AMV Slides - Unid 1

Universidade Federal do Rio Grande do Norte
Escola de Ciência e Tecnologia
Matrizes, Sistemas, Inversa e Determinantes
(ECT3102) Álgebra Matricial e Vetorial
UNIDADE 1
UFRN Álgebra Matricial e Vetorial C&T 1 / 171

Matrizes
Matrizes

Matrizes Definições iniciais
Definição 1
Uma matriz A de ordem m × n é uma organização de dados (elementos
da matriz) dispostos em m linhas e n colunas.
Exemplo 1 (Exemplo de matriz)
Altura Peso Idade  

1.70 60 40
Pai 1.70 60 40  
⇒
 1.72 50 30 

Mãe 1.72 50 30
1.50 60 15
Filha 1.50 60 15

A matriz A de ordem m × n pode ser denotada por Am×n e seus elementos

por aij . Assim, temos:
 
a11 a12 ... a1j ... a1n
 
a a22 ... a2j ... a2n 
 21 
 . .. .. .. 
 . 
 . . . . 
A= 
 ai1 ai2 ... aij ... ain 
 
 .. .. .. .. 
 
 . . . . 
 
am1 am2 ... amj ... amn
aij termo geral da matriz (definem os elementos da matriz);
Mm×n é o conjunto das matrizes de ordem m × n;
A(i) é a i-ésima linha de A;
A(j) é a j-ésima coluna de A.

Exemplo 2 (Alguns exemplos de matrizes)

 √ 
1 2
 
(a) Matriz de ordem 3 × 2 : 
 2/3 −1 

5 14
 
cosθ −senθ
(b) Matriz de ordem 2 × 2:  
senθ cosθ
h √ i
(c) Matriz de ordem 1 × 4: 6 −1/5 1 − 3
 
2
 
(d) Matriz de ordem 3 × 1: 
 −1 


Exemplo 3 (Matriz definida pelo termo geral)

Determine a matriz A2×3 cujo termo geral é aij = i − j se i < j e
aij = i + j se i ≥ j.
 
a11 a12 a13
Solução: Cada elemento da matriz A =   deve ser
a21 a22 a23
calculado com a regra do termo geral:
a11 = 1 + 1 = 2, pois 1 = 1 a21 = 2 + 1 = 3, pois 2 > 1

a12 = 1 − 2 = −1, pois 1 < 2 a22 = 2 + 2 = 4, pois 2 = 2
a13 = 1 − 3 = −2, pois 1 < 3 a23 = 2 − 3 = −1, pois 2 < 3
 
2 −1 −2
Logo: A =  
3 4 −1

Definição 2
As matrizes Am×n e Bm×n são iguais se seus elementos aij e bij
correspondentes são iguais.
Exemplo 4
Encontre os valores de x e y para que se tenha:
   
x+y 5 0 5
 = .
−2 2x − 3y −2 1
Solução: Igualando os elementos correspondentes, temos o sistema:

 
 x + y = 0 ×3  3x + 3y = 0
⇒ .
 2x − 3y = 1  2x − 3y = 1
Resolvendo o sistema (método da adição ou substituição),

1 1
encontraremos x = e y = − .
5 5
Definição 3
(a) Matriz retangular : o número de linhas e colunas são diferentes.
(b) Matriz quadrada: o número de linhas e colunas são iguais.
Exemplo 5
(a) Alguns exemplos de matriz retangular:
   
0 5   7
  0 5 6 h i  
 −2 1    0 5 6 −3  −1 
−2 1 0
   
6 9 4
(b) Alguns exemplos de matriz quadrada:  
  1 0 0 1
  0 5 6 
 −1

h i 0 5   2 5 1 
12    −2 1 0 




−2 1  0 2 1 0 
 
8 −1 2  
1 0 2 −1

Definição 4
A matriz quadrada An×n possui duas diagonais:
Diagonal secundária
a11 a12 · · · a1n
a21 a22 · · · a2n

.. .. · · · ..
. . .
an1 an2 · · · ann
Diagonal principal
Exemplo 6
 
0 5
Os elementos da diagonal principal da matriz   são 0 e 1, já
−2 1
os elementos da diagonal secundária são -2 e 5.
Definição 5
Uma matriz com todos os elementos iguais a zero recebe o nome de
matriz nula. A matriz nula pode ser denotada por Om×n .
Exemplo 7
Alguns exemplos de matriz nula:
   
0 0   0
  0 0 h i  
O3×2 =
0 0
 O2×2 =  O1×4 = 0 0 0 0 O3×1 = 0

0 0

0 0 0
Observação: Quando não for necessário especificar a ordem da matriz

nula, podemos denotá-lo apenas com a letra O.

Definição 6
As matrizes colunas são aquelas que possuem apenas uma coluna:
 
a
 11 
 a21 
 
A= . 

 .. 

 
am1
Definição 7
As matrizes linha são aquelas que possuem apenas uma linha:
h i
A= a11 a12 . . . a1n

Matrizes Matrizes quadradas especiais
Definição 8
Uma matriz quadrada An×n é chamada de matriz diagonal quando
aij = 0 para i ̸= j.
Exemplo 8
Alguns exemplos de matriz diagonal:
 
  0 0 0 0
    4 0 0  
5 0 1 0    0 0 0 0 
     0 −3 0 




0 −3 0 1  0 0 0 0 
 
0 0 5
 
0 0 0 0

Definição 9
Uma matriz quadrada An×n é chamada de matriz identidade quando
aij = 1 para i = j e aij = 0 para i ̸= j.
Exemplo 9
Alguns exemplos de matriz identidade:
 
  1 0 0 0
  1 0 0  
1 0    0 1 0 0 
   0 1 0  



0 1  0 0 1 0 
 
0 0 1
 
0 0 0 1
Observação: A matriz identidade de ordem n × n pode ser denotada

por In .
Definição 10
Uma matriz quadrada An×n é chamada de matriz simétrica quando
aij = aji .
Exemplo 10
Alguns exemplos de matriz simétrica:
 
    1 0 0 0
 √  4 −2 3 1 0 −1  
2 1  0 −2 0 0
 
   
  −2 0 5 
  0 3 2 
  
  
1 −5  0 0 0 0
 
3 5 −1 −1 2 −1
 
0 0 0 3
Observação: Nas matrizes simétricas, os elementos da i-ésima linha são

iguais às da j-ésima coluna.
Definição 11
Uma matriz quadrada An×n é chamada de matriz antissimétrica
quando aij = −aji para i ̸= j e aii = 0.
Exemplo 11
Alguns exemplos de matriz antissimétrica:
 
    0 0 0 0
  0 −2 3 0 0 −1  
0 1      0 0 0 0 
2 0 −5   0 0 2
     
 
−1 0  0 0 0 0 
   
−3 5 0 1 −2 0
 
0 0 0 0
Observação: Nas matrizes simétricas, se aij são os elementos da i-ésima

linha, então −aij são os elementos da j-ésima coluna.
Definição 12
Uma matriz quadrada An×n é chamada de matriz triangular superior
quando aij = 0, para i > j (elementos abaixo da diagonal principal são
nulos).
Exemplo 12
Alguns exemplos de matriz triangular superior:
   
  −2 1 −1 2 −2 0 0 0
  4 0 3    
−1 2    0 1 3 1   0 1 0 0 
   0 −2 1  







0 3 0 0 2 4  0 0 2 0 
   
0 0 2
   
0 0 0 3 0 0 0 3

Definição 13
Uma matriz quadrada An×n é chamada de matriz triangular inferior
quando aij = 0, para i < j (elementos acima da diagonal principal são
nulos).
Exemplo 13
Alguns exemplos de matriz triangular inferior:
   
  3 0 0 0 0 0 0 0
  2 0 0 
 1 −1 0 0
  
1 0     0 0 0 0 
   −3 1 0  







−2 3  0 2 5 0  0 0 0 0 
  
5 0 1
   
1 −2 1 4 0 0 0 0

Matrizes Exercı́cios
Resolva exercı́cios para fixar o aprendizado!

1. Determine as matrizes de acordo com as regras estabelecidas para seus elementos:
(a) A ∈ M2×2 , tal que aij = 1 + (−1)i+j .

(
3, se i < j
(b) B ∈ M2×3 , tal que bij = .
i − j, se i ≥ j
(
i + j, se |i − j| ≥ 1
(c) C ∈ M3×2 , tal que cij = .
1, se |i − j| < 1
2. Encontre a, b, c ∈ R para que se tenha:
  " #
2a − 2 2a + c 1−c a+b+2
 1 = .
3 b−c+ a 3 a+1
2
3. Classifique as afirmações abaixo em verdadeiras (V) ou falsas (F).

(a) A soma dos termos da diagonal principal da matriz A ∈ M3×3 , tal que
aij = (−1)i+j , é 3.
(b) Toda matriz nula é também diagonal.
(c) Uma matriz identidade é também diagonal, simétrica, triangular inferior e
triangular superior.
(d) A soma dos termos de uma matriz antissimétrica é sempre igual a 0.
(e) Toda matriz triangular superior é também diagonal.
(f) Se A ∈ Mn×n é simétrica, então A ∈ Mn×n não pode ser triangular inferior.
4. Determine a, b, e c para que a seguinte matriz seja simétrica:

 2 
1 −1
 9 
√
 
 1
 a − b + 3c

 2 2 −2 
.
 2 
1
 
2a + b + c a+c 9
2

Matrizes Operações com matrizes
Operações com matrizes

Definição 14
A soma das matrizes Am×n e Bm×n é a matriz (A + B)m×n de elementos
(a + b)ij = aij + bij .
Exemplo 14
   
1 2 1 0 1 −2
Calcule a soma das matrizes A =  eB= .
0 1 2 2 4 7
Solução:
   
1 2 1 0 1 −2
A+B =  + 
0 1 2 2 4 7
 
1+0 2+1 1 + (−2)
=  
0+2 1+4 2+7
 
1 3 −1
=  .
2 5 9
Teorema 1
Para quaisquer matrizes A, B, C ∈ Mm×n , temos:
(a) A adição é comutativa:

A + B = B + A.
(b) A adição é associativa:

A + (B + C) = (A + B) + C.
(c) A adição possui elemento neutro:

Existe O ∈ Mm×n , tal que A + O = A, para toda A ∈ Mm×n .
(d) A adição possui oposta:

Para toda A ∈ Mm×n , existe −A ∈ Mm×n , tal que A + (−A) = O.

Definição 15
A multiplicação da matriz Am×n pelo escalar k ∈ R é a matriz
(kA)m×n de elementos (ka)ij = kaij .
Exemplo 15
 
1 0 4
A multiplicação da matriz A =   por 3 é a matriz:
2 −1 5
     
1 0 4 3(1) 3(0) 3(4) 3 0 12
3A = 3  = = 
2 −1 5 3(2) 3(−1) 3(5) 6 −3 15

Teorema 2
Para quaisquer A, B ∈ Mm×n e k1 , k2 ∈ C, temos:
(a) (k1 k2 )A = k1 (k2 A).
(b) (k1 + k2 )A = k1 A + k2 A.
(c) k1 (A + B) = k1 A + k1 B.
(d) 1A = A.

Observação 1
(a) Subtração:
A − B = A + (−B)
       
1 2 0 1 1−0 2−1 1 1
Exemplo: − = = 
0 1 2 4 0−2 1−4 −2 −3
(b) Equação
X +A=B
⇔ X + A + (−A) = B + (−A)
⇔ X +O =B−A
⇔ X =B−A

Definição 16
A multiplicação de Am×r por Br×n é a matriz ABm×n cujos elementos (ab)ij
são: r
X
(ab)ij = ai1 b1j + ai2 b2j + · · · + air brj = aik bkj
k=1
  
a11 ... a1k . . . a1r b11 . . . b1j ... b1n
.. .. .. .. .. ..
  
  

 . . . 
 . . . 

 ai1 ... aik . . . air   bk1 . . . bkj ... bkn .
  
.. .. .. .. .. ..
  
