Captulo 3

Sistemas de equaes lineares

Os sistemas de equaes lineares fazem parte da descrio matemtica dos mais diversos fenmenos em todas as reas das cincias naturais e tambm so pea fundamental de diversos algoritmos utilizados em computao. Por exemplo, mais adiante na disciplina, veremos que atravs
da discretizao dos domnios onde est definida uma equao diferencial possvel reduzi-la a
um sistema de equaes lineares. Em outras aplicaes como mecnica dos fludos e mecnica
estrutural, no incomum trabalhar com sistemas de ordem 105 ou mais.
Devido a sua quase onipresena , muito importante poder contar com tcnicas que encontre a
soluo para os sistemas de modo eficiente e acurado. Atualmente podemos contar com software
de alta qualidade para resolver sistemas de equaes lineares e ainda hoje este assunto est sendo
ativamente pesquisado. Principalmente a resoluo de sistemas muito grandes em clusters de
computadores e computadores com processadores vetoriais. Para melhor compreender e utilizar
esses softwares essencial conhecer as propriedades dos algoritmos mais simples.
Vamos nos concentrar no estudo de sistemas de n equaes e n incgnitas x1 , x2 , . . . , xn :

a1,1 x1 + a1,2 x2 + . . . + a1,n xn = b1

a2,1 x1 + a2,2 x2 + . . . + a2,n xn = b2

..

an,1 x1 + an,2 x2 + . . . + an,n xn = bn

(3.1)

onde os coeficientes aij e as constantes bi so nmeros reais.

Denominamos o conjunto de todas as possveis solues de um sistema linear de conjunto

soluo. Dados dois sistemas lineares, dizemos que os dois so equivalentes se possuirem o mesmo
conjunto soluo.
Sob um ponto de vista geomtrico, consideramos cada varivel xi nas equaes como a i-sima
componente de um ponto no Rn . Dessa forma, uma vez escolhida uma varivel xj , cada equao
do sistema relaciona xj s demais variveis. Ou seja, cada equao representa um subespao de
dimenso n 1 contido no Rn . O conjunto soluo formado pela interseco de todos esses
subespaos.

O conjunto soluo de um sistema linear pode ser vazio, conter um nico elemento (uma nica
soluo) ou infinitos elementos (infinitas solues). Por exemplo, no caso de um sistema de duas
variveis e duas incgnitas, cada equao representa um reta no R2 e o conjunto soluo ser vazio
se as retas forem paralelas, possuir apenas uma soluo se as retas se cruzarem ou ainda infinitas
solues se as retas se sobreporem.

32

Captulo 3. Sistemas de equaes lineares

O sistema de equaes (3.1) convenientemente representado de forma matricial atravs da

equao
A x = b,

(3.2)

onde

a1,1

a1,2 . . . a1,n

a2,1 a2,2 . . . a2,n

A=
..
..
..
..
.
.
.
.
an,1 an,2 . . . an,n

x=

x1
x2
..
.
xn

b=

b1
b2
..
.
bn

Nessa forma, a matriz A e o vetor coluna b constituem os dados de entrada do problema numrico.
A soluo, ou dado de sada, dado pelo vetor coluna x cujas componentes sero aproximadas
atravs de mtodos numricos.
Um representao alternativa para o sistema (3.1) consiste na matriz completa do sistema formada pela justaposio das matrizes A e b da equao (3.2):

a1,1

a1,2 . . . a1,n

b1

a2,1 a2,2 . . . a2,n b2

.

[ A| b] = .
..
..
..
..
.
.
.
.
.
.
.
an,1 an,2 . . . an,n bn

(3.3)

Essa representao til pois concatena todos os daddos de entrada e permite descrever o sistema
de equaes (3.1) do modo mais econmico.
Uma das propriedades mais evidentes do sistema de equaes (3.1) o fato de que sua soluo
independe da ordem em que as equaes so postas. Ou seja, se o vetor x0 soluo de (3.2), ele
tambm ser soluo de um sistema em que as equaes so as mesmas em uma ordem diferente.
Portanto ao trocarmos duas linhas quaisquer da matriz completa (3.3) obtemos uma matriz equivalente1 . A operao de troca de linhas na matriz completa um tipo de operao conhecido como
operao elementar.
As operaes elementares so operaes realizadas em uma matriz completa que resultam em
uma matriz equivalente. Por ser linear, o sistema de equaes (3.1) possui a seguinte propriedade:
a troca de qualquer equao pela combinao linear dela com qualquer outra equao do sistema
resulta em um sistema com o mesmo conjunto soluo. Portanto, a substituio de qualquer linha
de (3.3) pela combinao linear da linha a ser substituda com qualquer outra, no altera a soluo.
Essa operao portanto uma operao elementar. Note que a simples multiplicao de uma linha
por uma constante no nula um caso especial dessa operao.
A partir das operao elementares possvel implementar uma srie de mtodos distintos para
encontrar a soluao do sistema. Os mtodos que utilizam uma seqncia finita de operaes elementares para determinar a soluo so denominados mtodos diretos.
1

Dadas duas matrizes completas C e D, dizemos que so equivalentes se representam sistemas de equaes equivalentes. Notao:
C D.

