GA3X1 - Geometria Analítica e Álgebra Linear Prof.

Lilian Candido

1 Matrizes e Determinantes
1.1 Introdução
Definição (Matriz): Uma matriz Am×n é um arranjo retangular de mn elementos dis-
tribuídos em m linhas horizontais e n colunas verticais:
a11 a12 · · · a1j · · · a1n
 
 a21 a22 · · · a2j · · · a2n 
 . .. .. .. 
 . ... ...
 . . . . 

A=  = [aij ]m×n
 ai1 ai2 · · · aij · · · ain 
 . .. ... .. ... .. 
 .. . . . 
am1 am2 · · · amj · · · amn

A i-ésima linha de A é
 
ai1 ai2 · · · ain (1 ≤ i ≤ m);

e a j-ésima coluna de A é  
a1j
 a2j 
.. (1 ≤ j ≤ n).
 
.
 
 
amj
Nos referimos ao elemento aij , que está na í-ésima linha e na j-ésima coluna de A,
como o i,j-ésimo elemento de A ou o elemento (i,j) de A.
Os elementos de uma matriz podem ser números (reais ou complexos), funções, ou
ainda outras matrizes.
Usaremos sempre letras maiúsculas para denotar matrizes, e quando quisermos es-
pecificar a ordem de uma matriz A (isto é, o número de linhas e colunas), escreveremos
Am×n .

Exemplo: A matriz  
1 0 −4
A=
4 −3 2
é uma matriz 2 × 3, com

a11 = 1, a12 = 0, a13 = −4, a21 = 4, a22 = −3, a23 = 2

Exemplo: A matriz a seguir fornece as distâncias de vôo entre as cidades indicadas (em
km):

São Paulo Rio de Janeiro Brasília Belo Horizonte

São Paulo  0 359 873 491 
Rio de Janeiro  359 0 933 341 
Brasília 873 933 0 621
 
Belo Horizonte 491 341 621 0

1
GA3X1 - Geometria Analítica e Álgebra Linear Prof. Lilian Candido

Exemplo: Suponha que um fabricante tem quatro fábricas, cada uma das quais manufa-
tura três produtos. Se denotarmos por aij a quantidade do produto i manufaturada pela
fábrica j em 1 semana, então a produção semanal do fabricante é dada pela matriz 3 × 4:

Fábrica 1 Fábrica 2 Fábrica 3 Fábrica 4

Produto 1 " 560 360 380 0 #
Produto 2 340 450 420 80
Produto 3 280 270 210 380

Definição (Igualdade de matrizes): Duas matrizes Am×n = [aij ]m×n e Br×s = [bij ]r×s
são iguais, A = B, se elas têm o mesmo número de linhas (m = r) e colunas (n = s), e
todos os seus elementos correspondentes são iuais (aij = bij ).
 2   
3 1 log 1 9 sen 90o 0
Exemplo: =
2 22 5 2 4 5

1.2 Tipos Especiais de Matrizes

Consideremos uma matriz com m linhas e n colunas que denotamos por Am×n :

Matriz Quadrada é aquela cujo número de linhas é igual ao número de colunas (m = n).
 
1 −2 0
Exemplos:  3 0 1  e [8]
4 5 6
No caso de matrizes quadradas Am×m , costumamos dizes que A é uma matriz qua-
drada de ordem m.

Matriz Nula é aquela em que aij = 0, para todo i e j.

   
0 0 0 0 0 0 0
Exemplos: A2×2 = e B3×5 =
0 0 0 0 0 0 0

Matriz-Coluna é aquela que possui uma única coluna (n = 1).

 
1  
x
Exemplos:  4  e
y
−3
Matriz-Linha é aquela onde m = 1.
e
   
Exemplos: 3 0 −1 0 0

Matriz Diagonal é uma matriz quadrada (m = n) onde aij = 0, para i =6= j, isto é, os
elementos que não estão na “diagonal” são nulos.
 
  3 0 0 0
7 0 0  0 3 0 0 
Exemplos:  0 1 0  e 
 0 0 3 0 

0 0 −1
0 0 0 3

2
GA3X1 - Geometria Analítica e Álgebra Linear Prof. Lilian Candido

Matriz Identidade Quadrada é aquela em que aii = 1 e aij = 0, para i =6= j.

 
1 0 0  
1 0
Exemplos: I3 = 0 1 0
  e I2 =
0 1
0 0 1
Matriz Triangular Superior é uma matriz quadrada onde todos os elementos abaixo
da diagonal são nulos, isto é, m = n e aij = 0, para i > j.
 
2 −1 0  
a b
Exemplos:  0 −1 4  e
0 c
0 0 3
Matriz Triangular Inferior é aquela em que m = n e aij = 0, para i < j.
 
2 0 0 0  
 1 −1 0 0  5 0 0
Exemplos: 
 1
 e  7 0 0 
2 2 0 
2 1 3
1 0 5 4
Matriz Simétrica é aquela onde m = n e aij = aji .
 
  a b c d
4 3 −1  b e f g 
Exemplos:  3 2 0  e 
 c f h

i 
−1 0 5
d g i k
Observe que, no caso da matriz simétrica, a parte superior é uma “reflexão” da parte
inferior, em relação à diagonal.

1.3 Operações com Matrizes

1.3.1 Adição
A soma de duas matrizes de mesma ordem, Am×n = [aij ] e Bm×n = [bij ], é uma
matriz m × n, que denotaremos A + B, cujos elementos são somas dos elementos corres-
pondentes de A e B. Isto é,
A + B = [aij + bij ]m×n
   
5 −1 0 4
Exercício 1.1:  4 0  +  −2 5 
2 5 1 0

Exercício 1.2: Considere as tabelas, que descrevem a produção de grãos em dois anos
consecutivos.

Tabela 1: Produção de grãos (em milhares de toneladas) durante o primeiro ano

soja feijão arroz milho
Região A 3000 200 400 600
Região B 700 350 700 100
Região C 1000 100 500 800

3
GA3X1 - Geometria Analítica e Álgebra Linear Prof. Lilian Candido

Tabela 2: Produção de grãos (em milhares de toneladas) durante o segundo ano

soja feijão arroz milho
Região A 5000 50 200 0
Região B 2000 100 300 300
Região C 2000 100 600 600

Monte uma tabela que dê a produção por produto e por região nos dois anos con-
juntamente.

Propriedades: Dadas as matrizes A, B e C de mesma ordem m × n, temos:

i) A + B = B + A

ii) A + (B + C) = (A + B) + C

iii) A + 0 = A, onde 0 denota a matriz nula m × n.

Observação: A diferença entre A e B é uma matriz A − B = [aij − bij ]m×n .

1.3.2 Multiplicação por Escalar

Seja A = [aij ]m×n e k um número, então definimos uma nova matriz

k · A = [kaij ]m×n
 
2 10
Exercício 1.3: −2
1 −3

Exercício 1.4: Considere as tabelas do Exercício 1.2, que descrevem a produção de grãos
de três regiões em dois anos consecutivos, e a seguinte situação: Existem muitos incentivos

4
GA3X1 - Geometria Analítica e Álgebra Linear Prof. Lilian Candido

para se incrementar a produção, condições climáticas favoráveis, etc., de tal forma que a
previsão para a safra do terceiro ano será o triplo da produção do primeiro. Obtenha a
matriz de estimativa da produção do terceiro ano.

Propriedades: Dadas matrizes A e B de mesma ordem m × n e números k, k1 e k2 ,

temos:

i) k(A + B) = kA + kB

ii) (k1 + k2 )A = k1 A + k2 A

iii) 0 · A = 0, isto é, se multiplicarmos o número zero por qualquer matriz A, teremos

a matriz nula.

iv) k1 (k2 A) = (k1 k2 )A

1.3.3 Transposição
Dada uma matriz A = [aij ]m×n , podemos obter uma outra matriz A′ = [bij ]n×m ,
cujas linhas são as colunas de A, isto é, bij = aji . A′ é denominada transposta de A.