  

 . . . 
 . . . 

am1 . . . amk ... amr br1 . . . brj ... brn
O elemento (ab)ij é obtido multiplicando (produto escalar) os elementos da

linha A(i) pelos da coluna B (j) . Esse produto pode ser indicado por:
(ab)ij = A(i) · B (j) = ai1 b1j + ai2 b2j + · · · + air brj

Observação 2
Condição necessária para existência do produto:
Am×r Br×n
Iguais
ABm×n
Por exemplo:
(a) A3×5 e B5×7 ⇒ AB3×7
(b) A4×2 e B2×5 ⇒ AB4×5
(c) A5×2 e B4×3 ⇒ não existe AB
(c) A4×4 e B3×2 ⇒ não existe AB

Exemplo 16
   
2 0 4 2 0
   
Calcule AB para A = 
 −3 1 eB= 1
0  
.
−1 
0 5 3 4 1
Solução:    
(ab)11 (ab)12 20 4
   
AB = 
 (ab)21  =  −5
(ab)22   −1 

(ab)31 (ab)32 17 −2
(ab)11 = A(1) · B (1) = a11 b11 + a12 b21 + a13 b31 = 2(2) + 0(1) + 4(4) = 20.
(ab)21 = A(2) · B (1) = a21 b11 + a22 b21 + a23 b31 = −3(2) + 1(1) + 0(4) = −5
(ab)31 = A(3) · B (1) = 0(2) + 5(1) + 3(4) = 17.
(ab)12 = A(1) · B (2) = 2(0) + 0(−1) + 4(1) = 4.
(ab)22 = A(2) · B (2) = −3(0) + 1(−1) + 0(1) = −1.
(ab)32 = A(3) · B (2) = 0(0) + 5(−1) + 3(1) = −2
Observe que:
O elemento (ab)11 é o produto escalar da primeira linha de A pela
primeira coluna de B:
    
2 0 4 2 0 20 (ab)12
    
 −3 1 0   1 −1  =  (ab)21 (ab)22  .
    
0 5 3 4 1 (ab)31 (ab)32
O elemento (ab)21 é o produto escalar da segunda linha de A pela

primeira coluna de B:
    
2 0 4 2 0 (ab)11 (ab)12
    
  1 −1  =  −5
.
 −3 1 0 (ab)22 
   
0 5 3 4 1 (ab)31 (ab)32
O mesmo acontece com os outros elementos (ab)ij .

Exemplo 17
 
 1  0 1
1 0  2 
2   −1 − 
Calcule AB para A =  eB= .

1  3 
−3 1 
3

3 1
2
Solução:    1 7 
(ab)11 (ab)12 2 4 
AB =  =
2 31
 
(ab)21 (ab)22 −
3 18
1 1
(ab)11 = 1(0) + 0(−1) + (1) =
2 2
1 2
(ab)21 = −3(0) + (−1) + 1(1) =
3
3
2 1 3 7
(ab)12 = 1(1) + 0 − + = .
3 2 2 4

1 2 3 31
(ab)22 = −3(1) + − +1 =−
3 3 2 18
Exemplo 18
 
2 1  
  1 −1
Calcule AB para A = 
 4 eB=
2   .
0 4
5 3
Solução:    
(ab)11 (ab)12 2 2
   
AB = 
 (ab)21 = 4
(ab)22   4 

(ab)31 (ab)32 5 7
(ab)11 = 2(1) + 1(0) = 2

(ab)21 = 4(1) + 2(0) = 4
(ab)12 = 2(−1) + 1(4) = 2
(ab)22 = 4(−1) + 2(4) = 4
(ab)31 = 5(1) + 3(0) = 5
(ab)32 = 5(−1) + 3(4) = 7
Exemplo 19
 
h i 4 3 0
Calcule AB para A = 5 2 eB= .
5 0 1
Solução: h i h i
AB = (ab)11 (ab)12 (ab)13 = 30 15 2
(ab)11 = 5(4) + 2(5) = 30
(ab)12 = 5(3) + 2(0) = 15
(ab)13 = 5(0) + 2(1) = 2

Exemplo 20
 
h i 5
 
Calcule AB para A = A = 3 5 2 eB=
 −3 .

Solução: h i h i
AB = (ab)11 = 2 =2
(ab)11 = 3(5) + 5(−3) + 2(1) = 2

Teorema 3
A multiplicação de matrizes satisfaz às seguintes propriedades:
(a) A(BC) = (AB)C, ∀A ∈ Mm×s , B ∈ Ms×r e C ∈ Mr×n .
(b) A(B + C) = AB + AC, ∀A ∈ Mm×n e B, C ∈ Mn×p .
(c) (A + B)C = AC + BC, ∀A, B ∈ Mm×n e C ∈ Mn×p .
(d) Im A = A e AIn = A, ∀A ∈ Mm×n , onde Im e In são as matrizes

identidades de ordens m × m e n × n.
(e) Om A = Om×n e AOn = Om×n , ∀A ∈ Mm×n , onde Om×n e Om×n são as

matrizes nulas.

Observação 3
(a) A existência de AB não garante a existência de BA.
(b) Quando AB e BA existem, elas podem ser iguais ou diferentes.
(c) Quando AB = BA dizemos que A e B são comutativas.
Exemplos:
    
−1 0 1 2 −1 −2
(a) AB =   = 
2 3 3 0 11 4
    
1 2 −1 0 3 6
(b) BA =   = 
3 0 2 3 −3 0
    
2 1 3 −1 1 0
(c) CD =   = 
5 3 −5 2 0 1
    
3 −1 2 1 1 0
(d) DC =   = 
−5 2 5 3 0 1
As matrizes C e D são comutativas.
Exemplo 21
   
x+1 2 −1 4
Encontre x e y tal que A =  eB= 
1 3 y+2 −2
comutem.
Solução:
    
x+1 2 −1 4 −x + 2y + 3 4x
AB =   = 
1 3 y+2 −2 3y + 5 −2
e
    
−1 4 x+1 2 −x + 3 10
BA =   = ,
y+2 −2 1 3 (x + 1)(y + 2) − 2 2y − 2

(continuação) Fazendo AB = BA, temos:

 

 −x + 2y + 3 = −x + 3 

 y = 0
5

 

x =
 
 4x = 10 
⇒ 2


 3y + 5 = (y + 2)(x + 1) − 2 

 xy − 2y + 2x = 5

 

2y − 2 = −2
 
 y = 0
5
Resolvendo o sistema, encontramos x = e y = 0.
2

Definição 17 (Produto por colunas)

O produto de Am×n por Bn×r pode ser definido da seguinte forma:
h i h i
AB = A B (1) B (2) ··· B (r) = AB (1) AB (2) ··· AB (r) .
Exemplo 22
   
−1 0 1 2
Calcule o produto de A =   por B =   usando o
2 3 3 0
produto por colunas.
Solução:
         
h i −1 0 1 −1 0 2 −1 −2
AB = AB (1) AB (2) =        = 
2 3 3 2 3 0 11 4

Definição 18
Definimos as potências de An×n por:
(a) A0 = In ;
(b) Ak = AA · · · A (k fatores), para k ∈ N = {1, 2, 3, . . .}.
Teorema 4
Para A, B ∈ Mn×n e r, s ∈ N, temos:
(a) Ar As = Ar+s ;
(b) (Ar )s = Ars .
Observação: Em geral, An B n ̸= (AB)n

Exemplo 23
 
1 2
Seja A =  . Calcule:
−3 1
(a) A2 (b) A3 (c) A6
Solução:
    
1 2 1 2 −5 4
(a) A2 = AA =   = .
−3 1 −3 1 −6 −5
(b) A3 = A2+1 = A2 A. Logo:
    
3 −5 4 1 2 −17 −6
A =  = .
−6 −5 −3 1 9 −17
(c) A6 = A3(2) = (A3 )2 = A3 A3 . Logo:

    
6 −17 −6 −17 −6 235 204
A =  = .
9 −17 9 −17 −306 235

Definição 19
A transposta de Am×n , denotada por AT , é a matriz de ordem n × m cujos
elementos são aTij = aji , isto é, as linhas de AT são as colunas de A.
Exemplo 24
Obtenha a transpostas das seguintes matrizes:
 
2 1  
  T
2 0 −4
(a) A = 
 0 −3 ⇒A =
 
1 −3 5
−4 5
 
h i
T
2
(b) B = 2 10 ⇒ B =  
10
 
  2 0
2 1 5  
(c) C =   ⇒ CT =  1 −3 
0 −3 1
 
5 1

Teorema 5
An×n é simétrica se, e somente se, AT = A.
Teorema 6
Para A, B ∈ Mm×n e k ∈ R, temos:
(a) (A + B)T = AT + B T .
(b) (kA)T = kAT .
(c) (AT )T = A.
(d) (AB)T = B T AT
Observação: (A1 A2 . . . An )T = ATn . . . AT2 AT1

Definição 20
h iT
Dados Am×n e x = x1 x2 . . . x n , definimos o produto
matriz-vetor por: Ax = x1 A(1) + x2 A(2) + . . . + xn A(n) .
Exemplo 25
   
1 0 −1 2
   
Sejam A = 
 0 2  e x =  −3 . Calcule Ax.
1   
2 1 −2 2
Solução: Usando o produto matriz-vetor, temos:

       
1 0 −1 0
       
 0  − 3  2  + 2  1  =  −4
Ax = 2        .

2 1 −2 −3

Definição 21
O traço de An×n , denotado por traço(A), é a soma dos elementos da
diagonal principal, ou seja:
n
X
traço(A) = a11 + a22 + .... + ann = akk .
k=1
Exemplo 26
 
1 0 −7
 
O traço de A = 
 −2 3  é:
0 
8 3 −6
traço(A) = 1 + 3 − 6 = −2


" # " #
1 1 1 0
5. Sejam A = e I2 = . Determine X ∈ M2×2 , tal que
1 1 0 1
3
−2(X − 3I2 ) = X + A.
2
6. Determine o valor de k para que se tenha AB = BA, onde A, B ∈ M2×2 são definidas
" # " #
3 −4 7 4
por A = eB= .
−5 6 5 k
 
" # " # −1
1 2 3 −2 0 1   h i
7. Sejam A = ,B= ,C=  2  e D = 2 −1 .

2 1 −1 3 0 1
4
Quando possı́vel, calcule:
(a) D(A + B); (c) (DA)(−C);

(b) (2A − B)C; (d) [D(A − 2B)]C.
     
3 0 " # 1 5 2 6 1 3
  1 4 2    
8. Sejam A =  −1 2 ,B = , C = −1 0 1 , D = −1 1 2.
3 1 5
    
1 1 3 2 4 4 1 3
Calcule as seguintes operações (quando possı́vel):
(a) tr(C − 3D) (b) (CA)T (c) tr(B T AT + 2DT )

9. Classifique as afirmações em verdadeiras (V) ou falsas (F). Justifique suas respostas.

(a) Se A ∈ M6×4 , B ∈ Mm×n e B T AT ∈ M2×6 , então m = 4 e n = 2.
(b) Se A, B e C são matrizes de mesma ordem e A − C = B − C, então A = B.
(c) Se A e B são matrizes quadradas de mesma ordem, então
(A + B)2 = A2 + 2AB + B 2 .
(d) Se A e B são matrizes 2 × 2, então AB = BA.
(e) Se A, B e C são matrizes tais que AC e BC estão definidas, então A e B devem
ter a mesma ordem.
(f) Se A e B são matrizes quadradas e C é uma matriz qualquer, tais que AC e BC
estão definidas, então A e B tem a mesma ordem.
(g) Se A e B são matrizes tais que AB e BA estão definidas, então A e B devem ser
quadradas de mesma ordem.
(h) Se I é a matriz identidade de ordem 3, O é a matriz nula de ordem 3 e

 
1 0 −1
  4 2 3
A=  0 2 1 , então I (A + O )I = A.
2 1 −2

Equações e Sistemas Lineares
Equações e Sistemas Lineares

Equações e Sistemas Lineares Equação linear
Definição 22
Uma equação da forma
a1 x1 + a2 x2 + . . . + an xn = b (1)
ai , b ∈ R, para i = 1, · · · , n, é chamada de equação linear, onde:
(a) x1 , x2 , . . . , xn são as incógnitas ou variáveis da equação;
(b) a1 , a2 , . . . , an são chamados de coeficientes das incógnitas;
(c) b é chamado de termo independente da equação.
Observação:
(a) Quando b = 0, a equação linear é chamada de homogênea.
→
(b) A equação linear pode ser representada pela equação matricial A x = b, onde
h i →
h iT
A = a1 a2 . . . an ∈ M1×n e x = x1 x2 . . . xn ∈ Rn

Exemplo 27
Alguns exemplos de equações lineares são:
(a) 5x1 + 3x2 − x3 + x4 − 2x5 = 2
(b) 2a + b = 3
(c) 3x − 5y + 4z = 0
Exemplo 28
Alguns exemplos de equações não lineares são:
(a) 3x1 + x32 = 2
(b) x1 x2 + x3 = 2
(c) x1 + sen(x2 ) = 0

Observação 4
(a) A equação
 linear a11 x1 + a12 x2 = b é a equação de uma reta no plano, onde
→ x1
x=   ∈ R2 .
x2
(b) A equação linear a11 x1 + a12 x2 + a13 x3 = b é a equação de um plano no
 
x1
→   3
espaço, onde x =  x2  ∈ R .

x3
Definição 23
 
c1
 
→
 c2  → →
Dizemos que s =   é uma solução da equação linear A x = b se A s = b.
 
