Manual de Álgebra Linear

Universidade Mandume ya Ndemofayo – Faculdade de Economia -
Adaptado de: Lições de Álgebra Linear (2ª edição) de Teresa Pedroso de Lima por Filomena Sousa
Faculdade de Economia
Manual de
ÁLGEBRA LINEAR
•

0
CAPÍTULO I: MATRIZES
O conjunto ℛ 2 = {(𝑥1 , 𝑥2 ), 𝑥1 , 𝑥2 ∈ ℜ} é interpretado, geometricamente, como o plano cartesiano.

Consideremos o par ordenado 𝑥 = (𝑥1 , 𝑥2 ) ∈ ℛ 2 e associemos a 𝑥 um segmento de recta orientado
⃗⃗⃗⃗⃗
𝑂𝑃 com origem no ponto 𝑂(0, 0) e extremidade no ponto 𝑃(𝑥1 , 𝑥2 ), isto é,
⃗⃗⃗⃗⃗ = 𝑃 − 𝑂 = (𝑥1 , 𝑥2 ) − (0, 0) = (𝑥1 , 𝑥2 ).
𝑂𝑃
Deste modo, ao segmento de recta orientado ⃗⃗⃗⃗⃗
𝑂𝑃, podemos associar o par ordenado 𝑥 = (𝑥1 , 𝑥2 ).
𝑥= (𝑥
⏟ 1 , 𝑥2 ) ⃗⃗⃗⃗⃗
↔ 𝑂𝑃
⏟ ↔ ⏟ 1 , 𝑥2 )
𝑃(𝑥
par ordenado vector ponto do plano
Assim, dado que a cada vector livre (representante de uma classe de equivalência de segmentos
orientados de igual comprimento, direcção e sentido) podemos associar um segmento de recta orientado
com origem em 𝑂(0, 0) e a cada segmento de recta orientado com origem em 𝑂(0, 0) podemos associar
um vector livre, estabelecemos a seguinte correspondência biunívoca
⃗⃗⃗⃗⃗
𝑂𝑃 ↔ (𝑥1 , 𝑥2 )
Isto é, confundimos, propositadamente, pares ordenados, segmentos orientados com origem em
𝑂(0, 0), vectores e pontos do plano.
Deste modo, passaremos a definir um vector 𝑥 (do plano ℛ 2 ) como um par ordenado (𝑥1 , 𝑥2 ) em
que os números reais 𝑥1 e 𝑥2 são chamados coordenadas do referido vector 𝑥 e escrevemos 𝑥 = (𝑥1 , 𝑥2 ).
Semelhantemente, ℛ 3 = {(𝑥1 , 𝑥2 , 𝑥3 ), 𝑥1 , 𝑥2 , 𝑥3 ∈ ℛ} representa o conjunto dos vectores do
⃗⃗⃗⃗⃗⃗ ↔ (𝑥1 , 𝑥2 , 𝑥3 ) e escrevemos 𝑥 = (𝑥1 , 𝑥2 , 𝑥3 ).
espaço e 𝑂𝑄
Embora se perca a interpretação geométrica, é possível estender esse conceito a dimensões maiores,
isto é,
ℛ 4 = {(𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ), 𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ∈ ℜ}
ℛ 5 = {(𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 , 𝑥5 ), 𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 , 𝑥5 ∈ ℜ}
⋮
ℛ 𝑛 = {(𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 ), 𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 ∈ ℜ}
1
Definição 1 (Vector de 𝓡𝒏 )
Chamamos vector a uma sequência ordenada de números reais.
Mais concretamente, se ℛ é o conjunto dos números reais e ℛ 𝑛 = ℛ 𝑥 ℛ 𝑥 … 𝑥 ℛ =

= {(𝑥1, 𝑥2 , … , 𝑥𝑛 ); 𝑥𝑖 ∈ ℛ, 𝑖 = 1, 2, … , 𝑛}, então dizemos que
𝑥 = (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) é um vector de ℛ 𝑛
e representamos o vector 𝑥 ∈ ℛ 𝑛 pelo n-uplo1 (𝑥1 , 𝑥2 , … , 𝑥𝑛 ).

𝑥1
𝑥2
Também o designamos por uma coluna. Neste caso, a coluna [ ⋮ ] = (𝑥1 , 𝑥2 , … , 𝑥𝑛 )𝑇 representa o
𝑥𝑛
vector 𝑥 e os 𝑛 números reais 𝑥1 , 𝑥2 , … , 𝑥𝑛 são chamados de coordenadas do vector.
Exemplo 1
0,1 21 21 𝜋
a) (1, 2), [ ], ( 3 , 3 ), (0, 0) e [ ] são vectores de ℛ 2 .
√7 9
0,1 𝜋
2 2 2
b) (1, 2, 0), [ √7 ], (3 , 3 , 3), (0, 0 0), [ 9 3
𝜋 ] são vectores de ℛ .
3,2 4
Definição 2 (Igualdade de vectores)
Dizemos que 𝑥 = (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) e 𝑦 = (𝑦1 , 𝑦2 , … , 𝑦𝑛 ) - dois vectores de ℛ 𝑛 - são iguais se e só

se verifica-se que:
𝑥𝑖 = 𝑦𝑖 , para todo 𝑖 = 1, 2, … , 𝑛.
Exemplo 2
0 0 0
−5 −5 −5
a) Os vectores 𝑢 = [ ] e 𝑣 = [ ] são iguais. No entanto, se 𝑤 = [ ] então 𝑢 ≠ 𝑤.
1 1 √3
√3 √3 1
Definição 3 (Vector nulo)

Chamamos vector nulo ao n-uplo 𝑥 = (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) ∈ ℛ 𝑛 se e só se
𝑥1 = 𝑥2 = ⋯ = 𝑥𝑛 = 0
1
Sequência ordenada de n elementos.
2
Exemplo 3
0
0
a) [ ] ∈ ℛ 2 , [0] ∈ ℛ 3 , (0, 0, 0, 0) ∈ ℛ 4 , (0, 0, 0, 0, 0) ∈ ℛ 5 são vectores nulos.
0
0
Definição 4 (Adição em 𝓡𝒏 )
Sejam 𝑥 = (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) e 𝑦 = (𝑦1 , 𝑦2 , … , 𝑦𝑛 ) dois vectores de ℛ 𝑛 . Dizemos que o vector
𝑥 + 𝑦 é a soma de 𝑥 com 𝑦 e definimos:
𝑥 + 𝑦 = (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) + (𝑦1 , 𝑦2 , … , 𝑦𝑛 ) = (𝑥1+ 𝑦1 , 𝑥2 + 𝑦2 , … , 𝑥𝑛 + 𝑦𝑛 )
Exemplo 4
Sejam 𝑥 = (1, 2, 3) e 𝑦 = (−1, 0, −5) dois vectores de ℛ 3 . Calcule 𝑢 = 𝑥 + 𝑦 e 𝑣 = 𝑥 − 𝑦.
Resolução
𝑢 = 𝑥 + 𝑦 = (1, 2, 3) + (−1, 0, −5) = [1 + (−1), 2 + 0, 3 + (−5)] = (0, 2, −2)
𝑣 = 𝑥 − 𝑦 = (1, 2, 3) − (−1, 0, −5) = [1 − (−1), 2 − 0, 3 − (−5)] = (2, 2, 8)
Definição 5 (Multiplicação escalar em ℛ 𝑛 )

Seja 𝑥 = (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) um vector de ℛ 𝑛 e 𝛼 um número real. O producto do vector 𝑥 pelo número
real 𝛼 é o vector:
𝛼. 𝑥 = 𝛼(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = (𝛼𝑥1 , 𝛼𝑥2 , … , 𝛼𝑥𝑛 )
Exemplo 5
a) Sejam 𝑥 = (1, 2, 3) e 𝑦 = (−1, 0, −5) vectores de ℛ 3 . Calcule 𝑤 = 5𝑥 − 3𝑦 e

3
𝑝 = √2 𝑥 − 7 𝑦
Resolução
𝑤 = 5𝑥 − 3𝑦 = 5(1, 2, 3) − 3(−1, 0, −5) = (5, 10, 15) − (−3, 0, −15) = (8, 10, 30)
3 3 3 15
𝑝 = √2 𝑥 − 7 𝑦 = √2 (1, 2, 3) − 7 (−1, 0, −5) = (√2, 2√2, 3√2) − (− 7 , 0, − 7
) =
3 15
= (√2 + 7 , 2√2, 3√2 + 7
)
Exemplo 6
a) Sabendo que 𝑎 + 𝑏 = (3, 1) e 𝑎 − 𝑏 = (1, 3), determine as coordenadas dos vetores

𝑎 = (𝑎1 , 𝑎2 ) e 𝑏 = (𝑏1 , 𝑏2 ).
3
Resolução:
Como 𝑎 + 𝑏 = (3, 1) e 𝑎 − 𝑏 = (1, 3), temos que:
𝑎 + 𝑏 = (3, 1) (𝑎1, 𝑎2 ) + (𝑏1, 𝑏2 ) = (3, 1) (𝑎 + 𝑏1 , 𝑎2 + 𝑏2 ) = (3, 1)

{ ⇔{ ⇔{ 1 ⇔
𝑎−𝑏 = (1, 3) (𝑎1, 𝑎2 ) − (𝑏1, 𝑏2 ) = (1, 3) (𝑎1 − 𝑏1 , 𝑎2 − 𝑏2 ) = (1, 3)
𝑎1 + 𝑏1 = 3 𝑎 + 𝑏1 = 3 𝑎 + 𝑏1 = 3 2 + 𝑏1 =3 𝑏 = 1
{ 1 { 1 { { 1
𝑎 + 𝑏2 = 1 𝑎 − 𝑏1 = 1 2𝑎1 =4 𝑎 =2 𝑎 = 2
⇔{ 2 ⇔{ 1 ⇔{ ⇔{ 1 ⇔{ 1
𝑎1 − 𝑏1 = 1 𝑎2 + 𝑏2 = 1 𝑎2 + 𝑏2 = 1 2 + 𝑏2 =1 𝑏2 = −1
{ { { {
𝑎2 − 𝑏2 = 3 𝑎2 − 𝑏2 = 3 2𝑎2 =4 𝑎2 =2 𝑎2 = 2
Os vectores procurados são: (𝑎1 , 𝑎2 ) = (2, 2) e (𝑏1 , 𝑏2 ) = (1, −1).
Verificação:
𝑎 + 𝑏 = (3, 1) ⇔ (𝑎1, 𝑎2 ) + (𝑏1, 𝑏2 ) = (3, 1) ⇔ (2, 2) + (1, −1) = (3, 1) ⇔ (3, 1) = (3, 1)
𝑎 − 𝑏 = (1, 3) ⇔ (𝑎1, 𝑎2 ) − (𝑏1, 𝑏2 ) = (1, 3) ⇔ (2, 2) − (1, −1) = (1, 3) ⇔ (1, 3) = (1, 3)
Exemplo 7
a) Determine 𝑎 ∈ ℛ de modo que 2(1, 2, 3) − 3(2, 5, −𝑎2 + 𝑎 + 2) = (−4, −11, 6).
Resolução:
2(1, 2, 3) − 3(2, 5, −𝑎2 + 𝑎 + 2) = (−4, −11, 6)
⇔ (2, 4, 6) − (6, 15, −3𝑎2 + 3𝑎 + 6) = (−4, −11, 6)
⇔ (−4, −11, 6 + 3𝑎2 − 3𝑎 − 6) = (−4, −11, 6)
⇔ (−4, −11, 3𝑎2 − 3𝑎) = (−4, −11, 6)
⇔ 3𝑎2 − 3𝑎 = 6 ⇔ 3𝑎2 − 3𝑎 − 6 = 0
⇔ 3(𝑎2 − 𝑎 − 2) = 0
−𝑏±√𝑏2 −4𝑎𝑐
Usando a fórmula resolvente, 𝑎1,2 = 2𝑎
, para resolver a equação quadrática, temos:
1+3
−(−1) ± √(−1)2 − 4(1)(−2) 1 ± √1 + 8 𝑎1 = 𝑎1 = 2
𝑎1,2 = = ⇔ { 2 ⇔ {
2(1) 2 1−3
𝑎2 = 𝑎2 = −1
2
Verificação:
• Se 𝑎 = 2, temos que:
2(1, 2, 3) − 3(2, 5, −𝑎2 + 𝑎 + 2) = (−4, −11, 6)
⇔ (2, 4, 6) − [3(2), 3(5), −3(2)2 + 3(2) + 3(2)] = (−4, −11, 6)
⇔ (2, 4, 6) − (6, 15, 0) = (−4, −11, 6)
⇔ (−4, −11, 6) = (−4, −11, 6)
4
• Se 𝑎 = −1, temos que:

2(1, 2, 3) − 3(2, 5, −𝑎2 + 𝑎 + 2) = (−4, −11, 6)
⇔ (2, 4, 6) − [3(2), 3(5), −3(−1)2 + 3(−1) + 3(2)] = (−4, −11, 6)
⇔ (2, 4, 6) − (6, 15, 0) = (−4, −11, 6)
⇔ (−4, −11, 6) = (−4, −11, 6)
Logo, os valores de 𝑎 ∈ ℛ que satisfazem a igualdade dada são: {−1, 2}.
Exercício 1
1. Determine 𝑎 ∈ ℛ de modo que 3(1, 2, 3) − 2(1,0,2) = (√𝑎 − 2, 6, 5). R: 𝑎 = 9

3
2. Determine 𝑎 ∈ ℛ de modo que 2(1, 2, 3) − 2(2, 1, 2) = (−2, √𝑎, 2). R: 𝑎 = 8
3. Encontre 𝑎 ∈ ℛ de modo que 2(1, 0, 3) − 10(2, − 10.000, 2) = (−18, 10𝑎 , −14). R: 𝑎 = 5
4. Sabendo que 𝑦 = (−2, −1, −3), determine o vector 𝑥 ∈ ℛ 3 tal que 𝑥 + 𝑦 = (−1, −2, −3).
. R: 𝑥 = (1, −1, 0)
Propriedades da adição de vectores e da multiplicação de um vector por um escalar
Sejam 𝑢, 𝑣 𝑒 𝑤 vectores de ℛ 𝑛 e 𝛼 e 𝛽 ∈ ℛ. Então:
1. A adição de vectores é associativa, isto é: (𝑢 + 𝑣) + 𝑤 = 𝑢 + (𝑣 + 𝑤)
2. A adição de vectores é comutativa, isto é: 𝑢 + 𝑣 = 𝑣 + 𝑢
3. Se 0 é o vector nulo, então: 𝑢 + 0 = 0 + 𝑢 = 𝑢
4. Para cada vector 𝑢, existe um e um só vector (−1) 𝑢 = − 𝑢, tal que: 𝑢 + (−𝑢) = (−𝑢) + 𝑢 = 0
5. (𝛼𝛽) 𝑢 = 𝛼 (𝛽𝑢)
6. 1𝑥 𝑢 = 𝑢 sendo 1 o elemento neutro da multiplicação em  .
7. (𝛼 + 𝛽) 𝑢 = 𝛼𝑢 + 𝛽𝑢
8. 𝛼 (𝑢 + 𝑣) = 𝛼𝑢 + 𝛼𝑣
Definição 6 (Combinação linear de um conjunto de vectores)

Consideremos 𝑝 (𝑝 ≥ 1) vectores de ℛ 𝑛 , 𝑣1 , 𝑣2 , … , 𝑣𝑝 e 𝑝 escalares 𝛼1 , 𝛼2 , … , 𝛼𝑝 . Nestas
condições, dizemos que o vector
[𝑣] = 𝛼1 [𝑣1 ] + 𝛼2 [𝑣2 ] + ⋯ + 𝛼𝑝 [𝑣𝑝 ]
é uma combinação linear dos vetores 𝑣1 , 𝑣2 , … , 𝑣𝑝 .
5
Exemplo 8
1. Dados os vectores 𝑥 = (1, 2, 3) e 𝑦 = (−1, 0, −5) de ℛ 3 , verifique se os seguintes vectores são
combinação linear dos vectores 𝑥 e 𝑦:
a) 𝑣 = (−1, 4, −9)
O vector 𝑣 é combinação linear dos vectores x e y se existirem dois escalares 𝛼 𝑒 𝛽 ∈ ℛ tais que:
𝑣 = 𝛼𝑥 + 𝛽𝑦 ⇔ (−1, 4, −9) = 𝛼(1, 2, 3) + 𝛽(−1, 0, −5) ⇔
(−1, 4, −9) = (𝛼, 2𝛼, 3𝛼) + (−𝛽, 0, −5𝛽) ⇔ (−1, 4, −9) = (𝛼 − 𝛽, 2𝛼, 3𝛼 − 5𝛽 )
𝛼 − 𝛽 = −1 𝛼=2 𝛼=2 𝛼=2 𝛼=2

⇔{ 2𝛼 = 4 ⇔ { 2 − 𝛽 = −1 ⇔ { −𝛽 = −3 ⇔ { 𝛽 = 3 ⇔ {
3𝛼 − 5𝛽 = −9 3(2) − 5𝛽 = −9 −5𝛽 = −15 𝛽=3 𝛽=3
Como existem os escalares 𝛼 = 2 e 𝛽 = 3 tais que 𝑢 = 2𝑥 + 3𝑦, 𝑣 é combinação linear dos

vectores 𝑥 e 𝑦 .
Verificação
𝑣 = 2𝑥 + 3𝑦 ⇔ (−1, 4, −9) = 2(1, 2, 3) + 3(−1, 0, −5)
⇔ (−1, 4, −9) = [2 + (−3), 4 + 0, 6 − 15]
⇔ (−1, 4, −9) = (−1, 4, −9)
b) 𝑢 = (2, 6, 6)
O vector u é uma combinação linear dos vectores 𝑥 e 𝑦 se existirem dois escalares 𝛼 𝑒 𝛽 ∈ ℛ tais
que: 𝑢 = 𝛼𝑥 + 𝛽𝑦 ⇔ (2, 6, 6) = 𝛼(1, 2, 3) + 𝛽(−1, 0, −5) ⇔
(2, 6, 6) = (𝛼, 2𝛼, 3𝛼) + (−𝛽, 0, −5𝛽) ⇔ (2, 6, 6) = (𝛼 − 𝛽, 2𝛼, 3𝛼 − 5𝛽 ) ⇔

𝛼=3
𝛼−𝛽 =2 𝛼=3 𝛼=3
2𝛼 = 6 3 − 𝛽 = 2 −𝛽 = −1 ⇔ 𝛽=1
⇔{ ⇔ { ⇔ {
3𝛼 − 5𝛽 = 6 3(3) − 5𝛽 = 6 −5𝛽 = −3 3 } 𝐶𝑜𝑛𝑑𝑖çã𝑜 𝑖𝑚𝑝𝑜𝑠𝑠í𝑣𝑒𝑙!
{ 𝛽 =
5
Como o sistema é impossível, não existem 𝛼, 𝛽 ∈ ℛ de modo que 𝑢 = 𝛼𝑥 + 𝛽𝑦, 𝑢 não é
combinação linear dos vectores 𝑥 e 𝑦 .
Exercício 2
1. Considere os vectores 𝑢1 = (1, 2, 3), 𝑢2 = (2, 0, 1) e 𝑢3 = (−1,2, 2) de ℛ 3 .
a) Verifique se 𝑢1 é combinação linear dos vectores 𝑢2 e 𝑢3 . R: Sim (𝛼 = 1, 𝛽 = 1)
b) Verifique se 𝑢2 é combinação linear dos vectores 𝑢1 e 𝑢3 . R: Sim (𝛼 = 1, 𝛽 = −1)
c) Verifique se 𝑢3 é combinação linear dos vectores 𝑢1 e 𝑢2 . R: Sim (𝛼 = 1, 𝛽 = −1)
6
2. Determine a ∈ ℛ de modo que o vector 𝑣 = (𝑎, 2, 2) seja uma combinação linear dos vectores
𝑥 = (1, 2, 3) e 𝑦 = (3, 0, −1) R: 𝑎 = 4
Definição 7 (Produto interno2 em 𝓡𝒏 )
Sejam 𝑥 = (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) e 𝑦 = (𝑦1 , 𝑦2 , … , 𝑦𝑛 ) vectores de ℛ 𝑛 , então:

𝑛
〈𝑥, 𝑦〉 = ∑ 𝑥𝑖 𝑦𝑖 = 𝑥1 𝑦1 + 𝑥2 𝑦2 + ⋯ + 𝑥𝑛 𝑦𝑛 ∈ ℛ
𝑖=1
é o produto interno do vector 𝑥 pelo vector 𝑦.
Exemplo 9
14 1 14 1 14 4 18
a) Se 𝑢 = ( , ) e 𝑣 = (1, 8) então 〈𝑢, 𝑣〉 = ( ) (1) + ( ) (8) = + = =6
3 6 3 6 3 3 3
1 1 1 1 1
b) Se 𝑥 = (3 , 6 , 0) e 𝑦 = (1, 0, 8) então 〈𝑥, 𝑦〉 = (3) (1) + (6) (0) + (0)(8) = 3
c) Se 𝑧 = (−1, −2, 0) então 〈𝑧, 𝑧〉 = (−1)(−1) + (−2)(−2) + (0)(0) = 5
Definição 8 (Vectores ortogonais)
Dois vectores 𝑥 = (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) e 𝑦 = (𝑦1 , 𝑦2 , … , 𝑦𝑛 ) dizem-se ortogonais em ℛ 𝑛 se e só se o seu

producto interno é nulo, isto é, se e só se
〈𝑥, 𝑦〉 = 0
Exemplo 10
a) Os vectores 𝑥 = (1, 2) e 𝑦 = (−2, 1) são ortogonais, visto que:

〈𝑥, 𝑦〉 = (1)(−2) + (2)(1) = −2 + 2 = 0
b) Os vectores 𝑢 = (4, −3, −2) e 𝑣 = (2, 1, −2) não são ortogonais, visto que:
〈𝑢, 𝑣〉 = (4)(2) + (−3)(1) + (−2)(−2) = 8 − 3 + 4 = 9 ≠ 0
Exercício 3
1. Mostre que o vector nulo (0, 0, 0) é ortogonal a todos os vectores de ℛ 3 .

2. Mostre que os vectores (7, 3, −10) e (1, 1, 1) são ortogonais em ℛ 3 .
3. Determine dois vectores de ℛ 5 , com coordenadas não nulas, que sejam ortogonais.
2
O producto interno de dois vectores, também chamado producto escalar, é um número e não um vector, por
isso se diz producto escalar.
7
4. Dados os vectores 𝑢 = (−1, −2, −3) e 𝑣 = (2, 3, 𝑎). Determine 𝑎 ∈ ℛ de modo que o vector 𝑢
8
seja ortogonal ao vector 𝑣. R: 𝑎 = −
3
Definição 9 (Conjunto ortogonal de vectores)
Sejam 𝑣1 , 𝑣2 … 𝑣𝑝 vectores de ℛ 𝑛 . Dizemos que {𝑣1 , 𝑣2 … 𝑣𝑝 } é um conjunto ortogonal de vectores

de ℛ 𝑛 se e só se
〈𝑣𝑖 , 𝑣𝑗 〉 = 0, 𝑠𝑒𝑚𝑝𝑟𝑒 𝑞𝑢𝑒 𝑖 ≠ 𝑗
{
〈𝑣𝑖 , 𝑣𝑖 〉 > 0
Exemplo 11
O conjunto de vectores {𝑣1 , 𝑣2 , 𝑣3, 𝑣4 } onde 𝑣1 = (−1, 1, 0, 0), 𝑣2 = (−1, −1, 2, 0),
𝑣3 = (−1, −1, −1, 3) e 𝑣4 = (1, 1, 1, 1) é um conjunto ortogonal de ℛ 4 uma vez que, 〈𝑣1 , 𝑣2 〉 =
= 〈𝑣1 , 𝑣3 〉 = 〈𝑣1 𝑣4 〉 = 〈𝑣2 𝑣3 〉 = 〈𝑣2 𝑣4 〉 = 〈𝑣3 𝑣4 〉 = 0 (os vectores são ortogonais dois a dois), isto é,
• 〈𝑣1 , 𝑣2 〉 = (−1)(−1) + (1)(−1) + (0)(2) + (0)(0) = 1 − 1 + 0 + 0 = 0
• 〈𝑣1 , 𝑣3 〉 = (−1)(−1) + (1)(−1) + (0)(−1) + (0)(3) = 1 − 1 + 0 + 0 = 0
• 〈𝑣1 , 𝑣4 〉 = (−1)(1) + (1)(1) + (0)(1) + (0)(1) = −1 + 1 + 0 + 0 = 0
• 〈𝑣2 , 𝑣3 〉 = (−1)(−1) + (−1)(−1) + (2)(−1) + (0)(3) = 1 + 1 − 2 + 0 = 0
• 〈𝑣2 , 𝑣4 〉 = (−1)(1) + (−1)(1) + (2)(1) + (0)(1) = −1 − 1 + 2 + 0 = 0
• 〈𝑣3 , 𝑣4 〉 = (−1)(1) + (−1)(1) + (−1)(1) + (3)(1) = −1 − 1 − 1 + 3 = 0
Exemplo 12
a) Determine um vector, não nulo de ℛ 3 , 𝑧 = (𝑧1 , 𝑧2 , 𝑧3 ), 𝑧1 , 𝑧2 , 𝑧3 ∈ ℛ, ortogonal a

𝑤 = (2, −1, 0), que seja combinação linear dos vectores 𝑢 = (1, 2, 1) e 𝑣 = (1, 0, −1) .
Resolução:
Por definição, o vector 𝑧 é ortogonal ao vector 𝑤 se e só se 〈𝑧, 𝑤〉 = 0 ⇔ 2𝑧1 − 𝑧2 = 0 ⇔

𝑧2 = 2𝑧1 (a segunda coordenada do vector 𝑧 é igual ao dobro da primeira), isto é, o vector 𝑧
procurado é da forma 𝑧 = (𝑧1 , 2𝑧1 , 𝑧3 ),.
Este vector, 𝑧 = (𝑧1 , 2𝑧1 , 𝑧3 ), é combinação linear dos vectores 𝑢 e 𝑣 se existirem dois escalares
𝛼, 𝛽 ∈ ℛ tais que 𝑧 = 𝛼𝑢 + 𝛽𝑣 ⇔ (𝑧1 , 2𝑧1 , 𝑧3 ) = 𝛼 (1, 2, 1) + 𝛽 (1, 0, −1) ⇔
⇔ (𝑧1 , 2𝑧1 , 𝑧3 ) = (𝛼, 2𝛼, 𝛼) + (𝛽, 0, −𝛽) ⇔ (𝑧1 , 2𝑧1 , 𝑧3 ) = (𝛼 + 𝛽, 2𝛼, 𝛼 − 𝛽) ⇔
𝑧1 = 𝛼 + 𝛽 𝑧1 = 𝛼 + 𝛽 𝛼+𝛽 =𝛼 𝛽=0
⇔ {2𝑧1 = 2𝛼 ⇔ { 𝑧1 = 𝛼 ⇔ { 𝑧1 = 𝛼 ⇔ {𝑧1 = 𝛼
𝑧3 = 𝛼 − 𝛽 𝑧3 = 𝛼 − 𝛽 𝑧3 = 𝛼 ∈ ℛ 𝑧3 = 𝛼 ∈ ℛ
8
Portanto, o vector procurado tem a forma 𝑧 = (𝑧1 , 2𝑧1 , 𝑧3 ) = (𝛼, 2𝛼, 𝛼) = 𝛼(1, 2, 1), 𝛼 ∈ ℛ.
Fazendo, por exemplo, 𝛼 = 1 obtemos um dos vectores que cumprem com as condições
apresentadas: 𝑧 = (1, 2, 1).
Verificação
• 〈𝑧, 𝑤〉 = (1)(2) + (2)(−1) + (1)(0) = 0, 𝑧 é ortogonal a 𝑤
• (1, 2, 1) = 1(1, 2, 1) + 0(1, 0, −1) = (1, 2, 1), 𝑧 é combinação linear dos vectores 𝑢 e 𝑣.
Exercício 4
1. Seja 𝑢 = (4, 0, −4) um vector de ℛ3. Determine um vector, não nulo,
𝑤 = (𝑤1 , 𝑤2 , 𝑤3 ), 𝑤1 , 𝑤2 , 𝑤3 ∈ ℛ, que seja ortogonal a 𝑢 e que, além disso, se escreva como
combinação linear dos vectores (−1, 1, 0) e (1, 2, −3). R: 𝑤 = 𝛽 (−3, 6, −3), 𝛽 ∈ ℛ
2. Indique um vector 𝑤 = (𝑤1 , 𝑤2 , 𝑤3 ) ∈ ℛ 3 , não nulo e ortogonal a 𝑢 = (−2, 3, 1), que seja
combinação linear dos vectores 𝑥 = (1, 2, 3) e 𝑦 = (−3, 1, −2). R: 𝑤 = 𝛽 (4, 1, 5), 𝛽 ∈ ℛ
3. Dados os vectores 𝑢 = (1, 1, 1), 𝑣 = (0, 1, −1). Determine um vector 𝑥 = (𝑥1 , 𝑥2 , 𝑥3 ) ∈ ℛ 3 ,
diferente do vector nulo, de modo que {𝑢, 𝑣, 𝑥} seja um conjunto ortogonal de vectores.
R: 𝑥 = 𝑥2 (−2, 1, 1), 𝑥2 ∈ ℛ
Definição 10 (Comprimento euclidiano3 em 𝓡𝒏 )
Dado o vector 𝑥 = (𝑥1 , 𝑥2 , 𝑥3 ) ∈ ℛ 𝑛 , dizemos que o número real
‖𝑥‖ = √𝑥12 + 𝑥22 + ⋯ + 𝑥𝑛2 = √〈𝑥, 𝑥〉
é o comprimento euclidiano (ou norma euclidiana) do vector 𝑥.
Exemplo 13
a) Em ℛ 2 , se 𝑥 = (1, 2) e 𝑦 = (1, −1) então:
‖𝑥‖ = √12 + 22 = √5 e ‖𝑦‖ = √12 + (−1)2 = √2
b) Em ℛ 3 , se 𝑡 = (−2, −3, −1) e 𝑧 = (−4, −3, 0) então:
‖𝑡‖ = √(−2)2 + (−3)2 + (−1)2 = √14 e ‖𝑧‖ = √(−4)2 + (−3)2 + 02 = √25 = 5
3
Ou norma Euclidiana
9
Exercício 5
1. Considere os vectores de ℛ 4 : 𝑢 = (−1, −1, 1, 1), 𝑣 = (1, 1, 5, −3) e 𝑤 = (1, 1, 1, 1). Verifique
que:
a) ‖6𝑤‖ = 6 ‖𝑤‖
b) ‖−𝑤‖ = ‖𝑤‖
c) 〈𝑢, 𝑤〉 < ‖𝑢‖‖𝑤‖
d) ‖𝑢 + 𝑣‖ < ‖𝑢‖ + ‖𝑣‖
2. Determine 𝑎 ∈ ℛ de modo que ‖𝑥‖ = 3, sendo 𝑥 = (1, 2, 𝑎). R: 𝑎 = ±2.
3. Considere, em ℛ 3 , os vectores 𝑢 = (1, 2, 3) e 𝑣 = (3, 0, −1).
a) Determine as coordenadas das combinações lineares dos vectores 𝑥 e 𝑦:
1 1 1 11
𝑥 = 3𝑢 − 2𝑣 e 𝑦 = − 2 𝑢 + 3 𝑣. R: 𝑥 = (−3, 6, 11) e 𝑦 = (2 , −1, − 6
)
b) Calcule 𝑏 ∈ ℛ de modo que 𝑧 = (𝑏, 2, 2) seja combinação linear de 𝑢 = (1, 2, 3) e
𝑣 = (3, 0, −1). R: 𝑏 = 4
c) Verifique se 𝑢 e 𝑣 são ortogonais e calcule as normas ‖𝑢‖ e ‖𝑣‖.
. .R: Sim, ‖𝑢‖ = √14 e ‖𝑣‖ = √10
Definição 11 (Conjunto ortonormal de vectores)
Sejam 𝑣1 , 𝑣2 … 𝑣𝑝 vectores de ℛ 𝑛 . Dizemos que {𝑣1 , 𝑣2 … 𝑣𝑝 } é um conjunto ortonormal de vectores

de ℛ 𝑛 se e só se é um
conjunto ortogonal de vectores unitários (de norma 1).
Exemplo 14
O conjunto {𝑣1 𝑣2 𝑣3 𝑣4 } onde 𝑣1 = (−1, 1, 0, 0), 𝑣2 = (−1, −1, 2, 0) e 𝑣3 = (−1, −1, −1, 3) e
𝑣4 = (1, 1, 1, 1) não é um conjunto ortonormal de ℛ 4 . Note que, {𝑣1 , 𝑣2 , 𝑣3 , 𝑣4 } é um conjunto ortogonal
(como vimos no exemplo 11), porém, os vectores 𝑣1 , 𝑣2 , 𝑣3 e 𝑣4 não são unitários, isto é, ‖𝑣1 ‖ = √2 ≠
1, ‖𝑣2 ‖ = √6 ≠ 1, ‖𝑣3 ‖ = √12 ≠ 1 e ‖𝑣4 ‖ = √4 = 2 ≠ 1).
10
Observação:
Podemos encontrar um vector unitário 𝑢 que tem a mesma direção de um dado vector 𝑣 fazendo:
1 𝑣 1
𝑢 = ‖𝑣‖ 𝑣 = ‖𝑣‖ que é um vector na direcção de 𝑣 multiplicado pelo escalar 𝑘 = ‖𝑣‖.
1 ‖𝑣‖
Deste modo, temos que ‖𝑢‖ = ‖𝑘𝑣‖ = |𝑘|‖𝑣‖ = ‖𝑣‖ ‖𝑣‖ = ‖𝑣‖ = 1 e, dado qualquer conjunto
ortogonal de vectores não nulos {𝑣1 , 𝑣2 … 𝑣𝑝 }, podemos formar um conjunto ortonormal {𝑢1 , 𝑢2 … 𝑢𝑝 }
1
definindo 𝑢𝑖 = (‖𝑣 ‖) 𝑣𝑖 , para 𝑖 = 1, 2, … , 𝑝.
𝑖
No exemplo anterior, o conjunto, {𝑣1 , 𝑣2 , 𝑣3 , 𝑣4 } não é ortonormal, porém é ortogonal. Usando a

observação anterior e fazendo:
1 1 1 1 0 0
𝑢1 = ‖𝑣 ‖ 𝑣1 = (−1, 1, 0, 0) = (− , , , )
1 √(−1)2 +12 +02 +02 √2 √2 √2 √2
1 1 1 1 2 0
𝑢2 = ‖𝑣 ‖ 𝑣2 = (−1, − 1, 2, 0) = (− ,− 6, 6, 6 )
2 √(−1)2 +(−1)2 +22 +02 √6 √ √ √
1 1 1
𝑢3 = ‖𝑣 ‖ 𝑣3 = (−1, − 1, −1, 3) = (−1, − 1, −1, 3) =
3 √(−1)2 +(−1)2 +(−1)2 +32 √12
1 1 1 3
= (− , − 12 , − 12 , 12 )
√12 √ √ √
1 1 1 1 1 3
𝑢4 = ‖𝑣 ‖ 𝑣4 = (−1, − 1, −1, 3) = (− , − , − , )
4 √12 +12 +12 +12 2 2 2 2
Obtemos o conjunto {𝑢1 , 𝑢2 , 𝑢3 , 𝑢4 } que é ortonormal. De facto,
1 2 1 2 0 2 0 2 1 1 2
‖𝑢1 ‖ = √(− ) + ( 2) + ( 2) + ( 2) = √2 + 2 = √2 = √1 = 1
√2 √ √ √
1 2 1 2 2 2 0 2 1 1 4 6
‖𝑢2 ‖ = √(− ) + (− ) + ( ) + ( ) = √ + + = √ = √1 = 1
√6 √6 √6 √6 6 6 6 6
1 2 1 2 1 2 3 2 1 1 1 9
‖𝑢3 ‖ = √(− ) + (− ) + (− ) +( ) =√ + + + =1
√12 √12 √12 √12 12 12 12 12
1 2 1 2 1 2 1 2 1 1 1 1 4
‖𝑢4 ‖ = √( ) + ( ) + ( ) + ( ) = √ + + + = √ = √1 = 1
4 √ 4 4 4 √ 4 4 4 4 4 √ √
e, além disso:
1 1 1 1 0 2 0 0 1 1
〈𝑢1 , 𝑢2 〉 = (− ) (− 6) + ( 2) (− 6) + ( 2) ( 6) + ( 2) ( 6) = − =0
√2 √ √ √ √ √ √ √ √12 √12
1 1 1 1 0 1 0 3
〈𝑢1 , 𝑢3 〉 = (− ) (− 12) + ( 2) (− 12) + ( 2) (− 12) + ( 2) ( 12) =0
√2 √ √ √ √ √ √ √
11
1 1 1 1 0 1 0 1 1 1
〈𝑢1 , 𝑢4 〉 = (− ) ( 4) + ( 2) ( 4) + ( 2) ( 4) + ( 2) ( 4) =− − 8 =0
√2 √ √ √ √ √ √ √ √8 √
1 1 1 1 2 1 0 3
〈𝑢2 , 𝑢3 〉 = (− ) (− ) + (− ) (− ) + ( ) (− ) + ( ) ( ) =0
√6 √12 √6 √12 √6 √12 √6 √12
1 1 1 1 2 1 0 1
〈𝑢2 , 𝑢4 〉 = (− ) ( 4) + (− ) ( 4) + ( 6) ( 4) + ( 6) ( 4) =0
√6 √ √6 √ √ √ √ √
Exercício 6
1. Considere, em ℛ 3 , os vectores 𝑢 = (1, 2, 1) e 𝑣 = (2, −1, 0).
a) Determine um vector 𝑦 = (𝑦1 , 𝑦2 , 𝑦3 ), 𝑦1 , 𝑦2 , 𝑦3 ∈ ℛ, diferente do vector nulo, de modo que
{𝑢, 𝑣, 𝑦} seja um conjunto ortogonal. R: 𝑦 = 𝛼(1, 2, −5), 𝛼 ∈ ℛ
1 1 1
b) O conjunto {‖𝑢‖ 𝑢, ‖𝑣‖
𝑣, ‖𝑦‖ 𝑦} é ortonormal? Justifique. R: Sim
c) Indique um vector 𝑤 ∈ ℛ 3, diferente do vector nulo, de modo que {𝑢, 𝑣, 𝑤} seja um conjunto
ortogonal e, a partir deste conjunto ortogonal, construa um conjunto ortonormal.
. R: 𝑤 = 𝛼(1, −5, 3), 𝛼 ∈ ℛ
2. Considere em ℛ 3 os vectores 𝑢 = (1, 1, 1), 𝑣 = (0, 1, −1) e 𝑤 = (2, 3, 𝑎).
a) Determine 𝑎 ∈ ℛ de modo que os vectores 𝑢 e 𝑤 sejam ortogonais. R: 𝑎 = −5
b) Calcule 𝑎 ∈ ℛ de modo que 𝑤 seja uma combinação linear dos vectores 𝑢 e 𝑣. R: 𝑎 = 1
c) Determine 𝑧 ∈ ℛ 3 , diferente do vector nulo, de modo que {𝑢, 𝑣, 𝑧} seja um conjunto ortogonal.
Este conjunto é ortonormal? Justifique. R: 𝑧 = (−2, 1, 1), 𝛼 ∈ ℛ. Não.
12
Definição 12 (Matriz)
Sejam 𝑚 e 𝑛 dois números inteiros positivos. Chamamos matriz de números reais ou matriz real a
todo o quadro de dupla entrada:
𝑎11 𝑎12 … 𝑎1𝑛

𝑎21 𝑎22 … 𝑎2𝑛
𝐴=[ ⋮ ⋮ … ⋮ ]
𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑛
onde 𝑎𝑖𝑗 ∈ ℛ, (𝑖 = 1, 2, … , 𝑚 e 𝑗 = 1, 2, … , 𝑛) representa um elemento qualquer, da matriz, no qual o

índice 𝑖 refere-se à linha em que se encontra tal elemento e o índice 𝑗 refere-se à coluna onde o mesmo
se encontra.
Os elementos da matriz são números reais que, de modo geral, são designados por escalares.
O tamanho (ou dimensão) de uma matriz é dado por dois números inteiros positivos que indicam o
número de linhas e o número de colunas da matriz. Deste modo,
uma matriz cujo número de linhas é m e de colunas é n é dita uma matriz m x n ou uma
matriz do tipo m por n, ou ainda do tipo (𝒎, 𝒏).
No que se segue, representamos por 𝐿𝑖 a linha que numa matriz ocupa a posição 𝑖 a contar do topo,
e por 𝐶𝑗 a coluna que ocupa a posição j a contar da esquerda.
Notações:
𝑎11 𝑎12 … 𝑎1𝑛

𝑎21 𝑎22 … 𝑎2𝑛 𝑚𝑥𝑛
𝐴=[ ⋮ ⋮ … ⋮ ] = [𝑎𝑖𝑗 ]𝑚𝑥𝑛 ou 𝐴 ∈ 𝑀𝑚𝑥𝑛 (ℛ) ou, ainda, 𝐴 ∈ 𝑀 .
𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑛
Chamamos a 𝑎𝑖𝑗 elemento genérico de A.
Uma matriz 𝐴 ∈ 𝑀𝑚𝑥𝑛 é dita retangular se o número de linhas é diferente do número

de colunas (𝒎 ≠ 𝒏), caso contrário, quando o número de linhas é igual ao número de
colunas (𝒎 = 𝒏) dizemos que A é quadrada.
Em particular, se A tem apenas uma linha e uma coluna, escrevemos 𝐴 = [𝑎]1𝑥1 = 𝑎.
Exemplo 15
1 5 9
1. [ ] é uma matriz do tipo (2, 3), ou matriz 2 𝑥 3.
1 4 −1
13
0
1
2. −1 é uma matriz do tipo (5, 1), ou matriz 5 𝑥 1 ou, ainda, matriz coluna.
7
[ 9]
3. [0 5 0 −1] é uma matriz o tipo (1, 4) ou matriz 1 𝑥 4 ou, ainda, matriz linha.
3 0 1
4. [ 𝜋 0,2 −1] é uma matriz do tipo (3, 3) ou matriz 3 𝑥 3 ou, ainda, matriz quadrada de ordem 3.
11 −3 √2
5. [3] = 3 é uma matriz do tipo (1, 1) ou matriz 1 𝑥 1 ou, ainda, matriz quadrada de ordem 1.
Definição 13 (Igualdade de matrizes)
Duas matrizes 𝐴 = [𝑎𝑖𝑗 ] e 𝐵 = [𝑏𝑖𝑗 ] , do mesmo tipo, são iguais se, e só se, têm iguais
𝑚𝑥𝑛 𝑚𝑥𝑛
elementos homólogos, isto é, se, e só se,
𝑎𝑖𝑗 = 𝑏𝑖𝑗 para 𝑖 = 1, 2, … , 𝑚 e 𝑗 = 1, 2, … , 𝑛
Exemplo 16
1 9 √4 − 1 √81 1 9 1 9 5
Verificamos que: [ ] = [ 20 3 ] e [ ]≠[ ].
4 2 √8 4 2 4 2 0
5
Exercício 7
− 5 3  7  −   2
Determine 𝛼, 𝛽 ∈ ℛ de modo que  = 2 
R: 𝛼 = −5 e 𝛽 = − 7
 0 2  0
Definição 14 (Diagonal principal, diagonal secundária e traço de uma matriz quadrada)
A diagonal principal duma matriz quadrada 𝐴 = [𝑎𝑖𝑗 ]𝑛𝑥𝑛 , é constituída pelos elementos
principais, isto é, pelos elementos 𝑎𝑖𝑖 para 𝑖 = 1, 2, … , 𝑛 (de índices iguais).

Designamos a soma dos elementos principais de 𝐴 por traço de 𝐴 e escrevemos:
𝑡𝑟(𝐴) = 𝑎11 + 𝑎22 + ⋯ + 𝑎𝑛𝑛
14
A diagonal secundária4 de 𝐴 = [𝑎𝑖𝑗 ] é constituída pelos elementos 𝑎𝑖𝑗 tais que 𝑖 + 𝑗 = 𝑛 + 1.

