O documento apresenta os principais conceitos de matrizes e determinantes no Capítulo 1 - Parte 1. São definidos os tipos de matrizes, operações com matrizes como adição e multiplicação por escalar. Também são apresentados exemplos ilustrativos destes conceitos.
1. NOTAS DE AULA
Geometria Analítica e
Álgebra Linear
Capítulo 1 - Parte 1
Professor: Luiz Fernando Nunes
2. Geometria Analítica e Álgebra Linear ii
Índice
1 Matrizes e Determinantes.........................................................................................1
1.1 Matrizes ............................................................................................................1
1.1.1 Tipos Especiais de Matrizes........................................................................2
1.1.2 Operações com matrizes .............................................................................4
1.1.3 Alguns exercícios sobre matrizes:...............................................................9
1.1.4 Matrizes Elementares................................................................................10
1.1.5 Definição de Matriz como Função............................................................12
1.2 Determinantes e Matriz Inversa......................................................................12
1.2.1 Determinantes ...........................................................................................12
1.2.2 Matriz Inversa ...........................................................................................14
1.2.3 Alguns exercícios sobre determinantes e matriz inversa ..........................17
Referências Bibliográficas............................................................................................18
3. Geometria Analítica e Álgebra Linear 1
1 Matrizes e Determinantes
1.1 Matrizes
Noção de matriz:
Uma matriz é uma tabela retangular de elementos dispostos em linhas e colunas.
Representação
Uma matriz com m linhas e n colunas será indicada por:
nmji
mnmm
n
n
nm a
aaa
aaa
aaa
A
21
22221
11211
, onde 1 i m, 1 j n.
Se não existirem dúvidas quanto à quantidade de linhas e colunas de uma matriz,
podemos indicá-la apenas por letras latinas maiúsculas A, B, C, D, ... , omitindo os índices m e
n.
O símbolo nmM indicará o conjunto de todas as matrizes de ordem nm de
elementos reais.
Exemplos
1. Se
305
212
011
A , então temos que: 111 a , 112 a , 013 a , 221 a ,
122 a , 223 a , 531 a , 032 a , 333 a .
2. Se
270
5293
B , então temos que: 311 b , 912 b , 213 b , 514 b ,
021 b , 722 b , 223 b , 24b .
3. Se
187
34
2/13/2
C , então temos que:
3
2
11 c ,
2
1
12 c , 421 c , 322 b ,
021 b , 731 c , 1832 c .
4. Suponha que temos alguns dados como peso, altura e idade referentes a um grupo de
quatro pessoas, como na tabela seguinte:
Altura (m) Peso (Kg) Idade (anos)
Pessoa 1 1,75 62 40
Pessoa 2 1,64 53 27
Pessoa 3 1,83 75 31
Pessoa 4 1,50 50 18
4. Geometria Analítica e Álgebra Linear 2
Podemos representar estas informações na matriz seguinte:
185050,1
317583,1
275364,1
406275,1
D , onde cada linha representa um indivíduo e as colunas
representam, as grandezas altura, peso e idade, respectivamente.
Definição
Duas matrizes nmijnm aA
][ e srijsr bB
][ são iguais, se e somente se:
jiba
sn
rm
ijij ,
1.1.1 Tipos Especiais de Matrizes
Matriz Quadrada
É aquela onde o número de linhas é igual ao número de colunas, isto é, m = n.
Exemplos
5.
302
715
010
A , 8B e
73
49
C .
Matriz Nula
É aquela em que todos os elementos são iguais a zero, isto é, 0ija para todo i e j.
Exemplos
6.
000
000
000
A e
00
00
B
Matriz Linha
É aquela onde m = 1.
Exemplos
7. 2309 A e 31B
Matriz Coluna
É aquela onde n = 1.
5. Geometria Analítica e Álgebra Linear 3
Exemplos
8.
1
2
9
7
A e
2
3
B
Matriz Diagonal
É uma matriz quadrada (m = n) onde 0ija , para ji .
Exemplos
9.
200
040
001
A e
3000
0100
0040
0009
B
Matriz Identidade
É uma matriz diagonal onde
jiparaa
ejiparaa
ij
ij
1
0
Muitas vezes a matriz identidade de ordem n é indicada por nnI ou apenas nI .
Exemplos
10.
100
010
001
A ,
10
01
B e
1000
0100
0010
0001
C
Matriz Triangular Superior
É uma matriz quadrada onde 0ija para i > j.
Exemplos
11.
100
270
091
A ,
10
91
B ,
1000
2100
0600
3031
C
Matriz Triangular Inferior
É uma matriz quadrada onde 0ija para i < j.
