7 Reembolso Big 2 Versao

Conteúdo
1 Matrizes e Operações Com Matrizes 2

1.1 Teória 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.1 Definição de Matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.2 Multiplicação Por Escalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.3 Adição De Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.1.4 Igualdade de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.1.5 Propriedades Da Adição De Matrizes e Multiplicação De Matrizes Por Uma
Constante (escalar) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.1.6 Multiplicação de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.1.7 Transposição de Uma Matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2 Prática e consolidação - 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.3 Teória 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.3.1 Regras De Multiplicação De Matrizes: Associatividade, Distributividade a Es-
querda E a Direita . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.3.2 Matriz Potência . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.3.3 Matriz Identidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.3.4 Propriedades De Transposição De Matrizes . . . . . . . . . . . . . . . . . . . . 18
2 DETERMINANTE DE n-ÉSIMA ORDEM 21

2.1 Teória 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.1.1 Determinante De Uma Matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.1.2 Determinante de Seguinda Ordem . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.1.3 Regra De Sarrus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.1.4 Determinante De Matriz De Ordem Supérior. . . . . . . . . . . . . . . . . . . . 24
2.1.5 Menores e Co-Factores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.3 Teória 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.3.1 Determinante de matriz com duas linhas proporcionais. . . . . . . . . . . . . . 30
2.3.2 Determinante de matriz transposta. . . . . . . . . . . . . . . . . . . . . . . . . 31
2.3.3 Determinante de matriz cuja linha é multiplicada por um escalar. . . . . . . . . 32
2.3.4 Determinante de matriz cuja uma linha é igual a soma de duas linhas. . . . . . 34
2.3.5 Determinante de matriz quando se trocam as posições de duas linhas ou colunas
vezinhas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.3.6 Determinante do produto de duas matrizes de mesma ordem. . . . . . . . . . . 36
3 Matrizes Inversa 38
3.1 Teoria 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.1.1 Definição De Matriz Inversa. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.1.2 Determinação De Inversa Pelo Metodo De Eliminação De Gauss-Jordan . . . . 40
3.1.3 Propriedades De Matriz Inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
1
2
3.1.4 Inversa De Um Produto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

4 Sistemas de equações Lineares 46

4.1 Teoria 6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
4.1.1 Sistemas De Equações Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.3 Teoria 7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
4.3.1 Método de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
4.3.2 Resolução De Um Sistema n Equações Com n Incógnitas Usando o Método Da
Matriz Inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.3.3 Operações Elementares Com Linhas . . . . . . . . . . . . . . . . . . . . . . . . 57
4.3.4 Método de exclusão de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
4.5 Teoria 8 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.5.1 Rank Ou Posto De Uma Matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.5.2 Condição Necessária De Existência e Unicidade De Solução De Um Sistema . . 66
4.5.3 Sistema Homogénio de equações Lineares . . . . . . . . . . . . . . . . . . . . . 66
UNIVERSIDADE SÃO TOMÁS
MOÇAMBIQUE
Faculdade de Ciências e Tegnologı́as de Informação
Algebra Linear e Geometria Analı́tica
Brochura - Versao 1.0
Autores:
Canhanga; Betuel (Msc);
Kalashnikov; Alexandre (PhD).
Maputo, Janeiro de 2011

Capı́tulo 1
Matrizes e Operações Com Matrizes
Espera-se que ao fim deste capı́tulo o estudante seja capaz de:
• Definir de matriz, Linhas e colunas duma matriz.
• Identificar dimensão duma matriz. Matriz quadrada. Diagonal principal duma matriz.
• Efectuar operações com matrizes: (multiplicação por uma constante, soma de matrizes).
• Identificar matrizes iguais. Usar regras para adição de matrizes e multiplicação de matriz por
uma constante.
• Multiplicar matrizes.
• Definir matriz identidade.
• Transpor uma matriz.
• Usar regras da transposição: transposição duma matriz transposta, transposição duma soma de
matrizes, transposição duma matriz multiplicada por um escalar, transposição de produto de
matrizes. Matriz simétrica.
1.1 Teória 1
1.1.1 Definição de Matriz
Definição 1.1. Consideremos a desposição de um conjunto de informação atravez de tabélas. As

linhas horizontais da tabela são chamadas, na teoria de matrizes por linhas da matriz e as verticais
são chamadas de colunas da matriz. Uma matriz com m linhas e n colunas é chamada de uma matriz
m por n e escreve-se m × n onde m e n são as dimensões, tipo ou ordem da matriz.
 
a11 a12 a13 · · · a1n
 
 
 a21 a22 a23 · · · a2n 
 
 
A(m,n) =  a31 a32 a33 · · · a3n  .
 
 
 ··· ··· ··· ··· ··· 
 
am1 am2 am3 · · · amn
2
3
pode também usar se a seguinte denotação para a matriz acima
A(m,n) = [a( ij)], i = 1, 2, 3, · · · , m; j = 1, 2, 3, · · · , n.
Um elemento de uma matriz A que está na i-ésima linha e na j -ésima coluna é chamado de
elemento i, j ou (i, j)-ésimo elemento de A. Ele é escrito como a(i,j) ou a[i, j].
O termo matriz é mais conhecido entre programadores e profissionais da informática, como sendo
uma estrutura de dados dispostos em forma de uma tabela em que cada posição tem seu indicador
que corresponde ao número de linha e o número de coluna. Nas linguagens de programação, os
elementos da matriz podem estar indexados a partir de 1 (Fortran, MATLAB, R, etc) ou a partir de
0 (C e seus dialetos). Por exemplo, o elemento a(1,1) em Fortran corresponde ao elemento a(0,0) em
C.
Exemplo 1.1. Vejamos alguns exemplos de matrizes:

 
1 −1
1) A(2,2) =   onde a matriz A é tem 2 linhas e 2 colunas (dimensão 2 × 2), e é composta
2 3
por seguintes elementos
a(1,1) = 1; a(1,2) = −1; a(2,1) = 2; a(2,2) = 3.
 
1 −1
 
 
2) B(3,2) =  2 3  ; a matriz B é tem 3 linhas e 2 colunas (dimensão 3 × 2), e é composta
 
−2 0
b(1,1) = 1; b(1,2) = −1; b(2,1) = 2; b(2,2) = 3 b(3,1) = −2 b(3,2) = 0.
 
1 −1 0
3) C(2,3) =   ; a matriz C é tem 2 linhas e 3 colunas (dimensão 2 × 3), e é composta
2 3 −3
c(1,1) = 1; c(1,2) = −1; c(1,3) = 0; c(2,1) = 2 c(2,2) = 3 c(2,3) = −3.
Uma matriz onde uma de suas dimensões é igual a 1 é geralmente chamada de vector. Uma matriz
1 × n (uma linha e n colunas) é chamada de vector linha ou matriz linha.
[ ]
Exemplo 1.2. para n = 3 teremos: D(1,3) = 2 3 −3 ;
e uma matriz m × 1 (uma coluna e m linhas) é chamada de vector coluna ou matriz coluna.
 
2
 
 
 3 
Exemplo 1.3. para m = 4 teremos: D(4,1) = 

;

 1 
 
−2
4
Definição 1.2. Uma matriz é dita quadrada quando seu número de linhas é igual ao número de
colunas. As matrizes A2×2 , A3×3 , A4×4 .
Exemplo 1.4.
 
  2 3 1 0
  2 3 1  
   
2 3    −1 0 1 −3 
A(2,2) =  ; B(3,3) =  −1 0 1  ; C(4,4) 
= .
  
1 −3  3 6 9 1 
3 6 9  
1 0 −5 4
Definição 1.3. Seja dada uma matriz quadrada A de dimensão n; (n linhas e n colunas), chama-se
diagonal principal aos elementos que se encontrar nas posições a(i,j) para i = j, isto é, os elementos
localizados nas posições a(1,1) ; a(2,2) ; a(3,3) ; a(4,4) ; · · · , a(10,10) ; a(11,11) ; · · · a(n,n) .
Exemplo 1.5. Consideremos as matrizes B e C abaixo

 
2 3 1
 
 
1) Na matriz B(3,3) =  −1 0 1  a diagonal principal é composta por elementos
 
3 6 9
b(1,1) ; b(2,2) ; b(3,3) que são 2; −1; 9 respectivamente.
 
2 3 1 0
 
 
 −1 0 1 −3 
2) Na matriz C(4,4) 
=  . a diagonal principal é composta por elementos

 3 6 9 1 
 
1 0 −5 4
c(1,1) ; c(2,2) ; c(3,3) ; c(4,4) que são 2; 0; 9; 4 respectivamente.
O termo matriz é mais conhecido entre programadores e profissionais da informática, como sendo
uma estrutura de dados dispostos em forma de uma tabela em que cada posição tem seu indicador que
corresponde ao número de linha e o número de coluna. Nas linguagens de programação, os elementos
da matriz podem estar indexados a partir de 1 (Fortran, MATLAB, R, etc) ou a partir de 0 (C e
seus dialetos). Por exemplo, o elemento a(1,1) em Fortran corresponde ao elemento a[0][0] em C. Em
matemática, os elementos de matriz são geralmente indexados apartir de 1.
Exercı́cio 1.1. Quais as dimensões das seguintes matrizes e quais as posições dos seus elementos?
1) A = [1]
(a) Qual é a dimensão da matriz?
(b) Nesta matriz existe diagonal principal? Se não, PORQUE? Se sim, quais são os seus
elementos?
5
 
1 −1 0
 
 
2) C =  2 3 −3  ;
 
−2 5 0
(b) Qual ou quais são os elementos da segunda linha da matriz?
(c) Qual ou quais são os elementos da segunda coluna da matriz?
(d) Nesta matriz existe diagonal principal? Se não, PORQUE? Se sim, quais são os seus
elementos?
 
1 0 0 0
 
 
 2 3 0 0 
3) C = 

;

 −2 5 1 0 
 
−1 2 2 4
(b) Qual ou quais são os elementos da terceira linha da matriz?
(c) Qual ou quais são os elementos da primeira coluna da matriz?
(d) Qual ou quais são os elementos da ultima coluna da matriz?
(e) Nesta matriz existe diagonal principal? Se não, PORQUE? Se sim, quais são os seus
elementos?
Agora que definimos e conhecemos matrizes, o normal é que os estudantes estejam se pergun-
tando: QUAL É A IMPORTÂNCIA DO ESTUDO DE MATRIZES? É muito importante que esta
interrogação tenha surgido, é importante também esclarece-la antes de proceguirmos com estudos mais
profundos sobre matrizes de modo a que encontremos justificações e motivação para com mais rigor
disseminarmos as matérias seguintes.
As matrizes podem ser usadas em vários campos da ciência para organização e facilitação de ma-
nipulação de informação, principalmente quando esta for muita. Na matemática uma das principais
importância das matrizes é na representação e resolução de sistemas de equações lineares. A matriz
produzida apartir dos coeficientes é chamada matriz coeficiente. A matriz produzida apartir dos ter-
mos contantes num sistema de equações lineares, chama-se matriz constante ou vector constante.
A matriz produzida apartir da matriz coeficiente e o vector constante chama-se matriz aumentada.
Exemplo 1.6. Considere o seguinte sistema de equações lineares

x − 4y + 3z = 5
−x + 3y − z = 2
2x − 4z = 6
6
A matrix coeficiente do sistema dado será

 
1 −4 3
 
 
 −1 3 −1 
 
2 0 −4
e a matriz aumentada será  

1 −4 3 5
 
 
 −1 3 −1 2 .
 
2 0 −4 6
O sistema de equações dado, é um sistema linear com 3 equações e 3 variáveis, podendo por isso
ser resolvido por métodos conhecidos. Suponhamos que deparamo-nos com uma situaçao em que
temos um sistema de com 15 equações e 15 variáveis, os métodos não não matriciais tornam-se muito
esforçados para a determinação da solução do problema. Para esses casos, os métodos de matrizes,
são os mais indicados, por isso, iremos estudar propriedades e operações com matrizes.
1.1.2 Multiplicação Por Escalar

Quando operamos com matrizes, designamos aos números reais por escalares. A multiplicação de uma
matriz A por um escalar c é definida pela multiplicação de cada um dos elementos de A por c.
Seja A = [aij ] uma matriz de dimensões m × n e c um escalar, a matriz producto de A pelo

escalar c será cA = [caij ]
Exemplo 1.7. Sejam dadas as matrizes

   
1 2 4 2 0 0
   
   
A =  −3 0 −1  e B =  1 −4 3 
   
2 1 2 −1 3 2
determine
1) 3A
     
1 2 4 3(1) 3(2) 3(4) 3 6 12
     
     
3A = 3  −3 0 −1  =  3(−3) 3(0) 3(−1)  =  −9 0 −3 
     
2 1 2 3(2) 3(1) 3(2) 6 3 6
2) −B
   
2 0 0 −2 0 0
   
   
−B = (−1)  1 −4 3  =  −1 4 −3  .
   
−1 3 2 1 −3 −2
7
1.1.3 Adição De Matrizes

Podemos adicionar duas matrizes se e somente se elas forem de mesma dimensão. A adição de duas
matrizes consiste na adição de componentes de entradas correspondentes das duas matrizes.
Se A = [aij ] e B = [bij ] são matrizes de dimensão m × n, então a ”matriz soma”será a matriz

com dimensão m × n dada por
A + B = [aij + bij ]
Exemplo 1.8. Considere os seguintes exemplos

       
−1 2 1 3 −1 + 1 2 + 3 0 5
1)  + = = 
0 1 −1 2 0−1 1+2 −1 3
       
0 1 −2 0 1 0 0 + 0 1 + 1 −2 + 0 0 2 −2
2)  + = = 
1 2 3 1 0 1 1+1 2+0 3+1 2 2 4
     
1 −1 0
     
     
3)  −3  +  3  =  0 
     
−2 2 0
4) A soma das matrzes

   
2 1 0 0 1
   
   
A= 2 1 3  e a matriz B =  1 −1 
   
0 −1 −4 2 3
não é definida porque elas não são de mesma ordem.
1.1.4 Igualdade de Matrizes
Definição 1.4. Diremos que duas matrizes A = [aij ] e B = [bij ] são iguais se e somente se elas
tiverem a mesma dimensão (m × n) e aij = bij , para todos 1 ≤ i ≤ m e 1 ≤ j ≤ n.
Exemplo 1.9. Consideremos as seguintes matrizes

     
1 2 1 [ ] 1 2
A= , B= , C= 1 3 , D= 
3 4 3 x 4
1) As matrizes A e B não são iguais porque elas não são de mesma dimensão.
2) As matrizes C e B não são iguais porque elas não são de mesma dimensão.
3) As matrizes A e D são iguais se e somente se x = 3.

