MATRIZES, DETERMINANTES E

SISTEMAS LINEARES

0.1 Corpo
Definição 1. Considere um conjunto não vazio K e sobre este defina as operações de Adição e
Multiplicação definidas abaixo:

+: K ×K →K •: K ×K →K
(x, y) 7−→ x + y (x, y) 7−→ x • y

Dizemos que (K, +, •) é um corpo se satisfaz as seguintes condições:

Propriedades da adição
1. Comutatividade. x + y = y + x, ∀x, y ∈ K;
2. Associatividade. x + (y + z) = (x + y) + z, ∀x, y, z ∈ K;
3. Elemento Neutro. Existe um único elemento 0 (zero) em K tal que x + 0 = x, ∀x ∈ K;
4. Simétrico ou Oposto. A cada x ∈ K existe um único −x ∈ K tal que x + (−x) = 0.
Propriedades da multiplicação
1. Comutatividade. x • y = y • x, ∀x, y ∈ K;
2. Associatividade. x • (y • z) = (x • y) • z, ∀x, y, z ∈ K;
3. Elemento Neutro. Existe um único elemento não nulo 1 (unidade) em K tal que x • 1 = x,
∀x ∈ K;
4. Inverso. A cada x 6= 0 em K existe um único x−1 ∈ K tal que x • x−1 = 1.
Propriedade Distributiva
x • (y + z) = x • y + x • z, ∀x, y, z ∈ K.
Os elementos de um corpo serão chamados de escalares.

Os conjuntos abaixo com as operações especificadas são exemplos de corpos.

Exemplo 1. Os números reais (R, +, ·), com as operações de soma e multiplicação já conhecidas.

1
 p
Exemplo 2. O conjunto dos números racionais Q = { ; p, q ∈ Z, q 6= 0} com as operações:
q
p p0 p · q 0 + p0 · q p p0 p · p0
+ = e • = .
q q0 q · q0 q q0 q · q0
Exemplo 3. O conjunto dos números complexos C = {z = x + iy; x, y ∈ R} com as operações:
z1 + z2 = (x1 + iy1 ) + (x2 + iy2 ) = (x1 + x2 ) + i(y1 + y2 );
z1 • z2 = (x1 + iy1 ) • (x2 + iy2 ) = x1 · x2 − y1 · y2 + i(x1 · y2 + x2 · y1 )
Exemplo 4. Considere o conjunto Z2 = {0̄, 1̄}, onde 0̄ é o conjunto dos inteiros que na divisão por 2
deixam resto 0 ({0, ±2, ±4, ±6, . . .}) e 1̄ é o conjunto dos inteiros que na divisão por 2 deixam resto
1 ({±1, ±3, ±5, . . .}). Definimos em Z2 as operações:

Adição: 0̄ + 1̄ = 1̄ + 0̄ = 1̄
0+0=1+1=0

Multiplicação: 0 • 0 = 0 • 1 = 1 • 0 = 0
1•1=1

Veja que
• O elemento neutro da adição é 0̄;
• O simétrico de cada elemento é ele mesmo;
• O elemento neutro da multiplicação é 1̄;
• O inverso de 1̄ é ele mesmo.
Generalização: Seja n > 1 um inteiro.
Podemos organizar os inteiros em classes de equivalência da seguinte forma.
Dado a ∈ Z sua classe de equivalência é o conjunto ā = {b ∈ Z; b = kn + a}, que é equivalente a
dizer que b deixa resto a na divisão por n, ou ainda, que n divide b − a.
Por exemplo, Z3 = {0̄, 1̄, 2̄}. Veja que todo múltiplo inteiro de 3 deixa resto zero na divisão por
3, então 0̄ = {0, ±3, ±6, . . .}. Também temos 1̄ = {. . . , −8, −5, −2, 1, 4, 7, . . .}, pois todos esses
números deixam resto 1 na divisão por 3, e 2̄ = {. . . , −7, −4, −1, 2, 5, 8, . . .}, pois na divisão por 3
deixam resto 2. Agora perceba que 3̄ = 0̄, 4̄ = 1̄, 5̄ = 2̄, . . .
Concluimos que n̄ = 0̄, n + 1 = 1̄ e assim por diante. Então

Zn = {0̄, 1̄, · · · , n − 1}.

