3.

Matrizes e Sistemas de Equações Lineares

3.1. Conceito Elementar de Matriz

Definição 1 Sejam m e n dois números naturais. Uma matriz real m × n

é um conjunto de mn números reais distribuı́dos por m linhas e n colunas do
seguinte modo:
 
a11 a12 ... a1j ... a1n
 

 a21 a22 ... a2j ... a2n 
 
 ... ... ... ... ... ... 
A= 

 ai1 ai2 ... aij ... ain 
 

 ... ... ... ... ... ... 

am1 am2 ... amj ... amn

onde aij ∈ IR para todo o i ∈ {1, 2, ..., m} e para todo o j ∈ {1, 2, ..., n} . Dizemos
neste caso, que a matriz tem ordem ou dimensão m × n . Cada número que
compõe a matriz chama-se termo, elemento ou coeficiente da matriz.

Notação: Abreviadamente podemos representar a matriz pelo sı́mbolo

A = [aij ] 1≤i≤m
.
1≤j≤n

Neste caso, o sı́mbolo aij é chamado termo geral da matriz. Cada elemento
da matriz é afectado de dois ı́ndices, o ı́ndice de linha que nos indica a linha
a que o elemento pertence e o ı́ndice de coluna que indica a coluna a que ele
pertence:

aij : i → ı́ndice de linha; j → ı́ndice de coluna

2
  
1
3 2
 
Exemplo 1: A =  0 5  é uma matriz de dimensão 3 × 2
 √ 
−1 2

√
a11 = 12 , a12 = 3, a21 = 0, a22 = 5, a31 = −1 e a32 = 2.

Definição 2 A toda a matriz m × 1, ou seja, a toda a matriz com m linhas e

1 coluna chamamos matriz coluna e a toda a matriz 1 × n , ou seja, a toda a
matriz com 1 linha e n colunas chamamos matriz linha.
 
b11
 

 b21 
 
 ... 
Uma matriz coluna é da forma B =  

 bi1 
 

 ... 

bm1
h i
Uma matriz linha é do tipo A = a11 a12 ... a1j ... a1n .

3.2. Matrizes Especiais

Definição 3 Chama-se matriz nula m × n a toda a matriz m × n com os

elementos todos iguais a zero.
Chama-se matriz quadrada de ordem n a uma matriz n × n, ou seja, a uma
matriz com n linhas e n colunas.

Definição 4 Seja A = [aij ] uma matriz quadrada de ordem n. Os elementos

a11 , a22 , ..., ann constituem a diagonal principal de A e os elementos an1 ,
a(n−1)2 , ..., a1n constituem a diagonal não principal ou diagonal secundária
de A.

3
  
3 4 −1
 
Exemplo 2: A = 
 −1 1 2 , matriz quadrada de ordem 3.

0 1 −5

Diagonal principal é constituı́da pelos elementos 3, 1 e -5.

Diagonal secundária é constituı́da pelos elementos -1, 1, 0.

Definição 5 Uma matriz quadrada em que os elementos situados fora da di-

agonal principal são todos iguais a zero chama-se matriz diagonal, isto é,
A = [aij ] 1≤i≤n
é uma matriz diagonal sse aij = 0 para todos os i, j ∈ {1, 2, ..., n}
1≤j≤n
tais que i 6= j.

Uma matriz quadrada diz-se triangular superior se todos os elementos situ-

ados abaixo da diagonal principal são iguais a zero, isto é, A = [aij ] é uma matriz
triangular superior sse aij = 0 para i > j.

Uma matriz quadrada diz-se triangular inferior se todos os elementos situ-

ados acima da diagonal principal são iguais a zero, isto é, que A = [aij ] é uma
matriz triangular inferior sse aij = 0 para i < j .

Exemplo 3:
" #
1 0
• D= é uma matriz diagonal.
0 −2

 
1 −1 0
 
• M =
 0 2 0  não é uma matriz diagonal pois a12 6= 0.

0 0 3

4
  
1 −2 3
 
• A=
 0 1 −2  é uma matriz triangular superior.

0 0 5

" #
2 0
• B= é uma matriz triangular inferior.
−1 3

Definição 6 À matriz diagonal de ordem n cujos elementos da diagonal prin-

cipal são todos iguais a um, chama-se matriz identidade de ordem n e denota-se
habitualmente por In .
 
1 0 ... 0
 
 0 1 ... 0 
In =  
 ... ... ... ... 
 
0 0 ... 1

 
  1 0 0 0
" # 1 0 0  
1 0   0 1 0 0
Exemplo 4: I2 = I3 =  0 1 0  I4 =  
0 1 0 0 1 0
   
0 0 1
0 0 0 1

Definição 7 Seja A uma matriz m × n. Chama-se transposta de A, e

denota-se por AT , à matriz n × m cujas linhas coincidem com as colunas de A.
Sendo A = [aij ] 1≤i≤m
, temos
1≤j≤n
 
a11 a21 ... ai1 ... am1
 

 a12 a22 ... ai2 ... am2 

 
 ... ... ... ... ... ... 
AT =  

 a1j a2j ... aij ... amj 

 

 ... ... ... ... ... ... 

a1n a2n ... ain ... amn

5
 T
Propriedade da Matriz Transposta: AT = (AT )T = A.

Exemplo 5:  
" # 1 3
1 −1 4  
•A= =⇒ AT =  −1 0 
3 0 2  
4 2
 
a11
 

 a12 

 
h i  ... 
•A= a11 a12 ... a1j ... a1n =⇒ AT =  
a1j 
 

 

 ... 

a1n
• (In)T = In

Definição 8 A matriz A diz-se simétrica se coincide com a sua transposta,

isto é, A = AT .

 
1 2 3
 
Exemplo 6: A =  2 7 −1  = AT =⇒ A é simétrica.
 
3 −1 0

Definição 9 A matriz A diz-se anti-simétrica sse A = −AT

Exemplo 7:
   
0 −2 −3 0 2 3
    T
A=2 0 1 
 = −  −2 0 −1  = −A ⇒ A anti-simétrica.
 
3 −1 0 −3 1 0

6
 3.3. Operações com Matrizes: Propriedades.

3.3.1. Adição de Matrizes

Denotemos por Mm×n (IR) o conjunto de todas as matrizes reais de dimensão

m × n.

Definição 10 Sejam A = [aij ] e B = [bij ] duas matrizes de Mm×n (IR).

Chama-se soma de A com B à matriz C = [cij ] de Mm×n(IR), cujo termo
geral é cij = aij + bij , i = 1, 2, ..., m e j = 1, 2, ..., n.
Isto é,
 
a11 + b11 a12 + b12 ... a1n + b1n
 
 a21 + b21 a22 + b22 ... a2n + b2n 
C = A + B = [aij + bij ] =  

 ... ... ... ... 

am1 + bm1 am2 + bm2 ... amn + bmn

Exemplo 8:
" # " #
7 3 −2 −2 0 −1
8.1 A + B = + =
−5 0 1 2 −3 −4

" # " #
7 + (−2) 3+0 −2 + (−1) 5 3 −3
= =
−5 + 2 0 + (−3) 1 + (−4) −3 −3 −3

" #
2 3 h i
8.2. Sendo A = eB= 4 2 1 não podemos obter
−1 0

A + B porque as matrizes não têm a mesma dimensão.

7
Propriedades da Adição de Matrizes: Sejam A, B e C ∈ Mm×n(IR). Então:

• A + B = B + A (comutatividade).

• (A + B) + C = A + (B + C) (associatividade).

• ∃′ O ∈ Mm×n (IR) tal que A + O = O + A = A (existência de um elemento

neutro).

• ∃′ A′ ∈ Mm×n (IR) tal que A + A′ = A′ + A = O (existência de um simétrico).

• (A + B)T = AT + B T .

Nota: A matriz A′ cuja existência está garantida na 4a propriedade chama-se

matriz simétrica de A e denota-se habitualmente por −A.

3.3.2. Multiplicação de uma Matriz por um Escalar

Definição 11 Dada uma matriz A ∈ Mm×n(IR) e um escalar α ∈ IR, chamamos

produto da matriz A pelo escalar α à matriz B = αA ∈ Mm×n (IR) cujo
termo geral é definido por bij = αaij .

" # " #
1 −3
Exemplo 9: A = e α = −3 =⇒ αA = −3A .
−1 3

Propriedades da Multiplicação Escalar:

Sejam A, B ∈ Mm×n (IR) e α, β ∈ IR . Então

• (α + β)A = αA + βA.

• α(A + B) = αA + αB.

• (αβ)A = α(βA).

8
 " # " #
1 2 0 2 3 4
Exemplo 10: A = eB=
−1 3 −4 −1 0 −2
" # " #
1 1 1 1 −1 −1 −4 − 13 − 13 − 43
A − B = (A − B) = =
3 3 3 3 0 3 −2 0 1 − 23

" # " #
−1 0 −2 0
Exercı́cio 1: Considere as matrizes A = ,B= .
2 −3 4 −6

Sem efectuar cálculos, mostre que 3(2A + 2B)T = 6(AT + B T ).

3.3.3. Multiplicação de matrizes

Definição 12 Sejam A = [aij ] uma matriz m × n e B = [bjr ] uma matriz

n × p. O produto de A por B (por esta ordem) é a matriz m × p cujo termo
geral cir obtém-se somando os produtos dos elementos da linha i da matriz A pelos
elementos coluna r da matriz B, isto é,
 
b1r
i  n
h  b2r  X
cir = ai1 ai2 ... ain 
 = ai1b1r + ai2b2r + ... + ain bnr =
 aik bkr .
 ...  k=1
bnr

Consequentemente
 n
X n
X n
X

 a1k bk1 a1k bk2 ... a1k bkp 
 k=1 k=1 k=1 
 n n n 
 X X X 
 a2k bk1 a2k bk2 ... a2k bkp 
AB =  k=1
 
 k=1 k=1 


 ... ... ... ... 

X n Xn Xn 
amk bk1 amk bk2 ... amk bkp
 
k=1 k=1 k=1

9
 Nota: Da definição resulta que só se podem multiplicar matrizes quando o
número de colunas da matriz da esquerda for igual ao número de linhas da matriz
da direita.

Exemplo 11: Calcule, quando possı́vel, o produto A × B

" # " # " # " #
2 0 1 2×1+0×3 2
a) A = eB= ⇒ AB = = .
1 1 3 1×1+1×3 4

" # " #
h i 3 0 0×3+2×1
b) A = 0 2 eB= ⇒ AB = =
1 1 0×0+2×1

h i
= 2 2 .

 
" # 7 0 4
3 1 4  
c) A = eB= 4 3 5 
6 0 5  
2×3 −1 5 6
3×3

 
" # 7 0 4
3 1 4  
AB = ×
 4 3 5
 =
6 0 5
2×3 −1 5 6
3×3

 
3 × 7 + 1 × 4 + 4 × (−1) 3 × 0 + 1 × 3 + 4 × 5 3 × 4 + 1 × 5 + 4 × 6
= =
6 × 7 + 0 × 4 + 5 × (−1) 6 × 0 + 0 × 3 + 5 × 5 6 × 4 + 0 × 5 + 5 × 6

" #
21 23 41
=
27 25 54
2×3

Note que nestes casos não é possı́vel calcular B × A pois o número de colunas
de B não coincide com o número de linhas de A.

10
Propriedades da Multiplicação de Matrizes:

Sejam A, B e C matrizes de dimensão convenientes e α ∈ IR. Então

• (AB)C = A(BC) (associatividade).

• (A + B)C = AC + BC e A(B + C) = AB + AC (distributividade).
• α(AB) = (αA)B = A(αB).
• AI = A e IB = B (existência de elemento neutro).
• AO = O e OB = O.
• (AB)T = B T AT .

• A multiplicação de matrizes não é, em geral, comutativa, isto é,

geralmente A × B 6= B × A.

" # " #
1 0 0 0
Exemplo 12: A = eB=
1 0 1 1

" #" # " #

1 0 0 0 0 0
AB = =
1 0 1 1 0 0
=⇒ AB 6= BA
" #" # " #
0 0 1 0 0 0
BA = =
1 1 1 0 2 0

As matrizes tais que A×B = B×A dizem-se matrizes permutáveis.

• Não é válida a lei do anulamento do produto

AB = O ⇒ A = O ∨ B = O
no caso de multiplicação de matrizes.

11
 Exemplo 13:
" #" # " #
1 0 0 0 0 0
AB = =
1 0 1 1 0 0
com
" # " # " # " #
1 0 0 0 0 0 0 0
A= 6= eB= 6=
1 0 0 0 1 1 0 0

• Não é válida a lei do corte

AX = AY , com A 6= O ⇒ X = Y
no caso de multiplicação de matrizes.

" # " # " #

1 1 1 2
Exemplo 14: A = ,B= eC=
1 1 2 1

" #" # " # " #" #

1 1 1 3 1 1 2
AB = = = = AC
1 1 2 3 1 1 1
e " # " #
1 2
B= 6= = C.
2 1

3.4. Resolução de Sistemas de Equações Lineares

3.4.1. Matrizes em Escada

Definição 13 Uma matriz em escada de linhas é uma matriz tal que,

por baixo do primeiro elemento não nulo de cada linha, e por baixo dos elementos
anteriores da mesma linha, todas as entradas são nulas.
Numa matriz em escada de linhas, chama-se pivot ao primeiro elemento não
nulo de cada linha.

12
 Exemplo 15:
 
1 2 3 4 5
 
• A=
 0 0 −1 2 −3  - matriz em escada com pivots 1, -1 e 1.

0 0 0 1 2

 
1 2 3
 
• B=
 0 −3 5  - matriz em escada com pivots 1, -3 e 5.

0 0 5

 
1 2 3 4
 
0 0 2 5
• C=
 0 0 4 6  não é uma matriz em escada.

 
0 0 0 0

3.4.2. Eliminação de Gauss

Definição 14 Dada uma matriz, designam-se por operações elementares

sobre linhas, as seguintes transformações:

• Troca de duas linhas i e j (Li ↔ Lj );

• Multiplicação de uma linha i por um número α diferente de zero (αLi);

• Substituição de uma linha j pela que se obtém adicionando-lhe o produto de

outra linha i por um número real α (Lj + αLi ).

Nota: De forma análoga se definem as operações elementares

sobre colunas e representam-se por Ci ↔ Cj , αCi e Lj + αLi .

13
Exercı́cio 3: Identifique as operações elementares efectuadas em cada caso:

" # " #
−1 3 3 −1
3.1. →
2 0 0 2

" # " #
4 −3 4 −3
3.2. → 1
−1 1 0 4

   
1
4 2 0 1 0 2
   
3.3.  2 0 −1  →  2 0 −1 
   
−6 0 6 0 0 3

Definição 15 A condensação ou eliminação de Gauss de uma matriz

consiste em efectuar operações elementares sobre linhas e/ou colunas de modo a
transformar a matriz dada numa matriz em escada de linhas.

Exercı́cio 4: Utilize a eliminação de Gauss para transformar as matrizes

seguintes em matrizes em escada:
   
1 2 0 1 0 2 3 −1 4
   
4.1. 
 2 0 1 3 
 4.2. 
 1 −1 2 3 0 

−1 1 0 2 −3 1 1 2 1

3.4.3. Caracterı́stica de uma Matriz

Chama-se caracterı́stica de A, e denota-se por car(A), ao número de linhas

não nulas da matriz em escada de linhas que se obtém de A através da sua
condensação.

14
Em sı́ntese temos:
   
a11 a12 ... a1k ... a1n ā11 ā12 ... ā1k ... ā1n
a21 a22 ... a2k ... a2n 0 ā22 ... ā2k ... ā2n
   
   
   
 ... ... ... ... ... ...   ... ... ... ... ... ... 
A=  −→   ⇒ car(a) = k

 ak1 ak2 ... akk ... akn  O.E. 
  0 0 ... ākk ... ākn 

0 0 0 0 0 0
   
 ... ... ... ... ... ...   
am1 am2 ... amj ... amn 0 0 0 0 0 0

Nota: Como é óbvio, car(A) ≤ min{m, n}.

Exemplo 16: Calcule a caracterı́stica das seguintes matrizes:

   
1 0 1 −−−−−−−→ 1 0 1
 L2 − 2L1
 0 3 −1  −
   −−−−→
•A =  2 3 1
 L3 + L2
  L3 + L1 
−1 −3 2 0 −3 3

 
1 0 1
 
→ 
 0 3 −1 
 ⇒ car(A) = 3
0 0 2

   
0 −1 2 1 1 0
    −−−−−−−→
1 1 0  0 −1 2  L3 − 2L1
•B =   −
L
−−−−→
1 ↔ L2
 
2 2 0 2 2 0  L − 3L
    4 1

3 3 0 3 3 0

 
1 1 0
 
 0 −1 2 
→ 
0 0 0
 ⇒ car(B) = 2

 
0 0 0

15
  
0 1 −1
 
 2 1 2 
 
Exercı́cio 5: Calcule a caracterı́stica da matriz  −1 −1 −1 .
 
 
 −1 0 1 
 
2 3 2

Definição 16 Uma matriz A quadrada de ordem n diz-se singular se

car(A) < n.

 
0 2 3
 
Exercı́cio 6: Verifique se a matriz 
 1 −1 2  é singular.

−3 1 1

3.4.4. Algoritmo de Gauss

Consideremos um sistema de m equações lineares a n incógnitas:

     


 a11 x1 + a12 x2 + ... + a1n xn = b1 a11 a12 ... a1n x1 b1

 a x + a x + ... + a x = b     
21 1 22 2 2n n 2  a21 a22 ... a2n   x2   b2 
⇔   ...   ...  ⇔ AX = b
 = 
 ...
  ...
 ... ... ...    

 a x + a x + ... + a x = b

am1 am2 ... amn xn bm
m1 1 m2 2 mn n m

Na resolução de sistemas de equações lineares vamos considerar a matriz am-

pliada [A|b] , onde A é a matriz dos coeficientes do sistema, x é a matriz das
incógnitas e b é a matriz dos termos independentes.

Algoritmo de Gauss: Ao proceder à eliminação de Gauss da matriz ampliada

[A|b] (efectuando operações elementares sobre linhas e/ou troca de colunas), de
modo a obtermos uma matriz em escada de linhas, ficamos com um novo sistema
de equações de mais simples resolução.

16
    
a11 a12 ... a1k ... a1n b1 ā11 ā12 ... ā1k ... ā1n b̄1
a21 a22 ... a2k ... a2n b2 0 ā22 ... ā2k ... ā2n b̄2 
   
  
   
 ... ... ... ... ... ... ...  −−→  ... ... ... ... ... ... ... 
[A|b] =   O.E.  

 ak1 ak2 ... akk ... akn bk 


 0 0 ... ākk ... ākn b̄k 

... ... ... ... ... ... ... 0 0 0 0 0 0 ... 
   
  
am1 am2 ... amj ... amn bm 0 0 0 0 0 0 b̄m

3.4.5. Classificação de sistemas

O sistema Ax = b de m equações a n incógnitas, pode ser classificado da

seguinte forma:

• Se car(A) = car([A|b]) = n, o sistema é possı́vel determinado

• Se car(A) = car([A|b]) < n, o sistema é possı́vel indeterminado

• Se car(A) < car([A|b]), o sistema é impossı́vel.

Exercı́cio 7: Classifique e resolva, quando possı́vel, os seguintes sistemas u-

sando o algoritmo de Gauss.
 
 x + y + 2z = 7  x1 + 2x2 + x3 = 1

 

7.1. x − 2y − 3z = 1 7.2. −x1 − 2x2 = 5
 
 x−y+z =0
  −2x − 4x − 2x = 1

1 2 3


 x1 + x2 + x3 = 1


7.3. −x1 + x2 − x3 = −1

 2x + 2x = 2

1 3

17