8
1.1.5 Propriedades Da Adição De Matrizes e Multiplicação De Matrizes Por Uma

Constante (escalar)
Sejam A, B e C matrizes de dimenção m × n, suponhamos que c e d sejam escalares, então,
cumprem-se as seguintes propriedades
1) A + B = B + A, propriedade comutativa da adição.
2) A + (B + C) = (A + B) + C, propriedade associativa da adição.
3) (cd)A = c(dA),
4) 1A = A,
5) c(A + B) = cA + cB, propriedade distributiva.
6) (c + d)A = cA + dA, propriedade distributiva.
Demonstrações
As demonstrações destas propriedades são feitas usando directamente as definições de soma de ma-
trizes, produto por um escalar e as propriedades de números reais. Por exemplo, a prova da comuta-
tividade da adição para as matrizes A = [aj ] e B = [bij ] é feita usando a comutatividade na adição
de números reais, vejamos:
A + B = [aij + bij ] = [bij + aij ] = B + A
De maneira analoga, a demonstração da propriedade (5) é feita usando a propriedade distributiva da

multiplicação em relacção a adição de números reias, isto é:
c(A + B) = [c(aij + bij )] = [caij + cbij ] = cA + cB
Exercı́cio 1.2. Sejam dadas as matrizes

     
2 1 0 1 −1 0 0 1 0
     
     
A= 2 1 3  ; B =  2 3 5 ; e C =  −1 0 0 
     
0 −1 −4 0 −1 0 1 7 4
Seja c = 2 e d = −1 mostre que se cumprem as 6 proriedades dadas acima.
Veja como resolver este exercı́cio. Para a primeira propriedade, queremos mostrar que A + B
é igual a B + A, utilizando as matrizes A e B dadas, calculamos
     
2 1 0 1 −1 0 3 0 0
A+B = 2 1 3 + 2 3 5 = 4 4 8 
0 −1 −4 0 −1 0 0 −2 −4
Por outro lado calculamos

     
1 −1 0 2 1 0 3 0 0
B+A= 2 3 5 + 2 1 3 = 4 4 8 
0 −1 0 0 −1 −4 0 −2 −4
comparamos os resultados obtidos e concluimos que
A + B = B + A.
9
1.1.6 Multiplicação de Matrizes

Começemos por mostrar a importância da operação ”multiplicação”em matrizes. Varelas Food é
nome de uma companhia de comercialização de productos alimentares tendo lojas localizadas em Que-
limane, Mocuba e Manhiça. Os productos mais vendidos nessas lojas são arroz, frutas e feijões. Num
certo dia a loja de Quelimane vendeu 120kg de arroz, 250kg de fruta e 305kg de feijões; a loja de
Mocuba vendeu 207kg de arroz, 140kg de fruta e 49kg de feijões; a da Manhiça por seu turno vendeu
29kg de arroz, 120kg de fruta e 190kg de feijões. Cada kg de arroz custa 2mt, de fruta 3mt e de
feijões 2,75mt.
Para calcular as receitas nas lojas de Quelimane, Mocuba e Manhiça, poderemos recorrer ao uso
de matrizes, organizando o problema de modo a permitir uma facil resolução. Seja
   
120 250 305 2
A =  207 140 419  , B =  3 
29 120 190 2, 75
A é a matriz com o registo das vendas, as linhas indicam o as lojas (Quel, Moc, Manh) e as colunas
indicam os productos (Arroz, Frutas e Feijões) e B a matriz preço(cada linha indica o preço de um
producto especı́fico). Para calcular o total de vendas dos 3 productos (mais vendidos) na loja de
Quelimane multiplicamos cada entrada da primeira linha da matriz A com a entrada correspondente
na coluna de preços, matriz B. Obteremos
(120)(2) + (250)(3) + (305)(2, 75) = 1828, 75mt;
Fazendo o mesmo para as lojas de Mocuba e Manhiça teremos o seguinte
Mocuba (207)(2) + (140)(3) + (419)(2, 75) = 1986, 25mt

Manhiça (29)(2) + (120)(3) + (190)(2, 75) = 940, 50mt
Os passos dados acima são o protótipo do algorı́tmo de multplicação de matrizes. Podemos de forma
simplificada dizer que
    
120 250 305 2 1828, 75
AB =  207 140 419   3  =  1986, 25  .
29 120 190 2, 75 940, 50
Definição 1.5. Se A = [aij ] uma matriz de dimensão m × n e B = [bij ] uma matriz de dimensão
n × p então, o producto AB é uma matriz C = [cij ] de dimensão m × p onde
∑
n
cij = aij bkj = ai1 b1j + ai2 b2j + ai3 b3j + · · · + ain bnj
k=1
Observação 1.1. A definição acima implica que, o elemento da i-ésima linha e j -ésima coluna da
matriz produto AB é obtido somando os productos compostos por elementos da i-ésima linha de A
com os elementos correspondentes na j -ésima coluna de B.
Exemplo 1.10. Considere as matrizes

 
−1 3  
  −3 2
 
A =  4 −2  eB= 
  −4 1
5 0
10
Observe primeiro que o producto AB pode ser determinado pois as matrizes tem as seguintes di-
mensões A3×2 e B2×2 , portanto, a matriz producto terá as seguintes dimensões AB3×2 .
 
c11 c12
 
 
AB =  c21 c22 
 
c31 c32
Para determinar c11 (o elemento da primeira linha e primeira coluna) somamos os produtos formados
por elementos da primeira linha de A com seus correspondentes da primeira coluna de B,isto é:
c11 = (−1)(−3) + (3)(−4) = 3 − 12 = −9.
Da mesma forma, para acharmos c12 (o elemento da primeira linha e segunda coluna) somamos os
produtos formados por elementos da primeira linha de A com seus correspondentes da segunda coluna
de B, isto é:
c12 = (−1)(2) + (3)(1) = −2 + 3 = 1.
Continuando com este algorı́tmo teremos

c21 = (4)(−3) + (−2)(−4) = −4,
c22 = (4)(2) + (−2)(1) = 6,
c31 = (5)(−3) + (0)(−4) = −15,
c32 = (5)(2) + (0)(1) = 10.
Finalmente    
−1 3   −9 1
  −3 2  
    
AB =  4 −2  =  −4 6 
  −4 1  
5 0 −15 10
Observação 1.2. Para que duas matrizes sejam multiplicáveis, o número de colunas da primeira
matriz deve ser igual ao número de linhas da segunda matiz, isto é
Am×n Bn×p = ABm×p
Exercı́cio 1.3. Considere as matrizes

   
1 2 0 1
A= , B= 
3 4 1 2
calcule
• A+B
11
• B+A
• AB
• BA
Comente os resultados obtidos.
Exemplo 1.11. Veja os seguintes exemplos

 
  −2 4 2    
1  0 3  (1)(−2) + (3)(−1) 7 −1 −5 7 −1
1)  
 1 0 0
 
= = 
2 −1 −2   −3 6 6 −3 6 6
−1 1 −1
      
3 4 1 0 (3)(1) + (4)(0) (3)(0) + (4)(1) 3 4
2)   = = 
−2 5 0 1 (−2)(1) + (5)(0) (−2)(0) + (5)(1) −2 5
      
1 2 −1 2 (1)(−1) + (2)(1) (1)(2) + (2)(−1) 1 0
3)   = = 
1 1 1 −1 (1)(−1) + (1)(1) (1)(2) + (1)(−1) 0 1
 
2
[ ] 
 
4) 1 −2 −3  −1  = [(1)(2) + (−2)(−1) + (−3)(1)] = [1]
 
1
     
2 (2)(1) (2)(−2) (2)(−3) 2 −4 −6
 [ ]    
     
5)  −1  1 −2 −3 =  (−1)(1) (−1)(−2) (−1)(−3)  =  −1 2 3 
     
1 (1)(1) (1)(−2) (1)(−3) 1 −2 −3
1.1.7 Transposição de Uma Matriz
Definição 1.6. Seja dada a matriz

 
a11 a12 a13 ··· a1n
 
 
 a21 a22 a23 ··· a2n 
 
 
 a31 a32 a33 ··· a3n 
 
 
A= · · · ··· · 
 
 
 · · · ··· · 
 
 
 · · · ··· · 
 
am1 am2 am3 ··· amn
12
de ordem m × n, a matriz transposta de A, terá a ordem n × m e forma-se escrevendo as correspon-

dentes linhas de A como colunas, isto é
 
a11 a21 a31 ··· am1
 
 
 a12 a22 a32 ··· am2 
 
 
 a13 a23 a33 ··· am3 
 
 
AT =  · · · ··· · ,
 
 
 · · · ··· · 
 
 
 ·
 · · ··· · 
a1n a2n a3n ··· amn
Exemplo 1.12. Nos exemplos seguintes, iremos determinar a matriz transposta das matrizes dadas.
1)  
2 [ ]
A= , AT = 2 8
8
2)    
1 2 3 1 4 7
   
   
B= 4 5 6 , AT =  2 5 8 
   
7 8 8 3 6 9
3)  
  1 4
1 2 3  
 
C= , AT =  2 5 
4 5 6  
3 6
Exercı́cio 1.4. Sejam dadas as matrizes

   
1 2 3 5
A= , e B= ,
3 4 1 −1
calcule
1) (AB)T ,
2) AT B T
3) B T AT ,
4) Comente os resultados.
5) Escolha duas outras matrizes quadradas e faça as mesmas operações de modo a verificar os seus
comentários!!!
13
1.2 Prática e consolidação - 1

1) Dadas as matrizes
( ) ( ) ( ) ( )
2 4 −2 3 2 3 1 1
A= , B= , C= , D=
1 2 1 −2 6 9 1 3
calcule:
( )
0 7
(a) A + B; R:
2 0
( )
6 12
(b) 3A; R:
3 6
( )
−1 13
(c) 3A + 2B − 2C + D; R:
−6 −13
( )
0 −2
(d) AB; R:
0 −1
( )
0 −7
(e) C(AB). R:
0 −21
2) Dadas as matrizes
   
13 4 3 −12 5 1
A= 8 3 2  e B= 2 1 6 
5 1 1 2 −1 4
calcule:
 
1 9 4
(a) A + B; R:  10 4 8 
7 0 5
 
13 8 5
(b) A0 , i.e. a matriz transposta de A; R:  4 3 1 
3 2 1
 
−142 66 49
(c) A · B. R:  −86 41 34 
−56 25 15
( ) ( )
1 −1 −1 0
3) Dada a função f (x) = x2 − 2x, calcule f (A), onde A = . R:
0 1 0 −1
   
1 0 1 0 0 0
4) Dada a função f (x) = x2 − 2x, calcule f (A), onde A =  0 1 0  . R :  0 −1 0 
1 0 1 0 0 0
5) Seja A uma matriz de dimensão 3 × 5 e B uma matriz de dimensão 5 × 2. Quais dos produtos
estão definidos: AB ou BA?
6) Seja A uma matriz quadrada de dimensão n × n tal, que A2 = A + In , onde In é uma matriz
unitária de dimensão n. Ache as constantes a e b de modo que A3 = aA + bIn . R: a = 2,
b=1
14
1.3 Teória 2
1.3.1 Regras De Multiplicação De Matrizes: Associatividade, Distributividade a

Esquerda E a Direita
Suponhamos que A, B e C sejam matrizes de ordens tais que o produto (multiplicação) entre elas
seja definido. Suponhamos também que c seja escalar, então, cumprem-se as seguintes propriedades:
1) A(BC) = (AB)C associativa da multiplicação,
2) A(B + C) = AB + AC distributiva pela esquerda,
3) (A + B)C = AC + BC distributiva pela direita,
4) c(AB) = (cA)B = A(cB)
Demonstrações
Para demonstrar a segunda propriedade, precisamos de mostrar que A(B + C) e AB + AC são

matrizes iguais, reveja a definição (1.4). Vamos assumir que a matriz A tem dimensções m × n;
as matrizes B e C tem mesmas dimensções n × p. Usando a definição de soma e multiplicação de
matrizes, o elemento da i-ésima linha e j -ésima coluna de A(B + C) defini-se por
ai1 (b1j + c1j ) + · · · + ain (bnj + cnj ),
por outro lado, o elemento da i-ésima linha e j -ésima coluna de AB + AC é definido por
(ai1 b1j + ai2 b2j + · · · + ain bnj ) + (ai1 c1j + ai2 c2j + · · · + ain cnj );
aplicando a propriedade distributiva para números reais e reagrupando as parcelas obtidas teremos
para cada i e j, isto é, para cada posição especı́fica ij os elementos das duas matrizes são iguais, i.e.
A(B + C) = AB + AC.
Deixo para o estudante, a responsabilidade de demonstrar as outras 3 propriedades.
Uma maneira simplista de mostrar a veracidade das propriedades acima, consiste em escolher ma-
trizes A, B e C com ordens tais que as operações ditadas pela propriedade em demonstração possam
ser cumpridas. Suponhamos que queremos provar a primeira propriedade
A(BC) = (AB)C;
para os devidos efeitos, consideremos matrizes com seguintes ordens
A( 2, 3); B( 3, 2); C( 2, 1).
Estas ordens de matrizes são escolhidas de modo a permitir que seja possivel efectuar as operações da
propriedade que queremos demonstrar. Veja que, para que M = A(BC) seja igual a N = (AB)C é
condição necessária que M e N sejam matrizes de mesma ordem. Vejamos como se comportam as
ordem nestas operacoes.
Para produção da matriz M teremos: (BC) = B(3,2) C(2,1) tendo o número de colunas da matriz
B igual ao número de linhas de C o resultado sera uma matriz com seguintes dimensões (BC)(3,1) e
finalmente A(BC) = A(2,3) (BC)(3,1) que vai resultar a matriz M(2,1) .
15
De forma semelhante para produção da matriz N teremos: (AB) = A(2,3) B(3,2) tendo o número
de colunas da matriz A igual ao número de linhas de B o resultado sera uma matriz com seguintes
dimensões (AB)(2,2) e finalmente (AB)C = (AB)(2,2) C(2,1) que vai resultar a matriz N(2,1) .
Portanto as ordens das matrizes escolhidas para mostrar o cumprimento destas propriedades é muito
importante para o garante da operacionalidade das mesmas. Para tal, sem limitação de sua essência,
consideremos as matrizes abaixo
 
[ ] −1 2 [ ]
−1 2 1   2
A= ; B= 0 1 ; e a matriz C = ;
0 1 0 1
−1 1
Começemos por calcular os seguintes productos
 
[ ] −1 2
−1 2 1  0 1 =
AB =
0 1 0
−1 1
[ ]
−1 · −1 + 2 · 0 + 1 · −1 −1 · 2 + 2 · 1 + 1 · 1
= (1.1)
0 · −1 + 1 · 0 + 0 · −1 0·2+1·1+0·1
[ ] [ ]
1 + 0 − 1 −2 + 2 + 1 0 1
= =
0+0+0 0+1+0 0 1
utilizando o resultado tido em (1.1) calculamos
[ ][ ] [ ] [ ]
0 1 2 0·2+1·1 1
(AB)C = = = (1.2)
0 1 1 0·2+1·1 1
Por outro lado calculamos o producto BC,
     
−1 2 [ ] −1 · 2 + 2 · 1 0
2
BC =  0 1  = 0·2+1·1 = 1  (1.3)
1
−1 1 −1 · 2 + 1 · 1 −1
e calculamos de seguida com base em (1.3)
 
[ ] 0 [ ] [ ]
−1 2 1   −1 · 0 + 2 · 1 + 1 · −1 1
A(BC) = 1 = = (1.4)
0 1 0 0 · 0 + 1 · 1 + 0 · −1 1
−1
Comparando (1.2) e (1.4) podemos afirmar que
A(BC) = (AB)C
Exercı́cio 1.5. Demonstre de forma semelhante a demonstração acima todas as restantes propriedades.
Observação 1.3. A multiplicação matricial não é comutativa. Consideremos as seguintes matrizes

   
1 2 −2 4
A=  eB= ,
1 1 2 −2
calcule os seguintes produtos AB e BA.
Apesar de afirmarmos que a multiplicação não é comutativa, existem matrizes tais que AB = BA,
como é o caso das matrizes A e B acima. Uma outra particularidade das matrizes é que elas não
permitem cancelamentos de produtos, isto é, se AC = BC não é correcto concluirmos que A = B
como o fariamos se fossem números reais.
16
Exemplo 1.13. Sejam dadas as matrizes

     
1 3 2 4 1 −2
A= , B =   e C= ;
0 1 2 3 −1 2
veja que as matrizes A e B não são iguais. Vamos agora determinar os produtos AC e BC,
    
1 3 1 −2 −2 4
AC =   = 
0 1 −1 2 −1 2
e     
2 4 1 −2 −2 4
BC =   = 
2 3 −1 2 −1 2
o que mostra que AC = BC, mas A 6= B.
1.3.2 Matriz Potência

Falamos de matriz potência quando queremos nos referir a multiplicação sucessı́va de uma determinada
matriz por ela mesma. Estas operações só podem ser feitas com matrizes quadradas, podendo utilizar-
se a mesma denotação que utilizamos para multiplicação sucessóva de números reias, isto é,
A1 = A A2 = AA,
e para um determinado k ∈ Z+ Ak = AA · · · A, k−vezes.
É conveniente também definirmos a matriz A0 = In para casos em que A é matriz quadrada de

ordem n. Esta definição permite-nos estabelecer as seguintes propriedades:
Suponhamos que A é uma matriz quadrada, j, k são números inteiros não negativos, então
1) Aj Ak = Aj+k ,
( )k
2) Aj = Ajk .
 