Definimos em Zn as operações de adição e multiplicação

x̄ + ȳ = x + y e x̄ • ȳ = x · y

O conjunto (Zn , +, •) é um corpo.

0.2 Matrizes
Definição 2. Uma matriz de ordem m × n sobre o corpo K é uma função A do conjunto dos pares de
inteiros (i, j), 1 ≤ i ≤ m, 1 ≤ j ≤ n, no corpo K.
Os elementos da matriz A são os escalares A(i, j) = ai,j e vamos representá-la em uma tabela onde
seus elementos estarão dispostos em m linhas e n colunas como abaixo.
 
a11 . . . a1n
A = (aij )m,n =  :
 .. 
. : 
am1 . . . amn

Dizemos que duas matrizes de mesma ordem A = (aij )m,n e B = (bij )m,n são iguais se e somente se
aij = bij , quaisquer que sejam i e j.

 i + 2j, i > j
Exemplo 5. Seja A = (aij )2,3 a matriz dada por aij = ij i=j
2i − j i < j


 a11 = 11 = 1 a21 = 2 + 2 · 1 = 4  
2 1 0 −1
a12 = 2 · 1 − 2 = 0 a22 = 2 = 4 ⇒ A=
4 4 1
a13 = 2 · 1 − 3 = −1 a23 = 2 · 2 − 3 = 1


MATRIZES ESPECIAIS
1. (Matriz Linha e Matriz Coluna)
Uma matriz de ordem 1 × n é chamada de matriz linha e uma matriz de ordem m × 1 é chamada
de matriz coluna.  

a 11
a11 . . . a1n  : 
am1

2. (Matriz Nula) Uma matriz nula é aquela cujos seus elementos são todos nulos.
3. (Matriz Quadrada) Dizemos que uma matriz A é quadrada quando o número de linhas é igual
ao número de colunas, m=n. Neste caso denotamos apenas (aij )n .
Numa matriz quadrada, os elementos aij tal que i = j formam a diagonal principal e os
elementos onde i + j = n + 1 formam a diagonal secundária.
 
a11 a12 ... a1(n−1) a1n
 a21 a22 a2(n−1) a2n 
 
 . . 
 : . : 
 
 a(n−1)1 a(n−1)2 a(n−1)(n−1) a(n−1)n 
an1 an2 ... an(n−1) ann

Uma matriz quadrada onde aij = 0 para i 6= j é chamada de matriz diagonal. Observe que
toda matriz quadrada nula é diagonal.
4. (Matriz Triangular Superior e Matriz Triangular Inferior)
Dizemos que uma matriz quadrada é triangular superior quando aij = 0 para i > j e é triangular
inferior quando aij = 0 para i < j.
5. (Matriz Identidade) Chamamos de matriz Identidade de ordem n, a matriz diagonal cujos ele-
mentos da diagonal principal são todos iguais a 1 e o restante são nulos, ou seja, aii = 1 e
aij = 0 para i 6= j. Podemos representar os elementos da matriz identidade pelo sı́mbolo de
 
1, se i = j
Kronecker In = (δij )n , onde δij =
0, se i 6= j
 
1 0 ... 0 0
 0 1 0 0 
 
In =  :
 . .. 
 : 

 0 0 1 0 
0 0 ... 0 1 n×n

0.2.1 Operações com Matrizes

1. Adição
Sejam A = (aij )m,n e B = (bij )m,n matrizes de mesma ordem. Definimos a soma dessas
matrizes como sendo a matriz C = (cij )m,n , onde cij = aij + bij .
Exemplo 6.      
5 −2 3 −2 1 3 3 −1 6
 2 1 −4   4 2 5   6 3 1 
 + = 
 1 0 2   0 2 −2   1 2 0 
3 −1 4 −3 0 5 0 −1 9

Propriedades:
(a) Associativa. Para quaisquer matrizes de mesma ordem, A, B e C vale A + (B + C) =
(A + B) + C;
Prova: Como os elementos das matrizes pertencem ao corpo K e nele vale a associativi-
dade da soma, temos aij + (bij + cij ) = (aij + bij ) + cij quaisquer que sejam i e j. Então
A + (B + C) = (aij + (bij + cij )) = ((aij + bij ) + cij ) = (A + B) + C.
(b) Comutativa. Para quaisquer matrizes A e B de mesma ordem temos A + B = B + A;
Prova: Como vale a comutatividade da soma no corpo K temos A + B = (aij + bij ) =
(bij + aij ) = B + A.
(c) Elemento Neutro. O elemento neutro da adição de matrizes de ordem m × n é a matriz
nula 0m,n onde vale A + 0 = A qualquer que seja Am,n ;
(d) Elemento Oposto. Dada a matriz Am,n , a matriz −A = (−aij )m,n é tal que A+(−A) = 0.