𝑛𝑥𝑛
Os elementos 𝑎𝑖𝑗 e 𝑎𝑗𝑖 dizem-se simétricos ou opostos.
Exemplo 17
Exercício 8
3 0 1 0 1
1 2 −1 1 1
1. Dada a matriz quadrada de ordem 5, 𝐴 = 11 −3 7 5 0 . Diga:
−3 4 5 1 2
[ 0 1 3 8 2]
a) Quais são os elementos principais de A? R: 3, 2, 7, 1 e 2
b) Qual é o traço de A? R: 𝑡𝑟𝐴 = 15
c) Quais são os elementos não principais de A? R: A − {3, 2, 7, 1 e 2}
d) Quais são os elementos da diagonal secundária de A? R: 1, 1, 7, 4, e 0
e) Qual é o simétrico do elemento situado na posição (1, 3)? R: 11
f) Qual é o simétrico do elemento situado na posição (2, 4)? R: 4
g) Qual é o simétrico do elemento situado na posição (3, 5)? R: 3
2 3 −4
2. Considere a matriz 𝐴 = [01 𝑎 +
3
1 0 ], 𝑎 ∈ ℛ.
−1
2 2
a) Determine 𝑎 ∈ ℛ de modo que 𝑡𝑟(𝐴 − 4) = 10. R: 𝑎 = 20
b) Determine 𝑎 ∈ ℛ de modo que 𝑡𝑟(2𝐴 − 3) = 0 R: 𝑎 = 7
4
Também designada por segunda diagonal de A
15
Definição 15 (Tipos de matrizes)
1. Matriz nula – É uma matriz cujos elementos são iguais a 0 ∈ ℛ.
Uma matriz nula, do tipo 𝑚𝑥𝑛, representa-se por:

𝑂𝑚 𝑥 𝑛
ou, em alguns casos, apenas por zero.
Exemplo 18
0
0 0 0 0
𝑂2𝑥4 = [ ] , 𝑂3𝑥1 = [0] , 𝑂1𝑥1 = [0]1𝑥1 = 0 e 𝑂1𝑥4 = [0 0 0 0]1𝑥4
0 0 0 0 2𝑥4
0 3𝑥1
2. Matriz linha – É uma matriz do tipo 1 𝑥 𝑛.
Exemplo 19
𝐴 = [1 2 3]1𝑥3, 𝐵 = [ 10 6 0 √225 −4 23 ]1𝑥6
3. Matriz coluna – É uma matriz do tipo 𝑚 𝑥 1.
Exemplo 20
0
[3]
3 3𝑥1
4. Matriz triangular – É uma matriz quadrada em que são nulos os elementos situados para um dos
lados da diagonal principal.
Consideramos dois tipos:
• matriz triangular superior (quando abaixo da diagonal principal só se encontram zeros)
• matriz triangular inferior (quando acima da diagonal principal só se encontram zeros).
16
Exemplo 21
Dizemos que A é uma matriz triangular superior e que B é triangular inferior.
5. Matriz diagonal – É uma matriz quadrada cujos elementos não diagonais (ou não principais) são
nulos. Escreve-se:
𝑎11 0 ⋯ 0
0 𝑎22 ⋯ 0
𝐴 = 𝑑𝑖𝑎𝑔(𝑎11 , 𝑎22 , … , 𝑎𝑛𝑛 ) = [ ]
⋮ ⋮ ⋯ ⋮
0 0 0 𝑎𝑛𝑛
Exemplo 22
5 0 0 0
1 0 0
0 0
𝑑𝑖𝑎𝑔(1, 1, 1) = [0 1 0], 𝑑𝑖𝑎𝑔(0, 0) = [ ], 𝑑𝑖𝑎𝑔(5, √3, 2, 4) = [0 √3 0 0].
0 0 0 0 2 0
0 0 1
0 0 0 4
6. Matriz escalar – É uma matriz diagonal cujos elementos principais são iguais.
Exemplo 23
√3 0 0 1 0 0
[0 √3 0 ], e [0 1 0].
0 0 √3 0 0 1
Exercício 9
0 0
1. A matriz 𝐴 = [ ] é escalar? Justifique a sua resposta. R: Sim
0 0
7. Matriz identidade – É uma matriz escalar cujos elementos não nulos são iguais a 1. Escreve-se:
1 0 … 0
0 1 … 0
𝐼𝑛 = 𝑑𝑖𝑎𝑔(1, 1, … , 1) = [ ]
⋮ ⋮ ⋮ ⋮
0 0 … 1
17
Exemplo 24
1 0 0
1 0
𝐼2 = [ ] ∈ ℛ 2𝑥2, 𝐼3 = [0 1 0] ∈ ℛ 3𝑥3
0 1
0 0 1
8. Matriz transposta de 𝐴 = [𝑎𝑖𝑗 ]𝑚𝑥𝑛 - É uma matriz que se obtém de A trocando linhas por
colunas, isto é, 𝐴𝑇 = [𝑎𝑗𝑖 ]𝑚𝑥𝑛 .
Exemplo 25
3 0
3 1 11 ,
a) 𝐴 = [ 1 0,2] então 𝐴𝑇 = [ ] consequentemente,
0 0,2 −3
11 −3
3 0
3 1 11 𝑇
(𝐴𝑇 )𝑇 = [ ] = [ 1 0,2] = 𝐴. O que pode concluir deste resultado?
0 0,2 −3
11 −3
1 0 0 1 0 0
b) 𝐼3 = [0 1 0] então (𝐼3 )𝑇 = [0 1 0] = 𝐼3 . O que pode concluir deste resultado?
0 0 1 0 0 1
2 0 0 2 1 2
c) 𝐵 = [1 1 0] então 𝐵𝑇 = [0 1 1]. O que pode concluir deste resultado?
2 1 2 0 0 2
2 1 2 2 0 0
d) 𝐵 = [0 1 0] então 𝐵𝑇 = [1 1 0]. O que pode concluir deste resultado?
0 0 2 2 0 2
Propriedades da matriz transposta
Sejam A e B matrizes e α ∈ ℛ. Sempre que tenham sentido as operações indicadas, temos que:
1. (𝐴𝑇 )𝑇 = 𝐴
2. (𝐴 + 𝐵)𝑇 = 𝐴𝑇 + 𝐵𝑇
3. (𝐴𝐵)𝑇 = 𝐵𝑇 𝐴𝑇
4. (𝛼𝐴)𝑇 = 𝛼(𝐴𝑇 )
5. (𝐴𝛼 )𝑇 = (𝐴𝑇 )𝛼 , 𝛼 ∈ ℕ0 e A quadrada
6. Sendo 𝐴 uma matriz quadrada de ordem n, 𝑡𝑟(𝐴𝑇 ) = 𝑡𝑟(𝐴)
18
Exercício 10
Construa uma matriz 𝐴 ∈ ℛ 3𝑥3, não nula, que:
a) Seja simultaneamente triangular inferior e triangular superior;

7
b) Seja escalar e cujo traço seja igual a ;
3
√7⁄9 0 0
c) Coincida com a sua transposta. R: [ 0 √7⁄9 0 ]
0 0 √7⁄9
9. Matriz ortogonal – matriz cujas colunas constituem um conjunto ortonormal de vetores.
Exemplo 26
Verifique se as seguintes matrizes são ortogonais:

1 1
0
√2 √2
a) 𝐴 = [1 −
1
0]
√2 √2
0 0 −1
A matriz 𝐴 é ortogonal se as suas colunas (𝐶1 , 𝐶2 𝑒 𝐶3 ) constituem um conjunto ortogonal de

vectores unitários, isto é, se 〈𝐶1 , 𝐶2 〉 = 〈𝐶1 , 𝐶3 〉 = 〈𝐶2 , 𝐶3 〉 = 0 e ‖𝐶1 ‖ = ‖𝐶2 ‖ = ‖𝐶3 ‖ = 1.
Verifiquemos se as colunas de 𝐴 formam um conjunto ortogonal:

1 1 1 1 1 1
〈𝐶1 , 𝐶2 〉 = ( ) ( ) + ( ) (− )+ (0)(0) = − + 0 = 0
√2 √2 √2 √2 2 2
1 1
〈𝐶1 , 𝐶3 〉 = ( ) (0) + ( ) (0) + (0)(−1) = 0 + 0 + 0 = 0
2
√ 2 √
1 1
〈𝐶2 , 𝐶3 〉 = ( ) (0) + (− ) (0) + (0)(−1) = 0 + 0 + 0 = 0
2
√ √2
Verifiquemos se as colunas de 𝐴 são vectores unitários:

1 2 1 2 1 1 2
‖𝐶1 ‖ = √( ) + ( ) + 02 = √ + = √ = √1 = 1
2 √ 2 2 2 √ 2
1 2 1 2 1 1 2
‖𝐶2 ‖ = √( ) + (− ) + 02 = √2 + 2 = √2 = √1 = 1
2 √ √2
‖𝐶3 ‖ = √02 + 02 + (−1)2 = √1 = 1
Como as colunas da matriz 𝐴 formam um conjunto ortonormal, a matriz é ortogonal.
19
1 0 2
b) 𝐵 = [1 2 0]
1 −2 −2
Verifiquemos se as colunas (𝐶1 , 𝐶2 𝑒 𝐶3 ) da matriz 𝐵 constituem um conjunto ortogonal de vectores

unitários, isto é, se 〈𝐶1 , 𝐶2 〉 = 〈𝐶1 , 𝐶3 〉 = 〈𝐶2 , 𝐶3 〉 = 0 e ‖𝐶1 ‖ = ‖𝐶2 ‖ = ‖𝐶3 ‖ = 1
〈𝐶1 , 𝐶2 〉 = (1)(0) + (1)(2) + (1)(−2) = 0 + 2 − 2 = 0
〈𝐶1 , 𝐶3 〉 = (1)(2) + (1)(0) + (1)(−2) = 2 + 0 − 2 = 0
〈𝐶2 , 𝐶3 〉 = (0)(2) + (2)(0) + (−2)(−2) = 0 + 0 + 4 = 4 ≠ 0
Como 〈𝐶2 , 𝐶3 〉 = 4 ≠ 0, o conjunto formado pelas colunas da matriz 𝐵 não é ortogonal,

consequentemente, não é ortonormal, logo, 𝐵 não é ortogonal.
Exercício 11
1. Verifique se as seguintes matrizes são ortogonais:
1 1
2 √2
a) 𝐶 = [√1 1]
−
√2 √2
1 0 0
b) 𝐼 = [0 1 0]
0 0 1
Definição 16 (Adição de matrizes)
Dadas duas matrizes do mesmo tipo, 𝐴 = [𝑎𝑖𝑗 ]𝑚𝑥𝑛 e 𝐵 = [𝑏𝑖𝑗 ]𝑚𝑥𝑛 , chamamos soma de A e B à
matriz:
𝐶 = 𝐴 + 𝐵, em que, 𝐶 = [𝑐𝑖𝑗 ]𝑚𝑥𝑛 sendo 𝑐𝑖𝑗 = 𝑎𝑖𝑗 + 𝑏𝑖𝑗 para 𝑖 = 1, 2, … , 𝑚 e j = 1, 2,  , n .
ou, de outro modo,
Só podemos adicionar matrizes do mesmo tipo e os elementos da matriz soma obtêm-se

adicionando os elementos homólogos das matrizes parcelas.
20
Exemplo 27
−11 0,9 5 10 −1 −3
Sejam 𝐴 = [ ] e 𝐵=[ ]. Calcule:
4 2 0 −4 0 7
−11 0,9 5 10 −1 −3 −11 + 10 0,9 − 1 5 − 3

a) 𝐴 + 𝐵 = [ ]+[ ]=[ ]=
4 2 0 −4 0 7 4−4 2+0 0+7
−1 −0,1 2
=[ ]
0 2 7
−11 4 10 −4 −11 + 10 4 − 4 −1 0
b) 𝐴𝑇 + 𝐵𝑇 = [ 0,9 2] + [−1 0 ] = [ 0,9 − 1 2 + 0] = [−0,1 2]
5 0 −3 7 5−3 0+7 2 7
−11 4
10 −1 −3
c) 𝐴𝑇 + 𝐵 = [ 0,9 2] + [ ] Não é possível definir esta soma, as matrizes não são
−4 0 7
5 0
do mesmo tipo.
Propriedades da adição de matrizes
Sejam 𝐴, 𝐵 e 𝐶 ∈ ℳ𝑚𝑥𝑛 (ℛ). A adição de matrizes possui as seguintes propriedades:
1. 𝐴 + 𝐵 = 𝐵 + 𝐴 (comutatividade);
2. (𝐴 + 𝐵) + 𝐶 = 𝐴 + (𝐵 + 𝐶) (associatividade);
3. Existe uma matriz – a matriz nula 0𝑚𝑥𝑛 = 0 – tal que: 𝐴 + 0 = 0 + 𝐴 = 𝐴 (existência de
elemento neutro);
4. 𝑡𝑟(𝐴 + 𝐵) = 𝑡𝑟(𝐴) + 𝑡𝑟(𝐵)
5. (𝐴 + 𝐵)𝑇 = 𝐴𝑇 + 𝐵𝑇
Multiplicação de matrizes
Definição 17 (Multiplicação de uma matriz por um escalar)
Dada uma matriz 𝐴 = [𝑎𝑖𝑗 ]𝑚𝑥𝑛 o produto da matriz A pelo escalar 𝜆 ∈ ℛ é obtido multiplicando
por 𝜆 cada um dos elementos de A, isto é,
𝜆. A = [𝜆𝑎𝑖𝑗 ]𝑚𝑥𝑛
21
Exemplo 28
−11 0,9 5 5(−11) 5(0,9) 5(5) −55 4,5 25

a) 5. [ ]=[ ]=[ ].
4 2 0 5(4) 5(2) 5(0) 20 10 0
−1 9 −1 9 −3 27 1 −9
b) Se 𝐴 = [ ], então (3)𝐴 = 3 [ ]=[ ] e (−1)𝐴 = [ ]
4 0 4 0 12 0 −4 0
Propriedades da multiplicação de uma matriz por um escalar
Sejam 𝐴, 𝐵 e 𝐶 ∈ ℳ𝑚𝑥𝑛 (ℛ) e 𝜆, 𝜇 ∈ ℛ.

A multiplicação de uma matriz por um escalar possui as seguintes propriedades:
1. Para cada A existe −𝐴 = (−1)𝐴 tal que 𝐴 + (−𝐴) = 0𝑚𝑥𝑛 ;

2. 𝜆(𝐴 + 𝐵) = 𝜆𝐴 + 𝜆𝐵;
3. (𝜆 + 𝜇)𝐴 = 𝜆𝐴 + 𝜇𝐴;
4. 𝜆(𝜇𝐴) = (𝜆𝜇)𝐴;
5. 1𝐴 = 𝐴
6. 𝑡𝑟(𝜆𝐴) = 𝜆𝑡𝑟(𝐴);
7. (𝜆𝐴)𝑇 = 𝜆𝐴𝑇 .
Exercício 12
𝛼+𝛽
1. Sejam 𝑥 = [1 2 3] e 𝑦 = [ 2 ], α, β ∈ ℛ.
𝛼−𝛽
a) Determine 𝛼 e 𝛽 ∈ ℛ de modo que 𝑥 = 𝑦 𝑇 . R: 𝛼 = 2 e 𝛽 = −1
Faça 𝛼 = 2 e 𝛽 = 5 e calcule:
b) 𝑥 𝑇 + 2𝑦
c) 2𝑥 𝑇 − 3𝑦
d) 5𝑦 𝑇 − 2𝑥
0 3 1 1 1 1
2. Dadas as matrizes X = [3 −1 1] e Y = [2 −2 2]
5 1 5 4 0 4
1
a) Verifique se a matriz 𝑍 = (𝑋 − 𝑌) é ortogonal
√3
b) Calcule 𝑡𝑟[3(𝑋 + 5)] R: 57
22
Só é possível efetuar a multiplicação de duas matrizes A e B – por esta ordem - quando o

número de colunas da matriz A é igual ao número de linhas da matriz B.
Definição 18 (Multiplicação de uma matriz linha por uma matriz coluna (ou vetor))
Dada uma matriz linha 𝑈 = [𝑢1𝑗 ]1𝑥𝑛 = [𝑢11 𝑢12 ⋯ 𝑢1𝑛 ]1𝑥𝑛 e um vetor coluna
𝑣11
𝑣21
𝑉 = [𝑣𝑖1 ]𝑛𝑥1 = [ ⋮ ] , (𝑖 = 1, 2, … , 𝑛; 𝑗 = 1, 2, … , 𝑛) o produto 𝑈 𝑥 𝑉 é uma matriz do tipo 1𝑥1,
𝑣𝑛1 𝑛𝑥1
𝑊 = [𝑤]1𝑥1 , cujo único elemento é dado por w = u11v11 + u12v21 + u13v31 +  + u1nvn1 = n u1k vk1 ,
k =1
isto é:
𝑣11
𝑣21
𝑈 𝑥 𝑉 = [𝑢11 𝑢12 … 𝑢1𝑛 ] ⏟
1 𝑥𝑛 𝑥 [ ⋮ ] =
𝑛º
𝑑𝑒 𝑣𝑛1 𝑛 𝑥 ⏟
1
𝑙𝑖𝑛ℎ𝑎𝑠
𝑑𝑒 𝑛º
𝑈 𝑑𝑒
𝑐𝑜𝑙𝑢𝑛𝑎𝑠
𝑑𝑒
𝑉
= [(𝑢11 )(𝑣11 ) + (𝑢12 )(𝑣21 ) + ⋯ + (𝑢1𝑛 )(𝑣𝑛1 )]1𝑥1 = [𝑘] ⏟
1 𝑥 ⏟
1 =𝑘∈ℛ
𝑛º 𝑛º
𝑑𝑒 𝑑𝑒
𝑙𝑖𝑛ℎ𝑎𝑠 𝑐𝑜𝑙𝑢𝑛𝑎𝑠
𝑑𝑒 𝑑𝑒
𝑈 𝑉
Exemplo 29
− 4 1
a) Sabendo que U = 1 2 31x3 , V =  − 5  e 𝑧 = [−3], calcule 𝑈 𝑥 𝑉 e 𝑈 𝑥 𝑍.
 
 − 6  −2
3 x1
−4
𝑈 𝑥 𝑉 = [1 2 3] [−5] = (1)(−4) + (2)(−5) + (3)(−6) = −4 − 10 − 18 = −32.
−6
1
𝑉 𝑥 𝑧 = [1 2 3] [−3] = (1)(1) + (2)(−3) + (3)(−2) = 1 − 6 − 6 = −11
−2
1 
2
b) Sabendo que A = − 2 1 4 5 e B =   , calcule 𝐴 𝑥 𝐵.
5 
 
0 
1
2
𝐴 𝑥 𝐵 = [−2 1 4 7] [ ] = (−2)(1) + (1)(2) + (4)(5) + (7)(0) = 20
5
0
23
Exercício 13
Calcule 𝐴 𝑥 𝐵 sendo:
a) 𝐴 = [0 1 0] e 𝐵 = [1 3 9]𝑇 ;
b) 𝐴 = [−0,1 2 −3] e 𝐵 = [−0,01 0,2 3𝑥10−3 ]𝑇 ;
1
c) 𝐴 = [− 3 √2] e 𝐵 = [−6 √8]𝑇 ;
Multiplicação de uma matriz coluna (ou vector) por uma matriz linha
Exemplo 30
𝑎11
a) A multiplicação da matriz 𝐴 = [𝑎21 ] pela matriz 𝐵 = [𝑏11 𝑏12 𝑏13 ] é a matriz:
𝑎31
𝑎11
𝑎
𝐴 𝑋 𝐵 = [ 21 ] 𝑥 [𝑏11 𝑏12 𝑏13 ]1 𝑥 ⏟
3 =
𝑎31 ⏟
3 𝑥1
𝑛º
𝑑𝑒
𝑛º 𝑐𝑜𝑙𝑢𝑛𝑎𝑠
𝑑𝑒 𝑑𝑒
𝑙𝑖𝑛ℎ𝑎𝑠 𝐵
𝑑𝑒
𝐴
(𝑎11 )(𝑏11 ) (𝑎11 )(𝑏12 ) (𝑎11 )(𝑏13 )

= [(𝑎21 )(𝑏11 ) (𝑎21 )(𝑏12 ) (𝑎21 )(𝑏13 )]
(𝑎31 )(𝑏11 ) (𝑎31 )(𝑏12 ) (𝑎31 )(𝑏13 ) 3 𝑥 ⏟
3
𝑛º
𝑑𝑒 𝑛º
𝑙𝑖𝑛ℎ𝑎𝑠 𝑑𝑒
𝑑𝑒 𝑐𝑜𝑙𝑢𝑛𝑎𝑠
𝐴 𝑑𝑒
𝐵
Exemplo 31
2
a) A multiplicação da matriz 𝐴 = [ ] pela matriz 𝐵 = [0 1] é a matriz:
−3
2 (2)(0) (2)(1) 0 2
𝐴𝑥𝐵=[ ] [0 1]1𝑥2 = [ ] =[ ]
−3 2𝑥1 (−3)(0) (−3)(1) 2𝑥2 0 −3 2𝑥2
Calcule 𝐵 𝑥 𝐴. O que pode concluir do resultado?
1
2
b) A multiplicação da matriz 𝐶 = [ ] pela matriz 𝐷 = [−2 1 4 5] é a matriz:
5
0
24
1 (1)(−2) (1)(1) (1)(4) (1)(5) −2 1 4 5

2 [−2 (2)(−2) (2)(1) (2)(4) (2)(5) −4 2 8 10
𝐶𝑥𝐷=[ ] 1 4 5] = [ ]=[ ]
5 (5)(−2) (5)(1) (5)(4) (5)(5) −10 5 20 25
0 (0)(−2) (0)(1) (0)(4) (0)(5) 0 0 0 0 4𝑥4
Exercício 14
Calcule A x B sendo:
a) 𝐴 = [−0,1 2 −3]𝑇 e 𝐵 = [−0,01 0,2 3𝑥10−3 ];
1 𝑇
b) A = [− 3 √2] e B =[−6 √8];
Definição 19 (Multiplicação de uma matriz por uma matriz coluna (ou vetor))
Dada uma matriz 𝐴 = [𝑎𝑖𝑗 ] e um vetor coluna 𝑉 = [𝑎𝑘1 ]𝑛𝑥1, o produto 𝐴 𝑥 𝑉 é o vetor coluna,
𝑚𝑥𝑛
do tipo 𝑚 𝑥 1, 𝑍 = [𝑧𝑖1 ]𝑚𝑥1, cuja componente i-ésima é dada por
k =1 aik vk1 .
n
zi1 = ai1v11 + ai 2v21 +  + ainvn1 =
Exemplo 32
𝑎11 𝑎12 𝑏11 (𝑎11 )(𝑏11 ) + (𝑎12 )(𝑏21 )

𝐴 𝑋 𝐵 = [𝑎 𝑎22 ] 𝑥 [ ] =[ ]
21 ⏟
2 𝑥2 𝑏21 2𝑥 ⏟
1 (𝑎21 )(𝑏11 ) + (𝑎22 )(𝑏21 ) 2 𝑥 ⏟
1
𝑛º 𝑛º
𝑛º 𝑛º
𝑑𝑒 𝑑𝑒
𝑑𝑒 𝑑𝑒
𝑙𝑖𝑛ℎ𝑎𝑠 𝑙𝑖𝑛ℎ𝑎𝑠
𝑐𝑜𝑙𝑢𝑛𝑎𝑠 𝑐𝑜𝑙𝑢𝑛𝑎𝑠
𝑑𝑒 𝑑𝑒
𝑑𝑒 𝑑𝑒
𝐴 𝐵 𝐴
𝐵
Exemplo 33
2 3 1
a) Dadas as matrizes 𝐴 = [ ] e 𝐵 = [ ] calcule 𝐴 𝑥 𝐵.
−5 6 2
2 3 1 2(1) + 3(2) 8
𝐴𝑋𝐵 =[ ] 𝑥 [ ] =[ ] =[ ]
−5 6 ⏟
2 𝑥2 2 2𝑥 ⏟
1 −5(1) + 6(2) 2 𝑥 ⏟
1 7 2𝑥1
𝑛º 𝑛º 𝑛º
𝑑𝑒 𝑛º
𝑑𝑒 𝑑𝑒 𝑑𝑒
𝑙𝑖𝑛ℎ𝑎𝑠 𝑐𝑜𝑙𝑢𝑛𝑎𝑠 𝑙𝑖𝑛ℎ𝑎𝑠
𝑑𝑒 𝑑𝑒 𝑑𝑒
𝐴 𝐵 𝐴
𝐵
−3 0 1 −5
b) Dadas as matrizes 𝐴 = [ 5 2 4 ] e 𝐵 = [ 10 ], calcule 𝐴 𝑥 𝐵.
−1 3 −2 −4
25
−3 0 1 −5
𝐴𝑋𝐵 =[ 5 2 4] 𝑥 [ 10 ] =
−1 3 −2 ⏟
3 𝑥3 −4 3 𝑥1 ⏟
1
𝑛º 𝑛º
𝑑𝑒 𝑑𝑒
𝑑𝑒 𝑑𝑒
𝐴 𝐵
(−3)(−5) + (0)(10) + (1)(−4) 15 + 0 − 4 11

= [ (5)(−5) + (2)(10) + (4)(−4) ] = [−25 + 20 − 16] = [−21]
(−1)(−5) + (3)(10) + (−2)(−4) 5 + 30 + 8 3𝑥1 43
3 𝑥 ⏟
1
𝑛º
𝑑𝑒 𝑛º
𝐴 𝑑𝑒
𝐵
Definição 20 (Multiplicação de matrizes)
Dadas as matrizes 𝐴 = [𝑎𝑖𝑗 ]𝑚𝑥𝑝 e 𝐵 = [𝑏𝑖𝑗 ]𝑝𝑥𝑛 dizemos que a matriz 𝐶 = [𝑐𝑖𝑗 ]𝑚𝑥𝑛 é o produto de
𝐴 por 𝐵 – por esta ordem -, isto é, 𝐶 =𝐴𝑥𝐵 se, e só se,
k =1 aik vkj , para 𝑖 = 1, 2, … , 𝑚

p
ci1 = ai1v1 j + ai 2v2 j +  + aipv pj = e 𝑗 = 1, 2, … , 𝑛.
Exemplo 34
1 2 3 1 2
1. Dadas as matrizes 𝐴 = [0 1 0] e 𝐵 = [0 −1] , calcule 𝐴 𝑥 𝐵 e 𝐵 𝑥 𝐴.
2 −2 0 1 0
1 2 3 1 2
𝐴 𝑥 𝐵 = [0 1 0] 𝑥 [0 −1] =
2 −2 0 ⏟
3 𝑥3 1 0 3𝑥 ⏟
2
𝑛º 𝑛º
𝑑𝑒 𝑑𝑒
𝑑𝑒 𝑑𝑒
𝐴 𝐵
(1)(1) + (2)(0) + (3)(1) (1)(2) + (2)(−1) + (3)(0) 4 0

= [ (0)(1) + (1)(0) + (0)(1) (0)(2) + (1)(−1) + (0)(0) ] = [0 −1]
(2)(1) + (−2)(0) + (0)(1) (2)(2) + (−2)(−1) + (0)(0) 3 𝑥 ⏟
2
2 6 3𝑥2
𝑛º
𝑑𝑒 𝑛º
𝐴 𝑑𝑒
𝐵
1 2 1 2 3
𝐵 𝑥 𝐴 = [0 −1] [0 1 0] . Não é possível multiplicar a matriz 𝐵 pela matriz 𝐴,
1 0 3𝑥2 2 −2 0 3𝑥3
porque o número de colunas da matriz 𝑩 (𝟐) é diferente do número de linhas da matriz A (𝟑).
26
Teorema 1
Se 𝐴 ∈ ℛ 𝑚𝑥𝑛 temos:
1. 𝐴. 𝐼𝑛 = 𝐴
2. 𝐴. 𝑂𝑛𝑥𝑘 = 𝑂𝑚𝑥𝑘
3. Se A e B são matrizes quadradas de ordem 𝒏, triangulares superiores (inferiores) então
𝑨𝑩 também é uma matriz quadrada de ordem 𝒏, triangular superior (inferior).
Exercício 15
−1 −2 3 1 0 0 −1 0 0
1. Considere a matrizes: 𝐴 = [ 0 2 −1], 𝐵 = [−1 −2 0] e 𝐶 = [ 2 4 0],
−2 2 0 −2 2 3 2 0 1
1 −1 −1 −2 2 0
𝐷 = [0 −2 1 ] e 𝐸 = [ 0 −1 1].
0 0 2 0 0 3
a) Calcule 𝐴𝑥𝐼3, 𝐴𝑥𝑂3𝑥2 , 𝐵𝑥𝐶 , 𝐷𝑥𝐸, 𝐵𝑥𝐷 e 𝐸𝑥𝐶.
Propriedades da multiplicação de matrizes
Para quaisquer três matrizes A, B, C (de ordem conveniente) e qualquer escalar 𝜆 ∈ ℛ, verifica-se:
1. A x B ≠ B x A (a multiplicação de matrizes não é comutativa);
2. (𝐴 𝑥 𝐵) 𝑥 𝐶 = 𝐴 𝑥 (𝐵 𝑥 𝐶) (associatividade);
3. 𝐴 𝑥 (𝐵 + 𝐶) = 𝐴 𝑥 𝐵 + 𝐴 𝑥 𝐶 (distributividade);
4. (𝐴 + 𝐵) 𝑥 𝐶 = 𝐴 𝑥 𝐶 + 𝐵 𝑥 𝐶 (distributividade);
5. 𝜆 (𝐴 𝑥 𝐵) = (𝜆𝐴) 𝑥 𝐵 = 𝐴 𝑥 (𝜆𝐵) (associatividade mista).
6. pode ter-se 𝐴 𝑥 𝐵 = 0 sem que A ou B sejam matrizes nulas;
7. 𝐴 𝑥 𝐼𝑛 = 𝐼𝑛 𝑥 𝐴 = 𝐴 (a matriz identidade é o elemento neutro da multiplicação de matrizes)
8. na multiplicação de matrizes, a lei do corte não é válida, ou seja, sendo A uma matriz não nula
e X e Y duas matrizes de ordem conveniente, a igualdade 𝐴 𝑥 𝑋 = 𝐴 𝑥 𝑌 não permite concluir
que 𝑋 = 𝑌.
27
Exercício 16
1. Verifique que:
2 3 1 −8 −10 …
a) [ ][ ]=[ ]
−5 6 −4 4 ⋯ 64
1 3 −1 1 2 4 …
b) [3 4 −4] [ 0 −1] = [ ⋯ −18]
3 6 2 −3 5 −3 ⋯
3
1 1 3 √−8
2. Determine 𝑃 𝑥 𝑄, sendo 𝑃 = [ ] e 𝑄=[ 1 ].
2 2 −3 42
1
0
√2
3 3 0
3. Sejam 𝐴 = √2 2√2 e 𝐵=[ ] duas matrizes reais.
1
1 2 1
[√2 √2 ]
Calcule:
a) a matriz 𝐶 = 𝐴𝑇 𝐴;
2 1
3 6
1 5
b) a matriz 𝑋 ∈ ℛ 3𝑥2 tal que 2
(𝐵𝑇 + √2𝐴) − 3𝑋 = 03𝑥2 R: 𝑋 = 6
1
1 1
[3 3]
1 −2
4. Determine M = (C + I 2 )(C − 3I 3 ) , sendo 𝐶 = [ ].
−2 1
1 −1
2 3 5 1 2
5. Dadas as matrizes 𝐴 = [ ], 𝐵 = [2 2 ] e 𝐶=[ ]. Calcule:
1 0 −1 0 1
3 3
a) 𝐴 𝑥 𝐵 + 𝐶
b) 2𝐵 𝑥 3𝐴 + 2
c) 𝐶 3
d) 𝐴𝑇 + 𝐵
e) 2𝐴 + 3𝐵𝑇
f) 𝐵 𝑥 𝐴 𝑥 𝐶
g) 𝐵 𝑥 𝐵𝑇
h) 𝐴𝑇 𝑥 𝐴
28
A análise de subconjuntos dos elementos de uma matriz, que iremos designar por submatrizes (ou
blocos) pode revelar-se extremamente útil quando, nomeadamente, queremos evidenciar algumas das
suas propriedades ou simplificar cálculos que a envolvam.
Em particular, quando as dimensões das matrizes ultrapassam a memória disponível num
computador pondo em causa a execução ou eficiência de determinadas operações, a decomposição em
blocos da matriz pode permitir que, nos algoritmos em causa, se utilizem matrizes de menor dimensão.
Porém, nem todas as matrizes constituídas por elementos de uma matriz 𝐴 ∈ ℛ 𝑚𝑥𝑛 são submatrizes
de A.
Definição 21 (Submatriz)
Consideremos uma matriz real A do tipo m x n e dois números inteiros positivos r e s tais que r ≤ m
e s ≤ n. Chamamos submatriz de A do tipo r x s a toda a matriz formada por elementos comuns a r linhas
e s colunas de A (situadas nas posições correspondentes de A).
Deste modo, quando suprimimos m - r linhas e n - s colunas de A obtemos uma matriz A do tipo
r x s que é uma submatriz de A.
Quando decompomos uma matriz A em submatrizes dizemos que A é uma matriz fracionada
ou uma matriz de blocos.
Exemplo 35
1 2 3
4 5 6
5𝑥3
1. Seja 𝐴 = 7 8 9 ∈ ℛ . Se eliminarmos, em A, as 2ª, 4ª e 5ª linhas bem como a 1ª
10 11 12
[ 13 14 15 ]
2 3
coluna obtemos a submatriz [ ] ∈ ℛ 2𝑥2 .
8 9
4 5
Todavia a matriz [ ] ∈ ℛ 2𝑥2 não é uma submatriz de A. Porquê?
8 9
Em particular, cada linha e cada coluna de A é uma submatriz da matriz 𝐴
1 2 3 6
2. Se 𝐵=[ ] ∈ ℛ 2𝑥4 então as matrizes 𝐿1 = [1 2 3 6] ∈ ℛ1𝑥4 e
4 5 6 15
1 2
𝐿2 = [4 5 6 15] ∈ ℛ1𝑥4 são submatrizes de 𝐵, assim como as matrizes: 𝐶1 = [ ], 𝐶2 = [ ],
4 5
3 6
𝐶3 = [ ] e 𝐶4 = [ ]
6 15
29
−1 7 −2 6
−1 7 6
0 0 6 10
3. Seja 𝑀 = [ ] ∈ ℛ 4𝑥4, a matriz 𝑀′ = [ 4 3 0 ] é uma submatriz de ordem 3
4 3 0 0
1 3 −2
1 3 7 −2
de 𝑀, obtida da matriz inicial por supressão da 2ª linha e da 3ª coluna.
Exercício 17
1. Descreva as seguintes matrizes fracionadas indicando todos os seus elementos:
𝐼2 ⋮ 𝑂2𝑥2
a) 𝐴 = [ ⋯ ⋯ ⋯ ] ∈ ℛ 4𝑥4, onde 𝐵 = [−1 2];
𝑑𝑖𝑎𝑔(2, 2) ⋮ 𝐵 2 1
𝑀11 ⋮ 𝑀12
b) 𝑀 = [ ⋯ ⋯ ⋯ ] ∈ ℛ 3𝑥4, onde 𝑀11 = [1 0
], 𝑀12 = [
1 1
], 𝑀21 = [11 13] e
𝑀21 ⋮ 𝑀22 0 7 1 1
𝑀22 = [√5 0.1]
c) 𝐶 = [𝐶1 ⋮ 𝐶2 ⋮ 𝐶3 ⋮ 𝐶4 ] ∈ ℛ 2𝑥4 onde: 𝐶1 = [1], 𝐶2 = [3], 𝐶3 = [5] e 𝐶4 = [7]

2 4 6 8
Observação
Nas ocasiões em que se torna vantajoso fazer a partição (ou fracionamento) de uma matriz em blocos
(submatrizes) é importante ter em conta que as operações sobre matrizes fracionadas são efetuadas
segundo as mesmas regras formais que utilizamos no caso em que temos números reais em vez de
blocos. Todavia, a multiplicação de matrizes fracionadas (ou multiplicação por blocos) implica algumas
precauções. Sabemos que para se fazer a multiplicação de duas matrizes A e B basta que o número de
colunas de A seja igual ao número de linhas de B.
No entanto, para a multiplicação por blocos, também é necessário, além disso, que o
fracionamento em blocos seja tal que a partição das colunas de A combine com a partição das
colunas de B, isto é, seja de tal modo que as dimensões dos blocos sejam compatíveis para efeitos
de produto.
Exemplo 36
1. Sejam A e B duas matrizes do mesmo tipo e fracionadas exatamente do mesmo modo
1 −1 ⋮ 2 2 𝐴11 ⋮ 𝐴12
0 −1 ⋮ 2 1 ⋯ ] ∈ ℛ 3𝑥4 e
𝐴=[ ]=[⋯ ⋮
⋯ ⋯ ⋮ ⋯ ⋯ 𝐴21 ⋮ 𝐴22
−3 4 ⋮ −2 1
30
6 8 ⋮ 5 5 𝐵11 ⋮ 𝐵12
7 8 ⋮ 5 6 ⋮ ⋯ ] ∈ ℛ 3𝑥4 .
𝐵=[ ]=[ …
⋯ ⋯ ⋮ ⋯ ⋯ 𝐵21 ⋮ 𝐵22
10 3 ⋮ 9 6
Verificamos que
𝐴11 ⋮ 𝐴12 𝐵11 ⋮ 𝐵12 𝐴11 +𝐵11 ⋮ 𝐴12 + 𝐵12

a) 𝐴 + 𝐵 = [ ⋯ ⋮ ⋯ ]+[ ⋯ ⋮ ⋯ ] = [⋯ ⋯ ⋯ ⋮ ⋯ ⋯ ⋯] =
𝐴21 ⋮ 𝐴22 𝐵21 ⋮ 𝐵22 𝐴21 + 𝐵21 ⋮ 𝐴22 +𝐵22
1 −1 6 8 2 2 5 5 7 7 ⋮ 7 7
[ ]+[ ] ⋮ [ ]+[ ] 7 7 7 7
0 −1 7 8 2 1 5 6 7 7 ⋮ 7 7
=[ ⋯ ⋯ ⋯ ⋯ ⋯ ⋮ ⋯ ⋯ ⋯ ⋯ ] = [⋯ ] = [7 7 7 7] .
… ⋮ … …
[−3 4] + [10 3] ⋮ [−2 1] + [9 6] 7 7 7 7 3𝑋4
7 7 ⋮ 7 7
𝐴11 ⋮ 𝐴12 𝐵11 ⋮ 𝐵12 5𝐴11 ⋮ 5𝐴12 2𝐵11 ⋮ 2𝐵12

b) 5𝐴 − 2𝐵 = 5 [ ⋯ ⋮ ⋯ ]−2[ ⋯ ⋮ ⋯]=[ ⋯ ⋮ ⋯ ]−[ ⋯ ⋮ ⋯ ]=
𝐴21 ⋮ 𝐴22 𝐵21 ⋮ 𝐵22 5𝐴21 ⋮ 5𝐴22 2𝐵21 ⋮ 2𝐵22
5𝐴11 − 2𝐵11 ⋮ 5𝐴12 − 2𝐵12 1 −1 6 8 2 2 5 5

5[ ]− 2[ ] ⋮ 5[ ] −2[ ]
=[ ⋯ ⋯ ⋯ ⋮ ⋯ ⋯ ⋯ ] = [⋯ ⋯ ⋯ ⋯ 7
0 −1
⋯
8
⋯ ⋮
2 1
⋯ ⋯ ⋯ ⋯
5 6
⋯ ]=
5𝐴21 −2𝐵21 ⋮ 5𝐴22 −2𝐵22 5[−3 4] − 2[10 3] ⋮ 5[−2 1] − 2[9 6]
5 −5 12 16 10 10 10 10 −7 −21 0 0
[ ]−[ ] ⋮ [ ]−[ ] [ ] ⋮ [ ]
0 −5 14 16 10 5 10 12 −14 −21 0 −7
= [⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋮ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯] = [ ⋯ ⋯ ⋯ ⋮ ⋯ ⋯ ⋯]=
[−15 20] − [20 6] ⋮ [−10 5] − [18 12] [−35 14] ⋮ [−28 −7]
−7 −21 0 0
⋮ −7 −21 0 0
−14 −21 0 −7
= [ ⋯ ⋯ ⋯ ⋮ ⋯ ⋯ ⋯] = [−14 −21 0 −7]
−35 14 −28 −7 3𝑋4
−35 14 ⋮ −28 −7
2. Considere as matrizes
1 0 ⋮ 2 2 𝐴11 ⋮ 𝐴12
0 1 ⋮ 2 2
𝐴=[ ]=[⋯ ⋮ ⋯ ]=
⋯ ⋯ ⋮ ⋯ ⋯ 𝐴21 ⋮ 𝐴22
0 0 ⋮ −2 1
6 8 ⋮ 5
7 8 ⋮ 5 𝐵11 ⋮ 𝐵12
𝐵= ⋯ ⋯ ⋮ … =[⋯ ⋮ ⋯ ]. Calcule 𝐴 𝑥 𝐵.
10 3 ⋮ 2 𝐵21 ⋮ 𝐵22
[11 7 ⋮ 4]
Repare-se que o ¨separador¨ vertical no fator da esquerda, a matriz A, corresponde a um ¨separador¨

horizontal no fator da direita, a matriz B.
Deste modo,
31
𝐴11 ⋮ 𝐴12 𝐵11 ⋮ 𝐵12 𝐴11 𝐵11 + 𝐴12 𝐵21 ⋮ 𝐴11 𝐵12 +𝐴12 𝐵22
𝐴𝑥𝐵 =[ ⋯ ⋮ ⋯ ][ ⋯ ⋮ ⋯]=[ ⋯ ⋯ ⋯ ⋯ ⋮ ⋯ ⋯ ⋯ ⋯ ⋯] =
𝐴21 ⋮ 𝐴22 𝐵21 ⋮ 𝐵22 𝐴21 𝐵11 +𝐴22 𝐵21 ⋮ 𝐴21 𝐵12 + 𝐴22 𝑁22
1 0 6 8 2 2 10 3 1 0 5 2 2 2
[ ][ ]+[ ][ ] ⋮ [ ][ ] + [ ][ ]
0 1 7 8 2 2 11 7 0 1 5 2 2 4
= ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋮ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ =
6 8 10 3 5 2
[[0 0] [7 8] + [−2 1] [
11 7
] ⋮ [0 0] [ ] + [−2 1] [ ]]
5 4
6 8 42 20 5 12 48 28 17 48 28 ⋮ 17
[ ]+[ ] ⋮ [ ]+[ ] [ ] ⋮ [ ]
7 8 42 20 5 12 49 28 17 49 28 ⋮ 17
= [⋯ ⋯ ⋯ ⋯ ⋯ ⋮ ⋯ ⋯ ⋯ ] = [⋯ ⋯ ⋯ ⋮ ⋯ ] = [ ⋯ ⋯ ⋮ ⋯ ] =
[0 0] + [−9 1] ⋮ [0] + [0] [−9 1] ⋮ [0] −9 1 ⋮ 0
48 28 17
= [ 49 28 17]
−9 1 0
Exercício 18
Usando a multiplicação por blocos, calcule 𝐴 𝑥 𝐵, sabendo que:
0 0 0 1
⋮ 1 3
√2 𝐵11 ⋯ ⋯ ⋯ ⋯
1. 𝐴 = [𝐴11 𝐴12 ] = [ 1 ] e 𝐵=[ ]=[ ];
0
⋮ 5 6 𝐵21 5 5 10 0
2 1 3 0
1 0 ⋮ 2
𝐴11 𝐴12 0 1 ⋮ 0
2. 𝐴 = [ ]=[ ] e 𝐵 = 𝐴;
𝐴21 𝐴22 ⋯ ⋯ ⋮ ⋯
0 0 ⋮ −1
1 0 ⋮ 4 1 ⋮ 0
𝐴 𝐴12 3 1 ⋮ 0 𝐵 𝐵12 1 ⋮ 1
3. 𝐴 = [ 11 ]=[ ] e 𝐵 = [ 11 ]=[ ];
𝐴21 𝐴22 ⋯ ⋯ ⋮ ⋯ 𝐵21 𝐵22 ⋯ ⋮ ⋯
1 0 ⋮ 0 1 ⋮ 1
0 0 ⋮ −1 1
1 2 ⋮ 0 0
𝐴11 𝐴12 𝐵 𝐵12 0 0 ⋮ 0 1
−1 1 ⋮ 0 0
4. 𝐴 = [ ]=[ ] e 𝐵 = [ 11 ]= ⋯ ⋯ ⋮ ⋯ ⋯
𝐴21 𝐴22 ⋯ ⋯ ⋮ ⋯ ⋯ 𝐵21 𝐵22
−1 1 ⋮ 0 0
0 0 ⋮ 1 0 [ 2 1 ⋮ 1 3]
Definição 22 (Matriz de permutação ou matriz elementar do tipo 1)
Chamamos matriz elementar do tipo 1, e denotamos por 𝐸𝑖𝑗 , a toda a matriz quadrada que se obtém
da matriz identidade, da mesma ordem, trocando a linha 𝑖 com a linha 𝑗.
32
Exemplo 37
0 1 0 0 0 1
0 1
𝐸12 = [ ], 𝐸12 = [1 0 0] e 𝐸13 = [0 1 0] são matrizes de permutação (ou matrizes
1 0
0 0 1 1 0 0
elementares do tipo 1), visto que
1 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝑇𝑟𝑜𝑐𝑎 𝑑𝑎 𝑙𝑖𝑛ℎ𝑎 1 0 1
𝐼2 = [ ] 𝐸12 = [ ],
0 1 𝑐𝑜𝑚 𝑎 𝑙𝑖𝑛ℎ𝑎 2 1 0
1 0 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ 0 1 0
𝑇𝑟𝑜𝑐𝑎 𝑑𝑎 𝑙𝑖𝑛ℎ𝑎 1
𝐼3 = [0 1 0] 𝐸12 = [1 0 0],
𝑐𝑜𝑚 𝑎 𝑙𝑖𝑛ℎ𝑎 2
0 0 1 0 0 1
1 0 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ 0 0 1
𝐼3 = [0 1 0] 𝐸12 = [0 1 0],
𝑐𝑜𝑚 𝑎 𝑙𝑖𝑛ℎ𝑎 3
0 0 1 1 0 0
1 0 0 1 0 0
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐼3 = [0 1 0] 𝑐𝑜𝑚 𝑎 𝑙𝑖𝑛ℎ𝑎 3
𝐸23 = [0 0 1]
0 0 1 0 1 0
Definição 23 (Matriz elementar do tipo 2)
Chamamos matriz elementar do tipo 2, e denotamos por 𝐸𝑖 (𝛼), a toda a matriz quadrada que se
obtém da matriz identidade, da mesma ordem, multiplicando a linha 𝑖 por um número 𝛼 ≠ 0.
Exemplo 38
1
0 0 1 0 0
1 0 1 2
𝐸2 (−7) = [ ], 𝐸1 (2) = [0 1 0] e 𝐸3 (√5) = [0 1 0 ] são matrizes elementares
0 −7
0 0 1 0 0 √5
do tipo 2, visto que
1 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝑀𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑎çã𝑜 𝑑𝑎 1 0
𝐼2 = [ ] 𝐸2 (−7) = [ ],
0 1 𝑙𝑖𝑛ℎ𝑎 2 𝑝𝑜𝑟 (−7) 0 −7
1
1 0 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝑀𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑎çã𝑜 𝑑𝑎 0 1
1 2
𝐼3 = [0 1 0] 𝑙𝑖𝑛ℎ𝑎 1 𝑝𝑜𝑟
1 𝐸1 (2) = [0 1 0],
0 0 1 2
0 0 1
1 0 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝑀𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑎çã𝑜 𝑑𝑎
1 0 1
𝐼3 = [0 1 0] 𝐸3 (√5) = [0 1 0 ],
𝑙𝑖𝑛ℎ𝑎 3 𝑝𝑜𝑟 √5
0 0 1 0 0 √5
33
Definição 24 (Matriz elementar do tipo 3)
Chamamos matriz elementar do tipo 3, e denotamos por 𝐸𝑖𝑗 (𝛼), a toda a matriz quadrada que se
obtém da matriz identidade, da mesma ordem, substituindo a linha 𝑖 pela que dela se obtém subtraindo-
lhe a linha 𝑗, previamente multiplicada pelo número 𝛼 ∈ ℛ.
Exemplo 39
1 0 5 1 0 0
1 0
𝐸21 (7) = [ ], 𝐸13 (−5) = [0 1 0 ] e 𝐸23 (1) = [ 0 1 1] são matrizes elementares do
−7 1
0 0 1 0 0 1
tipo 3. Note-se que:
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝑆𝑢𝑏𝑠𝑡𝑖𝑡𝑢𝑖çã𝑜 𝑑𝑎 𝑙𝑖𝑛ℎ𝑎 2 𝑝𝑒𝑙𝑎 𝑞𝑢𝑒 𝑑𝑒𝑙𝑎
1 0 1 0
𝐼2 = [ ] 𝑠𝑒 𝑜𝑏𝑡é𝑚 𝑠𝑢𝑏𝑡𝑟𝑎𝑖𝑛𝑑𝑜 − 𝑙ℎ𝑒 𝑎 𝑙𝑖𝑛ℎ𝑎 1 𝐸21 (7) = [ ],
0 1 𝑝𝑟é𝑣𝑖𝑎𝑚𝑒𝑛𝑡𝑒 𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑎𝑑𝑎 𝑝𝑜𝑟 7
−𝟕 𝟏
0 − 7(1) = −𝟕
Cálculo auxiliar: 𝐿2 − (7)𝐿1 = {
1 − 7(0) = 𝟏
1 0 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝑆𝑢𝑏𝑠𝑡𝑖𝑡𝑢𝑖çã𝑜 𝑑𝑎 𝑙𝑖𝑛ℎ𝑎 1 𝑝𝑒𝑙𝑎 𝑞𝑢𝑒 𝑑𝑒𝑙𝑎 𝟏 𝟎 𝟓
𝐼3 = [0 1 0] 𝑠𝑒 𝑜𝑏𝑡é𝑚 𝑠𝑢𝑏𝑡𝑟𝑎𝑖𝑛𝑑𝑜 − 𝑙ℎ𝑒 𝑎 𝑙𝑖𝑛ℎ𝑎 3 𝐸13 (−5) = [0 1 0]
0 0 1 𝑝𝑟𝑒𝑣𝑖𝑎𝑚𝑒𝑛𝑡𝑒 𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑎𝑑𝑎 𝑝𝑜𝑟 (−5) 0 0 1
1 − (−5)(0) = 𝟏
Cálculo auxiliar: 𝐿1 − (−5)𝐿3 = {0 − (−5)(0) = 𝟎
0 − (−5)(1) = 𝟓
1 0 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝑆𝑢𝑏𝑠𝑡𝑖𝑡𝑢𝑖çã𝑜 𝑑𝑎 𝑙𝑖𝑛ℎ𝑎 2 𝑝𝑒𝑙𝑎 𝑞𝑢𝑒 𝑑𝑒𝑙𝑎 1 0 0
𝐼3 = [0 1 0] 𝑠𝑒 𝑜𝑏𝑡é𝑚 𝑠𝑢𝑏𝑡𝑟𝑎𝑖𝑛𝑑𝑜 − 𝑙ℎ𝑒 𝑎 𝑙𝑖𝑛ℎ𝑎 3 𝐸23 (−1) = [𝟎 𝟏 𝟏]
0 0 1 𝑝𝑟𝑒𝑣𝑖𝑎𝑚𝑒𝑛𝑡𝑒 𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑎𝑑𝑎 𝑝𝑜𝑟 (−1) 0 0 1
0+0 = 𝟎
Cálculo auxiliar: 𝐿2 − (−1)𝐿3 = {1 + 0 = 𝟏
0+1 = 𝟏
Exercício 19
1 4 2 1 4 2
1. Seja 𝐴 = [−2 −8 −3]. Calcule [𝐸23 ][𝐴] e [𝐸31 (−2)][𝐸23 ][𝐴]. R:[ 0 1 1] e
0 1 1 −2 −8 −3
1 4 2
. . [ 0 1 1]
0 0 1
2 1 1 2 1 1
2. Determine 𝑈 = [𝐸32 (−3)][𝐸31 (−1)][𝐸21 (2)][𝐵] sendo 𝐵 = [ 4 1 0]. R: [0 −1 −2]
−2 2 1 0 0 −4
34
1 0 0
3. Sejam 𝑒1 = [0], 𝑒2 = [1] e 𝑒3 = [0]. Mostre que:
0 0 1
a) 𝐼3 = 𝑒1 𝑒1𝑇 + 𝑒2 𝑒2𝑇 +𝑒3 𝑒3𝑇 ;
b) 𝐸32 (−5) = 𝐼3 + (5)𝑒3 𝑒2𝑇 .
Definição 25 (Matriz inversa)
Dada uma matriz 𝐴, quadrada de ordem 𝑛 – ou do tipo 𝑛 𝑥 𝑛 – chama-se matriz inversa de A à

