Parte 3 Sistemas Lineares Calculo Numerico Unit 2016 1

CÁLCULO NUMÉRICO
PARTE 3:
RESOLUÇÃO NUMÉRICA DE
SISTEMAS LINEARES
Prof. Msc. Cassius Gomes

RESOLUÇÃO NUMÉRICA DE SISTEMAS LINEARES
► Uma equação linear é uma equação na forma:
𝑎𝑛 𝒙𝒏 + 𝑎𝑛−1 𝒙𝒏−𝟏 + ⋯ + 𝑎1 𝒙𝟏 + 𝑎0 𝒙𝟎 = 𝑏
sendo:
 𝑎𝑛 , 𝑎𝑛−1 , … , 𝑎1 , 𝑎0 os coeficientes da equação;
 𝒙𝒏 , 𝒙𝒏−𝟏 , … , 𝒙𝟏 , 𝒙𝟎 são as incógnitas;
 𝑏 é o termo independente.
► Um sistema de equações lineares de 𝑚 equações e 𝑛

incógnitas pode ser escrito na forma:
𝑎11 𝑥1 + 𝑎12 𝑥2 + 𝑎13 𝑥3 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑏1

𝑎21 𝑥1 + 𝑎22 𝑥2 + 𝑎23 𝑥3 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 𝑏2
𝑎31 𝑥1 + 𝑎32 𝑥2 + 𝑎33 𝑥3 + ⋯ + 𝑎3𝑛 𝑥𝑛 = 𝑏3
⋮
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + 𝑎𝑚3 𝑥3 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 = 𝑏𝑚
sendo 𝑎𝑖𝑗 ∈ ℝ, os coeficientes do sistema, 𝑏𝑖 os termos

independentes e 𝑥𝑖 são as incógnitas.
► Resolver um sistema de equações lineares é

determinar, se existir, os valores das incógnitas 𝑥𝑖 ,
𝑖 = 1,2, … , 𝑛 de forma que todas as 𝑚 equações
sejam satisfeitas.
► Um sistema linear esta na forma normal ou geral,

quando é escrito na forma:
𝑎11 𝑥1 + 𝑎12 𝑥2 + 𝑎13 𝑥3 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑏1

𝑎21 𝑥1 + 𝑎22 𝑥2 + 𝑎23 𝑥3 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 𝑏2
𝑎31 𝑥1 + 𝑎32 𝑥2 + 𝑎33 𝑥3 + ⋯ + 𝑎3𝑛 𝑥𝑛 = 𝑏3
⋮
► Um sistema de equações lineares está na forma

matricial, quando é escrito na forma 𝐴𝑋 = 𝑏:
𝑎11 𝑎12 … 𝑎1𝑛 𝑥1 𝑏1

𝑎21 𝑎22 … 𝑎2𝑛 𝑥2 𝑏2
𝑎31 𝑎32 … 𝑎3𝑛 𝑥3 = 𝑏3
⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑛 𝑥𝑛 𝑏𝑚
► Naforma de matriz aumentada temos o sistema de

equações lineares escrito na forma:
𝑎11 𝑎12 … 𝑎1𝑛 ⋮ 𝑏1

𝑎21 𝑎22 … 𝑎2𝑛 ⋮ 𝑏2
𝐴 ⋮ 𝑏 = 𝑎31 𝑎32 … 𝑎3𝑛 ⋮ 𝑏3
⋮ ⋮ … ⋮ ⋮ ⋮
𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑛 ⋮ 𝑏𝑚
► Em relação ao número de soluções, podemos

classificar um sistema de equações lineares 𝐴𝑋 = 𝑏
da seguinte forma:
► COMPATÍVEL: quando possui solução
 Determinado: solução única
 Indeterminado: infinitas soluções
► INCOMPATÍVEL: não possui solução.

