03 Sistemas Lineares

Sistemas Lineares
Prof. Wellington Passos de Paula

wpassos@ufsj.edu.br
Programa
1. Introdução
2. Métodos Diretos
a) Eliminação de Gauss
b) Decomposição LU
3. Métodos Iterativos
a) Gauss-Jacobi
b) Gauss-Siedel
Sistemas Lineares
Introdução

wpassos@ufsj.edu.br
Introdução
 A resolução de sistemas lineares é um problema que
surge nas mais diversas áreas
 Ex: Cálculos de estruturas, Redes de transporte, Redes de
comunicação, etc
Introdução
Exemplo: Calcular tensões dos nós do circuito elétrico:
V1
Solução:
Va  Vb
Temos que a corrente entre 2 pontos é dada por: I  R .
Pela lei de Kirchoff a soma das correntes que chega a um nó é
igual a soma das correntes que saem dele. Assim:
Introdução
V1
V2  V1 V3  V1 V4  V1 V1  0 V2  V1 V3  V2
Nó 1:    Nó 2: 
1 2 2 1 1 3
V3  V2 V3  V4 V3  V1 127  V3
Nó 3:   
3 1 2 3
V3  V4 V4  V1
Nó 4: 
1 2
Introdução
Simplificando as equações:
V2  V1 V3  V1 V4  V1 V1  0
Nó 1:     6V1  2V2  V3  V4  0
1 2 2 1
V2  V1 V3  V2
Nó 2:   3V1  4V2  V3  0
1 3
V3  V2 V3  V4 V3  V1 127  V3
Nó 3:   
3 1 2 3
 3V1  2V2  13V3  6V4  254
V3  V4 V4  V1
Nó 4:   V1  2V3  3V4  0
1 2
Introdução
 6V1  2V2  1V3  1V4  0

 3V  4V  1V  0V  0
 1 2 3 4
Montando o sistema: 
 3V1  2V2  13V3  6V4  254
 1V1  0V2  2V3  3V4  0
Nosso problema agora se resume em encontrar os valores

de V1, V2, V3 e V4 que solucionem o sistema linear
acima.
Introdução
 Um sistema linear com m equações e n variáveis tem a
seguinte forma geral:
a11 x1  a12 x2  ...  a1n xn  b1

a21 x1  a22 x2  ...  a2 n xn  b2
    
am1 x1  am 2 x2  ...  amn xn  bm
onde:
aij  coeficientes 1 ≤ i ≤ m, 1 ≤ j ≤ n
xj  incógnitas j = 1,...,n
bi  termos independentes i = 1,...,m
Introdução
 Exemplo:
2 x1  4 x2  5 x3  5

4 x1  1x2  5 x3  2
2 x  4 x  5 x  1
 1 2 3
onde:
2, 4, -5, 4, 1, -5, 2, 4 e 5  coeficientes

x1, x2 e x3  incógnitas
5, 2 e -1  termos independentes
Introdução
 Relembrando... Multiplicação de Matrizes
O produto de uma matriz A de dimensão n x m por um

escalar k resulta em uma matriz B = kA de mesma
dimensão n x m, tal que bij  kaij , i, j.
Ex:
1 2 3 2 4 6 
A  e B  2A   
 4 5 6   8 10 12 
Introdução
O produto de uma matriz A (n x m) por um vetor v (m x

1) resulta em um vetor x (n x 1) de forma que
m
xi   aij v j , i  1, 2, ..., n.
j 1
Ex:
1 2 5
1 
A  3 4, v     x  Av  11
 
 2
5 6 17 
Introdução
O produto de uma matriz A (n x p) por uma matriz
B (p x m) é uma matriz C = AB (n x m) tal que
p
cij   aik bkj , i  1, 2, ..., n e j  1, 2, ..., m.
k 1
o elemento cij é obtido pela soma dos produtos da linha

i de A pelos correspondentes elementos da coluna j de
B. Logo, para a multiplicação de duas matrizes, o
número de colunas da primeira tem que ser igual ao
número de linhas da segunda
Ex: 1 6 
 2 1 0    6 12 
A  , B  4 0  C  AB   
 3 5 6  2 x3  41 48 2x2
3 5 3 x 2
Introdução
 É possível então reescrever o sistema linear na Forma
Matricial:
Ax = b
na qual:
 a11 a12  a1n   x1   b1 

a a22  a2 n  x  b 
A   21 x   2 b 2
       
     
am1 am 2 am 3 amn   xn  bm 
Introdução
 Exemplo:
 Forma Geral:
2 x1  4 x2  5 x3  5

4 x1  1x2  5 x3  2
2 x  4 x  5 x  1
 1 2 3
 Forma Matricial:
2 4  5  x1   5 
4 1  5   x    2 
   2  
2 4 5   x3   1
Introdução – Classificação de Sistemas
 Relembrando…. Conceito de Determinante
Uma matriz quadrada (n x n) A, chamada matriz de ordem
n, tem um número associado denominado determinante,
cujo valor pode ser obtido pela fórmula de recorrência
det( A)  a11 det( M 11 )  a12 det( M 12 )  ...  (1) n 1 a1n det( M 1n )
onde Mij é a matriz de ordem n-1 resultante da remoção

da linha i e coluna j de A e sendo o determinante de uma
matriz (1 x 1) igual a esse único elemento. Logo:
A  [a11 ]  det( A)  a11
a11 a12 
A   det( A)  a11a22  a21a12
a21 a22 
a11 a12 a13 

A  a21 a22 a23  
a31 a32 a33 
det( A)  a11 (a22 a33  a32 a23 )  a12 (a21a33  a31a23 )  a13 (a21a32  a31a22 )

 Matriz A com det (A) = 0  Matriz Singular
 Matriz A com det (A) ≠ 0  Matriz Não Singular

 Exemplo: calcule o Determinante da Matriz abaixo:
10 4 6 8
1 3 5 7 
A
8 6 4 2
 
7 5 3 10
 Precisamos fazer o cálculo utilizando a fórmula geral

10 4 6 8 
1 3 5 7
A 
8 6 4 2
 
 7 5 3 10 
 3 5 7    1 5 7  
     
det( A)  10  det  6 4 2    4  det  8 4 2  
 5 3 10   7 3 10 
   
 1 3 7    1 3 5  
     
 6  det  8 6 2    8  det  8 6 4 
 7 5 10    7 5 3  
   
10 4 6 8 
1 3 5 7
A 
8 6 4 2
 
 7 5 3 10 
 3 5 7  
  
10  det  6 4 2   
 5 3 10 
 
  4 2    6 2    6 4 
 10  3  det      5  det  
     7  det  
   

   3 10     5 10     5 3  
 10  3  34  5  50  7  2  10  102  250  14 
 10   162  1620
10 4 6 8 
1 3 5 7
A 
8 6 4 2
 
 7 5 3 10 
 1 5 7  
  
 4  det  8 4 2   
 7 3 10 
 
  4 2    8 2    8 4 
 4  1 det      5  det  
     7  det  
   

   3 10     7 10     7 3  
 4  1 34  5  66  7  4  4  34  330  28 
 4   324  1296
10 4 6 8 
1 3 5 7
A 
8 6 4 2
 
 7 5 3 10 
 1 3 7  
  
6  det  8 6 2   
 7 5 10 
 
  6 2    8 2    8 6 
 6  1 det      3  det  
     7  det  
   

   5 10     7 10     7 5  
 6  1 50  3  66  7  2  6  50  198  14 
 6   162  972
10 4 6 8 
1 3 5 7
A 
8 6 4 2
 
 7 5 3 10 
 1 3 5  
  
 8  det  8 6 4  
 7 5 3  
 
  6 4    8 4    8 6 
 8  1 det      3  det  
     5  det  
   

   5 3     7 3     7 5  
 8  1 2  3  4  5  2  8   2  12  10 
 8  0  0
10 4 6 8 
1 3 5 7
A 
8 6 4 2
 
 7 5 3 10 
 3 5 7    1 5 7  
     
det( A)  10  det  6 4 2    4  det  8 4 2  
 5 3 10   7 3 10  
   
 1 3 7    1 3 5  
     
 6  det  8 6 2    8  det  8 6 4 
 7 5 10   7 5 3  
   
Logo: det( A)  1620  1296  972  0  1296
 Classificação dos sistemas
 Solução Única
 det (A) ≠ 0 (Matriz de Coeficientes Não Singular)
 Infinitas Soluções ou Sem Solução

 det (A) = 0 (Matriz de Coeficientes Singular)
 Solução Única
 Exemplo: 2 x1  x2  3 1
 x 
 x1  3 x2  2 1
det (A) = -6 -1 = -7
 Infinitas Soluções
 Ex: 2 x1  x2  3  
 x   
4 x1  2 x2  6 3  2 
det (A) = 4 - 4 = 0
 Sem Solução
 Ex: 2 x1  x2  3

4 x1  2 x2  2
det (A) = 4 - 4 = 0
Introdução – Sistemas Triangulares
 Possibilidade de resolução da forma Direta
 Sistema Triangular Inferior
 Sistema Triangular Superior

