Sistemas de equações lineares

0.4 Unidade [Link] de equações lineares

Introdução

Nesta unidade iremos abordar os sistemas de equações lineares, a compatibilidade de sistemas

de equações assim como resolução de sistemas de equações lineares usando os métodos de
Gauss, recorrendo à matriz inversa.
No fim desta unidade, o aluno deve:

• Determinar a matriz do sistema, coluna das incógnitas e do segundo membro;

• Determinar um determinado valor num sistema de equações lineares, usando as condições

de compatibilidade de sistemas de equações lineares;

• Resolver sistemas de equações lineares, usando o método de Gauss5 ;

• Resolver sistemas de equações lineares, usando a matriz inversa;

• Resolver sistemas de equações lineares usando determinantes (método de Cramer6 ).

5
Carl Friedrich Gauss (1777–1855) — matemático alemão
6
Gabriel Cramer (1704–1752)—matemático su??o

78
Álgebra Linear e Geometria Analítica 79

0.4.1 Generalidades

Definição 0.4.1. Uma equação linear nas incógnitas x1 , . . . , xn é uma equação do tipo
a1 x1 + . . . + an · xn = b, onde a1 . . . an e b são números. A b costuma chamar-se segundo
membro ou termo independente da equação .

Um sistema de equações lineares é um conjunto composto por duas ou mais equações line-
ares ou é um conjunto finito de equações lineares (todas nas mesmas incógnitas). Um sistema
genérico
 com m equações e n incógnitas




a11 x1 + . . . + a1n xn = b1


 a x + . . . + a2n xn = b2
21 1




... ... ... ... ... ... ...


 a x + ... + a x = b
m1 1 mn n m
Estesistema, pode ser apresentada
  forma
na  abreviada
  Ax = b, onde
a a12 . . . a1n x b
 11   1   1 
     
 a21 a22 . . . a2n   x2   b2 
     
A=   , x=   e b=  
 ... ... ... ...   ...   ... 
     
am1 am2 . . . amn xn bm
A é a matriz do sistema, x é a matriz-coluna das incógnitas e b é a matriz-coluna do segundo
membro ou, abreviamente, o segundo membro do sistema.  
a11 a12 . . . a1n b1
 
 
 a21 a22 . . . a2n b2 
Uma outra matriz que podemos associar ao sistema é [Ab]= 

 que

 ... ... ... ... ... 
 
am1 am2 . . . amn bm
se chama matriz ampliada.



 2x1 + 5x2 − x3 = 3
Exemplo 0.4.1. 4x1 + 9x2 + x3 = 7

 x − 2x + 3x = 0
1
 2
 3    
2 5 −1 x1 3
     
A matriz do sistema é  4 9 1  , enquanto que x=  x2  e b=  7  são, respecti-
1 −2 3 x3 0
vamente, as matrizes-coluna das incógnitas e do segundo membro.

Definição 0.4.2. Uma solução de um sistema de equações lineares nas incógnitas x1 , . . . , xn é

uma sequência ordenada (α1 , . . . , αn ) de números tais que as substituições xi = αi , i = 1, . . . , n
transformam todas as equações do sistema em igualdades verdadeiras. Uma solução também
se pode apresentar na forma de uma matriz-coluna n × 1.
80 Instituto Superior Politécnico De Songo

 
α1
 
 α2 
 
 ... 
αn

Resolver um sistema de equações lineares é determinar todas as suas soluções ou provar

que não existe nenhuma .

0.4.2 Compatibilidade de sistemas lineares

Sistema possível ou compatível

Definição 0.4.3. Um sistema de equações lineares que tenha pelo menos uma solução diz-se
possível ou compatível

Teorema 0.4.1. O sistema é compatível se a característica da matriz dos coeficientes coincide

com a característica da matriz ampliada.

Um sistema possível ou compatível, pode ser:

1) Determinado se só tiver uma única solução.

Teorema 0.4.2. O sistema compatível é determinado se a característica da matriz dos

coeficientes coincide com o número de incógnitas do sistema.

2) Indeterminado se tiver mais do que uma solução.

Teorema 0.4.3. O sistema compatível é indeterminado se a característica da matriz dos

coeficientes for menor que o número das incógnitas do sistema.

Sistema impossível ou incompatível

Definição 0.4.4. Um sistema de equações lineares que não tenha nenhuma solução diz-se
impossível ou Incompatível.

Teorema 0.4.4. O sistema é incompatível se a característica da matriz ampliada for maior

que a característica da matriz dos coeficientes.
{
2x1 + 5x2 = 3
Exemplo 0.4.2. 1) O sistema é determinado, sendo que tem única
4x1 + 9x2 = 7
[ ]
4
solução
−1
Álgebra Linear e Geometria Analítica 81

{ [ ]
2x1 + 4x2 = 12 6 − 2α
2) O sistema é possível e indeterminado, com solução
4x1 + 8x2 = 24 α
, para qualquer α ∈ R.
{
2x1 + 4x2 = 5
3) O sistema é impossível.
4x1 + 8x2 = 7

Definição 0.4.5. Um sistema em que os segundos membros das equações são todos iguais a
zero, diz-se homogéneo.
um sistema homogéneo, tem a forma matricial seguinte Ax = 0.

Nota 0.4.1. Um sistema homogéneo é sempre possível (possui sempre, pelo menos uma solução
, a chamada solução nula).

SOLUCAO DE UM SISTEMA HOMOGÊNEO DE EQUACOES LINEARES

Se partirmos de um sistema homogêneo de equações lineraes, então ele é claramente consis-

tente, pois, por exemplo, ele tem a solucao zero 0 = (0, 0, . . . , 0). Assim, ele pode sempre ser
reduzido a um sistema homogêneo equivalente na forma escalonada

Portanto, temos duas possibilidades

(i) r = n. Então, o sistema tem somente a solução zero.

(ii) r < n. Então, o sistema tem uma solução não nula.

Se partirmos de menos equações do que incógnitas, então, na forma escalonada, r < n e,

portanto, o sistema uma solução nula. Isto é,

Teorema 0.4.5. Um sistema homogêneo de equações lineares com mais incógnitas do que
equações tem uma solução não nula.


 x1 + 5x2 − x3 = 0
Exemplo 0.4.3. 4x1 + x2 + x3 = 0

 x − 2x + x
1 2 3 = 0
Este sistema é homogéneo.

Definição 0.4.6. Dois sistemas com o mesmo número de equações e de incógnitas dizem-se
equivalentes se os mesmos conjuntos de soluções .
{ {
3x1 + 6x2 = 42 x1 + 2x2 = 14
Exemplo 0.4.4. Os sistemas e são equiva-
2x1 − 4x2 = 12 x1 − 2x2 = 6
lentes, pois admitem a mesma solução x1 = 10 e x2 = 2.
82 Instituto Superior Politécnico De Songo

0.4.3 O algorítmo de eliminação de Gauss

Um método geral de resolução de sistemas de equações lineares é o chamado algorítmo de

eliminação de Gauss. Este algorítmo consiste numa sequência de passos elementares que
transformam o sistema dado num sistema muito fácil de resolver.
Um passo elementar do método de eliminação de Gauss consiste na adição membro a mem-
bro a uma equação de um múltiplo de outra, de forma que , na equação obtida, seja nulo o
coeficiente de certa incógnita. Com isto dizemos que se eliminou essa incógnita da equação .

Método de Gauss:

1) Usando transformações elementares das linhas, transformar a matriz correspondente ao

sistema dado para forma escalonada.

2) Se a última linha não nula tem pivot na última coluna, então o sistema é incompatível.

3) Se cada coluna, excepto a última tem pivot, então tem única solução ˙
Neste caso para obter solução é preciso transformar matriz á forma escalonada reduzida
e secrever o sistema correspondente.

4) Se a última coluna não tem pivot e existe pelo menos uma outra coluna que também não
contém pivot, então o sistema tem infinidades de soluções.
Para obter a solução geral, é preciso transformar a matriz á forma escalonada reduzida e
escrever o sistema correspondente. Depois atribuir os valores paramétricos para incógnitas
cujas colunas respectivas não têm pivots e expressar as outras incógnitas atravéz destes
paramétros.

Expliquemos o método de eliminação de Gauss, como sequência dos passos elementares por
meio de um exemplo concreto.

