Baixe o app para aproveitar ainda mais
Prévia do material em texto
CAPÍTULO 3 SISTEMAS DE EQUAÇÕES LINEARES 3.1 INTRODUÇÃO Um dos principais tópicos da Álgebra Linear é o estudo de sistemas de equações lineares e suas soluções. Na prática, surgem muitos problemas que podem ser reduzidos a um sistema de equações lineares. Muitos deles, com um grande número de equações, que requerem um método sistemático para resolvê-los. DEFINIÇÕES BÁSICAS (1) Equação linear e soluções: uma equação linear nas incógnitas x1, x2, ..., xn é uma equação que pode ser colocada na forma padrão: a1x1 + a2x2 + ... + anxn = b (3-1) onde a1, a2,..., an, e b são constantes conhecidas. As constantes ak são chamadas de coeficientes e b é o termo constante ou termo independente. As variáveis x1, x2, ..., xn são chamadas de incógnitas. Se b = 0 a equação é dita homogênea. Uma solução da equação linear é uma lista de valores para as incógnitas ou, de modo equivalente, um vetor x no Rn, ou seja x1 = k1, x2 = k2, ..., xn = kn ou x = (k1, k2, ..., kn) OBSERVAÇÃO: Essa equação assume implicitamente que há uma ordem nas incógnitas, que, em geral são listadas na forma de um vetor coluna x. Exemplo 1: Dada a equação linear x + 2y – 3z = 0, então x = 5, y = 2 e z = 3, ou equivalentemente, x = (5, 2, 3) é uma solução dessa equação. Por outro lado, o vetor x = (1, 2, 3) não é uma solução dessa equação. Exemplo 2: As equações mostradas a seguir não são lineares x + 3y2 = 4, 3x + 2y – xy = 5, sen(x) + y = 0 Exercício: Encontre uma equação linear em x e y cujo vetor solução é x = (5 + 2t, t), onde t é um parâmetro. (2) Sistema de equações lineares: uma coleção finita de equações lineares é denominada de um sistema de equações lineares ou, simplesmente, um sistema linear. Por exemplo, o conjunto de equações x1 – x2 + 2x3 = –3 2x1 + x2 + x3 = 0 é um sistema linear de duas equações a três incógnitas. OBSERVAÇÃO: A solução de um sistema é o conjunto de valores das incógnitas que satisfaz a todas as equações do sistema. Por exemplo, no sistema anterior, uma das possíveis soluções é x = (–2, 3, 1). Em geral, um sistema linear de m equações a n incógnitas é representado da forma seguinte L1: a11x1 + a12x2 + ... + a1nxn = b1 L2: a21x1 + a22x2 + ... + a2nxn = b2 ..................................................... Lm: am1x1 + am2x2 + ... + amnxn = bm Teorema: Qualquer sistema linear tem (a) solução única, (b) nenhuma solução ou (c) infinitas soluções. Estas situações são mostradas na figura 3-1. Fig. 3-1: Alternativas de solução de um sistema. (3) Matriz dos coeficientes e matriz associada Matriz dos coeficientes é a matriz formada pelos coeficientes do sistema linear, ou seja, [ ], 1,2,..., 1,2,...,ijA a i m e j n (3-2) Matriz associada ou matriz aumentada é a matriz formada pelos coeficientes, acrescida de mais uma coluna determinada pelos termos constantes bi, ou seja, 11 12 1 1 21 22 2 2 1 2 ... ... [ ] ... ... ... ... ... ... n n ij i m m mn m a a a b a a a b M ou M a b a a a b (3-3) (4) Equações lineares degeneradas: uma equação linear é dita degenerada se todos os seus coeficientes são nulos, ou seja, se ela é da forma 0x1 + 0x2 +... + 0xn = b (3-4) Teorema: Seja um sistema linear que possui uma equação degenerada Lk, com termo constante bk, então, (i) Se b ≠ 0, o sistema não possui solução. (ii) Se b = 0, Lk pode ser retirada do sistema (5) Incógnita líder: seja Lk uma equação linear não degenerada. A incógnita líder é a primeira incógnita de Lk com coeficiente não nulo. Exemplo 3: 0x1 + 0x2 + 5x3 – 3x4 – 0x5 + 7x6 = 10 ou simplesmente: 5x3 – 3x4 + 7x6 = 10 Então, a primeira incógnita com coeficiente não nulo é x3, logo ela é a líder. Exemplo 4: 0x + 2y – 4z = 8 ou simplesmente 2y – 4z = 8 Então a incógnita líder é y (6) Sistemas equivalentes: Se substituirmos uma equação de um sistema por outra que seja uma combinação linear de pelo menos uma das equações restantes, o novo sistema assim obtido é equivalente ao original e, portanto, terá a mesma solução. Exemplo 5: Seja um sistema linear dado por L1: x1 + x2 + 2x3 = 8 L2: –2x1 – 4x2 + 6x3 = 2 L3: 3x1 – 7x2 + 4x3 = 10 Vamos multiplicar a equação L1 por –2, em seguida somar o resultado com a equação L2 e o resultado obtido substituir na equação L2. Esse procedimento é denotado por 2L1 + L2 → L2 Então, o novo sistema obtido fica sendo L1: x1 + x2 + 2x3 = 8 L2: 0x1 – 2x2 + 10x3 = 18 L3: 3x1 – 7x2 + 4x3 = 10 Desse modo, a nova equação L2 é uma combinação linear de L1, logo ela pode substituir qualquer uma das equações do sistema original para se obter outro sistema equivalente e, portanto, os dois terão a mesma solução. Exercício: 1) Obtenha um sistema equivalente ao primeiro sistema do exemplo 5, realizando a operação –3L1 + L3 → L3 2) Mostre que o vetor x = (3, 1, 2) é solução dos dois sistemas do exemplo 5. OPERAÇÕES ELEMENTARES As seguintes operações elementares serão de grande utilidade para se obter sistemas lineares equivalentes, visto que elas não alteram sua solução [E1] Trocar de posição duas das equações do sistema. Indicamos isso por Li ↔ Lj (Lê-se: Permutar Li com Lj) [E2] Substituir uma equação por um múltiplo não nulo de si mesma. Indicamos por kLi → Li (Lê-se: kLi substitui Li) [E3] Substituir uma equação por um múltiplo de outra equação somada a si mesma. Indicamos por kLi + Lj → Lj (Lê-se: kLi + Lj substitui Lj ) 3.2 SISTEMAS LINEARES COM DUAS OU TRÊS INCÓGNITAS Interseções de retas ou de planos são soluções de sistemas lineares a duas ou a três incógnitas, respectivamente. Exemplo 6: seja o sistema linear L1: x – y = 1 L2: 2x + y = 6 Realizando a operação elementar [E3], ou seja, –2L1 + L2 → L2, obtemos o sistema equivalente L1: x – y = 1 L2: 3y = 4 Logo, de L2 encontramos: y = 4/3 E de L1 tiramos: x – 4/3 = 1, x = 7/3. Este é um sistema com apenas uma solução. Geometricamente a solução x = (7/3, 4/3) é o ponto de interseção entre as retas representadas pelas equações do sistema. Neste caso as retas são concorrentes. Um bom exercício é esboçar o gráfico das duas retas e verificar que o ponto x é realmente a interseção entre elas. Exemplo 7: seja o sistema linear L1: x + y = 4 L2: 3x + 3y = 6 Realizando a operação –3L1 + L2 → L2, obtemos L1: x + y = 4 L2: 0x + 0y = –6 Neste caso, a equação L2 é degenerada e inconsistente, portanto o sistema é impossível (nenhuma solução). Geometricamente significa que as retas são paralelas e distintas, ou seja, as retas possuem a mesma inclinação, porém cortam o eixo y em pontos distintos. Exemplo 8: Seja o sistema linear L1: 4x – 2y = 1 L2: 16x – 8y = 4 Realizando a operação –4L1 + L2 → L2 obtemos L1: 4x – 2y = 1 L2: 0x + 0y = 0 (Pode ser eliminada do sistema) Neste caso, a equação L2 é degenerada, porém, consistente e assim, o sistema é possível. A equação L2 pode ser retirada, ficando o sistema só com a equação L1. Fazemos então y como variável livre e expressamos x em função de y. Assim L1: 4x – 2y = 1 y = t, x = 1/4 + t/2 x = (1/4 + t/2, t) = (1/4, 0) + t(1/2, 1), –∞ < t < +∞ Portanto, o sistema tem infinitas soluções, pois para cada valor de t temos um vetor x distinto. Geometricamente, as retas são coincidentes, ou seja, possuem a mesma inclinação e cortam o eixo y no mesmo ponto. Exemplo 9: Sejam os sistemas cujas equações representam planos L1: x – y + 2z = 5 L1: x – y + 2z = 7 (a) L2: 2x – 2y + 4z = 10 (b) L2: 2x – 2y + 4z = 11 L3: 3x – 3y + 6z = 15 L3: 3x – 3y + 6z = 18 No sistema (a), verificamos que L2 e L3 são múltiplos de L1. Geometricamente significa que os três planos coincidem. Portanto, o sistema tem infinitas soluções que podem ser expressas na formade equações paramétricas dos planos. Assim, descartando as equações L2 e L3 e, para y = t1 e z = t2 na equação L1, temos x = 5 + t1 – 2t2, y = t1, z = t2 ou x = (5 + t1 – 2t2, t1, t2) ou ainda, como uma combinação linear de vetores x = (5, 0, 0) + t1(1, 1, 0) + t2(–2, 0, 1). No sistema (b), os planos são paralelos, mas não coincidentes, então o sistema não tem solução. Em sistemas a três incógnitas podem ocorrer as seguintes situações, do ponto de vista geométrico, resumidas na figura 3-2. Fig. 3-2. Interpretação geométrica de sistemas a três incógnitas Exercício: Resolva o sistema abaixo e dê uma interpretação geométrica para a sua solução. x – y + 2z = 2 2x + y – z = 1 Resposta: x = (1 – t/3, –1 + 5t/3, t). Geometricamente é uma reta interseção entre os dois planos. 3.3 RESOLUÇÃO DE SISTEMAS LINEARES – REDUÇÃO POR LINHA O principal método de resolução de sistemas lineares é a chamada eliminação de Gauss que consiste em obter sistemas equivalentes, reduzidos por linha, através das operações elementares vistas anteriormente. Primeiro vamos definir o que é um sistema na forma escalonada por linha. FORMA ESCALONADA POR LINHA É um sistema onde cada incógnita líder de uma equação está à direita da incógnita líder da equação anterior. Esse tipo de sistema sempre possui solução que pode ser única ou infinita, determinada pela substituição retroativa, conforme exemplos a seguir. Exemplo 10: O sistema a seguir possui infinitas soluções. Neste caso o sistema possui um número de equações menor do que o número de incógnitas. Neste tipo de sistema, podemos destacar dois tipos de incógnitas: Incógnitas líderes: x1, x3 e x4 Incógnitas livres: São as incógnitas restantes: x2 e x5. L1: 2x1 + 6x2 – x3 + 4x4 – 2x5 = 7 L2: x3 + 2x4 + 2x5 = 5 L3: 3x4 – 9x5 = 6 Assim, podemos encontrar as incógnitas líderes x1, x3 e x4 em função das incógnitas livres x2 e x5, utilizando a substituição retroativa, ou seja, começando da última equação até chegar à primeira. Portanto, De L3: x4 = 2 + 3x5 De L2: x3 = 1 – 8x5 De L1: x1 = – 3x2 – 9x5 Assim, a solução geral é dada por x = (– 3x2 – 9x5, x2, 1 – 8x5, 2 + 3x5, x5) Ou fazendo x2 = a e x5 = b, temos a solução na forma paramétrica, ou seja, x = (– 3a – 9b, a, 1 – 8b, 2 + 3b, b) ou ainda, como uma combinação linear de vetores x = (0, 0, 1, 2, 0) + a(–3, 1, 0,0, 0) + b(–9, 0, –8, 3, 1) Onde a e b são escalares quaisquer. OBSERVAÇÃO: Esta última equação mostra que a solução deste sistema é um plano no R5. Exemplo 11: O próximo sistema também é escalonado por linha, porém possui solução única. Neste caso, o número de equações é igual ao número de incógnitas, e esse sistema é dito estar na forma triangular, que é uma forma particular da forma escalonada, onde não há incógnitas livres. Portanto terá solução única. L1: 2x1 + 3x2 + 5x3 – 2x4 = 9 L2: 5x2 – x3 + 3x4 = 1 L3: 7x3 – x4 = 3 L4: 2x4 = 8 Novamente, usando a substituição retroativa temos De L4 encontramos x4 = 4, que substituída em L3 fornece x3 = 1. Substituindo x3 e x4 em L2 encontramos x2 = –2 e, finalmente, substituindo x2, x3 e x4 em L1 encontramos x1 = 9. Então a solução única do sistema é x = (9, –2, 1, 4) 3.4 RESOLUÇÕES DE SISTEMAS LINEARES USANDO MATRIZES Uma maneira de resolver um sistema linear é trabalhando com sua matriz associada M, e esquecendo provisoriamente as incógnitas. Primeiro vamos ver alguns conceitos MATRIZ ESCALONADA POR LINHA Uma matriz A está escalonada por linha se as duas condições seguintes são válidas (1) Todas as linhas nulas, se existirem, estão na parte de baixo da matriz. (2) Cada termo líder (pivô) de uma linha está à direita do termo líder da linha anterior. Exemplo 15: A seguinte matriz está na forma escalonada por linha, com os pivôs em destaque 0 | 2 | 3 4 5 9 0 7 0 0 0 | 3 | 4 1 2 5 0 0 0 0 0 | 5 | 7 2 0 0 0 0 0 0 | 8 | 6 0 0 0 0 0 0 0 0 A FORMA ESCALONADA REDUZIDA POR LINHA Uma matriz A está na forma escalonada reduzida por linha se, além de ser uma matriz escalonada por linha, ela satisfaz as seguintes condições (1) Cada pivô é igual a 1 (2) Cada pivô é o único elemento não nulo de sua coluna. Exemplo 16: Das matrizes mostradas a seguir, apenas a matriz A está na forma escalonada reduzida por linha. 0 1 3 0 0 4 0 0 0 1 0 3 0 0 0 0 1 2 A 1 3 2 0 4 5 0 0 1 1 3 2 0 0 0 0 0 6 0 0 0 0 0 0 B 1 2 3 0 0 1 0 0 0 C OPERAÇÕES ELEMENTARES NAS LINHAS Seja A uma matriz cujas linhas são denotadas por R1, R2,..., Rm. Podemos efetuar as seguintes operações elementares [E1]: Ri ↔ Rj (Trocar de posição duas linhas quaisquer) [E2]: kRi → Ri (Substituir uma linha por um múltiplo dela mesma) [E3]: kRi + Rj → Rj (Um múltiplo de uma linha somado com outra linha, substitui essa outra) POSTO DE UMA MATRIZ O posto de uma matriz A, denotado por rank(A) ou Pos(A) é igual ao número de pivôs da matriz A na forma escalonada por linha. Assim, no exemplo 15 temos rank(A) = 4 e no exemplo 16 temos rank(A) = 3 OBSERVAÇÃO: O posto de uma matriz nunca é maior que a menor dimensão da matriz. Por exemplo, se A é uma matriz 5×3, então Pos(A) ≤ 3. A única matriz que tem posto nulo é a matriz nula. ELIMINAÇÃO DE GAUSS-JORDAN O processo de redução de uma matriz até se chegar à forma escalonada reduzida por linha é conhecido como eliminação de Gauss-Jordan. Esta seção apresenta dois algoritmos: um, para transformar qualquer matriz A em sua forma escalonada por linha (eliminação de Gauss) e outro para transformar em sua forma escalonada reduzida por linha (eliminação de Gauss-Jordan). Algoritmo A1 (Eliminação direta): dada qualquer matriz A, este algoritmo insere zeros abaixo de cada pivô, trabalhando de cima para baixo, e dá como resultado a forma escalonada por linha de A. PASSO 1: Descubra a primeira coluna com um elemento não nulo. Seja j1 esta coluna. (a) Se necessário, troque a posição de duas linhas para que o elemento não nulo da coluna j1 esteja na primeira linha, isto é, para que a1j ≠ 0 (b) Use a1j como pivô para obter zeros abaixo de a1j1. Especificamente, para i > 1, faça (1) 1 11 ij j a k a (2) kR1 + Ri → Ri OBSERVAÇÃO: na equação de k, aij1 é a entrada a ser eliminada. Portanto, k = (–entrada a ser eliminada / pivô) PASSO 2: Repita o passo 1 para o próximo pivô, eliminando as entradas abaixo dele. PASSO 3: Continue o processo acima até que não haja nenhuma entrada a ser eliminada abaixo do pivô. Observe que, no final do processo, os pivôs serão 11 j a , 22 j a ,..., rrj a , onde r é o número de linhas não nulas da matriz escalonada por linha. Algoritmo A2 (Eliminação retroativa): dada uma matriz A = [aij] na forma escalonada por linha, com elementos pivôs 11 j a , 22 j a ,..., rrj a , o resultado desse algoritmo será a forma escalonada reduzida por linha da matriz A. PASSO 1: (a) Multiplique a última linha não nula Rr por 1/arjr (para que o último pivô seja 1) (b) Use rrj a = 1 para obter zeros acima do pivô, realizando a operação: – rij a Rr + Ri → Ri. PASSO 2: Para r – 1 repita o passo 1 para as linhas Rr-1, Rr-2,..., R2 Exemplo 18: Dada a seguinte matriz A, aplique sobre ela os algoritmos A1 e A2 para chegar à sua forma escalonada reduzida por linha. 1 2 3 1 2 2 4 4 6 10 3 6 6 9 13 A Solução: Aplicando o algoritmo A1 encontramos as seguintes matrizes equivalentes 1 2 3 1 2 1 2 3 1 2 0 0 2 4 6 0 0 2 4 6 0 0 3 6 7 0 0 0 0 2 Forma escalonada por linha Aplicando agora o algoritmo A2 sobre a forma encontrada acima, encontramos as seguintes matrizes equivalentes 10000 64200 21321 10000 02100 07021 10000 02100 01321 10000 04200 01321 A última matriz desta seqüência é a forma escalonada reduzida por linha da matriz A. OBSERVAÇÃO: (1) Toda matriz tem uma única forma escalonada reduzida por linha, independente da seqüência de operações elementares aplicada. (2) As formas escalonadas por linhas, porém, podem não ser únicas para a mesma matriz. Exemplo 19: Resolva os seguintes sistemas lineares através da eliminação de Gauss-Jordan x1 + x2 – 2x3 + 4x4 = 5 x1 + x2 – 2x3 + 3x4 = 4 x + 2y + z = 3 2x1 + 2x2 – 3x3 + x4 = 3 2x1 + 3x2 + 3x3 – x4 = 3 2x + 5y – z = –4 3x1 + 3x2 – 4x3 – 2x4 = 1 5x1 + 7x2 + 4x3 + x4 = 5 3x – 2y – z = 5 (a) (b) (c) Solução (a): Aplicamos o algoritmo de Gauss-Jordan na matriz M. Assim temos as seguintes matrizes equivalentes 1 1 2 4 5 1 1 2 4 5 1 1 2 4 5 2 2 3 1 3 0 0 1 7 7 0 0 1 7 7 3 3 4 2 1 0 0 2 14 14 0 0 0 0 0 M 1 1 0 10 9 0 0 1 7 7 0 0 0 0 0 Forma escalonada reduzida por linha A última linha, por ser nula, pode ser excluída, então ficamos com o sistema x1 + x2 – 10x4 = –9 x3 – 7x4 = –7 Que pode ser resolvido expressando as variáveis líderes em função das livres. Assim x1 = –9 – x2 + 10x4 x3 = –7 + 7x4 Ou seja, esse sistema possui infinitas soluções que pode ser expressa pelo vetor solução x = (–9 – x2 + 10x4, x2, –7 + 7x4, x4) ou ainda, fazendo x2 = t1 e x4 = t2 x = (–9, 0, –7, 0) + t1(–1, 1, 0, 0) + t2(10, 0, 7, 1) Observe que rank(A) = rank(M) Solução (b): Seguindo o mesmo procedimento do item (a), encontramos a seguinte sequência de matrizes 1 1 2 3 4 1 1 2 3 4 1 1 2 3 4 2 3 3 1 3 0 1 7 7 5 0 1 7 7 5 5 7 4 1 5 0 2 14 14 15 0 0 0 0 5 M Observe que, na última matriz, a última linha corresponde a uma equação degenerada. Então não precisamos continuar já que o sistema não possui solução. Observe que rank(A) ≠ rank(M). Solução (c): Seguindo o mesmo procedimento dos itens anteriores, encontramos a seguinte sequência de matrizes 1 2 1 3 1 2 1 3 1 2 1 3 2 5 1 4 0 1 3 10 0 1 3 10 3 2 1 5 0 8 4 4 0 0 28 84 M 1 2 1 3 1 2 0 0 1 0 0 2 0 1 3 10 0 1 0 1 0 1 0 1 0 0 1 3 0 0 1 3 0 0 1 3 Neste caso o sistema possui uma única solução, que corresponde à última coluna destacada na última matriz, ou seja, x = 2, y = –1, z = 3 ou x = (2, –1, 3) Observe que rank(A) = rank(M) = 3 (no de incógnitas). Exercício: Resolva o sistema a seguir reduzindo a sua matriz aumentada à forma escalonada reduzida por linha. x + 4y + 3z = 1 2x + 5y + 4z = 4 x – 3y – 2z = 5 Resposta: (3, –2, 2) TEOREMA DE EXISTÊNCIA E UNICIDADE Teorema: Considere um sistema linear a n incógnitas com matriz associada M e matriz dos coeficientes, A, então (a) O sistema é possível se, e só se, rank(A) = rank(M) (b) A solução é única se, e só se, rank(A) = rank(M) = n SISTEMAS LINEARES COM UMA MATRIZ DE COEFICIENTES COMUM Em muitas aplicações precisamos resolver vários sistemas lineares com a mesma matriz de coeficientes. Então, em vez de resolver cada sistema