ALGA I.Apnt - Corpo - MatDet - SEL - ALGA I

Álgebra Linear e Geometria Analı́tica I
Cursos: Mat., EQB, EA, EE, EC, EM, EGI, EIC – 1º Ano
Corpo. Matriz e determinante. Sistema de equações lineares
Grupo ALGA I
16 de outubro de 2023
Cursos: MAT, EGI e Engenharias Faculdade de Ciências & Tecnologia Ano Lectivo: 2022/23
Ano: 1º Ano Álgebra Linea e Geometria Analı́tica I 1º Semestre
Conteúdo
1 Noção de Corpo 2
2 Matrizes e operações 3
2.1 Noção e representação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2 Classificação de matrizes quadradas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.3 Álgebra das Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.4 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3 Condensação de uma matriz 15

3.1 Operações elementares sobre linhas (colunas) de uma matriz . . . . . . . . . . . . . . . 15
3.2 Caracterı́stica de uma matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.3 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4 Sistema de equações lineares 19

4.1 Equação linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.2 Representação de um sistema de equações lineares (SEL) . . . . . . . . . . . . . . . . . 20
4.3 Resolução de sistema de equações lineares (SEL) . . . . . . . . . . . . . . . . . . . . . 21
4.4 Sistema homogéneo – SH . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4.5 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
5 Matriz regular (ou invertı́vel) 29

5.1 Método para determinação da inversa de uma matriz . . . . . . . . . . . . . . . . . . . 31
5.2 Critérios de matriz regular . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
5.3 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
6 Determinante de matrizes quadradas 33

6.1 Permutação de n números naturais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
6.2 Métodos para cálculo de determinante . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
6.3 Teorema de Laplace no cálculo de determinante . . . . . . . . . . . . . . . . . . . . . . 35
6.4 Operações elementares sobre linhas/Determinante . . . . . . . . . . . . . . . . . . . . 37
6.5 Aplicação do cálculo de determinante . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
6.6 Determinante como critério de matrizes regulares . . . . . . . . . . . . . . . . . . . . . 39
6.7 Cálculo da inversa de uma matriz regular via matriz adjunta . . . . . . . . . . . . . . 39
6.8 Sistema de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
6.9 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
Corpo. Matriz e determinante. Sistema de equações lineares Pág. 1 de 44

1 Noção de Corpo
Definição 1.1 (Operação binária). Seja um conjunto X ̸= ∅. Diz-se que a operação ∗ é uma operação
binária em X se, para quaisquer a, b ∈ X, tem-se a ∗ b ∈ X.
Definição 1.2 (Corpo). Sejam + e · duas operações binárias num conjunto F ̸= ∅. Diz-se que o terno
ordenado (F, +, ·) — ou simplesmente F, ficando subentendido as operações em causa — é um corpo
se as seguintes propriedades são satisfeitas:
1. A operação + goza da propriedade associativa, ou seja,

∀a, b, c ∈ F (a + (b + c) = (a + b) + c) .
2. Existe o elemento neutro em relação à +, ou seja,

∃1 e+ ∀a ∈ F (a + e+ = e+ + a = a) .
O elemento neutro em relação à operação binária + denomina-se por zero do corpo e representa-
se por 0 (zero).
3. Todo elemento de F tem simétrico, ou seja,
∀a ∈ F∃b ∈ F (a + b = b + a = e+ ) .
Diz-se assim, que b é simétrico de a e que a é simétrico de b. O simétrico do elemento a ∈ F
representa-se por −a.
4. A operação + goza da propriedade comutativa, ou seja,
∀a, b ∈ F (a + b = b + a) .
5. A operação · goza da propriedade associativa, ou seja,

∀a, b, c ∈ F (a · (b · c) = (a · b) · c) .
6. A operação · é distributiva em relação à +, ou seja,

∀a, b, c, ∈ F (a · (b + c) = a · b + a · c ∧ (b + c) · a = b · a + c · a) .
7. Existe o elemento neutro em relação à ·, diferente de e+ , ou seja,

∃1 e· ̸= e+ ∀ a ∈ F , a · e· = e· · a = a.
O elemento neutro em relação à · denomina-se por unidade do corpo e representa-se por 1 (um).
8. A operação · goza da propriedade comutativa, ou seja,
∀a, b ∈ F (a · b = b · a) .
9. Excetuando o zero do corpo, todo elemento de F tem inverso, ou seja,

∀a ∈ F ∧ a ̸= 0∃b ∈ F (a · b = b · a = e· ) .
Diz-se assim, que b é inverso de a e que a é inverso de b. O inverso de a representa-se por a−1 .
Exemplo 1.1. Sejam + e ·, as operações de adição e multiplicação usuais em R. Então:
1. O terno (R, +, ·) é um corpo, o Corpo dos Números Reais, também designado, simplesmente,
pelo corpo R.
2. O terno (Q, +, ·) é um corpo, o Corpo dos Números Racionais, também designado, simplesmente,
pelo corpo Q.

2 Matrizes e operações
2.1 Noção e representação
Definição 2.1 (Matriz real). Sejam m, n ∈ N, os conjuntos {1, 2, 3, . . . , m}, {1, 2, 3, . . . , n} e um

corpo F. Seja uma aplicação
a : {1, 2, . . . , m} × {1, 2, . . . , n} −→ F
(i, j) ,→ aij ,
isto é,
∀i ∈ {1, 2, . . . , m} ∀j ∈ {1, 2, . . . , n} (a ((i, j)) = aij ∈ F) .
As imagens dessa aplicação a são organizadas numa tabela A com m linhas e n colunas, da seguinte
forma:  
a11 a12 . . . a1n
 a21 a22 . . . a2n 
 
A= . .. .. .. 
 ..

. . . 

am1 am2 . . . amn
Esta tabela denomina-se por matriz do tipo m × n, ou matriz de dimensão m × n, sobre o corpo F.
Se F é o corpo dos números reais R, então diz-se que A é uma matriz real.
A cada um dos elementos de uma matriz dá-se o nome de entrada. Diz-se, por exemplo, matriz com
entrada real, quando F = R.
Para localizar e referenciar uma entrada utiliza-se dois ı́ndices, por esta ordem: o ı́ndice de linha e o
ı́ndice de coluna. Um elemento que está na intersecção da linha i e da coluna j diz-se elemento (ou
entrada) (i , j).
O conjunto de matrizes de dimensão m × n, sobre um corpo F, representa-se por Fm×n .
Por exemplo, Rm×n representa o conjunto de matrizes de dimensão m × n com entradas reais, ou no
corpo dos números reais.
Representação de uma matriz
Geralmente uma matriz m×n é designada por um alfabeto romano, A , B , C , D , etc.. Por exemplo,
se A é uma matriz, com entrada num corpo F , do tipo m × n escreve-se:
 
a11 a12 ... a1n
 a21 a22 ... a2n 

A=

 .. .. .. .. 
,
 . . . . 
am1 am2 . . . amn
ou, abreviadamente,
A = [aij ]m×n ,
onde ∀i ∈ {1, 2, 3, . . . , m} ∀j ∈ {1, 2, 3, . . . , n} , aij ∈ F.
Exemplo 2.1. São exemplos de matrizes reais, ou com entradas no corpo R, de diferentes dimensões.
1. Matriz retangular: matriz que tem o número de linhas diferente do número de colunas. Por
exemplo, a matriz  √
− 3 2

A =  −1 4
 
2 0
tem três linhas e duas colunas (matriz de dimensão 3 × 2).

2. Matriz linha: matriz que tem apenas uma linha (e qualquer número de colunas). Por exemplo,
a matriz
√ 1

B = 1 −3 5
3
tem uma linha e quatro colunas (matriz de dimensão 1 × 4).
3. Matriz coluna: matriz que tem apenas uma coluna (e número de linhas qualquer). Por exemplo,
a matriz
π
 
 −2 
D=  √2 

2
tem uma coluna e 3 linhas (matriz de dimensão 3 × 1).
4. Matriz quadrada: é uma matriz cujo o n.º de linhas é igual ao n.º de colunas. Se esse número
é igual a n ∈ N, diz-se matriz quadrada de ordem n. Por exemplo, a matriz
2 −1 3
 
E= 0 1 3
 
−3 0 1
é uma matriz quadrada de ordem 3.

Um outro exemplo, pode ser a matriz B = [bij ] quadrada de ordem 4, que satisfaz a seguinte
condição:
bij = ij−1 .
Esta matriz pode ser representada utilizando a tabela, da seguinte forma:
1 1 1 1
 
 1 2 4 8 
B=
 
1 3 9 27

 
1 4 16 64
Submatriz: noção e representação
Definição 2.2 (Submatriz). Uma submatriz de uma matriz A, do tipo m × n, é uma matriz do
tipo p × q, com 1 ≤ p ≤ m e 1 ≤ q ≤ n, obtida por supressão de alguma(s) linha(s) e/ou alguma(s)
coluna(s) de A.
Anotações
Se
i1 < i2 < . . . < ip
são elementos de
{1, 2, 3, . . . , m}
e
j1 < j2 < . . . < jq
são elementos de
{1, 2, 3, . . . , n} ,
então,
A [i1 , i2 , . . . , ip |j1 , j2 , . . . , jq ]

representa a submatriz de A formada pelos elementos que ficam na intersecção das linhas
i1 , i2 , . . . , ip
e colunas
j1 , j2 , . . . , jq
de A; e
A (i1 , i2 , . . . , ip |j1 , j2 , . . . , jq )
representa a submatriz de A que se obtém eliminando as linhas
i1 , i2 , . . . , ip
e colunas
j1 , j2 , . . . , jq ;
de A.
Exemplo 2.2. Seja

1 2 3 4
 
 4 3 2 1 
A= .
 
 −1 −2 −3 −4 
−4 −3 −2 −1
Então: " #
2 3 4
A [1 , 3 | 2 , 3 , 4] = = A (2 , 4 | 1) .
−2 −3 −4
2.2 Classificação de matrizes quadradas
Seja A = [aij ]n×n uma matriz quadrada de ordem n, sobre um corpo F.

Os elementos diagonais (ou principais) de A são aqueles que têm ı́ndices de linhas e colunas iguais,
ou seja,
a11 , a22 , . . . , ann .
Ao seu conjunto chama-se diagonal principal de A. A sua soma denomina-se traço de A e denota-se
por tr (A), ou seja,
tr (A) = a11 + a22 + · · · + ann .
São alguns tipos de matrizes quadradas:
1. A matriz A diz-se triangular superior se
∀i > j (aij = 0) ,
ou seja, as entradas abaixo da diagonal principal são iguais a zero.
2. A matriz A diz-se triangular inferior se
∀i < j (aij = 0) ,
ou seja, as entradas acima da diagonal principal são iguais a zero.
3. A matriz A diz-se, simplesmente, triangular, se ela é triangular superior ou inferior.

4. A matriz A diz-se diagonal, se

∀i∀j (i ̸= j ⇒ aij = 0) ,
ou seja, são nulas todas as entradas não diagonais.
5. A matriz A diz-se escalar, se ela é diagonal e existe um c ∈ F, tal que
∀i (aii = c) .
6. A matriz A diz-se identidade, se é escalar com entradas diagonais iguais a 1. A matriz identidade
de ordem n denota-se por In .
7. A matriz A diz-se nula, se todas as suas entradas são iguais a 0. Uma matriz nula de ordem n
denota-se por 0n .
Observa-se que ma matriz retangular do tipo m×n com todas as entradas nulas, diz-se, também,
matriz nula, e denota-se por 0m×n .
2.3 Álgebra das Matrizes
Igualdade de matrizes
Definição 2.3 (Igualdade). Sejam A = [aij ] , B = [bij ] ∈ Fm×n . Então, A = B se, e somente se, os
elementos correspondentes são iguais, ou seja,
∀i ∈ {1, 2, . . . , m} ∀j ∈ {1, 2, . . . , n} (aij = bij ) .
Transposta de matrizes
Definição 2.4 (Transposta de uma matriz). Seja A = [aij ] ∈ Fm×n . A matriz transposta de A é a
matriz At ∈ Fn×m , cuja entrada (j , i) é igual a aij , ou seja, At resulta da permutação das linhas com
as colunas de A.
Exemplo 2.3. Considere as seguintes matrizes:
2
   
a11 a12 a13 a14 a15 −3 h i
A =  a21 a22 a23 a24 a25  , B =  −1 1  eC= 1 4 2 .
   
a31 a32 a33 a34 a35 1 −5
Determine At , B t e C t .
Resolução. Tem-se:
 
a11 a21 a31
1
 
 a12 a22 a32  " #
  −3 −1 1
A =
t
a13 a23 a33  , Bt = e Ct =  4  .
   
2 1 −5
2
 
 a14 a24 a34 
a15 a25 a35
t
Proposição 2.1. Para toda matriz A ∈ Fm×n , m, n ∈ N, tem-se At = A.
Definição 2.5 (Matriz simétrica e anti-simétrica). Seja A = [aij ] uma matriz quadrada real. Diz-se
que A é:
1. Simétrica se At = A, ou seja, para quaisquer i, j ∈ {1, 2, . . . , n}, tem-se aij = aji .

2. Anti-simétrica/hemi-simétrica se At = −A = [−aij ], i, j ∈ {1, 2, . . . , n}, ou seja, para quaisquer

i, j ∈ {1, 2, . . . , n}, tem-se aij = −aji .
Nota 2.1. A partir da definição, conlcui-se que:
1. Uma matriz quadrada real é simétrica se os elementos da diagonal principal são arbitrários, e se
os elementos opostos em relação à diagonal principal (correspondem às entradas (i , j) e (j , i),
i ̸= j) são iguais.
2. Uma matriz quadrada real é anti-simétrica se os elementos da diagonal principal são iguais a
zero, e se os elementos opostos em relação à diagonal principal são simétricos.
Exemplo 2.4. São alguns exemplos:
1 −1 √2
 
1) A matriz A =  −1 √0 2  é simétrica.
 