► Dizemos que o sistema linear 𝐴𝑋 = 𝑏 é homogêneo

quando o vetor (matriz coluna) dos termos
independentes 𝑏 = [𝑏𝑗 ] é nula. Neste caso, temos o
sistema linear na forma:
𝑎11 𝑥1 + 𝑎12 𝑥2 + 𝑎13 𝑥3 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 0

𝑎21 𝑥1 + 𝑎22 𝑥2 + 𝑎23 𝑥3 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 0
𝑎31 𝑥1 + 𝑎32 𝑥2 + 𝑎33 𝑥3 + ⋯ + 𝑎3𝑛 𝑥𝑛 = 0
⋮
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + 𝑎𝑚3 𝑥3 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 = 0
► Podemos determinar, se existir, uma solução de um

sistema de equações lineares, através de duas classes de
métodos:
 MÉTODOS DIRETOS: A solução exata, 𝑋, se existir, é obtida

após um número finito de operações. Por exemplo: Regra
de Cramer, Eliminação de Gauss, Gauss – Jordan, etc.
 MÉTODOS ITERATIVOS: Determinamos um vetor 𝑋 (𝑘) ,

que é uma aproximação da solução exata 𝑋, se existir.
Neste caso, temos uma sequência de aproximações:
𝑋 (1) , 𝑋 2 ,𝑋 3 ,…,𝑋 𝑘 ,…
que convergem para solução exata 𝑋, do sistema linear.

Exemplos: Gauss – Jacob, Gauss-Seidel, etc.
MÉTODOS DIRETOS
► Matriz Inversa: Se no sistema linear 𝐴𝑋 = 𝑏 , o

número de equações 𝑚 é igual ao número de
incógnitas 𝑛, ou seja, 𝑚 = 𝑛, podemos através do
cálculo do det 𝐴 , obter a solução exata do sistema,
desde que det 𝐴 ≠ 0. Assim, se no sistema 𝐴𝑋 =
𝑏, temos det 𝐴 ≠ 0, então:
𝐴𝑋 = 𝑏 ⇔ 𝐴−1 𝐴𝑋 = 𝐴−1 𝑏 ⟺ 𝑋 = 𝐴−1 𝑏
► Note que neste método é então necessário o cálculo

da matriz inversa de 𝐴
► Eliminação de Gauss: Neste método, através

das seguintes operações elementares:
 Trocar a ordem de duas ou mais equações;

 Multiplicar uma equação por uma constante
diferente de zero;
 Adicionar duas equações do sistema e substituir o
resultado por uma delas.
Transformamos o sistema 𝐴𝑋 = 𝑏, em um sistema

triangular equivalente 𝐴′ 𝑋 = 𝑏′.
EXEMPLO: Utilizando o Método da Eliminação de

Gauss, determine, se existir, a solução do seguinte
sistema de equações lineares:
2𝑥1 − 𝑥2 + 6𝑥3 = 3
ቐ 4𝑥1 − 2𝑥2 + 𝑥3 = 2
𝑥1 − 5𝑥2 − 2𝑥3 = −4
► Naetapa inicial, escrevemos o sistema na forma de

matriz aumentada (estendida):
𝟐 −1 6 ⋮ 3
𝐶 0 = 4 −2 1 ⋮ 2
1 −5 −2 ⋮ −4
► Para “eliminar” os elementos 𝑎21 = 4 e 𝑎31 = 1,
utilizamos os chamados multiplicadores:
𝑎21 4 𝑎31 1
𝑚21 = = = 2 𝑒 𝑚31 = =
𝑎11 2 𝑎11 2
► O elemento 𝑎11 é o chamado pivô do estágio
► “Atualizamos” a linha 2 da seguinte forma:
𝑎21 = 𝑎21 − 𝑚21 𝑎11 = 0

𝑎22 = 𝑎22 − 𝑚21 𝑎12 = 0
𝑎23 = 𝑎23 − 𝑚21 𝑎13 = −11
𝑏2 = 𝑏2 − 𝑚21 𝑏1 = −4
► “Atualizamos” a linha 3 da seguinte forma:

𝑎31 = 𝑎31 − 𝑚31 𝑎11 = 0
−9
𝑎32 = 𝑎32 − 𝑚31 𝑎12 =
2
𝑎33 = 𝑎33 − 𝑚31 𝑎13 = −5
−11
𝑏3 = 𝑏3 − 𝑚31 𝑏1 =
2
► Temos então o seguinte sistema linear equivalente:
𝟐 −1 6 ⋮ 3
1 0 0 −11 ⋮ −4
𝐶 = 9 11
0 − −5 ⋮ −
2 2
► Trocando as linhas 2 e 3, obtemos o seguinte sistema
linear equivalente:
2 −1 6 ⋮ 3
2 −𝟗 11
𝐶 = 0 −5 ⋮ −
𝟐 2
0 0 −11 ⋮ −4
► Como o sistema já esta na forma triangular equivalente,