Exemplo
 0.4.5. Consideremos o sistema  

 x1 + 4x2 + 3x3 = 1 1 4 3 1
 
2x1 + 5x2 + 4x3 = 4 a matriz ampliada será:  2 5 4 4  (1)

 x − 3x − 2x = 5
1 2 3 1 −3 −2 5
Primeiro passo: Eliminemos a variável x1 das equações 2 e 3. Para o efeito, multiplicamos
a equação 1 por −2 e adicionamos a equação a equação 2, e de seguida multiplicaremos a
equação por −1 e adicionamos a equação 3. Daqui resulta a equação (2).
Álgebra Linear e Geometria Analítica 83

  

 x1 + 4x2 + 3x3 = 1 1 4 3 1
 
0 − 3x2 − 2x3 = 2 a matriz ampliada será:  0 −3 −2 2  (2)

 0 − 7x2 − 5x3 = 4 0 −7 −5 4
Segundo Passso: Tornemos a equação do sistema 2 igual a 1. Para tal vamos multiplicar a
1
equação 2 por − . Daqui resulta a equação (3).
 3  

 1x + 4x 2 + 3x 3 = 1 1 4 3 1
 
0 + x2 + 23 x3 = − 23 a matriz ampliada será:  0 1 2
− 23  (3)

 0 − 7x − 5x = 4
3
2 3 0 −7 −5 4
Terceiro Passo: Eliminemos a variável x2 das equações 1 e 3 do sistema (3). Para tal vamos
multiplicar a equação2 por −4 e adicionarmos a equação 1, e de seguida multipliquemos a
equação
 por 2 por 7 e adicionemos a equação 3. Daqui  resulta o sistema (4).

 x1 + 0 + 3 x3 = 3
1 11
1 0 31 11
 3

0 + x2 + 23 x3 = − 23 a matriz ampliada será:  0 1 32 − 23  (4)

 0 + 0 − 1x = −2
3 3 3
0 0 − 31 − 23
Quarto: Tornemos o coeficiente x3 do sistema equação 1 do sistema 4 igual a 1. Para tal
multipliquemos
 a equação 3 por −3. Daqui resulta o sistema
 (5). 

 1x + 0 + 1
x
3 3
= 11
1 0 1 11
3
 3 3

0 + x2 + 23 x3 = − 23 a matriz ampliada será:  0 1 32 − 23  (5)

 0 + 0 + x
3 = 2 0 0 1 2
Quinto Passo: Eliminemos x3 das duas primeiras equações do sistema (5). Para tal multipli-
1
quemos a equação 3 por − e adicionamos a primeira equação e de seguida multipliquemos
3
2
a equação 3 por − . Daqui resulta o sistema (6)
 3  

 x1 + 0 + 0 = 3 1 0 0 3
 
0 + x2 + 0 = −2 a matriz ampliada será:  0 1 0 −2  (6)

 0 + 0 + x = 2 0 0 1 2
 3

 x1 = 3
Ou seja: x2 = −2

 x = 2
3
Assim, cada sistema foi obtido a partir do sistema anterior, por operação es que preservam
as igualdades. O ponto fundamental deste procedimento é que as etapas todas reversíveis. Por
exemplo partindo do sistema (ii) podemos obter o sistema (i).

0.4.4 Resolução de sistemas de equações lineares recorrendo á matriz

inversa

O cálculo da inversa de uma matriz fornece um outro método de resolução de sistemas de

equações lineares. Que se aplica a sistemas em que o número de equações é igual ao número de
incógnitas.
Resolver o sistema de equações lineares recorrendo á matriz inversa consiste em determinar a
matriz x.
84 Instituto Superior Politécnico De Songo

PROCEDIMENTO:
Consideremos as matrizes A, b e I de ordem n, matriz do sistema, matriz do segundo membro
e a matriz identidade respectivamente.
Primeiro Passo: Multipliquemos em ambos os membros da equação A · x = b por A−1 , isto
é, A−1 · (A · x) = A−1 · b, onde A−1 é a matriz inversa da A e b é a matriz coluna do segundo
membro.
Segundo Passo: Apliquemos a propriedade associativa da multiplicação das matrizes, isto
é (A−1 ·A)b = A−1 ·b. sabe-se que A·A−1 = I , daqui teremos ⇐⇒ I ·x = A−1 ·b =⇒ x = A−1 ·b.

Nota 0.4.2. O método de resolução de sistemas de equações não tem carácter universal como
o método de Gauss, isto é, só válido para sistemas em que a matriz do sistema for quadrado e
invertível.

Vamos explicar este método usando o exemplo:

Exemplo 0.4.6.  Consideremos o seguinte sistema:

 x1 + 4x2 + 3x3 = 1
Dado o sistema: 2x1 + 5x2 + 4x3 = 4

 x − 3x − 2x = 5
1 2 3
Resolução:
Escrevemos
 este sistema
 na
 forma  A · x = b, onde:
 matricial
1 4 3 x1 1
     
A=  2 5 4  , x=  x2  e b=  4 
1 −3 −2 x3 5
A resolução do sistema usando a matriz inversa, 
consite em
 determinar a matriz x, usando

1 4 3 | 1 0 0 1 4 3 | 1 0 0
   
o procedimento acima.  2 5 4 | 0 1 0  −→  0 −3 −2 | −2 1 0  −→
1 −3 −2 | 0 0 1 0 −7 −5 | −1 0 1
 
1 4 3 | 1 0 0
 
 0 1 2
3
| 3 − 13 0 
2

0 −7 −5 | −1 0 1
   
1 0 13 | − 53 − 43 0 1 0 13 | − 53 4
0
   3

−→  0 1 23 | 23 − 31 0  −→  0 1 23 | 2
3
− 1
3
0 
0 0 − 13 | 11 − 37 1 0 0 1 | −11 7 −3
 3   
1 0 0 | 2 −1 1 2 −1 1
   
−→  0 1 0 | 8 −5 2  logo A−1 =  8 −5 2 
0 0 1 | −11 7 −3 −11 7 −3
     
2 −1 1 1 3
     
Como x = A−1 · b, então x=  8 −5 2  ·  4  =  −2 
−11 7 −3 5 2
Álgebra Linear e Geometria Analítica 85

Portanto, a solução é x1 = 3; x2 = −2 e x3 = 2.

0.4.5 Regra de Cramer

O cálculo dos determinantes de uma matriz fornece um outro método de resolução de sistemas
de equações lineares, que se aplica a sistema em que o número de equações é igual ao número
de incógnitas.
Consideremos
 o seguinte sistema:




a11 x1 + . . . + a1n xn = b1


 a x + . . . + a2n xn = b2
21 1




... ... ... ... ... ... ...


 a x + ... + a x = b
m1 1 mn n m
Podemos escrever este sistema na forma matricial:

 Este sistema, pode ser

 apresentada
  naforma abreviada Ax = b, onde
a a12 . . . a1n x b
 11   1   1 
     
 a21 a22 . . . a2n   x   b 
  . . .  2  =  2  ou A · X = B .
     
 ... ... ... ...   ...   ... 
     
am1 am2 . . . amn xn bm
Onde
   
x1 b1
   
   
 x2   b 
é a matriz dos coeficientes e 

 é a matriz das incógnitas, e  2
 
 a matriz dos

 ...   ... 
   
xn bm
termos independentes.
Suponhamos que detA ̸= 0 e portanto, a matriz A tenha a inversa A−1 . A · X = B ⇔
A−1 · (A · X) = A−1 
· B ⇔(A−1· A) · X = A−1 · B ⇔ I· X = A−1· B ⇔ X = A−1 · B
x a a12 . . . a1n b
 1   11   1 
     
 x2   a21 a22 . . . a2n   b2 
     
Na forma matricial   =   ·  
 ...   ... ... ... ...   ... 
     
xn am1 am2 . . . amn bm
−1 1
Usando a relação A = detA (AdjA), para a matriz inversa, temos:
86 Instituto Superior Politécnico De Songo

     
x △ △12 . . . △1n b
 1   11   1 
     
 x2   △21 △22 . . . △2n   b2 
  = 1   ·  
  detA    
 ...   ... ... ... ...   ... 
     
xn △n1 △n2 . . . △nn bm
b1 △11 +b2 △21 +...+bn △n1
Assim, x1 = det A

Observe que o numerador desta fracção é igual ao determinante da matriz que obtemos de A,
substituindo a primeira coluna pela matriz
 dos termos independentes.
 Isto é, usando o desen-
b a11 . . . a1n
 1 
 
 b2 a22 . . . a2n 
volvimento de Laplace, obtemos: det 
 = b1 △11 + b2 △21 + . . . + bn △n1

 ... ... ... ... 
 
bn an2 . . . ann
ou seja
b1 a11 . . . a1n
b2 a22 . . . a2n
... ... ... ...
bn an2 . . . ann
x1 =
a11 a12 . . . a1n
a21 a22 . . . a2n
... ... ... ...
am1 am2 . . . amn
a11 . . . b1 a1n
a22 . . . b2 a2n
... ... ... ...
an2 . . . bn ann
Fazendo deduções análogas, obtemos xi = Para i = 1, 2, 3, . . . n.
a11 a12 . . . a1n
a21 a22 . . . a2n
... ... ... ...
am1 am2 . . . amn
Note que no denominador temos o determinante da matriz dos coeficientes e no numerador
aparece o determinante da matriz A, substituindo a i-ésima coluna pela coluna dos termos
independentes.
Este método é chamado regra de Cramer.

Exemplo 0.4.7. Resolva os sistemas abaixos, aplicando a regra de Cramer:

Álgebra Linear e Geometria Analítica 87

{
2x1 + 5x2 = 3
(a)
4x1 + 9x2 = 7


 x1 + 4x2 + 3x3 = 1
(b) 2x1 + 5x2 + 4x3 = 4

 x − 3x − 2x = 5
1 2 3

Resolução :

(a) Achemos o determinante do sistema, isto é,

2 5
det = = 2 · 9 − 4 · 5 = −2
4 9
3 5
7 9 3·9−7·5 −8
Para achar, x1 e x2 faremos o seguinte: x1 = −2
= −2
= −2
= 4 =⇒ x1 = 4.
2 3
4 7
x2 = −2
= 2·7−4·3
−2
2
= −2 = 4 =⇒ x2 = −1.

(b) Achemos o determinante do sistema, isto é,

1 4 3
det = 2 5 4
1 −3 −2
= 1 · (5 · (−2) − 4 · (−3)) − 4(2 · (−2) − 4 · 1) + 3(2 · (−3) − 1 · 5) = 2 + 32 − 33 = 1.
Para achar x1 , x2 e x3 , faremos:
1 4 3
4 5 4
5 −3 −2
x1 = 1
= 1·(5·(−2)+(−3)·4)−4·(4·(−2)−5·4)+3·(4·(−3)−5·5)
1
= 3 =⇒ x1 = 3
1 1 3
2 4 4
1 5 −2
x2 = 1
= 1·(4·(−2)−5·4)−1·(2·(−2)−1·4)+3·(2·(−2)−1·4)
1
= −2 =⇒ x2 = −2.
1 4 1
2 5 4
1 −3 5
x3 = 1
= 1·(5·5−(−3)·4)−4·(2·5−1·4)1·(2·(−3)−1·5)
1
= 2 =⇒ x3 = 2.

Observando atentamente o algorítmo da regra de Cramer podemos concluir:

⋆ Se det A ̸= 0 o sistema é possível (compatível) e determinado.
⋆ Se det A ̸= 0, o sistema é possível (compatível) e indeterminado se todos os determinantes
que aparecem no numerador são nulos, isto é, det (Axi ) = 0.
⋆ Se det A = 0, o sistema é impossível ou incompatível se existe pelo menos um dos determi-
nantes que aparecem no numerador diferentes de zero, isto é, existe det (Axi ̸= 0).
88 Instituto Superior Politécnico De Songo

0.4.6 Exercícios Resolvidos



 −2x1 + + 3x3 − 4x4 = 1


x2
1) Dada o sistema de equações : x1 + 5x2 − 2x3 + x4 = 4



 4x
1 − x2 − 3x3 + 2x4 = 0
Determine:

(a) A matriz do sistema;

Resolução :  
−2 1 3 −4
 
 
A matriz do sistema é :  1 5 −2 1  .
 
4 −1 −3 2
(b) A matriz coluna das incógnitas;
Resolução :  
x1
 
 
 x2 

A matriz coluna das incógnitas é:  

 x3 
 
x4
(c) A matriz coluna do segundo membro;
Resolução :  
1
 
 
A matriz coluna do segundo membro é:  4  .
 
0
(d) A matriz ampliada.
Resolução :  
−2 1 3 −4 1
 
 
A matriz ampliada é:  1 5 −2 1 4  .
 
4 −1 −3 2 0

2) Usando o método de Gauss, Resolva:


 x − 3y = 2
(a) ;
 2x + 3y = 5


 − 2y + 3z = 10


x
(b) 2x + 3y − 4z = −7 .



 −x + y + 2z = 1
Álgebra Linear e Geometria Analítica 89

Resolução:

(a) 
Primeiro: Vamos achar a matriz ampliada do sistema, isto
 é, 
 x − 3y = 2 1 −3 | 2
A matriz ampliada do sistema será   (1)
 2x + 3y = 5 2 3 | −5
Segundo Vamos eliminar a variável x1 da segunda equação do sistema (1). Para
tal vamos multiplicar a primeira equação do sistema (1) por −2 e adicionamos a
segunda
 equaçãodo sistema (1), donde resulta  
 x − 3y = 2 1 −3 | 2
A matriz ampliada do sistema será   (2)
 0x + 9y = −9 0 9 | −9
Se repararmos, veremos que o sistema (2), é fácil de resolver.
Resolvendo
 o sitema (2), teremos:

 x − 3y = 2  x = −1
⇒
 0x + 9y = −9  y = −1
Então, a solução do sistema será (−1, −1).

(b) 
Primeiro. Vamos achar a matriz ampliada do sistema, isto
 é, 

 x − −2 | 10


2y + 3z = 10

1 3

 
2x + 3y − 4z = −7 A matriz ampliada será  2 3 −4 | −7 

  

 −x + y + 2z = 1 −1 1 2 | 1
(1)
Segundo. Vamos eliminar a variável x1 das equações 2 e 3 do sistema (1). Para
tal vamos multiplicar a primeira equação por −2 e 1 e adicionamos a primeira e
segunda
 equação do sistema (1), respectivamente. Daquiresulta: 

 x − 2y + 3z = 10 1 −2 3 | 10

  
 
0x + 7y − 10z = −27 A matriz ampliada será  0 7 −10 | −27 

  

 0x − y + 5z = 11 0 −1 5 | 11
(2)
Terceiro.
 Trocamos a segunda e a terceira linha do sistema.
 Daqui resulta. 

 x − 1 −2 3 | 10


2y + 3z = 10
 
 
0x − y + 5z = 11 A matriz ampliada será  0 −1 5 | 11 

  

 0x + 7y − 10z = −27 0 7 −10 | −27
(3)
Quarto. Eliminamos a variável x2 da terceira equação do sistema (3). Para tal
multiplicamos a equação 2 do sistema (3) e adicionamos à terceira equação. Daqui
teremos:
90 Instituto Superior Politécnico De Songo

  

 − 2y + 1 −2 3 | 10


x 3z = 10
 
 
0x − y + 5z = 11 A matriz ampliada será  0 −1 5 | 11  (4)

  

 0x + 0y + 25z = 50 0 0 25 | 50
Se repararmos, veremos que o sistema (4), é fácil de resolver.
Resolvendo
 o sistema (4), teremos: 

 x − 2y + 3z = 10 


 

x = 2
0x − y + 5z = 11 ⇒ y = −1 .

 


 0x + 0y + 25z = 50 
 z = 2
Então a solução do sistema será (2, −1, 2).

3) Recorrendo a matriz inversa, resolva os sistemas abaixos:


 x + 2y = 9
(a)
 2x − 3y = 4


 x + y


= 2
(b) y + z = 0



 x = −1

Resolução:

(a) Resolver os sistema de equações lineares recorrendo à matriz inversa consiste em

determinar a matriz x = A−1 b onde x será a solução do sistema, A matriz do
sistema
 e b matriz coluna
  do segundo membro.
 Daqui teremos:
x 9 1 2
x=   B=   e   .
y 4 2 −3
Achemos
 a matriz inversa
 de A, isto é,     
1 2 | 1 0 1 2 | 1 0 1 2 | 1 0 1 0 | 3 2
 ⇒ ⇒ ⇒ 7 7 
2 −3 | 0 1 0 −7 | −2 1 0 1 | 72 − 17 0 1 | 2
7
− 17
 
Então a matriz inversa será:
3 2
 7 7 
2
7
− 17
Resolvendo
  o sistema
 de equação
  teremos:
 
3 2
x 9 5
x=   =  7 7  ·   =  
y 2
7
− 71 4 2
Então a solução do sistema será: (5, 2).
Álgebra Linear e Geometria Analítica 91

(b) Usando
 os procedimentos
  da alínea
 anterior, onde a inversa da matriz
1 −2 7 1 −1 1
   
   
 0 1 −2  é  0 1 −1  , teremos:
   
0 0 1 0 0 1
       
x 1 −1 1 2 1
       
       
x =  y  =  0 1 −1   0  =  1 
       
z 0 0 1 −1 −1
Então a solução do sistema sera (1, 1, −1).



 x + αy − 2z = 0


4) Determine α de modo que o sistema x + y + z7 = 1 não admita solução .



 x − y − z = 3
Resolução :
Para que o sistema não admita solução , o determinante do sistema deve ser nulo, isto
1 α −2
é, 1 1 1 =0
1 −1 −1
Resolvendo a equação , teremos:
1 1 1 1 1 1
(−1)1+1 · 1 + (−1)1+2 · α +(−1)1+3 · (−2)
−1 −1 1 −1 1 −1
= (−1 + 1) − α(−1 − 1) − 2(−1 − 1) = 0 ⇔ 2α + 4 = 0 ⇒ α = −2.

5) Usando o método de Cramer, resolva os sistemas Abaixos:


 3x − 4y = −6
(a)
 x + 2y = 8





x + y + z = 1
(b) 2x − y + z = 3



 x − y = 4





x + y + z + w = 0


 x + y + z − w = 1
(c)

 x + y − z + w = −4




 x − y + z + w 2

Resolução :
92 Instituto Superior Politécnico De Songo


 3x − 4y = −6
(a)
 x + 2y = 8
Usando o método de Cramer, teremos:
−6 −4
8 2 20
x= = 10
=2
3 −4
1 2
3 −6
1 8 30
y= = 10
=3
3 −4
1 2
Assim, a solução do sistema será:(2, 3).






x + y + z = 1
(b) 2x − y + z = 3



 x − y = 4
Usando o método de Cramer, teremos:
1 1 1 1 1 1 1 1 1
3 −1 1 2 3 1 2 −1 3
4 −1 0 6
1 4 0 2
1 −1 4
x = = 1
= 6 y = = 1
= 2 y =
1 1 1 1 1 1 1 1 1
2 −1 1 2 −1 1 2 −1 1
1 −1 0 1 −1 0 1 −1 0
−7
= 1
= −7

Assim, a solução do sistema será:(6, 2, −7).






x + y + z + w = 0


 x + y + z − w = 4
(c)

 y − z + w = −4


x +


 x − y + z + w = 2
Usando o método de Cramer, teremos:
Álgebra Linear e Geometria Analítica 93

0 1 1 1 1 0 1 1
4 1 1 −1 1 4 1 −1
−4 1 −1 1 1 −4 −1 1
2 −1 1 1 1 2 1 1 −8
x= = 8
8
=1 y= = 8
= −1
1 1 1 1 1 1 1 1
1 1 1 −1 1 1 1 −1
1 1 −1 1 1 1 −1 1
1 −1 1 1 1 −1 1 1
1 1 0 1 1 1 1 0
1 1 4 −1 1 1 1 4
1 1 −4 1 1 1 −1 −4
1 −1 2 1 1 −1 1 2 −16
z= = 16
8
=2 w= 8
= −2
1 1 1 1 1 1 1 1
1 1 1 −1 1 1 1 −1
1 1 −1 1 1 1 −1 1
1 −1 1 1 1 −1 1 1
Assim, a solução do sistema será:(1, −1, 2, −2).
94 Instituto Superior Politécnico De Songo

0.4.7 Exercícios Propostos

1) Considere os sistemas, ache:


 2x + y = 5
(a)
 x − 3y = 6





x + 2y + 3z = 0
(b) 2x + 3y + 3z = 1



 3x + 2y + z = 0

i. A matriz ampliada;
ii. A matriz coluna das incógnitas;
iii. A matriz coluna do segundo membro;
iv. A matriz ampliada.

2) Usando o método de eliminação de Gauss, resolva o sistema:


 x + 2y = 4
(a)
 x − y = 2





x + 2y + z = 4
(b) x − y + z = 5



 2x + 3y − z = 1





x + y + z + w = 6


 x + 2y + 2z + 2w = 11
(c)




x + 2y + 3z + 3w = 15


 x + 2y + 3z + 4w = 17





kx + y + z = 1
3) Determine o valor de k , de modo que o sistema x + ky + z = 1 seja:



 x + y + kz = 0

(a) compatível e determinado;

(b) imcompatível;

(c) compatível e indeterminado.

4) Resolva os seguintes sistemas recorrendo à matriz inversa:

Álgebra Linear e Geometria Analítica 95


 2x + y = 7
(a)
 3x − 2y = 0





2x + 2y = 5
(b) x + 3z = 5



 −x + 4y = 2


 x − y + z −


w = 0


 x + 2y − 2z + 2w = 3
(c)

 x + 2y + 3z − 3w =


3


 x − 2y + 3z − 4w = −2



 x + αy − 2z = 0




 x + y + z − w = 4
5) Determine α de modo que o sistema não admita




x + y + z = 1


 x − y − z = 3
solução.

6) Usando a regra de Cramer, determine a solução dos sistemas:


 3x − 4y = −6
(a) ;
 x + 2y = 8


 x − y + z −


w = 1
(b) 2x + y = 3



 y − 5z = 4


 2x + 5y − 3z − 2w = 2




 −2x − 3y + 2z − 5w = 8
(c)

 x + 3y − 2z


+ 2w = 4


 −x − 6y + 4z + 3w = 0

SISTEMAS CONSISTENTES/INCONSISTENTES

 2x − 3y + z = 0
7) Usando o método de eliminação de Gauss resolva o sistema
 x + y − z = 0
96 Instituto Superior Politécnico De Songo






5x + 8y + 6z = 7


 3x + 5y + 4z = 5
8) Dado o sistema verifique se ele é consistente e ache as




7x + 9y + 4z = 1


 2x + 3y + 2z = 2
soluções caso sua resposta seja afirmativa.





x + 3y + 5z + 7u + 9w = 1


 x − 2y + 3z − 4u + 5w = 2
9) Dado o sistema verifique se ele é




2x + 11y + 12z + 25u + 22w = 4


 5y + 2z + 11u + 4w = −1
consistente e ache as soluções caso sua resposta seja afirmativa.

10) Resolva





2x + 3y = 3
(a) x − 2y = 5



 3x + 2y = 1


 + 2y − 3z + 2w = 7


x
(b) 2x + 5y − 8z + 6w = 5



 2x − 5y + 3z + 2w = 4


 + 2y −


x z + 3w = 3
(c) 2x + 4y + 4z + 3w = 9



 3x + 6y − z + 8w = 10

11) Resolva





x + 2y + 2z = 2


 3x − 2y − z = 5
(a)

 − 5y + 3z = −4


2x


 x + 4y + 6z = 0


 + 5y + 4z − 13w = 3


x
(b) 3x − y + 2z + 5w = 2



 2x + 2y + 3z − 4w = 1

12) Determine os valores de k tais que o sistema nas incógnitas x, y e z tenha: (i) solução
única, (ii) nenhuma solução (iii) mais de uma solução.
Álgebra Linear e Geometria Analítica 97


 x + 2y + kz = 1
(a)
 2x + ky + 8z = 3





x + y + kz = 2
(b) 3x + 4y + 2z = k



 2x + 3y − z = 1


 − 3z = −3


x
(c) 2x + ky − z = −2



 x + 2y + kz = 1

13) Determine as condições em a, b e c para que o sistema de incógnitas x, y e z tenha

solução:


 + 2y − 3z = a


x
(a) 3x − y + 2z = b



 x − 5y + 8z = c





x + 2y + 4z = a
(b) 2x + 3y − z = b



 3x + y + 2z = c

SISTEMAS HOMOGÊNEOS

14) Determine se cada sistema tem solução única:



 x + 3y − 2z =


0
(a) x − 8y + 8z = 0



 3x − 2y + 4z = 0


 x + 3y − 2z =


0
(b) 2x − 3y + z = 0



 3x − 2y + 2z = 0


 + 2y − 5z + 4w = 0


x
(c) 2x − 3y + 2z + 3w = 0



 4x − 7y + z − 6w = 0

15) Determine se cada sistema, tem solução não nula:

98 Instituto Superior Politécnico De Songo



 −


x 2y + 2z = 0


 2x + y − 2z = 0
(a)

 −


3x + 4y 6z = 0


 3x − 11y + 12z = 0


 − 4y + 7z + 4v − 5w = 0


2x


 9x + 3y + 2z − 7v + w = 0
(b)

 + 2y − 3z +


5x v + 3w = 0


 6x − 5y + 4z − 3v − 2w = 0