Escolar Documentos
Profissional Documentos
Cultura Documentos
56 11:20 AM Page 1
CAPÍTULO 1
Equações Lineares
e Matrizes
1.1 MATRIZES
Exemplo 1 As coordenadas de um ponto no plano são geralmente escritas como um par ordenado
(x, y). Aqui, a palavra ordenado indica que a ordem das coordenadas x e y é importante.
Por exemplo, (2, 3) e (3, 2) representam pontos distintos. Analogamente, as coordenadas
de um ponto no espaço são escritas como uma tripla ordenada (x, y, z).
Exemplo 3 Dados estatísticos são, com freqüência, dispostos em tabelas. Por exemplo, o número de
estudantes do sexo masculino, feminino, de graduação e de pós-graduação de uma pequena
faculdade é dado na seguinte tabela:
pós-graduação graduação
sexo feminino 3.013 256
sexo masculino 3.155 511
Tal tabela dá uma descrição gráfica clara dos dados, além de ter outros usos, conforme
veremos.
v1 v2 v3 v4 v1 v2
v1 0 1 1 1
v2 0 0 1 1
v3 0 1 0 0 v3 v4
v4 0 0 0 0
1.1.1 Matrizes
Motivado por exemplos como esses, uma tabela retangular de números é chamada
uma matriz,1 e os números na matriz são chamados elementos2 da matriz. Matrizes são
geralmente denotadas por letras maiúsculas A, B, C etc.
Uma notação especial foi criada para os elementos de uma matriz A. Se A tem tamanho
m × n, e se o elemento (i, j) de A for denotado por aij, então A é escrita da seguinte maneira:
⎡ ⎤
a11 a12 a13 ··· a1n
⎢ ⎥
⎢a ··· a2n ⎥
⎢ 21 a22 a23 ⎥
A= ⎢
⎢ ··
⎥.
⎣ · ··· ··· ··
· ··· ⎥
⎦
am1 am2 am3 ··· amn
Geralmente isso é escrito simplesmente como A = [aij] e aij denota o elemento que está na
linha i e coluna j. Por exemplo, usando essa notação, uma matriz 2 × 3 genérica é escrita como
a11 a12 a13
A= .
a21 a22 a23
Observe que, como em pares ordenados, duas matrizes A e B são iguais (escrevemos A = B)
se elas tiverem o mesmo número de linhas e de colunas e se os elementos correspondentes
forem iguais. Mais precisamente:
1 Embora o termo matriz tenha sido usado pela primeira vez em 1848 por James Sylvester (1814–1897), foi Arthur Cayley
(1821–1895) quem primeiro considerou matrizes como conceito especial, em um artigo de 1858 intitulado “Uma memória
sobre a teoria de matrizes”.
2 Definições de termos novos aparecerão em negrito por todo o texto.
Algebra_Chap01_PORTUGUES.qxd 31.08.56 11:20 AM Page 3
1.1 Matrizes 3
⎧
⎨ 1. AA eand B have
B têm the same
o mesmo size
tamanho
A=B se, e somente se, ⎩ 2. Os elementos correspondentes
Corresponding são iguais
entries are equal
Se A = [aij] e B = [bij] têm ambas tamanho m × n, a afirmação feita pode ser reescrita
na forma
[aij] = [bij] se, e somente se, aij = bij para todo i e todo j.
1 −3 0 1 −3 x y
Exemplo 6 Dados A = ,B= ,C= , discuta a possibilidade de ser ter A = B,
2 5 0 2 5 z w
A = C, ou B = C.
SOLUÇÃO É impossível que se tenha A = B porque A e B têm tamanhos diferentes: A é uma matriz 2 × 3
enquanto B é 2 × 2. Assim, A e B não são iguais (escrevemos, A ≠ B). Analogamente, A ≠ C.
Entretanto, é possível que ocorra B = C, se os elementos correspondentes forem iguais:
1 −3 x y
= pode ocorrer somente se x = 1, y = −3, z = 2 e w = 5.
2 5 z w
Exemplo 7 O imposto anual sobre os rendimentos da Empresa 1 (em milhões) é composto de $ 175
milhões de imposto corporativo, $ 35 milhoões de imposto sobre a renda e $ 17 milhões em
imposto sobre as vendas. Esses dados estão resumidos na matriz de impostos sobre os
rendimentos
T1 = [175 35 17].
Analogamente, a Empresa 2 tem matriz dos impostos igual a
T2 = [190 41 22].
A matriz dos impostos de ambas as empresas juntas é, então,
T = [175 + 190 35 + 41 17 + 22] = [365 76 39].
Essa nova matriz é obtida somando-se os elementos correspondentes de T1 e T2.
Muitas propriedades gerais da adição numérica também valem para a adição de matrizes.
Se A, B e C são matrizes do mesmo tamanho, então:
A+B=B+A (Propriedade Comuttiva)
A + (B + C) = (A + B) + C (Propriedade Associativa)
De fato, se A = [aij], então B = [bij], então os elementos (i, j) de A + B e de B + A são,
respectivamente, aij + bij e bij + aij. Como para cada i e j essas somas são iguais, temos:
A + B = [aij + bij] = [bij + aij] = B + A.
Isso demonstra a propriedade comutativa. A propriedade associativa é verificada de modo
análogo.
A matriz m × n cujos elementos são todos iguais a zero é chamada matriz nula desse
tamanho, e é denotada por 0 (ou 0mn se for necessário indicar o tamanho).3 É claro que
0 + A = A para toda matriz A de tamanho m × n .
A oposta da matriz A de tamanho m × n (denotada por –A) é a matriz m × n obtida
tomando-se os opostos de cada elemento de A. Se A = [aij] podemos escrever
−[aij] = [−aij].
Em outras palavras, o elemento (i, j) de –A é −aij. Como a adição de matrizes é feita
componente a componente, temos:
A + (−A) = 0 para toda matriz A de tamanho m × n ,
em que 0 denota a matriz nula de tamanho m × n . O teorema a seguir junta essas quatro
propriedades básicas da adição de matrizes para referência posterior.
3 1 1 −2
Exemplo 9 Se A = eB = , encontre uma matriz X tal que X + B = A.
6 4 0 4
3 O mesmo símbolo 0 é comumente usado para uma matriz nula e para o número 0. Na prática, isso causa muito pouca confusão já
que o significado quase sempre fica claro pelo contexto.
Algebra_Chap01_PORTUGUES.qxd 31.08.56 11:20 AM Page 5
1.1 Matrizes 5
3A = 1
=
2 2
, B ⎣ ⎦, e
6 21 9 2 9
4 4 2
5 0 −15 10 −12 2 −5 12 −17
5A − 2B = − = .
10 35 15 16 16 18 −6 19 −3
DEMONSTRAÇÃO Já tínhamos mencionado a propriedade (4). Para verificar a validade de (1), escreva A = [aij]
e B = [bij]. Então A + B = [aij + bij] como antes, e o elemento (i, j) da matriz c(A + B) é
c(aij + bij) = caij + cbij.
Mas caij e cbij são os elementos (i, j) de cA e cB, respectivamente. Logo, caij + cbij é o
elemento (i, j) de cA + cB, provando (1). As verificações de (2) e (3) são análogas, e deixadas
como exercícios.
1 0
Exemplo 13 Encontre A sabendo que 1
5
4A − = − 2A.
−2 5
T EOREMA 3 Se cA = 0, então ou c = 0 ou A = 0.
1.1 Matrizes 7
Assim sendo, os elementos da diagonal estão sobre a linha diagonal que começa no canto
superior esquerdo de A. Por exemplo, em cada uma das matrizes a seguir, a diagonal
principal é formada pelos elementos a e b: ⎡ ⎤
a x
a x a x p ⎢ ⎥
⎢y b⎥
⎣ ⎦
y b y b q
r s
Observe que a diagonal principal de uma matriz quadrada se estende do canto superior
esquerdo até o canto inferior direito.
DEMONSTRAÇÃO (1) é parte da definição de AT , e (2) é verdadeira porque (AT )T é o resultado de “refletir”
duas vezes, o que faz retornar a A. Analogamente, (cA)T é o resultado obtido ao multiplicar
de cada elemento de A por c e depois refletir, que é o mesmo que o resultado de primeiro
refletir A e depois multiplicar por c.
Mesmo podendo demonstrar (4) do mesmo modo que anteriormente, usaremos agora a
definição formal. Escreva A = [aij] e B = [bij], de modo que AT = [aji] e BT = [bji] são
obtidos pela troca de i por j em cada posição. Como A + B = [aij + bij], tem-se
(A + B)T = [aji + bji] = [aji] + [bji] = AT + BT .
Isso é o que queríamos.
Algebra_Chap01_PORTUGUES.qxd 31.08.56 11:20 AM Page 8
T
1 −2 3 −1
Exemplo 15 Encontre a matriz A sabendo que AT + 2 =5 .
5 0 1 7
Exemplo 16 Um grafo não dirigido consiste de vértices, alguns dos quais conectados por segmentos
com nenhuma direção designada (ao contrário de um grafo dirigido). A matriz de
v2 adjacências de tal grafo tem um 1 na posição (i, j) se vi e vj estiverem conectados e,
conseqüentemente, é uma matriz simétrica, como ilustrado no grafo dado. Observe o
v1
contraste com o Exemplo 4 na situação de grafo dirigido.
⎡ ⎤
1 1 0
⎢ ⎥
⎢1 0 1⎥
⎣ ⎦
v3
0 1 0
1.1 Matrizes 9
Exercícios 1.1
1. Uma loja vende bicicletas de corrida e mountain bikes. 4. Calcule:
⎛⎡ ⎤ ⎡ ⎤⎞ ⎡ ⎤T
O gerente tem as seguintes tabelas de dados disponíveis, a 1 −3 2 2 0 12 1 −5 −43
⎜⎢ ⎥ ⎢ ⎥⎟ ⎢ ⎥
primeira dando o número de bicicletas vendidas de cada a) 3⎝⎣ 0 4 −9 ⎦ − 21⎣ −15 −3 2 ⎦⎠ + 5⎣ 0 7 0 ⎥
⎜ ⎢ ⎥ ⎢ ⎥ ⎟ ⎢
⎦
tipo para cada trimestre de 1998 e a segunda, para cada 2 −3 1 12 −8 −32 21 45 −34
⎡ ⎤ ⎛ ⎡ ⎤ ⎡ ⎤⎞T
trimestre de 1999: 21 20 −21 90 −45 20 19 −25 87
⎢ ⎥ ⎜ ⎢ ⎥ ⎢ ⎥⎟
⎦ − 9⎝2⎣ −23 ⎦ − 13⎣ 47
b) ⎢ 56 11 34 ⎥ ⎜ ⎢ 32 72 ⎥ ⎢ 40 81 ⎥ ⎟
1998 Bicicletas de Corrida Mountain Bikes ⎣ ⎦⎠
45 83 −34 65 23 89 85 35 24
1º Trimestre 32 27
2º Trimestre 65 78 5. a) Descreva quando uma matriz é igual à sua transposta.
º
3 Trimestre 53 74 Tais matrizes são chamadas matrizes simétricas.
º
b) Descreva quando uma matriz é igual à oposta de sua
4 Trimestre 35 46 transposta. Tais matrizes são chamadas matrizes anti-
simétricas.
1999 Bicicletas de Corrida Mountain Bikes
6. Em cada caso, ou prove que a afirmação é verdadeira ou dê
1º Trimestre 38 43
um exemplo mostrando que ela é falsa. Ao longo do exercício,
2º Trimestre 72 97 A, B e C denotam matrizes.
3º Trimestre 76 102 a) Se A + B = A + C, então B e C têm o mesmo tamanho.
º
4 Trimestre 43 65 b) Se A + B = 0, então B = 0.
c) Se o elemento (2, 3)de A é 7, então o elemento (3, 2) de
a) Expresse cada uma das tabelas como uma matriz. AT é −7.
b) Encontre uma operação com matriz que produza o total d) Se A = −A, então A = 0.
de vendas nesses dois anos juntos, e efetue os cálculos. e) Para toda matriz A, A e AT têm a mesma diagonal principal.
c) Os dados para 1997 foram fornecidos em um formato
levemente diferente, como segue: 7. Encontre
a, b, c e d se:
a b b − c c a b 1
1º 2º 3º 4º a) = . b) 3 −2 = .
c d d 1 b 0 4
1997 Trim. Trim. Trim. Trim
Bicicleta 8. Em cada caso, encontre⎡a matriz
⎤ A:
24 29 32 21 T
de corrida 1 0 −2 ⎢
2 0
⎥
a) 2A − = ⎢ −3
⎣ 4⎥
⎦.
Mountain 23 31 37 29 4 7 3
Bikes 0 8
⎛ ⎡ ⎤⎞T
Expresse esses dados também por meio de uma matriz, 0 2
⎜ ⎢ ⎥⎟ 7 0 −1
⎝3A − 2⎣ −5 =
T
encontre uma operação com matrizes que forneça o total b) ⎜ ⎢ 2⎥
⎦⎠
⎟ .
2 1 5
de vendas para esses três anos juntos, e efetue os cálculos. 1 3
Se a primeira equação for multiplicada por 10 e a segunda por 100, as equações resultantes
serão
10x + 10y = 44.800.000
800 000
10x + 11y = 545.000.000
000 000
Subtraindo a primeira equação da segunda, temos y = 200.000 e, portanto, x = 280.000. Em
outras palavras, a instituição deve investir $ 280.000 a 10% e $ 200.000 a 11%.
Exemplo 2 Mostre que X = [1 − 2]T é uma solução da equação 2x1 − 3x2 = 8, mas que Y = [1 1]T não
é uma solução.
A matriz [1 − 2]T é uma solução porque x1 = 1 e x2 = −2 satisfazem a equação:
2(1) − 3(−2) = 8. Mas x1 = 1 e x2 = 1 não satisfazem a equação, já que 2(1) − 3(1) ≠ 8, e
portanto [1 1]T não é uma solução.
5 Se a e b forem não ambos nulos, o gráfico da equação ax + by = c é uma linha reta; daí o nome.
* NTT: Também chamadas incógnitas.
6 O motivo para escrever soluções (ou indeterminadas) na forma de colunas ficará claro mais adiante. Usaremos a notação de
transposta [s1 s2 · · · sn]T para simplificar a impressão.
Algebra_Chap01_PORTUGUES.qxd 31.08.56 11:20 AM Page 11
Exemplo 4 Um sistema de equações pode não ter solução. Por exemplo, o sistema
x+y =1
x −z =2
y+z =1
não tem solução. Na verdade, a soma das últimas duas equações dá x + y = 3, contrariando a
primeira equação.
* NTT: Os termos impossível e incompatível também são usados para denominar um sistema de equações lineares inconsistente,
assim como os termos possível ou compatível são também empregados para designar um sistema de equações consistente.
Algebra_Chap01_PORTUGUES.qxd 31.08.56 11:20 AM Page 12
Para ver como isso é feito, convém chamar dois sistemas de equivalentes se eles
possuírem as mesmas soluções. Começando com um dado sistema de equações lineares,
nós o resolvemos escrevendo uma série de sistemas, um depois do outro, cada um deles
equivalente ao anterior. Como todos os sistemas têm as mesmas soluções, a finalidade é
encontrar um que seja fácil de resolver. Existe um método simples e rotineiro de realizar isso.
O exemplo a seguir proporciona uma ilustração.
SOLUÇÃO O sistema está escrito a seguir junto com sua matriz completa;
x1 − 2x2 + 3x3 + x4 = −3 1 −2 3 1 −3
2x1 − x2 + 3x3 − x4 = 0 2 −1 3 −1 0
Esse novo sistema é equivalente ao original (ver Teorema 1 a seguir). Observe que a nova
matriz completa pode ser obtida diretamente da original se subtrairmos duas vezes a
primeira linha da segunda.
Agora multiplicamos a segunda equação por 13 para obter outro sistema equivalente
x1 − 2x2 + 3x3 + x4 = −3 1 −2 3 1 −3
x2 − x3 − x4 = 2 0 1 −1 −1 2
Mais uma vez, a nova matriz completa é resultado da multiplicação da segunda linha por 13 .
Finalmente, eliminamos x2 da equação 1 pela adição de duas vezes a segunda equação à
primeira. O resultado é o sistema (equivalente)
x1 + x3 − x4 = 1 1 0 1 −1 1
x2 − x3 − x4 = 2 0 1 −1 −1 2
Esse sistema é fácil de resolver. De fato, escolhendo-se arbitrariamente números x3 e x4, então
x1 e x2 podem ser encontrados de maneira que as equações sejam satisfeitas. Mais
precisamente, se estabelecermos que x3 = s e que x4 = t onde s e t são parâmetros
arbitrários, as equações passam a ser x1 + s − t = 1 e x2 − s − t = 2, portanto,
x1 = 1 + t − s e x2 = 2 + t + s
Isso nos dá a solução exibida no Exemplo 5 e, como todos os sistemas na série são
equivalentes (como será provado no Teorema 1), obtivemos todas as soluções para o
problema original.
Observe que, a cada estágio do procedimento acima, uma certa operação é executada no
sistema (e, portanto, na matriz completa) para produzir um sistema equivalente.
As operações a seguir, chamadas operações elementares, podem ser efetuadas
rotineiramente em sistemas para produzir sistemas equivalentes:
I Trocar a ordem das equações.
II Multiplicar uma equação por um número diferente de zero.
III Somar um múltiplo de uma equação com outra equação.
Valemo-nos apenas dos procedimentos II e III para o cálculo no Exemplo 6, mas a operação
do tipo I às vezes também tem sua utilidade. O teorema a seguir é crucial para o método que
estamos desenvolvendo.
Agora, usamos o 1 na segunda posição da linha 2 para limpar a coluna 2; isto é, para
obter zeros nas posições acima e abaixo (isso corresponde a eliminar x2 das equações 1 e 3).
Conseguimos isso subtraindo a linha 1 da 2, e adicionando duas vezes a linha 2 à linha 3.
Assim, temos ⎡ ⎤
1 0 3 1
⎢ ⎥
⎢0 2⎥
⎣ 1 −6 ⎦.
0 0 3 −1
Observe que essas duas operações não afetaram a coluna 1 porque o primeiro elemento da
linha 2 é zero.
A seguir, dividimos a linha 3 por 3 para obter o número 1 na terceira posição:
⎡ ⎤
1 0 3 1
⎢ ⎥
⎢0 2⎥
⎣ 1 −6 ⎦.
0 0 1 − 13
Finalmente, limpamos a coluna 3 por meio da subtração da linha 1 por três vezes a linha 3, e
pela adição de seis vezes a linha 3 à linha
⎡
2: ⎤
1 0 0 2
⎢ ⎥
⎢0 0⎥
⎣ 1 0 ⎦.
0 0 1 − 13
respectivamente, onde cada ∗ indica um número. Em ambos os casos, a solução foi facilmente
obtida pelos sistemas de equações correspondentes. As matrizes que aparecem são geralmente
descritas da maneira a seguir.
Dizemos que uma matriz está na forma escalonada por linha (e será chamada matriz
escalonada por linhas*) se as seguintes condições forem satisfeitas:
1. Todas as linhas nulas estão abaixo de todas as linhas não nulas.
2. O primeiro elemento não nulo em cada linha não nula é igual a 1 e é chamado pivô.**
3. Cada pivô se localiza à direita de todos os pivôs das linhas acima dele.
Uma matriz está na forma escalonada reduzida se, além disso, satisfizer
4. Cada pivô é o único elemento não nulo em sua coluna.
18 Carl Friedrich Gauss (1777–1855) foi um dos maiores matemáticos de todos os tempos. Ele realizou descobertas fundamentais
em todos os tópicos da matemática, e fez importantes contribuições à astronomia e à física.
** NTT: Ou simplesmente denominada matriz escalonada.
** NTT: Alguns autores chamam-no 1-líder.
Algebra_Chap01_PORTUGUES.qxd 31.08.56 11:20 AM Page 15
Assim, as matrizes escalonadas possuem uma forma de “escada” como indicado a seguir
(novamente, os asteriscos indicam números arbitrários):
⎡ ⎤
0 1 ∗ ∗ ∗ ∗ ∗
⎢ ⎥
⎢0 0 0 1 ∗ ∗ ∗⎥
⎢ ⎥
⎢ ⎥
⎢0 0 0 0 1 ∗ ∗ ⎥.
⎢ ⎥
⎢ ⎥
⎣0 0 0 0 0 0 1⎦
0 0 0 0 0 0 0
Os pivôs se localizam à direita e abaixo uns dos outros, ao longo da matriz, e todo elemento
à esquerda e abaixo de um pivô é nulo. Em uma matriz escalonada reduzida, a condição
adicional é que todos os elementos acima de cada pivô também sejam nulos. Qualquer
matriz escalonada pode ser colocada na forma reduzida por meio de mais algumas
operações elementares por linhas (zerando um por um os elementos acima dos pivôs).
Exemplo 8 A primeira matriz abaixo está na forma escalonada, e a segunda, na forma escalonada
reduzida, para qual pode ser transformada por meio de operações por linhas:
⎡ ⎤ ⎡ ⎤
1 ∗ ∗ ∗ ∗ 1 ∗ 0 ∗ 0
⎢ ⎥ ⎢ ⎥
⎢0
⎣ 0 1 ∗ ∗⎥⎦ → ⎢0
⎣ 0 1 ∗ 0⎥
⎦
0 0 0 0 1 0 0 0 0 1
Em geral usamos uma seta → para indicar que foram efetuadas operações com as linhas.
Aqui temos um procedimento pelo qual qualquer matriz pode ser levada à forma
escalonada (e depois, à forma escalonada reduzida, se desejado) utilizando nada além de
operações elementares de linhas.
ALGORITMO DE GAUSS 9 Qualquer matriz pode ser levada à forma escalonada pelo método a seguir:
Passo 1. Se a matriz consiste inteiramente de zeros, pare: ela já se encontra na forma
escalonada.
Passo 2. Caso contrário, encontre a primeira coluna, vindo da esquerda, que contém um
elemento k não nulo, e mova a linha contendo esse elemento ao topo da matriz.
Passo 3. Multiplique a linha no topo por 1k para obter o primeiro pivô.
Passo 4. Anule cada elemento abaixo do pivô, subtraindo múltiplos de suas linhas das linhas
inferiores.
Isso completa a primeira linha; todas as demais operações por linha são efetuadas nas
demais linhas.
Passo 5. Repita os passos 1–4 na matriz formada pelas linhas remanescentes.
Observe que o algoritmo de Gauss* é recursivo no seguinte sentido: depois de se obter o
primeiro pivô, todo o processo é repetido nas demais linhas. Isso torna fácil de se usar o
método no computador. Observe ainda que, no passo 4, podemos também anular cada
elemento acima do pivô. Nesse caso, o algoritmo leva a matriz à forma escalonada reduzida
(como nos exemplos 6 e 7). A razão para a distinção entre as duas formas de escalonamento
será discutida posteriormente.
T EOREMA 2 Toda matriz pode ser colocada na forma escalonada (reduzida, se desejado) mediante uma
seqüência de operações elementares por linhas.
SOLUÇÃO A matriz completa é dada a seguir. Como o primeiro pivô está no lugar, passamos a anular
os demais elementos da coluna 1:
⎡ ⎤ ⎡ ⎤
1 −2 −1 3 1 1 −2 −1 3 1
⎢ ⎥ ⎢ ⎥
⎢2
⎣ −4 1 0 5⎥⎦ → ⎢0
⎣ 0 3 −6 3⎥
⎦
1 −2 2 −3 4 0 0 3 −6 3
Agora subtraímos a segunda linha da terceira e então10 multiplicamos a segunda linha por 13 ,
para conseguir a matriz abaixo (agora na forma escalonada por linhas):
⎡ ⎤
1 −2 −1 3 1
⎢ ⎥
→ ⎢0
⎣ 0 1 −2 1⎥
⎦
0 0 0 0 0
Agora use o segundo pivô (na coluna 3) para anular os demais elementos da coluna 3 e,
portanto, conseguir a forma escalonada:
⎡ ⎤
1 −2 0 1 2
⎢ ⎥
→ ⎢0
⎣ 0 1 −2 1⎥
⎦
0 0 0 0 0
Essa forma é até onde o algoritmo de Gauss pode nos levar. O sistema de equações
correspondente é
x1 − 2x2 + x4 = 2
x3 − 2x4 = 1
0=0
Os pivôs estão nas colunas 1 e 3 e as incógnitas correspondentes, x1 e x3, são chamadas
variáveis dependentes. Para resolver o sistema, atribuímos valores arbitrários às variáveis
independentes* (chamados parâmetros), e então as duas equações são usadas para
determinar as variáveis dependentes em termos dos parâmetros. Mais precisamente,
escrevemos x2 = s, e x4 = t onde s e t são parâmetros arbitrários, de modo que as equações se
tornam x1 − 2s + t = 2 e x3 − 2t = 1. Resolvendo, obtemos x1 = 2 + 2s − t e x3 = 1 + 2t.
Logo, as soluções são dadas por ⎡ ⎤
2 + 2s − t
⎢ ⎥
⎢ ⎥
⎢ s ⎥
X = [2 + 2s − t s 1 + 2t t] = T
⎢
⎢ 1 + 2t ⎥
⎥.
⎣ ⎦
t
Método de Eliminação Assuma que um sistema de equações lineares tem pelo menos uma solução. Então a solução
de Gauss geral pode ser encontrada na forma paramétrica da seguinte maneira:
Passo 1. Reduza a matriz completa do sistema à forma escalonada reduzida por linhas.
Passo 2. Atribua parâmetros às variáveis livres.
10 Esses passos não estão na ordem especificada pelo algoritmo. Entretanto, o objetivo é levar a matriz à forma escalonada usando
alguma seqüência de operações por linhas. A seqüência estabelecida no algoritmo sempre irá funcionar, mas pode não ser a mais
eficiente.
1* NTT: Também chamadas variáveis livres.
Algebra_Chap01_PORTUGUES.qxd 31.08.56 11:20 AM Page 17
Quando se usa o método de eliminação de Gauss para resolver um sistema grande é mais
eficiente reduzir a matriz completa apenas até a forma escalonada,11 atribuir parâmetros às
variáveis livres, e então calcular as variáveis dependentes fazendo substituição de trás para
frente. Use a última equação para encontrar a última variável dependente em termos dos
parâmetros, substitua esse valor na penúltima equação para calcular a penúltima variável
dependente e assim por diante. Esse método é mais eficiente do que transformar a matriz até
a forma escalonada reduzida, como pode ser confirmado por uma contagem do número de
operações envolvidas (ver na maioria dos livros de análise numérica).
11 Isso é com freqüência conhecido como algoritmo de Gauss, particularmente em análise numérica.
Algebra_Chap01_PORTUGUES.qxd 31.08.56 11:20 AM Page 18
⎡ ⎤
1 2 −1 3
⎢ ⎥
Exemplo 11 Calcule o posto de A = ⎢ 2
⎣ 1 1 5⎥
⎦.
−1 4 −5 −1
T EOREMA 3 Suponha que um sistema de m equações em n indeterminadas tem pelo menos uma solução.
Se o posto da matriz completa é r, o conjunto de soluções tem exatamente (n − r) parâmetros.
DEMONSTRAÇÃO Reduza a matriz completa do sistema a uma forma escalonada R. Então R tem r pivôs (já que
o posto é r), logo há exatamente r variáveis dependentes. Conseqüentemente, há (n − r)
variáveis livres e a cada uma delas associamos um parâmetro.
DEMONSTRAÇÃO Se existir uma solução, então ou toda variável é uma variável dependente (solução única) ou
há pelo menos uma variável livre (infinitas soluções porque há um parâmetro envolvido).
Y L1 Y Y
L1 L2 L1 = L2
L2
0 X 0 X 0 X
(1) (2) (3)
Figura 1.1
Exercícios 1.2
1. Em cada caso mostre que a matriz coluna X é uma solução 4. Para cada um dos seguintes sistemas de equações lineares,
ao sistema de equações lineares dado; se ela tiver parâmetros escreva a matriz completa associada, efetue operações
s e t, mostre que X é uma solução para todos os possíveis elementares com as linhas para reduzi-la à forma escalonada
valores desses parâmetros. reduzida e resolva o sistema dado usando esse resultado.
a) x1 − 2x2 + 3x3 + x4 = −3 Para um processo metódico na redução à forma escalonada,
2x1 − x2 + 3x3 − x4 = 0 siga o algoritmo de Gauss.
X = [1 2 0 0]T a) 3x1 − x2 = 4 b) 2x1 − 3x2 = 4
X = [1 4 1 1]T 2x1 − 12 x2 = 1 x1 − 3x2 = 1
X = [−s + t + 1 s + t + 2 s t]T c) x1 + x2 − x3 = 1 d) 2x1 + 2x2 − 3x3 = 1
b) x1 − 2x2 + 3x3 − 3x4 = 2 3x1 − x2 + x3 = 0 x1 + x3 = 5
2x1 − x2 + 3x3 =1 x1 − 3x2 + 3x3 = −2 3x1 + 4x2 − 7x3 = −3
−x1 − 4x2 + 3x3 − 9x4 = 4 e) x1 − 2x2 + 2x3 = 4 f) 4x1 + x2 − 8x3 = 1
2x1 − 7x2 + 9x3 − 12x4 = 7 −2x1 + x2 + x3 = 1 3x1 − 2x2 + 3x3 = 5
X = [−2 −2 1 1]T x1 − 5x2 + 7x3 = −1 −x1 + 8x2 − 25x3 = −3
X = [−3 −1 2 1]T g) x1 − 3x2 + x3 + x4 − x5 = 8
X = [−s − t −1 + s − 2t s t]T −2x1 + 6x2 + x3 − 2x4 − 4x5 = −1
2. Descreva cada uma das seguintes expressões com suas
3x1 − 9x2 + 8x3 + 4x4 − 13x5 = 49
próprias palavras: uma equação linear, uma solução de uma h) x1 − 2x2 + x3 + 3x4 − x5 = 1
equação linear, um sistema de equações lineares, e uma −3x1 + 6x2 − 4x3 − 9x4 + 3x5 = −1
solução de um sistema de equações lineares. −x1 + 2x2 − 2x3 − 4x4 − 3x5 = 3
3. Em cada caso, transforme a matriz dada em sua forma x1 − 2x2 + 2x3 + 2x4 − 5x5 = 1
escalonada reduzida. Para que o processo seja metódico, siga 5. Descreva, com suas próprias palavras, um algoritmo que irá
o algoritmo
⎡
de Gauss. ⎤ ⎡ ⎤
resolver um sistema de equações lineares para você.
3 −1 2 1 2 1 1 −1 3 1 3 2 1
⎢ ⎥ ⎢ ⎥ 6. Em cada um dos sistemas lineares dados no Exercício 4,
⎢ −4 −2 2⎥ ⎢ −1 −2 −5 −1 ⎥
⎢ 1 2 7 ⎥ ⎢ 6 1 0 ⎥ calcule o posto da matriz completa correspondente e
a) ⎢ ⎥ b) ⎢ ⎥
⎢ 2 −2 4 3 7 1⎥ ⎢ 2 3 −9 2 4 1 −1 ⎥
⎣ ⎦ ⎣ ⎦ encontre uma conexão entre o número de incógnitas, o
0 3 −6 1 6 4 1 1 −3 −1 3 0 1 número de soluções e o número de parâmetros na solução.
Algebra_Chap01_PORTUGUES.qxd 31.08.56 11:20 AM Page 20
7. Se um sistema de 5 equações e 7 incógnitas tem uma solução, 13. Um homem precisa tomar 5 unidades de vitamina A, 13
explique por que há mais que uma solução. unidades de vitamina B, e 23 unidades de vitamina C por dia.
Três marcas de vitaminas em comprimidos estão disponíveis
8. Considere o sistema ax = b de uma equação e uma incógnita.
e o número de unidades de cada vitamina por comprimido é
Determine condições sobre a e b de modo que o sistema dado na tabela.
tenha nenhuma solução, uma única solução, ou infinitas
soluções. Vitamina A Vitamina B Vitamina C
Marca 1 1 2 4
9. Em cada caso, encontre (se possível) condições sobre os
números a, b e c para que o sistema dado tenha nenhuma Marca 2 1 1 3
solução, uma única solução, ou infinitas soluções. Marca 3 0 1 1
a) 2x1 − 3x2 − 3x3 = a b) x1 − 2x2 + 2x3 = a a) Encontre todas as combinações de comprimidos que
−x1 + x2 + 2x3 = b −2x1 + x2 + x3 = b fornecem a necessidade diária exata (apenas comprimidos
x1 − 3x2 =c x1 − 5x2 + 7x3 = c inteiros).
c) x1 + ax2 = 1 d) ax1 + x2 = −1 b) Se as marcas 1, 2 e 3 custam respectivamente $ 0,90, $ 0,60
bx1 + 2x2 = 5 2x1 + x2 = b e $ 1,50 por comprimido, encontre o tratamento menos
⎡ ⎤ caro.
1 −2 0 3
⎢ ⎥
10. Seja A = ⎢ −4
⎣ 1 5 −2 ⎥
⎦. Mostre que A e AT têm o mesmo 14. Em cada caso, ou demonstre que a afirmação é verdadeira ou
−1 −5 5 7 dê um exemplo mostrando que ela é falsa. Assuma que é
posto. [Observação: Veremos na Seção 4.4 que isso é dado um sistema de equações com matriz completa A, matriz
verdadeiro para toda matriz A.] dos coeficientes C e forma escalonada reduzida (da matriz
completa) igual a R.
11. Descreva, com suas próprias palavras, um algoritmo que irá
a) A e R têm o mesmo tamanho.
calcular o posto de uma matriz. b) Se R tem uma linha de zeros, há infinitas soluções (para o
12. Quatro ruas de mão única 60 sistema).
desembocam em uma praça c) Se o sistema tem mais de uma solução, R deve ter uma
f4 f3 linha de zeros.
circular como no diagrama,
em que os fluxos do tráfego d) Se o sistema tem uma solução, existem infinitas soluções.
70 50
são medidos em carros por e) Se o sistema tem mais incógnitas que equações, então tem
minuto. Para projetar as infinitas soluções.
ruas, os engenheiros devem f) Se toda linha de R tem um pivô, o sistema tem pelo
f1 f2
determinar os fluxos menos uma solução.
f1, f2, f3, e f4 marcados no 60 g) Se o sistema tem uma solução, então posto(A) = posto(C).
círculo. Use o fato que o h) posto(C) ≤ posto(A).
fluxo de carros que entram em qualquer um dos cruzamentos i) posto(A) ≤ 1 + posto(C).
deve ser igual ao fluxo de carros que saem daquele j) Se A tem tamanho m × n e posto(A) = m, então o sistema
cruzamento, para obter quatro equações que relacionam esses é consistente.
fluxos. Resolva as equações e expresse f1, f2, e f3 em termos de
f4. Qual parte do círculo irá carregar a maior parte do tráfego?
Algebra_Chap01_PORTUGUES.qxd 31.08.56 11:20 AM Page 21
Nesta seção, vamos nos concentrar em uma classe particular de sistemas de equações
lineares, a saber, os sistemas em que o termo constante de cada equação é igual a 0.
T EOREMA 1 Se um sistema de equações lineares homogêneo tem mais incógnitas que equações, então ele
admite uma solução não-trivial.
DEMONSTRAÇÃO Suponha que existam m equações em n incógnitas, de forma que nossa hipótese é que
n > m. Se r é o posto da matriz completa, então r ≤ m porque o número r de pivôs não
pode exceder o número m de equações. Portanto, r ≤ m < n, donde r < n. Pelo Teorema 3
da Seção 1.2, isso significa que o número n − r de parâmetros é não-nulo. Então existem
(infinitas) soluções não-triviais.
SOLUÇÃO Suponha que as coordenadas dos cinco pontos sejam (p1, q1), (p2, q2), (p3, q3), (p4, q4),e
(p5, q5). O gráfico da equação ax2 + bxy + cy2 + dx + ey + f = 0 passa pelo ponto (pi, qi) se
ap2i + bpiqi + cq2i + dpi + eqi + f = 0
Como há cinco pontos, temos cinco equações lineares homogêneas nas seis incógnitas
a, b, c, d, e e f. Conseqüentemente, há uma solução não-trivial, pelo Teorema 1. Se nessa
solução ocorrer a = b = c = 0, então todos os cinco pontos estão sobre a reta de equação
dx + ey + f = 0, contrário às nossas suposições. Por essa razão, a, b ou c é não-nulo e temos
uma cônica.
Algebra_Chap01_PORTUGUES.qxd 31.08.56 11:20 AM Page 22
T EOREMA 2 Suponha que seja dado um sistema homogêneo de equações lineares com n incógnitas.
Assuma que o posto da matriz completa seja r. Então:
(1) O algoritmo de Gauss produz exatamente n − r soluções básicas.
(2) Toda solução do sistema é combinação linear dessas soluções básicas.
DEMONSTRAÇÃO Já observamos que toda solução é uma combinação linear das soluções básicas produzidas
pelo algoritmo de Gauss. Pelo Teorema 3 da Seção1.2 há exatamente n − r parâmetros na
solução geral e, portanto, há exatamente n − r soluções básicas (uma para cada parâmetro).
Exemplo 3 Encontre soluções básicas para o seguinte sistema homogêneo e compare o resultado com o
Teorema 2:
x1 − 2x2 + 4x3 − x4 + 5x6 = 0
−2x1 + 4x2 − 7x3 + x4 + 2x5 − 8x6 = 0
3x1 − 6x2 + 12x3 − 3x4 + x5 + 15x6 = 0
2x1 − 4x2 + 9x3 − 3x4 + 3x5 + 12x6 = 0
SOLUÇÃO A redução da matriz completa à forma escalonada pode ser feita da seguinte maneira:
⎡ ⎤ ⎡ ⎤
1 −2 4 −1 0 5 0 1 −2 4 −1 0 5 0
⎢ ⎥ ⎢ ⎥
⎢ −2 −7 −8 0⎥ ⎢0 −1 0⎥
⎢ 4 1 2 ⎥ ⎢ 0 1 2 2 ⎥
⎢
⎢ 3
⎥ → ⎢ ⎥
⎣ −6 12 −3 1 15 0⎥⎦
⎢0
⎣ 0 0 0 1 0 0⎥⎦
2 −4 9 −3 3 12 0 0 0 1 −1 3 2 0
⎡ ⎤
1 −2 0 3 0 −3 0
⎢ ⎥
⎢0 −1 0⎥
⎢ 0 1 0 2 ⎥
→ ⎢
⎢0
⎥
⎣ 0 0 0 1 0 0⎥⎦
0 0 0 0 0 0 0
As soluções básicas de um sistema homogêneo de equações lineares são úteis porque elas
dão uma descrição fácil de todas as soluções: basta tomar todas as combinações lineares.
Entretanto, as soluções básicas têm outros usos, como veremos na Seção 2.3 quando as
usarmos para estudar diagonalização, umas das técnicas mais úteis da álgebra linear.
Concluímos com um exemplo que aplica equações homogêneas ao balanceamento de
reações químicas.
Algebra_Chap01_PORTUGUES.qxd 31.08.56 11:20 AM Page 24
Exemplo 4 Uma reação química é um rearranjo de moléculas para formar novas substâncias químicas,
em que reagentes são transformados em produtos. Por exemplo, 2Na + Cl2 → 2NaCl
representa a reação de duas moléculas de sódio e uma de cloro para produzir duas moléculas
de cloreto de sódio (sal de cozinha). Essa reação é balanceada no sentido que o número de
átomos de cada elemento em um lado da reação é o mesmo que o número de átomos no
outro lado. Como outra ilustração, considere a combustão do metano:
Metano (CH4) + Oxigênio (O2) → Dióxido de Carbono (CO2) + Água (H2O).
Para balancear essa reação, denote respectivamente por x, y, z e w o número de moléculas de
metano, oxigênio, dióxido de carbono, e água que devem estar na reação. Assim, a reação
pode ser representada por
xCH4 + yO2 → zCO2 + wH2O.
O número de átomos de cada elemento em cada lado da reação deve ser o mesmo, fornecendo
as equações x = z (para balancear C), 4x = 2w (para balancear H) e 2y = 2z + w (para
balancear O). Essas equações podem ser escritas como um sistema linear homogêneo
x − z =0
4x − 2w = 0
2y − 2z − w = 0
e a solução geral é X = [t 2t t 2t]T , onde t é arbitrário. Como x, y, z e w devem ser
inteiros positivos, a escolha t = 1 fornece uma solução: x = z = 1 e y = w = 2.
Logo, a reação balanceada é
CH4 + 2O2 → CO2 + 2H2O.
Exercícios 1.3
1. Em cada caso, considere o sistema de equações homogêneo c) Quantos parâmetros o sistema pode ter, se uma linha de A
que tem a matriz dada como matriz dos coeficientes, é um múltiplo de uma outra linha? Justifique sua resposta.
encontre as soluções básicas do sistema, e expresse a solução d) Quantos parâmetros o sistema pode ter, se posto(A) = 4?
geral como combinação linear dessas soluções básicas. Justifique sua resposta.
⎡ ⎤ ⎡ ⎤
⎢
1 2 3
⎥ ⎢
1 2 3
⎥
e) Quantos parâmetros o sistema pode ter, se posto(A) = 2?
a) ⎢ −1 0⎥ b) ⎢ −1 0⎥
⎣ 3 ⎦ ⎣ 3 ⎦ Justifique sua resposta.
−1 8 3 1 8 3
⎡ ⎤ ⎡ ⎤ 5. Mostre que a recíproca do Teorema 1 não é verdadeira. Isto é,
1 3 −2 −1 1 −2 0 3 mostre que se um sistema homogêneo possui uma solução
⎢ ⎥ ⎢ ⎥
c) ⎢ −2 1 0 4⎥ d) ⎢ −3 6 1 −4 ⎥
⎣ ⎦ ⎣ ⎦ não-trivial, ele pode não ter mais incógnitas que equações.
1 10 −6 1 2 −4 −1 1
⎡ ⎤ 6. Se um sistema tem mais equações que incógnitas, ele pode ter
1 2 0
⎢ ⎥ uma única solução? Justifique sua resposta.
⎢2 3 −1 ⎥
⎢ ⎥ −1 −3
⎢ ⎥ 2 6 0 7 7. Em cada caso, ou demonstre que a afirmação é verdadeira, ou
e) ⎢3 4 −2 ⎥ f)
⎢ ⎥ −3 1 3 −5 1 4
⎢ ⎥ dê um exemplo mostrando que ela é falsa. Assuma que é
⎣1 3 1⎦
6 9 −3 ⎡ ⎤ dado um sistema de equações com matriz completa A e
⎡ ⎤ 1 1 −2 3 2
1 2 1 −1 3 ⎢ ⎥ forma escalonada reduzida R.
⎢ ⎥ ⎢ 2 −1 1⎥
⎢1 ⎢ 3 4 ⎥ a) Se o sistema é homogêneo, toda solução é trivial.
g) ⎣ 2 2 1 2⎥⎦ h) ⎢ ⎥
⎢ −1 −2 3 0 1⎥
⎣ ⎦ b) Se o sistema possui uma solução não-trivial, ele não pode
2 4 2 −1 7
3 0 1 7 3 ser homogêneo.
2. Encontre uma reação balanceada para as seguintes reações c) Se o sistema possui uma solução trivial, ele deve ser
químicas: homogêneo.
a) Amônia (NH3) + Óxido de Cobre (CuO) d) Se o sistema é homogêneo e possui uma solução
→ Nitrogênio (N2) + Cobre (Cu) + Água (H2O). não-trivial, R tem uma linha de zeros.
b) Octano (C8H18) + Oxigênio (O2) e) Se o sistema é homogêneo e possui uma solução
→ Dióxido de Carbono (CO2) + Água (H2O). não-trivial, então ele tem infinitas soluções não-triviais.
3. Explique a diferença entre sistema geral e homogêneo de f) Se um sistema é homogêneo e R têm uma linha de zeros,
equações, e quais são as implicações para as soluções. existem soluções não-triviais.
g) Se A é uma matriz m × n e de posto(A) = m, o sistema
4. Suponha que um sistema homogêneo tenha 4 equações e 6
têm apenas a solução trivial.
incógnitas e seja A sua matriz completa.
a) Pode o sistema ter uma única solução? Nenhuma solução? 8. Para um sistema homogêneo que tem C como matriz dos
Justifique sua resposta. coeficientes e A como matriz completa, mostre que posto(A)
b) Quantos parâmetros o sistema pode ter? Justifique sua = posto(C).
resposta.
Algebra_Chap01_PORTUGUES.qxd 31.08.56 11:20 AM Page 25
Além das operações na Seção 1.1, existe uma outra operação pela qual certas matrizes
podem ser multiplicadas entre si resultando uma nova matriz. Ela é útil para resolução de
sistemas de equações lineares, além de possuir também outras aplicações. Começamos com
um exemplo que mostra como produtos de matrizes aparecem em um contexto comercial.
com o total das vendas e os custos nos três meses. Por exemplo, para janeiro, o valor total do
varejo foi
598 = 11 · 29 + 9 · 31
porque foram vendidas 11 torradeiras da marca X a $ 29 cada uma, e 9 torradeiras da marca
Y a $ 31 cada uma. Isso fornece o elemento 598 na posição (1, 1) da nova matriz. Observe
que esse elemento pode ser calculado diretamente das primeiras duas matrizes seguindo a
29
primeira linha [11 9]da matriz à esquerda e a primeira coluna da matriz à direita,
31
multiplicando os elementos correspondentes e somando os resultados. Essa operação é
chamada produto escalar da linha pela coluna em questão. Analogamente, o elemento
516 na posição (3, 2) da nova matriz é obtido com o produto escalar da linha 3 da matriz
à esquerda pela coluna 2 da matriz à direita:
516 = 14 · 22 + 8 · 26
Todo elemento da nova matriz é calculado do mesmo modo: o elemento (i, j) da nova
matriz é o produto escalar da linha i da matriz à esquerda e pela coluna j da matriz à direita.
A B AB
elemento (i, j)
=
linha i
coluna j
Figura 1.2
Exemplo 2 Aqui estão alguns exemplos de produtos de matrizes.
⎡ ⎤ ⎡ ⎤ ⎡ ⎤
5 1 5•2+1•0 5(−1) + 1 • 3 10 −2
⎢ ⎥ 2 −1 ⎢ ⎥ ⎢ ⎥
⎢ 7
⎣ 6⎥⎦ =⎢⎣ 7•2+6•0 7(−1) + 6 • 3 ⎥ ⎦ = ⎣ 14
⎢ 11 ⎥
⎦
0 3
−4 9 (−4)2 + 9 • 0 (−4)(−1) + 9 • 3 −8 31
⎡ ⎤
⎢ 5 7
⎥
p q r ⎢⎣ −3 9⎥⎦ = 5p − 3q + 2r 7p + 9q − 5r
2 −5
⎡ ⎤
x
2 7 −5 ⎢ ⎥
⎢ y ⎥ = 2x + 7y − 5z
⎣ ⎦
3 0 1 3x + z
z
Observe que nem sempre é possível definir o produto AB; é necessário que as linhas de A
tenham o mesmo comprimento que as colunas de B (para que os produtos escalares possam
ser calculados). A seguinte regra é útil para lembrar quando AB pode ser definido e qual o
tamanho de AB quando A tem tamanho m × n e B tem tamanho n′ × p:
A B
m × n n′ × p
1 1
Exemplo 4 Sendo B = , encontre todas as matrizes A de tamanho 2 × 2 que comutam com B.
0 0
x y
SOLUÇÃO A condição sobre A é que AB = BA. Se escrevermos A = , essa condição, em termos
z w
dos elementos, torna-se
x y 1 1 1 1 x y
= ,
z w 0 0 0 0 z w
isto é,
x x x+z y+w
= .
z z 0 0
T EOREMA 1 Seja c um escalar e sejam A, B e C matrizes de tamanhos que permitam que os produtos
abaixo sejam realizados. Valem as seguintes propriedades:
(1) IA = A e BI = B.
(2) A(BC) = (AB)C.
(3) A(B + C) = AB + AC e A(B − C) = AB − AC.
(4) (B + C)A = BA + CA e (B − C)A = BA − CA.
(5) c(AB) = (cA)B = A(cB).
(6) (AB)T = BT AT .
As demonstrações dessas propriedades são rotineiras e serão feitas no final desta seção.
Uma nota de advertência é necessária aqui. O fato que AB e BA podem não ser iguais
(ver Exemplo 3) significa que a ordem em um produto de matrizes é importante.
Por exemplo, os produtos ADCB e ABCD podem não ser iguais.
Alerta Se a ordem dos fatores em um produto de matrizes é alterada, a matriz produto pode mudar
(ou pode não existir.)
O esquecimento desse fato é fonte de muitos erros pelos estudantes de álgebra linear! Por
exemplo, quando multiplicamos os dois lados de uma equação matricial
B=C
por uma matriz A, devemos tomar cuidado para multiplicar B e C por A pelo mesmo lado. Por
isso falamos em multiplicação à esquerda por A, para obtermos AB = AC, e multiplicação à
direita por A se quisermos obter BA = CA. 12 O próximo exemplo ilustra como isso é usado.
Recorde que duas matrizes A e B comutam se AB = BA. Muitas fórmulas que são válidas
para números não o são para matrizes não-comutativas. Por exemplo, a conhecida fórmula
da “diferença de quadrados” a2 − b2 = (a − b)(a + b) da aritmética pode não valer para
matrizes; tudo depende do fato das matrizes comutarem.
Exemplo 8 Se A e B são matrizes simétricas tais que AB = BA, mostre que AB também é simétrica.
T EOREMA 2 Suponha que X0 seja uma solução particular qualquer do sistema AX = B de equações lineares.
(1) Se X′ for uma solução qualquer do sistema homogêneo associado AX = 0, então
X = X0 + X′ será uma solução do sistema AX = B.
(2) Toda solução X de AX = B é da forma X = X0 + X′ para alguma solução X′
de AX = 0.
SOLUÇÃO Uma redução da matriz completa à forma escalonada pode ser a seguinte:
⎡ ⎤ ⎡ ⎤
1 −2 2 −1 1 1 −2 0 5 3
⎢ ⎥ ⎢ ⎥
⎢2
⎣ −4 3 1 3⎥⎦ → ⎢0
⎣ 0 1 −3 −1 ⎥
⎦
3 −6 5 0 4 0 0 0 0 0
Com isso, as variáveis dependentes são x1 e x3, e as variáveis livres tornam-se parâmetros:
x2 = s e x4 = t. Assim, a forma escalonada fornece a solução geral
⎡ ⎤ ⎡ ⎤ ⎡ ⎤ ⎡ ⎤ ⎡ ⎤
x1 3 + 2s − 5t 3 2 −5
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢x ⎥ ⎢ ⎥ ⎢ 0⎥ ⎢1⎥ ⎢ 0⎥
⎢ 2⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
t⎢ ⎥
s
X= ⎢ ⎥
⎢ x3 ⎥
= ⎢
⎢ −1 + 3t ⎥
⎥ = ⎢ ⎥
⎢ −1 ⎥
+ s⎢
⎢0⎥
⎥ + ⎢ ⎥
⎢ 3⎥
⎣ ⎦ ⎣ ⎦ ⎣ ⎦ ⎣ ⎦ ⎣ ⎦
x4 t 0 0 1
= X0 + sX1 + tX2.
Aqui, X0 = [3 0 − 1 0] é uma solução particular de AX = B (que corresponde a
T
Uma versão do Teorema 2 também vale em outros contextos. Por exemplo, ele divide o
problema de resolução de um sistema de equações diferenciais lineares em dois problemas:
1) Encontrar uma solução particular; e 2) Resolver o sistema homogêneo associado. Nessa
situação os dois problemas são atacados usando-se métodos bastante diferentes.