escrevendo este na forma normal, temos:
2 −1 6 ⋮ 3
−𝟗 11
0 −5 ⋮ −
𝟐 2
0 0 −11 ⋮ −4
2𝑥1 − 𝑥2 + 6𝑥3 = 3
−9 −11
⟹ 𝑥2 − 5𝑥3 =
2 2
−11𝑥3 = −4
► Neste caso, obtemos a solução exata:
9
𝑥1 11
9
𝑋 = 𝑥2 =
𝑥3 11
4
11
► Exemplos de funções no SCILAB, para solução

direta de sistema de equações lineares na
forma: 𝐴𝑋 = 𝑏
(1) 𝒓𝒓𝒆𝒇(𝑴): reescreve a matriz aumentada 𝑀,

na forma escalonada, sendo 𝑀 = [𝐴 𝑏]
(2) 𝒍𝒊𝒏𝒔𝒐𝒍𝒗𝒆(𝑨, −𝒃): determina, se existir, a

solução exata do sistema linear escrito na forma:
𝐴𝑋 − 𝑏 = 0
► Pivoteamento Parcial: A chamada pivotação parcial

garante que o pivô, 𝑎𝑖𝑖 seja não nulo. A escolha dos pivôs
é feita de acordo com o seguinte esquema:
 1º pivô: elemento de maior valor absoluto na coluna 1;

 2º pivô: elemento de maior valor absoluto na coluna 2;
 ⋮
 𝑘º pivô: elemento de maior valor absoluto na coluna 𝑘.
ATIVIDADE 1: Resolva o sistema linear abaixo,

utilizando a estratégia de pivoteamento parcial:
𝑥1 − 𝑥2 + 𝑥3 + 𝑥4 = −1
4𝑥1 − 2𝑥2 + 3𝑥3 + 𝑥4 = 2
𝑥1 − 5𝑥2 − 2𝑥3 + 2𝑥4 = −13
2𝑥1 + 5𝑥2 + 𝑥3 + 𝑥4 = 12
► A matriz aumentada do sistema será dada por:
1 −1 1 1 ⋮ −1
𝟒 −2 3 1 ⋮ 2
1 −5 −2 2 ⋮ −13
2 5 1 1 ⋮ 12
► Neste caso, 𝑎21 = 4, será o pivô. Assim, trocamos as
linhas 1 e 2:
4 −2 3 1 ⋮ 2
1 −1 1 1 ⋮ −1
1 −5 −2 2 ⋮ −13
2 5 1 1 ⋮ 12
► Utilizando os multiplicadores:
1 1 1
𝑚21 = 𝑚31 = 𝑚41 =
4 4 2
e realizando as seguintes operações sobre as linhas:

𝐿1 ⟵ 𝐿1
𝐿2 ⟵ 𝐿2 − 𝑚21 𝐿1
𝐿3 ⟵ 𝐿3 − 𝑚31 𝐿1
𝐿4 ⟵ 𝐿4 − 𝑚41 𝐿1
0btemos o seguinte sistema equivalente

4 −2 3 1 ⋮ 2
1 1 3 3
0 − ⋮ −
2 4 4 2
9 11 7 27
0 − − ⋮ −
2 4 4 2
−1 1
0 𝟔 ⋮ 11
2 2
► Na etapa 𝑘 = 2 , utilizamos então como pivô, o

elemento 𝑎42 = 6. Assim, devemos trocar as linhas 2
e 4:
4 −2 3 1 ⋮ 2
−1 1
0 6 ⋮ 11
2 2
9 11 7 27
0 − − ⋮ −
2 4 4 2
−1 1 3 −3
0 ⋮
2 4 4 2
► Neste caso, utilizamos os seguintes multiplicadores:
𝑎32 −3 −1
𝑚32 = = 𝑚42 =
𝑎22 4 12
► Relizando as seguinte operações sobre as linhas:

𝐿1 ⟵ 𝐿1
𝐿2 ⟵ 𝐿2
𝐿3 ⟵ 𝐿3 − 𝑚32 𝐿2
𝐿4 ⟵ 𝐿4 − 𝑚42 𝐿2
obtemos o seguinte sistema equivalente:
4 −2 3 1 ⋮ 2
−1 1
0 6 ⋮ 11
2 2
𝟐𝟓 17 21
0 0 − ⋮ −
𝟖 8 4
5 19 −7
0 0 ⋮
24 24 2
► Note que agora, não é necessário trocar as linhas,

