Resolução de Sistemas

Lineares- Parte 1
• Exemplo 1: Problema da treliça
• Treliça: estrutura composta de barras (metálicas
ou de madeira) unidas por rótulas (nós) nas
suas extremidades.
• Determinar as componentes horizontal e vertical
das forças que atuam nas junções da treliça.

2 4 4 8 6 12 8

1 5 9 13 16
7 11
3 15
1 2 6 10 14 17 10
Fh 3 5 7 9 Fh

F1 F2 F3
• Forças que atuam na treliça: 17
• O número de junções (j) está relacionado com o
número de componentes da treliça (m):
2j-3 = m

Neste caso: 2 (10) – 3 = 17

• Logo, as componentes das forças são

determinadas pelas condições de equilíbrio nas
junções.
• Condições de equilíbrio:
• Junção 2:
 Fx  f1 cos    f 4  f5 cos
  45    0
  45
 a a

 Fx  a f1  f 4  a f5  0

 Fy   a f1  f3  a f5  0


• Junção 3:

 Fx   f 2  f 6  0


 Fy  f 3  F1  0

• Junção 4:
 Fx   f 4  f 8  0


 Fy   F7  0

• Junção 5:
 Fx   a f 5  f 6  a f 9  f 10  0


 Fy   a f 5  f 7  af 9  F2  0

• Junção 6:

 Fx   f 8  a f 9  f 12  a f 13  0


 Fy  a f 9  f 11  a f 13  0

• Junção 7:
 Fx   f 10  f 14  0


 Fy F11  0

• Junção 8:
 Fx   f 12  a f 16  0


 Fy  a f 15  af16  0

• Junção 9:
 Fx  a f 13  f 14  f 17  0


 Fy a f 13  f 15  f 10  0

• Junção 10:
  Fx  a f16  f17 0
Junção 10:  F x   a f 16  f 17  Fh

Junção 1:  F x   a f 1  f 2   Fh

Sistema linear com 17 variáveis

( f 1 , f 2 , f 3 ,..., f 17 )
e 17 equações
 Um sistema linear com m equações e
n incógnitas pode ser escrito na forma:

a11 x1  a12 x 2  ...  a1n x n  b1

a x  a x  ...  a x  b
 21 1 22 2 2n 2 2

    
a m1 x1  a m 2 x 2  ...  a mn x n  bn

coeficientes constantes variáveis

a mn bn xn
 Resolver o sistema linear

Calcular os valores de x j ( j  1, 2, ..., n) , caso

existam, que satisfaçam as m equações.
• Notação matricial: AX  B

onde
 a11 a12  a1n 
 
 a 21 a 22  a2n 
A
  
 
a am2  a mn 
 m1
é a matriz dos coeficientes.
  x1 
 
 x2 
X  

 
x 
 n
é o vetor das variáveis

 b1 
 
 b2 
B 

 
b 
 n
é o vetor dos termos independentes
• Consideremos a situação de duas equações e de duas
variáveis

2 x1  x 2  3 1
solução única 
x   
x1  3 x 2  2 retas concorrentes 1

2 x1  x 2  3 infinitas soluções x        
 3  2 
4 x1  2 x 2  6 retas coincidentes  

2 x1  x 2  3 nenhuma solução
4 x1  2 x 2  2 retas paralelas
Comentário 1: no caso geral de m equações
e n variáveis também temos estas três situa-
ções: solução única, infinitas soluções e ne-
nhuma solução.

Notação: x  solução exata

x solução aproximada
 RESOLUÇÃO DE SISTEMAS
LINEARES nxn

Métodos Diretos: fornecem solução exata, a

menos de arredondamentos e caso exista,
após um número finito de operações.]

Métodos Iterativos: geram uma seqüência de

vetores  x k  , dada aproximação inicial  x 0  ,
que converge para solução  x , caso exista.
 MÉTODOS DIRETOS

Método de Cramer pertence a esta classe.

Ax  b  A 1 Ax  A 1b  x  A 1b onde A 1 é a inversa de A

• Para calcular o determinante de um sistema

20x20 temos 21x20!x19 multiplicações, mais
este número de adições.
• Um computador de 1GHz (109 operações por
segundo) levaria 3X104 anos para calcular a
solução deste sistema
• Necessitamos de métodos mais eficientes!!!
 MÉTODOS DIRETOS
ELIMINAÇÃO DE GAUSS

• O Método da Eliminação de Gauss consiste

em transformar o sistema linear original num
sistema linear equivalente com matriz dos
coeficientes triangular superior.

Sistemas equivalentes têm a mesma solução.

Sistema linear triangular tem solução imediata.
 MÉTODOS DIRETOS
ELIMINAÇÃO DE GAUSS

Teorema 1: Seja Ax  b um sistema linear. Aplicando

sobre as equações deste uma seqüência de operações
elementares escolhidas entre:

a) trocar a ordem das equações,

b) multiplicar uma equação por constante,
c) adicionar um multiplo de uma equação a outra;
~ ~
obtemos um novo sistema A x  b equivalente.
 MÉTODOS DIRETOS
ELIMINAÇÃO DE GAUSS
• Suponha Det A  0 . A eliminação e efetuada por
colunas.
• O elemento a11 é denominado pivô na primeira etapa.
O elemento a 22 é o pivô da segunda etapa. O proces-
so repete-se até termos um sistema linear triangular.
• Os elementos mi1  a1i a11 são os multiplicadores da
primeira etapa. Para gerar os zeros da coluna 1 linha i,
faça Li  Li  mi1 L1 na linha i. Repita o procso para a
coluna 2.
 MÉTODOS DIRETOS
ELIMINAÇÃO DE GAUSS
Exemplo: seja o sistema linear
1 4
m 21  , m31 
3x1  2 x 2  4 x3  1 3 3 3x1  2 x 2  4 x3  1
x1  x 2  2 x3  2 1 / 3 x2   2 / 3 x3   5 / 3
4 x1  3x 2  2 x3  3
L2  L2  m 21 L1
L3  L3  m31 L1
1 / 3 x 2   22 / 3 x3   5 / 3

3x1  2 x 2  4 x3  1   3
 
1 / 3 x 2   2 / 3 x3   5 / 3 x   5 
1/ 3  0
m32 
1/ 3
1
  24 / 3 x3  0  
 MÉTODOS DIRETOS
ELIMINAÇÃO DE GAUSS

Problema: Pivô nulo ou próximo de zero!!!!

Estratégia de pivoteamento parcial

• No início de cada eliminação de Gauss,
trocando as linhas, escolher para o pivô o
maior a ij da coluna j.
 MÉTODOS DIRETOS
ELIMINAÇÃO DE GAUSS

Estratégia de pivoteamento total

• No início de cada eliminação de Gauss,
escolher para o pivô o maior a ij entre todos
elementos que atuam no processo de
eliminação.

• Problema: Muitas operações de comparação!!

 MÉTODOS DIRETOS
ELIMINAÇÃO DE GAUSS
Pivoteamento Parcial X Pivoteamento total
3x1  2 x 2  1x3  x 4  5
3x1  2 x 2  1x3  x 4  5
0 x1  1x 2  0 x3  3x 4  6
parcial 0 x1  3x 2  5 x3  7 x 4  7 continuar
0 x1  3x 2  5 x3  7 x 4  7
0 x1  1x 2  0 x3  3x 4  6
0 x1  2 x 2  4 x3  0 x 4  15
0 x1  2 x 2  4 x3  0 x 4  15

3x1  2 x 2  1x3  x 4  5 3x1   x 4  1x3  2 x 2  5

0 x1  1x 2  0 x3  3x 4  6 total continuar
0 x1  7 x 4  5 x3  3x 2  7
0 x1  3x 2  5 x3  7 x 4  7 0 x1  3x 4  0 x3  1x 2  6
0 x1  2 x 2  4 x3  0 x 4  15 0 x1  0 x 4  4 x3  2 x 2  15
 MÉTODOS DIRETOS
FATORAÇÃO LU

Seja o sistema linear A x  b . Este processo de

fatoração consiste em decompor a matriz A em
Um produto de dois ou mais fatores.

Exemplo: Seja A  C D , então resolver A x  b

É equivalente a resolver C y  b e depois
Dx y .
 MÉTODOS DIRETOS
FATORAÇÃO LU

Na fatoração A  L U a matriz L é
triangular inferior com diagonal unitária
e a matriz U é triangular superior.
 MÉTODOS DIRETOS
FATORAÇÃO LU

Teorema da fatoração LU
Dada uma matriz quadrada nxn. Se Det A  0
então existe uma única matriz triangular inferior
L  mij , com diagonal principal unitária, e uma
única matriz triangular superior U  u ij, tais
que L U  A n
, e det A  i 0
u ii
 MÉTODOS DIRETOS
FATORAÇÃO LU

Exemplo de fatoração LU. Considere

3x1  2 x 2  4 x3  1  3 2 4
 
x1  x 2  2 x3  2 onde A   1 1 2
4 x1  3x 2  2 x3  3  4 3 2
 

Do método de Gauss sem pivoteamento:

 FATORAÇÃO LU

 3 2 4 3 2 4   3 2 4 
     
A   1 1 2 0 1/ 3 2 / 3   1/ 3 1/ 3 2 / 3 
 4 3 2  0 1 / 3  10 / 3   4 / 3 1 / 3  10 / 3 
     
No último passo foi acrescentados os multiplicadores mij
Os multiplicadores são definidos como segue: da
equação (linha) j subtraímos a equação (linha) i
multiplicada por mij , de modo a escalonar a matriz A
Continuando o processo:
 FATORAÇÃO LU

 3 2 4  3 2 4   3 2 4 
     
A   1 1 2  1/ 3 1/ 3 2 / 3   1 / 3 1 / 3 2 / 3
 4 3 2  4 / 3 1 / 3  10 / 3  4/ 3 1  4 
     

Assim, as matrizes L e U são

 1 0 0 3 2 4 
   
L   1/ 3 1 0 U   0 1 / 3 2 / 3 LU  A
 4 / 3 1 1 0 0  4 
   
 FATORAÇÃO LU

Resolvendo o sistema A x  b por fatoração LU:

3x1  2 x 2  4 x3  1 y1  1  1 
L y b  
x1  x 2  2 x3  2 1 / 3 y1  y 2  2 y   5 / 3
4 x1  3x 2  2 x3  3 4 / 3 y1  y 2  y 3  3  0 
 
Continuando

3x1  2 x 2  4 x3  1   3
 
U x y 1 / 3 x 2  2 / 3 x3  5 / 3 x 5 
 0
 4 x3  0  
 FATORAÇÃO LU + PIVOTEAMENTO

 Fatoração LU com pivoteamento parcial.

 Fatoração LU com pivoteamento total.

O pivoteamento pode ser implementado por

meio da matriz de permutação.

Definição: Uma matriz quadrada de ordem n é uma

matriz de permutação se pode ser obtida da matriz
identidade de ordem n permutando-se suas linhas (ou
colunas).
 FATORAÇÃO LU + PIVOTEAMENTO

 0 1 0
 
Exemplo de matriz permutação P   0 0 1 
1 0 0
 
 3 1 4
 
Seja A   1 5 9 
 2 6 5
 

 0 1 0  3 1 4  1 5 9
     
Note: P A   0 0 1    1 5 9    2 6 5 
1 0 0  2 6 5  3 1 4
     
 FATORAÇÃO DE CHOLESKY

Definição: Uma matriz quadrada A de ordem n é

T n
definida positiva se x A x  0  x  .

Definição: A fatoração de Cholesky de uma matriz A ,

simétrica positiva, é dada por
A  G GT onde G : n  n ,

com G uma matriz triangular inferior com elementos da

diagonal estritamente positivos.
 FATORAÇÃO DE CHOLESKY

Do teorema LU, temos A  L D U , onde D é uma

matriz diagonal de ordem n. Ainda, se A for simétrica,
então U  LT e a fatoração escreve-se como:

A  L D LT  L D D LT onde d ii  d ii

Portanto, G  L D
 FATORAÇÃO DE CHOLESKY

 16  4 12  4 
 
 4 2 1 1 
Considere a matriz A
12  1 14  2 
 
  4 1  2 83 
 

Calculando os fatores L U

 16  4 12  4   1 0 0 0  16  4 12  4 
     
  4 2  1 1    1/ 4 1 0 0  0 1 2 0 
A  
12  1 14  2   3 / 4 2 1 0  0 0 1 1 
     
  4 1  2 83    1 / 4 0 
1 1  0 0 0 81 
  
 FATORAÇÃO DE CHOLESKY

Calculando os fatores LD e L DU

 16  4 12  4   1 0 0 0  16  4 12  4 
     
  4 2  1 1    1/ 4 1 0 0  0 1 2 0 
A    LU
12  1 14  2   3 / 4 2 1 0  0 0 1 1 
     
  4 1  2 83    1 / 4 0 
1 1  0 0 0 81 
  

 1 0 0 0  16 0 0 0  1  1/ 4 3 / 4  1/ 4
     
  1/ 4 1 0 0  0 1 0 0  0 1 2 0 
A    L D LT
3/ 4 2 1 0  0 0 1 0  0 0 1 1 
     
  1/ 4 0 1 1   0  
0 0 81  0 0 0 1 

 FATORAÇÃO DE CHOLESKY

Enfim,

 1 0 0 0  4 0 0 0  4 0 0 0 1  1/ 4 3 / 4  1/ 4
       
  1/ 4 1 0 0  0 1 0 0  0 1 0 0  0 1 2 0 
A     L D D LT
3/ 4 2 1 0  0 0 1 0  0 0 1 0   0 0 1 1 
       
  1/ 4 0 1 1   0 0 0 9   0 
0 0 9  0 0 0 1 


Ou ainda,
 4 0 0 0  4  1 3  1
   
1 1 0 0  0 1 2 0
A     G GT
3 2 1 0 0 0 1 1
   
1 0 1 9   0 0 0 9 

 FATORAÇÃO DE CHOLESKY

Teorema da Fatoração de Cholesky

Se A é uma matriz simétrica positiva definida,

então existe uma única matriz triangular inferior
G com diagonal estritamente positiva, tal que
T
AGG
 FATORAÇÃO DE CHOLESKY

Resolução de sistemas lineares é semelhante

T
ao método LU. Seja A  G G , então resolver
A x  b é equivalente a resolver G y  b e
depois G T x  y .
 COMPARAÇÃO DOS MÉTODOS

Fatoração de Cholesky: Primeiro verificar se

uma matriz simétrica é definida positiva. Em
caso positivo, continuar com o método de
Cholesky.
O método de Cholesky requer
aproximadamente a metade das operações
necessárias para a fatoração LU, da ordem
de n3/6 operações.