2. Subtração
Definimos a subtração de matrizes A e B de mesma ordem como sendo a matriz C = A − B =
A + (−B), ou seja, somamos A com a matriz oposta de B.

3. Produto de uma matriz por um escalar

Dados uma matriz A = (aij )m,n e um escalar k, definimos o produto kA = (kaij )m,n .

Propriedades: Sejam A e B matrizes de mesma ordem e k1 e k2 escalares.

 (a) Distributividade das matrizes: k1 (A + B) = k1 A + k1 B.
Prova: k1 (A + B) = k1 ((aij + bij )) = (k1 (aij + bij ) = (k1 aij + k1 bij ) = k1 A + k1 B.
(b) Distributividade dos escalares: (k1 + k2 )A = k1 A + k2 A.
Prova: (k1 + k2 )A = (k1 + k2 )(aij ) = ((k1 + k2 )aij ) = (k1 aij + k2 aij ) = k1 A + k2 A
(c) Associatividade: k1 (k2 A) = (k1 k2 )A.
Prova: k1 (k2 A) = k1 (k2 aij ) = k1 k2 (aij ) = (k1 k2 )A.
4. Multiplicação de matrizes
Sejam Am,n e Bn,p matrizes sobre o corpo K. O produto de A por B é a matriz C de ordem
m × p cujos elementos são dados por
n
X
cij = air brj
r=1

Exemplo 7.      
1 0 5 −1 2 5 −1 2
=
−3 1 2,2
15 4 8 2,3
0 7 2 2,3

   
1 −1 1 1 2 3
Exemplo 8. Sejam A =  −3 2 −1  e B =  2 4 6 . Então
−2 1 0 1 2 3

  
0 0 0 −11 6 −1
AB =  0 0 0  BA =  −22 12 −2 
0 0 0 −11 6 −1

Com este exemplo podemos fazer duas observações:

i. A multiplicação de matrizes não é comutativa.
ii. Temos que o produto AB = 0 sendo que A 6= 0 e B 6= 0. Com isso, se AB = AC não
necessariamente teremos B = C.
Propriedades:
(a) Seja Am,n , então AIn = A = Im A.
Pn
Prova: AIn = ( air δrj ) = (aij ) = A
r=1

(b) Considere as matrizes Am,n , Bn,p e Cn,p , então vale a distributividade à esquerda da
multiplicação em relação à soma A(B + C) = AB + AC.
Pn n
P Pn Pn
Prova: A(B+C) = ( air (brj +crj )) = ( (air brj +air crj )) = ( air brj + air crj ) =
r=1 r=1 r=1 r=1
n
P n
P
( air brj ) + ( air crj ) = AB + AC.
r=1 r=1
 (c) Considere as matrizes Ap,m , Bn,p e Cn,p , então vale a distributividade à direita da multiplicação
em relação à soma (B + C)A = BA + CA.
Prova: Análoga ao item anterior.
(d) Sejam Am,n , Bn,p e Cp,q , então vale a associatividade A(BC) = (AB)C.
n
P Pn Pn P n n P
P n
Prova: A(BC) = ( air ( brs csj )) = ( air (brs csj )) = ( (air brs )csj ) =
r=1 s=1 r=1 s=1 r=1 s=1
n P
P n
( ( air brs )csj ) = (AB)C
s=1 r=1

(e) Sejam Am,n , Bn,p e k um escalar, então k(AB) = (kA)B = A(kB).

Pn Pn n
P
Prova: k(AB) = k( air brj ) = (k air brj ) = ( kair brj ) = (kA)B
r=1 r=1 r=1

0.2.2 Matriz Transposta

Definição 3. Dada uma matriz A = (aij )m,n definimos a sua transposta como sendo a matriz At =
(αji )n,m , onde αji = aij , ou seja, as linhas de At são as colunas de A.
 