 ... 
 
cn

Exemplo 29
 
→ 4
Mostre que s =   é solução da equação x1 + 3x2 = 7.
1
Solução: Substituindo x1 = 4 e x2 = 1 na equação, temos:
4 + 3.1 = 7 ⇒ 7 = 7 (Verdadeiro!)
Exemplo 30
 
→ 3
Mostre que s =   não é solução da equação 2x1 − 3x2 = 7.
−1
Solução: Substituindo x1 = 3 e x2 = −1 na equação, temos:
2.3 − 3.(−1) = 7 ⇒ 9 = 7 (Falso!)

Equações e Sistemas Lineares Sistemas lineares
Definição 24
Um sistema linear de m equações e n incógnitas é constituı́do por m equações
lineares com n incógnitas e pode ser representado por:


 a11 x1 + a12 x2 + ... + a1n xn = b1


 a21 x1

+ a22 x2 + ... + a2n xn = b2
.. .. .. .. , (2)



 . . . .

am1 x1 + am2 x2 + ... + amn xn = bm

onde para i = 1, 2, · · · , m e j = 1, 2, · · · , n, tem-se:
(a) xj são as incógnitas do sistema;
(b) aij ∈ R são os coeficientes das incógnitas em cada equação;
(c) bi ∈ R são os termos independentes do sistema.

Exemplo 31
Alguns
 exemplos de sistemas lineares são:
 3x1 − x2 + 4x3 + x4 = 1


(a) 3x2 − x3 + 2x4 = 0


x1 − x3 + 2x4 = 1


 x + 2y − 3z = 2


(b) 3x − y + 6z = 4


2x − 3z = 5

Exemplo 32
Alguns
 exemplos de sistemas não lineares são:
 x2 − x2 = 1
1
(a)
 x1 + 2x2 = 0

 x + 2xy

 − 1z = 0
(b) x − 2y + xz = 0


x + cosy − z = 8


Observação 5
Usando as operações e a igualdade de matrizes, podemos estabelecer uma
equivalência entre o sistema linear e uma equação matricial:
     
a11 a12 . . . a1n x1 b1 

 a11 x1 + a12 x2 + . . . + a1n xn = b1
     

a
 21 a22 . . . a2n  x2   b2   a21 x1 + a22 x2 + . . . + a2n xn = b2
    
 .. .. ..  .. = ..  ⇔  .. .. .. ..
    
 . . . 
 .   .  . . . .
    

 


am1 am2 . . . amn xn bm am1 x1 + am2 x2 + . . . + amn xn = bm

Definição 25
→ →
Denotaremos a equação matricial correspondente ao sistema linear (2) por A x = b ,
onde:  
a11 a12 ··· a1n
 
 21 a22 · · · a2n 
 a 
(a) A =  . .. ..  ∈ Mm×n é a matriz dos coeficientes
 
 .. . . 
 
am1 am2 · · · amn
 
x1
 
 x 
→  2  n
 ..  ∈ R é a matriz de incógnitas
(b) x =  
 . 
 
xn
 
b1
 
 b 
→  2 
(c) b =   ∈ Rm é a matriz de termos independentes.
 .. 
 . 
 
bm
Exemplo 33

 x1 + 2x2 + 3x3 = 6


→ →
Escreva o sistema linear 2x1 − 3x2 + 2x3 = 14 na forma A x = b .


3x1 + x2 − x3 = −2

     
1 2 3 x1 6
  →   →  
Solução: Para A = 
 2 −3 , x =  x2  e b =  14 , temos:
2     
3 1 −1 x3 −2
     
 x1 + 2x2 + 3x3 = 6 1 2 3 x1 6


    
2x1 − 3x2 + 2x3 = 14 ⇔
 2 −3   x2  =  14  .
2     


3x1 + x2 − x3 = −2 3 1 −1 x3 −2


Definição 26
Quando todos os termos independentes do sistema linear são nulos, isto é:


 a11 x1 + a12 x2 + . . . + a1n xn = 0


 a21 x1 + a22 x2 + . . . + a2n xn = 0

 ...

..
.
..
.
..
.



am1 x1 + am2 x2 + . . . + amn xn = 0

ele recebe o nome de sistema linear homogêneo e pode ser denotado por
→ →
A x= 0 .

Definição 27
h iT
Dizemos que s = c1 c2 ... cn ∈ Rn é uma solução do sistema linear
→ → →
A x = b se todas as equações lineares A(i) s = bi , i ∈ {1, 2, . . . , m}, são
satisfeitas.
Exemplo 34
  
→ 3  2x
1 + x2 = 1
Mostre que s =   é solução do sistema
−5  3x1 + 2x2 = −1
Solução: Substituindo x1 = 3 e x2= −5 nas equações do sistema, temos:


 2(3) + (−5) = 1  1 = 1
⇒ (Verdadeiro!)
 3(3) + 2(−5) = −1  −1 = −1

Exemplo 35
  
→ 3  2x
1 − x2 = 4
Mostre que s =   não é solução do sistema
2  x1 + 2x2 = −1
Solução: Substituindo x1 = 3 e x
 2 = 2 nas equações do sistema, temos:
 2(3) − 2 = 4  4 = 4
⇒ (Falso!)
 3 + 2(2) = −1  7 = −1

Exemplo 36
  
→ 0  2x
1 − x2 = 0
Mostre que 0 =   é solução do sistema .
0  x1 + 2x2 = 0
Solução: Substituindo x1 = 0 ex2 = 0 nas equações do sistema, temos:


 2(0) − 0 = 0  0 = 0
⇒ (Verdade!)
 0 + 2(0) = 0  0 = 0
Observação 6
→ → →
O vetor nulo 0 , sempre satisfaz o sistema linear homogêneo A x = 0 e recebe
o nome de solução trivial.

Equações e Sistemas Lineares Matriz de coeficiente triangular
Teorema 7
Se An×n é triangular (inferior ou superior) com aii ̸= 0, para i ∈ {1, 2, . . . , n},
→ → →
então, para cada b ∈ Rn , A x = b possui uma única solução.
Exemplo 37

 x1 + 2x2 + 3x3 = 6


Encontre a solução do sistema linear x2 + 2x3 = 4 .


x3 = 3

Solução:
 
 x1

 + 2x2 + 3x3 = 6  x1

 = 6 − 2x2 − 3x3
x2 + 2x3 = 4 ⇔ x2 = 4 − 2x3 .

 

x3 = 3 x3 = 3
 
Substituindo x3 = 3 em x2 = 4 − 2x3 , obtemos x2 = −2. Por fim, substituindo

x3 = 3 e x2 = −2 na equação x1 = 6 − 2x2 − 3x3 , temos x1 = 1. Logo,
x = [1 − 2 3]T é a solução do sistema.
Equações e Sistemas Lineares Matriz de coeficiente não triangular
Observação 7
Para os casos em que a matriz A não é triangular ou não é quadrada, a
→ →
solução de A x = b será obtida através de um processo que consiste em
aplicar operações nas linhas da matriz constituı́da tanto pelos
coeficientes como pelos termos independentes, a qual chamaremos de
matriz aumentada.

Definição 28
→ → → →
Seja A x = b um sistema linear com Am×n . A matriz aumentada de A x = b ,
→
denotada por [A b ], é definida por:
 
a11 a12 ... a1n | b1
 
→
 a21 a22 ... a2n | b2 
[A b ] =  . .
 
 .. .. .. .. 
 . . | .  
am1 am2 ... amn | bm

Exemplo 38
→ →
Escreva a matriz aumentada dos sistemas A x = b :

 x1 + 2x2 + 3x3 = 6


(a) 2x1 − 3x2 + 2x3 = 14 .


3x1 + x2 − x3 = −2


 x1 + 2x2 + 3x3 = 6


(b) x2 + 2x3 = 4 .


x3 = 3

Solução:
   
1 2 3 | 6 1 2 3 | 6
→   →  
(a) [A b] = 
 2 −3 2 | 14 
 (b) [A b] = 
 0 1 2 | 4 

3 1 −1 | −2 0 0 1 | 3

Equações e Sistemas Lineares Exercı́cios

10. Quais das seguintes equações nas incógnitas x1 , x2 e x3 são lineares?

√
(a) x1 + 5x2 − 2x3 = 1 (d) x−21 + x2 + 8x3 = 5
3/5
(b) x1 + 3x2 + x1 x3 = 2 (e) x1 − 2x2 + x3 = 4
√
(c) x1 = −7x2 + 3x3 (f) πx1 − 2x2 + 31 x3 = 71/3
11. Encontre a solução geral no conjunto R2 para a equação linear 7x − 5y = 3.
12. Encontre a solução geral no conjunto R3 para a equação linear 3x1 − 5x2 + 4x3 = 7.
13. Resolva os sistemas lineares abaixo e esboce os gráficos correspondentes às suas
equações:
(
3x + 2y = 6
(a)
2x + 3y = 5
(
3x + 2y = 6
(b)
6x + 4y = 1
(
3x + 2y = 1
(c)
6x + 4y = 2

Equações e Sistemas Lineares Matriz escalonada e operações elementares
Matriz escalonada e Operações elementares

Definição 29
Uma matriz Am×n está na forma escalonada se satisfaz as seguintes
condições:
(a) Se A possui linhas nulas, então elas localizam-se abaixo de todas as
linhas não nulas.
(b) Se A possui mais de uma linha não nula, digamos A(1) , A(2) , . . . , A(p) e ki
é o ı́ndice da coluna na qual está localizado o primeiro termo não nulo da
linha A(i) , então k1 < k2 < . . . < kp .
Definição 30
O primeiro termo não nulo de cada linha de uma matriz na forma escalonada
é chamado de pivô.
A condição (b) da Definição 28 diz que comparando duas linhas da matriz

escalonada, o pivô da linha de baixo está sempre à direita do pivô da linha de
cima.
Exemplo 39
Alguns exemplos de matrizes escalonadas:
     
1 4 −3 7 3 1 0 1 −4 2 6 0  
      1 0 0
 0 3 6 2   0 5 −2   0 0 1 −1 6   
0 1 0
     
0 0 5 2 0 0 4 0 0 0 0 0
Exemplo 40
Alguns exemplos de matriz que não são escalonadas:
     
2 4 −3 7   1 2 −5 0 1 2 6 0
  0 0 0    
 0 0 0 0     1 1 0   1 0 1 −1 0 
0 3 0
     
0 0 3 5 0 0 0 0 0 0 0 1

Um conjunto especial de matrizes escalonadas são as escalonadas

reduzidas que, além das condições necessárias listadas anteriormente,
elas possuem pivôs iguais a 1 e em toda coluna que tiver pivô, os
demais elementos são nulos.
Definição 31
Uma matriz Am×n está na forma escalonada reduzida se satisfaz as
seguintes condições:
(a) Está na forma escalonada.
(b) O pivô (primeiro número não nulo) de cada linha é 1.
(c) Se o pivô de uma linha A(i) é aij , então os demais elementos da

coluna A(j) são nulos.

