Matriz Inversa
e
Sistemas Lineares
Curitiba - PR
2013
2
Conte udo
1 Inversao de Matrizes 5
1.1 Inversao de matrizes de ordem 2 (2 2) . . . . . . . . . . . . . . 5
1.2 Inversao de matrizes de ordens maiores . . . . . . . . . . . . . . . 6
1.3 Matrizes Singulares . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2 Sistemas de Equacoes 9
2.1 Conceito . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2 Sistemas e Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.3 Solucao de Sistemas Lineares: Visao geral . . . . . . . . . . . . . 12
2.3.1 Interpreta cao Geometrica . . . . . . . . . . . . . . . . . . 12
2.3.2 Retas em R
2
. . . . . . . . . . . . . . . . . . . . . . . . . 12
2.4 Solucao de Sistemas Lineares: Classicacao . . . . . . . . . . . . 13
2.4.1 Sistemas onde n
o
de incognitas = n
o
equacoes . . . . . . . 13
2.4.2 Sistemas onde n
o
de incognitas = n
o
equacoes . . . . . . . 14
3 Solucao de sistemas Lineares: Metodos 15
3.1 Matriz Inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.2 Reducao por Linhas: Gauss e Gauss Jordan . . . . . . . . . . . . 16
3.2.1 Formas Escalonadas . . . . . . . . . . . . . . . . . . . . . 16
3.2.2 Reducao de Gauss e Gauss-Jordan . . . . . . . . . . . . . 17
3.3 As solu coes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.3.1 Nenhuma variavel livre . . . . . . . . . . . . . . . . . . . 19
3.3.2 Uma variavel Livre . . . . . . . . . . . . . . . . . . . . . . 19
3.3.3 Duas variaveis livres . . . . . . . . . . . . . . . . . . . . . 20
3.3.4 Sem solu cao . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3
4 CONTE
UDO
Captulo 1
Inversao de Matrizes
Vimos no curso que ha varias opera coes entre matrizes, tais como, soma, sub-
tracao, multiplica cao e etc.. Podemos entao perguntar se ha a divisao de ma-
trizes.
Pegando um exemplo dos n umeros reais podemos escrever a equacao:
6x = 1, (1.1)
e podemos achar o valor de x dividindo ambos os lados por 6 obtendo como
resultado x = 1/6. Ou melhor dizendo,
=1
..
(6
1
)6 x = (6
1
)1 =
1
6
(1.2)
e dizemos que 1/6 e o inverso de 6.
Com matrizes podemos seguir esse raciocnio (somente com matrizes qua-
dradas):
AX = I, (1.3)
onde A e uma matriz conhecida, I e a identidade e X uma matriz a ser de-
terminada. Nesse caso, como o produto entre matrizes nao e comutativo, ou
seja, a ordem da multiplica cao importa, multiplicaremos ambos os lados, pela
esquerda, por A
1
:
=1
..
(A
1
)AX = (A
1
)I X = A
1
. (1.4)
Nesse caso dizemos que X ou melhor dizendo A
1
e a matriz inversa de A.
1.1 Inversao de matrizes de ordem 2 (2 2)
Este e bem simples e sem rodeios. Dada uma matriz 2 2:
A =
_
a b
c d
_
(1.5)
a matriz inversa A
1
e:
5
6 CAP
ITULO 1. INVERS
AO DE MATRIZES
A
1
=
1
det A
_
d b
c a
_
=
1
ad cb
_
d b
c a
_
(1.6)
Um rapido exemplo:
A =
_
1 2
3 4
_
A
1
=
1
6
_
4 2
3 1
_
(1.7)
1.2 Inversao de matrizes de ordens maiores
Sem perder muito tempo com as matrizes elementares (para um aprofundamento
leia o livro do Anton) vamos mostrar como fazemos para inverter uma matriz.
Primeiro precisamos das lembrar das 3 operacoes fundamentais entre LI-
NHAS:
1. Multiplica cao de uma linha por um n umero real
2. Troca entre linhas
3. Soma com m ultiplo de outra linha
O procedimento:
Primeiro colocamos a matriz que queremos inteverter ao lado da matriz
identidade
_
A : I
(1.8)
Exemplo:
A =
_
_
2 1 0 0
1 0 1 1
0 1 1 1
1 0 0 3
_
_
(1.9)
Esta e a matriz a ser invertida. come camos escrevendo esta matriz junto
com a identidade do lado direito dela:
_
_
2 1 0 0 1 0 0 0
1 0 1 1 0 1 0 0
0 1 1 1 0 0 1 0
1 0 0 3 0 0 0 1
_
_
(1.10)
Depois fazemos as opera coes fundamentais nas linhas para transformar a
matriz A na identidade. Fazendo estas operacoes nas linhas obtemos:
_
I : A
1
(1.11)
Voltando para o exemplo.
1.2. INVERS
_
1 0 1 1 0 1 0 0
2 1 0 0 1 0 0 0
0 1 1 1 0 0 1 0
1 0 0 3 0 0 0 1
_
_
(1.12)
Lembrando que a operacao feita na matriz da esquerda (A) deve ser
repetida na matriz da direita (I) como se fossem uma matriz somente.
2. Agora somamos a primeira linha com a quarta linha (L
4
+ L
1
) e
somamos a segunda linha com a primeira linha multiplicada por -2
(L
2
2L
1
).
_
_
1 0 1 1 0 1 0 0
0 1 2 2 1 2 0 0
0 1 1 1 0 0 1 0
0 0 1 4 0 1 0 1
_
_
(1.13)
Primeira coluna da matriz da esquerda ja esta com a cara de iden-
tidade. Podemos fazer operacoes em paralelo, mas com cuidado. Se
queremos zerar os elementos da primeira coluna, devemos usar a
primeira linha somente para fazer as opera coes nas linhas de baixo em
paralelo. Se formos zerar os elementos da segunda coluna, usamos
a segunda linha, e assim por diante.
3. Fazemos a terceira linha menos a segunda linha (L
3
L
2
). Perceba
que na segunda coluna desta matriz, somente o elemento da terceira
linha e diferente de zero. Com isso, esta coluna ca com cara de
identidade fazendo somente esta opera cao:
_
_
1 0 1 1 0 1 0 0
0 1 2 2 1 2 0 0
0 0 1 3 1 2 1 0
0 0 1 4 0 1 0 1
_
_
(1.14)
4. Multiplicamos a terceira linha por -1 ((1)L
3
)
_
_
1 0 1 1 0 1 0 0
0 1 2 2 1 2 0 0
0 0 1 3 1 2 1 0
0 0 1 4 0 1 0 1
_
_
(1.15)
5. Agora anularemos os n umeros da primeira, segunda e quarta linha
com a terceira linha. Para anular na primeira linha fazemos L
1
+L
3
,
na segunda linha L
2
2L
3
e na quarta linha L
4
+ L
3
:
_
_
1 0 0 2 1 1 1 0
0 1 0 4 1 2 2 0
0 0 1 3 1 2 1 0
0 0 0 1 1 1 1 1
_
_
(1.16)
8 CAP
ITULO 1. INVERS
AO DE MATRIZES
6.
Ultimo passo, na quarta coluna, usaremos a quarta linha para zerar
os demais. Fazemos L
1
+ 2L
4
, L
2
4L
4
e L
3
+ 3L
4
.
_
_
1 0 0 0 3 3 3 2
0 1 0 0 5 6 2 4
0 0 1 0 4 5 4 3
0 0 0 1 1 1 1 1
_
_
(1.17)
Podemos ver que do lado esquerdo temos a identidade e como premio
temos a matriz inversa de A
A
1
=
_
_
3 3 3 2
5 6 2 4
4 5 4 3
1 1 1 1
_
_
(1.18)
Esse processo e bem pessoal. Mas nao importa o caminho, o resultado deve
ser o mesmo. O que importa e que, fazendo as opera coes fundamentais consiga-
se chegar a identidade no lado esquerdo, e como premio pelo trabalho cansativo,
a matriz inversa.
1.3 Matrizes Singulares
Diferente dos n umeros que estamos acostumados, nem sempre uma matriz ad-
mite inversa. Para esses casos chamamos estas matrizes de Singulares. Estas
matrizes singulares tem uma propriedade muito importante:
Matrizes singulares possuem determinante nulo.
Vamos pegar como exemplo uma matriz 2 2.
_
1 1
2 2
_
(1.19)
Sem precisar calcular na mao vemos que o determinante desta matriz e nulo.
Lembrando da forma como se calcula a matriz inversa de ordem 2 vemos que
multiplicamos primeiro a matriz por 1/ det A, sendo det A = 0 nao temos como
calcular.
Essas matrizes singulares serao importantes no proximo captulo de siste-
mas lineares. Sistemas com a matriz singular nos elementos nao tem uma
unica solucao. Ou tem innitas, ou nao tem solucao.
Captulo 2
Sistemas de Equac oes
2.1 Conceito
Um sistema de equacoes lineares com m equacoes e n incognitas e um conjunto
de equacoes do tipo:
_
_
a
11
x
1
+ a
12
x
2
+ . . . + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ . . . + a
2n
x
n
= b
2
.
