Matemática I

Matrizes
Definições

Matrizes de números reais

Designa-se por matriz de números reais a um quadro ou tabela de nu ́meros reais com m linhas e n colunas. A matriz representa-se por uma
letra maiúscula:
Am×n, onde m é o numero de linhas e n o numero de colunas. Pode-se também representar simplesmente por A.
Am×n lê-se “matriz A do tipo m por n”.
O elemento da linha i e coluna j da matriz A ́e um nu ́mero real representado por aij onde i = 1,2,...,m e j = 1,2,...,n.
De forma expl ́ıcita a matriz representa-se como linhas
ounes

As linhas e colunas de uma matriz tamb ́em se podem designar por filas paralelas da matriz.
Uma matriz A do tipo m×n diz-se uma matriz rectangular se m ≠ n e uma matriz quadrada se m = n.
No caso de uma matriz quadrada, An×n representa-se simplesmente por An e diz-se que A ́e uma matriz de ordem n.

Exemplo

Matrizes em particular

Matriz linha: é uma matriz do tipo 1 × n. Também pode ser designada por vetor linha.
Representa-se como
L1×n= [a11··· a1n.]
Matriz coluna: é uma matriz do tipo m × 1. Tamb ́em pode ser designada por vetor coluna.
Representa-se como
a11
C mx1 =
L

am1

Matriz nula: é uma matriz cujos elementos s ̃ao todos nulos. Representa-se por 0m×n, por 0n no caso ser uma matriz quadrada, ou
também simplesmente por 0.

Exemplos
 Casos particulares de matrizes quadradas
Diagonal principal: Numa matriz A de ordem n os elementos na mesma linha e coluna, ou seja os elementos a11, a22, . . . , ann, designam-se
por elementos da diagonal principal.

Diagonal secundaria: De forma semelhante podemos definir numa matriz A de ordem n os elementos da diagonal secund ́aria como os
elementos a1n, a2 n−1, a3 n−2, ..., an1.

Matriz triangular superior: é uma matriz Matriz triangular inferior: é uma matriz Matriz Diagonal: é uma matriz
quadrada cujos elementos situados abaixo quadrada cujos elementos situados acima quadrada cujos elementos acima e
da diagonal principal são todos nulos. da diagonal principal sa ̃o todos nulos. abaixo da diagonal principal são nulos.

Matriz escalar: é uma matriz diagonal em que todos os elementos da diagonal principal são iguais.

Matriz identidade: é uma matriz escalar em que os elementos da diagonal principal s ̃ao todos iguais a ”1”. Representa-se a matriz identidade
de ordem n por In, ou simplesmente por I.
 Operações com matrizes
Adição o de matrizes
A adição de duas matrizes A e B do tipo m × n representa-se por C = A + B tamb ́em uma matriz do tipo m × n. Só é possível adicionar matrizes
do mesmo tipo
O elemento da linha i e coluna j de C ́e a soma dos elementos de A e B na mesma posic ̧ ̃ao, ou seja: cij = aij + bij.

Propriedades:

Sejam A,B e C matrizes do tipo m×n e 0 a matriz nula m×n.

1. A adição de matrizes é associativa,
(A + B) + C = A + (B + C)
2. A adi ̧c ̃ao de matrizes ́e comutativa,
A+B=B+A
3. A adição de matrizes tem um elemento neutro, a matriz nula 0,
A+0=0+A=A
4. A matriz A tem um sim ́etrico a matriz −A tal que
A + (−A) = −A + A = 0

Podemos com esta u ́ltima propriedade definir a subtração de matrizes como A − B = A + (−B).

Multiplicação de um escalar por uma Matriz

Seja μ ∈ R e A uma matriz do tipo m×n. O produto de μ por A ́e a matriz resultante B = μA do tipo m × n tal que o elemento da linha i e
coluna j de B ́e igual ao produto do elemento de A na mesma posi ̧c ̃ao por μ. Ou seja: bij = μ aij . Na pr ́atica, multiplicam-se todos os
elementos de A por μ para obter B.

Propriedades:
Sejam μ, λ ∈ R e A e B matrizes.
1. A multiplicação por um escalar ́e distributiva em relação à soma de matrizes,
μ (A + B) = μA + μB
2. A multiplica ̧c ̃ao por um escalar ́e distributiva em relação à soma de escalares,
(μ + λ) A = μA + λA
3. A multiplicação por um escalar ́e associativa,
(μλ) A = μ (λA)
4. A multiplicação por um escalar tem uma identidade, o número 1,
1A=A
 Transposição de matrizes
A matriz transposta da matriz A representa-se por AT . E ́ uma matriz que tem como colunas as linhas de A e que tem como linhas as
colunas de A. Ou seja, o elemento da linha i e coluna j de AT ́e igual ao elemento da linha j e coluna i de A.
Sendo A uma matriz do tipo m×n, AT ́e uma matriz do tipo n×m.

. =>

->

. Matriz Simétrica
Uma matriz A diz-se simétrica se e s ́o se A = AT .
Ou seja, numa matriz simétrica verifica-se que aij = aji. Só matrizes quadradas podem ser simétricas.

· Matriz Anti-simétrica
Uma matriz A diz-se antisimetricas se e so ́ se A = −AT .
Ou seja, numa matriz antisim ́etrica verifica-se que aij = −aji.
So matrizes quadradas em que todos os elementos da diagonal principal são nulos podem ser antisim ́etricas. De notar que estas não
são condições suficientes, apenas necessárias.

Propriedades:

Sejam A e B matrizes, μ ∈ R um escalar e In a matriz identidade de ordem n.

T
1.
T

I I
2. (A+B) =A +B
T

3. I =I
X

- N

I I
4. (μA) = μA

Equações matriciais
Usando as propriedades sobre operações de matrizes apresentadas, podem-se j ́a resolver algumas equações matriciais.
As equações matriciais resolvem-se de modo semelhante às equações numéricas , mas tendo em atenção as propriedades de operações
com matrizes.
 Produto de matrizes
Vamos começar por definir o produto de uma matriz linha por uma matriz coluna.

O produto da matriz linha pela matriz coluna ́eumamatrizA×B=C= [c] ,com um único elemento c dado
por

Ou seja, multiplicam-se os elementos de A e B, por ordem, dois a dois, e somam-se os resultados. Isto s ́o faz sentido se A e B tiverem o
mesmo nu ́mero de elementos, ou seja o nu ́mero de colunas de A tem que ser igual ao nu ́mero de linhas de B.
Exemplo:

Podemos agora definir o produto de duas matrizes em geral.

O produto de duas matrizes A e B ́e uma matriz A×B = C que tem o elemento da linha i e coluna j igual ao produto da linha i de A pela
coluna j de B. Ou seja,

Exemplo 2:

Matrizes permutáveis
Em geral, o produto de matrizes não é comutativo.
No exemplo anterior é evidente que A × B ≠ B × A, já que A × B é 2 × 2, enquanto que B × A é 3 × 3. As matrizes nem sequer são do
mesmo tipo. Muitas vezes o produto A × B pode estar definido e B × A não existir, ou vice-versa.
Quando se verifica que A × B = B × A, diz-se que A e B são matrizes permutáveis ou que comutam. A e B têm que ser matrizes
quadradas da mesma ordem, mas mesmo matrizes quadradas podem não ser permutáveis .

Propriedades

Sejam A, B e C matrizes e μ ∈ R um escalar.

1 O produto das matrizes e associativo
(A × B) × C = A × (B × C)
2 o produto das matrizes é distributivo em relação a adição de matrizes
A × (B + C) = A × B + A × C
(A + B) × C = A × C + B × C
3 A matriz identidade é o elemento neutro do produto de matrizes

4 matriz nulas, 0, são elementos absorventes da adição de matrizes

5 A matriz transposta do produto das matrizes é igual ao produto das matrizes transpostas ( com ordem inversa)

Esta propriedade generaliza-s ao produto de três ou mais matrizes

6 Podem-se definir potências de uma matriz quadrada A ou com expoente n ∈ N,

7 μ(A×B)=(μA)×B=A×(μB)
 Dependência e independência linear

O conceito de independência linear está relacionado com o estudo de vetores — no nosso caso os vetores são matrizes linha ou matrizes
coluna.

Combinação linear de vetores

Sejam m vetores Vi e m escalares λi ∈ R, com i = 1,2,...,m. Uma combinação linear dos m vetores Vi com m coeficientes escalares λi ́e um
vetor V dado por
V =λ1 V1 + λ2 V2 +···+λmVm
Tem-se uma combina ̧c ̃ao linear nula quando o vetor resultante V ́e nulo, ou seja V = 0.

-> nula

Independência e dependência linear

Sejam m vetores Vi, com i = 1,2,...,m. Os vetores dizem-se
• linearmente dependentes se existem m coeficientes λi, não todos nulos, que produzem uma combinação linear nula dos vetores Vi, ou
seja
λ1 V1+λ2 V2+···λm Vm =0 com pelo menos um λi ≠ 0.

• linearmente independentes se uma combinação linear nula dos vetores tem que ter todos os coeficientes nulos, ou seja
λ1 V1+λ2 V2+···λmVm =0 se, é só se,λi =0 para todo o i=1,2,...,m.

Estudo da independência linear das matrizes coluna

Propriedades
• Um conjunto de m vetores V1, V2, . . . , Vm ́e linearmente dependente se, e s ́o se, existe um deles que se pode escrever como uma
combinação linear dos restantes.
• Um conjunto de m vetores V1, V2, . . . , Vm ́e linearmente independente se, e so ́ se, nenhum deles se pode escrever como uma combinação
linear dos restantes

1. Um conjunto de m vetores V1, V2, . . . , Vm ́e linearmente dependente se um deles for nulo. Ou seja, um vetor nulo é sempre
linearmente dependente.
2. Um conjunto de m vetores V1, V2, ..., Vm é linearmente dependente se um subconjunto destes for linearmente dependente.
 Característica de uma matriz

Características
A característica de uma matriz A, designada por r(A), é igual a: O numerode linhas linearmente independentes de A.
O número de colunas linearmente independentes de A.
O número de pivots da matriz condensada obtida por triangulação de Gauss de A.

Diz-se que uma matriz A de tipo m × n tem as linhas linearmente independentes se todas as suas linhas sao linearmente
independentes, ou seja se r(A) = m.
Da mesma forma diz-se que tem as colunas linearmente independentes se todas as suas colunas são linearmente independentes, ou
seja se r(A) = n.
Numa matriz retangular m × n com mais linhas que colunas, m > n, as linhas tˆem que ser linearmente dependentes porque a caracter
́ıstica n ̃ao pode ser superior a n, o número de colunas.
Numa matriz retangular m×n com mais colunas que linhas, n > m, as colunas tˆem que ser linearmente dependentes porque a
característica não pode ser superior ao nu ́mero de linhas m.
Nota: Também se pode obter a caracter ́ıstica usando a triangulação de Gauss nas colunas de uma matriz, mas nós vamos optar por
usar sempre as linhas.

Temos um total de 3 pivots , pelo que se conclui que r(A) = 3.

Podemos afirmar que a matriz A tem 3 linhas linearmente independentes e 3 colunas linearmente independentes.
Como o numero total de linhas de A s ̃ao 3, podemos concluir que as linhas de A são linearmente independentes.
Como o numero total de colunas de A são 3, podemos concluir que as colunas de A são linearmente independentes.

Operações elementares

Qualquer uma das seguintes três operações quando aplicada a uma matriz A n ̃ao altera o numero de filas paralelas da matriz que são
linearmente indendentes da matriz.

1. Troca de duas filas paralelas da matriz.

2. Multiplicar uma fila da matriz por um escalar n ̃ao nulo.

3. Somar a uma fila da matriz um mu ́ltiplo de outra fila paralela.

 Triângulo de Gauss

O algoritmo é recursivo e cada recurso tem 4 passos:

1. Determinar a primeira coluna (a contar da esquerda) que tem pelo menos um elemento não nulo.

2. Se o elemento da primeira linha nesta coluna for nulo, trocar a primeira linha da matriz por outra linha que tenha nesta coluna um elemento
não nulo. Depois deste passo, este elemento na primeira linha da coluna ́e o chamado “pivot”. Por construção é sempre diferente de zero.

3. Somar um múltiplo da linha do pivot a uma linha inferior, com o objetivo de o elemento da coluna nesta ultima linha ficar igual a zero. Isto é
feito para todas as linhas inferiores ao pivot, ficando todos os elementos da coluna sob o pivot iguais a zero.

4. Repetir os passos 1 a 4 para a matriz, excluindo a linha do pivot e as superiores.

O algoritmo termina quando o pivot estiver na u ́ltima linha, ou se todas as linhas inferiores ao pivot são nulas.

Exemplo

Primeira interacao Segunda interação

Passo 1: Podemos constatar que a primeira coluna tem Passo 1: a primeira coluna e agora nula. Neste caso a segunda coluna
elementos nao nulos, vai ser a nossa coluna de trabalho. também é nula, agora será trabalhada a terceira coluna.

⑤.
-

Passo. 2: Como o primeiro elemento da coluna ́e nulo, vamos

Passo 2: Como o primeiro elemento da coluna (ignorar a primeira
trocar a primeira e segunda linha da matriz, L1 L2. linha) é −2 (não nulo), é o nosso segundo pivot .
pivot
->

Passo 3: queremos agora ter todos os elementos situados por

Passo 3: Temos que somar à terceira linha o múltiplo 5/2 da linha
baixo do pivot iguais a 0
do pivot , de forma a anular o valor situado sob o pivot .
Na 2° linha, o elemento da coluna do pivot ja é zero( nao
precisamos de fazer nada)
Na 3° linha o elemento ́e 2: somamos a L3 o múltiplo −1 de
L1 para obter um elemento nulo.

Passo 4: Vamos agora repetir todos os passos eliminando a

primeira linha da matriz, Passo 4: Nesta última interação é trivial identificar o terceiro e último
pivot , o elemento 1/ 2 na terceira linha, ficando assim concluído o
processo de triangulação de Gauss.

Na pratica vamos continuar a escrever a matriz completa, mas as

linhas com os pivots ja utilizados são ignoradas e ja não vão
mais participar no algoritmo.
 Aplicação aos sistemas de equações lineares

Definições

Um sistema de m equações lineares com n incógnitas pode ser escrito na forma canónica como

onde

Para obter as soluções do sistema, é conveniente representar o sistema pela sua matriz completa, ou matriz ampliada, onde juntamos
numa única matriz os coeficientes e os termos independentes:

Solução pelo método de triangulação de Gauss

Seja AX = B um sistema de m equa ̧c ̃oes lineares com n inc ́ognitas. A ́e a sua matriz dos coeficientes (de tipo m × n) e [A|B]
a sua matriz completa.
1. Se r(A|B) = r(A) = n o sistema é possível e determinado (SPD).

r(A) = r(A|B) = 3

2. Se r(A|B) = r(A) < n o sistema é possível e indeterminado (SPI).

r(A) = r(A|B) = 3

3. Se r(A|B) > r(A) o sistema ́e impossível (SI).

r(A) = 2 e r(A|B) = 3
Eliminação de Gauss-Jordan

P D
IMP
P End
.

.
.

Determinada: solução única Impossível: não tem soluções

Indeterminada:Infinitas soluções

& O

O & & & O & 1