2.

Sistemas de Equações Lineares

2.1 Conceitos Básicos

Começamos este capı́tulo com um exemplo:

Exemplo 2.1. Consideremos o seguinte sistema de 3 equações lineares em 3 incógnitas:



 y + 2z = 1 (1)

x − 2y + z = 0 (2)


 3y − 4z = 23 (3) .

Se multiplicarmos (1) por −3 e adicionarmos a (3) obtemos

−10z = 20,

pelo que
z = −2.

Substituindo em (1) , obtemos

y=5

e, substituindo em (2) , obtemos

x = 12.

O sistema apresentado neste exemplo tem 3 equações com 3 incógnitas, pelo que a sua resolução foi
quase imediata. Se o sistema a resolver tiver, por exemplo, 100 equações com 120 incógnitas, a resolução,
embora semelhante em raciocı́nio, torna-se muito mais complexa e demorada. O uso de matrizes na
resolução de sistema de equações lineares simplifica a resolução de sistemas.

Sejam n, m ∈ IN. O sistema de m equações em n incógnitas



 a11 x1 + a12 x2 + · · · + a1n xn = b1



 a21 x1 + a22 x2 + · · · + a2n xn = b2
 ..

 .


 a x + a x + ··· + a x = b ,
m1 1 m2 2 mn n m

11
com aij , bi , xj ∈ R (i = 1, 2, ..., m e j = 1, 2, ..., n), pode ser representado pela equação matricial
    
a11 a12 · · · a1n x1 b1
    
 a21 a22 · · · a2n     
   x2   b2 
 . .. .. ..   . = . ,
 .. . . .   .   . 
  .   . 
am1 am2 · · · amn xn bm

i.e.,
Ax = b

onde:

1. A = [aij ]m×n é a matriz dos coeficientes;

2. x = [xi ]n×1 é a matriz coluna das incógnitas;

3. b = [bi ]m×1 é a matriz coluna dos termos independentes.

Chama-se matriz simples do sistema à matriz dos coeficientes A = [aij ]m×n . À matriz
 
a11 a12 ··· a1n b1
 
 a21 a22 ··· a2n b2 
 
 . .. .. .. .. 
 .. . . . . 
 
am1 am2 ··· amn bm

de ordem m × (n + 1), que representamos por (Ab) , chama-se matriz ampliada ou matriz completa do
sistema.
Um n-uplo a = (a1 , a2 , · · · , an ) diz-se uma solução do sistema se
 
a1
 
 a2 
 
A  .  = b.
 .. 
 
an

Para simplificação
  da escrita, falamos em a quando nos referimos tanto ao elemento de Rn como à matriz
a1
 
 a2 
 
coluna  . .
 .. 
 
an

2.2 Discussão de sistemas de equações lineares

Discutir um sistema é observar se o sistema tem ou não solução e, caso exista solução, se ela é ou não
única. O sistema apresentado no Exemplo 2.1 tem uma e uma só solução (x, y, z) = (12, 5, −2). Existem,
no entanto, sistemas para os quais tal não acontece. Vejamos os dois seguintes exemplos:

12
Exemplo 2.2. Consideremos o seguinte sistema de 3 equações lineares em 3 incógnitas:


 x − 2y − 4z = 0 (1)

−2x + 4y + 3z = 1 (2)


 −x + 2y − z = 1 (3) .

Se adicionarmos (1) e (2) , obtemos a equação (3) , pelo que esta é uma equação desnecessária à resolução
do sistema. Temos então 2 equações lineares em 3 incógnitas. Caso exista solução, ela não será única.
Efectivamente, se multiplicarmos (1) por 2 e adicionarmos a (2) , obtemos

−5z = 1,

pelo que
1
z=− .
5
Substituindo em (1) , obtemos
4
x − 2y = − ,
5
pelo que
4
x = 2y − , com y qualquer.
5

Exemplo 2.3. Consideremos o seguinte sistema de 3 equações lineares em 3 incógnitas:



 x + y
 = 4 (1)
2x + 2y + z = 2 (2)


 −x − y − z = 7 (3) .

Se adicionarmos (2) e (3) , obtemos obtemos a equação

x + y = 9,

o que não é consistente com a equação (1) , pelo que o sistema não admite nenhuma solução.

Conclusão: Nos três exemplos já apresentados temos três sistemas com igual número de equações e as
mesmas incógnitas, mas cuja resolução nos levou a três situações distintas: no primeiro obtivemos uma
única solução, no segundo obtivemos um número infinito de soluções e no terceiro não obtivemos qualquer
solução.

Definição 2.1. Sejam n, m ∈ IN, A = [aij ] ∈ Mm×n (R), b = [bi ] ∈ Mn×1 (R) e Ax = b um sistema de
m equações lineares em n incógnitas. Então:

1. Diz-se que o sistema é possı́vel se admite uma ou mais soluções.

2. Diz-se que o sistema é impossı́vel se não admite nenhuma solução.

3. Um sistema possı́vel diz-se determinado se admite uma única solução e diz-se indeterminado se
admite mais de uma solução.

13
Definição 2.2. Sejam n, m ∈ IN, A = [aij ] ∈ Mm×n (R), b = [bi ] ∈ Mn×1 (R). O sistema Ax = b diz-se
um sistema homogéneo se bi = 0, para todo i ∈ {1, 2, ..., n}. Representamos este sistema por Ax = 0

Teorema 2.1. Qualquer sistema de equações lineares homogéneo é um sistema possı́vel.

Demonstração: O resultado é imediato, tendo em conta que se o sistema tem n incógnitas o n-uplo
(0, 0, · · · , 0) é solução do sistema. 2

Teorema 2.2. Sejam n, m ∈ IN e A uma matriz real de ordem m × n, b ∈ Rm e y ∈ Rn uma solução

de Ax = b. Então, w ∈ IRn é solução de Ax = b se e só se w = y + z, onde z ∈ Rn é uma solução do
sistema homogéneo Ax = 0.

Demonstração: Seja y ∈ Rn uma solução de Ax = b.

Suponhamos que z ∈ Rn é uma solução do sistema homogéneo Ax = 0. Então,

A (y + z) = Ay + Az = b + 0 = b,

pelo que w = y + z é solução de Ax = b.

Reciprocamente, suponhamos que w é solução de Ax = b. Então,

A (w − y) = Aw − Ay = b − b = 0,

pelo que w = y + (w − y) onde w − y é solução de Ax = 0. 2

Corolário 2.1. Se for possı́vel, o sistema Ax = b é determinado se e só se o sistema homogéneo Ax = 0

é determinado (i.e., admite como única solução o vector nulo).

2.3 Resolução de sistemas determinados

2.3.1 Método de resolução inversa
Sejam n ∈ IN e Ax = b o sistema de n equações lineares em n incógnitas,


 a11 x1 + a12 x2 + · · · + a1n xn = b1



 a22 x2 + · · · + a2n xn = b2
.. .. .. (1)

 . . .



 ann xnn = bn .

14
Se aii 6= 0, para todo i = 1, 2, ..., n, temos um sistema possı́vel e determinado. Mais ainda, de (1) temos
que
bn
xn =
ann
1
xn−1 = (bn−1 − an−1 n xn )
an−1 n−1
1
xn−2 = (bn−2 − an−2 n xn − an−2 n−1 xn−1 )
an−2 n−2
..
.
1
x2 = (b2 − a2n xn − a2 n−1 xn−1 − ... − a23 x3 )
a22
1
x1 = (b1 − a1n xn − a1 n−1 xn−1 − ... − a12 x2 ) .
a11
Obtemos assim a única solução do sistema dado.
A este método chamamos método de resolução inversa.

2.3.2 Método de eliminação de Gauss

Ideia

A ideia fundamental do método de Gauss é, dado um sistema de equações lineares possı́vel e determinado,
obter um sistema de equações lineares equivalente, ao qual seja possı́vel aplicar o método de resolução
inversa.

Ferramentas

Começamos por recordar o que já sabemos fazer para resolver um sistema:
Sejam n, m ∈ IN. Para resolver sistemas de equações lineares de m equações em n incógnitas, i.e.,
sistemas de equações do tipo


 a11 x1 + a12 x2 + · · · + a1n xn = b1



 a21 x1 + a22 x2 + · · · + a2n xn = b2
 ..

 .


 a x + a x + ··· + a x = b ,
m1 1 m2 2 mn n m

onde, aij , bi ∈ IR são constantes e xj são as incógnitas (i = 1, 2, ..., m e j = 1, 2, ..., n), podemos:

1. trocar equações;

2. multiplicar uma equação por um real não nulo;

3. criar uma nova equação “adicionando” duas equações.

Vamos adaptar estas três operações à equação matricial:

15
Definição 2.3. Sejam n, m ∈ IN e A uma matriz real de ordem m × n. Definem-se como operações
elementares sobre linhas da matriz A as seguintes operações:

1. trocar duas linhas;

2. multiplicar uma linha por um real não nulo;

3. substituir uma linha pela sua soma com um múltiplo de uma outra.
 
1 2 3 4
 
Exemplo 2.4. Seja A =  
 5 6 7 8 . A matriz obtida de A trocando as duas primeiras linhas
9 10 11 12
 
5 6 7 8
 
é  1 2 3 4 

. Indicamos esta operação por
9 10 11 12
   
1 2 3 4 5 6 7 8
  −−−−−−→  
A=
 5 6 7 8  
 L1 ↔ L2  1 2 3 4 .
9 10 11 12 9 10 11 12
 
1 2 3 4
 
A matriz obtida de A se substituirmos a linha 2 pela sua soma com −1 vezes a linha 3 é 
 −4 −4 −4 −4 
.
9 10 11 12
Indicamos esta operação por
   
1 2 3 4 1 2 3 4
  −−−−−−−−−−→  
A=  5 6 7 8  
 L2 ← L2 − L3  −4 −4 −4 −4 
.
9 10 11 12 9 10 11 12

Claro que uma questão se levanta de imediato. Como é que temos a garantia de ao efectuarmos uma
operação elementar sobre linhas de uma matriz ampliada de um sistema, não estamos a alterar o sistema
de modo a obter soluções distintas? O próximo teorema dá-nos essa garantia.

Teorema 2.3. Sejam n, m ∈ IN e A uma matriz real de ordem m × n. Então:

1. Se P é uma matriz quadrada de ordem m obtida da matriz identidade Im trocando, de algum modo,
as suas linhas então a matriz P A é obtida da matriz A trocando as suas linhas de igual modo.

2. Se P é a matriz diagonal de ordem m

 
λ1 0 ··· 0
 
 0 λ2 ··· 0 
 
P = .. .. .. .. 
 . . . . 
 
0 0 ··· λm

então, P A é a matriz obtida de A multiplicando a linha na posição i por λi , para todo i = 1, 2, ..., m.

16
 3. Se P é a matriz quadrada de ordem m obtida da matriz Im substituindo a linha na posição r pela
sua soma com λ vezes a linha na posição s (r 6= s) então P A é a matriz obtida da matriz A,
substituindo a linha na posição r pela sua soma com λ vezes a linha na posição s.

Exemplo 2.5. Considere-se a matriz

 
1 2 3 4
 
A=
 −1 0 3 2 
.
2 2 2 2

A matriz  
−1 0 3 2
 
B=
 1 2 3 4 

2 2 2 2
é obtida de A trocando as duas primeiras linhas ou, equivalentemente, é igual ao produto P A onde
 
0 1 0
 
P = 1 0 0  .
0 0 1

A matriz  
1 2 3 4
 
C= 
 −1 0 3 2 
0 2 8 6
é obtida de A substituindo a terceira linha pela sua soma com o dobro da segunda ou, equivalentemente,
é igual ao produto P A onde  
1 0 0
 
P =
 0 1 0 
.
0 2 1
A matriz  
1 2 3 4
 
D= 
 −1 0 3 2 
1 1 1 1

é obtida de A multiplicando a terceira linha por 12 ou, equivalentemente, é igual ao produto P A onde
 
1 0 0
 
P =  0 1 0 .

1
0 0 2

Na resolução de um sistema, vamos utilizar apenas operações elementares sobre as linhas da matriz
ampliada do sistema. Tal é possı́vel porque

17
Teorema 2.4. Seja A0 x = b0 um sistema de equações lineares que resulta da realização de uma sequência
finita de operações elementares sobre as linhas da matriz ampliada do sistema Ax = b. Então, os dois
sistemas são equivalentes, i.e., admitem exactamente as mesmas soluções.

Demonstração: O resultado é imediato tendo em conta que efectuar uma operação sobre linhas da
matriz (Ab) é multiplicar à esquerda A e b por uma matriz que se obtem da matriz identidade efectuando
exactamente essa mesma operação. 2

Método

A demonstração do seguinte teorema apresenta-nos o método de eliminação de Gauss.

Teorema 2.5. Sejam n ∈ IN e Ax = b um sistema determinado de n equações em n incógnitas. Então,

realizando uma sequência finita de operações elementares sobre linhas de (Ab) , obtemos um sistema
equivalente cuja matriz simples é triangular superior.

Demonstração: Seja
 
a11 a12 a13 ··· a1n b1
 
 a21 a22 a23 ··· a2n b2 
 
 b3 
(Ab) =  a31 a32 a33 ··· a3n 
 . .. .. .. .. .. 
 . . 
 . . . . . 
an1 an2 an3 ··· ann bn
a matriz ampliada do sistema Ax = b. Como o sistema é determinado temos que todas as colunas têm
um elemento não nulo. Suponhamos que a11 6= 0 (se tal não acontecer, como existe um ai1 6= 0, trocando
a linha L1 com a linha Li obtemos uma matriz cujo elemento na primeira linha e primeira coluna é não
nulo).
Efectuando as seguintes operações elementares sobre linhas
ai1
Li → Li − L1 , com i = 2, 3, ..., n,
a11
obtemos a matriz  
a11 a12 a13 ··· a1n b1
 
 (1) (1) (1) (1) 
 0 a22 a23 ··· a2n b2 
 
 (1) (1) (1) (1) 
 0 a32 a33 ··· a3n b3 ,
 
 .. .. .. .. .. 
 .. 
 . . . . . . 
 
(1) (1) (1) (1)
0 an2 an3 ··· ann bn
onde
(1) ai1
aij = aij − a1j , com i, j = 2, 3, ..., n
a11
e
(1) ai1
bi = bi − b1 , com i = 2, 3, ..., n.
a11

18
 (1)
Suponhamos agora que a22 6= 0 (faça-se o mesmo raciocı́nio que foi feito anteriormente). Repetindo o
raciocı́nio obtemos a matriz
 
a11 a12 a13 ··· a1n b1
 
 (1) (1) (1) (1) 
 0 a22 a23 ··· a2n b2 
 
 (2) (2) (2) 
 0 0 a33 ··· a3n b3 .
 
 .. .. .. .. .. 
 .. 
 . . . . . . 
 
(2) (2) (2)
0 0 an3 ··· ann bn

Repetindo o raciocı́nio um número finito de vezes, obtemos a matriz

 
a11 a12 a13 ··· a1 n−1 a1n b1
 
 (1) (1) (1) (1) (1) 
 0 a22 a23 ··· a2 n−1 a2n b2 
 
 (2) (2) (2) (2) 
 0 0 a33 ··· a3 n−1 a3n b3 
 
 ,
 .. .. .. .. .. .. .. 
 . . . . . . . 
 
 
 0 0 0 ···
(n−2)
an−1 n−1
(n−2)
an−1 n
(n−2)
bn−1 
 
(n−1) (n−1)
0 0 0 ··· 0 ann bn

i.e., obtemos uma matriz ampliada de um sistema cuja matriz simples é uma matriz triangular superior.
2

Após aplicar o método de eliminação de Gauss, para obter a solução do sistema, basta aplicar o
método de resolução inversa.

Exemplo 2.6. Consideremos o seguinte sistema de 4 equações lineares em 4 incógnitas:



 x1 + 3x2 + x3 = 1


 x + x2 = 2
1
.

 3x1 + x2 + x3 + x4 = 1



x2 + 2x3 + x4 = 2

Como
   
1 3 1 0 1 −−− −−−−− −−−− → 1 3 1 0 1
    −−−−−−−−−−−−−→
 1 1 0 0 2  L 2 → L 2 − L 1  0 −2 −1 0 1  L3 → L3 − 4L2
   
 3 1 1 1 1    1
  L3 → L3 − 3L1  0 −8 −2 1 −2  L4 → L4 + 4 L1
0 1 2 1 2 0 1 2 1 2
   
1 3 1 0 1 1 3 1 0 1
   
 0 −2 −1 0 1  −−−−−−−−−−3−→  0 −2 −1 0 1 
  L4 → L4 − L3  ,
 0 0 2 1 −6  4  0 0 2 1 −6 
   
3 5 1
0 0 2 1 2 0 0 0 4 7

19
temos que,

x4 = 4 × 7 = 28
1
x3 = (−6 − 28) = −17
2
1
x2 = − (1 − 17) = 8
2
x1 = 1 − (−17) − 3 × 8 = −6.

Concluı́mos, então, que (−6, 8, −17, 28) é a única solução do sistema dado.

Observação. Sejam n, m ∈ IN. Se o sistema possı́vel determinado tiver m equações e n incógnitas, com
m > n, os métodos a usar são exactamente os mesmos, mas a matriz que se obtem é uma matriz do tipo
 
a11 a12 a13 · · · a1 n−1 a1n b1
 
 (1) (1) (1) (1) (1) 
 0 a22 a23 · · · a2 n−1 a2n b2 
 
 (2) (2) (2) (2) 
 0 0 a · · · a a b 
 33 3 n−1 3n 3 
 
 .. .. .. .. .. .. .. 
 . . . . . . . 
 
 
 0 (n−2) (n−2) (n−2) 
 0 0 · · · an−1 n−1 an−1 n bn−1 .
 
 0 0 0 ··· 0
(n−1)
ann
(n−1) 
bn
 
 
 
 0 0 0 ··· 0 0 0 
 
 . .. .. .. .. .. 
 . .. 
 . . . . . . . 
 
0 0 0 ··· 0 0 0

Exemplo 2.7. Consideremos o seguinte sistema de 5 equações lineares em 4 incógnitas:



 x1 + 3x2 + x3 = 1




 x1 +
 x2 = 2
3x1 + x2 + x3 + x4 = 1 .



 x2 + 2x3 + x4 = 2



 5x + 5x + 4x + 2x = 6
1 2 3 4

Aplicando o método de eliminação de Gauss, concluı́mos que

   
1 3 1 0 1 1 3 1 0 1
   
 1 1 0 0 2   0 −2 −1 0 1 
   
   
 3 1 1 1 1  −→ ··· −→  0 0 2 1 −6  .
   
 0 1 2 1 2   0 0 0 1
7 
   4 
5 6 4 2 6 0 0 0 0 0

Assim, tendo em conta o exemplo anterior, concluı́mos que a solução do sistema é (-6,8,-17,28).

20
2.4 Resolução de sistemas indeterminados.

Os sistemas possı́veis indeterminados resolvem-se do mesmo modo. A única diferença é que, ao fazermos
a eliminação de Gauss, vamos encontrar uma matriz ampliada do tipo
 
a11 a12 a13 · · · a1 r−1 a1r a1 r+1 ··· a1n b1
 
 (1) (1) (1) (1) (1) (1) (1) 
 0 a22 a23 · · · a2 r−1 a2r a2 r+1 ··· a2n b2 
 
 (2) (2) (2) (2) (2) (2) 
 0 0 a33 · · · a3 r−1 a3r a3 r+1 ··· a3n b3 
 
 . .. .. .. .. .. .. .. 
 . .. .. 
 . . . . . . . . . . 
 
 (r−2) (r−2) (r−2) (r−2) (r−2) 
 0 0 0 · · · ar−1 r−1 ar−1 r ar−1 r+1 · · · ar−1 n br−1 
 
 
 0 0 0 ··· 0
(r−1)
ar r
(r−1)
ar r+1 ···
(r−1)
ar n
(r−1)
br 
 
 
 
 0 0 0 ··· 0 0 0 ··· 0 0 
 
 .. .. .. .. .. .. .. .. .. .. 
 . . . . . . . . . . 
 
0 0 0 ··· 0 0 0 ··· 0 0
(1) (r−1)
onde a11 , a22 ,..., arr são não nulos. Neste caso, as soluções do sistema são:

xn qualquer
xn−1 qualquer
..
.
xr+1 qualquer
1 ³ (r−1)
´
xr = (r−1) b(r−1)r − a(r−1)
rn xn − ... − ar r+1 xr+1
ar r
..
.
1
x1 = (b1 − a1n xn − a1 n−1 xn−1 − .... − a1r xr − .... − a12 x2 ) .
a11

Exemplo 2.8. Consideremos o sistema de 3 equações lineares em 3 incógnitas:



 x1 − 2x2 + 3x3 = 1

2x1 + 6x3 = 6 .


 −x + 3x − 3x = 0
1 2 3

Como
     
1 −2 3 1 −−−−−−−−−−−−→ 1 −2 3 1 1 −2 3 1
  L2 → L2 − 2L1   −−−−−−−−−−−→  
 2   4   4 
 0 6 6  L →L +L  0 4 0  L4 → L4 − 4L1  0 4 0 ,
3 3 1
−1 3 −3 0 0 1 0 1 0 0 0 0
concluı́mos que temos que

x3 qualquer,
1
x2 = × 4 = 1,
4
x1 = 1 − 3x3 + 2 × 1 = 3 − 3x3 ,

pelo que os elementos da forma (3 − 3a, 1, a), com a ∈ R, são as soluções do sistema.

21
2.5 Existência e cálculo da inversa de uma matriz

Existem alguns métodos diferentes para calcular a inversa de uma matriz invertı́vel de ordem n. O método
de Gauss-Jordan, que de seguida expomos, passa pela resolução simultânea de n sistemas de n equações
em n incógnitas. Este método baseia-se no seguinte teorema.

Teorema 2.6. Sejam n ∈ IN e A uma matriz quadrada de ordem n. Então, as afirmações seguintes são
equivalentes:

(i) A é invertı́vel;

(ii) Ax = 0 tem uma única solução (o vector nulo).

Observação. Sabendo que uma matriz A ∈ Mn (R) é invertı́vel, para determinarmos a sua inversa,
basta encontrar a matriz X ∈ Mn (R) tal que

AX = In ,

i.e., basta resolver simultaneamente os n sistemas

     
1 0 0
     
 0   1   0 
     
 0   0   ..
AX =   , AX =  , ··· AX =  ..
 .   ..   
 .     
 .   .   0 
0 0 1
Usando a notação (AIn ) para representar simultaneamente os n sistemas, efectuamos operações ele-
mentares sobre linhas para obter a matriz (In X). Temos que X = A−1 .
 
1 2 3
 
Exemplo 2.9. Seja A =  
 2 1 3  . Então, de
4 2 5
 ¯   ¯ 
¯ ¯
1 2 3 ¯ 1 0 0 −−−−−−−−−−−−→ 1 2 3 ¯ 1 0 0
 ¯   ¯  −−−−−−−−→
 2 1 3 ¯ 0 1 0  L2 → L2 − 2L1  0 −3 −3 ¯ −2 1 0  L2 → − 1 L2
 ¯  L → L − 4L  ¯  3
¯ 3 3 1 ¯
4 2 5 ¯ 0 0 1 0 −6 −7 ¯ −4 0 1
 ¯   ¯ 
¯ ¯
1 2 3 ¯ 1 0 0 −−−−−−−−−−−−→ 1 0 1 ¯ − 13 2
3 0
 ¯   ¯ 
 0 1 1 ¯ 2 − 1 0  L1 → L1 − 2L2  0 1 1 ¯ 2 − 1
0 
 ¯ 3 3  L → L + 6L  ¯ 3 3 
¯ 3 3 2 ¯
0 −6 −7 ¯ −4 0 1 0 0 −1 ¯ 0 −2 1
 ¯   ¯ 
−−−−−−−−−−−−→ 1 0 0 ¯¯ − 1 − 4 1 1 0 0
¯ 1
¯ − 3 − 34 1
L1 → L1 + L3  ¯ 3 3  −−−−−−−→  ¯ 
 0 1 0 ¯ 2 7  
− 3 1  L3 → −L3  0 1 0 ¯ 3 ¯ 2
−37
1 ,
L2 → L2 + L3  ¯ 3 
¯ ¯
0 0 −1 ¯ 0 −2 1 0 0 1 ¯ 0 2 −1
 
− 13 − 43 1
 
concluı́mos que A admite inversa e que A−1 =   3
2
− 73 1 .
0 2 −1

22