Escolar Documentos
Profissional Documentos
Cultura Documentos
Ax = b
onde
a11 a12 L a1n
a a 22 L a2n
A = 21 é a matriz dos coeficientes
M M M
a am2 L a mn
m1
x1
x
x = 2 é a matriz coluna (vetor) das variáveis
M
x
n
b1
b
b = 2 é a matriz coluna (vetor) constante.
M
b
m
2
Vamos aprender métodos numéricos para encontrar a solução única de sistemas lineares
n x n. Os métodos numéricos são divididos em dois grupos: métodos diretos e métodos
iterativos.
Métodos iterativos geram uma seqüência de vetor x(k), a partir de uma aproximação
inicial x(0). Sob determinadas condições, esta seqüência converge para a solução x * .
Todos os métodos estudados nos 1º e 2º graus são diretos. A Regra de Cramer aplicada
a resolução de um sistema n x n envolve o cálculo de (n+1) determinantes de ordem n. Se n
for igual a 30 pode-se mostrar que serão efetuadas 31x30!x29 multiplicações mais um
número semelhante de adições. Assim um computador que efetuar um bilhão de
multiplicações por segundo (109 ) levaria 7,667 . 1018 anos para efetuar as multiplicações
necessárias.
Métodos mais eficientes são necessários, pois problemas práticos exigem a resolução de
sistemas lineares de grande porte. Os métodos de eliminação de Gaus e Jordan serão
estudados mais adiante.
bn
xn =
a nn
bn −1 − a n −1,n x n
x n −1 =
a n −1,n −1
bn −k − a n − k ,n −k +1 x n −k +1 − a n −k ,n −k + 2 x n −k + 2 L − a n− k ,n x n
xn−k =
a n − k ,n −k
Finalmente
3 x − y + z − w = 8
5y − z + w = 3
z + w = −5
w = −3
z-3 = -5
z = -5 +3
z = -2
5y – (-2) + (-3) = 3
5y = 3+(-2)-(-3) = 4
y = 4/5
4
(4n3 + 3n 2 − 7 n)
O método de eliminação efetua operações. Para resolver o sistema
6
triangular superior são efetuadas n2 operações. Então o total de operações para se resolver
(4n3 + 9n 2 − 7 n)
um sistema linear pelo método de Eliminação de Gauss é . Assim um
6
computador que efetuar um bilhão de operações por segundo (109 ) levaria 5.334.103
segundos = 1.482 horas para resolver um sistema de equações lineares 20000x20000.
Exemplo 2:
3 x + 2 y + 4 z = 1
x + y − 2z = 0
4 x + 3 y − 2 z = 2
3 2 4 1
1 1 − 2 0
4 3 − 2 2
1ª ETAPA:
Pivô: a11( 0 ) = 3
m21 = 1
3
m31 = 4
3
L2 ← L2 −m 21 ⋅L1
L3 ← L3 −m 31 ⋅L1
3 2 4 1
0 1 − 10 −1
3 3 3
0 1 − 22 2
3 3 3
7
2ª ETAPA:
(1)
Pivô: a 22 =1
3
1
m32 = 3 = 1
1
3
L3 ← L3 − m32 ⋅ L2
3 2 4 1
1 10
0 − −1
3 3 3
0 0 −4 1
3x + 2 y + 4 z = 1
1 3 y − 10 3 z = − 1 3
− 4z = 1
Logo
z = −1 4
y = −1 + 10 z = −1 − 10 4 ∴ y = − 14 = − 7 2
4
3x = 1 − 2 ⋅ (− 7 ) − 4 ⋅ (− 1 ) = 1 + 7 + 1 = 9 ∴ x = 3
2 4
a11( 0) 0 L 0 b1( n )
(1)
0 a 21 L 0 b2( n )
M M M M M
( n −1)
0 0 0 a nn bn( n −1)
Exemplo 3:
3 x + 2 y + 4 z = 1
x + y − 2z = 0
4 x + 3 y − 2 z = 2
10
3 2 4 1
1 1 − 2 0
4 3 − 2 2
1ª ETAPA:
Pivô: a11( 0 ) = 3
m21 = 1
3
m31 = 4
3
L2 ← L2 −m 21 ⋅L1
L3 ← L3 −m 31 ⋅L1
3 2 4 1
0 1 − 10 − 1
3 3 3
0 1 22 2
3
−
3 3
2ª ETAPA:
(1)
Pivô: a 22 =1
3
2
m12 = =6
1
3
L1 ← L1 − m12 ⋅ L2
1
m32 = 3 = 1
1
3
L3 ← L3 − m32 ⋅ L2
3 0 24 3
0
1 − 10 − 1
3 3 3
0 0 −4 1
3ª ETAPA:
( 2)
Pivô: a 22 = −4
24
m13 = = −6
−4
L1 ← L1 − m13 ⋅ L3
− 10
m23 = 3 = 10 = 5
−4 12 6
L2 ← L2 − m23 ⋅ L3
3 0 0 9
0
1 0 −7
3 6
0 0 − 4 1
3x = 9
1 y = −7
3 6
− 4z = 1
Logo
x=3
y = −7 2
z = −1 4
É importante que a matriz M seja muito mais simples do que A, porque senão estaríamos
complicando o problema.
