UERJ - CTC - IME - Departamento de Informática e Ciência da Computação 44

Cálculo Numérico — Professora Mariluci Ferreira Portes

Unidade IV - Sistemas Lineares

IV.1 - Introdução

O Problema que aparece no cálculo de estruturas, em redes elétricas, e em solução de

equações diferenciais é o da resolução de um sistema linear de “ n ” equações a “ n ” incógnitas. S n
é um sistema tal que:
 a11x1 + a12 x 2 +  + a1n x n = b1
a x + a x n
 21 1 22 2 +  + a 2 n x n = b 2
Sn = 
  +   
S n = ∑ a i j x j (1 ≤ i ≤ n)
 j =1
a n1x1 + a n 2 x 2 +  + a nn x n = b n

Sob a forma matricial Sn pode ser escrito como A x = b, onde A é uma matriz de ordem
“ n ” , b e x são matrizes n × 1.
 a11 a 21  a1n b1 
a b2 
 21 a 22  a 2 n  é chamada de matriz estendida do sistema Sn .
A matriz B =
     
 
a n1 a n 2  a nn b n 

Definição:
O vetor x = ( x 1 , x 2 , ... , x n ) t constitui uma solução para Sn se para xi = x i
(1≤ i ≤ n) as equações de Sn forem satisfeitas.
Um sistema linear pode ser classificado do seguinte modo:
1. Compatível (quando possuí solução):
a. Determinado (única solução)
b. Indeterminado (infinitas soluções)
2. Incompatível (quando NÃO possuí solução)

Exemplos:

1) O sistema Ax = 0 é homogêneo e todo sistema homogêneo é compatível, pois admite

pelo a solução trivial.

x1 + x 2 = 0
2) O sistema S2 =  é incompatível. Geometricamente temos:
x1 + x 2 = 1

x2

x1 + x2 = 0

x1

x1 + x2 = 1

As retas são paralelas

 UERJ - CTC - IME - Departamento de Informática e Ciência da Computação 45
Cálculo Numérico — Professora Mariluci Ferreira Portes

x1 + x 2 = 0
3) O sistema S2 = 
x1 − x 2 = 0

O sistema é incompatível e determinado. Geometricamente temos:

x2

x1 - x2 = 0

x1

x1 + x2 = 0

 x1 + x 2 = 0
4) O sistema S2 =  é incompatível indeterminado. Geometricamente
2x1 − 2x 2 = 0
temos:
x2

x1

Retas Coincidentes
x1 + x2 = 0
2x1 + 2x2 = 0
 UERJ - CTC - IME - Departamento de Informática e Ciência da Computação 46
Cálculo Numérico — Professora Mariluci Ferreira Portes

IV.1.1 - Sistemas triangulares

Seja Sn um sistema da forma Ax = b, onde A = ai j tal que:

a ij = 0 se j < i com i, j = 1, n ou:
a11x1 + a12 x 2 +...+ a1n x n = b1
 a 22 x 2 +...+ a 2 n x n = b 2

Sn =  Um sistema deste tipo é dito triangular superior.
    
 a nn x n = b n

Observe que os sistemas triangulares superiores determinados, isto é, quando ai j ≠ 0

(i, j = 1,n) são facilmente resolvidos pelo processo retroativo, que consiste em:

a) Obter o valor de xn da n-ésima equação por meio da relação:

bn
xn = (a nn ≠ 0)
a nn

b) Substituir o valor de xn na equação de ordem (n-1) para obter xn - 1 . E assim

sucessivamente, até calcular x1 .

