MÉTODOS NUMÉRICOS

APLICAÇÃO NO MATLAB

Professor: Lissandro Brito Viena

e-mail: lissandroviena@gmail.com
vienalissandro@yahoo.com.br
Site: www.ifba.edu.br/professores/lissandro
EQUAÇÕES ALGÉBRICAS LINEARES E MATRIZES

1) NOTAÇÃO MATRICIAL

Uma matriz consiste de um arranjo retangular de elementos.

 a11 a1n 
A 
 
a n1 a nn 

A matriz que tem “m” linhas e “n” colunas tem dimensão m x n.

A matriz que possui apenas linhas ou colunas, é denominada de

vetor linha ou vetor coluna respectivamente.
EQUAÇÕES ALGÉBRICAS LINEARES E MATRIZES

Exemplo de matriz linha denominada de vetor linha:

b  [b1 bn ]
Exemplo de matriz coluna denominada de vetor coluna:

 c1 
c 
 
c m 

Matriz quadrada é aquela que o número de linhas é igual ao número

de colunas. (m = n).

Matrizes quadradas são importantes no momento da resolução de

um conjunto equações algébricas lineares. Para tais sistemas, o
número de equações (linhas) e o número de variáveis (colunas)
Matrizes quadradas são importantes no momento da resolução de
um conjunto equações algébricas lineares. Para tais sistemas, o
número de equações (linhas) e o número de variáveis (colunas)
devem ser iguais para que exista apenas uma solução.

Matriz simétrica: é uma matriz do tipo quadrada em que os

elementos aij = aji.

Matriz diagonal: é uma matriz do tipo quadrada em que todos os

elementos fora da diagonal principal são nulos.

Matriz identidade: matriz diagonal em que os elementos da

diagonal principal são iguais a 1.
Matriz triangular superior: é aquela matriz em que os elementos
abaixo da diagonal principal são nulos.

Matriz triangular inferior: é aquela matriz em que os elementos

acima da diagonal principal são nulos.

Para saber a dimensão de uma matruz no MATLAB usa-se o

seguinte comando (size):

[m, n] = size(matriz)

Representando equações algébricas lineares na forma matricial

Considere o sistema 3 x 3 abaixo:

Representando equações algébricas lineares na forma matricial

Considere o sistema 3 x 3 abaixo:

a11x1  a12 x 2  a13 x 3  b1 
 
x 
 21 1 22 2
a a x  a x
23 2  b 2
a x  a x  a x  b 
 31 1 32 2 33 3 3 

O sistema acima pode ser representado pela seguinte notação:

 A  x    b

A matriz é denominada de matriz dos coeficientes, a matriz b

consiste de um vetor coluna de constantes e a matriz x consiste de
um vetor coluna de variáveis.
Representando equações algébricas lineares na forma matricial

Uma forma de resolver esse sistema é multiplicar ambos lados pela

inversa da matriz dos coeficientes:
 A  x    b
A  A  x    A  b
1 1

 x    A b
1

Para resolver equações algébricas lineares com MATLAB aplica-se

o seguinte comando:

x  A \ b

A segunda forma é usar matriz inversa:

x  inv(A)  b
NOÇÕES SOBRE ELMINAÇÃO DE GAUSS

Para explicar o procedimento de resolver equações algébricas

lineares pela eliminação de Gauss, o exemplo seguinte será usado:
3x1  0,1x 2  0, 2x 3  7,85
0,1x1  7x 2  0,3x 3  19,3
0,3x 1 0, 2x 2  10x 3  71, 4

O primeiro passo na solução do sistema é multiplicar a primeira

equação por 0,1/3 e subtraia da segunda, resultando em:
7,0033x 2  0, 293333x 3  19,5617
Ao multiplicar a primeira equação por 0,3/3 e subtrair da última
equação resulta no seguinte sistema:
NOÇÕES SOBRE ELMINAÇÃO DE GAUSS
3x1  0,1x 2  0, 2x 3  7,85
7,0033x 2  0, 293333x 3  19,5617
0,19x 2  10,0200x 3  70,6150

Para completar a operação, x2 deve ser removida da terceira

equação restando apenas x3 que pode ser encontrada
facilmente.

3x1  0,1x 2  0, 2x 3  7,85

7,0033x 2  0, 293333x 3  19,5617
10,0120x 3  70,0843

70,0843
x3   7,00003
10,0120
Após isso, é necessário retornar nas outras equações para
calcular as outras variáveis.
NOÇÕES SOBRE ELMINAÇÃO DE GAUSS

Após isso, é necessário retornar nas outras equações para

calcular as outras variáveis.

function [a_ampliada,x] = eliminagauss_lissandro(a,b)

% a- matriz dos coeficientes
% b - matriz dos termos independentes
% x- vetor das variáveis
[m,n]=size(a);
nb=n+1;
a_ampliada=[a b];
for k=1:(n-1)
for h=(k+1):(n)
a_ampliada(h,k:nb)=((a_ampliada(h,k))/(a_ampliada(k,k)))*a_ampliada(k,k:nb)- a_ampliada(h,k:nb);
end

end
x=zeros(n,1); % define inicialmente um vetor solução de zeros, para depois serem atualizados
% serve também para estabelecer que o vetor solução é do tipo coluna
x(n)=a_ampliada(n,nb)/a_ampliada(n,n);
for l=n-1:-1:1
for g =((l+1):n)

x(l)=(a_ampliada(l,nb))/(a_ampliada(l,l))-((a_ampliada(l,l+1:n))*x(l+1:n))/((a_ampliada(l,l)));
end
MÉTODOS ITERATIVOS

Os métodos iterativos ou métodos aproximados constituem um

caminho alternativo aos métodos de eliminação.

Sistemas lineares – Gauss Seidel

É o método iterativo mais comumente usado para resolver equações

algébricas lineares. Assuma que foi fornecido um conjunto de n
equações na forma:

 A  x    b
Para entender melhor esse método, limitaremos o sistema a 3 x 3:
 MÉTODOS ITERATIVOS
a11x1  a12 x 2  a13 x 3  b1

a 21x1  a 22 x 2  a 23 x 3  b 2
a x  a x  a x  b
 31 1 32 2 33 3 3

Se os elementos da diagonal são todos não nulos, a primeira

equação pode ser resolvida para x1, a segunda equação para x2, e a
terceira para x3.

j1 j1
b  a x  a x
x1j  1 12 2 13 3

a11
j1
b  a x j
 a x
x 2j  2 21 1 23 3
a 22
b  a x j
 a x j
x 3j  3 31 1 32 2
a 33
MÉTODOS ITERATIVOS

Em que j e j-1 são iteração atual e a anterior respectivamente.

Para começar o processo uma estimativa “chute” inicial deve dado

para o valor das variáveis. Uma aproximação simples é considerar
que todos valores são nulos.

Para a convergência é necessário que:

x ij  x ij1  

Exemplo prático: Use o método de Gauss Seidel para obter a

solução do seguinte sistema:
 MÉTODOS ITERATIVOS
3x1  0.1x 2  0.2x 3  7,85

0,1x1  7x 2  0,3x 3  19,3
0,3x  0, 2x  10x  71, 4
 1 2 3

A solução para o sistema é:[3 -2.5 7]

Solução: Inicialmente deve-se resolver cada equação para variável

da diagonal principal.
7,85  0.1x 2  0.2x 3
x1 
3
19,3  0,1x1  0,3x 3
x2 
7
71, 4  0,3x1  0, 2x 2
x3 
10
MÉTODOS ITERATIVOS

Assumindo x2 e x3 iguais a zero e substituindo na primeira equação

para calcular a variável x1 .
7,85  0.1x 2  0.2x 3 7,85  0,1 (0)  0, 2  (0)
x1  
3 3
O valor acima juntamente com o valor definido para x3, encontra-se
a variável x2.
19,3  0,1x1  0,3x 3 19,3  0,1 (2,616667)  0,3  (0)
x2  
7 7
x 2  2,794524
A primeira iteração é finalizada substituindo os valores x1 e x2 para
o cálculo de x3.

O slide seguinte mostra o cálculo.

MÉTODOS ITERATIVOS
O valor da variável x3 pode ser calculado da seguinte forma:
71, 4  0,3x1  0, 2x 2
x3 
10
71, 4  0,3   2,616667   0, 2   2,794524 
x3 
10
x 3  7,005610

Para a segunda iteração, tem-se que:

7,85  0.1x 2  0.2x 3
x1 
3
7,85  0,1 (2,794524)  0, 2  (7,005610)
x1 
3
x1  2,990557
MÉTODOS ITERATIVOS
Para a segunda iteração, tem-se que:
7,85  0.1x 2  0.2x 3
x1 
3
7,85  0,1 (2,794524)  0, 2  (7,005610)
x1 
3
x1  2,990557

O valor da variável x2 na segunda iteração:

19,3  0,1x1  0,3x 3
x2 
7
19,3  0,1 (2,990557)  0,3  (7,005610)
x2 
7
x 2  2, 499625
MÉTODOS ITERATIVOS
O valor da variável x3 na segunda iteração:

71, 4  0,3x1  0, 2x 2
x3 
10
71, 4  0,3   2,990557   0, 2   2, 499625 
x3 
10
x 3  7,000291

OBS: A CADA NOVO VALOR DE “x” CALCULADO PELO

MÉTODO DE GAUSS-SEIDEL É IMEDIATAMENTE
USADO NA PRÓXIMA EQUAÇÃO PARA ENCONTRAR O
OUTRO VALOR DE “x”.
 MÉTODOS ITERATIVOS
function x = gseidel(a,b,es,maxit)
% x=gseidel(a,b)
% a- matriz dos coefientes
% b- matriz dos termos independentes
% es - critério de parada
% maxit - máxima quantidade de iterações
% x - vetor com a solução do sistema de equações
% error - função matlab que mostra
%uma mensagem de erro e cancela a função
% nargin - número de argumentos de
%entrada de uma determinada função.
MÉTODOS ITERATIVOS
%BIBLIOTECA DE FUNÇÕES DO MATLAB COM AS RESPECTIVAS
APLICAÇÕES

% error - função matlab que mostra uma mensagem de erro e cancela a função
% nargin - número de argumentos de entrada de uma determinada função. O
% nargin retorna o número de argumentos de entrada que foi usado para
% chamar a função.
% nargout - retorna o número de argumentos de saída da função.
% isempty - isemty(y) retorna 1 se y é um array sem elemento e 0 caso
% contrário

if nargin<2
error('pelo menos dois argumentos de entrada são necessários')
end
if nargin <4 || isempty(maxit)
maxit=50;
end
if nargin<3 ||isempty(es)
es = 0.00001;
end
MÉTODOS ITERATIVOS
[m,n]=size(a); for i=1:n
if m~=n c(i,1:n)=c(i,1:n)/a(i,i);
error('a matriz deve ser quadrada') end
end iter = 0;
c=a; ea=1;
% x=xp;
% format long
for i =1:n
c(i,i)=0; while ea>=es
x(i)=0; xvelho=x;
end for i=1:n
x=x'; x(i)=d(i)-c(i,:)*x;
for i=1:n if x(i)~=0
d(i)=b(i)/a(i,i); ea(i)=abs(x(i)-xvelho(i));
end end
iter=iter+1;
end
x
end
MÉTODOS ITERATIVOS

MÉTODO DE NEWTON-RAPHSON

A expansão em série de Taylor de primeira ordem é dada por:

f  x i1   f  x i   (x i1  x i )f ' (x i )

Estimativa Equivale ao ponto em que ocorre a intersecção com eixo x. Nesse

inicial ponto f(xi+1) = 0.

f  xi 
x i1  x i 
f ' (x i )
A equação acima corresponde ao método de Newton Raphson para
apenas uma equação.
MÉTODO DE NEWTON-RAPHSON
f1
f1 (x1 , x 2 )  f1 (x1k , x 2k )  (x1  x1k )
x1 (x ,x )
1k 2k

f1
 (x 2  x 2k )  0
x 2 (x1k ,x 2 k )

f 2
f 2 (x1 , x 2 )  f 2 (x1k , x 2k )  (x1  x1k )
x1 (x1k ,x 2 k )

f 2
 (x 2  x 2k )  0
x 2 (x1k ,x 2 k )
 MÉTODO DE NEWTON-RAPHSON
Na forma vetorial as equações ficam da seguinte maneira:
 f1 f1 
 f1 (x1 , x 2 )   f1 (x1k , x 2k )   x1 x 2   (x1  x1k ) 
f (x , x )   f (x , x )    f    
 2 1 2   2 1k 2k   2 f 2  (x 2  x 2k ) 
 x x 2  (x
 1 1k ,x 2 k )

0 
0 
 

Podemos resolver a equação acima para (x1, x2).

1
 f1 f1 
 x1,k 1   x1k   x1 x 2   f1 (x1k , x 2k ) 
x   x      
 2,k 1   2k   f 2 f 2   2 1k 2k 
f (x , x )
 x x 2 
 1 (x1k ,x 2 k )
MÉTODO DE NEWTON-RAPHSON
A seguir a notação resumida:

 x k1   x k   J K f  x k 

1

Em que  J  é a matriz jacobiana das funções do sistema de equações

algébricas.

Podemos também fazer as seguintes considerações sobre o método

de Newton.

Considere a solução de uma equação de uma única variável dada

por:

f (x)  c
MÉTODO DE NEWTON-RAPHSON
Se xo é a estimativa inicial da solução e x é um pequeno desvio
o

da solução correta, então:

f (x o  x o )  c

Expandindo o lado esquerdo da equação por série de Taylor, tem-se

que:
  (0)  2
f
f (x )    x   2   x 
df 1 d (0) 2
(0)
c
 dx  2!  dx 

Assumindo um erro muito pequeno x (0) resulta que:

(0)
 df 
c    x (0)
(0)

 dx 
Em que: c(0)  c  f  x (0) 
 MÉTODO DE NEWTON-RAPHSON
O algoritmo de Newton Raphson é então colocado abaixo:

c(k )  c  f  x (k ) 
c(k )
x (k )  (k )
 df 
 
 dx 

x (k 1)  x (k )  x (k )

Para ilustrar a aplicação do método de Newton-Raphson, o seguinte

exemplo será utilizado:

f  x   x 3  6x 2  9x  4
MÉTODO DE NEWTON-RAPHSON

Inicialmente calcula-se a derivada da função:

f  x   x 3  6x 2  9x  4
df
 3x 2  12x  9
dx
c(0)  c  f  x (k ) 
c(0)  0  63  6(6) 2  9(6)  4   50
0
 df 
    12  6   9  45
2
  3 6
 dx 
c(0) 50
x (0)
 0
  1,1111
 df  45
 
 dx 
MÉTODO DE NEWTON-RAPHSON

O resultado no final da primeira iteração é:

x (1)  x (0)  x (0)
x (1)  6  1,1111  4,8889

As iterações subsequentes resultam em:

13, 4431
x  x  x  4,8889 
(2) (1) (1)
 4, 2789
22,037
2,9981
x (3)  x (2)  x (2)  4, 2789   4,0405
12,5797
0,3748
x (4)  x (3)  x (3)  4,0405   4,0011
9, 4914
0,0095
x  x  x  4,0011 
(5) (4) (4)
 4,000
9,0126
MÉTODO DE NEWTON-RAPHSON

Agora considere o problema que envolve uma quantidade maior de

variáveis:
f1 (x1 , x 2 , x n )  c1 
f (x , x , x )  c 
 2 1 2 n 2 

 
 
 n 1 2
f (x , x , x n )  c n 
MÉTODO DE NEWTON-RAPHSON
Aplicando série de Taylor e desprezando os termos de ordem
elevada resulta em:
 f1  (0)  f1  (0)  f1  (0)
f (0)
  x 1    x 2   x n  c1
 x1   x 2   x n
1


 f n  (0)  f n  (0)  f n  (0)

f (0)
  x 1    x 2   x n  c n
 x1   x 2   x n
n


Colocando na forma matricial:

 MÉTODO DE NEWTON-RAPHSON

Colocando na forma matricial:

 f (0)  f (0)  f1  
(0)

 1  
1
     (0) 
x
 c1  f 10 (x)   1   x 2   x n   x 1
    
   
c  f 0 (x)    
 (0) 
 n n   (0) 
 f n    x n 
(0) (0)
 f n   f n 
 x  

 

 
 1   2
x  n 
x

Numa forma mais compacta, a notação seguinte torna-se mais

apropriada.

 C  J  x 
(k ) (k ) (k )
 MÉTODO DE NEWTON-RAPHSON

Colocando na forma matricial:

 C  J  x 
(k ) (k ) (k )

 x   J  C
(k ) 1(k ) (k )

A atualização das variáveis é feita da seguinte maneira:

x   x    x 
k 1 k (k )
MÉTODO DE NEWTON-RAPHSON

Em que:
 x1(k ) 
 (k )   f (k )  f1 
(k )
 f1  
(k )
x 2   1 
 x 
(k )
      
   x1  
 2
x  x n  
 (k )   
 x n   J (k )    
 
 (k ) (k ) (k ) 
 c1   f1  
(k )  f n   f n   f n  
   x  

 

 
 c2   f 2  
(k )  1   2
x  n 
x
 C 
(k )

 
c   f (k ) 
 n n 

 J (k )  - MATRIZ JACOBIANA
MÉTODO DE NEWTON-RAPHSON

Exemplo de aplicação do método de Newton-Raphson

1) Encontre a solução do seguinte sistema de equações

x12  x 22  4
e x1  x 2  1

Passo 1: Construção da matriz jacobiana

 2x1 2x 2 
j   x1
e 1 
Passo 2: Preparar o algoritmo
MÉTODO DE NEWTON-RAPHSON
Exemplo de aplicação do método de Newton-Raphson
deltax=1; % incremento da variável é ajustado em um valor alto
x=input('Entre com a estimativa inicial -> ');
iter = 0;
disp(' iter deltac j deltax x')
while abs(deltax)>0.0001 & iter<100
iter=iter+1;
deltac=0-(x^3-6*x^2+9*x-4);
j=3*x^2-12*x+9;
deltax=deltac/j;
x=x+deltax;
% fprintf('%g', iter)
disp([iter , deltac, j, deltax, x])
end
MÉTODO DE NEWTON-RAPHSON
Exemplo de aplicação do método de Newton-Raphson
iter = 0;
x=input('Entre com a estimativa inicial da solução - vetor coluna x=[x1;x2] - >
');
deltax=[1;1];
c=[4;1];
disp('iter deltac jacobiana deltax x')
while max(abs(deltax))>=0.0001 & iter<10
iter=iter+1;
f=[x(1)^2+x(2)^2; exp(x(1))+x(2)];
deltac=c-f;
j=[2*x(1) 2*x(2);exp(x(1)) 1];
deltax=j\deltac;
x=x+deltax;
fprintf('%g', iter)
disp([ deltac, j, deltax, x]
MÉTODO DE NEWTON-RAPHSON
Exemplo de aplicação do método de Newton-Raphson
Atividade: Partindo com valores iniciais x1, x2, x3 resolva o
seguinte sistema de equações pelo método de Newton Raphson:

x12  x 22  x 32  11
x1x 2  x 22  3x 3  3
x1  x1 x 3  x 2 x 3  6