Sistem As

UNIVERSIDADE FEDERAL DE OURO PRETO
Instituto de Cincias Exatas e Biolgicas

Departamento de Computao

Jos lvaro Tadeu Ferreira

Clculo Numrico Notas de aulas

Resoluo de Sistemas de Equaes Lineares Simultneas

Ouro Preto
2009
Depto de Computao Instituto de Cincias Exatas e Biolgicas Universidade Federal de Ouro Preto

Prof. Jos lvaro Tadeu Ferreira - Notas de aulas de Clculo Numrico

2

Resoluo de Sistemas de Equaes Lineares Simultneas

1 - Introduo
A resoluo de sistemas de equaes lineares simultneas um dos problemas numricos
mais comuns em aplicaes cientficas para simular situaes do mundo real. etapa fun-
damental na resoluo de vrios problemas que envolvam, por exemplo, equaes diferen-
ciais parciais, determinao de caminhos timos em redes (grafos), regresso, sistemas no
lineares, interpolao de pontos, dentre outros. Vrios problemas da Engenharia envolvem
a resoluo de sistemas de equaes lineares. A ttulo de exemplo, considere-se a determi-
nao de do potencial em redes eltricas, o clculo da tenso em estruturas metlicas na
construo civil, o clculo da razo de escoamento em um sistema hidrulico com deriva-
es, a previso da concentrao de reagentes sujeitos a reaes qumicas simultneas.
Neste texto ser considerada a resoluo de um sistema de equaes lineares de n equaes
com n incgnitas, da forma mostrada em (1.1).

= + + +
= + + +
= + + +
n n nn 2 2 n 1 1 n
2 n n 2 2 22 1 21
1 n n 1 2 12 1 11
b x a x a x a
b x a x a x a
b x a x a x a
(1.1)
Onde
n
x x x ,..., ,
2 1
so as incgnitas,
nn
a a a ,..., ,
12 11
os coeficientes das incgnitas e b
1
, b
2
,
b
3
, ..., b
n
os termos independentes do sistema de equaes. Este sistema pode ser escrito
sob a forma matricial, freqentemente mais vantajosa, mediante o emprego da seguinte
notao

A.x = b (1.2)
Em que
(
(
(
(
=
(
(
(
(
=
(
(
(
(
=
n
2
1
n
2
1
nn 2 n 1 n
n 2 22 21
n 1 12 11
b
b
b
,
x
x
x
,
a a a
a a a
a a a

b x A .
Assim, A a matriz dos coeficientes das incgnitas, x o vetor coluna das incgnitas e b o
vetor coluna dos termos independentes. A matriz A e os vetores coluna x e b sero consi-
derados reais, no obstante muito do que se vai dizer neste captulo ser generalizvel ao
campo complexo sem grande dificuldade.


3

Uma matriz bastante importante, e que ser utilizada posteriormente, a matriz aumentada
de um sistema de equaes lineares. Conforme mostrado a seguir, para obt-la basta acres-
centar matriz dos coeficientes o vetor b dos termos independentes.

(
(
(
(
=
n nn 2 n 1 n
2 n 2 22 21
1 n 1 12 11
b a a a
b a a a
b a a a
] b | [
A

Definio 1.1
Denomina-se vetor soluo (ou simplesmente soluo) de um sistema de equaes lineares
da forma Ax = b, e denota-se por x, ao vetor que contm as variveis x
j
, j = 1, , n, que
satisfazem, de forma simultnea, a todas as equaes do sistema.

2 - Classificao de um sistema de equaes com relao ao nmero de solues
Com relao ao nmero de solues, um sistema de equaes lineares simultneas pode ser
classificado em:
(a) Compatvel e determinado: quando admitir uma nica soluo.
(b) Compatvel e indeterminado: quando admitir um nmero infinito de solues.
(c) Incompatvel: quando no admitir soluo.
Vale lembrar que, a condio para que um sistema de equaes lineares tenha soluo ni-
ca que o determinante da matriz dos coeficientes seja no nulo. Caso contrrio ser inde-
terminado ou incompatvel.
Quando todos os termos independentes forem nulos, isto , se b
i
= 0, i = 0, 1, ..., n, o siste-
ma dito homogneo. Todo sistema homogneo compatvel, pois admitir pelo menos a
soluo trivial (x
j
= 0, j = 0, 1, 2, ..., n).
De uma forma mais ampla, pode-se considerar que resolver um sistema de equaes con-
siste em diagnosticar em qual das trs situaes ele se enquadra. Ou seja, mais do que
determinar um vetor x, uma vez que ele pode no existir ou no ser nico.


4
3 Mtodos numricos para a resoluo de sistemas de equaes lineares
Os mtodos numricos destinados a resolver sistemas lineares so divididos em dois gru-
pos: os mtodos diretos e os mtodos iterativos.

4 Mtodos Diretos
Os Mtodos Diretos so aqueles que, exceto por erros de arredondamento, fornecem a so-
luo exata de um sistema de equaes lineares, caso ela exista, por meio de um nmero
finito de operaes aritmticas.
So mtodos bastante utilizados na resoluo de sistemas de equaes densos de porte pe-
queno a mdio. Entenda-se por sistema denso aquele na qual a matriz dos coeficientes tem
um nmero pequeno de elementos nulos. So considerados sistemas de pequeno porte a-
queles que possuem at trinta equaes e de mdio porte at cinqenta equaes. A partir
da, em geral, so considerados sistemas de grande porte.
Pertencem classe dos Mtodos diretos todos os que so estudados nos cursos de 1
o
e 2
o

graus como, por exemplo, a Regra de Cramer. Entretanto, tais mtodos no so usados em
problemas prticos que exigem a resoluo de sistemas de equaes lineares com um n-
mero relativamente grande de equaes porque apresentam problemas de desempenho e
eficincia. Para ilustrar este fato considere-se a Regra de Cramer.
Seja um sistema de equaes lineares A.x = b com o nmero de equaes igual ao nmero
de incgnitas (um sistema n x n), sendo D o determinante da matriz A, e D
x1
, D
x2
, D
x3
, ...,
D
xn
os determinantes das matrizes obtidas substituindo em A, respectivamente, a coluna
dos coeficientes de x
1
, x
2
, x
3
, ..., x
n
pela coluna dos termos independentes. Sabe-se que o
sistema ser compatvel e ter soluo nica se, e somente se, D = 0 e, ento, a nica solu-
o de A.x = b dada por:
x
1
=
x D
D
1
, x
2
=
D
Dx2
, x
3
=
x D
D
3
, ... , x
n
=
xn D
D

Portanto, aplicao da Regra de Cramer exige o clculo de n + 1 determinantes ( det A e
det A
i
, 1 s i s n). Pode ser mostrado que o nmero mximo de operaes aritmticas en-
volvidas na resoluo de um sistema de equaes lineares com n equaes e n incgnitas
para este mtodo (n + 1)(n!)(n 1), Para n = 20 o nmero total de operaes efetuadas
ser 21 * 20! * 19 multiplicaes mais um nmero semelhante de adies. Assim, um
computador que efetue cerca de 100 milhes de multiplicaes por segundo levaria 3 x 10
5

anos para efetuar as operaes necessrias.
Sendo assim, a regra de Cramer invivel em funo do tempo de computao para siste-
mas muito grandes e, portanto, o estudo de mtodos mais eficientes torna-se necessrio,


5
uma vez que, em geral, os casos prticos exigem a resoluo de sistemas lineares de porte
elevado. Antes, porm, faz-se necessrio tratar da base terica que fundamenta estes mto-
dos.

Transformaes elementares
As transformaes elementares constituem um conjunto de operaes que podem ser efe-
tuadas sobre as linhas ou colunas de uma matriz. No que se refere resoluo de sistemas
de equaes lineares, estas transformaes so, normalmente, aplicadas apenas sobre as
linhas da matriz dos coeficientes ou da matriz aumentada dependendo do mtodo utilizado.

1. Multiplicao de uma linha por uma constante no-nula.
L
i
c L
i
, c e 9, c 0, i = 1, 2, ..., n
2. Troca de posio entre duas linhas.
L
i
L
j
; i, j = 1, 2, ..., n; i j
3. Adio de um mltiplo de uma linha a outra linha,
L
i
L
i
+ c L
j
, c e 9, c 0; i, j = 1, 2, ..., n; i j

Matrizes equivalentes
Duas matrizes so ditas equivalentes quando possvel, a partir de uma delas, chegar
outra por meio de um nmero finito de transformaes elementares.

Sistemas equivalentes
Dois sistemas Ax = b e .x = c se dizem equivalentes se possuem a mesma soluo.

Matriz triangular
(i) Superior: uma matriz quadrada na qual todos os elementos abaixo da diagonal princi-
pal so nulos.
(ii) Inferior: uma matriz quadrada na qual todos os elementos acima da diagonal principal
so nulos.

Sistemas Triangulares
um sistema de equaes lineares no qual a matriz dos coeficientes triangular.

Teorema
Seja [A | b] a matriz aumentada de um sistema de equaes Ax = b, com determinante de A
no nulo, e [T | c] uma matriz a ela equivalente. Sendo assim, os sistemas A.x = b e T.x = c
possuem a mesma soluo.


6
4.1 Mtodo de Gauss
O Mtodo de Gauss um dos mais conhecidos e utilizados para a resoluo de sistemas de
equaes lineares densos de pequeno a mdio porte.

4.1.1 Descrio do mtodo
A resoluo de um sistema de equaes lineares pelo mtodo de Gauss envolve duas fases
distintas.
A primeira, chamada de fase de eliminao, consiste em efetuar transformaes elementa-
res sobre as linhas da matriz aumentada de um sistema de equaes A.x = b at 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 substituio, consiste em resolver o sistema triangular su-
perior por meio de substituies retroativas.

] c | U [
1 - n
n
1 - n
nn
1
2
1
n 2
1
22
1 n 1 12 11
] b | A [
n nn 2 n 1 n
2 n 2 22 21
1 n 1 12 11
b a 0 0
b a a o
b a a a

Elemen. Transf.

b a a a
b a a a
b a a a
(
(
(
(

(
(
(
(

Para a descrio do mtodo, seja resolver o sistema de equaes lineares a seguir.

3.x
1
+ 2.x
2
+ x
4
= 3
9.x
1
+ 8.x
2
3.x
3
+ 4.x
4
= 6 (4.1)
- 6.x
1
+ 4.x
2
8.x
3
= -16
3.x
1
- 8.x
2
+ 3.x
3
- 8.x
4
= 22

Tem-se:

(
(
(
(
=
8 - 3 8 - 3
0 8 - 4 6 -
4 3 - 8 9
1 0 2 3
A e
(
(
(
(
=
22
16 -
6
3
b

Portanto, a matriz aumentada deste sistema de equaes



7

22 8 - 3 8 - 3
16 - 0 8 - 4 6 -
6 4 3 - 8 9
3 1 0 2 3
b] | A [
(
(
(
(
=

Denotando a primeira linha de [A | b] por L
1
, a segunda por L
2
, e assim sucessivamente,
so obtidos os seguintes resultados na fase de eliminao.

Passo 1:
Neste passo a
11
= 3 o elemento piv e o objetivo a eliminao dos elementos que esto
abaixo dele. Para isto utilizado o procedimento a seguir.
(i) Calcular os multiplicadores
11
1
1
-
a
a
m
i
i
= , i = 2, 3, 4. Sendo assim vem:
3 -
3
9
- -
11
21
21
= = =
a
a
m , 2
3
6
- -
11
31
31
=
= =
a
a
m e 1 -
3
3
- -
11
41
41
= = =
a
a
m
(ii) Efetuar as transformaes elementares.
1 21 2
1
2
. m L L L +
1 31 3
1
3
. m L L L +
1 41 4
1
4
. m L L L +
Desta forma, obtm-se a matriz [A
(1)
| b
(1)
], a seguir, que equivalente a {A | b].

19 9 - 3 10 - 0
10 - 2 8 - 8 0
3 - 1 3 - 2 0
3 1 0 2 3
] b | [A
(1) (1)
(
(
(
(
=

Passo 2:
Neste passo 2
1
22
= a o elemento piv e o objetivo a eliminao dos elementos que esto
abaixo dele. Para isto utilizado o procedimento a seguir.
(i) Calcular os multiplicadores
1
22
1
2
2
-
a
a
m
i
i
= , i = 3, 4. Sendo assim vem:

4 -
2
8
- -
1
22
1
32
32
= = =
a
a
m e 5
2
) 10 (
- -
1
22
1
42
42
=
= =
a
a
m


8
(ii) Efetuar as transformaes elementares.

1
2 32
1
3
2
3
L . m L L +
1
2 42
1
4
2
4
. m L L L +

obtida, ento, a matriz [A
(2)
| b
(2)
], a seguir, que equivalente a [A | b].

4 4 - 12 - 0 0
2 2 - 4 0 0
3 - 1 3 - 2 0
3 1 0 2 3
] b | [A
(2) (2)
(
(
(
(
=

Passo 3:
Neste passo 4
2
33
= a o elemento piv e o objetivo a eliminao do nico elemento que
est abaixo dele. Para isto utilizado o procedimento a seguir.
(i) Calcular o multiplicador
2
33
2
3
3
-
a
a
m
i
i
= , i = 4. Sendo assim vem:

3
4
) 12 (
-
a
a
- m
2
33
2
43
43
=
= =

(ii) Efetuar a transformao elementar.

2
3 43
2
4
3
4
. m L L L +

obtida, ento, a matriz [A
(3)
| b
(3)
], a seguir, que equivalente a [A | b].

10 10 - 0 0 0
2 2 - 4 0 0
3 - 1 3 - 2 0
3 1 0 2 3
] b | [A
(3) (3)
(
(
(
(
=

Portanto, ao final de 3 passos, o sistema A.x = b, expresso por (4.1), foi transformado no
seguinte sistema triangular superior A
(3)
.x = b
(3)
:

3.x
1
+ 2.x
2
+ x
4
= 3
2.x
2
3.x
3
+ x
4
= - 3 (4.2)
4.x
3
2.x
4
= 2
- 10.x
4
= 10


9
Terminada a fase de eliminao, passa-se, agora, para a fase de substituio, na qual se
resolve o sistema (3.2) por meio das seguintes substituies retroativas:
1 -
(-6)
6

4
= = x
0
4
1) 2.(- 2

3
=
+
= x
1 -
2
(-1) - 3.(0) 3 -

2
=
+
= x
2
3
(-1) - 2.(-1) - 3

1
= = x

Portanto, a soluo do sistema de equaes x = [2 -1 0 -1]
t
.
No mtodo de Gauss, os multiplicadores do passo k da fase de eliminao so calculados,
de forma geral, por meio da expresso:

n ..., 2, k 1, k i 1; - n ..., 2, 1, k -
1 -
k
1 -
k
k
+ + = = =
k
k
k
i
i
a
a
m
(4.3)

Para efetuar a eliminao so realizadas as transformaes elementares:

n ..., 2, k 1, k i 1; - n ..., 2, 1, k . m L
1 -
k i
1 - k
i
+ + = = +
k
k
k
i
L L (4.4)

Para avaliar o nmero mximo de operaes aritmticas envolvidas na resoluo de um
sistema de equaes lineares n n, quando se utiliza o mtodo de Gauss, apresentada no
quadro 4.1 a complexidade de pior caso das fases de eliminao e substituio.

Fase Divises Multiplicaes Adies Total
1
2
.
.
.
n - 1
n 1
n 2
.
.
.
1
n(n 1)
(n 1)(n 2)
.
.
.
2.1
n(n 1)
(n 1)(n 2)
.
.
.
2.1

Eliminao
2
) 1 n ( n

3
n
-
3
n
3

3
n
-
3
n
3

6
7n
-
2
n
-
3
n
2
2 3

n 1 + 2 + ... + (n 1) 1 + 2 + ... + (n 1)
Substituio n
2
) 1 n ( n

2
) 1 n ( n
n
2

Total
2
) 1 n ( n +

6
5n
-
2
n
3
n
2 3
+
6
5n
-
2
n
3
n
2 3
+
6
7n
-
2
n
3

3
n
2
2 3
+
Quadro 4.1: Complexidade do Mtodo de Gauss.


10
Como se observa, o mtodo de Gauss tem complexidade polinomial O(n
3
). Um computa-
dor que faz uma operao aritmtica em 10
-8
segundos gastaria 0,0000257 segundos para
resolver um sistema 15x15 (um tempo infinitamente inferior quele gasto pela Regra de
Cramer).
O sistema 4.1 foi preparado com foco no mtodo, ou seja, no processo de transformao de
um sistema de equaes lineares qualquer em um que seja triangular superior. Na seqn-
cia, sero tratados alguns exemplos com o objetivo de abordar algumas questes de ordem
numrica.

Exemplo 4.1
Seja resolver o sistema de equaes 4.5, a seguir, retendo nos clculos trs casas decimais.

4,5.x
1
+ 1,8.x
2
+ 2,4.x
3
= 19,62
3,0.x
1
+ 5,2.x
2
+ 1,2.x
3
= 12,36 (4.5)
0,8.x
1
+ 2,4.x
2
+ 3,6.x
3
= 9,20

Os clculos realizados esto sumarizados no quadro 4.2.

Linha Multiplicador Coeficientes T. ind. Transformaes
L
1

L
2

L
3

m
21
= - 0,667
m
31
= - 0,178
4,5 1,8 2,4 19,62

3,0 5,2 1,2 12,36
0,8 2,4 3,6 9,20
1
2
L
1
3
L
m
32
= - 0,520
0 3,999 - 0,401 - 0,727 L
2
+ m
21
L
1
0 2,080 3,173 5,708 L
3
+ m
31
L
1

2
3
L

0 0 3,382 6,086
1
2 32
1
3
L . m L +
Quadro 4.2: Sumarizao dos clculos.

Observe-se que, quando realizada a transformao elementar para a eliminao na posi-
o linha dois coluna um, o clculo realizado 3,0 + (- 0,667) x 4,5 que produz o resultado
(- 0,0015) que, considerando trs casas decimais, vai a (- 0,002). O problema est no erro
de arredondamento no clculo do multiplicador, que causou reflexo na eliminao.
Como, no final ter utilidade apenas a parte triangular superior da matriz dos coeficientes,
ento, nas posies nas quais deve ocorrer a eliminao, os clculos podem deixar de ser
feitos. Este procedimento interessante porque diminui o esforo computacional. obtido,
ento, o sistema triangular superior dado por 4.6.



11
4,500.x
1
+ 1,800.x
2
+ 2,400.x
3
= 19,620
3,999.x
2
0,401.x
3
= - 0,727 (4.6)
3,382.x
3
= 6,086

Resolvendo 3.6 obtm-se o vetor x = [3,400 0,001 1,800]
t
.

4.1.2 - Avaliao do Resduo/Erro
O erro produzido por uma soluo do sistema A.x = b pode ser avaliado pela expresso:
| r | mx
i
n i 1 s s
= c (4.7)
Onde r
i
, i = 1, 2, ..., n; a i-sima componente do vetor resduo R, o qual dado por:
R = b A.x (4.8)

Para o exemplo 4.1, o vetor resduo :

(
(
(
(
(
(
(
(
(
=
1,800
0,001 -
3,400
.
3,6 2,4 0,8
1,2 5,2 3,0
2,4 1,8 4,5
-
9,20
12,36
19,62
R (4.9)

Assim, o vetor resduo R = [0,0018 0,0052 0,0024]
t
e o erro cometido :

{ } 0,0052 | 0,0024 | |, 0,0052 | , | 0018 , 0 | mx | r | mx
3 i 1
i
n i 1
= = = c
s s s s
(4.10)

Exemplo - 4.2
Seja, agora, a resoluo do sistema de equaes dado por 4.11 considerando, quando for o
caso, trs casas decimais.

x
1
+ x
2
+ 2.x
3
+ 4.x
4
= - 1
x
1
+ x
2
+ 5.x
3
+ 6.x
4
= - 7 (4.11)
2.x
1
+ 5.x
2
+ x
3
+ 2.x
4
= 10
4.x
1
+ 6.x
2
+ 2.x
3
+ x
4
= 12

Os clculos esto sumarizados no quadro 4.3.


12

Linha Multiplicador Coeficientes T. Indep. Transformaes
L
1
1 1 2 4 - 1
L
2
m
21
= - 1 1 1 5 6 - 7
L
3
m
31
= - 2 2 5 1 2 10
L
4
m
41
= - 4 4 6 2 1 12
1
2
L
0 0 3 2 - 6
L
2
+ m
21
L
1
1
3
L
0 3 - 3 - 6 12
L
3
+ m
31
L
1

1
4
L
0 2 - 6 - 15 16 L
4
+ m
41
L
1

2
2
L
0 3 - 3 - 6 12
1
3
L
2
3
L
m
32
= 0 0 0 3 2 - 6
1
2
L
2
4
L
m
42
= - 0,667 0 2 - 6 - 15 16
1
4
L
3
3
L
0 0 3 2 - 6
2
3
L
3
4
L
m
43
= 1,333 0 0 - 3,999 - 10,998 7,996
2
2 42
2
4
L . m L +
4
4
L
0 0 0 - 8,332 - 0,002
3
3 43
3
4
L . m L +

obtido, ento, o sistema triangular superior dado por 4.12.
x
1
+ x
2
+ 2.x
3
+ 4.x
4
= - 1
3.x
2
3.x
3
6.x
4
= 12 (4.12)
3.x
3
+ 2.x
4
= - 6
- 8,332.x
4
= - 0,002

Resolvendo 4.12 obtm-se o vetor x = [1 2 -2 0]
t
. simples verificar que o vetor resduo
nulo e, portanto, foi obtida a soluo exata do sistema de equaes 4.11.
Observe-se que foi necessrio efetuar a troca de posio entre as linhas
1
2
L e
1
3
L em virtude
de piv nulo. Quando no possvel efetuar a troca de posio entre linhas, situao que
ocorre quando, alm de o piv ser nulo, todos os elementos da coluna, que esto abaixo
dele, tambm o so, ento a matriz dos coeficientes singular e o sistema de equaes no
admite soluo nica. Esta situao tratada no exemplo 4.3 a seguir.

