Cálculo Numérico

Módulo V

Resolução Numérica de
Sistemas Lineares – Parte I

Profs.: Bruno Correia da Nóbrega Queiroz

José Eustáquio Rangel de Queiroz
Marcelo Alves de Barros
 Sistemas Lineares
◼ Forma Geral
a1 1x1 + a1 2x 2 + ... + a1n x n = b1

a2 1x1 + a2 2x 2 + ... + a2n x n = b2

    
an1 x1 + an2 x 2 + ... + ann x n = bn
onde:
aij → coeficientes
xi → incógnitas

bi → termos independentes

2
 Sistemas Lineares
◼ Exemplo 01
2 x1 + 4 x 2 − 5 x 3 = 5

4 x1 + 1x 2 − 5 x 3 = 2

2 x1 + 4 x 2 + 5 x 3 = −1

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

x1, x2 e x3 → incógnitas
5, 2 e -1 → termos independentes

3
 Sistemas Lineares
◼ Forma Matricial

Ax = b
na qual:

 a11 a12  a1n 

   b1   x1 
 a21 a22  a2 n  b  x 
A=  b =  2 x =  2
           
   bn   xn 
 an1 an2 an 3 ann 

4
 Sistemas Lineares
◼ Exemplo 02
Forma Geral
2x1 + 4x2 − 5x 3 = 5
4x1 + 1x2 − 5x 3 = 2
2x1 + 4x2 + 5x 3 = −1
Forma Matricial
2 4 − 5  x1   5 
4 1 − 5. x2  =  2 
2 4 5   x   − 1
   3  
5
 Sistemas Lineares
◼ Classificação I
Impossível → Não possui solução
⚫ Exemplo 03

 x1 + x 2 = 3

2 x1 + 2 x 2 = 9

6
 Sistemas Lineares
◼ Classificação II
Possível → Possui 1 ou mais soluções
⚫ Determinado → Solução única
⧫ Exemplo 04

 x1 + x 2 = 4
x − x = 8
 1 2

7
 Sistemas Lineares
◼ Classificação III
Possível → Possui 1 ou mais soluções
⚫ Indeterminado → Mais de uma solução
⧫ Exemplo 05

 x1 + x 2 = 4

2 x1 + 2 x 2 = 8

8
 Sistemas Lineares
◼ Classificação IV
Possível → Possui 1 ou mais soluções
⚫ Homogêneo → Vetor b=0 (x=0 sempre
existe solução)
⧫ Exemplo 06
 x1 + x 2 = 0

2 x1 + 3 x 2 = 0

9
 Sistemas Lineares
◼ Sistemas Triangulares:
Possibilidade de resolução de forma
Direta
⚫ Inferior
 a11 0 0  0 
a a22 0  0 
21
A =  a31 a32 a33  0 


      
 an1 an 2 an 3  ann 

10
 Sistemas Lineares
◼ Sistemas Triangulares:
Possibilidade de resolução de forma
Retroativa
⚫ Superior
 a11 a12 a13  a1n 
 0 a a23  a2 n 
22

A= 0 
 0 a33  a3 n 
      
 0 0 0  ann 

11
 Solução Retroativa
◼ Exemplo 7:

Dado o sistema:
3 x 1 +4 x 2 −5 x 3 + x4 = −10
x2 + x3 − 2 x4 = −1
4 x3 − 5 x4 = 3
2 x4 = 2
Primeiro passo para sua resolução:
2
x4 = =1
2

12
 Solução Retroativa
◼ Exemplo 7:

Segundo passo:
4 x3 − 5 x4 = 3
4 x3 − 5  1 = 3
x3 = 2

Terceiro passo:
x 2 + x 3 − 2 x 4 = −1
x 2 + 2 − 2  1 = −1
x 2 = −1

13
 Solução Retroativa
◼ Exemplo 7:

Último passo:
3 x1 + 4 x 2 − 5 x 3 + x 4 = −10
3 x1 + 4  ( −1) − 5  2 + 1 = −10
x1 = 1

14
 Métodos Numéricos
◼ Diretos
Solução pode ser encontrada a partir de um
número finito de passos
⚫ Método de Gauss
⚫ Método da Eliminação de Jordan
⚫ Fatoração LU

15
 Métodos Numéricos
◼ Iterativos
Solução a partir de uma seqüência de
aproximações para o valor do vetor solução
x , até que seja obtido um valor que satisfaça
à precisão pré-estabelecida
⚫ Método de Jacobi
⚫ Método de Gauss – Seidel

16
 Método de Gauss
◼ Propósito
 Transformação do sistema linear a ser
resolvido em um sistema linear triangular;
 Resolução do sistema linear triangular de
forma retroativa.

