Clculo Numrico-Sistemas Lineares Prof.

Carlos Gonalves [1]

2 Sistemas Lineares
Introduo
Estima-se que em 75% dos problemas cientficos encontrados, a busca da
soluo recai, em algum estgio, num sistema linear de equaes, e.g.,
Interpolao, ajuste de curvas, soluo de sistemas de equaes no
lineares, soluo de equaes diferenciais usando diferenas finitas e
clculo de autovalores e autovetores.
2.1 Conceitos Fundamentais
Definio 1: Matriz Real
Uma matriz real =

um conjunto com elementos de m linhas por

n colunas, ordenados do seguinte modo:

=

11

12

1

21

22

2

1

2

= 1, ,
= 1, ,

Se m=n ento a matriz dita quadrada.
Um vetor coluna uma matriz consistindo de uma nica coluna, i.e.,
=

11

21

1

Definio 2: Matriz Diagonal
Uma matriz D dita diagonal =

, = = 1, , , onde:

=
0,

, =
=

1
0 0
0
2
0

0 0

Se

= 1, = 1, , , ento D dita matriz identidade de ordem m e

denotada I
m
:
Clculo Numrico-Sistemas Lineares Prof. Carlos Gonalves [2]

=
1 0 0
0 1 0

0 0 1

Definio 3: Igualdade de Matrizes
Sejam
=

, = 1, , ; = 1, ,
=

, = 1, , ; = 1, ,

Ento =

, = 1, , ; = 1, , .
Operaes com Matrizes
Sejam

,


Define-se ento:
Soma de Matrizes: ( +)

, = 1, , ; = 1, , .
Multiplicao da matriz por um real: ()

, = 1, , ; =
1, , .
Sejam

,


A matriz C o produto das matrizes A e B se,

= (

) =

=1

Definio 4: Matriz Transposta
Seja a matriz A dada por

. Ento a transposta de A que

denotamos por A
t
e dada por:
Clculo Numrico-Sistemas Lineares Prof. Carlos Gonalves [3]

, = 1, , ; = 1, ,
Definio 5: Matriz Triangular
Matriz triangular uma matriz de uma das seguintes formas:
=

11
0 0

21

22
0

1

2

, =

11

12

1
0
22

2

0 0

U dita triangular superior e L triangular inferior.
Observe que:
L triangular inferior

= 0, >
U triangular superior

= 0, <
Definio 6: Diz-se que uma matriz diagonalmente dominante se
|

| >

, i = 1, . . . , n

=1

Definio 7: Determinante de uma Matriz
Determinante de uma matriz uma funo com valores reais, definida no
conjunto

das matrizes m x m :

.
Denotaremos det(A) o determinante de uma matriz quadrada A
m x m
.
As trs regras dadas a seguir so suficientes para computar det(A) para
qualquer matriz A
m x m
.
i. O determinante de uma matriz no se altera se adicionarmos uma
linha (coluna) multiplicada por um nmero outra linha (coluna);
ii. O determinante de uma matriz triangular dado pelo produto dos
elementos da diagonal;
iii. Se duas linhas (colunas) so trocadas o valor do determinante
multiplicado por -1.
Definio 8: Matriz Singular
Dizemos que A
m x m
singular se det(A) =0.
Clculo Numrico-Sistemas Lineares Prof. Carlos Gonalves [4]
Definio 8: Matriz Inversa
Se A no singular ento existe a matriz inversa de A que denotamos A
-1
e
satisfaz:

1
=
1
=

2.2 Sistemas De Equaes Lineares
Sejam a matriz real A
m x m
, x e b vetores colunas. Um sistema de equaes
lineares ou apenas sistema linear, uma equao do tipo = , onde:

11

12

1

21

22

2

1

2

Equao 1
A Equao 1 e a forma = so formas vetoriais do sistema de equaes.
Um sistema linear tambm pode ser escrito como se segue:

11

1
+
12

2
++
1

=
1

21

1
+
22

2
++
2

=
2

1
+
2

2
++

Equao 2
Ou ainda,

, = 1, ,

=1

Resolver o sistema da Equao 1 significa determinar um vetor coluna =
(
1
, ,

satisfazendo todas as equaes da Equao 2.

Claro est que se A no singular, ento temos que:
= =
1

Clculo Numrico-Sistemas Lineares Prof. Carlos Gonalves [5]
Teoricamente o problema est solucionado, todavia, na prtica,
determinar a inversa de uma matriz no uma tarefa computacional fcil.
2.2.1 Classificao Quanto Ao Nmero De Solues
Um sistema linear pode ser classificado quanto ao nmero de solues
que admite, da seguinte forma:
a) Sistema possvel ou consistente: todo sistema que possui ao menos
uma soluo. Um sistema linear possvel :
i. Determinado, se admite uma nica soluo;
ii. Indeterminado, se admite mais de uma soluo.
b) Sistema impossvel ou inconsistente: todo sistema linear que no tem
soluo.
2.2.2 Transformaes Elementares
Chamam-se transformaes elementares s seguintes operaes sobre as
equaes de um sistema linear:
a) Trocar a ordem de duas equaes do sistema.
b) Multiplicar uma equao do sistema por uma constante no nula.
c) Adicionar duas equaes do sistema.
2.2.3 Definio: Dois sistemas lineares S
1
e S
2
sero equivalentes se S
2

puder ser obtido de S
1
atravs de transformaes elementares. Dois
sistemas lineares equivalentes admitem a mesma soluo.
2.4 Resoluo De Um Sistema Linear
A soluo numrica de um sistema linear feita em geral por dois
mtodos: o direto e o iterativo. Qual deles usar depender de cada caso.
2.4.1 Mtodos Diretos
Determinam a soluo de um sistema linear com um nmero finito de
operaes, sem se considerar os erros de arredondamentos.
Mtodo de Eliminao de Gauss
Clculo Numrico-Sistemas Lineares Prof. Carlos Gonalves [6]
Com (n-1) passos o sistema linear = transformado no sistema
triangular superior equivalente, = , o qual se resolve facilmente por
substituio retroativa.
Exemplo: Resolver pelo mtodo de Gauss o sistema:

2
1
+ 3
2

3
= 5
4
1
+ 4
2
3
3
= 3
2
1
3
2
+
3
= 1

Soluo: Escreva a matriz aumentada do sistema, i.e.,
= ( |) =
2 3 1 5
4 4 3 3
2 3 1 1


A estratgia transformar a matriz B
0
= B em triangular superior, atravs
de transformaes elementares em seus elementos, e.g., tomando-se
como piv o coeficiente
11
= 2, e calculando-se os multiplicadores para

11
de tal ordem que os coeficientes
21
e
31
ao se somar com

11
tornem-se zero (a 1 equao fica inalterada!).
Passo 1: Denotaremos os coeficientes dos pivs e as linhas nos sucessivos
passos por

(1)
, = 1, , , e

(1)
, respectivamente, sendo os
sobrescritos em parnteses o ndice da matriz transformada. Seja ento

11
(0)
=
11
= 2, aps as operaes e eliminaes, vem:

1
=
2 3 1 5
0 2 1 7
0 6 2 6

Passo 2: Seja agora
22
(1)
= 2, logo,

2
=
2 3 1 5
0 2 1 7
0 0 5 15
~
2
1
+ 3
2

3
= 5
0
1
2
2

3
= 7
0
1
+ 0
2
+ 5
3
= 15

Clculo Numrico-Sistemas Lineares Prof. Carlos Gonalves [7]
Resolvendo o sistema triangular superior por substituio retroativa, tem-
se como soluo = (
1 2 3
)

, que tambm soluo para o sistema

dado.
Dispositivo Prtico
Pode-se montar um arranjo tabular como o mostrado abaixo para realizar
as operaes e transformaes necessrias, ocupando pouco espao no
papel.
Linha Multiplicador Coeficientes Termos
Independentes
Transformaes
L1 2 3 -1 5
L2

21
(0)
=-4/2=-2
4 4 -3 3
L3

31
(0)
=-2/2=-1
2 -3 1 -1
L4 0 -2 -1 -7 -2*L1+L2
L5

54
(1)
=-6/-2=3
0 -6 2 -6 -1*L1+L3
L6 0 0 5 15 -3*L4+L5

O sistema triangular superior obtido tem como equaes as linhas L1, L4 e
L6, i.e.,

2
1
+ 3
2

3
= 5
0
1
2
2

3
= 7
0
1
+ 0
2
+ 5
3
= 15

Cuja soluo obtida por substituio retroativa = (
1 2 3
)

.
Clculo do Determinante
O determinante da matriz de coeficientes [A] calculado a partir do
produto dos coeficientes a
ii
da diagonal principal, i.e.:
|| =

=
3
=1

11

22

33

=1
= 2 (2) 5 = 20
Como o || 0, ento a soluo nica.

Clculo Numrico-Sistemas Lineares Prof. Carlos Gonalves [8]
Exerccio 1: Resolva pelo mtodo de Gauss, usando 2 casas decimais, o
sistema abaixo dado por:

1
+
2
+
3
= 4
2
1
+ 3
2
+
3
= 9

1

2

3
= 2

Resp.: = (
1 2 1
)

Exerccio 2: Resolva pelo mtodo de Gauss, usando arredondamento
simtrico para 2 casas decimais durante os clculos, o sistema abaixo
dado por:

8.7
1
+ 3.0
2
+ 9.3
3
+ 11.0
4
= 16.4
24.5
1
8.8
2
+ 11.5
3
45.1
4
= 49.7
52.3
1
84.0
2
23.5
3
+ 11.4
4
= 80.8
21.0
1
81.0
2
13.2
3
+ 21.5
4
= 106.3

Resp.: A resposta correta = (
1 2 1 1
)

, mas com os
arredondamentos usados se obter valores aproximados um pouco
menores.
Suponha que voc tenha obtido = (
0.97 1.98 0.97 1
)

. Uma
medida para avaliar a preciso dos clculos estimar o resduo, que
dado por:
=
Ou seja,
=
16.4
49.7
80.8
106.3

8.7 3.0 9.3 11.0
24.5 8.8 11.5 45.1
52.3 84.0 23.5 11.4
21.0 81.0 13.2 21.5

0.97
1.98
0.97
1.00

Donde:
=
0.042
0.214
0.594
0.594

Clculo Numrico-Sistemas Lineares Prof. Carlos Gonalves [9]
2.4.1.1 Refinamento de Solues
Ao se trabalhar com aproximaes nos clculos, as imprecises so
inevitveis devido propagao dos erros nos arredondamentos, assim,
podemos melhorar uma soluo encontrada minimizando o efeitos
destes erros na soluo final usando a tcnica dos resduos. A tcnica a
seguinte:
Seja
(0)
a soluo aproximada para o sistema Ax = b. Ento a soluo
melhorada obtida de
(1)
=
(0)
+
(0)
, onde
(0)
parcela de ajuste.
Assim:

(1)
=
(0)
+
(0)
=
(0)
+
(0)
=
Segue-se que:

(0)
=
(0)

(0)
=
(0)

Logo, para obter-se a parcela de ajuste, basta resolver agora o sistema
linear
(0)
=
(0)
. Caso se deseje melhor uma aproximao o processo
repetido, i.e., resolve-se um novo sistema
(1)
=
(1)
, onde
(1)
,
(1)
,
so a parcela de ajuste para
(1)
, e
(1)
o resduo produzido por
(1)
,
respectivamente.
Exemplo: Do sistema linear do exemplo anterior, vimos que:
= (
0.97 1.98 0.97 1
)

Com resduo = (
0.042 0.214 0.594 0.594
)

.
Ento,
(1)
=
(0)
+
(0)
e =
(0)
, o clculo do ajuste feito pelo
sistema
(0)
=
(0)
, que fornece o resultado:

(0)
= (
0.0295 0.0195 0.0294 0.0000
)

A nova soluo ser:

(1)
=
(0)
+
(0)
= (
1.000 2.000 0.999 1.000
)

Cujo resduo :
Clculo Numrico-Sistemas Lineares Prof. Carlos Gonalves [10]

(1)
= (
0.009 0.011 0.024 0.013
)

O processo pode ser refeito at que o resduo chegue a zero ou prximo
disso. Fica como exerccio a repetio deste processo, no qual se verificar
que o
(2)
= (
0.0 0.0 0.0 0.0
)

, como desejado.

Exemplo: Interpolao polinomial.
Imagine que queiramos passar um
polinmio quadrtico (i.e., uma
parbola), pelos pontos A=(x
1
,y
1
),
B=(x
2
,y
2
), e C=(x
3
,y
3
) (v. figura).
Um polinmio quadrtico escrito, na
sua forma geral, como:
() = + +
Ora, como o objetivo determinar o polinmio quadrtico, as incgnitas so
os trs coeficientes a, b e c. Para encontrar as incgnitas dispomos de trs
equaes, pois o grfico do polinmio deve passar pelos trs pontos
dados: p(x
1
)=y
1
, p(x
2
)=y
2,
e

p(x
3
)=y
3.
.
Explicitando as equaes, ficamos com:

1
2
+
1
+ =
1

2
2
+
2
+ =
2

3
2
+
3
+ =
3

Reescrevendo-as evidenciamos o carter de sistema linear do problema,
pois as incgnitas agora so a, b, e c, vem:

1
2
+
1
+ =
1

2
2
+
2
+ =
2

3
2
+
3
+ =
3

De acordo com as condies dadas, pede-se determinar a parbola que
passa pelos pontos A=(0.54,1.99), B=(2.46,-1.03), C=(4.02,-1.65), usando
arredondamento simtrico com duas decimais.
Clculo Numrico-Sistemas Lineares Prof. Carlos Gonalves [11]
Soluo: Aps formar o sistema linear abaixo, vamos usar o mtodo de
Gauss para resolv-lo.

0.54 + 0.54 + = 1.99

2.46 + 2.46 + = 1.02
4.02 + 4.02 + = 1.65


O dispositivo prtico teria a seguinte apresentao:
Linha Multip. Coeficientes T. Indep. Transf. Var.
(1)

0,2916 0,54 1 1,99

a=0,334443
(2) -20,7531 6,0516 2,46 1 -1,02 m21*L1+L2
(3) -55,4198 16,1604 4,02 1 -1,65 m31*L1+L3
(4)

0 -8,74667 -19,7531 -42,3186

b=-2,57104
(5) -2,96189 0 -25,9067 -54,4198 -111,935

(6)

0 4,086721 13,40786

c=3,280837
A resposta ser o vetor coluna = (

)

que obtido a partir da

soluo aproximada do sistema linear dado pelo mtodo de Gauss, i.e.,
= (
0.33 2.57 3.28
)

.
Assim, a equao procurada ser:
() = 0.33
2
2.57 + 3.28

Mtodo de Jordan
Pode ser considerado como uma variante do mtodo de Gauss, e consiste
em fazer transformaes elementares sobre as equaes do sistema linear
dado, at que se obtenha um sistema diagonal equivalente, i.e.,

11
0 0
0
22
0

0 0

Cuja soluo ser o vetor coluna:
=

11

22

Clculo Numrico-Sistemas Lineares Prof. Carlos Gonalves [12]
2.4.2 Mtodos Iterativos
Os mtodos iterativos so menos suscetveis a propagao de erros de
arredondamento (devido a sua autocorreo) do que os mtodos diretos,
alm de serem indicados para um sistema cuja matriz dos coeficientes
esparsa (muitos elementos iguais a zero). Computacionalmente
razoavelmente so fceis de implementar, j existindo cdigos prontos em
Fortran ou C na literatura e na internet, por exemplo.
Critrios de Convergncia
Antes de usarmos um mtodo iterativo a um sistema linear, importante
verificarmos a sua possvel convergncia para uma soluo.
Definio: Uma matriz A estritamente diagonalmente dominante se:

=1

< |

|, = 1, 2, , .
Demonstra-se que se a matriz dos coeficientes do sistema linear
estritamente diagonalmente dominante, ento o mtodo iterativo usado
convergente.
O mtodo iterativo para resolver o sistema linear = , onde A
diagonalmente dominante, consiste em escrev-lo na forma equivalente
como:
= +
[]
1
[]

[]
1

Donde partimos de uma aproximao inicial
(0)
e fazemos as iteraes
sucessivas:

(1)
=
(0)
+; ;
(+1)
=
()
+
Se lim

()
0, dizemos que a sequncia de aproximaes
()

converge para x.
No sistema inicial temos:
Clculo Numrico-Sistemas Lineares Prof. Carlos Gonalves [13]

11

1
+
12

2
++
1

=
1

21

1
+
22

2
++
2

=
2

1
+
2

2
++

Explicitando as equaes como segue:

1
=
1

11
(
1

12

2

13

3

1

2
=
1

22
(
2

21

1

23

3

2

=
1

1

2

2

1

1
)

S podemos escrever as equaes acima se

0, se isto no acontecer,
ento deve-se rearrumar as equaes para que o sistema fique na forma
desejada.
2.4.2.1 Mtodo de Jacobi-Richardson
Consiste nas etapas:
a) Escolher um vetor aproximao inicial arbitrrio,
(0)
. Na falta de
melhor alternativa pode-se usar

(0)
= 0, = 1, 2, , .
b) Gerar as aproximaes sucessivas:
(+1)
=
()
+ , = 0, 1, , .
c) Continuar at que seja satisfeito um dos critrios de parada abaixo:
i. max
1

(+1)

()

(+1)

< , com dado, ou,

ii. > , onde M o nmero de iteraes.
Exemplo: Resolver o sistema linear abaixo com erro relativo < 10
2
.

10
1
+ 2
2
+
3
= 7

1
+ 5
2
+
3
= 8
2
1
+ 3
2
+ 10
3
= 6

Soluo: V-se que a matriz dos coeficientes diagonalmente dominante,
pois:
Clculo Numrico-Sistemas Lineares Prof. Carlos Gonalves [14]
|
12
| + |
13
| = |2| + |1| < |10| = |
11
|
|
21
| + |
23
| = |1| + |1| < |5| = |
22
|
|
31
| + |
32
| = |2| + |3| < |10| = |
33
|

Logo, o sistema converge. Ento, aps dividirmos as equaes por seus
respectivos elementos da diagonal principal, teremos as seguintes
equaes de iterao:

1
(+1)
= 0.2
2
()
0.1
3
()
+ 0.7

2
(+1)
= 0.2
1
()
0.2
3
()
1.6

3
(+1)
= 0.2
1
()
0.3
2
()
+ 0.6

Iniciando com
(0)
= (0.7 1.6 0.6)

, obtemos para
(1)
:

1
(1)
= 0.2
2
(0)
0.1
3
(0)
+ 0.7 = 0.2(1.6) 0.1(0.6) + 0.7

2
(1)
= 0.2
1
(0)
0.2
3
(0)
1.6 = 0.2(0.7) 0.2(0.6) 1.6

3
(1)
= 0.2
1
(0)
0.3
2
(0)
+ 0.6 = 0.2(0.7) 0.3(1.6) + 0.6

Efetuando-se as operaes e continuando com as iteraes, geramos a
tabela abaixo:
k 0 1 2 3 4 5

1
0,7 0,96 0,978 0,9994 0,99792 1,000236

2
-1,6 -1,86 -1,98 -1,9888 -1,99956 -1,99894

3
0,6 0,94 0,966 0,9984 0,99676 1,000284
A parada deve acontecer quando:

(4)

(3)
=
0.0015
0.0108
0.0016

Logo,
max
13

(4)

(3)

(4)

=
0.0108
1,9996
0.0054 < 10
2

Ento a soluo para o sistema linear dado :
Clculo Numrico-Sistemas Lineares Prof. Carlos Gonalves [15]
= (
0.9979 1.9996 0.9978
)

2.4.2.2 Mtodo de Gauss-Seidel
Representa uma acelerao na convergncia do mtodo de Jacobi-
Richardson, dado que uma varivel calculada na iterao, j usada no
cmputo de outra varivel na mesma iterao.
De modo similar ao mtodo de Jacobi-Richardson, o mtodo segue as
seguintes etapas:
a) Escolher um vetor aproximao inicial arbitrrio,
(0)
. Na falta de
melhor alternativa pode-se usar

(0)
= 0, = 1, 2, , .
b) Gerar as aproximaes sucessivas para = 0, 1, , :

(+1)
= (

(+1)
1
=1

()

=+1
)/

, = 1, , .
c) Continuar at que seja satisfeito um dos critrios de parada abaixo:
i. max
1

(+1)

()

(+1)

< , com dado, ou,

ii. > , onde M o nmero de iteraes.
Critrio de Sassenfeld
Sejam as constantes

definidas pelas frmulas de recorrncia:

=+1
,

, = 1, ,
1
=1

E seja = max
1

.
Ento, se < 1, a sequncia
()
, gerada pelo mtodo de Gauss-Seidel
converge para a soluo do sistema dado.
(Para a prova desse teorema, favor consultar a bibliografia).
Resumindo, se a matriz dos coeficientes for estritamente diagonalmente
dominante, ento o mtodo iterativo de Gauss-Seidel converge, pois
Clculo Numrico-Sistemas Lineares Prof. Carlos Gonalves [16]
temos < 1. Note-se ainda que a convergncia no depende do valor
inicial do vetor coluna.
Exemplo: Resolver o sistema linear abaixo com erro relativo < 10
2
,
usando o mtodo de Gauss-Seidel com
(0)
= (0 0 0)

10 2 1
1 5 1
2 3 10

3
=
14
11
8

Soluo: Matriz dos coeficientes vem de:

1
(+1)
= 0.2
2
()
0.1
3
()
+ 1.4

2
(+1)
= 0.2
1
(+1)
0.2
3
()
2.2

3
(+1)
= 0.2
1
(+1)
0.3
2
(+1)
+ 0.8

Condio de convergncia:

1
=

3
=2
=
3
10
= 0.3000

2
= |
21
|
1+
|
23
| =
13
50
= 0.2600

3
= |
31
|
1+
|
32
|
2
=
69
500
= 0.1380

Donde,
= max
13

= max
13
{
0.3000 0.2600 0.1380
} < 1
Logo, temos garantia de convergncia na sequncia iterativa, assim, para

(0)
= (0 0 0)

, temos:

1
(1)
= 0.2
2
(0)
0.1
3
(0)
+ 1.4

2
(1)
= 0.2
1
(1)
0.2
3
(0)
2.2

3
(1)
= 0.2
1
(1)
0.3
2
(1)
+ 0.8

(1)
=
1.4000
1.9200
0.0560

Efetuando-se as operaes e continuando com as iteraes, geramos a
tabela abaixo:
Clculo Numrico-Sistemas Lineares Prof. Carlos Gonalves [17]
k 0 1 2 3 4 5
1 0 1,4 1,0216 0,999262 0,999743 0,999977
2 0 1,92 2,00688 2,001424 2,000107 2,000001
3 0 -0,056 -0,00638 -0,00028 1,92E-05 4,42E-06
Teste da parada:
max
13

(4)

(3)

(4)

=
0.0013
2,0001
0.0007 < 10
2

Assim, a soluo para o sistema ser
(4)
, com a preciso pedida.
2.4.3 Matrizes Complexas
Seja o sistema linear = , onde as matrizes so complexas, i.e.,

= +
= +
= +

Equao 3
Onde M, N so matrizes reais de dimenso n x n, e c, d, s, t so matrizes
reais de ordem n x 1.
Substituindo a Equao 3 na equao inicial:
( + )( +) = +
+ ( +) = +
Donde:

=
+ =

O qual, na notao matricial, se reduz a:

Equao 4
Clculo Numrico-Sistemas Lineares Prof. Carlos Gonalves [18]
O sistema linear inicial foi reduzido ao sistema real da Equao 4. Portanto,
basta resolver o sistema da Equao 4 por um dos mtodos j vistos
anteriormente.
Exemplo: Resolver o sistema:

(1 + 2)
1
+ 3
2
= 5 + 4

1
+
2
= 1

Soluo: Vamos montar a matriz dos coeficientes:
=
1 + 2 3 + 0
1 + 0 1 + 0
=
1 3
1 1

+
2 0
0 0

Termos independentes:
=
5 + 41
1 + 0
=
5
1

+
4
0

Variveis:
=

2
=

Escrevendo o sistema na forma da Equao 4, vem:

1 3 2 0
1 1 0 0
2 0 1 3
0 0 1 1

2
=
5
1
4
0

Resolvendo o sistema pelo mtodo de Gauss, vem que:
= (0 1 1 1)

= ( 1 +)

2.4.4 Noes de Condicionamento
(desenvolver)

<eof>