⚡ Aula 04: Matrizes, Operações Algébricas, Determinantes, Matriz Inversa e Regra de Cramer

MOC da Disciplina • MOC da Área 01 ← Aula Anterior: Seções Cônicas • Próxima Aula: Sistemas Lineares e Transformações →

---

Integração Curricular & Contexto

• Disciplina: Geometria Analítica e Álgebra Linear
• Área: 01 Matemática e Estatística
• Material Oficial Base: Matrizes e Determinantes
• Objetivo: Dominar a representação matricial formal e as operações algébricas fundamentais (soma, produto por escalar, produto matricial linha por coluna e transposição), calcular determinantes de ordens superiores utilizando a Regra de Sarrus, o Teorema de Laplace e a Regra de Chió, determinar a matriz inversa via matriz adjunta e eliminação de Gauss-Jordan, e aplicar a Regra de Cramer na modelagem exata de correntes de malha e tensões nodais em circuitos elétricos lineares.

---

📌 Sumário da Aula

1. 1. Conceito e Classificação das Matrizes
   • 1.1 Notação Algébrica e Dimensões
   • 1.2 Matrizes Especiais
2. 2. Álgebra Matricial e Propriedades
   • 2.1 Adição e Multiplicação por Escalar
   • 2.2 Multiplicação Matricial (Linha por Coluna)
   • 2.3 Matriz Transposta e Propriedades
3. 3. Teoria dos Determinantes
   • 3.1 Definição e Significado Físico
   • 3.2 Regra de Sarrus (Exclusiva para Ordem 3)
   • 3.3 Teorema de Laplace (Expansão por Cofatores)
   • 3.4 Teorema de Binet e Propriedades Críticas
4. 4. Inversão de Matrizes
   • 4.1 Condição de Invertibilidade
   • 4.2 Cálculo da Inversa via Matriz Adjunta
   • 4.3 Algoritmo de Gauss-Jordan para Inversão
5. 5. A Regra de Cramer e Aplicação em Circuitos Elétricos
   • 5.1 Formulação Matricial e Regra de Cramer
   • 5.2 Exemplo em Engenharia Elétrica: Análise de Malhas
6. 6. 💻 Laboratório Computacional em Python (NumPy e SymPy)
7. 7. 📚 Questões de Fixação Resolvidas das Apostilas (Auditadas)
   • Questão 1 — Dimensão e Ordem de uma Matriz
   • Questão 2 — Matriz Identidade de Ordem 3
   • Questão 3 — Propriedades de Matrizes Quadradas e Traço
   • Questão 4 — Determinante e Teorema de Binet
   • Questão 5 — Inversa de Matriz 2x2
8. 8. Considerações Finais e Próximos Passos

---

1. Conceito e Classificação das Matrizes

1.1 Notação Algébrica e Dimensões

Uma matriz $A$ de ordem $m\times n$ (lê-se ”$m$ por $n$”) sobre o corpo dos números reais $\mathbb{R}$ é uma tabela retangular composta por $m$ linhas horizontais e $n$ colunas verticais: $A=[a_{ij}{]}_{\begin{array}{c}1\le i\le m\\ 1\le j\le n\end{array}}=\left[\begin{array}{cccc}{a}_{11}& a_{12}& \dots & a_{1n}\\ a_{21}& a_{22}& \dots & a_{2n}\\ ⋮& ⋮& \ddots & ⋮\\ a_{m1}& a_{m2}& \dots & a_{mn}\end{array}\right]$ Onde $a_{ij}$ representa o elemento situado na $i$-ésima linha e na $j$-ésima coluna.

1.2 Matrizes Especiais

1. Matriz Quadrada ($m=n$): O número de linhas é idêntico ao número de colunas.
   • Diagonal Principal: Conjunto dos elementos $a_{ii}$ onde os índices de linha e coluna são iguais ($a_{11},a_{22},\dots ,a_{nn}$).
   • Traço ($\mathrm{tr}(A)$): Soma dos elementos da diagonal principal: $\mathrm{tr}(A)={\sum }_{i=1}^n{a}_{ii}$
2. Matriz Identidade ($I_n$): Matriz quadrada cujos elementos da diagonal principal são iguais a $1$ e todos os demais são nulos: $I_{ij}={\delta }_{ij}=\{\begin{array}{ll}1,& \text{se }i=j\\ 0,& \text{se }i\ne j\end{array}$
3. Matriz Nula ($O_{m\times n}$): Todos os seus coeficientes são nulos ($a_{ij}=0$).
4. Matriz Triangular Superior: Todos os elementos abaixo da diagonal principal são nulos ($a_{ij}=0$ para todo $i>j$).
5. Matriz Triangular Inferior: Todos os elementos acima da diagonal principal são nulos ($a_{ij}=0$ para todo $i<j$).
6. Matriz Simétrica: Matriz quadrada idêntica à sua transposta ($A=A^T⟺a_{ij}=a_{ji}$).
7. Matriz Antissimétrica: Matriz quadrada que satisfaz $A=-A^T⟺a_{ij}=-a_{ji}$ (implicando necessariamente que os elementos da diagonal principal são nulos, $a_{ii}=0$).

---

2. Álgebra Matricial e Propriedades

2.1 Adição e Multiplicação por Escalar

• Adição: Para matrizes de mesma dimensão $A,B\in {\mathbb{R}}^{m\times n}$, a soma $C=A+B$ é calculada termo a termo: $c_{ij}=a_{ij}+b_{ij}$
• Multiplicação por Escalar: Para qualquer $\alpha \in \mathbb{R}$, $(\alpha A{)}_{ij}=\alpha \cdot a_{ij}$.

2.2 Multiplicação Matricial (Linha por Coluna)

O produto de duas matrizes $A$ e $B$ é estritamente condicionado à conformabilidade dimensional: o número de colunas da primeira matriz ($A_{m\times p}$) deve ser rigorosamente igual ao número de linhas da segunda matriz ($B_{p\times n}$).

O resultado é uma matriz $C=A\cdot B$ de ordem $m\times n$, cujos elementos são dados pelo produto escalar entre a $i$-ésima linha de $A$ e a $j$-ésima coluna de $B$: $c_{ij}={\sum }_{k=1}^p{a}_{ik}{b}_{kj}=a_{i1}{b}_{1j}+a_{i2}{b}_{2j}+\cdots +a_{ip}{b}_{pj}$

Figura 1: Álgebra Matricial, Teoremas de Determinantes, Inversão por Matriz Adjunta e Regra de Cramer.

Em termos vetoriais, cada elemento $c_{ij}$ é o produto interno entre o vetor linha ${\mathbf{a}}_{i\ast }$ de $A$ e o vetor coluna ${\mathbf{b}}_{\ast j}$ de $B$: $c_{ij}=\left[\begin{array}{cccc}{a}_{i1}& a_{i2}& \cdots & a_{ip}\end{array}\right]\left[\begin{array}{c}{b}_{1j}\\ b_{2j}\\ ⋮\\ b_{pj}\end{array}\right]={\sum }_{k=1}^p{a}_{ik}{b}_{kj}$

Propriedade Não Comutativa

Em geral, a multiplicação matricial NÃO é comutativa: $A\cdot B\ne B\cdot A$ Mesmo quando ambas são quadradas de mesma ordem, $AB$ frequentemente difere de $BA$.

2.3 Matriz Transposta e Propriedades

A transposta de $A\in {\mathbb{R}}^{m\times n}$ é a matriz $A^T\in {\mathbb{R}}^{n\times m}$ obtida permutando-se as linhas pelas colunas ($(A^T{)}_{ij}=a_{ji}$).

• $(A^T{)}^T=A$
• $(A+B{)}^T=A^T+B^T$
• $(\alpha A{)}^T=\alpha A^T$
• Transposição do Produto: Inverte a ordem das parcelas: $(A\cdot B{)}^T=B^T\cdot A^T$

---

3. Teoria dos Determinantes

3.1 Definição e Significado Físico

O determinante é uma função que associa a cada matriz quadrada $A\in {\mathbb{R}}^{n\times n}$ um número real único, denotado por $\det (A)$ ou $|A|$. Geometricamente:

• Em ${\mathbb{R}}^2$, $|\det (A)|$ representa a área do paralelogramo gerado pelos vetores-linha ou vetores-coluna de $A$;
• Em ${\mathbb{R}}^3$, $|\det (A)|$ representa o volume do paralelepípedo formado pelas três linhas ou colunas.

