Prof. Dr.

Willian de Souza Pereira

Engenharia da Computação e Controle

da Automação
Disciplina: Álgebra Linear

Cuiabá - MT
2024/1

i
 Sumário

Sumário ii

1 Semana 1 - Sistemas de Equações Lineares e Matrizes 1

1.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Transformação Elementares de Matriz . . . . . . . . . . . . . . 3
1.2.1 Forma Escalonada de uma matriz . . . . . . . . . . . . 3
1.2.2 Resolução de Sistema Lineares . . . . . . . . . . . . . . 4
1.3 Matriz Inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.4 Tipos de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4.1 Matriz linha . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4.2 Matriz coluna . . . . . . . . . . . . . . . . . . . . . . . 6
1.4.3 Matriz diagonal . . . . . . . . . . . . . . . . . . . . . . 6
1.4.4 Matriz escalar . . . . . . . . . . . . . . . . . . . . . . . 6
1.4.5 Matriz identidade ou unidade . . . . . . . . . . . . . . 7
1.4.6 Matriz nula . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4.7 Matriz oposta . . . . . . . . . . . . . . . . . . . . . . . 7
1.4.8 Matriz transposta . . . . . . . . . . . . . . . . . . . . . 7
1.4.9 Matriz simétrica . . . . . . . . . . . . . . . . . . . . . 8
1.4.10 Matriz anti-simétrica . . . . . . . . . . . . . . . . . . . 8
1.4.11 Matriz ortogonal . . . . . . . . . . . . . . . . . . . . . 8
1.4.12 Matriz triangular superior . . . . . . . . . . . . . . . . 9
1.4.13 Matriz triangular inferior . . . . . . . . . . . . . . . . . 9

ii
 1.4.14 Matriz periódica . . . . . . . . . . . . . . . . . . . . . 9
1.4.15 Matriz idempotente . . . . . . . . . . . . . . . . . . . . 10
1.4.16 Matriz nilpotente . . . . . . . . . . . . . . . . . . . . . 10
1.4.17 Matriz de Vandermonde . . . . . . . . . . . . . . . . . 11
1.5 Determinante e Matriz Inversa . . . . . . . . . . . . . . . . . . 11
 Semana 1 - Sistemas de Equações Lineares e
1
Matrizes

1ª Aula - 01/02/2024

Ementa:

Revisão de Sistema Lineares e Matrizes. Espaços vetoriais. Transformação

lineares.Espaço com Produto Interno. Ortogonalidade. Autovalores e auto-
vetores. Diagonalização e formas Quadráticas. Classificação das Cônicas e
Quádricas.Resolução de sistemas de equações diferenciais lineares. Processos
iterativos e Álgebra Linear.

Referências Bibliograficas

1) BOLDRINE, José Luiz. COSTA, Suelli I. Rodrigues.FIGUEREDO,

Vera Lúcia. WETZLER, Henry G.´ Algebra Linear. 3 a edicão. Editora:
HARBRA Ltda,1980
2) HOFFMAN,K. KUNZE, R. Álgebra Linear. 2𝑎 ed. Rio de Janeiro:LTC,
1979.
3) GREUB, H. Álgebra Linear.1𝑎 ed. Rio de Janeiro:Forense Universitá-
ria,1979.
4) LIMA, E., L.. Álgebra Linear. 1𝑎 ed. Rio de Janeiro: Instituto de Mate-
mática Pura e Aplicada.1995.
5) CALLIOLI. Carlos A., DOMINGUES. Hygino H., COSTA. Roberto C.F.
Algebra Linear e Aplicacões. 6ª edição reformulada. Editora Atual: São

1
Seção 1.1 · Introdução 2

Paulo 1990.

Avaliação
De acordo com o cronograma das atividades.
Datas das Provas

• 1ª Prova: 21/03/2024

• 2ª Prova: 02/05/2024

• 3ª Prova: 20/06/2024

• Prova Final: 04/07/2024

1.1 Introdução
Um sistema de equações lineares (ou, simplesmente, um sistema linear) é
conjunto de equações lineares que devem ser resolvidas simultaneamente. Um
sistema de equações lineares é um conjunto Isto é, um sistema de equações
lineares é um conjunto da forma