2 2 3
0 2 1 0
 
 −2 0 −1 2 
2) A matriz B =   é anti-simétrica.
 
 −1 1 0 1 
0 −2 −1 0
Produto de uma matriz por escalar

Definição 2.6 (Produto por escalar). Sejam uma matriz A = [aij ] ∈ Fm×n e um escalar λ ∈ F. O
produto escalar de λ por A é a matriz D = [dij ] ∈ Fm×n , tal que
∀i ∈ {1, 2, . . . , m} ∀j ∈ {1, 2, . . . , n} (dij = λaij ) .
Teorema 2.2. Seja A uma matriz do tipo m × n e seja λ ∈ F . Então,
λA = 0m×n ⇐⇒ λ = 0 ∨ A = 0m×n .
Soma e subtração de matrizes

Definição 2.7 (Adição/Soma). Sejam A = [aij ] , B = [bij ] ∈ Fm×n . A soma de A com B é a matriz
A + B = [cij ] ∈ Fm×n , tal que
∀i ∈ {1, 2, . . . , m} ∀j ∈ {1, 2, . . . , n} (cij = aij + bij ) .
Exemplo 2.5. Considere as matrizes em R2×3 abaixo apresentadas:

" # " #
−1 1 3 0 2 3
A= e B= .
0 2 −5 −1 5 2
Determine A + B.
Resolução. Ora, como A e B são da mesma dimensão, então elas são compatı́veis para a adição; e,
neste caso, tem-se:
" # " #
−1 1 3 0 2 3
A+B = +
0 2 −5 −1 5 2
" #
−1 3 6
= .
−1 7 −3

Teorema 2.3. A adição em Fm×n goza das propriedades associativa e comutativa, admite o elemento
neutro, a matrix 0m×n , e toda matriz A = [aij ] ∈ Fm×n tem simétrico −A = [−aij ] ∈ Fm×n .
Definição 2.8 (Subtração). Sejam A = [aij ] , B = [bij ] ∈ Fm×n . A diferença entre A e B é a matriz
A − B = [cij ] ∈ Fm×n , tal que
∀i ∈ {1, 2, . . . , m} ∀j ∈ {1, 2, . . . , n} (cij = aij − bij ) .
Nota 2.2. Nota-se que:
1. A − B = A + (−B).
2. Duas matrizes, sobre o mesmo corpo, são compatı́veis para a soma e subtração se são da mesma
dimensão.
Outras propriedades da adição, produto por escalar e transposta

Teorema 2.4. Sejam A e B matrizes simétricas da mesma dimensão, e seja λ um escalar. Então:
(a) At é simétrica;
(b) A + B e A − B são simétricas;
(c) λ A é simétrica.
Nota 2.3. Em geral, produto de duas matrizes simétricas, não é simétrica.
Teorema 2.5. Sejam A, B ∈ Fm×n e sejam λ, β ∈ F. Então, tem-se:
1. λ (A ± B) = λA ± λB.
2. (λ + β) A = λA + βA.
3. (λ β) A = λ (βA).
4. 1A = A , onde 1 representa o elemento neutro da operação · no corpo F.
5. (λA)t = λAt .
6. (A ± B)t = At ± B t .
1 2 −1 5
   
Exemplo 2.6. Considere as matrizes A = −1 0 e B =  7 −1.

   
−3 4 3 −8
(a) Determine −3A, 2B e A + B .
(b) Determine A − 2B.
Resolução. Determina-se:
−2 10 0 7
     
−3 −6
(a) −3A =  3 0  , 2B =  14 −2  e A + B = 6 −1.
     
9 −12 6 −16 0 −4
2 3
   
−10 −8
(b) A − 2B = A + (−2B) = A + −14 2  = −15 2 .
   
−6 16 −9 20

Multiplicação de matrizes Considere um corpo F.

h i
Definição 2.9 (Produto escalar). Seja uma matriz linha 1 × n, L = l1 l2 . . . ln , e seja uma
h it
matriz coluna n × 1, C = c1 c2 . . . cn , sobre o corpo F. O produto escalar de L por C é igual a
n
l1 · c1 + l2 · c2 + · · · + ln · cn =
X
li · ci ∈ F.
i=1
h i h it
Exemplo 2.7. Sejam as matrizes reais L = −1 3 5 0 e C = −2 2 3 1 . O produto escalar
de L por C é igual a
−1 · (−2) + 3 · 2 + 5 · 3 + 0 · 1 = 23 .
Definição 2.10 (Multiplicação/Produto de matrizes). O produto de uma matriz A = [aij ] ∈ Fm×n por
uma matriz B = [bij ] ∈ Fn×p é a matriz AB = [cij ] ∈ Fm×p , tal que, para quaisquer i ∈ {1, 2, . . . , m},
j ∈ {1, 2, . . . , p}, 0 elemento cij é o produto escalar da linha i da matriz A pela coluna j da matriz B.
Nota 2.4. Nota-se que o produto AB nem sempre está definido, pois é necessário que o n.º de colunas
de A seja igual ao n.º de linhas de B. Quando esta condição é satisfeita, diz-se que as matrizes A e
B são compatı́veis para o produto/multiplicação.
1 2 −2 0
 
" #
−1 2 −2
Exemplo 2.8. Sejam as matrizes reais A = e B =  3 1 −1 2 . Determine
 
0 1 3
−2 1 −2 3
o produto AB.
Resolução. Como A ∈ R2×3 e B ∈ R3×4 , então AB ∈ R2×4 . Determina-se:
1 2 −2 0
 
" #
−1 2 −2
AB =  3 1 −1 2 
 
0 1 3
−2 1 −2 3
" #
−1 + 6 + 4 −2 + 2 − 2 2 − 2 + 4 0 + 4 − 6
=
0+3−6 0+1+3 0−1−6 0+2+9
" #
9 −2 4 −2
= .
−3 4 −7 11
Nota 2.5. Nota-se que em geral a multiplicação de matrizes não goza da propriedade comutativa.
Aliás o facto do produto AB estar definido, não implica que o produto BA também esteja definido,
embora há casos em que isto pode acontecer.
No entanto, se A e B são matrizes quadradas da mesma ordem, os produtos AB e BA sempre estão
definidos e têm a mesma ordem, contudo AB pode ser diferente ou igual a BA.
Definição 2.11 (Matrizes comutáveis). Duas matrizes quadradas, sobre um corpo F, dizem-se co-
mutáveis se AB = BA.
" #
1 1
Exemplo 2.9. Seja A = ∈ R2×2 . Encontre todas as matrizes que são comutáveis com A.
0 0

" #
x y
Resolução. Seja B = ∈ R2×2 . A e B são comutáveis se AB = BA. Então, tem-se:
z w
AB = BA
" #" # " #" #
1 1 x y x y 1 1
⇔ =
0 0 z w z w 0 0
" # " #
x+z y+w x x
⇔ =
0 0 z z
x = x, x ∈ R


 x+z
= x


  y = x−w

⇔ y+w = x ⇔
z = 0
z = 0

 



w ∈ R
Então, o conjunto das matrizes procuradas é:

( " # )
x x−w
B(x , w) = : w, x ∈ R .
0 w
Definição 2.12. Seja A uma matriz quadrada de ordem n, sobre um corpo F. As potências de
expoentes inteiros não negativos de A definem-se da seguinte forma:
A0 = In
(
Am+1 = Am A, ∀m ∈ Z+
0.
Ou seja, 
A = In
 0

 A1 = A





...
A = A m > 1.
m

| · A {z
· · · · · A}, ∀m ∈ N,



m vezes
O papel da matriz identidade na multiplicação de matrizes Seja A = [aij ] ∈ Rm×n . Então,
AIn = A e Im A = A.
Ou seja, o produto de uma matriz A pela matriz identidade e vice-versa, quando possı́vel, é igual a
A. Neste sentido, embora não haja unicidade, pode-se dizer que a matriz identidade desempenha a
função de elemento neutro na multiplicação de matrizes.
1 2
 
−1
4 √
−3   0
Exemplo 2.10. Seja a matriz real A =  1 . Determine os produtos AI3 e I4 A.
 
 2 π 2 
−1 2 4
Propriedades da multiplicação de matrizes
Teorema 2.6 (Propriedades da multiplicação de matrizes). Seja λ um escalar e sejam A, B, C e I

(matriz identidade) matrizes compatı́veis para as operações (multiplicações e somas) abaixo indicadas.
Então:

1. IA = A e BI = B .
2. Associatividade: A(BC) = (AB)C.
3. Distributividade à esquerda: A(B + C) = AB + AC e A(B − C) = AB − AC.
4. Distributividade à direita: (B + C)A = BA + CA e (B − C)A = BA − CA.
5. λ(AB) = (λA)B = A(λB) .
6. Transposta do produto de matrizes: (AB)t = B t At .
Exemplo 2.11. Se A, B e C são matrizes tais que AB = I e CA = I, mostre que B = C
Resolução. tem-se
AB = I ⇔ C(AB) = CI
⇔ (CA)B = CI (pela propriedade associativa)
⇔ IB = CI (por hipótese, CA = I)
⇔ B=C (pelo ponto 1 do Teorema 2.6)
Proposição 2.7. Seja uma matriz A ∈ Fm×n . Então, os produtos AAt e At A são matrizes simétricas.
 
−2 −1
Exemplo 2.12. Seja A =  1 3 . Então, tem-se:
 
1 −2
5 −5 0
   
−2 −1 " #
 −2 1 1
AA =  1
t
3  =  −5 10 −5  e
  
−1 3 −2
1 −2 0 −5 5
 
" # −2 −1 " #
−2 1 1 6 3
At A =  1 3 =
 
−1 3 −2 3 14
1 −2
são matrizes simétricas.
2.4 Exercı́cios
1. Determine a matriz A ∈ R3×2 que satisfaz a seguinte condição:

t
0 2
  
" #
7 0 −1
2A − 2  −5 2  = .
  
2 1 5
1 3
2. Em cada caso, encontre uma matriz quadrada A = [aij ] de ordem 6 que satisfaça a condição
dada:
2.1. aij = 0, para i, j ∈ {1, 2, . . . , 6} ∧ i ̸= j.

2.2. aij = 0, para i, j ∈ {1, 2, . . . , 6} ∧ i > j.
2.3. aij = 0, para i, j ∈ {1, 2, . . . , 6} ∧ |i − j| > 1.
3. Em cada caso, encontre a matriz B = [bij ] quadrada de ordem 4, que satisfaça a condição dada:

3.1. bij = i + j, para quaisquer i, j ∈ {1, 2, 3, 4}.

1 se i, j ∈ {1, 2, 3, 4} ∧ |i − j| > 1
(
3.2. bij = .
−1 se i, j ∈ {1, 2, 3, 4} ∧ |i − j| ≤ 1
4. Mostre a proposição 2.7.
Demonstração. Como A ∈ Fm×n , então At ∈ Fn×m . Logo os produtos, AAt e At A estão definidos
e são iguais às matrizes quadradas de ordem m e de ordem n, respetivamente. Então, pelo ponto
6 do Teorema 2.6 e pela Proposição 2.1, tem-se:
t t
AAt = At At = AAt e
t t
At A = At At = At A,
logo AAt e At A são matrizes simétricas.
5. Seja A uma matriz quadrada de ordem n, sobre um corpo F. Diz-se que A é involuntório se
A2 = I n .
 −11 −39 −39 
2 4 4
5.1. Verifique se a matriz real A =  1 5 3 
é involuntório.

2 2 
2 3 4
" #
1 a
5.2. Seja a matriz real A = . Determine os valores reais de a , b e c, de modo que A seja
b c
uma matriz involuntório.
6. Seja A uma matriz quadrada de ordem n, sobre um corpo F. Diz-se que A é nilpotente se existe
um número p ∈ N, tal que Ap = 0n . Se p é o menor inteiro tal que Ap = 0n , então diz-se que A
é nilpotente de ordem p.
0 0 0
 
Seja a matriz real A =  a 2 −1 .

 
1 b −2
6.1. Determine os valores reais de a e de b, de modo que a matriz A seja nilpotente de ordem 3.
Resolução da questão 6.1. A matriz A é nilpotente de ordem 3 se:
A ̸= 03 ∧ A2 ̸= 03 ∧ Ak = 03 , com k ∈ N, k ≥ 3. (1)
Assim:
0 0 0 0 0 0 0 0 0
    
A = AA = a 2 −1 a 2 −1 = 2a − 1 4 − b

2
0 . (2)
    
1 b −2 1 b −2 ab − 2 0 −b + 4
0 0 0 0 0 0 0 0 0
   
A3 = A2 A = 2a − 1 4 − b 0  a 2 −1 a (4 − b) 2 (4 − b) b − 4 . (3)

   
ab − 2 0 −b + 4 1 b −2 −b + 4 b (−b + 4) −2 (−b + 4)

Então, pelas fórmulas (2) e (3), tem-se:
A2 ̸= 03 ⇔ 2a − 1 ̸= 0 ∨ 4 − b ̸= 0 ∨ ab − 2 ̸= 0
1 (4)
⇔ a ̸= ∨ b ̸= 4 ∨ ab ̸= 2.
2
A = 03 ⇔ a (4 − b) = 0 ∧ b − 4 = 0 ∧ b (−b + 4) = 0
3
⇔ (a = 0 ∨ b = 4) ∧ b = 4 ∧ (b = 0 ∨ b = 4)
(5)
⇔ ((a = 0 ∧ b = 4) ∨ b = 4) ∧ (b = 0 ∨ b = 4)
⇔ (a = 0 ∧ b = 4) ∨ b = 4 ⇔ b = 4.
A condição (1) é equivalente a:


a, b ∈ R

a ̸= 12
 (
a ̸= 12 ∨ b ̸= 4 ∨ ab ̸= 2 ⇔ .

b = 4
 b=4
7. Mostre que se A e B são comutáveis, então A e B são matrizes quadradas da mesma ordem.
8. Calcule:
t
1 −3 2 2 0 12 1 −5 −43
    
8.1. 3  0 4 −9  − 21  −15 −3 2  + 5  0 7 0 .
     
