Title | Matrizes Inversas - Inversao de matrizez |
---|---|
Author | Nailson Figueiredo |
Course | Álgebra Linear ni |
Institution | Universidade Federal Rural de Pernambuco |
Pages | 29 |
File Size | 744 KB |
File Type | |
Total Downloads | 58 |
Total Views | 140 |
Inversao de matrizez...
56
Geometria Analítica e Álgebra Linear
4. Inversão de Matrizes e Determinantes
4.1.
Matriz Inversa
Todo número real a, não nulo, possui um inverso (multiplicativo), ou seja, existe um número b, tal que a b = b a = 1. Este número é único e o denotamos por a-1. Apesar da aritmética matricial ser semelhante a aritmética dos números reais, nem todas as matrizes A não nulas possuem inversa, ou seja, nem sempre existe uma matriz B tal que AB = BA = In. De início, para que os produtos AB e BA estejam definidos e sejam iguais, é preciso que as matrizes A e B sejam quadradas. Portanto, somente as matrizes quadradas podem ter inversa, o que já diferencia do caso dos números reais, onde todo número não nulo tem inverso. Mesmo entre as matrizes quadradas, muitas não possuem inversa. Definição Uma matriz quadrada A = (aij)n x n é chamada não singular (ou invertível), se existe uma matriz B = (bij)n x n tal que (4.1)
AB = BA = In.
onde In é a matriz identidade. A matriz B é chamada de inversa de A. Se A não tem inversa, dizemos que A é singular (ou não invertível).
Ex.: 4.1
Considere as matrizes 2 1 A 0 3
e
1 2 1 6 B 1 3 0
Como A B = B A = I2 Concluímos que a matriz B é a inversa da matriz A e que A é não singular.
Teorema 4.1. Se uma matriz A = (aij)n x n possui inversa, então a inversa é única.
Demonstração Suponha que B e C sejam inversas de A. Então,
AB = BA = In = AC = CA
e assim, B = B In = B(AC) = (BA)C = InC = C . 01 de fevereiro de 2010
Alex N. Brasil
57
Geometria Analítica e Álgebra Linear De agora em diante, representaremos a inversa de A, quando ela existe, por A-1. Assim, AA-1 = A-1A = In
Obs.:
Devemos chamar atenção para o fato de que o índice superior -1 não significa uma potência, tão pouco uma divisão. Assim como no caso da transposta, em que AT significa a transposta de A, aqui, A-1 significa a inversa de A.
Ex. 4.2
Seja
1 2 A 3 4
Para acharmos A-1, fazemos a b A 1 c d Devemos então ter 1 0 1 2 a b I2 AA 1 0 1 3 4 c d de maneira que a 2c b 2d 1 0 3a 4c 3b 4d 0 1
Igualando os coeficientes correspondentes destas duas matrizes, obtemos os sistemas lineares a 2c 1 3a 4c 0 a 2
As soluções são (verifique isto):
b 2d 0 3b 4 d 1
e
b 1
3 2 1 d 2 c
Além disso como a matriz 1 a b 2 c d 3 2 1 2 também satisfaz a propriedade de que
01 de fevereiro de 2010
Alex N. Brasil
58
Geometria Analítica e Álgebra Linear 1 1 2 1 0 2 3 2 1 2 3 4 0 1 , concluímos que A é não singular (invertível) e que 1 2 A 1 3 2 1 2 Nem toda matriz tem uma inversa, como pode ser visto no exemplo seguinte
Ex. 4.3
Seja 1 2 A 2 4 para acharmos A-1, fazemos a b A1 c d Devemos então ter 1 0 1 2 a b AA 1 I2 0 1 2 4 c d de maneira que a 2c b 2d 1 0 2a 4c 2b 4d 0 1 Igualando os coeficientes correspondentes destas duas matrizes, obtemos os sistemas lineares a 2c 1 2 a 4c 0
e
b 2d 0 2b 4d 1
Estes sistemas lineares não têm soluções, de maneira que A não tem inversa. Assim, A é uma matriz singular.
Obs.:
O método usado no Exemplo 4.2 para achar a inversa de uma matriz não é muito eficiente. Nós o modificaremos em breve, obtendo um método mais rápido. Demonstraremos antes algumas propriedades das matrizes.
01 de fevereiro de 2010
Alex N. Brasil
59
Geometria Analítica e Álgebra Linear
4.1.1. Propriedades da Inversa Operações com matrizes inversas aparecem sempre que se deseja obter soluções de sistemas de equações lineares ou manipulações de matrizes que facilitem a visualização de futuras soluções. O quadro abaixo fornece as duas operações mais comuns. Quadro 4.1 – Operações mais comuns envolvendo matrizes inversas Operação Matriz inversa da (matriz) inversa de uma matriz
Matriz inversa de um produto de matrizes
Notação Simbólica
Demonstração -1 Fazendo G = (A ) , donde, G = A e -1 -1 -1 -1 GG = A (A ) = I -1 Mas, A A = I; portanto, comparando as duas últimas expressões: -1 -1 -1 -1 A (A ) = A A, ou, -1 -1 -1 A [(A ) - A] = 0, -1 -1 -1 donde, (A ) = A, pois A 0 -1 Fazendo G = ( AB) , tem-se: G AB = I. Efetuando um -1 -1 -1 produto à direita por B , obtem-se: G ABB = IB -1
-1 -1
(A ) = A
(AB)
-1
-1
=B A
-1
-1
-1 -1
-1
G AI = B G A= B . Efetuando outro produto por -1 A , chega-se a: -1 -1 -1 -1 -1 -1 -1 G AA = B A G I = B A G = B A , ou: (AB) 1 -1 -1 =B A . Quadro 4.1
Teorema 4.2. a) Se A é uma matriz não singular (invertível), então A-1 também é não singular e (A-1)-1 = A ; b) Se A e B são matrizes não singulares (invertíveis), então AB é não singular e (AB)-1 = B-1A-1 ; c) Se A é uma matriz não singular (invertível), então AT também é não singular e (AT)-1 = (A-1)T .
Demonstração Se queremos mostrar que uma matriz é a inversa de uma outra, temos que mostrar que os produtos das duas matrizes são iguais a matriz identidade. a) Uma matriz B é a inversa de A-1 se A-1B = BA-1 = In . Mas, como A-1 é a inversa de A, então AA-1 = A-1A = In . Como a inversa é única, então B = A é a inversa de A-1, ou seja, (A-1)-1 = A.
01 de fevereiro de 2010
Alex N. Brasil
60
Geometria Analítica e Álgebra Linear Temos que mostrar que a inversa de AB é B-1A-1, ou seja, mostrar que os produtos (AB)(B-1A-1) e (B-1A-1)AB são iguais a matriz identidade. Mas, (AB)(B-1A-1) = A(BB-1)A-1 = AInA-1 = AA-1 = In e (B-1A-1)AB = B-1(A-1A)B = B-1InB = B-1B = In . Então, AB é não singular. Visto que a inversa da matriz é única, nós concluímos que (AB)-1 = B-1A-1 b) Nós temos AA-1 = In e A-1A = In Tomando a transposta, nós obtemos (AA-1)T = InT = In
e
(A-1)TAT = In
e
(A-1A)T = InT = In
e AT(A-1)T = In.
Estas equações implicam que (AT)-1 = (A-1)T .
Ex.: 4.4
1 2 Se A , 3 4
então do exemplo 2 1 2 A1 3 2 1 2
e
A
1 T
2 3 2 . 1 1 2
além disto, verifique 1 3 AT e 2 4
A
T 1
2 3 2 1 1 2
Corolário Se A1, A2, …, Ar são matrizes não singulares n n, então Se A1, A2, …, Ar, é não singular e (A1 A 2 Ar ) 1 Ar1 Ar11 A11 . Anteriormente, dissemos que uma matriz B é inversa de A se AB = BA = In. O teorema seguinte, cuja demonstração será omitida, garante que basta verificarmos uma das duas igualdades em (4.1) para sabermos se uma matriz é a inversa de outra. 01 de fevereiro de 2010
Alex N. Brasil
61
Geometria Analítica e Álgebra Linear
Teorema Sejam A e B matrizes n n. a) Se AB = In, então BA = In; b) Se BA = In, então AB = In.
4.1.2. Método para Inversão de Matrizes A demonstração do próximo teorema fornece uma maneira de encontrar a inversa de uma matriz, se ela existir. O exemplo seguinte faz o mesmo no caso particular em que a matriz é 2 2. Ex.: 4.5
a b x y Seja A . Devemos procurar uma matriz B tal que AB = I2. c d z w ou seja, ax bz cx dz
1 0 ay bw 0 cy dw 1
Este sistema pode ser desacoplado em dois sistemas independentes que possuem a mesma matriz, que é a matriz A. podemos resolve-los simultaneamente. Para isto, basta escalonarmos a matriz aumentada a c
b 1 0 A I 2 . d 0 1
Os dois sistemas têm solução única se, e somente se, a forma escalonada da matriz 1 0 s t [A|I2] for da forma I 2 S (verifique, observando o que acontece se a 0 1 u v forma escalonada reduzida da matriz A não for igual a I2). Neste caso, x = s, z = u e s t y = t, w = v, ou seja, a matriz A possuirá inversa, A 1 B S . u v
O teorema seguinte oferece uma maneira de sabermos se uma matriz possui inversa e sua demonstração mostra como encontrar a inversa, se ela existir. Teorema Uma matriz A, n n, é invertível se, e somente se, A é equivalente por linhas à matriz identidade In.
01 de fevereiro de 2010
Alex N. Brasil
62
Geometria Analítica e Álgebra Linear Demonstração Pelo teorema, para verificarmos se uma matriz A, n n, é invertível, basta verificarmos se existe uma matriz B, tal que A B = In . Vamos denotar as colunas de B por X1, X2,..., Xn, ou seja, B = [ X1,..., Xn ], onde
x 11 x 21 X1 , x n1
x12 x 22 X2 , … , xn 2
x1n x X n 2n x nn
Vamos denotar as colunas da matriz identidade In, por E1, E2,..., En. Desta forma, 1 0 E1 , 0
E 21
0 1 , 0
... ,
0 0 En 1
A j-ésima coluna do produto AB é igual a AXj. Assim, analisando coluna a coluna a igualdade matricial A B = In vemos que encontrar B é equivalente a resolver n sistemas lineares A Xj = Ej
para j =1..., n.
Cada um dos sistemas pode ser resolvido usando o método de Gauss-Jordan. Para isso, formaríamos as matrizes aumentadas [A | E1], [A | E2],...,[A | En]. Entretanto, como as matrizes dos sistemas são todas iguais a A, podemos resolver todos os sistemas simultaneamente formando a matriz n x 2n [A | E1 E2...En] = [A | In] . Transformando [A | In] na sua forma escalonada reduzida, que vamos denotar por [R | S], vamos chegar a duas situações possíveis: ou a matriz R é a matriz identidade, ou não é. Se R = In, então a forma escalonada reduzida da matriz [A | In] é da forma [R | S]. Se escrevemos a matriz S em termos das suas colunas S = [S1 S2 ... Sn], então as soluções dos sistemas A Xj = Ej são Xj = Sj e assim B = S é tal que AB = In e pelo teorema 2.3 A é invertível. Se R In, então a matriz A não é equivalente por linhas à matriz identidade In. Neste caso, R terá pelo menos uma linha nula. O que implica que cada que os sistemas A Xj = Ej não tenha solução única. Isto implica que a matriz A não tem inversa, pois as colunas da (única) inversa seriam os Xj, para j = 1, ..., n.
01 de fevereiro de 2010
Alex N. Brasil
63
Geometria Analítica e Álgebra Linear Obs.:
Da demonstração do teorema anterior obtemos não somente uma forma de descobrir se uma matriz A tem inversa mas também, como encontrar a inversa, no caso em que ela exista. Ou seja, escalonamos a matriz [A | In] e encontramos a sua forma escalonada reduzida [R | S]. Se R = In, então a matriz A é invertível e a inversa A-1 = S. Caso contrário, a matriz A não é invertível. Vejamos os exemplos seguintes.
Ex. 4.6
Vamos encontrar, se existir, a inversa de
1 2 3 A 1 1 2 0 1 2 Para isso devemos escalonar a matriz aumentada
1 2 3 1 0 0 A I 3 1 1 2 0 1 0 0 1 2 0 0 1 1ª eliminação: O pivô da 1a linha é igual a 1. Logo, precisamos apenas “zerar” os outros elementos da coluna do pivô. Para isto, somamos à 2ª linha, –1 vezes a 1ª linha.
–1
1ª linha + 2ª linha 2ª linha
1 2 3 1 0 0 0 1 1 1 1 0 0 1 2 0 0 1
2ª eliminação: Olhamos para a submatriz obtida eliminando-se a 1a linha da matriz. Escolhemos como pivô um elemento não nulo da 1a coluna não nula da submatriz. Escolhemos o elemento de posição 2,2 . Como temos que “faze-lo” igual a 1, multiplicamos a 2a linha por –1.
–1
2ª linha 2ª li h
1 2 3 1 0 0 0 (1) 1 1 1 0 0 1 2 0 0 1
Precisamos “zerar” os outros elementos da coluna do pivô. Para isto, somamos à 1ª linha, –2 vezes a 2ª e à 3ª linha, somamos –1 vezes a 2ª. –2 2ª linha + 1ª linha 1ª linha –1 2ª linha + 3ª linha 3ª linha
01 de fevereiro de 2010
1 0 1 0 1 1 0 0 (1)
1
2 0 1 1 0 1 1 1
Alex N. Brasil
64
Geometria Analítica e Álgebra Linear 3ª eliminação: Olhamos para a submatriz obtida eliminando-se as duas primeiras linhas. Escolhemos para pivô um elemento não nulo da primeira coluna não nula da submatriz. Este elemento é o elemento de posição 3,3. Como ele é igual a 1, precisamos apenas “zerar” os outros elementos da coluna do pivô. Para isto, somamos à 1ª linha, –1 vezes a 3ª linha e somamos à 2ª linha, –1 vezes a 3ª.
1 1 1 0 0 0 0 1 0 2 2 1 0 0 1 1 1 1
–1 3ª linha + 1ª linha 1ª linha –1 3ª linha + 2ª linha 2ª linha
Assim, a matriz [A | I3] é equivalente por linhas à matriz acima, que é da forma [I3 | S], portanto a matriz A é não singular (invertível) e a sua inversa é a matriz S, ou seja,
1 1 0 A 2 2 1 1 1 1 1
Ex. 4.7
Vamos determinar, se existir, a inversa da matriz
1 2 3 A 1 1 2 0 1 1 Para isso devemos escalonar a matriz aumentada
1 2 3 1 0 0 A I 3 1 1 2 0 1 0 0 1 1 0 0 1 1ª eliminação: O pivô da 1ª linha é igual a 1. Logo, precisamos apenas “zerar” os outros elementos da coluna do pivô. Para isto, somamos à 2ª linha, a –1 vezes a 1ª linha.
–1 1ª
linha + 2ª linha 2ª linha
01 de fevereiro de 2010
1 2 3 1 0 0 0 1 1 1 1 0 0 1 1 0 0 1
Alex N. Brasil
65
Geometria Analítica e Álgebra Linear 2ª eliminação: Olhamos para a submatriz obtida eliminando-se a 1ª linha da matriz. Escolhemos como pivô um elemento não nulo da 1ª coluna não nula da submatriz. Escolhemos o elemento de posição 2,2. Como temo que “faze-lo” igual a 1, multiplicamos a 2ª linha por –1. –1
2ª linha 2ª linha
1 2 3 1 0 0 0 (1) 1 1 1 0 0 1 1 0 0 1
Precisamos “zerar” os outros elementos da coluna do pivô. Para isto, somamos à 1ª linha, –2 vezes a 2ª e à 3ª linha, somamos –1 vezes a 2ª. –2 2ª linha + 1ª linha 1ª linha –1 2ª linha + 3ª linha 3ª linha Obs.:
1 0 1 1 2 0 0 1 1 1 1 0 0 0 0 1 1 1
Assim, a matriz [ A | I3] é equivalente por linhas à matriz acima, que é da forma [R | S], com R I3. Assim, a matriz A não é equivalente por linhas à matriz identidade e portanto não é invertível.
4.1.3. Sistemas Lineares e Inversas Se um sistema linear A X = B tem o número de equações igual ao número de incógnitas, então o conhecimento da inversa da matriz do sistema A-1, reduz o problema de resolver o sistema a simplesmente fazer um produto de matrizes, como está enunciado no próximo teorema.
Teorema Uma matriz A n n é não singular se e somente se for equivalente por linhas a In. O sistema associado AX = B tem solução única se, e somente se, A é invertível. Neste caso a solução é X = A-1B.
Demonstração Se A é uma matriz n n, então o sistema linear AX = B é um sistema de n equações e n incógnitas. Suponha que A é não singular (invertível). Então A-1 existe e podemos multiplicar AX = B por A-1 em ambos os lados, obtendo A-1(A X) = A -1B -1 (A-1A)X = A B
InX = A -1B X = A-1B.
01 de fevereiro de 2010
Alex N. Brasil
66
Geometria Analítica e Álgebra Linear Aqui foram usadas as propriedades da álgebra matricial. Portanto, X = A-1B é a única solução do sistema A X = B. Por outro lado, se o sistema A X = B possui solução única, então a forma escalonada reduzida da matriz aumentada do sistema [A | B] é da forma [R | C], onde R = In. Pois a matriz A é quadrada e caso R fosse diferente da identidade possuiria uma linha de zeros o que levaria a que o sistema A X = B ou não tivesse solução ou tivesse infinitas soluções. Logo, a matriz A é equivalente por linhas à matriz identidade o que pelo teorema visto anteriormente implica que A é invertível.
Ex.: 4.8
Suponha que temos um processo físico em que para uma matriz de saída B, a matriz de entrada X é obtida pela solução do sistema A X = B.
Se a matriz A é a do
1 2 3 Exemplo 4.6: A 1 1 2 0 1 2
e as matrizes de saída são
2 1 B 2 e C 5 , então as matrizes de entrada serão 3 3
1 1 1 0 X A B 2 2 1 2 1 1 1 3 1
1 5 4
e
1 1 2 8 0 Y A C 2 2 1 5 11 . 1 1 1 3 4 1
ou seja
x1 1 X x 2 5 x 3 4
e
y1 8 Y y 2 11 y 3 4
Teorema Se A é uma matriz n n, o sistema homogêneo (4.2)
AX = 0 tem solução não trivial ( 0) se, e somente se, A for singular (não invertível).
Ou seja, todo sistema homogêneo possui pelo menos a solução trivial. Pelo item anterior, esta será a única solução se, e somente se, A é invertível.
01 de fevereiro de 2010
Alex N. Brasil
67
Geometria Analítica e Álgebra Linear Demonstração Suponha que A é não singular. Então A-1 existe, e multiplicando ambos os lados de (4.2) por A-1, temos
A-1(A X) = A-10 (A-1A)X = 0 InX = 0 X =0
Portanto, a única solução de (4.2) é X = 0.
Ex.: 4.9
1 1 1 Considere o sistema homogêneo AX = 0, em que A 0 2 3 . Como A é não 5 5 1 singular, X = A-10 = 0.
Poderíamos resolver o sistema pelo método de eliminação de Gauss-Jordan. Neste caso vemos que a matriz em forma escalonada reduzida é equivalente por linhas à matriz aumentada do sistema dado,
1 1 1 0 0 2 3 0 , 5 5 1 0 é
1 0 0 0 0 1 0 0 , 0 0 1 0 o que mais uma vez mostra que a solução é X = 0.
01 de fevereiro de 2010
Alex N. Brasil
68
Geometria Analítica e Álgebra Linear
Ex.: 4.9
1 2 3 Considere o sistema homogêneo AX = 0, em que A é a matriz singular 1 2 1 . 5 2 3 Neste caso a matriz em forma escalonada reduzida que é equivalente por linhas à matriz aumentada do sistema dado,
1 2 3 0 1 2 1 0 , 5 2 3 0
e
1 0 0 1 0 0
1 0 1 0 , 0 0
e isso acarreta que
x y z onde é um número real qualquer. Assim, o sistema dado tem uma solução não trivial.
Teorema Podemos resumir nossos resultados sobre sistemas homogêneos e matrizes não singulares observando que as seguintes afirmativas são equivalentes:
Quadro 4.2 Lista de equivalências não singulares Os seguintes enunciados são equivalentes. 1. A é não singular 2. Ax = 0 tem somente a solução trivial 3. A é equivalente por linhas a In. Quadro 4.2
01 de fevereiro de 2010
Alex N. Brasil
69
Geometria Analític...