Você está na página 1de 46

UNIVERSIDADE FEDERAL DE UBERLNDIA

FACULDADE DE MATEMTICA

Unidade II

SISTEMAS LINEARES
0011 0010

1
452

Introduo

0011 0010

1
452

A resoluo de sistemas lineares pode surgir em diversas reas do conhecimento.


O caso geral, em que o sistema linear envolve m equaes com n incgnitas, o sistema
pode apresentar uma nica soluo, infinitas solues ou no admitir soluo.
Neste captulo vamos analisar esquemas numricos para solues de sistemas lineares
de n equaes com n incgnitas, supondo que este tenha uma nica soluo:

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


a x a x a x .... a x b
21 1 22 2
23 3
2n n
2


an1 x1 an 2 x2 an 3 x3 ... ann xn bn
0011 0010

1
452

O sistema representado por

Ax=b

onde aij so os coeficientes, xj so as incgnitas e os bj so os


termos independentes.
Os mtodos de resoluo de equaes lineares so
classificados em:
Mtodos Diretos - fornecem a soluo exata de um
sistema linear, a menos dos erros de mquina, atravs da
realizao de um nmero finito de operaes.

1
452

Mtodos Iterativos fornecem uma seqncia de


aproximaes para a soluo X a partir de uma soluo inicial
X(0).
0011 0010

Mtodos Iterativos

0011 0010

1
452

Mtodos Iterativos
Vamos considerar um sistema linear AX = b, onde:
A: matriz de coeficientes, n x n;
X =(x1, x2, ..., xn)t: vetor de variveis, n x 1
b: vetor independente, n x 1 (constantes)
Tal sistema linear pode ser escrito na forma equivalente:

X = CX + d
onde:
C: matriz com dimenses n x n;
d: vetor com dimenses n x 1;
0011 0010

1
452

Partindo de um vetor X(0) (vetor aproximao inicial), constri-se


uma seqncia iterativa de vetores:

X(1) = CX(0) + d

Primeira aproximao

X(2) = CX(1) + d

Segunda aproximao

De um modo geral, a aproximao X(k+1) dada por:

X ( k 1) CX ( k ) d

k = 0, 1, 2, ...

OBSERVAO: k chamado de ndice de iterao.


Sendo um processo iterativo, necessitamos de um critrio
de parada. E para isto temos que ter uma medida entre as
aproximaes X(k+1) e X(k). Para isto vamos usar o conceito de
norma de matrizes.
0011 0010

1
452

Definio:
Uma norma em R nm uma aplicao
satisfaz as seguintes propriedades:

: R nm R que

P.1 - A 0 e A 0 A 0 , A R nm
P.2 - A A , R ; A R nm
P.3 - A B A B , A, B R nm
As normas matriciais mais usadas so:

A 1 max
1 j m

A 2

0011 0010

Norma coluna

A max
1 i m

ij

i 1

a
j 1

a
i 1 j 1

ij

Norma linha

ij

1/ 2

Norma Euclidiana

1
452

Alm disso, as normas


seguintes propriedades:

1,

satisfazem as

P.4 - AX A X
P.5 - AB A B
A norma vetorial pode ser vista como um caso particular da norma
n
matricial, onde um vetor X R equivalente a uma matriz de
ordem n 1 .Com isto temos as normas de vetores dadas por:
n

X 1 Xi

Norma 1 (norma coluna)

i 1

X
X

max X i

Norma infinita (norma linha)

1 i n

0011 0010

i 1

1/ 2

Xi

Norma Euclidiana

1
452

O conceito de norma nos permite definir convergncia de uma


seqncia de vetores {Xk}. Dizemos que X(k)X se

lim X ( k ) X 0
k

onde X a soluo do sistema linear.

0011 0010

1
452

Com isto podemos definir os critrios de parada: Dado um

X ( k 1) X ( k )
X ( k 1) X ( k )
|| X

( k 1)

||

b AX ( k )
k k max

0011 0010

Erro Absoluto

Erro Relativo

Teste do Resduo
Nmero mximo de iteraes

1
452

Critrio de convergncia

0011 0010

1
452

Critrio de convergncia
Seja . uma norma qualquer de matriz. Se C<1 o processo
iterativo X(k+1)=CX(k)+d fornecer uma seqncia {X(k)} convergente
para a soluo do sistema AX = b.
Demonstrao:
Seja X soluo do sistema. Ento: X = CX + d.
Subtraindo membro a membro de X = CX + d e X(k+1)=CX(k)+d tem-se:

X ( k 1) X CX ( K ) d CX d

( k 1)

X C X (k ) X

1
452

Sendo o erro em cada iterao dado por e(k) =X(k) X e usando as


propriedades de norma

0011 0010

AB A B segue que:

e ( k 1) C e ( k )
C

e ( k 1)

k 1

e(0)

Logo a seqncia {X(k)} converge para a soluo do sistema X se

lim e ( k 1) lim C
k

k 1

e ( 0) 0, e isto ocorre se a matriz C satisfaz a

condio C 1.
Quanto menor || C || mais rpido a convergncia do
processo.
0011 0010

1
452

Mtodo iterativo de
Gauss-Jacobi

0011 0010

1
452

Seja o sistema linear:

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


a x a x a x .... a x b
21 1 22 2
23 3
2n n
2


an1 x1 an 2 x2 an 3 x3 ... ann xn bn

Supondo aii 0, i 1, 2,..., n, isole a coordenada xi do vetor X,


na i-sima equao, da seguinte forma:

1
x1 a (b1 a12 x2 a13 x3 ... a1n xn )
11

x2

0011 0010

1
(b2 a21 x1 a23 x3 ... a2 n xn )
a22

1
x

n a (bn an1 x1 an 2 x2 ... ann 1 xn 1 )


nn

1
452

Desta forma, tem-se o sistema equivalente X = CX + d, onde

a /a
21
22

C a31 / a33

an1 / ann

a12 / a11
a32 / a33

an 2 / ann

an 3 / ann

b1 / a11
b2 / a22

a13 / a11 a1n / a11


a23 / a22 a2 n / a22
a3n / a33

e d b3 / a33

b
/
a
n nn

Dada uma aproximao inicial: X(0)


o Mtodo de G.Jacobi consiste em obter seqncia: X(1), X(2),..., X(k)
atravs da relao recursiva: X(k+1)=CX(k)+d.

0011 0010

1
452

Assim,

1
( k 1)
(k )
(k )
(k )
x

(
b

a
x

a
x

...

a
x
)
1
1
12
2
13
3
1
n
n

a11

( k 1)
2

(b2 a21 x1( k ) a23 x3( k ) ... a2 n xn( k ) )


a22

1
( k 1)
(k )
(k )
(k )
x

(
b

a
x

a
x

...

a
x
n
n1 1
n2 2
nn 1 n 1 )
n
ann

Observe que o processo iterativo utiliza somente estimativas


da iterao anterior.

0011 0010

1
452

Mtodo iterativo de
Gauss-Seidel

0011 0010

1
452

Observando as equaes de iterao no mtodo de Jacobi ou seja

1
(k 1)
(k )
(k )
(k )
x

(
b

a
x

a
x

...

a
x
)
1
1
12
2
13
3
1
n
n

a11

( k 1)
x
2

1
(b2 a21 x1( k ) a23 x3( k ) ... a2 n xn( k ) )
a22

1
( k 1)
(k )
(k )
(k )
x

(
b

a
x

a
x

...

a
x
n
n1 1
n2 2
nn 1 n 1 )
n
ann

nota-se que na iterao de ordem (k+1) so usadas as


componentes xj(k) da iterao anterior.

0011 0010

1
452

No

Mtodo

de

Gauss-Seidel

para

calcular

componente xj da iterao (k+1), utiliza-se as componentes j


atualizadas x1(k+1), x2(k+1), ..., xj-1(k+1) e as componentes ainda no
atualizadas da iterao anterior xj+1(k), xj+2(k), ..., xn(k).

x1(k+1)=

1
(b1 - a12 x2 (k) - a13 x3 (k) - a13 x3 (k) - ... - a1n xn (k)
a11

1
x2(k+1)= a22 (b2 - a21 x1 (k+1) - a23 x3 (k) a24 x4 (k) - ... - a2n xn (k)
1
a33

x3(k+1)=

(b3 - a31 x1(k+1) - a32 x2 (k+1) a34x4 (k) - ... - a3n xn (k)

1
ann

xn(k+1)=
0011 0010

(bn - an1 x1(k+1) - an2 x2 (k+1) an3x4 (k+1) - ... - ann-1 xn-1 (k+1)

1
452

Interpretao Geomtrica do Mtodo de Gauss-Seidel


Considere o sistema linear 2x2 dado pelas equaes abaixo e
geometricamente representados pela retas r1 e r2.
y

r1 : a1 x1 b1 x2 c1

r2 : a2 x1 b2 x2 c2

r2
r1

x
Temos:

r1 : a1 x1 b1 x2 c1
r1 : x1 (c1 b1 x2 ) / a1

r2 : a2 x1 b2 x2 c2
r2 : x2 (c2 b2 x2 ) / a2
0011 0010

1
452

y
( x11 , x12 )

r2
r1

Inicie no ponto (x , x2 ) = (0,0).


0
1

( x10 , x20 )

( x11 , x20 )

Para determinar (x11, x20), substitua na reta r1 o valor x20, ou seja mova ao
longo da reta horizontal iniciando no ponto (0, 0) at encontrar a reta r2.
O prximo ponto (x11, x21), determinado movendo-se ao longo de uma reta
vertical iniciando no ponto (x11, x20) at encontrar a reta r1.

1
452

Continuando desde modo, aproxima-se sucessivamente da soluo do


sistema, no caso da seqncia ser convergente.
0011 0010

y
r2

( x11 , x12 )

( x12 , x12 )

( x13 , x23 )
( x13 , x22 )

r1

( x12 , x22 )

0
1

0
2

(x , x )
0011 0010

1
1

0
2

(x , x )

1
452

Critrio de Sassenfeld

0011 0010

1
452

Seja o sistema linear

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


a x a x a x .... a x b
21 1 22 2
23 3
2n n
2


an1 x1 an 2 x2 an 3 x3 ... ann xn bn
definindo:

a12 a13 a14 ....... a1n

a11
a j1 1 a j 2 2 .............. a jj 1 j 1 a jj 1 ...... . a jn

para j = 2, 3, ..., n.
0011 0010

a jj

1
452

Define-se

max j
1 j n

Se <1, ento o Mtodo de Gauss-Seidel gera uma


seqncia convergente para a soluo do sistema, qualquer que seja
o vetor inicial. Alm disso, quanto menor for o valor de mais rpida
a convergncia.

0011 0010

1
452

Mtodos diretos

0011 0010

1
452

Os Mtodos Diretos so aqueles que aps um nmero finito


de operaes fornecem a soluo exata do sistema, a menos dos
erros de arredondamentos.
Definio:
Dois sistemas lineares so equivalentes se estes tem a
mesma soluo.
Podemos obter um sistema equivalente ao dado, efetuando
as seguintes operaes elementares:
Trocar duas equaes;
multiplicar uma equao por uma constante;

1
452

somar uma equao a outra multiplicada por uma constante;


0011 0010

Sistema Triangular Superior


Denomina-se sistema triangular superior a todo sistema
Ax =bem que aij = 0, para j < i.

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

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

a33 x3 .... a3n xn b3


ann xn bn

0011 0010

1
452

Mtodo de Eliminao
de Gauss

0011 0010

1
452

O Mtodo de Eliminao de Gauss consiste em transformar um


sistema linear Ax= b em um sistema triangular superior equivalente.

Considere o sistema linear:

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


a x a x a x .... a x b
21 1 22 2
23 3
2n n
2


an1 x1 an 2 x2 an 3 x3 ... ann xn bn
onde det(A) 0, isto , o sistema admite uma nica soluo.

0011 0010

1
452

O sistema linear pode ser representado na forma de matriz


estendida [A0 | b0 ], ou seja:

a 11( 0 )
(0)
a 21

(0)
a n1

a 12( 0)
a (220)

a (n02 )

a 1(n0 )
a (20n )

a (nn0 )

b1( 0 )
(0)
b2

bn

onde o ndice superior indica a etapa do processo.


Etapa 1
Eliminar a incgnita x1 das equaes k = 2, 3, ..., n. Sendo a11(0) 0,
subtramos da linha k a primeira linha multiplicada por:

0011 0010

ak( 01)
mk1 ( 0 )
a11

1
452

Os elementos mk1 so chamados de multiplicadores e o


elemento a11(0) chamado de piv da Etapa 1. Indicando a linha k da
matriz por Lk(0), esta etapa se resume em:

L1(1) L1( 0)
L(k1) L(k0) mk1 L1( 0 ) , k 2, 3, ..., n
Ao final desta etapa tem-se:

a11(1)

a12(1)
a (221)
a (321)

a 13(1) a 1(1n )
a (231) a (21n)
a (331) a (31n)

a (n12)

b1(1)

b2(1)
b3(1)

a (nn1) bn(1)