Exercício 1.5:
 
2 1
a) A =  0 3 . Determine A′ .
−1 4
 
1 3
b) B = . Determine B′ .
3 2
 ′
1
c)
2

5
GA3X1 - Geometria Analítica e Álgebra Linear Prof. Lilian Candido

Propriedades:

i) Uma matriz é simétrica se, e somente se, ela é igual à sua transposta, isto é, A = A′ .

ii) A′′ = A.

iii) (A + B)′ = A′ + B′ .

iv) (kA)′ = kA′ , onde k é qualquer escalar.

1.3.4 Multiplicação de Matrizes

Sejam A = [aij ]m×n e B = [brs ]n×p . Definimos AB = [cuv ]m×p , onde
n
X
cuv = auk bkv = au1 b1v + · · · + aun bnv
k=1

Observações:

i) Só podemos efetuar o produto de duas matrizes Am×n e Bl×p se o número de colunas

da primeira for igual ao número de linhas da segunda, isto é, n = l. Além disso, a
matriz-resultado C = AB será de ordem m × p.

ii) O elemento cij (i-ésima linha e j-ésima coluna da matriz produto) é obtido multipli-
cando os elementos da i-ésima linha da primeira matriz pelos elementos correspon-
dentes da j-ésima coluna da segunda matriz, e somando estes produtos.

Exercício 1.6:
 
2 1  
1 −1
a)  4 2 ·
0 4
5 3
 
  2 1
1 −1
b) · 4 2 
0 4
5 3
 
1 0  
 −2 3  0 6 1
c) 
  ·
5 4  3 8 −2
0 1

Propriedades:

i) Em geral AB 6= BA (podendo mesmo um dos membros estar definido e o outro

não)
   
1 −1 1 1 2 3
Exercício 1.7: Sejam A =  −3 2 −1  e B =  2 4 6 
−2 1 0 1 2 3

6
GA3X1 - Geometria Analítica e Álgebra Linear Prof. Lilian Candido

a) AB

b) BA

Desde que sejam possíveis as operações, as seguintes propriedades são válidas:

ii) AI = IA = A

iii) A(B + C) = AB + AC

iv) (A + B)C = AC + BC

v) (AB)C = A(BC)

vi) (AB)′ = B′ A′

vii) 0 · A = 0 e A · 0 = 0

Exercício 1.8: Joga-se pesticida nas plantas para eliminar os insetos daninhos. Entre-
tanto, parte do pesticida é absorvida pela planta. Os pesticidas são absorvidos pelos
herbívoros que comem essas plantas.
Suponha que temos três tipos de pesticidas e quatro tipos de plantas. Denotando
por aij a quantidade do pesticida i (em miligramas) que foi absorvida pela planta j, essa
informação pode ser representada pela matriz

Planta 1 Planta 2 Planta 3 Planta 4

"2 3 4 3 # Pesticida 1
A= 3 2 2 5 Pesticida 2
4 1 6 4 Pesticida 3

Suponha, agora, que temos três herbívoros. Denotando por bij o número de plantas
do tipo i que um herbívoro do tipo j come por mês, esta informação pode ser representada
pela matriz

Herbívoro 1 Herbívoro 2 Herbívoro 3

 20 12 8  Planta 1

B = 28 15 15  Planta 2
30 12 10 Planta 3
 
40 16 20 Planta 4

Determine a quantidade de cada tipo de pesticida absorvida por cada tipo de her-
bívoro.

7
GA3X1 - Geometria Analítica e Álgebra Linear Prof. Lilian Candido

1.3.5 Potência de uma Matriz

Uma matriz quadrada A = [aij ] pode ser multiplicada n vezes por si mesma. A
matriz que resulta dessas operações, e que se representa por An , é chamada potência n
da matriz A.
 
1 2
Exercício 1.9: Se A =
4 3

a) A2 =

b) A3 =

1.4 Operações elementares sobre as linhas de uma matriz

São três as operações elementares sobre as linhas de uma matriz:

i) Permuta das i-ésima e j-ésima linhas. (Li ↔ Lj )

Exemplo: L2 ↔ L3    
1 0 1 0
 4 −1  →  −3 4 
−3 4 4 −1

ii) Multiplicação da i-ésima linha por um escalar não-nulo k. (Li → kLi )

Exemplo: L2 → −3L2    
1 0 1 0
 4 −1  →  −12 3 
−3 4 −3 4

i) Substituição da i-ésima linha pela i-ésima linha mais k vezes a j-ésima linha. (Li →
Li + kLj )
Exemplo: L3 → L3 + 2L1
   
1 0 1 0
 4 −1  →  4 −1 
−3 4 −1 4

Definição (Matriz elementar): Uma matriz elementar é uma matriz obtida a partir
da identidade, através da aplicação de uma operação elementar com linhas.