Se algum elemento da diagonal principal for zero, teremos a situação:

n
ax1 = b1 − ∑ a ijx j , se:
j = i +1
n
b1 = ∑ a ijx j → sistema indeterminado
j = i +1
n
b1 ≠ ∑ a ijx j → sistema incompatível
j = i +1
Exemplo:
3x1 + 4 x 2 − 5x 3 + x 4 = −10
 x 2 + x 3 - 2x 4 = −1

Resolver o S4 pelo processo retroativo: S4 = 
 4x 3 - 5x 4 = 3
 2x 4 = 2
Solução:
2
Da 4a. equação vem: x 4 = = 1
2
3 +5
Da 3a. equação vem: x 3 = =2
4
−1 − 2 + 2
Da 2a. equação vem: x 2 = = −1
1
−10 + 4 + 10 − 1
Da 1a. equação vem: x1 = =1 Resposta : x = (1 -1 2 1)
3
 UERJ - CTC - IME - Departamento de Informática e Ciência da Computação 47
Cálculo Numérico — Professora Mariluci Ferreira Portes

IV.1.2 - Norma de um vetor

Norma de um vetor x = (x1 , x2 , x3 ,..., xn) é todo número real denotado por || ||,
associado a x, que satisfaz a:

1. || x || > 0 e || x || = 0 ↔ x = 0
2. || x + y || ≤ || x || + || y || onde x, y ∈ rn
3. || c · x || = | c | · || x || onde c ∈ r

Definição 1: A maior componente em módulo do vetor x é uma norma para x.

|| x || = máx | xi | onde 1 ≤ i ≤ n

x = (3 – 50) x + y = (5 – 4 3 ) | | x| | = 5 | | x + y| | = 5 ≤ ... | | x| | +
| | y| | = 8
y = (2 1 3) | | y| | = 3

Seja c = -2
c · x = (-6 10 0) || c x || = 10 = | c | · || x ||

n
Definição 2: O ∑ | x i | também é uma norma para o vetor x. É conhecida como norma c.
i =1

IV.1.3 - Transformações elementares

São operações sobre as equações dos sistemas lineares, tais como:

a) Trocar a ordem de duas equações do sistema;
b) Multiplicar uma equação do sistema por uma constante não nula;
c) Adicionar duas equações do sistema.
Definição : Dois sistemas lineares Sn e Sn’ são equivalentes quando Sn’ é obtido de Sn
por meio de transformações elementares. Nesse caso, Sn tendo solução, Sn’ também terá.
Os métodos para resolução de sistemas lineares são:
I - Métodos de eliminação.
II - Métodos iterativos.

IV.2 - Método de eliminação de Gauss

 a11 a12  a1n b1 
a  a 2n b 2 
21 a 22
Dado o sistema Sn , a matriz estendida é: B =  
     
 
 a n1 a n 2  a nn b n 
O método de Gauss consiste em transformar a matriz B em uma matriz triangular
1 a12(1) a13(1)  a1n (1) b1(1) 
 
0 1 a 23( 2 )  a 2 n ( 2 ) b 2( 2 ) 
superior, da seguinte forma: 0 0 1  a 3n ( 3) b 3( 3)  , onde os índices superiores
 
      
0 0 0  1 b n ( n ) 

indicam o número de modificações realizadas em cada linha.
 UERJ - CTC - IME - Departamento de Informática e Ciência da Computação 48
Cálculo Numérico — Professora Mariluci Ferreira Portes

Aplica-se o processo retroativo para se obter a solução desejada.

Algoritmo do método:
Eliminação de ordem k:
1. Supondo akk( k - 1) ≠ 0, dividir a linha lk( k -1) por akk( k - 1) (“pivô”), obtendo-se
assim uma nova linha lk( k ) .
2. “Zerar” os elementos aik (i = i +1, n) usando-se a transformação:
li (k) = li (k - 1) - ai k · lk (k) , com (k = i +1, n) e (i = 2, n) .

IV.2.1 - Condensação pivotal parcial

Os métodos de eliminação são exatos, mas podem conduzir a soluções errôneas devido
ao erro de arredondamento.
Para evitar isto, usaremos a condensação pivotal parcial, cujo procedimento é redispor
as linhas de tal forma que a linha do elemento pivô permaneça fixa e que o elemento pivô seja
escolhido dentre os elementos da coluna que tem o maior valor absoluto.
A finalidade da condensação pivotal parcial é:
1. Minimizar o erro de arredondamento.
2. Evitar a divisão por zero.
3. Testar a singularidade do sistema.

 2x1 + 3x 2 + 4 x03 = 3 9

Exemplo: Resolver o sistema S =  3 x6 + 1 0x 6 + 7x = − 6 3pelo método de eliminação de
3 1 2 3
 2 x5 + 5x + 1 x2 = 3 2
 1 2 3
Gauss com condensação pivotal parcial.
Solução:
( 1)
2 3 40 39  36 106 7 − 63 L1 = L1 / 36 1 2,94 0,19 − 1,75
36 106 7 − 63 →  2 3 40 39  → L (1) = L − 2 L (1) →  0 − 2,88 39,62 42,5  →
CPP

    2 2 1  
 25 5 12 32   25 5 12 32  L 3 = L 3 − 25L1(1)  0 − 68,5 7,25 75,5 
(1)

1 2,94 0,19 −1,75  1 2,94 0,19 −1,75 

L 2 ( 2 ) = L 2 (1) / ( −68 ,5)
→  → →
CPP

0 −68 ,5 7,25 75 ,75  → ( 2 ) 0 1 −0,106 −1106

, 
L 3 = L 3 (1) + 2,88 L 2 ( 2 )

0 −2,88 39 ,62 42 ,5 
 
0 0 39 ,315 
39 ,315 

1 2,94 0,19 −1,75 

→ L 3 ( 3) = L 3 (1) / 39 ,315 → 0 1 −0,106 −1106
, 
 

0 0 1 1  
Pelo Processo Retroativo:
x3 = 1
x2 = - 1,106 + 0,106 = -1
x1 = -1,75 - 0,19 + 2,94 = 1 Resp.: x = (1 -1 1)t

IV.3 - Métodos Iterativos

 UERJ - CTC - IME - Departamento de Informática e Ciência da Computação 49
Cálculo Numérico — Professora Mariluci Ferreira Portes

A solução x de um sistema linear AX = B pode ser obtida utilizando-se um método

iterativo, que consiste em gerar uma seqüência de soluções x(1), x(2), x(3), ..., x(k), aproximações de x ,
sendo dada uma aproximação inicial x(0).

Para se aplicar o método é necessário transformar o sistema dado em: x = F (x) + d ,

onde:
• F é uma matriz de ordem n, chamada de matriz iteração;
• x, d são matrizes n × 1

Sendo x(0) = (x1(0), x2(0), ..., xn(0)) a aproximação inicial, determinamos:

x (1) = Fx ( 0 ) + d
x ( 2 ) = Fx (1) + d
x ( 3) = Fx ( 2 ) + d
 
x ( k ) = Fx ( k −1) + d
O critério de parada é dado por lim x ( k ) − x = 0 . Neste caso, temos x(k) como solução
k →∞

aproximada.
Obs.: x − x = má
(k)
x xi(k) − xi
1≤ i ≤ n

IV.3.1 - Método de Jacobi

a11 x1 + a12 x 2 +...+ a1n x n = b1

a x + a x +...+ a x = b
 21 1 22 2 2n n 2
Considere o sistema: S n = 
     
a n1 x1 + a n 2 x 2 +...+ a nn x n = b n
Explicitemos x1 na 1ª equação
x2 na 2ª equação
 
x n na n-ésima equação
Daí resulta:
(k ) ( k − 1)

x 1 = 1 (b1 – a12 x2 – a13 x x - ... – a1n x n

( k −1)

a
11

( k − 1) ( k − 1)
(k ) ( k −1)
x 2 = 1 (b2 – a21 x – a23 x - ... – a2n x n É necessário que a ii ≠
1 x
0 (i = 1,n).
a
22

.
 UERJ - CTC - IME - Departamento de Informática e Ciência da Computação 50
Cálculo Numérico — Professora Mariluci Ferreira Portes

.
.

( k − 1)
– an2 x2(k-1) - ... – an n-1 x (nk−−
(k) 1)
xn = 1 (bn– an1 x 1

1
a
nn

Desse modo, podemos escrever o sistema da forma x = F x + d.

x = (x1 , x2, ..., xn )t
 0 − a12 − a13  − a1n 
a a a
 11 11 11 
 − a 21 0
a 23
−a
a 2n 
 −a
F =  a 22 22 22 
      
 − a n1 − a n 2 − a n 3  0 
 a nn a nn a nn 
t
b b b 
d= 1 2  n 
 a11 a 22 a nn 
O método de Jacobi consiste em:
1. partindo-se da aproximação inicial x(0)
2. gera-se a seqüência de aproximações x(1), x(2), ..., x(k)
3. como critério de parada, utilizamos x ( k ) − x ( k −1) < ε , onde ε = precisão
desejada para raiz.

2 x1 − x 2 = 1
Exemplo: Resolver o sistema: S2 =  pelo método de Jacobi, com 2 casas
x1 + 2x 2 = 3
decimais exatas.
Solução: Equações de iteração:
1
x1( k ) = (1 + x (2k −1) )
2
1
x (2k ) = (3 − x1( k −1) )
2
X ( 0 ) = ( 0,9 0,9)
1ª. Iteração

x 1(1) = ½ (1+0,9) = 0,95

x (21) = ½ (3- 0,9) = 1,05

| | x(1) – x(0)| | = | | 0,95 – 0,9) (1,05 – 0,9) | | = | | (0,5) (0,15)| | = 0,15 > 10-3

2ª. Iteração
 UERJ - CTC - IME - Departamento de Informática e Ciência da Computação 51
Cálculo Numérico — Professora Mariluci Ferreira Portes

x 1( 2 ) = ½ (1+1,05) = 1,025
x (22 ) = ½ (3 – 0,95) = 1,025
3ª.Iteração
| | x(2) – x(1)| | = 0,075 > 10-3
x 1( 3) = ½ (1+ 1,025) = 1,0125
x (23) = ½ (3 – 1,025) = 0,9875
| | x3 – x2 | | = 0,0375 > 10-3

4ª. Iteração

x1(4) = ½ (1+ 0,9875) = 0,99375

x2(4) = ½ (3 – 0,9875) = 0,99375
| | x4 – x3 | | = 0,01875 > 10-3

5ª. Iteração

x1(5) = ½ (1+ 0,99375) = 0,996875

x2(5) = ½ (3 – 0,99375) = 1,003125
| | x(5) – x(4)| | = 0,009375 > 10-3

6ª. Iteração

x1(6) = ½ (1+ 1,003125) = 1,0015625

x2(6) = ½ ( 3 – 0,996875) = 1,0015625
| | x(6) – x(5)| | = 0,0046875 > 10-3
 UERJ - CTC - IME - Departamento de Informática e Ciência da Computação 52
Cálculo Numérico — Professora Mariluci Ferreira Portes

7ª. Iteração

x1(7) = ½ (1 + 1, 003125) = 1,00078125

x2(7) = ½ (3 – 0.996875) = 0,99921875
| | x(7) – x(6)| | = 0,00234375 > 10-3

8ª. Iteração

x1(8) = ½ (1 + 0,99921875) = 0,99960938

x2(8) = ½ (3 – 1,00078125) = 0,99960938
| | x(8) – x(7)| | = 0,00117187 > 10-3
9ª. Iteração

x1(9) = ½ (1 + 0,99960938) = 0,99980469

x2(9)= ½ (3 – 0,99960938) = 1,00019531
| | x(9) – x(8)| | = 0,00058593 < 10-3
_
Resp: x = ( 0,99 1,00)t ± (0,01 0,01)t
 IV.3.2 - Método de Gauss-Seidel

Seja o sistema AX = b, na forma X = F X + b.