· · · + 𝑎1𝑛 𝑥𝑛 = 𝑏1
⎧
⎪
⎪ 𝑎11 𝑥1 + 𝑎12 𝑥2 + 𝑎13 𝑥3 +
𝑎21 𝑥1 + 𝑎22 𝑥2 + 𝑎23 𝑥3 + · · · + 𝑎2𝑛 𝑥𝑛 = 𝑏2
⎪
⎨
(1.1.1)
⎪
⎪
⎪ ··· ··· ··· ··· ··· ··· ··· ··· ··· ···
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + 𝑎𝑚3 𝑥3 + · · · + 𝑎𝑚𝑛 𝑥𝑛 = 𝑏𝑚
⎩

Os coeficientes 𝑎𝑖𝑗 (𝑖 = 1, 2, . . . , 𝑚; 𝑗 = 1, 2, . . . , 𝑛) e os termos indepen-

dentes 𝑏𝑖 (𝑖 = 1, 2, . . . , 𝑚) são constantes conhecidas. Os 𝑥𝑗 (𝑗 = 1, 2, . . . , 𝑛)
são as incógnitas cujos valores se pretendem determinar.
Todo o sistema linear pode ser transformado em uma equação matricial
da forma 𝐴 · 𝑋 = 𝐵, onde A é uma matriz determinada pelos os coeficientes
das incógnitas , X é uma matriz coluna determinada pelas incógnitas e B é
uma matriz coluna determinada pelos termos independentes. Resolver um
sistema de equações lineares é determinar o conjunto formado por todas as
suas soluções, chamado conjunto-solução do sistema.

Exemplo 1-Sistemas lineares homogêneos

Seção 1.2 · Transformação Elementares de Matriz 3

Dizemos que um sistema linear é homogêneo quando os termos indepen-

dentes de todas as equações que o compõem
⎧ são iguais a zero.
⎨ 𝑥1 + 𝑥2 − 𝑥3 = 0
{︃
2𝑥1 + 𝑥2 + 𝑥3 = 0
⎪
𝑎) 𝑏) 2𝑥1 − 2𝑥2 + 3𝑥3 = 0
𝑥1 + 3𝑥2 + 4𝑥3 = 0 ⎪
⎩
3𝑥1 + 𝑥2 + 2𝑥3 = 0

1.2 Transformação Elementares de Matriz

Seja 𝐴 matriz 𝑚 × 𝑛. Para cada 1 ≤ 𝑖 ≤ 𝑚, denotemos que 𝐿𝑖 a i-ésima
linha de 𝐴. Definimos as transformções elementares nas linhas da matriz 𝐴
como segue:
1) Permutação das linhas 𝐿𝑖 e 𝐿𝑗 , indicada por 𝐿𝑖 ↔ 𝐿𝑗 .

2) Substituição de uma linha 𝐿𝑖 pela adição desta mesma linha com 𝑐

vezes uma outra linha 𝐿𝑗 , indicada por 𝐿𝑖 ↔ 𝐿𝑖 + 𝑐𝐿𝑗 .

3) Multiplicação de uma linha 𝐿𝑖 por um número real 𝑐 não nulo, indicada

por 𝐿𝑖 ↔ 𝑐𝑙𝑖 .
Exemplo
⎛ 2-
⎞ Transformações
⎛ elementares
⎞ nas
⎛ linha ⎞
da matriz ⎛ ⎞
1 0 1 0 1 0 1 0
⎟𝐿2 →𝐿2 −2𝑙1 ⎜ 𝐿3 →𝐿3 +2𝐿1 ⎜ ⎟ 𝐿3 →𝐿3 −3𝐿2 ⎜
⎝ 2 1 ⎠ −→ ⎝ 0 1 ⎟⎠ −→ ⎝ 0 1 ⎠ −→ ⎝ 0 1 ⎠
⎜ ⎟

−2 3 −2 3 0 3 0 0

1.2.1 Forma Escalonada de uma matriz

Uma matriz 𝑚×𝑛 se diz na forma escada ( ou escalonada) se for nula, ou se:

1) o primeiro elemento não nulo de cada linha não não é 1, o qual chamamos
de líder ou pivô;

2) cada coluna que contém o primeiro elemento não nulo de alguma linha
tem todos os seus outros elementos iguais a zero;

3) toda linha nula ocorre abaixo de todas as linhas não nulas;

