SOLUÇÕES NUMÉRICAS

PARA SISTEMAS
LINEARES
• Introdução
• Métodos Diretos
• Métodos da Eliminação de Gauss
• Estratégias de Pivoteamento
SISTEMA DE EQUAÇÕES LINEARES
Um sistema de equações lineares é definido como um conjunto
“m” de equações que contêm “n” incógnitas, geralmente escrito
na forma:

 a11 .x1  a12 .x2    a1n .xn  b1

 a .x  a .x    a .x  b
 21 1 22 2 2n n 2

    
am1.x1  am 2 .x2    amn .xn  bm
Este sistema de equações pode ser escrito em forma matricial
como:
A.x=B

Ou então, em sua forma

 a11 estendida:
a12  a1n b1 
 
 a21 a22  a2 n b2 
C 
   
 
a am 2  amn bm 
 m1
Já a matriz
 x1 
 
 x2 
x  

 
x 
 n

é uma solução para o sistema de equações se, para cada x i=xi,

tivermos uma identidade numérica para o sistema A.x=B
Definições:

• Um sistema de equações algébricas lineares é dito

homogêneo, se a matriz B do sistema é nula, isto é, os b j=0.
• Um sistema de equações algébricas lineares é dito possível e
determinado, quando apresenta uma solução, possível e
indeterminado, quando não apresenta infinitas solução, e dito
impossível quando não apresenta solução.
• Quando o número de equações é igual ao número de
incógnitas, o sistema de equações pode ser denotado por S nxn.
• Um sistema de equações é dito triangular superior se todos
os elementos abaixo da diagonal principal forem nulos, ou seja:

 a11 .x1  a12 .x2    a1n .xn  b1

 a22 .x2    a2 n .xn  b2


  
 ann .xn  bn
Um sistema de equações algébricas lineares é dito triangular
inferior se todos os elementos acima da diagonal principal
forem nulos, ou seja:

 a11 .x1  b1
 a .x  a .x  b2
 21 1 22 2

   
am1.x1  am 2 .x2    ann .xn  bn

Os sistemas triangulares têm solução trivial se os elementos da

diagonal principal forem diferentes de zero.
Transformações elementares:

As transformações elementares são:

• Trocar a ordem de duas equações do sistema

Li ← L j
Lj ← L i
• Multiplicar uma equação por uma constante não nula
Lj ← C x L j
• Adicionar duas equações, substituindo uma delas pelo
resultado
Lj ← L j + C x L i
Solução numérica para sistemas lineares:

• Os métodos a serem mostrados são classificados como diretos

e iterativos.
• Os métodos diretos (Gauss, Pivotação e Jordan) determinam a
solução em um número finito de passos.
• Os métodos iterativos (Jacobi e Gauss Seidel) requerem em
um número infinito de passos para fornecer a solução, devendo
então existir critérios de interrupção
MÉTODOS DIRETOS
São métodos que produzem a solução exata de um sistema, a
menos de erros de arredondamento, depois de um número finito
de operações aritméticas.
Com esses métodos é possível determinar, a priori, o tempo
máximo gasto para resolver um sistema, uma vez que sua
complexidade é conhecida.
A clássica Regra de Cramer, ensinada no ensino médio, é um
método direto.
Entretanto, pode-se mostrar que o número máximo de
operações aritméticas envolvidas na resolução de um sistema
n x n por este método é (n + 1)(n! n - 1) + n.
 Método da Eliminação de Gauss

O método da Eliminação de Gauss consiste em transformar o sistema linear original

em um equivalente (de mesma solução) com a matriz dos coeficientes triangular
superior, pois estes são de resolução imediata.

 a11 a12  a1n b1  a'11 a12  a'1n b'1 

a b2   0 b'2 
 21 a22  a2 n Transf. Elem.  a22  a '2 n
           
   
 an1 an 2  ann bn   0 0  a 'nn b'n 
 x1   x2   x3   x4       
 x   x2   x3   x4       
 1
 
 x1   x2  x3  x4       
 x1  
  x2   x3   x4       
Diagonal Principal
          Posição dos Pivôs
    
0     0 0    
      
 
0     0 0    0 0   
     
0     0 0    0 0 0  

 x1   x2   x3   x4  
  x2   x3   x4  


  x3   x4  
  x4  
Exemplo: Resolva o sistema linear abaixo utilizando o método da Eliminação de
Gauss:

2 x1  2 x2  x3  x4  7
x  x2  2 x3  x4  1
 1

3x1  2 x2  3x3  2 x4  4
4 x1  3 x2  2 x3  x4  12

 2 2 1 1 7
 1 
1 2 1 1 

 3 2 3 2 4 
 
 4 3 2 1 12 
 1 1 7  1 1 1 1 1
12 1
2 21 21
1
27  L1.  2. 2. 1. 1. 7.
  2 2 2 2 2 2
11 11 22 11 11 
 
33 22 33 22 44 1 1 7
  1 1
 4 3 2 1 12 2 2 2
 4 3 2 1 12 
 
 11 11 7 7  1 1 7
 11 1
22 22 2 2  11 11 2  1  1
 3 3 5  2 2 2
 01 1
2 2 1 1  L2  L2  L1
 2 2 2 
 33 2 33 22 4 4  3 3 5
  0 2  
  2 2 2
 44 3 22 11 1212 
 
