Soluções Numéricas 211205 210746

Solução Numérica de Equações Lineares
Maria Átila da Silva Costa
Universidade Federal do Piauí- UFPI

Centro de Ciências da Natureza- CNN
Departamento de Computação
November 4, 2021
Maria Átila da Silva Costa (UFPI) November 4, 2021 1 / 43

Introdução
Um problema de grande interesse prático que aparece por exemplo em cál-
culo de estruturas, redes elétricas é solução de equações diferenciais, é a de
resolução numérica de um sistema linear.
Definição
Sistemas Lineares são sistemas de equações com n equações e n incógnitas
formados por equações lineares.




a12 x2 + · · · + a1n xn = b1
a11 x1 +
a22 x2 + · · · + a2n xn = b2
a21 x1 +

Sn = .. .. .. .. ..


 . . . . .

a x + a x + · · · + a x = b
n1 1 n2 2 nn n n
Onde:
aij → coeficientes
xi → incógnitas
bi → termos independentes
Sob a forma matricial Sn pode ser escrito como Ax = b, onde:
     
a11 a12 · · · a1n x1 b1
 21 a22 · · · a2n 
a x2  b2 
     
A= .
 .. .. ,
..  x̄ = 
 .. 
 e b=
 .. 

 .. . . .  . .
an1 an2 · · · ann xn bn
Pode ser escrito como:
     
a11 a12 · · · a1n x1 b1
a21 a22 · · · a2n  x2  b2 
     
· . = . 
 . .. .. ..     
 .
 . . . .   ..   .. 
an1 an2 · · · ann xn bn

Exemplo:

 2x1 + 4x2 − 5x3 = 5

4x1 + x2 − 5x3 = 2
2x + 4x + 5x = −1

1 2 3
2, 4, −5, 4, 1, −5, 2, 4, 5 → coeficientes

x1 , x2 e x3 → incógnitas
5, 2 e−1 → termos independentes

Forma Geral: 
 2x1 + 4x2 − 5x3 = 5

4x1 + x2 − 5x3 = 2
2x + 4x + 5x = −1

1 2 3
Forma Matricial:      
2 4 −5 x1 5
4 1 −5 · x2  =  2 
     
2 4 5 x3 −1

Classificação
Classificação quanto ao número de soluções:
Compatível
a Determinado → apresenta solução única

b Indeterminado → apresenta infinita soluções
Incompatível → O sistema não admite solução

Sistemas Triângulares
Seja um sistema Ax = b
Ex.1

3x1 +
 4x2 − 5x3 +x4 = −10

 x2 + x3 − 2x4 = −1

 4x3 − 5x4 =3


2x4 =2

Substituições retroativas
x4 = 1
4x3 − 5 · 1 = 3 ⇒ x3 = 2
x2 + 2 − 2 · 1 = −1 ⇒ x2 = −1
3x1 + 4 · (−1) − 5 · 2 + 1 = −10 ⇒ x1 = 1
A solução é :
 
1
h iT −1
x̄ = 1 −1 2 1 x̄ =  
 
 2 
1
Logo, o sistema é determinado.

Ex.2


 3x1 + 4x2 − 5x3 +x4 = −10

 x3 − 2x4 =0

 4x3 − 5x4 =3


2x4 =2
Substuições retroativas
x4 = 1
4x3 − 5 · 1 = 3 ⇒ x3 = 2
0x2 + 2 − 2 · 1 = 0 ⇒ 0x2 = 0
Qualquer valor de x2 satisfaz a equação acima. Seja então, x2 = α

3x1 + 4α − 5 · 2 + 1 = −10 ⇒ x1 = −1−4α3

h i
−1−4α
A solução é x̄ = 3 α 2 1
Logo o sistema é indeterminado.

Ex.3

3x1 +
 4x2 − 5x3 +x4 = −10

 x3 − 2x4 = −1

 4x3 − 5x4 =3


2x4 =2
Substuições retroativas
x4 = 1
4x3 − 5 · 1 = 3 ⇒ x3 = 2
0x2 + 2 − 2 · 1 = −1 ⇒ 0x2 = −1
Nenhum valor para x2 satisfaz a equação. O sistema é incompativel, pois

não admite solução.