matriz 𝐵 (se existir), quadrada, de ordem 𝑛, tal que 𝐴𝐵 = 𝐵𝐴 = 𝐼𝑛 , em que 𝐼𝑛 é a matriz identidade de
ordem 𝑛. Quando existir a matriz inversa de 𝐴, esta designa-se por A −1 e
𝐴−1 𝐴 = 𝐴𝐴−1 = 𝐼𝑛
Exemplo 40
2 3 1 1
1. Calcule, usando a definição, a inversa das matrizes A = [ ] e 𝐵=[ ]
−3 −4 2 2
Resolução:
𝑎 𝑏
1. A inversa da matriz 𝐴 é a matriz 𝐴−1 = [ ], (𝑎, 𝑏, 𝑐 𝑒 𝑑 ∈ ℛ) tal que 𝐴𝐴−1 = 𝐼2 ⇔
𝑐 𝑑
2 3 𝑎 𝑏 1 0
⇔[ ][ ]=[ ]⇔
−3 −4 𝑐 𝑑 0 1
2𝑎 + 3𝑐 = 1
2𝑎 + 3𝑐 2𝑏 + 3𝑑 1 0 −3𝑎 − 4𝑐 = 0
⇔[ ]=[ ]⇔{
−3𝑎 − 4𝑐 −3𝑏 − 4𝑑 0 1 2𝑏 + 3𝑑 = 0
−3𝑏 − 4𝑑 = 1
Este sistema é equivalente a dois sistemas de duas equações e duas incógnitas, isto é,
2𝑎 + 3𝑐 = 1 2𝑎 + 3𝑐 = 1 6𝑎 + 9𝑐 = 3 6𝑎 + 9𝑐 = 3
{ { {
−3𝑎 − 4𝑐 = 0 −3𝑎 − 4𝑐 = 0 −6𝑎 − 8𝑐 = 0 𝑐=3 ⇔
{ ⇔{ ⇔{ ⇔{
2𝑏 + 3𝑑 = 0 2𝑏 + 3𝑑 = 0 6𝑏 + 9𝑑 = 0 6𝑏 + 9𝑑 = 0
{ { {
−3𝑏 − 4𝑑 = 1 −3𝑏 − 4𝑑 = 1 −6𝑏 − 8𝑑 = 2 𝑑=2
6𝑎 = −24 𝑎 = −4 𝑎 = −4
{6𝑎 = 3 − 9(3) { {
𝑐=3 𝑐 = 3 𝑐 = 3 𝑏 = −3
⇔{ ⇔{ ⇔{ ⇔{
6𝑏 = −9(2) 6𝑏 = −18 𝑏 = −3 𝑐= 3
{ { {
𝑑=2 𝑑 = 2 𝑑 = 2 𝑑 = 2
𝑎 𝑏 −4 −3
logo, 𝐴 = [ ]=[ ] é a inversa da matriz A.
𝑐 𝑑 3 2
35
Verificação:
2 3 −4 −3 −8 + 9 −6 + 6 1 0
𝐴𝐴−1 = [ ][ ]=[ ]=[ ] = 𝐼2
−3 −4 3 2 12 − 12 9 − 8 0 1
−4 −3 2 3 −8 + 9 −12 + 12 1 0
𝐴−1 𝐴 = [ ][ ]=[ ]=[ ] = 𝐼2
3 2 −3 −4 6−6 9−8 0 1
2 3
Uma vez que 𝐴𝐴−1 = 𝐴−1 𝐴 = 𝐼2 , concluímos que 𝐴−1 = [ ] é a inversa da matriz
−3 −4
2 3
𝐴=[ ].
−3 −4
𝑎 𝑏 1 1 𝑎 𝑏 1 0
2. A inversa da matriz B é a matriz 𝐵−1 = [ ] tal que 𝐵𝐵−1 = 𝐼2 ⇔ [ ][ ]=[ ]
𝑐 𝑑 2 2 𝑐 𝑑 0 1
𝑎+𝑐 =1 𝑎+𝑐 =1 −2𝑎 − 2𝑐 = −2
{ {
𝑎+𝑐 𝑏+𝑑 1 0 2𝑎 + 2𝑐 = 0
[ ]=[ ]⇔{ ⇔ { 2𝑎 + 2𝑐 = 0 ⇔ { 2𝑎 + 2𝑐 = 0 ⇔
2𝑎 + 2𝑐 2𝑏 + 2𝑑 0 1 𝑏+𝑑 =0 𝑏+𝑑 = 0 −2 𝑏 − 2𝑑 = 0
{ {
2𝑏 + 2𝑑 = 1 2𝑏 + 2𝑑 = 1 2𝑏 + 2𝑑 = 1
−2𝑎 − 2𝑐 = −2 ̇
{
𝟎 = −𝟐 → 𝐶𝑜𝑛𝑑𝑖𝑐ã𝑜 𝑖𝑚𝑝𝑜𝑠𝑠í𝑣𝑒𝑙!
⇔{
−2 𝑏 − 2𝑑 = 0
{
𝟎 = 𝟏 → 𝐶𝑜𝑛𝑑𝑖çã𝑜 𝑖𝑚𝑝𝑜𝑠𝑠í𝑣𝑒𝑙!
Como o sistema de equações é impossível (não tem solução), a matriz 𝐵 não tem inversa.
Propriedades da matriz inversa
Sendo A e B matrizes quadradas de ordem n e α ∈ ℛ-{0} temos que:

a) (𝐴−1 )−1 = 𝐴
b) (𝐴𝐵)−1 = 𝐵 −1 𝐴−1
1
c) (𝛼𝐴)−1 = 𝛼 𝐴−1
d) (𝐴𝑇 )−1 = (𝐴−1 )𝑇
Exercício 20
1. Determina a inversa das seguintes matrizes:
1 0 2 0 1⁄2 0
a) 𝐴 = [ ] b) 𝐶 = [ ] R: 𝐶 −1 = [ ]
0 1 1 3 − 1⁄6 1⁄3
2 1 2 1 1⁄2 − 1⁄8 0 1
c) 𝐷 = [ ] d) 𝐸 = [ ] R: 𝐷 −1 = [ ] , 𝐸 −1 = [ ]
0 4 1 0 0 1⁄4 1 −2
36
Proposição 1: Se 𝑇 −1 = 𝑇 𝑇 então 𝑇 é ortogonal.
Exercício 21
1 0 0
2 1
0
Verifique a proposição anterior usando a matriz 𝑇 = [ √5 √5].
1 2
0 − 5
√5 √
Exercícios gerais do capítulo
1. Sejam 𝑢 = (𝑥, −1, 3) e v = (3, 2𝑦, 3), 𝑥, 𝑦 ∈ ℛ.

a) Determine 𝑥 e 𝑦 de modo que 𝑢 = 𝑣. R: 𝑥 = 3, 𝑦 = − 1⁄2
b) Determine 𝑥 e 𝑦 de modo que 𝑢 seja ortogonal a 𝑣.
c) Determine 𝑥 ∈ ℝ de modo que 𝑢 seja unitário.
2. Sejam 𝑢 = (1, 7) e 𝑣 = (−1, 1) dois vectores de ℛ 2 .

a) Determine as coordenadas das combinações lineares: 𝑤 = 𝑢 + 3𝑣, 𝑦 = −2𝑢 + 4𝑣 e
𝑧 = 𝛼𝑢 + 𝛽𝑣.
5 15
b) Indique dois números 𝛼, β ∈ ℛ, de modo que 𝛼𝑢 + 𝛽𝑣 = (5, 5). R: 𝛼 = e 𝛽=−
4 4
3. Calcule 𝑢 ∈ ℛ4 de modo que √2 𝑢 − 𝑢 = 𝑢 + (2𝑢 − 𝑢0 ) + 𝑢 + 4𝑢0 sendo

3
𝑢0 = (1, −2, 6, 𝜋). R: 𝑢 = (1, −2, 6, 𝜋)
√2−5
4. Sejam 𝑢 = (0, 𝑝 + 2, −1), 𝑣 = (1, 1, −𝑝 − 1), 𝑤 = (𝑝 + 2, 0, −1) e 𝑧 = (𝑝 − 1, 2, 1) quatro

vectores de ℛ 3 e 𝑝 um número real. Determine para que valores de 𝑝 ∈ ℛ se verifica que:
a) 𝑢 = 𝑤; R: 𝑝 = −2
b) 𝑢 + 𝑣 + 𝑤 = (0, 0, 0) R: 𝑝 = −3
c) ‖𝑢‖ = 1; R: 𝑝 = −2
3
d) {𝑢, 𝑣, 𝑧} é um conjunto ortogonal; R: 𝑝 = −
2
e) 𝑢 = 2𝑣 − 𝑤 R: 𝑝 = 0
5. Determine dois vectores, com coordenadas não nulas, ortogonais em ℛ 5 .
6. Verifique que se 𝑥 = (𝑥1 , 𝑥2 , 𝑥3 ) é uma combinação linear dos vectores 𝑢 = (5, −2, −3) e
𝑣 = (−1, 0, 1) então a soma das suas coordenadas é igual a zero, isto é, 𝑥1 + 𝑥2 + 𝑥3 = 0.
37
7. Dados os vectores 𝑥 = (1, 2, 3) e 𝑦 = (−1, 0, −5) de ℛ 3 , verifique se:

a) 𝑢 = (2, 6, 6) é uma combinação linear de 𝑥 e 𝑦;
b) 𝑣 = (−9, −2, 5) é uma combinação linear de 𝑥 e 𝑦.
1 2 0 1
2 −1 5 0
8. Considere em ℛ 4 os vectores 𝑥1 = [ ], 𝑥2 = [ ], 𝑥3 = [ ] e 𝑥4 = [ ]. Mostre que:
−1 0 −2 −2
3 1 5 1
a) O vector 𝑥3 é uma combinação linear dos vectores 𝑥1 e 𝑥2 ;
b) O vector 𝑥4 é ortogonal ao vector −3𝑥2 + 𝑥3 ;
c) Seja 𝑥6 = 𝑎𝑥4 onde 𝑎 ∈ ℛ. Determine 𝑎 de modo que ‖𝑥6 ‖ = 1.
9. Seja 𝑢 = (4, 0, −4) um vector de ℛ 3 . Determine um vector, não nulo, 𝑤 = (𝑤1 , 𝑤2, 𝑤3 ) ∈ ℛ 3
que seja ortogonal a 𝑢 e, além disso, se escreva como combinação linear dos vectores (−1, 1, 0)
e (1, 2, −3).
10. Seja 𝑢 = (−1, 0, 1) um vector de ℛ 3 . Determine um vector, não nulo, 𝑧 = (𝑧1 , 𝑧2 , 𝑧3 ) ∈ ℛ 3 que
seja ortogonal a 𝑢 e, além disso, se escreva como combinação linear dos vectores (2, 0, 1) e
(0, 1, −1).
11. Considere, em ℛ 3 , os vectores 𝑢 = (2, 1, −1) e 𝑣 = (−2, 5, 1).

a) Verifique se o vector 𝑤 = (−1, 0, −2) é uma combinação linear dos vectores 𝑢 e 𝑣.
b) Podemos afirmar que {𝑢, 𝑣, 𝑤} é um conjunto ortogonal? Justifique.
1 1
c) Determine 𝑧 ∈ ℛ de modo que {‖𝑢‖ 𝑢, ‖𝑣‖
𝑣, 𝑧} seja um conjunto ortonormal.
12. Considere os vectores 𝑣1 = (1, 0, 0), 𝑣2 = (0, 2, 1) e 𝑣3 = (0, 1, −2) assim como os vectores
2 1 1 2
𝑢1 = (1, 0, 0), 𝑢2 = (0, , ) e 𝑢3 = (0, , − 5).
√5 √5 √5 √
a) Podemos afirmar que (𝑣1 , 𝑣2 , 𝑣3 ) é um conjunto ortogonal? E ortonormal?

b) E quanto ao conjunto (𝑢1 , 𝑢2 , 𝑢3 ) o que podemos concluir?
13. Considere, em ℛ 3 , os vectores 𝑢 = (1, 2, 1), 𝑣 = (1, 0, −1) e 𝑤 = (2, −1, 0). Determine:
a) Um vector, não nulo, 𝑧 = (𝑧1 , 𝑧2 , 𝑧3 ) ∈ ℛ 3 ortogonal a 𝑤, que seja combinação linear dos
vectores 𝑢 e 𝑣.
1 1
b) Um vector, não nulo, 𝑦 = (𝑦1 , 𝑦2 , 𝑦3 ) ∈ ℛ 3 de modo que {‖𝑢‖ 𝑢, ‖𝑣‖ 𝑣, 𝑦} seja um conjunto
ortonormal.
38
14. Determine a matriz 𝐴 = [𝑎𝑖𝑗 ] sabendo que 𝑎𝑖𝑗 = 3𝑖 + 2𝑗. Que elementos pertencem às
3𝑥3
diagonais principal e secundária? R: 7, 10, 15 e 11, 10, 12
0 se 𝑖 ≥ 𝑗
15. Determine a matriz 𝐵 = [𝑏𝑖𝑗 ] sabendo que 𝑏𝑖𝑗 = { .
4𝑥3 1 se 𝑖 < 𝑗
0 se 𝑖 < 𝑗
16. Determine a matriz 𝐶 = [𝑏𝑖𝑗 ]3𝑥3 sabendo que 𝑐𝑖𝑗 = { 𝑖 + 𝑗 se 𝑖 = 𝑗
𝑖 − 𝑗 se 𝑖 > 𝑗
17. Sejam as matrizes 𝐴 = [𝑎𝑖𝑗 ]6𝑥3 em que 𝑎𝑖𝑗 = 𝑖 − 𝑗 e 𝐵 = [𝑏𝑖𝑗 ]3𝑥8 em que 𝑏𝑖𝑗 = 𝑖 + 𝑗. Sendo
𝐶 = 𝐴𝐵 = [𝑐𝑖𝑗 ]6𝑥8. Qual é o valor do elemento 𝑐35 ?
1 1 2 3 −1 0 3 1
18. Considere as matrizes 𝐴 = [ ], 𝐵=[ ], 𝐶 = [ ], 𝐸=[ ],
2 2 −3 −4 0 −1 −3 −1
𝐴
0 0 1 0 ⋯
02𝑥2 =[ ], 𝐼2 = [ ], 𝑀 = [ ] e N = [𝐵 | 𝐼2 ]. Calcule:
0 0 0 1 0 2𝑥2
a) 𝐴 𝑥 𝐵 e 𝐵 𝑥 𝐴 e verifique que 𝐴 𝑥 𝐵 ≠ 𝐵 𝑥 𝐴;
b) 𝐴 𝑥 𝐸 e verifique que 𝐴 𝑥 𝐸 = 𝑂2𝑥2 sendo A e E matrizes não nulas;
𝐴𝑥𝐵 ⋮ 𝐴 𝑥 𝐼2
c) 𝑀 𝑥 𝑁 e verifique que M x N = [ ⋯ ⋮ ⋯ ];
02𝑥2 𝑥 𝐵 ⋮ 02𝑥2 𝑥 𝐼2
𝐴 + 𝐵𝑇
𝑇 𝑇 𝑇
d) 𝑀 + 𝑁 e 𝐴 + 𝐵 e verifique que 𝑀 + 𝑁 = [ ⋯ ].
𝐼2
2 1 0 1 𝑚 𝑛 2 0 0
19. Considere as matrizes 𝐴 = [−2 0 1], 𝑈 = [0 1 1], 𝐷 = [0 1 0] e
8 5 3 0 0 1 0 0 2
1 0 0
𝐿 = [−1 1 0] , 𝑚, 𝑛 ∈ ℛ.
4 1 1
a) Calcule 𝐿 − 𝐼3 , (𝐿 − 𝐼3 )2 e 𝐿𝐿;
1
b) Determine dois números m, n   tais que 𝐴 = (𝐿𝐷)𝑈; R: 𝑚 = 2 e 𝑛 = 0
c) Defina a matriz 𝐺 ∈ ℛ 3𝑥3 , triangular inferior, com 1’s na diagonal principal, que satisfaz a
condição 𝐿𝐺 = 𝐼3 .
d) Sem fazer cálculos, diga qual é a inversa de L. R: 𝐺, porquê?
39
2 3
3 𝑥 3 9 2
20. Sejam 𝐴 = [ ] e 𝐵 = [ ]. Determine 𝑥 e 𝑦 de modo que 𝐴𝐵 = 𝑂𝑖 𝑥 𝑗 . R: 𝑥 = 2, 𝑦 = 3
𝑦 1 −2
2 3
1 2
−1 + √8 0
5 5
21. Considere as matrizes: 𝑋 = [ 0 ] e 𝐵 = [ 0 −2 −2]
2 14
−2 −2
5 5
1 0 2
a) Determine 𝑋 𝑇 𝑋 ∈ ℛ e 𝑋𝑋 𝑇 ∈ ℛ3𝑥3 . R: 𝑋 𝑇 𝑋 = 5 e 𝑋𝑋 𝑇 = [0 0 0]
2 0 4
1 2
0
1 5 5
b) Construa a matriz quadrada de ordem 3, 𝐴 = 𝑋 𝑇 𝑋 (𝑋𝑋 𝑇 ). R: 𝐴 = [0 0 0]
2 4
5
0 5
c) Indicando os cálculos auxiliares, calcule A2 e verifique que A2 = A.

1
d) Verifique se a matriz 𝐶 = (𝐴 − 𝐵) é ortogonal
√8
22. Calcule, se possível, a inversa das seguintes matrizes:
1 0 1 0
a) 𝐼2 = [ ] 𝐼2−1 = [ ]
0 1 0 1
1
0 2 0
2 3]
b) 𝐴 = [ 7] 𝐴−1 = [
0 −3 0 −
7
1 3 10 −3
c) 𝐵 = [ ] 𝐵−1 = [ ]
3 10 −3 1
1 1
−
0 2
d) 𝐶 = [ ] 𝐶 −1 =[ 5 5]
5 2 1
0
2
2 3
e) 𝐶 = [ ] Não tem inversa.
4 6
f) 𝐸12 ∈ ℛ 2𝑥2 (𝐸12 )−1 = [0 1]

1 0
0 0 1
g) 𝐸13 ∈ ℛ 3𝑥3 (𝐸13 )−1 = [0 1 0]
1 0 0
h) 𝐸2 (−7) ∈ ℛ 2𝑥2 1 0
[𝐸2 (−7)]−1 = [ ]
0 − 1⁄7
40
i) 𝐸21 (−5) ∈ ℛ 2𝑥2 [𝐸21 (−5)]−1 = [ 1 0]

−5 1
1 0 0
j) 𝐸31 (6) ∈ ℛ 3𝑥3 [𝐸31 (6)]−1 = [0 1 0]
6 0 1
1 0 1
k) 𝐸13 (1) ∈ ℛ 3𝑥3 [𝐸13 (1)]−1 = [0 1 0]
0 0 1
1 1
√2 √2
23. Considere a matriz 𝐵 = [ 1 1]
−
√2 √2
a) Verifique que B é ortogonal;

b) Verifique que 𝐵𝐵𝑇 = 𝐵𝑇 𝐵 = 𝐼2 .
c) O que pode concluir destes resultados?
1 2 
24. Considere a matriz 𝐴 =  .
2 1
a) Mostre que 𝐴2 − 2𝐴 − 3 = 0;
b) Calcule a inversa da matriz usando a igualdade da alínea anterior.
25. Suponha que M é uma matriz quadrada de ordem 4, tal que 𝑀3 = 0.

a) Calcule (𝐼4 − 𝑀)(𝐼4 + 𝑀 + 𝑀2 ); R: 𝐼4
b) Verifique que a matriz 𝐼4 − 𝑀 tem inversa, sendo (𝐼4 − 𝑀)−1 = 𝐼4 + 𝑀 + 𝑀2 .
2 1 𝑥 −1
26. A inversa de [ ] é a matriz [ ]. Determine 𝑥 e 𝑦.
5 3 −5 𝑦
27. Supondo invertíveis e da mesma ordem todas a matrizes envolvidas, resolva as seguintes
equações matriciais em ordem a 𝑋:
a) (𝐴𝑋𝐵−1 )𝑇 = 𝐼𝑛 R: 𝑋 = 𝐴−1 𝐵
b) (𝑋 −1 𝐴)−1 = 𝐵−1 R: 𝑋 = 𝐴𝐵−1
c) [(𝐴𝑋)−1 ]𝑇 = 𝐵−1 R: 𝑋 = 𝐴−1 𝐵𝑇
d) (𝐴𝑋𝐴−1 )−1 = 𝐴 R: 𝑋 = 𝐴
41
28. Suponha que 𝐶 = 𝐵 𝑇 (𝐵𝐵 𝑇 )−1 𝐵, 𝐵 ∈ ℛ 3 . Justificando a sua resposta prove que:
a) 𝐶 𝑇 = 𝐶 e 𝐶2 = 𝐶
b) (𝐼3 − 2𝐶)−1 = 𝐼3 − 2𝐶
5 3 11 4
29. Sejam 𝐴 = [ ] e 𝐵=[ ].
3 2 9 8
a) Determine 𝐴−1 e resolva a equação 𝐴𝑋 = 𝐵.
0 1 1 1 −1 0 1 1 1
30. Dadas as matrizes 𝐴 = [1 −1 1], 𝐵 = [0 1 1] e 𝐶 = [1 0 −1]. Determine a
1 0 1 1 2 1 2 2 1
matriz quadrada de terceira ordem X tal que:
0 3 1
a) (𝑋 − 𝐶)𝑇 = 𝐴𝑇 𝐵𝑇 R: 𝑋 = 𝐵𝐴 + 𝐶 = [3 −1 1]
5 1 5
4 3 7
b) 𝑋 𝑇 = 𝐴𝑇 (𝐴 + 𝐵𝐶𝐴) R: 𝑋 = (𝐼3 + 𝐵𝐶)𝐴2 = [ 6 3 9]
11 2 15
1 1 0 −1
0 2 0 2
31. Sendo 𝐴 = [ ]. Calcule 𝑡𝑟(𝐴𝑇 )2 e 𝑡𝑟(𝐴 − 2).
2 1 1 0
0 −1 0 1
R: 𝑡𝑟(𝐴𝑇 )2 = 𝑡𝑟(𝐴2 )𝑇 = 3 e 𝑡𝑟(𝐴 − 2) = 𝑡𝑟(𝐴) − 2𝑡𝑟(𝐼4 ) = −3
1 1 1 5 1 0 0 0 0
32. Considere as matrizes 𝐴 = [ ], 𝐵 = [ ] e 𝐶=[ ]. Determine:
2 1 3 0 2 4 1 3 4
1
a) A matriz 𝑋 do tipo 2 x 3 tal que (𝑋 + 𝐴) = 3[𝑋 + (𝐴 − 𝑋) + 𝐶]
2
5 5 5
R: 𝑋 = 5𝐴 + 2𝐶 = [ ]
12 11 23
2𝑋 − 𝑌 = 𝐴 − 𝐵
b) 𝑋 e 𝑌, matrizes do tipo 2𝑥3, tais que {
𝑋+𝑌 =𝐵−𝐴
𝑋 = 02𝑥3
2𝑋 − 𝑌 = 𝐴 − 𝐵 𝑋 = 02𝑥3
R: { … { ⇔ {
𝑋+𝑌 =𝐵−𝐴 𝑌 =𝐵−𝐴 4 0 −1
𝑌=[ ]
−2 1 1
1 2 4 1 −2 2
1
33. Considere as matrizes: 𝐴 = [2 −2 2] e 𝑆 = [ 2 2 1].
3
4 2 1 −2 1 2
a) Verifique se S é ortogonal. R: 𝑆 é ortogonal
b) Determine 𝜆1 , 𝜆2 , 𝜆3 ∈ ℛ tais que 𝑆 𝑇 𝐴𝑆 = 𝑑𝑖𝑎𝑔(𝜆1 , 𝜆2 , 𝜆3 ).
. R: 𝜆1 = −3, 𝜆2 = −3, 𝜆3 = 6
42
1 0 0
√2 √2
34. Determine 𝑥, 𝑦 e 𝑧 ∈ ℛ de modo que a matriz 𝐴 = [0 ] seja ortogonal.
2 2
𝑥 𝑦 𝑧
√3 √3
. R: 𝑥 = 0, 𝑦 = 2
e 𝑧=− 2
1 0 0 3 2
2 2 1 2 0
35. Dadas as matrizes 𝐴 = [ ], 𝐵 = [ ], 𝐶 = [0 2 2 ] e 𝐷 = [14 12].
2 1 1 0 2
0 2 −2 0 2
a) Calcule 𝐴−1
b) Verifique que 𝐶𝐵𝑇 𝐴 − 𝐷 = 𝐵𝑇
1 −1 0 1 0
36. Dadas as matrizes 𝐴 = [−1 2 1 0 1], 𝐵 = [1 −2 2 −1 1]𝑇 ,
0 1 2 −1 1
2 1 3 2 2 1
𝐶 = [1 1 −3] e 𝐷 = [2 2 −1].
3 −4 5 1 −2 4
1
a) Construa a matriz 𝐹 = (𝐴𝐵)(𝐴𝐵)𝑇 − 𝐶 e verifique que 𝐷 + 𝐹 =
4
𝑑𝑖𝑎𝑔(1, 2, 3)
b) Determine a matriz 𝑋 que verifica a condição 𝐶 −1 𝑋(𝐴𝐵)−1 = (𝐼𝑛 )−1 (Sugestão: utilize o
resultado de AB encontrado na alínea b)).
𝑥+𝑦 1 2 2
1 1 1
37. Considere as matrizes 𝐴 = [1 2 −1], 𝐵 = [ 2 ], 𝐶 = 3 [2 −2 1 ], 𝐷 = [ ],
𝑥−𝑦 1 2
2 1 −2
1 0 1
𝐸=[ ] e 𝐹 = 3𝐶.
0 1 1
a) Determine 𝑥, 𝑦 ∈ ℛ de modo que 𝐴 = 𝐵𝑇
b) Faça, na matriz B, 𝑥 = 1 e 𝑦 = 1 e calcule 𝑡𝑟(𝐵𝐴 + 3)
c) Verifique que C é ortogonal
d) Calcule 𝐷 −1
7 2 −1 𝑇
e) Verifique que a matriz X que satisfaz a condição 𝐹 −1 𝑋𝐷 −1 = 𝐸 𝑇 é 𝑋 = [ ]
11 1 −2
2 −1
38. Considere as matrizes: 𝐴=[ ], 𝐵 = [−3 2 0], 𝐶 = [1 0 2],
1 0
1
−2 − 2
−1 −2 −2 1
𝐷=[ ] e 𝐻= 7 .
−3 −1 0 2
3 3
[ 2
− 2]
a) Sabendo que 𝐹 = 𝑑𝑖𝑎𝑔(−1, −2, −1) − 𝐸23 (2) − 2𝐸1 (2) + 𝐸13 , determine a matriz 𝐹 que
satisfaz tal condição.
43
1
b) Justifique que a matriz 𝐴 não é ortogonal.
√5
c) Relactivamente à matriz 𝐻, calcule: (ℎ22 )2 − 5(ℎ12 + ℎ31 ) + ℎ32 .

d) Calcule 𝑡𝑟(𝐷𝐻 + 𝐴)
e) Calcule, se existir, 𝐴−1
f) Determine a matriz 𝑋 que satisfaz a condição (𝐶 −1 )𝑇 𝑋 𝑇 = 𝐵
1 −1 2 3 1 0
39. Dadas as matrizes 𝐴 = [ ], 𝐵 = [ ], 𝐶 = [ ] determine as matrizes 𝑋 e 𝑌 que
0 1 1 5 0 8
satisfazem as seguintes condições:
2 1
a) 𝐴𝑋 𝑇 = 𝐵𝐶 − 𝐶 2 R: 𝑋 = [ ]
0 −24
2 4
−
b) 𝑌𝐵 = 𝐶 𝑇 − 𝐴2 R: 𝑌 = [ 7 7 ]
−1 2
1 2 0 1 2 1 1 0 −2
40. Dadas as matrizes 𝐴 = [−1 2 3] , 𝐵 = [0 −1 2] e 𝐶 = [2 −3 1 ], determine, se
0 1 2 1 −1 3 1 2 5
possível, a matriz 𝑋 tal que:
a) 𝐴 + 𝑋 𝑇 = 𝐵𝑇 + 𝐶
b) (𝐴 + 𝐵)𝑇 + 𝑋 = 𝐵 − 𝐶 𝑇
c) 𝑋 + 𝐴𝐵 = 𝐶 𝑇 𝐴
d) 𝑋 + 𝐵2 − 𝐴 = 2 + 𝐶
e) 𝑋 + 𝐴𝑇 = (𝐵𝐵𝑇 + 𝐶)𝑇
f) 𝑋 𝑇 = 𝐴𝑇 𝐵𝑇 + 𝐶
g) (𝐴 + 𝑋)𝑇 = 𝐵𝐶 + 𝐴2
h) (𝐴 − 3𝑋)𝑇 = 2𝐶 2 − 4𝐵
44
CAPÍTULO II: SISTEMAS DE EQUAÇÕES LINEARES
Definição 1 (Equação Linear)
Uma equação algébrica linear nas incógnitas 𝑥1 , 𝑥2 , … , 𝑥𝑛 é uma equação do tipo

𝑎1 𝑥1 + 𝑎2 𝑥2 + ⋯ + 𝑎𝑛 𝑥𝑛 = 𝑏 onde 𝑎1 , 𝑎2 , … , 𝑎𝑛 e 𝑏 são números reais. Chamamos a 𝑏 segundo
membro ou termo independente da equação.
Exemplo 1
𝑥 + 2𝑦 − 5𝑧 + 2𝑡 = 5 é uma equação linear nas incógnitas 𝑥, 𝑦, 𝑧 e 𝑡 cujo termo independente é 5.
Definição 2 (Sistema de equações lineares)
Um sistema de equações algébricas lineares é uma colecção finita de equações lineares (nas mesmas
incógnitas) consideradas em conjunto.
Um sistema de m equações e n incógnitos pode ser escrito na forma:
𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑏1

𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 𝑏2
{
⋮
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 = 𝑏𝑚
onde os 𝑚 𝑥 𝑛 coeficientes 𝑎𝑖𝑗 (𝑖 = 1, 2, … , 𝑚 e 𝑗 = 1, 2, … , 𝑛) e os termos independentes

𝑏𝑖 (𝑖 = 1, 2, … , 𝑚) são números dados.
Se os termos independentes 𝑏𝑖 (𝑖 = 1, 2, … , 𝑚) são nulos, dizemos que o sistema é homogéneo.
Exemplo 2
𝑥+𝑦−𝑧 =5
a) { 2𝑥 + 𝑦 + 𝑧 = 3 é um sistema de 3 equações e 3 incógnitas.
−𝑥 + 𝑦 − 2𝑧 = 4
𝑥+𝑦+𝑧 =0
b) { 2𝑥 + 𝑦 + 𝑧 = 0 é um sistema homogéneo.
−𝑥 + 𝑦 − 2𝑧 = 0
45
Definição 3 (Solução de um sistema de equações lineares)
Uma solução de um sistema de equações lineares, nas incógnitas 𝑥1 , 𝑥2 , … , 𝑥𝑛 é uma sequência

ordenada (𝛼1 , 𝛼2 , … , 𝛼𝑛 ) de números tais que as substituições 𝑥𝑗 = 𝛼𝑗 (𝑗 = 1, 2, … , 𝑛) transformam
todas as equações do sistema em identidades.
Definição 4 (Classificação de sistemas de equações lineares quanto às soluções)
Um sistema de equações lineares que tenha pelo menos uma solução é dito possível (determinado
se tiver uma, indeterminado se tiver mais do que uma).
Um sistema de equações que não tenha nenhuma solução é dito impossível.
𝐝𝐞𝐭𝐞𝐫𝐦𝐢𝐧𝐚𝐝𝐨 ( solução única)

𝐩𝐨𝐬𝐬í𝐯𝐞𝐥 {
Sistema de equações lineares 𝐢𝐧𝐝𝐞𝐭𝐞𝐫𝐦𝐢𝐧𝐚𝐝𝐨 (mais do que uma solução)
{ 𝐢𝐦𝐩𝐨𝐬𝐬í𝐯𝐞𝐥 (nenhuma solução)
Definição 5 (Grau de indeterminação de um sistema de equações lineares)
Chamamos grau de indeterminação de um sistema de equações lineares possível e indeterminado ao

número de incógnitas livres desse sistema.
Além disso, se o sistema tem apenas uma incógnita livre dizemos que é simplesmente
indeterminado, se tem duas incógnitas livres classificamo-lo como duplamente indeterminado (ou
indeterminado de grau 2) e assim sucessivamente.
simplesmente indeterminado (uma variável livre)
Sistema indeterminado duplamene indeterminado (duas variáveis lires)
{ ⋮
Definição 6 (Discussão e resolução de um sistema de equações lineares)
Discutir um sistema de equações lineares é averiguar em que casos tal sistema é possível (tem
solução) ou impossível (não tem solução).
Resolver um sistema de equações lineares consiste em calcular todas as suas soluções.
46
Definição 7 (Sistemas de equações lineares equivalentes)
Dois sistemas de equações lineares com o mesmo número de equações e o mesmo número de
incógnitas dizem-se equivalentes se têm exatamente as mesmas soluções.
Método de eliminação de Gauss
A informação essencial à resolução de um sistema de equações lineares é constituída pelos

coeficientes das incógnitas e pelos termos independentes que podem ser dispostos em forma de matriz.
Exemplo 3:
A 𝑥 𝑏
𝑥 + 2𝑦 − 𝑡 = −1 ⏞1 2 0 −1 ⏞ 𝑥 ⏞−1
−𝑥 − 3𝑦 + 𝑧 + 2𝑡 = 3 −1 −3 1 2 𝑦 3
a) ⇔[ ] [ ] = [ ] ⇔ 𝐴𝑥 = 𝑏
𝑥 − 𝑦 + 4𝑧 + 𝑡 = 1 1 −1 4 1 𝑧 1
2𝑥 − 3𝑦 + 7𝑧 + 3𝑡 = 4 ⏟ 2 −3 7 3 𝑡 4
{ 𝑁𝑜𝑡𝑎çã𝑜 𝑚𝑎𝑡𝑟𝑖𝑐𝑖𝑎𝑙
onde A (matriz incompleta) é a matriz dos coeficientes das incógnitas, 𝑥 é a matriz das incógnitas e b
é a matriz dos termos independentes. Ou, de forma compacta, na matriz completa ou ampliada:
1 2 0 −1 | −1
−1 −3 1 2 | 3
[𝐴|𝑏] = [ ]
1 −1 4 1 | 1
⏟ 2 −3 7 3 | 4
𝑚𝑎𝑡𝑟𝑖𝑧 𝑐𝑜𝑚𝑝𝑙𝑒𝑡𝑎
Definição 8 (Operações elementares)
Designamos por operações elementares sobre linhas (sobre colunas) às seguintes transformações
efetuadas numa matriz:
• Troca entre si de duas linhas (colunas) paralelas (𝑳𝒊 / 𝑳𝒋 ), (𝑪𝒊 / 𝑪𝒋 );

• Multiplicação de uma linha (coluna) por um escalar diferente de zero (𝜶𝑳𝒊 ), (𝜶𝑪𝒊 );
• Substituição de uma linha (coluna) pela que dela se obtém subtraindo-lhe o produto de outra
linha (coluna) por um escalar (𝑳𝒊 − 𝜶𝑳𝒋 ), (𝑪𝒊 − 𝜶𝑪𝒋 ).
No que se segue, e na discussão e resolução de sistemas de equações algébricas lineares usaremos,

essencialmente, operações elementares sobre linhas. Todavia, em alguns casos, também recorremos à
operação elementar de troca, entre si, das colunas 𝑖 e 𝑗 (𝑪𝒊 ̸ 𝑪𝒋 ).
47
Estas operações que se executam sobre linhas (colunas) de uma matriz, constituem a base de um
processo que se designa, usualmente, por condensação da matriz.
Para transformar uma matriz numa matriz condensada recorremos à utilização de operações
elementares com o objetivo de criar zeros em todas as posições abaixo dos pivots.
Aos elementos, não nulos, 𝒂𝒊𝒊 ≠ 𝟎, (i = 1, 2, …, n) da matriz condensada chamamos redutores

(ou pivots).
Ao número de pivots obtidos no final da condensação de uma matriz A chamamos caraterística

da matriz 𝐀.
sendo as seguintes notações as mais usuais: 𝑐𝑎𝑟(𝐴), 𝑐(𝐴), 𝑟𝑎𝑛𝑘(𝐴), 𝑟(𝐴) ou, simplesmente, 𝑟.
Matriz condensada
Dizemos que uma matriz está condensada se estiver, por exemplo, numa das seguintes formas:
𝒙 𝒚 𝒛
𝒂𝟏𝟏 𝑎12 𝑎13 | 𝑏1 𝒂𝟏𝟏 𝑥 + 𝑎12 𝑦 + 𝑎13 𝑧 = 𝑏1
a) [𝐴|𝑏] =[ 0 𝒂𝟐𝟐 𝑎23 | 𝑏2 ] ⇔ { 𝒂𝟐𝟐 𝑦 + 𝑎23 𝑧 = 𝑏2
0 0 𝒂𝟑𝟑 | 𝑏3 𝒂𝟑𝟑 𝑧 = 𝑏3
Neste caso, o sistema é possível (tem solução) e determinado (solução única), visto que,
𝑪(𝑨|𝒃) = 𝒎 = 𝒏 onde 𝐶(𝐴|𝑏) é a característica (número de pivots) da matriz [𝐴|𝑏], 𝑚 é o
número de equações e 𝑛 é o número de incógnitas.
Ou, de outro modo, o sistema é possível e determinado porque todas as incógnitas têm pivot.
𝒙 𝒚 𝒛
𝒂𝟏𝟏 𝑎12 𝑎13 | 𝑏1 𝒂𝟏𝟏 𝑥 + 𝑎12 𝑦 + 𝑎13 𝑧 = 𝑏1
b) [𝐴|𝑏] = [ 0 𝒂𝟐𝟐 𝑎23 | 𝑏2 ] ⇔ { 𝒂𝟐𝟐 𝑦 + 𝑎23 𝑧 = 𝑏2
0 0 0 | 0 0=0
Neste caso, o sistema é possível (tem solução) e simplesmente (uma variável livre) indeterminado
(infinitas soluções), visto que, 𝑪(𝑨|𝒃) = 𝒎 < 𝒏.
Ou, de outro modo, o sistema é possível e simplesmente indeterminado porque tem uma incógnita
livre (𝒛 é uma incógnita sem pivot).
48
𝒙 𝒚 𝒛 𝒕
𝒂𝟏𝟏 𝑎12 𝑎13 𝑎14 | 𝑏1 𝒂𝟏𝟏 𝑥 + 𝑎12 𝑦 + 𝑎13 𝑧 + 𝑎14 𝑡 = 𝑏1
0 𝒂𝟐𝟐 𝑎23 𝑎24 | 𝑏2 𝒂𝟐𝟐 𝑦 + 𝑎23 𝑧 + 𝑎24 𝑡 = 𝑏2
c) [𝐴|𝑏] = [ ]⇔{
0 0 0 0 | 0 0=0
0 0 0 0 | 0 0=0
Neste caso, o sistema é possível (tem solução) e duplamente (duas variáveis livres) indeterminado
(infinitas soluções - 𝒛 e 𝒕 são incógnitas livres, sem pivot).
𝒙 𝒚 𝒛
𝒂𝟏𝟏 𝑎12 𝑎13 | 𝑏1 𝒂𝟏𝟏 𝑥 + 𝑎12 𝑦 + 𝑎13 𝑧 = 𝑏1
d) [𝐴|𝑏] = [ 0 𝒂𝟐𝟐 𝑎23 | 𝑏2 ] ⇔ { 𝒂𝟐𝟐 𝑦 + 𝑎23 𝑧 = 𝑏2
0 0 0 | 𝑏3 𝟎 = 𝒃𝟑
Neste caso, se 𝑏3 ≠ 0, o sistema é impossível (não tem solução), visto que, tem uma condição
impossível (0 = 𝑏3 ≠ 0).
Resolvendo o sistema do exemplo 3, pelo método de eliminação de Gauss, temos:
𝑥 + 2𝑦 − 𝑡 = −1 1 2 0 −1 𝑥 −1
−𝑥 − 3𝑦 + 𝑧 + 2𝑡 = 3 −1 −3 1 2 𝑦 3
a) { ⇔ [ ][ ] = [ ]
𝑥 − 𝑦 + 4𝑧 + 𝑡 = 1 1 −1 4 1 𝑧 1
2𝑥 − 3𝑦 + 7𝑧 + 3𝑡 = 4 2 −3 7 3 𝑡 4
1 2 0 −1 |−1 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ 1 2 0 −1 |−1

𝐿2 + 𝐿1
−1 −3 1 2 | 3 0 −1 1 1 | 2 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
[𝐴|𝑏] = [ ] 𝐿 − 𝐿1 [ ] (−1)𝐿2
1 −1 4 1 | 1 3 0 −3 4 2 | 2
𝐿4 − 2𝐿1
2 −3 7 3 | 4 0 −7 7 5 | 6
1 2 0 −1 |−1 1 2 0 −1 |−1
0 1 −1 −1 |−2 𝐿⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
+ 3𝐿2 0 1 −1 −1 |−2 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
1
[ ] 3 (− 2) 𝐿4
0 −3 4 2 | 2 4 + 7𝐿2 0
𝐿 0 1 −1 |−4
0 −7 7 5 | 6 [0 0 0 −2 |−8]
⏟
𝑀𝑎𝑡𝑟𝑖𝑧 𝑐𝑜𝑛𝑑𝑒𝑛𝑠𝑎𝑑𝑎
𝟏 2 0 −1 |−1
0 𝟏 −1 −1 |−2
[ ]
0 0 𝟏 −1 |−4
0 0 0 𝟏 | 4
No final da eliminação de Gauss constatamos que:

• 𝑐([𝐴|𝑏]) = 4 = 𝑚 (número de equações) = 𝑛 (número de incógnitas);
• todas a as incógnitas (𝒙, 𝒚, 𝒛 𝐞 𝒕) correspondem a colunas com pivot (designadas, por
isso, incógnitas principais)
• 𝟏, 𝟏, 𝟏 𝐞 − 𝟐 são elementos redutores ou pivots.
Neste caso, diz-se que o sistema é possível e determinado.
49
A matriz anterior descreve o sistema:
𝑥 + 2𝑦 − 𝑡 = −1 𝑥 = −1 − 2𝑦 + 𝑡 𝑥 = −1 − 2(2) + 4 𝑥 = −1
𝑦 − 𝑧 − 𝑡 = −2 𝑦 = −2 + 𝑧 + 𝑡 𝑦 = −2 + 0 + 4 𝑦= 2
{ ⇔{ ⇔ { ⇔{
𝑧 − 𝑡 = −4 𝑧 = −4 + 𝑡 𝑧 = −4 + 4 𝑧= 0
𝑡= 4 𝑡=4 𝑡=4 𝑡= 4
cujo conjunto solução é: 𝑆 = {(−1, 2, 0, 4)}
A 𝑋 𝑏
𝑥 + 2𝑦 − 𝑡 = −1 ⏞1 2 0 −1 ⏞ 𝑥 ⏞−1
−𝑥 − 3𝑦 + 𝑧 + 2𝑡 = 3 −1 −3 1 2 𝑦 3
b) { ⇔ [ ] [ ] = [ ] ⇔ 𝐴𝑥 = 𝑏
𝑥 − 𝑦 + 3𝑧 + 𝑡 = 1 1 −1 3 1 𝑧 1
2𝑥 − 3𝑦 + 7𝑧 + 3𝑡 = 4 2 −3 7 3 𝑡 4
1 2 0 −1 |−1 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ 1 2 0 −1 |−1

𝐿2 + 𝐿1 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
−1 −3 1 2 | 3 0 −1 1 1 | 2 𝐿 − 3𝐿2
[𝐴|𝑏] = [ ] 𝐿3 − 𝐿1 [ ] 3
1 −1 3 1 | 1 0 −3 3 2 | 2 𝐿4 − 7𝐿2
𝐿 − 2𝐿1
2 −3 7 3 | 4 4 0 −7 7 5 | 6
𝒛 𝒕
1 2 0 −1 |−1
0 −1 1 1 | 2 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
[ ] 𝐶 /𝐶
0 0 𝟎 −1 |−4 3 4
0 0 0 −2 |−8
Neste caso, torna-se necessário trocar a terceira coluna com a quarta. No entanto, ao fazê-lo, é
preciso ter em conta que estamos a trocar a coluna dos coeficientes da variável 𝑧 com a coluna dos
coeficientes da variável 𝑡.
𝒕 𝒛 𝒙 𝒚 𝒕 𝒛
1 2 −1 0 |−1 𝟏 2 −1 0 |−1 1 2 −1 0 |−1

