Escolar Documentos
Profissional Documentos
Cultura Documentos
UNIDADE 1
Matrizes
Definição 1
Uma matriz A de ordem m × n é uma organização de dados (elementos
da matriz) dispostos em m linhas e n colunas.
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
Definição 3
(a) Matriz retangular : o número de linhas e colunas são diferentes.
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
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.
UFRN Álgebra Matricial e Vetorial C&T 9 / 171
Matrizes Definições iniciais
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
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
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
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
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
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
(f) Se A ∈ Mn×n é simétrica, então A ∈ Mn×n não pode ser triangular inferior.
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
UFRN Álgebra Matricial e Vetorial C&T 22 / 171
Matrizes Operações com matrizes
Teorema 1
Para quaisquer matrizes A, B, C ∈ Mm×n , temos:
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:
(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
Observação 2
Condição necessária para existência do produto:
Am×r Br×n
Iguais
ABm×n
Por exemplo:
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
UFRN Álgebra Matricial e Vetorial C&T 29 / 171
Matrizes Operações com matrizes
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
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
UFRN Álgebra Matricial e Vetorial C&T 31 / 171
Matrizes Operações com matrizes
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
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
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
Teorema 3
A multiplicação de matrizes satisfaz às seguintes propriedades:
Observação 3
(a) A existência de AB não garante a existência de BA.
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.
UFRN Álgebra Matricial e Vetorial C&T 36 / 171
Matrizes Operações com matrizes
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
5
Resolvendo o sistema, encontramos x = e y = 0.
2
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 ;
Teorema 4
Para A, B ∈ Mn×n e r, s ∈ N, temos:
(a) Ar As = Ar+s ;
Exemplo 23
1 2
Seja A = . Calcule:
−3 1
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
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 .
(c) (AT )T = A.
(d) (AB)T = B T AT
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
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
Definição 22
Uma equação da forma
a1 x1 + a2 x2 + . . . + an xn = b (1)
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
4 + 3.1 = 7 ⇒ 7 = 7 (Verdadeiro!)
Exemplo 30
→ 3
Mostre que s = não é solução da equação 2x1 − 3x2 = 7.
−1
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
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
UFRN Álgebra Matricial e Vetorial C&T 57 / 171
Equações e Sistemas Lineares Sistemas lineares
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
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
Observação 6
→ → →
O vetor nulo 0 , sempre satisfaz o sistema linear homogêneo A x = 0 e recebe
o nome de solução trivial.
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
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
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
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.
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
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.
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.)
UFRN Álgebra Matricial e Vetorial C&T 76 / 171
Equações e Sistemas Lineares Matriz escalonada e operações elementares
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
UFRN Álgebra Matricial e Vetorial C&T 78 / 171
Equações e Sistemas Lineares Matriz escalonada e operações elementares
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.
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.
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 .
UFRN Álgebra Matricial e Vetorial C&T 82 / 171
Equações e Sistemas Lineares Eliminação de Gauss
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
UFRN Álgebra Matricial e Vetorial C&T 83 / 171
Equações e Sistemas Lineares Eliminação de Gauss
Continuação da demonstração:
Li → Li − aik1 L1
Eliminação de Gauss
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 .
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
UFRN Álgebra Matricial e Vetorial C&T 87 / 171
Equações e Sistemas Lineares Eliminação de Gauss
Eliminação de Gauss-Jordan
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 .
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
T
→ → → 2 2
Logo, a solução de A x = b é x = − 1 − .
3 3
UFRN Álgebra Matricial e Vetorial C&T 90 / 171
Equações e Sistemas Lineares Eliminação de Gauss
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.
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
UFRN Álgebra Matricial e Vetorial C&T 93 / 171
Equações e Sistemas Lineares Eliminação de Gauss
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 .
UFRN Álgebra Matricial e Vetorial C&T 94 / 171
Equações e Sistemas Lineares Eliminação de Gauss
Exemplo 49
→
Encontre a matriz escalonada reduzida equivalente à [A b ]:
2 2 −6 8
−3 −6 18 15 .
0 1 −3 2
→ →
Em seguida, resolva o sistema linear A x = b .
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
→
Encontre a matriz escalonada reduzida equivalente à [A b ]:
1 2 0 5
4 3 1 4 .
2 1 1 2
→ →
Em seguida, resolva o sistema linear A x = b .
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
UFRN Álgebra Matricial e Vetorial C&T 97 / 171
Equações e Sistemas Lineares Eliminação de Gauss
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.
→ →
Resolvendo o sistema C x = d , temos:
x1 = −3
⇒ x2 = 4
x3 = 4
→ → →
Logo, a solução do sistema A x = b é x = [−3 4 4]T .
UFRN Álgebra Matricial e Vetorial C&T 98 / 171
Equações e Sistemas Lineares Eliminação de Gauss
Exemplo 51
→
Encontre a matriz escalonada reduzida equivalente à [A b ]:
2 1 4 3 −3
1 1 3 3 −1 .
2 0 2 0 −4
→ →
Em seguida, resolva o sistema linear A x = b .
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
UFRN Álgebra Matricial e Vetorial C&T 99 / 171
Equações e Sistemas Lineares Eliminação de Gauss
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:
→ →
Resolvendo o sistema C x = d , temos:
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
→ → →
Logo, x = [−2 − t 1 − 2s − 3t s t]T é a solução de A x = b .
Exemplo 52
→
Encontre a matriz escalonada reduzida equivalente à [A b ]:
2 −2 5 1 0
−3 3 −6 4 0 .
1 −1 2 −1 0
→ →
Em seguida, resolva o sistema linear A x = b .
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:
→ →
Resolvendo o sistema C x = d , temos:
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.
UFRN Álgebra Matricial e Vetorial C&T 104 / 171
Equações e Sistemas Lineares Exercı́cios
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.
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 , k2e k3 que
satisfazem
1 0 2 4
k1
0 + k2 1 + k3
1 = 8 .
3 2 0 4
UFRN Álgebra Matricial e Vetorial C&T 109 / 171
Equações e Sistemas Lineares Exercı́cios
→ →
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
UFRN Álgebra Matricial e Vetorial C&T 110 / 171
Equações e Sistemas Lineares Exercı́cios
→ →
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
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.
Exemplo 53
3 −1 2 1
Mostre que B = é inversa de A = .
−5 2 5 3
Teorema 14
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 .
Teorema 16
Observação 13
Se A1 , A2 , · · · , An são inversı́veis, então:
−1 −1
(A1 A2 · · · An )−1 = A−1n · · · A2 A1
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 .
AB (1) = I (1)
AB (2) = I (2) ,
AB (3) = I (3)
cujas variáveis são os elementos xij que definem as colunas:
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
(d) Quando A não for linha equivalente com a identidade, ela não possui
inversa.
Exemplo 54
1 2 3
2 5 3 .
Encontre a inversa da matriz A =
1 0 8
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
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
Exemplo 55
1 6 4
Mostre que a matriz A =
não possui inversa.
2 4 −1
−1 2 5
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
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.
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
Determinante
Exemplo 56
O determinante das seguintes matrizes é:
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
Observação 15
O determinante da matriz de ordem 2 × 2 coincide com P − S, onde:
4 −1
(a) = 4(6) − (3)(−1) = 27
3 6
−3 5
(b) = −3(2) − 5(2) = −16
1 2
onde:
det(A
ei1 ) pode ser calculado.
Exemplo 58
a11 a12
Calcule o determinante da matriz A = usando a
a21 a22
expansão em cofatores ao longo da primeira linha.
Logo,
det(A) = a11 (−1)1+1 det(A
e1 ) + a12 (−1)1+2 det(A
e12 ) = a11 a22 − a12 a21
UFRN Álgebra Matricial e Vetorial C&T 136 / 171
Determinante
Exemplo 59
a11 a12 a13
Calcule o determinante da matriz A = a21 a22 a23 usando a
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
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 ).
REGRA DE SARRUS
abaixo:
S1 S2 S3
a11 a12 a13 a11 a12
a21 a22 a23 a21 a22
a31 a32 a33 a31 a32
P1 P2 P3
Exemplo 60
1 0 2
Calcule o determinante da matriz A =
.
1 −3 −1
−1 0 2
P1 P2 P3
Exemplo 61
−2 −1 1
Calcule o determinante da matriz A =
3 .
0 1
5 1 2
−2 −1 1 −2 −1
3 0 1 3 0
5 1 2 5 1
P1 P2 P3
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
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
Continuação:
Substituindo det(A e43 ) = −6 em (8), temos:
e23 ) = 6 e det(A
e23 ) − 4det(A
det(A) = det(A e43 )
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
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
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
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
UFRN Álgebra Matricial e Vetorial C&T 150 / 171
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
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
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
UFRN Álgebra Matricial e Vetorial C&T 153 / 171
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
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 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.
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
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
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.
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
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.
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
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
UFRN Álgebra Matricial e Vetorial C&T 164 / 171
Determinante Exercı́cios
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
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
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
UFRN Álgebra Matricial e Vetorial C&T 170 / 171
Determinante Exercı́cios
Referências Bibliográficas