 1 1 117  7 
 11 1 1   1 1 7
2 2 222 23  1.(3) 2  1.(3)  3  .(3)  2  .(3) 4  .(3)
 3 3 3 3 5 5  2 2 2
 00  2 2   

 2 2 2 2 2 2 
 30 9 7 13 
 4 
2  1  3  2 L3  L3  L1 ( 3)
 2 2  2
  
 44 3 3 2 2 1 112  12  9 7 13
   0 1   
2 2 2
 11 11 77 
 11 11
22 22 22  4  4.3 3  4.1 2  4.(3) 1  4.(2) 12  4.4
 33 33 55 
 00 22   
 22 22 22 
 99 77 13
13
00 11     0  1 0  1  2
 22 22 22 
 
 04 31 02 11 122  L4  L4  4L1
 
  1  1 3  1 3  1 5  1
0.    2.   .    .    .  
 2  2 2  2 2  2 2  2
 11 11 77 
 11 11
22 22 22 
 33 33 55   1  3 3 5
 00 12     L .   0 1 
 24 42 42  2  2  4 4 4
 99 77 13
13
00 
11 
 
 
 
 22 22 22 
 
 00 
11 00 11  22 
 
 11 11 77 
1 1
 22 22 22 
 33 33 55  9  3  7 3 13 5
 0 1 
 0  0  1  1        
 44 44 44  2  4 2 4 2 4
 9
21 7
11 13
21

0 01 
  

L3  L3  L2
24 24 24 21 11 21
  0 0   
 0 1 00 11 22  4 4 4
 
 11 11 77 
 11 11
22 22 22 
 33 33 55 
 00 11  
 44 44 44 
 21
21 11
11 21
21
00 00 
 
 
 
 44 44 44 
 3 
 00 01 0  11 3
 2  L4  L4  L2
 4 4 4 

 21   11   21 
0  0 1  0 0     1     2    
 4  4  4
3 1 3
0 0   
4 4 4
 1 1 7 
 1 1
2 2 2 
 3 3 5 
 0 1  
 4 4 4 
 21 11 21
 0 0   
4 4 4
 3 1 3  L  L  L . 1 
 0 0  0  0  4 4 3 
 4 7
4 4 7
1 1 3  21 1  1  11 1  3  21 1 
0  0. 0  0.     .      .      . 
7 7 4  4 7 4  4 7 4  4 7
1
0 0 0  0
7
 Método da Eliminação de Gauss Qué isso aí
papai. E quando
isso acontecer,
como é que faz?

Exemplo: Usa as Estratégias

de Pivoteamento
mô vey...
Precisamos Calcular:
  𝑎121
𝑚 21 = 1
Cada iteração requer o cálculo dos multiplicadores:
𝑘
𝑎 11
  𝑎 𝑖𝑘
𝑚 𝑖𝑘 = 𝑘
𝑎 𝑘𝑘

  E se for nulo? Ou muito próximo de 0?

Procedimento inviável
Originam números muito grandes podendo
ocorrer erros de arredondamento.
 Estratégia
de Pivoteamento Parcial
• No início de cada iteração, escolher como pivô o maior elemento (em módulo)
da coluna k.
• Se trocar as linhas e

Estratégia de Pivoteamento Total

• Escolhemos o elemento de maior módulo dentre todos os elementos ainda
participantes do processo de eliminação.
Resolva o sistema abaixo, utilizando o método de Pivoteamento
  2 𝑥+ 2 𝑦 +3 𝑥=3
{ − 𝑥 +4 𝑦 + 𝑧=1
3 𝑥 −5 𝑦+ 2 𝑧 =−4

  2 2 3 3  𝐿1 ↔ 𝐿3   3 −5 2 −4  1
[ −1
3
4
−5
1 1
2 −4 ]   [ −1
2
 3
4
2
−5
1 1 2

2 −4
]
𝐿 =𝐿2 + 𝐿1
 
32
3 3 𝐿3 = 𝐿3 − 𝐿1
3

[ ]
 3 −5 2 −4

[ 0
0
7 /3
16 /3
5/ 3 −1/ 3
]
5/ 3 17/ 3  𝐿3 ↔ 𝐿2
0

0
16
3
7
3
5 17
33

3¿
1
3
 
5 ¿ − 𝐿3 = 𝐿3 −
7
16
𝐿2
 3 −5 2 −4

[ 0
0
16 /3
0
5 /3 17 /3
45 / 48 −135/ 48 ]