0 −1 1 1 | 2 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ 0 −𝟏 1 1 | 2 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
(−1)𝐿 2 0 1 −1 −1 |−2
[ ] 𝐿 − 2𝐿3 [ ]
0 0 −1 0 |−4 4 0 0 −𝟏 0 |−4 (−1)𝐿 3 0 0 1 0 | 4
0 0 −2 0 |−8 [⏟0 0 0 0 | 0] 0 0 0 0 | 0
• 𝑐([𝐴|𝑏]) = 3 = 𝑚 (número de equações) < 𝑛 = 4 (número de incógnitas)

• 1, −1, e −1 são elementos redutores ou pivots.
• existe uma equação sem pivot;
• existe uma coluna sem pivot;
• as incógnitas 𝑥, 𝑦 𝑒 𝑡 correspondem a colunas sem pivot (denominadas incógnitas principais);
• a incógnita 𝒛 corresponde a uma coluna sem pivot (denominada incógnita livre).
50
A matriz condensada descreve o sistema:
𝑥 + 2𝑦 − 𝑡 = −1
𝑦 − 𝑡 − 𝑧 = −2
𝑡=4
0=0
⏟
{ 𝐶𝑜𝑛𝑑𝑖çã𝑜 𝑢𝑛𝑖𝑣𝑒𝑟𝑠𝑎𝑙
Que é um sistema possível, visto que, a equação sem pivot é uma condição universal (0 = 0).
Concluímos que:
𝑥 + 2𝑦 − 𝑡 = −1 𝑥 = −1 − 2𝑦 + 𝑡 𝑥 = −1 − 2(2 + 𝛼) + 4 𝑥 = −1 − 2𝛼
𝑦 − 𝑡 − 𝑧 = −2 𝑦 = −2 + 𝑧 + 𝑡 𝑦 = −2 + 𝛼 + 4 𝑦 =2+𝛼
{ ⇔{ ⇔{ ⇔{
𝑡=4 𝑡=4 𝑧=𝛼∈ℛ 𝑧=𝛼∈ℛ
0=0 𝑧=𝛼∈ℛ 𝑡=4 𝑡=4
O sistema é possível e simplesmente (uma variável livre) indeterminado (infinitas soluções) e o

seu conjunto solução é dado por:
𝑆 = {(−1 − 2𝛼, 2 + 𝛼, 𝛼, 4 ), 𝛼∈ℛ}
𝑥 + 2𝑦 − 𝑧 + 𝑡 = 8 1 2 −1 1 𝑥 8
2𝑥 − 𝑦 + 𝑧 − 2𝑡 = −1 2 −1 1 −2 𝑦 −1
c) { ⇔ [ ][ ] = [ ]
−𝑥 + 3𝑦 − 2𝑧 + 3𝑡 = 9 −1 3 −2 3 𝑧 9
3𝑥 + 𝑦 − 𝑡 = 7 3 1 0 −1 𝑡 7
1 2 −1 1 | 8 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ 1 2 −1 1 | 8
𝐿 − 2𝐿1
2 −1 1 −2 |−1 2 0 −5 3 −4 |−17 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐿 + 𝐿2
[𝐴|𝑏] = [ ] 𝐿3 + 𝐿1 [ ] 3
−1 3 −2 3 | 9 0 5 −3 4 | 17 𝐿4 − 𝐿2
𝐿 − 3𝐿1
3 1 0 −1 | 7 4 0 −5 3 −4 |−17
𝟏 2 −1 1 | 8 𝟏 2 −1 1 |8
3 4 17
0 −𝟓 3 −4 |−17 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
1
(− 5) 𝐿2
0 𝟏 −5 5
|5
0 0 0 0 | 0 0 0 0 0 |0
[⏟0 0 0 0 | 0] [0 0 0 0 | 0]

• 𝑐(𝐴) = 2 = 𝑚 (número de equações) < 𝑛 = 4 (número de incógnitas);
• 1 e −5 são elementos redutores ou pivots;
• existem duas equações sem pivot;
• existem duas colunas sem pivot;
• as incógnitas x e y correspondem a colunas com pivot;
• as incógnitas z e t correspondem a colunas sem pivot.
51
O sistema é possível (as equações sem pivot contêm uma condição universal (0 = 0)), 𝑥 e y são
incógnitas principais (incógnitas com pivot) e z e t são incógnitas livres (incógnitas sem pivot).
17 3 4
𝑥 + 2𝑦 − 𝑧 + 𝑡 = 8 𝑥 = 8 − 2 ( 5 + 5 𝛼 − 5 𝛽) + 𝛼 − 𝛽
3 4 17 17 3 4
𝑦−5 𝑧+5 𝑡 = 5
𝑦= +5 𝛼−5 𝛽
5
⇔ ⇔
0=0 𝑧=𝛼∈ℛ
{ 0=0 { 𝑡=𝛽∈ℛ
34 6 8 6 1 3 1
𝑥 =8− − 𝛼+ 𝛽+𝛼−𝛽 𝑥= − 𝛼+ 𝛽 𝑥 = (6 − 𝛼 + 3𝛽)
5 5 5 5 5 5 5
17 3 4 17 3 4 1
𝑦= 5
+5 𝛼−5 𝛽 𝑦= 5
+5 𝛼−5 𝛽 𝑦 = 5 (17 + 3𝛼 − 4𝛽)
⇔ ⇔ ⇔
𝑧=𝛼∈ℛ 𝑧=𝛼∈ℛ 𝑧=𝛼∈ℛ
{𝑡 = 𝛽 ∈ ℛ {𝑡 = 𝛽 ∈ ℛ {𝑡 = 𝛽 ∈ ℛ
O sistema é possível e duplamente (duas variáveis livres: z e t) indeterminado (infinitas soluções)

e o seu conjunto S de soluções é dado por:
1 1
S = { [5 (6 − 𝛼 + 3𝛽), 5
(17 + 3𝛼 − 4𝛽), 𝛼, 𝛽)] , 𝛼, 𝛽 ∈ ℛ}
𝑥 + 2𝑦 − 𝑡 = −1 1 2 0 −1 𝑥 −1
−𝑥 − 3𝑦 + 𝑧 + 2𝑡 = 3 −1 −3 1 2 𝑦 3
d) { ⇔ [ ][ ] = [ ]
𝑥 − 𝑦 + 3𝑧 + 𝑡 = 1 1 −1 3 1 𝑧 1
2𝑥 − 3𝑦 + 7𝑧 + 3𝑡 = 5 2 −3 7 3 𝑡 5
1 2 0 −1 |−1 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ 1 2 0 −1 |−1

𝐿 + 𝐿1 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
−1 −3 1 2 | 3 2 0 −1 1 1 | 2 𝐿 − 3𝐿2
[𝐴|𝑏] = [ ] 𝐿3 − 𝐿1 [ ] 3
1 −1 3 1 | 1 0 −3 3 2 | 2 𝐿4 − 7𝐿2
𝐿 − 2𝐿1
2 −3 7 3 | 5 4 0 −7 7 5 | 7
1 2 0 −1 |−1
0 −1 1 1 | 2
0 0 0 −1 |−4
[0 0 0 −2 |−7]
Também, neste caso, surge um ¨zero¨ na posição (3, 3). Por troca de colunas obtemos:
𝑥 𝑦 𝒛 𝒕 𝑥 𝑦 𝒕 𝒛
1 2 0 −1 |−1 1 2 −1 0 |−1
0 −1 1 1 | 2 0 −1 1 1 | 2 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐶 /𝐶 [ ] 𝐿 − 2𝐿3
0 0 0 −1 |−4 3 2 0 0 −1 0 |−4 4
[0 0 0 −2 |−7] 0 0 −2 0 |−7
52
|−1 𝑥 + 2𝑦 − 𝑡 + 𝑧 = −1
𝟏 2 −1 0
−𝑦 + 𝑡 + 𝑧 = 2
0 −𝟏 1 1 | 2
[ ]⇔ −𝑡 = −4 𝑆 = {∅}
0 0 −𝟏 0 |−4
𝟎
⏟= 𝟏
0 0 0 0 | 𝟏
{ 𝐶𝑜𝑛𝑑𝑖çã𝑜 𝑖𝑚𝑝𝑜𝑠𝑠í𝑣𝑒𝑙
No final da eliminação de Gauss verificamos que
• 𝑐(𝐴) = 3;
• 1, −1, e − 1 são elementos redutores ou pivots;
• existe uma equação sem pivot;
• existe uma coluna sem pivot.
Dizemos que o sistema é impossível, visto que, a equação sem pivot é uma condição impossível
(0 = 1) e o seu conjunto solução é o conjunto vazio, 𝑆 = {∅}.
A possibilidade ou impossibilidade de um sistema de equações lineares está relacionada com o

número e tipo de equações sem pivot no final da eliminação de Gauss (na matriz condensada).
Sistemas homogéneos
Definição: 9 (Sistema homogéneo)

𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 0
𝑎 𝑥 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 0
Chamamos homogéneo ao sistema: { 21 1 ⇔ 𝐴𝑥 = 0 , 𝐴 ∈ ℛ 𝑚𝑥𝑛 .
⋮
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 = 0
em que o termo independente de cada uma das suas equações é igual a zero.
𝑛 𝑧𝑒𝑟𝑜𝑠
Um sistema homogéneo com 𝑛 incógnitas admite sempre a sequência ⏞
(0, 0, … , 0) como solução.
Essa solução é chamada nula, trivial ou imprópria. Por isso,
Os sistemas homogéneos são sempre possíveis pois, possuem, pelo menos, a solução nula.
Se um sistema homogéneo só possui a solução nula é possível e determinado, havendo outras

soluções, além da nula, é possível e indeterminado. Estas soluções recebem o nome de próprias ou
não triviais.
53
Exemplo 4:
Resolva os seguintes sistemas de equações lineares:
𝑥1 + 𝑥3 = 0 1 0 1 𝑥1 0
a) ∑1 = {−𝑥1 + 𝑥2 = 0 ⇔ [−1 1 0] [𝑥2 ] = [0]
−𝑥1 + 𝑥2 = 0 −1 1 0 𝑥3 0
Resolução:
∑1 é um sistema homogéneo com três equações (𝑚 = 3) e três incógnitas (𝑛 = 3).

A sequência nula (0, 0, 0) é solução do sistema, pois fazendo 𝑥1 = 0, 𝑥2 = 0 e 𝑥3 = 0obtemos:
0+0=0 0=0
{−0 + 0 = 0 ⇔ {0 = 0 pelo que, podemos garantir que o sistema é possível.
−0 + 0 = 0 0=0
Além disso, constatamos que
1 0 1| 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ 1 0 1| 0 1 0 1| 0
𝐿 − (−1)𝐿1
[𝐴|𝑏] = [−1 1 0| 0] 2 [0 1 1| 0] ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐿3 − 𝐿2 [0 1 1| 0]
𝐿3 − (−1)𝐿1
−1 1 0| 0 0 1 1| 0 0 0 0 0
e verificamos que no final da eliminação de Gauss:
• 𝑐(𝐴) = 2;
• 1 e 1 são elementos redutores ou pivots;
• as incógnitas 𝑥1 e 𝑥2 correspondem a colunas com pivot, pelo que se dizem incógnitas
principais;
• a incógnita 𝑥3 corresponde a uma coluna sem pivot, sendo, por isso, uma incógnita livre.
Assim, temos
𝑥1 + 𝑥3 = 0 𝑥1 + 𝑥3 = 0 𝑥1 + 𝑥3 = 0 𝑥1 = −𝑥3 𝑥1 = −𝛼
𝑥
{ −𝑥1 + 𝑥2 = 0 ⇔ { 𝑥2 + 𝑥3 = 0 ⇔ { 𝑥2 + 𝑥3 = 0 ⇔ { 2 = −𝑥 3 ⇔{ 𝑥 2 = −𝛼
−𝑥1 + 𝑥2 = 0 0=0 𝑥3 = 𝛼 ∈ ℛ 𝑥3 = 𝛼 ∈ ℛ 𝑥3 = 𝛼 ∈ ℛ
Deste modo, concluímos que o conjunto solução é formado por uma infinidade de sequências
ordenadas, mais concretamente:
𝑆 = {(−𝛼, −𝛼, 𝛼), 𝛼 ∈ ℛ } = {𝛼 (−1, −1, 1), 𝛼 ∈ ℛ },
Consequentemente, dizemos que o sistema (1 ) é homogéneo simplesmente indeterminado.
𝑥1 + 𝑥3 = 0 1 0 1 𝑥 0
1
−𝑥1 +𝑥2 = 0 −1 1 0 𝑥 0
b) ∑2 = { ⇔[ ] [ 2] = [ ]
𝑥2 + 𝑥3 = 0 0 1 1 𝑥 0
3
−𝑥1+ 𝑥2+ 𝑥3 = 0 −1 1 1 0
54
Neste caso, temos um sistema homogéneo com quatro equações, 𝑚 = 4, e três incógnitas, 𝑛 = 3.
A sequência nula (0, 0, 0) também é solução do sistema ∑2 . Por outro lado,
1 0 1 | 0 1 0 1 | 0 1 0 1 | 0
−1 1 0 | ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
0 𝐿2 + 𝐿1 0 1 1 | ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
0 𝐿3 − 𝐿2 0 1 1 | 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
[𝐴|𝑏] = [ ] [ ] [ ] 𝐿 /𝐿
0 1 1 | 0 𝐿4 + 𝐿1 0 1 1 | 0 𝐿4 − 𝐿2 0 0 0 | 0 3 4
−1 1 1 | 0 0 1 2 | 0 0 0 1 | 0
1 0 1 | 0
𝟏 0 1 | 0
0 1 1 | 0
[ ] ⃗⃗⃗⃗ [0 𝟏 1 | 0]
0 0 1 | 0
0 0 𝟏 | 0
0 0 0 | 0
Podemos afirmar que, no final da eliminação de Gauss:

• 𝑐(𝐴) = 3;
• 1, 1 e 1 são elementos redutores ou pivots;
• as incógnitas 𝑥1 , 𝑥2 e 𝑥3 correspondem a colunas com pivot, pelo que todas as incógnitas são
principais. Logo,
𝑥1 + 𝑥3 = 0 𝑥1 + 𝑥3 = 0 𝑥1 = 0
−𝑥1 + 𝑥2 = 0 𝑥2 + 𝑥3 = 0
{ ⇔ { ⇔ {𝑥2 = 0 onde 𝑆 = {(0, 0, 0)}
𝑥2 + 𝑥3 = 0 𝑥3 = 0 𝑥3 = 0
−𝑥1 + 𝑥2 + 𝑥3 = 0 0=0
Concluímos que o sistema é homogéneo determinado.
Exercício 1:
1. Sabendo que o sistema não homogéneo 𝐴𝑥 = 𝑏, onde 𝐴 ∈ ℛ 3𝑥3, é possível e determinado,

defina, justificando a sua resposta, o conjunto solução do sistema homogéneo 𝐴𝑥 = 0.
2. Analise a veracidade das seguintes afirmações:

a) Um sistema homogéneo é sempre possível.
b) Se um sistema homogéneo tem uma solução não nula então é indeterminado.
c) Se num sistema homogéneo o número de incógnitas é superior ao número de equações então
o sistema é indeterminado.
d) Se num sistema homogéneo o número de incógnitas é inferior ou igual ao número de
equações então o sistema é determinado.
3. Considere o sistema homogéneo 𝐴𝑥 = 0, onde 𝐴 ∈ ℛ 𝑚𝑥𝑛 e 𝑐(𝐴) designa a característica da

matriz A. Complete:
a) Se 𝑐(𝐴) = 𝑚 = 𝑛 então 𝐴𝑥 = 0 é um sistema ___________________________________.
b) Se 𝑐(𝐴) < 𝑚 = 𝑛 então 𝐴𝑥 = 0 é um sistema ___________________________________.
55
c) Se 𝑚 < 𝑛 então 𝐴𝑥 = 0 é um sistema __________________________________________.

d) Se 𝑐(𝐴) = 𝑛 < 𝑚 então 𝐴𝑥 = 0 é um sistema ___________________________________.
4. Considere o sistema não homogéneo 𝐴𝑥 = 𝑏, onde 𝐴 ∈ ℛ 𝑚𝑥𝑛 e 𝑐(𝐴) designa a característica

da matriz A. Complete:
a) Se 𝑚 = 𝑛 então 𝐴𝑥 = 𝑏 é um sistema _________________________________________.
b) Se 𝑐(𝐴) = 𝑚 = 𝑛 então 𝐴𝑥 = 𝑏 é um sistema ___________________________________.
c) Se 𝑐(𝐴) < 𝑚 = 𝑛 então 𝐴𝑥 = 𝑏 é um sistema __________________________________.
d) Se 𝑚 < 𝑛 então 𝐴𝑥 = 𝑏 é um sistema _________________________________________.
e) Se 𝑛 < 𝑚 então 𝐴𝑥 = 𝑏 é um sistema _________________________________________.
f) Se 𝑐(𝐴) = 𝑚 < 𝑛 então 𝐴𝑥 = 𝑏 é um sistema ___________________________________.
g) Se 𝑐(𝐴) = 𝑛 < 𝑚 então 𝐴𝑥 = 𝑏 é um sistema __________________________________.
5. Seja 𝐴 = 𝑂3𝑥3 . Defina o conjunto solução do sistema homogéneo 𝐴𝑥 = 0.
Definição 10 (Núcleo ou espaço nulo de uma matriz)
Seja 𝐴 ∈ ℛ 𝑛𝑥𝑛. Chamamos núcleo ou espaço nulo da matriz 𝐴 ∈ ℛ 𝑛𝑥𝑛 ao conjunto de todos os
vetores 𝑥 ∈ ℛ 𝑛 que satisfazem a equação 𝐴𝑥 = 0. Assim,
𝑛𝑢𝑐𝑙𝑒𝑜 𝑑𝑒 𝐴 = 𝑁(𝐴) = {𝑥 ∈ ℛ 𝑛 : 𝐴𝑥 = 0}
e podemos garantir que o espaço nulo de A, 𝒩 (A), contém sempre, pelo menos, um elemento, a
sequência nula (0, 0, … , 0).
Exemplo 5
1 1
Determine o espaço nulo (núcleo) da matriz 𝐴 = [ ].
2 2
Resolução
𝑁(𝐴) = {𝑥 ∈ ℛ 2 : 𝐴𝑥 = 0}
1 1 𝑥 0
𝐴𝑥 = 0 ⇔ [ ] [𝑦 ] = [ ]
2 2 0
Resolvendo o sistema temos:
1 1 | 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ 1 1 | 0 𝑥+𝑦 =0 𝑥 = −𝑦 𝑥 = −𝛼
[𝐴|𝑏] = [ ] 𝐿 − 2𝐿1 [ ]⇔{ ⇔ {𝑦 = 𝛼 ∈ ℛ ⇔ {𝑦 = 𝛼 ∈ ℛ
2 2 | 0 2 0 0 | 0 0=0
𝑆 = { (−𝛼, 𝛼), 𝛼 ∈ ℛ} = {𝛼(−1, 1), 𝛼 ∈ ℛ}
Consequentemente: 𝑁(𝐴) = {𝑥 ∈ ℛ 2 : 𝑥 = 𝛼(−1, 1), 𝛼 ∈ ℛ}
56
Exercício 2
1 −2 −2
1. Sabendo que 𝐵 = [−2 1 −2], determine o núcleo das matrizes 𝐵 − 3𝐼3 e 𝐵 + 𝐼3 .
−2 −2 1
R: 𝑁(𝐵 + 𝐼3 ) = {𝑥 ∈ ℛ 3 : 𝑥 = (0, 0, 0)}
𝑁(𝐵 − 3𝐼3 ) = {𝑥 ∈ ℛ 3 : 𝑥 = 𝛼(−1, 1, 0) + 𝛽(−1, 0, 1), 𝛼, 𝛽 ∈ ℛ} e 𝑁(𝐵 + 𝐼3 ) = (0, 0, 0)
2 2 2
2. Verifique que os elementos do espaço nulo da matriz 𝐶 = [2 0 0] são múltiplos escalares
2 0 0
do vetor (0, −1, 1).
−3 1 1
3. Seja 𝑀 = [ 1 −3 1 ]. Mostre que o núcleo da matriz 𝐷 = (𝑀 + 4𝐼3 ) coincide com o
1 1 −3
conjunto das combinações lineares dos vetores (−1, 1, 0) e (−1, 0, 1).
Definição 11 (Dependência e independência linear)
𝑎11 𝑎12 ⋯ 𝑎1𝑛

𝑎21 𝑎22 ⋯ 𝑎2𝑛 𝑚𝑥𝑛
Seja 𝐴 = [ ⋯ ⋯ ⋯ ⋯ ]∈ℛ
𝑎𝑚1 𝑎𝑚2 ⋯ 𝑎𝑚𝑛
a) Se 𝑚 = 𝑛, isto é, se A é uma matriz quadrada dizemos que as filas paralelas (linhas ou colunas)
de A são linearmente dependentes se o sistema homogéneo
𝑎11 𝑎12 ⋯ 𝑎1𝑛 𝑥1 0
𝑎21 𝑎22 ⋯ 𝑎2𝑛 𝑥2 0
𝐴𝑥 = 0 ⇔ [ ⋯ ⋯ ⋯ ⋯ ] [ ⋮ ] = [ ⋮ ] é indeterminado.
𝑎𝑛1 𝑎𝑛2 ⋯ 𝑎𝑛𝑛 𝑥𝑛 0
Caso contrário, isto é, quando o sistema anterior for determinado dizemos que as filas paralelas
(linhas ou colunas) de A são linearmente independentes.
b) Se 𝑚 ≠ 𝑛, isto é, se 𝐴 é uma matriz retangular dizemos que:
i) as colunas de 𝐴 são linearmente dependentes se o sistema homogéneo
𝑎11 𝑎12 ⋯ 𝑎1𝑛 𝑥1 0

𝑎21 𝑎22 ⋯ 𝑎2𝑛 𝑥2 0
𝐴𝑥 = 0 ⇔ [ ⋯ ⋯ ⋯ ⋯ ] [ ⋮ ] = [ ⋮ ] é indeterminado.
𝑎𝑚1 𝑎𝑚2 ⋯ 𝑎𝑚𝑛 𝑥𝑚 0
57
Caso contrário, isto é, quando o sistema anterior for determinado, dizemos que as colunas de 𝐴 são
linearmente independentes.
ii) as linhas de 𝐴 são linearmente dependentes se o sistema homogéneo
𝑎11 𝑎21 ⋯ 𝑎𝑚1 𝑦1 0

𝑎12 𝑎22 ⋯ 𝑎𝑚2 𝑦2 0
𝐴𝑇 𝑦 = 0 ⇔ [ ⋯ ⋯ ⋯ ⋯ ] [ ⋮ ] = [ ⋮ ] é indeterminado.
𝑎1𝑛 𝑎2𝑛 ⋯ 𝑎𝑚𝑛 𝑦𝑚 0
Caso contrário, isto é, quando o sistema anterior for determinado, dizemos que as linhas de 𝐴 são
linearmente independentes.
Seja 𝐴 ∈ ℛ 𝑛𝑥𝑛. “A matriz 𝐴 é invertível” é equivalente às afirmações seguintes:
a) A caraterística de A é igual a 𝑛;
b) As colunas de A são linearmente independentes;
c) As linhas de A são linearmente independentes;
d) O sistema homogéneo 𝐴𝑥 = 0 é determinado, isto é, a solução nula é única;
e) O sistema não-homogéneo 𝐴𝑥 = 𝑏 é determinado, isto é, tem uma única solução: 𝑥 = 𝐴−1 𝑏;
f) 𝑁(𝐴) = (0, 0, … , 0).
Exercício 3
1 0 1 0
1. Seja 𝑀 = [0 −1 1 0], 𝑥 = [𝑥 𝑦 𝑧]𝑇 e 𝑧 = [𝑎 𝑏 𝑐]𝑇
0 1 0 1
a) Resolva o sistema 𝑀𝑥 = 0; R: 𝑆 = {𝛼(1, −1, −1, 1), 𝛼 ∈ ℛ}
b) Defina o conjunto solução do sistema homogéneo 𝑀𝑇 𝑧 = 0; R: 𝑆 = {(0, 0, 0)}
c) Indique a caraterística da matriz M.
d) Indique o espaço nulo de 𝑀 e o de 𝑀𝑇 .
Algoritmo de Gauss-Jordan
Exemplo 6
Do exemplo 3 a)
𝑥 + 2𝑦 − 𝑡 = −1 1 2 0 −1 𝑥 −1
−𝑥 − 3𝑦 + 𝑧 + 2𝑡 = 3 −1 −3 1 2 𝑦 3
{ ⇔ [ ][ ] = [ ]
𝑥 − 𝑦 + 4𝑧 + 𝑡 = 1 1 −1 4 1 𝑧 1
2𝑥 − 3𝑦 + 7𝑧 + 3𝑡 = 4 2 −3 7 3 𝑡 4
58
temos que
1 2 0 −1 |−1 1 2 0 −1 |−1 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐿 + 𝐿4
−1 −3 1 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
2 | 3 𝑂𝑝𝑒𝑟𝑎çõ𝑒𝑠 0 1 −1 −1 |−2 3
[𝐴|𝑏] = [ ] [ ] 𝐿 + 𝐿4
1 −1 4 1 | 1 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑎𝑟𝑒𝑠 0 0 1 −1 |−4 2
𝐿 + 𝐿4
2 −3 7 3 | 4 ⏟0 0 0 1 | 4 1
𝑚𝑎𝑡𝑟𝑖𝑧 𝑐𝑜𝑛𝑑𝑒𝑛𝑠𝑎𝑑𝑎
1 2 0 0 | 3 1 2 0 0 | 3
0 1 −1 0 | 2 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ 0 1 0 0 | 2 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
[ ] 𝐿 + 𝐿3 [ ] 𝐿 − 2𝐿2
0 0 1 0 | 0 2 0 0 1 0 | 0 1
0 0 0 1 | 4 0 0 0 1 | 4
1 0 0 0 |−1 𝑥 = −1
0 1 0 0 | 2 𝑦= 2
[ ]⇔{ 𝑆 = {(−1, 2, 0, 4)}
0 0 1 0 | 0 𝑧= 0
0 0 0 1 | 4 𝑡= 4
Definição 12 (Matriz não singular)
Dizemos que uma matriz quadrada é não singular se, no final do método de eliminação de Gauss
(onde foram apenas utilizadas operações elementares sobre linhas), é transformada numa matriz
triangular superior cujos elementos principais são não nulos.
Caso contrário, a matriz diz-se singular.
Proposição 1 (Condição necessária e suficiente para a existência de inversa de uma matriz)
A matriz 𝐴 = [𝑎𝑖𝑗 ] ∈ ℛ 𝑛𝑥𝑛 é invertível se e só se 𝐴 é não singular.
Matriz inversa
De seguida, vamos recorrer à eliminação de Gauss para calcular a inversa de uma matriz quadrada.
Para tal, usaremos o seguinte procedimento:
[ 𝐴 | 𝐼𝑛 ] ⃗⃗⃗⃗⃗⃗⃗⃗ [ 𝐼𝑛 | 𝐴−1 ]
Exemplo 7
1 2
a) No sentido de determinar a inversa de 𝐴 = [ ] temos sucessivamente
−1 3
1 2 | 1 0
1 2 | 1 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ 1 2 | 1 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
1
[𝐴 | 𝐼2 ] = [ ] 𝐿 + 𝐿1 [ ] ( ) 𝐿2 [ 1 1] ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐿1 − 2𝐿2
−1 3 | 0 1 2 0 5 | 1 1 5 0 1 |
5 5
3 2 3⁄
1 0 | −5 − 2⁄5
[ 5
1 1] 𝐴−1 = [ 5 ]
0 1 | 1⁄ 1⁄
5 5 5 5
59
Verificação:
3 1 2 1
3 − 2⁄5 + 2( ) − + 2( )
1 2 ⁄5 5 5 5 5 1 0
𝐴𝐴−1 =[ ][ ]= =[ ] = 𝐼2
−1 3 1⁄ 1⁄ 3 1 2 1 0 1
5 5 − + 3( ) + 3( )
[ 5 5 5 5 ]
3 2 3 2
3⁄ − 2⁄5 + 2 ( ) + 3 (− )
1 2 5 5 5 5 1 0
𝐴 𝐴=[ 5
−1
][ ]= =[ ] = 𝐼2
1⁄ 1⁄ −1 3 1 1 1 1 0 1
5 5
[ 5 + (− 5) 2 ( ) + 3 ( )]
5 5
1 1 1
b) 𝐵 = [1 2 2]
1 2 3
1 1 1 | 1 0 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ 1 1 1 | 1 0 0
𝐿 − 𝐿1
[𝐵|𝐼3 ] = [1 2 2 | 0 1 0] 2 [0 1 1 | −1 1 0] ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐿3 − 𝐿2
𝐿3 − 𝐿1
1 2 3 | 0 0 1 0 1 2 | −1 0 1
1 1 1 | 1 0 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ 1 1 0 | 1 1 −1
𝐿 − 𝐿3
[0 1 1 | −1 1 0] 2 [0 1 0 | −1 2 −1] ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐿1 − 𝐿2
𝐿 − 𝐿3
0 0 1 | 0 −1 1 1 0 0 1 | 0 −1 1
1 0 0 | 2 −1 0 2 −1 0
[0 1 0 | −1 2 −1] 𝐵−1 = [−1 2 −1]
0 0 1 | 0 −1 1 0 −1 1
Verificação:
1 1 1 2 −1 0 2 − 1 + 0 −1 + 2 − 1 0 − 1 + 1 1 0 0
−1
𝐵𝐵 = [1 2 2] [−1 2 −1] = [2 − 2 + 0 −1 + 4 − 2 0 − 2 + 2] = [0 1 0] = 𝐼3
1 2 3 0 −1 1 2 − 2 + 0 −1 + 4 − 3 0 − 2 + 3 0 0 1
2 −1 0 1 1 1 2−1+0 2−2+0 2−2+0 1 0 0

−1
𝐵 𝐵 = [−1 2 −1] [1 2 2] = [−1 + 2 − 1 −1 + 4 − 2 −1 + 4 − 3] = [0 1 0]
0 −1 1 1 2 3 0−1+1 0−2+2 0−2+3 0 0 1
1 2 3
c) 𝐶 = [2 4 8]
4 8 12
1 2 3 | 1 0 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ 1 2 3 | 1 0 0
𝐿 − 2𝐿1
[𝐶|𝐼3 ] = [2 4 8 | 0 1 0] 2 [0 0 2 | −2 1 0]
𝐿3 − 4𝐿1
4 8 12 | 0 0 1 0 0 0 | −4 0 1
A matriz 𝐵 é singular, não tem inversa.
60
Exercícios resolvidos
𝑦 − 𝑥 + 3𝑧 = 2
1. Considere o sistema { −3𝑧 + 𝑥 = −2
6𝑦 − 2𝑥 + (𝛼 − 1)𝑧 = −𝛽, 𝛼, 𝛽 ∈ ℛ
a) Apresente o sistema na forma matricial (𝐴𝑥 = 𝑏), sendo 𝑥 = (𝑥, 𝑦, 𝑧).
b) Discuta o sistema para todos os valores reais de 𝛼 e 𝛽.
Para as alíneas seguintes, faça 𝛼 = 𝛽 = 1.
c) Resolva, por diagonalização, o sistema acima referido (𝐴𝑥 = 𝑏).
d) Construa, pelo método de Gauss-Jordan, a inversa da matriz incompleta do sistema (𝐴).
e) Resolva o sistema (𝐴𝑥 = 𝑏) recorrendo à matriz inversa de A.
f) Calcule o núcleo de A.
Resolução:
−𝑥 + 𝑦 + 3𝑧 = 2 −1 1 3 𝑥 2
a) { 𝑥 − 3𝑧 = −2 ⇔[ 1 0 −3 ] [𝑦] = [ −2 ] ⇔ 𝐴𝑥 = 𝑏
−2𝑥 + 6𝑦 + (𝛼 − 1)𝑧 = −𝛽 −2 6 𝛼−1 𝑧 −𝛽
b) Aplicando o método de Gauss, para condensar a matriz ampliada, vem:
−1 1 3 | 2 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ −1 1 3 | 2
𝐿 + 𝐿1
[𝐴|𝑏] = [ 1 0 −3 | −2 ] 2 [ 0 1 0 | 0 ] ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐿3 − 4𝐿2
𝐿3 − 2𝐿1
−2 6 𝛼 − 1 | −𝛽 0 4 𝛼 − 7 | −𝛽 − 4
−1 1 3 | 2 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ 1 −1 −3 | −2
(−1)𝐿1
[ 0 1 0 | 0 ] [0 1 0 | 0 ]
(−1)𝐿3
⏟ 0 0 𝛼−7 | −𝛽 − 4 0 0 7−𝛼 | 𝛽+4
Em dependência dos valores que podem tomar as variáveis 𝛼 e 𝛽, obtemos as seguintes

possibilidades para a solução do sistema de equações:
𝟏 −1 −3 | −2
Se 𝛂 = 𝟕 e 𝜷 = −𝟒 , obtemos um sistema ([0 𝟏 0 | 0 ]) 𝐩𝐨𝐬𝐬í𝐯𝐞𝐥 𝐞
0 0 0 | 0
𝐬𝐢𝐦𝐩𝐥𝐞𝐬𝐦𝐞𝐧𝐭𝐞 𝐢𝐧𝐝𝐞𝐭𝐞𝐫𝐦𝐢𝐧𝐚𝐝𝐨 (a variável 𝑧 é uma variável livre).
𝛼=7
1 −1 −3 | −2
Se 𝛂 = 𝟕 e 𝜷 ≠ −𝟒 (por ex. , se 𝛽 = 1), obtemos um sistema ([0 1 0 | 0 ])
0 0 𝟎 | 𝟓
{ 𝐢𝐦𝐩𝐨𝐬𝐬í𝐯𝐞𝐥, visto que, contém uma condição impossível (0 = 5)
61
𝟏 −1 −3 | −2
Se 𝛂 ≠ 𝟕 (ex. α = 1) e 𝜷 = −𝟒 , obtemos um sistema ([0 𝟏 0 | 0 ])
0 0 𝟔 | 0
𝐩𝐨𝐬𝐬í𝐯𝐞𝐥 𝐞 𝐝𝐞𝐭𝐞𝐫𝐦𝐢𝐧𝐚𝐝𝐨 (todas as variáveis têm 𝑝𝑖𝑣𝑜𝑡).
𝛼≠7
𝟏 −1 −3 | −2
Se 𝛂 ≠ 𝟕 e 𝜷 ≠ −𝟒 (ex. , α = 𝛽 = 1), obtemos um sistema ([0 𝟏 0 | 0 ])
0 0 𝟔 | 5
{ 𝐩𝐨𝐬𝐬í𝐯𝐞𝐥 𝐞 𝐝𝐞𝐭𝐞𝐫𝐦𝐢𝐧𝐚𝐝𝐨 (todas as variáveis têm 𝑝𝑖𝑣𝑜𝑡).
Concluímos que o sistema é simplesmente indeterminado se 𝜶 = 𝟕 e 𝜷 = −𝟒, impossível se

𝜶 = 𝟕 e 𝜷 ≠ −𝟒 e possível e determinado se 𝜶 ≠ 𝟕 e 𝜷 é qualquer número real.
c) Fazendo 𝛼 = 𝛽 = 1 , (da alínea b)), obtemos o sistema:
1 −1 −3 | −2 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ 1 −1 −3 | −2
1
[𝐴|𝑏] = [0 1 0 | 0 ] ( ) 𝐿3 [ 0 1 0 | 0 ] ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐿1 + 3𝐿3
6 5⁄
0 0 6 | 5 0 0 1 | 6
1 −1 0 | 1⁄ 1 0 0 | 1⁄ 𝑥 = 1⁄2
2 2 1 5
[0 1 0 | 0 ] ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐿1 + 𝐿2 [0 1 0 | 0 ] ⇔ {𝑦 = 0 𝑆 = {( , 0, )}
2 6
0 0 1 | 5⁄
6 0 0 1 | 5⁄
6 𝑧 = 5⁄6
−1 1 3 | 1 0 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ −1 1 3 | 1 0 0
𝐿 + 𝐿1
d) [𝐴|𝐼3 ] = [ 1 0 −3 | 0 1 0] 2 [ 0 1 0 | 1 1 0] ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐿3 − 4𝐿2
𝐿3 − 2𝐿1
−2 6 0 | 0 0 1 0 4 −6 | −2 0 1
−1 1 3 | 1 0 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ 1 −1 −3 | −1 0 0
(−1)𝐿1
[ 0 1 0 | 1 1 0] 1 [ 0 1 0 | 1 1 0 ] ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐿 + 3𝐿
1 3
(− 𝐿3 ) 2 1
0 0 −6 | −6 −4 1 6 0 0 1 | 1 −6
3
1 1
1 −1 0 | 2 2 −2 1 0 0 | 3 3 −2
[ 0 1 0 | 1 1 0 ] ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐿1 + 𝐿2 [ 0 1 0 | 1 1 0]
2 1 2 1
0 0 1 | 1 − 0 0 1 | 1 −
3 6 3 6
1
3 3 −2
𝐴−1 = [1 1 0]
2 1
1 −
3 6
62
e) 𝐴𝑥 = 𝑏 ⇔ 𝐴−1 𝐴𝑥 = 𝐴−1 𝑏 ⇔ 𝐼3 𝑥 = 𝐴−1 𝑏 ⇔ 𝑥 = 𝐴−1 𝑏
3 3 − 1⁄2 2 6 − 6 + 1⁄2 1 ⁄2
1 5
𝑥 = 𝐴 𝑏 ⇔ 𝑥 = [1
−1 1 0 ] [−2 ] = [ 2 − 2 + 0 ] = [ 0 ] 𝑆 = {(2 , 0, 6)}
2 4
1 3
− 1⁄6 −1 2 − + 1⁄6 5 ⁄6
3
f) 𝑁(𝐴) = {𝑥 ∈ ℛ 3 : 𝐴𝑥 = 0}
−1 1 3 𝑥 0
𝐴𝑥 = 0 ⇔ [ 1 0 −3] [𝑦] = [0]. Da alínea b) temos que, se 𝛼 = 𝛽 = 1, então:
−2 6 0 𝑧 0
−1 1 3 | 2 1 −1 −3 | −2
[𝐴|𝑏] = [ 1 0 −3 | −2] ⃗⃗⃗⃗⃗⃗
… [0 1 0 | 0]
−2 6 0 | −1 0 0 6 | 5
1 −1 −3 | 0
Logo [𝐴|0] = [0 1 0 | 0] que é um sistema homogéneo determinado cuja solução é
0 0 6 | 0
𝑆 = {(0, 0, 0)}. Consequentemente, 𝑁(𝐴) = {𝑥 ∈ ℛ 3 : 𝐴𝑥 = 0} = {𝑥 ∈ ℛ 3 : 𝑥 = (0, 0, 0)}.
3 1 −1 2 −4 4 𝑥
2 0 −2 −1 0 2 𝑦
2. Dadas as matrizes 𝐵 = −1 2 0 4 , 𝐶 = [𝐶11 | 𝐶12 ] = −5 −7 e 𝑥 = [ 𝑧 ].
−4 5 5 14 −13 −15 𝑡
[ 1 0 −2 −2] [ −1 1]
a) Considere a matriz 𝐵4 obtida por supressão da quarta linha de B e a matriz 𝐶4 obtida por
supressão da quarta linha de C. Calcule 𝐵4 𝑥 𝐶4 .
b) Resolva, por diagonalização, o sistema 𝐵𝑥 = 𝐶12.
Resolução:
3 1 −1 2 −4 4
2 0 −2 −1 0 2
a) 𝐵4 = [ ] e 𝐶4 = [ ]
−1 2 0 4 −5 −7
1 0 −2 −2 −1 1
3 1 −1 2 −4 4 −12 + 0 + 5 − 2 12 + 2 + 7 + 2
2 0 −2 −1 0 2 −8 + 0 + 10 + 1 8 + 0 + 14 + 1
𝐵4 𝑥 𝐶4 = [ ][ ]=[ ]=
−1 2 0 4 −5 −7 4+0+0−4 −4 + 4 + 0 + 4
1 0 −2 −2 −1 1 −4 + 0 + 10 + 2 4 + 0 + 14 − 2
−9 23
3 23
=[ ]
0 4
8 16
63
3 1 −1 2 𝑥 4
2 0 −2 −1 𝑦 2
b) 𝐵𝑥 = 𝐶12 ⇔ −1 2 0 4 [ 𝑧 ] = −7
−4 5 5 14 𝑤 −15
[ 1 0 −2 −2] [ 1]
3 1 −1 2 | 4 1 0 −2 −2 | 1 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐿 − 2𝐿1
2 0 −2 −1 | 2 2 0 −2 −1 | 2 2
𝐿 + 𝐿1
[𝐵|𝐶12 ] = −1 2 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
4 | −7 𝐿1 /𝐿5 −1 2 0 4 | −7 3
𝐿4 + 4𝐿1
−4 5 5 14 | −15 −4 5 5 14 | −15
𝐿 − 3𝐿1
[ 1 0 −2 −2 | 1] [ 3 1 −1 2 | 4] 5
1 0 −2 −2 | 1 1 0 −2 −2 | 1
0 0 2 3 | 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
1 0 1 −1 1 | −3 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
( )𝐿 𝐿 − 5𝐿2
0 2 −2 2 | −6 2 3 0 0 2 3 | 0 4
𝐿 − 𝐿2
0 5 −3 6 | −11 𝐿2 /𝐿3 0 5 −3 6 | −11 5
[0 1 5 8 | 1] [0 1 5 8 | 1]
1 0 −2 −2 | 1 1 0 −2 −2 | 1
0 1 −1 1 | −3 0 1 −1 1 | −3 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
1
( )𝐿3
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ 2
0 0 2 3 | 0 𝐿5 − 𝐿4 0 0 2 3 | 0 1
0 0 0 −2 | 4 0 0 0 −2 | 4 (− 2) 𝐿4
[0 0 0 −2 | 4] [0 0 0 0 | 0]
1 0 −2 −2 | 1 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
3 1 0 −2 0 | −3
0 1 −1 1 | −3 𝐿3 − (2)𝐿4 0 1 −1 0 | −1 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐿 + 𝐿3
3 [ ] 2
0 0 1 | 0 𝐿2 − 𝐿4 0 0 1 0 | 3 𝐿1 + 2𝐿3
2
𝐿 + 2𝐿4 0 0 0 1 | −2
[0 0 0 1 | −2] 1
1 0 0 0 | 3 𝑥= 3
0 1 0 0 | 2 𝑦= 2
[ ]⇔{ 𝑆 = {(3, 2, 3, −2)}
0 0 1 0 | 3 𝑧= 3
0 0 0 1 | −2 𝑤 = −2
1 5𝑘 1 𝑘
3. Considere as matrizes 𝐴 = [1 𝑘 𝑘 ], 𝑏 = [0] , 𝑘 ∈ ℛ e 𝑥 = [𝑥 𝑦 𝑧]𝑇 .
1 𝑘 2 𝑘
a) Discuta, para todos os valores de k, o sistema 𝐴𝑥 = 𝑏
b) Faça 𝑘 = 1 e determine, por diagonalização, a solução do sistema (𝐴𝑥 = 𝑏).
c) Qual é a solução do sistema se 𝑘 = 0?
d) Qual é o núcleo de A se 𝑘 = 0?
Resolução:
1 5𝑘 1 𝑥 𝑘
a) 𝐴𝑥 = 𝑏 ⇔ [1 𝑘 𝑦
𝑘 ] [ ] = [0 ] , 𝑘 ∈ ℛ
1 𝑘 2 𝑧 𝑘
Aplicando o método de Gauss, para condensar a matriz ampliada do sistema, vem:
64
1 5𝑘 1 | 𝑘 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ 1 5𝑘 1 | 𝑘
𝐿 − 𝐿1
[𝐴|𝑏] = [1 𝑘 𝑘 | 0] 2 [0 −4𝑘 𝑘−1 | −𝑘] ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐿3 − 𝐿2
𝐿 − 𝐿1
1 𝑘 2 | 𝑘 3 0 −4𝑘 1 | 0
1 5𝑘 1 | 𝑘
[0 −𝟒𝒌 𝑘 − 1 | −𝑘 ]
⏟0 0 𝟐 − 𝒌 | −𝒌
Como podemos verificar, na matriz condensada do sistema, os valores de 𝑘 que anulam os pivots e
que tornam a última linha numa linha de zeros são: 𝑘 = 0 e 𝑘 = 2.
1 0 1 | 0 𝟏 1 0 | 0
• Se 𝒌 = 𝟎 , obtemos um sistema ([0 0 −1 | 0] ⃗…
⃗ [0 𝟏 0 | 0]) homogéneo
0 0 2 | 0 0 0 0 | 0
indeterminado, visto que a variável 𝑦 não tem pivot.
𝟏 5 1 | 1
• Se 𝒌 = 𝟏 , obtemos um sistema ([0 −𝟒 0 | −1] ) determinado, visto que, todas as
0 0 1 | −1
variáveis têm pivot.
1 10 1 | 2
• Se 𝒌 ≠ 𝟎 e 𝒌 ≠ 𝟏 , (por exemplo, se 𝑘 = 2) obtemos um sistema ([0 −8 1 | −2 ] )
0 0 𝟎 | −𝟐
impossível, visto que, contem uma condição impossível (0 = −2).
Concluímos que o sistema tem solução se 𝒌 = 𝟎 (indeterminado) ou se 𝒌 = 𝟏 (determinado),

caso contrário, se 𝒌 ∉ {𝟎, 𝟏}, o sistema é impossível.
b) Se 𝑘 = 0, (da alínea a)), temos:

𝑥 𝑧 𝑦
1 1 0 | 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ 1 0 0 | 0 𝑥=0
[𝐴|𝑏] = [ ] 𝐿 − 𝐿2 [ ] ⇔ {𝑦 = 𝛼 ∈ ℛ
0 1 0 | 0 1 0 1 0 | 0
𝑧=0
Logo, se 𝑘 = 0 o conjunto solução é dado por: 𝑆 = {(0, 𝛼, 0), 𝛼 ∈ ℛ} = {𝛼 (0, 1, 0), 𝛼 ∈ ℛ }
c) 𝑁(𝐴) = {𝑥 ∈ ℛ 3 : 𝐴𝑥 = 0}
Da alínea anterior, temos que 𝑥 = 𝛼 (0, 1, 0), 𝛼 ∈ ℛ, logo
𝑁(𝐴) = {𝑥 ∈ ℛ 3 : 𝑥 = 𝛼(0, 1, 0), 𝛼 ∈ ℛ}.
65
𝑥 + 2𝑦 − 3𝑧 = 4
4. Dado o sistema { −3𝑥 + 𝑦 − 5𝑧 = −2 , determine para que valores de 𝑘 o
2
4𝑥 + 𝑦 + (𝑘 − 14)𝑧 = 𝑘 + 2, 𝑘 ∈ ℛ
sistema é:
a) Impossível;
b) Possível e indeterminado;
c) Possível e determinado.
Resolução:
𝑥 + 2𝑦 − 3𝑧 = 4 1 2 −3 𝑥 4
a) { −3𝑥 + 𝑦 − 5𝑧 = −2 ⇔ [−3 1 −5 ] [𝑦] = [ −2 ]
4𝑥 + 𝑦 + (𝑘 2 − 14)𝑧 = 𝑘 + 2, 𝑘 ∈ ℛ 4 1 𝑘 2 − 14 𝑧 𝑘+2
Aplicando o método de Gauss para condensar a matriz ampliada:
1 2 −3| 4 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ 1 2 −3| 4