4) se 𝐿1 , . . . 𝐿𝑝 são as linhas não nulas, se o primeiro elemento não nulo

da linha 𝐿𝑖 ocorre na coluna 𝐾𝑖 , então 𝑘1 < 𝑘2 < . . . 𝑘𝑝 .
Seção 1.3 · Matriz Inversa 4

Exemplo 3- Matrizes na forma escalonada por linhas

0 1 2 0 1
⎛ ⎞
⎛ ⎞
(︃ )︃ (︃ )︃ 1 −2 0 4
⎜ 0 0 0 1 2 ⎟ 0 1 2 0 1
⎟, , , ⎝ 0 1 −1 2 ⎠
⎜ ⎟ ⎜ ⎟
0 0 0 0 1 0 0 1 0 0
⎜
⎝ ⎠
0 0 1 3
0 0 0 0 0

1.2.2 Resolução de Sistema Lineares

S.Imp.- SI S.P.D SPI

1 0 0 0 0 1 0 0 0 2 1 0 1 0 1
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
⎜
⎜ 0 1 0 0 0 ⎟
⎟
⎜
⎜ 0 1 0 0 3 ⎟
⎟
⎜
⎜ 0 1 0 2 0 ⎟
⎟
0 0 1 0 0 0 0 1 0 4 0 0 1 1 2
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠
0 0 0 0 1 0 0 0 1 −5 0 0 0 0 0

⎧Exemplo
4- Resolução de Sistema lineares
⎧
⎨ 𝑥 +
⎪ 𝑦 − 2𝑧 + 2𝑤 = 4 ⎨ 2𝑥1 − 𝑥2 + 3𝑥3 + 2𝑥4 = 0
⎪
𝑎) ⎪ 2𝑥 + 3𝑦 + 3𝑧 − 𝑤 = 3 𝑏) 𝑥1 + 4𝑥2 − 𝑥4 = 0
2𝑥1 + 6𝑥2 − 𝑥3 + 5𝑥4 = 0
⎪
⎩
5𝑥 + 7𝑦 + 4𝑧 + 𝑤 = 5 ⎩

1.3 Matriz Inversa

A matriz B é inversa da matriz A se

𝐴𝐵 = 𝐵𝐴 = 𝐼 (1.3.1)
Seção 1.3 · Matriz Inversa 5

Algoritimo da Inversão

Para encontrar a inversa de uma matriz invertível A, encontre uma sequên-

cia de operações elementares como linhas que reduza A à identididade e depois
efetue essa mesma sequência de operações em 𝐼𝑛 para obter A−1 . O seguinte
algoritmo permite determinar a inversa da matriz A:

Passo 1. Forme a matriz fragmentada [A|I], onde I é a matriz identidade

com a mesma ordem de A.

Passo 2. Usando as operações elementares sobre linhas, transforme A

numa matriz em escada de linhas, aplicando cada operação sobre linhas a
toda a matriz amplidada formada no Passo 1. Represente o resultado por
[C | D], onde C se encontra na forma em escada de linhas.

Passo 3. Caso C tenha uma linha nula, pare; a mattriz original A é

singular e não possui inversa. Caso contrário continue, a matriz é invertível.
Passo 4. Continue aplicando cada operação a toda matriz [C | D]. Re-
presente o resultado por [I | B]. A matriz B é a inversa da matriz original A.

Exemplo 5- Matriz Inversa . Determine a inversa de

−1 0 0 0
⎡ ⎤
⎡ ⎤ ⎡ ⎤
2 1 3 1 1 −1
⎢ 2 −2 0 0 ⎥
a)𝐴 = ⎢ 0 1 2 ⎥
𝑏)𝐵 = ⎢ ⎥
⎣ 2 1
𝑐)𝐶 = ⎢ 1 ⎥
3 1 −2 0
⎣ ⎦ ⎢ ⎥ ⎦
3 −1 1
⎣ ⎦
0 0 3
1 −1 3 3
Exemplo 6- Matriz Inversa - Matriz Ortogonal.
Determine 𝑥, 𝑦 e 𝑧 de modo que a matriz dada abaixo seja ortogonal.
⎡ ⎤
1 0 0
𝐵=⎣ 0
⎢
⎢ √1 √1 ⎥ ⎥
2 2 ⎦
𝑥 𝑦 𝑧
Seção 1.4 · Tipos de Matrizes 6

1.4 Tipos de Matrizes

1.4.1 Matriz linha
Denomina-se matriz linha à matriz 𝐴 = [𝑎𝑖𝑗 ]1𝑥𝑛 que tem, portanto, apenas
uma linha.
Exemplo: (︁ )︁
𝐴= 1 3 4

1.4.2 Matriz coluna

Denomina-se matriz coluna à matriz 𝐵 = [𝑏𝑖𝑗 ]𝑚𝑥1 que tem, portanto,
apenas uma coluna. Exemplo:
⎛ ⎞
1
𝐵 = ⎝−3⎟
⎜
⎠
5

1.4.3 Matriz diagonal

Denomina-se matriz diagonal à matriz quadrada cujos elementos são zeros,
com exceção daqueles pertencentes a diagonal principal. Exemplo:
⎛ ⎞
1 0 0
𝐶 = ⎝0 3 0⎠
⎜ ⎟

0 0 5

1.4.4 Matriz escalar

Denomina-se matriz escalar à matriz diagonal na qual todos os elementos
da diagonal principal são iguais. Exemplo:
⎛ ⎞
7 0 0 (︃ )︃
4 0
𝐷 = ⎝0 7 0⎠ , 𝐸 =
⎜ ⎟
0 4
0 0 7
Seção 1.4 · Tipos de Matrizes 7

1.4.5 Matriz identidade ou unidade

Denomina-se matriz identidade à matriz diagonal cujos elementos da
diagonal principal são todos iguais a 1. Exemplo:
⎛ ⎞
1 0 0 (︃ )︃
1 0
𝐼3 = ⎝0 1 0⎠ , 𝐼2 =
⎜ ⎟
0 1
0 0 1

Genericamente a matriz 𝐼𝑛 é chamada de matriz identidade de ordem n.

1.4.6 Matriz nula

Diz-se que uma matriz é nula quando todos os seus elementos são iguais a
zero. Exemplo: ⎛ ⎞
0 0 0 (︃ )︃
0 0
O = ⎝0 0 0⎠ , O =
⎜ ⎟
0 0
0 0 0

1.4.7 Matriz oposta

Denomina-se matriz oposta de uma matriz 𝐴, à matriz denotada por
−𝐴, cujos elementos têm os sinais contrários aos dos elementos da matriz 𝐴.
Exemplo: A matriz oposta de
(︃ )︃ (︃ )︃
3 −2 4 −3 2 −4
𝐴= , −𝐴 =
5 −7 0 −5 7 0

1.4.8 Matriz transposta

Denomina-se matriz transposta de uma matriz 𝐴 = [𝑎𝑖𝑗 ]𝑚𝑥𝑛 à matriz
denotada por 𝐴𝑡 = [𝑎𝑗𝑖 ]𝑛𝑥𝑛 cujas linhas e colunas são respectivamente, as
colunas e as linhas de A. Exemplo: A matriz transposta de
⎛ ⎞
7 −3 (︃ )︃
𝑡 7 5 −2
𝐴=⎝ 5 6⎠ , 𝐴 =
⎜ ⎟
−3 6 3
−2 3

A operação transposição de matrizes satisfaz as seguintes propriedades:

itemize
Seção 1.4 · Tipos de Matrizes 8

1) (𝐴𝑡 )𝑡 = 𝐴, para qualquer matriz A

2) (𝐴 + 𝐵)𝑡 = 𝐴𝑡 + 𝐵 𝑡 , para quaisquer matrizes A e B de mesma ordem.
3) (𝐴 − 𝐵)𝑡 = 𝐴𝑡 − 𝐵 𝑡 , para quaisquer matrizes A e B de mesma ordem.
4) (𝐾 × 𝐴)𝑡 = 𝑘 × 𝐴𝑡 , para 𝑘 ∈ R e sendo A uma matriz qualquer.
5) (𝐴 × 𝐵)𝑡 = 𝐵 𝑡 × 𝐴𝑡 , para 𝐴𝑚𝑥𝑛 e 𝐵𝑛𝑥𝑝 .

1.4.9 Matriz simétrica

Uma matriz quadrada de ordem n é simétrica quando 𝐴 = 𝐴𝑡 . Exemplo:
A matriz transposta de
⎛ ⎞ ⎛ ⎞
8 2 1 8 2 1
𝑡
𝐴 = ⎝2 7 4⎠ , 𝐴 = ⎝2 7 4⎠
⎜ ⎟ ⎜ ⎟

1 4 9 1 4 9

Observe que 𝐴 = 𝐴𝑡 . Uma matriz quadrada de ordem n é uma matriz

simétrica se e somente se, 𝑎𝑖𝑗 = 𝑎𝑗𝑖 .

1.4.10 Matriz anti-simétrica

Diz-se que uma matriz A é anti-simétrica quanto todos os elementos da
diagonal principal são nulos e, em relação a essa diagonal, os demais elementos
são simétricos, isto é, 𝑎𝑖𝑗 = −𝑎𝑗𝑖 .
Exemplo: ⎛ ⎞
0 −4 −3 (︃ )︃
0 4
𝐷 = ⎝4 0 2⎠ , 𝐸=
⎜ ⎟
−4 0
3 −2 0

1.4.11 Matriz ortogonal

Diz-se que uma matriz P é uma matriz ortogonal quando a sua inversa é
igual a à sua transposta. Assim, devemos ter:

𝑃 −1 = 𝑃 𝑡

equivale dizer que

𝑃 × 𝑃 𝑡 = 𝑃 𝑡 × 𝑃 = 𝐼𝑛
Seção 1.4 · Tipos de Matrizes 9
⎛ √ ⎞
1 2 2
Exemplo: A matriz 𝑃 = ⎝
⎜ √
3 3 ⎟
é uma matriz ortogonal.
2
⎠
2
− 13
⎛ √3 ⎞ ⎛ √ ⎞
1 2 2 1 2 2
De fato: Se 𝑃 = ⎜ √
3 3 ⎟
, 𝑃𝑡 = ⎜ √
3 3 ⎟
2 2
⎝ ⎠ ⎝ ⎠
2 2
3
− 13 3
− 13
Observando que 𝑃 = 𝑃 𝑡 , vem:
⎛ √ ⎞ ⎛ √ ⎞
1 2 2 1 2 2 (︃
1 0
)︃
𝑃 ×𝑃 𝑡 𝑡
=𝑃 ×𝑃 =
⎜ √
3 3 ⎠×⎝
⎟ ⎜ √
3 3 ⎟
=
2 2 0 1
⎝ ⎠
2 2
3
− 31 3
− 31

1.4.12 Matriz triangular superior

Denomina-se matriz triangular superior à matriz quadrada 𝐴 = [𝑎𝑖𝑗 ], que
tem os elementos 𝑎𝑖𝑗 = 0 para 𝑖 > 𝑗. Exemplo:

1 2 3 4
⎛ ⎞
⎜0 3 4 5⎟
𝐴=⎜
⎜ ⎟
⎝0 0 6 7⎠
⎟

0 0 0 8

1.4.13 Matriz triangular inferior

Denomina-se matriz triangular inferior à matriz quadrada 𝐴 = [𝑎𝑖𝑗 ], que
tem os elementos 𝑎𝑖𝑗 = 0 para 𝑖 < 𝑗. Exemplo:

1 0 0 0
⎛ ⎞
⎜2 3 0 0⎟
𝐴=⎜ ⎟
⎝4 5 6 0⎠
⎜ ⎟

7 8 9 10

1.4.14 Matriz periódica

Diz-se uma matriz A é uma matriz periódica se 𝐴𝑛 = 𝐴, sendo 𝑛 ≥ 2. Se
n é o menor inteiro para o qual 𝐴𝑛 = 𝐴, diz-se que o período de 𝐴 é n − 1.
Seção 1.4 · Tipos de Matrizes 10

1.4.15 Matriz idempotente

Diz-se que uma matriz A é uma matriz idempotente se A é uma matriz
periódica tal que A2 = A.
(︃ O período
)︃ da matriz idempotente é 2 − 1 = 1.
2 1
Exemplo: A matriz 𝐴 = é idempotente, pois:
−2 −1
(︃ )︃ (︃ )︃ (︃ )︃
2 2 1 2 1 2 1
𝐴 = × = =𝐴
−2 −1 −2 −1 −2 −1

1.4.16 Matriz nilpotente

Diz-se que uma matriz A é nilpotent se existir um número positivo p tal
que 𝐴𝑝 = 0. Se p é o menor inteiro positivo tal que 𝐴𝑝 = 0. Se p é o menor
)︃ que 𝐴 é nilpotente de índice p.
inteiro positivo tal que 𝐴𝑝 =(︃0, diz-se
3 −1
Exemplo: a) A matriz 𝐴 = é nilpotentede indice 2, pois:
9 −3
(︃ )︃ (︃ )︃ (︃ )︃ (︃ )︃
2 3 −1 3 −1 9 − 9 −3 + 3 0 0
𝐴 = × = =
9 −3 9 −3 27 − 27 −9 + 9 0 0
Se 𝐴2 = 0, então 𝐴3 = 𝐴4 = . . . = 𝐴𝑛 = 0
⎛ ⎞
1 5 −2
b) A matriz 𝐴 = ⎝1 2 −1⎠
⎜ ⎟

3 6 −3
é nilpotentede indice 3, pois:
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
1 5 −2 1 5 −2 0 3 −1
2
𝐴 = ⎝1 2 −1⎠ × ⎝1 2 −1⎠ = ⎝0 3 −1⎠
⎜ ⎟ ⎜ ⎟ ⎜ ⎟

3 6 −3 3 6 −3 0 9 −3
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
0 3 −1 1 5 −2 0 0 0
𝐴3 = 𝐴2 × 𝐴 = ⎜
⎝ 0 3 −1 ×
⎟ ⎜
⎠ ⎝1 2 −1⎟
⎠ = ⎝0 0 0⎠
⎜ ⎟

0 9 −3 3 6 −3 0 0 0
Se 𝐴3 = 0, então 𝐴4 = 𝐴5 = . . . = 𝐴𝑛 = 0
Seção 1.5 · Determinante e Matriz Inversa 11

1.4.17 Matriz de Vandermonde

Chama-se matriz de Vandermonde a toda matriz 𝐴𝑚𝑥𝑛 onde 𝑎𝑖 𝑗 = [𝑎2𝑗 ]𝑖−1
ou 𝑎𝑖𝑗 = [𝑎𝑖2 ]𝑗−1 , 1 ≤ 𝑖 ≤ 𝑛 e 1 ≤ 𝑗 ≤ 𝑛.

1 𝑎 𝑎2
⎛ ⎞ ⎛ ⎞
1 1 1
Exemplos:a) ⎝ 𝑎 𝑏 𝑐 ⎠ ou ⎝1 𝑏 𝑏2 ⎟
⎜ ⎟ ⎜
⎠
𝑎2 𝑏 2 𝑐 2 1 𝑐 𝑐2
1 1 1 1 1 𝑎 𝑎 2 𝑎3
⎛ ⎞ ⎛ ⎞
⎜𝑎 𝑏 𝑐 𝑑⎟ ⎜1 𝑏 𝑏2 𝑏3 ⎟
b) ⎜ 2 2 2 2 ⎟ ou ⎜
⎜ ⎟ ⎜ ⎟
⎝𝑎 𝑏 𝑐 𝑑 ⎠ ⎝1 𝑐 𝑐2 𝑐3 ⎠
⎟

𝑎3 𝑏 3 𝑐 3 𝑑 3 1 𝑑 𝑑2 𝑑3

1.5 Determinante e Matriz Inversa

Definição 1.5.1. Dada uma permutação dos inteiros 1, 2, . . . , 𝑛 existe uma
inversão quanto um inteiro precede outro menor que ele.

Exemplo Consideremos as permutações de 1,2,3.

Definição 1.5.2. 𝑑𝑒𝑡(𝐴) = (−1)𝐽 𝑎1𝑗1 𝑎2𝑗2 · · · 𝑎𝑛𝑗𝑛 onde 𝑗 = (𝑗 1 , 𝑗2 , · · · , 𝑗𝑛 )

∑︁

𝜌
é o número de inversões de permutação (𝑗1 , 𝑗2 , · · · , 𝑗𝑛 ) e 𝜌 indica que a soma
é estendida a todos as 𝑛! permuações de (, 2, · · · , 𝑛)

Bibliografia

[1 ] J. L. Boldrini, S. I. R. Costa, V. L. Figueiredo e H. G. Wetzler, Álgebra

linear. Terceira Edição, Editora Harbra Ltda,1986.
[2 ] C. A. Callioli, H. H. Domingues e R. C. F. Costa, Álgebra Linear e
Aplicações, Sexta Edição, Atual Editora,2013.
[3 ] STEINBRUCH, Alfredo; WINTERLE, Paulo. Álgebra linear. 2. ed. São
Paulo, McGraw-Hill. 1987. 583 p.