Introdução ao Estudo de Matrizes

APRESENTAÇÃO

Nesta Unidade de Aprendizagem, abordaremos a definição de matrizes, as operações de adição,

multiplicação por escalar e transposição e conheceremos algumas de suas aplicações no dia a
dia.

Bons estudos.

Ao final desta Unidade de Aprendizagem, você deve apresentar os seguintes aprendizados:

• Definir matriz e seus elementos e relacioná-la com tabelas utilizadas no dia a dia.
• Realizar as operações de adição e produto por escalar.
• Definir matriz transposta e utilizar esse conceito em problemas práticos de adição de
matrizes.

DESAFIO

Uma pequena fábrica de móveis produz roupeiros, mesas e cadeiras que são vendidos em uma
loja na capital. Os móveis são parcialmente produzidos em dois locais distintos: em um local, é
feita a confecção das peças e, em outro, o acabamento. Esse processo acarreta um custo de
transporte, além do custo de produção. Em cada fábrica há um funcionário responsável por fazer
a planilha de custos e encaminhá-la ao gerente da empresa.

Calcule o custo de fabricação total e o custo de transporte total de cada produto. Explique
como você chegou a essa resposta.
 INFOGRÁFICO

Observe no infográfico o conceito de matriz, alguns tipos e como localizamos elementos dentra
dela.
 CONTEÚDO DO LIVRO

Uma matriz é formada por números reais organizados em linhas e colunas. Para compreender
melhor esse conceito e entender como são feitas operações básicas com matrizes, como adição,
operação por escalar e transposição, leia o trecho do livro Álgebra linear, que é base teórica para
esta Unidade de Aprendizagem.

Boa leitura.
 ª

W. Keith Nicholson
University of Calgary

Tradução Técnica

Célia Mendes Carvalho Lopes

Docente da Escola de Engenharia da Universidade Presbiteriana Mackenzie

Leila Maria Vasconcellos Figueiredo

Docente do Instituto de Matemática e Estatística da Universidade de São Paulo

Martha Salerno Monteiro

Docente do Instituto de Matemática e Estatística da Universidade de São Paulo

Versão impressa
desta obra: 2006

2014
CAPÍTULO 1
Equações Lineares
e Matrizes

1.1 MATRIZES

Em matemática e suas aplicações, freqüentemente os números aparecem, de forma natural,

em seqüências retangulares ordenadas. A seguir são apresentados alguns exemplos.

Exemplo 1 As coordenadas de um ponto no plano são geralmente escritas como um par ordenado
(x, y). Aqui, a palavra ordenado indica que a ordem das coordenadas x e y é importante.
Por exemplo, (2, 3) e (3, 2) representam pontos distintos. Analogamente, as coordenadas
de um ponto no espaço são escritas como uma tripla ordenada (x, y, z).

Exemplo 2 O sistema de equações lineares

3x − 5y = 2
4x + 7y = 1
é completamente descrito pela tabela 2 × 3 de números
 
3 −5 2
.
4 7 1

De fato, é dessa forma que o sistema de equações é representado em um computador.

Voltaremos a esse tópico na Seção 1.2.

Exemplo 3 Dados estatísticos são, com freqüência, dispostos em tabelas. Por exemplo, o número de
estudantes do sexo masculino, feminino, de graduação e de pós-graduação de uma pequena
faculdade é dado na seguinte tabela:
pós-graduação graduação
sexo feminino 3.013 256
sexo masculino 3.155 511

Tal tabela dá uma descrição gráfica clara dos dados, além de ter outros usos, conforme
veremos.

Exemplo 4 Grafos dirigidos, como o mostrado à direita na página 2, aparecem freqüentemente

em cronogramas de grandes projetos. Eles são descritos pela tabela de adjacências
em que colocamos o número 1 (ou 0) na linha vi e coluna vj para indicar uma seta
(ou, respectivamente, nenhuma) do vértice vi para o vértice vj. Por exemplo, os vértices
poderiam representar cidades e as setas, os vôos disponíveis. Eliminando-se as pontas
das setas e permitindo-se mais de um segmento entre dois vértices, obtém-se um
modelo para ligações químicas.
2 CAPÍTULO 1 Equações Lineares e Matrizes

v1 v2 v3 v4 v1 v2
v1 0 1 1 1
v2 0 0 1 1
v3 0 1 0 0 v3 v4
v4 0 0 0 0

1.1.1 Matrizes
Motivado por exemplos como esses, uma tabela retangular de números é chamada
uma matriz,1 e os números na matriz são chamados elementos2 da matriz. Matrizes são
geralmente denotadas por letras maiúsculas A, B, C etc.