𝐿 − (−3)𝐿1
[𝐴|𝑏] = [ −3 1 −5| −2 ] 2 [0 7 −14| 10 ] ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐿3 + 𝐿2
2 𝐿3 − (4)𝐿1
4 1 𝑘 − 14| 𝑘 + 2 0 −7 𝑘 2 − 2| 𝑘 − 14
1 2 −3| 4 1 2 −3| 4
[0 7 −14| 10 ] ⃗⃗⃗⃗⃗ [0 7 −14| 10 ]
0 0 𝑘 2 − 16| 𝑘 − 4 0 0 (𝑘 − 4)(𝑘 + 4)| 𝑘 − 4
1 2 −3 | 4
a) Se 𝒌 = −𝟒 , obtemos um sistema ([0 7 −14 | 10]) impossível, visto que, a última
0 0 𝟎 | −𝟖
linha contém uma condição impossível (0 = −8).
𝟏 2 −3 | 4
b) Se 𝒌 = 𝟒 , obtemos um sistema ([0 𝟕 −14 | 10]) indeterminado, visto que, a
0 0 0 | 0
variável 𝑧 é uma variável livre (não em pivot).
𝟏 2 −3 | 4
• Se 𝒌 ∉ {−𝟒, 𝟒} , (por exemplo, se 𝑘 = 5) obtemos um sistema ([ 0 𝟕 −14 | 10 ] )
0 0 𝟗 | 1
determinado, visto que, todas as variáveis têm pivot.
Concluímos que o sistema é possível e determinado se 𝒌 ∉ {−𝟒, 𝟒}, possível e indeterminado

se 𝒌 = 𝟒 e impossível se 𝒌 = −𝟒.
66
Exercícios propostos
1. Escreva os seguintes sistemas de equações lineares na forma matricial e, usando o método de

eliminação de Gauss, determine o respectivo conjunto solução:
𝑥 + 𝑦 + 𝑧 = −2
3 1
a) { + 3𝑦 − 𝑧 = 6
3𝑥 𝑆 = {( , − , −3)}
2 2
𝑥 − 𝑦 + 𝑧 = −1
2𝑢 − 3𝑣 + 𝑤 = 1
b) { 3𝑢 − 2𝑣 + 𝑤 = 0 𝑆={ }
5𝑢 − 5𝑣 + 2𝑤 = 10
10𝑏 − 4𝑐 + 𝑑 = 1
𝑎 + 4𝑏 − 𝑐 + 𝑑 = 2 1 1
c) { 𝑆 = {[4 (7 − 3𝛽), 0, (𝛽 − 1), 𝛽] , 𝛽 ∈ ℛ}
3𝑎 + 2𝑏 + 𝑐 + 2𝑑 = 5 4
𝑎 − 6𝑏 + 3𝑐 = 1
𝑥+𝑦+𝑧 =1
8 3 3
d) {2𝑥 − 3𝑦 + 𝑧 = 2 𝑆 = {(5 , , − 4 )}
20
4𝑥 − 𝑦 − 𝑧 = 7
𝑥 + 2𝑦 − 3𝑧 = 4
𝑥 + 3𝑦 + 𝑧 = 11
e) { 𝑆 = {(1, 3, 1 )}
2𝑥 + 5𝑦 − 4𝑧 = 13
2𝑥 + 6𝑦 + 2𝑧 = 22
𝑥 − 𝑦 + 3𝑧 = 0
f) { 𝑥 + 𝑦 − 𝑧 = 0 𝑆 = {(0, 0, 0 )}
2𝑥 + 𝑦 − 3𝑧 = 0
𝑥+𝑦+𝑧 =1
𝑥 + 3𝑦 + 7𝑧 = 5
g) { 𝑆={ }
2𝑥 + 5𝑦 + 11𝑧 = 0
−𝑥 − 2𝑦 − 4𝑧 = 5
𝑥+𝑦+𝑧 = 0
h) {𝑥 + 2𝑦 + 𝑧 = 0 𝑆 = {𝛼 (−1, 0, 1), 𝛼 ∈ ℛ}
𝑥 + 3𝑦 + 𝑧 = 0
4𝑥 − 2𝑦 − 3𝑧 = 1 1 1
i) { 𝑆 = {[2 (1 + 𝛼), (1 − 𝛼), 𝛼] , 𝛼 ∈ ℛ}
𝑥 + 3𝑦 + 𝑧 = 2 2
2𝑥 + 𝑦 + 4𝑧 − 3𝑡 = 2
5 1
j) { 𝑥 − 𝑦 − 𝑧 − 3𝑡 = 7 𝑆 = {(5 + 𝛽 , 0, − 𝛽 − 2, 𝛽) , 𝛽 ∈ ℛ}
2 2
𝑥 + 2𝑦 + 5𝑧 = −5
𝑥 − 2𝑦 + 3𝑧 + 𝑡 = 10
1 4
k) { 𝑥+𝑦−𝑧 =1 𝑆 = {(4 − 3 𝛼, −3 + 3 𝛼, 𝛼, 0) , 𝛼 ∈ ℛ}
3𝑥 + 𝑧 − 𝑡 = 12
67
2. Discuta, para todos os valores reais de 𝑘 ∈ ℛ, os seguintes sistemas de equações lineares:
𝑥 + 𝑘𝑦 + 𝑧 = 𝑘 Se 𝑘 = 0 o sistema é possível e
a) {𝑥 − 𝑦 + 𝑘𝑧 = 0 indeterminado; se 𝑘 = 1 o sistema é impossível;
𝑥 − 𝑘𝑦 + 𝑧 = 𝑘 se 𝑘 ∉ {0, 1} o sistema é possível e determinado.
(𝑘 − 1)𝑥 − 𝑘𝑦 − 𝑧 = −1 Se 𝑘 = 2, o sistema é possível e

b) { −𝑥 + 𝑘𝑦 = 0 indeterminado; se 𝑘 = 0, o sistema é impossível;
2𝑧 = 𝑘 se 𝑘 ∉ {0, 2}, o sistema é possível e determinado.
𝑥 + 𝑘𝑦 + 𝑧 = 0 Se 𝑘 ≠ −1 ∧ 𝑘 ≠ 1 o sistema é possível e
c) {𝑘𝑥 + 𝑦 + 𝑘𝑧 = 1 determinado; se 𝑘 = −1 ∨ 𝑘 = 1 o sistema é
𝑥 + 𝑘𝑦 = 𝑘 impossível.
−𝑥 + 𝑘𝑦 = −𝑘
Se 𝑘 = 1, o sistema é possível e
d) { −𝑘𝑦 + 𝑘𝑧 = 2
indeterminado; se 𝑘 ≠ 1, o sistema é impossível.
𝑥 − 𝑘𝑧 = −1
𝑥 + 𝑘𝑦 + 𝑧 = 1 O sistema é impossível para qualquer valor de
e) {𝑘𝑥 + 𝑦 + 𝑧 = 2 k  .
𝑥 + 𝑘𝑦 + 𝑧 = 3
Se 𝑘 = 0, o sistema é impossível; se 𝑘 = −4,

3𝑥 + 𝑦 − 2𝑧 + 4𝑡 = −2
o sistema é possível e duplamente indeterminado;
f) { 6𝑥 + 2𝑦 + 𝑘𝑧 + 8𝑡 = 𝑘
se 𝑘 ∉ {−4, 0}, o sistema é possível e
𝑘𝑦 = 1
simplesmente indeterminado.
𝑥 + 𝑘𝑦 + 𝑘𝑧 = 0 Se 𝑘 = 0 o sistema é possível e
indeterminado; se 𝑘 = 1 o sistema é impossível;
g) { 𝑘𝑥 + 𝑘 2 𝑦 + 𝑘𝑧 = 𝑘
se 𝑘 ≠ 0 ∧ 𝑘 ≠ 1, o sistema é possível e
2𝑘𝑥 + 𝑘 2 𝑦 + 2𝑧 = 𝑘 + 1
determinado.
𝑥 + 𝑦 + 2𝑧 = 6
𝑥 − 2𝑦 + 𝑧 = 1
3. Dado o sistema {
2𝑥 + 𝑦 − 𝑧 = 1
2𝑥 − 3𝑦 + 3𝑧 = 𝑏, 𝑏∈ℛ
a) Determine 𝑏 ∈ ℛ de modo que o sistema seja possível. R: 𝑏 = 5

b) Resolva, por diagonalização, o sistema obtido na alínea anterior. 𝑆 = {(1, 1, 2)}
4. Calcule, se possível, a inversa das seguintes matrizes:
−2 1
1 2 −1
a) 𝐴 = [ ] 𝐴 =[ ]
3 4 3 1
−2
2
1 1
−4 4
0 2
b) 𝐵 = [ ] 𝐵 −1 =[ ]
4 2 1
2
0
68
2 3
c) 𝐶 = [ ] C não tem inversa.
4 6
𝑐𝑜𝑠𝛼 −𝑠𝑒𝑛𝛼 𝑐𝑜𝑠𝛼 𝑠𝑒𝑛𝛼

d) 𝐷=[ ] 𝐷 −1 = [ ]
𝑠𝑒𝑛𝛼 𝑐𝑜𝑠𝛼 −𝑠𝑒𝑛𝛼 𝑐𝑜𝑠𝛼
1 −1 1
3 1 −3 9
e) 𝐸 = [2 1 1] 𝐸 −1 =[ −2 3 − 4]
1
0 0 4 0 0 4
1 1 1 2 −1 0
f) 𝐹 = [1 2 2] 𝐹 −1 = [−1 2 −1]
1 2 3 0 −1 1
20 4
−5 −
−1 0 4 9 9
16 5
g) 𝐺 = [ 1 −1 −9] 𝐺 −1 = 4 9 9
4 5 0 5 1
[−1 −9 − 9]
1 1 1 1 1 −1 0 0
0 1 1 1 0 1 −1 0
h) 𝐻=[ ] 𝐻 −1 =[ ]
0 0 1 1 0 0 1 −1
0 0 0 1 0 0 0 1
4 1 1 1
− − −
5 5 5 5
2 1 1 1 1 4 1 1
− − −
1 2 1 1 𝐼 −1 5 5 5 5
i) 𝐼=[ ] =
1 1 4 1
1 1 2 1
− − −
1 1 1 2 5 5 5 5
1 1 1 4
[− 5 −
5
−
5 5]
𝑧 + 𝑦 = 12 2𝑧 = 5
5. Dados os sistemas I = { 𝑧 + 𝑥 = −28 e II = {2𝑥 + 𝑦 − 𝑧 = 2,
𝑦 + 3𝑧 + 𝑥 = 14 𝑥 + 2𝑦 + 𝑧 = 4
a) Escreva-os na forma matricial 𝐴𝑥 = 𝑏.

b) Resolva-os usando a inversa da matriz incompleta do sistema.
Solução:
1 2 −1
I - Inversa da matriz incompleta do sistema: [ 2 1 −1]; 𝑆 = (−58, −18, 30)
−1 −1 1
1 2 1
2 3
−3
1 1 2 5 1 5
II - Inversa da matriz incompleta do sistema: −2 −3 3
; 𝑆 = (2 , − 2 , 2)
1
[ 2 0 0]
69
𝑥 + 𝑦 − 𝑎𝑧 = 0
6. Determine os valores da constante a   de modo que o sistema {𝑥 + 𝑎𝑦 − 𝑧 = 0 tenha
𝑥 + 𝑦 + 𝑎𝑧 = 0
soluções não nulas. R: 𝑎 = 0 ou 𝑎 = 1
a) Faça 𝑎 = 1 e resolva-o.
b) Faça 𝑎 = 0 e resolva-o.
𝑥 + 𝑦 + 2𝑧 = 2
7. Dado o sistema de equações lineares {2 𝑥 − 𝑦 + 3𝑧 = 2
5𝑥 − 𝑦 + 𝑎𝑧 = 6
a) Para que valores da constante 𝑎 ∈ ℝ o sistema tem solução única? R: 𝑎 ≠ 8
4 2
b) Faça 𝑎 = 9 e resolva-o por diagonalização. 𝑆 = {3 , 3
, 0}
4 5 2 1
c) Qual é a solução do sistema se 𝑎 = 8? R: 𝑆 = {(3 − 3 𝛼, 3
− 3 𝛼, 𝛼) , 𝛼 ∈ ℛ}
3 1 −3
8. Determine a matriz 𝑋 que satisfaz a relação 𝐴𝑋𝐵 = 𝐶, sabendo que, 𝐴 = [2 1 1 ],
0 0 4
0 1 1 0 0𝑇
𝐵=[ ] e 𝐶=[ ] .
7 9 0 1 0
Solução:
1
−1 1 −4 2
−7 −7
1
9 1
1 −
𝐴−1 = 2 −1 4
, 𝐵−1 = [ 7 7] e 𝑋 = [− 25 2]
1 1 0 7 7
[ 0 0
4]
0 0
1 𝑘 3
9. Dada a matriz 𝐴 = [1 −2 𝑘 ], 𝑘 ∈ ℛ
2 −𝑘 6
a) Determine 𝑘 de modo que o sistema 𝐴𝑥 = 0, onde 𝑥 = (𝑥, 𝑦, 𝑧)𝑇 , seja indeterminado
b) Resolva o sistema indeterminado obtido na alínea anterior. 𝑆 = {(2𝛼, 𝛼, − 2⁄3𝛼 ), 𝛼 ∈ ℝ}
c) Faça 𝑘 = 0, na matriz A, e calcule o núcleo da matriz?
10. Considere o sistema:

3𝑥 + 𝑦 − 2𝑧 = −2
{ 6𝑥 + 2𝑦 + 𝑘𝑧 = 𝑘
𝑘𝑦 = 1, 𝑘 ∈ ℛ
a) Discuta o sistema para todos os valores reais de 𝑘. R: 𝑘 = 0 imp, 𝑘 = −4 s.i., 𝑘 ∉ {−4, 0} d
Faça, agora, 𝑘 = −3
1 1
b) Resolva, por diagonalização, o sistema acima referido. R: 𝑆 = {( , − , 1)}
9 3
70
c) Calcule o núcleo da matriz incompleta do sistema. R: 𝑁(𝐴) = {𝑥 ∈ ℛ 3 : 𝑥 = (0, 0, 0)}
1 4 6
11. Considere a matriz 𝐵 = [1 6 4]
1 6 6
3 3 −5
1 1
𝐵−1 −
=[ 2 0
a) Construa, pelo método de Gauss Jordan, a inversa da matriz B. 2]
1 1
0 −2 2
b) Resolva o sistema 𝐵𝑥 = 𝑏, onde 𝑏 = [1 1 0]𝑇 , recorrendo à matriz inversa de B.

1 1
. R: 𝑆 = {(6, − 2 , − 2)}
3𝑦 + 2𝑧 = 5
12. Dado o sistema {2𝑥 + 𝑦 − 𝑧 = 2 , resolva-o usando a inversa da matriz incompleta do sistema.
𝑥 + 2𝑦 + 𝑧 = 4
1 5
−1 − 3 3
. R: 𝐴−1 =[ 1 2
− 3], 𝑆 = {(1, 1, 1)}
4
3
−1 −1 2
2 2 2
13. Verifique se os elementos do espaço nulo da matriz 𝐶 = [2 0 0] são múltiplos escalares do
2 0 0
vector (0, −1, 1).
−𝑥 + 2𝑦 − 𝑧 = 2
14. Discuta para todos os valores reais de 𝛼 e 𝛽 o sistema { 3𝑦 + 𝑧 = 𝛼 e resolva-o no
𝑥 + 𝑦 + 2𝑡 = 2𝛽
caso em que 𝛼 = 6 e 𝛽 = 2.
Solução:
O sistema é indeterminado para todos os números reais.
5 1
𝑆 = {(2 − 3 𝛼, 2 − 3 𝛼, 𝛼, 𝛼) , 𝛼 ∈ ℛ}
𝑧+𝑦 =2
15. Dado o sistema {𝑧 + 𝑥 = 0 , resolva-o usando a inversa da matriz incompleta do sistema.
𝑦 + 3𝑧 + 𝑥 = 4
1 2 −1
. R: 𝐴−1 = [ 2 1 −1] e 𝑆 = {(−2, 0, 2)}
−1 −1 1
71
CAPÍTULO III: DETERMINANTES
Apesar de não desempenhar, presentemente, o papel central no estudo da Álgebra Linear que lhe
era atribuído algumas décadas atrás, este conceito tem, ainda, aplicações interessantes. Nomeadamente,
o determinante permite obter fórmulas explícitas para a inversa de uma matriz, bem como, para a solução
de um sistema de equações lineares podendo, também, ser utilizado no cálculo dos valores próprios de
uma matriz.
Definição 1 (Determinante de 1ª ordem)
Seja 𝐴 = [𝑎11 ] ∈ ℛ1𝑥1. O determinante de 𝐴 é:
𝑑𝑒𝑡𝐴 = 𝑑𝑒𝑡[𝑎11 ] = |𝐴| = |𝑎11 | = 𝑎11
Exemplo 1
O determinante de 𝐴 = [3] é 𝑑𝑒𝑡[3] = |3| = 3 .
Definição 2 (Determinante de 2ª ordem)
𝑎11 𝑎12 2𝑥2

Seja 𝐴 = [𝑎 𝑎22 ] ∈ ℛ . Estabelecemos que:
21
𝑎11 𝑎12 𝑎11 𝑎12

𝑑𝑒𝑡𝐴 = 𝑑𝑒𝑡 [𝑎 𝑎22 ] = |𝑎21 𝑎22 | = 𝑎11 𝑎22 − 𝑎12 𝑎21
21
Exemplo 2
2 3 3 −4 3 7
1. Sejam as matrizes 𝐴 = [ ], 𝐵 = [ ] e 𝐶=[ ]. Então:
5 4 7 10 6 14
• 𝑑𝑒𝑡 𝐴 = (2)(4) − (3)(5) = 8 − 15 = −7,
• 𝑑𝑒𝑡 𝐵 = (3)(10) − (−4)(7) = 30 − (−28) = 58 e
• 𝑑𝑒𝑡 𝐶 = (3)(14) − (6)(7) = 42 − 42 = 0.
72
Exercício 1
1. Resolva:
2
a) |𝑥 𝑥 | = −1 R: 𝑥 = 1
2 1
𝑥 −3
b) | |=8 R: 𝑥 ∈ {−2, 1}
𝑥+2 𝑥−2
3𝑥
𝑥
√3
c) | 3| >0 R: 𝑥 ∈ ]0, 3[
𝑥
√3
𝑥 𝑥+1
d) | |=0 R: 𝑥 ∈ {−4, −1}
−4 𝑥 + 1
|𝛼 − 1| 1 𝛼2 − 2 se 𝛼 ∈ ℛ − ]−1, 1[
e) | |=𝑥 R: 𝑥 = {
1 |𝛼 + 1| −𝛼 2 se 𝛼 ∈ ]−1, 1[
2 −1 −1 −2 −1
−1 0 1
2. Dadas as matrizes: 𝐴 = [−1 −2], 𝐵 = [ ] e 𝐶=[ 2 1 −1], calcule
0 2 −2
0 1 −3 −1 2
𝑑𝑒𝑡(𝐴𝐵 + 𝐶). R: 𝑑𝑒𝑡(𝐴𝐵 + 𝐶) = 52
−2 −1
2 −1 −3 −3 −2
3. Dadas as matrizes: 𝐴 = [−3 −2], 𝐵=[ ] e 𝐶=[ ], calcule
−2 2 −2 −1 −1
2 1
𝑑𝑒𝑡(𝐵𝐴 + 𝐶). R: 𝑑𝑒𝑡(𝐵𝐴 − 𝐶) = 7
Definição 3 (Determinante de ordem n – Fórmula de Laplace)
Seja 𝐴 = [𝑎𝑖𝑗 ] ∈ ℛ 𝑛𝑥𝑛 e 𝐴11 ∈ ℛ (𝑛−1)𝑥(𝑛−1) a matriz que obtemos de 𝐴 suprimindo-lhe a linha 1
e a coluna 1. Definimos:
𝑑𝑒𝑡𝐴 = 𝑎11 (−1)1+1 |𝐴11 | + 𝑎12 (−1)1+2 |𝐴12 | + ⋯ + 𝑎1𝑛 (−1)1+𝑛 |𝐴1𝑛 |
desenvolvimento segundo a linha 1.
O determinante de uma matriz A, quadrada de ordem 𝒏, pode ser calculado recorrendo ao

desenvolvimento segundo qualquer uma das suas filas (linha ou coluna).
73
Exemplo 3
2 0 1
2. Calcule o determinante da matriz 𝐴 = [0 5 0]
0 0 3
5 0 0 0 0 5
• 𝑑𝑒𝑡𝐴 = 2(−1)1+1 | | + 0(−1)1+2 | | + 1(−1)1+3 | | = 2(15 − 0) = 30
0 3 0 3 0 0
0 1 2 1 2 0
• 𝑑𝑒𝑡𝐴 = 0(−1)2+1 | | + 5(−1)2+2 | | + 0(−1)2+3 | | = 5(6 − 0) = 30
0 3 0 3 0 0
0 1 2 1 2 0
• 𝑑𝑒𝑡𝐴 = 0(−1)3+1 | | + 0(−1)3+2 | | + 3(−1)3+3 | | = 3(10 − 0) = 30
5 0 0 0 0 5
5 0 0 1 0 1
• 𝑑𝑒𝑡𝐴 = 2(−1)1+1 | | + 0(−1)2+1 | | + 0(−1)3+1 | | = 2(15 − 0) = 30
0 3 0 3 5 0
0 0 2 1 2 1
• 𝑑𝑒𝑡𝐴 = 0(−1)1+2 | | + 5(−1)2+2 | | + 0(−1)3+2 | | = 5(6 − 0) = 30
0 3 0 3 0 0
0 5 2 0 2 0
• 𝑑𝑒𝑡𝐴 = 1(−1)1+3 | | + 0(−1)2+3 | | + 3(−1)3+3 | | = 3(10 − 0) = 30
0 0 0 0 0 5
1 𝟎 2 0 4
6 𝟎 2 3 2
3. Calcule o determinante da matriz 𝐵 = 6 𝟎 5 0 1
5 2 2 3 2
[3 𝟎 4 0 3]
1 2 𝟎 4
6 2 3 2 1 2 4
𝑑𝑒𝑡𝐵 = 2 (−1)4+2 | | = 2 [ 3 (−1)2+3 | 6 5 1|]=
6 5 𝟎 1
3 4 𝟎 3 3 4 3
5 1 6 1 6 5
= −6 { 1 (−1)1+1 | | + 2 (−1)1+2 | | + 4 (−1)1+3 | |} =
4 3 3 3 3 4
= −6[(15 − 4) − 2(18 − 3) + 4(24 − 15)] = −6(11 − 30 + 36) = −6(17) = −102
74
Proposição 1 (Propriedades do determinante de uma matriz)
Seja 𝐴 = [𝑎𝑖𝑗 ] ∈ ℛ 𝑛 𝑥 𝑛
P1. O determinante de A é igual ao determinante da matriz transposta de A, isto é, 𝑑𝑒𝑡𝐴 = 𝑑𝑒𝑡𝐴𝑇 ;
P2. O determinante de uma matriz triangular A é igual ao produto dos elementos da diagonal
principal de A, isto é, 𝑑𝑒𝑡𝐴 = (𝑎11 )(𝑎22 ) … (𝑎𝑛𝑛 );
P3. Se a matriz A tem uma linha (coluna) de zeros, então 𝑑𝑒𝑡𝐴 = 0;
P4. Se a matriz A tem duas linhas (colunas) iguais então 𝑑𝑒𝑡𝐴 = 0;
P6. O determinante de A muda de sinal quando trocamos – entre si – duas linhas (colunas);
P7. O determinante de A não se altera quando substituímos uma linha pela que dela se obtém
subtraindo-lhe um múltiplo escalar de outra;
P8. O determinante de A é nulo se e só se as suas linhas são linearmente dependentes;
P9. Se 𝛼 ∈ ℛ então 𝑑𝑒𝑡(𝛼𝐴) = 𝛼 𝑛 𝑑𝑒𝑡𝐴
Cálculo do determinante por meio da Eliminação de Gauss
Este método consiste em transformar uma matriz quadrada de ordem 𝑛 numa matriz triangular
aplicando algumas das propriedades dos determinantes.
Deste modo, convertemos o cálculo do determinante de uma matriz quadrada no cálculo do
determinante de uma matriz triangular, consequentemente, o determinante é igual ao producto dos
elementos principais desta matriz.
Exemplo 4
0 0 1 3 0 1 1 1 3 2 1 1 1 3 2
𝐿1 /𝐿4 𝐿3 − 2𝐿1 𝐿 − 3𝐿4
0 1 2 6 0 0 1 2 6 0 0 1 2 6 0 5
|0 𝐿 − 𝐿1 |
𝑑𝑒𝑡 0 2 3 9 2 | 2 3 9 2|| 5 |0 0 −1 −3 2||
1 1 1 3 2 0 0 1 3 0 0 0 1 3 0
[0 =− =−
1 5 −1 0] 0 1 5 −1 0 0 0 3 −7 0
.
1 1 1 3 2
1 1 1 3 2
𝐿4 /𝐿5 𝟎 1 2 6 0|
0 1 2 6 0 |
|0 0 −1 −3 2|| 𝟎 𝟎 −1 −3 2 = (1)(1)(−1)(−16)(2) = 32
|
=− 0 0 0 0 2 |𝟎 𝟎 𝟎 −16 6|
=
0 0 0 −16 6
𝟎 𝟎 𝟎 𝟎 2
75
Exercício 2
0 0 1 3 0
1 1 1 1
0 1 2 6 0
1 1 1 2
1. Dadas as matrizes: 𝐴 = [ ] e 𝐵= 0 2 3 9 2
1 1 3 1
1 1 1 3 2
1 4 1 1 [0 1 5 −1 0]
Calcule o determinante, de cada uma das matrizes, usando:
a) a fórmula de Laplace.
b) a eliminação de Gauss.
Regra de Sarrus
A Regra de Sarrus é um método muito utilizado para o cálculo do determinante de matrizes de

ordem três.
Segundo esta regra, o determinante de uma matriz quadrada de ordem três obtém-se
subtraindo a soma dos productos dos elementos da diagonal secundária e paralelas a esta à soma dos
productos dos elementos da diagonal principal e paralelas a esta, isto é,
𝒂𝟏𝟏 𝒂𝟏𝟐 𝒂𝟏𝟑 𝒂𝟏𝟏 𝒂𝟏𝟐

| 𝑎21 𝒂𝟐𝟐 𝒂𝟐𝟑 | 𝒂𝟐𝟏 𝑎22
𝒂𝟑𝟏 𝒂𝟑𝟐 𝒂𝟑𝟑 𝒂𝟑𝟏 𝒂𝟑𝟐
𝑑𝑒𝑡𝐴 = 𝑎11 𝑎22 𝑎33 + 𝑎12 𝑎23 𝑎31 + 𝑎13 𝑎21 𝑎32 − (𝑎13 𝑎22 𝑎31 + 𝑎11 𝑎23 𝑎32 + 𝑎12 𝑎21 𝑎33 )
Exemplo 5
1 2 4 𝟏 𝟐 𝟒 𝟏 𝟐
1. 𝐴 = [6 5 1] |6 𝟓 𝟏| 𝟔 5
3 4 3 𝟑 𝟒 𝟑 𝟑 𝟒
𝑑𝑒𝑡𝐴 = (1)(5)(3) + (2)(1)(3) + (4)(6)(4) − [(3)(5)(4) + (4)(1)(1) + (3)(6)(2)] =

= 15 + 6 + 96 − (60 + 4 + 36) = 117 − 100 = 17
Exercício 3
1. Calcule:
1 0 2 −1
−1 3 −4 0
a) 𝑑𝑒𝑡 [ ] R: −25
2 −1 5 −6
3 1 3 2
−1 0 1 0
0 −8 0 1
b) 𝑑𝑒𝑡 [ ] R: 165
3 0 2 0
0 1 −1 4
76
1 2 3 0 4
3 4 5 0 6
c) ||5 6 7 0 8 || R: 0
3 1 3 2 1
7 8 9 0 10
0 0 0 √2 0
√15 0 0 0 0
d) 𝑑𝑒𝑡 0 0 √5 0 0 R: 30
0 √3 0 0 0
[ 0 0 0 0 √2]
0 se 𝑖 < 𝑗
e) 𝑑𝑒𝑡[𝐴𝑖𝑗 ] , 𝐴𝑖𝑗 = { 1 se 𝑖 = 𝑗 R: 1
3𝑥3
−1 se 𝑖 > 𝑗
f) 𝑑𝑒𝑡[𝐸13 ]3𝑥3 R: −1
g) 𝑑𝑒𝑡[𝐸23 (5)]3𝑥3 R: 1
h) 𝑑𝑒𝑡[𝐸2 (−7)]3𝑥3 R: −7
1 2 3 4 1
4 2 4 2
2 0 0 3 2
1 3 1 3
2. Sejam 𝐴 = [ ] e 𝐵= 0 2 1 4 0 . Utilizando as propriedades do
2 1 2 1
1 1 3 6 1
5 4 0 1 [0 0 −1 3 0]
determinante verifique, sem fazer cálculos, que 𝑑𝑒𝑡𝐴 = 0 e 𝑑𝑒𝑡𝐵 = 0.
Definição 4 (Complemento algébrico de um elemento de uma matriz)
 
Seja A = aij  nxn . Chamamos complemento algébrico – ou cofactor – do elemento aij da matriz
𝐴 ao número
(−1)𝑖+𝑗 |𝐴𝑖𝑗 |
sendo 𝐴𝑖𝑗 ∈ ℛ (𝑛−1)(𝑛−1) a matriz que obtemos de A suprimindo-lhe a linha 𝑖 e a coluna 𝑗.
Exemplo 6
1 3
a) Se 𝐴 = [ ] então:
5 −1
• (−1)1+1 𝑑𝑒𝑡[−1] = −1 é o complemento algébrico do elemento 𝑎11 = 1;
• (−1)1+2 𝑑𝑒𝑡[5] = −5 é o complemento algébrico do elemento 𝑎12 = 3;
• (−1)2+1 𝑑𝑒𝑡[… ] = ⋯ é o complemento algébrico do elemento 𝑎21 = 5;
• (−1)…+⋯ 𝑑𝑒𝑡[… ] = ⋯ é o complemento algébrico do elemento 𝑎22 = −1.
77
1 −1 2
b) Complete: se 𝐵 = [2 4 2] então:
1 1 4
• (−1)1+1 |4 2
| = ⋯ é o complemento algébrico ou cofactor do elemento 𝑏11 = 1;
1 4
• (−1)1+2 |2 2
| = ⋯ é o cofactor do elemento 𝑏12 = −1
1 4
• (−1)1+3 |2 4
| = ⋯ é o cofactor do elemento 𝑏… = ⋯
1 1
• (−1)2+1 |… 2 | = ⋯ é o cofactor do elemento 𝑏21 = ⋯

… …
1 …
• (−1)…+⋯ | | = ⋯ é o cofactor do elemento 𝑏22 = ⋯
… …
… −1
… …
−1 …
… …
… …
• (−1)…+⋯ |… …| = ⋯ é o cofactor do elemento 𝑏32 = ⋯
… …
• (−1)…+⋯ |… …| = ⋯ é o cofactor do elemento 𝑏33 = ⋯
Definição 5 (Matriz dos cofatores e matriz adjunta)
Seja 𝐴 ∈ ℛ 𝑛𝑥𝑛. Chamamos matriz dos cofatores de A (ou matriz dos complementos algébricos de
A) à matriz quadrada de ordem 𝑛 que se obtém de A substituindo cada elemento pelo respetivo
complemento algébrico, isto é,
𝑐𝑜𝑓𝐴 = [(−1)𝑖+𝑗 𝑑𝑒𝑡𝐴𝑖𝑗 ]𝑛𝑥𝑛
Além disso, a matriz adjunta de A é a transposta da matriz dos cofatores de A, ou seja,
𝑎𝑑𝑗𝐴 = (𝑐𝑜𝑓𝐴)𝑇
Exemplo 7
(−1)1+1 |−1| (−1)1+2 |5|
1 3 −1 −5
a) Seja 𝐴 = [ ]. Então 𝑐𝑜𝑓(𝐴) = [ ]=[ ] e
5 −1 −3 1
(−1)2+1 |3| (−1)2+2 |1|
−1 −5 𝑇 −1 −3
𝑎𝑑𝑗(𝐴) = [ ] =[ ]. Verificamos, também, que (𝐴)(𝑎𝑑𝑗𝐴) = (𝑎𝑑𝑗𝐴)(𝐴) =
−3 1 −5 1
1 3 −1 −3 −1 −3 1 3 −16 0 1 0
=[ ][ ]=[ ][ ]=[ ] = (−16)
⏟ [ ] = (𝑑𝑒𝑡𝐴)𝐼2
5 −1 −5 1 −5 1 5 −1 0 −16 0 1
𝑑𝑒𝑡𝐴
78
1 −1 2
b) Seja 𝐵 = [2 4 2]. Então:
1 1 4
(−1)1+1 |4 2
| (−1)1+2 |2 2
| (−1)1+3 |2 4
|
1 4 1 4 1 1
−1 2 (−1)2+2 |1 2 (−1)2+3 |1 −1| =

𝑐𝑜𝑓(𝐵) = (−1)2+1 | | |
1 4 1 4 1 1
3+1 −1 2 (−1)3+2 |1 2 (−1)3+3 |1 −1|]

[ (−1) |
4 2
|
2 2
|
2 4
14 −6 −2
=[ 6 2 −2]
−10 2 6
14 −6 −2 𝑇 14 6 −10
𝐴𝑑𝑗(𝐵) = [𝑐𝑜𝑓(𝐵)]𝑇 =[ 6 2 −2] = [−6 2 2]
−10 2 6 −2 −2 6
1 −1 2 14 6 −10 14 6 −10 1 −1 2
𝐵[𝑎𝑑𝑗(𝐵)] = [𝑎𝑑𝑗(𝐵)]𝐵 = [2 4 2] [−6 2 2 ] = [−6 2 2 ] [2 4 2] =
1 1 4 −2 −2 6 −2 −2 6 1 1 4
16 0 0 1 0 0
=[0 16 0 ] = (16)
⏟ [0 1 0] = (𝑑𝑒𝑡𝐵)𝐼3 .
0 0 16 𝑑𝑒𝑡𝐵 0 0 1
Proposição 2
Seja 𝐴 ∈ ℛ 𝑛𝑥𝑛 e 𝑛 ≥ 2.
𝐴(𝑎𝑑𝑗𝐴) = (𝑎𝑑𝑗𝐴)𝐴 = (𝑑𝑒𝑡𝐴)𝐼𝑛
1 1
𝐴−1 = [𝑎𝑑𝑗(𝐴)] = [𝑐𝑜𝑓(𝐴)]𝑇 , se 𝑑𝑒𝑡𝐴 ≠ 0
𝑑𝑒𝑡 𝐴 𝑑𝑒𝑡 𝐴
Exemplo 8
1 3
1. Se 𝐶 = [ ] então 𝑑𝑒𝑡𝐵 = −1 − 15 = −16 e
5 −1
𝑇
(−1)1+1 |−1| (−1)1+2 |5| 𝑇
−1 1 1 1 1 −1 −5
𝐵 = [𝑎𝑑𝑗𝐵] = [𝑐𝑜𝑓𝐵]𝑇 = [ ] = − 16 [ ]
𝑑𝑒𝑡 𝐵 𝑑𝑒𝑡 𝐵 −16 −3 1
(−1)2+1 |3| (−1)2+2 |1|
1 3
1 −1 −3 16 16
= − 16 [ ]=[ ]
−5 1 5 1
16
− 16
79
3 1 3
2. Por outro lado, se 𝐷 = [2 1 1] então
0 0 4
3 1 3 3 1
𝑑𝑒𝑡𝐷 = 12 + 0 + 0 − (0 + 0 + 8) = 4 |2 1 1| 2 1
0 0 4 0 0
1 1
𝐷 −1 = 𝑑𝑒𝑡 𝐷 [𝑎𝑑𝑗𝐷] = 𝑑𝑒𝑡 𝐷 [𝑐𝑜𝑓𝐷]𝑇 =
𝑇
(−1)1+1 |1 1
| (−1)1+2 |2 1| (−1)1+3 |2 1
|
0 4 0 4 0 0
1 1 3 (−1)2+2 |3 3| (−1)2+3 |3 1
= 4 (−1)2+1 | | | =
0 4 0 4 0 0
3+1 1 3
(−1)3+2 |
3 3
(−1)3+3 |
3 1
[(−1) |
1 1
|
2 1
|
2 1]
|
𝑇
(4 − 0) −(8 − 0) (0 − 0) 4 −8 0 𝑇
1 1
= [ −(4 −0) (12 − 0) −(0 − 0)] = [−4 12 0] =
4 4
(1 − 3) −(3 − 6) (3 − 2) −2 3 1
4 4 2 2
4
−4 −4 1 −1 − 4
4 −4 −2
1 8 12 3 3
= [−8 12
4
3] = − 4 4 4
= −2 3 4
0 0 1
1 1
[ 0 0 4] [ 0 0 4]
Observação
Este método – em contraste com o que acontece quando recorremos à eliminação de Gauss – nos
permite calcular um elemento (ou mais) da matriz inversa independentemente dos restantes.
𝑎11 𝑎12
Repare que se 𝐴 = [𝑎 𝑎22 ] então:
21
𝑇
(−1)1+1 |𝐴11 | (−1)1+2 |𝐴12 | ′
𝑎11 ′
𝑎12
𝑇
′ ′
𝑎11 𝑎21
𝑎𝑑𝑗𝐴 = [𝑐𝑜𝑓]𝑇 =[ ] =[ ′ ′ ] = [ ] e
𝑎21 𝑎22 ′
𝑎12 ′
𝑎22
(−1)2+1 |𝐴21 | (−1)2+2 |𝐴22 |
′ ′
1 𝑎11 𝑎12
𝐴−1 = 𝑑𝑒𝑡𝐴 [ ′ ′
]
𝑎21 𝑎22
De modo que, para calcular um elemento da matriz inversa de A, por exemplo, o elemento na
posição (1, 2) de 𝐴−1 , fazemos:
1
O elemento na posição (1, 2) de 𝐴−1 = 𝑑𝑒𝑡𝐴 [elemento na posição (1, 2) da a𝑑𝑗(A) ] =
1
= 𝑑𝑒𝑡𝐴 [elemento na posição (2, 1) da 𝑐𝑜𝑓(A) ] =
1
= 𝑑𝑒𝑡𝐴 [ (−1)2+1 |𝐴21 | ]
80
Assim,
1
O elemento na posição (𝑖, 𝑗) de 𝐴−1 = det 𝐴
[(−1)𝑗+𝑖 |𝐴𝑗𝑖 | ]
Exemplo 9
3 1 3
Dada a matriz 𝐷 = [2 1 1], calcule os elementos nas posições (2, 1), (3, 2) e (3, 3) de 𝐷 −1 .
0 0 4
Resolução
Do exemplo anterior, sabemos que 𝑑𝑒𝑡𝐷 = 4 , então:
1 1 2 1
• O elemento na posição (2, 1) de 𝐷 −1 = |𝐴| [(−1)1+2 |𝐷12 | ] = [− | |] =
4 0 4
1 1
= 4 [− (8 − 0)] = 4 (−8) = −2
1 1 3 1 1
• O elemento na posição (3, 2) de 𝐷 −1 = [(−1)2+3 |𝐷23 | ] = [− | | ] = 4 (0) = 0
4 4 0 0
[(−1)3+3 |𝐷33 | ] = |3 1
1 1 1 1
• O elemento na posição (3, 3) de 𝐷 −1 = | = 4 (3 − 2) = 4
4 4 2 1
Exercício 4
1 0 −1
1. Seja 𝐴 = [0 2 4]
0 0 −3
1
a) Calcule o elemento na posição (3, 3) de 𝐴−1 . R: − 3
1
1 0 −3
1 2
b) Usando a adjunta de A, calcule 𝐴−1 . R: 𝐴−1 = 0 2 3
1
[0 0 − 3]
5 2 −1 −11 −9 4
2. Sejam 𝐵 = [4 −2 3] e 𝐶 = [ 2 26 −19].
6 1 4 16 7 −18
a) Verifique que det 𝐵 = −67;

b) Indique o elemento na posição (2, 1) de 𝐵−1 ;
c) Calcule a matriz 𝐶𝐵;
d) Determine a inversa da matriz B.
81
1 0 0
2 1 1 −2 2
0 1
3. Dada a matriz 𝐴 = [ √5 √5 ] e 𝐵 = 3[ 2 2 1]
1 2
0 − 5 −2 1 2
√5 √
a) Verifique que 𝐴−1 = 𝐴𝑇 , 𝐵−1 = 𝐵𝑇 e que A e B são ortogonais5.
Proposição 3 (Regra de Cramer)

Seja 𝐴 ∈ ℛ 𝑛𝑥𝑛 uma matriz não singular6.
𝑎11 𝑎12 ⋯ 𝑎1𝑛 𝑥1 𝑏1
𝑎21 𝑎22 ⋯ 𝑎2𝑛 𝑥1 𝑏1
Então o sistema 𝐴𝑥 = 𝑏 ⇔ [ ⋯ ⋯ ⋯ ⋯ ] [ ⋯ ] = [ ⋯ ] é possível e determinado, sendo
𝑎𝑚1 𝑎𝑚2 ⋯ 𝑎𝑚𝑛 𝑥𝑚 𝑏𝑚
D xi 
xi = , 𝑖 = 1, 2, … , 𝑛
D
onde D é o determinante da matriz A (matriz dos coeficientes do sistema) e 𝑫[𝒙𝒊 ] é o determinante

da matriz que se obtém de A, substituindo a coluna i pela coluna b dos termos independentes.
Exemplo 10
1. Resolva - utilizando quanto possível a regra de Cramer – os seguintes sistemas:
7𝑥 − 5𝑦 = −50
a) {
2𝑥 + 𝑦 = −7
𝑏
𝐴
⏞7 ⏞−𝟓𝟎
7𝑥 − 5𝑦 = −50 −5 𝑥
Neste caso temos: { ⇔ [ ] [𝑦] = [ ]
2𝑥 + 𝑦 = −7 2 1 −𝟕
𝑏 (substituição da coluna da var. 𝑥 pela coluna 𝑏, dos termos independentes)
−𝟓𝟎 −5
| |
𝐷[𝑥] −𝟕 1 −50−35 85
• 𝑥= 𝐷
= 17
= 17
= − 17 = −5
𝑏 (substituição da coluna da var. 𝑦 pela coluna dos termos independentes)
7 −𝟓𝟎
| |
𝐷[𝑦] 2 −𝟕 −49+100 51
• 𝑦= 𝐷
= 17
= 17
= 17 = 3
o que nos permite concluir que 𝑆 = {(−5, 3)} é o conjunto solução do sistema dado.
5
Se 𝐴−1 = 𝐴𝑇 então A é ortogonal, isto é, as colunas de A formam um conjunto ortonormal.
6
Uma matriz quadrada é não singular se, no final do método de eliminação de Gauss (onde foram apenas
uilizadas operaçõe sobre linhas), é trasformada numa matriz triangular superior cujos elementos principais
são não nulos.
82
𝑏
𝐴
⏞ 3
2𝑥 + 𝑦 + 𝑧 = 3 ⏞2 1 1 𝑥
b) { 𝑥 − 𝑦 − 𝑧 = 0 ⇔ [1 −1 −1] [𝑦] = [ 0 ]
𝑥 + 2𝑦 + 𝑧 = 0 1 2 1 𝑧 0
2 1 1 2 1
|1 −1 −1| 1 −1
1 2 1 1 2
𝑑𝑒𝑡(𝐴) = −2 − 1 + 2 − (−1 − 4 + 1) = 3
3 1 1
|0 −1 −1|
3 1 1 3 1
𝐷[𝑥] 0 2 1 −3+0+0−(−6+0+0) 3
• 𝑥= = = = =1 |0 −1 −1| 0 −1
𝐷 3 3 3
0 2 1 0 2
2 3 1
|1 0 −1|
2 3 1 2 3
𝐷[𝑦] 1 0 1 0−3+0−(0+0+3) −6
• 𝑦= 𝐷
= 3
= 3
= 3
= −2 |1 0 −1| 1 0
1 0 1 1 0
2 1 3
|1 −1 0|
2 1 3 2 1
𝐷[𝑧] 1 2 0 0+0+6−(−3+0+0) 9
• 𝑧= 𝐷
= 3
= 3
=3=3 |1 −1 0| 1 −1
1 2 0 1 2
𝑆 = {(1, −2, 3)}
𝐴 𝑏
3𝑥1 − 2𝑥2 = 16 ⏞ 3 −2 𝑥1 ⏞16
c) { ⇔[ ] [𝑥 ] = [ ]
−6𝑥1 + 4𝑥2 = −32 −6 4 2 32
3 −2
Neste caso, | | = 12 − 12 = 0, o que nos impede de utilizar o método de Cramer, no
−6 4
entanto, podemos recorrer à eliminação de Gauss para resolver o sistema:
2 16
3 −2 | 16 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ 3 −2 | 16 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
1 1 −3 |
[𝐴|𝑏] = [ ] 𝐿 + 2𝐿1 [ ]( )𝐿 [ 3] ⇔
−6 4 | −32 2 0 0 | 0 3 1 0 0 | 0
16 2 16 2
𝑥= 3 +3𝑦 𝑥= 3 +3𝛼 16 2
⇔{ ⇔{ 𝑆 = {( 3 + 3 𝛼, 𝛼) , 𝛼 ∈ ℛ}
𝑦=𝛼∈ℛ 𝑦=𝛼∈ℛ
83
A. Exercícios resolvidos
4 2 3
1. Considere a matriz 𝑉 = [1 1 2] e os vectores 𝑏 = [0 2 0]𝑇 e 𝑥 = [𝑥 𝑦 𝑧]𝑇 .
5 2 4
a) Calcule 𝑑𝑒𝑡(𝑉) através da condensação da matriz 𝑉.
b) Obtenha o determinante da matriz 𝑊 = −2𝑉 −1 , sem calcular os elementos de 𝑊.
c) Utilizando a matriz adjunta, calcule a matriz inversa de 𝑉.
d) Recorrendo à regra de Cramer, calcule o valor da variável 𝑥 no sistema 𝑉𝑥 = 𝑏.
Resolução:
a) Usando as propriedades dos determinantes:
1 1 2 1 1 2
4 2 3 1 1 2 1 1 2 5
| = 2 |0 1 2| =
5
|1 1 2| = − |4 2 3 | = − | 0 −2 −5 | = 2 |0 1 2 3
5 2 4 5 2 4 0 −3 −6 0 −3 −6 0 0
2
3
= (2)(1)(1) ( ) =3
2
1
b) Como |𝑉 −1 | = |𝑉| e |𝛼𝐴| = 𝛼 𝑛 |𝐴| , 𝐴 ∈ ℛ 𝑛𝑥𝑛 , então:
1 1 8
|𝑤| = |−2𝑉 −1 | = (−2)3 |𝑉 −1 | = (−8) = −8 ( ) = −
|𝑉| 3 3
𝑇
1 2 1 2 1 1
| | −| | | |
2 4 5 4 5 2
1 1 2
1 3 4 3 4 2
c) 𝑉 −1 = |𝑉| [𝑎𝑑𝑗𝑉] = |𝑉| [𝑐𝑜𝑓𝑉]𝑇 = 3 −| | | | −| | =
2 4 5 4 5 2
2 3 4 3 4 2
[ |1 | −| | | |
2 1 2 1 1 ]
𝑇
1
(4 − 4) −(4 − 10) (2 − 5)
1 0 6 −3 𝑇
= [−(8 − 6) (16 − 15) −(8 − 10)] = [−2 1 2] =
3 3
(4 − 3) −(8 − 3) (4 − 2) 1 −5 2
0 − 2⁄3 1⁄
3
1 0 −2 1
1 5
= [ 6 1 −5] = 2 ⁄3 − ⁄3
3
−3 2 2 2⁄ 2⁄
[−1 3 3]
84
4 2 3 𝑥 0
d) 𝑉𝑥 = 𝑏 ⇔ [1 𝑦
1 2] [ ] = [2], pela regra de Cramer:
5 2 4 𝑧 0
0 2 3 0 2
| 2 1 2| 2 1
0 2 4 0 2
0 2 3
|2 1 2|
𝑥=
𝐷[𝑥]
= 0 2 4 = 0 + 0 + 12 − (0 + 0 + 16) = −4 = − 4
𝐷 4 2 3 16 + 20 + 6 − (15 + 16 + 8) 3 3
|1 1 2|
5 2 4
4 2 3 4 2
| 1 1 2| 1 1
5 2 4 5 2
2. Sejam as matrizes A e B e os vetores 𝑐, 𝑥 ∈ ℛ 4 definidos por
0 6 2 0 0 𝑥1
0 6 2 𝑥
1 −1 4 1 0 2
𝐴 = [1 −1 4], 𝐵 = [ ], 𝑐 = [ ] e 𝑥 = [𝑥 ].
0 0 3 1 4 3
5 1 2 𝑥4
5 1 2 2 0
a) Calcule o determinante da matriz 𝐴 pela definição.

