Noções e operações com matrizes

1
1.1 Matrizes
Definição 1.1.1. Uma matriz é uma tabela de mn números dispostos em m linhas e n
colunas. Dada uma linha i e uma coluna j de uma matriz A, o elemento na posição (i,
j) será denotado por aij . Assim, uma matriz com m × n elementos pode ser escrita na
seguinte forma:  
a11 a12 a13 . . . a1n
 a21 a22 a23 . . . a2n 
 
A= .
 .. .. .. .. 
 .. . . . . 

am1 am2 am3 . . . amn

Uma matriz A também pode ser escrita de forma abreviada: A [aij ]m×n , A (aij )m×n · · ·

Definição 1.1.2. (Ordem de uma matriz) As matrizes geralmente são denotadas por
letras maiúsculas e seus elementos por letras minúsculas. Se uma matriz possui m linhas
e n colunas diremos que a matriz tem ordem m × n.

1.1.1 Tipos de Matrizes matrizes

Definição 1.1.3. (Matrizes Rectangulares) São denominadas rectangulares, aquelas

matrizes cujo o número de linhas é diferente do número de colunas.
 
" # 5 0 1 9 1
2 3 0
Exemplo 1.1.1. A = , B= 0 2 3 7 1 
 
1 5 2
1 3 4 0 3

Definição 1.1.4. (Matriz Linha) A matriz linha é uma matriz que tem apenas uma linha.
h i h i
Exemplo 1.1.2. A = ai1 ai2 ai3 . . . ain , B = 1 2 3 4 .

Observação 1.1.4.1. É comum colocarmos vectores no plano e no espaço como matrizes

linha entre parênteses, onde os elementos estão separados por vírgula.

Exemplo 1.1.3. C = [1, 2, 3, 4].

Definição 1.1.5. (Matriz Coluna) A matriz coluna é aquela que tem apenas uma coluna.

1
Análise Matemática I

 
a1j  
 a2j  1
   2 
 
Exemplo 1.1.4. A =  a3j , B = 
 .


 ..
  3 
.

5
 
amj

Definição 1.1.6. (Matriz Nula) A matriz nula é uma matriz cujos elementos são todos
nulos.
 
0 0 0 0 0
Exemplo 1.1.5. A =  0 0 0 0 0 .
 
0 0 0 0 0

Definição 1.1.7. (Matrizes quadradas) São denominadas quadradas, todas aquelas

que o número de linhas é igual ao número de colunas.
 
a11 a12 a13 . . . a1n  
1 2 4
 a21 a22 a23 . . . a2n 
 
Exemplo 1.1.6. A =   e B =  5 2 0 .
 
 .. .. .. .. .. 
 . . . . .  9 8 9
an1 an2 an3 . . . ann

Definição 1.1.8. (diagonal principal) Chamamos diagonal principal duma matriz qua-
drada aos elementos aij dos quais i = j .

Exemplo 1.1.7. Os elementos das diagonal principais das matrizes (1.1.6), são:
{a11 , a22 , . . . , ann } e {1, 2, 9}.

Definição 1.1.9. (Matriz diagonal) Uma matriz é diagonal se todos os elementos são
nulos excepto os da diagonal principal, ou seja aij = 0 se i 6= j .
 
" # 2 0 0
2 0
Exemplo 1.1.8. A = , B =  0 3 0 .
 
0 1
0 0 5

Definição 1.1.10. (Matriz Identidade) A matriz identidade é uma matriz diagonal onde
todos os elementos da diagonal principal são iguais a um. É geralmente denotada por In ,
onde n representa a ordem da matriz.
 
  1 0 0 ... 0
" # 1 0 0
 0 1 0 ... 0 
 
1 0
Exemplo 1.1.9. I2 = , I3 =  0 1 0  , In =  . . . .
  
. . . . .. 
0 1  . . . . . 

0 0 1
0 0 0 ... 1

Definição 1.1.11. (Matriz Triangular Superior) A matriz triangular superior é uma

matriz quadrada de ordem n cujos elementos aij são nulos quando i > j .
 
a11 a12 . . . a1n  
1 2 1 " #
 0 a22 . . . a2n 
 
2 1
Exemplo 1.1.10. A =  , B =  0 2 3  e C = 0 4 .
 
 .. .. . .
.
.. 
 . . .  0 0 0
0 0 . . . ann

Definição 1.1.12. (Matriz Triangular Inferior) A matriz triangular inferior é uma matriz
quadrada de ordem n cujos elementos aij são nulos quando i < j .

2
Análise Matemática I

 
a11 0 ... 0  

a21 a22 ... 0
 1 0 0 " #
  2 0
Exemplo 1.1.11. A =  , B =  2 2 0  e C = .
 
.. .. .. ..

. . . .
 1 4
  3 2 1
an1 an2 . . . ann

Definição 1.1.13. (Matriz Simétrica) Uma matriz quadrada A, de ordem n, é simétrica

se aij = aji , para quaisquer valores de i e j .
 
" # 1 4 5
1 3
Exemplo 1.1.12. A = e B =  4 2 2 .
 
