Baixe o app para aproveitar ainda mais
Prévia do material em texto
CAPÍTULO 4 – SISTEMA DE EQUAÇÕES LI�EARES 4.1 . Equação Linear Chamamos de equação linear, nas incógnitas 1 2, , , nx x x⋯ , toda equação do tipo: 1 1 2 2 3 3 n na x a x a x a x b+ + + + =⋯ Os números 1 2 3, , , , na a a a⋯ , todos reais, são chamados coeficientes e b , também real, é o termo independente da equação. Exemplo: Equações lineares: 1 2 3 4 1 2 3 3 4 5 5 2 0 x x x x x x x + − − = − − = Não são equações lineares: 2 1 2 3 1 2 3 4 2 4 0 2 3 x x x x x x x + + = + + = Os valores das variáveis que transformam uma equação linear em identidade, isto é, que satisfazem à equação, constituem sua solução. Estes valores são denominados raízes da equação linear. Exemplo: Seja a equação linear: 1 2 3 42 3 3x x x x+ − + = A seqüência ( )1, 2, 3, -2 é solução pois: ( ) ( ) ( ) ( )2 1 3 2 3 2 3+ − + − = 4.2 . Sistema Linear É o conjunto de ( ) 1m m ≥ equações lineares, nas incógnitas 1 2 3, , , , nx x x x⋯ . Um sistema linear é representado conforme abaixo: 11 1 12 2 13 3 1 1 21 1 22 2 23 3 2 2 31 1 32 2 33 3 3 3 1 1 2 2 3 3 n n n n n n m m m mn n m a x a x a x a x b a x a x a x a x b a x a x a x a x b a x a x a x a x b + + + + = + + + + = + + + + = + + + + = ⋯ ⋯ ⋯ ⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯ ⋯ Lembrando a definição de produto de matrizes, notemos que o sistema linear acima pode ser escrito na forma matricial: 2 � � 11 12 13 1 1 1 21 22 23 2 2 2 31 32 33 3 3 3 1 2 3 n n n m m m mn n m X BA a a a a x b a a a a x b a a a a x b a a a a x b ⋅ = ⋯ ⋯ ⋯ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋯ ������������� onde: matriz de coeficientes matriz de variáveis matriz de termos independentes A X B → → → Assim, um sistema linear com m equações e n incógnitas fica representado pela equação matricial: A X B⋅ = Outra matriz que pode ser associada a um sistema linear é a matriz ampliada, aumentada ou completa do sistema, que é a matriz dos coeficientes aumentada em uma coluna com os termos independentes: 11 12 13 1 1 21 22 23 2 2 31 32 33 3 3 1 2 3 n n n m m m mn m a a a a b a a a a b a a a a b a a a a b ⋯ ⋯ ⋯ ⋮ ⋮ ⋮ ⋯ ⋮ ⋮ ⋯ Exemplo: 1) O sistema linear 2 3 4 2 x y x y + = − = pode ser escrito na forma matricial: 2 3 4 1 1 2 x y ⋅ = − A matriz aumentada do sistema é: 2 3 4 1 1 2 − 2) 3 4 3 1 1 4 2 5 7 0 2 5 7 0 x x y z y x y z z + − = − ⇒ ⋅ = + + = matriz aumentada: 3 1 1 4 2 5 7 0 − 4.3 . Solução de um sistema linear Dizemos que a seqüência ordenada de reais ( )1 2 3, , , , nα α α α⋯ é solução de um sistema linear, se for solução de todas as suas equações. 3 Exemplo: 1) O sistema 6 2 1 3 4 x y z x y z x y z + + = + − = − + = admite como solução a tripla ordenada ( )1, 2, 3 pois: ( ) ( ) 1 2 3 6 (sentença verdadeira) 2 1 2 3 1 (sentença verdadeira) 3 1 2 3 4 (sentença verdadeira) + + = + − = − + = Já a tripla ( )-5, 11, 0 não é solução do sistema pois: ( ) ( ) 5 11 0 6 (sentença verdadeira) 2 5 11 0 1 (sentença verdadeira) 3 5 11 0 4 (sentença falsa) − + + = − + − = − − + = 2) O sistema linear 2 3 5 4 1 0 0 0 6 x y z x y z x y z + + = − + = + + = não admite solução, pois a última equação não é satisfeita por nenhuma tripla ( )1 2 3, , α α α . De forma geral, um sistema de equações lineares podemos classificá-lo como: • Sistema Possível (ou Compatível ou Consistente) • Determinado (SPD): há uma única solução • Indeterminado (SPI): há infinitas soluções • Sistema Impossível (ou Incompatível ou Inconsistente) – SI – não há solução Para encontrar o conjunto solução de um sistema linear, ou em outras palavras, para resolver o sistema, veremos duas formas: empregando o Teorema de Cramer e através do escalonamento do sistema. 4.4 . Teorema de Cramer Seja S um sistema linear com o número de equações igual ao número de incógnitas. Seja D o determinante da matriz dos coeficientes deste sistema. Se 0D ≠ , então o sistema será possível e terá solução única ( )1 2 3, , , , nα α α α⋯ , tal que: { }1, 2, 3, , nii D i D α = ∀ ∈ ⋯ onde iD é o determinante da matriz obtida substituindo-se a i-ésima coluna pela coluna dos termos independentes das equações do sistema. 4 Exemplo: Seja o sistema 6 4 2 1 x y z x y z x y z + + = − − = − − + = . Temos 1 1 1 1 1 1 4 0 2 1 1 D = − − = − ≠ − Logo, o sistema tem solução única. Determinemos esta solução: 1 6 1 1 4 1 1 4 1 1 1 D = − − − = − − 2 1 6 1 1 4 1 12 2 1 1 D = − − = − 3 1 1 6 1 1 4 8 2 1 1 D = − − = − − Assim, temos: 1 4 1 4 D x D − = = = − 2 12 3 4 D y D − = = = − 3 8 2 4 D z D − = = = − Portanto, a solução do sistema é: ( )1, 3, 2S = Exercício 1: Resolver os sistemas abaixo pela regra de Cramer. a) 4 0 3 2 5 x y x y − − = + = b) 2 2 3 3 x y x y − = − + = − c) 3 1 2 3 1 4 2 7 x y z x z x y z − + = + = − + − = d) 5 2 4 4 3 2 3 x y z x y z x y z − + − = + + = + − = − e) 1 2 2 0 2 2 1 x y z t x y z x y z t x z t + + + = − + = − + − − = + + = − f) 1 2 2 2 1 3 2 0 x y z t x y z x y z t x y z t + + + = − + + = − − − = − − + + = 4.5 . Equivalência de matrizes Dadas as matrizes A e B , de mesma ordem, diz-se que a matriz B é equivalente à matriz A , e se representa por B A∼ , se for possível transformar A em B por meio de uma sucessão finita de operações elementares sobre as linhas de A . 5 A matriz 1 3 5 0 0 2 0 4 12 é equivalente à matriz 1 0 4 0 1 3 0 0 2 − pois, usando uma sequência de operações elementares nas linhas da 1a matiz foi possível transforma-la na 2a matriz, conforme abaixo: 2 223 1 1 2 1 34 1 3 5 1 3 5 1 3 5 1 0 4 0 0 2 0 4 12 0 1 3 0 1 3 0 4 12 0 0 2 0 0 2 0 0 2 L LL L L L= = − − → → → 4.6 . Matriz na forma Escalonada Uma matriz está na forma escalonada quando o número de zeros que precede o primeiro elemento não nulo de uma linha, aumenta linha a linha. As linhas nulas, se existirem, aparecem abaixo das não nulas. Exemplo: 2 4 1 0 1 2 0 0 0 − 1 0 1 0 1 5 0 0 4 1 1 2 1 0 0 1 3 0 0 0 0 0 2 0 1 1 3 0 0 1 1 2 2 0 0 0 0 4 0 0 0 0 0 0 5 − − O primeiro elemento não nulo de cada linha é chamado de pivô. Quando o pivô de cada linha é igual a 1 e, os demais elementos da coluna do pivô são todos iguais a zero, diz-se que a matriz está na forma escalonada reduzida. Exemplo: 1 0 0 0 1 0 0 0 1 1 2 0 0 3 1 0 0 0 1 0 4 1 0 0 0 0 1 3 2 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 − − − Dada uma matriz qualquer, é possível obter uma matriz escalonada (ou escalonada reduzida), equivalente por linhas à matriz original, através da aplicação de operações elementares. A esse processo dá-se o nome de escalonamento. Exemplo: Mayara Marangoni Pencil Mayara Marangoni Pencil Mayara Marangoni Pencil Mayara Marangoni Pencil Mayara Marangoni Note FORMA ESCALONADA REDUZIDA:nullnullnullnullpivo= 1 nullnullnullnullcoluna do pivo só com zeros 6 2 2 1 3 3 1 3 3 2( 4) ( 7) ( 2) 1 2 3 1 2 3 1 2 3 1 2 3 4 5 6 0 3 6 0 3 6 0 3 6 7 8 9 7 8 9 0 6 12 0 0 0 L L L L L L L L L= + − = + − = + − → − − → − − → − − − − A escolhadas operações em um escalonamento não é única, levando à matrizes escalonadas diferentes. Contudo, a matriz escalonada reduzida é única. 4.7 . Sistemas Equivalentes Dois sistemas lineares 1 2 e S S são equivalentes, se toda solução de 1S for solução de 2S e toda solução de 2S for solução de 1S . Exemplo: 1 2 3 2 1 x y S x y + = = + = 2 2 3 3 5 x y S y + = = − = − 1 2 e S S são equivalentes pois ambos admitem como solução 1 5 , 3 3 − . Já que sistemas equivalentes têm as mesmas soluções (ou ambos não têm nenhuma), podemos resolver um sistemas de equações lineares pela transformação de um sistema qualquer em outro equivalente, mas na forma escalonada. Isto porque sistemas na forma escalonada são fáceis de serem resolvidos. 4.8 . Resolução de Sistemas Lineares – Método de Eliminação de Gauss Quando a redução por linhas é aplicada à matriz completa de um sistema de equações lineares, criamos um sistema equivalente que pode ser resolvido por substituição de trás para a frente. Esse processo é conhecido como método de eliminação de Gauss, ou método de eliminação gaussiana. A aplicação desse método é feita da seguinte forma: 1. Escreva a matriz completa do sistema de equações lineares; 2. Use operações elementares nas linhas para reduzir a matriz completa à forma escalonada por linhas; 3. Usando substituição de trás para a frente, resolva o sistema equivalente que corresponde à matriz linha- reduzida. 7 Exemplo: 2 3 3 2 16 2 9 x y z x y z x y z − − = − + = − + = 2 2 1 3 3 1 233 2 1 1 1 2 1 1 1 2 1 1 1 2 1 1 1 2 3 3 2 16 0 0 5 10 0 0 5 10 0 1 3 5 2 1 1 9 2 1 1 9 0 1 3 5 0 0 5 10 L L L L L L L= − = − − − − − − − − − − → → → − − Após o escalonamento da matriz, nosso sistema ficou: 2 (3) 3 5 (2) 5 10 (1) x y z y z z − − = + = = Dessa forma podemos resolver o sistema pelo procedimento de substituição de trás para frente. Temos: ( ) ( ) ( ) ( ) ( ) em 1 : 2 10 2 em 2 : y 3 2 5 5 6 1 em 3 : 1 2 2 3 z z y y x x = ⇒ = + = ⇒ = − ⇒ = − − − − = ⇒ = Solução: { }3, 1, 2− No sistema do exemplo acima, o número de equações é igual ao número de incógnitas, apresentando uma única solução, ou seja, o sistema é possível e determinado. Contudo, pode ocorrer de termos um sistema em que o número de equações (m) é menor que o número de incógnitas (n). Na resolução desse sistema, transpomos as incógnitas que não aparecem no começo de nenhuma das equações do sistema escalonado (chamadas variáveis livres) para o segundo membro da igualdade. O novo sistema assim obtido pode ser visto como um sistema contendo apenas as incógnitas do primeiro membro das equações. Neste caso, atribuindo valores a cada uma das incógnitas do segundo membro, teremos um sistema determinado; resolvendo-o, obteremos uma solução do sistema. Se atribuirmos outros valores às incógnitas do segundo membro, teremos outro sistema, também determinado; resolvendo-o, obteremos outra solução do sistema. Como esse procedimento, de atribuir valores às incógnitas do segundo membro pode se estender indefinidamente, segue-se que podemos extrair do sistema original, um número infinito de soluções. Assim, temos um sistema possível e indeterminado. 8 Exemplo: 1) 4 2 x y z y z − + = − = A variável z é uma variável livre (não aparece no começo de nenhuma equação). Transpondo z para o segundo membro das equações teremos o sistema: 4 2 x y z y z − = − = + Fazendo z α= (onde α é um número real qualquer) teremos: ( ) ( ) 4 2 2 1 x y y α α − = − ⇒ = + ⇒ O sistema é agora determinado, para cada valor de α . Para resolvê-lo, substituímos o valor de y da equação (1) em (2) : ( )2 4 2 4 6x x xα α α α− + = − ⇒ − − = − ⇒ = Portanto, as soluções do sistema são as triplas ordenadas do tipo ( )6, 2 , α α+ onde α ∈ℝ . Eis algumas: ( ) ( ) ( ) ( ) 1 6, 3, 1 7 6, -5, -7 0 6, 2, 0 51 16, , 2 2 2 α α α α = → = − → = → = → 2) 0 3 2 4 x y z t z t + − − = + = As variáveis livres são e y t ; transpondo-as para o segundo membro das equações teremos o sistema: 3 4 2 x z y t z t − = − + = − Fazendo ( ) e e y tα β α β= = ∈ℝ teremos: 9 ( ) ( ) 2 3 4 2 1 x z z α β β − = − + ⇒ = − ⇒ O sistema é agora determinado, para cada valor de α e de β . Resolvendo: ( ) ( ) 4 2 1 3 4 2 2 3 4 2 3 4 3 3 z em x x x β β α β β α β α β − ⇒ = − ⇒ − = − + − − + + = − + ⇒ = Portanto, as soluções do sistema são as quádruplas ordenadas do tipo 3 4 4 - 2 , , , 3 3 α β β α β − + + onde e α β ∈ℝ . Eis algumas: ( ) ( ) ( ) 4 40 e 0 , 0, , 03 3 1 e 2 1, 1, 0, 2 10 -21 e 3 , -1, , 33 3 α β α β α β = = → = = → = − = → Os dois sistemas acima são possíveis e indeterminados. Vejamos agora um exemplo de sistema impossível: 2 1 2 3 4 3 3 2 2 x y z x y z x y z + + = + − = + − = 22 2 1 3 3 2 3 3 1 12 33 3 1 2 1 1 1 2 1 11 2 1 1 1 2 1 1 5 52 22 1 3 4 0 3 5 2 0 1 0 13 3 3 3 3 3 2 2 0 3 5 1 0 3 5 1 0 0 0 3 LL L L L L L L L L −= − = + = − − −− → − − → → − − − − − − − − Após o escalonamento da matriz, nosso sistema ficou: 2 1 5 20 3 3 0 0 0 3 x y z x y z x y z + + = −+ + = + + = − A última equação gera uma inconsistência, caracterizando o sistema como impossível. 10 Chama-se posto de uma matriz A , representado por p , o número de linhas não nulas em uma matriz escalonada. Um sistema linear de m equações e n incógnitas admite solução se, e somente se, o posto da matriz aumentada escalonada ( )p for igual ao posto da matriz dos coeficientes ( )q . Assim: Se p q n= = → o sistema é possível e determinado (SPD) Se p q n= < → o sistema é possível e indeterminado (SPI) Se p q≠ → o sistema é impossível (SI) O número de variáveis livres de um sistema de n variáveis é determinado por: n q− 4.9 . Método de Eliminação de Gauss-Jordan Esse método é uma modificação do método de eliminação de Gauss e baseia-se em reduzir ainda mais a matriz completa do sistema, levando-a a forma escalonada reduzida. Assim, o método é aplicado da seguinte forma: 1. Escreva a matriz completa do sistema de equações lineares; 2. Use operações elementares nas linhas para reduzir a matriz completa à forma escalonada reduzida; 3. Se o sistema resultante for possível, resolva-o para as variáveis dependentes em termos de quaisquer variáveis livres que tenham sobrado. Exercício 2: Escalonar, resolver e classificar os sistemas abaixo. a) 2 1 2 2 2 x y z x y z x y z − − = − + + = − + = − b) 3 2 2 3 5 4 4 5 3 4 10 x y z x y z x y z + + = + + = + + = − 1 3 2 2 2 3 2 1 x y z t x y z t x y z t + − + = − − + = − − + + = − d) 1 1 2 2 2 1 x y z t x y z t y z t x z t + + + = − + + = − − + = + − = − e) 2 3 5 2 5 2 3 3 2 x y z x y z x y z − − = − + + = − + − = f) 5 2 3 2 3 4 1 4 3 3 x y z x y z x y z − + = + + = − − + = g) 3 5 2 26 7 16 5 3 14 x y z x y z x y z + + = − + = − − + = 11 4.10 . Sistemas Homogêneos Um sistema de equações lineares é chamado de homogêneo se o termo independente em cada equação for igual a zero. 11 1 12 2 13 3 1 21 1 22 2 23 3 2 31 1 32 2 33 3 3 1 1 2 2 3 3 0 0 0 0 n n n n n n m m m mn n a x a x a x a x a x a x a x a x a x a x a x a x a x a x a x a x + + + + = + + + + = + + + + = + + + + = ⋯ ⋯ ⋯ ⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯ ⋯ A matriz dos termos independentes é a matriznula. Assim, um sistema homogêneo é sempre possível, já que admite a solução trivial { }0,0,0, ,0S = … . A solução trivial é a única solução de um sistema homogêneo determinado e uma das soluções de um sistema homogêneo indeterminado. Exemplo: 1) Seja o sistema 0 2 0 2 0 x y z x y z x y z + − = − + = + − = . A matriz ampliada é: 1 1 1 0 2 1 1 0 1 2 1 0 − − − e a matriz escalonada é: 1 1 1 0 0 1 0 0 0 0 3 0 − . Como podemos observar, 3p q n= = = . O sistema é possível e determinado. O sistema equivalente é: 0 0 3 0 x y z y z + − = = = Esse sistema só admite a solução trivial. 2) Seja o sistema 0 2 2 0 2 3 0 6 3 6 0 x y z x y z x y z x y z + + = − − = − − = − − = . 12 A matriz ampliada é: 1 1 1 0 2 1 2 0 1 2 3 0 6 3 6 0 − − − − − − e a matriz escalonada é: 1 1 1 0 40 1 03 0 0 0 0 0 0 0 0 . Como podemos observar, 2 3p q n= = < = . O sistema é possível e indeterminado. O sistema equivalente é: 0 4 03 0 0 x y z y z z + + = + = = . A variável z é a variável livre e a solução do sistema é: 1 4 , , , 3 3 S α α α α = − ∈ ℝ Exercício 3: Resolver os sistemas: a) 3 2 0 2 0 2 4 6 0 x y z x y z x y z − − = − + + = + + = b) 2 3 0 4 0 3 2 0 x y z x y z x y z + − = − + = + − = c) 2 0 2 3 0 4 3 0 x y z x y z x y z + − = − + = + + = d) 5 4 2 0 8 2 0 2 0 x y z x y z x y z + − = + + = + − = 4.11 – Discussão de Sistemas Lineares Seja o sistema linear 1 1 kx y x ky + = + = − . Vamos verificar como se classifica o sistema, de acordo com os valores assumidos pelo parâmetro k . Inicialmente, vamos calcular o determinante da matriz de coeficientes do sistema. 13 21 1 1 k k k = − . Igualando o determinante a zero, temos: 2 1 0 1k k− = ⇒ = ± . Dessa forma, concluímos que: para 1k ≠ − e 1k ≠ o determinante da matiz incompleta será diferente de zero. Logo o sistema será possível e determinado. Vamos agora avaliar como se comporta o sistema no caso de 1k = ou 1k = − . Iniciamos montando a matriz completa do sistema para 1k = e escalonamos a matriz. 2 2 1 1 1 1 1 1 1 1 1 1 0 0 2 L L L= −→ − − Verificamos então que a segunda equação do sistema 0 0 2x y+ = − é impossível. Logo, neste caso, o sistema é impossível. Montando agora a matriz completa do sistema para 1k = − e escalonando a matriz. 2 2 1 1 1 1 1 1 1 1 1 1 0 0 0 L L L= +− −→ − − Verificamos então que a segunda equação do sistema 0 0 0x y+ = pode ser suprimida, ficando o sistema reduzido a uma equação com duas incógnitas. Neste caso, o sistema é possível e indeterminado. Em resumo, temos: 1 e 1 SPD 1 SI 1 SPI k k k k ≠ ≠ − ⇒ = ⇒ = − ⇒ Vejamos outro exemplo. Discutir o sistema abaixo em função dos parâmetros a e b . 2 3 4 10 x y b x ay + = + = Inicialmente, vamos calcular o determinante da matriz de coeficientes do sistema, igualando- o a zero. 2 3 2 12 0 6 4 a a a = − = ∴ = . Substituindo 6a = no sistema e escalonando a matriz completa, temos: 14 2 2 12 2 3 2 3 4 6 10 0 0 10 2 L L Lb b b = −→ − 10 2 0 5b b− = ∴ = Então: 6, SPD 6, 5 SPI 6, 5 SI a b a b a b ≠ ∀ ⇒ = = ⇒ = ≠ ⇒ Exercício 4: 1) Discutir os sistemas lineares abaixo. a) 2 2 4 x y mx y + = + = b) 2 1a x y x y a + = + = c) 1 2 4 4 3 6 2 x y mz x my z m x y z m + + = + + = + + = d) 1 2 3 2 2 x y mz x y z x y z m + + = + + = − + = 2) Calcule a e b de modo que o sistema 9 12 6 4 x ay x y b + = + = seja indeterminado. 3) Para que valores de k o sistema 2( 1) 1 ( 3) 2 1 k x y k x y + + = + + = admite apenas uma solução? 4) Dê a condição para que o sistema 3 2 3 x ay x y b + = + = não tenha solução. 4.12 – Resposta dos exercícios Exercício 1: a) 1 2, 2 − b) 3 4 , 5 5 − c) ( )1, 1, 1− d) ( )2, 3, 0− e) 1 11 4, , , 2 2 2 − f) ( )0, 0, 2, -1 15 Exercício 2: a) ( )-11, -6, -3 sistema possível e determinado b) sistema impossível c) 6 14 2 7 1 14 , , , 7 7 7 α α α α − − − sistema possível e indeterminado d) 1 1 2 , 1, , 5 5 5 − − sistema possível e determinado e) sistema impossível f) ( ), 1, , α α α− − − sistema possível e indeterminado g) ( )1, 3, 4 sistema possível e determinado Exercício 3: a) ( ), , α α α− − b) ( )0, 0, 0 c) ( ), , α α α− d) ( )2 , 3 , 3α α α Exercício 4: 1) a) 2 2 m SPD m SPI ≠ ⇒ = ⇒ b) 1 1 1 a SPD a SPI a SI ≠ ± ⇒ = ⇒ = − ⇒ c) 1 e 2 1 2 m m SPD m SI m SPI ≠ ≠ ⇒ = ⇒ = ⇒ d) 2 2 m SPD m SI ≠ ⇒ = ⇒ 2) 6, 8a b= = 3) 1 e 1 2 k k≠ − ≠ 4) 2 9, 3 a b= ≠
Compartilhar