Exemplo 5 As seguintes tabelas são matrizes: ⎡ ⎤ ⎡ ⎤

  2 3 1 −1
1 0 −3   ⎢ ⎥ ⎢ ⎥
A= B= 2 −5 C= ⎢ 0⎥
⎣ ⎦ D= ⎢ 2
⎣ 0 5⎥
⎦
5 3 8
−3 −2 −2 1

Matrizes aparecem em várias formas (retangulares), dependendo do número de linhas

e colunas. Por exemplo, a matriz A do Exemplo 5 tem 2 linhas e 3 colunas. Em geral, uma
matriz com m linhas e n colunas é dita uma matriz m × n; também se pode dizer que a
matriz tem tamanho m × n. Assim sendo, as matrizes A, B, C, e D do Exemplo 5 têm
tamanhos 2 × 3, 1 × 2, 3 × 1, e 3 × 3, respectivamente. Não surpreendentemente, uma
matriz de tamanho 1 × n é denominada matriz linha ou uma n-linha, e uma de tamanho
m × 1 é chamada matriz coluna ou uma m-coluna. Uma matriz cujo número de linhas é
igual ao número de colunas é chamada matriz quadrada. Dessa forma, cada matriz
quadrada tem tamanho n × n para algum n.
Cada elemento de uma matriz é localizado pela linha e coluna em que se encontra.
As linhas de uma matriz são numeradas de cima para baixo e as colunas são numeradas
da esquerda para a direita. O elemento que está na linha i e coluna j é chamado elemento
(i, j) da matriz. Por exemplo:
 
1 0 −3
O elemento (1, 2) da matriz é 0 e o elemento (2, 3) é 8.
5 3 8

Uma notação especial foi criada para os elementos de uma matriz A. Se A tem tamanho
m × n, e se o elemento (i, j) de A for denotado por aij, então A é escrita da seguinte maneira:
⎡ ⎤
a11 a12 a13 ··· a1n
⎢ ⎥
⎢a ··· a2n ⎥
⎢ 21 a22 a23 ⎥
A= ⎢
⎢ ·· ·· ·· ··
⎥.
·· ⎥
⎣ · · · · · ⎦
am1 am2 am3 ··· amn

Geralmente isso é escrito simplesmente como A = [aij] e aij denota o elemento que está na
linha i e coluna j. Por exemplo, usando essa notação, uma matriz 2 × 3 genérica é escrita como
 
a11 a12 a13
A= .
a21 a22 a23

Observe que, como em pares ordenados, duas matrizes A e B são iguais (escrevemos A = B)
se elas tiverem o mesmo número de linhas e de colunas e se os elementos correspondentes
forem iguais. Mais precisamente:

1 Embora o termo matriz tenha sido usado pela primeira vez em 1848 por James Sylvester (1814–1897), foi Arthur Cayley
(1821–1895) quem primeiro considerou matrizes como conceito especial, em um artigo de 1858 intitulado “Uma memória
sobre a teoria de matrizes”.
2 Definições de termos novos aparecerão em negrito por todo o texto.
 1.1 Matrizes 3
⎧
⎨ 1. AA eand B have
B têm the same
o mesmo size
tamanho
A=B se, e somente se, ⎩ 2. Os elementos correspondentes
Corresponding entries are equalsão iguais
Se A = [aij] e B = [bij] têm ambas tamanho m × n, a afirmação feita pode ser reescrita
na forma
[aij] = [bij] se, e somente se, aij = bij para todo i e todo j.

     
1 −3 0 1 −3 x y
Exemplo 6 Dados A = ,B= ,C= , discuta a possibilidade de ser ter A = B,
2 5 0 2 5 z w
A = C, ou B = C.
SOLUÇÃO É impossível que se tenha A = B porque A e B têm tamanhos diferentes: A é uma matriz 2 × 3
enquanto B é 2 × 2. Assim, A e B não são iguais (escrevemos, A ≠ B). Analogamente, A ≠ C.
Entretanto, é possível que ocorra B = C, se os elementos correspondentes forem iguais:
   
1 −3 x y
= pode ocorrer somente se x = 1, y = −3, z = 2 e w = 5.
2 5 z w

1.1.2 Adição de Matrizes

A adição de matrizes é feita de modo muito parecido com a adição de números.
Os exemplos a seguir mostram como isso ocorre na prática.

Exemplo 7 O imposto anual sobre os rendimentos da Empresa 1 (em milhões) é composto de $ 175
milhões de imposto corporativo, $ 35 milhoões de imposto sobre a renda e $ 17 milhões em
imposto sobre as vendas. Esses dados estão resumidos na matriz de impostos sobre os
rendimentos
T1 = [175 35 17].
Analogamente, a Empresa 2 tem matriz dos impostos igual a
T2 = [190 41 22].
A matriz dos impostos de ambas as empresas juntas é, então,
T = [175 + 190 35 + 41 17 + 22] = [365 76 39].
Essa nova matriz é obtida somando-se os elementos correspondentes de T1 e T2.

Em geral, se A e B são duas matrizes de mesmo tamanho, sua soma A + B é definida

como a matriz do mesmo tamanho de ambas, cujos elementos são as somas dos elementos
correspondentes de A e de B. Se A = [aij] e B = [bij] , então
[aij] + [bij] = [aij + bij].
Analogamente, a diferença A − B entre A e B é obtida pela subtração dos elementos
correspondentes:
[aij] − [bij] = [aij − bij].
Como na aritmética, A − B é o resultado obtido ao se subtrair B de A. Observe que a adição
e a subtração não são definidas para matrizes de tamanhos diferentes. De fato, adotamos a
seguinte convenção:
Quando escrevemos A + B ou A − B, fica subentendido que A e B têm o mesmo tamanho.
Usaremos essa convenção sem comentários ao longo do livro.
   
2 −1 7 4 6 −2
Exemplo 8 Se A = eB = , então
−3 5 0 8 1 9
⎡ ⎤ ⎡ ⎤
2+4 −1 + 6 7−2 6 5 5
A+B= ⎣ ⎦ = ⎣ ⎦
−3 + 8 5+1 0+9 5 6 9
⎡ ⎤ ⎡ ⎤
2−4 −1 − 6 7 − (−2) −2 −7 9
A−B= ⎣ ⎦= ⎣ ⎦
−3 − 8 5−1 0−9 −11 4 −9
4 CAPÍTULO 1 Equações Lineares e Matrizes

Muitas propriedades gerais da adição numérica também valem para a adição de matrizes.
Se A, B e C são matrizes do mesmo tamanho, então:
A+B=B+A (Propriedade Comuttiva)
A + (B + C) = (A + B) + C (Propriedade Associativa)
De fato, se A = [aij], então B = [bij], então os elementos (i, j) de A + B e de B + A são,
respectivamente, aij + bij e bij + aij. Como para cada i e j essas somas são iguais, temos:
A + B = [aij + bij] = [bij + aij] = B + A.
Isso demonstra a propriedade comutativa. A propriedade associativa é verificada de modo
análogo.
A matriz m × n cujos elementos são todos iguais a zero é chamada matriz nula desse
tamanho, e é denotada por 0 (ou 0mn se for necessário indicar o tamanho).3 É claro que
0 + A = A para toda matriz A de tamanho m × n .
A oposta da matriz A de tamanho m × n (denotada por –A) é a matriz m × n obtida
tomando-se os opostos de cada elemento de A. Se A = [aij] podemos escrever
−[aij] = [−aij].
Em outras palavras, o elemento (i, j) de –A é −aij. Como a adição de matrizes é feita
componente a componente, temos:
A + (−A) = 0 para toda matriz A de tamanho m × n ,
em que 0 denota a matriz nula de tamanho m × n . O teorema a seguir junta essas quatro
propriedades básicas da adição de matrizes para referência posterior.

T EOREMA 1 Se A, B, e C denotam matrizes m × n arbitrárias, então:

(1) A + B = B + A.
(2) A + (B + C) = (A + B) + C.
(3) 0 + A = A em que 0 denota a matriz nula de tamanho m × n .
(4) A + (−A) = 0.

   
3 1 1 −2
Exemplo 9 Se A = eB = , encontre uma matriz X tal que X + B = A.
6 4 0 4

Para resolver uma equação numérica x + b = a, simplesmente subtraímos b de ambos os

lados da equação obtendo x = a − b. Analogamente, a equação matricial X + B = A leva a
   
3−1 1 − (−2) 2 3
X =A−B= = .
6−0 4−4 6 0
Você pode verificar que a matriz X realmente satisfaz a equação original X + B = A.

