Universidade Eduardo Mondlane

Faculdade de Engenharias

Curso de Licenciatura Engenharia Ambiental, Civil, Electrónica,

Elétrica, Informática, Mecânica e Química
2º Ano, 2º Semestre, Ano Lectivo 2018

Capítulo 3: Resolução de Sistemas de Equações Lineares

Introdução
Considere o sistema de equações lineares de forma:

AX = B (1)

Sendo A uma matriz de dimensão nxn dos números reais, X e B vectores no espaço vectorial Rⁿ.
Da álgebra sabe-se que o método de Crammer que resolve este sistema calcula-se da seguinte
forma:

detA=| |

 Se detA , o sistema tem soluções . Sendo , o determinante respectivo

ao Xi obtido pela substituição do vector B na coluna i-esima da matriz A.
 Se detA , nesse caso se existe pelo menos um determinante o sistema (1) é
incompatível. Se todos , o sistema tem infinidade de soluções.

Este método tem uma grande desvantagem quando a dimensão do sistema é grande. Por
exemplo, se n=20 temos que calcular 21 determinantes de ordem 20x20,o número de
multiplicações a efectuar será 21x20! Mais um número semelhante de adições.

Mas existem vários métodos para resolver o sistema (1), dividimos esses métodos em 2 grupos:

 Métodos directos (dão solução exacta) tais como: Gauss, Gauss com Pivô, Jordan,
decomposição LU, etc.
 Métodos iterativos (dão soluções aproximadas) tais como: iterativo geral, Jacobi, Gauss-
Zeidel, etc.

Métodos Numéricos, 2018, Docente: Zacarias Mutombene Page 1

Métodos Directos
São os que dão a solução exacta.

1. Método GAUSS
O método de Gauss consiste em duas etapas:

1ª Etapa: Transformar o sistema (1) para a forma triangular superior:

( )( )

2ª Etapa: Resolver o sistema triangular superior obtido da 1ª etapa a partir da

última equação.

A 1ª etapa

O seguinte teorema é a base matemática das transformações na primeira etapa.

Teorema: Se multiplicar uma equação do sistema (1) por uma constante

somando a uma outra equação do sistema, obtém-se um novo sistema equivalente
ao anterior.

Fórmula geral das transformações da 1ª etapa

()
Seja um elemento da linha , coluna e passo .

( ) ( )
() ( )
( )

Onde:

Exemplo:

Resolver o seguinte sistema pelo método de Gauss:

Os cálculos são representados na tabela:

Métodos Numéricos, 2018, Docente: Zacarias Mutombene Page 2

 X1 X2 X3 B
1 2 5 -9
Passo inicial
1 -1 3 2
3 -6 -1 25
1 2 5 -9
Passo 1
0 -3 -2 11
0 -12 -16 52
1 2 5 -9 Passo 2
0 -3 -2 11
0 0 -8 8

O sistema no passo 2 é:

2. Gauss com Pivô (Parcial)

( )
Pivô da coluna no passo {| |}

Onde

Se o pivô não está na diagonal a que trocar.

Vantagem: Evitar acumulação de erros.

Exemplo:

Retomemos o exemplo no método Gauss, a tabela inicial é igual:

Pivô completo:
X1 X2 X3 B
(𝑘 ) (𝑘 )
1 2 5 -9 Se 𝑀𝑎𝑥 |𝑎𝑖𝑗 | |𝑎𝑚𝑠 |
1 -1 3 2
(𝑘 )
3 -6 -1 25 Então pivô=𝑎𝑚𝑠 . E possível
trocar linha e colunas.

Métodos Numéricos, 2018, Docente: Zacarias Mutombene Page 3

i,j≤k

O pivô esta na posição a31, faz se a troca da 1ª e 3ª linha.

3 -6 -1 25
1 -1 3 2
1 2 5 -9

Eliminar os elementos a21 e a31 (coluna 1, excepto a11)

3 -6 -1 25
0 +3 10 19
0 12 16 -52

Na segunda coluna 4 é pivô, trocam-se as linhas 2ª e 3ª.