33

Captulo 3. Sistemas de equaes lineares

3.1. Mtodos diretos

Um dos mtodos diretos mais conhecidos a eliminao de Gauss-Jordan. Esse mtodo consiste
em aplicar sucessivas operaes elementares at que a matriz completa [ A| b] assuma a forma

1 0 0 . . . 0 x1

0 1 0 . . . 0 x2

0 0 1
0 x3
[ A| b] .
.. ..
. . .. ..
. . .
. .

0 0 0 . . . 1 xn

(3.4)

Esse o mtodo comumente utilizado na soluo de pequenos sistemas de n incgnitas e n equaes na disciplina lgebra linear:

1. Partimos da primeira coluna esquerda em [ A| b] e, sucessivamente, utilizamos operaes elementares para anular as componentes abaixo da diagonal e igualar as componentes da diagonal
a 1 at chegar ltima linha. Nesse ponto teremos uma matriz diagonal superior.
2. Ento retornamos a partir da ltima linha e da direita para a esquerda, realizamos operaes
elementares para anular as componentes acima da diagonal anulando elementos.

Se o sistema possuir uma nica soluo, o resultado do mtodo ser a matriz completa reduzida no
lado esquerdo da relao de equivalncia (3.4). Os termos x1 , . . . , xn so a soluo do sistema.

Exemplo: Seja o sistema de equaes lineares

x1

2x2 +

x3

2x2 8x3 =

4x1 + 5x2 + 9x3 = 9

representado pela matriz completa

Ac =

1 2
0

8 .
9 9

2 8
5

comum utilizar a seguinte notao

L1

Ac = L2 3L1 2L2 = L2
L3
L3
L3
L1

L1

L3

L2
L1

34

Captulo 3. Sistemas de equaes lineares

para representar operaes elementares nas linhas de uma matriz. De acordo com essa notao

Ac

L1

1 2

L1

2 8
8 = L2
= 0
0 3 13 9
4L1 + L3
L3

L1
L1
1 2
1 0

L2
1 4 4 = L2
= 0
2

3
0
0
1 3
L3
L2 + L3
2

L1 L2
1 2 0 3

L2 + 4L3 = 0
1 0 16 =
L2

L3

L1 + 2L2

L2
L3

0 1

1 0 0 29

= 0 1 0
0 0 1

16 .
3

(3.5)

Portanto a matriz Ac equivalente a matriz (3.5) que representa o sistema de equaes lineares

x1 = 29
x2 = 16 ,

x3 = 3

ou seja, a soluo do sistema (x1 , x2 , x3 ) = (29, 16, 3).

Existem outros mtodos diretos que consistem na decomposio da matriz A em produtos de
matrizes, como a decomposio LU, a decomposio de Cholesky (quando A simtrica) e a decomposio singular (quando A no quadrada). Outras classes de mtodos diretos so construdos
quando a matriz A possui uma estrutura especial, como no caso das matrizes esparsas. No os estudaremos aqui2 mas sim uma alternativa ou mtodo de Gauss-Jordan conhecida como eliminao
gaussiana.

3.1.1. Eliminiao Gaussiana

Uma alternativa ao mtodo de Gauss-Jordan consiste em parar a seqncia de operaes elementares quando a matriz completa for da forma
[ U| c] [ A| b] ,
2

Existe muita literatura sobre esses tpicos, sugerimos ao leitor mais interessado o texto:

Stoer, J. ; Bulirsch, R. An introduction to Numerical Analysis, Springer-Verlag, 1983.

35

Captulo 3. Sistemas de equaes lineares

onde U diagonal superior:

u1,1 u1,2 u1,3 . . . u1,n

U=

0
0
..
.
0

u2,2 u2,3 . . . u2,n

0 u3,3 . . . u3,n
.
..
..
..
..
.
.
.
.

0
0 . . . un,n

A matriz completa [ U| c] representa o sistema de equaes

u1,1 x1 + u1,2 x2 +

u2,2 x2 +

...

u1,n xn

c1

...
..
.

u2,n xn

c2

un1,n1 xn1 + un1,n xn = cn1

un,n xn

cn

que pode ser resolvido atravs de substituies recursivas: a partir da ltima linha, temos que
xn =

cn
.
un,n

(3.6)

Utilizamos o valor de xn obtido em (3.6) para determinar xn1 atravs da equao imediatamente
superior,
xn1 =

1
un1,n1

(cn1 un1,n xn ) .

