Resolução de Sistemas Lineares

Métodos Iterativos
Métodos Iterativos
Considere um sistema do tipo 𝐴𝒙 = 𝑏 em que 𝐴 é uma matriz não
singular e 𝑎𝑖𝑖 ≠ 0, para todo 𝑖.

Geralmente em um método iterativo, iniciamos com uma

aproximação para a solução (que pode ser ruim) e vamos
melhorando essa aproximação através de sucessivas iterações, até
atingir um critério de parada pré-determinado.

Nesta aula, vamos estudar os métodos de Gauss-Jacobi e Gauss-

Seidel.
Método de Gauss-Jacobi
Consideremos o sistema:

𝑎11 𝑥1 + 𝑎12 𝑥2 + 𝑎13 𝑥3 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑏1

𝑎21 𝑥1 + 𝑎22 𝑥2 + 𝑎23 𝑥3 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 𝑏2
⋮ + ⋮ + ⋮ + ⋱+ ⋮ = ⋮
𝑎𝑛1 𝑥1 + 𝑎𝑛2 𝑥2 + 𝑎𝑛3 𝑥3 + ⋯ + 𝑎𝑛𝑛 𝑥𝑛 = 𝑏𝑚
Método de Gauss-Jacobi
isolando as variáveis 𝑥𝑖 da equação 𝑖, temos

1
𝑥1 = (𝑏1 − 𝑎12 𝑥2 − 𝑎13 𝑥3 − ⋯ − 𝑎1𝑛 𝑥𝑛 )
𝑎11
1
𝑥2 = (𝑏2 − 𝑎21 𝑥1 − 𝑎23 𝑥3 − ⋯ − 𝑎2𝑛 𝑥𝑛 )
𝑎22
⋮
1
𝑥𝑛 = (𝑏𝑛 − 𝑎𝑛1 𝑥1 − 𝑎𝑛2 𝑥3 − ⋯ − 𝑎𝑛(𝑛−1) 𝑥𝑛−1 )
𝑎𝑛𝑛
Método de Gauss-Jacobi
Dada uma aproximação inicial 𝒙(0) , as iterações do método de
Gauss-Jacobi são dadas por

(𝑘+1)
1
𝑥1 = (𝑏1 − 𝑎12 𝑥2 (𝑘) − 𝑎13 𝑥3 (𝑘) − ⋯ − 𝑎1𝑛 𝑥𝑛 (𝑘) )
𝑎11
(𝑘+1)
1
𝑥2 = (𝑏2 − 𝑎21 𝑥1 𝑘 − 𝑎23 𝑥3 𝑘 − ⋯ − 𝑎2𝑛 𝑥𝑛 (𝑘) )
𝑎22
⋮
(𝑘+1)
1
𝑥𝑛 = (𝑏𝑛 − 𝑎𝑛1 𝑥1 𝑘 − 𝑎𝑛2 𝑥2 𝑘 − ⋯ − 𝑎𝑛(𝑛−1) 𝑥𝑛−1 (𝑘) )
𝑎𝑛𝑛
Método de Gauss-Jacobi
Critério de Parada
O processo iterativo é repetido até que o vetor 𝒙(𝑘) esteja suficiente-
mente próximo do vetor 𝒙(𝑘+1) .

A distância entre dois vetores x e y pode ser dada por

𝑑 = 𝑥 − 𝑦 = max |𝑥𝑖 − 𝑦𝑖 |
1≤𝑖≤𝑛
Assim, dada uma precisão 𝜖 adotamos como critério de para o
método de Gauss-Jacobi:
||𝒙 𝑘+1 − 𝒙(𝑘) ||
𝑘+1
<𝜖
|𝒙 |
Computacionalmente, também utilizamos o número de iterações.
Método de Gauss-Jacobi
Exemplo 1
Resolva o sistema linear
10𝑥1 + 2𝑥2 + 𝑥3 = 7
𝑥1 + 5𝑥2 + 𝑥3 = −8
2𝑥1 + 3𝑥2 + 102𝑥3 = 3
pelo método de Gauss-Jacobi com 𝒙(0) = (0.7, −1.6, 0.6) e 𝜖 = 0.05
Método de Gauss-Seidel
No método iterativo de Gauss-Seidel, no momento de se calcular
𝑥𝑗 (𝑘+1) usamos todos os valores 𝑥1 (𝑘+1) , ..., 𝑥𝑗−1 (𝑘+1) que já foram
Calculados e os valores 𝑥𝑗+1 (𝑘) , ..., 𝑥𝑛 (𝑘) restantes.
(𝑘+1)
1
𝑥1 = (𝑏1 − 𝑎12 𝑥2 (𝑘) − 𝑎13 𝑥3 (𝑘) − ⋯ − 𝑎1𝑛 𝑥𝑛 (𝑘) )
𝑎11
(𝑘+1)
1
𝑥2 = (𝑏2 − 𝑎21 𝑥1 𝑘+1 − 𝑎23 𝑥3 𝑘 − ⋯ − 𝑎2𝑛 𝑥𝑛 (𝑘) )
𝑎22
⋮
(𝑘+1)
1
𝑥𝑛 = (𝑏𝑛 − 𝑎𝑛1 𝑥1 𝑘+1 − 𝑎𝑛2 𝑥2 𝑘+1 − ⋯ − 𝑎𝑛(𝑛−1) 𝑥𝑛−1 (𝑘+1) )
𝑎𝑛𝑛
Método de Gauss-Seidel
Exemplo 2
Resolva o sistema linear
10𝑥1 + 2𝑥2 + 𝑥3 = 7
𝑥1 + 5𝑥2 + 𝑥3 = −8
2𝑥1 + 3𝑥2 + 102𝑥3 = 3
pelo método de Gauss-Seidel com 𝒙(0) = (0.7, −1.6, 0.6) e 𝜖 = 0.05
Métodos Iterativos
Critérios de Convergência

Definição: Uma matriz é dita diagonalmente dominante

𝑛

𝑎𝑖𝑖 > |𝑎𝑖𝑗 |

𝑗=1
𝑗≠𝑖
para 𝑖 = 1, … 𝑛.
Métodos Iterativos
Critérios de Convergência

Teorema (Critério das Linhas)

Considere um sistema A𝐱 = b, se A é uma matriz não singular e
diagonalmente dominante então ambos os métodos de Gauss-Jacobi
e Gauss-Seidel geram uma sequência que converge para a solução
do sistema, independentemente da aproximação inicial 𝒙(0) .
Métodos Iterativos
Exemplo 3
A matriz do Exemplo 1,
10 2 1
1 5 1
2 3 10

satisfaz o critério das linhas.

Métodos Iterativos
Exemplo 4
Considere o sistema
𝑥1 + 3𝑥2 + 𝑥3 = −2
5𝑥1 + 2𝑥2 + 2𝑥3 = 3
6𝑥2 + 8𝑥3 = −6
A matriz
1 3 1
5 2 2
0 6 8

não satisfaz o critério das linhas.

Métodos Iterativos
Exemplo 4
Porém se permutarmos a primeira equação com a segunda, temos
o sistema
5𝑥1 + 2𝑥2 + 2𝑥3 = 3
𝑥1 +3𝑥2 + 𝑥3 = −2
6𝑥2 + 8𝑥3 = −6
O qual é equivalente ao sistema original e a matriz
5 2 2
1 3 1
0 6 8

deste novo sistema satisfaz o critério das linhas.

Comparação entre os métodos
1) Convergência:
Os métodos diretos obtem a solução de qualquer sistema
não singular. Já os métodos iterativos tem convergência
assegurada apenas sob certas condições.

2) Esparsidade
Uma matriz é dia esparsa quando possui uma quantidade
relativamente pequenas de números não nulos.
Comparação entre os métodos
2) Esparsidade 451 elementos 419 elementos
não nulos não nulos

180 elementos não nulos

Comparação entre os métodos
2) Esparsidade
Os métodos diretos quando aplicados a sistemas esparsos
provocam preenchimentos da matriz. Já nos métodos iterativos
a estrutura da matriz não é perdida.

3) Erros de arredondamento
Os métodos diretos apresentam sérios erros de arredonda-
mento. Os métodos iterativos tem menos erros de arredon-
damento, uma vez que a convergência é assegurada
independente do chute inicial.
Referências Bibliográficas
• Vera Lopes e Márcia Ruggiero. Cálculo Numérico - Aspectos
Teóricos e Computacionais. 2. Pearson. 2000
• Neide Franco. Cálculo Numérico. 1. Pearson Prentice Hall.
2006
• Selma Arenales, Artur Darezzo. Cálculo numérico :
aprendizagem com apoio de software. 1. Thomson Learning.
2008
• Richard L. Burden, J. Douglas Faires. Numerical Analysis. 9.
Cengage Learning. 2011
• José Vargas, Luciano Araki. Cálculo Numérico Aplicado. 1.
Manoele. 2016
 Profa. Dra. Julianna Pinele
julianna.pinele@ufrb.edu.br