O método iterativo de Gauss-Seidel consiste em:
1. partindo-se da solução inicial x(0) = ( x1(0) x2(0) x3(0) ... xn(0) )
2. gerar a seqüência de aproximações x(1), x(2), ..., x(k) através das equações
1
x1( k ) = (b1 − a12 x2( k −1) − a13 x3( k −1) −... − a1n xn( k −1) )
a11
1
x2( k ) = (b2 − a21 x1( k ) − a23 x3( k −1) −... − a2 n xn( k −1) )
a22
de iteração: x ( k ) = 1 (b − a x ( k ) − a x ( k ) −... − a x ( k −1) )
3 3 31 2 32 3 3n n
a33
  
1
xn( k ) = (bn − an1 x1( k ) − an 2 x2( k ) −... − an ( n −1) xn( k−)1 )
ann
3. Como critério de parada utilizamos || x(k) - x(k - 1) || < ε ∴ ε a precisão
desejada.
Obs.: Este método converge mais rápido que o de Jacobi.

2x1 − x 2 = 1
Exemplo: Resolver o sistema:  pelo método de Gauss-Seidel com 2
 x1 + 2 x 2 = 3
casas decimais.

1ª. Iteração
x(0) = (0,9 0,9) ε = 0,001
1 1
x (k )
1 = (1 + x 2( k −1) ) ⇒ x1(1) = (1 + 0,9) = 0,95
2 2
1 1
x 2( k ) = (3 − x1( k ) ) ⇒ x 2(1) = (3 − 0,95 ) = 1,025
2 2
−3
x (1) −x (0)
= 0,125 > 10

2ª. Iteração 3ª. Iteração

1 1
x1( 2 ) = (1 + 1,025) = 1,0125 x1( 3) = (1 + 0,99375) = 0,996875
2 2
1 1
x (22 ) = (3 − 1,0125) = 0,99375 x (23) = (3 − 0,996875) = 1,0015625
2 2
x − x (1) = 0,0625 > 10 −3
( 2)
x − x ( 2 ) = 0,015625 > 10 −3
( 3)
 4ª. Iteração 5ª. Iteração
1 1
x(4)
1 = (1 +1,0015625 ) = 1,0007813 x = (1 + 0,9996094 ) = 0,9998047
( 5)
1
2 2
1 1
x 2 = (3 −1,0007813 ) = 0,9996094
(4)
x 2 = (3 − 0,9992187 ) = 1,0009765
( 5)

2 2
x ( 4 ) − x ( 3) = 0,0039063 > 10 −3 x (5 ) − x ( 4 ) = 0,0009766 < 10 −3

Resp: x = (0,99 1,00)t ± (0,01 0,01)t

IV.3.3 - Convergência dos métodos iterativos

Seja o sistema AX = b, na forma:

(1) x = F x + d , e a iteração definida por:
(2) x (k + 1) = F x (k) + d
Subtraindo (1) de (2) → x (k + 1) - x = F (x (k) - x)
Fazendo e(k + 1) = x (k + 1) - x → e(k + 1) = F e(k)

Teorema : A condição suficiente para que a iteração dada em (2) convirja é que os
n
elementos f i j da matriz F satisfaçam a desigualdade: ∑|f
i =1
ij |< L < 1 j = 1, n

Corolário 1: (Critério das linhas)

A condição suficiente para que a iteração dada em (2) convirja é que:
n
| a i i | > ∑ | a i j| i = 1, n
j=1
j≠ i

Corolário 2: (Critério das colunas)

A condição suficiente para que a iteração dada em (2) convirja é que:
n
| a j j| > ∑ | a i j| j = 1, n
i =1
i≠ j

Observações:
1. A matriz que satisfaz a hipótese dos corolários 1 ou 2 é chamada de matriz
diagonal dominante estrita.
2. Na prática são usados os critérios de suficiência expressos nos corolários 1 ou
2, tanto para o método de Jacobi quanto para o método de Gauss-Seidel. Basta que o sistema
satisfaça apenas a um desses critérios para se ter a convergência garantida, independente da
escolha do vetor inicial.
 IV.3.4 - Qual o método melhor ?

Não se pode garantir de início que método será mais eficiente.

Os métodos de eliminação se prestam a sistemas de pequeno porte com matrizes de
coeficientes densos; também resolvem satisfatoriamente vários sistemas lineares com a mesma
matriz de coeficientes.
Os métodos iterativos, quando a convergência é garantida, são bastante vantajosos
na resolução de sistemas de grande porte com matrizes de coeficientes esparsos ( grande
quantidade de zeros entre seus elementos ).
Os sistemas oriundos da discretização de equações diferenciais parciais são
exemplos típicos.

IV.3.5 - Noções de matrizes mal condicionadas

 x1 + 1,001x 2 = 2,001
Considere o sistema S 2 =  .
0,999 x1 + x 2 = 1,999
Uma das soluções é x = (1 1)t .

Se utilizarmos o método de Jacobi, na 5ª. Iteração encontraríamos como solução

aproximada x 1 = (2,000 0,001)t , que diverge da solução.
Isto aconteceu porque os coeficientes da matriz associada estão mal condicionados.
Uma forma de se detectar o mal condicionamento é através do determinante
normalizado de uma matriz. Se esse determinante for, sensivelmente, menor que 1 dizemos
que a matriz está mal condicionada.

Definição: Para a matriz A, associada ao sistema Sn , definimos determinante

normalizado de A, e denotamos por det (norm A) a:
det A
det ( norm A) = , onde: αi = ai21 + ai22 + ai23 + ... + ain2 i = 1, n
α1 ⋅ α 2 ⋅ ... ⋅ α n

Obs.: No sistema S2 dado:

1 1,001 1 1,001
0,999 1 0,999 1
det (norm A) = = = 0,5 ×10 −6 <10 −6 << 1
α1 ⋅α2 2,000001
α1 = 12 +1,001 2 =1,4149208
α2 = 0,999 2 +12 =1,4135066
 Lista de exercícios sobre a Unidade IV

1) Resolva pelo processo retroativo os seguintes sistemas :

 3 x 1+ 4 x 2- 5 x 3+ x 4= -1 0 3 x1 + 4 x2 - 5 x3 + x4 = -10
 x 2+ x 3- 2 x 4= -1 
  x3 - 2 x4 = 0
a)  b) 
4 x -3 5 x 4= 3  4 x3 - 5 x4 = 3
  2 x4 = 2
 24 x= 2

2) Resolva pelo método de Gauss, com condensação pivotal parcial.

2 x1 + 2 x2 + x3 + x4 = 7
 x1 - x2 + 2 x3 - x4 = 1

a) 
3 x1 + 2 x2 - 3 x3 - 2 x4 = 4
4 x1 + 3 x2 + 2 x3 + x4 = 12

 8,7 x1 + 3,0 x2 + 9,3 x3 + 11,0 x4 = 16,4

24,5 x1 - 8,8 x2 + 11,5 x3 - 45,1 x4 = - 49,7

b) 
52,3 x1 - 84,0 x2 - 23,5 x3 + 11,4 x4 = - 80,8
21,0 x1 - 81,0 x2 - 13,2 x3 + 21,5 x4 = - 106,3

 x1 + x2 + 2 x3 = 4

c) 2 x1 - x2 - x3 = 0
 x1 - x2 - x3 = - 1


3) Resolva os sistemas abaixo usando o método de Gauss-Seidel.

 x1 + x2 + x3 = 3  2 x1 - x2 + x3 = 3
 
a) 2 x1 - 2 x2 + x3 = 1 b)  x1 + 3 x2 - 2 x3 = 1
3 x1 - x2 + 2 x3 = 4  x2 + 2 x3 = 8
 

Trabalho Computacional: Programar o método de Gauss com condensação pivotal

parcial para resolver o sistema:

 8 ,7 x+1 3 ,0 x+2 9 ,3 x+3 1 1 ,0 x=4 1 6 ,4

 2 4 ,5 x -1 8 ,8 x+2 1 1 ,5 x -3 4 5 ,1 x=4 - 4 9 ,7


 5 2 ,3 x-1 8 4 ,0 x -2 2 3 ,5 x+3 1 1 ,4 x=4 - 8 0 ,8
 2 1 ,0 x-1 8 1 ,0 x -2 1 3 ,2 x+3 2 1 ,5 x=4 -1 0 6 ,3