Resoluo de Sistemas de Equaes Lineares

-1-





CAPTULO 2:
RESOLUO DE SISTEMAS DE
EQUAES LINEARES


2.1- Sistemas de Equaes Lineares
Nesta seco vamos proceder ao estudo de mtodos para obter a soluo de
sistemas lineares cuja forma geral

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

2 2 1 1
2 2 2 22 1 21
1 1 2 12 1 11
(2. 1)
e onde
n
x x x ,..., ,
2 1
so as incgnitas,
nn
a a a ,..., ,
12 11
os coeficientes e
n
b b b ,..., ,
2 1
os
segundos membros do sistema de equaes. Este sistema pode escrever-se sob a forma
matricial, frequentemente mais vantajosa, mediante o emprego da seguinte notao
b Ax = (2. 2)
em que

=
n n nn n n
n
n
b
b
b
x
x
x
a a a
a a a
a a a

2
1
2
1
2 1
2 22 21
1 12 11
, , b x A .
Resoluo de Sistemas de Equaes Lineares
-2-
Assim, A a matriz dos coeficientes, x o vector coluna das incgnitas e b o vector
coluna dos termos independentes. A matriz A e os vectores coluna x e b sero
considerados reais, no obstante muito do que se vai dizer neste captulo ser
generalizvel ao campo complexo sem grande dificuldade.
A resoluo de sistemas de equaes lineares um dos problemas que surgem
com mais frequncia nas aplicaes, pelo que h todo o interesse em dispor de mtodos
eficazes de soluo, sobretudo quando a dimenso n do sistema for grande.
Os mtodos de resoluo de sistemas de equaes costumam ser classificados em
duas categorias:
os mtodos directos;
os mtodos iterativos.
Teoricamente, os mtodos directos permitem calcular a soluo exacta com um
nmero finito de operaes aritmticas bsicas. Na prtica, face possvel acumulao
de erros de arredondamento, fenmeno de cancelamento subtractivo, etc., muitas
vezes calculada uma soluo aproximada. Nos mtodos iterativos a soluo definida
como o limite duma sucesso infinita de vectores. Na realidade, executam-se um
nmero finito de iteraes, aps o que se obtm uma soluo aproximada.
2.1.1- Resoluo de um sistema linear
Considere-se um sistema de n equaes lineares a n incgnitas, escrito na forma
(2.1). O problema que se coloca determinar
n
x x x ,..., ,
2 1
, incgnitas do sistema, de
modo a que as n equaes em (2.1) sejam satisfeitas simultaneamente.
J vimos que o sistema (2.1) pode escrever-se em notao matricial condensada na
forma 2.2). Vejamos agora o seguinte resultado:
Teorema 2. 1
O sistema (2.2) tem soluo nica se e s se qualquer das duas condies equivalentes
for vlida:
1)
1
A

existir;
2) 0 det A

Resoluo de Sistemas de Equaes Lineares
-3-
Diz-se que um sistema de equaes lineares determinado se tem soluo
nica. Ao longo deste captulo assumiremos que os sistemas considerados tm soluo
nica.
2.1.2- Mtodos directos
No caso de sistemas lineares n n com soluo nica, podemos escrever
b A x
1
= . Este processo, envolvendo o clculo explcito de
1
A

, no , em geral,
aconselhvel pois envolve um nmero de operaes muito grande.
Outro mtodo conhecido a Regra de Cramer. No entanto, quando aplicado a
sistemas n n envolve o clculo de 1 + n determinantes de ordem n. , de facto, um
mtodo pouco eficiente.
2.1.2.1 - Mtodo de eliminao de Gauss
Este mtodo baseia-se na ideia de transformar o sistema original b Ax = num
outro sistema equivalente b x A
~ ~
= , mas cuja matriz A
~
possua a forma triangular,
evitando assim o clculo da matriz inversa. Antes de continuar convm determo-nos um
pouco sobre esta noo de equivalncia de sistemas de equaes lineares.
Definio 2. 1
Dois sistemas de equaes lineares dizem-se equivalentes se possurem o mesmo
conjunto de solues.

A pergunta que imediatamente se coloca a de saber como que dada uma matriz
A e um segundo membro b se passa para uma matriz A
~
e um segundo membro b
~

garantindo que o conjunto original de solues preservado?
Lembrando os princpios de equivalncia de sistemas, podemos obter um sistema
equivalente ao dado, efectuando as seguintes operaes sobre as equaes de um
sistema linear:
(i) permuta de duas equaes;
(ii) multiplicao de uma equao por um escalar no nulo;
(iii) substituio de uma das equaes pela que dela se obtm adicionando
membro a membro outra equao multiplicada por um escalar.
Resoluo de Sistemas de Equaes Lineares
-4-
As operaes deste tipo so conhecidas por operaes elementares.
Se ao sistema linear associarmos a sua matriz ampliada ou completa A , com

=
n nn n n
n
n
b a a a
b a a a
b a a a

2 1
2 2 22 21
1 1 12 11
A ,
as operaes elementares vo exercer-se sobre as linhas dessa matriz.
Definio2. 2
D-se a designao de operaes elementares sobre as linhas de uma matriz s seguintes
operaes:
permutao de duas linhas;
multiplicao de uma linha por um escalar no nulo;
soma a uma linha do produto de outra linha por um escalar.

