A AP P- -1 10 0 – – E El li im mi in na aç çã ão o d de e G Ga au us ss s- -J Jo or rd da an n

INSTITUTOMAUÁ DE TECNOLOGIA
MAUÁ

E EF FB B1 10 02 2 – – G Ge eo om me et tr ri ia a A An na al lí ít ti ic ca a e e Á Ál lg ge eb br ra a L Li in ne ea ar r




AP–10 – ELIMINAÇÃO DE GAUSS-JORDAN



Até o momento, a discussão dos sistemas lineares Ax b = restringiu-se à matrizes A
quadradas de ordem n. A partir de agora, será tratado o caso geral em que a matriz A é retangular,
com m linhas e n colunas.
Este problema será abordado com o uso da Eliminação de Gauss-Jordan. O objetivo deste
método é a geração de um sistema linear Rx d = equivalente a Ax b = (e também a Ux c = ,
proveniente da eliminação gaussiana) de modo que R seja uma matriz escalonada reduzida por
linhas.
O uso da matriz R não é restrito ao estudo de sistemas lineares. Mais adiante, a inspeção de
uma matriz escalonada reduzida por linhas R – oriunda de uma determinada matriz A – será
responsável pela geração de bases para os espaços vetoriais fundamentais associados à matriz A.

1. Matrizes Escalonadas Reduzidas por Linhas

Definição: Uma matriz M (mxn) está na forma escalonada por linhas (ref – row echelon form) se:

i) Toda linha não-nula de M está acima de todas as linhas nulas (se estas existirem); e
ii) O coeficiente líder (primeiro elemento não nulo de uma linha não nula), denominado pivô,
está sempre à direita do coeficiente líder da linha imediatamente acima.

Exemplo 01: Sejam as matrizes
1
0 8 9
0 5 4
0 0
3
2
0 0
M


=



e
2
3
1
5
1 2 3 2
0 0 5 0
0 0 0 5
0 0 0 6 0
M
÷

÷


=



.

A matriz M1 não está na forma escalonada por linhas. De fato, embora os elementos
1,12
3 m =
e
1,21
2 m = sejam pivôs, sua localização não satisfaz a condição ii. Deve-se notar, porém, que a
condição i é satisfeita. No entanto, a matriz
3 12 1
M P M = está na forma escalonada por linhas
(verifique).
M2 está na forma escalonada por linhas, uma vez que a localização dos pivôs
2,11
3 m = ,
2,23
1 m = ÷ ,
2,34
5 m = e
2,45
6 m = satisfaz a condição ii. Deve-se notar que a condição i não se aplica a
matriz M2, uma vez que não existem linhas nulas.



A AP P- -1 10 0 – – E El li im mi in na aç çã ão o d de e G Ga au us ss s- -J Jo or rd da an n
INSTITUTOMAUÁ DE TECNOLOGIA
MAUÁ

E EF FB B1 10 02 2 – – G Ge eo om me et tr ri ia a A An na al lí ít ti ic ca a e e Á Ál lg ge eb br ra a L Li in ne ea ar r


Exemplo 02: A matriz
4
0
0 0 0 0
0 0 0 0 0
0 0 0 0 0 0 0 0
M
- - - - - - - -

- - - - - - -

= - - - -

- - -



está na forma escalonada por linhas.

Os elementos denotados por ‘-’ são os pivôs de M4, enquanto os elementos ‘*’ podem assumir
qualquer valor real. É importante notar o padrão “em escada” que se estabelece em matrizes que
estão na forma escalonada por linhas.


Definição: As colunas que contém os pivôs de uma matriz M na forma escalonada por linhas são
denominadas colunas líderes ou colunas pivô. As demais colunas de M são as colunas livres
1
.

Exemplo 03: A matriz M4 do Exemplo 02 possui a seguinte configuração com respeito às colunas pivô
e livres:
4
0
0 0 0 0
0 0 0 0 0
0 0 0 0 0 0 0 0
M
- - - - - - - -

- - - - - - -

= - - - -

- - -











Definição: Uma matriz R (mxn) está na forma escalonada reduzida por linhas (rref – reduced row
echelon form) se:

i) Todo pivô de R é unitário; e
ii) Os pivôs são os únicos elementos não nulos de cada coluna líder (ou coluna pivô).






1
A razão para a escolha dos termos ‘líderes’ e ‘livres’ se tornará evidente quando da aplicação do método de
eliminação de Gauss-Jordan.

Colunas pivô: 1, 2, 5 e 6
Colunas livres: 3, 4, 7 e 8
A AP P- -1 10 0 – – E El li im mi in na aç çã ão o d de e G Ga au us ss s- -J Jo or rd da an n
INSTITUTOMAUÁ DE TECNOLOGIA
MAUÁ

E EF FB B1 10 02 2 – – G Ge eo om me et tr ri ia a A An na al lí ít ti ic ca a e e Á Ál lg ge eb br ra a L Li in ne ea ar r


Exemplo 04: Sejam as matrizes
5
0 0 0
0 0 0
0 0 0
0 0
1
0
1
1
0
M



=



e
6
5 0 9 7 0
0 0 4 1 0
0 0 0 0 0
0 0 0 0 0 0
1
1
1
M
÷ ÷

÷

=



.

Ambas as matrizes estão na forma escalonada reduzida por linhas. As colunas 2, 3 e 4 de M5
são colunas pivô e a coluna 1 é uma coluna livre. Já com relação à matriz M6, as colunas pivô são as
colunas 1, 3 e 6, enquanto as colunas livres são as colunas 2, 4 e 5.


2. Como escrever a forma escalonada reduzida por linhas de uma matriz A?

Qualquer matriz A mxn pode ser escrita na forma escalonada reduzida por linhas após um
número finito de operações elementares realizadas sobre suas linhas.
O conjunto de operações elementares (sobre linhas) permitido é composto por:

- ( )
ij
L , em que linha i ÷ (linha i – · linha j). O multiplicador deve ser calculado de
forma que o elemento alvo da operação elementar seja anulado após a sua aplicação.
- ( )
i
L , em que linha i ÷ · linha i.
-
ij
P , em que ocorre a permutação entre as linhas i e j.

Observação importante: A operação ( )
ij
L é idêntica à operação ( )
ij
E empregada na fatoração
PA LU = . Surge então uma questão? Por que modificar a notação? A razão é simples: quando a
operação ( )
ij
E [que representa linha i ÷ (linha i – · linha j)] é realizada em uma matriz A
quadrada, o elemento situado na posição ( ) , i j será anulado. Em outras palavras, existe uma
correspondência direta entre os índices de linha (linha i e linha j) presentes em ( )
ij
E e a posição
(linha i, coluna j) do elemento a ser anulado no processo de eliminação gaussiana aplicado à
matrizes quadradas.
No entanto, esta correspondência – que se mostrou extremamente útil até o momento – não é
aplicável no caso geral em que A é uma matriz retangular. Assim, para o caso geral de matrizes
mxn, utiliza-se a notação ( )
ij
L . A matriz a seguir ilustra esta situação:

( )
3 3 2
32 2
2
1
0 0 0 2 2 0 0 0 2
4 0
0 0 0 1
2
0 0 0 0 0 0 0 0 0 0
l l l
A L L
¹
÷ ÷ ·
- - - - - - - - - - - -
| |
=
|

\ .




É importante notar que a aplicação da operação ( )
32
2 L tem por objetivo anular o elemento
( ) 3, 4 da matriz A. Um estudante descuidado poderia pensar que a operação indicada para tal fim
seria na verdade ( )
34
2 E . Mas isso não faria sentido, uma vez que A possui apenas três linhas!

A AP P- -1 10 0 – – E El li im mi in na aç çã ão o d de e G Ga au us ss s- -J Jo or rd da an n
INSTITUTOMAUÁ DE TECNOLOGIA
MAUÁ

E EF FB B1 10 02 2 – – G Ge eo om me et tr ri ia a A An na al lí ít ti ic ca a e e Á Ál lg ge eb br ra a L Li in ne ea ar r


Definição: ( ) rref R A = indica que a matriz R é a forma escalonada reduzida por linhas de A, obtida
após um número finito de operações elementares sobre as linhas de A.

Exemplo 05: A forma escalonada reduzida por linhas de
1 3 1 1
2 6 3 1
1 3 2 2
X
÷

=



é obtida a partir de:

( )
( )
( ) ( ) ( )
21
32 12
31
1 3 1 1 1 3 1 1 1 3 1 3 0 4
2
6 3 1 0 0 1 3 1 0 0 1 3 1 0 0 3 rref
1
3 2 2 0 0 3 0 0 0 0 0
1
2
1
1
1 1 0 0 0
L
X L L R X
L
÷ ÷ ÷

= = =



.



3. O Método de Eliminação de Gauss-Jordan

O Método de Gauss-Jordan apoia-se no fato de que os sistemas lineares Ax b = e Rx d = ,
com ( ) rref R A = , são equivalentes (ou seja, partilham do mesmo conjunto solução). De fato, mostra-
se que a aplicação das operações elementares sobre as linhas de | | | A b que resultam na matriz
| | | R d , mantém inalterado o conjunto solução de Ax b = .
A vantagem do Método de Gauss-Jordan é a eliminação do processo de retrossubstituição
necessário à eliminação gaussiana.

Exemplo 06: A aplicação do Método de Gauss-Jordan na solução do sistema linear

2 2 6 4
2 7 6
2 6 7 1
x y z
x y z
x y z
+ + = ¦
¦
+ + =
´
¦
÷ ÷ ÷ = ÷
¹


segue a sequência de passos
2
mostrada abaixo:

| |
( )
( )
( )
21
1 2
31
2 6 4 1 3 2 2
1
1 3 2
2
1
| 2 1 7 6 2 1 7 6 0
1
1 2 1
2 2
2 6 7 1 2 6 7 1 1
1
0 4 3
L
A b L L
L

| |
= ÷
|

÷
\ .

÷ ÷ ÷ ÷ ÷ ÷ ÷ ÷ ÷ ÷

÷



( )
( )
( )
( )
| |
12 13
3
32 23
1 3 2 0 4 4 0 4 4 0 0 0
1 4
1
0 1 2 0 1 2 0 1 2 0 0 1 |
4 1 5
0 4 1 3 0 0
1
5 0 0
1 1 1
1 1 1 1
1 1 1 0 0 1 5
L L
L R d
L L

| |
÷ ÷ ÷ ÷ ÷ ÷ ÷ ÷ =
|

÷ ÷
\ .

÷ ÷ ÷

÷

.

Assim, a solução única do sistema é | | | | 0 1 1
T T
x x y z = = ÷ .



2
Trata-se de uma dentre as infinitas sequências possíveis.

A AP P- -1 10 0 – – E El li im mi in na aç çã ão o d de e G Ga au us ss s- -J Jo or rd da an n
INSTITUTOMAUÁ DE TECNOLOGIA
MAUÁ

E EF FB B1 10 02 2 – – G Ge eo om me et tr ri ia a A An na al lí ít ti ic ca a e e Á Ál lg ge eb br ra a L Li in ne ea ar r


Exemplo 07: Sejam
0 4 3
1 7 5
1 8 6
1 15 11
A
÷

÷ ÷

=
÷ ÷

÷

,
1
3
4
5
0
b



=



,
2
0
0
1
0
b



=



e
3
0
0
0
0
b



=



.

A aplicação do Método de Gauss-Jordan à solução simultânea dos sistemas
1 1
Ax b = ,
2 2
Ax b =
e
3 3
Ax b = resulta em:

| |
( )
( )
21
1 2 3 14
31
0 4 3 3 0 0 15 11 0 0 0 15 11 0 0 0
1 7 5 4 0 0 1 7 5 4 0 0 0 8 6 4 0 0 1
| | |
1 8 6 5 1 0 1 8 6 5 1 0 0 7 5 5 1 0 1
1 15 11 0 0 0 0 4 3 3 0 0 0 4 3 3 0 0
1 1
L
A b b b P
L
÷ ÷ ÷

÷ ÷ ÷ ÷ ÷ ÷

=

÷ ÷ ÷ ÷ ÷ ÷

÷ ÷ ÷



( )
( )
( )
32
2 3
42
15 11 0 0 0 15 11 0 0 0
0 3 4 1 2 0 0 0 3 4 1 2 0 0 7
1
4
0 7 5 5 1 0 0 0 3 2 1 0 4 8
0 4 3 3
1
0 0 0 0 0 5 0 0
1 1
1 1
4
L
L L
L
÷ ÷

÷ ÷ ÷ ÷ ÷
| |

÷ ÷
|

÷
\ .

÷


÷


( )
13
12
23
15 11 0 0 0 0 1 4 15 2 0 0
1
0 3 4 1 2 0 0 0 3 4 1 2 0 0 4
15
0 0 6 4 0 0 0 6 4 0
3
0 0 0
1
5 0 0 0 0 0 5 0 0
1
1 1
1
4
1
L
L
L
÷ ÷ ÷
| |
÷

|
÷ ÷ ÷ ÷
\ .

÷

÷ ÷ ÷ ÷
| |
÷
|
\ .



| |
1 2 3
0 0 9 1 0
0 0 4 3 0
| | |
0 0 6 4 0
0 0
1
5 0
1
1
0 0
R d d d
÷ ÷

÷

=

÷ ÷



.

O resultado anterior mostra que:

- O sistema
1 1
Ax b = é inconsistente, pois 0 0 0 5 x y z + + = é impossível ( 0 5 = !!);
- Os sistemas
2 2
Ax b = e
3 3
Ax b = são consistentes e determinados. Deve-se notar que a
última equação (desnecessária) é do tipo 0 0 0 0 x y z + + = e as demais equações dos sistemas
admitem as soluções únicas | |
2
1 3 4
T
x = ÷ ÷ ÷ e | |
3
0 0 0
T
x = (3 equações, 3 pivôs, 3
incógnitas).

Exemplo 08: Sejam
2 2 3
1 0 1
3 4 7
A
÷

=

÷

,
1
1
5
3
b


=

÷

e
2
0
0
0
b


=



.

A aplicação do Método de Gauss-Jordan à solução simultânea dos sistemas
1 1
Ax b = e
2 2
Ax b = resulta em:

A AP P- -1 10 0 – – E El li im mi in na aç çã ão o d de e G Ga au us ss s- -J Jo or rd da an n
INSTITUTOMAUÁ DE TECNOLOGIA
MAUÁ

E EF FB B1 10 02 2 – – G Ge eo om me et tr ri ia a A An na al lí ít ti ic ca a e e Á Ál lg ge eb br ra a L Li in ne ea ar r


| |
( )
( )
21
1 2 12 2
31
2 2 3 1 0 0 1 5 0 0 1 5 0
2
1
| | 1 0 1 5 0 2 2 3 1 0 0 5 9 0
3 2
3 4 7 3 0 3 4 7 3 0 0 4 10 18 0
1
2
1
L
A b b P L
L
÷
| |
= ÷ ÷ ÷
|

\ .

÷ ÷ ÷ ÷ ÷ ÷



( ) | |
31 1 2
1 1 0 1 5 0 0 1 5 0
0 5 2 9 2 0 4 0 5 2 9 2 0 | |
0 4 10 18 0 0 0 0 0 0
1 1 L R d d


÷ ÷ ÷ ÷ =


÷ ÷

.

O resultado anterior mostra que:

- Os sistemas
1 1
Ax b = e
2 2
Ax b = são consistentes e indeterminados. Deve-se notar que a
última equação (desnecessária) é do tipo 0 0 0 0 x y z + + = e as demais equações dos sistemas
admitem infinitas soluções (2 equações, 2 pivôs, 3 incógnitas).

As colunas 1 e 2 de R são colunas pivô (ou colunas líderes). Então, as variáveis (incógnitas) x
e y são denominadas variáveis líderes.
A coluna 3 de R é uma coluna livre. Logo, a variável z é denominada variável livre.
As componentes x e y (variáveis líderes) dos infinitos vetores solução dos sistemas
1 1
Ax b = e
2 2
Ax b = são combinações lineares da variável livre z. Para que isto se torne evidente, reescrevem-se
os sistemas
1 1
Rx d = e
2 2
Rx d = , equivalentes a
1 1
Ax b = e
2 2
Ax b = :

Sistema
1 1
Rx d = Sistema
2 2
Rx d =

5 5
5 9 9 5
2 2 2 2
x z x z
y z y z
+ = = ÷ ¦ ¦
¦ ¦
¬
´ ´
÷ = ÷ = ÷ +
¦ ¦
¹ ¹


1
9 5
5 , , |
2 2
S z z z z
¦ ¹
| |
= ÷ ÷ + e =
´ `
|
\ .
¹ )


9 5
5, ,1 1, ,1 |
2 2
z z
¦ ¹
| | | |
= ÷ + ÷ e =
´ `
| |
\ . \ .
¹ )


( )
9
5, ,1 2, 5, 2 |
2
o o
¦ ¹
| |
= ÷ + ÷ e
´ `
|
\ .
¹ )



0
5 5
0
2 2
x z x z
y z y z
+ = = ÷ ¦ ¦
¦ ¦
¬
´ ´
÷ = =
¦ ¦
¹ ¹


2
5
, , |
2
S z z z z
¦ ¹
| |
= ÷ e =
´ `
|
\ .
¹ )


5
1, ,1 |
2
z z
¦ ¹
| |
= ÷ e =
´ `
|
\ .
¹ )


( ) { }
2, 5, 2 | o o = ÷ e






A AP P- -1 10 0 – – E El li im mi in na aç çã ão o d de e G Ga au us ss s- -J Jo or rd da an n
INSTITUTOMAUÁ DE TECNOLOGIA
MAUÁ

E EF FB B1 10 02 2 – – G Ge eo om me et tr ri ia a A An na al lí ít ti ic ca a e e Á Ál lg ge eb br ra a L Li in ne ea ar r


A inspeção da matriz aumentada | | | R d permite avaliar a natureza do sistema linear
Ax b = . Em outras palavras, as colunas líderes, livres e as (possíveis) linhas nulas de R revelam se o
sistema é consistente (determinado ou indeterminado) ou inconsistente.

Resumindo:

- Caso o número de linhas nulas de R seja diferente do número de linhas nulas de | | | R d , o
sistema Ax b = será inconsistente.
- Caso contrário (número de linhas nulas de R = número de linhas nulas de | | | R d ), Ax b =
será consistente:
¬ determinado: número de pivôs = número de incógnitas.
¬ indeterminado: número de pivôs < número de incógnitas.

Exemplo 09: O sistema linear | |
1 2 6
T
Ax A x x x b = = exibe, após a aplicação do Método de
Gauss-Jordan, a matriz aumentada | | | R d a seguir:

| |
1 0 0
0 0 0 1 0
|
0 0 0 0 1
0 0 0 0 0 0
R d
c
- - - -

- -

=

- -



.

Ax b = será inconsistente quando 0 c = . Caso contrário, Ax b = admite infinitas soluções. As
variáveis livres serão x2, x3 e x6. As variáveis líderes x1, x4 e x5 são combinações lineares de x2, x3 e x6.


Exercícios propostos:

E1. Resolver os sistemas lineares utilizando o Método de Gauss-Jordan:

a)
3 6
3 2 8 7
4 5 3 17
x y z
x y z
x y z
+ + = ¦
¦
÷ ÷ =
´
¦
+ ÷ =
¹
b)
3 2 0
3 3 0
2 0
x y z t
x y z t
y z t
÷ + ÷ = ¦
¦
+ + + =
´
¦
+ + =
¹
c)
0
2 3 0
4 2 0
x y z
x y z
x y z
+ ÷ = ¦
¦
÷ + =
´
¦
÷ + =
¹
d)
1
2
2 3
x y z
x y z
x y z
+ + = ¦
¦
÷ ÷ =
´
¦
+ + =
¹


E2. Dado o sistema linear
2 5
4 2
x y
x y t
÷ = ¦
´
÷ =
¹
:

a) Determine um valor de t para o qual o sistema tem uma única solução;
b) Determine um valor de t para o qual o sistema não possui solução.



A AP P- -1 10 0 – – E El li im mi in na aç çã ão o d de e G Ga au us ss s- -J Jo or rd da an n
INSTITUTOMAUÁ DE TECNOLOGIA
MAUÁ

E EF FB B1 10 02 2 – – G Ge eo om me et tr ri ia a A An na al lí ít ti ic ca a e e Á Ál lg ge eb br ra a L Li in ne ea ar r


E3. Uma fábrica de plásticos produz dois tipos de plásticos: o normal e o especial. Cada tonelada de
plástico normal necessita de 2 horas na máquina A e de 5 horas na máquina B; cada tonelada de
plástico especial necessita de 2 horas na máquina A e de 3 horas na máquina B. Se a máquina A
está disponível 8 horas por dia e a máquina B 15 horas por dia, quantas toneladas de cada tipo de
plástico devem ser produzidas diariamente para que as máquinas sejam plenamente utilizadas?

E4. Um nutricionista está planejando uma refeição contendo os alimentos A, B e C. Cada grama do
alimento A contém 2 unidades de proteína, 3 unidades de gordura e 4 unidades de carboidratos.
Cada grama do alimento B contém 3 unidades de proteína, 2 unidades de gordura e 1 unidade de
carboidratos. Cada grama do alimento C contém 3 unidades de proteína, 3 unidades de gordura e 2
unidades de carboidratos. Se a refeição precisa conter exatamente 25 unidades de proteínas, 24
unidades de gordura e 21 unidades de carboidratos, quantos gramas de cada tipo de alimento devem
ser utilizados?

E5. Faça o balanceamento da reação química:
( ) ( ) ( ) ( )
1 4 2 2 3 2 4 2
x CH x O x CO x H O + ÷ +
[ metano ] + [ oxigênio ] ÷ [ dióxido de carbono ] + [ água ]

e ii) Os pivôs são os únicos elementos não nulos de cada coluna líder (ou coluna pivô). enquanto os elementos ‘*’ podem assumir qualquer valor real. 4. As demais colunas de M são as colunas livres1. É importante notar o padrão “em escada” que se estabelece em matrizes que estão na forma escalonada por linhas. A razão para a escolha dos termos ‘líderes’ e ‘livres’ se tornará evidente quando da aplicação do método de eliminação de Gauss-Jordan. 7 e 8  Definição: Uma matriz R (mxn) está na forma escalonada reduzida por linhas (rref – reduced row echelon form) se: i) Todo pivô de R é unitário. 2.  Definição: As colunas que contém os pivôs de uma matriz M na forma escalonada por linhas são denominadas colunas líderes ou colunas pivô. 5 e 6 Colunas livres: 3.   0  Os elementos denotados por ‘’ são os pivôs de M4. Exemplo 03: A matriz M4 do Exemplo 02 possui a seguinte configuração com respeito às colunas pivô e livres:  0  M4   0  0 0    0 0 0   0 0 0   0 0 0    0 0     0     0       0  Colunas pivô: 1.AP-10 – Eliminação de Gauss-Jordan  0  Exemplo 02: A matriz M4  0  0 0    0 0 0   0 0 0   0 0 0    0 0     0     0      está na forma escalonada por linhas. 1 INSTITUTO MAUÁ DE TECNOLOGIA MAUÁ EFB102 – Geometria Analítica e Álgebra Linear .

 linha j). A matriz a seguir ilustra esta situação:      0 0 0 2  L  1    22   0 0 0 0         0 0 0 1    0 0 0 0         A  0 0 0 2  L32  2    0 0 0 4     l3 l3  2l2 É importante notar que a aplicação da operação L32  2 tem por objetivo anular o elemento  3. enquanto as colunas livres são as colunas 2. esta correspondência – que se mostrou extremamente útil até o momento – não é aplicável no caso geral em que A é uma matriz retangular. 3 e 4 de M5 são colunas pivô e a coluna 1 é uma coluna livre.  2. 3 e 6. Mas isso não faria sentido. O conjunto de operações elementares (sobre linhas) permitido é composto por:  Lij   Li  . Já com relação à matriz M6. Observação importante: A operação Lij  operação Eij   é idêntica à operação Eij   empregada na fatoração PA  LU . Surge então uma questão? Por que modificar a notação? A razão é simples: quando a  [que representa linha i  (linha i –  linha j)] é realizada em uma matriz A quadrada.AP-10 – Eliminação de Gauss-Jordan 0 0 Exemplo 04: Sejam as matrizes M5   0  0 1 0 0 1 5  0 0 0 1 0 e M6   0 0 0 0 1   0 0 0 0 0 0 9 7 0  1 4 1 0  . existe uma correspondência direta entre os índices de linha (linha i e linha j) presentes em Eij  matrizes quadradas. para o caso geral de matrizes mxn. coluna j) do elemento a ser anulado no processo de eliminação gaussiana aplicado à No entanto. O multiplicador deve ser calculado de forma que o elemento alvo da operação elementar seja anulado após a sua aplicação. o elemento situado na posição  i. 4 e 5. As colunas 2.  . Um estudante descuidado poderia pensar que a operação indicada para tal fim seria na verdade E34  2 . Assim.  e a posição (linha i. as colunas pivô são as colunas 1. em que ocorre a permutação entre as linhas i e j. 4  da matriz A. em que linha i  (linha i –  linha i. 0 0 0 1  0 0 0 0 Ambas as matrizes estão na forma escalonada reduzida por linhas. em que linha i   Pij . uma vez que A possui apenas três linhas! INSTITUTO MAUÁ DE TECNOLOGIA MAUÁ EFB102 – Geometria Analítica e Álgebra Linear . j  será anulado. Como escrever a forma escalonada reduzida por linhas de uma matriz A? Qualquer matriz A mxn pode ser escrita na forma escalonada reduzida por linhas após um número finito de operações elementares realizadas sobre suas linhas. Em outras palavras. utiliza-se a notação Lij   .

A vantagem do Método de Gauss-Jordan é a eliminação do processo de retrossubstituição Exemplo 06: A aplicação do Método de Gauss-Jordan na solução do sistema linear  2x  2 y  6z  4   2x  y  7z  6   2 x  6 y  7 z  1  segue a sequência de passos2 mostrada abaixo: 2 2 6 4 1 1 3 2 L  2   1   A|b   2 1 7 6  L1    2 1 7 6  L 21 2    2   2 6 7 1  31    2 6 7 1 1 1 3 2    L12 1 0 1 1 2 L  4  0 4 1 3  32   1 1 3 2    0 1 1 2 L2  1 0 4 1 3   1 0 0 0    0 1 0 1   R| d  .AP-10 – Eliminação de Gauss-Jordan Definição: R  rref  A  indica que a matriz R é a forma escalonada reduzida por linhas de A. 0 0 1 1    1 0 4 4  1 0 4 4     L13  4   1  0 1 1 2 L3   5  0 1 1 2 L  1   0 0 5 5  23   0 0 1 1  Assim.     0 0 0 0     3. mantém inalterado o conjunto solução de necessário à eliminação gaussiana. mostrase que a aplicação das operações elementares sobre as linhas de  A|b que resultam na matriz  R|d . são equivalentes (ou seja. 1 3 1 1 Exemplo 05: A forma escalonada reduzida por linhas de X  2 6 3 1  é obtida a partir de:   1 3 2 2    1 3 1 1 L  2 X  2 6 3 1  21   L 1  1 3 2 2  31   1 3 1 1 0 0 1 3  L 1   32   0 0 1 3    1 3 1 1 0 0 1 3  L 1   12   0 0 0 0    1 3 0 4  0 0 1 3   R  rref X . a solução única do sistema é x   x y z  0 1 1 . Ax  b. INSTITUTO MAUÁ DE TECNOLOGIA MAUÁ EFB102 – Geometria Analítica e Álgebra Linear . com R  rref  A  . obtida após um número finito de operações elementares sobre as linhas de A. De fato. T T  2 Trata-se de uma dentre as infinitas sequências possíveis. partilham do mesmo conjunto solução). O Método de Eliminação de Gauss-Jordan O Método de Gauss-Jordan apoia-se no fato de que os sistemas lineares A x  b e R x  d .

 1 0  2 2 3  1 0 1  . Exemplo 08: Sejam A   2    1    3  0  3 4 7        T e x3  0 0 0 (3 equações. Deve-se notar que a última equação (desnecessária) é do tipo 0 x  0 y  0 z  0 e as demais equações dos sistemas admitem as soluções únicas x2   1 3 4 incógnitas).AP-10 – Eliminação de Gauss-Jordan 4 0  1 7 Exemplo 07: Sejam A    1 8   1 15 3  3  0  0   4  0    5    .  Os sistemas Ax2  b2 e Ax3  b3 são consistentes e determinados. b   5  e b   0  . pois 0 x  0 y  0 z  5 é impossível ( 0  5 !!). b    e b  0  . . 3 pivôs. Ax2  b2 e Ax3  b3 resulta em:  0 4  1 7  A|b1 |b2 |b3    1 8    1 15  3 3 0 0   5 4 0 0  P14 6 5 1 0   11 0 0 0    1 15   1 7  1 8  4  0  11 0 0 0   5 4 0 0  L21  1 6 5 1 0  L31  1  3 3 0 0    1 15 11 0  3 4 1 2 0 1 0 0 1 4 3 2  0 5 0 0  0 1 4 15 2 1 3 4 1 2 0 0 1 0 6 5 0 0  1 15 11 0 0 0     0 8 6 4 0 0   0 7 5 5 1 0    3 3 0 0  0 4   0 0  0 0 L3  4  1 0  0 0   1 15 11 0  3 4 1 2  1 0 1 L2      0 7 5 5  8  3 3 0 4   1 15 11 0 0  3 4 1 2 0 0 1 0 0 1 6 4  0 5 0 0 0  1  0 0  0  0 0  0 0  L32  7  1 0  L42  4   0 0  1  0 0  0  0  0 L12  15  0  0  0  1  L13    0  4 4 0   3  L23    0 0  4  0 0 9 1 0   1 0 4 3 0    R| d1 | d2 | d3  . 0 1 6 4 0   0 0 5 0 0  O resultado anterior mostra que:  O sistema Ax1  b1 é inconsistente. b1  3  5  2 1  0  6         11  0  0  0  A aplicação do Método de Gauss-Jordan à solução simultânea dos sistemas Ax1  b1 . 3 T A aplicação do Método de Gauss-Jordan à solução simultânea dos sistemas Ax1  b1 e Ax2  b2 resulta em: EFB102 – Geometria Analítica e Álgebra Linear INSTITUTO MAUÁ DE TECNOLOGIA MAUÁ .

.  .1 | z  2  2     9     5. z | z  2     5    z  1. Deve-se notar que a última equação (desnecessária) é do tipo 0 x  0 y  0 z  0 e as demais equações dos sistemas admitem infinitas soluções (2 equações.  . equivalentes a Ax1  b1 e Ax2  b2 : Sistema Rx1  d1 xz5  x 5 z    5 9 9 5  y z   y2 2z 2 2   Sistema Rx2  d2 xz0  x  z    5 5  y z0   y 2z 2    9 5   S1    5  z. z | z  2 2    9  5      5. a variável z é denominada variável livre. As colunas 1 e 2 de R são colunas pivô (ou colunas líderes).AP-10 – Eliminação de Gauss-Jordan 2 2 3 1 0  1 0 1 5 0  L  2    A|b1 |b2   1 0 1 5 0 P12 2 2 3 1 0 L21 3     3 4 7 3 0  3 4 7 3 0  31     1 0 1 5 0   0 1  5 2  9 2 0  L31  4  0 4 10 18 0    1 0 1 5 0   1 0 2 5 9 0  L2  2    0 4 10 18 0    1 0 1 5 0   0 1  5 2  9 2 0    R| d1 | d2  . 2 pivôs. Para que isto se torne evidente.5.1   z  1.1     2. 0 0 0 0 0   O resultado anterior mostra que:  Os sistemas Ax1  b1 e Ax2  b2 são consistentes e indeterminados. Logo. . reescrevem-se os sistemas Rx1  d1 e Rx2  d2 . as variáveis (incógnitas) x e y são denominadas variáveis líderes. 2 |  2             5   S2     z.   z. z. As componentes x e y (variáveis líderes) dos infinitos vetores solução dos sistemas Ax1  b1 e Ax2  b2 são combinações lineares da variável livre z. Então. 3 incógnitas). 2|    INSTITUTO MAUÁ DE TECNOLOGIA MAUÁ EFB102 – Geometria Analítica e Álgebra Linear . A coluna 3 de R é uma coluna livre.1 | z  2              2.5.

INSTITUTO MAUÁ DE TECNOLOGIA MAUÁ EFB102 – Geometria Analítica e Álgebra Linear . Dado o sistema linear  :  4x  2y  t a) Determine um valor de t para o qual o sistema tem uma única solução.  Caso contrário (número de linhas nulas de R  número de linhas nulas de  R|d  ). Resolver os sistemas lineares utilizando o Método de Gauss-Jordan:  x  3y  z  6  a)  3 x  2 y  8 z  7  4 x  5 y  3 z  17   3x  y  2z  t  0  b)  3 x  y  3 z  t  0  y  z  2t  0   x yz0  c)  2 x  3 y  z  0  x  4 y  2z  0   x y z 1  d)  x  y  z  2  2x  y  z  3   2x  y  5 E2. as colunas líderes. livres e as (possíveis) linhas nulas de R revelam se o sistema é consistente (determinado ou indeterminado) ou inconsistente. Caso contrário. Ax  b será consistente:  determinado: número de pivôs  número de incógnitas. Resumindo:  Caso o número de linhas nulas de R seja diferente do número de linhas nulas de  R|d  . Exemplo 09: O sistema linear Ax  A  x1 x2 x6   b exibe. x3 e x6. Em outras palavras. b) Determine um valor de t para o qual o sistema não possui solução. 0 0 0 1    0 0 0 0 0   Ax  b será inconsistente quando   0 . Ax  b admite infinitas soluções.AP-10 – Eliminação de Gauss-Jordan A inspeção da matriz aumentada  R|d permite avaliar a natureza do sistema linear Ax  b . após a aplicação do Método de T Gauss-Jordan. x4 e x5 são combinações lineares de x2. As variáveis líderes x1. As variáveis livres serão x2. o sistema Ax  b será inconsistente. a matriz aumentada  R|d  a seguir: 1  0  R| d   0   0    0 0    0 0 1 0   .  indeterminado: número de pivôs < número de incógnitas.  Exercícios propostos: E1. x3 e x6.

Cada grama do alimento C contém 3 unidades de proteína. Cada grama do alimento A contém 2 unidades de proteína. Um nutricionista está planejando uma refeição contendo os alimentos A. quantas toneladas de cada tipo de plástico devem ser produzidas diariamente para que as máquinas sejam plenamente utilizadas? E4. Se a máquina A está disponível 8 horas por dia e a máquina B 15 horas por dia. Cada tonelada de plástico normal necessita de 2 horas na máquina A e de 5 horas na máquina B. Uma fábrica de plásticos produz dois tipos de plásticos: o normal e o especial. 3 unidades de gordura e 2 unidades de carboidratos. 2 unidades de gordura e 1 unidade de carboidratos. Cada grama do alimento B contém 3 unidades de proteína. 24 unidades de gordura e 21 unidades de carboidratos. Se a refeição precisa conter exatamente 25 unidades de proteínas. 3 unidades de gordura e 4 unidades de carboidratos. quantos gramas de cada tipo de alimento devem ser utilizados? E5. cada tonelada de plástico especial necessita de 2 horas na máquina A e de 3 horas na máquina B. B e C. Faça o balanceamento da reação química: x1  CH4   x2  O2   x3  CO2   x4  H2O  [ metano ] + [ oxigênio ]  [ dióxido de carbono ] + [ água ] INSTITUTO MAUÁ DE TECNOLOGIA MAUÁ EFB102 – Geometria Analítica e Álgebra Linear .AP-10 – Eliminação de Gauss-Jordan E3.