Sistemas de Equaes

Lineares Parte II

Motivao
2

Motivao
3

Ocorrncia em larga escala de sistemas lineares em clculos

de Engenharia e modelagem cientfica
Exemplos:

Simulaes de processos qumicos

Simulaes de dispositivos e circuitos

Modelagem de processos geocientficos e geoambientais

Anlise estrutural

Biologia estrutural

Modelagem de processos fsicos

Motivao
4

Tendncia existncia de matrizes de coeficientes grandes

e esparsas
Grandes

Comum para n > 100.000

Esparsas

Maioria dos coeficientes nulos

Resoluo de sistemas esparsos por mtodos diretos

Processos

de triangularizao e fatorao Onerosos, por no

preservarem a esparsidade original, que pode ser til por
facilitar a resoluo do sistema.

Motivao
5

Mtodos mais apropriados para a resoluo de sistemas de

natureza esparsa Mtodos iterativos
Gauss-Jacobi
Gauss-Seidel

Mtodo Iterativos
6

Mtodo Iterativos
7

A partir de uma estimativa inicial xi0, consistem em

encontrar uma seqncia de estimativas xik que convirja

para uma soluo do SEL aps um nmero suficientemente
grande de iteraes.

x1(0)

x(0)
2
(0)
x3

(0)
x n

x1(1)

x(1)
2
(1)
x3

(1)
x n

x1(2)

x(2)
2
(2)
x3

(2)
x n

x1(k)

x(k)
2
(k)
x3

(k )
x n

Mtodo Iterativos
8

Vantagem Menos suscetveis ao acmulo de erros

de arredondamento do que o mtodo de Eliminao

de Gauss.
Lembretes importantes:

Como todo processo iterativo, estes mtodos sempre

apresentaro um resultado aproximado, que ser to
prximo do resultado real conforme o nmero de
iteraes realizadas.

Alm disto, tambm preciso ter cuidado com a

convergncia destes mtodos.

Mtodo Iterativos
9

Transformao do sistema linear Ax=b em x = Cx +g

A: matriz dos coeficientes, n x m

x: vetor das variveis, n x 1;

b: vetor dos termos constantes, n x 1;

C: matriz, n x n; e

g: vetor, n x 1.

Mtodos a estudar

Gauss-Jacobi

Gauss-Seidel

Mtodo de Gauss - Jacobi

10

Mtodo de Gauss - Jacobi

11

Mtodo de Gauss-Jacobi
Conhecida a estimativa inicial, x(0), obtm-se

consecutivamente os vetores:

(1)

Cx(0) g,

(primeira aproxima o)

x (2) Cx(1) g,

(segunda aproxima o)

x (k ) Cx(k 1) g, (k - sima aproxima o)

De um modo geral, a aproximao x(k+1) calculada

pela frmula:

x(k+1) = C x(k)+g, k=0, 1, ...

Mtodo de Gauss - Jacobi

12

Da primeira equao do sistema:

a11 x1 + a12 x2 + ... +a1n x2 = b1
obtm-se: x1 = (1/a11) (b1 - a12 x2 - ... -a1n x2)

e, analogamente,
x2 = (1/a22) (b2 - a21 x1 - ... -a2n xn)

xn = (1/ann) (bn - an1 x1 - ... - ann-1 xn-1)

Mtodo de Gauss - Jacobi

13

Desta forma, para x = C x + g, obtm-se:

a12 a11 a13 a11

0

a21 a22
a23 a22
0

C a31 a33 a32 a33

0

a a
n1 nn an2 ann an3 ann

a1n a11

a2n a22

a
a
3
n
33

b1

a
11

b
2
a22

e g b3

a33

bn
a
nn

Mtodo de Gauss - Jacobi

14

Distncia entre duas iteraes

(k -1)
d(k) max x(k)
x
i
i

Critrio de Parada

d(k)

d(k)
max x

(k )
i

Mtodo de Gauss - Jacobi

15

Exemplo (a)
Seja o sistema:

10 x1 2x 2 3x 3 7
x1 5x 2

x3 8

2x1 3x 2 10x 3 6
Determinao de C e g

0
C -1/5
-1/5

- 2/10 - 3/10
0
-1/5
3/10
0

7

10

8

g
5

6

10

Mtodo de Gauss - Jacobi

16

Exemplo (a)
Assim, considerando como estimativa inicial:

0,7
x 0 - 1,6
0,6

e = 0,05, obtm-se:

x(1) Cx(0)

0,84
g 1,34
0,94

|x1(1) x1(0)| = 0,14

e

|x2(1) x2(0)| = 2,94

|x3(1) x3(0)| = 0,34

Mtodo de Gauss - Jacobi

17

Exemplo (a)
Assim:

x(2) Cx(1)

0,150
0,91
(2)

0,7315
g 1,244 dr
0,030
1,244

e, analogamente:

x(3) Cx(2)

0,4422
0,32
(3)

0,2046
g 1,5640 dr
0,1968
1,5640

Mtodo de Gauss - Jacobi

18

Exemplo (a)
Igualmente:

x(4) Cx(3)

0,3282
0,1544
(4)
0,1049
g 1,4722 dr
0,0424
1,4722

e, finalmente:

x(5) Cx(4)

0,3929
0,0647
(5)

0,0424
g 1,5259 r
1,5259
0,0927

Mtodo de Gauss - Seidel

19

Mtodo de Gauss-Seidel
20

Mtodo de Gauss-Seidel
Similarmente ao mtodo de Gauss-Jacobi, conhecida a

estimativa inicial, x(0), obtm-se consecutivamente os vetores

x(1), x(2), ..., x(k)
Todavia, ao se calcular
xj(k+1), usa-se todos os valores x1(k+1),
x2(k+1), ..., xj-1(k+1) que j foram calculados e os valores xj+1(k),
xj+2(k), ..., xn(k) restantes.

Mtodo de Gauss - Seidel

21

Descrio I

Seja o seguinte sistema de equaes:

a11.x1 a12 .x2 a13 .x 3 a1n 1.x n 1 a1n .x n b1

a21.x1 a22 .x2 a23 .x 3 a2n 1.x n 1 a2n .x n b2
a31.x1 a32 .x2 a33 .x 3 a3n 1.x n 1 a3n .x n b3

an1.x1 an2 .x2 an3 .x 3 ann 1.x n 1 ann .x n bn

Mtodo de Gauss - Seidel

22

Descrio II

Isolando xi a partir da linha i, tem-se:

x1

1
b1 a12 .x2 a13 .x 3 a1n 1.x n 1 a1n.x n
a11

x2

1
b2 a21.x1 a23 .x 3 a2n 1.x n 1 a2n.x n
a22

x3

1
b3 a31.x2 a32 .x2 a3n 1.x n 1 a3n.x n
a33

xn

1
bn an1.x1 an2 .x2 ann 1.x n 1
ann

Mtodo de Gauss - Seidel

23

Descrio III

O processo iterativo se d a partir das equaes:

x1k 1

1
b1 a12 .x2k a13 .x k3 ... a1,n 1.x kn 1 a1n .x kn
a11

x2k 1

1
b2 a21.x1k 1 a23 .x k3 ... a2 ,n 1.x kn 1 a2n .x kn
a22

x k3 1

1
b3 a31.x1k 1 a32 .x2k 1 ... a3 ,n 1.x kn 1 a3n .x kn
a33

k 1
n

bn an1.x1k 1 an2 .x2k 1 ... an,n 1.x kn 11

ann

Mtodo de Gauss-Seidel
24

Mtodo de Gauss-Seidel
Critrio de Parada I

Diferena relativa entre duas iteraes consecutivas, dada por:

k 1
R

Mx.
1in

x ki 1 x ki
k 1
,
se
x
0
i
k 1
xi
, se x ki 1

x ki 0

x ki 1 0

, se
x ki
0

Mtodo de Gauss - Seidel

25

Critrio de Parada II

Fim do processo iterativo Valor de MRk+1 suficientemente

pequeno para a preciso desejada

Mtodo de Gauss - Seidel

26

Exemplo (b)
Resolver:

5x y z 5
3x 4 y z 6
3x 3y 6z 0,

com

MRk 5.10 2.

