + 2 z = 0, a ∈ ℝ
2 y + ax + z = 0

5.1 Para que valores de a o sistema é impossível? Justifique.

5.2 Determine a de modo que o sistema seja possível e
determinado. Encontre, neste caso, a solução do sistema.

EXERCÍCIOS
Resolução:
5.1 O sistema é sempre possível, porque é homogéneo
(termos independentes nulos).
Admite, pelo menos, a solução nula.
1 1 −1
5.2 Sistema possível e determinado ⇔ ∆ = 2 −1 2 ≠ 0
1 1 −1 a 2 1
∆ = 2 −1 2 = −1 − 4 + 2a − a − 4 − 2 = a − 11
a 2 1
∆ ≠ 0 ⇔ a − 11 ≠ 0 ⇔ a ≠ 11
Como o sistema é homogéneo e tem uma única solução,
então a solução é a trivial – solução nula: S = ( 0,0,0 ) { }

Textos Apoio (Capítulo 3)

Enviado por

Dados do documento

Descrição original:

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

Textos Apoio (Capítulo 3)

Enviado por

Direitos autorais:

Formatos disponíveis

Capítulo 3

António Carvalho Pedrosa e Lurdes Babo Aula 14 - Álgebra Linear 1

Ontem, um café do Porto vendeu da parte da manhã 100

António Carvalho Pedrosa e Lurdes Babo Aula 14 - Álgebra Linear 3

C = 0.3 2 6 −1 2  matriz do tipo 1 x 5

António Carvalho Pedrosa e Lurdes Babo Aula 14 - Álgebra Linear 5

 −1 0 2 matriz retangular de ordem ou tipo 2 x 3

António Carvalho Pedrosa e Lurdes Babo Aula 14 - Álgebra Linear 6

Matriz quadrada de ordem n

 a11 a12 ⋯ a1n 

aii − elementos principais da matriz

António Carvalho Pedrosa e Lurdes Babo Aula 14 - Álgebra Linear 7

António Carvalho Pedrosa e Lurdes Babo Aula 14 - Álgebra Linear 8

António Carvalho Pedrosa e Lurdes Babo Aula 14 - Álgebra Linear 9

António Carvalho Pedrosa e Lurdes Babo Aula 14 - Álgebra Linear 10

António Carvalho Pedrosa e Lurdes Babo Aula 14 - Álgebra Linear 11

António Carvalho Pedrosa e Lurdes Babo Aula 14 - Álgebra Linear 13

A soma de duas matrizes da mesma ordem m × n,

 ai j  i =1,2,...,m + bi j  i =1,2,...,m = ci j  i =1,2,...,m : ci j = ai j + bi j

Sejam A, B, C e O matrizes da mesma ordem m × n . Então:

António Carvalho Pedrosa e Lurdes Babo Aula 14 - Álgebra Linear 16

A =  ai j  i =1,2,...,m e k ∈ ℝ então k A =  k ai j  i =1,2,...,m

António Carvalho Pedrosa e Lurdes Babo Aula 14 - Álgebra Linear 17

Sejam A e B matrizes da mesma ordem m × n, e α, β ∈ ℝ.

António Carvalho Pedrosa e Lurdes Babo Aula 14 - Álgebra Linear 18

 c11 c12 c13 

António Carvalho Pedrosa e Lurdes Babo Aula 14 - Álgebra Linear 20

– à direita: ( Bm×n + Cm×n ) An× p = Bm×n An× p + Cm×n An× p

A multiplicação de matrizes não é comutativa AB ≠ BA.

António Carvalho Pedrosa e Lurdes Babo Aula 14 - Álgebra Linear 21

António Carvalho Pedrosa e Lurdes Babo Aula 14 - Álgebra Linear 22

António Carvalho Pedrosa e Lurdes Babo Aula 14 - Álgebra Linear 24

1.1 A é uma matriz de ordem 2 × 4

António Carvalho Pedrosa e Lurdes Babo Aula 14 - Álgebra Linear 25

2. Escreva explicitamente a matriz A =  ai j  tal que

3. Seja D uma matriz diagonal. Determine x, y ∈ ℝ.

António Carvalho Pedrosa e Lurdes Babo Aula 14 - Álgebra Linear 27

4. Determine x, y ∈ ℝ de modo que A = B, sendo:

António Carvalho Pedrosa e Lurdes Babo Aula 14 - Álgebra Linear 28

4.2 Não existem x, y ∈ ℝ nas condições pretendidas.

António Carvalho Pedrosa e Lurdes Babo Aula 14 - Álgebra Linear 29

António Carvalho Pedrosa e Lurdes Babo Aula 14 - Álgebra Linear 30

5.1 A2×2 B2×3 + C3×2 A B é uma matriz do tipo 2 x 3 e C é

António Carvalho Pedrosa e Lurdes Babo Aula 14 - Álgebra Linear 32

A B ≠ B A ⇒ A e B não são permutáveis.

António Carvalho Pedrosa e Lurdes Babo Aula 14 - Álgebra Linear 33

Álgebra Linear (cont.)

● Sistemas de Equações Lineares

António Carvalho Pedrosa e Lurdes Babo Aula 15 - Álgebra Linear 1

António Carvalho Pedrosa e Lurdes Babo Aula 15 - Álgebra Linear 2

Um banco possui 3 fontes principais de rendimento: crédito

Crédito Crédito Crédito

António Carvalho Pedrosa e Lurdes Babo Aula 15 - Álgebra Linear 5

António Carvalho Pedrosa e Lurdes Babo Aula 15 - Álgebra Linear 6

António Carvalho Pedrosa e Lurdes Babo Aula 15 - Álgebra Linear 8

António Carvalho Pedrosa e Lurdes Babo Aula 15 - Álgebra Linear 9

António Carvalho Pedrosa e Lurdes Babo Aula 15 - Álgebra Linear 10

Considere novamente o sistema relativo ao investimento em

António Carvalho Pedrosa e Lurdes Babo Aula 15 - Álgebra Linear 11

Então, o sistema é equivalente à equação matricial

cuja solução é, como vimos,

António Carvalho Pedrosa e Lurdes Babo Aula 15 - Álgebra Linear 12