Unidade 1 - Sistemas de Equações Lineares

Resolução de Sistemas Lineares
1
Roteiro
• Conceitos Fundamentais
• Métodos Diretos
• Método de Eliminação de Gauss
• Pivotação
• Método de Eliminação de JORDAN
• Decomposição LU
• Métodos Iterativos
• Método de Gauss-Jacobi
• Método de Gauss-Seidel
2
Sistemas Lineares
3
Sistemas Lineares
• Um sistema de equações lineares (abreviadamente, sistema linear) é

um conjunto finito de equações lineares nas mesmas variáveis.
• Equação linear: equação envolvendo apenas somas ou produtos
de constantes e variáveis do primeiro grau.
• Algoritmos computacionais para achar soluções são uma parte

importante da álgebra linear numérica, e tais métodos têm uma
grande importância em:
• engenharia, física, química, ciência da computação e economia.
4
Sistemas Lineares
• Forma Geral
a11 x1 + a12 x2 + ... + a1n xn = b1
a21 x1 + a22 x2 + ... + a2 n xn = b2
    
an1 x1 + an 2 x2 + ... + ann xn = bn

onde:
aij  coeficientes
xi  incógnitas
bi  termos independentes
5
Sistemas Lineares
• Exemplo:
2 x1 + 4 x 2 − 5 x 3 = 5
4 x1 + 1x 2 − 5 x 3 = 2
2 x1 + 4 x 2 + 5 x 3 = −1
2, 4, -5, 4, 1, -5, 2, 4 e 5  coeficientes
x1, x2 e x3  incógnitas
5, 2 e -1  termos independentes
6
Sistemas Lineares
• Forma Matricial
Ax = b
na qual:
 a11 a12  a1n 

   x1   b1 
 a21 a22  a2 n  x  b 
A=  x =  2 b =  2
           
   xn   bn 
 an1 an2 an 3 ann 
7
Sistemas Lineares
• Exemplo
• Forma Geral
2 x1 + 4 x 2 − 5 x 3 = 5
4x1 + 1x2 − 5x 3 = 2
2 x1 + 4 x 2 + 5 x 3 = − 1
• Forma Matricial
2 4 − 5  x1   5 
4 1 − 5. x2  =  2 
2 4 5   x   − 1
   3  
8
Sistemas Triangulares
• Sistema Triangular Inferior:
a11 x1 = b1
a21 x1 + a22 x2 = b2
a31 x1 + a32 x2 + a33 x3 = b3
=
an1 x1 + an 2 x2 + an 3 x3 + ... + ann xn = bn
 a11 0 0  0 
a a22 0  0 
21

A = a31 a32 
 a33  0 
      
 an1 an 2 an 3  ann 
9
• Resolução:
b1
x1 = Pergunta
a11
Qual a solução deste sistema? É possível
b2 − a21 x1
x2 = elaborar uma fórmula geral para encontrar os
a22
valores de x?
b3 − a31 x1 − a32 x2
x3 =
a33

bn − an1 x1 − an 2 x2 − an 3 x3 − ... − ann −1 xn −1
xn =
ann
10
• Considere um Sistema Triangular Inferior de ordem 4.
a11 x1 = b1
a21 x1 + a22 x2 = b2
a31 x1 + a32 x2 + a33 x3 = b3
a41 x1 + a42 x2 + a43 x3 + a44 x4 = b4
Pergunta
Qual a solução deste sistema?
11
• Resolução
b1
x1 =
a11
b2 − a21 x1
x2 =
a22
b3 − a31 x1 − a32 x2
x3 =
a33
b4 − a41 x1 − a42 x2 − a43 x3
x4 =
a44
12
• Resolução: método de substituições sucessivas
i −1
bi − ∑ aij x j
j =1
xi = , i = 1, 2, 3, ..., n.
aii
13
• Sistema Triangular Superior

a11 x1 + a12 x2 + a13 x3 + ... + a1n xn = b1
a22 x2 + a23 x3 + ... + a2 n xn = b2
a33 x3 + ... + a3n xn = b3
=
 a11 a12 a13  a1n  ann xn = bn
 0 a22 a23  a2 n 
A= 0 0 a33 

a3 n 

      
 0 0 0  ann 
14
• Resolução bn
xn =
ann

b3 − a34 x4 − ... − a3n xn
x3 =
a33
b2 − a23 x3 − a24 x4 ... − a2 n xn
x2 =
a22
b1 − a12 x2 − a13 x3 − ... − a1n xn
x1 =
a11
15
• Resolução: método de substituições retroativas
n
bi − ∑a x
j =i +1
ij j
xi = , i = 1, 2, 3, ..., n.
aii
16
Solução Retroativa
• Exemplo:
• Dado o sistema, resolva com substituição retroativa:
3 x 1 +4 x 2 −5 x 3 + x4 = −10
x2 + x3 − 2 x4 = −1
4 x3 − 5 x4 = 3
2 x4 = 2
17
Conceitos Básicos
• Sistemas Lineares Equivalentes
• Sistema Lineares equivalentes são sistemas que possuem a mesma solução,
ou seja, o mesmo vetor x satisfaz as equações tanto de um quanto de outro.
18
Conceitos Básicos
• Exercício: Verificar quais destes sistemas lineares são equivalentes.
 2 2  x1  6  2 2  x1  − 2 1 3   x1  7 
A)     =  B)     =  C )    = 
 − 1 4   x2  7   − 1 4   x2   1  2 − 1  x2  0
2 3  x1  − 2 − 1 4  x1  − 10 3 1   x1   5 
D)     =   E )    =  F )    = 
1 4   x2   − 1   2 5  x2   − 6  1 − 2  x2  − 3
Pergunta
Esses sistemas têm solução única? Por quê?
19
Conceitos Básicos
• Exercício: Verificar quais destes sistemas lineares são equivalentes.
 2 2  x1  6 1   2 2  x1  − 2 − 1
A)      = ∴ x =  2 B)     = ∴ x = 0
 − 1 4   x 2  7     − 1 4   x2   1   
1 3   x1  7  1  2 3  x1  − 2 − 1
C )    =  ∴ x =   D)    x  =  − 1 ∴ x =  0 
2 − 1  2  0
x  2  1 4  2     
− 1 4  x1  − 10 2 3 1   x1   5  1 
E )    =  ∴ x =  − 2 F )    =  ∴ x =  
 2 5   x2   − 6    1 − 2  x2  − 3  2
20
Conceitos Básicos
l
• Operações -Elementares
• Sistema Lineares podem ser transformados em sistemas equivalentes por

meio de 3 operações
l-elementares.
• Trocar ordem de duas equações.
• Multiplicar uma equação por uma constante não nula.
• Somar uma equação à outra.
21
Conceitos Básicos
• Operações l-Elementares
• Trocar ordem de duas equações.
 2 2  x1  − 2 − 1
 − 1 4  x  =  1  ∴ x =  0 
  2     
− 1 4  x1   1  − 1
 2 2  x  =  − 2 ∴ x = ? x= 
  2    0
22
Conceitos Básicos
• Multiplicar uma equação por uma constante não nula.
− 1 4  x1   1  − 1 2
 2 2  x  =  − 2 ∴ x =  0 
  2     
 − 2 8  x1   2  − 1
 2 2  x  =  − 2 ∴ x = ? x= 
  2    0
23
Conceitos Básicos
• Somar uma equação à outra.
− 2 8  x1   2   − 1
 2 2  x  =  − 2 ∴ x =  0 
  2     
− 2 8   x1  2 − 1
 0 10  x  = 0 ∴ x = ? x= 
  2    0
24
Conceitos Básicos
• Equivalência entre sistemas
 2 2  x1  − 2 − 1 4  x1   1 
 − 1 4  x  =  1  ∼  2 2  x  =  − 2 ∼
  2      2   
 − 2 8  x1   2  − 2 8   x1  2
 2 2  x  =  − 2 ∼  0 10  x  = 0
  2      2   
25
Métodos de Resolução de Sistemas
Eliminação de Gauss
Eliminação de Gauss
com Pivotação
Métodos Diretos
Eliminação de
Jordan
Sistemas Lineares Decomposição LU
Método de Jacobi
Métodos Iterativos
Método de Gauss-
Seidel
26
Métodos Numéricos
• Diretos
• Solução pode ser encontrada através de um número finito de passos
• Método de Eliminação de Gauss