Em seguida, utilizamos os valores de xn e xn1 para determinar xn2 ; e assim, sucessivamente,

teremos para a i-sima incgnita xi :

n
X
1
xi =
ui,j xj ,
ci
ui,i
j=i+1

onde i = 1, 2, . . . , n 1.
3.1.2. Instabilidade numrica
Se houvesse uma mquina capaz de armazenar variveis com preciso arbitrria e realizasse
operaes aritmticas sem erros de arredondamento em tempo finito, atravs do mtodo de eliminao gaussiana descrito na subseo anterior, seriamos perfeitamente capazes de encontrar a soluo
exata para um sistema de equaes lineares. No entanto, devemos nos recordar que na prtica
as variveis so representadas por pontos flutuantes e conseqentemente, as operaes aritmticas
esto sujeitas a erros de arredondamento.
Para ilustrar as limitaes da eliminao gaussiana simples vamos considerar o seguinte exemplo.
Exemplo: Seja um sistema de equaes lineares representado pela matriz completa [ A| b].
Vamos supor que estamos na fase final de um processo de eliminao gaussiana e que as ope-

36

Captulo 3. Sistemas de equaes lineares

raes envolvem pontos flutuantes. Vamos supor tambm que, com exceo de uma particular
componente, o resultado de todas as operaes representam exatamente a matriz completa
equivalente na forma (quase) escalonada:

u1,1 u1,2 u1,3

0

u2,2 u2,3
0

u3,3

..
.

..
.

..

u1,n2 u1,n1 u1,n c1

u2,n2 u2,n1 u2,n c2

u3,n2 u3,n1 u3,n c3

..
..
..

.
.
.

0

1
1
0
2
1
3

 [ A| b] .

(3.7)

n(n+1)

Se as operaes fossem realizadas sem erros de arredondamento, ao invs da matriz (3.7)

teramos o escalonamento exato dado por

u1,1 u1,2 u1,3

0
0

u2,2 u2,3
0 u3,3

..
.

..
.

..

u1,n2 u1,n1 u1,n c1

u2,n2 u2,n1 u2,n c2

u3,n2 u3,n1 u3,n c3

[ A| b] .
..
..
..

.
.
.

0
0
1
1
0
2
1
3
n(n+1)

(3.8)

e as duas ltimas componentes da soluo exata so dadas por

xn = 1

xn1 = 1.

Por outro lado, o valor obtido para as duas ltimas componentes da soluo aproximada a
partir da matriz completa (3.7) so resultado das operaes
2

x
n =
2
1

3

x
n1 =

1x
n
.


(3.9)

Vamos supor que as variveis pertenam ao sistema de ponto flutuante F (10, 10, 90, 90) e
2
que o erro seja pequeno, por exemplo,  = 0.1 1010 . Nesse caso, = 0.2 1012 e assim

2
2
o numerador e denominador de x
n , 3 e 1 sero arredondados respectivamente para


0.1999999999 1012 e 0.1999999999 1012 ou 0.2000000000 1012 e 0.2000000000
1012 , dependendo da escolha de arredondamento. Em qualquer um dos casos, para um erro

 = 0.1 1010 teremos como solues aproximadas

x
n = 0.1000000000 101

x
n1 = 0.

37

Captulo 3. Sistemas de equaes lineares

Uma anlise mais atenta dos termos (3.9) nos permite concluir que nesse exemplo no possvel encontrar a soluo exata atravs da eliminao gaussiana simples.
Essa dificuldade em encontrar a soluo exata apesar de um erro pequeno e isolado poderia
nos levar a pensar que a eliminio gaussiana seria intil na busca da soluo atravs de mtodos
numricos. Este no o caso. O problema explicitado na exemplo foi drasticamente amplificado
pelo fato de que na posio de piv da (n1)-sima coluna da matriz completa a componente possui
um valor muito pequeno (), o resultado, de acordo com o algoritmo do mtodo de eliminao
gaussiana simples, a combinao linear das duas ltimas linhas com um termo multiplicativo de
2
valor absoluto muito grande ( ). Uma medida simples como a operao elementar de troca das

duas ltimas linhas antes da combinao linear das mesmas resultaria nas aproximaes
3
1 
2
x
n =
1
1 
2

x
n1 =

3x
n
2

que conduzem soluo exata quando o erro  for suficientemente pequeno3 .

Essa observao induz a um aprimoramento da eliminao gaussiana denominada mtodo de
eliminao gaussiana com pivoteamento parcial que consiste na troca de linhas em uma coluna
piv para que a posio de piv seja ocupada pela maior componente em valor absoluto antes de
realizarmos as operaes que eliminam os termos abaixo da posio de piv na mesma coluna.
Esse mtodo atenua o tipo de problema ilustrado no exemplo, no entanto possvel mostrar que a
escolha da componente de maior valor absoluto no elimina o problema por completo nem mesmo
ser sempre a melhor escolha possvel para a posio de piv.
Em vista dessas observaes, naturalmente estaremos diante da questo de decidir entre duas ou
mais aproximaes aceitveis qual delas a mais adequada, ou prxima da soluo exata. Porm
nesse caso, o objeto que chamamos de soluo no um simplesmente um nmero real e sim um
vetor do espao vetorial n-dimensional Rn . Como comparar esses objetos?
Comparamos vetores entre si atravs de normas.
Definio (Norma para um espao vetorial). Dado um espao vetorial V , uma norma em V ,
simbolizada por kk, uma funo kk : V R+ com as seguintes propriedades, para quaisquer
x, y V e R(ou C)

1. kxk 0 e kxk = 0 se e somente se x = 0, o elemento nulo de V .

2. kxk = || kxk.

3. kx + yk kxk + kyk (desigualdade triangular)

Note que a definio nada diz sobre a forma do espao vetorial V nem fornece uma prescrio
sobre como a norma construda de fato. Basta determinar uma funo que satisfaa os critrios
da definio. No nosso caso, os sistemas de equaes lineares Ax = b envolvem apenas vetores
x Rn , b Rm e matrizes A Mmn (conjunto de todas as matrizes de m linhas e n colunas
com componentes reais). Os vetores do Rn , assim como as matrizes Mmn so espaos vetorias
3

Naturalmente, devemos levar em conta que as operaes so em ponto flutuante, ou seja, a representao obtida
exata sem a necessidade de tomar o limite  0, basta que seja um valor suficientemente prximo de 0.

38

Captulo 3. Sistemas de equaes lineares

para quaisquer m e n naturais no nulos. Vamos ento nos ater em trs exemplos de normas para
esses espaos.
Exemplo (Normas para o Rn): Em geral, diferenciamos as normas entre si por algum simbolo no ndice de kk. Em particular vamos considerar as normas kk1 , kk2 e kk : dado um

vetor x Rn , de componentes xi , definimos as normas

. P
1. kxk1 = ni=1 |xi |, (norma 1),
. pPn
2
2. kxk2 =
i=1 |xi | , (norma 2 ou norma euclideana),
.
3. kxk = maxi |xi |, (norma sup ou norma ).

um exerccio simples verificar que essas trs normas satisfazem as propriedades da definio.
Da mesma forma vamos considerar as normas kk1 , kk2 e kk para matrizes A Mmn :
Exemplo (Normas para o Mmn): Dada uma matriz A Mmn , de componentes ai,j , de-

finimos as normas

P
.
1. kAk1 = max1jn m
i=1 |ai,j |, (norma 1),
qP P
.
m
n
2
2. kAk2 =
i=1
j=1 |ai,j | , (norma 2 ou norma euclideana),
P
.
3. kAk = max1im nj=1 |ai,j |, (norma sup ou norma ).

um exerccio simples verificar que essas trs normas satisfazem as propriedades da definio.
Utilizamos os mesmos ndices para identificar algumas das norma de vetores e matrizes pois,
nesse caso, elas possuem uma importante relao entre si, elas so normas compatveis: dado qualquer vetor x Rn , qualquer matriz A Mmn e o vetor que resulta da multiplicao matricial

Ax Rm , verificamos que, de acordo com as definies de norma para vetores e matrizes dos

exemplos anteriores,

kAxk kAk kxk

nos casos em que = 1, 2 ou . Ou melhor, essas normas para matrizes so construdas a partir
da definio da norma vetorial compatvel de acordo com a definio

kAxk
.
kAk = maxn
=
max
kAyk .
xR
kxk
yRn :kyk =1
A partir das definies de norma para vetores e matrizes, possivel comparar diferentes aproximaes para a soluo de um sistema de equaes lineares. Se x0 e x1 so duas aproximaes
distintas do sistema no singular (possui apenas uma nica soluo)Ax = b, ento a multiplicao
matricial de A pelos vetores que representam a aproximao resulatm em duas aproximaes para
o vetor das constantes b:
Ax0 = b0

Ax1 = b1 .

Parece razovel supor que, atravs dos resduos b b0 e b b1 , os vetores b0 e b1 forne-

cem uma boa indicao sobre a exatido das aproximaes x0 e x1 . O exemplo a seguir mostra
que isso no necessariamente verdade.

39

Captulo 3. Sistemas de equaes lineares

Exemplo: Seja o sistema de equaes lineares representado pela seguinte matriz completa
0.780 0.563 0.217
0.913 0.659 0.254
0.999

0.341

!
!

