Sistemas Lineares

Mtodos Numricos, Notas de aula, 2009.
c Departamento de Computao, Universidade Federal de Ouro Preto.

Sistemas Lineares
Marcone Jamilson Freitas Souza, Departamento de Computao, Instituto de Cincias
Exatas e Biolgicas, Universidade Federal de Ouro Preto, 35400-000 Ouro Preto, MG, Bra-
sil. Homepage: http://www.decom.ufop.br/prof/marcone, E-mail: marcone@iceb.ufop.br
1 Introduo
Prope-se, neste captulo, apresentar mtodos numricos para resolver sistemas lineares
postos na forma:
_
_
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
= b
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
x
1
+ a
n2
x
2
+ + a
nn
x
n
= b
n
(1.1)
ou, equivalentemente:
n
j=1
a
ij
x
j
= b
i
i = 1, 2, . . . , n (1.2)
isto , resolveremos sistemas lineares nos quais o nmero de equaes igual ao de incg-
nitas.
Na forma matricial, um sistema linear representado por Ax = b, em que:
A =
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
_
_
Matriz dos coecientes
x =
_
_
x
1
x
2
.
.
.
x
n
_
_
Vetor das variveis (ou incgnitas)
b =
_
_
b
1
b
2
.
.
.
b
n
_
_
Vetor dos termos independentes
comum tambm representar o sistema Ax = b pela sua matriz aumentada, isto ,
por:
[A | b] =
_
_
a
11
a
12
a
1n
| b
1
a
21
a
22
a
2n
| b
2
.
.
.
.
.
.
.
.
.
.
.
. |
.
.
.
a
n1
a
n2
a
nn
| b
n
_
_
Matriz aumentada do sistema
2 Marcone Jamilson Freitas Souza
Denio: Denomina-se vetor soluo (ou simplesmente soluo) de uma sistema Ax = b,
e denota-se por x = [ x
1
, x
2
, , x
n
]
t
, ao vetor das variveis que contm os elementos
x
j
, j = 1, , n, que satisfazem a todas as equaes do sistema.
2 Classicao de um sistema com relao ao nmero
de solues
Com relao ao nmero de solues, um sistema linear pode ser classicado em:
(a) Compatvel e determinado: Quando houver uma nica soluo;
(b) Compatvel e indeterminado: Quando houver uma innidade de solues;
(c) Incompatvel: Quando o sistema no admitir soluo;
3 Sistemas Triangulares
3.1 Sistema Triangular Superior
Denomina-se sistema triangular superior a todo sistema Ax = b em que a
ij
= 0 j < i,
ou seja, a sistemas da forma:
_
_
a
11
x
1
+ a
12
x
2
+ a
13
x
3
+ + a
1n
x
n
= b
1
a
22
x
2
+ a
23
x
3
+ + a
2n
x
n
= b
2
a
33
x
3
+ + a
3n
x
n
= b
3
.
.
.
.
.
.
.
.
.
a
nn
x
n
= b
n
(3.3)
Tais sistemas so resolvidos por substituies retroativas, atravs de equaes da forma:
x
i
=
b
i
j=i+1
a
ij
x
j
a
ii
i = n, . . . , 1 (3.4)
3.1.1 Discusso da soluo
1. Se a
ii
= 0 i = Sistema compatvel e determinado;
2. Se a
ii
= 0 para algum i h dois casos a analisar:
(a) Se b
i
j=i+1
a
ij
x
j
= 0 = Sistema compatvel e indeterminado
(b) Se b
i
j=i+1
a
ij
x
j
= 0 = Sistema incompatvel
3.1.2 Algoritmo
Apresentamos, pela Figura 1, o pseudocdigo do procedimento que resolve um sistema
triangular superior por intermdio de substituies retroativas. Supe-se neste procedi-
mento que a
ii
= 0 i, isto , que os elementos diagonais da matriz dos coecientes do
sistema so todos no-nulos.
Sistemas Lineares 3
procedimento SubstituicaoRetroativa(n,A,b,x);
1 x
n
b
n
/a
nn
;
2 para i de n 1 at 1 passo 1 faa
3 SOMA 0;
4 para j de i + 1 at n faa
5 SOMA SOMA +a
ij
x
j
;
6 m-para;
7 x
i
(b
i
SOMA)/a
ii
;
8 m-para;
9 Retorne x; { Retorne o vetor soluo }
m SubstituicaoRetroativa;
Figura 1: Algoritmo para resolver sistemas triangulares superiores
3.2 Sistema Triangular Inferior
Denomina-se sistema triangular inferior a todo sistema Ax = b em que a
ij
= 0 j > i, ou
seja, a sistemas da forma:
_
_
a
11
x
1
= b
1
a
21
x
1
+ a
22
x
2
= b
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
x
1
+ a
n2
x
2
+ + a
nn
x
n
= b
n
(3.5)
Tais sistemas so resolvidos por substituies progressivas atravs de equaes da
forma:
x
i
=
b
i
i1
j=1
a
ij
x
j
a
ii
i = 1, . . . , n (3.6)
3.2.1 Discusso da Soluo
1. Se a
ii
= 0 i = Sistema compatvel e determinado;
2. Se a
ii
= 0 para algum i h dois casos a considerar:
(a) Se b
i
i1
j=1
a
ij
x
j
= 0 = Sistema compatvel e indeterminado
(b) Se b
i
i1
j=1
a
ij
x
j
= 0 = Sistema incompatvel
3.2.2 Algoritmo
O pseudocdigo do procedimento para resolver um sistema triangular inferior por meio
de substituies progressivas mostrado na Figura 2. Supe-se neste procedimento que
a
ii
= 0 i.
procedimento SubstituicaoProgressiva(n,A,b,x);
1 para i de 1 at n faa
2 SOMA 0;
3 para j de 1 at i 1 faa
4 SOMA SOMA +a
ij
x
j
;
5 m-para;
6 x
i
(b
i
SOMA)/a
ii
;
7 m-para;
m SubstituicaoProgressiva;
Figura 2: Algoritmo para resolver sistemas triangulares inferiores
4 Mtodos Numricos
Os mtodos numricos destinados a resolver sistemas lineares so divididos em dois grupos:
os mtodos diretos e os mtodos iterativos.
5 Mtodos Diretos
So mtodos que produzem a soluo exata de um sistema, a menos de erros de arredon-
damento, depois de um nmero nito de operaes aritmticas.
Com esses mtodos possvel determinar, a priori, o tempo mximo gasto para resolver
um sistema, uma vez que sua complexidade conhecida.
A clssica Regra de Cramer, ensinada no ensino mdio, um mtodo direto. En-
tretanto, pode-se mostrar que o nmero mximo de operaes aritmticas envolvidas na
resoluo de um sistema n n por este mtodo (n + 1)(n!n 1) + n. Assim, um
computador que efetua uma operao aritmtica em 10
8
segundos gastaria cerca de 36
dias para resolver um sistema de ordem n = 15. A complexidade exponencial desse
algoritmo inviabiliza sua utilizao em casos prticos.
O estudo de mtodos mais ecientes torna-se, portanto, necessrio, uma vez que, em
geral, os casos prticos exigem a resoluo de sistemas lineares de porte mais elevado.
Apresentaremos, a seguir, mtodos mais ecientes, cuja complexidade polinomial,
para resolver sistemas lineares. Antes, porm, introduziremos uma base terica necessria
apresentao de tais mtodos.
Transformaes elementares: Denominam-se transformaes elementares as seguin-
tes operaes efetuadas sobre as equaes (ou linhas da matriz aumentada) de um
sistema linear:
1. Trocar duas equaes:
L
i
L
j
;
L
j
L
i
;
2. Multiplicar uma equao por uma constante no-nula:
L
j
c L
j
; c R, c = 0
3. Adicionar a uma equao um mltiplo de uma outra equao:
L
j
L
j
+c L
i
; c R
Sistemas Lineares 5
Sistemas equivalentes: Dois sistemas Ax = b e

Ax =

b se dizem equivalentes se a
soluo de um for tambm soluo do outro.
Teorema: Seja Ax = b um sistema linear. Aplicando-se somente transformaes elemen-
tares sobre as equaes de Ax = b, obtemos um novo sistema

Ax =

b, sendo que
Ax = b e

Ax =
b so equivalentes.
5.1 Mtodo de Gauss
O mtodo de Gauss consiste em operar transformaes elementares sobre as equaes de
um sistema Ax = b at que, depois de n 1 passos, se obtenha um sistema triangular su-
perior, Ux = c, equivalente ao sistema dado, sistema esse que resolvido por substituies
retroativas.
_
_
a
11
a
12
a
1n
| b
1
a
21
a
22
a
2n
| b
2
.
.
.
.
.
.
.
.
.
.
.
. |
.
.
.
a
n1
a
n2
a
nn
| b
n
_
_
. .
Ax=b
Transf. Elem.
_
a
11
a
12
a
1n
| b
1
0 a
22
a
2n
| b
2
.
.
.
.
.
.
.
.
.
.
.
. |
.
.
.
0 0 a
nn
| b
n
_
_
. .
Ux=c
5.1.1 Descrio do Mtodo
Para descrevermos o mtodo, consideraremos o sistema linear 4 4 abaixo.
_
_
7x
1
+ 4x
2
2x
3
+ x
4
= 14, 308
3x
1
+ 11x
2
+ 4x
3
5x
4
= 25, 744
2x
1
+ 3x
2
+ 8x
3
+ 2x
4
= 3, 872
10x
1
5x
2
+ x
3
3x
4
= 36, 334
(5.7)
A resoluo deste sistema pelo mtodo de Gauss envolve duas fases distintas. A pri-
meira, chamada de fase de eliminao, consiste em transformar o sistema dado em um
sistema triangular superior. A segunda, chamada de fase de substituio, consiste em
resolver o sistema triangular superior atravs de substituies retroativas.
Para aplicar a primeira fase, utilizemos o quadro abaixo, onde cada grupo de linhas re-
presenta um passo (ou estgio) da obteno do sistema triangular superior. Trabalharemos
com 3 dgitos com arredondamento na apresentao em ponto utuante.
Tabela 1: Fase de eliminao
Linha Multiplicadores Coecientes Termos Transformaes
das incgnitas Ind. Elementares
L
(0)
1
7 4 -2 1 14,308
L
(0)
2
m
21
= 3/7 = 0, 429 3 11 4 -5 25,744
L
(0)
3
m
31
= 2/7 = 0, 286 -2 3 8 2 -3,872
L
(0)
4
m
41
= 10/7 = 1, 429 10 -5 1 -3 36,334
L
(1)
2
0 9,284 4,858 -5,429 19,606 L
(1)
2
0, 429 L
(0)
1
+ L
(0)
2
L
(1)
3
m
32
= 4, 144/9, 284 = 0, 446 0 4,144 7,428 2,286 0,220 L
(1)
3
0, 286 L
(0)
1
+ L
(0)
3
L
(1)
4
m
42
= 10, 716/9, 284 = 1, 154 0 -10,716 3,858 -4,429 15,888 L
(1)
4
1, 429 L
(0)
1
+ L
(0)
4
L
(2)
3
0 0 5,261 4,707 -8,524 L
(2)
3
0, 446 L
(1)
2
+ L
(1)
3
L
(2)
4
m
43
= 9, 464/5, 261 = 1, 799 0 0 9,464 -10,694 38,513 L
(2)
4
1, 154 L
(1)
2
+ L
(1)
4
L
(3)
4
0 0 0 -19,162 53,848 L
(3)
4
1, 799 L
(2)
3
+ L
(2)
4
Detalhemos a Tabela 1. Nela constam 3 passos:
Passo k = 1:
piv: a
(0)
11
= 7
Linha pivotal: L
(0)
1
Objetivo: zerar os elementos abaixo do piv a
(0)
11
.
Ao nal do primeiro passo obtemos o sistema A
1
x = b
1
equivalente ao sistema dado,
em que:
[A
(1)
| b
(1)
] =
_
_
7 4 2 1 | 14, 308
0 9, 284 4, 858 5, 429 | 19, 606
0 4, 144 7, 428 2, 286 | 0, 220
0 10, 716 3, 858 4, 429 | 15, 888
_
_
Passo k = 2:
piv: a
(1)
22
= 9, 284
Linha pivotal: L
(1)
2
(1)
22
.
Ao nal do segundo passo obtemos o sistema A
(2)
x = b
(2)
equivalente ao sistema dado,
isto :
[A
(2)
| b
(2)
] =
_
_
7 4 2 1 | 14, 308
0 9, 284 4, 858 5, 429 | 19, 606
0 0 5, 261 4, 707 | 8, 524
0 0 9, 464 10, 694 | 38, 513
_
_
Passo k = 3:
piv: a
(2)
33
= 5, 261
Linha pivotal: L
(2)
3
(2)
33
.
Ao nal do terceiro passo obtemos o sistema A
(3)
x = b
(3)
equivalente ao sistema dado:
[A
(3)
| b
(3)
] =
_
_
7 4 2 1 | 14, 308
0 9, 284 4, 858 5, 429 | 19, 606
0 0 5, 261 4, 707 | 8, 524
0 0 0 19, 162 | 53, 848
_
_
Portanto, ao nal de 3 passos, o sistema Ax = b, expresso por (5.7), foi transformado
no seguinte sistema triangular superior A
3
x = b
3
:
_
_
7x
1
+ 4x
2
2x
3
+ x
4
= 14, 308
9, 284x
2
+ 4, 858x
3
5, 429x
4
= 19, 606
5, 261x
3
+ 4, 707x
4
= 8, 524
19, 162x
4
= 53, 848
(5.8)
Terminada a fase de eliminao, passamos, agora, fase de substituio, resolvendo o
sistema anterior atravs das seguintes substituies retroativas:
x
4
=
53,848
19,162
= 2, 810
x
3
=
8,5244,707(2,810)
5,261
= 0, 894
x
2
=
19,606+5,429(2,810)4,8580,894
9,284
= 0, 001
x
1
=
14,30840,001+20,8942,810
7
= 2, 700
Portanto, a soluo do sistema :
Sistemas Lineares 7
x =
_
_
2, 700
0, 001
0, 894
2, 810
_
_
5.1.2 Avaliao do Resduo/Erro
O erro produzido por uma soluo x do sistema Ax = b pode ser avaliado pela expresso:
= max
1in
|r
i
| (5.9)
sendo r
i
a i-sima componente do vetor resduo R, o qual dado por:
R = b A x (5.10)
Para o exemplo considerado, o vetor resduo :
R = b A x =
_
_
14, 308
25, 744
3, 872
36, 334
_
_
7 4 2 1
3 11 4 5
2 3 8 2
10 5 1 3
_
_
_
_
2, 700
0, 001
0, 894
2, 810
_
_
=
_
_
0, 002
0, 007
0, 007
0, 015
_
_
Assim, o erro cometido vale:
= max
1in
|r
i
| = max
1i4
{|0, 002|, |0, 007|, | 0, 007|, |0, 015|} = 0, 015
5.1.3 Algoritmo
Apresentamos, a seguir, o pseudocdigo do procedimento relativo fase de eliminao
do mtodo de Gauss. ele se segue o procedimento de substituio retroativa descrito
pgina 3. Esse algoritmo supe que os elementos diagonais (a
kk
) so no-nulos. Na
hiptese de existir algum a
kk
= 0, esse elemento deve ser colocado em outra posio fora
da diagonal principal, por intermdio de operaes de troca de linhas e/ou colunas.
procedimento Eliminacao(n,A,b);
1 para k de 1 at n 1 faa
2 para i de k + 1 at n faa
3 m a
ik
/a
kk
;
4 para j de k + 1 at n faa
5 a
ij
a
ij
+ma
kj
;
6 m-para;
7 b
i
b
i
+mb
k
;
8 m-para;
9 m-para;
10 Retorne A e b; { Retorne a matriz aumentada modicada }
m Eliminacao;
Figura 3: Algoritmo da fase de eliminao do mtodo de Gauss
Tabela 2: Complexidade de pior caso do Mtodo de Gauss
Fase Divises Multiplicaes Adies Total
1 n 1 n(n 1) n(n 1)
2 n 2 (n 1)(n 2) (n 1)(n 2)
.
.
.
.
.
.
.
.
.
.
.
.
n 1 1 (2).(1) (2).(1)
Eliminao
n(n1)
2
1
3
n
3
1
3
n
1
3
n
3
1
3
n
2
3
n
3
1
2
n
2
7
6
n
n 1 + 2 + +n 1 + 2 + +n
Substituio n
n(n1)
2
n(n1)
2
n
2
TOTAL
1
2
n
2
+
1
2
n
1
3
n
3
+
1
2
n
2
5
6
n
1
3
n
3
+
1
2
n
2
1
3
n
2
3
n
3
+
3
2
n
2
7
6
n
5.1.4 Complexidade
Para avaliar o nmero mximo de operaes aritmticas envolvidas na resoluo de um
sistema n n pelo mtodo de Gauss, mostra-se, pela Tabela 2, a complexidade de pior
caso das fases de eliminao e substituio.
Como se observa, o mtodo de Gauss tem complexidade polinomial O(n
3
). Um com-
putador que faz uma operao aritmtica em 10
8
segundos gastaria 0, 0000257 segundos
para resolver um sistema 1515 (Um tempo innitamente inferior quele gasto pela Regra
de Cramer, conforme pgina 4).
5.1.5 Observaes Finais
No mtodo de Gauss, os multiplicadores do passo k da fase de eliminao so calculados
pela expresso:
m
(k)
ik
=
a
(k1)
ik
a
(k1)
kk
i = k + 1, , n (5.11)
Observe que o piv do k-simo passo da fase de eliminao sempre a
(k1)
kk
, isto , o
elemento diagonal da matriz A
(k1)
do sistema transformado A
(k1)
x = b
(k1)
obtido no
passo anterior.
Desvantagens do mtodo de Gauss:
(i) No pode ser aplicado quando o piv for nulo (a
kk
= 0);
(ii) Os erros de arredondamento cometidos durante um passo da obteno do sistema
triangular se propagam para os passos seguintes, podendo comprometer a validade
da soluo obtida.
Para contornar o problema (i) e minimizar o problema (ii), a ideia usar uma estratgia
de pivoteamento, conforme a seguir se descreve.
5.2 O Mtodo de Gauss com Pivotao Parcial
Esta estratgia de pivoteamento consiste em:
(i) No incio da etapa k da etapa de eliminao, escolher para piv o maior elemento,
em mdulo, dentre os coecientes:
Sistemas Lineares 9
a
(k1)
ik
; i = k, k + 1, , n
(ii) Trocar as linhas k e i se necessrio
Exemplo: Resolver o sistema a seguir, avaliando o erro cometido em cada caso:
_
0, 0002x
1
+ 2x
2
= 5
2x
1
+ 2x
2
= 6
(5.12)
(a) Pelo mtodo de Gauss
(b) Pelo mtodo de Gauss com pivotao parcial
Resoluo do item (a):
A Tabela 3 apresenta a fase de eliminao do Mtodo de Gauss aplicado ao sistema
linear 5.12.
Tabela 3: Fase de eliminao do Mtodo de Gauss do sistema (5.12)
L
(0)
1
0, 002 2 5
L
(0)
2
m
21
= 2/0, 002 = 10
4
2 2 6
L
(1)
2
0 -19998 -49994 L
(1)
2
10000 L
(0)
1
+ L
(0)
2
Tendo triangularizado a matriz dos coecientes do sistema (5.12), passemos fase de
resoluo do sistema triangular (5.13), o qual equivalente ao sistema dado:
_
0, 0002x
1
+ 2x
2
= 5
19998x
2
= 49994
(5.13)
cuja soluo :
x =
_
0, 0001
2, 4999
_
Avaliemos o resduo R e o erro produzido por esta soluo.
R = b A x =
_
5
6
_
_
4, 9998
5
_
=
_
0, 0002
1
_
= max
1in
|r
i
| = max
1i2
{|0, 002|, |1|} = 1
Resoluo do item (b):
A Tabela 4 apresenta a fase de eliminao do Mtodo de Gauss, com pivotao parcial,
aplicado ao sistema linear (5.12).
Tendo triangularizado a matriz dos coecientes do sistema (5.12), passemos fase de
resoluo do sistema triangular (5.14), que equivalente ao sistema dado:
_
2x
1
+ 2x
2
= 6
1, 9998x
2
= 4, 9994
(5.14)
cuja soluo :
Tabela 4: Fase de eliminao do Mtodo de Gauss c/ pivotao aplicado ao sistema (5.12)
L
(0)
1
0, 0002 2 5
L
(0)
2
2 2 6
L
(0)
1
2 2 6 L
(0)
1
L
(0)
2
L
(0)
2
m
21
= 0, 0002/2 = 0, 0001 0,0002 2 5 L
(0)
2
L
(0)
1
L
(1)
2
0 1,9998 4,9994 L
(1)
2
0, 0001 L
(0)
1
+ L
(0)
2
x =
_
0, 5001
2, 4999
_
O resduo R e o erro produzido por esta soluo so apresentados a seguir.
R = b A x =
_
5
6
_
_
4, 9999
6, 0018
_
=
_
0, 0001
0, 0018
_
= max
1in
|r
i
| = max
1i2
{|0, 001|, | 0, 0018|} = 0, 0018
Tais resultados mostram, claramente, a melhora obtida com a tcnica de pivotao.
Observamos, nalmente, que a escolha do maior elemento em mdulo entre os candi-
datos a piv faz com que os multiplicadores, em mdulo, estejam entre zero e um, o que
minimiza a ampliao dos erros de arredondamento.
Apresentamos, pela Figura 4, pgina 11, o pseudocdigo do procedimento de Gauss
com pivoteamento parcial para resolver sistemas lineares. Neste procedimento,

A a
matriz aumentada do sistema, isto ,

A = [A | b].
5.3 O Mtodo de Gauss com Pivotao Completa
Nesta estratgia, no incio do passo k da fase de eliminao escolhido para piv o elemento
de maior mdulo dentre aqueles que ainda atuam no processo de eliminao, isto :
Piv = a
(k1)
rs
= max
i,jk
|a
(k1)
ij
|;
Assim, aps localizado o maior elemento em mdulo da matriz sob transformao,
necessrio pass-lo para a posio a
kk
. Para tanto, so feitas, se necessrio, uma troca de
linhas e uma troca de colunas a cada passo k. Esta estratgia, entretanto, no muito
empregada, pois envolve uma comparao extensa entre os elementos a
(k1)
ij
, i, j k e
troca de linhas e colunas para posicionar o piv. Todo este processo acarreta um esforo
computacional bem maior que a estratgia de pivoteamento parcial e nem sempre resulta
em ganho signicativo na qualidade da soluo produzida.
5.4 O Mtodo da Decomposio LU
5.4.1 Introduo
Em muitas situaes, desejvel resolver vrios sistemas lineares nos quais a matriz dos
coecientes a mesma. Nesses casos, indicado resolver o sistema linear Ax = b por uma
tcnica de decomposio da matriz A. Dentre as tcnicas de decomposio mais utilizadas,
destacamos a da decomposio LU.
Sistemas Lineares 11
procedimento GaussPivoteamentoParcial(n,

A, x);
1 para k de 1 at n 1 faa
2 w |a
kk
|;
3 r k;
4 para i de k at n faa
5 se |a
ik
| > w ento
6 w |a
ik
|;
7 r i;
8 m-se;
9 m-para;
10 para j de k at n + 1 faa
11 aux a
kj
;
12 a
kj
a
rj
;
13 a
rj
aux;
14 m-para;
15 para i de k + 1 at n faa
16 m
ik
a
ik
/a
kk
;
17 para j de k + 1 at n + 1 faa
18 a
ij
a
ij
+m
ik
a
kj
;
19 m-para;
20 m-para;
21 m-para;
22 x
n
a
n,n+1
/a
nn
;
23 para i de n 1 at 1 passo 1 faa
24 SOMA 0;
25 para j de i + 1 at n faa
26 SOMA SOMA+a
ij
x
j
;
27 m-para;
28 x
i
(a
i,n+1
SOMA)/a
ii
;
29 m-para;
m GaussPivoteamentoParcial(n,

A,x);
Figura 4: Algoritmo do Mtodo de Gauss com Pivoteamento Parcial
Por esta tcnica, uma matriz A decomposta como o produto de duas matrizes L e
U, sendo L uma matriz triangular inferior e U, uma matriz triangular superior, isto :
A = L.U
Desta forma, podemos reescrever o sistema Ax = b na seguinte forma:
Ax = (L.U)x = L.(Ux) = b
Fazendo-se Ux = y podemos resolver o sistema Ax = b em dois passos: Primeiramente,
resolvemos o sistema triangular inferior Ly = b, obtendo y como soluo. Em seguida, com
a soluo y obtida no passo anterior, resolvemos o sistema triangular superior Ux = y,
obtendo x como soluo. Em outras palavras, decompomos a resoluo de um sistema
linear na resoluo de dois sistemas triangulares: o primeiro, triangular inferior, que se
resolve facilmente por substituies progressivas (basta aplicar o Algoritmo da Fig. 2,
considerando elementos diagonais unitrios) e o segundo, triangular superior, que se resolve
por substituies retroativas (Algoritmo da Fig. 1).
Antes de descrevermos o mtodo da decomposio LU com detalhes, apresentaremos
alguns conceitos necessrios sua fundamentao.
Denio: Seja A uma matriz quadrada de orden n, no-singular, isto , det(A) = 0.
Diz-se que A
1
a inversa de A se AA
1
= A
1
A = I.
Teorema 2: Se A e B so matrizes de ordem n, inversveis, ento: (AB)
1
= B
1
A
1
Teorema 3: Se
M
(0)
=
_
_
1 0 0
m
21
1 0
m
31
0 1
_
_
e M
(1)
=
_
_
1 0 0
0 1 0
0 m
32
1
_
_
ento:
(i) (M
(0)
)
1
=
_
_
1 0 0
m
21
1 0
m
31
0 1
_
_
(ii) (M
(1)
)
1
=
_
_
1 0 0
0 1 0
0 m
32
1
_
_
5.4.2 Fatorao LU de uma matriz
Os fatores L e U podem ser obtidos utilizando-se a ideia bsica do Mtodo de Gauss.
Mostremos como isso pode ser feito fatorando-se uma matriz A genrica de ordem 3.
Tabela 5: Fatorao LU de uma matriz
Linha Multiplicadores Coecientes Transformaes
das incgnitas Elementares
L
(0)
1
a
(0)
11
a
(0)
12
a
(0)
13
L
(0)
2
m
21
= a
(0)
21
/a
(0)
11
a
(0)
21
a
(0)
22
a
(0)
23
L
(0)
3
m
31
= a
(0)
31
/a
(0)
11
a
(0)
31
a
(0)
32
a
(0)
33
L
(1)
2
0 a
(1)
22
a
(1)
23
L
(1)
2
m
21
L
(0)
1
+L
(0)
2
L
(1)
3
m
32
= a
(1)
32
/a
(1)
22
0 a
(1)
32
a
(1)
33
L
(1)
3
m
31
L
(0)
1
+L
(0)
3
L
(2)
3
0 0 a
(2)
33
L
(2)
3
m
32
L
(1)
2
+L
(1)
3
Sejam A
(0)
, A
(1)
, A
(2)
, M
(0)
e M
(1)
matrizes denidas conforme a seguir:
A
(0)
=
_
_
a
(0)
11
a
(0)
12
a
(0)
13
a
(0)
21
a
(0)
22
a
(0)
2n
a
(0)
31
a
(0)
32
a
(0)
33
_
_ Matriz A original
A
(1)
=
_
_
a
(0)
11
a
(0)
12
a
(0)
13
0 a
(1)
22
a
(1)
23
0 a
(1)
32
a
(1)
33
_
_ Matriz obtida ao nal do passo k = 1

A
(2)
=
_
_
a
(0)
11
a
(0)
12
a
(0)
13
0 a
(1)
22
a
(1)
23
0 0 a
(2)
33
_
_ Matriz obtida ao nal do passo k = 2

M
(0)
=
_
_
1 0 0
m
21
1 0
m
31
0 1
_
_
e M
(1)
=
_
_
1 0 0
0 1 0
0 m
32
1
_
_
Observe que:
M
(0)
A
(0)
=
_
_
1 0 0
m
21
1 0
m
31
0 1
_
_
_
_
a
(0)
11
a
(0)
12
a
(0)
13
a
(0)
21
a
(0)
22
a
(0)
2n
a
(0)
31
a
(0)
32
a
(0)
33
_
_
=
_
_
a
(0)
11
a
(0)
12
a
(0)
13
m
21
a
(0)
11
+a
(0)
21
m
21
a
(0)
12
+a
(0)
22
m
21
a
(0)
13
+a
(0)
23
m
31
a
(0)
11
+a
(0)
31
m
31
a
(0)
12
+a
(0)
32
m
31
a
(0)
13
+a
(0)
33
_
_
=
_
_
a
(0)
11
a
(0)
12
a
(0)
13
0 a
(1)
22
a
(1)
23
0 a
(1)
32
a
(1)
33
_
_ = A
(1)
De forma anloga podemos mostrar que M
(1)
A
(1)
= A
(2)
Resumindo, temos:
A
(0)
= A
A
(1)
= M
(0)
A
(0)
A
(2)
= M
(1)
A
(1)
..
M
(0)
A
(0)
= M
(1)
M
(0)
A
(0)
..
A
= M
(1)
M
(0)
A
Logo:
A
(2)
= M
(1)
M
(0)
A
Premultiplicando ambos os membros da expresso anterior pela inversa de M
(1)
M
(0)
,
obtemos:
(M
(1)
M
(0)
)
1
A
(2)
= (M
(1)
M
(0)
)
1
M
(1)
M
(0)
. .
I
A = IA = A
A = (M
(1)
M
(0)
)
1
A
(2)
= (M
(0)
)
1
(M
(1)
)
1
A
(2)
A =
_
_
1 0 0
m
21
1 0
m
31
0 1
_
_
. .
(M
(0)
)
1
_
_
1 0 0
0 1 0
0 m
32
1
_
_
. .
(M
(0)
)
1
_
_
a
(0)
11
a
(0)
12
a
(0)
13
0 a
(1)
22
a
(1)
23
0 0 a
(2)
33
_
_
. .
A
(2)
A =
_
_
1 0 0
m
21
1 0
m
31
m
32
1
_
_
. .
L
_
_
a
(0)
11
a
(0)
12
a
(0)
13
0 a
(1)
22
a
(1)
23
0 0 a
(2)
33
_
_
. .
U
Assim, podemos concluir que A = LU, sendo:
(i) U a matriz triangular superior obtida ao nal da fase de eliminao do mtodo de
Gauss;
(ii) L uma matriz triangular inferior, cujos elementos da diagonal principal so unitrios
e abaixo de cada elemento diagonal l
kk
= 1 encontram-se os multiplicadores da etapa
k da fase de eliminao com sinal trocado.
5.4.3 O Mtodo da Decomposio LU
Este mtodo, tambm conhecido como Mtodo de Doolittle, consiste na seguinte sequncia
de passos:
(i) Obter a fatorao LU da matriz A;
(ii) Fazer Ux = y;
(iii) Resolver o sistema triangular inferior Ly = b;
(iv) Obtida a soluo y do sistema Ly = b, resolver o sistema triangular superior Ux = y.
Exemplo: Resolver pelo Mtodo da Decomposio LU o seguinte sistema linear:
_
_
_
3x
1
+ 2x
2
+ 4x
3
= 1
x
1
+ x
2
+ 2x
3
= 2
4x
1
+ 3x
2
2x
3
= 3
(5.15)
(a) Obteno da fatorao LU da matriz dos coecientes:
Tabela 6: Fatorao LU da matriz do sistema (5.15)
L
(0)
1
3 2 4
L
(0)
2
m
21
= 1/3 1 1 2
L
(0)
3
m
31
= 4/3 4 3 -2
L
(1)
2
1/3
.
.
. 1/3 2/3 L
(1)
2
(1/3) L
(0)
1
+L
(0)
2
L
(1)
3
m
32
= (1/3)/(1/3) = 1 4/3
.
.
. 1/3 -22/3 L
(1)
3
(4/3) L
(0)
1
+L
(0)
3
L
(2)
3
4/3 1
.
.
. -8 L
(2)
3
1 L
(1)
2
+L
(1)
3
Logo:
A
(2)
=
_
_
3 2 4
. . . . . .
1/3
.
.
. 1/3 2/3
. . . . . . . . .
4/3 1
.
.
. 8
_
_
=L =
_
_
1 0 0
1/3 1 0
4/3 1 1
_
_
e U =
_
_
3 2 4
0 1/3 2/3
0 0 8
_
_
(b) Resoluo do sistema Ly = b:
_
_
_
y
1
+ = 1 y
1
= 1
(1/3)y
1
+ y
2
= 2 y
2
= 5/3
(4/3)y
1
+ y
2
+ y
3
= 3 y
3
= 0
y =
_
1 5/3 0

t
(c) Resoluo do sistema Ux = y:
_
_
_
3x
1
+ 2x
2
+ 4x
3
= 1 x
1
= 3
(1/3)x
2
+ (2/3)x
3
= 5/3 x
2
= 5
8x
3
= 0 x
3
= 0
x =
_
3 5 0

t
A obteno dos fatores L = [l
ij
] (com diagonal principal unitria) e U = [u
ij
] no
Mtodo de Doolittle pode ser realizada utilizando as seguintes frmulas:
u
1j
= a
1j
j = 1, , n
u
ij
= a
ij

i1
k=1
l
ik
u
kj
j = i, , n; i 2
l
i1
=
a
i1
u
11
i = 2, , n
l
ij
=
1
u
jj
_
a
ij

j1
k=1
l
ik
u
kj
_
i = j + 1, , n; j 2
Figura 5: Frmulas para obteno dos fatores L e U
5.5 O Mtodo da Decomposio LU com Pivotao Parcial
Para aplicar a estratgia de pivoteamento parcial ao Mtodo da Decomposio LU faz-se
necessrio armazenar um vetor de permutao P.
Mostremos atravs de um exemplo como o mtodo funciona.
Seja resolver o seguinte sistema linear:
_
_
_
3x
1
4x
2
+ x
3
= 9
x
1
+ 2x
2
+ 2x
3
= 3
4x
1
3x
3
= 2
(5.16)
(a) Fatorao LU:
Linha Multiplicadores Coecientes Transformaes Vetor
das incgnitas Elementares Permutao
L
(0)
1
3 -4 1 1
L
(0)
2
1 2 2 2
L
(0)
3
4 0 -3 3
L
(0)
1
4 0 -3 L
(0)
1
L
(0)
3
3
L
(0)
2
m
21
= 1/4 1 2 2 2
L
(0)
3
m
31
= 3/4 3 -4 1 L
(0)
3
L
(0)
1
1
L
(1)
2
1/4
.
.
. 2 11/4 L
(1)
2
(1/4) L
(0)
1
+L
(0)
2
2
L
(1)
3
3/4
.
.
. -4 13/4 L
(1)
3
(3/4) L
(0)
1
+L
(0)
3
1
L
(1)
2
3/4
.
.
. -4 13/4 L
(1)
2
L
(1)
3
1
L
(1)
3
m
32
= 2/(4) = 1/2 1/4
.
.
. 2 11/4 L
(1)
3
L
(1)
2
2
L
(2)
3
1/4 -1/2
.
.
. 35/8 L
(2)
3
(1/2) L
(1)
2
+L
(1)
3
2
Passo k = 1:
A matriz dos coecientes e o vetor de permutao originais so:
A
(0)
=
_
_
3 4 1
1 2 2
4 0 3
_
_
; P
(0)
=
_
_
1
2
3
_
_
Dado que na coluna k = 1 o maior elemento est na terceira linha, devemos permutar
as linhas L
1
e L
3
, o que resultar na seguinte matriz dos coecientes transformada:
A
(0)
=
_
_
4 0 3
1 2 2
3 4 1
_
_
; P
(0)
=
_
_
3
2
1
_
_
Prosseguindo com o Mtodo de Gauss, obtemos a seguinte matriz transformada ao
nal do passo k = 1:
A
(1)
=
_
_
4 0 3
1/4 2 11/4
3/4 4 13/4
_
_
; P
(1)
=
_
_
3
2
1
_
_
Passo k = 2:
Analogamente, dado que na coluna k = 2, o maior elemento est na terceira linha,
devemos permutar as linhas L
2
e L
3
, o que resultar na seguinte matriz dos coecientes
transformada:
A
(1)
=
_
_
4 0 3
3/4 4 13/4
1/4 2 11/4
_
_
; P
(1)
=
_
_
3
1
2
_
_
Encerrado o passo k = 2 obteremos:
A
(2)
=
_
_
4 0 3
3/4 4 13/4
1/4 1/2 35/8
_
_
; P
(2)
=
_
_
3
1
2
_
_
A partir da matriz A
(2)
extraimos as matrizes L e U:
L =
_
_
1 0 0
3/4 1 0
1/4 1/2 1
_
_
e U =
_
_
4 0 3
0 4 13/4
0 0 35/8
_
_
(b) Resoluo do sistema Ly =

b:
onde

b o resultado da aplicao do vetor de permutao ao vetor b.
Aplicando P
(2)
=
_
3 1 2

t
ao vetor b =
_
9 3 2

t
, obtemos:

b =
_
2 9 3

t
_
_
_
y
1
+ = 2 y
1
= 2
(3/4)y
1
+ y
2
= 9 y
2
= 21/2
(1/4)y
1
(1/2)y
2
+ y
3
= 3 y
3
= 35/4
y =
_
2 21/2 35/4

t
(c) Resoluo do sistema Ux = y:
_
_
_
4x
1
+ 0x
2
3x
3
= 2 x
1
= 1
4x
2
+ (13/4)x
3
= 21/2 x
2
= 1
(35/8)x
3
= 35/4 x
3
= 2
x =
_
1 1 2

t
5.6 Mtodo de Cholesky
Este mtodo se aplica quando a matriz dos coecientes A simtrica (A = A
t
) e denida
positiva (x
t
Ax > 0 x = 0). Nesta situao, a matriz A pode ser fatorada em
A = LU = LL
t
, sendo os elementos l
ij
de L obtidos a partir das seguintes frmulas:
l
11
=

a
11
l
ii
=
a
ii
i1
j=1
l
2
ij
i = 2, , n
l
i1
=
a
i1
l
11
i = 2, , n
l
ij
=
1
l
jj
_
a
ij

j1
k=1
l
ik
l
jk
_
i = j + 1, , n; j 2
Figura 6: Frmulas para obteno do fator L do Mtodo de Cholesky
Conhecido o fator L, o sistema Ax = L L
t
..
y
= b se resolve em dois passos. Primei-
ramente, resolvemos o sistema Ly = b, obtendo y como soluo. A seguir, resolvemos o
sistema L
t
x = y, obtendo x como soluo.
Observamos que em uma matriz denida positiva todos os autovalores da matriz so
positivos, isto , so positivas todas as razes do polinmio caracterstico det(AI) = 0).
Devido estabilidade numrica da decomposio de uma matriz simtrica denida po-
sitiva, no se faz necessrio o uso da pivotao parcial na decomposio de Cholesky.
Exemplo: Seja resolver o seguinte sistema linear pelo Mtodo de Cholesky:
_
_
_
4x
1
+ 2x
2
+ 14x
3
= 14
2x
1
+ 17x
2
5x
3
= 101
14x
1
5x
2
+ 83x
3
= 155
(5.17)
Soluo:
Procuremos coecientes l
ij
tais que:
_
_
4 2 14
2 17 5
14 5 83
_
_
. .
A
=
_
_
l
11
0 0
l
21
l
22
0
l
31
l
32
l
33
_
_
. .
L
_
_
l
11
l
21
l
31
0 l
22
l
32
0 0 l
33
_
_
. .
L
t
Resolvendo-o, obtemos:
l
11
=
a
11
=
4 = 2 l
21
=
a
21
l
11
=
2
2
= 1 l
31
=
a
31
l
11
=
14
2
= 7
l
22
=
_
a
22
l
2
21
=
17 1 = 4
l
32
=
1
l
22
(a
32
l
31
l
21
) =
1
4
(5 7 1) = 3
l
33
=
_
a
33
l
2
31
l
2
32
=
_
83 7
2
(3)
2
= 5
Conhecido o fator L, resolvamos, agora, o sistema triangular inferior Ly = b:
_
_
2 0 0
1 4 0
7 3 5
_
_
_
_
y
1
y
2
y
3
_
_
=
_
_
14
101
155
_
_
cuja soluo : y =
_
7 27 5

t
O passo seguinte, agora, resolver o sistema triangular superior Ux = L
t
x = y:
_
_
2 1 7
0 4 3
0 0 5
_
_
_
_
x
1
x
2
x
3
_
_
=
_
_
7
27
5
_
_
cuja soluo :
x =
_
3 6 1

t
5.7 Renamento da Soluo
Em vista da possibilidade de existncia de erros gerados nos clculos dos multiplicadores,
em geral a soluo x
(0)
de um sistema linear Ax = b no exata.
Procuremos, ento, uma soluo x
(1)
melhor que x
(0)
na forma:
x
(1)
= x
(0)
+
(0)
(5.18)
onde:
x
(0)
=
_
_
x
(0)
1
x
(0)
2
.
.
.
x
(0)
n
_
_
;
(0)
=
_
(0)
1
(0)
2
.
.
.
(0)
n
_
_
isto ,
(0)
a parcela de correo do vetor x
(0)
.
Logo, podemos escrever:
A x
(1)
= b
A( x
(0)
+
(0)
) = b
A x
(0)
+A
(0)
= b
A
(0)
= b A x
(0)
= R
(0)
A
(0)
= R
(0)
, isto , para determinarmos a parcela de correo A
(0)
basta
resolvermos um sistema linear onde A a matriz dos coecientes do sistema original e
R
(0)
o resduo produzido pela soluo x
(0)
.
Com isso, obteremos:
x
(1)
= x
(0)
+
(0)
=
_
_
x
(0)
1
+
(0)
1
x
(0)
2
+
(0)
2
.
.
.
x
(0)
n
+
(0)
n
_
_
Evidentemente, x
(1)
tambm pode no ser uma boa soluo. Neste caso, procura-
remos uma soluo ainda melhor x
(2)
, na forma: x
(2)
= x
(1)
+
(1)
, sendo a parcela de
correo
(2)
obtida resolvendo-se o sistema A
(1)
= R
(1)
, sendo R
(1)
o resduo produzido
pela soluo aproximada x
(1)
.
Este processo se repete at que uma das seguintes condies seja satisfeita:
(i) max
1in
|r
(k)
i
| < , onde a preciso estabelecida;
(ii) k > ITERMAX, onde ITERMAX o nmero mximo de iteraes.
Obs.: Dado o fato de que no processo de renamento de uma soluo devem ser resolvidos
vrios sistemas A
(k)
= R
(k)
, com k = 1, 2, , ITERMAX, sendo a matriz dos coeci-
entes a mesma, o mtodo mais indicado o da decomposio LU com pivotao parcial.
Exerccio
Resolva o sistema 5.19, a seguir, pelo Mtodo da Decomposio LU retendo durante os
clculos 3 casas decimais (com truncamento). Rene a soluo at que max
1in
|r
(k)
i
| < 0, 010
ou k > 2 iteraes.
_
_
_
3x
1
+ 5x
2
+ 3x
3
= 5
7x
1
3x
2
+ x
3
= 10, 416
2x
1
+ 4x
2
5x
3
= 19, 652
(5.19)
(a) Obteno da fatorao LU da matriz dos coecientes:
A tabela 8 apresenta os passos relativos fatorao LU, sem pivotao, da matriz dos
coecientes do sistema (5.19).
L
(0)
1
3 5 3
L
(0)
2
m
21
= 7/3 = 2, 333 7 -3 1
L
(0)
3
m
31
= 2/3 = 0, 666 2 4 -5
L
(1)
2
2,333
.
.
. -14,665 -5,999 L
(1)
2
2, 333 L
(0)
1
+ L
(0)
2
L
(1)
3
m
32
= (0, 670)/(14, 665) = 0, 045 0,666
.
.
. 0,670 -6,998 L
(1)
3
0, 666 L
(0)
1
+ L
(0)
3
L
(2)
3
0,666 -0,045
.
.
. -7,267 L
(2)
3
0, 045 L
(1)
2
+ L
(1)
3
Desta tabela resulta a seguinte matriz:
A
(2)
=
_
_
3 5 3
. . . . . . . .
2, 333
.
.
. 14, 665 5, 999
. . . . . . . . . . . . . .
0, 666 0, 045
.
.
. 7, 267
_
_
L =
_
_
1 0 0
2, 333 1 0
0, 666 0, 045 1
_
_
e U =
_
_
3 5 3
0 14, 665 5, 999
0 0 7, 267
_
_
(b) Determinao de x
(0)
:
(b.1) Resoluo do sistema Ly = b:
_
_
_
y
1
+ = 5 y
1
= 5
2, 333y
1
+ y
2
= 10, 416 y
2
= 1, 249
0, 666y
1
0, 045y
2
+ y
3
= 19, 652 y
3
= 16, 265
y =
_
5 1, 249 16, 265

t
(b.2) Resoluo do sistema Ux = y:
_
_
_
3x
1
+ 5x
2
+ 3x
3
= 5 x
1
= 2, 238
14, 665x
2
5, 999x
3
= 1, 249 x
2
= 1, 000
7, 267x
3
= 16, 265 x
3
= 2, 238
x
(0)
=
_
2, 238 1, 000 2, 238

t
(b.3) Avaliao de R
(0)
:
R
(0)
= b A x
(0)
=
_
_
5
10, 416
19, 652
_
_
_
_
3 5 3
7 3 1
2 4 5
_
_
_
_
2, 238
1, 000
2, 238
_
_
=
_
_
0
0, 012
0, 014
_
_
Como max
1i3
|r
(k)
i
| = 0, 014 > 0, 010 devemos prosseguir com o renamento da soluo
atual x
(0)
.
(c) Determinao de x
(1)
:
Como x
(1)
= x
(0)
+
(0)
, ento para calcular a nova soluo x
(1)
, devemos obter a
parcela
(0)
, a qual obtida resolvendo-se o sistema linear A
(0)
= R
(0)
.
(c.1) Resoluo do sistema Ly = R
(0)
:
_
_
_
y
1
+ = 0 y
1
= 0
2, 333y
1
+ y
2
= 0, 012 y
2
= 0, 012
0, 666y
1
0, 045y
2
+ y
3
= 0, 014 y
3
= 0, 014
y =
_
0 0, 012 0, 014

t
(c.2) Resoluo do sistema U
(0)
= y:
_
_
_
3
(1)
+ 5
(2)
+ 3
(3)
= 0
(1)
= 0, 001
14, 665
(2)
5, 999
(3)
= 0, 012
(2)
= 0, 000
7, 267
(3)
= 0, 014
(3)
= 0, 001

(0)
=
_
0, 001 0, 000 0, 001

t
(c.3) Determinao da nova soluo x
(1)
:
x
(1)
= x
(0)
+
(0)
=
_
_
2, 238
1, 000
2, 238
_
_
+
_
_
0, 001
0, 000
0, 001
_
_
=
_
_
2, 237
1, 000
2, 237
_
_
(c.4) Avaliao de R
(1)
:
R
(1)
= b A x
(1)
=
_
_
5
10, 416
19, 652
_
_
_
_
3 5 3
7 3 1
2 4 5
_
_
_
_
2, 237
1, 000
2, 237
_
_
=
_
_
0, 000
0, 006
0, 007
_
_
Como max
1i3
|r
(k)
i
| = 0, 007 < 0, 010, concluimos que x
(1)
a soluo do sistema (5.19)
com a preciso requerida.
5.8 Mtodos Iterativos
Tratam-se de mtodos nos quais a soluo x de um sistema linear Ax = b obtida como
limite de uma sequncia de aproximaes sucessivas x
(0)
, x
(1)
, x
(2)
, , x
(k)
, , sendo
dada uma aproximao inicial x
(0)
, isto :
x = lim
k
x
(k)
(5.20)
5.8.1 Mtodo de Jacobi
Seja o sistema linear Ax = b em sua forma expandida:
_
_
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
= b
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
x
1
+ a
n2
x
2
+ + a
nn
x
n
= b
n
Explicitemos x
1
na primeira equao, x
2
na segunda equao e assim sucessivamente.
x
1
=
b
1
(a
12
x
2
+a
13
x
3
+ +a
1n
x
n
)
a
11
x
2
=
b
2
(a
21
x
1
+a
23
x
3
+ +a
2n
x
n
)
a
22
.
.
.
x
n
=
b
n
(a
n1
x
1
+a
n2
x
2
+ +a
n,n1
x
n1
)
a
nn
O mtodo de Jacobi consiste na seguinte sequncia de passos:
(i) Escolher uma aproximao inicial x
(0)
=
_
x
(0)
1
x
(0)
2
x
(0)
n
_
t
arbitrria;
(ii) Gerar aproximaes sucessivas x
(k)
a partir de x
(k1)
com base nas seguintes equaes
de iterao:
x
(k)
1
=
b
1
(a
12
x
(k1)
2
+a
13
x
(k1)
3
+ +a
1n
x
(k1)
n
)
a
11
x
(k)
2
=
b
2
(a
21
x
(k1)
1
+a
23
x
(k1)
3
+ +a
2n
x
(k1)
n
)
a
22
.
.
.
x
(k)
n
=
b
n
(a
n1
x
(k1)
1
+a
n2
x
(k1)
2
+ +a
n,n1
x
(k1)
n1
)
a
nn
Sinteticamente, cada componente x
(k)
i
determinada com base na seguinte equao:
x
(k)
i
=
b
i
j=1
j=i
a
ij
x
(k1)
j
a
ii
i = 1, 2, , n (5.21)
Na forma matricial:
x
(k)
= J.x
(k1)
+D k = 1, 2, (5.22)
sendo J e D denidas de acordo com (5.23) e (5.24). A matriz J conhecida como
matriz de iterao de Jacobi.
J =
_
_
0 a
12
/a
11
a
13
/a
11
a
1n
/a
11
a
21
/a
22
0 a
23
/a
22
a
2n
/a
22
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
/a
nn
a
n2
/a
nn
a
n3
/a
nn
0
_
_
(5.23)
D =
_
_
b
1
/a
11
b
2
/a
22
.
.
.
b
n
/a
nn
_
_
(5.24)
(iii) Interromper o processo quando um dos critrios abaixo for satisfeito:
(1) max
1in
|x
(k)
i
x
(k1)
i
| < , onde a tolerncia permitida;
(2) k > ITERMAX, onde ITERMAX o nmero mximo de iteraes.
Exemplo:
Resolver o sistema (5.25), a seguir, pelo mtodo de Jacobi usando como aproximao
inicial x
(0)
=
_
0 0 0

t
e como critrio de parada max
1i3
|x
(k)
i
x
(k1)
i
| < 0, 002 ou
k > 10 iteraes:
_
_
_
10x
1
+ 2x
2
+ x
3
= 7
x
1
15x
2
+ x
3
= 32
2x
1
+ 3x
2
+ 10x
3
= 6
(5.25)
(a) Equaes de iterao:
x
(k)
= J.x
(k1)
+D, onde:
J =
_
_
0 2/10 1/10
1/15 0 1/15
2/10 3/10 0
_
_
D =
_
_
7/10
32/15
6/10
_
_
x
(k)
1
=
7 2x
(k1)
2
x
(k1)
3
10
x
(k)
2
=
32 x
(k1)
1
x
(k1)
3
15
x
(k)
3
=
6 2x
(k1)
1
3x
(k1)
2
10
(b) Determinao da soluo do sistema:
k x
(k)
1
x
(k)
2
x
(k)
3
Erro = max
1i3
|x
(k)
i
x
(k1)
i
|
0 0 0 0 -
1 0,7000 -2,1333 0,6000 2,1333
2 1,0667 -2,0467 1,1000 0,5000
3 0,9993 -1,9889 1,0007 0,0993
4 0,9977 -2,0000 0,9968 0,0111
5 1,0003 -2,0004 1,0005 0,0037
6 1,0000 -1,9999 1,0000 0,0004
Portanto, x =
_
1, 0000 1, 9999 1, 0000

t
a soluo do sistema (5.25) com pre-
ciso < 0, 001.
5.8.2 Convergncia do Mtodo de Jacobi
Seja o sistema Ax = b posto na forma x = Jx +D, onde J = (f
ij
)
nn
e:
f
ij
=
_
0 se i = j
a
ij
/a
jj
se i = j
Se x a soluo de Ax = b ento podemos escrever:
x = J x +D (5.26)
Por outro lado, as equaes de iterao no Mtodo de Jacobi so:
x
(k)
= Jx
(k1)
+D k = 1, 2, (5.27)
Fazendo (5.27) - (5.26), obtemos:
x
(k)
x = J
_
x
(k1)
x
_
k = 1, 2, (5.28)
Seja E
(k)
= x
(k)
x o erro cometido na k-sima iterao. Logo:
E
(k)
= J.E
(k1)
k = 1, 2, (5.29)
Ou, em termos de componentes:
_
_
e
(k)
1
= 0e
(k1)
1
+ f
12
e
(k1)
2
+ f
1n
e
(k1)
n
e
(k)
2
= f
21
e
(k1)
1
+ 0e
(k1)
2
+ f
2n
e
(k1)
n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
e
(k)
n
= f
n1
e
(k1)
1
+ f
n2
e
(k1)
n
+ 0e
(k1)
n
(5.30)
Aplicando propriedades de mdulo sobre as equaes do sistema (5.30), obtemos:
n
i=1
|e
(k)
i
|
e
(k1)
1
i=1
i=1
|f
i1
| +
e
(k1)
2
i=1
i=2
|f
i2
| + +
e
(k1)
n
i=1
i=n
|f
in
| (5.31)
Teorema: (Critrio das colunas) condio suciente para que o Mtodo de Jacobi
convirja que:
|a
jj
| >
n
i=1
i=j
|a
ij
| j = 1, 2, , n (5.32)
O critrio das colunas estabelece que se os elementos diagonais forem dominantes nas
colunas, ento o Mtodo de Jacobi converge, independentemente da soluo inicial.
Provaremos, agora, esse fato.
Prova:
Hiptese: Os elementos diagonais so dominantes nas colunas
Tese: e
(k)
i
0, isto , x
(k)
x
A partir da hiptese, isto , do fato de que:
|a
jj
| >
n
i=1
i=j
|a
ij
| j = 1, 2, , n
podemos escrever:
n
i=1
i=j
a
ij
a
jj
< 1 j = 1, 2, , n
i=1
i=j
|f
ij
| < 1 j = 1, 2, , n
Seja
n
i=1
i=j
|f
ij
| < L < 1 j = 1, 2, , n. Levando esse resultado na expresso (5.31),
obtemos:
n
i=1
e
(k)
i
L
n
i=1
e
(k1)
i
k = 1, 2,
Fazendo k = 1, 2, 3, podemos escrever:
n
i=1
e
(1)
i
L
n
i=1
e
(0)
i
i=1
e
(2)
i
L
n
i=1
e
(1)
i
L
2
n
i=1
e
(0)
i
.
.
.
n
i=1
e
(k)
i
L
k
n
i=1
e
(0)
i
Tendo em vista que 0 < L < 1, ento fazendo k , obteremos:

lim
k
n
i=1
e
(k)
i
0
Do resultado anterior extramos que
e
(k)
i
0 = e
(k)
i
0 i = 1, 2, , n. Assim,
como e
(k)
i
= x
(k)
i
x
i
i, obteremos: x
(k)
i
x
i
= x
(k)
x, conforme queramos
demonstrar.
5.8.3 Algoritmo do Mtodo de Jacobi
A Figura 7, a seguir, apresenta o pseudocdigo do Mtodo de Jacobi. Tol a tolerncia
admitida, ITERMAX o nmero mximo de iteraes permitida e x o vetor soluo, o
qual comea com uma aproximao inicial.
procedimento Jacobi(n, A, b, ITERMAX, Tol, x);
1 PARE FALSE;
2 k 0;
3 erro ;
4 enquanto (k < ITERMAX e erro Tol) faa
5 erro 0;
7 xant
i
x
i
;
8 m-para;
10 soma 0;
11 para j de 1 at n faa
12 se (j = i) ento soma soma + a
ij
xant
j
;
13 m-para;
14 x
i
(b
i
soma)/a
ii
;
15 se (|x
i
xant
i
| > erro) ento
16 erro |x
i
xant
i
|;
17 m-se;
18 m-para;
19 k k + 1;
20 m-enquanto;
21 se (erro < Tol ) ento
23 seno
24 Imprima: No houve convergncia em ITERMAX iteraes
m Jacobi
Figura 7: Algoritmo do Mtodo Iterativo de Jacobi
5.8.4 Mtodo de Gauss-Seidel
Este mtodo difere do anterior apenas com relao s equaes de iterao, as quais so:
x
(k)
1
=
b
1
(a
12
x
(k1)
2
+a
13
x
(k1)
3
+ +a
1n
x
(k1)
n
)
a
11
x
(k)
2
=
b
2
(a
21
x
(k)
1
+a
23
x
(k1)
3
+ +a
2n
x
(k1)
n
)
a
22
x
(k)
3
=
b
3
(a
31
x
(k)
1
+a
32
x
(k)
2
+ +a
3n
x
(k1)
n
)
a
33
.
.
.
x
(k)
n
=
b
n
(a
n1
x
(k)
1
+a
n2
x
(k)
2
+ +a
n,n1
x
(k)
n1
)
a
nn
Sinteticamente:
x
(k)
i
=
b
i
i1
j=1
a
ij
x
(k)
j

n
j=i+1
a
ij
x
(k1)
j
a
ii
i = 1, 2, , n (5.33)
Na forma matricial, o Mtodo de Gauss-Seidel pode ser posto na forma:
x
(k)
= Lx
(k)
+Ux
(k1)
+D (5.34)
sendo:
L =
_
_
0 0 0 0
a
21
/a
22
0 0 0
a
31
/a
33
a
32
/a
33
0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
/a
nn
a
n2
/a
nn
a
n3
/a
nn
0
_
_
U =
_
_
0 a
12
/a
11
a
13
/a
11
a
1n
/a
11
0 0 a
23
/a
22
a
2n
/a
22
0 0 0 a
31
/a
33
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 0
_
_
D =
_
_
b
1
/a
11
b
2
/a
22
.
.
.
b
n
/a
nn
_
_
A equao (5.34) pode ser escrita na forma x
(k)
= Gx
(k1)
+ D. De fato, a partir de
(5.34), podemos escrever:
x
(k)
Lx
(k)
= Ux
(k1)
+D
(I L) x
(k)
= Ux
(k1)
+D
x
(k)
= (I L)
1
U
. .
G
x
(k1)
+ (I L)
1
D
. .
D
x
(k)
= Gx
(k1)
+

D.
A matriz G, dada pela equao (5.35), a chamada matriz de iterao de Gauss-
Seidel.
G = (I L)
1
U (5.35)
Exemplo:
Resolver o sistema abaixo (que o mesmo sistema 5.25 usado para exemplicar o M-
todo de Jacobi) pelo Mtodo de Gauss-Seidel usando como aproximao inicial x
(0)
=
_
0 0 0

t
e como critrio de parada max
1i3
|x
(k)
i
x
(k1)
i
| < 0, 001 ou k > 10 iteraes:
_
_
_
10x
1
+ 2x
2
+ x
3
= 7
x
1
15x
2
+ x
3
= 32
2x
1
+ 3x
2
+ 10x
3
= 6
(a) Equaes de iterao:
x
(k)
= Lx
(k)
+Ux
(k1)
+D, onde:
L =
_
_
0 0 0
1/15 0 0
2/10 3/10 0
_
_
, U =
_
_
0 2/10 1/10
0 0 1/15
0 0 0
_
_
e D =
_
_
7/10
32/15
6/10
_
_
x
(k)
1
=
7 2x
(k1)
2
x
(k1)
3
10
x
(k)
2
=
32 x
(k)
1
x
(k1)
3
15
x
(k)
3
=
6 2x
(k)
1
3x
(k)
2
10
(b) Determinao da soluo do sistema:
k x
(k)
1
x
(k)
2
x
(k)
3
Erro = max
1i3
|x
(k)
i
x
(k1)
i
|
0 0 0 0 -
1 0,7000 -2,0867 1,0860 2,0867
2 1,0087 -1,9937 0,9964 0,3087
3 0,9991 -2,0003 1,0003 0,0096
4 1,0000 -2,0000 1,0000 0,0009
Portanto, x =
_
1, 0000 2, 0000 1, 0000

t
a soluo do sistema (5.25) com pre-
ciso < 0, 001.
5.8.5 Algoritmo do Mtodo de Gauss-Seidel
A Figura 8, a seguir, apresenta o pseudocdigo do Mtodo de Gauss-Seidel. Tol a
tolerncia admitida, ITERMAX o nmero mximo de iteraes permitida e x o vetor
soluo, o qual comea com uma aproximao inicial.
5.8.6 Convergncia dos Mtodos Iterativos
Para os mtodos iterativos de Jacobi e Gauss-Seidel so vlidos os seguintes critrios de
convergncia:
CRITRIO DAS COLUNAS: condio suciente para que um sistema linear con-
virja usando um mtodo iterativo que:
|a
jj
| >
n
i=1
i=j
|a
ij
| j = 1, 2, , n
Alm do mais, quanto mais prximo de zero estiver a relao max
1jn
n
i=1
i=j
|a
ij
|
|a
jj
|
, mais
rpida ser a convergncia.
procedimento Gauss-Seidel(n, A, b, ITERMAX, Tol, x);
1 PARE FALSE;
2 k 0;
3 erro ;
4 enquanto (k < ITERMAX e erro Tol) faa
5 erro 0;
7 xant x
i
;
8 soma 0;
9 para j de 1 at n faa
10 se (j = i) ento soma soma + a
ij
x
j
;
11 m-para;
12 x
i
(b
i
soma)/a
ii
;
13 se (|x
i
xant| > erro) ento
14 erro |x
i
xant|;
15 m-se;
16 m-para;
17 k k + 1;
18 m-enquanto;
19 se (erro < Tol ) ento
21 seno
22 Imprima: No houve convergncia em ITERMAX iteraes
m Gauss-Seidel
Figura 8: Algoritmo do Mtodo Iterativo de Gauss-Seidel
CRITRIO DAS LINHAS: condio suciente para que um sistema linear convirja
usando um mtodo iterativo que:
|a
ii
| >
n
j=1
j=i
|a
ij
| i = 1, 2, , n
Alm do mais, quanto mais prximo de zero estiver a relao max
1in
n
j=1
j=i
|a
ij
|
|a
ii
|
, mais
rpida ser a convergncia.
CRITRIO DE SASSENFELD: Seja
i
=
i1
j=1
(|a
ij
|
j
) +
n
j=i+1
|a
ij
|
|a
ii
|
(5.36)
condio suciente para que um mtodo iterativo convirja, que:
= max
1in
i
< 1
Alm disso, quanto menor for mais rpida ser a convergncia.
CRITRIO DO RAIO ESPECTRAL: condio necessria e suciente para que
um mtodo iterativo convirja que (F) < 1, isto , que o raio espectral (maior
autovalor, em mdulo) da matriz de iterao do mtodo seja menor que a unidade.
Alm disso, quanto mais prximo de zero for (F) mais rpida ser a convergncia.
Exemplo 1:
Vericar se h garantia de convergncia do sistema a seguir usando um mtodo iterativo.
_
_
_
3x
1
+ x
3
= 3
x
1
x
2
= 1
2x
1
+ x
2
+ 3x
3
= 9
(5.37)
(a) Critrio das colunas:
|a
11
| = |3| = 3 > |a
21
| +|a
31
| = |1| +|2| = 3
|a
22
| = | 1| = 1 > |a
12
| +|a
32
| = |1| +|0| = 2
|a
33
| = |3| = 3 > |a
13
| +|a
23
| = |2| +|1| = 3
Como o critrio das colunas no vericado para as colunas 1 e 2 (bastava que no fosse
satisfeito para uma nica coluna), concluimos que esse critrio no garante convergncia
se usarmos um mtodo iterativo.
(b) Critrio das linhas:
|a
11
| = |3| = 3 > |a
12
| +|a
13
| = |0| +|1| = 1
|a
22
| = | 1| = 1 > |a
21
| +|a
23
| = |1| +|0| = 1
|a
33
| = |3| = 3 > |a
31
| +|a
32
| = |2| +|1| = 3
Como o critrio das linhas no vericado para as linhas 2 e 3, concluimos que no h
garantia de convergncia, por esse critrio, se usarmos um mtodo iterativo.
(c) Critrio de Sassenfeld:
1
=
|a
12
|+|a
13
|
|a
11
|
=
|0|+|1|
|3|
= 1/3
2
=
|a
21
|
1
+|a
23
|
|a
22
|
=
|1|
1
3
+|0|
|1|
= 1/3
3
=
|a
31
|
1
+|a
32
|
2
|a
33
|
=
|2|
1
3
+|1|
1
3
|3|
= 1/3
= max
1i3
j
= max{
1
3
,
1
3
,
1
3
} =
1
3
Como = 1/3 < 1 resulta que o critrio de Sassenfeld foi satisfeito. Portanto, pode-se
aplicar um mtodo iterativo ao sistema (5.37), uma vez que h garantia de convergncia
do mesmo.
Exemplo 2:
Vericar se h garantia de convergncia do sistema a seguir usando um mtodo itera-
tivo.
_
_
_
0, 5x
1
+ 0, 6x
2
+ 0, 3x
3
= 0, 2
x
1
+ x
2
+ x
3
= 0
0, 4x
1
0, 4x
2
+ 1x
3
= 0, 6
(5.38)
Soluo:
Claramente os critrios da linha e da coluna no se aplicam. Apliquemos, ento, o
critrio do raio espectral. As matrizes de iterao dos mtodos de Jacobi e Gauss-Seidel,
dadas respectivamente por (5.23) e (5.35), so:
J = L +U =
_
_
0 1, 2 0, 6
1 0 1
0, 4 0, 4 0
_
_
= (J) = 1, 1200
S = (I L)
1
U =
_
_
0 1, 2 0, 6
0 1, 2 0, 4
0 0, 96 0, 08
_
_
= (S) = 0, 6928
Como (J) > 1 e (S) < 1 ento somente pelo Mtodo de Gauss-Seidel haver conver-
gncia.
5.9 Clculo de Determinantes
Um subproduto da resoluo de sistemas lineares por meio de mtodos diretos o clculo
de determinantes. Mostremos como calcular o determinante de uma matriz pelo Mtodo
da Decomposio LU.
Como vimos, 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
triangular superior, isto : A = LU. Assim, podemos escrever:
det(A) = det(L.U) = (det(L)) (det(U))
=
_
n
i=1
l
ii
_
_
n
i=1
u
ii
_
=
n
i=1
u
ii
= produto dos pivs
No caso de haver pivoteamento:
det(A) = (1)
k
det(L.U) = (1)
k
produto dos pivs
sendo k o nmero de trocas de linhas que ocorreram durante o processo de decomposio.
Exemplo:
Na decomposio LU da matriz
A =
_
_
3 4 1
1 2 2
4 0 3
_
_
com decomposio parcial, obtemos os seguintes fatores L e U:
L =
_
_
1 0 0
3/4 1 0
1/4 1/2 1
_
_
e U =
_
_
4 0 3
0 4 13/4
0 0 35/8
_
_
com 2 trocas de linhas. Logo:
det(A) = (1)
k
det(L.U) = (1)
2
4 (4) 35/8 = 70
5.10 Sistemas Lineares Complexos
Um sistema linear Ax = b dito complexo se seus elementos so nmeros complexos, isto
, se:
A = M +Ni
x = s +ti
b = c +di
sendo M e N matrizes n n, s, t, c, d vetores n 1 e i
2
= 1.
Exemplo: Dado o sistema linear complexo:
_
(2 + 3i)x
1
+ (4 2i)x
2
= 3 + 5i
7ix
1
4x
2
= 9 + 3i
(5.39)
temos:
A =
_
2 + 3i 4 2i
7i 4
_
, x =
_
s
1
+t
1
i
s
2
+t
2
i
_
, b =
_
3 + 5i
9 + 3i
_
M =
_
2 4
0 4
_
, N =
_
3 2
7 0
_
, c =
_
3
9
_
, d =
_
5
3
_
Para descomplexicar esse sistema procedemos como segue:
Ax = b
(M +Ni)(s +ti) = (c +di)
Ms +Nsi +Mti +Nti
2
= c +di
Ms +Nsi +Mti Nt = c +di
Ms Nt + (Ns +Mt)i = c +di
Como duas entidades complexas so iguais se forem iguais as suas partes real e imagi-
nria, ento:
_
Ms Nt = c
Ns + Mt = d
As equaes anteriores formam um sistema linear de coecientes reais, cujas incgnitas
so os vetores s e t, que pode ser resolvido por qualquer um dos mtodos apresentados
anteriormente. Esse sistema pode ser colocado na seguinte forma matricial:
_
M N
N M
_ _
s
t
_
=
_
c
d
_
Exemplo: Resolver o sistema (5.39) por qualquer mtodo numrico.
5.11 Clculo da Inversa de uma Matriz
Seja A
nn
a matriz que se deseja inverter. Se A
nn
possui a inversa X
nn
ento AX = I.
Sejam X
1
, X
2
, , X
n
as colunas de X. Para se achar a matriz inversa faz-se necessrio
resolver n sistemas lineares cuja matriz dos coecientes a mesma, isto , devem ser
resolvidos os sistemas:
AX
1
= ( 1 0 0 0 )
t
AX
2
= ( 0 1 0 0 )
t
.
.
.
AX
n
= ( 0 0 0 1 )
t
O mtodo mais indicado para calcular a inversa de uma matriz o Mtodo da Decom-
posio LU, uma vez que tem-se que resolver vrios sistemas lineares com uma mesma
matriz dos coecientes.
Exerccio:
Aplicar o mtodo anterior para encontrar a inversa da matriz:
A =
_
_
3 5 3
7 3 1
2 4 5
_
_
5.12 Comparao entre Mtodos
A Tabela 9 compara os mtodos iterativos e diretos com relao a vrios aspectos.
Tabela 9: Comparao entre os mtodos numricos
Item Mtodo Direto Mtodo Iterativo
Convergncia A soluo sempre obtida H garantia de obter soluo
somente sob certas condies
Nmero de possvel determinar a priori No possvel determinar a
operaes o nmero de operaes necessrias princpio a complexidade
Esparsidade Destri a esparsidade da matriz Preserva a esparsidade da
durante a fase de eliminao matriz
Erros de Os erros aparecem durante a Apenas a soluo corrente
arredondamento aplicao das transformaes sujeita a erro. No h
elementares sobre as equaes propagao dos erros porque
do sistema. Esse erro se propaga so usados os coecientes
porque as transformaes de cada originais da matriz A e vetor
fase so realizadas a partir de b no clculo das componentes
equaes transformadas da fase da soluo.
anterior, as quais esto sujeitas
a erros. Essa propagao de erros
pode ser minimizada usando-se
tcnicas de pivoteamento.
5.13 Mal Condicionamento de Sistemas Lineares
Resolva os sistemas lineares (a) e (b) a seguir e compare suas solues.
(a)
_
x y = 1
x 1, 00001y = 0
e (b)
_
x y = 1
x 0, 99999y = 0
O que aconteceu e por qu? Esta uma situao em que o sistema dito mal condi-
cionado".
Dizemos que um sistema bem condicionado (estvel) se pequenas mudanas nos coe-
cientes e nos termos independentes acarretam pequenas mudanas na soluo do sistema.
No caso de sistemas mal condicionados, pequenas mudanas nos dados de entrada
provocam grandes variaes na soluo nal.
Um critrio prtico para vericar se um sistema mal condicionado consiste em avaliar
o determinante normalizado da matriz dos coecientes, a saber:
det(NormA) =
det A
2
. . .
n
(5.40)
onde
i
=
_
a
2
i1
+a
2
i2
+ +a
2
in
Se o mdulo desse determinante estiver muito prximo de zero (| det(NormA)| 1)
pode-se esperar o mal condicionamento do sistema.
Exerccio:
Verique se o sistema (5.41) mal condicionado.
_
_
_
7x
1
+ 8x
2
+ 9x
3
= 24
8x
1
+ 9x
2
+ 10x
3
= 27
9x
1
+ 10x
2
+ 8x
3
= 27
(5.41)
5.14 Aplicaes
5.14.1 Eletricidade
Seja o diagrama de circuito dado pela Figura 9:
0 V
100 V
1
2
3
A
B
5
1
2
2
3
Figura 9: Diagrama de circuito de uma rede eltrica
Pela Lei de Ohm, a corrente que ui do n p para o n q de uma rede eltrica
calculada com base na frmula I
pq
=
V
p
V
q
R
pq
, com I em ampres e R em Ohms, sendo V
p
e V
q
as voltagens nos ns p e q, respectivamente, e R
pq
a resistncia no arco pq.
Pela Lei de Kircho, a soma das correntes que chegam a cada n nula; assim, as
equaes que relacionam as voltagens podem ser obtidas.
Para o diagrama de circuito considerado, pede-se:
(a) Obter as equaes dos ns 1, 2 e 3;
(b) Aplique o critrio de Sassenfeld ao sistema resultante para mostrar que o mesmo
converge usando um mtodo iterativo;
(c) Resolver o sistema formado por um mtodo iterativo, com < 0.5, a m de se obter
as voltagens em cada n do circuito.
Resposta: A soluo do sistema que contm as voltagens do circuito com erro < 0, 5 ,
pelo Mtodo de Gauss-Seidel:
V =
_
_
74, 99
70, 95
59, 17
_
_
Observao: A soluo exata

V = [76 72 60]
t
:
5.14.2 Estequiometria de reao qumica
Equilibrar a reao qumica:
KMnO
4
+ H
2
SO
4
+ NaNO
2
=K
2
SO
4
+ MnSO
4
+ NaNO
3
+ H
2
O
Sugesto: Atribua coecientes x
i
s substncias que aparecem na equao. Como pela Lei
de Lavoisier, em uma reao qumica a soma das massas dos reagentes igual soma das
massas dos produtos resultantes, ento iguale a quantidade de cada elemento qumico que
aparece no lado esquerdo da equao quantidade desse mesmo elemento que aparece no
lado direito da equao. Esse procedimento, feito para cada elemento qumico, resultar
em um sistema de equaes lineares, onde as incgnitas so os coecientes estequiomtri-
cos x
i
da reao qumica. No caso de haver mais incgnitas do que equaes, o sistema
indeterminado, isto , h uma innidade de solues para ele. Para gerar uma dessas
solues, basta atribuir um valor qualquer a uma das incgnitas. Caso apaream valores
negativos para alguma incgnita, tente outra atribuio, j que no caso real os coecientes
estequiomtricos so nmeros inteiros positivos. Se a soluo do sistema for fracionria,
multiplique-a pelo determinante do sistema. Isto far com que todos os coecientes sejam
inteiros.
Resposta: Uma das possveis solues :
2KMnO
4
+ 3H
2
SO
4
+ 5NaNO
2
=K
2
SO
4
+ 2MnSO
4
+ 5NaNO
3
+ 3H
2
O
Referncias
[1] L.C. Barroso, M.M.A. Barroso, F.F. Campos Filho, M.L.B. de Carvalho e M.L. Maia.
Clculo Numrico (com aplicaes), Editora HARBRA, So Paulo, 2
a
edio, 1987.
[2] F.F. Campos Filho, Algoritmos Numricos, Livros Tcnicos Cientcos Editora, 2
a
edio, Rio de Janeiro, 2007.
[3] E. Kreyzig, Advanced Engineering Mathematics, John Wiles & Sons Inc., 70th
edition, New York, 1993.
[4] M.A.G. Ruggiero e V. L. R. Lopes, Clculo Numrico: Aspectos Tericos e Compu-
tacionais, Editora McGraw-Hill, So Paulo, 1988.

Sistemas Lineares

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Sistemas Lineares

Uploaded by

Copyright:

Available Formats

Mtodos Numricos, Notas de aula, 2009.

c Departamento de Computao, Universidade Federal de Ouro Preto.

_ Matriz obtida ao nal do passo k = 1

_ Matriz obtida ao nal do passo k = 2

Tendo em vista que 0 < L < 1, ento fazendo k , obteremos:

You might also like