3 2
5 2 0

Definição 1.1.14. (Matriz Anti-simétrica) Uma matriz quadrada A é anti-simétrica se

aij = −aji , para quaisquer valores de i e j .
 
" # 1 4 −5
1 −3
Exemplo 1.1.13. A = e B =  −4 2 2 .
 
3 2
5 −2 0

1.1.2 Operações com Matrizes

Igualidade de Matrizes

Duas matrizes A e B são iguais se elas têm a mesma ordem (tamanho) e os elementos
correspondentes são iguais, ou seja, A = (aij )m×n e B = (bij )p×q são iguais se m = p, n = q
e aij = bij para i = 1, 2, 3, . . . , m e j = 1, 2, 3, . . . , n.

Matriz transposta

Consideremos A = [aij ]m×n , a matriz transposta de A, denotada por AT , é aquela matriz

obtida trocando-se as linhas pelas colunas de A, isto é AT = [aji ]n×m
 
  5 0 1
5 0 1 9 1 
 0 2 3 

T
Exemplo 1.1.14. Seja B =  0 2 3 7 1  então B =  1 3 4
   

 
1 3 4 0 3  9 7 0 
1 1 3

Soma e/ou Subtração

A soma e/ou subtração de matrizes só é possível se as matrizes tiverem a mesma ordem

(tamanho) ou seja se A = [aij ]m×n e B = [bij ]m×n então A ± B = C , onde C = [cij ]m×n
obtida somando-se os elementos correspondentes de A e B, ou seja, cij = aij ± bij para
i = 1, 2, 3, . . . , m e j = 1, 2, 3, . . . , n.
" # " # " #
2 3 5 4 6 5
Exemplo 1.1.15. Sejam as matrizes A = ,B= eC= . Calcule
1 4 0 6 1 7
A + B − C.
Resolução: " # " # " # " # " #
2 3 5 4 6 5 2+5−6 3+4−5 1 2
A+B−C = + − = = 
1 4 0 6 1 7 1+0−1 4+6−7 0 3

3
Análise Matemática I

Multiplicação

• A multiplicação de uma matriz A = [aij ]m×n por um escalar α é definida pela matriz
C [cij ]m×n = αA [aij ]m×n obtida pela multiplicação de cada elemento da matriz A pelo
escalar α, ou seja cij = αaij .

• O produto de duas matrizes é possível apenas se o número de colunas da primeira

matriz é igual ao número de linhas da segunda, ou se A = [aij ]m×p e B = (bij )p×n
então o produto da matrizes A e B é uma matriz C =, é definida sendo a matriz
C = [cij ]m×n , cujos os elementos cij , são da forma:
p
X
cij = ai1 × b1j + ai2 × b2j + · · · + aip × bpj = aik × bkj , ∀ i = 1, 2, . . . , m e j = 1, 2, . . . , n
k=1


2 1 " #
5 4 2
Exemplo 1.1.16. Considere as matrizes A =  1 0  e B = . Calcule AB .
 
0 6 1
3 4
Resolução:
     
2 1 " # 2·5+1·0 2·4+1·6 2·2+1·1 10 14 5
5 4 2
AB =  1 0  · =  1 · 5 + 0 · 0 1 · 4 + 0 · 6 1 · 2 + 0 · 1  =  5 4 2 
     
0 6 1
3 4 3·5+4·0 3·4+4·6 3·2+4·1 15 36 10

1.1.3 Propriedades da Álgebra Matricial

Teorema 1.1.1. Sejam A, B e C matrizes com tamanhos apropriados, α e β escalares.
São válidas as seguintes propriedades para as operações matriciais:

1) Comutatividade: A + B = B + A;

2) Associatividade: A + (B + C) = (A + B) + C , α(βA) = (αβ)A, A(BC) = (AB)C ;

3) Distribuitiva: α(A + B) = αA + αB , A(B + C) = AB + AC ;

4) Elemento Neutro da Soma: A + O = A;

5) Elemento Simétrico: A + (−A) = 0;

6) (αA)T = αAT ;

7) (AT )T = A;

8) (A + B)T = AT + B T ;

9) (AB)T = B T AT ;

1.2 Operações elementares sobre as linhas de uma matriz

1) Trocar a posição de uma linha (coluna) da matriz; (Li −→ Lj );
   
1 0 2 1 0 2
Exemplo 1.2.1. Seja  2 1 1  então (L2 −→ L3 )  3 1 0 
   
3 1 0 2 1 1

4
Análise Matemática I

2) Multiplicar uma linha (coluna) por um escalar diferente de zero;

   
1 0 2 1 0 2
Exemplo 1.2.2. Seja  3 1 0  então (L2 −→ 2L2 )  6 2 0 
   
2 1 1 2 1 1

3) Somar a uma linha (coluna) outra linha (coluna) multiplicada por um escalar.
   
1 0 2 1 0 2
Exemplo 1.2.3. Seja  6 2 0  então (L3 −→ −2L3 + L3 )  6 2 0 
   
2 1 1 0 1 −3

Definição 1.2.1. (Matriz elementar) Chama-se matriz elementar de ordem n a qualquer

matriz obtida da matriz identidade (In ) por aplicação de uma das operações elementares
às suas linhas.
Exemplo 1.2.4. As matrizes seguintes, são exemplos de matrizes elementares.
   
" # 1 0 0 1 0 0
0 1
a) A = b) B =  0 −2 0  c) C =  0 1 0 
   
1 0
0 0 1 1 2 1
Observação 1.2.1.1. Na matriz A aplicamos a primeira operação elementar (trocar a pri-
meira linha pela segunda linha), na matriz B a segunda operação elementar (multiplicar a
segunda linha por −2) e na matriz C a terceira operação elementar (multiplicar a segunda
linha por -2 e adicionar à terceira linha).
Definição 1.2.2. (Pivô) Chama-se pivô ao primeiro elemento não nulo duma matriz na
forma escalonada.
Nota 1.2.1. (i) Numa linha nula, não há nenhum pivô;

(ii) Em cada coluna, há no máximo um pivô.

Definição 1.2.3. (Matriz escalonada) Uma matriz diz-se escalonada se satisfazer as
seguintes condições:
(a) O pivô da linha i + 1 ocorre à direita do pivô da linha i, para i = 1, . . . , m − 1

(b) Todas as linhas nulas (formadas inteiramente por zeros) ocorrem abaixo das linhas
não nulas.
Definição 1.2.4. Uma matriz A diz-se que está na forma escalonada reduzida, se:
(i) É escalonada;

(ii) Todos os pivôs são iguais a 1;

(iii) Se aij é o pivô da linha i, todos os elementos da coluna j acima de aij são nulos.
Definição 1.2.5. A característica de A, abreviamente car(A), é o número de pivôs da ma-
triz na forma escalonada.
O número de Pivôts da matriz na forma escalonada não depende da sucessão das opera-
ções elementares que transformam a matriz dada para forma escalonada.
Nota 1.2.2. A característica de A ( car(A) ) é independente da sucessão concreta do método
de eliminação, isto é, uma invariante da matriz dada.
Observação 1.2.5.1. Uma matriz quadrada An×n , diz-se não-singular se tiver caracte-
rística n. Se car(A) < n, a matriz A diz-se singular.

5
Análise Matemática I

1.2.1 Método de Gauss - Jordan

O método de Gauss1 - Jordan2 , consiste na aplicação de operações elementares às linhas

(colunas) da matriz. Vamos procurar obter uma matriz numa forma em que todas as
linhas não nulas possuam como primeiro elemento não nulo o número 1 (chamado de
pivô). Além disso, se uma coluna contém um pivô, então todos os seus outros elementos
terão que ser iguais a zero.
 
5 5 0 15
Exemplo 1.2.5. Consideremos a seguinte matriz  2 4 1 10  . Determine a forma es-
 
3 4 0 11
calonada reduzida.
Resolução:
1a eliminação. Vamos procurar para pivô da 1a linha, um elemento não nulo da primeira
coluna não nula. Precisamos fazê-lo igual a um, para isto, multiplicamos a 1a linha por 15 .
 
1 1 0 3
 2 4 1 10  , agora precisamos igualar a zero todos os elementos da 1a coluna
 
3 4 0 11
abaixo do pivô, isto é, adicionamos à 2a linha, −2 vezes a 1a linha i.,é, l2 = −2l1 + l2 e
adicionamos à 3a linha −3 vezes a 1a linha i.,é l3 = −3l1 + l3 .

 
1 1 0 3
 0 2 1 4 
 
0 1 0 2

2a eliminação. Olhamos para a sub-matriz obtida eliminando-se a 1a linha. Escolhe-

mos para pivô, um elemento diferente de zero na 1a coluna não nula desta sub-matriz.
Como temos que fazer o pivô igual a um, vamos escolher o elemento da posição (3, 2).
Precisamos colocá-lo a a a
  na 2 linha, para isto, trocamos a 3 linha com a 2 .
1 1 0 3
 0 1 0 2  . Agora, precisamos igualar a zero os outros elementos da 2a coluna, que
 
0 2 1 4
é a coluna do pivô, para isto, somamos à 3a linha, −2 vezes a 2a ou seja l3 = −2l2 + l3 e
somamos à 1a linha, −1 vezes a 2a isto é l1 = −l2 + l1 .
 
1 0 0 1
 0 1 0 2 
 
0 0 1 0

1.3 Determinantes

Vamos inicialmente definir o determinante de matrizes 1×1. Para cada matriz A = [a] de-
finimos o determinante de A, indicado por det(A) ou |A| , por det(A) = a. Vamos, agora,
definir o determinante de matrizes 2 × 2 e a partir daí definir para matrizes de ordem
1
Johann Carl Friedrich Gauss, matemático alemão [1777-1855]
2
Wilhelm Jordan, matemático alemão [1842-1899]

6
Análise Matemática I

maior. A cada matriz A, 2 × 2, associamos um número real, denominado determinante

de A, por: " #
a11 a12
det(A) = |A| = = a11 a22 − a12 a21 (1.1)
a21 a22
" #
1 3
Exemplo 1.3.1. Calcule o determinante da seguinte matriz A = .
2 1
 
 1 3 
Resolução: |A| =   = 1 · 1 − 2.3 = −5
 
 2 1 

1.3.1 Regra de Sarrus

Para facilitar o cálculo do determinante de terceira ordem podemos formar um disposi-
tivo prático,
 denominado
 de regra de Sarrus:
a11 a12 a13
Seja  a21 a22 a23  uma matriz da terceira ordem.
 
a31 a32 a33
A regra de Sarrus consiste em:

(i) Repetir ao lado do determinante as duas primeiras colunas;

(ii) Obter o produto como mostra o esquema;

 
 11 a12 a13 | a11 a12 
 a 
 a21 a22 a23 | a21 a22 
 
 
 a31 a32 a33 | a31 a22 
= (a11 a22 a33 + a12 a23 a31 + a13 a21 a22 ) − (a31 a22 a13 + a32 a23 a11 + a33 a21 a12 )
 
1 3 2
Exemplo 1.3.2. Calcule o determinante da seguinte matriz  0 4 1 
 
2 2 5
Resolução:
 
 1 3 2 | 1 3 
 
 0 4 1 | 0 4  , usaremos o segundo passo do algoritmo de Sarrus, isto é:
 
 
 2 2 5 | 2 2 
= (1 · 4 · 5 · +3 · 1 · 2 + 2 · 0 · 2) − (2 · 4 · 2 + ·1 · 1 + 5 · 0 · 3) = 26 − 18 = 8

Preposição 1.3.1. Seja A uma matriz triangular superior ou inferior. Então o determinante
de A é igual ao produto dos elementos da diagonal principal.
 
 2 8 7 
 
Exemplo 1.3.3. Mostre que  0 4 1  = 24
 
 
 0 0 3 
Resolução:
Aplicando a preposição acima teremos 2 × 4 × 3 = 24.

Nota 1.3.1. Aplicando a regra de Sarrus, teremos:

 
 2 8 7
 | 2 8 
 0 4 1 | 0 4  = 24 + 0 + 0 − 0 = 24
 
 
 0 0 3 | 0 0 

7
Análise Matemática I

1.3.2 Desenvolvimento de Laplace

Vamos agora estudar uma fórmula que nos permite reduzir o cálculo de um determi-
nante de ordem n para determinantes de ordem n − 1.

Definição 1.3.1. Consideremos uma matriz A de ordem n ≥ 2. Seja aij um elemento de

A, definimos o menor complementar do elemento aij , como sendo o determinante da
matriz que se obtém suprimindo a linha i e a coluna j de A.
 
2 8 6
Exemplo 1.3.4. Seja A =  1 3 1  , calcule o menor complementar dos elementos
 
0 5 4
a11 , a22 , a32 .
Resolução:

• Para determinar o menor complementar do elemento a11 = 2, eliminamos a primeira

linha e a primeira coluna respectivamente, sem seguida calculamos o determinante
da submariz resultante dessa eliminação,
  ou seja:
 3 1 
O menor complementar de 2 é  =7
 
 5 4 

• Para determinar o menor complementar do elemento a22 = 3, eliminamos a segunda

linha e a segunda coluna respectivamente, sem seguida calculamos o determinante
da submariz resultante dessa eliminação,
  ou seja:
 2 6 
O menor complementar de 3 é  =8
 
 0 4 

• Para determinar o menor complementar do elemento a32 = 5, eliminamos a terceira

linha e a segunda coluna respectivamente, sem seguida calculamos o determinante
da submariz resultante dessa eliminação,
  ou seja:
 2 6 
O menor complementar de 5 é   = −4 
 
 1 1 

Definição 1.3.2. Seja A = [aij ]n×n , chama-se complemento algébrico de um elemento

aij de A a (−1)i+j det(Aij ), onde Aij designa a submatriz de A obtida por eliminação da
linha i e da coluna j .
 
2 8 6
Exemplo 1.3.5. Seja A =  1 3 1  , calcule o complemento algébrico dos elementos
 
0 5 4
a11 , a22 , a32 .
Resolução:
 
 3 1 
• O complemento algébrico do elemento a11 = 2 será dado por (−1)1+1
=7
 

 5 4 
 
 2 6 
• O complemento algébrico do elemento a22 = 3 será dado por (−1)2+2  =8
 
 0 4 
 
 2 6 
• O complemento algébrico do elemento a32 = 3 será dado por (−1)3+2  =4
 
 1 1 

8
Análise Matemática I

Teorema 1.3.1 ( Teorema de Laplace3 ). O determinante de uma matriz quadrada é igual

á soma dos produtos dos elementos de uma linha pelos respectivos complementos algébri-
cos, isto é, sendo A = [aij ]n×n , tem-se:

n
X
det(A) = aij (−1)i+j det(Aij ), ∀j ∈ {1, . . . , n} , (1.2)
j=1

o mesmo vale para as colunas, ou seja

n
X
det(A) = aij (−1)i+j det(Aij ), ∀i ∈ {1, . . . , n} , (1.3)
i=1

Observação 1.3.2.1. As fórmulas acima, são chamadas desenvolvimento de Laplace do

determinante de A, segundo a i-ésima linha e j -ésima coluna, respectivamente e forne-
cem um método muito simplificado no cálculo de |A|. Desenvolvendo segundo esta linha
e/ou coluna, reduzimos o cálculo de |A| ao cálculo de um determinante de ordem uma
unidade inferior à ordem de |A|.

Exemplo 1.3.6. Calcule ( use o teorema de Laplace )

 
 3 5 7 
 
a)  2 0 6
 

 
 4 1 8 

Resolução:
Para calcularmos este determinante, podemos desenvolver a segunda linha, então:

 
 3 5 7       
   5 7   3 7   3 5 
 2 0 6  = 2(−1)2+1   + 0(−1)2+2   + 6(−1)2+3 
       

   1 8   4 8   4 1 
 4 1 8 
= −2(40 − 7) + 0 − 6(3 − 20)
= −66 + 102
= 36

 

 2 1 4 6 

 3 5 0 7 
b) 
 

 4 6 0 8 
 
 0 3 0 0 

Resolução:
Para calcularmos este determinante, podemos desenvolver a terceira coluna, então:

3
Pierre Simon Marquis de Laplace, matemático, francês [1749-1827]

9
Análise Matemática I

 

 2 1 4 6 


 3 5 7

 "  #
 3 5 0 7     3 7 
 = 4(−1)1+3  4 6 8  = 4 3(−1)3+2 
     
 
 4 6 0 8     4 8 
   0 3 0 
 0 3 0 0 
= 4(−3)(24 − 28)
= 4(−3)(−4)
= 48 

1.3.3 Propriedades dos determinantes

A definição de determinantes e o teorema de Laplace nos permite o cálculo de qual-
quer determinante. Contudo, é possível simpificar este cálculo empregando-se certas
propriedades.

P.1 O determinante de uma matriz, quando existe, é único;

P.2 O determinante de uma matriz A e da sua transposta AT , são iguais, isto é,

|A| = |AT |;
" #
2 1
Exemplo 1.3.7. Seja A = , calcule |A| e |AT |.
3 4
Resolução:
  " #  
 2 1  2 3  2 3 
|A| =   = 5, AT = então |AT | =  =5 
   
 3 4  1 4  1 4 

P.3 Seja A = [aij ] uma matriz quadrada de ordem n. Se A é triangular( superior ou 

n
Y
inferior ), então |A| é o produto dos elementos da diagonal principal |A| = aij  .
 
i=1
j=i

Observação 1.3.2.2. Se A é uma matriz quadrada e diagonal, o determinante será

igual ao produto dos elementos diagonais. Assim, em particular, |In | = 1, onde In é
a matriz identidade de orden n.
   
  4 10 3 2 1 0 0 0
9 0 0  0 5 9 8   0 1 0 0 
Exemplo 1.3.8. Seja A =  1 2 0  , B =   e C = .
     
 0 0 2 0   0 0 1 0 
3 7 3
0 0 0 1 0 0 0 1
Calcule |A|, |B| e |C|.
Resolução:
   
   4 10 3 2   1 0 0 0 
 9 0 0     
   0 5 9 8   0 1 0 0 
(a) |A| =  1 2 0  = 54 (b) |B| =   = 40 |C| =  =1
     
   0 0 2 0   0 0 1 0 
 3 7 3     
 0 0 0 1   0 0 0 1 

Observação 1.3.2.3. Observe que:

• A matriz A, é triangular inferior então o determinante é resultante da multiplica-

ção dos elementos diangonais (9, 2, 3).

10
Análise Matemática I

• A matriz B é triangular superior então o determinante é resultante da multipli-

cação dos elementos diangonais (4, 5, 2, 1).
• A matriz C é diagonal (identidade) então o determinante é resultante da multi-
plicação dos elementos diangonais (1, 1, 1, 1).

P.4 O determinante de uma matriz é nulo se:

(a) As linhas ou colunas forem linearmente dependentes;

(b) Tiver uma linha ou coluna de zeros ( todos seus termos são nulos );
(c) Tiver duas linhas ou colunas iguais;
(d) Uma linha ou coluna for combinação linear de outras linhas ou colunas;
(e) A característica inferior à sua ordem ( Car(A) < n ⇔ |A| = 0, A singular ).

Exemplo 1.3.9. Calcule o determinantes das matrizes abaixo:

   

 2
  8 3 1 4   1 0 −1 2 
3 1  
 2 8 7 1 
 
 −4
 0 7 0 
(a)  9 8 7  (b) (c)
    
0 −3 9 
   
   0 0 0 0   4
 4 6 2     
 1 3 5 2   −1 0 −2 5 
Resolução:
(a) O determinante de (a), será nulo, pois a primeira e a terceira linhas respectiva-
mente são dependentes.
(b) O determinante de (b), será nulo, pois a terceira linha é nula.
(c) O determinante de (c), será nulo, pois a segunda coluna é nula.