• Eliminação de Gauss com Pivotação
• Método da Eliminação de Jordan
• Decomposição LU
27
Métodos Numéricos
• Iterativos
• Solução a partir de uma sequencia de aproximações para o valor do vetor
solução x , até que seja obtido um valor que satisfaça à precisão pré-
estabelecida
• Método de Jacobi
• Método de Gauss – Seidel
28
Métodos Diretos
Método de Eliminação de Gauss
29
• Propósito
• Transformação do sistema linear a ser resolvido em um sistema linear
triangular;
• Resolução do sistema linear triangular de forma retroativa (método

que resolve sistemas triangulares superiores).
30
• Triangularização
n
A x= b ~ x= d
b = entrada do sistema
x = resposta do sistema
A = característica do sistema
31
• Resolução
n
x= d
32
• Transformação do Sistema Linear (Eliminação)

• Troca da ordem das linhas;
• Multiplicação de uma das equações por um número real não nulo;
• Substituição de uma das equações por uma combinação linear dela
mesma com outra equação.
• Transforma um sistema de Ax=b via operações l-elementares em um

sistema equivalente Ux = d, onde U é uma matriz triangular superior.
• Tem-se então Ax=b ∼ Ux = d
33
• Elementos do método
• Pivô: elemento da diagonal da coluna que deseja-se eliminar os elementos
• Linha Pivotal: a linha que contém o pivô
• Multiplicador: relacionado ao elemento da linha i coluna j
1 1 −2 0   x1   5 
m2 = u21 / pivô = −1 − 1 3 2   x 
1  2   6  
 =
m3 = u31 / pivô = 1  1 2 1 2   x3  10
    
m4 = u41 / pivô = 2  2 0 − 2 − 1  x4   1 
34
• Passos do Método de Gauss
• Construção da matriz aumentada Ab
 a11 a12  a1n b1 

a a a b 
[Ab] =  21 22



2n
 
2

 
 an1 an2 an 3 ann bn 
35
• Passo 1:
• Eliminar os coeficientes de x1 presentes nas linhas
2,3,...,n - sendo a21 = a31, = ... = an1 = 0 - sendo a11
chamado de pivô da coluna
• Substituir a linha 2, L2, pela combinação linear
a21
L2 − m2 ⋅ L1 , na qual : m2 =
a11
36
• Substituir a linha 3, L3, pela combinação linear:
a31
L3 = L3 − m3 ⋅ L1 , na qual : m3 =
a11
37
• Deve-se continuar a substituição até a linha n;
• Caso algum elemento app=0, achar outra linha k onde akp≠

0 e trocar tais linhas. Caso a linha k não exista, o sistema
linear não possui solução.
38
• Eliminar os coeficientes de x2 nas linhas 3, 4, ..., n

(fazer a32=a42=...=an2 = 0);
• Eliminar os coeficientes de x3 nas linhas 4, 5, ..., n

(fazer a43=a53=...=an3 = 0) e assim sucessivamente.
39
• Exemplo:
• Resolver o sistema:
40
• Exemplo:
• Faz-se:
a21
L2 = L2 − m2 ⋅ L1 , m2 =
• Assim: =2
a11
L2 = [4 4 −3 3 ] − 2 ⋅ [2 3 −1 5 ]
L2 = [0 − 2 − 1 − 7 ]
41
• Exemplo:
• Faz-se:
a31
L3 = L3 − m3 ⋅ L1 , m3 = =1
a11
• Assim:
L3 = [2 −3 1 −1] − 1 ⋅ [2 3 −1 5 ]
L3 = [0 − 6 2 − 6 ]
42
• Exemplo:
• Obtém-se a matriz:
 2 3 −1 5 
[Ab] = 0 − 2 − 1 − 7 
0 − 6 2 − 6 
43
• Exemplo:
• Substituindo a linha 3 por:

a32
L3 = L3 − m3 ⋅ L2 , m3 = =3
• Têm-se:
a 22
L 3 = [0 − 6 2 − 6 ] − 3 ⋅ [0 − 2 − 1 − 7]
L 3 = [0 0 5 15 ]
44
• Exemplo:
• A matriz [Ab] fica assim com os seguintes valores:
2 3 −1 5 
[Ab] = 0 −2 −1 − 7
0 0 5 15 
45
• Resolução: método de substituições retroativas
n
bi − ∑a x
j =i +1
ij j
xi = , i = 1, 2, 3, ..., n.
aii
46
• Exemplo:
• Usa-se a solução retroativa:
5x3 = 15 ⇒ x3 = 3
−2x2 − x3 = −7 ⇒ −2x2 − 3 = −7 ⇒ x2 = 2
2x1 + 3 ⋅ x2 − x3 = 5 ⇒
⇒ 2x1 + 6 − 3 = 5 ⇒ 2x1 = 2 ⇒ x1 = 1
47
• Exemplo 2:
1,5𝑥𝑥1 + 5,4𝑥𝑥2 + 3,3𝑥𝑥3 = 10
• Resolver o sistema. 4,2𝑥𝑥1 + 2,3𝑥𝑥2 + 4,5𝑥𝑥3 = 11,7
2,7𝑥𝑥1 + 5,7𝑥𝑥2 + 7,8𝑥𝑥3 = 8,9
• Representando o sistema pela matriz aumentada:
1,5 5,4 3,3 10

[𝐴𝐴𝐴𝐴] = 4,2 2,3 4,5 11,7
2,7 5,7 7,8 8,9
48
• Exemplo 2:
• Escolhendo a primeira linha como pivô, obtém-se:
49
• Exemplo 2:
• Representando o sistema pela matriz aumentada:
50
• Exemplo 2:
• Escolhendo agora a segunda linha como pivô, têm-se:
51
• Exemplo 2:
• Obtêm-se a seguinte matriz ampliada:
1,5 5,4 3,3 10 

[AB] =  0 − 12,82 − 4,74 − 16,3 
 0 0 3,3463 − 3,9888 
52
• Exemplo 2:
• O que termina com a triangulação:
1,5x 1 + 5,4 ⋅ x 2 + 3,3 ⋅ x 3 = 10


0 ⋅ x1 − 12,82 ⋅ x 2 − 4,74 ⋅ x 3 = −16,3
0 ⋅ x + 0 ⋅ x + 3,3463 ⋅ x = −3,9888
 1 2 3
53
• Exemplo 2:
• Com solução:
x3 = -3,9888/3,3463=-1,1918
x2 =[ -16,3 - (-4,74)⋅(-1,1920)]/(-12,82) = 1,7121
x1 = [10 - 5,4(1,7122) - 3,3(-1,1920)]/1,5 = 3,1251
54
• Estudo do Algoritmo
55
Contagem de Operações
• Quantidade de Tempo e Quantidade de Erros dependem do número

de operações aritméticas.
• Mult e Div >> Soma e Sub.
• Multiplicações e Divisões
• Adições e Subtrações
56
Contagem de Operações
Multiplicações e Divisões Adições e Subtrações
57
Elimintação de Gauss
Resolução com Pivotação Parcial
58
Pivotação Parcial
• Minimiza a amplificação de erros de arredondamento

durante as eliminações;
• Consiste em escolher o elemento de maior módulo em cada

coluna para ser o pivô.
• Utilizando tanto na Eliminação de GAUSS quanto na

Decomposição LU.
59
Pivotação Parcial
• Exemplo 3:
• Resolver o sistema com precisão de 4 casas decimais
1,5x1 + 5,4x2 + 3,3x 3 = 10

4,2x1 + 2,3x2 + 4,5x 3 = 11,7
2,7x1 + 5,7x2 + 7,8x 3 = 8,9
60
Pivotação Parcial
• Exemplo 3:
• Matriz aumentada original deve ser ajustada:

1,5 5,4 3,3 10  4,2 2,3 4,5 11,7
4,2 2,3 4,5 11,7 1,5 5,4 3,3 10 
2,7 5,7 7,8 8,9  2,7 5,7 7,8 8,9 
   
61
Pivotação Parcial
• Exemplo 3:
• Sistema inalterado, elemento pivô 4,2.

• Encontrar as novas linhas:
L 2 = L 2 − m2 ⋅ L1 = [1,5 5,4 3,3 10] −
(1,5/4,2) ⋅ [ 4,2 2,3 4,5 11,7 ]
L 2 = [0 4,5786 1,6929 5,8214 ]
L 3 = L 3 − m 3 .L1 = [ 2,7 5,7 7,8 8,9] −

(2,7/4,2) ⋅ [ 4,2 2,3 4,5 11,7 ]
L 3 = [0 4,2214 4,9071 1,3786 ]
62
Pivotação Parcial
• Exemplo 3:
• A matriz ampliada fica da forma:

 4,2 2,3 4,5 11,7 
 0 4,5786 1,6929 5,8214 
 
 0 4,2214 4,9071 1,3786 
• Como o elemento 4,5786 já é o pivô da 2ª coluna, tem-se:

L 3 = L 3 − m3 ⋅ L 2 = [0 4,2214 4,9071 1,3786 ] −
(4,2214/4,5786) ⋅ [0 4,5786 1,6929 5,8214 ]
L 3 = [0 0 3,3463 − 3,9886 ]
63
Pivotação Parcial
• Exemplo 3:
• A matriz ampliada fica na forma:
 4,2 2,3 4,5 11,7 

 0 4,5786 1,6929 5,8214 
 
 0 0 3,3463 - 3,9886 
64
Pivotação Parcial
• Exemplo 3:
• A solução do sistema triangular que resultou dessas

operações é:
x3 = -3,9886/3,3463 = -1,1919
x2 = [5,8214-1,6929⋅(-1,1919)]/(4,5786) = 1,7121
x1 = [11,7- 2,3(1,7121)- 4,5(-1,1919)]/4,2 = 3,1252
65
Pivotação Parcial
Soluções dos Exemplos 2 e 3 (com pivotação):
EXEMPLO 1 EXEMPLO 2
x3 = -1,1918 x3 = -1,1919
x2 = 1,7121 x2 = 1,7121
x1 = 3,1251 x1 = 3,1252
Solução encontrada no Octave:

x3 = -1,19198135198135
x2 = 1,71216783216783
x1 = 3,12522144522145
66
Exercício
67
Métodos Diretos
Método de Eliminação de Jordan
68
Método de Jordan
• Consiste em efetuar operações sobre as equações do sistema, com a
finalidade de obter um sistema diagonal equivalente;
• Um sistema diagonal é aquele em que os elementos aij da matriz

coeficiente [A] são iguais a zero, para i≠j,
i, j = 1,2,...,n.
69
Método de Jordan
• Sistema diagonal equivalente:
a11 0 0  0 
 0 a 0  0 
22
[A] =  0 0 a33  0 


     
 0 0 0  ann 
70
Método de Jordan
• Exemplo:
• A partir do sistema:
x1 + 5 x 2 + x 3 = 1
5 x1 + 2 x 2 + 3 x 3 = 2
2 x1 + 3 x 2 + 2 x 3 = 4
• Com matriz aumentada:
 1 5 1 1  5 2 3 2 
[Ab] = 5 2 3 2 =  1 5 1 1
 2 3 2 4   2 3 2 4 
71
Método de Jordan
• Exemplo:

L 2 = L 2 − m21 ⋅ L1 = [1 5 1 1] − (1/5) ⋅ [5 2 3 2],
a 21
L 2 = [0 4,6 0,4 0,6 ], m2 = = 1/5 = 0,2
a11
• Substituindo a linha 3 por :
L 3 = L 3 − m 3 ⋅ L1 = [2 3 2 4 ] − (2/5) ⋅ [5 2 3 2]
a 31
L 3 = [0 2,2 0,8 3,2], m3 = = 2/5 = 0,4
a11
72
Método de Jordan
• Exemplo:
• A matriz ampliada resulta em:

5 2 3 2 
[Ab] = 0 4,6 0,4 0,6
0 2,2 0,8 3,2
 
L 3 = L 3 − m 3 ⋅ L 2 = [0 2,2 0,8 3,2] − (2,2/4,6) ⋅ [0 4,6 0,4 0,6 ]
a 32
L 3 = [0 0 0,609 2,913], m3 = = 2,2/4,6 = 0,478
a 22
73
Método de Jordan
• Exemplo:
• A matriz ampliada resulta em:
• Substituindo a linha 2 por

L 2 = L 2 − m 3 ⋅ L 3 = [0 4,6 0,4 0,6 ] −
(0,4/0,609 ) ⋅ [0 0 0,609 2,913 ]
L 2 = [0 4,6 0 − 1,313 ]
74
Método de Jordan
• Exemplo:
• Matriz ampliada resulta em:
• Substituindo a linha 1 por
2,57
75
Método de Jordan
• Exemplo:

1,571] −
L1 = [5 0 3 2,57
(3/0.609) ⋅ [0 0 0,609 2,913]
a13
L1 = [5 0 0 − 12,779 ] m1 = = 3/0,609
a 33
• A matriz ampliada fica da seguinte forma:
5 0 0 −12,779 
[Ab] = 0 4,6 0 − 1,313 

 0 0 0.609 2,913 
76
Método de Jordan
• Exemplo:
• E as soluções são:
• x1 =-2,556 , x2= -0,285, x3=4,783
77
Métodos Diretos
Método de Decomposição LU
78
Decomposição LU
• Uma matriz A quadrada pode ser escrita com o produto de duas

matrizes L e U, triangulares inferior e superior respectivamente.
• No Método de Decomposição LU, o primeiro passo é encontrar as

matrizes L e U tais que A = LU, sendo L uma matriz triangular
inferior com lij = 1, ∀ i=j.
79
Decomposição LU
• Decomposição
n
A = L ×
80
Decomposição LU
• Decomposição
→
n
A x= b L x=b
81
Sistema
Decomposição LU Triangular
Inferior.
• Resolução
Fazendo L y = b
n
x=y n
Sistema x=y
Triangular
Superior.
82
Decomposição LU
• A Matriz U é a mesma encontrada via Eliminação de

GAUSS.
• A Matriz L é formada pelos multiplicadores mij.
83
Decomposição LU
• O objetivo é fatorar a matriz dos coeficientes A em um produto de duas
matrizes L e U.
• Seja:
1 0 0  0 u11 u12 u13  u1n 

l21 1 0  0  0 u22 u23  u2n 
[LU] = l31 l32 1  0 ⋅  0
 0 u33  u3n 

     0       
ln1 ln2 ln3  1  0 0 0  unn 
84
Decomposição LU
• E a matriz coeficiente A:
a11 a12  a1n 

a a  a 
A= 21 22 2 n

   
• Tem-se, então:an1 an2 an3 ann 
 
1 0 0  0 u11 u12 u13  u1n 

a11 a12  a1n  l21 1 0  0  0 u22 u23  u2n 
 a2n 
[A ] = a21 a22 
 = [LU] =
l l
 31 32
1  0 ⋅  0
 0 u33  u3n 

     
     0       
an1 an2 an3 ann 
ln1 ln2 ln3  1  0 0 0  unn 
85
Decomposição LU
• Para se obter os elementos da matriz L e da matriz U, deve-se calcular os

elementos das linhas de U e os elementos da colunas de L seguindo os
passos:
• Encontrar as matrizes L e U tal que
• A = LU
• Resolver o sistema triangular inferior
• Ly = b
• Resolver o sistema triangular superior
• Ux = y
• A solução deste último sistema é a solução do problema original.
86
Decomposição LU
• 1ª linha de U: Faze-se o produto da 1ª linha de L por todas as colunas

de U e a iguala com todos os elementos da 1ª linha de A, assim:
1 0 0 ... 0  u11 u12 u13 ... u13  α 11 α 12 α 13 ... α 1n 

l
 21 1 0 ... 0  0
 u22 u23 ... u23  α
 21 α 22 α 23 ... α 2 n 
 l 31 l 32 1 . : X  0 0 u33 ... u33  = α 31 α 32 α 33 ... α 3 n 
     
 : . .. 0  : .. :   : : : : : 
 l n1 l n2 ... l n( n−1) 1  0 ... ... 0 unn  α n1 α n2 α n3 ... α nn 

L U A
87
Decomposição LU
• 1ª linha de U: Faze-se o produto da 1ª linha de L por todas as colunas

de U e a iguala com todos os elementos da 1ª linha de A, assim:
1 ⋅ u11 + 0.0 + ... + 0.0 = a11 ⇒ u11 = a11 ,

1 ⋅ u = a ⇒ u = a ,
 12 12 12 12
 

1 ⋅ u1n = a1n ⇒ u1n = a1n ,
Generalizando...

u1 j = a1 j , j = 1,2,..., n.
88
Decomposição LU
• 1ª coluna de L: Faz-se o produto de todas as linhas de L, (da 2ª a até a

nª), pela 1ª coluna de U e a iguala com os elementos da 1ª coluna de
A, (abaixo da diagonal principal), obtendo ,
1 0 0 ... 0  u11 u12 u13 ... u13  α 11 α 12 α 13 ... α 1n 

l
 21 1 0 ... 0  0
 u22 u23 ... u23  α
 21 α 22 α 23 ... α 2 n 
 l 31 l 32 1 . : X  0 0 u33 ... u33  = α 31 α 32 α 33 ... α 3n 
     
 : . .. 0  : .. :   : : : : : 

L U A
89
Decomposição LU
• 1ª coluna de L: Faz-se o produto de todas as linhas de L, (da 2ª a até a

nª), pela 1ª coluna de U e a iguala com os elementos da 1ª coluna de
A, (abaixo da diagonal principal), obtendo ,
 a21
l
 21 ⋅ u 11 = a 21 ⇒ l21 = ,
 u11
a31
l31 ⋅ u11 = a31 ⇒ l31 = ,

 u11
 
l ⋅ u al1
11 = al1 ⇒ ll1 = ,
 l1 u11
 al1
l
 l1 = , l = 1,2 ,..., n.

 u11
90
Decomposição LU
• 2ª linha de U: Faz-se o produto da 2ª linha de L por todas as

colunas de U, (da 2ª até a nª), e igualando com os elementos
da 2ª linha de A, (da diagonal principal em diante), obtêm-se
,
1 0 0 ... 0  u11 u12 u13 ... u13  α 11 α 12 α 13 ... α 1n 

l
 21 1 0 ... 0  0
 u22 u23 ... u23  α
 21 α 22 α 23 ... α 2 n 
 l 31 l 32 1 . : X  0 0 u33 ... u33  = α 31 α 32 α 33 ... α 3 n 
     
 : . .. 0  : .. :   : : : : : 

L U A
91
Decomposição LU
• 2ª linha de U: Faz-se o produto da 2ª linha de L por todas as

colunas de U, (da 2ª até a nª), e igualando com os elementos
da 2ª linha de A, (da diagonal principal em diante), obtêm-se
,
92
Decomposição LU
• 2ª coluna de L: Faz-se o produto de todas as linhas de L (da 3ª até a

nª) pela 2ª coluna de U e a iguala com os elementos da 2ª coluna de
A, (abaixo da diagonal principal), obtendo:,
1 0 0 ... 0  u11 u12 u13 ... u13  α 11 α 12 α 13 ... α 1n 

l
 21 1 0 ... 0  0
 u22 u23 ... u23  α
 21 α 22 α 23 ... α 2 n 
 l 31 l 32 1 . : X  0 0 u33 ... u33  = α 31 α 32 α 33 ... α 3 n 
     
 : . .. 0  : .. :   : : : : : 

L U A
93
Decomposição LU
• 2ª coluna de L: Faz-se o produto de todas as linhas de L (da 3ª até a

nª) pela 2ª coluna de U e a iguala com os elementos da 2ª coluna de
A, (abaixo da diagonal principal), obtendo:,
 a32 − l31 ⋅ u12

l
 31 ⋅ u 12 + l32 ⋅ u22 = a 32 ⇒ l32 = ,
 u22
a − l41 ⋅ u12
l41 ⋅ u12 + l42 ⋅ u22 = a42 ⇒ l42 = 42 ,

 u22
 
l ⋅ u + l ⋅ u = a ⇒ l = al2 − ll1 ⋅ u12 ,
 l1 12 l2 22 l2 l2
u22
 al2 − ll1 ⋅ u12
l
 l2 = , l = 3,..., n.

 u22
94
Decomposição LU (Doolittle´s)
• Temos a seguinte fórmula geral:
95
1 0 0  0 u11 u12 u13  u1n 
a11 a12  a1n  l21 1 0  0  0 u22 u23  u2n 
a a22 a2n 
[A ] =  21 
 = [LU] =
l l
 31 32
1  0 ⋅  0
 0 u33  u3n 

     
     0       
an1 an2 an3 ann 
ln1 ln2 ln3  1   0 0 0  unn 
96
Decomposição em LU
• Resumo dos Passos:
• Seja um sistema Ax = b de ordem n, onde A satisfaz

as condições da fatoração LU.
• Então, o sistema Ax = b pode ser escrito como:
• LUx = b
97
• Fazendo Ux = y, a equação acima reduz-se a Ly = b.

• Resolvendo o sistema triangular inferior Ly = b,
obtém-se o vetor y.
98
• Substituição do valor de y no sistema Ux = y ⇒

Obtenção de um sistema triangular superior cuja
solução é o vetor x procurado;
• Aplicação da fatoração LU na resolução de sistemas
lineares ⇒ Necessidade de solução de dois sistemas
triangulares
99
• Exemplo:
• Dado o sistema, encontrar a solução.
2 x + 3y - z = 4

 x + 2z = 3
 3y - z = 2

100
• Exemplo:
• Com esse sistema, formamos 2 matrizes
 2 3 − 1  4
1 0 2   3
A=   e B=  
 0 3 − 1  2
Temos a forma Ax = B
101
• Exemplo:
• Então fazemos A= L*U, Sendo:
L = Matriz Triangular inferior (lower) de diagonal unitária

U= Matriz Triangular Superior (upper)
 1 0 0  u11 u12 u13 

L=  l 21 1 0 e U=  0 u 22 u 23 
   
 l 31 l 32 1  0 0 u 33 
 2 3 − 1
A= 1 0 2 
 
 0 3 − 1
102
• Exemplo:
• # Primeira linha de U
1 ⋅ u11 + 0.0 + 0.0 = a11 ⇒ u11 = 2,


1 ⋅ u12 = a12 ⇒ u12 = 3,
1 ⋅ u = a ⇒ u = −1
 13 13 13
103
• Exemplo:
• # Primeira coluna de L
 1
l ⋅ u = a ⇒ l = ,
 21 11 21 21
2

l ⋅ u = a ⇒ l = 0 = 0


31 11 31 31
2
104
• Exemplo:
• # Segunda linha de U
 1 3
l 21 ⋅ u12 + u 22 = a 22 ⇒ u 22 = 0 − 2 ⋅ 3 ⇒ u 22 = − 2 ,

l ⋅ u + u = a ⇒ u = 2 − 1 ⋅ (−1) ⇒ u = 5
 21 13 23 23 23
2
23
2
105
• Exemplo:
• # Segunda coluna de L


 3− 0⋅3 3
l31 ⋅ u12 + l 32 ⋅ u 22 = a32 ⇒ l 32 = ⇒ l 32 = = −2
 3 3
 − −
 2 2
106
• Exemplo:
• # Terceira linha de U
l31 ⋅ u13 + l32 ⋅ u 23 + u 33 = a33 ⇒


 5
u 33 = −1 − 0 ⋅ (−1) − (−2) ⋅ ⇒
 2
u 33 = −1 + 5 = 4
107
• Exemplo:
• Matriz fatorada
 1 0 0 2 3 −1 
1 / 2 1 0  0 − 3 / 2 5 / 2
L=   e U=  
 0 − 2 1  0 0 4 
Voltando à fórmula Ax = B, como A = L* U obtemos LUx = B
108
• Exemplo:
• Agora substituiremos Ux por Y e obtemos a fórmula LY = B, onde:
 1 0 0 Y1   4
1 / 2 1 0 Y   3
L=   Y=  2 B=  
 0 − 2 1 Y3   2
Solução Retroativa:
Y1 = 4 Y2 = 1 Y3 = 4
109
• Exemplo:
• Como Ux = Y e os valores de U e Y já são conhecidos, calculamos X.
 4
Não é possível exibir esta imagem.
−1 
Não é possível exibir esta imagem.
2 3
 0 − 3 / 2 5 / 2 1 
U= X= Y= =  
 
 0 0 4  4
Solução Retroativa:
X1 = 1 X2 = 1 X3 = 1
110
111
Métodos Iterativos
112
Métodos Iterativos
• Motivação:
• Ocorrência em larga escala de sistemas lineares em cálculos de
Engenharia e modelagem científica
• Exemplos:
• Simulações de processos químicos
• Simulações de dispositivos e circuitos
• Modelagem de processos geocientíficos e geoambientais
• Análise estrutural
• Biologia estrutural
• Modelagem de processos físicos
113
Métodos Iterativos
• Motivação:
• Tendência à existência de matrizes de coeficientes grandes e
esparsas
• Grandes  Comum para n > 100.000
• Esparsas  Maioria dos coeficientes nulos
• Resolução de sistemas esparsos por métodos diretos

• Processos de triangularização e fatoração  Onerosos, por não
preservarem a esparsidade original, que pode ser útil por facilitar
a resolução do sistema.
114
Métodos Iterativos
• Motivação:
• Métodos mais apropriados para a resolução de sistemas de
natureza esparsa  Métodos iterativos
• Gauss-Jacobi
• Gauss-Seidel
115
Métodos Iterativos
• Como funcionam?
• Partem de uma solução inicial e a partir dela geram uma nova
solução. O processo então se repete gerando um sequência de
soluções que deve convergir para a solução exata do sistema.
O que significa convergir para a solução do

sistema ?
116
Métodos Iterativos
• A partir de uma estimativa inicial xi0, consistem em encontrar uma
sequência de estimativas xik que convirja para uma solução do Sistema
de Equações Linear (SEL) após um número suficientemente grande de
iterações.
 x1(0)   x1(1)   x1(2)   x1(k) 

       
 x(0)   x(1)   x(2)   x(k) 
 2   2   2   2 
 (0)   (1)   (2)    (k) 
x3  x3  x3  x3 
       
           
       
(0) (1) (2) (k )
 x n   x n   x n   x n 
117
Métodos Iterativos
• Vantagem ⇒ Menos suscetíveis ao acúmulo de erros de
arredondamento do que o método direto.
• Lembretes importantes:
• Como todo processo iterativo, estes métodos sempre
apresentarão um resultado aproximado, que será tão próximo
do resultado real conforme o número de iterações realizadas.
• Além disto, também é preciso ter cuidado com a convergência
destes métodos.
118
Métodos Iterativos
Elementos de
um processo
Iterativo
Fórmula de Condição de Critério de

Solução inicial
iteração Convergência parada
119
Métodos Iterativos
• Fórmula de iteração
• Corresponde às operações matemáticas que a solução atual sofre para gerar uma
nova solução.
• Para os métodos iterativos estacionários para resolução de sistemas lineares tem-
se:
x k +1 = Mx k + c
• Onde M é a matriz de iteração e c um vetor constante

• O método é chamado de estacionário porque a matriz M não muda durante o
processo.
120
Métodos Iterativos
Elementos de
um processo
Iterativo

Solução inicial
121
Métodos Iterativos
• Condição de Convergência
• Todo método iterativo tem associado a ele uma condição de
convergência que irá garantir que a cada iteração o método está
caminhando em direção da solução do sistema.
• Uma vez garantida a convergência, os métodos iterativos para

resolução de sistemas lineares a cada passo obtêm soluções com
exatidão crescente. Isso significa que:
lim x = x k
k →∞
122
Métodos Iterativos
Elementos de
um processo
Iterativo

