Considere as seguintes equações:

2
2 x  3x  4  0 y  cos x

x y 1
 2 x  3 y  z  4w  6
A toda equação da forma
a1 x1 + a2 x2 + ...+ an xn = bn
dá-se o nome de Equação Linear a
n variáveis x1 , x 2 , ..., x n
Cada n-upla ordenada
 x1 , x2 , ..., xn 
que torna esta equação um
sentença verdadeira denominamos
de Solução da equação.
 2,1, 1, 2  é solução da equação:
3x  5 y  z  2w  6

De fato,

3  2  5 1   1  2  2  6
 Sistemas Lineares

Ao conjunto formado por duas ou mais

equações lineares damos o nome de
Sistema Linear, ou seja

a11 x1  a12 x2    a1n xn  b1

a x  a x    a x  b
 21 1 22 2 2n n 2

 
am1 x1  am 2 x2    amn xn  bm
 Elementos de um sistema Linear

a11 x1  a12 x2    a1n xn  b1

a x  a x    a x  b
 21 1 22 2 2n n 2

 
am1 x1  am 2 x2    amn xn  bm

aij   são os coeficientes reais

x1 , x2 , , xn são as variáveis ou incógnitas
b1 , b2 , , bm são os termos independentes
 Definições importantes
Quando todos os termos independentes
forem iguais a 0, o sistema é dito
Homogêneo.

Uma Solução para um Sistema Linear

de m equações e n incógnitas é uma n-
upla ordenada  x1 , x2 , , xn  que
satisfaz simultaneamente as m equações
do sistema.
 OBSERVAÇÕES
a11 x1  a12 x2    a1n xn  0
a x  a x    a x  0
 21 1 22 2 2n n

 
am1 x1  am 2 x2    amn xn  0

Todo sistema homogêneo admite pelo

menos uma solução:
a n-upla  0, 0, , 0  denominada
Solução Trivial.
OBSERVAÇÕES
OBSERVAÇÕES
 Matrizes associadas a um sistema linear
a11 x1  a12 x2    a1n xn  b1
a x  a x    a x  b
 21 1 22 2 2n n 2

 
am1 x1  am 2 x2    amn xn  bm
Matriz dos termos
Matriz dos coeficientes independentes
 a11 a12  a1n   b1 
   
 a a22  a2 n  b
A 21
B  2 
      
   
 am1 am 2  amn   bn 
 Matriz Ampliada ou Aumentada
 a11 a12  a1n b1 
 
 a a22  a2 n b2 
 A | B   21

    
 
 am1 am 2  amn bn 
Desta maneira, o sistema pode ser
escrito na forma da equação matricial
 x1 
 
x
A  X  B , onde X  2
 
 
 xn 
Matriz Linha Reduzida a Forma Escalonada

Definição: Diremos que um sistema

linear está na forma escalonada, se o
número de coeficientes nulos, antes do
primeiro coeficiente não nulo aumenta
de equação para equação.

Além disso, satisfaz as seguintes

características:
Matriz Linha Reduzida a Forma Escalonada

1. O primeiro elemento não nulo de

uma linha não nula é 1 e é
denominado pivô.

0 2 1 
 1 0 3 
  Não é LRFE
0 0 0 
Matriz Linha Reduzida a Forma Escalonada

2. Cada coluna que contém um pivô tem

todos os seus outros elementos iguais a
zero.

 1 0 0 0
 0 1 1 0 
 Não é LRFE
 0 0 1 0 
Matriz Linha Reduzida a Forma Escalonada

3. Toda linha nula ocorre abaixo de todas

as linhas não nulas

 1 0 0 0
0 0 0 0 
 
0 0 1 0  Não é LRFE
Matriz Linha Reduzida a Forma Escalonada
4. Em quaisquer linhas sucessivas e não
nulas, o pivô da linha inferior ocorre mais
à direita do que o pivô da linha superior.
Ou seja, o número de zeros aumenta
linha após linha até chegar a linha nula.

 0 1 3 0 0
 0 0 0 1 
0 É LRFE

 0 0 0 0 1
 
 0 0 0 0 0
 OPERAÇÕES SOBRE LINHAS DE UMA
MATRIZ
Podemos efetuar as seguintes operações
sobre as linhas de uma matriz:
1. Trocar duas linhas entre si.

2. Multiplicação por escalar.

3. Soma dos elementos de uma linha com

outra linha previamente multiplicada
por um escalar não nulo.
Operações elementares sobre Linhas
• Permutar linhas;


L1  1 0 2  L1'  1 1 1 
L1  L2
L2  1 1 1  L'2  1 0 2 
   
L3  3 2 1  L3  3 2 1 

• Multiplicação de uma linha por um


escalar não nulo;
L1  1 0 2  L2  2 L2 L1  1 0 2 
L2  1 1 1  L'2  2 2 2 
   
L3  3 2 1  L3  3 2 1 
• Substituição dos elementos de uma
linha pela soma deles com os elementos
correspondentes de outra linha
previamente multiplicados por um


escalar não nulo;

L1  1 0 2  L3  3L1  L3 L1 1 0 2
 1 1 1 
L2  1 1 1  L2
 
   0 2 5 
L3  3 2 1 
'
L3  
 Posto de uma Matriz
1 0 0 5
 
A  0 1 0 2
0 0 1 3
 
O posto da matriz A, indicado por rank (A) é
o n° de linhas não nulas da matriz LRFE
que corresponde ao número de pivôs.

Pela definição, rank (A) = 3.

Matriz Linha Reduzida à Forma Escada

1 0 2  1 0 2
  
B  2 2 2 
A  0 1 0  
0  3 2 1
 0 0
  

A é LRFE e Não da pra saber o posto

tem posto 2 da matriz B. Não está
escalonada
 Método de Gauss - Jordan

• Escreve-se a matriz ampliada;

• Transforma-se a matriz ampliada em

uma forma escalonada;

• Usa-se uma substituição simples

para encontrar a solução.
Exemplo 1: Resolva o seguinte sistema
utilizando eliminação Gaussiana
(escalonamento de matrizes).

4 x  y  z  4

2 x  3 y  3z  2
x  y  4z  1

Consideremos o sistema linear:

4 x  y  z  4

2 x  3 y  3z  2
x  y  4z  1

que possui a seguinte matriz ampliada:

 4 1 1 4 
 
 A | B    2 3 3 2
 1 1 4 1
 
 4 1 1 4  L1  L3  1 1 4 1
   
 2 3 3 2  2 3 3 2
 
 1 1 4 1  4 1 1 4 
   
2) Anulamos L2  2  L1  L2
os outros 1 1 4 1
elementos da  
coluna  0 5 11 4 
 4 1 1 4 
 
1 1 4 1 1 1 4 1
  L3   4  L1  L3 
 0 5 11 4   0 5 11 4 
 4 1 1 4   0 5 15 0 
  L  1L  
2 2
5
L1  L1  L2
1 1 4 1  1 0 9 5 1 5 
   
 0 1 11 5 4 5  0 1 11 5 4 5
 0 5 15 0   
   0 5 15 0 
 
 1 0 9 5 1 5  L3  5L2  L3
  1 0 9 5 1 5 
 0 1 11 5 4 5   
 0 5 15 0   0 1 11 5 4 5 
  1  0 0 4 4 
L3   L3  
4
9
L1   L3  L1
5
1 0 9 5 1 5  1 0 0 2
   
 0 1 11 5 4 5  0 1 11 5 4 5
 
 0 0 1 1   0 0 1 1 
   
 11
1 0 0 2 L2   L3  L2  1 0 0 2 
  5  
 0 1 11 5 4 5   0 1 0 3 
 0 0 1 1   0 0 1 1
   
Matriz escalonada que nos remete às
igualdades:
Assim, a solução do
x  2 sistema inicial é:

 y 3
 z  1
S   2,3, 1

  2 x  y  5 z  1
Determinar a solução 
 x  4 z  3
do sistema linear: 3x  y  z  4

Solução

Tomamos a matriz  2 1 5 1 
ampliada associada  
 1 0 4 3 
ao sistema:  3 1 1 4 
 
Escalonamos a matriz:

 2 1 5 1   1 1 9 2 
  L1  L1  L2  
  1 0 4 3    1 0 4 3 
 3 1 1 4   3 1 1 4 
   
L2  L2  L1

 1 1 9 2   1 1 9 2 
  L3  3  L1  L3 0 1 13 5

 0 1 13 5   
 3 1 1 4   0 2 26 10 
   
L2   L2
1 1 9 2   1 0 4 3 
  L1  L1  L2  0 1 13 5 
 0 1 13 5   
0 
2 26 10   0 2 26 10 
  
L3  2  L2  L3

 1 0 4 3  matriz escalonada
 
 0 1 13 5 
0 0 0 0   x  4 z  3
  
Sistema equivalente  y  13 z  5
 x  4 z  3 sistema com 2 equações

 y  13 z  5 e 3 variáveis
assim, teremos 1 variável livre
(que pode assumir infinitos valores)
Seja z a variável livre. Temos então que:
x  4z  3 y  13 z  5
O sistema tem infinitas soluções que
sao representadas pelo conjunto:
S   4 z  3,13z  5, z  ; z  
 7 x  y  3z  10
Determinar a solução 
x  y  z  6
do sistema linear: 4 x  y  z  2

Solução

Tomamos a matriz  7 1 3 10 
ampliada associada  
1 1 1 6 
ao sistema:  4 1 1 2 
 
Escalonamos a matriz:
 7 1 3 10  1 1 1 6 
 L1  L2  
  7 1 3 10 
1 1 1 6 
 4 1 1 2   4 1 1 2 
   
L2  7 L1  L2
L3  4 L1  L3
1 1 1 1 6 
1 1 1 6  L2   L2  
  2 0 3 5 16 

 0 6 10 32 
 0 3 5 22 

 0 3 5 22 
 
L3  L2  L3 matriz equivalente
1 1 1 6  x  y  z  6
  
 0 3 5 16   3 y  5 z  16
 0 0 0 6   0  6
  

Sistema equivalente
Como a 3ª equação é falsa o sistema
é inconsistente ou impossível. Logo
não tem solução.
 Bibliografia Básica
Anton, H.; Rorres, C.: Álgebra Linear
com Aplicações, Bookman, 8a
edição, Porto Alegre, RS, 2001.

Boldrini, Costa, Figueiredo, Wetzler.:

Álgebra Linear, Harper editora,
1984.
 Bibliografia Básica

Hoffman, K.;Kunze,R.: Álgebra

Linear, LTC editora, 1979.

Carlos A. Callioli; Hygino H.

Domingues; Roberto C. F. Costa.
Álgebra Linear e Aplicações. Atual
Editora
Lipschutz, S.: Álgebra Linear, Ed.
McGraw-Hill do Brasil Ltda., 3a
edição, São Paulo, SP, 1997.