P.5 O determinante de uma matriz quadrada de ordem n, não se altera se:

(a) Aos elementos de uma linha ou coluna se adiciona os elementos corresponden-

tes de outra ou outras linha ou coluna paralela, multiplicada por constantes;
 
1 2 3
Exemplo 1.3.10. Seja A =  2 1 4  , calcule |A|.
 
0 0 4
Resolução:
Primeiro método
Desenvolvendo 4
 a terceira linha da matriz acima (Teorema de Laplace ), teremos:
 1 2 3       
   2 3   1 3   1 2 
|A| =  2 1 4  = 0(−1)4   + 0(−1)4   + 4(−1)6   = 4(1 − 4) = −12
       
   1 4   2 4   2 1 
 0 0 4 

Segundo método
Transformando
  a matriz
 A, numa
 matriz escalonada (triangular), teremos:
 1 2 3   1 2 3 
  
|A| =  2 1 4  ∼  0 −3 −2  = 1 · (−3) · 4 = −12 
   
   
 0 0 4   0 0 4 
Observação 1.3.2.4. A segunda linha da matriz na forma escalonada (0, −3, −2), é
resultante das operações elementares de uma matriz, isto é, multiplicamos a primeira
0
linha de A por (−2) e adicionamos a segunda linha L2 = (−2)L1 + L2 .
4
Pierre Simon Marquis de Laplace, matemático, francês [1749-1827]

11
Análise Matemática I

P.6 Seja A, uma matriz quandrada de ordem n, o determinante de A sofrerá alteração

se:

a) Trocarmos entre se duas linhas ou colunas então o determinante mudará de

sinal.
b) Multiplicarmos uma linha ou coluna por uma constante k ∈ R, então multi-
plicaremos o determinante pela mesma constante. E ainda que, se dividirmos
uma linha ou coluna de uma matriz por uma constante diferente de zero, o
seu determinante será dividido por essa constante;
c) Todos os elementos de uma matriz quadrada A forem multiplicados por uma
constante k ∈ R, então verifica-se a relação |kA| = k n |A|, onde n é a ordem da
matriz;

Exemplo 1.3.11. Considere as matrizes abaixo:

 
" # 1 3 1
2 3
a) b)  0 −2 3  . Calcule os determinantes.
 
4 1
0 0 1

Resolução:

   
 2 3  4 1 
a)   = −10, se trocarmos as linhas, teremos   = 10
   
 4 1  2 3 
 
1 3 1
b)  0 −2 3  = −2, porém se mutiplicarmos a segunda linha por −1, termos
 
0 0 1
 
1 3 1
 0 2 −3  = 2
 
0 0 1

P.7 [Teorema de Binet5 .] O determinante de um produto de matrizes quadradas da

mesma ordem é igual ao produto dos determinates das matrizes, |A · B| = |A| · |B| .
   
2 3 5 1 2 0 0 0
 0 1 3 8   3 1 0 0 
Exemplo 1.3.12. Sejam as matrizes A =  e B = .
   
 
 0 0 3 9   4 3 4 0 
0 0 0 4 1 2 1 5
Calcule |A · B|.
Resolução:
Primeiro
 método  
 2 3 5 1   2 0 0 0 
   
 0 1 3 8   3 1 0 0 
|A| =   = 24 e |B| =   = 40, então |A| · |B| = 24 ∗ 40 = 960
   
 0 0 3 9   4 3 4 0 
   
 0 0 0 4   1 2 1 5 

Observação 1.3.2.5. As matrizes acima, são triangulares portanto, calcula-se o de-

terminante multiplicando se os elementos diagonais.
5
Jacques Philippe Binet, matemático francês.

12
Análise Matemática I

Segundo
 método     
2 3 5 1 2 0 0 0 4 6 10 2
 0 1 3 8   3 1 0 0   6 10 18 11 
A·B = · =  , então |A · B| = 960
     
 0 0 3 9   4 3 4 0   8 15 41 64 
0 0 0 4 1 2 1 5 2 5 14 46
Observação 1.3.2.6. O determinante da matriz (A · B ), pode ser calculado segundo
o desenvolvimento da linha e/ou coluna reduzindo a ordem em uma unidade, em
seguida podemos usar o método de Sarrus ou continuamos com o desenvolvimento
da linha e/ou coluna.

1.4 Inversa de uma matriz

Todo número real a, não nulo, possui um inverso (multiplicativo), ou seja, existe um
número b, tal que ab = ba = 1. Este número é único e o denotamos por a−1 . Apesar
da álgebra matricial ser semelhante à álgebra dos números reais, nem todas as matri-
zes A não nulas possuem inversa, ou seja, nem sempre existe uma matriz B tal que
AB = BA = In . De início, para que os produtos AB e BA estejam definidos e sejam
iguais é preciso que as matrizes A e B sejam quadradas. Portanto, somente as matri-
zes quadradas podem ter inversa, o que já diferencia do caso dos números reais, pois
todo número não nulo tem inverso. Mesmo entre as matrizes quadradas, muitas não
possuem inversa.