3 -6 -1 25
0 4

0 +1

3 -6 -1 25
0 4

0 0

Sistema triangular superior.

Da 3ª: X3=-1,

Da 2ª substituímos X3=-1, X2=-3,

Da 1ª substituímos X3=-1, X2=-3 → X1=2.

Métodos Numéricos, 2018, Docente: Zacarias Mutombene Page 4

 3. Metodo de Jordan
O método de Jordan é uma outra melhoria do método de Gauss, neste método tenta-se
eliminar todos os elementos da matriz excepto os da diagonal. A fórmula geral dos
cálculos é a seguinte:
( ) ( )
() ( )
( )

Onde:

Exemplo:

Resolva o seguinte sistema usando o método Jordan (o mesmo sistema do

exemplo anterior).

As seguintes tabelas mostram os cálculos:

[ ] Matriz inicial

[ ]

* +

[ ] ↔{ →{

Aplicação do método de Jordan: calculando a matriz inversa.

4. Método de Decomposição LU (Método Cholesley)

Considere o sistema . se todos os sub-determinantes diagonais são diferentes de
zero, é possível aplicar o método de decomposição LU:

Métodos Numéricos, 2018, Docente: Zacarias Mutombene Page 5

 ,| | , | | , etc. até .

Tenta-se decompor a matriz A na forma:

Sendo ( ) a matriz triangular inferior e ( ) a matriz triangular superior.

L=( ) U= ( )

Assim torna-se ou ( ) . Pondo então . Isto é,

em vez de resolver directamente o sistema , resolve 2 sistemas triangular:

1º (L – triangular inferior)

2º (U– triangular superior)

O problema mais importante é como se pode decompor a matriz A, ou em outras

palavras, como se pode encontrar matrizes L e U?

Exemplo: Resolva o sistema:

{ → A=[ ]

As condições postas para determinantes são satisfeitas:

a11=2≠0

det | |=3≠0 det | |=7≠0

Portanto é possível decompor a matriz A.

Pode verificar que, as matrizes:

L=[ ⁄ ] e U=[ ⁄ ]
⁄ ⁄

Verificam A=LU.

Métodos Numéricos, 2018, Docente: Zacarias Mutombene Page 6

 Em seguida, resolva o sistema Ly=B, ou

{ → Y=( )

E ultimamente, resolva o sistema Ux=Y:

{ → X=( )

Reposta: a solução do sistema é x=(1, 2, 3).

Nota: o método de decomposição LU não é prática, há que verificar as condições sobre

determinantes. Além disso, não é fácil calcular as matrizes L e U, e também há
necessidade de resolver 2 sistemas triangulares.

Métodos Iterativos

1. Método iterativo geral

Conteúdo: se de uma certa forma, se transforma o sistema AX=B (1) para forma
equivalente:

X=GX + H (2)

Sendo G=(gij) matriz da mesma dimensão de A, H um vector constante e X vector das

incógnitas.

Com X0= um vector inicial escolhido por nós, calcula-se sucessivamente:

Xn+1=GX+H (3)

Onde X0=0, o vector iterativo n-esimo passo. Se a série dos vectores X0, X1, X2, …, Xn
converge para o vector X, isto é:

limXn=X

Podemos tornar Xk com k suficientemente grande igual ao vector-solução do sistema

AX=B.

Métodos Numéricos, 2018, Docente: Zacarias Mutombene Page 7

 O conceito de convergência de uma série de vectores é definido através da definição de
norma de vectores.

Def1. Chama-se norma do vector X ao número designado por ‖ ‖ de tal modo que:

1ª ‖ ‖ e ‖ ‖ se e só se X=0 (vector zero).

2ª ‖ ‖ ‖ ‖‖ ‖

3º ‖ ‖ ‖ ‖ ‖ ‖ n

As seguintes normas de vectores são frequentemente utilizadas:

1ª norma: ‖ ‖ = √∑ =√ é a mais utilizada.

2ª norma: ‖ ‖ = max | |
𝑖 𝑛

3ª norma: ‖ ‖ =∑ | |

Pode se demonstrar que as três normas acima referenciadas são equivalentes.

Def2: O vector X é o limite da série dos vectores X se:

‖ ‖

Se a série dos vectores é definida por Xn+1=GXn+H converge podemos tomar Xk como k
suficientemente grande com solução do sistema (1)

Def3: Chama-se norma de matriz A ao número designado por ‖ ‖ de tal modo que:

1º ‖ ‖ 0e ‖ ‖ 0 se e só se A=0 (matriz 0)

2º ‖ ‖ ‖ ‖‖ ‖

3º ‖ ‖ ‖ ‖ ‖ ‖

As seguintes normas de matrizes são mais utilizadas:

1ª norma: ‖ ‖ = √∑ ∑ é a mais utilizada

2ª norma: ‖ ‖ = max ( |∑ | ||)

𝑖 𝑛
Métodos Numéricos, 2018, Docente: Zacarias Mutombene Page 8
 3ª norma: ‖ ‖ = max(|∑ | ||)
𝑗 𝑛

4ª norma: ‖ ‖ = √ Sendo = valor próprio de maior módulo de A.

O seguinte teorema é a base da convergência do método iterativo.

Teorema: Para que o processo iterativo Xn+1=GXn+H seja convergente com qualquer X
inicial e com qualquer H, é necessário e suficiente que uma das normas da matriz G seja
inferior a 1.

‖ ‖

1.1. Erro do Método Iterativo Geral

Na aplicação do método iterativo é preciso saber terminar os cálculos de vectores
Xn+1=GXn+H, no caso seja convergente.

É frequentemente considerado o seguinte problema:

Seja convergente o processo iterativo X=GX+H e seja ξ a precisão adequada previamente

dada. Para obter a solução aproximada com a precisão ξ, é suficiente que a norna:

‖ ‖ =

Sendo dois vectores sucessivos.

Métodos Numéricos, 2018, Docente: Zacarias Mutombene Page 9

 1.2. O Algoritimo

Transformar AX=B para

1
X=GX+H

Não

É convergente esta
2
transformação?

Sim

3 Escolher Vector X inicial

4 Xantigo ← X₀

5 Xnovo=GXantigo + H

6 ||Xnovo – Xantigo|| ≤ ξ não Xantigo ← Xnovo 7

sim

Xnovo é Solução 8

Métodos Numéricos, 2018, Docente: Zacarias Mutombene Page 10

Explicação

Passo1.

Tente fazer uma transformação do sistema AX=B para a forma X=GX+H com base nos
seus conhecimentos e experiencia matemática.

Passo2.

Verificar se a transformação é útil (convergente) usando o critério: qualquer norma de

||G||<1. Se sim, passa para o passo seguinte (passo 3). Se não, voltar a procurar uma outra
transformação (voltando ao passo 1).

Passo3.

Escolha arbitrariamente o vector inicial X0.

Passo4.

Xantigo ← X0: considere que X0 é o primeiro passo iterativo.

Passo5.

Calcular um novo passo pela fórmula (pela transformação escolhida)

Passo6.

Verificar se os dois vectores sucessivos estão dentro da precisão . Se sim, passa para
passo 8. Se não, tem que calcular um novo vector. Mas antes disso realiza o passo 7.

Passo7.

Uma preparação para calcular um novo vector.

Passo8.

Encontra-se o vector aproximado do vector-solução. Imprimir resultado e terminar.

2. Método Jacobi
O método Jacobi calcula uma transformação convergente para o método iterativo geral.
Para obter a forma X=GX+B, usam-se os elementos na diagonal da matriz A, mas de
seguinte fórmula:

Métodos Numéricos, 2018, Docente: Zacarias Mutombene Page 11

 ( )
∑

( )
i=1,2,…,n k=0,1,2,…

Exemplo:

Usando o método Jacobi resolva o seguinte sistema com =0.01.

Da 1ª equação deduz-se:

Da 2ª equação deduz-se:

Da 3ª equação deduz-se:

Assim temos o sistema:

𝑥1
Sendo 𝑥 ( 𝑥2 ) H = ( )
𝑥 08

É claro que:

X=( ) G=( )
⏟
G

Ou X=GX+H. É convergente esta transformação?

Usando a 1ª norma de G:

||G|| =

√∑ ∑

√ ( ) ( ) ( ) ( ) ( ) ( )
. Logo, é convergente,

Métodos Numéricos, 2018, Docente: Zacarias Mutombene Page 12

 Escolher arbitrariamente X0, aqui escolhemos X0 = (0,0,0)

Calculamos sucessivamente os vectores X pela formula Xn+1=GXn+H, até quando se

verifica que || ||

Neste passo, arranjamos a seguinte tabela.

= o 1º componente do vector .

= o 2º componente do vector .

= o 3º componente do vector .

Vecto
r
Xn Terminação
‖ ‖
( √ )

X0 0 0 0 ------------- False
X1 1 1.2 0.8 1.75499 False
X2 0.68000 0.94000 0.58000 0.46733 False
X3 0.75400 1.01600 0.63800 0.12090 False
X4 0.73300 0.99700 0.62300 0.03205 False
X5 0.73830 1.00210 0.62700 0.00837<0.01 True
X5 é o vector aproximado da solução com erro =0.01.

Publicação da solução:

Como =0.01, é necessário arredondar os componentes do vector X com 2 casa decimais:

Solução X=(0.74±0.01, 1.00±0.01, 0.63±0.01)

3. Notas finais com Método Iterativo

Nota1. Se o cálculo de um passo iterativo é errado, pode-se continuar os cálculos
considerando o resultado errado com um novo vector inicial. Esta capacidade dos métodos
iterativos é chamada de auto-correção.

Nota2. Em caso geral, é difícil encontrar uma transformação convergente. Aqui se da uma
sugestão:

Métodos Numéricos, 2018, Docente: Zacarias Mutombene Page 13

 De AX=B → com K≠0, KAX=KB → KAX+IX-IX=KB

(
(i=Matriz Unitário) ou IX + (KA-I)X = KB ou IX = ⏟ )X+ ⏟
G H

Pode se determinar a matriz G e o vector H da seguinte fórmula:

Mas como escolhe o valor de K para que ||G| |> ||I-kA|| < 1. A escolha de k não esta no plano
desta disciplina.

Capítulo 3: Resolução de Sistemas de Equações

Algébricas AX = B

1. Resolva os seguintes sistemas de equações com os métodos de Crámer e de Gauss

2. Resolva os seguintes sistemas de equações com o método de Jordan

a) {

3. Resolva os seguintes sistemas de equações com o método de Gauss com pivô:

a) {

4. É possível calcular o determinante do sistema nos métodos Gauss, GaussPivot, Jordan?

Caso sim, como se pode calcular?

5. Resolva o seguinte sistema de equações com qualquer método:

Métodos Numéricos, 2018, Docente: Zacarias Mutombene Page 14

 {

6. Usando o método Jordan calcular a matriz inversa da matriz :

( )

Sugestão : Cria-se a matriz estendida A|I (sendo I – a matriz unicidade) e aplique as

transformações do método Jordan á medida que se obtenha a nova matriz I| , na posição da
matriz ter-se-á a matriz inversa.
A I

( )

7. Calcular as normas da seguinte matriz:

8. É possível aplicar o método iterativo no caso em que exista só uma norma inferior que 1?

9. Como se pode escolher o vector inicial para um método iterativo convergente?

10. Resolva o seguinte sistema com o método de Jacobi com eps = 0.001

11. Ao resolver o sistema dado no exercício 11 com o método iterativo geral, calculando a matriz A
e o vector H pelas fórmulas:

G = I – KA

H = KB K = 0.06390

Métodos Numéricos, 2018, Docente: Zacarias Mutombene Page 15

 Calcule os vectores 0 ( ).

Métodos Numéricos, 2018, Docente: Zacarias Mutombene Page 16