−25
pois, o elemento 𝑎33 = , será o pivô. Assim,
8
utilizando o multiplicador:
𝑎43 −1
𝑚43 = =
𝑎33 5
e realizando sobre as linhas as operações:
𝐿1 ⟵ 𝐿1
𝐿2 ⟵ 𝐿2
𝐿3 ⟵ 𝐿3
𝐿4 ⟵ 𝐿4 − 𝑚43 𝐿3
obtemos o seguinte sistema equivalente:
4 −2 3 1 ⋮ 2
−1 1
0 6 ⋮ 11
2 2
𝟐𝟓 17 21
0 0 − ⋮ −
𝟖 8 4
14 −14
0 0 0 ⋮
15 15
► Logo, escrevendo o sistema na forma normal,

obtemos:
4𝑥1 − 2𝑥2 + 3𝑥3 + 𝑥4 = 2

1 1
6𝑥2 − 𝑥3 + 𝑥4 = 11
2 2
25 17 −21
− 𝑥3 + 𝑥4 =
8 8 4
14 14
𝑥4 = −
15 15
► Logo, temos a solução exata do sistema dada por:
𝑥1 1
𝑥2 2
𝑋= 𝑥3 =
1
𝑥4 −1
EXERCÍCIO: Resolva o seguinte sistema de equações

lineares utilizando a eliminação de Gauss, com
pivoteamento parcial.
3𝑥1 − 4𝑥2 + 𝑥3 = 9
ቐ𝑥1 + 2𝑥2 + 2𝑥3 = 3
4𝑥1 − 3𝑥3 = −2
MÉTODOS ITERATIVOS
► Neste caso, a partir de uma aproximação inicial 𝑋 0 ,

para a solução exata 𝑋ത do sistema, geramos uma
ത
sequência 𝑋 𝑘 , que converge para 𝑋.
► Por exemplo, para um sistema linear com 3

incógnitas temos, uma sequência na forma:
0 1 2 𝑘
𝑥1 𝑥1 𝑥1 𝑥1
0 0 1 1 2 2 𝑘 𝑘
𝑋 = 𝑥2 𝑋 = 𝑥2 𝑋 = 𝑥2 … 𝑋 = 𝑥2
0 1 2 𝑘
𝑥3 𝑥3 𝑥3 𝑥3
► Para estudarmos estes métodos, também é

necessário medir a “distância” entre vetores coluna
com 𝑛 elementos (incógnitas). Esta distância será
utilizada no critério de parada o método iterativo
utilizado.
► Assim, são utilizadas em geral, duas normas para o

cálculo desta distância:
► Norma Euclidiana ou 𝒍𝟐 : Dado um vetor
𝑥1
𝑥2
𝑋= 𝑥3 ∈ ℝ𝑛
⋮
𝑥𝑛
temos esta norma definida da seguinte forma:
𝑋 2
= ෍ 𝑥𝑖2
𝑖=1
► Norma do máximo ou 𝒍∞ : Dado um vetor
𝑥1
𝑥2
𝑋= 𝑥3 ∈ ℝ𝑛
⋮
𝑥𝑛
temos esta norma definida da seguinte forma:
𝑋 ∞
= max |𝑥𝑖 |
1≤𝑖≤𝑛
EXEMPLO: Calcule as normas Euclidiana ( 𝑙2 ) e do

Máximo (𝑙∞ ), para o seguinte vetor 𝑋 ∈ ℝ3 :
−1
𝑋= 3
−2
EXEMPLO: O sistema linear
3.333𝑥1 + 15.920𝑥2 − 10.333𝑥3 = 15.913

ቐ 2.222𝑥1 + 16.710𝑥2 + 9.612𝑥3 = 28.544
1.5611𝑥1 + 5.179𝑥2 + 1.685𝑥3 = 8.425
possui uma solução “exata”, obtida através do cálculo

da inversa, dada por:
𝑥1 0.4133987
𝑋 = 𝑥2 = 1.3054397
𝑥3 0.6046121
► Sepor exemplo, através de um método

numérico obtemos a solução aproximada:
𝑥1 0.437
𝑋 5 = 𝑥2 = 1.335
𝑥3 0.634
podemos determinar as “distâncias” entre 𝑋 e
𝑋5:
0.4133987 0.437
5
𝑋−𝑋 2
= 1.3054397 − 1.335
0.6046121 0.634 2
≅ 0.0479008
► Utilizando a norma 𝑙∞ , temos:
0.4133987 0.437
5
𝑋−𝑋 ∞
= 1.3054397 − 1.335
0.6046121 0.634 ∞
≅ 0.0295603
► Os métodos iterativos clássicos para resolução

numérica de sistemas lineares são:
 MÉTODO ITERATIVO DE GAUSS – JACOB
 MÉTODO ITERATIVO DE GAUSS – SEIDEL
datados do fim do século XVIII.
 Tais métodos são mais eficientes para sistemas

lineares de grande porte, economizando tempo
computacional, principalmente os esparsos, no qual
os métodos diretos são ineficientes.
► Nas técnicas iterativas, transformamos o sistema

linear 𝐴𝑋 = 𝑏 em um sistema equivalente na forma:
𝑋 = 𝑇𝑋 + 𝐶
sendo 𝑇 uma matriz e 𝐶 um vetor (matriz coluna) fixo.

MÉTODO DE GAUSS – JACOB: Dado o sistema linear
𝑎11 𝑥1 + 𝑎12 𝑥2 + 𝑎13 𝑥3 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑏1

𝑎21 𝑥1 + 𝑎22 𝑥2 + 𝑎23 𝑥3 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 𝑏2
𝑎31 𝑥1 + 𝑎32 𝑥2 + 𝑎33 𝑥3 + ⋯ + 𝑎3𝑛 𝑥𝑛 = 𝑏3
⋮
e inicialmente exigindo que 𝑎𝑖𝑖 ≠ 0 , para 𝑖 =

01,2,3, … , 𝑛, isolamos na linha 𝑖 o elemento 𝑥𝑖 . Assim,
obtemos:
−1 𝑏1
𝑥1 = 𝑎12 𝑥2 + 𝑎13 𝑥3 + ⋯ + 𝑎1𝑛 𝑥𝑛 +
𝑎11 𝑎11
−1 𝑏2
𝑥2 = 𝑎21 𝑥1 + 𝑎23 𝑥3 + ⋯ + 𝑎2𝑛 𝑥𝑛 +
𝑎22 𝑎22
⋮
−1 𝑏𝑛
𝑥𝑛 = 𝑎𝑛1 𝑥1 + 𝑎𝑛2 𝑥2 + ⋯ + 𝑎𝑛𝑛−1 𝑥𝑛−1 +
𝑎𝑛𝑛 𝑎𝑛𝑛
► Na forma matricial 𝑋 = 𝑇𝑋 + 𝐶, temos:
𝑎12 𝑎13 𝑎1𝑛

0 − − … −
𝑎11 𝑎11 𝑎11
𝑎21 𝑎23 𝑎2𝑛
− 0 − … −
𝑇= 𝑎22 𝑎22 𝑎22
⋮ ⋮ ⋮ ⋮ ⋮
𝑎𝑛1 𝑎𝑛2 𝑎𝑛3
− − − … 0
𝑎𝑛𝑛 𝑎𝑛𝑛 𝑎𝑛𝑛
𝑏1
𝑎11
𝑏2
𝐶 = 𝑎22
⋮
𝑏𝑛
𝑎𝑛𝑛
►A sequência 𝑋 𝑘 , de aproximações para a solução

exata do sistema é obtida através da equação
iterativa:
𝑘+1 𝑘
𝑋 = 𝑇𝑋 +𝐶
a partir de uma aproximação inicial 𝑋 0 e até que o

critério de parada seja satisfeito.
3
EXEMPLO: Determine a aproximação 𝑋 , para a
solução exata do sistema linear:
10𝑥1 − 𝑥2 + 2𝑥3 = 6
−𝑥1 + 11𝑥2 − 𝑥3 + 3𝑥4 = 25
2𝑥1 − 𝑥2 + 10𝑥3 − 𝑥4 = −11
3𝑥2 − 𝑥3 + 8𝑥4 = 15
Utilizando o Método Iterativo de Gauss – Jacob.