Definição 1.4.1. Seja A uma matriz quadrada de ordem n. Diremos que A é invertível
ou não singular se existir uma matriz B, quadrada de ordem n, tal que AB = BA = In .

Observação 1.4.1.1. Se A não tem inversa, dizemos que A é não invertível ou singular.

Nota 1.4.1. Denotamos a inversa de A, quando ela existe, por A−1 .

Definição 1.4.2. Dada uma matriz invertível A, chama-se inversa de A−1 (que é única)
tal que AA−1 = A−1 A = In .
" # " #
1 2 −1 1
Exemplo 1.4.1. A matriz A = é inevertível e a sua inversa é A−1 = .
2 2 1 − 21
Segundo a definição, teremos:
AB
" = BA # " = In . # " # " # " # " #
1 2 −1 1 1 0 −1 1 1 2 1 0
· = = I2 e · = = I2 
2 2 1 − 12 0 1 1 − 12 2 2 0 1

Teorema 1.4.1. Se uma matriz A = [aij ]n×n possui inversa, então a inversa é única.
Demonstração:
Suponhamos que B e C sejam inversas de A. Então:

AB = BA = In = AC = CA

e assim,
B = BIn = B(AC) = (BA)C = In C = C .

Preposição 1.4.1. Sejam A e B matrizes quadradas da mesma ordem. Se o produto AB

for invertível, então A e B são ambos invertíveis. Em particular, se AB = In e BA = In ,
então B = A−1 .

13
Análise Matemática I

1) Uma matriz A admite inversa se e só se o seu determinante for diferente de zero.

Consequentemente:

(a) A regular ⇔ |A| =

6 0;
(b) A regular ⇔ Car(A) = n;
(c) Car(A) = n ⇔ |A| =
6 0;

2) Se a matriz A é regular, então o seu determinante é o inverso do determinante da sua

inversa. Ou seja:
1
(a) |A| = , A regular;
|A−1 |
1
(b) |A−1 | = , A−1 regular;
|A|

1.5 Cálculo da inversa

1.5.1 Método de Gauss-Jordan
Seja dada uma matriz A quadrada de ordem n. Para calcular-se a inversa de A (se
existir) escalona-se a matriz de ordem n × 2n ou seja a matriz [A|In ], onde In é a matriz
identidade até a forma reduzida pelo método de eliminação de Gauss6 -Jordan7 . Se hou-
ver menos de n pivots, A não é invertível. Se houver n pivots, logo a matriz é invertível.
Ou seja, anulamos todos os elementos acima e abaixo da diagonal da matriz á esquerda
(pivôs) usando as operações elementares. Finalmente divide-se cada linha pelo respec-
tivo pivot. No fim deste processo, a matriz obtida é [In |A−1 ]. Logo a matriz da direita A−1
é a matriz inversa de A.

Exemplo 1.5.1. Encontre as inversas das matrizes abaixo, pelo método de Gauss-Jordan.
" #
1 2
1) A = ;
2 2
Resolução:
Em primeiro lugar," transformamos
# " # matriz ([n × n]) para ([n × 2n]) ou seja
a ordem da
1 2 1 2 | 1 0
de [A] ⇒ [A|In ]: ⇒ , em seguida escalonamos pelo método
2 2 2 2 | 0 1
de Gauss - Jordan, até obtermos à esquerda a matriz identidade, isto é:
" # " # " #
1 2 | 1 0 1 2 | 1 0 1 0 | −1 1
∼ l2 ⇒ (−2)l1 +l2 : ∼ l1 ⇒ l2 +l1 :
2 2 | 0 1 0 −2 | −2 1 0 −2 | −2 1
" # " #
1 0 | −1 1 −1 1
∼ l2 → (− 21 )l2 : 1 então A−1 = 
0 1 | 1 −2 1 − 12
 
2 4 1
2) B =  3 0 5  .
 
1 5 2
Resolução:
6
Johann Carl Friedrich Gauss, matemático alemão [1777-1855]
7
Wilhelm Jordan, matemático alemão [1842-1899]

14
Análise Matemática I

 
2 4 1 | 1 0 0
Para determinarmos a inversa, temos que escalonar a matriz  3 0 5 | 0 1 0  ;
 
1 5 2 | 0 0 1
1a eliminação
   
2 4 1 | 1 0 0 1 5 2 | 0 0 1
l2 → (−3)l1 + l2
 3 0 5 | 0 1 0 ∼ l1 ↔ l3 :  3 0 5 | 0 1 0 ∼
   
l3 → (−2)l1 + l3
1 5 2 | 0 0 1 2 4 1 | 1 0 0
   
1 5 2 | 0 0 1 1 5 2 | 0 0 1
 0 −15 −1 | 0 1 −3  ∼ 1
l2 → (− 15 )l2 :  0 1 1
| 0 −1 1
   
15 15 5 
0 −6 −3 | 1 0 −2 0 −6 −3 | 1 0 −2
2a eliminação
 
1 5 2 | 0 0 1
1 −1 1
l3 → 6l2 + l3 :  0 1 | 0 ∼ l1 → (−5)l2 + l1 :
 