b) Condense a matriz 𝐵 e calcule o seu determinante.
c) Determine o elemento (4, 3) da matriz inversa de 𝐵.
d) Considere o sistema 𝐵𝑥 = 𝑐. Determine o valor de 𝑥4 utilizando a regra de Cramer.
Resolução
0 6 2
6 2 6 2
a) |𝐴| = |1 −1 4| = 1(−1)2+1 | | + 5(−1)3+1 | |=
1 2 −1 4
5 1 2
= −(12 − 2) + 5(24 + 2) = −10 + 130 = 120
0 6 2 0 1 −1 4 1 1 −1 4 1 1 −1 4 1
1 −1 4 1 0 6 2 0 0 6 2 0 0 6 2 0
b) | | = −| | = −| |=| |=
0 0 3 1 0 0 3 1 0 0 3 1 0 0 3 1
5 1 2 2 5 1 2 2 0 6 −18 −3 0 0 −20 −3
1 −1 4 1 1 −1 4 1
0 6 2 0 0 6 2 0
= −3 | |
1 | = −3 0
1| 11
= (−3)(1)(6)(1) ( 3 ) =
−198
= −66
0 0 1 | 0 1 3| 3
3 11
0 0 −20 −3 0 0 0 3
85
1
c) O elemento na posição (4, 3) de 𝐵−1 = |𝐵| [complemento algébrico de 𝑏34 ] =
1 0 6 2 1 1 20
= [(−1)3+4 |1 −1 4|] = − {−[0 + 120 + 2 − (−10 + 0 + 12)]} = − (−120) =
−66 66 66 11
5 1 2
0 6 2 0 6
|1 −1 4| 1 −1
5 1 2 5 1
0 6 2 0 𝑥1 0
1 −1 4 1 𝑥2 0
d) 𝐵𝑥 = 𝑐 ⇔ [ ] [ ]=[ ]. Pela regra de Cramer
0 0 3 1 𝑥3 4
5 1 2 2 𝑥4 0
0 6 2 0
1 −1 4 0 0 6 2
| |
0 0 3 4 4(−1)3+4 |1 −1 4|
𝐷[𝑥4 ] 5 1 2 0 = 5 1 2 = − 120 = − 20
𝑥4 = =
𝐷 −66 −66 66 66
5 2 −1 −11 −9 4
3. Sejam as matrizes 𝐵 = [4 −2 3 ] e 𝐶 = [ 2 26 −19].
6 1 4 16 7 −18
a) Verifique que 𝑑𝑒𝑡(𝐵) = −67.
b) Calcule 𝐶𝐵.
c) Determine 𝐵−1.
Resolução:
5 2 −1 5 2
a) |𝐵| = −40 + 36 − 4 − (12 + 15 + 32) = −8 − 59 = −67 [4 −2 3 ] 4 −2
6 1 4 6 1
−11 −9 4 5 2 −1 −67 0 0 1 0 0
b) 𝐶𝐵 = [ 2 26 −19] [4 −2 3 ] = [ 0 −67 0 ] = −67 [0 1 0] =
16 7 −18 6 1 4 0 0 −67 0 0 1
= (𝑑𝑒𝑡𝐵)𝐼3
Portanto, como 𝐴(𝑎𝑑𝑗𝐴) = (𝑎𝑑𝑗𝐴)𝐴 = (𝑑𝑒𝑡𝐴)𝐼𝑛 , temos que a matriz C é a 𝑎𝑑𝑗𝐵. Assim,
11 9 4
67 67
− 67
−11 −9 4
1 1 1 2 26 19
𝐵−1 = |𝐵| [𝑎𝑑𝑗(𝐵)] = |𝐵| 𝐶 = − [ 2 26 −19] = − 67 − 67 67
.
67
16 7 −18 16 7 18
[− 67 − 67 67 ]
86
2 1 −1
4. Seja 𝐴 = [1 −2 1] , 𝑘 ∈ ℛ
1 𝑘 3
a) Para que valores de 𝑘, 𝐴 é invertível?
b) Faça 𝑘 = −4 e justifique que o sistema 𝐴𝑥 = 𝑏, onde 𝑥 = [𝑥 𝑦 𝑧]𝑇 e 𝑏 = [0 0 0]𝑇 , é
determinado.
c) Qual é a solução do sistema (𝐴𝑥 = 𝑏) se 𝑘 = −4?
Resolução:
a) A matriz 𝐴 é invertível (admite inversa) se |𝐴| ≠ 0, isto é, se
2 1 −1
1 −1 2 −1 2 1
|1 −2 1 | ≠ 0 ⇔ 1(−1)3+1 | | + 𝑘(−1)3+2 | | + 3(−1)3+3 | |≠0⇔
−2 1 1 1 1 −2
1 𝑘 3
16
⇔ (1 − 2) − 𝑘(2 + 1) + 3(−4 − 1) ≠ 0 ⇔ −1 − 3𝑘 − 15 ≠ 0 ⇔ −3𝑘 ≠ 16 ⇔ 𝑘 ≠ −
3
16
Portanto, a matriz A é invertível se 𝑘 ≠ − 3
.
2 1 −1 𝑥 0
16
b) Se 𝑘 = −4 ≠ − , |𝐴| ≠ 0, logo o sistema 𝐴𝑥 = 𝑏 ⇔ [1 −2 1 ] [𝑦 ] = [0] é homogéneo
3
1 −4 3 𝑧 0
determinado.
c) Como o sistema 𝐴𝑥 = 𝑏 é homogéneo determinado (tem solução única), a sua solução é

𝑆 = (0, 0, 0).
B. Exercícios propostos
1 0 −3 2 0 1
Sejam 𝐴 = [−2 4 1] e 𝐵 = [0 5 0].
0 5 0 0 0 3
1. Calcule: 𝑑𝑒𝑡𝐴 e 𝑑𝑒𝑡𝐵 R: 𝑑𝑒𝑡𝐴 = 25 e 𝑑𝑒𝑡𝐵 = 30

2. Verifique que:
a) 𝑑𝑒𝑡(𝐴 + 𝐵) ≠ 𝑑𝑒𝑡𝐴 + 𝑑𝑒𝑡𝐵
b) 𝑑𝑒𝑡(𝐴𝐵) = (𝑑𝑒𝑡𝐴)(𝑑𝑒𝑡𝐵)
c) 𝑑𝑒𝑡𝐴 = 𝑑𝑒𝑡𝐴𝑇 e 𝑑𝑒𝑡𝐵 = 𝑑𝑒𝑡𝐵𝑇
1
d) 𝑑𝑒𝑡𝐴−1 = 𝑑𝑒𝑡𝐴
e) 𝑑𝑒𝑡(𝐴𝐵)−1 = 𝑑𝑒𝑡(𝐵−1 𝐴−1 )
87
3. Calcule:
1 0 2 −1
−1 3 −4 0
a) | | R: −25
2 −1 5 −6
3 1 3 2
−1 0 1 0
0 −8 0 1
b) | | R: 165
3 0 2 0
0 1 −1 4
7 3 1 0
−2 0 2 −1
c) 𝑑𝑒𝑡 [ ] R: 0
5 3 3 0
3 3 5 −2
3 −2 7 6
−4 0 2 1
d) 𝑑𝑒𝑡 [ ] R: −52
5 2 0 −2
2 0 −1 0
1 2 3 0 4
3 4 5 0 6
e) ||5 6 7 0 8 || R: 0
3 1 3 2 1
7 8 9 0 10
1 0 2 0 4
6 0 9 3 7
f) ||3 0 5 0 1|| R: 402
5 2 7 9 8
6 0 4 0 3
4. Sendo 𝑎, 𝑏 𝑒 𝑐 ∈ ℛ, complete:
1 𝑎 𝑎2 1 𝑎 𝑎2 1 𝑎 𝑎2
|1 𝑏 𝑏 2 | = |0 𝑏−𝑎 … | = (… − … ) |0 1 𝑏+𝑎 |=
1 𝑐 𝑐2 0 … 𝑐 2 − 𝑎2 0 … 𝑐 2 − 𝑎2
1 𝑎 𝑎2
= (… − … )(𝑐 − 𝑎) |0 1 𝑏 + 𝑎| = (… − … )(𝑐 − 𝑎)(𝑐 − ⋯ ).
0 1 …
1 2 2
5. Mostre que |𝐴 − 𝜆𝐼3 | = (𝜆 + 1)2 (5 − 𝜆), sendo 𝜆 ∈ ℛ e 𝐴 = [2 1 2].
2 2 1
1 −2 −2
6. Mostre que |𝐵 − 𝜆𝐼3 | = (𝜆 − 3)2 (−3 − 𝜆), sendo 𝜆 ∈ ℛ e 𝐵 = [−2 1 −2]
−2 −2 1
88
3 0 −5
7. Mostre que |𝐶 − 𝜆𝐼3 | = (−2 − 𝜆)2 (8 − 𝜆) sendo 𝜆 ∈ ℛ e 𝐶 = [ 0 −2 0]
−5 0 3
−3 1 1
8. Mostre que |𝐷 − 𝜆𝐼3 | = (𝜆 + 4)2 (−1 − 𝜆) sendo 𝑘 ∈ ℛ e 𝐷 = [ 1 −3 1]
1 1 −3
0 1 1
9. Resolva a equação |1 0 12 + 𝑥 2 | = 0. R: 𝑥 ∈ {3, 4}
1 −7𝑥 0
10. Construa uma matriz real 𝑄 = [𝑞𝑖𝑗 ]2𝑥2 tal que 𝑞11 = 0,6, 𝑄 −1 = 𝑄 𝑇 e 𝑑𝑒𝑡𝑄 = 1.
1 3 4
. R: 𝑄 = [ ]
5 −4 3
2 2 −6
11. Seja 𝐵 = [ 2 −1 −3]. Calcule:
−2 −1 1
1 1 1
a) A primeira linha da matiz inversa de B. R: [− 6 6
− 2]
1 1 1 𝑇
b) A primeira coluna da matriz inversa de B. R: [− 6 6
− 6]
1
c) O elemento na posição (2, 3) de 𝐵 −1. R: − 4
1 3 3 1 𝑥
12. Seja 𝐴 = [3 𝑦
1 3], 𝑏 = [0] e 𝑥 = [ ]
3 3 1 1 𝑧
2
a) Mostre que − 7 é o elemento na posição (3, 3) de 𝐴−1 .
2 3 3
−
7 14 14
3 2 3
b) Usando a matriz adjunta, calcule a inversa da matriz A. R: 𝐴−1 = 14
−7 14
3 3 2
[ 14 14
− 7]
1
c) Resolva o sistema 𝐴𝑥 = 𝑏 usando a inversa de 𝐵. R: 𝑆 = {(14 (−1 , 6, −1))}
𝑘 2 2𝑘 3 0
13. Considere a matriz 𝐴 = [1 1 2 ] e os vectores 𝑏 = [1], 𝑐 = [2] e 𝑥 = [𝑥 𝑦 𝑧]𝑇 .
2 0 0 2 0
a) “Se 𝑘 = 2 então |𝐴| = 2.” Sem fazer cálculos, justificando apenas a sua resposta, diga se a
afirmação é verdadeira ou falsa.
b) Determine 𝑘 ∈ ℛ de modo que |𝐴| = 4. R: 𝑘 = 1
• Para os exercícios seguintes faça, na matriz A, 𝑘 = 1.
89
1
0 0
2
c) Usando a matriz adjunta, calcule 𝐴−1 . R: 𝐴−1 = [ 1 −1 0]
1 1
−2 1 −4
d) Usando a inversa da matriz 𝐴, resolva o sistema 𝐴𝑥 = 𝑏 𝑇 . R: 𝑆 = {(1, 2, −1)}
e) Usando a regra de Cramer, determine o valor da incógnita 𝑥 no sistema 𝐴𝑥 = 𝑐 𝑇 . 𝑥 = 0
1 2 −1 1⁄2
14. Dadas as matrizes 𝐴 = [ ] e 𝐵=[ ].
2 0 0 1⁄2
−1 1
a) Usando a matriz adjunta, calcule 𝐵−1 . R: 𝐵−1 = [ ]
0 2
2 −2
b) Calcule a matriz X que satisfaz a condição 𝐴−1 (𝑋 − 𝐼2 )𝑇 = (𝐵𝑇 )−1 R: 𝑋 = [ ]
4 1
15. Considere as matrizes

1 0 1
2 4 1 0 0
𝐴=[ ], 𝐵 = [ ] e 𝐶 = [0 2 2]
3 2 0 1 1
0 −2 2
1 1
−
−1 −1 4 2
a) Usando o método de Gauss-Jordan, calcule 𝐴 . R: 𝐴 =[ 3 1]
8
−4
5 12 0 𝑇
b) Calcule a matriz 𝑋 que satisfaz a condição 𝐶 −1 𝑋𝐴−1 = 𝐵𝑇 . R: 𝑋 = [ ]
6 8 0
1 1 1 𝑇
c) Calcule os elementos da segunda coluna de 𝐶 −1 . R: [− 4 4 4
]
16. Resolva - utilizando quanto possível a regra de Cramer – os seguintes sistemas:
𝑥1 − 𝑥2 + 3𝑥3 = 0
a) { 𝑥1 + 𝑥2 −𝑥3 = 0 𝑆 = {(0, 0, 0)}
2𝑥1 + 𝑥2 −3𝑥3 = 0
𝑥1 + 𝑥2 + 𝑥3 = 1
32 3 15
b) {2𝑥1 − 3𝑥2 +𝑥3 = 2 𝑆 = {(20 , 20
− 20)}
4𝑥1 − 𝑥2 −𝑥3 = 7
5𝑥1 + 2𝑥2 − 𝑥3 = 1
11 2 16
c) {4𝑥1 − 2𝑥2 +3𝑥3 = 0 𝑆 = {(67 , − 67 , − 67)}
6𝑥1 + 𝑥2 +4𝑥3 = 0
2𝑥 + 𝑦 + 𝑧 = 3
d) { 𝑥 − 𝑦 − 𝑧 = 0 𝑆 = {(1, −2, 3)}
𝑥 + 2𝑦 + 𝑧 = 0
−𝑥 + 𝑦 + 𝑧 = 1
3 7
e) {3𝑥 + 2𝑦 − 𝑧 = 2 𝑆 = {(− 5 , 5
, −1)}
𝑥 + 4𝑦 + 2𝑧 = 3
90
2𝑥 + 𝑦 + 𝑧 = 4
f) { −𝑥 + 2𝑧 = 2 𝑆 = {(−4, 13, −1)}
3𝑥 + 𝑦 + 3𝑧 = −2
𝑥 + 2𝑦 + 3𝑧 = 1
g) {2𝑥 + 3𝑦 + 4𝑧 = 2 𝑆 = {(1 + 𝛼, −2𝛼, 𝛼), 𝛼 ∈ ℛ}
3𝑥 + 5𝑦 + 7𝑧 = 3
𝑥 + 2𝑦 + 3𝑧 = 1
h) {2𝑥 + 3𝑦 + 4𝑧 = 2 𝑆 = {(0, 2, −1)}
−𝑥 + 𝑦 = 2
2𝑥 + 𝑦 + 𝑧 = 1
i) { 𝑥 − 𝑦 + 4𝑧 = 0 𝑆 = {(−3, 5, 2)}
𝑥 + 2𝑦 − 2𝑧 = 3
−4𝑥 + 𝑦 − 3𝑧 = 7
15 5 11 1
j) { 𝑥 − 2𝑦 + 𝑧 = 1 𝑆 = {(− 7
− 7 𝛼, − 7
+ 7 𝛼, 𝛼) , 𝛼 ∈ ℛ}
−2𝑥 − 3𝑦 − 𝑧 = 9
91
CAPÍTULO IV:
VALORES PRÓPRIOS E VECTORES PRÓPRIOS DE UMA MATRIZ QUADRADA
Definição 1 (Valor próprio, vector próprio e espaço próprio)
Seja A  nxn . Dizemos que o escalar 𝜆 é valor próprio de A se existe um vector, não nulo,
𝑢 ∈ ℛ 𝑛 , tal que
𝑉𝑎𝑙
𝑝𝑟𝑜
𝑑𝑒 𝐴
𝐴𝑢 = 𝜆𝑢 ⇔ [ 𝐴 ] [𝑢 ] = ⏞
𝜆 [𝑢]
⏟
𝑣𝑒𝑐𝑡
𝑝𝑟𝑜
𝑑𝑒 𝐴
Todo o vector, não nulo, 𝑢 ∈ ℛ 𝑛 , que satisfaz a equação anterior é dito um vector próprio de A,
associado ao valor próprio 𝜆.
Exemplo 1
1. Verifique se os vectores 𝑢 = (1, −1, 0), 𝑣 = (1, 1, 1) e 𝑧 = (0, 0, 1) são vectores próprios da
1 3 3
matriz 𝐵 = [3 1 3] e, em caso afirmativo, indique o valor próprio que lhe está associado.
3 3 1
Resolução:
Por definição, o vector 𝑢 é vector próprio de B se e só se

𝑣𝑎𝑙𝑜𝑟
𝑝𝑟ó𝑝𝑟𝑖𝑜
1 3 3 1 −2 1 3 3 1 𝑑𝑒 𝐵 1
𝐵𝑢 = 𝜆𝑢 ⇔ [3 1 3] [−1] = [ 2 ] ⇔ [3 ⏞
1 3] [−1] = (−2) [−1] ⇔ 𝐵𝑢 = (−2)𝑢
3 3 1 0 0 3 3 1 0 ⏟ 0
𝑣𝑒𝑐𝑡𝑜𝑟
𝑑𝑒 𝐵
• Como 𝐵𝑢 = (−2)𝑢 concluímos que 𝑢 é vector próprio de 𝐵 associado ao valor próprio

𝜆 = −2.
O vector 𝑣 é vector próprio de B se e só se

𝑣𝑎𝑙𝑜𝑟
1 3 3 1 7 1 3 3 1 𝑑𝑒 𝐵 1
𝐵𝑣 = 𝜆𝑣 ⇔ [3 1 ⏞
3] [1] = [7] ⇔ [3 1 3] [1] = (7) [1] ⇔ 𝐵𝑣 = (7)𝑣
3 3 1 1 7 3 3 1 0 ⏟1
𝑣𝑒𝑐𝑡𝑜𝑟
𝑑𝑒 𝐵
• Como 𝐵𝑣 = (7)𝑣 concluímos que 𝑣 é vector próprio de 𝐵 associado ao valor próprio

𝜆 = 7.
92
O vector z é vector próprio de B se e só se 𝐵𝑧 = 𝜆𝑧
1 3 3 0 3 1 3 3 0 0
[3 1 3] [0] = [3] ⇔ [3 1 ]
3 0[ ] ≠ 𝜆 [0] ⇔ 𝐵𝑧 ≠ 𝜆𝑧
3 3 1 1 1 3 3 1 1 1
0
• Como não existe nenhum número real que multiplicado pelo vector 𝑧 = [0] dê como
1
3
resultado o vector [3] , concluímos que o vector 𝑧 não é vector próprio de 𝐵.
1
Da igualdade 𝐴𝑢 = 𝜆𝑢, e sabendo que 𝐴 ∈ ℛ 𝑛𝑥𝑛 , 𝑢 ∈ ℛ 𝑛 \{0} é um vetor próprio de A associado

ao valor próprio 𝜆 ∈ ℛ (escalar), escrevemos
𝐴𝑢 = 𝜆𝑢 ⇔ 𝐴𝑢 − 𝜆𝑢 = 0 ⇔ (𝐴 − 𝜆)𝑢 = 0 ⇔ (𝐴 − 𝜆𝐼𝑛 )𝑢 = 0 ⇔ 𝑁(𝐴 − 𝜆𝐼𝑛 )
Consequentemente, constatamos que 𝑢 ∈ ℛ 𝑛 \{0} é um vetor próprio de A, associado ao valor

próprio 𝜆, se e só se, 𝑢 ∈ ℛ 𝑛 \{0} e 𝑢 ∈ 𝑁(𝐴 − 𝜆𝐼𝑛 ) ou, de modo equivalente, se e só se, 𝑢 ∈ ℛ 𝑛 \{0}
é solução do sistema homogéneo (𝐴 − 𝜆𝐼𝑛 )𝑢 = 0.
Os vectores, não nulos, 𝑢 = (𝑢1 , 𝑢2 , 𝑢3 ) ∈ ℛ 3 , soluções do sistema homogéneo (𝐴 − 𝜆𝐼3 )𝑢 = 0,

dizem-se vectores próprios (ou vectores caraterísticos) de A associados ao valor próprio 𝜆.
Chamamos espaço próprio de A associado ao valor próprio 𝜆 ao conjunto:
𝐸(𝜆) = {𝑢 ∈ ℛ 𝑛 : 𝐴𝑢 = 𝜆𝑢} = {𝑥 ∈ ℛ 𝑛 : (𝐴 − 𝜆𝐼𝑛 )𝑢 = 0} = 𝑁(𝐴 − 𝜆𝐼𝑛 )
Relativamente ao sistema homogéneo (𝐴 − 𝜆𝐼𝑛 )𝑢 = 0, as seguintes afirmações são equivalentes:
a) o sistema homogéneo (𝐴 − 𝜆𝐼𝑛 )𝑢 = 0 é indeterminado;

b) a matriz 𝐴 − 𝜆𝐼𝑛 não é invertível;
c) a caraterística de 𝐴 − 𝜆𝐼𝑛 é inferior a 𝑛;
d) a matriz 𝐴 − 𝜆𝐼𝑛 é singular;
e) as colunas de 𝐴 − 𝜆𝐼𝑛 são linearmente dependentes;
f) as linhas de 𝐴 − 𝜆𝐼𝑛 são linearmente dependentes;
g) o determinante de 𝐴 − 𝜆𝐼𝑛 é igual a zero.
93
A equação
𝑑𝑒𝑡(𝐴 − 𝜆𝐼𝑛 ) = 0
é a equação característica da matriz A
Os valores próprios de uma matriz são as raízes da sua equação característica.
Se 𝑨 ∈ 𝓡𝒏𝒙𝒏 então tem 𝒏 valores próprios que podem ser distintos ou não.
O polinómio
𝑃(𝝀) = 𝑑𝑒𝑡(𝐴 − 𝜆𝐼𝑛 )
é o polinómio característico de A.
Se 𝐴 ∈ ℛ 𝑛𝑥𝑛 então 𝑃(𝜆) = 𝑑𝑒𝑡(𝐴 − 𝜆𝐼𝑛 ) é um polinómio em 𝜆, de grau n, sendo (−1)𝑛 o

coeficiente do termo de grau 𝑛 e 𝑝(0) = 𝑑𝑒𝑡(A) o termo independente.
À diferença entre a ordem de A e a característica de 𝐴 − 𝜆𝐼𝑛 , isto é,
𝒎. 𝒈. (𝝀) = 𝑜𝑟𝑑𝑒𝑚 𝑑𝑒 𝐴 − 𝑐𝑎𝑟𝑎𝑐𝑡𝑒𝑟í𝑠𝑡𝑖𝑐𝑎 𝑑𝑒 (𝐴 − 𝜆𝐼𝑛 )
designamos por multiplicidade geométrica do valor próprio 𝜆 e adotamos a notação 𝑚. 𝑔. (𝜆);

enquanto chamamos multiplicidade algébrica de λ referindo-a como
𝒎. 𝒂 (𝝀) à multiplicidade de 𝜆 como raiz da equação característica de A.
Propriedades dos valores próprios de uma matriz
1. Duas matrizes semelhantes7 têm o mesmo polinómio característico;
2. A soma dos valores próprios de uma matriz é igual ao traço da matriz;
3. Uma matriz é singular se e só se tem um valor próprio nulo;
4. Os valores próprios de uma matriz triangular, assim como, de uma matriz diagonal são os
elementos da diagonal principal;
5. O producto dos valores próprios de uma matriz é igual ao seu determinante;
6. Se 𝐴 ∈ ℛ 𝑛𝑥𝑛 é invertível e  é valor próprio de A então 𝜆−1 é valor próprio de 𝐴−1 ;
7. Se 𝐴 ∈ ℛ 𝑛𝑥𝑛 é tal que 𝐴 = 𝐴−1 e  é valor próprio de A então 𝜆 ∈ {−1, 1};
7
Dizemos que 𝐴, 𝐵 ∈ ℛ 𝑛𝑥𝑛 são semelhantes se e só se existe uma matriz 𝑆 ∈ ℛ 𝑛𝑥𝑛 , não singular, tal que
𝐵 = 𝑆 −1 𝐴𝑆.
94
8. Se 𝐴 ∈ ℛ 𝑛𝑥𝑛 , 𝛼 ∈ ℛ e 𝜆 é valor próprio de A então 𝛼𝜆 é valor próprio de 𝛼𝐴;
9. Se 𝐴 ∈ ℛ 𝑛𝑥𝑛 e λ é valor próprio de A então 𝜆 é valor próprio da matriz 𝐴𝑇 ;
10. Se 𝐴𝑥 = 𝜆𝑥 então 𝐴𝑚 𝑥 = 𝜆𝑚 𝑥, ∀𝑚 ∈ ℛ
Exemplo 2
1 0 −1
Considere a matriz 𝐴 = [ 0 2 0 ]. Determine os valores próprios de A, as multiplicidades
−1 0 1
algébrica e geométrica de cada valor próprio e os espaços próprios que lhes estão associados.
Resolução
• Determinemos os valores próprios de A.
Estes, são as raízes da sua equação característica, isto é, as soluções da equação:
1−𝜆 0 −1
1−𝜆 −1
|𝐴 − 𝜆𝐼3 | = 0 ⇔ | 0 2−𝜆 0 | = 0 ⇔ (2 − 𝜆)(−1)2+2 | |=0⇔
−1 1−𝜆
−1 0 1−𝜆
⇔ (2 − 𝜆)[(1 − 𝜆)2 − 1] = 0 ⇔ (2 − 𝜆)(1 − 𝜆 − 1)(1 − 𝜆 + 1) = 0 ⇔
⇔ (−𝜆)(2 − 𝜆)(2 − 𝜆) = 0 ⇔ −𝜆(2 − 𝜆)2 = 0 ⇔
⇔ 𝝀 = 𝟎 (raíz simples) e 𝝀 = 𝟐 (raíz dupla) → Valores próprios (ou valores

. característicos) da matriz A
• {0, 2, 2} → Espectro de A (conjunto dos valores próprios de A)
• −𝜆(2 − 𝜆)2 = 0 ⇔ −𝜆(4 − 4𝜆 + 𝜆2 ) = 0 ⇔ −𝜆3 + 4𝜆2 − 4𝜆 = 0 →Equação

. característica da matriz A
𝑂𝐴
⏞
• 𝑃(𝜆) = (−1) 3
𝜆3 + ⏟
4 𝜆2 − ⏟
4 𝜆+ ⏟
0 → Polinómio característico da matriz A
𝑡𝑟𝐴 𝑡𝑟(𝑎𝑑𝑗𝐴) 𝑑𝑒𝑡𝐴
Quanto às multiplicidades algébricas dos valores próprios da matriz A temos que 𝑚. 𝑎 (0) = 1 ,
isto porque, 𝜆 = 0 é uma raiz simples da equação característica de A e 𝑚. 𝑎 (2) = 2 , visto que,
𝜆 = 2 é uma raiz dupla da equação característica de A.
Quanto às a multiplicidades geométricas e uma vez que:
1 0 −1 1 0 −1
• 𝐴 − 𝜆1 𝐼𝑛 = 𝐴 − 0𝐼𝑛 = 𝐴 = [ 0 2 0 ] ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐿3 + 𝐿1 [ 0 2 0] → 𝒄(𝑨 − 𝟎𝑰𝒏 ) = 𝟐
−1 0 1 0 0 0
95
1−2 0 −1 −1 0 −1
• 𝐴 − 𝜆2 𝐼𝑛 = 𝐴 − 2𝐼𝑛 = [ 0 2−2 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
0 ] 𝐿3 + 𝐿1 [ 0 0 0 ] ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐿3 − 𝐿1
−1 0 1−2 −1 0 −1
−1 0 −1
[ 0 0 0] → 𝒄(𝑨 − 𝟐𝑰𝒏 ) = 𝟏
0 0 0
Concluímos que
• 𝑚. 𝑔(0) = ordem de A − 𝑐(𝐴 − 0𝐼𝑛 ) = 3 − 2 = 1
• 𝑚. 𝑔(2) = ordem de A − 𝑐(𝐴 − 2𝐼𝑛 ) = 3 − 1 = 2
De seguida procuramos os vectores próprios de A associados aos valores próprios 𝜆 = 0 e 𝜆 = 2

isto é, os vectores, não nulos, 𝑢 ∈ ℛ 3 que satisfazem as equações: 𝐴𝑢 = 0𝑢 e 𝐴𝑣 = 2𝑣.
1 0 −1 𝑢1 0
I - 𝐴𝑢 = 0𝑢 ⇔ 𝐴𝑢 = 0 ⇔ [ 0 2 𝑢
0 ] [ 2 ] = [ 0]
−1 0 1 𝑢3 0
Resolvendo o sistema:
1 0 −1 | 0 1 0 −1 | 0 1 0 −1 | 0
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
1
[𝐴|𝑏] = [ 0 2 0 | 0] 𝐿 3 + 𝐿 1 0 2
[ 0 | 0] ( ) 𝐿 2 [ 0 1 0 | 0] ⇔
2
−1 0 1 | 0 0 0 0 | 0 0 0 0 | 0
𝑢1 − 𝑢3 = 0 𝑢1 = 𝛼
⇔ { 𝑢2 = 0 ⇔ { 𝑢2 = 0
𝑢3 = 𝛼 ∈ ℛ 𝑢3 = 𝛼 ∈ ℛ
• 𝑆 = {𝑢 ∈ ℛ 3 : 𝑢 = (𝛼, 0, 𝛼), 𝛼 ∈ ℛ } = {𝑢 ∈ ℛ 3 : 𝑢 = 𝛼(1, 0, 1), 𝛼∈ℛ}
Os vectores próprios8 de A associados ao valor próprio 𝝀𝟏 = 𝟎 são todos os vectores da

𝑢1 1
forma 𝑢 = 𝛼(1, 0, 1), 𝛼 ∈ ℛ\{0} ou [𝑢2 ] = 𝛼 [0] , 𝛼 ∈ ℛ\{0}
𝑢3 1
O espaço próprio de A, associado ao valor próprio 𝝀𝟏 = 𝟎 é o conjunto
ℇ(0) = {𝑢 ∈ ℛ 3 : 𝑢 = 𝛼(1, 0, 1), 𝛼∈ℛ}
8
Os vectores próprios de uma matriz são em número infinito.
96
1−2 0 −1 𝑣1 0
II - 𝐴𝑣 = 2𝑣 ⇔ 𝐴𝑣 − 2𝑣 = 0 ⇔ (𝐴 − 2𝐼𝑛 )𝑣 = 0 ⇔ [ 0 2−2 0 ] [𝑣2 ] = [0]
−1 0 1 − 2 𝑣3 0
−1 0 −1 1 𝑣 0
⇔[ 0 0 0 ] [𝑣2 ] = [0]
−1 0 −1 𝑣3 0
−1 0 −1 | 0 −1 0 −1 | 0 1 0 1 | 0
[𝐴|𝑏] = [ 0 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
0 | 0] 𝐿3 − 𝐿1 [ 0 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
0 | 0] (−1)𝐿1 [0 0 0 | 0] ⇔
−1 0 −1 | 0 0 0 0 | 0 0 0 0 | 0
𝑣1 = −𝛾
⇔{ 2 = 𝛽 ∈ ℛ
𝑣
𝑣3 = 𝛾 ∈ ℛ
𝑆 = {𝑣 ∈ ℛ 3 : 𝑣 = (−𝛾, 𝛽, 𝛾), 𝛽, 𝛾 ∈ ℛ } = {𝑣 ∈ ℛ 3 : 𝑣 = 𝛽(0, 1, 0) + 𝛾(−1, 0, 1), 𝛽, 𝛾 ∈ ℛ }
Os vectores próprios de A associados ao valor próprio 𝝀𝟐 = 𝟐 são todos os vectores da
𝑣1 0 −1
forma 𝑣 = 𝛽(0, 1, 0) + 𝛾(−1, 0, 1), 𝛽, 𝛾 ∈ ℛ\{0} ou [𝑣2 ] = 𝛽 [1] + 𝛾 [ 0 ] , 𝛽, 𝛾 ∈ ℛ\{0}.
𝑣3 0 1
O espaço próprio de A, associado ao valor próprio 𝝀𝟐 = 𝟐 é o conjunto
ℇ(2) = {𝑣 ∈ ℛ 3 : 𝑣 = 𝛽(0, 1, 0) + 𝛾(−1, 0, 1), 𝛽, 𝛾 ∈ ℛ}
Exercício 1
1. Calcule as multiplicidades algébrica e geométrica dos valores próprios, bem como, os espaços
próprios associados aos valores próprios das seguintes matrizes:
1 2 1
a) 𝐴 = [ 6 −1 0]
−1 −2 −1
Solução:
• 𝜆 ∈ {−4, 0, 3} - Espectro de A
• 𝜆(𝜆 + 4)(𝜆 − 3) = 0 ⇔ −𝝀𝟑 − 𝝀𝟐 + 12𝜆 = 0 - Equação característica de A
• 𝑝(𝜆) = −𝜆3 − 𝜆2 + 12𝜆 - Polinómio característico de A
• 𝑚. 𝑎(−4) = 1 (raiz simples), 𝑚. 𝑎(0) = 1 e 𝑚. 𝑎(3) = 1
• 𝑚. 𝑔(−4) = 𝑜𝑟𝑑𝑒𝑚 𝑑𝑒 𝐴 − 𝑐(𝐴 + 4𝐼3 ) = 3 − 2 = 1
𝑚. 𝑔(0) = 𝑜𝑟𝑑𝑒𝑚 𝑑𝑒 𝐴 − 𝑐(𝐴 + 0𝐼3 ) = 3 − 2 = 1
𝑚. 𝑔(3) = 𝑜𝑟𝑑𝑒𝑚 𝑑𝑒 𝐴 − 𝑐(𝐴 − 3𝐼3 ) = 3 − 2 = 1
97
• ℇ(−4) = {𝑢 ∈ ℛ 3 : 𝑢 = 𝛼(−1, 2, 1), 𝛼 ∈ ℛ }
1 6
• ℇ(0) = {𝑣 ∈ ℛ 3 : 𝑣 = 𝛽 (− 13 , − 13 , 1) , 𝛽 ∈ ℛ}
3
• ℇ(3) = {𝑤 ∈ ℛ 3 : 𝑤 = 𝛾 (−1, − 2 , 1) , 𝛾 ∈ ℛ}
−4 0 −2
b) 𝐴=[ 0 1 0]
5 1 3
Solução:
• 𝜆 ∈ {−2, 1, 1} - Espectro de A (−2 é uma raiz simples e 1 é uma raiz dupla)
• 𝑚. 𝑎(−2) = 1 e 𝑚. 𝑎(1) = 2
• 𝑚. 𝑔(−2) = 𝑜𝑟𝑑𝑒𝑚 𝑑𝑒 𝐴 − 𝑐(𝐴 + 2𝐼3 ) = 3 − 2 = 1 e
𝑚. 𝑔(1) = 𝑜𝑟𝑑𝑒𝑚 𝑑𝑒 𝐴 − 𝑐(𝐴 − 𝐼3 ) = 3 − 2 = 1
• −𝜆3 + 3𝜆 − 2 = 0 - Equação característica de A
• 𝑝(𝜆) = (−1)3 𝜆3 + 3𝜆 − 2 - Polinómio característico de A
• ℇ(−2) = {𝑢 ∈ ℛ 3 : 𝑢 = 𝛼(−1, 0, 1), 𝛼 ∈ ℛ }
2
• ℇ(1) = {𝑣 ∈ ℛ 3 : 𝑣 = 𝛽 (− , 0, 1) , 𝛽 ∈ ℛ }
5
1 0 −1
2. Verifique que, embora sendo de ordem três, a matriz 𝐴 = [ 0 2 0 ] ∈ ℛ 3𝑥3 tem, apenas,
−1 0 1
dois valores próprios distintos 𝜆1 = 0 e 𝜆2 = 2 e, além disso, que
𝐸(0) = {𝑢 ∈ ℛ 3 : 𝑢 = 𝛼(1, 0, 1), 𝛼 ∈ ℛ} e
𝐸(2) = {𝑣 ∈ ℛ 3 : 𝑣 = 𝛽(1, 0, −1) + 𝛾(0, 1, 0), 𝛽, 𝛾 ∈ ℛ}.
1 0 0
3. Mostre que a matriz 𝐵 = [4 3 4] ∈ ℛ 3𝑥3 tem três valores próprios distintos 𝜆1 = −1,
4 4 3
𝜆2 = 1 e 𝜆3 = 7. Compare, ainda, o valor do traço de B com a soma dos seus valores próprios,
assim como, o valor do determinante de B com o produto dos seus valores próprios.
98
8 1 0
4. Prove que a matriz 𝐶 = [0 8 1] ∈ ℛ 3𝑥3 tem um único valor próprio 𝜆1 = 8, que é uma raiz
0 0 8
tripla da equação |𝐶 − 𝜆𝐼3 | = 0. Mostre, ainda, que 𝑚. 𝑎(8) = 3 e 𝑚. 𝑔(8) = 1 e
ℇ(8) = {𝑤 ∈ ℛ 3 : 𝑤 = 𝛼(1, 0, 0), 𝛼 ∈ ℛ }.
1 1 −1
5. Considere a matriz 𝐴 = [−2 4 −1] ∈ ℛ 3𝑥3.
−4 4 1
a) Calcule os valores próprios de A. R: {1, 2, 3}

b) Determine 𝐵 ∈ ℛ 3𝑥3 de modo que BA = 6 I 3 . Verifique, justificando a sua resposta, que B é a
8 −5 3
matriz adjunta de A. R: 𝐵 = [6 −3 3]
8 −8 6
c) Sendo 𝑃(𝜆) = −𝜆3 + 𝛼1 𝜆2 + 𝛼2 𝜆 + 𝛼3 o polinómio caraterístico da matriz A, determine a
relação existente entre os coeficientes 𝛼1 , 𝛼2 e 𝛼3 , o determinante de A, o traço de A e o traço
da matriz adjunta de A. 𝑃(𝜆) = −𝜆3 + 6𝜆2 − 11𝜆 + 6
2 0 −1 1 𝛼
6. Considere a matriz 𝐴 = [ 0 2 1 ] e os vetores 𝑢 = [−𝛽 ] e 𝑣 = [ 1 ], onde 𝛼, 𝛽, 𝛾 ∈ ℛ.
−1 1 0 𝛾 𝛾
a) Verifique que a matriz 𝐴 tem um valor próprio, 𝜆1 , que é um número racional, enquanto os
outros dois, 𝜆2 e 𝜆3 , são números irracionais. R: 𝜆1 = 2, 𝜆2 = 1 + √3, 𝜆2 = 1 + √3
b) Determine 𝛼, 𝛽, 𝛾 ∈ ℛ de modo que se verifiquem simultaneamente as condições seguintes:
• 𝑣 é vetor próprio de A associado ao valor próprio racional 𝜆1 ; R: 𝛼 = 1 e 𝛾 = 0
• 𝑢, 𝑣 e 𝑤 constituem as colunas de uma matriz não singular, sendo 𝑤 = (0, 0, 1); R: 𝛽 ≠ 1
c) Calcule a matriz 𝐵 ∈ ℛ 3𝑥3 de modo que 𝐴𝐵 = −4𝐼3, sendo 𝐼3 a matriz identidade de ordem 3.
−1 −1 2
R: [−1 −1 −2]
2 −2 4
99
Diagonalização de matrizes.
Seja 𝐴 ∈ ℛ 𝑛𝑥𝑛. Se existir uma matriz 𝑆 ∈ ℛ 𝑛𝑥𝑛 tal que
𝐴𝑆 = 𝑆𝐷 ⇔ 𝐴 = 𝑆𝐷𝑆 −1 ⇔ 𝑆 −1 𝐴𝑆 = 𝐷 = 𝑑𝑖𝑎𝑔(𝜆1 , 𝜆2 , … , 𝜆𝑛 )
onde 𝜆1 , 𝜆2 , … , 𝜆𝑛 são os valores próprios de A.

Neste caso, dizemos que a matriz A é diagonalizável ou, de modo equivalente, que é semelhante a
uma matriz diagonal e que S diagonaliza A.
Nem todas as matrizes quadradas são diagonalizáveis.
Uma matriz 𝐴 ∈ ℛ 𝑛𝑥𝑛 é diagonalizável se:
1. Tem 𝑛 vectores próprios, 𝑣1 , 𝑣2 , … , 𝑣𝑛 , associados, respetivamente, aos valores próprios
𝜆1 , 𝜆2 , … , 𝜆𝑛 , que dispostos verticalmente numa matriz 𝑆 = [[𝑣1 ] [𝑣2 ] … [𝑣𝑛 ]] ∈ ℛ 𝑛𝑥𝑛
esta é invertível (𝑑𝑒𝑡𝑆 ≠ 0).
2. Tem n valores próprios, 1, 2 , , n , distintos (os valores próprios de A são raízes simples da
sua equação característica).
3. Tem 𝑝 ≤ 𝑛 valores próprios distintos 𝜆1 , 𝜆2 , … , 𝜆𝑝 e 𝑚𝑔(𝜆𝑖 ) = 𝑚. 𝑎(𝜆𝑖 ) para 𝑖 = 1, 2, … , 𝑝.
Exemplo 3
1 0 −1
Consideremos a matriz da epígrafe anterior 𝐴 = [ 0 2 0 ] cujos valores próprios 𝜆1 = 0 (raiz
−1 0 1
simples) e 𝜆2 = 2 (raiz dupla) têm 𝑚. 𝑎(0) = 𝑚. 𝑔(0) e 𝑚. 𝑎(2) = 𝑚. 𝑔(2), pelo que, podemos
afirmar que A é diagonalizável, isto é, que existe uma matriz 𝑆 = [[𝑢] [𝑣 ] [𝑤 ]] cujas colunas 𝒖,
𝒗 𝐞 𝒘 são vectores próprios de A associados, respectivamente, aos valores próprios de A,

𝜆1 = 0 e 𝜆2 = 2, invertível (𝑑𝑒𝑡𝑆 ≠ 0), tal que
0 0 0
𝐴𝑆 = 𝑆𝐷 ⇔ 𝑆 −1 𝐴𝑆 = 𝑑𝑖𝑎𝑔(0, 2, 2) ⇔ [ 𝑆 −1 ][ 𝐴 ] [[𝑢] [𝑣 ] [𝑤 ]] = [0 2 0] .
⏟ ⏟0 0 2
𝑆 𝑑𝑖𝑎𝑔(0,2,2)
Como: ℇ(0) = {𝑢 ∈ ℛ 3 : 𝑢 = 𝛼(1, 0, 1), 𝛼∈ℛ} e
ℇ(2) = {𝑣 ∈ ℛ 3 : 𝑣 = 𝛽(0, 1, 0) + 𝛾(−1, 0, 1), 𝛽, 𝛾 ∈ ℛ}
100
fazendo, por exemplo, 𝛼 = 1 no ℇ(0) obtemos o vector próprio de A associado ao valor próprio
𝜆 = 0: 𝑢 = (1, 0, 1) ∈ 𝐸(0) .
De igual modo, fazendo, por exemplo, 𝛽 = 1 e 𝛾 = 0, e, 𝛽 = 0 e 𝛾 = 1 no ℇ(2) obtemos
os vectores próprios de A associados ao valor próprio 𝜆 = 2: 𝑣 = (0, 1, 0) ∈ 𝐸(2) e
𝑤 = (−1, 0, 1) ∈ 𝐸(2) .
1 0 −1 1 0 −1
[ 0 ] [1 ] [ 0 ]] = [0 1
Deste modo, 𝑆 = [ 0 ] cujo determinante é |𝑆| = 2 ≠ 0 logo 𝑆 é
⏟1 ⏟0 ⏟ 1
𝑢 𝑣 𝑤
1 0 1
invertível.
Calculemos a inversa de 𝑆:
𝑇
1 0 0 0 0 1
| | −| | | |
0 1 1 1 1 0 1 1
1 0 −1 𝑇 2
0 −2
1 1 0 −1 1 −1 1 0 1
𝑆 −1 = 𝑑𝑒𝑡𝑆 [𝑐𝑜𝑓𝑆]𝑇 = 2 − | | | | −| | = 2 [0 2 0 ] = [0 1 0]
0 1 1 1 1 0 1 1
1 0 1 0
0 −1 1 −1 1 0 2 2
[ |1 | −| | | |
0 0 0 0 1]
Assim,
1 1
0 −2
2 1 0 −1 1 0 −1 0 0 0
[0 1 0] [ 0 2 0 ] [0 1 0 ] = [0 2 0]
1 1 ⏟
−1 0 1 ⏟1 0 1 ⏟0 0 2
⏟2 0 2 𝐴 𝑆 𝑑𝑖𝑎𝑔(0,2,2)
𝑆 −1
Neste caso, dizemos que 𝐴 é diagonalizável, visto que, é semelhante a uma matriz diagonal.
De modo equivalente,
1 0 −1 1 0 −1 1 0 −1
[ 𝐴 ][ 𝑆 ]=[ 0 2 [0 ] [ 1 ] [ 0 ] ⏟
0
] = [ 0][ ⏟
2 [ 1] ⏟
2 [ 0 ]] =
0] [
⏟1 ⏟ 0 ⏟ 1 𝜆1 ⏟ 1 𝜆2 ⏟0 𝜆3 ⏟1
⏟−1 0 1 ⏟𝑢 𝑣 𝑤 𝑢 𝑣 𝑤
𝐴
𝑆
1 0 −1 0 0 0
[ 0 ] [1 ] [ 0 ]] [ 0 2 𝑆 𝐷
=[ 0] = [ ][ ]
⏟1 ⏟0 ⏟ 1 ⏟0 0
⏟𝑢 𝑣 𝑤
2
𝑑𝑖𝑎𝑔(0,2,2)
𝑆
Ou
1 1
1 0 −1 0 0 −
1 0 −1 0 0 2 2
[0 ] [ 1 ] [ 0 ]] [0
𝐴=[ 0 2 0] = [ 2 0] [0 1 0 ] = 𝑆𝐷𝑆 −1
⏟1 ⏟ 0 ⏟ 1 ⏟0
⏟−1 0 1 ⏟𝑢 0 2 1 0
1
𝐴
𝑣 𝑤 ⏟
𝑑𝑖𝑎𝑔(0,2,2) 2 2
𝑆 𝑆 −1
101
Exemplo 4
5 0 0
Diga, justificando a sua resposta, se a matriz 𝐴 = [0 6 −2] é diagonalizável e, em caso
0 −2 9
afirmativo, construa duas matrizes D e 𝑆, tal que 𝐴 = 𝑆𝐷𝑆 −1.
Resolução
Determinemos os valores próprios de A que são as soluções da sua equação característica:
5−𝜆 0 0
6−𝜆 −2
|𝐴 − 𝜆𝐼𝑛 | = 0 ⇔ | 0 6−𝜆 −2 | = 0 ⇔ (5 − 𝜆)(−1)1+1 | |=0⇔
−2 9−𝜆
0 −2 9−𝜆
⇔ (5 − 𝜆)[(6 − 𝜆)(9 − 𝜆) − 4] = 0 ⇔ (5 − 𝜆)[54 − 6𝜆 − 9𝜆 + 𝜆2 − 4] = 0 ⇔
⇔(5 − 𝜆)(𝜆2 − 15𝜆 + 50) = 0 ⇔ (5 − 𝜆)(𝜆 − 10)(𝜆 − 5) = 0 ⇔ (5 − 𝜆)2 (𝜆 − 10) ⇔
⇔ 𝜆1 = 5, 𝜆2 = 5 e 𝜆3 = 10
• Determinemos os vectores próprios de A:
a) associados ao valor próprio 𝝀 = 𝟓.
Estes são as soluções, não nulas, do sistema homogéneo
5−5 0 0 𝑢1 0 0 0 0 𝑢1 0
(𝐴 − 5𝐼𝑛 )𝑢 = 0 ⇔ [ 0 6−5 −2 ] [ 𝑢 2 ] = [0 ] ⇔ [ 0 1 −2 ] [ 𝑢 2 ] = [ 0]
0 −2 9−5 𝑢 3 0 0 −2 4 𝑢 3 0
𝑢3 𝑢2 𝑢1
0 0 0 | 0 0 1 −2 | 0 −2 1 0 | 0
[𝐴|𝑏] = [0 1 −2 | 0] ⃗⃗⃗ [0 −2 4 | 0] ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐶1 |𝐶3 [ 4 −2 0 | 0] ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐿2 + 2𝐿1
0 −2 4 | 0 0 0 0 | 0 0 0 0 | 0
𝑢3 𝑢2 𝑢1
1 1 𝑢1 = 𝛼 ∈ ℛ
−2 1 0 | 0 1 −2 0 | 0 𝑢3 = 2 𝑢2
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
1 𝑢 =𝛽∈ℛ
[ 0 0 0 | 0] (− ) 𝐿1 [0
2 0 0 | 0] ⇔ {𝑢2 = 𝛽 ∈ ℛ ⇔ { 2 1
0 0 0 | 0 0 0 0 | 0 𝑢1 = 𝛼 ∈ ℛ 𝑢3 = 2 𝛽
𝛽 1
𝑆 = {𝑢 ∈ ℛ 3 : 𝑢 = (𝛼, 𝛽, ) , 𝛼, 𝛽 ∈ ℛ } = {𝑢 ∈ ℛ 3 : 𝑢 = 𝛼(1, 0, 0) + 𝛽 (0, 1, ) , 𝛼, 𝛽 ∈ ℛ }
2 2
. Vectores próprios de A associados ao valor próprio 𝝀 = 𝟓
1
ℇ(5) = {𝑢 ∈ ℛ 3 : 𝑣 = 𝛼(1, 0, 0) + 𝛽 (0, 1, 2 ) , 𝛼, 𝛽 ∈ ℛ } → Espaço próprio de A associado ao
. valor próprio 𝝀 = 𝟓 .
102
b) associados ao valor próprio 𝝀 = 𝟏𝟎.

Estes são as soluções, não nulas, do sistema homogéneo
5 − 10 0 0 𝑣1 0 −5 0 0 𝑣1 0
(𝐴 − 10𝐼𝑛 )𝑣 = 0 ⇔ [ 0 6 − 10 −2 ] [𝑣2 ] = [0] ⇔ [ 0 −4 −2] [𝑣2 ] = [0]
0 −2 9 − 10 𝑣3 0 0 −2 −1 𝑣3 0
−5 0 0 | 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
1 −5 0 0 | 0
[𝐴|𝑏] = [ 0 −4 −2 | 0] (− ) 𝐿2 [ 0 2 1 | 0] ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐿3 + 𝐿2
2
0 −2 −1 | 0 0 −2 −1 | 0
−5 0 0 | 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
(− 𝐿1 )
1 1 0 0 | 0 𝑣1 = 0
𝑣1 = 0
5 1 1 𝛾
[0 2 1 | 0] 1 [0 1
2
| 0] ⇔ {𝑣2 = ⇔ {𝑣2 = − 2
− 𝑣3
2
0 0 0 | 0 ( 2 2
𝐿 ) 𝑣3 = 𝛾 ∈ ℛ 𝑣3 = 𝛾 ∈ ℛ
0 0 0 | 0
𝛾 1
𝑆 = {𝑣 ∈ ℛ 3 : 𝑣 = (0, − 2 , 𝛾) , 𝛾 ∈ ℛ } = {𝑣 ∈ ℛ 3 : 𝑣 = 𝛾 (0, − 2 , 1) , 𝛾 ∈ ℛ } .
. Vectores próprios de A associados ao valor próprio 𝝀 = 𝟏𝟎
1
ℇ(10) = {𝑣 ∈ ℛ 3 : 𝑣 = 𝛾 (0, − 2 , 1) , 𝛾 ∈ ℛ} → Espaço próprio de A associado
. ao valor próprio 𝝀 = 𝟏𝟎.
Da resolução dos sistemas anteriores verificamos que 𝑐(𝐴 − 10𝐼3 ) = 2 e que 𝑐(𝐴 − 5𝐼3 ) = 1,
logo, 𝑚. 𝑔. (5) = 3 − 1 = 2 = 𝑚. 𝑎. (5) e 𝑚. 𝑔. (10) = 3 − 2 = 1 = 𝑚. 𝑎. (10), pelo que, a matriz
A é diagonalizável, isto é, existe uma mariz S tal que 𝑆 −1 𝐴𝑆 = 𝑑𝑖𝑎𝑔(5, 5, 10).
Escolhendo os vectores 𝑢 = (1, 0, 0) ∈ 𝐸(5), 𝑣 = (0, 2, 1) ∈ 𝐸(5) e 𝑧 = (0, −1, 2) ∈ 𝐸(10),

1 0 0 1 0 0
1 0 0 1 1
temos que: 𝑆 = [[0] [2] [ 1 ]] = [0 2 −1] e 𝑆 −1 = [0 5 5 ], logo
⏟0 ⏟1 ⏟−2 1 2
⏟0 1 2 0 5 −5
𝑢 𝑣 𝑤
𝑆
1 0 0
5 0 0 1 0 0 5 0 0 1 1
[0 ] = [ 0
6 −2 0 2 −1] [0 5 0 ][ 5 5] ou, de modo equivalente,
⏟0 −2 ⏟0 1 1 2
9 2 ⏟0 0 10 0 −5
𝐴 𝑆 𝐷
⏟ 5
𝑆 −1
[ 𝐴 ][ 𝑆 ]=[ 𝑆 ][ 𝐷 ]⇔
1 0 0 1 0 0
5 0 0 1 0 0 5 0 0
[0 [0 ] [ 2 ] [ −1 ]] = [5 [0] 5 [2] 10 [−1]] = [ [0 ] [ 2 ] [ −1 ]] [
6 −2] [ 0 5 0]
⏟0 ⏟ 1 ⏟ 2 ⏟0 ⏟ 1 ⏟ 2 ⏟0 0
⏟0 −2 9 ⏟𝑢 0 1 2 ⏟𝑢 10
𝑣 𝑤 𝑣 𝑤
𝐴 𝐷
𝑆 𝑆
Neste caso, dizemos que 𝐴 é diagonalizável, visto que, é semelhante a uma matriz diagonal.
103
Exercício 2
4 0 4
Considere a matriz 𝐵 = [0 −2 4]. Verifique se B é diagonalizável e, em caso afirmativo,
0 0 2
construa duas matrizes D e 𝑆, tais que 𝐴 = 𝑆 −1 𝐵𝑆 = 𝐷.
1 0 2 4 0 4 1 −2 0 4 0 0
Solução: 𝑆 −1 𝐵𝑆 = 𝐷 ⇔ [0 0 1 ] [0 −2 4] [0 1 1] = [ 0 2 0 ] considerando os
⏟0 1 −1 ⏟0 0 2 0⏟ 1 0 0 0 −2
𝑆 −1 𝐵 𝑆
vectores próprios: 𝑢 = (1, 0, 0), 𝑣 = (−2, 1, 1) e 𝑤 = (0, 1, 0).
Diagonalização de matrizes simétricas. Espectro e decomposição espectral de uma

matriz simétrica
Definição 2 (Matriz simétrica e matriz anti-simétrica)
Dizemos que uma matriz 𝐴 ∈ ℛ 𝑛𝑥𝑛 é:
Simétrica se: 𝐴 = 𝐴𝑇
Anti-simétrica se: 𝐴 = −𝐴𝑇
Exemplo5
0 0
• A matriz [ ] é simétrica e anti-simétrica;
0 0
1 2 3 −2 −36 0
1 0
• As matrizes [ ], [2 3 1] e [ −36 −23 0] são simétricas, mas não são anti-simétricas.
0 2
3 1 2 0 0 2
0 −1 −2 0 0 7
•
0 1 0 (−2)3 ], [
As matrizes [ ], [ 1 0 −3] e [ 0 0 −√2] são anti-simétricas, mas
−1 0 8 0
2 3 0 −7 √2 0
não são simétricas.
−6 2 0
1 2 1 2 2
• As matrizes [ 0 −6 2 ], [ ]e[ ] não são simétricas nem anti-simétricas.
2 1 2 4 4
0 0 −6
104
Propriedades das matrizes simétricas
Seja 𝐴 ∈ ℛ 𝑛𝑥𝑛 uma matriz anti-simétrica e 𝑘 ∈ ℕ
a) 𝐴𝑘 é simétrica
b) 𝐴𝑇 𝐴 é simétrica
1
c) 2
(𝐴 + 𝐴𝑇 ) é simétrica
Propriedades das matrizes anti-simétricas
Seja 𝐴 ∈ ℛ 𝑛𝑥𝑛 uma matriz anti-simétrica.
a) 𝑡𝑟(𝐴) = 0;
b) se n é ímpar então 𝑑𝑒𝑡𝐴 = 0;
c) se 𝑘 é ímpar então 𝐴𝑘 é anti-simétrica;
d) se 𝑘 é par então 𝐴𝑘 é simétrica;
0 𝐴
e) 𝑀 = [ ] é uma matriz simétrica de ordem 2𝑛.
−𝐴 0
De seguida, analisamos, apenas, o caso das matrizes simétricas e constataremos que
Toda a matriz simétrica é diagonalizável.
Exemplo 6
5 0 0
1. Verifiquemos se a matriz 𝐴 = [0 6 −2] é diagonalizável.
0 −2 9
Da epígrafe anterior, temos que, os valores próprios da matriz A são 𝜆1 = 5, 𝜆2 = 5 e 𝜆3 = 10 e os
espaços próprios que lhes estão associados são:
Ε(5) = {𝑢 ∈ ℛ 3 : 𝑢 = 𝛼(1, 0, 0) + 𝛽(0, 1, 1⁄2), 𝛼, 𝛽 ∈ ℛ} sendo 𝑚. 𝑎(5) = 𝑚. 𝑔(5) = 2 e
Ε(10) = {𝑣 ∈ ℛ 3 : 𝑣 = 𝛼(0, − 1⁄2 , 1), 𝛼 ∈ ℛ} sendo 𝑚. 𝑎(10) = 𝑚. 𝑔(10) = 1
105
Se escolhermos os vetores próprios 𝑣1 (1, 0, 0), 𝑣2 (0, 2, 1) e 𝑣3 (0, 1, −2) e construirmos a matriz
1 0 0
1 0 0
[ 0 ] [2 ] [ 1]
S = [𝑣1 𝑣2 𝑣3 ] = [ ] = [0 2 1 ], verificamos que S é invertível sendo
⏟ 0 ⏟1 ⏟ −2
𝑣 𝑣 𝑣
0 1 −2
1 2 3
1 0 0 5 0 0
−1 ⁄ 1⁄5]. Deste modo, obtemos 𝑆 −1 𝐴𝑆 = 𝐷, onde 𝐷 = [0 5
𝑆 = [0 2 5 0 ].
0 1⁄5 − 2 ⁄5 0 0 10
Note-se que os vetores 𝑣1 , 𝑣2 e 𝑣3 satisfazem as condições 𝑣1𝑇 𝑣2 = 0, 𝑣1𝑇 𝑣3 = 0 e 𝑣2𝑇 𝑣3 = 0,
isto é, são ortogonais dois a dois, pelo que, dizemos que {𝑣1 , 𝑣2 , 𝑣3 } é um conjunto ortogonal.
Por outro lado, podemos, em vez dos vetores 𝑣1 , 𝑣2 e 𝑣3 , considerar os vetores próprios
𝑣 𝑣 2 1 𝑣 1 2
𝑢1 = ‖𝑣1 ‖ = (1, 0, 0), 𝑢2 = ‖𝑣2 ‖ = (0, , ) e 𝑢3 = ‖𝑣3 ‖ = (0, ,− 5 ) que, além de serem
1 2 √5 √5 3 √5 √
ortogonais, dois a dois, são unitários, pelo que, constituem um conjunto ortonormal.
1 0 0
Se definimos 𝑇 = [𝑢1 𝑢2 𝑢3 ] = [0 2⁄√5 1⁄√5] verificamos que T é uma matriz que
0 1⁄√5 − 2⁄√5
satisfaz a condição 𝑻−𝟏 = 𝑻𝑻 , ou seja, T é uma matriz ortogonal.
5 0 0
Consequentemente, podemos afirmar que 𝑇 𝑇 𝐴𝑇 = [0 5 0 ] e dizemos que a matriz A é
0 0 10
ortogonalmente diagonalizável.
Exercício 3
1 2
Seja 𝐶 = [ ]. Verifique que:
2 1
1 1 1 1
a) 𝑢1 = (− , ) e 𝑢2 = ( , ) são vetores próprios de C associados, respetivamente, aos
√2 √2 √2 √2
valores próprios 𝜆1 = −1 e 𝜆2 = 3;
b) {𝑢1 , 𝑢2 } é um conjunto ortonormal;
c) a matriz C é ortogonalmente diagonalizável.
1 1 1 1
− 2 − √2
√2 √2 1 √2 −1 0
R: [ 1 1 ] [⏟ ][ 1 1] =[ ] = 𝑑𝑖𝑎𝑔(−1, 3)
2 1 0 3
⏟ √2 √2 𝐶 ⏟√2 √2
𝑇𝑇 𝑇
106
Proposição 4
Seja 𝐴 ∈ ℛ 𝑛𝑥𝑛 uma matriz simétrica de espetro {𝜆1 , 𝜆2 , … , 𝜆𝑛 }. Se 𝑣𝑖 e 𝑣𝑗 são vetores próprios de A
associados, respetivamente, aos valores próprios distintos 𝜆𝑖 e 𝜆𝑗 então 𝑣𝑖𝑇 𝑣𝑗 = 0, para 𝑖, 𝑗 ∈ {1, 2, … , 𝑛}.
Definição 3
Uma matriz 𝐴 ∈ ℛ 𝑛𝑥𝑛 diz-se ortogonalmente diagonalizável se e só se existirem uma matriz

ortogonal 𝑆 ∈ ℛ 𝑛𝑥𝑛 e uma matriz diagonal 𝐷 ∈ ℛ 𝑛𝑥𝑛 tais que 𝑆 𝑇 𝐴𝑆 = 𝐷.
Se a matriz 𝐴 ∈ ℛ 𝑛𝑥𝑛 é ortogonalmente diagonalizável então é simétrica. Com efeito, se A é uma

matriz ortogonalmente diagonalizável então podemos escrever 𝑆 𝑇 𝐴𝑆 = 𝐷 ⇔ 𝐴 = 𝑆𝐷𝑆 𝑇 e
consequentemente, 𝐴𝑇 = (𝑆𝐷𝑆 𝑇 )𝑇 = (𝑆 𝑇 )𝑇 (𝐷𝑇 )𝑇 𝑆 𝑇 = 𝑆𝐷𝑆 𝑇 = 𝐴.
Proposição 5
Uma matriz 𝐴 ∈ ℛ 𝑛𝑥𝑛 é ortogonalmente diagonalizável se e só se é uma matriz simétrica.
Exemplo 7
2 2 1
Verifique se a matriz 𝐵 = [2 2 −1] é ortogonalmente diagonalizável.
1 −1 −1
Uma vez que 𝑩 = 𝑩𝑻, B é simétrica, podemos concluir que B é ortogonalmente diagonalizável.
De facto, temos que o espectro de 𝐵 é {−2, 1 4} e, ainda, 𝐸(−2) = {𝛼(1, −1, −2), 𝛼 ∈ ℛ},
𝐸(1) = {𝛽(1, −1, 1), 𝛽 ∈ ℛ} e 𝐸(4) = {𝛾(1, 1, 0), 𝛾 ∈ ℛ}. Consequentemente, 𝑆 𝑇 𝐵𝑆 = 𝐷.
Ou seja, se escolhermos os vectores próprios de B, 𝑢 = (1, −1, −2) ∈ 𝐸(−2),

1 1 1
𝑣 = (1, −1, 1) ∈ 𝐸(1) e 𝑤 = (1, 1, 0) ∈ 𝐸(4), então 𝑆 = [−1 −1 1] é uma matriz cujas colunas
−2 1 0
formam um conjunto ortogonal.
Se, além disso, em vez das colunas 𝑢, 𝑣 e 𝑤 considerarmos os vectores:
𝑢 1 1 1 2
𝑢1 = = (1, −1, −2) = ( , − ,− )
‖𝑢‖ √12 + (−1)2 + (−2)2 √6 √6 √6
𝑣 1 1 1 1
𝑣1 = = (1, −1, 1) = ( , − ,− )
‖𝑣‖ √12 + (−1)2 + 12 √3 √3 √3
107
𝑤 1 1 1
𝑤1 = ‖𝑤‖ = (1, 1, 0) = ( , , 0)
√12 +12 +02 √2 √2
que, além de serem ortogonais, dois a dois, são unitários, pelo que, constituem um conjunto ortonormal,
1 1 1 1 1 2
− −
√6 √3 √2 √6 √6 √6
1 1 1 1 1 1
então 𝑇 = − 6 − 3
√2
é ortogonal, logo, 𝑆 −1 = 𝑇 𝑇 = − 3 e 𝑇 𝑇 𝐵𝑇 = 𝐷
√ √ √3 √ √3
2 1 1 1
[− √6 √3
0] [√2 √2
0 ]
1 1 2 1 1 1
− −
√6 √6 √6 2 2 1 √ 6 √3 √2 −2 0 0
1 1 1 1 1 1
− [2 2 −1] − √6 − =[ 0 1 0]
√3 √3 √3 √3 √2
1 1 ⏟1 −1 −1 2 1 ⏟0 0 4
[√2
⏟ 0 ] 𝐵 [− √6
⏟ 0] 𝐷
√2 √3
𝑇𝑇 𝑇
De seguida, apresentamos uma forma de representar uma matriz simétrica por intermédio dos
seus valores próprios e vetores próprios.
Proposição 6 (Decomposição espetral de uma matriz simétrica)

Seja 𝐴 ∈ ℛ 𝑛𝑥𝑛 uma matriz simétrica tal que:
a) 𝜆1 , 𝜆2 , … , 𝜆𝑛 são valores próprios, não necessariamente distintos, de A, 𝑢1 , 𝑢2 , … , 𝑢𝑛 são vetores
próprios de A associados, respetivamente, aos valores próprios 𝜆1 , 𝜆2 , … , 𝜆𝑛 ;
b) 𝑢1 , 𝑢2 , … , 𝑢𝑛 é um conjunto ortogonal constituído por vetores unitários;
c) 𝐴 = 𝑆𝐷𝑆 𝑇 onde 𝑢1 , 𝑢2 , … , 𝑢𝑛 são as colunas de S.
Então
𝐴 = 𝜆1 𝑢1 𝑢1𝑇 + 𝜆2 𝑢2 𝑢2𝑇 + ⋯ + 𝜆𝑛 𝑢𝑛 𝑢𝑛𝑇
Esta representação chama-se decomposição espectral de A.
Exemplo 8
Retomando os exemplos anteriores, verificamos que:
5 0 0
1. A matriz 𝐴 = [0 6 −2] pode ser decomposta do seguinte modo:
0 −2 9
0 0
1 2
2 1
1
1 2
𝐴= (5) [0] [1 0 0] + (5) [√5] [0
√5 √5
]+ (10) [ √5 ] [0
√5
−
√5
]
1 2
0 − 5
√5 √
108
2 2 1
2. A matriz 𝐵 = [2 2 −1] admite a seguinte decomposição espectral:
1 −1 −1
1 1
1
√6 √3
1 1 1 2 1 1 1 1 √2 1 1
𝐴= (−2) − 6 [ 6 − − ]+ (1) − 3 [ 3 − ]+ (10) [ 1 ] [ 2 0]
√ √ √6 √6 √ √ √3 √3 √ √2
2 1 √2
[− √6] [ √3] 0
Exercícios resolvidos
1. Considere a matriz 𝑀 ∈ ℛ 3𝑋3 cujo polinómio caraterístico é dado por 𝑃(𝜆) = −𝜆3 + 9𝜆2 − 18𝜆
a) Determine os valores próprios da matriz M.
b) Calcule o traço e o determinante de M.
1 3 4
c) Sabendo que os vetores 𝑢 = [1], 𝑣 = [2] e 𝑤 = [1] verificam as igualdades 𝑀𝑢 = 03𝑥1,
2 4 5
𝑀𝑣 = 3𝑣 e 𝑀𝑤 = 6𝑤, determine uma matriz não singular V e uma matriz diagonal D, tais
que 𝐷 = 𝑉 −1 𝑀𝑉.
d) Defina a matriz M nas condições do enunciado.
Resolução:
a) Os valores próprios da matriz M são as soluções da sua equação característica:

−𝜆3 + 9𝜆2 − 18𝜆 = 0 ⇔ 𝜆(𝜆2 + 9𝜆 − 18) = 0 ⇔ 𝜆(𝜆 − 6)(−𝜆 + 3) = 0 ⇔ 𝜆1 = 0,
𝜆2 = 3 e 𝜆3 = 6. Portanto, os valores próprios da matriz M são 𝜆 ∈ {0, 3, 6}.
b) A soma dos valores próprios de uma matriz é igual ao traço da matriz e o producto é igual ao
determinante, logo, 𝑡𝑟𝑀 = 0 + 3 + 6 = 9 e 𝑑𝑒𝑡𝑀 = (0)(3)(6) = 0.
c) Como 0, 3 e 6 são os valores próprios da matriz M e 𝑀𝑢 = 03𝑥1, 𝑀𝑣 = 3𝑣 e 𝑀𝑤 = 6𝑤 então

u, v e w são vectores próprios de M associados, respectivamente, aos valores próprios 0, 3 e 6.
2 1 1 1 1 2 𝑇
1 3 4 | | −| | | |
4 5 2 5 2 4
3 4 1 4 1 3
Assim, 𝑽 = [ 1 2 1 ],
1
𝑽−𝟏 = − 3 −| | | | −| | =
⏟2 ⏟
4 ⏟
5 4 5 2 5 2 4
𝑢 𝑣 𝑤 3 4 1 4 1 3
[ |2 | −| | | |
1 1 1 1 2]
1 5
6 −3 0 𝑇 6 1 −5 −2 − 3 3 0 0 0
1 1
= − 3 [ 1 −3 2 ] = − 3
[−3 −3 3 ] = [ 1 1 −1 ] e 𝑫 = [ 0 3 0]
2 1
−5 3 −1 0 2 −1 0 −3 0 0 6
3
Logo,
109
1 5
0 0 0 −2 − 1 3 4
3 3
−1
𝐷 = 𝑉 𝑀𝑉 ⇔ [0 3 0] = [ 1 1 −1] [ 𝑀 ] [1 2 1]
⏟0 2 1 ⏟2 4
0 6 0 −3 5
𝐷
⏟ 3 𝑉
𝑉 −1
ou, de modo equivalente, 𝑀𝑉 = 𝑉𝐷 ⇔

1 3 4 1 3 4 1 3 4 0 0 0
[ 𝑀 ] [1 2 1] = [0 [1] 3 [2] 6 [1]] = [1 2 1] [ 0 3 0]
2 4 5 2 4 5 2 4 5 0 0 6
d) Da alínea anterior, 𝐷 = 𝑉 −1 𝑀𝑉 ⇔ 𝑉𝐷 = 𝑀𝑉 ⇔ 𝑉𝐷𝑉 −1 = 𝑀. Logo,

1 5
1 3 4 0 0 0 −2 − 3 3 1 3 4 0 0 0 9 −7 −1
𝑀 = [1 2 1] [0 3 0] [ 1 1 −1] = [1 2 1] [ 3 3 −3] = [ 6 2 −4]
⏟2 2 1
4 5 ⏟0 0 6 2 4 5 0 −4 2 12 −8 −2
𝑉 𝐷
⏟ 0 −3 3
𝑉 −1
2. Seja M uma matriz quadrada de ordem 3 que satisfaz as seguintes condições:

• M é simétrica;
• 𝑁(𝑀) = {𝛾(1, 1, 1), 𝛾 ∈ ℛ}, sendo 𝒩(M) o núcleo da matriz M;
• 𝑀𝑢 = −3𝑢, sendo 𝑢 = (1, 0, −1);
• 𝑀𝑣 = 15𝑣, sendo 𝑣 = (1, −2, 1);
a) Indique os valores próprios da matriz M.
b) Determine um conjunto ortonormal constituído por três vetores de M.
c) Construa a matriz M que satisfaz as quatro condições anteriores (Sugestão: tenha em conta as
alíneas anteriores).
Resolução:
a) Como M é uma matriz quadrada de ordem três, tem três valores próprios.
Se 𝑀𝑢 = −3𝑢 e 𝑀𝑣 = 15𝑣, por definição de valor próprio, 𝜆1 = −3 e 𝜆2 = 15 são valores
próprios de M, associados, respectivamente, aos vectores próprios 𝑢 e 𝑣.
O núcleo de M é o conjunto de todos os vectores que são solução da equação 𝑀𝑤 = 0𝑤 logo
𝜆3 = 0
Assim, os valores próprios da matriz M são: 𝜆 ∈ {−3, 0, 15}
b) Um conjunto de vetores é ortonormal se, e só se, é um conjunto ortogonal de vetores unitários.
110
Como M é uma matriz simétrica (𝑀 = 𝑀𝑇 ) os vetores 𝑢 = (1, 0, −1), 𝑣 = (1, −2, 1) e

𝑤 = (1, 1, 1) formam um conjunto de vetores ortogonais dois a dois porque são associados a valores
próprios distintos de uma matriz simétrica.
1 1 1 1 1
Fazendo 𝑢′ = ‖𝑢‖ 𝑢 = (1, 0, −1) = (1, 0, −1) =( , 0, − )
√12 +02 +(−1)2 √2 √2 √2
1 1 1 1 2 1
𝑣 ′ = ‖𝑣‖ 𝑣 = (1, −2, 1) = (1, −2, 1) =( , − 6 , 6)
√12 +(−2)2 +12 √6 √6 √ √
1 1 1 1 1 1
𝑤 ′ = ‖𝑤‖ 𝑤 = (1, 1, 1) = (1, 1, 1) =( , , )
√12 +12 +12 √3 √3 √3 √3
1 1 1 2 1 1 1 1
obtemos vectores unitários, logo, {( , 0, − ) , ( , − , ) , ( , , )} é um conjunto
√2 √2 √6 √6 √6 √3 √3 √3
ortonormal.
c) Seja T a matriz cujas colunas são os vetores do conjunto anterior, ou seja,

1⁄√2 1⁄√3 1⁄√6
𝑇=[ 0 1⁄√3 −2⁄√6]. T é uma matriz ortogonal, então: 𝑇 𝑇 𝑀𝑇 = 𝐷 ⇔ 𝑀 = 𝑇𝐷𝑇 𝑇 , isto
−1⁄√2 1⁄√3 1⁄√6
é,
1⁄√2 1⁄√3 1⁄√6 0 0 0 1⁄√2 0 − 1⁄√2
𝑀=[ 0 1⁄√3 −2⁄√6] [0 3 0 ] [ 1⁄√3 1⁄√3 1⁄√3 ]=
−1⁄√2 1⁄√3 1⁄√6 0 0 15 1⁄√6 −2⁄√6 1⁄√6
0 3⁄√3 15⁄√6 1⁄√2 0 − 1⁄√2 21⁄6 −4 21⁄6

= [0 3⁄√3 −30⁄√6] [ 1⁄√3 1⁄√3 1⁄√3 ] = [ −4 11 −4 ]
0 3⁄√3 15⁄√6 1⁄√6 −2⁄√6 1⁄√6 21 ⁄ 6 −4 21 ⁄6
−2 2 1 2
2 −3 2 2
3. Considere a matriz 𝐴 = [ ].
1 2 −2 2
2 2 2 −3
a) Utilizando as propriedades dos determinantes mostre que:

1 2 −2 2
1 2 −2 2 7
0 −7 6 −2 0 −1 3 −2
𝑑𝑒𝑡𝐴 = − | |
| = 2| | = 30(1)(−1)(1) (15) = −225
0 6 −3 6 0 0 15 −15| 2
45
0 −2 6 −7 0 0 −15 2
1
b) Calcule o determinante da matriz 5
𝐴.
c) Classifique o sistema homogéneo (𝐴 + 5𝐼3 )𝑥 = 0 e determine, por diagonalização, o seu

conjunto solução, indicando a caraterística da matriz dos coeficientes, assim como as incógnitas
principais e as incógnitas livres (caso existam).
d) Determine dois elementos da primeira coluna da inversa da matriz A.
111
e) Verifique que (1, 1, 1, 1) é vector próprio de A e indique o valor próprio que lhe está associado.
f) Encontre os restantes valores próprios da matriz A.
g) Diga, justificando, se a matriz A é diagonalizável e, em caso afirmativo, construa duas matrizes
D e S tal que 𝐴 = 𝑆𝐷𝑆 −1A.
h) Faça a decomposição espetral da matriz A.
Resolução:
−2 2 1 2 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐿1 /𝐿3 1 2 −2 2 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐿2 − 2𝐿1
2 −3 2 2 2 −3 2 2 𝐿3 + 2𝐿1
a) 𝑑𝑒𝑡𝐴 = | | = −| |
1 2 −2 2 −2 2 1 2 𝐿4 − 2𝐿1
2 2 2 −3 2 2 2 −3
1 2 −2 2 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐶2 /𝐶4 1 2 −2 2 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
1
0 −7 6 −2 0 −2 6 −7 (2) 𝐿2
= −| | =| |
0 6 −3 6 0 6 −3 6
0 −2 6 −7 0 −7 6 −2
1 2 −2 2 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐿3 + 6𝐿2
7
0 −1 3 − 2 𝐿4 − 7𝐿2
= 2| |
0 6 −3 6
0 −7 6 −2
1 2 −2 2 1 2 −2 2
7 7
0 −1 3 − 0 −1 3 −
= 2 || 2|
= (2)(15) |
|0
2|
=
0 0 15 −15| 0 1 −1 |
45 45
0 0 −15 0 0 −15
2 2
1 2 −2 2
7
0 −1 3 −2
= 30 || | = 30(1)(−1)(1) (15) = −225
0 0 1 −1 | 2
15
0 0 0 2
b) Dado que 𝑑𝑒𝑡(𝛼𝐴) = 𝛼 𝑛 (𝑑𝑒𝑡𝐴), sendo 𝑛 a ordem da matriz, então:

1 1 4 1 9
𝑑𝑒𝑡 ( 𝐴) = ( ) (−225) = − 4 (52 )(9) = −
5 5 5 25
−2 2 1 2 1 0 0 0 𝑥1 0
2 −3 2 2 0 1 0 0 𝑥2 0
c) (𝐴 + 5𝐼4 )𝑥 = 0 ⇔ ([ ]+5[ ]) [𝑥 ] = [ ]
1 2 −2 2 0 0 1 0 3 0
2 2 2 −3 0 0 0 1 𝑥4 0
3 2 1 2 𝑥1 0
2 2 2 2 𝑥2 0
⇔[ ][ ] = [ ]
1 2 3 2 𝑥3 0
2 2 2 2 𝑥4 0
Condensando a matriz:
112
3 2 1 2 | 0 1 2 3 2 | 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐿 − 2𝐿1
2 2 2 2 | 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ 2 2 2 2 | 0 2
[𝐴|𝑏] = [ ] 𝐿 /𝐿 [ ] 𝐿 − 3𝐿1
1 2 3 2 | 0 1 3 3 2 1 2 | 0 3
𝐿 − 2𝐿1
2 2 2 2 | 0 2 2 2 2 | 0 4
1 2 3 2 | 0 1 2 3 2 | 0
0 −2 −4 −2 | ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
0 𝐿3 − 2𝐿2 0 −2 −4 −2 | 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
[ ] [ ] 𝐿 + 𝐿2
0 −4 −8 −4 | 0 𝐿 4 − 𝐿2 0 0 0 0 | 0 1
0 −2 −4 −2 | 0 0 0 0 0 | 0
1 0 −1 0 | 0 1 0 −1 0 | 0
0 −2 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
−4 −2 | 0 (− 1 0 1 2 1 | 0
) 𝐿2 [ ]
0 0 𝟎 0 | 0 2 0 0 0 0 | 0
[0 0 0 𝟎 | 0] 0 0 0 0 | 0
• 𝑐(𝐴) = 2 (duas colunas com pivot);

• As incógnitas 𝑥1 e 𝑥2 correspondem a colunas com pivot, pelo que, são incógnitas principais;
• As incógnitas 𝑥3 e 𝑥4 correspondem a colunas sem pivot, pelo que, são incógnitas livres;
• O sistema é possível e duplamente (duas incógnitas livres) indeterminado (infinitas soluções).
𝑥1 − 𝑥3 = 0 𝑥1 = 𝑥3 𝑥1 = 𝛼
𝑥2 + 2𝑥3 + 𝑥4 = 0 𝑥2 = −2𝑥3 − 𝑥4 𝑥2 = −2𝛼 − 𝛽
{ ⇔ {𝑥 = 𝛼 ∈ ℛ ⇔ {𝑥 = 𝛼 ∈ ℛ
𝑥3 = 𝛼 ∈ ℛ 3 3
𝑥4 = 𝛽 ∈ ℛ 𝑥4 = 𝛽 ∈ ℛ 𝑥4 = 𝛽 ∈ ℛ
𝑆 = {𝑥 ∈ ℛ 4 : 𝑥 = (𝛼, −2𝛼 − 𝛽, 𝛼, 𝛽), 𝛼, 𝛽 ∈ ℛ}
d) Dois elementos da primeira coluna da matriz inversa de A são, por exemplo, 𝑎21 e 𝑎31 .
Da alínea b) temos que |𝐴| = −225, então:
1
• O elemento na posição (2, 1) de 𝐴−1 = |𝐴| [complemento algébrico de 𝑎12 ] =
2 2 2 1 1 1 1 1 1
1 1 2
=−
225
[(−1)1+2 |1 −2 2 |] =
225
(2) |1 −2 2 | =
225
| 0 −3 1| =
2 2 −3 2 2 −3 0 0 −5
2 6 2
= 5(45) (1)(−3)(−5) = 45 = 15
1
1 2 2 1 2 2
1 1 1 −7 −2
= − 225 [(−1)1+3 |2 −3 2 |] = − 225 |0 −7 −2| = − 225 (−1)1+1 | |=
−2 −7
2 2 −3 0 −2 −7
1 1 1
= − 5(45) (49 − 4) = − 5(45) (45) = − 5
e) O vector 𝑤 = (1, 1, 1, 1) é vetor próprio de A se, e só se, 𝐴𝑤 = 𝜆𝑤 ⇔
113
−2 2 1 2 1 −2 + 2 + 1 + 2 3 1
2 −3 2 2 1 2−3+2+2 3 1
⇔[ ][ ] = [ ] = [ ] = 3 [ ] ⇔ 𝐴𝑤 = 3𝑤
1 2 −2 2 1 1+2−2+2 3 1
2 2 2 −3 1 2+2+2−3 3 1
Logo, o vector 𝑤 é vector próprio de A, associado ao valor próprio 𝜆4 = 3.
f) A matriz 𝐴 é uma matriz de ordem 4 logo tem 4 valores próprios.
• Da alínea b) temos que
(𝐴 + 5𝐼4 )𝑥 = 0 ⇔ 𝐴𝑥 + 5𝐼4 𝑥 = 0 ⇔ 𝐴𝑥 + 5𝑥 = 0 ⇔ 𝐴𝑥 = −5𝑥
ou seja, 𝜆 = −5 é um valor próprio de A com multiplicidade algébrica 𝒎. 𝒂(−𝟓) = 𝟐 , isto porque, o

sistema (𝐴 + 5𝐼4 )𝑥 = 0 é duplamente indeterminado (tem duas incógnitas livres).
• Da alínea a) temos que: 𝜆4 = 3 é valor próprio de A e, como a soma dos valores próprios de
uma matriz é igual ao seu traço e 𝑡𝑟(𝐴) = −10, então:
• (−5) + (−5) + (3) + 𝜆3 = −10 ⇔ 𝜆3 = −10 + 7 ⇔ 𝜆3 = −3
Assim, os valores próprios da matriz A são: 𝜆1 = −5, 𝜆2 = −5, 𝜆3 = −3 e 𝜆4 = 3 .
g) A matriz 𝐴 é diagonalizável porque é uma matriz simétrica ( 𝐴 = 𝐴𝑇 ) e toda a matriz simétrica
é diagonalizável.
Determinemos quatro vectores próprios de A associados aos seus valores próprios:
• Da alínea e) temos que 𝑤 = (1, 1, 1, 1) é vetor próprio de A associado ao valor próprio
𝜆4 = 3 .
• Da alínea c) podemos obter dois vetores próprios de A dado que 𝑚. 𝑎. (−5) = 2
Assim, fazendo, por exemplo, 𝛼1 = 1 e 𝛽1 = 1, e, 𝛼2 = −1 e 𝛽2 = −1 na solução do sistema

(𝐴 + 5𝐼4 )𝑥 = 0: 𝑆 = {(𝛼, −2𝛼 − 𝛽, 𝛼, 𝛽), 𝛼, 𝛽 ∈ ℛ}, temos que: 𝑢 = (1, −3, 1, 1) e
𝑣 = (−1, 3, −1, −1) são vectores próprios de A associados ao valor próprio 𝜆 = −5 .
• Determinemos os vectores próprios de A associados ao valor próprio 𝜆4 = 3. Estes pertencem

ao 𝐸(3) = {𝑧 ∈ ℛ 4 : 𝐴𝑧 = −3𝑧}
114
−2 2 1 2 𝑧1 𝑧1
2 −3 2 2 𝑧2 𝑧2
𝐴𝑧 = −3𝑧 ⇔ [ ] [ ] = (−3) [𝑧 ]
1 2 −2 2 𝑧3 3
2 2 2 −3 𝑧4 𝑧4
−2𝑧1 + 2𝑧2 + 𝑧3 + 2𝑧4 𝑧1 0

2𝑧1 − 3𝑧2 + 2𝑧3 + 2𝑧4 𝑧2 0
⇔[ ] + 3 [𝑧 ] = [ ]
𝑧1 + 2𝑧2 − 2𝑧3 + 2𝑧4 3 0
2𝑧1 + 2𝑧2 + 2𝑧3 − 3𝑧4 𝑧4 0
−𝟐𝒛𝟏 + 2𝑧2 + 𝑧3 + 2𝑧4 + 𝟑𝒛𝟏 = 0 𝑧1 + 2𝑧2 + 𝑧3 + 2𝑧4 = 0

2𝑧1 − 𝟑𝒛𝟐 + 2𝑧3 + 2𝑧4 + 𝟑𝒛𝟐 = 0 2𝑧1 + 2𝑧3 + 2𝑧4 = 0
⇔{ ⇔ {
𝑧1 + 2𝑧2 − 𝟐𝒛𝟑 + 2𝑧4 +𝟑𝒛𝟑 = 0 𝑧1 + 2𝑧2 + 𝑧3 + 2𝑧4 = 0
2𝑧1 + 2𝑧2 + 2𝑧3 − 𝟑𝒛𝟒 +𝟑𝒛𝟒 = 0 2𝑧1 + 2𝑧2 + 2𝑧3 = 0
1 2 1 2 | 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ 1 2 1 2 | 0
𝐿 − 2𝐿1
2 0 2 2 | 0 2 0 −4 0 −2 | 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
[𝐴|𝑏] = [ ] 𝐿3 −𝐿1 [ ] 𝐿 /𝐿
1 2 1 2 | 0 0 0 0 0 | 0 3 4
𝐿 − 2𝐿1
2 2 2 0 | 0 4 0 −2 0 −4 | 0
1 2 1 2 | 0 1 2 1 2 | 0
0 −4 0 −2 | 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
1 0 2 0 1 | 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
[ ] (− 2) 𝐿2 [ ] 𝐿 + 𝐿2
0 −2 0 −4 | 0 0 −2 0 −4 | 0 3
0 0 0 0 | 0 0 0 0 0 | 0
1 2 1 2 | 0 1 2 1 2 | 0
0 2 0 1 | 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
1 0 2 0 1 | 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
[ ] (− 3) 𝐿3 [ ] 𝐶 /𝐶
0 0 0 −3 | 0 0 0 0 1 | 0 3 4
0 0 0 0 | 0 0 0 0 0 | 0
1 2 2 1 | 0 1 2 0 1 | 0
0 2 1 0 | 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐿2 − 𝐿 3 0 2 0 0 | 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
[ ] [ ] 𝐿 − 𝐿2
0 0 1 0 | 0 𝐿1 − 2𝐿3 0 0 1 0 | 0 1
0 0 0 0 | 0 0 0 0 0 | 0
𝑥1 𝑥2 𝑥4 𝑥3
1 0 0 1 | 0 1 0 0 1 | 0 𝑥1 +𝑥3 = 0
0 2 0 0 | 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
1 0 1 0 0 | 0 𝑥 =0
[ ]( )𝐿 [ ]⇔{ 2
0 0 1 0 | 0 2 2 0 0 1 0 | 0 𝑥3 = 𝛼 ∈ ℛ
0 0 0 0 | 0 0 0 0 0 | 0 𝑥4 = 0
𝑥1 = −𝛼
𝑥2 = 0
⇔ {𝑥 = 𝛼 ∈ ℛ 𝑆 = {𝑧 ∈ ℛ 4 : 𝑧 = 𝛼(−1, 0, 1, 0), 𝛼 ∈ ℛ}
3
𝑥4 = 0
Fazendo, por exemplo, 𝛼 = 1 obtemos o vector próprio 𝑧 = (−1, 0, 1, 0) associado ao valor

próprio 𝜆3 = −3.
115
1 −1 −1 1
−3 3 0 1
Assim, 𝑆 = 1 −1 1 1 é uma matriz cujas colunas são vectores próprios de A, logo,
⏟
1 −1
⏟ ⏟
0 ⏟
1
[ 𝑢 𝑣 𝑧 𝑤]
A = 𝑆𝐷𝑆 −1 ⇔ 𝐴𝑆 = 𝑆𝐷, ou seja,

1 −1 −1 1
𝐴 𝑆 −3 3 0 1
[ ][ ] = [−5 [ ] −5 [ ] −3 [ ] 3 [ ]] =
1 −1 1 1
1 −1 0 1
−5 0 0 0
𝑆 0 −5 0 0
=[ ][ ]
0 0 −3 0
0 0 0 3
h) Como o vector 𝑢 não é ortogonal ao vector 𝑣, busquemos um vector 𝑢 ∈ 𝐸(−5) que seja
ortogonal ao vector 𝑣:
Se 𝑢 ∈ 𝐸(−5) então, da alínea b), 𝑢 = (𝛼, −2𝛼 − 𝛽, 𝛼, 𝛽) e se é ortogonal ao vetor
𝑣 = (1, −3, 1, 1) então
𝛽
〈𝑢, 𝑣〉 = 0 ⇔ 𝛼 − 3(−2𝛼 − 𝛽) + 𝛼 + 𝛽 = 0 ⇔ 8𝛼 + 4𝛽 = 0 ⇔ 𝛼 = −
2
Fazendo, por exemplo, 𝛽 = 2 obtemos 𝛼 = −1 e 𝑢′ = (−1, 0, −1, 2).
−1 −1 −1 1
0 3 0 1
Assim, a matriz −1 −1 1 1 é uma matriz cujas colunas são vectores próprios de A,
⏟
2 −1
⏟ ⏟
0 ⏟
1
[ 𝑢′ 𝑣 𝑧 𝑤]
associados aos respectivos valores próprios de A e formam um conjunto ortogonal de vetores. Fazendo
1 ′ 1 1 1 2
𝑢1′ = 𝑢 = (−1, 0, −1, 2) = (− , 0, − , )
‖𝑢′ ‖ √(−1)2 + (0)2 + (−1)2 + (2)2 √6 √6 √6
1 1 1 3 1 1
𝑣1 = 𝑣 = (−1, 3, −1, −1) = (− , ,− ,− )
‖𝑣1 ‖ 1 √(−1)2 + (3)2 + (−1)2 + (−1)2 √12 √12 √12 √12
1 1 1 1
𝑧1 = 𝑧1 = (−1, 0, 1, 0) = (− , 0, , 0)
‖𝑧1 ‖ √(−1)2 + (0)2 + (1)2 + (0)2 √2 √2
1 1 1 1 1 1
𝑤1 = 𝑤1 = (1, 1, 1, 1) = ( , , , )
‖𝑤1 ‖ √(1)2 + (1)2 + (1)2 + (1)2 2 2 2 2
obtemos o conjunto {𝑢1′ , 𝑣1 , 𝑧1 , 𝑤1 } que é um conjunto ortonormal, ou seja, é um conjunto de vectores

ortogonais dois a dois e unitários, então:
116
1 1 1
1 1
√12 − − 2 √12
3 √6 √6 3
1
− 12 0 0 − 12 1 3 1 1
√ 2 √
1 1 = (−5) 1 [√12
− ]+
1 − 6 − 1 √12 √12 √12
√ √6
√12 2 2
2 √12
1 1 1
[ √12 √6 √6 2] [ √12]
1 1
− 1
− 2 2
√6
√ 1
0 1 1 2 0 [− 1 0 1 1 1 1 1
+(−5) − 1 [− 0 − ]+ (−3) 1
0] + (3) 21 [2 ]
√6 √6 √6 √2 √2 2 2 2
√6
2 √2 2
[ [ 0] 1
√6 ] [2]
2 −2 1 −2 2 −2
1
4. Considere as matrizes 𝑆 = 3 [1 2 2] e 𝐴 = [ 2 1 −4].
2 1 −2 −2 −4 1
a) Defina matriz ortogonal e verifique se S é ortogonal.
b) Determine 𝜆1 , 𝜆2, 𝜆3 ∈ ℛ tais que 𝑆 𝑇 𝐴𝑆 = 𝑑𝑖𝑎𝑔(𝜆1 , 𝜆2, 𝜆3 ).
c) Faça a condensação da matriz A e, de seguida, calcule o seu determinante.
1
d) Obtenha o determinante da matriz 𝐵 = 18 𝑎𝑑𝑗(𝐴) sem calcular os elementos da 𝐴𝑑𝑗(𝐴).
e) Calcule dois elementos da terceira coluna da matriz inversa de A.

f) Utilizando o método de eliminação de Gauss, classifique o sistema 𝐶𝑦 = 0, onde 𝐶 = 𝐴 + 3𝐼3
e 𝑦 = (𝑦1 , 𝑦2 , 𝑦3 ) ∈ ℛ 3 e determine o seu conjunto solução, indicando a caraterística da matriz
do sistema, bem como, as incógnitas principais e as incógnitas livres (caso existam).
1 2 2
g) Verifique se 𝑢 = (3 , 3 , − 3) é vetor próprio de A e, em caso afirmativo, indique o valor próprio
que lhe está associado.

h) Determine as multiplicidades algébrica e geométrica dos valores próprios de A (sugestão: tenha
em conta as questões anteriores).
i) Determine dois vectores ortogonais pertencentes ao espaço próprio associado ao menor valor
próprio de A.
j) Faça a decomposição espectral da matriz A.
Resolução:
a) Matriz ortogonal é uma matriz cujas colunas constituem um conjunto ortonormal de vetores.
2⁄3 −2⁄3 1⁄3
A matriz 𝑆 = [1⁄3 2⁄3 2⁄3 ] é ortogonal se, e só se, 〈𝐶1 , 𝐶2 〉 = 〈𝐶1 , 𝐶3 〉 = 〈𝐶2 , 𝐶3 〉 = 0 e
2⁄ 3 1⁄3 −2⁄3
‖𝐶1 ‖ = ‖𝐶2 ‖ = ‖𝐶3 ‖ = 1 onde 𝐶1 , 𝐶2 e 𝐶3 são as colunas da matriz S. Verificamos que:
2 2 1 2 1 2
〈𝐶1 , 𝐶2 〉 = ( ) (− ) + ( ) ( ) + ( ) ( ) = 0
3 3 3 3 3 3
117
2 1 1 2 2 2
〈𝐶1 , 𝐶3 〉 = ( ) ( ) + ( ) ( ) + ( ) (− ) = 0
3 3 3 3 3 3
2 1 2 2 1 2
〈𝐶2 , 𝐶3 〉 = (− ) ( ) + ( ) ( ) + ( ) (− ) = 0
3 3 3 3 3 3
e, além disso,
2 2 1 2 2 2 9
‖𝐶1 ‖ = √( ) + ( ) + ( ) = √ = √1 = 1
3 3 3 9
2 2 2 2 1 2 9
‖𝐶2 ‖ = √(− ) + ( ) + ( ) = √ = √1 = 1
3 3 3 9
1 2 2 2 2 2 9
‖𝐶3 ‖ = √( ) + ( ) + (− ) = √ = √1 = 1
3 3 3 9
As colunas da matriz S formam um conjunto ortonormal, S é ortogonal.

b) Como 𝑆 é ortogonal, 𝑆 −1 = 𝑆 𝑇
2⁄3 −2⁄3 1⁄3 2⁄3 1⁄3 2⁄3

𝑇
𝑆 = [ 1⁄3 2⁄3 2⁄3 ] e 𝑆 = [−2⁄3 2⁄3 1⁄3 ] = 𝑆 −1
2⁄3 1⁄3 −2⁄3 1⁄3 2⁄3 −2⁄3
2⁄ 3 1⁄3 2⁄3 −2 2 −2 2⁄3 −2⁄3 1⁄3

𝑇
𝑆 𝐴𝑆 = [−2⁄3 2⁄3 1⁄3 ] [ 2 1 −4] [1⁄3 2⁄3 2⁄3 ] =
1⁄ 3 2⁄3 −2⁄3 −2 −4 1 2⁄3 1⁄3 −2⁄3
−2 2 −2 2⁄3 −2⁄3 1⁄3 −3 0 0

[ 2 1 −4] [1⁄3 2⁄3 2⁄3 ] = [ 0 −3 0] = 𝑑𝑖𝑎𝑔(−3, −3, 6)
−2 −4 1 2⁄3 1⁄3 −2⁄3 0 0 6
𝑆 diagonaliza A, logo, 𝜆1 = −3, 𝜆2 = −3 e 𝜆3 = 6 são os valores próprios da matriz A.
−2 2 −2 𝐿 + 𝐿 −2
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ 2 −2 −2 2 −2
c) [ 2 1 −4] 𝐿2 − 𝐿1 [ 0 3 −6] ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐿3 + 2𝐿2 [ 0 3 −6]
−2 −4 1 3 1
0 −6 3 0 0 −9
Como o determinante de uma matriz triangular é igual ao produto dos seus elementos principais,
então: 𝑑𝑒𝑡(𝐴) = (−2)(3)(−9) = 54.
1
d) 𝐵 = 18 𝑎𝑑𝑗𝐴 ⇔ 18𝐵 = 𝑎𝑑𝑗𝐴 ⇔ 𝑑𝑒𝑡(18𝐵) = 𝑑𝑒𝑡(𝑎𝑑𝑗𝐴)
Pelas propriedades dos determinantes: 𝑑𝑒𝑡(𝛼𝐴) = 𝛼 𝑛 𝑑𝑒𝑡𝐴 e 𝑑𝑒𝑡(𝑎𝑑𝑗𝐴) = (𝑑𝑒𝑡𝐴)𝑛−1 ,
𝐴 ∈ ℛ 𝑛𝑥𝑛 . Assim,
2
1 (54)2 (2𝑥33 ) 22 𝑥26 1
(18)3 𝑑𝑒𝑡𝐵 = (𝑑𝑒𝑡𝐴)2 ⇔ 𝑑𝑒𝑡𝐵 = (18)3 (𝑑𝑒𝑡𝐴)2 ⇔ 𝑑𝑒𝑡𝐵 = (18)3 = (2𝑥32 )2 = 3 6 =
2 𝑥2 2
118
e) Dois elementos da matriz inversa de A podem ser, por exemplo, 𝑎13 e 𝑎23 .
1
1 2 1 1 6 1
= [(−1)3+1 | |] = (−8 + 2) = − =−
54 −2 −4 54 54 9
1
1 −2 −2 1 12 2
= [(−1)3+2 | |] = − (8 + 4) = − =−
54 2 −4 54 54 9
−2 2 −2 1 0 0 1 2 −2
f) 𝐶 = 𝐴 + 3𝐼3 = [ 2 1 −4 ] + 3 [ 0 1 0 ] = [ 2 4 −4].
−2 −4 1 0 0 1 −2 −4 4
1 2 −2 1 𝑦 0
𝐶𝑦 = 0 ⇔ (𝐴 + 3𝐼3 )𝑦 = 0 ⇔ [ 2 4 −4] [𝑦2 ] = [0]
−2 −4 4 𝑦3 0
1 2 −2| 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ 1 2 −2| 0 𝑦1 + 2𝑦2 − 2𝑦3 = 0

𝐿 − 2𝐿1
[𝐶|𝑏] = [ 2 4 −4| 0] 2 [ 0 0 0| 0] ⇔ { 0=0⇔
𝐿3 − (−2)𝐿1
−2 −4 4| 0 0 0 0| 0 0=0
𝑦1 = −2𝛼 + 2𝛽
⇔ {𝑦2 = 𝛼 𝑆 = {𝑢 ∈ ℛ 3 : 𝑢 = (−2𝛼 + 2𝛽, 𝛼, 𝛽), 𝛼, 𝛽 ∈ ℛ}
𝑦3 = 𝛽, 𝛼, 𝛽 ∈ ℛ
• 𝑐(𝐴) = 1 (Uma coluna com pivot);

• A incógnita 𝑦1 corresponde a uma coluna com pivot, é uma incógnita principal;
• As incógnitas 𝑦2 e 𝑦3 correspondem a colunas sem pivot, são incógnitas livres;
• O sistema de equações é possível e duplamente indeterminado.
g) O vector 𝑢 é um vector próprio de A se, e só se, 𝐴𝑢 = 𝜆𝑢, ou seja,
1⁄ 1⁄
2 2 −2 3 2 3
[2 2
1 −4] ⁄3 = [ 4 ] = ⏟ 2
6 ⁄3 .
⏟2 −4 1 −2 −4 𝜆 −2
𝐴 [⏟ ⁄3] [⏟ ⁄3]
𝑢 𝑢
Como 𝐴𝑢 = 6𝑢, o vetor 𝑢 é um vector próprio de A e o valor próprio que lhe está associado é 𝜆 = 6
h) Os valores próprios de A são: 𝜆1 = −3, 𝜆2 = −3 𝑒 𝜆3 = 6 .

Da alínea f) temos que 𝑐(𝐴 + 3𝐼3 ) = 1. Calculemos a 𝑐(𝐴 − 6𝐼3 ):
119
−2 2 −2 1 0 0 −8 2 −2
𝐴 − 6𝐼3 = [ 2 1 −4] − 6 [0 1 0] = [ 2 −5 −4]. Condensando a matriz:
−2 −4 1 0 0 1 −2 −4 −5
−8 2 −2 2 −5 −4 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐿 − (−4)𝐿1 2 −5 −4 1
⃗⃗⃗⃗⃗⃗⃗
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
[ 2 −5 −4] 𝐿 1 |𝐿2 [−8 2 −2] 2 [0 −18 −18] 𝐿2
𝐿 − (−1)𝐿1 2
−2 −4 −5 −2 −4 −5 3 0 −9 −9
2 −5 −4 2 −5 −4
[0 −9 −9] ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐿3 − 𝐿2 [0 −9 −9]. c (𝐴 − 6𝐼3 ) = 2, por ter duas colunas com pivot.
0 −9 −9 0 0 0
Assim, 𝑚. 𝑔(−3) = 3 − 1 = 2 = 𝑚. 𝑎(−3) e 𝑚. 𝑔(6) = 3 − 2 = 1 = 𝑚. 𝑎(6)
i) Da alínea f) temos que 𝐸(−3) = {(−2𝛼 + 2𝛽, 𝛼, 𝛽), 𝛼, 𝛽 ∈ ℛ}. Fazendo, por exemplo,
𝛼 = 1 e 𝛽 = 0 obtemos o vetor 𝑢 = (−2, 1, 0) ∈ 𝐸(−3) .
• Determinemos um vector 𝑣 ∈ 𝐸(−3) que seja ortogonal a 𝑢:
𝑣 ∈ 𝐸(−3) então é da forma 𝑢 = (−2𝛼 + 2𝛽, 𝛼, 𝛽), 𝛼, 𝛽 ∈ ℛ. v é ortogonal a u se 〈𝑢, 𝑣〉 = 0 ⇔.

4 4
⇔ 4𝛼 − 4𝛽 + 𝛼 = 0 ⇔ 5𝛼 = 4𝛽 ⇔ 𝛼 = 𝛽 . Fazendo, por exemplo, 𝛽= obtemos:
5 5
𝑣 = (2, 4, 5) ∈ 𝐸(−3) e é ortogonal a 𝑢.
1 2 2
j) Da alínea g) temos que 𝑤 = (3 , 3
, − 3) ∈ 𝐸(6) .
1
−2 2 3
2
Assim, 𝑉 = 1 4 é uma matriz cujas colunas formam um conjunto ortogonal de vectores
3
2
[ 0 5 − 3]
próprios de A. Fazendo:
1 1 2 1
𝑢1 = ‖𝑢 = (−2, 1, 0) = (− , , 0)
1‖ √(−2)2 +(1)2 +(0)2 √5 √5
1 1 2 4 5
𝑉1 = ‖𝑉 ‖ = (2, 4, 5) = ( , , )
1 √(2)2 +(4)2+(5)2 √45 √45 √45
2 2 1
−
√5 √45 3
1 4 2
obtemos a matriz ortogonal formada por vectores próprios de A associados aos seus
√5 √45 3
5 2
[ 0 √45
− 3]
valores próprios, logo
120
2 1
2
− √45 3
√5 2 1 4 2 4 5 2 1 2 2
𝐴 = (−3) [ 1 ] [− 0] + (−3) √45 [ 45 ]+ (6) [ − ]
√5 √5 √ √45 √45 3 3 3 3
√5 5 2
0 [√45] [− 3]
é uma decomposição espectral da matriz A.
Exercícios propostos
1 1 0 0
1. Seja B uma matriz, quadrada, real, de ordem 3, tal que [ 𝐵 ] [1] = [1], [ 𝐵 ] [1] = [1]
1 1 2 2
0 0
e[ 𝐵 ] [0] = [0].
1 1
a) Indique os valores próprios de B. Justifique. R: 1, 1, 2
1 0 0
b) Determine, caso exista, uma matriz diagonal semelhante a B. Justifique. R: 𝐷 = [0 1 0]
0 0 2
1 0 0
c) Defina uma matriz B nas condições do enunciado. R: 𝐵 = [0 1 0]
0 −2 2
20 −1 1 𝑥1 10
2. Seja 𝐵 = [ 1 20 −1], 𝑥 = [𝑥2 ] e 𝑑 = [10].
−1 1 20 𝑥3 10
1 1 1
a) Resolva o sistema 𝐵𝑥 = 𝑑 (Sugestão: utilize a regra de Cramer). R: 𝑆 = {( , , )}
2 2 2
b) Determine um dos valores próprios de B, bem como, um vetor próprio que lhe esteja associado.
1⁄2
R: 𝐵 = 20 [1⁄2]
1⁄2
401 21 −19
c) Determine 𝐶 ∈ ℛ 3𝑥3 de modo que 𝐶𝐵 = 8060𝐼3. R: 𝐵 = [−19 401 21 ]
21 −19 401
3. Considere uma matriz 𝐴 ∈ ℛ 3𝑥3, singular, que satisfaz as seguintes condições:
𝐴𝑣 = (−2)𝑣 para 𝑣 = (0, 1, 0),

𝐴𝑤 = (−1)𝑤 para 𝑤 = (0, 0, 1),
a) Determine dois dos valores próprios de A. R: 𝜆1 = −2, 𝜆2 = −1
121
b) Averigue para que valores 𝛼 ∈ ℛ, 𝑃(𝜆) = −𝜆3 + (𝛼 − 1)𝜆2 + 𝛼𝜆 é o polinómio caraterístico

de A. R: 𝛼 = −2
c) Sabendo que 𝐴𝑢 = 0 para 𝑢 = (1, 2, −1), determine uma matriz S tal que 𝑆 −1 𝐴S seja uma
−2 1 0 0 0 1 −2 0 0
matriz diagonal. Justifique. R: [ 1 0 1] [ 𝐴 ] [1 0 2] = [ 0 −1 0]
⏟1 0 0 ⏟0 1 −1 ⏟ 0 0 0
𝑆 −1 𝑆
𝐷
0 0 0
d) Construa uma matriz A nas condições do enunciado. R: 𝐴 = [ 4 −2 0]
−1 0 −1
1 −2 −2
4. Seja 𝐴 = [−2 1 −2].
−2 −2 1
a) Mostre que:
1. |𝐴 − 𝑘𝐼3 | = (3 − 𝑘)2 − (−3 − 𝑘), 𝑘 ∈ ℛ;
1
2. é o elemento na posição (1, 1) da matriz inversa de A.
9
b) Resolva os sistemas:
1. (𝐴 + 3𝐼3 )𝑢 = 0 R: 𝑆 = {𝑢 ∈ ℛ 3 : 𝑢 = 𝛼(1, 1, 1), 𝛼 ∈ ℛ}
2. (𝐴 − 3𝐼3 )𝑣 = 0. R: 𝑆 = {𝑣 ∈ ℛ 3 : 𝑣 = 𝛼(−1, 1, 0) + 𝛽(−1, 0, 1), 𝛼, 𝛽 ∈ ℛ}
c) Indique os valores próprios de A, bem como, as respetivas multiplicidades algébricas.

R: 𝑚. 𝑎(−3) = 1 e 𝑚. 𝑎(3) = 2
d) Determine o espaço próprio de A associado aos valores próprios: 𝜆1 = −3 e 𝜆2 = 3
e) Defina 𝑆 ∈ ℛ 3𝑥3 tal que 𝑆 −1 𝐴𝑆 = 𝑑𝑖𝑎𝑔(−3, 3, 3)
1 1 1
3 3 3 1 −2 −2 1 −1 1 −3 0 0
1 2 1
R: −3 3
− 3 [−2 ]
1 −2 1[ 1 1 ] = [ 0 3 0]
1 1 2 ⏟−2 −2 1 ⏟1 0 −2 ⏟0 0 3
[⏟− 3 −3 3] 𝐴 𝑆
𝐷
𝑆 −1
f) É possível escolher 𝑇 ∈ ℛ 3𝑥3 tal que 𝑇 𝑇 𝐴𝑇 = 𝑑𝑖𝑎𝑔(−3, 3, 3)?

1 1 1 1 1 1
−
√3 √3 √3 1 −2 −2 13√ √2 √6 −3 0 0
1 1 1 1
R: − 2 0 [−2 1 −2] √3 =[ 0 3 0]
√ √2 √2 √6
1 1 2 −2 −2 1 1 2 ⏟0 0 3
[⏟ √6 − ] [⏟√3 0 − ]
√6 √2 √6 𝐷
𝑇𝑇 𝑇
g) Faça a decomposição espectral de A.

1 1
1
√3 − √6
1 1 1 1 √2 1 1 1 1 1 2
R: 𝐴 = (−3) 3 [ 3 ]+ (3) [ 1 ] [− 0] + (3) [ − ]
√ √ √3 √3 √2 √2 √6 √6 √6 √6
1 √2 2
[√3] 0 [− √6]
122
0 0 6 3 4 −3
5. Sejam 𝐴 = [0 0 8], 𝑢 = [4], 𝑣 = [−3] e 𝑤 = [−4].
6 8 0 5 0 5
a) Calcule 𝜆1 , 𝜆2 𝑒 𝜆3 ∈ ℛ, tais que 𝐴𝑢 = 𝜆1 𝑢, 𝐴𝑣 = 𝜆2 𝑣 e 𝐴𝑤 = 𝜆3 𝑤.

1. (𝐴 − 10𝐼3 )𝑥 = 0
2. 𝐴𝑦 = 0
3. (𝐴 + 10𝐼3 )𝑧 = 0
c) Indique os valores próprios de A bem como as respetivas multiplicidades algébricas e
geométricas.
d) Encontre algum 𝑆 ∈ ℛ 3𝑥3 tal que 𝑆 −1 𝐴𝑆 = 𝑑𝑖𝑎𝑔(10, 0, −10)
e) É possível escolher 𝑇 ∈ ℛ 3𝑥3 tal que 𝑇 𝑇 𝐴𝑇 = 𝑑𝑖𝑎𝑔(10, 0, −10)?
Soluções:
a) 𝜆1 = 10, 𝜆2 = 0 e 𝜆3 = −10
3 4
b) 1. 𝑆 = {𝑥 ∈ ℛ 3 : 𝑥 = 𝛼 (5 , 5
, 1) , 𝛼 ∈ ℛ}
4
2. 𝑆 = {𝑦 ∈ ℛ 3 : 𝑦 = 𝛼 (− , 1, 0) , 𝛼 ∈ ℛ}
3
3 4
3. 𝑆 = {𝑧 ∈ ℛ 3 : 𝑧 = 𝛼 (− 5 , − 5 , 1) , 𝛼 ∈ ℛ}
c) 𝑚. 𝑔(10) = 𝑚. 𝑎(10) = 1, 𝑚. 𝑔(0) = 𝑚. 𝑎(0) = 1 e 𝑚. 𝑔(0) = 𝑚. 𝑎(−10) = 1
3 4 5
50 50 50 0 0 6 3 4 −3 10 0 0
−1 8 6
d) 𝑆 𝐴𝑆 = 50
− 50 0 [0 0 8] [4 −3 −4]=[ 0 0 0 ] = 𝑑𝑖𝑎𝑔(10, 0, −10)
3 4 5 6 8 0 5 0 5 0 0 −10
[− 50 − 50 50]
3 4 3
−
√50 √25 √50
4 3 4
e) 𝑇 = √50
− 25
√
− 50 ,
√
T é ortogonal logo 𝑇 −1 = 𝑇 𝑇 e 𝑇 𝑇 𝐴𝑇 = 𝑑𝑖𝑎𝑔(10, 0, −10)
5 5
[ 0
√50 √50]
3 3
4 −
√50 √50
4 3 4 5 √25 4 3 4 3 4 5
f) 𝐴 = 10 √50 [ 50 ]+ 0 [− 3 ] [ 25 − 0] − 10 − √50 [− 50 − ]
√ √50 √50 √ √25 √ √50 √50
5 √25 5
[√50] 0 [ √50]
123
2 2 2
6. Seja 𝐴 = [2 0 0].
2 0 0
a) Calcule:
1. 𝑘 ∈ ℛ tal que |𝐴 − 𝜆𝐼3 | = −𝜆(𝜆 + 𝑘)(𝜆 − 2𝑘); R: 𝑘 = 2, 𝜆1 = −2, 𝜆2 = 0, 𝜆3 = 4
2. O determinante da matriz A; R: |𝐴| = 0
2 1 1
3 3 3
2 1 1 1 1 1
3. 𝑢𝑢𝑇 , sendo 𝑢𝑇 = ( , , ) R: 𝑢𝑢𝑇 = 3 6 6
√6 √6 √6
1 1 1
[3 6 6]
1 1 1 𝑇
4. 𝐴𝑣, sendo 𝑣 = [− ] R: 𝐴𝑣 = (−2)𝑣
√3 √3 √3
1. (𝐴 − 4𝐼3 )𝑥 = 0 R: 𝑆 = {𝑥 ∈ ℛ 3 : 𝑥 = 𝛼(2, 2, 1), 𝛼 ∈ ℛ}
2. 𝐴𝑦 = 0 R: 𝑆 = {𝑦 ∈ ℛ 3 : 𝑦 = 𝛽(0, −1, 1), 𝛽 ∈ ℛ}
c) Indique os valores próprios de A bem como as respetivas multiplicidades algébricas
R: 𝑚𝑔(−2) = 1 = 𝑚𝑎(−2), 𝑚𝑔(0) = 1 = 𝑚𝑎(0), 𝑚𝑔(4) = 1 = 𝑚𝑎(4)
d) Encontre algum 𝑆 ∈ ℛ 3𝑥3 tal que 𝑆 𝑇 𝐴𝑆 = 𝑑𝑖𝑎𝑔(−2, 0, 4)

1 1 1 1 2
− − 0
√3 √3 √3 2 2 2 √3 √6 2 0 0
1 1 1 1 1
R: 0 − [2 0 0] − − = [0 0 0] = 𝑑𝑖𝑎𝑔(2, 0, 4)
√2 √2 √3 √2 √6
2 1 1 2 0 0 1 1 1 0 0 4
[ √6 √6 √6 ] [ √3 √2 √6 ]
f) Faça a decomposição espectral a matriz A.

1 2
− 0
√3 1 √6
1 1 1 1 − 1 1 1 2 1 1
R: 𝐴 = −2
√3
[− √3 √3 √3
]+ 0[ √2] [0 −
√2 √2
] + 4 √6 [√6 √6 √6
]
1
1 1
[ √2
√3 ] [√6]
7. Seja 𝑀 ∈ ℛ 5𝑥5 uma matriz tal que 𝑑𝑒𝑡(𝑀 − 𝜆𝐼5 ) = −(𝜆 + 1)2 (𝜆 − 2)3 . Determine, justificando a
sua resposta:
a) 𝑡𝑟(𝑀𝑇 ); R: 4
b) 𝑑𝑒𝑡𝑀; R: 8
c) 𝑑𝑒𝑡𝑀𝑇 ; R: 8
d) 𝑑𝑒𝑡(𝑀 − 2𝐼5 ). R: 0
124
8. Seja 𝑀 ∈ ℛ 5𝑥5 uma matriz singular tal que 𝑑𝑒𝑡(𝑀 − 𝜆𝐼5 ) = −(𝜆 − ⋯ )3 (𝜆 − 3)(𝜆 − 7).
Determine, justificando a sua resposta:
a) Os valores próprios de 𝑀; R: 𝜆1 = 0, 𝜆2 = 0, 𝜆3 = 0, 𝜆4 = 3, 𝜆5 = 7
𝑇
b) 𝑡𝑟𝑀 ; R: 10
1
c) 𝑑𝑒𝑡 (9 𝑀) R: 0
6 −3 𝑘1 𝑥1 3
𝑥
9. Sejam 𝐴 = [3 0 𝑘2 ] com 𝑘1 , 𝑘2 ∈ ℛ, 𝑥 = [ 2 ] e 𝑏 = [15].
0 0 3 𝑥3 9
a) Recorrendo à regra de Cramer, determine o valor da incógnita 𝑥3 no sistema 𝐴𝑥 = 𝑏. R: 𝑥3 = 3

b) Discuta para todos os valores reais de 𝑘1 e 𝑘2 o sistema homogéneo (𝐴 − 3𝐼3 )𝑦 = 0.
R: 𝑘1 = 𝑘2 , dup. Indet.; 𝑘1 ≠ 𝑘2 , é simp. Indet.
c) Determine os elementos da terceira linha de 𝐴−1 . R: 𝑎31 = 0, 𝑎32 = 0, 𝑎33 = 3
Faça, agora, 𝑘1 = 𝑘2 = −1.
d) Resolva, por diagonalização, o sistema 𝐴𝑥 = 𝑏. R: 𝑆 = {6, 10, 3}

e) Calcule os valores próprios da matriz A, indicando as respetivas multiplicidades algébrica e
geométrica. R: 𝑚. 𝑎(3) = 3, 𝑚. 𝑔(3) = 2
f) A matriz 𝐴 é diagonalizável? Justifique. R: Não
1 2 2 −1 1 −1
1
10. Considere as matrizes 𝐴 = 𝐵, 𝐵 = [2 1 −2 ] e 𝑇 = [ 1 0 −2].
3
2 −2 1 1 1 1
a) Defina matriz ortogonal e verifique se T é ortogonal.

b) Seja 𝐷 = 𝑑𝑖𝑎𝑔(𝑑1 , 𝑑2 , 𝑑3 ) ∈ ℛ 3𝑥3. Determine 𝑑1 , 𝑑2 , 𝑑3 ∈ ℛ de modo que a matriz 𝑆 = 𝑇𝐷
seja ortogonal.
c) Calcule o determinante e o traço da matriz A.
d) Utilizando o método de eliminação de Gauss, classifique o sistema 𝐶𝑦 = 0, onde 𝐶 = 𝐴 − 𝐼3 e
𝑦 = (𝑦1 , 𝑦2, 𝑦3 ) ∈ ℛ 3 , e, determine o seu conjunto solução, indicando a caraterística da matriz
do sistema, bem como as incógnitas principais e as incógnitas livres (caso existam).
e) Obtenha dois elementos da terceira coluna da matriz inversa de A.
f) Admitindo que 𝐴 = 𝐼3 − 2𝑢𝑇 𝑢, onde 𝑢 ∈ ℛ 3 , identifique um vector unitário 𝑢 = (𝑢1 , 𝑢2, 𝑢3 )
que satisfaz a condição referida.
1 1 1
g) Verifique se 𝑤 = (− , , ) é vector próprio de A e, em caso afirmativo, indique o valor
√3 √3 √3
próprio que lhe está associado.

h) Calcule os valores próprios de A, assim como as respetivas multiplicidades algébricas e
geométricas. (Sugestão: tenha em conta as questões anteriores).
125
i) Determine dois vectores, não nulos, ortogonais pertencentes ao espaço próprio associado ao
valor próprio positivo de A.
j) A matriz T diagonaliza a matriz B? Justifique.
Problemas Finais
2 −2 4
1 1
1. Mostre que [−2 6 2] = (7)𝑢1 𝑢1𝑇 + (7)𝑢2 𝑢2𝑇 + (−2)𝑢3 𝑢3𝑇 sendo 𝑢1 = ( , 0, ),
√2 √2
4 2 3
1 4 1 2 1 2
𝑢2 = (− , , ) e 𝑢3 = (− 3 , − 3 , 3)
√18 √18 √18
1 1 3 3
2. Seja 𝐵 ∈ ℛ 2𝑥2 uma matriz tal que 𝐵 [ ] = (2) [ ] e 𝐵 [ ] = (4) [ ]. Prove que B é simétrica.
3 3 −1 −1
1 19 −3
R: 𝐵 = [ ] = 𝐵𝑇
5 −3 11
3. Seja 𝑢 = (1, 0, 2) ∈ ℛ 3 . Prove que:

a) 𝑀 = 𝑢𝑇 𝑢 é simétrica. Faça a sua decomposição espectral.
2 1
0 −
√5 √5
𝑅: (0) [1] [0 1 0] + (0) [ 0 ] [0 1 0] + (5) [ 0 ] [0 1 0]
1 2
0
√5 √5
3 4
0 5 5
2
b) 𝑁 = 𝐼3 − (𝑢𝑢𝑇 ) 𝑢𝑇 𝑢 é uma matriz simétrica e ortogonal. R: 𝑁 = [0 0 0]
4 3
5
0 −5
3 3 3
4. Seja 𝐴 = [3 0 0].
3 0 0
a) Calcule 𝑘 ∈ ℛ tal que |𝐴 − 𝜆𝐼3 | = −𝜆(𝜆 + 𝑘)(𝜆 − 2𝑘). R: 𝑘 = −3
1. (𝐴 − 6𝐼3 )𝑥 = 0
2. 𝐴𝑦 = 0
3. (𝐴 + 3𝐼3 )𝑥 = 0
c) Indique os valores próprios de A bem como as respetivas multiplicidades algébricas.
d) Determine um conjunto ortogonal de vetores unitários constituído por vetores próprios de A.
e) Indique 𝑆 ∈ ℛ 3𝑥3S tal que 𝑆 𝑇 𝐴𝑆 = 𝑑𝑖𝑎𝑔(−3, 0, 6).
126
5 0 4 1
5. Sejam 𝐴 = [0 1 0] e 𝑏 = [1]. Indique, justificando a sua resposta:
4 0 5 1
a) E utilizando o método de eliminação de Gauss, o conjunto solução de cada um dos sistemas:
1 1
𝐴𝑥 = 𝑏 e (𝐴 − 9𝐼3 )𝑦 = 𝑏; R: 𝑆 = { , 1, }; 𝑆 = {∅}
9 9
b) θ∈ ℛ de modo que 𝐴2 + 𝜃 = 10𝐴. R: 𝑥 = 9

5 4
9
0 −9
c) A matriz inversa de A. R: 𝐴−1 = [ 0 1 0]
4 5
−9 0 9
d) Os valores próprios de A, indicando as respetivas multiplicidades algébricas.

R: 𝑚. 𝑎(1) = 𝑚𝑔(1) = 2 e 𝑚. 𝑎(9) = 𝑚𝑔(9) = 1
e) O espaço próprio associado ao menor valor próprio de A.
R: 𝐸(1) = {𝑢 ∈ ℛ 3 : 𝑢 = 𝛼(−1, 0, 1), 𝛼 ∈ ℛ}
1 1
− 0
√2 √2
f) Um conjunto ortonormal constituído por três vetores próprios de A. R: [ 0 1 0]
1 1
0
√2 √2
g) A decomposição espetral de A.
1 1
− 0
√2 1 1 √2 1 1
R: 𝐴 = (1) [ 0 ] [− √2 0 ] + (1) [1] [0 1 0] + (9) [ 0 ] [√2 0 ]
1 √2 1 √2
0
√2 √2
6. Construa uma matriz 𝐶 ∈ ℛ 2𝑥2, tal que 𝐶𝑣 = 𝑣 e 𝐶𝑤 = 5𝑤 sendo 𝑣 = (−2, 1) e 𝑤 = (2, 1).
R: 𝐶 = 𝐼2
0 1 1 1 −1 0
7. Sejam 𝐴 = [1 0 1] e 𝐵 = [ 1 0 −1] duas matrizes reais de ordem três.
1 1 0 0 1 −1
a) Indique o conjunto solução do sistema (𝐴 + 𝐼3 )𝑧 = 0.
R: 𝑆 = {𝑧 ∈ ℛ 3 : 𝑧 = 𝛼(−1, 1 0) + 𝛽(−1, 0, 1), 𝛼, 𝛽 ∈ ℛ}

1 1 1
−2 2 2
1 1 1
b) Calcule a matriz inversa da matriz A. R: 𝐴−1 = 2
−2 2
1 1 1
[ 2 2
− 2]
c) Verifique que 𝐶 = 𝐵𝑇 𝐵 = 2𝐼3 − 𝐴.
d) Determine S∈ ℛ 3𝑥3 sabendo que 𝑆 𝑇 𝐴𝑆 = 𝐷, onde D é uma matriz diagonal.
127
2 1 1 2 1
− − 0
√6 √6 √6 0 1 1 √6 √3 −1 0 0
1 1 1 1 1
R: 0 − 2 [1 0 1] − = [ 0 −1 0]
√ √2 √6 √2 √3
1 1 1 1 1 0 1 1 1 0 0 2
[ √3 √3 √3 ] [ √6 √2 √3]
8. Seja M uma matriz simétrica, quadrada de ordem três, que satisfaz as seguintes condições:
1. 𝑡𝑟(𝑀) = 0, onde 𝑡𝑟(𝑀) representa o traço da matriz M;
2. 𝑀𝑢 = 2𝑢, onde 𝑢 = (1, 1, 1);
3. 𝑀𝑣 = −𝑣, onde 𝑣 = (2, −2, 0);
4. 𝑀−1 𝑤 = −𝑤, onde 𝑤 = (−1, 0, 1);
a) Indique os valores próprios da matriz M.
b) Determine um conjunto ortonormal constituído por três vetores próprios de M.
c) Construa a matriz M que satisfaz as quatro condições anteriores (Sugestão: tenha em conta as
0 1 1
alíneas anteriores). R: 𝑀 = [1 0 1]
1 1 0
128
Índice
Capítulo I: Matrizes Pág.
1.1 Conceito de vetor. Operações com vetores e algumas propriedades: adição de vetores e 1
multiplicação de um vetor por um escalar. Combinação linear de um conjunto de vetores.
1.2 Produtos com vetores e normas: vetores ortogonais, conjunto ortogonal de vetores, 7
conjunto ortonormal de vetores.
1.3 Conceito de matriz. Matrizes especiais: matriz linha, matriz coluna, matriz triangular, 13
matriz diagonal, matriz escalar, matriz identidade; matriz transposta, matriz ortogonal.
1.4 Operações com matrizes e algumas propriedades: adição de matrizes, multiplicação de 20
uma matriz por um escalar e multiplicação de matrizes.
1.5 Matrizes fracionadas: conceito de submatriz, adição e multiplicação de matrizes 29
fracionadas. Espaço coluna de uma matriz. Matrizes elementares e matriz de permutação.
1.6 Inversão de matrizes. 35
Capítulo II: Sistemas de equações lineares
2.1 Resolução e discussão de sistemas de equações algébricas lineares. Condensação de 45

matrizes. Característica de uma matriz. Algoritmo de Gauss.
2.2 Sistemas homogéneos. Conjunto solução de um sistema homogéneo. Espaço nulo ou 53
núcleo de uma matriz.
2.3 Aplicação do estudo de sistemas de equações lineares na inversão de matrizes. 59
Capítulo III: Determinantes
3.1 Introdução da noção de determinante. Determinante de primeira ordem e determinante de 72

segunda ordem: definição e propriedades.
3.2 Determinante de ordem n: definição e propriedades. Cálculo do determinante de uma 73
matriz à custa do determinante de uma matriz triangular obtida por eliminação de Gauss.
3.3 Aplicações dos determinantes no cálculo da matriz inversa e na resolução de sistemas de 79
equações lineares (regra de Cramer).
Capítulo IV: Valores próprios e vetores próprios
4.1 Conceito de valor próprio e vetor próprio de uma matriz quadrada. 92

4.2 Polinómio característico de uma matriz quadrada. 92
129
4.3 Espaço próprio, multiplicidade algébrica e multiplicidade geométrica de um valor próprio. 92
4.4 Diagonalização de matrizes. 100
4.5 Matrizes simétricas e matrizes anti-simétricas. Diagonalização de matrizes simétricas. 104
Espectro e decomposição espectral de uma matriz simétrica. 108
Adaptado de Lições de Álgebra Linear (2ª Edição) de Teresa Pedroso de Lima
por
Filomena Sousa
em
2021
130

Manual de Álgebra Linear

Enviado por

Direitos autorais:

Formatos disponíveis

Manual de Álgebra Linear

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Manual de Álgebra Linear

Enviado por

Direitos autorais:

Formatos disponíveis

Universidade Mandume ya Ndemofayo – Faculdade de Economia -

O conjunto ℛ 2 = {(𝑥1 , 𝑥2 ), 𝑥1 , 𝑥2 ∈ ℜ} é interpretado, geometricamente, como o plano cartesiano.

Chamamos vector a uma sequência ordenada de números reais.

Mais concretamente, se ℛ é o conjunto dos números reais e ℛ 𝑛 = ℛ 𝑥 ℛ 𝑥 … 𝑥 ℛ =

e representamos o vector 𝑥 ∈ ℛ 𝑛 pelo n-uplo1 (𝑥1 , 𝑥2 , … , 𝑥𝑛 ).

Definição 2 (Igualdade de vectores)

Dizemos que 𝑥 = (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) e 𝑦 = (𝑦1 , 𝑦2 , … , 𝑦𝑛 ) - dois vectores de ℛ 𝑛 - são iguais se e só

Definição 3 (Vector nulo)

𝑥 + 𝑦 = (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) + (𝑦1 , 𝑦2 , … , 𝑦𝑛 ) = (𝑥1+ 𝑦1 , 𝑥2 + 𝑦2 , … , 𝑥𝑛 + 𝑦𝑛 )

Sejam 𝑥 = (1, 2, 3) e 𝑦 = (−1, 0, −5) dois vectores de ℛ 3 . Calcule 𝑢 = 𝑥 + 𝑦 e 𝑣 = 𝑥 − 𝑦.

𝑣 = 𝑥 − 𝑦 = (1, 2, 3) − (−1, 0, −5) = [1 − (−1), 2 − 0, 3 − (−5)] = (2, 2, 8)

Definição 5 (Multiplicação escalar em ℛ 𝑛 )

𝛼. 𝑥 = 𝛼(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) = (𝛼𝑥1 , 𝛼𝑥2 , … , 𝛼𝑥𝑛 )

a) Sejam 𝑥 = (1, 2, 3) e 𝑦 = (−1, 0, −5) vectores de ℛ 3 . Calcule 𝑤 = 5𝑥 − 3𝑦 e

a) Sabendo que 𝑎 + 𝑏 = (3, 1) e 𝑎 − 𝑏 = (1, 3), determine as coordenadas dos vetores

𝑎 + 𝑏 = (3, 1) (𝑎1, 𝑎2 ) + (𝑏1, 𝑏2 ) = (3, 1) (𝑎 + 𝑏1 , 𝑎2 + 𝑏2 ) = (3, 1)

Os vectores procurados são: (𝑎1 , 𝑎2 ) = (2, 2) e (𝑏1 , 𝑏2 ) = (1, −1).

a) Determine 𝑎 ∈ ℛ de modo que 2(1, 2, 3) − 3(2, 5, −𝑎2 + 𝑎 + 2) = (−4, −11, 6).

• Se 𝑎 = −1, temos que:

Logo, os valores de 𝑎 ∈ ℛ que satisfazem a igualdade dada são: {−1, 2}.

1. Determine 𝑎 ∈ ℛ de modo que 3(1, 2, 3) − 2(1,0,2) = (√𝑎 − 2, 6, 5). R: 𝑎 = 9

Propriedades da adição de vectores e da multiplicação de um vector por um escalar

Sejam 𝑢, 𝑣 𝑒 𝑤 vectores de ℛ 𝑛 e 𝛼 e 𝛽 ∈ ℛ. Então:

1. A adição de vectores é associativa, isto é: (𝑢 + 𝑣) + 𝑤 = 𝑢 + (𝑣 + 𝑤)

2. A adição de vectores é comutativa, isto é: 𝑢 + 𝑣 = 𝑣 + 𝑢

3. Se 0 é o vector nulo, então: 𝑢 + 0 = 0 + 𝑢 = 𝑢

6. 1𝑥 𝑢 = 𝑢 sendo 1 o elemento neutro da multiplicação em  .

Definição 6 (Combinação linear de um conjunto de vectores)

[𝑣] = 𝛼1 [𝑣1 ] + 𝛼2 [𝑣2 ] + ⋯ + 𝛼𝑝 [𝑣𝑝 ]

é uma combinação linear dos vetores 𝑣1 , 𝑣2 , … , 𝑣𝑝 .

𝛼 − 𝛽 = −1 𝛼=2 𝛼=2 𝛼=2 𝛼=2

Como existem os escalares 𝛼 = 2 e 𝛽 = 3 tais que 𝑢 = 2𝑥 + 3𝑦, 𝑣 é combinação linear dos

(2, 6, 6) = (𝛼, 2𝛼, 3𝛼) + (−𝛽, 0, −5𝛽) ⇔ (2, 6, 6) = (𝛼 − 𝛽, 2𝛼, 3𝛼 − 5𝛽 ) ⇔

1. Considere os vectores 𝑢1 = (1, 2, 3), 𝑢2 = (2, 0, 1) e 𝑢3 = (−1,2, 2) de ℛ 3 .

a) Verifique se 𝑢1 é combinação linear dos vectores 𝑢2 e 𝑢3 . R: Sim (𝛼 = 1, 𝛽 = 1)

b) Verifique se 𝑢2 é combinação linear dos vectores 𝑢1 e 𝑢3 . R: Sim (𝛼 = 1, 𝛽 = −1)

c) Verifique se 𝑢3 é combinação linear dos vectores 𝑢1 e 𝑢2 . R: Sim (𝛼 = 1, 𝛽 = −1)

Definição 7 (Produto interno2 em 𝓡𝒏 )

Sejam 𝑥 = (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) e 𝑦 = (𝑦1 , 𝑦2 , … , 𝑦𝑛 ) vectores de ℛ 𝑛 , então:

é o produto interno do vector 𝑥 pelo vector 𝑦.

c) Se 𝑧 = (−1, −2, 0) então 〈𝑧, 𝑧〉 = (−1)(−1) + (−2)(−2) + (0)(0) = 5

Definição 8 (Vectores ortogonais)

Dois vectores 𝑥 = (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) e 𝑦 = (𝑦1 , 𝑦2 , … , 𝑦𝑛 ) dizem-se ortogonais em ℛ 𝑛 se e só se o seu

a) Os vectores 𝑥 = (1, 2) e 𝑦 = (−2, 1) são ortogonais, visto que:

1. Mostre que o vector nulo (0, 0, 0) é ortogonal a todos os vectores de ℛ 3 .

Definição 9 (Conjunto ortogonal de vectores)

Sejam 𝑣1 , 𝑣2 … 𝑣𝑝 vectores de ℛ 𝑛 . Dizemos que {𝑣1 , 𝑣2 … 𝑣𝑝 } é um conjunto ortogonal de vectores

a) Determine um vector, não nulo de ℛ 3 , 𝑧 = (𝑧1 , 𝑧2 , 𝑧3 ), 𝑧1 , 𝑧2 , 𝑧3 ∈ ℛ, ortogonal a

Por definição, o vector 𝑧 é ortogonal ao vector 𝑤 se e só se 〈𝑧, 𝑤〉 = 0 ⇔ 2𝑧1 − 𝑧2 = 0 ⇔

1. Seja 𝑢 = (4, 0, −4) um vector de ℛ3. Determine um vector, não nulo,

𝑤 = (𝑤1 , 𝑤2 , 𝑤3 ), 𝑤1 , 𝑤2 , 𝑤3 ∈ ℛ, que seja ortogonal a 𝑢 e que, além disso, se escreva como

combinação linear dos vectores (−1, 1, 0) e (1, 2, −3). R: 𝑤 = 𝛽 (−3, 6, −3), 𝛽 ∈ ℛ

combinação linear dos vectores 𝑥 = (1, 2, 3) e 𝑦 = (−3, 1, −2). R: 𝑤 = 𝛽 (4, 1, 5), 𝛽 ∈ ℛ

3. Dados os vectores 𝑢 = (1, 1, 1), 𝑣 = (0, 1, −1). Determine um vector 𝑥 = (𝑥1 , 𝑥2 , 𝑥3 ) ∈ ℛ 3 ,

Definição 10 (Comprimento euclidiano3 em 𝓡𝒏 )

Dado o vector 𝑥 = (𝑥1 , 𝑥2 , 𝑥3 ) ∈ ℛ 𝑛 , dizemos que o número real

‖𝑥‖ = √𝑥12 + 𝑥22 + ⋯ + 𝑥𝑛2 = √〈𝑥, 𝑥〉

é o comprimento euclidiano (ou norma euclidiana) do vector 𝑥.

a) Em ℛ 2 , se 𝑥 = (1, 2) e 𝑦 = (1, −1) então:

‖𝑥‖ = √12 + 22 = √5 e ‖𝑦‖ = √12 + (−1)2 = √2