Daniel Guimar˜ aes Tedesco

Matriz Inversa
e
Sistemas Lineares
Curitiba - PR
2013
2
Conte´ udo
1 Invers˜ao de Matrizes 5
1.1 Invers˜ao de matrizes de ordem 2 (2 ×2) . . . . . . . . . . . . . . 5
1.2 Invers˜ao de matrizes de ordens maiores . . . . . . . . . . . . . . . 6
1.3 Matrizes Singulares . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2 Sistemas de Equa¸c˜oes 9
2.1 Conceito . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2 Sistemas e Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.3 Solu¸c˜ao de Sistemas Lineares: Vis˜ao geral . . . . . . . . . . . . . 12
2.3.1 Interpreta¸ c˜ao Geom´etrica . . . . . . . . . . . . . . . . . . 12
2.3.2 Retas em R
2
. . . . . . . . . . . . . . . . . . . . . . . . . 12
2.4 Solu¸c˜ao de Sistemas Lineares: Classifica¸c˜ao . . . . . . . . . . . . 13
2.4.1 Sistemas onde n
o
de inc´ognitas = n
o
equa¸c˜oes . . . . . . . 13
2.4.2 Sistemas onde n
o
de inc´ognitas = n
o
equa¸c˜oes . . . . . . . 14
3 Solu¸c˜ao de sistemas Lineares: M´etodos 15
3.1 Matriz Inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.2 Redu¸c˜ao por Linhas: Gauss e Gauss Jordan . . . . . . . . . . . . 16
3.2.1 Formas Escalonadas . . . . . . . . . . . . . . . . . . . . . 16
3.2.2 Redu¸c˜ao de Gauss e Gauss-Jordan . . . . . . . . . . . . . 17
3.3 As solu¸ c˜oes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.3.1 Nenhuma vari´avel livre . . . . . . . . . . . . . . . . . . . 19
3.3.2 Uma vari´avel Livre . . . . . . . . . . . . . . . . . . . . . . 19
3.3.3 Duas vari´aveis livres . . . . . . . . . . . . . . . . . . . . . 20
3.3.4 Sem solu¸ c˜ao . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3
4 CONTE
´
UDO
Cap´ıtulo 1
Invers˜ao de Matrizes
Vimos no curso que h´a v´arias opera¸ c˜oes entre matrizes, tais como, soma, sub-
tra¸c˜ao, multiplica¸ c˜ao e etc.. Podemos ent˜ao perguntar se h´a a divis˜ao de ma-
trizes.
Pegando um exemplo dos n´ umeros reais podemos escrever a equa¸c˜ao:
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 racioc´ınio (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 n˜ao ´e comutativo, ou
seja, a ordem da multiplica¸ c˜ao 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 Invers˜ao 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 r´apido exemplo:
A =
_
1 2
3 4
_
→ A
−1
= −
1
6
_
4 −2
−3 1
_
(1.7)
1.2 Invers˜ao 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 opera¸c˜oes fundamentais entre LI-
NHAS:
1. Multiplica¸ c˜ao 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¸ c˜oes fundamentais nas linhas para transformar a
matriz A na identidade. Fazendo estas opera¸c˜oes nas linhas obtemos:
_
I : A
−1
¸
(1.11)
Voltando para o exemplo.
1.2. INVERS
˜
AO DE MATRIZES DE ORDENS MAIORES 7
1. Trocando a segunda linha pela primeira (L
1
→L
2
):
_
¸
¸
_
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 opera¸c˜ao 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 j´a est´a com a cara de iden-
tidade. Podemos fazer opera¸c˜oes em paralelo, mas com cuidado. Se
queremos “zerar” os elementos da primeira coluna, devemos usar a
primeira linha somente para fazer as opera¸ c˜oes 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 fica com cara de
identidade fazendo somente esta opera¸ c˜ao:
_
¸
¸
_
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 prˆemio
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 n˜ao importa o caminho, o resultado deve
ser o mesmo. O que importa ´e que, fazendo as opera¸ c˜oes fundamentais consiga-
se chegar a identidade no lado esquerdo, e como prˆemio 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 m˜ao 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 n˜ao temos como
calcular.
