Escolar Documentos
Profissional Documentos
Cultura Documentos
Sistemas Lineares
Marcone Jamilson Freitas Souza, Departamento de Computao, Instituto de Cincias
Exatas e Biolgicas, Universidade Federal de Ouro Preto, 35400-000 Ouro Preto, MG, Brasil. Homepage: http://www.decom.ufop.br/prof/marcone, E-mail: marcone@iceb.ufop.br
Introduo
Prope-se, neste captulo, apresentar mtodos numricos para resolver sistemas lineares
postos na forma:
.
.
.
.
.
.
.
.
.
aij xj = bi
i = 1, 2, . . . , n
(1.2)
j=1
isto , resolveremos sistemas lineares nos quais o nmero de equaes igual ao de incgnitas.
Na forma
matricial, um sistema
A= .
..
..
.. Matriz dos coeficientes
..
.
.
.
x=
b=
x1
x2
b1
b2
bn
comum tambm representar o
por:
[A | b] = .
..
..
..
..
.
.
.
an1
an2
ann
b1
b2
..
.
bn
Com relao ao nmero de solues, um sistema linear pode ser classificado em:
(a) Compatvel e determinado: Quando houver uma nica soluo;
(b) Compatvel e indeterminado: Quando houver uma infinidade de solues;
(c) Incompatvel: Quando o sistema no admitir soluo;
Sistemas Triangulares
3.1
a33 x3 + + a3n xn
..
ann xn
b1
b2
b3
..
.
bn
(3.3)
n
P
j=i+1
aii
aij xj
i = n, . . . , 1
(3.4)
Discusso da soluo
n
P
j=i+1
n
P
j=i+1
Algoritmo
Sistemas Lineares
procedimento SubstituicaoRetroativa(n,A,b,x);
1 xn bn /ann ;
2 para i de n 1 at 1 passo 1 faa
3
SOMA 0;
4
para j de i + 1 at n faa
5
SOMA SOMA + aij xj ;
6
fim-para;
7
xi (bi SOMA)/aii ;
8 fim-para;
9 Retorne x;
{ Retorne o vetor soluo }
fim SubstituicaoRetroativa;
Figura 1: Algoritmo para resolver sistemas triangulares superiores
3.2
a11 x1
a21 x1
..
an1 x1
+
..
.
a22 x2
..
.
an2 x2
ann xn
=
=
..
.
b1
b2
..
.
bn
(3.5)
i1
P
j=1
aii
aij xj
i = 1, . . . , n
(3.6)
Discusso da Soluo
3.2.2
i1
P
j=1
i1
P
j=1
Algoritmo
procedimento SubstituicaoProgressiva(n,A,b,x);
1 para i de 1 at n faa
2
SOMA 0;
3
para j de 1 at i 1 faa
4
SOMA SOMA + aij xj ;
5
fim-para;
6
xi (bi SOMA)/aii ;
7 fim-para;
8 Retorne x;
{ Retorne o vetor soluo }
fim SubstituicaoProgressiva;
Figura 2: Algoritmo para resolver sistemas triangulares inferiores
Mtodos Numricos
Mtodos Diretos
So mtodos que produzem a soluo exata de um sistema, a menos de erros de arredondamento, depois de um nmero finito de operaes aritmticas.
Com esses mtodos possvel determinar, a priori, o tempo mximo gasto para resolver
um sistema, uma vez que sua complexidade conhecida.
A clssica Regra de Cramer, ensinada no ensino mdio, um mtodo direto. Entretanto, pode-se mostrar que o nmero mximo de operaes aritmticas envolvidas na
resoluo de um sistema n n por este mtodo (n + 1)(n!n 1) + n. Assim, um
computador que efetua uma operao aritmtica em 108 segundos gastaria cerca de 36
dias para resolver um sistema de ordem n = 15. A complexidade exponencial desse
algoritmo inviabiliza sua utilizao em casos prticos.
O estudo de mtodos mais eficientes torna-se, portanto, necessrio, uma vez que, em
geral, os casos prticos exigem a resoluo de sistemas lineares de porte mais elevado.
Apresentaremos, a seguir, mtodos mais eficientes, cuja complexidade polinomial,
para resolver sistemas lineares. Antes, porm, introduziremos uma base terica necessria
apresentao de tais mtodos.
Transformaes elementares: Denominam-se transformaes elementares as seguintes operaes efetuadas sobre as equaes (ou linhas da matriz aumentada) de um
sistema linear:
1. Trocar duas equaes:
Li Lj ;
Lj Li ;
2. Multiplicar uma equao por uma constante no-nula:
Lj c Lj ;
c R, c 6= 0
3. Adicionar a uma equao um mltiplo de uma outra equao:
Lj Lj + c Li ; c R
Sistemas Lineares
e = eb se dizem equivalentes se a
Sistemas equivalentes: Dois sistemas Ax = b e Ax
soluo de um for tambm soluo do outro.
Teorema: Seja Ax = b um sistema linear. Aplicando-se somente transformaes elemene = eb, sendo que
tares sobre as equaes de Ax = b, obtemos um novo sistema Ax
e
e
Ax = b e Ax = b so equivalentes.
