Unidade III – Solução Numérica de Sistemas de

Equações Algébricas Lineares

MÉTODOS NUMÉRICOS
Rafael Martins Barros
 2

05/09/2021

Sumário
• Sistemas Gerais;
• Métodos Diretos/Exatos;
• Transformações Elementares;
• Método de Gauss;
• Método de Jordan;
• Refinamento de Soluções;
• Implementação;
• Bibliografia.
 3

05/09/2021

Sistemas Gerais
• Anteriormente vimos o método para resolução de sistemas triangulares;

• No entanto, como resolver um sistema geral como o abaixo?

𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑏1

𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 𝑏2
⋮
𝑎𝑛1 𝑥1 + 𝑎𝑛2 𝑥2 + ⋯ + 𝑎𝑛𝑛 𝑥𝑛 = 𝑏𝑛
 4

05/09/2021

Sistemas Gerais
• Deseja-se encontrar um vetor 𝑥ҧ que seja solução para o sistema linear
𝐴𝑥 = 𝑏;

• Devemos observar que no caso de sistemas lineares com solução única,

o vetor 𝑥ҧ é dado por: 𝑥ҧ = 𝐴−1 𝑏;
▫ Calcular explicitamente a inversa e realizar o produto 𝐴−1 𝑏 é
desaconselhável devido ao grande número de operações envolvidas;
 5

05/09/2021

Métodos Diretos/Exatos
• Os métodos que veremos a seguir são exemplos de métodos diretos
para resolução de sistemas lineares;

• Uma característica deste tipo de método é que a determinação da

solução de um sistema linear é realizada com um número finito de
operações;

• Além disso, forneceriam a solução exata, não fossem os erros de

arredondamento;
 6

05/09/2021

Transformações Elementares
• Usaremos as seguintes operações sobre as equações de um sistema
linear:
▫ Trocar a ordem de duas equações do sistema;
▫ Multiplicar uma equação do sistema por uma constante não nula;
▫ Adicionar duas equações do sistema;
 7

05/09/2021

Transformações Elementares
• Dois sistemas 𝑆1 e 𝑆2 são equivalentes quando 𝑆2 pode ser obtido de 𝑆1
por meio de transformações elementares;
▫ Quando dois sistemas são equivalentes, ou ambos são incompatíveis ou
têm as mesmas soluções;
 8

05/09/2021

Método de Gauss
• Também chamado de eliminação gaussiana e escalonamento;

• Uso de operações elementares para transformar o sistema linear 𝐴𝑥 =

𝑏 em um sistema triangular equivalente
𝑈𝑥 = 𝑐
facilmente resolvido por substituição retroativa;
 9

05/09/2021

Método de Gauss
• Exemplo (EF-1a):

𝑥1 + 𝑥2 + 𝑥3 = 1
ቐ 2𝑥1 + 𝑥2 − 𝑥3 = 0
2𝑥1 + 4𝑥2 + 4𝑥3 = 2
 10

05/09/2021

Método de Gauss
• Exemplo (EF-1a):

1 1 1 1
2 1 −1 0
2 4 4 2
 11

05/09/2021

Método de Gauss
• Exemplo (EF-1a):

1 1 1 1
0 −1 −3 −2
0 2 2 0
 12

05/09/2021

Método de Gauss
• Exemplo (EF-1a):

1 1 1 1
0 −1 −3 −2
0 0 −4 −4
 13

05/09/2021

Método de Gauss
• Exemplo (EF-1a):

𝑥1 +𝑥2 +𝑥3 = 1
൞ −𝑥2 −3𝑥3 = −2
−4𝑥3 = −4

𝑋ത = 1 −1 1 𝑇
 14

05/09/2021

Método de Gauss
• Passo a passo:
1. Representar o sistema por meio da matriz estendida;
2. Para cada linha 𝑖 (com exceção da última), proceder com:
a) Localizar o elemento da diagonal principal na linha 𝑎𝑖𝑖 ;
b) Para cada elemento 𝑎𝑖𝑗 ≠ 0 abaixo de 𝑎𝑖𝑖 :
𝑎𝑖𝑗
I. Calcular o multiplicador 𝑚𝑖𝑗 = ;
𝑎𝑖𝑖
II. Efetuar a transformação elementar 𝐿𝑗 ← 𝐿𝑗 − 𝑚𝑖𝑗 𝐿𝑖 ;
3. Resolver o sistema triangular por meio de substituições retroativas;
 15

05/09/2021

Método de Gauss
• Problemas:
1. Caso o elemento da diagonal principal seja zero, o algoritmo indicaria
a realização de uma divisão por zero;
2. Caso o elemento da diagonal principal seja muito próximo de zero no
momento de calcular os multiplicadores 𝑚, estes últimos serão
constituídos de números muito grandes, podendo ampliar os erros de
arredondamento;

• Solução: uso de estratégias de pivoteamento;