2 −1
Exemplo 1.14. Determine A3 para a matriz A =  
3 0
       
2 −1 2 −1 2 −1 1 −2 2 −1
A3 = AAA = (AA) A =     =  =
3 0 3 0 3 0 6 −3 3 0
 
−4 −1
= 
3 −6
1.3.3 Matriz Identidade
Definição 1.7. Seja A uma matriz quadrada de ondem n, tal que todas entradas (elementos) são
iguais a zero, excepto os elementos da diagonal principal que são iguais a 1, dizemos que A é matriz
identidade de ordem n e denotamos In .
17
Exemplo 1.15. Consideremos os seguintes exemplos
1)
 
1 0 0 ··· 0
 
 
 0 1 0 ··· 0 
 
 
 0 0 1 ··· 0 
 
 
In =  · · · ··· · 
 
 
 · · · ··· · 
 
 

 · · · ··· · 

0 0 0 ··· 1
2)
I1 = [1]
3)  
1 0
I2 =  
0 1
4)
 
1 0 0
 
 
I3 =  0 1 0 
 
0 0 1
Seja A uma matriz identidade de ordem m × n, então as propriedades seguintes sumprem-se
• AIn = A
• Im A = A
Exemplo 1.16. Veja a aplicabildade das propriedades acima
1)
   
3 −2  3 −2 
  1 0  
    
 4 0  =  4 0 
  0 1  
−1 1 −1 1
2)
    
1 0 0 −2 −2
    
    
 0 1 0  1  =  1 
    
0 0 1 4 4
18
1.3.4 Propriedades De Transposição De Matrizes

Se A e B são matrizes cujo as ordens permitem a realização das operações abaixo, e c um escalar,
então, cumprem-se as seguintes propriedades
( )T
1) AT = A, transposta de uma matriz transposta.
2) (A + B)T = AT + B T , transposta de uma soma de matrizes.
3) (cA)T = c (A) , transposta de uma matriz multiplicada por um escalar.
4) (AB)T = B T AT , transposta de produto de matrizes.

Demonstrações
Porque a transposição de matrizes consite na mudança de linhas em colunas, a primeira regra é

evidente. Para demonstra-la vamos considerar a matriz A de ordem m × n, observe que a matriz AT
tem a ordem n × m e por sua vez, a matriz (AT )T tem ordem m × n, a mesma ordem que a matriz A.
Para mostrar que (AT )T = A devemos mostrar que cada ij -ésima entrada da matriz (AT )T é igual a
ij -ésima entrada de A. Suponhamos que aij seja a ij -ésima entrada de A, então aij sera a ji-ésima
entrada na matriz AT , e por sua vez a ij -ésima entrada da matriz (AT )T , oque prova a regra 1.
Deixo para o estudante, a responsabilidade de demonstrar as outras 3 regras. Podendo para o efeito
o fazer usando a forma simples de demonstração, analogo ao que fizemos nas propriedades da soma e
da multiplicação de matrizes.
Exemplo 1.17. Mostre que (AB)T e B T AT são matrizes iguais.

   
2 1 −2 3 1
   
   
A =  −1 0 3  e B =  2 −1 
   
0 −2 1 3 0
Vamos primeiro achar o produto AB, achamos AT e B T , depois determinaremos (AB)T para po-
dermos comparar com B T AT .
    
2 1 −2 3 1 2 1
    
    
AB =  −1 0 3   2 −1  =  6 −1 
    
0 −2 1 3 0 −1 2
 
2 −1 0
 
T  
A = 1 0 −2 
 
−2 3 1
 
3 2 3
BT =  
1 −1 0
 
2 6 −1
(AB)T =  
1 −1 2
19
 
  2 −1 0  
3 2 3  2 6 −1
B T AT =  
 1 0

−2  =  .
1 −1 0   1 −1 2
−2 3 1
Note que (AB)T = B T AT .
Definição 1.8. Diremos que a matriz A é simétrica, se ela for igual a sua transposta, isto é:
A = AT .
Esta difinição faz-nos perceber que para uma matriz ser simétrica, ela tem que ser matriz quadrada,
e aij = aji .
Exemplo 1.18. Eis exemplos de duas matrizes simétricas
1)
 
1 2
A= 
2 1
2)
 
1 2 3
 
 
B= 2 4 5 
 
3 5 6
Exercı́cio 1.6. Seja dada a matriz

 
1 3
 
 
A =  0 −2 
 
−2 −1
Determine
1) AT
2) AAT
3) (AAT )T
Observação 1.4. Seja dada uma matriz arbitrária A, então a matriz B = AAT é uma matriz
simétrica.
Exercı́cio 1.7. E o que diremos sobre a matriz AT A?

20

1) Dada a matriz  
0 0 0
A= 4 0 0 
10 5 0
calcule (I3 − A)(I3 + A + A2 ), onde I3 é matriz unitária de ordem 3. R: Matriz unidade I3
 
1 0 0
1 1 1 
2) Seja X =  
1 2 0 . Calcule X X.
0
1 0 1
( )
2 −1 0
3) Uma matriz quadrada A de ordem n chama-se involutiva se A = In . Mostre que
0 −1
( )
a 1 − a2
e são involutivas (para todos a);
1 −a
4) Mostre que A é involutiva ⇐⇒ (In − A)(In + A) = 0.
5) Demonstre as propriedades de multiplicação de matrizes e de transposição de matrizes.

Capı́tulo 2
DETERMINANTE DE n-ÉSIMA
ORDEM
Objectivos Especı́ficos
1) Definir Determinante de Segunda Ordem,
2) Definir Determinante de Terceira Ordem,
3) Determinar Determinante de Segunda Ordem,
4) Determinar Determinante de Terceira Ordem,
5) Utilizar A Regra De Sarrus,
6) Determinar Complementares Algébricos (co-factores),
7) Calcular Determinantes Através Da Expansão Por Meio De Complementares Algébricos.
8) Determinar Determinantes De Ordem Superior (n ≥ 4),
9) Utilizar as propriedades de determinantes:
(a) Determinante duma matriz com duas linhas proporcionais.

(b) Determinante duma matriz transposta.
(c) Determinante duma matriz cuja linha é multiplicada por um escalar.
(d) Determinante duma matriz cuja uma linha é a soma de duas linhas.
(e) Determinante duma matriz quando se trocam as posições de duas linhas vizinhas.
(f) Determinante do produto de duas matrizes da mesma ordem.
2.1 Teória 3
2.1.1 Determinante De Uma Matriz

As matrizes quadradas (matrizes com número de linhas igual ao número de colunas), podem sempre ser
associadas a um número real que é chamado DETERMINANTE. Este número pode ser utilizado para
21
22
diferentes finalidades, algumas delas, serão abordar ao longo dos nossos estudos. Na giria da História
Matemática, os determinantes surgiram como um meio para determinar algumas caracterı́sticas de
sistemas de equações lineares e suas soluções. Consideremos o seguinte sistema de equações lineares
{
ax + by = c
dx + ey = f
resolvendo-o pelos métodos por nós conhecidos, teremos as seguintes soluções,
ce − bf af − cd
x= , y= ,
ae − bd ae − bd
para
ae − bd 6= 0.
Veja que as duas fracções tem o mesmo denominador, ae − bd. A esse denominador, designa-se deter-
minante de A, a matriz coeficiente produzida apartir do sistema dado,
[ ]
a b
A= .
d e
2.1.2 Determinante de Seguinda Ordem
Definição 2.1. O determinante da matriz

 
a11 a12
A= 
a21 a22
é dado por det(A) = |A| = a11 a22 − a21 a12 .
Observação 2.1. Estamos a usar duas barras vertı́cais |A| para designar determinante de matriz A,
o mesmo sı́mbolo |A| é utilizado para determinar valor absoluto do número A, não matriz. O contexto
será importante para destinguir a aplicabilidade do sı́mbolo para (determinante ou valor absoluto).
Observação 2.2. É comum, no lugar de

 
a11 a12
|A| =  
a21 a22
escrever-se, simplesmente
a11 a12
|A| =
a21 a22
Exemplo 2.1. Vejamos seguintes exemplos. Ache os determinantes de matrizes seguintes:

 
2 −3
1) A =   = 2(2) − 1(−3) = 4 + 3 = 7
1 2
 
2 1
2) B =   = 2(2) − 4(1) = 4 − 4 = 0
4 2
23
 
0 3
3) C =   = 0(4) − 2(3) = 0 − 6 = −6
2 4
Observação 2.3. O determinante de matriz de ordem 1 é igual ao elemento da matriz, isto é:
A = [−2] ⇒ |A| = −2.
2.1.3 Regra De Sarrus

É um método alternativo que geralmente utiliza-se para o cálculo do determinante em matrizes
quadradas de ordem 3. A utilização deste método consiste em copiar a primeira e segunda coluna da
matriz dada (de ordem 3 × 3) e formar a quarta e quinta coluna. Isto é:
   
a11 a12 a13 a11 a12 a13 a11 a12
A =  a21 a22 a23  ⇒ A1 =  a21 a22 a23 a21 a22 
31 a32 a33 a31 a32 a33 a31 a32
Na matriz A1 é possı́vel construir 6 diagonais. O determinante de A é achado adicionando (ou)

subtraindo os produtos entre os elementos das 6 diagonais, isto é
|A| = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 − a31 a22 a13 − a32 a23 a11 − a33 a21 a12
Exemplo 2.2. Ache o determinante da matriz A usando a regra de Sarrus.

 
0 2 1
 
 
A =  3 −1 2 
 
4 −4 1
Vamos construir a matriz A1  

0 2 1 0 2
 
 
A1 =  3 −1 2 3 −1 
 
4 −4 1 4 −4
e o determinante da matriz A será dado por
|A| = 0(−1)(1) + 2(2)(4) + 1(3)(−4) − (4)(−1)(1) − (−4)(2)(0) − (1)(3)(2) =
= 0 + 16 − 12 − (−4) − 0 − 6 = 2.
• Ache o determinante de A usando o método de expansão em co-factores.
Exercı́cio 2.1. Ache determinantes das seguintes matrizes
1) A = [3]
 
2 1
2) B =  
3 4
24
 
−3 1
3) C =  
5 2
 
−3 4 2
 
 
4) D =  6 3 1 
 
4 −7 −8
Utilize também o método de Sarrus.

 
−3 2 1
 
 
5) E =  4 5 6 
 
2 −3 1
Utilize também o método de Sarrus.

 
2 6 6 2
 
 
 2 7 3 6 
6) F = 



 1 5 0 1 
 
3 7 0 7
 
5 2 0 0 −2
 
 
 0 1 4 3 2 
 
 
7) H =  0 0 2 6 3 
 
 
 0 0 3 4 1 
 
0 0 0 0 2
2.1.4 Determinante De Matriz De Ordem Supérior.

Suponha agora que queremos achar o determinante de uma matriz de ordem 3 ou de ordem superior
a 3. O algorı́tmo apresentado anteriormente não irá funcionar. Iremos nesta secção dar ferramentas
para o cálculo de determinante de qualquer que seja a ordem.
2.1.5 Menores e Co-Factores
Definição 2.2. Seja dada a matriz quadrada A, chamamos MENOR Mij do elemento aij ao deter-
minante da matriz obtido apagando a linha i e coluna j da matriz A.
Definição 2.3. Chama-se Co-factor Cij ao produto de (−1)i+j pelo menor Mij , isto é:
Cij = (−1)i+j Mij .

25
Exemplo 2.3. Consideremos a matriz de ordem 3 × 3,

 
a a12 a13
 11 
 
A =  a21 a22 a23  ,
 
a31 a32 a33
vamos determinar os menores M21 e M22 .
• Para o menor M21 , apagamos todos elementos da linha 2 e coluna 1, isto é:
a12 a13
M21 = = a12 a33 − a32 a13 ,
a32 a33
• Para o menor M22 , apagamos todos elementos da linha 2 e coluna 2, isto é:
a11 a13
M22 = = a11 a33 − a31 a13 ,
a31 a33
Exemplo 2.4. Para o exemplo anterior, determine os co-factores C21 e C22
• Para o co-factor C21 , teremos:
a12 a13 a12 a13 a12 a13

C21 = (−1)2+1 = (−1)3 = −3
a32 a33 a32 a33 a32 a33
• Para o co-factor C22 , teremos:
a11 a13 a11 a13 a11 a13

C22 = (−1)2+2 = (−1)4 = .
a31 a33 a31 a33 a31 a33
Exemplo 2.5. Determine os co-factores da matriz

 
0 2 1
 
 
A =  3 −1 2  .
 