15 15 5
−39 −6 −4
0 0 15 | 1 15 15
   
25 5 25 5
1 0 15 | 0 15 0 1 0 15 | 0 15 0
1 −1 1 15 1 −1 1
 0 1 | 0 ∼ l3 → (− 39 )l3 :  0 1 | 0
   
15 15 5 15 15 5 
−39 −6 −4 −15 6 12
0 0 15 | 1 15 15 0 0 1 | 39 39 39
3a eliminação
   
25 3 −20 25 1 −20
1 0 0 | 1 0 0 |
l1 → (− 25
15 )l3 + l1
39
1
39
−3
39
7 ⇔
39
1
13
−1
39
7
: 0 1 0 | 39  0 1 0 |
  
1 39 39 39 13 39
l2 → (− 15 )l3 + l2
 
0 0 1 | −1539
6
39
12
39 0 0 1 | −5
13
2
13
4
13
então a matriz inversa de A, será dada por:
 25 1 −20 
39 13 39
 
 
A−1 = 1 −1 7
 
 
 39 13 39 
 
−5 2 4
13 13 13

1.5.2 Usando determinantes

Matriz adjunta

Definição 1.5.1. Dada a matriz A, com os cofactores ∆ij = (−1)i+j detAij dos elementos
aij da matriz A, podemos formar uma nova matriz A, denominada matriz dos cofactores
de A, A = [∆ij ].
 
∆11 ∆12 ∆13 . . . ∆1n
 ∆
 21 ∆22 ∆23 . . . ∆2n 

 
A = [∆ij ] =  ∆ ∆32 ∆33 . . . ∆3n 
 31
 .. .. .. .. .. 

 . . . . . 
∆n1 ∆n2 ∆n3 . . . ∆nn
 
2 4 1
Exemplo 1.5.2. Determine a matriz dos cofactores da matriz A =  3 0 5  .
 
1 5 2
Resolução:

15
Análise Matemática I

A
 matriz dos cofactores,
 será dada por:
∆11 ∆12 ∆13
 ∆21 ∆22 ∆23  , onde:
 
∆31 ∆32 ∆33
 #  #  #
 0 5  3 5  3 0
∆11 = (−1)1+1  = −25, ∆12 = (−1)1+2  = −1, ∆13 = (−1)1+3  = 15
  
 5 2  1 2  1 5
 #  #  #
 4 1  2 1  2 4
∆21 = (−1)2+1  = −3, ∆22 = (−1)2+2  = 3, ∆23 = (−1)2+3  = −6
  
 5 2  1 2  1 5
 #  #  #
 4 1  2 1  2 4
∆31 = (−1)3+1  = 20, ∆32 = (−1)3+2  = −7, ∆33 = (−1)3+3  = −12
  
 0 5  3 5  3 0
, então
 
−25 −1 15
A =  −3 3 −6  
 
20 −7 −12

Definição 1.5.2. Dada a matriz quadrada A, chamamos de matriz adjunta de A à

T
transposta da matriz dos cofactores de A, isto é, adjA = A .
 
2 4 1
Exemplo 1.5.3. Determine a matriz adjunta da matriz A =  3 0 5 
 
1 5 2
Resolução:
T
Sendo A a matriz dos cofactores e esta definida acima então a matriz adjunta será dada
por:  
−25 −3 20
T
adjA = A =  −1 3 −7  
 
15 −6 −12
T
Teorema 1.5.1. A · A = (detA) · I .

Suponhamos agora que An×n tenha inversa, isto é, existe A−1 tal que A · A−1 = In .
Usando o determinante temos, det(A · A−1 ) = det(A) · det(A−1 ) ⇔ det(In ) = 1. Da última
relação , concluimos que se A tem inversa, então:

1) det(A) 6= 0;
1
2) det(A−1 ) =
det(A)
Ou seja detA 6= 0, é condição necessária para que A tenha inversa. Provemos de
seguida que esta condição é também suficiente:
Sabemos que A · AT = (detA) · I . Considerando det(A) 6= 0, podemos afirmar que A ·
1 T 1
· A = In , então A−1 = (adj(A)) .
det(A) det(A)
 
2 4 1
Exemplo 1.5.4. Seja dada a matriz A =  3 0 5  . Calcule a sua inversa, usando a
 
1 5 2
matriz adjunta.
Resolução:

16
Análise Matemática I

Para calcularmos a inversa de A, primeiro temos que calcular o determinante de A, pois se

det(A) = 0, A não terá
 inversa, então:
 2 4 1 
  1
|A| = A =  3 0 5  = −39, agora podemos usar a fórmula A−1 = (adj(A)) pois a
 
  det(A)
 1 5 2 
matriz adjunta (Adj(A)) está definida acima, então:
 25 1 −20 
   39 13 39 
−25 −3 20
 
 
1 −1    1 −1 7 
A−1 = (adj(A)) =  −1 3 −7  =   
det(A) 39  39 13 39 
15 −6 −12 



−5 2 4
 
13 13 13

17