Cálculo Numérico

Lista de Exercı́cios 2
Gustavo Marra - marra@unifei.edu.br - Sala 2406

Esta lista cobre toda a parte da matéria sistemas lineares e matrizes.

Revisão
EXERCÍCIO 1: Verifique a validade das seguintes Fatoração LU e Cholesky
propriedades, sempre que as matrizes envolvidas A, B, C
forem de tamanho adequado para as operações de soma e EXERCÍCIO 4: Obtenha a fatoração LU das matrizes
multiplicação: A abaixo e use-as para resolver o sistema A · X = B, se
T
(a) (A + B) = A + BT T possı́vel, onde B é o vetor informado em cada caso. Você
pode permutar linhas da matriz A, se necessário.
(b) (AB)T = B T AT
   
(c) (AB)−1 = B −1 A−1 3 1 4 1
(a) A =  0 2 3 , B =  −3 
(d) (A−1 )−1 1 2 1 4
−1 T T −1
(e) (A ) = (A )    
EXERCÍCIO 2: Sejam A, B, C matrizes n × n. As 0 1 2 2
(b) A =  3 −1 2 , B =  0 
afirmativas abaixo são verdadeiras ou falsas? Justifique se
verdadeiro ou dê um contra-exemplo se falso. 1 1 0 3

(a) A é uma matriz invertı́vel se, e somente se, det(A) =    

1 2 1 −1
0.
(c) A =  2 4 2 , B =  1 
(b) det(AT ) = det(A). 1 3 −1 2
(c) A · B = B · A.
EXERCÍCIO 5: Use a fatoração LU das matrizes
(d) det(A · B) = det(A) · det(B) abaixo para calcular seu determinante e sua inversa.
(e) det(A + B) = det(A) + det(B)  
1 1 2 1
−1
(f) det(A )= (a) A =  2 4 2 
det(A)
1 3 −1
(g) Se A · X = B é um sistema linear e A é invertı́vel,
então X = A−1 · B. 
0.6326 0.5931 0.6546


(h) Se A · B = A · C, então B = C. (b) A =  0.4707 0.05192 0.002327 

0.3156 0.8602 0.04206
EXERCÍCIO 3: Calcule a matriz inversa das
seguintes, caso existam, ou justifique caso não existam.  
  0.9031 0.647 0.8513
0 2 2
(c) A =  0.5442 0.04307 0.664 
(a)  1 1 1 
0.4092 −0.1464 −0.1411
0 1 2
 
1 2 1 EXERCÍCIO 6: Verifique se as matrizes simétricas
(b)  −3 3 1  abaixo são positivas definidas. Se forem, encontre a fa-
4 −10 0 toração de Cholesky delas.
 
1 2 3 −1  
 0 1 −1 −2  16 −8 −4
(c)  
 0 0 2 3  (a) A =  −8 29 12 
0 0 0 4 −4 12 41

1
  
16 −12 −12 −16
 −12 25 1 −4 
(b) A = 
 −12

1 17 14 
−16 −4 14 57

 
4 1 2 0.5 2

 1 0.5 0 0 0 

(c) A = 
 2 0 3 0 0 

 0.5 0 0 0.625 0 
2 0 0 0 16

Métodos Iterativos para Sistemas

Lineares

EXERCÍCIO 7: Verifique as condições para aplicar o

método de Gauss-Jacobi e resolva os sistemas por este
método, com a precisão dada, se possı́vel.


16x1 + 5x2 = 21
(a) ,  = 0.001.
3x1 + 2.5x2 = 5.5


 0.252x1 + 0.26x2 + 0.12x3 = 7
(b) 0.112x1 + 0.16x2 + 0.24x3 = 8 ,  = 0.05.
0.147x1 + 0.21x2 + 0.25x3 = 9


EXERCÍCIO 8: Verifique as condições para aplicar

o método de Gauss-Seidel e resolva os sistemas por este
método, com a precisão dada, se possı́vel.


2.07x1 − 0.698x2 = 0.911
(a) ,  = 0.005
−0.57x1 + 1.984x2 = −0.337

 
10 1 1
(b) A · X = B, onde A =  1 10 1 ,
  1 1 10
12
B =  12 ,  = 0.01.
12

 
4 −1 0 0
 −1 4 −1 0 
(c) A · X = B, onde A =  ,
 0 −1 4 −1 
  0 0 −1 4
1
 1 
B=  1 ,  = 0.05.