1
452

que representa um sistema linear equivalente ao sistema original,


onde a incgnita x1 foi eliminada das equaes k = 2, 3,..., n.
0011 0010

Etapa 2
Eliminar a incgnita x2 das equaes k = 3, 4, ..., n. Supondo que
a22(1) 0,vamos tomar este elemento como piv desta etapa e desta
forma os multiplicadores so dados por

mk 2

ak( 12 )
(1)
a22

A eliminao segue com as seguintes operaes sobre as linhas:

L1( 2 ) L1(1)
L(22 ) L(21)
L(k2 ) L(k1) mk 2 L(21) , k 3, 4, ..., n
0011 0010

1
452

obtendo ao final da etapa a matriz

a11( 2 )

a12( 2 )
a (222 )

a 13( 2 ) a1(n2 )
a (232 ) a (22n )
a (332 ) a (32n )

b1( 2 )

b2( 2 )
b3( 2 )



a (n23 ) a (nn2 ) bn( 2 )

Com procedimentos anlogos ao das etapas 1 e 2 elimina-se as


incgnitas xk das equaes k + 1, k + 2, ..., n e ao final de n -1 etapas
tem-se a matriz:

0011 0010

1
452

a11( n 1)

a 12( n 1)
a (22n 1)

a13( n 1) a1(nn 1)
a (23n 1) a (2nn 1)
a (33n 1) a (3 nn 1)

b1( n 1)
( n 1)
b2
b3( n 1)



a (nnn 1) bn( n 1)

Esta matriz representa um sistema triangular superior equivalente


ao sistema original. Logo a soluo deste sistema, obtido pela
Retro-Soluo (substituio regressiva), soluo do sistema
original.

0011 0010

1
452

Assim,
( n 1)
n
( n 1)
nn

b
xn
a

bn( n11) an( n11) xn


xn 1
an( n11n)1

1
xi
aii
0011 0010

bi

j i 1

( n 1)
ij

x j

1
452

Pivotamento Parcial

0011 0010

1
452

Em cada etapa k da eliminao temos o clculo do multiplicador

mkj

akj( k 1)
akk( k 1)

Se o piv |akk(k-1)| << 1, ou seja, prximo de zero, os erros de


arredondamento se tornam significativos, pois operar nmeros de
grandezas muito diferentes aumenta os erros.
A estratgia de pivotamento parcial baseada na operao
elementar: Trocar duas equaes.
No incio de cada etapa k escolhemos como piv o elemento de
maior mdulo entre os coeficientes akk(k-1) para i = k, k + 1, ..., n.

0011 0010

1
452

Inverso de matrizes
pelo mtodo de Gauss

0011 0010

1
452

Vamos supor que desejamos resolver os sistemas


lineares Ax = b1, Ax = b2, Ax = bk, onde a matriz A a mesma para
todos os sistemas. A matriz triangular superior, resultante do
processo de eliminao, no depende do vetor b e portanto ser
a mesma em qualquer um dos sistemas.
Assim podemos resolver estes sistemas num nico
processo de eliminao usando a matriz estendida (A |b1|b2|...| bk)
e aplicando a Retro-Soluo para cada vetor bk.

0011 0010

1
452

O Clculo da inversa de uma matriz um caso particular do


esquema acima. A inversa de uma matriz ARnxn, denotada por A-1,
uma matriz nxn tal que
AA-1 = I
Como exemplo vamos considerar uma matriz A de dimenso 3 3

a11

a21
a
31

a12
a22
a32

a13

a23
a33

x12
x22
x32

x13

x23
x33

cuja a inversa A-1 dada por

x11

x21
x
31
0011 0010

1
452

Logo tem-se:

a11

a21
a
31

0011 0010

a12
a22
a32

a13

a23
a33

x11

x21
x
31

x12
x22
x32

x13 1 0 0

x23 0 1 0
x33 0 0 1

1
452

Portanto cada coluna k da inversa da matriz A soluo de


um sistema linear, onde o vetor dos termos independentes a
k-sima coluna da matriz identidade, isto

a11

a21
a
31

a12
a22
a32

a13

a23
a33

x11 1


x21 0
x 0
31

a11

a21
a
31

a12
a22
a32

a13

a23
a33

x12 0


x22 1
x 0
32

a11

a21
a
31

a12
a22
a32

a13

a23
a33

x31 0


x23 0
x 1
33

0011 0010

1
452

Portanto, se temos uma matriz nxn, podemos achar a


inversa resolvendo n sistemas lineares, representados pela matriz
estendida (A | b1| b2 | ... | bk) , onde os vetores bk so os vetores
unitrios ( 1 na posio k e zeros nas demais posies).

0011 0010

1
452