A matriz obtida depois de se efectuarem operaes deste tipo, corresponde
matriz ampliada de um sistema linear equivalente ao dado.
Temos neste momento todos os elementos necessrios apresentao do mtodo
de eliminao de Gauss, o qual consiste essencialmente em transformar por etapas
sucessivas a matriz original A numa matriz triangular superior.
Por simplicidade concretizaremos num pequeno exemplo a resoluo de um
sistema linear pelo mtodo de eliminao de Gauss.
Considere-se o sistema linear

=
= + +
= + +
2 3
3 3 2 2
0 2
2 1
3 2 1
3 2 1
x x
x x x
x x x
.
Em notao matricial
b Ax = ,
com
Resoluo de Sistemas de Equaes Lineares
-5-

=
2
3
0
, ,
0 3 1
3 2 2
1 2 1
3
2
1
b x A
x
x
x
.
A matriz ampliada do sistema ser neste caso

=
2 0 3 1
3 3 2 2
0 1 2 1
3 33 32 31
2 23 22 21
1 13 12 11
b a a a
b a a a
b a a a
A .
O nosso objectivo obter uma matriz escalonada por linhas ou em escada
de linhas a partir da matriz ampliada do sistema A , efectuando apenas operaes
elementares. Uma matriz diz-se escalonada por linhas se:
- o primeiro elemento no nulo de cada linha (com excepo da primeira)
situa-se direita do primeiro elemento no nulo da linha anterior;
- os elementos que se situam por baixo do primeiro elemento no nulo de
cada linha (com excepo da ltima) so todos nulos.
(os primeiros elementos no nulos de cada linha chamam-se pivots ou elementos
redutores)
Para a primeira etapa: Na primeira linha, ( ) 0 1
) 1 (
11
= a pode ser escolhido como pivot.
Se definirmos os multiplicadores
3 , 2 ,
) 1 (
11
) 1 (
1
1
= = i
a
a
m
i
i
,


vem
2
1
2
21
= = m e 1
1
1
31
=

= m ,
ento se subtrairmos segunda equao a primeira multiplicada pelo escalar
21
m e
subtrairmos terceira equao a primeira multiplicada pelo escalar
31
m , somos
conduzidos seguinte matriz
Resoluo de Sistemas de Equaes Lineares
-6-
( ) ( ) ( )
( ) ( ) ( )

2 1 1 0
3 1 2 0
0 1 2 1
0
0
2
3
2
33
2
32
2
2
2
23
2
22
1 13 12 11
b a a
b a a
b a a a
.
Para a segunda etapa: Na segunda linha,
( )
( ) 0 2
2
22
= a pode ser escolhido como pivot.
Definindo o multiplicador
( )
( )
2
1
2
1
2
22
2
32
32
=

= =
a
a
m ,
podemos subtrair terceira equao a segunda multiplicada pelo escalar
32
m . A matriz
correspondente

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

aparece escalonada por linhas como era nosso objectivo e, naturalmente, o sistema
linear

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

equivalente ao sistema original, com a vantagem da matriz do sistema assumir a forma
triangular superior. Este sistema pode ser agora resolvido por substituies ascendentes,
isto ,

=
=
=

=
= +
= + +
1
1
1
3 2
0 2
3
2
1
2
1
3 2
1
3 2
3 2 1
x
x
x
x
x x
x x x
.


2.1.2.1.1- Tcnicas de seleco de pivot (ou tcnicas de pivotao)
Ao aplicarmos o mtodo de eliminao de Gauss vimos que em cada etapa da
eliminao o elemento pivot era no nulo. Se em determinado passo do processo de
escalonamento da matriz aparece um candidato a pivot nulo, dever efectuar-se uma
troca de linhas (com uma linha que se encontre numa posio inferior na matriz) por
forma a que aparea um novo elemento pivot diferente de zero.
Resoluo de Sistemas de Equaes Lineares
-7-
No entanto, a escolha de elementos pivot muito pequenos (prximos de zero) pode
causar situaes indesejveis. De facto, em cada passo de eliminao k
) 1 , , 2 , 1 ( = n k determinamos os multiplicadores
) (
) (
k
kk
k
ik
ik
a
a
m = , n k k i , , 2 , 1 + + =
Se utilizamos elementos pivot prximos de zero obtemos multiplicadores bem maiores
que a unidade que, por sua vez, podem originar um efeito de ampliao de possveis
erros de arredondamento.
Existem tcnicas que permitem assegurar que os elementos pivot no processo de
eliminao originam multiplicadores com valor absoluto menor ou igual a um.
Pivotao parcial (ou escolha parcial de pivot)
Por forma a que em cada passo do mtodo de eliminao de Gauss os erros de
arredondamento no venham muito ampliados, originando perda de algarismos
significativos, quando subtramos a uma dada linha i uma linha k multiplicada pelo
multiplicador
ik
m , torna-se vantajoso escolhermos para pivot o elemento que tiver
maior valor absoluto na coluna que estamos a considerar (naturalmente entre os
elementos da coluna correspondentes s linhas que se encontram numa posio igual ou
inferior na matriz relativamente linha onde se pretende seleccionar o pivot). No
podemos esquecer que nos multiplicadores o elemento pivot figura sempre em
denominador!
Designa-se por pivotao parcial ou escolha parcial de pivot o processo de troca de
linhas que conduz ao pivot nas condies enunciadas. Assim, no incio do passo de
eliminao k ) 1 , , 2 , 1 ( = n k seleccionamos como pivot o elemento
) (k
pk
a tal que
) ( ) (
max
k
ik
n i k
k
pk
a a

=
Se k p trocamos as linhas p e k .
Pivotao parcial com escala ou equilibragem de matrizes
Considere-se o seguinte sistema na forma matricial

5001 . 0
. 1001
0001 . 0 5000 . 0
. 1000 000 . 1
2
1
x
x
,
que tem como soluo 0 . 1
2 1
= = x x .
Resoluo de Sistemas de Equaes Lineares
-8-
Usando aritmtica decimal, com 4 dgitos, e pivotao parcial, a condensao
fornece o seguinte sistema triangular

0 . 501
. 1001
0 . 500 0000 . 0
. 1000 000 . 1
2
1
x
x

e, portanto,
002 . 1
0 . 500
0 . 501
2
= = x
000 . 1 002 . 1 1000 1001
1
= = x .
O valor de
2
x aceitvel, mas o de
1
x completamente errado. A tcnica de pivotao
parcial no foi eficiente! Mas porqu?
O motivo est nas linhas da matriz que tm elementos com grandezas muito
diferentes. Para atender a esta particularidade necessrio um novo modo de actuao:
- Admita-se que se pretende escolher o elemento pivot ao nvel da linha k .
Comea-se por definir para cada linha n k k , , 1 , + , o seu elemento de maior valor
absoluto. Sejam
{ } n k k r a a a s
rn rk rk r
,..., 1 , para ,..., , max
1
+ = =
+
.
A linha que vai fornecer o elemento pivot, seja a linha p, aquela em que se verifica
)
`

=
+
+
n
nk
k
k k
k
kk
p
k
pk
s
a
s
a
s
a
s
a
, , , max
1
1
) (
.
Se k p trocamos as linhas p e k .
Obs.
O efeito deste escalonamento assegurar que o maior elemento em cada linha tenha uma
magnitude relativa de 1, antes de fazer a comparao para a possvel troca de linhas.

Se aplicssemos esta tcnica ao exemplo apresentado, comevamos por calcular
{ } 1000 1000 , 000 . 1 max
1
= = s
{ } 5000 . 0 0001 . 0 , 5000 . 0 max
2
= = s .
De seguida calculvamos
Resoluo de Sistemas de Equaes Lineares
-9-
000 . 1 ; 0010 . 0
2
21
1
11
= =
s
a
s
a
,
que originava a consequente troca das linhas
1
L e
2
L :

. 1001
5001 . 0
. 1000 000 . 1
0001 . 0 5000 . 0
2
1
x
x
.
Definindo o multiplicador
2
21
= m ,
podemos subtrair segunda equao (considerando a matriz ampliada correspondente) a
primeira multiplicada pelo escalar
21
m . Obtm-se o sistema linear equivalente

. 1000
5001 . 0
. 1000 0000 . 0
0001 . 0 5000 . 0
2
1
x
x
,
que resolvido d: 0 . 1 e 0 . 1
1 2
= = x x .

Pivotao total
A pivotao total, que no analisamos, consiste na reordenao das linhas e colunas por
forma a escolher em cada passo do mtodo o pivot mais elevado em valor absoluto.
um processo que origina uma acumulao de erros de arredondamento menor, porm
exige um esforo computacional bastante maior.
Obs.
O nmero de operaes que envolve a tcnica de pivotao total substancialmente superior
ao nmero de operaes com a pivotao parcial. Assim, esta ltima normalmente a preferida
(a menos que haja indicaes especficas que aconselhem outro procedimento).
2.1.2.2 - Mtodo de factorizao LU
Em muitas aplicaes surge o problema de resolver vrios sistemas de equaes
lineares, todos com a mesma matriz de coeficientes, mas com vectores de termos
independentes distintos.
O mtodo que iremos descrever tem aplicao especial nestes casos. Seja
b Ax = , (2. 3)
um sistema de n equaes a n incgnitas, determinado. Suponhamos que A pode ser
escrita duma maneira nica na forma
Resoluo de Sistemas de Equaes Lineares
-10-
LU A = , (2. 4)
sendo L uma matriz triangular inferior, cujos elementos da diagonal so iguais a 1, e U
uma matriz triangular superior.
Substituindo (2.4) em (2.3) tem-se
( ) b x LU = ,
ou, de forma equivalente,
( ) b Ux L = ,
que se pode decompor nos dois sistemas triangulares seguintes:
y Ux = (2. 5)
b Ly = (2. 6)
Assim, calculada a decomposio LU da matriz A, o sistema (2.6) resolvido por
substituio directa e, calculado y, o sistema (2.5) resolvido por substituio inversa
para obter x.
Quando que possvel decompor A, duma maneira nica, de acordo com (2.4)?
Teorema 2. 2
Seja A uma matriz de ordem n e A
k
a matriz formada pelas primeiras k linhas e
primeiras k colunas de A. Suponha-se que ( ) 1 ,..., 2 , 1 , 0 det = n k
k
A . Ento existe uma
nica matriz triangular inferior L, cujos elementos da diagonal so todos iguais a 1, e
uma nica matriz triangular superior U tal que LU A = .

Tambm possvel demonstrar que se a eliminao de Gauss pode ser executada
no sistema linear b Ax = , sem mudana de linhas, ento a matriz A pode ser factorizada
de maneira nica de acordo com (2.4), sendo L uma matriz triangular inferior de
diagonal unitria, apresentando no tringulo inferior os elementos multiplicadores
ij
m
empregues na condensao de Gauss e U, matriz triangular superior, a matriz que se
obtm de A por aplicao do mtodo de eliminao de Gauss.
Assim, relativamente ao exemplo apresentado no mtodo de eliminao de Gauss,
podemos imediatamente fazer
Resoluo de Sistemas de Equaes Lineares
-11-

=
2
1
2
1
0 0
1 2 0
1 2 1
;
1 1
0 1 2
0 0 1
;
0 3 1
3 2 2
1 2 1
U L A .
A resoluo do sistema triangular (2.6)

2
3
0
1 1
0 1 2
0 0 1
3
2
1
2
1
y
y
y
,
permite, atravs de uma substituio descendente, concluir que

=
=
=
2
1
3
2
1
3
0
y
y
y
.
A resoluo do sistema triangular (2.5)

2
1
3
2
1
2
1
3
0
0 0
1 2 0
1 2 1
x
x
x
,
atravs duma substituio ascendente, permite concluir finalmente que

=
=
=
1
1
1
3
2
1
x
x
x
.
2.1.2.2 - Matrizes simtricas definidas positivas. Mtodo de Choleski
Vamos comear por ver alguns conceitos:
Definio 2.3
Uma matriz A de ordem n diz-se simtrica se n j i a a
ji ij
,..., 2 , 1 , , = = , isto ,
T
A A A = simtrica

Resoluo de Sistemas de Equaes Lineares
-12-
Definio 2.4
Uma matriz A de ordem n diz-se definida positiva se
( )
n T
R > 0 x 0 Ax x

A verificao de que uma matriz definida positiva pode ser feita recorrendo ao
seguinte teorema:
Teorema 2.3
Uma matriz A de ordem n definida positiva se e s se
( ) n k
k
,..., 2 , 1 , 0 det = > A ,
onde
k
A a matriz formada pelas primeiras k linhas e k colunas de A.

Assim, no caso particular da matriz A de coeficientes do sistema ser simtrica e
definida positiva, podemos recorrer ao seguinte teorema por forma a factorizar a matriz
A num produto de duas matrizes triangulares.
Teorema 2. 4
Seja A uma matriz simtrica definida positiva de ordem n. Ento existe uma matriz
triangular inferior L com elementos diagonais positivos tal que
T
LL A = (2. 7)

De acordo com este teorema, substituindo (2.7) em (2.3) tem-se
( ) b x LL =
T
,
que se pode agora decompor nos dois sistemas triangulares seguintes:
y x L =
T
(2. 8)
b Ly = . (2. 9)
Este mtodo para matrizes simtricas definidas positivas chamado mtodo de
Choleski.
Resoluo de Sistemas de Equaes Lineares
-13-
possvel demonstrar que para matrizes simtricas definidas positivas a escolha
do pivot no mtodo de Choleski irrelevante como meio de controlar os efeitos dos
erros de arredondamento.
2.1.2.2 - Melhoramento da soluo obtida pelo mtodo dos resduos
A soluo do sistema (2.2) obtida por qualquer mtodo directo no , em geral, a
soluo exacta em virtude dos erros de arredondamento!
Vamos designar a soluo obtida por
( ) 0
x . Podemos ento escrever que
( )
e x x + =
0
, (2. 10)
onde
( )
( )
0
x x e = o erro para o valor
( ) 0
x . Teremos ento o sistema
( )
( ) b e x A = +
0
,
donde se pode obter
( ) 0
Ax b Ae = . (2. 11)
Portanto, uma vez calculado
( ) 0
x por um mtodo qualquer, pode obter-se
( ) 0
Ax b , que
designaremos por vector resduo de
( ) 0
x e notaremos
( ) 0
Ax b r = . (2. 12)
Resolvendo agora o sistema r Ae = , calculamos o vector e (pode ser apenas
uma aproximao de e) que nos permite corrigir a soluo aproximada
( ) 0
x . Obtm-se
assim nova aproximao
( ) ( )
e x x + =
0 1
. (2. 13)
O processo poder-se- repetir, calculando nova correco para
( ) 1
x , isto ,
( ) ( )
e x x + =
1 2
,
e assim sucessivamente. O mtodo assim construdo conhecido por mtodo dos
resduos.
Exemplo: Dado o sistema linear

= +
= +
=
42 6
32 6
33 . 11 6
3 2 1
3 2 1
3 2 1
x x x
x x x
x x x

Resoluo de Sistemas de Equaes Lineares
-14-
a sua resoluo pelo mtodo de eliminao de Gauss, utilizando 3 casas decimais,
permite encontrar a seguinte soluo:
( ) ( ) 050 . 9 , 620 . 7 , 670 . 4 , ,
3 2 1
= = x x x x .
Se pretendssemos melhorar a soluo obtida, utilizando o mtodo dos resduos,
para encontrar uma soluo com 4 casas decimais, procedamos da seguinte forma:
- Designvamos por
( ) 0
x a soluo obtida;
- Calculvamos o vector resduo de
( ) 0
x , isto ,
( ) 0
Ax b r = . Neste caso

=
01 . 0
0
02 . 0
050 . 9
620 . 7
670 . 4
6 1 1
1 6 1
1 1 6
42
32
33 . 11
r
- Resolveramos o sistema r Ae = para obter o erro e. Neste caso
( ) 0025 . 0 , 0011 . 0 , 0039 . 0 = e
- A soluo melhorada seria a seguinte:
( ) ( )
( ) 0475 . 9 , 6189 . 7 , 6661 . 4
0 1
= + = e x x
- Adoptando processo anlogo com
( ) 1
x poderamos continuar a correco.
2.1.2.2 Anlise, num sistema linear b Ax = genrico, do efeito de pequenas
perturbaes em A e/ou em b na soluo do sistema
Vamos ver que possvel identificar de uma forma relativamente simples os
sistemas mal condicionados.
Admitamos que os elementos de A e de b no sistema (2.2) esto afectados de
erros. Ento o sistema que efectivamente resolvemos no b Ax = mas sim um
ligeiramente diferente ou perturbado!
Denotemos por
A
e
b
, respectivamente, as perturbaes da matriz A e do
segundo membro b. Pretendemos saber o efeito desses erros (perturbaes) no vector x,
soluo de b Ax = .




Resoluo de Sistemas de Equaes Lineares
-15-
Antes de prosseguir, vejamos alguns conceitos a que teremos necessidade de
recorrer:
- Normas vectoriais
Definio
Uma aplicao :
n
R
+
0
R que verifica
x
n
R , 0 = x se e s se x = 0;
x
n
R , R , x x = ;
x,y
n
R y x y x + + ,
uma norma vectorial.

Seja x ( )
n
n
x x x R = , , ,
2 1
. As seguintes normas vectoriais:
a) norma de mximo
i
n i
x

=
1
max x ; (2. 14)
b) norma absoluta

=
=
n
i
i
x
1
1
x ; (2. 15)
c) norma euclideana
2 2
1
2
n
x x + + = x , (2. 16)
so casos particulares da norma mais geral
p
i
p
i
p
x
1
|

\
|
=

x . (2. 17)





Resoluo de Sistemas de Equaes Lineares
-16-
- Normas de matrizes
Definio 2. 3
Denotemos por
n n
R o conjunto das matrizes reais de ordem n e por 0 a matriz nula de
ordem n .
Uma aplicao :
n n
R
+
0
R satisfazendo
A
n n
R , 0 = A se e s se A = 0;
A
n n
R , R , A A = ;
A,B
n n
R B A B A + + ,
uma norma matricial.

Teorema 2.5
Considere-se A
n n
R e x
n
R . Seja uma norma vectorial em
n
R , ento
x
Ax
A
x 0
sup

=
uma norma matricial, que designamos por norma matricial natural ou induzida.

Teorema
Seja uma norma matricial induzida pela uma norma vectorial . Considere-se
A
n n
R , x
n
R e I a matriz identidade de ordem n . Ento
1) x A x A ;
2) 1 = I ;
3) B A AB .



Resoluo de Sistemas de Equaes Lineares
-17-
Teorema 2.6
Seja A uma matriz n n . Ento
|
|

\
|
=

=

n
j
ij
n i
a
1
1
max A (2. 18)
|

\
|
=

=

n
i
ij
n j
a
1
1
1
max A (2. 19)

Observao:

A o mximo das somas por linhas dos valores absolutos dos

elementos;
1
A o mximo das somas por colunas dos valores absolutos dos
elementos.
Voltando ao efeito das perturbaes no vector soluo de b Ax = , podemos
escrever o sistema perturbado
( )( )
b x A
b x A + = + + , (2. 20)
em que se designou por ( )
x
x + a soluo do sistema perturbado.

Perturbaes no segundo membro

Com o objectivo de simplificar a exposio, vamos considerar primeiro o caso
particular em que 0 =
A
(isto , as perturbaes verificam-se apenas no segundo
membro b).
Assim, seja o sistema perturbado
( )
b x
b x A + = + .
Como b Ax = e se admite A invertvel, teremos
b x
A
1
=
Tomando normas
b x
A
1
. (2. 21)
Resoluo de Sistemas de Equaes Lineares
-18-
O valor de
x
s por si no significa muito! Um erro de 1 =
x
numa soluo
tal que
6
10 x aceitvel enquanto o mesmo erro numa soluo tal que 1 x um
desastre computacional!
Faz portanto mais sentido trabalhar com erros relativos os quais, em face do carcter
vectorial de x, definiremos por
x
x

e perturbaes relativas definidas por

b
b

,
considerando x 0 e b 0
Ento
x
A
x
b x

1
. (2. 22)
Mas de b Ax = , aplicando normas
x A b ,
ou seja,
A
b
x . (2. 23)
Atendendo a (2.25) podemos escrever
b
A A
x
b x

1
. (2. 24)
A quantidade que relaciona os erros relativos com as perturbaes relativas
1
A A e costuma ser designada por nmero de condio da matriz A. Ser
denotado por
1

= A A A cond . (2. 25)

O valor numrico de cond A depende obviamente da norma utilizada. Quanto
maior for cond A mais sensvel o sistema de equaes a perturbaes do segundo
membro.
Matrizes com um nmero de condio elevado dizem-se mal condicionadas.
Matrizes com um nmero de condio baixo dizem-se bem condicionadas.
Resoluo de Sistemas de Equaes Lineares
-19-
Pode provar-se que 1 A cond .

Perturbao da matriz

Seja o sistema perturbado
( ) ( ) b x A
x A
= + + .
Assim
( )
x A x
x A + =
1
.
Aplicando normas, podemos escrever
x A x
x A +
1
,
ou seja,
A
A A
x
A
A
x
x

1
cond

+

e, mais uma vez, constatamos que o nmero de condio que determina a maior ou
menor influncia que a perturbao da matriz A pode ter na soluo.


Algumas noes bsicas necessrias para a seco seguinte

Definio 2.5
Se A uma matriz quadrada, o polinmio definido atravs de
( ) I A = det ) ( p ,
onde I denota a matriz identidade, designado por polinmio caracterstico de A.

Se A de dimenso n n , pode mostrar-se que ) ( p um polinmio de grau n
e, consequentemente, p tem no mximo n zeros distintos que podem ser reais ou
complexos.

Resoluo de Sistemas de Equaes Lineares
-20-
Definio 2.6
Se p o polinmio caracterstico da matriz A, os zeros de p (reais ou complexos) so
designados valores prprios (ou valores caractersticos) da matriz A.
Se um valor prprio de A e 0 x tem a propriedade de satisfazer ( ) 0 x I A = ,
ento x designado um vector prprio (ou vector caracterstico) de A associado ao
valor prprio .

Definio 2.7
Seja
n n
C A e
n
C x . O conjunto dos valores prprios de A o espectro de A e ser
designado por ( ) A , isto ,
( ) { } A A de prprio valor : C = .
Designa-se por raio espectral de A, denotado por ( ) A , o valor
( ) ( ) { } A A = : max .

Recorde que se C ( i + = ),
2 2
+ = .

2.1.3- Mtodos iterativos estacionrios
Os mtodos iterativos so particularmente eficientes (tempo e memria) na
soluo de sistemas de grandes dimenses envolvendo matrizes esparsas (uma matriz
diz-se esparsa se possui uma grande percentagem de elementos nulos).
Observe-se que o mtodo de eliminao de Gauss no preserva a esparsidade
durante a resoluo.
Para resolver o sistema (2.2), os mtodos iterativos partem de uma aproximao
inicial, seja ela
( ) 0
x , e constroem uma sucesso de aproximaes sucessivas
( ) ( ) ( )
, , , ,
2 1 k
x x x
que esperamos seja convergente para a soluo exacta x do sistema!
Resoluo de Sistemas de Equaes Lineares
-21-
Dado um sistema linear b Ax = , convertemo-lo, de alguma forma, num sistema
equivalente do tipo c Mx x + = , onde M uma matriz n n e c o vector coluna de
dimenso n.
Os mtodos iterativos que estudaremos nesta seco, do tipo estacionrio, podem
ento escrever-se na forma geral
( ) ( )
, 1 , 0 ,
1
= + =
+
k
k k
c Mx x , (2. 26)
em que a matriz M designada por matriz de iterao.
Definio 2.8
Se para qualquer estimativa inicial
( ) 0
x , a sucesso
( )
( )
k
x , obtida de (2.28), convergir
para um limite independente de
( ) 0
x , ento o mtodo iterativo diz-se convergente.

Definio 2.9
O mtodo iterativo consubstanciado por (2.28) diz-se consistente com b Ax = se este
sistema e c Mx x + = possurem a mesma soluo.

Estamos interessados em que os mtodos iterativos sejam simultaneamente
convergentes e consistentes.
Antes de apresentarmos um resultado fundamental (condio necessria e
suficiente de convergncia), vejamos o seguinte teorema que intervm na demonstrao
daquele.
Teorema
Seja A uma matriz quadrada. Ento
1 ) ( 0 lim < =
+
A A
k
k
.



Resoluo de Sistemas de Equaes Lineares
-22-

Teorema 2.7
Seja (2.28) um mtodo consistente com (2.2). A sucesso
( )
( )
0
N k
k
x converge para
qualquer aproximao inicial
( ) 0
x se e s se
( ) 1 < M .

Vejamos agora uma condio suficiente de convergncia.
Teorema 2.8
Se 1 < M para alguma norma matricial natural, ento a sucesso
( )
( )
N k
k
x obtida a
partir de (2.28) converge para a soluo nica da equao c Mx x + = , para qualquer
aproximao inicial
( ) n
R
0
x considerada. Mais ainda, verifica-se que
(i)
( ) ( ) 0
x x M x x
k
k
;
(ii)
( ) ( ) ( ) 0 1
1
x x
M
M
x x

k
k
.

2.2.3.1 - Mtodo Iterativo de Jacobi
Considere-se o sistema original

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

2 2 1 1
2 2 2 22 1 21
1 1 2 12 1 11
,
supondo que n i a
ii
, , 2 , 1 , 0 = . A forma como o mtodo de Jacobi transforma o
sistema linear b Ax = em c Mx x + = , consiste no isolamento do vector x mediante a
separao pela diagonal, obtendo-se
Resoluo de Sistemas de Equaes Lineares
-23-

=
=
=

) (
1
) (
1
) (
1
1 1 2 2 1 1
2 3 23 1 21 2
22
2
1 2 12 1
11
1
n nn n n n
nn
n
n n
n n
x a x a x a b
a
x
x a x a x a b
a
x
x a x a b
a
x

.
Desta forma, temos c Mx x + = , onde

=
nn n
n
n
nn n nn n nn n
a b
a b
a b
a a
a a
a a a a a a
a a a a
a a a a

22 2
11 1
22 2
11 1
3 2 1
22 23 22 21
11 13 11 12
e
0
0
0
c M .
O mtodo de Jacobi consiste em, dado
) 0 (
x , aproximao inicial, obter
, , ,
) ( ) 2 ( ) 1 ( k
x x x , atravs da relao recursiva c Mx x + =
+ ) ( ) 1 ( k k
:

=
=
=

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

.
Outra possibilidade de apresentar o mtodo consiste em fazer a decomposio da
matriz A na forma
F E D A = (2. 27)
onde D uma matriz diagonal, E uma matriz triangular inferior e F uma matriz
triangular superior, o sistema (2.2) pode escrever-se
( ) b x F E D =
ou seja,
( ) b D x F E D x
1 1
+ + = (2. 28)
o qual sugere o esquema iterativo
( )
( )
( )
b D x F E D x
1 1 1 +
+ + =
k k
(2. 29)
Comparando esta expresso com (2.28) podemos fazer a seguinte identificao
Resoluo de Sistemas de Equaes Lineares
-24-
( ) F E D M + =
1
e b D c
1
=
Observao
Na decomposio acima (2.29) supomos D uma matriz invertvel, o que implica que os
seus elementos diagonais sejam todos diferentes de zero.
Vejamos agora a definio de matriz de diagonal estritamente dominante por
linhas:
Definio 2.10
Uma matriz = A [
ij
a ], n j i ,..., 2 , 1 , = diz-se de diagonal estritamente dominante por
linhas se

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

No estudo da convergncia deste mtodo realce para o seguinte resultado:
Teorema 2.9
Se A for uma matriz de diagonal estritamente dominante por linhas, ento o mtodo de
Jacobi gera uma sucesso convergente para a soluo nica de b Ax = , para qualquer
escolha de
( ) 0
x .
Demonstrao
Se conseguirmos provar que 1 < M ento o Corolrio 2.8 assegura imediatamente a
convergncia do mtodo.
Como vimos
( ) F E D M + =
1
,
e fcil verificar que sendo = M [
ij
m ], n j i ,..., 2 , 1 , = , ento
, ,
, 0
j i
a
a
m
m
ii
ij
ij
ii
=
=

pelo que, tomando a norma do mximo,
Resoluo de Sistemas de Equaes Lineares
-25-
1 max max max
1
1 1
< = = =

= =

ii
n
i j
j
ij
i
n
i j
j ii
ij
i
n
j
ij
i
a
a
a
a
m M ,
em que a ltima passagem se justifica pela definio de matriz com diagonal
estritamente dominante por linhas.

2.1.3.1 - Mtodo Iterativo de Gauss-Seidel
Da mesma forma que no mtodo de Jacobi, no mtodo de Gauss-Seidel o sistema
linear b Ax = escrito na forma equivalente c Mx x + = , por separao da diagonal.
O processo iterativo consiste em, sendo
( ) 0
x uma aproximao inicial, calcular
, , ,
) ( ) 2 ( ) 1 ( k
x x x , atravs de:

=
=
=
=
+

+ + +
+ + +
+ +
+
) (
1
) (
1
) (
1
) (
1
) 1 (
1 1
) 1 (
2 2
) 1 (
1 1
) 1 (
) (
2
) (
4 34
) 1 (
2 32
) 1 (
1 31 3
33
) 1 (
3
) (
2
) (
3 23
) 1 (
1 21 2
22
) 1 (
2
) (
1
) (
2 12 1
11
) 1 (
1
k
n nn
k
n
k
n n
nn
k
n
k
n n
k k k k
k
n n
k k k
k
n n
k k
x a x a x a b
a
x
x a x a x a x a b
a
x
x a x a x a b
a
x
x a x a b
a
x

.
Portanto, no processo iterativo de Gauss-Seidel, no momento de se calcular
1 + k
j
x
usamos todos os valores
) 1 (
1
) 1 (
2
) 1 (
1
, , ,
+

+ + k
j
k k
x x x , que j foram entretanto calculados, bem
como os restantes valores
) ( ) (
1
, ,
k
n
k
j
x x
+
.
Matricialmente, considere-se a decomposio da matriz A (2.29). O sistema (2.2)
pode escrever-se
( ) b x F E D = .
Fazendo
( ) b Fx x E D + = ,
podemos pensar em
Resoluo de Sistemas de Equaes Lineares
-26-
( ) ( ) b E D Fx E D x
1 1
+ = ,
que sugere o esquema iterativo
( )
( )
( )
( ) b E D Fx E D x
1 1 1 +
+ =
k k
.
Comparando esta expresso com (2.28) podemos fazer a seguinte identificao
( ) F E D M
1
= e ( ) b E D c
1
= .
Tal como sucede com o mtodo de Jacobi, o mtodo de Gauss-Seidel
convergente para matrizes de diagonal estritamente dominante por linhas.



Teorema 2.10
Se A for uma matriz de diagonal estritamente dominante por linhas ento o mtodo
iterativo de Gauss-Seidel gera uma sucesso convergente para a soluo nica de
b Ax = , para qualquer escolha de
( ) 0
x .

Critrios de Paragem
Uma possibilidade repetir o processo iterativo at que o vector
( ) k
x esteja
suficientemente prximo de
( ) 1 k
x . Mediremos a distncia entre
( ) k
x e
( ) 1 k
x atravs
de
( ) ( ) 1

k k
x x numa norma conveniente (normalmente utiliza-se a norma de mximo)
e termina-se quando
( ) ( )

1 k k
x x , onde uma tolerncia pr-definida.
Outra possibilidade , dada uma tolerncia 0 > , escolher a aproximao
( ) k
x que
satisfaz
( ) ( )
( )

1
1
k
k k
x
x x
.
Isto funciona como uma espcie de teste do erro relativo.
Os critrios de paragem apresentados so baseados na diferena entre duas
aproximaes sucessivas. No entanto, podem ser estabelecidos outros critrios de
paragem, nomeadamente os baseados no vector resduo em cada iterao.