Академический Документы
Профессиональный Документы
Культура Документы
MATRIZES
Definio : Uma matriz pode ser definida como um ente matemtico composto por
elementos dispostos em um nmero m linhas e em um nmero n de colunas, onde cada
elemento, geralmente obtido atravs de uma lei de formao.
Notao : A notao mais comum A = (aij)mXn nesta notao indicamos:
A : Matriz
aij : Elemento localizado na linha i e na coluna j
mXn : Ordem, ou tipo, da matriz
Observaes :
1 ) Para se calcular a quantidade de elementos de uma matriz, basta efetuar o produto m.n.
3 ) Podemos indicar a matriz tambm pela notao simplificada AmXn , mais utilizada quando
no mostramos a matriz na forma geomtrica.
TIPOS DE MATRIZES
Matriz linha m = 1.
Exemplo : A1X3 = (1 3 7)
Matriz coluna n = 1.
4
ln 5
Exemplo : B4X1 =
sen
2
2
0 0
0 0 0
Exemplos : C= D= 0 0
0 0 0 2X3
0 0 3X2
1 2 0
9 8
Exemplos : E= ln 6 3 1 F2 =
1 0
1 6 7 3X3
Obs. :
a 11 a 12 a 1n
a 21 a 22 a 2n
a) An =
a n1 a n2 a nn nXn
1 5 6 3
0 4 2 7
Exemplo : G = Tr (G) = 1 - 4 + 4 + 2 Tr (G) = 3.
8 9 4 5
1 1 0 2 4X4
3
Matriz identidade In : uma matriz quadrada de ordem n, onde todos os elementos
1 0 0 0
0 1 0 0 1 0
Exemplos : I4 = I2 =
0 0 1 0 0 1
0 0 0 1
Matriz transposta Seja AmXn uma matriz qualquer ( Pode tambm ser uma matriz
quadrada ), dizemos que sua transposta a matriz AtnXm , ou seja, aquilo que era linha em
A transforma-se em coluna em At e aquilo que era coluna em A transforma-se em linha em At
.
1 6
1 0 5 t
Exemplos : H= H = 0 4
6 4 7 2X3
5 7 3X2
1 0 4 1 2 9
t
J= 2 7 8 J = 0 7 5
9 5 3 3X3
4 8 3 3X3
Obs. : Quando temos as matrizes quadradas de ordem n, onde A = At, dizemos que A
matriz simtrica.
Matriz oposta Seja AmXn uma matriz qualquer, chamamos de matriz oposta de A e
2 3 4 5 2 3 4 5
Exemplo : K2X4 = logo, -K2X4 =
6 8 7 9 6 8 7 9
4
LEI DE FORMAO :
uma regra que define como sero os elementos de uma matriz qualquer.
k 11 k 12
Resoluo : Temos a matriz K3X2 = k 21 k 22 portanto...
k 31 k 32
3 4
Logo... K3X2 = 5 6
7 8
IGUALDADE DE MATRIZES
0 1 2 0 1 2
Sejam as matrizes L= e M=
3 4 5 2X3
3 4 5 2X3
Como...
l11 = m11 l21 = m21
l12 = m12 l22 = m22
l13 = m13 l23 = m23
Temos que L = M.
ADIO DE MATRIZES
Sejam duas, ou mais, matrizes de mesma ordem, para que efetuemos a adio,
necessrio somarmos os elementos correspondentes das matrizes, ou seja :
4 2 1 6 2 3
Sejam as matrizes N= e O=
0 3 5 2X3
7 8 9 2X3
4 2 1 6 2 3 (4 6) ( 2 2) (1 3) 10 0 2
P= + = P=
0 3 5 7 8 9 (0 7) (3 8) (5 9) 7 11 4
PRODUTO DE MATRIZES
O Produto entre duas matrizes A e B ( nesta ordem ) s pode ser efetuado quando ambas
satisfazem os requisitos da equao abaixo:
Analisando esta equao, notamos que o produto A.B s existe se o nmero de colunas
da primeira matriz (A) for igual ao numero de linhas da segunda matriz (B), no que resulta em
uma terceira matriz (C) que possui o mesmo nmero de linhas da primeira matriz e o mesmo
nmero de colunas da segunda matriz.
Exemplos :
B3X4 . A2X3 ... Note que o nmero de colunas da primeira matriz (B) no igual ao numero de
linhas da segunda matriz (A), logo, no obtemos a matriz C = B.A. Portanto conclumos
que no vlida a propriedade comutativa do produto de matrizes, pois existem matrizes A e
B tais que A.B B.A. Caso ocorra uma situao onde A.B = B.A, dizemos que A e B
comutam.
A seguir vamos apresentar, detalhadamente o procedimento para se efetuar o produto entre
duas matrizes :
2 4 3 1 2
Sejam as matrizes A= 1 0 6 e B= 4 2
3 3 5 3 5
D = B.A
7
Resoluo :
2 16 9 4 8 15
= 1 0 18 2 0 30 N 9 19
3 12 15 6 6 25 C = 19 32
30 25
MATRIZ INVERSA
Seja uma matriz quadrada de ordem n, dizemos que a matriz inversa de A, indicada por A-
1
aquela tal que:
Exemplo :
4 5
Determine ( Caso exista ) a matriz inversa de P = .
3 1
Resoluo :
4 5 a b 1 0
P2 . P2-1 = I2 . = , portanto resolvendo o produto ...
3 1 c d 0 1
4a 5c = 1 3a + c = 0
4b 5d = 0 3b + d = 1
4 a 5c 1 4b 5d 0
Temos pois dois sistemas lineares bsicos: e
3a c 0 3b d 1
8
1 5 3 4
Resolvendo tais sistemas, obtemos : a = ,b= ,c= ed= .
19 19 19 19
a b 4 5 1 0
De forma anloga, efetuamos P2-1 . P2 = I2 . = .
c d 3 1 0 1
1 5
19 19
Logo, obtemos P-1 =
3 4
19 19
9
DETERMINANTES
refere a mdulo.
Exemplos :
2 5 2 5
B= , portanto det (B) = .
3 0 3 0
1 9 3 2 1 9 3 2
4 0 8 7 4 0 8 7
C= , portanto det (C) = .
6 5 1 2 6 5 1 2
0 0 4 5 0 0 4 5
CLCULO DO DETERMINANTE
Exemplos :
a 11 a 12
A2 = det (A2) = ( a11. a22 ) - ( a12. a21 ).
a 21 a 22
Inverter Manter
sinal sinal
10
Exemplo :
1 2
C= det (C) = = ( -1. 4 ) [ 2. (-3) ] = - 4 + 6 det (C) = 2
3 4
a 11 a 12 a 13 a 11 a 12 a 13 a 11 a 12
A3 = a 21 a 22 a 23 det (A3) = a 21 a 22 a 23 a 21 a 22
a 31 a 32 a 33 a 31 a 32 a 33 a 31 a 32
Inverter Manter
sinal sinal
A partir deste ponto, o processo anlogo ao da resoluo do determinante de segunda
ordem.
