Matemática

MATEMÁTICA BÁSICA USANDO O R
MATEMÁTICA USANDO O R
MATRIZES E DETERMINANTES
Prof. Augusto Filho

augustofilho@cpdee.ufmg.br
http://geocities.yahoo.com.br/augustofilho
Belo Horizonte - MG
ii
Augusto Filho - augustofilho@cpdee.ufmg.br Matrizes e Determinantes

Sumário
Prefácio v
1 Matrizes 1
1.1 Convenções . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Tipos de matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2.1 Matriz linha . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2.2 Matriz coluna . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.3 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.4 Matriz quadrada . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.5 Matriz diagonal . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.6 Matriz unidade . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.7 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.8 Matriz nula . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.9 Matriz transposta . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.10 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3 Matriz oposta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3.1 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4 Igualdade de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4.1 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.5 Operações com Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.5.1 Adição . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.5.2 Exercı́cio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.5.3 Subtração . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.5.4 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.5.5 Multiplicação de um número real por uma matriz . . . . . . . 10
1.5.6 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.6 Multiplicação de matrizes . . . . . . . . . . . . . . . . . . . . . . . . 15
1.6.1 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.7 Cartão de referência do R . . . . . . . . . . . . . . . . . . . . . . . . 26
Matrizes e Determinantes Augusto Filho - augustofilho@cpdee.ufmg.br

iv SUMÁRIO
2 Determinantes 27
2.1 Determinantes de matriz 1 x 1 . . . . . . . . . . . . . . . . . . . . . . 27
2.2 Cofator . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.2.1 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.3 Determinante de matriz n x n . . . . . . . . . . . . . . . . . . . . . . 29
2.3.1 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.4 Regra de Sarrus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.4.1 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.5 Propriedades dos determinantes . . . . . . . . . . . . . . . . . . . . . 35
2.5.1 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.6 Determinante da mariz de Vandermonde . . . . . . . . . . . . . . . . 37
2.6.1 Exercı́cio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.7 Regra de Chió . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.7.1 Exercı́cio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.8 Matriz inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.8.1 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.9 Determinante da matriz inversa . . . . . . . . . . . . . . . . . . . . . 42
3 Aplicações da Álgebra Matricial 45

3.1 Análise de Insumo-Produto (Input-Output) . . . . . . . . . . . . . . 45
3.2 Exemplos de Aplicações . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.2.1 Exercı́cios de Input-Output . . . . . . . . . . . . . . . . . . . 51
3.2.2 Regressão Linear Simples . . . . . . . . . . . . . . . . . . . . . 52
3.3 Exercı́cios Práticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54

Prefácio
Esta é uma apostila com aplicações de matrizes e determinantes. Ela foi escrita
de modo a facilitar o aprendizado do aluno neste tópico especı́fico.
Espero que você possa achar nestas páginas o referencial necessário para a reso-
lução de diversos problemas de ordem prática e cientı́fica.
Este material é apenas um referencial, e não deixe de usar toda a bibliografia
recomendada pelo Prof. Augusto em suas aulas. Consulte o portal da Faculdade
para baixar listas de exercı́cios e provas anteriores com resoluções comentadas.
No endereço http://br.geocities.com/augustofilho/disciplinas.htm, também existe
grande gama de informações sobre a disciplina.
Para a resolução dos exercı́cios computacionais desta apostila, o programa utili-
zado foi o R, (http://www.r-project.org/). A escolha desta programa foi devido ao
fato do mesmo ser um programa free, e de código aberto na internet. Desta forma,
é possı́vel para o aluno ou profissional liberal, baixar o programa no seu trabalho,
em sua casa, etc.
Haverão aulas computacionais, com a utilização deste programa para a resolu-
ção de diversos exercı́cios desta apostila. No entanto, utilizaremos apenas de forma
tı́mida o aplicativo, deixando para outros semestres, uma utilização mais aprofun-
dada. Apostilas e tutoriais sobre a utilização do software R, podem ser encontrada
na internet, ou em (http://br.geocities.com/augustofilho/ProgramaR.htm).
Na esperança de poder ajudar nesta etapa de sua vida, me coloco a sua disposição
para qualquer esclarecimento.
Augusto Filho
augustofilho@cpdee.ufmg.br
http://geocities.yahoo.com.br/augustofilho

vi Prefácio

Capı́tulo 1
Matrizes
Uma matriz do tipo 𝑚𝑥𝑛 é uma tabela de números dispostos em 𝑚 linhas e 𝑛

colunas.
Por exemplo, um volante da Loteria Esportiva é uma matriz 10𝑥10. As dezenas
estão dispostas em 10 linhas e 10 colunas.
As linhas de uma matriz são numeradas de cima para baixo, e as colunas da esquerda
para a direita. Veja:
⎡ ⎤
2 3 4 5
⎢ ⎥
𝐴 = ⎣ −1 4 0 3 ⎦
6 −2 4 0
1.1 Convenções
Os sinais [ ] e ( ) são usados como “molduras” das matrizes; as letras maiúsculas
são usadas para dar nomes das matrizes; e as letras minúsculas correspondentes
representam seus elementos.
⎡ ⎤
2 1
⎢ ⎥
𝐴=⎣ 4 2 ⎦
6 3
Onde temos uma matriz 3𝑥2, (3 linhas e 2 colunas).
Da mesma forma, temos as seguintes matrizes abaixo:

[ ]
−5 3 7
𝐵=
1 0 −3
Uma matriz 2𝑥3, com 2 linhas e 3 colunas.

2 Matrizes
[ ]
𝐶= 5 3 8
Uma matriz 1𝑥3, com 1 linha e 3 colunas.
O simbolo 𝑎𝑖𝑗 representa o elemento da matriz A, que se encontra na linha i e

na coluna j.
Por exemplo, na matriz abaixo temos:
⎡ ⎤
5 6
⎢ ⎥
𝐴 = ⎣ 10 12 ⎦
15 18
O simbolo 𝑎32 representa o elemento que se encontra na linha 3 e na coluna 2,
que é o 18. Podemos escrever então:
𝑎11 = 5 e 𝑎12 = 6
𝑎21 = 10 e 𝑎22 = 12
𝑎31 = 15 e 𝑎32 = 18
Generalizando, uma matriz A do tipo 𝑚𝑥𝑛 pode ser representada por:

⎡ ⎤
𝑎11 𝑎12 𝑎13 ⋅⋅⋅ 𝑎1𝑛
⎢ ⎥
⎢ 𝑎21 𝑎22 𝑎23 ⋅ ⋅ ⋅ 𝑎2𝑛 ⎥
𝐴=⎢
⎢ ⋅⋅⋅ ⋅⋅⋅ ⋅⋅⋅ ⋅⋅⋅
⎥
⎣ ⋅⋅⋅ ⎥
⎦
𝑎𝑚1 𝑎𝑚2 𝑎𝑚3 ⋅ ⋅ ⋅ 𝑎𝑚𝑛
ou, de forma mais sintética, por:
A = (𝑎𝑖𝑗 )𝑚𝑥𝑛
1.2 Tipos de matriz

Estudaremos agora alguns tipos especiais de matrizes.
1.2.1 Matriz linha

Chama-se matriz linha a matriz que só tem uma linha.
Exemplo 1.1. [ ]
𝐴= 15 18
(1𝑥2)

1.2 Tipos de matriz 3
1.2.2 Matriz coluna

Chama-se matriz coluna a matriz que só tem uma coluna.
Exemplo 1.2.
⎡ 1
⎤
2
⎢ ⎥
𝐴=⎣ 4 ⎦
√
2 (3𝑥1)
1.2.3 Exercı́cios
Exercı́cio 1. Considere a matriz
⎡ ⎤
6 7 −1 6
⎢ 7 ⎥
𝐴 = ⎣ −4 0 8 ⎦
√3 1
−3 2 5 2
(a) Indique o tipo da matriz A;
(b) Identifique os elementos 𝑎11 , 𝑎22 , 𝑎31 e 𝑎13 .
Exercı́cio 2. Considere a matriz:

⎡ ⎤
3 9 27
⎢ ⎥
⎢ 2 4 8 ⎥
𝐴=⎢ ⎥
⎢ −1 1 −1 ⎥
⎣ ⎦
0 0 0
(a) Indique o tipo da matriz A,
(b) Identifique os elementos 𝑎31 , 𝑎13 , 𝑎33 , 𝑎22 e 𝑎41 .
1.2.4 Matriz quadrada

Uma matriz do tipo 𝑚𝑥𝑛 é quadrada quando 𝑚 = 𝑛, isto é, quando o número
de linhas é igual ao número de colunas.
Quando se diz que uma matriz 𝐴 é quadrada de ordem n, devemos entender que é
do tipo 𝑚𝑥𝑛.
Exemplo 1.3. [ ]
𝐴= −1
(1𝑥1)

4 Matrizes
matriz quadrada de ordem 1
Temos ainda,
[ ]
−2 4
𝐴=
5 −3 (2𝑥2)
Temos uma matriz quadrada de ordem 2.
Finalmente, temos um exemplo de matriz quadrada de ordem 3.
⎡ ⎤
−2 4 4
⎢ ⎥
𝐴=⎣ 5 −3 8 ⎦
√
10 33 2 (3𝑥3)
Desta forma, os elementos 𝑎11 , 𝑎22 ,. . . , 𝑎𝑛𝑛 de uma matriz 𝐴 quadrada de ordem
𝑛, pertence à diagonal principal:
⎡ ⎤
[ ] −2 4 12
[ ] −2 4 ⎢ ⎥
𝐴= −3 , 𝐴= , 𝐴=⎣ 5 −3 9 ⎦
5 −3
3 3 12
Nos elementos 𝑎𝑖𝑗 da diagonal principal o número da linha é igual ao número da

coluna, isto é, i=j.
A diagonal perpendicular à diagonal principal é a diagonal secundária
1.2.5 Matriz diagonal

Uma matriz quadrada 𝐴 = (𝑎𝑖𝑗 )𝑛𝑥𝑛 é uma matriz diagonal se todos os elementos
que não pertencem à diagonal principal são iguais a zero, isto é, 𝑎𝑖𝑗 = 0 se 𝑖 ∕= 𝑗.
⎡ ⎤
[ ] −1 0 0
5 0 ⎢ ⎥
𝐴= ou ainda 𝐴=⎣ 0 2 0 ⎦
0 8
0 0 6
1.2.6 Matriz unidade

É toda matriz diagonal em que os elementos da diagonal principal são todos
iguais a 1. A matriz unidade de ordem 𝑛 é indicada pelo simbolo 𝐼𝑛 .

1.2 Tipos de matriz 5
Exemplo 1.4. [ ]
1 0
𝐼2 =
0 1
ou ainda
⎡ ⎤
1 0 0
⎢ ⎥
𝐼3 = ⎣ 0 1 0 ⎦
0 0 1
Obs.: A matriz unidade também é chamada de matriz identidade.
1.2.7 Exercı́cios
Exercı́cio 3. Considere 𝐴 = (𝑎𝑖𝑗 )3𝑥3 , tal que 𝑎𝑖𝑗 = 𝑖 + 𝑗.
(a) Quais são os elementos da diagonal principal?
(b) Quais são os elementos da diagonal secundária?
Exercı́cio 4. Em cada caso, obtenha os elementos da diagonal principal e os da

diagonal secundária.
(a) 𝐴 = (𝑎𝑖𝑗 )2𝑥2 𝑎𝑖𝑗 = 5𝑖 − 3𝑗
(b) 𝐴 = (𝑎𝑖𝑗 )3𝑥3 𝑎𝑖𝑗 = 𝑖𝑗

𝑖+𝑗
(c) 𝐴 = (𝑎𝑖𝑗 )4𝑥4 𝑎𝑖𝑗 = 5
Exercı́cio 5. Calcule x e y, sabendo que a matriz abaixo é diagonal.
[ ]
3 𝑥+𝑦
𝐴=
𝑥−𝑦−2 8
Exercı́cio 6. Calcule x e y, sabendo que a matriz é diagonal.
[ ]
6 3𝑥 − 2𝑦 − 8
𝐴=
𝑥 + 2𝑦 9
Exercı́cio 7. Calcule x e y, sabendo que a matriz A, é a matriz unidade de ordem
2.
[ ]
𝑥+𝑦 0
𝐴=
0 3𝑥 − 𝑦 − 2

6 Matrizes
1.2.8 Matriz nula

Uma matriz 𝐴 do tipo 𝑚𝑥𝑛 é nula quando todos os seus elementos são iguais a
zero.
Exemplo 1.5. [ ]
𝐴= 0 0
ou
[ ]
0 0
𝐴=
0 0
1.2.9 Matriz transposta

Dada uma matriz 𝐴 do tipo 𝑚𝑥𝑛, a matriz transposta de 𝐴, que indicamos
por 𝐴𝑡 , é a matriz do tipo 𝑛𝑥𝑚, cujas colunas são as linhas de 𝐴 na ordem dada.
Exemplo 1.6. [ ]
2 3 4
𝐴=
−1 2 7
⎡ ⎤
2 −1
⎢ ⎥
onde sua transposta é dada por 𝐴 = ⎣ 3 2 ⎦
4 7
1.2.10 Exercı́cios
[ ]
0 𝑥+2 0
Exercı́cio 8. Calcule os valores de x e y, sabendo que a matriz 𝐴 =
0 0 𝑦−5
é nula.
Exercı́cio 9. Calcule x e y, sabendo que a matriz A é nula:
⎡ ⎤
[ ] 0 𝑥2 − 4 [ ]
2𝑥 + 8 0 ⎢ ⎥ 𝑥+𝑦−5 0
(a) 𝐴 = (b) 𝐴 = ⎣ 0 0 ⎦ (c)𝐴 =
0 8−𝑦 0 𝑥𝑦 − 4
𝑦2 − 9 0
Exercı́cio 10. Obtenha, em cada caso, a matriz 𝐴𝑡
⎡ ⎤ ⎡ √ ⎤
2 −5 6 7 2 [ ]
⎢ ⎥ ⎢ ⎥ 7 10
(a) 𝐴 = ⎣ 0 8 4 ⎦ (b) 𝐴 = ⎣ −1 0 ⎦ (c) 𝐴 =
1
−10 7
−1 7 9 3
4
⎡ ⎤ ⎡ ⎤
1 0 0 0 1 2
⎢ ⎥ ⎢ ⎥
(d) 𝐴 = ⎣ 2 −1 0 ⎦ (e) 𝐴 = ⎣ 0 0 5 ⎦
−3 2 1 0 0 0

1.3 Matriz oposta 7
1.3 Matriz oposta

A matriz oposta de 𝐴, que indicamos por −𝐴, é aquela em que o elemento que
está na linha 𝑖 e na coluna 𝑗 é o oposto do elemento que está na linha 𝑖 e na coluna
𝑗 de 𝐴.
[ ] [ ]
−3 7 3 −7
Exemplo 1.7. 𝐴 = seque que 𝐴=
0 −5 0 5
1.3.1 Exercı́cios
Exercı́cio 11. Obtenha, em cada caso, a matriz −𝐴
⎡ ⎤ ⎡ ⎤
[ ] 3 −1 −2
⎢ ⎥ ⎢ ⎥
(a) 𝐴 = 7 8 9 (b) 𝐴 = ⎣ 5 ⎦ (c) 𝐴 = ⎣ 1 4 ⎦
−1 −1 −8
⎡ ⎤ ⎡ ⎤
1 0 0 1 0 0
⎢ ⎥ ⎢ ⎥
(d) 𝐴 = ⎣ 0 −1 0 ⎦ (e) 𝐴 = ⎣ 0 −1 0 ⎦
0 0 1 0 0 1
Exercı́cio 12. Calcule x e y, sabendo que 𝐵 = −𝐴:

[ ] [ ]
2 −𝑥 𝑦 4
(a) 𝐴 = (b) 𝐴 =
4 −7 −4 7
1.4 Igualdade de Matrizes

Dizemos que duas matrizes 𝐴 e 𝐵 - ambas do tipo 𝑚𝑥𝑛 - são iguais (𝐴 = 𝐵) se
os elementos que ocupam posições iguais são iguais.
𝐴 = 𝐵 ↔ 𝑎𝑖𝑗 = 𝑏𝑖𝑗
1.4.1 Exercı́cios
Exercı́cio 13. Sabendo que 𝐴 = 𝐵, calcule 𝑥 e 𝑦, em cada um dos casos:
[ ] [ ]
3 𝑥 𝑦+1 5
(a) 𝐴 = e 𝐵=
−1 4 −1 4
[ ] [ ]
𝑥+3 4 2 10 4 2
(b) 𝐴 = e 𝐵=
0 0 7 0 2𝑦 − 6 7

8 Matrizes
[ ] [ ]
−𝑥 + 5 12
(c) 𝐴 = e 𝐵=
4 4−𝑦
[ ] [ ]
𝑥+𝑦 5 3 5
(d) 𝐴 = e 𝐵=
7 9 𝑥 + 5𝑦 9
1.5 Operações com Matrizes

1.5.1 Adição
Dadas duas matrizes A e B - ambas do tipo 𝑚𝑥𝑛 - a soma de 𝐴 com 𝐵 resulta
na matriz 𝐶, do tipo 𝑚𝑥𝑛. Nessa nova matriz, o elemento que se encontra na linha
𝑖 e na coluna 𝑗 é a soma dos elementos de 𝐴 e 𝐵 que se encontram na linha 𝑖 e na
coluna 𝑗.
[ ] [ ]
2 3 4 3 8 7
Exemplo 1.8. Se 𝐴 = e 𝐵=
5 6 7 9 3 2
[ ] [ ] [ ]
2 3 4 3 8 7 2+3 3+8 4+7
𝐶 =𝐴+𝐵 = + =
5 6 7 9 3 2 5+9 6+3 7+2
[ ]
5 11 11
𝐶=
14 9 9
1.5.2 Exercı́cio
Exercı́cio 14. Dadas as matrizes
Ã ) Ã )
5 2 3 7
(a) 𝐴 = 𝐵=
−7 10 4 −8
Ã ) [ ]
−9 1 0 0
𝐶= e 𝐷=
0 6 0 0
efetue:
(a) A+B (h) A+(-A)
(b) B+A (i) B+(-B)
(c) A+C (j) (-C)+C
(d) C+A (l) A+(B+C)
(e) B+C (m) (A+B)+C
(f) A+D (n) (𝐴 + 𝐵)𝑡
(g) B+D (o) 𝐴𝑡 + 𝐵 𝑡

1.5 Operações com Matrizes 9
1.5.3 Subtração
Dadas duas matrizes A e B do tipo m x n, subtrair B de A é o mesmo que somar
a matriz A oposta de B. Simbolicamente, temos:
𝐴 − 𝐵 = 𝐴 + (−𝐵)
Ã ) Ã )
7 3 5 −5 −2 1
Exemplo 1.9. Se 𝐴 = e 𝐵=
4 0 8 7 4 −3
Ã ) Ã )
7 3 5 5 2 −1
𝐴 − 𝐵 = 𝐴 + (−𝐵) = + =
4 0 8 −7 −4 3
Ã )
12 5 4
=
−3 −4 11
1.5.4 Exercı́cios
Exercı́cio 15. Dadas as matrizes
Ã ) Ã ) Ã )
5 6 7 −2 5 −1 3 0 3
𝐴= 𝐵= e 𝐶= ,
−3 0 −3 0 2 0 0 7 0
efetue as seguintes operações:
(a) 𝐴 − 𝐵
(b) 𝐵 − 𝐴
(c) 𝐴 − 𝐶
(d) 𝐶 − 𝐴
(e) 𝐵 − 𝐶
(f ) 𝐶 − 𝐵
(g) (𝐴 + 𝐵) − (𝐴 + 𝐶)
(h) (𝐴 − 𝐵) − (𝐴 + 𝐶)
Exercı́cio 16. Dadas as matrizes:

⎛ ⎞ ⎛ ⎞ ⎛ ⎞
1 1 1 1 0 0 9 8 7
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
𝐴=⎝ 2 4 8 ⎠, 𝐵=⎝ 2 1 0 ⎠ e 𝐶 = ⎝ 6 5 4 ⎠,
3 9 27 2 2 1 3 2 1
encontre a matriz X, tal que:

10 Matrizes
(a) 𝑋 + 𝐴 = 𝐵
(b) 𝑋 + 𝐶 = 𝐴
(c) 𝑋 + 𝐵 = 𝐴
(d) 𝑋 + 𝐶 = 𝐵
(e) 𝑋 + 𝐵 = 𝐶
1.5.5 Multiplicação de um número real por uma matriz

Seja p um número real e A uma matriz do tipo m x n. O produto do número
p pela matriz A é a matriz B, formada pelos elementos de A multiplicados por p.
⎛ ⎞
4 −1
⎜ ⎟
Exemplo 1.10. Seja 𝐴 = ⎝ 1 2 ⎠ e 𝑝=3
7 3
⎛ ⎞ ⎛ ⎞
4 −1 12 −3
⎜ ⎟ ⎜ ⎟
𝐵 = 𝑝.𝐴 = 3. ⎝ 1 2 ⎠=⎝ 3 6 ⎠
7 3 21 9
1.5.6 Exercı́cios
Exercı́cio 17. Efetue em cada um dos casos a multiplicação de p por A:
Ã )
5 2 0
(a) 𝑝 = −2 𝑒 𝐴=
−2 −1 6
⎛ ⎞
4 −6
1 ⎜ ⎟
(b) 𝑝 = 2
𝑒 𝐴=⎝ 8 −10 ⎠
12 −14
Ã √ )
√ 2 0
(c) 𝑝 = 2 𝑒 𝐴= √
1 − 2

Ã ) Ã ) Ã )
1 0 2 −3 1 2
𝐴= , 𝐵= e 𝐶= , calcule:
0 1 4 −1 3 4
(a) 2𝐴

(b) 3𝐵
(c) 2𝐴 + 3𝐵 − 𝐶
(d) 𝐴 − 2𝐵 + 5𝐶

Ã ) Ã ) Ã )
3 0 4 −6 5 −10
𝐴 = 𝐵 = 𝐶 = 𝐷 =
−6 9 −8 2 −15 20
Ã )
0 15
5 0
encontre a matriz X, tal que:
(a) 3𝑋 − 𝐴 = 0 (b) 2𝑋 + 𝐵 = 0
1
(c) 3
𝑋 +𝐷 =𝐵 (d) 5𝑋 − 𝐶 = 𝐷
⎛ ⎞ ⎛ ⎞
2 −9
⎜ ⎟ ⎜ ⎟
Exercı́cio 20. Dadas as matrizes 𝐴 = ⎝ 4 ⎠ e 𝐵 = ⎝ 3 ⎠ , resolva o sistema:
8 6
{
𝑋 +𝑌 = 𝐴
(a)
6𝑋 − 𝑌 = 𝐵
{
𝑋 +𝑌 = 𝐴
(b)
𝑋 −𝑌 = 2𝐵
{
𝑋 +𝑌 = 2𝐴
(c)
−𝑋 + 𝑌 = 4𝐵
Exercı́cio 21. USE O COMPUTADOR - Cálculos com Matrizes:
(a) Resolva matricialmente o sistema abaixo:

16𝑋1 + 4𝑋2 − 8𝑋3 + 4𝑋4 = 32
4𝑋1 + 10𝑋2 + 8𝑋3 − 4𝑋4 = 26
8𝑋1 + 8𝑋2 + 12𝑋3 − 10𝑋4 = 38
4𝑋1 + 4𝑋2 + 10𝑋3 − 12𝑋4 = 30
(b) Resolva a seguinte equação matricial:

𝐴 ⋅ 𝑥 = 𝐵, onde:
𝑥 = 𝑐(𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 , 𝑥5 , 𝑥6 , 𝑥7 , 𝑥8 , 𝑥9 , 𝑥10 )

12 Matrizes
Resolução:
(a) Resolva matricialmente o sistema abaixo:

16𝑋1 + 4𝑋2 − 8𝑋3 + 4𝑋4 = 32
4𝑋1 + 10𝑋2 + 8𝑋3 − 4𝑋4 = 26
8𝑋1 + 8𝑋2 + 12𝑋3 − 10𝑋4 = 38
4𝑋1 + 4𝑋2 + 10𝑋3 − 12𝑋4 = 30
Aplicando o procedimento padrão à tabela:

(𝐴∣𝐼∣𝑐)
para obter a tabela:

(𝐼∣𝐴−1 ∣𝑥)
Então, a solução pode ser lida diretamente na tabela:

(𝐼∣𝑥)
Ou pode ser obtida como:

𝑥 = 𝐴−1 𝑐
Usando a matriz inversa, 𝑥 = 𝐴−1 𝑐, temos:

⎡ ⎤ ⎡ ⎤⎡ ⎤
𝑥1 0.02717391 −0.11231884 0.1775362 −0.1014493 32
⎢ ⎥ ⎢ ⎥⎢ ⎥
⎢ 𝑥2 ⎥ ⎢ 0.03260870 0.23188406 −0.2536232 0.1449275 ⎥ ⎢ ⎥
⎢ ⎥=⎢ ⎥ ⎢ 26 ⎥ =
⎢ 𝑥 ⎥ ⎢ −0.07608696 −0.15217391 0.3695652 −0.2826087 ⎥ ⎢ 38 ⎥
⎣ 3 ⎦ ⎣ ⎦⎣ ⎦
𝑥4 −0.04347826 −0.08695652 0.2826087 −0.3043478 30
Desta forma o valor da matriz x será encontrado abaixo por
⎡ ⎤ ⎡ ⎤
𝑥1 1.652174
⎢ ⎥ ⎢ ⎥
⎢ 𝑥2 ⎥ ⎢ 1.782609 ⎥
⎢ ⎥ ⎢ ⎥
⎢ 𝑥 ⎥ = ⎢ −0.826087 ⎥
⎣ 3 ⎦ ⎣ ⎦
𝑥4 −2.043478
Os procedimentos computacionais utilizados para encontrar a solução desta

matriz no R são descritos abaixo:

Figura 1.1: Procedimentos utilizados no R
Ou utilize os seguintes comandos para introduzir uma matriz.
> 𝑎 < −𝑚𝑎𝑡𝑟𝑖𝑥(𝑠𝑐𝑎𝑛(), 2, 2), com 2 linhas e 2 colunas.
(b) Resolva a seguinte equação matricial:
𝐴 ⋅ 𝑥 = 𝐵, onde:
𝐴10𝑥10 ⋅ 𝑋10𝑥1 = 𝐵10𝑥1
Como as dimensões são compatı́veis, o produto é possı́vel.
Desta forma temos:

14 Matrizes
⎡ ⎤ ⎡ ⎤ ⎡ ⎤
2 1 7 4 −3 −1 4 4 7 0 𝑥1 86.0
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ 4 2 2 3 −2 0 1 ⎥
3 ⎢ 3 4 𝑥2 ⎥ ⎢ 45.0 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ 3 4 4 2 1 −2 2 1 9 −3 ⎥ ⎢ 𝑥3 ⎥ ⎢ 52.5 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ 9 3 5 1 0 5 6 −5 −3 4 ⎥ ⎢ 𝑥4 ⎥ ⎢ 108.0 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ 2 0 7 0 −5 7 1 0 1 6 ⎥ ⎢ 𝑥5 ⎥ ⎢ 66.5 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ ⋅
⎥ ⎢ =
⎥ ⎢ ⎥
⎢ 1 9 8 0 3 9 9 0 0 5 ⎥ ⎢ 𝑥6 ⎥ ⎢ 90.5 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ 4 1 9 0 4 3 7 −4 1 3 ⎥ ⎢ 𝑥7 ⎥ ⎢ 139.0 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ 6 3 1 1 6 8 3 3 0 2 ⎥ ⎢ 𝑥8 ⎥ ⎢ 61.0 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ 6 5 0 −7 7 −7 6 2 −6 1 ⎥ ⎢ 𝑥9 ⎥ ⎢ −43.5 ⎥
⎣ ⎦ ⎣ ⎦ ⎣ ⎦
1 6 3 4 8 3 −5 0 −6 0 𝑥10 31.0
Finalmente, através das matrizes acima é possı́vel construir o se-

guinte sistema de equações lineares:
⎧

 2𝑥1 + 1𝑥2 + 7𝑥3 + 4𝑥4 − 3𝑥5 − 1𝑥6 + 4𝑥7 + 4𝑥8 + 7𝑥9 + 0𝑥10 = 86





 4𝑥1 + 2𝑥2 + 2𝑥3 + 3𝑥4 − 2𝑥5 + 0𝑥6 + 3𝑥7 + 3𝑥8 + 4𝑥9 + 1𝑥10 = 45





 3𝑥1 + 4𝑥2 + 4𝑥3 + 2𝑥4 + 1𝑥5 − 2𝑥6 + 2𝑥7 + 1𝑥8 + 9𝑥9 − 3𝑥10 = 52





 9𝑥1 + 3𝑥2 + 5𝑥3 + 1𝑥4 + 0𝑥5 + 5𝑥6 + 6𝑥7 − 5𝑥8 − 3𝑥9 + 4𝑥10 = 108




⎨2𝑥 + 0𝑥 + 7𝑥 + 0𝑥 − 5𝑥 + 7𝑥 + 1𝑥 + 0𝑥 + 1𝑥 + 6𝑥 = 66, 5
1 2 3 4 5 6 7 8 9 10

1𝑥1 + 9𝑥2 + 8𝑥3 + 0𝑥4 + 3𝑥5 + 9𝑥6 + 9𝑥7 + 0𝑥8 + 0𝑥9 + 5𝑥10 = 90, 5






4𝑥1 + 1𝑥2 + 9𝑥3 + 0𝑥4 + 4𝑥5 + 3𝑥6 + 7𝑥7 − 4𝑥8 + 1𝑥9 + 3𝑥10 = 139, 0




6𝑥1 + 3𝑥2 + 1𝑥3 + 1𝑥4 + 6𝑥5 + 8𝑥6 + 3𝑥7 + 3𝑥8 + 0𝑥9 + 2𝑥10 = 61





6𝑥1 + 5𝑥2 + 0𝑥3 − 7𝑥4 + 7𝑥5 − 7𝑥6 + 6𝑥7 + 2𝑥8 − 6𝑥9 + 1𝑥10 = −43, 5




⎩1𝑥 + 6𝑥 + 3𝑥 + 4𝑥 + 8𝑥 + 3𝑥 − 5𝑥 + 0𝑥 − 6𝑥 + 0𝑥 = 31
1 2 3 4 5 6 7 8 9 10
Portanto, os valores de x no sistema acima são os seguintes: 𝑥1 =

3.0, 𝑥2 = −4.5, 𝑥3 = 7.0, 𝑥4 = 8.0, 𝑥5 = 3.5, 𝑥6 = 2.0, 𝑥7 = 4.0,
𝑥8 = −3.5, 𝑥9 = 2.0 e 𝑥10 = 1.5

1.6 Multiplicação de matrizes 15
Figura 1.2: Procedimentos no R
1.6 Multiplicação de matrizes

Duas matrizes podem ser multiplicadas se, e somente se o número de colunas de
uma das matrizes for igual ao número de linhas da outra matriz. Em particular, o
produto matricial AB é definido se, e somente se o número de colunas de A for igual
ao número de linhas de B. Neste caso, diz-se que as matrizes A e B estão dispostas
para multiplicação e o produto matricial tem o mesmo número de linhas que A e o
mesmo número de colunas que B. Assim, uma matriz m x n pode ser multiplicada
por uma matriz n x p para se obter uma matriz m x p.
DEFINIÇÃO: Quando um vetor-linha 1 x n multiplica um vetor-coluna n x 1,
o resultado é um escalar, o produto interno dos dois vetores. O valor do produto
interno é a soma dos produtos das componentes dos vetores. Assim se:

16 Matrizes
⎞ ⎛
( ) 𝑣 1
⎜ . ⎟
𝑢 = 𝑢1 , . . . 𝑢 𝑛 e 𝑣=⎝ . ⎟
⎜ .
⎠ então u1𝑥𝑛 v𝑛𝑥1 = 𝑤 (um escalar),
𝑣𝑛
𝑛
∑
onde 𝑤 = 𝑢1 𝑣1 + 𝑢2 𝑣2 + . . . 𝑢𝑛 𝑣𝑛 = 𝑢𝑖 𝑣 𝑖
𝑖=1
Quando duas matrizes são multiplicadas, o elemento da i-ésima linha e j-ésima
coluna do produto matricial é o produto interno do i-ésimo vetor-linha da primeira
matriz com o j-ésimo vetor coluna da segunda matriz. Assim, o produto de duas ma-
trizes pode ser escrito como uma matriz dos seus produtos internos: Se A = (𝑎𝑖𝑗 )𝑚𝑥𝑛
e B = (𝑏𝑖𝑗 )𝑛𝑥𝑝 , então AB = 𝐶 onde
⎛ 𝑛 𝑛
⎞
∑ ∑
⎜ 𝑎1𝑗 𝑏𝑗1 . . . 𝑎1𝑗 𝑏𝑗𝑚 ⎟
⎜ 𝑗=1 ⎟
⎜ 𝑗=1 ⎟
⎜ .. .. ⎟
C = (c𝑖𝑘 )𝑚𝑥𝑝 =⎜ ⎟, isto é,
⎜ 𝑛 . . ⎟
⎜ ∑ ∑𝑛 ⎟
⎝ 𝑎𝑚𝑗 𝑏𝑗1 . . . 𝑎𝑚𝑗 𝑏𝑗𝑛 ⎠
𝑗=1 𝑗=1
𝑛
∑
𝑐𝑖𝑗 = 𝑎𝑖𝑗 𝑏𝑗𝑘
𝑗=1
Exemplo 1.11. Multiplique se possı́vel as matrizes abaixo:
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
1 3 −1 1 0 −3 3
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
(a) ⎝ 2 0 0 ⎠ ⎝ −1 2 ⎠ = ⎝ 2 0 ⎠
0 −1 6 3𝑥3
1 3 3𝑥2 7 16 3𝑥2
onde
(1)(1) + (3)(−1) + (−1)(1) = −3 (1)(0) + (3)(2) + (−1)(3) = 3
(2)(1) + (0)(−1) + (+0)(1) = +2 (2)(0) + (0)(2) + (0)(3) = 0
(0)(1) + (−1)(−1) + (6)(1) = 7 (0)(0) + (−1)(2) + (6)(3) = 16
Exemplo 1.12. Um outro exemplo de multiplicação de matrizes é:

⎛ ⎞
3 0
⎜ ⎟
( ) ⎜ 4 0 ⎟ ( )
⎜ ⎟
−1 0 6 3 2 ⎜ −2 3 ⎟ = −12 38
⎜ ⎟
1𝑥5 ⎜ ⎟ 1𝑥2
⎝ 1 8 ⎠
0 −2 5𝑥2
onde
(−1)(3) + (0)(4) + (6)(−2) + (3)(1) + (2)(0) = −12
(−1)(0) + (0)(0) + (6)(+3) + (3)(8) + (2)(−2) = 38
Na multiplicação matricial, a sequência na qual a multiplicação é realizada é

muito importante. Se A é m x n e B é n x m, então é possı́vel obter-se dois produ-
tos matriciais AB e BA. No entanto, em geral, AB ∕= BA. No produto matricial
AB, dizemos que A pré-multiplica B ou, alternativamente, B pós-multiplica A.
Visto que, em geral, a pré-multiplicação e pós-multiplicação dão resultados diferen-
tes, mesmo quando ambos estão definidos, deve-se tomar cuidado para preservar a
sequência apropriada em toda multiplicação matricial. Observe que esta precaução
não é necessária na multiplicação de números.
⎛ ⎞
1 2
Ã ) ⎜ ⎟
4 6 −1 3 ⎜ −1 1 ⎟
Exemplo 1.13. (a) 𝐴 = e 𝐵=⎜
⎜ 1 6
⎟
⎟
0 −1 2 1 ⎝ ⎠
2 3
então ⎛ ⎞
1 2
Ã ) ⎜ ⎟ Ã )
4 6 −1 3 ⎜ −1 1 ⎟ 3 17
𝐴𝐵 = ⎜ ⎟ =
0 −1 2 1 ⎜ 1 6 ⎟ 5 14
2𝑥4 ⎝ ⎠ 2𝑥2
2 3
⎛ ⎞ 4𝑥2 ⎛ ⎞
1 2 4 4 3 5
⎜ ⎟ Ã ) ⎜ ⎟
⎜ −1 1 ⎟ 4 6 −1 3 ⎜ −4 −7 3 −2 ⎟
⎜
𝐵𝐴 = ⎜ ⎟ ⎜
=⎜ ⎟
1 6 ⎟ 0 −1 2 1 4 0 11 9 ⎟
⎝ ⎠ 2𝑥4 ⎝ ⎠
2 3 4𝑥2 8 9 4 9 4𝑥4
(b) Se
⎛ ⎞
5 −6 Ã )
⎜ ⎟ −1 8 −3
𝐴 = ⎝ −1 0 ⎠ e 𝐵=
0 10 −4
0 3

18 Matrizes
⎛ ⎞ ⎛ ⎞
5 −6 Ã ) −5 −20 9
⎜ ⎟ −1 8 −3 ⎜ ⎟
𝐴𝐵 = ⎝ −1 0 ⎠ =⎝ 1 −8 3 ⎠
0 10 −4
0 3 3𝑥2
2𝑥3 0 30 −12 3𝑥3
⎛ ⎞
Ã ) 5 −6 Ã )
−1 8 −3 ⎜ ⎟ −13 −3
𝐵𝐴 = ⎝ −1 0 ⎠ =
0 10 −4 −10 −12
2𝑥3 0 3 3𝑥2
2𝑥2
(c) Se
⎛ ⎞ ⎛ ⎞
−1 3 1 0 2 3
⎜ ⎟ ⎜ ⎟
𝐴=⎝ 2 0 −2 ⎠ e 𝐵 = ⎝ 8 −1 9 ⎠
0 4 5 −2 0 5
então
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
−1 3 1 0 2 3 22 −5 29
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
𝐴𝐵 = ⎝ 2 0 −2 ⎠ ⎝ 8 −1 9 ⎠ = ⎝ 4 4 −4 ⎠
0 4 5 3𝑥3
−2 0 5 3𝑥3 22 −4 61 3𝑥3
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
0 2 3 −1 3 1 4 12 11
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
𝐵𝐴 = ⎝ 8 −1 9 ⎠ ⎝ 2 0 −2 ⎠ = ⎝ −10 60 55 ⎠
−2 0 5 3𝑥3 0 4 5 3𝑥3
2 14 23 3𝑥3
OBSERVAÇÃO: Quando um vetor-linha pré-multiplica um vetor-coluna, o re-

sultado é o seu produto interno, um escalar cujo valor é a soma dos produtos dos
elementos dos dois vetores. Quando um vetor-coluna n x 1 pré-multiplica um vetor-
linha 1 x n, o resultado é uma matriz quadrada n x n, cujos elementos são os produtos
dos elementos dos vetores, assim se ⎛ ⎞
( ) 𝑣1
⎜ . ⎟
𝑢= 𝑢1 . . . 𝑢 𝑛 e ⎜ .. ⎟
⎝ ⎠
𝑣𝑛
𝑛
∑
então, como acima, 𝑢1𝑥𝑛 𝑣𝑛𝑥1 = 𝑤 (um escalar) onde 𝑤 = 𝑢𝑖 𝑣𝑖 , e 𝑣𝑛𝑥1 𝑢1𝑥𝑛 =
𝑖=1
𝑥𝑛𝑥𝑛 (uma matriz quadrada), onde 𝑥𝑖𝑗 = 𝑣𝑖 𝑢𝑗 .
⎛ ⎞
( ) −2
⎜ ⎟
Exemplo 1.14. (a) 1 3 6 ⎝ 4 ⎠ = −2 + 12 − 6 = 4
−1

⎛ ⎞ ⎛ ⎞
−2 ( ) −2 −6 12
⎜ ⎟ ⎜ ⎟
⎝ 4 ⎠ 1 3 6 = ⎝ 4 12 24 ⎠
−1 −1 −3 −6
⎛ ⎞
0
⎜ ⎟
( )⎜ −1 ⎟
⎜ ⎟
(b) 1 0 0 2 −3 ⎜ ⎟
⎜ −4 ⎟ = 0 + 0 + 0 − 6 + 6 = 0
⎜ ⎟
⎝ −3 ⎠
−2
⎛ ⎞ ⎛ ⎞
0 0 0 0 0 0
⎜ ⎟ ⎜ ⎟
⎜ −1 ⎟ ( ) ⎜ −1 0 0 −2 3 ⎟
⎜ ⎟ ⎜ ⎟
⎜ −4 ⎟ 1 0 0 2 −3 = ⎜ ⎟
⎜ ⎟ ⎜ −4 0 0 −8 12 ⎟
⎜ ⎟ ⎜ ⎟
⎝ −3 ⎠ ⎝ −3 0 0 −6 9 ⎠
−2 −2 0 0 −4 6
Embora a seqüencia em que duas matrizes são multiplicadas afete o resultado,
a ordem na qual três ou mais matrizes são multiplicadas não afeta o resultado,
contanto que a seqüencia seja preservada. Isto é
A𝑚𝑥𝑛 B𝑛𝑥𝑝 C𝑝𝑥𝑞 = A𝑚𝑥𝑛 (B𝑛𝑥𝑝 C𝑝𝑥𝑞 ) = (A𝑚𝑥𝑛 B𝑛𝑥𝑝 )C𝑝𝑥𝑞
É válida uma propriedade correspondente para a multiplicação de números. Em

resumo, a adição de matrizes é comutativa, isto é, A + B = B + A, e associativa,
isto é, A + B + C = A + (B + C) = (A + B) + C; a multiplicação de matrizes não
é comutativa, isto é, AB∕= BA, mas é associativa, isto é, ABC=A(BC)=(AB)C.
Para números, a adição e a multiplicação são associativas e comutativas.
1.6.1 Exercı́cios
Ã ) Ã )
2 3 5
Exercı́cio 22. Dadas as matrizes e
1 5 3
(a) efetue A.B;
(b) verifique se existe B.A;
(c) veja se 𝐴.𝐵 = 𝐵.𝐴
Ã ) Ã )
2 −2 3 −6
Exercı́cio 23. Dadas as matrizes e
−2 3 2 −4
(a) efetue A.B;

20 Matrizes
Figura 1.3: Resolução pelo software R
(b) efetue B.A;
(c) verifique se 𝐴.𝐵 = 𝐵.𝐴

⎛ ⎞
Ã ) 2 0 0
1 2 3 ⎜ ⎟
Exercı́cio 24. Dadas as matrizes e⎝ 0 3 0 ⎠
4 5 6
0 0 4
(a) efetue A.B;
(b) veja se existe B.A;
(c) verifique se 𝐴𝐵 = 𝐵𝐴

Ã ) Ã )
5 7 −4 7 8
Exercı́cio 25. Dadas as matrizes e 𝐵 = , efetue as
1 6 9 −9 10
operações:
(a) 𝐴.𝐼3 (b) 𝐼2 .𝐴;
(c) 𝐵.𝐼2 (d) 𝐼2 .𝐵;
(e) 𝐵.𝐴 (f) 𝐵(𝐴𝐼3 );
(g) (𝐵𝐼2 ).𝐴

22 Matrizes
Ã ) Ã )
2 −1 1 −1
Exercı́cio 26. Dadas as matrizes 𝐴 = , 𝐵 = e 𝐶 =
0 4 2 −2
Ã )
5 0
, efetue:
3 2
(a) 𝐴.(𝐵.𝐶)
(b) (𝐴.𝐵).𝐶
(c) 𝐴.(𝐵 + 𝐶)
(d) 𝐴.𝐵 + 𝐴.𝐶
(e) (𝐴 + 𝐵).𝐶
(f) 𝐴.𝐶 + 𝐵.𝐶
(g) (𝐴.𝐵)𝑡
(h) 𝐵 𝑡 .𝐴𝑡
Ã ) Ã )
3 4 3 −4
Exercı́cio 27. Dadas as matrizes 𝐴 = e :
2 3 −2 3
(a) efetue 𝐴.𝐵
(b) efetue 𝐵.𝐴
Exercı́cio 28. Escreva a matriz 𝐴 = (𝑎𝑖𝑗 )2𝑥3 tal que 𝑎𝑖𝑗 = 2𝑖 + 𝑗

Ã )
𝑥+1 0
Exercı́cio 29. Obtenha o valor de x e y sabendo que a matriz 𝐴 =
0 𝑦−2
é nula.
Exercı́cio 30. Calcule a soma dos ⎛

elementos da
⎞ diagonal principal com os elementos
1 2 3
⎜ ⎟
da diagonal secundária da matriz ⎝ 4 5 6 ⎠
7 8 9

Ã ) Ã )
1 𝑎+4 1 5
Exercı́cio 31. Calcule o valor de a e b, sabendo que =
2 𝑏2 2 4
Ã )
𝑥−𝑦 0
Exercı́cio 32. Sabendo que 𝐼2 = , calcule x e y.
𝑥+𝑦 1
Exercı́cio 33. Escreva a matriz oposta de 𝐴 = (𝑎𝑖𝑗 )2𝑥3 sabendo que 𝑎𝑖𝑗 = 𝑖 + 𝑗
Ã ) Ã )
2 1 −1 −1
Exercı́cio 34. Dadas as matrizes 𝐴 = , 𝐵 = e 𝐶 =
0 −4 2 −2
Ã )
−5 0
, efetue:
3 2
(a) 𝐴2 .(𝐵.𝐶)
(b) (𝐴.𝐵).𝐶 2
(c) 𝐴2 .(𝐵 + 𝐶)
(d) 𝐴.𝐵 + 𝐴.𝐶 2
(e) (𝐴 + 𝐵).𝐶 2
(f ) 𝐴.𝐶 + 𝐵.𝐶 2
(g) (𝐴.𝐵)𝑡
(h) 𝐵 𝑡 .𝐴𝑡

24 Matrizes
Ã ) Ã )
−3 4 3 −4
Exercı́cio 35. Dadas as matrizes 𝐴 = e𝐵= :
2 −3 −2 3
(a) efetue 𝐴.𝐵 2
(b) efetue 𝐵 2 .𝐴
Exercı́cio 36. Escreva a matriz a 𝐴 = (𝑎𝑖𝑗 )2𝑥3 tal que 𝑎𝑖𝑗 = 2𝑖2 + 𝑗
Ã )
𝑥−1 0
Exercı́cio 37. Obtenha o valor de x e y sabendo que a matriz 𝐴 =
0 𝑦+2
é nula.
Exercı́cio 38. Calcule a soma dos ⎛

elementos da diagonal
⎞ principal com os elementos
11 2 3
⎜ ⎟
da diagonal secundária da matriz ⎝ 4 55 6 ⎠
7 8 99

Ã ) Ã )
5 𝑎+4 5 5
Exercı́cio 39. Calcule o valor de a e b, sabendo que =
12 𝑏2 12 4
Ã )
𝑥−𝑦 0
Exercı́cio 40. Sabendo que 𝐼2 = , calcule x e y.
𝑥 + 𝑦 10
Finalmente, o R pode ser usado para resolver sistemas de equações. Veja um

exemplo de aplicação para o exercı́cio 40
Resolução: Ã )
𝑥−𝑦 0
Sabendo que 𝐼2 = . Temos:
𝑥+𝑦 1
Ã )
1 0
𝐼2 = , Logo, temos:
0 1
Ã ) Ã )
1 0 𝑥−𝑦 0
=
0 1 𝑥+𝑦 1
Temos o seguinte sistema:

⎧
⎨𝑥 − 𝑦 = 1
⎩𝑥 + 𝑦 = 0
Podemos resolvê-lo em R da seguinte forma:
> coefs <- matrix(c(1, -1, 1, 1), 2, 2, byrow = T)

> ys <- c(1, 0)
> solve(coefs, ys)
A resposta para o problema:

[1] 0.5 -0.5
Exercı́cio 41. Escreva a matriz oposta de 𝐴 = (𝑎𝑖𝑗 )2𝑥3 sabendo que 𝑎𝑖𝑗 = 𝑖 + 𝑗 2

26 Matrizes
1.7 Cartão de referência do R

Parênteses são para funções, colchetes para indicar posição de elementos em
vetores, matrizes ou data-frames.
Tabela 1.1: Básico

𝑞() Sair do programa R
<- Atribuir valor a um objeto
𝑚[, 2] Coluna 2 da matrix m
𝑚[, 2 : 5] or 𝑚[, 𝑐(2, 3, 4, 5)] Colunas 2-5
NA Dado perdido
require(package name) Carregar um pacote
Tabela 1.2: Ajuda

help(command) Ajuda rápida para um comando
help.start() Inicia ajuda no browser
help(package=package name) Ajuda em um pacote
Tabela 1.3: Aritmética

%% Multiplicação de matrizes
%/%, ∧, %%, sqrt() Inteiro de divisão, potenciação, raiz quadrada
Tabela 1.4: Estatı́sticas
max(), min(), mean(), median(), sum(), var() como sugerido pelo nome
summary(data.frame) estatı́sticas resumo
rank(), sort() posição e ordenação
ave(x1,y1) Médias de x1 para cada grupo do fator y1
t.test() t-test
cor(x1) Correlação
tapply(list1,function1) Aplica function1 a cada elemento de list1
table() Faz uma tabela
tabulate() Tabulação de um vetor

Capı́tulo 2
Determinantes
Se A é uma matriz quadrada de ordem n, então o determinante de A é um nú-

mero. Esse número está relacionado aos elementos da matriz e é único para cada
matriz quadrada. Como encontrar esse número é o que será explicado a seguir.
⎛ ⎞
𝑎11 𝑎12 𝑎13 . . . 𝑎1𝑛
⎜ ⎟
⎜ 𝑎21 𝑎22 𝑎23 . . . 𝑎2𝑛 ⎟
O determinante da matriz 𝐴 = ⎜
⎜ ... ... ... ... ...
⎟ é indicado pelo
⎟
⎝ ⎠
𝑎𝑛1 𝑎𝑛2 𝑎𝑛3 . . . 𝑎𝑛𝑛
simbolo det A
2.1 Determinantes de matriz 1 x 1

O determinante de uma matriz 𝐴 = [𝑎11 ] de ordem 1, é o seu elemento.
det 𝐴 = 𝑎11
Exemplo 2.1. Dadas as matrizes 𝐴 = [−7], 𝐵 = [10] e 𝐶 = [0], os determinantes

das referidas matrizes são dadas por: det 𝐴 = −7, det 𝐵 = 10 e det 𝐶 = 0
2.2 Cofator
Se A é uma matriz quadrada de ordem n. O cofator do elemento 𝑎𝑖𝑗 é o número
𝐴𝑖𝑗 definido por:
𝐴𝑖𝑗 = (−1)𝑖+𝑗 𝐷𝑖𝑗
Nesta fórmula D𝑖𝑗 é o determinante da matriz que obtemos suprimindo a linha

i e a coluna j da matriz A.

28 Determinantes
Ã )
3 −1
Exemplo 2.2. 1. Dada a matriz 𝐴 = calcule o cofator 𝐴11 do
−2 4
elemento 𝑎11 = 3
Resolução
Neste caso temos 𝑖 = 1 e 𝑗 = 1. Logo,
A11 = (−1)1+1 𝐷11
Nesta fórmula, 𝐷11 é o determinante que obtemos suprimindo a linha 1 e a

coluna 1 de A.
Veja:
Ã )
3 −1
𝐴= → 𝐷11 = ∣4∣ = 4
−2 4
Portanto, 𝐴11 = (−1)2 4 → 𝐴11 = 4
2. Calcule o cofator 𝐴21 do elemento 𝑎22 de A.
Resolução:
𝐴21 = (−1)2+1 𝐷21

Ã )
3 −1
𝐴= → 𝐷21 = ∣ − 1∣ = −1
−2 4
Portanto, 𝐴21 = (−1)3 (−1) → 𝐴21 = 1
2.2.1 Exercı́cios
Exercı́cio 42. Calcule o cofator de cada elemento de A:
Ã ) Ã )
−6 2 4 −7
(a) 𝐴 = (b) 𝐴 =
7 −5 2 9
Ã ) Ã )
1 1 5 0
(c) 𝐴 = (d) 𝐴 =
−1 −1 7 3
Ã )
3 4
Exercı́cio 43. Considere a matriz 𝐴 = , calcule:
5 6
(a) O cofator de cada elemento da primeira linha;

2.3 Determinante de matriz n x n 29
(b) 𝑎11 𝐴11 + 𝑎12 𝐴12 ;
(c) O cofator de cada elemento da primeira coluna;
(d) 𝑎11 𝐴11 + 𝑎21 𝐴22
(e) O cofator de cada elemento da segunda linha.
2.3 Determinante de matriz n x n

Considerando a matria A do tipo n x n, podemos definir o determinante da
matriz A das seguintes formas:
(a) Fixando a linha i
det 𝐴 = 𝑎𝑖1 𝐴𝑖1 + 𝑎𝑖2 𝐴𝑖2 + 𝑎𝑖3 𝐴𝑖3 + . . . +𝑎𝑖𝑛 𝐴𝑖𝑛
(b) Fixando a coluna j
det 𝐴 = 𝑎1𝑗 𝐴1𝑗 + 𝑎2𝑗 𝐴2𝑗 + 𝑎3𝑗 𝐴3𝑗 + . . . +𝑎𝑛𝑗 𝐴𝑛𝑗
Como podemos ver, segundo a definição, o cálculo do determinante de A pode

ser feito através de qualquer linha ou de qualquer coluna. Se fixarmos uma linha,
o determinante de A será a soma dos produtos de cada elemento da linha pelo seu
cofator. No entanto, se fixarmos uma coluna, o determinante de A será a soma dos
produtos de cada elemento da coluna pelo seu cofator.
Exemplo: [ ]
5 1
Calcule o determinante da matriz 𝐴 = :
3 2
(a) pela primeira linha.
Resolução
Cálculo dos cofatores:
𝐴11 = (−1)1+1 ∣2∣ → 𝐴11 = 2
𝐴12 = (−1)1+2 ∣3∣ → 𝐴12 = −3
det 𝐴 = 𝑎11 𝐴11 + 𝑎12 𝐴12

det 𝐴 = 5.2 + 1.(−3) → det 𝐴 = 7
(b) pela primeira coluna

30 Determinantes
Resolução
Cálculo dos cofatores:
𝐴11 = 2
𝐴21 = (−1)2+1 ∣1∣ = −1
det 𝐴 = 𝑎11 𝐴11 + 𝑎21 𝐴21

det 𝐴 = 5.2 + 3.(−1) → det 𝐴 = 7
2.3.1 Exercı́cios
Exercı́cio 44. Calcule pela definição os seguintes determinantes:
[ ]
4 8
(a)
5 10
[ √ ]
1
2
(b) √4
2 2
6 3
[ ]
2 0
(c)
4 3
[ ]
0 5
(d)
3 4
[ ]
𝑎11 𝑎12
Exercı́cio 45. Calcule o determinante da matriz 𝐴 =
𝑎21 𝑎22
Exercı́cio 46. Calcule os determinantes, usando o resultado do exercı́cio anterior:
[ ]
6 3
(a)
1 4
[ ]
7 −3
(b)
8 2
[ ]
1
2
7
(c) 1
2
4
[ √ ]
2 −1
(d) √
−2 2
⎛ ⎞
2 −1 4
⎜ ⎟
Exercı́cio 47. Considerando a matriz ⎝ 5 3 1 ⎠, calcule:
−2 −4 6

2.4 Regra de Sarrus 31
(a) o cofator de cada elemento da primeira coluna;
(b) o determinante de A pela primeira coluna.
Exercı́cio 48. Calcule pela definição, os seguintes determinantes:

⎡ ⎤
2 −1 5
⎢ ⎥
(a) ⎣ 0 2 −1 ⎦
3 6 −2
⎡ ⎤
4 3 2
⎢ ⎥
(b) ⎣ −1 −2 −3 ⎦
7 4 1
2.4 Regra de Sarrus

Antes de ver em que consiste a regra de Sarrus, vamos calcular pela primeira
linha, o determinante da seguinte matriz:
⎡ ⎤
𝑎11 𝑎12 𝑎13
⎢ ⎥
𝐴 = ⎣ 𝑎21 𝑎22 𝑎23 ⎦
𝑎31 𝑎32 𝑎33
Vamos calcular os cofatores:

¯ ¯
¯ 𝑎 ¯
¯ 22 𝑎23 ¯
𝐴11 = (−1)1+1 ¯ ¯ → 𝐴11 = 𝑎22 𝑎33 − 𝑎23 𝑎32
¯ 𝑎32 𝑎33 ¯
¯ ¯
¯ 𝑎 ¯
¯ 21 𝑎23 ¯
𝐴12 = (−1)1+2 ¯ ¯ → 𝐴12 = 𝑎23 𝑎31 − 𝑎21 𝑎33
¯ 𝑎31 𝑎33 ¯
¯ ¯
¯ 𝑎 ¯
¯ 21 𝑎22 ¯
𝐴13 = (−1)1+3 ¯ ¯ → 𝐴13 = 𝑎21 𝑎32 − 𝑎22 𝑎31
¯ 𝑎31 𝑎32 ¯
Pela definição, o determinante da matriz fica assim:
det 𝐴 = 𝑎11 𝐴11 + 𝑎12 𝐴12 + 𝑎13 𝐴13
det 𝐴 = 𝑎11 (𝑎22 𝑎33 − 𝑎23 𝑎32 ) + 𝑎12 (𝑎23 𝑎31 − 𝑎21 𝑎33 ) + 𝑎13 (𝑎21 𝑎32 − 𝑎22 𝑎31 )
det 𝐴 = 𝑎11 𝑎22 𝑎33 − 𝑎11 𝑎23 𝑎32 + 𝑎12 𝑎23 𝑎31 − 𝑎12 𝑎21 𝑎33 + 𝑎13 𝑎21 𝑎32 − 𝑎13 𝑎22 𝑎31

32 Determinantes
ou ainda
det 𝐴 = (𝑎11 𝑎22 𝑎33 + 𝑎12 𝑎23 𝑎31 + 𝑎13 𝑎21 𝑎32 ) − (𝑎11 𝑎23 𝑎32 + 𝑎12 𝑎21 𝑎33 + 𝑎13 𝑎22 𝑎31 )
Este mesmo resultado pode ser obtido facilmente por meio de um procedimento
prático conhecido por regra de Sarrus, que passamos a descrever:
1. Repita as duas primeiras colunas da matriz.

¯ ¯
¯ 𝑎11 𝑎12 𝑎13 ¯¯ 𝑎11 𝑎12
¯
¯ ¯
¯ 𝑎21 𝑎22 𝑎23 ¯ 𝑎21 𝑎22
¯ ¯
¯ 𝑎31 𝑎32 𝑎33 ¯ 𝑎31 𝑎32
2. Trace as diagonais 1, 2 e 3 (diagonais principais) e as diagonais 4, 5 e 6

(diagonais secundárias).
¯ ¯
¯ 𝑎11 𝑎12 𝑎13 ¯ 𝑎11 𝑎12
¯ ¯
¯ ¯
¯ 𝑎21 𝑎22 𝑎23 ¯ 𝑎21 𝑎22
¯ ¯
¯ 𝑎31 𝑎32 𝑎33 ¯ 𝑎31 𝑎32
3. Some os produtos dos elementos das diagonais principais e desse resultado

subtraia a soma dos produtos dos elementos das diagonais secundárias. O
resultado dessa operação é o determinante.
det 𝐴(𝑎11 𝑎22 𝑎33 + 𝑎12 𝑎23 𝑎31 + 𝑎13 𝑎21 𝑎32 ) − (𝑎13 𝑎22 𝑎31 + 𝑎11 𝑎23 𝑎32 + 𝑎12 𝑎21 𝑎33 )
Compare os resultados obtidos pela regra de Sarrus e pela definição e veja como
eles são iguais.
Exemplo: ⎡ ⎤
1 2 1
⎢ ⎥
Dada a matriz 𝐴 = ⎣ 3 2 3 ⎦, calcule o seu determinante pela regra de Sarrus.
4 1 3
Resolução:
¯ ¯
¯ 1 2 1 ¯ 1 2
¯ ¯
¯ ¯
¯ 3 2 3 ¯ 3 2
¯ ¯
¯ 4 1 3 ¯ 4 1
logo, temos: det 𝐴 = (6 + 24 + 3) − (8 + 3 + 18) → det 𝐴 = 4
Obs.: A regra de Sarrus só se aplica em determinantes de matrizes 3 x 3.

2.4 Regra de Sarrus 33
2.4.1 Exercı́cios
Exercı́cio 49. Calcule, pela regra de Sarrus, os determinantes:
¯ ¯
¯ 2 3 4 ¯
¯ ¯
¯ ¯
(a) ¯ −1 3 0 ¯
¯ ¯
¯ 0 1 4 ¯
¯ ¯
¯ 1 2 3 ¯
¯ ¯
¯ ¯
(b) ¯ 3 2 1 ¯
¯ ¯
¯ 4 4 4 ¯
¯ ¯
¯ −1 1 −1 ¯¯
¯
¯ ¯
(c) ¯ 2 −2 2 ¯
¯ ¯
¯ 0 2 3 ¯
¯ ¯
¯ 1 0 0 ¯¯
2
¯
¯ ¯
¯ 1 1 −1 2 ¯¯
Exercı́cio 50. Considerando a matriz 𝐴 = ¯¯
¯ −2 0 0 1 ¯¯
¯ ¯
¯ 1 1 2 −1 ¯
(a) o cofator de cada elemento da primeira linha.
(b) 𝑎11 𝐴11 + 𝑎12 𝐴12 + 𝑎13 𝐴13 + 𝑎14 𝐴14

34 Determinantes
(c) o cofator de cada elemento da primeira coluna.
(d) 𝑎11 𝐴11 + 𝑎21 𝐴21 + 𝑎31 𝐴31 + 𝑎41 𝐴41
(e) Calcule o determinante - Use o computador
Exercı́cio 51. Calcule os determinantes:

¯ ¯
¯ ¯
(a) ¯ 5 ¯
¯ ¯
¯ ¯
(b) ¯ −7 ¯
¯ ¯
¯ ¯
(c) ¯ 25 ¯
¯ ¯
¯ ¯
(d) ¯ −47 ¯
¯ ¯
¯ 3 7 ¯
¯ ¯
(e) ¯ ¯
¯ 4 6 ¯
¯ √ ¯
¯ ¯
(f) ¯ 2 ¯
¯ ¯
¯ −4 −5 ¯
¯ ¯
(g) ¯ ¯
¯ −10 8 ¯
¯ ¯
¯ 2 −1 0 ¯¯
¯
¯ ¯
(h) ¯ 0 3 5 ¯
¯ ¯
¯ 4 0 4 ¯
¯ ¯
¯ 1 0 2 3 ¯¯
¯
¯ ¯
¯ −1 1 0 3 ¯¯
(i) ¯¯
¯ 2 0 2 3 ¯¯
¯ ¯
¯ −2 1 0 3 ¯

2.5 Propriedades dos determinantes 35
2.5 Propriedades dos determinantes

Vamos ver agora algumas propriedades que facilitam o cálculo dos determinan-
tes.
Para estudar essas propriedades, consideremos uma matriz A quadrada de ordem n.
Propriedade 1
O determinante da matriz transposta de A é igual ao determinante de
A.
Simbolicamente podemos escrever esta propriedade da seguinte forma:
det 𝐴𝑡 = det 𝐴
Exemplos
[ ]
2 3
𝐴= → det 𝐴 = −2
4 5
[ ]
2 4
𝐴𝑡 = → det 𝐴𝑡 = −2
3 5
Propriedade 2
Se na matriz A existe uma linha (coluna), cujos elementos sejam todos
iguais a zero, então det 𝐴 = 0
Exemplos:
⎡ ⎤
2 4 −6
⎢ ⎥
𝐴 = ⎣ 6 −1 2 ⎦ det 𝐴 = 0.𝐴31 + 0.𝐴32 + 0.𝐴33 → det 𝐴 = 0
0 0 0
Propriedade 3
Trocando de lugar, enter si, duas linhas (colunas) de uma matriz A,
obtém-se
⎡ uma matriz
⎤ det 𝐵 = −𝑑𝑒𝑡 A.
7 5 0
⎢ ⎥
𝐴 = ⎣ 1 −1 3 ⎦ → det 𝐴 = −99
−2 1 4
Se trocarmos a primeira linha pela terceira e vice-versa, obtemos a matriz B:

36 Determinantes
⎡ ⎤
−2 1 4
⎢ ⎥
𝐵=⎣ 1 −1 3 ⎦ → det 𝐵 = 99
7 5 0
Propriedade 4
Multiplicando uma linha (coluna) de uma matriz A por um número
k, obtém-se uma matriz B, tal que det 𝐵 = 𝑘.det 𝐴
Exemplos:
[ ]
2 5
𝐴= → det 𝐴 = 31
−3 8
[ ]
4 10
𝐵= (multiplicando a primeira linha de A).2
−3 8
Portanto o determinante de B é det𝐵 = 62 = 2.det 𝐴
Propriedade 5
Se a matriz A tem duas linhas (colunas) iguais, então det 𝐴 = 0.
Exemplos:
⎡ ⎤
2 2 1
⎢ ⎥
𝐴=⎣ 4 4 3 ⎦ det 𝐴 = 0
6 6 7
2.5.1 Exercı́cios
Exercı́cio 52. Usando as propriedades, calcule os determinantes:
⎡ ⎤
⎡ ⎤ ⎡ ⎤ 1 2 3 4
−1 1 −1 −1 1 −1 ⎢ ⎥
⎢ ⎥ ⎢ ⎥ ⎢ 2 4 6 8 ⎥
(a) ⎣ 3 −2 2 ⎦ (b)⎣ 2 −2 3 ⎦ (c)⎢
⎢ 3
⎥
⎥
⎣ 3 7 8 ⎦
1 4 3 3 4 1
−1 −2 −3 −4
¯ ¯
¯ 𝑥 1 ¯
¯ ¯
Exercı́cio 53. Determine x ∈ ℜ, tal que ¯ ¯= 10
¯ 2 4 ¯
Exercı́cio 54. Determine x ∈ ℜ, tal que:

2.6 Determinante da mariz de Vandermonde 37
¯ ¯
¯ ¯ ¯ 3 1 1 ¯ ¯ ¯
¯ 5 2 ¯ ¯ ¯ ¯ 𝑥 4 ¯
¯ ¯ ¯ ¯ ¯ ¯
(a) ¯ ¯= 12 (b) ¯ 2 𝑥 1 ¯= 5 (c) ¯ ¯= 8
¯ 4 −𝑥 ¯ ¯ ¯ ¯ 7 𝑥 ¯
¯ 1 2 𝑥 ¯
Exercı́cio 55. Considere as matrizes A e B, quadradas e de ordem n. Sabendo que

𝑑𝑒𝑡𝐴 = 5 e 𝑑𝑒𝑡𝐵 = 6 e que 𝐶 = 𝐴𝐵, calcule o det 𝐶.
2.6 Determinante da mariz de Vandermonde

Consideremos uma sequência de números (𝑎1 , 𝑎2 , 𝑎3 , . . . , 𝑎𝑛 ), sendo 𝑛 ⩾ 2. Chama-
se matriz de Vandermonde a matriz quadrada de ordem n.
⎡ ⎤
1 1 1 ... 1
⎢ ⎥
⎢ 𝑎1 𝑎2 𝑎3 ... 𝑎𝑛 ⎥
⎢ ⎥
⎢ 𝑎21 𝑎22 𝑎23 ... 𝑎2𝑛 ⎥
⎢ ⎥
𝑉 =⎢ ⎥
⎢ 𝑎31 𝑎32 𝑎33 ... 3 ⎥
𝑎𝑛 ⎥
⎢
⎢ ... ... ... ... ... ⎥
⎣ ⎦
𝑎𝑛−1
1 𝑎2𝑛−1 𝑎3𝑛−1 ... 𝑛−1
𝑎𝑛
Os números 𝑎1 , 𝑎2 , 𝑎3 , . . . , 𝑎𝑛 , chamam-se elementos caracterı́sticos da matriz de

Vandermonde. Note que cada coluna é uma P.G, cujo primeiro termo é igual a 1 e
a razão o elemento caracterı́stico que se encontra nesta coluna.
O determinante da matriz de Vandermonde, representado por 𝑉 (𝑎1 , 𝑎2 , . . . , 𝑎𝑛 ),
é o produto de todas as diferenças possı́veis entre dois elementos caracterı́sticos, de
forma que em cada diferença o ı́ndice do minuendo seja maior que o do subtraendo,
ou seja:
𝑉 (𝑎1 , 𝑎2 , 𝑎3 , . . . , 𝑎𝑛 ) = (𝑎2 − 𝑎1 )(𝑎3 − 𝑎2 )(𝑎3 − 𝑎1 ) . . . (𝑎𝑛 − 𝑎𝑛−1 )
Exemplos:
Dada a sequência (2, 4, 3), a matriz de Vandermonde correspondente é a seguinte:
⎡ ⎤
1 1 1
⎢ ⎥
𝑉 =⎣ 2 4 3 ⎦
22 42 32
Consequentemente, o
det 𝑉 = (2, 4, 3) = (4 − 2).(3 − 2).(3 − 4) = −2

38 Determinantes
2.6.1 Exercı́cio
Exercı́cio 56. Dada a sequência de elementos caracterı́sticos, escrever a matriz de
Vandermonde correspondente e calcular o seu determinante:
(a) (4, 3, 2) (b) (3, 4, 2) (c) (1, 2, 3) (d) (1, 2, 3, 4) (e) (−2, −1, 0, 1, 2)
Exercı́cio 57. Em cada caso, encontre o determinante. Utilize o computador

¯ ¯ ¯ ¯ ¯ ¯
¯ 1 1 1 ¯ ¯ 1 2 4 ¯ ¯ 1 1 1 ¯¯
¯ ¯ ¯ ¯ ¯
¯ ¯ ¯ ¯ ¯ 5 ¯
(a) ¯ 4 3 5 ¯ (b) ¯ 1 4 16 ¯ (c) ¯ 12 32 ¯
¯ ¯ ¯ ¯ ¯ 2 ¯
¯ 16 9 25 ¯ ¯ 1 6 36 ¯ ¯ 1 9 25 ¯
4 4 4

2.7 Regra de Chió 39
2.7 Regra de Chió

Como vimos, o cálculo, pela definição, do determinante de uma matriz de ordem
maior que 3 pode dar bastante trabalho. Por exemplo: calcular o determinante de
uma matriz de ordem 4 implica no cálculo de quatro determinantes de ordem 3. A
regra de Chió permite abaixar a ordem de uma matriz de n para n-1 sem mudar
o determinante. Acompanhe a explicação da regra, observando o exemplo de cada
item:
1. Escolha na matriz A de ordem n um elemento 𝑎𝑟𝑠 = 1.
⎡ ⎤
4 3 2
⎢ ⎥
𝐴=⎣ 1 5 2 ⎦
2 −3 1
Onde temos: 𝑎21 = 1, 𝑟 = 2 e 𝑠 = 1.
2. Suprima a linha r e a coluna s do elemento 𝑎𝑟𝑠 = 1 escolhido.
3. Considere um elemento que sobrou e dele subtraia o produto dos elementos

suprimidos, que se encontram na linha e na coluna do elemento considerado.
⎡ ⎤
3-(4 x 5)
⎢ ⎥
𝐴=⎣ ⎦
4. Faça isso para cada elemento que sobrou e chame a matriz obtida de matriz
reduzida (R).
[ ] [ ]
3-(4 x 5) 2-(4 x 2) −17 −6
𝑅= =
-3-(2 x 5) 1-(2 x 2) −13 −3
5. O determinante da matriz A é o determinante da matriz reduzida, multipli-

cado por (−1)𝑟+𝑠 , isto é: det 𝐴 = (−1)𝑟+𝑠 𝑑𝑒𝑡 R
det 𝑅 = −27
det 𝐴 = (−1)2+1 (−27)
det 𝐴 = 27

40 Determinantes
2.7.1 Exercı́cio
Exercı́cio 58. Calcule o det 𝐴. Utilize o computador.
⎡ ⎤
2 3 1 1
⎢ ⎥
⎢ 5 2 3 0 ⎥
(a) ⎢
⎢ 3 8 2 1
⎥
⎥
⎣ ⎦
1 3 1 2
¯ ¯
¯ 1 3 5 ¯
¯ ¯
¯ ¯
(b) ¯ 2 9 12 ¯
¯ ¯
¯ 4 15 18 ¯
¯ ¯
¯ 1 2 4 ¯
¯ ¯
¯ ¯
(c) ¯ 1 3 9 ¯
¯ ¯
¯ 1 4 16 ¯
¯ ¯
¯ 2 2 4 ¯
¯ ¯
¯ ¯
(d) ¯ −2 −3 −9 ¯
¯ ¯
¯ 2 4 16 ¯
¯ ¯
¯ 1 2 4 ¯¯3
¯
¯ ¯
¯ 2 5 7 9 ¯¯
(e) ¯¯
¯ 3 10 12 15 ¯¯
¯ ¯
¯ 5 21 15 18 ¯
Exercı́cio 59. Calcule o det 𝐴 pela regra de Chió:
⎡ ⎤
9 29 5
⎢ ⎥
(a) ⎣ 4 13 2 ⎦
3 11 8
⎡ ⎤
13 2 4
⎢ ⎥
(b) ⎣ 30 10 9 ⎦
23 8 7
⎡ ⎤
1 7 3 6
⎢ ⎥
⎢ 3 15 11 2 ⎥
⎢
(c) ⎢ ⎥
2 10 4 11 ⎥
⎣ ⎦
3 10 5 20

2.8 Matriz inversa 41
2.8 Matriz inversa

Vamos considerar uma matriz A quadrada e de ordem n, tal que det 𝐴 ∕= 0.
Nestas condições existe uma única matriz, representada por 𝐴−1 , de tal forma que:
𝐴𝐴−1 = 𝐴−1 𝐴 = 𝐼𝑛
A matriz 𝐴−1 chama-se matriz inversa da matriz A.

Podemos obter a inversa da matriz A, aplicando a seguinte fórmula:
𝐴−1 = 1 ¯𝑡
(𝐴)
𝑑𝑒𝑡𝐴
Nesta fórmula, 𝐴 é a matriz dos cofatores da matriz A. Obtemos a matriz 𝐴,

substituindo cada elemento 𝑎𝑖𝑗 pelo seu cofator 𝐴𝑖𝑗 . Veja:
⎡ ⎤
𝐴11 𝐴12 𝐴13 . . . 𝐴1𝑛
⎢ ⎥
⎢ 𝐴21 𝐴22 𝐴23 . . . 𝐴2𝑛 ⎥
𝐴=⎢ ⎢ ...
⎥
⎣ ... ... ... ... ⎥ ⎦
𝐴𝑛1 𝐴𝑛2 𝐴𝑛3 . . . 𝐴𝑛𝑛
Exemplo: [ ]
2 −5
Obtenha a matriz inversa da matriz 𝐴 = :
1 −3
Resolução:
𝐴11 = (−1)1+1 ∣ − 3∣ = −3
𝐴12 = (−1)1+2 ∣1∣ = −1
𝐴21 = (−1)2+1 ∣ − 5∣ = 5
𝐴22 = (−1)2+2 ∣2∣ = 2
[ ] [ ]
−3 −1 −3 5
Logo 𝐴 = e (𝐴)𝑡 =
5 2 −1 2
Como det 𝐴 = −1, então:

[ ] [ ]
1 −3 5 3 −5
𝐴−1 = −1
→ 𝐴−1 =
−1 2 1 −2
2.8.1 Exercı́cios
Exercı́cio 60. Obtenha, em cada caso, a matriz inversa de A:
[ ]
3 2
(a) 𝐴 =
10 7

42 Determinantes
[ ]
4 6
(b) 𝐴 =
8 10
[ ]
3 −1
(c) 𝐴 =
−2 1
[ ]
3 2
(d) 𝐴 =
−4 −3
⎡ ⎤
1 1 1
⎢ ⎥
(e) 𝐴 = ⎣ 2 3 2 ⎦
4 7 5
⎡ ⎤
1 0 1
⎢ ⎥
(f) 𝐴 = ⎣ 1 1 4 ⎦
1 0 2
[ ]
1 2
Exercı́cio 61. Dada a matriz 𝐴 = , calcule a matriz B, de tal forma que
0 1
𝐴𝐵𝐴−1 = 𝐼2
[ ] [ ]
0 1 1 1
Exercı́cio 62. Dadas as matrizes: 𝐴 = e𝐵= , calcule:
1 1 0 −1
(a) 𝐴−1
(b) 𝐵 −1
(c) 𝐴−1 .𝐵 −1
2.9 Determinante da matriz inversa

Vamos considerar uma matriz A quadrada de ordem n, tal que det 𝐴 ∕= 0. Sa-
bemos que 𝐴.𝐴−1 = 𝐼𝑛
Aplicando a propriedade dos determinantes, temos:
𝑑𝑒𝑡(𝐴.𝐴−1 ) = 𝑑𝑒𝑡 𝐼𝑛
𝑑𝑒𝑡𝐴.𝑑𝑒𝑡𝐴−1 = 𝑑𝑒𝑡 𝐼𝑛
𝑑𝑒𝑡𝐴.𝑑𝑒𝑡𝐴−1 = 1

2.9 Determinante da matriz inversa 43
1
det 𝐴−1 = 𝑑𝑒𝑡𝐴
Como você pode ver pela fórmula, o determinante da matriz 𝐴−1 é igual ao in-
verso do determinante da matriz A.
Exercı́cio 63. Calcule, em cada caso, o det 𝐴−1

[ ]
3 4
(a) 𝐴 =
5 6
[ ]
−2 0
(b) 𝐴 =
3 −1
[ ]
1
1
(c) 𝐴 = 21 1
3 3
⎡ ⎤
1 1 1
⎢ ⎥
(d) 𝐴 = ⎣ 2 3 4 ⎦
4 9 16
[ ] [ ]
0 1 1 −1
Exercı́cio 64. Dadas as matrizes: 𝐴 = e𝐵= , calcule:
1 1 0 1
(a) det 𝐴−1
(b) det 𝐵 −1
(c) det (𝐴−1 𝐵 −1 )
Exercı́cio 65. Se A e B são matrizes quadradas de ordem 3, de tal forma que det
𝐴 = 2 e det 𝐵 = − 18 , calcule:
(a) det (𝐴.𝐵)
(b) det (𝐴−1 .𝐵 −1 )
(c) det (𝐵 −1 .𝐴−1 )
Exercı́cio 66. Calcule o determinante das matrizes abaixo e suas inversas, se exis-
tir:
⎛ ⎞
1 3 5 6
⎜ ⎟
⎜ 0 2 −2 −7 ⎟
(a) 𝐴 = ⎜
⎜ 3 4 5
⎟
⎟
⎝ 7 ⎠
2 0 1 −3

44 Determinantes
⎛ ⎞
−1 −3 −5 6
⎜ ⎟
⎜ 0 22 −2 −7 ⎟
(b) 𝐵 = ⎜
⎜ 3
⎟
⎝ 3 −5 7 ⎟⎠
5 0 −1 3
⎛ ⎞
1 0 0 0
⎜ ⎟
⎜ 0 2 −2 0 ⎟
(c) 𝐶 = ⎜
⎜ 0 0
⎟
⎝ 5 0 ⎟⎠
0 0 11 13

Capı́tulo 3
Aplicações da Álgebra Matricial
Há muitas aplicações da álgebra matricial em várias áreas, podendo ser desta-
cadas aplicações em máximos e mı́nimos de funções de n variáveis, as análises de
insumo-produto, a programação linear, a teoria dos jogos e os processos de Markov.
Este capı́tulo dará ênfase ao estudo das análises de insumo-produto.
3.1 Análise de Insumo-Produto (Input-Output)

A análise de insumo-produto determina o fluxo de produção, para se estudar os
efeitos de variação na demanda de bens finais sobre a produção de bens primários,
intermediários e acabados. A finalidade primária da análise de insumo-produto
consiste em calcular os nı́veis de produto final em várias indústrias que poderiam
ser requisitados por nı́veis particulares de demanda de bens finais. a análise de
insumo-produto pode ser também aplicada ao estudo de setores da economia, seja
usando-se um modelo fechado, onde o produto final de um setor é igual à soma
de seus insumos nos outros setores, seja usando-see um modelo aberto que inclui a
demanda final, bem como as demandas de outros setores.
Suponha que uma economia esteja dividida em 𝑛 indústrias e que cada indústria
produza apenas um tipo de produto final. As indústrias estão usualmente relaci-
onadas entre si, no sentido de que cada uma delas deve usar alguns produtos das
outras, para poder operar. Além disso, em geral uma economia deve produzir alguns
produtos acabados para a demanda final. A análise de insumo-produto determina
a produção de cada uma das indústrias quando a demanda final varia, supondo-se
que a estrutura da economia não varie.
É conveniente tabular os dados para a análise insumo-produto, do modo como é
mostrado na Tabela 3.1, onde 𝑏𝑖𝑗 é a quantia em dólares dos produtos da indústria
𝑖 usados pela indústria 𝑗, ℎ𝑖 é a demanda final dos produtos da indústria 𝑖 e 𝑥𝑖 =

46 Aplicações da Álgebra Matricial
𝑛
∑
𝑏𝑖𝑗 + ℎ𝑖 é o produto final total da indústria 𝑖.
𝑗=1
Tabela 3.1: Tabela de Insumo-produto

Usuário
Produtor 1 2 ... 𝑛 Demanda Final Produto final Total
1 𝑏11 𝑏12 ... 𝑏1𝑛 ℎ1 𝑥1
2 𝑏21 𝑏22 ... 𝑏2𝑛 ℎ2 𝑥2
.. .. .. .. .. ..
. . . . . .
𝑛 𝑏𝑛1 𝑏𝑛2 ... 𝑏𝑛𝑛 ℎ𝑛 𝑥𝑛
A estrutura da economia pode ser descrita pela matriz tecnológica
𝐴 = (𝑎𝑖𝑗 )
Onde 𝑎𝑖𝑗 = (𝑏𝑖𝑗 /𝑥𝑗 ) = valor em dólares do produto final da indústria 𝑖 que a
indústria 𝑗 deverá adquirir para produzir um dólar de seus próprios produtos. Ob-
serve que esta definição de 𝑎𝑖𝑗 supõe que as aquisições de produtos intermediários de
uma indústria são proporcionais aos nı́veis de produção da indústria. Esta suposição
de proporcionalidade constante entre os insumos e os produtos finais é padrão na
análise de insumo-produto.
A i-ésima indústria deve produzir produtos finais
𝑎𝑖1 𝑥1 + 𝑎𝑖2 𝑥2 + . . . + 𝑎𝑖𝑛 𝑥𝑛 para 𝑖 = 1, 2, . . . , 𝑛

A fim de suprir as necessidades de todas as indústrias. O vetor de demanda
interindustrial 𝑋 pode então ser escrito como 𝐴𝑋, onde
⎡ ⎤ ⎡ ⎤
𝑎11 𝑎12 . . . 𝑎1𝑛 𝑥1
⎢ ⎥ ⎢ ⎥
⎢ 𝑎21 𝑎22 . . . 𝑎2𝑛 ⎥ ⎢ 𝑥2 ⎥
𝐴=⎢⎢ .. .. .. ⎥
⎥ 𝑒 𝑋=⎢ ⎥
⎢ .. ⎥
⎣ . . . ⎦ ⎣ . ⎦
𝑎𝑛1 𝑎𝑛2 . . . 𝑎𝑛𝑛 𝑥𝑛
A produção da economia deve ser ajustada de modo a preencher tanto as ne-
cessidades interindustriais quanto a demanda final. Se o vetor de demanda final
é
⎡ ⎤
ℎ1
⎢ ⎥
⎢ ℎ2 ⎥
𝐻=⎢
⎢ .. ⎥
⎥ ℎ𝑖 ≥ 0 i=1,2, . . . ,n
⎣ . ⎦
ℎ𝑛

3.1 Análise de Insumo-Produto (Input-Output) 47
Esta exigência pode ser escrita na forma
𝑋 = 𝐴𝑋 + 𝐻
Portanto
[𝐼 − 𝐴]𝑋 = 𝐻
e
𝑋 = [𝐼 − 𝐴]−1 𝐻
A matriz 𝐼 − 𝐴 é denominada matriz de Leontief.

Existem vários problemas matemáticos e práticos na análise de insumo-produto.
Por exemplo, a matriz tecnológica deve ser tal que cada um dos 𝑥𝑖 é não-negativo;
caso contrário a solução não tem significado econômico. também existem problemas
relativos à classificação de indústrias e à estabilidade da matriz tecnológica.
Dado um conjunto de demandas finais positivas, considere o problema de se
determinar as condições sob as quais existe um único conjunto de nı́veis de produção
positivos, consistente com o conjunto de demandas finais. Em primeiro lugar, como
[𝐼 − 𝐴]−1 deve existir, ∣𝐼 − 𝐴∣ deve ser não-nulo. Além disso, cada elemento de
[𝐼 − 𝐴]−1 deve ser não-negativo, pois de outro modo um aumento na demanda final
resultaria num decréscimo da produção em algum ponto do processo de produção.
Pode ser mostrado que, para que nı́veis positivos de produto bruto estejam associados
a qualquer conjunto dado de demandas positivas, são exigidas as seguintes condições.
1. 1 > 𝑎𝑖𝑗 ≥ 0 para todo 𝑖 e 𝑗
2. ∣𝐼 − 𝐴∣ > 0
Como qualquer subconjunto com 𝑘 indústrias de um conjunto de 𝑛 indústrias

deve ser capaz de satisfazer as demandas interindustriais, com algum excedente
para satisfazer as demandas internas às 𝑘 indústrias, todos os menores principais do
determinante de Leontief das 𝑛 indústrias
¯ ¯
¯ 1 − 𝑎11 −𝑎12 . . . −𝑎1𝑛 ¯
¯ ¯
¯ ¯
¯ −𝑎21 1 − 𝑎22 . . . −𝑎2𝑛 ¯
∣𝐼 − 𝐴∣ = ¯¯ .. .. .. ¯
¯ devem ser positivos.
¯ . . . ¯
¯ ¯
¯ −𝑎𝑛1 −𝑎𝑛2 . . . 1 − 𝑎𝑛𝑛 ¯

Exemplo 3.1. Considere uma economia hipotética muito simples de duas indús-
trias, A e B, representadas na Tabela 3.2, onde os dados são em milhões de dólares
de produtos. Determine o vetor de produto final da economia, se a demanda final
muda até 200 para 𝐴 e até 100 para 𝐵.
Resolução:
[ ]
1 7
2 16
𝐴= 8 9
25 20
[ ]
1 7
2
− 16
𝐼 −𝐴= 8 11
− 25 20
[ ]
11 7
200
[𝐼 − 𝐴]−1 = 27
20
8
16
1
25 2
1 11 7 8 27
OBSERVAÇÃO: ∣𝐼 − 𝐴∣ = 2
⋅ 20
− 16
⋅ 25
= 200
Como deve ser o caso, [ ][ ] [ ]

11 7
200 150 1000
𝑋 = [𝐼 − 𝐴]−1 𝐻 = 27
20
8
16
1
=
25 2
120 800

Usuário
Produtor A B Demanda Final Produto final Total
A 500 350 150 1.000
B 320 360 120 800
( 200 )
E, se 𝐻 = 100
, então,
[ ][ ] [ ]
11 7
200 200 1138 89
𝑋 = [𝐼 − 𝐴]−1 𝐻 = 27
20
8
16
1
=
25 2
100 844 49
Isto é, a indústria 𝐴 deve ter um produto final de 1.138 98 e a indústria 𝐵 deve
ter um produto final de 844 49 , onde o produto final é dado em milhões de dólares de
produtos.

3.2 Exemplos de Aplicações 49
3.2 Exemplos de Aplicações

Exemplo 3.2. Considere uma economia hipotética muito simples de três indústrias
A, B e C, representadas na Tabela 3.3, onde os dados são e milhões de dólares de
produtos. Determine o vetor de produto final da economia, se a demanda final muda
até:
(a) 50 para A, 10 para B e 100 para C;
(b) 100 para A, 20 para B e 60 para C;
(c) 80 para A, 100 para B e 120 para C.

⎡ 1 1 1
⎤
6 4 4
⎢ 1 1 1 ⎥
𝐴=⎣ 4 4 3 ⎦
1 1 1
2 3 3
⎡ 5
⎤
6
− 14 − 14
⎢ ⎥
[𝐼 − 𝐴] = ⎣ − 41 3
4
− 13 ⎦
− 21 − 13 2
3
⎡ 7 1 13
⎤
18 4 48
864 ⎢ ⎥
[𝐼 − 𝐴]−1 = 109 ⎣ 1
3
31
72
49
144 ⎦
11 29 9
24 72 16
(1 )
OBS.: [𝐼 − 𝐴] = 56 ⋅ 43 ⋅ 23 − 14 ⋅ 13 ⋅ 14 − 12 ⋅ 13 ⋅ 14 − 4
⋅ 34 ⋅ 12 + 13 ⋅ 13 ⋅ 56 + 23 ⋅ 14 ⋅ 1
4
= 109
864
¯ ¯ ¯ ¯
¯ 3 −1 ¯ ¯ −1 −1 ¯
¯ ¯ ¯ ¯
𝑐11 = (−1)1+1 ¯ 4 1 2 3 ¯ = 7
18
𝑐12 = (−1)1+2 ¯ 14 2 3 ¯ = 1
3
¯ − ¯ ¯ − ¯
3 3 2 3
¯ ¯ ¯ ¯
¯ −1 3 ¯ ¯ −1 −1 ¯
¯ ¯ ¯ ¯
𝑐13 = (−1)1+3 ¯ 41 4 1 ¯= 11
24
𝑐21 = (−1)2+1 ¯ 14 2 4 ¯ = 1
4
¯ − − ¯ ¯ − ¯
2 3 4 3
¯ ¯ ¯ ¯
¯ 5 −1 ¯ ¯ 5 −1 ¯
¯ ¯ ¯ 4 ¯
𝑐22 = (−1)2+2 ¯ 6 1 2 4 ¯ = 31
72
𝑐23 = (−1)2+3 ¯ 6 1 ¯= 29
72
¯ − ¯ ¯ − −1 ¯
2 3 2 3
¯ ¯ ¯ ¯
¯ −1 −1 ¯ ¯ 5 −1 ¯
¯ 4 ¯ ¯ 4 ¯
𝑐31 = (−1)3+1 ¯ 3 4 ¯= 13
48
𝑐32 = (−1)3+2 ¯ 6 1 ¯= 49
144
¯ − 13 ¯ ¯ − −1 ¯
4 4 3
¯ ¯
¯ 5 −1 ¯
3+3 ¯ 6 ¯ 9
𝑐33 = (−1) ¯ 1 34 ¯ = 16
¯ − ¯
4 4


Usuário
Produtor A B C Demanda Final Produto final Total
A 90 150 225 75 540
B 135 150 300 15 600
C 270 200 300 130 900
Como deve ser o caso, ⎡ ⎤⎡ ⎤ ⎡ ⎤

7 1 13
18 4 48
75 540
864 ⎢ ⎥⎢ ⎥ ⎢ ⎥
𝑋 = [𝐼 − 𝐴]−1 𝐻 = 109 ⎣ 1
3
31
72
49
144 ⎦ ⎣ 15 ⎦ = ⎣ 600 ⎦
11 29 9
24 72 16
130 900
⎡ ⎤
50
⎢ ⎥
(a) Se 𝐻 = ⎣ 10 ⎦ ,
100
⎡ 7 1 13
⎤⎡ ⎤ ⎡ ⎤
18 4 48
50 388, 62
864 ⎢ ⎥⎢ ⎥ ⎢ ⎥
𝑋 = [𝐼 − 𝐴]−1 𝐻 = 109 ⎣ 1
3
31
72
49
144 ⎦ ⎣ 10 ⎦ = ⎣ 435, 96 ⎦
11 29 9
24 72 16
100 659, 45
⎡ ⎤
100
⎢ ⎥
(b) Se 𝐻 = ⎣ 20 ⎦ ,
60
⎡ 7 1 13
⎤⎡ ⎤ ⎡ ⎤
18 4 48
100 476, 70
864 ⎢ ⎥⎢ ⎥ ⎢ ⎥
𝑋 = [𝐼 − 𝐴]−1 𝐻 = 109 ⎣ 1
3
31
72
49
144 ⎦ ⎣ 20 ⎦ = ⎣ 494, 31 ⎦
11 29 9
24 72 16
60 694, 68
⎡ ⎤
80
⎢ ⎥
(c) Se 𝐻 = ⎣ 100 ⎦ ,
120
⎡ 7 1 13
⎤⎡ ⎤ ⎡ ⎤
18 4 48
80 702, 39
864 ⎢ ⎥⎢ ⎥ ⎢ ⎥
𝑋 = [𝐼 − 𝐴]−1 𝐻 = 109 ⎣ 1
3
31
72
49
144 ⎦ ⎣ 100 ⎦ = ⎣ 876, 33 ⎦
11 29 9
24 72 16
120 1.144, 95

3.2.1 Exercı́cios de Input-Output

Exercı́cio 67. Uma economia hipotética simples de três indústrias, A, B e C, está
representada na seguinte tabela (os dados são em milhões de dólares de produtos):
Usuário
A 80 100 100 40 320
B 80 200 60 60 400
C 80 100 100 20 300
Determine o vetor de produto final para a economia, se a demanda final muda

até:
(b) 60 para A, 60 para B e 60 para C.
Exercı́cio 68. uma economia hipotética simples de duas indústrias, A e B, está

representada na seguinte tabela (os dados são em dezenas de milhões de dólares de
produtos):
Usuário
A 14 6 8 28
B 7 18 11 36
Determine o vetor de produto final para a econbomia, se a demanda final varia

até:
(a) 16 para A e 3 para B;
(b) 2 para A e 4 para B.
Exercı́cio 69. Uma economia hipotética simples de duas indústrias, A e B, está

representada na seguinte tabela (os dados são em milhões de dólares de produtos):
Usuário
A 150 240 210 600
B 200 120 160 480
Determine o vetor de produto final para a economia, se a demanda final varia

até:

(a) 100 para A e 200 para B;
(b) 50 para A e 60 para B.
Exercı́cio 70. Uma economia hipotética simples de três indústrias, A, B e C, está

representada na seguinte tabela (os dados são em dezenas de milhões de dólares de
produtos):
Usuário
A 5 4 3 3 15
B 3 10 6 1 20
C 3 4 4 1 12
Determine o vetor de produto final para a economia, se a demanda final varia

até:
(b) 2 para A, 3 para B e 2 para C.
3.2.2 Regressão Linear Simples

Para conhecermos a finalidade e a utilização do modelo de regressão1 , iremos
compor uma série de conjuntos de variáveis. Utilizando simplesmente a intuição,
será conveniente ao aluno examinar o comportamento (grandeza, média e variância)
de cada variável do conjunto, bem como tentar formar idéia da existência da relação
entre as variáveis. Assim,
A = peso e altura;
B = preço da residência e idade das residências;
C = propaganda; preço; vendas de um produto;
D = volume e pressão de um gás;
E = número de veı́culos; n. de automóveis; consumo de gasolina
Mesmo não tendo conhecimento de algumas variáveis enunciadas, acreditamos

que, de maneira geral, gostarı́amos de encontrar alguma forma de medir a relação
entre as variáveis de cada conjunto, de tal modo que essa medida pudesse mostrar:
1
Extraı́do do Livro: Estatı́stica Aplicada

1. Se há relaç4ao entre as variáveis e, caso afirmativo, se é fraca ou forte;
2. Que, se essa relação existir, estabeleceremos um modelo que interprete a rela-

ção funcional existente entre as variáveis;
3. Que, construı́do o modelo, usá-lo-emos para fins de predição.
Para atingirmos tais objetivos, desenvolveremos nesta seção a Análise de Regres-

são, que se constitui num conjunto de métodos e técnicas para o estabelecimento
de fórmulas empı́ricas que interpretem a relação funcional entre variáveis com boa
aproximação.
Suponhamos que Y seja uma variável que nos interessa estudar e prever seu
comportamento. É de se esperar que os valores da variável Y (dependente) sofram
influência dos valores de um número finito de variáveis: 𝑋1 , 𝑋2 , . . . , 𝑋𝑛 (indepen-
dente) e que exista uma função “g” que expresse tal dependência ou seja:
𝑌 = 𝑔(𝑋1 , 𝑋2 , . . . , 𝑋𝑛 )
É fácil perceber que se torna impraticável a utilização das n variáveis, ou por

desconhecimento dos valores de algumas ou pela dificuldade de mensuração e trata-
mento de outras. Portanto, utilizaremos um número menor de variáveis (k), e nosso
modelo ficará:
𝑌 = 𝑓 (𝑋1 , 𝑋2 , . . . , 𝑋𝑘 ) + 𝑈
onde 𝑓 (𝑋1 , 𝑋2 , . . . , 𝑋𝑘 ) será a componente funcional do modelo e U a parte aleatória.
Comentários:
1. A distribuição entre variáveis dependentes e variáveis independentes ou va-

riáveis de controle nem sempre é muito clara, e algumas vezes depende de
nossos objetivos. Entretanto, na prática, os papéis das variáveis são em geral
facilmente caracterizados.
2. Apesar de a expressão variável de controle ser padronizada, não deve ser inter-
pretada literalmente. É muito difı́cil na prática a ocorrência de situações onde
a variável independente esteja rigorosamente sob controle, isto é, não esteja
sujeita a erros. na maioria dos casos, contudo, é suficiente que se admita a
hipótese de que é exata, considerando-se suficiente que se admita a hipótese
de que é exata, considerando-se dessa maneira erros (dispersão) somente na
variável aleatória Y.

3.3 Exercı́cios Práticos

Exercı́cio 71. As importações de determinada matéria-prima, no perı́odo de 1968
a 1974, encontram-se na tabela abaixo:
Ano 1968 1969 1970 1971 1972 1973 1974

Quantidade (ton). 50 47 35 30 24 10 16
Pede-se:
(a) Construir o diagrama de dispersão;
(b) Calcular a equação de regressão linear da quantidade sobre o tempo.
Resolução:
(a) Construir o diagrama de dispersão;

Este banco de dados está on-line. Desta forma, basta apenas escrever os
comandos abaixo:
Figura 3.1: Inclusão do banco de dados

3.3 Exercı́cios Práticos 55
Figura 3.2: A função >library(Rcmdr)
Após digitarmos (Rcmdr), o R acionará a função acima. Esta atualização do R

nos permitirá fazermos o gráfico de dispersão de uma forma bastante simples,
sem a necessidade de inclusão de comandos para construirmos o gráfico de
dispersão.
A figura a seguir, mostra os passos que devemos seguir para a construção do
gráfico de dispersão.

Figura 3.3: A função >library(Rcmdr)
Após habilitarmos o conjunto de dados (exemplo), devemos clicar em gráficos,

e em seguida escolhermos a opção gráfico de dispersão.
A próxima figura nos mostrará uma outra caixa de dialogo, onde devemos
escolher qual a variável será considerada a x e qual variável será considerada
a variável y. A figura a seguir ilustra a decisão.

O gráfico abaixo, é o gráfico de dispersão para as importações de determinada

materia prima em toneladas por ano.
50
40
Quantidade
30
20
10
1968 1969 1970 1971 1972 1973 1974
Ano
Figura 3.4: Letra (a) - Gráfico de dispersão
(b) Calcular a equação de regressão linear da quantidade sobre o tempo.
Para resolvermos este problema, utilizaremos um procedimento matemático

chamado método dos mı́nimos quadrados. Este método consiste na apli-
cação da seguinte fórmula:
𝛽ˆ = (𝑋 ′ 𝑋)−1 𝑋 ′ 𝑦
Este ajuste foi realizado por meio das seguintes etapas:
1. Etapa
Montar a matriz X e o vetor y.

⎡ ⎤ ⎡ ⎤
1 1968 50
⎢ ⎥ ⎢ ⎥
⎢ 1 1969 ⎥ ⎢ 47 ⎥
⎢ ⎥ ⎢ ⎥
⎢ 1 1970 ⎥ ⎢ 35 ⎥
⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥
𝑋=⎢ 1 1971 ⎥ 𝑦=⎢ 30 ⎥
⎢ ⎥ ⎢ ⎥
⎢ 1 1972 ⎥ ⎢ 24 ⎥
⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥
⎣ 1 1973 ⎦ ⎣ 10 ⎦
1 1974 16
2. Etapa
Calcular 𝑋 ′ 𝑋 e 𝑋 ′ 𝑦
⎡ ⎤
1 1968
⎢ ⎥
⎢ 1 1969 ⎥
⎢ ⎥
[ ] ⎢ 1 1970 ⎥
1 1 1 1 1 1 1 ⎢ ⎥
′ ⎢ ⎥
𝑋𝑋= ⋅⎢ 1 1971 ⎥ =
1968 1969 1970 1971 1972 1973 1974 ⎢⎢
⎥
⎢ 1 1972 ⎥
⎥
⎢ ⎥
⎣ 1 1973 ⎦
1 1974
[ ]
7 13797
𝑋 ′𝑋 =
13797 27193915
⎡ ⎤
50
⎢ ⎥
⎢ 47 ⎥
⎢ ⎥
[ ] ⎢ 35 ⎥
1 1 1 1 1 1 1 ⎢ ⎥
⎢ ⎥
𝑋 ′𝑦 = ⋅⎢ 30 ⎥ =
1968 1969 1970 1971 1972 1973 1974 ⎢ ⎥
⎢ 24 ⎥
⎢ ⎥
⎢ ⎥
⎣ 10 ⎦
16
[ ]
212
𝑋 ′𝑦 =
417665
3. Etapa
Calcular os estimadores de mı́nimos quadrados por meio da expressão:
𝛽ˆ = (𝑋 ′ 𝑋)−1 𝑋 ′ 𝑦
[ ] [ ]−1 [ ] [ ]
𝛽ˆ0 7 13797 212 13193, 750001
= ⋅ =
𝛽ˆ1 13797 27193915 417665 −6, 678571

Portanto, o modelo de regressão ajustado foi expresso por:
𝑦ˆ = 13193, 750001 − 6, 678571𝑥1
A ampla disponibilidade de programas de software e de planilhas eliminou a bar-

reira relativa a cálculos, que evitava que muitos usuários aplicassem a análise de
regressão em situações que necessitavam de previsões. Com esse desenvolvimento
positivo e maior disponibilidade de recursos, chegamos à conclusão de que, para
muitos usuários, o acesso a técnicas avançadas não foi acompanhadas de um enten-
dimento claro de como utilizar a análise de regressão de maneira apropriada. Como
se pode esperar que um usuário saiba quais sao as alternativas para a regressão dos
mı́nimos quadrados se determinado pressuposto for violado, quando ele, em muitos
casos, não está atento aos pressupostos de regressão, muito menos ciente de como
os pressupostos podem ser avaliados?
Em futuros estudos, o aluno aprenderá a obedecer os pressupostos exigidos para
encontrar um modelo robusto para previsões envolvendo séries econômicas e de mer-
cado. Nesta apostila, o objetivo principal é fornecer um primeiro contato para o
aluno em torno de assuntos que serão estudado de forma mais completa em cursos
futuros.
A seguir, é mostrado o procedimento utilizado no software R.
> x <- matrix(c(1, 1, 1, 1, 1, 1, 1, 1968, 1969, 1970, 1971, 1972,

+ 1973, 1974), ncol = 2, byrow = F)
> y <- matrix(c(50, 47, 35, 30, 24, 10, 16), ncol = 1, byrow = T)
> beta <- solve(t(x) %*% x) %*% t(x) %*% y

> beta
A resposta para o problema:
[,1]
[1,] 13193.750001
[2,] -6.678571

Matemática

Caricato da

Informazioni sul documento

Descrizione originale:

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Matemática

Caricato da

Copyright:

Formati disponibili

MATEMÁTICA BÁSICA USANDO O R

Prof. Augusto Filho

Augusto Filho - augustoﬁlho@cpdee.ufmg.br Matrizes e Determinantes

Matrizes e Determinantes Augusto Filho - augustoﬁlho@cpdee.ufmg.br

3 Aplicações da Álgebra Matricial 45

Augusto Filho - augustoﬁlho@cpdee.ufmg.br Matrizes e Determinantes

Matrizes e Determinantes Augusto Filho - augustoﬁlho@cpdee.ufmg.br

Augusto Filho - augustoﬁlho@cpdee.ufmg.br Matrizes e Determinantes

Uma matriz do tipo 𝑚𝑥𝑛 é uma tabela de números dispostos em 𝑚 linhas e 𝑛

Onde temos uma matriz 3𝑥2, (3 linhas e 2 colunas).

Da mesma forma, temos as seguintes matrizes abaixo:

Uma matriz 2𝑥3, com 2 linhas e 3 colunas.

Matrizes e Determinantes Augusto Filho - augustoﬁlho@cpdee.ufmg.br

O simbolo 𝑎𝑖𝑗 representa o elemento da matriz A, que se encontra na linha i e

Generalizando, uma matriz A do tipo 𝑚𝑥𝑛 pode ser representada por:

1.2 Tipos de matriz

1.2.1 Matriz linha

Augusto Filho - augustoﬁlho@cpdee.ufmg.br Matrizes e Determinantes

1.2.2 Matriz coluna

(a) Indique o tipo da matriz A;

(b) Identiﬁque os elementos 𝑎11 , 𝑎22 , 𝑎31 e 𝑎13 .

Exercı́cio 2. Considere a matriz:

(a) Indique o tipo da matriz A,

(b) Identiﬁque os elementos 𝑎31 , 𝑎13 , 𝑎33 , 𝑎22 e 𝑎41 .

1.2.4 Matriz quadrada

Matrizes e Determinantes Augusto Filho - augustoﬁlho@cpdee.ufmg.br

matriz quadrada de ordem 1

Temos uma matriz quadrada de ordem 2.

Finalmente, temos um exemplo de matriz quadrada de ordem 3.

Nos elementos 𝑎𝑖𝑗 da diagonal principal o número da linha é igual ao número da

1.2.5 Matriz diagonal

1.2.6 Matriz unidade

Augusto Filho - augustoﬁlho@cpdee.ufmg.br Matrizes e Determinantes

(a) Quais são os elementos da diagonal principal?

(b) Quais são os elementos da diagonal secundária?

Exercı́cio 4. Em cada caso, obtenha os elementos da diagonal principal e os da

(a) 𝐴 = (𝑎𝑖𝑗 )2𝑥2 𝑎𝑖𝑗 = 5𝑖 − 3𝑗

(b) 𝐴 = (𝑎𝑖𝑗 )3𝑥3 𝑎𝑖𝑗 = 𝑖𝑗

Exercı́cio 5. Calcule x e y, sabendo que a matriz abaixo é diagonal.

Matrizes e Determinantes Augusto Filho - augustoﬁlho@cpdee.ufmg.br

1.2.8 Matriz nula

1.2.9 Matriz transposta

Augusto Filho - augustoﬁlho@cpdee.ufmg.br Matrizes e Determinantes

1.3 Matriz oposta

Exercı́cio 12. Calcule x e y, sabendo que 𝐵 = −𝐴:

1.4 Igualdade de Matrizes

Matrizes e Determinantes Augusto Filho - augustoﬁlho@cpdee.ufmg.br

1.5 Operações com Matrizes

(b) B+A (i) B+(-B)

(c) A+C (j) (-C)+C

(d) C+A (l) A+(B+C)

(e) B+C (m) (A+B)+C

(f) A+D (n) (𝐴 + 𝐵)𝑡

(g) B+D (o) 𝐴𝑡 + 𝐵 𝑡

Augusto Filho - augustoﬁlho@cpdee.ufmg.br Matrizes e Determinantes

efetue as seguintes operações:

Exercı́cio 16. Dadas as matrizes:

encontre a matriz X, tal que:

Matrizes e Determinantes Augusto Filho - augustoﬁlho@cpdee.ufmg.br

1.5.5 Multiplicação de um número real por uma matriz

Exercı́cio 18. Dadas as matrizes:

Augusto Filho - augustoﬁlho@cpdee.ufmg.br Matrizes e Determinantes

Exercı́cio 19. Dadas as matrizes: