You are on page 1of 55

ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA

Apontamentos de Matrizes e Sistemas de Equações Lineares

Escola Superior de Tecnologia de Setúbal Departamento de Matemática

Ano Lectivo de 2010/2011

Nota Prévia

Os presentes apontamentos destinam-se aos alunos da unidade curricular de ALGA leccionada nos cursos de Engenharia da EST Setúbal/IPS. Foram originalmente baseados no capítulo 4 do livro “Álgebra Linear” da autoria de Carlos Luz, Ana Matos e Sandra Nunes, editado pela EST Setúbal em 2003. Ao longo dos últimos anos, têm sido adaptados a novos contextos curriculares e sofrido diversos melhoramentos, os quais têm sido levados a cabo por Carlos Luz com a colaboração de Cristina Almeida e Paula Pereira. São também de assinalar as sugestões dadas por vários outros colegas que, assim, têm contribuído para a melhoria deste instrumento de estudo dos alunos. Neste ano lectivo, os anteriormente designados exercícios suplementares coligidos por Carla Rodrigues foram incorporados na secção de exercícios propostos.

Índice

1 Denição de Matriz. Matrizes Especiais.

 

3

2 Operações com Matrizes. Matriz Inversa

6

2.1 Adição de Matrizes

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

6

2.1.1

Propriedades da adição de matrizes

 

7

2.2 Multiplicação de Matrizes por um Escalar

 

7

2.2.1

Propriedades da multiplicação de um escalar por uma matriz

 

8

2.3 Multiplicação de Matrizes

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

8

2.3.1

Propriedades da multiplicação de matrizes

 

9

2.4 Potência de uma Matriz Quadrada

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

14

2.5 Matriz Inversa

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

15

3 Exercícios Resolvidos

 

16

4 Dependência e Independência Linear de Linhas e Colunas

 

18

5 Característica e Operações Elementares

 

23

6 Exercícios Resolvidos

 

29

7 Sistemas de Equações Lineares

 

30

7.1 Resolução de Sistemas de Equações Lineares

 

33

7.2 Sistemas Homogéneos

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

39

8 Inversão de Matrizes

 

41

9 Exercícios Resolvidos

 

43

10 Exercícios Propostos

 

46

11 Soluções dos Exercícios Propostos

 

53

1

Denição de Matriz. Matrizes Especiais.

Intuitivamente, uma matriz é uma tabela onde se dispõem elementos dum dado conjunto. Estu- daremos a seguir as matrizes formadas por elementos do conjunto dos números reais. Em estudos posteriores, há necessidade de considerar matrizes cujos elementos são números complexos. De notar contudo que as denições e propriedades que veremos são igualmente válidas neste caso.

Denição 1.1 Uma matriz de tipo m × n é um quadro com m n números reais dispostos em m linhas e n colunas.

Seja A uma matriz de tipo m × n . Representa-se por a ij o elemento de A situado na linha i

e na coluna j , isto é, na posição (i, j ) da matriz. Assim, representa-se a matriz A por

···

···

.

···

.

a

a

a

11

21

.

.

.

i1

.

.

a

a

a

12

22

.

i2

.

a

a

a

1j

2j

.

ij

.

···

···

.

···

.

a

a

a

1n

2n

.

in

.

A =

.

a m1 a m2 ··· a mj ··· a mn

ou, abreviadamente, por

A = [a ij ] 1im

1jn

,

ou apenas por

A = [ a ij ] ,

se não houver risco de confusão. É também costume designar a ij por elemento genérico da matriz A. Uma matriz diz-se quadrada de ordem n se m = n, isto é, se tiver igual número de linhas

e de colunas. Se m 6= n, então diz-se uma matriz rectangular. Se m = 1, isto é, se a matriz tiver uma só linha, estamos perante uma matriz linha. Caso n = 1, isto é, se a matriz tiver uma só coluna, a matriz designa-se por matriz coluna.

Exemplo 1.1 A matriz

A =

a

a

a

11

21

31

a

a

a

12

22

32

a

a

a

13

23

33

é uma matriz quadrada de ordem 3. Por outro lado,

é uma matriz coluna e

é uma matriz linha.

Por outro lado, é uma matriz coluna e é uma matriz linha. B = ⎡ ⎢

B =

1

3

2

5

3

7

C = £ 245 ¤

Consideremos uma matriz quadrada de ordem n:

A =

a 11 a 12 ··· a 1j ··· a 1n

a 21 a 22 ··· a 2j ··· a 2n

a

.

.

.

i1

.

.

.

a

.

i2

.

.

.

··· a ij

.

.

.

.

··· a in

.

.

a n1 a n2 ··· a nj ··· a nn

.

nn da matriz quadrada dizem-se elementos principais ou

, a n1 formam

a diagonal secundária. Uma matriz quadrada A = [a ij ] diz-se triangular superior se a ij = 0 sempre que i>j , isto é, se todos os elementos abaixo da diagonal principal são nulos. Se a ij = 0 sempre que i<j , isto é, se todos os elementos acima da diagonal principal são nulos, então a matriz diz-se triangular inferior.

diagonais e formam a diagonal principal. Os elementos a 1n ,a 2,n1 ,a 3,n2 ,

Os elementos a 11 ,a 22 ,a 33 ,

,a

Exemplo 1.2 Dadas

A =

032

015

003

⎤ ⎦

e B =

2

1

10

00

00

5

3

⎤ ⎦

,

tem-se que A é uma matriz triangular superior e B é uma matriz triangular inferior.

triangular superior e B é uma matriz triangular inferior. Uma matriz quadrada diz-se diagonal se a

Uma matriz quadrada diz-se diagonal se a ij = 0 sempre que i 6= j, ou seja, todos os elementos fora da diagonal principal são nulos. Uma matriz quadrada A = [a ij ] diz-se escalar se for diagonal e os elementos principais forem todos iguais a um escalar λ, isto é,

a ij = ½ λ

0

se

se

i = j i 6= j

.

Exemplo 1.3 A matriz 070 é diagonal enquanto 020 é escalar.

200

008

200

002

⎡ 020 ⎦ é escalar. 200 ⎣ 008 ⎤ 200 ⎣ 002 ⎤ A matriz escalar

A matriz escalar de ordem n em que os elementos principais são iguais a 1 designa-se por matriz identidade de ordem n e representa-se por I n . Sendo i e j números naturais, dá-se a designação de símbolo de Kronecker à variável δ ij denida por

δ ij = ½

1

0

se

se

i = j i 6= j

.

Utilizando este símbolo, pode representar-se uma matriz escalar por A = [ λδ ij ] . Em particular, a matriz identidade de ordem n representa-se por I n = [δ ij ] .

Exemplo 1.4 As matrizes seguintes,

I 2

=

δ

δ

11

21

δ 22 ¸ =

δ 12

1

0

0

1

¸

,

⎡ ⎤ ⎡ ⎤ ⎤ 1000 δ δ δ 100 11 12 12 ⎢ ⎥
1000
δ
δ
δ
100
11
12
12
0100
I 3
=
δ
δ
δ
⎦ = ⎡
010
e I 4 =
21
22
23
0010
δ
δ
δ
001
31
32
33
0001
constituem, respectivamente, as matrizes identidade de ordens 2, 3 e 4.

,

Uma matriz A = [a ij ] de tipo m × n diz-se nula se todos os seus elementos são nulos, isto

é, a ij = 0, para quaisquer i = 1,

matriz nula de tipo m × n por O m×n ou simplesmente pela letra O . Duas matrizes A = [a ij ] e B = [b ij ] de tipo m × n são iguais se e só se a ij = b ij , para

em diante, representaremos uma

,m

e j = 1,

, n. Daqui

quaisquer i = 1,

iguais se e só se os seus elementos homólogos forem iguais.

,m

e j = 1,

, n. De forma mais sugestiva, diz-se que duas matrizes são

Exemplo 1.5 As matrizes A =

ela residiria nos elementos homólogos a 22 = 3 e b 22 = 9 que, evidentemente, são iguais.

1

4

0

3

¸ e B =

1

4

0 9 ¸ são iguais. A haver alguma dúvida,

1 4 √ 0 9 ¸ são iguais. A haver alguma dúvida, Chama-se oposta duma matriz

Chama-se oposta duma matriz A = [a ij ] do tipo m × n à matriz B = [ b ij ] do mesmo tipo, tal

A matriz oposta de A representa-se

que a ij = b ij, para quaisquer i = 1, habitualmente por A = [a ij ].

,m

e j = 1,

,n.

Exemplo 1.6 A matriz A =

2 8

4

0

73 tem oposta 6 58

A =

280

4 7 3 . 6 5 8

⎡ − 280 − 4 − 7 − 3 ⎦ . 6 − 5 − 8

Chama-se transposta da matriz A = [a ij ] do tipo m × n à matriz B = [b ij ] , do tipo n × m, tal

, n. A matriz transposta de A representa-se

que b ij = a ji , para quaisquer i = 1,

habitualmente por A T . Veri ca-se, evidentemente, que

,m e j = 1,

¡ A T ¢ T = A

(1)

e que a transposta de uma matriz linha é uma matriz coluna e a transposta de uma matriz coluna é uma matriz linha.

2

Exemplo 1.7 A matriz A = 3

4

0 tem por transposta

4

8

A T =

234

408

¸

.


Por outro lado, a matriz linha A = £ 245 ¤ tem por transposta a matriz coluna A T =

2

4

5

.

tem por transposta a matriz coluna A T = 2 4 5 ⎦ . Uma matriz

Uma matriz A diz-se simétrica se é igual à sua transposta, isto é, se

A = A T .

Uma matriz simétrica é sempre uma matriz quadrada. Com efeito, se A é do tipo m × n, A T é do tipo n × m. Como, por denição de matriz simétrica, A = A T , conclui-se que m = n. Além disto, sendo A = [ a ij ], tem-se a ij = a ji , isto é, os elementos que ocupam posições simétricas relativamente à diagonal principal são iguais. Exemplicando, a matriz

215

172

528

é simétrica. Uma matriz A diz-se anti-simétrica se A = A T . Uma matriz anti-simétrica é sempre uma matriz quadrada e, se A = [ a ij ], tem-se

A = A T a ij = a ji , (i, j ).

Sendo i = j , obtém-se a ii = a ii o que implica a ii = 0. Conclui-se que numa matriz anti- simétrica os elementos da diagonal principal são nulos e os elementos colocados simetricamente em relação à diagonal principal são simétricos. Como exemplo de matriz anti-simétrica, temos:

14

1

4 3 0

03

0

.

2 Operações com Matrizes. Matriz Inversa

2.1 Adição de Matrizes

Denição 2.1 Sejam A = [ a ij ] e B = [b ij ] duas matrizes de elementos reais de tipo m × n. Chama-se soma de A e B à matriz C = [c ij ], de tipo m × n, cujo elemento genérico é c ij = a ij + b ij . Escreve-se então C = A + B .

Exemplo 2.1 Dadas as matrizes

A =

a soma de A e B é a matriz

234 ¸ e B = 6 5 4

408

18 ¸ ,

3

9

C = A + B = 8

7

2 8

9

26 ¸ .

∙ 6 − 5 4 408 18 ¸ , 3 9 C = A + B

2.1.1

Propriedades da adição de matrizes

Listam-se seguidamente as propriedades básic as da adição de matrizes. As primeiras quatro deduzem-se das propriedades da adição de números reais, sendo a última consequência da de- nição de matriz transposta.

Proposição 2.1 São válidas as seguintes propriedades:

(a)

A adição de matrizes é comutativa, isto é, A + B = B + A, para quaisquer matrizes A e B do mesmo tipo.

(b)

A adição de matrizes é associativa, isto é, A + (B + C )=(A + B ) + C , para quaisquer matrizes A, B e C do mesmo tipo.

(c)

A adição de matrizes tem elemento neutro, isto é, para cada tipo de matrizes, existe uma matriz nula O desse tipo tal que, qualquer que seja a matriz A do tipo considerado, A + O = O + A = A.

(d)

A adição de matrizes tem elemento simétrico, isto é, para qualquer matriz A, existe uma matriz oposta A do mesmo tipo, tal que A + (A)=(A) + A = O .

(e)

A transposta da soma de matrizes é igual à soma das transpostas, isto é,

(A + B ) T = A T + B T

,

quaisquer que sejam A e B matrizes do mesmo tipo.

2.2 Multiplicação de Matrizes por um Escalar

Denição 2.2 Seja A = [ a ij ] uma matriz de elementos reais de tipo m × n e λ um escalar real. Chama-se produto do escalar λ pela matriz A, à matriz do mesmo tipo que se representa por λA e cujo elemento genérico é λa ij , isto é, a matriz que se obtém de A multiplicando todos os seus elementos por λ.

Exemplo 2.2 Sendo A =

234

408

enquanto, para λ =

λA = 4

2 1 , vem

λA =

¸ e λ = 4, tem-se

234

408

2 1 A =

¸ =

8

16

1

2

3

2

0

¸ 12 16 0 32 ¸ −2 . −4
¸
12 16
0
32
¸
−2
.
−4

,

2.2.1

Propriedades da multiplicação de um escalar por uma matriz

Listam-se seguidamente as propriedades básicas da multiplicação escalar. As primeiras quatro deduzem-se das propriedades da multiplicaçã o de números reais e a última é consequência da denição de matriz transposta.

Proposição 2.2 Sejam A e B matrizes de tipo m × n e λ e μ escalares quaisquer. Então, são válidas as seguintes propriedades:

(a)

λ(A + B ) = λA + λB ;

(b)

(λ + μ)A = λA + μA;

(c)

(λμ)A = λ(μA);

(d)

1A = A; (1) A = A; 0A = O m×n .

(e)

(λA) T = λA T .

2.3 Multiplicação de Matrizes

Denição 2.3 Duas matrizes A e B dizem-se encadeadas se A é do tipo m × n e B é do tipo

n × p, isto é, se o número de colunas de A é igual ao número de linhas de B .

Exemplo 2.3 As matrizes

são encadeadas.

de linhas de B . Exemplo 2.3 As matrizes são encadeadas. A = ∙ 234 408

A =

234

408

¸

200

e B = 070

008

Denição 2.4 Sejam A = [ a ij ] e B = [ b ij ] duas matrizes encadeadas de elementos reais de tipos

m

× n e n × p, respectivamente. Chama-se produto da matriz A pela matriz B à matriz

C

= [ c ij ] de tipo m × p, cujo elemento genérico c ij se obtém somando os produtos dos elementos

da linha i da matriz A pelos elementos correspondentes da coluna j da matriz B , isto é,

com i = 1, 2,

,m

c ij = a i1 b 1j + ··· + a ik b kj + ··· + a in b nj =

n

X a ik b kj ,

k =1

e j = 1, 2,

, p. Escreve-se, então, C = AB .

Resulta da denição que o elemento genérico c ij da matriz C = AB pode ser encarado como o produto da matriz linha formada pelos elementos da linha i de A pela matriz coluna formada

pelos elementos da coluna j de B, isto é,

c ij

= £ a i1 ··· a ik |

{z

··· a in ¤

}

linha i de A

⎡ ⎤

.

⎢ ⎥

.

⎢ ⎥

.

.

⎣ ⎢ ⎦

.

.

b

1j

b

kj

b

nj

| {z }

coluna j de B

= a i 1 b 1j + ··· + a ik b kj

+ ··· + a in b nj =

n

X a ik b kj .

k =1

Por outro lado, é evidente que o produto C = AB tem o mesmo número de linhas que a matriz A e o mesmo número de colunas que a matriz B , isto é, AB é do tipo m × p. Esquematicamente:

(m × n) vezes (n × p)=(m × p).

⎡ ⎤ ⎤ 0 1 4532 8 9 ⎣ ⎢ ⎢ ⎥ ⎥ Exemplo 2.4
0
1
4532
8
9
⎢ ⎢
⎥ ⎥
Exemplo 2.4 Para A = ⎡ 1245 ⎦ e B =
⎦ tem-se
4
5
6019
6
3
4532
9
0
1
8
C
= AB = ⎡ 1245
5
⎢ ⎣
⎥ ⎥
4
6019
|
{z
}
6
3
|
{z
}
(3×4)
(4×2)
4 × 0+5 × 8+3 × 4+2 × 6
= 1 × 0+2 × 8+4 × 4+5 × 6
4 × 1+5 × 9+3 × 5+2 × 3
1 × 1+2 × 9+4 × 5+5 × 3
6 × 0+0 × 8+1 × 4+9 × 6
6 × 1+0 × 9+1 × 5+9 × 3
64
70
= ⎡ 62
54
.
58 38
|
{z
}

(3×2)

2.3.1 Propriedades da multiplicação de matrizes

Vejamos algumas propriedades da multiplicação de matrizes.

Proposição 2.3 A multiplicação de matrizes é associativa, isto é,

(AB )C = A(BC )

em que A = [a ij ] é do tipo m × n, B = [b ij ] do tipo n × p e C = [ c ij ] do tipo p × q .

Demonstração. As matrizes (AB )C e A(BC ) são ambas do tipo m × q e considerando D = [ d ij ]=(AB )C, E = [ e ij ] = A(BC ), AB = [f ij ] e BC = [ g ij ], resulta

e

p p

d ij =

X f ik c kj =

k

=1

X

k

=1

Ã

n

X

s=1

a is b sk ! c kj =

p

n

X X

k =1 s=1

a

is b sk c kj

e ij =

n

X a is g sj =

s=1

n

X

s=1

a is Ã

p

X

k =1

b sk c kj ! =

n

p

X X

s =1 k =1

a is b sk c kj .

Exemplo 2.5 Para

tem-se

e

A = 0

2

1

2

¸

,

B =

124 ¸ e C =

0

13

(AB )C = 12 4

2 6

14

A(BC ) = 0

2

1

2

¸

¸

4

2

5

= 20 74 ¸

17 ¸ = 20

20

74

¸

.

= ∙ 20 74 ¸ 17 ¸ = ∙ 20 20 74 ¸ . 4 2

4

2

5

20 74 ¸ 17 ¸ = ∙ 20 20 74 ¸ . 4 2 5 ⎤

Proposição 2.4 A multiplicação de matrizes é distributiva relativamente à adição, isto é,

A(B + C ) = AB + AC e (D + E )F = DF + EF

desde que os produtos indicados existam.

Demonstração. Sejam A = [a ij ] do tipo m × n, B = [b ij ] do tipo n × p e C = [ c ij ] do tipo n × p. Então, B + C é do tipo n × p e A(B + C ) é do tipo m × p. De modo semelhante, verica-se que AB é do tipo m × p e AC é do tipo m × p e AB + AC é do tipo m × p. Assim, as matrizes A(B + C ) e AB + AC são do mesmo tipo. Para que sejam iguais têm que ter os elementos homólogos iguais. O elemento situado na linha i da coluna j de A(B + C ) é igual ao elemento situado na linha i da coluna j de AB + AC pois,

n

X a ik (b kj + c kj ) =

k

=1

n

X

k

=1

(a ik b kj + a ik c kj ) =

Exemplo 2.6 Para

tem-se

A =

1

04

2 1

5

A(B + C ) =

¸

,

B =

1

04

2 1

5

¸

432

000

123

752

410

683

n

X a ik b kj +

k

=1

n

X a ik c kj .

k

=1

e C =

320

410

560

=

9 1 1

46

44

15

¸

k =1 ⎣ e C = ⎡ 320 410 560 ⎤ ⎦ = ∙ 9 −

e

AB + AC =

3

5 10

1 1

15

¸ +

6 2 0

0

41

34

¸ =

9 1 1

46

44

15

¸

.

6 − 2 0 0 41 34 ¸ = ∙ 9 − 1 − 1 46

Nota 2.1 Já vimos que, à semelhança da multiplicação de números reais, a multiplicação de matrizes é associativa e distributiva. Convém, contudo, salientar que algumas propriedades válidas para a multiplicação de números reais não são válidas para a multiplicação de matrizes. Assim:

1. A multiplicação de matrizes não é comutativa.

Na verdade, AB e BA podem não estar simultaneamente de nidas. Se A é do tipo m × n e B é do tipo n × p, o produto BA só está denido se p = m. Neste caso, AB é do tipo m × m e BA é do tipo n × n. Se m 6= n, AB e BA são de tipos diferentes e não podem ser iguais.

Por outro lado, se m = n, isto é, se A e B são matrizes quadradas da mesma ordem, AB e BA também são quadradas da mesma ordem, mas em geral, BA 6= AB. Pode no entanto acontecer que AB = BA e, neste caso, as matrizes A e B dizem-se permutáveis.

Exemplo 2.7 Para A = 0123 3210 ¸ e B =

AB = 0123

3210 ¸

0

1

2

3

2

0

1

3

3

0

1

2

3

⎤ ⎥

tem-se

2 = 14

1

0

14 ¸

4

4

e

BA =

0

1

2

3

3

2 0123

1

0

3210 ¸ =

9630

6543

3456

0369

,

donde A e B não são permutáveis.

Também as matrizes quadradas C =

pois,

2 1

2

e

CD =

1

DC =

4

1 1

1

¸

2

1

¸

1

2

¸ e D =

4

1 1

1

4

1 1

1

¸ =

7

3 2

3

2 1 2 ¸ = 2 7

3 3

1

¸

.

¸ não são permutáveis

¸

− 2 7 − 3 3 − 1 ¸ . ¸ não são permutáveis ¸ 2.

2. Não é válida a lei do anulamento do produto, isto é, o produto de duas matrizes pode ser nulo sem que nenhuma delas o seja.

Exemplo 2.8 Tem-se, por exemplo,

1

1

1

1 ¸ 1

1

2 2 ¸ = 0

0

0

0

¸

.

1 ¸ ∙ − 1 1 − 2 2 ¸ = ∙ 0 0 0 0

3. Não é válida a lei do corte para a multiplicação, isto é, a igualdade AB = AC não implica B = C , mesmo quando a matriz A é não nula.

Exemplo 2.9 Sejam

A = 1

1

1

1

¸

,

B =

Com efeito, AB = AC pois

 

AB =

1

1

e

 

AC = 1

1

mas B 6= C .

mas B 6 = C .

1

1

1

1

¸

¸

2 ¸

1 2

1

e C =

3 4

4

3

1

1

3

3

2 2 ¸ = 0

0

4 4 ¸ = 0

0

0

0 ¸

0

0

¸

,

¸

.

Proposição 2.5 (lei do salto) Se A e B são matrizes encadeadas e λ é um escalar, então

A (λB )=(λA) B = λ (AB ) .

Demonstração. Vamos provar a primeira igualdade, deixando a segunda como exercício.

Sejam A = [a ij ] ,B

=

[ b ij ], A (λB )=[f ij ] e (λA) B = [ g ij ]. Vamos provar que f ij = g ij .

Como λA = [λa ij ] e λB = [λb ij ] , temos

f ij =

n

X a ik (λb kj ) =

k

=1

n

X (λa ik ) b kj = g ij ,

k

=1

atendendo à propriedade associativa da multiplicação de números reais.

associativa da multiplicação de números reais. Proposição 2.6 Sejam A uma matriz quadrada de ordem n

Proposição 2.6 Sejam A uma matriz quadrada de ordem n e I n a matriz identidade de ordem n. Então

AI n = I n A = A.

Demonstração. Sejam

A = [ a ij ] ,I n = [ δ ij ] e AI n = [c ij ]. Temos

c ij = a i1 δ 1j + a i2 δ 2j + ··· + a ij δ jj + ··· + a in δ nj = a ij ,

atendendo à denição de δ ij (símbolo de Kronecker). De modo análogo se demonstra que I n A = A.

i j (símbolo de Kronecker). De modo análogo se demonstra que I n A = A

Exemplo 2.10 Sendo A =

7

3 2

3

¸ e I 2 =

e

AI 2 =

7

3 2

3

I 2 A =

1 0

0 1

¸

¸

1

0

7

3 2

3

1

0

0

1

0

1

¸ , tem-se

¸ =

7

3 2

3

¸ =

7

3 2

3

¸

¸

.

= ∙ 7 − 3 − 2 3 ¸ = ∙ 7 − 3 − 2

Proposição 2.7 Seja A = λI n uma matriz escalar de ordem n. Então A é permutável com qualquer matriz quadrada B de ordem n.

Demonstração. Tem-se, atendendo à duas propriedades anteriores:

AB = (λI n ) B = λ (I n B ) = λB

e

BA = B (λI n ) = λ (BI n ) = λB.

Logo, AB = BA = λB.

Exemplo 2.11 Tem-se

2

0

0 ¸ ∙ 3 −1 5 ¸ 2 2
0 ¸ ∙ 3 −1 5 ¸
2
2

=

=

3 1

5

¸

2

0

0

2

2

¸

2

6

4

2 ¸ = 2 3 1

5

10

¸

.

2 ¸ 2 6 4 − 2 ¸ = 2 ∙ 3 − 1 5 10

Proposição 2.8 A transposta do produto é igual ao produto das transpostas por ordem inversa, isto é,

(AB ) T = B T A T ,

em que A = [a ij ] é do tipo m × n e B = [ b ij ] do tipo n × p.

Demonstração. Sendo C = AB, tem-se que C é do tipo m × p e C T é do tipo p × m. Como B T é do tipo p × n e A T é do tipo n × m, a matriz D = B T A T é do tipo p × m. Assim, as matrizes C T e D são do mesmo tipo. Para mostrar que C T = D , basta vericar que os elementos homólogos são iguais.

Sejam

C = [c ij ] ,C T = [ f ij ] ,A = [a ij ] e B = [ b ij ]. Temos:

f ij = c ji =

n

X

k =1

a

jk b ki .

Sejam

D = [d ij ], A T = [ g ij ] e B T = [h ij ]. Temos:

d ij =

n

X

k =1

h ik g kj .

Como h ik = b ki e g kj = a jk , tem-se d ij = P n =1 a jk b ki e, portanto, f ij = d ij .

k

= P n = 1 a j k b k i e, portanto, f i j

Exemplo 2.12 Para A =

(AB ) T

3 1

1

2 2

0 e B = 0 2 3 1 ¸ , vem

=

=

⎣ ⎡

3

1

2

1

0

2

2 10

0 3

4 8

T

0

2

3

1

¸

T

=

0 4

10 3 8

2

¸

.

Pela proposição anterior, esta matriz coincide com B T A T , como se comprova seguidamente:

B T A T =

2

3 1

0

¸

2

1 0 2

31

¸ =

0 4

10 3 8

2

¸

.

− 2 31 ¸ = ∙ 0 − 4 − 10 − 3 − 8 −

Proposição 2.9 Qualquer que seja a matriz A, a matriz AA T é simétrica.

Demonstração. Com efeito, ¡ AA T ¢ T = ¡ A T ¢ T A T = AA T . A primeira igualdade deve-se à proposição anterior e a segunda à propriedade (1) da pág. 5.

anterior e a segunda à propriedade (1) da pág. 5. Exemplo 2.13 Sendo A = ⎡

Exemplo 2.13 Sendo A = 2 tem-se que

4

1

é simétrica.

A = ⎡ − 2 ⎦ tem-se que ⎣ 4 1 ⎤ é simétrica. 4 AA

4

AA T = 2

1

£

4

2 1 ¤ = 8

16 8

4 2

4

4 2

1

2.4 Potência de uma Matriz Quadrada

Denição 2.5 Seja A uma matriz quadrada. Denem-se as potências de expoente natural de A por

½

A 1 = A A p = A p1 A,

p N .

Exemplo 2.14 Sendo A =

4

1 2

2

¸ vem,

A 2 = AA =

0 16

4 0

¸ , A 3 = A 2 A = 16 8 16 32 ¸ .

16 − 4 0 ¸ , A 3 = A 2 A = ∙ − 1

2.5

Matriz Inversa

Denição 2.6 Seja A uma matriz quadrada de ordem n. A matriz A diz -se invertível (ou não singular) se existe uma matriz quadrada de ordem n, habitualmente designada por A 1 , tal que

A ¡ A 1 ¢ = ¡ A 1 ¢ A = I n .

A matriz A 1 diz-se a matriz inversa de A.

Uma matriz não invertível diz-se singular .

Exemplo 2.15 A matriz A =

4

1 2

2

¸ tem por inversa a matriz

A 1 = 1/4 1/2 1/8 1/4 ¸ .

Efectivamente tem-se

AA 1 =

2

4 ¸ 1/4 1/2

1/8