Exemplo 41
Alguns exemplos de matrizes escalonadas reduzidas:
     
1 0 0 7   1 −4 0 0 0 1 0 0
  1 0 0    
 0 1 0 2     0 0 1 −1 4   0 1
  −1 
0 1 0
   
0 0 1 0 0 0 0 0 0 0 0 0
Exemplo 42
Alguns exemplos de matriz que não são escalonadas reduzidas:
     
6 3 0 7 3 0 4 1 −4 2 0 0  
      1 2 0
 0 1 0 2   0 5 −1   0 0 1 −1 4   
0 1 0
     
0 0 5 0 0 0 0 0 0 0 1 0

Observação 8
→
(a) Quando a matriz aumentada [A b ] é escalonada, o sistema linear
→ →
A x = b é facilmente solucionado.
→
(b) Se [A b ] não é escalonada, então podemos substituı́-la por uma
matriz escalonada especı́fica, a qual é obtida aplicando operações sobre
→
as linhas de [A b ].

Definição 32
As seguintes operações com as linhas de uma matriz Am×n são
chamadas elementares:
1 Multiplicar a linha A(r) por um escalar α ̸= 0.
Notação: Lr → αLr .
2 Permutar as linhas A(r) e A(s) .
Notação: Lr ↔ Ls .
3 Somar à linha A(r) um múltiplo da linha A(s) .
Notação: Lr → Lr + αLs , α ̸= 0.
Observação: Se Bm×n é obtida aplicando uma ou mais operações

elementares a partir de Am×n , dizemos que A e B são equivalentes por
linha, o que denotaremos por A ∼ B.
Exemplo 43
 
2 1 1
Obtenha as respectivas matrizes equivalentes à   de acordo
3 1 7
com as seguintes operações elementares:
1 (b) L1 ↔ L2 3
(a) L1 → L1 (c) L2 → L2 − L1
2 2
Solução:
 
     
2 1 1 1 1/2 1/2 2 1 1 2 1 1
(a)  ∼ (c)  ∼ 1 11 

3 1 7 3 1 7 3 1 7 0 −
    2 2
2 1 1 3 1 7 (Veja a seguir os detalhes
(b)  ∼ 
3 1 7 2 1 1 desse cálculo.)
 
2 1 1
Matriz dada:  
3 1 7
3
Operação: L2 → L2 − L1
2
Cálculo:
3 1 7 Segunda linha de A
−3 − 2 − 32
3 Primeira linha de A multiplicada por −3/2
0 − 12 11
2 Soma das linhas
 
2 1 1
Matriz equivalente:  1 11 
0 −
2 2

Exemplo 44
Aplique operações elementares para obter uma matriz escalonada
reduzida equivalente por linhas às seguintes matrizes:
     
2 0 0 0 1 0 1 0 0
     
(a) 
0 1 0
 (b) 
1 0 0
 (c) 
2 1 0

0 0 1 0 0 1 0 0 1
Solução:
   
2 0 0 1 0 0
   
(a)  ∼ 0 1 0 
 0 1 0   
0 0 1 0 0 1
1
L1 → L1
2
   
0 1 0 1 0 0
   
(b)  1 0 0 ∼ 0 1 0 
   
0 0 1 0 0 1
L1 ↔ L2
   
1 0 0 1 0 0
   
 2 1 0 ∼ 0 1 0 
(c)    
0 0 1 0 0 1
L2 ↔ L2 − 2L1

Observação 9
As operações elementares são reversı́veis, isto é, se existe uma operação
que leva A em B, então exite outra que leva B em A.
Operações Elementares Operações Elementares Reversas

Li ↔ Lj Li ↔ Lj
1
Li → αLi Li → Li
α
Li → Li + αLj Li → Li − αLj

Teorema 8
→ → → → → →
Se A x = b e C x = d são sistemas lineares tais que [A b ] ∼ [C d ],
→ → →
então s é solução de A x = b se, e somente se, é também solução de
→ →
C x=d.
Esse teorema traça uma estratégia para resolver sistemas lineares:

→ → →
(a) Se [A b ] é escalonada, então A x = b tem solução imediata.
→
(b) Se [A b ] não é escalonada, basta encontrar uma matriz
→
equivalente por linhas [C d ] que seja escalonada e resolver o
→ →
sistema C x = d .
→
(c) A matriz equivalente escalonada [C d ] será obtida com os
métodos de escalonamento que ainda serão apresentados.

Exemplo 45
→ →
Encontre a solução do sistema A x = b sabendo que
   
1 −2 1 1 1 −2 1 1
→     →
[A  1 −1 2 0  ∼  0
b] =  1  = [C
1 −1  d]
 
2 1 1 3 0 0 −6 6
→ →
Solução: Resolvendo o sistema C x = d , temos:
 


 x 1 − 2x 2 + x 3 = 1  x1 = 1 + 2x2 − x3


x2 + x3 = −1 ⇒ x2 = −1 − x3

 

− 6x3 = 6 x3 = −1
 
→
h iT
Aplicando a retro-substituição, concluı́mos que x = 2 0 −1 é
→ →
solução de A x = b .
Equações e Sistemas Lineares Eliminação de Gauss
Teorema 9 (Eliminação de Gauss)

Toda matriz é equivalente por linhas a pelo menos uma matriz na
forma escalonada.
Demonstração: Se Am×n é nula, então A está na forma escalonada. Suponha

que A possui 0 < p ≤ m linhas não nulas. Os passos a seguir descrevem o
algoritmo conhecido por eliminação de Gauss:
Passo 1 : Identifique a primeira coluna com elementos não nulos a partir
de A(1) . Suponha que seja A(k1 ) , k1 ≤ n, isto é, aik1 ̸= 0 para algum
i = 1, 2, · · · , m.
Passo 2.1 : Se a1k1 = 0, então escolha ark1 ̸= 0 e permute as linhas A(1) e

A(r) (Operação: L1 ↔ Lr ).
Passo 2.2 : Se o novo elemento a1k1 ̸= 1, divida a primeira linha por a1k1
1
(Operação: L1 ). Pivô da primeira linha igual a 1, na coluna k1 .
a1k1
Continuação da demonstração:
Passo 3 : Zere os elementos abaixo do pivô. Para i ∈ {2, 3, . . . p}, faça:
Li → Li − aik1 L1
Suponha que A1 ∈ Mm×n é a matriz obtida ao final do passo 3.
Passo 4 : Identifique a primeira coluna de A1 com elementos não nulos a

partir da linha 2 e reaplique os passos anteriores colocando um pivô na
segunda linha e zerando abaixo dele.
Passo 5 : Continue esse processo até fixar o pivô igual a 1 na s-ésima

linha, que é a última linha não nula. A matriz obtida ao final desse
processo é escalonada e equivalente por linhas à matriz A.

Eliminação de Gauss
1. Identifique a primeira coluna com elementos não nulos a partir da linha 1.

2. O elemento da linha 1 da coluna identificada deve ser 1 (pivô).
3. Os elementos abaixo do pivô devem ser 0.


9. Se a matriz tiver 3 linhas, o algoritmo terminou, caso contrário continue
aplicando esse mesmo processo até chegar na última linha.

Exemplo 46
→
Encontre uma matriz escalonada equivalente por linhas à matriz [A b ]:
 
1 0 −1 0
 
.
 3 3 0 1 

0 −2 −6 2
→ →
Em seguida, resolva o sistema A x = b .
Solução: Aplicando a eliminação de Gauss, temos:

     
1 0 −1 0 1 0 −1 0 1 0 −1 0
  1
   
∼ 0 ∼ 0 1 1 ∼
 3 3 0 1   3 3 1 

  3
0 −2 −6 2 0 −2 −6 2 0 −2 −6 2
1
L2 → L2 − 3L1 L2 → L2 L3 → L3 + 2L2
3
Continuação:
   
1 0 −1 0 1 0 −1 0
 1   1 
 0 1 1 ∼ 0 1 1
   
3 3

   
8 2
   
0 0 −4 0 0 1 −
3 3
1
L3 → − L3
4
Resolvendo o sistema correspondente à matriz escalonada, temos:

x1 − x3 = 0
  2


 
 x1 = x3 
 x1 = −

 1 
 1

 3
x2 + x3 = − x3 ⇒
3 ⇒  x2 =
3
x =1
 2
2  x = −2

2
  
= −
 
 x 
x3 = −

 3 3
3 3 3
T
→ → → 2 2
Logo, a solução de A x = b é x = − 1 − .
3 3
Teorema 10 (Eliminação de Gauss-Jordan)

Toda matriz é equivalente por linhas a exatamente uma matriz na forma escalonada
reduzida.
Eliminação de Gauss-Jordan


6. Os elementos abaixo e acima do pivô devem ser 0.

9. Os elementos acima do pivô devem ser 0. Se a matriz tiver 3 linhas, o
algoritmo terminou, caso contrário continue aplicando esse mesmo processo até
chegar na última linha.

Exemplo 47
Encontre uma matriz escalonada reduzida equivalente por linhas à
→
matriz [A b ]:
 
1 0 −1 0
 
.
 3 3 0 1 

0 −2 −6 2
→ →
Em seguida, resolva o sistema A x = b .
Solução: Aplicando a eliminação de Gauss-Jordan, temos:

     
1 0 −1 0 1 0 −1 0 1 0 −1 0
  1
   
∼ 0 ∼ 0 1 1 ∼
 3 3 0 1   3 3 1 

  3
0 −2 −6 2 0 −2 −6 2 0 −2 −6 2
1
L2 → L2 − 3L1 L2 → L2 L3 → L3 + 2L2
3
Continuação:
   
1 0 −1 0 1 0 −1 0
2 
1 0 0 −
 1   1   3 
 0 1 1 ∼ 0 1 1
    
∼ 0 1 0 1

 3   3   
2

8 2
   
0 0 −4 0 0 1 − 0 0 1 −
3 3 3
1
L3 → − L3 L1 → L1 + L3
4 L2 → L2 − L3
Resolvendo o sistema correspondente à matriz escalonada, temos:


 x1 = −2/3


x2 = 1


x3 = −2/3

T
→ → → 2 2
Logo, a solução de A x = b é x = − 1 − .
3 3
Teorema 11
Seja [C d] uma matriz na forma escalonada com p linhas não nulas, tal
que p < n e C ∈ Mm×n . Se o número de linhas não nulas de C e [C d]
são iguais, então Cx = d possui infinitas soluções.
Teorema 12
Seja C ∈ Mm×n . Se [C d] está na forma escalonada e o número de
linhas não nulas das matrizes C e de [C d] são iguais e coincide com n,
então o sistema Cx = d possui uma única solução.
Teorema 13
Sejam C ∈ Mm×n e de [C d] ∈ Mm×(n+1) matrizes na forma
escalonada. Se o número de linhas não nulas de C é menor que o
número de linhas não nulas de [C d], então Cx = d não possui solução.

Definição 33
Sejam C e C ′ matrizes escalonadas equivalentes por linhas à A. O
número de linhas não nulas de C e C ′ é o mesmo e esse número recebe
o nome de posto de A. Notação: posto(A).
Observação 10
→ →
Seja [C d] uma matriz escalonada e C x = d um sistema linear com
infinitas soluções. Se C (j) não possui pivô, então xj é uma variável
livre.
As variáveis livres aparecem na solução geral do sistema como

parâmetros, podendo assumir qualquer valor real. Consequentemente,
se um sistema com variável livre tem solução, ele terá infinitas soluções.