Solução inicial
123
Métodos Iterativos
• Critério de Parada
• Os métodos iterativos não podem continuar indefinidamente, ou
seja, eles devem ser interrompidos em algum momento.
• Alguns critérios de parada para esses métodos podem ser
sendo ε um parâmetro de entrada do

|| x k − x k −1 || algoritmo e ||.|| é uma norma vetorial,
• como por ≤ε
k exemplo a norma infinita, e neste caso:
|| x ||
k −1
|| x − x ||∞
k max | xik − xik −1 |
k
= 1≤i ≤ n
k
≤ε
|| x ||∞ max | x | i
1≤i ≤ n
124
Métodos Iterativos
• Critério de Parada
k ≥ konde
do
max
k é um parâmetro de entrada
max
algoritmo que indica o número máximo de iterações do
método.
• Os dois critérios podem ser utilizados separadamente ou em conjunto. Neste

último caso evita-se que o programa entre o loop por não conseguir atingir o
valor de ε estabelecido.
125
Métodos Iterativos
Elementos de
um processo
Iterativo

Solução inicial
126
Métodos Iterativos
• Solução Inicial
• Como o método parte de uma solução inicial x0 deve-se estabelecer
como esse x0 deve ser gerado.
127
Sistemas de Equações Lineares
Métodos Iterativos
• Transformação do sistema linear Ax=b em x = Cx +g
• A: matriz dos coeficientes, n x n
• x: vetor das variáveis, n x 1;
• b: vetor dos termos constantes, n x 1;
• C: matriz de iteração, n x n; e
• g: vetor (constante), n x 1.
• Métodos a estudar
• Gauss-Jacobi
• Gauss-Seidel
128
Métodos Iterativos
Método de Gauss-Jacobi
129
• Conhecida a solução inicial, x(0), obtém-se consecutivamente os
vetores:
x(1) = Cx(0) + g, (primeira aproximaçã o)

x(2) = Cx(1) + g, (segunda aproximaçã o)

x(k ) = Cx(k −1) + g, (k - ésima aproximaçã o)
 De um modo geral, a aproximação x(k+1) é calculada pela fórmula:

x(k+1) = C x(k)+g, k=0, 1, ...
130
 Da primeira equação do sistema:
a11 x1 + a12 x2 + ... +a1n x2 = b1
obtém-se: x1 = (1/a11) (b1 - a12 x2 - ... -a1n x2)
e, analogamente,
x2 = (1/a22) (b2 - a21 x1 - ... -a2n xn)

xn = (1/ann) (bn - an1 x1 - ... - ann-1 xn-1)
131
 Desta forma, para x(1) = C x(0) + g, obtém-se:
 b1 
a 
 11 
 0 −a12 a11 −a13 a11  −a1n a11   
  b
 2 
 − a21 a22 0 − a23 a22  − a2n a22   a22 
   
C =  − a31 a33 − a32 a33 0 − a a  e g =  b3 
3n 33  
  
       a33 
   
− a a    
 n1 nn − an2 ann − an3 ann  0   
 bn 
a 
 nn 
132
 Condição de Convergência
TEOREMA
“É condição suficiente para a convergência do
método iterativo de JACOBI que a matriz de
coeficientes A seja diagonal estritamente
dominante.
n
|aii| > ∑|aij| , i = 1,2 ,...,n
j =1
j ≠i
 Esta condição não é necessária, mas quando acontece garante a

convergência do método!
134
• Critérios de Parada
• Distância entre as iterações
d(k) = max x(k)

i - x (k -1)
i
• Condição de Parada 1 (erro relativo e tolerância)
d(k)
• Condição de (k) 2 (número de iterações)
dParada
r = (k )
<ε
max x i 
k ≥ k max
135
 Seja o sistema:
10 x1 + 2x 2 + 3x 3 = 7
x1 + 5x 2 + x3 = 8
2x1 + 3x 2 + 10x 3 = 6
 Determinação de C e g
7 
 10 2 3   
A= 1 5 1  b = 8 
2 3 10  6
136
 Transformar no sistema Cx + g:
 b1 
 Determinação de C e g  
 a 11 
 0 − a12 / a11 − a13 / a11   
b 
C = − a 21 / a 22 0 − a 23 / a 22  g= 2 
 a 22 
 − a31 / a33 − a32 / a33  
0   
 b3 
 a 33 
 7 
 
 0 - 2/10 - 3/10   10 
C = -1/5 0 -1/5

 
 8 
-1/5 – 3/10 0 g=
 5 
 
 6 
 
 10 
137
 Assim, considerando como estimativa inicial:
 0,7 
x 0 = - 1,6
 0,6 
 
e ε = 0,05.
138
• Iteração 1:
0,84 
x(1) = Cx(0) + g = 1,34 
0,94 
 
O processo para ou continua? Por quê?
|x1(1) – x1(0)| = 0,14
2,94
= = 2,19 > ε
(1)
|x2(1) – x2(0)| = 2,94
dr
1,34
|x3(1) – x3(0)| = 0,34
139
• Iteração 2:
0,150  0,91
= 0,7315 > ε
(2)
x (2)
= Cx (1)
+ g = 1,244  dr =
0,030  1,244
 

|x1(2) – x1(1)| = 0,69
|x2(2) – x2(1)| = 0,096
|x3(2) – x3(1)| = 0,91
140
• Iteração 3:
0,4422  0,32
+ g = 1,5640  = 0,2046 > ε
(3) (2) (3)
x = Cx dr =
0,1968  1,5640
 
|x1(3) – x1(2)| = 0,2922
|x2(3) – x2(2)| = 0,3200
|x3(3) – x3(2)| = 0,1668
141
• Iteração 4:
0,3282  0,1544
x (4)
= Cx (3)
+ g = 1,4722  dr
(4)
= = 0,1049 > ε
0,0424  1,4722
 

|x1(4) – x1(3)| = 0,114
|x2(4) – x2(3)| = 0,0918
|x3(4) – x3(3)| = 0,1544
142
• Iteração 5:
0,3929  0,0647
= 0,0424 < ε
(5)
x (5)
= Cx (4)
+ g = 1,5259  dr =
0,0927  1,5259
 

|x1(5) – x1(4)| = 0,0647
|x2(5) – x2(4)| = 0,0537 0,3929


x = 1,5259  
|x3(5) – x3(4)| = 0,0503
0,0927 
143
• Para o seguinte sistema linear, executar o método de Jacobi para ε =

0,15 e kmax= 25.
• Considere
= [6,3 − 0,6 ]
0 T
x 2,25
10 3 − 2  x1   57 
 2 8 − 1  x  =  20 
  2   
 1 1 5   x3   − 4
144
 Transformar no sistema Cx + g:
 Determinação de C e g
 57 
0 -3/10 2/10   10 
C = -1/4 0 1/8 
 5 
g= 
-1/5 – 1/5 0   2 
− 4 
 5 
145
• Iteração 1:
4,905
x (1) = Cx (0) + g =  0,85 
 - 2,51
O processo para ou continua??
|x1(1) – x1(0)| = 1,395 1,91
= = 0,3893 > ε
(1)
dr
|x2(1) – x2(0)| = 1,4 4,905
|x3(1) – x3(0)| = 1,91
k = 1 < 20
146
• Iteração 2:
 4,943 

x = Cx + g =  0,96 
(2) (1) 
- 1,951
O processo para ou continua??
|x1(2) – x1(1)| = 0,038
0,559
= = 0,113 < ε
(2)
|x2(2) – x2(1)| = 0,11
dr
4,943
|x3(2) – x3(1)| = 0,559
k = 2 < 20
147
• Solução Inicial
• Como para o método de Jacobi nada restringe o valor da solução inicial, por
exemplo a convergência independe do valor inicial, pode-se iniciar o método
com qualquer valor para x0.
• Neste caso pode-se então iniciar o sistema com a solução trivial

x 0 = [0 0 0]
T
• A diferença entre uma solução inicial e outra está na velocidade de

convergência.
148
Métodos Iterativos
Método de Gauss-Seidel
149
• Similarmente ao método de Gauss-Jacobi, conhecida a estimativa
inicial, x(0), obtém-se consecutivamente os vetores x(1), x(2), ..., x(k)
 Todavia, ao se calcular xj(k+1), usa-se todos os valores x1(k+1), x2(k+1),

..., xj-1(k+1) que já foram calculados e os valores xj+1(k), xj+2(k), ..., xn(k)
restantes.
150
• Descrição:
• Seja o seguinte sistema de equações:
a11.x1 + a12 .x 2 + a13 .x 3 +  + a1n −1.x n −1 + a1n.x n = b1
  
an1.x1 + an2 .x2 + an3 .x 3 +  + ann −1.x n −1 + ann .x n = bn
151
• Descrição:
• Isolando xi a partir da linha i, tem-se:
1
x1 = (b1 − a12 .x2 − a13 .x 3 −  − a1n −1.x n −1 − a1n.x n )
a11
1
x2 = (b2 − a21.x1 − a23 .x 3 −  − a2n −1.x n −1 − a2n.x n )
a22
1
x3 = (b3 − a31.x2 − a32 .x2 −  − a3n −1.x n −1 − a3n.x n )
a33

1
xn = (bn − an1.x1 − an2 .x2 −  − ann −1.x n −1 )
ann
152
• Descrição:
• O processo iterativo se dá a partir das equações:
x1k +1 =
1
a11
(
b1 − a12 .x2k − a13 .x k3 − ... − a1,n −1.x kn −1 − a1n .x kn )
x2k +1 =
1
a22
(
b2 − a21.x1k +1 − a23 .x k3 − ... − a2 ,n −1.x kn −1 − a2n .x kn )
x k3 +1 =
1
a33
(
b3 − a31.x1k +1 − a32 .x2k +1 − ... − a3 ,n −1.x kn −1 − a3n .x kn )
x kn +1 =
1
ann
(
bn − an1.x1k +1 − an2 .x2k +1 − ... − an,n −1.x kn −+11 )
153
• Critério de Parada:
• Diferença relativa entre duas iterações consecutivas, dada por:
 x ki +1 − x ki k +1
 Máx. k +1
, se x i ≠ 0
1≤i≤n xi

MRk +1
 0
= , se x ki +1 = x ki = 0

  x ki +1 = 0
1 
, se 
  x ki ≠ 0

154
• Critério de Parada:
• Fim do processo iterativo  Valor de MRk+1 suficientemente pequeno

para a precisão desejada
155
 Resolver:
5x + y + z = 5
3x + 4 y + z = 6
3x + 3y + 6z = 0, com MRk ≤ 5.10 −2.
 Solução:
1
x= (5 − y − z)
5
y=
1
(6 − 3x − z) SolucaoIni cial = (−1,0,1)
4
1
z= (− 3x − 3y ) ⇒ z = − 1 (x + y )
6 2
156
• Passos (primeira iteração):
1. calcula-se x1 usando os valores de y0 e 1
z0 e da solução inicial x = (5 − 0 − 1) = 0,8
1
5
2. calcula-se y1 usando o valor de x 1 já
calculado nesta iteração no passo
anterior e o valor de z0 ainda da 1
y = (6 − 3.0,8 − 1) = 0,65
1
solução inicial 4
3. calcula-se z1 usando os valores de x 1 e

y 1 já calculado nesta iteração (passos
anteriores)
1
z1 = − (0,8 + 0,65) = −0,725
2
157
 Quadro de resultados do processo iterativo
xk M xk yk M yk zk M zk M Rk
-1 - 0 - 1 - -
0,8 2,25 0,65 1 -0,725 2,379 2,379
1,015 0,212 0,92 0,293 -0,967 0,250 0,293
1,009 0,006 0,985 0,066 -0,997 0,030 0,066
1,002 0,007 0,998 0,013 -1 0,003 0,013
x = 1,002 y = 0,998 z = -1
158
159
• Verificação (substituição no sistema)
x = 1,002 y = 0,998 z = -1
5.(1,002) + 1.(0,998) + 1.(-1) = 5,008 ≅ 5 OK

3.(1,002) + 4.(0,998) + 1.(-1) = 5,998 ≅ 6 OK
3.(1,002) + 3.(0,998) + 6.(-1) = 0 OK
160
• Resolver
161
162
• Critérios de Convergência
• Processo iterativo  Convergência para a solução exata não
garantida para qualquer sistema.
• Necessidade de determinação de certas condições que devem ser
satisfeitas por um SEL para a garantia da convergência do método.
• Critérios de determinação das condições de convergência
• Critério de Sassenfeld
• Critério das Linhas
163
• Sejam as quantidades βi dadas por:
β1 =
1
a11
⋅
∑
j=2
a1 j e
para i = 2, 3, ..., n
n - ordem do sistema linear que se deseja resolver

aij - coeficientes das equações do sistema
164
• Este critério garante que o método de Gauss-Seidel convergirá
para um dado SEL se a quantidade M, definida por:
M = max β
for menor que 1 (M<1). 1≤i≤n i
165
• Exemplo: Seja A a matriz dos coeficientes e b o vetor dos
termos constantes, dados por:
1
β1 = ⋅ (a12 + a13 + a14 )
a11
a11 a12 a13 a14 b1
a21 a22 a23 a24 b2
β2 =
1
a22
(
⋅ a21 β1 + a23 + a24 )
a31 a32 a33 a34 b3
β3 =
1
a33
(
⋅ a31 β1 + a32 β2 + a34 )
a41 a42 a43 a44 b4
β4 =
1
a44
(
⋅ a41 β1 + a42 β2 + a43 β 3 )
166
• Exemplo: Mostrar que a solução do SEL a seguir convergirá pelo método de
Gauss-Seidel.
2,0 ⋅ x1 + x2 − 0,2 ⋅ x 3 + 0,2 ⋅ x 4 = 0,4

0,6 ⋅ x1 + 3 ⋅ x2 − 0,6 ⋅ x 3 − 0,3 ⋅ x 4 = −7,8
− 0,1 ⋅ x1 − 0,2 ⋅ x2 + x 3 + 0,2 ⋅ x 4 = 1,0
0,4 ⋅ x1 + 1,2 ⋅ x2 + 0,8 ⋅ x 3 + 4,0 ⋅ x 4 = −10 ,0
167
A b
• Exemplo: Solução
2.0 1.0 - 0.2 0.2 0.4
1 0.6 3.0 - 0.6 - 0.3 - 7.8
β1 = ⋅ (1 + 0,2 + 0,2 ) = 0,7
2 - 0.1 - 0.2 1.0 0.2 1.0
1 0.4 1.2 0.8 4.0 - 10.0
β2 = ⋅ (0,6 ⋅ 0,7 + 0,6 + 0,3) = 0,44
3
1
β 3 = ⋅ (0,1 ⋅ 0,7 + 0,2 ⋅ 0,44 + 0,2 ) = 0,358
1
1
β4 = ⋅ (0,4 ⋅ 0,7 + 1,2 ⋅ 0,44 + 0,8 ⋅ 0,358 ) = 0,2736
4
M < 1 ⇒ Convergência da solução do

M = max βi = 0,7 sistema a partir do método de Gauss-
1≤i≤n
Seidel
168
• Segundo este critério, um determinado sistema irá convergir pelo método de
Gauss-Seidel, se:
169
• Exemplo: O SEL anterior satisfaz o Critério das Linhas, sendo a verificação
quase imediata, se for observado que:
a11 = 2 > a12 + a13 + a14 = 1 + 0,2 + 0,2 = 1,4

a22 = 3 > a21 + a23 + a24 = 0,6 + 0,6 + 0,3 = 1,5
a33 = 1 > a31 + a32 + a34 = 0,1 + 0,2 + 0,2 = 0,5
a44 = 4 > a41 + a42 + a43 = 0,4 + 1,2 + 0,8 = 2,4
∑
j =1
aij < aii para i = 1, 2, 3, 4.
j≠i
170
Considerações Finais
• Tanto o Critério de Sassenfeld quanto o Critério das Linhas
são condições suficientes, porém não necessárias, para a
convergência do método de Gauss-Seidel para um dado SEL
• Um dado SEL pode não satisfazer estes critérios e ainda

convergir
• Um sistema pode não satisfazer o Critério das Linhas, porém

sua convergência será garantida se satisfizer o Critério de
Sassenfeld
171
• Critério das Linhas x Critério de Sassenfeld
• Exemplo: Seja o seguinte SEL:
10 ⋅ x1 + x2 = 23
 O Critério das Linhas 6 ⋅ xé1 satisfeito,
não + 2 ⋅ x2 visto
= 18 que:
a22 = 2 é< satisfeito,

 Todavia, o Critério de Sassenfeld a21 = 6uma vez que:
1 1
β1 = ⋅ 1 = 0,1 e β2 = ⋅ (6 ⋅ 0,1) = 0,3
10 2
Assim sendo, a convergência do SEL é garantida.

172
Considerações Finais
• Embora não altere a solução do SEL, a ordem de aparecimento das
equações pode alterar sua convergência pelo método Gauss-Seidel.
• Exemplo: Seja o SEL: −4 ⋅ x1 + 10 ⋅ x2 = 19
5 ⋅ x1 + 3 ⋅ x2 = 15
• Observa-se que na ordem atual de aparecimento das equações, o SEL não satisfaz
o Critério das Linhas (verificar!!!); logo, sua convergência não é garantida.
• A inversão da ordem das duas equações do SEL fará com que o Critério das Linhas
seja satisfeito e sua convergência pelo método de Gauss-Seidel garantida
(verificar também!!! ).
173
Sistemas Lineares - Bibliografia
• Ruggiero, M. A. Gomes & Lopes, V. L. da R. Cálculo Numérico:
Aspectos teóricos e computacionais. MAKRON Books, 1996, 2ª
ed.
• Asano, C. H. & Colli, E. Cálculo Numérico: Fundamentos e
Aplicações. Departamento de Matemática Aplicada –
IME/USP, 2007.
• Sanches, I. J. & Furlan, D. C. Métodos Numéricos. DI/UFPR,
2006.
• Paulino, C. D. & Soares, C. Erros e Propagação de Erros, Notas
de aula, SE/ DM/ IST [Online]
http://www.math.ist.utl.pt/stat/pe/qeb/semestre_1_2004-
2005/PE_erros.pdf [Último acesso 07 de Junho de 2007].
174

Unidade 1 - Sistemas de Equações Lineares

Enviado por

Dados do documento

Descrição original:

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

Unidade 1 - Sistemas de Equações Lineares

Enviado por

Direitos autorais:

Formatos disponíveis

Resolução de Sistemas Lineares

• Um sistema de equações lineares (abreviadamente, sistema linear) é

• Algoritmos computacionais para achar soluções são uma parte

a21 x1 + a22 x2 + ... + a2 n xn = b2

an1 x1 + an 2 x2 + ... + ann xn = bn

 a11 a12  a1n 

• Considere um Sistema Triangular Inferior de ordem 4.

• Resolução: método de substituições sucessivas

• Sistema Triangular Superior

• Resolução: método de substituições retroativas

• Dado o sistema, resolva com substituição retroativa:

• Sistemas Lineares Equivalentes

• Sistema Lineares equivalentes são sistemas que possuem a mesma solução,

ou seja, o mesmo vetor x satisfaz as equações tanto de um quanto de outro.

• Exercício: Verificar quais destes sistemas lineares são equivalentes.

• Exercício: Verificar quais destes sistemas lineares são equivalentes.

• Sistema Lineares podem ser transformados em sistemas equivalentes por

• Multiplicar uma equação por uma constante não nula.

• Somar uma equação à outra.

• Equivalência entre sistemas

Sistemas Lineares Decomposição LU

• Método de Eliminação de Gauss

• Resolução do sistema linear triangular de forma retroativa (método

• Transformação do Sistema Linear (Eliminação)

• Transforma um sistema de Ax=b via operações l-elementares em um

• Passos do Método de Gauss

• Construção da matriz aumentada Ab

 a11 a12  a1n b1 

• Passos do Método de Gauss

• Passos do Método de Gauss

• Substituir a linha 3, L3, pela combinação linear:

• Passos do Método de Gauss

• Deve-se continuar a substituição até a linha n;

• Caso algum elemento app=0, achar outra linha k onde akp≠

• Passos do Método de Gauss

• Eliminar os coeficientes de x2 nas linhas 3, 4, ..., n

• Eliminar os coeficientes de x3 nas linhas 4, 5, ..., n

• Substituindo a linha 3 por:

• A matriz [Ab] fica assim com os seguintes valores:

• Resolução: método de substituições retroativas

• Usa-se a solução retroativa:

• Resolver o sistema. 4,2𝑥𝑥1 + 2,3𝑥𝑥2 + 4,5𝑥𝑥3 = 11,7

2,7𝑥𝑥1 + 5,7𝑥𝑥2 + 7,8𝑥𝑥3 = 8,9

• Representando o sistema pela matriz aumentada:

1,5 5,4 3,3 10

• Escolhendo a primeira linha como pivô, obtém-se:

• Representando o sistema pela matriz aumentada:

• Escolhendo agora a segunda linha como pivô, têm-se:

• Obtêm-se a seguinte matriz ampliada:

1,5 5,4 3,3 10 

• O que termina com a triangulação:

1,5x 1 + 5,4 ⋅ x 2 + 3,3 ⋅ x 3 = 10

• Quantidade de Tempo e Quantidade de Erros dependem do número

Multiplicações e Divisões Adições e Subtrações

• Minimiza a amplificação de erros de arredondamento

• Consiste em escolher o elemento de maior módulo em cada

• Utilizando tanto na Eliminação de GAUSS quanto na

• Resolver o sistema com precisão de 4 casas decimais

1,5x1 + 5,4x2 + 3,3x 3 = 10

• Matriz aumentada original deve ser ajustada:

• Sistema inalterado, elemento pivô 4,2.

L 3 = L 3 − m 3 .L1 = [ 2,7 5,7 7,8 8,9] −

• A matriz ampliada fica da forma: