1

unesp CAMPUS DE GUARATINGUET

Computao e Clculo Numrico
Prof. G.J. de Sena - Depto. de Matemtica Ed. 2005.


CAPTULO 1

ARITMTICA DE PONTO FLUTUANTE

1.1. Representao de Nmeros num Sistema de Aritmtica de
Ponto Flutuante

O Sistema Computacional de Aritmtica de Ponto Flutuante
utilizado por calculadoras e computadores na representao dos
nmeros e execuo das operaes. Um nmero qualquer na base
em aritmtica de ponto flutuante de t dgitos tem a forma:

e
t
d d d

) ...
2 1
(.

onde
(. ... ) d d d
t 1 2
a mantissa , 0 dj - 1, j = 1, ... t
e um expoente no intervalo [m, M]

Observaes:
- m, M dependem da mquina utilizada
- um nmero em aritmtica de ponto flutuante est normalizado se
d
1
0
- o nmero mximo de dgitos da mantissa (t) definido em termos do
comprimento da palavra do computador
- dado um nmero N, sua representao em aritmtica de ponto
flutuante de t dgitos efetuada por truncamento ou arredondamento.
- erros decorrentes da impossibilidade de se representar um nmero
dado:
"OVERFLOW" SE e M >
"UNDERFLOW" SE e m <

Preservamos o mximo de exatido normalizando todos os resultados.

Ex.:
t m
M
= =
= =
3 4
10 4


REPRESENTAO
x ARREDONDAMENTO TRUNCAMENTO
1,25
2.71828
-238.15
0.000007
718235.82
0.125 x 10
0.272 x 10
-0.238 x 10
3

-
-
0.125 x 10
0.271 x 10
-0.238 x 10
3
-
-



2
Uma representao com t dgitos na mantissa dada estar em preciso
simples. Um sistema de preciso dupla um sistema de aritmtica de
ponto flutuante com aproximadamente o dobro de dgitos disponveis
para a mantissa

1.2. ERROS ABSOLUTOS E RELATIVOS

ERRO ABSOLUTO: a diferena entre o valor exato de um nmero
x e seu valor aproximado x:
EA x x
X
=
Ex.: ( ) 314 315 . , . , um valor tomado dentro deste intervalo,
EA

= < 0 01 . (limitante superior p/ o mdulo do erro)

Ex.:
( )
x
x
EA
x
=

<
2112 9
2112 8 2113
01
.
. ,
.

EA
y
y
y
<
=

01
5 3
5 2 5 4
.
.
( . , . )

ERRO RELATIVO: o quociente do erro absoluto pelo valor
aproximado:

ER
EA
x
x x
x
x
x
= =



Ex.:
x
ER
EA
x
x
EA
x
x
x
=
= <
<

2112 9
01
2112 9
4 7 10
01
5
.
.
.
,
.

1 . 0
02 . 0
3 . 5
1 . 0
3 . 5
<
< =
=
y
y
y
EA
y
EA
ER
y


o erro relativo fornece uma indicao do grau de preciso da
representao.


1.3. ERROS DE ARREDONDAMENTO E TRUNCAMENTO
EM UM SISTEMA DE ARITMTICA DE PONTO
FLUTUANTE

Se um dado nmero x no tem representao finita na base numrica
empregada numa mquina, ou se o comprimento da palavra no
comporta x, uma aproximao ser obtida por arredondamento ou por
truncamento. Seja um sistema de aritmtica de ponto flutuante de t
dgitos (base 10); x pode ser escrito na forma:


3

. 1 0 1 1 . 0 10 10 < < + =

x x
t e
x
e
x
g e f onde g f x

Exemplo:
7 . 0 2345 . 0
10 7 . 0 10 2345 . 0
57 . 234 , 4
1 3
= =
+ =
= =

x x
g e f
x
x t



TRUNCAMENTO:
O termo
ter) pode f que mnimo valor o 0.1 (pois
10
10 1 . 0
10
10
10
) 1 | g | (pois 10 10
10
do despreza 10
x
1
x
+

<

= =
< < = =
=

t
e
t e
e
x
t e
x x
x
t e t e
x x
e
x
t e
x
f
g
x
EA
ER
g x x EA
f x
g



ARREDONDAMENTO:

Arredondamento simtrico:

+
<
=

2
1
, 10 10
2
1
, 10
x
t e e
x
x
e
x
g se f
g se f
x

1
10
2
1
10 1 . 0
10 2 1
10
10
10
2
1
10
:
2
1
+


=

<

= =
< = =
<
t
e
t e
e
x
t e
x x
x
t e t e
x x
x
f
g
x
EA
ER
x g x x EA
g Se


( ) ( )
( )

10
2
1
10 1 . 0
10 2 1
10
10 2 1
10 10
10 2 1
10
2
1
10 1
10 10
10 10 10 10
: 2 1
1 +

<

<
+

=
=
=
+ + = =

t
e
t e
e
x
t e
t e e
x
t e
x
x
t e t e
x
t e t e
x
t e e
x
t e
x
e
x x
x
f f x
EA
ER
x g
g
f x g f x x EA
g Se


4

RESUMO

TRUNCAMENTO
EA
ER
x
e t
x
t
<
<

+
10
10
1

ARREDONDAMENTO
1
10
2
1
10
2
1
+

<
<
t
x
t e
x
ER
EA


Exemplo:
2
4
10 1272 . 0
?
10 937 . 0
=
= +
=
y
y x
x


Soluo
A mantissa do nmero de menor expoente deve ser deslocada para a
direita de um nmero de casas igual diferena entre os dois
expoentes.

{
x x y x
x y x x
= =
+ = + =

0937 10 0 001272 10
0 937 0 001272 10 0 938272 10
4
4 2
4
4 4
. .
( . . ) .
resultado exato
1 2 44 3 44


Sistema com t = 4
truncamento x y x
arredondamento x y x
= + =
= + =
0 9382 10
0 9383 10
4
4
.
.


Para o caso de arredondamento:
4 1 4
1 5
10 5 10
2
1
10
2
1
10 9841 . 2
9383 . 0
9383 . 0 938272 . 0 ) ( ) (
+
+
+
= =
< =

=
+
+ +
=
x
x
y x
y x y x
ER
t
y x

Ex.:
x
x
x
x
1
2
1
01246 10
0 3290 10
=
=

.
.

( )
) ( 10 1278 . 10 1278 .
10 003290 . 1246 . 10 3290 . 10 1246 .
1
2 1
1
1 1 1
2 1
o truncament x x
x x x
= + =
+ = + = +



Exemplo:
x.y = ?
Soluo:
6
6
6
6
2 4
10 1192 . 0 .
10 1191 . 0 .
10 1191864 . 0
10 ) 1272 . 0 937 . 0 (
) 10 1272 . 0 ( ) 10 937 . 0 ( .
=
=
=
=
=
y x ento arredondam
y x o truncament
x
x x y x



5
O zero em ponto flutuante , em geral, representado com o menor
expoente possvel da mquina. O exemplo a seguir ilustra a razo
desta necessidade.

Exemplo:

x x
y x
x y x x
x y x
=
=
+ = + =
+ =
0 0000 10
01234 10
0 0000 0 001234 10 0 001234 10
0 0012 10
4
2
4 4
4
.
.
( . . ) .
.


Exemplo de zero de ponto flutuante: 0 0000 10
50
. x



1.4. PROPAGAO DE ERRO

Obteno de expresses para os erros absoluto e relativo no resultado
de cada uma das quatro operaes aritmticas, como funes de seus
operandos e de seus erros.

(a) Adio (x+y)
) ( ) ( ) ( ) (
y x y x
EA EA y x EA y EA x y x + + + = + + + = +
EA EA EA
x y x y +
= +
ER
EA
x y
EA
x
x
x y
EA
y
y
x y
x y
x y
x
y
+
+
=
+
=
+
|
\

| +
+
|
\

| = .
ER ER
x
x y
ER
y
x y
x y x y +
=
+
|
\

| +
+
|
\

| .

(b) Subtrao (x-y)
EA EA EA
x y x y
=
ER ER
x
x y
ER
y
x y
x y x y
=

|
\

|
\

| .

(c) Multiplicao: (x.y)
x y x EA y EA xy xEA yEA
x y y x
. ( ).( ) = + + = + + +

ER x EA y EA
x y y x .
. . = +

ER
x EA y EA
x y
EA
x
EA
y
x y
y x
x
y
.
. .
.
=
+
= +
ER ER ER
x y x y .
= +


(d) Diviso (x/y)

x
y
x EA
y EA
x EA
y EA
y
x EA
y
EA
y
x
y
x
y
x
y
=
+
+
=
+
+
|
\

|
=
+
+
|
\

.
1
1
1
1


6
aproxima o do binmio
r nr p r
n
( ) , / 1 1 1 + + <<



+

|
\

|
x
y
x EA
y
EA
y
x y
. 1
= +
x
y
xEAy
y
EAx
y
2

+

x
y
x
y
EA
y
x EA
y
EA
EA
y
x EA
y
x y
x y
x
y
.
.
/
2
2

EA
y EA x EA
y
x y
x y
/
. .
=

2


ER
y EA xEA
y
y
x
EA
x
EA
y
x y
x y x y
/
.
. =

=
2


= ER
EA
x
EA
y
x y
x y
/
ER ER ER
x y x y /
=

Exemplo:
Sistema de aritmtica de ponto flutuante

t = 4
= 10

dos representa exatamente meros n
10 2585 . 0
10 2145 . 0
10 7237 . 0
1
3
4

=
=
=

z
y
x

Efetuar as operaes e obter o erro relativo no resultado
(arredondamento)
(a) x + y + z (d) (x y)/z
(b) x - y -z (e) x . (y/z)
(c) x/y

Soluo de (b)
{
w x y z
s
s
=
1
2
12 4 3 4

4
1
4
4
1
10 7237 . 0
10 72369998 . 0
10 ) 00000002 . 0 7237 . 0 (
=
=
= =
s
y x s



4
2
4 4
1 2
3 1 4
1
10 7234 . 0
10 7234415 . 0 10 ) 0002585 . 0 7237 . 0 (
10
2
1
10
2
1
=
= = =
= <
+
s
z s s
ERs


7
ERs ERs
s
s z
2 1
1
1
=

|
\

|
.
z
s z
RA
1

|
\

|
+

1 4 3
2
10
2
1
7234 . 0
7237 . 0
10
2
1
+
+ < x ERs

3
4
3
2
10 0002 . 1
10 7234 . 0
10 0002 . 1

<
=
<
z y x
ER
z y x
ERs



Exerccio:
Supondo que x representado num computador por x , onde x
obtido por arredondamento, obtenha os limites superiores para os
erros relativos de u=2x e w=x +x .
Respostas:
ERu
ERw
t
t
<
<
+
+
10
10
1
1


Exerccio:
Idem para u 3x e w = x + x + x
Respostas:
ERu e ERw x
t t
< <
+ +
10
4
3
10
1 1


Exerccio:
Sejam x e y as representaes de x e y obtidas por arredondamento
em um computador. Deduza expresses de limite de erro para mostrar
que o limite do erro relativo de u = 3x - y menor que o limite do
erro relativo de w=( ) . x x x y + +
Respostas:
ER x ER x
u
t
w
t
< <
+ +
2 10
7
3
10
1 1



Exemplo:
Soluo do item (d) do exemplo anterior:
{
1
1
1 3 4
1
10 1552 . 0
10 152336 . 0 10 2145 . 0 7237 . 0 ( .
/ ) . (
2
1
=
= = =
=

s
x y x s
z y x w
s
s
43 2 1


6004 . 0
6003868 . 0
10 ) 2585 . 0 1552 . 0 (
10
2
1
10
2
1
10
2
1
10
2
1
2
1 1
1 2
3
1
3 1 4 1
1
=
=
= =
<
= = <

+ +
s
z s s
ERs
ERs
t


8


< + =

ERs
2
3 3 3
1
2
10
1
2
10 10

( . ) / .
( . ) /
x y z
ER x y z
=
<

06004
10
3

Soluo do item (e):
w x y z
s
s
= . ( / )
1
2
123
12 4 3 4

4
1
4 1 3
1
10 8298 . 0
10 8297872 . 0 10 ) 2585 . 0 2145 . 0 (

=
= = =
s
z y s



6005 . 0
6005262 . 0 10 ) 8298 . 0 7237 . 0 ( .
2
4 4
1 2
=
= = =

s
x s x s

ERs
2
= ERs RA ERs
1 2
3 3
1
2
10
1
2
10 + < +


<

ERs
2
3
10

( . ) / .
. ( / )
x y z
ERx y z
=
<

0 6005
10
3

Ex.: implementao com dgito de proteo ou dgito de guarda:
(imediatamente direita da mantissa do nmero de menor expoente).

( )
3 3
2 1
2
2
3
1
10 07467 . 10 03173 . 1064 .
10 3173 .
10 1064 .
= = +
=
=
x x
x
x

com dgito de guarda: x x x
1 2
2
7467 10 + =.
sem digito de guarda: x x x
1 2
2
7460 10 + =.

Exemplo:

ivo! significat no zero este

10 6550 . 10 0655 .
10 1976 . 10 2631 .
1
2 1
2
2 1
2
2
2
1

= + = +
= =
x x x x x
x x


Exemplo:
99
2 1
10 999 . 10 999 . = = x x
43 42 1

Supor que o maior valor possvel na representao da mquina:


9
flutuante ponto de Overflow x x " " 10 9998 . 1
99
2 1
= +
(interrupo).


1.5. REPRESENTAES EM DIFERENTES SISTEMAS DE
NUMERAO


a) decimal flutuante Notao utilizada:
x f
f
e
=
<
. 10
1
10
1

f mantissa
e caracterstica
:
:

ento arredondam ER
o truncament ER
t
x
t
x
1
1
10
2
1
10
+
+
<
<




b) mquina binria

x f
f
e
=
<
. 2
1
2
1

Porqu f
1
2
para base 2?

Ex.: Considere-se o decimal 30:
) ( 2 46875 . 0 30
) ( 2 9375 . 0 30
6
5
b ou
a
=
=


Optando-se por (a):
9375 . 0
16
1
8
1
4
1
2
1
1111 . 0
1110 . 0
0 2 0
0 . 1 2 5 . 0
50 . 1 2 75 . 0
75 . 1 2 875 . 0
875 . 1 2 9375 . 0
= + + +

=
=
=
=
=
x


Optando-se por (b):

0.467875 x 2 = 0.9375
.
1
o
dgito = 0

ER arredondamento
ER truncamento
x
t
x
t
<
<

+
2
2
1



c) sistema
hexadecimal
x f
f
e
=
<
. 16
1
16
1




ER x arredondamento
ER x truncamento
x
t
x
t
<
<

8 16
16 16




10
Exerccio: obter as expresses dos erros relativos para os sistemas
binrio e hexadecimal.


Diz-se que um computador digital tem uma preciso de t dgitos se h
t dgitos na mantissa no nmero de ponto flutuante. A preciso est
relacionada com o nmero de algarismos significativos. Tambm se
diz que um computador tem t dgitos significativos se, quando os
nmeros so truncados, o limite do erro relativo 10
1 + t
.


Exemplo: IBM 360 e 370
mantissa com 6 dgitos hexadecimais
p = ? (dgitos significativos)

sist. decimal = 10 10
1 1 + +
=
td p

sist. hexadecimal =
5 6
16 16 16 16 16

= = x x
th


=
+
10 16
1 5 p

( )
7
10 ln
16 ln 5
1
10 ln
16 ln 5
1
16 ln 5 10 ln 1
+ =

= +
= +
p p
p
p


Exerccio: computador binrio com 27 bits na mantissa; p = ?
(dgitos decimais significativos).


Apndice ao captulo: breves consideraes sobre sistemas de
numerao

A tabela a seguir sumariza algumas das caractersticas de algumas
bases de sistemas de numerao:

BASE DGITOS DENOMINAO
2
8
10
16
0,1
0,1,2,...,7
0,1,2,...,7,8,9
0,1,2,...,9,A,B,C,D,E,F,
binrio
octal
decimal
hexadecimal

Considere-se inicialmente o nmero 2526 (base 10), denotado aqui
por 2526
10
Este nmero pode ser escrito em termos de potncias da
base como:

2526 2 10 5 10 2 10 6 10
10
3 2 1 0
= + + + x x x x


Mudana de uma base para outra

Para converso de um nmero da base 10 para qualquer uma das
outras bases, divide-se o nmero pela base, anotando-se o quociente e
o resto. Caso o quociente seja diferente de zero, este dever ser
dividido pela base, anotando-se os novos valores de quociente e resto.
O processo deve ser continuado at que se obtenha um quociente igual
a 0. O nmero, na base de interesse, ter como dgitos os restos
obtidos, justapostos em ordem contrria de gerao.



11
Exemplo: Converter 29
10
para os sistema binrios, octal e
hexadecimal.


29 2
(1) 14 2
29 11101
10 2
=
(0) 7 2
(1) 3 2
(1) 1 2
(1) 0


29 8
(5) 3 8
29 35
10 8
=
(3) 0


29 16
(13) 1 16
29 1
10 16
= D
(1) 0


Para converso da representao nas bases 2, 8 e 16, para a base 10,
basta utilizar a representao do nmero em termos de potncia das
bases, como ilustrado no exemplo a seguir.

Ex.: mostrar como so convertidos as representaes 11101
2
,
35 10
8 16
e para base 10

( )
( )
( )
11101 1 2 1 2 1 2 0 2 1 2 29
35 3 8 5 8 29
10 1 16 13 16 29
2
4 3 2 1 0
10
10
8
1 0
10
16
1 0
10
= + + + + =
= + =
= + =
x x x x x
x x
x x


Para converso da representao na base 2 para as bases 8 e 16, basta
agrupar os bits da representao binria em conjuntos de
( ) ( ) 3 2 8 4 2 16
3 4
= = e bits, respectivamente, como ilustrado no
exemplo a seguir.


Ex.: obter as representaes nas bases 8 e 16 para o nmero 11101
2


{{
011101
11101 35
2 2 5
2 2 3
2 8
2 0
1 0
=
+ =
+ =


0001 1101
11101 1
2 2 2 13
2 1
2 16
3 2 0
0
123 123
=
+ + =
=
D



Os exemplos a seguir ilustra a converso de nmeros fracionrios, de
base 10 para base 2.




12
Ex.: obter a representao, na base 2, do nmero 06875
10
.

0.6875 x 2 =
0.375 x 2 =
0.75 x 2 =
0.50 x 2 =
0.00 x 2 =
1.
0.
1.
1.
0.
375
75
50
00
00

= 0 6785 01011
10 2
. .

Observar que a converso para a base 10 segue o mesmo esquema
apresentado para inteiros, ou seja:
( ) 01011 1 2 0 2 1 2 1 2 0 6875
2
1 2 3 4
10
10
. . = + + + =

x x x x


Ex.: obter a representao, na base 2, do nmero 0.1
10
0.1 x 2 = 0.2
0.2 x 2 = 0.4
0.4 x 2 = 0.8
0.8 x 2 = 1.6
0.6 x 2 = 1.2
0.2 x 2 = 0.4
0.4 x 2 = 0.8
0.8 x 2 = 1.6
0.6 x 2 = 1.2
.
01 0 00011001100
10
. . ... =

Notar que o nmero 01
10
. no tem representao exata na base 2.
CAPTULO 2

RESOLUO NUMRICA DE EQUAES


INTRODUO

Em muitos problemas de Cincia e Engenharia h a necessidade de se
determinar um nmero que anule uma determinada funo F(x), isto
, F( ) = 0. Este nmero chamado de raiz da equao F(x) = 0
ou zero da funo y= F(x).

Classificao:

(i) eq. algbricas: Ex.: x x x x
4 3 2
5 6 4 8 0 + + =
(ii) eq. transcendentes: Ex.: x x x e x
x
sen ( ) cos + + =
2
4

Etapas no clculo de uma aproximao para a raiz:

(i) isolamento da raiz: determinao de um intervalo [a,b] o menor
possvel contendo uma e somente uma raiz da equao F(x) = 0
(ii) melhoramento do valor da raiz aproximada at o grau de exatido
requerido.


EQUAES TRANSCENDENTES

2.1.1 ISOLAMENTO DE RAZES - MTODO GRFICO

Uma raiz real de uma equao F(x) = 0 a abscissa de qualquer ponto
no qual a funo y = F(x) intercepta o eixo 0x:

13

Ex.: seja y = F(x) = e
x
- senx - 2

-2 -1 1 2 3 4
-1
-0.5
0.5
1


Como se observa, para esta equao, 06 . 1 .

Pode-se tambm identificar duas funes g(x) e h(x) a partir da
funo F(x), impondo-se a condio de que F(x) = g(x) - h(x).
Constroem-se os grficos de y
1
= g(x) e de y
2
= h(x). Estes se
interceptam num ponto cuja abscissa x = x
0
:


g(x
0
) - h(x
0
) = F(x
0
) = 0
= x
0


Exemplo: isolar todas as razes da equao
{
43 42 1
) (
) (
2
2
) 1 (sen
1 sen ) (
x h
x g
x x
x x x F
+ =
=

Grfico de
2
) ( x x g = :

-2 -1 1 2
1
2
3
4




14
Grfico de h(x) = sen x + 1:

-2 -1 1 2
0.5
1
1.5
2



Grficos de g(x) e h(x) superpostos:


-2 -1 1 2
1
2
3
4



Como se observa, h duas razes reais, localizadas nos seguintes
intervalos:
) 2 , 1 (
2
) 0 , 1 (
1
e .


Exerccio:
Localize, graficamente, as razes das equaes abaixo:
0 3 2 )
0
2
)
0 1 log )
0 3 9 )
0 ) cos( 4 )
3
2
=
=
=
= +
=
x e
x tg
x
d
x x c
x x b
e x a
x
x



2.1.2 GRAU DE EXATIDO DA RAIZ
Uma vez isolada uma raiz num intervalo [a,b] passa-se a calcul-la
atravs de mtodos numricos. Estes mtodos fornecem uma
seqncia {x
i
}de aproximaes cujo limite a raiz exata .


TEOREMA: Seja uma raiz isolada exata e uma raiz aproximada
da equao F(x)=0, com e pertencentes ao intervalo [a,b] e
. b] [a, intervalo no x todo para , 0 ) ( ' > m x F
Ento a seguinte desigualdade se verifica:

m
F ) (




Exemplo: Sendo 1 ) sen( ) (
2
= x x x F , delimitar o erro cometido
com = 1.4 no intervalo [1,0,1,5].

Resoluo:


15
) cos( 2 ) ( ' 1 ) sen( ) (
2
x x x F x x x F = =

Designando ), cos( 2
2 1
x y e x y = = sobrepondo-se os grficos destas
duas funes, obtm-se:

0.5 1 1.5 2
1
2
3
4



Observa-se que o menor valor (m) de F(x) no intervalo [1,1.5] ocorre
em x = 1.0, ou seja:
m = (2)(1) cos(1) = 1.460

=
m
F ) (
017 , 0
46 , 1
025 , 0
460 , 1
) 4 , 1 (
= =
F

417 , 1 383 . 1 017 , 0 4 , 1 =

Observa-se que o clculo de m difcil de ser efetuado na maioria dos
casos. Por esta razo, no clculo de uma aproximao para uma raiz
exata de uma equao F(x) = 0, a cada aproximao obtida, x
n
,
utiliza-se um dos critrios abaixo para comparao do resultado obtido
com uma tolerncia L prefixada:

L
n
x
n
x
n
x
iii L
n
x
n
x ii L
n
x F i

1
) (
1
) ( ) ( ) (

Observaes:
(a)


(b)


16

O MTODO DA BISSECO

Seja y = F(x) uma funo contnua num intervalo [a,b] e F(a). F(b) < 0


Interpretao geomtrica:

Construo de uma seqncia { } x x x x x
i n n
=
0 1 1
, ,..., , , tomando-se
= x
n
quando algum critrio escolhido dentre os anteriores, por
exemplo, x x L
n n

1
, for satisfeito:


Na aplicao do mtodo, a cada x
i
obtido, (i 1), calcula-se
=
i i i
x x
1
e verifica-se
i
satisfaz alguma condio especificada.


Teorema:
Seja y = F(x) uma funo contnua num intervalo [a,b]. Se
0 ) ( ). ( < b F a F ento existe pelo menos um ponto x = entre a e b
que zero de y = F(x).



Sob as hipteses do teorema anterior, se h = F'(x) existe e preserva o
sinal em (a, b), ento este intervalo contm um nico zero de y = F(x).

] , [ , 0 ) ( ' b a x x F > ] , [ , 0 ) ( ' b a x x F < .


17

Aplicao do mtodo da bisseo:

<
<
=
<
0 ) ( ). ( ) , (
0 ) ( ). ( ) , (
0 ) ( ). (
) , (
int
b F x F se b x
ou
x F a F se x a
mdio ponto x
b F a F
b a
i
ervalo
novo
i
i i
i
3 2 1



Exemplo:
Determinar, usando o mtodo da bisseo uma aproximao para a
raiz da equao
0.01 com (1,2), intervalo no 0 5 ) ( = =

x
e x x F

Resoluo:
i a b x
i
F(a) F(b) F(x
i
)
i i i
x x =
1

0
1
2
3
4
5
6
1
1
1.25
1.38
1.38
1.41
1.43
2
1.5
1.5
1.5
1.44
1.44
1.44
1.5
1.25
1.38
1.44
1.41
1.43
1.44
-0.8
-0.8
-0.3
-0.08
-0.08
-0.03
-0.0007
0.7
0.1
0.1
0.1
0.02
0.02
0.02
0.1
-0.3
-0.08
0.02
-0.03
-0.0007
0.02

i
x x = =
1 0
0 25 .

2 2 1
013 = = x x .

3 3 2
0 06 = = x x .

4 4 3
003 = = x x .

5 5 4
0 02 = = x x .

6 6 5
0 01 = = x x .

Assume-se para aproximao da raiz o ltimo valor obtido para x
i
, ou
seja, 44 . 1 = .

Algoritmo

Incio
Defina F(x) = x^2-sen(x)-1
Solicite os extremos do intervalo, a e b
Leia a, b
Solicite a preciso P
Leia P
Xm=(a+b)/2
Repita
Se f(a)*f(xm) < 0
Ento b=xm
Seno se f(a)*f(xm) > 0
Ento a=xm
Seno
Escreva raiz = , xm
Pare
Fim Se
Fim Se
Xma=xm
At que |xm-xma| P
Escreva aproximao , (xm+xma)/2
Fim


2.1.4 MTODO DA ITERAO LINEAR (MIL)

O MIL consiste em transformar a equao F(x) = 0 na equao x =
(x), tal que ( ) ( ) F x x x = = 0 , onde ( ) x chamada de funo de
iterao.

Suponha que x
o
corresponda a uma primeira aproximao de ;
geramos uma seqncia do seguinte modo:


18
x
o
x
1
= (x
o
)
x
2
= (x
1
)
x
n+1=
(x
n
)
Se {x
n
} uma seq. convergente, ento tal que
lim
n
n
x

=
Como contnua:
) ( ) lim ( ) ( lim lim
1 1
= = = =

n
n
n
n
n
n
x x x
Portanto, quando , n ). ( ) (
1
= =
+ n n
x x Ou seja, . =

Exemplo:
Seja 0 ) sen( ) (
2
= = x x x F . Obter funes de iterao para esta
equao.

Soluo:
(a) x
2
- sen x = 0
x + x
2
- sen x = x
( ) x x x x sen
2
1
+ =

( )
senx = x
sen sen sen
0 sen
2
2

= +
=
x x x x
x x b

( ) x x sen
2
=

( )
2
2
2 2 2
2
sen
sen
sen
0 sen
x arc x
x x
x x x x
x x c
=
=
=
/

/
=

( )
2
3
sen x arc x =


Exemplo:
Determinar uma aproximao para a raiz da equao
( ) F x x x = =
2
1 0 sen no intervalo [1.0, 1.5], com grau de exatido
3
10

usando o M.I.L.

Soluo:
Funo de iterao:
( )
1 sen
1 sen
0 1 sen
2
2
+ =
+ =
= =
x x
x x
x x x F

( ) 1 sen + = x x

Processo Iterativo:
( ) ( )
3 . 1
10 1 sen
3
1 1 1
=
= + = =

+ +
o
n n n n n n n
x
x x x x x x

( ) ( ) 4013 . 1 1 3 . 1 sen
1
= + = =
o
x x
001 . 0 1013 . 0 3 . 1 4013 . 1
1 1
> = = =
o
x x

19
( ) ( ) 4091 . 1 1 4013 . 1 sen
1 2
= + = = x x
001 . 0 0078 . 0 14013 4091 . 1
1 2 2
> = = = x x
( ) ( ) 4096 . 1 1 4091 . 1 sen
2 3
= + = = x x
001 . 0 0005 . 0 14091 4096 . 1
2 3 3
< = = = x x
= 14096 .

com grau de exatido

10
3

Obs.: ( ) ( ) ( )
5 2
10 38 . 6 1 4096 . 1 sen 4096 . 1

= = x F .


Exemplo:
Seja determinar, iterativamente, uma aproximao para 5 .

(a) tentativa com a funo de iterao simplificada:
x
a
x
a x
a x
=
=
=
2
2
0


(funo de iterao : x = (x))
x
a
x = ) (

) (
4 . 1
5
1
0
n n
x x
x
a
=

=
=
+



5 . 1
333 . 3
5
) (
333 . 3
5 . 1
5
) 5 . 1 ( ) (
5 . 1
1 2
0 1
0
= = =
= = = =
=
x x
x x
x

( ) 0 x = x F
equao da raiz a para converge no
5
) (
333 . 3
5 . 1
5
) (
2
1
2 3
=
= =
= = =
+
a
x
x x
x x
n
n n

(b) tentativa com uma funo de iterao mais trabalhada:
x
a
x a x a x = = =
2 2
0
|
|

\
|
+ = =
|

\
|
+ = + = +
+ +
n
n n n n
x
a
x x x x
x
a
x x x
x
a
x x
2
1
) (
2
1
1 1

=
=
5 . 1
5
0
x
a

|
|

\
|
+ =
+
n
n n
x
a
x x
2
1
1


1 n
-3
: passo cada
10 : TOLERNCIA

n n
x x a

= =
= |

\
|
+ =
|
|

\
|
+ = =
=
917 . 0 5 . 1 417 . 2
417 . 2
5 . 1
5
5 . 1
2
1 5
2
1
) (
5 . 1
1
0
0 0 1
0

x
x x x
x


20

= =
= |

\
|
+ = =
174 . 0 417 . 2 443 . 2
243 . 2
417 . 2
5
417 . 2
2
1
) (
2
1 2

x x

= =
= |

\
|
+ = =
007 . 0 243 . 2 236 . 2
236 . 2
243 . 2
5
243 . 2
2
1
) (
3
2 3

x x

236 . 2 236 . 2
10 236 . 2 236 . 2
236 . 2
236 . 2
5
236 . 2
2
1
) (
3
4
3 4
=

< =
= |

\
|
+ = =

x x

Obs.: K 2360679 . 2 5 =


Convergncia no M.I.L.

Para o caso da equao x = 5 , com x
o
= 1 5 . , observamos que:
( ) converge no
x
x
5
1
=
( ) converge x
x
5
+ x
2
1
2
|

\
|
=
Por qu? Para concluir sobre isto, basta verificar o comportamento do
M.I.L. geometricamente. Observe-se inicialmente a situao ilustrada
na figura a seguir:

( )
( )
( )
( )
( )

=
=
=
=
=
2 3
1 2
0 1
0
0
. . .
x x
x x
x x
x
x x
x F
L I M

( ) ( )
( ) ( ) ( )
( )
( ) ( ) x
x
x h x g x F
x x x x

=
=
= =
= =
x h
x g : onde
0
0

( )
( ) ( ) 1 '
!
direita pela
=
=

x g
bissetriz x g y
x
n



( ) 1 ' < x numa vizinhana de .

Observe-se agora a situao ilustrada na figura a seguir:

21

. 1 ) ( ' de vizinhana numa x >

A figura a seguir ilustra a situao de convergncia alternada.






1 ) ( ' < x

Teorema da Convergncia de M.I.L.:

Seja x
o
uma aproximao para a raiz da equao F(x) = 0 numa
vizinhana [ ]. , + = I Seja uma funo de iterao para a
equao F(x) = 0 e suponha-se que e ' sejam contnuos em I.
Ento, se ( ) , , 1 ' I x x < a sequncia gerada por
( ) K , 3 , 2 , 1 , 0 ,
1
= =
+
n x x
n n
converge para .

Observao: como o valor de desconhecido, substitui-se o valor de
x
o
na derivada para se concluir sobre a convergncia.

Esboo da demonstrao:

M.I.L.
( ) ( ) =
1 n n
x x

Teorema do valor mdio:

( ) ( ) ( ) = =
1 1
'
n n n
x x x

22
Seja L o valor mximo de ( ) ' x no intervalo I, ou seja, ( ) L x ' no
intervalo I.

1 n n
x L x
Do mesmo modo







n
n
n
n n n n
x n I x L Se
x L x
o continuand
x L x x L x
aumentando , intervalo, todo em 1


0
0
2
2
2 1

( )
( )


diverge processo o 1 '
converge processo o 1 '
I x
x
x

Exemplo: estudar a convergncia das funes de iterao do exemplo
anterior.

Resoluo:
( ) 5 . 1 5 0
0
2
= = = = x a a x x F
( ) ( )
( )
( )
( )

para converge no
1 222 . 2
25 . 2
5
5 . 1
5



1
2 2
0
0
'
1
2
'
1
1
> = = = =
=
=
x
a
x
x
a
x
x
a
x a

( ) ( )
( )
( ) ( )

para converge
1 < 611 . 0 222 . 2 1
2
1
=
96 . 1
5
1
2
1

1
2
1

2
1

2
0
'
2
2
'
2
2
= |

\
|
=
|

\
|
=
|

\
|
+ =
x
x
a
x
x
a
x x b


Observaes:
(1) A maior dificuldade de M.I.L. est em encontrar uma funo
de iterao satisfazendo o critrio de convergncia.
(2) O teste ( ) 1 '
0
< x pode levar a um engano se x
o
no estiver
suficientemente prximo da raiz.
(3) A velocidade de convergncia depender de ( ) ' : quanto
menor este valor, mais rapidamente o processo convergir.


Exemplo:
( )
( )
( )
( ) 1 555 . 0
9
5
'
2360679 . 2
3
5
0
2
0
0
0
2
< = = =

=
=
=
= =
x
a
x
x
a
x
a
x
a x x F

23

Aplicao:
( )
( )
( ) converge! no 667 . 1
999 . 2
5
999 . 2
667 . 1
5
667 . 1
3
5
3
2 3
1 2
0 1
0
= = =
= = =
= = =
=
x x
x x
x x
x

Exemplo: estudar a convergncia das funes de iteraes obtidas
anteriormente para a equao
( ) 9 . 0 0 sen
0
2
= = = x para x x x F ,
obter uma aproximao para a raiz da equao.

Sol.:
( )
( )
( )
iterao de funes
sen
sen
sen
2
3
2
2
1

=
=
+ =
x arc x
x x
x x x x

Derivadas:
( )
( ) x
x
x
x x
cos
sen 2
1
x cos 1 2
'
2
'
1
=
+ =

( ) x
x
x 2
1
1
4
'
3

=
No ponto : 9 . 0 x
0
=
( ) ( ) ( ) ( )
( ) ( )
( )
( )
( ) ( )
( )
1 069 . 3
9 . 0 1
9 . 0 . 2
9 . 0
1 351 . 0
0885 . 2
622 . 0
9 . 0 sen 2
9 . 0 cos
9 . 0
1 178 . 2 9 . 0 cos 1 9 . 0 2 9 . 0
4
'
2 0
'
2
'
2 0
'
2
'
1 0
'
1
> =

= =
< = = = =
> = + = =



x
x
x


Somente ( )
2
x dever convergir.

Isolamento da raiz:
( )
( ) ( ) ( ) ( ) . sen x g =
sen
2
2
x x h e x x g onde x h
x x x F
= =
=



Aplicao de M.I.L ( ) ( )
3
2 0
10 sen e 9 . 0

= = = x x x x

24
( ) ( )
( ) ( )
( ) ( ) 001 . 0 878 . 0 879 . 0 sen
006 . 0 879 . 0 885 . 0 sen
015 . 0 885 . 0 9 . 0 sen
9 . 0
3 2 3
2 1 2
1 0 1
0
= = = =
= = = =
= = = =
=



x x
x x
x x
x

( ) ( )
( ) ( )
para o aproxima uma 877 . 0
10 877 . 0 877 . 0 sen
001 . 0 877 . 0 878 . 0 sen
3 -
5 4 5
4 3 4
=
= = =
= = = =

x x
x x

Obs.:
( ) ( ) ( ) ( )
4 2
10 051 . 3 877 . 0 sen 877 . 0 877 . 0

= = = x F F


Exerccios:

(1) Calcular a raiz da equao ( ) . 01 . 0 com 0 ln
2
= + = x x x F
Usar o M.I.L. ( ) 65 . 0 : = R
(2) Calcular a raiz da equao ( ) . 01 . 0 com 0 10
3
= = x x F
Usar o M.I.L. ( ) 15 . 2 : = R
(3) Calcular a raiz da equao ( ) 0 3
3 2
= + =
x
e x x F ,
-3
10 com , usando o M.I.L.
( )
R: . = 03521


Algoritmo:

Adaptado para determinar uma aproximao para a raiz da equao
( ) 0 1 sen
2
= = x x x F , usando a funo de iterao:
( ) 1 sen + = x x

Incio (* MIL*)
Defina Fi(x) = 1 sen + x
Solicite a aproximao inicial (x0)
Leia Xv
Solicite a preciso (E)
Leia E
Solicite o limite de iteraes (N)
Leia N
Para i de 1 at N
Faa
Xn = Fi(Xv)
Se |Xn Xv| E
Ento
Escreva aprox ,Xn,
com ,i, iteracoes
Saia da repetio
Seno
Xv=Xn
Fim Se
Fim para
Se |Xn Xv| > E
Ento
Escreva Aplicao no converge ou
Escreva grau de exatido no,
pode ser alcanado com ,
N, iteraes
Fim Se
Fim (* MIL *)



25
MTODO DE NEWTON - RAPHSON (N-R)

Descrio

Seja I um intervalo contendo a raiz da equao F(x) = 0. Suponha-se
que F'(x) 0 x I.
F(x) = 0 0
) ( '
) (
=
x F
x F
x
x F
x F
x =
) ( '
) (

) ( '
) (
) (
x F
x F
x x =

) ( '
) (
1
n
n
n n
x F
x F
x x =
+

,... 2 , 1 , 0
) (
=

n
R N


Como no M.I.L., o objetivo gerar uma seqncia {x
n
} a partir de
uma aproximao inicial x
o
:
) ( '
) (
) (
) ( '
) (
) (
) ( '
) (
) (
1
1
1
1 1 2
0
0
0 0 1
n
n
n n n
x F
x F
x x x
x F
x F
x x x
x F
x F
x x x
= =
= =
= =
+

M M

Encontra-se portanto uma aproximao x
n+1
de .


Exemplo:

Seja calcular uma aproximao para a raiz da eq. F(x) = x
2
- senx - 1
= 0 no intervalo [1.0, 1.5], com grau de exatido
3
10

, utilizando
o mtodo de N-R e adotando 3 . 1
0
= x .

Resoluo:

x x x F y
x x x F y
cos 2 ) ( ' '
1 sen ) (
2
= =
= =


Equao para iterao:
(

= =
+ +
k k
k k
k k
k
k
k k
x x
x x
x x
x F
x F
x x
cos 2
1 sen
) ( '
) (
2
1 1

3
10 1173 . 0 3 . 1 4173 . 1
0 1 1
4173 . 1
3325 . 2
2736 . 0
3 . 1
) 3 . 1 cos( ) 3 . 1 ( 2
1 ) 3 . 1 sen(
2
) 3 . 1 (
3 . 1
1
3 . 1
0

> = = =
=

=
=
(

(
(

x x
x
x

4096 . 1
3
10 0001 . 0 4097 . 1 4096 . 1
2 3 3
4096 . 1
6590 . 2
4
10 02 . 2
4097 . 1
) 4097 . 1 cos( ) 4097 . 1 .( 2
1 ) 4097 . 1 sen(
2
) 4097 . 1 (
4097 . 1
3
0076 . 0 4173 . 1 4097 . 1
1 2 2
4097 . 1
6817 . 2
0205 . 0
4173 . 1
) 4173 . 1 cos( ) 4173 . 1 .( 2
1 ) 4173 . 1 sen(
2
) 4173 . 1 (
4173 . 1
2
=
(
(

(
(

< = = =
=

=
= = =
= =

x x
x
x
x x
x


Interpretao Geomtrica

26


)
1
(
)
1
(
1 2
)
1
(
)
1
(
)
2 1
(
)
1
( )
2 1
( )
1
(
)
1
(
2 1
0 )
1
(
x F
x F
x x
x F
x F
x x
x F x x x F
x F
x x
x F
tg

=
=
=

=

)
0
(
)
0
(
0 1
0 1
)
0
(
)
0
(
)
1
(
0
( )
0
( )
0
(
)
0
(
1 0
0 )
0
(
x F
x F
x x
x x
x F
x F
x x x F x F
x F
x x
x F
tg

=
=

=
=

=


O mtodo de N-R conhecido como mtodo das tangentes.


) ( '
) (
1
n
n
n n
x F
x F
x x =
+

,... 2 , 1 , 0
) (
=

n
R N



Obteno da frmula de N-R a partir do desenvolvimento de
y= f(x) em srie de Taylor

... ) .(
! 2
) ( "
) )( ( ) f(x = f(x)
: Taylor de Frmula
2
0
0
0 0 0
+

+ +
x x
x f
x x x f

0 ) )( ( ) (
... 2 , 1 , 0 0 ) )( ( ) ( ) (
1
1 1
= +
= = + =
+
+ +
n n n n
n n n n n
x x x F x F
n x x x F x F x F

0
) (
) (
1
= +

+ n n
n
n
x x
x F
x F


) (
) (
1
n
n
n n
x F
x F
x x

=
+
n = 0,1,2...


SOBRE A CONVERGNCIA DO MTODO
Para que um processo iterativo x x = ( ) seja convergente, devemos ter
0
, 1 ) ( I x
x
< , onde I
0
uma vizinhana da raiz da equao
F(x)=0.
2
)) ( (
) ( " ). (
2
)) ( (
) ( " ). (
2
)) ( (
2
)) ( (
2
)) ( (
)] ( " ). ( ) ( ). ( [
1 ) (
) (
) (
) (
x F
x F x F
x F
x F x F x F x F
x F
x F x F x F x F
x
x F
x F
x x

+
=

Portanto, o processo ser convergente se

27
1
)] ( [
) ( " ). (
) (
2
<

=
x F
x F x F
x
Observe-se que:
1 0
)] ( [
) ( " ). (
) (
0 ) (
2
< =

=
= =

F
F F
F x

Se F e F so contnuos em I, contnua em I e, portanto, desde
que = ( ) 0, existe uma vizinhana I I tal que I x x < 1 ) ( '.


Concluso: o mtodo de N-R, quando pode ser aplicado, sempre
convergente. A dificuldade est em determinar este
subintervalo I onde seguramente < ( ) x 1 .

Exemplo:
Para o problema de se determinar uma aproximao para a raiz da eq.
F x x x ( ) sen = =
2
1 0 no intervalo [1.0, 1.5], com x
0
1 3 = . , estudar
quanto convergncia as funes de iteraes utilizadas nos mtodos
M.I.L. e N.R.

Resoluo:

(a) M.I.L
1 sen 2
cos
cos .
1 sen 2
1
) ( 1 sen ) (
+
=
+
= + =
x
x
x
x
x x x
43 42 1
1 954 . 0
1 ) 3 . 1 sen( 2
) 3 . 1 cos(
) (
0
< =
+
= x


0
x se estiver suficientemente prximo da raiz, a aplicao do
mtodo dever ser convergente.

(b) mtodo de N-R
x x F x x x F x x x F
x F
x F x F
x
sen 2 ) ( " , cos 2 ) ( , 1 sen ) (
) (
) ( " ). (
) (
2
2
+ = = =

=

[ ][ ]
[ ]
43 42 1
1 1490 . 0
) 3 . 1 cos( ) 3 . 1 .( 2
) 3 . 1 sen( 2 1 ) 3 . 1 sen( ) 3 . 1 (
) (
) ( " ). (
) (
2
2
2
0
0 0
0
< =

+
=

=
x F
x F x F
x


0
x se estiver suficientemente prximo da raiz, a aplicao do
mtodo dever ser convergente.


APLICABILIDADE DO MTODO N-R (Teorema de Fourier)

condio suficiente para a convergncia do mtodo de N-R que
F(x) e F"(x) no se anulem e mantenham sinais constantes numa
vizinhana I de uma raiz da equao F(x)=0 e que o processo se
inicie num ponto I x
0
tal que 0 ) ( " ). (
0 0
> x F x F .

28

Exemplo:
Calcular a raiz da equao 0 sen ) (
2
= = x x x F usando o mtodo de
N-R ) 10 ; 9 . 0 (
3
0

< = x
Resoluo:
) (
) (
1
n
n
n n
x F
x F
x x

=
+

x x x F
x x x F
cos 2 ) (
sen ) (
2
=
=

n n
n n
n n
x x
x x
x x
cos 2
) sen (
2
1

=
+



Condies para convergncia:
x x F
x x x F a
sen 2 ) ( "
cos 2 ) ( ) (
+ =
=


Conclui-se, pelo mtodo grfico, que ( . , ) 0 5 1 com relao a F(x):




4 43 4 42 1
anula se .no
sinal .preserva
0 cos 2 ) (
) 0 . 1 , 5 . 0 (
> =

x x x F
x


Com relao a F"(x):
. 0 sen 2 ) ( " , ) 0 . 1 , 5 . 0 ( > + = x x F x

9 . 0
0
cos 2
sen
2
1
0 )
0
( " ).
0
(
783 . 2 ) 9 . 0 sen( 2 ) 9 . 0 ( " )
0
( "
03 . 0 ) 9 . 0 sen(
2
) 9 . 0 ( ) 9 . 0 ( )
0
( ) (
=

=
+
>
= + = =
= = =
|
|

\
|
x
n
x
n
x
n
x
n
x
n
x
n
x
x F x F
F x F
F x F b

[ ]
[ ]
3
10 0006 . 0 8773 . 0 8767 . 0
2
8767 . 0
1154 . 1
4
10 395 . 6
8773 . 0
) 8773 . 0 cos( ) 8773 . 0 .( 2
8773 . 0 sen(
2
) 8773 . 0 (
8773 . 0
2
0227 . 0 9 . 0 8773 . 0
1
8773 . 0
1784 . 1
0267 . 0
9 . 0
) 9 . 0 cos( ) 9 . 0 .( 2
) 9 . 0 sen(
2
) 9 . 0 (
9 . 0
1

< = =
=
=

=
= =
= =

x
x
x

8767 . 0 =


Exemplo:
Calcular a raiz da equao F(x) = 2x - cos x usando o mtodo de N-R
( )
4
10

<

Resoluo:

29





{ {
h(x) - g(x) = F(x)
x cos 2x

] 5 . 0 , 0 [

Funo de iterao
x
x x
x x
x
x x
x x
x x F
x x x F
n
x F
x F
x x
n
n n
n n
n
n
n n
sen 2
) cos 2 (
) (
sen 2
) cos 2 (
sen 2 ) (
cos 2 ) (
... 2 , 1 , 0
) (
) (
1
1
+

=
+

=
=
=
=

=
+
+

Condies para convergncia (suficientes)
a. vizinhan na sinal o preservam e anulam se
0 ) ( "
0 ) (
] 5 . 0 , 0 [
] 5 . 0 , 0 [
cos ) ( "
sen 2 ) (
no
x F
x F
x x F
x x F
x
)
`

>
>

=
+ =

0 ) ( " ). (
0 1 0 cos ) ( "
0 1 0 cos 0 . 2 ) (
0
0 ) ( " ). ( ) (
0 0
0
0
0
0 0
<
> = =
< = =
=
>
x F x F
x F
x F
x
x F x F b

0 ) ( " ). (
0 878 . 0 ) 5 . 0 cos( ) ( "
0 > 0.12 = 0.878 - 1 ) 5 . 0 cos( - ) 05 .( 2 ) (
5 . 0
0 0
0
0
0
>
> = =
= =
=
x F x F
x F
x F
x


Aplicao do mtodo de N-R
[ ]
4506 . 0
4794 . 2
1224 . 0
5 . 0
5 . 0 sen 2
) 5 . 0 cos( ) 5 . 0 .( 2
5 . 0
5 . 0
sen 2
) cos 2 (
1
0
1
= =
+

=
=
+

=
+
x
x
x
x x
x x
n
n n
n n

[ ]
4502 . 0
4355 . 2
10 014 . 1
4506 . 0
) 4506 . 0 sen( 2
) 4506 . 0 cos( ) 4506 . 0 .( 2
4506 . 0
0494 . 0 5 . 0 4506 . 0
3
2
0 1 1
=
=
+

=
= = =

x
x
x x

[ ]
4502 . 0
4355 . 2
10 99 . 3
4502 . 0
) 4502 . 0 sen( 2
) 4502 . 0 cos( ) 4502 . 0 .( 2
4502 . 0
0004 . 0 4506 . 0 4502 . 0
5
3
1 2 2
=
=
+

=
= = =

x
x
x x


30
4
2 3 3
10

< = x x
4502 . 0 =


Exerccio
Dada a funo:
F(x) = x ln x - 1 = 0
pede-se calcular uma aproximao para a sua raiz usando o mtodo de
N-R com
4
10

( ) 763 . 1 =


Exerccio:
Usando o mtodo de N-R determine a menor raiz positiva das
equaes abaixo.
( )
( )
( ) 43097 . 1 0 6 ) (
754 . 0 cos 2 ) (
2748 . 4 0
2
) (
5
2 /
= =
= =
= =

x c
e x b
tgx
x
a
x

Considere
4
10

.


Exerccio:
Seja F(x) = e
x
- 4x
2
. Obter uma aproximao para com
4
10

usando o mtodo de N-R ( . ) = 0 7148


Algoritmo:

Adaptado para determinao de uma aproximao para a raiz da eq.
F(x) = 2x - cos(x) = 0 atravs do mtodo de N-R.

Incio (* N-R *)
Defina F(x) = 2x-cos(x)
Defina DF(x) = 2 + sen(x)
Solicite a aproximao inicial (x0)
Leia Xv
Solicite a preciso (E)
Leia E
Solicite o limite de iteraes (N)
Leia N
Para i de 1 at N
Faa
Xn = xv F(xv)/DF(xv)
Se |Xn Xv| E
Ento
Escreva aprox ,xn,
com ,i, iteracoes
Saia da repetio
Seno
Xv=Xn
Fim Se
Fim para
Se |Xn Xv| > E
Ento
Escreva Aplicao no converge ou
Escreva grau de exatido no,
pode ser alcanado com ,
N, iteraes
Fim Se
Fim (* N-R *)


31

2.2 ESTUDO DAS EQUAES ALGBRICAS

2.2.1 INTRODUO

Seja uma equao algbrica (polinomial) de grau ( ) 1 n n :
( ) 0 ...
0 1
2
2
1
1
= + + + + + =

a x a x a x a x a x P
n
n
n
n
n
n

onde os coeficientes a
i
so nmeros reais e a
n
0


TEOREMA FUNDAMENTAL DA LGEBRA
Todo eq. algbrica de grau n, n 1, tem exatamente n razes, que
podem ser reais ou complexas, e no necessariamente distintas.

Uma raiz da equao ( ) 0 = x P dita ter multiplicidade m se:
( ) ( ) ( )
( )
( )
( )
( ) 0
0 ... " '
1

= = = = =

m
m
P
e P P P


Exemplo:
Mostrar que = 2 raiz da equao algbrica
( ) 0 8 4 6 5
2 3 4
= + + = x x x x x P
com multiplicidade m = 3

Soluo:
( )
( )
( ) 0 4 24 60 32 4 2 . 12 2 . 15 2 . 4 2 '
4 12 15 4 '
0 8 8 24 40 16 8 2 . 4 2 . 6 2 . 5 2 2
2 3
2 3
2 3 4
= + + = + + =
+ + =
= + + = + + =
P
x x x x P
P

( )
( ) 0 12 60 48 12 2 . 30 2 . 12 2 "
12 30 12 "
2
2
= + = + =
+ =
P
x x x P

( )
( ) 0 18 30 48 2 ' ' '
30 24 ' ' '
= =
=
P
x x P

2 = raiz e tem multiplicidade 3.

2.2.2 VALOR NUMRICO DE UM POLINMIO

Dado um polinmio ( ) x P , um problema que se coloca o de calcular
o valor numrico de ( ) x P para x x =
0
, ou seja, ( )
0
x P . Observe-se que
o clculo de ( )
0
x P requer n adies e
( )
2
1 + n n
multiplicaes. De
fato:

( )
{ {
produto produtos produtos
a x a x a x a x P
n
n
n
n
n
n 0
1
0 1
1
1
0 1 0 0
... + + + + =

43 42 1

( ) ( )
( )
2
1
1 2 ... 2 1
+
= + + + + +
n n
n n n

( )
n. termos de , 1 ,
2
.
: . .
1
1
= = =
+
=
nmero a n a com
a a n
S A P
n
n
n


Ento, se o grau n do polinmio for elevado (digamos, 20 n ), o
clculo de ( )
0
x P , alm de se tornar muito laborioso, tambm
ineficiente do ponto de vista computacional.



32
Exemplo:
Dado o polinmio
( ) 5 3 16 2 3 15 2 10 2 3
2 3 4 5 6 7 8 9
+ + + + = x x x x x x x x x x P
seja determinar ( ) 2 P .

Resoluo:
( )
( ) 321 2
5 2 . 3 2 . 16 2 . 2 2 . 3 2 . 15 2 . 2 2 . 10 2 . 2 2 . 3 2
2 3 4 5 6 7 8 9
=
+ + + + =
P
P


2.2.3 MTODO DE BRIOT-RUFFINI

Dado o polinmio ( )
0 1
1
1
. a x a x a x a x P
n
n
n
n
+ + + + =

K ,
dividindo-se ( ) x P pelo binmio ( ) c x , obtm-se a igualdade:

( ) ( ) ( )
{ {
diviso
da resto
quociente
polinmio
r x Q c x x P + =

onde ( ) x Q da forma:

( )
1 2
2
1
1
. b x b x b x b x Q
n
n
n
n
+ + + + =

L

Como determinar os coeficientes n i b
i
, , 1 , L = e o resto r?
( ) ( )( )
( )
( )
1 2
2
1
1
0 1
1
1
b x b x b x b x Q
a x a x a x a x P
r c x x Q x P
n
n
n
n
n
n
n
n
+ + + + =
+ + + + =
+ =

L
L

( )( )
( ) ( )
( ) ( ) r cb x cb b x cb b
x cb b x cb b x b
r c x b x b x b x b
a x a x a x a
n
n n
n
n n
n
n
n
n
n
n
n
n
n
n
+ + +
+ + + =
+ + + + +
= + + + +

1 2 1
2
3 2
2
1 2
1
1
1 2
2
1
1
0 1
1
1
L
L
L


Obtm-se, da reduo a termos semelhantes:
0 1
1 2 1
2 1 2
1 1
.
.
.
.
a b c r
a b c b
a b c b
a b c b
a b
n n n
n n n
n n
+ =
+ =
+ =
+ =
=


M


Ou, equivalentemente,
0 1
1
.
Ruffini) - Briot de (algoritmo 1 1 .
a b c r
n k a b c b
a b
k n k n k n
n n
+ =
+ =
=
+



EXEMPLO: Seja dividir
( ) 10 16 7
2 3
+ = x x x x P
pelo binmio ( ) 2 x , usando o mtodo de Briot-Ruffini

Soluo:
( ) ( ) ( )
( )
1 2
2
3
. 2
b x b x b x Q
r x Q x x P
+ + =
+ =



33
Clculo dos bi's i = 1 2 3 , ,
( )
( ) 6 16 5 . 2 .
5 7 1 . 2 .
1
1 2 1
2 3 2
3 3
= + = + =
= + = + =
= =
a b c b
a b c b
a b


Clculo do resto:
( )
( )
2
6 5
2 10 6 . 2
2
0 1
=
+ =
= + = + =
r
x x x Q
a cb r


Usando o dispositivo prtico de Briot-Ruffini:

ai s '
6 7 4444444 8 4444444

1 7 16 -10
2 2 10
12

1 5 6
bi s '
1 2 444 3 444

{
r
2


Exemplo: Seja dividir
( ) 10 16 7
2 3
+ = x x x x P
Pelo binmio ( ) 3 + x , usando o dispositivo prtico de Briot-Ruffini.

Resoluo:


1 7 16
-10
-3
3 30
-138

1 10 46
-148

( )
148
46 10
2
=
+ =
R
x x x Q


Observe-se que: ( ) ( ) ( ) ( ) 148 10 3 16 3 . 7 3 3
2 3
= + = P


Teorema: o valor numrico de ( ) x P em x c = igual ao resto da
diviso de ( ) x P por ( ) c x
Demonstrao:

( ) ( ) ( )
( ) ( ) ( )
( ) r c P
r c Q c c c P
c x
r x Q c x x P
=
+ =
=
+ =
.



Exemplo:
Dado o polinmio
( ) , 5 3 16 2 3 15 2 10 2 3
2 3 4 5 6 7 8 9
+ + + + = x x x x x x x x x x P seja
calcular ( ) 2 P usando o dispositivo prtico de Briot-Ruffini.

Resoluo:

3 2 -10 2 -15 -3 2 -16 3 -5
2 6 16 12 28 26 46 96 160 326
3 8 6 14 13 23 48 80 163 321

( ) 321 2 = P


34

Teorema: o valor numrico da derivada de ( ) x P para x c = igual ao
resto da diviso de ( ) x Q por ( ) c x , onde ( ) x Q o polinmio
quociente da diviso de ( ) x P por ( ) c x .

Demonstrao:
( ) ( ) ( )
te cons
r x Q c x x P
tan
. + =
( ) ( ) ( )( )
( ) ( ) ( ) ( ) ( )
( ) ( ) c Q c P
c Q c c c Q c Q c P
temos c x para
c x x Q x Q x P
=
= + =
=
+ =
'
. ' '
: ,
' '



Pelo teorema anterior sabemos que ( ) c Q igual ao resto da diviso de
( ) x Q pelo binmio ( ) c x .


Exemplo:
Dado o polinmio ( ) 0 30 20 2
2 3
= + = x x x x P
seja calcular ( ) 2 ' P usando o dispositivo prtico de Briot-Ruffini.

Resoluo:

1 -2 -20 +30
2 2 0 -40
1 0 -20 -10
2 2 4
1 2 -16
( ) 10 2 = P e ( ) 16 2 ' = P

Observe-se que:
( )
( ) ( ) ( ( ) ) 30 20 2 30 20 2
30 20 2
2
2 3
+ = + =
+ =
x x x x x x x P
x x x x P

( ) ( ( ) ) 10 30 40 30 2 20 2 2 2 2 = + = + = P
( ) ( )
( ) ( ) 16 20 4 20 2 4 2 . 3 2 '
20 4 3 20 4 3 '
2
= = =
= =
P
x x x x x P



2.2.4 MTODO DE HORNER

( )
( )
( ( ) )
( (
{
) )
0 1 2 1
1
0 1 2
3
1
2
0 1 2
2
1
1
0 1
2
2
1
1
) ( a x a x a x a x a
a x a x a x a x a
a x a x a x a x a
a x a x a x a x a x P
n n
n
n
n
n
n
n
n
n
n
n
n
n
n
+ + + + + =
+ + + + + =
+ + + + + =
+ + + + + =

L L
M
L
L
L



Exemplo:
Dado ( ) 8 4 2 5 2
2 3 4
+ = x x x x x P , calcular ( ) 3 P (Horner).

Resoluo:
( )
( )
( ) ( )
( ) ( ) ( ) 8 4 2 5 2
8 4 2 5 2
8 4 2 5 2
8 4 2 5 2
2
2 3
2 3 4
+ =
+ =
+ =
+ =
x x x x
x x x x
x x x x
x x x x x P


35
( ) ( ) ( ) ( ) ( ) 13 3 8 3 4 3 2 3 5 3 . 2 3 = + = P P


Exemplo:
Dado ( ) , 5 3 16 2 3 15 2 10 2 3
2 3 4 5 6 7 8 9
+ + + + = x x x x x x x x x x P
calcular ( ) 2 P pelo mtodo de Horner.

Resoluo:

( )
( )
( ) ( )
( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) 321 5 2 3 2 16 2 2 2 3 2 15 2 2 2 10 2 2 2 3 2
5 3 16 2 3 15 2 10 2 3
5 3 16 2 3 15 2 10 2 3
5 3 16 2 3 15 2 10 2 3
5 3 16 2 3 15 2 10 2 3
5 3 16 2 3 15 2 10 2 3
5 3 16 2 3 15 2 10 2 3
5 3 16 2 3 15 2 10 2 3
5 3 16 2 3 15 2 10 2 3
5 3 16 2 3 15 2 10 2 3
2
2 3
2 3 4
2 3 4 5
2 3 4 5 6
2 3 4 5 6 7
2 3 4 5 6 7 8
2 3 4 5 6 7 8 9
= + + + + =
+ + + + =
+ + + + =
+ + + + =
+ + + + =
+ + + + =
+ + + + =
+ + + + =
+ + + + =
+ + + + =
P
x x x x x x x x x
x x x x x x x x x
x x x x x x x x x
x x x x x x x x x
x x x x x x x x x
x x x x x x x x x
x x x x x x x x x
x x x x x x x x x
x x x x x x x x x x P


Observe-se que possvel obter a forma fatorada final diretamente,
em um nico passo:

( )
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) x x x x x x x x x
x x x x x x x x x x P
3 2 10 2 15 3 2 16 3 5
3 2 10 2 15 3 2 16 3 5
9 8 7 6 5 4 3 2
+ + + + + + + + + =
+ + + + + =


2.2.5 MTODO DE BIRGE-VIETA

O algortmo obtido quando usamos os resultados dos teoremas
anteriores para aplicar o mtodo de N-R chamado de mtodo de
Birge-Vieta:

( )
( )
,... 2 , 1 , 0
'
1
= =
+
n
x P
x P
x x
n
n
n n

onde:

( )
n
x P o resto da diviso de ( ) x P por ( )
n
x x ( )
n
x P' o resto da
diviso do quociente obtido quando do clculo da diviso de ( )
n
x P
pelo binmio ( )
n
x x .


Exemplo:
Calcule uma aproximao para a raiz de
( ) 46 163
2
76
3
3 + = x x x x p no intervalo (20,25) tal que
2
10

< ,
usando o mtodo de Brige-Vieta. Assumir x
0
22 5 = . como
aproximao inicial da raiz.

Resoluo:

Clculo de
1
x :

) 5 . 22 ( '
) 5 . 22 (
5 . 22
) ( '
) (
0
0
0 1
P
P
x P
x P
x x = =


Dispositivo prtico de Briot-Ruffini:

36
3 -76 +163 -46
22.5 67.5 -191.25 -635.63
3 -8.5 -28.25 -681.63
22.5 67.5 1.327,5
3 59 1.299,25 = P'(22.5)

02 . 23
25 , 299 . 1
63 . 681
5 . 22
1
=

= x
52 . 0 5 . 22 02 . 23
0 1 1
= = = x x

Clculo de
2
x :

) 02 . 23 ( '
) 02 . 23 (
02 . 23
) ( '
) (
1
1
1 2
P
P
x P
x P
x x = =

Dispositivo prtico de Briot-Ruffini:

3 -76 +163 -46
23.02 69.06 -159.76 +74.61
3 -6.94 +3.24 +28.61
23.02 69.06 1.430.00
3 61.12 1.433.24 = P'(23.02)

00 . 23
24 . 1433
61 . 28
02 . 23
2
= = x
02 . 0 02 . 23 00 . 23
1 2 2
= = = x x

Clculo de
3
x :

) 23 ( '
) 23 (
23
) ( '
) (
2
2
2 3
P
P
x p
x p
x x = =

Dispositivo prtico de Briot-Ruffini:

3 -76 +163 -46
23 69 -161 46
3 -7 2 0 = p(23)
< 10
-2

23
2
= = = x


2.2.6 NMERO DE ZEROS REAIS DE UM POLINMIO COM
COEFICIENTES REAIS

Regras de Sinais de Descartes:

O nmero de razes reais posistivas n
+
de uma equao algbrica
igual ao nmero de variaes de sinais na seqncia dos coeficientes,
ou menor que este nmero por um inteiro, par, no negativo, sendo
que uma raiz de multiplicidade m contada como m razes e que
coeficientes iguais a zero no so considerados.
Para se determinar o nmero e razes reais negativas, n
-
, aplica-se a
regra anterior a P(-x).

Exemplos:

( ) ( ) 0 30 29 7 5
2 3 4
= + + + = x x x x x P a
+ + +
123 123

n
+
= 2 ou 0 razes reais positivas

37
( ) 30 29 7 5
2 3 4
+ + = x x x x x P
+ + +
123 123

n
-
= 2 ou 0 razes reais negativas

( ) ( ) 1 4 3 2
3 4 5
+ + = x x x x x P b
+ +
3 2 1 3 2 1
+
n
+
= 2 ou 0 razes reais positivas
( ) 1 4 3 2
3 4 5
+ + = x x x x x P
+ +
123123123

n
-
= 3 ou 1 razes reais negativas

( ) ( ) 1 4 4
2 3 5
+ = x x x x x P c
{{{
+ +
n
+
= 3 ou 1 razes reais positivas

( ) 1 4 4
2 3 5
+ + + = x x x x x P
+ + +
123 123

n
-
= 2 ou 0 razes reais negativas

( ) ( ) 1
7
+ = x x P d
+ +
123

n
+
= 0 razes reais positivas
( ) 1
7
+ = x x P
+
123

n
-
= 1 raz real negativa

2.2.7 LIMITAO DAS RAZES REAIS DE UMA EQUAO
ALGBRICA: MTODO DE LAGUERRE

Limitar as razes de uma equao F(x)=0 determinar um intervalo
onde esto todas as razes da equao.


O MTODO DE LAGUERRE

Seja determinar um nmero real L
s
tal que, dada a funo polinomial
y = P(x), P(x) > 0 0 > L x .Diz-se que L
s
um limitante superior
para as razes da equao algbrica P(x) = 0.

Para se determinar L
s
divide-se sucessivamente P(x) por (x - x
k
), x
k

= 1, 2, ... at que para um particular valor de x, digamos x
L
, tem-se
todos os coeficientes do quociente e o resto da diviso positivos.

Dividindo-se P(x) pelo binmio (x - L
s
)

obtm-se:

( ) ( ) ( ) R x Q L x x P
S
+ =

onde Q( x ) da forma:

1
2
1
1
1
b x b
n
x
n
b
n
x
n
b + + +

L

Obviamente:
( ) . 0 0 R e , , , 2 , 1 , 0 , 0 > > = > > x P ento n i b L x Se
i S
L


Exemplo:
Seja o polinmio:

38
( ) 30 29 7 5
2 3 4
+ + = x x x x x P .
Encontrar um limitante superior para os seus zeros.

Resoluo:
Dispositivo prtico de Briot-Ruffini:

1 -5 -7 29 30
1 1
1
<
4
0


1 -5 -7 29 30
2 2
1
<
3
0


1 -5 -7 29 30
3 3
1
<
2
0


1 -5 -7 29 30
4 4
1 1

1 -5 -7 29 30
5 5 0
1 0
<
7
0


1 -5 -7 29 30
6 6 6
1 1
<
1
0



1 -5 -7 +29 +30
7 7 14 49 546
1 2 7 78 576

= L
S
7 um limitante superior para os zeros da funo
polinomial y = P(x).

Para se determinar um limitante inferior, L
i
, para as razes reais no
positivas da eq. algbrica P(x) = 0, procede-se como indicado a seguir.
Seja n o grau da equao algbrica P(x) = 0. Ento:
(a)
se n par, determina-se o limitante superior K
s
de y=P(-x) e
toma-se L
i
=K
s.
(b) se n mpar, determina-se o limitante superior K
s
de y=-P(-x) e
toma-se L
i
=-K
s.



Graficamente:
Caso (a):

39

Caso (b):

Exemplo:
Determinar um limitante inferior para os zeros do polinmio do
exemplo anterior.

Soluo:
( ) 30 29 7 5
2 3 4
+ + = x x x x x P
n = 4, par L
i
= - K
s

onde K
s
limit sup. para P( -x)

Determinao de K
s
:
( ) 30 29 7 5
2 3 4
+ + = x x x x x P

40
Dispositivo prtico de Briot-Ruffini:

1 5 -7 -29 30
1 1 6
1 6 -1 < 0

1 5 -7 -29 30
2 2 14 14
1 7 7 -15 < 0

1 5 -7 -29 30
3 3 24 51 66 k
s
= 3
1 8 17 22 96

3 = =
s i
k L um limitante inferior para os zeros da funo
polinomial y = P(x).

Observao: as razes da equao 0 30 29 7 5
2 3 4
= + + x x x x so:
( ) 4 , 3 , 2 , 1 , 7 , 3
, 5 , 3 , 1 , 2
4 3 2 1
=
= = = =
i
i

Exemplo completo:
Dada a equao algbrica: ( ) 0 1 3
3 4 5
= + + = x x x x x P
pede-se determinar:
(a) o nmero de razes reais positivas
(b) o nmero de razes reais negativas
(c) um limitante superior para as razes reais
(d) um limitante inferior para as razes reais
(e) um intervalo contendo no mnimo uma raiz real.
(f) a raiz isolada usando o mtodo de Birge-Vieta.

( ) ( ) 0 1 3
3 4 5
= + + = x x x x x P a
+ + +
1 1
123 123

n
+
= 2 ou 0 razes reais positivas

( ) ( ) 0 1 3
3 4 5
= + + = x x x x x P b
+ +
1 1 1
123123123

n
-
= 1 ou 3 razes reais negativas

(c)
3 -1 -1 0 1 1
1 3 2 1 1 2 L
s
= 1
3 2 1 1 2 3

(d) n = 5 L
i
= - K
s
K
s
limitante superior de -P( -x)

( )
( ) 1 3
1 3
3 4 5
3 4 5
+ + =
+ + =
x x x x x P
x x x x x P

3 1 -1 0 1 -1
1 3 4 3 3 4
3 4 3 3 4 3
L
i
= - K
s = -1
= L
i
1


De ( ) ( ) ( ) ( ) 1 , 1 0 : : e = P d c

(e) P(x
i
) = ? x
i
(-1, 1)
Do item (c) : P( 1 ) = 3 > 0
P(0) = 1 > 0
P( -1) = ?
Do item (d): - P ( -1) = 3 P( -1 ) = -3

41

Separao das razes

( i ) razes positivas (?)

P( 0 ) = 1 > 0 P( 1 ) = 3 > 0
P( 0.5) = ?

3 -1 -1 0 1 1
0.5 1.5 0.25 -0.3753 -0.188 0.407
3 0.5 -0.75 -0.375 0.813 1.407
P(0.5) = 1.407 > 0

Nada se pode concluir sobre as razes positivas a partir dos valores
obtidos.

( ii ) razes negativas (?)


P( 0 ) = 1 > 0
P( -1) = -3 < 0
P( -0,5) = ?
( ) 0 , 1 ; real



3 -1 -1 0 1 1
- 0.5 -1.5 1.25 -0.125 0.0625 -0.531
3 -2.5 0.25 -0.125 1.0625 0.469

P(-0..5) = 0.469 > 0
( ) 5 . 0 - , 1 ; real

(f) determinao da raiz real negativa

Mtodo de Birge-Vieta:

( )
( )
) (arbitrado 6 . 0
, 2 , 1 , 0 ,
'
0
1
=
= =
+
x
n
x P
x P
x x
n
n
n n
L


Verificao quanto convergncia:

3 -1 -1 0 1 1
-0.6 -1.8 1.68 -0,41 0.25 -0.75
3 -2.8 0.68 -0.41 1.25 0.25 = P ( -0.6)
-0.6 -1.8 2.76 -2.06 1.48
3 -4.6 3.44 -2.47 2.73 = P' ( - 0.6)
-0.6 -1.8 3.84 -4.368
3 -6.4 7.28 -6.838 P''(-0.6)=-13.676

1 459 . 0
) 73 . 2 (
) 676 . 13 )( 25 . 0 (
) (
) ( " ). (
) (
2 2
0
0 0
0
< =

=
x P
x P x P
x

. de prximo mente suficiente estiver x se ia convergnc haver
0


Clculo de
1
x :

( )
( )
( )
( ) 6 . 0 '
6 . 0
6 . 0
'
1
0
0
0 1

= =
P
P
x
x P
x P
x x
69 . 0
73 . 2
25 . 0
- 6 . 0
1 1
= = x x
( )
2
0 1 1
10 09 . 0 6 . 0 069

> = = = x x


42
Clculo de
2
x :

( )
( )
( )
( ) 69 . 0 '
69 . 0
69 . 0
'
1
1
1 2

= =
P
P
x P
x P
x x

3 -1 -1 0 1
1
-0.69 -2.07 2.12 -0.77 0.53
-1.06
3 -3.07 1.12 -0.77 1.53
-0.06 = P ( -0.69)
-0.69 -2.07 3.55 -3.22 2.75

3 -5.14 4.67 -3.99 4.28
= P' ( - 0.6)

68 . 0
28 . 4
06 . 0
69 . 0
2
=

= x
( ) 01 . 0 69 . 0 68 . 0
1 2 2
= = = x x

68 . 0 =

( ) ? = P

3 -1 -1 0 1
1
-0.68 -2.04 2.07 -0.73 0.50
-1.02
3 -3.04 1.07 -0.73 1.50
0.02 = P ( -0.68)


Exerccio:
Dada a equao algbrica:
( ) 0 1040 792 185 7 9
2 3 4 5
= + + + = x x x x x x P
pede-se determinar:
(a) o nmero de razes reais positivas
(b) o nmero de razes reais negativas
(c) um limitante superior para as razes reais
(d) um limitante inferior para as razes reais
(e) a forma obtida da aplicao do mtodo de Honer.
(f) o valor numrico de P(x) nos pontos -5 e 4.

Exerccio:
Dada a equao algbrica:
( ) 0 30 6
2 3
= + = x x x x P
pede-se determinar:
(a) o nmero de razes reais positivas
(b) o nmero de razes reais negativas
(c) um limitante superior para as razes reais
(d) um limitante inferior para as razes reais
(e) a forma obtida da aplicao do mtodo de Honer.
(f) o valor numrico de P(x) nos pontos -2 e 99. usando a expresso
obtida no item interior.

Exerccio:
Dada a equao algbrica:
( ) 0 9 6 10 6
2 3 4
= + + = x x x x x P
pede-se determinar:
(a) o nmero de razes reais positivas e negativas.
(b) um limitante superior e um limitante inferior para as razes reais.
(c) a forma obtida da aplicao do mtodo de Honer.


Exerccio:
Dada a equao algbrica:
( ) 0 2 2
2 3
= + = x x x P
Pede-se determinar:
(a) o nmero de razes positivas
(b) o nmero de razes negativas
(c) um limitante superior para as razes reais

43
(d) um limitante inferior para as razes reais
(e) um intervalo contendo no mnimo uma raiz real positiva
(f) uma raiz real positiva ( ) no intervalo identificado no item
anterior (Birge-Vieta)
(g) o valor numrico de ( ) P .

Obs.: tomar
3
10

Resp.: 8581 . 0 =


2.2.9 MTODO DAS SEQNCIAS DE STURM

Seqncia de funes ( ) { } ( ) ( ) ( ) x g x g x g x g
n o i
, , , :
1
L construda do
seguinte modo:
( ) ( )
( ) ( ) x P x g
x P x g
o
'
1
=
=

( ) 2 , k x g
k
, igual ao simtrico do resto da diviso de
1 2 k k
g por g

O nmero de zeros da funo ( ) x P y = no intervalo (a,b) a diferena
entre o nmero de variaes de sinal da seqncia
( ) ( ) ( ) a g a g a g
n
, , , ,
1 0
L e da seqncia ( ) ( ) ( ) b g b g b g
n
, , ,
1 0
L .


Exemplo
Aplicar o mtodo das seqncias de Sturm para localizar todas as
razes reais de:

( ) 0 32 . 0 6 . 0 03 . 1 4 . 2
2 3 4
= + + = x x x x x P

Resoluo:

(a) seqncia ( ) { } x g
i

( ) ( ) ( )
( ) ( ) ( ) ( )
( )
( ) ( ) ( ) ( ) x g x g resto x g
x x x x g
x x x x g x P x g
x x x x x g x P x g
1 0 2
2 3
1
2 3
1 1
2 3 4
0 0
15 . 0 515 . 0 8 . 1
4 6 . 0 06 . 2 2 . 7 4 '
32 . 0 6 . 0 03 . 1 4 . 2
=
+ + =
+ + = =
+ + = =


23 . 0 759 . 0 565 . 0
09 . 0 309 . 0 08 . 1 6 . 0
32 . 0 45 . 0 515 . 0 6 . 0
6 . 0 15 . 0 515 . 0 8 . 1
15 . 0 515 . 0 8 . 1 32 . 0 6 . 0 03 . 1 4 . 2
2
2 3
2 3
2 3 4
2 3 2 3 4
+
+ +
+ +
+
+ + + +
x x
x x x
x x x
x x x x x
x x x x x x x


( ) ( )
( ) 4071 . 0 343 . 1
565 . 0 23 . 0 759 . 0 565 . 0
2
2
2
2
+ =
+ + =
x x x g
x x x g


( ) ( ) ( ) ( )
336 . 0 5059 . 0
1860 . 0 613 . 0 457 . 0
15 . 0 1079 . 0 457 . 0
457 . 0 4071 . 0 343 . 1
4071 . 0 343 . 1 15 . 0 515 . 0 8 . 1
2
2
2 3
2 2 3
2 1 3
+
+ +
+ +
+
+ + +
=
x
x x
x x
x x x
x x x x x
x g x g resto x g


( ) ( )
( ) 6642 . 0
5059 . 0 336 . 0 5059 . 0
3
3
=
=
x x g
x x g


44

( ) ( ) ( ) ( )
( ) 0438 . 0
0438 . 0
4509 . 0 6788 . 0
4071 . 0 6788 . 0
6788 . 0 6642 . 0
6642 . 0 4071 . 0 343 . 1
4
2
2
3 2 4
=

+
+
+
+
=
x g
x
x
x x x
x x x
x g x g resto x g



(b) Tabela de sinais:
Ls = ?

1 -2.4 1.03 0.6 -0.32
3 3.0 1.8 8.49 27.27
L
S
= 3
1 0.6 2.83 9.09 26.95 =P(3)


L
I
= ?
32 . 0 6 . 0 03 . 1 4 . 2 ) (
32 . 0 6 . 0 03 . 1 4 . 2 ) (
2 3 4
2 3 4
+ + =
+ + =
x x x x x P
x x x x x P


1 2.4 1.03 -0.6 -0.32
1 1 3.4 4.43 3.83 L
I
= 1
1 3.4 4.43 3.83 3.51 = P(-1)


Tabela:

x g
0
g
1
g
2
g
3
g
4

VARIAO
-1 + - + - + 4
0 - + + - + 3
1 - - + + + 1
2 + + + + + 0
3 + + + + + 0

Observaes sobre a construo da tabela acima:
g
0
(3) = P(3) = 26.95 > 0
g
1
(3) = ? g
1
(x) = x
3
- 1.8 x
2
+ 0.515x + 0.15
g
1
(3) = 12.495 > 0
g
2
(3) = ? g
2
(x) = x
2
- 1.343 x + 0.4071
g
2
(3) = 5.3781
g
3
(3) = ?
g
3
(x) = x - 0.6642 g
3
(3) > 0
g
4
(3) > 0


(c) Interpretao:

Seja v(x
i
) o nmero de variaes de sinal da seqncia {g
i
(x)} em
x = x
i
.

45
) 2 , 1 (
0 ) 2 (
1 ) 1 (
) 1 , 0 ( ,
1 ) 1 (
3 ) 0 (
) 0 , 1 (
3 ) 0 (
4 ) 1 (
4
3 2
1

=
=

=
=

=
=

v
v
v
v
v
v



(d) continuao da aplicao do mtodo de Sturm:
g
0
(0.6) = 0.022 > 0
g
1
(0.6) = ?
g
1
(0.6) = 0.027
g
2
(0.6) = ?
g
2
(0.6) = 0.0387
g
3
(0.6) = 0.6 - 0.6642 = -0.0642 < 0
g
4
(0.6) > 0


0 - + + - + 3

0.6 + + - - + 2

1 - - + + + 1

) 1 , 6 . 0 (
1 ) 1 (
2 ) 6 . 0 (
) 6 . 0 , 0 (
2 ) 6 . 0 (
3 ) 0 (
3
2

=
=

=
=

v
v
v
v



Observao quanto s razes isoladas:

(i) verificao dos intervalos:

) 0 , 1 (
0 32 . 0 ) 0 (
0 51 . 3 ) 1 (
1

)
`

< =
> =

P
P


) 2 , 1 (
0 8 . 1 ) 2 (
0 09 . 0 ) 1 (
4

)
`

> =
< =

P
P


) 2 , 1 (
) 1 , 6 , 0 (
0 ) 2 (
0 ) 1 (
) 6 . 0 , 0 (
) 0 , 1 (
0 ) 6 . 0 (
0 ) 0 (
0 ) 1 (
4
3
2
1


>
<


>
<
>

P
P
P
P
P


(ii) razes da equao P (x) = 0:
6 . 1 , 8 . 0 , 5 . 0 , 5 . 0
4 3 2 1
= = = =


Exemplo completo:

Dada a equao algbrica
( ) , 0 2 45 . 4 4 . 0
2 3
= + + = x x x x P determinar aproximaes para as
suas razes utilizando o mtodo de Birge-Vieta ( ) 01 . 0



46
Resoluo:

(a) Regra de sinais de Descartes (nmero de razes)
( )
43 42 1 3 2 1
+ + +
2 45 . 4 4 . 0
2 3

+ + = x x x x P

n
+
= 2 ou 0 razes reais positivas

( )
43 42 1 3 2 1
+
2 45 . 4 4 . 0
2 3
+ +
+ + + = x x x x P

n
-
= 1 raiz real negativa

(b) Limitantes para as razes

Mtodo de Laguerre
L
s
= ?

1 0 4 4 45 . . 2
1 1 1 4 .

1 1 4 - 3.05 .

1 0.4 -4.45 2
2 2 4.8 0.7 L
s
= 2
1 2.4 0.35 2.7

L
I
= ?
( ) 2 45 . 4 4 . 0
2 3
+ + = x x x x P
( ) 2 45 . 4 4 . 0
2 3
+ + + = x x x x P
( ) 2 45 . 4 4 . 0
2 3
= x x x x P


1 -0.4 -4.45 -2
1 1 0.6
1 0.6 -3.85

1 -0.4 -4.45 -2
2 2 3.2
1 1.6 -1.25

1 -0.4 -4.45 -2
3 3 7.8 10.05 L
I
= -3
1 2.6 3.35 8.05


(c) Isolamento das razes

(c.1) Mtodo das seqncias de Sturm:

(c.1.1) Seqncia { } (x) g
i
:

2 45 . 4 4 . 0 ) (
2 3
0
+ + = x x x x g


) 3 ( 45 . 4 8 . 0 3 ) (
2
1
+ = x x x g
483 . 1 267 . 0 ) (
2
1
+ = x x x g


( ) ) ( / ) ( g resto - ) (
1 0 2
x g x x g =


47
197 . 2 003 . 3 /
197 . 0 036 . 0 133 . 0
2 967 . 2 133 . 0 /
133 . 0 483 . 1 267 . 0
483 . 1 267 . 0 | 2 45 . 4 4 . 0
2
2
2 3
2 2 3
+
+
+
+ +
+ + +
x
x x
x x
x x x x
x x x x x


197 . 2 003 . 3 ) (
2
= x x g

732 . 0 ) (
2
= x x g



( ) ) ( / ) ( g resto - ) (
2 1 3
x g x x g =

1 0.267 -1.483
0.732 0.732 0.731
1 0.999 -0.752

752 . 0 ) (
3
= x g



(c.1.2) Tabela de sinais

L
I
= -3, L
s
= 2





x g
0
g
1
g
2
g
3
VARIAO

-3 - + - + 3
-2 + + - + 2 Q
1
3 2 ( , )
1 + - - + 2
0 + - - + 2
2
0 1 ( , )
1 - - + + 1
2 + + + + 0
3
1 2 ( , )


(c.2) Briot-Ruffini

( ) 2 45 . 4 4 . 0
2 3
+ + = x x x x P

1 0.4 -4.45 2
2.0 2.0 4.8 0.7
1 2.4 0.35 2.7 = P (2.0) > 0


1 0.4 -4.45 2
1.0 1.0 1.4 -3.05
1 1.4 -3.05 -1.05 = P (1.0) < 0


) 0 . 2 , 0 . 1 (
1


) 1 , 0 ( 0 2 ) 0 (
2
> = P


1 0.4 -4.45 2
-1.0 -1.0 +0.6 3.85
1 -0.6 -3.85 5.85 = P (-1.0) > 0

) 0 . 2 , 0 . 3 (
0 05 . 8 ) 3 (
0 5 . 4 ) 2 (
3

)
`

< =
> =

P
P


48

(d) Verificao quanto convergncia
5 . 1
0
= x (arbitrado)

[ ]
2
0
0 0
0
) ( '
) ( " ). (
) ( '
x P
x P x P
x =

1 0.4 -4.45 +2
1.5 1.5 2.85 -2.4
1 1.9 -1.60 -0.4 = P(1.5)
1.5 1.5 5.1
1 3.4 3.5 = P'(1.5)
1.5 1.5
1 8 . 9 ) 5 . 1 ( " 2 / ) 5 . 1 ( " 9 . 4 = = P P
4 4 3 4 4 2 1

O resto da terceira aplicao do mtodo
de Briot-Ruffini igual metade da
derivada segunda de P(x) no ponto
considerado.


43 42 1
1 32 . 0
) 5 . 3 (
) 8 . 9 )( 4 . 0 (
) ( '
2
0
< =

= x
Portanto, x
o
suficientemente prximo da raiz implicar na
convergncia da aplicao do mtodo.


(e) Clculo das razes


(e.1) Clculo de )) 0 . 2 , 0 . 1 ( (
1 1

) ( '
) (
1
k
k
k k
x P
x P
x x =
+

x
o
= 1.5
61 . 1
5 . 3
4 . 0
5 . 1
) 5 . 1 ( '
) 5 . 1 (
5 . 1
1
= |

\
|
= =
P
P
x
) 61 . 1 ( '
) 61 . 1 (
61 . 1
10 11 . 0 5 . 1 61 . 1
2
2
0 1 1
P
P
x
x x
=
> = = =

1 0.4 -4.45 +2
1.61 1.61 3.2361 -1.9544
1 2.01 -1.2139 0.0456 = P(1.61)
1.61 1.61 5.8282
1 3.62 4.6143 = P'(1.61)

01 . 0 61 . 1 60 . 1
60 . 1
6143 . 4
0456 . 0
61 . 1
1 2 2
2
= = =
= =
x x
x

60 . 1
1
=



Verificao:

P(1.60) = ?

49

1 0.4 -4.45 2
1.60 1.60 3.20 -2
1 2.0 -1.25 0.0 = P(1.60)


Exerccio: obter aproximaes para as demais razes usando Birge-
Vieta


Exerccio:
Dada a equao algbrica:

P x x x x ( ) = + + =
3 2
2 10 20 0

pede-se:

(a) o nmero de razes reais positivas (n
+
) e negativas (n
-
);
(b) os limitantes superior (L
s
) e inferior (L
I
) para as razes reais;
(c) um intervalo com extremos inteiros contendo exatamente uma raiz
real positiva, usando o mtodo das sequncias de Sturm;
(d) verificar se o ponto mdio do intervalo identificado em (c) satisfaz
o critrio de convergncia do mtodo de Newton;
(e) calcular uma aproximao para a raiz isolada usando o mtodo de
Birge-Vieta com <

10
2
.
Resposta: 3688 . 1 =


Algoritmo para o clculo do valor numrico de um polinmio:

Seja o problema de se calcular o valor numrico de um polinmio
P(x) da forma:

( )
0 1
1
1
a x a x a x a x P
n
n
n
n
+ + + + =

L

em x=c (ou seja, P(c)). Deve ser utilizado o esquema a seguir:


0 1
1
.
Ruffini) - Briot de (algoritmo 1 1 .
a b c r
n k a b c b
a b
k n k n k n
n n
+ =
+ =
=
+


atravs do qual so obtidos os coeficientes do polinmio quociente:

( )
1 2
2
1
1
b x b x b x b x Q
n
n
n
n
+ + + + =

L


A seguir apresenta-se um esquema para o clculo da derivada de um
polinmio:


b
n
b
n-1
b
n-2
b
2
b
1

c d
n-1*c
d
n-2*c
d
2*c
d
1*c

b
n
b
n-1
+d
n-1
*c b
n-2
+d
n-2
*c b
2
+d
2
*c b
1
+d
1
*c
d
n-1
d
n-2
d
n-3
d
1
resto

d
n-1
= b
n;

d
n-k-1
= b
n-k
+ d
n-k
*c, k =1,2,...n-2;
resto = b
1
+d
1
*c (valor numrico da derivada do polinmio).


50

SEJAM
A: VETOR DOS COEFICIENTES DO POLINMIO: A(0:N)
B: VETOR DOS COEF. DO POL. QUOCIENTE: B(1:N)
D: VETOR COEF. POL. P/ CLC. DE P(C): D(1:N-1)
!
! INICIO ALGORITMO
! DADOS
SOLICITAR O GRAU DO POLINMIO
LER N
SOLICITAR OS COEFICIENTES
LER (A(I),I=0,...,N)
SOLICITAR C
LER C
!
! APLICAO DO ALGORITMO DE BRIOT-RUFFINI: P(C)
B(N)=A(N)
PARA K DE 1 AT N-1
FAA
B(N-K)=C*B(N-K+1)+A(N-K)
FIM PARA
! VALOR NUMRICO DO POLINMIO
VNP = C*B(1) + A(0)
ESCREVA P(,C,)=, VNP
!
! APLICAO DO ALGORITMO BRIOT-RUFFINI: P(C)
D(N-1)=B(N)
PARA K DE 1 AT N-2
FAA
D(N-K-1)=C*D(N-K)+B(N-K)
FIM PARA
! VALOR NUMRICO DERIVADA P(C)
VNDP = C*D(1)+B(1)
ESCREVA D/DX(P(,C,))=,VNDP
! FIM ALGORITMO


CAPTULO 3

SISTEMAS DE EQUAES LINEARES

3.1. INTRODUO

Um problema de grande interesse prtico a resoluo numrica de
um sistema S
n
de n equaes lineares com n incgnitas.

= + + +
= + + +
= + + +
n n nn n n
n n
n n
n
b x a x a x a
b x a x a x a
b x a x a x a
S
...
...
...
:
2 2 1 1
2 2 2 22 1 21
1 1 2 12 1 11

ou

=
= =
n
j
i j ij n
n i b x a S
1
,..., 2 , 1 , :

Onde:
). ,... 2 , 1 , ( tan : , var : , : n j i tes cons b iveis x es coeficient a
i j ij
=

Sob a forma matricial S
n
pode ser representado como: b AX =
onde:
(
(
(
(
(
(
(
(

=
nn n n
n
n
a a a
a a a
a a a
A
...
...
...
2 1
2 22 21
1 12 11

a matriz dos coeficientes.

=
n
x
x
x
X
2
1

o vetor das variveis


51
. tan tan
2
1
tes cons termos dos vetor ou te cons vetor o
b
b
b
b e
n
(
(
(
(
(
(
(
(

=

A matriz
[ ]
(
(
(
(
(
(
(
(

=
n nn n n
n
n
b a a a
b a a a
b a a a
b A
....
....
....
:
2 1
1 1 12 11
1 1 12 11


chamada matriz aumentada ou matriz completa do sistema. A
resoluo de um sistema linear consiste em calcular os valores de
( ) n j x
j
,..., 1 , = , caso existam, satisfazendo as n equaes
simultaneamente.


Exemplo:

Dado o sistema linear
3
S :

= +
= +
= +
1 3 2
3 3 4 4
5 3 2
:
3 2 1
3 2 1
3 2 1
3
x x x
x x x
x x x
S

pede-se:
(a) escrev-lo sob a forma matricial
(b) identificar a sua matriz completa
(c) mostrar que o vetor

=
3
2
1
x
o vetor soluo para o sistema

Soluo
(a) forma matricial
( )
{ {
) (
1
3
5
1 3 2
3 4 4
1 3 2
) (
tan
) (
var
3
2
1
b AX forma da que
x
x
x
b
tes cons
termos
dos vetor
X
iveis
de
vetor
A
es coeficient dos matriz
=

(
(
(

43 42 1


(b) matriz completa
[ ]
(
(
(

=
1 1 3 2
3 3 4 4
5 1 3 2
: b A


52
(c)
b AX =

+
+
+
=

(
(
(

=
1
3
5
3 . 1 2 . 3 1 . 2
3 . 3 2 . 4 1 . 4
3 . 1 2 . 3 1 . 2
3
2
1
1 3 2
3 4 4
1 3 2



SISTEMAS TRIANGULARES

Um sistema linear S AX b
n
: = chamado triangular superior se a matriz
( )
ij
a A = tal que ( ) n j i i j se a
ij
,..., 2 , 1 , , 0 = < = , ou seja:

=
= + +
= + + +
n n nn
n n
n n
n
b x a
b x a x a
b x a x a x a
S
M
2 2 2 22
1 1 2 12 1 11
...
...
:

Um sistema linear b AX S
n
= = chamado triangular inferior se a
matriz ( )
ij
a A = tal que a
ij
= 0 para ( ) n j i j ,..., 2 , 1 , = > , ou seja:

= + + +
= +
=
n n nn n n
n
b x a x a x a
b x a x a
b x a
S
...
:
2 2 1 1
2 2 22 1 21
1 1 11
M M


Observe-se que os sistemas triangulares em que ( ) n a
ii
,..., 1 , 0 , so
facilmente resolvidos por substituio retroativa ou progressiva.

Exemplo:
Encontrar o vetor soluo do sistema linear
4
S :

( )
( )
( )
( )

=
=
= +
= + +
4 2 2
3 3 5 4
2 1 2
1 10 5 4 3
:
4
4 3
4 3 2
4 3 2 1
4
x
x x
x x x
x x x x
S

Resoluo:

eq. (4):
= 2 2
4
x 1
4
= x

substituies retroativas

eq. (3):
= = 3 5 4 3 5 4
3 4 3
x x x
x
3
2 =

eq. (2):
= + 1 2
4 3 2
x x x
= + 1 2 2
2
x
x
2
1 =

eq. (1):
( ) 10 1 2 . 5 1 4 3
10 5 4 3
1
4 3 2 1
= + +
= + +
x
x x x x

= 3 3
1
x
x
1
1 =


53

=
1
2
1
1
X soluo vetor o


Mtodos Numricos de Resoluo:

Mtodos diretos:
so mtodos que determinam a soluo exata (X) de um sistema linear
com um nmero finito de operaes aritmticas elementares.

Mtodos iterativos
so mtodos que permitem obter uma soluo aproximada ( ) X para
um sistema linear, utilizando-se de um mtodo iterativo para gerar
uma seqncia de aproximaes sucessivas
( ) ( )
,... ,
2 1
X X a partir de
uma aproximao inicial escolhida
( ) 0
X . Quando um critrio de
parada satisfeito, o ltimo vetor de aproximao
( ) k
X da seqncia
tomado para X .


3.2. MTODOS DIRETOS

3.2.1. MTODO DE ELIMINAO DE GAUSS

3.2.1.1. CARACTERIZAO GERAL

O mtodo da Eliminao de Gauss consiste em transformar o
sistema linear original num sistema linear equivalente triangular
superior.

Exemplo:
Seja resolver o sistema:

( )
( )
( )
( )
( )
( )

= +
= +
= +
0
3 2 1
0
3 2 1
0
3 2 1
3
3 1 3 2
2 3 3 4 4
1 5 3 2
:
x x x
x x x
x x x
S

Resoluo:

Triangularizao do sistema original:

Passo 1: eliminao de x
1
das equaes ( ) ( )
) 0 ( ) 0 (
3 2 e :
( )
( )
( )
( )
( )
( )
1
2
2
2
2
4
0
11
0
31 1
3
0
11
0
21 1
2
= = = = = =
a
a
m
a
a
m

( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )

= =
= =
= = +
0 0 1
3 2
0 0 1
3 2
0 1
3 2 1
1
3
1 * 1 3 3 6 2 6
1 * 2 2 2 7 2
1 1 5 3 2
:
x x
x x
x x x
S

Passo 2: eliminao de x
2
da equao ( )
) 1 (
3 :
( )
( )
( )
3
2
6
1
22
1
32 2
2
=

= =
a
a
m


54
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )

= =
= =
= = +
1 1 2
3
1 2
3 2
1 2
3 2 1
2
3
2 * 3 3 3 15 5
2 2 7 2
1 1 5 3 2
:
x
x x
x x x
S


Resoluo do sistema triangularizado:
determinao do vetor X por substituies retroativas:

( )
( )
( )
( )
( )
( )
( )

=
=
= +
2
3
2
3 2
2
3 2 1
2
3
3 15 5
2 7 2
1 5 3 2
:
x
x x
x x x
S

eq. ( )
( ) 2
3 : 3 15 5
3 3
= = x x
eq. ( )
( ) 2
2 : 2 3 7 2 7 2
2 2 3 2
= = = x x x x
eq. ( )
( ) 2
1 : 1 6 3 5 2 5 3 2
1 1 3 2 1
= + = = + x x x x x

=
3
2
1
X

Clculo do determinante de A:

( )
(
(
(

=
(
(
(

=
5 0 0
1 2 0
1 3 2
1 3 2
3 4 4
1 3 2
2
A A

det
( )
( ) ( ) 20 5 * 2 * 2
2
= = A


Exemplo:
Resolver o sistema:
( )
( )
( )
( )
( )
( )
( )
( )

= + + +
= + + +
= + + +
= + + +
0
4 3 2 1
0
4 3 2 1
0
4 3 2 1
0
4 3 2 1
4
4 5 2 3 4
3 6 2 2 3
2 7 3 2 2
1 10 4 3 2
:
x x x x
x x x x
x x x x
x x x x
S

Resoluo:

Triangularizao do sistema original:

Passo 1: eliminao de x
1
das equaes ( )
( )
( )
( )
( )
( ) 0 0 0
4 3 , 2 e :
( )
( )
( )
( )
( )
( )
( )
( )
( )
4
1
4
3
1
3
1
2
0
11
0
41 1
4
0
11
0
31 1
3
0
11
0
21 1
2
= = = = = = = =
a
a
m
a
a
m
a
a
m

( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )

= =
= =
= =
= + + +
4 * 1 4 4 35 15 10 5
3 * 1 3 3 24 10 8 4
2 * 1 2 2 13 4 4 3
1 10 4 3 2
:
0 0 1
4 3 2
0 0 1
4 3 2
0 0 1
4 3 2
1
4 3 2 1
1
4
x x x
x x x
x x x
x x x x
S

Passo 2: eliminao de x
2
das equaes ( )
( )
( )
( ) 1 1
4 3 e
( )
( )
( )
( )
( )
( )
667 . 1
3
5
333 . 1
3
4
3
4
1
22
1
42 2
4
1
22
1
32 3
2
=

= = = =

= =
a
a
m
a
a
m



55
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )

= =
= =
= =
= = + + +
1 1 2
4 3
1 1 2
4 3
1 2
4 3 2
1 2
4 3 2 1
2
4
2 * 667 . 1 4 4 329 . 13 665 . 6 332 . 3
2 * 333 . 1 3 3 671 . 6 335 . 3 8 66 . 2
2 2 13 5 4 3
1 1 10 4 3 2
:
x x
x x
x x x
x x x x
S

Passo 3: eliminao de x
3
da equao ( )
( ) 2
4 :
( )
( )
( )
249 . 1
668 . 2
332 . 3
2
33
2
43 3
4
=

= =
a
a
m

( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )

= =
= =
= =
= = + + +
2 2 3
4
2 3
4 3
2 3
4 3 2
2 3
4 3 2 1
3
4
3 * 249 . 1 4 4 997 . 4 500 . 2
3 3 671 . 6 335 . 3 8 66 . 2
2 2 13 5 4 3
1 1 10 4 3 2
:
x
x x
x x x
x x x x
S

Determinao do vetor soluo X por substituies retroativas:
eq. ( )
( ) 3
4 : 999 . 1 997 . 4 5 . 2
4 4
= = x x
eq. ( )
( ) 3
3 :
( )( )
002 . 0
671 . 6 999 . 1 335 . 3 668 . 2 671 . 6 335 . 3 668 . 2
3
3 4 3
x
x x x

= =

eq. ( )
( ) 3
2 :
( )( ) ( )( ) 999 . 0 13 999 . 1 5 002 . 0 4 3
13 5 4 3
2 2
4 3 2
= =
=
x x
x x x


eq. ( )
( ) 3
1
:
( )( ) ( )( ) ( )( )
0 998 . 1 006 . 0 996 . 7 10
10 999 . 1 4 002 . 0 3 999 . 0 2
10 4 3 2
1 1
1
4 3 2 1
= =
= + + +
= + + +
x x
x
x x x x

=
999 . 1
002 . 0
999 . 0
0
x


3.2.1.2. ALGORITMO PARA A ELIMINAO GAUSSIANA


Seja ( ) ( ) n j i b b a A b AX S
i ij n
= = = , 1 , , , : , um sistema de n
equaes lineares a n incgnitas.
Para 1 ,..., 1 = n k
/ * /* passo esimo k
Para n k i ,..., 1 + =

( )
( )
( )
( ) ( ) ( ) ( ) 1 1
1
1

=
=
k
k
k
i
k
i
k
i
k
kk
k
ik k
i
b m b b
a
a
m

Para n j ,..., 1 =

( ) ( ) ( ) ( ) 1 1
=
k
kj
k
i
k
ij
k
ij
a m a a
fim para
fim para
fim para



56
3.2.1.3 ESTRATGIAS DE PIVOTEAMENTO - ELIMINAO
GAUSSIANA:

Estgio k: eliminao de x
k
das equaes (k + 1), ..., n, para
) 1 ( 1 n k .

PIV DO ESTGIO K: a
kk
(k = 1, ..., n - 1)

(A) PIVOTEAMENTO PARCIAL

Escolhe-se um novo piv para cada estgio k utilizando o algoritmo:

identifica-se:
mx
rk ik
a a =
i k
se r = k entao nao ha permutacao
senao
as linhas r e k sao permutadas entre si
fim se


Ex.:

= + +
= +
= + +
) 3 ( 15 0 4 2
) 2 ( 7 7 5 3
) 1 ( 6 3 0
:
3 2 1
3 2 1
3 2 1
3
x x x
x x x
x x x
S

(i) eliminao de x
1
das equaes (2) e (3):

Estratgia de pivoteamento parcial:
) 1 (i 1,2,3 = i
2 e 1 linhas das 3
21 1

= = permutao a a mx
i

= =

= = + +
= =

= = + +
= +
667 . 0
3
2
3
2
) 3 ( 15 0 4 2
333 . 0
3
1
3
1
) 2 ( 6 3 0
) 1 ( 7 7 5 3
:
) 1 (
3
) 0 (
3 2 1
) 1 (
2
) 0 (
3 2 1
) 0 (
3 2 1
) 0 (
3
m x x x
m x x x
x x x
S

= = +
= = +
= = +
) 667 . 0 ( * ) 1 ( ) 3 ( ) 3 ( 669 . 19 669 . 4 665 . 0 /
) 333 . 0 ( * ) 1 ( ) 2 ( ) 2 ( 331 . 8 331 . 5 ) 665 . 1 ( /
) 1 ( ) 1 ( 7 7 5 3
:
) 0 ( ) 0 ( ) 1 (
3 2
) 0 ( ) 0 ( ) 1 (
3 2
) 0 ( ) 1 (
3 2 1
) 1 (
3
x x
x x
x x x
S


(ii) eliminao de x
2
da equao (3)
(1)
:

Estratgia de pivoteamento parcial:
2) = (2
22 2
3 , 2
linha de permutaao h no 665 . 1 = =
=
a a mx
i
i
.

399 . 0
665 . 1
665 . 0
) 2 (
3
=

= m

= =
= = +
= = +

) 399 . 0 ( * ) 2 ( ) 3 ( ) 3 ( 993 . 22 796 . 6

) 333 . 0 ( * ) 1 ( ) 2 ( ) 2 ( 331 . 8 331 . 5 665 . 1
) 1 ( ) 1 ( 7 7 5 3
:
) 1 ( ) 1 ( ) 2 (
3
) 0 ( ) 1 ( ) 2 (
3 2
) 1 ( ) 2 (
3 2 1
) 2 (
3
x
x x
x x x
S


57

= =
796 . 6
993 . 22
) 3 .(
3
) 2 (
x eq
383 . 3
3
= x

331 . 8 ) 383 . 3 )( 331 . 5 ( 665 . 1 ) 2 (
2
) 2 (
= + = x eq

528 . 5
2
= x


7 ) 383 . 3 )( 7 ( ) 828 . 5 )( 5 ( 3 ) 1 (
1
) 2 (
= + = x eq

153 . 4
1
= x



(B) PIVOTEAMENTO COMPLETO

De acordo com esta estratgia, no incio do estgio k escolhido para
piv o elemento de maior mdulo dentre todos os elementos que ainda
atuam no processo de eliminao:

Algoritmo:
identifica-se:
k
a a mx
j i
rs ij

=
,

casos:
r = k e s = k : ok; (no h permutao a efetuar)
r = k e s k : permutar colunas s e k;
r k e s = k : permutar linhas r e k;

k; e s colunas permular
k; e r linhas permutar
: k s e k r
fim casos.


Exemplo

= + +
= +
= + +
) 3 ( 15 0 4 2
) 2 ( 7 7 5 3
) 1 ( 6 3 0
:
3 2 1
3 2 1
3 2 1
3
x x x
x x x
x x x
S

Resoluo:

Passo 1: (k = 1)
1
7
, ,
23

= = =
j i j i
ij ij
k
a a mx a mx

(3). e (1) colunas permutar
(2); e (1) linhas
23 11
permutar
a a

= + +
= + +
=
) 0 (
1 2 3
) 0 (
1 2 3
) 0 (
1 2 3
3
) 3 ( 15 2 4 0
) 2 ( 6 0 3
) 1 ( 7 3 5 7
:
x x x
x x x
x x x
S

Eliminao de x
3
das equaes
) 0 (
2 e
) 0 (
3 :

0
7
0
429 . 0
7
3
) 1 (
11
) 1 (
31 ) 1 (
3
) 1 (
11
) 1 (
21 ) 1 (
2
= = = = = =
a
a
m
a
a
m


58

= = +
= = +
= =
) 0 ( ) 0 ( ) 1 (
1 2
) 0 ( ) 0 ( ) 1 (
1 2
) 0 ( ) 1 (
1 2 3
) 1 (
3
) 1 ( * 0 ) 3 ( ) 3 ( 15 2 4
) 1 ( * 429 . 0 ) 2 ( ) 2 ( 997 . 2 287 . 2 145 . 2
) 1 ( ) 1 ( 7 3 5 7
:
x x
x x
x x x
S

Passo 2: (k = 2)

= +
= +
=
15 2 4
997 . 2 287 . 2 145 . 2
7 3 5 7
:
1 2
1 2
1 2 3
) 1 (
3
x x
x x
x x x
S

2
4 max max
, ,
32

= = =
j i j i
ij ij
k
a a a


{ 3 e 2 linhas
32 22
permutar a a

( )

= +
=
=

) 1 (
1 2
) 1 (
1 2
) 1 (
1 2 3
) 1 (
3
3 997 . 2 287 . 2 145 . 2
) 2 ( 15 2 4
) 1 ( 7 3 5 7
:
x x
x x
x x x
S

Eliminao de
2
x da equao
) 1 (
3 :

536 . 0
4
145 . 2
) 1 (
22
) 1 (
32 ) 2 (
3
= = =
a
a
m

( )

= =
= = +
= =

) 1 ( ) 1 ( ) 2 (
1
) 1 ( 2
1 2
) 1 ( ) 2 (
1 2 3
) 2 (
3
) 2 ( * 536 . 0 ) 3 ( ) 3 ( 043 . 5 215 . 1
) 2 ( ) 2 ( 15 2 4
) 1 ( ) 1 ( 7 3 5 7
:
x
x x
x x x
S

Determinao do vetor X por substituies retroativas

382 . 3 ) 1 .(
825 . 5 ) 2 .(
151 . 4 ) 3 .(
3
) 2 (
2
) 2 (
1
) 2 (
= =
= =
= =
x eq
x eq
x eq



Exemplo: [RUGGIERO, LOPES: 1996]

= +
= +
6 2 2
5 2 0002 . 0
:
2 1
2 1
2
x x
x x
S
(sistema de aritmtica de ponto flutuante de 3 dgitos (t = 3))

Resoluo

(A) Sem pivoteamento:

5 4
3
1
) 1 (
2
10 1 . 0 10 1
10 2 . 0
10 2 . 0
= =

= =
= = +
= =

2
) 0 ( ) 0 ( ) 1 ( 5
2
5
) 0 ( ) 1 ( 1
2
1
1
3
) 1 (
2
* ) 1 ( ) 2 ( ) 2 ( 10 5 . 0 10 2 . 0
) 1 ( ) 1 ( 10 5 . 0 10 2 . 0 10 2 . 0
:
) 2 ( ) 1 (
m x
x x
S
43 42 1 43 42 1



59
=
5 5 5
5 1 5 1 1
10 2 . 0 10 2 . 0 10 02 000 . 0
10 2 . 0 10 2 . 0 ) 10 1 . 0 )( 10 2 . 0 ( 10 2 . 0
=
= = =


=
5 5 5
5 1 1 5 1
10 5 . 0 10 5 . 0 10 06 000 . 0
10 5 . 0 10 6 . 0 ) 10 5 . 0 )( 10 1 . 0 ( 10 6 . 0
= =
= =



Vetor soluo:

eq.
) 1 (
) 2 ( :
10 25 . 0 10 5 . 0 10 2 . 0
2
5
2
5
= = x x

eq.
) 1 (
) 1 ( :
)
`

= =
= +

5 . 2
0
0
10 5 . 0 ) 10 25 . 0 )( 10 2 . 0 ( 10 2 . 0
1
10 5 . 0
10 05 . 0
1 1
1
3
2
X x
x
x
x
4 4 4 3 4 4 4 2 1


Observao:
Substituindo-se na equao
) 0 (
) 2 ( , obtm-se:
6 5 5 . 2 2 2 2
2 1
= = + x x



(B) Com pivoteamento (parcial)

= +
= +

) 2 ( 10 6 . 0 10 2 . 0 10 2 . 0
) 1 ( 10 5 . 0 10 2 . 0 10 2 . 0
:
1
2
1
1
1
1
2
1
1
3
2
x x
x x
S

(I) eliminando-se x
1
da eq. (2)

Estratgia de pivoteamento parcial

(2) e (1) linhas
1
10 2 . 0
21
1
permutar
i k i
a a mx a mx
ik ik

= = =

= +
= +

) 0 ( 1
2
1
1
3
) 0 ( 1
2
1
1
1
3
) 2 ( 10 5 . 0 10 2 . 0 10 2 . 0
) 1 ( 10 6 . 0 10 2 . 0 10 2 . 0
: S
x x
x x


3
1
3
) 1 (
2
10 1 . 0
10 2 . 0
10 2 . 0

= m

= =
= = +

= =
= =
=

2
) 0 ( ) 0 ( ) 1 ( 1
10 2 . 0 10 4 000 . 0 10 2 . 0
10 04 . 0 10 2 . 0
) 10 2 . 0 ( ) 10 2 . 0 ( 10 2 . 0
2
1
) 0 ( ) 1 ( 1
2
1
1
1
) 1 (
3
* ) 1 ( ) 2 ( ) 2 ( 10 5 . 0 10 2 . 0
) 1 ( ) 1 ( 10 6 . 0 10 2 . 0 10 2 . 0
:
1 1 1
2 1
1 3 1
m x
x x
S 43 42 1

eq.
) 1 (
) 2 ( :
10 25 . 0
10 2 . 0
10 5 . 0
10 5 . 0 10 2 . 0
1
1
2
1
2
1
=

= = x x

eq.
) 1 (
) 1 ( :

60
)
`

= =
= +

5 . 2
5 . 0
5 . 0
10 6 . 0 ) 10 25 . 0 )( 10 2 . 0 ( 10 2 . 0
1
1
10 5 . 0
10 05 . 0
1 1
1
1
1
2
X x
x
4 4 4 3 4 4 4 2 1



Obs.: Substituindo nas eq. (1) e (2), obtm-se:

5 10 5 . 0 10 05 . 0
10 05 . 0 10 1 . 0 ) 10 25 . 0 )( 10 2 . 0 ( ) 5 . 0 )( 10 2 . 0 ( ) 1 (
6 ) 5 . 2 .( 2 ) 5 . 0 .( 2 2 2 ) 2 (
2
2 3 1 3
2 1
= = =
+ = +
= + = +

x x
x x x x x
x x



3.2.2. O MTODO DE ELIMINAO DE GAUSS-JORDAN

3.2.2.1. CARACTERIZAO GERAL

Dada a matriz aumentada
[A : b : I]

As transformaes elementares para se obter uma matriz identidade a
partir de A quando aplicados a b e a I conduzem, respectivamente, a
X, vetor soluo do sistema, e a A
-1
, inversa de A, ou seja
[A : b : I] transformaes [I : X : A
-1
]
elementares


Exemplo:

=
(
(
(

=
1
3
5
1 3 2
3 4 4
1 3 2
b A

Matriz aumentada:
}
) 0 (
) 0 (
) 0 (
) 3 (
) 2 (
) 1 (
1 0 0
0 1 0
0 0 1
1
3
5
1 3 2
3 4 4
1 3 2
] : : [
(
(
(
(
(

=
48 47 6 48 47 6
I
B
A
I b A

Passo 1:
) 0 (
) 3 (
) 1 (
) 1 ( * 2
) 1 (
) 3 (
) 0 (
) 2 (
) 1 (
) 1 ( * 4
) 1 (
) 2 (
2 /
) 0 (
) 1 (
) 1 (
) 1 (
1
0
0
0 1 6
1 0 . 2 7
0 5 . 0 5 . 2
0 . 2 0 . 6 0
0 . 1 0 . 2 0
5 . 0 5 . 1 1
+ =
+ =
=

(
(

Passo 2:
) 1 (
) 3 (
) 2 (
) 2 ( * 6
) 2 (
) 3 (
) 0 . 2 /(
) 1 (
) 2 (
) 2 (
) 2 (
) 1 (
) 1 (
) 2 (
) 2 ( * 5 . 1
) 2 (
) 1 (
1
0
0
3 5 15
5 . 0 1 5 . 3
75 . 0 0 . 1 75 . 2
0 . 5 0 0
5 . 0 1 0
25 . 1 0 1
+ =
=
+ =

(
(

Passo 3:
{
( )
5 /
) 2 (
) 3 (
) 3 (
) 3 (
) 2 (
) 2 (
) 3 (
) 3 ( * 5 . 0
) 3 (
) 2 (
) 2 (
) 1 (
) 3 (
3 * 25 . 1
) 3 (
) 1 (
1
2 . 0 6 . 0 1
1 . 0 2 . 0 5 . 0
25 . 0 0 25 . 0
3
2
1
1 0 0
0 1 0
0 0 1
=
+ =
+ =
(
(
(
(
(

4 4 4 3 4 4 4 2 1 43 42 1
A
X
I



61
(
(
(

=

2 . 0 6 . 0 1
1 . 0 2 . 0 5 . 0
25 . 0 0 25 . 0
3
2
1
1
A e X


3.2.2.2. ALGORITMO PARA O MTODO DE JORDAN


SEJA C A MATRIZ AUMENTADA [A : b : I]
PARA I DE 1 ATE N FACA (* PASSO I *)
PIVOT = C(I,I)
(* ELEMENTO DA DIAGONAL PRINCIPAL = 1 *)
PARA J DE 1 ATE (2 * N + 1) FACA
C(I,J) = C(I,J)/PIVOT
FIM PARA
(* DEMAIS ELEMENTOS NA COLUNA I IGUAIS A 0 *)
PARA K DE 1 AT N
SE K <> I ENTAO (* NO LINHA DO PIVOT *)
ENTO
FMULT = -C(K,I)

PARA J DE 1 ATE (2 * N + 1) FACA
C(K,J) = C(K,J) + FMULT*C(I,J)
FIM PARA
FIM SE
FIM PARA
FIM PARA


Exerccio:
Dado o sistema linear

= +
= + + +
= + +
= + +
49 3 8 12 6
11 5 9 7 3
4 2 7 4 5
27 8 12 2
:
4
z y x w
z y x w
z y x w
z y x w
S
Pede-se:
a) Determinar o seu vetor soluo (X) e a inversa da matriz dos
coeficientes (A
-1
) usando o mtodo de Jordan;
b) Determinar o seu vetor soluo (X) e o determinante da matriz
dos coeficientes usando o mtodo de eliminao de Gauss;
Resp.:
(
(
(
(

=
0626 . 0 1081 . 0 0163 . 0 0299 . 0
0329 . 0 0652 . 0 0098 . 0 0506 . 0
0715 . 0 0289 . 0 0566 . 0 0590 . 0
0362 . 0 0249 . 0 1345 . 0 0356 . 0
1
5
1
2
3
A X


Exerccio: determinar a inversa da matriz de Wilson

Jordan de mtodo o
10 9 5 7
9 10 6 8
5 6 5 7
7 8 7 10
utilizando A
(
(
(
(

=

Resp.:
(
(
(
(

2 3 10 6
3 5 17 10
10 17 68 41
6 10 41 25
1
A

62

Exercio:
determinar o vetor soluo e a inversa da matriz dos coeficientes do
sistema abaixo:

= + + +
= + + +
= + + +
= + + +
5 2 3 4
6 2 2 3
7 3 2 2
10 4 3 2
4 3 2 1
4 3 2 1
4 3 2 1
4 3 2 1
x x x x
x x x x
x x x x
x x x x


Resp.:

=
0 . 2
7
10 09 . 2
0 . 1
7
10 28 , 3
x
x
X
(
(
(
(

4 . 0 5 . 0 0 1 . 0
5 . 0 0 . 1 5 . 0 0
0 5 . 0 0 . 1 5 . 0
1 . 0 0 5 . 0 4 . 0
1
A


Exerccio: Inverter a matriz de Pascal

(
(
(
(
(
(

=
70 35 15 5 1
35
15
5
1
20 10 4 1
10 6 3 1
4 3 2 1
1 1 1 1
A

Resp.:
(
(
(
(
(
(

1 4 6 4 1
4
6
4
1
17 27 19 5
27 46 35 10
19 35 30 10
5 10 10 5
1
A


3.3. MTODOS ITERATIVOS


3.3.1. GERAL

Um sistema linear dito ser esparso quando a matriz A dos
coeficientes possui uma grande porcentagem de elementos nulos. Para
tais sistemas o emprego do mtodo da Eliminao de Gaus para a sua
resoluo no aconselhvel, dado que este mtodo no preserva
esparsidade, ou seja, durante o processo de eliminao muitos
elementos nulos podero se tornar no nulos. Observe-se que sistemas
lineares de grande porte so em geral esparsos.

Os mtodos iterativos preservam a esparsidade de A, pois os
elementos desta matriz no so alterados. Apresentam ainda uma
outra vantagem sobre o mtodo da Eliminao de Gauss dada pelo
fato de que so mtodos relativamente insensveis ao crescimento de
erros de arredondamento.

A idia central dos mtodos iterativos generalizar o M.I.L. utilizado
na busca de razes de uma equao, estudado anteriormente.

Considere um sistema linear da forma:


63
S
n
: AX=b:

= + + +
= + + +
= + + +
) ( ...
) 2 ( ...
) 1 ( ...
:
2 2 1 1
2 2 2 22 1 21
1 1 2 12 1 11
n b x a x a x a
b x a x a x a
b x a x a x a
S
n n nn n n
n n
n n
n
M


Obtm-se a partir de S
n
as equaes:
) ... (
1
1 3 13 2 12 1
11
1 n n
x a x a x a b
a
x =
) ... (
1
) ... (
1
1 1 , 2 2 1 1
2 3 23 1 21 2
22
2

=
=
n n n n n n
nn
n
n n
x a x a x a b
a
x
x a x a x a b
a
x
M

ou, equivalentemente,

) ... ... (
1
1 1 , 1 1 , 1 1 n in i i i i i i i i
ii
i
x a x a x a x a b
a
x =
+ +

n i x a x a b
a
x
i
j
n
i j
j ij j ij i
ii
i
,..., 2 , 1 ,
1
1
1 1
=
|
|

\
|
=

= + =







3.3.2 MTODO DE GAUSS-JACOBI:

3.3.2.1 CARACTERIZAO

Suponha-se que:

) (k
i
x designa a aproximao de ordem k de x
i;

( )
T
k
n
k k k
x x x X
) ( ) (
2
) (
1
) (
,..., , = designa o vetor de aproximao de ordem k
do vetor soluo do sistema (k = 0, 1, 2,...).

Calculam-se os vetores aproximativos X
(1)
, X
(2)
, ..., a partir de um
vetor de aproximao inicial X
(0)
, utilizando-se do esquema:

,... 2 , 1 , 0 ,..., 2 , 1
1
1
1 1
) ( ) ( ) 1 (
= =
|
|

\
|
=

= + =
+
k n i
x a x a b
a
x
i
j
n
i j
k
j ij
k
j ij i
ii
k
i


Exemplo: (Mtodo Iterativo de Gauss-Jacobi)

Seja resolver o sistema linear:

= + +
= + +
= + +
6 10 3 2
8 5
7 2 10
3 2 1
3 2 1
3 2 1
x x x
x x x
x x x

Pelo mtodo iterativo de Gauss-Jacobi, com 05 . 0
6 . 0
6 . 1
7 . 0
) 0 (

= e X

64

Resoluo:

Obteno da forma iterativa:

( )
( )
,... 2 , 1 , 0
3 2 6
10
1
) 3 2 6 (
10
1
) 8 (
5
1
) 8 (
5
1
2 7
10
1
) 2 7 (
10
1
) (
2
) (
1
) 1 (
3 2 1 3
) (
3
) (
1
) 1 (
2 3 1 2
) (
3
) (
2
) 1 (
1 3 2 1
=
= =
= =
= =
+
+
+
k
x x x x x x
x x x x x x
x x x x x x
k k k
k k k
k k k



Aplicao do mtodo:

Clculo de
) 1 (
X :
( )
( )
( ) 94 . 0 )) 6 . 1 ( 3 ) 7 . 0 .( 2 6 (
10
1
3 2 6
10
1
86 . 1 ) 6 . 0 7 . 0 8 (
5
1
8
5
1
96 . 0 ) 6 . 0 ) 6 . 1 ( 2 7 (
10
1
. 2 7
10
1
) 0 (
2
) 0 (
1
) 1 (
3
) 0 (
3
) 0 (
1
) 1 (
2
) 0 (
3
) 0 (
2
) 1 (
1
= = =
= = =
= = =
x x x
x x x
x x x

=
94 . 0
86 . 1
96 . 0
) 1 (
X

Clculo de
1
:

=
34 . 0
26 . 0
26 . 0
6 . 0 94 . 0
) 6 . 1 ( 86 . 1
70 . 0 96 . 0
) 0 ( ) 1 (
X X


05 . 0 34 . 0 max
) 0 ( ) 1 (
3 1
> =

i i
x x
i


Clculo de
) 2 (
X :
( ) 98 . 0 ) 94 . 0 ) 86 . 1 .( 2 7 (
10
1
2 7
10
1
) 1 (
3
) 1 (
2
) 2 (
1
= = = x x x

( )
( ) 97 . 0 )) 86 . 1 ( 3 ) 96 . 0 .( 2 6 (
10
1
3 2 6
10
1
98 . 1 ) 94 . 0 96 . 0 2 8 (
5
1
2 8
5
1
) 1 (
2
) 1 (
1
) 2 (
3
) 1 (
3
) 1 (
1
) 2 (
2
= = =
= = =
x x x
x x x

=
97 . 0
98 . 1
98 . 0
) 2 (
X

Clculo de
2

=
03 . 0
12 . 0
02 . 0
94 . 0 97 . 0
) 86 . 1 ( 98 . 1
96 . 0 98 . 0
) 1 ( ) 2 (
X X


05 . 0 12 . 0 max
) 1 ( ) 2 (
3 1
> =

i i
x x
i



65
Clculo de
) 3 (
X :
( )
( )
( ) 998 . 0 )) 98 . 1 ( 3 ) 98 . 0 .( 2 6 (
10
1
3 2 6
10
1
99 . 1 ) 97 . 0 98 . 0 8 (
5
1
2 8
5
1
999 . 0 ) 97 . 0 ) 98 . 1 .( 2 7 (
10
1
2 7
10
1
) 2 (
2
) 2 (
1
) 3 (
3
) 2 (
3
) 2 (
1
) 3 (
2
) 2 (
3
) 2 (
2
) 3 (
1
= = =
= = =
= = =
x x x
x x x
x x x

=
998 . 0
99 . 1
999 . 0
) 3 (
X

Clculo de
3
:

05 . 0 028 . 0 max
028 . 0
01 . 0
019 . 0
97 . 0 998 . 0
) 98 . 1 ( 99 . 1
98 . 0 999 . 0
) 2 ( ) 3 (
) 1 ( ) 3 (
3 1
< =

=

i i
x x
X X
i

Jacobi. - Gass de iterativo mtodo
pelo obtida 0.05, e com
linear, sistema do soluo a
998 . 0
99 . 1
999 . 0

= X

Observao: a soluo exata o vetor:

=
1
2
1
X


3.3.2.2 MTODO ITERATIVO DE GAUSS-JACOBI - UM
CRITRIO DE CONVERGNCIA

O teorema a seguir estabelece uma condio suficiente para a
convergncia do mtodo iterativo de Gauss-Jacobi.


TEOREMA (critrio das linhas)

Seja o sistema linear b AX S
n
= : e seja

=
=
n
kk kj k
k j
j
a a
1
/ ) (

Se = <

mx
k n
k
1
1 ento o mtodo iterativo de Gauss-Jacobi gera uma
seqncia { }
) (k
X convergente para a soluo do sistema dado,
independentemente da escolha da aproximao inicial, X
( ) 0
.


Exemplo:
Estude o sistema do exemplo anterior quanto a convergncia.

Resoluo:


66
Matriz dos coeficientes:
(
(
(

=
10 3 2
1 5 1
1 2 10
A

Clculo de 3 , 2 , 1 , = k
k
:

1 5 . 0
10
3 2
1 4 . 0
5
1 1
1 3 . 0
10
1 2
3 2 1
< =
+
= < =
+
= < =
+
=


1 max
3 1
< =

k
k
{ } e. convergent
) (
ser X seqncia
k



Exemplo:
Estudar o sistema

= +
= + +
= + +
6 8 6
3 2 2 5
2 3
:
3 2
3 2 1
3 2 1
3
x x
x x x
x x x
S

quanto a convergncia.

Resoluo:

Matriz dos coeficientes:

(
(
(

=
8 6 0
2 2 5
1 3 1
A

Clculo de 3 , 2 , 1 , = k
k
:
1 4
1
1 3
1
> =
+
=


Permutando-se a primeira equao com a segunda obtm-se o sistema
linear equivalente:

= +
= + +
= + +
6 8 6
2 3
3 2 2 5
:
3 2
3 2 1
3 2 1
) 1 (
3
x x
x x x
x x x
S

cuja matriz dos coeficientes :
(
(
(

=
8 6 0
1 3 1
2 2 5
) 1 (
A

Clculo de 3 , 2 , 1 , = k
k
:

1 75 . 0
8
6 0
1 7 . 0
3
1 1
1 8 . 0
5
2 2
3 2 1
< =
+
= < =
+
= < =
+
=

1 8 . 0
3 1
< = =

k
k
mx { } e. convergent
) (
ser X seqncia
k



67

3.3.3 MTODO DE GAUSS-SEIDEL

3.3.3.1. CARACTERIZAO

Os vetores aproximativos so obtidos atravs do esquema:

,... 2 , 1 , 0 ,..., 2 , 1
1
1 1
) ( ) 1 (
1
) 1 (
= =
|
|

\
|

=

+ =

+
=
+
k n i
i
j
n
i j
k
j
x
ij
a
k
j
x
ij
a
i
b
ii
a
k
i
x

Observa-se que, no processo iterativo de Gauss-Seidel, no momento
de se calcular
) 1 ( + k
i
x , so usados os valores de
) 1 (
1
) 1 (
1
,...,
+

+ k
i
k
x x , que j
foram calculados, e os valores
) ( ) (
1
,...,
k
n
k
i
x x
+
restantes.


Exemplo: Resolver o sistema linear:

= + +
= + +
= + +
6 10 3 2
8 5
7 2 10
3 2 1
3 2 1
3 2 1
x x x
x x x
x x x

usando o mtodo iterativo de Gauss-Seidel, com:

05 . 0
6 . 0
6 . 1
7 . 0
) 0 (

= e X

Resoluo:

Obteno da forma iterativa
|

\
|
=
+
=
) (
3
) (
2
2 7
10
1
) 1 (
1
)
3 2
2 7 (
10
1
1
k
x
k
x
k
x x x x

|

\
|

+
=
+
=
) (
3
) 1 (
1
8
5
1
) 1 (
2
)
3 1
8 (
5
1
2
k
x
k
x
k
x x x x
. , 2 , 1 , 0 ,
) 1 (
2
3
) 1 (
1
2 6
10
1
) 1 (
3
)
2
3
1
2 6 (
10
1
3
.. =
|

\
|
+

+
=
+
= k
k
x
k
x
k
x x x x


Aplicao do mtodo:

Clculo de
) 1 (
X :

( )
( )
( ) 9816 . 0 )) 912 . 1 ( 3 96 . 0 .( 2 6
10
1
)
) 1 (
2
3
) 1 (
1
2 6 (
10
1
) 1 (
3
912 . 1 6 . 0 96 . 0 8
5
1
)
) 0 (
3
) 1 (
1
8 (
5
1
) 1 (
2
96 . 0 6 . 0 ) 6 . 1 .( 2 7
10
1
)
) 0 (
3
) 0 (
2
2 7 (
10
1
) 1 (
1
= = =
= = =
= = =
x x x
x x x
x x x

=
9816 . 0
912 . 1
96 . 0
) 1 (
X

Clculo de
1
:

68
05 . 0 38 . 0
) 0 ( ) 1 (
3 1
38 . 0
31 . 0
26 . 0
6 . 0 9816 . 0
) 6 . 1 ( 912 . 1
7 . 0 96 . 0
) 0 ( ) 1 (
> =

=

i
x
i
x
i
mx X X

Clculo de
) 2 (
X :

( )
( )
( ) 0011 . 1 )) 9932 . 1 ( 3 9842 . 0 .( 2 6
10
1
)
) 2 (
2
3
) 2 (
1
2 6 (
10
1
) 2 (
3
9932 . 1 9816 . 0 9842 . 0 8
5
1
)
) 1 (
3
) 2 (
1
8 (
5
1
) 2 (
2
9842 . 0 9816 . 0 ) 912 . 1 .( 2 7
10
1
)
) 1 (
3
) 1 (
2
2 7 (
10
1
) 2 (
1
= = =
= = =
= = =
x x x
x x x
x x x

=
0011 . 1
9932 . 1
9842 . 0
) 2 (
X

Clculo de
2
:

05 . 0 08 . 0
) 1 ( ) 2 (
3 1
,
02 . 0
08 . 0
02 . 0
9816 . 0 0011 . 1
) 912 . 1 ( 9932 . 1
96 . 0 9842 . 0
) 1 ( ) 2 (
> =

=
i
x
i
x
i
mx
X X


Clculo de
) 3 (
X :
( )
( )
( ) 0003 . 1 )) 9999 . 1 ( 3 9985 . 0 .( 2 6
10
1
)
) 3 (
2
3
) 3 (
1
2 6 (
10
1
) 3 (
3
9999 . 1 0011 . 1 9985 . 0 8
5
1
)
) 2 (
3
) 3 (
1
8 (
5
1
) 3 (
2
9985 . 0 0011 . 1 ) 9932 . 1 .( 2 7
10
1
)
) 2 (
3
) 2 (
2
2 7 (
10
1
) 3 (
1
= = =
= = =
= = =
x x x
x x x
x x x


Clculo de
3
:

=
0008 . 0
0067 . 0
01 . 0
0011 . 1 0003 . 1
) 9932 . 1 ( 9999 . 1
9842 . 0 9985 . 0
) 2 ( ) 3 (
X X
05 . 0 01 . 0
2 3
3 1
max < =

\
|
|

\
|
i
x
i
x
i


a soluo X do sistema linear, com 05 . 0 , obtida pelo mtodo
iterativo de Gauss-Seidel, dada por:

= =
0003 . 1
9999 . 1
9985 . 0
) 3 (
X X

(Note-se que, de fato, a soluo obtida satisfaz o critrio 01 . 0 )



69
3.3.3.2. ESTUDO DA CONVERGNCIA DO MTODO DE
GAUSS-SEIDEL


(A) CRITRIO DE SASSENFELD

O "critrio de Sassenfeld" propicia uma condio suficiente para a
convergncia do mtodo iterativo de Gauss-Seidel.

Teorema:
Seja b AX
n
S = : um sistema linear de ordem n com
n i a
ii
,..., 2 , 1 , 0 = e sejam

|
|

\
|

=
=
n
j
j
a
a 2
1
11
1
1

i
n i
M
n i
n
i j
ij
a
j
i
j
ij
a
ii
a
i

=
=
|
|

\
|

+ =
+

=
=
1
max
,..., 3 , 2
1
1
1
1


A condio M < 1 suficiente para que a seqncia { }
) (k
X gerada
pelo mtodo de Gauss-Seidel seja convergente independentemente da
aproximao inicial X
( ) 0
. Alm disto, quanto menor for mais rpida
ser a convergncia.


Exemplo:
Estudar o sistema linear seguinte quanto convergncia segundo o
"critrio de Sassenfeld":

= + + +
= + +
= +
= + +
=
0 . 10
4
4
3
8 . 0
2
2 . 1
1
4 . 0
0 . 1
4
2 . 0
3 2
2 . 0
1
1 . 0
8 . 7
4
3 . 0
3
6 . 0
2
3
1
6 . 0
4 . 0
4
2 . 0
3
2 . 0
2 1
2
4
x x x x
x x x x
x x x x
x x x x
S

Resoluo:

Clculo dos 4 1 , k
k
:

44 . 0 ) 3 . 0 6 . 0 7 . 0 6 . 0 (
3
1
2
7 . 0 ) 2 . 0 2 . 0 1 (
2
1
1
= + + =
= + + =
x

2736 . 0 ) 358 . 0 8 . 0 44 . 0 2 . 1 7 . 0 4 . 0 (
4
1
4
358 . 0 ) 2 . 0 44 . 0 2 . 0 7 . 0 1 . 0 (
1
1
3
= + + =
= + + =
x x x
x x

1 7 . 0
4 1
< = =

i
i
mx M

a seqncia { }
) (k
X gerada pelo mtodo iterativo de Gauss-Seidel
ser convergente.


Exemplo:
estudar o sistema linear seguinte quanto a convergncia segundo
critrio de Sassenfeld:

= +
= +
= + +
3
3
3
1
1
3 2
9
3
3
2 1
2
3
x x
x x
x x x
S


70
Resoluo:

1 2 ) 3 1 (
2
1
1
> = + =

Permutando-se entre si as equaes (1) e (3), obtm-se:

= + +
= +
= +
=
)' 3 ( 9 3 2
)' 2 ( 1
)' 1 ( 3 3
3 2 1
3 2
3 1
'
3
x x x
x x
x x
S
1 3 ) 3 0 (
1
1
1
> = + =
Permutando-se entre si a 1
a
e a 3
a
colunas de S
3
'
obtm-se:

= + +
=
= +
=
9 2 3
1
3 3
1 2 3
2 3
1 3
' '
3
x x x
x x
x x
S

3 / 2
3
1
1
3
1
3
2
1
3 / 1 0
3
1
1
1
1
3 / 1 ) 1 0 (
3
1
3
2 1
= |

\
|
+ =
= |

\
|
+ = = + =

1
3
2
3 1
< = =

i
i
mx M

a seqncia { }
) (k
X gerada pelo mtodo iterativo de Gauss-Seidel
para o sistema S
3
''
ser convergente.

(B) CRITRIO DAS LINHAS

O critrio das linhas diz que se 1
1
< =

k
n k
mx , onde
kk
a
n
k j
j
kj k
a / ) (
1

=
= ,
ento o mtodo de Gauss-Seidel gera uma seqncia convergente.


Exemplo:

Estudar o sistema linear:

= + +
=
= +
=
9
3
2
2 1
3
1
2 1
3
3 1
3
3
x x x
x x
x x
S
quanto convergncia segundo os critrios de Sassenfeld e das linhas.

Resoluo:

(a) Critrios das linhas:

. satisfeito no linhas das critrio
1 2
2
1 3
3
1
1
0 1
2
3
1
3
1 0
1
o

< =
+
=
=
+
=
=
+
=

71

(b) Critrio de Sassenfeld

satisfeito Sassenfeld de critrio
1
3
2
2
3
1
1
3
1
3
1
3
1
1
0 ) 3 / 1 ( 1
1
3
1
3
1 0
3
2
1
o

< =
+
=
< =
+
=
< =
+
=

Exerccio:

Dado o sistema linear:

(
(
(
(

1
1
1
1
4
3
2
1
4 1 0 0
1 4 1 0
0 1 4 1
0 0 1 4
4
x
x
x
x
S

Pede-se:
(a) Verificar se o critrio de Sassenfeld satisfeito
(b) Resolver por Gauss-Seidel, se possvel, considerando
T
X ) 0 , 0 , 0 , 0 (
) 0 (
= e uma preciso <

10
2
.
Resp.:
(a) M = 0.3821 (b) X
T
= ( . . . . ) 0 364 0 455 0 455 0 364


Exerccio:
Usando o "critrio de Sassenfeld", verifique para que valores de k se
tem a garantia de que o mtodo de Gauss-Seidel vai gerar uma
seqncia convergente para a soluco do sistema.

= + +
= + +
= + +
=
3
3
7
2
6
1
2
3 2
6
1
1
3 2
3
1
3
x x x
x x kx
x x kx
S


Exerccio:
Resolva o sistema abaixo pelo mtodo de Gauss-Seidel. Considere
T
X ) 0 , 0 , 0 (
) 0 (
= e uma preciso
3
10

< .

(
(
(

=
3
6
2
4 1 2
2 4 2
1 1 1
3
2
1
3
x
x
x
S

Resp.:
T
X ) 3 . 0 , 4 . 0 , 9 . 1 ( =


Algoritmo: Mtodo Iterativo de Gauss-Seidel

72
Incio (* Gauss-Seidel *)
Solicite o nmero de equaes (N)
Leia N
(* leitura dos elementos: matriz a e vetor b
*)
Para i de 1 at N
Faa
Solicite b(i)
Leia b(i)
Para j de 1 at N
Faa
Solicite a(i,j)
Leia a(i,j)
Fim para
Fim para
Solicite a preciso (E)
Leia E
(* inicializao *)
Para k de 1 at N faa x(k) = 0;
M = 1 (* auxiliar: nmero de iteraes *)
Enquanto M <> 0
Faa
Para k de 1 at N
faa
Tmp = x(k)
S = 0
Para j de 1 at n
Faa
Se (k <> j)
Ento
S = S + a(k,j)* x(j)
Fim Se
Fim para (* j *)
X(k) = (b(k)-S)/a(k,k)
Se |x(k) tmp| > E
Ento
M=1
Fim se
Fim Para (* k *)
Fim enquanto
Para k de 1 at N
Faa
Escreve x(,k,) = , x(k)
Fim para
Fim (* Gauss-Seidel *)


Agradecimento:

Ao Polo Computacional do Campus da UNESP - Guaratinguet, em
particular equipe de digitao, cujo apoio foi essencial para a
produo do presente trabalho.


BIBLIOGRAFIA

1. RUGGIERO, M.A.G. & LOPES, V.L.R. Clculo Numrico
Aspectos Tericos e Computacionais. So Paulo: MAKRON
Books, 1996.

2. DORN, W.S. & MAcCRACKEN, D.D. Clculo Numrico
com Estudo de Casos em Fortran IV. Campus, 1978

3. BARROSO, L.C. & outros. Clculo Numrico (com
aplicaes). Editora Harbra Ltda, 1987