Nesta secção, vamos apresentar uma forma de resolução da equação , fazendo uso da factorização estudada atrás. Vejamos de que forma essa factorização é útil no estudo da equação.
Considere a equação . O sistema associado escreve-se como . Calculando o valor de pela última equação, este é substituido na segunda equação para se calcular o valor de , que por sua vez são usados na primeira equação para se obter . Procedeu-se à chamada substituição inversa para se calcular a única (repare que a matriz dada é invertível) solução do sistema. Em que condições se pode usar a substituição inversa? Naturalmente quando a matriz dada é triangular superior com elementos diagonais não nulos. Mas também noutros casos. Considere a equação matricial . A matriz do sistema não é quadrada, mas o método da susbstituição inversa pode ainda ser aplicado. O sistema associado é , donde , e dependerá do valor de . A solução geral do sistema é . Mais à frente veremos qual a importância de escrevermos a solução na última forma apresentada. É fácil constatar que a substituição inversa é aplicável desde que a matriz do sistema seja uma matriz escada de linhas. A estatégia na resolução da equação irá, portanto, passar pela matriz escada obtida por Gauss, para depois se aplicar a substituição inversa. Desde que o sistema seja possível, claro.
Considere o sistema e a factorização . Ou seja, . Recorde que reflecte as operações elementares efectuadas nas linhas de por forma a se obter a matriz escada, percorrendo os passos do AEG. Multiplique ambos os membros de , à esquerda, por para obter . Como tem-se que , e daqui podemos aplicar a substituição inversa... depois de se determinar o termo independente . Recorde que reflecte as operações elementares efectuadas nas linhas de , de modo que para se obter basta efectuar essas mesmas operações elementares, pela mesma ordem, nas linhas de . Por forma a simplificar o raciocínio e evitar possíveis enganos, esse processo pode ser efectuado ao mesmo tempo que aplicamos o AEG nas linhas de A. Consideramos, para esse efeito, a matriz aumentada do sistema , aplicamos o AEG para se obter a matriz , onde é matriz escada de linhas e . Se o sistema for possível, aplica-se a substituição inversa a .
As soluções de são exactamente as mesmas de , e por este facto dizem-se equações equivalentes, e os sistemas associados são equivalentes. De facto, se é solução de então , o que implica, por multiplicação à esquerda por que , ou seja, que . Por outro lado, se então e portanto . Ora , e portanto . Obtemos então . Como é invertível, segue que e é solução de .
Visto determinar as soluções de é o mesmo que resolver , interessa-nos, então classificar este último.
Como exemplo, considere a equação . A segunda equação do sistema associado reflete a igualdade , o que é impossível. A equação é impossível já que não tem soluções. A matriz aumentada associada à equação é . Repare que a característica da matriz é 1 enquanto que a caratacterística da matriz aumentada é 2.
Como é fácil verificar, a característica da matriz a que se acrescentou linhas ou colunas é não inferior à característica da matriz inicial. Por consequência, .
Considere e . A equação é equivalente à equação , e portanto tem solução se e só se tem solução. Tal equivale a dizer que o número de linhas nulas de iguala o número de linhas nulas de . De facto, o número sendo o mesmo, por substituição inversa é possível obter uma solução de , e caso o número seja distinto então obtemos no sistema associado a igualdade , para algum , o que torna impossível. Se o número de linhas nulas de iguala o de então o número de linhas não nulas de iguala o de .
Octave
Considere a equação matricial onde
e
. A equação é consistente se e só se
> A=[2 2 1; 1 1 0.5]; b=[-1; 1];
> rank(A)
ans = 1
> [L,U,P]=lu(A)
L =
1.00000 0.00000
0.50000 1.00000
U =
2 2 1
0 0 0
P =
1 0
0 1
Portanto,
.
> rank([A b])
ans = 2
> Aaum =
2.00000 2.00000 1.00000 -1.00000
1.00000 1.00000 0.50000 1.00000
> [Laum,Uaum,Paum]=lu(Aaum)
Laum =
1.00000 0.00000
0.50000 1.00000
Uaum =
2.00000 2.00000 1.00000 -1.00000
0.00000 0.00000 0.00000 1.50000
Paum =
1 0
0 1
Ora a caraterística da matriz aumentada é 2, pelo que é inconsistente.
Dada a equação , considere equivalente à primeira fazendo uso da factorização da forma habitual. A incógnita diz-se incógnita básica se a coluna de tem pivot. Uma incógnita diz-se livre se não for básica. A nulidade de , , é o número de incógnitas livres na resolução de .
Octave
Na equação , com
, obtemos a decomposição
> A=[2 2 1; 1 1 -1]; b=[-1; 1]; > [L,U,P]=lu(A) L = 1.00000 0.00000 0.50000 1.00000 U = 2.00000 2.00000 1.00000 0.00000 0.00000 -1.50000 P = 1 0 0 1
Repare que . Ora , já que a característica de uma matriz é não superior ao seu número de linhas e ao seu número de colunas. Segue que . A equação é, portanto, consistente. Façamos, então, a classificação das incógnitas em livres e em básicas. Atente-se à matriz escada de linhas apresentada atrás. As colunas e têm como pivots, respectivamente, e . As incógnitas e são básicas. Já é livre pois a coluna de não tem pivot.
Qual o interesse neste tipo de classificação das incógnitas? A explicação é feita à custa do exemplo anterior. A equação é equivalente à equação , com .
Octave
Com os dados fornecidos,
> [Laum,Uaum,Paum]=lu([A b]) Laum = 1.00000 0.00000 0.50000 1.00000 Uaum = 2.00000 2.00000 1.00000 -1.00000 0.00000 0.00000 -1.50000 1.50000 Paum = 1 0 0 1
Podemos, agora, aplicar o método da substituição inversa para obter as soluções da equação. Esse método é aplicado da seguinte forma:
Para conveniência futura, a solução é apresentada na forma
Voltando ao exemplo, recorde que se obteve a equação equivalente à dada
Num sistema possível, a existência de incógnitas livres confere-lhe a existência de várias soluções, e portanto o sistema é possível indeterminado. Ora, se o número de incógnitas é e se delas são básicas, então as restantes são livres. Recorde que o número de incógnitas iguala o número de colunas da matriz do sistema, e que a característica de uma matriz é igual ao número de pivots. Existindo, no máximo, um pivot por coluna, e como o número das colunas com pivots é igual ao número de incógnitas básicas, segue que a característica da matriz é igual ao número de incógnitas básicas. A existência de incógnitas livres é equivalente ao facto de existirem colunas sem pivot, ou seja, do número de colunas ser estritamente maior que a característica da matriz. De facto, as incógnitas livres são, em número, igual ao número de colunas sem pivot.
Recorde que o número de incógnitas livres é o número de colunas sem pivot na resolução de um sistema possível . Por outro lado, a nulidade de , , é o número de incógnitas livres que surgem na resolução de . Recorde ainda que a característica de , , é o número de pivots na implementação de Gauss, que por sua vez é o número de colunas com pivot, que iguala o número de incógnitas básicas na equação . Como o número de colunas de uma matriz iguala o número de incógnitas equação , e estas se dividem em básicas e em livres, correspondendo em número a, respectivamente, e , temos o resultado seguinte:
O resultado seguinte descreve as soluções de uma equação possível à custa do sistema homogéneo associado (ou seja, ) e de uma solução particular de .
Reciprocamente, assuma solução de e solução de . Pretende-se mostrar que é solução de . Para tal, .
Ou seja, conhecendo o conjunto das soluções de e uma solução particular de , conhece-se o conjunto das soluções de .
Octave
Considere a equação matricial , com
e
. O sistema é consistente, já que
:
> rank ([A b]) ans = 2 > rank (A) ans = 2Sendo a característica de igual a 2 e tendo a matriz 3 colunas, então existe uma, e uma só, incógnita livre na resolução de . Façamos, então, a divisão das incógnitas em livres e básicas. Para tal, determina-se a matriz escada de linhas obtida da matriz aumentada :
> [Laum,Uaum,Paum]=lu([A b]) Laum = 1.00000 0.00000 0.00000 -0.50000 1.00000 0.00000 -0.75000 0.50000 1.00000 Uaum = -12.00000 -1.00000 -8.00000 -1.00000 0.00000 -5.50000 -4.00000 4.50000 0.00000 0.00000 0.00000 0.00000 Paum = 0 0 1 0 1 0 1 0 0Se , as incógnitas básicas são e , enquanto que é incógnita livre.
Como vimos do resultado anterior, conhecendo uma solução particular de , digamos, , e conhecendo , ou seja, o conjunto das soluções de , então as soluções de são da forma , onde . Uma solução particular pode ser encontrada tomando a incógnita livre como zero. Ou seja, considerando . A sunbstituição inversa fornece o valor das incógnitas básicas :
> x2=Uaum(2,4)/Uaum(2,2) x2 = -0.81818 > x1=(Uaum(1,4)-Uaum(1,2)*x2)/Uaum(1,1) x1 = 0.15152
Este passo pode ser efectuado, de uma forma mais simples, como
> A\b ans = 0.31235 -0.62518 -0.26538Resta-nos determinar :
> null (A) ans = 0.44012 0.52814 -0.72620
O vector que nos é indicado significa que é formado por todas a colunas da forma . Se, por ventura, nos forem apresentados vários vectores v1 v2 ... vn, então os elementos de escrevem-se da forma .
Considere, agora, a matriz
> A=[2 2 2 0; 1 1 2 2];Esta matriz tem característica 2, como se pode verificar à custa da factorização :
> [L,U,P]=lu(A) L = 1.00000 0.00000 0.50000 1.00000 U = 2 2 2 0 0 0 1 2 P = 1 0 0 1A nulidade é 2, pelo que existem 2 incógnitas livres na resolução de . As incógnitas livres são as correspondentes à colunas de que não têm pivot; no caso, e . O sistema associado à equação é . Resolvendo o sistema em relação à incógnitas básicas , e por substituição inversa, obtemos , que por sua vez fornece, substituindo na primeira equação, . Ou seja, a solução geral de é
Sem nos alongarmos em demasia neste assunto, o Octave, como já foi referido, contém uma instrução que calcula o núcleo de uma matriz:
> null(A) ans = -0.71804 -0.35677 0.10227 0.79524 0.61577 -0.43847 -0.30788 0.21924O resultado apresentado indica os vectores que decrevem o conjunto : todo o elemento de se escreve como soma de múltiplos dos dois vectores apresentados. Mais, os vectores fornecidos são ortogonais entre si e têm norma 1.
> null(A)(:,1)'*null(A)(:,2) ans = 6.2694e-17 > null(A)(:,1)'*null(A)(:,1) ans = 1.0000 > null(A)(:,2)'*null(A)(:,2) ans = 1
Seguinte: Algoritmo de Gauss-Jordan
Acima: Sistemas de equações lineares
Anterior: Formulação matricial
  Conteúdo
Pedro Patricio
2008-01-08