separadamente, podemos aplicar um procedimento melhor formando a matriz aumentada M = [A|B1|B2| ... |Bk] na qual B1, B2, ..., Bk são juntadas a A para em seguida reduzir a matriz obtida à forma escalonada reduzida por linha pela eliminação de Gauss-Jordan. Com isso resolvemos todos os k sistemas de uma só vez. Exemplo 20: Considere os sistemas (a) x1 + 2x2 + 3x3 = 4 (b) x1 + 2x2 + 3x3 = 1 2x1 + 5x2 + 3x3 = 5 2x1 + 5x2 + 3x3 = 6 x1 + 8x3 = 9 x1 + 8x3 = –6 Então, construindo a matriz aumentada pela junção dos dois sistemas, e depois encontrando a forma reduzida por linha temos 1 2 3 | 4 | 1 1 0 0 | 1 | 2 2 5 3 | 5 | 6 0 1 0 | 0 | 1 1 0 8 | 9 | 6 0 0 1 | 1 | 1 Das duas últimas colunas tiramos as soluções dos sistemas como sendo (a) x1 = 1, x2 = 0 e x3 = 1 (b) x1 = 2, x2 = 1 e x3 = –1 ERRO DE ARREDONDAMENTO E PIVOTAMENTO PARCIAL Sistemas de grande escala são resolvidos por eliminação de Gauss-Jordan através de computadores, os quais usam aproximações decimais para representar valores exatos e com isso introduzem erros de arredondamento. Se algumas precauções não forem tomadas, esses erros podem se propagar e degradar a resposta, a ponto de torná-la pouco exata ou até inútil. Pode ser mostrado que a divisão por números próximos de zero tendem a ampliar os erros de arredondamento. Assim, na execução do algoritmo de Gauss-Jordan, onde se utiliza muitas divisões, é comum efetuar uma troca de linhas para colocar a entrada de maior valor absoluto na posição de pivô, antes de dividir tudo para a introdução do pivô. Esse procedimento é denominado de pivotamento parcial. Exemplo 21: Considere o sistema linear x/10000 + y = 1 x – y = 0 cuja solução exata é x = y = 10000/10001 Mas, se esse sistema for resolvido usando uma calculadora ou um computador que usa aritmética de precisão finita, digamos com quatro dígitos significativos, o sistema ficaria assim 0,0001x + 1,000y = 1,000 1,000x – 1,000y = 0 Usando a eliminação de Gauss-Jordan, neste sistema, com a limitação de quatro dígitos significativos, encontramos x = 0,000, y = 1,000 que é uma aproximação pobre à solução exata. Contudo, se fizermos a troca de linhas, encontraremos a resposta praticamente exata, mesmo com a limitação de quatro dígitos significativos, ou seja, x = 1,000, y = 1,000 OBSERVAÇÃO: Uma maneira de arredondar um número para algumas casas decimais significativas consiste em primeiro escrevê- lo em notação exponencial, como M×10k, onde M = 0,d1d2d3 ..., com d1 não nulo; arredondamos M para a quantidade de casas significativas que queremos e retornamos o resultado para a forma decimal. Por exemplo, com quatro casas decimais significativas, o número 23,58642 arredonda para 23,59; o número 0,0002358642 arredonda para 0,0002359 e o número 10,001 arredonda para 10,00. Exercício: Resolva o sistema abaixo por eliminação de Gauss-Jordan com pivotamento parcial utilizando aritmética de precisão finita com dois dígitos significativos. 0,21x + 0,33y = 0,54 0,70x + 0,24y = 0,94. Resposta: x = 1,00; y = 1,00. A solução exata é x = 1 e y = 1 3.5 FORMA MATRICIAL DE UM SISTEMA LINEAR O sistema genérico de m equações a n incógnitas é equivalente à seguinte equação matricial 11 12 1 1 1 21 22 2 2 2 1 2 ... ... ... ... ... ... ... ... ... n n m m mn n m a a a x b a a a x b a a a x b (3-5) Ou, abreviadamente: AX = B, ou ainda, como X e B são matrizes coluna, podemos vê-los como vetores coluna. Então também podemos escrever o sistema como Ax = b Onde A = [aij] é a matriz dos coeficientes, X = [xj] é matriz coluna das incógnitas e B = [bi] é matriz coluna das constantes. Exemplo 22: Representar na forma de matrizes o seguinte sistema x1 + 2x2 – 4x3 + 7x4 = 4 3x1 – 5x2 + 6x3 – 8x4 = 8 4x1 – 3x2 – 2x3 + 6x4 = 11 Solução: 11 8 4 6234 8653 7421 4 3 2 1 x x x x Verifique que x = (3, 1, 2, 1) é uma solução do sistema. A equação matricial (3-5) também pode ser escrita como a equação vetoriala seguir mmn n n n mm b b b a a a x a a a x a a a x ...... ... ...... 2 1 2 1 2 22 12 2 1 21 11 1 (3-6) Ou também, abreviadamente, como b = x1c1 + x2c2 + ... + xncn onde b é o vetor coluna das constantes e c1, c2, ... cn são os vetores coluna da matriz A. Desta forma, a equação vetorial (3-6) tem uma solução se, e só se, o vetor coluna das constantes for uma combinação linear dos vetores coluna da matriz dos coeficientes. Exemplo 23: Expressar o vetor v = (1, –2, 5) como uma combinação linear dos vetores u1 = (1, 1, 1), u2 = (1, 2, 3) e u3 = ( 2, –1, 1). Solução: Primeiro escrevemos v = xu1 + yu2 + zu3, com x, y e z sendo as incógnitas. Então, a equação vetorial correspondente será 1 1 2 3 2 1 1 1 1 5 2 1 zyx Ou, em forma de sistema temos x + y + 2z = 1 x + 2y – z = –2 x + 3y + z = 5 Cuja solução é x = (–6, 3, 2) Portanto, o vetor v pode ser expresso como v = –6u1 + 3u2 + 2u3 Exercícios: 1) Escreva o vetor v = (4, 9, 19) como combinação linear dos vetores u1 = (1, –2, 3), u2 = (3, –7, 10) e u3 = (2, 1, 9). Em seguida determine o sistema linear equivalente bem como sua forma reduzida. Resposta: v = 4u1 – 2u2 + 3u3 2) Expressar o vetor v = (2, –3, 1, –5) como uma combinação linear dos vetores e1 = (1, 0, 0, 0), e2 = (0, 1, 0, 0), e3 = (0, 0, 1, 0) e e4 = (0, 0, 0, 1) Resposta: v = 2e1 – 3e2 + e3 – 5e4 3.6 SISTEMAS LINEARES HOMOGÊNEOS Um sistema linear é homogêneo se todos os termos constantes, do lado direito de cada equação, são nulos. Então, sua forma matricial fica Ax = 0 Esse tipo de sistema sempre tem uma solução nula chamada de solução trivial. Ele sempre pode ser escrito na forma escalonada porlinha e a questão se resume a determinar as soluções não nulas. Teorema: Seja r o número de equações e n o número de incógnitas de um sistema homogêneo na forma escalonada por linha. Então (i) Se r = n, o sistema possui apenas a solução nula. (ii) Se r < n, o sistema possui pelo menos uma solução não nula. Exemplo 24: Determine se cada um dos seguintes sistemas homogêneos possui uma solução não nula x + y – z = 0 x + y – z = 0 x1 + 2x2 – 3x3 + 4x4 = 0 2x – 3y + z = 0 2x + 4y – z = 0 2x1 – 3x2 + 5x3 – 7x4 = 0 x – 4y + 2z = 0 3x + 2y + 2z = 0 5x1 + 6x2 – 9x3 + 8x4 = 0 (a) (b) (c) Solução (a): Encontramos a forma reduzida x + y – z = 0 | x + y – z = 0 | Forma escalonada –5y + 3z = 0 | –5y + 3z = 0 | por linha –5y + 3z = 0 | Então este sistema possui uma solução não nula já que sua forma reduzida tem mais incógnitas do que equações. Por exemplo: se z = 5 então, y = 3 e x = 2. Assim, o vetor x = (2, 3, 5) é uma das soluções do sistema. Solução (b): Encontramos a forma reduzida x + y – z = 0 | x + y – z = 0 | Forma escalonada 2y + z = 0 | 2y + z = 0 | por linha –y + 5z = 0 | 11z = 0 | Então o sistema possui apenas a solução trivial (solução nula) já que o número de incógnitas é igual ao número de equações. Solução (c): O sistema original já possui mais incógnitas do que equações então, obrigatoriamente ele tem uma solução não nula. Não é preciso encontrar a forma reduzida. 3.7 APLICAÇÕES ANÁLISE DE REDES Em termos gerais, uma rede é um conjunto de ramos através dos quais “flui” alguma coisa. Na maioria das redes, os ramos se encontram em pontos denominados de nós ou vértices. Existem basicamente dois tipos de redes: aberta - na qual o fluxo pode entrar ou sair da rede, e fechada - na qual o fluxo circula continuamente pela rede sem entrar ou sair. Os principais tipos de redes têm três propriedades básicas (1) Fluxo unidirecional: o fluxo em qualquer ramo é sempre num único sentido. (2) Conservação do fluxo num nó: a taxa de fluxo para dentro de um nó é igual à taxa de fluxo para fora desse mesmo nó. (3) Conservação do fluxo na rede: a taxa de fluxo para dentro da rede é igual à taxa de fluxo para fora dessa mesma rede. A figura 3-3 ilustra uma rede aberta onde os números representam a quantidade ou taxa de alguma coisa que está fluindo nos ramos desta rede. Observe, nesta rede, a presença destas três propriedades. Fig. 3-3 Exemplo 25: A figura 3-4 mostra a topologia de um circuito elétrico onde cada ramo representa um elemento do circuito com o respectivo sentido da corrente, indicado pela seta, e cada vértice é um nó (conexão de dois ou mais elementos). Fig. 3-4 Solução: Vamos aplicar a lei de Kirchhoff para as correntes em cada um dos quatro nós, convencionando que as correntes que saem são positivas e as que chegam são negativas Nó 1: i1 + i2 – i6 = 0 Nó 2: –i2 – i3 + i4 = 0 Nó 3: –i1 + i3 + i5 = 0 Nó 4: –i4 – i5 + i6 = 0 Este sistema pode ser escrito na forma matricial como segue 1 2 3 4 5 6 1 1 0 0 0 1 0 0 1 1 1 0 0 0 1 0 1 0 1 0 0 0 0 0 1 1 1 0 i i i i i i Ou simplesmente Ai = 0 O vetor i é o vetor das correntes de ramo. A matriz A recebe o nome de matriz de incidência, pois descreve os sentidos de incidência dos ramos nos nós (1 quando está saindo, –1 quando está chegando e 0 quando está ausente). Exemplo 26: A figura 3-5(a) mostra uma proposta de fluxo de tráfego de certa cidade, em torno de uma praça. O plano prevê a instalação de um semáforo computadorizado na saída da rua 1. Todas as ruas são de mão única. (a) Quantos veículos por hora o semáforo deveria deixar passar para garantir que o número médio de veículos por hora que entram na rede seja igual ao número médio de veículos que saem da rede. (b) O que é que pode ser dito sobre o número médio de veículos por hora que circulam na praça. Solução (a): Se x é o número de veículos por hora que o semáforo deve deixar passar, então podemos escrever x + 700 + 400 = 500 + 400 + 600 + 200 Logo, x = 600 veículos por hora. Solução (b): Para evitar congestionamento, o fluxo em cada cruzamento, para dentro e para fora, devem se igualar. (a) (b) Fig. 3-5 Então temos Cruzamento A: 400 + 600 = x1 + x2. x1 + x2 = 1000 Cruzamento B: x2 + x3 = 400 + x x2 + x3 = 1000 Cruzamento C: 500 + 200 = x3 + x4 x3 + x4 = 700 Cruzamento D: x1 + x4 = 700 x1 + x4 = 700 Desta forma, com x = 600, o sistema assim formado tem uma infinidade de soluções. Tomando, por exemplo, x4 = t como parâmetro, encontramos x1 = 700 – t, x2 = 300 + t, x3 = 700 – t e x4 = t Neste caso, entretanto, o parâmetro t não é totalmente arbitrário, pois se t > 700, x1 e x2 serão negativos, o que não é permitido já que isto implica na inversão dos sentidos nestes ramos. Portanto, teremos as seguintes limitações para os fluxos 0 < x1 < 700, 300 < x2 < 1000, 0 < x3 < 700 e 0 < x4 < 700 INTERPOLAÇÃO POLINOMIAL Um problema importante em várias aplicações é encontrar um polinômio cujo gráfico passa por um conjunto de pontos conhecidos no plano. Esse polinômio é chamado de polinômio interpolador, genericamente escrito como P(x) = ao + a1x + a2x2 + ... + an-1xn-1 (3-8) Teorema: Dados quaisquer n pontos distintos no plano xy, existe um único polinômio de grau n – 1 cujo gráfico passa por estes pontos. Para encontrar o polinômio interpolador, cujo gráfico passa pelos pontos (x1, y1), (x2, y2), ..., (xn, yn) e cuja equação geral é y = ao + a1x + a2x2 + ... + an-1xn-1, armamos o seguinte sistema ao + a1x1 + a2x12 + ... + an-1x1n-1 = y1ao + a1x2 + a2x22 + ... + an-1x2n-1 = y2 ...................................................... ao + a1xn + a2xn2 + ... + an-1xnn-1 = yn. Na forma matricial esse sistema fica 2 3 1 11 1 1 1 2 3 1 1 22 2 2 2 2 3 1 2 33 3 3 3 2 3 1 1 1 . . 1 . . 1 . . . .. . . . . . . . .. . . . . . . 1 . . n o n n n n nn n n n a yx x x x a yx x x x a yx x x x a yx x x x A matriz A desse sistema é conhecida como matriz de Vandermonde. OBSERVAÇÃO: Estamos supondo que os valores de x e y são conhecidos de modo que o sistema é linear nas incógnitas ao, a1, a2 ..., an-1. Exemplo 28: O polinômio do 1º grau p(x) = ao + a1x, é uma reta cujo gráfico passa por dois pontos distintos (x1, y1) e (x2, y2) do plano xy (Figura 3-6). Fig. 3-6 onde os coeficientes incógnitos ao e a1 podem ser facilmente obtidos resolvendo um sistema linear de duas equações. Exemplo 29: Encontre um polinômio cúbico cujo gráfico passa pelos pontos (1, 3), (2, –2), (3, –5), (4, 0) Solução: O polinômio é da forma P(x) = ao + a1x + a2x2 + a3x3 ou y = ao + a1x + a2x2 + a3x3 Onde, dos pontos fornecidos tiramos x1 = 1, x2 = 2, x3 = 3, x4 = 4, y1 = 3, y2 = –2, y3 = –5, y4 = 0 Quando esses valores são substituídos no polinômio cúbico encontramos um sistema linear nas incógnitas ao, a1, a2 e a3, cuja matriz aumentada resulta em 1 1 1 1 3 1 2 4 8 2 1 3 9 27 5 1 4 16 64 0 M E a matriz na forma escalonada reduzida por linha é 11000 50100 30010 40001 Então segue que ao = 4, a1 = 3, a2 = –5 e a3 = 1. Assim o polinômio interpolador é P(x) = 4 + 3x – 5x2 + x3 Cujo gráfico é mostrado na figura 3-7. Fig. 3-7: Gráfico do polinômio interpolador do exemplo 29. CURIOSIDADES HISTÓRICAS PROBLEMÁTICA 1) Resolva os sistemas seguintes aplicando as operações elementares e dê uma interpretação geométrica para cada uma das soluções. (a) 2x – 5y = 11 (b) 2x – 3y = 8 (c) 2x – 3y = 8 3x + 4y = 5 –6x + 9y = 6 –4x + 6y = –16 2) (a) Para que valores de a o sistema a seguir possui solução única? (b) Determine os pares (a, b) para os quais o sistema possui mais de uma solução. x + ay = 4 ax + 9y = b 3) Resolva cada um dos sistema abaixo expressando a solução, quando possível, como uma combinação linear de vetores. 2x1 + 3x2 – 6x3 – 5x4 + 2x5 = 7 2x – 6y + 7z = 1 x + 2y – 3z = 2 x3 + 3x4 – 7x5 = 6 4y + 3z = 8 2x + 3y + z = 4 x4 – 2x5 =1 2z = 4 3x + 4y + 5z = 8 (a) (b) (c) 4) Para cada um dos sistemas a seguir resolva-os utilizando o processo de eliminação de Gauss ou Gauss- Jordan. x + 2y – 4z = –4 x + 2y – 3z = –1 x + 2y – 3z = 1 (a) 2x + 5y – 9z = –10 (b) –3x + y – 2z = –7 (c) 2x + 5y – 8z = 4 3x – 2y + 3z = 11 5x + 3y – 4z = 2 3x + 8y – 13z = 7 x1 – 3x2 + 2x3 – x4 + 2x5 = 2 x1 + 2x2 – 3x3 + 4x4 = 2 (d) 3x1 – 9x2 + 7x3 – x4 + 3x5 = 7 (e) 2x1 + 5x2 – 2x3 + x4 = 1 2x1 – 6x2 + 7x3 + 4x4 – 5x5 = 7 5x1 + 12x2 – 7x3 + 6x4 = 3 5) Reduza cada uma das matrizes a seguir à forma escalonada reduzida por linha. 5 9 6 2 2 1 6 4 1 2 3 1 2 0 2 3 4 4 1 10 13 1 1 4 1 3 0 0 7 8 8 1 26 19 2 5 9 2 8 A B C 6) Determine a matriz aumentada e a matriz dos coeficientes do seguinte sistema x + 2y – 3z = 4 3y – 4z + 7x = 5 6z + 8x – 9y = 1 7) Resolva cada um dos seguintes sistemas usando a matriz associada M. x – 2y + 4z = 2 x + y + 3z = 1 (a) 2x – 3y + 5z = 3 (b) 2x + 3y – z = 3 3x – 4y + 6z = 7 5x + 7y + z = 7 8) Resolva o sistema a seguir utilizando a matriz associada M. x1 + 2x2 – 3x3 – 2x4 + 4x5 = 1 2x1 + 5x2 – 8x3 – x4 + 6x5 = 4 x1 + 4x2 – 7x3 + 5x4 + 2x5 = 8 9) Calcule o posto das matrizes do problema 5. 10) Encontre os valores de kR, tais que o sistema homogêneo a seguir tenha uma solução distinta da solução trivial. 2x – 5y + 2z = 0 x + y + z = 0 2x + kz = 0 11) Represente o sistema a seguir na forma matricial e encontre a matriz incógnita que é solução do sistema. O que representa, geometricamente, essa solução? x + 6y – 8z = 1 2x + 6y – 4z = 0 12) Dado o sistema a seguir: (a) Resolva-o, isto é, encontre sua matriz solução. (b) Resolva também o sistema homogêneo associado. (c) Verifique que a soma de uma solução particular encontrada em (a) com a solução do sistema homogêneo, continua sendo uma solução do sistema não homogêneo. 1 2 0 1 2 1 0 2 1 2 1 2 2 1 4 3 4 4 3 8 x y z w 13) Monte um sistema linear a três incógnitas, x, y e z, cuja solução é x = (2t + 3, t – 1, t) onde t é um parâmetro. 14) Nas equações dos planos, dadas a seguir encontre equações vetoriais e paramétricas para a reta de interseção dos planos em R3. a) x + y – z = 3 e 2x + y + 3z = 4 b) x + 2y + 3z = 1 e 3x – 2y + z = 2 15) Certa dieta requer 7 unidades de gordura, 9 unidades de proteína e 16 unidades de carboidratos para a refeição principal e uma pessoa dispõe de três alimentos com os quais pode montar sua dieta: Alimento 1: Cada medida contém 2 unidades de gordura, 2 unidades de proteína e 4 unidades de carboidratos. Alimento 2: Cada medida contém 3 unidades de gordura, 1 unidade de proteína e 2 unidades de carboidratos. Alimento 3: Cada medida contém 1 unidade de gordura, 3 unidades de proteína e 5 unidades de carboidratos. Seja x, y e z o número de medidas que a pessoa consome dos alimentos 1, 2 e 3, respectivamente. Encontre (mas não resolva) um sistema linear em x, y e z cuja solução diz quantas medidas de cada alimento deve ser consumida pela pessoa para atender à dieta. 16) As matrizes escalonadas por linha dadas a seguir são matrizes associadas de determinado sistema linear. Para cada uma delas indique se o sistema tem uma única solução, infinitas soluções ou nenhuma solução. 60000 53000 41490 72432 )( 0000 2300 2521 )( 5300 2510 2132 )( McMbMa 17) Foram estudados tres tipos de alimentos. Fixada a mesma quantidade (digamos 1 g) determinou-se que i) O alimento I contém 1 unidade de vitamina A, 3 de vitamina B e 4 de vitamina C. ii) O alimento II contém 2 de A, 3 de B e 5 de C. iii) O alimento III contém 3 de A, 3 de C e nenhuma unidade de B. Se são necessárias 11 unidades de vitamina A, 9 de vitamina B e 20 de vitamina C, encontre todas as possíveis quantidades dos alimentos I, II e III que fornecem as quantidades de vitaminas desejadas. Se o alimento I custa 60 centavos por grama e os outros dois custam 10 centavos, existe uma solução custando exatamente R$1,00. 18) Considerando o problema 6 expresse, quando possível, o vetor solução dos sistemas como uma combinação linear de vetores coluna. 19) Utilizando as leis de Kirchhoff para as tensões, monte um sistema linear para cada circuito mostrado na figura P3-1 e depois resolva-o para encontrar as correntes elétricas indicadas. Fig. P3-1 (a) (b) (c) 20) Encontre os coeficientes a, b, c e d tais que a curva mostrada na figura P3-2 seja dada pela equação ax2 + ay2 + bx + cy + d = 0. Esta equação corresponde a equação de uma circunferência. Fig. P3-2 21) Usando pivotamento parcial, resolva o sistema abaixo usando aritmética de precisão finita com dois dígitos significativos. 0,11x1 – 0,13x2 + 0,20x3 = –0,02 0,10x1 + 0,36x2 + 0,45x3z = 0,25 0,50x1 – 0,01x2 + 0,30x3 = –0,70.
Compartilhar