Академический Документы
Профессиональный Документы
Культура Документы
Depto de Computação – Instituto de Ciências Exatas e Biológicas – Universidade Federal de Ouro Preto
b3, , bn os termos independentes do sistema de equações. Este sistema pode ser escrito
Onde nxxx,...,,21 são as incógnitas, na,...,,1211 os coeficientes das incógnitas e b1, b2, sob a forma
matricial, freqüentemente mais vantajosa, mediante o emprego da seguinte notação
A.x = b (1.2)
Em que b b x x bxA.
Assim, A é a matriz dos coeficientes das incógnitas, x o vetor coluna das incógnitas e b o vetor coluna
dos termos independentes. A matriz A e os vetores coluna x e b serão considerados reais, não obstante
muito do que se vai dizer neste capítulo ser generalizável ao campo complexo sem grande dificuldade.
Depto de Computação – Instituto de Ciências Exatas e Biológicas – Universidade Federal de Ouro Preto
Uma matriz bastante importante, e que será utilizada posteriormente, é a matriz aumentada de um
sistema de equações lineares. Conforme mostrado a seguir, para obtê-la basta acrescentar à matriz dos
coeficientes o vetor b dos termos independentes.
Definição 1.1 Denomina-se vetor solução (ou simplesmente solução) de um sistema de equações
lineares da forma Ax = b, e denota-se por x, ao vetor que contém as variáveis xj , j = 1, · · · , n, que
satisfazem, de forma simultânea, a todas as equações do sistema.
ma é dito homogêneo. Todo sistema homogêneo é compatível, pois admitirá pelo menos a
De uma forma mais ampla, pode-se considerar que resolver um sistema de equações con- siste em
diagnosticar em qual das três situações ele se enquadra. Ou seja, é mais do que determinar um vetor x,
uma vez que ele pode não existir ou não ser único.
Depto de Computação – Instituto de Ciências Exatas e Biológicas – Universidade Federal de Ouro Preto
4 – Métodos Diretos Os Métodos Diretos são aqueles que, exceto por erros de arredondamento,
fornecem a solução exata de um sistema de equações lineares, caso ela exista, por meio de um número
finito de operações aritméticas. São métodos bastante utilizados na resolução de sistemas de equações
densos de porte pequeno a médio. Entenda-se por sistema denso aquele na qual a matriz dos
coeficientes tem um número pequeno de elementos nulos. São considerados sistemas de pequeno
porte aqueles que possuem até trinta equações e de médio porte até cinqüenta equações. A partir daí,
em geral, são considerados sistemas de grande porte.
Pertencem à classe dos Métodos diretos todos os que são estudados nos cursos de 1o e 2o graus como,
por exemplo, a Regra de Cramer. Entretanto, tais métodos não são usados em problemas práticos que
exigem a resolução de sistemas de equações lineares com um número relativamente grande de
equações porque apresentam problemas de desempenho e eficiência. Para ilustrar este fato considere-
se a Regra de Cramer. Seja um sistema de equações lineares A.x = b com o número de equações igual ao
número
de incógnitas (um sistema n x n), sendo D o determinante da matriz A, e Dx1, Dx2, Dx3, ,
dos coeficientes de x1, x2, x3, , xn pela coluna dos termos independentes. Sabe-se que o
Dxn os determinantes das matrizes obtidas substituindo em A, respectivamente, a coluna sistema será
compatível e terá solução única se, e somente se, D 0 e, então, a única solu- ção de A.x = b é dada por:
x1 = xDD 1, x2 =
3, , xn = xnDD
D Dx2, x3 = xDD
Portanto, aplicação da Regra de Cramer exige o cálculo de n + 1 determinantes ( det A e det Ai, 1 i n).
Pode ser mostrado que o número máximo de operações aritméticas envolvidas na resolução de um
sistema de equações lineares com n equações e n incógnitas para este método é (n + 1)(n!)(n − 1), Para
n = 20 o número total de operações efetuadas será 21 * 20! * 19 multiplicações mais um número
semelhante de adições. Assim, um computador que efetue cerca de 100 milhões de multiplicações por
segundo levaria 3 x 105 anos para efetuar as operações necessárias. Sendo assim, a regra de Cramer é
inviável em função do tempo de computação para sistemas muito grandes e, portanto, o estudo de
métodos mais eficientes torna-se necessário,
Depto de Computação – Instituto de Ciências Exatas e Biológicas – Universidade Federal de Ouro Preto
Prof. José Álvaro Tadeu Ferreira - Notas de aulas de Cálculo Numérico 5 uma vez que, em geral, os casos
práticos exigem a resolução de sistemas lineares de porte elevado. Antes, porém, faz-se necessário
tratar da base teórica que fundamenta estes métodos.
Li ← c × Li, c , c ≠ 0, i = 1, 2, , n
1. Multiplicação de uma linha por uma constante não-nula. 2. Troca de posição entre duas linhas.
Li ⇆Lj; i, j = 1, 2, , n; i ≠ j
Li ← Li + c × Lj, c , c ≠ 0; i, j = 1, 2, , n; i ≠ j
Matrizes equivalentes Duas matrizes são ditas equivalentes quando é possível, a partir de uma delas,
chegar à outra por meio de um número finito de transformações elementares.
Matriz triangular (i) Superior: é uma matriz quadrada na qual todos os elementos abaixo da diagonal
principal são nulos. (i) Inferior: é uma matriz quadrada na qual todos os elementos acima da diagonal
principal são nulos.
Sistemas Triangulares É um sistema de equações lineares no qual a matriz dos coeficientes é triangular.
Depto de Computação – Instituto de Ciências Exatas e Biológicas – Universidade Federal de Ouro Preto
4.1.1 – Descrição do método A resolução de um sistema de equações lineares pelo método de Gauss
envolve duas fases distintas. A primeira, chamada de fase de eliminação, consiste em efetuar
transformações elementares sobre as linhas da matriz aumentada de um sistema de equações A.x = b
até que, depois de n − 1 passos, se obtenha um sistema triangular superior, U.x = c, equivalente ao
sistema dado. A segunda, chamada de fase de substituição, consiste em resolver o sistema triangular
superior por meio de substituições retroativas.
baao baaa
Elemen. Transf.
3.x1 + 2.x2 + x4 = 3
Para a descrição do método, seja resolver o sistema de equações lineares a seguir. 3.x1 - 8.x2 + 3.x3 -
8.x4 = 2
Ae
Depto de Computação – Instituto de Ciências Exatas e Biológicas – Universidade Federal de Ouro Preto
_________________________________________________________________________________
A = (3.3)
Vamos supor que A foi reordenada de modo que todos os seus elementos da diagonal sejam não-nulos:
Vamos então tirar o valor de cada xi na i-ésima equação (i = 1, 2, . . ., n). Como assumimos que aii é não
nulo, podemos escrever:
Se considerarmos o lado esquerdo do sistema como os elementos de um novo passo de iteração (k+1) e
os elementos do lado direito como elementos do passo anterior (k), teremos:
e então:
representam os dois vetores que aproximam a solução do sistema, respectivamente na iteração k+1 e k.
K é um vetor constante da forma K = ( b1 / a11 b2 / a22 . . . bn / ann) e J é a matriz que define o
processo iterativo. Neste caso, esse processo é o chamado Método Iterativo de Jacobi e, por isso, a
matriz J é chamada de Matriz de Iteração de Jacobi e tem a forma
J = (3.5)
Exemplo 3.1
2.x1 + x2 = 5
x1+ 2.x2 = 4
{ ou { (3.6)
X= ,J= , C=
Agora façamos o seguinte:
2. Aplicamos do lado direito do sistema (3.6) obtendo um novo valor para x1 e x2. Digamos que
escolhemos = = 0; assim obtemos os valores:
5. Para os demais:
etc...
Como vemos, o valor das componentes de X(i) vão se aproximando da solução exata,
vemos que ao calcularmos o valor x2(1) na primeira iteração, dispomos do valor x1(1) que já foi
calculado antes e que, assim, poderá ser usado no lugar de x1(0). Analogamente, no cáculo de x3(3)
temos os valores de x1(2) e x2(2) que poderão ser usados. E assim por diante.
Com esta modificação introduzida, temos o Método Iterativo de Gauss-Seidel. Então, para qualquer
iteração o sistema (3.4) ficará:
Nesse caso a matriz de iteração será obtida substituindo-se diretamente os valores que vão sendo
calculados, isto é, depois do cálculo de x1(1) substituimos esse valor na avaliação de x2(1); em seguida,
na avaliação de x3(1) já podemos usar esses valores que já foram atualizados, x1(1) e x2(1). Assim,
vamos atualizando os valores obtidos, durante o próprio passo da iteração. Isso significa que não damos
um passo completo com os valores (k) do passo anterior, como no Método de Jacobi e sim, vamos
usando as modificações feitas imediatamente. Deste modo, temos:
Exemplo 3.2
Para o sistema :
2.x1 + x2 = 5
x1 + 2.x2 = 4
x1 = 5/2 - 1/2.x2
x2 = 2 - 1/2.x1
Então, a matriz de Gauss-Seidel (R1) é obtida desse sistema, observando-se que devemos ter :