Matrizes e Espaços Vetoriais

Matrizes, Determinantes e Sistemas Lineares

Matrizes

Apresentação

É comum nos depararmos com conjuntos de números que são operados essencialmente da mesma
maneira. Isto sugere tratá-los em bloco, de forma única. Esta forma de tratamento é possível através do
uso de elementos matemáticos chamados Matrizes.

Foi apenas em meados do século X I X que as matrizes tiveram sua importância detectada e saíram da
sombra dos determinantes. O primeiro a lhes dar um nome parece ter sido Cauchy, por volta de 1.826. Ele
as chamou de tableau (tabela).

O nome Matriz só veio com James Joseph Sylvester, 1.850. Seu amigo Cayley, com sua famosa Memoir
on the Theory of Matrices, 1.858, divulgou esse nome e iniciou a demonstrar sua utilidade. O significado
coloquial da palavra matriz é: local onde algo se gera ou cria. Sylvester as via como “um bloco retangular
de termos... o que não representa um determinante, mas é como se fosse uma MATRIZ a partir da qual
podemos formar vários sistemas de determinantes, ao fixar um número p e escolher à vontade p linhas e p
colunas. . . ”. Observe que Sylvester ainda via as matrizes como mero ingrediente dos determinantes. É só
com Cayley que elas passam a ter vida própria e, gradativamente, começam a suplantar os determinantes
em importância. A referência mais antiga a matrizes, entretanto, data de aproximadamente do ano 2.500
a.C., no livro chinês Chui-Chang Suan-Shu (Nove capítulos sobre a arte matemática). Este livro apresenta
problemas sobre a mensuração de terras, agricultura, impostos, equações, etc. Um destes problemas é
resolvido com cálculos efetuados sobre uma tabela, tais como efetuamos hoje com as matrizes. Atual-
mente, as matrizes são muito utilizadas em várias áreas de conhecimento. Suas aplicações se dão na
Matemática, Física, Engenharia e Computação, por exemplo.

1.1 Definição. Uma matriz é uma tabela retangular de números, ou outro tipo de objetos matemáticos,
dispostos em m linhas (filas horizontais) e n colunas (filas verticais). Dizemos assim que a matriz possui
ordem m × n (lê-se: ordem m por n).

1.1 Representação de uma Matriz

Representamos uma matriz colocando os dados da tabela entre parênteses ou entre colchetes. Ve-
jamos abaixo alguns exemplos de matrizes.

Exemplo 1.1.
7
 ÁLGEBRA LINEAR

2 3
1
6 7 2 3 2 3
6 0 7 −3 4 2 −3 1 0 −5
” — 6 7 6 7 6 7
A= 1 0 −3 −5 −7 B =6
6 −3 7
7 C =4 1 0 −7 5 5 D = 4 4 4 −3 5
6 7
4 −5 5 9 15 −6 −3 −1 10 0
−7

⋄ A é uma matriz de uma linha e cinco colunas (matriz de ordem 1 × 5).

⋄ B é uma matriz de cinco linhas e uma coluna (matriz de ordem 5 × 1)

⋄ C é uma matriz de três linhas e quatro colunas (matriz 3 × 4)

⋄ D é uma matriz de três linhas e quatro colunas (matriz 3×3). A matriz D possui o número de linhas igual
ao de colunas. Dizemos, então, que ela é uma matriz quadrada de ordem 3 × 3 ou, simplesmente,
matriz de ordem 3.

Uma matriz A de ordem m × n, pode ser indicada como A = [ai j ]m×n , i ∈ {1, 2, 3, . . . , m} e j ∈
{1, 2, 3, . . . , n}, em que ai j é o elemento da linha i e da coluna j da matriz A. Desta forma podemos
generalizar uma matriz Am×n = [ai j ]m×n por uma tabela da seguinte forma:
2 3
a11 a12 ... a1 n
6 7
6 a21 a22 ... a2 n 7
6 7
6 .. .. .. .. 7
4 . . . . 5
am 1 am 2 . . . amn

Na matriz C do exemplo acima, temos, por exemplo, c23 = −7, c33 = −6 e c31 = 9.

Exemplo 1.2. A matriz B2×3 = [bi j ]2×3 definida por bi j = 3i − 2j , é uma matriz real, representada por 2
linhas e 3 colunas. Assim,
– ™ – ™
b11 = 3 · 1 − 2 · 1 = 1 b12 = 3 · 1 − 2 · 2 = −1 b13 = 3 · 1 − 2 · 3 = −3 1 −1 −3
B= =
b21 = 3 · 2 − 2 · 1 = 4 b22 = 3 · 2 − 2 · 2 = 2 b23 = 3 · 2 − 2 · 3 = 0 4 2 0

1.2 Tipos de Matrizes

Existem matrizes que, por apresentarem características notáveis, merecem destaque. Vejamos, a
seguir, algumas delas.

1.2.1 Matriz Coluna

A matriz 2 3
a1
6 7
6 a2 7
6 7
6 a3 7
6 7
6 .. 7
6 7
4 . 5
am
de ordem m × 1 é chamada matriz coluna.
8
 1.2.2 Matriz Linha

A matriz
” —
a1 a2 a3 . . . an
de ordem 1 × n é chamada matriz linha.

1.2.3 Matriz Quadrada

Chama-se matriz quadrada, toda matriz cujo número de linhas é igual ao número de colunas.
2 3
a11 a12 ... a1 n
6 7
6 a21 a22 ... a2 n 7
6 7 ( 1.1)
6 .. .. .. .. 7
4 . . . . 5
an 1 an 2 . . . ann

Nota 1. A ordem da matriz quadrada é n × n ou, simplesmente, n.

Diagonal Principal

1.2 Definição. Numa matriz quadrada A = [ai j ] de ordem n, os elementos ai j , em que i = j , constituem a
diagonal principal.

Assim, em 1.1, os elementos a11 , a22 , a33 , . . . , ann constituem a diagonal principal.

Nota 2. Seja A = [ai j ]n×n uma matriz quadrada de ordem n. Denomina-se traço da matriz A, a soma
a11 + a22 + a33 + . . . + ann dos elementos da diagonal principal de A, o qual indicamos por tr(A). Desse
modo temos:

Diagonal Secundária

1.3 Definição. Numa matriz quadrada A = [ai j ] de ordem n, os elementos ai j , em que i + j = n + 1,

constituem a diagonal secundária da matriz.

Assim, em 1.1, os elementos a1n , a2n−1 , a3n−2 , . . . , an1 constituem a diagonal secundária.

Exemplo 1.3. A matriz 2 3

8 9 −1
6 7
M = 4 6 4 −5 5
−2 2 2
é quadrada de ordem 3. Sua diagonal principal é {8, 4, 2} e sua diagonal secundária é {−1, 4, −2}. O traço
da matriz M é dado por tr(M ) = 8 + 4 + 2 = 14.

1.2.4 Matriz Diagonal

1.4 Definição. A matriz quadrada A = [ai j ], de ordem n e que tem os elementos ai j = 0, quando i 6= j ,
é chamada matriz diagonal, ou seja, é toda matriz quadrada em que os elementos que não pertencem a
9
 ÁLGEBRA LINEAR

diagonal principal são iguais a zero.

2 3
a11 0 0 0 ... 0
6 7
6 0 a22 0 0 ... 0 7
6 7
6 0 0 a33 0 ... 0 7
6 7
6 .. .. .. 7
6 7
6 . . . a44 ··· 0 7
6 7
6 .. 7
4 0 0 0 0 . 0 5
0 0 0 0 . . . ann

1.2.5 Matriz Nula

1.5 Definição. É toda matriz em que todos os seus elementos são iguais a zero.

Exemplo 1.4.
– ™
0 0 0
0 0 0
é a matriz nula de ordem 2 × 3.

Exemplo 1.5. 2 3
0 0 0
6 7
4 0 0 0 5
0 0 0
é a matriz nula de ordem 3 × 3.

1.2.6 Matriz Identidade ou Unidade

1.6 Definição. A matriz diagonal, de qualquer ordem e a qual os elementos da sua diagonal principal são
iguais a 1, é chamada de matriz identidade.

Indica-se a matriz identidade de ordem n por In ou simplesmente por I .

Exemplo 1.6.
– ™
1 0
I2 =
0 1
é a matriz identidade de ordem 2.

Exemplo 1.7. 2 3
1 0 0
6 7
I3 = 4 0 1 0 5
0 0 1
é a matriz identidade de ordem 3.

1.2.7 Matriz Transposta

1.7 Definição. Chama-se transposta de A = [ai j ]m×n a matriz At = [aji′ ]n×m tal que aji′ = ai j , para todo i
e todo j , ou seja, a transposta de A é a matriz obtida de A, trocando-se, “ordenadamente”, suas linhas por
colunas (ou, suas colunas por linhas).
10
 Indica-se a matriz transposta de A por At .

Exemplo 1.8.
2 3
3
– ™ – ™ 6 7
a b a c ” — −2
6 7
A= ⇒ At = B= 3 −2 −1 7 ⇒ Bt = 6 7
c d b d 4 −1 5
7

1.2.8 Matriz Simétrica

1.8 Definição. Uma matriz quadrada A = [ai j ]n×n é dita simétrica se ai j = aji .

Nota 3. Observe que:

(a) A é simétrica se At = A;

(b) No caso de uma matriz simétrica, a parte superior é uma “reflexão” da parte inferior, em relação
à diagonal principal.

Exemplo 1.9. São simétricas as matrizes:

2 3
2 3 a b c d
– ™ 4 3 −1 6 7
a b 6 7 6 b e f g 7
A= B=4 3 2 0 5 C =6 7
b d 4 c f h i 5
−1 0 5
d g i j

1.2.9 Matriz Anti-Simétrica

1.9 Definição. Uma matriz quadrada A = [ai j ]n×n diz-se anti-simétrica quando ai j = −aji , para todo
i , j ∈ {1, 2, 3, . . . , n}. Assim,

i. os elementos da diagonal principal são todos nulos;

ii. os elementos simetricamente dispostos em relação à diagonal principal são opostos.

Nota 4. Observe que a matriz quadrada A é anti-simétrica de ordem n se, e somente se,

At = −A.

Exemplo 1.10. São anti-simétricas as matrizes:

2 3 2 3
– ™ 0 −3 1 0 −b c −d
0 a 6 7 6 7
A= B = 4 3 0 −7 5 6 b 0 −f g 7
−a 0 C =6 7
−1 7 0 4 −c f 0 −i 5
d −g i 0

1.2.10 Matriz Triangular Superior

1.10 Definição. A matriz quadrada A = [ai j ]n×n , que tem os elementos ai j = 0, para i > j , é chamada de
triangular superior, ou seja, quando todos os elementos abaixo da diagonal principal são nulos.
11
 ÁLGEBRA LINEAR

Exemplo 1.11.
2 3
1 −3 1
6 7
A=4 0 4 −7 5
0 0 7

1.2.11 Matriz Triangular Inferior

1.11 Definição. A matriz quadrada A = [ai j ]n×n , que tem os elementos ai j = 0, para i < j , é chamada de
triangular inferior, ou seja, quando todos os elementos acima da diagonal principal são nulos.

Exemplo 1.12.
2 3
1 0 0
6 7
A = 4 3 −1 0 5
4 2 7

Nota 5. Ao conjunto de todas as matrizes de ordem m × n, cujos elementos pertencem a R, deno-

taremos por Mm×n (R) ou Rm×n .

1.3 Igualdade de Matrizes

1.12 Definição. Duas matrizes A = [ai j ]m×n e B = [bi j ]m×n são iguais quando ai j = bi j , para todo
i ∈ {1, 2, 3, . . . , m} e todo j ∈ {1, 2, 3, . . . , n}.

De outro modo, a definição anterior nos diz que A e B são iguais se, e somente se, têm a mesma ordem
e os elementos correspondentes (entradas da matriz) são iguais. Indica-se: A = B .

Exemplo 1.13.
– ™ – ™
1 −3 1 −3
A= é igual a B = ,
7 −4 7 −4
pois, a11 = b11 , a12 = b12 , a21 = b21 e a22 = b22 .

A igualdade de matrizes goza das seguintes propriedades:

X Reflexiva: A = A;

X Simétrica: Se A = B , então B = A;

X Transitiva: Se A = B e B = C , então A = C .

1.4 Operações com Matrizes

1.4.1 Adição de Matrizes

1.13 Definição. Dada duas matrizes A = [ai j ]m×n e B = [bi j ]m×n , chama-se soma A + B , a matriz
C = [ci j ]m×n tal que ci j = ai j + bi j , para todo i e todo j .
12
 Isto significa que a soma de duas matrizes A e B , de mesma ordem m × n, é uma matriz C , de mesma
ordem, em que cada elemento é a soma dos elementos correspondentes em A e B .

Exemplo 1.14.
2 3 2 3 2 3 2 3
2 −1 −2 0 2 + (−2) −1 + 0 0 −1
6 7 6 7 6 7 6 7
4 0 4 5 + 4 −1 3 5 = 4 0 + (−1) 4 + 3 5 = 4 −1 7 5
−2 5 1 0 −2 + 1 5+0 −1 5
Exemplo 1.15. 2 3 2 3 2 3
2 3
5 1 5+1 6
6 7 6 7 6 7
6 11 7 + 6 7 6 11 − 2 7 6 9 7
4 5 4 −2 5 = 4 5=4
3 3 15 5
3 +3
4 4 4
1.14 Teorema. A adição de matrizes do tipo m × n apresenta as seguintes propriedades:

1. é associativa: (A + B ) + C = A + (B + C ), quaisquer que sejam A, B e C do tipo m × n;

2. é comutativa: A + B = B + A, quaisquer que sejam A e B , do tipo m × n;

3. tem elemento neutro: ∃M | A + M = A, qualquer que seja A do tipo m × n;

4. todo elemento tem simétrico: para toda A de ordem m × n : ∃A′ | A + A′ = M .

Prova:

1. Fazendo (A + B ) + C = X e A + (B + C ) = Y , temos:

xi j = (ai j + bi j ) + ci j = ai j + (bi j + ci j ) = yi j ,

para todo i e todo j , pois, a associatividade é válida entre os números reais.

2. Fazendo A + B = X e B + A = Y , temos:

xi j = ai j + bi j = bi j + ai j = yi j ,

para todo i e todo j , pois, a comutatividade é válida entre os números reais.

3. Façamos A + M = A, para encontrarmos, caso exista o elemento neutro. Resulta que:

ai j + mi j = ai j ⇒ mi j = 0 ⇒ M = 0, ∀ i , ∀ j ,

isto é, o elemento neutro existe e é a matriz nula do tipo m × n.

4. Do mesmo modo, impondo A + A′ = M , resulta:

ai j + ai′j = 0 ⇒ ai′j = −ai j , ∀i , ∀ j ,

isto é, a simétrica da matriz A para a adição é a matriz A′ de mesmo tipo que A, na qual cada
elemento é simétrico da entrada correspondente em A.

2
1.15 Definição. Dada a matriz A = [ai j ]m×n , chama-se oposta de A (indica-se −A) a matriz A′ , tal que
A + A′ = 0.

Exemplo 1.16. – ™ – ™
1 −3 −1 3
A= ⇒ −A =
7 −4 −7 4

13
 ÁLGEBRA LINEAR

Exemplo 1.17.
2 3 2 3
2 −1 −2 1
6 7 6 7
B =4 0 4 5 ⇒ −B = 4 0 −4 5
−2 5 2 −5

1.4.2 Produto de uma Matriz por um Número

1.16 Definição. Dado um número k e uma matriz A = [ai j ]m×n , chama-se o produto k · A a matriz
B = [bi j ]m×n tal que bi j = k · ai j , para todo i e todo j .

Isto significa que multiplicar uma matriz A por um número real k é construir uma matriz B formada pelos
elementos de A, onde todas entradas são multiplicadas por k .

Exemplo 1.18.
– ™ – ™
1 −3 5 −15
5· =
7 −4 35 −20

Exemplo 1.19.
2 3
2 3 1
6
0 0 7
1 0 0 2
1 6 7 6 1 7
· 4 6 −1 0 5 = 6
6 3 − 0 7
7
2 4 2
4 2 7 7 5
2 1
2
1.17 Teorema. O produto de um número por uma matriz apresenta as seguintes propriedades:

1. a · (b · A) = (ab ) · A;

2. a · (A + B ) = a · A + a · B ;

3. (a + b ) · A = a · A + b · A;

4. 1 · A = A;

em que A e B são matrizes quaisquer do tipo m × n e a e b são números reais quaisquer.

Prova:

1. Fazer como exercício.

2. Suponhamos A = [ai j ] e B = [bi j ]. Então:

a · ([ai j ] + [bi j ]) = a · [ai j ] + a · [bi j ] = a · A + a · B .

3.
(a + b ) · A = [(a + b ) · [ai j ]] = a · [ai j ] + b · [ai j ] = a · A + b · A.

4. Fazer como exercício.

2
14
 1.4.3 Produto de Matrizes

1.18 Definição. Dadas duas matrizes A = [ai j ]m×n e B = [bi j ]n×p , chama-se o produto A · B a matriz
C = [ci j ]m×p , tal que
n
X
ci k = ai 1 · b1k + ai 2 · b2k + ai 3 · b3k + . . . + ai n · bnk = ai j · bjk ,
j =1

para todo i ∈ {1, 2, . . . , m} e todo k ∈ {1, 2, . . . , p }.

Matriz A Matriz B
m ×n n ×p

iguais

Cm×p

Nota 6. X A definição dada garante a existência do produto A · B se, e somente se, o número de
colunas de A for igual ao número de linhas de B , pois, A é de ordem m × n e B , n × p .

X O produto A · B é uma matriz que tem o número de linhas de A e o número de colunas de B , pois,
C = A · B é do tipo m × p .

Um elemento ci k da matriz C = AB deve ser obtido pelo procedimento a seguir:

1. toma-se a linha i da matriz A: ai 1 ai 2 ai 3 . . . ai n (n elementos)

2. toma-se a coluna k da matriz B :

b1 k
b2 k
b3 k (n elementos)
..
.
bnk

3. calculam-se os n produtos dos elementos (conforme o esquema):

ai 1 · b1 k
ai 2 · b2 k
ai 3 · b3 k
..
.
ai n · bnk

4. somam-se esses n produtos, obtendo ci k .

2 3
– ™ 4
1 2 3 6 7
Exemplo 1.20. Dadas A = e B = 4 0 5, calcular A · B .
0 −1 6
1

Solução: Sendo A de ordem 2 × 3 e B 3 × 1, decorre que existe A · B e é de ordem 2 × 1. Fazendo

A · B = C , devemos calcular c11 e c21 :
– ™ – ™ – ™ – ™
c11 1a linha de A · 1a coluna de B 1·4+2·0+3·1 7
C= = = =
c21 2a linha de A · 1a coluna de B 0 · 4 + (−1) · 0 + 6 · 1 6

15
 ÁLGEBRA LINEAR

2 3
2 1 – ™
6 7 1 −1
Exemplo 1.21. Considere as matrizes A = 4 4 2 5eB e calcule, se possível, A · B e B · A.
0 4
5 3

Solução: Como A é de ordem 3 × 2 e B 2 × 2, decorre que existe A · B e é de ordem 3 × 2. Fazendo

A · B = C , temos:
2 3 2 3 2 3
2 1 – ™ 2·1+1·0 2 · (−1) + 1 · 4 2 2
6 7 1 −1 6 7 6 7
4 4 2 5· = 4 4·1+2·0 4 · (−1) + 2 · 4 5 = 4 4 4 5
0 4
5 3 5·1+3·0 5 · (−1) + 3 · 4 5 7

Já o produto B · A não pode ser obtido, porque o número de colunas da primeira é diferente do número
de linhas da segunda.

Propriedades do Produto de Matrizes

O produto de matrizes, desde que sejam possíveis as operações, apresentam as seguintes propriedades:

1. A · I = I · A = A (Isto justifica o nome matriz identidade);

2. A · (B + C ) = A · B + A · C (distributividade à esquerda em relação à soma);

3. (A + B ) · C = A · C + B · C (distributividade à direita da multiplicação em relação à soma);

4. (A · B ) · C = A · (B · C );

5. (A · B )−1 = B −1 · A−1 (observe a ordem);

6. 0 · A = A · 0 = 0, em que 0 é a matriz nula.

Prova:

1. Sendo In = [δi j ]n×n , em que

¨
δi j = 0 , 6 j
se i =
δi j = 1 , se i = j
e B = AIn = [bi j ]m×n . Temos:

bi j = ai 1 δ1j + ai 2 δ2j + ai 3 δ3j + ai i δi i + . . . + ai n δnj = ai 1 · 0 + ai 2 · 0 + ai 3 0 + . . . + ai n · 0 = ai i ,

para todos i e j , então A · In = A.

2. Fazer como exercício.

3. Fazendo D = (A + B )C = (di k )m×p , temos:

n
X n
X
di k = (ai j + bi j ) · cjk = (ai j · cjk + bi j · cjk )
j =1 j =1
X n n
X
= ai j · cjk + bi j · cjk = A · C + B · C .
j =1 j =1

Fazer os demais itens como exercício.

2
16
 Nota 7. Em geral, A · B 6= B · A, ou seja, as matrizes não gozam da propriedade comutativa.

2 3 2 3
1 −1 1 1 2 3
6 7 6 7
Exemplo 1.22. Sejam A = 4 −3 2 −1 5 e B = 4 2 4 6 5.
−2 1 0 1 2 3
2 3 2 3
0 0 0 −11 6 −1
6 7 6 7
Então, A · B = 4 0 0 0 5 e B · A = 4 −22 12 −2 5
0 0 0 −11 6 −1

Nota 8. Observe, ainda, que A · B = 0, sem que, necessariamente, A = 0 ou B = 0.

Nota 9. No início deste tema, mencionamos um tipo de matriz chamada matriz transposta. Pode-
mos, agora, apresentar as seguintes propriedades:

1. (At )t = A, para toda matriz A = [ai j ]m×n ;

2. Se A = [ai j ]m×n e B = [bi j ]m×n , então (A + B )t = At + B t ,

3. Se A = [ai j ]m×n e k ∈ R, então (kA)t = kAt ;

4. Se A = [ai j ]m×n e B = [bi j ]m×n , então (AB )t = (BA)t .

Prova: Seja A = [ai j ]m×n , e considere At = (aji′ )n×m tal que aji′ = ai j , para todo i e todo j .

1. Fazendo (At )t = (ai′′j )m×n , resulta:

ai j = aji′ = ai j

para todos i , j .

2. Esta demonstração deixamos como exercício.

3. Fazendo (kA)t = (ai′′j )m×n , resulta:

kai′′j = kai j = kaji′ ,

para todos os valores de i e j .

n
X n
X
′ ′ ′ ′
4. Fazendo AB = C = (ci k )m×p e (AB )t = C t = (cki )p×m , resulta: cki = ci k = ai j bjk = bkj aji ,
j =1 j =1
para todo i e todo j .

1.5 Operações Elementares sobre Linhas

1.19 Definição. Denomina-se operações elementares sobre linhas de uma matriz às seguintes:

1. Permutação de linhas;

2. Multiplicação de todos elementos de uma linha por um escalar não-nulo;

3. Substituição dos elementos de uma linha pela soma deles com os elementos correspondentes de
outra linha previamente multiplicados por um escalar não-nulo.
17
 ÁLGEBRA LINEAR

Se A é uma matriz m × n, cujas linhas são L1 , L2 , . . . , Lm , indicaremos as operações acima com os

seguintes símbolos:

1. Lr ↔ Ls , que significa permutar as linhas r e s .

2. Lr → k · Lr significa que a r -ésima linha foi substituída por ela própria multiplicada pela constante não
nula k .

3. Lr → Lr + k · Ls , ou seja, a r -ésima linha foi substituída por ela mais k vezes a s -ésima linha.

Exemplo 1.23. Aplique as operações elementares na matriz

2 3
2 4 6
6 7
A=4 3 5 6 5,
4 2 1

de modo a transformá-la na matriz identidade.

2 3 2 3 2 3
2 4 6 1 2 3 1 2 3
6 7 1 6 7 6 7
Solução: 4 3 5 6 5 L1 → L1 ⇒ 4 3 5 6 5 L2 → L2 + (−3)L1 ⇒ 4 0 −1 −3 5 L2 →
2
4 2 1 4 2 1 0 −6 −11
2 3 2 3
1 2 3 1 0 −3
6 7 6 7
(−1)L2 ⇒ 4 0 1 3 5 L1 → L1 + (−2)L2 ⇒ 4 0 1 3 5 L3 → L 3 + 6 L2 ⇒
0 −6 −11 0 −6 −11
2 3 2 3 2 3
1 0 −3 1 0 −3 1 0 0
6 7 1 6 7 6 7
4 0 1 3 5 L3 → L3 ⇒ 4 0 1 3 5 L1 → L1 + 3 L3 ⇒ 4 0 1 3 5 L2 → L2 + (−3)L2 ⇒
7
0 0 7 0 0 1 0 0 1
2 3
1 0 0
6 7
4 0 1 0 5
0 0 1

As operações elementares sobre as linhas de uma matriz possuem as propriedades: reflexiva, simétrica
e transitiva.

1.20 Definição. Sejam A, B ∈ Mm×n (R), ou seja, matrizes de ordem m × n. Diz-se que B é linha
equivalente a matriz A, quando B pode ser obtida de A por meio de uma seqüência finita de operações
elementares sobre as linhas de A.
2 3 2 3
1 3 5 1 3 5
6 7 6 7
Exemplo 1.24. Sejam A = 4 0 0 2 5 e B = 4 0 1 3 5. A seqüência de operações elementares
0 4 12 0 0 2
a seguir mostra que B é linha equivalente a A.
2 3 2 3 2 3
1 3 5 1 3 5 1 3 5
6 7 6 7 1 6 7
A=4 0 0 2 5 L2 ↔ L3 ⇒ A = 4 0 4 12 5 L2 → L2 ⇒ A = 4 0 1 3 5=B
4
0 4 12 0 0 2 0 0 2

1.5.1 Matriz Linha Reduzida Escalonada

1.21 Definição. Uma matriz Mm×n é dita linha reduzida escalonada ou reduzida à forma de escada
(LRFE) se A = 0 ou satisfaz a todas as seguintes condições:

1. Primeiro elemento não-nulo de cada linha deve ser igual a 1.

18
 2. Toda coluna que contém o primeiro elemento não-nulo de uma determinada linha deve ter todos os
outros elementos dessa coluna nulos.

3. Toda linha nula deve ficar abaixo das linhas não-nulas.

4. Se L1 , L2 , ...Lr são linhas não-nulas de M , e se o primeiro elemento não-nulo da linha Li ocorre na

linha ki então k1 < k2 < ... < kr , ou seja, o número de zeros precedendo o primeiro elemento não-nulo
de uma linha, aumenta a cada linha, até que sobrem somente linhas nulas, se houver. Esta condição
impõe a forma escada à matriz.

Podemos citar como exemplos de matrizes linha reduzida escalonada:

2 3 2 3 2 3
1 0 0 4 0 1 3 – ™ 1 0 0
6 7 6 7 0 0 6 7
A=4 0 1 0 3 5 B =4 0 0 0 5 C= D=4 0 1 0 5
0 0
0 0 1 4 0 0 0 0 0 1
Por outro lado, as matrizes abaixo não são reduzida escalonada:
2 3 2 3 2 3
1 0 0 3 1 2 −3 1 2 −3
6 7 6 7 6 7
F =4 0 1 2 1 5 G =4 0 5 2 5 H=4 0 0 0 5
0 0 1 3 0 0 0 0 1 0

1.22 Proposição. Toda matriz A ∈ Mm×n é linha equivalente a uma única matriz linha reduzida escalonada.

Prova: Seja A = [ai j ]m×n uma matriz não nula e suponha que A seja equivalente à duas matrizes
LRFE, M e N . Assim, temos que: A ∼ M e A ∼ N , pela propriedade transitiva temos que N ∼ A.
Assim, A ∼ M e N ∼ A ou então N ∼ A e A ∼ M . Segue que, N ∼ M . Mas, tanto M como N são
matrizes LRFE, então M = N . 2

1.23 Definição. Dada uma matriz Am×n , seja Bm×n a matriz linha reduzida escalonada linha equivalente
a A. Chama-se posto (ou característica) de A o número de linhas não-nulas da matriz B e é denotado por
P (A).

1.24 Definição. Chamamos de nulidade( ou grau de liberdade) de uma matriz A o número N (A) =
[n − P (A)], onde n é o número de colunas da matriz A.
2 3
1 0 −1 1
6 7
Exemplo 1.25. Encontre o posto e a nulidade da matriz A = 4 0 1 2 2 5.
0 0 0 0

Solução: Observando que a matriz A é linha reduzida escalonada, como o número de linhas não
nulas de A é igual a 2 ⇒ P (A) = 2 e a nulidade N (A) = [4 − 2] = 2.

1.5.2 Matrizes Inversíveis

1.25 Definição. Seja A uma matriz quadrada de ordem n. Dizemos que A é matriz inversível se existir
uma matriz B tal que AB = BA = In .

1.26 Definição. Se A não é inversível, dizemos que A é uma matriz singular.

1.27 Teorema. Se A é inversível, então é única a matriz B tal que AB = BA = In .

19
 ÁLGEBRA LINEAR

Prova: Admitamos que exista uma matriz C tal que AC = C A = In . Temos:

C = In C = (BA)C = B (AC ) = BIn = B .

1.28 Definição. Dada uma matriz inversível A, chama-se inversa de A a matriz A−1 (que é única) tal que
AA−1 = A−1 A = In .

É evidente que A−1 deve ser também quadrada de ordem n, pois, A−1 comuta com A.
– ™ – ™ – ™
1 3 −1 7 −3 −1 1 3
Exemplo 1.26. A matriz A = é inversível e A = , pois, A · A = ·
2 7 −2 1 2 7
– ™ – ™ – ™ – ™ – ™
7 −3 1 0 −1 7 −3 1 3 1 0
= eA ·A = · =
−2 1 0 1 −2 1 2 7 0 1
– ™
3 7
Exemplo 1.27. Qual a inversa da matriz A = ?
5 11

– ™
−1 a b
Solução: Fazendo A = , temos:
c d
– ™ – ™ – ™ – ™ – ™
−1 a b 3 7 1 0 3a + 5b 7a + 11b 1 0
A · A = I2 ⇒ · = ⇒ =
c d 5 11 0 1 3c + 5d 7c + 11d 0 1

11 7 5 3
Pela definição de igualdade de matrizes, temos: a = − , b = , c = , d = − , isto é,
2 2 2 2
2 3
11 7
−
6 2 2 7
A−1 = 4 6 7
,
5 3 5
−
2 2
pois temos também:
2 3
– ™
11 7 – ™
−
3 7 6 2 2 7 1 0
−1
A ·A= ·6
4 =7 = I2 .
5 11 5 3 5 0 1
−
2 2

1.29 Teorema. Se A é inversível, sua matriz linha reduzida escalonada é a identidade.

– ™
4 8
Exemplo 1.28. Verifique se a matriz A = é inversível.
2 9

Solução: Devemos verificar, portanto, se a matriz linha reduzida escalonada de A é a identidade.

– ™ – ™ – ™ – ™
4 8 1 1 2 1 2 1 1 0
A= L1 → L1 ⇒ L2 → L2 + (−2L1 ) ⇒ L2 → L2 ⇒
2 9 4 2 9 0 5 5 0 1

Como a matriz linha reduzida escalonada de A é a identidade, temos que A é inversível.

– ™
1 2
Exemplo 1.29. Com base no teorema acima, verifique se a matriz é ou não inversível.
4 8
20
 – ™ – ™
4 8 1 2
Solução: L2 → L 2 − 4 L1 ⇒ . Logo, a referida matriz não é inversível ou singular.
2 9 0 0

1.30 Teorema. Se An é inversível, então existe uma seqüência finita de operações elementares que torna
An igual a matriz identidade (In ). Estas mesmas sequências de operações aplicadas ao mesmo tempo em
An e em In transformam In em A−1 n .
2 3
1 1 0
6 7
Exemplo 1.30. Encontre a inversa de A = 4 0 1 1 5, caso seja possível.
1 0 2

Solução:
2 3 2 3
1 1 0 | 1 0 0 1 1 0 | 1 0 0
6 7 6 7
4 0 1 1 | 0 1 0 5 L3 → L3 + (−L1 ) ⇒ 4 0 1 1 | 0 1 0 5 L1 → L1 − L2 ⇒
1 0 2 | 0 0 1 1 −1 2 | −1 0 1
2 3 2 3
1 0 −1 | 1 −1 0 1 0 −1 | 1 −1 0
6 7 6 7 1
4 0 1 1 | 0 1 0 5 L3 → L3 + (L2 ) ⇒ 4 0 1 1 | 0 1 0 5 L3 → L3 ⇒
3
0 −1 2 | −1 0 1 1 0 3 | −1 1 1
2
2 3 2 2 1 3
1 0 −1 | 1 −1 0 1 0 0 | −
6 3 3 3 7
6 7 6 7
6 0 1 1 | 0 1 0 7 6 7
6 7 L1 → L1 + (L3 ) ⇒ 6 0 1 1 | 0 1 0 7
6 7 6 7 L2 → L2 + (L3 ) ⇒
4 6 7
1 1 1 5 4 5
0 0 1 | − 1 1 1
3 3 3 0 0 1 | −
2 3 3 3 3
2 2 1
6
1 0 0 | −
6 3 3 3 7
7
6 7
6 1 2 1 7
6 0 1 0 | − 7
6 3 3 3 7
6 7
4 5
1 1 1
0 0 1 | −
3 3 3
Concluímos que A é inversível e sua inversa é
2 3
2 2 2
6
−
6 3 3 3 7
7
6 7
−1 6 1 2 1 7
A =6 − 7.
6 3 3 3 7
6 7
4 1 5
1 1
−
3 3 3

1.5.3 Matrizes Elementares

1.31 Definição. Uma matriz elementar de ordem n é uma matriz E obtida de In (matriz identidade) por
meio de uma só operação elementar.

As matrizes 2 3 2 3
1 0 0 1 0 0
6 7 6 7
E1 = 4 0 2 0 5 e E2 = 4 3 1 0 5
0 0 1 0 0 1
 ‹
1 1
são elementares. A primeira se obtém de I3 multiplicando-se por , L2 → L2 . A segunda se obtém de
2 2
I3 subtraindo à segunda linha desta matriz a sua primeira linha multiplicada por 3(L2 → L2 − 3 · L1 ).
21
 ÁLGEBRA LINEAR

1.32 Proposição. Toda matriz elementar E é inversível.

Nota 10. Quando efetuamos qualquer operação elementar nas linhas de uma matriz, estamos na
verdade multiplicando a esquerda da matriz por uma matriz elementar.
– ™
1 2
Exemplo 1.31. Seja A = uma matriz. Encontre uma matriz linha reduzida à forma escalonada
1 1
(LRFE) à matriz A.

Solução: Iremos obter uma matriz linha reduzida a forma escalonada B . Observe as operações
elementares realizadas.
– ™ – ™ – ™ – ™
1 2 ′ 1 2 ′′ 1 2 1 0
A= L2 → L2 − L1 ∼ A = L2 → − L2 ∼ A = L1 → L1 −2L2 ∼ I =
1 1 0 −1 0 1 0 1

Como efetuamos 3 operações elementares, existirão 3 matrizes elementares envolvidas, as quais

chamaremos de E1 , E2 e E3 . – ™
1 0
Aplicando a operação elementar L2 → L2 − L1 a I = , obtemos:
0 1
– ™
1 0
E1 = .
−1 1
– ™ – ™ – ™
1 0 1 2 ′ 1 2
E1 · A = · =A =
−1 1 1 1 0 −1
– ™
1 0
Da mesma forma, aplicando a operação elementar L2 → −L2 a I = obtemos,
0 1
– ™
1 0
E2 = .
0 −1
– ™ – ™ – ™
′ 1 0 1 2 ′′ 1 2
E2 · A = · =A =
−1 1 1 1 0 −1
– ™
1 0
Por fim, aplicando a operação elementar L1 → L1 − 2L2 a I = , obtemos:
0 1
– ™
1 −2
E2 = .
0 1
– ™ – ™ – ™
′′ 1 0 1 2 1 2
E3 · A = · = A′′′ =
−1 1 1 1 0 −1
Assim, temos que E1 · A = A′ , E2 · A = A′′ e E3 · A′′′ = I . Portanto,

E3 · E2 · E1 · A = I .

Pelo fato que E1 , E2 e E3 foram obtidas da identidade de ordem 2 × 2 por uma operação elementar,
temos que estas são inversíveis. Assim,

A−1 = E3 · E2 · E1 e A = (E3 · E2 · E1 )−1 = E1−1 · E2−1 · E3−1 .

22