Teorema: Se A é uma matriz, o resultado da aplicação de uma operação com as linhas

de A é o mesmo que o resultado da multiplicação da matriz elementar E correspondente
à operação com linhas pela matriz A.

8
GA3X1 - Geometria Analítica e Álgebra Linear Prof. Lilian Candido

Definição (Matrizes linha equivalentes): Se A e B são matrizes m × n, dizemos que

B é linha equivalente a A, se B for obtida de A através de um número finito de operações
elementares sobre as linhas de A, e denotamos por A → B ou A ≈ B.
   
1 0 1 0
Exercício 1.10: Verifique que  4 −1  é linha equivalente a  0 1 .
−1 4 0 0

9
GA3X1 - Geometria Analítica e Álgebra Linear Prof. Lilian Candido

Definição (Forma escada): Uma matriz m × n é linha reduzida à forma escada se

a) O primeiro elemento não nulo de uma linha não nula é 1.

b) Cada coluna que contém o primeiro elemento não nulo de alguma linha tem todos
os seus outros elementos iguais a zero.

c) Toda linha nula ocorre abaixo de todas as linhas não nulas (isto é, daquelas que
possuem pelo menos um elemento não nulo).

d) Se as linhas 1, . . . , r são linhas não nulas, e se o primeiro elemento não nulo da linha
i ocorre na coluna ki , então k1 < k2 < . . . < kr .

A última condição impõe a forma escada à matriz. Isto é, o número de zeros prece-
dendo o primeiro elemento não nulo de uma linha aumenta a cada linha, até que sobrem
somente linhas nulas, se houver.
Exemplos:
 
1 0 0 0
 0 1 −1 0  Não é forma escada pois a segunda condição não é satisfeita.
0 0 1 0
 
0 2 1
 1 0 −3  Não é forma escada pois não satisfaz a primeira e a quarta condições.
0 0 0
 
0 1 −3 0 1
 0 0 0 0 0  Não satisfaz a primeira nem a terceira condição.
0 0 0 −1 2
 
0 1 −3 0 2
 0 0 0 1 2  É forma escada pois todas as condições são satisfeitas.
0 0 0 0 0

Teorema: Toda matriz Am×n é linha equivalente a uma única matriz linha reduzida à
forma escada.

Definição (Posto e nulidade): Dada uma matriz Am×n , seja Bm×n a matriz linha re-
duzida à forma escada linha equivalente a A. O posto de A, denotado por p, é o número
de linhas não nulas de B. A nulidade de A é o número n − p.

Exercício 1.11: Encontre o posto e a nulidade das matrizes

 
1 2 1 0
a) A =  −1 0 3 5 
1 −2 1 1

10
GA3X1 - Geometria Analítica e Álgebra Linear Prof. Lilian Candido

 
2 −1 3
 1 4 2 
b) B =  
 1 −5 1 
4 16 8

11
GA3X1 - Geometria Analítica e Álgebra Linear Prof. Lilian Candido

1.5 Determinante de uma matriz

Definição (Permutação): Dados n objetos distintos a1 , a2 , . . . , an , uma permutação
destes objetos consiste em dispô-los em uma determinada ordem. A quantidade de per-
mutações de n objetos é dada por n!.

Exemplo: (1 2 3) é uma permutação dos números 1, 2 e 3; (2 1 3) é outra permu-

tação; etc.
Definição (Inversão): Dada uma permutação dos inteiros 1, 2, . . . , n, existe uma inver-
são quando um inteiro precede outro menor que ele.

