Escolar Documentos
Profissional Documentos
Cultura Documentos
Obs. Este texto ainda está em fase de redação. Por isso, peço a gentileza de avisar-me sobre a
ocorrência de erros conceituais, gráficos ou de digitação. Além disso, crı́ticas e sugestões serão bem
vindas.
1 Introdução
Muitos problemas oriundos das diversas engenharias, das ciências humanas aplicadas e
da própria matemática necessitam da resolução de sistemas lineares para serem analisa-
dos ou solucionados. Em Álgebra linear, a resolução de sistema lineares é um problema
fundamental. Embora estejam disponı́veis métodos computacionais eficientes, que en-
contram a solução numérica de sistemas lineares com milhares de equações e incógnitas,
um estudo teórico do mesmo através da Álgebra Linear é importante por possibilitar
a aprendizagem de conceitos e ferramentas necessários à resolução de outros problemas
da vida real. Nas próximas seções serão apresentados alguns problemas práticos cuja
solução depende de sistemas de equações lineares.
Um exemplo de aplicação dos sistemas lineares é o cálculo dos coeficientes do po-
linômio interpolador de um determinado grau n. A interpolação polinomial é uma
importante ferramenta matemática comumente utilizada em cálculos de estimativas de-
mográficas pelo Instituto Brasileiro de Geografia e Estatı́stica (IBGE) e por outras ins-
tituições. A técnica permite calcular a estimativa populacional de uma determinada
cidade, por exemplo, em anos que não foram cobertos por censos. Para exemplificar
essa técnica, considere a Tabela 1 com a população do munı́cipio de Petrolina em vários
anos.
Tabela 1: População de Petrolina (IBGE)
Ano População
1991 175406
1996 189983
2000 218538
2007 268339
2010 293962
Observe que a tabela não apresenta a população referente ao ano de 2005. De fato, o
IBGE realiza censo a cada 10 anos e, portanto, a população em anos intermediários de-
1
vem ser estimadas por meio de algum método adequado. Nesse sentido, tem-se duas
questões importantes sobre estimativas populacionais. A primeira é: como pode-se
estimar a população em um determinao ano localizado entre dois censos realizados?
Por várias razões, conhecer uma estimativa dessa população é importante para diversos
órgãos públicos de planejamento. A segunda, e mais interessante, questão é: como re-
alizar uma estimativa da população em uma data futura, por exemplo, a população do
municı́pio no ano de 2018? A primeira questão pode ser resolvida, com certa precisão,
por meio da interpolação polinomial, enquanto que a segunda necessita de um método
mais sofisticado, como por exemplo, o método dos quadrados mı́nimos.
Agora, considere calcular uma estimativa para a população de Petrolina no ano de
2005 por meio de um polinômio interpolador grau 2. Isto é, um polinômio do tipo
p(x) = a0 + a1 x + a2 x2 . (1)
Como deseja-se calcular uma estimativa para o ano de 2005, escolhem-se, na Tabela
1, três pares de dados referentes aos anos mais próximos de 2005. Por exemplo, os pares
(2000, 218538), (2007, 268339) e (2010, 293962). Dessa forma, o polinômio interpolador
p(x) deve satisfazer as seguintes condições:
2
Resolução. Chamando um número de x e o outro de y, o problema pode ser
representado por meio das seguintes equações
x + y = 10
x + 2y = 16.
-2x - 2y = -20
2x + 4y = 32
0 + 2y = 12.
3
empregadas para resolver sistemas lineares maiores, isto é, sistemas com um número
maior de equações e envolvendo mais incógnitas. Em cursos como os da área de enge-
nharia você irá encontrar problemas mais desafiadores, cuja solução requer o tratamento
de sistemas lineares. Por isso, o estudo formal e aprofundado da teoria matemática e
das técnicas de resolução de sistemas lineares é muito relevante nessa área. Tal estudo
será feito nas seções seguintes.