 16

05/09/2021

Método de Gauss
• Pivoteamento parcial: consiste em fazer uma permutação de linhas, de
forma a escolher o maior elemento pivô, em módulo, a cada passo;

• Pivoteamento total: escolhe-se o elemento de maior módulo dentre

todos os elementos ainda participando do processo de eliminação;
▫ Menos empregada, uma vez que implica em grande esforço computacional;
 17

05/09/2021

Método de Gauss
• Exemplo (EF-2a):

𝑥1 + 𝑥2 + 𝑥3 = 1
ቐ 2𝑥1 + 𝑥2 − 𝑥3 = 0
2𝑥1 + 4𝑥2 + 4𝑥3 = 2
 18

05/09/2021

Método de Gauss
• Exemplo (EF-2a):

1 1 1 1
2 1 −1 0
2 4 4 2
 19

05/09/2021

Método de Gauss
• Exemplo (EF-2a):

2 1 −1 0
1 1 1 1
2 4 4 2
 20

05/09/2021

Método de Gauss
• Exemplo (EF-2a):

2 1 −1 0
0 1/2 3/2 1
0 3 5 2
 21

05/09/2021

Método de Gauss
• Exemplo (EF-2a):

2 1 −1 0
0 3 5 2
0 1/2 3/2 1
 22

05/09/2021

Método de Gauss
• Exemplo (EF-2a):

2 1 −1 0
0 3 5 2
0 0 2/3 2/3
 23

05/09/2021

Método de Gauss
• Exemplo (EF-2a):

2𝑥1 +𝑥2 −𝑥3 = 0

3𝑥2 +5𝑥3 = 2
2 2
𝑥3 = 3
3

𝑋ത = 1 −1 1 𝑇
 24

05/09/2021

Método de Jordan
• Variação do método de Gauss;

• Consiste em operar transformações elementares de forma a

transformar o sistema original em um outro sistema, cuja matriz será a
identidade;
 25

05/09/2021

Método de Jordan
• Exemplo (EF-3a):

𝑥1 + 𝑥2 + 𝑥3 = 1
ቐ 2𝑥1 + 𝑥2 − 𝑥3 = 0
2𝑥1 + 4𝑥2 + 4𝑥3 = 2
 26

05/09/2021

Método de Jordan
• Exemplo (EF-3a):

1 1 1 1
2 1 −1 0
2 4 4 2
 27

05/09/2021

Método de Jordan
• Exemplo (EF-3a):

1 1 1 1
0 −1 −3 −2
0 2 2 0
 28

05/09/2021

Método de Jordan
• Exemplo (EF-3a):

1 1 11
0 1 32
0 2 20
 29

05/09/2021

Método de Jordan
• Exemplo (EF-3a):

1 0 −2 −1
0 1 3 2
0 0 1 1
 30

05/09/2021

Método de Jordan
• Exemplo (EF-3a):

1 0 0 1
0 1 0 −1
0 0 1 1
 31

05/09/2021

Método de Jordan
• Exemplo (EF-3a):

𝑥1 = 1
൞ 𝑥2 = −1
𝑥3 = 1

𝑋ത = 1 −1 1 𝑇
 32

05/09/2021

Método de Jordan
• Passo a passo:
1. Representar o sistema por meio da matriz estendida;
2. Para cada linha 𝑖, proceder com:
a) Localizar o elemento da diagonal principal na linha 𝑎𝑖𝑖 ;
b) Para cada elemento 𝑎𝑖𝑗 ≠ 0 acima ou abaixo de 𝑎𝑖𝑖 :
𝑎𝑖𝑗
I. Calcular o multiplicador 𝑚𝑖𝑗 = ;
𝑎𝑖𝑖
II. Efetuar a transformação elementar 𝐿𝑗 ← 𝐿𝑗 − 𝑚𝑖𝑗 𝐿𝑖 ;
3. A solução será dada por: 𝑥𝑖 = 𝑏𝑖 ;
 33

05/09/2021

Método de Jordan
• Assim como o método de eliminação de Gauss, também está sujeito a
armadilhas como a divisão por zero, bem como aos erros de
arredondamento;

• O uso de estratégias de pivoteamento é essencial para reduzir os erros

de arredondamento, bem como no método de Gauss;
 34

05/09/2021

Cálculo do Resíduo
• Uma medida para avaliar a precisão dos cálculos é o resíduo, dado por:

𝑟 = 𝑏 − 𝐴𝑥;ҧ
 35

05/09/2021

Cálculo do Resíduo
• Exemplo:

𝑥1 + 𝑥2 + 𝑥3 = 1
ቐ 2𝑥1 + 𝑥2 − 𝑥3 = 0 , 𝑋ത = 1 −1 1 𝑇

2𝑥1 + 4𝑥2 + 4𝑥3 = 2

1 1 1 1 1 1 1 ∗ 1 + 1 ∗ −1 + 1 ∗ 1 0
𝑟= 2 − 4 4 2 −1 = 2 − 4 ∗ 1 + 4 ∗ −1 + 2 ∗ 1 = 0
0 2 1 −1 1 0 2 ∗ 1 + 1 ∗ −1 − 1 ∗ 1 0
 36

05/09/2021

Refinamento de Soluções
• Quando se opera com números exatos, não se cometem erros de
arredondamento no decorrer dos cálculos;
▫ As transformações elementares, juntamente com as substituições (retroativas ou
progressivas), produzem resultados exatos;

• Entretanto, na maioria das vezes, tem-se que contentar com cálculos

aproximados;
▫ Cometem-se erros de arredondamento que podem se propagar, chegando
mesmo a comprometer os resultados;

• Daí o uso de técnicas especiais para minimizar a propagação de tais erros.

 37

05/09/2021

Refinamento de Soluções
• Por meio de um processo de refinamento (método de correção
residual), pode-se refinar (“melhorar”) a solução, de modo a reduzir os
erros de arredondamento, podendo até permitir uma solução razoável a
alguns sistemas mal condicionados;
 38

05/09/2021

Refinamento de Soluções
• Seja 𝑥ҧ (0) a solução aproximada para o sistema 𝐴𝑥 = 𝑏.

• A solução melhorada é obtida como segue:

𝑥ҧ (1) = 𝑥ҧ (0) + 𝛿 (0)

onde 𝛿 é uma parcela de correção.

• Logo: 𝐴𝑥 (1) = 𝑏;
 39

05/09/2021

Refinamento de Soluções
• Então, tem-se:
𝐴 𝑥ҧ (0) + 𝛿 0
=𝑏

𝐴𝑥ҧ (0) + 𝐴𝛿 0 =𝑏

𝐴𝛿 0 = 𝑏 − 𝐴𝑥ҧ 0

𝐴𝛿 0 = 𝑟 (0)
 40

05/09/2021

Refinamento de Soluções
• Assim, para se obter a parcela de correção 𝛿 0 basta que se resolva o
sistema linear (𝐴𝛿 0 = 𝑟 (0) ), em que:
▫ 𝐴: matriz dos coeficientes do sistema 𝐴𝑥 = 𝑏;
▫ 𝑟 (0) : resíduo produzido pela solução aproximada 𝑥ҧ (0) .

• Caso se queira uma melhor aproximação, pode-se resolver o sistema

𝐴𝛿 1 = 𝑟 (1)
Onde 𝛿 1 é a parcela de correção para 𝑥ҧ 1 e 𝑟 1 o resíduo produzido
por 𝑥ҧ 1 ;
 41

05/09/2021

Implementação
• Exemplo de implementação em Python;
 42

05/09/2021

Bibliografia
• Franco, N. B. Cálculo Numérico. São Paulo: Pearson Prentice Hall, 2006.
• Arenales, S., Darezzo, A. Cálculo Numérico: Aprendizagem com Apoio de
Software. São Paulo: Thomson Learning, 2008.
• Sperandio, D., Mendes, J. T., Silva, L. H. M. Cálculo Numérico. 2ª Edição.
São Paulo: Pearson Education do Brasil, 2014.
• Barroso, L. C., Barroso, M. M. A., Campos Filho, F. F., Carvalho, M. L. B.
Cálculo Numérico (com Aplicações). 2ª Edição. Editora Harbra, 1987.
• Couto Filho, M. B., Brown, F. A. B. Métodos Numéricos: Fundamentos e
Implementação Computacional. 1ª Edição. Rio de Janeiro: Elsevier,
2017.
 43

05/09/2021

Bibliografia
• Ruggiero, M. A. , Lopes, V. L. R. Calculo numérico: Aspectos Teóricos e
Computacionais. 2ª Edição. Editora Pearson Universidades, 2000.
• Chapra, S. C. Métodos Numéricos Aplicados com MATLAB para
Engenheiros e Cientistas. 3ª Edição. Editora AMGH, 2013.
• Chapra, S. C., Canale, R. P. Métodos Numéricos para Engenharia. 7ª
Edição. Editora AMGH, 2016.
• Campos Filho, F. F. Algoritmos Numéricos: Uma Abordagem Moderna de
Cálculo Numérico. 3ª Edição. Editora LTC, 2018.
 44

05/09/2021

Bibliografia
• Wazlawick, R. S. Introdução a Algoritmos e Programação com Python -
Uma Abordagem Dirigida Por Testes. 1ª Edição. Elsevier, 2018.
• Goodfellow, I., Bengio, Y., Courville, A. Deep Learning. 1ª Edição. The
MIT Press, 2016.
 Unidade III – Solução Numérica de Sistemas de
Equações Algébricas Lineares
Obrigado!
MÉTODOS NUMÉRICOS
Rafael Martins Barros