Exemplo 48
→
Encontre a matriz escalonada reduzida equivalente à [A b ]:
 
0 1 2 −2
 
.
 1 1 2 1 

−2 −1 −2 −4
→ →
Em seguida, resolva o sistema linear A x = b .
Solução:
     
0 1 2 −2 1 1 2 1 1 1 2 1
     
∼ 0  ∼ 0 1 2 −2 ∼
2 −2
 1 1 2 1  1  

−2 −1 −2 −4 −2 −1 −2 −4 0 1 2 −2
L1 ↔ L2 L3 → L3 + 2L1 L3 → L1 − L2
L3 → L3 − L2
Continuação:
 
1 0 0 3
  →
 = [C d ]
−2
0 1 2

0 0 0 0
→ → →
Observe que posto(C)=posto([C d ])=2, logo o sistema C x = d possui
solução. Como o número de incógnitas é 3 e 2 < 3, o sistema tem infinitas
soluções, pois possui variável livre. A variável livre é x3 , pois a coluna C (3)
não possui pivô. Adotaremos x3 = t, t ∈ R.
→ →
Resolvendo o sistema C x = d , temos:
 
 x1 = 3  x1 = 3

 

x2 + 2x3 = −2 ⇒ x2 = −2 − 2t

 

x3 = t x3 = t
 
→ → →
Logo, x = [3 − 2 − 2t t]T é a solução de A x = b .
Exemplo 49
→
 
2 2 −6 8
 
 −3 −6 18 15  .
 
0 1 −3 2
→ →
Solução:
     
2 2 −6 8 1 1 −3 4 1 1 −3 4
     
−3 −6 18 15 ∼ −3 −6 18 15 ∼ 0 −3
     ∼
9 27
0 1 −3 2 0 1 −3 2 0 1 −3 2
1 1
L1 → L1 L2 → L2 + 3L1 L2 → − L2
2 3

Continuação:
   
1 1 −3 4 1 0 0 13
   
0 1
 −3 −9 ∼ 0 1
  −3 −9

0 1 −3 2 0 0 0 11
L1 → L1 − L2
L3 → L3 − L2
→ → →
Observe que posto(C)̸= posto([C d ]), logo o sistema C x = d não possui
solução.

Exemplo 50
→
 
1 2 0 5
 
 4 3 1 4 .
 
2 1 1 2
→ →
Solução:
     
1 2 0 5 1 2 0 5 1 2 0 5
     
4 3 1 4 ∼ 0 −5 1 −16 ∼ 0 1 16  ∼
     1 − 5 5
2 1 1 2 0 −3 1 −8 0 −3 1 −8
L2 → L2 − 4L1 L2 → − 15 L2 L1 → L1 − 2L2
L3 → L3 − 2L1 L3 → L3 + 3L2
Continuação:
    
2
1 0 5 − 75 1 0 2
5 − 75 1 0 0 −3
      →
0 1 − 1 16  ∼ 
− 15 16  ∼ 
 5 5 0 1 5 0 1 0  = [C d ]
4
2 8
0 0 5 5 0 0 1 4 0 0 1 4
L3 → 52 L3 L1 → L1 − 25 L3
L2 → L2 + 15 L3
→
Como posto(C)= posto([C d ])=3 e existem 3 variáveis, concluı́mos que
→ →
C x = d possui uma única solução.
→ →

 x1 = −3


⇒ x2 = 4


x3 = 4

→ → →
Logo, a solução do sistema A x = b é x = [−3 4 4]T .
Exemplo 51
→
 
2 1 4 3 −3
 
 1 1 3 3 −1  .
 
2 0 2 0 −4
→ →
Solução:
     
2 1 4 3 −3 1 1 3 3 −1 1 1 3 3 −1
     
1 1 3 3 −1 ∼ 2 1 4 3 −3 ∼ 0 −1 −2 −3 −1 ∼
     
2 0 2 0 −4 2 0 2 0 −4 0 −2 −4 −6 −2
L1 ↔ L2 L2 → L2 − 2L1 L2 → −L2
L3 → L3 − 2L1
Continuação:
   
1 1 3 3 −1 1 0 1 0 −2
    →
 ∼ 0 1 2 3  = [C d ]
0 1 2 3 1  1

0 −2 −4 −6 −2 0 0 0 0 0
L1 → L1 − L2
L3 → L3 + 2L2
→ → →
O sistema C x = d tem solução, pois posto(C)= posto([C d ])=2. Como
existem 4 variáveis e 2 < 4, existem duas variáveis livres (infinitas soluções).
Como as colunas C (3) e C (4) não possuem pivô, as variáveis x3 e x4 são livres.

Continuação:
→ →
 


 x 1 + x 3 = −2 

 x1 = −2 − x3
 
1 − 2x3 − 3x4

 x + 2x + 3x = 1 
 x
2 3 4 2 =
⇒


 x 3 = s 

 x 3 = s

 

 x = t  x4 = t
4
Pela retro-substituição, temos:




 x1 = −2 − s

1 − 2s − 3t

 x
2 =
⇒
 x3 = s




 x = t
4
→ → →
Logo, x = [−2 − t 1 − 2s − 3t s t]T é a solução de A x = b .

Exemplo 52
→
 
2 −2 5 1 0
 
 −3 3 −6 4 0 .
 
1 −1 2 −1 0
→ →
Solução:
     
2 −2 5 1 0 1 −1 2 −1 0 1 −1 2 −1 0
     
−3
 3 −6 4 0 ∼ −3
  3 −6 4 0 ∼ 0
  0 0 1 ∼
0
1 −1 2 −1 0 2 −2 5 1 0 0 0 1 3 0
L1 ↔ L3 L2 → L2 + 3L1 L2 ↔ L3
L3 → L3 − 2L1

Continuação:
     
1 −1 2 −1 0 1 −1 0 −7 0 1 −1 0 0 0
      →
 ∼ 0  ∼ 0  = [C d ]
0 0 1 3 0  0 1 0 0  0 1 0 0

0 0 0 1 0 0 0 0 1 0 0 0 0 1 0
L1 → L1 − 2L2 L1 → L1 + 7L3
→ → →
O sistema C x = d tem solução, pois posto(C)= posto([C d ])=3. Como
existem 4 variáveis e 3 < 4, existe uma variável livre (infinitas soluções).
Como a coluna C (2) não possuem pivô, a variável x2 é livre.

Continuação:
→ →
 


 x 1 − x 2 + 2x 3 = 0 

 x1 = x2 − 2x3

 

 x = t  x2 = t
2
⇒
x = 0 x3 = 0
 3

 

 


 x 
4 = 0  x4 = 0
Pela retro-substituição, temos: 


 x1 = t


 x2 = t
⇒


 x3 = 0


 x4 = 0
→ → →
Logo, x = [t t 0 0]T é a solução de A x = b .
→
Observe que considerando t = 0, temos a solução trivial x = [0 0 0 0]T ,
que sempre é solução do sistema linear homogêneo.

14. Classifique as matrizes abaixo em escalonada, escalonada reduzida, ambas ou

nenhuma.
     
1 2 0 1 0 0 1 3 0 0
     
(a) 
 0 1 0 
 (b) 
 0 1 0 
 (c) 
 0 0 1 2 

0 0 0 0 2 0 0 0 0 0
   
0 0 1 −3 4 7 " #
    1 0 0 1
(d) 
 0 0  (e) 
 0 1 2 2  (f )
1 1 0 0
 
0 0 0 0 1 5
   
1 −1 0 1 1 0 0
   
(g) 
 0 1 0 1 
 (h)  1
 1 0 

0 0 1 0 0 2 1
15. Quais das matrizes abaixo são escalonadas reduzidas?  
    1 0 1 5
1 0 0 1 1 0 0 6  
     0
 1 4 −1 
(a) 
 0 1 0  (b)  0 1 −2 4  (c) 
5    

 0 0 0 0 
0 0 1 −6 0 0 0 0  
0 0 0 0
" #
1 3 0 1
(d)
0 1 −2 6

16. Classifique cada afirmação em verdadeira (V) ou falsa (F):
(a) Toda matriz escalonada reduzida é também escalonada.

(b) Toda matriz escalonada é também escalonada reduzida.
(c) A ∈ Mm×n é equivalente por linhas a apenas uma matriz
escalonada.
(d) A ∈ Mm×n é equivalente por linhas a apenas uma matriz
escalonada reduzida.
17. Encontre
 uma matriz escalonada
 equivalente por linhas
 às matrizes
 abaixo: 
1 0 −1 0 3 6 3 3 −1 −1 1 −10
     
(a) 
 3 3 0  (b)  2 4 −3
1   2  (c)  3
 3 5 6 

0 −2 −6 2 1 2 1 −1 1 1 2 1

18. Encontre
 uma matriz escalonada
 reduzida equivalente por
 linhas às matrizes
 abaixo:
1 2 3 0 3 6 3 3 1 1 1 1
    
(a) 
 2 −1 1 0 
 (b)  2 4 −3
 2  1 0
 0 1  
3 0 −1 0 1 2 1 −1 1 2 1 0
→ → →
19. Resolva os sistemas lineares A x = b correspondentes às matrizes aumentadas [A b ]
dadas no exercı́cio 17.
20. Mostre que para o sistema linear


 x + y + 2z = a


x+z =b


 2x + y + 3z = c
ser consistente, devemos ter c = a + b.

(
x−y =3
21. Considere o sistema linear . Para quais valores de k o sistema tem:
2x − 2y = k
(a)Uma única solução (b)Infinitas soluções (c)Não possui solução

(
(λ − 3)x + y = 0
22. Para quais valor(es) de λ o sistema linear tem soluções não
x + (λ − 3)y = 0
triviais? 
 x + 2y − 3z = 4


23. Considere o sistema linear 3x − y + 5z = 2 . Para quais valores de a o

 4x + y + (a2 − 14)z = a + 2

sistema tem:
(a) Uma única solução. (b) Infinitas soluções. (c) Não possui solução.

 x + 2y + z = 2


24. Considere o sistema linear 2x − 2y + 3z = 1 . Para quais valores de m o

 x + 2y − (m2 − 3)z = m

sistema tem:
(a) Uma única solução. (b) Infinitas soluções. (c) Não possui solução.
25. Encontre
  os escalares
 k1 , k2e k3 que 
satisfazem

1 0 2 4
       
k1 
 0  + k2  1  + k3 
    1  =  8 .
 
3 2 0 4
→ →
26. Resolver
 os sistemas lineares A x = b abaixo usando escalonamento de matrizes:


 3x1 − x2 + 2x3 = −1
(a) 2x1 + x2 = 3


 2x1 − 4x2 − 2x3 = −4



 x1 − 2x2 + x3 = 0
(b) 2x2 − 8x3 = 8


 − 4x + 5x2 + 9x3 = −9
1



 x2 − 4x3 = 8
(c) 2x1 − 3x2 + 2x3 = 1


 5x
1 − 8x2 + 7x3 = 1



 2x1 + 2x2 − x3 = 1
(d) 3x1 + x2 − 3x3 = 1


 − 2x − x2 + x3 = 0
1

 x1

 + 2x2 + x3 = −1
(e) 3x1 + 6x2 + 3x3 + x4 = 3


 2x
1 + 4x2 − 3x3 − x4 = 2
→ →
26. Resolver os sistemas lineares A x = b abaixo usando escalonamento de matrizes:



 x1 + 2x2 + x3 = 0
(f) 3x1 + 6x2 + 3x3 + x4 = 0


 2x1 + 4x2 + 2x3 + x4 = 0

 2x1 + x2 = 1


(g) 3x1 + 2x2 + x3 = −1


 5x + 3x2 + x3 = 1
1
(
x1 − x2 + 2x3 + x4 − 3x5 = 1
(h)
− 2x1 + x2 − x4 + x5 = 2
27. Use
 a regra de Cramer para resolver o sistema linear:
 2x + y = 2


−1x + y + 2z = 0


 x − z = 1

Matriz inversa
Matriz Inversa

Matriz inversa
Definição 34
Uma matriz An×n possui inversa se existir Bn×n tal que
AB = BA = In , neste caso, B é a inversa de A.
Observação 11
Se An×n possui inversa, podemos dizer que ela é inversı́vel. Caso
contrário, dizemos que ela é singular.

Matriz inversa
Exemplo 53
   
3 −1 2 1
Mostre que B =   é inversa de A =  .
−5 2 5 3
Solução: Basta calcular AB e BA:

    
2 1 3 −1 1 0
AB =   = 
5 3 −5 2 0 1
e     
3 −1 2 1 1 0
BA =   = 
−5 2 5 3 0 1
Como AB = BA = I, concluı́mos que B é inversa de A. Também

podemos afirmar que A é inversa de B.
Matriz inversa
Teorema 14
Se An×n é inversı́vel, então sua inversa é única.
Observação 12
Se An×n possui inversa, então existe uma única inversa, a qual
denotaremos por A−1 .
Teorema 15
→ →
Se An×n é inversı́vel, então A x = b tem uma única solução para cada
→ → →
b ∈ Rn , a qual é dada por x = A−1 b .

Matriz inversa
Teorema 16
Se A, B ∈ Mn×n são inversı́veis e 0 ̸= k ∈ R, então:
(a) An é inversı́vel e (An )−1 = (A−1 )n para todo n ∈ N.

−1 1
(b) (kA) = A−1 .
k
(c) AB é inversı́vel e (AB)−1 = B −1 A−1 .
(d) AT é inversı́vel e (AT )−1 = (A−1 )T .
Observação 13
Se A1 , A2 , · · · , An são inversı́veis, então:
−1 −1
(A1 A2 · · · An )−1 = A−1n · · · A2 A1

Matriz inversa
Teorema 17
A matriz An×n é inversı́vel se, e somente se, posto(A) = n.
Corolário 1
A matriz An×n é inversı́vel se, e somente se, A é linha equivalente com
a identidade, isto é, A ∼ In .
As demonstrações dos resultados acima exigem outros resultados

auxiliares e podem ser consultadas no livro [1] das referências
bibliográficas.

Matriz inversa
Dedução do método para obter a inversa
Considere o caso particular onde A tem ordem 3 × 3:

 
a11 a12 a13
 
A=  a21 a22 a23 

a31 a32 a33
Queremos encontrar os elementos xij que definem a inversa de A:
 
x11 x12 x13
A−1 = B = 
 
 x21 x22 x23 

x31 x32 x33

Pela definição de inversa e de produto por coluna, temos:
AB = I ⇒ [AB (1) AB (2) AB (3) ] = [I (1) I (2) I (3) ]

Matriz inversa
Usando a igualdade de matrizes na equação
[AB (1) AB (2) AB (3) ] = [I (1) I (2) I (3) ],
temos as seguintes equações lineares:
AB (1) = I (1)
AB (2) = I (2) ,
AB (3) = I (3)
cujas variáveis são os elementos xij que definem as colunas:
B (1) , B (2) e B (3) .
Cada equação correspondente a um sistema linear com matriz de

coeficientes A e será resolvido pelo escalonamento de Gauss-Jordan.
Matriz inversa
Como A é inversı́vel, A é linha equivalente com a identidade, escalonando a matriz

aumentada de cada sistema, devemos ter:
      
a11 a12 a13 | 1 1 0 0 | b11 x11 b11
AB (1) = I (1) ⇒ 
       
∼ 0
| |  ⇒ x21  = b21 
 a21 a22 a23 0  1 0 b21

    
a31 a32 a33 | 0 0 0 1 | b31 x31 b31
      
a11 a12 a13 | 0 1 0 0 | b12 x12 b12
AB (2) = I (2) ⇒ 
       
∼ 0
| |  ⇒ x22  = b22 
 a21 a22 a23 1  1 0 b22

    
a31 a32 a33 | 0 0 0 1 | b32 x32 b32
      
a11 a12 a13 | 0 1 0 0 | b13 x13 b13
AB (1) = I (3) ⇒ 
       
∼ 0
| |  ⇒ x23  = b23 
 a21 a22 a23 0  1 0 b23

    
a31 a32 a33 | 1 0 0 1 | b33 x33 b33

Matriz inversa
Nos três escalonamentos acima foram utilizadas as mesmas operações

elementares. Dessa forma, podemos aplicá-las simultaneamente considerando
as três colunas de termos independentes, isto é:
   
a11 a12 a13 | 1 0 0 1 0 0 | b11 b12 b13
   
AB = I ⇒  a21
 a22 a23 | 0 1 0  ∼  0 1 0
  | b21 b22 b23 

a31 a32 a33 | 0 0 1 0 0 1 | b31 b32 b33
Logo, podemos concluir que:

 
b11 b12 b13
A−1 = 
 
 b21 b22 b23 

b31 b32 b33
é obtida aplicando na matriz identidade I a mesma sequência de operações
elementares necessárias para obter a matriz identidade equivalente por linhas
à A (Algoritmo de Gauss-Jordan).
Matriz inversa
Método para Obter a Inversa

Seja matriz An×n uma matriz inversı́vel e I a identidade de ordem n × n. A
inversa de A pode ser obtida com o seguinte método:
(a) Considere a matriz aumentada [A I].
(b) Aplique a eliminação de Gauss-Jordan na matriz [A I].
(c) A matriz obtida será [I A−1 ].
(d) Quando A não for linha equivalente com a identidade, ela não possui
inversa.

Matriz inversa
Exemplo 54
 
1 2 3
 
 2 5 3 .
Encontre a inversa da matriz A =  
1 0 8
Solução: Aplicaremos operações elementares em [A I] com o objetivo

de obter a forma escalonada reduzida equivalente à A:
     
1 2 3 1 0 0 1 2 3 1 0 0 1 0 9 5 −2 0
     
2
 5 3 0 1 0 ∼ 0
  1 −3 −2 1 0 ∼ 0
  1 −3 −2 1 ∼
0
1 0 8 0 0 1 0 −2 5 −1 0 1 0 0 −1 −5 2 1
L2 → L2 − 2L1 L1 → L1 − 2L2 L3 → −L3
L3 → L3 − L1 L3 → L3 + 2L2

Matriz inversa
Continuação:
   
1 0 9 5 −2
0 1 0 0 −40 16 9
   
0 1
 −3 −2 1  ∼ 0 1 0
0  13 −5  = [I
−3 A−1 ]
0 0 1 5 −2 −1 0 0 1 5 −2 −1
L1 → L1 − 9L3
L2 → L2 + 3L3
Como A ∼ I, consequentemente, I ∼ A−1 , isto é:

 
−40 16 9
−1
 
A =  13 −5 −3


5 −2 −1

Matriz inversa
Exemplo 55
 
1 6 4
 
Mostre que a matriz A = 
  não possui inversa.
2 4 −1 
−1 2 5
Solução: Aplicaremos operações elementares em [A I] com o objetivo

de obter a forma escalonada reduzida equivalente à A:
   
1 6 4 1 0 0 1 6 4 1 0 0
   
[A I] = 
 2 4 −1 0 1 0 ∼ 0
  −8 −9 −2 1 ∼
0
−1 2 5 0 0 1 0 8 9 1 0 1
L2 → L2 − 2L1 L3 → L3 + L2
L3 → L3 − L1

Matriz inversa
Continuação:
 
1 6 4 0 1 0
 
 = [C D]
−8 −9 −2 1 0
0

0 0 0 0 0 0
L2 ↔ L3 + L2
Como a última linha de C é nula, já podemos ter certeza que a matriz
identidade I não é equivalente por linhas à A. Logo, A não possui inversa.

Matriz inversa Exercı́cios

 
a b
28. Mostre que se ad − bc ̸= 0, então a matriz A =   é invertı́vel e sua
c d
 
−1 1 d −b
inversa é A =  .
ad − bc −c a
 
cos(θ) sen(θ)
29. Encontre a inversa da matriz A =  , sendo θ um
−sen(θ) cos(θ)
número real arbitrário.
 
2 1
30. Seja A =   . Calcule (A−1 )2 .
1 4
31. Obtenha a inversa da matriz 2AAT , sabendo que A é inversı́vel.

32. Encontre a inversa das matrizes abaixo usando o algoritmo de

 Gauss-Jordan:
    2 0 0 −1
  1 0 0 1 4 2  
1 0      2 1 0 0
(a)   (b) 0 −2
 (c) 0 4
0  (d)
0
  
 
0 −1 −1 0 1 1
 
0 0 −3 0 2 1
 
0 0 2 3
   
2 1 1 −3
33. Use as matrizes A =  eB=  para verificar quer:
−1 3 0 4
(a) (A−1 )−1 = A (b) (B T )−1 = (B −1 )T (c) (AB)−1 = B −1 A−1
 
a 0 0 0
 
 0 b 0 0 
34. Encontre a inversa da matriz  , sabendo que
 
 0 0 c 0 
 
0 0 0 d
a, b, c, d ∈ R − {0}.

Determinante
Determinante

Determinante
O determinante é uma função que a cada matriz quadrada An×n

retorna um único número real, o qual é usualmente denotado por
det(A).
Definição 35
O determinante de uma matriz A = [a11 ] é det(A) = a11 .
Exemplo 56
O determinante das seguintes matrizes é:
(a) A = [12] ⇒ det(A) = 12
(b) A = [−8] ⇒ det(A) = −8

Determinante
Observação 14
O determinante de uma matriz An×n de elementos aij também pode
a11 a12 · · · a1n
a21 a22 · · · a1n
ser denotado por: .
... ... ...
an1 an2 · · · ann
Definição 36
O determinante de uma matriz de ordem 2 × 2 é definido por:
a11 a12
= a11 a22 − a12 a21
a21 a22

Determinante
Observação 15
O determinante da matriz de ordem 2 × 2 coincide com P − S, onde:
P é o produto dos elementos da diagonal principal.
S é o produto dos elementos da diagonal secundária.

 
a11 a12
 
a21 a22
S P
Exemplo 57
4 −1
(a) = 4(6) − (3)(−1) = 27
3 6
−3 5
(b) = −3(2) − 5(2) = −16
1 2

Determinante
Definição 37 (Expansão em cofatores ao longo da primeira coluna)

O determinante de uma matriz An×n , com n ≥ 2, é definido por:
n
X
det(A) = ai1 Ci1 , (6)
i=1
onde:
Ci1 = (−1)i+1 det(A

ei1 ) é o cofator do elemento ai1 .
ei1 ∈ M(n−1)×(n−1) , chamada de submatriz de ai1 é obtida

A
retirando a i-ésima linha e primeira coluna de A.
det(A
ei1 ) pode ser calculado.

Determinante
Teorema 18 (Teorema de Laplace)

O determinante de An×n pode ser calculado usando a expansão em
cofatores ao longo de qualquer linha de A, isto é:
n
X
det(A) = ai1 Ci1 + ai2 Ci2 + · · · + ain Cin = aij Cij
j=1
ou ao longo de qualquer coluna, isto é:

n
X
det(A) = a1j C1j + a2j C2j + · · · + a2j C2j = aij Cij .
i=1

Determinante
Exemplo 58
 
a11 a12
Calcule o determinante da matriz A =   usando a
a21 a22
expansão em cofatores ao longo da primeira linha.
Solução: As submatrizes de a11 e a12 são:

 
a a
 11 12  ⇒ A e11 = [a22 ] ⇒ det(A
e11 ) = a22
a21 a22
 
a11 a12
 ⇒A
e12 = [a21 ] ⇒ det(A
e12 ) = a21
a21 a22
Logo,
det(A) = a11 (−1)1+1 det(A
e1 ) + a12 (−1)1+2 det(A
e12 ) = a11 a22 − a12 a21
Determinante
Exemplo 59
 
a11 a12 a13
 
Calcule o determinante da matriz A =  a21 a22 a23  usando a

a31 a32 a33

expansão em cofatores ao longo da primeira linha.
Solução: O determinante por expansão em cofatores ao longo da

primeira linha de A é:
det(A) = a11 (−1)1+1 det(A

e11 ) + a12 (−1)1+2 det(A
e12 ) + a13 (−1)1+3 det(A
e13 )
e11 ) − a12 det(A

det(A) = a11 det(A e12 ) + a13 det(A
e13 ) (7)
Vamos calcular os determinantes das submatrizes A

e11 , A
e12 e A
e13 :

Determinante
Continuação:
 
a11 a12 a13
  a22 a23
 a21 a22 a23  ⇒ det(A
e11 ) = = a22 a33 − a32 a23
a32 a33
 
a31 a32 a33
 
a11 a12 a13
  a21 a23
 a21 a22 a23  ⇒ det(A
e12 ) = = a21 a33 − a31 a23
a31 a33
 
a31 a32 a33
 
a11 a12 a13
  a21 a22
 a21 a22 a23  ⇒ det(A
e13 ) = = a21 a32 − a31 a22
a31 a32
 
a31 a32 a33

Determinante
Continuação:
Substituindo det(A
e11 ), det(A
e12 ) e det(A
e13 ) em (7), temos:
det(A) = a11 (a22 a33 − a32 a23 ) − a12 (a21 a33 − a31 a23 ) + a13 (a21 a32 − a31 a22 )
= (a11 a22 a33 + a12 a23 a31 + a13 a21 a32 ) − (a31 a22 a13 + a32 a23 a11 + a33 a21 a12 ).
A expressão obtida acima, difı́cil de ser memorizada, é o determinante

da matriz de ordem 3 × 3. Existe uma regra prática, chamada Regra de
Sarrus (lê-se: Sarri), que nos ajuda a chegar a esse valor.

Determinante
REGRA DE SARRUS
O determinante da matriz A3×3 é:
det(A) = (P1 + P2 + P3 ) − (S1 + S2 + S3 )
onde Pi e Si são os produtos dos elementos das diagonais do diagrama
abaixo:
S1 S2 S3
 
a11 a12 a13 a11 a12
 
 a21 a22 a23  a21 a22
 
a31 a32 a33 a31 a32
P1 P2 P3

Determinante
Exemplo 60
 
1 0 2
 
Calcule o determinante da matriz A = 
 .
1 −3 −1 
−1 0 2
Solução: Usando a regra de Sarrus, temos:

S1 S2 S3
 
1 0 1 0 2
 

 1 −3 −1 
 1 −3
−1 0 2 −1 0
P1 P2 P3
det(A) = (P1 +P2 +P3 )−(S1 +S2 +S3 ) = (−6+0+0)−(6+0+0) = −12

Determinante
Exemplo 61
 
−2 −1 1
 
Calcule o determinante da matriz A = 
 3 .
0 1 
5 1 2
Solução: Usando a regra de Sarrus, temos:

S1 S2 S3
−2 −1 1 −2 −1
3 0 1 3 0
5 1 2 5 1
P1 P2 P3
det(A) = (P1 + P2 + P3 ) − (S1 + S2 + S3 ) = (0 − 5 + 3) − (0 − 2 − 6) = 6

Determinante
Exemplo 62
A regra de Sarrus só se aplica à matrizes de ordem 3 × 3!
Exemplo 63
 
1 −1 0 3
 
 2 1 −1 3 
Calcule o determinante da matriz A =  .
 
 −2 −1 0 1 
 
1 −1 4 1
Solução: Usaremos a expansão em cofatores ao longo da terceira

coluna, por ser a que tem mais termos nulos.

Determinante
det(A) = a13 (−1)1+3 det(A

e13 ) + a23 (−1)2+3 det(A
e23 )
+a33 (−1)3+3 det(A

e33 ) + a43 (−1)4+3 det(A
e43 )
det(A) e) − 1(−1)det(A

0(1)det(
= e
A 13
e23 ) + 0(1)det(
A33 ) + 4(−1)det(A43 )
e
det(A) = e23 ) − 4det(A

det(A e43 ) (8)
Vamos calcular os determinantes das submatrizes A

e23 e A
e43 .

Determinante
Continuação:
 
1 −1 0 3
  1 −1 3
 2 1 −1 3 
 ⇒ det(A
e23 ) = −2 −1 1 =6
 

 −2 −1 0 1 
1 −1 1
 
1 −1 4 1
 
1 −1 0 3
  1 −1 3
 2 1 −1 3 
 ⇒ det(A
e43 ) = 2 1 3 = 12
 

 −2 −1 0 1 
−2 −1 1
 
1 −1 4 1

Determinante
Continuação:
Substituindo det(A e43 ) = −6 em (8), temos:
e23 ) = 6 e det(A
e23 ) − 4det(A
det(A) = det(A e43 )
det(A) = 6 − 4(12) = −42.

Determinante
PROPRIEDADES DOS DETERMINANTES
Teorema 19
Se A ∈ Mn×n tem uma linha ou coluna nula, então det(A) = 0.
Exemplo 64
1 3 4
(a) 0 0 0 =0
−1 2 1
1 3 0
(b) 2 1 0 =0
−4 6 0

Determinante
Teorema 20
Se A ∈ Mn×n , então det(A) = det(AT ).
Exemplo 65
Se
a b c
d e f = k,
g h i
então
a d g
b e h =k
c f i

Determinante
Teorema 21
Se A ∈ Mn×n e A(j) são as colunas de A, então
det([A(1) · · · αA(k) · · · A(n) ]) = αdet([A(1) · · · A(k) · · · A(n) ]) = αdet(A).
O mesmo é válido se uma linha é múltipla de α.
Exemplo 66
a −2b c a b c
(a) d −2e f = −2 d e f
g −2h i g h i
a b c a b c
(b) 3d 3e 3f =3 d e f
g h i g h i

Determinante
Teorema 22
Se A′ ∈ Mn×n é obtida permutando duas linhas ou duas colunas de
A ∈ Mn×n , então det(A′ ) = −det(A).
Exemplo 67
a b c g h i
(a) d e f =− d e f
g h i a b c
L1 ↔ L3
a b c a c b
(b) d e f =− d f e
g h i g i h
C2 ↔ C3
Determinante
Teorema 23
Se An×n possui duas linhas ou duas colunas iguais, então det(A) = 0.
Exemplo 68
a b c
(a) d e f =0
a b c
a b b
(b) c d d =0
e f f

Determinante
Teorema 24
Se A ∈ Mn×n possui uma linha ou coluna múltipla da outra, então
det(A) = 0.
Exemplo 69
a b c
(a) d e f =0
αa αb αc
a αa b
(b) c αc d =0
e αe f

Determinante
Teorema 25
Se A′n×n é obtida com a operação Li → Li + αLj sobre as linhas de An×n ,
então det(A′ ) = det(A). O mesmo vale para a operação Ci → Ci + αCj sobre
as colunas de An×n .
Exemplo 70
a b c a b c
(a) d e f = d + αa e + αb f + αc
g h i g h i
L2 → L2 + αL1
a b c a b c + αb
(b) d e f = d e f + αe
g h i g h i + αh
C3 → C3 + αC2
Determinante
Teorema 26
Se A, B, C ∈ Mn×n só se diferem na r-ésima linha e A(r) = B(r) + C(r) ,
então det(A) = det(B) + det(C). O mesmo vale para colunas.
Exemplo 71
a b c a b c a b c
(a) d e f = d e f + d e f
g+j h+k i+l g h i j k l
a b c+j a b c a b j
(b) d e f +k = d e f + d e k
g h i+l g h i j k l

Determinante
Teorema 27
Se An×n é uma matriz triangular, então det(A) = a11 a22 . . . ann .
Exemplo 72
a b c d
0 e f g
(a) = aehj
0 0 h i
0 0 0 j
a 0 0
(b) 0 b 0 = abc
0 0 c

Determinante
DETERMINANTE DO PRODUTO
Teorema 28
Se A, B ∈ Mn×n , então det(AB) = det(A)det(B).
Exemplo 73
Sabendo que det(A) = α e det(B) = β, então det(AB) = αβ.

Determinante
DETERMINANTE POR ESCALONAMENTO
O determinante por escalonamento consiste em calcular o determinante de

An×n utilizando os Teoremas 21, 22 e 25 a fim de obter uma matriz
triangular.
Teorema 21: Se A ∈ Mn×n e A(j) são as colunas de A, então

det([A(1) · · · αA(k) · · · A(n) ]) = αdet([A(1) · · · A(k) · · · A(n) ]) = αdet(A). O
mesmo é válido se uma linha é múltipla de α.
Teorema 22: Se A′ ∈ Mn×n é obtida permutando duas linhas ou duas

colunas de A ∈ Mn×n , então det(A′ ) = −det(A).
Teorema 25: Se A′n×n é obtida com a operação Li → Li + αLj sobre as

linhas de An×n , então det(A′ ) = det(A). O mesmo vale para a operação
Ci → Ci + αCj sobre as colunas de An×n .

Determinante
Exemplo 74
Veja a seguir o cálculo de um determinante por escalonamento:
3 5 −2 6 1 2 −1 1 1 2 −1 1
1 2 −1 1 3 5 −2 6 0 −1 1 3
=− =− =
2 4 1 5 2 4 1 5 0 0 3 3
3 7 5 3 3 7 5 3 0 1 8 0
L1 ↔ L2 L2 → L2 − 3L1 L4 → L4 + L2
L3 → L3 − 2L1
L4 → L4 − 3L1

Determinante
Continuação:
1 2 −1 1 1 2 −1 1
0 −1 1 3 0 −1 1 3
=− =− = −(1(−1)3(−6)) = −18
0 0 3 3 0 0 3 3
0 0 9 3 0 0 0 −6
L4 → L4 − 3L3

Determinante
Observação 16
O método do escalonamento pode ser combinado à expansão em
cofatores no mesmo cálculo de determinante. Nesse caso, o objetivo é
escolher uma linha ou coluna, zerar a maior quantidade de termos
para, em seguida, aplicar a expansão em cofatores.

Determinante
Exemplo 75
Calcule o determinante abaixo utilizando operações elementares e
expansão em cofatores:
3 5 −2 6 0 −1 1 3
−1 1 3
1 2 −1 1 1 2 −1 1
= = 1(−1)2+1 0 3 3 = −18
2 4 1 5 0 0 3 3
1 8 0
3 7 5 3 0 1 8 0
Usar regra de Sarrus
L1 → L1 − 3L2
L3 → L3 − 2L2
L4 → L4 − 3L2

Determinante
Teorema 29
Uma matriz An×n é inversı́vel se, e somente se, det(A) ̸= 0.
Exemplo 76
 
a+1 1 3
 
Encontre os valores de a para que a matriz A = 
 0 a 1 

1 −1 a − 1
seja inversı́vel.
Solução: Pela regra de Sarrus:

det(A) = a3 − 3a + 2
As raı́zes da equação det(A) = 0 são: a = −2 e a = 1.
Para que A seja inversı́vel, devemos ter: det(A) ̸= 0.
Logo, A é inversı́vel se a ̸= −2 e a ̸= 1.
Determinante
REGRA DE CRAMER
Teorema 30
→ →
Seja A x = b um sistema linear com A ∈ Mn×n . Se det(A) ̸= 0, então
→ →
A x = b tem uma única solução composta por
det(A[j] )
xj = , j = 1, . . . , n,
det(A)
→
onde A[j] denota a matriz obtida de A substituindo a coluna A(j) por b

Determinante
Exemplo 77
→ →
Use a regra de Cramer para resolver o sistema A x = b dado por:

 3x1 + x2 = 2
 − 2x1 + x2 = −4
 
3 1
Solução: A =   ⇒ det(A) = 3(1) − (1)(−2) = 5 ̸= 0.
−2 1
 
2 1 [1]
A[1] =   ⇒ det(A[1] ) = 2(1) − 1(−4) = 6 ⇒ x1 = det(A ) = 6 .
−4 1 det(A) 5
 
3 2 [2]
A[2] =   ⇒ det(A[2] ) = 3(−4) − 2(−2) = −8 ⇒ x2 = det(A ) = − 8 .
−2 −4 det(A) 5
 
→ 6/5
Logo, x =  .
−8/5
Determinante Exercı́cios

35. Calcule o determinante das matrizes abaixo usando expansão em cofatores.

 3   
− 2 −1 0 4
2
(a) A =  .
   
1 (c) C =  0 5 .
7 
−1

5 4 7 1
 
  1 0 −1 4
1 0 0  

(b) B = 
  0 2 1 1 
 30 2 .
0  (d) D =  .
 
 2 1 2 3 
41 −7 4  
−1 2 −1 0
36. Calcule o determinante das matrizes abaixo usando a Regra de Sarrus:

 1   √ 
5 1 2 2 0
 2   
  (b) 
 3 −2 1 
(a)  −1 −1 0  √
  
  2 1 3
1
 
2 − 3
3
37. Classifique as afirmações abaixo em verdadeira (V) ou falsa (F). Justifique.
(a) Se A, B ∈ Mn×n , então det(A + B) = det(A) + det(B).

(b) Se A ∈ Mn×n e α ∈ R, então det(αA) = αn det(A).
(c) Se A ∈ M3×3 e det(A) = −2, então det(4A) = −128.
(d) Se A ∈ Mn×n é uma matriz triangular superior, então
det(A) = a11 a22 · · · ann .
(e) Se A é uma matriz identidade, então det(A) = 1.
39. Calcule o determinante das matrizes abaixo usando operações elementares.

   
1 0 −1 4 1 0 0 −1
   
 0 2 1 1   3 1 2 2 
(a) A =  (b) B = 
   
 

 2 1 2 3 

 1
 0 −2 1 

−1 2 −1 0 2 0 0 1

a b c
38. Calcule o determinante das matrizes abaixo sabendo que d e f = 5.
g h i
   
a b c d e f
   
(a) A =  3d 3e 3f
 
 (c) C =  g
 h i 

g h i a b c
(b) B =
   
a b c a d g
   
3d − 2a 3e − 2b
 3f − 2c
 (d) D = 
 b e h 

g h i c f i
40. Calcule o determinante das matrizes abaixo usando o método combinado de

operações elementares e cofatores.
   
1 0 −1 4 1 0 0 −1
   
 0 2 1 1   3 1 2 2 
(a) A =  (b) B = 
   
 
 2 1
 2 3 

 1
 0 −2 1 

−1 2 −1 0 2 0 0 1
 
m 5
41. Encontre os valores de m para os quais a matriz A =   é inversı́vel.
5 m
 
λ−4 0 0
 
42. Encontre os valores de λ para os quais a matriz A = 
 0 λ 2 

0 3 λ−1
seja singular.
sen(θ) cos(θ) 0
43. Mostre que o valor do determinante −cos(θ) sen(θ) 0
sen(θ) − cos(θ) sen(θ) + cos(θ) 1
independe de θ.
   
a b d e
44. Mostre que se as matrizes A =  eB=  comutam, então
0 c 0 f
b a−c
= 0.
e d−f

Respostas dos Exercı́cios

RESPOSTAS
  h i
2 0 7. (a) −7 3 8
1. A =    
0 2
  24
0 3 3 (b)  
B=  −9
1 0 3
  (c) [−34]
1 3
  (d) [12]
C=
 3 1 

4 5 8. (a) -25
 
2. a = 6, b = −5, c = −9 0 −211
(b)  
12 1 8
3. (a) V (b) F (c) V (d) V (e) F  
(f) F 15 3 12
 
(c)  14
 0 7 
4. a = 6, b = −10, c = −8 
  12 12 13
3/2 −1/2
5.  
9. (a) V (b) V (c) F (d) F
−1/2 3/2
(e) F (f) V (g) F (h) V
6. k = 4
10. (a), (c), (f) Nenhuma

3 5
   
x + t 15. (a), (b), e (c)
11.  = 7 7 ,t ∈ R
y t
16. (a) V (b) F (c) F (d) V
   5 4 7

 
x1 s− t+ 1 0 −1 0
   3 3 3 
12. 
 x2  =   , s, t ∈
    
 s  17. (a)  0 1
 1 1/3 
x3 t 0 0 1 −2/3
R  
1 2 1 1
   8   
x 5  (b)  0 0
 1 0 
13. (a)  = 
3 0 −2
 
y 0 0
5  
(b) 
Não existe 1 1 −1 10
 solução 
1 1
 
x − t (c) 
 0 0 1 −3 
= 3 3 ,t ∈ R

(c) 
y t 0 0 0 0
 
14. (a) Escalonada (b) Nenhuma (c) 1 0 0 0
 
Ambas (d) Ambas (e) Escalonada 18. (a)  0 1
 0 0  
(f) Nenhuma (g) Escalonada (h) 0 0 1 0
  → →
1 0 0 1 iguais para que o sistema A x = b
 
(b) 
 0 1 0 −1 
 tenha solução.
0 0 1 0
21. (a) O sistema nunca terá única
2  solução.
−
 3 
→
  (b) k = 6
19. (a) x =  1 
 
  (c) k ̸= 6
2
 
−
3 22. λ = 2, λ = 4
(b) Não existe solução
 
−7 − t 23. (a) a ̸= ±4
→  
(c) x =  t ,t ∈ R (b) a = 4
 
−3 (c) a = −4
20. Encontre a matriz escalonada 24. (a) m ̸= 2

→
[C d ] equivalente por linha à (b) m = 2
→
matriz aumentada [A b ] do (c) m = −2
→ →
sistema A x = b . O posto das duas
→ 25. k1 = −2, k2 = 5, k3 = 3
matrizes [C d ] e C devem ser
2
   
−2t − s
 3   
→

 5 

→
 t 
(f) x =   , s, t ∈ R
 
26. (a) x=  ,t ∈ R
 3 
 
 s 

 2 
− 0
 3 (g) Inconsistente
29 →
→   x=
(h) 
(b) x=  16 
 
−3 + 2r − 2t
3  
−4 + 4r + s − 5t
(c) Inconsistente
 
 
   r , r, s, t ∈

−1 



→    s 
(d) x=  1 
  
t
−1
  R
1 + 2t
 
x y
27. Suponha que A−1 =  e
 
→
 t 
z w
(e) x=  ,t ∈ R
 
 −2  resolva a equação AA−1 = I2 para
 
6 encontrar x, y, z e w.
 
cos(θ) −sen(θ) (d) D−1 =
28. A−1 =    
sen(θ) cos(θ) 1/4 0 −1/2 1/4
 
 −1/2 1 1 −1/2 
 17 6   
− 
 3/4 0 3/2

−1/4 
29. (A−1 )2 =  49 49 
6 5  
− −1/2 0 −1 1/2
49 49
1 32. Use as matrizes dadas e verifique
30. (2AAT )−1 = (A−1 )T A−1
2 que o primeiro e o segundo membro
 
1 0 das equações coincidem.
31. (a) A−1 =    
0 −1 1/a 0 0 0
 
   0 1/b 0 0 
1 0 0 33. 
 

 1   0 0 1/c 0 
(b) B −1 =  0 0 
  
2


1
 0 0 0 1/d
0 0 −
3 11
34. (a) (b) 8 (c) −36 (d) −12
10
 
1 0 −2
 1  89 √ √ √
(c) C −1 =  0
 0  35. (a) (b) − 2 − 6 3 − 2 6 + 4
4
 6
1
 
0 − 1 36. (a) F (b) V (c) V (d) V (e) V
UFRN
2 Álgebra Matricial e Vetorial C&T 170 / 171
37. (a) det(A) = 15 42. Use a regra de Sarrus para calcular

(b) det(B) = 15 o determinante.
(c) det(C) = 5
43. Use a equação AB = BA para
(d) det(D) = 5
obter uma relação (equação) entre
38. (a) det(A) = −12
os elementos das matrizes. Calcule
(b) det(B) = −6
o determinante e use a relação
39. (a) det(A) = −12 obtida para chegar ao valor 0.
(b) det(B) = −6    
x 0
40. m ̸= ±5 
44. 
  
 y = 2 
  
41. λ = −2, λ = 3, λ = 4 z −1

Referências Bibliográficas
[1. ] F. T. Santana, F. L. Santana. Tópicos de álgebra linear, volume

1: matrizes, sistemas lineares e determinantes. - 1. ed. - Rio de
Janeiro: Autografia, 2021.
[2. ] F. T. Santana, H. L. Carrion. Álgebra Linear, volume 1. (A ser

publicado).

AMV Slides - Unid 1

Enviado por

Dados do documento

Descrição original:

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

AMV Slides - Unid 1

Enviado por

Direitos autorais:

Formatos disponíveis

Universidade Federal do Rio Grande do Norte

Escola de Ciência e Tecnologia

Matrizes, Sistemas, Inversa e Determinantes

(ECT3102) Álgebra Matricial e Vetorial

UFRN Álgebra Matricial e Vetorial C&T 1 / 171

UFRN Álgebra Matricial e Vetorial C&T 2 / 171

Exemplo 1 (Exemplo de matriz)

Altura Peso Idade  

UFRN Álgebra Matricial e Vetorial C&T 3 / 171

A matriz A de ordem m × n pode ser denotada por Am×n e seus elementos

aij termo geral da matriz (definem os elementos da matriz);

Mm×n é o conjunto das matrizes de ordem m × n;

A(i) é a i-ésima linha de A;

A(j) é a j-ésima coluna de A.

Exemplo 2 (Alguns exemplos de matrizes)

UFRN Álgebra Matricial e Vetorial C&T 5 / 171

Exemplo 3 (Matriz definida pelo termo geral)

a11 = 1 + 1 = 2, pois 1 = 1 a21 = 2 + 1 = 3, pois 2 > 1

UFRN Álgebra Matricial e Vetorial C&T 6 / 171

Solução: Igualando os elementos correspondentes, temos o sistema:

Resolvendo o sistema (método da adição ou substituição),

(b) Matriz quadrada: o número de linhas e colunas são iguais.

UFRN Álgebra Matricial e Vetorial C&T 8 / 171

a21 a22 · · · a2n

Observação: Quando não for necessário especificar a ordem da matriz

UFRN Álgebra Matricial e Vetorial C&T 10 / 171

UFRN Álgebra Matricial e Vetorial C&T 11 / 171

UFRN Álgebra Matricial e Vetorial C&T 12 / 171

Observação: A matriz identidade de ordem n × n pode ser denotada

Observação: Nas matrizes simétricas, os elementos da i-ésima linha são

Observação: Nas matrizes simétricas, se aij são os elementos da i-ésima

UFRN Álgebra Matricial e Vetorial C&T 16 / 171

UFRN Álgebra Matricial e Vetorial C&T 17 / 171

Resolva exercı́cios para fixar o aprendizado!

UFRN Álgebra Matricial e Vetorial C&T 18 / 171

1. Determine as matrizes de acordo com as regras estabelecidas para seus elementos:

(a) A ∈ M2×2 , tal que aij = 1 + (−1)i+j .

3. Classifique as afirmações abaixo em verdadeiras (V) ou falsas (F).

(e) Toda matriz triangular superior é também diagonal.

4. Determine a, b, e c para que a seguinte matriz seja simétrica:

UFRN Álgebra Matricial e Vetorial C&T 20 / 171

Operações com matrizes

UFRN Álgebra Matricial e Vetorial C&T 21 / 171

(a) A adição é comutativa:

(b) A adição é associativa:

(c) A adição possui elemento neutro:

(d) A adição possui oposta:

UFRN Álgebra Matricial e Vetorial C&T 23 / 171

UFRN Álgebra Matricial e Vetorial C&T 24 / 171

(a) (k1 k2 )A = k1 (k2 A).

UFRN Álgebra Matricial e Vetorial C&T 25 / 171

UFRN Álgebra Matricial e Vetorial C&T 26 / 171

O elemento (ab)ij é obtido multiplicando (produto escalar) os elementos da

(ab)ij = A(i) · B (j) = ai1 b1j + ai2 b2j + · · · + air brj

UFRN Álgebra Matricial e Vetorial C&T 27 / 171

(a) A3×5 e B5×7 ⇒ AB3×7

(b) A4×2 e B2×5 ⇒ AB4×5

(c) A5×2 e B4×3 ⇒ não existe AB

(c) A4×4 e B3×2 ⇒ não existe AB

UFRN Álgebra Matricial e Vetorial C&T 28 / 171

O elemento (ab)21 é o produto escalar da segunda linha de A pela

O mesmo acontece com os outros elementos (ab)ij .

(ab)11 = 2(1) + 1(0) = 2