Elementos de A UFPI

UNIVERSIDADE FEDERAL DO PIAU
UNIVERSIDADE ABERTA DO PIAU

Programa de Educao a Distncia

FIGURA (se for o caso)

ELEMENTOS DE MATEMTICA I
Joo Xavier da Cruz Neto

Copyright 2007. Todos os direitos desta edio esto reservados Universidade Federal do Piau (UFPI). Nenhuma
parte deste material poder ser reproduzida, transmitida e gravada, por qualquer meio eletrnico, por fotocpia e outros,
sem a prvia autorizao, por escrito, do autor.

Catalogao na publicao por:

B726c DACRUZNETO, Joo
Elementos de Matemtica I / Joo Xavier da Cruz Neto Teresina:
UFPI/UAPI
2007.
?p.

Inclui bibliografia

1 - Matrizes. 2 - Determinantes. 3 Sistemas Lineares. 4 -
Trigonometria. 5- Nmeros Complexos. I. Universidade Federal do
Piau/Universidade Aberta do Piau. II. Ttulo.

CDU: 32

PRESIDENTE DA REPBLICA
Lui z Inci o Lul a da Si l va

MINISTRO DA EDUCAO
Fernando Haddad
UNIVERSIDADE FEDERAL DO PIAU
REITOR
Lui z de Sousa Santos Jni or
SECRETRIO DE EDUCAO A DISTNCIA DO MEC
Carl os Eduardo Bi el schowsky
DIRETOR DE POLITICAS PUBLICAS PARA EAD
Hl i o Chaves
UNIVERSIDADE ABERTA DO BRASIL
COORDENADORA GERAL
Cel so Costa

CENTRO DE EDUCAO ABERTA A DISTNCIA DA UFPI
Coordenador Geral de EaD na UFPI
Gi l dsi o Guedes Fernandes

CENTRO DE CIENCIAS DA NATUREZA
DIRETOR
Hel der Nunes da Cunhao

COORDENADOR DO CURSO de Licenciatura em Matemtica na Modaliade de EaD
Joo Benci o de Mel o Neto

DEPARTAMENTO DE MATEMTICA
CHEFE DO DEPARTAMENTO
Jurandi r de Ol i vei ra Lopes

EQUIPE DE APOIO
Renan
Maurci o
Li no(CT)
Al uno (CT)
Cl ei di nal va Ol i vei ra

Apresentao

Este texto destinado aos estudantes aprendizes que participam do
programa de Educao a Distncia da Universidade Aberta do Piau
(UAPI) vinculada ao consrcio formado pela Universidade Federal do
Piau (UFPI) Universidade Estadual do Piau (UESPI), Centro Federal
de Ensino Tecnolgico do Piau (CEFET-PI), com apoio do Governo do
estado do Piau, atravs da Secretaria de Educao.

O texto composto de cinco unidades, contendo itens e subitens, que
discorrem sobre: Matrizes, Determinantes, Sistemas Lineares,
Trigonometria e Nmeros Complexos.

Na Unidade 1, apresentamos conceito de matriz e como podemos
organizar dados sem perda de simplicidade. Conhecemos vrios tipos
importantes delas, suas caractersticas e suas particularidades. No seu
conjunto, aprenderemos as operaes de adio, de multiplicao e
suas propriedades principais.

Na Unidade 2, apresentamos como associar uma matriz quadrada a
um nmero real. A essa associao damos o nome de determinante.
Aprenderemos como calcular o determinante de matrizes (quadradas)
de qualquer ordem, atravs dos mtodos de Laplace, Chi, Sarrus e
outros. Estabeleceremos uma condio necessria e suficiente para
determinar se uma dada matriz admite inversa. Vrios conceitos
importantes, como o de cofator, matriz adjunta, polinmio caracterstico,
e outros so apresentados.

Na Unidade 3, aprendemos a resolver sistemas de equaes lineares.
Comeamos com os casos 22 e 33 aprendemos mtodos para

resolv-los e discuti-los. Vimos as suas interpretaes geomtricas a
relao desta com a classificao deles. Aps aprendermos os casos
mais usuais e triviais, vimos uma rpida exposio sobre sistemas
lineares do tipo n n. Como prosseguimento do que tnhamos j visto,
revimos os mtodos para a sua soluo e discusso.

Na Unidade 4, apresentamos os seis elementos de um tringulo e
como determin-los a partir do conhecimento de trs deles
(conhecendo pelo menos a medida de um dos lados). Usamos as
relaes em tringulo para definir as funes trigonomtricas.
Aplicamos as Leis do Seno e Cosseno para determinar a distncia entre
dois pontos inacessveis. Estabelecemos algumas medidas em locais
presentes em Teresina.

Na Unidade 5, apresentamos o corpo dos nmeros complexos.
Usamos a representao trigonomtrica de um nmero complexo para
estabelecer a frmula de De Moivre. Finalizamos com o clculo das
razes da unidade.

NDICE

UNIDADE 1. Matrizes

1.1 Introduo
1.2 Conceito de matriz .
1.3 Alguns tipos de matrizes importantes
1.4 Operaes com matrizes
1.4.1 Multiplicao por escalar
1.4.2 Adio de matrizes
1.4.3 Multiplicao de matrizes
1.4.4 Propriedades da multiplicao de matrizes
1.5 A transposta de uma matriz

1.5.1 Propriedades da transposta de uma matriz
1.6 O trao de uma matriz
1.6.1 Propriedades do trao de uma matriz
1.7 A inversa de uma matriz
1.7.1 Propriedades da inversa de uma matriz
1.8 Escalonamento de uma matriz
1.9 Saiba mais
1.10 Exerccios
1.11 Respostas
1.12 Referncia Bibliogrfica

UNIDADE 2. Determinantes

2.1 Introduo
2.2 Determinante de uma matriz de ordem 2 2
2.4 Propriedades dos determinantes
2.5 Determinantes de matrizes de ordem arbitrria
2.5.1 Teorema de Laplace
2.5.2 Regra de Chi
2.6 Matriz Adjunta
2.7 Polinmio caracterstico
2.8 Saiba mais
2.9 Exerccios
2.10 Respostas

UNIDADE 3. Sistemas Lineares

3.1 Introduo
3.2 Sistemas lineares com duas incgnitas

3.2.1 Soluo de um sistema linear
3.2.2 Resoluo de um sistema linear 2 2
3.2.3 Regra de Cramer
3.2.4 Discusso de um sistema linear 2 2
3.2.5 Interpretao geomtrica
3.3 Sistemas lineares com trs incgnitas
3.4 Sistemas lineares com n incgnitas
3.4.1 Resoluo de um sistema linear n n
3.4.2 Discusso de um sistema linear n n
3.5 Saiba mais
3.6 Exerccios
3.7 Respostas
3.8 Referncia bibliogrfica

UNIDADE 4. Trigonometria

4.1. Introduo
4.2 Trigonometria no tringulo retngulo
4.2.1 Relaes mtricas no tringulo retngulo
4.2.2 Clculo do seno de alguns ngulos sem a ajuda de calculadora
4.3 Lei dos senos e dos Cossenos
4.3.1 Lei dos senos
4.3.2 Lei dos cossenos
4.4 Funes trigonomtricas
4.5 As frmulas de adio
4.6 Saiba mais

4.7 Exerccios
4.8 Respostas

UNIDADE 5. Nmeros Complexos

5.1 Introduo
5.1 O corpo dos nmeros complexos
5.1.1 Adio de nmeros complexos
5.1.2 Representao geomtrica de um nmero complexo
5.1.3 Multiplicao de nmeros complexos
5.2 Forma trigonomtrica de um nmero complexo
5.3 Frmula de De Moivre
5.4 Razes da unidade
5.5 Saiba mais
5.6 Exerccios
5.7 Respostas

Unidade 1

Matrizes

Resumo

Apresentamos conceito de matriz e como podemos organizar
dados sem perda de simplicidade. Conhecemos vrios tipos
importantes delas, suas caractersticas e suas particularidades. No seu
conjunto, aprenderemos as operaes de adio, de multiplicao e
suas propriedades principais.
Esperamos que o leitor passe a ver matrizes como algo familiar e
que passe a trabalhar com elas mais confiante. Incentivamos a procura
de livros mais avanados para o aprofundamento de contedo.

NDICE

UNIDADE 1. Matrizes

1.1 Introduo
1.2 Conceito de matriz .
1.3 Alguns tipos de matrizes importantes
1.4 Operaes com matrizes
1.4.1 Multiplicao por escalar
1.4.2 Adio de matrizes
1.4.3 Multiplicao de matrizes
1.4.4 Propriedades da multiplicao de matrizes
1.5 A transposta de uma matriz
1.5.1 Propriedades da transposta de uma matriz
1.6 O trao de uma matriz
1.6.1 Propriedades do trao de uma matriz
1.7 A inversa de uma matriz
1.7.1 Propriedades da inversa de uma matriz
1.8 Escalonamento de uma matriz
1.9 Saiba mais
1.10 Exerccios
1.11 Respostas

Unidade 1
MATRIZES
1.1 INTRODUC

AO
Comecaremos esta unidade ilustrando a import ancia do uso de
matrizes na resoluc ao de problemas de nosso dia-a-dia. Vejamos os:
Problema 1. Certa empresa composta de tr es lojas, numeradas
de 01 a 03, tem o seguinte relat orio de faturamento para cada uma
nos tr es primeiros dias de marco:
LOJA 01: R$ 1950,00; R$ 1840,00; R$ 3000,00
LOJA 02: R$ 1172,53; R$ 1235,00; R$ 2000,00
LOJA 03: R$ 2830,00; R$ 2789,00; R$ 1234,67.
1. Qual o faturamento da loja 01 no segundo dia?
2. Qual o faturamento das lojas 01 e 02 no terceiro dia?
3. Qual o faturamento total no primeiro dia?
Problema 2. Certo corretor de im oveis p os ` a venda seus aparta-
mentos em Teresina. Ele possua, em alguns pr edios, mais de um
apartamento. Ao colocar o an uncio das vendas num jornal, ele rece-
beu oferta de tr es empresas do ramo de locac ao de im oveis. Para
analisar melhor as propostas, o corretor montou as seguintes tabelas:
12
Tipo I Tipo II Tipo III Tipo IV Tipo V
Empresa 01 180.000 240.000 257.000 125.000 334.000
Empresa 02 195.000 228.000 226.000 132.000 321.000
Empresa 03 179.900 217.000 249.000 146.000 330.000
Apartamento Quantidade disponvel
Tipo I 3
Tipo II 2
Tipo III 1
Tipo IV 3
Tipo V 1
.
a) A primeira tabela diz que a empresa 01 est a oferecendo R$
180.000,00 por um apartamento do tipo I, que a empresa 02 est a ofer-
ecendo R$ 226.000,00 por um apartamento do tipo III, etc.
b) A segunda tabela diz que existem tr es apartamentos do tipo I
disponveis, um do tipo III, etc.
Se o corretor decidir fazer uma venda casada, isto e, vender todos
os apartamentos para uma s o empresa, para qual empresa ele deve
vender?
Se no problema 1 a quantidade de lojas fosse muito grande, caria
mais difcil a visualizac ao dos dados apresentados. Imagine o trabalho
que teramos se, ao inv es de tr es, o n umero de lojas fosse igual a mil.
Caso fossem organizados em tabelas, o entendimento do problema
caria mais acessvel. Assim surge a necessidade de se trabalhar
com matrizes, quando temos que armazenar muitos dados sem abrir
m ao da clareza. Vejamos como caria o problema 01 organizado em
forma de tabela:
13
LOJA 1
Dia 2
Dia 2
Dia
01 1950,00 1840,00 3000,00
02 1172,53 1235,00 2000,00
03 2830,00 2789,00 1234,67
.
Algumas caractersticas das tabelas acima s ao bem claras, como
a quantidade de linhas e de colunas, por exemplo.

E f acil ver que o
faturamento de uma dada loja num certo dia e dado pelo cruzamento
da linha referente ` a loja pela coluna referente ao dia. A associac ao
entre linhas e colunas e de f acil aprendizado.
1.2 CONCEITO DE MATRIZ
O conceito de matriz remonta ao s eculo XIX, mas a id eia de ma-
triz remonta ` a antig uidade. H a hip oteses de que na China Antiga os
matem aticos chineses da epoca j a esbocavam desenhos de matrizes,
quando resolviam problemas relacionados a sistemas lineares.
Mais
informac oes
sobre a origem
do termo ma-
triz podem ser
encontradas
na Revista
n umero 21, em
www.rpm.org.br.
Denic ao 1.2.1. Dados os n umeros naturais m e n, chamamos ma-
triz do tipo m n (lemos m por n) toda tabela A composta de m.n
elementos dispostos em m linhas e n colunas. Podemos representar
tal tabela com par enteses ( ), colchetes [ ], ou barras duplas .
Aqui e em todo o resto deste livro, os elementos tratados sempre
ser ao n umeros reais. Mas a denic ao de matriz n ao se restringe ape-
nas a tabelas compostas de n umeros reais. Podemos ter matrizes
com n umeros complexos, e com outros tipos de elementos.
Costumamos designar uma matriz gen erica A do tipo m n por
A = (a
ij
)
mn
, onde cada a
ij
e o elemento da i- esima linha e j- esima
14
coluna, onde 1 i m e 1 j n. A matriz pode ser escrita
(desenhada) assim:
A =
a a . . . a
n
a a . . . a
n
.
.
.
.
.
.
.
.
.
.
.
.
a
m
a
m
. . . a
mn
mn
.
Oleitor deve construir v arias matrizes para se familiarizar comesse
novo conceito. Deve, tamb em, colocar os dados dos problemas 1 e 2
da sec ao anterior em formato de matriz. Vejamos alguns exemplos de
matrizes:
1. A =
1 2 3 4
2 0 0 19
e uma matriz 2x4.

2. B =
1 0 0 0 0 0 0 0 0 0
0 1 0 0 0 0 0 0 0 0
0 0 1 0 0 0 0 0 0 0
0 0 0 1 0 0 0 0 0 0
0 0 0 0 1 0 0 0 0 0
e uma matriz 5x10.

3. C =
1
2
3
5
e uma matriz 2x2.

15
4. D =
91
23

1
2
2
3
2
0 10
0 0 0
e uma matriz 3x3.

5. M =
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
1 2 77 12
18 0 51 0
17 2 26 12
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
e uma matriz 3x4.
Neste livro usaremos par enteses ( ) para designarmos as ma-
trizes daqui em diante. Mas o leitor deve encontrar em outros livros
matrizes designadas por colchetes [ ] ou por barras duplas || ||.
1.3 ALGUNS TIPOS DE MATRIZES IMPOR-
TANTES
O leitor atento j a deve ter deduzido que existem innitos exemplos
de matrizes, de v arios tipos e formas. Alguns desses tipos ocorrem
em problemas de Matem atica com uma enorme freq u encia, devendo
ent ao ser estudados com mais anco. A

Algebra Linear e a parte
da Matem atica que estuda as propriedades das matrizes com mais
profundidade.
O leitor n ao deve
preocupar-se
com os termos
em negrito que
aparecem neste
par agrafo. Ser ao
abordados em
disciplinas do
curso.
Nela, aprendemos a associar uma matriz a uma transformac ao
linear e podemos ent ao estudar o comportamento da transformac ao
analisando a matriz e vice-versa. No estudo de func oes de v arias
vari aveis, aprenderemos que dada uma func ao diferenci avel f :
U R
m
R
n
denida num conjunto aberto U R
m
, a sua
derivada num ponto a U pode ser vista como uma matriz, chamada
de matriz jacobiana.
16
Devemos nos acostumar com os tipos mais importantes de matrizes,
de forma que eles se tornem familiares daqui em diante.Como n ao
poderamos citar todos os tipos, citaremos apenas alguns:
1. (Matriz linha e matriz coluna) Dizemos que uma matriz A =
(a
ij
)
mn
e uma matriz linha quando m = 1. Ela e dita matriz col-
una quando n = 1. Exemplos:
J =
_
1 5 8
_
e B =
2
3
78
2
s ao matriz linha e coluna, re-

spectivamente.
2. (Matriz quadrada)

E quando m = n. Quando m = n a matriz
A = (a
ij
)
mn
e dita n ao-quadrada. S ao exemplos de matrizes
quadradas as matrizes C e D da sec ao anterior.
A =
a a . . . a
n
a a . . . a
n
.
.
.
.
.
.
.
.
.
.
.
.
a
n
a
n
. . . a
nn
nn
e uma matriz quadrada, n N.
Numa matriz quadrada A = (a
ij
)
nn
, o conjunto D = {a
jj
; 1
j n} e chamado de diagonal principal. J a o conjunto F =
{a
ij
; i + j = n + 1} e chamado de diagonal secund aria. Por
17
exemplo, na matriz
B =
1 5 3 7 8
4 8 9 7 6
1 0 32 47 17
29 25 73 47 58
69 93 21 10 40
,
a diagonal principal e D = {1, 8, 32, 47, 40}, enquanto que a dia-
gonal secund aria e F = {8, 7, 32, 25, 69}.
3. (Matriz triangular) Uma matriz A = (a
ij
)
nn
e dita triangular
quando os elementos acima ou abaixo da diagonal principal s ao
nulos. Quando a
ij
= 0 para i > j, dizemos que A e uma ma-
triz triangular superior. Quando a
ij
= 0 para i < j, ela e dita
triangular inferior.
Exemplo 1.3.1. A matriz A =
2 0 0
1 5 0
3 2 5
e uma matriz trian-

gular inferior.
Exemplo 1.3.2. A matriz B =
1 2 3 4
0 3 5 6
0 0 4 2
0 0 0 1
e triangular supe-
rior.
Exemplo 1.3.3. Oleitor deve assimilar bem a denic ao de matriz
triangular. Note que a matriz
C =
0 0 0 0 0
1 0 0 0 0
2 3 0 0 0
5 4 2 0 0
1 1 1 1 0
e triangular inferior, embora os elementos da diagonal principal

sejam todos nulos.
18
4. (Matriz diagonal) Chamamos de matriz diagonal toda matriz
quadrada que e triangular superior e triangular inferior.
Exemplo 1.3.4. A matriz A =
1 0 0 0
0 2 0 0
0 0 4 0
0 0 0 2
e diagonal.
5. (Matriz nula) Quando todos os elementos da matriz s ao nulos,
isto e, iguais a zero, dizemos que a matriz e nula. Por exemplo,
as matrizes
M =
0 0 0
0 0 0

e T =
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0

s ao matrizes nulas.
6. (matriz identidade)

E uma matriz quadrada M = (m
ij
)
nn
tal
que m
ij
= 1 sempre que i = j e m
ij
= 0 sempre que i = j; i, j
{1, . . . , n}. A notac ao mais usual para designarmos uma matriz
identidade de ordem n e I
n
. Adotaremos esta notac ao. Exemplo:
I =
1 0 0 0 0
0 1 0 0 0
0 0 1 0 0
0 0 0 1 0
0 0 0 0 1
.
7. (Igualdade de matrizes) Duas matrizes A = (a
ij
)
mn
e B =
(b
ij
)
mn
s ao iguais se, e somente se, a
ij
= b
ij
, i {1, . . . , m}, j
{1, . . . , n}. Escreveremos A = B, neste caso. Exemplo:
A =
1 0 5 2
0 12 15 0
= B =
1 0 5 2
0 12 15 0
.
19
1.4 OPERAC

OES COM MATRIZES
Podemos considerar cada matriz como um elemento de um con-
junto, o conjunto das matrizes. Designamos tal conjunto por M
mn
(R),
ou por R
mn
. Assim, M
mn
(R) = {A = (a
ij
)
mn
/ a
ij
R; 1 i
m, 1 j n}. Existem algumas operac oes importantes denidas
neste conjunto. Passaremos a list a-las:
1.4.1 MULTIPLICAC

AO POR ESCALAR
Muitas vezes ao trabalharmos com matrizes n ao estamos interes-
sados em manusear a pr opria matriz, mas sim seus m ultiplos. Nessas
ocasi oes, necessitamos saber da seguinte denic ao:
Denic ao 1.4.1. Dada a matriz A = (a
ij
)
mn
M
mn
(R) e o n umero
R (que chamaremos de escalar), a multiplicac ao de por A e
dada por:
A = .A = (.a
ij
)
mn
.
Exemplo 1.4.1. B =
3 4
1 1/2
=5.B = 5B =
5 3 5 4
5 1 5 (1/2)
15 20
5 5/2
.
Exemplo 1.4.2. C =
c c . . . c
n
c c . . . c
n
.
.
.
.
.
.
.
.
.
.
.
.
c
m
c
m
. . . c
mn
= C = (1)C =
20
=
(1)c (1)c . . . (1)c

n
(1)c (1)c . . . (1)c
n
.
.
.
.
.
.
.
.
.
.
.
.
(1)c
m
(1)c
m
. . . (1)c
mn
c c . . . c
n
c c . . . c
n
.
.
.
.
.
.
.
.
.
.
.
.
c
m
c
m
. . . c
mn
.
1.4.2 ADIC

AO DE MATRIZES
Denic ao 1.4.2. Dadas as matrizes C = (c
ij
)
mn
e D = (d
ij
)
mn
,
ambas em M
mn
(R), a adic ao de C e D, representada por C + D, e
dada por: C +D = (c
ij
) + (d
ij
) = (c
ij
+d
ij
). Ou seja:
C =
c c . . . c
n
c c . . . c
n
.
.
.
.
.
.
.
.
.
.
.
.
c
m
c
m
. . . c
mn
, D =
d d . . . d
n
d d . . . d
n
.
.
.
.
.
.
.
.
.
.
.
.
d
m
d
m
. . . d
mn
=
= C +D =
c c . . . c
n
c c . . . c
n
.
.
.
.
.
.
.
.
.
.
.
.
c
m
c
m
. . . c
mn
d d . . . d
n
d d . . . d
n
.
.
.
.
.
.
.
.
.
.
.
.
d
m
d
m
. . . d
mn
=
=
c +d c +d . . . c
n
+d
n
c +d c +d . . . c
n
+d
n
.
.
.
.
.
.
.
.
.
.
.
.
c
m
+d
m
c
m
+d
m
. . . c
mn
+d
mn
.
Obviamente, a matriz E = C +D e ainda uma matriz com m linhas
e n colunas.

E importante que o leitor entenda que a soma de ma-
trizes s o e possvel entre matrizes que possuem o mesmo n umero de
linhas e de colunas.
Exemplo 1.4.3. C =
3 2
34 0
, D =
2 1
20 1
= C +D =
21
=
3 + 2 2 + 1
34 20 0 + 1
5 1
14 1
.
Exemplo 1.4.4. Tente agora somar as matrizes D =
2 1
20 1
e
E =
1
0
0
0
. N ao e possvel, n ao e mesmo? (Por qu e?)

1.4.3 PROPRIEDADES DA ADIC

AO DE MATRIZES
Como os elementos das matrizes comque trabalhamos s ao n umeros
reais, e natural que as propriedades da adic ao de matrizes herdem as
propriedades de adic ao de n umeros reais. Destacaremos tais pro-
priedades: Dadas as matrizes A = (a
ij
)
mn
, B = (b
ij
)
mn
e C =
(c
ij
)
mn
em M
mn
(R), e os escalares e em R, temos:
Comutatividade
A+B = (a
ij
+b
ij
) = (b
ij
+a
ij
) = B +A.
Exerccio. Verique a propriedade da comutatividade para o ex-
emplo 1.4.3.
Associatividade
(A+B)+C = ((a
ij
+b
ij
))+(c
ij
) = (a
ij
)+((b
ij
+c
ij
)) = A+(B+C).
Exerccio. Verique a propriedade da associatividade para o ex-
emplo 1.4.3 tomando as matrizes C , D e E = C +D.
Inverso aditivo
Para toda matriz A M
mn
(R), existe uma matriz M M
mn
(R),
chamada de inverso aditivo de A, tal que A + M = M + A = 0,
22
onde o 0 e a matriz nula com m linhas e n colunas.
Exerccio. Verique que o inverso aditivo de A = (a
ij
) M
mn
(R)
e A = (a
ij
) M
mn
(R). (Faca exemplos para convencer-se).
Distributividade
( +)A = A+A e (A+B) +A+B.
Exerccio. Dada a matriz M =
12 5 3
1 0 18
0 2 25
, calcule primeiro
(2 + 3)M e depois 2M + 3M.
1.4.4 MULTIPLICAC

AO DE MATRIZES
Denic ao 1.4.3. Sejam A = (a
ij
)
mn
, B = (b
ij
)
np
duas matrizes, com
o n umero de colunas de A igual ao n umero de linhas de B. O produto
entre A e B, que ser a denotado por AB e dado por:
AB = C = (c
ij
)
mp
, onde c
ij
=
n
k
a
ik
b
kj
= a
i
b
j
+a
i
b
j
+. . . +a
in
b
nj
.
Uma pergunta natural e:por que o produto e assim denido?
Uma resposta muito interessante pode ser encontrada visitando o stio
da Revista do Professor de Matem atica e consultando o artigo do
professor Cl audio Possani na Revista n umero 21. www.rpm.org.br.
Retomando o problema do corretor de im oveis, colocando os
dados das tabelas em formato de matriz de maneira que
A =
180.000 240.000 257.000 125.000 334.000

195.000 228.000 226.000 132.000 321.000
179.900 217.000 249.000 146.000 330.000
e B =
3
2
1
3
1
,
onde:
23
a) Cada a
ij
signica que o i- esimo comprador est a oferecendo a
ij
reais para comprar um apartamento do tipo j;
b) Cada b
i
signica a quantidade de apartamentos disponveis do
i- esimo tipo.
Se designarmos por C a matriz do total pago pelas empresas ref-
erente aos apartamentos, teremos: C = AB. Da, teremos que:
C =
180.000 3 + 240.000 2 + 257.000 1 + 125.000 3 + 334.000 1

195.000 3 + 228.000 2 + 226.000 1 + 132.000 3 + 321.000 1
179.900 3 + 217.000 2 + 249.000 1 + 146.000 3 + 330.000 1
1.986.000
1.984.000
1.890.700
.
Concluimos que a primeira empresa ofereceu mais pelos aparta-
mentos do corretor, obtendo exito na compra. Notemos que caso
a venda n ao fosse casada, o problema seria mais complexo e sua
resoluc ao fugiria ao escopo do nosso texto.
Antes de descrever as propriedades da mutliplicac ao de matrizes,
convidamos o leitor a fazer o seguinte exerccio:
Verique que:
a) dada uma matriz A = (a
ij
)
mn
, e verdade que AI
n
= A e
I
m
A = A;
b) dada qualquer matriz quadrada M = (m
ij
)
nn
, MI
n
= I
n
M =
M.
24
1.4.5 PROPRIEDADES DA MULTIPLICAC

AO DE MA-
TRIZES
Assimcomo no caso da adic ao, a multiplicac ao de matrizes tamb em
tem suas propriedades. Passaremos a destac a-las e prov a-las:
Associatividade
(AB)C = A(BC), A = (a
ij
)
mn
, B = (b
ij
)
np
e C = (c
ij
)
pq
.
Demonstrac ao. Chamando de G = AB a matriz AB M
mp
(R),
de H = BC a matriz BC M
nq
(R), de F = (AB)C a matriz
(AB)C M
mq
(R), e sabendo manusear somat orios, ganha-
mos:
f
ik
=
p
l
g
il
c
lk
=
p
l
_
n
j
a
ij
b
jl
_
c
lk
=
p
l
_
n
j
a
ij
b
jl
c
lk
_
=
=
n
j
a
ij
_
p
l
b
jl
c
lk
_
=
n
j
a
ij
h
jk
.
Assim, (AB)C = A(BC).
Distributividade em relac ao ` a adic ao
Existem dois tipos de distributividade em relac ao ` a adic ao, a
saber: ` a esquerda e ` a direita. A distributividade da multiplicac ao
de matrizes em relac ao ` a adic ao ` a esquerda e dada por: C(A+
B) = CA +CB, A, B M
mn
, C M
lm
.
E ` a direita e dada por: (A + B)C = AC + BC, A, B M
mn
,
C M
nl
.
Demonstrac ao. Exerccio para o leitor.
1.5 A TRANSPOSTA DE UMA MATRIZ
Denic ao 1.5.1. Dada uma matriz A = (a
ij
) M
mn
, a sua trans-
posta, denotada por A
t
(ou por A
T
), e obtida por: A
t
=
_
a
ij
_
= (a
ji
)
25
M
nm
. Ou seja:
A =
a a . . . a
n
a a . . . a
n
.
.
.
.
.
.
.
.
.
.
.
.
a
m
a
m
. . . a
mn
= A
t
=
a a . . . a
m
a a . . . a
m
.
.
.
.
.
.
.
.
.
.
.
.
a
n
a
n
. . . a
mn
.
Exemplo 1.5.1. A =
1 56 13 0
2 34 21 3
5 6 90 12
121 3 0 0
=A
t
=
1 2 5 121
56 34 6 3
3 21 90 0
0 3 12 0
.
Lembrando que duas matrizes A = (a
ij
)
mn
e B = (b
ij
)
mn
s ao
iguais se, e somente se, a
ij
= b
ij
, 1 i m, 1 j n, e que o
inverso aditivo de A = (a
ij
)
mn
e A = (a
ij
)
mn
, podemos denir o
seguinte:
Denic ao 1.5.2. Uma matriz quadrada A = (a
ij
)
nn
e sim etrica se, e
somente se, A
t
= A. Ou seja, A = (a
ij
)
nn
e sim etrica se, e somente
se, a
ij
= a
ji
, i, j {1, . . . , n}.
Denic ao 1.5.3. Uma matriz quadrada A = (a
ij
)
nn
e anti-sim etrica
se, e somente se, A
t
= A. Ou seja, A = (a
ij
)
nn
e anti-sim etrica se,
e somente se, a
ij
= a
ji
, i, j {1, . . . , n}.
1.5.1 PROPRIEDADES DA TRANSPOSTADE UMAMA-
TRIZ
A transposta de uma matriz possui algumas propriedades interes-
santes. Algumas s ao bem simples e de f acil constatac ao. Outras nem
tanto...
(A
t
)
t
= A, para toda matriz A = (a
ij
)
mn
.
26
(A+B)
t
= A
t
+B
t
, A = (a
ij
)
mn
, B = (b
ij
)
mn
.
(A)
t
= A
t
, A = (a
ij
)
mn
e R.
(AB)
t
= B
t
A
t
, A = (a
ij
)
mn
, B = (b
ij
)
nl
.
Demonstrac ao. Facamos um raciocnio parecido com o que ze-
mos anteriormente para provar a associatividade da multiplicac ao
de matrizes. Para isso, tomemos D = AB, D M
ml
(R). Pode-
mos deduzir que
_
d
ij
_
lm
= (d
ji
)
lm
. Tomemos tamb em C =
B
t
A
t
, C M
ml
(R). Ou seja, C = (c
ij
)
lm
. Da multiplicac ao
de matrizes sabemos que c
ij
=
n
k
b
ik
a
kj
. Mas
n
k
b
ik
a
kj
=
n
k
b
ki
a
jk
. Melhorando, temos que c
ij
=
n
k
a
jk
b
ki
(). Agora,
olhemos para os (d
ij
)
s:
d
ij
=
n
k
a
ik
b
kj
. Sabendo disso, ca claro ver que d
ji
=
n
k
a
jk
b
ki
.
Ou seja, d
ij
= d
ji
=
n
k
a
jk
b
ki
= c
ij
.
Provamos que d
ij
= c
ij
, isto e, que D
t
= C.
1.6 O TRAC O DE UMA MATRIZ
J a vimos v arias propriedades importantes das matrizes. Algumas
ser ao vistas com bastante freq u encia no decorrer desta obra. O leitor
dever a encontrar tamb em o uso de tais propriedades com bastante
freq u encia em textos mais avancados.
27
Dentro do conjunto das matrizes quadradas de ordem n, temos
um conceito muito importante, que e o conceito de traco de uma ma-
triz. Relembremos que dada uma matriz quadrada A = (a
ij
)
nn

M
nn
(R), a sua diagonal principal e o conjunto D = {a
jj
/ 1 j n}.
O pr oximo conceito e de suma import ancia no estudo de matrizes:
Denic ao 1.6.1. Dada uma matriz A = (a
ij
)
nn
M
nn
(R), o traco
de A e dado por tr(A) =
n
i
a
ii
= a +a +. . . +a
nn
.
Exemplo 1.6.1. Seja a matriz M =
1 3 4
2 5 0
9 18 0
. O seu traco e
dado por: tr(M) = 1 + 5 + 0 = 6.
Exemplo 1.6.2. Dadas as matrizes O =
9 10
4 18
e P =
4 3
23 17
, temos que tr(O + P) = tr
13 13
27 35
= 48,
e tamb em tr(O)+ +tr(P) = tr
9 10
4 18
+ tr
4 3
23 17
=
27 + 21 = 48.
Exerccio. Construa mais matrizes quadradas e calcule seus tracos.
Calcule o traco das suas somas e compare com a soma dos seus
tracos.
1.6.1 PROPRIEDADES DO TRAC O DE UMA MATRIZ
O leitor j a deve estar desconado de que o ultimo exemplo n ao
foi uma mera coincid encia. Tamb em deve ter visto atrav es do ultimo
exerccio que a coincid encia acontece com certa freq u encia. Na ver-
dade, o ultimo exemplo serviu para ilustrar uma das propriedades do
traco de uma matriz. Passaremos a listar as mais conhecidas, mas se
convenca de que existem muitas propriedades envolvendo o traco de
28
uma matriz, e que v arias dessas propriedades fogemdo escopo desse
texto. Mas sempre devemos pesquisar em textos mais avancados tais
coisas. O leitor curioso tende a ser um grande matem atico.
Sejam A = (a
ij
), B = (b
ij
), C = (c
ij
), D = (d
ij
) matrizes em M
nn
e R. Ent ao:
tr(A) = tr(A);
Demonstrac ao. Procediremos de maneira simples:
Sabemos que
A =
a a . . . a
n
a a . . . a
n
.
.
.
.
.
.
.
.
.
.
.
.
a
n
a
n
. . . a
nn
=A =
a a . . . a
n
a a . . . a
n
.
.
.
.
.
.
.
.
.
.
.
.
a
n
a
n
. . . a
nn
.
Da, teremos que tr(A) =
n
i
a
ii
= a +. . . +a
nn
= (a +
. . . +a
nn
) =
n
i
a
ii
= tr(A).
tr(A
t
) = tr(A);
Demonstrac ao. Basta notarmos que a diagonal principal de uma
matriz quadrada e igual ` a diagonal principal da sua transposta.
tr(A+B) = tr(A) +tr(B);
Demonstrac ao. tr(A + B) =
n
i
(a
ii
+ b
ii
) =
n
i
a
ii
+
n
i
b
ii
=
tr(A) +tr(B).
tr[(A+B)
t
] = tr(A
t
) +tr(B
t
);
29
Demonstrac ao. Ora, sabemos que tr(C
t
) = tr(C), C M
nn
.
Da:
tr[(A+B)
t
] = tr(A +B) = tr(A) +tr(B) = tr(A
t
) +tr(B
t
).
tr(AB) = tr(BA).
Demonstrac ao. Lembremos que dadas as matrizes A = (a
ij
), B =
(b
ij
) emM
nn
, a matriz produto C = AB e tal que c
ij
=
n
k
a
ik
b
kj
.
Logo, tomando D = BA, temos que d
ij
=
n
l
b
il
a
lj
. Ganha-
mos que tr(C) =
n
i
c
ii
=
n
i
n
k
a
ik
b
ki
. Por outro lado, tr(D) =
n
i
d
ii
=
n
i
n
l
b
il
a
li
=
n
l
n
i
a
il
b
li
. Assim, tr(C) = tr(D).
1.7 A INVERSA DE UMA MATRIZ
O uso das matrizes e muito importante para a resoluc ao de sis-
temas lineares, como veremos na unidade 3. Podemos escrever um
sistema linear na forma AX = B, onde A, X, B s ao matrizes com suas
caractersticas pr oprias. Quando A for invertvel, no sentido em que
vamos denir, a ultima igualdade ca na forma X = A
B e temos a
soluc ao do sistema.
Denic ao 1.7.1. Dada uma matriz quadrada A M
nn
(R), se existir
uma matriz B M
nn
(R) tal que AB = BA = I
n
, ent ao dizemos que
A e invertvel.
Exerccio. Mostre que a inversa de uma matriz quadrada A, quando
existe, e unica. Denotamos a inversa de A por A
.
Denic ao 1.7.2. Se A M
nn
(R) n ao e invertvel, ent ao dizemos
que A e singular.
30
Exemplo 1.7.1. A inversa de A =
5 2
1 3
e A
=
1
13
3 2
1 5
.
(Verique!)
1 3
3 9
n ao possui inversa.
Exemplo 1.7.3. Sabendo que as matrizes A, B, C, D s ao invertveis e
de mesma ordem, obter X: AXC = BD.
Sol.: Como A e C s ao invertveis, podemos multiplicar a express ao
por A
` a esquerda e por C
` a direita. Da, teremos:

AXC = BD A
(AXC) = A
(BD) = (A
A)(XC) = A
(BD) =
I(XC) = A
(BD) = XC = A
(BD).
Analogamente, multiplicando a ultima express ao por C
` a direita, ter-
emos que X = A
(BD)C
.
1.7.1 PROPRIEDADES DA INVERSA DE UMA MATRIZ
Listaremos algumas propriedades da inversa de uma matriz. A
prova, vericac ao, delas e um exerccio para o leitor.
(A
= A.
(I
n
)
= I
n
, n N.
(AB)
= B
, A e B s ao matrizes quadradas invertveis

de mesma ordem.
(A
t
)
= (A
)
t
.
Pergunta: Qual e a inversa de uma matriz A =
_
a
_
, onde a =
0?
1.8 ESCALONAMENTO DE UMA MATRIZ
31
E de grande utilidade em Matem atica sabermos escalonar uma

matriz. S o para citar algumas, mencionemos o fato de que e mais
f acil calcular o determinante de uma matriz quadrada triangular (es-
tudaremos determinantes na unidade 2 ). Tamb em e mais f acil re-
solver um sistema de equac oes lineares quando sua matriz princi-
pal est a escalonada. Outra utilidade e calcular a inversa de uma
matriz quadrada invertvel usando o m etodo de Gauss-Jordan. De
Acessando o stio
www.google.com.br
e buscando por
Gauss, o leitor
conhecer a mais
sobre a vida deste
grande matem atico.
grande utilidade e de f acil aprendizado, aprenderemos a escalonar
uma matriz utillizando o m etodo da eliminac ao de Gauss, que faz
uso de operac oes elementares. Assim, o m etodo de escalona-
mento tamb em e conhecido como m etodo da eliminac ao.
Comecemos com a seguinte denic ao:
Denic ao 1.8.1. Seja A = (a
ij
) M
mn
(R) uma matriz. Dizemos que
A e escalonada se o primeiro elemento n ao-nulo de uma linha estiver
` a esquerda do primeiro elemento n ao-nulo de cada uma das linhas
subseq uentes. Caso A tenha linhas compostas somente de zeros,
ent ao essas linhas cam abaixo das demais.
Exemplo 1.8.1. As matrizes A =
2 9 3
0 5 7
0 0 1
e B =
1 9 7 0
0 2 1 1
0 0 0 4
0 0 0 0
est ao escalonadas.
Exemplo 1.8.2. A matriz C =
1 3 8 0 2
0 2 3 2 0
2 0 0 19 10
n ao est a escalon-
ada, pois o elemento c e diferente de zero.
Ap os aprendermos a denic ao de matriz escalonada, passaremos
a descrever o m etodo de eliminac ao de Gauss. Para isso, comecaremos
explicando o que s ao operac oes elementares em uma matriz. O adje-
tivo elementar se deve ao fato de que realmente s ao operac oes muito
simples, como veremos a seguir:
Permutar linhas da matriz;
32
Adicionar a uma linha o m ultiplo de outra linha, ou
Substituir uma linha pela combinac ao linear de outras linhas.
Denic ao 1.8.2. Dada uma matriz A, chamamos de equivalente a A a
matriz obtida de A atrav es de operac oes elementares. Denotaremo-la
por

A.
Passaremos a exemplicar tais operac oes elementares:
Exemplo 1.8.3. Dada a matriz M =
0 3
1 4
, obtemos a matriz
M =
1 4
0 3
atrav es da permutac ao das duas linhas de M.

Exemplo 1.8.4. A matriz D =
2 4 4
0 5 2
1 3 2
e equivalente ` a matriz
D =
1 3 2
0 5 2
2 4 4
pois

D foi obtida de D atrav es da permutac ao da
sua primeira
e da sua terceira linha.
Exemplo 1.8.5. Adicionando ` a primeira linha o quntuplo da terceira,
obtemos uma matriz equivalente para a matriz E =
6 7 0
9 3 1
5 2 1
E =
31 17 5
9 3 1
5 2 1
.
O leitor deve treinar o uso das operac oes elementares em v arias
matrizes. Elas ser ao muito uteis na resoluc ao de sistemas lineares.
33
S o para citar, muitos programas de computador utilizam o m etodo do
escalonamento para resolver sistemas lineares.
Descreveremos agora o processo de eliminac ao gaussiana de uma
matriz. Conscientize-se de que o nosso objetivo e obter uma matriz
escalonada, e que os exemplos acima serviram apenas para a xac ao
da mat eria. No ultimo exemplo, n ao foi uma boa operac ao adicionar
` a primeira linha o quntuplo da terceira, j a que a matriz E e visivel-
mente mais f acil de ser trabalhada do que a matriz

E. N ao devemos,
portanto, tomar operac oes que n ao tornem a matriz equivalente mais
simples do que a original.
Dada uma matriz A = (a
ij
) M
mn
(R) qualquer, temos dois ca-
sos a analisar. O primeiro e que a = 0. O outro, claramente, e
a = 0. Se a = 0, podemos passar ao pr oximo passo. Mas se
a = 0, ent ao permutamos a primeira linha de A com uma que pos-
sua o primeiro termo n ao nulo. Foi isso que zemos no exemplo 1.7.3.
Mas se A n ao possuir uma linha em que o primeiro termo for n ao-
nulo, ent ao passemos a analisar a sua segunda coluna da mesma
maneira que analisamos a primeira (e que acabamos de descrever).
Caso aconteca com a segunda linha o mesmo que com a primeira,
passemos para a terceira e assim sucessivamente.
Assumindo que a = 0 (ou que a
j
= 0 para algum j {1, . . . , n},
caso aconteca que a = 0), somemos a cada linha restante de A o
termo a
i
/a (ou a
ij
/a
j
). Ap os esse passo, a matriz possuir a a
primeira (ou a j- esima) coluna com os elementos abaixo de a (ou de
a
j
) iguais a zero.
Agora passemos a analisar a coluna subseq uente ` a primeira (ou ` a
j- esima). Nela, nos preocupemos com a segunda linha. Facamos o
mesmo raciocnio que zemos no caso anterior, ou seja, vejamos se
a (ou a
j
) e n ao-nulo e procedamos analogamente. Assim, depois
que adicionarmos ` as outras linhas o termo a
i
/a (ou a
i j
/a
j
),
a segunda (ou (j + 1)- esima) coluna car a com os elementos abaixo
de a (ou de a
j
) iguais a zero.
34
Continuemos assim at e termos a matriz escalonada.
Exemplo 1.8.6. Dada a matriz A =
0 9 3
1 2 6
1 3 4
, procedamos da
seguinte maneira:
1. Como a = 0, mas a = 0 e a = 0, podemos escolher a linha
com a qual permutaremos a primeira. Neste caso, escolhamos
a terceira (Por qu e?). Da, teremos a seguinte matriz:
1 3 4
1 2 6
0 9 3
.
2. Agora, adicionemos ` a segunda linha a primeira multiplicada por
(1)/1 = 1:
1 3 4
0 5 2
0 9 3
.
3. Como (nesse exemplo) j a possumos o primeiro elemento desta
ultima matriz nulo, passemos para a segunda coluna. Analise-
mos o elemento a . Como ele e n ao-nulo, adicionemos ` a ter-
ceira linha a segunda multiplicada por 9/5:
1 3 4
0 5 2
0 0 33/5
.
Esta ultima matriz est a, evidentemente, escalonada.
Adotaremos a seguinte notac ao a partir de agora:
35
Quando quisermos nos referir a uma determinada linha de uma
matriz, chamaremo-la de L
i
, ou seja, L
i
representa a i- esima
linha;
Para designar um m ultiplo de uma linha, usaremos L
i
, que sig-
nica que a i- esima est a multiplicada por ;
Quando quisermos somar duas linhas (ou m ultiplos delas), us-
aremos L
i
+L
j
, que signica que a i- esima linha multiplicada
por foi somada ` a j- esima multiplicada por .
Quando permutarmos duas linhas, usaremos L
i
L
j
, que
signica que a i- esima linha foi permutada com a j- esima.
Queremos com isso transcrever matematicamente as operac oes
elementares que acabamos de aprender.
Exemplo 1.8.7. Nesse raciocnio, o exemplo anterior pode ser escrito
desta maneira:
A =
0 9 3
1 2 6
1 3 4
L L
1 3 4
1 2 6
0 9 3
L L
1 3 4
0 5 2
0 9 3
L / L
1 3 4
0 5 2
0 0 33/5
.
1.9 SAIBA MAIS
1. O leitor poder a acessar, no stio http://strato.impa.br/, excelentes
vdeos produzidos pela equipe Coordenada pelo Professor Elon
Lages Lima, do Programa de Formac ao de Professores do En-
sino M edio. Acessando janeiro de 2002 e janeiro de 2006, o leitor
encontrar a vdeos sobre o ensino de matrizes.
36
1.10 EXERC
ICIOS
1. Encontre x e y para que as matrizes A e B sejam iguais, onde:
(a) A =
x 2 3
5 2 7
e B =
18 2 3
5 y 7
;
(b) A =
12
2
19

3
2
3 x
e B =
12
2
19
3
2
y 2x
;
(c) A
t
=
1 0 18
5
3x 4 8 0
0 4 5 3
2
2 7 9 0
e
B =
1 9 0 2
2
0 4 4 14y
18 8 5 9
5 0 3 0
;
(d) A =
1 0
1
x
y
e B =
1 0
15 8
.
2. Resolva a seguinte equac ao:
x 1 18 3
0 2 3y
3 20 5
z 4w 0
12 t 2
5 3 0
.
3. Dada a matriz M =
18 5 8
0 3 1
12 5 0
,
37
diga quem e a diagonal principal D e d e a soma dos seus ele-
mentos.
4. Construa v arios exemplos de matrizes triangulares e classique-
os quanto ao tipo.
5. Dadas as matrizes D =
1 9
9 2
e F =
2 2/5 3
7 1 43
,
calcule D, 2D, 4F, 5F.
18 5 8
0 3 1
12 5 0
, calcule 5D e encontre a
soma dos elementos da diagonal principal dessa nova matriz.
7. Calcule I e ache a raz ao entre a soma dos elementos da dia-
gonal principal de I e de I . Generalize.
8. Construa duas matrizes triangulares superiores de ordem 2 e ve-
rique que a soma delas ainda e uma matriz triangular superior.
Faca o mesmo para o caso de matriz triangular inferior. Gener-
alize.
9. Dadas as matrizes I , e A =
1 3 2
4 1 0
1 2 9
, encontre a matriz
AI .
12 5 3
1 0 18
0 2 25
, calcule primeiro (2 + 3)M

e depois 2M + 3M.
11. Verique que todo m ultiplo de uma matriz identidade e uma ma-
triz sim etrica.
38
12. Verique que a matriz
0 3
3 0
e anti-sim etrica.
13. Construa duas matrizes sim etricas de ordem 3 e verique que a
soma delas e ainda sim etrica (de mesma ordem). Faca o mesmo
para o caso de matrizes anti-sim etricas. Generalize para ma-
trizes sim etricas e anti-sim etricas de ordem n, n N.
14. Mostre que toda matriz quadrada pode ser escrita como a soma
de uma matriz sim etrica com uma anti-sim etrica.
15. Dadas as matrizes A =
1 2
2 4
e B =
3 5
2 1
, calcule
(AB)
t
e B
t
A
t
.
16. Para as mesmas matrizes A e B do exerccio anterior, calcule
(A+B)
t
, A
t
+B
t
, (A
t
)
t
, 5A
t
e (5A)
t
.
17. Sejam as matrizes M =
1 3 4
2 5 0
9 18 0
e N =
3 2 7
0 5 8
9 10 23
.
Calcule :
(a) tr(M
t
);
(b) tr(M +N);
(c) tr(5M + 18N);
(d) tr(MN);
(e) tr(NM).
18. Diga se as matrizes abaixo est ao escalonadas:
39
(a) A =
1 0
0 0
(b)B =
1 3 2
9 4 2
0 5 6
0 0 7
(c)C =
0 3 4 1 0 3
0 0 0 4 3 8
0 0 0 0 5 7
(d)D =
8 5 7 2
0 3 4 1
2 0 0 0
(e)E =
2 9 4 2
2 4 6 9
0 9 7 7
0 0 2 1
0 0 0 1
19. Escalone as seguintes matrizes:

(a) A =
3 2
8 9
(b) B =
0 8 2
2 1 4
1 2 3
(c) C =
2 0 0 0
0 2 3 4
9 17 0 1
(d)D =
0 10 1 0 0
1 1 3 0 0
1 0 2 0 1
0 0 1 8 1
(e) E =
1 0 2 0 1 3
3 2 3 1 0 0
0 0 1 0 2 4
40
1.11 BIBLIOGRAFIA RECOMENDADA
1. LIMA, E.L.; CARVALHO, P.C.; WAGNER, E.; MORGADO, A.C..A
Matem atica do Ensino M edio. Volume 3. 6.ed.. Rio de Janeiro:
SBM, 2006.
41

Unidade 2

Determinantes

Resumo

Apresentamos como associar uma matriz quadrada a um nmero
real. A essa associao damos o nome de determinante. Aprenderemos
como calcular o determinante de matrizes (quadradas) de qualquer
ordem, atravs dos mtodos de Laplace, Chi, Sarrus e outros.
Estabeleceremos uma condio necessria e suficiente para determinar
se uma dada matriz admite inversa. Vrios conceitos importantes, como
o de cofator, matriz adjunta, polinmio caracterstico, e outros so
apresentados.

NDICE

UNIDADE 2. Determinantes

2.1 Introduo
2.4 Propriedades dos determinantes
2.5 Determinantes de matrizes de ordem arbitrria
2.5.1 Teorema de Laplace
2.5.2 Regra de Chi
2.6 Matriz Adjunta
2.7 Polinmio caracterstico
2.8 Saiba mais
2.9 Exerccios
2.10 Respostas

Unidade 2
DETERMINANTES
2.1 INTRODUC

AO
No conjunto das matrizes existe um subconjunto muito importante
para a Matem atica.

E o subconjunto das matrizes quadradas. Nele,
podemos denir uma func ao f : M
nn
(R) R. Assim, associamos
cada matriz quadrada a um n umero real. Denominamos essa func ao
de determinante, e designamos f(A) = det A. H a muita controv ersia
Mais
informac oes
sobre a origem
do termo deter-
minante podem
ser encontradas
na Revista
n umero 21, em
www.rpm.org.br.
acerca do surgimento dos determinantes. Alguns admitem que os
determinantes surgiram h a 2000 anos na China Antiga, pois existem
resqucios de que os chineses usavam algo parecido com determi-
nantes para resolver sistemas lineares, assunto que estudaremos
na unidade 3.
Desde a invenc ao dessa importante func ao, v arios avancos foram
conseguidos e hoje sabemos que a func ao determinante serve para
in umeras coisas, como calcular a area de um paralelogramo, o vol-
ume de um paraleleppedo, entre outras aplicac oes. Al em de ajudar
a resolver sistemas lineares, conte udo a ser estudado na unidade 3,
o determinante serve tamb em para encontrar a inversa de uma matriz,
caso exista.
Comecaremos o estudo dos determinantes vendo,inicialmente,o
caso de uma matriz quadrada de ordem 2, isto e, matriz do tipo
2 2. Ap os isso, veremos como calcular determinantes de matrizes
44
quadradas do tipo 33 e, ent ao aprenderemos como calcular o deter-
minante de uma matriz quadrada do tipo n n.
2.2 DETERMINANTEDE UMAMATRIZ DE OR-
DEM 2
H a um ditado popular que arma que n ao se pode construir uma
casa comecando pelo telhado. Primeiro constr oi-se a base para ent ao
construir o restante. Assim tamb em e estruturado o conhecimento.
Primeiro aprendemos o b asico para ent ao galgarmos aprender o mais
difcil. N ao podemos pensar em calcular o determinante de uma ma-
triz do tipo 55 sem sabermos calcular o determinante de uma matriz
do tipo 2 2. Anal, v arias maneiras existentes de calcular determi-
nante de matrizes de ordens superiores a tr es usam o c alculo elemen-
tar do determinante de matrizes de ordem 2.
Antes de aprendermos como calcular o determinante de uma ma-
triz quadrada de ordem 2, vejamos o que acontece para o caso de
uma matriz de ordem 1.
Denic ao 2.2.1. Seja uma matriz A de ordem 1. Seu determinante
e dado por det A = a . Ou seja, o determinante de uma matriz qua-
drada de ordem 1 e igual ao unico elemento que comp oe a matriz.
Assim, como duas matrizes s ao iguais se, e somente se, os seus
elementos s ao iguais, ganhamos que o conjunto das matrizes quadradas
de ordem 1 possui uma correspond encia biunvoca com o conjunto
dos n umeros reais. A func ao determinante associa a cada matriz
B = (b ) M

(R) um n umero real det B = b , de maneira unica.
Exemplo 2.2.1. A =
_
2
_
det A = 2.
Exemplo 2.2.2. R, A =
_

_
det A = .
45
Passemos ao c alculo do determinante de matrizes quadradas de
ordem 2. Descreveremos uma maneira r apida e sutil de se calcu-
lar o determinante de tais matrizes. Para isso, tomemos a seguinte
denic ao:
Denic ao 2.2.2. Dada uma matriz A =
a a
a a
, o seu determi-
nante
e dado por det A = a a a a . Ou seja, o determinante de A
e obtido pela diferenca entre o produto dos elementos da diagonal
prinicipal de A pelo produto dos elementos da sua diagonal secund aria;
Ou seja:
det A =
a a
a a
= a a a a .
Exemplo 2.2.3. Seja B =
2 3
4 8
. Ent ao det B = 2(8)34 =

= 16 12 = 28.
2.3 DETERMINANTEDE UMAMATRIZ DE OR-
DEM 3
Continuando o estudo dos determinantes, chegamos enmao c alculo
de determinantes de matrizes quadradas de ordem 3. Existem v arias
maneiras de se calcular tais determinantes. Algumas pessoas at e
ocupam seu tempo tentando descobrir alguma maneira nova de se
calcular o determinante de uma matriz quadrada do tipo 3 3. Outras
costumam decorar as diversas maneiras existentes.
O objetivo desta sec ao n ao e ensinar as in umeras maneiras de
se calcular os determinantes desse tipo de matrizes. O leitor deve
46
dar - se por satisfeito conseguindo aprender pelo menos uma dessas
maneiras. Anal, o mais importante agora e chegar ao resultado, e
n ao discutir as vias que resultam nele.
Denic ao 2.3.1. Seja A = (a
ij
)
. O determinante de A e dado por:

det A = a a a +a a a +a a a (a a a +a a a +a a a ).
Ou seja,
det A =
a a a
a a a
a a a
= a a a +a a a +a a a (a a a +
+a a a + a a a ).
A f ormula acima e difcil de se memorizar, mas existem maneiras
simples de lembr a-la. Vejamos o m etodo de Sarrus para calcular o
determinante de matrizes 3 3:
Primeiro escrevemos a matriz e repetimos ` a sua direita as suas
primeira e segunda colunas. (Lembre-se de n ao por os ( )
s!);
Depois, tracamos setas de acordo com a gura abaixo;
Calculamos o produto dos elementos da matriz segundo elas;
Para as setas que cam na direc ao e sentido da da diagonal
secund aria tomamos o oposto do produto. Para as setas que
cam na direc ao e sentido da diagonal principal tomamos o valor
do produto sem alterac oes;
Somamos os valores encontrados.
Esse m etodo e conhecido como regra de Sarrus.
Exemplo 2.3.1. O determinante da matriz A =
1 3 5
9 3 0
2 18 7
e
det A = 13(7)+302+5918(532+1018+39(7)) = 948.
47
Figura 2.1: Regra de Sarrus
Exemplo 2.3.2. O determinante da matriz B =
1 7 12
0 5 3
0 0 1
e igual
a 5. (Verique!)
Outra maneira muito simples de se memorizar o c alculo do deter-
minante de uma matriz do tipo 3 3 e a seguinte:
Figura 2.2: Determinante de uma matriz 3 3
2.4 PROPRIEDADESDOS DETERMINANTES
Esta sec ao abordar a v arias propriedades dos determinantes. O
conhecimento dessas propriedades e de grande import ancia para o
c alculo de determinantes de matrizes quadradas de ordem maior que
48
3. Elas servem tamb em para determinantes de ordem 2 e 3. As pro-
priedades que listaremos a seguir devem ser estudadas mais profun-
damente, visto que de posse delas e com um pouco de maturidade
conseguimos resolver v arios determinantes sem fazer c alculos de-
masiados. Isto e, com elas conseguimos poupar tempo na resoluc ao
de determinantes de matrizes de ordens muito grandes.
Apesar de termos at e agora visto somente como calcular determi-
nantes de matrizes de ordem 1, 2 e 3, enunciaremos as propriedades
para o caso geral, i.e., para o caso de matrizes quadradas de ordem
n, n N. Convidamos o leitor a tentar demonstr a-las, ou veric a-las
atrav es de v arios exemplos.
Matriz com linhas ou colunas nulas
E fato que o determinante de toda matriz nula e nulo. Mas o

interessante e que isto tamb em se verica quando somente uma
linha (ou coluna) da matriz e formada apenas por zeros. Ou seja,
se
A =
a a . . . a
n
.
.
.
.
.
. . . .
.
.
.
0 0 . . . 0
.
.
.
.
.
. . . .
.
.
.
a
n
a
n
. . . a
nn
,
ent ao det A = 0.
Exemplo 2.4.1. det
1 5 9
0 0 0
2 2 3
= 0.
Exemplo 2.4.2.
0 3
0 4
= 0.
Exemplo 2.4.3.
0 0
1 3
= 0.
Exemplo 2.4.4. det
0 3 7
0 2 0
0 5 1
= 0.
49
Exemplo 2.4.5.
1 4 0 3
9 3 0 2
0 0 0 0
1 2 0 2
= 0.
det A = det A
t
Esta propriedade diz que o determinante de uma matriz e igual
ao da sua transposta. O leitor certamente j a tinha percebido a
essa propriedade.
Exemplo 2.4.6. det
1 9
6 7
= det
1 6
9 7
.
Linhas ou colunas iguais
Esta propriedade bastante interessante pode ser provada us-
ando o teorema de Cauchy que ser a enunciado na pr oxima
sec ao, como o leitor atento poder a perceber. Mas voltando ao
principal, esta propriedade nos diz que se uma matriz quadrada
possuir duas (ou mais) linhas (ou colunas) iguais, ent ao seu de-
terminante ser a nulo.
Exemplo 2.4.7.
1 3 5 3 7
2 2 4 5 9
3 4 7 10 1
1 3 5 3 7
0 1 5 3 2
= 0, pois a quarta linha

e igual ` a primeira.
Exemplo 2.4.8.
1 9 1
2 8 2
3 5 3
= 0. (Voc e sabe dizer por qu e?)

50
Exemplo 2.4.9.
x + 1 x + 2 (x 4) 3
x
2 x
1 3 2 2 8 6
4 1 93 0 0 7
1 3 2 2 8 6
0 5 2 19 17 6
1 (log 3)x 3 2 0 1
= 0,
x R. Viu como ajuda?
Linhas ou colunas proporcionais
No mesmo raciocnio do temanterior, temos que o determinante
de uma matriz quadrada e nulo se ela possuir duas (ou mais)
linhas (ou colunas) proporcionais. Ou seja, se ela possuir pelo
menos uma linha (ou coluna) m ultipla de outra linha (ou coluna),
seu determinante ser a nulo. Note que o caso anterior e uma
particularidade deste quando o fator de proporcionalidade e igual
a 1.
Exemplo 2.4.10.
1 3 5 3 7
2 2 4 5 9
3 4 7 10 1
8 24 40 24 56
0 1 5 3 2
= 0,
pois a quarta linha e igual ` a primeira multiplicada por 8.
Exerccio. Construa mais exemplos de matrizes em que suas
linhas (ou colunas) s ao proporcionais e calcule seus determi-
nantes.
Determinante de matriz triangular
Esta propriedade diz que o determinante de qualquer matriz tri-
angular superior e igual ao produto dos elementos componentes
da diagonal principal. Ou seja, se D = {a , . . . , a
nn
} e a diago-
nal principal de A e A e triangular superior, ent ao
det A =
n
i
a
ii
= a a . . . a
nn
.
51
Exemplo 2.4.11. O determinante da matriz D =
9 2 10 4
0 3 4 1
0 0 2 1
0 0 0 2
e igual a det A = 108.

Exerccio:O leitor poderia, somente usando as propriedades lis-
tadas at e agora, explicar por que o determinante de uma matriz
triangular inferior tamb em e igual ao produto dos elementos da
diagonal principal?
2 0 0 0
100 1 0 0
1 3000 2 0
1 10 2 8
e triangular
(De que tipo?) e possui determinante det B = 2 (1) 2 8 =
32.
Multiplicac ao de linha ou coluna por um escalar
Quando multiplicamos uma linha ou coluna por um escalar, o
seu determinante ca multiplicado por esse n umero.
Exemplo 2.4.13. Notemos que a matriz M =
7 21
1 2
pode
ser vista como M =
7 1 7 3
1 2
. Da, det M = 7 det
1 3
1 2
=
7 (1) = 7.
Exemplo 2.4.14. Calcular o determinante da matriz A =
2 8 4
3 9 12
15 5 25
.
Podemos ver A desta maneira:
2 1 2 4 2 2
3 1 3 3 3 4
5 3 5 1 5 5
. (Pode-
mos?)
52
Da, det A = det
2 1 2 4 2 2
3 1 3 3 3 4
5 3 5 1 5 5
= 235det
1 4 2
1 3 4
3 1 5
= 2 3 5 23 = 690.
Agora o leitor est a apto a dizer quanto vale det A, onde R
e A M
nn
. (Ou n ao?) Vejamos mais detalhadamente a matriz
A:
A =
a a . . . a
n
a a . . . a
n
.
.
.
.
.
.
.
.
.
.
.
.
a
n
a
n
. . . a
nn
.
Claramente vemos que multiplica cada linha da matriz A. Pela
propriedade que enunciamos neste tem, o determinante de A
car a multiplicado pelos escalares que multiplicam as suas lin-
has, que neste caso s ao todos iguais a :
det A = . . .
. .
n
det A =
n
det A.
Exemplo 2.4.15. Dada a matriz D =
3 10
9 7
, calcule det 5D.

Pela propriedade que acabamos de ver det 5D = 5 5 det D =
5 det D = = 25 (111) = 2775.
Teorema de Jacobi
Recordemos o seguinte fato: dada uma matriz quadrada A, a
sua equivalente

A e obtida atrav es de operac oes elementares.
Uma pergunta interessante e: como determinar det Aconhecendo
det

A ? O teorema de Jacobi responde a essa pergunta:
Acessando o stio
www.google.com.br
e buscando por
Jacobi, o leitor
conhecer a mais
sobre a vida deste
grande matem atico.
Teorema 2.4.1. Seja A uma matriz quadrada. O determinante
de A e igual ao de qualquer equivalente sua.
53
A import ancia do teorema acima e inmensur avel. De posse dele,
podemos calcular o determinante de uma matriz apenas calcu-
lando o da sua escalonada. (Por que e mais f acil calcular o deter-
minante de uma matriz escalonada?) Assim, ao inv es de calcu-
larmos o determinante de uma matriz do tipo 44, escalonamo-a
e calculamos o seu determinante.
Exemplo 2.4.16. A matriz escalonada de A =
0 9 3
1 2 6
1 3 4
e

A =
1 3 4
0 5 2
0 0 33/5
. (Exemplo 1.7.6)
Portanto, pelo teorema de Jacobi, det A = det

A = 33. (Por que
det

A = 33?)
Teorema de Binet
Quando multiplicamos duas matrizes quadradas, inquirimos ac-
erca do determinante deste produto. Como se relaciona o deter-
minante do produto de duas matrizes com os seus respectivos
determinantes?
Acessando o stio
www.google.com.br
e buscando por
Binet, o leitor con-
hecer a mais sobre
a vida deste grande
matem atico.
Teorema 2.4.2. Sejam A e B duas matrizes quadradas de or-
dem n. O determinante do seu produto e igual ao produto dos
seus respectivos determinantes, isto e, se A e B s ao matrizes
quadradas, ent ao det(AB) = det Adet B.
Ilustremos o teorema de Binet com alguns:
Exemplo 2.4.17. A =
1 4
9 0
, B =
1 0
6 7
=
=AB =
23 28
9 0
=det(AB) = 252.
Agora note que det A = 36 e det B = 7. Assim, det Adet B =
252.
54
Exemplo 2.4.18. C =
1 7 2
2 4 6
0 8 0
, D =
1 2 3
9 0 6
0 5 1
=
=CD =
62 12 47
38 34 12
72 0 48
.
Ao inv es de calcularmos o determinante da ultima matriz, us-
amos o teorema de Binet e armamos que det(CD) = det C det D =
48 1620 = 25920.
2.5 DETERMINANTESDE MATRIZESDE OR-
DEM n
Aprenderemos nessa sec ao maneiras de se calcular o determi-
nante de matrizes quadradas de qualquer ordem. Assim, pedimos
bastante atenc ao do estudante durante a sua leitura. Alguns m etodos
necessitam de certo esforco minem onico devendo, por isso, ser es-
tudados com mais anco. Veremos conceitos necess arios para con-
seguirmos calcular determinantes atrav es dos m etodos de Laplace e
de Chi o.
Com isso, poderemos resolver problemas matem aticos mais avan-
cados que necessitem de matrizes quadradas de ordem grande e
de seus respectivos determinantes. Convidamos o leitor a procurar,
na BIBLIOGRAFIA RECOMENDADA, aplicac oes de determinantes
e o instigamos a resolver os exerccios. Somente com resoluc ao de
exerccios e que conseguimos solidicar o conhecimento matem atico.
Procure resolver a maior quantidade possvel de exerccios referentes
a essa sec ao, pois nesta unidade talvez ela seja a mais importante.
Comecaremos esta sec ao aprendendo o m etodo de Laplace para o
55
c alculo de determinantes de matrizes de ordem arbitr aria.
2.5.1 TEOREMA DE LAPLACE
O teorema de Laplace e, sem d uvida, o mais elegante para o
c alculo do determinante de uma matriz. Muitos autores tomam a
denic ao de determinante como o pr oprio teorema de Laplace. Antes
de enunciarmo-lo, vejamos primeiramente o conceito de cofator, que
e necess ario para o seu perfeito entendimento.
Denic ao 2.5.1 (Cofator). Seja A = (a
ij
) M
nn
(R) uma matriz
dada. O cofator do elemento a
ij
e o n umero A
ij
= (1)
i j
det M
ij
,
onde M
ij
e a matriz resultante da eliminac ao da linha i e da coluna j
da matriz A.
Exemplo 2.5.1. Seja a matriz A =
1 2 3 4
5 6 7 8
9 10 11 12
13 14 15 16
. Calculemos o
cofator do elemento a (N ao confunda a
ij
com A
ij
!). Para isso,
notemos
que M =
1 2 4
9 10 12
13 14 16
. (Concorda?) Da, det M = 0 e ent ao

A = (1) det M = 0.
Exemplo 2.5.2. Para a matriz D =
2 8 4 5
0 0 3 4
9 2 4 3
1 0 4 5
, calcule D e
D .
Vejamos primeiramente quem s ao as matrizes M e M :
56
M =
0 0 3
9 2 4
1 0 4
, M =
2 4 5
0 3 4
1 4 5
.
Logo teremos que det M = 6 e det M = 63 e ent ao
D = (1) det M = 6, D = (1) det M = 63.
Exemplo 2.5.3. Calcule C e C , onde C e tal que
C =
12 4 26 32
23 34 19 7
11 15 31 14
72 30 0 1
. Novamente, vejamos quem s ao as matrizes M e M :

M =
34 19 7
15 31 14
30 0 1
, M =
12 26 32
23 19 7
11 31 14
.
Da, teremos que C = (1) det M = 15544 e C = (1) det M =
32298.
Nos ultimos exemplos vimos a regra do cofator aplicada a elemen-
tos de matrizes do tipo 4 4,m as podemos aplic a-la em casos de
matrizes de ordem 2 e 3. Vejamos o exemplo seguinte:
Exemplo 2.5.4. Calcule E , E e E onde E =
2 9 8
3 5 6
9 1 1
.
Vejamos as matrizes M , M e M : M =
9 8
1 1
, M =
2 8
9 1
,
M =
2 9
9 1
.
Logo, E = (1) det M = 1, E = (1) det M = 70 e
E = (1) det M = 79.
57
No exemplo anterior, se calcularmos det E usando a regra de Sar-
rus, encontraremos 121 como resposta. Se calcularmos e E +
e E + e E , tamb em encontramos 121 como resposta. N ao
foi mera coincid encia. Isto pode ser explicado pelo seguinte teorema:
Teorema 2.5.2 (Laplace). Seja A uma matriz quadrada de ordem n,
n 2. O seu determinante e igual ` a soma dos produtos dos elementos
Acessando o stio
www.google.com.br
e buscando por
Laplace, o leitor
conhecer a mais
sobre a vida deste
grande matem atico.
de uma la qualquer pelos respectivos cofatores. Ou seja, det A =
n
j
a
ij
A
ij
, onde i e o ndice de uma linha de A.
Exemplo 2.5.5. Calcular o determinante da matriz D =
1 5 6 3
9 8 4 1
0 1 3 1
4 5 6 8
usando o m etodo de Laplace.

Comecemos escolhendo uma la de D. Como o determinante de
D, pelo teorema de Laplace, e det D =
n
j
d
ij
D
ij
, escolheremos uma
la que possua pelo menos um elemento igual a zero, para facilitarmos
os c alculos. Nesse raciocnio, escolheremos a teceira la, j a que ela
possui um zero.(Convidamos o leitor a calcular o determinante de D
escolhendo uma das outras las restantes).
Calculemos os cofatores D , D , D . (Por que n ao e necess ario
calcular D ?) Com um c alculo r apido, o leitor facilmente chegar a
` a soluc ao D = 496, D = 40 e D = 584. Portanto, det D =
0.D + 1.D + 3.D + 1.D = 496 + 120 + 584 = 208.
Encerraremos esta sec ao enunciando o seguinte teorema:
Teorema 2.5.3 (Cauchy). A soma dos produtos dos elementos de uma
la pelos cofatores dos elementos correspondentes de outra la par-
alela e igual a zero.
Acessando o stio
www.google.com.br
e buscando por
Cauchy, o leitor
conhecer a mais
sobre a vida deste
grande matem atico.
Admitiremos este ultimo teorema sem demonstrac ao. Convidamos
o leitor a comprov a-lo para o caso de uma matriz quadrada de ordem
2.
58
2.5.2 REGRA DE CHI

O
Certamente o leitor deve ter percebido a diculdade de calcular de-
terminantes de matrizes de ordem muito grande. A regra de Laplace e
muito bonita, mas para determinantes de matrizes de ordem superior
a 10, ( bf por exemplo), ela ca pouco usual. Imagine ter que calcular
o determinante de uma matriz do tipo 20 20 usando o m etodo de
Laplace e dispondo de pouco tempo! A menos que voc e consiga cal-
cular determinantes mentalmente, esta tarefa seria um desao quase
que insolucion avel.
Como seria bom se consegussemos calcular o determinante de
uma matriz quadrada de ordem 4 apenas solucionando o de uma
de ordem 3! Ou mesmo calcular o de uma de ordem 3 somente
solucionando o de uma de ordem 2! Em suma, seria muito bom se
soub essemos uma maneira de calcular o determinante de uma matriz
quadrada de ordem n apenas calculando o de uma matriz de ordem
(n 1). A regra de Chi o ajuda-nos a solucionar nosso problema. Ela
Acessando o stio
www.google.com.br
e buscando por
Chi o, o leitor con-
hecer a mais sobre
a vida deste grande
matem atico.
permite o c alculo do determinante de uma matriz quadrada de ordem
n atrav es do c alculo do determinante de uma matriz quadrada de or-
dem n 1. Assim, dada uma matriz
A =
a a . . . a
n
a a . . . a
n
.
.
.
.
.
.
.
.
.
.
.
.
a
n
a
n
. . . a
nn
nn
sabemos como, atrav es de operac oes elementares, torn a-la equiva-
lente a uma matriz

A (tamb em quadrada de ordem n) cujo termo a
e igula a 1. (Sabemos mesmo?) Ent ao, assumindo que a matriz qua-
drada A possui o elemento a = 1, procedamos desta forma:
59
Destaque o elemento a = 1;
Desconsidere a primeira linha e a primeira coluna da matriz;
Subtraia, de cada elemento a
ij
restante, o produto a
i
a
j
;
Com os resultados da passagem anterior, formamos uma matriz
quadrada de ordem n 1:
A =
a a a a a a . . . a
n
a a
n
a a a a a a . . . a
n
a a
n
.
.
.
.
.
.
.
.
.
.
.
.
a
n
a
n
a a
n
a
n
a . . . a
nn
a
n
a
n
nn
Calculamos o determinante da matriz A obtida.
Notemos que antes de calcularmos o determinante da matriz obtida
podemos repetir o processo at e encontrarmos uma matriz quadrada
de ordem menor cujo determinante seja mais f acil de calcular.
Exemplo 2.5.6. Vamos calcular o determinante da matriz
D =
1 5 6 3
9 8 4 1
0 1 3 1
4 5 6 8
.
Por sorte (ser a mesmo?), temos que a = 1. Da, seguindo a seq u encia
de passos descrita acima, chegamos a:
D =
8 9 5 4 9 6 1 9 3
1 0 5 3 0 6 1 0 3
5 4 5 6 4 6 8 4 3
37 50 28
1 3 1
25 18 20
.
Portanto, pela regra de Chi o, teremos que det D = det D = 208.
(Reconhece esse resultado?)
60
2.6 MATRIZ ADJUNTA
Convidamos o leitor a revisar o conceito de matriz inversa. Na
unidade 1 n ao ensinamos como calcular a inversa de uma matriz in-
vertvel. Aqui aprenderemos uma condic ao necess aria e suciente
para sabermos se existe a inversa de uma matriz quadrada. Ap os
isso, aprenderemos um m etodo para calcular tal inversa. Na pr oxima
unidade aprenderemos outro m etodo.
Na sec ao anterior aprendemos a calcular o cofator de umelemento
de uma matriz quadrada de ordem arbitr aria. L a vimos que dada uma
matriz
B = (b
ij
) M
nn
, o cofator do elemento b
ij
e dado por B
ij
= (1)
i j
det M
ij
,
onde M
ij
e a matriz obtida eliminando-se a i- esima linha e a j- esima
coluna de B.
Assim, se calcularmos todos os cofatores dos elementos de B,
obteremos a matriz dos seus cofatores, que designaremos por B:
B =
B B . . . B
n
B B . . . B
n
.
.
.
.
.
.
.
.
.
.
.
.
B
n
B
n
. . . B
nn
.
Exemplo 2.6.1. Encontre C, onde C =
1 0 0 3
2 3 0 1
0 0 1 2
0 1 0 0
e C e a matriz
dos cofatores de C.
Ap os calcularmos todos os dezesseis cofatores de C, encon-
tramos a seguinte soluc ao para o problema: (Verique!)
C =
1 0 4 2
3 0 2 1
0 0 5 0
9 5 6 3
.
61
Agora estamos aptos a denir o signicado de matriz adjunta. Ela
est a intimamente ligada ` a inversa de uma matriz invertvel.
Denic ao 2.6.1 (Matriz adjunta). Sejam M uma matriz quadrada de
ordem n e M a matriz dos cofatores de M. A matriz adjunta de M,
que designaremos por M
e dada por: M
= M
t
. Ou seja, a adjunta
de uma matriz e obtida tomando-se a transposta da matriz dos seus
cofatores.
Vejamos um:
Exemplo 2.6.2. Para a matriz C =
1 0 0 3
2 3 0 1
0 0 1 2
0 1 0 0
, sabemos que
C =
1 0 4 2
3 0 2 1
0 0 5 0
9 5 6 3
.
Logo, como C
= C
t
, ganhamos que
C
1 3 0 9
0 0 0 5
4 2 5 6
2 1 0 3
.
Exerccio: Construa v arias matrizes quadradas e calcule suas ad-
juntas.
Exerccio: Para a matriz C do exemplo anterior, calcule det C e
depois calcule CC
e C
C. Repita esse processo para as matrizes do

exerccio anterior. (Consegue deduzir algo?)
Exerccio: Construa uma matriz quadrada A de determinante n ao-
nulo e encontre a matriz A =
1
det A
A
. Ap os isso, calcule AA e AA.

62
O que voc e pode concluir sobre A? (Repita este exerccio v arias
vezes.)
Se o leitor foi bem-sucedido no exerccio anterior, ent ao deve ter
percebido que o produto AA = AA = I (I e a matriz identidade!).
Relembrando o conceito de matriz inversa, apresentado na unidade
1, o leitor poder a constatar que se o determinante de uma matriz A e
n ao-nulo, ent ao a matriz admite inversa. Al em disso, veremos que a
inversa dessa matriz e igual a
1
det A
A
. Assim, podemos enunciar a

seguinte proposic ao:
Proposic ao 2.6.2. Dada uma matriz quadrada A M
nn
, existe A
se, e somente se, det A = 0.

Para provarmos essa proposic ao precisaremos do seguinte lema:
Lema 2.6.1. Dada uma matriz quadrada M de determinante n ao nulo,
a sua inversa e dada por M
=
1
det M
M
, onde M
e a matriz adjunta
de M.
Demonstrac ao. Para provar que M
=
1
det M
M
e suciente mostrar
que
MM
= M
M = (det M)I
n
. (Concorda?)
Tomando D = MM
, teremos que (lembra da denic ao de produto

de matrizes?) d
ij
=
n
k
m
ik
m
kj
, onde os m
kj
s ao os elementos de
M
. Como M
e a adjunta de M, resulta que m
kj
= M
jk
. Substituindo
estes valores, chegamos a d
ij
=
n
k
m
ik
M
jk
. Temos dois casos a
analisar:
Se i = j, ent ao d
ij
=
n
k
m
ik
M
ik
. Mas isto e, pelo teorema de
Laplace, o determinante da matriz M.
63
Caso contr ario, ent ao d
ij
e a soma dos produtos dos elementos
de uma linha de M pelos cofatores dos elementos de outra linha.
O teorema de Cauchy arma que d
ij
= 0.
Assim, a matriz D e tal que:
Se i = j (que corresponde aos elementos da diagonal principal
de D) ent ao d
ij
= det M;
Se i = j, ent ao d
ij
= 0.
Portanto, D =
det M 0 0 . . . 0
0 det M 0 . . . 0
0 0 det M . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . det M
.
A outra parte demonstra-se de maneira analoga.
Demonstrac ao da proposic ao. Se det A = 0, ent ao existe a in-
versa de Apelo lema anterior e e igual a
1
det A
A
. Se Apossui inversa,
ent ao, pelo teorema de Binet, teremos que:
AA
= I =1 = det I = det(AA
) = (det A)(det A
),
logo det A = 0.
Poderamos mostrar a segunda parte da proposic ao usando o fato
que se A e invertvel ent ao A e equivalente a uma matriz triangular cu-
jos elementos da diagonal principal s ao n ao-nulos. Mas a demonstrac ao
desse fato foge ao objetivo deste texto. Mas notemos que a proposic ao
acima implica neste ultimo fato:
Se A e invertvel, ent ao A e quadrada. (Concorda?) Escalonando
A obtemos, atrav es do m etodo de Gauss, uma matriz triangular

A,
64
equivalente a A. Como det

A = det A (por Jacobi), e det A = 0,
ganhamos que det

A = 0. Mas det

A e igual ao produto dos elementos
de sua diagonal principal. Da, nenhum elemento da diagonal principal
de

A pode ser nulo.
65
2.7 POLIN
OMIO CARACTER
ISTICO
J a vimos algumas utilidades dos determinantes. A pr oxima ajuda-
nos a dizer quando uma matriz quadrada A pode ser diagonaliz avel,
isto e, podemos encontrar uma matriz diagonal A
D
que possui o mesmo
determinante de A. Para isso, adquiriremos mais um importante con-
ceito: o polin omio caracterstico de uma matriz. Por ser um texto
introdut orio, abrangiremos aqui somente o polin omio caracterstico de
matrizes quadradas de ordem 2.
Denic ao 2.7.1. Seja A uma matriz quadrada de ordem 2. O polin omio
de grau dois p() = det(AI) e o polin omio caracterstico de A, onde
R e I e a matriz identidade.
A denic ao acima diz que dada A =
a a
a a
, o seu polin omio

caracterstico e dado por p() = (a +a ) +a a a a . Ou
seja, p() = (trA) + det A.
Exemplo 2.7.1. Seja a matriz A =
5 3
2 0
. O seu polin omio car-

acterstico e dado por p() = 5 + 6.
Exemplo 2.7.2. O polin omio caracterstico da matriz B =
0 1
5 4
e
p() = 4 5.
Mas o leitor curioso deve estar se perguntando: para que serve
o polin omio caracterstico de uma matriz? Qual a relac ao entre suas
razes e a matriz em quest ao? Ou seja, se e s ao as razes de
p(), qual a relac ao entre a matriz e , ?
A resposta para essas perguntas e a:
Proposic ao 2.7.2. Seja A uma matriz quadrada de ordem 2 e p() o
seu polin omio caracterstico. Se e s ao as suas razes, ent ao A e
equivalente ` a
0
0
.
66
Logo, se o polin omio caracterstico de A possui duas razes reais
(n umeros cmplexos ser a estudado na unidade 5), ent ao existe uma
matriz diagonal equivalente a ela. Por Jacobi, teremos que det A =
.
Para o caso 2 2 o resultado acima pode n ao parecer bastante
interessante. Mas imagine a sua utilidade para o caso de matrizes de
ordens maiores? E ainda n ao mencionamos outras conseq u encias im-
portantes da proposic ao acima. Mas somente o fato de que podemos
supor uma dada matriz semelhante a uma matriz diagonal, ganhamos
muito em determinados problemas matem aticos.
Exemplo 2.7.3. Para a matriz A =
5 3
2 0
, temos que p() =

5+6. Resolvendo esse polin omio, conseguimos = 2 e = 3.
Da, armamos que
2 0
0 3
e equivalente a A.
Exemplo 2.7.4. Agora, para B =
0 1
5 4
, teremos, ap os a resoluc ao
do
seu polin omio caracterstico, que
1 0
0 5
e uma equivalente a B.
Esperamos que esta unidade tenha sido bem estudado poi, assim
como a unidade 1, na pr oxima faremos uso de toda a teoria aprendida
at e ent ao.
2.8 SAIBA MAIS
Oleitor poder a acessar, no stio http://strato.impa.br/, excelentes vdeos
produzidos pela equipe coordenada pelo Professor Elon Lages Lima,
do Programa de Formac ao de Professores do Ensino M edio. Aces-
sando janeiro de 2002 e janeiro de 2006, o leitor encontrar a vdeos
sobre o ensino de determinantes.
67
2.9 EXERC
ICIOS
1. Dada as matrizes A =
3 5
0 9
, B =
18
7 10
e
C =
0 3
5 13
, calcule 8 det A5 det B + 9 det C.

2. No exerccio anterior, calcule det(2
2A) det(
5B) + det(3C).
3. Ainda com as matrizes do primeiro exerccio, calcule det(A +
B) , det(A + C) , det A + det B.
4. Construa v arias matrizes quadradas de ordem 2, calcule seus
determinantes e os determinantes dos m ultiplos das matrizes.
Notou algo interessante?
5. Resolva a equac ao:
x 2
9 2
3 23
2x 18
= 0.
6. Encontre x R tal que det(xA + B) = 0 , onde
A =
1 2
2 5
, B =
4 3
12 4
.
7. Considerando as matrizes do exerccio anterior, calcule det(AB)
e det(BA). (Coincid encia?)
8. Faca o exerccio anterior para v arias matrizes quadradas de or-
dem 2.
9. Calcule os seguintes determinantes:
(a)
1 5
0 18
68
(b)
1 3
0
. Compare com o item anterior.

(c)
2000 10
0 2
.
10. Sem c alculo, diga quanto vale
1
0
, , R.
11. A matriz A =
1 9
2 6
e invertvel. Calcule o seu determinante.

Calcule o determinante da matriz n ao-invertvel B =
1 3
3 9
.
12. Repita o exerccio anterior para as matrizes M =
2
4 12
,
N =
1 2
2 4
, onde M e invertvel e N n ao-invertvel. (Con-

segue deduzir algo?)
13. Calcule o determinante das matrizes e diga, na sua opini ao,
quais s ao invertveis:
(a) A =
4 3
5 15
(b) B =
0 3
4 0
(c) C =
18 1
0 0
(d) D =
2
2
1
4
69
(e) E =
17 9
8 18
(f) F =
0 1
0 0
14. Dada a matriz A =
15 1
37 3
, calcule det A , det A. Omesmo

para B =
8 0
4 6
.
15. Com as mesmas matrizes do exerccio anterior, calcule det A
t
,
det B
t
, det(AB)
t
, det(AB), det(BA), det Adet B, det(AB)
t
e det(A
t
B
t
).
16. Sejam A =
2 17
49 59
e B =
113 83
2 15
. Calcule:
(a)det(2A) (b)det(3A) (c)det(8B) (d)det
_
1
6
B
_
17. Usando a regra de Sarrus, calcule os seguintes determinantes:
(a)
2 7 12
0 8 3
0 0 1
(b)
2 6 13
0 4 8
0 0 5
(c)
4 1 0
0 3 9
0 0 6
(d)
10 15 12
0 35 9
0 0 7
(e)
1
0
0 0 1

70
(a)
1 15 1
2 3 2
4 6 4
(b)
21 13 43
2 4 17
1 5 9
(c)
1 2 3
4 5 6
7 8 9
(d)
1 2 3
1 2 3
2 6 8
(e)
0 2 3
5 0 9
2 1 0
19. (UFSC) Determine o valor de x para que o determinante da ma-

triz C = AB
t
seja igula a 602, em que
A =
1 2 3
4 1 2
e B =
x 1 8 5
2 7 4
.
20. Para quais valores de x R o determinante a seguir e n ao-nulo?
1 5 3
0 x 2
0 x 1
.
21. Dadas as matrizes A =
7 5 9
0 3 6
1 2 1
3 9 6
21 13 12
2 1 1
,
calcule det A, det B, det(A+B), det(3A), 3 det A, 27 det A, det 8B,
8 det B, det(AB), det(BA).
22. Quanto vale
1 1 1
2 3 4
4 9 16
? E
1 1 1
4 5 2
16 25 4
?
71
23. O mesmo para
1 1 1
2 4 5
4 16 25
e para
1 1 1
a b c
a b c
, a, b, c R.
24. (FGV-SP) Sendo A =
x 1 2 3
x x 4 5
x x x 6
x x x x
, qual e o conjunto soluc ao

para a equac ao det A = 0?
25. Construa v arias matrizes triangulares e calcule seus determi-
nantes. O que voc e pode concluir?
26. Calcule
1 4 19
2 3 5
0 7 7
0 7 7
2 3 5
1 4 19
.
(a)
0 2 3 7
18 21 14 2
3 9 3 29
0 13 5 17
(b)
5 6 7 8
9 10 11 12
13 14 15 16
17 18 19 20
(c)
0 0 14 1
18 33 94 2
47 2 45 15
2 0 0 0
(d)
1 2 3 7
0 21 14 2
0 0 3 29
0 0 0 17
72
(e)
16 13 55 69
18 5 67 22
3 35 44 87
0 99 23 0

(a)
1 2 3 7 4
8 1 0 2 3
0 9 6 12 0
0 3 15 0 0
21 4 4 0 0
(b)
1 0 0 3 4
0 1 0 2 3
5 8 7 5 10
0 0 4 0 0
32 19 4 0 0
(c)
6 5 4 3 2
10 9 8 7 6
20 21 22 23 24
47 46 45 44 43
18 17 16 15 14
(d)
1 0 0 0 0
0 1 0 0 0
0 0 1 0 0
0 0 0 1 0
0 0 0 0 1
(e)
1 2 2 4 5
2 3 5 6 7
3 5 7 10 12
0 1 2 7 9
0 3 4 6 5
(f)
5 6 8 0 19
4 3 13 45 25
13 16 42 65 41
21 23 56 67 18
34 33 45 66 0
29. Resolva a seguinte equac ao em R:
x 2x 3 17 12
8 4 0 0 5
9 x 14 12 13
0 x + 2 13 1 4
0 2 4 0 0
= 0
73
30. (FUVEST-SP)Qual o valor do determinante
1 1 1 1
1 2 2 2
1 2 3 3
1 2 3 4
?
31. Resolva todos os determinantes anteriores usando o m etodo de
Chi o.
32. Resolva o seguinte determinante utilizando as regras de Sarrus,
de Chi o e de Laplace:
1 3 4
8 9 2
0 3 6
.
33. Encontre as matrizes dos cofatores para as matrizes dadas:
(a) A =
1 3 2
1 3 8
5 2 8
(b) B =
2 19 0
4 3 20
2 4 1
(c) C =
1 3
9 1
(d) D =
4 3
0 2
(e) E =
3 4 5 1
0 10 8 11
20 14 2 0
3 1 12 21
74
(f) F =
1 0 0 3 4
12 43 22 21 0
13 19 98 91 10
14 16 90 83 0
51 69 11 24 0
(Nem tudo s ao ores!)

34. Para as matrizes A, B, C, D do exerccio anterior, calcule a trans-
posta das suas respectivas matrizes dos cofatores. Calcule tamb em
os seus determinantes.
35. Calcular a inversa da matriz
2 1
0 4
usando o m etodo da ma-

triz adjunta.
36. Encontre os polin omios caractersticos das seguintes matrizes:
(a) C =
4 3
7 0
(b) D =
2 9
1 3

SBM, 2006.
75

Unidade 3

Sistemas Lineares

Resumo

Aprendemos a resolver sistemas de equaes lineares.
Comeamos com os casos 22 e 33 aprendemos mtodos para
resolv-los e discuti-los. Vimos as suas interpretaes geomtricas a
relao desta com a classificao deles. Aps aprendermos os casos
mais usuais e triviais, vimos uma rpida exposio sobre sistemas
lineares do tipo n n. Como prosseguimento do que tnhamos j visto,
revimos os mtodos para a sua soluo e discusso.

NDICE

UNIDADE 3. Sistemas Lineares

3.1 Introduo
3.2 Sistemas lineares com duas incgnitas
3.2.1 Soluo de um sistema linear
3.3 Sistemas lineares com trs incgnitas
3.4 Sistemas lineares com n incgnitas
3.4.1 Resoluo de um sistema linear n n
3.4.2 Discusso de um sistema linear n n
3.5 Saiba mais
3.6 Exerccios
3.7 Respostas

Unidade 3
SISTEMAS LINEARES
3.1 INTRODUC

AO
Ap os vermos uma introduc ao ao estudo das matrizes e dos determi-
nantes, estamos aptos a estudar uma aplicac ao importante deles.

E
fato que v arios problemas do nosso cotidiano podem ser resolvidos
com o uso de sistemas lineares. O adjetivo linear signica que as
equac oes envolvidas nesses sistemas s ao lineares nas vari aveis que
as comp oem. A seguir apresentaremos o:
Problema: O professor da disciplina de Fundamentos, do curso de
Matem atica presencial da UFPI do Campus Ministro Petr onio Portela,
realizou tr es provas. As quest oes valiam um ponto cada uma, mas
tinham pesos diferentes. Sabendo que Jo ao acertou 4 quest oes na
primeira prova, 5 na segunda e 6 na terceira, obteve no nal um to-
tal de 47 pontos. Maria acertou 6, 6 e 3, totalizando 54 pontos. Por
sua vez, Raimundo acertou 5, 7 e 2 quest oes, atingindo a soma de
50 pontos no nal. J a Jos e fez 6 quest oes na primeira prova, 7 na
segunda e 2 na terceira. Qual foi o total de pontos de Jos e?
Chamando de x, y e z respectivamente os pesos da primeira, segunda
e terecira provas, as pontuac oes de Jo ao, Maria e Raimundo nos
fornecem as equac oes:
78
4x + 5y + 6z = 47
6x + 6y + 3z = 54
5x + 7y + 2z = 50
Determinando, atrav es de algum m etodo, os valores de x, y e z que,
substituindo no primeiro membro de cada uma das tr es equac oes
acima, torna-o igual ao segundo membro, o total de pontos de Jos e
e:
6x + 7y + 2z
Nesta unidade aprenderemos a determinar os valores de x, y e z,
quando possvel. A Hist oria mostra que o surgimento dos sistemas
lineares e anterior ao aparecimento das matrizes e dos determi-
nantes. O ensino da teoria deles antes da dos sistemas e devido
Mais
informac oes so-
bre a origem do
termo sistemas
lineares podem
ser encontradas
na Revista
n umero 21, em
www.rpm.org.br.
` a did atica. A verdade e que o uso das matrizes e dos determinantes
serviu primeiramente para a soluc ao dos questionamentos quanto ` a
resoluc ao de problemas que necessitavam de sistemas lineares.
Outra coisa interessante (e l ogica) e a interpretac ao geom etrica da
soluc ao dos sitemas lineares. Podemos resolv e-los atrav es da an alise
de guras geom e- tricas simples como planos e retas. Para isso, e
exigido o conhecimento das equac oes da reta e do plano. Lembramos
que uma reta no plano xy pode ser vista atrav e da seguinte equac ao
linear: x+y = c, e que um plano no espaco tridimensional xyz pode
ser estudado atrav es da equac ao (tamb em linear): x + y + z = c.
Assim, as soluc oes podem ser obtidas apenas com o estudo das
posic oes relativas entre retas e planos. Existem, ent ao, m etodos
aritm eticos e geom etricos para a soluc ao de sistemas de equac oes
lineares. Podemos estudar guras geom etricas atrav es deles e vice-
versa.
Comecaremos o estudo dos sistemas linares com a denic ao de
equac ao linear e a exposic ao de sistemas com duas inc ognitas.
79
3.2 SISTEMASLINEARESCOMDUASINC
OG-
NITAS
Seguindo a linha de pensamento de que devemos sempre apren-
der o b asico para ent ao aprendermos algo mais abstrato, comecemos
esta sec ao aprendendo o signicado de equac ao linear.
Denic ao 3.2.1. Dadas as inc ognitas x , . . . , x
n
, e os n umeros reais
, . . . ,
n
, c, chamamos de equac ao linear toda equac ao do tipo
n
i
x
i
= x + . . . +
n
x
n
= c.
Os termos , . . . ,
n
recebem o nome de coecientes e c R e o seu
termo independente.
Exemplo 3.2.1. A equac ao x + 2x 5x = 4 e linear.
Exemplo 3.2.2. A equac ao x + 5y
1
z
= 0 e n ao linear.
Agora, de posse da denic ao de equac ao linear, podemos ent ao
denir
Denic ao 3.2.2. Umsistema de equac oes lineares de duas inc ognitas
e um conjunto do tipo
x + x =
x + x =
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
k
x +
k
x =
k
,
onde k 1.
Na maioria dos casos, k = 2. Nestes casos, e comuma denominac ao
de sistema 2 2.
Exemplo 3.2.3.

2x + 3x = 3
4x + x = 0
80
e um sistema linear com duas inc ognitas e duas equac oes. (O leitor
consegue tracar o gr aco das retas 2x + 3x = 3 e 4x + x = 0?)
Exemplo 3.2.4. Osistema
x + 3x = 3
4x + x = 0
2x 6x = 6
possui tr es equac oes
e duas inc ognitas. (Oque o leitor pode dizer sobre as retas x +3x = 3
e 2x 6x = 6?)
3.2.1 SOLUC

AO DE UM SISTEMA LINEAR
E nosso objetivo n ao s o estudar as propriedades dos sistemas lin-

eares, mas tamb em aprender t ecnicas para a soluc ao deles. Antes
de passarmos ao estudo de tais t ecnicas, vejamos primeiramente o
conceito de soluc ao de um sistema de equac oes lineares.
Denic ao 3.2.3. Dado o sistema
S :
x + x =
x + x =
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
k
x +
k
x =
k
,
onde k 1, dizemos que o par ( , ) e uma soluc ao para S se, e
somente se, ( , ) satisfaz a cada uma das suas equac oes compo-
nentes.
Exemplo 3.2.5. Para o exemplo 3.1.3, temos que o par (
3
14
,
6
7
) e
soluc ao para o sistema dado, enquanto que (0, 1) n ao o e.
Exemplo 3.2.6. Verica-se facilmente que o par (4, 5) satisfaz o sis-
tema
S :
2x x = 13
x + x = 9
.
81
3.2.2 RESOLUC

AO DE UM SISTEMA LINEAR 2 2
Existem v arios m etodos para solucionarmos um sistema linear.
Come- caremos pelo que achamos ser o mais pr atico e simples. Dado
um sistema linear 2 2
S :
x + x =
x + x =
,
podemos escrev e-lo como uma equac ao matricial
x
x
. (Concorda?)
Chamaremos as matrizes
x
x
de
principal,
inc ognita e independente, respectivamente. Diremos que
e a matriz aumentada do sistema.

Denic ao 3.2.4. Dados os sistemas lineares 2 2 S e S , dizemos
que eles s ao equivalentes se, e somente se, suas matrizes aumen-
tadas s ao equivalentes.
Exemplo 3.2.7. Os sistemas
S :
x 3x = 8
3x + 5x = 4
e S :
x 3x = 8
14x = 20
s ao equivalentes, pois as suas aumentadas
1 3 8
3 5 4
1 3 8
0 14 20
s ao equivalentes. (Qual e o mais f acil de ser resolvido?)

82
Exemplo 3.2.8. Tamb em s ao equivalentes os sistemas
S :
2x + 4x = 0
5x + x = 12
e S :
x +
1
5
x =
12
5
22
5
x =
24
5
.
(Por qu e?)
A import ancia de estudarmos sistemas equivalentes pode ser ex-
plicada atrav es da
Proposic ao 3.2.5. Dois sistemas de equac oes lineares possuem a
mesma soluc ao se, e somente se, s ao equivalentes.
Assim, podemos resolver um sistema apenas solucionando um
equivalente seu (e mais simples). A soluc ao de um e a mesma do
outro. Do mesmo modo que no primeiro captulo, chegamos a um
equivalente de um sitema apenas escalonando-o.
Denic ao 3.2.6. Diz-se que um sistema S est a escalonado quando
sua matriz aumentada est a escalonada.
Incentivamos a revis ao da sec ao 1.8 antes do prosseguimento da
leitura desta. N ao continue se n ao tiver aprendido as operac oes ele-
mentares.
Descreveremos agora os passos para a soluc ao de um sistema
linear 2 2:
Obtemos a matriz aumentada do sistema;
Escalonamo-a;
Resolvemos o novo sistema obtido da matriz escalonada.
Exemplo 3.2.9. Resolver o seguinte sistema
S :
2x + 3x = 3
4x + x = 0
.
Sol.: Utilizando a mesma simbologia do primeiro captulo, teremos:
83
A matriz aumentada e dada por:
2 3 3
4 1 0
;
escalonando-a teremos
2 3 3
4 1 0
L L
2 3 3
0 7 6
;
Assim, teremos o seguinte sistema equivalente ao dado:
S :
2x + 3x = 3
7x = 6
;
Olhando a segunda linha deste sistema, vemos que 7x = 6.
Logo, x =
6
7
;
Substituindo o valor encontrado de x na primeira equac ao, ter-
emos: 2x +
18
7
= 3. Ou seja, x =
3
14
.
A soluc ao de S e, ent ao, o par
_
3
14
,
6
7
_
.
Exemplo 3.2.10. Resolver o sistema S :
2x + 4x = 0
5x + x = 12
.
A matriz aumentada e dada por
2 4 0
5 1 12
;
Escalonando-a, teremos
2 4 0
5 1 12
L / L
2 4 0
0 11 12
;
Obtivemos o seguinte sistema equivalente

S :
2x + 4x = 0
11x = 12
;
Resolvendo a segunda equac ao, ganhamos que x =
12
11
;
Substituindo este valor na primeira equac ao, concluimos que
_
24
11
,
12
11
_
e a soluc ao de S.
84
3.2.3 REGRA DE CRAMER
Al em do m etodo do escalonamento, podemos resolver um sistema
linear atrav es do m etodo de Cramer. Este faz uso demasiado de
determinantes, sendo, por isso, evitado por muitos. Ou seja, quando o
Acessando o stio
www.google.com.br
e buscando por
Cramer, o leitor
conhecer a mais
sobre a vida deste
grande matem atico.
quesito e tempo, a regra de Cramer se torna pouco usual, apesar de
sua teoria ser muito bonita e digna de ser estudada.
Enunciemos, ent ao, este tradicional m etodo:
Dado um sistema linear S :
x + x =
x + x =
, a sua
soluc ao ( , ) e obtida por
i
=
D
i
D
,
onde D e o determinante da matriz principal e D
i
e o determinante da
matriz conseguida atrav es da troca da i- esima coluna da matriz prin-
cipal pela coluna da independente.
Ou seja, =
e =
s ao as soluc oes de
S.
Oestudante atento deve estar se perguntando o que ocorre quando
D = 0. Mas essa quest ao somente ser a respondida futuramente.
Exemplo 3.2.11. Resolva o sistema
S :
x + x = 10
5x + 2x = 0
pela regra de Cramer.
Sol.: Vejamos primeiramente quem e a matriz principal do sistema:
1 1
5 2
.
85
Logo, seu determinante ser a igual a 3;
Agora, vejamos as matrizes obtidas atrav es da permutac ao das
colunas da matriz principal pela da independente:
10 1
0 2
1 10
5 0
,
onde a primeira foi obtida atrav es da troca da primeira coluna da princi-
pal com a coluna da independente e a seguna foi conseguida analoga-
mente.
Portanto, seus determinantes ser ao iguais a 20 e a 50, respectiva-
mente.
Estamos aptos a encontrar os valores de e de :
1 =
D
D
=
20
3
, =
D
D
=
50
3
.
Exemplo 3.2.12. Encontre a soluc ao para o sistema
S :
2x 6x = 7
3x + 6x = 8
.
Sol.: A matriz principal tem determinante n ao-nulo igual a 6. (Ve-
rique!) Calculando tamb em o determinante das matrizes obtidas com
as permutac oes de colunas, obtemos
=
D
D
=
90
6
= 15 e =
D
D
=
37
6
.
Logo, o conjunto soluc ao e dado por
__
15,
37
6
__
.
Exemplo 3.2.13. Ache o conjunto soluc ao para o sistema
S :
x + 2x = 4
2x + 4x = 8
.
Sol.: Novamente, comecemos encontrando a matriz principal:
1 2
2 4
.
Portanto, ela tem determinante nulo.
Vejamos o que acontece agora comos determinantes das matrizes
obtidas pelas permutac oes de colunas da principal coma indepen-
dente:
86
det
4 2
8 4
= 0 e det
1 4
2 8
= 0.
Assim, n ao faz sentido falar em =
D
D
=
0
0
e =
D
D
=
0
0
.
Analisaremos casos como este na pr oxima sec ao.
3.2.4 DISCUSS
AO DE UM SISTEMA LINEAR
2 2
Na sec ao passada aprendemos a resolver umsistema de equac oes
lineares atrav es dos m etodos da eliminac ao e de Cramer. Por quest oes
de comodidade, a maioria dos exemplos que demos tinham soluc ao,
i.e., o conjunto soluc ao deles era n ao vazio. Nem sempre isso acon-
tece. Em muitos casos temos sistemas com innitas soluc oes ou com
nenhuma soluc ao. Algumas areas da Matem atica trabalham com sis-
temas que possuem innitas soluc oes. Desse conjunto innito, elas
extraem a que mais lhe conv em. Mas para isso e preciso saber anal-
isar o sistema.
Existem tr es tipos de sistemas lineares, a saber:
Sistema Possvel e Determinado;
Sistema Possvel e Indeterminado;
Sistema Impossvel.
Passaremos a descrev e-los:
Denic ao 3.2.7. Dado um sistema S, dizemos que ele e possvel se
possui soluc ao. E dizemos que e impossvel se n ao a possui. Ele
e possvel determinado se possui uma unica soluc ao, e e possvel
indeterminado quando possui innitas soluc oes.
87
Exemplo 3.2.14. O sistema S :
2x 6x = 7
3x + 6x = 8
e possvel e
possui uma soluc ao. (Exemplo 3.2.12)
x + 3x = 9
3x + 9x = 18
e impossvel.
(Tente exibir alguma soluc ao para ele.)
Utilizando a regra de Cramer, podemos disting uir umsistema quanto
ao tipo segundo as instruc oes:
1. Se o determinante da matriz principal e n ao-nulo, ent ao o sis-
tema e possvel e determinado;
2. Se o determinante da matriz principal e nulo, ent ao s o podemos
inferir que o sistema ou e impossvel ou e possvel indetermi-
nado. Calculemos, ent ao, os determinantes das matrizes obtidas
atrav es das permutac oes das colunas da principal com a coluna
da independente. Se todos eles forem nulos, ent ao podemos
armar que o sistema e possvel e indeterminado.
3. Se o determinante da matriz principal e nulo e pelo menos um
dos outros determinantes for n ao-nulo, ent ao o sistema e im-
possvel.
Exemplo 3.2.16. Como visto no exemplo 3.1.15, o fato de D = 0 j a
nos faz concluir que o sistema e possvel e determinado.
Exemplo 3.2.17. No exemplo 3.1.13, temos que D = D = D = 0.
Assim, podemos concluir que tal sistema e possvel e indeterminado.
O leitor consegue exibir soluc oes para este sistema?
Exemplo 3.2.18. Para o sistema S :
x + x = 1
2x + 2x = 2
, temos
D = D = D = 0, e todo elemento do conjunto {(, 1 ) ; R}
satisfaz o sistema. Portanto, o sistema e possvel e indeterminado;
Exemplo 3.2.19. No exemplo 3.1.14, temos que D = 0, mas D = 0.
Logo, o sistema e impossvel, como j a haviamos dito.
88
Analisando pelo m etodo do escalonamento, podemos classicar
um sistema da seguinte maneira:
1. Se, ao escalonarmos a matriz aumentada do sistema obtivermos
uma linha que implique que 0x +0x = 0 (o terceiro termo da
linha e n ao-nulo, enquanto os dois primeiros o s ao), o sistema e
impossvel;
2. Supondo que n ao aconteca o primeiro caso, se a matriz escalon-
ada possuir uma linha nula, ent ao o sistema e possvel e inde-
terminado;
3. O sistema e possvel e determinado se n ao ocorrer nenhum dos
casos anteriores.
Exemplo 3.2.20. Escalonando a matriz principal do exemplo 3.1.14,
te-
remos que:
1 3 9
3 9 18
L L
1 3 9
0 0 9
. Ou seja, a segunda
linha
diz que 0 x + 0 x = 9.
Logo, o sistema e impossvel.
Exemplo 3.2.21. No exemplo 3.1.16, se escalonarmos a matriz prin-
cipal,
obteremos:
1 1 4
2 4 8
L L
1 1 4
0 0 0
.
Logo, o sistema e possvel e indeterminado.
3.2.5 INTERPRETAC

AO GEOM
ETRICA
89
Na antig uidade, o homem procurava atribuir tudo ` a Geometria,
que na epoca era representada apenas pela Euclidiana. Soluc oes
para problemas importantes atravessaram d ecadas para serem en-
contradas. Kepler, por exemplo, relutou em mostrar que as trajet orias
dos planetas eram descritas pela geometria dos crculos, quadrados,
etc, at e ver que nem tudo poderia ser explicado com ferramentas sim-
ples.
Bom, nosso intuito e apenas descrever geometricamente um sis-
tema. Como trabalhamos com equac oes lineares, a nossa famosa
geometria euclidiana consegue explicar o comportamento dos tais
sistemas e ajuda-nos a inferir acerca das suas soluc oes.
Lembremos antes que qualquer equac ao do tipo x + y = de-
screve uma reta no plano xy, para ou n ao-nulo. Basta recordar
que se = 0,
por exemplo, ent ao podemos escrever y =
x+

, donde extramos
que
e o coeciente angular da reta e

e o coeciente linear.
Pegue qualquer livro bom do ensino m edio sobre o assunto.
Ainda relembrando, no plano euclidiano temos as seguintes posic oes
relativas entre duas retas r e s:
1. S ao concorrentes;
Figura 3.1: Retas concorrentes
2x + 3x = 7
x 2x = 1
repre-
90
senta o caso 1.
2. S ao paralelas;
Figura 3.2: Retas paralelas
3x x = 0
6x 2x = 5
repre-
senta o caso 2.
3. S ao coincidentes.
Figura 3.3: Retas coincidentes
Exerccio: Mostre um exemplo para o caso 3.
Portanto, podemos concluir o seguinte para umsistema de equac oes
lineares gen erico S:
91
Se as retas descritas pelas equac oes lineares forem concor-
rentes, ent ao o sistema e possvel e determinado. A sua soluc ao
ser a o ponto de intersecc ao das duas retas.
Se as retas forem coincidentes, ent ao o sistema ser a possvel e
indeterminado. Todo ponto da reta ser a soluc ao do sistema.
Se as retas forem paralelas, ent ao o sistema ser a impossvel,
pois n ao haver a ponto de intersecc ao entre elas.
3.3 SISTEMASLINEARESCOMTR
ES INC
OG-
NITAS
Por quest oes did aticas n ao introduzimos o conceito de sistema de
equac oes lineares para o caso geral. Acreditamos que o pr evio estudo
de sistemas de duas inc ognitas facilita o aprendizado do restante, en-
quanto que o ensino semaquela pr evia tende a n ao ser t ao proveitoso.
A diferenca principal entre o estudo de sistemas lineares de tr es
inc ognitas e o de duas ca a cargo da interpretac ao geom etrica. Ao
inv es de retas, agora teremos planos no espaco euclidiano tridimen-
sional. Ou seja, a menos da interpretac ao geom etrica, o estudo de
sistemas lineares com tr es inc ognitas se torna an alogo ao estudo dos
de duas inc ognitas.
Assim, um sistema de equac oes lineares com tr es inc ognitas e um
sistema do tipo
S :
x + x + x =
x + x + x =
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
m
x +
m
x +
m
x =
m
,
onde m 1. Na maioria dos casos, m = 3.
92
2x + x 5x = 10
x + 2x + 4x = 6
x + 6x = 9
e lin-
ear
com tr es inc ognitas e tr es equac oes.
x x + x = 1
2x + x = 0
possui
tr es inc ognitas e duas equac oes.
Analogamente ao caso 2 2, dizemos que a terna ( , , ) e
soluc ao de um sistema linear com tr es inc ognitas se ela satisfaz to-
das as equac oes dele.
Ou seja, dado S :
x + x + x =
x + x + x =
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
m
x +
m
x +
m
x =
m
, dizemos
que
( , , ) e soluc ao de S se, e somente se,
+ + =
+ + =
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
m
+
m
+
m
=
m
.
3.3.1 RESOLUC

Adotaremos a mesma nomenclatura do caso 2 2, i.e., dado um
sistema
93
S :
x + x + x =
x + x + x =
x + x + x =
, as matrizes
x
x
x
s ao a sua principal, inc ognita e independente, respec-

tivamente.
Sabendo que todas as propriedades j a ditas se estendem para o
caso geral e, em particular, para o caso 3 3, podemos resolver um
sistema deste ultimo tipo (e tamb em qualquer sistema n n) atrav es
do m etodo do escalonamento. Lembrando os passos descritos na
sec ao 3.1.2, resolvamos os seguintes sistemas:
Exemplo 3.3.3. S :
5x + x x = 0
x x + 2x = 2
x 3x = 4
.
5 1 1 0
1 1 2 2
0 1 3 4
. Da, escalonando-
a, teremos:
5 1 1 0
1 1 2 2
0 1 3 4
L L
1 1 2 2
5 1 1 0
0 1 3 4
L L
1 1 2 2
0 6 11 10
0 1 3 4
L L
1 1 2 2
0 1 3 4
0 6 11 10
L L
1 1 2 2
0 1 3 4
0 0 29 14
.
Assim, a ultima linha nos diz que 29 = 14, i.e., =
14
29
. Sub-
94
stituindo nas linhas anteriores, teremos que =
12
29
e =
74
29
.
Portanto, a terna
_
12
29
,
74
29
,
14
29
_
e a soluc ao de S.
Exemplo 3.3.4. S :
x 9x = 3
x + 2x x = 0
x 4x = 8
.
Escalonando a matriz aumentada de S, obteremos
0 1 9 3
1 2 1 0
1 0 4 8
L L
1 2 1 0
0 1 9 3
1 0 4 8
L L
1 2 1 0
0 1 9 3
0 2 3 8
L L
1 2 1 0
0 1 9 3
0 0 21 14
.
Da ultima linha obtemos que =
2
3
. Substituindo nas out-
ras equac oes, ganhamos que =
16
3
e = 3. Logo, o conjunto
soluc ao e dado por
__
16
3
, 3,
2
3
__
. (Verique!)
3.3.2 REGRA DE CRAMER
Dado o sistema S :
x + x + x =
x + x + x =
x + x + x =
, a sua
soluc ao ( , , ) e dada por:
i
=
D
i
D
,
onde D e o determinante da matriz principal de S, e D
i
e o da matriz
obtida atrav es da troca da i- esima coluna da principal pela da inde-
pendente.
Exemplo 3.3.5. Resolver o sistema S :
x 9x = 3
x + 2x x = 0
x 4x = 8
.
95
A matriz principal e dada por
0 1 9
1 2 1
1 0 4
. Logo, o seu determi-

nante e igual a 21.
Agora, vejamos quem s ao os D
i
s:
D = det
3 1 9
0 2 1
8 0 4
, D = det
0 3 9
1 0 1
1 8 4
, D = det
0 1 3
1 2 0
1 0 8
.
Logo, =
D
D
=
16
3
, =
D
D
= 3, e =
D
D
=
2
3
s ao as
soluc oes de S.
Exerccio: Retorne ao problema apresentado no incio desta unidade
e determine o total de pontos obtidos por Jos e.
3.3.3 DISCUSS
Como j a foi explicado na sec ao 3.1.4, um sistema linear pode ser
possvel determinado, possvel indeterminado e impossvel. Tamb em
foi mostrado como disting uirmos um sistema quanto ao tipo. A unica
mudanc a e que quando escalonamos um sistema 3 3 trabalhamos
com matrizes aumentadas do tipo 3 4. Assim, se ap os o escalon-
amento da matriz aumentada uma linha possuir os tr es primeiros ter-
mos nulos e o quarto n ao-nulo, o sistema ser a impossvel. Caso n ao
aconteca isso e houver uma linha composta apenas por zeros, ent ao
o sistema e possvel e indeterminado. Quando n ao ocorrer nenhum
dos casos anteriores, o sistema ser a possvel determinado. H a uma
pequena diferenca em relac ao ao caso 2 2, quando analisamos um
sistema segundo a Regra de Cramer. Aqui, e em todos os sistemas
de ordem superior a 2, quando possuirmos todos os seus determi-
nantes nulos, n ao podemos armar que esses sistemas s ao possveis
e indeterminados. Eles podem ser impossveis. A ttulo de ilustrac ao,
vejamos o seguinte exemplo:
96
Exemplo 3.3.6. Analise o sistema S :
x + 2x + 3x = 0
2x 3x + x = 5
x + 7x = 5
.
Sol.: Facamos das duas maneiras:
1. M etodo de Cramer
Calculando o determinante da matriz principal, teremos
D = det
1 2 3
2 3 1
0 1 7
= 0.
Assim, nada podemos concluir. Analisando os D
i
s, teremos:
D = det
0 2 3
5 3 1
5 1 7
= 0, D = det
1 0 3
2 5 1
0 5 7
= 0,
D = det
1 2 0
2 3 5
0 1 5
= 0.
Como j a dissemos, n ao podemos armar que o sistema acima
e possvel e indeterminado apenas com os c alculos j a feitos.
Agora, fazendo = , ganhamos que (10 + 11, 5 7, ) e
soluc ao do sistema, R. Portanto, o sistema e possvel e
indeterminado.
2. M etodo do escalonamento
Escalonando a matriz aumentada, teremos:
1 2 3 0
2 3 1 5
0 1 7 5
L L
1 2 3 0
0 1 7 5
0 1 7 5
L L
1 2 3 0
0 1 7 5
0 0 0 0
.
97
Logo, o sistema e possvel indeterminado. Tomando = , ter-
emos novamente que (10+11, 57, ) e soluc ao do sistema,
R.
Exemplo 3.3.7. Analise o sistema
S :
x + 2x + 3x = 1
2x + 4x + 6x = 2
3x + 6x + 9x = 4
.
Sol.: Facamos das duas maneiras:
Calculando o determinante da matriz principal, teremos
D = det
1 2 3
2 4 6
3 6 9
= 0.
Novamente, nada podemos concluir. Analisando os D
i
s, tere-
mos:
D = det
1 2 3
2 4 6
4 6 9
= 0, D = det
1 1 3
2 2 6
3 4 9
= 0,
D = det
1 2 1
2 4 2
3 6 4
= 0.
Entretanto, o sistema e impossvel como veremos usando o M etodo
do Escalonamento.
1 2 3 1
2 4 6 2
3 6 9 4
L L
98
1 2 3 1
0 0 0 0
3 6 9 4
L L
1 2 3 1
0 0 0 0
0 0 0 1
.
Exemplo 3.3.8. Analise o sistema
S :
2x + 5x = 3
x + 3x + 9x = 5
11x + 18x = 3
.
Sol.: Novamente, analisaremos de duas maneiras.
Calculemos o determinante da matriz principal:
D = det
2 5 0
1 3 9
0 11 18
= 0.
Garantimos somente que o sistema n ao e possvel determinado.
Calculando os D
i
s observamos que:
D = det
3 5 0
5 3 9
3 11 18
= 720 = 0.
Escalonando a matriz aumentada, ganhamos que:
2 5 0 3
1 3 9 5
0 11 18 3
L L
1 3 9 5
2 5 0 3
0 11 18 3
L L
99
1 3 9 5
0 11 18 13
0 11 18 3
L L
1 3 9 5
0 11 18 13
0 0 0 16
.
A ultima linha da matriz nos diz que 0 = 16. (Por qu e?) Por-
tanto, o sistema e impossvel.
3.3.4 INTERPRETAC

AO GEOM
ETRICA
Como era de se esperar, existemmais casos para anlisarmos quando
o sistema possui tr es inc ognitas e tr es equac oes lineares. Ou seja, se
aumenta o n umero de inc ognitas e de equac oes, aumenta tamb em
a an alise do sistema. No caso das retas no plano, s o tnhamos tr es
posic oes para estudar. No caso de planos no espaco tridimensional,
temos oito casos para analisar:
1. Os tr es planos s ao paralelos;
Figura 3.4: Caso 1
Exemplo 3.3.9. O sistema :
2x + x x = 0
2x + x x = 7
2x + x x = 8
representa tr es planos paralelos. (Por qu e?)
2. Os tr es planos coincidem;
100
Figura 3.5: Caso 2
Exemplo 3.3.10. Osistema :
3x + 2x 8x = 9
9x + 6x 24x = 27
x +
2
3
x
8
3
x = 3
representa o caso 2.
3. Os tr es planos s ao distintos e possuem somente uma reta em
comum;
Figura 3.6: Caso 3
x + x + x = 1
3x 4x = 0
6x + 3x x = 3
4. Os tr es planos se intersectam segundo retas paralelas duas a
duas;
2x + 4x 6x = 2
x +
1
3
x +
1
3
x =
2
3
x 7x + 13x = 2
101
Figura 3.7: Caso 4
5. Os tr es planos possuem somente um ponto em comum;
Figura 3.8: Caso 5
x 9x = 3
x + 2x x = 0
x 4x = 8
6. Dois planos s ao paralelos e o terceiro os intersecta segundo re-
tas paralelas;
x 5x + = 3
8x + 3x 9x = 3
4x 20x + = 25
7. Dois planos coincidem e o terceiro e paralelo a eles;
102
Figura 3.9: Caso 6
Figura 3.10: Caso 7
x + 2x x = 7
2x + 4x 2x = 2
3x + 6x 3x = 21
8. Dois planos coincidem e o terceiro os intersecta segundo uma
reta. Exerccio: Construa um exemplo para este caso.
Figura 3.11: Caso 8
Devemos nos atentar para o seguinte raciocnio: se n ao houver
intersecc ao entre os tr es planos descritos pelas equac oes do sistema,
103
ent ao ele n ao possui soluc ao e e impossvel. Se houver intersecc ao,
mas essa intersecc ao possuir mais de um ponto, ent ao o sistema e
possvel e indeterminado, j a que tem innitas soluc oes. Quando a
intersecc ao for de somente um ponto, o sistema e possvel e determi-
nado.
Assim, montando uma tabela para os casos que acabamos de ver,
teremos:
Caso PD PI I
1 X
2 X
3 X
4 X
5 X
6 X
7 X
8 X
Na tabela acima, PD= sistema possvel determinado, PI= possvel
indeterminado, I= impossvel. Ela nos diz que existem iguais casos de
sistemas impossveis e possveis. Tamb em nos mostra que o n umero
de possveis indeterminados e superior ao de possveis determinados,
que consta com s o uma possibilidade.
3.4 SISTEMAS COM n INC
OGNITAS
Estamos aptos a apresentar um sistema linear do tipo geral n
n, ap os termos dedicado bastante tempo com os casos 2 2 e 3
3. No caso geral, uma equac ao do tipo
n
i
x
i
= representa um
hiperplano no espaco euclidiano
R
n
= R . . . R
. .
n vezes
.
104
Seremos breve na exposic ao desse t opico, j a que introduzimos os
casos mais simples de forma suciente para o perfeito entendimento
deste. Assim, comecemos com a seguinte denic ao:
Denic ao 3.4.1. Um sistema linear com n inc ognitas e um sistema do
tipo
:
x + x + . . . +
n
x
n
=
x + x + . . . +
n
x
n
=
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
k
x +
k
x + . . . +
kn
x
n
=
k
,
onde k 1,
ij
,
i
R, 1 i k, 1 j n.
As matrizes
. . .
n
. . .
n
.
.
.
.
.
.
.
.
.
.
.
.
k

k
. . .
kn
x
x
.
.
.
x
n
.
.
.
s ao sua
prin-
cipal, inc ognita e independente, respectivamente.
. . .
n

. . .
n

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
k

k
. . .
kn

k
.
Podemos escrever como uma equac ao matricial:
. . .
n
. . .
n
.
.
.
.
.
.
.
.
.
.
.
.
k

k
. . .
kn
x
x
.
.
.
x
n
.
.
.
.
A n-upla ( , . . . ,
n
) e soluc ao de se, e somente se,
+ + . . . +
n
n
=
+ + . . . +
n
n
=
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
k
+
k
+ . . . +
kn
n
=
k
.
105
3.4.1 RESOLUC

AO DE UM SISTEMA LINEAR n n
Assimcomo nas sec oes anteriores, apresentaremos duas maneiras
para a resoluc ao de umsistema de equac oes lineares comn inc ognitas
e n equac oes: o m etodo do escalonamento e a regra de Cramer.
Pelo m etodo do escalonamento, escalonamos a matriz aumentada
do sistema e resolvemos o sistema. Pela regra de Cramer, calculamos
os determinantes da matriz principal e das matrizes obtidas atrav es
da troca da i- esima coluna da principal pela coluna da independente
e tomamos o quociente destes por aquele.
Exemplo 3.4.1. Resolva o sistema :
x 2x + x = 0
2x x = 5
2x + x + x 2x = 1
x 3x = 4
.
Sol.:
1 0 2 1 0
0 1 5 4 1
0 0 1 3 4
0 0 0 25 47
.
(Verique!) Assim, a ultima linha nos diz que 4 =
47
25
. Substi-
tuindo este valor nas outras linhas, ganhamos que
_
7
5
,
42
25
,
41
25
,
47
25
_
e a solucao do sistema.
3.4.2 DISCUSS
AO DE UM SISTEMA LINEAR n n
Um sistema linear n n pode ser possvel determinado (quando
possui um unica soluc ao), possvel indeterminado (quando possui in-
nitas soluc oes), impossvel (quando n ao possui soluc ao).
106
Com o que aprendemos nas sec oes anteriores, podemos discutir
um sistema linear da seguinte maneira:
Segundo Cramer
1. Se D = 0, ent ao o sistema e possvel determinado;
2. Caso D = 0 e D
i
= 0, 1 i n, ent ao o sistema e possvel
indeterminado ou impossvel;
3. Caso D
i
= 0 para algum i {1, . . . , n}, ent ao o sistema e im-
possvel.
M etodo do escalonamento
1. Se, ao escalonarmos a matriz, obtivermos uma linha com os
(n 1) primeiros termos iguais a zero e o n- esimo n ao-nulo,
ent ao o sistema e impossvel;
2. Se n ao acontecer o caso anterior e obtivermos uma linha com
todos os elementos nulos, ent ao o sistema e possvel indetermi-
nado;
3. Caso n ao acontecam os casos anteriores, ent ao o sistema e
possvel determinado.
3.5 SAIBA MAIS
Oleitor poder a acessar, no stio http://strato.impa.br/, excelentes vdeos
produzidos pela equipe coordenada pelo Professor Elon Lages Lima,
do Programa de Formac ao de Professores do Ensino M edio. Aces-
sando janeiro de 2002 e janeiro 2006, o leitor encontrar a vdeos sobre
o ensino de sistemas lineares.
3.6 EXERC
ICIOS
1. Verique se (1, 0) satisfaz os seguintes sistemas:
107
(a) S :
3x 4x = 3
5x + x = 5
;
(b) S :
x 2x = 1
3x 5 x = 3
;
(c) S :
4x = 5
x 3x = 6
.
2. Encontre as matrizes principal, inc ognita, independente e au-
mentada para os seguintes sistemas:
(a) :
3x 4x = 3
4x = 5
;
(b) :
5x + x = 0
x 8x = 3
;
(c) :
2x 5x = 5
4x + x = 9
;
(d) :
x + 2x = 7
12x 6x = 9
.
3. Diga se os seguintes sistemas s ao equivalentes. Caso n ao se-
jam, encontre sistemas equivalentes para eles:
(a) :
3 2 = 5
= 1
e :
4 + 3 = 8
= 0
;
(b) :
2 6 = 0
+ 7 = 2
e :
+ 7 = 2
+ 15 = 6
.
4. Escalone os seguintes sistemas:
108
(a) :
2 = 6
2 + 3 = 4
;
(b) :
6 + 2 = 7
+ = 0
;
(c) :
= 9
+ 9 = 3
.
5. Diga se os seguintes sistemas est ao escalonados. Caso n ao es-
tejam, escalone-os:
(a) :
2 + = 3
= 3
;
(b) :
+ 3 = 5
= 2
;
(c) :
= 3
4 = 0
.
6. Resolva os seguintes sistemas pelo m etodo do escalonamento:
(a) :
+ 3 = 5
= 2
;
(b) :
2 = 6
2 + 3 = 4
;
(c) :
6 + 2 = 7
+ = 0
;
(d) :
= 9
+ 9 = 3
;
(e) :
5 18 =
2
3
8 + 5 = 7
.
109
7. Resolva os seguintes sistemas pelo m etodo de Cramer:
(a) :
+ 3 = 5
= 2
;
(b) :
2 = 6
2 + 3 = 4
;
(c) :
6 + 2 = 7
+ = 0
;
(d) :
= 9
+ 9 = 3
;
(e) :
5 18 =
2
3
8 + 5 = 7
;
(f) :
+ 2 = 3
2 + 9 = 13
;
(g) :
2 3 = 8

2
= 0
;
(h) :
9
3
+
3
7
= 1
+ 4 = 7
.
8. Analise os seguintes sistemas:
(a) :
2 + 8 = 15
3 5 = 4
;
(b) :
3 + 9 = 1
+ 3 = 4
;
(c) :
5 8 = 16
2 6 = 0
;
(d) :
+ 3 = 8
5 + 15 = 25
;
110
(e) :
4 2 = 7
12 6 = 21
.
9. Classique os sistemas abaixo atrav es dos m etodos de Cramer
e do escalonamento. Caso o sistema n ao seja impossvel, d e o
seu conjunto soluc ao.
(a)
x 5x = 3
9x 4x = 0
;
(b)
x + 2x = 4
2x + 4x = 9
;
(c)
x + 3x = 5
3x + 5x = 0
;
(d)
x = 8
x + x = 9
;
(e)
3x 9x = 0
4x
5
2
x = 8
;
(f)
5x 3x = 7
10x 6x = 19
;
(g)
2x + 9x = 8
4x 18x = 16
;
(h)
x + x = 5
2x + x = 10
;
(i)
x x = 0
2x + 3x = 0
;
(j)
9x 5x = 7
3x
5
3
x =
7
3
;
111
(l)
2x + 3x = 10
x
2
+
x
4
=
3
2
;
(m)
3x + 2x = 4
6x 5x = 3
;
(n)
3x 8x = 2
15x 24x = 7
;
(o)
2x + 3x = 2
4x 6x = 4
.
10. Faca a interpretac ao geom etrica de cada um dos sistemas da-
dos at e aqui.
11. Em qual ponto as retas r : 2x + 3y = 1 e s : x 4y = 8 se inter-
ceptam?
12. O que voc e pode dizer das retas t : 5x2y = 9 e u : 15x6y = 2?
13. Verique se a terna (1,-2,4) e soluc ao dos seguintes sistemas:
(a)
x + 3x + x = 1
2x 3x + 2x = 0
4x + 2x = 0
;
(b)
x 2x + x = 4
2x 3x = 9
9x 6x = 0
.
14. Para os sistemas a seguir, diga quem s ao as suas matrizes prin-
cipal, aumentada, independente e inc ognita.
112
(a)
x + 3x + x = 1
2x 3x + 2x = 0
4x + 2x = 0
;
(b)
x 2x + x = 4
2x 3x = 9
9x 6x = 0
.
(c)
x 9x = 3
x + 2x x = 0
x 4x = 8
;
(d)
x x + 3x = 1
2x + 6x 8x = 10
9x + x + 5x = 12
.
15. O aco e uma liga met alica formada por carbono e ferro, cuja
percentagem de carbono varia entre 0, 008% e 2, 11%. Certa
ind ustria disp oe de dois lotes de aco, um com 0, 087% e o outro
com 1, 75% de carbono. A partir destes lotes, deseja-se fabricar
uma peca de 100kg de aco com1, 25%de carbono. Qual a massa
necess aria de aco de cada lote para a fabricac ao deste produto?
16. Outro material importante para nossa sociedade e o vidro. Ele
entra na composic ao de janelas, recipientes de armazenamento,
dentre outros. A sua composic ao b asica e a seguinte:
Componente Porcentagem em vidros comuns
Slica 74
Alumina 2
Oxido de Ferro 0,1

C alcio 9
Magn esio 2
S odio 12
Pot assio 1
.
113
Para a construc ao de vidros para um certo pr edio, disp oe-se de
sete tipos de vidro, caracterizados a seguir:
Porcentagem
Componente I II III IV V VI VII
Slica 73,8 72,4 72,3 72,36 71,84 71,86 72
Alumina 2,2 2,5 2,31 2,3 2,22 2,34 2,5
Oxido de Ferro 0,3 0,03 0,23 0,08 0,31 0,3 0,24

C alcio 8,7 8,56 8,49 8,9 9 9,1 8,32
Magn esio 1,75 2,2 2,1 2,12 2,34 2,1 2,2
S odio 12,2 11,34 11,4 11,2 11 12,3 11,4
Pot assio 1,05 2,97 3,17 3,04 3,29 2 3,34
.
Encontre as massas de cada tipo de vidro necess arias para se
produzir 1,5 t de vidro cuja composic ao desejada e a seguinte:
Componente Porcentagem
Slica 73
Alumina 2,15
Oxido de Ferro 0,12

C alcio 8,64
Magn esio 1,91
S odio 12,12
Pot assio 2,06
.
17. (UFMG) Durante o perodo de exibic ao de um lme, foram ven-
didos 2000 bilhetes, e a arrecadac ao foi de R$ 7600,00. O preco
do bilhete para adultos era de R$ 5,00 e, para criancas, era de
R$ 3,00. A raz ao entre o n umero de criancas e de adultos que
assistiram ao lme nesse perodo foi:
a) 1. b)
3
2
. c)
8
5
. d)2.
114
SBM, 2006.
115

Unidade 4

Trigonometria

Resumo

Apresentamos os seis elementos de um tringulo e como
determin-los a partir do conhecimento de trs deles (conhecendo pelo
menos a medida de um dos lados). Usamos as relaes em tringulo
para definir as funes trigonomtricas. Aplicamos as Leis do Seno e
Cosseno para determinar a distncia entre dois pontos inacessveis.
Estabelecemos algumas medidas em locais presentes em Teresina.

NDICE

UNIDADE 4. Trigonometria

4.1. Introduo
4.2 Trigonometria no tringulo retngulo
4.2.1 Relaes mtricas no tringulo retngulo
4.2.2 Clculo do seno de alguns ngulos sem a ajuda de calculadora
4.3 Lei dos senos e dos Cossenos
4.3.1 Lei dos senos
4.3.2 Lei dos cossenos
4.4 Funes trigonomtricas
4.5 As frmulas de adio
4.6 Saiba mais
4.7 Exerccios
4.8 Respostas

Unidade 4
TRIGONOMETRIA
4.1 INTRODUC

AO
Desde a antig uidade e necess aria a avaliac ao de dist ancias in-
acessveis. Poucas s ao as dist ancias que podemos medir diretamente,
com auxlio de uma trena. Na verdade, a maioria do que desejamos
saber sobre dist ancias e calculado com o auxlio da trigonometria.
O elemento b asico usado para calcularmos tais dist ancias e a
resoluc ao de tri angulos. Geralmente, para solucionarmos tais prob-
lemas precisamos determinar lados e angulos, conhecidos tr es deles
(desde que n ao sejam os tr es angulos). As condic oes de congru encia
mostram que os seis elementos de um tri angulo est ao relacionados
funcionalmete. Por exemplo, o caso L.L.L. (lado-lado-lado) implica que
os tr es angulos s ao func oes dos tr es lados. Este problema b asico, de-
pendendo dos dados, ou pode ser impossvel, ou pode ter uma unica
soluc ao ou pode ter mais de uma soluc ao.
Para medir uma dist ancia inacessvel necessitaremos de dois in-
strumentos: uma ta m etrica, chamada de trena, e uma luneta apoiada
em um trip e (Teodolito), que mede angulos tanto no plano horizontal
quanto no vertical. O teodolito fornece os seguintes dados:
118
a) Se o observador P v e um objeto R, ele pode determinar a medida
do angulo que a reta PR faz com o plano horizontal.
Figura 4.1: Teodolito
b) Se o observador P v e um objeto Q e girando a luneta v e um ob-
jeto R, ambos no plano horizontal, ele pode determinar o angulo
QPR.
Figura 4.2:

Angulo no Plano
Acessando o stio
http://paginas.terra.com.br/educacao/calculu/Textos/construindoteodolito.htm
o leitor aprender a como construir um teodolito muito simples, a partir
de um transferidor.
119
Alguns problemas que vamos abordar fazem refer encia ` a cidade
de Teresina, capital do estado do Piau, e ` a vizinha cidade de Ti-
mon, localizada ` a margem esquerda do Rio Parnaiba, no estado do
Maranh ao.
Problema 1: Medir a altura da igreja S ao Benedito, localizada em Teresina.
Enunciado: Um observador est a em um ponto A,localizado na calcada do
Pal acio do Karnak (sede do Governo Estadual),a uma dist ancia
de 116, 954 metros da igreja S ao Benedito e a v e segundo um
angulo cuja medida e 15
30
12
como plano horizontal de observac ao(

medido com o teodolito). Qual e a altura da igreja S ao Benedito
em relac ao ao plano de observac ao?
Para medir angulos
menores que
um grau, s ao
utilizadas duas sub-
unidades, denidas
da seguinte forma:
minuto:1
=
1
60
segundo:1
=
1
60
Figura 4.3: Igreja S ao Benedito
Problema 2: Medir a largura do Rio Parnaba nas proximidades do Troca -
Troca.
Enunciado: De um ponto A localizado no Troca - Troca em Teresina, avista-
se um ponto P localizado na outra margem, na cidade de Timon.
De um ponto B, ` a direita do ponto A, distante 99, 980 metros de A
tamb em se avista o ponto P. Um observador em Teresina mediu
os angulos B

AP = 90
e A

BP = 66
19
25
. De posse desses
dados, qual e a largura do Rio Parnaba?
120
Figura 4.4: Largura do Rio
Problema 3: As pessoas utilizampequenas embarcac oes para fazerema trav-
essia do Rio Parnaba, de um ponto pr oximo ao Troca - Troca,
localizado em Teresina, a um ponto localizado na outra margem,
na cidade de Timon.
Enunciado: De um ponto A localizado no Troca - Troca em Teresina, avista-
se um ponto P localizado na outra margem, na cidade de Timon.
De um ponto B, ` a direita do ponto A, distante 99, 980 metros de A
tamb em se avista o ponto P. Um observador em Teresina mediu
os angulos B

AP = 98
47
39
e A

BP = 66
19
25
. De posse
desses dados, qual e a dist ancia entre A e P?
Figura 4.5: Porto das Barcas
121
4.2 TRIGONOMETRIANOTRI
ANGULORET
AN-
GULO
Comecaremos nosso estudo de trigonometria vendo o seu uso em
tri angulos ret angulos. No ensino m edio aprendemos que dado um
tri angulo ret angulo ABC de hipotenusa BC e catetos ABe AC, as
relac oes trigonom etricas valem: (Com um abuso de notac ao!)
Figura 4.6: Tri angulo ret angulo ABC
(a) sen(

B) =
AC
BC
,
(b) cos(

B) =
AB
BC
,
(c) tg(

B) =
sen(

B)
cos(

B)
=
AC
AB
,
(d) cotg(

B) =
cos(

B)
sen(

B)
=
AB
AC
,
(e) sec(

B) =
1
cos(

B)
=
BC
AB
,
(f) cossec(

B) =
1
sen(

B)
=
BC
AC
.
Deixamos como exerccio a deduc ao das relac oes trigonom etricas
para o angulo

C.
122
O que acabamos de fazer foi denir, para um angulo agudo de
medida x,isto e, 0
x 90
o valor de sen(x), cos(x),etc. Para um

angulo obtuso de medida x, isto e, 90
< x < 180
, denimos sen(x) =
sen(180
x) e cos(x) = cos(180
x), que e o que precisamos.

Com o auxlio de uma calculadora, podemos resolver alguns:
Exemplo 4.2.1. Retomemos o Problema 1 de medir a altura da igreja
S ao Benedito. No tri angulo da Figura 4.3, seja h a altura da igreja
medida em relac ao ao plano horizontal. Assim, temos:
h
116, 954
= tg(15
30
12
).
Resolvendo, obtemos h = 116, 954 tg(15
30
12
) metros. Com
auxlio de uma calculadora, obtemos tg(15
30
12
) = 0, 2774. Por-
tanto, h = 32, 44, ou seja, a igreja tem uma altura de 32, 44 metros.
Exemplo 4.2.2. No Problema 2, de medir a largura do Rio Parnaba
nas proximidade do Troca-Troca, de modo an alogo ao exemplo ante-
rior, chamando de h a largura, temos:
h
99, 980
= tg(66
19
25
).
Com auxlio de uma calculadora, obtemos tg(66
19
25
) = 2, 28. Por-
tanto, h = 227, 95, ou seja, a largura do rio Parnaba, nas proximidades
do Troca-Troca e de 227, 95 metros.
Exemplo 4.2.3. No tri angulo abaixo, A

BC = 30
(Quanto mede A
CB?),
e BC = 2, 5 cm. Encontre o valor de AB e de AC.
123
Sol.: Sabemos que sen(A

BC) =
AC
BC
e que A

BC = 30
. Olhando
na tabela o valor de sen(30
), ganhamos que:
1
2
= sen30
= sen(A

BC) =
AC
BC
AC = 1, 25cm.
Analogamente, vendo o valor de cos(30
), teremos:
3
2
= cos 30
= cos(A

BC) =
AB
BC
AB = 1, 25
3 cm.
Notemos no tri angulo anterior que sen(A

BC) =
AC
BC
AC =
BCsen(A

BC) e que cos(A

BC) =
AB
BC
AB = BC cos(A

BC). De-
duza as f ormulas para o angulo A
CB. (Notou alguma relac ao entre

sen(A

BC) e cos(A
CB)? E entre sen(A
CB) e cos(A

BC)?)
4.2.1 RELAC

OES M
ETRICAS NOTRI
ANGULO RET
ANGULO
Apesar de ser um assunto explorado pela nossa ador avel Geome-
tria, n ao custa nada falarmos das relac oes m etricas em tri angulos
ret angulos. Com essas relac oes em mente, conseguimos resolver
v arios problemas geom etricos. Como podemos ver, elas adv em de
fatos trigonom etricos simples.
Num tri angulo ret angulo ABC, cuja altura referente ao lado BC,
as seguintes relac oes valem:
AC AB = BC h;
c = BC m e b = BC n;
h = mn;
(Teorema de Pit agoras) (BC) = (AB) + (AC) .
A demonstrac ao de tais fatos cam como exerccio para o leitor.
Exemplo 4.2.4. No tri angulo ret angulo abaixo, calcule o valor de h:
BC = 5cm, A
CB = 60
.
124
Sol.: Como sabemos, AC AB = BC h h =
AC AB
BC
.
Com a ajuda da trigonometria, ganhamos que
AC = BCsen(A

BC) AC =
5
2
cm
AB = BC cos(A

BC) AB =
5
3
2
cm
.
Logo, podemos concluir que h =
5
3
4
cm.
Exemplo 4.2.5. No tri angulo abaixo, calcule quanto vale a hipotenusa.
Sol.: Ora, sabemos que tg(45
) = 1. Da, podemos concluir que

1 = tg(45
) = tg(A

BC) =
h
m
m = 2 cm.
Tamb em sabemos que h = m n e que BC = m + n. Logo,
teremos:
4 = 2n n = 2 = BC = 2 + 2 = 4.
A medida da hipotenusa e, ent ao, 4 cm.
125
4.2.2 C
ALCULODOSENODE ALGUNS

ANGULOS SEM
A AJUDA DE CALCULADORA
Comecaremos com o c alculo do seno de angulos simples. De-
vemos a maioria dessas demonstrac oes aos egpcios, gregos e ba-
bil onios. Eles nos deixaram uma importante contribuic ao nas areas da
Geometria e da trigonometria. Na sua epoca, possuir uma calculadora
era um sonho bastante distante. Assim, calcular senos e cossenos de
angulos n ao elementares era tarefa que ocupava a mente de muitos
pensadores da epoca. Convidamos o leitor a procurar maneiras difer-
entes de calcular os senos dos angulos expostos aqui e tamb em a
procurar meios para o c alculo do seno de outros angulos.
Seno de 60
o
Talvez este seja o mais f acil de se calcular. Para isso, tomemos
um tri angulo eq uil atero de lado unit ario: (O que e um tri angulo
eq uil atero?)
Tracando a altura referente ao lado BC:
126
Ganhamos (utilizando alguns conhecimentos elementares de ge-
ometria plana e o famoso teorema de Pit agoras) que h =
3
2
.
Assim, calculando o seno do angulo A

BC (Quanto mede A

BC?),
conseguimos que sen(A

BC) =
3/2
1
=
3
2
.
Exerccio: Olhando para o nosso tri angulo, voc e seria capaz de
dizer quanto vale o seno de 30
?
Seno de 45
Ap os calcularmos o seno de 60
, passemos ao c alculo do seno

de 45
. Parra isso, tomemos o seguinte tri angulo is osceles:

Pelo teorema de Pit agoras, ganhamos que a hipotenusa deste
nosso tri angulo mede

2. Logo, o seno de 45
e dado por: (Por

qu e?)
sen45
=
1
2
=
2
2
.
Seno de 54
Este resultado n ao e t ao obvio como os anteriores. Para calcul a-

lo, tomemos o seguinte tri angulo:
127
Dividindo o angulo B

AC em tr es partes iguais e notando que
alguns desses tri angulos s ao is osceles, teremos que:
Agora, olhemos detalhadamente para o tri angulo:
Podemos concluir que x + y = 1.
Atentemo-nos para o tri angulo EAC:
Utilizando as propriedades de semelhanc a de tri angulos, ganha-
mos que
2x + y
1
=
1
x
,
o que implica que x =
5 1
2
. (Por qu e?) Logo, teremos que
y =
3
5
2
.
Tracando a altura relativa ao lado BC, obtemos:
128
Olhando mais especicamente para o tri angulo AFC, pode-
mos concluir que:
sen54
=
x + y/2
1
=
1 +
5
4
.
Acessando o stio
www.ime.usp.br
/ leo/imatica/historia
/trigonometria.html
o leitor conhecer a
um pouco mais
da Hist oria da
Trigonometria.
A origem da trigonometria e incerta. Entretanto, pode-se dizer
que o incio do desenvolvimento da trigonometria se deu principal-
mente devido aos problemas gerados pela Astronomia, Agrimensura
e Navegac oes, por volta do s eculo IV ou V a.C., com os egpcios e
babil onios.
4.3 LEI DOS SENOS E DOS COSSENOS
Ap os vermos uma introduc ao ` a trigonometria no tri angulo ret angulo,
com suas principais propriedades e curiosidades, passaremos a estu-
dar as aplicac oes da trigonometria em tri angulos quaisquer. O nome
qualquer se deve ao fato de que iremos, nessa sec ao, resolver prob-
lemas envolvendo tri angulos de todos os tipos e n ao somente os que
pertencem a classe dos que s ao ret angulos.
Mas, apesar de trabalharmos com tri angulos de todos os tipos, ver-
emos que sempre poderemos fazer manipulac oes que permitem usar-
mos o que sabemos acerca da tigonometria em tri angulos ret angulos.
129
Veremos as famosas leis do seno e do cosseno e faremos alguns ex-
erccios interessantes.
4.3.1 LEI DOS SENOS
No problema 3 do incio desta unidade temos de determinar a
dist ancia entre dois pontos situados nas margens opostas do Rio Parnaba.
A seguir enunciaremos uma lei de bastante utilidade para resoluc ao
de problemas pr aticos e faremmos uma demonstrac ao simples e ele-
gante.
Proposic ao 4.3.1 (Lei dos senos). Seja ABC umtri angulo qualquer.
Ent ao
AB
sen(A
CB)
=
BC
sen(B

AC)
=
AC
sen(A

BC)
.
Demonstrac ao. O leitor deve se convencer de que precisamos so-
mente analisar dois casos, que ilustraremos a seguir:
1. Otri angulo ABC e acut angulo. (Oque e umtri angulo acut angulo?)
Vejamos a gura:
Neste tri angulo acut angulo, se tracarmos a altura relativa ao lado
AC, teremos a seguinte gura:
Chamando h de BD, i.e., se chamarmos de D a intersec ao de
h com AC, e tomarmos d = AD, teremos que DC = AC) d.
(Concorda?) Tamb em temos que d = ABcos(B

AC). (Por qu e?)
130
Agora, usando as relac oes trigonom etricas que j a conhecemos,
conseguimos
BCsen(A
CB) = h = ABsen(B

AC)
BC
sen(B

AC)
=
AB
sen(A
CB)
.
Repetindo o mesmo raciocnio com a altura relativa ao lado AB,
conseguimos que
BC
sen(B

AC)
=
AC
sen(A

BC)
.
2. O tri angulo ABC e obtus angulo. (O que e um tri angulo ob-
tus angulo?) Vejamos o desenho:
Tomando a altura relativa ao lado BC, obtemos a gura:
Chamando de h tal altura, de P a intersec ao de h com o pro-
longamento do lado BC, e de d o comprimento de PB, temos
que
AC sen(A

CB) = h = ABsen( A

BC).
Veremos que sen( ) = sen() , R. Da,
131
AC sen(A

CB) = ABsen(A

BC).
Assim,
AC
sen(A

BC)
=
AB
sen(A
C)B
.
Raciocinando do mesmo modo que no item anterior, ganhamos
que
AC
sen(A

BC)
=
BC
sen(B

AC)
.
Exemplo 4.3.1. Voltemos a olhar para o problema 3, que consiste
em determinar a dist ancia entre dois pontos localizados nas margens
opostas do rio Parnaba, nas proximidades do Troca - Troca. Chamando
de x a dist ancia entre o ponto A e o ponto P e aplicando a Lei dos
Senos no tri angulo ABP, temos:
99, 980
sen(15
33
36
)
=
x
sen(66
19
25
)
.
Com o auxlio de uma calculadora, obtemos sen(15
33
36
) = 0, 268 e
sen(66
19
25
) = 0, 916. Assim, temos x = 341, 72, ou seja, o barqueiro

percorre uma dist ancia de 341, 72 metros para fazer a travessia de
seus passageiros.
4.3.2 LEI DOS COSSENOS
Vejamos o seguinte problema:
Deseja-se saber o comprimento de um lado de um terreno triangu-
lar que possui os outros dois lados iguais a 200m e 350m. O angulo
formado por esses dois lados e igual a 60
.
Neste caso n ao seremos felizes se usarmos a lei dos senos, pois
s o sabemos o valor de um dos angulos e o tri angulo n ao e elementar.
Para res olve-lo, necessitamos da lei dos cossenos:
132
Proposic ao 4.3.2 (Lei dos cossenos). Seja ABC um tri angulo qual-
quer. Ent ao
(AB) = (AC) + (BC) 2(AC)(BC) cos(

C),
(AC) = (AB) + (BC) 2(AB)(BC) cos(

B),
(BC) = (AC) + (AB) 2(AC)(AB) cos(

A).
Demonstrac ao. Deixamos a prova como exerccio para o leitor.
Exerccio: Resolva o problema anterior.
4.4 FUNC

OES TRIGONOM
ETRICAS
Acabamos de ver aplicac oes da trigonometria emproblemas geom etricos.
Mas ela n ao est a apenas associada ` a resoluc ao de tri angulos.

E
enorme a quantidade de problemas que conseguimos resolver gracas
` a trigonometria. Por exemplo, aprendemos m etodos matem aticos para
a resoluc ao de equac oes diferencias que envolvemfunc oes trigonom etricas,
como o m etodo de Fourier. Em problemas fsicos, como o problema
do oscilador harm onico, o uso da Trigonometria tamb em e essen-
cial.
Antes tratava-se de seno de um angulo de um tri angulo qualquer.
Agora, trata-se da func ao seno aplicada a um n umero real. O que
antes possua uma abrang encia pequena agora pode ser trabalhado
de maneira mais geral. Podemos com isso explicar com ferramentas
matem aticas as soluc oes de equac oes que envolvamfunc oes trigonom etricas.
Apresentaremos todas as func oes trigonom etricas de maneira r apida
e sucinta. N ao nos delongaremos em apresent a-las separadamente.
Denic ao 4.4.1. Sejam , , R n umeros reais dados. As func oes
seno, cosseno e tangente s ao, respectivamente, dadas por:
f : R R
x f(x) = + sen(x)
,
133
g : R R
x g(x) = + cos(x)
,
h : R \
2
+ 2k / k Z
R
x h(x) = + tg(x)
.
Note que enunciamos as func oes seno, cosseno e tangente no
modo mais geral possvel. Faremos seus estudos tamb emdesta maneira.
Lembremos que dada uma func ao real f e p R, dizemos que f
e p-peri odica se f(x + p) = f(p), x domf. Chamamos de perodo
fundamental de f o menor elemento do conjunto {p / f(x+p) = f(x)}.
No ensino m edio estudamos o ciclo trigonom etrico, onde aprende-
mos a associar o par (cos(x), sen(x)) a um ponto da circunfer encia de
raio unit ario e centro na origem. Essa associac ao se deve a Euller. O
fato do raio de tal circunfer encia ser unit ario nos d a uma demonstrac ao
de que cos (x) + sen (x) = 1:
Proposic ao 4.4.2. Para todo x em R, temos que cos (x)+sen (x) = 1.
Demonstrac ao. Seja C = {(x, y) R/ x + y = 1} a circunfer encia
de raio unit ario centrada na origem. A func ao de Euller nos diz que
existe uma relac ao entre cada ponto (x, y) da circunfer encia e cada x
real tal que x R, (cos(x), sen(x)) C. Da, temos que para cada x
vale cos (x) + sen (x) = 1.
Existemdemonstrac oes mais elegantes para a identidade que enun-
ciamos acima. Mas elas fazem uso de teorias mais avancadas e
por isso as omitimos do texto. O leitor curioso deve procurar mais
demonstrac oes para tal fato.
Exemplo 4.4.1. Se cos() = e (0, /2), quanto vale sen()?
Sol.: Como (0, /2), ent ao j a podemos concluir que sen() > 0.
(Por qu e?) A proposic ao anterior nos diz que cos () + sen () = 1.
Logo, sen() =
1 .
Uma conseq u encia importante da proposic ao anterior e o seguinte
resultado:
134
Proposic ao 4.4.3. Sejam k R e a func ao f : R R, x f(x) =
sen(kx). O perodo fundamental de f e igual a
2
| k |
.
Demonstrac ao. Na sec ao F ormulas de adic ao veremos que senk(x +
p) = sen(kx) cos(kp) +sen(kp) cos(kx), onde p e o perodo fundamental
de f. Da, sen(kx) = sen(kx) cos(kp) + sen(kp) cos(kx). Tomando x =
2k
, ganhamos que cos(kp) = 1. (Por qu e?) Como cos (kp)+sen (kp) =
1, conclumos que sen(kp) = 0. Do ensino m edio, recordamos que
sen(kp) = 0 p =
2
| k |
.
Exemplo 4.4.2. O perodo fundamental de g(x) = sen(8x) e p =
2
8
=
4
.
A ttulo de recordac ao, vejamos o ciclo trigonom etrico.
Figura 4.7: Ciclo trigonom etrico
Os eixos paralelos a Ox e a Oy respectivamente s ao os eixos da
cotangente e da tangente. Assim, dado o angulo a assinalado na
135
gura, os pontos P, Q, Re S s ao, nessa ordem, iguais a cos(a), sen(a),
cotg(a) e tg(a).
Tamb emvimos no ensino m edio que o conjunto imagemde sen(x), cos(x)
e dado por [1, 1]. Da, podemos concluir que para as func oes
f : R R
x f(x) = + sen(x)
,
g : R R
x g(x) = + cos(x)
o conjunto imagem e dado por [ , + ].
A imagem da func ao
h : R \
2
+ 2k / k Z
R
x h(x) = + tg(x)
e (, +).
Exerccio. Encontre o domnio e a imagem das func oes cotg, cossec, sec.
Exerccio. Determine os valores m aximo e mnimo da func ao
f : R R dada por f(x) =
5
4 + sen(x)
.
Exerccio. Se sen(x) + cos(x) = 1, 1, quanto vale 2sen(x)cos(x)?
4.5 AS F

ORMULAS DE ADIC

AO
De grande utilidade na resoluc ao de exerccios e de c alculos en-
volvendos integrais, as f ormulas de adic ao de arcos nos d ao regras
para calcularmos o seno, cosseno, tangente de angulos que podem
ser expressos como soma de outros dois conhecidos. Por exemplo,
de posse da regra do seno da soma, podemos calcular quanto vale
sen(75
), apenas sabendo os valores de sen(45
), sen(30
), cos(45
), cos(30
).
136
Proposic ao 4.5.1. Sejam e dois angulos quaisquer. Ent ao:
sen( + ) = sen() cos() + sen() cos()
cos( + ) = cos() cos() sen()sen().
Demonstrac ao. Olhemos primeiramente para a gura
Na gura, o tri angulo OA
C e reto em A
. Os angulos

A,

A
,

B
s ao ret angulos. Chamaremos os angulos A
OA
, A

OC de , , respc-
tivamente. Atrav es das regras de congru encia podemos concluir que
medA

OA
= medB

CA
. No tri angulo OAA
, podemos concluir que:

sen =
AA
OA
AA
= OA
sen . (4.1)
J a no tri angulo OA
C teremos:
cos =
OA
OC
OA
= OC cos . (4.2)
Ainda analisando o tri angulo OA
C, veremos:
sen =
A
C
OC
A
C = OC sen . (4.3)
137
Usando um fato j a conhecido (Qual?), podemos concluir que
cos =
CB
AC
CB
= A
C cos . (4.4)
Basta analisarmos o tri angulo OBC. Como sabemos, med

O =
med( + ). Logo,
sen ( + ) =
BC
OC
BC = OC sen ( + ). (4.5)
Oleitor atento deve ter percebido que medBC = medB
C+medAA
.
Juntando os fatos conseguidos, ganhamos que
sen ( + ) = sen cos + sen cos .
A prova de cos( + ) = cos() cos() sen()sen() ca a cargo
do leitor.
4.6 SAIBA MAIS
1) O leitor poder a acessar, no stio http://strato.impa.br/, excelentes
vdeos produzidos pela equipe coordenada pelo Professor Elon
Lages Lima, do Programa de Formac ao de Professores do En-
sino M edio. Acessando janeiro de 2003,janeiro de 2004, janeiro
de 2005, julho de 2006 e janeiro de 2007 o leitor encontrar a vdeos
sobre o ensino de *Trigonometria, no qual nos inspiramos para
escrever esse material;
2) Para conhecer um pouco da Hist oria da Matem atica, visite o stio
http://www.matematica.br/historia/index.html;
3) O leitor poder a acessar o stio
http://www.matematica.br/historia/index h tempo.html, onde ter a
um ndice cronol ogico apresentado por assunto;
4) As aplicac oes e exerccios deste captulo e inspirado no exce-
lente material desenvolvido pelos professores Elon Lages Lima,
138
Paulo C esar Pinto Carvalho, Eduardo Wagner e Augusto C esar
Morgado, o qual o leitor pode acessar atrav es do stio
http://www.ensinomedio.impa.br/materiais/tep/cap4.pdf
5) O leitor pode acessar o stio
http://www.mat.ufrgs.br/ portosil/passa2c.html para aplicac oes out-
ras da trigonometria;
6) O leitor pode acessar o stio
http://www.matematica.br/programas/varios.html para baixar pro-
gramas educacionais interativos.
7) Para conhecer um pouco do matem atico franc es Laplace, o leitor
pode acessar http://pt.wikipedia.org/wiki/Pierre Simon Laplace.
4.7 EXERC
ICIOS
1. Deduza as f ormulas para sen(

A

B) e cos(

A

B).
2. Com a ajuda da proposic ao anterior e do ultimo exerccio, mostre
que
tg(

A+

B) =
tg(

A) + tg(

B)
1 tg(

A)tg(

B)
.
3. Deduza a f ormula para tg(

A

B).
4. Algumas conseq u encias da ultima proposic ao simples por em
uteis s ao as seguintes:
(a) sen( ) = sen(), [0, ];
(b) cos( ) = cos(), [0, ];
(c) sen(2 ) = sen(), [0, ];
(d) cos(2 ) = cos(), [0, ].
Mostre-as e deduza outras conseq u encias importantes ad-
vindas da adic ao de arcos.
5. Prove as identidades abaixo:
139
a)
1 tg (x)
1 + tg (x)
= 1 2sen (x)
b)
sen (x)
cossec(x) cotg(x)
= 1 + cos(x)
6. Determine todas as soluc oes da equac ao sen(2x +

) = .
7. Se tg(x) + sec(x) = , calcule sen(x) e cos(x).
8. Se tg(x) = , calcule tg(3x).
9. Calcule: y = sen(

) cos(

).
10. Calcule: y =
1 + tg(

)
1 tg(

)
11. Determine os valores m aximo e mnimo de:
a) y = a sen (x) + b cos (x), com a + b = 0
b) y = a sen(x) + b cos(x), com a + b = 0
c) y = a
x x
, com a > 1
d) y = cos x + sen x
12. Observando a gura abaixo, mostre que o angulo C

AB e igual a
45
.
13. Uma estrada que est a sendo construda em um plano horizontal
e ser a formada pelos trechos retos XP, PQ e QY . No trecho
PQ ser a construido um t unel para atravessar uma montanha.
Os engenheiros devem saber tanto em P quanto em Q, que
direc ao devem tomar para construir o t unel AB de forma que
140
o trecho PABQ seja reto. Eles ent ao xaram um ponto C do
plano horizontal, visvel tanto em P quanto de Q, formando o
tri angulo mostrado na gura abixo. Com auxlio do teodolito e de
uma trena, determinaram as seguintes medidas: CP = 1, 2Km,
CQ = 1, 8Km e P

CQ = 27
. Calcule as medidas dos angulos

C

PQ e C

QP.
14. Se tg = , quanto vale sen 2? Analise para (0, ).
15. Sabendo que tg = e que cotg = , calcule: (, (,

))
(a) sen + sen ;
(b) cos + cos ;
(c) sen ( + );
(d) cos ( + );
(e) sec (2 3).
16. Resolva as equac oes: (x (0, 2))
(a) cos x 2 cos x + 3 = 0;
(b) tg x = ;
(c) cos x + sen x = 0;
(d) 4 cos x +
1
senx
= 8.
17. Resolva a equac ao cos (x ) = 3sen x.
141
SBM, 2006;
2. CARMO, M.P. do; MORGADO, A.C.; WAGNER, E.. Trigonome-
tria, N umeros Complexos. Notas hist oricas de Jo ao Bosco Pit-
ombeira de Carvalho. Rio de janeiro: SBM, 1992.
142

Unidade 5

Nmeros Complexos

Resumo

Apresentamos o corpo dos nmeros complexos. Usamos a
representao trigonomtrica de um nmero complexo para estabelecer
a frmula de De Moivre. Finalizamos com o clculo das razes da
unidade.

NDICE

UNIDADE 5. Nmeros Complexos

5.1 Introduo
5.1 O corpo dos nmeros complexos
5.1.1 Adio de nmeros complexos
5.1.2 Representao geomtrica de um nmero complexo
5.1.3 Multiplicao de nmeros complexos
5.2 Forma trigonomtrica de um nmero complexo
5.3 Frmula de De Moivre
5.4 Razes da unidade
5.5 Saiba mais
5.6 Exerccios
5.7 Respostas

Unidade 5
N
UMEROS COMPLEXOS
5.1 INTRODUC

AO
O que e um n umero? Esta pergunta e feita h a muito tempo, como
conta a Hist oria da Matem atica. Chega mesmo a intrigar muitas pes-
soas e ocupa o tempo de v arias. N ao e nosso escopo desenvolver
alguma teoria sobre o signicado de um n umero.
Como os problemas tendem a car cada vez mais complexos ` a me-
dida em que se desenvolve algo, em particular a Matem atica, vimos
como simples problemas na Antig uidade exigiram o desenvolvimento
de t ecnicas e teorias para a sua completa soluc ao. Neste sentido,
equac oes como x 3 = 8 possui uma soluc ao conhecida para n os,
a saber, x = 11. Tamb em sabemos que a equac ao x + 2 = 1 pos-
sui uma soluc ao, que e x = 1. Esta, por incrvel que possa pare-
cer, foi fruto de v arias disc ordias entre matem aticos em epocas remo-
tas. Alguns relutavam em dizer que a ultima equac ao e irresol uvel,
outros usavam resultados an alogos sem procurar uma base te orica.
Ap os o conhecimento do conjunto dos n umeros inteiros, tais proble-
mas passaram a ser tratados como triviais, e s ao ensinados ainda
no ensino fundamental de v ariasescolas ao redor do mundo. Com
raciocnio an alogo, equac oes do tipo ax = b, com a, b inteiros e a n ao-
nulo levaram ao estudo de outro conjunto, o dos n umeros racionais.
146
Ap os isso, muitos armaram que todos os problemas matem aticos ex-
istentes poderiam ser resolvidos tomando como conjunto universo o
conjunto dos n umeros racionais.
Mas a Hist oria da Matem atica nos mostra que v arias armac oes
aceitas sem demonstrac ao foram derrubadas pouco tempo depois.
E a armac ao de que os n umeros racionais solucionavam todos os
problemas tamb em foi rapidamente excluda da Matem atica. Era um
fato bem conhecido dos pitag oricos que

2 / Q. Denominaram de
irracionais os n umeros que n ao eram racionais e ` a uni ao dos con-
juntos dos racionais com o dos irracionais denominaram de conjunto
dos n umeros reais, ao qual j a nos referimos v arias vezes. Chegaram
a armar que os n umeros reais seriam sucientes para resoluc ao de
todos os problemas matem aticos. Mas v arios problemas mostraram
a insuci encia de tal conjunto para o perfeito crescimento da Rainha
das ci encias. Descreveremos aqui apenas um problema que mostrou
a insuci encia do conjunto dos n umeros reais para a Matem atica.
Ger onimo Cardano, matem atico que viveu no s eculo XVI, desen-
volveu um m etodo para a resoluc ao de equac oes do tipo x
3
+ px = q.
Atrav es de algumas manipulac oes matem aticas, ele chegou ` a con-
clus ao de que
x =
3
p
3
3
+
q
2
q
2
+
3
p
3
3
+
q
2
q
2
(5.1)
e uma soluc ao da equac ao x
3
+ px = q.
Na epoca de Cardano nem mesmo os n umeros reais tinham todas
as suas propriedades conhecidas. Imagine ent ao trabalhar comrazes
quadradas de n umeros negativos! Foi isso que aconteceu quando
Cardano analisou a soluc ao para a seguinte equac ao:
x
3
15x 4 = 0. (5.2)
Como j a sabemos, a soluc ao real e dada por x =
3
2 +
121 +
3
121. Cardano sabia que a soluc ao positiva de x

3
15x4 =
0 era x = 4. Mas infelizmente, trabalhar com o n umero

121 era
147
muito estranho para ele, j a que na sua epoca os algebristas relutavam
em armar que equac oes cujas soluc oes eram formadas por razes
quadradas de n umeros negativos eram irresol uveis. Por que ent ao
admitir que essas razes de fato existem? Esse foi um dilema para
Cardano.
Na mesma epoca havia um algebrista italiano chamado Rafael
Bombelli mostrou que
3
2 +
121 = 2 +
1, e que
3
121 =
2
1. Assim, conseguia-se que

3
2 +
121 +
3
121 =
2 +
1 +2
1 = 4. Bombelli trabalhava sem preocupac ao com o

termo

1 em seus trabalhos. Este era um comeco para a teoria dos
n umeros complexos.
5.2 O CORPODOS N
UMEROS COMPLEXOS
Vimos na introduc ao que o conjunto dos n umeros reais n ao solu-
ciona todos os problemas matem aticos existentes. O problema de
Cardano e somente uma ilustrac ao para tal fato. Um outro fato ilustra-
tivo mais simples e o de resolver a equac ao x
2
+ 4 = 0. Esta equac ao
nao possui soluc oes em R. Tente resolver em R o seguinte sistema:
x
1
+ x
2
= 5
4x
1
x
2
= 89
.
Quais foram as razes encontradas? Elas pertencem ao conjunto
dos n umeros reais? Tente fazer o mesmo para o seguinte sistema:
x
1
+ x
2
= 20
4x
1
x
2
= 625
.
O leitor atento deve ter encontrado 10
15
2
1 e 10 +
15
2
1
como possveis soluc oes para o sistema acima. Mas estas soluc oes
n ao s ao n umeros reais. Por isso dizemos que o sistema anterior n ao
e solucion avel em R.
148
Para sanar esse problema, introduzimos o seguinte termo: i =
1, denominada de unidade imagin aria, tal que i

2
= 1. Tal el-
emento n ao pode ser real, pois sabemos que o quadrado de todo
n umero real n ao-nulo e positivo, e 1 < 0, i.e., i
2
< 0 i / R.
As soluc oes do sistema anterior podem ser escritas, ent ao, assim:
10
15
2
i e 10 +
15
2
i.
Conseguimos ent ao, com a unidade imagin aria, um novo conjunto:
a+ib /a, b R. Os elementos a+ib deste conjunto recebem o nome
de n umeros complexos, e, como o leitor esperto j a deve ter deduzido,
tal conjunto e denominado de conjunto dos n umeros complexos, e
ser a designado por C.
Exemplo 5.2.1. 5 + 3i e um n umero complexo.
Exemplo 5.2.2. 2 + 4i e um n umero complexo.
Dado um n umero complexo x + iy, diremos que a sua parte real
e x e a sua parte imagin aria e y. Em smbolos: C z = x + iy
Re(z) = x, Im(z) = y, onde Re(z) representa a parte real de z e Im(z)
a sua imagin aria.
Exemplo 5.2.3. z = 3 + 4i Re(z) = 3, Im(z) = 4.
Exemplo 5.2.4. w = 5 Re(w) = 5, Im(z) = 0. Neste caso, dizemos
que w e um real puro, pois sua parte imagin aria e nula, e a sua real
n ao o e.
Exemplo 5.2.5. u = 8i Re(u) = 0, Im(u) = 8. J a neste caso, dize-
mos que u e um imagin ario puro, pois sua parte real e nula, enquanto
que a sua imagin aria n ao o e.
Exerccio. Qual o unico n umero complexo que e real e imagin ario
puro ao mesmo tempo?
Dois n umeros complexos s ao iguais se, e somente se, suas partes
reais forem iguais, o mesmo acontecendo com as partes imagin arias.
Ou seja, x
1
+ iy
1
= x
2
+ iy
2
x
1
= x
2
, y
1
= y
2
.
149
Exemplo 5.2.6. z = 0 Re(z) = 0, Im(z) = 0.
Exemplo 5.2.7. x + iy = 2 3i x = 2, y = 3.
A seguir veremos como se obter umm utiplo qualquer de umn umero
complexo: z = x + iy z = x + iy.
Exemplo 5.2.8. 3(2 13i) = 6 39i.
Quanto vale 0z?
5.2.1 ADIC

AO DE N
UMEROS COMPLEXOS
Assim como nos conjuntos dos n umeros naturais, inteiros, reais,
racionais consideramos uma operac ao de adic ao, tamb em consider-
aremos uma operac ao de adic ao em C denida por:
+ : CC C, u = x
1
+y
1
, w = x
2
+y
2
u+w = x
1
+x
2
+i(y
1
+y
2
).
Assim, quando adicionamos dois n umeros complexos, o resultado
e dado por um n umero complexo cuja parte real e a soma das partes
reais deles, ocorrendo o mesmo quanto ` a parte imagin aria.
Exemplo 5.2.9. 4 + 6i + 2 5i = (4 + 2) + (6 5)i = 6 + i.
Exemplo 5.2.10. 12 4i + 3i = (12 + 0) + (4 + 3)i = 12 i.
Presumimos que o leitor esperto deve ter deduzido que a soma de
dois n umeros complexos reais puros e ainda um real puro, a de dois
imagin arios puros e ainda um imagin ario puro. E isso n ao se restringe
somente ao caso da adic ao de dois elementos, mas sim de v arios.
(Por qu e?)
Analogamente ao caso real, a subtrac ao de n umeros complexos
e apenas um caso particular da adic ao deles. Isto e, u w = u +
(w), u, w C. Logo, n ao delongaremos tempo analisando a subtrac ao
em C.
Exemplo 5.2.11. 12 + 2i (2 9i) = 14 + 11i.
150
PROPRIEDADES DA ADIC

AO DE N
UMEROS COMPLEXOS
J a conhecida a operac ao de adic ao de n umeros complexos, vimos
que ela na verdade se trata de somarmos as partes real e imagin aria
dos termos componentes, sendo que estas somas s ao entre elemen-
tos reais. Assim, as propriedades da adic ao em C s ao an alogas as da
adic ao em R. Passaremos, ent ao, a cit a-las. As suas constatac oes
s ao deixadas como exerccio para o leitor, devido ` a sua simplicidade.
u = x
1
+ iy
1
, v = x
2
+ iy
2
, w = x
3
+ iy
3
C, R:
Associatividade u + (v + w) = (u + v) + w
Exemplo 5.2.12. 2+0i+(23i+1+i) = [2+0i+(23i)]+1+i =
1 2i.
Comutatividade u + v = v + u
Exemplo 5.2.13. 123i +3+8i = 3+8i +(123i) = 9+5i.
Elemento neutro u C; u + v = v + u = v, v C.
Exerccio. Mostre que u = 0. Isto e, o elemento neutro em C e
unico.
Exemplo 5.2.14. 5 + i + 0 + 0i = 0 + 0i + 5 + i = 5 + i.
Elemento oposto v C, v; v + v = v + v = 0
Exerccio. Mostre que v = v. Ou seja, o elemento oposto de
um n umero complexo e unico.
Exemplo 5.2.15. 23+15i+2315i = 2315i+(23+15i) = 0.
5.2.2 REPRESENTAC

AOGEOM
ETRICADE UMN
UMERO
COMPLEXO
151
Vimos que os n umeros complexos foramaceitos ap os controv ersias.
Para alguns, era impossvel se imaginar como seria a representac ao
geom etrica de um n umero complexo dado. Naquela epoca, a intuic ao
geom etrica ainda era a principal maneira para se trabalhar os prob-
lemas. O que n ao era possvel representar-se geom etricamente ten-
dia a ser refutado. Hoje n ao possumos esse problema. O avanco na
Matem atica foi t ao grande que chegamos mesmo a trabalhar comcon-
juntos que n ao s ao represent aveis atrav es de esbocos geom etricos.
Imagine naquela epoca a aceitac ao de estudos no R
n
!
O conjunto C s o veio a ser bem visto pela comunidade estudiosa
emgeral ap os a exposic ao bela de Argand-Gauss do planocomplexo.
Para isso, consideremos a seguinte func ao:
: R
2
C
(x, y) (x, y) = x + iy
.
Como podemos mostrar rapidamente, tal func ao e bijetiva, i.e., ex-
iste uma correspond encia biunvoca entre o plano R
2
e o conjunto C.
Assim, podemos associar um n umero complexo z = x + iy a um
ponto (x, y) no plano. Logicamente, assim teremos a associac ao en-
tre o eixo x e o real (das partes reais), tamb em entre o eixo y e o
imagin ario (das partes imagin arias).
Assim como os vetores do R
2
possuem comprimento, tamb em
associamos um n umero complexo ao seu comprimento atrav es da
seguinte func ao (que decorre imediatamente do teorema de Pit agoras):
152
[ [ : C R
x + iy [ x + iy [ =
x
2
+ y
2
.
Denominamos tal func ao de m odulo. Passaremos a us a-la sem
preocupac ao e quando quisermos nos referir ao comprimento de um
n umero complexo z C apenas utilizaremos [ z [.
Exemplo 5.2.16. [ 3 2i [=
3
2
+ (2)
2
=
13.
Exemplo 5.2.17. [ 9 [=
9
2
= 9.
Quanto vale [ 0 [?
153
CONJUGADO DE UM N
UMERO COMPLEXO
Exporemos agora uma denic ao de grande utilidade na teoria dos
n umeros complexos. Aceitaremos que o leitor domine o conceito de
simetria. Este e utilizado em diversas areas da Matem atica. Nada
mais natural utilizarmo-lo aqui. Ap os conhecermos o tratamento geom etrico
de um n umero complexo, v arias denic oes e propriedades tornam-se
triviais.
Denic ao 5.2.1. Dado um n umero complexo z o seu conjugado, que
ser a denotado por z, e o sim etrico de z em relac ao ao eixo real. Ou
seja, x + iy = x iy.
Exemplo 5.2.18. 1 + 14i = 1 14i.
Exemplo 5.2.19. 0 = 0.
PROPRIEDADES DO CONJUGADO DE UM N
UMERO COMPLEXO
154
Como j a dissemos, as propriedades do conjugado de um n umero
complexo s ao simples e de f acil entendimento. Passaremos, ent ao, a
list a-las.
z = z z R;
Ora, sabemos da igualdade entre n umeros complexos que z
1
=
z
2
Re(z
1
) = Re(z
2
), Im(z
1
) = Im(z
2
), z
1
, z
2
C. Logo, dado
z = x + iy C, z = z y = y y = 0 z R.
z = z, z C;
Tamb em de grande simplicidade, j a que x + iy = x iy = x+iy.
Re(z) =
z + z
2
Basta notarmos que z + z = 2Re(z).
Im(z) =
z z
2i
Raciocnio an alogo ao anterior.
z + w = z + w.
Tamb em bem simples a vericac ao:
x
1
+ iy
1
+ x
2
+ iy
2
= x
1
+ x
2
+ i(y
1
+ y
2
) =
= x
1
+ x
2
i(y
1
+ y
2
) = x
1
iy
1
+ x
2
iy
2
= x
1
+ iy
1
+ x
2
+ iy
2
.
5.2.3 MULTIPLICAC

AO DE N
UMEROS COMPLEXOS
Ap os aprendermos a somar elementos de C, veremos outra impor-
tante operac ao denida neste conjunto, a multiplicac ao. Sua interpretac ao
geom etrica somente ser a dada ap os vermos a representac ao trigonom etrica
de um n umero complexo. A multiplicac ao e dada por:
: CC C, u = x
1
+y
1
, w = x
2
+y
2
uw = (x
1
x
2
y
1
y
2
)+i(x
1
y
2
+x
2
y
1
).
155
N ao e nosso intuito que o estudante venha a decorar a f ormula an-
terior, j a que ela pode ser obtida facilmente ap os algumas manipulac oes
alg ebricas. Mas primeiramente precisamos conhecer algumas pro-
priedades da multiplicac ao.
Exemplo 5.2.20. (2 2i)(3 + 9i) = (6 + 18) + i(18 6) = 24 + 12i.
PROPRIEDADES DAMULTIPLICAC

AODE N
UMEROS COMPLEXOS
Novamente, enfatizamos que a multiplicac ao em C possui pro-
priedades an alogas ao caso real. Portanto n ao delongaremos tempo
neste t opico. As vericac oes das propriedades s ao deixadas como
exerccio para o leitor.
Dados z, v, w C, temos que:
Associatividade
z(wv) = (zw)v.
Exemplo 5.2.21. (1 +i)[(2 +0i)(0 5i)] = [(1 +i)(2 +0i)](0 5i).
(Verique!)
Comutatividade
zw = wz.
Exemplo 5.2.22. (4 3i)(18 +9i) = (18 +9i)(4 3i). (Verique!)
Elemento Neutro
u C; uz = z u = z, z C.
Exerccio. Verique que u = 1 + 0i, ou seja, o elemento neu-
tro da multiplicac ao em C e unico e igual ao elemento neutro da
multiplicac ao em R.
Elemento inverso
156
z C0, z; z z = zz = 1.
Dica: Considere o fato zz = 1 + 0i e utilize a propriedade de
igualdade de n umeros complexos. Ap os a soluc ao do sistema
obtido, voc e certamente encontrar a o seguinte resultado: z =
z
[ z [
2
. Ou seja, o elemento inverso de um n umero complexo n ao-
nulo e unico, e representaremo-lo por z
1
.
Exemplo 5.2.23. O inverso de i e i. (Note que [ i [= 1).
Exemplo 5.2.24. O inverso de u = 2 +i e u
1
=
2 i
5
. Verique!
Quando expusemos a operac ao de adic ao em C, armamos
que a subtrac ao seria apenas um caso particular daquela. Aqui
tamb em n ao poderia ser diferente. A divis ao em C e apenas
caso particular da multiplicac ao de n umeros complexos. Primeira-
mente vejamos que zz =[ z [
2
. Mas isto e bem simples de se
vericar, e direto, e deixamos para o leitor a sua vericac ao.
Sabendo disso, podemos interpretar a divis ao entre n umeros
complexos da seguinte maneira:
: C (C0) C, u, w u w =
u
w
=
u w
[ w [
2
.
O fato de w C0 nos diz que w ,= 0, logo [ w [
2
= ww ,= 0 e a
operac ao acima est a bem denida.
Exemplo 5.2.25.
1 + 2i
2 + i
=
(1 + 2i)(2 i)
5
. Verique!
Distributividade
z(u + w) = zu + zw, (z + u)w = zw + uw.
Exemplo 5.2.26. (8 + 2i)[(4 + 0i)(2 + 3i)] = [(8 + 2i)(4 +
0i)](2 + 3i). Verique!
Todas as propriedades descritas at e agora tornam(C, +, ) umcorpo.
Dizemos que um conjunto F (F, +, ) e um corpo, com as operac oes
+, , quando ele satisfaz as seguintes propriedades: (f
1
, f
2
, f
3
F)
157
i) Est ao bemdenidas as operac oes +, , i.e., o conjunto F e fechado
quanto a elas;
ii) Vale a comutatividade: f
1
+ f
2
= f
2
+ f
1
, f
1
f
2
= f
2
f
1
;
iii) Vale a associatividade: f
1
+(f
2
+f
3
) = (f
1
+f
2
) +f
3
, f
1
(f
2
f
3
) =
(f
1
f
2
)f
3
;
iv) Existe um elemento neutro aditivo (com respeito ` a operac ao +),
denotado por 0, tal que f + 0 = 0 + f = f, f F;
v) Existe umelemento neutro multiplicativo (comrespeito ` a operac ao
), denotado por 1, tal que 1 f = f 1, f F;
vi) Para todo elemento do corpo F existe um elemento oposto, i.e.,
f F, f F; f + (f) = f + f = 0;
vii) Para todo elemento n ao-nulo do corpo existe um inverso multi-
plicativo, i.e., f F0, f
1
; ff
1
= f
1
f = 1;
viii) Vale a distributividade do produto com respeito ` a adic ao.
Agora o leitor conhece mais um corpo, o corpo dos n umeros com-
plexos. Talvez o leitor conhecesse somente o corpo dos n umeros
racionais e o dos n umeros reais. Uma boa pergunta e: Qual a relac ao
entre Q e R? Ser a somente a de inclus ao Q R? Certamente
o leitor encontrar a em outras obras as respostas para tais perguntas.
Convidamos, desde j a, o leitor a se informar acerca destes fatos. Por
enquanto, armamos que Q R C.
5.2.4 FORMATRIGONOM
ETRICA DE UMN
UMEROCOM-
PLEXO
At e o momento utilizamos apenas a forma alg ebrica para repre-
sentarmos os n umeros complexos. Dizemos que um n umero com-
plexo z est a na forma alg ebrica quando o representamos desta forma
158
z = x + iy, x, y R. Mas existem outras maneiras de representar-
mos um n umero complexo. Veremos agora como escrev e-lo na forma
trigonom etrica. Para isso, relembremos que existe uma bijec ao entre
C e o plano R
2
:
: R
2
C
(x, y) (x, y) = x + iy
.
Sabendo disto, podemos estudar algumas caractersticas de Cape-
nas analisando R
2
. Aqui ser ao necess arios conhecimentos trigonom etricos
simples, como os de um tri angulo ret angulo. Pedimos ao leitor que
volte ` a sec ao de Trigonometria no tri angulo ret angulo do captulo an-
terior e recorde as suas caractersticas. Elas s ao de suma import ancia
aqui.
Vejamos agora a representac ao geom etrica de um n umero com-
plexo w = a + ib:
Alguns fatos cam bem claros na gura acima. O comprimento
do vetor (dist ancia dele at e a origem do sistema de Argand-Gauss) e
conhecido do leitor e vale [ w [=
a
2
+ b
2
. O angulo que o vetor faz
com o eixo real ser a chamado de argumento do n umero complexo, e
representado por
w
= arg(w).
Da nossa famosa trigonometria podemos concluir que:
sen (
w
) =
Im(w)
[ w [
, cos (
w
) =
Re(w)
[ w [
. (5.3)
Logo podemos concluir que Re(w) =[ w [ sen
w
, Im(w) =[ w [
cos
w
. E ent ao escreveremos w =[ w [ (cos
w
+ i sen
w
). Esta
159
e a forma trigonom etrica do n umero complexo w. Alguns autores a
denominam de forma polar.
Exemplo 5.2.27. A forma polar de z = 1 + i e z =
2 (cos

4
+
i sen
4
). (Por qu e?)
Exemplo 5.2.28. A forma trigonom etrica de u =
5
2
+ i
5
3
2
e u =
5 (cos

3
+ sen
3
). Qual o argumento de u?
As operac oes com n umeros complexos na forma trigonom etrica
acabam se tornando mais simples e usuais. Veremos como deduzir
identidades trigonom etricas apenas trabalhando com n umeros com-
plexos.
Por se tratar de uma obra introdut oria, n ao explicaremos com rigor
matem atico a interpretac ao geom etrica da multiplicac ao de dois n umeros
complexos. Deixamos como exerccio para o leitor mais avancado a
vericac ao de que podemos associar, sem perda de generalidade, um
n umero
complexo z = x + iy com a matriz Z =
x y
y x
. (Dica: Veri-
que
as propriedades vistas at e aqui dos n umeros complexos para este tipo
de matriz.) Como um n umero complexo de comprimento unit ario pode
ser escrito na forma w = cos
w
+ i sen
w
, a sua matriz associada e
W =
cos
w
sen
w
sen
w
cos
w
. Matrizes desta forma ainda ser ao es-

160
tudadas
pelo leitor emoutros cursos, e limitamo-nos a dizer, semdemonstrac ao,
que se tratam de matrizes de rotac ao de vetores por um angulo dado
no sentido anti-hor ario.
Assim, ao multiplicarmos dois n umeros complexos, estamos na
verdade rotacionando um deles sob o argumento do outro no sentido
anti-hor ario. O comprimento do novo n umero complexo ser a dado
pelo produto dos comprimentos dos n umeros complexos envolvidos
na multiplicac ao. Vejamos a gura:
Certamente o leitor concluiu que o argumento do produto da multiplicac ao
de dois n umeros complexos e dado pela soma dos argumentos dos
n umeros envolvidos na multiplicac ao.
Exemplo 5.2.29. w = 5, u = 2i wu = 10i. Note que
w
= 0,
u
=

2
e que
wu
=

2
= 0 +

2
=
w
+
u
.
Exemplo 5.2.30. u = 2 + 2i, z = 1 + i uz = 4i. Note novamente
que
u
=

4
,
z
=

4
,
uz
=

2
=

4
+

4
=
u
+
z
.
Uma aplicac ao imediata e a deduc ao das f ormulas do seno e do
cosseno da adic ao de arcos. Vejamos a seguinte proposic ao:
Proposic ao 5.2.2. As seguintes relac oes s ao v alidas:
sen( + ) = sen() cos() + sen() cos()
cos( + ) = cos() cos() sen()sen().
Demonstrac ao. A prova e imediata. Sejam dois n umeros complexos
de comprimento unit ario e comargumentos , , a saber, z
= cos +
i sen , z
= cos + i sen . Pelo que j a vimos, o argumento de z
e a soma dos argumentos de z
e de z
. Logo, teremos:
161
cos (+) +i sen (+) = z
= cos() cos() sen()sen() +

i [sen() cos() + sen() cos()].
Pela igualdade de n umeros complexos, a proposic ao segue facil-
mente.
Agora, nada mais natural e perguntar o que acontece ao multi-
plicarmos mais de dois n umeros complexos. Mas, pela propriedade
da associatividade j a vista, podemos sempre operar (multiplicar) os
n umeros complexos dois-a-dois, j a que sabemos que isso n ao altera
o resultado. Logo, sempre podemos aplicar o aprendido aqui induti-
vamente. Ali as, isso e um resultado conhecido como teorema de De
Moivre.
Teorema 5.2.3 (F ormula de De Moivre). Se n e inteiro, ent ao
z
n
=[ z [
n
(cos
z
+ i sen
z
)
n
=[ z [
n
[cos (n
z
) + i sen (n
z
)].
Demonstrac ao. Exerccio. (Dica: Tente Induc ao Matem atica para o
caso de n natural e depois conclua para o caso n. N ao se preocupe
caso n ao saiba ainda o que e Induc ao Matem atica. Anal, estamos
apenas no incio do curso...)
Exerccio. Deduza as f ormulas para cos 3a e sen 3a.
Com o conhecimento da f ormula de De Moivre, podemos calcu-
lar razes de n umeros complexos. Calculamos a raiz de um n umero
complexo da maneira que passaremos a descrever a seguir. Dado
um n umero complexo w =[ w [ (cos + i sen ), desejamos saber a
soluc ao (ou soluc oes) da equac ao z
n
= w. Ora, mas sabemos que
z =[ z [ (cos
z
+ i sen
z
) z
n
=[ z [
n
(cos n
z
+ i sen n
z
). Pela
igualdade de n umeros complexos, ganhamos que z
n
=[ z [
n
(cos n
z
+
i sen n
z
) =[ w [ (cos + i sen ) = w [ z [
n
=[ w [ e cos n
z
=
cos , sen n
z
= sen .
Mas [ z [
n
=[ w [[ z [=
n
[ w [, e cos n
z
= cos , sen n
z
=
sen
z
=
+ 2k
n
. Portanto, as razes n- esimas de w =[ w [
(cos + i sen ) s ao iguais a z =
n
[ w [ (cos
+ 2k
n
+ i sen
+ 2k
n
).
162
Isso signica que as razes n- esimas de w encontram-se nos
v ertices do polgono de n lados inscrito na circunfer encia de centro
(0, 0) e de raio
n
[ w [. Vejamos a gura:
163
Exemplo 5.2.31. Resolva a equac ao z
4
= 4 + 4i.
Primeiramente, coloquemos o n umero w = 4+4i na forma trigonom etrica.
Um c alculo r apido nos mostra que
w
=

4
e ent ao w =
32(cos

4
+
sen
4
).
Como j a sabemos, z = z =
n
[ w [ (cos

w
+ 2k
n
+ i sen
w
+ 2k
n
).
Podemos ent ao concluir que z
0
=
8
32(cos

16
+i sen
16
), z
1
=
8
32(cos
9
16
+
i sen
9
16
), z
2
=
8
32(cos
17
16
+i sen
17
16
), z
3
=
8
32(cos
25
16
+i sen
25
16
).
Exemplo 5.2.32. Ache as soluc oes para a equac ao z
3
= 4.
Se apenas resolv essemos a equac ao acima no conjunto dos n umeros
reais, obteramos z =
3
4 como soluc ao. Vejamos a diferenca para o

caso complexo. Facilmente temos que w = 4
w
= 0. Assim, as
soluc oes ser ao dadas por z
0
=
3
4 (Por qu e?), z
1
=
3
4(cos
2
3
+
i sen
2
3
), z
2
=
3
4(cos
4
3
+ i sen
4
3
). (Qual o polgono descrito pelas
soluc oes da equac ao acima?)
O conjunto das razes n- esimas da unidade desempenham um pa-
pel importante na Matem atica. Ele, munido da operac ao de multiplicac ao
que conhecemos, possui estrutura de Grupo, estrutura essa que o
164
leitor ver a em seu curso de

Algebra. O leitor curioso pode encontrar
mais caractersticas importantes das razes n- esimas da unidade no
livro
Para concluirmos nosso captulo, citaremos como curiosidade, a
forma exponencial de Euller para a representac ao de um n umero com-
plexo. Esta forma e talvez a mais usada, e aconselhamos o leitor
a se acostumar com a sua presenca desde j a. Caso n ao conheca
a func ao exponencial, procure (citar algo para pesquisa) para mais
informac oes.
Denic ao 5.2.4 (Forma exponencial de um n umero comlexo). Dado o
n umero complexo w =[ w [ (cos
w
+i sen
w
), a sua forma exponencial
e dada por w = [w[e
wi
.
Com a denic ao acima concluimos que e
i
= cos + i sen . Esta e
a forma exponencial de Euller. Com essa representac ao, as razes n-
esimas da unidade s ao escritas no formato e
2ki
n
. Outro fato importante
e que e
i
= cos + i sen = cos ( + 2k) + i sen ( + 2k) = e
(+2k)i
.
(Consegue deduzir algo?)
Exemplo 5.2.33. Sabemos que cos

2
= 0, sen

2
= 1. Logo, e
2
i
= i
i
i
= (e
2
i
)
i
= e
2
.
5.3 SAIBA MAIS
a. O leitor interessado em conhecer mais sobre a vida de Cardano,
pode visitar os stios:
http://sandroatini.sites.uol.com.br/cardano.htm ou
http://www.ccet.ufrn.br/hp estatistica/biograas/cardano.html.
b. Para conhecer algumas aplicac oes dos n umeros complexos, acesse:
http://www.ucs.br/ccet/deme/emsoares/inipes/complexos/
165
5.4 EXERC
ICIOS
O corpo dos n umeros complexos
1. Dados os n umeros complexos abaixo, diga quems ao suas partes
real e imagin aria.
a) z = 0 + 0i;
b) z = 2
3i;
c) z = 3i;
d) z = 3 4i;
e) z =
2 +

3
i.
2. Calcule o m odulo dos n umeros complexos a seguir.
a) z = 0 + 0i;
b) z = 8 3i;
c) z = 6i;
d) z = 10 40i;
e) z = 2 +

3
i.
3. Dados os n umeros complexos a seguir, esboce a sua localizac ao
no plano de Argand-Gauss.
a) z = 0 + 0i;
b) z = 2 i;
c) z = 15i;
d) z = 3
5i;
e) z =
5
2
10
5
i.
4. Coloque os seguintes n umeros na forma trigonom etrica, e de-
pois localize-os no pano de Argand-Gauss.
a) z = 10i;
166
b) z =
3
2
+
i
2
;
c) z = 3;
d) z = 8
2 + 8
2i;
e) z = 3 4i.
5. Encontre os conjugados de:
a) z = 0 10i;
b) z = 2
3i;
c) z = 16;
d) z = (4 6i)
2
;
e) z =
2 +

3
i.
6. Dados os n umeros z = 18i, w = 3 8i, u = 23, calcule:
a) z + w;
b) z 3u;
c) w + 4u;
d) 12z 3w;
e) 15z + i(4w + 9u).
7. Dados os n umeros complexos z = i, u = 2+8i, v = 3
3i, w =
9, calcule:
a) z[5w i(8u + 3v)];
b) (5wz + 2uv)(13z 2uvw
2
);
c) [ w [ (z
3
+ 14wv
4
);
d) [z (wv +
1
u
)];
e)
z
wv
.
8. Encontre os inversos de:
a) z = 1;
167
b) z = 2
3i;
c) z = 3i;
d) z = 3 4i;
e) z =
2 +

3
i.
9. Calcule (
3 i)
10
.
10. Quanto vale 1 + i + i
2
+ ... + i
2007
?
11. Ache os n umeros complexos tais que z
4
= z.
12. Determine z C tal que [ z [
3
=[
1
z
[
2
.
13. O que representa o conjunto D = z C/ [ z 2i [= 4?
14. Deduza a f ormula
z
n
1
z 1
= 1 + z + z
2
+ ... + z
n1
, z ,= 1.
15. Mostre que se z C e raiz do polin omio P(x) = a
0
+ a
1
x +
a
2
x
2
+ ... + a
n
x
n
, ent ao z tamb em o e. (Dica: Tente usar a forma
trigonom etrica.)
16. Utilizando a f ormula de De Moivre e a quest ao 14, encontre as
f ormulas para
a) 1 + cos + cos 2 + . . . + cos n;
b) sen + sen 2 + . . . + sen n.
17. Use a quest ao 16 para mostrar que 72
e o menor angulo posi-

tivo que resolve os sistema:
1 + cos + cos 2 + cos 3 + cos 4 = 0

sen + sen2 + sen3 + sen4 = 0
.
18. Resolva em C as equac oes:
a) z
3
= 7;
b) z
2
= i;
c) z
4
+ z
3
+ z
2
+ z + 1 = 2;
168
d) (z 1)
n
= (z + 1)
n
, n > 1.
19. Idem para:
a) [z[
3
= 7;
b) [z + 2[
2
= i;
c) [z 4i[ = [z + 2[ +[z 3[;
d) [z + 3i[ = [2 + 3i[.
SBM, 2006;
2. CARMO, M.P. do; MORGADO, A.C.; WAGNER, E.. Trigonome-
tria, N umeros Complexos. Notas hist oricas de Jo ao Bosco Pit-
ombeira de Carvalho. Rio de janeiro: SBM, 1992.
169

Elementos de A UFPI

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Elementos de A UFPI

Uploaded by

Copyright:

Available Formats

UNIVERSIDADE FEDERAL DO PIAU

UNIVERSIDADE ABERTA DO PIAU

e uma matriz 2x4.

e uma matriz 5x10.

e uma matriz 2x2.

e uma matriz 3x3.

s ao matriz linha e coluna, re-

e uma matriz trian-

e triangular inferior, embora os elementos da diagonal principal

(1)c (1)c . . . (1)c

. N ao e possvel, n ao e mesmo? (Por qu e?)

180.000 240.000 257.000 125.000 334.000

180.000 3 + 240.000 2 + 257.000 1 + 125.000 3 + 334.000 1

, temos que tr(O + P) = tr

` a direita. Da, teremos:

, A e B s ao matrizes quadradas invertveis

E de grande utilidade em Matem atica sabermos escalonar uma

atrav es da permutac ao das duas linhas de M.

, calcule primeiro (2 + 3)M

19. Escalone as seguintes matrizes:

. Ent ao det B = 2(8)34 =

. O determinante de A e dado por:

E fato que o determinante de toda matriz nula e nulo. Mas o

= 0, pois a quarta linha

= 0. (Voc e sabe dizer por qu e?)

e igual a det A = 108.

. Da, det M = 7 det

, calcule det 5D.

. (Concorda?) Da, det M = 0 e ent ao

. Novamente, vejamos quem s ao as matrizes M e M :

usando o m etodo de Laplace.

C. Repita esse processo para as matrizes do

. Ap os isso, calcule AA e AA.

. Assim, podemos enunciar a

se, e somente se, det A = 0.

, teremos que (lembra da denic ao de produto

e a adjunta de M, resulta que m

, o seu polin omio

. O seu polin omio car-

, temos que p() =

, calcule 8 det A5 det B + 9 det C.

. Compare com o item anterior.

e invertvel. Calcule o seu determinante.

, onde M e invertvel e N n ao-invertvel. (Con-

14. Dada a matriz A =

, calcule det A , det A. Omesmo

Notou algo interessante?

19. (UFSC) Determine o valor de x para que o determinante da ma-

, qual e o conjunto soluc ao

28. Calcule os seguintes determinantes:

29. Resolva a seguinte equac ao em R:

(Nem tudo s ao ores!)

usando o m etodo da ma-

2.10 BIBLIOGRAFIA RECOMENDADA

E nosso objetivo n ao s o estudar as propriedades dos sistemas lin-

e a matriz aumentada do sistema.

s ao equivalentes. (Qual e o mais f acil de ser resolvido?)

e o coeciente angular da reta e

s ao a sua principal, inc ognita e independente, respec-

. Logo, o seu determi-

Oxido de Ferro 0,1

Oxido de Ferro 0,3 0,03 0,23 0,08 0,31 0,3 0,24

Oxido de Ferro 0,12