Essas matrizes singulares ser˜ao importantes no pr´oximo cap´ıtulo de siste-
mas lineares. Sistemas com a matriz singular nos elementos n˜ao tem uma
´ unica solu¸c˜ao. Ou tem infinitas, ou n˜ao tem solu¸c˜ao.
Cap´ıtulo 2
Sistemas de Equa¸c˜ oes
2.1 Conceito
Um sistema de equa¸c˜oes lineares com m equa¸c˜oes e n inc´ognitas ´e um conjunto
de equa¸c˜oes 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 solu¸c˜ao de um sistema ´e o conjunto de n´ umeros (x
1
, x
2
, ..., x
n
) que satisfa¸ca
todas as m equa¸c˜oes simultaneamente.
Exemplos:
1. Primeiro um sistema simples
_
x + y = 1
x −y = 1
(2.2)
Cuja solu¸ c˜ao ´e x = 1 e y = 0. Veja que o sistema pode ser traduzido em
palavras como: quais os n´ umeros s˜ ao cuja subtra¸c˜ ao e a soma s˜ao iguais
a 1?.
2. Dois casais foram a um barzinho. O primeiro pagou R$ 5,40 por 2 latas
de refrigerante e uma por¸ c˜ao de batatas fritas. O segundo pagou R$ 9,60
por 3 latas de refrigerante e 2 por¸ c˜oes de batatas fritas. Para saber qual
o pre¸co da lata de refrigerante e da por¸ c˜ao 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¸ c˜ao de batatas
fritas custa R$3,00.
9
10 CAP
´
ITULO 2. SISTEMAS DE EQUAC¸
˜
OES
3. Dada a equa¸ c˜ao qu´ımica de produ¸c˜ao da ´agua:
xH
2
+ yO
2
→zH
2
O (2.4)
ao equilibrarmos a equa¸c˜ao, olhando para a quantidade de elementos dos
dois lados da equa¸c˜ao vemos que.
_
2x = 2z
2y = z
ou melhor
_
2x −2z = 0
2y −z = 0
(2.5)
e nesse caso temos infinitas solu¸c˜oes, ou melhor dizendo, x = z e y =
z/2. Vamos deixar mais claro: as solu¸c˜oes (1, 1/2, 1), (2, 1, 2) e (4, 2, 4)
satisfazem a equa¸ c˜ao acima e nos fornecem as equa¸ c˜oes qu´ımicas:
H
2
+
1
2
O
2
→H
2
O (2.6)
2H
2
+ O
2
→2H
2
O (2.7)
4H
2
+ 2O
2
→4H
2
O (2.8)
(2.9)
ambas equivalentes e devidamente balanceadas.
2.2 Sistemas e Matrizes
Muitas vezes a solu¸ c˜ao de sistemas ´e trabalhosa. Para facilitar a solu¸c˜ao apre-
sentaremos duas formas de se visualizar um sistema.
• Multiplica¸c˜ao de matrizes (A.X = B)
_
¸
¸
¸
_
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
_
¸
_ ´e a matriz dos coeficientes , (2.11)
_
¸
¸
¸
_
x
1
x
2
.
.
.
x
n
_
¸
¸
¸
_
a matriz das inc´ognitas 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 comil˜oes 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 balan¸co da equa¸c˜ao de produ¸c˜ao 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 coeficientes e dos termos indepen-
dentes lado a lado.
Exemplos
Casais comil˜oes:
_
2 1 5, 40
3 2 9, 60
_
(2.19)
e equil´ıbrio da equa¸ c˜ao qu´ımica de produ¸c˜ao da ´agua
_
2 0 −2 0
0 2 −1 0
_
(2.20)
12 CAP
´
ITULO 2. SISTEMAS DE EQUAC¸
˜
OES
2.3 Solu¸c˜ao de Sistemas Lineares: Vis˜ao geral
2.3.1 Interpreta¸c˜ao Geom´etrica
As equa¸c˜oes lineares tem suas interpreta¸c˜oes geom´etricas. Veja que as equa¸c˜oes
x + y = 4 Reta em R
2
(2.21)
x + y + 2z = 3 Plano em R
3
. (2.22)
Veja que estas equa¸ c˜oes N
˜
AO S
˜
AO UM SISTEMA, est˜ao bem separadinhas.
Agora, e se fizermos a pergunta: qual ´e o ponto no qual esta reta encontra
este plano? Primeiro temos que ter a no¸c˜ao que a reta x + y = 4 est´a no plano
R
2
. Lembrando da forma reduzida da equa¸c˜ao da reta
1
x + y = 4, z = 0 (2.23)
A resposta para a pergunta feita acima ´e encontrada montando o sistema
linear
_
_
_
x + y = 4
z = 0
x + y + 2z = 3
(2.24)
e encontrando os valores de (x, y, z). Para encontrar os valores, primeiro subs-
titu´ımos o valor z = 0 no plano e ficamos com o sistema:
_
x + y = 4
x + y = 3
. (2.25)
com isso vemos que n˜ao temos solu¸c˜ao, ou seja, a reta e o plano n˜ao se cruzam
em nenhum ponto.
Podemos extrapolar (um pouco) isso e dizer que:
A solu¸c˜ao de um sistema linear ´e um encontro de figuras como retas e
planos.
2.3.2 Retas em R
2
Vamos tentar entender esse encontro de figuras olhando para duas retas. Quais
s˜ao as possibilidades?
1. Duas retas se cruzando;
2. Duas retas concorrentes, se cruzando em TODOS os pontos e
3. Duas retas paralelas, nunca se cruzando.
Ent˜ao temos 3 tipos de solu¸ c˜oes de sistemas:
1
Lembre-se que temos algumas formas de equa¸c˜ ao da reta: Equa¸c˜ ao vetorial da reta,
Equa¸c˜ oes Param´etricas da Reta, Equa¸c˜oes sim´etricas da reta e Equa¸c˜oes Reduzidas da reta
2.4. SOLUC¸
˜
AO DE SISTEMAS LINEARES: CLASSIFICAC¸
˜
AO 13
1. Uma solu¸c˜ao: o ponto de interse¸ c˜ao entre as retas ´e um par (x, y);
2. Infinitas Solu¸ c˜oes: as retas se encontram em infinitos pontos:: infinitos
pares (x, y)
3. Nenhuma solu¸c˜ao: as retas n˜ao se encontram! N˜ao existe um par (x, y);
Agora, a partir deste tipo de an´alise, podemos nomear os tipos de sistemas
lineares
2.4 Solu¸c˜ao de Sistemas Lineares: Classifica¸c˜ao
Um dado sistema linear pode ser classificados como:
1. Poss´ıvel e determinado
2. Poss´ıvel e Indeterminado
3. Imposs´ıvel
Os poss´ıveis s˜ao aqueles que conseguimos encontrar o conjunto solu¸c˜ao do
sistema linear. Os exemplos dos casais comil˜oes e da equa¸c˜ao de produ¸c˜ao da
´agua s˜ao exemplos de sistemas poss´ıveis. A diferen¸ca entre esses problemas ´e
que o exemplo dos casais encontramos somente dois pre¸ cos, e no caso da equa¸ c˜ao
de produ¸ c˜ao da ´agua encontramos infinitas solu¸c˜oes, da´ı chamamos de sistema
poss´ıvel e determinado o sistema dos casais comil˜oes e sistema poss´ıvel e
indeterminado o sistema que vem do balan¸co da equa¸c˜ao qu´ımica.
Os imposs´ıveis s˜ao aqueles que n˜ao conseguimos encontrar o conjunto
solu¸c˜ao do sistema. O exemplo do encontro entre a reta e o plano que fala-
mos anteriormente ´e um exemplo de sistema imposs´ıvel. Outro exemplo ´e
este:
_
x + y = 1
x + y = 0
(2.26)
Quais s˜ao os n´ umeros que satisfazem a estas duas equa¸ c˜oes? Quais os n´ umeros
que somados d˜ao 1 e zero? N˜ao existem n´ umeros assim. Se a soma deles ´e
1, como a soma deles pode dar zero? Ent˜ao esse sistema n˜ao tem solu¸c˜ao, ou
melhor, n˜ao existem n´ umeros que satisfa¸ cam essas duas rela¸ c˜oes.
2.4.1 Sistemas onde n
o
de inc´ ognitas = n
o
equa¸c˜ oes
Este tipo de sistema ´e interessante pois a matriz dos elementos ´e quadrada.
Existe uma forma de se saber de cara a classifica¸c˜ao do sistema.
Se o det A = 0 o sistema ´e poss´ıvel e determinado. Se det A = 0 o sistema
ou ´e imposs´ıvel ou poss´ıvel e indeterminado.
Vamos pegar o exemplo de ordem 2
_
x + y = 1
x + y = 0

_
1 1
1 1
_
.
_
x
y
_
=
_
1
0
_
(2.27)
Como o determinante ´e nulo, podemos j´a saber que ele n˜ao tem uma ´ unica
solu¸c˜ao, ou seja, ele com certeza n˜ao ´e poss´ıvel e determinado.
14 CAP
´
ITULO 2. SISTEMAS DE EQUAC¸
˜
OES
2.4.2 Sistemas onde n
o
de inc´ognitas = n
o
equa¸c˜oes
Nesse caso s´o temos como saber se a classifica¸c˜ao depois de resolver o sistema
usando os m´etodos que falaremos mais tarde. O que podemos falar ´e que:
• Sistemas onde n
o
de inc´ognitas > n
o
equa¸c˜oes, nunca ser˜ao poss´ıveis e
determinados.
• Sistemas onde n
o
de inc´ognitas < n
o
equa¸c˜oes dif´ıcilmente ser˜ao poss´ıveis
e determinados, a menos que uma das equa¸c˜oes seja redundante como por
exemplo:
_
_
_
x + y = 1
2x + 2y = 2
x −y = 0

_
_
1 1 1
2 2 2
1 −1 0
_
_
(2.28)
Aqui temos 3 equa¸c˜oes e 2 inc´ognitas. Mas vemos que a segunda equa¸c˜ao
´e o dobro da primeira e ´e uma informa¸ c˜ao redundante. O encontro da
primeira com a segunda reta ´e uma solu¸c˜ao poss´ıvel e indeterminada, mas
o encontro das trˆes retas ´e poss´ıvel e determinado.
Para destacar o operacional das solu¸c˜oes faremos um cap´ıtulo para
esse assunto bem complexo.
Cap´ıtulo 3
Solu¸c˜ao de sistemas
Lineares: M´etodos
Para se resolver um sistema podemos usar alguns m´etodos:
• M´etodo da Matriz Inversa
Esse usamos a forma matricial do sistema (AX = B)
• Redu¸c˜ao de Gauss
Forma escalonada escada (parecida com a matriz triangular superior)
• Redu¸c˜ao de Gauss-Jordan
Forma escalonada m´ınima (parecida com a matriz identidade)
Esse cap´ıtulo primeiro vamos falar primeiro do m´etodo da matriz inversa
para solu¸ c˜ao de sistemas. Antes de falar das redu¸c˜oes de Gauss e Gauss-Jordan,
iremos falar sobre a forma escalonada com detalhes. Depois partiremos para as
redu¸c˜oes.
3.1 Matriz Inversa
Este m´etodo s´o funciona para matrizes quadradas, ou seja, sistemas com o
mesmo n´ umero de equa¸c˜oes e inc´ognitas. Primeiro escreve-se o sistema de forma
matricial, como um produto
A.X = B (3.1)
As matrizes A e B s˜ao 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 Redu¸c˜ao por Linhas: Gauss e Gauss Jordan
No caso das redu¸c˜oes, usamos as matrizes aumentadas para a resolver os siste-
mas.
3.2.1 Formas Escalonadas
Mas antes de come¸car a falar das redu¸ c˜oes precisamos falar das propriedades de
uma matriz na forma escalonada por linhas:
1. Se uma linha n˜ao ´e totalmente constituida de zeros, ent˜ao o primeiro
n´ umero n˜ao nulo na linha ´e igual a 1, que denominamos Pivˆo ou L´ıder.
2. Se existem linhas totalmente constitu´ıdas de zeros, ent˜ao elas est˜ao agru-
padas na base, ou melhor, nas linhas de baixo da matriz.
3. Em duas linhas quaisquer que n˜ao s˜ao totalmente constitu´ıdas de zeros,
o pivˆo da linha inferior ocorre mais `a direita qdo que o pivˆo da linha
superior.
4. Cada coluna que cont´em um pivˆo tem zero nas demais posi¸c˜oes (Forma
escalonada m´ınima)
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 m´ınima.
• 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 Redu¸c˜ao de Gauss e Gauss-Jordan
Primeira quest˜ao: Reduzir? Como?. A resposta est´a no cap´ıtulo de matrizes
inversas.
Usando as opera¸c˜oes fundamentais entre LINHAS:
1. Multiplica¸ c˜ao 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 invers˜ao de matrizes, com excess˜ao de
que na invers˜ao, o objetivo ´e chegar na identidade. Aqui o objetivo ´e escrever
na forma escalonada, seja ela reduzida ou n˜ao.
O modo mais did´atico ´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 s´o de zeros.
Nesse caso ´e a primeira mesmo.
2. Troque a primeira linha com uma outra linha. Precisamos manter a ordem
dos pivˆos: 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 pivˆo.
_
_
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 esque¸ca 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
: L´ıder 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
: L´ıder na 3
a
(3.15)
E finalmente chegamos na forma escalonada. At´e aqui chamamos de
Redu¸c˜ao 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 pivˆos 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. At´e aqui chamamos de redu¸ c˜ao 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 diferen¸ca entre Gauss e Gauss-Jordan ´e que no primeiro vocˆe usa a ul-
tima linha e vai subindo a escada. No caso de Gauss-Jordan o resultado j´a sai
naturalmente.
3.3 As solu¸c˜ oes
Vamos dar 4 tipos do que podemos lidar ao resolver sistemas.
Acima n˜ ao est´a resolvido.
Devemos separar os pivˆos das vari´aveis livres.
3.3.1 Nenhuma vari´avel livre
Exemplo de matriz
_
_
1 0 0 5
0 1 0 −2
0 0 1 4
_
_
(3.21)
Esse ´e o exemplo de sistema poss´ıvel e determinado onde temos 3 pivˆos.
Nesse caso x
1
= 5, x
2
= −2 e x
3
= 4
A solu¸c˜ao de um sistema poss´ıvel e determinado s˜ao os n´ umeros que satis-
fazem o sistema.
3.3.2 Uma vari´avel Livre
Exemplo de matriz
_
_
1 0 0 4 −1
0 1 0 2 6
0 0 1 3 2
_
_
(3.22)
Esse sistema ´e poss´ıvel e indeterminado. Temos 3 pivˆos (x
1
, x
2
, x
3
) e uma
vari´avel livre (x
4
). Escrevemos os pivˆos em fun¸c˜ao da vari´avel 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 equa¸c˜ao
param´etrica 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¸ c˜ao de um sistema poss´ıvel e indeterminado com UMA
VARI
´
AVEL LIVRE ´e uma equa¸c˜ao da reta.
3.3.3 Duas vari´aveis livres
Exemplo de matriz
_
¸
¸
_
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 tamb´em ´e poss´ıvel e indeterminado. Nesse caso temos 3 pivˆos
e 2 vari´aveis livres:
_
¸
¸
_
x
1
+6x
2
+4x
5
= −2
x
3
+3x
5
= 1
x
4
+5x
5
= 2
+0x
5
= 0x
5
_
¸
¸
_
(3.26)
Pivˆos s˜ao x
1
, x
2
e x
4
, enquanto as vari´aveis livres s˜ao x
2
e x
5
. Para essas
escolhemos x
2
= s e x
5
= t e escrevemos uma equa¸ c˜ao param´etrica do plano:
_
¸
¸
¸
¸
_
¸
¸
¸
¸
_
x
1
= −2 −6s −4t
x
2
= s
x
3
= 1 −3t
x
4
= 2 −5t
x
5
= t
(3.27)
A solu¸c˜ao de um sistema poss´ıvel e indeterminado com DUAS
VARI
´
AVIS LIVRES ´e uma equa¸c˜ao do Plano.
3.3.4 Sem solu¸c˜ao
Claro que n˜ao poderia faltar um caso de sistema imposs´ıvel:
_
_
1 0 0 0
0 1 2 0
0 0 0 1
_
_
(3.28)
Se olhar bem a ´ ultima linha temos que 0x
1
+ 0x
2
+ 0x
3
= 1, o que ´e um
absurdo matem´atico. Ou seja, n˜ao tem solu¸c˜ao.
O ind´ıcio que um sistema ser imposs´ıvel ´e possuir uma linha [0 0 0 ... a],
ou seja, o ´ ultimo n´ umero diferente de zero.

Sign up to vote on this title
UsefulNot useful