17
 Método de Gauss
◼ Transformação do Sistema Linear
 Troca da ordem das linhas;
 Multiplicação de uma das equações por
um número real não nulo;
 Substituição de uma das equações por
uma combinação linear dela mesma com
outra equação.

18
 Método de Gauss
◼ Passos do Método de Gauss

Construção da matriz aumentada Ab

 a11 a12  a1n b1 

a 
Ab  =  21 22
a



a2n

b 2
 


an1 an2 an 3 ann bn 

19
 Método de Gauss
◼ Passos do Método de Gauss
Passo 1:
⚫ Eliminar os coeficientes de x1 presentes
nas linhas 2,3,...,n - sendo a21 = a31, = ...
= an1 = 0 - sendo a11 chamado de pivô da
coluna
⚫ Substituir a linha 2, L2, pela combinação
linear
a21
L2 − m21  L1 , na qual : m21 =
a11

20
 Método de Gauss
◼ Passos do Método de Gauss

Substituir a linha 3, L3, pela combinação

linear:
a31
L3 = L3 − m31  L1 , na qual : m31 =
a11

21
 Método de Gauss
◼ Passos do Método de Gauss

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.

22
 Método de Gauss
◼ Passos do Método de Gauss

Eliminar os coeficientes de x2 nas linhas

3, 4, ..., n (fazer a32=a42=...=an2 = 0);

Eliminar os coeficientes de x3 nas linhas

4, 5, ..., n (fazer a43=a53=...=an3 = 0) e
assim sucessivamente.

23
 Método de Gauss
◼ Exemplo 8:

Resolver o sistema:
2 x1 + 3 x 2 − x 3 = 5
4 x1 + 4 x 2 − 3 x 3 = 3
2 x 1 − 3 x 2 + x 3 = −1
⚫ Matriz aumentada Ab
2 3 −1 5
Ab = 4 4 −3 3
2 −3 1 − 1
24
 Método de Gauss
◼ Exemplo 8:

Faz-se:
a21
L2 = L2 − m21  L1 , m21 = =2
a11
Assim:
L2 = 4 4 −3 3  − 2  2 3 −1 5 
L2 = 0 − 2 − 1 − 7 

25
 Método de Gauss
◼ Exemplo 8:

Faz-se:
a31
L3 = L3 − m31  L1 , m23 = =1
a11

Assim:
L3 = 2 −3 1 −1 − 1  2 3 −1 5 
L3 = 0 − 6 2 − 6

26
 Método de Gauss
◼ Exemplo 8:

Obtém-se a matriz:
 2 3 −1 5 
Ab  = 0 − 2 − 1 − 7 
0 − 6 2 − 6 

27
 Método de Gauss
◼ Exemplo 8:

Substituindo a linha 3 por:

a32
L3 = L3 − m32  L1 , m32 = =3
a22
Têm-se:
L 3 = 0 − 6 2 − 6 − 3  0 − 2 − 1 − 7
L 3 = 0 0 5 15

28
 Método de Gauss
◼ Exemplo 8:

A matriz [Ab] fica assim com os seguintes

valores:
2 3 −1 5
Ab = 0 −2 −1 − 7
0 0 5 15 

29
 Método de Gauss
◼ Exemplo 8:
Usa-se a solução retroativa:
5x 3 = 15  x 3 = 3


 − 2x 2 − x 3 = −7  −2x 2 − 3 = 7  x 2 = 2

2x + 3  x − x = 5 
 1 2 3
 2x +6 − 3 = 5  2x = 2  x = 1
 1 1 1

30
 Método de Gauss
◼ Exemplo 9:

Resolver o sistema.
1 ,5 x1 + 5 ,4 x 2 + 3 ,3 x 3 = 10
4 ,2 x1 + 2 ,3 x 2 + 4 ,5 x 3 = 11,7
2 ,7 x1 + 5 ,7 x 2 + 7 ,8 x 3 = 8 ,9
Representando o sistema pela matriz
aumentada:
 1 ,5 5 ,4 3 ,3 10 
[ AB ] =  4 ,2 2 ,3 4 ,5 11,7 
2 ,7 5 ,7 7 ,8 8 ,9 
 