5.1
Mtodo de Gauss
0
a11 a12 a1n | b1
a11 a012 a01n | b01
0
0
0
a21 a22 a2n | b2
an1
an2
ann
{z
bn
| b0n
U x=c
Ax=b
5.1.1
a0nn
{z
Descrio do Mtodo
10x1 5x2 +
x3
= 14, 308
= 25, 744
= 3, 872
= 36, 334
(5.7)
A resoluo deste sistema pelo mtodo de Gauss envolve duas fases distintas. A primeira, chamada de fase de eliminao, consiste em transformar o sistema dado em um
sistema triangular superior. A segunda, chamada de fase de substituio, consiste em
resolver o sistema triangular superior atravs de substituies retroativas.
Para aplicar a primeira fase, utilizemos o quadro abaixo, onde cada grupo de linhas representa um passo (ou estgio) da obteno do sistema triangular superior. Trabalharemos
com 3 dgitos com arredondamento na apresentao em ponto flutuante.
Tabela 1: Fase de eliminao
Linha Multiplicadores
(0)
L1
(0)
L2
(0)
L3
(0)
L4
(1)
L2
(1)
L3
(1)
L4
(2)
L3
(2)
L4
(3)
L4
Coeficientes
das incgnitas
7
4
-2
3
11
4
-2
3
8
10
-5
1
0 9,284 4,858
0 4,144 7,428
0 -10,716 3,858
1
-5
2
-3
-5,429
2,286
-4,429
Termos
Ind.
Transformaes
Elementares
14,308
25,744
-3,872
36,334
(1)
(0)
(0)
19,606 L2 0, 429 L1 + L2
(1)
(0)
(0)
0,220 L3 0, 286 L1 + L3
(1)
(0)
(0)
15,888 L4 1, 429 L1 + L4
(2)
(1)
(1)
0
0
0 5,261 4,707
0 9,464 -10,694
-8,524 L3 0, 446 L2 + L3
(2)
(1)
(1)
38,513 L4 1, 154 L2 + L4
53,848 L4
0 -19,162
(3)
(2)
1, 799 L3
(2)
+ L4
7
4
2
1 | 14, 308
0
9, 284 4, 858 5, 429 | 19, 606
[A(1) | b(1) ] =
0
4, 144 7, 428
2, 286 | 0, 220
0 10, 716 3, 858 4, 429 | 15, 888
Passo k = 2:
(1)
piv: a22 = 9, 284
(1)
Linha pivotal: L2
(1)
Objetivo: zerar os elementos abaixo do piv a22 .
Ao final do segundo passo obtemos o sistema A(2) x = b(2)
isto :
7
4
2
1
0 9, 284 4, 858 5, 429
(2)
(2)
[A | b ] =
0
0 5, 261
4, 707
0
0 9, 464 10, 694
| 14, 308
| 19, 606
| 8, 524
| 38, 513
Passo k = 3:
(2)
piv: a33 = 5, 261
(2)
Linha pivotal: L3
(2)
Objetivo: zerar os elementos abaixo do piv a33 .
Ao final do terceiro
passo obtemos o sistema A(3) x = b(3) equivalente
ao sistema dado:
7
4
2
1 | 14, 308
0 9, 284 4, 858
5, 429 | 19, 606
[A(3) | b(3) ] =
0
0 5, 261
4, 707 | 8, 524
0
0
0 19, 162 | 53, 848
Portanto, ao final de 3 passos, o sistema Ax = b,
no seguinte sistema triangular superior A3 x = b3 :
7x1 +
4x2
2x3 +
9, 284x2 + 4, 858x3
5, 261x3 +
=
=
=
=
14, 308
19, 606
8, 524
53, 848
(5.8)
8,5244,707(2,810)
= 0, 894
5,261
19,606+5,429(2,810)4,8580,894
= 0, 001
9,284
14,30840,001+20,8942,810
=
2,
700
7
Sistemas Lineares
2, 700
0, 001
x
=
0, 894
2, 810
5.1.2
Avaliao do Resduo/Erro
(5.9)
1in
(5.10)
14, 308
7
25, 744 3
R = b A
x=
3, 872 2
36, 334
10
4
11
3
5
2
4
8
1
1
2, 700
0, 001
5
2 0, 894
3
2, 810
0, 002
0, 007
=
0, 007
0, 015
5.1.3
1i4
Algoritmo
5.1.4
Complexidade
Observaes Finais
mik =
(k1)
aik
(k1)
akk
i = k + 1, , n
(5.11)
(k1)
Observe que o piv do k-simo passo da fase de eliminao sempre akk , isto , o
elemento diagonal da matriz A(k1) do sistema transformado A(k1) x = b(k1) obtido no
passo anterior.
Desvantagens do mtodo de Gauss:
(i) No pode ser aplicado quando o piv for nulo (akk = 0);
(ii) Os erros de arredondamento cometidos durante um passo da obteno do sistema
triangular se propagam para os passos seguintes, podendo comprometer a validade
da soluo obtida.
Para contornar o problema (i) e minimizar o problema (ii), a ideia usar uma estratgia
de pivoteamento, conforme a seguir se descreve.
5.2
Sistemas Lineares
(k1)
aik
i = k, k + 1, , n
0, 0002x1 + 2x2 = 5
(5.12)
2x1 + 2x2 = 6
(a) Pelo mtodo de Gauss
(b) Pelo mtodo de Gauss com pivotao parcial
Resoluo do item (a):
A Tabela 3 apresenta a fase de eliminao do Mtodo de Gauss aplicado ao sistema
linear 5.12.
Tabela 3: Fase de eliminao do Mtodo de Gauss do sistema (5.12)
Linha
Multiplicadores
Coeficientes
das incgnitas
(0)
L1
(0)
L2
(1)
L2
0, 002
2
0
Termos
Ind.
2
2
-19998
5
6
-49994
Transformaes
Elementares
(1)
L2
(0)
10000 L1
(0)
+ L2
0, 0002x1 +
2x2 =
5
(5.13)
19998x2 = 49994
cuja soluo :
x
=
0, 0001
2, 4999
5
4, 9998
0, 0002
R = b A
x=
=
6
5
1
= max |ri | = max {|0, 002|, |1|} = 1
1in
1i2
2x1 +
2x2 =
6
(5.14)
1, 9998x2 = 4, 9994
cuja soluo :
10
Multiplicadores
Coeficientes
das incgnitas
(0)
L1
(0)
L2
(0)0
L1
(0)0
L2
(1)
L2
Termos
Ind.
0, 0002
2
2
2
5
6
0,0002
1,9998
4,9994
x
=
0, 5001
2, 4999
Transformaes
Elementares
(0)0
(0)
L2
(0)0
(0)
L2 L1
(1)
L2 0, 0001
L1
(0)0
L1
(0)0
+ L2
5
4, 9999
0, 0001
R = b A
x=
=
6
6, 0018
0, 0018
= max |ri | = max {|0, 001|, | 0, 0018|} = 0, 0018
1in
1i2
5.3
Nesta estratgia, no incio do passo k da fase de eliminao escolhido para piv o elemento
de maior mdulo dentre aqueles que ainda atuam no processo de eliminao, isto :
(k1)
Piv = a(k1)
= max |aij
rs
i,jk
|;
5.4
5.4.1
O Mtodo da Decomposio LU
Introduo
Em muitas situaes, desejvel resolver vrios sistemas lineares nos quais a matriz dos
coeficientes a mesma. Nesses casos, indicado resolver o sistema linear Ax = b por uma
tcnica de decomposio da matriz A. Dentre as tcnicas de decomposio mais utilizadas,
destacamos a da decomposio LU.
Sistemas Lineares
11
x);
procedimento GaussPivoteamentoParcial(n, A,
1 para k de 1 at n 1 faa
2
w |akk |;
3
r k;
4
para i de k at n faa
5
se |aik | > w ento
6
w |aik |;
7
r i;
8
fim-se;
9
fim-para;
10
para j de k at n + 1 faa
11
aux akj ;
12
akj arj ;
13
arj aux;
14
fim-para;
15
para i de k + 1 at n faa
16
mik aik /akk ;
17
para j de k + 1 at n + 1 faa
18
aij aij + mik akj ;
19
fim-para;
20
fim-para;
21 fim-para;
22 xn an,n+1 /ann ;
23 para i de n 1 at 1 passo 1 faa
24
SOM A 0;
25
para j de i + 1 at n faa
26
SOM A SOM A + aij xj ;
27
fim-para;
28
xi (ai,n+1 SOM A)/aii ;
29 fim-para;
30 Retorne x;
{ Retorne o vetor soluo }
fim GaussPivoteamentoParcial(n,A,x);
Figura 4: Algoritmo do Mtodo de Gauss com Pivoteamento Parcial
Por esta tcnica, uma matriz A decomposta como o produto de duas matrizes L e
U , sendo L uma matriz triangular inferior e U , uma matriz triangular superior, isto :
A = L.U
Desta forma, podemos reescrever o sistema Ax = b na seguinte forma:
Ax = (L.U )x = L.(U x) = b
Fazendo-se U x = y podemos resolver o sistema Ax = b em dois passos: Primeiramente,
resolvemos o sistema triangular inferior Ly = b, obtendo y como soluo. Em seguida, com
a soluo y obtida no passo anterior, resolvemos o sistema triangular superior U x = y,
obtendo x
como soluo. Em outras palavras, decompomos a resoluo de um sistema
linear na resoluo de dois sistemas triangulares: o primeiro, triangular inferior, que se