Transformações de Elementares
1 Métodos Diretos
1.1 Método de Gauss: com (n − 1) passos o sistema linear Ax = b é
transformado num sistema equivalente.
Ex: Resolver pelo Método de Gauss

2x1 +
 3x2 − x3 =5
4x1 + 4x2 − 3x3 = 3
2x − 3x + x

= −1
1 2 3

1 Métodos Diretos
 
2x1 +
 3x2 − x3 =5 2x1 +
 3x2 − x3 =5
4x1 + 4x2 − 3x3 = 3 ∼ 0x1 − 2x2 − x3 = −7
2x − 3x + x

= −1 0x − 6x + 2x = −6

1 2 3 1 2 3

1 Métodos Diretos
 
2x1 +
 3x2 − x3 =5 2x1 +
 3x2 − x3 =5
4x1 + 4x2 − 3x3 = 3 ∼ 0x1 − 2x2 − x3 = −7
2x − 3x + x

= −1 0x − 6x + 2x = −6

1 2 3 1 2 3

2x1 +
 3x2 − x3 =5
0x1 − 2x2 − x3 = −7
0x − 0x + 5x

= 15
1 2 3

Substituições retroativas
x3 = 3, x2 = 2 , x1 = 1
 
h iT 1
x̄ = 1 2 3 x̄ = 2
 
3
Resolver pelo Método de Gauss retendo, durante os calculos duas casas
decimais.


 8, 70x1 + 3, 00x2 + 9, 30x3 + 11, 00x4 = 16, 4

 24, 5x − 8, 8x + 11, 5x − 45, 1x = −49, 7
1 2 3 4

 52, 3x1 − 84, 0x2 − 23, 5x3 + 11, 4x4 = −80, 8


21, 0x1 − 81, 0x2 − 13, 2x3 + 21, 5x4 = −106, 3

Colocar a matriz aumentada de forma triangular
 
8, 7 3, 0 9, 3 11 = 16, 4
24, 5 −8, 8 11, 5 −45, 1 = −49, 7 
 
52, 3 −84, 0 −23, 5 11, 4 = −80, 8 
 
21, 0 −81, 0 13, 2 21, 5 = −106, 3
É chamado de escalonamento a matriz
 
8, 7 3, 0 9, 3 11 16, 4
24, 5 −8, 8 11, 5 −45, 1 −49, 7 
 
52, 3 −84, 0 −23, 5 11, 4 −80, 8 
 
21, 0 −81, 0 13, 2 21, 5 −106, 3

 
8, 7 3, 0 9, 3 11 16, 4
 0
 −17, 26 −14, 73 −76, 12 −95, 95 
 0 −102, 03 −79, 39 −54, 71 −179, 36
 
0 −88, 23 −35, 61 −5, 01 −145, 82

 
8, 7 3, 0 9, 3 11 16, 4
 0
 −17, 26 −14, 73 −76, 12 −95, 95 
 0 −102, 03 −79, 39 −54, 71 −179, 36
 
0 −88, 23 −35, 61 −5, 01 −145, 82

 
8, 7 3, 0 9, 3 11 16, 4
 0
 −17, 26 −14, 73 −76, 12 −95, 95
 0 0 7, 66 395, 16 387, 70 
 
0 0 39, 66 383, 96 344, 48

 
8, 7 3, 0 9, 3 11 16, 4
 0
 −17, 26 −14, 73 −76, 12 −95, 95 

 0 0 7, 66 395, 16 387, 70 
 
0 0 0 −1662, 97 −1663, 81
O sistema triangular obtido após as transformações:


 8, 7x1 3, 0x2 9, 3x3 11, 0x4 = 16, 4

 −17, 26x2 −14, 73x3 −76, 12x4 = −95, 95

 7, 66x3 395, 16x4 = 387, 70


−1662, 97x4 = −1663, 81
 
0, 97
h iT  1, 98 
x̄ = 0, 97 1, 98 −0, 97 1, 00 x̄ = 
 
−0, 97

1, 00

Resíduos
Uma medida para avaliar a precisão dos cálculos é o resíduo, que é dado
por:
r = b − Ax̄
     