  2 −1
2 3 4 5  3 0 
Exemplo 9. A = ⇒ At =  
−1 0 2 1 2×4  4 2 
5 1 4×2

Propriedades: Sejam k um escalar e Am,n , Bm,n e Cn,p matrizes. Então valem as propriedades
1. (At )t = A;
2. (A + B)t = At + B t ;
3. (kA)t = kAt ;
4. (BC)t = C t B t

Exercı́cio: Prove as propriedades acima.

0.2.3 Matriz Simétrica e Antissimétrica

Uma matriz quadrada An é dita simétrica se At = A, ou seja, aij = aji , 1 ≤ i, j ≤ n. Os elementos
dispostos simetricamente em relação à diagonal principal são iguais.
Uma matriz quadrada An é dita antissimétrica se At = −A, ou seja, aij = −aji , 1 ≤ i, j ≤ n. Os
elementos dispostos simetricamente em relação à diagonal principal são opostos e os elementos da
diagonal principal são nulos.
Exemplo 10. A matriz A abaixo é simétrica e a matriz B é antissimétrica.
   
1 5 9 0 3 4
A= 5 3 8  B =  −3 0 −6 
9 8 7 −4 6 0

Exemplo 11. Se A é uma matriz quadrada então o produto AAt é sempre uma matriz simétrica.
De fato, pela propriedade de transposta do produto de matrizes temos (AAt )t = (At )t At = AAt
0.2.4 Potência de uma matriz
Seja A uma matriz quadrada e n ≥ 0 um inteiro. Definimos a potência An por
 0
A =I
An = An−1 A, para n > 0

Dizemos que uma matriz quadrada A é periódica se existe um inteiro n ≥ 1 tal que An+1 = A. Ao
menor inteiro n que satisfaz essa condição chamamos de perı́odo(ou ı́ndice) de A. Quando n = 1
dizemos que A é idempotente, assim o perı́odo de uma matriz idempotente é 1.
 
−2 2
Exemplo 12. A matriz A = é idempotente.
−3 3
Mostre por indução que se A2 = A então An = A, ∀ n ≥ 2.

Dizemos que uma matriz quadrada A é nilpotente se existe um inteiro n ≥ 1 tal que An = 0. Ao
menor inteiro n que satisfaz essa condição chamamos de ı́ndice de A.
 
1 −1 1
Exemplo 13. A matriz A =  −3 3 −3  é nilpotente de ı́ndice 2.
−4 4 −4
Observe que se An = 0 então Am = 0, ∀ m ≥ n.

0.3 Operações Elementares (Escalonamento)

Definição 4. Considere a matriz Am,n sobre o corpo K. Chamamos as operações abaixo de operações
elementares sobre as linhas Li da matriz A, i = 1, . . . , m.
1. Permutação de duas linhas de A;
2. Multiplicação de uma linha de A por um escalar não nulo;
3. Substituição da linha Li por Li + kLj , sendo i 6= j e k ∈ K.
Definição 5. Sejam Am,n e Bm,n matrizes sobre o corpo K. Dizemos que B é linha equivalente a
A, se B pode ser obtida de A por meio de um número finito de operações elementares sobre as linhas
de A.
Exemplo 14.
     
3 0 3 12 1 1 0 1 4 1 0 1 4
L1 → L1 L2 → L2 − 2L1
2 1 −1 3 3−→ 2 1 −1 3 −−−−−−−−−−→ 0 1 −3 −5
−−−−−−

Definição 6. Dizemos que uma matriz A é linha reduzida à forma escada, se satisfaz:
1. O primeiro elemento não nulo de cada linha não nula de A é 1.
2. Os demais termos de uma coluna a qual pertence o primeiro termo não nulo de alguma linha
são todos nulos.
 3. Toda linha nula fica abaixo de todas as linhas não nulas.
4. Se r é o número de linhas não nulas de A e se o primeiro termo não nulo da i-ésima linha não
nula ocorre na coluna ki então k1 < k2 < . . . < kr .
Exemplo 15. As matrizes abaixo não são linhas reduzidas à forma escada
   
