1.

7 Cálculo integral

Consideremos uma função contínua f : [a, b] → R tal que f ≥ 0 em [a, b].

Pretende-se calcular a área da região R delimitada pelo gráfico de f e pelo

eixo dos xx,

! "
R = (x, y) ∈ R2 : a ≤ x ≤ b, 0 ≤ y ≤ f (x) ,

que se encontra assinalada na seguinte figura.

y y = f (x)

a
x
b

O cálculo da área de R não é trivial.

Podemos começar por calcular uma aproximação para o valor da área

de R calculando a área de um rectângulo de base b − a e de altura f (c),

c ∈ [a, b].

y = f (x)
y
f (c)

a c
x
b

Nessa altura,

área R ≈ f (c)(b − a).

53
 De modo a melhorar a aproximação podemos subdividir o intervalo [a, b]

em n intervalos de igual amplitude h = (b − a)/n, [ai , ai+1 ], i = 0, . . . , n − 1,

e calcular a área de n rectângulos de base h e altura f (ci ), ci ∈ [ai , ai+1 ].

c0 c1 c2 x
a = a0 a1 a2 ··· an−1 b = an

Assim,

área R ≈ f (c1 )h + · · · + f (cn )h.

Intuitivamente a aproximação será tanto melhor quanto mais pequena

for a amplitude h dos intervalos, ou seja, quanto maior for o número de

intervalos. De facto, pode-se mostrar que,

área R = lim (f (c1 )h + · · · + f (cn )h).

h→0

A este valor chamamos integral (definido) de f no intervalo [a, b] que se

representa por
# b
f (x)dx.
a

A função f (x) designa-se por função integranda e a, b designam-se por ex-

tremos de integração.

A noção de integral pode ser estendida para qualquer função contínua

f : [a, b] → R.

54
Propriedades do integral

Sejam f, g : I = [a, b] → R funções contínuas em [a, b], λ ∈ R e c ∈ [a, b].

Tem-se:

• Linearidade do integral:
#b #b #b
1. (f (x) + g(x))dx = f (x)dx + g(x)dx.
a a a
#b #b
2. λ f (x) dx = λ f (x)dx.
a a

• Monotonia do integral: se f (x) ≥ g(x) para todo o x ∈ I tem-se,

#b #b
f (x) dx ≥ g(x)dx.
a a

• Aditividade do integral:

#b #c #b
f (x) dx = f (x) dx + f (x) dx.
a a c

Por convenção tem-se ainda:

#a
• f (x) dx = 0,
a

#a #b
• f (x) dx = − f (x) dx = 0.
b a

55
Exemplos

1. Sabendo que
#1 #1
1 1
x dx = e que x2 dx = ,
2 3
0 0
obtemos pelas propriedades anteriores

#1 #1 #1
2
(x + 5x ) dx = x dx + 5x2 dx
0 0 0
#1 #1
1 5 13
= x dx + 5 x2 dx = + = .
2 3 6
0 0

#1 #1
2 √
2. Pretende-se comparar os integrais x dx e x dx sem os determi-
√ 0 0
nar. Ora, como a função x ≥ x2 em [0, 1], vem pela monotonia do

integral que
#1 #1
2 √
x dx ≤ x dx.
0 0

Para calcular integrais tem-se a seguinte fórmula, conhecida por fórmula

fundamental do cálculo integral ou fórmula de Barrow que relaciona o con-

ceito de integral que envolve a noção de área e o conceito de primitiva, que

envolve a noção de derivada.

Teorema Sejam f : I = [a, b] → R uma função contínua e F : I → R uma

primitiva de f . Então

#b $ %b
f (x)dx = F (x) = F (b) − F (a).
a
a

56
Exemplos
#b #b
1. k dx = k 1 dx = k[x]ba = k(b − a).
a a

#1 & '1
x2 1
2. x dx = = .
2 0 2
0

#6
√
3. Pretende-se calcular x + 1 dx.
2
f α+1
Recordemos que P f " f α = (α (= −1). Assim,
α+1
#6 #6 ( 3
)6
√ 1 (x + 1) 2
x + 1 dx = (x + 1) 2 dx = 3
2 2
2 2
2$ %
3 6 2 3 3
= (x + 1) 2 = (7 2 − 3 2 ).
3 2 3
#3
4. Pretende-se calcular e−x dx.
1
" f
Recordando que P (f e ) = ef , vem
#3 #3
−x
* +3
e dx = − −e−x dx = − e−x 1 = −(e−3 − e−1 ) = e−1 − e−3 .
1 1

#3
5. Pretende-se calcular |2 − x| dx.
1
 

 

 2 − x, 2 − x ≥ 0  2 − x, 1 ≤ x ≤ 2
Tem-se |2 − x| = = .

 

 x − 2, 2 − x ≤ 0  x − 2, 2 ≤ x ≤ 3

x
1 2 3

57
 Assim

#3 #2 #3
|2 − x| dx = (2 − x) dx + (x − 2) dx
1 1 2
& '2'3 &
x2
x2
= 2x −
+ − 2x
1 22 2
0 11 09 1
= (4 − 2) − 2 − + − 6 − (2 − 4) = 1.
2 2

#e
6. Pretende-se calcular ln x dx.
1
Primitivando por partes vem

1
P 1 · ln x = x ln x − P x = x ln x − x = x(ln x − 1),
x

e portanto,

#e
ln x dx = [x(ln x − 1)]e1 = e(1 − 1) − (−1) = 1.
1

#1
arctg x
7. Pretende-se calcular dx.
1 + x2
0
1
Recordando que (arctg x)" = 1
1+x2
e que P f " f = f 2 obtemos
2

arctg x 1 1
P =P arctg x = arctg2 x.
1 + x2 1 + x2 2

Portanto,

#1
arctg x 1* 2 1
+ 1 2 2 1 0 π 12 π 2
dx = arctg x = (arctg 1 − arctg 0) = = .
1 + x2 2 0 2 2 4 32
0

√
# 3
dx
8. Pretende-se calcular .
arctg x(1 + x2 )
1

58
 "
Recordando que P ff = ln |f |,

1
1 2
P = P 1+x = log |arctg x|,
arctg x(1 + x2 ) arctg x

e portanto,
√
#3 $ %√ 3 √
dx
= log |arctg x| = log |arctg 3| − log |arctg 1|
arctg x(1 + x2 ) 1
1
π π 4
= log − log = log .
3 4 3
√
2
#2
x dx
9. Pretende-se calcular, √ .
√ 1 − x4
2
− 2

Recordando que (arcsen x)" = √ 1 , e que

1−x2

1 f"
(arcsen f )" = 2 f" = 2 ,
1 − f2 1 − f2

vem
x 1 2x 1
P √ = P2 = arcsen x2 ,
1 − x4 2 1 − (x2 )2 2

e portanto,
√
2
#2 √ 3 4
x dx 1$ % 2
2 1 1 1
√ = arcsen x2 √2 = arcsen − arcsen = 0.
√
1−x 4 2 − 2 2 2 2
2
− 2

#1
dx
10. Pretende-se calcular, .
x2 −4
−1
1
A função 2 é uma função racional própria pois é um quociente
x −4
de dois polinómios, sendo que o grau do denominador superior ao do

numerador. O polinómio x2 −4 tem duas raízes simples −2, 2 e portanto

59
admite a factorização x2 −4 = (x+2)(x−2). Assim existem constantes

reais A, B tais que

1 1 A B
= = +
x2 − 4 (x − 2)(x + 2) x−2 x+2

A(x + 2) + B(x − 2) (A + B)x + 2(A − B)

= = ,
(x − 2)(x + 2) x2 − 4

e portanto
  

 
 

 A+B =0  B = −A  B = −1
4
⇔ ⇔

 
 

 2(A − B) = 1  4A = 1  A = 14 .

Daqui resulta que

1 1 1
= −
x2 −4 4(x − 2) 4(x + 2)

e portanto

#1 #1 & '
dx 1 1
2
= − dx
x −4 4(x − 2) 4(x + 2)
−1 −1
#1 #1
1 dx 1 dx
= −
4 x−2 4 x+2
−1 −1
1$ %1
= log |x − 2| − log |x + 2|
4 −1
1 log 3
= (log 1 − log 3 − log 3 + log 1) = − .
4 2

60
Aplicações do cálculo integral

• Cálculo de áreas.

• Cálculo de volumes de sólidos de revolução.

• Cálculo de comprimentos de arco.

Cálculo de áreas

Teorema Sejam f, g : I = [a, b] → R são funções contínuas tais que

f (x) ≥ g(x) para todo o x ∈ [a, b]. A área da região

{(x, y) ∈ R2 : a ≤ x ≤ b, g(x) ≤ y ≤ f (x)}.

#b
é dada pelo integral (f (x) − g(x))dx.
a

y y = f (x)

a
x
b
y = g(x)

Se o sinal de f − g não for constante no intervalo [a, b] temos que de-

terminar os pontos onde os gráficos de ambas as funções se intersectam e

decompôr o intervalo em subintervalos onde esse sinal se mantenha cons-

tante. O valor da área será então a soma das áreas associadas a cada um

desses subintervalos.

61
Exemplos

1. Calcular a área da região delimitada por y = |x| e y = 2 − x2 .

y
y = |x|

1
R

√ √
− 2 2
x
−1 1
y = 2 − x2

#1
Área = ((2 − x2 ) − |x|)dx
−1
#0 #1
2
= ((2 − x ) − (−x))dx + ((2 − x2 ) − x)dx
−1 0
& '0 & '1
x3 x2 x3 x2
= 2x − + + 2x − −
3 2 −1 3 2 0
(−1)3 (−1)2 1 1 7
= −(2(−1) − + ) + (2 − − ) = .
3 2 3 2 3

2. Pretende-se calcular a área da região

5 6
1 x
R = (x, y) : 0 ≤ y ≤ , ≤ y ≤ 2x, .
x 4

y = 2x

√
2 x
y= 4

1 R
1
2 y= x
√ x
2 2
2

62
 Para isso necessitamos de determinar os pontos de intersecção dos grá-

ficos de cada uma das funções. Ora, a intersecção da hipérbole y = 1

x

com a recta y = 2x obtém-se resolvendo o sistema

  

 
 


 y = x1 
 y = x1 
 y = x1

 
 

  
⇔ ⇔

 
 


 
 


 
 1 

 y = 2x  x = 2x  x2 = 2.

√
2
√
Como y ≥ 0 obtemos o ponto ( 2 , 2). Analogamente a intersecção

da hipérbole y = x1 com a recta y = x4 obtém-se resolvendo o sistema

  

 
 


 y = x1 
 y = x1 
 y = x1

 
 

  
⇔ ⇔

 
 


 
 


 
 

 y = x2  x1 = x2  x2 = 4.

Como y ≥ 0 obtemos o ponto (2, 12 ). Assim,

√
2
#2 0 #2 3 4
x1 1 x
Área = 2x − dx + − dx
4 √
x 4
0 2
2
√
& ' 2 & '2
7 x2 2 x2
= + log |x| − = ···
4 2 0 8 √2
2

Cálculo de volumes de sólidos de revolução

Vejamos agora como calcular o volume de sólidos de revolução usando o

integral definido.

Seja f : [a, b] → R é uma função contínua tal que f (x) ≥ 0. Seja V ⊂ R3

o sólido de revolução em torno do eixo do xx definido por f , i.e., o volume

63
da região definida por rotação da área

{(x, y) : a ≤ x ≤ b, 0 ≤ y ≤ f (x)},

em torno do eixo do xx.

y y = f (x)

a b x

Teorema O volume do sólido de revolução definido por y = f (x) é dado

pela fórmula,
#b
V = π f 2 (x) dx.
a

Exemplo

Pretende-se calcular o volume do cone de altura h = 1 e cuja base é uma

disco de raio R = 1. O cone é o sólido de revolução definido pela função

f : [0, 1] → R definida por f (x) = x.

y
y = f (x)

1
x
1

64
 O volume do cone é dado por

#1 & '1
2 x3 π
V = π x dx = π = .
3 0 3
0

Cálculo de comprimentos de arco

Vejamos por último como calcular o comprimento de arco (ou comprimento

de linha) para curvas definidas como gráficos de funções. Intuitivamente o

comprimento de arco de uma função f : [a, b] → R representa o comprimento

de uma linha de expessura nula que é sobreposta ao gráfico de f entre os

pontos (a, f (a)) e (b, f (b)).

Teorema Se f : [a, b] → R é uma função com derivada contínua em [a, b], o

comprimento de arco de f (x) entre os pontos (a, f (a)) e (b, f (b)) é dado por

#b 2
l(f ) = 1 + [f " (x)]2 dx.
a

Exemplo Pretende-se calcular o perímetro de uma circunferência de raio 1

de equação x2 + y 2 = 1. Esta equação determina duas semi-circunferências,

√
uma situada no semi-plano superior de equação y = 1 − x2 e outra situada
√
no semi-plano inferior de equação y = − 1 − x2 . O perímetro da cirunfe-
√
rência obtém-se duplicando o comprimento de arco de y = f (x) = 1 − x2

entre os pontos (−1, 0) e (1, 0) (ver a seguinte figura).

65
 y
√
y= 1 − x2
1

x
−1 1

√
y = − 1 − x2

O perímetro da semi-circunferência é dado por

7 3 42
#1 2 #1
" 2
−x
1 + [f (x) ] dx = 1+ √ dx
1 − x2
−1 −1
#1 8
x2
= 1+ dx
1 − x2
−1
#1 8
1 − x2 + x2
= dx
1 − x2
−1
#1
1
= √ dx
1 − x2
−1
$ %1 π π
= arcsin x = arcsin 1 − arcsin (−1) = − (− ) = π.
−1 2 2

Logo o perímetro da circunferência de raio 1 é 2π.

Integral indefinido

Seja f : [a, b] → R uma função integrável. Chama-se integral indefinido de f

(com origem em x = a) à função

#x
F (x) = f (t) dt, x ∈ [a, b]
a

66
 y

f (x)

x
a x b

Área = F (x)

Exemplos
#x & 'x
t2 x2
1. Se f (x) = x, x ∈ [0, 1], então F (x) = t dt = = .
2 0 2
0




 2, 0 ≤ x < 1,



2. Seja f (x) = 0, 1 ≤ x < 3,






 −1, 3 ≤ x ≤ 4.

Seja F (x) o integral indefinido de f (x). Vamos determinar uma ex-

pressão analítica para F (x).

67
 #x
Por definição temos F (x) = f (t) dt, x ∈ [0, 4], ou seja,
0


 9x

 2 dt, 0 ≤ x < 1,




0







 91 9x
F (x) = 2 dt + 0 dt, 1≤x<3

 0 1











 91 93 9x

 2 dt + 0 dt + (−1) dt, 3 ≤ x ≤ 4,
0 1 3




 2x, 0 ≤ x < 1,



= 2 + 0, 1 ≤ x < 3,






 2 + 0 + (−x + 3), 3 ≤ x ≤ 4.

Assim, 



 2x, 0 ≤ x < 1,



F (x) = 2, 1 ≤ x < 3,






 −x + 5, 3 ≤ x ≤ 4.




 x − 1, 1 ≤ x ≤ 2,
3. Seja f (x) = .


 3, 2<x≤4

68
 Então


 9x

 (t − 1) dt, 1 ≤ x ≤ 2,


#x 
 1
F (x) = f (t) dt =


1 


 92 9x

 (t − 1) dt + 3 dt, 2 < x ≤ 4,
 1 2
 $ % x

 t2

 2 −t , 1 ≤ x ≤ 2,

 1
=



 $2 %2 $ %x


 t2 − t + 3 t , 2 < x ≤ 4,
1 2


 x2
 1


 2 − x + 2, 1 ≤ x ≤ 2,

=





 1 11
 2 + 3x − 6 = 3x − 2 , 2 < x ≤ 4.

y
f (x)

x
1 2 3
y x

11
2

F(x)

F (x)

1
2
x
1 2 3
x

Nestes exemplos pode-se constatar que o integral indefinido de uma fun-

ção f é uma função contínua, mesmo que f não o seja. De facto, esta e

outras propriedades, muito importantes são verificadas pelo integral indefi-

nido como vamos ver agora.

69
 #x
Teorema Seja f : [a, b] → R uma função integrável e seja F (x) = f (t) dt,
a
x ∈ [a, b] o integral indefinido de f . Tem-se:

(i) O integral indefinido é uma função contínua em [a, b].

(ii) Se f (x) ≥ 0 [f (x) ≤ 0] para todo o x ∈ [a, b] então F (x) é uma função

crescente [resp. decrescente] em [a, b].

(iii) Se f (x) é uma função contínua em x0 ∈ [a, b] então F (x) é uma função

derivável em x0 e tem-se F " (x0 ) = f (x0 ). Em particular, se f (x) for

contínua em [a, b] então F (x) é uma função derivável em [a, b], tendo-
3# x 4"
se F " (x) = f (x) para todo o x ∈ [a, b], ou seja, f (t) dt = f (x),
a
para todo o x ∈ [a, b].

A propriedade (iii) significa que se f (x) for contínua em [a, b], F (x) é

a única primitiva de f (x) em [a, b] que se anula em x = a. Ainda como

consequência do teorema anterior obtemos imediatamente a fórmula funda-

mental do cálculo integral (fórmula de Barrow) dada anteriormente.

O integral indefinido pode ser estendido aos intervalos abertos.

Teorema Seja f : I → R uma função contínua num intervalo aberto I. Seja

#x
a ∈ I. Consideremos a função F (x) = f (t) dt. Então F (x) é uma função
a
derivável em I e tem-se F " (x) = f (x) para todo o x em I.

70
Capítulo 2

Cálculo vectorial e matricial

2.1 Vectores

Chamamos vector com n componentes reais ao n-uplo,

$x = (x1 , . . . , xn ) ∈ Rn ,

onde Rn denota o produto cartesiano,

R
: ×R×
;<· · · × R= = {(x1 , . . . , xn ) : xi ∈ R}.
n factores

Iremos estar particularmente interessados em vectores com 2 e 3 componen-

tes, i.e., vectores no plano e no espaço.

Representação geométrica de um vector num sistema de eixos coordenados:

x3

x2 $x = (x1 , x2 ) $x = (x1 , x2 , x3 )

O x2
O x1
x1 (x1 , x2 , 0)

71
Operações com vectores

• Adição de vectores

Dados $x = (x1 , . . . , xn ) e $
y = (y1 , . . . , yn ) define-se

$x + $y = (x1 + y1 , . . . , xn + yn ).

$x + $y
x 2 + y2

$y
y2

x2 $x

y1 x1 x 1 + y1

(Regra do paralelogramo)

• Multiplicação de um vector por um escalar

Dados $x = (x1 , . . . , xn ) e λ ∈ R define-se λ$x = (λx1 , . . . , λxn ).

λ$x
λx2

$x
x2

x1 λx1

(λ = 2 na figura)

Norma (ou comprimento) de um vector

Dado $x = (x1 , . . . , xn ), define-se norma de $x por

>
,$x, = x21 + x22 + · · · + x2n .

72
 %x% $x

Propriedades da norma. Para todos os vectores $x, $y ∈ Rn e escalar λ ∈ R,

tem-se:

• ,$x, ≥ 0;

• ,λ$x, = |λ|,$x,;

• ,$x ± $y , ≤ ,$x, + ,$y , (Desigualdade triangular).

Um vetor $v ∈ Rn diz-se unitário se ,$v , = 1. Dado um vetor não nulo,

$x ∈ Rn , define-se versor de $x, vers($x), como sendo o único vetor unitário

com a mesma direção e sentido que $x. Daqui resulta que vers(x) = α$x com
1
α > 0 tal que ,α$x, = α,$x, = 1. Logo α = e portanto,
,$x,

$x
vers($x) = .
,$x,
2
Por exemplo, se $x = (3, 4), ,(3, −4), = 32 + (−4)2 = 5 e tem-se
3 4
$x 3 4
vers($x) = = , .
,$x, 5 5

Dizemos que normalizámos o vetor $x.

Distância entre $x = (x1 , . . . , xn ) e $y = (y1 , . . . , yn ) é

2
d($x, $y ) = ,y − x, = (y1 − x1 )2 + · · · + (yn − xn )2 .

73
Produto interno

Dados $x = (x1 , . . . , xn ) e $y = (y1 , . . . , yn ), define-se produto interno (ou

produto escalar) de $x e $y por

$x|$y = x1 y1 + x2 y2 + · · · + xn yn .

Propriedades do produto interno. Para todos os vectores $x, $y , $z ∈ Rn e para

todo o escalar λ ∈ R, tem-se:

• $x|$y = $y |$x;

• $x|($y + $z ) = $x|$y + $x|$z ;

• λ($x|$y ) = (λ$x)|$y = $x|(λ$y );

As propriedades anteriores decorrem imediatamente das propriedades

análogas verificadas para o produto de números reais e mostram que am-

bos os produtos se operam de modo semelhante. Por exemplo, os casos

notáveis da multiplicação em R,

(a ± b)2 = a2 ± 2ab + b2 , (a − b)(a + b) = a2 − b2 ,

‘transcrevem-se” para o produto interno como,

($x ± $y)|($x ± $y) = $x|$x ± 2$x|$y + $y |$y = ,$x,2 ± 2$x|$y + ,$y ,2 ,

($x − $y )|($x + $y ) = $x|$x − $y |$y = ,$x,2 − ,$y ,2 .

Vamos agora ver como a noção de produto interno permite definir rigo-

rosamente as noções de comprimento, ortogonalidade e ângulo.

74
Produto interno e norma

Dado $x ∈ Rn , $x = (x1 , . . . , xn ), tem-se ,$x,2 = x21 + · · · + x2n = $x|$x, ou seja,

2
,$x, = $x|$x

Produto interno e ortogonalidade

Sejam $x e $y vectores de Rn . Tem-se:

• ,$x + $y ,2 = ($x + $y )|($x + $y ) = $x|$x + $y|$y + 2 $x|$y = ,$x,2 + ,$y ,2 + 2 $x|$y .

• Se $x ⊥ $y tem-se também ,$x + $y ,2 = ,$x,2 + ,$y ,2 (Teo. de Pitágoras).

$x + $y

$y

$x

Assim

$x ⊥ $y ⇔ ,$x,2 + ,$y ,2 + 2 x|y = ,$x,2 + ,$y ,2 ⇔ 2 x|y = 0 ⇔ x|y = 0,

ou seja,

$x|$y = 0 ⇔ $x ⊥ $y .

Produto interno, ângulo de vectores e projeção ortogonal

Para definir ângulo entre 2 vetores consideremos vectores não nulos $x e $y e a

projeção ortogonal de $y sobre o vetor $x, proj#x ($y ) = α$x. Suponhamos ainda

α > 0.

75
Tem-se,

,α$x,
• cos θ = ⇔ ,α$x, = ,$y , cos θ;
,y,

• $y = α$x + $z para algum $z ⊥ $x.

$z
$y
θ
$x
α$x

Assim,

$x|$y = $x|(α$x + $z )

= α($x|$x) + $x|$z
:;<=
0
= α,$x, ,$x, (2.1)

= ,$x, ,$y , cos θ (2.2)

Logo, de (2.2) e (2.1) obtém-se respetivamente,

$x|$y π
cos θ = , 0≤θ≤
,$x, ,$y , 2
$x|$y
α =
,$x,2

π
A fórmula anterior é também válida quando 2 ≤ θ ≤ π, isto é, quando α ≤ 0

(a dedução faz-se de modo análogo).

Assim, dados vetores não nulos, $x, $y ∈ Rn , define-se ângulo entre $x e $y

como
$x|$y
θ ∈ [0, π] tal que cos(θ) =
,$x, ,$y ,

76
e tem-se para a projeção ortogonal de $y sobre $x, proj#x ($y ) = α$x,

$y |$x
proj#x ($y ) = $x.
$x|$x

Em geral dada uma reta r que passa na origem e um vetor $

y , define-se a

projeção ortogonal de $y sobre r como sendo

$y |$x
projr ($y ) = $x,
$x|$x

onde $x é um qualquer vetor director da reta. O vetor projr ($y ) é o vetor da

reta que se encontra mais próximo de $

y . Define-se distância de $y à reta r

como sendo distância de $y a projr ($y ) , ou seja,

dist($y , r) = ,$y − proj#x ($y ),.

Exemplo

Sejam $x = (3, 0) e $y = (2, 2). O ângulo formado por $x e $y é único θ ∈ [0, π]

tal que
√
$x|$y (3, 0)|(2, 2) 6 2
cos θ = = = √ = .
,$x, ,$y , ,(3, 0), ,(2, 2), 6 2 2

Logo θ = π4 .

A projeção ortogonal de $y sobre $x vem dada por

$y|$x (2, 2)|(3, 0)

projr ($y ) = $x = (3, 0) = (2, 0).
$x|$x (3, 0)|(3, 0)

$y

π
4
$x
proj#x ($y )

77
 A distância de $y à reta definida por $x vem dada por,

dist($y , r) = ,$y − proj#x ($y ), = ,(2, 2) − (2, 0), = 2.

2.2 Matrizes e sistemas de equações lineares

Matrizes

Uma matriz A do tipo m × n é uma coleção de mn elementos de R, aij ,

i = 1, . . . , m, j = 1, . . . , n, dispostos em m linhas e n colunas,

 
 a11 a12 · · · a1n 
 
 
 a21 a22 · · · a2n 
 
A= 
 .. .. .. .. 
 . . . . 
 
 
am1 am2 · · · amn

Denota-se A = [aij ], i = 1, . . . , m, j = 1, . . . , n, onde aij é o elemento de A

que se encontra na linha i e coluna j de A.

Exemplo  
 2 4 3 
A=

,

1 0 −3

é uma matriz do tipo 2 × 3, tal que

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

Se aij = 0 para todo o i, j, A diz-se a matriz nula (do tipo m × n) e

denota-se 0m×n .

78
Matriz coluna e matriz linha

• Se n = 1 A diz-se uma matriz-coluna ou vetor. Nessa altura,

 
 a1 
 
 
 a2 
 
 
 
A =  a3  = (a1 , a2 , a3 , . . . , am ) ∈ Rm .
 
 
 .. 
 . 
 
 
am
m×1

Exemplo

 
 1 
 
 
A =  −2 

 = (1, −2, 30) ∈ R3 .
 
 
30
3×1

• m = 1, A diz-se uma matriz-linha. Nessa altura,

& '
A= b1 b2 b3 · · · bn .
1×n

Exemplo

$ %
A = −2 3 − 1 4 .
1×4

Matriz quadrada

Matriz quadrada (de ordem n) é uma matriz do tipo n × n.

Chamamos diagonal principal de uma matriz quadrada A = [aij ] aos

elementos da forma a11 , a22 ,. . . , ann

79
  
 a11 a12 · · · a1n 
 
 
 a21 a22 · · · a2n 
 
A= 
 .. .. .. .. 
 . . . . 
 
 
an1 an2 · · · ann
n×n

Dizemos que A é diagonal se forem nulos todos os elementos fora da

diagonal principal, ou seja, aij = 0 para todo o i, j tal que i (= j. Nessa

altura A denota-se também por

diag(a11 , . . . , ann ).

Exemplo

 
 −1 0 0 
 
 
A = diag(−1, 1, 3) = 
 0 1 0 

 
 
0 0 3
3×3
Chama-se matriz escalar a uma matriz diagonal em que todos os elemen-

tos da diagonal principal são iguais entre si:

 
 α 
 
 
 α 
 
diag(α, . . . , α) =  
 .. 
 . 
 
 
α
n×n

Se α = 1 a matriz escalar chama-se matriz identidade de ordem n,

80
  
 1 
 
 
 1 
 
In = diag(1, . . . , 1) =  
 .. 
 . 
 
 
1
n×n

Transposição de matrizes

Dada uma matriz A do tipo m × n define-se a matriz AT do tipo n × m,

chamada transposta de A, cujas linhas são as colunas de A, escritas pela

mesma ordem.

Exemplo

 
  1
2 0 

 1 2 −1 4   
   
   2 3 5 
 
A =  2 3 −4 5 

 , AT =  
   
   −1 −4 1 
 
0 5 1 7  
3×4 4 5 7
4×3

Uma matriz quadrada A tal que A = AT diz-se simétrica.

Exemplo
     
 1 4 2   1 4 2   1 α β 
     
     
 α 3 −3  é simétrica se e só se  α 3 −3 = 4 3 γ ,
     
     
     
β γ −1 β γ −1 2 −3 −1
isto é, se e só se α = 4, β = 2 e γ = −3.

81
Operações algébricas com matrizes

As operações algébricas para matrizes generalizam as operações algébricas,

adição, produto por um escalar e produto interno bem conhecidas para veto-

res.

Adição de matrizes

Dadas matrizes A = [aij ] e B = [bij ] do mesmo tipo m × n define-se a matriz

A + B do tipo m × n, em que o elemento que está na posição (i, j) é a soma

do elemento na posição (i, j) de A com o elemento na posição (i, j) de B, ou

seja, A + B = [aij + bij ]

Exemplo

   
 1 2 −1 4   1 −1 0 8 
   
   
A= 
 2 3 −4 5  B=
 −1 0 20 1 
 ,
   
   
0 5 1 7 3 2 0 10
3×4 3×4
 
 2 1 −1 12 
 
 
A+B =
 1 3 16 6

 .
 
 
3 7 1 17
3×4

Produto de uma matriz por um escalar

Dada uma matriz A = [aij ] do tipo m × n e um escalar λ ∈ R, define-se a

matriz λA do tipo m × n, obtida mulitplicando todos os elementos da matriz

A por λ, ou seja, λA = [λaij ]

82
Exemplos
   
 1 2 −1 4   100 200 −100 400 
   
   
• 100  2 3 −4 5 

 =  200 300 −400 500 

 .
   
   
0 5 1 7 0 500 100 700
3×4 3×4

• αIn = diag(α, α, . . . , α)

Produto de matrizes

Duas matrizes A e B dizem-se encadeadas se o número de colunas de A for

igual ao número de linhas de B. Dadas matrizes encadeadas,

A = [aij ], do tipo m × n,

B = [cjk ], do tipo n × p,

define-se a matriz produto

AB = C = [cik ], do tipo m × p,

onde cik = (linha i de A) | (coluna k de B).

83
Exemplo
 
 
 1 −2 4 2 
 
   −10 0 0 
 0 5 −1 7   
   
   0 3 −5 
   
A =
 10 0 −3 5 


B = 

   1 1 1 
   
 1 3 5 7   
 
  0 8 0
4×3
3 2 1 0
5×4

 
 −6 14 14 
 
 
 −1 70 −26 
 
 
 
C = AB =
 −103 37 −3 

 
 
 −5 70 −10 
 
 
−29 7 −9
5×3

(c33 = (10, 0, −3, 5)|(0, −5, 1, 0) = −3)

Propriedades das operações com matrizes

Dadas matrizes A, B, C e escalares α, β ∈ R, tem-se, (sempre que as

operações façam sentido):

• A + B = B + A;

• A + (B + C) = (A + B) + C;

• A + O = A (elemento neutro da adição);

• λ(A + B) = λA + λB;

84
 • (λ + µ)A = λA + µA;

• (A + B)T = AT + B T ;

• A(B + C) = AB + AC;

• λ(AB) = (λA)B;

• (λµ)A = λ(µA);

• AI = IA = A (elemento neutro da multiplicação).

• (AB)T = B T AT .

O produto de matrizes não verifica algumas propriedades importantes,

bem conhecidas dos números reais:

• O produto de matrizes não é comutativo (em geral): dadas matrizes

quadradas A e B da mesma ordem, podemos ter

AB (= BA.
   
 1 1   1 1 
De facto, basta considerar, A = 

eB=
 
, tendo-se

1 1 0 1
   
 1 2   2 2 
AB = 

 =
 ( 

 = BA.

1 2 1 1

• Não é válida a lei do anulamento do produto: se A e B são

matrizes encadeadas,

AB = O (⇒ (A = O ou B = O).

85
    
 1 −1   1 
De facto, basta considerar A = 

 e B =  , tendo-se
  
−1 1 1
AB = 02×1 (verfique!).

• Não é válida a lei do corte: dadas matrizes A, B e C,

AB = AC (⇒ B = C.
     
 1 1   −1 1   0 0 
De facto, basta considerar A = 

, B = 
 
eC =
 
,

2 2 3 0 2 1
tendo-se AB = AC com B (= C (verifique!).

Transformações geométricas no plano e no espaço

Vamos agora ver alguns exemplos de transformações geométricas no plano

e no espaço que podem ser definidas usando o produto de matrizes. Estas

transformações designam-se mais geralmente por transformações lineares.

Transformações geométricas no plano

• Homotetias:
 
 α 0 
A=

 define uma homotetia de razão α > 0:

0 α
     
 α 0   x1   αx1 
 · = .
     
0 α x2 αx2

86
 αx2

x2

x1 αx1

Se α > 1 [α < 1] a homotetia é uma dilatação [contracção].

• Simetrias:
 
 1 0 
– A= 
, define uma simetria relativamente ao eixo dos

0 −1
xx:

     
 1 0   x1   x1 
 · = .
     
0 −1 x2 −x2
 
 0 1 
– A=

, define uma simetria relativamente à bissectriz dos

1 0
quadrantes ímpares:

     
 0 1   x1   x2 
 · = .
     
1 0 x2 x1

– Em geral, a matriz
 
1  v12 − v22 2v1 v2 
A=  ,
v12 + v2 
2
2 2

2v1 v2 v2 − v1

define uma simetria relativamente à reta que passa na origem

definida pelo vetor diretor $v = (v1 , v2 ) (= $0.

87
 x2 x1

v
x2
x1

x2 x1
−x2

simetria relativamente simetria relativamente à simetria relativamente a

ao eixo dos xx bissectriz dos quadrantes ímpares uma reta com vetor diretor v

• Rotações:
 
 0 −1 
A=

 define uma rotação de

π
2 radianos:
1 0
     
 0 −1   x1   −x2 
 · = .
     
1 0 x2 x1

De facto, tem-se (x1 , x2 )|(−x2 , x1 ) = 0 para todo o (x1 , x2 ) ∈ R2 .

 
 cos θ − sin θ 
Em geral, A = 

, define uma rotação de ângulo θ (em

sin θ cos θ
radianos):      
 cos θ − sin θ   1   cos θ 
 · = .
     
sin θ cos θ 0 sin θ

Transformações geométricas no espaço

Vejamos alguns exemplos de transformações geométricas no espaço.

 
 1 0 0 
 
 
• A matriz A = 
 0 1 0  define uma simetria relativamente ao

 
 
0 0 −1

88
 plano xOy:

     
 1 0 0   x1   x1 
     
     
 0 1 0 · x = x .
   2   2 
     
     
0 0 −1 x3 −x3

Definem-se de modo análogo as matrizes de simetria relativamente aos

planos xOz e yOz.

 
 cos θ − sin θ 0 
 
 
• A matriz Rz,θ =
 sin θ cos θ 0 , define uma rotação de ângulo
 
 
0 0 1
θ em torno do eixo dos zz:

     
 cos θ − sin θ 0   1   cos θ 
     
     
 sin θ cos θ 0  ·  0  =  sin θ 
     
     
     
0 0 1 z z

Definem-se de modo análogo as matrizes de rotação em torno do eixo

dos xx e do eixo dos yy.

Rotação em torno do eixo dos xx Rotação em torno do eixo dos yy Rotação em torno do eixo dos zz
de ângulo θ de ângulo θ de ângulo θ

z z z

y y y
θ
θ
x x x

1 0 0 − sin θ 0 cos θ cos θ − sin θ 0

Rx,θ = 0 cos θ − sin θ Ry,θ = 0 1 0 Rz,θ = sin θ cos θ 0

0 sin θ cos θ cos θ 0 sin θ 0 0 1

89
O produto de matrizes via transformações geométricas

Podemos interpretar as colunas de AB como as imagens da transformação

definida pela matriz A dos vetores que constituem as colunas de B.

Exemplo A matriz  
 2 0 
A=

,

0 2

define uma homotetia que transforma o quadrado Q de vértices, (1, 1), (1, −1),

(−1, −1) e (−1, 1), ou seja, definido pelos vetores a = (1, 1), b = (1, −1), c =

(−1, −1) e d = (−1, 1), no quadrado Q" definido pelos vetores [a" |b" |c" |d" ] =

A · [a|b|c|d] = [Aa|Ab|Ac|Ad] ou seja, definido pelas colunas da matriz

     
 2 0   1 1 −1 −1   2 2 −2 −2 
 · = .
0 2 1 −1 −1 1 2 −2 −2 2

d" 2 a"

1
d a

−2 −1 1 2

c b
−1

c" −2 b"

Exemplo A matriz  
√ √
2
 2 − 22 0 
 
 √ √ 
 0 
,
2 2
 2 2
 
 
0 0 1
π
define uma rotação de ângulo 4 radianos em torno do eixo dos zz que trans-

forma a pirâmide de base quadrangular definida pelos pontos A = (1, 0, 0),

90
B = (0, 1, 0), C = (−1, 0, 0) e D = (0, −1, 0) e com vértice E = (0, 0, 1), na

pirâmide de base definida por A" , B " , C " e D " e vértice E " , onde
 √ √
  
2 2
 2 − 2 0   1 0 −1 0 0 
   
" " " " "  √ √   
[A |B |C |D |E ] =  2 2
0  · −1 0 
 2 2   0 1 0 
   
0 0 1 0 0 0 0 1
 √ √ √ √

2 2 2 2
 2 − 2 − 2 2 0 
 
 √ √ √ √ 
=  2 2
− 22 − 22 0  .
 2 2 
 
0 0 0 0 1

z z

E E"

C
C" B"
D B
y y

D" A"
A

x
x

91
Inversa de uma matriz

Uma matriz quadrada A de ordem n diz-se invertível (ou não singular) se

existir uma matriz quadrada B de ordem n tal que

AB = BA = In .

Notas:

• Prova-se que basta verificar uma das condições AB = I ou BA = I.

• A matriz B qd existe é única, designa-se por inversa de A e denota-se

por A−1 .

Uma matriz que não é invertível, diz-se singular.

Algumas propriedades

Sejam A, B matrizes invertíveis da mesma ordem. Têm-se:

• (A−1 )−1 = A.

• AT é invertível e tem-se (AT )−1 = (A−1 )T .

• A B é invertível e tem-se (A B)−1 = B −1 A−1 .

Exemplos
 −1  
1
 2 0   2 0 
• 


 =

.

1
0 2 0 2

92
 • A = diag(a1 , a2 , . . . , an ) é invertível sse a1 , a2 , . . . , an (= 0, tendo-se

A−1 = diag(a−1 −1 −1
1 , a2 , . . . , an ).

 −1  
 cos θ − sin θ   cos θ
sin θ 
• 


 =

.

sin θ cos θ − sin θ cos θ
 −1        
 2 −1   1 1   2 −1   1 1   1 0 
• 


 =

, pois 
 
 
 
=
 
.

−1 1 1 2 −1 1 1 2 0 1
 −1  
 a b  1  d −b 
• Mais geralmente, tem-se 


 =   se ad −
ad − bc  
c d −c a
bc (= 0.

Equações matriciais e sistemas de equações lineares

Consideremos a equação matricial

Ax = b

onde A = [aij ] é uma matriz do tipo m × n, x = [xj ] é a matriz-coluna (i.e,

vector) com n variáveis x1 , . . . , xn e b = [bi ] é uma matriz-coluna com m

componentes. Tem-se o seguinte:

o vector x = (x1 , . . . , xn ) ∈ Rn é solução da equação matricial Ax = b

se e só se x é solução do sistema linear, com m equações e n variáveis,

93
 



 a11 x1 + · · · + a1n xn = b1





 a21 x1 + · · · + a2n xn = b2

 ..


 .




 a x + ··· + a x = b .
m1 1 mn n m

As matrizes A e b chamam-se, respectivamente, matriz dos coeficientes

e matriz dos termos independentes do sistema Ax = b. A matriz do tipo

m × (n + 1),  
 a11 · · · a1n b1 
 
 . .. .. 
 .. . 
 . ,
 
 
am1 · · · amn bm

chama-se matriz ampliada do sistema Ax = b denota-se por [A|b].

Exemplo
   
 1 2   −1 
Consideremos A = 

eb=
 
. Tem-se,

−1 0 1
     
 1 2   x1   −1 
Ax = b ⇔ 

 
 
=
 


−1 0 x2 1
   
 x1 + 2x2   −1 
⇔ 

=
 
.

−x1 + 0x2 1

Portanto x = (x1 , x2 ) é solução da equação matricial Ax = b se e só se é

solução do sistema linear com 2 equações e 2 variáveis,




 x1 + 2 x2 = −1


 −x1 + 0x2 = 1,

94
cuja matriz ampliada [A|b] é
 
 1 2 −1 
 .
 
−1 0 1

Se m = n = 1, Ax = b reduz-se a uma equação linear com uma variável,

sendo normalmente denotada por ax = b, tendo-se x = a−1 b (se a (= 0).

A notação matricial vai-nos permitir indicar a solução de um sistema

Ax = b, com A matriz quadrada de ordem n, de uma forma análoga ao caso

anterior, substituindo a condição a (= 0 por A invertível.

Solução da equação Ax = b com A invertível

Ax = b ⇔ A−1 (Ax) = A−1 b

⇔ (A−1 A)x = A−1 b

⇔ x = A−1 b.

Logo a solução (única) de Ax = b é x = A−1 b.

Exemplo
 
 1 2 
Consideremos a matriz A = 

 do exemplo anterior e o vector b =

−1 0
(b1 , b2 ). A solução (única) de Ax = b é
     
 0 −1   b1   −b2 
x = A−1 b = 

 
 
=
 
.

1 1 b1 +b2
2 2 b2 2

Dois sistemas lineares do tipo m × n dizem-se equivalentes se possuirem

o mesmo conjunto de soluções.

95
 Exemplo
 

 

 x1 + x2 = 2  x1 + x2 = 2
⇔

 

 2x1 − x2 = 1  x2 = 1

Classificação e resolução de um sistema linear

Um sistema linear pode ser,

• possível e determinado (PD) se possuir uma única solução.

• possível e indeterminado (PI) se possuir mais que uma solução (nesse

caso possui ∞ soluções).

• impossível (I) se não possuir soluções.

Classificar/discutir um sistema é determinar se o sistema é PD, PI ou I.

Resolver um sistema é determinar o seu conjunto de soluções.

Operações elementares sobre as linhas da matriz ampliada

(que transformam a matriz ampliada de um sistema na matriz ampliada de

um sistema equivalente)

1. Multiplicar uma linha por um número real e adicionar o resultado a outra

linha.
   
 1 1 2   1 1 2 
Ex:   −→   (L2 → −2L1 + L2 )
2 −1 1 0 −3 −3

96
 2. Multiplicar uma linha por um escalar não nulo:
   
 1 1 2   1 1 2  −1
Ex:   −→   (L2 → L2 )
3
0 −3 −3 0 1 1

3. Trocar linhas entre si:

   
 2 3 5   1 2 −1 
Ex:   −→   (L1 → L2 ; L2 → L1 )
1 2 −1 2 3 5

Definem-se analogamente operações elementares sobre as equações de um

sistema.

Matriz em escada e matriz reduzida

• Uma matriz diz-se escada se o 1o elemento não nulo de cada linha, que

se designa por pivot, estiver mais à direita que o 1o elemento não nulo

da linha anterior.
 
 1 −1 2 5 −1 
 
 
Ex: 
 0 2 1 4 −5 

 
 
0 0 0 9 2

• Uma matriz diz-se reduzida se estiver em escada, todos os pivots forem

iguais a 1 e em cada coluna com pivot o único elemento não nulo é o

próprio pivot.  
 1 0 8 0 6 
 
 
Ex: 
 0 1 7 0 3 

 
 
0 0 0 1 2

97
 • Definem-se analogamente sistema em escada e sistema reduzido, subs-

tituindo nas definições anteriores linha da matriz por equação do sis-

tema.

Método de eliminação de Gauss

O método de eliminação de Gauss desenvolve-se em duas fases utilizando

as operações elementares sobre as equações [linhas] de um sistema [matriz]

para obter um sistema [matriz] mais simples equivalente ao sistema [matriz]

original:

(i) A fase descendente tem como objectivo pôr o sistema [matriz] em

escada. No final desta fase podemos classificar o sistema. O sistema

[matriz] em escada não é único, dependendo das operações elementares

que foram efectuadas.

(ii) A fase ascendente aplica-se aos sistemas possíveis e tem como objec-

tivo reduzir o sistema [matriz] em escada. O sistema [matriz] reduzido

é único, ou seja, não depende das operações elementares que foram

efectuadas.

Esquematicamente:

desc. asc.
sistema/matriz −−→ sistema/matriz em escada −→ sistema/matriz reduzido

↓ ↓

classificação conjunto de soluções

Vamos ilustrar o método de eliminação de Gauss nalguns exemplos.

98
 Exemplo 1 



 x1 − x2 + x3 = 3



Pretende-se resolver o sistema 2x1 − x2 + 3x3 = 8






 −x1 + x3 = 1
Fase descendente:

     
 1 −1 1 3   1 −1 1 3   1 −1 1 3 
     
     
  
2 −1 3 8  −→  0 1 1 2  −→ 
  −→
  0 1 1 2 
     
     
−1 0 1 1 0 −1 2 4 0 0 3 6

Não existem equações impossíveis no sistema e todas as colunas do sistema

em escada têm pivot. Logo o sistema é possível e determinado.

Fase ascendente:

     
 1 −1 1 3   1 −1 0 1   1 0 0 1 
     
     
−→ 
 0 1 1 2  −→  0
  1 0 0  −→  0 1 0 0  .
  
     
     
0 0 1 2 0 0 1 2 0 0 1 2

Conjunto de soluções do sistema é S = {(1, 0, 2)}.

Exemplo 2

Resolver o sistema dado matricialmente por

 
 1 1 0 1 2 
 
 
 0 1 −1 0 1 
 
 
 
1 2 1 1 −2

99
 Fase descendente:

     
 1 1 0 1 2   1 1 0 1 2   1 1 0 1 2 
     
     
 0 1 −1 0 1  −→  0 1 −1 0 1  −→  0 1 −1 0 1  −→
     
     
     
1 2 1 1 −2 0 1 1 0 4 0 0 2 0 −5

Não existem equações impossíveis. Existem colunas sem pivot. Logo o sis-

tema é possível e indeterminado, com variável livre x4 associada à coluna

sem pivot.

Fase ascendente:

     
7
 1 1 0 1 2   1 1 0 1 2   1 0 0 1 2 
     
     
     
     
     
     
−→  0 1 −1 0 1  −→  0 1 0 0 − 3  −→  0 1 0 0 − 3 
   2   2 
     
     
     
     
     
0 0 1 0 − 52 0 0 1 0 − 52 0 0 1 0 − 52




 x1 = 72 − x4





 x2 = − 3
2




 x3 = − 52




 x = ∀
4
O conjunto de soluções do sistema é
5 6
7 3 5
S= (x1 , x2 , x3 , x4 ) : x1 = − x4 , x2 = − , x3 = − , x4 = ∀
2 2 2

Podemos tomar valores arbitrários para x4 . Se, por exemplo, tomarmos

x4 = 1 obtemos a solução ( 32 , − 32 , 52 , 1).

100
Exemplo 3

Resolver o sistema dado matricialmente por

 
 0 1 0 1 
 
 
 1 2 −2 0 
 
 
 
2 5 −4 0

Fase descendente:

       
 0 1 0 1   1 2 −2 0   1 2 −2 0   1 2 −2 0 
       
       
 1 2 −2 0  −→  0 1 0 1  −→  0 1 0 1  −→  0 1 0 1 
       
       
2 5 −4 0 2 5 −4 0 0 1 0 0 0 0 0 −1

A última linha da matriz corresponde à equação impossível

0x1 + 0x2 + 0x3 = −1,

pelo que o sistema é impossível. Logo S = ∅.

101
Algorítmo para a determinação da inversa de uma matriz
 
 1 2 
Consideremos A = 

. Para calcular A−1 temos que determinar

−1 0
 
 x1 y 1 
uma matriz X = [x|y] = 

, tal que AX = I2 .

x2 y 2
Ora
     
 1 2   x1 y 1   1 0 
AX = I2 ⇔ 

 
 
=
 


−1 0 x2 y 2 0 1
   
 x1 + 2x2 y1 + 2y2   1 0 
⇔ 

=
 


−x1 −y1 0 1
   
 1   0 
⇔ Ax = 
 ,
 Ay = 
 .

0 1
E 1F E 1
F
Resolvendo os sistemas
 obtemos
 x = 0, 2 e y = −1, 2 .

 0 −1 
Logo A−1 = 

.

1 1
2 2

Em geral, para determinar a matriz inversa (quando existe) de uma ma-

$ %
triz A de ordem n temos que determinar uma matriz X = x1 | · · · |xn tal

que AX = In , ou seja, temos que resolver as equações matriciais, com a

mesma matriz de coeficientes A,

     
 1   0   0 
     
     
 0   1   0 
     
Ax1 =   , Ax2 =  , ..., Axn =  .
 ..   ..   .. 
 .   .   . 
     
     
0 0 1

102
Podemos resolver simultaneamente estas equações aplicando o método de

Gauss para reduzir a matriz A:

$ % $ % N $ %
A|I A" | I " I | A−1
desc. asc.
A" em escada
tem linhas de zeros ?

A é não invertível

STOP

Exemplos
 
 1 2 
1. Pretende-se determinar a inversa da matriz (se existir) 

.

−1 3
Aplicando o algorítmo da inversa, vem
       
3
 1 2 1 0   1 2 1 0   1 2 1 0   1 0 5 − 25 
  −→   −→   −→  .
       
1 1 1 1
−1 3 0 1 0 5 1 1 0 1 5 5 0 1 5 5

 −1  
 1 2  1 3 −2 
Logo 


 = 

.

5
−1 3 1 1

 
 1 2 1 
 
 
2. Pretende-se determinar a inversa da matriz (se existir)  0 1 1 

.
 
 
1 3 2

103
Tem-se,
     
 1 2 1 1 0 0   1 2 1 1 0 0   1 2 1 1 0
0 
     
     
 0 1 1 0 1 0  −→  0 1 1 0 1 0  −→  0 1 1 0 1 0  = [ A" |I " ]
     
     
1 3 2 0 0 1 0 1 1 −1 0 1 0 0 0 −1 −1 1

A" tem uma linha de zeros. Logo A é não invertível.

104