16, 4 8, 7 3, 0 9, 3 11, 0 0, 97
 −49, 7  24, 5 −8, 8 11, 5 −45, 1  1, 98 
 
r = − ·
   
 −80, 8  52, 3 −84, 0 −23, 5 11, 4  −0, 97

−106, 3 21, 0 −81, 0 −13, 2 21, 5 1, 00

Resíduos
Uma medida para avaliar a precisão dos cálculos é o resíduo, que é dado
por:
r = b − Ax̄
     
16, 4 8, 7 3, 0 9, 3 11, 0 0, 97
 −49, 7  24, 5 −8, 8 11, 5 −45, 1  1, 98 
 
r = − ·
   
 −80, 8  52, 3 −84, 0 −23, 5 11, 4  −0, 97

−106, 3 21, 0 −81, 0 −13, 2 21, 5 1, 00

   
16, 4 8, 7 · 0, 97 + 3, 0 · 1, 98 + 9, 3 · (−0, 97) + 11, 0 · 1, 00
 −49, 7   24, 5 · 0, 97 − 8, 8 · 1, 98 + 11, 5 · (−0, 97) − 45, 1 · 1, 00 
r = −
   
 −80, 8  52, 3 · 0, 97 − 84, 0 · 1, 98 − 23, 5 · (−0, 97) + 11, 4 · 1, 00

−106, 3 21, 0 · 0, 97 − 81, 0 · 1, 98 − 13, 2 · (−0, 97) + 21, 5 · 1, 00

   
16, 4 8, 449 + 5, 94 − 9, 02 + 11
 −49, 7   23, 765 − 17, 42 − 11, 155 − 45, 1 
r = −
   
 −80, 8  50, 731 − 166, 32 + 22, 795 + 11, 4

−106, 3 20, 37 − 160, 38 + 12, 80 + 21, 5

   
16, 4 8, 449 + 5, 94 − 9, 02 + 11
 −49, 7   23, 765 − 17, 42 − 11, 155 − 45, 1 
r = −
   
 −80, 8  50, 731 − 166, 32 + 22, 795 + 11, 4

−106, 3 20, 37 − 160, 38 + 12, 80 + 21, 5

   
16, 4 16, 36
 −49, 7   −49, 91 
r = −
   
 −80, 8  −81, 394

−106, 3 −105, 71
Logo,

   
16, 4 8, 449 + 5, 94 − 9, 02 + 11
 −49, 7   23, 765 − 17, 42 − 11, 155 − 45, 1 
r = −
   
 −80, 8  50, 731 − 166, 32 + 22, 795 + 11, 4

−106, 3 20, 37 − 160, 38 + 12, 80 + 21, 5

   
16, 4 16, 36
 −49, 7   −49, 91 
r = −
   
 −80, 8  −81, 394

−106, 3 −105, 71
Logo,  
0, 04
 0, 21 
r =
 
 0, 59 

−0, 59

Refinamento de Soluções
Quando se opera com números exatos não se cometem erros de

arredondamentos, entretanto, na maioria das vezes tem que se contentar
com cálculos aproximados. O uso de técnicas para minimizar os erros.
Seja x̄ (0) a solução aproximada para o sistema Ax = b. Então, a solução

melhorada x̄ (1) é obtida como se segue:
x̄ (1) = x̄ (0) + θ(0) , onde θ(0) é uma parcela de correção, logo: Ax̄ (1) = b.
Então, tem-se:

Refinamento de Soluções
Quando se opera com números exatos não se cometem erros de

arredondamentos, entretanto, na maioria das vezes tem que se contentar
com cálculos aproximados. O uso de técnicas para minimizar os erros.
Seja x̄ (0) a solução aproximada para o sistema Ax = b. Então, a solução

melhorada x̄ (1) é obtida como se segue:
x̄ (1) = x̄ (0) + θ(0) , onde θ(0) é uma parcela de correção, logo: Ax̄ (1) = b.
Então, tem-se:
A(x̄ (0) + θ(0) ) = b

Ax̄ (0) + Aθ(0) = b
Ax̄ (0) = b − Aθ(0)
Aθ(0) = b − Ax̄ (0)
Aθ(0) = r
Assim, para se obter a parcela de correção θ(0) basta resolver o sistema
linear:
x̄ (1) = x̄ (0) + θ(0)
Caso se queira uma melhor aproximação, resolve-se, agora o sistema:
Aθ(1) = r (1)
Onde θ(1) é a parcela de correção para x̄ (1) e r (1) é o resíduo produzido por
x̄ (1) .
O processo é repetido até que se obtenha a precisão desejada.

Dado o exemplo anterior, encontre a solução melhorada.


 8, 7x1 + 3, 0x2 + 9, 3x3 + 11, 0x4 = 16, 4

24, 5x
1 − 8, 8x2 + 11, 5x3 − 45, 1x4 = −49, 7

 52, 3x1 − 84, 0x2 − 23, 5x3 + 11, 4x4 = −80, 8


21, 0x1 − 81, 0x2 − 13, 2x3 + 21, 5x4 = −106, 3
h iT
x̄ (0) = 0, 97 1, 98 −0, 97 1, 00
h iT
r̄ (0) = 0, 041 0, 210 0, 594 −0, 59
Fazendo A.θ(0) = r depois a solução melhorada x̄ (1) = x̄ (0) + θ(0)

Fazendo: A.θ(0) = r
     
8, 7 3, 0 9, 3 11 θ1 0.04
24, 5 −8, 8 11, 5 −45, 1 θ   0, 210 
  2 
· =
 
52, 3 −84 −23, 5 11, 4  θ3   0, 594 
 
21, 0 −81 −13, 2 21, 5 θ4 −0, 59

Fazendo: A.θ(0) = r
     
8, 7 3, 0 9, 3 11 θ1 0.04
24, 5 −8, 8 11, 5 −45, 1 θ   0, 210 
  2 
· =
 
52, 3 −84 −23, 5 11, 4  θ3   0, 594 
 
21, 0 −81 −13, 2 21, 5 θ4 −0, 59

 
8, 7θ1 3, 0θ2 9, 3θ3 11θ4 = 0.04
24, 5θ −8, 8θ 11, 5θ3 −45, 1θ4 = 0, 210 
 1 2 
52, 3θ1 −84θ2 −23, 5θ3 11, 4θ4 = 0, 594 
 
21, 0θ1 −81θ2 −13, 2θ3 21, 5θ4 = −0, 59

 
8, 7 3, 0 9, 3 11 0.04
 0
 −17, 26 −14, 73 −76, 12 0, 122 
 0 −102, 03 −79, 39 −54, 71 0, 407 
 
0 −88, 23 −35, 61 −5, 01 −0, 664

 
8, 7 3, 0 9, 3 11 0.04
 0
 −17, 26 −14, 73 −76, 12 0, 122 
 0 −102, 03 −79, 39 −54, 71 0, 407 
 
0 −88, 23 −35, 61 −5, 01 −0, 664

 
8, 7 3, 0 9, 3 11 0.04
 0
 −17, 26 −14, 73 −76, 12 0, 122 
 0 0 7, 66 395, 16 −0, 314
 
0 0 39, 66 383, 96 −1, 287

 
8, 7 3, 0 9, 3 11 0.04
 0
 −17, 26 −14, 73 −76, 12 0, 122 

 0 0 7, 66 395, 16 −0, 314
 
0 0 0 −1662, 97 0, 339

 
8, 7 3, 0 9, 3 11 0.04
 0
 −17, 26 −14, 73 −76, 12 0, 122 

 0 0 7, 66 395, 16 −0, 314
 
0 0 0 −1662, 97 0, 339


 8, 7θ1 3, 0θ2 +9, 3θ3 +11θ4 = 0.04

 −17, 26θ2 −14, 73θ3 −76, 12θ4 = 0, 122

 7, 66θ3 +395, 16θ4 = −0, 314


−1662, 97θ4 = 0, 339

h iT
θ(0) = 0, 0295 0, 01995 0 − 0, 0294 −0, 0000
x̄ será, então:
x̄ (1) = x̄ (0) + θ(0)

   
0, 97 0, 0295
 1, 98   0, 0195 
x̄ (1) = +
   
−0, 97 −0, 0294

1, 00 −0, 0000
 
0, 9995
 1, 9995 
x̄ (1) =
 
−0, 9994

1, 00000

Método de Pivotação Completa
Dado o sistema Ax = b, seja M sua matriz aumentada
··· ··· ···

 
a11 a12 a1j a1q a1nb1
a21
 a22 ··· a2j ··· a2q ··· a2nb2 

· · · ··· ··· ··· ··· ··· ··· ··· 
=M
 
ap1 ap2 ··· apj ··· apq ··· apnbp 

 
· · · ··· ··· ··· ··· ··· ··· ··· 
an1 an2 ··· anj ··· anq ··· annbn

Ex.:Resolver pelo método de pivotação completa, retendo durante as
eliminações, cinco casas decimais


 0, 8754x1 + 3, 0081x2 + 0, 9358x3 + 1, 1083x4 = 0, 8472

2, 4579x − 0, 8758x + 1, 1516x − 4, 5148x
1 2 3 4 = 1, 1221

 5, 2350x1 − 0.8473x2 − 2, 3582x3 + 1, 1419x4 = 2, 5078


2, 1015x1 + 8, 1083x2 − 1, 3232x3 + 2, 1548x4 = −6, 4984
Escolhe-se o elemento apq 6= 0 de maior módulo e não pertencentes ao
termo independente e calculam-se os fatores Mi
−aiq
Mi =
apq
, para todo i 6= p
apq é o elemento pivô e a linha p é a linha pivotal

 
0, 8754+ 3, 0081+ 0, 9358+ 1, 1083 +0, 8472
2, 4579− 0, 8758+ 1, 1516− 4, 5148 +1, 1221
 
5, 2350− 0.8473− 2, 3582+ 1, 1419 +2, 5078
 
2, 1015+ 8, 1083 −1, 3232+ 2, 1548 −6, 4984

 
0, 8754+ 3, 0081+ 0, 9358+ 1, 1083 +0, 8472
2, 4579− 0, 8758+ 1, 1516− 4, 5148 +1, 1221
 
5, 2350− 0.8473− 2, 3582+ 1, 1419 +2, 5078
 
2, 1015+ 8, 1083 −1, 3232+ 2, 1548 −6, 4984

 
0, 09576 0 1, 42669 0, 30889 3, 25804
2, 68489
 0 1, 00868 −4, 28205 0, 42019 

 5, 4546 0 −2, 49647 1, 36707 1, 82873 
 
2, 1015 8, 1083 −1, 3232 2, 1548 −6, 4984

 
0 0 1, 47052 0, 28489 3, 22594
 0
 0 2, 2375 −4, 95496 −0, 47996

5, 4546 0 −2, 49647 1, 36707 1, 82873 
 
2, 1015 8, 1083 −1, 3232 2, 1548 −6, 4984

 
0 0 1, 47052 0, 28489 3, 22594
 0
 0 2, 2375 −4, 95496 −0, 47996

5, 4546 0 −2, 49647 1, 36707 1, 82873 
 
2, 1015 8, 1083 −1, 3232 2, 1548 −6, 4984

 
0 0 1, 59917 0 3, 19834
 0
 0 2, 2375 −4, 95496 −0, 47996

5, 4546 0 −2, 49647 1, 36707 1, 82873 
 
2, 1015 8, 1083 −1, 3232 2, 1548 −6, 4984

O sistema após as eliminações é:


 2, 1015x1 + 8, 1083x2 −1, 3232x3 + 2, 1548x4 = −6, 4984

 5, 4546x
1 −2, 49647x3 +1, 36707x4 = 1, 82873

 2, 2375x3 −4, 95496x4 = −0, 47996


1, 59917x3 = 3, 19834
Assim, temos: x4 = 1, 0000, x2 = −1, 0000, x3 = 2, 0000, x1 = 1, 0000
h iT h iT
x̄ = 1, 0000 −1, 0000 2, 0000 1, 0000 r= 0 0 0 0

