Prof.

Srgio Ricardo de Brito Gadelha

SISTEMA DE EQUAES LINEARES
1. Definio
Um sistema de equaes lineares pode ser definido como um conjunto de n
equaes com n variveis independentes entre si, na forma genrica, como:
na qual aij (i, j = 1, 2, 3, ..., n) so os coeficientes do sistema de equaes, xi (i = 1, 2, 3, ...,
n) so as n incgnitas e bi (i = 1, 2, 3, ..., n) os termos independentes.
Observao: Dois sistemas de equaes lineares so equivalentes se, e somente se, toda
soluo de qualquer um dos sistemas tambm soluo do outro.
Uma soluo de um sistema uma seqncia de nmeros ( 1 2 3
, , ,.........., )
n que
satisfaz as equaes simultneamente.
2. Formulao Matricial
As equaes lineares podem ser descritas na forma matricial como [A][x] =
[b], na qual:
1
Prof. Srgio Ricardo de Brito Gadelha
para o qual:
Matrizes associadas a um sistema linear:
Matriz Incompleta: a matriz formada pelos coeficientes das incgnitas.
Matriz Completa: a matriz , que obtemos ao acrescentarmos matriz incompleta uma
ltima coluna formada pelos termos independentes das equaes do sistema.
A=
11 12 1
21 22 2
1 2
11 12 1 1
21 22 2 2
1 2
a a a
a a a
a a a
B
a a a b
a a a b
a a a b
n
n
m m mn
n
n
m m mn m
.....
.....
: : : :
.....
.....
.....
: : : : :
.....

_
,

_
,

Obs: Podemos dizer que um sistema satisfaz a seguinte equao matricial: A.X=B onde
2
Prof. Srgio Ricardo de Brito Gadelha
A=
11 12 1
21 22 2
1 2
a a a
a a a
a a a
n
n
m m mn
.....
.....
: : : :
.....

_
,

X=
1
2
3
1
2
3
x
x
x
x
B
b
b
b
b
n m
: :

_
,

_
,

m x n n x 1 = m x 1

11 1 12 2 1
21 1 22 2 2
1 1 2 2
1
2
a x a x a x
a x a x a x
a x a x a x
b
b
b
n n
n n
m m mn n m
+ + +
+ + +
+ + +

_
,

_
,

.....
.....
::::::::::::::::::::::::::::::::::::::::::::
.....
:
Nesta representao, a soluo direta pode ser obtida fazendo-se:
para a qual emprega-se os mtodos de inverso de matrizes conforme visto na aula anterior
(ponto 54). O clculo da matriz inversa pode ser feito atravs da propriedade da matriz
identidade:
3
Prof. Srgio Ricardo de Brito Gadelha
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:
Logo, o problema do clculo de sistemas de equaes lineares atravs do
produto da matriz inversa resulta num problema de clculo de sistemas de equaes
lineares. H um mtodo direto para a soluo de sistemas de equaes lineares denominado
mtodo de eliminao gaussiana e outro mtodo, iterativo, chamado mtodo de Gauss-
Seidel. Alm desses mtodos, inmeros outros apropriados para cada tipo de sistema de
equaes lineares existem, mas que no trataremos neste texto.
Equivalentemente, temos tambm a seguinte definio
:
isto , resolveremos sistemas lineares onde o nmero de equaes igual ao de incgnitas.
comum tambm representar o sistema Ax = b pela sua matriz aumentada,
isto , por:
4
Prof. Srgio Ricardo de Brito Gadelha
2.1 - Classificao
uma nica soluo Possvel e determinado.
Possibilidades infinitas solues Possvel e indeterminado.
no tem soluo Impossvel.
Observao:
Sistema possvel sinnimo de sistema compatvel.
Sistema possvel e indeterminado sinnimo de sistema singular
Discutir um sistema classific-lo em possvel e determinado, possvel e
indeterminado ou impossvel, em funo de um parmetro. Ou seja, devemos determinar
os valores do parmetro para cada classificao possvel. Considerando como parmetro a
letra k, procedemos da seguinte forma:
a) Calculamos o determinante da matriz dos coeficientes Se D = 0 => S.P.I. ou
S.I.
Se D 0 => S.P.D.
b) Encontramos o valor de K para que o sistema seja possvel e determinado.
a) Para determinarmos os valores de K que tornam o sistema possvel e indeterminado ou
impossvel, substitumos k na matriz ampliada e resolvemos atravs da forma em
escada.
OBS.: Se a matriz dos coeficientes no for quadrada, no podemos utilizar estes tens de
desenvolvimento. Assim, um dos mtodos para a discusso do sistema, tentar resolve-lo
pelo mtodo do escalonamento.
Exemplo 1: kx + y = 1 k 1
x + ky = -1 D = 1 k = k
2
- 1
S.P.D. => K
2
1 0 .
.
. k t 1 ;
S.P.I ou S.I. => K
2
1 = 0 .
.
. K = t 1
5
Prof. Srgio Ricardo de Brito Gadelha
a) Se k=1 .
.
. 1 1 1 ~ 1 1 1 => Sistema Impossvel
1 1 1 0 0 -2
b) Se k = -1 => -1 1 1 ~ -1 1 1
1 -1 -1 0 0 0 => S.P.I. .
.
. x +y = 1 .
.
. y = 1 + x
Resposta:
- Se k t 1 = > S.P.D.
- Se k = 1 = > S.I.
- Se k = -1 => S.P.I. e S = {(x, 1 + x); x }
Exemplo 2:
ax + y + 2z = b a 1 2 Se 4a + 8 0 a 2 =>
S.P.D.
2ax y + 2z = 1 D = 2a -1 2 = -4a + 8
2x + y + 2z = 3 2 1 2
Se a = 2, temos : 2x + y + 2z = b 2x + y + 2z = b
4x y + 2z = 1 0 3y 2z = 1 2b
2x + y + 2z = 3 0 = 3 b
Se b 3 => S.I. e se b = 3 => S.P.I. 2x +y + 2z = 3
-3y 2z = -5 y = 5 2z e x = 2 2z
0 = 0 3 3
Resposta:
Se a 2 => S.P.D.
Se a = 2 e b = 3 => S.P.I. e S = 2 2z , 5 2z , z ; Z
Se a = 2 e b 3 S.I 3 3
Exemplos 3:
1) Sendo ax = b, podemos ter:
a) Se a 0 x = b/a; possvel e determinado;
b) Se a = 0 e b = 0 ax = 0 e, portanto, x ser soluo (indeterminado).
c) Se a = 0 e b 0 0 . x = b, x (impossvel).
2
o
) 2x + y = 4
3x y = 1
como o grfico de cada equao representa uma seta no plano, a soluo ser a interseco
entre elas, se existir. Neste caso, a soluo x=1 e y=2.
6
Prof. Srgio Ricardo de Brito Gadelha
3
o
) 4x + 6y = 24 Retas paralelas, no se interceptam. Sistema impossvel.
10x + 15 y = 15 Note que det. A = 0.
4
o
) 5x + 10y = 15 Retas coincidentes => infinitas solues => sistema indeterminado.
x + 2y = 3 Note que det A = 0.
2.2 - Sistema homogneo
o sistema que possui todos os termos independentes NULOS. Todo sistema
homogneo admite soluo. Logo, se b
1
= b
2
= ... = b
n
= 0, o sistema chamado de sistema
linear homogneo. Neste caso, uma soluo ser sempre a n-upla (0, 0, ..., 0).

'

+ + +

+ + + +
+ + + +
+ + + +
0
0
0
0
3 3 2 2 1 1
3 3 33 2 32 1 31
2 3 23 2 22 1 21
1 3 13 2 12 1 11
n nn n n n
n n
n n
n n
x a x a x a x a
x a x a x a x a
x a x a x a x a
x a x a x a x a

Possvel e determinado : S = {(0, 0, ..., 0)} -> SOLUO TRIVIAL

Classificao Possvel e indeterminado : possui infinitas solues (alm de S = {(0, 0, ..., 0)} ).
Ex.: 1) x + 2y + z = 0 S.P.D. 2) x+2y+ z = 0 D = 0 => S.P.I.
2x+5y+4z = 0 S = {(0,0,0)} 2x-y-4z = 0
x+4y+6z = 0 x+3y-2z = 0 S= {(2z, 0, z) }
Um sistema linear homogneo sempre possvel . Resolver um sistema linear obter o
valor do vetor x. Os mtodos de resoluo de equaes lineares so classificados em dois
grupos:
Mtodos Diretos permitem a soluo de um sistema linear atravs da realizao de
um nmero finito de operaes sobre o sistema;
Mtodos Iterativos permitem calcular uma seqncia de aproximaes para os
valores de x at que uma preciso pr-estabelecida seja alcanada.
7
Prof. Srgio Ricardo de Brito Gadelha
2.3 - Sistema Normal
Quando o nmero de equaes for o mesmo do nmero de incgnitas e o
determinante da matriz incompleta associado ao sistema for diferente de zero, diremos que
um sistema normal.
2.4 Sistemas Equivalentes
Dois sistemas so equivalentes quando possuem a mesma soluo.
Exemplo

'

+
+
8 y 3 x 2
3 y x

'