.
.
a
n1
x
1
+ a
n2
x
2
+ . . . + a
nn
x
n
= b
n
. (2.1)
A solucao de um sistema e o conjunto de n umeros (x
1
, x
2
, ..., x
n
) que satisfaca
todas as m equacoes simultaneamente.
Exemplos:
1. Primeiro um sistema simples
_
x + y = 1
x y = 1
(2.2)
Cuja solu cao e x = 1 e y = 0. Veja que o sistema pode ser traduzido em
palavras como: quais os n umeros s ao cuja subtrac ao e a soma sao iguais
a 1?.
2. Dois casais foram a um barzinho. O primeiro pagou R$ 5,40 por 2 latas
de refrigerante e uma por cao de batatas fritas. O segundo pagou R$ 9,60
por 3 latas de refrigerante e 2 por coes de batatas fritas. Para saber qual
o preco da lata de refrigerante e da por cao de batatas podemos escrever
um sistema linear:
_
2(Refri) + 1(Batata) = 5, 40
3(Refri) + 2(Batata) = 9, 60
(2.3)
e com isso vemos que o refrigerante custa R$1,20 e a por cao de batatas
fritas custa R$3,00.
9
10 CAP
_
a
11
a
12
... a
1n
a
21
a
22
... a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
... a
mn
_
_
.
_
_
x
1
x
2
.
.
.
x
n
_
_
=
_
_
b
1
b
2
.
.
.
b
m
_
_
(2.10)
onde
_
_
a
11
... a
1n
.
.
.
.
.
.
.
.
.
a
m1
... a
mn
_
_
x
1
x
2
.
.
.
x
n
_
_
a matriz das incognitas e (2.12)
2.2. SISTEMAS E MATRIZES 11
_
_
b
1
b
2
.
.
.
b
m
_
_
a matriz dos termos independentes. (2.13)
Exemplos
O sistema do exemplo dos casais comiloes acima:
_
2(Refri) + 1(Batata) = 5, 40
3(Refri) + 2(Batata) = 9, 60
(2.14)
pode ser visto como
_
2 1
3 2
_
.
_
(Refri)
(Batata)
_
=
_
5, 40
9, 60
_
(2.15)
E o exemplo do balanco da equacao de producao da agua
_
2x 2z = 0
2y z = 0
(2.16)
que pode ser visto como
_
2 0 2
0 2 1
_
.
_
_
x
y
z
_
_
=
_
0
0
_
(2.17)
Matriz aumentada
_
_
a
11
a
12
... a
1n
b
1
a
21
a
22
... a
2n
b
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
... a
mn
b
m
_
_
(2.18)
Nesse caso, colocamos as matrizes dos coecientes e dos termos indepen-
dentes lado a lado.
Exemplos
Casais comiloes:
_
2 1 5, 40
3 2 9, 60
_
(2.19)
e equilbrio da equa cao qumica de producao da agua
_
2 0 2 0
0 2 1 0
_
(2.20)
12 CAP
AO S
_
_
1 1 1
2 2 2
1 1 0
_
_
(2.28)
Aqui temos 3 equacoes e 2 incognitas. Mas vemos que a segunda equacao
e o dobro da primeira e e uma informa cao redundante. O encontro da
primeira com a segunda reta e uma solucao possvel e indeterminada, mas
o encontro das tres retas e possvel e determinado.
Para destacar o operacional das solucoes faremos um captulo para
esse assunto bem complexo.
Captulo 3
Solucao de sistemas
Lineares: Metodos
Para se resolver um sistema podemos usar alguns metodos:
Metodo da Matriz Inversa
Esse usamos a forma matricial do sistema (AX = B)
Reducao de Gauss
Forma escalonada escada (parecida com a matriz triangular superior)
Reducao de Gauss-Jordan
Forma escalonada mnima (parecida com a matriz identidade)
Esse captulo primeiro vamos falar primeiro do metodo da matriz inversa
para solu cao de sistemas. Antes de falar das reducoes de Gauss e Gauss-Jordan,
iremos falar sobre a forma escalonada com detalhes. Depois partiremos para as
reducoes.
3.1 Matriz Inversa
Este metodo so funciona para matrizes quadradas, ou seja, sistemas com o
mesmo n umero de equacoes e incognitas. Primeiro escreve-se o sistema de forma
matricial, como um produto
A.X = B (3.1)
As matrizes A e B sao conhecidas. Para obter o valor de X multiplicamos
ambos os lados pela matriz inversa de A
1
I
..
(A
1
A) .X = A
1
B que nos fornece o valor de X (3.2)
X = A
1
B (3.3)
15
16 CAP
ITULO 3. SOLUC
AO DE SISTEMAS LINEARES: M
ETODOS
Conhecendo as matrizes A, A
1
e B, calcula-se X desta forma.
Exemplo
_
x y = 1
x + y = 0
_
1 1
1 1
_
.
_
x
y
_
=
_
1
0
_
(3.4)
Podemos encontrar os valores de x e y fazendo:
_
x
y
_
=
1
2
_
1 1
1 1
_
.
_
1
0
_
(3.5)
_
x
y
_
=
_
1/2
1/2
_
(3.6)
3.2 Reducao por Linhas: Gauss e Gauss Jordan
No caso das reducoes, usamos as matrizes aumentadas para a resolver os siste-
mas.
3.2.1 Formas Escalonadas
Mas antes de comecar a falar das redu coes precisamos falar das propriedades de
uma matriz na forma escalonada por linhas:
1. Se uma linha nao e totalmente constituida de zeros, entao o primeiro
n umero nao nulo na linha e igual a 1, que denominamos Pivo ou Lder.
2. Se existem linhas totalmente constitudas de zeros, entao elas estao agru-
padas na base, ou melhor, nas linhas de baixo da matriz.
3. Em duas linhas quaisquer que nao sao totalmente constitudas de zeros,
o pivo da linha inferior ocorre mais `a direita qdo que o pivo da linha
superior.
4. Cada coluna que contem um pivo tem zero nas demais posicoes (Forma
escalonada mnima)
Uma matriz com as 3 primeiras propriedades e chamada de forma escalo-
nada por linhas. Uma matriz com todas e chamada de Forma escalonada
reduzida por linhas ou Forma escalonada mnima.
Exemplos de formas escalonadas reduzidas por linhas.
_
_
1 0 0 4
0 1 0 7
0 0 1 1
_
_
,
_
0 0
0 0
_
,
_
_
1 0 0
0 1 0
0 0 1
_
_
,
_
_
0 1 2 0 1
0 0 0 1 3
0 0 0 0 0
0 0 0 0 0
_
_
(3.7)
Exemplos de formas escalonadas por linhas.
_
_
1 2 1 3
0 1 1 4
0 0 1 1
_
_
,
_
_
1 1 1
0 1 0
0 0 1
_
_
,
_
_
0 1 2 1 1
0 0 0 1 3
0 0 0 0 1
0 0 0 0 0
_
_
(3.8)
3.2. REDUC
AO POR LINHAS: GAUSS E GAUSS JORDAN 17
3.2.2 Reducao de Gauss e Gauss-Jordan
Primeira questao: Reduzir? Como?. A resposta esta no captulo de matrizes
inversas.
Usando as operacoes fundamentais entre LINHAS:
1. Multiplica cao de uma linha por um n umero real
2. Troca entre linhas
3. Soma com m ultiplo de outra linha
Esse processo e muito parecido com a inversao de matrizes, com excessao de
que na inversao, o objetivo e chegar na identidade. Aqui o objetivo e escrever
na forma escalonada, seja ela reduzida ou nao.
O modo mais didatico e pegando uma matriz aumentada qualquer e tentar:
Faremos com a matriz:
_
_
0 0 2 0 7 12
2 4 10 6 12 28
2 4 5 6 5 1
_
_
(3.9)
os seguintes passos:
1. Localize a coluna mais `a esquerda que nao seja constituida so de zeros.
Nesse caso e a primeira mesmo.
2. Troque a primeira linha com uma outra linha. Precisamos manter a ordem
dos pivos: sempre em diagonal.
_
_
2 4 10 6 12 28
0 0 2 0 7 12
2 4 5 6 5 1
_
_
(3.10)
3. Multiplicar a primeira linha po 1/2 para obter o primeiro pivo.
_
_
1 2 5 3 6 14
0 0 2 0 7 12
2 4 5 6 5 1
_
_
1
2
L
1
(3.11)
4. Some m ultiplos convenientes da primeira linha `as linhas inferiores
_
_
1 2 5 3 6 14
0 0 2 0 7 12
0 0 5 0 17 29
_
_
L
3
2L
1
(3.12)
5. Agora esqueca um pouco a primeira linha e continue eliminando os n umeros
para chegar a forma escalonada.
_
_
1 2 5 3 6 14
0 0 1 0 7/2 6
0 0 5 0 17 29
_
_
1
2
L
2
: Lder na 2
a
(3.13)
18 CAP
ITULO 3. SOLUC
AO DE SISTEMAS LINEARES: M
ETODOS
_
_
1 2 5 3 6 14
0 0 1 0 7/2 6
0 0 0 0 1/2 1
_
_
L
3
5L
2
(3.14)
_
_
1 2 5 3 6 14
0 0 1 0 7/2 6
0 0 0 0 1 2
_
_
2L
3
: Lder na 3
a
(3.15)
E nalmente chegamos na forma escalonada. Ate aqui chamamos de
Reducao de Gauss.
Com Gauss, reescrevemos novamente o sistema linear na forma an-
tiga:
_
_
_
1x
1
+2x
2
5x
3
+3x
4
+6x
5
= 14
1x
3
7/2x
5
= 6
1x
5
= 2
(3.16)
E usamos a terceira linha na segunda linha. Depois o resultado da
segunda linha na primeira linha. Subindo uma escada da ultima linha
para a primeira linha.
6. Voltando, agora para ter uma matriz na forma escalonada reduzida deve-
mos deixar somente os pivos nas colunas.
_
_
1 2 5 3 6 14
0 0 1 0 0 1
0 0 0 0 1 2
_
_
L
2
7
2
L
3
(3.17)
_
_
1 2 5 3 0 2
0 0 1 0 0 1
0 0 0 0 1 2
_
_
L
1
6L
3
(3.18)
_
_
1 2 0 3 0 7
0 0 1 0 0 1
0 0 0 0 1 2
_
_
L
1
+ 5L
3
(3.19)
Agora sim, obtemos a reduzida. Ate aqui chamamos de redu cao de Gauss-
Jordan.
3.3. AS SOLUC
OES 19
reescrevemos novamente o sistema linear na forma antiga:
_
_
_
1x
1
+2x
2
+3x
4
= 7
1x
3
= 1
1x
5
= 2
(3.20)
A diferenca entre Gauss e Gauss-Jordan e que no primeiro voce usa a ul-
tima linha e vai subindo a escada. No caso de Gauss-Jordan o resultado ja sai
naturalmente.
3.3 As soluc oes
Vamos dar 4 tipos do que podemos lidar ao resolver sistemas.
Acima n ao esta resolvido.
Devemos separar os pivos das variaveis livres.
3.3.1 Nenhuma variavel livre
Exemplo de matriz
_
_
1 0 0 5
0 1 0 2
0 0 1 4
_
_
(3.21)
Esse e o exemplo de sistema possvel e determinado onde temos 3 pivos.
Nesse caso x
1
= 5, x
2
= 2 e x
3
= 4
A solucao de um sistema possvel e determinado sao os n umeros que satis-
fazem o sistema.
3.3.2 Uma variavel Livre
Exemplo de matriz
_
_
1 0 0 4 1
0 1 0 2 6
0 0 1 3 2
_
_
(3.22)
Esse sistema e possvel e indeterminado. Temos 3 pivos (x
1
, x
2
, x
3
) e uma
variavel livre (x
4
). Escrevemos os pivos em funcao da variavel livre.
_
_
_
x
1
+4x
4
= 1
x
2
+2x
4
= 6
x
3
+3x
4
= 2
(3.23)
Como x
4
e livre, escolhemos x
4
= t e com isso escrevemos uma equacao
parametrica de uma reta:
_
_
x
1
= 1 4t
x
2
= 6 2t
x
3
= 2 3t
x
4
= t
(3.24)
20 CAP
ITULO 3. SOLUC
AO DE SISTEMAS LINEARES: M
ETODOS
A solu cao de um sistema possvel e indeterminado com UMA
VARI
_
1 6 0 0 4 2
0 0 1 0 3 1
0 0 0 1 5 2
0 0 0 0 0 0
_
_
(3.25)
esse sistema tambem e possvel e indeterminado. Nesse caso temos 3 pivos
e 2 variaveis livres:
_
_
x
1
+6x
2
+4x
5
= 2
x
3
+3x
5
= 1
x
4
+5x
5
= 2
+0x
5
= 0x
5
_
_
(3.26)
Pivos sao x
1
, x
2
e x
4
, enquanto as variaveis livres sao x
2
e x
5
. Para essas
escolhemos x
2
= s e x
5
= t e escrevemos uma equa cao parametrica do plano:
_
_
x
1
= 2 6s 4t
x
2
= s
x
3
= 1 3t
x
4
= 2 5t
x
5
= t
(3.27)
A solucao de um sistema possvel e indeterminado com DUAS
VARI