Escolar Documentos
Profissional Documentos
Cultura Documentos
Cursos: Mat., EQB, EA, EE, EC, EM, EGI, EIC – 1º Ano
Grupo ALGA I
16 de outubro de 2023
Cursos: MAT, EGI e Engenharias Faculdade de Ciências & Tecnologia Ano Lectivo: 2022/23
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
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. 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
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
1 1 1 1
1 2 4 8
B=
1 3 9 27
1 4 16 64
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.
∀i > j (aij = 0) ,
∀i < j (aij = 0) ,
∀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 .
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,
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. 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
λA = 0m×n ⇐⇒ λ = 0 ∨ A = 0m×n .
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
1. A − B = A + (−B).
2. Duas matrizes, sobre o mesmo corpo, são compatı́veis para a soma e subtração se são da mesma
dimensão.
(a) At é simétrica;
(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).
5. (λA)t = λAt .
6. (A ± B)t = At ± B t .
1 2 −1 5
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
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.
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
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
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
1. IA = A e BI = B .
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
2.4 Exercı́cios
2. Em cada caso, encontre uma matriz quadrada A = [aij ] de ordem 6 que satisfaça a condição
dada:
3. Em cada caso, encontre a matriz B = [bij ] quadrada de ordem 4, que satisfaça a condição dada:
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,
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
6.1. Determine os valores reais de a e de b, de modo que a matriz A seja nilpotente de ordem 3.
A ̸= 03 ∧ A2 ̸= 03 ∧ Ak = 03 , com k ∈ N, k ≥ 3. (1)
Assim:
0 0 0 0 0 0 0 0 0
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.
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):
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 .
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
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.
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
" #
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.
Definição 3.1 (Operações elementares). Chamam-se operações elementares sobre as linhas (colunas)
de uma matriz as que se seguem:
OE3) Substituição de uma linha (coluna) pela sua soma com outra linha (coluna), multiplicada por
um escalar arbitrário.
• 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 ;
2 0 0 4
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
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
(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.
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.
3.3 Exercı́cios
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
3.3. 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
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,
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.
Qualquer sistema com m equações lineares nas incógnitas x1 , x2 , . . . , xn reduz-se à forma canónica:
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
x1 − 2x2 + 3x3 + x4 = −3
(
, (8)
2x1 − x2 + 3x3 − x4 = 0
x1 − 2x2 + 3x3 + x4 = −3
(
,
2x1 − x2 + 3x3 − x4 = 0
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.
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:
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.
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.
Neste caso, x1 e x2 são incógnitas dependentes, enquanto que x3 e x4 são incógnitas livres/independentes.
Definição 4.9 (Sistemas equivalentes). Dois sistemas de equações lineares, sobre um mesmo corpo
F, são equivalentes se têm as mesmas soluções.
OS3 Substituir uma equação pela sua soma com uma outra, eventualmente multiplicada por um escalar
λ.
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.
(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.
x1 − 2x2 + 3x3 + x4 = −3
(
, (10)
2x1 − x2 + 3x3 − x4 = 0
Então:
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)⟩ .
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
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
Definição 4.10 (Sistema homogéneo). Um sistema de equações lineares diz-se homogéneo se todos
os termos independentes são iguais a zero.
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 .
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.
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.
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
x1 − 2x2 + 3x3 + x4 = −3
(
1.2. .
2x1 − x2 + 3x3 − x4 = 0
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
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
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
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.
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
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
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.
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;
(AB)−1 = B −1 A−1 ;
−1 t
P3 Se A é uma matriz regular, At também é regular, e At = 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.
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 .
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 .
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 ;
5.3 Exercı́cios
t t
Prove que X = A2 − B −1 .
11. Demonstre as propriedades P6 e P7, em Teorema 5.3, aplicando o método de indução matemática.
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.
I = 1, 2, 3 γ = 2, 1, 3 ε = 3, 1, 2
α = 1, 3, 2 δ = 2, 3, 1 β = 3, 2, 1.
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
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
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.
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
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.
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.
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.
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
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
1 −1 2
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.
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
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
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
(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.
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.
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 ;
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
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 .
1 −1 2
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
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
1 −1 2
x1 −1
AX = B ⇔ 0 2 3 x2 = 2
−1 1 4 x3 3
1 −1 2
A= 0 2 3
−1 1 4
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:
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 .
1 0 1 2 2 2
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
−2 µ + 3 −λ
8. Seja A = 1 0 λ , com λ, µ ∈ R.
2 4 3λ
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
3 4 −1
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
|Adj(A)| = |A|n−1 .
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.