► Isolando 𝑥𝑖 , 𝑖 = 1,2,3, 4 na linha 𝑖, obtemos:
1 1 3
𝑥1 = 𝑥2 − 𝑥3 +
10 5 5
1 1 3 25
𝑥2 = 𝑥1 + 𝑥3 − 𝑥4 +
11 11 11 11
−1 1 1 11
𝑥3 = 𝑥1 + 𝑥2 + 𝑥4 −
5 10 10 10
−3 1 15
𝑥4 = 𝑥2 + 𝑥3 +
8 8 8
► Logo, pode reescrever o sistema 𝐴𝑋 = 𝑏, na forma
𝑋 = 𝑇𝑋 + 𝐶
Sendo
1 −1 1
0 0
10 5 5
1 1 −3 25 𝑥1
0 𝑥2
𝑇 = 11 11 11 𝐶 = 11 𝑋= 𝑥
−1 1 1 −11 3
0 𝑥4
5 10 10 10
−3 1 15
0 0
8 8 8
► Para uma aproximação inicial, consideramos a solução inicial:

𝑋 0 = 0, 0, 0, 0 𝑇 . Assim, obtemos 𝑋 1 , da seguinte forma:
1 1 0 1 0 3
𝑥1 = 𝑥2 − 𝑥3 + = 0.6
10 5 5
1 1 0 1 0 3 0 25
𝑥2 = 𝑥1 + 𝑥3 − 𝑥4 + = 2.2727
11 11 11 11
1 −1 0 1 0 1 0 11
𝑥3 = 𝑥1 + 𝑥2 + 𝑥4 − = −1.1
5 10 10 10
1 −3 0 1 0 15
𝑥4 = 𝑥2 + 𝑥3 + = 1.875
8 8 8
► Asaproximações 𝑋 2 , 𝑋 3 , 𝑒 𝑋 4 são geradas de

modo análogo e seus valores são mostrados na
tabela a seguir:
𝒌 𝟎 𝟏 𝟐 𝟑 𝟒
𝑘
𝑥1 0.0 0.6 1.0473 0.9326 1.0152
𝑘
𝑥2 0.0 2.2727 1.7159 2.053 1.9537
𝑘
𝑥3 0.0 −1.1 −0.8052 −1.0493 0.9681
𝑘
𝑥4 0.0 1.875 0.8852 1.1309 0.9739
CRITÉRIO DE CONVERGÊNCIA DE GAUSS – JACOB:
► Existem, condições suficientes mas não necessárias

para garantirmos que a sequência 𝑋 𝑘 , de
aproximações para uma solução do sistema 𝐴𝑋 = 𝑏,
seja convergente.
► Caso,o critério de convergência não seja satisfeito,

“perdemos” a garantia da convergência.
► Uma condição suficiente para que haja convergência

no método de Gauss – Jacob, é que a matriz 𝐴, do
sistema 𝐴𝑥 = 𝑏, seja diagonalmente dominante.
► DEFINIÇÃO: Uma matriz 𝐴 é diagonalmente

dominante quando em qualquer linha 𝑘 desta
matriz, a soma dos valores absolutos de seus
elementos, excluindo o elemento da diagonal 𝑎𝑘𝑘 é
menor que o módulo deste elemento, ou seja, se
𝐴 = (𝑎𝑖𝑗 ) é diagonalmente dominante, então:
𝑛 𝑛
1
෍ 𝑎𝑘𝑗 < 𝑎𝑘𝑘 ⇔ ෍ 𝑎𝑘𝑗 < 1
𝑎𝑘𝑘
𝑗=1 𝑗=1
𝑗≠𝑘 𝑗≠𝑘
► Na prática verificamos se 𝜶 = 𝐦𝐚𝐱 𝜶𝒌 < 𝟏, para 𝑘 =
1,2, … , 𝑛, sendo
𝑛
1
𝛼𝑘 = ෍ 𝑎𝑘𝑗
𝑎𝑘𝑘
𝑗=1
𝑗≠𝑘
► Este critério de convergência é chamado de CRITÉRIO DAS

LINHAS.
EXEMPLO: Determine aproximações 𝑋 1 ,𝑋 2 e𝑋 3 ,

para uma solução o sistema linear:
2𝑥1 − 𝑥2 + 6𝑥3 = 3
ቐ 4𝑥1 − 2𝑥2 + 𝑥3 = 2
𝑥1 − 5𝑥2 − 2𝑥3 = −4
a partir da solução inicial:

0.5
𝑋 0 = 0.5
0.5
MÉTODO ITERATIVO DE GAUSS – SEIDEL: é uma

variação do Método de Gauss – Jacob. Neste método as
coordenadas atualizadas são imediatamente usadas na
atualização das demais. Por exemplo, para o sistema
linear:
10𝑥1 − 𝑥2 + 2𝑥3 = 6
−𝑥1 + 11𝑥2 − 𝑥3 + 3𝑥4 = 25
2𝑥1 − 𝑥2 + 10𝑥3 − 𝑥4 = −11
3𝑥2 − 𝑥3 + 8𝑥4 = 15
obtemos a aproximação sequência 𝑋 1 , de

aproximações a partir de 𝑋 0 , da seguinte forma:
1 1 0 1 0 3
𝑥1 = 𝑥2 − 𝑥3 + = 0.6
10 5 5
1 1 𝟏 1 0 3 0 25
𝑥2 = 𝒙𝟏 + 𝑥3 − 𝑥4 + = 2.2727
11 11 11 11
1 −1 𝟏 1 𝟏 1 0 11
𝑥3 = 𝒙𝟏 + 𝒙𝟐 + 𝑥4 − = −1.1
5 10 10 10
1 −3 𝟏 1 𝟏 15
𝑥4 = 𝒙𝟐 + 𝒙𝟑 + = 1.875
8 8 8
CRITÉRIO DE CONVERGÊNCIA DE GAUSS – SEIDEL:

Neste caso, utilizamos o chamado Critério de
Sassenfeld, definido da seguinte forma:
► Para um sistema linear de 𝑛 equações e 𝑛 incógnitas,

calculamos o 𝛽1 , da seguinte forma:
𝑎12 + 𝑎13 + ⋯ + |𝑎1𝑛 |

𝛽1 =
|𝑎11 |
semelhante ao critério das linhas .

► Assim, considerando que já tenham sido definidos

𝛽1 , 𝛽2 , 𝛽3 , … , 𝛽𝑛−1 , para 𝑖 ≥ 2, o coeficiente 𝛽𝑖 é definido da
seguinte forma:
𝛽1 𝑎𝑖1 + 𝛽2 𝑎𝑖2 + ⋯ + 𝛽𝑖−1 𝑎𝑖,𝑖−1 + 𝑎𝑖,𝑖+1 + ⋯ + |𝑎𝑖𝑛 |

𝛽𝑖 =
𝑎𝑖𝑖
ou seja, no numerador os 𝛽𝑖 aparecem multiplicando os

coeficientes da linha 𝑖 à esquerda da diagonal, enquanto que os
coeficientes à direita da diagonal são multiplicados por 1.
► Assim, se 𝜷 = 𝒎𝒂𝒙 𝜷𝒊 < 𝟏, 𝑝𝑎𝑟𝑎 𝑖 = 1,2, … , 𝑛 então a

sequência 𝑋 𝑘 , gerada pelo método de Gauss- Seidel
converge para uma solução do sistema linear 𝐴𝑋 = 𝑏.
EXEMPLO: Determine aproximações 𝑋 1 ,𝑋 2 e𝑋 3 ,

para uma solução o sistema linear:
4𝑥1 + 2𝑥2 + 𝑥3 = 11
ቐ −𝑥1 + 2𝑥2 = 3
2𝑥1 + 𝑥2 + 4𝑥3 = 16
a partir da solução inicial:

0.5
𝑋 0 = 0.5
0.5
utilizando o método iterativo de Gauss – Seidel.
► EXERCÍCIO: Uma maneira de se resolver a equação de Laplace:
𝜕2𝑢 𝜕2𝑢
2
+ 2=0
𝜕𝑥 𝜕𝑦
em uma região retangular, consiste em se fazer uma discretização que

transforma a equação em um problema aproximado consistindo em uma
equação de diferenças cuja solução em um caso particular, exige a solução do
seguinte sistema de equações lineares:
4 −1 0 −1 0 0 𝑥1 100
−1 4 −1 0 −1 0 𝑥2 0
0 −1 4 0 0 −1 𝑥3 0
𝑥4 =
−1 0 0 4 −1 0 100
0 −1 0 −1 4 −1 𝑥5 0
0 0 −1 0 −1 4 𝑥6 0
(A) Resolva, se possível, este sistema pelo método

iterativo de Gauss-Seidel.
(B) Resolva, se possível, este sistema pelo método

direto da Eliminação de Gauss.
(C) Resolva, se possível, este sistema através do cálculo

da matriz inversa.