1 0 0 0 0 2 1
 0 1 −1 0  e  1 0 −3 
0 0 1 0 0 0 0

As matrizes abaixo são linhas reduzidas à forma escada

 
  1 0 0 −1
1 0 1 4
e  0 0 1 5 
0 1 −3 5
0 0 0 0

Teorema 1. Toda matriz Am,n é linha equivalente a uma matriz linha reduzida à forma escada
Demonstração: A prova desse teorema consiste no processo de escalonamento.
Suponha que A é não nula, caso contrário não temos o que provar.
i. Considere uma linha não nula de A e seja aij o primeiro termo não nulo dessa linha. Para torná-lo
igual a 1 multiplicamos toda a linha por a−1
ij .

ii. Agora desejamos zerar os demais elementos da j-ésima coluna. Seja akj um termo qualquer não
nulo dessa coluna, com k 6= i. Então substituı́mos a linha Lk pela combinação Lk − akj Li e, ao final
desse processo, a j-ésima coluna terá 1 na i-ésima linha e zero nas demais.
iii. Passando a outra linha não nula observe que o primeiro termo não nulo não ocorre na j-ésima
coluna e depois de utilizar os procedimentos 1) e 2) nessa linha a j-ésima coluna continua inalterada
e os termos à esquerda do primeiro termo não nulo da i-ésima linha continuam iguais a zero.
Continuamos com esse processo até trabalharmos todas as linhas não nulas de A obtendo assim uma
matriz que é linha equivalente a A e satisfaz as condições 2. e 3. da definição 6
iv. Para finalizar o processo fazemos trocas convenientes nas linhas para obter uma matriz que satisfaz
também as condições 1. e 4. da definição 6.
Exemplo 16. Encontre uma matriz linha reduzida à forma escada que seja linha equivalente a matriz
 
2 3 −1
A =  −4 0 2 
1 1 3

0.4 Sistemas Lineares

Definição 7. Seja n um inteiro positivo. Chama-se equação linear com n incógnitas toda equação do
tipo a1 x1 +. . .+an xn = b, onde a1 , . . . , an , b são escalares e x1 , . . . , xn são as incógnitas. Chamamos
cada ai de coeficiente e b de termo independente.
Definição 8. Sejam m e n inteiros positivos. Chama-se sistema linear de m equações com n incógnitas
todo sistema com m equações lineares todas às mesmas incógnitas que será denotado por

 a11 x1 + a12 x2 + . . . + a1n xn = b1
··· (1)
am1 x1 + am2 x2 + . . . + amn xn = bm


Esse sistema pode ser representado matricialmente por

 
a11 . . . a1n
  
x1 b1
..
. :   :  =  :  ⇐⇒ AX = B
 
 :
am1 . . . amn xn bm

onde A é a matriz dos coeficientes, X é a matriz das incógnitas e B é a matriz dos termos indepen-
dentes. A matriz completa do sistema é a matriz dada por
 
a11 . . . a1n b1
 .. 
 : . : : 
am1 . . . amn bm

Vamos agora fazer um estudo do conjunto solução de um sistema linear.

Definição 9. Chamamos de solução do sistema 2 toda lista ordenada (x1 , . . . , xn ) de números reais
que satisfaz a todas as equações do sistema. Dizemos que um sistema linear é possivel e determinado
se seu conjunto solução é unitário, é possivel e indeterminado se possui mais de uma solução e
dizemos que ele é impossı́vel se seu conjunto solução é vazio.
Dizemos que dois sistemas lineares são equivalentes se possuem o mesmo conjunto solução.
Teorema 2. Se a matriz completa de um sistema linear S é linha equivalente a matriz completa de
um sistema linear S 0 então S e S 0 são equivalentes.
Exemplo 17. Resolva os seguintes sistemas:

 2x + 3y = −1
 2x + 3y − z = 6


−4x = 2

a) −4x + 2z = −1 b)
x+y =3
x + y + 3z = 0
 

x−y =5


Definição 10. Dada uma matriz Am,n seja Bm,n a matriz linha reduzida à forma escada que é 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.
???????????????
Teorema 3. Seja S um sistema de m equações com n incógnitas.
1. S admite solução se e somente se o posto da matriz completa é igual ao posto da matriz dos
coeficientes;
2. Se as duas matrizes tem o mesmo posto p e p = n então a solução é única;
 3. Se as duas matrizes tem o mesmo posto p e p < n podemos escolher n − p incógnitas e as
outras serão dadas em função destas.
???????????????
Definição 11. Dizemos que um sistema linear Ax = B é homogêneo se B = 0. Veja que todo sis-
tema linear homogêneo admite a solução nula.


 a11 x1 + a12 x2 + . . . + a1n xn = 0

.. (2)
 .
 a x + a x + ... + a x = 0
m1 1 m2 2 mn n

Proposição 4. Se em um sistema linear homogêneo o número de incógnitas é maior que o número de

equações então ele admite uma solução não nula.
Proposição 5. Se o número de equações é igual ao número de incógnitas então o sistema AX = B
tem uma única solução se, e somente se A é linha equivalente a identidade.