4 0 1
• Para determinar o menos M11 , apagamos os elementos da primeira linha e primeira coluna da
matriz A e achamos o determinante da matriz que obteremos,
 
0 2 1
 
 
 3 −1 2  ,
 
4 0 1
isto é, apagamos os elementos a negrito na matriz acima, assim teremos o menor
−1 2
M11 = = −1(1) − 0(2) = −1
0 1
26
• Para o menor M12 , na matriz A devemos apagar todos elementos da linha 1 e coluna 2, isto é
 
0 2 1
 
 
 3 −1 2 
 
4 0 1
e produzimos o menor
3 2
M12 = = 3(1) − 4(2) = −5
4 1
De mesma maneira determinamos os restantes sete menores e teremos,
• M13 = 4
• M21 = 2
• M22 = −4
• M23 = −8
• M31 = 5
• M32 = −3
• M33 = −6
Exemplo 2.6. Para o exemplo acima, determinemos os co-factores. Lembre que co-factor é o produto
de 1 ou -1 com o respectivo menor, isto é:
(−1)i+j Mij
A ser assim teremos
• C11 = (−1)1+1 M11 = (−1)2 (−1) = 1(−1) = −1
• C12 = (−1)1+2 M12 = (−1)3 (−5) = (−1)(−5) = 5
• C13 = 4
• C21 = −2
• C22 = −4
• C23 = 8
• C31 = 5
• C32 = 3
27
• C33 = −6
Definição 2.4. Seja A, matriz quadrada de ordem n, o determinante de A define-se como a soma
das entradas da ”primeira linha”de A, multiplicados pelos seus co-factores, isto é:
∑
n
det(A) = |A| = a1j C1j = a11 C11 + a12 C12 + · · · + a1n C1n .
j=1
Exercı́cio 2.2. Verifique a definição dada acima usando as matrizes do exemplo (2.1).
Ao usarmos a definição acima, estaremos a fazer a expansão por meio de complementares algébricos
(o mesmo que co-factores) da primeira linha. No entanto, pode-se fazer expansão por meio de com-
plementares algebricos da qualquer linha ou qualquer coluna.
Exemplo 2.7. Seja dada a matriz  

0 2 1
 
 
A =  3 −1 2 
 
4 0 1
Ache os determinantes fazendo expansão pela:
1) primeira linha
|A| = a11 C11 + a12 C12 + a13 C13 = 0(−1) + 2(5) + 1(4) = 14.
2) segunda linha
|A| = a21 C21 + a22 C22 + a23 C23 = 3(−2) + (−1)(−4) + 2(8) = 14.
3) primeira coluna
|A| = a11 C11 + a21 C21 + a31 C31 = 0(−1) + 3(−2) + 4(5) = 14.
Definição 2.5. Seja A uma matriz de ordem n, o determinante de ordem n é dado por
∑
n
det(A) = |A| = aij Cij = ai1 Ci1 + ai2 Ci2 + · · · + ain Cin , expansão pela linha i
j=1
ou
∑
n
det(A) = |A| = aij Cij = a1j C1j + a2j C2j + · · · + anj Cnj expansão pela coluna j.
i=1
Observação 2.4. Quando fazemos expansão de linhas ou colunas em co-factores, não precisamos de
avaliar as parcelas cujos elementos sejam iguais a zero, pois o produto desses elementos (zero) com os
co-factores será igual a zero, isto é:
aij Cij = (0)Cij = 0.
Por isso, geralmente faz-se expansão na linha ou coluna que tiver maior número de zeros.
28
Exemplo 2.8. Ache o determinante de

 
1 −2 3 0
 
 
 −1 1 0 2 
A=

,

 0 2 0 3 
 
3 4 0 −2
na matriz acima, identificamos a terceira coluna como a coluna que tem maior número de zeros. Por
isso
|A| = 3(C13 ),
precisamos por isso de achar C13 .
−1 1 2 −1 1 2
1+3
C13 = (−1) 0 2 3 = 0 2 3
3 4 −2 3 4 −2
expandindo mais uma vez (o ultimo determinante), em co-factores, teremos:
−1 1 2
1 2 −1 2 −1 1
0 2 3 = (0)(−1)2+1 + (2)(−1)2+2 + (3)(−1)2+3 =
4 −2 3 −2 3 4
3 4 −2
= 0 + 2(1)(−4) + 3(−1)(−7) = 13.

3 0 a a a+b a−b 3t 2t
1) Calcule os seguintes determinantes: , , , . R: 18,
2 6 b b a−b a+b 3t−1 2t−1
0, 4ab, 6t−1
( ) ( )
a11 a12 b11 b12
2) Seja A = e B= . Mostre que |AB| = |A| · |B|.
a21 a22 b21 b22
3) Ache duas matrizes A e B de dimensão 2 × 2 tais que |A + B| 6= |A| + |B|.
1 −1 0 1 −1 0 a b c a 0 b
4) Calcule os seguintes determinantes: 1 3 2 , 1 3 2 , 0 d e , 0 e 0 . R: −2,
1 0 0 1 2 1 0 0 f c 0 d
−2, adf , e(ad − bc)
   
1 −1 0 1 2 3
5) Sejam A = 1  
3 2 eB= 2  3 4 . Calcule AB, |A|, |B|, |A| · |B| e |AB|.
1 2 1 0 1 −1
1+a 1 1
6) Mostre que 1 1+b 1 = abc + ab + ac + bc.
1 1 1+c
29
 
1 t 0
7) Dada a matriz At = −2 −2 −1 , calcule |At | e mostre que nunca é igual a 0. Mostre que
0 1 t
para um certo valor de t tem-se A3t = I3 .
1 0 0 0 1 0 0 1 1 0 0 2
0 2 0 0 0 1 0 0 0 1 0 −3
8) Use a definição de determinante e calcule: , , .
0 0 3 0 0 0 1 0 0 0 1 4
0 0 0 4 a b c d 2 3 4 11
R: 24, d − a, 0
9) Suponha que duas matrizes A e B de ordem n × n são ambas triangular superior. Mostre que
|AB| = |A||B|.
( ) ( )
1 2 3 4
10) Sejam A = , B= . Calcule AB, BA, A0 B0 e B0 A0 . Mostre que |A| = |A0 |
3 4 5 6
e |AB| = |A| · |B|. É correcta a igualdade |A0 B0 | = |A0 | · |B0 |?
 
2 1 3
11) Seja A = 1 0 1 . Escreva A0 e depois mostre que |A| = |A0 |.
1 2 5
1 2 3 4 a1 − x a2 a3 a4
3 0 1
0 −1 2 4 0 −x 0 0
12) Calcule os seguintes determinantes: 1 0 −1 , , .
0 0 3 −1 0 1 −x 0
2 0 5
−3 −6 −9 −12 0 0 1 −x
R: 0, 0, x4 − a1 x3
13) Sejam A e B duas matrizes de ordem 3 × 3 cujos determinantes são |A| = 3 e |B| = −4. Onde
for possı́vel ache os valores de |AB|, 3|A|, | − 2B|, |4A|, |A| + |B| e |A + B|.
 
a 1 4
14) Se A = 2 1 a2  , calcule A2 e |A|.
1 0 −3
15) Prove que cada um dos seguintes determinantes é igual a zero:
1 2 3 1 a b+c x − y x − y x2 − y 2
2 4 5 , 1 b c+a , 1 1 x+y .
3 6 8 1 c a+b y 1 x
 
1 0 0
1 1 1
16) Seja X = 
1
 . Calcule |X0 X|.
2 0
1 0 1
 
a 2 2
17) Se Aa = 2 a2 + 1 1 , calcule |Aa | e |A61 |.
2 1 1
18) Mostre que o determinante duma matriz ortogonal P é igual a 1 ou −1.
(a) Mostre que o determinante duma matriz involutiva é igual a 1 ou −1;

30
2.3 Teória 4
2.3.1 Determinante de matriz com duas linhas proporcionais.

Consideremos a seguinte matriz [ ]
1 2
A=
2 4
a segunda linha da matriz A pode ser obtida multiplicando por 2 os elementos da primeira linha da
mesma matriz. Calculemos o determinante de A,
1 2
|A| = = 1(4) − 2(2) = 0.
2 4
Para generalizarmos, consideremos qualquer matriz quadrada de ordem 2,
[ ]
a11 a12
B=
ka11 ka12
a segunda linha de B, pode ser obtida multiplicando a primeira linha da mesma por um número real
arbitrário (qualquer) k. Vamos determinar o determinante da matriz B
a11 a12
|B| = = a11 ka12 − ka11 a12 = ka11 a12 − ka11 a12 = 0.
ka21 ka22
Consideremos agora a matriz  
1 2 3
A= 2 4 6 
1 1 1
Vamos calcular o seu determinante:
1 2 3
4 6 2 6 2 4
|A| = 2 4 6 =1 −2 +3 =
1 1 1 1 1 1
1 1 1
= 1(4 − 6) − 2(2 − 6) + 3(2 − 4) = −2 − 2(−4) + 3(−2) = −2 + 8 − 6 = 0
Exercı́cio 2.3. Calcule os determinates das seguintes matrizes

 
1 0 1
 
 
1) A= 1 4 5 
 
6 0 6
 
0 1 −1 3
 
 
 1 1 0 0 
2) B=



 2 2 0 0 
 
3 −1 1 0
 
1 2 3 5
 
 
 2 1 0 0 
3) C=



 1 2 −1 1 
 
5 10 15 25
31
Todas estas matrizes deste exercı́cio tem linhas proporcionais, e os seus determinantes são iguais zero.
Observação 2.5. Se uma matriz tiver duas linhas ou duas colunas proporcionais, o seu determinante
será igual a zero.
Observação 2.6. Se uma matriz tiver duas linhas ou duas colunas iguais, o seu determinante será
igual a zero.
2.3.2 Determinante de matriz transposta.

Começemos por estudar a relacção entre uma matriz quadra de ordem 2 e a sua transposta.
[ ] [ ]
1 2 T 1 3
B= e B =
3 −1 2 −1
Determinemos os determinantes de B e B T
1 2 1 3
|B| = = (−1)(−6) = 6 |B T | = = (−1)(−6) = 6.
3 −1 2 −1
Observação 2.7. Considere uma matriz arbtrária

   
a11 a12 a11 a21
A=  AT =  
a21 a22 a12 a22
Determinemos
|A| = a11 a22 − a21 a12 e |AT | = a11 a22 − a12 a21 ,
oque nos leva a concluir que para qualquer matriz quadrada (de ordem 2), o determinante da matriz
M é igual ao determinante da matriz M T .
Consideremos agora a matriz

 
3 1 −2
A= 2 0 0 
−4 −1 5
Calculando o |A| teremos,
1 −2
|A| = −2 = −2(3) = −6
−1 5
Vamos transpor a matriz A, isto é, vamos achar AT ,

 
3 2 −4
AT =  1 0 −1 
−2 0 5
e
3 2 −4
1 −1
|AT | = 1 0 −1 = −2 = −6
−2 5
−2 0 5
32
Exercı́cio 2.4. Considere as seguintes matrizes

 
  1 0 1 3
1 0 1  
   
   2 0 2 −1 
A =  2 5 −1  
B= 
  
 1 2 1 4 
1 3 2  
−1 −2 1 0
1) Calcula AT e B T .
2) Calcule |A| e |AT |, compare-os.
3) Calcule |B| e |B T |, compare-os.
Observação 2.8. Se A é matriz quadrada, então
|A| = |AT |.
2.3.3 Determinante de matriz cuja linha é multiplicada por um escalar.

Seja dada a matriz [ ]
1 2
A=
1 −1
multipliquemos uma das linhas da matriz A por uma constante, por exemplo, multipliquemos a
primeira linha por dois, teremos: [ ]
2 4
A1 = ,
1 −1
o determinante de A será |A| = 1(−1)−1(2) = −3 e o determinante de A1 será |A1 | = 2(−1)−1(4) =
−6. Isto é,
|A1 | = 2(−3) = 2|A|.
Exemplo 2.9. Considere a matriz

 
1 2 3
 
 
B= 1 0 0 ,
 
2 3 1
vamos produzir uma outra matriz B1 multiplicando a terceira linha de B por uma constante qualquer
(arbı́traria) t, isto é:
 
1 2 3
 
 
B1 =  1 0 0 ,
 
2t 3t 1t
achemos os determinantes de B e de B1
Resolução
33
1 2 3
2 3
|B| = 1 0 0 = −1 = −(2 − 9) = 7
3 1
2 3 1
e
1 2 3
2 3
|B1 | = 1 0 0 = −1 = −(2t − 9t) = 7t = t|B|.
3t t
2t 3t 1t
Exercı́cio 2.5. 1) Considere as matrizes

 
1 2 3
 
 
C= 1 0 0 
 
2 3 1
e
 
t 2t 3t
 
 
D= 1 0 0 
 
2t 3t t
veja que a matriz D é produzida multiplicando duas linhas de C por t. Calcula os determinantes
de C e D.
2) Considere as matrizes
   
1 2 3 t 2t 3t
   
   
C= 2 0 0  e D =  2t 0 0 
   
2 3 1 2t 3t t
veja que a matriz D é produzida multiplicando 3 linhas de C por t. Calcula os determinantes

de C e D.
Observação 2.9. Seja A uma matriz quadrada de ordem n, B uma matriz quadrada de ordem
n produzida apartir da matriz A, multiplicando uma das linhas por t, onde t é um número real
qualquer; então |B| = t|A|.
Observação 2.10. Se A for uma matriz quadrada de ordem n, B = tA onde t um escalar, então, o
determinante de B será igual a
|B| = tn |A|.
34
2.3.4 Determinante de matriz cuja uma linha é igual a soma de duas linhas.
Considere a matriz [ ]
1 2
A=
−1 0
vamos transformar a matriz A somando a linha 2 com a linha 1, isto é
[ ]
1 2
A1 =
0 2
Achemos os determinantes das matrizes A e A1
1 2
|A| = = 2 e |A1 | = 2.
−1 0
Portanto
|A| = |A1 |.
Consideremos agora a matriz [ ]
a11 a12
B=
a21 a22
Construamos a matriz [ ]
a11 a12
B1 =
a21 + a11 a22 + a12
e vamos achar os determinantes das duas matrizes B e B1 ;
a11 a12
|B| = = a11 a22 − a21 a12 ,
a21 a22
a11 a12
|B1 | = = a11 (a22 + a12 ) − a12 (a21 + a11 ) =
a21 + a11 a22 + a12
= a11 a22 + a11 a12 − a12 a21 − a12 a11 = a11 a22 − a21 a12
pois os termos em negrito são simétricos. Como se pode ver |B| = |B1 |.
Exercı́cio 2.6. Seja dada a matriz

 
1 0 −2
 
 
C= 1 2 1 
 
0 −1 −2
1) produza a matriz D com base na matriz C tal que a terceira linha de D seja igual a soma da
segunda e terceira linha.
2) Ache o determinante de C e D.
3) Compare-os.
Observação 2.11. Se a matriz B for obtida apartir de A pela adição de uma linha de A com outra
linha de A, então
|A| = |B|.
35
2.3.5 Determinante de matriz quando se trocam as posições de duas linhas ou

colunas vezinhas.
Seja dada a matriz [ ]
1 2
A= .
3 4
Vamos produzir a matriz B trocando as linhas ou colunas de A, isto é
[ ]
2 1
B= ,
4 3
vamos achar os determinantes das marizes A e B
1 2
|A| = = 1(4) − 3(2) = −2
3 4
2 1
|B| = = 2(3) − 4(1) = 2.
4 3
Agora, consideremos uma matriz arbitrária
[ ]
a11 a12
A=
a21 a22
seguindo a lógica do exemplo acima, produzimos B trocando de linhas a matriz A, i.e:
[ ]
a21 a22
B= ,
a11 a12
achemos os determinantes das duas matrizes
|A| = a11 a22 − a21 a12 , |B| = a21 a12 − a11 a22 = −(a21 a12 − a11 a22 ) = a11 a22 − a21 a12 .
Exercı́cio 2.7. Considere agora a matriz

 
2 1 1
 
 
A =  0 −1 0 ,
 
1 0 3
Seja B uma matriz produzida apartir de A trocando a primeira pela terceira linha, teremos
 
1 0 3
 
 
B =  0 −1 0  ,
 
2 1 1
1) Ache o determinante de A
2) Ache o determinante de B
3) Compare-os.
Observação 2.12. Se a matriz B é obtida apartir da matriz A e da troca de posição de duas linhas
ou duas colunas de A, então
|B| = −|A|.
36
2.3.6 Determinante do produto de duas matrizes de mesma ordem.

Ache |A|, |B|, AB, |AB| para seguintes matrizes:
[ ] [ ]
1 2 1 3
1) A = , B=
0 1 −1 0
   
1 −2 2 2 0 1
2) A =  0 3 2  , B =  0 −1 −2 
1 0 1 3 1 −2
Para a questão 1, teremos:

[ ]
−1 3
|A| = 1, |B| = 3, AB = , |AB| = −(−1)3 = 3 = 1(3) = |A||B|.
−1 0
E para a questão 2, teremos:

 
8 4 1
|A| = −7, |B| = 11, AB =  6 −1 −10  , |AB| = −77
5 1 −1
isto é |AB| = |A||B| = −7(11) = −77.
Observação 2.13. Se A e B são matrizes quadradas de mesma ordem, então
|AB| = |A||B|.

1) Mostre que o determinante duma matriz ortogonal P é igual a 1 ou −1.
2) Uma matriz quadrada A de ordem n chama-se involutiva se A2 = In .
(a) Mostre que o determinante duma matriz involutiva é igual a 1 ou −1;

( ) ( )
−1 0 a 1 − a2
(b) Mostre que e são involutivas (para todos a);
0 −1 1 −a
(c) Mostre que A é involutiva ⇐⇒ (In − A)(In + A) = 0.
( ) ( )
3 0 1/3 0
3) Prove que a matriz inversa de é .
2 −1 2/3 −1
   
1 1 −3 −1 1 0
4) Prove que a matriz inversa de 2 1 −3 é  8/7 −1 3/7 .
2 2 1 −2/7 0 1/7
5) Ache os valores de a e b de modo que A seja a matriz inversa de B se

   
2 −1 −1 1 2 4
A =  a 1/4 b  e B = 0 1 6 .
1/8 1/8 −1/8 1 3 2
R: a = −3/4, b = 3/4
37
 
0 1 0
6) Dada a matriz A = 0 1 1 , calcule |A|, A2 e A3 . Mostre que A3 − 2A2 + A − I = 0,
1 0 1
onde I é a matriz unidade de ordem 3 e 0 é a matriz nula. Mostre que A possui inversa e
A−1 = (A − I)2 .
( )
2 1 4
7) Seja A = . Calcule AA0 , |AA0 | e (AA0 )−1 .
0 −1 3
Capı́tulo 3
Matrizes Inversa

1) Definir Matriz Inversa
2) Identificar Matriz Singular
3) Utilizar a condição necessária e suficiente de existência de matriz inversa
4) Calcular Matriz Inversa
5) Demonstrar as Propriedades De Matriz Inversa.
6) Utilizar as Propriedades De Matriz Inversa.
3.1 Teoria 5
3.1.1 Definição De Matriz Inversa.

Consideremos a equação
ax = b,
resolver esta equação em ordem a x pode ser procedido dividindo o b por a e expressando x de
seguinte modo
b
x= ;
a
para a não igual a zero. Mas também pode se multiplicar ambos os membros da equação ax = b por
a−1 , isto é:
b
ax = b ⇒ a−1 ax = a−1 b ⇒ (1)x = a−1 b ⇒ x = ,
a
−1
dizemos então que a é o recı́proco (multiplo inverso) de a porque
a−1 × a = 1.
Definição 3.1. Uma matriz quadrada A de ordem n é invertı́vel se existe uma matriz quadrada B
de mesma ordem que A, tal que
AB = BA = In ,
38
39
onde In é matriz identidade de ordem n , [rever o ponto (1.3.3)]. A matriz B é chamada matriz
inversa de A.
Definição 3.2. Uma matriz invertı́vel chama-se matriz não singular.
Definição 3.3. Uma matriz não invertı́vel chama-se matriz singular.
Observação 3.1. Uma matriz não quadrada não pode ter inversa. Esta afirmação consolida-se pelo
seguinte facto. Consideremos uma matriz Am×n e uma outra matriz Bn×m, m 6= n. Os produtos AB
e BA são diferentes, o que contradiz com a definição de matriz inversa.
Observação 3.2. Se A é uma matriz invertı́vel, então a sua matriz inversa é unica, e denota-se A−1 .
Exercı́cio 3.1. Mostre que B é matriz inversa de A, onde

   
−1 2 1 −2
A= , B =  .
−1 1 1 −1
Utilizaremos a definição de matriz inversa para a resolução deste exercı́cio. B é matriz inversa de A
se AB = BA = I. Ora vejamos
    
−1 2 1 −2 1 0
AB =   = .
−1 1 1 −1 0 1
Por outro lado     

1 −2 −1 2 1 0
BA =   = .
1 −1 −1 1 0 1
Observação 3.3. Veja que mesmo que os produtos AB e BA sejam definidos, nem sempre AB = BA.
Se A e B são matrizes quadradas e AB = In , então BA = In , oque faz com que não seja necessário
testar os dois produtos AB e BA, bastando portanto que um destes produtos seja igual a In para
concluirmos que B é inversa de A.
Exercı́cio 3.2. Determine a matriz inversa de

 
1 4
A= .
−1 −3
Veja que estamos aqui a procura de uma matriz

 
x11 x12
B= 
x21 x22
tal que
AB = I2 ,
40
isto é:     
1 4 x11 x12 1 0
AB =   = .
−1 −3 x21 x22 0 1
Multiplicando estas duas matrizes teremos
   
x11 + 4x21 x12 + 4x22 1 0
AB =  = ,
−x11 − 3x21 −x12 − 3x22 0 1
igualando as entradas correspondentes nas ultimas duas matrizes obtemos os seguintes sistemas de
equações  
 x11 + 4x21 = 1  x12 + 4x22 = 0
e
 −x − 3x = 0  −x − 3x = 1
11 21 12 22
resolvendo estes dois sistemas de equações teremos
x11 = −3, x12 = −4, x21 = 1, x22 = 1;
assim  
−3 −4
B = A−1 =  .
1 1
3.1.2 Determinação De Inversa Pelo Metodo De Eliminação De Gauss-Jordan

Vamos com base na matriz do exercı́cio anterior, determinar a inversa com base no método de elim-
inação de Gauss-Jordan. A matriz dada é
[ ]
1 4
A= ,
−1 −3
vamos acrescentar a esta matriz uma matriz identidade de ordem 2, e teremos
[ ]
1 4 1 0
[A|I] = ,
−1 −3 0 1
devemos, utilizando as eliminações de Gauss-Jordan, transformar a forma [A|I] na forma [I|B].
Começamos por transformar o elemento a2 1 em zero; faremos isso somando as a linha 1 com a
linha 2, isto é [ ]
1 4 1 0
.
0 1 1 1
Para termos a forma [I|B] falta-nos transformar o elemento a12 em zero. Faremos isso multiplicando
a segunda linha por -4 e somando na primeira linha, isto é
[ ]
1 0 −3 −4
,
0 1 1 1
tendo assim obtido a forma [I|B] onde
[ ]
−3 −4
B=
1 1
e B é a matriz inversa da matriz A. Portanto,
[ ]
−1 −3 −4
A = .
1 1
41
Exemplo 3.1. Utilize o método descrito acima, e determine a matriz inversa de

 
1 −1 0
 
 
A= 1 0 −1  .
 
−6 2 3
Teremos  
1 −1 0 1 0 0
 
 
[A|I] =  1 0 −1 0 1 0  ,
 
−6 2 3 0 0 1
subtraindo a primeira linha com a segunda, para produzirmos a linha 2, isto é
 
1 −1 0 1 0 0
 
 
 0 −1 1 1 −1 0 
 
−6 2 3 0 0 1
multiplicando a segunda linha por -1 teremos

 
1 −1 0 1 0 0
 
 
 0 1 −1 −1 1 0  ,
 
−6 2 3 0 0 1
multiplicamos a primeira linha por 6 e adicionamos a ultima linha, teremos

 
1 −1 0 1 0 0
 
 
 0 1 −1 −1 1 0  ,
 
0 −4 3 6 0 1
multiplicando por 4 a segunda linha e somando na terceira linha, teremos

 
1 −1 0 1 0 0
 
 
 0 1 −1 −1 1 0  ,
 
0 0 −1 2 4 1
multiplicamos por -1 a terceira linha,

 
1 −1 0 1 0 0
 
 
 0 1 −1 −1 1 0 ,
 
0 0 1 −2 −4 −1
somamos a segunda linha com a terceira e o resultado produz a segunda linha

 
1 −1 0 1 0 0
 
 
 0 1 0 −3 −3 −1  ,
 
0 0 1 −2 −4 −1
42
somamos a segunda linha com a primeira e o resultado produz a primeira linha

 
1 0 0 −2 −3 −1
 
 
 0 1 0 −3 −3 −1  ,
 
0 0 1 −2 −4 −1
 
−2 −3 −1
 
−1  
de onde podemos extrair a matriz inversa A =  −3 −3 −1 
 
−2 −4 −1
Observação 3.4. Lembre-se que nem todas as matrizes admitem inversa. Matrizes não invertı́veis
chamam-se, matrizes singulares. Considere a matriz
 
1 2 0
 
 
A =  3 −1 2 ,
 
−2 3 −2
utilize o método descrito acima para determinar a inversa da matriz dada. Qual é a conclusão?
Existe no entanto um outro procedimento para determinação de matriz inversa.
Observação 3.5. Consideremos uma matriz A de ordem n, a matriz A será invertı́vel se e somente
se o seu determinante for diferente de zero (condição necessária e suficiente de invertibilidade
de uma matriz).
Satisfeita esta condição, achamos a inversa de A usando a formula
1 ∗
A−1 = A
|A|
onde A∗ é a matriz transposta constituida pelos co-factores achados apartir de todas entradas da
matriz A.
Exemplo 3.2. Vamos considerar a matriz

 
1 −1 0
 
 
A= 1 0 −1  ,
 
−6 2 3
e determinemos a sua inversa. Começamos por achar o determinante de A, isto é
1 −1 0
|A| = 1 0 −1 = −1,
−6 2 3
de seguida vamos construir a matriz A∗ .

 
A11 A21 A31
 
 
A∗ =  A12 A22 A32 
 
A13 A23 A33
43
onde:
Aij = (−1)i+j Mij
onde Mij são menores. Teremos portanto
A11 = 2, A12 = 3, A13 = 2;
A21 = 3, A22 = 3, A23 = 4;
A31 = 1, A32 = 1, A33 = 1,
que originará a matriz  

2 3 2
 
 
A+ =  3 3 4 ,
 
1 1 1
transpondo esta matriz teremos a matriz A∗ , isto é

 
2 3 1
 
∗ 
+ T 
A = (A ) =  3 3 1 .
 
2 4 1
Utilizando a formula
1 ∗
A−1 = A
|A|
teremos    
2 3 1 −2 −3 −1
−1 1 
 
 


A =  3 3 1  =  −3 −3 −1 .
−1    
2 4 1 −2 −4 −1
3.1.3 Propriedades De Matriz Inversa

Seja A uma matriz invertı́vel, k um número posetivo e inteiro, c é um escalar, então A−1 , Ak , cA e
AT são invertı́veis e são verdadeiras as seguintes afirmações:
1) (A−1 )−1 = A.
2) (Ak )−1 = A−1 A−1 A−1 · · · A−1 = (A−1 )k .

1
3) (cA)−1 = A−1 , c =
6 0.
c
4) (AT )−1 = (A−1 )T .
Exercı́cio 3.3. Escolha uma matriz inversı́vel, designe-a por matriz A, mostre o cumprimento das
quatro propriedades acima.
44
3.1.4 Inversa De Um Produto

Considere as matrizes [ ] [ ]
1 2 2 −1
A= , B=
1 3 1 −1
• Calcule o produto AB
• Determine (AB)−1 .
• Determine A−1 .
• Determine B −1 .
• Calcule A−1 B −1 .
• Calcule B −1 A−1 .
Observação 3.6. Se as matrizes A e B são de ordem n e invertı́veis, então, a matriz AB será

invertı́vel e
(AB)−1 = B −1 A−1 .
Exemplo 3.3. Consideremos as matrizes

   
1 3 3 1 2 3
   
   
A =  1 4 3 , B= 1 3 3 
   
1 3 4 2 4 3
A inversa da matriz A será  

7 −3 −3
 
 
A−1 =  −1 1 0 ,
 
−1 0 1
a inversa da matriz B é  
1 −2 1
 
 
B −1 =  −1 1 0 ,
 
2
3 0 − 13
usando a observação acima teremos
    
1 −2 1 7 −3 −3 8 −5 −2
    
    
(AB)−1 = B −1 A−1 =  −1 1 0   −1 1 0  =  −8 4 3 .
    
2
3 0 − 13 −1 0 1 5 −2 − 37

1) Suponha que A, P e D são matrizes quadradas tais que A = PDP−1 . Mostre que A2 =
PD2 P−1 . Usando o método de indução mostre que Am = PDm P−1 para qualquer inteiro m.
( )
−1/2 5
2) Dada a matriz B = , calcule B2 + B, B3 − 2B + I e, depois, ache B−1 .
1/4 −1/2
45
3) Suponha que X é uma matriz de dimensão m × n tal que |X0 X| 6= 0. Mostre que a matriz
A = Im − X(X0 X)−1 X0
é idempotente, isto é, A2 = A.

   
1 2 3 s t 3
1
4) Sejam A = 2 1 3 e T = 7 −8 3 , onde s e t são números reais. Prove que
12
3 2 1 1 t −3
T = A−1 para valores apropriados de s e t.
5) Seja D uma matriz de dimensão n × n tal que D2 = 2D + 3I. Prove que D3 = aD + bI para
valores apropriados de a e b. Ache uma expressão similar para D6 e D−1 (isto é, expressa na
forma αD + βI).
   
( ) 1 0 2 1 0 0
2 3
6) Ache a matriz inversa, caso exista, para : , 2 −1 0 , −3 −2 1 .
4 5
0 2 −1 4 −16 8
 
−2 3 2
7) Ache a matriz inversa de  6 0 3 .
4 1 −1
8) Seja  
0.2 0.6 0.2
A =  0 0.2 0.4 .
0.2 0.2 0
 
18 16 10
5 
−1
Ache (I − A) . R: 2 19 8  .
62
4 7 16
   
( ) 1 2 3 3 2 −1
1 2
9) Ache as inversas, caso existam, das matrizes: A = , B = 2 4 5 , C = −1 5 8 .
3 4
3 5 6 −9 −6 3
 
( ) 1 −3 2
−2 1
R: A−1 = , B−1 = −3 3 −1 , C não tem inversa
3/2 −1/2
2 −1 0

1 −1 1
A =  t −2 2 
2 −1 t
ache o(s) valor(es) de t de modo que exista a matriz inversa A−1 . R: t 6= 1, t 6= 2
Capı́tulo 4
Sistemas de equações Lineares

1) Resolver sistemas de equações lineares de duas incógnitas.
2) Identificar sistema de equações de n-incógnitas.
3) Identificar a forma canónica e forma matricial de um sistema de equações.
4) Definir solução de um sistema de equações.
5) Classificar sistemas de equações (consistente, inconsistente).
6) Utilizar o método de Cramer para resolver sistemas de equações lineares.
7) Utilizar o método da matriz inversa para resolver sistemas de equações lineares.
8) Efectuar operações elementares com linhas de matrizes.
9) Utilizar o método de exclusão de Gauss.
10) Definir o rank (posto) de uma matriz.
11) Calcular o rank (posto) de uma matriz,
12) Identificar a condição necessária e suficiente de consistência de um sistema.
13) Definir sistema homogénio de equações.
14) Fazer o estudo do comportamento de soluções de sistema de equações homogénio.
4.1 Teoria 6
No ensino secundário geral, em geometria analı́tica estudamos que a equação da recta no espaço
bi-dimensional tem a forma
a1 x + a2 y = b; onde a1 , a2 , e b são constantes,
e chamamos equação linear de duas variáveis, x e y.
De maneira análoga, a equação do plano no espaço tri-dimensional tem a forma

a1 x + a2 y + a3 z = b; onde a1 , a2 , a3 e b são constantes,
46
47
e esta equação chama-se equação linear de 3 variáveis, x, y e z.
Definição 4.1. Chama-se equação linear de n variáveis x1 , x2 , x3 , · · · , xn a equação dada na forma
a1 x1 + a2 x2 + a3 x3 + · · · + an xn = b,
onde a1 , a2 , a3 , · · · , an e b são constantes reais.
Observação 4.1. Apesar de não ser extritamente rigiroso, na giria matemática, as primeiras letras
do alfabeto; a, b, c, · · · são usadas como constantes, e as ultimas letras do alfabeto; · · · , x, y, z
são usadas como variáveis.
Observação 4.2. Equações lineares não involvem
• multiplicação de variáveis,
• variáveis sobre sinal de raiz,
• variáveis sobre funções trigonométricas,
• variáveis sobre funções exponênciais e(ou) logarı́tmicas.
• polinómios de grau acima de um (1).
Exemplo 4.1. Consideremos exemplos de equações lineares
1) 3x + 2y = 0
2) x1 − 2x2 + 10x3 + x4 = 7
√
3) 1
2x + y − πz = 2
( )
4) sin π3 x1 − 4x2 = e2
Exemplo 4.2. Equações Não Lineares
1) yx + z = 0
2) sin x1 − 2x2 + 10x3 + x4 = 7

√
3) ln x + y − πz = 2
4) x1 − 4x2 = ex3
A solução de uma equação linear de n variáveis é um conjunto de n números reais. Isto é, se uma
equação linear tiver 2 variáveis, a sua solução será um conjunto composto de dois números reais. Se
uma equação linear tiver 3 variáveis o conjunto solução terá 3 números reais e analogamente, se uma
equaçao linear tiver n variáveis, a sua solução será um conjunto com n números reais.
48
4.1.1 Sistemas De Equações Lineares

Sistema de m equações lineares de n variáveis é o conjunto de m equações, cada uma linear e
compostas por mesmas n variáveis:


 a11 x1 + a12 x2 + a13 x3 + · · · + a1n xn = b1


 a21 x1 + a22 x2 + a23 x3 + · · · + a2n xn = b2
a31 x1 + a32 x2 + a33 x3 + · · · + a3n xn = b3



 ·······································

am1 x1 + am2 x2 + am3 x3 + · · · + amn xn = bm
onde a solução do sistema sera o conjunto dado por números naturais s1 , s2 , s3 , · · · , sn que sejam
solução de cada uma das equações existentes no sistema dado.
Definição 4.2. Um sistema de equações lineares representado como o fizemos acima diz-se na forma
canónica
Se no sistema de equações dado acima expresarmos as constantes bi , i = 1, 2, · · · , n como um

vector e os coeficientes aij como elementos de uma matriz, representamos o sistema de equações na
forma matricial e teremos
   
x1 b1
 
a11 a12 a13 · · · a1n   
 x2   b2 

 a21 a22 a23 · · · a2n   x3   b3 
    
 a31 a32 a33 · · · a3n   .  =  . 
    
 ··· ··· ··· ··· ···  .   . 
   
am1 am2 am3 · · · amn  .   . 
xn bn
e podemos expressar o sistema como

Ax = b,
onde    
x1 b1
 
a11 a12 a13 ··· a1n  x2   b2 
   
 a21 a22 a23 ··· a2n   x3   b3 
     
A=
 a31 a32 a33 ··· a3n ,
 x=
 . ,
 e b=
 . 

 ··· ··· ··· ··· ···   .   . 
   
am1 am2 am3 ··· amn  .   . 
xn bn
Exemplo 4.3. Determinar a solução do sistema abaixo e o escreva na forma matricial

 3x1 + 2x2 = 3
 −x + x = 4
1 2
Utilizando o método de substituição (estudado no ensı́no secundároi geral), podemos expressar o x2

como 4+x1 . Aplicando na primeira equação teremos 3x1 +2(4+x1 ) = 3 oque implica que 5x1 +8 = 3,
isto é, x1 = −1. Com base em x1 substituimos na segunda equação e determinamos o x2 que será,
x2 = 4 − 1 = 3. Veja que o conjunto {−1, 3} satisfaz ambas equações do sistema dado.
Note tambem que x1 = 1 e x2 = 0 satisfaz a primeira equação, mas não é solução do sistema
49
dado porque não satisfaz a segunda equação.
Na forma matricial teremos

     
3 2 x1 3
A= , x= , b= .
−1 1 x2 4
E representamos o sistema da seguinte forma

    
3 2 x1 3
   =  .
−1 1 x2 4
Exercı́cio 4.1. Resolva as questões que se seguem:
1) Esboçe as seguintes linhas 3x − y = 1 e 2x − y = 0 no plano xy.
2) Onde é que elas se intersectam?
3) Quantas soluções terá o sistema de equações lineares formado pelo par de linhas dado acima?
4) Repetir as 3 questões acima com os seguintes pares de linhas
(a) 3x − y = 1 e 3x − y = 0
(b) 3x − y = 1 e 6x − 2y = 2
5) Em geral que tipo de soluções podem ser encontradas em sistemas de duas equações com duas
incógnitas?
Observação 4.3. Sistemas de equações lineares podem ter:
• uma e unica solução,
• infinito número de soluções, ou
• nenhuma solução.
Definição 4.3. Um sistema de equações lineares chama-se consistente se tiver pelo menos uma
solução.
Definição 4.4. Um sistema de equações lineares chama-se inconsistente se não tiver solução.
Exemplo 4.4. Resolva os seguintes 3 sistemas de equações lineares


 x+y =3
1)
 x − y = −1
50

 x+y =3
2)
 2x + 2y = 6

 x+y =3
3)
 x+y =1
No caso (1) o sistema tem exactamente uma solução x = 1 e y = 2. Esta solução pode ser
obtida adicionando as duas equações, ao que teremos 2x = 2, isto é x = 1, e voltando para a
equação 1, usando o facto de que x = 1, teremos 1 + y = 3 isto é, y = 3 − 1 = 2. O gráfico do
sistema de equações é representado por duas linhas se intersectando no ponto (1, 2). Considere
estas conclusões observando gráfico.
No caso (2) o sistema tem um número infinito de soluções porque a segunda equação é obtida
multiplicando por 2 ambos os membros da primeira equação. A solução pode representar-se
de forma parámetrica y = t, x = 3 − t, onde t é um número real qualquer. Considere estas
conclusões observando gráfico, o gráfico representativo da solução do sistema consiste de duas
rectas conscidentes.
No caso (3) o sistema não tem soluções porque é impossı́vel que a soma de dois números seja
igual a 3 e a 1. Veja que graficamente este sistema representa-se por duas rectas paralelas.

1) Diga quais das seguintes equações com variáveis x, y , z e w são lineares e quais não são. (Na
alı́nea (f), a e b são constantes não negativas.)
(a) 3x − y − z − w = 50;
√
(b) 3x + 8xy − z + w = 0;
(c) 3(x + y − z) = 4(x − 2y + 3z);
800
(d) 3.33x − 4y + z = 3;
3
(e) (x − y)2 + 3z − w = −3;
√ √
(f) 2a2 x − by + (2 + a)z = b2 .
2) Sejam x1 , y1 , x2 e y2 valores constantes e consideremos as seguintes equações com incógnitas

a, b, c e d:
ax21 + bx1 y1 + cy12 + d = 0

ax22 + bx2 y2 + cy22 + d = 0
Será este sistema linear em ordem a a, b, c e d?

51
3) Dado o modelo linear
c = 0.712y + 95.05
s = 0.158(c + x) − 34.30
y = c+x−s
x = 93.53
escreva-o na forma canónica quando as variáveis aparecem na ordem x, y , s, c. R: x ≈ 93.53,

y ≈ 482.11, s ≈ 49.73, c ≈ 438.31
4) Escreva o sistema
x1 + 2x2 + x3 = 4
x1 − x2 + x3 = 5
2x1 + 3x2 − x3 = 1
na forma matricial.
5) Numa empresa trabalham 40 empregados (homens e mulheres). Cada homem ganha 50 contos
por dia e cada mulher 30 contos. Os empregados recebem conjuntamente 1600 contos. Usando
o método de substituição diga quantos homens e mulheres trabalham na empresa. R: (20, 20)
6) Use a regra de Cramer e resolva o seguinte sistema de equações
3x − y = 8
x − 2y = 5
em ordem a (e.o.a) x e y . Verifique a resposta obtida por meio de substituição.
x + 3y = 1
3x − 2y = 14
ax − by = 1
bx + ay = 2
9) Use a regra de Cramer para achar Y e C se
Y = C + I0 + G0 , C = a + bY,
onde Y é o produto nacional e C é o consumo privado. Os sı́mbolos I0 (investimento privado),

G0 (consumo público e investimento), a e b representam constantes, com b < 1. (Realmente,
isto é um caso tı́pico para o qual não se deveria usar a regra de Cramer, porque Y e C podem
ser encontrados dum modo mais simples. Como?)
52
10) Considere os seguintes modelos macroeconómicos (ligados) de duas nações i = 1, 2, que comer-
cializam somente entre si:
Y1 = C1 + A1 + X1 − M1 , C1 = c1 Y1 , M 1 = m1 Y1 ,
Y2 = C2 + A2 + X2 − M2 , C2 = c2 Y2 , M 2 = m2 Y2 .
Aqui, para i = 1, 2, Yi é o rendimento, Ci é o consumo, Ai é a despesa autónoma (exógena),

Xi denota as exportações e Mi denota as importações do paı́s i. Interprete as duas equações
X1 = M2 e X2 = M1 . Calcule os correspondentes valores de equilı́brio de Y1 e Y2 como funções
das variáveis exógenas. Como é que um aumento em A1 afectará Y2 ? Interprete a sua resposta.
1 1
R: Y1 = [A2 m2 + A1 (1 − c2 + m2 )], Y2 = [A1 m1 + A2 (1 − c1 + m1 )]
D D
11) Use a regra de Cramer e resolva o sistema de equações
x1 − x2 + x3 = 2
x1 + x2 − x3 = 0
−x1 − x2 − x3 = −6
R: x1 = 1, x2 = 2, x3 = 3
4.3 Teoria 7
4.3.1 Método de Cramer

A regra de Cramer, nomeada em honra a Gabriel Cramer (1704 - 1752), utiliza determinantes de ma-
trizes para resolver sistemas de n equações lineares com n variáveis. Ela pode ser utilizada somente
para sistemas de equações que tenham uma e unica solução. Vejamos como surge a regra de Cramer.
Vamos considerar, sem limitação da sua esência, um sistema de duas equações lineares com duas
incógnitas {
a11 x1 + a12 x2 = b1
(4.1)
a21 x1 + a22 x2 = b2
• Vamos multiplicar no sistema (4.1) a primera linha por −a21 e a segunda linha por a11 teremos:
{
−a11 a21 x1 − a21 a12 x2 = −a21 b1
a11 a21 x1 + a11 a22 x2 = a11 b2
adicionando as duas linhas do nosso sistema teremos
a11 a22 x2 − a21 a12 x2 = a11 b2 − a21 b1 ⇒ x2 (a11 a22 − a21 a12 ) = a11 b2 − a21 b1 ,
se a11 a22 − a21 a12 6= 0 torna-se possı́vel determinar o valor de x2 efectuando a divisão, e a ser
assim
a11 b2 − a21 b1
x2 =
a11 a22 − a21 a12
• De maneira análoga vamos no sistema (4.1), multiplicar a primera linha por −a22 e a segunda
linha por a12 teremos: {
−a11 a22 x1 − a22 a12 x2 = −a22 b1
(4.2)
a21 a12 x1 + a22 a12 x2 = a12 b2
adicionando as duas linhas do sistema (4.2), teremos
a21 a12 x1 − a11 a22 x1 = a12 b2 − a22 b1 ⇒ x1 (a21 a12 − a11 a22 ) = a12 b2 − a22 b1 ,
53
se a21 a12 − a11 a22 6= 0 torna-se possı́vel determinar o valor de x1 efectuando a divisão, e a ser
assim
a12 b2 − a22 b1
x1 =
a21 a12 − a11 a22
.
• teremos então 
 a b − a22 b1
 x1 = 12 2
a21 a12 − a11 a22 (4.3)
 a b − a21 b1
 x2 = 11 2
a11 a22 − a21 a12
Podemos representar tanto os numeradores, como denominadores de x1 e x2 como determi-
nantes, isto é
b1 a12 a11 b1
b2 a22 a21 b2
x1 = x2 = , a11 a22 − a21 a12 6= 0.
a11 a12 a11 a12
a21 a22 a21 a22
O denominador de x1 e x2 é o determinante da matriz coeficiente do sistema (4.1)

[ ]
a11 a12
A=
a21 a22
O numerador de x1 pode ser formado apartir da matriz coeficiente, substituindo a primeira coluna
pelo vector constante [ ]
b1
b2
do sistema (4.1).
De forma identica o numerador de x2 pode ser formado apartir da matriz coeficiente A, substituindo
a segunda coluna pelo vector constante [ ]
b1
b2
do sistema (4.1), por isso, pela regra de Cramer
|A1 | |A2 |
x1 = , x2 =
|A| |A|
onde
a11 a12 b1 a12 a11 b1
|A| = , |A1 | = , |A2 | = .
a21 a22 b2 a22 a21 b2
Exemplo 4.5. Utilizando a regra de Cramer, determine as soluções do seguinte sistema de equações
lineares 
 4x1 − 2x2 = 10
 3x − 5x = 11
1 2
A matriz coeficiente será

 
4 −2 4 −2
A=  e o seu determinante será |A| = = −14.
3 −5 3 −5
54
A matriz A1 que é formada pela matriz coeficiente, substituindo a primeira coluna pelo vector contante
será  
10 −2 10 −2
A1 =   e o seu determinante será |A| = = −28.
11 −5 11 −5
A matriz A2 que é formada pela matriz coeficiente, substituindo a segunda coluna pelo vector contante
será  
4 10 4 10
A2 =   e o seu determinante será |A| = = 14.
3 11 3 11
|A1 | −28 |A2 | 14
x1 = = = 2, x2 = = = −1.
|A| −14 |A| −14
Observação 4.4. A regra de Cramer generaliza-se para sistemas de n equações com n variáveis, não
se resignando somente a casos com 2 equações e 2 incógnitas. O valor de cada uma das variáveis é dado
pelo quociente de dois determinantes. O denominador desses quocientes é sempre o mesmo e produzido
pelo determinante da matriz coeficiente do sistema. O numerador é formado pelo determinante da
matriz formada pela matriz coeficiente substituindo a coluna correspondente a variável procurada pelo
vector constante.
Exemplo 4.6. Considremos o distema abaixo, um sistema composto por n equações com n incógnitas


 a11 x1 + a12 x2 + a13 x3 + · · · + a1n xn = b1





 a x + a22 x2 + a23 x3 + · · · + a2n xn = b2

 21 1
a31 x1 + a32 x2 + a33 x3 + · · · + a3n xn = b3





 ·······································



 a x + a x + a x + ··· + a x = b
n1 1 n2 2 n3 3 nn n n
suponhamos que queremos determinar a variável x3 , teremos
a11 a12 a13 ··· a1n a11 a12 b1 ··· a1n

a21 a22 a23 ··· a2n a21 a22 b2 ··· a2n
|A| = a31 a32 a33 ··· a3n e |A3 | = a31 a32 b3 ··· a3n
··· ··· ··· ··· ··· ··· ··· ··· ··· ···
an1 an2 an3 · · · ann an1 an2 bn ··· ann
e
|A3 |
x3 = .
|A|
Definição 4.5. Seja dado um sistema de n equações lineares com n variáveis x1 , x2 , x3 , · · · , xn ;
suponhamos que a matriz coeficiente ”A”do sistema de equações tenha determinante diferente de zero,
isto é, |A| 6= 0, então a solução do sistema será dada por:
|A1 | |A2 | |A3 | |An |
x1 , x2 , x3 , · · · , xn ,
|A| |A| |A| |A|
55
onde a i−ésima coluna de Ai é constituida pelo vector constante do distema de equações lineares em
resolução.
Exemplo 4.7. Utilizando a regra de Cramer, determine a solução do seguinte sistema de três equações
lineares com três incógnitas


 −x + 2y − 3z = 1


2x + 0y + z = 0



 3x − 4y + 4z = 2
A matriz coeficiente é
 
−1 2 −3
 
 
A= 2 0 1 
 
3 −4 4
e o seu determinante sera

−1 2 −3
|A| = 2 0 1 = 10
3 −4 4
Teremos:
 
1 2 −3 1 2 −3
 
 
Ax =  0 0 1 , |Ax | = 0 0 1 =8
 
2 −4 4 2 −4 4
 
−1 1 −3 −1 1 −3
 
 
Ay =  2 0 1 , |Ay | = 2 0 1 = −15
 
3 2 4 3 2 4
 
−1 2 1 −1 2 1
 
 
Az =  2 0 0 , |Az | = 2 0 0 = −16
 
3 −4 2 3 −4 2
e obtemos a solução
8 4 −15 3 −16 8
x1 = = , x2 = =− , x3 = =− .
10 5 10 2 10 5
56
4.3.2 Resolução De Um Sistema n Equações Com n Incógnitas Usando o Método

Da Matriz Inversa
O sistema abaixo tem n equações com n incógnitas e está representado na forma canónica,


 a11 x1 + a12 x2 + a13 x3 + · · · + a1n xn = b1


 a21 x1 + a22 x2 + a23 x3 + · · · + a2n xn = b2
a31 x1 + a32 x2 + a33 x3 + · · · + a3n xn = b3



 ·······································

an1 x1 + an2 x2 + an3 x3 + · · · + ann xn = bn
podemos usar a forma matricial e representar o mesmo sistema e teremos
Ax = b
onde      
a11 a12 a13 ··· a1n x1 b1
 a21 a22 a23 ··· a2n   x2   b2 
     
A=
 a31 a32 a33 ··· a3n ,
 x=
 x3  eb=
  b3 .

 ··· ··· ··· ··· ···   ···   ··· 
an1 an2 an3 ··· ann xn bn
Suponhamos que a matriz coeficiente é inversı́vel. Sabemos que
A−1
n An = In
e sabemos também que

In x = x
podermos ter o seguinte: De
Ax = b
multiplicando pela esquerda ambos os membros da equação acima por A−1 , (lembre-se que a multi-
plicação matricial não é comutativa) teremos:
A−1 Ax = A−1 b ⇒ In x = A−1 b ⇒ x = A−1 b.
Exemplo 4.8. Resolva o seguinte sistema de equações lineares usando o método da matriz inversa

 x + 4y = 1
 −x − 3y = 1
A matriz coeficiente sera

   
1 4 −3 −4
A= , A−1 =  
−1 −3 1 1
portanto, a solução do sistema sera

      
x −3 −4 1 −7
  = A−1 b =    =  
y 1 1 1 2
isto é, x = −7 e y = 2.
57
Exemplo 4.9. Determine, usando o método da matriz inversa a solução do sistema abaixo


 x−y =1


x−z =2



 −6x + 2y + 3z = −1
Devemos para resolver este exercı́cio determinar a matriz coeficiente, o seu determinante para veremos
se ela é invertı́vel ou não. Teremos
   
1 −1 0 −2 −3 −1
   
  −1  
A= 1 0 −1  , A =  −3 −3 −1 
   
−6 2 3 −2 −4 −1
então     
−2 −3 −1 1 −7
    
    
x = A−1 b =  −3 −3 −1   2   −8  ,
=
    
−2 −4 −1 −1 −9
isto é x = −7, y = −8, z = −9.
4.3.3 Operações Elementares Com Linhas

Para simplificar um sistema linear são geralmente usadas três operações básicas:
• Substituir uma equação pela soma dela mesma com a soma de um múltiplo de outra equação.
• Trocar entre si duas equações.
• Multiplicar entre todos os termos de uma equação por uma constante não nula.
Vejamos o exemplo seguinte:
Exemplo 4.10. Seja dado o sistema



 x − 2x2 + x3 = 0

 1
2x2 − 8x3 = 8 (4.4)



 −4x + 5x + 9x = −9
1 2 3
A matriz coeficiente do sistema acima será

   
1 −2 1 0
   
   
A= 0 2 −8  e o vector constante, será b =  8 ,
   
−4 5 9 −9
Definição 4.6. A matriz formada pela matriz coeficiente e o vector constante, chama-se matriz
aumentada ou matriz completa e sera
58
 
1 −2 1 0
 
 
Aα =  0 2 −8 8 .
 
−4 5 9 −9
Neste exemplo, iremos realizar o procedimento de eliminação com e sem a notação matricial e colo-
caremos os resultados lado a lada para compararmos. Teremos então
  

 x − 2x + x = 0 1 −2 1 0

 1 2 3
 
 
2x2 − 8x3 = 8  0 2 −8 8 

  

 −4x + 5x + 9x = −9
1 2 3 −4 5 9 −9
procuremos manter x1 na primeira equação e elimina-lo nas outras. Para isso, multiplicamos a equação
1 por 4 e adicionamos a equação 3, o resultado deixamos na equação 3
[ equação 3] = 4.[ equação 1] + [ equação 3] :

4x1 − 8x2 + 4x3 − 4x1 + 5x2 + 9x3 = 0 − 9 ⇒ −3x2 + 13x3 = −9,
produzimos deste jeito uma nova terceira linha, o novo sistema equivalente ao sistema dado em (4.4)
sera o seguinte:   

 x − 2x2 + x3 = 0 1 −2 1 0

 1  
 
2x2 − 8x3 = 8  0 2 −8 8 

  

 −x + 13x = −9
2 3 0 −3 13 −9
1
de seguida multiplicamos todos os termos da segunda equação por de modo a termos o coeficiente
2
de x2 na segunda equação igual a 1 e teremos o seguinte sistema
  

 x − 2x + x = 0 1 −2 1 0

 1 2 3
 
 
x2 − 4x3 = 4  0 1 −4 4 .

  

 −x + 13x = −9
2 3 0 −3 13 −9
Neste momento nossa preocupação é eliminar o x2 da ultima equação. Para tal, multipliquemos a
segunda equação por três e adicionamos a terceira equação, o resultado originará uma nova terceira
equação

3x2 − 12x3 − 3x2 + 13x3 = 12 − 9 ⇒ x3 = 3 e o nosso novo sistema, equivalente ao sistema dado em
(4.4) será   

 x − 2x2 + x3 = 0 1 −2 1 0

 1  
 
x2 − 4x3 = 4  0 1 −4 4  .

  

 x =3
3 0 0 1 3
59
De seguida multiplicamos a equação 3 por 4 e adicionamos na equação 2, produzimos assim uma nova
equação 2,

4x3 + x2 − 4x3 = 4 × 3 + 4 ⇒ x2 = 16, e o nosso novo sistema, equivalente ao sistema dado em (4.4)
será   

 x − 2x2 + x3 = 0 1 −2 1 0

 1  
 
x2 = 16  0 1 0 16  .

  

 x =3
3 0 0 1 3
Finalmente fazemos mudanças na equação 1, adicionando-a a dobro da equação 2 e subtraindo a

equação 3, isto é
[ equação 1] = 2.[ equação 2] − [ equação 3] + [ equação 1] :

2x2 − x3 + x1 − 2x2 + x3 = 32 − 3 + 0 ⇒ x1 = 29
o nosso novo sistema, equivalente ao sistema dado em (4.4) será
  

 x = 29 1 0 0 29

 1  
 
x2 = 16  0 1 0 16  .

  

 x =3
3 0 0 1 3
Durante o exemplo acima usamos as 3 operações elementares passı́veis de serem feitas com linhas
de sistema de euqações produzindo outros sistemas equivalentes.
Observação 4.5. Se as matrizes completas de dois sistemas lineares são linha-equavalentes, (tem
linhas equivalentes), então os dois sistemas têm o mesmo conjunto solução.
4.3.4 Método de exclusão de Gauss

A utilização do método de exclusão de Gauss impõe a transformação da matriz completa em uma
matriz na forma escalonada.
Definição 4.7. Uma matriz rectângular está na forma escalonada se ela satisfaz as três seguintes
propriedades:
• Todas linhas não nulas estão acima de qualquer linha de qualquer linha só de zeros.
• O elemento lı́der de cada linha está numa coluna à direita do elemento lider da linha acima
• Todos elementos de uma coluna abaixo de um elemento lı́der são iguais a zero
Exemplo 4.11. vamos mostrar exemplos de algumas matrizes escalonadas.

60
• Todas matrizes triangulares supériores apresentam-se na forma escalonada

 
a11 a12 a13 · · · a1n
 
 
 0 a22 a23 · · · a2n 
 
 
 0 0 a33 · · · a3n 
 
 
 ··· ··· ··· ··· ··· 
 
0 0 0 ··· ann
• A matriz abaixo é matriz escalonada

 
2 −3 2 1
 
 
 0 1 −4 8 
 
0 0 0 3
• A matriz abaixo é matriz escalonada

 
1 0 0 29
 
 
 0 1 −4 8 
 
0 0 0 3
Vamos mostrar num exemplo a aplicabilidade do metodo de exclusão de Gauss.
Exemplo 4.12. Resolva o seguinte sistema de equações usando o método de eliminação de Gauss.


 x2 + x3 − 2x4 = −3




 x1 + 2x2 − x3 = 2
(4.5)

 2x1 + 4x2 + x3 − 3x4 = −2




 x − 4x − 7x − x = −19
1 2 3 4
Vamos primeiro compor a matriz aumentada ou matriz completa

 
0 1 1 −2 −3
 
 
 1 2 −1 0 2 
Aα = 



 2 4 1 −3 −2 
 
1 −4 −7 −1 −19
trocamos a primeira linha com a segunda linha

 
1 2 −1 0 2
 
 
 0 1 1 −2 −3 
 
 
 2 4 1 −3 −2 
 
1 −4 −7 −1 −19
61
multiplicamos a primeira linha por -2 e adicionamos com a terceira linha, o resultado colocamos na
terceira linha
 
1 2 −1 0 2
 
 
 0 1 1 −2 −3 
 
 
 0 0 3 −3 −6 
 
1 −4 −7 −1 −19
subtraimos a primeira linha pela linha 4 e o resultado colocamos na linha 4

 
1 2 −1 0 2
 
 
 0 1 1 −2 −3 
 
 
 0 0 3 −3 −6 
 
0 −6 −6 −1 −21
multiplicamos por 6 a segunda linha e adicionamos a quarta linha, o resultado colocamos na linha 4
 
1 2 −1 0 2
 
 
 0 1 1 −2 −3 
 
 
 0 0 3 −3 −6 
 
0 0 0 −13 −39
dividimos a terceira linha por 3

 
1 2 −1 0 2
 
 
 0 1 1 −2 −3 
 
 
 0 0 1 −1 −2 
 
0 0 0 −13 −39
dividimos a quarta linha por -13

 
1 2 −1 0 2
 
 
 0 1 1 −2 −3 
 
 
 0 0 1 −1 −2 
 
0 0 0 1 3
obtemos assim uma matriz escalonada e reduzida (para alem de escalonada, os elementos lideres são
iguais a 1). O sistema de equações lineares correspondente a esta matriz será equivalente ao sistema
dado em (4.5), isto é


 x1 + 2x2 − x3 = 2




 x2 + x3 − 2x4 = −3

 x3 − x4 = −2




 x =3
4
62
com base na quarta equação aplicando x4 = 3 na terceira equação teremos que x3 = 1.

Usando o facto de que x3 = 1, x4 = 3 na segunda equação teremos que x2 = 2. Finalmente com
x2 = 2, x3 = 1 e x4 = 3, na primeira equação podemos determinar que x1 = −1.
Observação 4.6. Ao resolver um sistema de equações lembre-se sempre que ele pode não ter solução,
ter muitas soluções ou ter somente uma e unica solução.
Exemplo 4.13. Resolva o seguinte sistema de equações lineares, usando o método de exclusão de
Gauss. 

 x1 − x2 + 2x3 = 4




 x1 + x3 = 6
(4.6)

 2x1 − 3x2 + 5x3 = 4




 3x + 2x − x = 1
1 2 3
A matriz aumentada do sistema (4.6) sera

 
1 −1 2 4
 
 
 1 0 1 6 
Aα 



 2 −3 5 4 
 
3 2 −1 1
vamos aplicar as eliminações de Gauss.