Exemplo 4.3
Seja a resoluo dos sistemas de equaes A.x = b
1
e A.x = b
2
onde:

(
(
(
(
=
8 - 3 8 - 3
7 - 3 6 - 6
4 3 - 8 9
1 0 2 3
A ,
(
(
(
(
=
(
(
(
(
=
22
25
6
3
b e
22
16 -
6
3
b
2 1
(4.13)


13
Os clculos esto sumarizados no quadro 4.4.

Linha Multiplicador Coeficientes b
1
b
2
Transformaes
L
1
3 2 0 1 3 3
L
2
m
21
= - 3 9 8 -3 4 6 6
L
3
m
31
= - 2 6 -6 3 -7 -16 25
L
4
m
41
= - 1 3 -8 3 -8 22 22
1
2
L
0 2 -3 1 -3 -3
L
2
+ m
21
L
1
1
3
L
m
32
= 5 0 -10 3 -9 -22 19
L
3
+ m
31
L
1

1
4
L
m
42
= 5 0 -10 3 -9 19 19 L
4
+ m
41
L
1

2
3
L
0 0 -12 -4 -37 4
1
2 32
1
3
L . m L +
2
4
L
m
43
= -1 0 0 - 12 - 4 4 4
1
2 42
1
4
L . m L +
3
4
L
0 0 0 0 41 0
2
3 43
2
4
L . m L +

De A.x = b
1
produzido o sistema triangular superior dado por 4.14.

3.x
1
+ 2.x
2
+ x
4
= 3
2.x
2
3.x
3
+ x
4
= -3 (4.14)
-12.x
3
- 4.x
4
= -37
0.x
4
= 41

Portanto, trata-se de um sistema de equaes lineares incompatvel.

De A.x = b
2
produzido o sistema triangular superior dado por 4.15.

3.x
1
+ 2.x
2
+ x
4
= 3
2.x
2
3.x
3
+ x
4
= -3 (4.15)
-12.x
3
- 4.x
4
= 4
0.x
4
= 0

Trata-se, assim, de um sistema de equaes lineares indeterminado.

4.1.3 - O Mtodo de Gauss com pivotao parcial
Conforme exposto anteriormente, o Mtodo de Gauss requer o clculo dos multiplicadores.
Entretanto este fato pode ocasionar problemas se o piv estiver prximo de zero ou for
nulo. Isto porque trabalhar com piv nulo impossvel e o piv prximo de zero pode con-
duzir a resultados imprecisos, visto que d origem a multiplicadores bem maiores do que a
unidade o que, por sua vez provoca uma ampliao dos erros de arredondamento.


14
A ampliao de erros de arredondamento ocorre quando se multiplica um nmero muito
grande por outro que j contm erro de arredondamento. Por exemplo, admita-se que um
nmero n tenha erro de arredondamento . Este nmero pode, ento, ser escrito na forma:
= n +
Se multiplicado por m, tem-se que
m. = m.n + m.
Portanto o erro no resultado m. . Se m for grande este erro pode ser muito maior que o
original. Diz-se, ento, que o erro foi amplificado.
Para contornar este problema, ou seja, para minimizar o efeito dos erros de arredondamen-
to adotada, no Mtodo de Gauss, uma estratgia de pivotao, que um processo de es-
colha do piv. Neste texto considerada a estratgia de pivotao parcial, que consiste em:

(i) no passo k, da fase de eliminao, tomar como piv o elemento de maior mdulo dentre
os coeficientes
a
1 - k
k , i
, k = 1, 2, ..., n - 1; i = k, k + 1, ..., n;
(ii) se necessrio, efetuar a troca de posio entre as linhas i e k.

Utilizando esta estratgia todos os multiplicadores sero, em mdulo, menores que a uni-
dade. Anlises de propagao de erros de arredondamento para o algoritmo de Gauss indi-
cam que conveniente que isto ocorra, sendo assim, necessrio que o piv seja o elemen-
to de maior valor absoluto da coluna, considerando da posio diagonal (inclusive) para
baixo.

Exemplo 4.4
Seja resolver o sistema de equaes dado por 4.16 utilizando o Mtodo de Gauss com pi-
votao parcial e considerando, quando for o caso, trs casas decimais.

2.x
1
5.x
2
+ 3.x
3
+ x
4
= 5
3.x
1
7.x
2
+ 3.x
3
- x
4
= - 1 (4.16)
5.x
1
- 9.x
2
+ 6.x
3
+ 2.x
4
= 7
4.x
1
- 6.x
2
+ 3.x
3
+ x
4
= 8

Os clculos esto sumarizados no quadro 3.5. Observe-se que feita, de imediato, a troca
de posio entre as linhas um e trs.


15

Linha Multiplicador Coeficientes T. Indep. Transformaes
1
1
L
5 -9 6 2 7 L
3
1
2
L
m
21
= - 0,6 3 -7 3 -1 -1 L
2
1
3
L
m
31
= - 0,4 2 -5 3 1 5 L
1
1
4
L
m
41
= - 0,8 4 -6 3 1 8 L
4
2
2
L
0 -1,6 - 0,6 -2,2 -5,2
1
2
L + m
21
1
1
L

2
3
L
m
32
= - 0,875 0 -1,4 0,6 0,2 2,2
1
3
L + m
31
1
1
L
2
4
L
m
42
= 0,75 0 1,2 -1,8 -0,6 2,4
1
4
L + m
41
1
1
L
3
3
L
0 0 1,125 2,125 6,75
2
2 32
2
3
L . m L +
3
4
L
0 0 - 2,25 - 2,25 - 1,5
2
2 42
2
4
L . m L +
4
3
L
0 0 - 2,25 - 2,25 - 1,5
3
4
L
4
4
L
m
43
= 0,5 0 0 1,125 2,125 6,75
3
3
L
5
4
L
0 0 0 1 6
4
3 43
4
4
L . m L +

obtido, ento, o sistema triangular superior dado por 4.17.

5.x
1
9.x
2
+ 6.x
3
+ 2.x
4
= 7
- 1,6.x
2
0,6.x
3
2,2.x
4
= - 5,2 (4.17)
- 2,25.x
3
2,25.x
4
= - 1,5
x
4
= 6

Resolvendo 4.17 obtm-se o vetor x = [0 -3 -5,333 6]
t
. O vetor residual produzido dado
por r = [-0,001 -0,001 -0,002 -0,001]
t
.

Assim, o erro cometido :

{ } 0,002 | -0,001 | |, -0,002 | |, -0,001 | , | 001 , 0 | mx | r | mx
3 i 1
i
n i 1
= = = c
s s s s

Portanto no foi obtida a soluo exata do sistema dado por 4.16.


16
4.2 - O Mtodo da Decomposio LU
4.2.1 Introduo
Em muitas situaes, desejvel resolver vrios sistemas de equaes lineares que possu-
em em comum a matriz dos coeficientes e tm termos independentes diferentes, ou seja,
quando se tem:

A.x = b
i
, i = 1, 2, ...., m

Nestes casos, indicado resolv-los por meio uma tcnica de fatorao da matriz A. Esta
tcnica consiste em decompor a matriz dos coeficientes em um produto de dois ou mais
fatores e, em seguida, resolver uma seqncia de sistemas de equaes lineares que condu-
zir soluo do sistema original. A vantagem da utilizao de uma tcnica de fatorao
que se pode resolver qualquer sistema de equaes lineares que tenha A como matriz dos
coeficientes. Se b for alterado, a resoluo do novo sistema quase que imediata.
Dentre as tcnicas de fatorao mais utilizadas, destaca-se a da decomposio LU. Por esta
tcnica, a matriz A dos coeficientes decomposta como o produto de duas matrizes L e U,
onde L uma matriz triangular inferior e U, uma matriz triangular superior, isto :

A = L.U

Antes de tratar do mtodo da decomposio LU, sero apresentados alguns conceitos ne-
cessrios sua fundamentao.

Matriz identidade
uma matriz quadrada na qual os elementos situados na diagonal principal so iguais a um
e, os demais, so nulos. denotada por I. Sendo A uma matriz, tem-se que A.I = I.A = A.

Definio 4.1
Seja A uma matriz quadrada de ordem n, no-singular, isto , det(A) 0. Diz-se que A
-1

a inversa de A se A.A
-1
= A
-1
.A = I.

Teorema 4.1
Se A e B so matrizes de ordem n, inversveis, ento (A.B)
-1
= B
-1
.A
-1
.
Demonstrao
Seja:
B
-1
.A
-1
= R B
-1
.A
-1
.A = R.A B
-1
= R.A
B
-1
.B = R.A.B I = R.A.B


17
I.(A.B)
-1
= R.(A.B).(A.B)
-1
(A.B)
-1
= R
Logo (A.B)
-1
= B
-1
.A
-1

c.q.d.
4.2,2 A Fatorao LU de uma matriz

Teorema 4.2
Dada uma matriz quadrada A, de ordem n, seja A
k
a matriz constituda das primeiras k
linhas e colunas de A. Suponha que det(A
k
) 0 para k = 1, 2, ..., (n 1). Ento, existe uma
nica matriz triangular inferior L = (l
ij
), com l
11
= l
22
= ... = l
nn
= 1, e uma nica matriz tri-
angular superior U = (u
ij
), tal que L.U = A. Alm disto det(A) = u
11
.u
22
... u
nn
.

Os fatores L e U podem ser obtidos por meio de frmulas que permitem calcular os ele-
mentos l
ij
, i = 2, 3, ..., n e j = 1, 2, ..., n e u
ij
; i, j = 1, 2, ..., n ou utilizando a idia bsica do
Mtodo de Gauss.
Neste texto, ser tratada a obteno das matrizes L e U utilizando a idia bsica do mtodo
de Gauss, uma vez que o uso de frmulas dificulta a aplicao da estratgia de pivotao
parcial. Considere-se uma matriz genrica de ordem trs.

(
(
(
=
33 32 31
23 22 21
13 12 11
a a a
a a a
a a a
A {4.18)

No primeiro passo do processo de eliminao so obtidos os multiplicadores
11
21
21
a
a
- m = e
11
31
31
a
a
- m =
e so efetuadas as transformaes elementares.

1 21 2
1
2
. m L L L + (4.19)
1 31 3
1
3
. m L L L + (4.20)
Sendo obtida a matriz

(
(
(
=
1
33
1
32
1
23
1
22
13 12 11
1
a a 0
a a 0
a a a
A (4.21)



18
Toda transformao elementar pode ser expressa como um produto de duas matrizes. Sen-
do assim, efetuar as transformaes elementares 4.19 e 4.20 equivale a pr-multiplicar 4.18
pela matriz 4.22.

(
(
(
=
1 0 m
0 1 m
0 0 1
M
31
21
0
(4.22)

Com efeito, note-se que

(
(
(
+ + +
+ + + =
(
(
(
(
(
(
=
33 13 31 32 12 31 31 11 31
23 13 21 22 12 21 21 11 21
13 12 11
33 32 31
23 22 21
13 12 11
31
21
0
a a . m a a . m a a . m
a a . m a a . m a a . m
a a a

a a a
a a a
a a a

1 0 m
0 1 m
0 0 1
.A M

Logo
1
1
33
1
32
1
23
1
22
13 12 11
0
A
a a 0
a a 0
a a a
.A M =
(
(
(
= (4.23)

No segundo passo do processo de eliminao calculado o multiplicador

1
22
1
32
32
a
a
- m =

e efetuada a transformao elementar.

1
2 32
1
3
2
3
L . m L L + (4.24)
Obtm-se a matriz
(
(
(
=
2
33
1
23
1
22
13 12 11
2
a 0 0
a a 0
a a a
A (4.25)

Pode ser demonstrado que realizar a transformao elementar 4.24 equivalente a pr-
multiplicar a matriz 4.23 pela matriz

(
(
(
=
1 m 0
0 1 0
0 0 1
M
32
1
(4.26)

Portanto,
A
2
= M
1
.A
1
(4.27)



19
Resumindo, tem-se que:
A
1
= M
0
.A
A
2
= M
1
.A
1

Portanto
A
2
= M
1
. M
0
.A (4.28)
Pr-multiplicando os dois membros de 4.28 pela inversa da matriz (M
1
. M
0
)

(M
1
. M
0
)
- 1
.A
2
= (M
1
. M
0
)
- 1
.(M
1
. M
0
).A = I.A = A

Portanto

A = (M
1
. M
0
)
- 1
.A
2
= (M
0
)
1
.(M
1
)
1
.A
2
(4.29)

Pode ser demonstrado que
(
(
(
=
1 0 m
0 1 m
0 0 1
) M (
31
21
1 - 0
(4.30)

(
(
(
=
1 m 0
0 1 0
0 0 1
) M (
32
1 - 1
(4.31)

Tendo em vista 4.30 e 4.31, tem-se que

(
(
(

=
1 m m
0 1 m
0 0 1
) .(M ) M (
32 31
21
1 - 1 1 - 0
(4.32)

Substituindo 4.25 e 4.32 em 4.29 tem-se que

U
2
33
1
23
1
22
13 12 11
L
32 31
21
a 0 0
a a 0
a a a
.
1 m m
0 1 m
0 0 1
A
(
(
(
(
(
(

= (4.33)

Assim, pode-se concluir que A = LU, onde:
(i) U a matriz triangular superior obtida ao final da fase de eliminao do mtodo de
Gauss;
(ii) L uma matriz triangular inferior, na qual os elementos da diagonal principal so uni-
trios e, abaixo, se encontram os multiplicadores da etapa k da fase de eliminao com o
sinal trocado.



20
4.2.3 A resoluo de um sistema de equaes lineares utilizando Decomposio LU
Seja um sistema de equaes A.x = b. Para resolv-lo, utilizando decomposio LU, basta
executar a seguinte seqncia de passos:
(i) Obtm-se a fatorao L.U da matriz A. Sendo A = L.U, ento L.U.x = b;
(ii) Faz-se Ux = y, logo L.Y = B;
(iii) Resolve-se o sistema triangular inferior Ly = b;
(iv) Resolve-se o sistema triangular superior Ux = y obtendo, ento, a soluo do sistema
de equaes A.x = b.

Exemplo 4.5
Seja resolver o sistema de equaes a seguir.

x
1
3.x
2
+ 2.x
3
= 11
- 2.x
1
+ 8.x
2
- x
3
= - 15
4.x
1
- 6.x
2
+ 5.x
3
= 29

Os clculos realizados esto sumarizados no quadro 4.6.

Linha Multiplicador Coeficientes Transformaes
L
1

L
2

L
3

m
21
= 2
m
31
= - 4
1 - 3 2

- 2 8 -1
4 -6 5
1
2
L
1
3
L
m
32
= - 3
0 2 3 L
2
+ m
21
L
1
0 6 - 3 L
3
+ m
31
L
1

2
3
L

0 0 - 12
1
2 32
1
3
L . m L +

Tem-se, ento que:
(
(
(
=
(
(
(
=
12 - 0 0
3 2 0
2 3 - 1
U e
1 3 4
0 1 2 -
0 0 1
L

Resoluo do sistema L.Y = b
y
1
= 11
- 2.y
1
+ y
2
= - 15 Y = [11 7 36]
t

4.y
1
+ 3.y
2
+ y
3
= 29


21
Resoluo do sistema U.x = Y
x
1
3.x
2
+ 2.x
3
= 11
2.x
2
+ 3.x
3
= 7
- 12.x
3
= 36
O vetor x = [2 1 3]
t
a soluo do sistema de equaes dado.

4.2.4 O Mtodo da Decomposio LU com Pivotao Parcial
Para aplicar a estratgia de pivotao parcial ao Mtodo da Decomposio LU faz-se ne-
cessrio utilizar um vetor de permutao P, que gerado atribuindo-se um nmero de or-
dem a cada equao que compe o sistema. Para efeito da apresentao do processo, seja o
exemplo a seguir.

Exemplo 4.6
Seja resolver o sistema de equaes dado a seguir utilizando o Mtodo da Decomposio
LU com pivotao parcial e considerando, quando for o caso, duas casas decimais.

4.x
1
x
2
- x
4
= 6 1
x
1
2.x
2
+ x
3
= 8 2
4.x
2
- 4.x
3
+ x
4
= - 7 3
5.x
1
+ 5.x
3
10.x
4
= - 40 4

O vetor de permutao P = [1 2 3 4]
t
. Os clculos esto sumarizados no quadro 4.7.


22

Linha Multiplicador Coeficientes P Transformaes
1
1
L 5 0 5 - 10 4 L
4
1
2
L m
21
= - 0,2 1 - 2 1 0 2 L
2
1
3
L m
31
= 0 0 4 - 4 1 3 L
3
1
4
L m
41
= - 0,8 4 - 1 0 - 1 1 L
1
2
2
L 0,2 - 2 0 2 2
1
2
L + m
21
1
1
L

2
3
L 0 4 - 4 1 3
1
3
L
2
4
L 0,8 - 1 - 4 7 1
1
4
L + m
41
1
1
L
3
2
L 0 4 - 4 1 3
2
3
L
3
3
L m
32
= 0,5 0,2 - 2 0 2 2
2
2
L
3
4
L m
42
= 0,25 0,8 - 1 - 4 7 1
2
4
L
4
3
L 0,2 -0,5 - 2 2,5 2
3
3
L + m
32
3
2
L
4
4
L 0,8 -0,25 - 5 7,25 1
3
4
L + m
41
3
2
L
5
3
L 0,8 -0,25 - 5 7,25 1
4
4
L
5
4
L m
43
= - 0,4 0,2 -0,5 - 2 2,5 2
4
3
L
6
4
L 0,2 -0,5 0,4 - 0,4 2
5
4
L + m
43
5
3
L

Observe-se que feita, de imediato, a troca de posio entre as linhas um e quatro. A
mesma troca deve ser feita no vetor de permutao. Obtm-se, ento, P
(1)
= [4 2 3 1]
t
e
realizada a eliminao dos elementos da primeira coluna.
No passo dois, que consiste na eliminao dos elementos da segunda coluna, verifica-se
que o piv est na terceira linha. Logo, necessrio fazer a troca de posio entre as linhas
dois e trs. Esta mesma transformao deve ser realizada no vetor de permutao, obtm-
se, ento, P
(2)
= [4 3 2 1].
Verifica-se, no passo trs, que o piv est na quarta linha. Logo, necessrio fazer a troca
de posio entre as linhas trs e quatro. Efetuando a mesma transformao no vetor de
permutao, obtm-se P
(3)
= [4 3 1 2]. Tm-se, a seguir, as matrizes L e U.

(
(
(
(
=
(
(
(
(
=
0,4 - 0 0 0
7,25 5 - 0 0
1 4 - 4 0
10 - 5 0 5
U e
1 0,4 0,5 - 0,2
0 1 0,25 - 0,8
0 0 1 0
0 0 0 1
L


23
Resoluo do sistema L.Y = b
Aplicando P
(3)
= [4 3 1 2] ao vetor b = [6 8 7 40]
t
, -e obtido b = [- 40 7 6 8]
t
.
y
1
= - 40
y
2
= - 7
0,8.y
1
0,25.y
2
+ y
3
= 6 y
3
= 36,25
0,2.y
1
0,5.y
2
+ 0,4.y
3
+ y
4
= 8 y
4
= - 2

Resoluo do sistema U.x = Y
5.x
1
+ 5.x
3
- 10.x
4
= - 40
4.x
2
- 4.x
3
+ x
4
= - 7
- 5.x
3
+ 7,25.x
4
= 36,25
0,4.x
4
= - 2
A soluo do sistema de equaes , portanto, x = [2 -3 0 5]
t
.

Exemplo 4.7
A anlise dos alimentos, I , II e III revelou que os mesmos possuem as seguintes unidades
de vitaminas A, B e C por grama:

Vitamina
A B C
I 20,5 38,0 27,0
II 30,4 18,2 19,0
III 25,0 12,8 17,6

A tabela informa que, por exemplo, uma dieta com 30g do alimento I fornece 615 unidades
de vitamina A, 1140 de vitamina B e 810 de vitamina C.
Se uma pessoa precisa ingerir 2684, 2793,22 e 2402,74 unidades de vitamina A, B e C ,
respectivamente, quais as quantidades dos alimentos I , II e III que supriro estas necessi-
dades ?
Soluo
Basta resolver o seguinte sistema de equaes:

20,5x
1
+ 30,4x
2
+ 25,0x
3
= 2684 (1)
38,0x
1
+ 18,2x
2
+ 12,8x
3
= 2793,22 (2)
27,0x
1
+ 19,0x
2
+ 17,6x
3
= 2402,74 (3)

Utilizando-se o mtodo da decomposio LU com pivotao parcial e efetuando os clcu-
los com 3 casas decimais, so obtidos os resultados a seguir.


24
Linha Multiplicador Coeficientes P Transformaes
L
11

L
21
L
31
m
21
= - 0,539
m
31
= - 0,711
38,0 18,2 12,8
20,5 30,4 25,0
27,0 19,0 17,6
2
1
3
L
2

L
1

L
3

L
22

L
32

m
32
= - 0,294 0,539
0,711
20,590 18,101
6,060 8,499
1
3
L
21
+ m
21
L
11
L
31
+ m
31
L
11

L
33
0,711 0,294 3,177 3 L
32
+ m
32
L
22

Resolvendo LY = B
Aplicando P = [2 1 3]
t
em B, obtm-se B = [2793,22 2684 2402,74]
t

y
1
= 2793,22
0,539 y
1
+ y
2
= 2684 y
2
= 1178,465
0,711 y
1
+ 0,294y
2
+ y
3
= 2402,74 y
3
= 70,292

Resolvendo UX = Y
38,0x
1
+ 18,2x
2
+ 12,8x
3
= 2793,22
20,59x
2
+ 18,101x
3
= 1178,465
3,177x
3
= 70,292

Obtm-se, como soluo, o vetor X = [47,957 37,784 22,125]
t
, em gramas.
O vetor residual produzido R = [-0,8771 -0,0148 0,605]
t
, portanto foi obtida uma solu-
o aproximada.
Obs: A soluo exata X = [48 37,5 22,4]
t
.

4.2.5 Clculo de Determinantes
Um subproduto da resoluo de sistemas lineares por meio de mtodos diretos o clculo
de determinantes. mostrado a seguir como calcular o determinante de uma matriz utili-
zando o Mtodo da Decomposio LU.
Como foi visto, a matriz A pode ser decomposta como produto de dois fatores L e U, onde
L uma matriz triangular inferior com elementos diagonais unitrios e U uma matriz trian-
gular superior, isto : A = LU. Assim, pode-se escrever:

det(A) = det(L.U) = det(L) det(U)
Como se sabe, o determinante de uma matriz triangular igual ao produto dos elementos
da diagonal principal, ento det(L) = 1 e

det(A) = det(U) = produto dos pivs


25
No caso de ser utilizado o procedimento de pivotao parcial, tem-se que

det(A) = (- 1)
k
x det(U) = (- 1)
k
x produto dos pivs

Sendo k o nmero de trocas de posio entre linhas durante a fase de eliminao.

Exemplo 4.8
Na decomposio LU, com pivotao parcial, da matriz
(
(
(
=
3 - 0 4
2 2 1
1 4 - 3
A
foram obtidos os fatores L e U
(
(
(
=
(
(
(
=
4,375 0 0
3,25 4 - 0
3 - 0 4
U e
1 0,5 - 0,25
0 1 0,75
0 0 1
L
Com duas trocas de posio entre linhas na fase de eliminao. Sendo assim:

det(A) = det(U) = (- 1)
2
x (4) x (- 4) x (4,375) = -70

Os itens 4.2.6 e 4.2.7, a seguir, tratam de duas aplicaes do Mtodo da Decomposio LU
que consideram a situao na qual se deseja resolver vrios sistemas de equaes lineares
que possuem em comum a matriz dos coeficientes e tm termos independentes diferentes.

4.2.6 Refinamento da soluo de um sistema de equaes lineares simultneas
Quer utilize-se a tcnica de pivotao ou no, os erros de arredondamento tm algum efeito
nos resultados. Por este motivo, to logo tenha sido obtida uma soluo, faz-se necessria a
utilizao de uma tcnica de refinamento que, normalmente, reduzir os erros de arredon-
damento.
Sendo assim, admita-se que:
(i) Um sistema de equaes , A.x = b foi resolvido, utilizando-se o mtodo da decomposi-
o LU e foi obtida uma soluo aproximada, dada por um vetor x
0
.
(ii) A soluo exata, que se deseja determinar, um vetor x
1
.
(iii)
0
um vetor de correo a ser feita em x
0
de modo a obter x
1
.
Portanto, tem-se que

x
1
= x
0
+
0
e A.x
1
= b A.(x
0
+
0
) = b A.
0
= b A.x
0


26
De acordo com 4.8, R
0
= b A.x
0
o vetor resduo produzido pela soluo aproximada x
0
.
Sendo assim
A
0
= R
0

Tem-se, ento, um sistema de equaes lineares simultneas com a matriz dos coeficientes
idntica de A.x = b. Como A = LU ento

L.U.
0
= R
0

Fazendo U.
0
= Y tem-se L.Y = R
0
. Para determinar
0
basta resolver, pela ordem,

L.Y = R
0
(4.34)

que um sistema de equaes lineares simultneas triangular inferior) e

U.
0
= Y (4.35)

que um sistema de equaes lineares simultneas triangular superior.
Resolvendo 4.35 e, a seguir, 4.34 fica determinado o vetor
0
. Feita a correo em x
0

obtido o vetor x
1
e calculado o vetor resduo R
1
.
Este processo pode, naturalmente, ser repetido at que se obtenha um erro que, por algum
critrio, possa ser considerado suficientemente pequeno.

Exemplo 4.9
O sistema de equaes

2x
1
+ 3x
2
x
3
= - 4
- 3x
1
+ 5x
2
+ 6x
3
= 19
x
1
+ x
2
+ 2x
3
= 11

foi resolvido utilizando-se o mtodo da decomposio LU com pivotao parcial. Foram
obtidas as matrizes:

(
(
(
=
1 0,42 0,33 -
0 1 0,67 -
0 0 1
L
(
(
(
=
2,74 0 0
3 6,33 0
6 5 3 -
U

e o vetor de pivotao P
(1)
= [2 1 3]
t
.
Como uma soluo foi obtido o vetor x
0
= [1,9731 -0,9738 4,9647]
t
, que produziu o vetor
residual R
0
= [-0,0601 0,0001 0,0713]
t
. Faa um refinamento da soluo obtida.


27
Soluo
Resoluo de LY = R
0

Aplicando P = [2 1 3]
t
em R
0
obtm-se R
0
= [0,0001 -0,0601 0,0713]
t
. Sendo assim
Y = [0,0001 -0,0601 0,0964]
t
.

Resoluo de U
0
= Y
obtido
0
= [0,0268 -0,0262 0,0352]
t

Como
x
1
= x
0
+
0
x
1
= [1,9999 -1,0000 4,9999]
t

Esta soluo produz o vetor resduo R
1
= [-0,0001 0,0003 0,0003]
t
.
Considerando-se R
1
, verifica-se que x
1
uma soluo que apresenta uma preciso maior
que x
0
. De fato, tem-se para x
0
que:
{ } 0,0713 | 0,0713 | |, 0,0001 | , | 0601 , 0 - | mx | r | mx
3 i 1
i
n i 1
0
= = = c
s s s s

e, para x
1

{ } 0,0003 | 0,0003 | |, 0,0003 | , | 0001 , 0 - | mx | r | mx
3 i 1
i
n i 1
1
= = = c
s s s s

A soluo x
1
produz um resduo menor.

4.2.7 - Determinao da inversa de uma matriz
Seja A uma matriz quadrada no singular, isto , det(A) = 0, e x = A
-1
a sua matriz inversa.
Sendo assim, tem-se que A.x = I. O objetivo deste texto mostrar como obter x utilizando
o Mtodo da Decomposio LU. Para efeito de desenvolvimento, seja A uma matriz de
ordem 3. Portanto, tem-se que:

(
(
(
=
(
(
(
(
(
(
1 0 0
0 1 0
0 0 1

x x x
x x x
x x x
a a a
a a a
a a a
33 32 31
23 22 21
13 12 11
33 32 31
23 22 21
13 12 11

A x I
Fazendo o produto, so obtidos os trs sistemas de equaes a seguir.
a
11
x
11
+ a
11
x
21
+ a
13
x
31
= 1
a
21
x
11
+ a
22
x
21
+ a
21
x
31
= 0
a
31
x
11
+ a
32
x
21
+ a
33
x
31
= 0
a
11
x
12
+ a
11
x
22
+ a
13
x
32
= 0
a
21
x
12
+ a
22
x
22
+ a
21
x
32
= 1
a
31
x
12
+ a
32
x
22
+ a
33
x
32
= 0
a
11
x
13
+ a
11
x
23
+ a
13
x
33
= 0
a
21
x
13
+ a
22
x
23
+ a
21
x
33
= 0
a
31
x
13
+ a
32
x
23
+ a
33
x
33
= 1

Observe-se que so trs sistemas de equaes que tm em comum a matriz dos coeficientes
diferindo, apenas, na matriz dos coeficientes.


28
So sistemas de equaes da forma A.x
i
= B
i
, i = 1, 2, 3, onde x
i
a i-sima coluna de x e
B
i
a i-sima coluna de I. Como A = L.U, ento L.U.x
i
= B
i
. Resolvem-se, ento, os siste-
mas de equaes L.Y
i
= B
i
e U.x
i
= Y
i
, i = 1, 2, 3. A resoluo de cada um destes sistemas
de equaes produz uma coluna da matriz x.

Exemplo 4.10
Utilizando o Mtodo da Decomposio LU determine a inversa da matriz.
(
(
(
=
2 3 1
1 1 - 2
1 - 2 1
A
Sabendo-se que

(
(
(
=
1 0,2 - 1
0 1 2
0 0 1
L
(
(
(
=
3,6 0 0
3 5 - 0
1 - 2 1
U
Retenha nos clculos trs casas decimais.
Soluo
Determinao da primeira coluna de X:
LY
1
= B
1
, onde B
1
= [1 0 0]
t
Y
1
= [1 -2 -1,4]
t

UX
1
= Y
1
X
1
= [0,277 0,167 -0,389]
t
.

Determinao da segunda coluna de X:
LY
2
= B
2
, onde B
2
= [ 0 1 0]
t
Y
2
= [0 1 0,2]
t
UX
2
= Y
2
X
2
= [0,388 -0,166 0,056]
t

Determinao da terceira coluna de X:
LY
3
= B
3
, onde B
3
= [0 0 1]
t
Y
3
= [0 0 1]
t
UX
3
= Y
3
X
3
= [-0,056 0,167 0,278]
t

Logo, a matriz inversa de A :

(
(
(
0,278 0,056 0,389 -

0,167 0,166 - 0,167
0,056 - 0,388 0,277
A
1

Observe-se que, para determinar a inversa de uma matriz de terceira ordem, foi necessrio
resolver trs sistemas de equaes lineares simultneas de ordem trs. Sendo assim, con-


29
clui-se que, para determinar a inversa de uma matriz de ordem n, necessria a resoluo
de n sistemas de equaes lineares simultneas de ordem n.

5 - Mtodos iterativos
5.1 - Teoria Geral dos Mtodos Iterativos
Uma das idias fundamentais em Clculo Numrico a da iterao ou aproximao suces-
siva. Existe um grande nmero de mtodos numricos, para resolver os mais variados tipos
de problemas, que so processos iterativos. Como o prprio nome j diz, esses mtodos se
caracterizam pela aplicao de um procedimento de forma repetida, ou seja, repetir um
determinado clculo vrias vezes, obtendo-se a cada repetio, ou iterao, um resultado
mais preciso que aquele obtido na iterao anterior.
Uma importante classe a dos mtodos iterativos estacionrios de grau um, nos quais o
resultado obtido em cada iterao uma funo, somente, do resultado da iterao anterior.
Se um problema, P, tem uma soluo S, ento gerada uma seqncia de aproximaes,
ou de estimativas, {S
k
}, k = 0, 1, 2, ...; tal que:

S
k
= (P, S
k - 1
), k = 1, 2, 3, .... (5.1)

Sendo que a expresso 5.1 a funo de iterao do mtodo iterativo.

Definio 5.1
Um mtodo iterativo dito estacionrio se a funo de iterao , sempre, a mesma em
todas as iteraes. Caso ela se modifique dito no estacionrio.

Definio 5.2
Um mtodo iterativo dito de grau g se, para obter uma estimativa, so necessrias g esti-
mativas anteriores da soluo do problema, ou seja, a funo de iterao da forma:

S
k
= (P, S
k 1
, S
k 2
, ..., S
k g
); k = g, g + 1, g + 2, .... (5.2)

Por exemplo:
p = 1 S
0
= (P) e S
k
= (P, S
k - 1
), k = 1, 2, ...
p = 2 S
0
= (P), S
1
= (P, S
0
) e S
k
= (P, S
k - 1
, S
k - 2
), k = 2, 3, ...

Os aspectos tratados a seguir esto, sempre, presentes nos processos iterativos estacion-
rios de grau um independentemente do problema a ser resolvido.


30
Estimativa inicial
Como, em cada iterao, necessrio utilizar o resultado da iterao anterior, ento, a fim
de se iniciar um processo iterativo, preciso ter uma estimativa inicial para a soluo do
problema. Essa estimativa pode ser conseguida de diferentes formas, conforme o problema
que se deseja resolver.

Funo de iterao
Uma funo de iterao, da forma 5.1, por meio da qual se constri uma seqncia de es-
timativas para a soluo do problema.

Convergncia
preciso que o mtodo iterativo gere uma seqncia que convirja para a soluo do pro-
blema. Isto significa que o resultado obtido em uma iterao deve estar mais prximo da
soluo do que o anterior. Essa convergncia nem sempre garantida em um processo nu-
mrico.

Critrio de Parada
Obviamente no se pode repetir um processo numrico de forma indefinida. preciso pa-
r-lo em um determinado instante. Para isto, deve ser utilizado um certo critrio, que vai
depender do problema a ser resolvido, por meio do qual tomada a deciso quanto fina-
lizao do processo. Este critrio de parada envolve a preciso desejada na soluo do pro-
blema, e um nmero mximo de iteraes.

5.2 - Mtodos Iterativos para a resoluo de sistemas de equaes lineares simult-
neas
Para determinar a soluo de um sistema de equaes lineares por meio de um mtodo
iterativo preciso transform-lo em um outro sistema linear que possibilite a definio de
um processo iterativo. Alm disto, o sistema linear obtido aps a transformao deve ser
equivalente ao sistema original, ou seja, ambos devem ter a mesma soluo.
Sendo assim, dado um sistema linear b . = x A , ele transformado em um sistema linear
equivalente da forma
(x) c x . M x = + = (5.3)
Onde:
M uma matriz com dimenses n n
c um vetor com dimenses 1 n



31
A funo ) x ( a funo de iterao que, no caso, dada na forma matricial.
A seguir, tomando-se uma aproximao inicial,
) 0 (
x , para x, constri-se uma seqncia
iterativa de vetores:
) x ( c x . M x
) o ( ) o ( ) 1 (
= + =
) x ( c x . M x
) 1 ( ) 1 ( ) 2 (
= + =

) x ( c x . M x
1 - k ( ) 1 - k ( ) k (
= + = , k = 1, 2, ... (5.4)

A expresso 5.4 a forma geral dos mtodos iterativos, do tipo estacionrio de grau um,
que sero tratados nesta seo, sendo que M a matriz de iterao.

Definio 5.3
Se para qualquer estimativa inicial
( ) 0
x , a sucesso {x
k
}, obtida de 5.4, convergir para um
limite independente de
( ) 0
x , ento o mtodo iterativo diz-se convergente.

Definio 5.4
Se os sistemas de equaes A.x = b e (I M).x = c possurem a mesma soluo, ento o
mtodo iterativo consubstanciado por 5.4 dito consistente.

Proposio 5.1
Seja det(A) 0. O mtodo iterativo proposto em 5.4 consistente se, e somente se,
(I M).A
-1
.b = c
Prova
Sendo x = M.x + c x M.x = c (I M).x = c ...(1)
A.x = b x = A
-1
.b ... (2)
Substituindo (2) em (1) vem que (I M).A
-1
.b = c
c.q.d.
Sendo assim, interessante que os mtodos iterativos sejam, simultaneamente, convergen-
tes e consistentes.

Critrio de parada
O processo iterativo finalizado quando se obtm
) k (
x tal que
) 1 ( ) (
max

k
i
k
i
x x ,
i = 1, 2, ..., n; seja menor ou igual a uma preciso estabelecida e, ento,
) k (
x tomado co-
mo uma aproximao para a soluo do sistema de equaes; ou quando for atingido um
nmero mximo de iteraes estabelecido.


32
5.3 - Mtodo de Jacobi
5.3.1 Formulao algbrica
Seja um sistema de equaes lineares da forma

= + + +
= + + +
= + + +
n n nn 3 3 n 2 2 n 1 1 n
2 n n 2 3 23 2 22 1 21
1 n n 1 3 13 2 12 1 11
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
(5.5)

Sendo n i a
ii
,..., 2 , 1 , 0 = = , explicita-se uma incgnita em cada equao (ou seja, faz-se a
separao pela diagonal da matriz de coeficientes) e estabelece-se o esquema iterativo a
seguir.

) x a .......... x a x a b (
a
1
x
) x a .......... x a x a b (
a
1
x
) x a .......... x a x a b (
a
1
x
) 1 - k (
1 n 1 nn
) 1 - k (
2 2 n
) 1 - k (
1 1 n n
nn
) k (
n
) 1 - k (
n n 2
) 1 - k (
3 23
) 1 - k (
1 21 2
22
) k (
2
) 1 - k (
n n 1
) 1 - k (
3 13
) 1 - k (
2 12 1
11
) k (
1

=
=
=
(5.6)

Sendo assim, dada uma aproximao inicial
) 0 (
x , o Mtodo de Jacobi consiste em obter
uma seqncia
) 1 (
x ,
) 2 (
x ,......,
) k (
x , por meio da relao recursiva:

x
(k)
= M.x
(k 1)
+ c (5.7)

Onde
(
(
(
(

=
0 a / a a / a a / a
a / a a / a 0 a / a
a / a a / a a / a 0
M
nn 3 n nn 2 n nn 1 n
22 n 2 22 23 22 21
11 n 1 11 13 11 12

e

(
(
(
(
=
nn n
22 2
11 1
a / b
a / b
a / b
c



33
Exemplo 5.1
Resolva o sistema de equaes a seguir utilizando o Mtodo de Jacobi com preciso 0,050,
um mximo de 5 iteraes e x
0
= [0 0 0]
t
.

8.x
1
+ x
2
- x
3
= 8
x
1
- 7.x
2
+ 2.x
3
= - 4
2.x
1
+ x
2
+ 9.x
3
= 12
Soluo
A funo de iterao :
=
=
+ =
) x - 2.x - 0,111.(12 x
) 2.x - x - 4 0,143.(- - x
) x x - 0,125.(8 x
1 - k
2
1 - k
1
k
3
1 - k
3
1 - k
1
k
2
1 - k
3
1 - k
2
k
1
(5.8)
Fazendo os clculos utilizando 5.8, so obtidos os resultados apresentados no quadro 5.1.

k
k
1
x
k
2
x
k
3
x
1 - k
i
k
i
3 1 1
x - x max
s s

0 0 0 0 ------------
1 1,000 0,571 1,333 1,333
2 1,095 1,095 1,048 0,524
3 0,995 1,026 0,969 0,100
4 0,993 0,990 1,000 0,036
Quadro 5.1: Resultados obtidos

Considerando a preciso estabelecida, o vetor x = [0,993 0,990 1,000]
t
uma soluo do
sistema de equaes.

5.3.2 Formulao matricial
O esquema iterativo de Jacobi pode ser formulado matricialmente. Para obter esta formula-
o, considere-se, inicialmente, que 5.6 pode ser escrito da forma dada por 5.9.

) 1 - k (
1 n
1 nn
) 1 - k (
2
2 n
) 1 - k (
1
1 n n
) k (
n nn
) 1 - k (
n n 2
) 1 - k (
3
23
) 1 - k (
1
21 2
) k (
2
22
) 1 - k (
n n 1
) 1 - k (
3
13
) 1 - k (
2
12 1
) k (
1
11
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
=
=
=

(5.9)

Sejam, ento, as matrizes



34
(
(
(
(
=
(
(
(
(
(
=
(
(
(
(
(
=
(
(
(
(
=
n
2
1
1 - k
n
1 - k
2
- k
1
1 - k
k
n
k
2
k
1
k
nn 2 n 1 n
n 2 22 21
n 1 12 11
b
b
b

x
x
x

x
x
x

a a a
a a a
a a a
b x x A (5.10)

0 0 0
a 0 0
a a 0
U
a 0 0
0 a 0
0 0 a
D
0 a a
0 0 a
0 0 0
L
n 2
n 1 12
nn
22
11
2 n 1 n
21
(
(
(
(
=
(
(
(
(
=
(
(
(
(
(5.11)
Sendo que A a matriz dos coeficientes, L uma matriz que contm a parte estritamente
triangular inferior de A, U uma matriz que contm a parte estritamente triangular superi-
or de A e D uma matriz que contm a diagonal de A.
Uma matriz estritamente triangular, inferior ou superior, quando os elementos da diago-
nal principal tambm so nulos.

Pode ser verificado, facilmente, que:

(i) L + D + U = A (5.12)

(ii)
k
k
n nn
k
2 22
k
1 11
x . D
x . a
x . a
x . a
=
(
(
(
(
(
(5.13)

(iii)
1 - k
) 1 - k (
1 n
1 nn
) 1 - k (
2
2 n
) 1 - k (
1
1 n n
) 1 - k (
n n 2
) 1 - k (
3
23
) 1 - k (
1
21 2
) 1 - k (
n n 1
) 1 - k (
3
13
) 1 - k (
2
12 1
U).x (L - b
x a .......... x a x a b

x a .......... x a x a b
x a .......... x a x a b
+ =
(
(
(
(
(
(

(5.14)

Considerando 5.13 e 5.14, tem-se que 5.9 pode ser reescrito na forma:

D.x
k
= b (L + U).x
k 1
(5.15)

Multiplicando ambos os termos de 5.15 pela inversa da matriz diagonal vem:

D
1
.D.x
k
= D
1
.b D
1
.(L + U).x
k - 1


35
Portanto, a formulao matricial do esquema iterativo de Jacobi :

x
k
= D
1
.(L + U).x
k 1
+ D
1
.b (5.16)

Ou, ento

x
k
= M.x
k 1
+ c (5.17)
Onde
M = D
1
.(L + U) (5.18)
c = D
1
.b (5.19)

Exemplo 5.2
Resolva o sistema de equaes a seguir utilizando o mtodo de Jacobi na sua formulao
matricial com preciso 0,050; um mximo de 10 iteraes e x
0
= [0 0 0]
t
.

4.x
1
x
2
+ x
3
= 19
x
1
+ 3.x
2
x
3
= 14
x
1
+ x
2
5.x
3
= -6

Soluo
Tem-se que:
(
(
(
=
(
(
(
=
(
(
(
=
(
(
(
=
6 -
14
19
b
0 0 0
1 - 0 0
1 1 - 0
U
5 - 0 0
0 3 0
0 0 4
D
0 1 1
0 0 1
0 0 0
L

trivial verificar que

(
(
(
=
0,2 - 0 0
0 0,333 0
0 0 0,25
D
1 -

Ento

(
(
(
=
(
(
(
(
(
(
= + =
0 0,2 0,2
0,333 0 0,333 -
0,25 - 0,25 0

0 1 1
1 - 0 1
1 1 - 0
.
0,2 0 0
0 0,333 - 0
0 0 0,25 -
U) L ( D - M
1 -



36
(
(
(
=
(
(
(
(
(
(
= =
1,2
4,667
4,75

6
14
19
.
0,2 0 0
0 0,333 0
0 0 0,25
b . D c
1 -

Sendo assim, o esquema iterativo :

(
(
(
(
(
(
= +
1,2
4,667
4,75
1 - k
0 0,2 0,2
0,333 0 0,333 -
0,25 - 0,25 0

k
x x .

As iteraes produzem os resultados a seguir.

(
(
(
=
(
(
(
=
(
(
(
=
(
(
(
=
(
(
(
=
002 , 3
996 , 3
031 , 5
x
935 , 2
058 , 4
951 , 4
x
020 , 3
823 , 3
850 , 4
x
083 , 3
484 , 3
617 , 5
x
200 , 1
667 , 4
750 , 4
x
5 4 3 2 1

(
(
(
=
005 , 3
991 , 3
998 , 4
x
6

As diferenas entre as iteraes consecutivas so dadas pelos vetores:

(
(
(
=
883 , 1
183 , 1
867 , 0
x x
1 2

(
(
(
=
063 , 0
339 , 0
767 , 0
x x
2 3

(
(
(
=
003 , 0
005 , 0
101 , 0
x x
3 4

(
(
(
=
067 , 0
062 , 0
080 , 0
x x
4 5

0,050
003 , 0
005 , 0
032 , 0
x x
5 6
<
(
(
(
=

Portanto, para a preciso estabelecida, o vetor x
6
= [4,998; 3,991; 3,005]
t
uma soluo.

Proposio 5.2
O Mtodo de Jacobi, dado por 5.14 consistente.
Prova
Considerando a proposio 5.1, deve ser demonstrado que (I M).A
1
.b = c. Com efeito.

(I M).A
1
.b = [I + D
1
.(L + U)] .A
1
.b
= [D
1
.D + D
1
.(L + U)] .A
1
.b
= D
1
.( D + L + U) .A
1
.b


37
= D
1
.A.A
1
.b
= D
1
.b
= c
c.q.d.

5.4 - Mtodo de Gauss-Seidel
5.4.1 Formulao algbrica
Assim como no Mtodo de Jacobi o sistema de equaes lineares A.x = b escrito na for-
ma equivalente:

x = M.x + c

por meio da separao diagonal da matriz dos coeficientes e o processo iterativo de atuali-
zao seqencial, componente por componente. A diferena que, no momento de reali-
zar-se a atualizao de uma das componentes do vetor numa determinada iterao, so uti-
lizadas as componentes j atualizadas na iterao atual, com as restantes no atualizadas da
iterao anterior. Por exemplo, ao se calcular a componente
) k (
j
x , j = 1, 2, ..., n; da iterao
(k), utilizam-se as componentes j atualizadas
) k (
1 j
) k (
2
) k (
1
x , ... , x , x

com as componentes ain-
da no atualizadas da iterao anterior
) 1 - k (
n
) 1 - k (
2 j
) 1 - k (
1 j
x , ... , x , x
+ +
. Portanto, tem-se o esquema
iterativo a seguir.

) x a .......... x a x a x a b (
a
1
x

) x a .......... x a x a x a b (
a
1
x
) x a .......... x a x a x a b (
a
1
x
) x a .......... x a x a x a b (
a
1
x
) k (
1 n
1 nn
) k (
3
3 n
) k (
2
2 n
) k (
1
1 n n
nn
) k (
n
) 1 - k (
n n 2
) 1 - k (
4
34
) k (
2
32
) k (
1
31 3
22
) k (
3
) 1 - k (
n n 2
) 1 - k (
4
24
) 1 - k (
3
23
) k (
1
21 2
22
) k (
2
) 1 - k (
n n 1
) 1 - k (
4
14
) 1 - k (
3
13
) 1 - k (
2
12 1
11
) k (
1
=
=
=
=

(5.20)



38
Exemplo 5.3
Resolva o sistema de equaes a seguir utilizando o Mtodo de Gauss-Seidel com preciso
0,050, um mximo de 5 iteraes e x
0
= [0 0 0]
t
.

8.x
1
+ x
2
- x
3
= 8
x
1
- 7.x
2
+ 2.x
3
= - 4
2.x
1
+ x
2
+ 9.x
3
= 12
Soluo
A funo de iterao dada por:
=
=
+ =
) x - 2.x - 0,111.(12 x
) 2.x - x - 4 0,143.(- - x
) x x - 0,125.(8 x
k
2
k
1
k
3
1 - k
3
k
1
k
2
1 - k
3
1 - k
2
k
1

fazendo os clculos utilizando 5.9, so obtidos os resultados apresentados no quadro 5.2.

k
k
1
x
k
2
x
k
3
x
1 - k
i
k
i
3 1 1
x - x max
s s

0 0 0 0 ------------
1 1,000 0,714 1,032 1,032
2 1,041 1,014 0,990 0,300
3 0,997 0,996 1,002 0,044

Considerando a preciso estabelecida, o vetor x = [0,997 0,996 1,002]
t
uma soluo do
sistema de equaes.

de se esperar que o Mtodo de Gauss-Seidel gere uma seqncia que converge mais r-
pido para a soluo do sistema de equaes do que aquela gerada pelo Mtodo de Jacobi,
uma vez que faz a atualizao imediata dos dados. Embora isto ocorra com freqncia, o
fato no pode ser generalizado. H casos em que h convergncia quando se utiliza um
mtodo e quando se utiliza o outro no.


39
5.4.2 Formulao matricial
Para obter esta formulao, considere-se, inicialmente, que 5.20 pode ser escrito da forma
dada por 5.21.

) k (
1 n
1 nn
) k (
2
2 n
) k (
1
1 n n
) k (
n nn
) 1 - k (
n n 2
) 1 - k (
3
23
) k (
1
21 2
) k (
2
22
) 1 - k (
n n 1
) 1 - k (
3
13
) 1 - k (
2
12 1
) k (
1
11
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
=
=
=

(5.21)

Considerando as matrizes 5.10 e 5.11 tem-se:

1 - k k
) k (
1 n 1 nn
) k (
2 2 n
) k (
1 1 n n
) 1 - k (
n n 2
) 1 - k (
3 23
) 1 k (
1 21 2
) 1 - k (
n n 1
) 1 - k (
3 13
) 1 - k (
2 12 1
U.x - L.x - b
x a .......... x a x a b

x a .......... x a x a b
x a .......... x a x a b
=
(
(
(
(
(

(5.22)
Tendo em vista 5.13 e 5.22 pode-se escrever 5.21 na forma:

D.x
k
= b L.x
k
- U.x
k 1
(5.23)

De onde vem que

D.x
k
+ L.x
k
= b - U.x
k 1
(D + L).x
k
= b - U.x
k 1
(5.24)

Multiplicando ambos os termos de 5.24 pela inversa da matriz (D + L) vem:

(D + L)
1
.(D + L).x
k
= (D + L)
1
.[b U.x
k 1
]

Sendo assim

x
k
= (D + L)
1
.b (D + L)
1
.U.x
k 1

Portanto, a formulao matricial do esquema iterativo de Gauss-Seidel :

x
k
= (D + L)
1
.U.x
k 1
+ (D + L)
1
.b (5.25)

Ou, ento

x
k
= M.x
k 1
+ c (5.26)
Onde
M = (D + L)
1
.U (5.27)
c = (D + L)
1
.b (5.28)


40
Na prtica, a formulao 5.25 no utilizada, uma vez que exige a determinao da inversa
da matriz (D + L). Ao invs, utilizada uma formulao obtida considerando 5.23 e multi-
plicando os seus dois membros pela inversa da matriz D. Tem-se, ento, que:

D
1
.D.x
k
= D
1
.b D
1
.L.x
k
- D
1
.U.x
k 1
(5.29)

x
k
= D
1
.L.x
k
- D
1
.U.x
k 1
+ D
1
.b (5.29)

O resultado apresentado por 5.29 mais simples de utilizar do que 5.25, uma vez que re-
quer a inversa da matriz D, que uma matriz diagonal. simples verificar que, para obter
a inversa de uma matriz diagonal, basta inverter os seus elementos diagonais.
Observe-se, ainda, que a formulao matricial dada por 5.29 leva formulao algbrica
apresentada em 5.20.

Exemplo 5.4
Resolva o sistema de equaes a seguir utilizando o mtodo de Gauss-Seidel na formula-
o matricial dada por 5.25 com preciso 0,050; um mximo de 5 iteraes e x
0
= [0 0 0]
t
.

4.x
1
x
2
+ x
3
= 19
x
1
+ 3.x
2
x
3
= 14
x
1
+ x
2
5.x
3
= -6

Soluo
Tem-se que:
(
(
(
=
(
(
(
=
(
(
(
=
(
(
(
=
6 -
14
19
b
0 0 0
1 - 0 0
1 1 - 0
U
5 - 0 0
0 3 0
0 0 4
D
0 1 1
0 0 1
0 0 0
L

Pode ser mostrado que:

(
(
(
= +
0,2 - 0,067 0,033
0 0,333 0,083 -
0 0 0,25
L) (D
1 -



41
Ento

(
(
(
= + =
0,034 0,033 0
0,416 0083 - 0
0,25 - 0,25 0
U . L) (D - M
1 -

(
(
(
= + =
2,765
3,085
4,75
b . L) (D c
1 -

Sendo assim, o esquema iterativo :

(
(
(
(
(
(
= +
2,765
3,085
4,75
1 - k
0,034 0,033 0
0,416 0083 - 0
0,25 - 0,25 0

k
x x .

As iteraes produzem os resultados a seguir.

(
(
(
=
(
(
(
=
(
(
(
=
(
(
(
=
998 , 2
001 , 4
997 , 4
x
997 , 2
986 , 3
004 , 5
x
961 , 2
979 , 3
830 , 4
x
765 , 2
085 , 3
750 , 4
x
4 3 2 1

As diferenas entre as iteraes consecutivas so dadas pelos vetores:

(
(
(
=
196 , 0
894 , 0
080 , 0
x x
1 2

(
(
(
=
036 , 0
007 , 0
174 , 0
x x
2 3

(
(
(
=
001 , 0
014 , 0
007 , 0
x x
3 4

Portanto, para a preciso estabelecida, o vetor x
4
= [4,997; 4,001; 2,998]
t
uma soluo.

Proposio 5.3
O Mtodo de Gauss-Seidel, dado por 5.25 consistente.

Prova
Considerando a proposio 5.1, deve ser demonstrado que (I M).A
1
.b = c. Com efeito.

(I M).A
1
.b = [I + (D + L)
1
.U] .A
1
.b
= [(D + L)
1
.(D + L) + (D + L)
1
.U] .A
1
.b
= (D + L)
1
.( D + L + U) .A
1
.b
= (D + L)
1
.A.A
1
.b
= (D + L)
1
.b
= c
c.q.d.


42
5.5 - Convergncia dos mtodos iterativos
Embora a ordem das equaes em um sistema linear no exera qualquer influncia com
relao existncia de soluo, quando se trata da utilizao de um mtodo iterativo ela
relevante uma vez que define a funo de iterao.
Para mostrar este fato considera-se no exemplo 5.5 o sistema de equaes utilizado nos
exemplos 5.1 e 5.3, porm trocando a ordem das equaes um e dois.

Exemplo 5.5
Resolva o sistema de equaes a seguir utilizando o Mtodo de Gauss-Seidel. Faa os cl-
culos com duas casas decimais e tome x
0
= [0 0 0]
t
.

x
1
- 7.x
2
+ 2.x
3
= - 4
8.x
1
+ x
2
- x
3
= 8
2.x
1
+ x
2
+ 9.x
3
= 12
Soluo
A funo de iterao :
=
+ =
+ =
) x - 2.x - 0,111.(12 x
x 8.x - 8 x
2.x - 7.x 4 - x
k
2
k
1
k
3
1 - k
3
k
1
k
2
1 - k
3
1 - k
2
k
1
(5.30)


k
k
1
x
k
2
x
k
3
x
1 - k
i
k
i
3 1 1
x - x max
s s

0 0 0 0 ------------
1 - 4 40 - 2,22 40
2 280,44 - 2.237,74 187,46 2.277,74
3 - 16.043,11 128.540,32 - 10.705,07 130.778,06

Observa-se, claramente, que no est ocorrendo convergncia. Ocorre que, com a troca de
posio entre as equaes um e dois, a funo de iterao se modificou, basta comparar 5.9
e 5.10. A funo de iterao 5.10 gera uma seqncia que no convergente.


43
5.6 - Critrio de convergncia
Para os mtodos iterativos de Jacobi e Gauss-Seidel so vlidos os critrios de convergn-
cia a seguir.

5.6.1 - Critrio das linhas
condio suficiente para que os mtodos iterativos gerem uma seqncia que converge
para a soluo de um sistema de equaes, qualquer que seja a aproximao inicial x
0
, que

=
>
n
1 j
ij ii
a | a |
, i = 1, 2, ..., n

Alm do mais, quanto mais prxima de zero estiver a relao
| a |
a
ii
n
1 j
ij
=
mais rpida ser a
convergncia.

5.6.2 - Critrio das colunas
condio suficiente para que os mtodos iterativos gerem uma seqncia que converge
para a soluo de um sistema de equaes, qualquer que seja a aproximao inicial x
0
, que

=
>
n
1 i
ij jj
a | a |
, j = 1, 2, ..., n

Alm do mais, quanto mais prxima de zero estiver a relao
| a |
a
jj
n
1 i
ij
=
mais rpida ser a
convergncia.

Observe-se que estes dois critrios envolvem condies que so apenas suficientes, se
pelo menos uma delas for satisfeita, ento est assegurada a convergncia, entretanto se
nenhuma das duas for satisfeita nada se pode afirmar.
Os exemplos a seguir apresentam sistemas de equaes que podem ser resolvidos, somen-
te, por meio de um dos dois mtodos iterativos abordados.


44
Exemplo 5.4
Este exemplo trata de um sistema de equaes lineares que pode ser resolvido, somente,
por meio do Mtodo de Jacobi. Seja o sistema de equaes a seguir e x
0
= [0 0 0]
t
.

x
1
+ 2.x
2
- 2.x
3
= 1
x
1
+ x
2
+ x
3
= 1
2.x
1
+ 2.x
2
+ x
3
= 1

Soluo
(a) Aplicando o Mtodo de Jacobi, tem-se que a funo de iterao :

=
=
+ =
1 - k
2
1 - k
1
k
3
1 - k
3
1 - k
1
k
2
1 - k
3
1 - k
2
k
1
2.x - 2.x - 1 x
x - x - 1 x
2.x 2.x - 1 x
(5.31)

k
k
1
x
k
2
x
k
3
x
1 - k
i
k
i
3 1 1
x - x max
s s

0 0 0 0 ------------
1 1 1 1 1
2 1 - 1 - 3 4
3 - 3 3 1 4
4 - 3 3 1 0
Observe-se que foi obtida a soluo exata.

(b) Aplicando, agora, o Mtodo de Gauss-Seidel.
=
=
+ =
k
2
k
1
k
3
1 - k
3
k
1
k
2
1 - k
3
1 - k
2
k
1
2.x - 2.x - 1 x
x - x - 1 x
2.x 2.x - 1 x
(5.32)


k
k
1
x
k
2
x
k
3
x
1 - k
i
k
i
3 1 1
x - x max
s s

0 0 0 0 ------------
1 1 0 - 1 1
2 - 1 3 - 3 3
3 - 11 15 - 7 12
4 - 43 51 - 15 36
5 - 131 147 - 31 96



45
Neste caso, verifica-se que o Mtodo de Gauss-Seidel gera uma seqncia que no conver-
ge para a soluo do sistema de equaes.
Exemplo 5.5
Este exemplo trata de um sistema de equaes lineares que pode ser resolvido, somente,
por meio do Mtodo de Gauss-Seidel. Seja x
0
= [0 0 0]
t
.

0,5x
1
+ 0,6.x
2
+ 0,3.x
3
= 0,2
x
1
+ x
2
+ x
3
= 0
0,4.x
1
- 0,4.x
2
+ x
3
= - 0,6

Soluo
(a) Aplicando o Mtodo de Jacobi, tem-se que a funo de iterao :

+ =
=
=
1 - k
2
1 - k
1
k
3
1 - k
3
1 - k
1
k
2
1 - k
3
1 - k
2
k
1
0,4.x 0,4.x - 0,6 - x
x - x - x
) 0,3.x - 0,6.x - 2.(0,2 x
(5.33)

k
k
1
x
k
2
x
k
3
x
1 - k
i
k
i
3 1 1
x - x max
s s

0 0 0 0 ------------
1 0,400 0,000 - 0,600 0,600
2 0,760 0,200 - 0,760 0,360
3 0,616 0,000 - 0,824 0,200
4 0,894 0,208 - 0,846 0,278
5 0,658 - 0,048 - 0,875 0,256
6 0,982 0,216 - 0,883 0,324
7 0,670 - 0,100 - 0,906 0,316
8 1,064 0,236 - 0,908 0,394
9 0,661 - 0,156 - 0,931 0,403
10 1,146 0,2700 - 0,927 0,485

Observe-se que no h convergncia.

(b) Aplicando, agora, o Mtodo de Gauss-Seidel.
+ =
=
=
k
2
k
1
k
3
1 - k
3
k
1
k
2
1 - k
3
1 - k
2
k
1
0,4.x 0,4.x - 0,6 - x
x - x - x
) 0,3.x - 0,6.x - 2.(0,2 x
(5.34)


46

k
k
1
x
k
2
x
k
3
x
1 - k
i
k
i
3 1 1
x - x max
s s

0 0 0 0 ------------
1 0,400 - 0,400 - 0,920 0,920
2 1,432 - 0,512 - 1,378 1,032
3 1,841 - 0,463 - 1,522 0,409
4 1,869 - 0,347 - 1,487 0,116
5 1,709 - 0,222 - 1,372 0,160
6 1,490 - 0,118 - 1,243 0,219
7 1,287 - 0,044 - 1,132 0,203
8 1,132 0,000 - 1,053 0,155
9 1,031 0,021 - 1,004 0,101
10 0,977 0,027 - 1,980 0,054

Neste caso, verifica-se que o Mtodo de Gauss-Seidel gera uma seqncia que, embora
muito lentamente, converge para a soluo do sistema de equaes.

5.7 - Complexidade dos mtodos iterativos
A anlise da complexidade (quantidade de operaes) requeridas em um mtodo iterativo,
em cada iterao, bastante simples. O que no trivial determinar o nmero exato de
operaes realizadas por um programa de resoluo de sistemas de equaes lineares por
meio de um mtodo iterativo, pois este depende do critrio de parada adotado. Para evitar
que se entre em loop, realizando operaes quando no ocorre convergncia, ou quando
no se alcana a preciso estabelecida, sempre deve ser adotado como critrio de parada,
alm da preciso desejada, um nmero mximo de iteraes permitido. No pior caso, este
ser o nmero de vezes que as iteraes sero executadas.
Os mtodos de Jacobi e Gauss-Seidel realizam, por iterao, (2n
2
n) operaes aritmti-
cas: (n 1) multiplicaes de variveis por coeficientes, (n 1) somas e uma diviso para
cada varivel do sistema, totalizando, para cada varivel, (2n 1) operaes para cada uma
das n variveis. Para valores de n grandes, o termo de menor grau dominado pelo termo
de maior grau, e o custo dos mtodos se torna 2n
2
.
Devido a necessidade de verificar a possvel convergncia para a soluo do sistema, sob
pena de no se chegar a um resultado vlido em sua resoluo, os testes de convergncia
tornam-se praticamente obrigatrios na resoluo iterativa de sistemas de equaes lineares
e, portanto, devem ser consideradas no custo destes mtodos.
O critrio das linhas tem um custo de (n
2
2n) operaes aritmticas, uma vez que so
realizadas (n - 2) somas, alm disto, so realizadas n comparaes para verificar se a ma-


47
triz dos coeficientes estritamente diagonal dominante. Para grandes valores de n predo-
minam as n
2
operaes aritmticas do critrio.

5.8 - Comentrios finais
Os Mtodos Diretos possuem a vantagem de serem mais gerais e robustos do que os Mto-
dos Iterativos, podendo ser utilizados na resoluo de qualquer tipo de sistemas de equa-
es. So processos finitos e, portanto, teoricamente, obtm a soluo de qualquer sistema
de equaes no singular de equaes. J os mtodos iterativos convergem apenas sob de-
terminadas condies.
Os mtodos diretos apresentam problemas com erros de arredondamento. Uma forma de
minimizar este fato a utilizao de tcnicas de pivotamento. Os mtodos iterativos envol-
vem menos erros de arredondamento, visto que a convergncia, uma vez garantida, inde-
pende da aproximao inicial. Com isso, somente os erros cometidos na ltima iterao
afetam a soluo, pois os erros anteriores no levaro divergncia do processo nem
convergncia para outro vetor que no a soluo.
Os mtodos diretos so aplicados na resoluo de sistemas de equaes densos de porte
pequeno a mdio. Por sistemas de pequeno porte entende-se uma ordem de at 30, para
mdio porte, sistemas de ordem at 50. A partir da tem-se, em geral, sistemas de grande
porte. Os mtodos iterativos raramente so utilizados para resolver sistemas lineares de
pequeno a mdio porte, j que o tempo requerido para obter um mnimo de preciso ultra-
passa o requerido pelos mtodos diretos como, por exemplo, o Mtodo de Gauss. O Mto-
do de Gauss requer (4.n
3
+ 9.n
2
7.n)/6 operaes aritmticas. Os Mtodos de Jacobi e
Gauss-Seidel requerem (2.n
2
- n) operaes aritmticas por iterao. Para valores grandes
de n, os nmeros de operaes aritmticas so aproximadamente

Mtodo de Gauss: 2.n
3
/3
Jacobi e Gauss-Seidel: 2.n
2
por iterao

Assim, se o nmero de iteraes menor ou igual a (n/3), ento o mtodo iterativo requer
menos operaes aritmticas.
Como exemplo especfico, seja um sistema linear de 100 equaes. A eliminao requer
681.550 operaes enquanto que, por iterao, so requeridas 900 operaes. Para 34, ou
menos, iteraes a quantidade de operaes aritmticas menor do que no Mtodo de
Gauss.. Para 35, ou mais, vale o contrrio.
Uma vantagem dos mtodos iterativos sobre os diretos o fato de preservarem os zeros da
matriz original Este fato bastante significativo quando se trata de resolver um sistema de


48
equaes no qual a matriz dos coeficientes esparsa, ou seja, possui um nmero grande de
elementos nulos. Os mtodos iterativos preservam a esparsidade, uma vez que no criam
novos elementos no nulos. Os Mtodos Diretos baseiam-se em transformaes elementa-
res sobre as linhas da matriz dos coeficientes, destruindo a esparsidade da mesma. Isto au-
menta tanto o espao necessrio para o armazenamento da matriz dos coeficientes quanto o
esforo computacional para a resoluo numrica do sistema.
Enfim, preciso conhecer a natureza do problema para poder escolher qual classe de algo-
ritmo (mtodos diretos/iterativos) deve ser utilizada, pois somente assim ser possvel ob-
ter resultados mais precisos e, conseqentemente, confiveis.
Para concluir, apresentada no quadro (5.8) uma comparao entre os Mtodos Diretos e
Iterativos levando em considerao um conjunto de cinco indicadores.

Item Mtodo Direto Mtodo Iterativo
Aplicao
Para a resoluo de sistemas de
equaes densos de porte peque-
no a mdio.
Para a resoluo de sistemas de
equaes de grande porte, nota-
damente os esparsos.
Convergncia
Se a matriz dos coeficientes no
singular, ento a soluo sem-
pre obtida
H garantia de se obter a soluo
somente sob certas condies
Nmero de ope-
raes
possvel determinar a priori o
nmero de operaes necessrias.
No possvel determinar a priori
a complexidade.
Esparsidade
Destri a esparsidade da matriz
dos coeficientes durante a fase de
eliminao.
Preserva a esparsidade da matriz
da matriz dos coeficientes.
Erro de arre-
dondamento
Amplia os erros durante os clcu-
los. A ampliao pode ser mini-
mizada usando tcnicas de pivo-
tao.
Os erros de arredondamento no
afetam as solues obtidas em
cada iterao. Apenas a soluo
final pode conter erro.
Quadro 5.8: Comparao entre os Mtodos Diretos e Iterativos

Sistem As

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Sistem As

Hochgeladen von

Copyright:

Verfügbare Formate

UNIVERSIDADE FEDERAL DE OURO PRETO

Instituto de Cincias Exatas e Biolgicas

0,278 0,056 0,389 -

Das könnte Ihnen auch gefallen