Exemplo: Considere as permutações de 1, 2 e 3, e veja em cada permutação o número de

inversões.
Permutação
Número de inversões
(1 2 3) 0
(1 3 2) 1
(2 1 3) 1
(2 3 1) 2
(3 1 2) 2
(3 2 1) 3
X
Definição (Determinante): det A = (−1)J a1j1 a2j2 · · · anjn onde J = J(j1 , . . . , jn ) é
ρ
o número de inversões da permutação (j1 j2 . . . jn ) e ρ indica que a soma é estendida
a todas as n permutações de (1 2 . . . n).

Em relação a esta definição podemos fazer três observações:

i) Se a permutação (j1 j2 . . . jn ) tem um número ímpar de inversões, o coeficiente
(−1)J do termo correspondente na somatória terá sinal positivo; caso contrário, terá
sinal negativo.

ii) Em cada termo da somatória, existe um e apenas um elemento de cada linha, e um

e apenas um elemento de cada coluna da matriz.

iii) Através de uma reordenação conveniente dos termos, mostra-se que também é pos-
sível definir um determinante por
X
det[aij ] = (−1)J aj1 1 aj2 2 · · · ajn n
ρ

variando os primeiros e deixando fixos os segundos índices.

Propriedades:
i) Se todos os elementos de uma linha (ou coluna) de uma matriz A são nulos, det A =
0.

ii) det A = det A′

iii) Se multiplicarmos uma linha da matriz por uma constante, o determinante fica
multiplicado por esta constante.

12
GA3X1 - Geometria Analítica e Álgebra Linear Prof. Lilian Candido

iv) Uma vez trocada a posição de duas linhas, o determinante muda de sinal.

v) O determinante de uma matriz que tem duas linhas (ou colunas) iguais é zero.

a11 ··· a1n a11 · · · a1n a11 · · · a1n

.. ... .. .. ... .. .. ... ..
. . . . . .
vi) bi1 + ci1 · · · bin + cin = bi1 · · · bin + ci1 · · · cin
.. ... .. .. ... .. .. ... ..
. . . . . .
an1 ··· ann an1 · · · ann an1 · · · ann

vii) O determinante não se altera se somarmos a uma linha outra linha multiplicada por
uma constante.

viii) det (A · B) = det A · det B

1.5.1 Cálculo do determinante de ordem 2

Seja a matriz  
a11 a12
A=
a21 a22 2×2

Permutação Número de inversões

(1 2) 0
(2 1) 1

det A = (−1)0 a11 a22 + (−1)1 a12 a21

det A = a11 a22 − a12 a21
Exercício 1.12: Calcular o determinante das matrizes:
 
7 5
a) A =
2 4
 
−3 −8
b) A =
−5 −2
 
1 0
c) A =
0 1
 
6 3
d) A =
0 5

1.5.2 Cálculo do determinante de ordem 3

Seja a matriz  
a11 a12 a13
A =  a21 a22 a23 
a31 a32 a33 3×3

13
GA3X1 - Geometria Analítica e Álgebra Linear Prof. Lilian Candido

Permutação Número de inversões

(1 2 3) 0
(1 3 2) 1
(2 1 3) 1
(2 3 1) 2
(3 1 2) 2
(3 2 1) 3

det A = (−1)0 a11 a22 a33 + (−1)1 a11 a23 a32 + (−1)1 a12 a21 a33 + (−1)2 a12 a23 a31 +
+(−1)2 a13 a21 a32 + (−1)3 a13 a22 a31
det A = a11 a22 a33 − a11 a23 a32 − a12 a21 a33 + a12 a23 a31 + a13 a21 a32 − a13 a22 a31

Exercício 1.13: Calcular o determinante das matrizes:

 
2 5 7
a) A =  3 1 4 
6 8 2
 
3 1 −2
b) A =  −5 4 −6 
0 2 7

1.5.3 Desenvolvimento de Laplace

n
X
det An×n = aij ∆ij
j=1

onde ∆ij é o cofator do elemento aij , definido por

∆ij = (−1)i+j |Aij |

sendo que Aij representa uma submatriz da matriz inicial A, da qual foram retiradas a
i-ésima linha e a j-ésima coluna.

