Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 Álgebra linear é um ramo da matemática que estuda vetores, espaços vetoriais, transformações lineares, sistemas de equações lineares e matrizes. Todos esses itens servem para um estudo detalhado de sistemas de equações lineares. A invenção da Álgebra Linear tem origem nos estudos de sistemas de equações lineares. Não obstante o fato de a Álgebra Linear ser um campo abstrato da Matemática, ela tem um grande número de aplicações dentro e fora da Matemática. Um Pouco sobre a história de Álgebra Linear: A principio é preciso ressaltar que até pelo menos o final do século XIX, não havia nenhuma teoria ou conjunto de regras bem definidas que se pudesse dar o nome de álgebra linear. Havia apenas uma certa intuição por parte de alguns matemáticos, especialmente nos séculos XVII e XVIII, que perceberam que deveria existir alguma forma de conexão da álgebra com a geometria e que o conjunto dos números complexos deveria ser encarado como uma entidade matemática legítima. Matrizes e Operações Definição: Uma matriz com m linhas e n colunas com entradas em ou é uma tabela retangular do tipo: Notação: oumn mnA M A M 11 1 1 1 1 A . j n i ij in m mj mn a a a a a a a a a 2 Exemplos: a) 2 3 1 3 4 5 6 7 A Lê-se: matriz A de ordem dois por três, ou seja, duas linhas e três colunas. b) 3 2 1 6 4 5 7 10 B Lê-se: matriz B de ordem três por dois, ou seja, três linhas e duas colunas. c) 2 3 3 0 i i C i Lê-se: matriz C de ordem dois, ou dois por dois, ou ainda duas linhas e duas colunas. Observe que as matrizes A e B tem entradas no conjunto dos números reais, ou seja, 2 3 3 2A M e B M . Já a matriz C tem entradas no conjunto dos números complexos, ou seja, 2 2 ( )C M . Construção de uma matriz Exemplos: 1) Construa a matriz 2 3( )A M R tal que 2( )i ja i j Observamos que a matriz 2 3( )A M R é do tipo retangular com duas linhas e três colunas. Sendo a lei de formação 2( )i ja i j , temos: a 11 = ( 1 + 1 ) 2 = 4 a 21 = ( 2 + 1 ) 2 = 9 a 12 = ( 1 + 2 ) 2 = 9 a 22 = ( 2 + 2 ) 2 = 16 a 13 = ( 1 + 3 ) 2 = 16 a 23 = ( 2 + 3 ) 2 = 25 Logo temos a matriz: 4 9 16 9 16 25 A Matrizes Especiais: 1 1 2 3 Matriz coluna (É a matriz de ordem n linhas e uma coluna) Matriz Linha (É a matriz de ordem 1 linhas e m coluna.) Matriz nula (É a matriz que tem todos os valores nulos, ou seja, igual a zero) Matriz transposta: A transposta de uma matriz A é aquela cujas linhas são formadas pelas colunas da matriz A (A matriz transposta de A é representada por tA ). Para construí-la, basta trocar suas linhas por suas colunas. Matriz quadrada: Matriz cujo número de linhas é igual ao número de colunas Elementos principais de uma matriz quadrada: Matrizes quadradas especiais: Matriz Triangular Superior: Todos os elementos abaixo da diagonal são zero. Matriz Triangular Inferior: Todos os elementos acima da diagonal principal são zero. 4321 0 0 0 0 0 0 65 43 21 A 65 43 21 A 642 531 tA 642 531 tA 1 2 0 3 1 2 0 3 3 1 0 4 2 Diagonal Principal Diagonal Secundária 1 2 0 3 3 1 0 4 2 Diagonal Principal Diagonal Secundária 1 3 9 0 2 4 0 0 1 1 3 9 0 2 4 0 0 11 0 0 9 0 0 4 3 2 1 0 0 9 0 0 4 3 2 4 Matriz Diagonal: Todos os elementos fora da diagonal principal são zero. 1 0 0 0 2 0 0 0 2 , Matriz Identidade: Os elementos da diagonal principal são 1 e todos os outros 0. Matriz Simétrica: Uma matriz quadrada é dita simétrica se coincide com sua transposta, isto é: Observações: 1. A parte inferior é uma reflexão da parte superior em relação à diagonal principal. 2. Os elementos simetricamente dispostos em relação à diagonal principal são iguais. Matriz Anti-simétrica: Uma matriz é dita Anti-simétrica se sua transposta coincide com a oposta da matriz inicial, isto é: 4 0 0 3 3 1 0 0 0 1 0 0 0 1 I tAA tA A 0 1 2 1 0 4 2 4 0 A 0 1 2 1 0 4 2 4 0 A 0 1 2 1 0 4 2 4 0 tA A 0 1 2 1 3 4 2 4 5 A 5 Observações: 1. Todos os elementos da diagonal principal devem ser zero. 2. Os elementos simetricamente dispostos em relação à diagonal principal são opostos. Exemplo: Determine o valor de x para que a matriz seja: a) Simétrica b) Anti-simétrica c) É anti-simétrica para 2 2 1 1 x x x A x x Solução: a) A é simétrica 2 2 22 1 1 2 1 1 0 3 0 3 0 0 ou 3x x x x x x x x x x x x b) A é anti-simétrica 2 2 2 2 1 1 2 1 1 0 2 0 0 2 0 0 x x x x x x x x x F x Assim não existe x tal que A é anti-simetrica. c) A é anti-simétrica para 2 2 1 1 x x x A x x 2 2 22 1 1 2 1 1 0 2 0x x x x x x x x 22 ( 1) ( 1) 4 1 24 1 1 8 1 9 1 3 2 2 1 2 2 2 1 3 4 1 3 2 ´ 2 ´ 2 ´´ 1 ´´ 1 2 2 2 2 b b ac x a x x x x 22 ( 1) ( 1) 4 1 24 1 1 8 1 9 1 3 2 2 1 2 2 2 1 3 4 1 3 2 ´ 2 ´ 2 ´´ 1 ´´ 1 2 2 2 2 b b ac x a x x x x 2 2 1 1 x x x A x x 6 Igualdade de Matrizes Para que duas ou mais matrizes sejam consideradas iguais elas devem obedecer a algumas regras: • Devem ter a mesma ordem, ou seja, o mesmo número de linhas e o mesmo número de colunas. • Os elementos devem ser iguais aos seus correspondentes. Portanto, podemos concluir que: A matriz A2x2 é igual a matriz B se, somente se, a matriz B tiver também a ordem 2x2 e os elementos a11 = b11, a21 = b21, a12 = b12 e a22 = b22. Veja um exemplo de matrizes: As matrizes A e B são iguais, pois preenchem todos os requisitos de igualdade de matrizes. A igualdade de matrizes pode ser cobrada em exercícios, veja o exemplo abaixo: Encontre os valores numéricos de a, b, x e y sabendo que a igualdade das matrizes abaixo é verdadeira. Como as duas matrizes são iguais os seus elementos correspondentes também devem ser iguais, assim iremos formar um sistema que nos possibilitará a encontrar os valores desconhecidos. 12 3 2 3 9 2 2 a b x y b a y x Busque resolvê-lo... 7 Operações com Matrizes I. Adição Propriedades: 1. Associatividade: 2. Comutatividade: 3. Elemento Neutro: 4. Elemento Oposto: ij m n A a ij m n B b ij m n A B C c onde, ij ij ijc a b ij m n A a ij m n B b ij m n A B C c onde, ij ij ijc a b , , , ( ) ( ) mxnA B C M A B C A B C , , mxnA B M A B B A 0 , tal que , 0 mxn mxnM A M A A , tal que ( ) 0 mxn mxnA M A M A A 8 II. Multiplicação por escalar: Exemplo: Seja 3 e temos que A é: 1 3 3 9 3. 0 4 0 12 A Propriedades: Exemplo: Calcular os valores de , , exy z w que satisfaz a seguinte equação matricial: Solução: 4 3 3 6 4 2 3 6 3 3 1 3 2 3 3 1 x y x x y x y x y z w z w w z w z w 4 2 2 3 3 6 2 3 6 4 3 1 3 3 1 1 x x w x y y y y y z w z z z z R( )ij m nA a M ij m n A B b ij ijb a onde R( )ij m nA a M ij m n A B b ij ijb a onde R R, , ; , , valem:mxnr s k A B M E1: 1 ,A A E2: 0 0 ,mxnA E3: , ek A B k A k B E4: , r s A r A s A 4 6 3 3 1 2 x y x y x z w z w w 1 3 0 4 A 9 III. Produto entre Matrizes: Definição: O produto de duas matrizes É definido pela matriz . Obtida da seguinte forma Conclusão: O produto de duas matrizes consiste em fazer o produto escalar da i-ésima linha pela j-ésima coluna. Exemplo: Determine o produto .A B das seguintes matrizes: Propriedades: 1. Em geral: Considere as matrizes e Assim, 2. Distributividade: 3. Associatividade: 4. Nulidade do produto: ij p n A a ij m p B b e ij p n A a ij m p B b e ij m n A B C c 1 1 2 2 1 ... p ij i j i j ip pj ik kj k c a b a b a b a b 2 1 0 0 1 3 A 3 4 5 0 0 1 1 0 1 B 2 1 0 0 1 3 A 3 4 5 0 0 1 1 0 1 B 3 4 5 2 1 0 0 0 1 0 1 3 1 0 1 3 4 5 2 1 0 0 0 1 0 1 3 1 0 1 AB BA A (B+C) = A B + A C A (B C) = (A B) C Pode acontecer que AB=0 com A e B 0 Pode acontecer que AB=0 com A e B 0 2 3 1 0 0 1 2 4 1 0 0 0 2 5 1 1 0 1 6 8 11 0 3 1 0 3 1 0 4 1 0 3 0 0 5 1 1 3 1 3 0 2 1 0 2 3 A 1 2 3 0 B 1 2 11 4 A B 3 6 3 0 B A A B B A 10 Considere: e , temos Observação: Nem sempre vale o cancelamento Se ocorrer a igualdade AC=BC, então nem sempre será verdadeiro que A=B, pois existem exemplos de matrizes como as apresentadas abaixo, tal que: mas as matrizes A e B são diferentes. Considere, e Considere, e Operações Elementares sobre Linhas Chama-se operação elementar sobre linhas de uma matriz os seguintes procedimentos: 1. Permutar linhas 2. Multiplicação de uma linha por um escalar não nulo: AC BC A BAC BC A B 1 2 3 1 0 2 1 1 1 3 2 1 L L L ' 1 ' 2 3 1 1 1 1 0 2 3 2 1 L L L 1 2L L 1 2 3 1 0 2 1 1 1 3 2 1 L L L ' 1 ' 2 3 1 1 1 1 0 2 3 2 1 L L L 1 2L L 1 2 3 1 0 2 1 1 1 3 2 1 L L L 1 ' 2 3 1 0 2 2 2 2 3 2 1 L L L 2 22L L 1 2 3 1 0 2 1 1 1 3 2 1 L L L 1 ' 2 3 1 0 2 2 2 2 3 2 1 L L L 2 22L L 0 1 0 2 A 3 7 0 0 B 0 0 0 0 A B 0 1 , 0 2 A 2 5 3 4 C 3 7 0 0 B 0 1 2 5 3 4 3 7 2 5 27 43 ; 0 2 3 4 6 8 0 0 3 4 0 0 AC BC AC BC 0 1 0 5 0 2 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 AC BC AC BC AC BC 0 1 , 0 0 A 0 2 0 0 B 0 5 0 0 C 11 3. Substituição dos elementos de uma linha pela soma deles com os elementos correspondentes de outra linha previamente multiplicados por um escalar não nulo; Matriz Linha- Equivalente Definição: Duas matrizes de mesma ordem chamam-se linha equivalentes se uma pode ser obtida da outra através de uma sequência finita de operações elementares sobre linhas da outra. A notação para isso é A B ou A B . A e B são linha-equivalentes por que B pode ser obtida através de A fazendo-se a operação elementar 2 22L L , ou seja, 2 2 1 0 2 1 0 2 1 1 1 2 2 2 2 3 2 1 3 2 1 A L L B Matriz Linha Reduzida (LR) Definição: Uma matriz A é linha reduzida (LR) se A=0 ou se A satisfaz a seguinte condição: Em cada linha não nula existe um elemento diferente de zero tal que todos os elementos abaixo dele são zero.( Os elementos não nulos que satisfazem a tal propriedade são chamados de Pivô ) Considere o exemplo a seguir onde: 1 2 3 1 0 2 1 1 1 3 2 1 L L L 3 3 13L L L 1 2 ' 3 1 0 2 1 1 1 0 2 5 L L L 1 2 3 1 0 2 1 1 1 3 2 1 L L L 3 3 13L L L 1 2 ' 3 1 0 2 1 1 1 0 2 5 L L L 1 0 2 1 1 1 3 2 1 A 1 0 2 2 2 2 3 2 1 B e B é linha equivalente a A (ou A é linha equivalente a B) 1 0 2 1 1 1 3 2 1 A 1 0 2 2 2 2 3 2 1 B e B é linha equivalente a A (ou A é linha equivalente a B) 12 • P(A) lê-se POSTO DA MATRIZ A • N(A) lê-se NULIDADE DA MATRIZ A Matriz Linha Reduzida a Forma de Escada (LRFE ) Uma matriz é linha reduzida à forma escada (LRFE) se A=0 ou se A satisfaz as seguintes condições: Todo Pivô é igual a 1 (O primeiro elemento não nulo de cada linha não nula deve ser igual a 1); Todas as entradas abaixo e à esquerda do Pivô são nulas As linhas nulas ficam abaixo da linhas não nulas; Exemplo: Exemplo: Utilizar, na seguinte matriz, operações elementares sobre linhas para obter a matriz identidade. Matriz Linha Reduzida 1 0 0 4 2 2 0 0 3 0 1 0 P(A)= número de linhas não nulas da matriz linha reduzida N(A)= número de colunas – P(A) P(A)=3 N(A)=4-3=1 Pivô Matriz Linha Reduzida 1 0 0 4 2 2 0 0 3 0 1 0 P(A)= número de linhas não nulas da matriz linha reduzida N(A)= número de colunas – P(A) P(A)=3 N(A)=4-3=1 PivôMatriz Linha Reduzida à Forma Escada 1 0 0 4 0 1 0 3 0 0 1 4 P(A)=3 N(A)=4-3=1 1 0 2 0 1 0 0 0 0 1 0 2 2 2 2 3 2 1 LRFE Não é reduzida Matriz Linha Reduzida à Forma Escada 1 0 0 4 0 1 0 3 0 0 1 4 P(A)=3 N(A)=4-3=1 1 0 2 0 1 0 0 0 0 1 0 2 2 2 2 3 2 1 LRFE Não é reduzida1 0 2 1 1 1 3 2 1 13 Solução: 1 0 2 1 1 1 3 2 1 2 1 2 3 1 33 L L L L L L 3 2 3 1 0 2 0 1 3 2 0 2 5 L L L 1 0 2 0 1 3 0 0 11 3 3 1 11 L L 1 0 2 0 1 3 0 0 1 1 3 1 2 3 2 2 3 L L L L L L 1 0 0 0 1 0 0 0 1 Matriz Inversa Definição: Toda matriz B tal que n nA B B A I com , ,RnxnA B M será chamada matriz inversa de A, e a denotaremos por Observação: A inversa só existe para matrizes quadradas. Toda matriz invisível, comuta com sua inversa. Conteúdo 2: Determinantes e propriedades Determinantes Definição: A cada matriz quadrada é possível associar um certo número real que chamaremos de determinante Ordem de um Determinante Definição: Chama-se ordem de um determinante a ordem da matriz a que o mesmo corresponde. Assim, se a matriz é de ordem 3, por exemplo, o determinante será de ordem 3. Representação de um Determinante A representação de um determinante da matriz A, que será designado por det A, faz-se de maneira análoga a da matriz, colocada entre dois traços verticais. 11 1 1 ... det ... ... ... ... n n nn a a A a a 1A R Rdet : det( ) nxnM A A 14 Cálculo do DeterminanteExemplos: Calcule o determinante das seguintes matrizes 2 5 7 7 5 ) ) 3 1 4 2 4 6 8 2 a b Solução: 7 5 ) 7 4 2 5 28 10 18 2 4 a 2 5 7 2 5 7 2 5 ) 3 1 4 3 1 4 3 1 2 1 2 5 4 6 7 3 8 7 1 6 2 4 8 5 3 2 6 8 2 6 8 2 6 8 4 120 168 42 64 30 292 136 156 b Menor complementar Chama-se menor complementar do elemento aij o determinante da matriz que se obtém eliminando a linha i e a coluna j às quais pertence o elemento aij. O menor complementar de um elemento aij é denominado Mij. Caso n=1 R R1 1 11 11 det : a a xM Caso n=2 R R2 2 11 12 11 22 21 12 21 22 det : a a a a a a a a xM Caso n=1 R R1 1 11 11 det : a a xM Caso n=2 R R2 2 11 12 11 22 21 12 21 22 det : a a a a a a a a xM Caso n=3 : Regra de Sarrus 11 12 13 21 22 23 31 32 33 a a a a a a a a a 11 21 31 a a a 12 22 32 a a a 11 22 33a a a 12 23 31a a a 13 21 32a a a 31 22 13a a a 32 23 11a a a 33 21 12a a a R R3 3 ij det : a xM Caso n=3 : Regra de Sarrus 11 12 13 21 22 23 31 32 33 a a a a a a a a a 11 21 31 a a a 12 22 32 a a a 11 22 33a a a 12 23 31a a a 13 21 32a a a 31 22 13a a a 32 23 11a a a 33 21 12a a a R R3 3 ij det : a xM 15 Exemplo: Dada a matriz 4 3 4 2 1 5 3 3 2 A , calcule M11 Inicialmente, elimine a 1ª linha e a 1ª coluna, uma vez que o menor complementar é do elemento a11. Os números que sobraram formam o menor complementar. Devemos calcular seu determinante. M11 = 1 5 3 2 = 2 - 15 = -13; logo, M11 = -13. Calculemos M13. Devemos eliminar a 1ª linha e a 3ª coluna. Eliminando a 1ª linha e a 3ª coluna, sobrou uma matriz de ordem 2. Devemos calcular seu determinante. M13 = 2 1 3 3 = 6 - 3 = 3; logo, M13 = 3. Calcule agora o menor complementar de: a) M22; b) M31. Cofator O cofator de um elemento ija de uma matriz quadrada é o número que obtemos quando multiplicamos 1 i j pelo determinante da matriz obtida quando se cancela a linha i e a coluna j da matriz. Matriz dos Cofatores A matriz dos cofatores é a matriz formada por todos os cofatores dos elementos de uma matriz. 16 Matriz Adjunta A matriz adjunta de uma matriz A é a transposta da matriz dos cofatores de A. Exemplo: Calcular os cofatores 11 12 13, ec c c da seguinte matriz 3 1 3 1 1 0 0 2 1 A Solução: Regra de Laplace Para calcularmos o determinante de uma matriz qualquer, usaremos o teorema de Laplace. Seja A uma matriz quadrada de ordem n. De forma genérica, o teorema de Laplace pode ser enunciado para um elemento aij qualquer de uma matriz A, quadrada de ordem n, da seguinte forma: Matriz dos cofatores e Matriz Adjunta ( 1)i jij ijc M ij Cof A c( ) ( ) 1 1 1 1 1 1 A , j n i ij in m mj mn a a a a a a a a a cofator de aij TAdj A Cof A( ) ( ) matriz obtida quando se cancela a linha i e a coluna j da matriz A. Matriz dos cofatores e Matriz Adjunta ( 1)i jij ijc M ij Cof A c( ) ( ) 1 1 1 1 1 1 A , j n i ij in m mj mn a a a a a a a a a cofator de aij TAdj A Cof A( ) ( ) matriz obtida quando se cancela a linha i e a coluna j da matriz A. 3 1 3 1 1 0 0 2 1 A 1 0 2 1 11c 1 1 1 1 1 1 1 0 0 1 12c 1 2 1 1 1 1 1 1 0 2 13c 1 3 1 12 2 3 1 3 1 1 0 0 2 1 A 1 0 2 1 11c 1 1 1 1 1 1 1 0 2 1 11c 1 1 1 1 1 1 1 0 0 1 12c 1 2 1 1 1 1 1 0 0 1 12c 1 2 1 1 1 1 1 1 0 2 13c 1 3 1 12 2 17 1 det ( ) det ( ) n ij ij n ij ij j A a A escolhendo uma linha i ou A a A escolhendo uma coluna j Exemplo: Calcule o determinante det A = Para minimizar os cálculos devemos escolher a fila (linha ou coluna) que possuir maior número de zeros. Nesse determinante, a fila que tem o maior número de zeros é a 1ª coluna; logo: det A = 2 × A11 + = 2 × A11 Veja que o trabalho ficou bem menor. Agora, obtenha: a) 2 × A11; b) o determinante da matriz usando a 2ª linha; c) compare os resultados dos itens a e b. Outro Exemplo: 1 2 3 4 0 1 3 1 1 0 2 1 0 1 0 2 c c c c11 21 31 411 0 1 0 Como calcular os ? ij c c 1 111 1 3 1 ( 1) 0 2 1 1 0 2 c c11 31 1 3 1 0 2 1 9 1 0 2 c 3 131 2 3 4 ( 1) 1 3 1 1 0 2 2 3 4 1 3 1 9 1 0 2 9 9 0 1 2 3 4 0 1 3 1 1 0 2 1 0 1 0 2 c c c c11 21 31 411 0 1 0 Como calcular os ? ij c Como calcular os ? ij c c 1 111 1 3 1 ( 1) 0 2 1 1 0 2 c c11 31 1 3 1 0 2 1 9 1 0 2 c 3 131 2 3 4 ( 1) 1 3 1 1 0 2 2 3 4 1 3 1 9 1 0 2 9 9 0 1 2 1 0 1 2 4 3 2 11 21 311 0 4c c c 1 2 1 0 1 2 4 3 2 11 21 311 0 4c c c 18 c 1 111 1 3 1 1 3 1 ( 1) 0 2 1 0 2 1 9 1 0 2 1 0 2 Propriedades de Determinantes n n M RSejam A e B . P1: Se uma linha (ou coluna) da matriz A for nula, então: P2: O determinante da transposta de A é igual ao determinante de A, isto é: P3: Se B é a matriz obtida pela multiplicação de uma linha (ou coluna) da matriz A por um escalar k, então: det( ) 0A 0 0 det( ) 0 1 ( 1) 0 0 1 1 A 0 0 det( ) 0 1 ( 1) 0 0 1 1 A det( ) det( )tA A 1 3 det( ) 1 2 ( 1) 3 5 1 2 A 1 1 det( ) 1 2 3 ( 1) 5 3 2 tA 1 3 det( ) 1 2 ( 1) 3 5 1 2 A 1 1 det( ) 1 2 3 ( 1) 5 3 2 tA det(B)=k.det(A) 1 2 0 Seja 1 1 0 2 4 3 A 3 6 0 e 1 1 0 2 4 3 B Vamos calcular det(A) e det(B)? 1 2 0 Seja 1 1 0 2 4 3 A 3 6 0 e 1 1 0 2 4 3 B Vamos calcular det(A) e det(B)? 19 Solução: det 3 6 9 e det 9 18 27A B Observe que det 3 detB A P4: Se B é a matriz obtida pela troca de duas linhas (ou colunas) de A, então: Solução: det 3 6 9 det 6 3 9A e B . Observe que det detB A P5: Se A tem duas linhas (ou colunas) iguais, então: P6: Se uma linha (ou coluna) de A for múltipla de uma outra linha (ou coluna) de A, então: det( ) det( )B A Vamos calcular det(A) e det(B)? 1 2 0 Seja 1 1 0 2 4 3 A 2 4 3 e 1 1 0 1 2 0 B Vamos calcular det(A) e det(B)? 1 2 0 Seja 1 1 0 2 4 3 A 2 4 3 e 1 1 0 1 2 0 B det(A)=0 1 2 0 1 2 0 2 4 3 A =6 + 0+ 0 - 0 - 0 - 6 = 0 1 2 0 1 2 0 2 4 3 1 1 2 2 2 4 1 2 0 1 2 0 2 4 3 A =6 + 0+ 0 - 0 - 0 - 6 = 0 1 2 0 1 2 0 2 4 3 1 1 2 2 2 4 det(A)=0 1 4 2 8 A 2 1 2L L1 4 2 8 A 2 1 2L L 20 Cálculo da matriz inversa Procedimentos para o cálculo da inversa utilizando a redução de matrizes: 1. Verificamos a invertibilidade da matriz (determinante não nulo); 2. Escrevemos a matriz identidade à direita da matriz que queremos inverter. 3. Procedemos com a redução por linhas da matriz ampliada até obtermos a matriz identidade à esquerda. 4. A matriz da direitaé a inversa da matriz dada. Exemplo: Calcule, se possível, a inversa da matriz Solução: det 0 0 0 6 0 0 6 0A A é invertível. Vamos a partir do escalonamento encontrar a sua inversa. 1 0 2 2 1 0 3 0 0 A 1 0 2 2 1 0 3 0 0 1 0 0 0 1 0 0 0 1 1 2 3 L L L 3 0 0 0 0 1 2 1 0 0 1 0 1 0 2 1 0 0 1 3L L 1 1 L L 3 10 01 0 0 3 2 1 0 0 1 0 1 0 2 1 0 0 1 0 2 2 1 0 3 0 0 1 0 0 0 1 0 0 0 1 1 2 3 L L L 3 0 0 0 0 1 2 1 0 0 1 0 1 0 2 1 0 0 1 3L L 1 1 L L 3 10 01 0 0 3 2 1 0 0 1 0 1 0 2 1 0 0 21 Portanto a matriz inversa é a matriz obtida do lado direito da identidade, isto é, 1 10 0 3 20 -1 3 1 10 2 6 A Sistemas Lineares A toda equação da forma dá-se o nome de Equação Linear a n variáveis. Cada n-upla ordenada que torna esta equação um sentença verdadeira denominamos de Solução da equação. • Quando o valor de 0nb , a equação linear é dita Homogênea; • Cada solução para uma equação linear a n variáveis é encontrada atribuindo-se valores quaisquer a 1n das variáveis e encontrando o valor da última variável. Exemplo: 10 0 31 0 0 20 1 0 0 1 3 1 0 2 1 0 0 2 2 1L L 2L 10 0 31 0 0 20 1 0 0 1 3 0 0 2 11 0 3 3 3 1L L L 10 0 31 0 0 20 1 0 0 -1 3 0 0 1 1 10 2 6 2 2L L 3 3 L L 2 10 0 31 0 0 20 1 0 0 1 3 1 0 2 1 0 0 2 2 1L L 2L 10 0 31 0 0 20 1 0 0 1 3 0 0 2 11 0 3 3 3 1L L L 10 0 31 0 0 20 1 0 0 -1 3 0 0 1 1 10 2 6 2 2L L 3 3 L L 2 De fato, 3 5 2 6x y z w 2,1, 1,2 3 2 5 1 1 2 2 6 é solução da equação: De fato, 3 5 2 6x y z w 2,1, 1,2 3 2 5 1 1 2 2 6 é solução da equação: nnn bxaxaxa ...2211 nxxx ,...,, 21 22 Observe que outras quadruplas ordenadas também são soluções da equação linear acima. Sistemas Lineares Definição: Ao conjunto formado por duas ou mais equações lineares damos o nome de Sistema Linear, ou seja, Sistema homogêneo Definição: O sistema S é homogêneo se 1 2 ... 0nb b b . S é um sistema homogêneo 0,0,...,0 é uma solução. Solução de um Sistema Definição: 1 2, ,..., nc c c onde ou ic é uma solução de S se satisfaz a todas equações do sistema S . Exemplo: Considere o sistema linear Elementos de um sistema Linear 11 1 12 2 1 1 21 1 22 2 2 2 1 1 2 2 n n n n m m mn n m a x a x a x b a x a x a x b a x a x a x b são os termos independentes ija 1x 1b são os coeficientes são as variáveis ou incógnitas 2x , , nx, , 2b , , mb Elementos de um sistema Linear 11 1 12 2 1 1 21 1 22 2 2 2 1 1 2 2 n n n n m m mn n m a x a x a x b a x a x a x b a x a x a x b são os termos independentes ija 1x 1b são os coeficientes são as variáveis ou incógnitas 2x , , nx, , 2b , , mb 11 1 12 2 1 1 21 1 22 2 2 2 1 1 2 2 n n n n m m mn n m a x a x a x b a x a x a x b a x a x a x b 2 0 4 2 7 . 2 3 3 x y z x y z x y z 23 Verifique se a tripla 1,1, 1 é uma solução. 02 : 4 2 7Eq x y z 4 1 1 2( 1) 7 4 1 2 7 7 7 A tripla (1,1, -1) não satisfaz à 3ª equação e portanto não é uma solução para o sistema dado. Matriz Associada a um Sistema Linear A todo sistema linear estão associadas três matrizes, que o caracterizam de forma única, quanto ao número de soluções. Matriz Ampliada (mais importante) 11 12 1 1 21 22 2 2 1 2 | n n m m mn n a a a b a a a b A B a a a b Desta maneira, o sistema pode ser escrito na forma da equação matricial 1 2 1 1 0 1 2 1 0 0 0 01: 2 0Eq x y z 1 2 1 1 0 1 2 1 0 0 0 01: 2 0Eq x y z 2 1 3 1 1 3 2 3 1 3 2 3 03: 2 3 3Eq x y z 2 1 3 1 1 3 2 3 1 3 2 3 03: 2 3 3Eq x y z 1,1, 1 não é uma solução 1,1, 1 não é uma solução 11 1 12 2 1 1 21 1 22 2 2 2 1 1 2 2 n n n n m m mn n m a x a x a x b a x a x a x b a x a x a x b 11 12 1 21 22 2 1 2 n n m m mn a a a a a a A a a a 1 2 n b b B b Matriz dos coeficientes Matriz dos termos independentes 11 1 12 2 1 1 21 1 22 2 2 2 1 1 2 2 n n n n m m mn n m a x a x a x b a x a x a x b a x a x a x b 11 12 1 21 22 2 1 2 n n m m mn a a a a a a A a a a 1 2 n b b B b Matriz dos coeficientes Matriz dos termos independentes 24 A X B onde 1 2 n x x X x Resolução e Discussão de um Sistema Linear Solução de um Sistema Linear 1. Método de Crammer Considere o sistema linear 11 12 1 21 22 2 a x a y b a x a y b e sejam A, B suas matrizes associadas: 11 12 21 22 a a A a a e 1 2 b B b . Podemos associar a este (ou qualquer outro) sistema linear outras duas matrizes, obtidas da seguinte maneira: 1) Substitua, na matriz A, a 1ª coluna pela matriz coluna B. Denotemos esta nova matriz por Ax 2) Substitua, na matriz A, a 2ª coluna pela matriz coluna B. Denotemos esta nova matriz por Ay Regra de Cramer 1) Para sistemas de até 3 variáveis (e 3 equações) é viável a aplicação deste método, mas isto não ocorre para uma ordem >3. 2) Notemos que o método de Cramer só é aplicável para determinar a solução de um sistema que possua uma única solução; ( a matriz dos coeficientes deve ter determinante zero). Se o det 0A , então o sistema acima, cuja matriz dos coeficientes é A , possui uma única solução, que é dada por: e xdet Ax det A ydet A y det A 11 12 21 22 a a A a a 1 2 b B b 1 12 x 2 22 b a A b a 11 12 21 22 a a A a a 1 2 b B b 11 1 y 12 2 a b A a b 11 12 21 22 a a A a a 1 2 b B b 1 12 x 2 22 b a A b a 11 12 21 22 a a A a a 1 2 b B b 11 1 y 12 2 a b A a b 25 De uma maneira geral, o valor da i-ésima variável de um sistema qualquer nesta condição é dada por: Exemplo: Determine, se existir, a solução do seguinte sistema. 2 3 4 4 2 6 2 5 5 x y z x y z x y z Solução: 2 3 1 4 1 2 1 2 5 A 2 3 1 4 1 2 1 2 5 10 6 8 1 8 60 10 6 8 1 8 60 77 0 Podemos aplicar Cramer e solução para o Sistema Linear será única. i det A x det A ix 2 3 1 4 1 2 1 2 5 A 2 4 1 4 6 2 1 5 5 yA 4 6 5 B 4 3 1 6 1 2 5 2 5 xA 2 3 4 4 1 6 1 2 5 zA | | 20 30 12 5 16 90 77xA | | 60 8 20 6 20 80 154yA | | 10 18 32 4 24 60 0zA 2 3 1 4 1 2 1 2 5 A 2 4 1 4 6 2 1 5 5 yA 4 6 5 B 4 3 1 6 1 2 5 2 5 xA 2 3 4 4 1 6 1 2 5 zA | | 20 30 12 5 16 90 77xA | | 60 8 20 6 20 80 154yA | | 10 18 32 4 24 60 0zA 26 A solução do sistema é dada porPortanto, temos: Método de Gauss-Jordan Escreve-se a matriz ampliada. Transforma-se a matriz ampliada na forma escalonada. Usa-se uma substituição simples para encontrar a solução. Exemplo: Consideremos o seguinte sistema linear 4 4 2 3 3 2 4 1 x y z x y z x y z Através de sucessivas operações elementares sobre esta matriz, podemos levá-la a uma matriz LRFE, que seja “linha-equivalente” a ela e que possui a seguinte matriz ampliada. 4 1 1 4 | 2 3 3 2 1 1 4 1 A B det 77 1 det 77 xAx A det 154 2 det 77 yA y A det 0 0 det 77 zAz A det 77 1 det 77 xAx A det 154 2 det 77 yA y A det 0 0 det 77 zAz A { 1,2,0 }S { 1,2,0 }S 27 Fazemos com que o pivô da primeira linha (1º elemento não nulo da 1ª linha) seja igual a 1. Pela definição já conhecida de matriz LRFE, todos os outros elementos da coluna devem ser anulados. Então temos a situação descrita a seguir. 1) Pivô = 1: 4 1 1 4 2 3 3 2 1 1 4 1 1 1 4 1 2 3 3 2 4 1 1 4 1 3L L 2 2 12L L L 2) Anulamos os outros elementos da coluna 1 1 4 1 0 5 11 4 4 1 1 4 1) Pivô = 1: 4 1 1 4 2 3 3 2 1 1 4 1 1 1 4 1 2 3 3 2 4 1 1 4 1 3L L 2 2 12L L L 2) Anulamos os outros elementos da coluna 1 1 4 1 0 5 11 4 4 1 1 4 1 1 4 1 0 5 11 4 4 1 1 4 1 1 4 1 0 5 11 4 0 5 15 0 3 3 14L L L 1 1 4 1 0 1 11 5 4 5 0 5 15 0 1 0 9 5 1 5 0 1 11 5 4 5 0 5 15 0 2 2 5 L L 1 1 2L L L 1 1 4 1 0 5 11 4 4 1 1 4 1 1 4 1 0 5 11 4 0 5 15 0 3 3 14L L L 1 1 4 1 0 1 11 5 4 5 0 5 15 0 1 0 9 5 1 5 0 1 11 5 4 5 0 5 15 0 2 2 5 L L 1 1 2L L L 1 0 9 5 1 5 0 1 11 5 4 5 0 5 15 0 1 0 9 5 1 5 0 1 11 5 4 5 0 0 4 4 1 0 9 5 1 5 0 1 11 5 4 5 0 0 1 1 1 0 0 2 0 1 11 5 4 5 0 0 1 1 3 3 25L L L 3 3 4 L L 1 1 3 9 5 L L L 1 0 9 5 1 5 0 1 11 5 4 5 0 5 15 0 1 0 9 5 1 5 0 1 11 5 4 5 0 0 4 4 1 0 9 5 1 5 0 1 11 5 4 5 0 0 1 1 1 0 0 2 0 1 11 5 4 5 0 0 1 1 3 3 25L L L 3 3 4 L L 1 1 3 9 5 L L L 1 0 0 2 0 1 11 5 4 5 0 0 1 1 1 0 0 2 0 1 0 3 0 0 1 1 2 2 3 11 5 L L L1 0 0 2 0 1 11 5 4 5 0 0 1 1 1 0 0 2 0 1 0 3 0 0 1 1 2 2 3 11 5 L L L 28 Matriz escalonada que nos remete às igualdades: 2 3 2,3, 1 1 x y S z Exemplo: Determinar a solução do sistema linear 2 5 1 4 3 3 4 x y z x z x y z . Solução: Tomamos a matriz ampliada associada ao sistema 2 1 5 1 1 0 4 3 3 1 1 4 Escalonamos a matriz: Esta última matriz é a matriz escalonada do sistema e o leva a um sistema bem mais simples equivalente a ele, conforme ilustração anterior. 1 1 9 2 0 1 13 5 0 2 26 10 1 0 4 3 0 1 13 5 0 2 26 10 1 0 4 3 0 1 13 5 0 0 0 0 2 2L L 1 1 2L L L matriz escalonada 4 3 13 5 x z y z Sistema equivalente 3 22L L 1 1 9 2 0 1 13 5 0 2 26 10 1 0 4 3 0 1 13 5 0 2 26 10 1 0 4 3 0 1 13 5 0 0 0 0 2 2L L 1 1 2L L L matriz escalonada 4 3 13 5 x z y z Sistema equivalente 3 22L L 2 1 5 1 1 0 4 3 3 1 1 4 1 1 9 2 1 0 4 3 3 1 1 4 1 1 9 2 0 1 13 5 3 1 1 4 1 1 9 2 0 1 13 5 0 2 26 10 1 1 2L L L 3 3 13L L L 2 2 1L L L 2 1 5 1 1 0 4 3 3 1 1 4 1 1 9 2 1 0 4 3 3 1 1 4 1 1 9 2 0 1 13 5 3 1 1 4 1 1 9 2 0 1 13 5 0 2 26 10 1 1 2L L L 3 3 13L L L 2 2 1L L L 29 Observações: 1. O sistema “escalonado” apresenta apenas 2 equações, porém envolvendo 3 variáveis, o que elimina a hipótese de que ele tenha solução única. 2. A diferença entre o número de variáveis e o número de equações restantes no sistema já escalonado é chamada Grau de liberdade do sistema. Classificação dos Sistemas Lineares A classificação de um sistema linear é feita em base ao numero de soluções que o sistema admite. Os sistemas lineares classificam-se, quanto ao número de soluções, em: Um sistema de equações lineares AX B com m equações e n incógnitas é: Temos então que: 13 5y z Seja z a variável livre. 4 3 13 5 x z y z 4 3x z sistema com 2 equações e 3 variáveis assim, teremos 1 variavel livre (que pode assumir infinitos valores) 4 3,13 5, ;S z z z z O sistema tem infinitas soluçoes que sao representadas pelo conjunto: Temos então que: 13 5y z Seja z a variável livre. 4 3 13 5 x z y z 4 3x z sistema com 2 equações e 3 variáveis assim, teremos 1 variavel livre (que pode assumir infinitos valores) 4 3,13 5, ;S z z z z O sistema tem infinitas soluçoes que sao representadas pelo conjunto: • Possível Determinado (Possui uma única solução) • Impossível Indeterminado Possui infinitas soluções Não possui solução • Possível Determinado (Possui uma única solução) • Impossível Indeterminado Possui infinitas soluções Não possui solução Possível p(A|B)=p(A) AX=B é Possível Determinado Se o valor encontrado for igual à n Se for menor que n AX=B é Possível Indeterminado Impossivel ( ) ( | )p A p A B Possível p(A|B)=p(A) AX=B é Possível Determinado Se o valor encontrado for igual à n Se for menor que n AX=B é Possível Indeterminado Impossivel ( ) ( | )p A p A B 30 Outro exemplo: Exemplo: Discutir, em função do parâmetro k, o seguinte sistema linear 0 2 x y kz kx y z Solução: Para se resolver um problema desse tipo, primeiramente se determina a matriz ampliada do sistema e em seguida se prossegue com o escalonamento da matriz, observando as restrições necessárias ao valor de k que eventualmente possam aparecer no decorrer do escalonamento. Matriz ampliada 0 2 0 3 x z y z 1 0 1 0 ( | ) 0 1 1 2 0 0 0 3 A B | 3ABp 1 0 1 0 1 0 0 0 0 A 2Ap p(A) <p(A|B) Impossível 0 2 0 3 x z y z 1 0 1 0 ( | ) 0 1 1 2 0 0 0 3 A B | 3ABp 1 0 1 0 1 0 0 0 0 A 2Ap p(A) <p(A|B) Impossível 3 3 2 4 7 x y z y z z 1 0 3 3 | 0 1 2 4 0 0 1 7 A B 3Ap | 3 AB p | 3 incog.AABp p n Sistema possível determinado 3 3 2 4 7 x y z y z z 1 0 3 3 | 0 1 2 4 0 0 1 7 A B 3Ap | 3 AB p | 3 incog.AABp p n Sistema possível determinado 31 Vejamos um outro exemplo: Determine os valores de t de modo que o seguinte sistema 2 2 2 2 3 0 x y tz x y tz x ty z seja: a) Possível determinado. b) Possível indeterminado. c) Impossível. Solução: primeiro escrevemos a matriz ampliada do sistema. 1 1 0 1 1 2 k k 2 1 1 0 0 1 1 2 k k k 2 2 1L L k L Se 1 0k (i.e, 1)k Temos uma matriz linha reduzida e assim, | 2 3 incogAABp p n Sistema possível determinado 1 1 0 1 1 2 k k 2 1 1 0 0 1 1 2 k k k 2 2 1L L k L Se 1 0k (i.e, 1)k Temos uma matriz linha reduzidae assim, | 2 3 incogAABp p n Sistema possível determinado Para k=1, no entanto, a matriz teria seu escalonamento terminado em: 1 1 1 0 0 0 0 2 1Ap Resumindo, temos as possibilidades: , o sistema é possível indeterminado 1k 1k , o sistema é impossível 2 1 1 0 0 1 1 2 k k k ( | ) 2A Bp Impossível ( ) ( | )p A p A B Para k=1, no entanto, a matriz teria seu escalonamento terminado em: 1 1 1 0 0 0 0 2 1Ap Resumindo, temos as possibilidades: , o sistema é possível indeterminado 1k 1k , o sistema é impossível 2 1 1 0 0 1 1 2 k k k ( | ) 2A Bp Impossível ( ) ( | )p A p A B1 1 0 1 1 2 k A B k 1 1 0 1 1 2 k A B k 32 1 1 0 0 1 2 2 3 0 2 2 2 2 t t t t t 1 1 0 0 1 0 1 0 0 2 4 2 t t t 1 0 1 0 1 0 1 0 0 2 4 2 t t t Temos dois casos: 2 0 t 2 0 t 2 2 3L L L 1 1 0 0 1 0 1 0 2 2 2 2 t t t 3 3 22 2L L t L 1 1 2L L t L 1 1 0 0 1 2 2 3 0 2 2 2 2 t t t t t 1 1 0 0 1 0 1 0 0 2 4 2 t t t 1 0 1 0 1 0 1 0 0 2 4 2 t t t Temos dois casos: 2 0 t 2 0 t 2 2 3L L L 1 1 0 0 1 0 1 0 2 2 2 2 t t t 3 3 22 2L L t L 1 1 2L L t L 2 2 2 2 3 0 x y tz x y tz x ty z 2 2 2 | 2 1 3 1 1 0 t A B t t Encontrando p(A|B) e pA: 2 2 2 2 1 3 1 1 0 t t t 1 1 0 0 1 2 2 3 2 2 2 t t t t 1 1 0 2 1 3 2 2 2 t t t 1 3L L 2 2 12L L L 3 3 12L L L 1 1 0 0 1 2 2 3 0 2 2 2 2 t t t t t 2 2 2 2 3 0 x y tz x y tz x ty z 2 2 2 | 2 1 3 1 1 0 t A B t t Encontrando p(A|B) e pA: 2 2 2 2 1 3 1 1 0 t t t 1 1 0 0 1 2 2 3 2 2 2 t t t t 1 1 0 2 1 3 2 2 2 t t t 1 3L L 2 2 12L L L 3 3 12L L L 1 1 0 0 1 2 2 3 0 2 2 2 2 t t t t t 2 2 2 2 1 3 1 1 0 t t t 1 1 0 0 1 2 2 3 2 2 2 t t t t 1 1 0 2 1 3 2 2 2 t t t 1 3L L 2 2 12L L L 3 3 12L L L 1 1 0 0 1 2 2 3 0 2 2 2 2 t t t t t 33 Exercícios resolvidos 1) Dadas as matrizes 2 3 8 5 9 6 7 4 1 A , 3 7 1 4 2 5 0 9 4 B e 7 8 3 4 3 2 9 5 1 C . Calcule: a) 3 2 4A B C Solução: Fazendo 3 2 4X A B C temos Discutindo as possibilidades... Se 2 0 2t t E temos um sistema possível e determinado. 1 1 0 0 1 0 1 0 0 2 4 2 t t t 1 0 1 0 1 0 1 0 0 1 2 t 3 3 1 2 L L t | 3 incog.AA Bp p n Portanto, Discutindo as possibilidades... Se 2 0 2t t E temos um sistema possível e determinado. 1 1 0 0 1 0 1 0 0 2 4 2 t t t 1 0 1 0 1 0 1 0 0 1 2 t 3 3 1 2 L L t | 3 incog.AA Bp p n Portanto, Assim, e então o sistema é possível e indeterminado. | 2 3AA Bp p n 1 1 0 0 1 0 1 0 0 2 4 2 t t t Se , 2t 1 2 1 0 0 1 0 1 0 0 0 0 Portanto, para o sistema dado, temos: Possível e Determinado 2t Possível e Indeterminado 2t o sistema é Assim, e então o sistema é possível e indeterminado. | 2 3AA Bp p n Assim, e então o sistema é possível e indeterminado. | 2 3AA Bp p n 1 1 0 0 1 0 1 0 0 2 4 2 t t t Se , 2t 1 2 1 0 0 1 0 1 0 0 0 0 1 1 0 0 1 0 1 0 0 2 4 2 t t t Se , 2t 1 2 1 0 0 1 0 1 0 0 0 0 Portanto, para o sistema dado, temos: Possível e Determinado 2t Possível e Indeterminado 2t o sistema é 34 2 3 8 3 7 1 7 8 3 3 5 9 6 2 4 2 5 4 4 3 2 7 4 1 0 9 4 9 5 1 X 6 9 24 6 14 2 28 32 12 15 27 18 8 4 10 16 12 8 21 12 3 0 18 8 36 20 4 = 40 37 34 9 11 20 57 26 7 Portanto 40 37 34 9 11 20 57 26 7 X 2) Verifique se a matriz 1 2 1 1 1 1 0 1 3 A é inversível e no caso afirmativo calcule 1A . Solução: i) Para Verificar se A é inversível vamos calcular o detA 1 2 1 det 1 1 1 3 1 1 6 2 5 3 0 0 1 3 A , logo A é inversível. ii) Vamos calcular agora 1A Solução: 2 1 2 1 2 1 | 1 0 0 1 2 1 | 1 0 0 1 1 1 | 0 1 0 0 1 0 | 1 1 0 0 1 3 | 0 0 1 0 1 3 | 0 0 1 L L L 1 1 2 3 3 2 1 0 1 | 1 2 0 2 0 1 0 | 1 1 0 0 0 3 | 1 1 1 L L L L L L 3 3 1 1 3 4 7 1 1 0 0 | 1 0 1 | 1 2 0 3 3 3 1 0 1 0 | 1 1 0 0 1 0 | 1 1 0 3 1 1 1 1 1 1 0 0 1 | 0 0 1 | 3 3 3 3 3 3 L L L L L 35 Assim 1 4 7 1 3 3 3 1 1 0 1 1 1 3 3 3 A 3) Resolva o sistema 2 3 8 4 2 2 4 2 5 3 12 x y z x y z x y z . Solução: Considere a matriz ampliada do sistema 2 1 3 | 8 4 2 2 | 4 2 5 3 | 12 . Vamos agora escalonar a matriz através das operações sobre linhas de uma matriz. 1 1 1 3 1 | 4 2 1 3 | 8 2 2 1 4 2 2 | 4 4 2 2 | 4 2 2 5 3 | 12 2 5 3 | 12 L L 2 1 2 1 3 1 | 4 2 2 4 0 0 4 | 12 2 5 3 | 12 L L L 3 1 3 1 3 1 | 4 2 2 2 0 0 4 | 12 0 4 0 | 20 L L L 2 3 2 2 1 3 1 3 1 | 4 1 | 4 2 2 2 2 1 0 4 0 | 20 0 1 0 | 5 4 0 0 4 | 12 0 0 4 | 12 L L L L 36 3 3 1 1 2 1 3 3 13 1 | 4 1 0 | 2 2 2 2 1 1 0 1 0 | 5 0 1 0 | 5 4 2 0 0 1 | 3 0 0 1 | 3 L L L L L 1 1 3 1 0 0 | 2 3 0 1 0 | 5 2 0 0 1 | 3 L L L Portanto o sistema inicial se transformou no seguinte sistema equivalente: 2 5 3 x y z , ou seja, 2, 5,3S 4) Discutir o sistema 2 6 3 2 0 mx y x y x y . Solução: Considere a matriz ampliada do sistema 2 | 6 3 1 | 2 1 1 | 0 m . Vamos agora escalonar a matriz através das operações sobre linhas de uma matriz. 1 3 2 | 6 1 1 | 0 3 1 | 2 3 1 | 2 1 1 | 0 2 | 6 m L L m 2 1 2 3 1 3 1 1 | 0 1 1 | 0 3 0 4 | 2 0 4 | 2 2 | 6 0 2 | 6 L L L L m L L m m 37 2 2 3 3 1 1 | 0 1 1 | 01 0 4 | 2 0 2 | 12 0 2 | 6 0 2 | 6 L L L Lm m Portanto o sistema inicial se transformou no seguinte sistema equivalente: 0 2 1 2 6 x y y m y Logo, se 2 12 10m m então o sistema é possível e determinado. Se 10m , ele é impossível. Para nenhum valor de m ele é indeterminado.
Compartilhar