6. Geometria Analítica e Álgebra Linear 4
Exemplos
12.
17
029
004
A ,
13
01
B e
1002
0934
0056
0001
C
1.1.2 Operações com matrizes
Adição
Dadas duas matrizes nmijnm aA
][ e nmijnm bB
][ , então:
nmnmnm ijijijij babaBA
][][][
Exemplos
13. Se
171
229
104
A e
126
031
812
B , então
095
2510
716
BA
14. Suponha que as tabelas que seguem trazem as produções de soja, feijão e milho (em
milhares de toneladas) de dois anos consecutivos de três regiões de um país:
Produção agrícola do primeiro ano
Soja Feijão Milho
Região 1 2000 150 700
Região 2 1000 450 120
Região 3 500 300 900
Produção agrícola do segundo ano
Soja Feijão Milho
Região 1 2500 200 400
Região 2 500 250 300
Região 3 1500 200 100
Se representarmos estas produções pelas matrizes:
900300500
1204501000
7001502000
A e
1002001500
300250500
4002002500
B , respectivamente, então a matriz
10005002000
4207001500
11003504500
BA representa a produção total nestes dois anos
consecutivos.
7. Geometria Analítica e Álgebra Linear 5
Propriedades da Adição de Matrizes
i) Associatividade: ,CBACBA nmMCBA ,,
ii) Comutatividade: ABBA , nmMBA,
iii) Elemento Neutro: A0A , onde 0 denota a matriz nula nm , nmMA
iv) Oposto: Dada nmMA , existe a matriz A nmM , tal que 0AA
Multiplicação de matriz por escalar
Dada uma matriz nmijnm aA ][ e um escalar , então:
nmnm ijij aaA
][][
Exemplos
15. Se
471
269
103
A e 2 , então
8142
41218
206
2 AA
16. Se
252
143
B e 3 , então
6156
3129
3 BB
17. Suponha que a tabela que segue traz a produção de arroz e milho (em milhares de
toneladas) de dois Estados de um país em um determinado ano:
Arroz Milho
Estado X 400 600
Estado Y 700 800
Se representarmos estas produções pela matriz:
800700
600400
A e no ano seguinte
estes Estados dobraram suas produções, então a matriz
16001400
1200800
2 A representa esta
nova safra.
Propriedades da Multiplicação de Matriz por escalar
i) AA , ,,nmMA
ii) AAA , ,,nmMA
iii) BABA , ,, nmMBA
iv) AA 1 , nmMA
v) 0A 0 , nmMA obs.: 0 e nmM0
8. Geometria Analítica e Álgebra Linear 6
Multiplicação de matrizes
Dadas duas matrizes nmijnm aA
][ e pnjkpn bB
][ , então:
pmikcCBA
][ , onde
n
j
jkijnkinkikikiik bababababac
1
332211 .....
Exemplos
18. Se
2221
1211
aa
aa
A e
232221
131211
bbb
bbb
B , então
232221
131211
ccc
ccc
C , onde:
2
1
2211
j
jkijkikiik bababac , isto é:
2112111111 babac
2212121112 babac
2312131113 babac
2122112121 babac
2222122122 babac
2322132123 babac
19. Se
112
131
A e
6021
1125
1304
B , então
24232221
14131211
cccc
cccc
C ,
onde:
1211534111 c
821230112 c
001133113 c
461131114 c
211514221 c
421210222 c
501113223 c
761111224 c
Logo
7542
40812
C
20. Imagine que uma empresa possui duas confeitarias chamadas de A e B, que fabricam
três tipos de bolos chamados de 1, 2 e 3.
As vendas de bolos destas confeitarias, por semana, estão apresentadas na tabela que
segue:
Confeitaria Bolo tipo 1 Bolo tipo 2 Bolo tipo 3
A 50 unidades 30 unidades 25 unidades
B 20 unidades 20 unidades 40 unidades
Para a fabricação destes bolos, são necessários materiais conforme a seguinte tabela:
9. Geometria Analítica e Álgebra Linear 7
Bolo Farinha Açúcar Leite Manteiga Ovos
Tipo 1 500 g 200 g 500 ml 150 g 4
Tipo 2 400 g 100 g 300 ml 250 g 5
Tipo 3 450 g 150 g 600 ml 0 g 6
Que quantidade destes materiais cada confeitaria deverá receber semanalmente para
atender às demandas?