Se || M-1N|| < 1, a seqüência definida pela iteração x(k+1) = M-1 (b + N x(k)), (k=0, 1, ...)
converge para o ponto fixo do sistema de equações, qualquer que seja x ( 0) ∈ IR . A taxa de
convergência deste método iterativo é linear e a constante de convergência é menor ou
igual a || M-1N||. Note-se a semelhança com o método iterativo simples.
Notamos que a matriz diagonal D não deverá ter zeros na diagonal principal. Caso isso
aconteça, deve-se efetuar uma troca de linhas ou colunas na matriz A, para obtermos uma
matriz D adequada.
• método de Jacobi
• método de Gauss-Seidel.
k ≥ kmax
(k )
Desta forma, dada uma precisão ε , o vetor x será escolhido como solução aproximada
da solução exata, se δ ( k ) < ε , ou dependendo da escolha, δ R( k ) < ε . No caso em k ≥ kmax ,
( k max )
x será escolhido como solução aproximada da solução exata.
Vamos supor que A foi reordenada de modo que todos os seus elementos da diagonal sejam
não-nulos aii ≠ 0, ∀i ≤ n . No caso do método de Jacobi, consideramos A=D + L + U = M -
N
M=D
N=-(L+U)
Portanto, o método consiste em
Iterada inicial x(0)
Iteração x(k+1) = D-1(b + N x(k))
(k=0, 1, ...N)
ou ainda
14
Na prática vamos então tirar o valor de cada xi na i-ésima equação (i = 1, 2, . . ., n). Como
assumimos que aii é não nulo, podemos escrever:
1
x1 = (b1 − a12 x2 − a13 x3 − L − a1n xn )
a11
1
x2 = (b2 − a 21 x1 − a 23 x3 − L − a 2 n xn )
a 22
1
x3 = (b3 − a31 x1 − a32 x2 − L − a3n xn )
a33
M = M M
1
xn = (bn − a n1 x1 − a n 2 x2 − L − a n ,n−1 xn −1 )
a nn
1
x1[ k +1] = (b1 − a12 x2[ k ] − a13 x3[ k ] − L − a1n xn[ k ] )
a11
1
x2[ k +1] = (b2 − a 21 x1[ k ] − a 23 x3[ k ] − L − a 2 n xn[ k ] )
a 22
1
x3[ k +1] = (b3 − a31 x1[ k ] − a32 x2[ k ] − L − a3n xn[ k ] )
a33
M = M M
1
xn[ k +1] = (bn − a n1 x1[ k ] − a n 2 x2[ k ] − L − a n, n−1 xn[ k−]1 )
a nn
30 x − 10 y − 2 z = 78
x + 70 y − 3 z = −120
3 x − 2 y + 100 z = 900
78 + 10 y [ k ] + 2 z [ k ]
x [ k +1] =
30
− 120 − x [ k ] + 3 z [ k ]
y [ k +1] =
70
900 − 3x [ k ] + 2 y [ k ]
z [ k +1] =
100
Assumindo
x [ 0] = ( x [0 ] , y [ 0] , z [0 ] )
= (0 ,0 ,0 )
Realizamos a 1ª iteração
78 + 10 y [ 0] + 2 z [ 0] 78 + 10 × 0 + 2 × 0
x [1] = = = 2.6
30 30
− 120 − x [ 0] + 3 z [ 0] − 120 − 0 − 3 × 0
y [1] = = = −1.71
70 70
900 − 3 x [ 0] + 2 y [ 0] 900 − 3 × 0 + 2 × 0
z [1] = = =9
100 100
E = max( | x [1] − x [ 0] |, | y [1] − y [ 0] |, | z [1] − z [ 0] |)
E = max( | 2.6 − 0 |, | −1.71 − 0 |, | 9 − 0 |) = 9
Realizamos a 2ª iteração
Realizamos a 3ª iteração
16
78 + 10 y [ 2] + 2 z [ 2] 78 + 10 × −1.37 + 2 × 8.89
x [ 3] = = = 2.74
30 30
− 120 − x [ 2] + 3 z [ 2] − 120 − 2.63 − 3 × 8.89
y [ 3] = = = −1.37
70 70
900 − 3 x [ 2] + 2 y [ 2] 900 − 3 × 2.63 + 2 × −1.37
z [ 3] = = = 8.89
100 100
E = max( | x [3] − x [ 2] |, | y [ 3] − y [ 2 ] |, | z [ 3] − z [ 2 ] |)
E = max( | 2.74 − 2.63 |, | −1.37 − (−1.37) |, | 8.89 − 8.89 |) = 0.11
Realizamos a 4ª iteração
O princípio do método de Gauss-Seidel é usar nova informação tão logo ela esteja
disponível. Neste caso escolhe-se
Então:
1
x1[ k +1] = (b1 − a12 x 2[ k ] − a13 x3[ k ] − L − a1n x n[ k ] )
a11
1
x 2[ k +1] = (b2 − a 21 x1[ k +1] − a 23 x3[ k ] − L − a 2 n x n[ k ] )
a 22
1
x3[ k +1] = (b3 − a31 x1[ k +1] − a32 x 2[ k +1] − L − a3n x n[ k ] )
a33
M = M M
1
x n[ k +1] = (bn − a n1 x1[ k +1] − a n 2 x 2[ k +1] − L − a n , n −1 x n[ k−+11] )
a nn
30 x − 10 y − 2 z = 78
x + 70 y − 3 z = −120
3 x − 2 y + 100 z = 900
18
[ k +1] 78 + 10 y [ k ] + 2 z [ k ]
x =
30
− 120 − x [ k +1] + 3 z [ k ]
y [ k +1] =
70
[ k +1]
900 − 3 x + 2 y [ k +1]
z [ k +1] =
100
Assumindo
x [ 0] = ( x [0 ] , y [ 0] , z [0 ] )
= (0 ,0 ,0 )
Realizamos a 1ª iteração
78 + 10 y [ 0] + 2 z [ 0] 78 + 10 × 0 + 2 × 0
x [1] = = = 2.6
30 30
− 120 − x [1] + 3z [ 0] − 120 − 2.6 − 3 × 0
y [1] = = = −1.75
70 70
[1] 900 − 3 x [1] + 2 y [1] 900 − 3 × 2.6 + 2 × −1.75
z = = = 8.89
100 100
E = max( | x [1] − x [ 0] |, | y [1] − y [ 0] |, | z [1] − z [ 0] |)
E = max( | 2.6 − 0 |, | −1.75 − 0 |, | 8.89 − 0 |) = 8.89
Realizamos a 2ª iteração
Realizamos a 3ª iteração
19
78 + 10 y [ 2] + 2 z [ 2] 78 + 10 × −1.37 + 2 × 8.89
x [ 3] = = = 2.74
30 30
− 120 − x [ 3] + 3 z [ 2] − 120 − 2.74 − 3 × 8.89
y [ 3] = = = −1.37
70 70
900 − 3 x [ 3] + 2 y [3] 900 − 3 × 2.74 + 2 × −1.37
z [ 3] = = = 8.89
100 100
E = max( | x [3] − x [ 2] |, | y [ 3] − y [ 2 ] |, | z [ 3] − z [ 2 ] |)
E = max( | 2.74 − 2.61 |, | −1.37 − (−1.37) |, | 8.89 − 8.89 |) = 0.13
Realizamos a 4ª iteração
Começamos por notar que o método iterativo x(k+1) = M-1 (b + N x(k)) pode ser escrito como
x(k+1) = C x(k) +d
Notando que:
A determinação do raio espectral da matriz de iteração ρ(C) requer, em geral, maior esforço
computacional que a pró pia solução do sistema Ax = b. Por isto usa-se normalmente
condições suficientes de convergência.
Observação:
Se existir uma norma induzida ||.|| : ||C|| < 1 então é claro que que isso se irá verificar,
porque ||e(k) || = || Ck e(0) || < || C ||k ||e(0) || → 0, quando k tende para infinito,
qualquer que seja o e(0) , fixo pela iterada inicial.
e relembrando que
neste caso, diz-se que a matriz A tem diagonal estritamente dominante por linhas.
De forma análoga (usando uma norma semelhante à das colunas), podemos concluir que se
isto é, se a matriz A tem diagonal estritamente dominante por colunas, então o método de
Jacobi converge.
Observação:
Como C = M-1N = M-1 ( A - M ) = I - M-1A quanto mais próxima de A fôr a matriz M,
mais próximo da matriz zero será valor de C, e consequentemente, mais rápida será a
convergência do método iterativo.
Nos casos dos métodos que estudamos, normalmente M está "mais próxima" de A no caso
do Método de Gauss-Seidel (M = D + L ) do que no caso do Método de Jacobi ( M = D ).
3- Exercícios propostos
A função lsolve do Mathcad usa a notação matricial e a função find é para ser usado em
bloco de solução. Varemos ambos os usos na solução dos sistemas de equações abaixo:
a)
2 x + 3 y = 5
3 x − 2 y = −12 {R. : x = −2, y = 3}
2 3 5 −2
lsolve , →
3 −2 −12 3
b)
3 x + 5 y = 29
4 6
5 x − 3 y = −8 {R. : x = 12, y = 24}
6 4
3 5
4 6 29 12
lsolve , →
5 −3
−8
24
6 4
23
c)
2 − 1 = 7
a b
3 5
a + b = −9 {R. : a = 1 / 2, b = −1 / 3}
d)
x + 5 z − 2u + t = 10
4 y − 3 z + 7u = −14
9 x + 8 y + 10u = 31
2 x + 20 y − 13z + t = −2
6 x + 4 y + 3z + 2u + 4t = 1 {R. : x = −5, y = 0.75, z = 1, u = −2, t = 6}
4y − 3z + 7u −14
−9x + 8y + 10u 31
−5
2x + 20y − 13z + t −2 3
4
5x + 4y + 3z + 2u + 4t 1 find( x, y , z, u , t) →
1
−2
6
Usando lsolve temos a planilha
24
−5
1 0 5 −2 1 10
3
0 4 −3 7 0 −14
4
lsolve −9 8 0 10 0 , 31 →
2 20 −13 0 1 −2 1
−2
5 4 3 2 4 1
6
1 0 5 −2 1 10 −5
0 4 −3 7 0 −14 0.75
lsolve −9 8 0 10 0 , 31 = 1
2 20 −13 0 1 −2 −2
5 4 3 2 4 1 6
Exercícios Resolvidos:
Resolver os sistemas:
1)
x + 3 y − z − t = 7
2 x − 2 y + z + 3t = 8
3 x − y + z − 4t = 8
4 x + y − z − 2t = 7 {R. : x = 3, y = 4, z = 7, t = 1}
given
x + 3y − z − t 7
2x − 2y + z + 3t 8
3x − y + z − 4t 8 3
4
4x + y − z − 2t 7 find( x, y , z, t) →
7
1
2)
25
2 x − 3 y + 2 z − 4t + u = 10
x + 2 y + 4 z + 8t − 5u = 3
5 x + 3 y − 6 z + 4t − 3u = −4
x − y + z − 2t + 2u = 6
3 x + 2 y − 3z + 2t − u = −1 {R. : x = 2, y = −1, z = 3 / 2, t = 1 / 4, u = 1}
Given 2x − 3y + 2z − 4t + u 10
x + 2y + 4z + 8t − 5u 3
5x + 3y − 6z + 4t − 3u −4 2
−1
x − y + z − 2t + 2u 6
3
3x + 2y − 3z + 2t − u −1 Find ( x, y , z, t , u ) → 2
1
4
1
3 x − y + z − w = 8
5y − z + w = 3
z + w = −5
w = −3
given 3x − y + z − w 8
5y − z + w 3
13
z+ w −5 5
4
w −3 find( x, y , z, w) →
5
−2
−3
8 1 1 1
3x − y + z − w 8 solve , x → + ⋅y− ⋅z+ ⋅w
3 3 3 3
1 1 3
5y − z + w 3 solve , y → ⋅z− ⋅w+
5 5 5
z+ w −5 solve , z → − w − 5
w −3 solve , w → −3
w := −3 w = −3
z := − w − 5 z = −2
1 1 3
y := ⋅z− ⋅ w+ y = 0.8
5 5 5
8 1 1 1
x := + ⋅y− ⋅z+ ⋅w x = 2.6
3 3 3 3
SR( a , b ) := n ← last ( b )
for i ∈ 0 .. n
iv ← n − i
x ←b
iv iv
for j ∈ iv + 1 .. n if i > 0
jv ← j
x ←x −a ⋅x
iv iv iv , jv jv
x
iv
x ←
iv a
iv , iv
x
3 −1 1 −1 8 2.6
0 5 −1 1 3 0.8
SR , =
0 0 1 1 −5 −2
0
0 0 1 −3 −3
Exemplo 2:
27
3 x + 2 y + 4 z = 1
x + y − 2 z = 0
4 x + 3 y − 2 z = 2
3
3 2 4 1 −7
lsolve 1 1 −2 , 0 → 2
4 3 −2 2 −1
4
Podemos usar o Mathcad para fazer os cálculos vetoriais da eliminação:
Matriz ampliada:
3 2 4 1
1 1 −2 0
4 3 −2 2
1ª Etapa
1 4
m21 := m31 :=
3 3
Linha 2: 1 −10 −1
−m21( 2 4 1 ) + ( 1 −2 0 ) →
3 3 3
1 −22 2
Linha 3: −m31( 2 4 1 ) + ( 3 −2 2 ) →
3 3 3
Matriz ampliada após 1ª etapa:
3 2 4
1
0 1 −10 −1
3 3 3
1 −22 2
0
3 3 3
28
2ª Etapa 1
3
m32 := m32 = 1
1
3
−m32 + −22 2 → ( −4 1 )
−10 −1
Linha 3:
3 3 3 3
Matriz ampliada após 2ª etapa:
3 2 4 1
0 1 −10 −1
3 3 3
0 0 −4 1
Resolveldo o sistema de equação triangular superior:
3x + 2y + 4z 1
1 10 −1
y− z
3 3 3
−4z 1
−1
−4z 1 solve , z →
4
−1
z :=
4
1 10 −1 −7
y− z solve , y →
3 3 3 2
−7
y :=
2
3x + 2y + 4z 1 solve , x → 3
TGauss ( a , b ) := n ← last ( b )
for k ∈ 0 .. n − 1
for i ∈ k + 1 .. n
for j ∈ k + 1 .. n
−a
i, k
a ← ⋅a +a
i, j a k, j i, j
k, k
−a
i, k
b ← ⋅b + b
i a k i
k, k
for j ∈ 0 .. n − 1
for i ∈ j + 1 .. n
a ←0
i, j
(a b )
Dada a matriz dos coeficientes e o vetor dos termos independentes de um sistema de
equações lineares:
3 −1 1 1
A := 1 3 −2 b := 0
1 −1 1 −1
3 −1 1 1
TGauss ( A , b ) = 0 3.333 −2.333
TGauss ( A , b ) = −0.333
0, 0 0, 1
0 0 0.2 −1.4
Aplicando o Método da Substituição Retroativa:
Sejam:
b := TGauss ( A , b )
A := TGauss ( A , b ) 0, 1
0, 0
3 −1 1 1
A = 0 3.333 −2.333
b = −0.333
0 0 0.2 −1.4
TS( a , b ) := n ← last ( b )
for i ∈ 0 .. n
iv ← n − i
x ←b
iv iv
for j ∈ iv + 1 .. n if i > 0
jv ← j
x ←x −a ⋅x
iv iv iv , jv jv
x
iv
x ←
iv a
iv , iv
x
1
TS( A , b ) = −5
−7
Temos também solução deste sistema usando a função interna lsolve do Mathcad:
3 −1 1 1 1
lsolve 1 3 −2 , 0 = −5
1 −1 1 −1 −7
EGauss( a , b ) := n ← last ( b )
for k ∈ 0 .. n − 1
for l ∈ k + 1 .. n if a 0 OBS: troca de
k, k
if a ≠0 linhas para evitar
l, k divisão por zero
for m ∈ 0 .. n (pivô nulo).
temp ← a
l, m
a ←a
l, m k, m
a ← temp
k, m
temp ← b
l
b ←b
l k
b ← temp
k
break
for i ∈ k + 1 .. n eliminação gaussiana -
for j ∈ k + 1 .. n zero abaixo do pivô
−a
i, k
a ← ⋅a +a
i, j a k, j i, j
k, k
−a
i, k
b ← ⋅b + b
i a k i
k, k
for i ∈ 0 .. n substituição retroativa
iv ← n − i
x ←b
iv iv
for j ∈ iv + 1 .. n if i > 0
jv ← j
x ←x −a ⋅x
iv iv iv , jv jv
x
iv
x ←
iv a
iv , iv
x
−3.93715859521961 −3.93715859521957
−2.97525734578715 −2.97525734578712
EGauss( A , b ) = lsolve ( A , b ) =
0.745906020950905 0.745906020950899
1.95161880959333 1.95161880959331
−3.9371585952195628203
−2.9752573457871181164
lsolve ( A , b ) float , 30 →
.74590602095089835895
1.9516188095933060907
4.752× 10− 14
−3.9371585952195628203
−3.93715859521961
− 14
−2.9752573457871181164
− −2.97525734578715 = 3.197 × 10
.74590602095089835895 0.745906020950905 − 15
1.9516188095933060907 1.95161880959333 −6.661 × 10
−2.398 × 10− 14
7.105× 10− 15
−3.9371585952195628203
−3.93715859521957
−2.9752573457871181164
− −2.97525734578712 1.776× 10− 15
=
.74590602095089835895 0.745906020950899 0
1.9516188095933060907 1.95161880959331
− 15
−3.997 × 10
Jacobi
x := 0 y := 0 z := 0
78 + 10y + 2z
xn := xn = 2.6
30
−120 − x + 3z
yn := yn = −1.71
70
900 − 3x + 2y
zn := zn = 9
100
E := max( xn − x , yn − y , zn − z ) E=9
x := 2.6 y := −1.71 z := 9
78 + 10y + 2z
xn := xn = 2.63
30
−120 − x + 3z
yn := yn = −1.37
70
900 − 3x + 2y
zn := zn = 8.89
100
E := max( xn − x , yn − y , zn − z ) E = 0.344
78 + 10y + 2z
xn := xn = 2.74
30
−120 − x + 3z
yn := yn = −1.37
70
900 − 3x + 2y
zn := zn = 8.89
100
E := max( xn − x , yn − y , zn − z ) E = 0.106
34
78 + 10y + 2z
xn := xn = 2.74
30
−120 − x + 3z
yn := yn = −1.37
70
900 − 3x + 2y
zn := zn = 8.89
100
−3
E := max( xn − x , yn − y , zn − z ) E = 4 × 10
Gauss- Seidel
xa := 0 ya := 0 za := 0
x := xa y := ya z := za
78 + 10y + 2z
x := x = 2.6
30
−120 − x + 3z
y := y = −1.75
70
900 − 3x + 2y
z := z = 8.89
100
E := max( x − xa , y − ya , z − za ) E = 8.887
78 + 10y + 2z
x := x = 2.61
30
−120 − x + 3z
y := y = −1.37
70
900 − 3x + 2y
z := z = 8.89
100
E := max( x − xa , y − ya , z − za ) E = 0.379
35
78 + 10y + 2z
x := x = 2.74
30
−120 − x + 3z
y := y = −1.37
70
900 − 3x + 2y
z := z = 8.89
100
E := max( x − xa , y − ya , z − za ) E = 0.126
78 + 10y + 2z
x := x = 2.74
30
−120 − x + 3z
y := y = −1.37
70
900 − 3x + 2y
z := z = 8.89
100
−3
E := max( x − xa , y − ya , z − za ) E = 4 × 10
Podemos desenvolver programas Mathcad que realizam a solução dos sistemas pelos
métodos de Jacobi e Gauss-Seidel automaticamente. Isto está presente nos programas de
computadores na solução de sistemas de equações lineares usando os referidos métodos.
36
30 −10 −2 78 0
A := 1 70 −3 b := −120 xi := 0
3 −2 100 900 0
0 0 0 "x"
2.6 −1.71 9 9
Jacobi ( A , b , xi, 3) =
2.63 −1.37 8.89 0.35
2.74 −1.37 8.89 0.11
37
30 −10 −2 78 0
A := 1 70 −3 b := −120 xi := 0
3 −2 100 900 0
0 0 0 "x"
2.6 −1.75 8.89 8.89
Gauss ( A , b , xi, 3) =
2.61 −1.37 8.89 0.38
2.74 −1.37 8.89 0.13