Sistemas Lineares
Márcio L.
em 23 de Julho de 2019

Equação linear

Uma equação é dita linear nas variáveis x1,x2,...xn quando pode ser escrita da seguinte forma:

\sum_{i=1}^{n}a_{i}x_{i}=b 

ou, expandindo a expressão:

a_{1}x_{1}+a_{2}x_{2}+...+a_{n}x_{n}=b

Onde b (termo independente) e os coeficientes a1,a2,...an são números reais ou complexos, e n pode ser qualquer número inteiro positivo. 

 

Exemplo 1

 

A equação abaixo

 3x_{1}-5x_{2}+7x_{3}=8

É uma equação linear nas variáveis x1,x2,x3 , coeficientes 3,-5 e 7 e termo independente 8.

Exemplo 2 

A equação abaixo

 2x+12y-3z+w=1

É uma equação linear nas variáveis x,y,z,w , coeficientes 2,12,-3,1 e termo independente 1.

Exemplo 3 

A equação abaixo

 x_{2}=2(\sqrt{6}-x_{1})+x_{3}

Também é linear pois pode ser rearranjada de forma algebricamente como forma geral:

2x_{1}+x_{2}-x_{3}=2\sqrt{6}

Exemplo 4 

As equações abaixo:

4x_{1}-5x_{2}=x_{1}x_{2}  

e  x_{2}=2\sqrt{x_{1}}-6  

São não lineares pela presença do termo x1x2 na primeira equação e \sqrt{x_{1}} na segunda.

Sistemas lineares

Um sistema de equações lineares ou simplesmente sistema linear (SL) é um conjunto de uma ou mais equações lineares envolvendo as mesmas variáveis x1,x2,...xn.

Exemplo 4 

A equação abaixo

 

\left\{\begin{matrix} 2x_{1}-x_{2}+1,5x_{3}=8\\  x_{1}\! \; \; \; \; \! \; \; \; \; \; \; \; -4x_{3}=-7 \end{matrix}\right.

É um sistema linear com duas equações e três incógnitas (ordem 2x3). Note que a variável x2 possui coeficiente 0 na segunda equação.

 

Solução de um sistema linear

 

Uma solução de um sistema linear é uma lista ordenada (s1,s2,...sn) de números que fazem cada equação ser verdadeira quando substituimos os valores s1,s2,...sn em x1,x2,...xn respectivamente. Por exemplo, (5, 6.5,3) é uma solução do sistema do exemplo 4, pois quando substituimos estes valores em  x1,x2,x3 respectivamente, as equações se reduzem a 8 = 8 e -7 = -7.

O conjunto de todas as soluções possíveis é chamado de conjunto de soluções do sistema linear. Dois sistemas lineares são chamados equivalentes se tiverem o mesmo conjunto de soluções, isto é, cada solução do primeiro sistema é uma solução do segundo sistema, e cada solução do segundo sistema é uma solução do primeiro.

 

Exemplo 5 

 

Os sistemas abaixo são equivalentes, pois possuem a mesma solução única (1,2) ou x = 1 e y =2.

\left\{\begin{matrix} 3x+4y=11\\  8x-5y=-2 \end{matrix}\right.

\left\{\begin{matrix} -5x+y=-3\\  x+2y=5 \end{matrix}\right.

Classificação de um sistema linear 

Podemos classificar um sistema linear de acordo com seu conjunto de soluções, que existem três possibilidades:

  1. Sistema impossível ou sem solução 
  2. Sistema possível e determinado (uma única solução)
  3. Sistema possível e indeterminado (infinitas soluções)

O sistema linear é chamado de consistente se tiver ao menos uma solução e inconsistente se não tiver nenhuma solução.

Exemplo 6

O sistema abaixo representa um sistema possível e determinado.

\left\{\begin{matrix} x_{1}-2x_{2}=-1\\  -x_{1}+3x_{2}=3 \end{matrix}\right.

Geometricamente podemos representar a sua solução como a intersecção de duas retas sendo l1 a equação de cima e l2 a equação de baixo:

Exatamente uma solução [1]

                  Figura 1 - exatamente uma solução [6]

 

Exemplo 6

O sistema abaixo representa um sistema impossível.

 \left\{\begin{matrix} x_{1}-2x_{2}=-1\\  -x_{1}+2x_{2}=3 \end{matrix}\right.

Neste caso, as  l1 e l2 são paralelas, ou seja, nunca se cruzam e por isso não há solução como está mostrado na Figura 2 abaixo:

Figura 2 - sem solução

                    Figura 2 - Sem solução [6]

Exemplo 6

O sistema abaixo representa um sistema possível e indeterminado.

\left\{\begin{matrix} x_{1}-2x_{2}=-1\\  -x_{1}+2x_{2}=1 \end{matrix}\right.

Para este sistema as retas l1 e l2 são coincidentes e por isso temos infinitas soluções como representado pela Figura 3 abaixo:

Figura 3 - Sistema possível e indeterminado [6]

Notação matricial

É possível compactar as informações de um sistema linear em uma matriz retangular de dimensão mx(n+1), onde m é o número de equações ou linhas e n o número de incógnitas:

\left\{\begin{matrix} a_{11}x_{1}+a_{12}x_{2}+...+a_{1n}x_{n}=b_{1}\\  a_{21}x_{1}+a_{22}x_{2}+...+a_{2n}x_{n}=b_{2}\\  \vdots\! \! \! \! \! \! \! \! \! \! \!\vdots \! \! \! \! \! \! \! \! \! \! \vdots \\  a_{m1}x_{1}+a_{m2}x_{2}+...+a_{mn}x_{n}=b_{n} \end{matrix}\right. \rightarrow B= \begin{bmatrix} a_{11} & a_{12} & ... & a_{1n} & b_{1}\\  a_{21} & a_{22} & ... & a_{2n} & b_{2}\\  \vdots & \vdots & ... & \vdots & \vdots\\  a_{m1} & a_{m2} & ... & a_{mn} & b_{m} \end{bmatrix}

A esta matriz chamamos de matriz completa do sistema (B). Podemos também resumir o sistema a uma equação matricial na forma Ax = b, onde A é a matriz dos coeficientes, x é o vetor incógnita e b é o vetor dos termos independentes, conforme mostrado abaixo:

A= \begin{bmatrix} a_{11} & a_{12} & ... & a_{1n}\\  a_{21} & a_{22} & ... & a_{2n}\\  \vdots  & \vdots  & ... & \vdots \\  a_{m1} & a_{m2} & ... & a_{mn} \end{bmatrix},\; \;  x=\begin{bmatrix} x_{1}\\  x_{2}\\  \vdots \\  x_{m} \end{bmatrix},\; \; b=\begin{bmatrix} b_{1}\\  b_{2}\\  \vdots \\  b_{m} \end{bmatrix}

No caso particular do sistema tiver n equações e n incógnitas, podemos utilizar a matriz inversa de A para solucionar o sistema, bastando para isso multiplicar os dois lados da equação por A-1

A^{-1}Ax=A^{-1}b\;\; \rightarrow\;\; I_{n}x=A^{-1}b \;\; \rightarrow \;\;x=A^{-1}b

Para resolver desta forma é preciso conhecer a inversa da matriz A, assunto tratado nos meus artigos "A matriz inversa" e "A matriz inversa 2" onde recomendo a leitura acessando os links abaixo.

https://profes.com.br/prof_marcio/blog/a-matriz-inversa

https://profes.com.br/prof_marcio/blog/a-matriz-inversa-2

Exemplo 7

Dado o sistema linear abaixo, encontre a matriz completa, a matriz dos coeficientes e represente na forma vetorial as incognitas e os termos independentes.

\left\{\begin{matrix} x_{1}-2x_{2}+x_{3}=0\\  \; \; \; \; \; \; 2x_{2}-8x_{3}=8\\   5x_{1}\; \; \; \; \; \; \; \:  -5x_{3}=10\\  \end{matrix}\right.

Resposta: temos um sistema 3x3, logo a matriz dos coeficientes A será também 3x3 e a matriz completa B com dimensão 3x4:

A=\begin{bmatrix} 1 & -2 & 1\\  0 & 2 & -8\\  5 & 0 & -5 \end{bmatrix},\;  B=\begin{bmatrix} 1 & -2 & 1 & 0\\  0 & 2 & -8 & 8\\  5 & 0 & -5 & 10 \end{bmatrix},\;  \boldsymbol{a_{1}}=\begin{bmatrix} 1\\  0\\  5 \end{bmatrix},\;  \boldsymbol{a_{2}}=\begin{bmatrix} -2\\  2\\  0 \end{bmatrix},\;  \boldsymbol{a_{3}}=\begin{bmatrix} 1\\  -8\\  -5 \end{bmatrix},\; \boldsymbol{b}=\begin{bmatrix} 0\\  8\\  10 \end{bmatrix}

Discussão e análise do sistema linear

Há situações em que nos deparamos com coeficientes desconhecidos e a partir deles é possível determinar para quais valores temos um sistema possível e determinado, sistema possível e indeterminado ou sistema impossível. Esta análise é feita através do determinante da matriz dos coeficientes A que iremos chamar aqui de D (det(A)), e então teremos as seguintes situações:

\left\{\begin{matrix} D\neq 0\rightarrow Sistema\;  possivel\; e\; determinado\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\; \\  D= 0\rightarrow Sistema\;  possivel\; e\; indeterminado \;ou \;sistema\;impossivel\\  \end{matrix}\right.

Observação 1: Note que para esta discussão o sistema deve necessariamente ser nxn, ou seja, a matriz A quadrada.

Observação 2: Faz sentido a observação 1, pois fazendo a análise por meio de equação matricial, deve existir a matriz inversa de A que é garantida com o determinante não nulo (matriz não singular).

Exemplo 8 (retirado de [8])

Discuta o sistema, analisando quais são os valores temos um sistema possível e determinado (SD), sistema possível e indeterminado (SPI) e sitema impossível (SI).

\left\{\begin{matrix} mx+4y=2 \\  6x+4y=k\\  \end{matrix}\right.

Resposta: Temos que determinar o valor do determinante D e analisar os parâmetros. Portanto, temos que:

D=det(A)=\begin{vmatrix} m & 4\\  6 & 4 \end{vmatrix}=4m-24

1) Para o sistema ser SPD, D deve ser diferente de zero: 

D=4m-24\neq 0\rightarrow 4m\neq 24\rightarrow m\neq 6

Caso D seja igual a zero (m = 6) , temos o sistema a seguir:

\left\{\begin{matrix} 6x+4y=2\\  6x+4y=k \end{matrix}\right.

Subtraindo as duas equações lado a lado, obtemos:

0=2-k

De onde iremos decidir a seguir se o sistema é SPI ou SI.

2) Caso k = 2, a equação se torna 0 = 0 e então o sistema se reduz apenas à primeira equação e o se torna um SPI.

3) Caso  k\neq 0, a equação se torna 0\neq 0, o que é impossível e então o sistema é SI.

Resumindo:

\left\{\begin{matrix} m\neq 6\rightarrow sistema\; possivel \; e\; determinado\\  m= 6\; e\; k=2\rightarrow sistema\; possivel \; e\; indeterminado\\ m= 6\; e\; k\neq 2\rightarrow sistema\; impossivel \end{matrix}\right.

Até o momento definimos, identificamos e analisamos um sistema linear, mas ainda não aplicamos nenhum método para resolvê-lo. Neste item iremos explicar a regra de Cramer, mas que só pode ser utilizado em sistemas com igual número de equações e incógnitas.

Para facilitar o entendimento, vamos fazer a matriz A como uma composição de colunas ou vetores  ai de coeficientes e b como o vetor dos termos independentes. Assim, podemos reescrever a matriz A como:

A=\begin{bmatrix} \boldsymbol{a_{1}} & \boldsymbol{a_{2}} & ... & \boldsymbol{a_{n}} \end{bmatrix}

No caso do exemplo 7a1, a2, a3 b, seriam:

\boldsymbol{a_{1}}=\begin{bmatrix} 1\\  0\\  5 \end{bmatrix},\;  \boldsymbol{a_{2}}=\begin{bmatrix} -2\\  2\\  0 \end{bmatrix},\;  \boldsymbol{a_{3}}=\begin{bmatrix} 1\\  -8\\  -5 \end{bmatrix},\; \boldsymbol{b}=\begin{bmatrix} 0\\  8\\  10 \end{bmatrix}

Regra de Cramer

Para qualquer matriz A_{nxn} e qualquer b em \mathbb{R}^{n}, designaremos Ai(b) a matriz obtida de A substituindo a coluna ai pela coluna b. Desta forma:

 A=\begin{bmatrix} \boldsymbol{a_{1}} & \boldsymbol{a_{2}} & ... & \boldsymbol{a_{i}} & ... & \boldsymbol{a_{n}} \end{bmatrix}\rightarrow  A_{i}(b)=\begin{bmatrix} \boldsymbol{a_{1}} & \boldsymbol{a_{2}} & ... & \boldsymbol{b} & ... & \boldsymbol{a_{n}} \end{bmatrix}

A regra de Cramer nos diz que para uma matriz não singular (inversível) A de dimensão nxn e b em \mathbb{R}^{n} a equação Ax = b possui solução única para cada elemento de x:

x_{i}=\frac{det(A_{i}(b))}{det(A)}=\frac{\left | A_{i}(b) \right |}{\left | A \right |}

para i = 1,2,3,...,n

Exemplo 9 [6]

Resolva sistema linear do exemplo 7 utilizando a regra de Cramer.

Resposta: Vamos encontrar o Ai(b) de cada coluna da matriz A:

A_{1}(b)=\begin{bmatrix} 0 & -2 & 1\\  8 & 2 & -8\\  10 & 0 & -5 \end{bmatrix},\;  A_{2}(b)=\begin{bmatrix} 1 & 0 & 1\\  0 & 8 & -8\\  5 & 10 & -5 \end{bmatrix}\;  A_{3}(b)=\begin{bmatrix} 1 & -2 & 0\\  0 & 2 & 8\\  5 & 0 & 10 \end{bmatrix}

Agora calculando o determinante de cada matriz:

det(A) = 60

det(A1(b)) = 60

det(A2(b)) = 0

det(A3(b)) = -60

Aplicando a regra de Cramer para cada elemento de x:

x_{1}=\frac{det(A_{1}(b))}{det(A))}=\frac{60}{60}=1

x_{2}=\frac{det(A_{2}(b))}{det(A))}=\frac{0}{60}=0

x_{3}=\frac{det(A_{3}(b))}{det(A))}=\frac{-60}{60}=-1

E então a solução do sistema é (1,0,-1).

Podemos representar geometricamente esta solução como a interseção de 3 planos distintos conforme a Figura 4:

Figura 4 - exatamente uma solução [6]

Conclusão

Neste artigo definimos, estudamos, classificamos e mostramos uma forma de resolver os sistemas lineares utilizando a regra de Cramer. Apesar de ser um método direto, solucionar o problema a partir do cálculo de determinantes se torna trabalhoso a medida que a dimensão da matriz aumenta, além do que exige que a matriz dos coeficientes seja quadrada ou n por n. No próximo artigo vou explicar um método relativamente mais simples utilizando o escalonamento. Em [10] é mostrado como calcular o determinante de matrizes 2x2 e 3x3.

 

Referências

  1. Strang, Gilbert (2003). Introduction to linear algebra 3rd ed. [S.l.]: SIAM. p. 71. ISBN 0-961-40889-8Chapter 2, page 71
  2. EZZI, Gelson e HAZZAN, Samuel. Fundamentos de Matemática Elementar: Seqüências, Matrizes, Determinantes e Sistemas. Volume 4. São Paulo: Editora Atual, 2006.
  3. A.J. Laub, Matrix Analysis for Scientists and Engineers, SIAM: Society for Industrial and Applied Mathematics, 2004.
  4. C.D. Meyer. Matrix Analysis and Applied Linear Algebra. SIAM, 2000.
  5. R.A. Horn e C.R. Johnson. Matrix Analysis. Cambridge University Press, 2ª edição, 2013.
  6. David C Lay, “Linear Algebra and Its Applications”, Pearson Education, III Edition, 2003.
  7. UFRGS. Disponível em: https://www.ufrgs.br/reamat/AlgebraLinear/livro/s1-sistemas_lineares.html. Acesso em: 22 de julho de 2019.
  8. OLIVEIRA, Gabriel Alessandro de. "Discussão e análise do sistema linear"; Brasil Escola. Disponível em: https://brasilescola.uol.com.br/matematica/discussao-analise-sistema-linear.htm. Acesso em 22 de julho de 2019.
  9. RAMOS, Danielle de Miranda. "Regra de Cramer"; Brasil Escola. Disponível em: https://brasilescola.uol.com.br/matematica/regra-cramer.htm. Acesso em 22 de julho de 2019.
  10. SILVA, Marcos Noé Pedro da. "Determinantes"; Brasil Escola. Disponível em: https://brasilescola.uol.com.br/matematica/determinantes-1.htm. Acesso em 23 de julho de 2019.
São Paulo / SP
Mestrado: Sistemas Eletrônicos (POLI-USP)
Exponencial Matemática - Cálculo diferencial e integral I Matemática - cálculo 3 Matemática - Integral dupla Números Matemática - Integral Matemática - Aulas particulares
Professor de engenharia elétrica, matemática e física com mais de 8 anos no mercado. Venha aprender de forma agradável, amigável e interativa comigo!
Oferece aulas online (sala profes)
Oferece aulas presenciais
R$ 50 / aula
Conversar Whatsapp do professor Márcio L. Whatsapp do professor Márcio L. WhatsApp
1ª aula demonstrativa
Responde em 1 h e 23 min
Cadastre-se ou faça o login para comentar nessa publicação.

Listas de exercícios, Documentos, Revisões de textos, Trabalhos?

Se seu problema for dificuldade em uma lista de exercícios, revisão de teses e dissertações, correção de textos ou outros trabalhos, peça uma ajuda pelo Tarefas Profes.

Enviar Tarefa

Confira artigos similares

Confira mais artigos sobre educação

Ver todos os artigos

Encontre um professor particular

Busque, encontre e converse gratuitamente com professores particulares de todo o Brasil