Sistemas lineares

Profa. Dra. Juliana Berbert -

MÉTODO DE JACOBIS UFABC

Grupo 8, turma B, 2016.1

COMO RESOLVER UM SISTEMA LINEAR?
O Método de Jacobis é um método de iteração para se encontrar a solução de um
sistema linear. Utilizaremos o seguinte exemplo para demonstrar a aplicação do
método:
ISOLANDO AS VARIÁVEIS
Para começar a aplicação do método, devemos transformá-lo numa matriz.
Primeiramente, isolamos o x da primeira equação e o y da segunda equação.

Isolando x e y
ISOLANDO AS VARIÁVEIS
Agora, com as variáveis isoladas, podemos escrever o sistema linear na forma :
Ou seja, podemos escrever na forma:
CHUTE INICIAL E INÍCIO DO PROCESSO
ITERATIVO
O método iterativo de Jacobis determina que devemos escolher uma variável x0 e
uma variável y0, uma aproximação inicial de x e y, para iniciarmos o processo de
iteração e assim alcançar uma aproximação do valor real das variáveis. No nosso
exemplo, iremos utilizar o valor 0 para x0 e 0 para y0, porém, poderia ser qualquer
valor.
CHUTE INICIAL E INÍCIO DO PROCESSO
ITERATIVO
Substituindo o valor de x0 e y0 no nosso sistema linear obteremos novos valores para
x e y.
PROCESSO ITERATIVO
Substituindo o valor de x1 e y1 no nosso sistema linear obteremos novos valores para
x e y.
PROCESSO ITERATIVO
Substituindo o valor de x2 e y2 no nosso sistema linear obteremos novos valores para
x e y.
PROCESSO ITERATIVO
Substituindo o valor de x3 e y3 no nosso sistema linear obteremos novos valores para
x e y.
PROCESSO ITERATIVO
Substituindo o valor de x4 e y4 no nosso sistema linear obteremos novos valores para
x e y. E assim sucessivamente.
 QUANDO PARAR?
Podemos perceber que a cada iteração, o valor de x se aproxima cada vez mais de 2 e o
valor de y se aproxima cada vez mais de 1, os valores que irão solucionar o sistema linear,
como mostra a tabela a seguir. Na 10ª iteração, o sistema linear é solucionado pelo
método de Jacobis.
GRÁFICOS
GRÁFICOS
OBSERVAÇÕES SOBRE O MÉTODO
É interessante notar que como o método depende de muitas
iterações para oferecer o valor da variável com alta precisão, devemos prever
que nosso algoritmo itere muitas vezes com o mesmo
resultado para que possamos ter a aproximação mais precisa
possível do valor da variável. Uma vez alcançada a aproximação máxima, como
os gráficos anteriores mostraram, o valor da aproximação tende a ser constante nas
iterações seguintes.