+
+
5 y 2 x
3 y x
Estes sistemas so equivalentes pois ambos possuem como soluo o par (1,
2).
Propriedades dos sistemas equivalentes
1) Trocando de posio as equaes de um sistemas, obtemos um outro equivalente ao
primeiro.
2) Multiplicando uma ou mais equaes de um sistemas por um nmero k *, obtemos
um sistema equivalente ao primeiro.
3) Adicionando a uma das equaes de um sistema o produto de outra equao, desse
mesmo sistema, por um nmero k *,obtemos uma sistema equivalente ao primeiro.
Exemplo
ES EQUIVALENT
____ __________ __________ __________
3 y 3
4 y 2 x
1 y x
4 y 2 x
) 1 x ( 1 y x
4 y 2 x

'

'

+
+

'

+
2.5 Sistemas Escalonados
Dizemos que um sistema est escalonado se o nmero de coeficientes nulos antes do
primeiro coeficiente no nulo aumenta de equao para equao.
Procedimento para escalonar um sistema:
1. Colocamos como primeira equao aquela em que o coeficiente da primeira incgnita
seja diferente de zero e fazemos este coeficiente igual a 1.
2. Utilizamos as propriedades de sistemas equivalentes, anulamos todos os coeficientes da
primeira incgnita das demais equaes.
8
Prof. Srgio Ricardo de Brito Gadelha
3. Anulamos todos os coeficientes da segunda incgnita a partir da terceira equao.
4. Repetimos o processo com as demais incgnitas at que o sistema se torne escalonado.
3. Mtodos Diretos
Os mtodos diretos baseiam-se em manipulaes da matriz aumentada.
3.1 Sistemas Triangulares
3.1.1 Sistema Triangular Superior
Uma matriz A
nxn
chamada de triangular superior quando a
ij
= 0; i > j.
Denomina-se sistema triangular superior a todo sistema Ax = b em que a
ij
= 0 j < i, ou
seja, um sistemas da forma:
Estes sistemas podem ser representados por uma matriz aumentada,
Tais sistemas so resolvidos por substituies retroativas (reversas), atravs de
equaes da forma:
9
Prof. Srgio Ricardo de Brito Gadelha
3.1.2 Sistema Triangular Inferior
Denomina-se sistema triangular inferior a todo sistema Ax = b onde a
ij
= 0
j > i, ou seja, a sistemas da forma:
Tais sistemas so resolvidos por substituies progressivas atravs de
equaes da forma:
10
Prof. Srgio Ricardo de Brito Gadelha
3.2 Mtodo da Eliminao Gaussiana
Considere o sistema de equaes representado matricialmente por [A][x] =
[b]. O Mtodo da Eliminao de Gauss consiste basicamente em transformar a matriz de A
num sistema triangular equivalente, atravs da aplicao repetida de dois tipos de
operaes:
1. Permutao entre duas linhas;
2. Subtrao de uma linha por outra multiplicada por uma constante.
Essas operaes produzem sistemas equivalentes aos originais; enquanto a
operao 2 no altera o determinante da matriz de coeficientes, a operao 1 apenas inverte
o seu sinal. A anlise de propagao de erros de arredondamento indica a convenincia de
todos os multiplicadores serem menores do que 1 em valor absoluto. A esse procedimento
d-se o nome de pivoteamento.
3.1 Descrio do algoritmo com pivoteamento
Considere um sistema constitudo de quatro equaes e quatro incgnitas:
Seja [A] a matriz de coeficientes, [A]
+
a matriz aumentada pelos termos
independentes e o sistema na forma matricial descrito por [A][x] = [b], no qual:
11
Prof. Srgio Ricardo de Brito Gadelha
Os seguintes passos descrevem o procedimento para a triangularizao da
matriz [A]:
1
o
Passo: Calcular p
1
= mx{|a
11
|, |a
21
|, |a
31
|, |a
41
|}. Certamente p
1
0, pois caso contrrio |
A| = 0 e o sistema no teria soluo nica. Caso p
1
|a
11
|, permutar a 1
a
linha pela linha
que contm p
1
.
2 Passo: Definir um multiplicador para cada linha:
3 Passo: Subtrair o produto do multiplicador pela 1 linha da 2, da 3 e da 4 linha:
2 Linha
12
Prof. Srgio Ricardo de Brito Gadelha
3 Linha:
4 Linha:
13
Prof. Srgio Ricardo de Brito Gadelha
Aps estes passos, a matriz aumentada fica da seguinte forma:
Repetindo os passos de 1 a 3 para a coluna 2:
1 Passo: Calcular p
2
= mx {|a
22
|,|a
32
|,|a
42
|}. Novamente p
2
0, seno |A| = 0. Caso p
2
|a
21
|, permutar a 2 linha pela linha que contm p
2
.
2 Passo: Definir um multiplicador para cada linha:
3 Passo: Subtrair o produto do multiplicador pela 2 linha da 3 e da 4 linha:
3 Linha:
14
Prof. Srgio Ricardo de Brito Gadelha
4 Linha:
A matriz aumentada agora tem a forma:
Repetindo os passos 1 a 3 para as duas ltimas linhas:
1 Passo: Calcular p
3
= mx {|a
33
|,|a
43
|}. Novamente p
3
0, seno |A| = 0. Caso p
3
|
a
31
|, permutar a 3 linha pela 4 linha.
2 Passo: Definir um multiplicador para a 4 linha:
15
Prof. Srgio Ricardo de Brito Gadelha
3 Passo: Subtrair o produto do multiplicador pela 3 linha da 4 linha:
4 Linha:
A matriz aumentada toma a forma final:
Re-escrevendo a matriz [A]
+
triangularizada sem as linhas nos expoentes dos coeficientes a
ij
e b
j
de modo a tornar mais clara as equaes:
observando que os coeficientes a
ij
e b
j
da matriz triangularizada acima no so os mesmos
coeficientes da matriz [A]
+
original.
Resolvemos o sistema por recorrncia atravs da frmula:
16
Prof. Srgio Ricardo de Brito Gadelha
O determinante da matriz de coeficientes [A] calculado a partir do produto dos
coeficientes a
ii
da diagonal principal:
Exemplo: Resolver o seguinte sistema de equaes lineares pelo mtodo de eliminao de
Gauss sem pivotamento adotando operaes aritmticas com 4 (quatro) dgitos
significativos e arredondamento ponderado.

'

+
+ +
+ +
0 207 . 0 784 . 0 421 . 0
1 193 . 0 832 . 0 448 . 0
0 279 . 0 784 . 0 421 . 0
3 2 1
3 2 1
3 2 1
x x x
x x x
x x x
Na forma matricial tem-se
1
1
1
]
1

1
1
1
]
1

1
1
1
]
1

0
1
0
207 . 0 784 . 0 421 . 0
193 . 0 832 . 0 448 . 0
279 . 0 784 . 0 421 . 0
3
2
1
x
x
x
1). Gerao da matriz expandida:
1
1
1
]
1

0
1
0

207 . 0 784 . 0 421 . 0
193 . 0 832 . 0 448 . 0
279 . 0 784 . 0 421 . 0

2). Triangularizao correspondente a primeira coluna (k = 1):

k = 1
17
Prof. Srgio Ricardo de Brito Gadelha

1 3 3 1 3 3
1 2 2 1 2 2
L L L L ) 421 . 0 /( 421 . 0 L L
L 064 . 1 L L L ) 421 . 0 /( 448 . 0 L L
0
1
0

207 . 0 784 . 0 421 . 0
193 . 0 832 . 0 448 . 0
279 . 0 784 . 0 ) 421 . 0 (
+
+
1
1
1
]
1

1
1
1
]
1

0
1
0

0720 . 0 568 . 1 0
4899 . 0 666 . 1 0
279 . 0 784 . 0 421 . 0

3). Triangularizao correspondente a segunda coluna (k = 2):

k = 2

2 3 3 2 3 3 L 9412 . 0 L L L ) 666 . 1 / 568 . 1 ( L L 0
1
0

0720 . 0 568 . 1 0
4899 . 0 ) 666 . 1 ( 0
279 . 0 784 . 0 421 . 0
1
1
1
]
1

1
1
1
]
1

0.9412 -
1
0

3891 . 0 0 0
4899 . 0 666 . 1 0
279 . 0 784 . 0 421 . 0

4). Processo de retrosubstituio sucessiva:

Aps a triangularizao analisa-se o sistema de equaes equivalente, gerado a
partir do processo de eliminao empregado:

0.9412 - x 3891 . 0 x 0 x 0
1 x 4899 . 0 x 666 . 1 x 0
0 x 279 . 0 x 784 . 0 x 421 . 0
3 2 1
3 2 1
3 2 1

'

+
+ +
+ +
Obs.: Note-se que o valor de x
3
pode ser diretamente obtido a partir da equao 3, uma vez
que esta equao independe de x
1
e x
2
. Posteriormente os valores de x
2
e x
1
so obtidos das
equaes 2 e 1, respectivamente.
x
3
= -0.9412/(-0.3891) x
3
= 2.419
x
2
= ( 1 0.4899x
3
) / 1.666 x
2
= -0.1110
x
1
= ( - 0.784x
2
0.279 x
3
) /(-0.421) x
1
= 1.396
Portanto, a soluo do sistema correspondente ao exemplo 1 :
S = { 1.396, -0.1110, 2.419}
18
Prof. Srgio Ricardo de Brito Gadelha
O Mtodo de Gauss com Pivotao Parcial
Exemplo: Resolver o seguinte sistema de equaes lineares pelo mtodo de eliminao de
Gauss com pivotamento parcial utilizando operaes aritmticas com 4 (quatro) dgitos
significativos e arredondamento ponderado.

