1.

Matrizes

1.1 Conceitos básicos

Definição 1.1. Sejam m e n dois números inteiros positivos. Chama-se matriz real de ordem m × n
(lê-se ordem m por n) ou matriz de ordem m × n sobre IR a um quadro em que mn números reais são
dispostos em m linhas (de n elementos cada) e n colunas (de m elementos cada).
Representa-se por

A = [aij ]m×n ou A = (aij )m×n , com i ∈ {1, 2, ..., m} e j ∈ {1, 2, ..., n},

a matriz  
a11 a12 ··· a1 n−1 a1 n
 
 a21 a22 ··· a2 n−1 a2 n 
 
 
 a31 a32 ··· a3 n−1 a3 n 
A=
 .. .. .. .. .. .

 . . . . . 
 
 a am−1 2 ··· am−1 n−1 am−1 n 
 m−1 1 
am 1 am 2 ··· am n−1 am n
Os elementos da matriz representam-se por aij , onde i indica a linha a que o elemento pertence e j indica
a coluna nas mesmas condições.
O conjunto das matrizes reais de ordem m por n representa-se por Mm×n (IR).
" #
1 0
Exemplo 1.1. A = é uma matriz de ordem 2 × 2.
0 1

h √ √ i
Exemplo 1.2. A = 1 2 3 é uma matriz de ordem 1 × 3.
2 2 2

 
0 1 0
 
 0 1 0 
Exemplo 1.3. A = 
 1
 é uma matriz de ordem 4 × 3.
 1 1 

2 2 2

Definição 1.2. Sejam m, n, p, q ∈ IN. Diz-se que as matrizes A = [aij ]m×n e B = [bij ]p×q são iguais, e
escreve-se A = B, se m = p, n = q e

aij = bij , quaisquer que sejam i =∈ {1, 2, ..., m} e j ∈ {1, 2, ..., n}.

1
  
1 1 1
 
Exemplo 1.4. As matrizes A = 
 2 4 8  j
 e B = (bij )3×3 , com bij = i são duas matrizes iguais.
3 9 27

Definição 1.3. Sejam m, n ∈ IN. Uma matriz de ordem m × n diz-se quadrada se n = m (neste caso
diz-se que a matriz tem ordem n e escreve-se apenas n em vez de n × n).

Exemplo 1.5. As matrizes dos Exemplos 1.1 e 1.4 são matrizes quadradas de ordem 1 e 3, respectiva-
mente.

Definição 1.4. Seja n ∈ IN. Uma matriz de ordem n × 1 diz-se uma matriz coluna. Uma matriz de
ordem 1 × n diz-se uma matriz linha.

 
1
 
Exemplo 1.6. A matriz A =  
 2  é uma matriz coluna (de ordem 3 × 1) e a matriz
3
h √ i
B = π e 21 3 é uma matriz linha (de ordem 1 × 4).

Observação. É costume usar-se letras minúsculas para representar matrizes coluna e matrizes linha,
assim como é costume omitir o ı́ndice 1 que é comum a todos os elementos. Por exemplo,
 
h i y1
 
x = x1 x2 x3 x4 e y= 
 y2 
y3

representam uma matriz linha de ordem 4 e uma matriz coluna de ordem 3, respectivamente.

Definição 1.5. Sejam n ∈ IN e A = [aij ]n uma matriz quadrada. Chamam-se elementos da diagonal de
A aos elementos aij tais que i = j, i.e., aos elementos

a11 , a22 , a33 , ..., ann .

 
1 2 3 4
 
 5 6 7 8 
Exemplo 1.7. Relativamente à matriz A = 
 9 10
 , os elementos da sua diagonal são 1,
 11 12 

13 14 15 16
6, 11 e 16.

Definição 1.6. Seja n ∈ IN. Uma matriz quadrada A = [aij ]n diz-se diagonal se

i 6= j =⇒ aij = 0.

2
  
1 0 0 0
 
 0 0 0 0 
Exemplo 1.8. A matriz A = 
 0
 é uma matriz diagonal.
 0 2 0 

0 0 0 π

Definição 1.7. Seja n ∈ IN. Uma matriz quadrada A = [aij ]n diz-se triangular superior (resp. triangular
inferior) se, para todos i, j ∈ {1, 2, ..., n},

i > j =⇒ aij = 0 (resp. i < j =⇒ aij = 0).

   
1 2 3 1 0 0
   
Exemplo 1.9. A matriz A = 
 0 4 5  
 é triangular superior e a matriz B =  2 5 0 
 é
0 0 0 3 4 6
triangular inferior.

Observação. As únicas matrizes quadradas que são simultaneamente triangulares superiores e triangu-
lares inferiores são as matrizes diagonais.

Definição 1.8. Sejam m, n ∈ IN. Uma matriz A = [aij ]m×n diz-se matriz nula de ordem m × n, e
representa-se por Om×n , se, para todo i ∈ {1, 2, ..., m} e para todo j ∈ {1, 2, ..., n}, tem-se aij = 0.

" #
0 0 0
Exemplo 1.10. O2×3 = .
0 0 0

Definição 1.9. Seja n ∈ IN. Uma matriz quadrada A = [aij ]n diz-se matriz identidade de ordem n, e
representa-se por In se, para todos i, j ∈ {1, 2, ..., n} tem-se
(
1 se i = j;
aij =
0 se i 6= j.

 
1 0 0
 
Exemplo 1.11. I3 = 
 0 1 0 
.
0 0 1

1.2 Operações com matrizes

1.2.1 Adição de matrizes
Definição 1.10. Sejam m, n ∈ IN e A = [aij ]m×n e B = [bij ]m×n duas matrizes reais (de ordem igual).
Chama-se soma de A e B à matriz C = [cij ]m×n cujos elementos são definidos por

cij = aij + bij (i ∈ {1, 2..., m}; j ∈ {1, 2, ..., n}) .

Neste caso, escreve-se C = A + B.

3
 " # " #
1 2 3 7 8 9
Exemplo 1.12. Se A = eB= então
4 5 6 10 11 12
" # " #
1+7 2+8 3+9 8 10 12
A+B = = .
4 + 10 5 + 11 6 + 12 14 16 18

IMPORTANTE: A adição de matrizes só é definida para matrizes com a mesma ordem.

Teorema 1.1. Sejam m, n ∈ IN e A, B e C matrizes reais de ordem m × n. Então,

(i) A + B = B + A;
(ii) A + (B + C) = (A + B) + C;
(iii) Om×n + A = A;
(iv) existe uma matriz A0 tal que A + A0 = Om×n .

Demonstração: (i) Sejam A = [aij ] e B = [bij ] duas matrizes de ordem m × n. Então,

A+B = [cij ]m×n onde cij = aij + bij e

B+A = [dij ]m×n onde dij = bij + aij .

Como a adição de números reais é comutativa, temos que cij = dij , pelo que A + B = B + A.
(ii),(iii) Exercı́cio.
£ ¤
(iv) Dada a matriz A = [aij ]m×n considere-se A0 = a0ij m×n com a0ij = −aij . Então,

A + A0 = [cij ]m×n com cij = aij + a0ij = aij − aij = 0.

Logo, A + A0 = Om×n . 2

Notações. (1) A matriz A0 do teorema anterior representa-se por −A.

(2) Dadas duas matrizes A e B com a mesma ordem, representa-se por A − B a soma de matrizes
A + (−B) .

1.2.2 Multiplicação de um real por uma matriz

Definição 1.11. Sejam m, n ∈ IN, α ∈ IR e A = [aij ]m×n . Chama-se produto de α por A à matriz
C = [cij ]m×n onde
cij = αaij (i ∈ {1, 2, ..., m}; j ∈ {1, 2, ..., n}) .

Neste caso, escreve-se C = αA.

" # " #
1 2 3 4 2 4 6 8
Exemplo 1.13. Se A = então 2A = .
5 6 7 8 10 12 14 16

Teorema 1.2. Sejam m, n ∈ IN, A e B duas matrizes de ordem m × n e α, β ∈ IR. Então,

(i) (αβ) A = α (βA);
(ii) (α + β) A = αA + βA;
(iii) α (A + B) = αA + αB;
(iv) 1A = A.

4
Demonstração: (i) Sejam α, β ∈ IR e
 
a11 a12 ··· a1 n−1 a1 n
 
 a21 a22 ··· a2 n−1 a2 n 
 
 
 a31 a32 ··· a3 n−1 a3 n 
A=  .. .. .. .. .. .

 . . . . . 
 
 a am−1 2 ... am−1 n−1 am−1 n 
 m−1 1 
am 1 am 2 ... am n−1 am n

Então,  
a11 a12 ··· a1 n−1 a1 n
 
 a21 a22 ··· a2 n−1 a2 n 
 
 
 a31 a32 ··· a3 n−1 a3 n 
(αβ)A = (αβ) 
 .. .. .. .. .. 

 . . . . . 
 
 a am−1 2 ··· am−1 n−1 am−1 n 
 m−1 1 
am 1 am 2 ··· am n−1 am n
 
(αβ) a11 (αβ) a12 ··· (αβ) a1 n−1 (αβ) a1 n
 
 (αβ) a21 (αβ) a22 ··· (αβ) a2 n−1 (αβ) a2 n 
 
 
 (αβ) a31 (αβ) a32 ··· (αβ) a3 n−1 (αβ) a3 n 
= 
 .. .. .. .. .. 

 . . . . . 
 
 (αβ) a (αβ) am−1 2 ··· (αβ) am−1 n−1 (αβ) am−1 n 
 m−1 1 
(αβ) am 1 (αβ) am 2 ··· (αβ) am n−1 (αβ) am n

 
α (βa11 ) α (βa12 ) ··· α (βa1 n−1 ) α (βa1 n )
 
 α (βa21 ) α (βa22 ) ··· α (βa2 n−1 ) 
α (βa2 n )
 
 
 α (βa31 ) α (βa32 ) ··· α (βa3 n−1 ) α (βa3 n ) 
=  .. .. .. .. 
 .. 
 . . . . . 
 
 α (βa · · · α (βam−1 n−1 ) α (βam−1 n ) 
 m−1 1 ) α (βam−1 2 ) 
α (βam 1 ) α (βam 2 ) ··· α (βam n−1 ) α (βam n )
 
βa11 βa12 ··· βa1 n−1 βa1 n
 
 βa21 βa22 ··· βa2 n−1 βa2 n 
 
 
 βa31 βa32 ··· βa3 n−1 βa3 n 
= α .. .. .. .. .. 

 . . . . . 
 
 βa βam−1 2 · · · βam−1 n−1 βam−1 n 
 m−1 1 
βam 1 βam 2 ··· βam n−1 βam n
= α (βA) .

(ii),(iii),(iv) Exercı́cio. 2

5
1.2.3 Multiplicação de duas matrizes
Definição 1.12. Sejam m, n, p ∈ IN e A = [aij ]m×p e B = [bij ]p×n duas matrizes reais. Chama-se
produto de A por B à matriz C = [cij ]m×n onde, para cada i ∈ {1, 2, ..., m} e para cada j ∈ {1, 2, ..., n},
p
X
cij = aik bkj
k=1
= ai1 b1j + ai2 b2j + ... + ai p−1 bp−1 j + aip bpj .

Neste caso, escreve-se C = AB.

 
1 " 2 #
  7 8 9 10
Exemplo 1.14. Sejam A =  
 3 4  e B = 11 12 13 14 . Então,
5 6
 
1 × 7 + 2 × 11 1 × 8 + 2 × 12 1 × 9 + 2 × 13 1 × 10 + 2 × 14
 

AB =  3 × 7 + 4 × 11 3 × 8 + 4 × 12 3 × 9 + 4 × 13 3 × 10 + 4 × 14 

5 × 7 + 6 × 11 5 × 8 + 6 × 12 5 × 9 + 6 × 13 5 × 10 + 6 × 14
 
29 32 35 38
 
=  65 72 79 86  .
 
101 112 123 134

Observe-se que a matriz resultante é uma matriz 3 × 4 (tem o mesmo número de linhas da matriz A e o
mesmo número de colunas da matriz B).

Exemplo 1.15. Considerando as matrizes A e B do exemplo anterior, concluı́mos que BA não está
definido, pois o número de colunas de B não coincide com o número de linhas de A.

Teorema 1.3. Sejam A, B e C matrizes e α, β ∈ IR. Então, sempre que as seguintes operações estejam
definidas, tem-se que:
(i) (AB) C = A (BC) ;
(ii) A (B + C) = AB + AC;
(iii) (A + B) C = AC + BC;
(iv) α (AB) = (αA) B = A (αB) .

2
Observação. Sejam m, n, p ∈ IN. Dadas duas matrizes A, de ordem m × p, e B, de ordem p × n, o
produto AB não é, no geral, igual a BA. De facto, podemos ter 3 situações:
(1) Se m 6= n, como vimos nos Exemplos 1.14 e 1.15, o produto AB está definido e é uma matriz de
ordem m × n, mas o produto BA não está definido.
(2) Se m = n mas m 6= p, estão o produto AB está definido e é de ordem m, mas o produto BA,
embora também definido, é de ordem p, pelo que os produtos não podem ser iguais.
(3) Se m = n = p, os produtos AB e BA estão definidos e são ambos de ordem m, mas não significa
que sejam necessariamente iguais, como ilustramos no próximo exemplo.

6
 " # " # " # " #
1 2 1 2 1 4 5 4
Exemplo 1.16. Sejam A = eB= . Então, AB = 6= = BA.
2 1 0 1 2 5 2 1

Definição 1.13. Sejam n ∈ IN e A e B duas matrizes quadradas de ordem n. Diz-se que as matrizes A
e B são comutáveis se AB = BA.

Teorema 1.4. Sejam m, n ∈ IN e A uma matriz de ordem m × n. Então,

(i) AIn = A;
(ii) Im A = A;
(iii) se m = n, In A = AIn = A.

1.2.4 Inversa de uma matriz quadrada

Definição 1.14. Sejam n ∈ IN e A uma matriz quadrada de ordem n. Se existe uma matriz quadrada X
de ordem n tal que AX = XA = In , diz-se que A é invertı́vel (ou regular ou não singular). Uma matriz
X nestas condições, diz-se inversa de A.

" # " #
1
1 1 2 − 12
Exemplo 1.17. A matriz A = admite X = 1 1
como inversa, pois
−1 1 2 2
" #" #
1
1 1 2 − 21
AX = 1 1
−1 1 2 2
" #
1 1
2 + 2 − 12 + 12
= ¡ ¢
− 12 + 1
2 − − 12 + 1
2
" #
1 0
= = I2
0 1

e XA = I2 (prova-se de modo análogo).

Definição 1.15. Uma matriz quadrada que não admite inversa diz-se uma matriz singular ou não
invertı́vel.

" #
1 1
Exemplo 1.18. A matriz A = é uma matriz singular. Para o provar, suponhamos que
1 1
" #
a b
X= é tal que AX = XA = I2 . Então,
c d
" # " # " #
a+c b+d a+b a+b 1 0
= = ,
a+c b+d c+d c+d 0 1

pelo que 0 = a + c = 1 (contradição).

7
Observação: Será, relativamente ao Exemplo 1.17, a matriz X apresentada a única inversa da matriz
A? Será que, quando uma matriz admite uma matriz inversa, esta última é única?

Teorema 1.5. Sejam n ∈ IN e A uma matriz invertı́vel de ordem n. Então, a inversa de A é única.

Demonstração: Sejam X e Y matrizes inversas de A. Então, AX = XA = In e AY = Y A = In, pelo

que
X = XIn = X (AY ) = (XA) Y = In Y = Y. ¤

2
Notação. Quando existe, a matriz inversa de A é representada por A−1 .

Teorema 1.6. Sejam n ∈ IN e A e B matrizes invertı́veis de ordem n. Então:

¡ ¢−1
(i) A−1 é invertı́vel e A−1 = A;
−1
(ii) AB é invertı́vel e (AB) = B −1 A−1 .

Demonstração: (i) Imediata pela própria definição de matriz invertı́vel.

(ii) Como
¡ ¢ ¡ ¢
(AB) B −1 A−1 = A BB −1 A−1 = AIn A−1 = AA−1 = In

e
¡ −1 −1 ¢ ¡ ¢
B A (AB) = B −1 A−1 A B = B −1 In B = B −1 B = In

temos que a inversa de AB existe e é B −1 A−1 . 2

1.2.5 Transposta de uma matriz

Definição 1.16. Sejam m, n ∈ IN e A = [aij ] ∈ Mm×n . Chama-se transposta de A, e representa-se por
AT , à matriz de ordem n × m B = [bij ] onde, para cada i ∈ {1, 2, ..., n} e j ∈ {1, 2, ..., m}, bij = aji .

 
1 2 " #
  1 3 5
Exemplo 1.19. Se A = 
 3 4  T
, então A = .
2 4 6
5 6

Teorema 1.7. Sejam A e B matrizes reais e α ∈ IR. Então, sempre que as operações seguintes estejam
definidas, tem-se que:
¡ ¢T
(i) AT = A;
T
(ii) (A + B) = AT + B T ;
T
(iii) (αA) = αAT
T
(iv) (AB) = B T AT ;
¡ ¢T ¡ ¢−1
(v) A−1 = AT .

Demonstração: (i), (ii), (iii) Exercı́cio.

(iv) Sejam m, n, p ∈ IN e A = [aij ]m×p e B = [bij ]p×n .
Por um lado, AB = [cij ]m×n onde, para cada i ∈ {1, 2, ..., m} e para cada j ∈ {1, 2, ..., n},

cij = ai1 b1j + ai2 b2j + .... + aip−1 bp−1j + aip bpj .

8
 T
Logo, (AB) = [dij ]n×m onde, para cada i ∈ {1, 2, ..., n} e para cada j ∈ {1, 2, ..., m},

dij = cji = aj1 b1i + aj2 b2i + .... + ajp−1 bp−1i + ajp bpi .

Por outro lado, como AT = [eij ]p×m e B T = [fij ]n×p , onde

eij = aji e fij = bji ,

temos que B T AT = [xij ]n×m onde, para cada i ∈ {1, 2, ..., n} e para cada j ∈ {1, 2, ..., m},

xij = fi1 e1j + fi2 e2j + ... + fip−1 ep−1j + fip epj
= b1i aj1 + b2i aj2 + .... + bp−1i ajp−1 + bpi ajp
= aj1 b1i + aj2 b2i + .... + ajp−1 bp−1i + ajp bpi ,

pelo que
dij = xij , para cada i ∈ {1, 2, ..., n} e para cada j ∈ {1, 2, ..., m}.
T
Logo, (AB) = B T AT .
(v) Pela alı́nea anterior temos que
¡ ¢T ¡ ¢T T
A−1 AT = AA−1 = (In ) = In

e
¡ ¢T ¡ ¢T T
AT A−1 = A−1 A = (In ) = In .
¡ ¢−1 ¡ −1 ¢T
Logo, pela definição de inversa de uma matriz, concluı́mos que AT = A . 2

Definição 1.17. Uma matriz quadrada A diz-se simétrica se A = AT .

 
1 2 3
 
Exemplo 1.20. A matriz A =  
 2 4 5  é uma matriz simétrica.
3 5 6

 
1 0 3
 
Exemplo 1.21. A matriz A =  
 2 4 5  não é uma matriz simétrica.
3 8 6

Teorema 1.8. Seja A uma matriz simétrica e invertı́vel. Então A−1 é uma matriz simétrica.

Demonstração: Se A é uma matriz simétrica, temos que AT = A. Então,

¡ −1 ¢T ¡ T ¢−1
A = A = A−1 ,

pelo que A−1 é uma matriz simétrica. 2

Definição 1.18. Seja N ∈ IN. Uma matriz quadrada A de ordem n diz-se ortogonal se

AAT = AT A = In .

9
Observação. Se A é uma matriz ortogonal, então A é uma matriz invertı́vel e A−1 = AT .
" √ #
1 3
−
Exemplo 1.22. A matriz A = √2 2
é uma matriz ortogonal, pois
3 1
2 2
" √ #" √ # " #
1 3 1 3
T − 1 0
AA = √2 2 2√ 2
= = I2
3 1 3 1
2 2 − 2 2 0 1
e " √ #" √ # " #
1 3 1 3
− 1 0
AT A = 2√ 2 √2 2
= = I2 .
− 23 1
2 2
3 1
2 0 1

Teorema 1.9. Seja A uma matriz ortogonal. Então, A−1 é também uma matriz ortogonal.

Demonstração: Sejam n ∈ IN e A ∈ Mn (IR). Se A é uma matriz ortogonal, temos que

AAT = AT A = In .

Então,
A−1 (A−1 )T = A−1 (AT )−1 = (AT A)−1 = In−1 = In

e
(A−1 )T A−1 = (AT )−1 A−1 = (AAT )−1 = In−1 = In ,

pelo que A−1 é também uma matriz ortogonal. 2

10