2 −3 1 12 −8 −32 21 45 −34
t
21 20 −21 90 −45 20 19 −25 87
     
8.2.  56 11 34  − 9 2  −23 32 72  − 13  47 40 81  .
      
45 83 −34 65 23 89 85 35 24
9. Considere a matriz
1 a −a 0
 
−1
 2 b −b −2 1 
M = .
 
 3 c −c −3 3 
4 d −d −4 5
Escolha a(s) resposta(s) correcta(s):
9.1. A matriz M [2, 4|1, 3] é uma matriz quadrada de ordem 3.

" #
2 −b
9.2. A matriz M (1, 3|2, 4, 5) = .
4 −d
10. Considere o polinómio f (x) = an xn +an−1 xn−1 +· · ·+a1 x+a0 , e considere uma matriz quadrada
A de ordem n.
f (A) = an An + an−1 An−1 + · · · + a1 A + a0 In .
Desta feita, diz-se que uma matriz quadrada A é zero de um polinómio f se f (A) = 0n .
10.1. Verifique se as matrizes " # " #

1 7 −5 6
A= eB=
0 4 −9 10
são zeros do polinómio f (x) = x2 − 5x + 4.
11. Encontre a matriz A nas expressões que se seguem:

2 0
 
" #t
1 0 −2
11.1. 2A − =  −3 4 ;
 
4 7 3
0 8
t
0 2
 
" #
7 0 −1
11.2. 3A − 2  −5 2  = .
 t  
2 1 5
1 3
12. Considere as matrizes A = [aij ], B = [bij ] e C = [cij ] tais que:
1 1
aij = , i = 1, 2, 3, 4, j = 1, 2, 3, e bij = i − j + 1, cij = , i, j = 1, 2, 3.
i+j−1 i+j
12.1. Verifique quais das seguintes expressões estão bem definidas e determine o seu valor:
i. AB ii. B + C iii. B − C iv. A (B − C) v. (B − C) A vi. AB + AC vii. A (BC) viii. (AB) C
ix. B 5 x. At xi. At C 3 xii. B + I3 xiii. I4 A xiv. B 3 − 3B + I3
12.2. Determine a submatriz M = A[1, 2, 3|1, 2, 3];
12.3. Determine a submatriz de M = A(1|2);
12.4. Determine a terceira linha de B.
13. Sejam A e B matrizes simétricas. Mostre que se AB = BA, a matriz AB também é simétrica.
14. Uma matriz quadrada E diz-se idempotente se E 2 = E.

" #
1 λ
14.1. Mostre que 02 , I2 e são idempotentes.
0 0
14.2. Se B é um idempotente, mostre que I − B e B t são ambas idempotentes.
14.3. Se BA = I para certas matrizes A e B, mostre que E = AB é um idempotente.
15. Sejam A, B ∈ Rm×n . Simplifique cada uma das seguintes expressões:
15.1. 3 (5A − 3B) + 6 (B − 4A) + 3 (2A + B).

15.2. 2 (3A − 5B) + 4 (B − 2A) + 2 (3B − A).
16. Sejam A e B matrizes quadradas de ordem n. Mostre que:
16.1. Se A e B são comutáveis, então (A − B)(A + B) = A2 − B 2 .

16.2. Se (A − B)(A + B) = A2 − B 2 , então A e B são comutáveis.
17. Em cada caso, calcule os produtos das matrizes indicadas:
0 3
 
" #
2 0 −3
17.1.  −4 7 ;
 
−1 6 5
2 −5
3 h
 
i
17.2.  −5  5 9 −3 ;
 
2
 
−2 −5 " #
 1 2 3
17.3.  0 3  .

0 −3 5
9 −4

 
" −2 −5
# " # " #
−2 5 1 1 3 −2
18. Sejam A = ,B= 0 3 , C = eD= . Em cada caso
 
−3 −6 5 −2 5 3
9 −4
calcule o produto indicado ou explique por que ele não está definido:
(a) AB (b) A2 (c) CD (d) DC (e) BC (f) AC (g) C 2 (h) AD
" # " #
1 7 −5 6
19. Sejam A = eB= . Verifique se:
0 4 −9 10
19.1. A2 − 5A + 4I2 = 02 .
19.2. B 2 − 5B + 4I2 = 02 .
d1 0 0
 
20. Seja a matriz diagonal D =  0 d2 0 . Calcule as potências D2 , D3 e D4 , e deduza a

 
0 0 d3
fórmula para o cálculo de D , n ∈ N.
n
" #
a b c
21. Seja A = ∈ R2×3 . Mostre que, se AAt = 02 , então A = 02×3 .
a′ b′ c′
1 1 1
 
22. Seja A = 0 1 2. Encontre uma matriz simétrica B e uma matriz anti-simétrica C de modo
 
1 2 4
que B + C = A.
3 Condensação de uma matriz
3.1 Operações elementares sobre linhas (colunas) de uma matriz
Definição 3.1 (Operações elementares). Chamam-se operações elementares sobre as linhas (colunas)
de uma matriz as que se seguem:
OE1) Trocar entre si duas linhas (colunas);
OE2) Multiplicar uma linha (coluna) por um escalar diferente de zero;
OE3) Substituição de uma linha (coluna) pela sua soma com outra linha (coluna), multiplicada por
um escalar arbitrário.
Representações das operações elementares
(A) Operações elementares sobre linhas
• Dadas duas linhas, Li e Lk , i ̸= k, de uma matriz A, a troca entre si destas linhas representa-
se por Li ↔ Lk ;
• A multiplicação da linha Li de uma matriz A pelo escalar λ representa-se por Li ← λLi ;
• Dadas duas linhas, Li e Lk , i ̸= k, de uma matriz A e λ ∈ F, a substituição da linha Li
pela linha Li + λLk representa-se por Li ← Li + λLk ;
(B) Operações elementares sobre colunas

• Dadas duas colunas, Cj e Cl , j ̸= l, de uma matriz A, a troca entre si destas colunas

representa-se por Cj ↔ Cl ;
• A multiplicação da coluna Cj da matriz A pelo escalar β representa-se por Cj ← βCj ;
• Dadas duas colunas, Cj e Cl , j ̸= l, de uma matriz A e β ∈ F, a substituição da coluna Cj
pela coluna Cj + βCl representa-se por Cj ← Cj + βCl .
2 0 0 4
 
Exemplo 3.1. Seja A =  1 0 −1 3  ∈ R3×4 .

 
1 −2 0 0
1. Troca da 1ª e 3ª linhas:
2 0 0 4 1 −2 0 0
   
A= 1 0 −1 3  −→  1 0 −1 3  ;
   
L1 ↔L3
1 −2 0 0 2 0 0 4
1
2. Multiplicação da 1ª linha por :
2
2 0 0 4 1 0 0 2
   
A= 1 0 −1 3  −→  1 0 −1 3  ;
   
1
1 −2 0 0 L1 ← 2 L1 1 −2 0 0
3. Substituição da 3ª linha pela sua soma com a 2ª linha multiplicada por (−1):
2 0 0 4 2 0 0 4
   
A= 1 0 −1 3  −→  1 0 −1 3 ;
   
L3 ←L3 +(−1)L2
1 −2 0 0 0 −2 1 −3
4. Troca da 1ª e 3ª colunas:
2 0 0 4 0 0 2 4
   
A= 1 0 −1 3  −→  −1 0 1 3 ;
   
C1 ↔C3
1 −2 0 0 0 −2 1 0
5. Multiplicação da 4ª coluna por −3:
2 0 0 4 2 0 0 −12
   
A= 1 0 −1 3  −→  1 0 −1 −9  ;
   
C4 ←−3C4
1 −2 0 0 1 −2 0 0
6. Substituição da 2ª coluna pela sua soma com a 4ª coluna multiplicada por (−2):
2 0 0 4 2 −8 0 4
   
A= 1 0 −1 3  −→  1 −6 −1 3  .
   
C2 ←C2 +(−2)C4
1 −2 0 0 1 −2 0 0

Matriz na forma escalonada

Definição 3.2 (Matriz escalonada/escalonada reduzida). Diz-se que uma matriz está na forma
escalonada se:
(i) As linhas nulas, caso existam, ocorrem depois das linhas não nulas;
(ii) O primeiro elemento não nulo de cada linha - pivot - situa-se numa coluna mais à esquerda que
todos os pivots das linhas seguintes, ou seja, o ı́ndice de coluna de pivot de cada linha é menor
que os ı́ndices de colunas dos pivots das linhas seguintes.
Uma matriz escalonada diz-se na forma escalonada reduzida se cada pivot é igual a 1 e é a única
entrada diferente de zero na sua coluna.
Exemplo 3.2. São alguns exemplos de matrizes na forma escalonada e escalonada reduzida:
1. As matrizes reais
0 1 0 −3 0
 
1 −3 2
 
 0 0 1 0 0 
A= e B= 0 1 3 
   
0 0 0 0 1 

0 0 4

0 0 0 0 0
estão na forma escalonada, e a matriz A está na forma escalonada reduzida.
2. Qualquer matriz nula está na forma escalonada reduzida.
3. Qualquer matriz linha está na forma escalonada; e ela está na forma escalonada reduzida sse o
pivot for igual a 1.
Redução de uma matriz à forma escalonada (escalonada reduzida) — Condensação Dada

uma matriz A ∈ Fm×n , é possı́vel obter a partir de A uma matriz na forma escalonada (ou escalonada
reduzida), mediante uma sequência de operações elementares sobre linhas e/ou sobre colunas.
O processo que permite reduzir uma matriz A ∈ Fm×n à forma escalonada (ou escalonada reduzida)
chama-se condensação.
0 3 −1
 
 2 1 2 
Exemplo 3.3. Seja uma matriz real A =   ∈ R4×3 .
 
 1 2 1 
3 −1 0
Reduzir a matriz A à forma escalonada.
Resolução.
0 3 −1 1 2 1 1 2 1
     
 2 1 2   2 1 2   0 −3 0 
 −→  −→
     
1 2 1  L1 ↔L3  0 3 −1 0 3 −1
   
  L2 ←L2 −2L1  
3 −1 0 3 −1 0 3 −1 0
1 2 1 1 2 1 1 2 1
     
 0 −3 0   0 1 0   0 1 0 
−→  −→ −→
     
0 3 −1 0 3 −1 0 0 −1
    
L4 ←L4 −3L1   L2 ← −1 L2   L3 ←L3 −3L2  
3
0 −7 −3 0 −7 −3 0 −7 −3
1 2 1 1 2 1
   
 0 1 0   0 1 0 
−→ −→ .
   
0 0 −1 0 0 −1
  
L4 ←L4 +7L2   L4 ←L4 −3L3  
0 0 −3 0 0 0

Nota 3.1. Para reduzir a entrada aij ̸= 0, da linha Li , a zero utilizando a entrada akj ̸= 0, da linha
Lk , aplica-se a seguinte operação elementar:
aij
Li ← Li − Lk .
akj
Para reduzir a entrada akj ̸= 0, da linha Lk , à unidade, 1, aplica-se a seguinte operação elementar:
1
Lk ← Lk .
akj
Operações semelhantes a estas podem ser realizadas sobre as colunas de uma matriz e, muitas vezes,
são muito úteis, principalmente na discussão de um sistema de equações lineares e na determinação
de caracterı́stica de uma matriz – que se vê mais adiante.
No entanto, pode-se aplicar apenas as operações elementares sobre linhas na redução de qualquer matriz
à forma escalonada. Neste sentido, dependendo das operações elementares aplicadas, uma matriz
pode ser reduzida a diferentes matrizes na forma escalonada. No entanto, cada matriz é reduzida à
uma única matriz na forma escalonada reduzida, independentemente das operações elementares, sobre
linhas aplicadas.
Para reduzir uma matriz à forma escalonada reduzida, reduzem-se todos os pivots à unidade, 1, e
anulam-se todos os elementos acima e abaixo de cada pivot.
Definição 3.3 (Caracterı́stica de uma matriz na forma escalonada). A caracterı́stica de uma matriz
na forma escalonada é igual ao n.º de linhas não nulas dessa matriz.
0 1 0 −3 0
 
1 −3 2
 
 0 0 1 0 0 

Exemplo 3.4. As matrizes A =  eB= 0 1 3  têm caracterı́sticas iguais
  
0 0 0 0 1 
0 0 4

0 0 0 0 0
a 3.
Teorema 3.1. Seja A ∈ Fm×n . Se a matriz A é reduzida a duas matrizes, B e C, na forma escalonada,
então B e C têm o mesmo número de linhas não nulas.
3.2 Caracterı́stica de uma matriz
Definição 3.4 (Caracterı́stica de uma matriz). Seja A ∈ Fm×n . A caracterı́stica da matriz

A, que se denota por c(A) ou r(A), é igual a caracterı́stica da matriz escalonada, que se obtém a partir
de A, efetuando operações elementares.
0 3 −1
 
 2 1 2 
Exemplo 3.5. A caracterı́stica da matriz A =  , do exemplo 3.3, é também 3.
 
 1 2 1 
3 −1 0
Teorema 3.2 (Propriedades de caracterı́stica). Sejam A ∈ Fm×n , B ∈ Fn×p e λ ∈ F \ {0}.
Então:
(C1) c(A) ⩽ m e c(A) ⩽ n;
(C2) c(λA) = c(A);
(C3) c(AB) ⩽ c(A) e c(AB) ⩽ c(B);
(Ct) c(At ) = c(A).

3.3 Exercı́cios
1. Em cada caso, determine a caracterı́stica:

1 −1 2 1 2 1
 
 −1 1 −2 2 0 2 
1.1. A = 
 
1 −2 0 1 −1 1

 
0 1 −1 1 −2 0
1 −1 1 1 1 2 1
 
 −1 −2 2 1 −1 0 −1 
1.2. B = 
 
1 1 −1 2 1 1 −1 


1 1 0 −1 1 0 1
2. Considere a matriz A do “exemplo 3.3.”; reduza-a à matriz C, na forma escalonada reduzida.
3. Em cada uma das alı́neas que se seguem, discuta a caracterı́stica da matriz considerada em
função do(s) parâmetro(s) indicado(s):
1 0 −1 1
 
3.1. A =  1 1 0 1 , onde a ∈ R;
 
a 1 −1 2
2 1 α 1
 
3.2. A =  1 1 α α/2 , onde α , β ∈ R;

 
1 β α 1
λ 0 λ
 
3.3. A =  0 2λ 2 , onde λ ∈ R.
 
1 −1 λ
4. Considere a matriz
1 1 1 3
 
A= 0 1 0 1 .
 
0 0 a−2 0
4.1. Determine “a” de modo que c(A) < 3 ;

4.2. Determine “a” de modo que c(A) = 3. Para “a = 5”, reduza a matriz A à forma escalonada
reduzida, D, aplicando operações elementares sobre linhas e/ou colunas.
4 Sistema de equações lineares
4.1 Equação linear
Definição 4.1 (Equação linear sobre um corpo F). Seja n ∈ N. Chama-se equação linear nas
incógnitas x1 , x2 , . . . , xn , sobre um corpo F, a toda equação redutı́vel à forma
a1 x1 + a2 x2 + · · · + an xn = b,
onde b ∈ F, ∀i ∈ {1, 2, . . . , n} (ai ∈ F), e ∃i ∈ {1, 2, . . . , n} (ai ̸= 0).

Para cada i ∈ {1, 2, . . . , n}, ai é o coeficiente da incógnita xi e b é o termo independente.
Exemplo 4.1. A equação 2x1 + 3x2 = −5 é linear nas incógnitas x1 e x2 sobre o corpo R. A mesma
equação pode ser escrita na forma 2x + 3y = −5, isto é, só mudam os nomes das incógnitas.

Definição 4.2 (Solução de uma equação linear). Diz-se que s = (s1 , s2 , . . . , sn ) ∈ Fn é solução da
equação linear a1 x1 + a2 x2 + . . . + an xn = b, se a proposição a1 s1 + a2 s2 + . . . + an sn = b é verda-
deira.
Exemplo 4.2. s = (−4, 1) é solução da equação 2x1 + 3x2 = −5 (do exemplo 4.1), mas s = (1, −4)
não é.
Nota 4.1. Toda equação linear com n incógnitas, n ∈ N, sobre um corpo F, tem pelo menos uma
solução. Se n ≥ 2 e F = R há infinitas soluções. Por exemplo,
−5 3 x1 = −5
(
3
2x1 + 3x2 = −5 ⇔ x1 = − x2 ⇔ 2 − 2λ ,
2 2 x2 = λ ∈ R

isto é, ∀λ ∈ R tem-se −5
2 − 32 λ, λ é solução.
O conjunto-solução, ou seja, conjunto de todas as soluções, é:
−5 3 −5 3

S= − λ, λ : λ ∈ R = , 0 + − λ, λ : λ ∈ R
2 2 2 2
−5 3 −5 3

= ,0 + − ,1 λ : λ ∈ R = ,0 + − ,1 .
2 2 2 2
n o D E
O conjunto − 32 λ, λ : λ ∈ R = − 32 , 1 , e o vetor − 32 , 1 ∈ R2 é o seu gerador.
Definição 4.3 (Sistema de m equações lineares). Sejam m, n ∈ N. Um sistema com m equações

lineares nas incógnitas x1 , x2 , . . . , xn , sobre um corpo F, é uma conjunção de m equações lineares
nestas incógnitas, sobre o mesmo corpo.
4.2 Representação de um sistema de equações lineares (SEL)
Qualquer sistema com m equações lineares nas incógnitas x1 , x2 , . . . , xn reduz-se à forma canónica:
a11 x1 + a12 x2 + . . . + a1n xn =



 b1
 a21 x1 + a22 x2 + . . . + a2n xn =


b2
.. .. .. , (6)


 . . .
 a x + a x + ... + a x

= bm
m1 1 m2 2 mn n
onde aij , bi ∈ F, com i = 1, m e j = 1, n, são, respetivamente, os coeficientes e os termos independentes,

e ∀i ∈ {1, 2, 3, . . . , m} ∃j ∈ {1, 2, 3, . . . , n} (aij ̸= 0).
Associadas ao sistema (6) estão as seguintes matrizes:
 
a11 a12 ··· a1n

a21 a22 ··· a2n 
1. Matriz simples/dos coeficientes: A =  ;
 
.. .. .. ..
. . . .
 
 
am1 am2 · · · amn
 
x1

x2 
2. Matriz coluna das incógnitas: X =  ;
 
..
.
 
 
xn

 
b1

b2 
3. Matriz coluna dos termos independentes: B =  ;
 
..
.
 
 
bm
 
a11 a12 ··· a1n b1

a21 a22 ··· a2n b2 
4. Matriz completa/ampliada: [A|B] =  .
 
.. .. .. .. ..
. . . . .
 
 
am1 am2 · · · amn bm
Assim, a representação matricial do sistema (6) é AX = B, ou seja:

    
a11 a12 ··· a1n x1 b1

a21 a22 ··· a2n 
x2  
b2 
= . (7)
    
 .. .. .. ..  .. ..
. . . . . .
    
    
am1 am2 · · · amn xn bm
Exemplo 4.3. A representação matricial do SEL
x1 − 2x2 + 3x3 + x4 = −3
(
, (8)
2x1 − x2 + 3x3 − x4 = 0
nas incógnitas x1 , x2 , x3 , x4 , sobre o corpo R, é

 
" # x1 " #
1 −2 3 1  x2  −3
AX = B ⇔ = . (9)
 
2 −1 3 −1 x3 0

 
x4
" #
1 −2 3 1 −3
A matriz ampliada é [A|B] = .
2 −1 3 −1 0
4.3 Resolução de sistema de equações lineares (SEL)
Definição 4.4 (Solução). Seja um sistema de m equações lineares com n incógnitas, x1 , x2 , . . . , xn ,

sobre um corpo F. Solução desse sistema é uma lista ordenada s = (s1 , s2 , s3 , . . . , sn ) ∈ Fn que trans-
forma cada uma das m equações numa proposição verdadeira, ou seja,s é solução de cada uma das m
equações.
Exemplo 4.4. Considere o SEL
x1 − 2x2 + 3x3 + x4 = −3
(
,
2x1 − x2 + 3x3 − x4 = 0
sobre o corpo R. Então:
1. A lista s = (1, 4, 1, 1) ∈ R4 é sua solução, pois é solução de cada uma das equações que o
compões, conforme o seguinte:
1 − 2 · 4 + 3 · 1 + 1 = −3 −3 = −3 (P V )
( (
⇔ .
2·1−4+3·1−1=0 0 = 0 (P V )

2. No entanto, a lista r = (−7, 0, 1, 1) ∈ R4 não é sua solução, pois não é solução da segunda
equação que o compõe, conforme o seguinte:
−7 − 2 · 0 + 3 · 1 + 1 = −3 −3 = −3 (P V )
( (
⇔ .
2 · (−7) − 0 + 3 · 1 − 1 = 0 −12 = 0 (P F )
Definição 4.5 (SEL possı́vel/impossı́vel). Um sistema de equações lineares, sobre um corpo F, diz-
se possı́vel se ela tiver pelo menos uma solução, e diz-se impossı́vel se ela não tiver solução. Se
tiver só uma solução diz-se possı́vel determinado, e se tiver mais que uma solução diz-se possı́vel
indeterminado.
Nota 4.2. Um SEL, sobre R, possı́vel indeterminado tem infinitas soluções.
Teorema 4.1 (Classificação de um SEL quanto às soluções). Seja um SEL com n incógnitas, sobre
um corpo F. Sejam A e [A|B], a matriz dos coeficientes e a matriz ampliada associadas a ele. Então:
1. O SEL é impossı́vel sse c (A) ̸= c ([A|B]).
2. O SEL é possı́vel determinado sse c (A) = c ([A|B]) = n.
3. O SEL é possı́vel indeterminado sse c (A) = c ([A|B]) < n.
Definição 4.6 (Grau de indeterminação). Seja um SEL com n incógnitas, sobre um corpo F, possı́vel.
O número inteiro não negativo
g = n − c (A)
diz-se grau de indeterminação do SEL.
Nota 4.3. Se g = 0, então o SEL é possı́vel determinado. Se g ≥ 1, então o SEL é possı́vel

indeterminado.
Definição 4.7. No conjunto das incógnitas/variáveis de um SEL, sobre um corpo F, assume-se como
incógnitas livres/independentes aquelas que não estão associadas aos pivots, e como incógnitas de-
pendentes aquelas que estão associadas aos pivots.
Assim,
Nota 4.4. O grau de indeterminação dá o n.º de incógnitas livres, e elas assumem valores arbitrários
no corpo F. Os valores que as incógnitas dependentes assumem, são pré-determinados pelos valores
assumidos pelas incógnitas livres.
Exemplo 4.5. O SEL

x1 − 2x2 + 3x3 + x4 = −3
(
,
2x1 − x2 + 3x3 − x4 = 0
sobre o corpo R, é possı́vel indeterminado, com g = 2, pois c(A) = c ([A|B]) = 2, menor que o número
total das incógnitas (4), conforme o seguinte:
" # " #
1 −2 3 1 −3 1 −2 3 1 −3
[A|B] = −→ .
2 −1 3 −1 0 L2 ←L2 −2L1 0 3 −3 −3 6
Neste caso, x1 e x2 são incógnitas dependentes, enquanto que x3 e x4 são incógnitas livres/independentes.
Definição 4.8 (Resolução de um SEL). Resolver um sistema de m equações lineares a n incógnitas,

sobre um corpo F, é determinar o seu conjunto-solução (conjunto de todas as soluções) ou concluir
que ela é impossı́vel.

Definição 4.9 (Sistemas equivalentes). Dois sistemas de equações lineares, sobre um mesmo corpo
F, são equivalentes se têm as mesmas soluções.
Teorema 4.2 (Princı́pios de equivalência de sistemas). Obtém-se um SEL equivalente a um outro, se

sobre esse for aplicada qualquer uma das operações que se seguem:
OS1 Trocar a ordem das equações;
OS2 Multiplicar uma equação por um escalar λ ̸= 0;
OS3 Substituir uma equação pela sua soma com uma outra, eventualmente multiplicada por um escalar
λ.
Os princı́pios de equivalência aplicados a um SEL produzem alterações equivalentes nas linhas da

respetiva matriz ampliada, ou seja:
1. Troca, entre si, da i-ésima e k-ésima equações equivale à operação Li ↔ Lk , sobre linhas da respetiva
matriz ampliada;
2. Multiplicação da i-ésima equação por um escalar λ ̸= 0 equivale à operação Li ← λLi , sobre linhas
da respetiva matriz ampliada;
3. Substituição da i-ésima equação pela sua soma com a k-ésima equação, multiplicada por um escalar
λ, equivale à operação Li ← Li + λLk , sobre as linhas da respetiva matriz ampliada.
Sendo assim, a matriz escalonada obtida a partir da matriz ampliada de um SEL, aplicando operações
elementares sobre linhas, está associada a um sistema equivalente a esse SEL.
Então, uma regra prática para resolver um sistema é reduzir a sua matriz ampliada à forma escalonada
(reduzida ou não), e resolver o sistema associado.
Resolução de um SEL cuja matriz ampliada é escalonada não reduzida (MAENR). Um

SEL com n incógnitas, sobre um corpo F, cuja matriz ampliada é escalonada (não reduzida), resolve-se
da seguinte forma:
(1) Se c(A) ̸= c ([A|B]), conclui-se que o SEL é impossı́vel.
(2) Se c(A) = c ([A|B]) = n, determina-se a única solução do sistema, determinando os valores das
incógnitas (ou variáveis) e fazendo as respetivas substituições de baixo para cima.
(3) Se c(A) = c ([A|B]) < n, determina-se o conjunto-solução, atribuindo parâmetros às incógnitas
livres (ou variáveis independentes) e, então, calcular as incógnitas dependentes (ou variáveis
dependentes) e fazer as respetivas substituições de baixo para cima.
Resolução de um sistema cuja matriz ampliada é escalonada reduzida (MAER). Quando

a matriz ampliada, associada a um sistema, é escalonada reduzida, o sistema é resolvido utilizando o
mesmo método aplicado aquando a matriz ampliada é escalonada (não reduzida), só que as “substi-
tuições” são dispensadas.
Exemplo 4.6. Considere o SEL
x1 − 2x2 + 3x3 + x4 = −3
(
, (10)
2x1 − x2 + 3x3 − x4 = 0

considerado no Exemplo 4.5. Escalonando a sua matriz ampliada obtém-se:

" # " #
1 −2 3 1 −3 1 −2 3 1 −3
[A|B] = −→ (MAENR)
2 −1 3 −1 0 L2 ←L2 −2L1 0 3 −3 −3 6
" #
1 0 1 −1 1
−→ (MAER).
L1 ←L1 +(2/3)L2 0 1 −1 −1 2
L2 ←(1/3)L2
Então:
Caso (1) O SEL pode ser resolvido a partir da MAENR:
x1 − 2x2 + 3x3 + x4 = −3 x1 − 2x2 + 3λ + β = −3

( (
(10) ⇔ ⇔
3x2 − 3x3 − 3x4 = 6 3x2 − 3λ − 3β = 6
 


x1 − 2x2 + 3λ + β = −3 

 x1 − 2 (2 + λ + β) + 3λ + β = −3
 
3x = 6 + 3λ + 3β
 x = 2 + λ + β

2 2
⇔ ⇔


x3 = λ ∈ R 

 x3 = λ ∈ R
x4 = β ∈ R x4 = β ∈ R

 

 



 x1 = 1 − λ + β

x = 2 + λ + β

2
⇔ .
x 3 = λ ∈ R


x4 = β ∈ R



Caso (2) O SEL pode ser resolvido a partir da MAER:

 


 x1 + λ − β = 1 

 x1 = 1 − λ + β
 
x1 + x3 − x4 = 1 x − λ − β = 2 x = 2 + λ + β
(  
2 2
(10) ⇔ ⇔ ⇔ .
x2 − x3 − x4 = 2  3=λ∈R

 x  3=λ∈R

 x
x4 = β ∈ R x4 = β ∈ R

 

 
Em ambos os casos o SEL fica resolvido, e o conjunto-solução é:
S = {(1 − λ + β, 2 + λ + β, λ, β) : λ, β ∈ R}
= (1, 2, 0, 0) + {(−λ + β, λ + β, λ, β) : λ, β ∈ R}
= (1, 2, 0, 0) + {λ (−1, 1, 1, 0) + β (1, 1, 0, 1) : λ, β ∈ R}
= (1, 2, 0, 0) + ⟨(−1, 1, 1, 0) , (1, 1, 0, 1)⟩ .
Nota 4.5. Analogamente ao que se referiu na nota 4.1, tem-se:
{(−λ + β, λ + β, λ, β) : λ, β ∈ R} = ⟨(−1, 1, 1, 0) , (1, 1, 0, 1)⟩ ,
e os vetores (−1, 1, 1, 0) , (1, 1, 0, 1) ∈ R4 dizem-se seus geradores.
Exemplo 4.7. O SEL 

x1 − 2x2 − x3 = 1


2x − 4x + x = −1
1 2 3 , (11)

−x + 3x + 2x = 2

1 2 3

sobre o corpo R, é possı́vel determinado, porque c(A) = c ([A|B]) = 3 e 3 é o n.º total das incógnitas.
Determina-se o sua solução:
1 −2 −1 1 1 −2 −1 1 1 −2 −1 1
     
[A|B] =  2 −4 1 −1  −→  0 0 3 −3  −→  0 1 1 3 
     
L2 ←L2 −2L1 L2 ↔L3
−1 3 2 2 L3 ←L3 +L1 0 1 1 3 0 0 3 −3
1 0 1 7 1 0 0 8
   
−→  0 1 1 3  −→  0 1 0 4 .
   
L1 ←L1 +2L2 L1 ←L1 −L2
L3 ←(1/3)L3 0 0 1 −1 L2 ←L2 −L3 0 0 1 −1
Então, 
x 1 = 8


(11) ⇔ 2 x =4 .

x = −1

3
Logo, S = {(8, 4, −1)}.

x1 − 2x2 − x3 = 1


12x − 4x + x = 0
2 3 , (12)

2x − 4x − 2x = 3

1 2 3
sobre o corpo R, é impossı́vel, porque c (A) = 2 ̸= c ([A|B]) = 3, em conformidade com o que se segue:
1 −2 −1 1 1 −2 −1 1
   
[A|B] =  2 −4 1 0  −→  0 0 3 −2  .
   
L ←L −2L
2 −4 −2 3 L23 ←L23 −2L11 0 0 0 1
4.4 Sistema homogéneo – SH
Definição 4.10 (Sistema homogéneo). Um sistema de equações lineares diz-se homogéneo se todos
os termos independentes são iguais a zero.

x1 − 2x2 + x3 = 0


x2 + x3 − 2x4 = 0 , (13)

x − x = 0

1 4
sobre o corpo R, é homogéneo.
Nota 4.6. Um sistema homogéneo é sempre possı́vel, pois admite pelo menos uma solução, a solução
nula. Por exemplo, s = (0, 0, 0, 0) é solução do SH (13). Nota-se que este SH é possı́vel indeterminado,
pois c (A) = c ([A|B]) ≤ 3, mas o n.º total das incógnitas é 4.
Definição 4.11. Seja o sistema com m equações lineares, AX = B. O sistema homogéneo associado
(SHA) a AX = B é AX = 0m×1 .
x1 − 2x2 + 3x3 + x4 = −3 x1 − 2x2 + 3x3 + x4 = 0

( (
Exemplo 4.10. O SHA ao SEL é .
2x1 − x2 + 3x3 − x4 = 0 2x1 − x2 + 3x3 − x4 = 0
Nota 4.7. Nota-se que:
(1) Se AX = B é possı́vel determinado, o seu homogéneo associado, AX = 0m×1 , também é;

(2) Se AX = B é possı́vel indeterminado, o seu homogéneo associado, AX = 0m×1 , também é;
(3) No entanto, se AX = B é impossı́vel, o seu homogéneo associado, AX = 0m×1 , é possı́vel

(determinado ou indeterminado).
Teorema 4.3. Seja sp uma solução particular de um sistema de m equações lineares, AX = B. Então,
sp′ é uma outra solução deste sistema sse existe uma solução sh do sistema homogéneo associado,
AX = 0m×1 , tal que
sp′ = sp + sh .
Nota 4.8. Resulta do teorema anterior que a solução geral de um sistema de m equações lineares,
AX = B, obtém-se adicionando uma sua solução particular à solução geral do seu sistema homogéneo
associado, AX = 0m×1 .
Consequentemente, a solução geral de um sistema homogéneo associado a AX = B, obtém-se sub-
traindo da solução geral do sistema AX = B uma solução particular do mesmo.
Exemplo 4.11. A solução geral do SEL
x1 − 2x2 + 3x3 + x4 = −3
(
,
2x1 − x2 + 3x3 − x4 = 0
é
s = (1 − λ + β, 2 + λ + β, λ, β) , com λ, β ∈ R.
Uma sua solução particular, determina-se concretizando λ e β na solução geral. Desta feita, para
λ = 0 e β = 0, tem-se sp = (1, 2, 0, 0). Então,
s − sp = (−λ + β, λ + β, λ, β) , com λ, β ∈ R.
é a solução geral do SHA

x1 − 2x2 + 3x3 + x4 = 0
(
.
2x1 − x2 + 3x3 − x4 = 0
Nota 4.9. Se se tomasse uma outra solução particular, por exemplo, sp = (1, 4, 1, 1), que se obtém
para λ = β = 1, obter-se-ia uma outra expressão para a solução geral do sistema homogéneo associado:
s − sp = (−λ + β, −2 + λ + β, λ − 1, β − 1) , com λ, β ∈ R.
As expressões que representam a solução geral de um sistema, são equivalentes, isto é, produzem o
mesmo conjunto-solução. Por exemplo,o conjunto-solução do SHA ao SEL considerado no exemplo
4.11 é
S = {(−λ + β, λ + β, λ, β) : λ, β ∈ R}
= {(−λ + β, −2 + λ + β, λ − 1, β − 1) : λ, β ∈ R} .
4.5 Exercı́cios
1. Resolva cada um dos seguintes sistemas de equações lineares, sobre R:


x1 + x2 − x3 = −2


1.1. x − 2x + x = 5
1 2 3 .

−x + 2x + x = 3

1 2 3

x1 − 2x2 + 3x3 + x4 = −3
(
1.2. .
2x1 − x2 + 3x3 − x4 = 0
Resolução do SEL em 1.1.
1 1 −1 −2 1 1 −1 −2
   
[A|B] =  1 −2 1 5  −→  0 −3 2 7 
   
L ←L −L
−1 2 1 3 L23 ←L23 +L11 0 3 0 1
1 0 −1/3 1/3 1 0 0 5/3
   
−→ 0 1 −2/3 −7/3 −→ 0 1 0 1/3  .

   
  
L1 ←L1 +(1/3)L2 L1 ←L1 +(1/6)L3
L2 ←(−1/3)L2 0 0 2 8 L2 ←L2 +(1/3)L3 0 0 1 4
L3 ←L3 +L2 L3 ←(1/2)L3
 
x1 + x2 − x3 = −2 x1 = 5/3
 
5 1
 
Então, x1 − 2x2 + x3 = 5 ⇔ x2 = 1/3 . Assim, o conjunto-solução é S = , ,4 .

−x + 2x + x = 3
 
x = 4
 3 3
1 2 3 3
Resolução do SEL em 1.2.

" # " #
1 −2 3 1 −3 1 −2 3 1 −3
[A|B] = −→
2 −1 3 −1 0 L2 ←L2 −2L1 0 3 −3 −3 6
" #
1 0 1 −1 1
−→ .
L1 ←L1 +(2/3)L2 0 1 −1 −1 2
L2 ←(1/3)L2



 x1 = 1 − λ + β

x1 − 2x2 + 3x3 + x4 = −3 x = 2 + λ + β
( 
2
Então, ⇔ . Logo, o conjunto-solução é
2x1 − x2 + 3x3 − x4 = 0 

 x3 = λ ∈ R
x4 = β ∈ R



S = {(1 − λ + β, 2 + λ + β, λ, β) : λ, β ∈ R}
= (1, 2, 0, 0) + ⟨(−1, 1, 1, 0) , (1, 1, 0, 1)⟩ .
2. Para cada um dos casos, represente o sistema dado na forma matricial, determine a caracterı́stica
da sua matriz ampliada e a dos coeficientes. A partir destes dados, diga, justificando, se cada
um deles é possı́vel, determinado ou indeterminado, ou impossı́vel.

x1 − 3x2 + x3 + x4 − x5 = 8


2.1. −2x + 6x + x − 2x − 4x = −1
1 2 3 4 5 .

3x − 9x + 8x + 4x − 13x = 49

1 2 3 4 5

x1 − 2x2 + 2x3 = 4


2.2. −2x + x + x = 1
1 2 3 .

x − 5x + 7x = −1

1 2 3

2x1 + 2x2 − 3x3 = 1


2.3. 1 x +x =5
3 .

3x + 4x − 7x = −3

1 2 3
3. Resolve os seguntes sistemas de equações lineares:


x1 + x2 + x3 = 2


3.1. 2x + x = 3
1 2 .

x − x − 3x = 0

1 2 3



2x1 + x2 − x3 − x4 = −1

3x + x + x − 2x = −2

1 2 3 4
3.2. .


−x1 − x2 + 2x3 + x4 = 2
−2x1 − x2 + 2x4 = 3



4. Determine o conjunto-solução dos sistemas homogéneos associados aos sistemas do exercı́cio

anterior.
Um sistema de equações lineares parametrizado, é aquele que está em função de um parâmetro (ou
variável). Discuti-lo significa determinar os valores dos parâmetros para os quais é: possı́vel, determi-
nado e indeterminado, e impossı́vel.
6. Discuta os seguintes sistemas de equações lineares:


2x + y = b


6.1. 3x + 2y + z = 0 , em função dos parâmetros reais a e b.

x + ay + z = 2


x + y + z = 1


6.2. y + cz = 1 + ay , em função dos parâmetros reais a, b e c

x + ay + (a − c)z = b − 1


kx + y + z = 0


6.3. x + (k + 1)y + z = 1 , em função dos parâmetros reais k e t.

−2x + (k + 2)y + 2z = t


x1 − x2 + x3 − 2x4 = b


6.4. x + 2x − x = 1
1 2 3 , em função dos parâmetros reais a e b.

ax − x + 2x = 3

1 3 4

ax + y − z + aw = 0


6.5. (a + 1)y + z + w = 1 , em função dos parâmetros reais a e b.

−x + y + (a + 1)w = b

7. Resolva o sistema em 6.2., para a = 1, b = −1 e c = 1.

8. Resolva o sistema em 6.5., para a = −3 e b = 1.
 
x + y + z = 1 x + y + z = 1

 

Resolução (6.2.). y + cz = 1 + ay ⇔ (1 − a) y + cz = 1 .
 
x + ay + (a − c)z = b − 1
 x + ay + (a − c)z = b − 1

1 1 1 1 1 1 1 1
   
[A|B] =  0 1 − a c 1  −→  0 1−a c 1 
   
L3 ←L3 −L1
1 a a−c b−1 0 a−1 a−c−1 b−2
1 1 1 1
 
−→ 0 1 − a c 1 . (14)
 

L3 ←L3 +L2
0 0 a−1 b−1

1. Se 1 − a = 0, equivalentemente a = 1, tem-se:
1 1 1 1
 
(14) =  0 0 c 1 . (15)
 
0 0 0 b−1
1.1. Se c = 0, tem-se:
1 1 1 1 1 1 1 1
   
(15) =  0 0 0 1  −→  0 0 0 1 . (16)
   
L3 ←L3 −(b−1)L2
0 0 0 b−1 0 0 0 0
Então, para a = 1 ∧ c = 0 ∧ b ∈ R o SEL é impossı́vel, pois c (A) = 1 ̸= c ([A|B]) = 2.

1.2. Se c ̸= 0, então c (A) = 2, mas c ([A|B]) pode ser igual a 2, se b = 1, ou 3, se b ̸= 1. Assim:
1.2.1. Se a = 1 ∧ c ̸= 0 ∧ b = 1, tem-se o SEL é possı́vel indeterminado com g = 1.
1.2.2. Se a = 1 ∧ c ̸= 0 ∧ b ̸= 1, tem-se o SEL é impossı́vel.
2. Se 1 − a ̸= 0, equivalentemente a a ̸= 1 ∧ b, c ∈ R, tem-se o SEL é possı́vel determinado.
Resumidamente, tem-se:

Possı́vel determinado
se a ̸= 1 ∧ b, c ∈ R


O SEL é Possı́vel indeterminado se a = 1 ∧ c ̸= 0 ∧ b = 1 .

Impossı́vel

se a = 1 ∧ c = 0 ∧ b ∈ R ou a = 1 ∧ c ̸= 0 ∧ b ̸= 1
9. A solução geral de um sistema AX = B é
s = (λ − 2β, −1, λ, β) , com λ, β ∈ R.
9.1. Determine a solução geral do sistema homogéneo associado.
5 Matriz regular (ou invertı́vel)
Definição 5.1 (Matriz regular (ou invertı́vel)). Uma matriz quadrada A de ordem n, sobre um corpo
F, diz-se regular (ou invertı́vel) se existe uma matriz quadrada B de ordem n, sobre o mesmo corpo,
tal que
AB = BA = In . (17)
Neste caso, diz-se que B é inversa de A e vice-versa. Se não existe tal B que satisfaz a propriedade
em (17), diz-se que A é singular (ou não-invertı́vel).
Teorema 5.1 (Unicidade da matriz inversa). Seja A ∈ Fn×n , n ∈ N, uma matriz regular. Então a
inversa de A é única.
Assim, a inversa de uma matriz A representa-se por A−1 .
Demonstração. Seja A ∈ Fn×n , n ∈ N, uma matriz regular, e sejam B e D matrizes inversas de A.

Mostra-se que B = D. Assim, pela Definição 5.1, tem-se AD = DA = In = AB = BA. Logo:
B = BIn = B (AD) = (BA) D = In D = D.

Teorema 5.2. Sejam A e B matrizes quadradas de ordem n, sobre um corpo F. Então,
AB = In ⇔ BA = In . (18)
Nota 5.1. Pelo Teorema 5.2, uma matriz A ∈ Fn×n , n ∈ N, é regular, se existe uma matriz B ∈ Fn×n ,
tal que AB = In ou BA = In .
1 −1 1 0 1
   
−1
Exemplo 5.1. Seja a matriz real A = 0 1 1. A sua inversa é A−1 = −1/2 0 1/2 .
   
1 1 1 1/2 1 −1/2
Verifica-se:
1 −1 1 0 1
  
−1
A · A−1 = 0 1 1 −1/2 0 1/2 
  
1 1 1 1/2 1 −1/2
1 0 0
 
= 0 1 0 .
 
0 0 1
1
" # " #
a b d −b
Exemplo 5.2. Seja a matriz real A = . Se ad − bc ̸= 0, então A−1 = .
c d ad − bc −c a
Verifica-se:
1
" # " #
−1 a b d −b
A.A = .
ad − bc c d −c a
1
" # " #
ad − bc 0 1 0
= =
ad − bc 0 ad − bc 0 1
Teorema 5.3 (Propriedades de matrizes regulares). As matrizes regulares gozam das seguintes pro-
priedades:
−1
P1 Se A é uma matriz regular, então A−1 também é regular, e A−1 = A;
P2 Se A e B são matrizes regulares da mesma ordem, então AB também é regular, e
(AB)−1 = B −1 A−1 ;
−1 t
P3 Se A é uma matriz regular, At também é regular, e At = A−1 ;
P4 Toda matriz identidade I é regular, e I −1 = I;

1 −1
P5 Se A é uma matriz regular, então λA (λ ̸= 0) também é regular, e (λA)−1 = A ;
λ
P6 Seja k ∈ N e i = 1, 2, . . . , k; sejam Ai matrizes regulares, então A1 A2 . . . Ak−1 Ak é também
regular, e
(A1 A2 . . . Ak−1 Ak )−1 = Ak −1 Ak−1 −1 . . . A2 −1 A1 −1 ;
−1 k
P7 Seja k ∈ N. Se a matriz A é regular, então Ak é também regular, e Ak = A−1 .
Demostração da propriedade
−1
P1, em Teorema 5.3. Se A é regular, então AA−1 = A−1 A = I, logo,
pela Definição 5.1, A −1 = A.

Demonstração da propriedade P2, em Teorema 5.3. Se A e B são matrizes regulares, então AA−1 = I
e BB −1 = I. Então:

(AB) B −1 A−1 = A BB −1 A−1 = AIA−1 = AA−1 = I.
Assim, pela Definição 5.1, AB é regular e (AB)−1 = B −1 A−1 .
Demostração da propriedade P3, em Teorema 5.3. Se A é regular, então A−1 A = I. Então:

t t
At A−1 = A−1 A = I t = I.
−1 t
Assim, pela Definição 5.1, At é regular e At = A−1 .
Demostração da propriedade P4, em Teorema 5.3. II = I, logo, pela 5.1, I é regular e I −1 = I.
5.1 Método para determinação da inversa de uma matriz
Para tornar a abordagem mais compreensı́vel, apresenta-se, a partir de um exemplo, um dos métodos
aplicados para a determinação da inversa de uma matriz regular.
1 1 1
   
a b c
−1
Seja a matriz quadrada real A = 1 −1 1. Determina-se a sua inversa A = a1 b1 c1 .
   
1 1 0 a2 b2 c2
Pela Definição 5.1, tem-se:
1 1 1 1 0 0
    
a b c
AA−1 = I3 ⇔ 1 −1 1 a1 b1 c1  = 0 1 0
    
1 1 0 a2 b2 c2 0 0 1
1 0 0
           
a b c
⇔ A a1  = 0 ∧ A b1  = 1 ∧ A c1  = 0 . (19)
           
a2 0 b2 0 c2 1
Como A−1 é única (Teorema 5.1), então os três sistemas de equações lineares em (19) são possı́veis
determinado e, por conseguinte, c (A) = 3. Como os três SELs têm a mesma matriz dos coeficientes,
então eles podem ser resolvidos em simultâneo, como se segue:
1 1 1 1 0 0 1 1 1 1 0 0
   
1 −1 1 0 1 0 −→ 0 −2 0 −1 1 0 
   
  
L2 ←L2 −L1
1 1 0 0 0 1 L3 ←L3 −L1 0 0 −1 −1 0 1
1 1 1 1 0 0 1 0 1 1/2 1/2 0
   
−→  0 1 0 1/2 −1/2 0  −→  0 1 0 1/2 −1/2 0 

   
L2 ←−1/2L2 L1 ←L1 −L2
L3 ←−1L3 0 0 1 1 0 −1 0 0 1 1 0 −1
1 0 0 −1/2 1/2 1
 
−→  0 1 0 1/2 −1/2 0  .
 
L1 ←L1 −L3
0 0 1 1 0 −1
Determinação
h i inversa de uma matriz regular A de ordem n. O método consiste em reduzir
da
a matriz A In à forma escalonada reduzida, aplicando sucessivamente operações elementares sobre
h i h i h i
linhas, obtendo In A−1 , ou seja, A In −→ In A−1 .

5.2 Critérios de matriz regular
Teorema 5.4 (Critérios de matriz regular). Seja A uma matriz regular de ordem n, então as afirmações
que se seguem são equivalentes:
C1 A é regular;
C2 c(A) = n;
C3 A matriz escalonada reduzida, obtida a partir de A por aplicação sucessiva de operações elemen-
tares sobre linhas, é a matriz identidade, In ;
C4 O sistema de equações lineares AX = B é possı́vel determinado, para toda matriz coluna B, de

termos independentes, e
AX = B ⇔ X = A−1 B. (20)
5.3 Exercı́cios
1. Mostre o Teorema 5.1.
Demonstração. Seja A ∈ Fn×n , n ∈ N, uma matriz regular, e sejam B e D matrizes inversas de A.

Mostra-se que B = D. Assim, pela Definição 5.1, tem-se AD = DA = In = AB = BA. Logo:
B = BIn = B (AD) = (BA) D = In D = D.
2. Determine a matriz inversa A−1 da

 matriz A, e verifique o 
resultado obtido:
1 4 −1 3 5 1 2 1 2

2.1. A =  2 7 1  2.2. A =  1 2 −1  2.3. A =  −3 −1 −1 

     
1 3 0 −1 0 1 5 2 1
3. Em cada caso, encontre a matriz A:

" # " # " #!−1 " #
−1 1 0 t 1 2 1 0 3 1
3.1. (3A) = 3.2. A − 3I = 5
−1 3.3. A − 3
t =
−5 −1 3 4 2 −1 1 1
4. Seja A ∈ Rn×n . Mostre que, se A2 = 0n e In − A é regular, então (In − A)−1 = In + A.
5. Sabe-se que a matriz quadrada A, de ordem n, é zero do polinómio f (x) = x2 − x − 2. Determine

a inversa A−1 de A.
1 0 2
 
6. Sabe-se que a inversa da matriz real A é A−1 =  1 2 1 .

 
3 5 3
Determine a matriz real
 X para cada um dos casos que se seguem:
2 −1 " #
2 3 −1
6.1. AX =  1 0  6.2. XA =
 
−1 0 5
0 −3
7. Sejam A e B matrizes regulares, sobre um corpo F. Prove que se A + B é regular, então

−1
A−1 + B −1 = A · (A + B)−1 · B.

8. Sejam A, B ∈ Fn×n , tais que:

−1 t
(A · B)−1 + At ·X = A.
t t
Prove que X = A2 − B −1 .
9. Sejam A, B ∈ Fn×n . Prove que se In + A · B e In + B · A são regulares, então
(In + A · B)−1 · A = A · (In + B · A)−1 .
10. Considere o sistema de equações lineares, sobre o corpo R:




 x1 + x3 = 1

x + x = −1

2 4
.

 x
 1 + 2x 3 + x4 = −1
x1 − x2 + x3 = 1



10.1. Represente o sistema na forma matricial, AX = B.

10.2. Determine A−1 .
10.3. A partir do resultado da alı́nea anterior, resolve o sistema.
11. Demonstre as propriedades P6 e P7, em Teorema 5.3, aplicando o método de indução matemática.
12. Verifique a propriedade P5 em Teorema 5.3.
13. Seja A uma matriz simétrica regular, sobre o corpo R. Mostre que A−1 é também simétrica.
14. Seja A uma matriz regular. Mostre que AAt e At A são também regulares.
15. Seja A uma matriz anti-simétrica regular. Mostre que A−1 é também anti-simétrica.
6 Determinante de matrizes quadradas
6.1 Permutação de n números naturais
Definição 6.1 (Permutação). Seja n ∈ N. Chama-se permutação dos números 1, 2, 3, . . . , n a qualquer

lista em que os mesmos sejam apresentados por uma ordem arbitrária.
Número de permutações de n elementos. Existem n! = n · (n − 1) · (n − 2) · · · · · 2 · 1 permutações

de 1, 2, . . . , n, com n ∈ N. O conjunto de todas essas permutações representa-se por Sn .
Exemplo 6.1. Existem 6 (seis) permutações de 1, 2, 3, conforme o que se segue:
I = 1, 2, 3 γ = 2, 1, 3 ε = 3, 1, 2
α = 1, 3, 2 δ = 2, 3, 1 β = 3, 2, 1.
Definição 6.2 (Inversão). Seja i1 , i2 , i3 , . . . , in uma permutação dos números naturais 1, 2, 3, . . . , n.

Diz-se que um par de elementos ij , ik formam uma inversão se j < k e ij > ik , ou seja, se ij e ik
aparecem na permutação por ordem decrescente.
Definição 6.3 (Paridade). Uma permutação i1 , i2 , i3 , . . . , in dos números naturais 1, 2, 3, . . . , n diz-se
par [ı́mpar] quando inclui um número de inversões par [ı́mpar].

Exemplo 6.2. No Exemplo 6.1, as permutações I , ε e δ são pares, e as restantes são ı́mpares.
Definição 6.4 (Determinante). Seja A = [aij ] ∈ Fn×n . Chama-se determinante de A ao número
a11 a12 ··· a1n
a21 a22 ··· a2n
|A| = . .. = (−1)s a1j1 a2j2 a3j3 . . . anjn ,
X
.. .. ..
. . . j1 ,j2 ,j3 ,...,jn ∈Sn
a1n a2n · · · ann
onde
0 se j1 , j2 , j3 , . . . , jn é uma permutação par
(
s= .
1 se j1 , j2 , j3 , . . . , jn é uma permutação ı́mpar
Determinante das matrizes de ordem: 1, 2 e 3. De acordo com a Definição 6.4, tem-se:
(1) Como S1 = {1}, então:
a11 = a11 .
 

 

(2) Como S2 = “1, 2”, “2, 1” , então:

| {z } | {z }

par ı́mpar
a11 a12
= a11 a22 − a12 a21 .
a21 a22
 

 

(3) Como S3 = “1, 2, 3”, “1, 3, 2”, “2, 1, 3”, “2, 3, 1”, “3, 1, 2”, “3, 2, 1” , então:
 
| {z } | {z } | {z } | {z } | {z } | {z }
par ı́mpar ı́mpar par par ı́mpar
a11 a12 a13

a21 a22 a23 = a11 a22 a33 − a11 a23 a32 − a12 a21 a33 + a12 a23 a31 + a13 a21 a32 − a13 a22 a31
a31 a32 a33
= a11 a22 a33 + a12 a23 a31 + a13 a21 a32 − a11 a23 a32 − a12 a21 a33 − a13 a22 a31 .
Regra de Sarrus1 . É uma regra mnemónica para determinação de determinantes de matrizes qua-
dradas de ordem 3. As figuras, que se seguem, apresentam esta regra de uma forma resumida.
Figura 1: Regra de Sarrus
Os traços contı́nuos, a cor azul, representam os produtos das 3 entradas de A que devem ser afetados
do sinal positivo, e os traços a tracejados representam os produtos das 3 entradas de A que devem ser
afetados do sinal negativo.
1
Pierre Frédéric Sarrus (1798 – 1861), matemático francês

1 −1 2
 
Exemplo 6.3. Determine o determinante da matriz  0 2 3.

 
−1 1 2
Resolução (Exemplo 6.3).
1 −1 2 1 −1
A = 0 2 3 0 2
−1 1 2 −1 1
= 4 + 3 + 0 − (0 + 3 − 4) = 7 + 1 = 8.
6.2 Métodos para cálculo de determinante
No cálculo de determinante, pela Definição 6.4, o número de parcelas cresce muito rapidamente, à
medida que a ordem da matriz aumenta, conforme pode-se constatar da Tabela 1.
Ordem da matriz A n.º de parcelas em |A|

4 24
5 120
6 720
7 5040
Tabela 1: Número de parcelas no cálculo de determinante
Desta feita, pode dizer-se que o cálculo de determinante pela definição é eficaz, uma vez que se consegue,
sempre, obter o valor do determinante de uma matriz quadrada, mas é muito pouco eficiente, uma
vez que consome muito recurso na sua computação. Sendo assim, os resultados que se vai apresentar,
seguidamente, de uma forma combinada, superam o cálculo de determinante via definição, no que
tange aos recursos consumidos.
6.3 Teorema de Laplace no cálculo de determinante
Definição 6.5 (Cofator). Seja A = [aij ] ∈ Fn×n . Chama-se cofator ou complemento algébrico de
uma entrada aij de A, ao n.º
Aij = (−1)i+j A (i|j) ,
onde A (i|j) é a sub-matriz de A, que se obtém eliminando a linha i e a coluna j.
1 −1 2
 
Exemplo 6.4. Seja A =  0 2 3 ∈ R3×3 . Então, o cofator da entrada a21 de A é:

 
−1 1 2
A21 = (−1)2+1 A (2|1)

−1 2
=− = − (−2 − 2) = 4.
1 2
Com base na definição anterior, apresenta-se o “Teorema de Laplace2 ”, que se aplica no cálculo de
determinante de uma matriz quadrada, conforme se pode ver do Exemplo 6.5.
2
Pierre de Laplace (1749 – 1827), matemático, astrónomo e fı́sico francês

Teorema 6.1 (Teorema de Laplace). Seja A = [aij ] ∈ Fn×n . Então:
(i) ∀c ∈ {1, 2, 3, . . . , n}, tem-se

n
|A| = ( Desenvolvimento laplaceano ao longo da coluna c).
X
aic Aic .
i=1
(ii) ∀l ∈ {1, 2, 3, . . . , n}, tem-se

n
|A| = ( Desenvolvimento laplaceano ao longo da linha l).
X
alj Alj .
j=1
1 −1 2
 
Exemplo 6.5. Seja A =  0 2 3 ∈ R3×3 . Determina-se |A|, aplicando o Teorema de Laplace.

 
−1 1 2
(1) Aplicando o desenvolvimento laplaceano ao longo da 1ª coluna, tem-se:
1 −1 2
2 3 −1 2
|A| = 0 2 3 = 1 · (−1)1+1 + 0 · A21 − 1 · (−1)3+1 ·
1 2 2 3
−1 1 2
= (4 − 3) − (−3 − 4)
= 1 + 7 = 8.
(2) Aplicando o desenvolvimento laplaceano ao longo da 2ª linha, tem-se:
1 −1 2
1 2 1 −1
|A| = 0 2 3 = 0 · A21 + 2 · (−1)2+2 · + 3 · (−1)2+3 ·
−1 2 −1 1
−1 1 2
= 2 · (2 + 2) − 3 · (1 − 1) = 8.
Nota 6.1. O Teorema de Laplace estabelece que o determinante de uma matriz quadrada obtém-se
somando os produtos dos elementos de uma determinada linha [coluna] pelos respectivos complemen-
tos algébricos, e reduz o cálculo de um determinante de uma matriz de ordem “n”, ao cálculo de
determinantes de matrizes de ordem “n − 1”.
Na aplicação do Teorema de Laplace, convém escolher a linha ou coluna da matriz com maior número
de “zeros”.
Teorema 6.2 (Consequência do Teorema de Laplace). O Teorema de Laplace tem como consequências
imediatas, as propriedades que se seguem:
(1) Seja A uma matriz triangular; então o determinante de A é igual ao produto dos seus elementos
da diagonal principal.
(2) Se A é uma matriz quadrada com uma linha (ou coluna) nula, então A = 0.
 
a11 a12 a13 a14
 0 a
22 a23 a24 
Exemplo 6.6. Seja a matriz triangular superior, A =  .
 
 0 0 a33 a34 
0 0 0 a44

Determina-se |A| aplicando sucessivamente o desenvolvimento laplaceano sobre a 1ª coluna:
a11 a12 a13 a14

a22 a23 a24
0 a22 a23 a24 a a
|A| = = a11 0 a33 a34 = a11 · a22 33 34 = a11 · a22 · a33 · a44 ,
0 0 a33 a34 0 a44
0 0 a44
0 0 0 a44
ou seja, |A| é o produto dos seus elementos principais.
a11 0 0 0
 
a
 21 a22 0 0 
Exemplo 6.7. Seja a seguinte matriz triangular inferior, A =  .

a31 a32 a33 0 
a41 a42 a43 a44
Determina-se o determinante desta matriz, aplicando sucessivamente o desenvolvimento laplaceano
sobre a 1ª linha:
a11 0 0 0
a22 0 0
a21 a22 0 0 a 0
|A| = = a11 · a32 a33 0 = a11 · a22 · 33 = a11 · a22 · a33 · a44 ,
a31 a32 a33 0 a43 a44
a42 a43 a44
a41 a42 a43 a44
ou seja, |A| é o produto dos seus elementos principais.
6.4 Operações elementares sobre linhas/Determinante
Teorema 6.3 (Operações Elementares/Cálculo de Determinante). Seja A = [aij ] uma matriz qua-
drada de ordem n, então:
(1 ) Se a matriz B for obtida a partir da matriz A, através da troca de duas linhas [colunas], então
A =−B,
ou seja,
A −→ B⇒ A =− B .
Li ↔Lk ou Cj ↔Cl
(2 ) Se a matriz B for obtida a partir da matriz A, multiplicando uma linha [coluna] de A por um
escalar λ ̸= 0, então
1
B = λ A ⇐⇒ A = B ,
λ
ou seja,
1
A −→ B⇒ A = B .
Li ←λLi ou Cj ←λCl λ
Equivalentemente, pode dizer-se: “um fator comum” em qualquer linha [coluna] será colocado
para fora do determinante.
(3 ) Se a matriz B for obtida a partir de A, substituindo uma determinada linha [coluna] pela sua
soma com uma outra linha [coluna], eventualmente multiplicada por um escalar, então
B = A,
ou seja,
A −→ B⇒ A = B .
Li ←Li +λLk ou Cj ←Cj +λCl

Nota 6.2. A combinação dos Teoremas, 6.1, 6.2 e 6.3, pode melhorar consideravelmente a eficiência
no cálculo de determinante, se comparado com o método de computação de determinante a partir da
Definição 6.4. Isto é, pode utilizar-se as operações elementares sobre linhas para se obter cada vez
mais zeros numa determinada linha [coluna], ou transformar a matriz dada numa matriz triangular,
antes de aplicar o desenvolvimento laplaceano e/ou as suas consequências.
1 −1 2
 
Exemplo 6.8. Seja a matriz real A =  0 2 3 (considerada nos Exemplos, 6.3 e 6.5). Então:
 
−1 1 2
1 −1 2 1 −1 2
|A| = 0 2 3 = 0 2 3 = 1 · 2 · 4 = 8.
(L3 ←L3 +L1 )
−1 1 2 0 0 4
1 1 2
 
−1
 0 1 −1 1
Exemplo 6.9. Seja a matriz real A =  . Então:
 
−1 2 3 2
1 2 3 1
−1 1 1 2 −1 1 1 2 −1 1 1 2
0 1 −1 1 0 1 −1 1 0 1 −1 1
|A| = = = =
−1 2 3 2 (L3 ←L3 −L1 ) 0 1 2 0 (L3 ←L3 −L2 ) 0 0 3 −1 (L4 ←L4 − 37 L3 )
1 2 3 1 (L4 ←L4 +L1 ) 0 3 4 3 (L4 ←L4 −3L2 ) 0 0 7 0
−1 1 1 2
0 1 −1 1 7
= = −1 · 1 · 3 · = −7.
0 0 3 −1 3
0 0 0 7
3
Teorema 6.4 (Propriedades do Determinante). O determinante de uma matriz quadrada, sobre um

corpo F, goza das seguintes propriedades:
(1) Se A é uma matriz quadrada de ordem n, então

λA = λn A .
(2) Se A é uma matriz quadrada de ordem n, então

At = A .
(3) Se uma matriz A tem duas linhas [colunas] proporcionais, i. e.,

∃Li , Lj [Ci , Cj ] : Li = λLj [Ci = λCj ] ,
onde Li , Lj , Ci , Cj são, respetivamente, duas linhas e duas colunas de A, e λ é um escalar
arbitrário, então
|A| = 0.
(4) Se uma linha [coluna] pode ser desdobrada na soma de duas linhas [colunas] quaisquer, o valor
do determinante de A é igual à soma dos valores dos determinantes de duas matrizes em que
nessa linha [coluna] se usa uma parcela de cada vez, mantendo-se as restantes linhas [colunas].
(5) A · B = A · B , para quaisquer A, B ∈ Fn×n e n ∈ N.
(6) A1 · A2 · · · · · Ak = A1 · A2 · · · · · Ak , onde k ∈ N, k ≥ 2, Ai ∈ Fn×n , i = 1, . . . , k.
k
(7) Ak = A , para qualquer k ∈ N.

6.5 Aplicação do cálculo de determinante
Uma vez estudado o conceito de determinante, nesta secção vamos aplicar o seu cálculo, na definição
de mais um critério de matrizes regulares, na construção de matriz adjunta e, consequentemente, no
cálculo da inversa de uma matriz regular, e na resolução do Sistema de Cramer.
6.6 Determinante como critério de matrizes regulares
Seja uma matriz quadrada A ∈ Fn×n , n ∈ N. Recorda-se que, pelo “Critérios de matrizes regulares”
(Teorema 1.4, do apontamento “Matriz regular (ou invertı́vel)”, Introdução ao cálculo de determi-
nante), as seguintes afirmações são equivalentes:
C1 A é regular;
C2 c(A) = n;
C3 A matriz escalonada reduzida, obtida a partir de A por aplicação sucessiva de operações elemen-
tares sobre linhas, é a matriz identidade, In ;
C4 O sistema de equações lineares AX = B é possı́vel determinado, para toda matriz coluna B, de

termos independentes, e AX = B ⇔ X = A−1 B.
Acrescenta-se a estes critérios mais um outro:
Teorema 6.5 (Determinante e matriz regular). Seja uma matriz quadrada A ∈ Fn×n , n ∈ N. Então,
A é regular se, e somente se, |A| =
̸ 0. Neste caso,
1
A−1 = .
A
6.7 Cálculo da inversa de uma matriz regular via matriz adjunta
Definição 6.6 (Adjunta de uma matriz quadrada). Seja uma matriz quadrada A ∈ Fn×n , n ∈ N.
Chama-se complementar da matriz A, à matriz C(A) = [Aij ], onde Aij são os cofatores dos elementos
aij da matriz A. Chama-se adjunta da matriz A, à matriz Adj (A) = (C(A))t .
Teorema 6.6. Seja uma matriz quadrada A ∈ Fn×n , n ∈ N. Então:
(1) A · Adj (A) = Adj (A) · A = |A| · In .
(2) Se A é invertı́vel, então

1
A−1 = · Adj (A) .
|A|
1 −1 2
 
Exemplo 6.10. Seja a matriz quadrada real A =  0 2 3. Assim:

 
−1 1 4
(1) Determina-se a adjunta da matriz A.

2 3 0 3 0 2
A11 = =5 A12 = − = −3 A13 = =2
1 4 −1 4 −1 1
−1 2 1 2 1 −1
A21 = − = 6 A22 = =6 A23 = − =0
1 4 −1 4 −1 1
−1 2 1 2 1 −1
A31 = = −7 A32 = − = −3 A33 = =2
2 3 0 3 0 2
Então, t
5 −3 2 5 6 −7
  
t
Adj (A) = (C (A)) =  6 6 0  =  −3 6 −3  .
   
−7 −3 2 2 0 2
(2) Verifica-se se A é regular.

Como
1 −1 2
A = 0 2 3 = 8 + 3 − (−4 + 3) = 12 (̸= 0) ,
−1 1 4
então A é regular.
(3) Determina-se a inversa de A.
5 6 −7
 
1 1 
A−1 = Adj (A) =  −3 6 −3  .

|A| 12
2 0 2
Nota 6.3. Nota-se que, se A é uma matriz quadrada invertı́vel, então a entrada (i, j) da matriz A−1
é
1
· Aji .
A
6.8 Sistema de Cramer
Definição 6.7 (Sistema de Cramer). Um sistema de equações lineares AX = B, com n incógnitas,

diz-se sistema de Cramer3 se a matriz A for invertı́vel.
Exemplo 6.11. O Sistema
1 −1 2
    
x1 −1
AX = B ⇔  0 2 3   x2  =  2 
    
−1 1 4 x3 3
é um sistema de Cramer, pois a matriz
1 −1 2
 
A= 0 2 3 
 
−1 1 4
é invertı́vel (ver o exemplo anterior).

3
Gabriel Cramer (1704 – 1752), matemático suiço

Nota 6.4. Nota-se que um sistema de Cramer tem uma única solução, i. e., é possivel determinado,
pois:
AX = B ⇔ A−1 (AX) = A−1 B ⇔ X = A−1 B.
Por exemplo, o sistema de Cramer apresentado no exemplo anterior, tem uma única solução, pois:
5/12 1/2 −7/12

     
−1 −7/6
X = −1/4 1/2 −1/4  ·  2  ⇔ X =  1/2  ,
     
1/6 0 1/6 3 1/3
7 1 1

ou seja, S = − , , .
6 2 3
Teorema 6.7. Seja AX = B um sistema de Cramer com n incógnitas. Para cada i ∈ {1, . . . , n},
seja Ai (B), a matriz que se obtém de A substituindo a coluna i pela coluna dos termos independentes
B. Então,
Ai (B)
xi = .
|A|
Exemplo 6.12. Seja o sistema de Cramer
1 −1 2
    
x1 −1
AX = B ⇔  0 2 3   x2  =  2  .
    
−1 1 4 x3 3
Então:
−1 −1 2
2 2 3
A1 (B) 3 1 4 −8 + 4 − 9 − (12 − 8 − 3) 14 7
x1 = = = =− =−
|A| 12 R. Sarrus 12 12 6
1 −1 2
0 2 3
A2 (B) −1 3 4 8 + 3 − (−4 + 9) 6 1
x2 = = = = =
|A| 12 R. Sarrus 12 12 2
1 −1 −1
0 2 2
A3 (B) −1 1 3 6 + 2 − (2 + 2) 4 1
x3 = = = = =
|A| 12 R. Sarrus 12 12 3
7 1 1

Ou seja, o sistema é possı́vel determinado com S = − , , .
6 2 3
6.9 Exercı́cios
1. O que pode ser dito acerca de |A|, onde A é uma matriz quadrada de ordem n.
(a) A2 = I. (b) A2 = 5A. (c) A = −At . (d) A2 + I = 0.
2. Determine o valor de cada uma das expressões abaixo, sabendo que A, B e C são matrizes
quadradas de ordem n, e que |A| = −2, |B| = 3 e |C| = −1.
t
(a) A3 · B −1 · C t · B 2 · A−1 . (b) B t · A−1 · B −1 · C · A2 · C −1 .

3. Sabendo que A é uma matriz quadrada de ordem 3 e que

−1
2 A−1 = 5 = A2 · B t ,
detemine |A| e |B| .
1 0 1 2 2 2
   
4. Considere as matrizes reais A = 0 1 5 e B = 0 2 2. Determine:

   
3 0 1 1 1 2
(a) 3A . (b) A3 · B 2 . (c) A−1 · B t .
0 x−2 0 0
x−1 0 x 0
5. Resolva a equação, = 0.
0 x 0 x−2
0 0 x−1 0
a b c −2a −2b −2c

6. Sabendo que p q r = −1, determine o valor de 2p + x 2q + y 2r + z .
x y z 3x 3y 3z
7. Prove as seguintes identidades sem calcular os determinantes:
a1 b1 a1 + b1 + c1 a1 b1 c1
7.1. a2 b2 a2 + b2 + c2 = a2 b2 c2
a3 b3 a3 + b3 + c3 a3 b3 c3
a1 + b1 a1 − b1 c1 a1 b1 c1
7.2. a2 + b2 a2 − b2 c2 = −2 a2 b2 c2
a3 + b3 a3 − b3 c3 a3 b3 c3
a1 + b1 t a2 + b2 t a3 + b3 t a a2 a3
1
7.3. a1 t + b1 a2 t + b2 a3 t + b3 = 1 − t2 b1 b2 b3
c1 c2 c3 c1 c2 c3
−2 µ + 3 −λ
 
8. Seja A =  1 0 λ , com λ, µ ∈ R.
 
2 4 3λ
8.1. Utilizando as propriedades do determinante, transforme A numa matriz triangular e veri-

fique que |A| = λ(1 − µ).
8.2. Determine os valores λ e µ para os quais A é invertı́vel.
8.3. Calcule o complemento algébrico (cofator) do elemento na posição (3, 2) da matriz A.
a1 a2 a3
9. Se b1 b2 b3 = 7 determine, justificando, os determinantes das seguintes matrizes:
c1 c2 c3
 
a1 a2 a3
9.1. A =  b1 b2 b3 .
 
4c1 4c2 4c3
a1 b1 5c1
 
9.2. B =  a2 b2 5c2 .
 
a3 b3 5c3

a1 − 5c1 a2 − 5c2 a3 − 5c3

 
9.3. C =  10b1 10b2 10b3 .

 
−4c1 −4c2 −4c3
 
a1 a3 a2
9.4. D =  b1 b3 b2 .
 
c1 c3 c2
3 4 −1
 
10. Considere a matriz A =  0 5 −4  .

 
8 −6 2
10.1. Determine |A| e adj(A).

10.2. Mostre que A(adj(A)) = |A|I3 .
10.3. Calcule A−1 .
11. Seja A uma matriz quadrada de ordem 3 e |A| = 12 w − w2 .
11.1. Para que valores de w ∈ R A é invertı́vel?

11.2. Sendo w = 1, calcule |2A−1 (3At )−1 |.
12. Considere os sistemas de equações lineares seguintes:

 
2x1 − 5x2 + 7x3 = 9 3x1 − 2x2 + 4x3 = 5

 

(A) −x1 + 4x2 + 2x3 = −2 (B) 1 5x + 3x + x = 8
2 3
 
3x + 3x − 6x = 6
 −2x + 6x + 7x = −3

1 2 3 1 2 3
12.1. Determine o valor de x2 no SEL (A), aplicando a regra de Cramer.

12.2. Determine a solução do SEL (B), aplicando a regra de Cramer.
13. Mostre que

λ 1 1 1 1 1
λ λ+1 2 2 2 2
λ λ+1 λ+2 3 3 3
= λ6
λ λ+1 λ+2 λ+3 4 4
λ λ+1 λ+2 λ+3 λ+4 5
λ λ+1 λ+2 λ+3 λ+4 λ+5
14. Determine o determinante e a matriz adjunta das matrizes que se seguem, e verifique que
A · Adj(A) = |A|I.
1 −2 0 3
 
2 −1 0 −2 3 1
   
 1 2 −2 3 
14.1. A =  1 2 −2 . 14.2. A =  2 −3 1 . 14.3. A =  .
     
 −1 2 3 3
−1 −1 3 0 5 1

2 3 4 0
−2 3 2 2
 
 7 −3 3 9 
14.4. A =  .
 
 3 5 7 2 
−5 0 1 2

15. Em cada caso, determine o elemento

 (2 , 3) ∈ A−1 .
1 −3 3 2

3 −1 2
 
 −1 3 1 1 
(a) A =  5 5 −2 . (b) A =  .
   
 2 1 4 −2
1 2 3

0 2 2 3
16. Verifique se a matriz real
1
 
a b
A =  −a 1 c 
 
−b −c 1
é regular para todo escalar real a, b, c.
17. Em cadacaso, determine

 o valor 
do parâmetro λ,
 de modo que a matriz real A tenha inversa.
1 λ 0 1 −λ λ
(a) A =  2 0 λ . (b) A =  1 1 −1 .
   
λ −1 1 λ −c 1
18. Considere os sistemas de equações lineares que se seguem:

 
2x − 5y + 7z = 9

 3x − 2y + 4z = 5


(A) −x + 4y + 2z = −2 (B) 5x + 3y + z = 8 .
 
3x + 3y − 6z = 5
 −2x + 6y + 7z = −3

18.1. Determine o valor de y no sistema (A), aplicando a regra de Cramer.

18.2. Determine o valor de z no sistema (B), aplicando a regra de Cramer.
19. Mostre que, se A é uma matriz regular de ordem n, então
|Adj(A)| = |A|n−1 .
20. Mostre que

1 x1 x2 x3
1 y1 x2 x3
= (y1 − x1 ) (y2 − x2 ) (y3 − x3 ) .
1 y1 y2 x3
1 y1 y2 y3
Referências
[1] Howard, A. & Rorres, C. (2001). Àlgebra Linear com aplicações. (C. I. Doering, Trad.) (8ª ed.).
Porto Alegre: Bookman.
[2] NICHOLSON, W. K.. (2006). Álgebra Linear. McGraw-Hill, 2ª ed.. São Paulo.
[3] MATOS, I. M. T.. (2008). Tópicos da Álgebra Linear. DEETC-ISEL. Lisboa.

ALGA I.Apnt - Corpo - MatDet - SEL - ALGA I

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

ALGA I.Apnt - Corpo - MatDet - SEL - ALGA I

Enviado por

Direitos autorais:

Formatos disponíveis

Álgebra Linear e Geometria Analı́tica I

Corpo. Matriz e determinante. Sistema de equações lineares

Ano: 1º Ano Álgebra Linea e Geometria Analı́tica I 1º Semestre

3 Condensação de uma matriz 15

4 Sistema de equações lineares 19

5 Matriz regular (ou invertı́vel) 29

6 Determinante de matrizes quadradas 33

Corpo. Matriz e determinante. Sistema de equações lineares Pág. 1 de 44

Ano: 1º Ano Álgebra Linea e Geometria Analı́tica I 1º Semestre

1. A operação + goza da propriedade associativa, ou seja,

2. Existe o elemento neutro em relação à +, ou seja,

5. A operação · goza da propriedade associativa, ou seja,

6. A operação · é distributiva em relação à +, ou seja,

7. Existe o elemento neutro em relação à ·, diferente de e+ , ou seja,

9. Excetuando o zero do corpo, todo elemento de F tem inverso, ou seja,

Corpo. Matriz e determinante. Sistema de equações lineares Pág. 2 de 44

Ano: 1º Ano Álgebra Linea e Geometria Analı́tica I 1º Semestre

2.1 Noção e representação

Definição 2.1 (Matriz real). Sejam m, n ∈ N, os conjuntos {1, 2, 3, . . . , m}, {1, 2, 3, . . . , n} e um

Corpo. Matriz e determinante. Sistema de equações lineares Pág. 3 de 44

Ano: 1º Ano Álgebra Linea e Geometria Analı́tica I 1º Semestre

é uma matriz quadrada de ordem 3.

Submatriz: noção e representação

Corpo. Matriz e determinante. Sistema de equações lineares Pág. 4 de 44

Ano: 1º Ano Álgebra Linea e Geometria Analı́tica I 1º Semestre

Exemplo 2.2. Seja

2.2 Classificação de matrizes quadradas

Seja A = [aij ]n×n uma matriz quadrada de ordem n, sobre um corpo F.

São alguns tipos de matrizes quadradas:

1. A matriz A diz-se triangular superior se

ou seja, as entradas abaixo da diagonal principal são iguais a zero.

2. A matriz A diz-se triangular inferior se

ou seja, as entradas acima da diagonal principal são iguais a zero.

3. A matriz A diz-se, simplesmente, triangular, se ela é triangular superior ou inferior.

Corpo. Matriz e determinante. Sistema de equações lineares Pág. 5 de 44

Ano: 1º Ano Álgebra Linea e Geometria Analı́tica I 1º Semestre

4. A matriz A diz-se diagonal, se

5. A matriz A diz-se escalar, se ela é diagonal e existe um c ∈ F, tal que

2.3 Álgebra das Matrizes

∀i ∈ {1, 2, . . . , m} ∀j ∈ {1, 2, . . . , n} (aij = bij ) .

1. Simétrica se At = A, ou seja, para quaisquer i, j ∈ {1, 2, . . . , n}, tem-se aij = aji .

Corpo. Matriz e determinante. Sistema de equações lineares Pág. 6 de 44

Ano: 1º Ano Álgebra Linea e Geometria Analı́tica I 1º Semestre

2. Anti-simétrica/hemi-simétrica se At = −A = [−aij ], i, j ∈ {1, 2, . . . , n}, ou seja, para quaisquer

Produto de uma matriz por escalar

∀i ∈ {1, 2, . . . , m} ∀j ∈ {1, 2, . . . , n} (dij = λaij ) .

Teorema 2.2. Seja A uma matriz do tipo m × n e seja λ ∈ F . Então,

Soma e subtração de matrizes

∀i ∈ {1, 2, . . . , m} ∀j ∈ {1, 2, . . . , n} (cij = aij + bij ) .

Exemplo 2.5. Considere as matrizes em R2×3 abaixo apresentadas:

Corpo. Matriz e determinante. Sistema de equações lineares Pág. 7 de 44

Ano: 1º Ano Álgebra Linea e Geometria Analı́tica I 1º Semestre

∀i ∈ {1, 2, . . . , m} ∀j ∈ {1, 2, . . . , n} (cij = aij − bij ) .

Nota 2.2. Nota-se que:

Outras propriedades da adição, produto por escalar e transposta

(b) A + B e A − B são simétricas;

4. 1A = A , onde 1 representa o elemento neutro da operação · no corpo F.

Exemplo 2.6. Considere as matrizes A = −1 0 e B =  7 −1.

(a) Determine −3A, 2B e A + B .

(b) Determine A − 2B.

Corpo. Matriz e determinante. Sistema de equações lineares Pág. 8 de 44

Ano: 1º Ano Álgebra Linea e Geometria Analı́tica I 1º Semestre

Multiplicação de matrizes Considere um corpo F.