 Sistema Triangular Inferior
 a11 0 0  0   x1   b1 
a    
 21 a22 0  0   x2  b2 
 a31 a32 a33  0    x3   b3 
     
        
an1 an 2 an 3  ann   xn  bn 
 A solução é calculada pelas substituições sucessivas
b1 b2  a21 x1
a11 x1  b1  x1  , a21 x1  a22 x2  b2  x2  ,
a11 a22
b3  a31 x1  a32 x2
a31 x1  a32 x2  a33 x3  b3  x3 
a33
 a11 0 0  0   x1   b1 
a    
 21 a22 0  0   x2  b2 
 a31 a32 a33  0    x3   b3 
     
        
an1 an 2 an 3  ann   xn  bn 

an1 x1  an 2 x2  ...  an ,n 1 xn 1  ann xn  bn
bn  an1 x1  an 2 x2  ...  an ,n 1 xn 1
 xn 
ann
 a11 0 0  0   x1   b1 
a    
 21 a22 0  0   x2  b2 
 a31 a32 a33  0    x3   b3 
     
        
an1 an 2 an 3  ann   xn  bn 
As substituições sucessivas podem ser representadas por:
i 1
bi   aij x j
j 1
xi  , i  1, 2, ..., n.
aii
Exemplo: Calcular a solução do sistema triangular inferior
usando as substituições sucessivas:
2 0 0 0  x1   4 
3 5 0 0 x   1 
  2   
 1 6 8 0  x3  48
     
 1 4  3 9  x4   6 
4 1 3 2
2 x1  4  x1   2 , 3 x1  5 x2  1  x2   1
2 5
48  2  6(1)
x1  6 x2  8 x3  48  x3  5
8
Exemplo: Calcular a solução do sistema triangular inferior
usando as substituições sucessivas:
2 0 0 0  x1   4 
3 5 0 0 x   1 
  2   
 1 6 8 0  x3  48
     
 1 4  3 9  x4   6 
6  (2)  4(1)  3(5)
 x1  4 x2  3x3  9 x4  6  x4  3
9
2
 1
Logo, o vetor solução é dado por: x   
5
 
3
 Sistema Triangular Superior
c11 c12 c13  c1n   x1   d1 
0 c    
 22 c23  c2 n   x2  d 2 
0 0 c33  c3n    x3   d 3 
     
       
 0 0 0  cnn   xn  d n 
 A solução é calculada pelas substituições retroativas:
dn
cnn xn  d n  xn  ,
cnn
d n 1  cn 1,n xn
cn 1,n 1 xn 1  cn 1,n xn  d n 1  xn 1 
cn 1,n 1
c11 c12 c13  c1n   x1   d1 
0 c    
 22 c23  c2 n   x2  d 2 
0 0 c33  c3n    x3   d 3 
     
       
 0 0 0  cnn   xn  d n 

d 2  c23 x3  ...  c2 n xn ,
c22 x2  c23 x3  ...  c2 n xn  d 2  x2 
c22
c11 x1  c12 x2  c13 x3  ...  c1n xn  d1
d1  c12 x2  c13 x3  ...  c1n xn
 x1 
c11
c11 c12 c13  c1n   x1   d1 
0 c    
 22 c23  c2 n   x2  d 2 
0 0 c33  c3n    x3   d 3 
     
       
 0 0 0  cnn   xn  d n 
As substituições retroativas podem ser representadas por:
n
di  c x
j i 1
ij j
xi  , i  n, n  1, ..., 1.
cii
Exemplo: Determinar a solução do sistema triangular
superior utilizando as substituições retroativas:
5  2 6 1   x1   1 
0 3
 7  4  x2   2

0 0 4 5   x3   28 
     
0 0 0 2   x4   8 
8 28  5  4
2 x4  8  x4   4 , 4 x3  5 x4  28  x3   2,
2 4
 2  7 2  4 4
3 x2  7 x3  4 x4  2  x2  0
3
Exemplo: Determinar a solução do sistema triangular
superior utilizando as substituições retroativas:
5  2 6 1   x1   1 
0 3
 7  4  x2   2

0 0 4 5   x3   28 
     
0 0 0 2   x4   8 
1 2 0  6 2  4
5 x1  2 x2  6 x3  x4  1  x1   3
5
 3
0
Logo, o vetor solução é dado por: x   
2
 
4
Introdução – Métodos de Solução
 Os métodos numéricos para a solução de sistemas
lineares podem ser divididos em dois grupos:
 Métodos Diretos  Fornecem a solução do sistema,
caso ela exista, após um número finito de iterações
(soluções arredondadas também podem ocorrer)
 Métodos Iterativos  Geram uma sequência de

vetores {x(k)} a partir de uma aproximação inicial x(0).
Sob certas condições esta sequência converge para a
solução x do sistema, caso ela exista
Sistemas Lineares
Métodos Diretos

wpassos@ufsj.edu.br
Métodos Diretos
 Pertencem a essa classe todos métodos utilizados no
primeiro e segundo graus
 Esses métodos não são eficientes para a resolução de
sistemas lineares de grande porte, ou seja, sistemas que
envolvam um grande número de equações e variáveis
 Para o caso de sistemas lineares n x n, com solução

única, o vetor x é dado por x = A-1b, onde A-1 é a
inversa da matriz de coeficientes A.
 O cálculo de A-1 é demorado e, por isso, não competitivo
com os métodos que veremos a seguir: Eliminação de
Gauss e Decomposição LU
Sistemas Lineares
Eliminação de Gauss

wpassos@ufsj.edu.br
 Consiste em transformar o sistema linear original em
um sistema linear triangular superior equivalente
 Resolução do novo sistema utilizando as substituições
retroativas
 A solução encontrada para o sistema equivalente será

a mesma do sistema linear original  Conceito de
Sistemas Equivalentes
 A transformação do sistema linear original em outro
equivalente é feita através das seguintes operações
elementares:
 Trocar duas equações
2 x1  2 x2  2  x1  4 x2  9
 
 x1  4 x2  9 2 x1  2 x2  2
 Multiplicar uma equação por uma constante não nula
2 x1  2 x2  2  x1  x2  1
 
 x1  4 x2  9  x1  4 x2  9
 Adicionar um múltiplo de uma equação a uma outra
equação
 x1  4 x2  9 2 x1  3 x2  8
 
 x1  x2  1  x1  x2  1
Eliminação de Gauss – Execução
 Passo 1:
 Construção da matriz aumentada Ab
 a11 a12  a1n b1 
a a22  a2 n b2 
Ab   21
     
 
an1 an 2 an 3 ann bn 
 Importância:
 É necessário transformar matriz A em uma matriz
triangular superior
 Todavia, todas as operações elementares aplicadas
sobre as linhas de A, também devem ser refletidas no
vetor de termos independentes b
 Passo 2:
 Eliminar os coeficientes de x1 presentes nas linhas
2,3,...,n, fazendo assim a21 = a31, = ... = an1 = 0, sendo
a11 chamado de pivô e a linha 1 de linha pivotal
 Substituir a linha 2, L2, pela combinação linear
a21
L2  L2  m21  L1 , na qual : m21 
a11
 Substituir a linha 3, L3, pela combinação linear:
a31
L3  L3  m31  L1 , na qual : m31 
a11
 Passo 2:
 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
 Próximos Passos:
 Eliminar os coeficientes de x2 nas linhas 3, 4, ..., n
(fazendo a32=a42=...=an2 = 0)
 Eliminar os coeficientes de x3 nas linhas 4, 5, ..., n

(fazendo a43=a53=...=an3 = 0) e assim
sucessivamente
 Exemplo: Resolver o sistema linear abaixo:
2 x1  3 x2  x3  5

4 x1  4 x2  3 x3  3
2 x  3 x  x  1
 1 2 3
Matriz aumentada:
2 3  1 5 
Ab  4 4  3 3 
2  3 1  1
2 x1  3 x2  x3  5

4 x1  4 x2  3 x3  3
2 x  3 x  x  1
 1 2 3
Pivô da linha 1: 2
a21
L2  L2  m21  L1 m21  2
a11
L2  4 4  3 3  2  2 3  1 5  0  2  1  7
a31
L3  L3  m31  L1 , m31  1
a11
L3  2  3 1  1  1 2 3  1 5  0  6 2  6
2 x1  3 x2  x3  5

4 x1  4 x2  3 x3  3
2 x  3 x  x  1
 1 2 3
Obtemos então a seguinte matriz aumentada:
2 3  1 5 
Ab  0  2  1  7
0  6 2  6
2 x1  3 x2  x3  5

4 x1  4 x2  3 x3  3
2 x  3 x  x  1
 1 2 3
Pivô da linha 2: -2
a32
L3  L3  m32  L2 , m32  3
a22
L3  0  6 2  6  3  0  2  1  7  0 0 5 15
2 x1  3 x2  x3  5

4 x1  4 x2  3 x3  3
2 x  3 x  x  1
 1 2 3
Nova matriz [Ab] e sistema linear equivalente obtido:
2 3  1 5  2 x1  3 x2  x3  5

Ab  0  2  1  7  2 x2  x3  7
0 0 5 15  5 x  15
 3
2 x1  3 x2  x3  5

4 x1  4 x2  3 x3  3
2 x  3 x  x  1
 1 2 3
O novo sistema obtido é resolvido utilizando-se as

substituições retroativas:
5 x3  15  x3  3
 2 x2  x3  7  2 x2  3  7  2 x2  4  x2  2
2 x1  3 x2  x3  5  2 x1  6  3  5  2 x1  2  x1  1
1 
Logo, o vetor solução é dado por: x  2
3
 Verificação da exatidão do resultado obtido através do
vetor resíduo r = b – Ax:
 5  2 3  1 1  0
r  b  Ax   3   4 4  3  2  0
 1 2  3 1  3 0
Logo, a solução x obtida é exata.
A verificação acima pode ser utilizada também para

validar os resultados encontrados por TODOS os
métodos diretos que vamos estudar.
Exercício
Resolva o sistema linear abaixo utilizando o método direto de
Eliminação de Gauss.
5 x1  2 x2  4 x3  8

 x1  x2  2 x3  2
4 x  3 x  7 x  5
 1 2 3
Solução:
 4 / 3   1,333... 
x   16 / 3    5,333... 
 7 / 3  2,333...
 No método de Gauss os multiplicadores das linhas são
gerados a partir da seguinte fórmula:
aik
mik  i  1, ..., n k  i  1, ..., n
aii
sendo aii o pivô e aik o elemento a ser zerado
 Assim, podemos concluir:
 O método de Gauss não funciona quando o pivô é nulo
 Quando o pivô é muito próximo de zero, os multiplicadores
gerados para as linhas são muito grandes, ocasionando um
aumento nos erros de arredondamento gerados durante a
execução do método.
 Solução: Pivoteamento Parcial

Eliminação de Gauss – Pivoteamento Parcial
 Melhoria do Método de Gauss
 Consiste em escolher o elemento de maior valor (em

módulo) em cada coluna para ser o pivô
 Garante que os multiplicadores estarão sempre entre 0 e 1
 Minimiza a amplificação de erros de arredondamento

durante as eliminações
 x1  3 x2  2 x3  11

 2 x1  8 x2  1x3  15
4 x  6 x  5 x  29
 1 2 3
Matriz aumentada:
 1  3 2 11 
Ab   2 8  1  15
 4  6 5 29 
 1  3 2 11 
Ab   2 8  1  15
 4  6 5 29 
Maior elemento (em módulo) da primeira coluna: 4. Logo
este será o primeiro pivô. Assim:
a11
L1  L1  m13  L3 m13   0,25
a31
L1  1  3 2 11  0,25  4  6 5 29  0  1,5 0,75 3,75
a21
L2  L2  m23  L3 , m23   0,5
a31
L2   2 8  1  15  (0,5)  4  6 5 29  0 5 1,5  0,5
 x1  3 x2  2 x3  11

 2 x1  8 x2  1x3  15
4 x  6 x  5 x  29
 1 2 3
Obtemos então a seguinte matriz aumentada:
0  1,5 0,75 3,75 

Ab  0 5 1,5  0,5
4  6 5 29 
0  1,5 0,75 3,75 

Ab  0 5 1,5  0,5
4  6 5 29 
Maior elemento (em módulo) da segunda coluna: 5. Logo

este será o segundo pivô. Assim:
a12
L1  L1  m12  L2 m12   0,3
a22
L1  0  1,5 0,75 3,75  (0,3)  0 5 1,5  0,5  0 0 1,2 3,6
 x1  3 x2  2 x3  11

 2 x1  8 x2  1x3  15
4 x  6 x  5 x  29
 1 2 3
Nova matriz [Ab]:

0 0 1,2 3,6 
Ab  0 5 1,5  0,5
4  6 5 29 
Trocando a ordem das linhas, chegamos ao seguinte
sistema equivalente: 4 x  6 x  5 x  29
1 2 3

5 x2  1,5 x3  0,5
1,2 x  3,6
 3
 x1  3 x2  2 x3  11

 2 x1  8 x2  1x3  15
4 x  6 x  5 x  29
 1 2 3
O novo sistema obtido é resolvido utilizando-se as

substituições retroativas:
1,2 x3  3,6  x3  3
5 x2  1,5 x3  0,5  5 x2  4,5  0,5  5 x2  5  x2  1
4 x1  6 x2  5 x3  29  4 x1  6  15  29  4 x1  8  x1  2
2
Logo, o vetor solução é dado por: x   1
 3 
Determinante
 O determinante da matriz de coeficientes pode ser
obtido através da matriz triangular resultante da
aplicação da Eliminação de Gauss.
 Basta considerar no cálculo a influência das operações
elementares realizadas durante o processo de eliminação
 Vamos então analisar essas 5 relações:

1) Se duas linhas de uma matriz A forem trocadas, então o
determinante da nova matriz B será:
det( B )   det( A)
2  2 1 4 
A   det( A)  10 e B     det( B )  10
1 4  2  2
Determinante
2) Se todos os elementos de uma linha de A forem
multiplicados por uma constante k, então o determinante da
matriz resultante B será:
This image cannot currently be display ed.
1 4  1 4 
A   det( A)  10 e B     det( B )  5
2  2 1  1
3) Se um múltiplo escalar de uma linha de A for somado a

outra linha, então o determinante da nova matriz B será:
det( B)  det( A)
1 4  1 4 
A   det( A)  5 e B     det( B )  5
1  1 0  5
Determinante
4) Se A for uma matriz triangular ou diagonal de ordem n,
então seu determinante será igual ao produto dos elementos
da diagonal principal, ou seja:
n
det( A)  a11a22 a33 ... ann   aii
i 1
3 0 0
2 3  0  5 0   det( B )  15
A   det( A)  2 e B   
 0  1 0 0  1
Determinante
5) Se uma matriz A for multiplicada por uma matriz B, o
determinante da matriz resultante C será:
det(C )  det( A)  det( B )
1  2 3 0
A   det( A)  10 e B     det( B)  3
3 4  1 1
 1  2
C   det(C )  30
13 4 
Determinante
Exemplo: Calcular o determinante da matriz utilizada no
último exemplo:
 x1  3 x2  2 x3  11

 2 x1  8 x2  1x3  15
4 x  6 x  5 x  29
 1 2 3
Matriz de coeficientes:  1 3 2 
A   2 8  1
 4  6 5 
Depois de 3 combinações lineares das linhas e uma troca
de linhas, chegamos à seguinte matriz triangular:
4  6 5 
B  0 5 1,5
0 0 1,2
Determinante
último exemplo:
Pela propriedade 3, não há alteração no determinante de

B, todavia, pela propriedade 1, det( B )   det( A) , assim:
det( A)   det( B )  (4  5  1,2)  24

Exercício
Resolva o sistema linear abaixo utilizando o método direto de
Eliminação de Gauss, com pivoteamento parcial.
 x1  6 x2  2 x3  4

3 x1  19 x2  4 x3  10
 x  4 x  8 x  30
 1 2 3
Solução:
 138
x   20 
 11 
Sistemas Lineares
Decomposição LU

wpassos@ufsj.edu.br
Decomposição LU
 O objetivo é fatorar a matriz dos coeficientes A em um
produto de duas matrizes L e U.
 a11 a12  a1n 

a a22  a2 n 
Seja: A   21
     
 
an1 an 2 an 3 ann 
A = matriz de coeficientes do sistema linear

Decomposição LU
e o produto LU:
1 0 0  0 u11 u12 u13  u1n 

l 0  0 u22 u2 n 
 21 1 0  u23 
LU  l31 l32 1  0   0 0 u33  u3 n 
   
    0       
ln1 ln 2 ln 3  1  0 0 0  u nn 
sendo:
L = matriz triangular inferior unitária lii  1, i 
U = matriz triangular superior
Decomposição LU
 temos então:
1 0 0  0 u11 u12 u13  u1n 
 a11  a1n  l  0  0 u 22 u 23  u2 n 
a12
a   21 1 0
a22  a2 n 
A   21  LU  l31 l32 1  0   0 0 u33  u3n 
         
      0       
an1 an 2 an 3 ann 
ln1 ln 2 ln 3  1  0 0 0  unn 
 Logo, o sistema Ax = b pode ser reescrito como
Ax = b  LUx = b
 Fazendo Ux = y, a equação acima reduz-se a Ly = b.
 Resolvendo o sistema triangular inferior (utilizando as

substituições sucessivas) Ly = b, obtemos o vetor y
Decomposição LU
 O vetor y é então utilizado como termo independente
no sistema triangular superior Ux = y, cuja solução x é
calculada pelas substituições retroativas
 A Decomposição LU é um dos processos mais

empregados. Uma das vantagens é que podemos
resolver qualquer sistema linear que tenha A como
matriz de coeficientes. Se o vetor b for alterado, a
solução do novo sistema linear será quase que
imediata
Decomposição LU – Execução
 Exemplo:
Resolver o sistema abaixo, utilizando a Decomposição
LU:
 1  3 2   x1   11 
 2 8  1   x    15
   2  
 4  6 5   x3   29 
Passo 1: Aplicar o método da Eliminação de Gauss à

matriz de A.
Pivô linha 1: 1
a21
L2  L2  m21  L1 m21   2
a11
L2   2 8  1  (2)  1  3 2  0 2 3
 Exemplo:
a31
L3  L3  m31  L1 , m31  4
a11
L3  4  6 5  4  1  3 2  0 6  3
Obtemos então a seguinte matriz de coeficientes:

1  3 2 
A  0 2 3 
0 6  3
Pivô linha 2: 2
a32
L3  L3  m32  L2 m32  3
a22
L3  0 6  3  3  0 2 3  0 0  12
 Exemplo:
Nova matriz de coeficientes:
1  3 2 
A  0 2 3 
0 0  12
A matriz L é então constituída pelos multiplicadores
utilizados nas eliminações de cada uma das linhas,
logo:
1 0 0  1 0 0  1 0 0
L  l21 1 0  m21 1 0   2 1 0
l31 l32 1  m31 m32 1  4 3 1
 Exemplo:
1  3 2 
A  0 2 3 
0 0  12
A matriz U é própria matriz de coeficientes, obtida após
a Eliminação de Gauss:
u11 u12 u13  1  3 2 

U   0 u22 u 23   0 2 3 
 0 0 u33  0 0  12
 Exemplo:
Assim:
 1  3 2   1 0 0 1  3 2 
A  LU   2 8  1   2 1 0  0 2 3 
 4  6 5   4 3 1 0 0  12
Substituindo a matriz de coeficientes A no sistema,

temos então LUx = b. Fazendo Ux = y, temos então
Ly = b. Assim o próximo passo na solução do problema
é calcular o valor do vetor y.
 Exemplo:
Passo 2: Calcular a solução do sistema Ly = b:
 1 0 0  y1   11 
 2 1 0   y    15
   2  
 4 3 1  y3   29 
y1  11
 2 y1  y2  15  y2  15  2 11  y2  7
4 y1  3 y2  y3  29  y3  29  4  11  3  7  y3  36
Logo: y  11 7  36

T
 Exemplo:
Passo 3: De posse do valor de y, calcular então a
solução do sistema Ux = y:
1  3 2   x1   11 
0 2 3   x    7 
   2  
0 0  12  x3   36
 12 x3  36  x3  3
2 x2  3 x3  7  x2  (7  3  3) / 2  x2  1
x1  3 x2  2 x3  11  x1  11  3  (1)  2  3  x1  2
x  2  1 3
T
Logo:
Exercício
Resolva o sistema linear abaixo utilizando o método direto da
Decomposição LU.
3 x1  2 x2  4 x3  1

 x1  x2  2 x3  2
4 x  3 x  2 x  3
 1 2 3
Solução:
 1 0 0 3 2 4   1   3
L  1 / 3 1 0 U  0 1 / 3 2 / 3 y  5 / 3 x   5 
 
4 / 3 1 1 0 0  4   0   0 
Exercício
Decomposição LU.
3 x1  2 x2  4 x3  1

 x1  x2  2 x3  2
4 x  3 x  2 x  3
 1 2 3
Durante este exercício surgem, normalmente, as seguintes

dúvidas:
1) Posso trocar linhas durante o escalonamento de A?
Assunto do próximo tópico
2) Posso multiplicar uma linha por uma constante?
3) Posso, durante o escalonamento, colocar o multiplicador
em outra linha que não seja a linha pivotal?
Exercício
Decomposição LU.
3 x1  2 x2  4 x3  1

 x1  x2  2 x3  2
4 x  3 x  2 x  3
 1 2 3

Vamos multiplicar os elementos da linha 2 por 5, ANTES
de começar o escalonamento. Logo, teremos o seguinte
sistema:
3 x1  2 x2  4 x3  1

5 x1  5 x2  10 x3  10
4 x  3 x  2 x  3
 1 2 3
Exercício
Decomposição LU.
3 x1  2 x2  4 x3  1

 x1  x2  2 x3  2
4 x  3 x  2 x  3
 1 2 3

Após o escalonamento, vamos obter:
 1 0 0 3 2 4   1   3
L  5 / 3 1 0 U  0 5 / 3 10 / 3 y  25 / 3 x   5 
   
4 / 3 1 / 5 1 0 0  4   0   0 
Logo, a multiplicação ANTES do escalonamento não
influi no resultado final do sistema, como era de se esperar
Exercício
Decomposição LU.
3 x1  2 x2  4 x3  1

 x1  x2  2 x3  2
4 x  3 x  2 x  3
 1 2 3

Vamos multiplicar os elementos da linha 2 por 10,
DEPOIS de executado o primeiro passo do escalonamento.
Logo, teremos a seguinte matriz A:
3 2 4  3 2 4 
A  0 1 / 3 2 / 3   A  0 10 / 3 20 / 3 
0 1 / 3  10 / 3 0 1 / 3  10 / 3
Exercício
Decomposição LU.
3 x1  2 x2  4 x3  1

 x1  x2  2 x3  2
4 x  3 x  2 x  3
 1 2 3

Continuando nosso escalonamento, vamos encontrar as
seguintes matrizes L e U:
 1 0 0 3 2 4 
L  1 / 3 1 0 U  0 10 / 3 20 / 3
4 / 3 1 / 10 1 0 0  4 
Exercício
Decomposição LU.
3 x1  2 x2  4 x3  1

 x1  x2  2 x3  2
4 x  3 x  2 x  3
 1 2 3

Fazendo então L x U, temos:
 1 0 0 3 2 4   3 2 4  3 2 4
L  U  1 / 3 1 0  0 10 / 3 20 / 3  1 4 8   1 1 2  A
4 / 3 1 / 10 1 0 0  4  4 3 2 4 3 2
Logo podemos perceber que a multiplicação gerou um
erro da decomposição!
Exercício
Decomposição LU.
3 x1  2 x2  4 x3  1

 x1  x2  2 x3  2
4 x  3 x  2 x  3
 1 2 3

A solução para este problema é replicar os efeitos da
multiplicação da linha 2 por 10 nos multiplicadores
relacionados às operações nessa linha. Ou seja:
- O multiplicador 1/3, utilizado para zerar o elemento a21,
deve ser multiplicado por 10, pois o valor de a21 seria 10 e
não 1, como está no sistema original
Exercício
Decomposição LU.
3 x1  2 x2  4 x3  1

 x1  x2  2 x3  2
4 x  3 x  2 x  3
 1 2 3

A solução é replicar os efeitos da multiplicação da linha 2
por 10 nos multiplicadores relacionados a operações nessa
linha. Ou seja:
- Além disso, o multiplicador 1/10, utilizado para zerar o
elemento a32, deve ser dividido por 10, pois o valor do pivô
a22 seria 10 e não 1, como está no sistema original
Exercício
Decomposição LU.
3 x1  2 x2  4 x3  1

 x1  x2  2 x3  2
4 x  3 x  2 x  3
 1 2 3

Logo, passamos a ter os seguintes valores para L e U:
 1 0 0 3 2 4   3 2 4   3 2 4
L  U  10 / 3 1 0  0 10 / 3 20 / 3  10 10 20  1 1 2  A
 4 / 3 1 1 0 0  4   4 3 2  4 3 2
Ainda há uma diferença na decomposição, entretanto,
agora é possível contornar o problema...
Exercício
Decomposição LU.
3 x1  2 x2  4 x3  1

 x1  x2  2 x3  2
4 x  3 x  2 x  3
 1 2 3

Podemos perceber que a diferença entre a matriz A
original e aquela obtida a partir da multiplicação L x U
restringe-se à segunda linha (os valores na segunda matriz
são exatamente um decimo dos valores presentes na
primeira). Assim, basta multiplicar o valor do segundo
elemento do vetor b por 10, de maneira que tenhamos então
2 sistemas equivalentes, ou seja, de mesma solução!
Exercício
Decomposição LU.
3 x1  2 x2  4 x3  1

 x1  x2  2 x3  2
4 x  3 x  2 x  3
 1 2 3

3 2 4
A  1 1 2
4 3 2
Exercício
Decomposição LU.
Aplicando a Eliminação de Gauss à matriz A:

Pivô linha 1: 3
L2  m21 L2  L1 m21  3
L2  3  1 1 2  3 2 4  0  1  2
3
L3  m31 L3  L1 , m31 
4
3
L3   4 3 2  3 2 4  0  1 / 4 10 / 4
4
Exercício
Decomposição LU.
3 2 4 
A  0  1  2 
0  1 / 4 10 / 4
Pivô linha 2: -1
L3  m32 L3  L2 m32  4
L3  4  0  1 / 4 10 / 4  0  1  2  0 0  12
Exercício
Decomposição LU.
3 2 4 
A  0  1  2 
0 0  12
Exercício
Decomposição LU.
Fazendo então A = LU
 1 0 0 3 2 4   3 2 4   3 2 4
L  U   3 1 0  0  1  2    9 5 10   1 1 2  A
3 / 4 4 1 0 0  12 9 / 4  5 / 2  17  4 3 2
Podemos perceber que, ao calcularmos a multiplicação

L x U, não encontramos A. Daí concluímos que a
multiplicação deve sempre ser feita na linha pivotal, como
mostra a fórmula trabalhada em sala!
Decomposição LU – Pivoteamento Parcial
 Os motivos para Pivoteamento Parcial na
Decomposição LU são os mesmos de sua utilização
na Eliminação de Gauss:
 Evitar pivô nulo
 Evitar que os multiplicadores mij tenham valores muito
grandes
 Relembrando... Matriz Identidade
 É uma matriz quadrada na qual os elementos situados na
diagonal principal são iguais a um e, os demais, são nulos.
É denotada por In.
1 0  0
0 1  0 
In   
   
 
 0 0 0 1 
 Sendo A uma matriz de ordem n, temos que

A . In  In . A  A
 No pivoteamento parcial, a decomposição é feita da
forma:
PA = LU
onde P é uma matriz de permutações que será
construída das linhas de uma matriz identidade I,
colocadas na mesma ordem das linhas que geram a
matriz triangular superior U. A matriz L é formada
pelos multiplicadores utilizados na eliminação nas
respectivas linhas de U. Assim, para resolver o
sistema Ax = b, temos:
Ax = b  PAx = Pb  LUx = Pb
Fazendo Ux = y, então Ly = Pb
 Exemplo:
Resolver o sistema abaixo, utilizando a Decomposição
LU, com Pivoteamento Parcial:
 1  3 2   x1   11 
 2 8  1   x    15
   2  
 4  6 5   x3   29 
Passo 1: Aplicar o método da Eliminação de Gauss, com

Pivoteamento Parcial, à matriz A.
Primeiro pivô: 4
a11
L1  L1  m13  L3 m13   0,25
a31
L1  1  3 2  0,25  4  6 5  0  1,5 0,75
 Exemplo:
a21
L2  L2  m23  L3 , m23   0,5
a31
L2   2 8  1  (0,5)  4  6 5  0 5 1,5

0  1,5 0,75
A  0 5 1,5 
4  6 5 
Segundo pivô: 5
a12
L1  L1  m12  L2 m12   0,3
a22
L1  0  1,5 0,75  (0,3)  0 5 1,5  0 0 1,2
 Exemplo:
0 0 1,2 4  6 5 
A  0 5 1,5  0 5 1,5
4  6 5  0 0 1,2
relativos a cada uma das linhas pivotais, logo:
1 0 0  1 0 0  1 0 0
L  l21 1 0  m23 1 0   0,5 1 0
l31 l32 1  m13 m12 1  0,25  0,3 1
 Exemplo:
0 0 1,2 4  6 5 
A  0 5 1,5  0 5 1,5
4  6 5  0 0 1,2
A matriz U é própria matriz de coeficientes, obtida após
o pivoteamento:
u11 u12 u13  4  6 5 

U   0 u22 u 23   0 5 1,5
 0 0 u33  0 0 1,2
 Exemplo:
0 0 1,2 4  6 5 
A  0 5 1,5  0 5 1,5
4  6 5  0 0 1,2
A matriz P possui as linhas de uma matriz identidade na
ordem das linhas pivotais. P pode ser vista ainda como
uma matriz similar à identidade com as linhas colocadas
de modo que os elementos iguais a 1 estejam nas
colunas relativas aos índices das linhas pivotais.
0 0 1 
P  0 1 0
1 0 0
 Exemplo:
Assim:
0 0 1   1  3 2   1 0 0  4  6 5 
PA  LU  0 1 0  2 8  1   0,5 1 0 0 5 1,5
1 0 0  4  6 5   0,25  0,3 1 0 0 1,2
Assim, para resolver o sistema Ax = b, temos:
Ax = b  PAx = Pb  LUx = Pb
Fazendo Ux = y, então Ly = Pb
 Exemplo:
Passo 2: Calcular a solução do sistema Ly = Pb:
A multiplicação Pb ordena as linhas de b na ordem das
linhas pivotais
 1 0 0  y1   29 
 0,5 1 0    y    15
   2  
 0,25  0,3 1  y3   11 
y1  29
 0,5 y1  y2  15  y2  15  0,5  29  y2  0,5
0,25 y1  0,3 y2  y3  11  y3  11  0,25  29  0,3  0,5
y3  3,6
Logo: y  29  0,5 3,6
T
 Exemplo:
Passo 3: De posse do valor de y, calcular então a
solução do sistema Ux = y:
4  6 5   x1   29 
0 5 1,5   x    0,5
   2  
0 0 1,2  x3   3,6 
1,2 x3  3,6  x3  3
5 x2  1,5 x3  0,5  x2  (0,5  1,5  3) / 5  x2  1
4 x1  6 x2  5 x3  29  x1  29  6  (1)  5  3 / 4
x1  2
Logo: x  2  1 3
T
Determinante
 Considerando que:
PA = LU  det (PA) = det (LU)
pela propriedade dos determinantes vista anteriormente:

det( L) det(U )
det( A) 
det( P )
n
det( L)  l11l22l33 ... lnn   lii  1  matriz triangular
n i 1
det(U )   uii  produto dos pivôs
i 1
det( P )  (1) t
 troca de linhas necessárias para
transformar a matriz de permutações P em
uma matriz identidade.
Determinante
 Considerando que:
PA = LU  det (PA) = det (LU)
pela propriedade dos determinantes vista anteriormente:
det( L) det(U )
det( A) 
det( P )
Logo:
n
1  uii n
det( A)  i 1
(1) t
 (1) t
u
i 1
ii
Determinante
último exemplo:
 1  3 2  4  6 5 
A   2 8  1  0 5 1,5
 4  6 5  0 0 1,2
Para calcular o determinante, precisamos encontrar o valor
de t, isto é, o número de trocas de linhas necessárias para
transformar a matriz P em uma matriz identidade. Voltando
na matriz, percebemos que somente uma troca é
suficiente. Assim, temos t=1 e:
n
det( A)  (1) t
 ii
u
i 1
 (  1)1
 4  5  1,2  24
Sistemas com Matriz Singular
 Quando a matriz de coeficientes do sistema linear for
singular, ou seja, det(A) = 0, o sistema pode ter infinitas
soluções ou não ter solução. Será mostrado como
diferenciar essas situações.
 Exemplo:
Resolver os sistemas Ax = b e Ax = c utilizando a
decomposição LU com pivoteamento parcial, sendo
 1 3 2   22   20 
A   2 8  1, b   12 e c   10
  1 5 1   10   80 
 Exemplo:
Os três fatores são:
 1 0 0  2 8  1 0 1 0 
L   0,5 1 0, U   0 1 1,5 e P  1 0 0
 0,5 1 1  0 0 0  0 0 1
Para Ax=b, a solução do sistema Ly = Pb é dada por:
 1 0 0  y1   12  12
 0,5 1 0   y    22   y   16 
   2    
 0,5 1 1  y3   10   0 
 Exemplo:
A solução do sistema Ux = y é dada por:
 2 8  1  x1   12
 0 1 1,5   x    16 
   2  
 0 0 0   x3   0 
Logo:
0 x3  0  x3   (qualquer de x3 é solução)
x2  1,5 x3  16  x2  16  1,5
 2 x1  8 x2  x3  12  x1   12  8(16  1,5 )    /  2
x1  70  6,5
 Exemplo:
Assim, o vetor solução do sistema é dado por
x  70  6,5 16  1,5   , ou seja, o sistema Ax=b
T
apresenta infinitas soluções, uma para cada valor de

 |  .
Para resolver o sistema Ax=c, não é necessário calcular

novamente L, U e P. Como a matriz de coeficientes A é
comum aos dois sistemas (Ax=b e Ax=c), os cálculos
feitos anteriormente podem ser reaproveitados.
 Exemplo:
Assim, para Ax = c, solução de Ly = Pc é
 1 0 0  y1   10  10
 0,5 1 0   y    20   y   15 
   2    
 0,5 1 1  y3   80   70 
 Exemplo:
A solução do sistema Ux = y é dada por:
 2 8  1  x1   10
 0 1 1,5   x    15 
   2  
 0 0 0   x3   70 
Logo:
0 x3  70   x3   x
Assim, o sistema Ax = c não tem solução pois  x3 tal

que 0 x3  0 .
Exercício
Resolva o sistema linear pela Decomposição LU, utilizando o
pivoteamento parcial, e verificar a exatidão e unicidade da
solução:
3 x1  4 x2  x3  9

 x1  2 x2  2 x3  3
4 x  3 x3  2
 1
Solução:  1 0 0 4 0 3 
L  3 / 4 1 0 U  0  4 13 / 4 
1 / 4  1 / 2 1 0 0 35 / 8
0 0 1   2  1
P  1 0 0 y   21 / 2  x   1 det( A)  70
0 1 0 35 / 4  2 
Exercício
solução:
3 x1  4 x2  x3  9

 x1  2 x2  2 x3  3
4 x  3 x3  2
 1
3  4 1 
Demonstrando a solução: A  1 2 2 
 
4 0  3
Fazendo a eliminação com pivoteamento parcial na matriz A:
Primeiro Pivô: 4
a11 3
L1  L1  m13  L3 m13  
a31 4
L1  3  4 1  3 / 4  4 0  3  0  4 13 / 4
Exercício
solução:
a 1
L2  L2  m23  L3 , m23  21 
a31 4
L2  1 2 2  1 / 4  4 0  3  0 2 11 / 4
0  4 13 / 4
A  0 2 11 / 4 
4 0  3 
Segundo Pivô: -4
a12 1
L1  L1  m12  L2 m32  
a22 2
L1  0 2 11 / 4  (1 / 2)  0  4 13 / 4  0 0 35 / 8
Exercício
solução:
0  4 13 / 4  4 0 3 
A  0 0 35 / 8  0  4 13 / 4 
4 0  3  0 0 35 / 8
A matriz P é então constituída pelas linhas da matriz
Identidade, com as linhas trocadas, assim como em A,
logo:
0 0 1 
P  1 0 0
0 1 0
Exercício
solução:
0  4 13 / 4  4 0 3 
A  0 0 35 / 8  0  4 13 / 4 
4 0  3  0 0 35 / 8
utilizados nas eliminações de cada uma das linhas, logo:
1 0 0  1 0 0
L  l21 1 0  3 / 4 1 0
l31 l32 1 1 / 4  1 / 2 1
Exercício
solução:
0  4 13 / 4  4 0 3 
A  0 0 35 / 8  0  4 13 / 4 
4 0  3  0 0 35 / 8
A matriz U é própria matriz de coeficientes, obtida após as
eliminações e a troca de linhas:
u11 u12 u13  4 0 3 
U   0 u 22 u23   0  4 13 / 4 
 0 0 u33  0 0 35 / 8
Exercício
solução:
Calcular a solução do sistema Ly = Pb:
A multiplicação Pb ordena as linhas de b na ordem das
linhas pivotais.
 1 0 0  y1   2
3 / 4 1 0  y    9 
   2  
1 / 4  1 / 2 1  y3   3 
Fazendo os cálculos, vamos encontrar:

y   2 21 / 2 35 / 4
T
Exercício
solução:
De posse do valor de y, calcular então a solução do
sistema Ux = y:
4 0  3   x1    2 
0  4 13 / 4    x    21 / 2 
   2  
0 0 35 / 8  x3  35 / 4
Fazendo os cálculos, vamos encontrar:
x  1  1 2
T
Exercício
solução:
Provando a unicidade da solução:
3  4 1  4 0 3 
A  1 2 2   0  4 13 / 4 
4 0  3 0 0 35 / 8
n
35
det( A)  (1)  uii  (1)  4  4   70
t 2
i 1 8
Como o det (A) ≠ 0, logo o sistema tem solução

única!
Cálculo da Matriz Inversa
 Seja A uma matriz quadrada de ordem n, não-singular,
isto é, det (A) ≠ 0. Uma matriz A-1 é a inversa de A se
A . A-1 = A-1 . A = I
 a11 a12  a1n   v11 v12  v1n  1 0  0
a a22  a2 n  v21 v22  v2 n  0 1  0
 21  
              
     
an1 an 2 an 3 ann  vn1 vn 2 vn 3 vnn  0 0 0 1
onde V = A-1 é usado para simplificar a notação.
Para calcular V, basta resolver os n sistemas lineares da
forma:
Avi = ei, i = 1, 2, …, n
onde vi e ei são as i-ésimas colunas das matrizes
inversa e identidade, respectivamente
 Exemplo: Calcular a inversa da matriz abaixo:
 4 6 2 
 6 10  5
 
 2  5 30 
Solução:
Precisaremos então calcular a solução dos seguintes
sistemas: Av1 = e1, Av2 = e2, Av3 = e3, onde:
 4 6 2   v11  1  v12  0   v13  0 

A   6 10  5, v1  v21 , e1  0, v2  v22 , e2  1, v3  v23 , e3  0
 2  5 30  v31  0 v32  0 v33  1
Solução:
Como a matriz de coeficientes é mesma para os três
sistemas, fazemos então a Decomposição LU de A:
 4 6 2   1 0 0  6 10 5 
A   6 10  5, L    1 / 3 1 0, U   0  5 / 3 85 / 3
 2  5 30   2 / 3  2 / 5 1  0 0 10 
0 1 0 
P  0 0 1
1 0 0
Solução:
Calculando então a solução de cada um dos sistemas:
Coluna 1:
Para Av1 = e1, a solução do sistema Ly = Pe1 é dada por:
 1 0 0  y1  0 0 
 1/ 3 1 0    y   0   y  0 
   2    
 2 / 3  2 / 5 1  y3  1 1
A solução do sistema Uv1 = y é dada por:

 6 10  5   v11  0  11 / 4 
 0  5 / 3 85 / 3  v   0  v  17 / 10
   21    1  
 0 0 10  v31  1  1 / 10 
Solução:
Coluna 2:
 1 0 0  y1  1  1 
 1/ 3 1 0    y   0   y   1 / 3 
   2    
 2 / 3  2 / 5 1  y3  0 4 / 5

 6 10  5   v12   1  17 / 10 
 0  5 / 3 85 / 3  v   1 / 3   v  29 / 25
   22    2  
 0 0 10  v32  4 / 5  2 / 25 
Solução:
Coluna 3:
 1 0 0  y1  0  0 
 1/ 3 1 0    y   1  y   1 
   2    
 2 / 3  2 / 5 1  y3  0 2 / 5

 6 10  5   v13   0   1 / 10 
 0  5 / 3 85 / 3  v    1   v  2 / 25
   23    3  
 0 0 10  v33  2 / 5 1 / 25 
Solução:
Consequentemente, A-1 = V = [v1 v2 v3], ou seja:
 11 / 4 17 / 10 1 / 10  2,75 1,7 0,1 

A1  17 / 10 29 / 25 2 / 25   1,7 1,16 0,08
 1 / 10 2 / 25 1 / 25   0,1 0,08 0,04
A relação A . A-1 = I pode ser verificada:
 4  6 2  2,75 1,7 0,1  1 0 0

A   6 10  5   1,7 1,16 0,08  0 1 0
 2  5 30   0,1 0,08 0,04 0 0 1
Exercício
Calcule a inversa da matriz abaixo:
3 0 2 
A  9 1 7
1 0 1
Solução:
 1 0  2
A1   2 1  3
  1 0 3 
Sistemas Lineares
Métodos Iterativos

wpassos@ufsj.edu.br
Métodos Iterativos
 A solução de problemas complexos com sistemas
lineares tende à geração/existência de matrizes de
coeficientes grandes e/ou 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.
Métodos Iterativos
 Métodos mais apropriados para a resolução de
sistemas de natureza esparsa  Métodos Iterativos
 Gauss-Jacobi, Gauss-Seidel
Métodos Iterativos
 Os métodos iterativos consistem em gerar, a partir de
um vetor inicial x0, uma sequência de vetores {x0, x1, x2,
…, xk, …} que deve convergir para a solução x do
sistema
x (0)
1
x (1)
1
 x1( 2 )   x1( k ) 
       
 x2( 0 )   x2(1)   x2( 2 )   x2( k ) 
       
 x (0)   x (1)   x ( 2)    x(k ) 
 3   3   3   3 
           
       
       
 xn( 0 )   xn(1)   xn( 2 )   xn( k ) 
Métodos Iterativos
 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.
Métodos Iterativos – Funcionamento
 Os métodos iterativos funcionam a partir da
transformação do sistema linear Ax = b em x = Cx + g,
onde:
 A: matriz dos coeficientes (n x n)
 x: vetor das variáveis (n x 1)
 b: vetor dos termos constantes, (n x 1)
 C: matriz n x n
 g: vetor n x 1
Métodos Iterativos – Funcionamento
 Conhecida a estimativa inicial, x(0), obtemos
consecutivamente os vetores:
x (1)  Cx ( 0)  g , (primeira aproximação)

x ( 2 )  Cx (1)  g , (segunda aproximação)

x ( k )  Cx ( k 1)  g , (k - ésima aproximação)
 De um modo geral, a aproximação x(k+1) é calculada

pela fórmula:
x(k+1) = C x(k) + g, k = 0, 1, ...
chamada de função de iteração, dada na
forma matricial
Sistemas Lineares
Gauss - Jacobi

wpassos@ufsj.edu.br
Método de Gauss – Jacobi
 Dado o sistema linear:
 a11 x1  a12 x2  ...  a1n xn  b1

a x  a x  ...  a x  b
 21 1 22 2 2n n 2

     
an1 x1  an 2 x2  ...  ann xn  bn
e supondo aii  0, i = 1, …, n.
Isolamos então o vetor x mediante a separação pela
diagonal. Assim, a partir da primeira equação do
sistema:
a11 x1  a12 x2  ...  a1n xn  b1
1
obtemos: x1  (b1  a12 x2  a13 x3  ...  a1n xn )
a11
e, analogamente:
1
x2  (b2  a21 x1  a23 x3  ...  a2 n xn )
a22

1
xn  (bn  an1 x1  an 2 x2  ...  ann 1 xn 1 )
ann
 Dessa forma, temos x = C x + g, onde:
 x1   0  a12 a11  a13 a11   a1n a11   x1   b1 / a11 

 x   a a
 2   21 22 0  a23 a22   a2 n a22   x2  b2 / a22 
 x3     a31 a33  a32 a33 0   a3n a33   x3    b3 / a33 
      
            
 xn   an1 ann  an 2 ann  an 3 ann  0   xn  bn / ann 
x(k+1) C x(k) g
(0)
 O método de Gauss-Jacobi consiste em, dado x ,
1 k 
aproximação inicial, obter x ..., x ... através da
 k 1
relação recursiva x  Cx k   g :
 ( k 1) 1
x
 1  (b 1  a x
12 2
(k )
 a x
13 3
(k )
 ...  a1n n )
x (k )
a11

 ( k 1) 1
 2
x  ( b 2  a x
21 1
(k )
 a x
23 3
(k )
 ...  a 2n n )
x (k )
 a22
     

 ( k 1) 1
x
 n  ( b n  a x
n1 1
(k )
 a x
n2 2
(k )
 ...  a x (k )
n , n 1 n 1 )
 ann
 k 1
 O processo é repetido até que o vetor x esteja
k 
suficientemente próximo ao vetor x
 A distância entre duas iterações é dada por
d (k 1)  max xi(k 1) - xi(k)

assim, dada uma precisão  , o vetor x  k 1 será
escolhido como x , solução aproximada da solução
exata, se d (k 1)  
 Podemos utilizar também como critério de parada o a

distância relativa: (k 1)
d
d (k 1)
r  ( k 1)

max x i 
 Exemplo: Resolva o sistema abaixo utilizando Gauss-
 0,7 
Jacobi com x ( 0 )  - 1,6 e   0,05 :
 0,6 
10 x1  2 x2  x3  7

 x1  5 x2  x3   8
 2 x  3 x  10 x  6
 1 2 3
Jacobi :
10 x1  2 x2  x3  7

 x1  5 x2  x3   8
 2 x  3 x  10 x  6
 1 2 3
O processo iterativo é dado por:
 ( k 1) 1 2 (k ) 1 (k ) 7
 x1  (7  2 x2  x3 )  0 x1  x2  x3 
(k ) (k ) (k )
10 10 10 10

 ( k 1) 1
5
 (k ) (k )
 1 (k )
 x2   8  x1  x3   x1  0 x2  x3 
5
(k ) 1 (k ) 8
5 5

 ( k 1) 1
  2 (k ) 3 (k )
 x3  10 6  2 x1  3 x2   10 x1  10 x2  0 x3  10
(k ) (k ) (k ) 6

Jacobi :
10 x1  2 x2  x3  7

 x1  5 x2  x3   8
 2 x  3 x  10 x  6
 1 2 3
 k 1
Na forma matricial x  Cx k   g temos:
7/10
0 - 2/10 - 1/10  e g   - 8/5 
C  -1/5 0 -1/5 
-1/5 – 3/10 0  6/10
Jacobi :
10 x1  2 x2  x3  7

 x1  5 x2  x3   8
 2 x  3 x  10 x  6
 1 2 3
 0,7 
Assim para k=0 e x ( 0 )  - 1,6 temos:
 0,6 
 x1(1)  0,2 x2( 0 )  0,1 x3( 0 )  0,7  0,2  (1,6)  0,1 0,6  0,7  0,96
 (1)
 2
x   0, 2 x1
(0)
 0 , 2 x 3  1,6  0, 2  0,7  0,2  0,6  1,6  1,86
(0)
 (1)
x
 3   0, 2 x1
(0)
 0, 3 x 2  0,6  0,2  0,7  0,3  ( 1,6)  0,6  0,94
(0)
Jacobi :
10 x1  2 x2  x3  7

 x1  5 x2  x3   8
 2 x  3 x  10 x  6
 1 2 3
 0,96 
Logo: x (1)  C x (0)  g  - 1,86
 0,94 
Jacobi :
10 x1  2 x2  x3  7

 x1  5 x2  x3   8
 2 x  3 x  10 x  6
 1 2 3
 0,7   0,96 
Calculando d (1)
r
, para x (0)
 - 1,6 e x (1)  - 1,86 temos:
x1(1) - x1( 0 )  0,26  0,6   0,94 
0,34 0,34
(1)
x -x
2
(0)
2  0,26  d (1)
r  (1)
  0,1828  
max xi 1,86
x3(1) - x3( 0 )  0,34
Jacobi :
10 x1  2 x2  x3  7

 x1  5 x2  x3   8
 2 x  3 x  10 x  6
 1 2 3
 0,96 
Assim para k=1 e x (1)  - 1,86 temos:
 0,94 
 x1( 2 )  0,2 x2(1)  0,1 x3(1)  0,7  0,2  (1,86)  0,1 0,94  0,7  0,978
 ( 2)
 2
x   0, 2 x1
(1)
 0 , 2 x 3  1,6  0,2  0,96  0,2  0,94  1,6  1,98
(1)
 ( 2)
x
 3   0, 2 x1
(1)
 0, 3 x 2  0,6  0,2  0,96  0,3  ( 1,86)  0,6  0,966
(1)
Jacobi :
10 x1  2 x2  x3  7

 x1  5 x2  x3   8
 2 x  3 x  10 x  6
 1 2 3
0,978
Logo: x ( 2 )  C x (1)  g   - 1,98 
0,966
Jacobi :
10 x1  2 x2  x3  7

 x1  5 x2  x3   8
 2 x  3 x  10 x  6
 1 2 3
 0,96  0,978
Calculando d (2)
r
, para x (1)
 - 1,86 e x ( 2 )   - 1,98  :
x1( 2 ) - x1(1)  0,018  0,94  0,966
0,12 0,12
x ( 2)
2 -x (1)
2  0,12  d ( 2)
r  ( 2)
  0,0606  
max xi 1,98
x3( 2 ) - x3(1)  0,026
Jacobi :
10 x1  2 x2  x3  7

 x1  5 x2  x3   8
 2 x  3 x  10 x  6
 1 2 3
Prosseguindo com as iterações temos:

Para k=2
 0,9994 
  0,0324
 0,0163  
(2)
x (3)  Cx (2)  g  - 1,9888  d r 
1,9888
 0,9984 
Jacobi :
10 x1  2 x2  x3  7

 x1  5 x2  x3   8
 2 x  3 x  10 x  6
 1 2 3
Logo a solução obtida pelo método de Gauss-Jacobi é:
 0,9994 
x  x (3)  - 1,9888
 0,9984 
Método de Gauss – Jacobi – Convergência
(0)
 No exemplo estudado, o valor de x foi fornecido
como entrada do problema. Todavia, a convergência
ou não dos métodos iterativos independe da
aproximação inicial escolhida
 Teorema: Critério das Linhas

Dado um sistema Ax=b, é condição suficiente para a
convergência do método iterativo de Gauss-Jacobi:
n
a
j 1
ij  aii , para i  1, 2, 3, ..., n
j i
ou seja, o somatório do módulo de todos os elementos
da linha, exceto o elemento da diagonal principal,
deve ser menor que este elemento
 Analisando a matriz A do sistema linear do exemplo
anterior:

10 2 1 
A   1 5 1 
 2 3 10
Assim:
a11  10  a12  a13  2  1  3
a22  5  a21  a23  1  1  2
a33  10  a31  a32  2  3  5
n
Logo, como a
j 1
ij  aii para i  1, 2, 3 temos a
j i
convergência garantida para o método de Gauss-Jacobi
 Exemplo: Dado o sistema:
 x1  3 x2  x3  2

5 x1  2 x2  2 x3  3
 6 x2  8 x3  6

O critério das linhas não é satisfeito pois:

a11  1  a12  a13  3  1  4
Contudo, se permutarmos a primeira equação com a
segunda, temos o sistema linear:
 5 x1  2 x2  2 x3  3

 x1  3 x2  x3  2
 6 x2  8 x3  6

 Exemplo: Dado o sistema:
 x1  3 x2  x3  2

5 x1  2 x2  2 x3  3
 6 x2  8 x3  6

O novo sistema é equivalente ao sistema original e

sua matriz A satisfaz o critério de linhas:
5 2 2 

A  1 3 1  
0 6 8 
 Conclusão:
 Sempre que o critério de linhas não for satisfeito,

devemos tentar uma permutação de linhas e/ou colunas
de forma a obtermos uma disposição para a qual a
matriz dos coeficientes satisfaça o critério de linhas
Exercício
 Calcule as 3 primeiras iterações do método de Gauss-
Jacobi do sistema linear abaixo. Verifique, para a
ultima iteração, se a distância relativa entre x ( 3) e x ( 2 ) é
menor que   0,05 :
4 x1  2 x2  9 x3  7

5 x1  6 x2  8 x3  3
 x  2 x  15 x  5
 1 2 3
 1 2 3
(0) T
Utilize como chute inicial: x
 7,5   4,783   2,246
Sol.: x (1)   3,667 x ( 2)   5,039  x (3)   4,361 
 
 0,533   0,656  0,686 
 2,246  4,783
d ( 3)
r   1,611  
max 4,361
Sistemas Lineares
Gauss - Seidel

wpassos@ufsj.edu.br
Método de Gauss – Seidel
 Similarmente ao método de Gauss-Jacobi, conhecida a

estimativa inicial, x(0), obtemos consecutivamente os
vetores x(1), x(2), ..., x(k)
 Todavia, ao calcularmos xj(k+1), utilizamos 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
 O processo do método de Gauss - Seidel se dá a partir

das equações:
 k 1
 x1 
1
a11

b1  a12 x2k  a13 x3k  ...  a1,n 1 xnk1  a1n xnk 

 k 1
 x2 
1
a22

b2  a21 x1k 1  a23 x3k  ...  a2,n 1 xnk1  a2 n xnk 

 k 1
 x3 
1
a33

b3  a31 x1k 1  a32 x2k 1  ...  a3,n 1 xnk1  a3n xnk 

      

 x k 1 
 n
1
ann

bn  an1 x1k 1  an 2 x2k 1  ...  an ,n 1 xnk11 


0 
Seidel com x ( 0 )  0 e   0,05:
0
5 x1  x2  x3  5

3 x1  4 x2  x3  6
3 x  3 x  6 x  0
 1 2 3
Seidel:
5 x1  x2  x3  5

3 x1  4 x2  x3  6
3 x  3 x  6 x  0
 1 2 3
O processo iterativo é dado por:
 ( k 1) 1 5 1 (k ) 1 (k )
 x1  (5  x2  x3 )   x2  x3
(k ) (k )
5 5 5 5

 ( k 1) 1

 x2  6  3 x1
4
( k 1)

 x3   x1  x3
(k ) 6 3 ( k 1) 1 ( k )
4 4 4

 ( k 1) 1

 x3  6 0  3 x1
( k 1)
 3 x2 
( k 1) 0 3 ( k 1) 3 ( k 1)
  x1  x2
6 6 6

Seidel:
5 x1  x2  x3  5

3 x1  4 x2  x3  6
3 x  3 x  6 x  0
 1 2 3
0 
Assim para k=0 e x
(0)
 0 temos:
0
 x1(1)  1  0,2 x2( 0 )  0,2 x3( 0 )  1  0,2  0  0,2  0  1

 (1)
 2
x  1,5  0,75 x (1)
1  0 , 25 x3  1,5  0,75  1  0, 25  0  0,75
(0)
 (1)
x
 3  0  0,5 x1
(1)
 0,5 x (1)
2  0  0,5  1  0,5  0,75  0,875
Seidel:
5 x1  x2  x3  5

3 x1  4 x2  x3  6
3 x  3 x  6 x  0
 1 2 3
 1 
Logo: x (1)  C x (0)  g   0,75 
 0,875
Seidel:
5 x1  x2  x3  5

3 x1  4 x2  x3  6
3 x  3 x  6 x  0
 1 2 3
0   1 
Calculando d (1)
r
, para x (0)
 0 e x (1)   0,75  temos:
0  0,875
x1(1) - x1( 0 )  1
1 1
(1)
x -x
2
(0)
2  0,75  d
(1)
r  (1)
 1 
max xi 1
x3(1) - x3( 0 )  0,875
Seidel:
5 x1  x2  x3  5

3 x1  4 x2  x3  6
3 x  3 x  6 x  0
 1 2 3
 1 
Assim para k=1 e x
(1)
  0,75  temos:
- 0,875
 x1( 2 )  1  0,2 x2(1)  0,2 x3(1)  1  0,2  0,75  0,2   0,875  1,025
 ( 2)
 x2  1,5  0,75 x1  0,25 x3  1,5  0,75 1,025  0,25  0,875  0,95
( 2) (1)
 ( 2)
x
 3  0  0 ,5 x1
( 2)
 0,5 x ( 2)
2  0  0,5 1,025  0,5  0,95  0,9875
Seidel:
5 x1  x2  x3  5

3 x1  4 x2  x3  6
3 x  3 x  6 x  0
 1 2 3
 1,025 
Logo: x ( 2 )  C x (1)  g   0,95 
 0,9875
Seidel:
5 x1  x2  x3  5

3 x1  4 x2  x3  6
3 x  3 x  6 x  0
 1 2 3
 1   1,025 
Calculando d (2)
r
, para x (1)
  0,75  e x ( 2 )   0,95  :
x1( 2 ) - x1(1)  0,025  0,875  0,9875
0,2 0,2
x ( 2)
2 -x (1)
2  0,20  d
( 2)
r  ( 2)
  0,1951  
max xi 1,025
x3( 2 ) - x3(1)  0,1125
Seidel:
5 x1  x2  x3  5

3 x1  4 x2  x3  6
3 x  3 x  6 x  0
 1 2 3

Para k=3
 1,0075 
 g   0,9912   d r  0,0409  ε
( 3)
x ( 3)  C x ( 2 )
 0,9993
Seidel:
5 x1  x2  x3  5

3 x1  4 x2  x3  6
3 x  3 x  6 x  0
 1 2 3

Logo a solução obtida pelo método de Gauss-Seidel é:
 1,0075 
x  x ( 3) 
  0,9912  
 0,9993
Método de Gauss – Seidel – Convergência
 Para o método de Gauss - Seidel, utilizaremos os
seguintes critérios de convergência
 Critérios das Linhas
 Critério de Sassenfeld (novo!)
Critério de Sassenfeld
 Sejam o valores i dados por:
1 n
1  i 1 n 
1    a1 j e i    aij   j   aij 
a11 j  2 aii  j 1 j i 1 
para i  2, 3, ..., n
n - ordem do sistema linear que desejamos resolver
aij - coeficientes das equações do sistema
Este critério garante que o método de Gauss-Seidel

convergirá para um dado SEL se o valor M, definido por:
M  max 
1i  n i
for menor que 1 (M<1). Além disso, quanto menor o
valor de  mais rápida será a convergência
 Seja A a matriz dos coeficientes dada por:
1
1    a12  a13  a14 
a11
a11 a12 a13 a14 
a a a a  2 
1
  a21 1  a23  a24 
 21 22 23 24  a22
a31 a32 a33 a34  3 
1
  a31 1  a32  2  a34 
  a33
a41 a42 a43 a44  1
4    a41 1  a42  2  a43  3 
a44
 Atenção: assim como no Critério das Linhas a

permuta de equações também pode ser utilizada no
Critério de Sassenfeld com o objetivo de
garantir a convergência
 Exemplo: Mostrar que a solução do sistema a seguir
convergirá pelo método de Gauss - Seidel.
 2 x1  x2  0,2 x3  0,2 x4  0,4

 0,6 x  3x  0,6 x  0,3 x   7,8
 1 2 3 4

 0,1x1  0,2 x2  x3  0,2 x4  1
 0,4 x1  1,2 x2  0,8 x3  4 x4   10
 Exemplo: Mostrar que a solução do sistema a seguir
convergirá pelo método de Gauss - Seidel.
2,0 1,0 - 0,2 0,2

0,6 3,0 - 0,6 - 0,3 M  max  i  0, 7
A 1 i  n
- 0,1 - 0,2 1,0 0,2
0,4 1,2 0,8 4,0 Logo, como M < 1, o método de
1 Gauss – Seidel converge para o
1   1   0,2  0,2   0,7
2 sistema em questão
1
2    0,6  0,7   0,6   0,3   0,44
3
1
3     0,1  0,7   0,2  0,44  0,2   0,358
1
1
4    0,4  0,7  1,2  0,44  0,8  0,358  0,2736
4
 O exemplo anterior também satisfaz o critério das
linhas:
2,0 1,0 - 0,2 0,2
0,6 3,0 - 0,6 - 0,3
A n
- 0,1 - 0,2 1,0 0,2 a
j 1
ij  aii para i  1, 2, 3, 4
0,4 1,2 0,8 4,0 j i
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
Considerações finais – Gauss Seidel
 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 sistema linear
 Um dado sistema pode não satisfazer estes critérios e
ainda convergir
 Se um sistema satisfaz o Critério das Linhas, então

satisfará também o Critério de Sassenfeld
 Um sistema pode não satisfazer o Critério das Linhas,

porém sua convergência será garantida se satisfizer o
Considerações finais – Gauss Seidel
 Critério das Linhas x Critério de Sassenfeld
Exemplo: Seja o sistema linear abaixo:
10 x1  x2  23

 6 x1  2 x2  18
O Critério das Linhas não é satisfeito, visto que:
a 22  2  a 21  6
Todavia o Critério de Sassenfeld é satisfeito, uma vez que:
1 1
1   1  0,1 e  2    6  0,1  0,3
10 2
Convergência garantida!
Considerações finais – Métodos
Diretos/Iterativos
 Solução
 Diretos: sempre ocorre (em sistemas não singulares)
 Iterativos: ocorre sob determinadas condições
(convergência)
 Esparsidade da matriz de coeficientes

 Diretos: alteram a estrutura da matriz
 Iterativos: não alteram a estrutura da matriz
 Erros de arredondamento
 Diretos: ocorrem a cada etapa e podem acumular-se
 Iterativos: somente os erros da última etapa afetam a
solução
Exercício
 Verifique se o sistema abaixo atende ao Critério das
Linhas e/ou Critério de Sassenfeld (caso julgue
necessário, proceda com a troca de linhas. Depois,
calcule as 3 primeiras iterações do método de Gauss
– Siedel, verificando o critério de parada,   0,05 ,
a cada iteração: 4 x1  2 x2  9 x3  7

5 x1  6 x2  8 x3  3
 x  2 x  15 x  5
 1 2 3
Utilize como chute inicial: x  1 2 3

(0) T
 7,5 
7,5  1
  1,75    0,867  
(1)
Sol. x
(1)
d r
max 7,5
0,067
Exercício

5 x1  6 x2  8 x3  3
 x  2 x  15 x  5
 1 2 3

(0) T
1,026 
1,026  7,5
 0,266   6,301  
( 2)
Sol. x
( 2)
d r
max 1,026
 0,3 
Exercício

5 x1  6 x2  8 x3  3
 x  2 x  15 x  5
 1 2 3

(0) T
2,292
2,292  1,026
  1,01    0,552  
( 3)
Sol. x
( 3)
d r
max 2,292
 0,315

03 Sistemas Lineares

Enviado por

Dados do documento

Título 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

03 Sistemas Lineares

Enviado por

Direitos autorais:

Formatos disponíveis

Sistemas Lineares

Prof. Wellington Passos de Paula

Prof. Wellington Passos de Paula

 6V1  2V2  1V3  1V4  0

Nosso problema agora se resume em encontrar os valores

a11 x1  a12 x2  ...  a1n xn  b1

2, 4, -5, 4, 1, -5, 2, 4 e 5  coeficientes

O produto de uma matriz A de dimensão n x m por um

O produto de uma matriz A (n x m) por um vetor v (m x

o elemento cij é obtido pela soma dos produtos da linha

 a11 a12  a1n   x1   b1 

det( A)  a11 det( M 11 )  a12 det( M 12 )  ...  (1) n 1 a1n det( M 1n )

onde Mij é a matriz de ordem n-1 resultante da remoção

A  [a11 ]  det( A)  a11

a11 a12 a13 

 Matriz A com det (A) ≠ 0  Matriz Não Singular

 Exemplo: calcule o Determinante da Matriz abaixo:

 Precisamos fazer o cálculo utilizando a fórmula geral

 Infinitas Soluções ou Sem Solução

 Sistema Triangular Superior

 A solução é calculada pelas substituições sucessivas

As substituições sucessivas podem ser representadas por:

As substituições retroativas podem ser representadas por:

 Métodos Iterativos  Geram uma sequência de

Prof. Wellington Passos de Paula

 Para o caso de sistemas lineares n x n, com solução

Prof. Wellington Passos de Paula

 A solução encontrada para o sistema equivalente será

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

Obtemos então a seguinte matriz aumentada:

Nova matriz [Ab] e sistema linear equivalente obtido:

O novo sistema obtido é resolvido utilizando-se as

Logo, a solução x obtida é exata.

A verificação acima pode ser utilizada também para

 Solução: Pivoteamento Parcial

 Consiste em escolher o elemento de maior valor (em

 Minimiza a amplificação de erros de arredondamento

Obtemos então a seguinte matriz aumentada:

0  1,5 0,75 3,75 

0  1,5 0,75 3,75 

Maior elemento (em módulo) da segunda coluna: 5. Logo

Nova matriz [Ab]:

O novo sistema obtido é resolvido utilizando-se as

 Vamos então analisar essas 5 relações:

3) Se um múltiplo escalar de uma linha de A for somado a

det(C )  det( A)  det( B )

Pela propriedade 3, não há alteração no determinante de

det( A)   det( B )  (4  5  1,2)  24

Prof. Wellington Passos de Paula

 a11 a12  a1n 

A = matriz de coeficientes do sistema linear

1 0 0  0 u11 u12 u13  u1n 

 Fazendo Ux = y, a equação acima reduz-se a Ly = b.

 Resolvendo o sistema triangular inferior (utilizando as

 A Decomposição LU é um dos processos mais

Passo 1: Aplicar o método da Eliminação de Gauss à

Obtemos então a seguinte matriz de coeficientes:

u11 u12 u13  1  3 2 

Substituindo a matriz de coeficientes A no sistema,

 2 y1  y2  15  y2  15  2 11  y2  7

Logo: y  11 7  36

Durante este exercício surgem, normalmente, as seguintes

2) Posso multiplicar uma linha por uma constante?