0.5 Matriz Inversa

Definição 12. Sejam A, B e C matrizes n×n. Se A·B = In dizemos que A é uma inversa à esquerda
de B. FICOU FALTANDO DEFINIR INVERSA À DIREITA.
Se A admite uma inversa à direita de B e uma inversa à esquerda de C, então B = C.

De fato, 
A·B =I
=⇒ B = C
C ·A=I

B =I ·B =C ·A·B =C ·I =C

Definição 13. Se A admite uma inversa à direita e à esquerda dizemos que A é invertı́vel e denotamos
sua inversa por A−1 , ou seja A · A−1 = A−1 · A = I.
 
2 3
Exemplo 18. A =
1 4

??????????????????????????
Propriedades:
1. Se A e B são invertı́veis então (A · B)−1 = B −1 · A−1 .
2. Se A é invertı́vel então A−1 também é invertı́vel e (A−1 )−1 = A
3. A é invertı́vel ⇐⇒ A é linha equivalente a matriz identidade.
Exercı́cio: Prove as propriedades acima.
Exemplo 19. Calcule A−1 usando operações elementares
 
2 1 −3
A= 0 2 1 
5 1 3

0.6 Determinante
Dada uma matriz A, o produto dos termos da diagonal principal é chamado de termo principal e o
produto dos termos da diagonal secundaria é chamado de termo secundário.
Considere os números 1 e 2. Temos exatamente 2 permutações para esses termos que são 12 e 21,
considere a ordem crescente como a permutação principal.
Dizemos que os dois elementos formam uma inversão se estão em ordem inversa a da permutação
principal.

permutação principal permutação Nº inversões classes de permutações

12 12 0 par
12 21 1 ı́mpar
Para os números 1, 2 e 3 temos 3! = 6 permutações.

permutação principal permutação Nº inversões classes de permutações

123 0 par
132 1 ı́mpar
123 231 2 par
213 1 ı́mpar
312 2 par
321 3 ı́mpar
Definição 14. Chamamos de determinante de uma matriz quadrada A e denotamos por det(A) a soma
algébrica dos produtos que se obtém efetuando todas as permutações dos segundos ı́ndices do termo
principal, fixados os primeiros ı́ndices e fazendo-se proceder os produtos do sinal + ou − conforme
a classe de permutações.
Exemplo 20. Calcule o determinante:
 
a11 a12
A= =⇒ det(A) = +a11 · a22 − a12 · a21
a21 a22

 
a11 a12 a13 =⇒ det(A) = +a11 · a22 · a13 − a12 · a21 · a31
A =  a21 a22 a23  +a12 · a23 · a31 − a12 · a21 · a33
a31 a32 a33 +a131 · a21 · a12 − a13 · a22 · a31 .

FALTA TERMINAR ?
Denotamos por Aij a matriz (n − 1) × (n − 1) obtida quando retiramos a i-ésima linha e a j-ésima
coluna de A.
Definição 15. Definimos por recorrência o determinante de A da seguinte forma:
1. Se A = (a11 ) =⇒ det(A) = (a11 ).
n
X
2. Se A é uma matriz n × n definimos det(A) = aij (−1)i+j · det(Aij ), fixado a linha i.
j=1

O termo ∆ij = (−1)i+j ·det(Aij ) é chamado de cofator de aij . A matriz n×n formada pelos cofatores
correspondentes aos elementos da matriz A é chamada de matriz dos cofatores e será denotada por
∆ = (∆ij ).
?????????????????????
 
