Escolar Documentos
Profissional Documentos
Cultura Documentos
Introdução
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
Exemplo: Calcular tensões dos nós do circuito elétrico:
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
Exemplo: Calcular tensões dos nós do circuito elétrico:
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
Exemplo: Calcular tensões dos nós do circuito elétrico:
2 x1 4 x2 5 x3 5
4 x1 1x2 5 x3 2
2 x 4 x 5 x 1
1 2 3
onde:
Ex:
1 2 3 2 4 6
A e B 2A
4 5 6 8 10 12
Introdução
Relembrando... Multiplicação de Matrizes
Ex:
1 2 5
1
A 3 4, v x Av 11
2
5 6 17
Introdução
Relembrando... Multiplicação de Matrizes
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
na qual:
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
a11 a12
A det( A) a11a22 a21a12
a21 a22
Introdução – Classificação de Sistemas
Relembrando…. Conceito de Determinante
det( A) a11 (a22 a33 a32 a23 ) a12 (a21a33 a31a23 ) a13 (a21a32 a31a22 )
Matriz A com det (A) = 0 Matriz Singular
10 4 6 8
1 3 5 7
A
8 6 4 2
7 5 3 10
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
Introdução – Classificação de Sistemas
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
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
Introdução – Sistemas Triangulares
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
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
Introdução – Sistemas Triangulares
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
i 1
bi aij x j
j 1
xi , i 1, 2, ..., n.
aii
Introdução – Sistemas Triangulares
Sistema Triangular Inferior
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
Introdução – Sistemas Triangulares
Sistema Triangular Inferior
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
Introdução – Sistemas Triangulares
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
Introdução – Sistemas Triangulares
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
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
Introdução – Sistemas Triangulares
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
n
di c x
j i 1
ij j
xi , i n, n 1, ..., 1.
cii
Introdução – Sistemas Triangulares
Sistema Triangular Superior
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
Introdução – Sistemas Triangulares
Sistema Triangular Superior
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 Diretos
Eliminação de Gauss
a31
L3 L3 m31 L1 , na qual : m31
a11
Eliminação de Gauss – Execução
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)
Matriz aumentada:
2 3 1 5
Ab 4 4 3 3
2 3 1 1
Eliminação de Gauss
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
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
Eliminação de Gauss
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
2 3 1 5
Ab 0 2 1 7
0 6 2 6
Eliminação de Gauss
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
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
Eliminação de Gauss
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
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
Eliminação de Gauss
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
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
Eliminação de Gauss
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
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...
Eliminação de Gauss
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.
Matriz aumentada:
1 3 2 11
Ab 2 8 1 15
4 6 5 29
Eliminação de Gauss – Pivoteamento Parcial
Exemplo: Resolver o sistema linear abaixo:
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
Eliminação de Gauss – Pivoteamento Parcial
Exemplo: Resolver o sistema linear abaixo:
x1 3 x2 2 x3 11
2 x1 8 x2 1x3 15
4 x 6 x 5 x 29
1 2 3
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
Eliminação de Gauss – Pivoteamento Parcial
Exemplo: Resolver o sistema linear abaixo:
x1 3 x2 2 x3 11
2 x1 8 x2 1x3 15
4 x 6 x 5 x 29
1 2 3
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
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
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:
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
Exemplo: Calcular o determinante da matriz utilizada no
último exemplo:
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
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
1 3 2 x1 11
2 8 1 x 15
2
4 6 5 x3 29
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
1 0 0 y1 11
2 1 0 y 15
2
4 3 1 y3 29
y1 11
4 y1 3 y2 y3 29 y3 29 4 11 3 7 y3 36
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
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
3 x1 2 x2 4 x3 1
x1 x2 2 x3 2
4 x 3 x 2 x 3
1 2 3
3 x1 2 x2 4 x3 1
x1 x2 2 x3 2
4 x 3 x 2 x 3
1 2 3
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 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
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
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
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
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
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
3 x1 2 x2 4 x3 1
x1 x2 2 x3 2
4 x 3 x 2 x 3
1 2 3
3 x1 2 x2 4 x3 1
x1 x2 2 x3 2
4 x 3 x 2 x 3
1 2 3
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
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
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
Resolva o sistema linear abaixo utilizando o método direto da
Decomposição LU.
3) Posso, durante o escalonamento, colocar o multiplicador
em outra linha que não seja a linha pivotal?
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
Resolva o sistema linear abaixo utilizando o método direto da
Decomposição LU.
3) Posso, durante o escalonamento, colocar o multiplicador
em outra linha que não seja a linha pivotal?
3 2 4
A 0 1 2
0 0 12
Exercício
Resolva o sistema linear abaixo utilizando o método direto da
Decomposição LU.
3) Posso, durante o escalonamento, colocar o multiplicador
em outra linha que não seja a linha pivotal?
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
1 0 0
0 1 0
In
0 0 0 1
1 3 2 x1 11
2 8 1 x 15
2
4 6 5 x3 29
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
Decomposição LU – Pivoteamento Parcial
Exemplo:
Nova matriz de coeficientes:
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:
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
Ax = b PAx = Pb LUx = Pb
Fazendo Ux = y, então Ly = Pb
Decomposição LU – Pivoteamento Parcial
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
Decomposição LU – Pivoteamento Parcial
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:
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
Exemplo: Calcular o determinante da matriz utilizada no
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
Sistemas com Matriz Singular
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
1 0 0 y1 12 12
0,5 1 0 y 22 y 16
2
0,5 1 1 y3 10 0
Sistemas com Matriz Singular
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
Sistemas com Matriz Singular
Exemplo:
Assim, o vetor solução do sistema é dado por
x 70 6,5 16 1,5 , ou seja, o sistema Ax=b
T
1 0 0 y1 10 10
0,5 1 0 y 20 y 15
2
0,5 1 1 y3 80 70
Sistemas com Matriz Singular
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
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
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
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
Resolva o sistema linear pela Decomposição LU, utilizando o
pivoteamento parcial, e verificar a exatidão e unicidade da
solução:
a 1
L2 L2 m23 L3 , m23 21
a31 4
L2 1 2 2 1 / 4 4 0 3 0 2 11 / 4
Obtemos então a seguinte matriz de coeficientes:
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
Resolva o sistema linear pela Decomposição LU, utilizando o
pivoteamento parcial, e verificar a exatidão e unicidade da
solução:
Nova matriz de coeficientes:
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
Resolva o sistema linear pela Decomposição LU, utilizando o
pivoteamento parcial, e verificar a exatidão e unicidade da
solução:
Nova matriz de coeficientes:
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 L é então constituída pelos multiplicadores
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
Resolva o sistema linear pela Decomposição LU, utilizando o
pivoteamento parcial, e verificar a exatidão e unicidade da
solução:
Nova matriz de coeficientes:
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
Resolva o sistema linear pela Decomposição LU, utilizando o
pivoteamento parcial, e verificar a exatidão e unicidade da
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
4 0 3 x1 2
0 4 13 / 4 x 21 / 2
2
0 0 35 / 8 x3 35 / 4
x 1 1 2
T
Exercício
Resolva o sistema linear pela Decomposição LU, utilizando o
pivoteamento parcial, e verificar a exatidão e unicidade da
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
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 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
Cálculo da Matriz Inversa
Exemplo: Calcular a inversa da matriz abaixo:
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
3 0 2
A 9 1 7
1 0 1
Solução:
1 0 2
A1 2 1 3
1 0 3
Sistemas Lineares
Métodos Iterativos
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:
C: matriz n x n
g: vetor n x 1
Métodos Iterativos – Funcionamento
Conhecida a estimativa inicial, x(0), obtemos
consecutivamente os vetores:
Gauss - Jacobi
e supondo aii 0, i = 1, …, n.
Método de Gauss – Jacobi
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
Método de Gauss – Jacobi
Dessa forma, temos x = C x + g, onde:
x(k+1) C x(k) g
Método de Gauss – Jacobi
(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
Método de Gauss – Jacobi
k 1
O processo é repetido até que o vetor x esteja
k
suficientemente próximo ao vetor x
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
Método de Gauss – Jacobi
Exemplo: Resolva o sistema abaixo utilizando Gauss-
Jacobi :
10 x1 2 x2 x3 7
x1 5 x2 x3 8
2 x 3 x 10 x 6
1 2 3
( 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
Método de Gauss – Jacobi
Exemplo: Resolva o sistema abaixo utilizando Gauss-
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
Método de Gauss – Jacobi
Exemplo: Resolva o sistema abaixo utilizando Gauss-
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)
Método de Gauss – Jacobi
Exemplo: Resolva o sistema abaixo utilizando Gauss-
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
Método de Gauss – Jacobi
Exemplo: Resolva o sistema abaixo utilizando Gauss-
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
Método de Gauss – Jacobi
Exemplo: Resolva o sistema abaixo utilizando Gauss-
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)
Método de Gauss – Jacobi
Exemplo: Resolva o sistema abaixo utilizando Gauss-
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
Método de Gauss – Jacobi
Exemplo: Resolva o sistema abaixo utilizando Gauss-
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
Método de Gauss – Jacobi
Exemplo: Resolva o sistema abaixo utilizando Gauss-
Jacobi :
10 x1 2 x2 x3 7
x1 5 x2 x3 8
2 x 3 x 10 x 6
1 2 3
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
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
Método de Gauss – Jacobi – Convergência
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
Método de Gauss – Jacobi – Convergência
Exemplo: Dado o sistema:
x1 3 x2 x3 2
5 x1 2 x2 2 x3 3
6 x2 8 x3 6
5 2 2
A 1 3 1
0 6 8
Método de Gauss – Jacobi – Convergência
Conclusão:
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
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
Método de Gauss – Seidel
Exemplo: Resolva o sistema abaixo utilizando Gauss-
Seidel:
5 x1 x2 x3 5
3 x1 4 x2 x3 6
3 x 3 x 6 x 0
1 2 3
( 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
Método de Gauss – Seidel
Exemplo: Resolva o sistema abaixo utilizando Gauss-
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
(1)
x
3 0 0,5 x1
(1)
0,5 x (1)
2 0 0,5 1 0,5 0,75 0,875
Método de Gauss – Seidel
Exemplo: Resolva o sistema abaixo utilizando Gauss-
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
Método de Gauss – Seidel
Exemplo: Resolva o sistema abaixo utilizando Gauss-
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
Método de Gauss – Seidel
Exemplo: Resolva o sistema abaixo utilizando Gauss-
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
Método de Gauss – Seidel
Exemplo: Resolva o sistema abaixo utilizando Gauss-
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
Método de Gauss – Seidel
Exemplo: Resolva o sistema abaixo utilizando Gauss-
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
Método de Gauss – Seidel
Exemplo: Resolva o sistema abaixo utilizando Gauss-
Seidel:
5 x1 x2 x3 5
3 x1 4 x2 x3 6
3 x 3 x 6 x 0
1 2 3
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
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)
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
7,5
7,5 1
1,75 0,867
(1)
Sol. x
(1)
d r
max 7,5
0,067
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
1,026
1,026 7,5
0,266 6,301
( 2)
Sol. x
( 2)
d r
max 1,026
0,3
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
2,292
2,292 1,026
1,01 0,552
( 3)
Sol. x
( 3)
d r
max 2,292
0,315