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. As constantes ak são chamadas de coeficientes e b é o termo constante ou termo independente. Se b = 0 a equação é dita homogênea. Uma solução da equação linear é uma lista de valores para as variáveis ou, de modo equivalente, um vetor u no Rn. Por exemplo: x1 = k1, x2 = k2, ..., xn = kn ou x = (k1, k2, ..., kn). » NOTA: Essa equação assume implicitamente que há uma ordem nas incógnitas. « 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 conjunto-solução é dado pelas equações abaixo, onde t é um parâmetro: x = 5 + 2t, y = t (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: 4x1 – x2 + 3x3 = –1 3x1 + x2 + 9x3 = –4. é um sistema linear de duas equações a três incógnitas. 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) uma solução, (b) nenhuma solução, (c) infinitas soluções. Estas situações são mostradas na figura 2-1. (3) Matriz dos coeficientes e matriz associada: matriz dos coeficientes é a matriz formada pelos coeficientes do sistema linear, ou seja: (3-2) Matriz associada ou matriz aumentada é a matriz formada pelos coeficientes, acrescida de mais uma coluna determinada pelos termos constantes bj, ou seja: (3-3) Fig. 3-1. (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 b: (i) Se b ≠ 0 então o sistema não possui solução. (ii) Se b = 0 então Lk pode ser retirada do sistema. (5) Incógnita líder: seja Lk uma equação linear não degenerada. A incógnita líder de Lk 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 incógnita líder é x3. Exemplo 4: 0x + 2y – 4z = 8 ou simplesmente: 2y – 4z = 8. Então a incógnita líder é y. (6) Sistemas equivalentes: dois sistemas lineares possuem a mesma solução se, e somente se, cada equação de cada um dos sistemas for uma combinação linear das equações do outro sistema. Então esses dois sistemas são ditos equivalentes. Exemplo 5: seja o sistema linear £1 dado por: L1: x1 + x2 + 4x3 + 3x4 = 5 L2: 2x1 + 3x2 + x3 – 2x4 = 1 L3: x1 + 2x2 – 5x3 + 4x4 = 3 Vamos multiplicar as equações L1, L2 e L3 por 3, –2 e 4, respectivamente, e, em seguida, somar as três novas equações obtidas. Obteremos então a equação L: L: 3x1 + 5x2 – 10x3 + 29x4 = 25 Desse modo, L é uma combinação linear de L1, L2 e L3. Logo a equação L pode substituir qualquer uma das equações do sistema £1, para se obter outro sistema £2 equivalente a £1. Por exemplo, se substituirmos a equação L1 por L no sistema £1 teremos o sistema equivalente £2 dado por: L1: 3x1 + 5x2 – 10x3 + 29x4 = 25 L2: 2x1 + 3x2 + x3 – 2x4 = 1 L3: x1 + 2x2 – 5x3 + 4x4 = 3 Exercício: Verifique que o vetor x = (–8, 6, 1, 1) é solução dos sistemas £1 e £2. OPERAÇÕES ELEMENTARES: As seguintes operações elementares serão de grande utilidade para se obter sistemas lineares equivalentes: [E1] Trocar de posição duas das equações do sistema. Indicamos isso por: Li ↔ 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 ) Teorema: Se um sistema linear £2 é obtido de um sistema linear £1 por uma seqüência finita de operações elementares, então £1 e £2 têm a mesma solução, ou seja, os dois sistemas são equivalentes. 3.2 SISTEMAS LINEARES COM DUAS OU TRÊS INCÓGNITAS. Interseções de retas ou de planos dão origem a 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: x – y = 1 3y = 4. Logo: y = 4/3, x – 4/3 = 1, x = 7/3. Este é um sistema com apenas uma solução. Geometricamente a solução (7/3, 4/3) é o ponto de interseção entre as retas representadas pelas equações do sistema. Neste caso as retas possuem inclinações distintas. Exemplo 7: seja o sistema linear: L1: x + y = 4 L2: 3x + 3y = 6. Realizando a operação –3L1 + L2 → L2 obtemos: x + y = 4 0x + 0y = –6 Neste caso, 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: 4x – 2y = 1 0x + 0y = 0 (Pode ser eliminada do sistema) Neste caso, o sistema é possível, porém, com infinitas soluções. Geometricamente, as retas são coincidentes, ou seja, possuem a mesma inclinação e cortam o eixo y no mesmo ponto. Portanto, para determinar a solução geral, faça y = t na equação L1 e então tire o valor de x. Assim temos: x = 1/4 + t/2 e y = t Logo, como t(r, então para cada t teremos um par distinto (x, y) como solução. Exemplo 9: Sejam os sistemas: 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 forma de equações paramétricas dos planos. Assim, para y = t1 e z = t2 na equação L1, temos: x = 5 + t1 – 2t2, y = t1 e z = t2 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 resumidas na figura 3-2. Fig. 3-2. Interpretação geométrica de sistemas a três incógnitas. 3.3 RESOLUÇÃO DE SISTEMAS LINEARES – REDUÇÃO POR LINHA O principal método de resolução de sistemas lineares é a chamada eliminação de Gauss. Primeiramente vamos considerar dois tipos simples de sistemas: sistema na forma triangular e, mais geral, sistema na forma reduzida. FORMA TRIANGULAR: Exemplo 10: Considere o seguinte sistema linear:L1: 2x1 + 3x2 + 5x3 – 2x4 = 9 L2: 5x2 – x3 + 3x4 = 1 L3: 7x3 – x4 = 3 L4: 2x4 = 8. Tal sistema é dito estar na forma triangular ou escalonada. Esse sistema é quadrado (número de equações igual ao número de incógnitas) e cada incógnita líder está à direita da incógnita líder da equação anterior. Esse tipo de sistema sempre possui solução única que pode ser determinada pela substituição retroativa, ou seja: 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). FORMA REDUZIDA: Exemplo 11: O sistema a seguir está na forma reduzida: L1: 2x1 + 6x2 – x3 + 4x4 – 2x5 = 7 L2: x3 + 2x4 + 2x5 = 5 L3: 3x4 – 9x5 = 6 No sistema na forma reduzida, as incógnitas líderes são expressas em termos da demais incógnitas que passam a ser chamadas de incógnitas livres. No caso do exemplo 11 as incógnitas líderes o x1, x3 e x4, as demais, x2 e x5, são as e incógnitas livres. A solução de tais sistemas é baseada no seguinte teorema: Teorema: Seja r o número de equações e n o número de incógnitas de um sistema na forma reduzida. Então: (i) Se r = n (exemplo 10), o sistema possui solução única determinada pela substituição retroativa. (ii) Se r < n (exemplo 11), podemos atribuir valores arbitrários às n – r variáveis livres e determinar, de modo único, os valores das incógnitas líderes, obtendo uma das infinitas soluções do sistema. Exemplo 12: No sistema do exemplo 11 podemos encontrar as incógnitas líderes x1, x3 e x4 em função das incógnitas livres x2 e x5, utilizando a substituição retroativa. Desta maneira encontramos: x4 = 2 + 3x5, x3 = 1 – 8x5 e 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). ELIMINAÇÃO DE GAUSS: O método principal de resolução de um sistema linear genérico é chamado de eliminação de Gauss. Ele se divide em duas partes: (A) Eliminação direta: é uma redução passo a passo do sistema levando a uma equação degenerada sem solução, ou a um sistema mais simples na forma triangular ou reduzida. Usa-se para isso as operações elementares. (B) Substituição retroativa: utilizando o sistema já na forma reduzida, obtido na parte (A), aplica-se a substituição retroativa. A parte (B) já foi vista em exemplos anteriores. Então, vamos descrever o algoritmo da parte (A). Algoritmo da parte (A): - Processo de eliminação: (a) Se necessário, troque as equações de posição para que tenhamos a11 ≠ 0. Isto é, para que a primeira incógnita x1 apareça com coeficiente não nulo na primeira equação. (b) Use a11 como pivô para eliminar x1 de todas as equações, exceto a primeira. Ou seja, para i > 1 faça: (1) (2) kL1 + Li → Li. (c) Examine cada nova equação L obtida. (1) Se L tem a forma 0x1 + 0x2 + ... + 0xn = b, com b ≠ 0, então PARE. O sistema não tem solução. (2) No item (1), se b = 0 ou se L é múltiplo de alguma outra equação do sistema, então retire L do sistema. - Processo recursivo: Repita o processo de eliminação para cada novo subsistema menor obtido. - Resultado: Finalmente o sistema chegou à forma triangular ou reduzida, ou a um sistema sem solução. » NOTA:- O número k em (b) é chamado de multiplicador. Como pode ser observado, ele é dado por: . - Em (b) poderíamos também fazer: –ai1L1 + a11Li → Li Isso evita o uso de frações se todos os coeficientes são inteiros «. Exemplo 13: Usando a eliminação de Gauss vamos resolver o sistema linear a três incógnitas: L1: x – 3y – 2z = 6 L2: 2x – 4y – 3z = 8 L3: –3x + 6y + 8z = –5 Realizando as operações: –2L1 + L2 → L2 e 3L1 + L3 → L3 para eliminar x, obtemos um novo sistema equivalente: L1: x – 3y – 2z = 6 L2: 2y + z = –4 L3: –3y + 2z = 13 Nesse novo sistema realizamos agora as operações: (3/2)L2 + L3 → L3 ou 3L2 + 2L3 → L3 para eliminar y, e obter: L1: x – 3y – 2z = 6 L2: 2y + z = –4 L3: 7z = 14 O sistema assim obtido está agora na forma triangular. Portanto, a parte A está completa. Parte B: os valores das incógnitas são obtidos na ordem inversa, por substituição retroativa. Assim encontramos: z = 2, y = –3, x = 1 ou x = (1, –3, 2). Exemplo 14: Seja o sistema: L1: x1 + 3x2 – 2x3 + 5x4 = 4 L2: 2x1 + 8x2 – x3 + 9x4 = 9 L3: 3x1 + 5x2 – 12x3 + 17x4 = 7 Para eliminar x1, substituir L2 por –2L1 + L2 e L3 por –3L1 + L3. Então temos: L1: x1 + 3x2 – 2x3 + 5x4 = 4 L2: 2x2 + 3x3 – x4 = 1 L3: –4x2 – 6x3 + 2x4 = –5. Para eliminar x2, substituímos L3 por 2L2 + L3. Isto nos dá a seguinte equação degenerada: 0x1 + 0x2 + 0x3 + 0x4 = –3. Então não execute a parte B, pois o sistema não tem solução. Exercício: Resolva o seguinte sistema linear por eliminação de Gauss: x1 + 3x2 – 2x3 + 2x5 = 0 2x1 + 6x2 – 5x3 – 2x4 + 4x5 – 3x6 = –1 5x3 + 10x4 + 15x6 = 5 2x1 + 6x2 + 8x4 + 4x5 + 18x6 = 6 Resposta: x1 = -3x2 – 4x4 – 2x5, x3 = -2x4, x6 = 1/3. 3.4 RESOLUÇÕES DE SISTEMAS LINEARES USANDO MATRIZES. Uma maneira de resolver um sistema linear é trabalhando com sua matriz associada M, em vez de trabalhar com o sistema. Primeiro vamos ver alguns conceitos: MATRIZ ESCALONADA POR LINHA: Uma matriz A é chamada de 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: 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 satisfizer as seguintes condições: (1) Cada pivô (termo líder) 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. OPERAÇÕES ELEMENTARES: Seja A uma matriz cujas linhas são denotadas por R1, R2,..., Rm. Podemos efetuar as seguintes operações elementares: [E1]: Ri ↔ Rj (Trocar posição de 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) EQUIVALÊNCIA POR LINHA E POSTO DE UMA MATRIZ: Uma matriz A é equivalente por linha a uma matriz B, se B pode ser obtida de A por uma seqüência de operações elementares. Se B for uma matriz escalonada por linha, dizemos que B é a forma escalonada por linha de. A equivalência é denotada por A ~B. Exemplo 17: As matrizes a seguir são equivalentes: Dos resultados básicos da equivalência por linha tiramos dois teoremas importantes: Teorema: Se A e B são duas matrizes escalonadas por linha, então A e B possuem o mesmo número de linhas não nulas e as posições dos pivôs são as mesmas. Teorema: Toda matriz A é equivalente por linha a uma única matriz na forma escalonada reduzida por linha. A equivalência por linha tem as seguintes propriedades: (I) A ~ A, (II) Se A ~ B então B ~A, (III) Se A ~ B e B ~ C então A ~C. O posto de uma matriz A, denotado por rank(A) ou Pos(A) é igual ao número de pivôs da matrizA na forma escalonada por linha. Assim, no exemplo 15 temos: rank(A) = 4 e no exemplo 16 temos: rank(A) = 3. 3.5 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 . Especificamente, para i > 1, faça: (1) ; (2) kR1 + Ri → Ri. - PASSO 2: Repita o passo 1 com a “submatriz” formada por todas as linhas da matriz original, exceto a primeira linha. - PASSO 3: Continue o processo acima até que a submatriz possua apenas linhas nulas. Observe que, no final do processo, os pivôs serão: , ,..., , 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 , ,..., , 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 = 1 para obter zeros acima do pivô, realizando a operação: – 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. Solução: Aplicando o algoritmo A1 encontramos as seguintes matrizes equivalentes: Aplicando agora o algoritmo A2 sobre a forma encontrada acima, encontramos as seguintes matrizes equivalentes: �� EMBED Equation.3 A última matriz desta seqüência é a forma escalonada reduzida por linha da matriz A. Exemplo 19: Resolva os seguintes sistemas lineares: 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: A última linha, por ser nula, pode ser excluída, então ficamos com o sistema: x1 + x2 – 10x4 = –9 ou x1 = –9 – x2 + 10x4 x3 – 7x4 = –7 x3 = –7 + 7x4 Então, esse sistema possui infinitas soluções. Observe que: rank(A) = rank(M). Solução (b): Seguindo o mesmo procedimento do item (a), encontramos a seguinte seqüência de matrizes: 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 seqüência de matrizes: 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 u = (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 [Resp: (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. 2.6 FORMA MATRICIAL DE UM SISTEMA LINEAR. O sistema genérico de m equações a n incógnitas é equivalente à seguinte equação matricial: (3-5) Ou, abreviadamente: AX = B ou ainda 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 20: Representar na forma de matrizes o seguinte sistema: x1 + 2x2 – 4x3 + 7x4 = 4 3x1 – 5x2 + 6x3 – 8x4 = 8 4x1 – 3x2 – 2x3 + 6x4 = 11. Solução: Observe que x1 = 3, x2 = 1, x3 = 2 e x4 = 1 ou x = (3, 1, 2, 1) é uma solução do sistema. Assim, o vetor coluna, xT, também é solução da equação matricial. A forma matricial também pode ser reescrita como a equação vetorial a seguir: (3-6) Ou também: 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 21: 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: Ou, em forma de sistema temos: x + y + 2z = 1 x + 2y – z = –2 x + 3y + z = 5. Cuja solução é: x = –6, y = 3 e z = 2 Portanto, o vetor v pode ser expresso como: v = –6u1 + 3u2 + 2u3. Exercício: 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. [Resp: v = 4u1 – 2u2 + 3u3]. COMBINAÇÕES LINEARES DE VETORES ORTOGONAIS: Suponha que os vetores u1, u2, ..., un de Rn são vetores não nulos ortogonais dois a dois. Isto significa que: (i) ui•uj = 0, para i ≠ j e (ii) ui•uj ≠ 0 para cada i = j. Então, neste caso, existe uma maneira mais simples de expressarmos uma combinação linear de vetores que será visto no seguinte exemplo: Exemplo 22: Expressar o vetor v = (4, 14, –9) como uma combinação linear dos vetores u1 = (1, 1, 1), u2 = (1, –3, 2) e u3 = (5, –1, –4) que são ortogonais dois a dois. Solução: primeiro verificamos que os vetores u1, u2 e u3 são ortogonais dois a dois, ou seja: u1•u2 = 0, u1•u3 = 0 e u2•u3 = 0. Em seguida, escrevemos v em função de u1, u2 e u3, isto é: v = x1u1 + x2u2 + x3u3 Devido à ortogonalidade, podemos usar o seguinte artifício: multiplicamos ambos os lados dessa equação, escalarmente, por u1, u2 e u3 para encontrar: v•u1 = x1u1•u1 v•u2 = x2u2•u2 v•u3 = x3u3•u3. Donde se pode tirar x1, x2 e x3, ou seja, para o exemplo 22 temos: (4, 14, –9)•(1, 1, 1) = x1(1, 1, 1)•(1, 1, 1) ou 9 = 3x1 ou x1 = 3. (4, 14, –9)•(1, –3, 2) = x2(1, –3, 2)•(1, –3, 2) ou –56 = 14x2 ou x2 = –4. (4, 14, –9)•(5, –1, 4) = x3(5, –1, 4)•(5, –1, 4) ou 42 = 42x3 ou x3 = 1. Portanto, v = 3u1 – 4u2 + u3. Em resumo, a combinação linear de vetores ortogonais pode ser generalizada da seguinte forma: (3-7) Onde os coeficientes da equação (3-7) são chamados de coeficientes de Fourier. 3.7 SISTEMAS LINEARES HOMOGÊNEOS. Um sistema linear é homogêneo se todos os termos constantes 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 reduzida e a questão se reduz a determinar as soluções não nulas. Teorema: Seja r o númerode equações e n o número de incógnitas de um sistema homogêneo na forma reduzida. 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 23: 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 –5y + 3z = 0 | –5y + 3z = 0 | reduzida –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 u = (2, 3, 5) é uma solução do sistema. Solução (b): Encontramos a forma reduzida: x + y – z = 0 | x + y – z = 0 | Forma 2y + z = 0 | 2y + z = 0 | reduzida –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. 3.8 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: Fluxo unidirecional: o fluxo em qualquer ramo é sempre num único sentido. 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. 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. Observe, nesta rede, a presença destas três propriedades. Fig. 3-3. Exemplo 24: 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 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). Para aplicarmos a lei de Kirchhoff para as tensões, precisamos primeiramente escolher um nó como referência (denominado de nó terra) onde sua tensão é tida como nula. Escolhendo o nó 4 como sendo o terra (e4 = 0) e denotando as outras tensões de nó como e1, e2 e e3, então podemos escrever Ramo 1: v1 = e1 – e3 Ramo 2: v2 = e1 – e2 Ramo 3: v3 = –e2 + e3 Ramo 4: v4 = e2 Ramo 5: v5 = e3 Ramo 6: v6 = –e1. Onde v1, v2, v3, v4, v5 e v6 são as tensões de ramo. Este sistema pode ser escrito na forma matricial como segue Ou simplesmente v = Ae O vetor v é o vetor das tensões de ramo (diferença de potencial entre dois nós quaisquer). O vetor e é o vetor das tensões de nó (diferença de potencial entre um nó qualquer e o terra). Neste caso, e4 não aparece por ser o nó de referência (e4 = 0) Exemplo 25: 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. 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. 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 = y1 ao + a1x2 + a2x22 + ... + an-1x2n-1 = y2 ...................................................... ao + a1xn + a2xn2 + ... + an-1xnn-1 = yn. Desse sistema tiramos facilmente a matriz aumentada nas incógnitas ao, a1, a2, ..., an-1. » NOTA: 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 26: O exemplo mais simples é encontrar um polinômio linear do tipo P(x) = b + ax, cujo gráfico passa por dois pontos distintos (x1, y1) e (x2, y2) do plano xy (Figura 3-6). Fig. 3-6. Portanto os coeficientes incógnitos a e b podem ser obtidos resolvendo o sistema linear: b + ax1 = y1 b + ax2 = y2. Resultando em: Note que a é a inclinação da reta e b é o valor em que a reta corta o eixo vertical. Exemplo 27: 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: E a matriz na forma escalonada reduzida por linha é: Então segue que ao = 4, a1 = 3, a2 = –5 e a3 = 1. Assim o polinômio interpolador é: P(x)= 4 + 3x – 5x2 + x3. Exercício: Aproximar a função f(x) = sen(πx2/2) por um polinômio interpolador de grau 4, no intervalo [0, 1]. Sugestão: Escolha os seguintes valores para x: x1 = 0; x2 = 0,25; x3 = 0,5; x4 = 0,75 e x5 = 1. [Resp. p(x) = 0,098796x + 0,762356x2 + 2,14429x3 – 2,00544x4]. � 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) Determine as variáveis lideres e as variáveis livres dos sistemas a seguir: 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) Resolva o sistema reduzido do problema 3(a). 5) Resolva o sistema triangular do problema 3(b) 6) Para cada um dos sistemas a seguir resolva-os utilizando o processo de eliminação de Gauss. 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. 7) Determine a forma escalonada por linha de cada uma das seguintes matrizes: 8) Reduza cada uma das matrizes a seguir à forma escalonada reduzida por linha. 9) Determine a matriz aumentada e a matriz dos coeficientes do seguinte sistema: x + 2y – 3z = 4 3y – 4z +7x = 5 6z + 8x – 9y = 1. 10) Resolva cada um dos seguintes sistemas usando a matriz associada M. (a) x + 2y – z = 3 (b) x – 2y + 4z = 2 (c) x + y + 3z = 1 x + 3y + z = 17 2x – 3y + 5z = 3 2x + 3y – z = 3 3x + 8y + 4z = 17 3x – 4y + 6z = 7 5x + 7y + z = 7. 11) 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. 12) Calcule o posto das matrizes dos problemas 7 e 8. 13) Encontre os valores de k(R, 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. 14) Represente o sistema a seguir na forma matricial e encontre a matriz incógnita que é solução do sistema. x + 6y – 8z = 1 2x + 6y – 4z = 0. 15) 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. 16) Encontre uma equação linear em x e y cujo conjunto solução é dado pelas equações: x = 5 + 2t, y = t. 17) 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. 18) 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. 19) 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. 20) 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. _1426824727.unknown _1426832521.unknown _1426833096.unknown _1430562792.unknown _1430562826.unknown _1427460948.unknown _1427463094.unknown _1426833114.unknown _1426832945.unknown _1426825341.unknown _1426825382.unknown _1426826064.unknown _1426825209.unknown _1426824470.unknown _1426824560.unknown _1426824571.unknown _1426824551.unknown _1363104284.unknown _1426824137.unknown _1426824149.unknown _1363104483.unknown _1363262427.unknown _1363104668.unknown _1363104439.unknown _1268615871.unknown _1302134104.unknown _1363102330.unknown _1363104224.unknown _1362500674.unknown _1268616770.unknown _1282385641.unknown _1282386086.unknown _1302090840.unknown _1282385542.unknown _1268616206.unknown _1268613530.unknown _1268615634.unknown _1267794680.unknown
Compartilhar