Parte 3 Sistemas Lineares Calculo Numerico Unit 2016 1

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

Parte 3 Sistemas Lineares Calculo Numerico Unit 2016 1

Enviado por

Direitos autorais:

Formatos disponíveis

CÁLCULO NUMÉRICO

Prof. Msc. Cassius Gomes

► Uma equação linear é uma equação na forma:

 𝒙𝒏 , 𝒙𝒏−𝟏 , … , 𝒙𝟏 , 𝒙𝟎 são as incógnitas;

► Um sistema de equações lineares de 𝑚 equações e 𝑛

𝑎11 𝑥1 + 𝑎12 𝑥2 + 𝑎13 𝑥3 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑏1

sendo 𝑎𝑖𝑗 ∈ ℝ, os coeficientes do sistema, 𝑏𝑖 os termos

► Resolver um sistema de equações lineares é

► Um sistema linear esta na forma normal ou geral,

𝑎11 𝑥1 + 𝑎12 𝑥2 + 𝑎13 𝑥3 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑏1

► Um sistema de equações lineares está na forma

𝑎11 𝑎12 … 𝑎1𝑛 𝑥1 𝑏1

► Naforma de matriz aumentada temos o sistema de

𝑎11 𝑎12 … 𝑎1𝑛 ⋮ 𝑏1

► Em relação ao número de soluções, podemos

► COMPATÍVEL: quando possui solução

 Determinado: solução única

 Indeterminado: infinitas soluções

► INCOMPATÍVEL: não possui solução.

► Dizemos que o sistema linear 𝐴𝑋 = 𝑏 é homogêneo

𝑎11 𝑥1 + 𝑎12 𝑥2 + 𝑎13 𝑥3 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 0

► Podemos determinar, se existir, uma solução de um

 MÉTODOS DIRETOS: A solução exata, 𝑋, se existir, é obtida

 MÉTODOS ITERATIVOS: Determinamos um vetor 𝑋 (𝑘) ,

que convergem para solução exata 𝑋, do sistema linear.

► Matriz Inversa: Se no sistema linear 𝐴𝑋 = 𝑏 , o

𝐴𝑋 = 𝑏 ⇔ 𝐴−1 𝐴𝑋 = 𝐴−1 𝑏 ⟺ 𝑋 = 𝐴−1 𝑏

► Note que neste método é então necessário o cálculo

► Eliminação de Gauss: Neste método, através

 Trocar a ordem de duas ou mais equações;

Transformamos o sistema 𝐴𝑋 = 𝑏, em um sistema

EXEMPLO: Utilizando o Método da Eliminação de

► Naetapa inicial, escrevemos o sistema na forma de

► “Atualizamos” a linha 2 da seguinte forma:

𝑎21 = 𝑎21 − 𝑚21 𝑎11 = 0

► “Atualizamos” a linha 3 da seguinte forma:

► Temos então o seguinte sistema linear equivalente:

► Como o sistema já esta na forma triangular equivalente,

► Neste caso, obtemos a solução exata:

► Exemplos de funções no SCILAB, para solução

(1) 𝒓𝒓𝒆𝒇(𝑴): reescreve a matriz aumentada 𝑀,

(2) 𝒍𝒊𝒏𝒔𝒐𝒍𝒗𝒆(𝑨, −𝒃): determina, se existir, a

► Pivoteamento Parcial: A chamada pivotação parcial

 1º pivô: elemento de maior valor absoluto na coluna 1;

ATIVIDADE 1: Resolva o sistema linear abaixo,

► A matriz aumentada do sistema será dada por:

e realizando as seguintes operações sobre as linhas:

0btemos o seguinte sistema equivalente

► Na etapa 𝑘 = 2 , utilizamos então como pivô, o

► Relizando as seguinte operações sobre as linhas:

► Note que agora, não é necessário trocar as linhas,

► Logo, escrevendo o sistema na forma normal,

4𝑥1 − 2𝑥2 + 3𝑥3 + 𝑥4 = 2

► Logo, temos a solução exata do sistema dada por:

EXERCÍCIO: Resolva o seguinte sistema de equações

► Neste caso, a partir de uma aproximação inicial 𝑋 0 ,

► Por exemplo, para um sistema linear com 3

► Para estudarmos estes métodos, também é

► Assim, são utilizadas em geral, duas normas para o

► Norma Euclidiana ou 𝒍𝟐 : Dado um vetor

temos esta norma definida da seguinte forma:

► Norma do máximo ou 𝒍∞ : Dado um vetor

temos esta norma definida da seguinte forma: