116

Matriz
(Luciana Pagliosa Carvalho Guedes - Miguel Angel Uribe-Opazo)

1.

o
Introduc
a

Matriz e um arranjo retangular de elementos, dispostos em linhas e colunas. Neste texto,

estaremos considerando que:
(1) Matrizes s
ao constitudas de elementos reais;
(2) Matrizes s
ao representadas por letras mai
usculas, em negrito;
(3) Os elementos de uma matriz s
ao agrupados entre colchetes ou parenteses;
Exemplo 1:

A=

2
0

3
-2

1
;
3

B=

1
3

1
C = 1
1

2
;
5

1
-1
0

Dimens
ao:
Seja uma matriz com m linhas e n colunas. O par ordenado (m n) que descreve o
n
umero de linhas e colunas de uma matriz define sua dimens
ao. Assim, existem outras
formas de denotarmos uma matriz:

Amn

ou

A(mn)

ou

A(mn)

ou

m An

Para o exemplo 1 tem-se que:

B2

ou

A23

ou

A(23)

ou

A(23)

ou

2 A3

B(2)

ou

B(22)

ou

B(22)

ou

2 B2

C32

ou

C(32)

ou

C(32)

ou

3 C2

Forma Geral:
Seja uma matriz A(mn) . Cada elemento da matriz A e denotado por aij , em que
i = 1, . . . , m e j = 1, . . . , n s
ao os ndices que representam em qual linha e coluna respectivamente esse elemento se encontra. Assim, a forma geral da matriz A(mn) e dada
por:
c

a11
a21

A = ..
.

am1

a12
a22
..
.

...
...
..
.

a1n
a2n
..
.

am2

...

amn

Ou,

A = (aij )

2.

Tipos mais comuns de matrizes

2.1 Matriz Nula

Seja a matriz A(mn) , tal que (i, j) tem -se que aij = 0, entao A e uma matriz nula.

O(mn)

0
0

= ..
.

0
0
..
.

...
...
..
.

...

0
0

..
.
0

rios)
2.2 Matriz Elementar (ou matriz com elementos unita
toda matriz tal que todos seus elementos s
E
ao iguais a 1. Ou seja:

J(mn)

1
1

= ..
.

1
1
..
.

...
...
..
.

...

1
1

..
.
1

2.3 Matriz Coluna (vetor coluna) e Matriz linha (vetor linha)

Uma matriz e chamada de matriz coluna (ou vetor coluna), quando essa possui uma u
nica
coluna (A(m1) ). Uma matriz e chamada de matriz linha (ou vetor linha), quando essa
possui uma u
nica linha (A(1n) ). Em geral, vetores s
ao denotados por letras min
usculas,
em negrito.
Exemplo 2:

y(m1)

y11
y21

= ..
.

ym1


y(1n) = y11

y12

...

y1n

Casos Especiais:
(1) Vetor de uns:


j(n1) = 1(n1) = 1

...


0(n1) = 0

...

t

(2) Vetor de zeros:

0

t

Em que o smbolo t (ou 0 ) em por exemplo, xt = x e a matriz transposta de x, que ser

a
estudada posteriormente.
2.3.1 Norma Euclidiana ou comprimento de um vetor

x1
x2

Define-se a norma euclidiana do vetor x(n1) = .. (ou comprimento do vetor) como:
.
xn
kxk =

q
x21 + . . . + x2n .
0

ao ortogonais se e s
o se u v = v u = 0.
Dois vetores u e v s
ao ortonormais se esses s
ao ortogonais e ambos tem norma 1.
Dois vetores s
2.3.2 Vetor Normalizado
Define-se vetor normalizado de x ao vetor e, dado por:

e=

x
.
kxk

Sendo que kek = 1.

2.4 Matriz Quadrada
Seja uma matriz A(mn) tal que m = n. Entao A(m) (ou A(n) ) e dita matriz quadrada de
ordem m (ou n).

A(n)

a11
a21

= ..
.

an1

Observa
c
ao:

a12
a22
..
.

...
...
..
.

an2

...

a1n
a2n

..
.

ann

Os elementos aij tal que i = j formam a diagonal principal da matriz A(n) ;

Os elementos aij tal que i + j = n + 1 formam a diagonal secundaria da matriz A(n) .
Sao casos especiais de matriz quadrada:

2.5 Matriz Diagonal

A matriz D(n) e matriz diagonal se e s
o se:

D(n)

dij = 0
dij 6= 0

para
para

d11
0

= ..
.
0

i 6= j
i=j

0
d22
..
.

...
...
..
.

0
0
..
.

...

dnn

Ou,

D(n) = diag(d11 , d22 , . . . dnn )

2.6 Matriz Identidade

A matriz diagonal tal que i, dii = 1, e chamada de matriz identidade.
Exemplo 3:

I(4)

1
0
=
0
0

0
1
0
0

0
0
1
0

0
0

0
1

2.7 Matriz Bloco Diagonal

Exemplo 4:

a
c

A=
0
0

0
0

b
d
0
0
0
0
0

0
0
e
h
k
0
0

0
0
f
i
l
0
0

0
0
g
j
m
0
0

0
0
0
0
0
n
p

0
0

o
q

trica
2.8 Matriz Sime
Seja uma matriz A(n) tal que (i, j), tem-se aij = aji . Entao A e uma matriz simetrica.
Exemplo 5:

A(4)

5
= 2
3

2
10
-1

3
-1
5

2.9 Matriz Triangular

a matriz quadrada que tem todos os elementos iguais a zero abaixo (triangular superior)
E
ou acima (triangular inferior). Assim:
Se A(n) tem aij = 0, quando i > j, entao A e uma matriz triangular superior.
Se B(n) tem bij = 0, quando i < j, entao B e uma matriz triangular inferior.

a11
0

A = ..
.
0

a12
a22
..
.

...
...
..
.

...

a1n
a2n

.. ;
.

ann

b11
b21

B = ..
.

bn1

0
b22
..
.

...
...
..
.

0
0
..
.

bn2

...

bnn

es com matrizes
Operac
o

3.

3.1 Igualdade entre matrizes

Sejam A(mn) e B(mn) duas matrizes com a mesma dimens
ao. As matrizes A e B s
ao
iguais, ou seja, A = B se e s
o se (i, j) tem-se que aij = bij .
3.2 Matriz Transposta
0

Seja uma matriz A(mn) . Sua matriz transposta, denotada por A(nm) ou At(nm) e dada
por At(nm) = (aji ).
Exemplo 6:

8
1;
5

2
A = 0
3

At =

2
8

0
1

3
5

Observe que, considerando x um vetor de dimens

ao n 1:
x x = x21 + . . . + x2n .
0

Assim:

kxk =

x0 x.

3.3 Trac
o de uma matriz
Seja A uma matriz com dimens
ao n. O traco da matriz A e um escalar definido como a
soma dos elementos da diagonal principal. Ou seja:

tr(A) =

n
X

aii

i=1

Do exemplo 5 tem-se que:

tr(A) = 5 + 10 + 5 = 20

Algumas Propriedades:
ao n, entao: tr (A B) = tr (A) tr (B).
Se A e B tem dimens
Se A(np) e B(pn) , entao: tr (AB) = tr (BA).


P n Pp
0
0

Se A(np) , com elementos aij , entao: tr A A = tr AA = i=1 j=1 a2ij .

o de matrizes
3.4 Adic
a
Sejam A(mn) e B(mn) duas matrizes com a mesma dimens
ao. Define-se a soma entre
elas como a matriz C(mn) , tal que (i, j) tem-se que cij = aij + bij .

1
0
4
5 2 3
Exemplo 7: Sejam as matrizes A = 0 9 -1 e B = 2 22 5 . Logo:
4
3
7
3 1 4

6
A + B = 2
7

2
31
4

7
4
11

Propriedades: Se as dimens
oes s
ao favor
aveis, entao:

(Comutativa) A + B = B + A.
(Associativa) A + (B + C) = (A + B) + C.
(Elemento Neutro) A + O = A.
(Transposta) (A + B)t = At + Bt .

o de matrizes
3.5 Subtrac
a
Sejam A(mn) e B(mn) duas matrizes com a mesma dimens
ao. Define-se a subtracao
entre elas como a matriz C(mn) , tal que (i, j) tem-se que cij = aij bij .

1
0
4
5 2 3
Exemplo 8: Sejam as matrizes A = 0 9 -1 e B = 2 22 5 . Logo:
4
3
7
3 1 4

4
A B = -2
-1

-1
-6
-3

2
-13
-2

Exerccio: As propriedades da adicao s

ao v
alidas para a subtracao? Crie um exemplo
numerico mostrando sua conclusao.

o de uma matriz por um escalar

3.6 Multiplicac
a
Seja A(mn) uma matriz e k um escalar. Define-se o produto k A = A k, como a matriz
B(mn) tal que (i, j) tem-se que bij = k aij .
Exemplo 9:

5
A = 0
3

2
9;
1

15
3A= 0
9

10
27
3

o de matrizes
3.7 Multiplicac
a
Sejam as matrizes A(mn) e B(np) . Define-se o produto AB como a matriz C(mp) = (rik )
tal que:

rik =

n
X
j=1

aij bjk .

Em que i = 1, . . . , m, j = 1, . . . , n e k = 1, . . . , p.
Exemplo 10: Sejam as matrizes A(23) =

AB=

2 5 + 3 (-7) + 8 (9)
4 5 + (-1) (-7) + (-6) (-9)

2
4

3
-1

8
-6

5
= -7
-9

0
-4 . Logo:
1

 
2 0 + 3 (-4) + 8 1
-83
=
4 0 + (-1) (-4) + (-6) 1
67

Propriedades: Se as dimens
oes s
ao favor
aveis, entao:
O(nk) A(kp) = O(np) .

e B(32)

-4
-2

ABC = (AB) C = A (BC).

A (B C) = AB AC.
0

Se A(n) e tal que AA = A A, entao A e chamada de matriz normal.

0

Se A(np) e B(pm) , entao (AB) = B A .

Observa
co
es:
(1) Em geral AB 6= BA, considerando algumas excess
oes:
AI = IA = A.

Produto de duas matrizes diagonais.

3
Exemplo 11: Sejam as matrizes A = 0
0

-1
0
0 e B = 0
0
2

0
4
0

-3
AB = BA = 0
0

0
20
0

0
5
0

0
0 . Logo:
3

0
0
6

(2) Seja A uma matriz simetrica com dimens

ao n e y um vetor (vetor coluna) com
dimens
ao n 1. O produto abaixo e chamado de Forma Quadr
atica.
0

y Ay

4
Exemplo 12: Sejam as matrizes A =
1

y Ay = y1


 4
y2
1

1
2



1
2



y1
= 4y1 + y2
y2


y1
. Logo:
ey=
y2


 
 y1
y1 + 2y2
= 4y12 + 2y1 y2 + 2y22
y2
0

(3) Seja A uma matriz simetrica com dimens

ao n. Se a forma quadr
atica y Ay > 0,
y 6= 0, entao A e uma matriz positiva definida.
(4) Seja A uma matriz quadrada com dimens
ao n. Ela ser
a:
Idempotente, se A2 = A.
Unipotente, se A2 = I.
Nilpotente, se A2 = O.

3.8 Determinante de uma matriz

Determinante e um n
umero associado a uma matriz quadrada, calculado de acordo
importante ressaltar que apenas matrizes quadradas possuem
com regras especficas. E
determinante. Usualmente denotamos o determinante de uma matriz A por det (A) ou |A|.
(1) Seja A(11) = [a11 ], entao o determinante de A e dado por: det(A) = a11 .
(2) Seja:

a
A = 11
a21


a12
det(A) = a11 a22 a12 a21 .
a22

(3) Para uma matriz de ordem n > 2, podemos calcular o det(A) usando o Algoritmo
de Laplace:
a) Escolhe-se uma linha (ou coluna) qualquer de A, com o maior n
umero de
zeros;
b) Entao det(A) = ai1 Ci1 + ai2 Ci2 + . . . + ain Cin .
(Ou det(A) = a1j C1j + a2j C2j + . . . + anj Cnj ).
Em que Cij e o cofator do elemento aij de A, calculado por:
Cij = (1)i+j Mij .

(1)

Sendo que Mij e o determinante da matriz obtida em A, eliminando-se a

i-esima linha e a j-esima coluna de A.
Exemplo 13:

A = [4] det(A) = 4

3
B=
2

3
C = 0
0

0
6
4


8
det(B) = 3 5 8 2 = 1
5


0
6
1+1
7 det(C) = 3 C11 + 0 C12 + 0 C13 = 3 (1)
det
4
1

Algumas Propriedades:
0

det(A) = det(A ).


7
= 66
1

10

Se uma matriz quadrada A tem uma fila (qualquer coluna ou linha) com todos os
elementos iguais a 0, entao det(A) = 0.
Se uma matriz quadrada A tem duas filas proporcionais, entao det(A) = 0.
Se trocarmos duas filas de lugar em uma matriz quadrada A, gerando uma matriz B,
entao det(B) = det(A).
Se multiplicarmos uma matriz quadrada A por um escalar k, entao det(kA) = k 2 det(A).
Se multiplicarmos uma fila de uma matriz quadrada A por um escalar k, gerando uma
matriz B entao det(B) = k det(A).

3.9 Inversa de uma matriz

Seja A uma matriz quadrada de ordem n. Se det(A) 6= 0, entao existe uma matriz B, de
ordem n, tal que a seguinte relacao seja satisfeita:

AB = BA = In
A matriz B e chamada de matriz inversa de A e pode ser representada por A1 . Logo:

AA1 = A1 A = In
Se o det(A) = 0, entao a matriz A e chamada de nao-inversvel ou singular. No
entanto, se det(A) 6= 0, entao a matriz A e chamada de posto completo ou nao-singular e
existe A1 . Assim, uma condicao necessaria e suficiente para a existencia de A1 e que
det(A) 6= 0.
C
alculo da matriz inversa:

A1 =

1
Cof(A)t
det(A)

Em que Cof(A) e a matriz de cofatores, com a mesma dimens

ao de A, sendo que seus
elementos Cij s
ao calculados pela equacao (1).
Se A e P
s
ao duas matrizes com dimens
ao n, sendo P uma matriz nao singular, entao:
tr P1 AP = tr (A).

3 0 0
Exerccio: Seja a matriz C = 0 6 7 do exemplo 12. Determine sua inversa.
0 4 1

11

3.10 Soma Direta

Sejam A(mn) e B(rs) duas matrizes. A soma direta de A e B e dada por:

A B = C((m+r)(n+s)) =
Em que O1 = O(ms) e O2 = O(rn) .

1
Exemplo 14: Sejam as matrizes A =
3

1
3
AB=
0
0

5
8

5
8
0
0

A
O2

O1
B

0
3

5
eB=
4

0
0
5
4

0
0
0
3


1
. Logo:
-1

0
0

1
-1

Propriedades: Se as dimens
oes s
ao favor
aveis, entao:
Se A 6= O, entao A (A) 6= O.
Exemplo 15:

3
A=
2

3
2
A (A) =
0
0


8
;
5

8
5
0
0

0
0
-3
-2

0
0
6= O
-8
-5

(A B) + (C D) = (A + C) (B + D).
Exemplo 16: Sejam as matrizes:

3
A=
2


8
;
5

B= 1

6 ;


4
;
7

2
C=
-3


D= 3

Logo:

A+C=

AB= 2
0

8
5
0

5
-1

0
0
1


12
;
12

0
0;
6


B+D= 4

C D = -3
0

4
7
0


0
0
3

0
0
2

12

12
12
0

0
0
4

0
0
8

12
12
0

0
0
4

0
0
8

5
(A B) + (C D) = -1
0

(A + C) (B + D) = -1
0
(A B) (C D) = AC BD.
Exemplo 17: Sejam as matrizes:

3
A=
2


8
;
5

2
B=
1


4
;
0

2
C=
-3

-18
-11


68
;
43

BD =

8
5
0
0

0
0
2
1


4
;
7

1
D=
3

7
2

Logo:

AC =

3
2
AB=
0
0

18
-11
(A B) (C D) =
0
0

14
1

0
0
;
4
0

2
-3
CD=
0
0

68
43
0
0

0
0
14
1

22
7

4
7
0
0

0
0
1
3

0
0

7
2

0
0
= AC BD
22
7

3.11 Produto Direto ou de Kronecker

Sejam A(mn) e B(rs) duas matrizes. O produto direto de A e B e dada por:

A B = C(mrns)

a11 B
a21 B

= ..
.

am1 B

a12 B
a22 B
..
.

...
...
..
.

am2 B

...

a1n B
a2n B

..
.

amn B

13

Exemplo 18: Sejam as matrizes A =

1
0

eB=

0
3
0
0

0
0
10
8

0
2

5
4
AB=
0
0


0
. Logo:
3

5
4

0
0

0
6

Propriedades: Se as dimens
oes s
ao favor
aveis:
Em geral, A B 6= B A.
Exemplo 19: Considerando o exemplo 17:

5
0
BA=
4
0

0
10
0
8

0
0
3
0

0
0
6= A B
0
6

(A B) (C D) = AC BD.
Exemplo 20: Sejam as matrizes:

3
A=
2


8
;
5


4
;
0

16
8
10
5

32
0
;
20
0

2
B=
1


4
;
7

2
C=
-3

1
D=
3

7
2

Entao:

6
3
AB=
4
2

12
0
8
0

-252
-18
(A B) (C D) =
-154
-11

-18
AC =
-11


68
;
43

14
4
-21
-6

952
68
602
43

1496
476

946
301

2
6
CD=
-3
-9

-396
-126
-242
-77

14
BD =
1

22
7

4
12
7
21

28
8

49
14

14

-252
-18
AC BD =
-154
-11

-396
-126
-242
-77

952
68
602
43

1496
476
= (A B) (C D)
946
301
0

ao, entao u v = v u = vu .
Sejam u e v dois vetores com a mesma dimens
Exemplo 21:


0
u = u1


0
u v = u1

u2

...

vn

u2 v 1
u2 v 2
..
.

...
...
..
.

u1 v n

u2 v n

...

un v 1
un v 2
0

.. = vu
.

un v n

u1 v 1

u1 v 2
un = .
..

u2 v 1
u2 v 2
..
.

...
...
..
.

u2 v n

...

un v 1
un v 2
0

.. = vu
.

...

v1
u1 v 1

 v 2 u1 v 2
un . = .
.. ..

vn

u2

...

u1 v n

vn

v2

...

v1
v2 
0

v u = .. u1
.


0
v = v1


un ;

u2

un v n

o de matrizes
3.12 Partic
a
Dada uma matriz A(mn) , podemos dividi-la em sub-matrizes, de acordo com o interesse.
Exemplo 22:

1
1
X=
1
1

1
1
0
0

0

0
= X1
1
1

X2

Em que:

1
1

X1 = j =
1
1

1
1
X2 =
0
0

0
0

1
1

As operacoes de matriz transposta, adicao, subtracao, multiplicacao entre matrizes particionadas s

ao v
alidas. Os c
alculos s
ao feitos como se cada sub-matriz fosse um elemento
da matriz. Naturalmente, as dimens
oes das matrizes e dessas sub-matrizes devem ser favor
aveis.

15

Exemplo 23: Vamos considerar o exemplo 22. Assim:

X = X1

X2

0

1
= 1
0

1
1
0

1
0
1

 0
1
X1
0 =
0
X2
1

3.13 Autovalores e Autovetores de uma matriz

Para toda matriz quadrada A, podemos encontrar um escalar e um vetor nao nulo x
associado a , tal que:

Ax = x

(2)

De forma que e chamado de autovalor de A e x e chamado de autovetor de A.

Podemos encontrar e x re-escrevendo a Equacao (2) como:

(A I) x = 0

(3)

A Equacao (3) forma um sistema de equacoes lineares homogeneo. Esse sistema ter
a
no mnimo a solucao trivial x = 0, quando a matriz (A I) e nao singular, ou seja,
|A I| =
6 0.
No entanto, como os autovetores x 6= 0, devemos entao obter para o sistema linear
homogeneo solucoes alem da trivial x = 0. Para isso, devemos considerar que:

|A I| = 0

(4)

A Equacao (4), resultar

a numa equacao polinomial chamada de Equacao Caracterstica,
0
sendo que sua solucao resultar
a os autovalores s de A.
0

Determinando os autovalores s, esses ser

ao substitudos na Equacao (2), gerando seus
respectivos autovetores x.


1 4
Exemplo 24: Seja a matriz A =
, determine seus autovalores e respectivos
1 1
autovetores.

1
(A I) =
1


4

|A I| = (1 )2 4 = 2 2 3.

|A I| = 0 2 2 3 = 0 =

24
1 = 3 e
2

2 = 1.

16

Ax = x

1
1

4
1




 
x
x1
= 1
x2
x2

x1 + 4x2 = x1
x1 + x2 = x2

Considerando = 3:

x1 + 4x2 = 3x1
x1 + x2 = 3x2

x1 = 2x2

 
2
x1 =
1

Considerando = 1:

x1 + 4x2 = x1
x1 + x2 = x2

x1 = 2x2

2
x2 =
1

Observacao: Os autovetores x1 e x2 apresentados acima nao s

ao os u
nicos autovetores
de 1 e 2 . Qualquer outro autovetor proporcional a x1 e x2 s
ao autovetores de 1 e 2 .
Propriedades:
Se i, tem-se que i 6= 0 A e nao singular.
ao iguais a 1/i .
Se A e nao singular, entao os autovalores de A1 s
|A| =

Qn

i=1 i .

ao n
umeros reais.
Se a matriz A for simetrica, entao todos os seus autovalores ser
ao mutuamente ortogonais.
Se a matriz A for simetrica, entao todos os seus autovetores s
Ou seja:

xi xj = 0
Seja a matriz A for real e simetrica, com autovalores iguais a 1 , 2 , . . ., n , e seus
respectivos autovetores normalizados e1 , e2 , . . ., en . Entao podemos escrever A pela
decomposicao espectral:

A=

n
X
i=1

i ei ei