=
.
ex
0.087
1.001
A matriz formada pelas duas primeiras colunas da matriz!completa no singular, portanto
1
. Nossa questo escolher qual
o sistema possui uma nica soluo dada por x =
1
das duas aproximaes a mais adequada supondo que no conheamos a soluo exata.
!
0.1343 103
Os resduos associados s aproximaes so dados respectivamente por r =
0.1572 103
!

0.1 106

e r =
. Note que qualquer que seja a norma utilizada, krk > r :
0
=
e duas aproximaes x

krk1 = 0.2915 103 > r = 0.1 106 ,
1

3
krk2 = 0.2067 . . . 10
> r = 0.1 106 ,
2

3
krk = 0.1572 10
> r = 0.1 106 .

a mais exata, no entanto podemos constatar

x
Isto poderia nos levar a crer que a aproximao

qualquer que seja a norma.

k < x x
facilmente que kx x

Esse comportamento est relacionado ao fato de que a matriz A prxima de uma matriz
singular. Matrizes com tal caracterstica so denominadas matrizes mal-condicionadas. O condicionamento de uma matriz pode ser medido atravs de sua norma e relaciona o erro relativo do vetor
= A
uma aproximao da soluo do sistema e b
b ao erro relativo da soluo x: sejam x
x, atravs
da inversa de A relacionamos a soluo e sua aproximao aos respectivos vetores constantes:
x = A1 b

= A1 b.
x

A partir das duas ltima expresses, relacionamos o erro relativo cometido em na soluo e o erro
relativo no vetor de constantes




k = A1 b Ab
kx x






= A1 b b






A1 b b
,

onde a norma para a matriz uma norma compatvel utilizada para os vetores. A desigualdade
que obtemos iplica a seguinte expresso para o erro relativo na soluo
1

k
kx x


A1 b b
.

kxk
kxk

(3.10)

40

Captulo 3. Sistemas de equaes lineares

Para reescrever o lado direito da desigualdade acima como o erro relativo do vetor das constantes
b, basta utilizar o fato de que a sua norma pode ser limitada pelo produto das normas da matriz e
do vetor soluo :
kbk = kAxk kAk kxk ,
ou seja
1
kAk

.
kxk
kbk

(3.11)

Utilizando a desigualdade (3.11) no ltimo termo do lado direito de (3.10) concluimos que

k
kx x
A1 kAk
kxk

b b
kbk

(3.12)

A partir da desigualdade (3.12) definimos o condicionamento de uma matriz inversvel (ou seja,


no singular) A como o valor numrico A1 kAk. No difcil verificar que o condicionamento

um nmero maior ou igual a unidade: se I = AA1 a matriz identidade, Ix = x, ento para um

vetor x 6= 0

kxk = AA1 x kAk A1 x kAk A1 kxk

o que implica A1 kAk 1.

Ento se a preciso na estimativa de b dada pelo soluo aproximada possuir erro absoluto

10pb ,

podemos esperar um erro relativo na soluo, limitado superiormente por 10ps e relacio-

nado pb atravs da desigualdade

ps pb log10 A1 kAk

que resulta do logaritmo em base 10 da desigualdade (3.12).

Ainda assim, devemos lembrar que a desigualdade (3.12) fornece apenas uma estimativa superior para o erro relativo. Na seo seguinte estudaremos um mtodo intermedirio entre os mtodos
diretos e os mtodos iterativos, trata-se do mtodo de refinamento iterativo de uma soluo.

3.2. Refinamento iterativo

O refinamento iterativo de solues um mtodo intermedirio entre os mtodos diretos e os
iterativos. Consiste em calcular uma seqncia de correes para a soluo aproximada de um
sistema de equaes lineares.
Vamos supor ento que x(0) uma soluo aproximada do sistema
Ax = b,

(3.13)

calculada atravs de um mtodo numrico direto como, por exemplo, a eliminio gaussiana. A
multiplicao matricial de A pela aproximao x(0) , realizada atravs de operaes aritmticas
em ponto flutuante, resulta em um vetor b(0) diferente da representao em ponto flutuante de b.
Para determinar a representao mais prxima exata no sistema de ponto flututante utilizado, ser

41

Captulo 3. Sistemas de equaes lineares

necessrio obter um vetor tal que x = x(0) + . Ou seja , = x x(0) e assim,

A = Ax Ax(0)
= b b(0)

= r(0) ,

o vetor soluo do sistema A = r(0) , onde r(0) o resduo da soluo aproximada x(0) com
relao soluo exata.
A soluo numrica do sistema A = r(0) estar sujeita s mesmas condies da equao original (3.13), portanto podemos esperar obter diretamente um vetor (0) que soluo aproximada
para o vetor que corrige a soluo x(0) . A correo dessa soluo aproximada com o vetor (0) determina a aproximao x(1) para a soluo de (3.13) . Esse procedimento iterado sucessivamente
de modo que a (k + 1)-sima soluo iterada, x(k+1) , dada pela soma
x(k+1) = x(k) + (k) ,
onde (k) o vetor soluo do sistema
A(k) = r(k)
.
e o resduo r(k) = b b(k) = b Ax(k) , para k = 0, 1, . . .
Quanto estabilidade numrica desse mtodo, possvel demonstrar que dada uma matriz




A, no singular (e portanto, com um condicionamento finito A1 kAk), a seqncia x(i)
i

calculada atravs de operaes em um sistema de ponto flutuante, converge para a representao da

soluo exata nesse sistema se:

1. a preciso for suficientemente alta

2. os resduos forem calculados em preciso dupla, antes de serem arredondados para a preciso
em que as demais operaes so realizadas.

Exemplo: Seja o sistena de equaes lineares representado pela matriz completa

0.913 0.659 0.254
0.781 0.564 0.217

Vamos utilizar o mtodo da eliminao gaussiana para determinar uma aproximao para a soluo no sistema de ponto flutuante F (10, 5, 20, 20) com arredondamento por truncamento.
De acordo com o algoritmo vamos realizar a seguinte operao elementar:
L1
((0.781  0.913) L1 ) L2

L1
(0.85542 L1 ) L2
0.913
0

0.659

0.254

2.8 104 2.7 104

42

Captulo 3. Sistemas de equaes lineares

x(0)

0.254

0.97421

. Devemos agora calcular o resduo em

0.96428
preciso dupla, ou seja, no sistema F (10, 10, 20, 20) e no final arredondamos para o sistema
Obtemos assim a aproximao

original F (10, 5, 20, 20):

(0)

(0)

= b Ax

0.254

0.217

0.217

6.79 106

4.09 106

0.913 0.659

0.25399321
0.21700409
!
.

0.781 0.564
!

0.97421

0.96428

(nesse caso no houve necessidade de arredondar)

A primeira correo, (0) soluo do sistema com matriz completa

0.913 0.659

6.79 106

0.781 0.564 4.09 106

Antes de realizar o processo de eliminao gaussiana,lembremos que, por definio, a matriz quadrada formada pelas duas primeiras colunas da matriz e a mesma do sistema original. Portanto j conhecemos
! a sua forma traingular, basta aplicar a operao elementar
L1
ltima coluna. Teremos ento
(0.85542 L1 ) L2
0.913

0.659

2.8 104 9.8983 106

0
(0)

2.5523 102

x(1)

e
=
3.5351 102
O resduo da nova aproximao dado por

que imlica

r(1) = b Ax(1) =
=

2.68 106
2.19 106

6.79 106

0.254
0.217
!

0.99973
0.99963
0.913 0.659
0.781 0.564

0.99973
0.99963

A nova correo (2) soluo do sistema A(2) = r(1) representado pela matriz completa
0.913 0.659 2.68 106

0.781 0.564 2.19 106

0.913
0

0.659

2.68 106

2.8 104 1.025 107

43

Captulo 3. Sistemas de equaes lineares

(2)

2.6716 104

0.99999

x(2)

e
=
0.99999
3.6607 104
O resduo associado nova aproximao ainda no nulo:

que implica

r(2) = b Ax(2) =
2.54 106
2.17 106

0.254
0.217
!

0.913 0.659
0.781 0.564

0.99999
0.99999

A nova correo (3) soluo do sistema A(3) = r(2) representado pela matriz completa
0.913 0.659 2.54 106

0.781 0.564 2.17 106

que implica

(2)

0.913
0

9.8955 106

106

0.659

2.54 106

0.99999

2.8 104 2.7 109

!

x(3)

0.99999
9.6428
ento a partir desse ponto no conseguimos melhorar a aproximao.

. Note que x(3) = x(2) ,

De acordo com o mtodo e o sistema de

!
! ponto flutuante utilizado, a soluo numrica
1
0.99999
. A
. Sabemos que a soluo exata
do sistema dada pelo vetor
1
0.99999
pequena discrepncia conseqncia da escolha que realizamos para o arredondamento nas
operaes de ponto flutuante. Note que o nmero 1 possui duas representaes no sistema po A partir
sicional de base decimal, uma dada pelo algarismo 1 e outra dada por 0.99 . . . 0.9.

dessa ltima representao, de acordo com o sistema de ponto flutuante F (10, 5, 20, 20) com
arredondamento por truncamento, o nmero 1 seria armazenado como 0.99999 100 .

3.3. Mtodos iterativos

A soluo dos sistemas lineares de n equaes e n incgnitas atravs de mtodos diretos envolve
um nmero da ordem de n3 operaes em ponto flutuante e, como estudamos, dependendo da
natureza das equaes, os erros de arredondamento nessas operaes podem ser grandes.
Nesta seo vamos estudar mtodos em que a soluo pode ser aproximada com um nmero
menor de operaes, nas quais, os erros de arredondamento estejam sob controle (numericamente
estvel) .
A estratgia consiste em desenvolver uma regra para construir a seqncia de aproximaes
x(1) , x(2) , x(3) , . . . a partir de uma aproximao

inicial x(0) e garantir a convergncia dessa seqn-

cia para a soluo do sistema.

Existem inmeras maneiras de decompor a matriz no singular A no sistema
Ax = b,

44

Captulo 3. Sistemas de equaes lineares

sob a forma
A = B C,
onde B tambm no singular. Dada uma tal escolha, o sistema assume a forma
Bx Cx = b
ou seja,
Bx = b + Cx.

(3.14)



A partir de uma aproximao inicial x(0) vamos cosntruir a seqncia x(k) kN como soluo

da seguinte modificao do sistema (3.14): no lado direito da equao, utilizamos uma aproximao

conhecida para x e assumimos que a soluo do sistema resultante fornece a aproximao seguinte.
Ou seja,
Bx(k+1) = b + Cx(ik) ,

(3.15)

para k = 0, 1, . . . Naturalmente, realizamos a escolha das matrizes n n, B e C, de modo que B

seja no singular e que o sistema (3.15) possua soluo numrica simples.

Vamos denominar (k) = x x(k) , como o erro da k-sima aproximao com relao soluo

exata. Ento, a partir de (3.15), temos que

x(k+1) = B1 b + B1 Cx(k)
= B1 (Ax) +B1 Cx(k)
= B1 (Bx Cx) + B1 Cx(k)


= x B1 C x x(k)
e a partir dessa ltima igualdade temos


x x(k+1) = B1 C x x(k)

(k+1) = M(k) ,

(3.16)

onde M = B1 C.

Uma condio necessria e suficiente para que limk (k) = 0 Rn para qualquer (0)

Rn que M seja tal que limk Mk = 0 Mnn . Pois, de acordo com (3.16), dada uma
aproximao inicial com erro (0) , aps k iteraes, o erro da (k + 1)-sima aproximao ser
(k) = M(k) = MM(k1) = . . . = Mk (0) .
Matrizes que satisfazem esse limite so denominadas matrizes convergentes. Portanto, quando
decompomos a matriz no singular A na forma A = B C, devemos realizar um escolha que
satisfaa os seguintes critrios:

45

Captulo 3. Sistemas de equaes lineares

1. A matriz B deve ser no singular.

2. A matriz B1 C deve ser convergente.
O seguinte teorema permite caracterizar uma matriz como convergente ou no, a apartir dos seus
autovalores.
Teorema (matrizes convergentes)
Seja M Mnn uma matriz quadrada. M convergente, ou seja, limk Mk = 0 Mnn , se e

somente se o valor absoluto de todos os seus autovalores for estritamente menor do que a unidade.
O seguinte corolrio muito til tambm:
Corolrio (matrizes convergentes - condio suficiente)
Uma matriz quadrada M convergente se para uma norma matricial qualquer, kMk < 1.

A importncia do corolrio deve-se ao fato de que existem normas matriciais cujo clculo
muito simples. De acordo com o corolrio, se para qualquer uma dessas normas, a norma de B1 C
for estritamente menor do que a unidade, ento o mtodo ser convergente, caso contrrio nada
podemos afirmar (a no ser que conheamos os autovalores da matriz). Duas normas que possuem
a caracterstica de serem calculadas facilamente so as normas kk1 e kk .
Uma escolha muito natural para a decomposio consistem em eleger B como a matriz diagonal
formada pelos elementos na diagonal de A, essa escolha determina o mtodo conhecido como
Mtodo de Jacobi.

3.3.1. Mtodo de Jacobi

Dado o sistema de equaes lineares
Ax = b,
onde A uma matriz quadrada, n n, no singular e com elementos (A)i,j = ai,j , o mtodo de
Jacobi consiste na iterao



x(k+1) = B1 b + Cx(k) ,

k = 0, 1, . . . ,

onde x(0) uma aproximao inicial e B a matriz diagonal formada pelos elementos da diagonal
de A, portanto (B)i,j = i,j ai,j e C = B A. Em termos das componentes das aproximaes da
soluo, o mtodo assume a forma da iterao

(k+1)

xi

n
X
1
(k)
bi
ai,j xj

ai,i

(3.17)

j=1
j6=i

para i = 1, 2, . . . n a cada k = 0, 1, . . ..
De acordo com o corolrio sobre condio suficiente para convergncia, o mtodo de Jacobi




ser convergente se B1 C < 1 ou B1 C < 1. Os elementos da matriz dada pelo produto
1