Se a primeira tabela for representada pela matriz
402020
253050
X e a segunda
tabela pela matriz
60600150450
5250300100400
4150500200500
Y , a resposta será dada pela matriz
YXZ :
Confeitaria Farinha Açúcar Leite Manteiga Ovos
A 11c 12c 13c 14c 15c
B 21c 22c 23c 24c 25c
4825045025400305005011 c
1675015025100302005012 c
4900060025300305005013 c
15000025250301505014 c
50062553045015 c
3600045040400205002021 c
1200015040100202002022 c
4000060040300205002023 c
8000040250201502024 c
42064052042025 c
Logo a resposta é:
Confeitaria Farinha Açúcar Leite Manteiga Ovos
A 48250 16750 49000 15000 500
B 36000 12000 40000 8000 420
Propriedades da Multiplicação de Matrizes
(Desde que sejam possíveis as operações)
i) ,AAIIA sendo I a matriz identidade
ii) CABACBA e CBCACBA
iii) CBACBA
iv) 0A0 e 00A
Observe que em geral ABBA , podendo inclusive um dos membros estar definido
e o outro não.
10. Geometria Analítica e Álgebra Linear 8
Transposição de matrizes
Dada uma matriz nmnmijnm MaA ][ , denomina-se transposta de A, a matriz:
mnij
T
bA ][ , cujas linhas são as colunas de A, isto é: jiij ab .
Exemplos
21. Se
471
269
103
A , então
421
760
193
T
A
22. Se
52
40
13
B , então
541
203T
B
Propriedades da Transposição de Matrizes
i) TTT
BABA
ii) TT
AA , onde
iii) AA
TT
iv) TTT
ABBA
Definições
Seja A uma matriz quadrada, então:
a) A é dita simétrica, se e somente se, AAT
.
Exemplo
23.
571
720
103
A AAT
571
720
103
b) A é dita anti-simétrica, se e somente se, AAT
.
Exemplo
24.
053
501
310
A AAT
053
501
310
11. Geometria Analítica e Álgebra Linear 9
1.1.3 Alguns exercícios sobre matrizes:
25. Para cada , considere a matriz
cossen
sencos
T
a) Mostre que TTT
cossen
sencos
cossen
sencos
TT
=
coscossensencossencossen
cossencossensensencoscos
T
cossen
sencos
b) Ache T
T
TT
cossen
sencos
cossen
sencos
26. Mostre que a soma de duas matrizes simétricas é uma matriz simétrica.
Sejam duas matrizes simétricas A e B. Logo AAT
e BBT
.
BABABA TTT
.
27. Mostre que a soma de duas matrizes anti-simétricas é uma matriz anti-simétrica.
Sejam duas matrizes anti-simétricas A e B. Logo AAT
e BBT
.
.BABABABA TTT
28. Mostre que se A é uma matriz quadrada, então T
AA é uma matriz simétrica.
TTTTTTT
AAAAAAAA
29. Verifique que o produto de duas matrizes simétricas nem sempre é uma matriz
simétrica.
Sejam duas matrizes simétricas A e B. Logo AAT
e BBT
.
ABABBA TTT
.
30. Se 0BA , então podemos afirmar que 0A ou 0B ?
Não! Encontre alguns contra-exemplos.
31. Suponha que 0A e CABA , então podemos afirmar que B=C ?
Não!
CABA 0CABA 0CBA . Sabemos que 0A , e que podemos
ter 0CBA sem que 0CB , Logo B não é necessariamente igual a C.
12. Geometria Analítica e Álgebra Linear 10
32. Considerando o exercício anterior, se existir uma matriz Y tal que IAY , podemos
afirmar que B=C ?
Sim !
CABA CAYBAY CAYBAY CIBI B=C
33. Podemos dizer que a seguinte igualdade 222
2 BBAABA é verdadeira?
Não!
22
BABBAABBABBAAABABA
34. Podemos dizer que a seguinte igualdade 222
2 BBAABA é verdadeira?
Não!
22
BABBAABBABBAAABABA
1.1.4 Matrizes Elementares
Definição
Chamamos de operações elementares nas linhas de uma matriz, às seguintes
operações:
i) a troca da ordem de duas linhas da matriz;
ii) a multiplicação uma linha da matriz por uma constante diferente de zero;
iii) a substituição uma linha da matriz por sua soma com outra linha multiplicada por uma
constante diferente de zero.
Definição
Uma matriz elementar é uma matriz obtida por meio de operações elementares nas
linhas de uma matriz identidade.
Exemplos
35. Considere a matriz identidade
1000
0100
0010
0001
I . Então as matrizes
1000
0100
0050
0001
1E ,
1000
0001
0010
0100
2E ,
1020
0100
0010
0001
3E , são matrizes
elementares obtidas de I, pela aplicação de uma única operação elementar em suas linhas. Se
iL representa a i-ésima linha de I, então, estas matrizes foram obtidas da seguinte maneira:
14. Geometria Analítica e Álgebra Linear 12
1532
0241
3021
233 4LLL
13136
0241
3021
=
140
010
001
1532
0241
3021
1.1.5 Definição de Matriz como Função
Uma matriz do tipo m n sobre um corpo F é uma aplicação do conjunto X={ (i, j)
N N: 1 i m, 1 j n } em F. (N é o conjunto dos números naturais).
Se m = n a matriz é dita matriz quadrada.
Exemplo
37. A aplicação A: X onde X= { (1,1), (1,2), (1,3), (2,1), (2,2), (2,3) }, definida por:
A(1,1) = 1, A(1,2) = 1, A (1,3 ) = 3,
A (2,1) = 3, A (2,2) = 4, A (2,3) = 0
é uma matriz do tipo 2 3, isto é: A =
043
311
1.2 Determinantes e Matriz Inversa
1.2.1 Determinantes
Definições
Se
2221
1211
aa
aa
A 21122211det aaaaA
Se
333231
232221
131211
aaa
aaa
aaa
A
312213322113312312
332112322311332211det
aaaaaaaaa
aaaaaaaaaA
Definição
Dada uma permutação dos inteiros n,.....,2,1 , existe uma inversão quando um inteiro
precede outro menor que ele.
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
Definição
Seja A uma matriz quadrada nn .
Então nnjjjj
J
aaaaA ......1det 321 321
15. Geometria Analítica e Álgebra Linear 13
Onde ),....,,,,( 321 njjjjJJ é o número de inversões da
permutação ),....,,,,( 321 njjjj e indica que a soma e estendida para todas as n!
permutações.
Observações
i) o coeficiente J
1 dá o sinal de cada parcela da somatória.
ii) em cada termo existe um e só um elemento de cada linha e um e só um elemento de cada
coluna.
iii) Através de reordenações, mostra-se também que: njjjj
J
n
aaaaA ......1det 321 321
Propriedades dos determinantes
i) T
AA detdet
ii) Se multiplicarmos uma linha de uma matriz por k , o determinante fica multiplicado
por k.
iii) Uma vez permutadas duas linhas de uma matriz, o determinante da mesma troca de sinal.
iv) O determinante de uma matriz que tem duas linhas (ou colunas) iguais é igual a zero.
v) O determinante não se altera se somarmos aos elementos de uma linha, os elementos
correspondentes de outra linha multiplicados por uma constante.
vi) BABA detdetdet
Definição
Seja A uma matriz quadrada nn . Uma submatriz ijA de A é uma matriz obtida de A
eliminando a i-ésima linha e a j-ésima coluna de A.
Exemplo
38. Se
432
304
121
A então
32
21
23A ,
30
12
31A , etc.
Definição
Seja A uma matriz quadrada nn . O cofator ou complemento algébrico de um
elemento ija de A é o número: ij
ji
ij Adet1
.
16. Geometria Analítica e Álgebra Linear 14
Exemplo
39. Se
432
304
121
A então:
9
43
30
det1det1 2
11
11
11
A ,
7
32
21
det1det1 5
23
32
23
A , etc.
Desenvolvimento de Laplace
Generalizando: ij
n
j
ijnnij aa
1
det para qualquer linha i.
Observação: O desenvolvimento pode também ser feito na variável j:
ij
n
i
ijnnij aa
1
det para qualquer coluna j.
Exemplo
40. Se
432
304
121
A então calcule .det A
Escolhendo, por exemplo a segunda linha (i=2)
2323222221212
3
1
2det aaaaA j
j
j
43
12
det14 12
+
42
11
det10 22
32
21
det13 32
1736054
1.2.2 Matriz Inversa
Seja A é uma matriz quadrada n n. Chamamos de matriz inversa de A à uma matriz
B, também n n, que satisfaz a seguinte propriedade: IABBA , em que nII é a
matriz identidade n n. Se esta matriz B existir, A será chamada de matriz invertível.
Normalmente a matriz inversa de A é indicada por 1
A , logo: IAAAA 11
Exemplo
41. Ache a inversa da matriz
41
32
A
10
01
41
32
dc
ba
10
01
44
3232
dbca
dbca
04
132
ca
ca
5
4
a e
5
1
c e
14
032
db
db
5
3
b e
5
2
d
17. Geometria Analítica e Álgebra Linear 15
Logo
5
2
5
1
5
3
5
4
1
A
Obs: O mesmo resultado seria obtido fazendo:
10
01
41
32
dc
ba
Teorema
Se A é uma matriz invertível, então a sua inversa é única.
Demonstração
Vamos supor que a matriz A possui duas inversas 1
1
A e 1
2
A . Logo temos que
AAIAA 1
1
1
1 e AAIAA 1
2
1
2 .
Assim 1
2
1
2
1
2
1
1
1
2
1
1
1
1
1
1
AAIAAAAAAIAA .
Portanto 1
2
1
1
AA e a inversa é única.
Observações
i) Se A e B são matrizes quadradas invertíveis, então BA é também invertível e
111
ABBA .
ii) Uma matriz quadrada A admite inversa se e somente se 0det A .
iii) Se A é uma matriz quadrada e 0det A , então
A
A
det
1
det 1
.
Demonstração de (iii)
Sabemos que BABA detdetdet . Se IAA 1
, então temos que
IAAAA detdetdetdet 11
A
A
det
1
det 1
.
iv) AA
11
.
v) 11
TT
AA .
Teorema
Seja A uma matriz quadrada. Se uma seqüência de operações elementares nas suas
linhas reduz A a I, então a mesma seqüência de operações elementares transforma I em 1
A .
Demonstração
Se A for linha equivalente a I, podemos conseguir essa redução multiplicando A à
esquerda por uma seqüência kEEEE ,.....,,, 321 de matrizes elementares. Portanto, temos
IAEEEEE kk 1231.... . Denotando 1231.... EEEEEB kk , temos IAB .
Assim, temos que A é invertível e 1
AB . Agora, aplicar a mesma sequência de operações
elementares em I é equivalente a multiplicar I, à esquerda por 1231.... EEEEE kk . O
19. Geometria Analítica e Álgebra Linear 17
111 21
21
,
221 22
22
Definição
Seja A uma matriz quadrada nn . Chama-se matriz adjunta de A, a matriz
T
AadjA .
Exemplo
44. Se
13
12
A então
23
11
21
31
T
adjA
Teorema
Seja A uma matriz quadrada nn , tal que 0det A . Então: nIAadjAA det .
Deste teorema podemos concluir que:
nIAadjAA det nI
A
adjA
A
det
A
adjA
A
det
1
1.2.3 Alguns exercícios sobre determinantes e matriz inversa
45. Uma maneira de codificar uma mensagem é através da multiplicação matricial.
Vamos associar as letras do alfabeto aos números, segundo a correspondência abaixo:
A B C D E F G H I J K L M
1 2 3 4 5 6 7 8 9 10 11 12 13
N O P Q R S T U V W X Y Z
14 15 16 17 18 19 20 21 22 23 24 25 26
Suponhamos que a nossa mensagem seja “PUXA VIDA”. Podemos formar uma
matriz 33 assim:
ADI
VA
XUP
, que usando a correspondência numérica fica: M =
149
2201
242116
Agora seja C uma matriz qualquer 33 inversível, por exemplo:
C =
102
212
011
Multiplicando nossa matriz da mensagem M por C, obtemos CM :
7133
22145
183722
CM
20. Geometria Analítica e Álgebra Linear 18
Transmitimos esta nova matriz CM . Quem recebe a mensagem, decodifica-a através
da multiplicação pela inversa de C, isto é, fazendo 1
CCM e posterior transcrição dos
números para letras. C é chamada de matriz chave para o código.
Questão
Com base nessas informações, supondo que você tenha recebido a matriz
17172
303510
333411
CM , traduza a mensagem.
46. Sendo A uma matriz quadrada nn e, verifique que AA n
detdet .
47. Seja A uma matriz triangular superior. Calcule o determinante de A.
nn
n
n
n
a
aa
aaa
aaaa
A
000
00
0
333
22322
1131211
Aplicando Laplace sucessivamente 1111det aA
=
nn
n
n
a
a
aa
a
00
0
det1 3
222
11
11
=
nn
n
n
a
a
aa
aa
00
0
det1 4
333
11
2211
=
nn
n
n
a
a
aa
aaa
00
0
det1 5
444
11
332211
=........... nnaaaa ...........332211
Referências Bibliográficas
1. BOLDRINI, José Luiz et al. Álgebra Linear. 3.a Edição. São Paulo: Harper & Row do
Brasil, 1980.
2. CALLIOLI, Carlos A. et al. Álgebra Linear e Aplicações. 6.a Edição. São Paulo: Atual,
1990.
3. LIMA, Elon L., et al. A Matemática do Ensino Médio. 3.a Edição. Rio de Janeiro:
Coleção do Professor de Matemática – Sociedade Brasileira de Matemática, 2001.
4. POOLE, David. Álgebra Linear. São Paulo: Thomson Learning, 2006.