3.2 Regra de Sarrus (Exclusiva para Ordem 3)

Para uma matriz $3\times 3$, repete-se à direita as duas primeiras colunas e soma-se o produto das diagonais principais, subtraindo o produto das diagonais secundárias: $\det (A)=(a_{11}{a}_{22}{a}_{33}+a_{12}{a}_{23}{a}_{31}+a_{13}{a}_{21}{a}_{32})-(a_{13}{a}_{22}{a}_{31}+a_{11}{a}_{23}{a}_{32}+a_{12}{a}_{21}{a}_{33})$

3.3 Teorema de Laplace (Expansão por Cofatores)

Aplicável a matrizes quadradas de qualquer ordem $n\ge 2$. O determinante pode ser calculado escolhendo-se qualquer linha $i$ (ou coluna $j$): $\det (A)={\sum }_{j=1}^n{a}_{ij}{C}_{ij}$ Onde $C_{ij}$ é o cofator associado ao elemento $a_{ij}$: $C_{ij}=(-1{)}^{i+j}\det (M_{ij})$ Sendo $M_{ij}$ a submatriz quadrada de ordem $(n-1)$ obtida eliminando-se a $i$-ésima linha e a $j$-ésima coluna de $A$.

3.4 Teorema de Binet e Propriedades Críticas

1. Teorema de Binet: $\det (A\cdot B)=\det (A)\cdot \det (B)$;
2. $\det (A^T)=\det (A)$;
3. Se $A$ possui uma linha ou coluna inteiramente nula, $\det (A)=0$;
4. Se duas linhas ou colunas forem paralelas (iguais ou proporcionais), $\det (A)=0$;
5. Multiplicar uma linha de $A$ por um escalar $\lambda$ multiplica o determinante por $\lambda$. Portanto, para matriz de ordem $n$: $\det (\lambda A)={\lambda }^n\det (A)$
6. O determinante de uma matriz triangular (superior ou inferior) é simplesmente o produto dos elementos da sua diagonal principal: $\det (A)={\prod }_{i=1}^n{a}_{ii}$

---

4. Inversão de Matrizes

4.1 Condição de Invertibilidade

Uma matriz quadrada $A\in {\mathbb{R}}^{n\times n}$ é dita inversível (ou não singular) se, e somente se, existir uma matriz $A^{-1}$ tal que: $A\cdot A^{-1}=A^{-1}\cdot A=I_n$

Teorema Fundamental da Invertibilidade: $A\text{ eˊ inversıˊvel}⟺\det (A)\ne 0$ Além disso: $\det (A^{-1})=\frac{1}{\det (A)}$.

4.2 Cálculo da Inversa via Matriz Adjunta

A matriz adjunta clássica $\mathrm{adj}(A)$ é a transposta da matriz dos cofatores $(\mathrm{cof}(A){)}^T$: $A^{-1}=\frac{1}{\det (A)}\mathrm{adj}(A)=\frac{1}{\det (A)}\left[\begin{array}{cccc}{C}_{11}& C_{21}& \dots & C_{n1}\\ C_{12}& C_{22}& \dots & C_{n2}\\ ⋮& ⋮& \ddots & ⋮\\ C_{1n}& C_{2n}& \dots & C_{nn}\end{array}\right]$

Para uma matriz $2\times 2$: ${\left[\begin{array}{cc}a& b\\ c& d\end{array}\right]}^{-1}=\frac{1}{ad-bc}\left[\begin{array}{cc}d& -b\\ -c& a\end{array}\right]$

4.3 Algoritmo de Gauss-Jordan para Inversão

Forma-se a matriz estendida $[A|I_n]$. Aplicando operações elementares nas linhas até transformar o bloco da esquerda na identidade, o bloco da direita torna-se a inversa: $[A|I_n]\stackrel{\text{operac¸o˜es elementares}}{\to }[I_n|A^{-1}]$

---

5. A Regra de Cramer e Aplicação em Circuitos Elétricos

5.1 Formulação Matricial e Regra de Cramer

Um sistema linear de $n$ equações com $n$ incógnitas pode ser escrito na forma matricial canônica: $A\mathbf{x}=\mathbf{b}$ Se $\det (A)\ne 0$, o sistema é Possível e Determinado (SPD) e sua solução única é dada pela Regra de Cramer: $x_k=\frac{\det (A_k)}{\det (A)},k=1,2,\dots ,n$ Onde $A_k$ é a matriz obtida substituindo a $k$-ésima coluna de $A$ pelo vetor dos termos independentes $\mathbf{b}$.

5.2 Exemplo em Engenharia Elétrica: Análise de Malhas

Considere um circuito elétrico de duas malhas com resistores e fontes de tensão contínua. Pela Lei das Malhas de Kirchhoff (KVL): $\{\begin{array}{l}(R_1+R_3)i_1-R_3{i}_2=V_1\\ -R_3{i}_1+(R_2+R_3)i_2=-V_2\end{array}⟹\left[\begin{array}{cc}{R}_{11}& R_{12}\\ R_{21}& R_{22}\end{array}\right]\left[\begin{array}{c}{i}_1\\ i_2\end{array}\right]=\left[\begin{array}{c}{V}_1\\ -V_2\end{array}\right]$ A matriz de resistências de malha é estritamente simétrica ($R_{12}=R_{21}=-R_3$) e seu determinante positivo garante solução única para as correntes de ramo via Cramer.

---

6. 💻 Laboratório Computacional em Python (NumPy e SymPy)

O script a seguir executa operações matriciais simbólicas e numéricas, calcula determinantes, inverte matrizes e resolve circuitos lineares:

Parâmetros de Projeto e Considerações Analíticas:

• 1. Definição Simbólica de Matriz de Circuito
• Inversa analítica
• Correntes analíticas de malha i = R^-1 * V
• 2. Resolução Numérica com NumPy

---

7. 📚 Questões de Fixação Resolvidas das Apostilas (Auditadas)

Abaixo, a resolução analítica rigorosa das Questões de Fixação da apostila 04 - Matrizes e Determinantes.pdf:

Questão 1 — Dimensão e Ordem de uma Matriz

Questão 1 (Apostila 04 - Módulo 1)

Uma matriz $A$ é formada por 3 linhas e 5 colunas. Qual é o tamanho (ordem) da matriz $A$?

• A) $5\times 3$

• B) $3\times 5$

• C) $15\times 1$

• D) $3\times 3$

Gabarito Comentado e Dedução Passo a Passo

Alternativa Correta: B ($3\times 5$)

Fundamentação Técnica: Pela convenção universal de álgebra linear, a ordem de uma matriz é denotada na forma $m\times n$, onde o primeiro índice $m$ expressa o número de linhas horizontais e o segundo índice $n$ expressa o número de colunas verticais. Portanto, 3 linhas e 5 colunas definem uma matriz $3\times 5$.

---

Questão 2 — Matriz Identidade de Ordem 3

Questão 2 (Apostila 04 - Módulo 1)

Marque a alternativa que apresenta a matriz identidade de ordem 3 ($I_3$):

• A) $\left[\begin{array}{ccc}0& 1& 1\\ 1& 0& 1\\ 1& 1& 0\end{array}\right]$

• B) $\left[\begin{array}{ccc}1& 0& 0\\ 0& 1& 0\\ 0& 0& 0\end{array}\right]$

• C) $\left[\begin{array}{ccc}1& 0& 0\\ 0& 1& 0\\ 0& 0& 1\end{array}\right]$

• D) $\left[\begin{array}{ccc}1& 1& 1\\ 1& 1& 1\\ 1& 1& 1\end{array}\right]$

Gabarito Comentado e Dedução Passo a Passo

Alternativa Correta: C

Fundamentação Técnica: Por definição, a matriz identidade $I_n$ é uma matriz quadrada na qual todos os elementos da diagonal principal são iguais a 1 ($a_{ii}=1$) e todos os elementos fora da diagonal principal são nulos ($a_{ij}=0$ para $i\ne j$).

---

Questão 3 — Propriedades de Matrizes Quadradas e Traço

Questão 3 (Apostila 04 - Módulo 1)

Marque a alternativa que apresenta uma matriz quadrada, triangular inferior e de traço igual a 7:

• A) $\left[\begin{array}{ccc}2& 1& 0\\ 0& 3& 4\\ 0& 0& 2\end{array}\right]$

• B) $\left[\begin{array}{ccc}2& 0& 0\\ 4& 3& 0\\ 1& 5& 2\end{array}\right]$

• C) $\left[\begin{array}{ccc}1& 0& 0\\ 0& 2& 0\\ 0& 0& 3\end{array}\right]$

• D) $\left[\begin{array}{ccc}3& 0& 0\\ 2& 1& 0\\ 4& 0& 1\end{array}\right]$

Gabarito Comentado e Dedução Passo a Passo

Alternativa Correta: B

Fundamentação Técnica:

1. Triangular inferior: Todos os elementos acima da diagonal principal devem ser nulos ($a_{12}=a_{13}=a_{23}=0$). Isso é satisfeito pela matriz B: $\left[\begin{array}{ccc}2& 0& 0\\ 4& 3& 0\\ 1& 5& 2\end{array}\right]$.
2. Traço igual a 7: $\mathrm{tr}(B)=a_{11}+a_{22}+a_{33}=2+3+2=7$.

---

Questão 4 — Determinante e Teorema de Binet

Questão 4 (Apostila 04 - Módulo 3)

Dadas duas matrizes quadradas de ordem 3, $A$ e $B$, sabe-se que $\det (A)=4$ e $\det (B)=-2$. O valor de $\det (2A\cdot B^{-1})$ é:

• A) $-16$

• B) $-4$

• C) $-32$

• D) $8$

Gabarito Comentado e Dedução Passo a Passo

Alternativa Correta: A (ou cálculo das propriedades de escala)

Resolução Analítica:

1. Pela propriedade do determinante multiplicado por escalar para matriz de ordem $n=3$: $\det (2M)=2^3\det (M)=8\det (M)$
2. Pelo Teorema de Binet: $\det (A\cdot B^{-1})=\det (A)\cdot \det (B^{-1})=\det (A)\cdot \frac{1}{\det (B)}$
3. Substituindo os valores numéricos: $\det (2A\cdot B^{-1})=8\cdot \left(4\cdot \frac{1}{-2}\right)=8\cdot (-2)=-16$

---

Questão 5 — Inversa de Matriz 2x2

Questão 5 (Apostila 04 - Módulo 4)

Determine a matriz inversa de $A=\left[\begin{array}{cc}3& 2\\ 1& 4\end{array}\right]$:

• A) $\frac{1}{10}\left[\begin{array}{cc}4& -2\\ -1& 3\end{array}\right]$

• B) $\frac{1}{10}\left[\begin{array}{cc}-4& 2\\ 1& -3\end{array}\right]$

• C) $\left[\begin{array}{cc}4& -2\\ -1& 3\end{array}\right]$

• D) $\frac{1}{14}\left[\begin{array}{cc}3& -2\\ -1& 4\end{array}\right]$

Gabarito Comentado e Dedução Passo a Passo

Alternativa Correta: A

Resolução Analítica:

1. Determinante de $A$: $\det (A)=(3)(4)-(2)(1)=12-2=10\ne 0⟹\text{Existe inversa!}$
2. Fórmula da adjunta para ordem 2: $A^{-1}=\frac{1}{\det (A)}\left[\begin{array}{cc}d& -b\\ -c& a\end{array}\right]=\frac{1}{10}\left[\begin{array}{cc}4& -2\\ -1& 3\end{array}\right]$

---

8. Considerações Finais e Próximos Passos

Nesta Aula 04, dominamos a infraestrutura matemática dos operadores matriciais:

• A classificação, transposição e multiplicação matricial.
• O cálculo de determinantes via Sarrus, Laplace e propriedades de Binet.
• Os métodos de inversão por matriz adjunta e escalonamento de Gauss-Jordan.
• A resolução de sistemas determinísticos pela Regra de Cramer e sua aplicação na análise de malhas e nós elétricos.

Na Aula 05, fecharemos o ciclo da Álgebra Linear investigando Sistemas de Equações Lineares, Espaços Vetoriais, Base, Dimensão, Transformações Lineares no Plano, Autovalores e Autovetores.

---

Referências Bibliográficas Citadas

• BOLDRINI, José Luiz et al. Álgebra Linear. 3. ed. São Paulo: Harbra, 1986.
• ANTON, Howard; RORRES, Chris. Álgebra Linear com Aplicações. 10. ed. Porto Alegre: Bookman, 2012.
• STRANG, Gilbert. Linear Algebra and Its Applications. 4th ed. Cengage Learning, 2006.
• CERQUEIRA, Jorge Luís Rodrigues Pedreira de. Matrizes e Determinantes. Material didático oficial, 2026.