Exemplo :
1 3 5 1 3 5 1 3
D= 2 4 3 det (D) = 2 4 3 2 4 = 8 - 27 + 0 60 - 0 - 12
3 0 2 3 0 2 3 0
Exemplo :
1 3 2 0 1 3 2 0
4 2 1 3 4 2 1 3
Seja a matriz A = , calcule det (A) = .
3 1 0 2 3 1 0 2
4 0 3 1 4 0 3 1
11
Resoluo :
1 3 2 0
4 2 1 3
det (A) = 4.A 21 2.A 22 1.A 23 3.A 24
3 1 0 2
4 0 3 1
onde A21, A22, A23 e A21 so chamados de cofatores dos respectivos elementos.
Genericamente podemos indicar como cofator de aij como sendo:
No nosso caso, os elemento envolvidos, referentes segunda linha, so a21, a22, a23 e a24,
ento temos :
3 2 0 3 2 0
2+1 3
A21 = (-1) . D21 = (-1) . 1 0 2 1 0 2 = - ( -16) A21 = 16
0 3 1 0 3 1
1 2 0 1 2 0
2+2 4
A22 = (-1) . D21 = (-1) . 3 0 2 3 0 2 = 16 A22 = 16
4 3 1 4 3 1
12
1 3 0 1 3 0
2+3 5
A23 = (-1) . D23 = (-1) . 3 1 2 3 1 2 = - ( -32) A23 = 32
4 0 1 4 0 1
1 3 2 1 3 0
2+4 6
A24 = (-1) . D24 = (-1) . 3 1 0 3 1 2 = - 32 A24 = -32
4 0 3 4 0 1
1 3 2 0
4 2 1 3
det (A) = 4.A 21 2.A 22 1.A 23 3.A 24
3 1 0 2
4 0 3 1
det (A) = 64 + 32 + 32 96
Finalmente.....
det (A) = 32
DICA : Quando aplicar Laplace procure usar a fila que contenha a MAIOR QUANTIDADE
de ZEROS, pois como voc multiplica cada cofator por seu respectivo elemento, se este for zero,
voc no precisar calcular o cofator.
13
Exemplos
8 10 3 1
0 3 4
5 0 2 4
0 7 2 0 0
0 0 0 0
0 6 0
7 89 6 43
Exemplos
8 10 16 1
2 3 4
5 3 10 4
1 7 2 0 0
10 0 20 2
1 7 2
7 89 14 43
3. Caso UMA fila do determinante for COMBINAO LINEAR de outras filas, o resultado
deste ser ZERO.
Exemplo
1 4 3 2
5 3 10 4
0
7 89 14 43
Linha 4 = Linha 1 + linha 2 6 7 13 6
14
Exemplo
1 4 2 6
3 3 5 0
det (A) = 497
2 9 8 0
7 6 6 1
1 3 2 7
4 3 9 6
det (At) = 497
2 5 8 6
6 0 0 1
Exemplo
2 2 4 6
3 5 9 0
det (A) = 2.036
2 8 9 0
7 7 6 1
2 4 2 6
3 9 5 0
det (B) = 2.036
2 9 8 0
7 6 7 1
15
Exemplo
2 2 4 6
3 5 9 0
2.036 .
2 8 9 0
7 7 6 1
2 2 4 6
3 5 9 0
6.108 3.(2.036)
6 24 27 0
7 7 6 1
8 0 0 0
6 3 1
5 1 0 0
0 7 2 168 688
10 3 2 0
0 0 4
7 89 6 43
8. Vale a pena lembrar aqui, de forma rpida, dois pontos no estudo de determinantes que
so de grande utilidade:
1
Determinante ma matriz inversa det(A) = , com det(A) 0.
det( A)
16
SISTEMAS LINEARES
Um sistema linear formado por um conjunto de m equaes lineares, equaes estas que se
caracterizam por apresentarem todas as incgnitas com potncia de grau um.
Exemplos :
2x 3y 6 6x 2 y 0
a) b)
5x y 2 2x 11y 0
x y z 9
c) x y 2z 3w 9 d)
5x 11y 1
MATRIZES ASSOCIADAS
4x 3y 1
No sistema temos...
2x 5y 2
4 3
Matriz incompleta
2 5
4 3 1
Matriz completa
2 5 2
2x y 3
2 1 x 3
O sistema pode ser escrito na forma matricial : . , onde :
1 3 y 5
x 3y 5
2 1
a matriz incompleta ( ou dos coeficientes).
1 3
x
a matriz das incgnitas.
y
3
a matriz dos termos independentes.
5
17
SOLUO DE UM SISTEMA LINEAR
A soluo de um sistema linear a seqncia ordenada ( n-upla ) que soluo de cada uma das
equaes do sistema.
Exemplos :
x y 3
No sistema , temos o par ordenado ( 2, 1 ) como soluo do sistema, pois ele
x y 1
soluo das duas equaes do sistema.
x y z 2
No sistema , temos a terna ordenada ( 0, 2, 4 ) como soluo do sistema, pois
2y z 0
ele soluo das duas equaes do sistema.
SISTEMA LINEAR
POSSVEL IMPOSSVEL
Possui soluo No possui soluo
DETERMINADO INDETERMINADO
Soluo nica Infinitas solues
18
Exemplos :
x y 5
a ) O sistema S.P.D, pois o par ordenado ( 1, 6 ) sua NICA soluo.
3x y 3
5x 5y 5z 10
b ) O sistema S.P.I, pois apresenta INFINITAS solues, entre elas, podemos
x y z 2
citar : ( 1, 1, 2 ); ( 0, 2, 4 ); ( 1, 0, 1 ).
x y 5
c ) O sistema S.I, pois NO apresenta soluo.
x y 3
EXERCCIOS :
2x y 5
1 ) Verifique se ( 2, -1 ) soluo do sistema linear .
x y 1
x y 0
2 ) Idem para ( 1, 1, 1 ) no sistema 2x z 1 .
x y
3z 2
2 2
3x y z 7
3 ) Idem para ( 0, -2, 5 ) no sistema x y z 4 .
y z 7
4 ) Considere o sistema {x - y = 1.
3 x1 4 x2 2 3x 2 y 5
a) b) x y 1
x1 4x y 6
x2 1
3
2 1 x 0
a) .
3 1 y 3
1 3 5 x 8
b) 0 1 2 . y 2
0 0 4 z 12
x
4 2 1 8
c) . y
1 0 1 3
z
REGRA DE CRAMER
Existem alguns mtodos para classificarmos e/ou resolvermos um sistema linear. Vamos recordar a
Regra ( ou mtodo ) de Cramer. Tal regra consiste em separar o sistema em matrizes e calcular seus
determinantes. Ento, a partir de divises entre estes determinantes, encontramos a soluo do sistema.
x 2y z 5
Resolva o sistema x 2 y 3z 3 , usando Cramer.
4x y z 4
20
Resoluo :
1 2 1
D= 1 2 3 D = -36 0, portanto S.P.D.
4 1 1
5 2 1
Dx = 3 2 3 Dx = -36.
4 1 1
1 5 1
Dy = 1 3 3 Dy = 72.
4 4 1
1 2 5
Dz = 1 2 3 Dz = -72.
4 1 4
Dx 36
Logo x= x=1
D 36
Dy 72
y= y = -2
D 36
Dz 72
z= z=2
D 36
Exerccios :
x y 6 x y z 0 x 2y 1
a) b) x 2 y 2z 3 c) y z 3
x y 2 2x y z 3 x 2z 1
S = { ( 4, 2 ) } S = { ( 1, 3, 2 ) } S = { ( 3, 1, 2 ) }
21
D 0 S.P .D
S.P.I
Por Cramer, quando D 0 ou .
S.I
Na primeira parte do nosso curso, no vamos estudar os modos de determinar se um sistema S.P.I ou
S.I, logo, ao classificarmos um sistema linear com D = 0, basta deixar indicado com S.P.I ou S.I.
Exemplos :
x y 3
1 ) discuta o sistema em funo de m :
2x my 2
Resoluo :
1 1
D= D = m 2.
2 m
S.P .I
OU D=0 m2=0 m = 2.
S.I
x y z 1
2 ) Idem para 2x y 3z 6
mx y 5z 9
22
TRIANGULARIZAO DE GAUSS
Exemplo :
5x 6 y 3 5x 6 y 3 5x 6 y 3
Seja o sistema ...
2x y 5 2x y 5 .(6) 12x 6 y 30
somando menbro-a-membro de cada equao, temos (5x + 12x) + (6y 6y) = 3 + 30 17x = 33 .
5x 6 y 3
33
Chegamos pois ao sistema equivalente x
17
17 x 33
33 114 1 19 33 19
Logo 5 6y 3 y . y , portanto S , .
17 17 6 17 17 17
Vamos usar o Dispositivo Prtico de Gauss, que nada mais do que um algoritmo que nos
auxilia na resoluo de grande parte dos sistemas lineares. Tal algoritmo consiste em dividir o sistema em
matrizes quadradas de ordem 2 e resolver seus determinantes de modo a se obter um sistema equivalente
triangularizado.
2 x 3y z 4
Seja o sistema linear 4x 3y z 2 , representaremos o sistema com o uso do D.P.G da
x y z 1
seguinte maneira :
23
2x 3y z 4
18y 6z 12
24z 24
Resolvendo o sistema a partir da terceira equao temos: z = 1, y = 1 e x = 1 .
Logo S 1, 1,1 .
24
Exerccios :
3x 4 y z 11
2x 4 y z 6 S 1, 3, 4
7 x 2 y 3z 1
2x y z 7
20 52
4x 2 y z 3 S , ,11
3 3
x y 2z 2
2x 3y 4z 2w 3
x 3y 2z w 2
S 19,88; 24,15; 24,86; 4,86
3x 4y 2z 2w 3
4x 2y 2z 3w 4
25
DECOMPOSIO (OU FATORAO) LU
Estudaremos agora, mais um mtodo de resoluo de sistemas de equaes lineares, tal mtodo uma
variante do mtodo de Gauss, sendo conhecido por decomposio ( ou fatorao ) LU. O objetivo deste
mtodo decompor uma matriz, a qual denominaremos de A, no produto de duas matrizes, uma delas
denominada L ( matriz triangular inferior ) e outra U ( matriz triangular superior ).
Lembrando que :
Matriz triangular inferior : Ln onde os elementos acima da diagonal principal so todos nulos.
2 0 0 0
1 0 0
8 7 0 0
B 3 2 0 C
1 9 5 0 .
8 7 9
4 0 6 0
Nota : Vale a pena lembrar que, em particular neste mtodo, todos os elementos da diagonal principal de L sero o algarismo 1.
Matriz triangular superior : Un onde os elementos abaixo da diagonal principal so todos nulos.
4 1 0 3
1 4 7
0 1 0 5
D 0 3 8 E
0 0 2 6 .
0 0 5
0 0 0 4
26
Tomemos um sistema de equaes lineares do tipo Ax = b e sabendo que A = LU, iremos na
Lt b
e
verdade, solucionar dois sistemas mais simples de equaes lineares : obtidos a partir de
Ux t
Ax = b Lt = b. C.M.Q.D
a 21
m 21
a 11
e
Pela lgica usada no mtodo de Gauss, calculamos os multiplicadores a 31 , da efetuando
m 31
a 11
E '2 m 21. E1 E2
1 0 0
( 0)
M m 21 1 0
m31 0 1
a11 a12 a13
'
(0) a11 a12 a13 A 0 a '22 a '23
A = M . A onde temos , obtendo ' ' .
A a 21 a 22 a 23 0 a 32 a 33
a 31 a 32 a 33
27
'
a 32
m 32
Continuando o processo, iremos calcular o multiplicador a '22 bem como efetuar a
transformao linear elementar E 3'' m32. E '2 E 3' , equivalente a efetuarmos a operao
1 0 0
M (1) 0 1 0
0 m 32 1
a11 a12 a13
(1) a11 a12 a13 A '' 0 a '22 a '23
A = M . A onde temos , obtendo '' .
A' 0 a '22 a '23 0 0 a 33
' '
0 a 32 a 33
1 0 0
M ( 0) m 21 1 0
m 31 0 1
1 0 0
(1)
M 0 1 0
0 m 32 1
1 0 0
( 0) 1
M m 21 1 0
m 31 0 1
1 0 0
(1) 1
M 0 1 0
0 m 32 1
1 0 0
( 0) 1 (1) 1
M .M m 21 1 0
m 31 m 32 1
Finalmente ...
A = [M(0)]-1.[M(1)]-1. A
1 ) Determinar as matrizes L e U;
2 ) Substituir Ux pela matriz T;
3 ) Resolver o sistema triangular inferior Lt = b;
4 ) Resolver o sistema triangular superior Ux = t, solucionando assim, o sistema Ax = b.
x 3y 2z 11
2x 8y z 15
1 ) Determine a soluo do sistema linear .
4x 6 y 5z 29
Resuloo :
1 3 2
A 2 8 1
4 6 5
a 21 ( 2)
m 21 m 21 2
a11 1
e
a 31 4
m 31 m 31 4
a11 1
1 0 0 1 0 0
M ( 0) m 21 1 0 M ( 0) 2 1 0
m31 0 1 4 0 1
1 0 0 1 3 2 1 3 2
A' M ( 0) . A 2 1 0. 2 8 1 A' 0 2 3
4 0 1 4 6 5 0 6 3
a '32 6
m 32 m32 3
a '22 2
1 0 0 1 0 0
(1) (1)
M 0 1 0 M 0 1 0
0 m32 1 0 3 1
1 0 0 1 3 2 1 3 2
'' (1) ' ''
A M .A 0 1 0. 0 2 3 A 0 2 3
0 3 1 0 6 3 0 0 12
30
Ento temos:
1 0 0 1 0 0
L m 21 1 0 L 2 1 0
m 31 m 32 1 4 3 1
1 0 0
L 2 1 0 Matriz dos termos independentes
4 3 1
1 0 0 t11 11
LT B 2 1 0 . t12 15
4 3 1 t13 29
t11
T t 21
t 31
Da...
1 3 2
U 0 2 3
0 0 12
1 3 2 x 11
UX T 0 2 3 . y 7
0 0 12 z 36
x
X y
z
Da...
x 3y 2z 11 Re solvendoo sistema... x 2
2y 3z 7 X y 1
12z 36 z 3
S 2, 1, 3
32
DISPOSITIVO PRTICO DE RESOLUO DA DECOMPOSIO LU
Da mesma forma que utilizvamos dispositivos prticos para agilizar a soluo de alguns mtodos
numricos de resoluo de sistemas, vamos aqui apresentar um dispositivo, muito parecido com aquele
utilizado no mtodo de triangularizao de Gauss, que nos auxiliar quanto a configurao das
matrizes L e U. Vamos reestudar a soluo do sistema que acabamos de solucionar...
Transfomaes
Equao Multiplicadores x y z x 3y 2z 11
Elementares
E1 1 -3 2 2x 8y z 15
E2 -2 8 -1 4x 6 y 5z 29
E3 4 -6 5
a 21 ( 2)
E2
m 21
a11 1
2 0 2 3 * E '2 m 21. E1 E2
a 31 4
E3 m 31
a11 1
4 0 6 -3 ** E3' m31. E1 E3
'
a 32 6
E3 m 32 3 0 0 -12 *** E3'' m32. E '2 E 3'
a '22 2
*
a '23 2.a13 a 23 2.(2) ( 1) a '23 3
' '
a 32 4.a12 a 32 4.( 3) ( 6) a 32 6
** ' '
a 33 4.a13 a 33 4.(2) (5) a 33 3
''
*** a 33 3.a '23 a 33
'
3.(3) ( 3) ''
a 33 12
Portanto
1 0 0 1 0 0
L m 21 1 0 L 2 1 0
m 31 m 32 1 4 3 1
E1 1 3 2
U E '2 U 0 2 3
E 3'' 0 0 12
x 3y 2z 11
2x 8y z 15
4x 6 y 5z 29
1,00
Respostas :
T 1,67
0,00
Este processo ser aplicado na resoluo de sistemas lineares onde temos An a matriz do sistema sendo
simtrica e definida positiva, a qual ser fatorada na forma A = LLt e det(A) = [det(L)]. Onde Ln
triangular inferior, com os elementos da diagonal principal estritamente positivos.
Para fins didticos, iremos estudar matrizes 4x4.
Ento ...
l11 0 0 0
l 21 l 22 0 0
L
l31 l32 l33 0
l 41 l 42 l 43 l 44
l11 l 21 l31 l 41
0 l 22 l32 l 42
Lt
0 0 l33 l34
0 0 0 l 44
l11 a11
i 1
lii a ii lik 2 ; i 2, 3,..., n
k 1
Logo temos
a i1
li1 ; i 2, 3, ..., n
l11
j 1
a ij lik .l jk
lij k 1 ; 2 j i
l jj
Agrupando as igualdades acima em ordem, temos l11, l21, ..., ln1; l22, l32, ..., ln2; ...; lnn.
Agora podemos complementar, com base na decomposio LU ( J estudada anteriormente ),
que det(A) = [det(L)] = [ l11.l22.l33. ... .lnn ]2.
36
Portanto, conclumos que a soluo do sistema Ax = b depende de calcularmos a matriz L,assim
sendo, bastar solucionarmos os sistemas Lt = b e Ltx = t.
Exemplo :
x y 2
x 2y z 1
Resolva o sistema .
y 3z 5
Resoluo :
1 1 0 2
A 1 2 1 e B 1
0 1 3 5
A simtrica.
det(A1 ) 1 1 0
1 1
det(A 2 ) 1 0
1 2
1 1 0
det(A 3 ) det(A) 1 2 1 2 0
0 1 3
a i1 a 21 1
li1 l 21 l 21 1
l11 l11 1
a 31 0
l31 l31 0
l11 1
i 1 2 1 1
2 2
a ii lik l 22 a 22 l 21 a 22 l 21 2 2 l2 2 1 l 22 1
k 1 k 1 k 1
j 1 2 1 1
a ij lik .l jk a 32 l31.l 21 a 32 l31.l 21
k 1 k 1 k 1 1 (0.1)
l32 lij l32 l32 1
l jj l 22 l 22 l
3 1 2
2 2
l33 a 33 l31 l32 a 33 l31 2 l32 2 3 0 2 ( 1) 2 3 0 1 l 22 2
k 1 k 1
Portanto ...
l11 0 0 1 0 0
L l 21 l 22 0 1 1 0
l 31 l 32 l 33 0 1 2
l11 l 21 l 31 1 1 0
t
L 0 l 22 l 32 0 1 1
0 0 l 33 0 0 2
1 1 0 1 0 0 1 1 0
t
A LL 1 2 1 1 1 0 .0 1 1
0 1 3 0 1 2 0 0 2
38
t
Solucionando os sistemas Lt = b e L x = t.
Lt = b
1 0 0 t1 2 t1 2
1 1 0 . t2 1 resolvendo o sistema T t2 1
0 1 2 t3 5 t3 2 2
Lt x t
1 1 0 x 2 x 1
0 1 1 . y 1 resolvendo o sistema X y 1
0 0 2 z 2 2 z 2
Finalmente ...
x y 2
x 2y z 1
A soluo do sistema S= { ( 1, 1, 2 ) }
y 3z 5
===========================================================================
Exerccios :
1 0 0 1
1 ) Sejam as matrizes A 1 1 0 e B 2 do sistema Ax = b. Determine a sua soluo usando
0 1 2 5
a decomposio de Cholesky.
1 1 0 1
2 ) Sejam as matrizes A 1 2 1 e B 2 do sistema Ax = b. Determine a sua soluo usando
0 1 3 5
a decomposio de Cholesky.
===========================================================================
===========================================================================
39
Introduo :
Todo sistema apresentado da forma Ax = b pode ser reescrito, seguindo o algoritmo de Gauss-Seidel,
na forma equivalente x = Bx + d.
A partir da forma equivalente acima, podemos construir uma seqncia de vetores de x 0 at xn da
seguinte forma :
x0 (Vetor arbitrrio)
Caso esta seqncia apresente convergncia, ou seja, se x lim x n , ela aceita o clculo
n
a 11x a 12 y a 13z b1
a 21x a 22 y a 23z b2
a 31x a 32 y a 33z b3
Vamos agora dividir a resoluo deste sistema em trs passos bsicos ...
1 Passo
Dividir todos os termos da primeira equao por a11 , dvidir todos os termos da segunda equao por
a22 e assim por diante.
Logo temos :
40
a 11 a 12 a 13 b1 a 12 a 13 b1
x y z x y z
a 11 a 11 a 11 a 11 a 11 a 11 a 11
a 21 a 22 a 23 b2 a 21 a 23 b2
x y z x y z .
a 22 a 22 a 22 a 22 a 22 a 22 a 22
a 31 a 32 a 33 b3 a 31 a 32 b3
x y z x y z
a 33 a 33 a 33 a 33 a 33 a 33 a 33
2 Passo
a 12 a 13 b1
x 0x y z
a 11 a 11 a 11
a 21 a 23 b2
y x 0y z .
a 22 a 22 a 22
a 31 a 32 b3
z x y 0z
a 33 a 33 a 33
3 Passo
Atribumos valores arbitrrios para x, y e z os quais sero identificados como x(0), y(0) e z(0), tais valores,
so chamados de valores iniciais e em linhas gerais sero usados os termos independentes de cada linha
b1 b2 b3
do sistema, logo temos : x ( 0) , y ( 0) , z (0) . Cada grupo de novos valores de x, y e z
a 11 a 22 a 33
que sero encontrados, tero como base os ltimos valores anteriormente encontrados iterando-se cada
linha do sistema acima, da temos :
a 12 ( 0 ) a 13 ( 0 ) b1
x (1) 0x ( 0) y z
a 11 a 11 a 11
a 21 (1) a b2
y (1) x 0 y ( 0) 23 ( 0 )
z
a 22 a 22 a 22
a 31 (1) a 32 (1) b3
z (1) x y 0z ( 0 )
a 33 a 33 a 33
a 12 (1) a 13 (1) b1
x ( 2) 0x (1) y z
a 11 a 11 a 11
a 21 ( 2 ) a 23 (1) b 2
y ( 2) x 0 y (1) z
a 22 a 22 a 22
a 31 ( 2 ) a 32 ( 2 ) b3
z ( 2) x y 0z (1)
a 33 a 33 a 33
.
.
.
41
a 12 ( n ) a 13 ( n ) b1
x (n 1)
0x ( n ) y z
a 11 a 11 a 11
a 21 ( n 1) a b2
y (n 1)
x 0y (n) 23 ( n )
z .
a 22 a 22 a 22
a 31 ( n 1) a 32 ( n 1) b3
z (n 1)
x y 0z ( n )
a 33 a 33 a 33
Tais iteraes sero efetuadas at que seja encontrada a convergncia total, ou seja, os valores de x, y e
z duas iteraes imediatamente seguidas devem ser exatamente iguais um a um , da x(n) = x(n+1), y(n)
= y(n+1) e z(n) = z(n+1).
Exemplo 1
Encontre a soluo do sistema abaixo, pelo mtodo iterativo de Gauss-Seidel, utilizando uma casa
decimal depois da vrgula.
10x 2 y z 9
x 8y z 8
2x y 15z 18
Resoluo:
1 Passo
Da :
10 2 1 9
x y z
10 10 10 10 x 0,2 y 0,1z 0,9
1 8 1 8
x y z 0,1x y 0,1z 1,0 .
8 8 8 8
2 1 15 18 0,1x 0,1y z 1,2
x y z
15 15 15 15
2 Passo
3 Passo
x ( 0 ) 0,9
Valores iniciais y ( 0 ) 1,0 .
z ( 0 ) 1,2
Como temos x(2) = x(1), y(2) = y(1) e z(2) = z(1), respectivamente, dizemos que houve convergncia e
x x (1) x ( 2) 1,0
que portanto as solues aproximadas do sistema so: y y (1) y ( 2 ) 1,0 .
z z (1) z ( 2) 1,0
Exemplo 2
Encontre a soluo do sistema abaixo, pelo mtodo iterativo de Gauss-Seidel, utilizando duas casa
decimal depois da vrgula.
7x 2y z 4
x 10 y z 5
2 x 3y 9z 6
43
Resoluo:
1 Passo
Da :
7 2 1 4
x y z
7 7 7 7 x 0,29 y 0,14z 057
1 10 1 5
x y z 0,10x y 0,10z 0,50 .
10 10 10 10
2 3 9 6 0,22x 0,33y z 0,67
x y z
9 9 9 9
2 Passo
3 Passo
x ( 0 ) 0,57
Valores iniciais y ( 0) 0,50 .
z ( 0 ) 0,67
Como temos x(4) = x(3), y(4) = y(3) e z(4) = z(3), respectivamente, dizemos que houve convergncia e
x x (3) x ( 4 ) 0,63
que portanto as solues aproximadas do sistema so: y y (3) y ( 4) 0,40 .
z z (3) z ( 4 ) 0,40
Os clculos que acabamos de realizar podem ser simplificados usando-se uma tabela que discrimina os
elementos do sistema, de forma a otimizar os clculos. Tal tabela conhecida pelo nome de
DISPOSITIVO PRTICO DE GAUSS-SEIDEL.
Vamos detalhar passo a passo a sua construo usando para isso o exemplo 1 ...
... Encontre a soluo do sistema abaixo, pelo mtodo iterativo de Gauss-Seidel, utilizando uma casa
decimal depois da vrgula.
10x 2 y z 9
x 8y z 8
2x y 15z 18
1 Passo
Da :
10 2 1 9
x y z
10 10 10 10 x 0,2 y 0,1z 0,9
1 8 1 8
x y z 0,1x y 0,1z 1,0 .
8 8 8 8
2 1 15 18 0,1x 0,1y z 1,2
x y z
15 15 15 15
2 Passo
3 Passo
x ( 0 ) 0,9
Valores iniciais y ( 0 ) 1,0 .
z ( 0 ) 1,2
Note que at aqui nada mudou em relao resoluo sem o D.P.G-S. Vamos agora a construo do
dispositivo propriamente dito...
Tabela ...
A prxima linha ( Iterao 0 ) ser preenchida pelos valores iniciais, ou seja, os termos independentes
do 3 Passo ...
O elemento x(1) resultado da soma de cada elemento da linha L1 multiplicado pelo ltimo elemento de
cada coluna, este resultado somado ao termo independente da linha L1, ou seja :
x(1) = 0.0,9 + 0,2.1,0 0,1.1,2 + 0,9 = 1,0
46
O elemento y(1) resultado da soma de cada elemento da linha L2 multiplicado pelo ltimo elemento de
cada coluna, este resultado somado ao termo independente da linha L2, ou seja :
y(1) = -0,1.1,0 + 0.1,0 + 0,1.1,2 + 1,0 = 1,0.
O elemento z(1) resultado da soma de cada elemento da linha L3 multiplicado pelo ltimo elemento de
cada coluna, este resultado somado ao termo independente da linha L3, ou seja :
z(1) = -0,1.1,0 0,1.1,0 + 0.1,2 + 1,2 = 1,0.
O elemento z(2) resultado da soma de cada elemento da linha L3 multiplicado pelo ltimo elemento de
cada coluna, este resultado somado ao termo independente da linha L3, ou seja :
z(2) = -0,1.1,0 0,1.1,0 + 0.1,0 + 1,2 = 1,0.
Como temos x(2) = x(1), y(2) = y(1) e z(2) = z(1), respectivamente, dizemos que houve convergncia e
48
(1) ( 2)
x x x 1,0
que portanto as solues aproximadas do sistema so: y y (1) y ( 2)
1,0 .
z z (1) z ( 2)
1,0
Exerccios :
Resolva os sistemas abaixo, pelo M.I.G-S, utilizando o D.P.G-S, usando, durante os clculos, DUAS
CASAS decimais aps a vrgula.
10x 3y z 2
1) x 10 y 4z 3 S = { ( 0,29; -0,44; -0,43 ) }
x y 5z 2
5x 2 y 2z 5
2) x 4y z 4 S = { ( 1,00; 1,00; 0,99 ) }
2x 3y 7z 12
10 x 2y 3z 4 w 1
x 8y z w 2
3) S = { ( 0,21; -0,20; 0,10; -0,10 ) }
2x 3y 15z 2 w 1
x y z 5w 0
49
CONVERGNCIA
Nos exemplos e exerccios vistos at agora, todos apresentaram CONVERGNCIA. Todavia, alguns
sistemas lineares no apresentam tal caracterstica. Quando tal fato ocorre, o mtodo iterativo de Gauss-
Seidel no resolve tais sistemas.
Veja o exemplo abaixo, num sistema que S.P.D.
x 10 y 2z 7
2x 10 y z 13 .
x y 10z 10
Da ...
x ( 0 ) 7 ,0
Valores iniciais y ( 0 ) 1,3 .
z ( 0 ) 1,0
x ( 3) 26,0 x ( 4) 51,0
3 Iterao y ( 3) 6,8 . 4 Iterao y ( 4) 12,1 .
z ( 3) 4,3 z ( 4) 7,4
50
x ( 5) 99,4
5 Iterao y (5) 21,9 .
z (5) 13,1
Seja, por exemplo, A a matriz dos coeficientes de um sistema linear de 3 ordem dada por:
a 11 a 12 a 13
A a 21 a 22 a 23
a 31 a 32 a 33
Temos :
a 12 a 13 a 21 a 23 a 31 a 32
S1 S2 S3
a 11 a 11 a 22 a 22 a 33 a 33
x ( 0) , x (1) , x ( 2) ,..., x ( n 1) , x ( n )
Se S1 < 1, S2 < 1 e S3 < 1, ento as seqncias y ( 0 ) , y (1) , y ( 2 ) ,..., y ( n 1) , y ( n ) so CONVERGENTES.
z ( 0 ) , z (1) , z ( 2) ,..., z ( n 1) , z ( n )
Exemplos :
5x y 2z 7
a ) 2x 10 y 7z 9
O critrio de soma por linhas s
3x 5y 9z 15 vale para dizer se o sistema
convergente. Se no for satisfeito,
nada podemos concluir !!!
Resoluo :
5 1 2 a 11 5
A 2 10 7 , logo a 22 10
3 5 9 a 33 9
51
Temos :
S 1
1
5 5
2 1
5
2
5
3
5
S1 0,6 1,0
A seqncia de vetores
CONVERGENTE, pois a
S 2
2
10
7
10
2
10
7
10
9
10
S2 0,9 1,0 matriz A satisfaz o Critrio
da soma por linhas.
S 3
3
9 9
5 3
9
5
9
8
9
S3 0,9 1,0
3x y 2z 4
b ) 2x 10 y z 10
5x 4 y 11z 12
Resoluo :
3 1 2 a 11 3
A 2 10 1 , logo a 22 10
5 4 11 a 33 11
Como todos os valores so em MDULO, no usaremos tal notao e escreveremos todos os valores
como sendo POSITIVOS ...
Temos :
A seqncia de vetores
S 1
1
3
2
3
3
3
S1 1,0 1,0
PODER ou
convergente, pois
NO ser
a matriz A
NO satisfaz o Critrio da
soma por linhas.
5x y 2z 131
c) x y 3z 2
2x 10 y 4z 19
Resoluo :
5 1 2 a 11 5
A 1 1 3 , logo a 22 1
2 10 4 a 33 4
52
Temos :
S 1
1 2
5
3
5
S1 0,6 1,0 A seqncia de vetores
PODER ou NO ser
convergente, pois a matriz A
S 2
1 3
1
4
1
S2 4,0 1,0
NO satisfaz o
soma por linhas.
Critrio da
Resoluo :
5x y 2z 131
Sistema equivalente 2x 10 y 4z 19 ;
x y 3z 2
5 1 2 a 11 5
A 2 10 4 , logo a 22 10
1 1 3 a 33 3
Temos :
S 1
1 2
5
3
5
S1 0,6 1,0
A seqncia de vetores
S 2
2 4
10
6
10
S2 0,6 1,0 CONVERGENTE, pois a
matriz A satisfaz o Critrio
da soma por linhas.
53
S 3
1 1
3
2
3
S3 0,7 1,0
Exemplo :
x 2 y 3z 9 w 20
2 x 5y 9z w 17
e)
20 x 10 y 3z 4w 19
2 x 6 y z w 15
Resoluo :
20 x 10 y 3z 4w 19
2 x 6 y z w 15
Sistema equivalente ;
2 x 5y 9z w 17
x 2 y 3z 9 w 20
20 10 3 4 a 11 20
2 6 1 1 a 22 6
A , logo
2 5 9 1 a 33 9
1 2 3 9 a 44 9
Temos :
54
S 1
10 3 4
20
17
20
S1 0,9 1,0
A seqncia de vetores
CONVERGENTE, pois a
S 2
2 1 1
6
4
6
S2 0,7 1,0 matriz A satisfaz o Critrio
da soma por linhas.
S 3
2 5 1
9
8
9
S1 0,9 1,0
S 41
1 2 3
9
6
9
S4 0,7 1,0
Exerccios :
Verifique se o sistema abaixo pode ser resolvido pelo processo iterativo que gera seqncia de vetores,
considerando, caso necessrio, a permutao das equaes.
2x 15y 4z 19
1) 10x 5y 15z 20 Resp.: Nada podemos concluir sobre a convergncia
10x 2 y 3z 15
2x 5y 9z 10
2) 10x 15y z 25 Resp.: Convergente
10x 5y 4z 15
5x 7 z 9
3) 5x y z 7 Resp.: Nada podemos concluir sobre a convergncia
2 y 10z 15
5 1 a 10
a) 2 10 7 20 S a 4, 4
a 4 9 13
5 1 3 10
b) 2 a 7 20 S a , 9 9,
3 4 9 13
55
5 1 a 10
c) 2 a 7 20 S
a 4 9 13
2 - CRITRIO DE SASSENFELD
Seja, por exemplo, A a matriz dos coeficientes de um sistema linear de 3 ordem dada por:
a 11 a 12 a 13
A a 21 a 22 a 23
a 31 a 32 a 33
Temos :
a 12 a 13 a 21 . 1 a 23 a 31 . 1 a 23 . 2
1 2 3
a 11 a 22 a 33
x ( 0) , x (1) , x ( 2) ,..., x ( n 1) , x ( n )
Se o mx i < 1, ento as seqncias y ( 0 ) , y (1) , y ( 2 ) ,..., y ( n 1) , y ( n ) so CONVERGENTES.
z ( 0 ) , z (1) , z ( 2) ,..., z ( n 1) , z ( n )
Exemplos :
5x y 2z 7
a ) 2x 10 y 7z 9
3x 5y 9z 15
Resoluo :
56
5 1 2 a 11 5 a 12 1 a 13 2
A 2 10 7 , logo a 21 2 a 22 10 a 23 7
3 5 9 a 31 3 a 32 5 a 33 9
Temos :
1
a12
a11
a13 1
5
2 1 2
5
3
5
0,60
a 21 . a 23 2 .0,60 7
2
a 22
1
10
1,20 7
10
8,20
10
0,82 mx i = 2 = 0,82 < 1
a 33
2
9
1,80 4,10
9
5,90
9
0,65 CONVERGENTE, pois a
matriz A satisfaz o Critrio
de Sassenfeld.
5x y z 5
b ) 3x 4 y z 6
x y 2z 0
Resoluo :
Temos :
b12 b13 1 1
1
b11 5
1 1
5
2
5
0,40
b 21 . b 23 3 .0,40 1
2
b 22
1
4
1,20 1
4
2,20
4
0,55
57
b 31 . b 32 . 1.0,40 1.0,55
3
1
b 33
2
2
0,40 0,55
2
0,95
2
0,48
mx i = 2 = 0,55 < 1
A seqncia de vetores
CONVERGENTE, pois a
matriz B satisfaz o Critrio
de Sassenfeld.
x 2 y 3z 9 w 20
2 x 5y 9z w 17
c)
20 x 10 y 3z 4w 19
2 x 6 y z w 15
Resoluo :
Temos :
A seqncia de vetores
NO CONVERGENTE,
pois a matriz C no satisfaz
o Critrio de Sassenfeld.
58
Exerccios :
Verifique se o sistema abaixo pode ser resolvido pelo processo iterativo que gera seqncia de vetores,
considerando, caso necessrio, a permutao das equaes.
x 2 y 3z 9 w 20
2 x 5y 9z w 17
1)
20 x 10 y 3z 4w 19
2 x 6 y z w 15
2x 15y 4z 19
2) 10x 5y 15z 20 Resp.: Nada podemos concluir sobre a convergncia
10x 2 y 3z 15
2x 5y 9z 10
3) 10x 15y z 25 Resp.: Convergente
10x 5y 4z 15
5x 7 z 9
4) 5x y z 7 Resp.: Nada podemos concluir sobre a convergncia
2 y 10z 15
59
__
F( x, y) 0 x F ( x , y)
Tomemos o sistema , ele pode ser reescrito na forma __ , onde a soluo a
G ( x , y) 0 y G ( x , y)
__ __
ser determinada u ( x, y) .
F G F G __ __
Considerando que D( x, y) . . 0 esteja em uma vizinhana de u ( x , y ) ,
x y y x
utilizaremos o Mtodo de Newton para encontrar a soluo deste sistema. Tal mtodo consiste em um
algoritmo que chega a tal soluo de forma iterativa.
Num primeiro momento, escolhe-se x0 e y0 como valores iniciais da soluo do sistema. A partir da
usamos as frmulas iterativas abaixo para obteno das seqncias ...
G F
F( x, y) . . G ( x , y)
y y
xr 1 xr
F G F G
. .
x y y x
(1)
F G
.G ( x, y) F( x, y).
yr yr x x
1
F G F G
. .
x y y x
Exemplo :
Resoluo :
F G
2x 1
x x
Utilizando as frmulas ( 1 ), temos :
F G
1 2y
y y
F F
F( x , y) F( x , y)
y x
G G
G ( x , y) G ( x , y)
y x
xr 1 xr e yr 1 yr
F F F F
x y x y
G G G G
x y x y
x0 1
Considerando e utilizando as frmulas acima, obtemos :
y0 1
x2 x3 0,62
Como temos ento a soluo do sistema S = { ( 0,62 ; 0,62 ) } .
y2 y3 0,62
Exerccios :
Encontre, usando o mtodo de Newton para sistemas transcendentes, a soluo dos sistemas :
x y 1 0
a) com x0 = -1 e y0 = 2 S = { ( -0,70; 1,70 ) }
x y 2 0
61
ln x y 1 0
b) com x0 = 1 e y0 = 1 S = { ( 1,00; 1,00 ) }
ln y x 1 0
ln x y 1 0
c) com x0 = 0,50 e y0 = 1,69 S = { ( 0,51; 1,67 ) }
ln y x 0
x1 = F(x0)
x2 = F(x1)
x3 = F(x2)
.
.
.
xn+1 = F(xn)
Se tal seqncia for convergente, temos lim xn = r, seja F(x) contnua, temos:
O mtodo de Newton-Raphson nos leva a transformar f(x) = 0 em uma equao conveniente onde a
f ( x)
nica dependncia para que seja convergente a escolha do x0, da temos F( x) x , donde
f ' ( x)
obtm-se a frmula
f (x n )
xn 1 xn
f ' (x n )
Frmula de Newton-Rapson
APLICANDO A FRMULA . . .
62
Resoluo :
f (x) x2 5
f (x n )
temos xn 1 xn
f ' (x n )
f ' (x) 2x
Para x0 = 2 . . .
f (x 0 ) f (2) (2) 2 5 4 5 ( 1) 1 8 1 9
x1 x0 2 2 2 2 2 x1 2,25.
f ' (x 0 ) f ' (2) 2(2) 4 4 4 4 4
f (x 2 ) f (2,24) (2,24) 2 5
x3 x2 2,24 2,24 ... x3 2,24.
f ' (x 2 ) f ' (2,24) 2(2,24)
ln x
2 ) Idem para 2 ; x ] 0,50 ; 1,00 [ com preciso de 2 casas decimais.
1 2x
Resoluo :
ln x
2 ln x 2(1 2x ) ln x 2 4x ln x 4x 2 0
1 2x
Logo ...
f (x) ln x 4 x 2
temos f (x n )
xn 1 xn
1 4x 1 f ' (x n )
f ' (x) 4
x x
Para x0 = 0,50 . . .
63
Exerccios :
1 ) Idem para 2x3 + ln x - 5 = 0 , sabendo-se que x ] 1,00 ; 2,00 [. Use 2 casas decimais de preciso.
Re sp.: x 1,33
Observao para os execcios 2 e 3 : Na maioria das vezes, indicamos um erro de preciso (E) que o
fator de comparao da nossa resposta. Para verificarmos se o valor de x calculado est dentro desta
margem de erro, basta efetuarmos E = | xn+1 xn | e compararmos o resultado com o erro E solicitado no
exerccio, caso ele no se enquadre, devemos continuar as iteraes at o seu enquadramento. Desta
forma, ns no precisamos comparar o resultado de x encontrado, com o resultado de x anterior e
xn 1 xn
assim a resposta ser x . Vamos ver se voc entendeu ...
2
Vamos aprender agora, um mtodo que nos permite localizar o intervalo aonde se encontram as razes
de uma equao. Tal mtodo nos auxiliar para que efetuemos a escolha do x0 de forma a tentarmos
minimizar o nmero de iteraes.
O mtodo consiste em uma srie de procedimentos que indicaremos a seguir ...
2 ) Considerando que a funo principal f(x) estudada no exerccio seja definida nos intervalos
; a e a; , calcular :
lim f ( x )
x
lim f ( x )
x a
lim f ( x )
x a
lim f ( x )
x
4 ) Localizar, por qualquer mtodo, os pontos de mximo e mnimo relativos da funo. Sugerimos
aqui, usar o mtodo da segunda derivada por ser mais rpido do que a tabela de intervalos estudada
em CDI II, apesar desta ser mais confivel, pois no apresenta inconsistncia quando f (x) = 0.
7 ) Testar valores de x na funo f(x) com a finalidade de definir os intervalos aonde a mesma muda de
sinal e assim podermos aplicar o mtodo de Newton-Raphson, e localizarmos as razes da equao
estudada.
Vamos agora apresentar um exemplo para que possamos aplicar esta metodologia ...
1
Determine as razes da equao ln x 2 0 e esboce o grfico das funo f(x) correspondente,
x
utilizando para tal, o mtodo de separao de razes.
Resoluo :
x 0
1 ) C.E : C.E : x 0; , ou simplesmente, x > 0.
x 0
2)
ln x 0
1
lim f ( x ) lim ln x 2 0 2 2 lim f ( x ) .
x 0 x 0 x 1 x 0
1
lim f ( x ) lim ln x 2 .
x x x
'
1 1 1 x 1
3 ) f ' (x) ln x 2 f ' (x) f ' (x) 0 x 1 0 x 1 ( Valor crtico ).
x x x2 x2
1 1
4 ) Logo, aplicando x = 1 em f ( x ) ln x 2 , temos y f (1) ln(1) 2 y 1 , da obtemos
x (1)
o ponto P ( 1, -1 ).
'
x 1 x 2
Fazendo o teste da segunda derivada temos, f ' ' ( x ) 2
... f ' ' ( x ) .
x x
x 2 (1) 2
Logo, aplicado em x = 1 em f ' ' ( x ) , temos f ' ' (1) 1 0 ( Mnimo relativo ).
x (1)
66
Da temos, P ( 1, -1 ) Ponto de mnimo relativo.
'
x 1 x 2
5 ) f ' ' (x) ... f ' ' (x) 0 x 2 0 x 2. ( Valor crtico de inflexo ).
x2 x
1 1
6 ) Logo, aplicando x = 2 em f ( x ) 2 , temos y ln x f (2) ln( 2) 2 y 0,81, da
x (2)
obtemos o ponto Q ( 2; -0,81 ) Ponto de inflexo.
1
y f (1) ln(1) 2 1 f (1) 0. Logo f(x) possui uma raiz x r 0;1 .
(1)
1
y f (2) ln( 2) 2 f (2) 0,81 0.
(2)
1
y f (3) ln(3) 2 f (3) 0,57 0.
(3)
1
y f (4) ln( 4) 2 f (4) 0,36 0.
(4)
1
y f (5) ln(5) 2 f (5) 0,19 0.
(5)
1
y f (6) ln(6) 2 f (6) 0,04 0
(6)
1
y f (7 ) ln(7) 2 f (7 ) 0,09 0. Logo f(x) possui outra raiz x r 6; 7 .
(7 )
1
Agora utilize o M.N.R para, finalmente encontrar as razes da equao ln x 2 0 e depois,
x
1
esboce o grfico da funo correspondente f ( x) ln x 2.
x
Exerccio :
J vimos que, para determinarmos a raiz ( ou razes ) de uma equao, podemos utilizar o mtodo de
f (x n )
Newton-Raphson onde x n 1 x n , a partir de um x0 determinado adequadamente; tal raiz
f ' (x n )
obtida pela convergncia de resultados, essa convergncia pode ser demonstrada
f(x)
P f(x0)
f(x1)
P
P
0 _
X2
X1
x0 x
x (Raiz)
68
_ _
Note que o ponto P escorrega at o ponto P ( x , 0 ) , com x raiz de f(x).
x1
x0 f(x0) P
CO f (x 0 ) f (x 0 ) f (x 0 )
Portanto tg f ' (x 0 ) x0 x1 x1 x0 .
CA x 0 x1 f ' (x 0 ) f ' (x 0 )
x2
x1 f(x1) P
f (x n )
xn 1 xn
f ' (x n )
Frmula de Newton-Raphson
69
_
Quando xn+1 = xn ( Dentro dos critrios de arredondamento ), dizemos que x = xn+1 = xn a