Uma solução do sistema linear (3) é uma n-upla (x1 , x2 , ..., xn ) de números reais
que satisfaz simultaneamente as suas m equações.
Dizemos que dois sistemas lineares são equivalentes se, e somente se, toda solução
de qualquer um dos sistemas também é solução do outro. Equivalentemente, pode-se
dizer que dois sistemas lineares são equivalentes se um pode ser obtido do outro através
das seguintes operações, chamadas de operações elementares, sobre as suas equações:
Exemplo 1. Os sistemas lineares (b) e (c) seguintes foram obtidos do sistema (a)
realizando-se operações elementares em suas linhas. Logo, esses três sistemas são equi-
valentes.
1x1 + 12x2 + 3x3 = 8
(a) 2x1 + 4x2 + 16x3 = 14
3x1 + 16x2 + 9x3 = 5
4
1x1
+ 12x2 + 3x3 = 8
−1 −1
(b) 1x2 + x3 =
2 10
1x3 = 2
1x1 = 3
(c) 1x2 = -2
1x3 = 2
Os sistemas lineares (a), (b) e (c) são sistemas equivalentes. No entanto, observe que
o sistemas (b) e (c) são mais simples de resolver do que o sistema (a).
a11 a12 . . . a1n
a21 a22 . . . a2n
A matriz A = , chamada de matriz dos coeficientes; a
. .
. .
. .
am1 am2 . . . amn
b1
x1
x2 b2
.
matriz X = .. é chamada de matriz das incógnitas; e a matriz B = é a
.
.
. bn
xn
matriz dos termos independentes.
AX = B.
5
É comum usarmos também a notação Ax = b para nos referirmos ao sistema linear
na forma matricial.
Note que a matriz ampliada possui uma coluna a mais do que a matriz dos coefici-
entes, justamente a coluna formada pelos termos independentes do sistema linear.
1 2000 20002
a0 218538
1 2007 20072 a1 = 268339 .
1 2010 20102 a2 293962
6
1. Troca das linhas Li e Lk ,
Li ←→ Lk
Li → cLi
3. Substituição de uma linha Li pela soma desta com um múltiplo de uma outra linha
Lk .
Li → Li + cLk
Uma matriz A = [aij ]m×n está na forma escalonada reduzida se possui as pro-
priedades:
(i) Todas as linhas nulas ocorrem abaixo das linhas não nulas;
(ii) O primeiro elemento não nulo de uma linha, chamado de pivô, é igual a 1;
7
(iii) O pivô de cada linha não nula ocorre à direita do pivô da linha anterior;
(iv) Se uma coluna contém um pivô, então todos os seus outros elementos são iguais a
zero.
Note que a matriz B não possui a propriedade (iv) e as matrizes C e D não possuem
a propriedade (i).
Se uma matriz satisfaz as propriedades (i) e (iii), mas não necessariamente (ii) e
(iv), dizemos simplesmente que ela está na forma escalonada. As matrizes B e D
do exemplo anterior estão na forma escalonada. Dessa maneira, na forma escalonada, o
pivô, em cada linha não nula, não precisa ser necessariamente o número real 1. Além
disso, para a matriz escalonada, o item (iv) pode ser reescrito do seguinte modo: se uma
coluna possui um pivô, então todos os elementos dessa coluna que estão abaixo do pivô
são iguais a zero.
É possı́vel provar que toda matriz é equivalente por linha a uma única matriz na
forma escalonada reduzida. Prova-se também que toda matriz é equivalente por linhas
a uma matriz na forma escalonada. O método conhecido como método de Gauss-
Jordan usa operações elementares para transformar a matriz aumentada do sistema
AX = B em um matriz na forma escalonada reduzida. Já o método que apresentaremos
aqui, método de Gauss, transforma a matriz aumentada do sistema em uma matriz
na forma escalonada. Este método é também chamado de método da Eliminação
Gaussiana.
8
x + 4y + 7z = 2
1. Resolver o sistema linear 2x + 3y + 6z = 2 .
5x + 5y − z = 8
Resolução.
Primeiro escrevemos a matriz aumentada do sistema:
1 4 7 | 2
2 3 6 | 2 .
5 5 −1 | 8
9
Como não há mais linhas abaixo da terceira linha, o processo termina e a matriz
obtida é a matriz aumentada do sistema em sua forma escalonada.
Resolução.
Primeiro escrevemos a matriz aumentada do sistema
1 2 1 | 1
4 3 5 | 5 .
3 1 4 | 4
Como nessa primeira etapa, o objetivo é zerar os elementos que estão na primeira
coluna e abaixo do pivô, as operações elementares a serem efetuadas nas linhas da
matriz devem ser
L2 → −4L1 + L2
para zerar o elemento da segunda linha; e
L3 → −3L1 + L3
para zerar o elemento da terceira linha. Ao final dessa primeira etapa obtemos a
seguinte matriz:
1 2 1 | 1
0 −5 1 | 1 .
0 −5 1 | 1
Agora, na segunda etapa do processo de escalonamento, o pivô deve ser escolhido
na segunda linha. O objetivo nessa etapa é zerar o elemento da segunda coluna
que está abaixo do pivô. Sendo assim, a operação elementar escolhida será:
L3 → −1L2 + L3 .
10
Assim, após esse processo, obtemos a seguinte matriz:
1 2 1 | 1
0 −5 1 | 1 .
0 0 0 | 0
Como não há mais linhas abaixo da terceira linha, o processo termina e a matriz
assim obtida é a matriz aumentada do sistema em sua forma escalonada.
z = 1 + 5y;
x + 2y + 1 + 5y = 1 ⇒ x = −7y.
Se quisermos uma solução particular desse sistema, basta atribuir um valor real
qualquer para a variável y. Por exemplo, se y = 1 obtemos a solução particular
(−7, 1, 6).
x + 3y + 13z = 9
3. Resolver o sistema linear y + 5z = 2 .
−2y − 10z = −8
Resolução.
Primeiro escrevemos a matriz aumentada do sistema
1 3 13 | 9
0 1 5 | 2 .
0 −2 −10 | −8
Observe que todos os elementos da primeira coluna que estão abaixo da diagonal
são nulos. Logo, podemos pular a primeira etapa. Para realizarmos a segunda
11
etapa do processo de escalonamento, escolhemos o pivô 1 e a seguinte a operação
elementar:
L3 → −2L2 + L3 .
Assim, após esse processo, obtemos a seguinte matriz:
1 3 13 | 9
0 1 5 | 2 .
0 0 0 | −4
Como não há mais linhas abaixo da terceira linha, o processo termina e a matriz
obtida é a matriz aumentada do sistema em sua forma escalonada.
Da terceira equação podemos concluir que o sistema é impossı́vel, pois não existe
z ∈ R tal que 0z = −4.
Até agora resolvemos sistemas lineares nos quais não precisamos efetuar troca de
linhas das matrizes e tı́nhamos a sorte do pivô encontrado ser sempre igual a 1.
Os dois próximos exemplos são mais completo nesse sentido.
2x + 5y = 1
4. Resolver o sistema linear .
3x + 2y = 2
Resolução.
Primeiro escrevemos a matriz aumentada do sistema
2 5 | 1
.
3 2 | 2
12
Agora para zerar o elemento da primeira coluna que está abaixo do pivô 1, reali-
zamos a operação
L2 → −3L1 + L2 .
Assim, obtemos a matriz escalonada
1 5/2 | 1/2
,
0 −11/2 | 1/2
Resolução.
Escrevendo a matriz aumentada do sistema , obtemos:
0 0 1 3 | 4
1 −1 0 1 | 1
.
0 0 −2 −6 | −8
−1 1 0 −1 | −1
Nesse caso, começamos efetuando uma troca de linhas para obtermos pivô 1 na pri-
meira linha. Isso pode ser feito através da troca da segunda linha com a primeira.
Isto é, realizamos a operação
L1 ↔ L2
e obtemos a seguinte matriz:
1 −1 0 1 | 1
0
0 1 3 | 4.
0 0 −2 −6 | −8
−1 1 0 −1 | −1
Agora para zerar o elemento da primeira coluna que está abaixo do pivô 1( na
quarta linha), realizamos a operação
L4 → L1 + L4 .
13
Assim, obtemos a matriz :
1 −1 0 1 | 1
0 0 1 3 | 4
0 0 −2 −6 | −8 .
0 0 0 0 | 0
Agora, note que o pivô da segunda linha é o elemento 1 que está na terceira coluna.
Com a operação elementar
L3 → 2L2 + L3
zeramos o único elemento não nulo elemento da terceira coluna que está abaixo do
pivô. Depois de realizada a operação, obtemos a matriz
1 −1 0 1 | 1
0 0 1 3 | 4
0 0 0 0 | 0
0 0 0 0 | 0
e o processo de escalonamento termina.
Agora, reescrevendo o sistema com a matriz escalonada obtemos:
x1 − x2 + x4 = 1
.
x3 + 3x4 = 4
Note que o sistema tem quatro incógnitas mas apenas duas equações, logo trata-se
de um sistema indeterminado. Além disso, note que a matriz escalonada apresenta
duas linhas nulas, logo o sistema possui duas variáveis livres.
Na segunda equação isolamos uma das variáveis, por exemplo, podemos fazer
x3 = 4 − 3x4 .
x4 = 1 − x1 + x2 .
x3 = 3 + x1 − x2 .
{(x1 , x2 , 3 + x1 − x2 , 1 − x1 + x2 ); x1 , x2 , x3 , x4 ∈ R}.
14
6 Sistema Linear Homogêneo
O sistema linear é chamado de sistema homogêneo se é da forma
a11 x1 + a12 x2 + ... + a1n xn = 0
a21 x1 + a22 x2 + ... + a2n xn = 0
.
, (6)
.
.
am1 x1 + am2 x2 + ... + amn xn = 0
Na forma matricial temos
AX = 0
onde 0 indica a matriz nula de m linhas e 1 coluna. Um sistema linear homogêmo é
sempre possı́vel, pois admite a solução X = 0, que é chamada de solução trivial.
7 Aplicações
7.1 Circuitos Elétricos
Qual a intensidade I1 , I2 e I3 das correntes que percorrem o circuito elétrico mostrado
abaixo?
I2 = I1 + I3 (7)
I1 + I3 = I2
2 · I1 + 1 · I2 + 2 · I1 = 8
1 · I2 + 4 · I3 = 16
15
I2 = I1 + I3 (8)
I1 + I3 = I2
2 · I1 + 1 · I2 + 2 · I1 = 8
1 · I2 + 4 · I3 = 16
Organizando
as equações, obtemos o seguinte sistema linear:
I1 − I2 + I3 = 0
4I1 + I2 =8
I2 + 4I3 = 16
8 Posto e Nulidade
9 A Matriz Inversa
Matriz Inversa. Dada uma matriz quadrada A de ordem n, chamamos de inversa de
A a matriz quadrada X de ordem n tal que
AX = XA = I.
16
É comum usarmos a notação X = A−1 . Logo, se a matriz A possui uma inversa A−1 ,
então
AA−1 = A−1 A = I.
Usando a matriz inversa na resolução de sistemas lineares. Dado o sistema
Na prática esta não é uma boa estratégia para calcular a solução do sistema linear. De
Teorema. Uma matriz quadrada de ordem n é invertı́vel se, e somente se, ela tem
posto n. Uma matriz invertı́vel é também chamada de não-singular.
1. Escrevemos a matriz
M = [A|In ],
onde In é a matriz identidade de ordem n.
M̃ = [In |X]
2 3
Exemplo. Considere calcular a inversa da matriz A = .
1 4
Resolução.
17
2 3 | 1 0
1. Primeiro escrevemos a matriz: ;
1 4 | 0 1
10 Determinantes
O determinante é uma função matricial que associa a cada matriz quadrada A um
escalar. Em geral, o determinante da matriz A é representado por det(A) e, uma vez
estando disponı́vel, podemos usá-lo para detectar a existência de soluções do sistema
linear Ax = b ou a existência da matriz inversa de A.
Neste texto iremos apresentar um definição indutiva para o determinante de uma
matriz quadrada A de ordem n, fazendo uma indução sobre n ≥ 1.
Se n = 1, então a matriz A possui apenas o elemento a11 . Neste caso,
det(A) = a11 .
Vamos supor agora que n > 1 e que det(A) esteja definido para todas as matrizes
de ordem r tal que 1 ≤ r ≤ n − 1. Isto é, podemos calcular o determinante de todas as
matrizes quadradas de ordem até n − 1.
Agora seja A uma matriz quadrada de ordem n. Para cada par (i, j) defina a matriz
Aij formada a partir da matriz A retirando sua i-ésima linha e j-ésima coluna. A
matriz assim formada é chamada de menor complementar da matriz A em relação
ao elemento Aij . Note que dessa forma, Aij é uma matriz de ordem n − 1, e portanto,
o seu determinante det(Aij ) já está definido.
Finalmente, o determinante da matriz A é definido como sendo
n
X
det(A) = (−1)j+1 a1j det(A1j ). (9)
j=1
18
a11 a12
Exemplo 1. Considere a matriz A = . Pela definição de menor comple-
a21 a22
mentar temos A11 = [a22 ] e A12 = [a21 ]. Dessa forma,
Portanto, det(A) = a11 a22 − a12 a21 . Esse resultado, pode ser reescrito como uma regra,
comumente utilizada para o cálculo do determinante de matrizes de ordem 2.
Regra para o cálculo do determinante de matrizes de ordem 2: O determi-
nante de uma matriz A de ordem 2 é igual ao produto do elementos da diagonal principal
menos o produto dos elementos da diagonal secundária.
a11 a12 a13
Exemplo 2. Considere a matriz A = a21 a22 a23 .
a31 a32 a33
a22 a23 a21 a23 a21 a22
Pela definição anterior, temos A11 = , A12 = e A13 = .
a32 a33 a31 a33 a31 a32
Agira usando a regra apresentada no Exemplo 1, obtemos:
det(A) = (−1)1+1 a11 det(A11 ) + (−1)1+2 a12 det(A12 ) + (−1)1+3 a13 det(A13 )
= a11 det(A11 ) − a12 det(A12 ) + a13 det(A13 ).
19
2 1 −1 1
4 0 3 2
Exemplo 3. Calcule o determinante da matriz A =
−1
.
3 1 0
1 0 1 1
Resolução.
Fazendo o desenvolvimento pela linha 2 temos
det(A) = (−1)2+1 a21 det(A21 ) + (−1)2+2 a22 det(A22 ) + (−1)2+3 a23 det(A23 ) + (−1)2+4 a24 det(A24 )
= −2det(A21 ) + 0det(A22 ) − 3det(A23 ) + 2det(A24 )
= −2det(A21 ) − 3det(A23 ) + 2det(A24 ).
det(A) = (−1)1+2 a12 det(A12 ) + (−1)2+2 a22 det(A22 ) + (−1)3+2 a32 det(A32 ) + (−1)4+2 a42 det(A42 )
= 1det(A21 ) + 0det(A22 ) − 3det(A23 ) + 0det(A24 )
= det(A21 ) − 3det(A23 ).
Ou seja, neste caso, só terı́amos que calcular dois determinantes de ordem 3.
1. det(AB) = det(A)det(B);
2. det(A) = det(B T );
3. det(kA) = (det(A))k .
2. Existência de solução única para sistema linear. Seja A uma matriz qua-
drada de ordem n . O sistem linear Ax = b admite uma única solução se, e
somente, det(A) 6= 0.
20
11 Exercı́cios Propostos
3x + 5y = 1
1. Dada o sistema 2x + z = 3
5x + y − z = 0
(a) Escreva a matriz A dos coeficientes do sistema linear e calcule o seu determi-
nante.
(b) Escreva a matriz ampliada do sistema e faça o escalonamento da mesma.
(c) Obtenha a solução do sistema.
−4x1 + 3x2 = 2
2. Determine k, para que o sistema 2x1 + x3 = 0 , admita solução.
5x1 + x2 = k
Sugestão. Faça o escalonamento da matriz ampliada do sistema e analise o posto
das matrizes dos coeficientes e da matriz ampliada.
(a) Escreva a matriz A dos coeficientes do sistema linear e calcule o seu determi-
nante.
(b) Escreva a matriz ampliada do sistema e faça o escalonamento da mesma.
(c) Obtenha a solução do sistema.
21
12 Recursos Computacionais para Álgebra Linear
12.1 O Software Scilab
O Scilab é um software para computação cientı́fica e visualização, gratuito, com código
fonte aberto e interface para as linguagens FORTRAN e C. Ele permite a solução de
problemas numéricos em uma fração do tempo que seria necessário para escrever um
programa em uma linguagem como FORTRAN, Pascal ou C, devido às suas centenas de
funções matemáticas. Mais informações sobre o Scilab, bem como o link para download
do mesmo, podem ser obtidas no site www.scilab.org.
−− >A=[ 1 4 7; 2 3 6 ; 5 5 -1]
A=
1. 4. 7.
2. 3. 6.
5. 5. - 1.
−− > b= [ 2; 2; 8]
b=
2.
2.
8.
−− > x=A\ b
x=
0.6
0.9333333
- 0.3333333
x + 2y + z = 1
2. Resolver o sistema linear 4x + 3y + 5z = 5 .
3x + y + 4z = 4
−− >A=[ 1 2 1; 4 3 5; 3 1 4]
A=
22
1. 2. 1.
4. 3. 5.
3. 1. 4.
−− >b=[1;5;4]
b=
1.
5.
4.
−− >x=A\b
Aviso: A matriz é quase singular ou possui má escala. rcond = 0.0000D+00
Computando a solução de mı́nimos quadrados (ver lsq).
x=
0.
- 1.526D-15
1.
Observação. Na resolução da equação Ax = b, o comando x=A\b do Scilab
computa uma solução aproximada (solução de quadrado quadrado) com no máximo
PA , posto de A, componentes não nulas. Observe ainda que, neste exemplo, PA =
2. A sigla lsq significa least square, ou seja, quadrado mı́nimo.
x + 3y + 13z = 9
3. Resolver o sistema linear y + 5z = 2 .
−2y − 10z = −8
23
- 0.36
0.
0.72
24
1. 2. 1.
4. 3. 5.
3. 1. 4.
−− >X=inv(A)
!–error 19
O problema é singular.
Observação. Neste caso, o programa retorna uma mensagem de erro e a in-
formação de que o problema é singular. Isto significa que a matriz A não é in-
vertı́vel.
−− >det(A)
ans =
60.
−− >B=[ 1 2 1; 4 3 5; 3 1 4]
B=
1. 2. 1.
4. 3. 5.
3. 1. 4.
−− >det(B)
ans =
0.
−− >C=[1 3 13; 0 1 5; 0 -2 -10]
C=
1. 3. 13.
0. 1. 5.
0. - 2. - 10.
−− >det(C)
ans =
0.
25
12.5 Resolução do sistema linear da Introdução
O problema proposto na Introdução consistia em determinar o polinômio interpolador
de grau 2
p(T ) = a0 + a1 T + a2 T 2 .
onde os coeficientes a0 , a1 e a2 são obtidos por meio do cálculo da solução do sistema
linear:
−− >x=A\b
x=
5.586D+08
- 564512.74
142.65714
26