UNIVERSIDADE DO ESTADO DE SANTA CATARINA UDESC

CENTRO DE CINCIAS TECNOLGICAS CCT

DEPARTAMENTO DE MATEMTICA DMAT

CLCULO NUMRICO APLICADO

JULIA GRASIELA BUSARELLO WOLFF

JOINVILLE
2012/II

Sumrio
0.1

0.2

RESOLUO NUMRICA DE SISTEMAS LINEARES . . . . . . . . . . . . . . . . . . . . .

0.1.1

INTRODUO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

0.1.2

RESOLUO NUMRICA DE SISTEMAS LINEARES . . . . . . . . . . . . . . . . .

0.1.3

CLASSIFICAO DOS SISTEMAS LINEARES QUANTO AO NMERO DE SOLUES

0.1.4

SOLUO DE SISTEMAS LINEARES TRIANGULARES . . . . . . . . . . . . . . . .

0.1.5

TRANSFORMAES ELEMENTARES . . . . . . . . . . . . . . . . . . . . . . . . . .

11

MTODOS DIRETOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

11

0.2.1

MTODO DE ELIMINAO DE GAUSS . . . . . . . . . . . . . . . . . . . . . . . . .

11

0.2.2

ESTRATGIAS DE PIVOTAMENTO . . . . . . . . . . . . . . . . . . . . . . . . . . . .

14

0.3

REFINAMENTO DA SOLUO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

17

0.4

CONDICIONAMENTO E ESTABILIDADE DE ALGORITMOS . . . . . . . . . . . . . . . . .

17

0.4.1
0.4.2

NOES DE MAL-CONDICIONAMENTO DE MATRIZES . . . . . . . . . . . . . . .

MTODO DE ELIMINAO DE JORDAN . . . . . . . . . . . . . . . . . . . . . . . .

18
19

0.4.3

FATORAO LU . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

21

0.4.4

FATORAO DE CHOLESKY . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

22

MTODOS ITERATIVOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

22

0.5.1

GAUSS-JACOBI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

23

0.5.2

GAUSS-SEIDEL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

24

CONVERGNCIA DOS MTODOS ITERATIVOS . . . . . . . . . . . . . . . . . . . . . . . .

25

0.5

0.6

0.6.1

CRITRIO DAS LINHAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

25

0.6.2

CRITRIO DE SASSENFELD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

26

0.7

COMPARAO ENTRE OS MTODOS DIRETOS E ITERATIVOS . . . . . . . . . . . . . . .

27

0.8

SISTEMAS LINEARES COMPLEXOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

28

0.9

EXERCCIOS SOBRE SISTEMAS DE EQUAES LINEARES . . . . . . . . . . . . . . . . .

28

0.10 PROBLEMAS REFERENTES APLICAES DE SISTEMAS LINEARES . . . . . . . . . .

32

0.1
0.1.1

RESOLUO NUMRICA DE SISTEMAS LINEARES

INTRODUO

A resoluo de sistemas lineares um problema que surge nas mais diversas reas da cincia e engenharia. Em
cincia: na previso do tempo, em mecnica quntica etc. Em engenharia, vrios problemas podem ser resolvidos
atravs da anlise linear, entre eles pode-se citar a determinao dos potenciais eltricos em redes de distribuio
area nas concessionrias de energia, o clculo de foras que atuam em uma trelia, o clculo das tenses ou
torques em estruturas metlicas na construo civil, o clculo da razo de escoamento num sistema hidrulico
com derivaes, na previso da concentrao de reagentes sujeitos a reaes qumicas simultneas na engenharia
qumica, na otimizao de sinais de trnsito e linhas de metr na engenharia de mobilidade etc.
O problema matemtico em todos os casos citados se reduz a resoluo de um sistema de equaes lineares
simultneas. Os mtodos numricos para a resoluo de problemas de equaes diferenciais parciais tambm
requerem a soluo de um conjunto de equaes.
A soluo de um conjunto de equaes muito mais difcil quando as equaes so no lineares. Entretanto,
a maioria das aplicaes envolve somente equaes lineares, embora, quando o sistema de grande porte, deve-se
escolher o mtodo numrico adequado a fim de preservar a mxima preciso.
Uma equao linear se cada termo contm no mais do que uma varivel e cada varivel aparece na primeira
potncia. Po exemplo, 3x + 4y 10z = 3 linear, mas xy 3z = 3 no , pois o primeiro termo contm duas
variveis. A equao x3 + y z = 0 tambm no linear pois o primeiro termo contm uma varivel elevada ao
cubo.

0.1.2

RESOLUO NUMRICA DE SISTEMAS LINEARES

Um sistema de equaes lineares pode ser definido como um conjunto de n equaes com n variveis independentes entre si. Seja Sn um sistema linear de n equaes com n incgnitas, na forma genrica:

a11 x1 + a12 x2 + . . . + a1n xn = b1

a x + a x + ... + a x = b
21 1
22 2
2n n
2
Sn =

.................................

a x + a x + ... + a x = b
n1 1

n2 2

nn n

(1)

ou,

Sn =

n
X

aij xj = bi ,

j=1

com i = 1, 2, . . . , n, onde: aij so os coeficientes da incgnita xj e bi so os termos independentes.

Na forma matricial Sn pode ser escrito como Ax = b e representado da seguinte maneira:

(2)

a11

a12

...

a21
.
.
.

a22
..
.

...
..
.

b1

a2n x2 b2

..
. = . ;
. .. ..

an1

an2

...

ann

a1n

x1

(3)

bn

xn

onde, a matriz A uma matriz quadrada de ordem n, chamada de matriz dos coeficientes e representada por:

a11

a12

...

a21
A=
...

a22

...

an1

an2

...

a1n

a2n
.
... ...

. . . ann

(4)

A matriz b uma matriz n 1, ou seja, matriz coluna ou vetor coluna, chamada de matriz de termos independentes
e representada por:

b1

b2


b = b3 .
.
.
.
bn

(5)

E, x uma matriz n 1, ou seja, matriz coluna ou vetor coluna, chamada de matriz soluo do sistema ou de
matriz das variveis; representada por:

x1

x2


x = x3 .
.
.
.
xn

(6)

A matriz B, mostrada a seguir, chamada de matriz aumentada ou matriz completa do sistema:

a11

a12

...

a1n

a21
B=
...

an1

a22

...

a2n

...

...

...

an2

...

ann

b1

b2
.
| . . .

| bn

A soluo direta dos sistemas lineares pode ser obtida a partir do clculo da inversa da matriz A, ou seja,

(7)

[x] = [A]1 [b]

(8)

para o qual utiliza-se os mtodos de inverso de matrizes vistos em lgebra Linear.

O clculo da matriz inversa pode ser feito atravs da propriedade seguinte:

[I] = [A]1 [A];

(9)

onde: [I] a matriz identidade de ordem n.

Se os coeficientes da matriz inversa [A]1 so as incgnitas do problema, ento o clculo desses coeficientes
resume-se a encontrar a soluo do seguinte sistema de equaes:

[A]

...
..
.

1 0

a2n 0 1

..
= . .
. .. ..

...
..
.

0
..
.
.

...

ann

...

x11

x12

...

x1n

a11

a12

...

x21
[A] = [I] =
..
.

x22
..
.

...
..
.

x2n a21

..
.
. ..

a22
..
.

xn1

xn2

...

xnn

an2

an1

a1n

...

(10)

Assim, o problema do clculo de sistemas de equaes lineares atravs do produto da matriz inversa resulta
em um problema de clculo de sistemas de equaes lineares. seguir, apresentaremos um mtodo direto para a
soluo de sistemas de equaes lineares denominado mtodo de eliminao gaussiana.

EXERCCIO:

1) Usando [A][A]1 = [I], inverter a seguinte matriz:

2
1

0
2
2

1 .
0

Resposta: A1 =

1
6
1
12
1
2

1
2
1
4
1
2

1
2
1
4
1
2

Neste captulo, sero apresentados mtodos numricos para a resoluo de sistemas lineares quadrados n n.
Os mtodos numricos para a resoluo de um sistema linear podem ser divididos em:

mtodos diretos;
mtodos iterativos.
5

Os mtodos diretos fornecem a soluo exata do sistema linear, caso ela exista, aps um nmero finito de
operaes. So eles: o mtodo de eliminao de Gauss, o mtodo de Jordan, a fatorao LU, a fatorao de
Cholesky etc.
Os mtodos iterativos geram uma sequncia de vetores {x(k) }, a partir de uma aproximao inicial x(0) . Sob
certas condies esta sequncia converge para a soluo x aproximada, caso ela exista. So eles: o mtodo de
Gauss-Jacobi, o mtodo de Gauss-Seidel, o mtodo de sobrerrelaxao sucessiva que acelera o mtodo de GaussSeidel, o mtodo dos gradientes conjugados etc.
Dado um sistema de equaes arbitrrio, no possvel afirmar sem verificar, que h uma soluo ou, se houver,
que ela seja nica. Existem trs e apenas trs possibilidades de classificar um sistema linear a fim de responder
com exatido a questo da existncia e do nmero de solues.

0.1.3

CLASSIFICAO DOS SISTEMAS LINEARES QUANTO AO NMERO DE

SOLUES

Um sistema linear pode ser classificado quanto ao nmero de solues que ele admite em:

compatvel, possvel ou consistente quando ele apresenta soluo; e,

incompatvel, impossvel ou inconsistente quando no apresenta soluo.

Um sistema compatvel classificado em:

determinado, quando ele apresenta soluo nica; e,

indeterminado, quando apresenta infinitas solues.

Graficamente, tem-se:

Figura 1: Retas concorrentes - o sistema apresenta soluo nica.

0.1.4

SOLUO DE SISTEMAS LINEARES TRIANGULARES

Seja o sistema Ax = b, onde A uma matriz triangular superior, n n, com os elementos da diagonal
diferentes de zero.
6

Figura 2: Retas coincidentes - o sistema apresenta infinitas solues.

Figura 3: Retas paralelas - o sistema no apresenta soluo.

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

a22 x2 + a23 x3 + + a2n xn = b2

a33 x3 + . . . + a3n xn = b3

..........................................

ann xn = bn
Seja o sistema Ax = b, onde A uma matriz triangular inferior, n n, com os elementos da diagonal
diferentes de zero.

a11 x1

a21 x1 + a22 x2

= b1
= b2

a31 x1 + a32 x2 + a33 x3 + . . . + a3n xn = b3

.
.
........................................

an1 x1 + an2 x2 + an3 x3 + . . . + ann xn = bn

Observe que os sistemas triangulares determinados, isto , quando aii 6= 0, i = 1, 2, ..., n, so facilmente
resolvidos por substituio retroativa ou progressiva.

EXERCCIOS:

Achar o vetor soluo para os seguintes sistemas de equaes lineares e classific-los quanto ao nmero de
solues:

3x1 + 4x2 5x3 + x4 = 10

x + x 2x = 1
2
3
4
a)

4x

5x
=
3

3
4

2x = 2
4

Resposta: O vetor soluo x = [1

1]T . O sistema determinado.

3x1 + 4x2 5x3 + x4 = 0

x 2x = 0
3
4
b)

4x3 5x4 = 3

2x = 2
4

Resposta: O sistema indeterminado.

3x1 + 4x2 5x3 + x4 = 10

x 2x = 1
3
4
c)

4x3 5x4 = 3

2x = 2
4

Resposta: O sistema incompatvel.

x1 = 1
d)
2x1 + 5x2 = 2

3x1 + 6x2 + 4x3 = 3

Resposta: O vetor soluo x = [1

0]T . O sistema determinado.

x1 = 1

x + x = 1
1
2
e)

x1 + x2 + x3 = 3

x +x +x +x =3
1
2
3
4
Resposta: O vetor soluo x = [1

0]T . O sistema determinado.

1]T . O sistema determinado.

x1 + x2 + x3 + x4 = 4

x + 3x + x = 3
2
3
4
f)
x3 + x4 = 2

x =1
4

Resposta: O vetor soluo x = [3

x1 3x2 + x3 = 6
g)
4x2 x3 = 5

x4 = 4
Resposta: O sistema indeterminado.

x1 2x2 + 3x3 + x4 = 4

3x + x = 3
3
4
h)

x
+
x
3
4 =2

x =1
4

Resposta: O sistema incompatvel.

i)

x1 = 1

x1 + x2 = 1

2x1 + x2 + 3x3 = 0

x1 + x2 + x3 = 1

x1 x2 + x3 x4 + x5 = 3

Resposta: O sistema indeterminado.

O que voc pode concluir sobre a soluo dos sistemas lineares acima?

0.1.5

TRANSFORMAES ELEMENTARES

Seja Ax = b um sistema linear. Podem ser aplicadas sobre as equaes ou linhas deste sistema uma sequncia
de operaes elementares escolhidas entre:

1. trocar duas equaes ou linhas;

2. multiplicar uma equao ou linha por uma constante no nula;
3. adicionar ou subtrair duas equaes ou linhas de um sistema.

e = eb e os sistemas Ax = b e Ax
e = eb
Atravs do uso de operaes elementares obtm-se um novo sistema Ax
so equivalentes.
Definio: Dois sistemas so equivalentes se S2 puder ser obtido de S1 atravs de transformaes elementares.

Dois sistemas equivalentes S1 e S2 ou so incompatveis ou tm as mesmas solues.

A seguir, ser descrito o mtodo de eliminao de Gauss para triangularizar uma matriz.

0.2

MTODOS DIRETOS

So mtodos que determinam a soluo de um sistema linear, caso ela exista, com um nmero finito de operaes.

0.2.1

MTODO DE ELIMINAO DE GAUSS

A soluo de sistemas lineares usando a eliminao ordenada das variveis atribuda ao matemtico alemo
Carl Friedrich Gauss (1777 - 1855).
Consiste em transformar o sistema linear original em um sistema linear equivalente com a matriz dos coeficientes triangular superior, pois estes so de soluo imediata.
9

Com (n 1) passos o sistema linear Ax = b transformado em um sistema triangular equivalente, na forma:

U x = c, o qual se resolve facilmente por substituio.
A vantagem dos mtodos de eliminao que eles evitam o clculo direto da matriz inversa e o tempo de
execuo computacional tolervel se comparado ao mtodo de Cramer.

ESFORO COMPUTACIONAL

Uma maneira de avaliar o esforo computacional de um mtodo numrico ou algoritmo numrico calcular e
comparar o nmero de operaes aritmticas utilizadas.
A resoluo de um sistema triangular com n equaes envolve:

n
n
X
j=1
n
X
j=1

divises;

(11)

j=

n(n 1)
adies;
2

(12)

j=

n(n 1)
multiplicaes.
2

(13)
(14)

Assim, o nmero total de operaes realizadas na resoluo numrica de um sistema triangular n2 . Nesse
caso, o esforo computacional n2 .
Para a regra de Cramer o nmero de operaes necessrias para se chegar soluo , em geral, muito maior
do que no mtodo de eliminao de Gauss. Essa comparao feita assim: calcula-se o nmero de operaes
aritmticas necessrias em cada mtodo em funo da dimenso n do sistema linear. Ento v-se que em um
mtodo esse nmero cresce muito mais rapidamente com n do que no outro.
Um nmero de operaes aritmticas muito grande desvantajoso por duas razes: aumenta o tempo de
computao e aumenta a propagao dos erros de arredondamento.
O nmero de produtos de n termos que aparecem no clculo de um determinante n!, ou seja, so n! operaes
de adio. Para obter cada produto so (n 1) multiplicaes, totalizando n!(n 1) operaes de multiplicao.
Para calcular as n incgnitas, a Regra de Cramer pede (n + 1) determinantes, logo so n!(n + 1) adies e
n!(n 1)(n + 1) multiplicaes, mais as n divises no final.
Para o mtodo de eliminao de Gauss ou mtodo do escalonamento, como vulgarmente conhecido, em um
sistema linear de n equaes e n incgnitas o nmero total de operaes realizadas para fornecer a soluo do
2n3
.
sistema
3
Por exemplo, para resolver um sistema triangular com 100 equaes sero necessrias 10 mil operaes. Se o

10

sistema no triangular, no mtodo de eliminao de Gauss sero necessrias 681550 operaes, ou seja, 68 vezes
mais operaes do que a exigida no caso triangular.
Exemplo: Resolver o sistema linear abaixo pelo mtodo de eliminao de Gauss:

3x1 + 2x2 + 4x3 = 1

x1 + x2 + 2x3 = 2

4x1 + 3x2 2x3 = 3

Resoluo: 1a etapa: escreve-se a matriz aumentada do sistema:

3 2

1 1
4

4
2
2

| 1

| 2
| 3

2a etapa: selecionar o "piv"para o clculo dos multiplicadores de cada linha. Como a11 o piv da linha 1,
temos:
m21 =

a21
a31
m21 = 1/3 e m31 =
m31 = 4/3.
a11
a11

3a etapa: escreve-se os clculos que sero efetuados em cada linha:

L1 L1 ;
1
L2 L2 m21 L1 L2 L2 L1 ;
3
4
L3 L3 m31 L1 L3 L3 L1 .
3
Reescrevendo o sistema aps os clculos, temos:

2
1/3

4
2/3

1/3

22/3

| 1

| 5/3
| 5/3

Agora, o piv 1/3 ou seja, a22 ; ento repete-se o mesmo procedimento efetuado na 3a etapa.
m32 =

a32
m32 = 1.
a22

Agora s subtrair uma linha da outra, ou seja, fazer L3 L3 L2 .

0
0

1/3

2/3

| 5/3

11

Ento: x3 = 0; x2 =

5
9
(3) x2 = 5 e 3x1 = 1 2x2 x1 = x1 = 3.
3
3

O vetor soluo deste sistema x = [3

0]T .

EXERCCIO:

1) Resolver os sistema linear abaixo pelo mtodo de eliminao de Gauss:

2x1 + 3x2 x3 = 5
4x1 + 4x2 3x3 = 3

2x1 3x2 + x3 = 1
Resposta: O vetor soluo x = [1

0.2.2

3]T . O sistema determinado.

ESTRATGIAS DE PIVOTAMENTO

Denomina-se estratgia de pivotamento a troca sistemtica de linhas, de modo que o piv seja o maior
elemento, em mdulo, da coluna que estamos eliminando. Existem dois casos nos quais o mtodo de eliminao
de Gauss pode ser aplicado sem o pivotamento: sistemas nos quais a matriz dos coeficientes A diagonalmente
dominante ou simtrica positiva definida.
Uma matriz dita simtrica e positiva definida se AT A e xT Ax > 0, para todo vetor x 6= 0.
Uma matriz diagonalmente dominante se seus elementos satisfazem a |aii | >

j6=i

|aij |, com i = 1 : n,

para todo i.
O que acontece se um piv for nulo?
impossvel trabalhar com um piv nulo. Trabalhar com um piv prximo de zero pode conduzir a
resultados totalmente imprecisos.
Como se sabe, em mquinas digitais os clculos so efetuados em aritmtica de ponto flutuante (APF) de
preciso finita e, pivs prximos de zero do origem a multiplicadores bem maiores que a unidade que, por sua
vez, origina uma ampliao dos erros de arredondamento.
O exemplo a seguir mostra os erros de arredondamento na fase de eliminao e na fase de substituies retroativas.
Exemplo: Resolver pelo mtodo de eliminao de Gauss, retendo duas casas decimais durante o clculo, usando o
arredondamento:

8, 7x1 + 3, 0x2 + 9, 3x3 + 11, 0x4 = 16, 4

24, 5x 8, 8x + 11, 5x 45, 1x = 49, 7

1
2
3
4

52, 3x1 84, 0x2 23, 5x3 + 11, 4x4 = 80, 8

21, 0x 81, 0x 13, 2x + 21, 5x = 106, 3

1

12

Resoluo: 1a etapa: So calculados os multiplicadores para cada equao (linha):

para a linha 2: m21 =

a21
24, 5
m21 =
m21 = 2, 82.
a11
8, 7

para a linha 3: m31 =

a31
52, 3
m31 =
m31 = 6, 01.
a11
8, 7

para a linha 4: m41 =

a41
21, 0
m41 =
m41 = 2, 41.
a11
8, 7

2a etapa: As transformaes elementares (TE) so:

L1 L1
L2 L2 m21 L1
L3 L3 m31 L1
L4 L4 m41 L1
3a etapa: Fazendo a triangulao do sistema a partir das transformaes elementares acima, tem-se:

8, 7x1 + 3, 0x2 + 9, 3x3 + 11, 0x4 = 16, 4

0 17, 26x 14, 73x 76, 12x = 95, 95

2
3
4
0 102, 03x2 79, 39x3 54, 71x4 = 179, 36

0 88, 23x 35, 61x 5, 01x = 145, 82

2

4a etapa: Novamente, devem ser calculados os multiplicadores, para, na sequncia serem realizadas as operaes elementares:
para a linha 3: m32 =

102, 03
a32
m32 = 5, 91.
m32 =
a22
17, 26

para a linha 4: m42 =

a42
88, 23
m42 =
m41 = 5, 11.
a22
17, 26

As transformaes elementares so:

L1 L1
L2 L2
L3 L3 m32 L2
L4 L4 m42 L2
Resultando no sistema linear seguinte:

13

8, 7x1 + 3, 0x2 + 9, 3x3 + 11, 0x4 = 16, 4

0 17, 26x 14, 73x 76, 12x = 95, 95

2
3
4

0 + 0 + 7, 86x3 + 395, 16x4 = 387, 70

0 + 0 + 39, 66x + 383, 96x = 344, 48

3

Agora, o multiplicador calculado apenas para a linha 4:

para a linha 4: m43 =

39, 66
a43
m43 =
m43 = 5, 05.
a33
7, 86

E, as operaes elementares so realizadas apenas sobre a linha 4:

L1 L1
L2 L2
L3 L3
L4 L4 m43 L3
Finalmente, pode-se obter o vetor soluo do sistema linear triangularizado, mostrado a seguir:

8, 7x1 + 3, 0x2 + 9, 3x3 + 11, 0x4 = 16, 4

0 17, 26x 14, 73x 76, 12x = 95, 95

2
3
4

0
+
0
+
7,
86x
+
395,
16x
=
387,
70

3
4

0 + 0 + 0 1611, 60x = 1613, 41

4

Resposta: O vetor soluo deste sistema x = [0, 96

0, 95

1, 96

1, 00]T .

Utiliza-se uma medida para avaliar a preciso dos clculos, o resduo, que dado por:

r = b Ax

(15)

Substituindo os valores das matrizes [b], [A] e [x]; tem-se:

16, 4

49, 7
r=
80, 8

106, 3

8, 7

3, 0

24, 5 8, 8

52, 3 84, 0

21, 0 81, 0

9, 3
11, 5
23, 5
13, 2

11, 0

0, 01

0, 06
r=
0, 09

1, 74

0, 96

45, 1
1, 96

11, 4
0, 95
21, 5
1, 00

onde:

14

Resposta: O vetor de resduo deste sistema r = [0, 01

0.3

0, 06

0, 09

1, 74]T .

REFINAMENTO DA SOLUO

Quando se opera com nmeros exatos, no so cometidos erros de arredondamento no decorrer dos clculos e
as transformaes elementares, juntamente com as substituies retroativas ou progressivas, produzem resultados
exatos. Entretanto, na maioria das vezes, temos que nos contentar com clculos aproximados, nos quais so
cometidos erros de arredondamento que podem se propagar, chegando at a comprometer os resultados. Este o
motivo pelo qual usamos tcnicas especiais para minimizar a propagao de tais erros de arredondamento. Uma
delas, que ser mostrada a seguir, consiste em adicionar uma parcela de correo soluo do sistema.
Tcnica: Seja x(0) a soluo aproximada para o sistema Ax = b. Ento, a soluo corrigida x(1) obtida com
a adio de uma parcela de correo (0) ; conforme segue:

x(1) = x(0) + (0) .

(16)

Logo: Ax(1) = b.
A (x(0) + (0) ) = b
A x(0) + A (0) = b
A (0) = b A x(0)
A (0) = r(0) . Assim, (0) vem de [A : r(0) ].
Obtido o (0) , calcula-se x(1) = x(0) + (0) .
Repete-se o processo para se obter x(2) , x(3) , . . ., x(k) , at que se tenha a preciso desejada. Logo, obtm-se
o refinamento de forma iterativa pela seguinte equao: x(i) = x(i1) + (i1) , com i = 1, 2, . . . , k.

0.4

CONDICIONAMENTO E ESTABILIDADE DE ALGORITMOS

A noo de problemas bem-postos foi formalizada pelo matemtico Hadamard no incio do sculo XX. Se um
problema tem soluo nica e se pequenas perturbaes nos dados de entrada provocam pequenas perturbaes
nos resultados, ento este problema bem-posto. Esta ltima condio chamada estabilidade do problema em
relao aos dados de entrada.
A estabilidade ou a instabilidade fornece informaes a respeito da sensibilidade do mtodo ou da matriz aos
erros de arredondamento acumulados nos clculos.

15

Diz-se que um mtodo estvel se pequenas perturbaes nos dados conduzem solues prximas; se isso no
ocorre, o mtodo instvel. Pode acontecer de o problema matemtico ser bem-posto e, quando formos calcular
as solues aproximadas, usarmos algoritmos instveis e, consequentemente, obtermos resultados equivocados
apesar do problema matemtico ser bem-posto. Portanto fundamental entender esses conceitos e ter a sutileza de
trabalhar com eles quando for necessrio.

0.4.1

NOES DE MAL-CONDICIONAMENTO DE MATRIZES

Na resoluo numrica de sistemas lineares trs aspectos devem ser considerados:

se existe soluo ou no;
encontrar um mtodo eficiente para resolver as equaes;
verificar se o vetor de soluo x de equaes muito sensvel a pequenas mudanas na matriz de coeficientes
[A].
Um problema mal condicionado ou sensvel se pequenas alteraes na excitao ocasionam erros amplificados no resultado final, ou seja:
||b||
||x||
= Cond(A)
.
||x||
||b||

(17)

Dado um sistema linear Ax = b, por definio, o nmero de condicionamento Cond(A) dado pela seguinte
expresso:

Cond(A) = ||A||.||A1 ||

(18)

Quanto maior for o nmero de condicionamento da matriz A mais sensvel ser o sistema, ou seja, matrizes
com nmero de condicionamento elevado so denominadas matrizes quase-singulares. Elas diferem das matrizes
singulares por admitirem matriz inversa, porm, como os coeficientes so muito prximos de zero o resultado
obtido distorcido e no corresponde ao real, ou seja, mal-condicionado. O truncamento numrico tambm pode
gerar erros na soluo.
O mal-condicionamento de sistemas contendo matrizes est relacionado ao fato da matriz de coeficientes [A]
ser quase-singular, ou seja, ela admite inverso, ao contrrio das matrizes singulares que no admitem inverso,
porm o vetor soluo obtido atravs da inverso de uma matriz quase-singular no corresponde soluo real do
sistema, ou seja, o vetor soluo obtido da inverso de uma matriz quase-singular no correto, nem exato, muito
menos preciso.
At agora, o critrio utilizado para avaliar a preciso da soluo x do sistema linear Ax = b, o resduo
r = b Ax, onde x a soluo computada do sistema linear.
Sabe-se, da seo anterior, onde foi apresentado o conceito de resduo, o conceito de refinamento de solues
e o clculo da parcela de correo que, se o vetor resduo for prximo do vetor nulo ento o vetor soluo obtido
ser razoavelmente preciso. Isso se aplica sistemas bem-condicionados, ou seja, aqueles nos quais o nmero de
condio baixo. Entretanto, em alguns casos, como ser mostrado no exemplo seguinte, essa afirmao no
verdadeira.

EXERCCIO:

16

1) Considere o sistema linear a seguir e sua suposta soluo aproximada x. Calcule o vetor resduo.
1.2969

0.8648

0.2161

0.1441

x1

0.8642

x2

0.1440

Agora, resolva o sistema acima por substituio.

Respostas: r =

x = [2

108
108

!
.

2]T .

O que voc pode concluir em relao ao erro em x? O sistema bem ou mal-condicionado?

0.4.2

MTODO DE ELIMINAO DE JORDAN

Este mtodo uma complementao ao mtodo de eliminao de Gauss. Ele transforma o sistema dado em
um outro diagonal, isto , onde todos os elementos fora da diagonal so nulos. O mtodo de eliminao de Gauss
exigia apenas que se chegasse forma triangular.
O mtodo de eliminao de Jordan consiste em transformar o sistema linear dado, em um sistema equivalente,
de forma que a matriz principal fique na forma de matriz diagonal ou matriz identidade diagonal. Para isso, os
seguintes passos devem ser seguidos:
1) transformar o sistema dado num sistema triangular, da mesma forma como se faz no mtodo de eliminao
de Gauss.
2) eliminam-se os coeficientes que no pertencem diagonal principal, utilizando procedimentos idnticos ao
do passo 1.

CLCULO DE DETERMINANTES

Do mesmo modo como foi feito com os sistemas lineares, pode-se definir transformaes elementares para
matrizes e tambm definir matrizes equivalentes A e B quando B puder ser obtida de A por transformaes
elementares nas linhas ou nas colunas. Pode-se provar que se A e B so equivalentes, ento det|A| = det|B|.
Como se sabe, nas matrizes triangulares e diagonais o determinante o produto dos elementos da diagonal
principal, ento, para o clculo do determinante pode-se utilizar ou o mtodo de eliminao de Gauss ou o mtodo
de eliminao de Jordan.

1o Exemplo: Dada a matriz A = 4

3 , usar o mtodo de eliminao de Gauss para obter o valor do

1

determinante dessa matriz.

17

Resoluo: O que o mtodo de eliminao de Gauss faz obter a matriz diagonal superior (U ) desse sistema,
aplicando transformaes elementares e substituies sucessivas; da seguinte maneira:

U = 0
0

2 1
0
5

Resposta: O determinante da matriz diagonal superior U obtido fazendo-se o produto dos elementos da
diagonal principal, ou seja: detU = |U | = (2)(2)(5) = 20.

2o Exemplo: Dada a matriz B = 2

1
do determinante dessa matriz.

1
1

1 , usar o mtodo de eliminao de Jordan para obter o valor

1

Resoluo: Utilizando as transformaes elementares deve-se transformar a matriz B em uma matriz diagonal
principal, zerando os valores dos coeficientes abaixo e acima da diagonal principal; da seguinte forma:
1a etapa: Calcular os multiplicadores como se faz no mtodo de Gauss:
m21 =

a21
a31
m21 = 2 e m21 =
m31 = 1.
a11
a11

2a etapa: As transformaes elementares so:

para a linha 1: L1 L1 ;
para a linha 2: L2 L2 m21 L1;
para a linha 3: L3 L3 L1.
Resultando em:

B= 0

5
3

3a etapa: Calcular o multiplicador novamente:

m32 =

a32
2
m32 = .
a22
3

4a etapa: As transformaes elementares so:

2
para a linha 3: L3 L3 m32 L2 L3 L2 ;
3

Resultando em: B = 0
0

1
3
0

5
3

18

Para zerar os coeficientes acima da diagonal principal procede-se da mesma maneira.

Aqui, solicita-se ao aluno que termine o exerccio e apresente o vetor de soluo x.

0
3

0
Resposta: D =

0.4.3

0 , ento, o determinante de A : det(A) = (1) (3)

1
3

 
1
det(A) = 1.
3

FATORAO LU

Vamos supor que seja possvel fatorar, ou seja, decompor, a matriz dos coeficientes A em um produto de uma
matriz triangular inferior L, com os elementos da diagonal principal iguais a 1, e uma matriz triangular superior
U; isto :

A = LU

(19)

Nestas condies, o sistema Ax = b pode ser reescrito na forma LUx = b, o que permite obter dois sistemas
triangulares:

Ly = b; e,

(20)

Ux = y.

(21)

Resolvendo o primeiro sistema, calcula-se y que, substituindo-o no segundo sistema, fornecer o vetor x desejado. Conhecendo-se os valores de L e de U, o sistema ser resolvido com 2n2 operaes, ou seja, dois sistemas
2n3
triangulares, o que representa uma vantagem em relao s
operaes do mtodo de eliminao de Gauss.
3
Dada uma matriz A, os fatores L e U so nicos se fizermos, necessariamente, todos os elementos da diagonal
de L sejam iguais a 1.

EXERCCIO

1) Resolver o sistema linear a seguir usando fatorao LU:

3x1 + 2x2 + 4x3 = 1

x1 + x2 + 2x3 = 2

4x1 + 3x2 + 2x3 = 3

Resposta: x = [3

0]T .

19

Note-se que j temos as matrizes L e U . A vantagem do mtodo de fatorao LU, como j foi dito acima,
a eficincia computacional porque podemos escolher qualquer vetor b novo que no teremos que voltar a fazer a
eliminao de Gauss a cada vez.
Outra aplicao da fatorao LU no clculo da inversa de uma matriz. As matrizes L e U podem ser usadas
para calcular a matriz inversa. Algumas implementaes que invertem matrizes usam este mtodo.
Tambm no clculo do determinante de uma matriz usa-se as matrizes L e U pois det(A) = det(L)det(U ) e
o determinante das matrizes triangulares o produto dos elementos de suas diagonais. Em particular, se L uma
matriz triangular em cuja diagonal todos os elementos so um (1), ento:

det(A) = det(L)det(U ) =

n
Y

uii

(22)

i=1

0.4.4

FATORAO DE CHOLESKY

A decomposio de Cholesky consiste em resolver um sistema linear onde a matriz dos coeficientes A
simtrica, ou seja, A = AT e positiva definida: xT Ax > 0, para todo x 6= 0. Neste caso, a fatorao triangular :

A = LDLT ;

(23)

onde: L uma matriz triangular inferior com os elementos da diagonal principal iguais a um e D uma matriz
diagonal.
A existncia da decomposio de Cholesky uma condio necessria e suficiente para que uma matriz
simtrica seja positiva definida.

0.5

MTODOS ITERATIVOS

A escolha do mtodo a ser utilizado depende de cada caso. A menos que aconteam erros de arredondamento
em softwares computacionais, os mtodos diretos vistos anteriormente, fornecem a soluo aproximada para um
sistema linear, caso ela exista, aps realizar o processo de eliminao com um nmero finito de passos, alm de
no depender de condies de convergncia. Porm, eles podem ser inviveis quando o sistema muito grande,
esparso ou mal-condicionado.
Ento, os mtodos iterativos so indicados para sistemas grandes e esparsos. Eles utilizam uma sequncia finita
de iteraes para calcular aproximaes sucessivas que convirjam para o vetor soluo x do sistema Ax = b. A
convergncia depende da matriz dos coeficientes A.

20

Uma aplicao dos mtodos iterativos se d na discretizao de equaes diferenciais. A discretizao da

equao bidimensional de Laplace usando diferenas finitas fornece uma matriz esparsa cujos elementos fora das
diagonais no-nulas so nulos. Se for utilizado o mtodo de eliminao Gaussiana os zeros que existem na matriz
podem ser substitudos por elementos no-nulos comprometendo, assim, a utilizao dos mtodos diretos no caso
de matrizes esparsas.
J utilizando os mtodos de Jacobi e Gauss-Seidel nenhum elemento no-nulo ser introduzido nas matrizes
esparsas, ento a condio de esparsidade preservada. Existem algumas condies de convergncia que devem
ser atendidas; so elas: o critrio das linhas e o de Sassenfeld.

0.5.1

GAUSS-JACOBI

Carl Gustav Jacobi (1804-1851) apresentou o mtodo iterativo que recebe seu nome em 1845. O Mtodo
de Jacobi um procedimento iterativo para a resoluo de sistemas lineares. Apresenta a vantagem de fcil
implementao em linguagens ou softwares computacionais se comparado ao Mtodo de Eliminao de Gauss, e
est menos sujeito ao acmulo de erros de arredondamento. Sua desvantagem, no entanto, no ter convergncia
garantida.
O Mtodo de Jacobi consiste em isolar x1 , x2 , . . . , xn nas equaes do sistema linear e, a partir de um vetor de
(0)

(0)

valores iniciais [x1 . . . xn ]T , geralmente este vetor tem os seguintes valores [0

valores de

(1)
[x1

(1)
. . . xn ],

...

0]T , encontrar os
(2)

(2)

da primeira iterao, que sero utilizados na segunda iterao para obter [x1 . . . xn ], e

assim, sucessivamente at alcanar a preciso desejada ou atender ao nmero de iteraes mximas solicitado.
Ento, tem-se que:

b1 (a12 x2 + a13 x3 + . . . + a1n xn )

a11
b2 (a21 x1 + a23 x3 + . . . + a2n xn )
x2 =
a22
..
.

x1 =

x1 =

bn (an1 x1 + an2 x2 + . . . + an,n1 xn1 )

ann

(24)
(25)
(26)
(27)

Os elementos aii devem ser no-nulos, caso eles no sejam, as equaes do sistema linear devem ser reordenadas de modo a garantir esta condio.

CRITRIO DE PARADA

As aproximaes so calculadas at que um dos critrios abaixo seja satisfeito:

(k)

max |xk+1
xi | ,
i

1in

21

(28)

onde  o grau de preciso desejado, ou k > M , onde M o nmero mximo de iteraes solicitado.
EXEMPLO: Resolver pelo mtodo de Jacobi o seguinte sistema:
(

2x1 x2 = 1
x1 + 2x2 = 3

com  102 ou k > 10.

EXERCCIOS: Resolver pelo mtodo de Jacobi o seguinte sistema:

10x1 + x2 + 2x3 = 5, 25
a)
x1 + 5x2 + 3x3 = 6, 5

2x2 + 7x3 = 5, 5
(0)

com  103 = 0, 001, com a aproximao inicial x0 = [0, 1

0, 5

0]T . Encontre a soluo exata utilizando

o Excel.
(
b)

0, 5x1 + 20x2 = 14, 25

50x1 + 0, 1x2 = 25, 07
(0)

com  103 = 0, 001, com a aproximao inicial x0

= [0, 1

0, 5]T . A sequncia est convergindo ou

divergindo?

0.5.2

GAUSS-SEIDEL

O mtodo de Gauss-Seidel uma modificao do mtodo de Jacobi. Gauss apresentou o mtodo iterativo para
resoluo de sistemas de equaes provenientes do Mtodo dos Quadrados Mnimos. Seidel foi aluno de Jacobi e
em 1874 publicou a verso do mtodo de Gauss-Seidel usada atualmente.
Dado um sistema de equaes lineares Ax = b o mtodo iterativo de Gauss-Seidel consiste em:
a) partindo-se de um vetor de aproximaes iniciais x(0) ,
b) calcula-se a sequncia de aproximaes x(1) , x(2) , . . . , x(k) , utilizando-se as seguintes equaes:

22

(k+1)

x1

(k+1)

x2

1
[b1 a12 xk2 a13 xk3 . . . a1n x(k)
n ]
a11
1
[b2 a21 xk+1
a23 xk3 . . . a2n x(k)
=
n ]
2
a22

..
.
x(k+1)
=
n

(29)
(30)
(31)

1
(k+1)
[bn an1 xk+1
an2 xk+1
. . . an,n1 xn1 ]
1
2
ann

(32)
(33)

O critrio de parada o mesmo utilizado no mtodo de Jacobi.

EXEMPLO: Resolver pelo mtodo de Gauss-Seidel o seguinte sistema:
(

2x1 x2 = 1
x1 + 2x2 = 3

com  102 ou k > 10.

EXERCCIO:
1) Resolver pelo mtodo de Gauss-Seidel o seguinte sistema:

5x1 + x2 + x3 = 5
a)
3x1 + 4x2 + x3 = 6

3x1 + 3x2 + 6x3 = 0

(0)

com  5 102 = 0, 05 e aproximao inicial x0 = [0

0.6

0]T .

CONVERGNCIA DOS MTODOS ITERATIVOS

Na prtica, so usados os critrios de suficincia de convergncia expressos a seguir, tanto para o mtodo de
Jacobi quanto para o mtodo de Gauss-Seidel. Basta que o sistema satisfaa apenas um desses critrios para ter-se
convergncia garantida, independentemente da escolha do vetor inicial.

0.6.1

CRITRIO DAS LINHAS

Seja o sistema linear Ax = b e seja:

Pn
k =

j=1

j6=k

|akk |

23

|akj |

(34)

Se = maxk=1,...,n k < 1, ento o mtodo de Gauss-Jacobi gera uma sequncia x(k) convergente para a
soluo do sistema dado, independentemente da escolha da aproximao inicial x(0) .
O critrio das linhas uma condio suficiente mas no necessria, ou seja, se a matriz dos coeficientes A
satisfaz o critrio das linhas ento o mtodo de Gauss-Jacobi convergente, porm, se a matriz dos coeficientes
no satisfaz o critrio das linhas nada se pode afirmar, ou seja, o sistema pode divergir ou convergir.
EXERCCIOS:
1) Considere a seguinte matriz dos coeficientes A:

10 2

a) 1 5
2

10

Utilizando o critrio das linhas diga se esta matriz convergente.

b)

"
1

Utilizando o critrio das linhas diga se esta matriz convergente lembrando de que se as condies de suficincia no forem satisfeitas, no significa que o mtodo no possa convergir.

c) 5

2
8

Utilizando o critrio das linhas diga se esta matriz convergente lembrando que quando as condies do
teorema no so satisfeitas, possvel permutar as equaes a fim de alcanar a convergncia.

0.6.2

CRITRIO DE SASSENFELD

Dado o sistema linear Ax = b, com a matriz dos coeficientes A de dimenso n n. Seja:

|a12 | + |a13 | + |a14 | + . . . + |a1n |

|a11 |

(35)

|aj1 |1 + . . . + |ajj1 |j1 + |ajj+1 | + . . . + |aj1 |

|ajj |

(36)

1 =

e para j = 2, 3, . . . , n.

j =

Define-se:

24

 = max j
j=1,...,n

(37)

Se < 1, ento o mtodo de Gauss-Seidel gera uma sequncia convergente para a soluo do sistema, qualquer
que seja o vetor inicial. Alm disso, quanto menor o valor de mais rpida a convergncia.
EXERCCIOS:
Utilizando o critrio de das linhas e o critrio de Sassenfeld diga se as matrizes a seguir atendem ou no esses
critrios e se a sequncia gerada convergente.

a) 0

1
1

b) 0

0
1

c) 1

0
1

3
3

3
3

0
2

Note que a matriz a mesma, a nica modificao feita foi na letra b) a troca de linhas e na letra c) a troca da
primeira coluna pela terceira coluna. Pode-se ento concluir que o mtodo de Gauss-Seidel fortemente dependente da posio das equaes em um sistema linear.

d)

"
2

0, 2
e)
0, 1

0, 1

0.7

0, 5

0, 1

0, 2

0, 2

0, 3

0, 2

0, 1

0, 1

0, 2

COMPARAO ENTRE OS MTODOS DIRETOS E ITERATIVOS

No se pode garantir, a priori, qual mtodo mais eficiente. A anlise depende de cada sistema sendo
necessrio definir alguns critrios, como por exemplo, os mtodos diretos so teis na resoluo de sistemas de
pequeno porte com matrizes de coeficientes densas, ou seja, com poucos elementos nulos. Tambm so teis no
clculo de vrios sistemas que possuem a mesma matriz de coeficientes A, como o caso da Fatorao LU e da
Fatorao de Cholesky. Os sistemas de pequeno porte so os que tm ordem at 30, ou seja, n = 30. Os sistemas
de mdio porte so aqueles que apresentam ordem at 50, ou seja, n = 50.

25

Os mtodos iterativos so bastante utilizados em sistemas de grande porte, ou seja, com n > 50, cuja matriz
dos coeficientes A do tipo esparsa, ou seja, h uma grande incidncia de elementos nulos nas suas linhas. Os
zeros da matriz original so preservados quando o sistema resolvido por mtodos iterativos, ento as iteraes
so feitas utilizando a matriz original tornando os clculos autocorrigveis, o que tende a minimizar os erros de
arredondamento.
Como no mtodo de Gauss-Seidel utiliza-se a atualizao imediata dos resultados, a sua convergncia deveria
ser mais rpida do que no procedimento de Jacobi, entretanto, nem sempre isso ocorre. Os mtodos diretos so
processos finitos, portanto, a soluo de qualquer sistema no-singular pode ser obtida aps um determinado
nmero de passos, enquanto que os mtodos iterativos devem atender determinadas condies de convergncia.
Os mtodos diretos apresentam srios problemas com erros de arredondamento. Uma maneira de resolver este
problema utilizar tcnicas de pivotamento e de refinamento de soluo. A vantagem dos mtodos iterativos est
justamente na diminuio desses erros, uma vez que garantidos os critrios de convergncia, a convergncia do
mtodo no depende da aproximao inicial.

0.8

SISTEMAS LINEARES COMPLEXOS

Seja o sistema linear Ax = b, com A e b matrizes constitudas de elementos reais e complexos. Sabe-se que

i = j = 1 ou i2 = j 2 = 1. Para resolver este tipo de sistema, procede-se da seguinte forma:

1o passo: Fazer A = A0 + jA00 , x = x0 + jx00 e b = b0 + jb00 ; ento, o sistema descomplexificado ser
representado na forma matricial da seguinte maneira:

"

A0

A00

A00

A0

# "

x0
x00

#
=

" #
b0
b00

;
que um sistema 2n 2n com componentes reais, onde A0 e A00 so matrizes reais de dimenso n n e x0 , x00 ,
b0 e b00 so matrizes reais de dimenso n 1.
EXEMPLO: Resolva o seguinte sistema linear complexo:
(
a)

0.9

(1 + 2i)x1 + 3x2 = 5 + 4i
x1 + x2 = 1

EXERCCIOS SOBRE SISTEMAS DE EQUAES LINEARES

1) Determinar o vetor soluo dos sistemas de equaes lineares abaixo atravs do mtodo de eliminao de Gauss:

26

2x1 + 3x2 + x3 x4 = 6, 90

x + x 4x + x = 6, 60
1
2
3
4
a)

x1 + x2 + x3 + x4 = 10, 20

4x 5x + x 2x = 12, 30
1

4x1 + 3x2 + 2x3 + x4 = 10

x + 2x + 3x + 4x = 5
1
2
3
4
b)

x1 x2 x3 x4 = 1

x +x +x +x =3
1

x1 + 2x2 + 3x3 + 4x4

2x + x + 2x + 3x
1
2
3
4
c)

3x
+
2x
+
x
+
2x

1
2
3
4

4x + 3x + 2x + x
1

= 10
=7
=6
=5

x1 + x2 + 2x3 + 4x4 = 7, 12

x + x + 5x + 6x = 12, 02
1
2
3
4
d)
2x1 + 5x2 + x3 + 2x4 = 14, 90

4x + 6x + 2x + x = 20, 72
1

x1 5x2 + 3x3 + 9x4 7x5 + 21x6 7x7 2x8 = 10, 79

3x1 + 2x2 5x3 + 8x4 + 3x5 13x6 + x8 = 2, 14

2x1 + x2 + 9x3 6x4 6x5 + 8x6 3x7 + 3x8 = 130, 608

4x 4x + 2x + 5x + 8x 6x + 2x 4x = 76, 3
1
2
3
4
5
6
7
8
e)

5x
+
6x

4x
+
4x
+
9x

10x
+
x
+
5x
1
2
3
4
5
6
7
8 = 11, 1

6x1 + x2 + 5x3 2x4 + 15x5 + 4x6 9x7 + 7x8 = 0, 135

9x2 + 1x3 + x4 12x5 + 2x6 + 10x7 + 8x8 = 3, 108

3x + 10x + 3x + 7x + 3x + x + x 3x = 632, 5
1
2
3
4
5
6
7
8

2) Determinar o vetor soluo dos sistemas lineares abaixo, atravs do mtodo de Jordan:

2x1 + 3x2 + x3 x4 = 6, 90

x + x 4x + x = 6, 60
1
2
3
4
a)

x
+
x
+
x
+
x
=
10, 20
2
3
4
1

4x 5x + x 2x = 12, 30
1

4x1 + 3x2 + 2x3 + x4 = 10

x + 2x + 3x + 4x = 5
1
2
3
4
b)
x1 x2 x3 x4 = 1

x +x +x +x =3
1

x1 + 2x2 + 3x3 + 4x4

2x + x + 2x + 3x
1
2
3
4
c)

3x1 + 2x2 + x3 + 2x4

4x + 3x + 2x + x
1

= 10
=7
=6
=5

27

x1 + x2 + 2x3 + 4x4 = 7, 12

x + x + 5x + 6x = 12, 02
1
2
3
4
d)

2x1 + 5x2 + x3 + 2x4 = 14, 90

4x + 6x + 2x + x = 20, 72
1

3x1 9x3 + 6x4 + 9x5 + 4x6 x7 = 0, 108

9x1 + 3x2 + 8x3 + 9x4 12x5 + 6x6 + 3x7 = 26, 24

x1 9x2 + x3 3x4 + x5 5x6 + 5x7 = 92, 808

e)
4x1 + 8x2 10x3 + 8x4 5x5 + 4x6 4x7 = 53, 91

5x1 + 5x2 + 4x3 + 11x4 + 3x5 + 8x6 + 7x7 = 143, 55

6x1 2x2 + 9x3 7x4 5x5 3x6 + 8x7 = 6, 048

8x1 + 7x2 + 2x3 + 5x4 + 2x5 + x6 3x7 = 137, 94

3) Determinar o vetor soluo dos sistemas lineares abaixo, atravs do mtodo de Gauss-Jacobi, com no mximo 10 iteraes:
x0 = [0 0 0 0]T ;  < 102

x1 0, 25x2 0, 25x3 = 0

0, 25x + x 0, 25x = 0
1
2
4
a)
0, 25x1 + x3 0, 25x4 = 0, 25

0, 25x + x = 0, 25
2

x0 = [0 0 0 0]T ;  < 102

4x1 + x2 + x3 + x4 = 7

2x 8x + x x = 6
1
2
3
4
b)

x1 + 2x2 5x3 x4 = 1

x + x + x 4x = 1
1

x0 = [1 3 1 3]T ;  < 102

5x1 x2 + 2x3 x4 = 5

x + 9x 3x + 4x = 26
1
2
3
4
c)

3x2 7x3 + 2x4 = 7

2x + 2x 3x + 10x = 33
1

x0 = [0 0 0 0 0]T ;  < 102

d)

10x1 + 4x2 x3 + 3x4 = 2

8x2 2x3 + x4 3x5 = 5

2x1 4x2 + 7x3 + = 13

x1 + 2x2 3x3 + 10x4 + 2x5 = 4

2x1 x2 x3 + x4 7x5 = 7
4) Determinar o vetor soluo dos sistemas lineares abaixo, atravs do mtodo de Gauss-Seidel, com no mx-

imo 10 iteraes:

28

x0 = [0 0 0 0]T ;  < 102

x1 0, 25x2 0, 25x3 = 0

0, 25x + x 0, 25x = 0
1
2
4
a)

0,
25x
+
x

0,
25x

1
3
4 = 0, 25

0, 25x + 10x = 0, 25
2

x0 = [0 0 0 0]T ;  < 102

4x1 + x2 + x3 + x4 = 7

2x 8x + x x = 6
1
2
3
4
b)

x
+
2x

5x
+
x
1
2
3
4 = 1

x + x + x 4x = 1
1

x0 = [1 3 1 3]T ;  < 102

5x1 x2 + 2x3 x4 = 5

x + 9x 3x + 4x = 26
1
2
3
4
c)
3x2 7x3 + 2x4 = 7

2x + 2x 3x + 10x = 33
1

x0 = [0 0 0 0 0]T ;  < 102

c)

10x1 + 4x2 x3 + 3x4 = 2

8x2 2x3 + x4 3x5 = 5

2x1 4x2 + 7x3 = 13

x1 + 2x2 3x3 10x4 + 2x5 = 4

2x1 x2 x3 + x4 7x5 = 7
5) Determine o vetor soluo dos sistemas lineares complexos abaixo:

(1 + i)x1 + ix2 + x3 = 1 + 4i
a)
x1 2ix2 + (1 + 2i)x3 = 1 2i

2x1 + 2x2 x3 = 4 i
(
b)

ix1 + (2 3i)x2 = 13
(

c)

(3 + 4i)x1 + x2 = 2 + 3i

x1 + x2 = 4
x1 x2 = 2i

Respostas:
1) a) x = [0, 9 2, 1 3, 0 4, 2]T
1) b) indeterminado
1) c) x = [0 1 0 2]T
1) d) x = [1, 2 2, 12 1, 5 0, 2]T
1) e) x = [1, 84245 101 4, 32176 101 1, 14706 101 1, 30122 1, 39106 101 1, 47225 101 8, 72343
4, 11309 101 ]T
29

2) a) x = [0, 9 2, 1 3, 0 4, 2]T
2) b) indeterminado
2) c) x = [0 1 0 2]T
2) d) x = [1, 2 2, 12 1, 5 0, 2]T
2) e) x = [2, 83519 1, 32316 101 2, 10986 2, 71105 101 6, 13817 4, 43192 101 1, 32430 101 ]T
O valor do determinante 8, 04193 106 .
3) a) x = [0, 107 0, 09 0, 342 0, 272]T
3) b) x = [1, 001 1, 002 1, 001 1, 002]T
3) c) x = [1, 027 1, 977 3, 024 3, 975]T
3) d) x = [0, 953 0, 707 1, 180 1, 182 0, 962]T
4) a) x = [0, 119 0, 130 0, 350 0, 283]T
4) b) x = [0, 99 1, 00 1, 00 1, 00]T
4) c) x = [0, 999 2, 00 3, 00 4, 00]T
4) d) x = [0, 959 0, 707 1, 172 1, 184 0, 963]T
5) a) x = [(1 + i) (1 i)i]T
5) b) x = [0 (2 + 3i)]T
5) c) x = [(2 + i) (2 i)]T

BONS ESTUDOS!

0.10

PROBLEMAS REFERENTES APLICAES DE SISTEMAS LINEARES

Resolva os seguintes exerccios referentes a problemas aplicados e projetos:

1) Considere o circuito da Figura a seguir com resistncias, fontes de alimentao e com correntes escolhidas
arbitrariamente.

2
10 V

2
4

i1

i2

2
i3

4V

Figura 4: Circuito eltrico.

Aplicando a lei de Kirchhoff, a qual diz que a soma algbrica da diferena de potencial em qualquer circuito
30

fechado zero, foi obtido o seguinte sistema linear:

2I1 + 4(I1 I2 ) + 2(I1 I3 ) = 10

2I2 + 2I2 + 2(I2 I3 ) + 4(I2 I1 ) = 0

6I3 + 2(I3 I1 ) + 2(I3 I2 ) = 4

Determine o valor do vetor de correntes i = (I1

I3 )T que satisfaz o sistema linear.

I2

a) possvel resolver o sistema linear pelo mtodo da decomposio LU? Justifique.

b) possvel resolver o sistema linear pelo mtodo da fatorao de Cholesky? Justifique.
c) Resolva o sistema linear pelo mtodo de eliminao Gaussiana.
2) Representa-se por x1 , x2 , x3 e x4 o nmero de quatro produtos que podem ser produzidos no decorrer de
uma semana. Para a produo de cada unidade, precisa-se de trs tipos diferentes de matrias-primas A, B e C
, conforme indicado na Tabela a seguir.

Produto

(1)

(2)

(3)

(4)

Por exemplo, para produzir uma unidade de (1) precisa-se de 1 unidade de A, 2 de B e 4 de C. Se existem
disponveis 30, 20 e 40 unidades de A, B e C, respectivamente, quantas unidades de cada produto podemos produzir?
Escreva x1 , x2 e x3 em funo de x4 e lembre que as solues devem ser inteiras e no negativas. resolva o sistema
linear usando um mtodo numrico a sua escolha.
3) Uma transportadora possui cinco tipos de caminhes, que sero representados por (1), (2), (3), (4) e (5), os
quais so equipados para transportar cinco tipos diferentes de mquinas A, B, C, D e E, segundo a Tabela abaixo,
onde supem-se que A, B, C, D e E a quantidade de mquinas que cada caminho pode transportar levando carga
plena.

Caminhes

(1)

(2)

(3)

(4)

(5)

Assim, o caminho (1) pode transportar uma mquina A, uma mquina B, uma mquina C, nenhuma mquina D e
duas mquinas E. Quantos caminhes de cada tipo devero ser enviados para transportar exatamente:

31

 27 mquinas do tipo A;
23 mquinas do tipo B;
31 mquinas do tipo C;
31 mquinas do tipo D;
22 mquinas do tipo E?

Supondo que cada caminho saia com carga plena, resolva o sistema linear obtido pelo mtodo de Eliminao
de Gauss.

32