Método de Jordan
Consiste em operar transformações elementares sobre as equações do sis-

tema linear dado até que se obtenha um sistema diagonal equivalente.
Resolver pelo método de Jordan

 x1 + x2 + 2x3
 =4
2x1 − x2 −x3 = 0
x − x − x

= −1
1 2 3
 
1 1 2 4
2 −1 −1 0 
 
1 −1 −1 −1

Método de Jordan


 x1 + x2 + 2x3
 =4
2x1 − x2 −x3 = 0
x − x − x

= −1
1 2 3
   
1 1 2 4 1 1 2 4
2 −1 −1 0  0 −3 −5 −8
   
1 −1 −1 −1 0 −2 −3 −5

Método de Jordan


 x1 + x2 + 2x3
 =4
2x1 − x2 −x3 = 0
x − x − x

= −1
1 2 3
     
1 1 2 4 1 1 2 4 1 1 2 4
2 −1 −1 0  0 −3 −5 −8 0 −3 −5 −8
     
1 1
1 −1 −1 −1 0 −2 −3 −5 0 0 3 3

 
1 1 0 2
0 −3 0 −3
 
1 1
0 0 3 3

   
1 1 0 2 1 0 0 1
0 −3 0 −3 0 −3 0 −3
   
1 1 1 1
0 0 3 3 0 0 3 3
Logo, x1 = 1; −3x2 = −3 ⇒ x2 = 1; x3 = 1
h iT
x̄ = 1 1 1

Dada:  
1 1 2
A = 2 −1 −1
 
1 −1 −1
é transformada pelo método de Jordan
em :  
1 0 0
D = 0 −3 0 
 
0 0 31
1
Logo, det D= 1 · (−3) · 3 = −1

Métodos Iterativos
Consiste em calcular uma sequência x (1) , x (2) , ..., x (k) , ... de aproximação de
x, sendo dada uma aproximação inicial x (0)
Método de Jacobi
Seja o sistema:




a12 x2 + · · · + a1n xn = b1
a11 x1 +
a22 x2 + · · · + a2n xn = b2
a21 x1 +

.
. .. .. .. ..


 . . . . .

a x + a x + · · · + a x = b
n1 1 n2 2 nn n n
Assim, isola-se:
b1 −(a12 x2 +a13 x3 +...+a1n xn )
x1 = a11
b2 −(a21 x1 +a23 x3 +...+a2n xn )
x2 = a22
..
.
b −(an1 x1 +an2 x2 +...+an,n−1 xn−1 )
xn = n ann
6 0 para todo i
onde, aij =
O sistema pode ser colocado na forma x̄ = Fx + d onde:
  1
b 
x1 − aa11 − aa11 · · · − aa1n
 
a 0 12 13
 b112  − a21 a23
11
x2  − a22 · · · − aa2n
 
 a22   a22 0 
x =
 ..  d =  ..  F = 
22 
   
.  .   ··· ··· ··· ··· ··· 
xn b n − aann
n1
− aann
n2
− aann
n3
··· 0
a nn

Para o método de Jacobi:
1 Escolhe-se uma aproximação inicial x̄ (0)
2 Geram-se aproximações sucessivas de x̄ (k) a partir da interação:
x̄ (k+1) = F x̄ (k) + d, k = 0, 1, 2, ...
3 Continua-se a gerar aproximações, até que um dos critérios abaixo seja

satisfeito:
i Máxx̄ (k+1) − x¯i (k) ≤ Σ , Σ é a tolerância 1 ≤ i ≤ n ; ou
ii k > M, M é número máximo de interações
obs.: A tolerância Σ fixa o grau de precisão das soluções.

Ex.: Resolver pelo método de Jacobi o sistema, considerando 3 casas
decimais.
(
2x1 − x2 = 1
x1 + 2x2 = 3
Com Σ ≤ 10−2 ou k > 10 Temos que as equações de iterações é dada por:
(k+1) 1+x2k
x1 = 2
(k+1) 3−x1k
x2 = 2 , k = 0, 1, 2, ...
h iT
O vetor inicial é tomado arbitrariamente. Fazendo-o x̄ (0) = 0 0 tem-se,

Para K=0 Para K=1
(1) 1+0 (2) 1+1,5

x1 = 2 = 0, 5 x1 = 2 = 1, 25
(1) 3−0 (2) 3−0,5
x2 = 2 = 1, 5 x2 = 2 = 1, 25
Para K=2 Para K=3
(3) 1+1,25 (4) 1+0,875

x1 = 2 = 1, 125 x1 = 2 = 0, 938
(3) 3−1,25 (4) 3−1,125
x2 = 2 = 0, 875 x2 = 2 = 0, 938

Prosseguimos as iterações para k = 4, 5, 6, ... e as colocando-as numa tabela
obtem-se:
(k) (k)
K x1 x2 Σ
- 0 0 -
0 0,5 1,5 1,5
1 1,25 1,25 0,75
2 1,125 0,875 0,375
3 0,938 0,938 0,187
4 0,969 1,031 0,093
5 1,016 1,016 0,047
6 1,008 0,992 0,024
7 0,996 0,996 0,012
8 0,998 1,002 0,006
Pare quando 0, 006 ≤ 10−2 ou k > 10.
Temos que: x1 = 0.998 x2 = 1, 002

h iT
x̄ = 0, 998 1, 002
Método de Gauss-Seidel
Seja o sistema Ax = b
b1 −(a12 x2 +a13 x3 +···+a1n xn )

x1 = a11
b2 −(a21 x1 +a23 x3 +···+a2n xn )
x2 = a22
..
.
bn −(an1 x1 +an2 x2 +···+an,n−1 xn−1 )
xn = ann
O método iterativo de Gauss Seidel consiste em:

1 Partindo-se de uma aproximação inicial:
(0) (0) (0)
x (0) = (x1 , x2 , ..., xn )
2 Calcula-se a sequência de aproximação x (1) , x (2) , ..., x (k) , utilizando-se
as equações.

(k) (k) (k)
b1 −(a12 x2 +a13 x3 +···+a1n xn )
x1k+1 = a11
(k+1) (k+1) (k+1)
b2 −(a21 x1 +a23 x3 +···+a2n xn )
x2k+1 = a22
..
.
(k+1) (k+1) (k+1)
bn −(an1 x1 +an2 x2 +···+an,n−1 xn−1 )
xnk+1 = ann
Continua-se a gerar
aproximações até que um dos critérios abaixo seja
(k+1) (k)
satisfeito. Máxx̄ − x¯i ≤ Σ , Σ é a tolerância 1 ≤ i ≤ n ; ou
k > M, M é número máximo de interações

Ex.: Resolver pelo método de Gauss-Seidel com Σ ≤ 10−2 ou k > 10.
(
2x1 − x2 = 1
x1 + 2x2 = 3
h iT
Com x̄ (0) = 0 0
As equações iterativas são:
(k+1) 1+x2k
x1 = 2
(k+1) 3−x1k
x2 = 2 , k = 0, 1, 2, ...

Para K=0 Para K=1
(1) 1+0 (2) 1+1,25

x1 = 2 = 0, 5 x1 = 2 = 1, 125
(1) 3−0,5 (2) 3−1,125
x2 = 2 = 1, 25 x2 = 2 = 0, 9375
Para K=2 Para K=3
(3) 1+0,9375 (4) 1+1,015625

x1 = 2 = 0, 96875 x1 = 2 = 1, 0078
(3) 3−0,9687 (4) 3−1,0078
x2 = 2 = 1, 015625 x2 = 2 = 0, 9961

Prosseguimos as iterações notaremos que o método de Gauss-Seidel con-
verge para a solução mais rapidamente, que o método de Jacobi. Colocando
na tabela:
(k) (k)
K x1 x2 Σ
- 0 0 -
0 0,5 1,25 1,25
1 1,125 0,9375 0,625
2 0,96875 1,015625 0,15625
3 1,0078 0,9961 0,039
Temos que: x1 = 1, 0078 x2 = 0, 9961

h iT
x̄ = 1, 0078 0, 9961

Soluções Numéricas 211205 210746

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Soluções Numéricas 211205 210746

Enviado por

Direitos autorais:

Formatos disponíveis

Solução Numérica de Equações Lineares

Maria Átila da Silva Costa

Universidade Federal do Piauí- UFPI

Maria Átila da Silva Costa (UFPI) November 4, 2021 1 / 43

Pode ser escrito como:

Maria Átila da Silva Costa (UFPI) November 4, 2021 3 / 43

2, 4, −5, 4, 1, −5, 2, 4, 5 → coeficientes

Maria Átila da Silva Costa (UFPI) November 4, 2021 4 / 43

Maria Átila da Silva Costa (UFPI) November 4, 2021 5 / 43

Classificação quanto ao número de soluções:

a Determinado → apresenta solução única

Incompatível → O sistema não admite solução

Maria Átila da Silva Costa (UFPI) November 4, 2021 6 / 43

Maria Átila da Silva Costa (UFPI) November 4, 2021 7 / 43

Logo, o sistema é determinado.