1 3 0
Exemplo 21. Calcule o determinante da matriz A =  −1 2 5 
6 1 8
Solução:
3
X
det(A) = aij (−1)i+j · det(Aij )
j=1

Exemplo 22. REGRA DE SARRUS

Propriedades do determinate:
1. Se todo elemento de uma linha ou coluna são nulos, então det(A) = 0;
2. det(A) = det(At );
3. Se permutamos duas linhas ou duas colunas de A o determinante muda o sinal;
4. Se duas linhas ou duas colunas de A são iguais então det(A) = 0;
5. Se uma linha (ou coluna) é combinação linear de outras linhas (ou colunas) de A, então
det(A) = 0;
6. Se multiplicarmos uma linha ou coluna de A por uma constante então det(A) fica multiplicado
por essa constante.
7. det(A · B) = det(A) · det(B)
 
a11 · · · b1k + c1k · · · a1n
 ..
8. Se A= .


an1 · · · bnk + cnk · · · ann
então
 
  a11 · · · c1k · · · a1n
a11 · · · b1k · · · a1n  .. 
 ..
det(A) = det  . + det  .
  
 
 an1 · · · cnk · · · ann 
an1 · · · bnk · · · ann
também vale para as linhas da matriz.
OBSERVAÇÃO:
 1. Da propriedade 7. concluı́mos que se A é invertı́vel então det(A) 6= 0.
De fato,
A · A−1 = I
det(A · A−1 ) = det(A) · det(A−1 ) = det(I) = 1
1
=⇒ det(A) 6= 0 e det(A) =
det(A−1 )

Proposição 6. Sejam A e B duas matrizes n × n. se B é obtida de A por uma única operação

elementar, então det(A) = 0 ⇐⇒ det(B) = 0.
Demonstração:
1. Se a operação for troca de linhas, então det(A) = − det(B).
2. Se a operação for a multiplicação de uma linha por um escalar, então det(B) = k·det(A), k 6= 0
=⇒ det(B) = 0 ⇐⇒ det(A) = 0
3. Se a operação for a de substituição da linha Li por Li + k · Lj .
Então  
L1
 .. 
 . 
 Lj 
 
 . 
det(B) = det(A) + k · det   ..  =⇒ det(B) = det(A).

 L 
 j 
 . 
 .. 
LK

0.7 Regra de Cramer

Considere o sistema linear AX = Bonde  é uma matriz n × n. Denotando suas colunas por Cj
A
x1

 ..
temos A = C1 · · · Cn e X =  . . Substituindo a j-ésima coluna de A por B temos

xn



det C1 · · · B ··· Cn = C1 · · · x i · C 1 + · · · + xn · C n · · · Cn = xj · det(A).


det C1 · · · B · · · Cn
Se det(A) 6= 0 =⇒ xj =
det(A)

Assim concluı́mos que se em um sistema linear a matriz dos coeficientes tem determinante diferente
de zero então o sistema é possı́vel e determinado e as incógnitas são dadas por:


det C1 · · · B · · · Cn
xj = ,j = 1...,n
det(A)

Exemplo 23. Aplique a regra de Cramer para resolver o sistema:

 
 2x + 3y − z = 6
−4x + 2z = −1
x + y + 3z = 0


0.8 Matriz Adjunta

Definição 16. Dada uma matriz An×n chamamos de matriz adjunta de A, a transposta da matriz dos
cofatores de A. Denotando por ∆ a matriz dos cofatores temos

adj(A) = ∆t = (∆ij )t , onde ∆ij = (−1)i+j · det(Aij ) −→ cofator relacionado ao elemento aij .

2 1 0
Exemplo 24. Determine a adjunta da matriz: A =  −3 1 4 .
1 6 5
−1
Supondo que A é invertı́vel. vamos fornecer uma fórmula para determinar
 A .
0
  . 
x1  .. 

seja, C j = X =  ...  a solução do sistema Ax = Inj = X =  j 
   
 . 
xn  .. 
0 n×1
Então pela regra de cramer,


det l1 , · · · , Inj , · · · , ln
Cij =
det(A)

expandindo em relação a i-ésima coluna temos

= (−1)i+j · det(Aji )


det l1 , · · · , Inj , · · · , ln

veja que sendo

Ax = Inj =⇒ X = A−1 · Inj = C i =⇒ A−1 =

c1 , · · · , c n

assim
A−1 = (Cij )
em que
det(Aij ) ∆ij 1
Cij = (−1)i+j · = =⇒ A−1 = · adj(A)
det(A) det(A) det(A)
 
1 2
Exemplo 25. Dada a matriz A = determine adj(A) e A−1
3 4