Universidade Federal de Santa Catarina

Centro Tecnolgico
Departamento de Informtica e Estatstica

Apostila:
Anlise Numrica I

VERSO RASCUNHO:
Por favor informe suas observaes aos autores.

Autores: Prof. Jlio F. Szeremeta

Prof. Srgio Peters
Editado por: Andra Vergara da Silva
Antnio Csa da Silveira
e-mail: peters@inf.ufsc.br
Florianpolis / 1999.
44

6. SISTEMAS DE EQUAES LINEARES

6.1 - INTRODUO
Uma equao considerada linear quando as operaes envolvidas entre incgnitas
so apenas operaes lineares.
Por exemplo:
a). x y / 4 z 0

equao linear

b). x 2 2 y 1 0

equao no linear

c). 1 / x y z 0

equao no linear

Quando vrias equaes lineares so agrupadas, de modo que todas devam ser
satisfeitas simultaneamente por uma mesma soluo, tem-se um sistema de equaes lineares.
Existem aplicaes de sistemas de equaes lineares nos mais variados segmentos da
cincia e tecnologia.
Def.: Um sistema de ordem n, constitudo por n equaes lineares a n incgnitas, toda
expresso do tipo:

Axb

a 1 a 12 a 1 n x 1 b 1
a a a x b
2 1 2 2n 2 2

a n1 an2 an xn bn

(1)

45

onde A a matriz de coeficientes, x o vetor de incgnitas e b o vetor de termos

independentes.
Exemplos de sistemas de equaes lineares:

a).

b).

x1 x2 20

x1 x 2 4

11 x1 20
.
1 1 x2 4

Representao matricial do sistema (a).

A resoluo de sistemas de equaes lineares pode ser obtida atravs de mtodos

diretos, iterativos ou de otimizao.
6.2). Mtodos Diretos:
So mtodos que permitem obter a soluo do sistema realizando-se um nmero finito
de operaes aritmticas. Portanto, o esforo computacional necessrio para se obter uma
soluo do sistema perfeitamente previsvel. Esta soluo seria exata se no fosse a presena
de erros de arredondamento.
So normalmente empregados a sistemas lineares com matrizes de coeficientes densas
e de porte mdio (at 1000 equaes).
Dentre os mtodos diretos mais comuns esto:
6.2.1). Mtodo de Eliminao de Gauss:
Consiste na transformao da matriz expandida (matriz de coeficientes acrescida da
coluna de termos independentes) em matriz triangular, superior ou inferior, seguida de um
processo de substituies sucessivas para explicitar a soluo do sistema. Esta transformao
em matriz triangular (ou escalonamento) conseguida atravs da aplicao sucessiva de
46

operaes elementares sobre linhas (ou sobre colunas) na matriz expandida, buscando a
eliminao seletiva de elementos no nulos para torna-la uma matriz triangular. Podemos
associ-lo a um processo de pivotamento, parcial ou total, que promove uma troca seletiva de
linhas (ou colunas), visando tomar pivs (elementos da diagonais principais) com maior
mdulo possvel, e assim procurando evitar a presena de pivs nulos.
Ex. 1): Resolver o seguinte sistema de equaes lineares pelo mtodo de eliminao de Gauss
sem pivotamento adotando operaes aritmticas com 4 (quatro) dgitos significativos e
arredondamento ponderado.

0.421x1 0.784 x 2 0.279 x3 0

0.448 x1 0.832 x 2 0.193x3 1

0.421x 0.784 x 0.207 x 0
1
2
3

Na forma matricial tem-se

0.421 0.784 0.279
0.448 0.832 0.193

0.421 0.784 0.207

x1
x
2
x 3

0
1
0

1). Gerao da matriz expandida:

0.421
0.448

0.421

0.784
0.832
0.784

0.279

0.193 1
0.207 0

2). Triangularizao correspondente a primeira coluna (k = 1):

k=1

(0.421)
0.448

0.421

0.784
0.832
0.784

0.421

0.279 0
0.193 1 L 2 L 2 0.448 /( 0.421) L1 L 2 L 2 1.064L1
0.207 0
L 3 L3 0.421 /( 0.421) L1 L3 L3 L1

0.784
1.666
1.568

0.279 0

0.4899 1
0.0720 0

3). Triangularizao correspondente a segunda coluna (k = 2):

k=2

0.421

0.784
(1.666)
1.568

0.279 0
0.4899 1
0.0720 0 L3 L3 (1.568 / 1.666)L 2 L3 L3 0.9412L 2
47

 0.421

0.784
1.666
0

0.279
0.4899

0
1

0.3891 - 0.9412

4). Processo de retrosubstituio sucessiva:

Aps a triangularizao analisa-se o sistema de equaes equivalente, gerado a partir
do processo de eliminao empregado:
0.421x 1 0.784x 2 0.279 x 3 0

0x 1 1.666 x 2 0.4899x 3 1
0x 0x 0.3891x - 0.9412
1
2
3

Obs.: Note-se que o valor de x3 pode ser diretamente obtido a partir da equao 3, uma vez
que esta equao independe de x1 e x2. Posteriormente os valores de x2 e x1 so obtidos das
equaes 2 e 1, respectivamente.
x3 = -0.9412/(-0.3891)

x3 = 2.419

x2 = ( 1 0.4899x3 ) / 1.666

x2 = -0.1110

x1 = ( - 0.784x2 0.279 x3 ) /(-0.421)

x1 = 1.396

Portanto, a soluo do sistema correspondente ao exemplo 1 :

S = { 1.396, -0.1110, 2.419}
Se os resduos ( r = | b - A x | ) de cada uma das equaes do sistema linear proposto
forem avaliados, normalmente so obtidos valores residuais no nulos das equaes,
decorrentes de erros de arredondamento.
Por exemplo,
r1 | - 0.421x 1 0.784 x 2 0.279 x 3 0 | 0.0002
r2 | 0.448x 1 0.832x 2 0.193x 3 1 | 0.0000
r3 = | 0.421x 1 0.784x 2 0.207 x 3 0 | 0.0000

Neste caso, tambm pode ser calculado o erro exato, dado por
erro = | Xexato - Xaproximado |. A soluo exata foi encontrada atravs do MATLAB, e foi obtida
com 16 dgitos significativos :
Xexato1 = 1.39628656...
Xexato2 = - 0.11108021803
Xexato3 = 2.4190803038
Vamos avaliar o erro utilizando a preciso de 4 dgitos significativos, que foi utilizada
at aqui em todas as operaes. Ento:
Xexato1 = 1.396
Xexato2 = - 0.1111
48

Xexato3 = 2.419
E o erro exato obtido foi:
Erro1 = | 1.396 - 1.369 |
= 0.000
Erro2 = | -0.1111 - (-0.1110) | = 0.0001
Erro3 = | 2.419 - 2.419 |
= 0.000
Ex. 2): Resolver o seguinte sistema de equaes lineares pelo mtodo de eliminao de Gauss
com pivotamento parcial utilizando operaes aritmticas com 4 (quatro) dgitos
significativos e arredondamento ponderado.

0.421x 1 0.784x 2 0.279x 3 0

0.448x 1 0.832x 2 0.193x 3 1

0.421x 0.784x 0.207x 0
1
2
3

Na forma matricial tem-se

0.421 0.784 0.279
0.448 0.832 0.193

0.421 0.784 0.207

x1
x
2
x 3

0
1
0

1). Gerao da matriz expandida:

0.421
0.448

0.421

0.784
0.832
0.784

0.279

0.193 1
0.207 0

2). Pivotao parcial, correspondente ao primeiro piv (k=1):

(i). Busca do maior elemento em mdulo da coluna k = 1:

k=1
i
0.421
(0.448)

0.421

0.784
0.832
0.784

=
0.279 0
0.193 1
0.207 0

2
(maior mdulo da coluna k=1 est na linha i = 2).

(ii). troca de linhas:

49

 0,421 0.784 0.279 0 L 1 L 2

0.448 0.832 0.193 1 L L
1

2
0.421 0.784 0.207 0

(Troca da linha L1 com L2 e vice-

versa)
(iii). Matriz pivotada:
(0.448)
0.421

0.421

0.832
0.784
0.784

0.193 1
0.279 0
0.207 0

3). Processo de triangularizao, correspondente ao primeiro piv (k=1):

(0.448) 0.832
0.421 0.784

0.421 0.784
(0.448)

0.193 1
0.279 0 L 2 L 2 (0.421 / 0.448) L 1 L 2 L 2 0.9397 L1
0.207 0 L 3 L 3 (0.421 / 0.448)L 1 L3 L3 0.9397 L1
0.832
1.566
0.0022

0.193
1

0.4604 0.9397
0.3884 - 0.9397

Obs.: Note que as operaes elementares aplicadas acima eliminam os elementos abaixo da
diagonal principal na primeira coluna. A operao de eliminao acontece sempre que subtraise de cada linha, a linha do piv multiplicada pelo elemento a ser eliminado divida pelo
elemento piv.
4). Pivotao Parcial, correspondente ao segundo piv (k=2):
(i). Busca parcial do maior mdulo da coluna k = 2 (busca a partir da segunda linha e
da segunda coluna, pois a primeira coluna j foi anulada)
K=2

0.448 0.832 0.193 1

0 (1.566) 0.4604 0.9397

0 0.0022 0.3884 - 0.9397

(maior mdulo da coluna k=2 j est na linha

i = 2).

(ii). No necessrio a troca de linhas, pois a matriz j est pivotada.

5). Processo de triangularizao, correspondente ao segundo piv (k=2):

50

 0.448 0.832 0.193 1

0 (1.566) 0.4604 0.9397

0 0.0022 0.3884 - 0.9397 L 3 L 3 (0.0022 / 1.566)L 2 L3 0.001405L2

0.448

0.832
1.566
0

0.193

0.4604 0.9397
0.3890 - 0.9410

6). Processo de retrosubstituio sucessiva:

Primeiramente analisa-se o sistema de equaes equivalente, gerado a partir do
processo de eliminao empregado:

0.448 x1 0.832 x 2 0.193x3 1

0 x1 1.566 x 2 0.4604 x3 0.9397

0 x 0 x 0.3890 x - 0.9410
1
2
3

Obs.: Note-se que o valor de x3 pode ser diretamente obtido a partir da equao 3, e
posteriormente x2 e x1 a partir dos valores obtidos anteriormente.
x3 = -0.9410/ (-0.3890)

x3 = 2.419

x2 = ( 0.9397 0.4606x3 ) / 1.566

x2 = -0.1113

x1 = ( 1 0.832 x2 0.193 x3 ) /0.448

x1 = 1.397

Portanto a soluo do sistema dado no exemplo 2 :

S = { 1.397, -0.1113, 2.419}
Os resduos ( r = | b - A x | ):
r1 | - 0.421x 1 0.784 x 2 0.279 x 3 0 | 0.0005
r2 = | 0.448x 1 0.832x 2 0.193x 3 1 | = 0.0002
r3 = | 0.421x 1 0.784x 2 0.207 x 3 0 | = 0.0001

Neste caso, tambm pode ser calculado o erro exato, dado por
erro = | Xexato - Xaproximado |, atravs da soluo exata encontrada atravs do MATLAB:
Xexato1 = 1.39628656...
Xexato2 = - 0.11108021803
Xexato3 = 2.4190803038

51

Vamos avaliar o erro utilizando a preciso de 4 dgitos significativos, que foi utilizada
at aqui em todas as operaes. Ento:
Xexato1 = 1.396
Xexato2 = - 0.1111
Xexato3 = 2.419
E o erro exato obtido foi:
Erro1= | 1.396 - 1.397 |
= 0.001
Erro2= | -0.1111 - (-0.1113) | = 0.0002
Erro3= | 2.419 - 2.419 |
= 0.000
Obs.: Note que com o processo de pivotamento parcial:
Eliminam-se os possveis pivs nulos, caso a matriz de coeficientes seja no
singular (determinante diferente de zero);
Tambm consegue-se uma reduo nos efeitos de erros de arredondamento
(diminuio da perda de significao), destacada na avaliao do erro exato.
Alternativamente, pode-se implementar o mtodo de eliminao de Gauss usando a
pivotao total, que computacionalmente mais eficiente, induzindo um menor erro de
arredondamento acumulado, de forma a se obter solues computacionalmente mais estveis
em relao s perturbaes introduzidas por erros de arredondamento. No pivotamento total,
ou completo, procura-se o elemento de maior mdulo dentre todos os elementos disponveis
na matriz de coeficientes, promovendo trocas de linhas e/ou colunas conforme a necessidade.
Para avaliar as consequncias destas trocas de linhas e colunas deve-se interpretar os
elementos da matriz expandida em termos das equaes do sistema, assim:
Troca de linhas implica apenas em trocar a ordem na apresentao das equaes;
Troca de colunas implica na troca da ordem de apresentao das variveis
(incgnitas) do sistema.
Ex. 3): Resolver o seguinte sistema de equaes lineares, usando a pivotao total e
operaes aritmticas com 4 (quatro) dgitos significativos e arredondamento ponderado.

0.421x 1 0.784x 2 0.279x 3 0

0.448x 1 0.832x 2 0.193x 3 1

0.421x 0.784x 0.207 x 0
1
2
3

Na forma matricial tem-se

0.421 0.784 0.279
0.448 0.832 0.193

0.421 0.784 0.207

x1
x
2
x 3

0
1
0

1). Gerao da matriz expandida:

52

 0.421
0.448

0.421

0.784
0.832
0.784

0.279
0.193

0
1

0.207 0

2). Pivotao total, correspondente ao primeiro piv (k=1):

(i). Busca do maior mdulo dentre todos os elementos da matriz:

j= 2
0.279 0
0.421 0.784

i 2 0.448 (0.832) 0.193 1

0.421 0.784 0.207 0
1
2
3

(o elemento de maior mdulo est na coluna j = 2

e na linha i = 2).

Obs.: Observa-se que foi acoplada uma linha adicional na matriz de coeficientes para o
armazenamento da ordem de apresentao das variveis envolvidas. Ento, inicialmente temse a ordem natural das variveis x1, x2 e x3, cujos coeficientes multiplicadores so,
respectivamente, os elementos da primeira, segunda e terceira colunas.
(ii). Efetua-se a troca de linhas e colunas:

0.421 0.784 0.279 0

0.448 0.832 0.193 1

0.421 0.784 0.207 0

1
2
3
C1
C2

C2
C1

L1 L 2
(Troca da linha L1 com a linha L2 e vice-versa, e
troca
L2
L1dos elementos da coluna 1 com os elementos
da coluna 2 e vice-versa).

(iii). Matriz pivotada:

(0.832)
0.784

0.784

0.421
0.421

0.448

0.193 1
0.279 0
0.207 0
3

Obs.: Note no processo de pivotamento total, a ordem de apresentao das variveis x i

envolvidas podem ser alteradas.
3). Processo de triangularizao, correspondente ao primeiro piv (k=1):
53

 (0.832) 0.448
0.784 0.421

0.784

0.193 1

0.279 0 L 2 L 2 (0.784 / 0.832) L1 L2 L 2 0.9423L1

0.207 0 L 3 L 3 (0.784 / 0.832)L1 L3 L3 0.9423L1

0.421

(0.832)

0.8432
0.0012

0.448

0.193
1

0.097 - 0.9423
0.3839 - 0.9423
3

4). Pivotao total, correspondente ao segundo piv (k=2):

(i). Busca do maior mdulo dentre os elementos da matriz, a partir da segunda linha e
segunda coluna.

j= 2
0.448
0.193 1
0.832
i 2 0
(0.8432) 0.0971 - 0.9423
0
0.0012 0.3889 - 0.9423
2

(Elemento de maior mdulo localizado na coluna

j=2 e linha i=2).

(ii). No h troca de linhas e colunas, a matriz j est naturalmente pivotada:

5). Processo de triangularizao, correspondente ao segundo piv (k=2):
0.832

0.448
(0.8432)
0.0012
0.832

0.193
1

0.0971 - 0.9423
0.3889 - 0.9423 L 3 L 3 (0.0012 / 0.8432)L 2 L3 L 3 0.001423L 2
0.448
( 0.8432)
0
1

0.193
1

0.0971 - 0.9423
0.3890 - 0.9410
3

6). Retrosubstituio:
0.832

0.448
( 0.8432)
0
1

0.193

0.0971 - 0.9423

0.3890 - 0.9410
3

Retornando a forma matricial (note a nova ordem das variveis):

54

 0.832 x 2 0.448 x1 0.193x3 1

0 x 2 0.8432 x1 0.0971x 3 0.9423

0 x 0 x 0.3890 x - 0.9410
2
1
3

x3 = -0.9410/ -0.3890

x3 = 2.419

x1 = ( -0.9423 0.0971x3 ) / -0.8432

x1 = 1.396

x2 = ( 1 0.448 x1 0.193 x3 ) /0.832

x2 = - 0.1106

S = {1.396,-0.1106, 2.419}
Os resduos ( r = | b - A x | ) so:
r1 | - 0.421x 1 0.784 x 2 0.279 x 3 0 | 0.0005
r2 = | 0.448x 1 0.832x 2 0.193x 3 1 |

= 0.0003

r3 = | 0.421x 1 0.784x 2 0.207 x 3 0 |

= 0.0003

E o erro exato obtido foi:

Erro1= | 1.396 - 1.396 |
= 0.0000
Erro2= | -0.1111 - (-0.1106) | = 0.0005
Erro3= | 2.419 - 2.419 |
= 0.0000
Consideraes:
- Observando os resduos encontrados nos exemplos acima, nota-se que o resduo nem
sempre um bom elemento para certificarmos a exatido da soluo, pois embora
encontremos resduos menores no mtodo sem o uso do pivotamento, comparativamente aos
mtodos que se utilizaram de pivotamento parcial e total, a soluo do sistema normalmente
mais exata nos mtodos com pivotao. Pode-se observar que em sistemas de mdio porte os
mtodos com pivotao total fornecem solues mais exatas.
- Pode-se observar que nas operaes elementares sobre linhas aplicadas no mtodo de
Gauss, aparece uma operao de diviso pelo piv. Sabe-se que na maioria das operaes de
diviso so gerados erros de arredondamentos (vide captulo de erros numricos), ento ao
longo do processo de eliminaes sucessivas, estes erros de arredondamento vo se
acumulando, pois os resultados obtidos em um estgio do processo de eliminao sero
usadas no estgio seguinte.
Para minimizar este efeito cumulativo dos erros de arredondamento, pode-se modificar
as operaes elementares do processo de escalonamento da seguinte forma:
Substitui-se a linha corrente pelo produto entre a prpria linha e o elemento piv
subtrado do produto entre a linha do piv e o elemento a ser eliminado.
Por exemplo:
Se a linha L3 sofre a seguinte operao de eliminao do elemento a 31 com o piv da
primeira linha a11:
55

L3 L3 -

a 31
L
a 11 1

Sabendo-se que o objetivo desta operao anular o elemento a 31, pode-se modificar
esta operao, desde que se mantenha o resultado nulo na primeira coluna. Assim, se
L3 -

a 31
L = 0
a 11 1

(para a primeira coluna k = 1)

Ento, pode-se multiplicar a equao acima pelo elemento piv a11, resultando numa
forma alternativa, que mantm o resultado nulo para primeira coluna da matriz.
a 11 L 3 - a 31 L 1 = 0
Assim, com esta forma alternativa de aplicar as operaes de eliminao tem-se um
menor acmulo de erros de arredondamento, pois no haver divises ao longo do processo
de eliminao. Ser necessria apenas uma diviso em cada equao no momento de
determinar as variveis xi.
Este procedimento alternativo pode gerar erros por perda de significao quando temse pivs de grande magnitude, ou quando o nmero de equaes elevado, pois nestes casos
o acmulo de operaes de multiplicao em cada linha do sistema, especialmente nas ltimas
linhas, pode conduzir a coeficientes muito grandes, podendo gerar valores que no possam ser
representados (valores podem cair na regio de overflow).
Exerccios:
1). Monte um algoritmo para resolver um sistema de equaes lineares pelo mtodo de Gauss
utilizando:
Pivotao Parcial;
Pivotao Total.
2). Como voc avaliaria o determinante da matriz de coeficientes utilizando o processo de
eliminao adotado pelo mtodo de Gauss?
6.2.2). Mtodo de Gauss-Jordan:
Consiste na transformao da matriz expandida em matriz diagonal (normalizada com
coeficientes unitrios), que equivalente a matriz identidade. Esta transformao obtida
atravs da aplicao sucessiva de operaes elementares sobre linhas (ou sobre colunas),
buscando a eliminao seletiva dos elementos no nulos externos a diagonal principal.
Tambm pode-se associar este mtodo a um processo de pivotamento, parcial ou total.
Ex. 3): Resolver o seguinte sistema de equaes lineares usando o mtodo de Gauss-Jordan
com pivotamento parcial:

56

 3x 1 15. x 2 4.75x 3 8

4 x 1 2 x 2 3x 3 7
2 x 5x 3x 12
2
3
1
adota-se tambm, operaes aritmticas com 4 (quatro) dgitos significativos e
arredondamento ponderado.
Na forma matricial tem-se
3 15
. 4.75

3
4 2
2 5
3

x1

x2 7
x 3
12

1). Gerao da matriz expandida:

3

15
.

4
2

2
5

4.75
3
3

7
- 12

2). Pivotao parcial, correspondente ao primeiro piv (k = 1):

(i). Busca do maior mdulo da coluna k = 1
k=1
i=2

4
2

15
.
2
5

4.75 8

3 7
3 - 12

(o elemento de maior mdulo est na linha i = 2).

(ii). troca de linhas:

3 15
. 4.75 8 L 1 L 2

3 7 L 2 L1
4 2
2 5
3 - 12

(Troca da linha L1 com a linha L2 e vice-versa)

(iii). Matriz pivotada:

(4)

3
2

2
15
.
5

3 7

4.75 8
3 - 12

Obs.: Note que at aqui tem-se um processo idntico a eliminao de Gauss.

3). Processo de normalizao do primeiro piv (k=1):

57

 ( 4)

3
2

15
. 4.75 8
5
3 - 12

3
2

0.5
15
.
5

3 7

L1 L1 / 4

0.75 1.75

4.75 8
3 - 12

4). Processo de diagonalizao, correspondente ao primeiro piv (k = 1):

1

3
2

0.5
15
.
5

0.75 1.75

4.75 8
3 - 12

0.5

0.75 1.75

0
0

L2 L2 3L1
L3 L3 2 L1

2.5 2.75
15
.
- 15.5

5). Pivotao Parcial, correspondente ao segundo piv (k=2):

(i). Busca parcial do maior mdulo da coluna k = 2 (busca a partir da segunda linha e
segunda coluna, pois a primeira coluna j foi anulada)
k=2

1 05. 0.75 1.75

0
0
2
.
5

2.75

L2 L3
0 (4) 15. -15.5 L3 L2

(elemento de maior mdulo da coluna k=2 est

na linha i = 3).

(ii). troca de linhas:

1 05. 0.75 1.75

0
(
4
)
15
.

-15.5

0 0 2.5 2.75

(Troca da linha L2 com a linha L3 e vice-versa)

6). Processo de normalizao do segundo piv (k=2):

1 0.5 0.75 1.75

15
. - 15.5
0 4
0 0 2.5 2.75

L2 L2 / 4

58

0.5

0
0

0.75 1.75

0.375 - 3.875
2.5 2.75

7). Processo de diagonalizao, correspondente ao segundo piv (k = 2):

1

0.5

0
0

1
0

0
0

1
0

0.75 1.75

0.375 - 3.875
2.5 2.75

L1 L1 0.5 L2
L 3 L3 0 L 2

0.5625 3.6875

0.375 - 3.875
2.5
2.75

9). Processo de normalizao do terceiro piv (k = 3):

1

0
0

1
0

0.5625 3.6875

0.375 - 3.875
2.5 2.75

L3 L3 / 2.5

1 0 0.5625 3.688

0 1 0.375 - 3.875
0 0
1
1.1
10). Processo de diagonalizao, correspondente ao terceiro piv (k = 3):
1 0 0.5625 3.688

L1 L1 0.5625L3

0 1
0 0

0.375 - 3.875
1
1.1

L2 L2 0.375L3

0 3.069

0
0

0 - 4.288
1 1.1

Analisando o sistema de equaes equivalente, gerado a partir do processo de

eliminaes sucessivas, tem-se o seguinte sistema:
x1 0x 2 0x 3 3.069

0x1 x 2 0x 3 4.288
0x 0x x 1.1
2
3
1

Obs.: Note que cada equao representa explicitamente uma incgnita, ou seja, o vetor b de
termos independentes modificado guarda a prpria soluo do sistema. Assim,
x1 = 3.069
x2 = - 4.288
59

x1 = 1.100
A soluo obtida
S = {3.069,- 4.288,1.100}
Exerccios:
3). Elabore um algoritmo para resolver um sistema de equaes lineares pelo mtodo de
Gauss-Jordan utilizando pivotao parcial;
6.2.3 - Mtodo da Inverso de Matrizes:
Seja o sistema dado pela eq. (1), A.x = b,
onde A a matriz de coeficientes, x o vetor de incgnitas e b o vetor de termos
independentes.
Multiplicando a equao (1) pela matriz inversa A-1 de A, obtida a partir de um mtodo
qualquer, tem-se,
A-1.(A.x) = A-1.(b)
Utilizando a associatividade do produto matricial resulta:
(A-1.A).x = A-1.b
I.x = A-1.b
x = A-1.b
Portanto, pode-se obter o vetor de incgnitas x multiplicando a matriz inversa A-1 pelo
vetor b.
Trata-se de um mtodo eficiente quando dispomos da inversa da matriz A, caso
contrrio temos o custo adicional da determinao da inversa.
Ex. 4): Resolva o sistema de equaes lineares indicado abaixo usando o mtodo de inverso
de matrizes. Utilize o processo de pivotamento parcial para evitar pivs nulos.

3x 1 15. x 2 4.75x 3 8

4 x 1 2 x 2 3x 3 7
2 x 5x 3x 12
2
3
1
Adota-se tambm operaes aritmticas com 4 (quatro) dgitos significativos e
arredondamento ponderado.
Na forma matricial tem-se
60

 3 15
. 4.75

3
4 2
2 5
3

x1
8

x2 7
x 3
12

1). Gerao da matriz inversa de A.

Adota-se um mtodo prtico clssico para se obter a matriz inversa:
(i). Primeiramente gera-se a matriz aumentada [ A | I ], composta pela matriz A e pela matriz
identidade I da mesma ordem de A:
3

15
.

4
2

2
5

4.75 1
3
3

0
0

0
1

0
1
0

(ii). Atravs de operaes elementares sobre linhas (ou sobre colunas) transforma-se a matriz
A na matriz identidade I, e consequentemente a matriz identidade inicial transforma-se na
inversa A-1. Trata-se de um procedimento anlogo ao utilizado no mtodo de Gauss-Jordan.
Este procedimento tambm pode ser associado a um processo de pivotao parcial,
para evitar pivs nulos e diminuir a perda de significao.
Seguem-se os passos para obteno de A-1:
a). Pivotao parcial, correspondente ao primeiro piv (k=1):
(i). Busca do maior mdulo da coluna k = 1
k=1

3
( 4)
2

15
.
2
5

i=2

4.75 1
3 0
3 0

0
1

0
1
0

(Elemento de maior mdulo da coluna

k=1 est na segunda linha)

(ii). troca de linhas:

15
. 4.75 1 0 0 L1 L2

3 0 1 0 L2 L1
( 4) 2
2
5
3 0 0 1

(Troca da linha L1 com a linha L2 e

vice-versa)

(iii). Matriz pivotada:

4

3
2

15
.

4.75 1

3
3

b). Processo de normalizao do primeiro piv (k=1):

0 1 0 L1 L1 / 4

. 4.75 1 0 0
3 15
2 5
3 0 0 1

61

0.5

0.75 0

0.25

3
2

15
.

4.75 1

0
1

c). Processo de diagonalizao, correspondente ao primeiro piv (k = 1):

1

0.5

0.75 0

0.25

3
2

15
.
5

4.75 1
3 0

0
0

0.5

0.75 0

0.25

0
0

0
4

2.5 1
15
.
0

0.75
0.5

0 L2 L2 3 L1
1 L3 L3 2 L1
0

0
1

Obs.: Note que existe uma completa analogia com o mtodo de eliminao de Gauss-Jordan.
d). Pivotao parcial, correspondente ao segundo piv (k=2):
(i). Busca parcial do maior mdulo da coluna k = 2 (busca a partir da segunda linha,
pois a primeira linha j foi utilizada no processo de eliminao).
k=2
1

0.5

0.75 0

0.25

0
0

2.5 1

0.75

( 4)

15
. 0

0.5

0
1

L2 L3
L3 L2

(o elemento de maior mdulo da coluna

k = 2 est na terceira linha).

(ii). troca de linhas:

1

0
0

0.5
( 4)
0

0.75 0
15
. 0
2.5 1

0.25
0.5
0.75

1
0

(Troca da linha L2 com a linha L3 e vice-versa)

Obs.: Note que a pivotao parcial eliminou um piv nulo (processo possvel em caso de
matrizes no singulares).
e). Processo de normalizao do segundo piv (k=2):

1 0.5 0.75 0 0.25 0

0 4 1.5 0 0.5 1 L L / 4
2

2
0 0 2.5 1 0.75 0
0.5

0.75 0

0.25

0
0

0.375 0

0.125

2.5

0.75

0.25
0

f). Processo de diagonalizao, correspondente ao segundo piv (k = 2):

62

0.5

0.75 0

0.25

0
0

1
0

0.375 0
2.5 1

0.125
0.75

0.5625 0

0.3125

0
0

0.375 0

0.125

2.5

0.25
0

L 3 L 3 0L 2

- 0.125

0.25
0

0.75

L1 L1 0.5L2

g). Processo de normalizao do terceiro piv (k = 3):

1
0

0.5625 0

0.3125

1
0

0.375 0
2.5 1

0.125
0.75

0
1

0.5625 0
0.375 0

- 0.125
0.25
0 L 3 L 3 / 2.5

0.3125
0.125
0.3

0.4

- 0.125

0.25
0

h). Processo de diagonalizao, correspondente ao terceiro piv (k = 3):

1 0 0.5625 0 0.3125 - 0.125 L1 L1 0.5625L3

.
0.25 L2 L2 0.375L3
0 1 0.375 0 0125
0 0
1
0.4 0.3
0
1

0 - 0.225

0.4812

0
0

1
0

0 0.15
1 0.4

0.0125
0.3

- 0.225

Ento,

-1

A = 0.15

- 0.125

0.25
0

0.4812
0.0125

0.4

0.3

- 0.125

0.25
0

Para obter o vetor soluo x efetua-se o produto entre A-1 e b:

- 0.225

0.15

-1

x=A .b=

0.4812
0.0125

0.4

0.3

- 0.125

0.25
0

. 7
12

3.069

4.288
1100

Ento, a soluo do sistema a seguinte:

x1 = 3.069
x2 = - 4.288
x3 = 1.100
S = {3.069,-4.288,1.100}
Exerccios:
63

4). Resolva o seguinte sistema de equaes lineares pelos mtodos de:

Gauss com pivotamento total;
Gauss-Jordan com pivotamento total;
Inverso de matriz com pivotamento parcial;

3x1 15. x 2 4.75x 3 8

4,01x1 x 2 3x 3 7
x 0,5x - 0,05x 1
2
3
1
5). Monte um algoritmo para determinar a matriz inversa de A, recorrendo ao pivotamento
parcial (sugesto: use o algoritmo de Gauss-Jordan).
Alm dos mtodos de eliminao tradicionais, como Gauss, Gauss-Jordan e inverso, tem-se
as suas variaes classificadas como mtodos de decomposio LU, conforme o
procedimento que segue.
6.2.4 - Mtodo de decomposio LU (Crout)
Nesta famlia de mtodos diretos para a soluo de um sistema linear faz-se uso do
fato de que, sob certas condies, uma matriz quadrada pode ser decomposta no produto de
duas matrizes triangulares. Uma destas variaes do procedimento geral de eliminao
conhecida como mtodo de Crout (ou Cholesky para o caso particular de matrizes simtricas
positivas definidas).
A matriz A pode ser decomposta no produto A=LU, onde L uma matriz triangular
inferior e U uma matriz triangular superior , quando a matriz for no singular (Det (A) 0).
Alm disso, se atribuirmos valores fixos aos elementos da diagonal, seja de L (l ii = 1 no
Mtodo de Doolitle) ou em U (uii = 1 no Mtodo de Crout), esta decomposio ser nica.
Para a soluo de A . x = b, pode-se decompor A segundo o Mtodo de Crout,
conforme segue:

l 11
l
21

0
l 22

l
l n2
n1

0
0

1 u 12
0 1

l nn

u 1n

u 2n

tal que A = L.U. Ento, o sistema torna-se L.U.x = b.

Fazendo U.x = c, resolve-se primeiro L.c = b e depois U.x = c.
Para um sistema 3x3 podemos escrever:

64

 a1 a12 a13 b1 l1 0 0 1 u12 u13 c1

a a a b l l 0 0 1 u c
21 2 23 2 21 2 23 2
a31 a32 a3 b3 l31 l32 l3 0 0 1 c3
Esta multiplicao de matrizes pode ser usada para definir os valores de l ij , u ij e c i
em termos dos valores a ij e b i .
l11 a 11
l 21 a 21
l 31 a 31

u12 a 12 / l11
u13 a 13 / l11

l 22 a 22 l 21u12

l 32 a 32 l 31 u 12

u 23 (a 23 l 21 u 13 ) / l 22

l 33 a 33 l 31u13 l 32 u 23

c 1 b 1 / l 11

c 2 ( b 2 l 21 c 1 ) / l 22
c 3 ( b 3 l 31 c 1 l 32 c 2 ) / l 33

Note que o clculo de c pode ser feito da mesma forma que o clculo de u.
A sequncia de operaes :
1). Calcular a primeira coluna de L, calcular a primeira linha de U e c1;
2). Calcular a segunda coluna de L, calcular a segunda linha de U e c2;
e assim sucessivamente.
Os valores de x so obtidos por substituio sucessiva a partir de c (U.x = c)
x 3 c3
x 2 c 2 u 23 x 3
x 1 c 1 u 13 x 3 u 12 x 2
Note que, o vetor c tambm pode ser obtido do sistema parcial L.c = b por
substituies sucessivas.
Sugere-se usar o processo "tipo escada" para armazenar L e U na mesma rea de
memria, o que torna o processo mais eficiente,

65

 a1 a12 a13 b1 l1 u12 u13 c1

a 21 a2 a23 b2 l21 l2 u23 c2
a31 a32 a3 b3 l31 l32 l3 c3
De uma forma geral, para sistemas de ordem n:
- Operaes com o primeiro piv: k = 1
l i1 a i1

i = 1,2,3,...,n

u1j a 1j / l11

j = 2,3,...,n+1

- Operaes com piv genrico: k = 2,3,...,n

k 1

l ik a ik l ir u rk

i k (i = k,k+1,...,n)

r 1

u kj

k 1

l kk

a kj l kr u rj
r 1

j > k (j = k+1,...,n+1)

Ex. 5): Resolver o sistema abaixo pelo Mtodo de Crout, sem estratgia de pivotamento,
usando 4 dgitos significativos e arredondamento ponderado.
0.448 x1 0.832 x 2 0.193x3 1

0.421x1 0.784 x 2 0.207 x3 0

0.421x 0.784 x 0.279 x 0
1
2
3

Armazenam-se os valores de b i em a i 4 e c i em u i 4 e a matriz decomposta L e U

na prpria rea de memria de A.

66

 a11 a12 a13 a14

a21 a22 a23 a24

a31 a32 a33 a34

l11 u12 u13 u14

aps a decomposio LU

l21 l22 u22 u24

l31 l32 l33 u34

1). Gerao da matriz expandida:

0.448
0.421

0.832
0.784

0.421

0.784

0.193 1
0.207 0
0.279 0

2). Decomposio LU (Mtodo de Crout), correspondente ao processo com o primeiro piv

(k = 1):
Adota-se aqui a seguinte legenda:
- Representao em Negrito: para valores da matriz decomposta L e U.
- Representao normal: para valores da matriz expandida original A | b.
(i). Definio da primeira coluna k = 1 da matriz L - li1:(i=1,2,3).
0.448
0.421

0.421

0.832
0.784
0.784

0.193 1

- 0.207 0
0.279 0

C1

C1

(ii). Como no existe pivotamento, o piv j est determinado:

(0.448)
0.421

0.421

0.832
0.784
0.784

0.193 1
0.207 0
0.279 0

(iii). Definio da primeira linha k = 1 da matriz U - u1j: (j=2,3,4)

(0.448) 1.857 0.4308 2.232 L1

0.421 0.784 0.207 0

- 0.421 0.784 0.279 0

L1 / l11

5). Decomposio LU, correspondente ao processo com o segundo piv (k = 2):

(i). Definio da coluna k = 2 da matriz L - li2: (i = 2,3)
67

 0.448
0.421

1.857
0.784

- 0.421

0.784

0.4308 2.232
0.207 0
0.279 0

C2

C 2 l i1u12
0.448
0.421

- 0.421

1.857

0.4308 2.232

0.0022
1.566

0.207 0
0.279 0

(ii). Sem pivotamento.

(iii). Definio da linha k = 2 da matriz U - u2j: (j = 3,4)

0.448
0.421

1.857

0.4308 2.232

0.448
0.421

- 0.421

1.857
(0.0022)
1.566

(0.0022) 0.207 0 L2 ( L2 l 21u1 j ) / l 22

- 0.421 1.566
0.279 0
0.4308 2.232
176.5 427.1

0.279 0

6). Decomposio LU, correspondente ao processo com o terceiro piv (k = 3):

(i). Definio da coluna k = 3 da matriz L - li3: (i = 3)
0.448
0.421

- 0.421

1.857
0.0022
1.566

0.4308 2.232
176.5 427.1

0.279 0
C3

C 3 l 31u 31 l 32 u 23

0.448
0.421

- 0.421

1.857
0.0022
1.566

0.4308 2.232
176.5 427.1

276.9 0

(ii) No h pivotamento.
(iii). Definio da linha k = 3 da matriz U - u3j: (j = 4)
0.448
0.421

- 0.421

1.857
0.0022
1.566

0.4308 2.232
- 176.5 - 427.1
(276.9) 0

L3 ( L3 l 31u14 l 32 u 24 ) / l 33

68

 0.448
0.421

- 0.421

1.857
0.0022
1.566

0.4308 2.232
- 176.5 - 427.1
276.9 2.419

7). Processo de retrosubstituio sucessiva:

Deve-se observar que o vetor de termos independentes b j foi transformado no vetor c
do sistema L.c = b, simultaneamente ao processo de decomposio.
Ento, extraindo da decomposio LU a matriz triangular superior U, com diagonal
principal unitria, pode-se recuperar o sistema de equaes equivalente U x = c, gerado a
partir do processo de decomposio LU empregado, da seguinte forma:
1x1 1.857 x 2 + 0.4308 x 3 2.232

0 x1 1x 2 176.5 x3 427.1
0 x 0 x 1x 2.419
1
2
3

Agora s aplicar o processo de retrosubstituio sucessiva:

x3 = 2.419
x2 = ( -427.1 + 176.5 x3 )
x1 = ( 2.232 - 1.857 x2 - 0.4308 x3 )

x3 = 2.419
(-427.1+427.0)
x2 = -0.1000
(2.232+0.1857-1.042) x1 = 1.376

A soluo obtida
S = { 1.376, -0.1000, 2.419}
Os resduos ( r = | b - A x | ) de cada uma das equaes do sistema linear proposto so
os seguintes:
r1 = | 0.448 x1 0.832 x 2 0.193 x 3 1 | = 0.0001
r2 = | 0.421x1 0.784 x 2 0.207 x 3 0 | = 0.0002
r3 | - 0.421x1 0.784 x 2 0.279 x 3 0 | 0.0172

Neste caso, tambm pode ser calculado o erro exato, dado por
erro = | Xexato - Xaproximado |. A soluo exata foi encontrada atravs do MATLAB, e foi obtida
com 16 dgitos significativos. Vamos avaliar o erro utilizando tambm a preciso de 4 dgitos
significativos, que foi utilizada at aqui em todas as operaes. Ento:
Xexato1 = 1.396
Xexato2 = - 0.1111
Xexato3 = 2.419
E o erro exato obtido foi:
Erro1 = | 1.396 - 1.376 |
Erro2 = | -0.1111 - (-0.1000) |
Erro3 = | 2.419 - 2.419 |

= 0.0020
= 0.0111
= 0.0000

69

Ex. 6): Resolver o sistema anterior pelo Mtodo de Crout, com pivotamento parcial, usando 4
dgitos significativos e arredondamento ponderado.
0.448 x1 0.832 x 2 0.193x3 1

0.421x1 0.784 x 2 0.207 x3 0

0.421x 0.784 x 0.279 x 0
1
2
3

1). Gerao da matriz expandida:

0.448
0.421

0.832
0.784

0.421

0.784

0.193 1
0.207 0
0.279 0

2). Decomposio LU (Mtodo de Crout), correspondente ao processo com o primeiro piv

(k = 1):
(i). Definio da primeira coluna k = 1 da matriz L - li1:(i=1,2,3).
0.448
0.421

0.421

0.832
0.784
0.784

0.193 1

- 0.207 0
0.279 0

C1

C1

(ii). Pivotao parcial, correspondente ao primeiro piv (k=1):

A matriz j se encontra pivotada (vide Ex. 1):
(0.448)
0.421

0.421

0.832
0.784
0.784

0.193 1
0.207 0
0.279 0

(iii). Definio da primeira linha k = 1 da matriz U - u1j: (j=2,3,4)

(0.448) 1.857 0.4308 2.232 L1

0.421 0.784 0.207 0

- 0.421 0.784 0.279 0

L1 / l11

5). Decomposio LU, correspondente ao processo com o segundo piv (k = 2):

(i). Definio da coluna k = 2 da matriz L - li2: (i = 2,3)
70

 0.448
0.421

1.857
0.784

- 0.421

0.784

0.4308 2.232
0.207 0
0.279 0

C2

C 2 l i1u12
0.448
0.421

- 0.421

1.857

0.4308 2.232

0.0022
1.566

0.207 0
0.279 0

(ii). Pivotao Parcial, correspondente ao segundo piv (k=2):

(ii)-a). Busca parcial do maior mdulo da coluna k = 2 (busca a partir da segunda
linha):
0.448
0.421

- 0.421

0.4308 2.232
0.207 0
0.279 0

1.857
0.0022
(1.566)

(ii)-b) troca de linhas.

0.448
- 0.421

0.421

1.857
(1.566)
0.0022

0.4308 2.232
0.279 0 L 2 L3
0.207 0 L3 L 2

(iii). Definio da linha k = 2 da matriz U - u2j: (j = 3,4)

1.857
0.448
0.421 (1.566)

0.421

0.0022

0.448
0.421

0.421

1.857
(1.566)
0.0022

0.4308 2.232

0.279 0 L2 ( L2 l 21u1 j ) / l 22
0.207 0
0.4308 2.232
0.2940 0.6001
0.207 0

6). Decomposio LU, correspondente ao processo com o terceiro piv (k = 3):

(i). Definio da coluna k = 3 da matriz L - li3: (i = 3)

0.448
0.421

0.421

1.857
1.566
0.0022

0.4308 2.232
0.2940 0.6001
0.207 0

C3

C 3 l 31u13 l 32 u 23
71

 0.448
0.421

0.421

1.857
1.566
0.0022

0.4308 2.232
0.2940 0.6001
0.3890 0

(ii) No h pivotamento, pois a ltima linha.

(iii). Definio da linha k = 3 da matriz U - u3j: (j = 4)
0.448
0.421

0.421

0.448
0.421

0.421

1.857
1.566
0.0022
1.857
1.566
0.0022

0.4308 2.232
0.2938 0.6001
( 0.3890) 0

L3 ( L3 l 31u14 l 32 u 24 ) / l 33

0.4308 2.232
0.2940 0.6001
0.3890 2.419

7). Processo de retrosubstituio sucessiva:

1x1 1.857 x 2 + 0.4308 x 3 2.232

0 x1 1x 2 0.2940 x3 0.6001
0x 0x
1x 3 2.419
1
2

Agora s aplicar o processo de retrosubstituio sucessiva:

x3 = 2.419
x2 = ( 0.6001 - 0.2940 x3 )
x1 = ( 2.232 - 1.857 x2 - 0.4308 x3 )

x3 = 2.419
(0.6001-0.7112)
x2 = - 0.1111
(2.232+0.2063-1.042) x1 = 1.396

A soluo arredondada obtida :

S = { 1.396, -0.1111, 2.419}
Os resduos ( r = | b - A x | ) de cada uma das equaes do sistema linear proposto so
os seguintes:
r1 = | 0.448 x1 0.832 x 2 0.193 x 3 1 | = 0.0002
r2 = | 0.421x1 0.784 x 2 0.207 x 3 0 | = 0.0001
r3 | - 0.421x1 0.784 x 2 0.279 x 3 0 | 0.0001

Clculo do erro: erro = | Xexato - Xaproximado |.

Xexato1 = 1.396
Xexato2 = - 0.1111
Xexato3 = 2.419
E o erro exato obtido foi:
72

Erro1 = | 1.396 - 1.396 |

Erro2 = | -0.1111 - (-0.1111) |
Erro3 = | 2.419 - 2.419 |

= 0.0000
= 0.0000
= 0.0000

Consideraes:
(i). O nmero de operaes aritmticas envolvidas em cada um dos mtodos de eliminao
(sem pivotamento) apresentados da seguinte ordem:
Mtodos:
Gauss

Nmero de Operaes:
(sem pivotamento)
O ( 2 n3 / 3 )

Gauss-Jordan

O ( 2 n3 / 3 )

Inverso

O ( n3)

Crout

O ( 2 n3 / 3 )

Note que o mtodo de inverso de matrizes computacionalmente o menos eficiente,

pois envolve o maior nmero de operaes aritmticas, enquanto os mtodos de Gauss e
Crout so os que envolvem menor esforo computacional.
Entretanto, quando temos vrios sistemas para resolver com a mesma matriz de
coeficientes A e com diferentes vetores de termos independentes b (em A x = b k), pode-se
obter a matriz decomposta L.U dos coeficientes uma nica vez e efetuar as substituies
sucessivas L.ck = bk e U.xk = ck, tantas vez quantas forem necessrias para se obter as
respectivas solues ck e xk, correspondentes a cada bk.
Nestes casos, tem-se apenas um custo da ordem de O(n 2) operaes, referente as as
substituies sucessivas, para se obter a soluo xk.
(ii). O nmero total de operaes aritmticas utilizado no mtodo de decomposio LU de
Crout (4n3+15n2-13n)/6 , que praticamente igual ao do Mtodo de Gauss que realiza
(4n3+9n2-7n)/6 . Veja a tabela comparativa entre as operaes realizadas pelos dois mtodos:
Operao
Adico +Subtrao
Multiplicao
Diviso

Mtodo de Crout
(2n +9n2-11n)/6
(2n3+3n2-5n)/6
(n2+n)/2
(4n3+15n2-13n)/6
3

Total

Mtodo de Gauss
(2n +3n2-5n)/6
(2n3+3n2-5n)/6
(n2+n)/2
(4n3+9n2-7n)/6
3

Outro importante aspecto a ser considerado que a acumulao de erros de

arredondamento no mtodo de Crout menor que no de Gauss, isto se deve a menor
propagao dos erros gerados nas divises sucessivas.
(iii). No caso particular de sistemas com matrizes simtricas (U = L T) e positivas definidas
pode-se obter uma simplificao no mtodo de decomposio para obter as matrizes L e U,
chamado de Mtodo de Cholesky (O(n3/6) operaes). Neste caso a matriz U pode ser obtida
diretamente pela transposta de L (A = L Lt), segundo as seguintes equaes:
- Operaes com o primeiro piv: k = 1
l 11

a 11
73

l i1 a i1 / l 11

(i = 2,3,...,n)

- Operaes com piv genrico: k = 2,3,...,n-1.

k 1

l kk a kk l

r 1

l ik

2
kr

1/ 2

k 1

a ik l ir l kr

l kk

r 1

i = k+1,...,n

- Operaes com o ltimo piv: k = n

e

n 1

l nn a nn l

r 1

2
nr

1/ 2

O mtodo de Cholesky tambm utilizado para fazer um teste rpido se uma dada
matriz simtrica positiva definida ou no. Caso a decomposio seja possvel (radicando
positivo) ento a matriz simtrica positiva definida.

Exerccios:
6). Resolva o seguinte sistema de equaes lineares pelo mtodo de Cholesky:

4 x1

x2

x3 0

x1 4.25x 2 2.75x 3 1
x 2.75x 35. x 1
2
3
1
7). Para resolver um sistema de equaes lineares ordem 10 ( 10 equaes por 10 icgnitas)
um computador (Pentium 133), utilizando o mtodo de Eliminao de Gauss s/ pivotamento,
levou 0.11 segundos para encontrar a soluo. Estime o tempo que este mesmo computador
levaria para resolver um sistema de ordem 100, utilizando o mesmo mtodo.

74