Módulo I: Sistemas Lineares

Jorge Nélio M. Ferreira

Elias Rodrigues
18 de Setembro de 2013

1 Matrizes: Conceitos básicos de matrizes, operações

com matrizes, classificação de matrizes
Informalmente, uma matriz pode ser interpretada como uma tabela com um certo
número de linhas e de colunas preenchida com números reais. Por exemplo,
4 1 34
 
A=
−1 0 π
é uma matriz com 2 linhas e 3 colunas.

Definição 1.1 Sejam m e n dois números naturais. A qualquer função A que

faz corresponder a cada par ordenado (i, j), com 1 ≤ i ≤ m e 1 ≤ j ≤ n , um
número real aij chama-se matriz de dimensão m × n com componentes reais
ou simplesmente matriz real m × n. Aos números aij chamamos componentes
ou entradas ou elementos da matriz A.

Assim, aij representa a entrada da matriz A na linha i e coluna j, e escreve-se

 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
A =  .. .. .. 
 
..
 . . . . 
am1 am2 · · · amn
ou numa forma mais compacta
A = [aij ]m,n
i,j=1 ou A = [aij ]m×n .
Duas matrizes A = [aij ] e B = [bij ] dizem-se iguais se têm a mesma dimensão e
aij = bij para todo o i e para todo o j, i.e., as suas entradas são iguais.

Exemplo 1.2 1. Considere as matrizes

 √   
3 e2 0 8 −3
A= B= .
−1 0 5 5 1
√
Tem-se a11 = 3, a23 = 5 e b12 = −3. Note-se A é uma matriz 2 × 3 e B tem
dimensão 2 × 2. Portanto estas matrizes não são iguais.

1
 2. Consideremos a matriz A de dimensão 2 × 3 cujas entradas são dadas por
aij = (−1)i+j j. Temos então
     
a11 a12 a13 (−1)1+1 1 (−1)1+2 2 (−1)1+3 3 1 −2 3
A= = = .
a21 a22 a23 (−1)2+1 1 (−1)2+2 2 (−1)2+3 3 −1 2 −3
Definição 1.3 Seja A = [aij ] uma matriz m × n.
1. Se m = n, então diz-se que A é uma matriz quadrada.
2. Chama-se diagonal principal de A às entradas aii com 1 ≤ i ≤ m.
3. Uma matriz 1 × n diz-se uma matriz linha e uma matriz m × 1 uma matriz
coluna.
Definição 1.4 Seja A = [aij ] uma matriz quadrada.
1. Diz-se que A é triangular superior se todas as entradas da matriz que estão
abaixo da diagonal principal são iguais a zero, i.e., aij = 0 para todo o i > j.
2. Diz-se que A é triangular inferior se todas as entradas da matriz que estão
acima da diagonal principal são iguais a zero, i.e., aij = 0 para todo o i < j.
3. Diz-se que A é diagonal se todas as entradas da matriz que estão abaixo e
acima da diagonal principal são iguais a zero, i.e., aij = 0 para todo o i 6= j.
 
1 −3
Exemplo 1.5 é uma matriz triangular superior.
0 0
 
4 0 0
 −1 0 0  é uma matriz triangular inferior.
√
π 0 9
 
3 0 0 0
 0 1 0 0 
 0 0 9 0  é uma matriz diagonal.
 

0 0 0 5
Seja Mm×n (R) o conjunto de todas as matrizes de dimensão m × n com entradas
reais. Neste conjunto pode-se definir uma operação de adição e multiplicação por
um número real.
Definição 1.6 Sejam A = [aij ] e B = [bij ] duas matrizes m × n e α um número
real. As matrizes A + B e αA são dadas por:
A + B = [aij + bij ] αA = [αaij ].
Exemplo 1.7 Considere as matrizes
   
1 2 −2 −3
A= 4  5  B= 3 1 .
0 6 7 −6
Tem-se    
−1 −1 3 6
A+B =  7 6  3A =  12 15  .
7 0 0 18

2
Note-se que as operações acima definidas não alteram a dimensão das matrizes. No
entanto, veremos que o mesmo não acontece quando definirmos a multiplicação de
duas matrizes.
Observação 1.8 A soma de matrizes só é possı́vel se ambas as matrizes tiverem a
mesma dimensão.
Teorema 1.9 Sejam A, B, C ∈ Mm×n (R) e α, β ∈ R. As seguintes propriedades
são válidas:
1. Comutatividade da adição: A + B = B + A;
2. Associatividade da adição: A + (B + C) = (A + B) + C;
3. Existência de elemento neutro: existe uma única matriz, designada por O
(matriz nula, i.e., todas as suas entradas são iguais a zero) tal que A+O = A;
4. Existência de simétrico: para cada matriz A tem-se A + (−A) = O;
5. Associatividade da multiplicação por números reais: α(βA) = (αβ)A;
6. Distributividade: α(A + B) = αA + αB e (α + β)A = αA + βA;
7. Existência de identidade: 1A = A.
As propriedades enunciadas no teorema anterior, mostram que o conjunto Mm×n (R)
é um espaço vectorial sobre R.
Um outro exemplo de espaço vectorial sobre R é o conjunto Rn formado pelos
vectores com n coordenadas u = (u1 , u2 , . . . , un ) em que cada entrada é um número
real. Em Rn as operações de adição e multiplicação por um número real são definidas
da seguinte forma:
u + v = (u1 , u2 , . . . , un ) + (v1 , v2 , . . . , vn ) := (u1 + v1 , u2 + v2 , . . . , un + vn )
e
αu = α(u1, u2 , . . . , un ) := (αu1 , αu2, . . . , αun ).
Se no Teorema 1.9 substituirmos as matrizes por vectores de Rn , continuam a ser
válidas aquelas propriedades.
Ao longo da cadeira, muitas vezes iremos representar os vectores u de Rn como
uma matriz coluna, i.e.,  
u1
 u2 
u =  ..  .
 
 . 
un
Definição 1.10 Seja A = [aij ] uma matriz m × n e u ∈ Rn . O produto ou
multiplicação de A com u é definido da seguinte forma:
    
a11 a12 · · · a1n u1 a11 u1 + a12 u2 + · · · + a1n un
 a21 a22 · · · a2n   u2   a21 u1 + a22 u2 + · · · + a2n un 
Au =  .. .. ..   ..  =  .. .
    
. .
 . . . .  .   . 
am1 am2 · · · amn un am1 u1 + am2 u2 + · · · + amn un

3
Observação 1.11 De acordo com a definição anterior, o produto Au só tem signi-
ficado se o número de colunas de A for igual ao número de coordenadas de u. Neste
caso, Au é um vector com m coordenadas, i.e., um vector de Rm .

Exemplo 1.12 Temos

     
2 2   2×7+2×6 26
 −3 0  7 =  −3 × 7 + 0 × 6  =  −21  .
6
5 4 5×7+4×6 59
O produto   
1 2 −1 7
3 0 1 6
não faz sentido.

Agora pretende-se definir o produto de duas matrizes. Tendo em conta a definição

anterior, se por exemplo pretendemos multiplicar uma matriz A por uma matriz B
com duas colunas, então será natural definir o produto AB como sendo uma matriz
em que cada coluna se obtém multiplicando A pelo vector dado pela correspondente
coluna de B, i.e.,
    
2 2 1 x a 2x + 2y + z 2a + 2b + c
 −3 0 10   y b  =  −3x + 0y + 10z −3a + 0b + 10c 
5 4 −6 z c 5x + 4y − 6z 5a + 4b − 6c

Definição 1.13 Sejam A = [aij ]m×n e B = [bij ]n×p duas matrizes. Então o produto
C = AB é uma matriz m × p com
n
X
cik = aij bjk
j=1

para todo 1 ≤ i ≤ m e 1 ≤ k ≤ p.

Por outras palavras, temos:

• (coluna k de C)=(matriz A)(coluna k de B);
• (linha i de C)=(linha i de A)(matriz B);
• cik =(linha i de A)(coluna k de B).

Observação 1.14 O produto AB só tem sentido se o número de colunas de A for

igual ao número de linhas de B. Neste caso, o número de linhas de AB é igual ao
número de linhas de A e o número de colunas de AB é igual ao número de colunas
de B.

Exemplo 1.15 1. Tem-se

 
  2 2  
1 2 −1 −9 −2
 −3 0  =
3 0 1 11 10
2×3 5 4 3×2 2×2

4
 2. O produto    
π 2 −1 7 e
7
9 10 1 2×3
6 5 2×2

não faz sentido.

3. A entrada c32 do produto

 √  
47 2π −1 0 π 2 −1
 1
 3 0 11
3
87   13
  −4 

11
3
 1 −1 2 −3   −1 0 3 
π 2 −7 13 ln 27 3 π 13

é 2 + 4 + 0 − 3π = 6 − 3π.

Teorema 1.16 Desde que as operações façam sentido tem-se:

1. Associatividade: (AB)C = A(BC);

2. Distributividade: A(B + C) = AB + AC e (A + B)C = AC + BC;

3. Designa-se por matriz identidade n × n a matriz I cujos entradas são iguais

a 1 ao longo da diagonal principal e zero nas restantes entradas, i.e.,
 
1 0 ··· 0
 0 1 ··· 0 
 .. .. . . ..  .
 
 . . . . 
0 0 ··· 1

Então AI = A e IB = B.

4. Seja α ∈ R. Tem-se α(AB) = (αA)B = A(αB).

O próximo exemplo é IMPORTANTE pois mostra que em geral o produto de

matrizes não é comutativo.

Exemplo 1.17 Considere as matrizes

   
1 1 1 0
A= B= .
0 1 1 1

Então temos    
2 1 1 1
AB = BA =
1 1 1 2
de onde concluı́mos AB 6= BA.

Dada uma matriz quadrada A, a potência n de A, designada por An , é o produto

de A por si própria n vezes. Usando a propriedade associativa resulta que:

An = AAn−1 .

5
  
1 1
Exemplo 1.18 Consideremos a matriz A = . Calculemos A3 . Temos
2 1
    
2 1 1 1 1 3 2
A = AA = = .
2 1 2 1 4 3
Portanto     
3 2 1 1 3 2 7 5
A = AA = = .
2 1 4 3 10 7

Definição 1.19 Chama-se transposta de A à matriz que se obtém de A trocando

as linhas pelas colunas. Esta é representada por AT .

Se A = [aij ]m×n então AT = [bji ]n×m com bji = aij .

Definição 1.20 Seja A uma matriz.

1. Diz-se que A é uma matriz simétrica se A = AT .

2. Diz-se que A é uma matriz anti-simétrica se A = −AT .

Exemplo 1.21 Considere as matrizes

   
  2 1 5 0 3 −5
4 2 −1
A= B= 1 0
 4  C = −3
 0 4 .
9 10 1
5 4 −6 5 −4 0

Temos
     
4 9 2 1 5 0 −3 5
AT =  2 10  BT =  1 0 4  CT =  3 0 −4  .
−1 1 5 4 −6 −5 4 0

A matriz B é simétrica, a matriz C é anti-simétrica e a matriz A não é simétrica

nem anti-simétrica.

Teorema 1.22 Desde que as operações façam sentido tem-se:

1. (A + B)T = AT + B T ;

2. (αA)T = αAT ;

3. (AB)T = B T AT ;

4. (AT )T = A.

6
Exercı́cios:
1. Sendo A e B duas matrizes 7 × 7 tais que todas as entradas de A são iguais a 1
e todas as entradas de B são iguais 3, calcule AB. Se estas matrizes tivessem
dimensão n × n, quais seriam as entradas da matriz AB.

2. Indique, justificando, se as seguintes afirmações são verdadeiras ou falsas:

(a) Se a segunda e a quinta colunas de B são iguais, também são iguais a

segunda e quinta colunas de AB.
(b) Se a segunda e a quinta linhas de B são iguais, também são iguais a
segunda e quinta linhas de AB.
(c) Se a segunda e a quinta linhas de A são iguais, também são iguais a
segunda e quinta linhas de AB.

3. Verifique que as igualdades

(AB)2 = A2 B 2 , (A+B)2 = A2 +2AB+B 2 e (A+B)(A−B) = A2 −B 2

   
1 1 1 0
não são válidas para as matrizes A = eB= . Modifique
0 2 1 2
os lados direitos das expressões de forma que estas seja válidas para quaisquer
matrizes quadradas A e B.
 
cos θ − sin θ
4. Considere a matriz A = . Verifique que:
sin θ cos θ

(a) AAT = I (às matrizes quadradas que satisfazem AAT = I chamamos

matrizes ortogonais);
 
cos(2θ) − sin(2θ)
2
(b) A = e indique uma fórmula geral para An .
sin(2θ) cos(2θ)