resolve facilmente por substituies progressivas (basta aplicar o Algoritmo da Fig. 2,
12
M (0)
1
= m21
m31
(i) (M (0) )1
(ii) (M (1) )1
5.4.2
1
0 0
1 0 e M (1) = 0
0 1
0
1
0 0
= m21 1 0
m31 0 1
1
0
0
1
0
= 0
0 m32 1
0
1
m32
0
0 ento:
1
(0)
(0)
a11 a12 a13
(1)
(1)
A(1) = 0
a22 a23 Matriz obtida ao final do passo k = 1
(1)
(1)
0
a32 a33
(0)
(0)
(0)
a11 a12 a13
(1)
(1)
A(2) = 0
a22 a23 Matriz obtida ao final do passo k = 2
(2)
0
0
a33
Sistemas Lineares
13
0 0
1
1 0 e M (1) = 0
0 1
0
1
M (0) = m21
m31
Observe que:
M (0) A(0)
1
= m21
m31
0
1
m32
0
0
1
(0)
a
0 0
11
1 0 a(0)
21
(0)
0 1
a31
a12
(0)
a22
(0)
a32
(0)
(0)
a11
(0)
= m21 a(0)
11 + a21
(0)
(0)
m31 a11 + a31
(0)
(0)
(0)
a
a12 a13
11
(1)
(1)
= 0
a22 a23
(1)
(1)
0
a32 a33
(0)
(0)
a13
(0)
a2n
(0)
a33
a12
(0)
(0)
m21 a12 + a22
(0)
(0)
m31 a12 + a32
(0)
a13
(0)
(0)
m21 a13 + a23
(0)
(0)
m31 a13 + a33
(1)
=A
M (0) A(0)
Logo:
A(2) = M (1) M (0) A
Premultiplicando ambos os membros da expresso anterior pela inversa de M (1) M (0) ,
obtemos:
(M (1) M (0) )1 A(2) = (M (1) M (0) )1 M (1) M (0) A = IA = A
|
{z
}
I
(0)
(0)
a11 a12
1
0 0
1
0
0
(1)
1
0 0
A = m21 1 0 0
a22
m31 0 1
0 m32 1
0
0
|
{z
}|
{z
}|
{z
A = (M
(1)
(0) 1
(2)
(M (0) )1
1
0
1
A = m21
m31 m32
|
{z
L
(M (0) )1
(0)
a
0
11
0 0
1
}| 0
(0)
a12
(1)
a22
0
{z
(0)
(0)
a13
(1)
a23
(2)
a33
}
A(2)
a13
(1)
a23
(2)
a33
}
14
5.4.3
O Mtodo da Decomposio LU
Este mtodo, tambm conhecido como Mtodo de Doolittle, consiste na seguinte sequncia
de passos:
(i) Obter a fatorao LU da matriz A;
(ii) Fazer U x = y;
(iii) Resolver o sistema triangular inferior Ly = b;
(iv) Obtida a soluo y do sistema Ly = b, resolver o sistema triangular superior U x = y.
Exemplo: Resolver pelo Mtodo da Decomposio LU
(5.15)
A(2)
3
2
......
.
1/3 .. 1/3
.........
..
4/3
1
.
1 0 0
3 2
4
e U = 0 1/3 2/3
2/3
= L = 1/3 1 0
4/3
1
1
0 0
8
y1 +
(1/3)y1 + y2
(4/3)y1 + y2
2x2
3x1 +
(1/3)x2
= 1
= 2
= 3
+ y3
y = 1 5/3
+
+
4x3
(2/3)x3
8x3
=
=
=
y1 = 1
y2 = 5/3
y3 = 0
1
5/3
0
x1 = 3
x2 =
5
x3 =
0
Sistemas Lineares
15
x
=
3 5
uij
a1j
j = 1, , n
aij
li1
ai1
u11
lij
1
ujj
i1
P
lik ukj
j = i, , n; i 2
k=1
j1
P
aij
lik ukj
i = 2, , n
i = j + 1, , n; j 2
k=1
5.5
9
3x1 4x2 + x3 =
x1 + 2x2 + 2x3 =
3
(5.16)
4x1
3x3 = 2
(a) Fatorao LU :
Tabela 7: Fatorao LU da matriz
Linha Multiplicadores
Coeficientes
das incgnitas
(0)
L1
3
-4
1
(0)
L2
1
2
2
(0)
L3
4
0
-3
(0)0
L1
4
0
-3
(0)
L2
m21 = 1/4
1
2
2
(0)0
L3
m31 = 3/4
3
-4
1
..
(1)
L2
1/4 .
2
11/4
.
(1)
L
3/4 .. -4
13/4
3
(1)
(1)
L3
L2
(2)
L3
.
3/4 ..
..
m32 = 2/(4) = 1/2 1/4 .
1/4
-4
2
do sistema (5.16)
Transformaes
Elementares
(0)0
L1
(0)0
L3
(0)
L3
(0)
L1
(1)
(0)0
(1)
L2 (1/4) L1
(0)
L3 (3/4) L1
0
(1)
13/4 L2
(1)
L3
Vetor
Permutao
1
2
3
3
2
1
(0)
+ L2
(0)
+ L3
2
1
(1)
(1)
L2
L3
11/4
..
(2)
(1)0
(1)0
-1/2 . 35/8 L3 (1/2) L2 + L3
Passo k = 1:
A matriz dos coeficientes e o vetor de permutao originais so:
16
A(0)
3
= 1
4
4
2
0
1
1
2 ; P (0) = 2
3
3
Dado que na coluna k = 1 o maior elemento est na terceira linha, devemos permutar
as linhas L1 e L3 , o que resultar na seguinte matriz dos coeficientes transformada:
4
0 3
3
0
0
2
2 ; P (0) = 2
A(0) = 1
1
3 4
1
Prosseguindo com o Mtodo de Gauss, obtemos a seguinte matriz transformada ao
final do passo k = 1:
4
0
3
3
2 11/4 ; P (1) = 2
A(1) = 1/4
1
3/4 4 13/4
Passo k = 2:
Analogamente, dado que na coluna k = 2, o maior elemento est na terceira linha,
devemos permutar as linhas L2 e L3 , o que resultar na seguinte matriz dos coeficientes
transformada:
4
0
3
3
0
0
A(1) = 3/4 4 13/4 ; P (1) = 1
1/4
2 11/4
2
Encerrado o passo k = 2 obteremos:
4
0
3
3
4 13/4 ; P (2) = 1
A(2) = 3/4
1/4 1/2 35/8
2
A partir da matriz A(2) extraimos
1
0
1
L = 3/4
1/4 1/2
as matrizes L e
0
0 e U =
1
U:
4
0
0
0
3
4 13/4
0 35/8
y1 +
= 2 y1 = 2
(3/4)y1 +
y2
=
9 y2 = 21/2
(1/4)y1 (1/2)y2 + y3 =
3 y3 = 35/4
t
y = 2 21/2 35/4
(c) Resoluo do sistema U x = y:
3x3 = 2 x1 =
4x1 + 0x2
4x2 + (13/4)x3 = 21/2 x2 =
(35/8)x3 = 35/4 x3 =
t
x
= 1 1 2
1
1
2
Sistemas Lineares
5.6
17
Mtodo de Cholesky
lii
li1
lij
sa11
aii
i1
P
j=1
ai1
l11
1
ljj
aij
2
lij
j1
P
i = 2, , n
i = 2, , n
lik ljk
i = j + 1, , n; j 2
k=1
Mtodo de Cholesky:
=
=
=
14
101
155
(5.17)
Soluo:
Procuremos coeficientes lij tais que:
14
l11
5 = l21
83
l31
}
|
4
2
2 17
14 5
|
{z
A
0
l22
l32
{z
0
l11
0 0
l33
0
}|
l21
l22
0
{z
l31
l32
l33
}
Lt
Resolvendo-o,
obtemos:
21
31
l11 = a11 = 4 = 2
l21 = al11
= 22 = 1
l31 = al11
=
p
2
l22 = a22 l21 = 17 1 = 4
1
l32 = l22
(a l31 l21 ) = 14 (5 7 1) = 3
p 32
p
2 l2 =
l33 = a33 l31
83 72 (3)2 = 5
32
Conhecido o fator L, resolvamos, agora, o sistema triangular inferior Ly = b:
2
1
7
0 0
y1
14
4 0 y2 = 101
3 5
y3
155
14
2
=7
18
t
cuja soluo : y = 7 27 5
O passo seguinte, agora, resolver o sistema triangular superior U x = Lt x = y:
2 1
7
x1
0 4 3 x2 =
0 0
5
x3
7
27
5
cuja soluo :
x
=
5.7
6 1
Refinamento da Soluo
(5.18)
onde:
x
(0) =
(0)
x
1
(0)
x
2
..
.
; (0) =
(0)
(0)
1
(0)
2
..
.
(0)
x
n
A
= R(0) , isto , para determinarmos a parcela de correo A(0) basta
resolvermos um sistema linear onde A a matriz dos coeficientes do sistema original e
R(0) o resduo produzido pela soluo x
(0) .
Com isso, obteremos:
(0)
(0)
x
1 + 1
(0)
(0)
x
2 + 2
x
(1) = x
(0) + (0) =
..
.
(0)
(0)
x
n + n
Evidentemente, x
(1) tambm pode no ser uma boa soluo. Neste caso, procuraremos uma soluo ainda melhor x
(2) , na forma: x
(2) = x
(1) + (1) , sendo a parcela de
(2)
(1)
(1)
correo obtida resolvendo-se o sistema A = R , sendo R(1) o resduo produzido
pela soluo aproximada x
(1) .
Este processo se repete at que uma das seguintes condies seja satisfeita:
(k)
Sistemas Lineares
19
ou k > 2 iteraes.
3x1
7x1
2x1
5x2
3x2
4x2
+ 3x3
+ x3
5x3
=
=
=
5
10, 416
19, 652
(5.19)
L1
(0)
L2
(0)
L3
(1)
L2
(1)
L3
(2)
L3
Coeficientes
das incgnitas
3
5
3
7
-3
1
2
4
-5
.
(1)
2,333 .. -14,665
-5,999 L2
.
(1)
0,666 .. 0,670
-6,998 L3
..
(2)
0,666
-0,045 . -7,267 L3
Transformaes
Elementares
(0)
(0)
(0)
(0)
2, 333 L1 + L2
0, 666 L1 + L3
(1)
3
5
3
........
.
.
(2)
2,
333
.
14,
665
5,
999
A =
.
.
.
.
.
.
.
.
.
.
.
.
.
.
..
0, 666
0, 045 . 7, 267
1
0
0
3
5
3
1
0 e U = 0 14, 665 5, 999
L = 2, 333
0, 666 0, 045 1
0
0
7, 267
(b) Determinao de x
(0) :
(b.1) Resoluo do sistema Ly = b:
y1 +
2, 333y1 +
y2
0, 666y1 0, 045y2 +
y3
(1)
0, 045 L2 + L3
=
5
y1 = 5
= 10, 416 y2 = 1, 249
= 19, 652 y3 = 16, 265
20
y =
5x2 +
3x3 =
5
x1 =
3x1 +
14, 665x2 5, 999x3 = 1, 249 x2 =
t
x
(0) = 2, 238 1, 000 2, 238
2, 238
1, 000
2, 238
R(0) = b A
x(0)
5
3
= 10, 416 7
19, 652
2
3
2, 238
0
1 1, 000 = 0, 012
5
2, 238
0, 014
5
3
4
(k)
Como max |ri | = 0, 014 > 0, 010 devemos prosseguir com o refinamento da soluo
1i3
atual x
(0) .
(c) Determinao de x
(1) :
Como x
(1) = x
(0) + (0) , ento para calcular a nova soluo x
(1) , devemos obter a
(0)
(0)
parcela , a qual obtida resolvendo-se o sistema linear A = R(0) .
(c.1) Resoluo do sistema Ly = R(0) :
y1 +
=
0
2, 333y1 +
y2
= 0, 012
t
y = 0 0, 012 0, 014
y1 =
y2 =
y3 =
0
0, 012
0, 014
5 (2)
14, 665 (2)
3 (3)
5, 999 (3)
7, 267 (3)
= 0, 001
(0)
0 (1) =
0, 012 (2) =
0, 014 (3) =
t
0, 000 0, 001
=
=
=
0, 001
0, 000
0, 001
2, 238
0, 001
2, 237
x
(1) = x
(0) + (0) = 1, 000 + 0, 000 = 1, 000
2, 238
0, 001
2, 237
(c.4) Avaliao de R(1) :
R(1) = b A
x(1)
5
3
= 10, 416 7
19, 652
2
(k)
5
3
4
3
2, 237
0, 000
1 1, 000 = 0, 006
5
2, 237
0, 007
Sistemas Lineares
5.8
21
Mtodos Iterativos
(5.20)
5.8.1
Mtodo de Jacobi
a11 x1
a21 x1
..
an1 x1
+
+
..
.
a12 x2
a22 x2
..
.
+
+
..
.
..
.
+
+
..
.
a1n xn
a2n xn
..
.
=
=
..
.
b1
b2
..
.
an2 x2
ann xn
bn
xn =
(0)
x1
(0)
x2
(0)
xn
it
arbitrria;
(ii) Gerar aproximaes sucessivas x(k) a partir de x(k1) com base nas seguintes equaes
de iterao:
(k1)
+ a13 x3
a11
(k1)
+ a23 x3
a22
(k1)
+ an2 x2
+ + an,n1 xn1 )
ann
(k)
b1 (a12 x2
(k)
b2 (a21 x1
x1 =
x2 =
(k1)
+ + a1n xn
(k1)
+ + a2n xn
(k1)
(k1)
..
.
x(k)
n
bn (an1 x1
(k1)
(k1)
22
xi
n
P
j=1
j6=i
aij xj
i = 1, 2, , n
aii
(5.21)
Na forma matricial:
x(k) = J.x(k1) + D k = 1, 2,
(5.22)
J =
0
a21 /a22
..
.
a12 /a11
0
..
.
a13 /a11
a23 /a22
..
.
..
.
a1n /a11
a2n /a22
..
.
an1 /ann
an2 /ann
an3 /ann
D=
b1 /a11
b2 /a22
..
.
(5.23)
(5.24)
bn /ann
(iii) Interromper o processo quando um dos critrios abaixo for satisfeito:
(k)
(k1)
xi
t
(k)
(k1)
inicial x(0) = 0 0 0
e como critrio de parada max |xi xi
| < 0, 001 ou
1i3
k > 10 iteraes:
10x1
x1
2x1
2x2
15x2
3x2
+
+
+
x3
x3
10x3
= 7
= 32
= 6
0
J = 1/15
2/10
2/10
0
3/10
1/10
1/15
0
7/10
D = 32/15
6/10
(5.25)
Sistemas Lineares
23
(k1)
(k)
x1 =
7 2x2
10
(k1)
x1
(k)
32
(k)
6 2x1
x2 =
(k1)
x3
(k1)
x3
15
(k1)
x3 =
(k1)
3x2
10
x1
0
1
2
3
4
5
6
0
0,7000
1,0667
0,9993
0,9977
1,0003
1,0000
(k)
x2
0
-2,1333
-2,0467
-1,9889
-2,0000
-2,0004
-1,9999
Portanto, x
= 1, 0000
ciso < 0, 001.
5.8.2
(k)
(k)
x3
(k1)
xi
0
0,6000
1,1000
1,0007
0,9968
1,0005
1,0000
2,1333
0,5000
0,0993
0,0111
0,0037
0,0004
t
1, 9999 1, 0000
a soluo do sistema (5.25) com pre-
0
aij /ajj
se i = j
se i =
6 j
Se x
a soluo de Ax = b ento podemos escrever:
x
= Jx
+D
(5.26)
k = 1, 2,
(5.27)
x(k) x
= J x(k1) x
k = 1, 2,
(5.28)
k = 1, 2,
(5.29)
24
(k)
e1
e(k)
2
..
(k)
en
(k1)
=
=
(k1)
0e1
(k1)
f21 e1
..
.
+
+
f12 e2
(k1)
0e2
..
.
(k1)
fn2 en
= fn1 e1
(k1)
+
+
..
.
(k1)
f1n en
(k1)
f2n en
..
.
(5.30)
(k1)
0en
n
(k1) X
(k1) X
(k1) X
(k)
|ei | e1
|f
|
+
e
|f
|
+
+
e
|fin |
i1
i2
i=1
i=1
i6=1
i=1
i6=2
(5.31)
i=1
i6=n
Teorema: (Critrio das colunas) condio suficiente para que o Mtodo de Jacobi
convirja que:
|ajj | >
n
X
|aij |
j = 1, 2, , n
(5.32)
i=1
i6=j
O critrio das colunas estabelece que se os elementos diagonais forem dominantes nas
colunas, ento o Mtodo de Jacobi converge, independentemente da soluo inicial.
Provaremos, agora, esse fato.
Prova:
Hiptese: Os elementos diagonais so dominantes nas colunas
(k)
Tese: ei 0, isto , x(k) x
n
X
|aij |
j = 1, 2, , n
i=1
i6=j
podemos escrever:
n
X
aij
ajj < 1
j = 1, 2, , n
i=1
i6=j
n
X
|fij | < 1
j = 1, 2, , n
i=1
i6=j
Seja
n
P
i=1
i6=j
obtemos:
n
n
X
X
(k)
(k1)
ei L
ei
i=1
i=1
k = 1, 2,
Sistemas Lineares
25
n
n
X
X
(1)
(0)
e i L
ei
i=1
i=1
n
n
n
X
X
X
(2)
(1)
(0)
e i L
ei L2
e i
i=1
i=1
i=1
..
.
n
n
X
X
(0)
(k)
ei
ei Lk
i=1
i=1
X
(k)
e i 0
i=1
(k)
(k)
Do resultado anterior extramos que ei 0 = ei 0 i = 1, 2, , n. Assim,
(k)
(k)
como ei = xi
demonstrar.
5.8.3
xi
(k)
i, obteremos: xi
xi = x(k) x
, conforme queramos
26
Mtodo de Gauss-Seidel
Este mtodo difere do anterior apenas com relao s equaes de iterao, as quais so:
(k)
x1 =
(k)
x2 =
(k)
x3 =
(k1)
b1 (a12 x2
(k1)
+ a13 x3
a11
(k)
(k1)
(k)
(k)
(k1)
+ + a1n xn
(k1)
+ + a2n xn
b2 (a21 x1 + a23 x3
a22
(k1)
..
.
(k)
x(k)
n =
(k)
(k)
Sinteticamente:
Sistemas Lineares
27
bi
(k)
xi
i1
P
j=1
(k)
aij xj
n
P
j=i+1
(k1)
aij xj
i = 1, 2, , n
aii
(5.33)
L=
U =
0
a21 /a22
a31 /a33
..
.
0
0
a32 /a33
..
.
0
0
0
..
.
..
.
0
0
0
..
.
an1 /ann
an2 /ann
an3 /ann
0
0
0
..
.
a12 /a11
0
0
..
.
a13 /a11
a23 /a22
0
..
.
..
.
a1n /a11
a2n /a22
a31 /a33
..
.
b1 /a11
b2 /a22
D=
..
.
bn /ann
(5.34)
A equao (5.34) pode ser escrita na forma x(k) = Gx(k1) + D. De fato, a partir de
(5.34), podemos escrever:
x(k) Lx(k) = U x(k1) + D
(I L) x(k) = U x(k1) + D
1
x(k) = (I L)
|
{z
U x(k1) + (I L)
}
{z
|
G
(k)
(k1)
= Gx
D
}
+ D.
(5.35)
Exemplo:
Resolver o sistema abaixo (que o mesmo sistema 5.25 usado para exemplificar o Mtodo de Jacobi) pelo Mtodo de Gauss-Seidel usando como aproximao inicial x(0) =
t
(k)
(k1)
0 0 0
e como critrio de parada max |xi xi
| < 0, 001 ou k > 10 iteraes:
1i3
x3 = 7
10x1 + 2x2 +
x1 15x2 +
x3 = 32
28
(k1)
(k)
x1 =
(k)
x2
(k)
7 2x2
1/10
7/10
1/15 e D = 32/15
0
6/10
(k1)
x3
10
(k)
(k1)
32 x1 x3
=
15
(k)
x3 =
(k)
6 2x1 3x2
10
x1
0
1
2
3
4
0
0,7000
1,0087
0,9991
1,0000
(k)
x2
0
-2,0867
-1,9937
-2,0003
-2,0000
Portanto, x
= 1, 0000
ciso < 0, 001.
5.8.5
(k)
x3
(k)
(k1)
xi
0
1,0860
0,9964
1,0003
1,0000
2,0867
0,3087
0,0096
0,0009
t
2, 0000 1, 0000
a soluo do sistema (5.25) com pre-
n
X
|aij |
j = 1, 2, , n
i=1
i6=j
Pn
i=1 |aij |
=j
max i6|a
,
jj |
1jn
mais
Sistemas Lineares
29
n
X
|aij |
i = 1, 2, , n
j=1
j6=i
Pn
j=1 |aij |
=i
max j6|a
,
ii |
1in
mais
i =
(|aij | j ) +
j=1
n
P
j=i+1
|aij |
|aii |
(5.36)
30
+
x3
3x1
x1 x2
2x1 + x2 + 3x3
(5.37)
6>
Como o critrio das colunas no verificado para as colunas 1 e 2 (bastava que no fosse
satisfeito para uma nica coluna), concluimos que esse critrio no garante convergncia
se usarmos um mtodo iterativo.
(b) Critrio das linhas:
|a11 | = |3| = 3
>
1 =
1/3
Como = 1/3 < 1 resulta que o critrio de Sassenfeld foi satisfeito. Portanto, pode-se
aplicar um mtodo iterativo ao sistema (5.37), uma vez que h garantia de convergncia
do mesmo.
Exemplo 2:
Verificar se h garantia de convergncia do sistema a seguir usando um mtodo iterativo.
Sistemas Lineares
31
0, 5x1
x1
0, 4x1
+
+
0, 6x2
x2
0, 4x2
+ 0, 3x3
+
x3
+
1x3
=
=
=
0, 2
0
0, 6
(5.38)
Soluo:
Claramente os critrios da linha e da coluna no se aplicam. Apliquemos, ento, o
critrio do raio espectral. As matrizes de iterao dos mtodos de Jacobi e Gauss-Seidel,
dadas respectivamente por (5.23) e (5.35), so:
J =L+U
0
1, 2
0
= 1
0, 4 0, 4
0, 6
1 = (J) = 1, 1200
0
S = (I L)1 U
0 1, 2
0 1, 2
0 0, 96
0, 6
0, 4 = (S) = 0, 6928
0, 08
Como (J) > 1 e (S) < 1 ento somente pelo Mtodo de Gauss-Seidel haver convergncia.
5.9
Clculo de Determinantes
n
Y
i=1
i=1
3
A= 1
4
4
2
0
1
2
3
32
1
0 0
4
0
3
1 0 e U = 0 4 13/4
L = 3/4
1/4 1/2 1
0
0 35/8
com 2 trocas de linhas. Logo:
det(A) = (1)k det(L.U ) = (1)2 4 (4) 35/8 = 70
5.10
= c + di
(2 + 3i)x1 + (4 2i)x2
7ix1
4x2
temos:
= 3 + 5i
= 9 + 3i
(5.39)
3 + 5i
s1 + t1 i
2 + 3i 4 2i
, b=
, x=
A=
9 + 3i
s2 + t2 i
7i
4
2
4
3 2
3
5
M=
, N=
, c=
, d=
0 4
7
0
9
3
Ms Nt = c
Ns + Mt = d
As equaes anteriores formam um sistema linear de coeficientes reais, cujas incgnitas
so os vetores s e t, que pode ser resolvido por qualquer um dos mtodos apresentados
anteriormente. Esse sistema pode ser colocado na seguinte forma matricial:
M N
s
c
=
N
M
t
d
Exemplo: Resolver o sistema (5.39) por qualquer mtodo numrico.
Sistemas Lineares
5.11
33
Seja Ann a matriz que se deseja inverter. Se Ann possui a inversa Xnn ento AX = I.
Sejam X1 , X2 , , Xn as colunas de X. Para se achar a matriz inversa faz-se necessrio
resolver n sistemas lineares cuja matriz dos coeficientes a mesma, isto , devem ser
resolvidos os sistemas:
AX1 = ( 1 0 0 0 )t
AX2 = ( 0 1 0 0 )t
..
.
AXn = ( 0 0 0 1 )t
O mtodo mais indicado para calcular a inversa de uma matriz o Mtodo da Decomposio LU , uma vez que tem-se que resolver vrios sistemas lineares com uma mesma
matriz dos coeficientes.
Exerccio:
Aplicar o mtodo anterior para encontrar a inversa da matriz:
3
5
3
1
A = 7 3
2
4 5
5.12
5.13
34
(a)
x
x
y
1, 00001y
=
=
1
0
(b)
x
y
x 0, 99999y
= 1
= 0
O que aconteceu e por qu? Esta uma situao em que o sistema dito mal condicionado".
Dizemos que um sistema bem condicionado (estvel) se pequenas mudanas nos coeficientes e nos termos independentes acarretam pequenas mudanas na soluo do sistema.
No caso de sistemas mal condicionados, pequenas mudanas nos dados de entrada
provocam grandes variaes na soluo final.
Um critrio prtico para verificar se um sistema mal condicionado consiste em avaliar
o determinante normalizado da matriz dos coeficientes, a saber:
det(NormA) =
det A
1 2 . . . n
(5.40)
p
onde i = a2i1 + a2i2 + + a2in
Se o mdulo desse determinante estiver muito prximo de zero (| det(NormA)| 1)
pode-se esperar o mal condicionamento do sistema.
Exerccio:
Verifique se o sistema (5.41) mal condicionado.
8x2 +
9x3
7x1 +
8x1 +
9x2 + 10x3
9x1 + 10x2 +
8x3
5.14
Aplicaes
5.14.1
Eletricidade
= 24
= 27
= 27
(5.41)
2
1
100 V
0V
3
Sistemas Lineares
35
74, 99
V = 70, 95
59, 17
t
Observao: A soluo exata V = [76 72 60] :
5.14.2
Referncias
[1] L.C. Barroso, M.M.A. Barroso, F.F. Campos Filho, M.L.B. de Carvalho e M.L. Maia.
Clculo Numrico (com aplicaes), Editora HARBRA, So Paulo, 2a edio, 1987.
[2] F.F. Campos Filho, Algoritmos Numricos, Livros Tcnicos Cientficos Editora, 2a
edio, Rio de Janeiro, 2007.
[3] E. Kreyzig, Advanced Engineering Mathematics, John Wiles & Sons Inc., 70th
edition, New York, 1993.
[4] M.A.G. Ruggiero e V. L. R. Lopes, Clculo Numrico: Aspectos Tericos e Computacionais, Editora McGraw-Hill, So Paulo, 1988.