Você está na página 1de 52
UNIVERSIDADE ESTADUAL DE MATO GROSSO DO SUL Unidade de Dourados Coordenação do curso de matemática

UNIVERSIDADE ESTADUAL DE MATO GROSSO DO SUL Unidade de Dourados Coordenação do curso de matemática

Métodos Diretos para Solução de Sistemas de Equações Lineares

Autor: Antonio Ronald dos Santos

Orientador: Prof. Dr. Cosme Estáquio Rubio Mercedes

2009

Métodos Diretos para Solução de Sistemas de Equações Lineares Trabalho de Conclusão de Curso apresentado

Métodos Diretos para Solução de Sistemas de Equações Lineares

Trabalho de Conclusão de Curso apresentado à Coordenação do Curso de Licenciatura Plena em Matemática da Universidade Estadual de Mato Grosso do Sul, como requisito parcial para obtenção de título de

Licenciatura em Matemática.

2009

Métodos Diretos para Solução de Sistemas de Equações Lineares Antonio Ronald dos Santos Banca Examinadora:

Métodos Diretos para Solução de Sistemas de Equações Lineares

Antonio Ronald dos Santos

Banca Examinadora:

Prof. Dr. Cosme Estáquio Rubio Mercedes (Orientador)

Profª. Drª. Maristela Missio Examinadora 1

Profª. Msc. Regina Ishibashi Examinadora 2

Dedicatória

Dedicatória Dedico este trabalho as pessoas mais importantes da minha vida: Minha esposa e filho, Silvane

Dedico este trabalho as pessoas mais importantes da minha vida:

Minha esposa e filho, Silvane e João Pedro Meus pais, José Gonçalves e Eva

Agradecimentos

Agradecimentos Primeiramente agradeço a Deus por ter chegado até aqui. As horas de compreensão de minha

Primeiramente agradeço a Deus por ter chegado até aqui. As horas de compreensão de minha esposa e meu filho, que por muitas vezes tive que me dedicar às estudos e ter aberto mão do tempo de passar ao lado deles. Aos meus queridos pais pelo irrestrito incentivo amor e minhas queridas irmãs que me incentivaram para que conseguisse vencer mais essa etapa na minha vida. Ao meu orientador professor Cosme por ter acreditado que eu poderia conseguir. A professora Regina que teve a paciência de instalar e ensinar a utilização do programa Mathtype 6 para que pudesse concluir esse trabalho. Aos professores pelos conhecimentos compartilhados. Aos amigos e parentes por acreditarem na realização desta conquista. Ao incansável companheiro Jair de Ponta - Porá por ter por muitas vezes ter disponibilizado horas de seu tempo para poder estudarmos para as provas da faculdade. E por fim a todos aqueles que de forma direta e indiretamente contribuíram para que esse trabalho pudesse ser concluído com sucesso: Muito Obrigado!

Resumo

Resumo Este trabalho apresenta os Métodos Diretos para resolver Sistemas de Equações Lineares. Inicialmente é dada

Este trabalho apresenta os Métodos Diretos para resolver Sistemas de Equações Lineares. Inicialmente é dada uma idéia sobre o que é equação, em seguida é mostrado o embasamento teórico dos Métodos Diretos para Solução de Sistemas de Equações Lineares, através de conceitos como matrizes, Espaços Vetoriais, Produto Interno e Aritmética do Ponto Flutuante, para finalmente ser apresentado os métodos propriamente ditos, Método da Eliminação de Gauss, Estratégia de Pivoteamento, Fatoração LU e Refinamento da Solução, para resolvermos os sistemas de equações lineares.

Sumário

Sumário Introdução   9 Capítulo 1 11 1. Fundamentação Teórica 11 1.1 . . .

Introdução

 

9

Capítulo 1

11

1. Fundamentação Teórica

11

1.1

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

. 11

1.1.1 Matriz

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

11

1.1.2 Matriz Triangular.

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.12

1.2

Operações com Matrizes.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

. 14

1.2.1 Produto de uma Matriz por um Número

 

.

.

.

.

.

.

.

.

.

.

.

.

.

. 14

1.3

1.2.2 Multiplicação entre .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

. 15

.

. 17

1.4

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

. 18

1.5

Equações lineares.

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.18

1.6

Espaços vetoriais.

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

. 19

1.7

Sub - Espaço

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

20

1.8

Espaços Vetoriais Finitamente

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

. 20

1.9

Combinação linear.

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

21

1.9.1 Teorema

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

. 22

1.10 Dependência

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.22

1.11 Base de um Espaço Vetorial.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

23

1.12 Dimensão de um Espaço

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

24

1.13 Transformações lineares.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

. 24

1.14 Auto-valor e Auto-vetor.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

25

1.15

Polinômio

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

26

1.15.1 Teorema.

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.26

1.16 Espaço com Produto interno.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.27

1.17 Espaço Vetorial

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.27

1.18 Aritmética do ponto

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.29

Capítulo 2 32 Métodos Diretos para a Resolução de Sistemas de Equações Lineares 32 2.1

Capítulo 2

32

Métodos Diretos para a Resolução de Sistemas de Equações Lineares

32

2.1 .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

32

2.2 Método da Eliminação de

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.32

2.2.1

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.32

2.3 Estratégia de

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

. 35

2.3.1

Estratégia de Pivoteamento

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

. 36

2.4 Fatoração

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

37

2.4.1 Cálculo dos Fatores LU.

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

. 37

2.4.2 Resolução do Sistema utilizando a Fatoração

 

.

.

.

.

.

.

.

.

.

39

2.5 Fatoração LU com a Estratégia de

 

.

.

.

.

.

.

.

.

.

.

.

42

2.6 Refinamento da solução.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

. 44

Conclusão

 

48

Referências

50

9

Introdução

Os problemas matemáticos, desde os mais simples aos mais complicados estão presentes em todos os livros. Mas será que existem métodos eficientes, para que se possam resolver tais problemas matemáticos? Desde os tempos mais remotos, o objetivo da Álgebra sempre o de foi permitir a resolução de problemas matemáticos que envolvam incógnitas. Para resolver tais problemas e manter as incógnitas inalteráveis, ou seja, encontrar os valores numéricos das incógnitas deve- se procurar simplificar esses problemas através de uma relação a qual é chamada de equação. Geralmente os problemas matemáticos ou fenômenos da natureza apresentam várias relações, a tarefa de abstrai-las e descreve-las nem sempre é simples. Essas relações depois de montadas podem ser resolvidas através da utilização de métodos numéricos, os quais são definidos como exatos ou algébricos e iterativos ou de aproximação.

Uma variedade desses problemas que existem nas áreas do conhecimento podem ser resolvidos através de um conjunto de equações simultâneas, as quais são chamadas de sistemas lineares. Uma equação é dita linear se cada termo possui apenas uma variável e cada variável tem uma potência de primeiro grau. Se obedecer estas condições a equação é linear, do contrário não é linear, ou seja, uma variável com expoente maior ou igual de segundo grau. Para problemas que apresente sistemas lineares cuja solução é obtida de forma mais simples, é recomendado a utilização dos métodos diretos, os quais serão estudados neste trabalho, pois há menos erro de arredondamento e fornecem a solução exata dos sistemas lineares após um número finito de operações. Agora, em sistemas de grande porte e esparços são utilizados os métodos iterativos, os quais conduzem à solução aproximada de um sistema de equações lineares apartir de uma estimativa inicial da solução, através de procedimentos iterativos. A cada iteração utiliza-se a aproximação anterior da solução para o cálculo de uma nova aproximação, a qual converge para a solução do sistema. Dentro do Calculo Numérico os métodos diretos para a solução de equações lineares transformam o sistema original em outro sistema mais simples, ou seja, equivalente, onde é

possível obter o vetor solução

Esses métodos serão utilizados para mostrar que, em algumas áreas do conhecimento, é possível, através de conceitos matemáticos, resolver problemas canalizando os dados para

(

1

x x

,

2

,

x

3

,

,

x

n

)

, que é a solução do sistema original.

10

dentro de uma matriz, transformando a mesma em sistemas lineares e obtendo o vetor solução por meios da utilização de algum dos métodos. È com esse objetivo que neste primeiro capítulo consta toda a fundamentação teoria, onde são abordados os conceitos que serão utilizados durante o trabalho. Conceitos que são princípios básicos tanto na Álgebra Linear quanto em Cálculo Numérico. No segundo capítulo, serão estudados os métodos propriamente ditos, que são os Métodos Diretos para Resolução de Sistemas de Equações Lineares, constam Eliminação de Gauss, Estratégia de Pivoteamento, Fatoração LU e Refinamento da Solução. Por fim, este trabalho está sendo realizado com o intuito de por em prática alguns conceitos da área de matemática de Cálculo Numérico e Álgebra Linear.

11

Capitulo 1

1 . Fundamentação Teórica

Para entendimento dos Métodos Diretos de Resolução de Equações lineares é

necessário que tenhamos conhecimento de alguns conceitos de Calculo Numérico e Álgebra

linear, tais como: matrizes, determinantes, espaço vetorial, combinação linear, entre outros.

1.1 Matrizes

Definição 1 - Sejam m 1, n 1 inteiros. Uma matriz real m x n é uma dupla sequência

distribuída em m linhas e n colunas que será denotado da forma como em [11]

A =




a

a

a

a

11 a

21

m

1

12

a

22

m

2

a

1 n

a

2 n

a

mn

 

também pode denotar-se uma matriz A da seguinte maneira A = (

1 j n e i,j e (

a ij

)

mxn

.

a ij

)

mxn

,

com 1 i m onde,

Uma matriz de dimensões (m x n+1), é chamada de matriz ampliada => M = A: b

M =

a

a

a

a

12

a

11

21

m

1

a

1

n

a

2

n

a

mn

1

b

2

b

m

b

22

a

m

2

 

,

onde b representa os termos independentes do sistema.

1.1.1 Matriz Quadrada

Considerando uma matriz m x n. Quando m = n, diz então que a matriz é quadrada de

ordem n x n ou simplesmente de ordem n como em [3].

Exemplo: A =

4

6

2

7

   , é uma matriz quadrada de ordem 2 ( m = n).

12

Numa matriz quadrada de ordem n, os elementos

a a

11

,

22

,

a

33

,

,

a

nn

formam a diagonal

principal da matriz, são os elementos

a , com i = j. A outra diagonal da matriz quadrada,

ij

denomina-se diagonal secundária, são os elementos

a com i+j = n+1. Os elementos 4 e 7 são

ij

os elementos da diagonal principal, logo 6 e 2 constituem a diagonal secundária.

1.1.2 Matriz triangular

Considerando uma matriz quadrada de ordem n. Quando os elementos acima ou abaixo da diagonal principal são todos nulos, esta matriz é triangular [10]. Vejamos os seguintes exemplos:

0

0

5

2

8

7

0

3

9

 

,

2),

2

0

0

9

3

0

5

8

5

 

1)

Através desses exemplos definimos e diferenciamos matriz triangular superior e inferior. Definição 2 - Matriz triangular superior é uma matriz quadrada onde os elementos

abaixo da diagonal são nulos, isto é, m = n e

a = 0 para i>j, podendo ser observado no

ij

exemplo 2. Definição 3 - Matriz triangular inferior, é uma matriz quadrada onde os elementos

acima da diagonal são nulos, isto é, m = n e

a = 0 para i<j, podendo ser observado no

ij

exemplo 1. Definição 4 - Dada uma matriz A é entendido por operações elementares com as linhas de A, qualquer das seguintes alternativas:

I - Permutar duas linhas de A; II - Multiplicar uma linha de A por um número a 0; III - Somar a uma linha de A uma outra linha de A multiplicada por um número. Se A e B são matrizes (m x n), diz que B é linha equivalente a A, se B for obtida de A através de um número finito de operações elementares sobre as linhas de A. Representa - se

por: A B ou A ~ B.

Definição 5 - Uma matriz de dimensão m x n é dita matriz linha reduzida á forma escada se:

13

b) Cada coluna que contém o primeiro elemento não nulo de alguma linha tem todos os seus

outros elementos iguais à zero.

c) Toda linha nula ocorre abaixo de todas as linhas não nulas (isto é, daquelas que possuem

pelo menos um elemento não nulo).

d) Se as linhas 1,

ocorre na coluna

matriz, isto é, o número de zeros precedendo o primeiro elemento não nulo de uma linha aumenta a cada linha, até que sobrem somente linhas nulas, se houver.

,

r são as linhas não nulas, e se o primeiro elemento não nulo da linha i

k , então

i

K

1

< K

2

<

< K . Esta última condição impõe a forma escada da

r

Exemplos: 3)

1 0

1

0

0

0

0 0

1 0

1 0

 

, não está na forma escada, pois a 2ª condição não foi satisfeita, a

coluna 3 possui 2 elementos não nulos.

0

2

1

 

4)

1

0

0

0

3

0

, não está na forma escada, pois a 1ª e a 4ª condição não foram satisfeitas,

porque o 1º elemento não nulo da 1ª linha é 2. A matriz B estaria na forma escada se o 1º

teria que ser trocado com o elemento

elemento não nulo da 1ª linha fosse 1, o elemento

b

21

b

11

.

5)

0 1

0

0

0

0

3 0 0  

 

0 1 2 0 0 0

está na forma escada, pois todas as condições são satisfeitas, ou seja,

o primeiro elemento de cada linha não nula é 1; cada coluna que contém o primeiro elemento

não nulo de alguma linha tem todos os seus outros elementos iguais a zero; a linha não nula

está abaixo de todas e as linhas 1,

linha i ocorre na coluna

escada.

, seja

equivalente a A. O Posto ou Rank de A, denotado por p, é o número de linhas não nulas de B. Exemplo 6) Resolver o seguinte sistema de equações lineares e encontrar o posto da matriz referente ao sistema:

B a matriz linha reduzida á forma escada

r são linhas não nulas, o primeiro elemento não nulo da

< K , o que impõe a condição da forma

,

k , então

i

K

1

A

< K

2

<

r

Definição 6 - Dada uma matriz

mxn

mxn

14

x

2

y

+

z

=−

2

2

x

3

y

3

z

=−

7

3

x +

7

y

+

6

z

=

17

A =

1

2

3

2

3

7

1     

3

6

,

x =

x

 

y

 

z

 

,

b =

 

17

2

7

.

Obter a matriz ampliada M = A : b

1

2

3

2

3

7

1:

3:

2     

7

6 : 17

assim,

sucessivamente. O objetivo é então transformar a matriz M=A:b, numa matriz triangular

superior, usando as operações elementares.

Indicando

a

primeira

equação

(linha)

por

L ,

1

a

segunda

por

L

2

,

e

1

2

3

2

3

7

1:

3:

2     

7

6 : 17

L

2

L

3

L

L

2

3

+

2

3

L

1

L

1

1

0

0

2

1

1

1

5 :

:

3

: 11

2

 

9

2L

L

2

2

+

+

L

1

L

3

1

0

0

0

1

0

9

5

:

8

 

14 : 14

3

:

1

14 L

3

1

0

0

0

1

0

9

5

1

:

:

:

8     

3

1

9

5

L

3

L

3

+

+

L

1

L

2

1

0

0

0

0

1 0

0

1

:

:

:

1

2

1

 

Assim, depois de efetuar algumas operações elementares com a matriz A, a solução do sistema é x=1, y =2 e z = 1 e o posto ou rank de A é p = 3.

1.2 Operações com Matrizes

1.2.1 Produto de uma Matriz por um Número Real

Dada uma matriz real A = (

a

ij

)

mxn

e dado um número real α , o produto de α por A é

a matriz real m x n dada por como em [13].

α A =

α

a

α

a

11

m

1

α

a

1 n

α

a

mn

 

.

15

Propriedades das matrizes relacionadas com a adição e a multiplicação por escalar.

Para todo α , β

e A, B

M

mxn

(

)

temos:

1 ) (α β )A = α ( β A),

2 ) (α + β )A = α A+ β A,

3 ) α

4 ) 1A = A.

(A + B ) = α A + α B,

Provando a propriedade 2 temos:

Supondo A = (

a

ij

)

mxn

, então

Exemplo:

(α + β )A = ((α + β ). a ) = (α a

ij

ij

) + ( β a

Se α = 2 e A =

1

0

0

2 1

1 2

0 4

    

, então α A=

ij

)=α A+ β A.

4

0 2 4

2

2

0 0 8

    

.

em que

1.2.2 Multiplicação entre Matrizes

Sejam A = (

a

ij

)

nxm

e B = (

b

jk

)

mxp

e A . B o produto entre as matrizes como em [10].

Sejam C = A. B então C = (

c

ij

)

nxp

onde

c

ik

n

=

j = 1

a

ij

.

b

jk

, 1 i n, 1 k p.

A =

A . B =

Definição 7 - Se A = (

a

1 3

5

2 0 1

, B =

0

1

0

1.0

+

2.0

3.1

+

+

0.1

5.0

+

1.0

1

4

2

 

, C =

3

0

23

0

,

1.1

2.

+

3.

4

+

1

+

0.

4

5.

+ −

2

2.1

ij

)

mxn

é uma matriz m x n, então

t

A =

(

a

ij

)

T , é a matriz n x m

a

ij

= a

ji

, para todo i e j. Essa nova matriz mxn é chamada matriz transposta.

a

a

a

a

11

21

m

1

a

12

a

22

m

2

a

1

n

a

2

n

a

mn

 

T

=

a

a

a

11

12

1

n

a

a

21

a

22

2

n

a

m

1

a

m

2

a

mn

.

16

Definição 8 - Dizemos que a matriz A =

(

a

ij

)

nxn

M

nxn

(

)

é invertível ou não

singular se existe uma matriz B

identidade de ordem n, isto é,

I

n

=

M

nxn

1 0

0

0

1

0

(

)

0

0

1

tal que A B = BA =

 

.

I

n

, onde

I denota a matriz

n

Exemplo 7)

A matriz M =

2

0

De fato M. N =

Logo N =

1/ 2

0

0

1

   é inversível.

2

0

0

1

0

1

   .

a

c

b

d

   . Portanto

   =

2

0

1

0

0

1

0

1

   =>

    .

1/ 2

0

2a

c

2b

d

   =

1

0

0

1

   =

1

0

0

1

.

0

1

.

Definição 9 - Elementos simétricos são elementos que se encontram em lados opostos

de uma linha (diagonal). A matriz M é um exemplo de elemento simétrico

m =

2

0

0

1

,

Os elementos 2 e 1 constituem a diagonal da matriz e os 0 são os elementos simétricos

que estão em lados opostos a diagonal.

(

a

ij

)

nxn

Definição 10 - Uma matriz real A é simétrica se

A = A. Equivalentemente A =

. A deve ser

= a

t