Subtraimos a segunda linha com a primeira linha e o resultado colocamos na segunda linha, teremos
 
1 −1 2 4
 
 
 0 1 −1 2 
 
 
 2 −3 5 4 
 
3 2 −1 1
multiplicamos por -2 a primeira linha e somamos com terceira linha, o resultado colocamos na terceira
linha  
1 −1 2 4
 
 
 0 1 −1 2 
 
 
 0 −1 1 −4 
 
3 2 −1 1
de seguida multiplicamos a primeira linha por -3 e adicionamos a quarta linha, o resultado colocamos
na quarta linha  
1 −1 2 4
 
 
 0 1 −1 2 
 
 
 0 −1 1 −4 
 
0 5 −7 −11
63
adicionamos a segunda linha e a terceira e o resultado colocamos na terceira linha

 
1 −1 2 4
 
 
 0 1 −1 2 
 
 
 0 0 0 −2 
 
0 5 −7 −11
com base na ultima matriz aumentada que obtemos (veja que esta matriz é equivalente a matriz Aα ),
produzimos um sistema equivalente ao sistema (4.6)


 x1 − x2 + 2x3 = 4




 x2 − x3 = 2

 0 = −2




 5x − 7x = −11
2 3
por causa da terceira equação deste sistema não ser verdadeira, o sistema de equação não tem solução,
e porque este sistema é equivalente ao sistema dado no exercı́cio, então dizemos que o nosso sistema
não tem solução.

x1 − x2 =0
x1 + 3x2 + 2x3 = 0
x1 + 2x2 + x3 = 0
R: x1 = x2 = x3 = 0
x + 3y − 2z = 1
3x − 2y + 5z = 14
2x − 5y + 3z = 1
R: x = 1, y = 2, z = 3
3) Considere o macro modelo descrito por três equações
Y = C + A0 , C = a + b(Y − T ), T = d + tY,
onde Y é a renda, C é o consumo, T é o imposto da receita, A0 é a despesa autónoma (exógena)

constante e a, b, d e t são todos parâmetros positivos. Ache os valores de equilı́brio das variáveis
endógenas Y , C e T :
(a) por meio de eliminações sucessivas ou substituição;

(b) escrevendo as equações na forma matricial e aplicando as regras de Cramer.
64
4) Utilizando o método da matriz inversa resolva o sistema
2x − 3y = 3
3x − 4y = 5
5) Os preços de equilı́brio para três mercados são dados pelo sistema
11P1 − P2 − P3 = 31
−P1 + 6P2 − 2P3 = 26
−P1 − 2P2 + 7P3 = 24
Ache o preço de equilı́brio para cada mercado. R: (4, 7, 6)
6) Use a regra de Cramer e resolva o sistema:
x + 2y − z = −5
2x − y + z = −6
x − y − 3z = −3
R: x = 1, y = −2, z = 2
7) Use a regra de Cramer e resolva o sistema:
x+y =3
x +z =2
y+z+u =6
y +u =1
R: x = −3, y = 6, z = 5, u = −5
8) Use a regra de Cramer e prove que o sistema de equações
3x1 + x2 = b1
x1 − x2 + 2x3 = b2
2x1 + 3x2 − x3 = b3
possui uma única solução para quaisquer valores de b1 , b2 e b3 , depois ache a solução.
4.5 Teoria 8
4.5.1 Rank Ou Posto De Uma Matriz
Definição 4.8. Seja dada a matriz A, chama-se rank ou posto da matriz A, e denota-se r(A), a
maior ordem de determinante de A diferente de zero.
Exemplo 4.14. Seja dada a matris  

1 2 3
 
 
A= 2 1 2 
 
3 3 5
65
determine o seu rank.
Para determinarmos o rank de uma matriz, começamos SEMPRE por escalonar a matriz, teremos:
     
1 2 3 1 2 3 1 2 3
     
     
A= 2 1 2 ∼ 0 −3 −4  ∼  0 3 4  = A1
     
3 3 5 3 −3 −4 0 0 0
O determinante da matriz A é igual a zero. Se formos a compor apartir dos elementos da matriz A1
determinantes de ordem dois, teremos
1 2 1 3 2 3
, ,
0 3 0 4 3 4
que são diferentes de zero, portanto o rank da matriz A será igual a 2, isto é
r(A) = 2.
Exemplo 4.15. Consideremos a matriz

 
1 −5 0 2 0 −4
 
 
 0 0 0 1 0 −3 
B=

.

 0 0 0 0 1 5 
 
0 0 0 0 0 0
Determinemos o rank da matriz B. Vejamos que esta matriz tem uma linha igual a zero, a ultima
linha. Os determinante compostos por elementos de B, com maior ordem e diferente de zero, tem
ordem igual a 3. Portanto, o rank da matriz B é igual a .
Exercı́cio 4.2. Determine o rank (posto) das seguintes matrizes

 
1 5 −3 −4
 
 
1) A =  −1 −4 1 3 
 
−2 −7 0 h
Solução: r(A) = 2 se h = 5, r(A) = 3 se h 6= 5.
 
1 2 7
 
 
2) B =  −2 5 4 
 
−5 6 −3
Solução: r(B) = 2.
 
1 −2 −1 3 0
 
 
3) C =  −2 4 5 −5 3 
 
3 −6 −6 8 2
Solução: r(C) = 3.
66
 
1 2 1 3 4
 
 
 2 3 −3 2 1 
 
 
4) D =  2 −2 5 6 3 
 
 
 6 2 8 4 2 
 
9 2 −2 3 −5
4.5.2 Condição Necessária De Existência e Unicidade De Solução De Um Sistema

Seja dado o sistema de equações lineares


 a11 x1 + a12 x2 + a13 x3 + · · · + a1n xn = b1


 a21 x1 + a22 x2 + a23 x3 + · · · + a2n xn = b2
a31 x1 + a32 x2 + a33 x3 + · · · + a3n xn = b3 (4.7)



 ·······································

am1 x1 + am2 x2 + am3 x3 + · · · + amn xn = bm
A matriz coeficiente do sistema acima será
 
a11 a12 a13 ··· a1n
 a21 a22 a23 ··· a2n 
 
 a31 a32 a33 ··· a3n 
 
 ··· ··· ··· ··· ··· 
am1 am2 am3 ··· amn
A matriz completa do mesmo sistema será
 
a11 a12 a13 ··· a1n b1
 a21 a22 a23 ··· a2n b2 
 
 a31 a32 a33 ··· a3n b3 
 
 ··· ··· ··· ··· ··· ··· 
am1 am2 am3 ··· amn bm
Teorema 4.1. Um sistema de equações tem solução se o rank da matriz coeficiente for igual ao rank
da matriz completa.
Observação 4.7. Caso os sistemas de equações tenham soluções, ela será unica se o número de
equações for igual ao número de incógnitas (Se não tiver variáveis livres), e terá várias soluções caso
tenha variáveis livres, isto é, caso o número de incógnitas seja maior que o número de equações.
4.5.3 Sistema Homogénio de equações Lineares
Definição 4.9. No sistema (4.7) caso o vector constante seja nulo, isto é caso o sistema tenha a forma


 a11 x1 + a12 x2 + a13 x3 + · · · + a1n xn = 0





 a x + a22 x2 + a23 x3 + · · · + a2n xn = 0

 21 1
a31 x1 + a32 x2 + a33 x3 + · · · + a3n xn = 0 (4.8)





 ·······································



 a x + a x + a x + ··· + a x = 0
m1 1 m2 2 m3 3 mn n
dizemos que o sistema de equações lineares é homogénio.

67
Observação 4.8. O sistema (4.8), tem uma solução, x1 = x2 = x3 = · · · = xn = 0; esta solução

chama-se solução trivial.
Observação 4.9. Se a matriz caracterı́stica do sistema tiver determinante diferente de zero, ele terá
outras soluções diferentes da trivial.
Exercı́cio 4.3. Vamos resolver o seguinte sistema de equações lineares homogéneo


 x1 − x2 + 3x3 = 0
 2x + x + 3x = 0
1 2 3
Aplicando o método de iliminação de Gauss, teremos

     
1 −1 3 0 1 −1 3 0 1 −1 3 0
 ∼ ∼ 
2 1 3 0 0 3 −3 0 0 1 −1 0
e dai poderemos constituir o sistema


 x1 − x2 + 3x3 = 0
 x −x =0
2 3
este sistema tem 2 equações e tem 3 incógnitas. Portanto, tem uma incógnita livre, essa incógnita livre
deve ser parametrizada. Vamos por exemplo parametrizar a variável x3 , isto é, vamos fazer a seguinte
substituição x3 = t, t é um parâmetro. Com base na definição que fizemos a variável x3 podemos
expressar x2 com base em x3 e teremos, x2 = x3 = t. Na primeira equação isolando a variável x1
teremos x1 = t + 3t = 4t. E teremos as seguintes soluções
x1 = 4t, x2 = t, x3 = t.
Como t é um parâmetro real, vemos que x1 , x2 e x3 podem assumir vários valores.

1) Prove que o sistema homogéneo de equações
ax + by + cz = 0
bx + cy + az = 0
cx + ay + bz = 0
possui uma solução não trivial se e somente se a3 + b3 + c3 − 3abc = 0.
2) Forneça uma prova matemática para o facto de que se ζ é uma solução particular de um sistema
linear não homogéneo e ζ0 é a solução do respectivo sistema linear homogéneo associado, então
ζ + ζ0 é a solução geral do sistema não homogéneo.
68
3) Dado o sistema
x − y + z = 0
tx − 2y + 2z = 0
2x − y + tz = 0,
determine o(s) valor(es) de t de modo que existam soluções diferentes de x = y = z = 0.
R: t = 1 ∨ t = 2
4) Dado o sistema
5x + 8y + 6z =7
3x + 5y + 4z =5
7x + 9y + 4z =1
2x + 3y + 2z = 2,
verifique se ele é consistente e ache as soluções caso sua resposta seja afirmativa. R: (−5 +
2t, 4 − 2t, t)
5) Dado o sistema
x + 3y + 5z + 7u + 9w = 1
x − 2y + 3z − 4u + 5w = 2
2x + 11y + 12z + 25u + 22w = 4
5y + 2z + 11u + 4w = −1,
verifique se ele é consistente e ache as soluções caso sua resposta seja afirmativa. R: Inconsis-
tente
1 1 1
A= 1 2 1 
4 1 2
(a) Calcule o seu determinante |A|; R: −2

(b) Verifique que  
−3 1 1
1
A−1 =  −2 2 0 ;
2
7 −3 −1
(c) Use o resultado da alı́nea b) e resolva o sistema
x + y + z = 2 ( )
5 11
x + 2y + z = 1 R: − , −1, −
2 2
4x + y + 2z = 0
7) Usando o método de eliminação de Gauss resolva o sistema
x1 + x2 = 3
3x1 + 5x2 = 5
R: x1 = 5, x2 = −2
2x1 − 3x2 + x3 = 0
x1 + x2 − x3 = 0
R: x1 = (2/5)t, x2 = (3/5)t, x3 = t, onde t é um real arbitrário

69
x1 + 2x2 + x3 = 4
x1 − x2 + x3 = 5
2x1 + 3x2 − x3 = 1
R: x1 = 20/9, x2 = −1/3, x3 = 22/9
10) Discuta as possı́veis soluções do sistema
x+ y− z =1
x − y + 2z = 2
x + 2y + az = b
para diferentes valores de a e b, usando a eliminação de Gauss.
11) Ache os valores de c para os quais o sistema
2w + x + 4y + 3z = 1
w + 3x + 2y − z = 3c
w + x + 2y + z = c2
possui solução e ache a solução para estes valores de c. R: Para c = 1 e para c = −2/5 a
solução é: x = 2c2 − 1 + t, y = s, z = t, w = 1 − c2 − 2s − 2t, onde s e t são reais arbitrários

7 Reembolso Big 2 Versao

Enviado por

Dados do documento

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

7 Reembolso Big 2 Versao

Enviado por

Direitos autorais:

Formatos disponíveis

Conteúdo

1 Matrizes e Operações Com Matrizes 2

2 DETERMINANTE DE n-ÉSIMA ORDEM 21

3.1.4 Inversa De Um Produto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

4 Sistemas de equações Lineares 46

Algebra Linear e Geometria Analı́tica

Brochura - Versao 1.0

Maputo, Janeiro de 2011

Matrizes e Operações Com Matrizes

Espera-se que ao fim deste capı́tulo o estudante seja capaz de:

• Definir de matriz, Linhas e colunas duma matriz.

• Definir matriz identidade.

• Transpor uma matriz.

1.1.1 Definição de Matriz

Definição 1.1. Consideremos a desposição de um conjunto de informação atravez de tabélas. As

pode também usar se a seguinte denotação para a matriz acima

A(m,n) = [a( ij)], i = 1, 2, 3, · · · , m; j = 1, 2, 3, · · · , n.

Exemplo 1.1. Vejamos alguns exemplos de matrizes:

a(1,1) = 1; a(1,2) = −1; a(2,1) = 2; a(2,2) = 3.

b(1,1) = 1; b(1,2) = −1; b(2,1) = 2; b(2,2) = 3 b(3,1) = −2 b(3,2) = 0.

c(1,1) = 1; c(1,2) = −1; c(1,3) = 0; c(2,1) = 2 c(2,2) = 3 c(2,3) = −3.

Exemplo 1.5. Consideremos as matrizes B e C abaixo

b(1,1) ; b(2,2) ; b(3,3) que são 2; −1; 9 respectivamente.

c(1,1) ; c(2,2) ; c(3,3) ; c(4,4) que são 2; 0; 9; 4 respectivamente.

(a) Qual é a dimensão da matriz?

(a) Qual é a dimensão da matriz?

(b) Qual ou quais são os elementos da segunda linha da matriz?

(c) Qual ou quais são os elementos da segunda coluna da matriz?

(a) Qual é a dimensão da matriz?

(b) Qual ou quais são os elementos da terceira linha da matriz?

(c) Qual ou quais são os elementos da primeira coluna da matriz?

(d) Qual ou quais são os elementos da ultima coluna da matriz?

Exemplo 1.6. Considere o seguinte sistema de equações lineares

A matrix coeficiente do sistema dado será

e a matriz aumentada será  

1.1.2 Multiplicação Por Escalar

Seja A = [aij ] uma matriz de dimensões m × n e c um escalar, a matriz producto de A pelo

Exemplo 1.7. Sejam dadas as matrizes

1.1.3 Adição De Matrizes

Se A = [aij ] e B = [bij ] são matrizes de dimensão m × n, então a ”matriz soma”será a matriz

Exemplo 1.8. Considere os seguintes exemplos

4) A soma das matrzes

não é definida porque elas não são de mesma ordem.

1.1.4 Igualdade de Matrizes

Exemplo 1.9. Consideremos as seguintes matrizes

3) As matrizes A e D são iguais se e somente se x = 3.

1.1.5 Propriedades Da Adição De Matrizes e Multiplicação De Matrizes Por Uma

1) A + B = B + A, propriedade comutativa da adição.

2) A + (B + C) = (A + B) + C, propriedade associativa da adição.

5) c(A + B) = cA + cB, propriedade distributiva.

6) (c + d)A = cA + dA, propriedade distributiva.

A + B = [aij + bij ] = [bij + aij ] = B + A

De maneira analoga, a demonstração da propriedade (5) é feita usando a propriedade distributiva da

c(A + B) = [c(aij + bij )] = [caij + cbij ] = cA + cB

Exercı́cio 1.2. Sejam dadas as matrizes

Seja c = 2 e d = −1 mostre que se cumprem as 6 proriedades dadas acima.

Por outro lado calculamos

comparamos os resultados obtidos e concluimos que

1.1.6 Multiplicação de Matrizes

Mocuba (207)(2) + (140)(3) + (419)(2, 75) = 1986, 25mt

Exemplo 1.10. Considere as matrizes

c11 = (−1)(−3) + (3)(−4) = 3 − 12 = −9.

c12 = (−1)(2) + (3)(1) = −2 + 3 = 1.

Continuando com este algorı́tmo teremos