UNIVERSIDADE DOS AÇORES

Departamento de Matemática
Curso de Especialização Tecnológica (CET)
Desenvolvimento de Produtos Multimédia (DPM)
Tópicos de Matemática Discreta
Capitulo 1 - Álgebra de Matrizes

1. Operações com matrizes

Definição : Adição de matrizes e multiplicação por um escalar

Sendo A = [aij], B = [bij] ∈ Mm×n(ℜ) e α ∈ ℜ, define-se:

1. A + B como sendo a matriz do tipo m × n cujo elemento (i, j) é aij + bij.
Assim A + B = [aij + bij]m × n.
2. αA como sendo a matriz do tipo m × n cujo elemento (i, j) é αaij.
Tem-se então αA = [αaij]m×n.

Exemplo
⎡ 1 0 −6 ⎤ ⎡ 10 3 8 ⎤ ⎡ 11 3 2 ⎤
Sendo A = ⎢ ⎥ e B = ⎢ 1 6 4⎥ , tem-se A + B = ⎢ −1 7 12 ⎥ e
⎣ −2 1 8 ⎦ ⎣ ⎦ ⎣ ⎦
⎡1 0 −3⎤
1 2
A=⎢ ⎥.
2 ⎢ −1 1 4⎥
⎣ 2 ⎦

Propriedades da adição de matrizes

Sejam A, B e C matrizes em Mm×n(ℜ). Então verifica-se:

1. (A + B) + C = A + (B + C) (associatividade da adição).
2. A + B = B + A (comutatividade da adição).
3. A + 0 = 0 + A = A (0 é elemento neutro da adição).
4. A + (−A) = (−A) + A = 0 (−A é o elemento simétrico ou oposto de A).
 Propriedades da multiplicação de uma matriz por um escalar

Sejam A, B e C matrizes em Mm×n(ℜ). Então verifica-se:

1. α(A + B) = αA + αB
2. (α + β)A = αA + βA
3. (αβ)A = α(βA)
4. 1A = A, ou seja, se multiplicarmos o escalar um por qualquer matriz A, obtemos a
própria matriz A.
5. 0A = 0, ou seja, se multiplicarmos o escalar zero por qualquer matriz A, obtemos a
matriz nula.

Definição : Multiplicação de matrizes

Sendo A = [aij] ∈ Mm×n (ℜ)e B = [bij] ∈ Mn×p(ℜ), define-se AB como sendo a matriz
do tipo m×p cujo elemento (i, j) é ai1b1j + ai2b2j + … + ainbnj. Assim,
⎡ n ⎤
AB = ⎢ ∑ aik bkj ⎥ .
⎣ k =1 ⎦ m× p

Como se pode ver pela definição, o produto AB da matriz A pela matriz B,

apenas está definido se o número de colunas de A for igual ao número de linhas
de B. Neste caso o número de linhas da matriz AB é igual ao número de linhas de A
e o número de colunas é igual ao de B. O elemento de AB situado na linha i e coluna
j obtém-se a partir da linha i de A e da coluna j de B:
⎡L b1 j L⎤
⎡L L L L⎤ ⎢ ⎡L L L⎤
⎢a ⎢L b2 j L⎥⎥ ⎢
⎢ i1 ai 2 L ain ⎥⎥ = L ai1b1 j + ai 2b2 j + L + ainbnj L⎥⎥ .
⎢M M M ⎥ ⎢
⎢⎣L L L L ⎥⎦ ⎢ ⎥ ⎢L L L⎥⎦
⎢⎣L bnj L⎥⎦ ⎣

Vemos assim que:

1. a linha i de AB obtém-se multiplicando a linha i de A pela matriz B;
2. a coluna j de AB obtém-se multiplicando a matriz A pela coluna j de B;
3. AB obtém-se multiplicando a matriz A pelas colunas de B, ou multiplicando
as linhas de A pela matriz B.
 Exemplos
⎡5 4 3 ⎤
⎡ 1 2 7⎤
1. Sejam A = ⎢ ⎥ e B = ⎢⎢8 0 6 ⎥⎥ .
⎣9 3 8 ⎦ ⎢⎣1 2 9 ⎥⎦

Então:
⎡1× 5 + 2 × 8 + 7 × 1 1× 4 + 2 × 0 + 7 × 2 1× 3 + 2 × 6 + 7 × 9 ⎤ ⎡ 28 18 78 ⎤
AB = ⎢ ⎥=⎢ ⎥.
⎣9 × 5 + 3 × 8 + 8 × 1 9 × 4 + 3 × 0 + 8 × 2 9 × 3 + 3 × 6 + 8 × 9 ⎦ ⎣ 77 52 117 ⎦

Note-se que neste caso o produto BA não está definido, visto o número de
colunas de B ser diferente do número de linhas de A.

⎡2⎤
2. Sejam A = [ 3 1 5] e B = ⎢⎢7 ⎥⎥ . Então:
⎢⎣ 4 ⎥⎦

AB = [3 × 2 + 1× 7 + 5 × 4] = [33] ;

e
⎡ 2 × 3 2 × 1 2 × 5⎤ ⎡ 6 2 10 ⎤
BA = ⎢⎢ 7 × 3 7 × 1 7 × 5⎥⎥ = ⎢⎢ 21 7 35 ⎥⎥ .
⎢⎣ 4 × 3 4 × 1 4 × 5⎥⎦ ⎢⎣12 4 20 ⎥⎦

⎡ 1 2⎤ ⎡ 4 −6 ⎤
3. Sejam A = ⎢ ⎥ e B=⎢ . Então:
⎣ −1 −2 ⎦ ⎣ −2 3⎥⎦

⎡0 0⎤ ⎡10 20 ⎤
AB = ⎢ ⎥ ; BA = ⎢ ⎥.
⎣0 0⎦ ⎣ −5 −10 ⎦
Propriedades da multiplicação de matrizes

Sejam A, A′ ∈ Mm×n(ℜ), B, B′ ∈ Mn×p(ℜ), C ∈ Mp×q(ℜ) e α ∈ ℜ Então tem-se:

1. A0 = 0, 0A = 0, AIn = ImA = A.
2. (AB)C = A(BC) (associatividade da multiplicação).
3. A(B + B′) = AB + AB′, (A + A′)B = AB + A′B (distributividades da multiplicação em
relação à adição).
4. α(AB) = (αA)B = A(αB).
Observações
• Quando m=n= p os produtos AB e BA são ambos possíveis, mas, em geral,
AB ≠ BA . (Exº 2.2 e 2.4 da ficha de exercícios).
• A lei do anulamento do produto de números reais não se generaliza ao
produto de matrizes (Exº 11.1 da ficha de exercícios).
• De um modo geral, AB = AC não implica B=C. (Exº 11.2 e 11.3 da ficha de
exercícios).
• Da associatividade do produto de matrizes concluímos que não temos que
nos preocupar com parênteses quando lidarmos com mais de dois factores.
Em particular, fica bem definido o significado da expressão Ak, onde A é
uma matriz quadrada e k é um nº natural, tendo-se A K = A × A × ... × A .
K factores

Definição: Matriz transposta e matriz simétrica

Dada uma matriz A = [aij] do tipo m × n, define-se a transposta de A como sendo a

matriz AT = [bij], do tipo n × m, onde bij = aji, para i = 1, …, n, j = 1, …, m.
Uma matriz A diz-se simétrica se A = AT.

Observações:
1. Os elementos da coluna i de AT são precisamente os da linha i de A, para i = 1, …,
m;
2. Uma matriz é simétrica se e só se for quadrada e forem iguais os elementos
situados em posições simétricas relativamente à diagonal principal.
Exemplo
⎡1 1⎤
⎡1 2 0 ⎤
A transposta da matriz A = ⎢ ⎥ é a matriz A = ⎢⎢2 5⎥⎥ .
T

⎣1 5 3 ⎦ ⎢⎣0 3⎥⎦

⎡3 2 5⎤ ⎡3 1 5⎤
A matriz ⎢⎢ 2 1 7 ⎥⎥ é simétrica, mas a matriz ⎢ 2 1 7 ⎥ já não o é, uma vez que os
⎢ ⎥
⎢⎣ 5 7 9 ⎥⎦ ⎢⎣ 5 7 9 ⎥⎦

elementos nas posições (1, 2) e (2, 1) não são iguais.

 Propriedades da transposição de matrizes

A transposição de matrizes goza das seguintes propriedades:

1. (AT)T = A;
2. (A + B)T = AT + BT;
3. (αA)T = αAT, sendo α um número;
4. (AB)T = BTAT ;
5. (Ak)T = (AT)k, sendo k um número natural;

2. Condensação e característica de uma matriz

Definição: Matriz em escada de linhas

Se uma linha de uma matriz não é toda nula, chamamos pivot ao elemento não
nulo dessa linha, mais à esquerda.

Uma matriz diz-se uma matriz em escada de linhas se satisfizer as seguintes

condições:
i) em cada linha não nula as entradas que estão por baixo do pivot são nulas, bem
como as anteriores (mais à esquerda);
ii) se houver linhas totalmente nulas devem aparecer depois das outras.

Exemplos do aspecto de uma matriz em escada (os símbolos • representam os

pivots e são não nulos):

⎡• ∗ ∗ ∗ ∗ ∗ ∗⎤
⎢ ⎡• ∗ ∗⎤
⎡ • ∗ ∗⎤ ⎢ 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 0 0 0 ⎥⎦

Exemplo : Matriz em escada de linhas

 As matrizes A, B e C são matrizes em escada de linhas.
⎡3 7 0 4⎤
⎢0 2 ⎥⎥
⎡1 5⎤ ⎢ 1 5
⎡2 5 0⎤
A=⎢ ⎥ , B = ⎢⎢ 0 2 ⎥⎥ , C = ⎢0 0 0 6⎥
⎣0 0 6⎦ ⎢⎣ 0 0 ⎥⎦
⎢ ⎥
⎢0 0 0 0⎥
⎢⎣ 0 0 0 0 ⎥⎦

A matriz A tem pivots 2 e 6, os pivots de B são 1 e 2 e os de C são 3, 1 e 6.

As matrizes
⎡1 5 0⎤ ⎡1 0 5 7⎤ ⎡2 3 0⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢0 0 6⎥ ⎢0 0 6 2⎥ e ⎢0 0 0⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎣⎢ 0 0 2 ⎦⎥ ⎣⎢ 0 0 2 4 ⎦⎥ ⎣⎢ 0 0 1 ⎦⎥

não são matrizes em escada de linhas.

------------------------------------------------------------------------------------------------------

Demonstra-se que toda a matriz não nula pode ser transformada numa matriz em
escada de linhas, através de operações elementares sobre as linhas.

Definição : Condensação de uma matriz

Designa-se por condensação ao processo de transformar uma matriz numa em

escada de linhas, através de operações elementares sobre as linhas.

As operações elementares sobre as linhas de uma matriz são:

• Troca, entre si, de duas linhas;

• Multiplicação de uma linha por um nº real diferente de zero;
• Adicionar a uma linha outra linha multiplicada por um nº real diferente de
zero, e substituí-la pelo resultado.

Exemplo: Condensação de uma matriz

⎡1 1 2 ⎤
Consideremos a matriz A = ⎢⎢1 3 3 ⎥⎥ . Começamos por adicionar à segunda e
⎢⎣ 2 8 12 ⎥⎦

terceira linhas de A, a primeira linha multiplicada por −1 e −2, respectivamente.

 ⎡1 1 2 ⎤
A matriz resultante será A′ = ⎢⎢ 0 2 1 ⎥⎥ . Esta matriz não é ainda uma matriz em
⎢⎣ 0 6 8 ⎥⎦

escada. Prosseguimos adicionando à terceira linha de A′ a segunda linha multiplicada

⎡1 1 2 ⎤
por −3. A matriz que obtemos é a matriz em escada U = ⎢⎢ 0 2 1 ⎥⎥ .
⎢⎣ 0 0 5 ⎥⎦

Terminou a condensação da matriz A.

⎡1 1 2⎤
Considere-se agora B = ⎢⎢ 2 6 6 ⎥⎥ . Adicionando à segunda e terceira linhas de B a
⎢⎣ 2 2 4 ⎥⎦
⎡1 1 2⎤
primeira linha multiplicada por −2 obtemos a matriz em escada U = ⎢⎢ 0 4 2 ⎥⎥ .
⎢⎣ 0 0 0 ⎥⎦

Na condensação de uma qualquer matriz, o nº de linhas não nulas da matriz

condensada, não depende da sequência de operações elementares efectuada.

Definição: Característica de uma matriz

Chama-se característica de uma matriz A ao número de linhas não nulas de uma
matriz condensada que, se obtém de A, através de operações elementares.
Representa-se por r(A) ou car (A).

Exemplo: Característica de uma matriz

As matrizes A e B do Exemplo 2, têm, respectivamente, característica 3 e 2.

3. Cálculo da inversa de uma matriz através de operações elementares

Definição: Inversa de uma matriz

Seja A uma matriz quadrada de ordem n . Chama-se inversa da matriz A (se existir)
à única matriz B de ordem n tal que : AB = BA = I n . Representa-se por A −1 .
Exemplo: Inversa de uma matriz

⎡1 2 ⎤ ⎡ −1 2 ⎤
Seja A matriz ⎢ ⎥ . Mostre que a sua inversa é a matriz ⎢ 1 −1⎥ .
⎣1 1 ⎦ ⎣ ⎦
De facto,
⎡1 2 ⎤ ⎡ −1 2 ⎤ ⎡ −1 2 ⎤ ⎡1 2 ⎤
⎢1 1 ⎥ ⎢ 1 −1⎥ = I 2 e ⎢ 1 −1⎥ ⎢1 1 ⎥ = I 2 .
⎣ ⎦⎣ ⎦ ⎣ ⎦⎣ ⎦

Propriedades da inversa de uma matriz

Sejam A e B matrizes quadradas de ordem n invertíveis. Então tem-se

( A −1 ) −1 = A
(AB)−1 = B−1A−1
(AT)−1 = (A−1)T

Observação: Nem todas as matrizes admitem inversa. Uma matriz que admite
inversa diz-se invertível ou regular.

Proposição : Uma matriz de ordem n é regular (ou invertível) se e só se a sua

característica é igual à ordem.

Cálculo da inversa de uma matriz através de operações elementares

Algoritmo de Gauss- Jordan

1. Coloca-se ao lado da matriz A a matriz identidade I, da mesma ordem da A,

separada por um traço vertical;
2. Transforma-se, por meio de operações elementares sobre linhas, a matriz A
na matriz I, aplicando-se, simultaneamente, à matriz I, colocada ao lado da matriz A,
as mesmas operações elementares;
3. A matriz pretendida é a que se obtém onde estava I.
Exemplo: Cálculo da Inversa de uma matriz

⎡ 1 −3 1 ⎤
Determinemos a inversa da matriz A = ⎢⎢ −2 3 −1⎥⎥ .
⎢⎣ −1 2 −1⎥⎦

Seguindo o método anterior, temos:

⎡ 1 −3 1 1 0 0 ⎤
⎢ ⎥
⎡⎣ A I ⎤⎦ = ⎢ −2 3 −1 0 1 0 ⎥ → L2 + 2 L1
⎣⎢ −1 2 −1 0 0 1 ⎥⎦ → L3 + L1
⎡1 −3 1 1 0 0 ⎤
⎢ ⎥ 1
= ⎢0 −3 1 2 1 0 ⎥ → − L2
3
⎢⎣0 −1 0 1 0 1 ⎥⎦

⎡1 −3 1 1 0 0 ⎤ → L1 + 3L2
⎢ ⎥
= ⎢0 1 −1 −2 −1 0⎥
3 3 3
⎢ ⎥
⎣⎢0 −1 0 1 0 1 ⎥⎦ → L3 + L2
⎡ ⎤
⎢ 1 0 0 −1 −1 0 ⎥
= ⎢ 0 1 −1 − 2 −1 0⎥
⎢ 3 3 3 ⎥
⎢ −1 1 −1 ⎥ → −3L3
⎢⎣0 0 3 3 3
1⎥
⎦
⎡ 1 0 0 −1 −1 0 ⎤
⎢ ⎥ 1
= ⎢ 0 1 −1 − 2 −1 0 ⎥ → L2 + L3
3 3 3 3
⎢ ⎥
⎣⎢ 0 0 1 − 1 1 − 3 ⎥⎦
⎡1 0 0 −1 −1 0 ⎤
⎢ ⎥
= ⎢0 1 0 −1 0 −1⎥ = ⎡⎣ I A−1 ⎤⎦
⎢⎣0 0 1 −1 1 −3⎥⎦

⎡ −1 −1 0 ⎤
Portanto, A = ⎢⎢ −1 0 −1⎥⎥ .
−1

⎢⎣ −1 1 −3⎥⎦