As propriedades apresentadas no Teorema 1 têm muitas conseqüências úteis. Por

exemplo, a propriedade (2) afirma que a soma A + (B + C) = (A + B) + C é a mesma,
independentemente de como é feita. Por isso, pode ser escrita simplesmente como
A + B + C. Analogamente, a soma A + B + C + D independe de como é feita. Por exemplo, é
igual a (A + B) + (C + D) e a A + [B + (C + D)]. Além disso, a propriedade (1) do Teorema
1 garante que, por exemplo, B + D + A + C = A + B + C + D. Em outras palavras, a ordem
na qual essas quatro matrizes são somadas não importa. Observações análogas se aplicam a
cinco ou mais matrizes.

3 O mesmo símbolo 0 é comumente usado para uma matriz nula e para o número 0. Na prática, isso causa muito pouca confusão já
que o significado quase sempre fica claro pelo contexto.
 1.1 Matrizes 5

1.1.3 Multiplicação de Matriz por Escalar

Exemplo 10 Suponha (como no Exemplo 7) que uma empresa tem uma matriz de impostos sobre
os rendimentos igual a T = [350 65 40]que nos informa que o imposto anual sobre
os rendimentos da empresa é composto por $ 350 milhões de imposto corporativo, $ 65
milhões de imposto sobre a renda e $ 40 milhões de imposto sobre as vendas.
Se o governo decidisse aumentar todos os tipos de imposto em 50%, a nova matriz
de impostos sobre rendimentos passaria a ser
 
T1 = 32 · 350 32 · 65 32 · 40 = [525 97.5
97,5 60].
Essa nova matriz é calculada a partir de T multiplicando-se cada elemento por 32 .

Em geral, se A é uma matriz e c é um número, o produto de matriz por escalar4 é a

matriz cA obtida pela multiplicação de cada elemento de A pelo número c. Se A = [aij], então
cA = [caij],
ou seja, o elemento (i, j) de cA é c aij. Observe que a matriz cA tem o mesmo tamanho que a
matriz A.
   
1 0 −3 5 −6 1
Exemplo 11 Se A = eB = , temos
2 7 3 8 8 9
  ⎡ ⎤
3 0 −9
5
−3 1

3A = 1
=
2 2
, B ⎣ ⎦, e
6 21 9 2 9
4 4 2
     
5 0 −15 10 −12 2 −5 12 −17
5A − 2B = − = .
10 35 15 16 16 18 −6 19 −3

Se A é uma matriz qualquer, os seguintes fatos são claros:

1A = A e (−1)A = −A.
Além disso, para todo escalar c e toda matriz A, temos:
c0 = 0 e 0A = 0.
Observe que o símbolo 0 desempenha dois papéis na equação 0A = 0. Ele representa o
número 0 no lado esquerdo da igualdade e representa a matriz nula no lado direito. Essa
ambigüidade é inofensiva já que é sempre claro pelo contexto qual o significado correto.

Há quatro propriedades básicas da multiplicação de matriz por escalar, que registramos

para referência.

T EOREMA 2 Sejam A e B matrizes e sejam c e d números. Então:

(1) c(A + B) = cA + cB.
(2) (c + d)A = cA + dA.
(3) c(dA) = (cd)A.
(4) 1A = A.

DEMONSTRAÇÃO Já tínhamos mencionado a propriedade (4). Para verificar a validade de (1), escreva A = [aij]
e B = [bij]. Então A + B = [aij + bij] como antes, e o elemento (i, j) da matriz c(A + B) é
c(aij + bij) = caij + cbij.
Mas caij e cbij são os elementos (i, j) de cA e cB, respectivamente. Logo, caij + cbij é o
elemento (i, j) de cA + cB, provando (1). As verificações de (2) e (3) são análogas, e deixadas
como exercícios.

4 Em álgebra linear, números são freqüentemente chamados escalares; daí o nome.

6 CAPÍTULO 1 Equações Lineares e Matrizes

As propriedades (1) e (2) no Teorema 2 são chamadas propriedades distributivas. Elas se

estendem a somas de mais de duas matrizes. Por exemplo,
c(A + B + C) = cA + cB + cC,
(c + d + e)A = cA + dA + eA.
Expressões análogas valem para mais de duas parcelas. Esses fatos, juntamente com as
propriedades no Teorema 1, nos permitem simplificar expressões matriciais, somando
termos semelhantes, expandindo e colocando em evidência fatores comuns, exatamente da
mesma forma que expressões algébricas são simplificadas. Eis alguns exemplos.

Exemplo 12 Simplifique a expressão matricial 3(8A − 5B) + 4(4B − 6A).

SOLUÇÃO O procedimento é o mesmo como se A e B fossem números:

3(8A − 5B) + 4(4B − 6A) = 24A − 15B + 16B − 24A = B.
Assim, a expressão simplifica bastante.

    
1 0
Exemplo 13 Encontre A sabendo que 1
5
4A − = − 2A.
−2 5

SOLUÇÃO Ao multiplicarmos ambos os lados da expressão por 5, obtemos:

⎡ ⎤ ⎧⎡ ⎤ ⎫
1 ⎨ 0 ⎬
4A − ⎣ ⎦ = 5⎩⎣ ⎦ − 2A⎭
−2 5
⎡ ⎤ ⎡ ⎤
1 0
4A − ⎣ ⎦ = ⎣ ⎦ − 10A.
−2 25
     
1 0 1
A soma de 10A a ambos os lados fornece 14A − = ; em seguida, a soma de a
−2 25 −2
ambos os lados dá
     
0 1 1
14A = + = .
25 −2 23
  ⎡ ⎤
1
1
Finalmente, a divisão por 14 resulta em A = 1
14 23
= ⎣ 14
23
⎦.
14

Já observamos que o produto de matriz por escalar cA é a matriz nula se ou c = 0

é o número zero ou A = 0 é a matriz nula. O próximo resultado útil mostra que a
recíproca é verdadeira.

T EOREMA 3 Se cA = 0, então ou c = 0 ou A = 0.

DEMONSTRAÇÃO Se c = 0, não há o que demonstrar; se c ≠ 0, devemos mostrar que A = 0. Escreva A = [aij]

onde aij denota o elemento (i, j) da matriz A. Como cA = 0, temos c aij = 0 para cada i e
cada j (c aij é o elemento (i, j) de cA). Como c ≠ 0, temos aij = 0 para cada i e j, ou seja,
A = 0.

1.1.4 A Transposta de uma Matriz

Escrever matrizes coluna é complicado e ocupa espaço. A idéia da transposta de uma matriz
ajuda nesse problema por transformar colunas em linhas (há também muitos outros usos
como veremos adiante). Antes de dar a definição, vamos discutir uma outra noção
importante.
Se A = [aij] é uma matriz m × n , a diagonal principal de A consiste dos elementos
a11, a22, a33, · · · .
 1.1 Matrizes 7

Assim sendo, os elementos da diagonal estão sobre a linha diagonal que começa no canto
superior esquerdo de A. Por exemplo, em cada uma das matrizes a seguir, a diagonal
principal é formada pelos elementos a e b: ⎡ ⎤
    a x
a x a x p ⎢ ⎥
⎢y b⎥
⎣ ⎦
y b y b q
r s

Observe que a diagonal principal de uma matriz quadrada se estende do canto superior
esquerdo até o canto inferior direito.

Vamos agora definir, de modo informal, a transposta de uma matriz A de tamanho m × n

como sendo a matriz AT , de tamanho n × m , obtida quando A é “refletida” sobre sua
diagonal principal.

Exemplo 14 Encontre a transposta de cada uma das seguintes matrizes:

     
3 0 −1   1 6 9
A= , B= , C= 5 −2 3 , D= .
5 2 11 3 2 7
⎡ ⎤ ⎡ ⎤
  5 1 3
  0 2 ⎢ ⎥ ⎢ ⎥
SOLUÇÃO AT = 3 5 , BT = , CT = ⎢ −2 ⎥,
⎣ ⎦ DT = ⎢ 6 2 ⎥.
⎣ ⎦
−1 11
3 9 7

Claramente a transposta de qualquer matriz-linha é uma matriz coluna e a transposta de

uma matriz coluna qualquer é uma matriz-linha. Isso permite uma nova maneira de pensar
na transposta de uma matriz A:
As colunas de AT são exatamente as transpostas das linhas de A, na mesma ordem.
As linhas de AT são exatamente as transpostas das colunas de A, na mesma ordem.
Esse fato é ilustrado pelas matrizes do Exemplo 14, e leva a uma descrição mais formal de
AT :
Se A = [aij], então AT = [bij] onde bij = aji para todo i e j.
O teorema a seguir agrega quatro propriedades básicas da transposição que serão usadas
repetidamente e sem comentários.

T EOREMA 4 Sejam A e B matrizes do mesmo tamanho e seja c um escalar.

(1) Se A for uma matriz m × n , então AT é uma matriz n × m .
(2) (AT )T = A.
(3) (cA)T = c AT .
(4) (A + B)T = AT + BT .

DEMONSTRAÇÃO (1) é parte da definição de AT , e (2) é verdadeira porque (AT )T é o resultado de “refletir”
duas vezes, o que faz retornar a A. Analogamente, (cA)T é o resultado obtido ao multiplicar
de cada elemento de A por c e depois refletir, que é o mesmo que o resultado de primeiro
refletir A e depois multiplicar por c.
Mesmo podendo demonstrar (4) do mesmo modo que anteriormente, usaremos agora a
definição formal. Escreva A = [aij] e B = [bij], de modo que AT = [aji] e BT = [bji] são
obtidos pela troca de i por j em cada posição. Como A + B = [aij + bij], tem-se
(A + B)T = [aji + bji] = [aji] + [bji] = AT + BT .
Isso é o que queríamos.
 Encerra aqui o trecho do livro disponibilizado para
esta Unidade de Aprendizagem. Na Biblioteca Virtual
da Instituição, você encontra a obra na íntegra.
 DICA DO PROFESSOR

No vídeo a seguir, desenvolvemos o conceito de matriz e suas convenções, bem como

exemplificamos suas operações básicas para ajudá-lo na compreensão dos estudos desta
Unidade de Aprendizagem.

Conteúdo interativo disponível na plataforma de ensino!

EXERCÍCIOS

1) Uma loja vende bicicletas de corrida e mountain bikes. O gerente tem as seguintes
tabelas de dados disponíveis, a primeira dando o número de bicicletas vendidas de
cada tipo para cada trimestre de 1998 e a segunda, para cada trimestre de 1999:

A operação com matriz que produz o resultado total de vendas nesses dois anos
juntos por tipo de bicicleta e por trimestre é a _____________ e o resultado é a matriz
____________________.
 Marque a alternativa que preenche os espaços.

A) Multiplicação por escalar e

B) Transposição e

C) Adição e

D) Adição e

E) Multiplicação por escalar e

2) Se A é uma matriz m x n, então m representa o número de ____________________ e

n representa o número de ______________________ . Como requisito, para que se
 possa somar duas matrizes A e B é necessário que elas possuam
______________________________. Marque a alternativa que preenche os espaços
acima.

A) linhas de A; colunas de A; o mesmo número de colunas.

B) linhas de A; colunas de A; o mesmo número de linhas.

C) linhas de A; colunas de A; a mesma ordem.

D) colunas de A; linhas de A; a mesma ordem.

E) colunas de A; linhas de A; o mesmo número de linhas.

3) Uma matriz A é igual a sua transposta quando:

A) A for simétrica.

B) A for quadrada.

C) A for uma matriz linha.

D) A for uma matriz coluna.

E) A for uma matriz nula.

4) Encontre a matriz A, sabendo que:

A)

B)

C)

D)

E)

5) Sejam três matrizes: A, B e C de mesma ordem. Se A e B são matrizes diagonais e C é

uma matriz simétrica não nula, marque a alternativa que NÃO contém matrizes
diagonais.
A) A + B.

B) 2A.

C) A + 2B.

D) A + C.

E) A transposta.

NA PRÁTICA

O conceito de matriz e suas propriedades são a base para o desenvolvimento da álgebra linear e
nos ajudam na organização de nosso pensamento na resolução de diversos problemas
matemáticos. Um exemplo é a programação de computador.
 SAIBA MAIS

Para ampliar o seu conhecimento a respeito desse assunto, veja abaixo as sugestões do
professor:

Álgebra linear contemporânea

Continue seus estudos sobre matrizes utilizando a obra a seguir como leitura complementar.

Matrizes - Multiplicação de matrizes passo a passo!

Acompanhe um passo a passo da multiplicação de matrizes com o vídeo a seguir.

Conteúdo interativo disponível na plataforma de ensino!

Matrizes transpostas e simétricas

Reforce o conceito de matrizes transpostas e simétricas assistindo a este vídeo.

Conteúdo interativo disponível na plataforma de ensino!

Operações de soma, subtração, igualdade de matrizes

Entenda melhor como são feitas as operações de soma, subtração e igualdade de matrizes com
este vídeo.

Conteúdo interativo disponível na plataforma de ensino!

Matrizes - Lei de formação

Para conhecer mais sobre o que é e como funciona a Lei de Formação de matrizes, assista ao
vídeo a seguir.

Conteúdo interativo disponível na plataforma de ensino!

Classificações e tipos de matrizes

Acompanhe o vídeo a seguir para reforçar os conceitos de classificações de matrizes.

Conteúdo interativo disponível na plataforma de ensino!