Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 CAPÍTULO 2 Sistemas de Equações Lineares Introdução e Operações Elementares sobre Linhas Introdução: Algumas Definições Definição: Uma equação linear é uma equação com a seguinte forma: 𝑎1𝑥1 + 𝑎2𝑥2 + ⋯+ 𝑎𝑛𝑥𝑛 = 𝑏 Definição: Um sistema linear é um conjunto de equações lineares. Um sistema com 𝑚 equações e 𝑛 variáveis pode ser representado por: { 𝑎11𝑥1 + 𝑎12𝑥2 + ⋯+ 𝑎1𝑛𝑥𝑛 = 𝑏1 𝑎21𝑥1 + 𝑎22𝑥2 + ⋯+ 𝑎2𝑛𝑥𝑛 = 𝑏2 ⋮ 𝑎𝑚1𝑥1 + 𝑎𝑚2𝑥2 + ⋯+ 𝑎𝑚𝑛𝑥𝑛 = 𝑏𝑚 Uma solução de um sistema é uma 𝑛–upla de números (𝑥1, 𝑥2, ⋯ , 𝑥𝑛) que satisfaça simultaneamente estas 𝑚 equações. Dois sistemas são equivalentes quando possuem a(s) mesma(s) solução (ões). Podemos escrever o sistema acima numa forma matricial 𝐴𝑥 = 𝑏: [ 𝑎11 𝑎12 𝑎21 𝑎22 ⋯ 𝑎1𝑛 𝑎2𝑛 ⋮ ⋱ ⋮ 𝑎𝑚1 𝑎𝑚2 ⋯ 𝑎𝑚𝑛 ] [ 𝑥1 𝑥2 ⋮ 𝑥𝑛 ] = [ 𝑏1 𝑏2 ⋮ 𝑏𝑚 ] Onde: 𝐴 = [ 𝑎11 𝑎12 𝑎21 𝑎22 ⋯ 𝑎1𝑛 𝑎2𝑛 ⋮ ⋱ ⋮ 𝑎𝑚1 𝑎𝑚2 ⋯ 𝑎𝑚𝑛 ] é a matriz dos coeficientes, 𝑥 = [ 𝑥1 𝑥2 ⋮ 𝑥𝑛 ] a matriz das incógnitas 2 𝑏 = [ 𝑏1 𝑏2 ⋮ 𝑏𝑚 ] a matriz dos termos independentes. Um sistema de equações lineares onde os termos independentes são todos nulos é chamado homogêneo. Outra matriz que pode ser associada ao sistema é [𝐴 ⋮ 𝐵]: [ 𝑎11 𝑎12 𝑎21 𝑎22 ⋯ 𝑎1𝑛 𝑎2𝑛 ⋮ ⋱ ⋮ 𝑎𝑚1 𝑎𝑚2 ⋯ 𝑎𝑚𝑛 𝑏1 𝑏2 ⋮ 𝑏𝑚 ] chamada matriz aumentada (ou ampliada) do sistema. Exemplo: Considere o sistema e a matriz aumentada correspondente: { 4𝑦 + 5𝑧 = 23 2𝑥 + 3𝑦 + 2𝑧 = 14 𝑥 + 𝑦 + 𝑧 = 6 [ 0 4 5 2 3 2 1 1 1 23 14 6 ] Na busca da solução do sistema, rearranjar a ordem das equações não altera o sistema, portanto não altera sua solução. Então, este sistema é equivalente à: { 𝑥 + 𝑦 + 𝑧 = 6 2𝑥 + 3𝑦 + 2𝑧 = 14 4𝑦 + 5𝑧 = 23 [ 1 1 1 2 3 2 0 4 5 6 14 23 ] Obs: em relação ao sistema original, este foi obtido fazendo: 𝑒𝑞1 ↔ 𝑒𝑞3 correspondendo à 𝐿1 ↔ 𝐿3 (i) (𝑒𝑞: equação; 𝐿: linha) Se a segunda equação do sistema for substituída por: 𝑒𝑞2 ← 𝑒𝑞2 − 2𝑒𝑞1 correspondendo à 𝐿2 ← 𝐿2 − 2𝐿1 (ii) O sistema (e sua matriz aumentada) resulta em outro equivalente: { 𝑥 + 𝑦 + 𝑧 = 6 𝑦 = 2 4𝑦 + 5𝑧 = 23 [ 1 1 1 0 1 0 0 4 5 6 2 23 ] Se a última equação também for combinada: 𝑒𝑞3 ← 𝑒𝑞3 − 4𝑒𝑞2 correspondendo à 𝐿3 ← 𝐿3 − 4𝐿2 (iii) { 𝑥 + 𝑦 + 𝑧 = 6 𝑦 = 2 5𝑧 = 15 [ 1 1 1 0 1 0 0 0 5 6 2 15 ] 3 Dividindo a última equação por 5: 𝑒𝑞3 ← 𝑒𝑞3/5 correspondendo à 𝐿3 ← 𝐿3/5 (iv) { 𝑥 + 𝑦 + 𝑧 = 6 𝑦 = 2 𝑧 = 3 [ 1 1 1 0 1 0 0 0 1 6 2 3 ] A substituição dos valores de 𝑦 e 𝑧 obtidos nas equações 2 e 3 é equivalente à: 𝑒𝑞1 ← 𝑒𝑞1 − 𝑒𝑞2 − 𝑒𝑞3 correspondendo à 𝐿1 ← 𝐿1 − 𝐿2 − 𝐿3 (v) { 𝑥 = 1 𝑦 = 2 𝑧 = 3 [ 1 0 0 0 1 0 0 0 1 1 2 3 ] Que é a única solução do sistema original. Operações Elementares Neste passo a passo da resolução, de modo a obter um sistema equivalente mais simples até sua solução, foram efetuadas três tipos de operações: Nas equações: i) Permutação de duas equações; ii) Multiplicação de uma equação por um escalar não nulo; iii) Substituição de uma equação por sua soma com outra equação previamente multiplicada por um número real não nulo. Correspondendo à matrizes aumentadas que sofreram as respectivas operações: i) Permutação de duas linhas; ii) Multiplicação de uma linha por um escalar não nulo; iii) Substituição de uma linha por sua soma com outra linha previamente multiplicada por um número real não nulo. Estas operações são chamadas Operações Elementares. Sistemas de equações lineares: Eliminação Gaussiana e Eliminação de Gauss-Jordan Eliminação Gaussiana Sistematizando agora o procedimento adotado no exemplo anterior, seja o sistema: { −2𝑥3 + 7𝑥5 = 12 2𝑥1 + 4𝑥2 − 10𝑥3 + 6𝑥4 + 12𝑥5 = 28 2𝑥1 + 4𝑥2 − 5𝑥3 + 6𝑥4 − 5𝑥5 = −1 [ 0 2 2 0 4 4 −2 −10 −5 0 6 6 7 12 −5 12 28 −1 ] 4 Como existe equivalência dos sistemas e matrizes aumentadas sujeitas às operações elementares correspondentes, daqui por diante serão trabalhadas apenas as matrizes aumentadas. Passo 1: Localize a coluna mais à esquerda que não seja constituída inteiramente de zeros. [ 𝟎 𝟐 𝟐 0 4 4 −2 −10 −5 0 6 6 7 12 −5 12 28 −1 ] A primeira coluna é a coluna não-nula mais à esquerda. Passo 2: Permute a primeira linha com uma outra linha, se necessário, para obter uma entrada não-nula ao topo da coluna encontrada no Passo 1. [ 0 2 2 0 4 4 −2 −10 −5 0 6 6 7 12 −5 12 28 −1 ] 𝐿1 ↔ 𝐿2 [ 2 0 2 4 0 4 −10 −2 −5 6 0 6 12 7 −5 28 12 −1 ] Foram permutadas a primeira e a segunda linhas da matriz. Passo 3: Se a entrada que agora está no topo da coluna encontrada no Passo 1 é 𝑎, multiplique a primeira linha inteira por 1/𝑎 para que o elemento da primeira linha e da primeira coluna não-nula seja 1. [ 2 0 2 4 0 4 −10 −2 −5 6 0 6 12 7 −5 28 12 −1 ] 𝐿1 ← 1 2 𝐿1 [ 1 0 2 2 0 4 −5 −2 −5 3 0 6 6 7 −5 14 12 −1 ] A primeira linha da matriz foi multiplicada por ½. Passo 4: Some múltiplos convenientes da primeira linha às linha inferiores para obter zeros em todas as entradas abaixo do 1. [ 1 0 2 2 0 4 −5 −2 −5 3 0 6 6 7 −5 14 12 −1 ] 𝐿3 ← 𝐿3 − 2𝐿1 [ 1 0 0 2 0 0 −5 −2 5 3 0 0 6 7 −17 14 12 −29 ] A primeira linha foi multiplicada por (−2) e somada à terceira linha. Passo 5: Agora desconsidere a primeira linha da matriz e recomece aplicando o Passo 1 à submatriz resultante. Continue desta maneira até que toda a matriz esteja em forma escalonada. 5 [ 1 0 0 2 0 0 −5 −𝟐 𝟓 3 0 0 6 7 −17 14 12 −29 ] Ao se ignorar a primeira linha, observa-se que a primeira coluna não-nula à esquerda da submatriz é a terceira coluna. Os passos seguintes mostram como se reaplica o procedimento: (Passo 6): A primeira linha da submatriz foi multiplicada por (−1/2) para que o elemento (−2) seja igual a 1. [ 1 0 0 2 0 0 −5 −2 5 3 0 0 6 7 −17 14 12 −29 ] 𝐿2 ← − 1 2 𝐿2 [ 1 0 0 2 0 0 −5 1 5 3 0 0 6 −7 2⁄ −17 14 −6 −29 ] (Passo 7): A primeira linha da submatriz foi multiplicada por (−5) e somada à segunda linha da submatriz: [ 1 0 0 2 0 0 −5 1 5 3 0 0 6 −7 2⁄ −17 14 −6 −29 ] 𝐿3 ← 𝐿3 − 5𝐿2 ....[ 1 0 0 2 0 0 −5 1 0 3 0 0 6 −7 2⁄ 1 2⁄ 14 −6 1 ] (Passo 8): Desconsiderando a primeira e segunda linhas da matriz e recomeçando no Passo 1, a primeira coluna não-nula à esquerda da submatriz resultante é a quinta coluna. [ 1 0 0 2 0 0 −5 1 0 3 0 0 6 −7 2⁄ 𝟏 𝟐⁄ 14 −6 1 ] (Passo 9): A primeira linha da submatriz foi multiplicada por 2 para que o elemento (1/2) fique igual a 1. [ 1 0 0 2 0 0 −5 1 0 3 0 0 6 −7 2⁄ 1 2⁄ 14 −6 1 ] 𝐿3 ← 2𝐿3 [ 1 0 0 2 0 0 −5 1 0 3 0 0 6 −7 2⁄ 1 14 −6 2 ] Que corresponde ao sistema: [ 1 0 0 2 0 0 −5 1 0 3 0 0 6 −7 2⁄ 1 14 −6 2 ] { 𝑥1 + 2𝑥2 − 5𝑥3 + 3𝑥4 + 6𝑥5 = 14 𝑥3 − 7 2 𝑥5 = −6𝑥5 = 2 6 Este método é chamado de Eliminação Gaussiana, e a matriz resultante tem a forma dita Escalonada. Matriz Escalonada Uma matriz 𝑚 × 𝑛 está na forma escalonada se: i) Se existirem linhas nulas, estas são agrupadas na parte inferior da matriz; ii) O primeiro elemento não-nulo de cada linha não-nula é 1, chamado pivô ou líder; iii) O pivô da linha inferior sempre ocorre mais à direita que o pivô da linha superior; iv) Uma coluna que contenha pivô tem entradas nulas abaixo dele. Lembrando que esta matriz aumentada corresponde ao sistema equivalente: { 𝑥1 + 2𝑥2 − 5𝑥3 + 3𝑥4 + 6𝑥5 = 14 𝑥3 − 7 2 𝑥5 = −6 𝑥5 = 2 Pode-se obter a solução do sistema por retro-substituição, ou seja, como 𝑥5 = 2, isolando o pivô da equação anterior e substituindo o valor de 𝑥5: 𝑥3 = −6 + 7 2 𝑥5 = −6 + 7 = 1 E isolando o pivô da primeira equação, substituindo os valores de 𝑥5 e 𝑥3: 𝑥1 = 14 − 2𝑥2 + 5𝑥3 − 3𝑥4 − 6𝑥5 = 14 − 2𝑥2 + 5 − 3𝑥4 − 12 = 7 − 2𝑥2 − 3𝑥4 Colocando na forma vetorial: [ 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5] = [ 7 − 2𝑥2 − 3𝑥4 𝑥2 1 𝑥4 2 ] Este sistema apresenta infinitas soluções, pois fixados 𝑥5 = 2 e 𝑥3 = 1, para quaisquer valores de 𝑥2 e 𝑥4 que se arbitre é possível calcular 𝑥1 correspondente, de forma que se satisfaçam todas as equações do sistema. Ainda analisando a resposta obtida, que está na forma de Solução Geral do problema, pode-se escrever: 7 [ 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5] = [ 7 − 2𝑥2 − 3𝑥4 𝑥2 1 𝑥4 2 ] = [ 7 0 1 0 2] + 𝑥2 [ −2 1 0 0 0 ] + 𝑥4 [ −3 0 0 1 0 ] Assumindo 𝑥2 = 0 e 𝑥4 = 0 obtém-se uma Solução Particular para este problema, correspondendo ao primeiro vetor da decomposição da resposta. Eliminação de Gauss-Jordan Retornando agora à última matriz aumentada obtida pela eliminação de Gauss: [ 1 0 0 2 0 0 −5 1 0 3 0 0 6 −7 2⁄ 1 14 −6 2 ] E procedendo de forma análoga, de modo a obter zeros acima dos pivôs, começando pelo último pivô até o primeiro: (Passo 10): As linhas com elementos não-nulos acima do último pivô são somadas aos múltiplos convenientes da linha com pivô para obter zeros em todas as entradas acima deste. [ 1 0 0 2 0 0 −5 1 0 3 0 0 6 −7 2⁄ 1 14 −6 2 ] 𝐿1 ← 𝐿1 − 6𝐿3 𝐿2 ← 𝐿2 + 7 2 𝐿3 [ 1 0 0 2 0 0 −5 1 0 3 0 0 0 0 1 2 1 2 ] Pala definição do pivô como 1, o múltiplo adequado corresponde ao valor da entrada correspondente multiplicado por (−1). (Passo 11): Repita o procedimento para os demais pivôs: [ 1 0 0 2 0 0 −5 1 0 3 0 0 0 0 1 2 1 2 ] 𝐿1 ← 𝐿1 + 5𝐿2 [ 1 0 0 2 0 0 0 1 0 3 0 0 0 0 1 7 1 2 ] Esta matriz corresponde ao sistema: [ 1 0 0 2 0 0 0 1 0 3 0 0 0 0 1 7 1 2 ] { 𝑥1 + 2𝑥2 + 3𝑥4 = 7 𝑥3 = 1 𝑥5 = 2 A matriz estará na forma Escalonada Reduzida por Linhas. Este procedimento mais prolongado é chamado Eliminação de Gauss-Jordan. 8 Matriz Escalonada Reduzida por Linhas (Forma de Jordan) A forma escalonada reduzida (ou forma escada) implica em, além de estar na forma escalonada: v) Cada coluna que contenha pivô tem zeros nas demais entradas. Uma característica importante da forma escalonada reduzida é que ela é única para cada sistema, ou seja, um sistema pode apresentar várias formas escalonadas equivalentes, mas apenas uma forma escalonada reduzida. Retornando ao sistema obtido na forma escalonada reduzida: { 𝑥1 + 2𝑥2 + 3𝑥4 = 7 𝑥3 = 1 𝑥5 = 2 ou seja, { 𝑥1 = 7 − 2𝑥2 − 3𝑥4 𝑥3 = 1 𝑥5 = 2 Sendo desnecessária a retro-substituição. O processo de eliminação de Gauss-Jordan pode ser feito por colunas, sem que se zere inicialmente as entradas inferiores do primeiro ao último pivô e depois as superiores, do último ao primeiro pivô. A cada pivô fixado, procede-se a aplicar operações elementares nas entradas acima e abaixo do pivô, zerando assim todas as entras da coluna correspondente. Esta é a forma que em geral se implementa o procedimento como subrotina computacional. Considerando agora um sistema homogêneo associado à mesma matriz 𝐴: { −2𝑥3 + 7𝑥5 = 0 2𝑥1 + 4𝑥2 − 10𝑥3 + 6𝑥4 + 12𝑥5 = 0 2𝑥1 + 4𝑥2 − 5𝑥3 + 6𝑥4 − 5𝑥5 = 0 056542 01261042 070200 Uma vez que o procedimento de eliminação gaussiana foi focado na parte 𝐴 da matriz aumentada [𝐴 ⋮ 𝐵], como a única diferença está em B, é fácil concluir que as mesmas operações elementares feitas no problema anterior serão empregadas. Mais do que isso, as operações elementares aplicadas em 𝐵 = 0 não terão efeito, porque permutar zeros, multiplicar zero por um número ou somar zero a um múltiplo de zero mantém todos os elementos nulos. Então após o mesmo procedimento tem-se: 9 010000 000100 003021 que corresponde à { 𝑥1 + 2𝑥2 + 3𝑥4 = 0 𝑥3 = 0 𝑥5 = 0 Observe que a resposta decomposta: [ 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5] = [ −2𝑥2 − 3𝑥4 𝑥2 0 𝑥4 0 ] = 𝑥2 [ −2 1 0 0 0 ] + 𝑥4 [ −3 0 0 1 0 ] Assemelha-se muito à obtida para o sistema não homogêneo, diferindo apenas pela solução particular, ou seja, o sistema não-homogêneo tem sua solução geral composta por uma solução particular somada à solução do sistema homogêneo associado. Esta diferença apenas na solução particular vem do fato que este vetor (solução particular) tem seus valores gerados na coluna B da matriz aumentada após a eliminação. Outra observação muito importante é que as variáveis independentes ou livres, 𝑥2 e 𝑥4, correspondem às colunas sem pivôs (segunda e quarta), enquanto que as colunas com pivôs (primeira, terceira e quinta) correspondem às variáveis dependentes 𝑥1, 𝑥3 e 𝑥5. O número de pivôs de uma matriz é dito posto da matriz. Uma última observação importante é que um sistema linear homogêneo sempre admite o vetor nulo como solução, ou seja, 𝑋 = 0. Neste caso: [ 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5] = [ 0 0 0 0 0] Chamada solução trivial. Mais um Exemplo de Eliminação de Gauss: Resolva 0563 1342 92 yyx zyx zyx por eliminação gaussiana. Solução Passo 1: Escrever a matriz ampliada para o sistema 10 0563 1342 9211 Passo 2: Escrever a matriz ampliada em sua forma escalonada Passo 2.1: Multiplicar a primeira linha por -2 e somar à segunda linha. 0563 17720 9211 Passo 2.2: Multiplicar a primeira linha por -3 e somar à terceira linha. 271130 1720 9211 Passo 2.3: Multiplicar a segunda linha por ½. 271130 2 17 2 7 10 9211Passo 2.4: Multiplicar a segunda linha por -3 e somar à terceira linha 2 3 2 1 00 2 17 2 7 10 9211 . Passo 2.5: Multiplicar a terceira linha por -2 3100 2 17 2 7 10 9211 Passo 3: Escrever o sistema a partir da matriz ampliada e encontrar o valor das variáveis. 3 2 17 2 7 92 z zy zyx Observemos que, a partir do sistema acima, por retro-substituição, conclui-se que 𝑧 = 3, 𝑦 = 2 e 𝑧 = 1. 11 O Mesmo Exemplo por Gauss-Jordan: Consideremos novamente sistema linear 0563 1342 92 zyx zyx zyx Encontrar a solução do sistema operando nas linhas da matriz aumentada e transformando-a na forma escalonada reduzida (escada). Solução: Passo 1: Escrever a matriz aumentada para o sistema. A matriz aumentada para o sistema dado é 0563 1342 9211 Passo 2: Multiplicar a primeira linha por -2 e somar à segunda linha 0563 17720 9211 Passo 3: Multiplicar a primeira linha por -3 e somar à terceira linha 271130 17720 9211 Passo 4: Multiplicar a segunda linha por 2 1 271130 2 17 2 7 10 9211 Passo 5: Multiplicar a segunda linha por -3 e somar à terceira linha 2 3 2 1 00 2 17 2 7 10 9211 Passo 6: Multiplicar a terceira linha por -2 12 3100 2 17 2 7 10 9211 Passo 7: Multiplicar a segunda linha por -1 e somar à primeira linha 3100 2 17 2 7 10 2 35 2 11 01 Passo 8: Multiplicar a terceira linha por 2 11 e somar à primeira linha 3100 2 17 2 7 10 1001 Passo 9: Multiplicar a terceira linha por 2 7 e somar à segunda linha. 3100 2010 1001 Novamente, a partir da construção da matriz ampliada escalonada, é possível determinar diretamente a solução do sistema: 𝑥 = 1, 𝑦 = 2 e 𝑧 = 3. Se você reparar, desta vez o procedimento para zerar elementos acima dos pivôs seguiram a sequência do primeiro ao último. O resultado não se altera, uma vez fixados os pivôs. Pode-se inclusive zerar o restante da coluna a cada pivô obtido, operando nas linhas acima e abaixo deles (Gauss-Jordan por colunas). Um Último Exemplo: Considere agora o sistema: 4 3 1 yx zyx zyx [ 1 1 1 1 1 −1 1 1 0 1 3 4 ] (matriz aumentada) Escalonando... 13 [ 1 1 1 1 1 −1 1 1 0 1 3 4 ] 𝐿2 ← 𝐿2 − 𝐿1 𝐿3 ← 𝐿3 − 𝐿1 [ 1 1 1 0 0 −2 0 0 −1 1 2 3 ] 𝐿2 ∙ (−1 2⁄ ) [ 1 1 1 0 0 1 0 0 −1 1 −1 3 ] 𝐿1 ← 𝐿1 − 𝐿2 𝐿3 ← 𝐿3 + 𝐿2 [ 1 1 0 0 0 1 0 0 0 2 −1 2 ] Observando o que ocorreu na última linha, correspondente à equação: 2000 zyx Conclui-se que este sistema não tem solução. Se tivéssemos continuado o procedimento de escalonamento, teríamos obtido um pivô na coluna correspondente aos termos constantes (originariamente B): [ 1 1 0 0 0 1 0 0 0 2 −1 2 ] 𝐿3 ∙ 1 2⁄ [ 1 1 0 0 0 1 0 0 0 2 −1 1 ] O posto da matriz aumentada é 3. O posto da matriz 𝐴 é 2, pois 𝐴 corresponde à submatriz formada pelas três primeiras colunas. Quando o posto de A é menor que o posto da matriz aumentada, o sistema não tem solução. Observando os exemplos anteriores, verificamos que quando o posto de A é igual ao da matriz aumentada e ao número de incógnitas o sistema tem uma única solução. Quando o posto de A é igual ao da matriz aumentada, mas menor que o número de incógnitas o sistema tem infinitas soluções. Soluções de um sistema de equações lineares Em um sistema de uma equação e uma incógnita, 𝑎𝑥 = 𝑏 existirão três possibilidades: i) 𝑎 ≠ 0. Neste caso a equação tem uma única solução 𝑥 = 𝑏/𝑎. ii) 𝑎 = 0 e 𝑏 = 0. Então temos 0 ∙ 𝑥 = 0 e qualquer número real 𝑥 será solução da equação, 𝑥 ∈ ℝ. iii) 𝑎 = 0 e 𝑏 ≠ 0. Temos 0 ∙ 𝑥 = 𝑏. Não existe solução para esta equação. 14 Caso geral Consideremos um sistema de 𝑚 equações lineares com n incógnitas 𝑥1, 𝑥2, ⋯ , 𝑥𝑛 { 𝑎11𝑥1 + 𝑎12𝑥2 + ⋯+ 𝑎1𝑛𝑥𝑛 = 𝑏1 𝑎21𝑥1 + 𝑎22𝑥2 + ⋯+ 𝑎2𝑛𝑥𝑛 = 𝑏2 ⋮ 𝑎𝑚1𝑥1 + 𝑎𝑚2𝑥2 + ⋯+ 𝑎𝑚𝑛𝑥𝑛 = 𝑏𝑚 Cujos coeficientes 𝑎𝑖𝑗 e termos independentes 𝑏𝑖 são números reais (ou complexos). Este sistema poderá ter i) Uma única solução: { 𝑥1 = 𝑘1 𝑥2 = 𝑘2 ⋮ 𝑥𝑛 = 𝑘𝑛 , onde 𝑘𝑗 são escalares. O sistema é dito possível (compatível, consistente) e determinado. ii) Infinitas soluções. O sistema é possível (compatível, consistente) e indeterminado. iii) Nenhuma solução. O sistema é impossível (incompatível ou inconsistente). Exercícios Obtenha as soluções do sistema abaixo, por eliminação de Gauss-Jordan : 1) { 2𝑥1 + 𝑥2 + 5𝑥3 + 3𝑥4 = 11 𝑥1 + 2𝑥2 + 4𝑥3 = 7 3𝑥1 + 3𝑥2 + 9𝑥3 + 𝑥4 = 16 2) { 𝑥1 + 2𝑥2 + 𝑥3 + 𝑥4 + 3𝑥5 = 6 2𝑥1 + 4𝑥2 + 𝑥3 + 3𝑥5 = 5 𝑥1 + 2𝑥2 + 2𝑥4 + 3𝑥5 = 5 3) { 3𝑥1+ 6𝑥2 + 2𝑥3 + 11𝑥4 + 𝑥5 + 10𝑥6 = 14 2𝑥1+ 4𝑥2 + 𝑥3 + 7𝑥4 + 𝑥5 + 7 𝑥6 = 9 𝑥1+ 2𝑥2 + + 3𝑥4 + + 𝑥6 = 3 4) { 𝑥1 + 2𝑥2 + 3𝑥3 = 4 2𝑥1 + 5𝑥2 + 3𝑥3 = 5 𝑥1 + 8𝑥3 = 9 5) { 𝑥1 + 2𝑥2 + 3𝑥3 = 1 2𝑥1 + 5𝑥2 + 3𝑥3 = 6 𝑥1 + 8𝑥3 = −6 15 6) { 2𝑥1 + 2𝑥2 − 𝑥3 + 𝑥5 = 0 −𝑥1 − 𝑥2 + 2𝑥3 − 3𝑥4 + 𝑥5 = 0 𝑥1 + 𝑥2 − 2𝑥3 −𝑥5 = 0 𝑥3 + 𝑥4 + 𝑥5 = 0 7) { 𝑥1 + 3𝑥2 − 2𝑥3 + 2𝑥5 = 0 2𝑥1 + 6𝑥2 − 5𝑥3 − 2𝑥4 + 4𝑥5 − 3𝑥6 = −1 5𝑥3 + 10𝑥4 + 15𝑥6 = 5 2𝑥1 + 6𝑥2 + 8𝑥4 + 4𝑥5 + 18𝑥6 = 6 Determine os valores de k para que o sistema apresente uma única solução, mais de uma solução ou nenhuma solução: 8) { 𝑘𝑥 + 𝑦 + 𝑧 = 1 𝑥 + 𝑘𝑦 + 𝑧 = 1 𝑥 + 𝑦 + 𝑘𝑧 = 1 9) { 𝑥 + 2𝑦 = −1 2𝑥 + 𝑦 + 3𝑧 = 4 3𝑥 + 5𝑦 + 𝑘2𝑧 = 𝑘 10) { 2𝑥 + 5𝑦 + 8𝑧 = 2 𝑥 + 3𝑦 + 5𝑧 = 0 4𝑥 + 10𝑦 + 𝑘2𝑧 = 𝑘 11) { 22 35 0682 2 zyx kzkyx zyx 12) { 2𝑥 + 2𝑦 + 10𝑧 = 2 2𝑥 + 𝑦 + 8𝑧 = 4 𝑥 + 3𝑦 + 𝑘2𝑧 = 𝑘 13) Considere as matrizes A e b abaixo: 𝐴 = [ 1 1 2 0 5 1 6 1 0 1 1 0 2 3 3 2 6 7 10 8 ] 𝑏 = [ 14 15 14 12 ] Resolva o sistema de equações lineares 𝐴𝑥 = 𝑏, utilizando o método de Gauss- Jordan.
Compartilhar