Álgebra Linear

ESTUDOS E
SOLUÇÃO DE
SISTEMAS LINEARES
Discente: Laércio Silva da Costa
Coordenadora: Lilian de Oliveira
Carneiro
Curso: Engenharia de Minas, 9º
Semestre
 CONTEÚDO
1. Introdução 5. solução de um sistema de equações lineares
1.1 Equação Linear 5.1 Equações lineares degeneradas e incógnita líder
1.2 Sistema de Equações Lineares 5.2 Eliminação Gaussiana: Formulação Matricial
2. Sistemas e Matrizes 5.3 Regra de Cramer
2.1 Representação Matricial de um sistema 6. Referências
2.2 Classificação de Sistema Linear
2.3 Matriz Ampliada e Matriz de Coeficientes
2.4 Matrizes Escalonadas
2.5 Matriz na forma canônica por linhas
3. Operações Elementares
4. Equivalência por Linhas

2
1. INTRODUÇÃO
1.1 EQUAÇÃO LINEAR
Definição: Uma equação é linear nas incógnitas x1, x2, ..., xn se for da forma:

a1x1 + a2x2 + ... + anxn = b

 Será a nossa DÚVIDA: x1, x2, ... xn

Solução: A solução da equação linear é uma lista de valores para x1, x2, ..., xn, ou seja,
x1 = k1, x2 = k2, ... xn = kn, que satisfaz a equação:

a1k1 + a2k2 + ... + ankn = b

 Será a nossa RESPOSTA: k1, k2, ..., kn e então satisfazem a equação linear. 3
1. INTRODUÇÃO
1.1 EQUAÇÃO LINEAR
Exemplo de Equação Linear: Considere a equação linear nas três incógnitas x, y e z a
seguir:
2x + 3y – z = 3
Note que x = 5, y = 2, z = 13 é solução da equação linear.

4
1. INTRODUÇÃO
1.2 SISTEMA DE EQUAÇÕES LINEARES
Definição: Uma lista de equações lineares com as mesmas incógnitas.
Em um sistema de equações lineares as equações são denotadas como:
(L) – (L1, L1, ... Ln) nas incógnitas x1, x2, ..., xn.
Um modelo de equação linear: L1- (2x + 3y – 5z = -4)

Equação: a1x1 + a2x+ +

a3x3 = b
a1 = 2 a2 = 3 a3 = -5 b
= -4
Solução: A solução da equação éx1 = x listax2
uma de=valores
y x3 para
= z x1, x2, ..., xn, ou seja,

x1 = k1, x2 = k2, ... Xn = k, que satisfaz a equação:

a1k1 + a2k2 + ... + ankn = b

5
1. INTRODUÇÃO
1.2 SISTEMA DE EQUAÇÕES LINEARES

Representação do Sistema:
OBSERVAÇÃO:

a11x1 + a12x2 + ... + a1nxn = b1 1) Sistema Quadrado: Quando o número de equações

for igual ao número de incógnitas.
a21x1 + a22x2 + ... + a2nxn = b2
. 2) Sistema Homogêneo: Quando as constantes b1 = b2
. = bn = 0
.
am1x1 + am2x2 + ... + amnxn =
bm

Em que:

aij  Coeficiente de xj  Incognitas bi = Constantes

6
xj
1. INTRODUÇÃO
1.2 SISTEMA DE EQUAÇÕES LINEARES

OBSERVAÇÕES:

1) Sistema Quadrado: Quando o número de equações for igual ao número de incógnitas;

2x + 3y = 2 (L1) Equações: (L1, L2)

-4x + 5y = -5 (L2) Incógnitas: (X, Y)

2) Sistema Homogêneo: Quando b1 = b2 = ... bn = 0

2x + 3y = 0 B1, B2 = 0
-4x + 5y = 0

7
2. SISTEMAS E MATRIZES
2.1 REPRESENTAÇÃO MATRICIAL DE UM SISTEMA
JÁ SABEMOS: Um sistema de equações lineares com m equações e n incógnitas é um
conjunto de equações do tipo:

a11x1 + a12x2 + ... + a1nxn = b1

a21x1 + a22x2 + ... + a2nxn = b2

. . .
. . .
. . .
am1x1 + am2x2 + ... + amnxn =
bm

8
2. SISTEMAS E MATRIZES
2.1 REPRESENTAÇÃO MATRICIAL DE UM SISTEMA
 Podemos escrever o sistema abaixo da forma: A*X = B, isto é:

a11x1 + a12x2 + ... + a1nxn = b1

a21x1 + a22x2 + ... + a2nxn = b2

. . .
. . .
. . .
am1x1 + am2x2 + ... + amnxn =
bm

a11 a12 ... a1n x1 b1

a21 a22 ... a2n x2 b2
. . . . .
* =
. . . . .
. . . . .
Am1 am2 ... amn xn b
9
m
2. SISTEMAS E MATRIZES
 Podemos escrever o sistema abaixo da forma: A*X = B, isto é:
a11x1 + a12x2 + ... + a1nxn = b1

a21x1 + a22x2 + ... + a2nxn = b2

. . .
. . .
. . .
am1x1 + am2x2 + ... + amnxn =
bm
Em
que:
a11 a12 ... x1 b1
a1n x2 b2
a21 a22 ... . .
A= X= B=
a2n . .
. . . . .
. . . xn b
. . . m
A – Matriz de X – Matriz de Incógnitas B – Matriz de 10
Am1 am2 ...
Coeficientes Constantes
amn
2. SISTEMAS E MATRIZES
2.2 CLASIFICAÇÃO DE SISTEMA LINEAR
TEOREMA: Qualquer sistema de equações lineares tem:
i) Uma única solução;
ii) Infinitas soluções;
iii) Nenhuma Solução;
A partir disso, tem-se as seguintes classificações:
 Sistemas de equações lineares inconsistentes: Sem solução;
 Sistemas de equações lineares consistentes: Solução única ou número infinito de
soluções.

11
2. SISTEMAS E MATRIZES
2.2 CLASIFICAÇÃO DE SISTEMA LINEAR

i) SPD: Sistema Possível e Determinado iii) SI: Sistema

Impossível:
Solução:
X1 + 4x2 + 3x3 = 1 x1 = 3 x+y=9 Sem Solução:
2x1 + 5x2 + 4x3 = 4
x1 – 3x2 – 2x3 = 5
x2 = -2 0x + 0y 0x + 0y = 5
x3 = 2 =5

ii) SPI: Sistema Possível e Indeterminado

x+y=5 Solução:
x–y=3 X=5–Y
12
2. SISTEMAS E MATRIZES
2.3 MATRIZ AMPLIADA E MATRIZ DE COEFICIENTES
 A um sistema linear contendo m equações e n incógnitas, podemos associar duas
matrizes:
a11 a12 ... a1n b1
a21 a22 ... a2n b2 Na matriz ampliada cada linha dessa
. . matriz é simplesmente uma
. . representação abreviada da equação
Matriz Ampliada: M = . . correspondente no sistema associado.
am1 am2 ... amn bm

a11 a12 ...

a1n Na matriz de coeficientes cada linha
a21 a22 ... dessa matriz é simplesmente uma
a2n representação abreviada das
Matriz de coeficientes: A = . constantes de cada incógnita
correspondente no sistema associado.
. 13

.
2. SISTEMAS E MATRIZES
OBSERVE O SISTEMA ABAIXO:

X1 + 4x2 + 3x3 = 1
2x1 + 5x2 + 4x3 = 4
x1 – 3x2 – 2x3 = 5

FORMA MATRICIAL:

1 4 x1 1
3 * x2 = 4
2 5 x3 5
4
1 -3 -AMPLIADA DO SISTEMA:
MATRIZ SOLUÇÃO:
2 Através de operações
1 4 3 1 0 0 x1 = 3 equivalentes às efetuadas nas
1 3 x2 = - equações dos sistemas,
2 5 4 0 1 0 - 2 chegamos a essa solução para
4 2 x3 = 2 as incógnitas do sistema.14
1 -3 -2 0 0 1
5 2
2. SISTEMAS E MATRIZES
2.4 MATRIZES ESCALONADAS
 Dizemos que uma matriz A é escalonada, ou está na forma escalonada, se as duas
condições a seguir são válidas:
(i) Todas as linhas nulas, caso existam, são agrupadas nas linhas inferiores da matriz;

0 1 -3 2
2
0 0 0 1
2
0 0 0 0
(ii) Cada elemento líder não nulo
0 está à direita do elemento líder não nulo da linha
anterior.
0 1 -3 2
2
0 0 0 1
2
0 0 0 0
0 15
2. SISTEMAS E MATRIZES
2.5 MATRIZ NA FORMA CANÔNICA POR LINHAS
 Dizemos que uma matriz A está a forma canônica por linhas, se for uma matriz
escalonada, isto é, satisfaz as condições de matriz escalonada, assim como, satisfaz
também as duas condições a seguir:
(iii) Cada pivô (elemento líder não nulo) é igual a 1;
0 1 -3 0
2
0 0 0 1
2
0 0 0 0
0
(iv) Cada Pivô é o único elemento não nulo em sua coluna.
1 2 0 1 -3 0
3 2
0 0 0 0 0 1
A= B=
1 2
0 0 0 0 0 0
0 0 16
Observe que somente a matriz B está na forma canônica por linhas.
3. OPERAÇÕES ELEMENTARES
Vimos anteriormente que podemos representar um sistema de equações lineares através
de uma dada matriz. Seja A uma matriz com linhas L1, L2, ..., Lm. Então as seguintes
operações sobre A são denominadas operações elementares sobre as linhas da matriz
auxiliando na solução de um dado sistema linear.
E1) Trocar duas linhas de posição: Permuta das i-ésima e j-ésima linhas da matriz, (Li 
Lj):
Exemplo:
1 L20  L3 1 0
OBS: Note então que a L2 foi
4 -1 0 4
trocada pela L3.
0 4 4 -
1

E2) Substituição de uma linha pela multiplicação da i-ésima linha por um escalar k ≠ 0: (Li
 kLi) OBS: Note que a L2 foi
1 L2
Exemplo: 0  (-3)L2 1 Multiplicado por (-3) e
4 -1 0 L2: (-3)*(4 -1)  (-12 substituída na L2
0 4 -12 3) novamente após a
(1) 3 multiplicação.
(2)
0 17

4
3. OPERAÇÕES ELEMENTARES
E3) Substituição da i-ésima linha pela i-ésima linha mais k vezes a j-ésima linha: (Li  Li +
kLj)
OBS: Note agora que
Exemplo: L3  L3 + 2L1 a L2 foi multiplicada
1 0 1
4 -1 0 L3  (0 4) + 2*(1 0)  (2 por 2 e somada com
0 4 4 - 4) a L3, e o resultado
1 substituído na L3.
(1) (2)
2
4

18
4. Equivalência por Linhas
TEOREMA: Dizemos que uma matriz A é equivalente por linhas a uma matriz B, denotado
por A ~ B se B puder ser obtida a partir de A por uma sequência de operações
elementares com as linhas de A.
Um sistema que possui matriz ampliada equivalente são equivalentes mesmo após as
operações elementares.
X1 + 4x2 + 3x3 1 4 3 1 0 0
=1
2x1 + 5x2 + 4x3
1
2 5 4
~ 3
0 1 0 -
=4 4 2
x1Sistema
– 3x2 – 2x3 = Matriz
1 -3 -2 Matriz
0 0 1
5 Ampliada
5 Equivalente
2
Por linhas
Nas soluções de sistemas o nosso objetivo principal será chegar em sistemas mais simples
como esse através das operações elementares para facilitar a solução destes.
1X1 + 0X2 + 0X3 = 1X1 = Solução do
3 3 Sistema:
0X1 + 1X2 + 0X3 = 1X2 = -
-2 2 X1 = 3; x2 = -2; x3 19

0X1 + 0X2 + 1X3 = 1X3 = =2

2
5. SOLUÇÃO DE UM SISTEMA DE EQUAÇÕES LINEARES

OBJETIVO: Estudar as soluções de um sistemas de equações lineares e o que pode ocorrer.

Imagine que temos um sistema de uma equação e uma incógnita, isto é, ax = b, então
existirão três possibilidades de solução para o sistema:
i) a ≠ 0. Neste caso a equação tem uma única solução;

ii) a = 0 e b = 0. Então temos 0x = 0 e então qualquer número real será solução da

equação;
iii) a = 0 e b ≠ 0. Temos 0x = b. Não existe solução para esta equação, logo não existirá solução para o
sistema.

20
5. SOLUÇÃO DE UM SISTEMA DE EQUAÇÕES LINEARES

5.1 EQUAÇÕES LINEARES DEGENERADAS E INCÓGNITA LIDER

Equações lineares Degeneradas: Equações cujo todos os coeficientes são nulos, e tem a
forma:

0x1 + 0x2 + ... + 0xn = b

 A solução do sistema depende somente de b:
◦ B ≠ 0, equação ou sistema não possui solução;
Ex.: 0x1 + 0x2 + 0x3 = 5
◦ B = 0, equação poderá ser retirada do sistema.
Ex.: 0x1+ 0x2 + 0x3 = 0

21
5. SOLUÇÃO DE UM SISTEMA DE EQUAÇÕES LINEARES

5.2 Eliminação Gaussiana: Formulação Matricial

A seguir, estudaremos dois algoritmos matriciais utilizados na resolução de sistemas

lineares.

Algoritmo (i): Transforma qualquer matriz A em uma matriz na forma escalonada.

i) Arranje as linhas da matriz de tal modo que a1j1 ≠ 0.
 Caso necessário, troque de posição duas linhas para que na primeira linha tenha
uma entrada não nula da coluna j1;
4 -1 1
1 0 L1  L2 0
0 4 4 -
1
2
4 22
5. SOLUÇÃO DE UM SISTEMA DE EQUAÇÕES LINEARES

5.2 Eliminação Gaussiana: Formulação Matricial

A seguir, estudaremos dois algoritmos matriciais utilizados na resolução de sistemas

lineares.

Algoritmo (i): Transforma qualquer matriz A em uma matriz na forma escalonada.

ii) Use a1j1 como pivô para obter zeros abaixo de a1j1, ou seja, para i > 1.
 Substitua Li  (-aij1)L1 + (a1j1)Li:
1 1
0 L2  (-4)L1 +
1L2
~ 0
4 - L3  (-2)L1 + 0 -
1 1L3 1
2 0
4 4
23
5. SOLUÇÃO DE UM SISTEMA DE EQUAÇÕES LINEARES

5.2 Eliminação Gaussiana: Formulação Matricial

A seguir, estudaremos dois algoritmos matriciais utilizados na resolução de sistemas

lineares.

Algoritmo (i): Transforma qualquer matriz A em uma matriz na forma escalonada.

iii) Repetir o passo (i) com a nova matriz formada, para isso, seja j2 a primeira coluna da
nova matriz com entrada não nula. Vamos utilizar agora o elemento a2j2 ≠ 0, para
eliminar o que está abaixo.
1 1
 Substitua Li  (-aij1)L1 + (a1j1)Li:
~0
0
0 - L3  (4)L2 + 0 -
1 1L3 1
0 0
4 0 24

iv) Continuar o processo até que uma matriz equivalente possua apenas linhas nulas.
5. SOLUÇÃO DE UM SISTEMA DE EQUAÇÕES LINEARES

5.2 Eliminação Gaussiana: Formulação Matricial

1
Exemplo: Seja a matriz 0A= . Vamos usar o algoritmo abordado anteriormente
4 -
para reduzir A a uma forma escalonada.
1
2
4
Note em primeiro em primeiro lugar que a11 = 1, portanto vamos toma-lo como pivô para
obter zeros abaixo de a11.
1 1 Note que a matriz ainda não está na forma
A=1 L2  (-4)L1 + ~1 escalonada, visto que os pivôs da segunda
4 - L2  (-2)L1 +
L3 0 - e da terceira linha estão na mesma
1 L3 5 posição.
2 0
1
4
1 2 1 Agora, veja que a matriz está na forma
~ 1
0 - L3  (2)L2 + escalonada.
0 -
5 (5)L3 5 25
0 0
2 0
5. SOLUÇÃO DE UM SISTEMA DE EQUAÇÕES LINEARES

5.2 Eliminação Gaussiana: Formulação Matricial

Algoritmo (ii): O segundo algoritmo transforma uma matriz escalonada em sua forma
canônica por linhas.

Seja A = [aij] uma matriz em forma escalonada com pivôs nas entradas a1j1, a2j2, ..., arjr,
este algoritmo produz a forma canônica por linhas de A.
Multiplique a última linha não nula Lr por

i) Use arjr = 1 para obter zero acima do pivô, por meio da seguinte operação: (arjr)Lr + Li
 Li; 1 1 1
L2  Logo, temos a matriz na
1 ~1 L1  (-1)L2 + ~ 0
0 forma canônica por linhas.
0 - 0 L1
5 1 1
0 0 0
0 0 0 26

ii) Repita o passo (i) para as linhas Lr- 1, Lr-2, ... .

5. SOLUÇÃO DE UM SISTEMA DE EQUAÇÕES LINEARES

EXEMPLO: Considere o sistema abaixo e mostre se o mesmo assume solução ao não.

1x + 4y 1 4 1
=1 2 2 8
2x + 2y
=8 Matriz Ampliada do
sistema

1º PASSO: Vamos eliminar o coeficiente a21 que acompanha a incógnita x na equação L2.

1 4 1 1 4 1
Note que a matriz já está na forma
2 2 8 L2  (-2)L1 + 0 -6 6
escalonada.
L2

27
5. SOLUÇÃO DE UM SISTEMA DE EQUAÇÕES LINEARES

EXEMPLO: Considere o sistema abaixo e mostre se o mesmo assume solução ao não.

1x1 + 4y2 = 1 1 4 1
2x1 + 2y2 = 8 2 2 8

Matriz Ampliada do
sistema

2º PASSO: Vamos transformar a matriz escalonada na forma canônica por linhas.

1 4 1 1 4 1
L2 
0 -6 6 0 1 -1

28
5. SOLUÇÃO DE UM SISTEMA DE EQUAÇÕES LINEARES

EXEMPLO: Considere o sistema abaixo e mostre se o mesmo assume solução ao não.

1x1 + 4y2 = 1 1 4 1
2x1 + 2y2 = 8 2 2 8

Matriz Ampliada do
sistema

3º PASSO: Vamos eliminar o coeficiente a12 que acompanha a incógnita y na equação L1.

1 4 1 1 0 5
0 1 -1 L1  (-4)L2 + L1 0 1 -1

29
5. SOLUÇÃO DE UM SISTEMA DE EQUAÇÕES LINEARES

EXEMPLO: Considere o sistema abaixo e mostre se o mesmo assume solução ao não.

1 4 1
2 2 8
Matriz Ampliada do
sistema
Logo, os sistemas abaixo são equivalentes:

x=5
1x + 4y
=1 ~ 1x + 0y = 5
0x + 1y = -1 Y = -1
2x + 2y Soluçã
=8 o

Portanto, note que o sistema assume solução única e portanto ele é um sistema possível30 e
determinado (SPD).
5. SOLUÇÃO DE UM SISTEMA DE EQUAÇÕES LINEARES

5.3 REGRA DE CRAMER

Definição: Seja o sistema linear AX = B, onde Anxn é uma matriz invertível.

Vimos que o seguinte sistema abaixo pode ser escrito na forma matricial, como:

a11x1 + a12x2 + ... + a1nxn = b1 a11 a12 ... a1n x1 b1

a21 a22 ... a2n x2 b2
a21x1 + a22x2 + ... + a2nxn = b2 . . . . .
* =
. . . . . . . .
. . . . . . . .
. . . Am1 am2 ... amn xn b
am1x1 + am2x2 + ... + amnxn = m
bm
Onde A é a matriz dos coeficientes, X é a matriz da incógnitas, B é a matriz das
constantes.
31
5. SOLUÇÃO DE UM SISTEMA DE EQUAÇÕES LINEARES

5.3 REGRA DE CRAMER

A solução do sistema pela Regra de Cramer é dada por:

Onde Ai é a matriz obtida de A trocando-se sua coluna i pela matriz de constantes B.

32
5. SOLUÇÃO DE UM SISTEMA DE EQUAÇÕES LINEARES

5.3 REGRA DE CRAMER

Digamos que queremos encontra a variável x2.

a11 b1 ...
a1n
a21 b2 ...
a2n
. .
.
X2 . .
= .
a11
. a12
. ...
a1n
.
a21
Am1 a22 ...
bm ...
a2n
amn
. .
. 33
. .
.
5. SOLUÇÃO DE UM SISTEMA DE EQUAÇÕES LINEARES

5.3 REGRA DE CRAMER

Exemplo: Encontre a solução do sistema abaixo utilizando a regra de cramer.

2x – y = 4
x + 5y =
13
Vamos calcular o determinante da matriz de coeficientes A associada ao sistema:
2 -1
A= detA = [(2*5) – (1*-1)]  detA = 11
1 5

Logo, vamos calcular os valores para as incógnita x e y que sejam solução do sistema:

4 -1 2 4 Solução do
x= x= 33  x=3 y= y= 22  y = 2
13 5 1 13 Sistema
11 11
11 11 x = 3, y = 2
34
6. REFERÊNCIAS
BOLDRINE , Luiz. Álgebra Linear. 3. ed. [S. l.]: Harbra ltda, 1980. 407 p.

35
OBRIGADO PELA ATENÇÃO!!

36