Soluo:
1
5 y z
5
1
6 3x z
y
4
1
1

z
3x 3y z x y
6
2
x

Mtodo de Gauss - Seidel

27

Exemplo (b)
Quadro de resultados do processo iterativo
M yk

zk

M zk

M Rk

2,25

0,65

-0,725

2,379

2,379

1,015

0,212

0,92

0,293

-0,967

0,250

0,293

1,009

0,006

0,985

0,066

-0,997

0,030

0,066

1,002

0,007

0,998

0,0013

-1

0,003

0,0013

xk

M xk

-1

0,8

x = 1,002

yk

y = 0,998

z = -1

Mtodo de Gauss - Seidel

28

Exemplo (b)
Verificao (substituio no sistema)

x = 1,002

y = 0,998

z = -1

5.(1,002) + 1.(0,998) + 1.(-1) = 5,008 5 OK

3.(1,002) + 4.(0,998) + 1.(-1) = 5,998 6 OK
3.(1,002) + 3.(0,998) + 6.(-1) = 0
OK

Mtodo de Gauss - Seidel

29

Critrios de Convergncia
Processo iterativo Convergncia para a soluo
exata no garantida para qualquer sistema.
Necessidade de determinao de certas condies
que devem ser satisfeitas por um SEL para a garantia
da convergncia do mtodo.
Critrios de
convergncia

determinao

Critrio de Sassenfeld
Critrio das Linhas

das

condies

de

Mtodo de Gauss - Seidel

30

Critrio de Sassenfeld
Sejam as quantidades i dadas por:
1
1

a11

j2

a1 j

1
i

aii

para i = 2, 3, ..., n

i 1

j 1

aij j

j i1

aij

n - ordem do sistema linear que se deseja resolver

aij - coeficientes das equaes do sistema

Mtodo de Gauss - Seidel

31

Critrio de Sassenfeld
Este critrio garante que o mtodo de Gauss-Seidel
convergir para um dado SEL se a quantidade M,
definida por:

M max
1in
i
for menor que 1 (M<1).

Mtodo de Gauss - Seidel

32

Critrio de Sassenfeld
Exemplo (c): Seja A a matriz dos coeficientes e b o
vetor dos termos constantes, dados por:
1

for menor que 1 (M<1).

a11 a12 a13 a14 b1
2
a21 a22 a23 a24 b2
a31 a32 a33 a34 b3
3
a41 a42 a43 a44 b4
4

1
a12 a13 a14
a11

1
a21 1 a23 a24
a22

1
a31 1 a32 2 a34
a33

1
a41 1 a42 2 a43 3
a44

Mtodo de Gauss - Seidel

33

Critrio de Sassenfeld
Exemplo (c): Seja A a matriz dos coeficientes e b o
vetor dos termos constantes, dados por:

a11 a12 a13 a14

b1

a21 a22 a23 a24

b2

a31 a32 a33 a34

b3

a41 a42 a43 a44

b4

1
a12 a13 a14
a11

1
a21 1 a23 a24
a22

1
a31 1 a32 2 a34
a33

1
a41 1 a42 2 a43 3
a44

Mostrar que a soluo do SEL a seguir convergir

pelo mtodo de Gauss-Seidel.

Mtodo de Gauss - Seidel

34

Critrio de Sassenfeld
Exemplo (c):
2,0 x1
0,6 x1

x2 0,2 x 3 0,2 x 4

3 x2 0,6 x 3 0,3 x 4 7,8

0,1 x1 0,2 x2
0,4 x1

0,4

x 3 0,2 x 4

1,0

1,2 x2 0,8 x 3 4,0 x 4 10 ,0

Mtodo de Gauss - Seidel

35

Critrio de Sassenfeld
Exemplo (c): Soluo

2.0

1.0 - 0.2

0.2

0.4

0.6
3.0 - 0.6 - 0.3 - 7.8
1
1 0,2 0,2 0,7
- 0.1 - 0.2
1.0
0.2
1.0
2
1
0.4
1.2
0.8
4.0 - 10.0
2 0,6 0,7 0,6 0,3 0,44
3
1
3 0,1 0,7 0,2 0,44 0,2 0,358
1
1
4
0,4 0,7 1,2 0,44 0,8 0,358 0,2736
4

M max i 0,7
1in

M < 1 Convergncia da
soluo do sistema a partir do
mtodo de Gauss-Seidel

Mtodo de Gauss - Seidel

36

Critrio das Linhas

Segundo este critrio, um determinado sistema ir
convergir pelo mtodo de Gauss-Seidel, se:
n

ij

j 1
ji

aii , para i 1, 2, 3, ..., n.

Mtodo de Gauss - Seidel

37

Critrio das Linhas

Exemplo (d): O SEL do Exemplo 14 satisfaz o Critrio
das Linhas, sendo a verificao quase imediata, se for
observado que:
a11 2 a12 a13 a14 1 0,2 0,2 1,4
a22 3 a21 a23 a24 0,6 0,6 0,3 1,5
a33 1 a31 a32 a34 0,1 0,2 0,2 0,5
a44 4 a41 a42 a43 0,4 1,2 0,8 2,4
n

ij

j 1
ji

aii para i 1, 2, 3, 4.

Consideraes finais
38

Consideraes finais
39

Tanto o Critrio de Sassenfeld quanto o Critrio das

Linhas so condies suficientes, porm no necessrias,

para a convergncia do mtodo de Gauss-Seidel para um
dado SEL

Um dado SEL pode no satisfazer estes critrios e ainda

convergir

Um sistema pode no satisfazer o Critrio das Linhas,

porm sua convergncia ser garantida se satisfizer o
Critrio de Sassenfeld

Consideraes finais
40

Critrio das Linhas x Critrio de Sassenfeld

Exemplo (e): Seja o seguinte SEL:
10 x1

x2 23

6 x1 2 x2 18

O Critrio das Linhas no satisfeito, visto que:

a22 2 a21 6

Todavia, o Critrio de Sassenfeld satisfeito, uma

vez que:
1
1
1 0,1
10

1
2
6 0,1 0,3
2

Consideraes finais
41

Critrio das Linhas x Critrio de Sassenfeld

Exemplo (e): Assim sendo, a convergncia do SEL
garantida.

Consideraes finais
42

Embora no altere a soluo do SEL, a ordem de

aparecimento das equaes pode alterar sua

convergncia pelo mtodo da Gauss-Seidel.

Exemplo (f): Seja4

o SEL:
x1 10 x2 19
5 x1 3 x2 15

Observa-se que na ordem atual de aparecimento das equaes, o

SEL no satisfaz o Critrio das Linhas (verificar!!!); logo, sua
convergncia no garantida.

A inverso da ordem das duas equaes do SEL far com que o

Critrio das Linhas seja satisfeito e sua convergncia pelo mtodo
de Gauss-Seidel garantida (verificar tambm!!! ).

43

Dvidas???

Referncias Bibliogrficas
44

Referncias Bibliogrficas
45

Ruggiero, M. A. Gomes & Lopes, V. L. da R. Clculo

Numrico: Aspectos tericos e computacionais.
MAKRON Books, 1996, 2 ed.
Asano, C. H. & Colli, E. Clculo Numrico: Fundamentos
e Aplicaes. Departamento de
Matemtica
Aplicada IME/USP, 2007.
Sanches, I. J. & Furlan, D. C. Mtodos Numricos.
DI/UFPR, 2006.
Paulino, C. D. & Soares, C. Erros e Propagao de Erros,
Notas de aula, SE/ DM/ IST [Online]
http://www.math.ist.utl.pt/stat/pe/qeb/semestre_1_20
04-2005/PE_erros.pdf .