46

Captulo 3. Sistemas de equaes lineares

ai,j
(o termo (1 i,j ) indica que os elementos da diagonal de
ai,i
B1 C so nulos). Ento podemos concluir atravs da norma matricial kk1 que se
B1 C so B1 C

i,j

= (1 i,j )



X  ai,j 
1

B C < 1 = max

 ai,i  < 1
1
1jn

(3.18)

i=1
i6=j

o mtodo converge. A segunda desigualdade em (3.18) equivale a condio de dominncia diagonal

P
por colunas da matriz A: se |ai,i | > i=1 |ai,j | para todo i = 1, 2, . . . , n a matriz A diagonal
i6=j

dominante por colunas (dado qualquer elemento da diagonal, o seu valor absoluto estritamente

maior que a soma dos valores absolutos dos demais elementos na mesma coluna) e, nesse caso , a
convergncia do mtodo de Jacobi est garantida.
De maneira semelhante, podemos concluir atravs da norma matricial kk1 que se


X  ai,j 
1
B C < 1 = max


 ai,i  < 1

1in

(3.19)

j=1
j6=i

o mtodo converge. Nesse caso, a desigualdade (3.19) equivale a condio de dominncia diagonal
P
por linhas da matriz A: se |ai,i | > j=1 |ai,j | para todo i = 1, 2, . . . , n a matriz A diagonal
j6=i

dominante por linhas (dado qualquer elemento da diagonal, o seu valor absoluto estritamente

maior que a soma dos valores absolutos dos demais elementos na mesma linha) e, nesse caso , a
convergncia do mtodo de Jacobi tambm est garantida.

3.3.2. Mtodo Gauss-Seidel

O mtodo de Gauss-Seidel consiste em uma pequena modificao do mtodo de Jacobi. Nesse
ltimo, para encontrar a aproximao x(k+1) , de acordo com a iterao (3.17), devemos conhecer
todos as componentes da aproximao anterior x(k) . No mtodo de Gauss-Seidel, levamos em
conta que durante a iterao, parte das componentes da prxima aproximao j so conhecidas e
so tambm incorporadas no clculo das demias. Assim, no mtodo Gauss-Seidel a iterao para
clculo das componentes da (k + 1)-sima aproximao dada por
(k+1)

x1

(k+1)

xi

x(k+1)
=
n

n
X
1
(k)
a1,j xj ,
b1

a1,1

j=2

1
bi
ai,i

i1
X
j=1

1
bn

an,n

(k+1)

ai,j xj

n1
X
j=1

n
X

j=i+1

(k+1)

an,j xj

(k)
ai,j xj ,

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

Pela estrutura da iterao, podemos notar que, ao contrrio do que ocorre no mtodo de Jacobi, no
h necessidade de armazenar os dados de todas as componentes da k-sima aproximao para obter
a seguinte.

47

Captulo 3. Sistemas de equaes lineares

O critrio de convergncia desse mtodo utiliza exclusivamente norma matricial kk , portanto

o mesmo relaciona-se apenas ao carter de dominncia diagonal por linhas da matriz A.

3.4. Exerccios
1) Utilize o mtodo de Gauss com pivoteamento parcial para encontrar a soluo do seguinte
sistema de equaes lineares
(

4x + 4y

20, 5

7x + 6, 99y = 34, 97

no sistema F (10, 5, 10, 10). Verifique que o sistema possui soluo exata que pode ser represen-

tada nesse sistema de ponto flutuante e realize as operaes de refinamento.

2) Utilize o mtodo de gaus com pivoteamento parcial para encontrar a soluo do seguinte
sistema de equaes lineares
(

4x + 4y

20

7x + 6, 9y = 34, 7

no sistema F (10, 5, 10, 10). Verifique que o sistema possui soluo exata que pode ser represen-

tada nesse sistema de ponto flutuante e realize as operaes de refinamento.

3) Seja o sistema A x = b, onde
A=

0, 5

0, 4

0, 3 0, 25

=
Considere que conheamos a aproximao b

0, 200

.
!

para o lado direito da equao. Se

1, 000
so exatos at o terceiro dgito aps a vrgula encontre uma
os coeficientes da aproximao b
k
kx x
, isto , para
estimativa para o erro relativo na resposta x
.
kxk
4) Seja o sistema com matriz completa (o mesmo utilizado no exemplo da seo refinamento
iterativo )
!
0.913 0.659 0.254
.
0.781 0.564 0.217
Encontre a soluo atravs do mtodo de eliminao gaussiana com variveis no sistema de ponto
flutuante F (10, 5, 20, 20) e arredondamento par. Utilize a refinao iterativa at que a aproxima-

o no mais seja modificada.

5) Utilize o mtodo de Jacobi e o mtodo de Gauss-Seidel para esse mesmo sistema. O que
voc pode dizer sobre a convergncia dos mtodos? (trabalhe com a maior preciso possvel).