Você está na página 1de 54

33

SISTEMAS DE EQUAES LINEARES


Um problema fundamental que normalmente encontrado na descrio matemtica de
fenmenos fsicos o da soluo simultnea de um conjunto de equaes. Traduzido para a linguagem
matemtica, tais fenmenos passam a ser descritos por um conjunto de m equaes em que se deseja
determinar a soluo de n variveis de interesse, normalmente chamadas de incgnitas.

Motivao
Uma transportadora possui 5 tipos de caminhes, representados por (1), (2), (3), (4) e (5), ao
quais so equipados para transportar 5 tipos de diferentes mquinas A, B, C, D e E segundo a tabela:

Mquinas
Caminhes
(1)
(2)
(3)
(4)
(5)

A
1
0
2
3
2

B
1
1
1
2
1

C
1
2
1
1
2

D
0
1
2
2
3

E
2
1
0
1
1

Problema:
Supondo que A, B, C, D e E a quantidade de mquinas que cada caminho pode transportar
levando carga plena, quantos caminhes de cada tipo devemos enviar para transportar exatamente:

27 mquinas do tipo A,
23 mquinas do tipo B,
31 mquinas do tipo C,
31 mquinas do tipo D,
22 mquinas do tipo E?

Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

34

Definies
1. Uma equao linear em n variveis x1, x2,..., xn uma equao da forma
a1x1 + a2x2 +...+ anxn = b
em que a1, a2,..., an e b so constantes reais;
2. Um sistema de equaes lineares ou simplesmente sistema linear um conjunto de n
equaes lineares, ou seja, um conjunto de equaes lineares do tipo:

a11 x1 a12 x2 a13 x3 ... a1n xn b1

a21 x1 a22 x2 a23 x3 ... a2 n xn b2


........................................................
........................................................

am1 x1 am 2 x2 am3 x3 ... amn xn bm


em que aij e bk so constantes reais, para i, k = 1,..., m e j = 1,..., n. Na forma matricial, este
sistema representado como: Ax = b. Neste caso,

a11 a12

a21 a22

A=
ai1 ai 2

am1 am 2

a1 j
a2 j
aij
amj

x1

x2

x = x
j

x
n

a1n

a2 n

: matriz dos coeficientes de ordem m n


ain

amn

: vetor de incgnitas de ordem n 1

b1

b2

b = : vetor independente de ordem m 1
bi


bm
Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

35

quando m = n, o sistema de equaes lineares dito quadrado.


Resolver um sistema Ax = b consiste em determinar um vetor x* ( x1 , x2 ,...xn )T que
satisfaa simultaneamente todas as equaes lineares que compem o sistema.

Classificao do Sistema Linear quanto Soluo


Os tipos de solues dos sistemas lineares dependem da matriz A:
Sistema Possvel ou Compatvel

Admite soluo.

Sistema Possvel e Determinado

Possui uma nica soluo;


O determinante de A deve ser diferente de zero (A uma matriz no-singular);
Se b for um vetor nulo (constantes nulas), a soluo do sistema ser a soluo trivial, ou seja,
o vetor x tambm ser nulo.

Anlise Geomtrica no 2:
P:

x1 x2

x1 x2

2
0

A=

1 1

1 1

det A= -2 0

x1 * 1
S = {x* 2 /
= }. Neste caso, as equaes de retas x1+ x2= 2 e x1 - x2= 0 so concorrentes
x2 * 1
em 2 e, desta forma, o sistema tem soluo nica.

Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

36

Sistema Possvel e Indeterminado


Possui infinitas solues;
O determinante de A nulo (A uma matriz singular);
O vetor de constantes b deve ser nulo ou mltiplo de uma coluna de A.
Anlise Geomtrica no 2:

x1
P:
2 x1

x2

2 x2

1 1
det A = 2 - 2 = 0
A =
2 2

Em 2 , se as retas forem paralelas coincidentes, ento o sistema possui infinitas solues,

x1 * x1

portanto, S = {x* 2 /
x1 }
x2 * 2 x1
Sistema Impossvel ou Incompatvel

No possui soluo;
O determinante de A deve ser nulo;
O vetor B no pode ser nulo ou mltiplo de alguma coluna de A

Anlise Geomtrica no 2:

x1
P:
2 x1

x2

2 x2

Profa. Adriana Cherri

1 1

A =
2 2

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

det A = 0

Profa Edma Baptista

37

Em 2 , o sistema no tem soluo quando as equaes de retas que o definem so paralelas


no coincidentes.

x1
P:
2 x1

x2

2 x2

x1
~

x2
0

soluo em 2

Anlise Geomtrica das Solues em 3 :


a11 x1

Forma do Sistema Linear: a21 x1


a x
31 1

a12 x2
a22 x2

a13 x3
a23 x3

b1
b2

a32 x2

a33 x3

b3

a11

1 : a11 x1 a12 x2 a13 x3 n1 a12 : vetor normal ao plano 1 .
a
13

a21

2 : a21 x1 a22 x2 a23 x3 n2 a22 : vetor normal ao plano 2 .
a
23
a31

3 : a31 x1 a32 x2 a33 x3 n3 = a32 : vetor normal ao plano 3 .
a
33

a) Sistema compatvel determinado:


Se n1 , n2 e n3 forem Linearmente Independentes (L.I.) em 3 , ento A uma matriz no
singular. Neste caso, o sistema P tem soluo nica.
Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

38

P: x
x

y z 1
y z 1
y z 1

x1

x1
x
1

x2
x2

x3
x3

1
1

x2

x3

Geometricamente:

Os trs planos 1 : z x y 1 = 0, 2 : z x + y 1 = 0 e 3 : z + x y 1 = 0 so concorrentes


entre si.
b) Sistema compatvel indeterminado:
Um sistema compatvel indeterminado em 3 se a matriz A singular. Desta forma, dois vetores
normais aos planos devem ser Linearmente Dependentes (L.D.). Trs situaes podem ocorrer:
n1 e n2 : L.D. e L.I. com n3 .
(1)

n1 e n3 : L.D. e L.I. com n2 .

(2)

n2 e n3 : L.D. e L.I. com n1 .

(3)

OBS: Se : n1 , n2 e n3 so L.D. det A = 0

(4)

Geometricamente:
Para o caso (1) tem-se o seguinte exemplo:
x y z 1

P: 2 x 2 y 2 z 2
x y z 1

Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

39

Neste caso: 1 : z x y 1 = 0, 2 : z x y 1 = 0 e 3 : z x + y 1 = 0. Os planos 1 e


2 so paralelos coincidentes. (1).
Para o caso (4) tem-se o seguinte exemplo:
x y z 1

P: 2 x 2 y 2 z 2
3x 3 y 3z 3

Neste caso, 1 : z x y 1 = 0, 2 : z x y 1 = 0 e 3 : z x y 1 = 0 so paralelos


coincidentes.
c) Sistema Incompatvel:
Para sistemas incompatveis, a matriz A deve ser singular, porm, os planos paralelos devem
ser no coincidentes. As condies de paralelismo so as mesmas encontradas em (1), (2), (3) e (4).
Considerando-se os planos 1 : z 2 = 0 e 2 : z 5 = 0, 3 : z 2x 2y = 0, geometricamente
tem-se:

Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

40

Os planos 1 : z 2 = 0 e 2 : z 5 = 0 so paralelos no coincidentes.


Quando det A = 0 os planos 1 : z + 3 = 0, 2 : z 1 = 0 e 3 : z 5 = 0 so paralelos no
coincidentes. Geometricamente tem-se:

Os planos 1 : z + 3 = 0, 2 : z 1 = 0 e 3 : z 5 = 0 so paralelos no coincidentes.


Definies
1. Um sistema linear Ax = b homogneo se o vetor b = (b1, b2, ..., bm)T = 0.
Um sistema homogneo sempre consistente, uma vez que o vetor nulo sempre soluo deste
sistema.
2. Matriz Transposta:
Seja A ij ), i = 1, ..., n, j = 1, ..., n. A matriz transposta de A, denotada por AT definida
a partir da matriz A por: AT = (b ij ), i = 1,, n, j = 1,, n tal que bij a ji .

Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

41

a11

a
A= 21

a
n1

a12 a1n

a22 a2 n

an 2 ann

a11

a
AT = 12

a
1n

a21 an1

a22 an 2

a2 n ann

3. Matriz simtrica:
Uma matriz A nxn , A = (a ij ), i = 1, ..., n, j = 1, ..., n simtrica se aij a ji (i j), i, j =
1, ..., n.
a11

a
A = 12

a
1n

a12 a1n

a22 a2 n

a2 n ann

4. Matriz triangular inferior:


Uma matriz A nxn , A = (a ij ), i = 1, ..., n, j = 1, ..., n triangular inferior se aij = 0 para
i < j, i, j = 1,...,n.

a11

a21
A = a31


a
n1

a22

a32

a33

an 2

an 3

0 0
0 0

0
ann
0

5. Matriz triangular superior:


Uma matriz A nxn , A = (a ij ), i = 1, ..., n, j = 1, ..., n triangular superior se aij = 0 para
i > j, i, j = 1,...,n.

a11

0
A= 0

a12
a22
0

a13 a1n

a23 a2 n
a33 a3n


0 ann

OBS:
Sistema triangular inferior: matriz do sistema uma matriz triangular inferior.
Sistema triangular superior: matriz do sistema uma matriz triangular superior.
Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

42

6. Sistemas equivalentes:
Sejam P e P dois sistemas lineares (quadrados ou retangulares). Dizemos que o sistema
P equivalente a P (notao: P ~ P) se P obtido de P a partir das seguintes operaes elementares:
i.
ii.
iii.

Troca da posio de linhas ou de colunas de P;


Multiplicao de uma linha de P por um escalar 0;
Multiplicao uma linha de P por um escalar 0 e adio a uma outra linha de S.

OBS: Se P e P so equivalentes, ento a soluo de P soluo de P.

Exemplo:

x1
P:
x1

x2

x2

multiplicando a 1o. linha de P por = 1 e adicionando 2o. linha de P,

x1
obtemos o sistema equivalente P dado por: P:
0 x1

x2
2 x2

2
2

1 1
1 1
~ A=
Na forma matricial: A =
matriz triangular superior.
0 2
1 1

Classificao dos sistemas lineares

Mtodos diretos: so aqueles que fornecem soluo exata do sistema linear, caso ela exista,
aps um nmero finito de operaes.

Mtodos iterativos: geram uma sequncia de vetores {x(k)} a partir de uma aproximao
inicial x(0). Sob certas condies, esta sequncia converge para a soluo x*, caso ela exista.

Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

43

SOLUO DE SISTEMAS LINEARES E INVERSO DE MATRIZES


Mtodos exatos para soluo de sistemas lineares
Para sistemas lineares possveis e determinados de dimenso n n , o vetor soluo x, dado
por x A1b . No entanto, calcular explicitamente a inversa de uma matriz no aconselhvel, devido
quantidade de operaes envolvidas. Surge ento a necessidade de utilizar tcnicas mais avanadas
eficientes como as que estudaremos a seguir.

Sistema Triangular Superior


Seja o sistema triangular superior
a11 x1 a12 x2 ... a1n xn b1

a22 x2 ... a2 n xn b2

.............................

ann xn bn

em que aii 0; i = 1, 2,..., n.


Por substituio Retroativa podemos resolv-lo pelas frmulas:
b
xn = n
a nn
n

xi = (bi

j i 1

ij

x j ) / aii, i = (n 1), ..., 1

Exemplo:
Resolver o sistema triangular superior
2
(0

1
1

Por substituio retroativa:


x3 = 2
x2 + x3 = 1
x2 = 1
2x1 + x2 + 3 x3 = 9 x1 = 1

9
3
x1
1 ) ( x2 ) = ( 1 )
1

x3

1
Portanto, x*= ( 1 ).
2

Sistema Triangular Inferior


Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

45

Seja o sistema triangular inferior:

b1
a11 x1
a x a x
b2
21 1 22 2

a x a x .... a x b
nn n
n
n1 1 n 2 2
em que aii 0, i = 1, 2, ..., n.
Por substituio progressiva podemos resolv-lo pelas frmulas:
b
x1 = 1
a11
i 1

xi = (bi

a
j 1

ij

x j ) / aii, i = 2, 3, ..., n.

Exemplo:
Resolver o sistema triangular inferior,
0 0 y1 9
1


1 0 y2 = 1
0
1 / 2 1 / 2 1 y 7

Por substituio progressiva tem-se:


y1 = 9
y2 = 1
1
1
y1 + y2 + y3 = 7
2
2

y3 = 2

9

Portanto, y * = 1
2

Mtodo de Eliminao de Gauss

Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

46

Seja o sistema linear Ax = b, em que A possui todas as submatrizes principais no


singulares. O mtodo de eliminao de Gauss consiste em transformar o sistema dado num
sistema triangular superior equivalente pela aplicao repetida da operao:
subtrair de uma equao outra equao multiplicada por uma constante diferente de zero.
claro que tal operao no altera a soluo do sistema, isto , obtm-se com ela outro
sistema equivalente ao original.
Descrio do algoritmo:
Considere o sistema:
a11 x1 a12 x2 a1n xn b1
a x a x a x b
21 1 22 2
2n n
2

an1 x1 an 2 x2 ann xn bn

cuja matriz dos coeficientes chamaremos A(1) .


A matriz aumentada dada por:
(1)

12

(1)

22

(1)
2

11
(1) =

21

(1)
(1

(1)
(1)

(1)

1 1(1)
(1)
2 |2(1)
|
(1) (1)
)

em que aij(1) = aij, bi(1) = bi ; i, j = 1, 2, ..., n.


Por hiptese temos que a11(1) 0, pois det (A1) 0.
Passo 1:
Eliminar a incgnita x1 da 2a , 3a , ..., na equaes (isto , zerar os elementos da primeira
coluna abaixo da diagonal). Isso feito da seguinte forma:
Subtramos da 2a equao a 1a equao multiplicada por m21

Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

(1)
a21
(1)
a11

Profa Edma Baptista

47

(1)
a31
Subtramos da 3 equao a 1 equao multiplicada por m31 (1)
a11

Subtramos da na equao a 1a equao multiplicada por mn1

an(11)
(1)
a11

Ao final desta etapa, teremos a seguinte matriz:


(1)

(2)

(1)

(1)

1 1(1)
(2)
(2) | (2)
0
22 2
2
=
|

(2)
(2) (2)
)
( 0 2
11

12

em que:

ai(11)
mi1 (1) , i = 2, 3, ..., n
a11
aij( 2) aij(1) mi1a1(1j) , i = 2, 3, ..., n, j = 1, 2, ..., n

bi( 2) bi(1) mi1b1(1) , i = 2, 3, ..., n


(2)
0, pois det ( A2) 0 .
Temos por hiptese que a22

OBS: Os elementos mi1

ai(11)
, i = 2, 3, ..., n so denominados multiplicadores e o elemento
(1)
a11

(1)

11 denominado de piv da primeira etapa.


Passo 2:
Eliminar a incgnita x2 da 3a, 4a, ..., na equaes (isto , zerar os elementos da segunda
coluna abaixo da diagonal). Para isso:
Subtramos da 3a equao a 2a equao multiplicada por m32

Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

( 2)
a32
( 2)
a22

Profa Edma Baptista

48

( 2)
a42
Subtramos da 4 equao a 2 equao multiplicada por m42 ( 2)
a22

Subtramos da na equao a 2a equao multiplicada por mn 2

an( 22)
( 2)
a22

Ao final desta etapa, teremos a matriz A(3):

(3)

11

(1)

12

(1)

22

( 0

(2)

(1)

(2)

13

23

(1)

1 1(1)
(2)
(2)
2 |2
(3)

(3)
(3)
33 3 3

|
(3)
(3) (3)
3
)

em que:

mi 2

ai(22)
, i = 3, 4, ..., n
( 2)
a22

aij(3) aij( 2) mi 2 a2( 2j) , i = 3, ..., n, j = 2, 3, ..., n

bi(3) bi( 2) mi 2b2( 2) , i = 3, 4, ..., n

Seguindo raciocnio anlogo, procede-se at a etapa (n 1).


Passo (n 1):
Temos por hiptese que an( n1,1n)1 0 , pois, det(A(n 1)) 0
Eliminar a incgnita xn-1 da na equao (isto , zerar o elemento da (n 1) coluna
abaixo da diagonal). Isso feito da seguinte forma:
Subtramos da n equao, a (n 1) equao multiplicada por mn,( n1)
a

an( n,(n1)1)
a((nn11),) ( n1)

E assim, obtemos a matriz final:

() =

Profa. Adriana Cherri

11

(1)

12

(1)

22

23

( 0

33

(2)

(1)

(1)

(2)

(2)
(2)
2 |2

(3)

(3)
3 3
|
() ()

13

(1)

(3)

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

49

em que:

mn,( n1)

an( n,(n1)1)
a((nn11),) ( n1)

aij( n) aij( n1) mn,( n1) a((nn11),) j , i = n, j = (n 1), n


bi( n) bi( n1) mn,( n1) bn( n11) , i = n

O sistema triangular correspondente dado por:

(1)
(1)
(1)
a11
x1 a12
x2 a13
x3 a1(,1()n 1) a1(1n) xn b1(1)
( 2)
( 2)
a 22
x2 a 23
x3 a 2( 2, ()n 1) a 2( 2n) xn b2( 2 )
( 3)
a33
x3 a3(3, ()n 1) a3(3n) xn

b3(3)

a((nn 11),) ( n 1) xn 1 a((nn11),) n xn bn( n11)


(n)
a nn
xn bn( n )

o qual equivalente ao Sistema Linear original.


Exemplo:
Utilizando o mtodo de Eliminao de Gauss, resolver o sistema:
61 + 22 13 = 7
{ 21 + 42 + 13 = 7
31 + 22 + 83 = 13

Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

50

Exerccio:
Utilizando o mtodo de Eliminao de Gauss, resolver os sistemas Lineares:
31 + 22 + 43 = 1
a) {11 + 12 + 23 = 2
41 + 32 23 = 3

b)

3

x * 5
0

21 + 2 + 33 + 44 = 17
+ 42 + 23 + 4 = 9
{ 1
31 + 22 + 13 + 44 = 20
21 + 22 + 33 + 4 = 9

Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

2

1
x *
0

3

Profa Edma Baptista

51

Mtodo de Gauss com Pivoteamento Parcial


Considere o sistema de equaes lineares:
a11x1 a12 x2 a1n xn b1
a x a x a x b
21 1 22 2
2n n
2

an1 x1 an 2 x2 ann xn bn

O Mtodo de Gauss com Pivoteamento Parcial consiste em transformar o sistema dado,


atravs de operaes elementares sobre as linhas, em sistema triangular superior, tomando
como piv em cada passo, o elemento de maior valor absoluto abaixo da diagonal de cada
coluna da matriz A (elemento akk(k ) ).
Se em algum passo k encontrarmos akk( k ) 0 isso significa que det (Ak) = 0. Nesse caso,
o sistema ainda pode ter soluo determinada, basta que equaes sejam permutadas de modo
que o coeficiente da k incgnita seja 0, ou seja, det (A) 0.
OBS: Quando usamos esta estratgia de pivoteamento pode-se provar que a propagao dos
erros de arredondamento controlada, uma vez que o elemento piv ser o maior em valor
absoluto de cada coluna.
Exemplo:
Utilizando o Mtodo de Eliminao de Gauss com Pivoteamento Parcial, resolver o
sistema abaixo:
1x1 2 x2 3x3 3

4
3x1 1x2

3x2 4 x3 3

Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

52

Exerccio:
Utilizando o Mtodo de Gauss com Pivotamento Parcial, resolva o sistema:

3
1

1 x1

1 x2
1 5 x3
2
3

Profa. Adriana Cherri

3

7
5

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

1

x * 1
1

Profa Edma Baptista

53

Mtodo de Gauss com Pivoteamento Total


Considere o sistema de equaes lineares:
a11 x1 a12 x2 a1n xn b1
a x a x a x b
21 1 22 2
2n n
2

an1 x1 an 2 x2 ann xn bn

O Mtodo de Gauss com Pivoteamento Total consiste em transformar o sistema dado,


atravs de operaes elementares sobre as linhas e colunas, em sistema triangular superior
equivalente.
Neste caso, tomamos como piv, em cada passo, o elemento de maior valor absoluto
entre todos os elementos da submatriz abaixo da k-sima linha e a partir da k-sima coluna,
()

isto , entre os elementos , , .


OBS:
1. As trocas de colunas na matriz produzem trocas no vetor soluo. Desta forma, as
trocas devem ser armazenadas em um vetor Q = (q1, q2, ..., qn), em que qj fornece a
coluna na posio j.
2. Esta estratgia no usualmente empregada, pois, envolve uma comparao entre os
elementos envolvidos na troca de linhas e colunas, que acarreta um esforo
computacional maior que a estratgia de pivoteamento parcial.
Exemplo:
Resolver o sistema de equaes lineares usando o Mtodo de Eliminao de Gauss com
Pivoteamento Total.
x3 0
4 x1

2 x 2 x3 2

x2 6 x3 1

Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

54

Exerccios
1) Resolver pelo mtodo de Eliminao de Gauss com pivotamento total, o sistema:

5 x1

x1
2x
1

2x2
4x2

3x 2

10 x3

Profa. Adriana Cherri

x3
2 x3

12

20

4

x* 3
2

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

55

Mtodo de Decomposio LU
O processo de decomposio LU (Least Upper) uma das tcnicas mais
utilizadas para resolver um sistema linear Ax = B. Esta tcnica consiste na decomposio da
matriz A em um produto de matrizes L e U. Consideramos que L uma matriz triangular
inferior com a diagonal unitria e que U a matriz triangular superior.
Teorema:

(Decomposio LU)

Seja A = (aij) uma matriz quadrada de ordem n, e Ak o menor principal, constitudo das
k primeiras linhas e k primeiras colunas de A. Assumimos que det(Ak) 0, k = 1, 2, ..., n
1. Ento, existe uma nica matriz triangular inferior L = (lij), com l11 = l22= ...= lnn = 1, e uma
nica matriz triangular superior U= (uij) tal que LU = A. Alm disso, det(A) = u11 u 22...unn.
Demonstrao: Neide Bertoldi Franco (Editora Pearson, 2006)
Processo de decomposio da matriz A em LU
Para obter os fatores lij e uij das matrizes L e U podemos aplicar a definio de produto
e igualdade de matrizes, ou seja, LU = A:

0 0
1 0 0

0 0
l 21 1 0
l
l
1
0 0
31 32

0
l
l 2 l n 3 1
1
n
n

u11 u12 u13 u1n a11 a12 a13 a1n

0 u 22 u 23 u 2 n a21 a22 a 23 a 2 n
0
0 u33 u3n a31 a32 a33 a3n

0
0
0
a a a a
0
0 0 u nn
n1
2
nn
0

n
n3

Para obtermos os elementos da matriz L e da matriz U, devemos calcular os elementos


da linha de U e os elementos da coluna de L na seguinte ordem:
1 linha de U:

1u11 = a11 u11 = a11


1u12 = a12 u12 = a12

1u1n = a1n u1n = a1n

1 coluna de L:

l21 u11 = a21 l21

a21
u11

l31 u11 = a31 l31

a31
u11

Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

56

ln1 u11 = an1 ln1

an1
u11

2 linha de U:

l21 u12 + u22 = a22 u22 = a22 - l21 u12


l21 u13 + u23 = a23 u23 = a23 - l21 u13

l21 u1n + u2n = a2n u2n = a2n - l21 u1n

2 coluna de L:

l31 u12 + l32 u22 = a32 l32


l41 u12 + l42 u22 = a42 l42

a32 l31 u12


u22
a42 l41 u12
u22

ln1 u12 + ln2 u22 = an2 l n2

a n2 l n1 u 12
u 22

Se continuarmos calculando 3 linha, 3 coluna, 4 linha, 4 coluna etc, teremos as


frmulas gerais:

ij

lij

aij

(aij

i 1

k 1
j 1

l
k 1

ik

ik

u kj

u kj ) / u jj

ij
i j

Aplicao da Decomposio LU na resoluo de Sistemas Lineares


Seja o sistema linear Ax = b de ordem n, em que A satisfaz s condies da
decomposio LU (Teorema). Ento o sistema Ax = b pode ser escrito como:
(LU)x = b
Se considerarmos y = Ux, a soluo do sistema linear pode ser obtida a partir da
resoluo dos sistemas triangulares:
Ly = b

Ux = y

OBS: A decomposio LU fornece um dos algoritmos mais eficientes para o clculo do


determinante de uma matriz.

Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

57

Exemplo
Utilizando o mtodo de decomposio LU, resolver o sistema Ax = b e calcular o det(A):

3
1

Profa. Adriana Cherri

2 1 x1

1 4 x2
1 3 x3

0

7
5

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

58

Exerccio
Considere o sistema:

5 x1 2 x2 x3 12

x1 4 x2 2 x3 20
2 x 3x 10 x
3
2
3
1
a)
b)

Resolver o sistema usando decomposio LU


Calcular det(A) utilizando a decomposio LU.

Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

59

OBSERVAO 1:
Se o det(Ak) = 0 para algum k = 1, ..., n, mas det(A) 0, ento podemos aplicar o
processo de decomposio LU desde que permutemos a linha k por uma linha abaixo dela e
det (Ak) 0, k = 1, ..., n.
Exemplo:
Determinar a soluo do sistema utilizando a decomposio LU:

2 x1 2 x2 x3 3

3x1 3x2 x3 7
x x 5x 5
2
3
1

Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

60

OBSERVAO 2:
O mtodo de Eliminao de Gauss tambm pode ser utilizado para a obteno dos
coeficientes lij e uij das matrizes da decomposio LU.
Para a matriz L, basta associarmos os coeficientes lij aos coeficientes mij do mtodo
de Eliminao de Gauss e considerarmos lii = 1 e lij = 0 se i < j. Deste modo, temos:
0
1

m21 1
M m31 m32


m
n1 mn 2

0
0
1

mn 3

0 0

0 0
0 0 L

0
1

A matriz resultante do processo de Eliminao de Gauss (matriz escalonada) a


matriz U do mtodo da decomposio LU.
Exemplo:
Determinar a soluo do sistema:

3x1 2 x2 4 x3 1

x1 1x2 2 x3 2
4 x 3x 2 x
3
2
3
1
Mtodo de Eliminao de Gauss:

Sistema resultante: 0
0

1
2
3
3
0 4
2

x1 1

x2 = 5 3
x 0
3

3

x* = 5
0

Mtodo de Decomposio LU:

Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

61

Sistemas resultantes:

Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

62

Mtodo de Gauss Compacto


Seja o sistema linear Ax = b, de ordem n, em que A possui todas as submatrizes no
singulares. O Mtodo de Gauss Compacto uma maneira prtica de se obter as matrizes L e
U da de decomposio LU, armazenando-a de forma compacta. Os termos independentes bi,
i = 1, ..., n so obtidos da mesma maneira que os elementos uij e sero chamados de ui,n+1,
i = 1, ..., n.
Construo do mtodo
Seja o sistema linear
a11 x1 a12 x2 a1n xn b1
a x a x a x b
21 1 22 2
2n n
2

an1 x1 an 2 x2 ann xn bn

Primeiramente, montamos a matriz de ordem n (n+1):


a11

a21

a
n1

a12
a22

an 2

a1n
a2 n

ann

a1,n1

a2 ,n1

an ,n1

a1,n1 b1


a2,n1 b2
em que
. Em seguida, construmos a matriz n (n+1), em que os termos


a

n ,n1 bn

independentes bi, i = 1, 2, ..., n, por serem obtidos da mesma maneira que os elementos uij,
sero chamados de ui,n+1, i = 1, 2, ..., n. Assim, sobre a matriz original armazenamos a matriz:
u11 u12

l 21 u 22

l
n1 l n 2

u1n
u2n

u nn

u1,n1

u 2,n1

u n ,n1

Para determinar os termos uij e lij, i, j = 1, 2, ..., n utilizamos as mesmas expresses da


decomposio LU, entretanto, i = 1, 2, ..., n e j = 1, 2, ..., n, (n+1):

Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

63

ij

lij

aij

(aij

i 1

k 1
j 1

l
k 1

ik

ik

u kj

u kj ) / u jj

ij
ij

Determinados os elementos uij e lij, i, j = 1, 2, ..., n resolvemos o sistema Ux = b, em


que = ui,n+1, i = 1, 2, ..., n.

OBS: No caso em que y determinado pelo Gauss Compacto, no necessrio resolver o


u1,n 1

u 2,n 2
sistema Ly = b, basta resolver diretamente Ux = y, em que y
.

n ,n 1
Uma das vantagens do mtodo de Gauss Compacto, que podemos resolver de uma s
vez vrios sistemas associados.
Exemplo:
1. Utilizando o mtodo de Gauss-Compacto, resolver o sistema matricial:
2 1 1 x1 y1 0 3

1 0 2 x2 y2 3 4
4 1 1 x y 2 7

3 3

Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

64

Exerccio
Resolver o sistema matricial composto usando o mtodo de Gauss-Compacto:

2 1 3 x1

4 1 2 x2
1 0 10 x

Profa. Adriana Cherri

y1
y2
y3

z1 4 2 4

z2 7 6 6
z3 11 2 20

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

65

Mtodo de Cholesky
O Mtodo de Cholesky definido para a resoluo de sistemas lineares de ordem
quadrada n cuja matriz dos coeficientes seja simtrica e definida positiva. A decomposio
feita a seguir considera estas hipteses.
a11

a21

an1

a12
a22
an 2

... a1n

... a2 n

... ann

g11

g 21

g n1

g 22
gn2

...

g11

g nn

g 21
g 22

...
...

g n1

gn2

g nn

Assim, a matriz dos coeficientes A decomposta no produto G.GT, em que G uma


matriz triangular inferior com elementos da diagonal estritamente positivos.
A = G GT
Aplicando a definio de produto matricial, obtm-se as seguintes frmulas para os
elementos de G e sua transposta:
Elementos diagonais

a11 g112
a22 g 212 g 222

ann g n21 g n22 g nn2


Desta forma,

g11 a11

i 1

g ik2

ii
ii
k 1

, i 2,3,..., n

para elementos da diagonal principal

Elementos no diagonais

a21 g 21g11
1 coluna

a31 g 31g11

an1 g n1 g11

Profa. Adriana Cherri

g i1

ai1
, i 2, 3,..., n
g11

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

66

a32 g31 g 21 g32 g 22


a42 g 41 g 21 g 42 g 22

2 coluna

an 2 g n1 g 21 g n 2 g 22

j 1

g ij

aij g ik .g jk
k 1

g jj

, i 2, 3, ..., n

a j 1, j g j 1,1 g j1 g j 1, 2 g j 2 g j 1, j g jj
j-sima coluna

a j 2, j g j 2,1 g j1 g j 2, 2 g j 2 g j 2, j g jj

anj g n1 g j1 g n 2 g j 2 g nj g jj

Assim,

ai1

, i 2,3,..., n
g i1 g
11

j 1
para elementos que no pertencem a diagonal principal

aij g ik .g jk

k 1
,2 j i
g ij
g jj

Uma vez calculada a matriz G, a soluo do sistema A.x = b fica reduzida soluo
dos seguintes sistemas triangulares:
Gy = b

GTx = y

OBS: Utilizando a Decomposio de Cholesky, temos que A = G.Gt. Portanto,


det (A) = (det G)2 = (g11g22...gnn)2

Exemplo:

1 1 0

Seja A 1 2 1
0 1 3

a.
b.
c.
d.

Verificar se A pode ser decomposta em G.G t


Decompor A em G.G t
Calcular o determinante de A.
Resolver o sistema Ax = b com b = (2 1 5)T

Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

67

Exerccio
1. Sejam as matrizes:

4 2 4
3 1 0

A 2 10 4 ; B 1 3 2
4 4 9
0 2 0

Escolha adequadamente e resolva um dos sistemas Ax = b, Bx = b, pelo processo de


Cholesky, em que b = (2 16 9)T.

Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

68

Matriz inversa
Seja A uma matriz quadrada de ordem n. Se det(A) 0, ento existe uma matriz B,
tal que a seguinte relao seja satisfeita :
A B B A I (I a matriz identidade)

A matriz B chamada de matriz inversa de A e representada por B = A1.


Logo, tem-se: A A-1 A1A I
Desta forma,
a11

a21

an1

... a1n

... a2 n

... ann

a12
a22
an 2

b11 b12

b21 b22

bn1 bn 2

... b1n
1 0

... b2 n
0 1

... bnn
0 0

A 1

... 0

... 0

... 1
I

Portanto, para determinar as n colunas da matriz A-1 resolvemos n sistemas lineares


utilizando qualquer mtodo que resolva sistemas lineares.
a11

a21

an1

a11

a21

an1

... a1n b11


1


... a2 n b21
0





... ann bn1
0

a12
a22
an 2

a12
a22
an 2

Primeira coluna de A -1

... a1n b12


0


... a2 n b22
1





... ann bn 2
0

Segunda coluna de A-1

... a1n b1n


0


... a2 n b2 n
0





... ann bnn
1

n-sima coluna de A -1

a11

a21

an1

a12
a22
an 2

Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

69

De forma resumida, seja A-1 =

b1 b2 bn

a matriz inversa de A, tal que bj,

-1

j = 1, 2, ..., n a j-sima coluna de A . Alm disso, considere ej a j-sima coluna da matriz


identidade Inn, ou seja, I = e1 e2 en , tal que

e j j j - sima linha de e.

0

Podemos escrever o sistema linear
Abj = ej

j = 1, 2, ..., n

Assim, resolvendo estes sistemas por qualquer mtodo de sistemas lineares (desde
que suas condies sejam satisfeitas), encontramos cada coluna de A-1.
Obtemos as colunas da A-1 fazendo:
1) Mtodo de Eliminao de Gauss
A bj = ej ,

j = 1,...,n.

2) Mtodo de Decomposio LU
(L U) bj = ej, j = 1,...,n.
Resolvem-se os sistemas:
L yj = ej,
U bj = yj,

j = 1,...,n.

3) Mtodo de Cholesky (somente para matriz simtrica e positiva definida)


G GT . bj = ej ,

j = 1,...,n.

Resolve-se os sistemas:
G yj = ej
GTbj = yj ,

j = 1,...,n.

4) Gauss Compacto
Devemos utilizar o mesmo esquema da resoluo de sistemas matriciais, isto :

Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

70

a11

a21

an1

a12
a22
an 2

a1n x11

a2 n x21

ann xn1

x12
x22
xn 2

x1n
1 0

x2 n
0 1

xnn
0 0

Fazendo AX = I, as colunas da matriz X so as colunas da matriz inversa, desde que


AA-1 = I.
OBS: Se det(A) = 0, diz-se que a matriz A no-inversvel ou singular.
Exemplo:
1. Determine a inversa da matriz A utilizando algum mtodo estudado.

1 0 1

A 0 1 2
0 1 1

Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

71

Exerccios
1

Resolva os sistemas lineares triangulares abaixo:

1x1

a) 2 x1
3x
1
1x1

b)

3
2

5 x2
6 x2

4 x3

2 x2
1x2

3x3
3x3
1x3

1
1x4
1x4
1x4
1x4

4
3
2
1

Resolva os sistemas lineares abaixo pelo Mtodo de Eliminao de Gauss.

2 x1

a) 4 x1
2x
1

3x2
4 x2

1x3
3x3

5
3

3x2

1x3

-1

4 x1
1x
1
b)
1x1
1x1

3 x2
2 x2
1x2
1x2

2 x3
3x3
1x3
1x3

1x4
4 x4
1x4
1x4

10
5
-1
3

Resolva os sistemas lineares abaixo pelo Mtodo de Gauss com Pivotamento Parcial.

2 x1
1x
1
a)
1x1
4 x1

1x1
2x
1
b)

1x1

2 x2
2 x2
1x2
3 x2

3 x2
1x2
1x2
5 x2

1x3
4 x3
1x3
1x3

1x3
3x3
3x3
1x3

Profa. Adriana Cherri

1x4
1x4
1x4
2 x4

6.9
- 6.6
10.2
- 12.3

4 x4
2 x4
1x4

-1
-2
0
3

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

72

Resolva os sistemas lineares do exerccio anterior pelo Mtodo de Decomposio LU.

Resolva o sistema linear a seguir pelo Mtodo de Gauss com Pivotamento Parcial.

1x1
2x
1

1x1
3x1
6

2 x2
1x2
3 x2
4 x2

4 x3
1x3
1x3
2 x3

1x4
3 x4
5 x4
6 x4

1
-6
7
13

Considere o seguinte conjunto esparso de equaes lineares:

2 1
x1 2


1 2 1
x2 1

x 7
1 2 1

. 3
1 2 1

x4 5

1 2 1 x5 4

1 2 x6 3

Mostre que, usando o mtodo de Eliminao de Gauss, o sistema triangular resultante


permanece esparso. Um sistema linear como esse chamado tridiagonal. Tais sistemas
lineares aparecem com frequncia na soluo de equaes diferenciais parciais.

1
2

Seja A 0 1
1 0

1
3

a) Verifique se a matriz A satisfaz as condies da decomposio LU.


b) Decomponha A em LU.
c) Calcule o determinante de A.
9

d) Resolva o sistema A.x=b, onde b 1 .
7

8

Resolva o sistema A.x=b pelo Mtodo da Decomposio LU, em que

2
A
3

Profa. Adriana Cherri

2
1
2
3

3
2
1
2

4
10


3
7
e b

2
6


5
1

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

73

Considere o sistema linear

5 x1

1x1
2x
1

2 x2
4 x2

3 x2

10 x3

1x3
2 x3

12

20

a) Resolva o sistema usando o mtodo de decomposio LU.


b) Calcule o determinante de A pelo mesmo.

10 Quais das matrizes abaixo podem ser decompostas na forma LU? Decomponha as que
forem possveis.

A 3
3

11 Seja A 1
2

1
1
1

2
3
2

1
3

2 , B 2
3
1

2
2
3

1
2

1, C 4
6
2

1
3
7

8
17

1
3

a) Verifique se A pode ser decomposta em G.GT (Cholesky).


b) Decomponha A em G.GT.
c) Calcule o determinante de A.
1

d) Resolva o sistema A.x=b, em que b 1 .
4

16

4
12 Seja A
8

4
10
8
4

8
8
12
10

4
10

12

a) Verifique se A pode ser decomposta em G.GT.


b) Decomponha A em G.GT.
c) Calcule o determinante de A.
32

26
d) Resolva o sistema A.x=b, em que b .
38

30

Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

74

13 Sejam as matrizes

2 4

10
4
4
9

A 2
4

B 1
0

1
3
2

2
0

Escolha adequadamente e resolva um dos sistemas Ax = b, Bx = b, pelo processo de


Cholesky, em que b = 2 16 9T .

14 Usando o Mtodo de Eliminao de Gauss resolva os seguintes sistemas:

10 x1

a) 1x1
2x
1

1x2
10 x2

1x3
1x3

10
12

10 x3

11

1x1
2x
1
c)
1x1
3x1

2 x2
1x2
3 x2
4 x2

1x2

4 x3
1x3
1x3
2 x3

1x4
3 x4
5 x4
6 x4

b) 2
1

-6
-3
2

-1 x1 7


1 x2 5

-1
x3 4

1
-6
7
13

15 Resolva o sistema matricial usando o Mtodo de Decomposio LU:

4
1

3 x1

2 x 2
0 10
x 3

-1
1

y1 z1 4

y 2 z 2 7
y13 z3 11

2
6
2

6
20

16 Considere os sistemas lineares:

1x1

2 x1
1x
1

2 x2
13x2

1x3
1x3

4
35

4 x3

1x2

1x1

2 x1
2x
1

2 x2
1x2

1x3
1x3

6
14

2 x2

1x3

Faa uma escolha adequada para resolver um deles pelo mtodo de Decomposio LU e
o outro pelo mtodo de Cholesky. Justifique sua resposta.

Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

74

17 Resolva o sistema linear matricial pelo Mtodo de Gauss:

1
1

0
1
1

1 x1

0 x 2
1
x 3

y1 4 2

y 2 2 -2
y3 9 7

18 Considere o sistema linear A.x = b, em que:

A
5

1
2

3
x1
2



4 , x x2 e b 3
x
4
1
3

Para que valores de :


a) A matriz A pode ser decomposta no produto LU? Justifique.
b) O sistema pode ser resolvido por Cholesky? Justifique.
c) Considere = 1 e resolva o sistema linear obtido pelo mtodo de Eliminao de
Gauss.
19 Seja o sistema linear A.x = b dado por:

10

7
8

8 x1 3


6 x2 1

6 10
x3 7

7
5

a) Determine a inversa da matriz A pelo mtodo de Eliminao de Gauss.


b) Resolva o sistema linear usando a matriz inversa obtida no item anterior.
20 Considere a matriz

0
3

A 2 2
1
2

1
0

Calcule A-1 utilizando o Mtodo de Eliminao de Gauss.


21 Usando decomposio LU, inverta a matriz

1
1

Profa. Adriana Cherri

1
1
0

1
1

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

75

22 Dada a matriz

1 1
2

1 10 2
1 2 4

Calcule A-1 utilizando o Mtodo de Cholesky.


23 Seja

4
6
2

A 1 3 1
2
1
1

usando o Mtodo de Gauss com Pivotamento Parcial calcule A-1.


24 Considere a matriz abaixo e calcule sua inversa usando o Mtodo de Decomposio LU
e Mtodo de Eliminao de Gauss.

4
3 2
1

1 2
3 4
1 1 1 1

1 1 1 1

25. Utilizando Cholesky, encontre a inversa da seguinte matriz:

2 4
4

A = 2 10 4
4 4
9

26. Utilizando Gauss Compacto, encontre a inversa da seguinte matriz:

3 0 3

A = 2 2 1
1 2 0

Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

76

Mtodos iterativos para soluo de sistemas lineares


Mtodos iterativos so aqueles que se baseiam na construo de sequncias de
aproximaes. A cada passo, os valores calculados anteriormente so utilizados para reforar
a aproximao de modo que o resultado obtido geralmente aproximado.
Pr requisitos para os mtodos iterativos
Normas de vetores
Chama-se norma de um vetor x, x , qualquer funo definida num espao vetorial E,
com valores em , satisfazendo as seguintes condies:
N1) x 0 e x = 0 se e somente se x = 0.
N2) x = x para todo escalar.
N3) x y x y (desigualdade triangular).
Como exemplos de normas no n temos:
n

a) x

xi2 ,

b) x

i 1

= max xi ,
1i n

c) x 1 =

i 1

| xi |

Exemplo:

10
x 3 . Obter x E , x

20

e x 1.

x =
x 1=
Definio: Dada uma sequncia de vetores x(k) E, dizemos que a sequncia {x(k)} converge
para x E x ( k ) x 0 , quando k .

Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

77

Norma de matrizes
O conjunto das matrizes (n n), com as operaes de soma de matrizes e produto de
um escalar por uma matriz forma um espao vetorial E de dimenso n2.
Podemos ento falar em norma de uma matriz A E.
Algumas normas de matrizes:
n

a) A max aij
1in

(norma linha)

j 1

b) A 1 max aij
1 j n

(norma coluna)

i 1

c) A E

i , j 1

2
ij

(norma euclidiana)

Exemplo de clculo de normas:


Seja:

3 2

A= 6 3

1 2

A
A1

Definio: Normas consistentes


Dada uma norma no n e uma norma de matrizes dizemos que elas so consistentes se,
para qualquer x, Ax A x

Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

78

Mtodos iterativos
Um mtodo iterativo para calcular a soluo de um sistema Ax = b (det(A) 0)
denominado iterativo quando fornece uma sequncia de solues aproximadas, sendo que
cada soluo aproximada obtida pela anterior.
De modo geral, a construo do mtodo iterativo considera a transformao do
sistema original Ax = b para a forma equivalente x = Bx +g e posteriormente, a partir dessa
nova forma e de uma soluo aproximada inicial x(0), determinamos uma sequncia de
solues aproximadas considerando o processo iterativo:
x(k+1) = Bx(k) + g, k = 0, 1, 2, ...
em que B a matriz iterativa (n n) e g o vetor (n 1).

Mtodo de Jacobi-Richardson
Considere o sistema de equaes lineares

a11 x1 a12 x2
a x a x
21 1
22 2

an1 x1 an2 x2

a1n xn
a2n xn

b1
b2

ann xn

bn

em que a matriz A (det(A)0) do sistema linear pode ser escrita como a soma de trs matrizes:
A = L+D+R.
Escolhemos L, D e R de modo que L s tenha elementos abaixo da diagonal D s
tenha elementos na diagonal R s tenha elementos acima da diagonal.

aij , i j
dij =
0 , i j

aij , i j
lij =
0 , i j

aij , i j
rij =
0 , i j

Exemplo (3x3)
11

( 21
31

12
22
32

13
0
23 ) = (21
33
31

0
0
32

11
0
0) + ( 0
0
0

0
22
0

0
0
0 ) + (0
33
0

12
0
0

13
23 )
0

Supondo det(D) 0 (aii 0, i=1,...n) e dividindo cada linha pelo elemento da diagonal,
temos:

Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

79

1
21
22
31
( 33

12
11
1
32
33

13
11
23
22
1

= (21

31

0
0

32

0
1
0) + (0
0
0

0 12
0 0
1 0) + (0 0
0 1
0 0

13
)
23
0

A construo da matriz A* foi exemplificada para o caso 3 3, porm, essa


construo vlida para qualquer dimenso. Obviamente, os elementos bi do vetor b tambm
so divididos pelo elemento aii.
No caso geral temos:
aij
a
,i j
l ij aii

,i j
0

aij
a
,i j
r ij aii

,i j
0

*
ij

bi

*
ij

bi
aii

e o sistema linear reescrito como:


(L* + I + R*)x = b*
x =
( + )

O mtodo iterativo de Jacobi-Richardson fica:


(+1) = ( + ) ()

Desta forma, dado o sistema linear, o Mtodo de Jacobi consiste na determinao de


uma sequncia de aproximantes de ndice k: x1( k ) , x2( k ) , ..., xn( k ) , k 1, 2, 3, ... a partir de valores
iniciais x1( 0) , x2( 0) , ..., xn( 0) , k 1, 2, 3, ... e atravs do processo definido por:

x1( k 1)
( k 1)
x2


xn( k 1)

(b1
(b2

(bn

a12 .x2( k )
a 21.x1( k )

a n1.x1( k )

... a1n .xn( k ) ) / a11


a1n .xn( k ) ) / a22

(k )
a n,n-1.xn1 ) / ann

Critrio de convergncia do mtodo de Jacobi:

max

aij

j 1
j i

aii

max

aij

i 1
i j

a jj

1 (Critrio das Linhas)

1 (Critrio das Colunas)

Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

80

Critrio de parada:
O mtodo iterativo de Jacobi-Richardson para quando:
|| (+1) () ||
|| (+1) ||

<

sendo um valor pr-estabelecido para a preciso.

OBS:
Se a matriz for estritamente diagonal dominante (isto , em cada linha, o elemento da
diagonal estritamente maior que a soma de todos os outros elementos da linha), ento o
critrio de convergncia automaticamente atendido para B = -(L*+R*).
A convergncia independe de x(0).
No mtodo de Jacobi-Richardson todos os valores de x da iterao (k+1) dependem dos
valores de x da iterao (k), por isso o mtodo tambm chamado de Mtodo dos
deslocamentos simultneos.
Exemplo
Resolva o sistema linear:

10 x1 2 x2

x1 5 x2
2 x 3x
2
1

x3
x3

10 x3

7
8

Utilizando o mtodo de Jacobi- Richardson com x(0) = (0.7, -1.6, 0.6)T e preciso =
-2

10 .

Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

81

k
x1
x2
x3
OBS:

- Para < 10-2 a soluo do sistema : x = ( 0.99 ; -1.99 ; 0.99)T;


- A soluo exata do sistema proposto x = ( 1, -2, 1)T .

Exerccios:
1. Resolver o sistema do exerccio anterior com b =(14, 11, 8), x(0) = (0, 0, 0)T e com
preciso = 10-2.
2 x x 1
2. Resolver o sistema: 1 2
utilizando o mtodo de Jacobi- Richardson com
x1 2 x2 3
x(0) = (0.9; 0.9) e preciso = 10-2. Soluo com 5 iteraes: x = (0.9968; 1.0031)T.

Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

82

Mtodo de Gauss - Seidel


O mtodo de Gauss Seidel uma variante do mtodo de Jacobi Richardson que
acelera a busca da soluo para o sistema.
No mtodo de JacobiRichardson, o sistema linear Ax = b foi reescrito como x =
Bx + g, com B = (L* + R*) e g = b*.
O processo iterativo foi descrito como: (+1) = ( + ) () . Se
explicitarmos as variveis deste processo, temos:

(b1
(b2

(bn

x1( k 1)
( k 1)
x2


xn( k 1)

a12 .x2( k )
a 21.x1( k )

a n1.x1( k )

... a1n .xn( k ) ) / a11


a1n .xn( k ) ) / a22

(k )
a n,n-1.xn1 ) / ann

Observe que quando calculamos x2( k 1) , j sabemos o valor de x1( k 1) e, quando


calculamos x3( k 1) , j sabemos x2( k 1) e x1( k 1) . Em geral, sabemos os valores de x que
multiplicam L*.
Como x1( k 1) uma melhor aproximao de x1 do que x1( k ) , podemos utiliz-lo no
clculo de x2( k 1) , assim como podemos utilizar x2( k 1) e x1( k 1) no clculo de x3( k 1) . Desta
forma, temos o mtodo iterativo de Gauss Seidel:
(+1) = (+1) ()

Assim como no mtodo de Jacobi, dado o sistema linear, o Mtodo de GaussSeidel


consiste na determinao de uma sequncia de aproximantes de ndice k:
x1( k ) , x2( k ) , ..., xn( k ) , k 1, 2, 3, ... a partir de valores iniciais x1(0) , x2(0) , ..., xn(0) , k 1, 2, 3, ... e
atravs do processo definido por:

x1( k 1)
( k 1)
x2


xn( k 1)

(b1
(b2

(bn

a12 .x2( k )
a 21.x1( k 1)

a n1.x1( k 1)

... a1n .xn( k ) ) / a11


a1n .xn( k ) ) / a22

( k 1)
a n,n-1.xn1 ) / ann

Critrio de convergncia:
O mtodo de GaussSeidel converge se:

max
i

j 1
j i

aij
aii

1 (Critrio das Linhas) for satisfeito.

Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

83

Critrio de Sassenfeld for satisfeito ( max i 1 ), em que os valores i so


i

i 1

aij

j 1

aii

calculados por recorrncia atravs de i

. j

aij

j i 1

ii

Critrio de parada:
O mtodo iterativo de GaussSeidel pra quando:
|| (+1) () ||
|| (+1) ||

<

sendo um valor pr-estabelecido para a preciso.

OBS:

Dado um sistema linear Ax = b pode acontecer que o mtodo de jacobi-Richardson


seja convergente enquanto que o mtodo de Gauss-Seidel seja divergente e viceversa.

Se B no for muito menor que 1, a convergncia pode ser bastante lenta.

A convergncia para os mtodos: Jacobi-Richardson e Gauss-Seidel no depende do


valor inicial x(0).

Uma permutao conveniente das linhas ou colunas de A antes de dividir cada


equao pelo coeficiente da diagonal principal pode reduzir o valor de B .

Exemplo:
Resolver o sistema:
5 x1 x2 x3 5

3x1 4 x2 x3 6
3x 3x 6 x 0
2
3
1

pelo mtodo de Gauss-Seidel com x(0) = (0,0,0)T e < 10-2 .

Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

84

k
x1
x2
x3

OBS:
Para < 10-2 temos que a soluo do sistema x = (1.00; 0.99; -1.00)t
A soluo exata do sistema proposto x = (1, 1, -1)T.
Exerccio:
2 x x 1
Resolver o sistema: 1 2
utilizando o mtodo de Gauss-Seidel com x(0) =
x1 2 x2 3
-2
(0.9; 0.9) e preciso = 10 . Soluo com 4 iteraes: x = (1.0015; 0.9960)T.

Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

85

Exerccios:
1.

Resolver o sistema:

10 x1

x1
2x
1

x2
10 x 2
x2

x3
x3
10 x 3

10
12
11

pelo mtodo de Jacobi-Richardson com x(0) = (0,0,0)T e < 10-3.


2.

Dado o sistema:

10 x1

x1
7x
1

x2
10 x 2
x2

x3
8x3
10 x 3

10
20
20

a) Verificar a possibilidade de aplicao do mtodo iterativo de jacobi-Richardson.


b) Se possvel, resolv-lo pelo mtodo do item a).
3.

Dado o sistema:

4 x1

4 x1
x
1

2 x2
x2
5x 2

6x3
3x 3
3x 3

1
2
3

Mostrar que reordenando as equaes e incgnitas poderemos fazer com que o critrio
de Sassenfeld seja satisfeito, mas no o das linhas.

4.

Dado o sistema

5x1

x1
2x
1

2 x2
4 x2
3x 2

x3
2 x3
10 x 3

3
1

a) Verificar a convergncia usando o critrio das linhas e o critrio de Sassenfeld.


b) Resolva o sistema utilizando Jacobi e Gauss-Seidel com x(0)=(-2.4, 5.5, 0.8)T e
=10-2.
Efetuar, em ambos os casos, duas iteraes partindo-se do vetor x(0) = (-2.4; 5; 0.3)t.

Profa. Adriana Cherri

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista

86

5.

Dado o sistema:

4 1 1 x1 6


1 6 1 x 2 8


2 1 8 x 3 11
a) Verificar a convergncia usando o critrio de Sassenfeld.
b) Resolver pelo Mtodo de Gauss-Seidel ( 3 iteraes a partir do vetor nulo).
6

Resolva o sistema linear abaixo pelo Mtodo de Jacobi com x(0)=(0, 3, 1, 4)T e =10-3.

5.x1
1.x

2.x1
7

1.x2
9.x2
3.x2
2.x2

2.x3
3.x3
7.x3
3.x3

1.x4
4.x4
2.x4
10.x4

5
26
-7
33

Dado o sistema
10.x1

2.x1
7.x
1

1.x2
10.x2
1.x2

1.x3
8.x3
10.x3

10
20
20

a) Verifique a possibilidade de aplicao do mtodo iterativo de Jacobi.


b) Se possvel, resolv-lo com x(0) = (1, 2, -1)T e =10-3.
8

Dado o sistema A.x=b onde


2

A 1
0

3 - 1
4


0 2 e b 3
2
3 - 1

a) Verifique a convergncia usando o critrio de Sassenfeld.


b) Resolva pelo Mtodo de Gauss-Seidel partindo do vetor nulo com =10-2.
9

Resolva o sistema linear pelo Mtodo de Gauss-Seidel com x(0)=(3, 1, 0, -1)T e =10-4.

4.x1
2.x
1

1.x1
1.x1

1.x2
8.x2
2.x2
1.x2

1.x3
1.x3
5.x3
1.x3

Profa. Adriana Cherri

1.x4
1.x4
1.x4
4.x4

7
-6
-1
-1

Mtodos Numricos Computacionais


Profa. Andra Vianna
Prof. Antonio Balbo

Profa Edma Baptista