Exercício 1.14: Calcule o determinante das matrizes

 
1 −2 3
a) A =  2 1 −1 
−2 −1 2

14
GA3X1 - Geometria Analítica e Álgebra Linear Prof. Lilian Candido

 
−1 2 3 −4
 4 2 0 0 
b) A = 
 −1

2 −3 0 
2 5 3 1

15
GA3X1 - Geometria Analítica e Álgebra Linear Prof. Lilian Candido

Cálculo do determinante através de redução por linhas

Teorema: Se A é uma matriz triangular de ordem n, então det A é o produto dos

elementos da diagonal principal da matriz; ou seja, det A = a11 a22 · · · ann .

Exercício 1.15: Calcule o determinante da matriz

 
2 1 7
A= 1 3 2 
5 3 4

16
GA3X1 - Geometria Analítica e Álgebra Linear Prof. Lilian Candido

1.6 Inversa de uma matriz

Definição (Matriz inversa): Dada uma matriz quadrada A de ordem n, chamamos de
inversa de A a uma matriz B tal que A · B = B · A = In , onde In é a matriz identidade
de ordem n. Escrevemos A−1 para a inversa de A.

Exemplos:  4
− 53
  
2 3
A= −→ A =
−1 5
1 2 , pois A · A−1 = A−1 · A = I2
 1 4  − 5 5 
6 2 2 −1
B= −→ B =
−1
, pois B · B−1 = B−1 · B = I2
11 4 − 11
2
3
Observações:
i) Se A e B são matrizes quadradas de mesma ordem, ambas inversíveis, então A · B
é inversível e (A · B)−1 = B−1 · A−1 .

ii) Se A é uma matriz quadrada e existe uma matriz B tal que BA = I, então A é
inversível, ou seja, A−1 existe e, além disso, B = A−1 .
iii) Nem toda matriz tem inversa.
 
0 2
Exemplo:
0 1

Suponhamos agora que An×n tenha inversa, isto é, existe A−1 tal que A · A−1 = In .
Usando o determinante temos

det(A · A−1 ) = det A · det A−1 e det In = 1

Então:
det A · det A−1 = 1
Desse produto concluímos que se A tem inversa,
i) det A 6= 0
ii) det A−1 = 1
det A

Teorema: Uma matriz quadrada A admite inversa se, e somente se, det A 6= 0.

Procedimento para a inversão de matrizes

Teorema: Se A é uma matriz inversível, sua matriz-linha reduzida à forma escada, R, é
a identidade. Além disso, A é dada por um produto de matrizes elementares.

Suponha que, ao reduzir uma matriz A à forma escada linha reduzida, a matriz
identidade seja obtida como resultado. Neste caso, como a cada operação com linhas
corresponde uma multiplicação por uma matriz elementar Ei , teremos:

I = Ek · Ek−1 · · · E2 · E1 · A

ou
I = (Ek · Ek−1 · · · E2 · E1 · I) A
que implica
Ek · Ek−1 · · · E2 · E1 · I = A−1

17
GA3X1 - Geometria Analítica e Álgebra Linear Prof. Lilian Candido

Teorema: Se uma matriz A pode ser reduzida à matriz identidade por uma sequência de
operações elementares com linhas, então A é inversível e a matriz inversa de A é obtida
da matriz identidade, aplicando-se a mesma sequência de operações com linhas.

Na prática, operamos simultaneamente com as matrizes A e I, através de operações

elementares, até chegarmos à matriz I na posição correspondente à matriz A. A matriz
obtida no lugar correspondente à matriz I será a inversa de A.
.. ..
   
A . I −→ I . A −1

Exercício 1.16: Obtenha a inversa das matrizes

 
2 1 0 0
 1 0 −1 1 
a) A = 
 0

1 1 1 
−1 0 0 3

18
GA3X1 - Geometria Analítica e Álgebra Linear Prof. Lilian Candido

 
1 0 1
b) A =  1 2 1 
0 2 0

Referências

BOLDRINI, J. L. et al. Álgebra Linear. São Paulo: Harper & Row do Brasil, 1980.

KOLMAN, B.; HILL, D. R. Introdução à Álgebra Linear com Aplicações. Rio de

Janeiro: LTC, 2006.

STEINBRUCH, A.; WINTERLE, P. Álgebra Linear. São Paulo: Pearson Makron

Books, 1987.

19