'

+
+ +
+ +
0 x 207 . 0 x 784 . 0 x 421 . 0
1 x 193 . 0 x 832 . 0 x 448 . 0
0 x 279 . 0 x 784 . 0 x 421 . 0
3 2 1
3 2 1
3 2 1
Na forma matricial tem-se
1
1
1
]
1

1
1
1
]
1

1
1
1
]
1

0
1
0
207 . 0 784 . 0 421 . 0
193 . 0 832 . 0 448 . 0
279 . 0 784 . 0 421 . 0
3
2
1
x
x
x
1). Gerao da matriz expandida:
1
1
1
]
1

0
1
0

207 . 0 784 . 0 421 . 0
193 . 0 832 . 0 448 . 0
279 . 0 784 . 0 421 . 0

2). Pivotao parcial, correspondente ao primeiro piv (k=1):

(i). Busca do maior elemento em mdulo da coluna k = 1:
k=1
i = 2
1
1
1
]
1

0
1
0

207 . 0 784 . 0 421 . 0
193 . 0 832 . 0 ) 448 . 0 (
279 . 0 784 . 0 421 . 0

(maior mdulo da coluna k=1 est na linha i = 2).

19
Prof. Srgio Ricardo de Brito Gadelha
(ii). troca de linhas:
( )
1 2
2 1
L L
L L
0
1
0

207 . 0 784 . 0 421 . 0
193 . 0 832 . 0 448 . 0
279 . 0 784 . 0 421 , 0

1
1
1
]
1

(Troca da linha L
1
com L
2
e vice-versa)
(iii). Matriz pivotada:
1
1
1
]
1

0
0
1

207 . 0 784 . 0 421 . 0
279 . 0 784 . 0 421 . 0
193 . 0 832 . 0 ) 448 . 0 (

3). Processo de triangularizao, correspondente ao primeiro piv (k=1):

1 3 3
1 3 3
1 2 2
1 2 2
L 9397 . 0 L L L ) 448 . 0 / 421 . 0 ( L L
L 9397 . 0 L L L ) 448 . 0 / 421 . 0 ( L L
0
0
1

207 . 0 784 . 0 421 . 0
279 . 0 784 . 0 421 . 0
193 . 0 832 . 0 ) 448 . 0 (

+
1
1
1
]
1

0.9397 -
0.9397
1

3884 . 0 0022 . 0 0
4604 . 0 566 . 1 0
193 . 0 832 . 0 ) 448 . 0 (
1
1
1
]
1

Obs.: Note que as operaes elementares aplicadas acima eliminam os elementos abaixo da
diagonal principal na primeira coluna. A operao de eliminao acontece sempre que
subtrai-se de cada linha, a linha do piv multiplicada pelo elemento a ser eliminado divida
pelo elemento piv.
4). Pivotao Parcial, correspondente ao segundo piv (k=2):
(i). Busca parcial do maior mdulo da coluna k = 2 (busca a partir da segunda linha
e da segunda coluna, pois a primeira coluna j foi anulada)
K=2

0.9397 -
0.9397
1

3884 . 0 0022 . 0 0
4604 . 0 ) 566 . 1 ( 0
193 . 0 832 . 0 448 . 0

1
1
1
]
1

(maior mdulo da coluna k=2 j est na linha

i = 2).
(ii). No necessrio a troca de linhas, pois a matriz j est pivotada.
5). Processo de triangularizao, correspondente ao segundo piv (k=2):
20
Prof. Srgio Ricardo de Brito Gadelha
2 3
2 3 3
L 001405 . 0 L L ) 566 . 1 / 0022 . 0 ( L L 0.9397 -
0.9397
1

3884 . 0 0022 . 0 0
4604 . 0 ) 566 . 1 ( 0
193 . 0 832 . 0 448 . 0

1
1
1
]
1

0.9410 -
0.9397
1

3890 . 0 0 0
4604 . 0 566 . 1 0
193 . 0 832 . 0 448 . 0
1
1
1
]
1

6). Processo de retrosubstituio sucessiva:

Primeiramente analisa-se o sistema de equaes equivalente, gerado a partir do
processo de eliminao empregado:

0.9410 - 3890 . 0 0 0
9397 . 0 4604 . 0 566 . 1 0
1 193 . 0 832 . 0 448 . 0
3 2 1
3 2 1
3 2 1

'

+
+ +
+ +
x x x
x x x
x x x
Obs.: Note-se que o valor de x
3
pode ser diretamente obtido a partir da equao 3, e
posteriormente x
2
e x
1
a partir dos valores obtidos anteriormente.
x
3
= -0.9410/ (-0.3890) x
3
= 2.419
x
2
= ( 0.9397 0.4606x
3
) / 1.566 x
2
= -0.1113
x
1
= ( 1 0.832 x
2
0.193 x
3
) /0.448 x
1
= 1.397
Portanto a soluo do sistema dado no exemplo 2 :
S = { 1.397, -0.1113, 2.419}
Os resduos ( r = | b - A x | ):
0.0001 = | 0 x 207 . 0 0.784x 0.421x | = r
0.0002 = | 1 x 193 . 0 0.832x 0.448x | = r
0.0005 | 0 x 279 . 0 x 784 . 0 0.421x - | r
3 2 1 3
3 2 1 2
3 2 1 1
+
+ +
+ +

Obs.: Note que com o processo de pivotamento parcial:
Eliminam-se os possveis pivs nulos, caso a matriz de coeficientes seja no
singular (determinante diferente de zero);
Tambm consegue-se uma reduo nos efeitos de erros de arredondamento
(diminuio da perda de significao), destacada na avaliao do erro exato.
21
Prof. Srgio Ricardo de Brito Gadelha
O Mtodo de Gauss com Pivotao Completa
Alternativamente, pode-se implementar o mtodo de eliminao de Gauss usando a
pivotao total, que computacionalmente mais eficiente, induzindo um menor erro de
arredondamento acumulado, de forma a se obter solues computacionalmente mais
estveis em relao s perturbaes introduzidas por erros de arredondamento. No
pivotamento total, ou completo, procura-se o elemento de maior mdulo dentre todos os
elementos disponveis na matriz de coeficientes, promovendo trocas de linhas e/ou colunas
conforme a necessidade. Para avaliar as conseqncias destas trocas de linhas e colunas
deve-se interpretar os elementos da matriz expandida em termos das equaes do sistema,
assim:
Troca de linhas implica apenas em trocar a ordem na apresentao das equaes;
Troca de colunas implica na troca da ordem de apresentao das variveis
(incgnitas) do sistema.
Exemplo 3: Resolver o seguinte sistema de equaes lineares, usando a pivotao total e
operaes aritmticas com 4 (quatro) dgitos significativos e arredondamento ponderado.

'

+
+ +
+ +
0 x 207 . 0 x 784 . 0 x 421 . 0
1 x 193 . 0 x 832 . 0 x 448 . 0
0 x 279 . 0 x 784 . 0 x 421 . 0
3 2 1
3 2 1
3 2 1
Na forma matricial tem-se
1
1
1
]
1

1
1
1
]
1

1
1
1
]
1

0
1
0
207 . 0 784 . 0 421 . 0
193 . 0 832 . 0 448 . 0
279 . 0 784 . 0 421 . 0
3
2
1
x
x
x
1). Gerao da matriz expandida:
22
Prof. Srgio Ricardo de Brito Gadelha
1
1
1
]
1

0
1
0

207 . 0 784 . 0 421 . 0
193 . 0 832 . 0 448 . 0
279 . 0 784 . 0 421 . 0

2). Pivotao total, correspondente ao primeiro piv (k=1):

(i). Busca do maior mdulo dentre todos os elementos da matriz:

3 2 1
0
1
0

207 . 0 784 . 0 421 . 0
193 . 0 ) 832 . 0 ( 448 . 0
279 . 0 784 . 0 421 . 0
2 i
2 = j
1
1
1
]
1

(o elemento de maior mdulo est na coluna j = 2

e na linha i = 2).
Obs.: Observa-se que foi acoplada uma linha adicional na matriz de coeficientes para o
armazenamento da ordem de apresentao das variveis envolvidas. Ento, inicialmente
tem-se a ordem natural das variveis x
1
, x
2
e x
3
, cujos coeficientes multiplicadores so,
respectivamente, os elementos da primeira, segunda e terceira colunas.
(ii). Efetua-se a troca de linhas e colunas:
1
2
2
1
1 2
2 1
C
C

C
C

3 2 1
L L
L L
0
1
0

207 . 0 784 . 0 421 . 0
193 . 0 832 . 0 448 . 0
279 . 0 784 . 0 421 . 0

1
1
1
]
1

(Troca da linha L
1
com a linha L
2
e vice-versa, e
troca dos elementos da coluna 1 com os elementos
da coluna 2 e vice-versa).
(iii). Matriz pivotada:
3 1 2
0
0
1

207 . 0 421 . 0 784 . 0
279 . 0 421 . 0 784 . 0
193 . 0 448 . 0 ) 832 . 0 (
1
1
1
]
1

Obs.: Note no processo de pivotamento total, a ordem de apresentao das variveis x

i
envolvidas podem ser alteradas.
3). Processo de triangularizao, correspondente ao primeiro piv (k=1):
23
Prof. Srgio Ricardo de Brito Gadelha

3 1 2
L 9423 . 0 L L L 0.832) / 784 . 0 ( L L
L 9423 . 0 L L L ) 832 . 0 / 784 . 0 ( L L
0
0
1

207 . 0 421 . 0 784 . 0
279 . 0 421 . 0 784 . 0
193 . 0 448 . 0 ) 832 . 0 (
1 3 3
1 3 3
1 2 2
1 2 2


1
1
1
]
1

3 1 2

0.9423 -
0.9423 -
1

3839 . 0 0012 . 0 0
097 . 0 8432 . 0 0
193 . 0 448 . 0 ) 832 . 0 (
1
1
1
]
1

4). Pivotao total, correspondente ao segundo piv (k=2):

(i). Busca do maior mdulo dentre os elementos da matriz, a partir da segunda linha
e segunda coluna.
3 1 2
0.9423 -
0.9423 -
1

3889 . 0 0012 . 0 0
0971 . 0 ) 8432 . 0 ( 0
193 . 0 448 . 0 832 . 0
2 i
2 = j
1
1
1
]
1

(Elemento de maior mdulo localizado na coluna

j=2 e linha i=2).
(ii). No h troca de linhas e colunas, a matriz j est naturalmente pivotada:
5). Processo de triangularizao, correspondente ao segundo piv (k=2):
2 3 3
2 3 3
L 001423 . 0 L L L ) 8432 . 0 / 0012 . 0 ( L L 0.9423 -
0.9423 -
1

3889 . 0 0012 . 0 0
0971 . 0 ) 8432 . 0 ( 0
193 . 0 448 . 0 832 . 0
1
1
1
]
1

3 1 2
0.9410 -
0.9423 -
1

3890 . 0 0 0
0971 . 0 ) 8432 . 0 ( 0
193 . 0 448 . 0 832 . 0
1
1
1
]
1

6). Retrosubstituio:
24
Prof. Srgio Ricardo de Brito Gadelha
3 1 2
0.9410 -
0.9423 -
1

3890 . 0 0 0
0971 . 0 ) 8432 . 0 ( 0
193 . 0 448 . 0 832 . 0
1
1
1
]
1

Retornando a forma matricial (note a nova ordem das variveis):

'

+
+
+ +
0.9410 - 3890 . 0 0 0
9423 . 0 0971 . 0 8432 . 0 0
1 0.193 0.448 832 . 0
3 1 2
3 1 2
3 1 2
x x x
x x x
x x x
x
3
= -0.9410/ -0.3890 x
3
= 2.419
x
1
= ( -0.9423 0.0971x
3
) / -0.8432 x
1
= 1.396
x
2
= ( 1 0.448 x
1
0.193 x
3
) /0.832 x
2
= - 0.1106
S = {1.396,-0.1106, 2.419}
Os resduos ( r = | b - A x | ) so:
0.0003 = | 0 x 207 . 0 0.784x 0.421x | = r
0.0003 = | 1 x 193 . 0 0.832x 0.448x | = r
0.0005 | 0 x 279 . 0 x 784 . 0 0.421x - | r
3 2 1 3
3 2 1 2
3 2 1 1
+
+ +
+ +

3.3 Mtodo da Decomposio LU (CROUT)
25
Prof. Srgio Ricardo de Brito Gadelha
As matrizes envolvidas tm a forma :
e
26
Prof. Srgio Ricardo de Brito Gadelha
Vamos considerar a matriz aumentada [A|b],
27
Prof. Srgio Ricardo de Brito Gadelha
Aplicando o algoritmo ao sistema, teremos :
A matriz aumentada, [A|b], :
Os resultados obtidos so mostrados na tabela :
Exemplo: Resolver o sistema abaixo pelo Mtodo de Crout, sem estratgia de pivotamento,
usando 4 dgitos significativos e arredondamento ponderado.

'

+ +
+
+ +
0 0.279 0.784 421 . 0
0 0.207 0.784 421 . 0
1 193 . 0 832 . 0 448 . 0
3 2 1
3 2 1
3 2 1
x x x
x x x
x x x

28
Prof. Srgio Ricardo de Brito Gadelha
Armazenam-se os valores de
b
i
em
4 i
a e
c
i
em
4 i
u e a matriz decomposta L e U
na prpria rea de memria de A.
a a a
a a a
a a a
a
a
a
11 12 13
21 22 23
31 32 33
14
24
34

1
]
1
1
1
aps a decomposio LU
l u u
l l u
l l l
u
u
u
11 12 13
21 22 22
31 32 33
14
24
34

1
]
1
1
1
1). Gerao da matriz expandida:
1
1
1
]
1

0
0
1

279 . 0 784 . 0 421 . 0
207 . 0 784 . 0 421 . 0
193 . 0 832 . 0 448 . 0

2). Decomposio LU (Mtodo de Crout), correspondente ao processo com o primeiro

piv (k = 1):
Adota-se aqui a seguinte legenda:
- Representao em Negrito: para valores da matriz decomposta L e U.
- Representao normal: para valores da matriz expandida original A | b.
(i). Definio da primeira coluna k = 1 da matriz L - l
i1
:(i=1,2,3).

0
0
1

0.279 0.784 421 . 0
0.207 - 0.784 421 . 0
0.193 0.832
1
1
448 . 0
C
C

1
1
1
]
1

(ii). Como no existe pivotamento, o piv j est determinado:

1
1
1
]
1

0
0
1
279 . 0 784 . 0
207 . 0 784 . 0
193 . 0 832 . 0

0.421
0.421
(0.448)

(iii). Definio da primeira linha k = 1 da matriz U - u

1j
: (j=2,3,4)
11 1 1
/
0
0
279 . 0 784 . 0
207 . 0 784 . 0
l L L
1
1
1
]
1

2.232

0.421 -
0.421
0.4308 1.857 (0.448)

29
Prof. Srgio Ricardo de Brito Gadelha
5). Decomposio LU, correspondente ao processo com o segundo piv (k = 2):
(i). Definio da coluna k = 2 da matriz L - l
i2
: (i = 2,3)
12 1 2
2
0
0
279 . 0 784 . 0
207 . 0 784 . 0
u l C
C
i

1
1
1
]
1

2.232

0.421 -
0.421
0.4308 1.857 0.448

2.232

1.566 0.421 -
0.0022 0.421
0.4308 1.857 0.448
1
1
1
]
1

0
0
279 . 0
207 . 0

(ii). Sem pivotamento.

(iii). Definio da linha k = 2 da matriz U - u
2j
: (j = 3,4)
22 1 21 2 2
/ ) (
0
0
279 . 0
207 . 0 l u l L L
j

1
1
1
]
1

2.232

1.566 0.421 -
(0.0022) 0.421
0.4308 1.857 0.448

427.1
2.232

1.566 0.421 -
176.5 (0.0022) 0.421
0.4308 1.857 0.448
1
1
1
]
1

0 279 . 0

6). Decomposio LU, correspondente ao processo com o terceiro piv (k = 3):

(i). Definio da coluna k = 3 da matriz L - l
i3
: (i = 3)
23 32 31 31 3
3
0 279 . 0
u l u l C
C

1
1
1
]
1

427.1
2.232

1.566 0.421 -
176.5 0.0022 0.421
0.4308 1.857 0.448

30
Prof. Srgio Ricardo de Brito Gadelha
427.1
2.232

276.9 1.566 0.421 -
176.5 0.0022 0.421
0.4308 1.857 0.448
1
1
1
]
1

(ii) No h pivotamento.
(iii). Definio da linha k = 3 da matriz U - u
3j
: (j = 4)
33 24 32 14 31 3 3
/ ) ( 0 l u l u l L L 1
1
1
]
1

427.1 -
2.232

(276.9) 1.566 0.421 -
176.5 - 0.0022 0.421
0.4308 1.857 0.448

2.419
427.1 -
2.232

276.9 1.566 0.421 -
176.5 - 0.0022 0.421
0.4308 1.857 0.448
1
1
1
]
1

7). Processo de retrosubstituio sucessiva:

Deve-se observar que o vetor de termos independentes b j foi transformado no
vetor c do sistema L.c = b, simultaneamente ao processo de decomposio.
Ento, extraindo da decomposio LU a matriz triangular superior U, com diagonal
principal unitria, pode-se recuperar o sistema de equaes equivalente U x = c, gerado a
partir do processo de decomposio LU empregado, da seguinte forma:


+

'

+ +
+
+
419 2 1 0 0
1 . 427 5 . 176 1 0
232 2 4308 . 0 857 . 1 1
3 2 1
3 2 1
3 2 1
. x x x
x x x
. x x x
Agora s aplicar o processo de retrosubstituio sucessiva:
x
3
= 2.419 x
3
= 2.419
x
2
= ( -427.1 + 176.5 x
3
) (-427.1+427.0) x
2
= -0.1000
x
1
= ( 2.232 - 1.857 x
2
- 0.4308 x
3
) (2.232+0.1857-1.042) x
1
= 1.376
A soluo obtida
S = { 1.376, -0.1000, 2.419}
31
Prof. Srgio Ricardo de Brito Gadelha
Os resduos ( r = | b - A x | ) de cada uma das equaes do sistema linear proposto
so os seguintes:
0.0172 - | r
0.0002 = | | = r
0.0001 = | = r
3
2
1
+ +
+
+ +
| x . x . x .
x . x . x .
| x . x . x .
0 279 0 784 0 421 0
0 207 0 784 0 421 0
1 193 0 832 0 448 0
3 2 1
3 2 1
3 2 1

Neste caso, tambm pode ser calculado o erro exato, dado por
erro = | X
exato
- X
aproximado
|. A soluo exata foi encontrada atravs do MATLAB, e foi obtida
com 16 dgitos significativos. Vamos avaliar o erro utilizando tambm a preciso de 4
dgitos significativos, que foi utilizada at aqui em todas as operaes. Ento:
Xexato
1
= 1.396
Xexato
2
= - 0.1111
Xexato
3
= 2.419
E o erro exato obtido foi:
Erro
1
= | 1.396 - 1.376 | = 0.0020
Erro
2
= | -0.1111 - (-0.1000) | = 0.0111
Erro
3
= | 2.419 - 2.419 | = 0.0000
Exemplo: Resolver o sistema anterior pelo Mtodo de Crout, com pivotamento parcial,
usando 4 dgitos significativos e arredondamento ponderado.

'

+ +
+
+ +
0 0.279 0.784 421 . 0
0 0.207 0.784 421 . 0
1 193 . 0 832 . 0 448 . 0
3 2 1
3 2 1
3 2 1
x x x
x x x
x x x

1). Gerao da matriz expandida:
1
1
1
]
1

0
0
1

279 . 0 784 . 0 421 . 0
207 . 0 784 . 0 421 . 0
193 . 0 832 . 0 448 . 0

2). Decomposio LU (Mtodo de Crout), correspondente ao processo com o primeiro

piv (k = 1):
32
Prof. Srgio Ricardo de Brito Gadelha
(i). Definio da primeira coluna k = 1 da matriz L - l
i1
:(i=1,2,3).

0
0
1

0.279 0.784 421 . 0
0.207 - 0.784 421 . 0
0.193 0.832
1
1
448 . 0
C
C

1
1
1
]
1

(ii). Pivotao parcial, correspondente ao primeiro piv (k=1):

A matriz j se encontra pivotada (vide Ex. 1):
1
1
1
]
1

0
0
1
279 . 0 784 . 0
207 . 0 784 . 0
193 . 0 832 . 0

0.421
0.421
(0.448)

(iii). Definio da primeira linha k = 1 da matriz U - u

1j
: (j=2,3,4)
11 1 1
/
0
0
279 . 0 784 . 0
207 . 0 784 . 0
l L L
1
1
1
]
1

2.232

0.421 -
0.421
0.4308 1.857 (0.448)

5). Decomposio LU, correspondente ao processo com o segundo piv (k = 2):

(i). Definio da coluna k = 2 da matriz L - l
i2
: (i = 2,3)
12 1 2
2
0
0
279 . 0 784 . 0
207 . 0 784 . 0
u l C
C
i

1
1
1
]
1

2.232

0.421 -
0.421
0.4308 1.857 0.448

2.232

1.566 0.421 -
0.0022 0.421
0.4308 1.857 0.448
1
1
1
]
1

0
0
279 . 0
207 . 0

(ii). Pivotao Parcial, correspondente ao segundo piv (k=2):

33
Prof. Srgio Ricardo de Brito Gadelha
(ii)-a). Busca parcial do maior mdulo da coluna k = 2 (busca a partir da segunda
linha):

2.232

(1.566) 0.421 -
0.0022 0.421
0.4308 1.857 0.448
1
1
1
]
1

0
0
279 . 0
207 . 0

(ii)-b) troca de linhas.

2.232

0.0022 0.421
(1.566) 0.421 -
0.4308 1.857 0.448
2 3
3 2
0
0
207 . 0
279 . 0
L L
L L

1
1
1
]
1

(iii). Definio da linha k = 2 da matriz U - u
2j
: (j = 3,4)
22 1 21 2 2
/ ) (
0
0
207 . 0
279 . 0 l u l L L
j

1
1
1
]
1

2.232

0.0022 0.421
(1.566) 0.421
0.4308 1.857 0.448

0.6001
2.232

0.0022 0.421
0.2940 (1.566) 0.421
0.4308 1.857 0.448
1
1
1
]
1

0 207 . 0

6). Decomposio LU, correspondente ao processo com o terceiro piv (k = 3):

(i). Definio da coluna k = 3 da matriz L - l
i3
: (i = 3)
23 32 13 31 3
3
0 207 . 0
u l u l C
C

1
1
1
]
1

0.6001
2.232

0.0022 0.421
0.2940 1.566 0.421
0.4308 1.857 0.448

1
1
1
]
1

0
0.6001
2.232

0.3890 0.0022 0.421
0.2940 1.566 0.421
0.4308 1.857 0.448

(ii) No h pivotamento, pois a ltima linha.

(iii). Definio da linha k = 3 da matriz U - u
3j
: (j = 4)
34
Prof. Srgio Ricardo de Brito Gadelha
33 24 32 14 31 3 3
/ ) ( 0 ( l u l u l L L 1
1
1
]
1

0.6001
2.232

0.3890) 0.0022 0.421
0.2938 1.566 0.421
0.4308 1.857 0.448

2.419
0.6001
2.232

0.3890 0.0022 0.421
0.2940 1.566 0.421
0.4308 1.857 0.448
1
1
1
]
1

7). Processo de retrosubstituio sucessiva:


+

'

+ +
+ +
+
419 2 1 0 0
6001 . 0 2940 . 0 1 0
232 2 4308 . 0 857 . 1 1
3 2 1
3 2 1
3 2 1
. x x x
x x x
. x x x
Agora s aplicar o processo de retrosubstituio sucessiva:
x
3
= 2.419 x
3
= 2.419
x
2
= ( 0.6001 - 0.2940 x
3
) (0.6001-0.7112) x
2
= - 0.1111
x
1
= ( 2.232 - 1.857 x
2
- 0.4308 x
3
) (2.232+0.2063-1.042) x
1
= 1.396
A soluo arredondada obtida :
S = { 1.396, -0.1111, 2.419}
Os resduos ( r = | b - A x | ) de cada uma das equaes do sistema linear proposto
so os seguintes:
0.0001 - | r
0.0001 = | | = r
0.0002 = | = r
3
2
1
+ +
+
+ +
| x . x . x .
x . x . x .
| x . x . x .
0 279 0 784 0 421 0
0 207 0 784 0 421 0
1 193 0 832 0 448 0
3 2 1
3 2 1
3 2 1
Clculo do erro: erro = | X
exato
- X
aproximado
|.
Xexato
1
= 1.396
Xexato
2
= - 0.1111
Xexato
3
= 2.419
E o erro exato obtido foi:
Erro
1
= | 1.396 - 1.396 | = 0.0000
Erro
2
= | -0.1111 - (-0.1111) | = 0.0000
35
Prof. Srgio Ricardo de Brito Gadelha
Erro
3
= | 2.419 - 2.419 | = 0.0000
3.4 Mtodo de Gauss-Jordan
Consiste na transformao da matriz expandida em matriz diagonal
(normalizada com coeficientes unitrios), que equivalente a matriz identidade. Esta
transformao obtida atravs da aplicao sucessiva de operaes elementares sobre
linhas (ou sobre colunas), buscando a eliminao seletiva dos elementos no nulos externos
a diagonal principal. Tambm pode-se associar este mtodo a um processo de pivotamento,
parcial ou total.
Ex. 3): Resolver o seguinte sistema de equaes lineares usando o mtodo de Gauss-Jordan
com pivotamento parcial:
3 15 4 75 8
4 2 3 7
2 5 3 12
1 2 3
1 2 3
1 2 3
x x x
x x x
x x x
+ +
+ +
+ +

'

. .


adota-se tambm, operaes aritmticas com 4 (quatro) dgitos significativos e
arredondamento ponderado.
Na forma matricial tem-se
3 15 4 75
4 2 3
2 5 3
8
7
12
1
2
3
. .

1
]
1
1
1

1
]
1
1
1

1
]
1
1
1
x
x
x
1). Gerao da matriz expandida:
3 15 4 75
4 2 3
2 5 3
. .

8
7
-12

1
]
1
1
1
2). Pivotao parcial, correspondente ao primeiro piv (k = 1):
(i). Busca do maior mdulo da coluna k = 1
k=1
i = 2 ( )
3 15 4 75
4 2 3
2 5 3
. .

8
7
- 12

1
]
1
1
1
(o elemento de maior mdulo est na linha i = 2).
36
Prof. Srgio Ricardo de Brito Gadelha
(ii). troca de linhas:
( )
3 15 4 75
4 2 3
2 5 3
1 2
2 1
. .

8
7
- 12

1
]
1
1
1

L L
L L (Troca da linha L
1
com a linha L
2
e vice-versa)
(iii). Matriz pivotada:
( )
. .
4 2 3
3 15 4 75
2 5 3

7
8
- 12

1
]
1
1
1
Obs.: Note que at aqui tem-se um processo idntico a eliminao de Gauss.
3). Processo de normalizao do primeiro piv (k=1):
( )
. .
/ 4 2 3
3 15 4 75
2 5 3
4
1 1

7
8
- 12

1
]
1
1
1
L L
1 05 075
3 15 4 75
2 5 3
. .
. .
1.75
8
- 12

1
]
1
1
1
4). Processo de diagonalizao, correspondente ao primeiro piv (k = 1):
1 05 075
3 15 4 75
2 5 3
3
2
2 1
3 1
. .
. .
1.75
8
- 12
L
L
2
3

1
]
1
1
1


L L
L L
1 05 0 75
0 0 2 5
0 4 15
. .
.
.

1.75
2.75
- 15.5

1
]
1
1
1
5). Pivotao Parcial, correspondente ao segundo piv (k=2):
(i). Busca parcial do maior mdulo da coluna k = 2 (busca a partir da segunda linha
e segunda coluna, pois a primeira coluna j foi anulada)
37
Prof. Srgio Ricardo de Brito Gadelha
k=2

1.75
2.75
- 15.5
L
L
2
3
1 05 0 75
0 0 2 5
0 4 15
3
2
. .
.
( ) .

1
]
1
1
1

L
L
(elemento de maior mdulo da coluna k=2 est
na linha i = 3).
(ii). troca de linhas:

1.75
- 15.5
2.75
1 05 0 75
0 4 15
0 0 2 5
. .
( ) .
.

1
]
1
1
1
(Troca da linha L
2
com a linha L
3
e vice-versa)
6). Processo de normalizao do segundo piv (k=2):
1 05 0 75
0 4 15
0 0 2 5
4
2
. .
.
.
/
1.75
- 15.5
2.75
L
2

1
]
1
1
1
L
1 05 0 75
0 1 0 375
0 0 2 5
. .
.
.

1.75
- 3.875
2.75

1
]
1
1
1
7). Processo de diagonalizao, correspondente ao segundo piv (k = 2):
1 05 0 75
0 1 0 375
0 0 2 5
05
0
1 2
3 2
. .
.
.
.

1.75
- 3.875
2.75

L L
L L

1
3

1
]
1
1
1


L
L
1 0 05625
0 1 0 375
0 0 2 5
.
.
.

3.6875
- 3.875
2.75

1
]
1
1
1
9). Processo de normalizao do terceiro piv (k = 3):
1 0 05625
0 1 0 375
0 0 2 5 2 5
3
.
.
. / .

3.6875
- 3.875
2.75

L
3

1
]
1
1
1
L
1 0 05625
0 1 0 375
0 0 1
.
.
3.688
- 3.875
1.1

1
]
1
1
1
38
Prof. Srgio Ricardo de Brito Gadelha
10). Processo de diagonalizao, correspondente ao terceiro piv (k = 3):
1 0 05625
0 1 0 375
0 0 1
05625
0 375
1 1 3
2 2 3
.
.
.
.
3.688
- 3.875
1.1

1
]
1
1
1


L L L
L L L
1 0 0
0 1 0
0 0 1

3.069
- 4.288
1.1

1
]
1
1
1
Analisando o sistema de equaes equivalente, gerado a partir do processo de
eliminaes sucessivas, tem-se o seguinte sistema:
x x x
x x x
x x x
1 2 3
1 2 3
1 2 3
0 0
0 0 4 288
0 0
+ +
+ +
+ +

'

3.069
1.1
.
Obs.: Note que cada equao representa explicitamente uma incgnita, ou seja, o vetor b de
termos independentes modificado guarda a prpria soluo do sistema. Assim,
x
1
= 3.069
x
2
= - 4.288
x
1
= 1.100
A soluo obtida
S = {3.069,- 4.288,1.100}
3.5 Mtodo da Inverso de Matrizes
Seja o sistema dado pela eq. A.x = b, onde A a matriz de coeficientes, x o vetor
de incgnitas e b o vetor de termos independentes.
Multiplicando a equao (1) pela matriz inversa A
-1
de A, obtida a partir de um
mtodo qualquer, tem-se,
A
-1
.(A.x) = A
-1
.(b)
Utilizando a associatividade do produto matricial resulta:
(A
-1
.A).x = A
-1
.b
I.x = A
-1
.b
x = A
-1
.b
39
Prof. Srgio Ricardo de Brito Gadelha
Portanto, pode-se obter o vetor de incgnitas x multiplicando a matriz inversa A
-1
pelo vetor b.
Trata-se de um mtodo eficiente quando dispomos da inversa da matriz A, caso
contrrio temos o custo adicional da determinao da inversa.
Exemplo: Resolva o sistema de equaes lineares indicado abaixo usando o mtodo de
inverso de matrizes. Utilize o processo de pivotamento parcial para evitar pivs nulos.
3 15 4 75 8
4 2 3 7
2 5 3 12
1 2 3
1 2 3
1 2 3
x x x
x x x
x x x
+ +
+ +
+ +

'

. .


Adota-se tambm operaes aritmticas com 4 (quatro) dgitos significativos e
arredondamento ponderado.
Na forma matricial tem-se
3 15 4 75
4 2 3
2 5 3
8
7
12
1
2
3
. .

1
]
1
1
1

1
]
1
1
1

1
]
1
1
1
x
x
x
1). Gerao da matriz inversa de A.
Adota-se um mtodo prtico clssico para se obter a matriz inversa:
(i). Primeiramente gera-se a matriz aumentada [ A | I ], composta pela matriz A e pela
matriz identidade I da mesma ordem de A:
3 15 4 75
4 2 3
2 5 3
1 0 0 . .
0 1 0
0 0 1

1
]
1
1
1
(ii). Atravs de operaes elementares sobre linhas (ou sobre colunas) transforma-se a
matriz A na matriz identidade I, e consequentemente a matriz identidade inicial transforma-
se na inversa A
-1
. Trata-se de um procedimento anlogo ao utilizado no mtodo de Gauss-
Jordan.
Este procedimento tambm pode ser associado a um processo de pivotao parcial,
para evitar pivs nulos e diminuir a perda de significao.
Seguem-se os passos para obteno de A
-1
:
a). Pivotao parcial, correspondente ao primeiro piv (k=1):
(i). Busca do maior mdulo da coluna k = 1
40
Prof. Srgio Ricardo de Brito Gadelha
k=1
i = 2
3 15 4 75
4 2 3
2 5 3
1 0 0 . .
( ) 0 1 0
0 0 1

1
]
1
1
1
(Elemento de maior mdulo da coluna
k=1 est na segunda linha)
(ii). troca de linhas:

3 15 4 75
4 2 3
2 5 3
1 0 0
1 2
2 1
. .
( ) 0 1 0
0 0 1

1
]
1
1
1

L L
L L
(Troca da linha L
1
com a linha L
2
e
vice-versa)
(iii). Matriz pivotada:
4 2 3
3 15 4 75
2 5 3
0 1 0
. . 1 0 0
0 0 1

1
]
1
1
1
b). Processo de normalizao do primeiro piv (k=1):
4 2 3
3 15 4 75
2 5 3
0 1 0 4
1 1
. .
/
1 0 0
0 0 1

1
]
1
1
1
L L
1 05 0 75
3 15 4 75
2 5 3
0 025 0 . .
. .
.
1 0 0
0 0 1

1
]
1
1
1
c). Processo de diagonalizao, correspondente ao primeiro piv (k = 1):
1 05 0 75
3 15 4 75
2 5 3
0 0 25 0
3
2
2 2 1
3 3 1
. .
. .
.
1 0 0
0 0 1
L
L

1
]
1
1
1


L L
L L
1 05 0 75
0 0 2 5
0 4 15
1 0 75 0
0 05 1
. .
.
.
.
.

0 0.25 0

1
]
1
1
1
Obs.: Note que existe uma completa analogia com o mtodo de eliminao de Gauss-
Jordan.
d). Pivotao parcial, correspondente ao segundo piv (k=2):
41
Prof. Srgio Ricardo de Brito Gadelha
(i). Busca parcial do maior mdulo da coluna k = 2 (busca a partir da segunda linha,
pois a primeira linha j foi utilizada no processo de eliminao).
k=2

1 05 075
0 0 25
0 4 15
1 0 75 0
0 05 1
3
2
. .
.
( ) .
.
.

0 0.25 0
L
L
2
3

1
]
1
1
1

L
L
(o elemento de maior mdulo da coluna
k = 2 est na terceira linha).
(ii). troca de linhas:
1 05 0 75
0 4 15
0 0 2 5
0 05 1
1 0 75 0
. .
( ) .
.
.
.

0 0.25 0

1
]
1
1
1
(Troca da linha L
2
com a linha L
3
e vice-versa)
Obs.: Note que a pivotao parcial eliminou um piv nulo (processo possvel em caso de
matrizes no singulares).
e). Processo de normalizao do segundo piv (k=2):
4
0 75 0 1
1 5 0 0
0 25 0 0
5 2 0 0
5 1 4 0
75 0 5 0 1
2 2
/ L L
.
.
.

.
.
. .

1
1
1
]
1

1 05 0 75
0 1 0 375
0 0 2 5
0 0125 025
1 0 75 0
. .
.
.
. .
.

0 0.25 0

1
]
1
1
1
f). Processo de diagonalizao, correspondente ao segundo piv (k = 2):
1 05 0 75
0 1 0 375
0 0 2 5
0 0125 0 25
1 0 75 0
05
0
1 2
3 2
. .
.
.
. .
.
.

0 0.25 0

L
L
1
3

1
]
1
1
1


L L
L L
1 0 05625
0 1 0 375
0 0 2 5
0 0125 0 25
1 0 75 0
.
.
.
. .
.

0 0.3125 - 0.125

1
]
1
1
1
g). Processo de normalizao do terceiro piv (k = 3):
42
Prof. Srgio Ricardo de Brito Gadelha
5 . 2 / L L 0 75 . 0 1
25 . 0 125 . 0 0
0.125 - 0.3125 0

5 . 2 0 0
375 . 0 1 0
5625 . 0 0 1
3 3
1
1
1
]
1

1 0 05625
0 1 0375
0 0 1
0 0125 0 25
04 0 3 0
.
. . .
. .

0 0.3125 - 0.125

1
]
1
1
1
h). Processo de diagonalizao, correspondente ao terceiro piv (k = 3):
1 0 05625
0 1 0 375
0 0 1
0 0125 0 25
0 4 0 3 0
05625
0 375
1 1 3
2 2 3
.
. . .
. .
.
.
0 0.3125 - 0.125

1
]
1
1
1


L L L
L L L
1 0 0
0 1 0
0 0 1
015 00125 0 25
04 03 0

- 0.225 0.4812 - 0.125

1
]
1
1
1
. . .
. .
Ento, A
-1
=
- 0.225 0.4812 - 0.125

1
]
1
1
1
015 0 0125 0 25
0 4 0 3 0
. . .
. .
Para obter o vetor soluo x efetua-se o produto entre A
-1
e b:
x = A
-1
. b =
- 0.225 0.4812 - 0.125

1
]
1
1
1
015 0 0125 0 25
0 4 0 3 0
. . .
. .
.
8
7
12

1
]
1
1
1
=
3069
4 288
1100
.
.
.

1
]
1
1
1
Ento, a soluo do sistema a seguinte:
x
1
= 3.069
x
2
= - 4.288
x
3
= 1.100
S = {3.069,-4.288,1.100}
3.6 - Regra de Cramer para a soluo de um sistema de
equaes lineares com n equaes e n incgnitas.
43
Prof. Srgio Ricardo de Brito Gadelha
Consideremos um sistema de equaes lineares com n equaes e n incgnitas, na sua
forma genrica:
a
11
x
1
+ a
12
x
2
+ a
13
x
3
+ ... + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ a
23
x
3
+ ... + a
2n
x
n
= b
2
a
31
x
1
+ a
32
x
2
+ a
33
x
3
+ ... + a
3n
x
n
= b
3
....................................................= ...
....................................................= ...
a
n1
x
1
+ a
n2
x
2
+ a
n3
x
3
+ ... + a
nn
x
n
= b
n
onde os coeficientes a
11
, a
12
, ..., a
nn
so nmeros reais ou complexos, os termos
independentes b
1
, b
2
, ... , b
n
, so nmeros reais ou complexos e x
1
, x
2
, ... , x
n
so as
incgnitas do sistema nxn.
Seja D o determinante da matriz formada pelos coeficientes das incgnitas.
Seja D x
i
o determinante da matriz que se obtm do sistema dado, substituindo a coluna dos
coeficientes da incgnita x
i
( i = 1, 2, 3, ... , n), pelos termos independentes b
1
, b
2
, ... , b
n
.
A regra de Cramer diz que:
Os valores das incgnitas de um sistema linear de n equaes e n incgnitas so dados por
fraes cujo denominador o determinante D dos coeficientes das incgnitas e o
numerador o determinante D x
i
, ou seja:
x
i
= Dx
i
/ D
Exemplo: Resolva o seguinte sistema usando a regra de Cramer:
x + 3y - 2z = 3
2x - y + z = 12
4x + 3y - 5z = 6
44
Prof. Srgio Ricardo de Brito Gadelha
Teremos:
Portanto, pela regra de Cramer, teremos:
x
1
= D x
1
/ D = 120 / 24 = 5
x
2
= D x
2
/ D = 48 / 24 = 2
x
3
= D x
3
/ D = 96 / 24 = 4
Logo, o conjunto soluo do sistema dado S = { (5, 2, 4) }.
4. Mtodos Iterativos
Vamos considerar os sistemas lineares do tipo
Ax = b
escritos na forma
Seja o sistema S da forma
45
Prof. Srgio Ricardo de Brito Gadelha

'

+ + +

+ + + +
+ + + +
+ + + +
n n nn n n n
n n
n n
n n
b x a x a x a x a
b x a x a x a x a
b x a x a x a x a
b x a x a x a x a

3 3 2 2 1 1
3 3 3 33 2 32 1 31
2 2 3 23 2 22 1 21
1 1 3 13 2 12 1 11
Supondo que S tenha sido reordenada de modo que todos os seus elementos da diagonal
sejam no-nulos. Como ser assumido que a
ii
no nulo, pode-se escrever o sistema em
que a primeira incgnita fique isolada na primeira linha, a segunda incgnita, na segunda
linha e assim por diante, tem-se ento o sistema com a seguinte forma:

'

1
]
1
+ +

1
]
1
+ + +

1
]
1
+ + +

1
]
1
+ + +

) (
1

) (
1

) (
1

) (
1

1 ) 1 ( 2 2 1 1
3 2 32 1 31 3
33
3
2 3 23 1 21 2
22
2
1 3 13 2 12 1
11
1
n n n n n n
nn
n
n n
n n
n n
x a x a x a b
a
x
x a x a x a b
a
x
x a x a x a b
a
x
x a x a x a b
a
x

4.1 Mtodo Iterativo de Jacobi

A forma mais simples de se determinar a matriz H, a partir do sistema Ax =
b a seguinte: Seja A a matriz do sistema, da forma
A =
Vamos supor que A foi reordenada de modo que todos os seus elementos da diagonal sejam
no-nulos:
.
46
Prof. Srgio Ricardo de Brito Gadelha
Vamos ento tirar o valor de cada xi na i-sima equao (i = 1, 2, . . ., n). Como assumimos
que a
ii
no nulo, podemos escrever:
Se considerarmos o lado esquerdo do sistema como os elementos de um novo passo de
iterao (k+1) e os elementos do lado direito como elementos do passo anterior (k),
teremos:
e ento:
representam os dois vetores que aproximam a soluo do sistema, respectivamente na
iterao k+1 e k. K um vetor constante da forma K = ( b1 / a11 b2 / a22 . . . bn / ann) e J
a matriz que define o processo iterativo. Neste caso, esse processo o chamado Mtodo
Iterativo de Jacobi e, por isso, a matriz J chamada de Matriz de Iterao de Jacobi e tem a
forma
47
Prof. Srgio Ricardo de Brito Gadelha
J =
Em resumo, o mtodo de Jacobi consiste na seguinte seqncia de passos:
48
Prof. Srgio Ricardo de Brito Gadelha
Exemplo
Para o sistema :

'

+

6 4 2
3 2 5
2 1
2 1
x x
x x

separa-se as incgnitas x
1
e x
2
da seguinte forma:

'

+
)/4 2 6 (
)/5 2 3 (
1 2
2 1
x x
x x
escolhe-se os ndices da iterao k e k+1 onde k=0,1,2,3...M. onde M o nmero
mximo de iteraes consideradas.

'

+
+
+
)/4 2 6 (
)/5 2 3 (
1 2
2 1
1
1
k k
k k
x x
x x
Agora faz-se o seguinte:
1. Chama-se de x
1
(0)
e x
2
(0)
as aproximaes iniciais, as quais so tomadas de forma
arbitrria (chute) .
Usando para o passo K=0 o chute inicial x
1
(0)
=0 e x
2
(0)
=0. .Assim a primeira aproximao
de x
1
=0 e x
2
=0 > se for utilizado X
(0)
o vetor cujos componentes so x
1
(0)
e x
2
(0)
tem-se
para K=0:
49
Prof. Srgio Ricardo de Brito Gadelha
1
]
1

1
]
1

0
0
X
0)
2
0)
1 (0)
(
(
x
x

2. Aplica-se x
1
(0)
do lado direito do sistema obtendo um novo valor para x
1
1
e x
2
1
tem-
se para K=1:
1,50 )/4 0 2 6 (
0,60 )/5 0 2 3 (
1
1
2
1

+
x
x
portanto
1
]
1

1
]
1

50 1
60 0
X
1)
2
) 1
1 (1)
,
,
x
x
(
(
3. Usa-se estes valores x
1
1
e x
2
1
novamente no sistema obtendo os valores de x
1
2
e x
2
2
.
Para K=2 tem-se:
1,20 )/4 6 0 2 6 (
20 1 )/5 5 1 2 3 (
2
2
2
1

+
, x
, , x
portanto
1
]
1

1
]
1

20 1
20 1
X
2)
2
) 2
1 (2)
,
,
x
x
(
(
4. O prximo passo ser encontrar x
1
3
e x
2
3
. Para K=3 tem-se:
90 0 )/4 2 1 2 6 (
08 1 )/5 2 1 2 3 (
3
3
2
1
, , x
, , x

+
portanto
1
]
1

1
]
1

90 0
08 1
X
3)
2
) 3
1 (3)
,
,
x
x
(
(
5. Para os demais x
1
k
e x
2
k
procede-se da mesma forma.
50
Prof. Srgio Ricardo de Brito Gadelha
4.1.1 Convergncia do Mtodo de Jacobi
51
Prof. Srgio Ricardo de Brito Gadelha 52
Prof. Srgio Ricardo de Brito Gadelha
Logo, teremos a seguinte expresso.
53
Prof. Srgio Ricardo de Brito Gadelha
4. 2 Mtodo Iterativo de Gauss-Seidel
Em sistemas com muitas equaes simultneas e, particularmente, em
sistemas mal-condicionados, a propagao do erro de arredondamento pode destruir a
exatido da soluo.
Nestes casos podemos utilizar um mtodo iterativo que, em geral, no seja
muito sensvel propagao de erros de arredondamento, desde que a soluo seja
convergente. Entre os mtodos iterativos de resoluo de sistemas de equaes, vamos
abordar o mtodo iterativo de Gauss-Seidel, que um dos mtodos iterativos mais comuns
e simples para ser programado em computador. Como em todos os mtodos iterativos, o
erro de arredondamento pequeno, mas o mtodo converge para a soluo somente sob
certas condies e normalmente conduz a um nmero significativamente maior de
operaes aritmticas em comparao aos mtodos de resoluo direta.
54
Prof. Srgio Ricardo de Brito Gadelha
Seja o sistema de equaes:
onde os termos da diagonal a
11
, a
22
, ..., a
nn
so todos supostos no nulos; se necessrio, as
equaes devem ser reordenadas para que todos estes termos sejam no nulos. Encontramos
o valor de x
1
a partir da primeira equao, x
2
a partir da segunda e assim sucessivamente,
para obtermos:
A iterao iniciada tomando-se um conjunto inicial de estimativas para
todos os x
i
(k)
, onde k o nmero da iterao. Tomamos o valor inicial de x
2
, x
3
, ..., x
n
para
calcular o valor de x
1
na primeira equao acima. Com o valor de x
1
calculado mais os
valores iniciais de x
3
, x
4
, ..., x
n
calcula-se o novo valor de x
2
na segunda equao e assim
sucessivamente at a n-sima equao, quando ento obtemos o valor de x
n
(e,
anteriormente, os valores de x
1
, x
2
, ..., x
n-1
) para a primeira iterao. Voltamos, ento, para a
primeira equao e calculamos novamente x
1
e sucessivamente todos os x
i
na segunda
55
Prof. Srgio Ricardo de Brito Gadelha
iterao. Este procedimento prossegue at que haja convergncia, isto , at que todos os
valores de x
i
simultaneamente parem de variar. Deste modo, este mtodo exigir
provavelmente muitas iteraes antes de obtermos uma exatido razovel. Alm disto, na
maioria das vezes pode no ocorrer convergncia e os resultados se afastarem de um valor
constante e finito.
O problema da convergncia deste mtodo no simples e o principal
empecilho ao seu uso. Podemos empregar alguns critrios para se verificar quando
necessrio parar a iterao:
1. O nmero de iteraes excedeu um valor mximo m pr-determinado;
2. As diferenas entre dois valores sucessivos de todos os x
i
so menores do que um valor
pr-determinado :
Podemos, tambm, explicar o mtodo iterativo de Gauss-Siedel da seguinte
forma: substitui-se diretamente os valores que vo sendo calculados, isto , depois do
clculo de x
1
(1)
substitui-se esse valor na avaliao de x
2
(1)
; em seguida, na avaliao de x
3
(1)
j pode-se usar esses valores que j foram atualizados, x
1
(1)
e x
2
(1).
. Atualiza-se os valores de
x
i
k+1
obtidos durante o prprio passo k, da iterao. Isso significa que no se d um passo
completo com os valores (k) do passo anterior, como no Mtodo de Jacobi e sim, vamos
usando as modificaes feitas imediatamente. Para um sistema de n variveis o processo de
iterao pelo mtodo de Gauss-Seidel pode ser representado da seguinte forma:
] ) a a a a ( [b
1
1n 4 14 3 13 2 12 1
11
1
1
k
n
k k k k
x x x x
a
x + + + +
+

] ) a a a a ( [b
1
2n 4 24 3 23
1
1 21 2
22
1
2
k
n
k k k k
x x x x
a
x + + + +
+ +

] ) a a a a ( [b
1
3n 4 34
1
2 32
1
1 31 3
33
1
3
k
n
k k k k
x x x x
a
x + + + +
+ + +

...........................
] ) a a a a ( [b
1
1
1 1) - 2(n
1
3 n3
1
2 n2
1
1 n1 n
1 +

+ + + +
+ + + +
k
n
k k k
nn
k
n
x x x x
a
x
Exemplo 1: Tomando o mesmo exemplo utilizado no mtodo iterativo de Jacobi

'

+

6 4 2
3 2 5
2 1
2 1
x x
x x

separa-se as variveis x
1
e x
2
.
56
Prof. Srgio Ricardo de Brito Gadelha

'

+
)/4 2 6 (
)/5 2 3 (
1 2
2 1
x x
x x
escolhe-se os ndices da iterao k e k+1:

'

+
+ +
+
)/4 2 6 (
)/5 2 3 (
1 1
1
1 2
2 1
k k
k k
x x
x x
Agora faz-se o seguinte:
1 Chama-se de x
1
(0)
e x
2
(0)
as aproximaes iniciais, as quais so tomadas de forma
arbitrria (chute) .
Usando para o passo K=0 o chute inicial x
1
(0)
=0 e x
2
(0)
=0. .Assim a primeira aproximao
de x
1
=0 e x
2
=0 > se for utilizado X
(0)
o vetor cujos componentes so x
1
(0)
e x
2
(0)
tem-se
para K=0:
1
]
1

1
]
1

0
0
X
0)
2
0)
1 (0)
(
(
x
x

2 Aplica-se x
1
(0)
do lado direito do sistema obtendo um novo valor para x
1
1
e x
2
1
tem-se
para K=1:
1,200 )/4 6 0 2 6 (
0,600 )/5 0 2 3 (
1
1
2
1

+
, x
x
portanto
1
]
1

1
]
1

200 1
600 0
X
1)
2
) 1
1 (1)
,
,
x
x
(
(
3 Usa-se estes valores x
1
1
e x
2
1
novamente no sistema obtendo os valores de x
1
2
e x
2
2
.
Para K=2 tem-se:
960 0 )/4 08 1 2 6 (
080 1 )/5 2 1 2 3 (
2
2
2
1
, , x
, , x

+
portanto
1
]
1

1
]
1

960 0
080 1
X
2)
2
) 2
1 (2)
,
,
x
x
(
(
4. O prximo passo ser encontrar x
1
3
e x
2
3
. Para K=3 tem-se:
008 1 )/4 984 0 2 6 (
984 0 )/5 08 1 2 3 (
3
3
2
1
, , x
, , x

+
portanto
1
]
1

1
]
1

008 1
984 0
X
3)
2
) 3
1 (3)
,
,
x
x
(
(
5. Para os demais x
1
k
e x
2
k
procede-se da mesma forma.
57
Prof. Srgio Ricardo de Brito Gadelha
Exemplo 2: resolver o sistema abaixo pelo mtodo de Gauss-Seidel usando como
aproximao inicial x
(0)
= [0 0 0]
t
e como critrio de parada:
58
Prof. Srgio Ricardo de Brito Gadelha
Teorema da convergncia do mtodo iterativo de Gauss-Seidel: A iterao do mtodo
de Gauss-Seidel convergir se, no determinante caracterstico, cada termo da diagonal
principal for maior (em valor absoluto) do que a soma dos valores absolutos de todos os
outros termos na mesma linha ou coluna. Isto , teremos garantido a convergncia se,
e
O teorema no muito til a no ser que, de alguma maneira, possamos
reordenar as equaes a fim de satisfazerem o teorema to bem quanto possvel e,
geralmente, isto no tarefa simples. Pode ser necessrio rearranjar de vrias formas um
sistema de equaes at encontrarmos, atravs do clculo iterativo, um arranjo que se
aproxime das condies do teorema.
Bibliografia Recomendada
1. SIMON, Carl & Blume, L. Matemtica para Economistas. Traduo: Claus Ivo Doering.
Porto Alegre: Bookman, 2004.
2. BRAGA, Mrcio Bobik; KANNEBLEY JNIOR, Srgio; ORELLANO, Vernica I.F.
Matemtica para economistas. So Paulo: Atlas, 2003.
3. BOLDRINI, Jos Luiz. lgebra linear: 591 problemas resolvidos. 442 problemas
suplementares. Ed. Harbra, 2004.
4. LIPSCHUTS, Algebra linear. Ed. PEARSON EDUCATION DO BRASIL LTDA, 2004.
Recomendo que vocs exercitem seus conhecimentos na lista de exerccios
referente ao Ponto 49.
Um forte abrao e at o nosso prximo encontro.
59