Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
D IVISÃO DE E NGENHARIA
uir
C URSO DE L ICENCIATURA EM E NGENHARIA I NFORMÁTICA
Á LGEBRA L INEAR E G EOMETRIA A NALÍTICA
ss
Na
Capítulo I: Matrizes e Operações com Matrizes
tor
victor.nassuiro@ispt.ac.mz
victorzaqueunassuiro@yahoo.com.br
13 de Fevereiro de 2020
o
Conteúdo
uir
1 Matrizes e Operações com Matrizes 1
1.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Objectivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.3 Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.3.1 Classificação de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.4 Álgebra Matricial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
ss
1.4.1 Soma de matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.4.2 Produto de Matriz por um Escalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.4.3 Produto de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.4.4 Propriedades da Álgebra Matricial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4.5 Matriz Transposta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4.6 Matriz Inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4.7 Equações Matriciais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
Na
Bibliografia 11
tor
Vic
1
o
uir
Resumo
Esta brochura foi produzida a partir dos apontamentos apresentados nos livros Curso de Álgebra Linear
e Geometria Analítica, de Reginaldo J. Santos, Módulo de Álgebra Linear e Geometria Analítica, de Ma-
ss
nuel Joaquim Alves, e do livro Álgebra Linear: Matrizes e Sistemas, de Vítor Matos. Apresentamos, de
forma resumida, os conceitos, as principais propriedades e operações sobre matrizes, determinantes,
sistemas de equações lineares, vectores no plano e no espaço, espaços vectoriais e linhas de segunda or-
dem. Estes conteúdos fazem parte do programa da disciplina de Álgebra Linear e Geometria Analítica,
leccionada no curso de Licenciatura em Engenharia Informática, no Instituto Superior Politécnico de
Tete. Vamos, em particular, nos concentrar na resolução de problemas que envolvem os tópicos acima
Na
citados. Alguns desses problemas serão resolvidos com ajuda dos softwares Máxima (para computador)
e Matrix Operations (para telemóveis), estes programas podem ser descarregados gratuitamente a partir
do Google ou das lojas virtuais dos telemóveis dos alunos.
tor
Vic
o
uir
Capítulo 1
1.1 Introdução
ss
Iniciaremos o estudo da Álgebra Linear com matrizes. Como veremos ao longo da disciplina, as matrizes
são úteis para simplificar a resolução de sistemas lineares, escrever transformações lineares e formas
quadráticas (linhas de segunda ordem).
1.2 Objectivos
Na
No fim deste capítulo o aluno deve ser capaz de:
1. Identificar as linhas e colunas duma matriz; 4. Multiplicar uma matriz por outra matriz;
1.3 Matrizes
tor
Definição 1.1. Chama-se matriz do tipo m × n a uma tabela de m × n elementos, dispostos em m linhas
por n colunas, isto é,
a 11 a 12 ··· a 1n
a 21 a 22 ··· a 2n
A m×n = . .. . (1.1)
.. ..
.. . . .
a m1 a m2 · · · a mn
Vic
iro
£ ¤
a i 1 a i 2 a i 3 a 12 · · · ai n , .
ssu
a 12
a 22
.. ,
.
a m2
a j-ésima coluna tem os seguintes elementos
a1 j
a2 j
.
..
.
Na
am j
Exemplo 1.1. Matriz de ordem 2 × 3:
· ¸
1 0 2
A 2×3 = .
−1 2 7
Matriz de ordem 2 × 1:
· ¸
−2
B 2×1 = .
10
Definição 1.2. Se duas matrizes do mesmo tipo tiverem os elementos correspondes iguais, elas diremos
tor
· ¸ · ¸
a b e f
A m×n = e B r ×s = .
c d g h
Então, diremos que
Vic
A m×n = B r ×s
se e somente se m = r , n = s e
a = e, b = f , c = g , d = h.
· ¸ · ¸
1 3 5 1 3 5
Exemplo 1.3. As matrizes A 2×3 = e B 2×3 = são iguais, contudo distintas de
7 9 11 7 9 11
· ¸ · ¸
1 3 5 3 5
C 2×3 = e D 2×2 = .
2 4 6 9 11
2
ALGA Matrizes
1.3.1 Classificação de Matrizes
iro
Definição 1.3. Chamamos matriz linha às matrizes de ordem 1 × n, isto é, às matrizes constituídas por
apenas uma linha e várias colunas.
A forma geral das matrizes linha é
£ ¤
A m×n = a 11 a 12 · · · a 1n
£ ¤
Exemplo 1.4. Matriz linha: A 1×5 = −1 2 3 0 5 .
Definição 1.4. Chamamos matriz coluna ou vector às matrizes de ordem m × 1, isto é, às matrizes cons-
tituídas por apenas uma coluna e várias linhas.
ssu
A forma geral duma matriz coluna é
a 11
a 12
A= .
···
a 1n
0
7
Exemplo 1.5. Matriz coluna: A = .
9
8
Na
Definição 1.5. Uma matriz A = [a i j ] diz-se nula se todos os seus elementos são iguais a zero, isto é, a i j = 0
para quaisquer que sejam i e j .
· ¸
0 0 0 0 0
Exemplo 1.6. A matriz é nula.
0 0 0 0 0
Definição 1.6. Chamamos matrizes quadradas a matrizes de ordem n×n, isto é, a matrizes com o mesmo
número de linhas e colunas.
Definição 1.7. Numa matriz quadrada A = [a i j ] chamamos diagonal principal aos elementos da forma
a i j com i = j .
tor
1 2 3
Exemplo 1.7. Na matriz 4 5 6 a diagonal principal é constituída pelas entradas 1, 5 e 9.
7 8 9
Definição 1.8. Uma matriz quadrada A = [a i j ] diz-se diagonal se todos elementos que se situam fora da
diagonal principal forem iguais a zero e a diagonal principal diferente de zero.
· ¸ 6 0 0
3 0
Exemplo 1.8. As matrizes A = e B = 0 1 0 são diagonais.
0 4
0 0 2
Vic
Definição 1.9. Uma matriz quadrada A = [a i j ] diz-se identidade se os elementos da diagonal principal
são todos iguais a unidade e os restantes são iguais a zero, isto é, a i j = 0 para i 6= j e a i j = 1. As matrizes
identidades são representadas pela letra I seguida da ordem.
Exemplo 1.9.
1 0 0
A = 0 1 0 .
0 0 1
3
ALGA Matrizes
Definição 1.10. Uma matriz quadrada A = [a i j ] diz-se triangular superior se todos os elementos abaixo
da diagonal principal são iguais a zero, isto é, a i j = 0 para i > j .
iro
Exemplo 1.10.
6 −3 4
A = 0 1 0 .
0 0 2
Definição 1.11. Uma matriz quadrada A = [a i j ] diz-se triangular inferior se todos os elementos acima
da diagonal principal são iguais a zero, isto é, a i j = 0 para i < j .
ssu
Exemplo 1.11.
6 0 0
A = 1 1 0 .
−5 7 2
como [a i j + b i j ], isto é,
a 11 ··· a 1n b 11 · · · b 1n a 11 + b 11 · · · a 1n + b 1n
.. .. .. .. .. .. .. .. ..
A +B = . . + . . = . (1.2)
. . . . .
a m1 ··· a mn b m1 · · · b mn a m1 + b m1 · · · a mn + b mn
Nota 1. Na soma de matrizes adicionam-se elementos que tem a mesma entrada, isto é, adicionam-se
elementos que estão numa mesma posição em cada linha de cada uma das matrizes, por isso que só é
possível somar matrizes da mesma ordem, ou seja só se somam matrizes com o mesmo número de linhas
Vic
e colunas.
Exemplo 1.12. As matrizes que se seguem são ambas da ordem (2×3), por isso, de acordo com a expressão
(1.2) vamos adicionar os elementos correspondentes de cada uma das linhas destas matriz, isto é,
· ¸ · ¸ · ¸
1 0 2 3 2 5 1+3 0+2 2+5
+ =
−1 2 7 2 −3 0 −1 + 2 2 + (−3) 7 + 0
· ¸
4 2 7
= .
1 −1 7
4
ALGA Matrizes
1 −2 3 0 1 0
Exercício 1.2. Dadas as matrizes: A = 0 4 , B = 1 0 ,C = 0 −3 .
iro
3 1 −2 2 5 0
Efectue, se possível, as somas:
βa 11 · · · βa 1n
a 11 · · · a 1n
ssu
. .. .. .. .. ..
βA = β .. . . = . . . (1.3)
a m1 · · · a mn βa m1 · · · βa mn
.
Nota 2. No produto de uma matriz por um escalar multiplica-se cada um dos elementos da matriz pelo
escalar.
Exemplo 1.13. Temos
· ¸ · ¸ · ¸
1 2 4 1 × (3) 2 × (3) 4 × (3) 1 6 12
3 = = .
−4 0 3 −4 × (3) 0 × (3) 3 × (3) −12 0 9
Na
1.4.3 Produto de Matrizes
Definição 1.14. Seja A uma matriz (m × n) e B uma matriz (n × p) (ou seja, o número de colunas da
matriz A é exactamente igual ao número linhas da matriz B ). Definimos o produto A × B como a matriz
C = [c i j ] de ordem m × p tal que:
n
X
ci j = ai k bk j . (1.4)
k=1
Ou seja, para calcularmos c i j (o elemento da linha i , coluna j da matriz C ) usamos a linha i da primeira
matriz, A, e a coluna j da segunda matriz, B , como estas duas têm o mesmo número de elementos
tor
· ¸ 6 7
0 1 2
A ×B = 8 9
3 4 5
0 −1
· ¸
0 × 6 + 1 × 8 + 2 × 0 0 × 7 + 1 × 9 + 2 × (−1)
=
3 × 6 + 4 × 8 + 5 × 0 3 × 7 + 4 × 9 + 5 × (−1)
· ¸
8 7
= .
50 52
5
ALGA Matrizes
Nota 3. O produto de diversas matrizes pode ser feito sempre que o número de linhas de uma matriz seja
o
igual ao número de colunas da matriz que precede.
uir
= mas = .
0 2 5 6 10 12 5 6 0 2 5 12
Definição 1.15. Diz-se que duas matrizes quadradas da mesma ordem, A e B , comutam se
AB = B A. (1.5)
· ¸ · ¸
1 2 −3 4
Exemplo 1.15. As matrizes e comutam. (Faça as multiplicações para provar!)
3 4 6 3
· ¸
1 2
ss
Exemplo 1.16. As matrizes que comutam com M = podem ser calculadas.
0 3
Para comutar com a matriz M, a matriz N deverá ser da ordem 2 × 2 e M N = N M , isto é,
· ¸· ¸ · ¸· ¸ · ¸ · ¸
1 2 a b a b 1 2 a 2a + 3b a + 2c b + 2d
= ⇔ =
0 3 c d c d 0 3 c 2c + 3d 3c 3d
Passando para sistemas teremos
Na
a = a + 2c c = 0
2a + 3b = b + 2d a + b = d
⇔ .
3c = c
0 = 0
3d = 2c + 3d 0 = 0
· ¸ · ¸ · ¸
a b 2 3 5 3
Então, qualquer matriz da forma comuta com M , por exemplo ou .
0 a +b 0 5 0 8
· ¸ · ¸
2 3 2 1
Exercício 1.3. Calcule todas as matrizes que comutam com (i) e (ii) .
1 1 4 3
tor
2 4 · ¸ · ¸
1 2 2 −3 0
Exercício 1.4. Considere A = 10 0 , B = eC = .
3 4 5 4 −1
−5 3
Faça as multiplicações possíveis entre pares destas matrizes.
· ¸· ¸ · ¸
1 −1 1 2 £ ¤
b) ; d) 1 2 0
2 4 2 1
iro
iv. Associativa: ∀M , N , P ∈ Mmn temos (M + N ) + P = M + (N + P )
ssu
ix. Distributiva: ∀α ∈ R e ∀M , N ∈ Mmn temos α(M + N ) = αM + αN
A Álgebra das matrizes é bastante semelhante à Álgebra dos números reais. Contudo, é muito impor-
tante notar também que a divisão não está definida e que a multiplicação de matrizes não é comuta-
tiva.
A −1 A = A A −1 = I , (1.6)
Proposição 1.2. Admitindo que as inversas existes, a inversão de matrizes goza das seguintes proprieda-
Vic
des:
7
ALGA Matrizes
· ¸
1 2
Exemplo 1.18. Dado M = , usando um sistema de equações determine a sua inversa.
2 5
o
Resolução: Pela Definição 1.17, determinar uma matriz inversa significa entrar uma matriz
· ¸
−1 a b
M =
c d
uir
tal que
M × M −1 = M −1 M = I 2 .
Deste modo, · ¸· ¸ · ¸ · ¸ · ¸
1 2 a b 1 0 a + 2c b + 2d 1 0
= ⇔ = ,
2 5 c d 0 1 2a + 5c 2b + 5d 0 1
que é equivalente a: ½ ½
a + 2c = 1 b + 2b = 0
e ,
ss
2a + 5c = 0 2b + 5d = 1
ou seja, a = 5, b = −2, c = −2 e d = 1.
Assim · ¸
−1 5 −2
M = .
−2 1
Na
tor
Vic
8
o
ss uir
Na
E STA PÁGINA FOI PROPOSITADAMENTE DEIXADA EM BRANCO !
tor
Vic
9
o
uir
Bibliografia
[1] Santos, Reginaldo J., Curso de Álgebra Linear e Geometria Analítica, Rio Grande do Sul, 2010.
[2] Alves, Manuel Joaquim, Módulo de Álgebra Linear e Geometria Analítica, Maputo Editora, Maputo,
2010.
ss
[4] De Caroli, A., Callioli, C. A., Feitosa, M. O., Matrizes: Teoria e Exercícios para o Curso Colegial e
Exames Vestibulares, 1ª Edição, 1967
[5] Ferreira, Manuel A.; Amaral, Isabel, Álgebra Linear Vol. 1 - Matrizes e Determinantes, 7ª Edição - 3ª
Impressão, Lisboa, 2012
Na
[6] Agudo, F. R. Dias, Introdução à Álgebra Linear e Geometria Analítica, Editora Escolar, Lisboa, 1996
[7] Cabral, Isabel; Perdigão, Cecília e Santiago, Carlos, Álgebra Linear: Teoria, Exercícios resolvidos e
Exercícios propostos com soluções, Editora Escolar, Lisboa, 2009
[8] Monteiro, António J.; Matos, Isabel T., Álgebra - Um primeiro Curso, Editora Escolar, Lisboa, 2001
[10] K. Sydsaeter, P. Hammond (com Colaboração de Manuel J. Álves), Matemática Essencial para Aná-
lise Económica - Parte II, Moçambique Editora, Maputo, 2004;
tor
[11] D. Lay, Linear Álgebra and Its Applications, Addison Wesley, New York, 2003;
[12] Paulo Boulos e Ivan de C. e Oliveira, Geometria Analítica - Um tratamento Vectorial, MakronBooks,
São Paulo, 2ª Edição, 1987;
[14] Elon L. Lima, Coordenadas no Plano. CPM, Nº 5, Editora SBM, 5ª Edição, 2002
[15] Elon L. Lima, Geometria Analítica e Álgebra Linear. CMU, Nº 10. IMPA,2ª Edição, 2005;
Vic
10