Maria Átila da Silva Costa (UFPI) November 4, 2021 8 / 43

Qualquer valor de x2 satisfaz a equação acima. Seja então, x2 = α

Maria Átila da Silva Costa (UFPI) November 4, 2021 9 / 43

Logo o sistema é indeterminado.

Nenhum valor para x2 satisfaz a equação. O sistema é incompativel, pois

Maria Átila da Silva Costa (UFPI) November 4, 2021 10 / 43

Maria Átila da Silva Costa (UFPI) November 4, 2021 11 / 43

Maria Átila da Silva Costa (UFPI) November 4, 2021 11 / 43

Maria Átila da Silva Costa (UFPI) November 4, 2021 11 / 43

Resolver pelo Método de Gauss retendo, durante os calculos duas casas

Maria Átila da Silva Costa (UFPI) November 4, 2021 12 / 43

21, 0 −81, 0 13, 2 21, 5 = −106, 3

É chamado de escalonamento a matriz

21, 0 −81, 0 13, 2 21, 5 −106, 3

Maria Átila da Silva Costa (UFPI) November 4, 2021 13 / 43

0 −88, 23 −35, 61 −5, 01 −145, 82

Maria Átila da Silva Costa (UFPI) November 4, 2021 14 / 43

0 −88, 23 −35, 61 −5, 01 −145, 82

0 0 39, 66 383, 96 344, 48

Maria Átila da Silva Costa (UFPI) November 4, 2021 14 / 43

Maria Átila da Silva Costa (UFPI) November 4, 2021 15 / 43

−106, 3 21, 0 −81, 0 −13, 2 21, 5 1, 00

Maria Átila da Silva Costa (UFPI) November 4, 2021 16 / 43

−106, 3 21, 0 −81, 0 −13, 2 21, 5 1, 00

−106, 3 21, 0 · 0, 97 − 81, 0 · 1, 98 − 13, 2 · (−0, 97) + 21, 5 · 1, 00

Maria Átila da Silva Costa (UFPI) November 4, 2021 16 / 43

−106, 3 20, 37 − 160, 38 + 12, 80 + 21, 5

Maria Átila da Silva Costa (UFPI) November 4, 2021 17 / 43

−106, 3 20, 37 − 160, 38 + 12, 80 + 21, 5

Maria Átila da Silva Costa (UFPI) November 4, 2021 17 / 43

−106, 3 20, 37 − 160, 38 + 12, 80 + 21, 5

Maria Átila da Silva Costa (UFPI) November 4, 2021 17 / 43

Quando se opera com números exatos não se cometem erros de

Seja x̄ (0) a solução aproximada para o sistema Ax = b. Então, a solução

Maria Átila da Silva Costa (UFPI) November 4, 2021 18 / 43

Quando se opera com números exatos não se cometem erros de

Seja x̄ (0) a solução aproximada para o sistema Ax = b. Então, a solução

A(x̄ (0) + θ(0) ) = b

O processo é repetido até que se obtenha a precisão desejada.

Maria Átila da Silva Costa (UFPI) November 4, 2021 19 / 43

Fazendo A.θ(0) = r depois a solução melhorada x̄ (1) = x̄ (0) + θ(0)

Maria Átila da Silva Costa (UFPI) November 4, 2021 20 / 43

21, 0 −81 −13, 2 21, 5 θ4 −0, 59

Maria Átila da Silva Costa (UFPI) November 4, 2021 21 / 43

21, 0 −81 −13, 2 21, 5 θ4 −0, 59

21, 0θ1 −81θ2 −13, 2θ3 21, 5θ4 = −0, 59

Maria Átila da Silva Costa (UFPI) November 4, 2021 21 / 43

0 −88, 23 −35, 61 −5, 01 −0, 664

Maria Átila da Silva Costa (UFPI) November 4, 2021 22 / 43