31
 Método de Gauss
◼ Exemplo 9:

Escolhendo a primeira linha como pivô,

obtém-se:
L 2 = L 2 − m21  L1 = 4,2 2,3 4,5 11,7  −
(4,2/1,5)  1,5 5,4 3,3 10 
L 2 =  0 − 12,82 − 4,74 − 16,3 
L 3 = L 3 − m31  L1 = 2,7 5,7 7,8 8,9 −
(2,7/1,5)  1,5 5,4 3,3 10 
L 3 =  0 − 4,02 − 1,86 − 9,1 

32
 Método de Gauss
◼ Exemplo 9:

Representando o sistema pela matriz

aumentada:

1,5 5,4 3,3 10 

[AB] =  0 − 12,82 − 4,74 − 16,3 
 0 − 4,02 − 1,86 − 9,1 

33
 Método de Gauss
◼ Exemplo 9:

Escolhendo agora a segunda linha como

pivô, têm-se:
L 3 = L 3 − m32  L1
L 3 = 0 − 4,02 − 1,86 − 9,1 −
(− 4,02/ − 12,82)  0 − 12,82 − 4,74 − 16,3
L 3 = 0 0 3,3463 − 3,9888

34
 Método de Gauss
◼ Exemplo 9:

Obtêm-se a seguinte matriz ampliada:

1,5 5,4 3,3 10 
[AB] =  0 − 12,82 − 4,74 − 16,3 
 0 0 3,3463 − 3,9888

35
 Método de Gauss
◼ Exemplo 9:

 O que termina com a triangulação:

1,5x1 + 5,4  x 2 + 3,3  x 3 = 10


0  x1 − 12,82  x 2 − 4,74  x 3 = −16,3
0  x + 0  x + 3,3463  x = −3,9888
 1 2 3

36
 Método de Gauss
◼ Exemplo 9:
Com solução:
x3 = -3,9888/3,3463=-1,1918
x2 =[ -16,3 - (-4,74)(-1,1920)]/(-12,82) = 1,7121
x1 = [10 - 5,4(1,7122) - 3,3(-1,1920)]/1,5 = 3,1251

37
 Método do Pivoteamento Parcial
◼ Semelhante ao método de Gauss;

◼ Minimiza a amplificação de erros de

arredondamento durante as eliminações;

◼ Consiste em escolher o elemento de

maior módulo em cada coluna para ser o
pivô.

38
 Método do Pivoteamento Parcial
◼ Exemplo 10:

 Resolver o sistema com precisão de 4

casas decimais

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

4,2x1 + 2,3x2 + 4,5x 3 = 11,7
2,7x1 + 5,7x2 + 7,8x 3 = 8,9

39
 Método do Pivoteamento Parcial
◼ Exemplo 10:
Matriz aumentada original deve ser
ajustada:

1,5 5,4 3,3 10 

4,2 2,3 4,5 11,7
2,7 5,7 7,8 8,9 
 
4,2 2,3 4,5 11,7
1,5 5,4 3,3 10 
2,7 5,7 7,8 8,9 
 
40
 Método do Pivoteamento Parcial
◼ Exemplo 10:

Sistema inalterado, elemento pivô 4,2.

Encontrar as novas linhas:
L 2 = L 2 − m21  L1 = [1,5 5,4 3,3 10] −
(1,5/4,2)  [ 4,2 2,3 4,5 11,7]
L 2 = [0 4,5786 1,6929 5,8214 ]
L 3 = L 3 − m31  L1 = [2,7 5,7 7,8 8,9] −
(2,7/4,2)  [ 4,2 2,3 4,5 11,7]
L 3 = [0 4,2214 4,9071 1,3786 ]
41
 Método do Pivoteamento Parcial
◼ Exemplo 10:

A matriz ampliada fica da forma:

 4,2 2,3 4,5 11,7 
 0 4,5786 1,6929 5,8214
 
 0 4,2214 4,9071 1,3786

Como o elemento 4,5786 já é o pivô da 2ª

coluna, tem-se:
L 3 = L 3 − m32  L 2 = [0 4,2214 4,9071 1,3786 ] −
(4,2214/4, 5786)  [0 4,5786 1,6929 5,8214 ]
L 3 = [0 0 3,3463 − 3,9886 ]
42
 Método do Pivoteamento Parcial
◼ Exemplo 10:

A matriz ampliada fica na forma:

 4,2 2,3 4,5 11,7 

 0 4,5786 1,6929 5,8214 
 
 0 0 3,3463 - 3,9886

43
 Método do Pivoteamento Parcial
◼ Exemplo 10:

A solução do sistema triangular que

resultou dessas operações é:
x3 = -3,9886/3,3463 = -1,1919
x2 = [5,8214-1,6929(-1,1919)]/(4,5786) = 1,7121
x1 = [11,7- 2,3(1,7121)- 4,5(-1,1919)]/4,2 = 3,1252

44
 Método do Pivoteamento Parcial
Exemplo 9: Exemplo 10 (com pivoteamento):

x3 = -1,1918 x3 = -1,1919
x2 = 1,7121 x2 = 1,7121
x1 = 3,1252 x1 = 3,1251

Solução encontrada no Matlab:

x1 = -1,19198135198135
x2 = 1,71216783216783
x3 = 3,12522144522145

45
 Método de Jordan
◼ Consiste em efetuar operações sobre as
equações do sistema, com a finalidade de
obter um sistema diagonal equivalente;

◼ Um sistema diagonal é aquele em que os

elementos aij da matriz coeficiente [A]
são iguais a zero, para i≠j,

i, j = 1,2,...,n.

46
 Método de Jordan
◼ Sistema diagonal equivalente:

a11 0 0  0 
 0 a 0  0 
22
[A] =  0 0 a33  0 


     
 0 0 0  ann 

47
 Método de Jordan
◼ Exemplo 11:

A partir do sistema:
x1 + 5 x 2 + x 3 = 1
5 x1 + 2 x 2 + 3 x 3 = 2
2 x1 + 3 x 2 + 2 x 3 = 4
Com matriz aumentada:
 1 5 1 1  5 2 3 2 
Ab  = 5 2 3 2 =  1 5 1 1
2 3 2 4  2 3 2 4 
48
 Método de Jordan
◼ Exemplo 11:

Substituindo a linha 2 por:

L 2 = L 2 − m21  L1 = 1 5 1 1 − (1/5)  5 2 3 2,
a21
L 2 = 0 4,6 0,4 0,6, m21 = = 1/5 = 0,2
a11
Substituindo a linha 3 por :
L 3 = L 3 − m31  L1 = 2 3 2 4 − (2/5)  5 2 3 2
a31
L 3 = 0 2,2 0,8 3,2, m31 = = 2/5 = 0,4
a11
49
 Método de Jordan
◼ Exemplo 11:

A matriz ampliada resulta em:

5 2 3 2 
Ab = 0 4,6 0,4 0,6
0 2,2 0,8 3,2
 
Substituindo a linha 3 por:
L3 = L3 − m32  L2 = 0 2,2 0,8 3,2 − (2,2/4,6)  0 4,6 0,4 0,6
a32
L3 = 0 0 0,609 2,913, m32 = = 2,2/4,6 = 0,478
a22

50
 Método de Jordan
◼ Exemplo 11:

A matriz ampliada resulta em:

5 2 3 1 
Ab = 0 4,6 0,4 0,6 
0 0 0,609 2,913
 

Substituindo a linha 2 por

L 2 = L 2 − m23  L 3 = 0 4,6 0,4 0,6 −
(0,4/0,609)  0 0 0,609 2,913

L 2 = 0 4,6 0 − 1,313
51
 Método de Jordan
◼ Exemplo 11:

Matriz ampliada resulta em:

5 2 3 1 
Ab = 0 4,6 0 − 1,313
0 0 0,609 2,913 
 
Substituindo a linha 1 por
L1 = 5 2 3 1 − (2/4,6)  0 4,6 0 −1,313,
a12
L1 = 5 0 3 1,571, m12 = = 2/4,6
a22

52
 Método de Jordan
◼ Exemplo 11:
Substituindo a linha 1 por:
L1 = 5 0 3 1,571 −
(3/0.609)  0 0 0,609 2,913
a13
L1 = 5 0 0 − 12,779 m13 = = 3/0,609
a33
A matriz ampliada fica da seguinte forma:
5 0 0 −12,779
Ab = 0 4,6 0 − 1,313 
0 0 0.609 2,913 
53
 Método de Jordan
◼ Exemplo 11:

E as soluções são:
⚫ x1 =-2,556 , x2= -0,285, x3=4,783

54
 Decomposição em LU
◼ O objetivo é fatorar a matriz dos
coeficientes A em um produto de duas
matrizes L e U.
Seja:
1 0 0  0 u11 u12 u13  u1n 
l21 1 0  0  0 u22 u23  u2n 
LU = l31 l32 1  0   0
 0 u33  u3n 

     0       
ln1 ln2 ln3  1  0 0 0  unn 

55
 Decomposição em LU
◼ E a matriz coeficiente A:
a11 a12  a1n 
a a  a 
A= 21 22 2 n

     
an1 an2 an3 ann 
Tem-se, então:
1 0 0  0 u11 u12 u13  u1n 
a11 a12  a1n 
a
l21 1 0  0  0 u22 u23  u2n 
a22  a2n 
A =       = [LU] =
21 l l
 31 32
1  0   0
 0 u33  u3n 

       0       
an1 an2 an3 ann  ln1 ln2 ln3  1  0 0 0  unn 

56
 Decomposição em LU
◼ Para se obter os elementos da matriz L e
da matriz U, deve-se calcular os
elementos das linhas de U e os elementos
da colunas de L como segue.

57
 Decomposição em LU
◼ 1ª linha de U: Faze-se o produto da 1ª
linha de L por todas as colunas de U e a
iguala com todos os elementos da 1ª
linha de A, assim:
1  u11 = a11  u11 = a11 ,
1  u = a  u = a ,
 12 12 12 12
 
1  u1n = a1n  u1n = a1n ,
u = a , j = 1,2,...,n.
 1j 1j

58
 Decomposição em LU
◼ 1ª coluna de L: Faz-se o produto de todas
as linhas de L, (da 2ª a até a nª), pela 1ª
coluna de U e a iguala com os elementos
da 1ª coluna de A, (abaixo da diagonal
principal), obtendo ,
 a21
l21  u11 = a21  l21 = ,
 u11
a
l31  u11 = a31  l31 = 31 ,

 u11
 
l  u = a  l = al1 ,
 l1 11 l1 l1
u11
 al1
l
 l1 = , l = 1,2,..., n.

 u11
59
 Decomposição em LU
◼ 2ª linha de U: Faz-se o produto da 2ª
linha de L por todas as colunas de U, (da
2ª até a nª), e igualando com os
elementos da 2ª linha de A, (da diagonal
principal em diante), obtêm-se ,
l21  u12 + u22 = a22  u22 = a22 − l21  u12 ,


l21  u13 + u23 = a23  u23 = a23 − l21  u13 ,

 

l21  u1n + u2n = a2n  u2n = a2n − l21  u1n ,

u2 j = a2 j − l21  u1 j , j = 3,..., n.


60
 Decomposição em LU
◼ 2ª coluna de L: Faz-se o produto de todas
as linhas de L (da 3ª até a nª) pela 2ª
coluna de U e a iguala com os elementos
da 2ª coluna de A, (abaixo da diagonal
principal), obtendo ,
 a32 − l31  u12
l 
 31 12u + l32  u22 = a 32  l32 = ,
 u22
a − l41  u12
l41  u12 + l42  u22 = a42  l42 = 42 ,

 u 22
 
l  u + l  u = a  l = al2 − ll1  u12 ,
 l1 12 l2 22 l2 l2
u22
 al2 − ll1  u12
l
 l2 = , l = 3,..., n.

 u22

61
 Decomposição em LU
◼ Temos a seguinte fórmula geral:
 l −1
ulj = alj −



k =1
llk  ukj , l  j,

l = (a −
 lj


lj l lk  ukj) / u jj , l  j.

62
 Decomposição em LU
◼ Resumo de Passos:
Seja um sistema Ax = b de ordem n, onde
A satisfaz as condições da fatoração LU.
Então, o sistema Ax = b pode ser escrito
como:
⚫ LUx = b

63
 Decomposição em LU
◼ Resumo dos Passos:
Fazendo Ux = y, a equação acima reduz-
se a Ly = b.
Resolvendo o sistema triangular inferior
Ly = b, obtém-se o vetor y.

64
 Decomposição em LU
◼ Resumo dos Passos:
 Substituição do valor de y no sistema
Ux = y  Obtenção de um sistema
triangular superior cuja solução é o vetor
x procurado;
 Aplicação da fatoração LU na resolução
de sistemas lineares  Necessidade de
solução de dois sistemas triangulares

65
 Erros - Avaliação de Erros
◼ No sistema Ax = b , no qual:
a11 a12  a1n   x1  b1 
a a22  a2n  x  b 
[A] =  21
 x =  2 b =  2
           
an1 an2  ann   xn  bn 

o erro da solução é x – x’ .

66
 Erros - Avaliação de Erros
◼ Procedimento de Determinação do Erro
 Determinar:
⚫ Ax’ = b’

67
 Erros – Resíduo
◼ Procedimento de Determinação do Erro
 Fazer:
⚫ Resíduo = b – b’
Resíduo = b – b’ = Ax - Ax’ = A(x – x’) = Aerro

68
 Erros – Resíduo
◼ Verifica-se que:
O resíduo não é o erro, apenas uma
estimativa do mesmo;
Quanto menor for o resíduo, menor será
o erro.

69
 Erros – Resíduo
◼ Exemplo 12:
Refinar a solução do sistema:
1,5x1 + 5,4x2 + 3,3x 3 = 10
4,2x1 + 2,3x2 + 4,5x 3 = 11,7
2,7x1 + 5,7x2 + 7,8x 3 = 8,9
Cuja solução encontrada através pelo
método de Gauss, utilizando a solução
retroativa é:
x(0) = [3,1252 1,7121 - 1,1918]´

70
 Erros – Resíduo
◼ Exemplo 12:
O resíduo calculado é:
 − 0.0002
r (0) = b − Ax (0) =  − 0.0006
 − 0.0010

Vê-se pelo resíduo que a precisão

alcançada não foi satisfatória.
O vetor x(0) é chamado de vetor solução.

71
 Erros – Resíduo
◼ Exemplo 12:
Com o intuito de melhorar a solução,
considera-se um novo vetor x(1) chamado
de vetor solução melhorado.

72
 Erros – Resíduo
◼ Exemplo 12:
De forma que : x(1) = x(0) + δ(0), onde δ(0) é
o vetor de correção. Assim:

Ax(1) = b
A ( x (0 ) +  (0 ) ) = b
Ax(0) + A (0) = b
A (0) = b − Ax(0)
A ( 0 ) = r ( 0 )

73
 Erros – Resíduo
◼ Exemplo 12:

Calcular o vetor de correção:

 δ
1,5 5,4 3,3 10     −0,0002 
1 
4,2 2,3 4,5 11,7.δ 2  =  − 0,0006 
2,7 5,7 7,8 8,9    
  δ 3   − 0,0010 

74
 Erros – Resíduo
◼ Exemplo 12:

A solução é:
0,0000
δ (0) 
= 0,0001 
0,0002

75
 Erros – Resíduo
◼ Exemplo 12:

Desta forma, a solução melhorada será:

3,1252 
x (1)
=x (0) (0)
+δ = 1,7122 
 
 − 1,1920

76
 Erros – Resíduo
◼ Exemplo 12:

Cujo novo resíduo é:

0,0000
(1) (1)  
r = b − Ax = 0,0000
0,0000
 

77
 Erros – Resíduo
◼ Exemplo 12:
Em exemplos onde o resíduo ainda não
seja satisfeito pode-se utilizar o mesmo
procedimento:

x(2)=x(1)+δ(1)
Assim, o vetor correção δ(1), será
calculado por A δ(1) =r(1).

78
 Erros – Resíduo
◼ Exemplo 12:

Acha-se assim, sempre uma solução

melhorada e com resíduo tendendo a
zero.

79
 Sistemas Lineares - Bibliografia
 Ruggiero, M. A. Gomes & Lopes, V. L. da R. Cálculo
Numérico: Aspectos teóricos e computacionais.
MAKRON Books, 1996, 2ª ed.
 Asano, C. H. & E. Cálculo Numérico:
Colli,
Fundamentos e Aplicações. Departamento de
Matemática Aplicada – IME/USP, 2007.
 Sanches, I. J. & Furlan, D. C. Métodos Numéricos.
DI/UFPR, 2006.
 Paulino, C. D. & Soares, C. Erros e Propagação de
Erros, Notas de aula, SE/ DM/ IST [Online]
http://www.math.ist.utl.pt/stat/pe/qeb/semestr
e_1_2004-2005/PE_erros.pdf [Último acesso 07
de Junho de 2007].
80