Matrizes

e
Sistemas de equações lineares

1
0011 0010
452
 Matrizes

1
0011 0010
452
As matrizes são os objectos na base do estudo da álgebra linear.

Têm múltiplas aplicações na matemática e noutras ciências:

- na resolução de sistemas de equações lineares;

- na resolução de sistemas de equações diferenciais;
- na resolução de problemas de optimização;
- na teoria da computação gráfica, são usadas para representar a
translação, a rotação e a escala de objectos;
- nas engenharias, para resolver problemas de circuitos eléctricos e de
linhas de transmissão de energia eléctrica;
- etc.
1
0011 0010
452
 Sejam m e n números naturais. Uma matriz A do tipo m × n
(m por n ) com elementos reais (complexos) é uma tabela
de mn números reais (complexos) dispostos em m linhas e n
colunas.
 a11 a12 K a1n 
a a K a 
A =  21 22 2n 

 M M K M 
 
a
 m1 a m2 K a mn 

ou, abreviadamente, A = (aij )m×n , onde i ∈ {1,..., m} é o

índice de linha e j ∈ {1,..., n } é o índice de coluna.

1
Se m = n , diz-se que A é uma matriz quadrada de ordem n.

0011 0010
452
 [ ]
Dizemos que a ij ou A ij é o elemento ou a entrada de
posição (i, j) da matriz A.

i é o índice de linha e j é o índice de coluna.

A i-ésima linha de A é
a ai 2 ...ain 
 i1 

 a1 j 
a 
A j-ésima coluna de A é  2 j .
 M 
  1
0011 0010
amj 

para i =1,…,m e j =1,…,n .

452
 Exemplos

 − 1 0
(a) A=  é uma matriz do tipo 2× 2.
 4 3 

0 3 9 
(b) B=  é uma matriz do tipo 2× 3.
 1 5 1 

1
(c) C =  4  é uma matriz do tipo 3×1.
− 2

(d) D = [0 1 − 10] é uma matriz do tipo 1× 3.

1
(e)
0011 0010
E = [4] é uma matriz do tipo 1×1.
452
 Uma matriz que só possui uma linha diz-se uma matriz linha.

Uma matriz que só possui uma coluna diz-se uma matriz coluna.

Matrizes linha e matrizes coluna também se dizem vectores e, neste

caso, as suas entradas dizem-se coordenadas.

Duas matrizes

A = (aij )m×n e B = (bij )p×q

dizem-se iguais se e só se m=p, n=q e aij = bij

1
para cada
i=1,…,m e j=1,…,n.

0011 0010
452
 Seja
 a11 a12 K a1n 
a a 22 K a 2 n 
A =  21 .
 M M L M 
 
a n1 an2 K a nn 

uma matriz quadrada de ordem n.

Os elementos diagonais (ou elementos principais) de A são os n

elementos que têm índices de linha e coluna iguais, ou seja,
a11 , a22 ,..., ann .
Ao seu conjunto dá-se o nome de diagonal principal de A.
1
A sua soma constitui o traço de A; denota-se por tr(A).

0011 0010
tr ( A) = a11 + a22 + ... + ann . 452
 Uma matriz A = (aij )n×n diz-se triangular superior se

aij = 0
para todo i, j ∈ {1,..., n} com i > j.

a11 a12 K a1n 

0 a 22 K a 2 n 
A= .
 M M L M 
 
0 0 K a nn 

1
0011 0010
452
 Uma matriz A = (aij )n×n diz-se triangular inferior se

aij = 0
para todo i, j ∈ {1,..., n} com i < j.

 a11 0 K 0 
a a 22 K 0 
A =  21 .
 M M L M 
 
a n1 an2 K a nn 

1
inferior.
0011 0010
452
A diz-se triangular se for triangular superior ou triangular
 Uma matriz A = (aij )n×n diz-se diagonal se

aij = 0
para todo o i, j ∈ {1,..., n} com i ≠ j.
(todas as entradas não diagonais são nulas).

a11 0 K 0 
0 a 22 K 0 
A= .
 M M L M 
 
0 0 K a nn 

1
0011 0010
452
 Uma matriz A = (aij )n×n diz-se escalar se, para i, j ∈ {1,..., n},

aij = 0 quando i ≠ j
e aii = c (c constante).

c 0 K 0
0 c K 0
A= .
M M L M
 
0 0 K c

1
0011 0010
452
Uma matriz escalar com todos os elementos diagonais iguais a 1,
chama-se matriz identidade de ordem n e denota-se por

1 0 K 0
0 1 K 0
In =  .
M M L M
 
0 0 K 1

A matriz, m × n, 0 0 K 0
0 0 K 0
0=
M M L M
 
0 0 K 0
1
chama-se matriz nula m × n.
0011 0010
452
 A transposta de uma matriz
A = (aij )m×n

é definida pela matriz B =(bij )n×m que se obtém de A pela troca das
linhas com as colunas; ou seja,
bij = a ji
para cada i = 1,..., m e j = 1,..., n.

Escrevemos B = At .

 a11 a12 K a1n   a11 a 21 K a m1 

a a a 22 K a m 2 
K a 2 n 
A =  21
 M
a 22
K M 
At =  12
 M M K M  1

a m1
0011 0010
M
a m2 K a mn 
 
a1n a 2 n K a mn 

452
Seja A = aij( ) n× n
uma matriz quadrada.

A é simétrica se A = A; ou seja, a ji = aij para cada i, j ∈ {1,..., n}.

t

A é anti-simétrica se At = − A; ou seja, a ji = −aij para cada i, j ∈ {1,..., n}.

Uma matriz anti-simétrica tem elementos diagonais nulos.

1
0011 0010
452
 ( )
Seja A = aij m× n
uma matriz complexa.

A matriz conjugada de A, denotada por A, é a matriz complexa

do tipo m × n cujos elementos são os complexos conjugados dos
elementos de A.

( )
A = aij m×n
.

A matriz transconjugada de A, A* , é a transposta da matriz

conjugada de A, que é o mesmo que a conjugada da transposta de
A.
()
A* = A
t
= At .
1
0011 0010
452
 ( )
Seja A = aij n× n
uma matriz complexa quadrada.

A diz-se hermítica se A* = A; isto é, se, para cada i, j ∈ {1,..., n}

a ji = aij .

Uma matriz hermítica tem elementos diagonais reais e a entrada (j,i)

é o conjugado da entrada (i,j) , para cada i, j ∈ {1,..., n} e i ≠ j .

A diz-se hemi-hermítica se A* = − A; ou seja, se, para todo i, j ∈ {1,..., n}

a ji = −aij .
1
Uma matriz hemi-hermítica tem elementos diagonais nulos e/ou
imaginários puros e as entradas (i,j) e (j,i) têm partes imaginárias
iguais
0011 e partes reais simétricas , para cada i, j ∈ {1,..., n} e i ≠ j.
0010
452
 Operações com matrizes

1
0011 0010
452
 A transposta de uma matriz
A = (aij )m×n

é definida pela matriz B =(bij )n×m que se obtém de A pela troca das
linhas com as colunas; ou seja,
bij = a ji
para cada i = 1,..., m e j = 1,..., n.

Escrevemos B = At .

 a11 a12 K a1n   a11 a 21 K a m1 

a a a 22 K a m 2 
K a 2 n 
A= 
 M
21 a 22
K M 
At =  12
 M M K M  1

M
a m1 a m 2
0011 0010
K a mn 
 
a1n a 2 n K a mn 

452
 A soma de duas matrizes do mesmo tipo
A = (aij )m×n e B = (bij ) m×n

é a matriz m × n
C = A+ B
onde cij = aij + bij para i = 1,..., m e j = 1,..., n.

 a11 a12 K a1n   b11 b12 K b1n   a11 +b11 a12 +b12 K a1n +b1n 
a a 22 K a 2 n   b 21 b 22 K b 2 n   a +b a 22 +b 22 K a 2 n +b 2 n 
 21 + =  21 21
 M M K M   M M K M   M M K M 
     
a m1 a m2 K a mn  b m1 b m 2 K b mn  a m1 +b m1 a m 2 +b m 2 K a mn +b mn 

1
0011 0010
452
 A multiplicação de uma matriz A = (aij )m×n por um escalar
(número) α é a matriz

B = αA

onde
bij = αaij

para i=1,…,m e j=1,…,n.

Dizemos que a matriz B é múltiplo escalar da matriz A.

 a11 a12 K a1n   αa11 αa12 K αa1n 
a
A =  21
a 22 K a 2 n 
αA =
αa
 αa 22 1
K αa 2 n 

452
21
 M M K M   M M K M 
   
K a mn 
αa m1 αa m 2 K αa mn 
a
0011 0010 m1
a m2
 O produto de duas matrizes

A = (aij )m× p e B = bij( ) p× n

é a matriz
C = AB

onde cij = ai1b1 j + ai 2b2 j + +... + aip b pj

para i=1,…,m e j=1,…,n.

1
0011 0010
452
 Propriedades da álgebra matricial

Teorema. Sejam A, B e C matrizes reais (complexas) com

tamanhos apropriados, α e β escalares. São válidas as
seguintes propriedades para as operações matriciais:
(a) (comutatividade) A+B=B+A;
(b) (associatividade) A+(B+C)=(A+B)+C;
(c) (elemento neutro) A matriz nula 0 , m × n, é tal que
A + 0 = 0 + A = A;
para cada matriz A, m × n;
(d) (elemento simétrico) Para cada matriz A,m × n, existe uma
única matriz –A, m × n, definida por [− A]ij = −aij tal que
A + (− A) = (− A) + A = 0; 1
0011 0010
452
 (e) α (βA) = (αβ )A;
(f) (α + β )A = αA + βA;
(g) α ( A + B ) = αA + αB;
(h) (associatividade) A( BC ) = ( AB)C;
(i) (elemento neutro) As matrizes identidade I n e I m são tais
que AI n = I m A = A, para toda a matriz A = (aij ) .
m× n
(j) (distributividade à esquerda) A( B + C ) = AB + AC ;
(k)(distributividade à direita) ( B + C ) A = BA + CA;
(l) α ( AB ) = (αA) B;
(m) ( A ) = A;
t t

(n) ( A + B) = A + B ;
t t t

(o) (αA) t = αAt ; 1

(p) ( AB )t = B t At .
0011 0010
452
 A diferença de duas matrizes do mesmo tamanho

A = (aij )m×n e B = (bij )m×n

é a matriz
A − B = A + (− B )

ou seja, é a soma da matriz A com a simétrica da matriz B.

1
0011 0010
452
 Sejam A uma matriz n × n e p um inteiro positivo.

Definimos a potência p de A , por

Ap = 1
A2
....3
A.
p vezes

Para p = 0, definimos
A0 = I n .

1
0011 0010
452
 Sistemas de equações lineares

1
0011 0010
452
 Um sistema (linear) de m equações a n incógnitas x1 ,..., xn :

 a11 x1 + a12 x2 + ... + a1n xn = b1

 a x + a x + ... + a x = b
 21 1 22 2 2n n 2

 M
am1 x1 + am 2 x2 + ... + amn xn = bm

aij , bi (i = 1,..., m; j = 1,..., n) são números reais (ou complexos) e

chamam-se, respectivamente, os coeficientes e os termos
independentes do sistema.
1
0011 0010
452
 O sistema pode escrever-se como uma equação matricial :
AX=B,

 a11 a12 L a1n 

a a L a 
onde A = 
21 22 2n 
é a matriz dos coeficientes do sistema,
 M M M M 
 
am1 am 2 L amn 
 b1 
b 
B =  2  é a matriz coluna dos termos independentes
M
 
bm 
 x1 
x 
X =  2  é a matriz coluna das incógnitas. 1
e

0011 0010
M
 
 xn 
452
 Uma solução do sistema é uma matriz coluna
 s1 
s 
S =  2
 
 
 sn 
tal que as equações do sistema são simultaneamente satisfeitas quando
substituímos

x1 = s1 , x2 = s 2 ,..., xn = s n .

O conjunto de todas as soluções do sistema chama-se conjunto1

solução ou solução geral do sistema.
0011 0010
452
 Classificação dos sistemas lineares

Um sistema diz-se:

- impossível se não tem nenhuma solução;

- possível se tem pelo menos uma solução;
- possível e determinado se tem uma única solução;
- possível e indeterminado se tem mais de uma solução (neste caso,
tem infinitas soluções).

1
0011 0010
452
 Uma forma de resolver um sistema consiste em substituir o sistema
inicial por outro que tenha o mesmo conjunto solução e que seja mais
fácil de resolver.

O outro sistema obtém-se por aplicações sucessivas de uma série de

operações sobre as equações.

Estas operações, que se chamam operações elementares, são:

(E1) Trocar a posição de duas equações do sistema;

(E2) Multiplicar uma equação por um escalar diferente de zero;
(E3) Somar a uma equação outra multiplicada por um escalar
qualquer. 1
0011 0010
452
 Quando aplicamos operações elementares sobre as equações de um
sistema linear, somente os coeficientes e os termos independentes do
sistema são alterados. Deste modo, podemos aplicar as operações
sobre a seguinte matriz, que se chama matriz completa ou matriz
aumentada ou ainda matriz ampliada do sistema.
 a11 a12 L a1n b1 
 
L a2 n b2 
[A B ] =  M
 a21 a22
M M M M
 
am1 am 2 L amn b m 

1
0011 0010
452
 Chamam-se operações elementares sobre as linhas de uma matriz:

(E1) Trocar a posição de duas linhas da matriz;

(E2) Multiplicar uma linha da matriz por um escalar diferente de
zero;
(E3) Somar a uma linha da matriz outra multiplicada por um escalar
qualquer.

Teorema. Se dois sistemas lineares AX = B e CX = D são tais que a

matriz aumentada [C D ] é obtida de [A B ] por aplicação de operações
elementares, então os dois sistemas possuem o mesmo conjunto
solução.
1
0011 0010
452
Dois sistemas que possuem o mesmo conjunto solução dizem-se sistemas
equivalentes.

1
0011 0010
452
 Método de Gauss-Jordan

Pretendemos transformar a matriz aumentada do sistema na forma de

Gauss-Jordan, cujo sistema associado é de fácil resolução.

1
0011 0010
452
 Uma matriz está na forma de Gauss-Jordan quando satisfaz as
seguintes condições:

(a) As linhas nulas (caso existam) ocorrem depois das linhas não
nulas;
(b) O pivot (primeiro elemento não nulo de cada linha) é igual a 1;
(c) O pivot de cada linha não nula ocorre à direita do pivot da linha
anterior;
(d) Se uma coluna contém um pivot, então todos os seus outros
elementos são iguais a zero.

1
452
Se uma matriz satisfaz as propriedades (a) e (c), mas não
necessáriamente (b) e (d), dizemos que a matriz está na forma de
0011 0010
Gauss.
 Exemplos.

Forma de Gauss-Jordan:

1 0 0 1 2 0 − 1 
I 3 = 0 1 0, A = 0 0 1 − 2
0 0 1 0 0 0 0 
Forma de Gauss:
 2 2 2 1 2 − 2 3 
B = 0 − 1 3, C = 0 0 − 9 12
1
0011 0010
0 0 4 0 0 0 0 
452
 ( )
Uma matriz A = aij diz-se equivalente por linhas a uma matriz
B = (bij )m×n se B se pode obter de A efectuando uma sequência de
m×n

operações elementares sobre as suas linhas.

Teorema. Toda a matriz é equivalente por linhas a uma única matriz

na forma de Gauss-Jordan.

1
0011 0010
452
 Característica de uma matriz

A característica de uma matriz na forma de Gauss é igual ao

número de pivots.

A característica de uma matriz qualquer A, que se denota por

c(A), é igual à característica da matriz na forma de Gauss que se
obtém efectuando operações elementares sobre as suas linhas.

1
0011 0010
452
 Classificação dos sistemas lineares

Um sistema linear AX = B, onde A é do tipo m × n, è:

• impossível sse c(A) ≠ c([A|B];

• possível e determinado sse c(A) = c([A|B] = n ;
• possível e indeterminado sse c(A) = c([A|B] < n .

Observação. Se o sistema linear é possível, o número inteiro não

negativo n- c(A) chama-se grau de indeterminação do sistema e
indica o número de variáveis livres (variáveis que podem tomar
valores arbitrários).
1
0011 0010
452
 Um sistema linear diz-se homogéneo se são nulos todos os seus
termos independentes
 a11 x1 + a12 x2 + ... + a1n xn = 0
 a x + a x + ... + a x = 0
 21 1 22 2 2n n

 M
am1 x1 + am 2 x2 + ... + amn xn = 0

isto é, se a sua equação matricial é da forma

AX = 0.
A todo o sistema de equações lineares AX = B está associado o
sistema homogéneo AX = 0. 1
0011 0010
452
 Um sistema homogéneo é sempre possível pois admite sempre a
solução nula. Se é determinado, essa é a sua única solução. Se é
indeterminado, para além da solução nula, admite soluções não
nulas.

Teorema. Se A = (aij )m×n é tal que m<n (nº de equações < nº de

incógnitas), então o sistema homogéneo AX = 0 tem solução não
nula.

Teorema. Seja A = (aij )m×n .

(a) Se X 1 e X 2 são soluções do sistema homogéneo AX = 0, então
também o é X 1 + X 2 .
1
(b) Se X 1 é solução do sistema homogéneo, AX = 0 , então αX 1
também o é, para qualquer escalar α .
0011 0010
452
 Inversa de uma matriz quadrada

1
0011 0010
452
 Uma matriz quadrada A = (aij )n×n diz-se invertível ou não singular,
se existe uma matriz B = (bij ) tal que
n×n

AB = BA = I n .

A matriz B chama-se inversa de A. Se A não possui inversa, diz-se

que a matriz A é não invertível ou singular.

Teorema. Se uma matriz A = aij ( ) n× n

possui inversa, então a
inversa é única.

1
A inversa de uma matriz A, quando existe, denota-se por A .
0011 0010
452−1
 Teorema. Sejam A e B matrizes n× n. Se AB = I n , então BA = I n .

Assim, para verificar que uma matriz A é invertível, quando temos

uma matriz B que é candidata a inversa de A, basta fazer um dos
produtos AB ou BA e verificar se é igual a I n .

1
0011 0010
452
 Teorema. Seja A uma matriz n × n. As seguintes condições são
equivalentes:
(a) A é invertível;
(b) c(A)= n;
(c) A é equivalente por linhas à matriz identidade I n .

Dada uma matriz A, n× n, tal que c(A)= n, (logo invertível), a inversa

de A é a solução da equação matricial AX = I n . Então, para calcular
A−1 , basta considerar a matriz [A I n ] e efectuar operações elementares
[ ]
sobre linhas até a transformar na matriz I n A−1 .

1
0011 0010
452
 Propriedades da inversa

Teorema. Sejam A e B matrizes invertíveis do tipo n× n, α um

escalar não nulo e m um inteiro positivo.
(a) A é invertível e (A ) = A;
−1 −1 −1

(b) AB é invertível e ( AB )−1 = B −1 A−1 ;

(c) αA é invertível e (αA)−1 = α −1 A−1 ;
t
( ) ( )
(d) A é invertível e A
t −1
= A ;−1 t

(e) A m
( ) ( )
é invertível e A m −1
= A . −1 m

Nota. Se Se A é invertível, então definimos, para qualquer

inteiro positivo m,
( ) 1
0011 0010
A −m
= A −1 m
.
452
 Teorema. Seja A = (aij ) .
n×n
(a) O sistema associado a AX = B possui uma única solução sse
−1
A é invertível. Neste caso, a solução é X = A B;
(b) O sistema homogéneo AX = 0 tem solução não trivial sse A é
singular (não invertível).

1
0011 0010
452