Soma de Matrizes Neste caso, a sua inversa é de novo Se 𝐴 é triangular (inferior ou superior)

As matrizes têm o mesmo número de linhas
e de colunas
Propriedades
𝐴+𝐵 =𝐵+𝐴
𝐴 + (𝐵 + 𝐶) = (𝐴 + 𝐵) + 𝐶
0+𝐴= 𝐴
𝐴 + 𝐴′ = 0 → 𝐴′ representa-se por −𝐴
Produto Escalar
O produto da matriz 𝐴 pelo escalar 𝛼 é a
matriz 𝑚×𝑛 𝛼𝐴, cujo elemento na posição
(𝑖, 𝑗) é 𝛼𝑎𝑖𝑗
Propriedades
(𝛼𝛽)𝐴 = 𝛼(𝛽𝐴)
(𝛼 + 𝛽)𝐴 = 𝛼𝐴 + 𝛽𝐴
𝛼(𝐴 + 𝐵) = 𝛼𝐴 + 𝛼𝐵
1×𝐴= 𝐴
Produto Matricial
Para que o produto de duas matrizes seja
possível é necessário que o número de
colunas da primeira (𝑝) seja igual ao
número de linhas da segunda (𝑝)
Posto isto, a matriz resultante do produto
terá o número de linhas da primeira matriz
(𝑚) e o número de colunas da segunda (𝑛)
O produto matricial não é, no geral,
comutativo. E caso seja, nada nos garante
que 𝐴𝐵 seja igual a 𝐵𝐴
A lei do anulamento do produto, no geral,
também não é válida, ou seja, o resultado
de um produto pode ser igual a 0 sem que
uma das matrizes seja nula
Propriedades
(𝐴𝐵)𝐶 = 𝐴(𝐵𝐶)
𝐴(𝐵 + 𝐶) = 𝐴𝐵 + 𝐴𝐶
𝛼(𝐴𝐵) = (𝛼𝐴)𝐵 = 𝐴(𝛼𝐵)
A matriz identidade, 𝐼𝑛 , é o elemento neutro
do produto matricial
Transposição de Matrizes
A matriz transposta terá: o número de
linhas iguais ao número de colunas da
matriz original, e o número de colunas igual
ao número de linhas da matriz original
As linhas da matriz original virarão colunas
na matriz transposta, assim como as
colunas se transformarão em linhas
Uma matriz 𝐴 diz-se simétrica se 𝑨 = 𝑨𝑻
Uma matriz é simétrica se, e só se, for
quadrada e os elementos situados em posições
simétricas relativamente à diagonal principal
forem iguais
Uma matriz 𝐴 diz-se antissimétrica se, e
só se, 𝑨𝑻 = −𝑨
Propriedades
(𝐴𝑇 )𝑇 = 𝐴
(𝐴 + 𝐵)𝑇 = 𝐴𝑇 + 𝐵𝑇
(𝛼𝐴)𝑇 = 𝛼𝐴𝑇
(𝐴𝐵)𝑇 = 𝐵𝑇 𝐴𝑇
triangular inferior (superior) então a 𝑑𝑒𝑡𝐴 é igual ao produto dos
Matrizes Ortogonais elementos diagonais
Matriz quadrada invertível, cuja inversa é 𝑑𝑒𝑡𝐴 = 𝑑𝑒𝑡(𝐴𝑇 )
igual à sua transposta (𝑨𝑨𝑻 = 𝑨𝑻 𝑨 = 𝑰) Se 𝐴 tem uma linha que escreve como a
A inversa de uma matriz ortogonal é soma de múltiplos de outras das suas linhas,
também ela ortogonal então 𝑑𝑒𝑡𝐴=0
O produto de matrizes ortogonais é de novo 𝑑𝑒𝑡(𝐴𝐵) = 𝑑𝑒𝑡𝐴𝑑𝑒𝑡𝐵
uma matriz ortogonal Se 𝐴 é uma matriz invertível, então
1
Matrizes Em Forma De Escada 𝑑𝑒𝑡(𝐴−1 ) =
𝑑𝑒𝑡𝐴
O primeiro termo não nulo numa linha Se 𝑑𝑒𝑡(𝛼𝐴) = 𝛼 𝑛 𝑑𝑒𝑡𝐴
estiver na coluna 𝑗 , a linha seguinte Seja 𝑈 a matriz em forma de escada obtida da
começar, pelo menos, com 𝑗 elementos matriz quadrada 𝐴 por condensação usando
nulos apenas troca de linhas e substituição de uma
As linhas constituídas totalmente por zeros, linha pela sua soma com outra eventualmente
caso estas existam, estejam depois de todas multiplicada por um escalar não nulo. Então
as outras 𝑑𝑒𝑡𝐴 = (−1)𝑟 𝑑𝑒𝑡𝑈 , onde 𝑟 indica o
Nota: número de trocas de linhas no processo de
O primeiro elemento não nulo de uma condensação
linha denomina-se de pivô Nota: (Determinantes e Transformações
Os pivôs têm zeros à sua esquerda e Elementares)
abaixo de si Se 𝐵 é a matriz obtida de 𝐴 multiplicando
uma sua linha, ou coluna, por 𝛼, então:
Transformações Elementares
𝑑𝑒𝑡𝐵 = 𝛼𝑑𝑒𝑡𝐴
Trocar duas linhas (𝐿𝑖 ↔ 𝐿𝑗 )
Se 𝐶 é uma matriz obtida de 𝐴 por troca
Multiplicar uma linha por um escalar não de duas suas linhas, ou colunas, então:
nulo (𝐿𝑖 ← 𝛼𝐿𝑖 ) 𝑑𝑒𝑡𝐶 = −𝑑𝑒𝑡𝐴
Substituir uma linha pela sua soma com Se 𝐷 é uma matriz obtida de 𝐴 substituindo
uma outra linha (𝐿 𝑖 ←𝐿𝑖 + 𝐿𝑗 ) uma sua linha, ou coluna, pela sua soma com
Nota: outra eventualmente multiplicada por um
Normalmente, utilizam-se o 2º e o 3º tipo escalar distinto de zero, então:
simultaneamente 𝑑𝑒𝑡𝐷 = 𝑑𝑒𝑡𝐴
Assim, temos a substituição de uma linha Matriz dos Complementos Algébricos
pela sua soma com uma outra linha Matriz de ordem n, cujo elemento na
eventualmente multiplicada por um escalar posição (𝑖, 𝑗) é o complemento algébrico
não nulo (𝐿 𝑖 ←𝐿𝑖 + 𝛼𝐿𝑗 ) de 𝑎𝑖𝑗
Características de Matrizes Matriz Adjunta
Número de linhas não nulas de qualquer A transposta da matriz dos complementos
matriz em forma de escada equivalente por algébricos, chama-se matriz adjunta de 𝐴 e
linhas a 𝐴 e denotámo-la por 𝑟(𝐴) ou 𝑐(𝐴) é denotada por 𝐴𝑑𝑗(𝐴)
Nota: Teoremas
Matrizes equivalentes por linhas têm a
𝐴𝑑𝑗(𝐴) = (𝑑𝑒𝑡𝐴)𝐼𝑛
mesma característica 1
Se 𝐴 é invertível, então 𝐴−1 = 𝐴𝑑𝑗(𝐴)
Determinantes de Matrizes 𝑑𝑒𝑡𝐴
Sistema de Equações Lineares
Representamos por 𝑑𝑒𝑡𝐴
Se: 𝑎11 𝑥1 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑏1
n = 1, 𝑑𝑒𝑡𝐴 = 𝑎11 { 𝑎21 𝑥1 + ⋯ + 𝑎 𝑥 = 𝑏2
… 2𝑛 𝑛
𝑛 ≠ 1 , 𝒅𝒆𝒕𝑨 = σ𝒂𝒋=𝟏 𝒂𝟏𝒋 (−𝟏)𝟏+𝒋 𝒅𝒆𝒕𝑨(𝟏|𝒋) 𝑎𝑚1 𝑥1 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 = 𝑏𝑛
Casos Especiais para o Cálculo de Este pode ser definido por: 𝐴𝑥 = 𝑏
Determinantes de Matrizes 𝑎11 … 𝑎1𝑛 𝑥1 𝑏1
𝑎21 … 𝑎2𝑛
𝑛 = 2 𝐴=[ … ] , 𝑥 = [𝑥…2 ] , 𝑏 = [ 𝑏…2 ]
…
𝑎𝑚1 … 𝑎𝑚𝑛 𝑥𝑛 𝑏𝑛
𝑛 = 3 Resolução do Sistema
Regra Colocar [𝐴|𝑏] em forma de escada e depois
de
passar a sistema
Sarrus
ou
𝑛
Regra de Cramer
𝑑𝑒𝑡𝐴 = ෍ 𝑎𝑖𝑗 (−1)𝑖+𝑗 𝑑𝑒𝑡𝐴(𝑖|𝑗)
𝑖=1 𝑑𝑒𝑡𝐴(𝑖)
Teorema de Laplace

(𝐴𝑘 )𝑇 = (𝐴𝑇 )𝑘 𝐴𝑖𝑗 corresponde ao 𝑥𝑖 =

Invertibilidade de Matrizes
Uma matriz quadrada 𝐴 de ordem n diz-se
invertível se existir uma matriz 𝐵, quadrada
de ordem n, para a qual 𝐴𝐵 = 𝐵𝐴 = 𝐼𝑛
A matriz inversa representa-se por 𝑨−𝟏
Se 𝐴 e 𝐵 são matrizes invertíveis de ordem n,
então 𝐴𝐵 é invertível e (𝑨𝑩)−𝟏 = 𝑩 −𝟏 𝑨−𝟏
Se A é invertível, então a sua transposta 𝐴𝑇
é também invertível e (𝑨𝑻 )−𝟏 = (𝑨−𝟏 )𝑻
Se A é invertível, então (𝑨−𝟏)−𝟏 = 𝑨
Se uma matriz tiver determinante igual a 0,
então não é invertível
Uma matriz quadrada triangular inferior
(superior) é invertível se, e só se, tem
elementos diagonais não nulos
complemento algébrico do
elemento 𝑎𝑖𝑗
𝐴𝑖𝑗 = (−1)𝑖+𝑗 𝑑𝑒𝑡𝐴(𝑖|𝑗)
Por isso, torna-se benéfico
escolher uma linha, ou coluna,
com bastantes 0 aplicar o
Teorema de Laplace
Teorema que Envolvem os Determinantes
de Matrizes
Se 𝐴 tem uma linha, ou coluna, nula, então
𝑑𝑒𝑡𝐴=0
Se 𝐴 tem duas linhas, ou colunas, iguais,
então 𝑑𝑒𝑡𝐴=0
𝑑𝑒𝑡𝐴
Classificação do Sistema
Sistema Possível Determinado:
Tem uma só solução
𝑟(𝐴) = 𝑟([𝐴|𝑏]) = número de incógnitas
Sistema Possível Indeterminado:
Tem mais do que uma solução
𝑟(𝐴) = 𝑟([𝐴|𝑏]) < número de incógnitas
Sistema Impossível:
Não tem nenhuma solução
𝑟(𝐴) ≠ 𝑟([𝐴|𝑏])
Algoritmo de Eliminação de Gauss
1. Colocar [𝐴|𝑏] em forma de escada
2. Classificar o sistema
3. Resolver, se possível
 Algoritmo de Gauss-Jordan Variações no Valor Próprio
Dá-nos um processo de cálculo da inversa Ângulo Entre Dois Vetores 𝛼𝜆 é valor próprio de 𝛼𝐴
de uma matriz quadrada 𝑥∙𝑦 𝜆 − 𝑝 é valor próprio de 𝐴 − 𝑝𝐼𝑛
𝑐𝑜𝑠𝜃 =
[𝐴|𝐼𝑛 ] → Transformar 𝐴 em 𝐼𝑛 → [𝐼𝑛 |𝐴−1 ] ‖𝑥‖‖𝑦‖ 𝜆𝑘 é valor próprio de 𝐴𝑘
Nota: Distância Euclidiana 𝜆−1 é valor próprio de 𝐴−1
𝑑𝑒𝑡𝐴=0, então a matriz não é invertível 𝑑(𝑥, 𝑦) = ‖𝑥 − 𝑦‖ = 𝜆 é valor próprio de 𝐴 se, e só se, 𝜆 é valor
Formas Quadráticas = √(𝑥1 − 𝑦1)2 + ⋯ + (𝑥𝑛 − 𝑦𝑛 )2 próprio de 𝐴𝑇
Dada uma matriz existe uma única forma Vetor Próprio
Produto Externo
quadrática associada a ela Um vetor próprio de 𝐴 está associado a um
Apenas se calcula em espaços a três
Dada uma forma quadrática, existe um único valor próprio de 𝐴
dimensões (𝐴 − 𝜆𝐼𝑛 )𝑥 = 0
número infinito de matrizes associadas a
𝑥×𝑦=
ela, contudo, só nos interessa a simétrica (𝑨 − 𝝀𝑰𝒏 ) = 𝟎
(𝑥2𝑦3 − 𝑥3𝑦2 , −𝑥1 𝑦3 + 𝑥3𝑦1 , 𝑥1 𝑦2
Descobrir a Forma Quadrática de uma (𝑥, 𝑦, 𝑧) é um vetor próprio associado a 𝜆,
− 𝑥2 𝑦1 ) 𝑥 𝑥
Matriz
𝑛 𝑛 ou se, e só se, 𝐴 [𝑦 ] = 𝜆 [𝑦 ]
𝑒1 𝑒2 𝑒3
𝑄(𝑥) = ෍ ෍ 𝑎𝑖𝑗 𝑥𝑖 𝑥𝑗 = 𝒙𝑻 𝑨𝒙 𝑧 𝑧
𝑥 × 𝑦 = 𝑑𝑒𝑡 [𝑥1 𝑥2 𝑥3] Propriedades das Séries
𝑖=1 𝑗=1 𝑦1 𝑦2 𝑦3
Se σ+∞𝑛=1 𝑢𝑛 é uma série convergente, então
Descobrir a Matriz (simétrica) de uma Sendo que: 𝑒1 = (1,0,0), 𝑒2 = (0,1,0) e
Forma Quadrática 𝑙𝑖𝑚𝑢𝑛 = 0
𝑒3 = (0,0,1)
Somando duas séries convergentes, temos
Os coeficientes dos termos ao quadrado Aplicação do Produto Externo uma série convergente
estão na diagonal principal da matriz 𝐴 Dois vetores 𝑥 e 𝑦 não nulos são paralelos Somando uma série convergente e uma
O coeficiente do termo 𝑥𝑖 𝑥𝑗 é a soma dos se, e só se, 𝑥 × 𝑦 é um vetor nulo série divergente, temos uma série
elementos de 𝐴 nas entradas (𝑖, 𝑗) e (𝑗, 𝑖) A área do paralelogramo definida por dois divergente
Ex: vetores 𝑢 e 𝑣 é dada por ‖𝑢 × 𝑣‖ Somando duas séries divergentes, nada
𝑄(𝑥) = 𝟐𝑥 2 + 𝟑𝑦 2 − 𝟐𝑥𝑦 A área do triângulo definido por três pontos podemos concluir sobre a série
−𝟐 ⃗⃗⃗⃗⃗ ×𝐴𝐶
‖𝐴𝐵 ⃗⃗⃗⃗⃗ ‖
𝟐 não colineares 𝐴, 𝐵 e 𝐶 é dada por Critérios de Convergência para Séries
𝐴=[ 2 ] = [ 2 −1] 2
com Termos Não Negativos
−𝟐 −1 3 Produto Misto
𝟑 Seja σ+∞𝑛=1 𝑢𝑛 uma série de termos não
2 Apenas se calcula em espaços a três
negativos. Então:
Classificação de Formas Quadráticas dimensões
A série σ+∞ 𝑛=1 𝑢𝑛 converge se existe uma
Nota: [𝑥, 𝑦, 𝑧] = 𝑥 ∙ (𝑦 × 𝑧)
série convergente σ+∞ 𝑛=1 𝑣𝑛 tal que, para
Chama-se submatriz principal de A, a ou
𝑥1 𝑥2 𝑥3 todo o 𝑛 ∈ 𝑁, 𝑣𝑛 ≥ 𝑢𝑛
qualquer matriz obtida de A eliminando A série σ+∞
𝑥 × 𝑦 = 𝑑𝑒𝑡 [𝑦1 𝑦2 𝑦3 ] 𝑛=1 𝑢𝑛 diverge se existe uma série
linhas e colunas com os mesmos índices divergente σ+∞
𝑧1 𝑧2 𝑧3 𝑛=1 𝑣𝑛 tal que, para todo o 𝑛 ∈
As matrizes têm de ser simétricas Equação Vetorial da Reta 𝑁, 0 ≤ 𝑣𝑛 ≤ 𝑢𝑛
Definida Positiva: 𝑥 = 𝐴 + 𝑘𝑣, 𝑘 ∈ 𝑅 Série Geométrica de Razão 𝒓:
Se 𝑥 𝑇 𝐴𝑥 > 0, para toda a matriz coluna 𝑥 Sendo 𝐴 um ponto, e 𝑣 um vetor diretor +∞
não nula Equação Paramétrica da Reta ෍ 𝑟 𝑛−1
Se os determinantes de 𝐴1 , 𝐴2 , … , e de 𝐴 𝑥1 = 𝐴1 + 𝑘𝑣1 𝑛=1
forem positivos { … ,𝑘 ∈ 𝑅 (σ+∞
𝑛=1 𝑎𝑟
𝑛−1
= 𝑎 σ+∞
𝑛=1 𝑟
𝑛−1
)
Definida Negativa: 𝑥𝑛 = 𝐴𝑛 + 𝑘𝑣𝑛 Divergente: |𝑟| ≥ 1
Se 𝑥 𝑇 𝐴𝑥 < 0, para toda a matriz coluna 𝑥 Equação Cartesiana da Reta Convergente: |𝑟| < 1
não nula 𝑎𝑥 + 𝑏𝑦 = 𝑑 Converge para
𝑎
Uma 𝐴 é definida negativa se, e só se, a 𝑥1 − 𝐴1 𝑥2 − 𝐴2 1−𝑟
matriz −𝐴 é definida positiva = Série de Riemann
𝑣1 𝑣2 +∞
Se os determinantes das submatrizes ímpares 1
forem negativos e se os determinantes das
Equação Normal da Reta ෍
𝑥1 − 𝐴1 𝑥2 − 𝐴2 𝑥3 − 𝐴3 𝑛𝑝
submatrizes pares forem positivos = = 𝑛=1
Semidefinida Positiva: se 𝑥 𝑇 𝐴𝑥 ≥ 0 , 𝑣1 𝑣2 𝑣3 Divergente: 0 < 𝑝 ≤ 1
para toda a matriz coluna 𝑥 Equação Vetorial do Plano Se 𝑝 = 1 temos uma série harmónica
Se todas as submatrizes principais de A têm 𝑥 = 𝐴 + 𝑘𝑣 + 𝑠𝑢, 𝑘 e 𝑠 ∈ 𝑅 Convergente: 𝑝 > 1
determinantes não negativos Sendo 𝐴 um ponto, e 𝑣 e 𝑢 vetores Série Telescópica ou Série de Mengoli
+∞
Semidefinida Negativa: se 𝑥 𝑇 𝐴𝑥 ≤ 0 , diretores
para toda a matriz coluna 𝑥 Equação Paramétrica do Plano ෍(𝑎𝑛 − 𝑎𝑛+𝑝 )
Se a matriz −𝐴 for semidefinida positiva 𝑥1 = 𝐴1 + 𝑘𝑣1 + 𝑠𝑢1 𝑛=1
Se todas as submatrizes principais de A têm { … ,𝑘 e 𝑠 ∈ 𝑅 (σ+∞ +∞
𝑛=1 𝑏(𝑎𝑛 − 𝑎𝑛+𝑝) = 𝑏 σ𝑛=1(𝑎𝑛 − 𝑎𝑛+𝑝)
determinantes não positivos 𝑥𝑛 = 𝐴𝑛 + 𝑘𝑣𝑛 + 𝑠𝑢𝑛 Convergente: se 𝑎𝑛 convergir, converge
Indefinida: Equação Cartesiana do Plano para 𝑏(𝑎1 + ⋯ + 𝑎𝑝 − 𝑝 ∙ 𝑙𝑖𝑚𝑎𝑛 )
Se não for qualquer uma das anteriores 𝑎𝑥 + 𝑏𝑦 + 𝑐𝑧 = 𝑑
Se dois elementos da diagonal tiverem Em que (𝑎, 𝑏, 𝑐) são as coordenadas de um
sinais contrários vetor normal ao plano
Produto Interno Euclidiano Valor Próprio
𝑥 ∙ 𝑦 = 𝑥1 𝑦1 + 𝑥2𝑦2 + ⋯ + 𝑥𝑛𝑦𝑛 A cada valor próprio de 𝐴 está associada
Propriedades uma infinidade de vetores próprios de 𝐴
𝑥∙𝑦 = 𝑦∙𝑥 𝑑𝑒𝑡(𝐴 − 𝜆𝐼𝑛 ) = 0
(𝛼𝑥 + 𝛽𝑦) ∙ 𝑧 = 𝛼(𝑥 ∙ 𝑧) + 𝛽(𝑦 ∙ 𝑧) 𝑑𝑒𝑡(𝐴 − 𝜆𝐼𝑛 ) é denominado de polinómio
𝑥∙𝑥 ≥ 0 𝑥 ∙ 𝑥 = 0, se 𝑥 = 0 característico
Teorema de Cauchy-Schwarz 𝑑𝑒𝑡(𝐴 − 𝜆𝐼𝑛 ) = 0 é denominado de
|𝑥 ∙ 𝑦| = √𝑥 ∙ 𝑥 √𝑦 ∙ 𝑦 equação característica
Em matrizes triangulares (superiores, ou
Norma Euclidiana inferiores) os valores próprios são iguais
‖𝑥‖ = √𝑥 ∙ 𝑥 aos elementos da diagonal