1 - Método Interarivos Resolução Sistemas Lineares

Fazer download em pdf ou txt
Fazer download em pdf ou txt
Você está na página 1de 36

ÁLGEBRA LINEAR COMPUTACIONAL

MÉTODOS ITERATIVOS
RESOLUÇÃO SISTEMAS
LINEARES
Autor: Dr. Ricardo Igarashi
Revisor: Raimundo Almeida

INICIAR
introdução
Introdução
Nesta unidade, reforçaremos o conteúdo do módulo II, apresentando a solução geométrica de
sistemas lineares 2x2 e 3x3 . Esse conceito nos fornecerá uma visão espacial do signi cado de um
sistema linear. Posteriormente, trabalharemos a resolução de forma iterativa para sistemas lineares.
Esse fato é de muita importância, pois, muitas vezes, sistemas lineares não são resolvidos de forma
analítica, e dessa forma, teremos de usar métodos numéricos. Nesta unidade, apresentaremos o
método de Jacobi e método de Gauss Seidel. Esses métodos usarão como base um “chute” inicial, e,
após, serão usados métodos de recorrência, para a resolução do sistema.
Interpretação
Geométrica dos
Sistemas Lineares

Recordando:

Dizemos que (α1 ,  α2 ,   … ,  αn )  ∈ R é solução de um sistema linear com n equações quando (
α1 ,  α2 ,   … ,  αn ) é solução de cada uma das equações do sistema linear.

Vamos ver um exemplo:

Dado o sistema linear a seguir, mostre que (2,   − 1,  4) é solução do sistema linear:

⎧ 2x + 3y + 5z = 21

⎨ 3x − 1y + 4z = 23


−4x + 2y − 6z = −34

Veri cando:

2. (2) + 3. (−1) + 5. (4) = 4 − 3 + 20 = 21    

3. (2) − 1. (−1) + 4. (4) = 6 + 1 + 16 =  23   

−4. (2) + 2. (−1) − 6. (4) = −8 − 2 − 24 = −34

Como pudemos veri car, o trio (2,   − 1,  4) é solução do sistema linear, pois satisfez as três
equações.

Em estudos anteriores, vimos dois métodos de resolução de um sistema linear 2x e 3x3, que foram a
regra de Crammer e o método de Gauss-Jordam.

Neste modulo, veremos a interpretação geométrica dos sistemas lineares e dois métodos iterativos,
para a resolução do sistema.
Interpretação Geométrica de um Sistema
Linear 2x2
Os pares ordenados de números reais que são solução de uma equação linear com duas incógnitas
determinam, no grá co, uma reta. A intersecção das retas das equações do sistema determina sua
solução, se existir.

Veja, a seguir, a representação geométrica dos três sistemas lineares e, analisando os grá cos,
classi que como SI (Sistema Impossível) SPD (Sistema Possível e Indeterminado) ou SPI (Sistema
Possível e Indeterminado).

Para representar cada uma das retas no plano cartesiano, basta determinar pares ordenados que
satisfaçam cada uma das equações:

3x − y = 10  → (4, 2) ,   (2,   − 4)    


{
2x + 5y = 1  → (−2, 1) ,   (3, −1)

Na Figura 3.1, as retas concorrentes indicam que existe um único par ordenado, que é a solução do
sistema solar, e essa solução é indicada na intersecção das duas retas.

Figura 3.1 - Retas concorrentes


Fonte: Elaborada pelo autor.

x − 2y = 5  → (1, −2) , (−1, −3)


{
2x − 4y = 2  → (1, 0) , (3, 1)               

Na Figura 3.2, as retas paralelas e distintas indicam que não existe par ordenado que seja solução do
sistema linear (SI).
Figura 3.2 - Retas paralelas
Fonte: Elaborada pelo autor.

2x − 6y = 8  → (4, 0) , (1, −1)   


{
3x − 9y = 12  → (4, 0) , (1, −1)

Veja a Figura 3.3:

Figura 3.3 - Retas coincidentes


Fonte: Elaborada pelo autor.

Na Figura 3.3, as retas coincidentes indicam que existem in nitos pares ordenados, que são soluções
do sistema linear (SPI).
praticar
Vamos Praticar
Usando os conceitos apresentados até aqui, resolva o sistema linear 2x2 a seguir, usando o método da adição.
Classi que-os quanto ao número de soluções e veri que a solução encontrada, fazendo a representação
grá ca do sistema linear.

3x − 2y = −12
{     
5x + 6y = 8              

a) O sistema tem solução única: x = −2 e y = 3. A solução é representada pela intersecção das


retas, cujas soluções gerais são: 3x − 2y = −12 e 5x + 6y = 8 .
Feedback: alternativa correta, pois você provavelmente resolveu o sistema linear por adição e
encontrou x = −2 ey . O grá co dessas duas funções será retas, que vão se cruzar nesse ponto.
= 3

b) O sistema tem solução única: x = 2 e y = −3 . A solução é representada pela intersecção das


retas, cujas soluções gerais são: 3x − 2y = −12 e 5x + 6y = 8 .
c) O sistema tem solução única: x = 3 e y = 1. A solução é representada pela intersecção das retas,
cujas soluções gerais são: 3x − 2y = −12 e 5x + 6y = 8 .
d) O sistema não admite solução.
e) O sistema possui in nitas soluções.
Interpretação
Geométrica de um
Sistema Linear 3x3

Considerando um sistema linear com três equações e três incógnitas, geometricamente, cada uma
das equações de ne um plano. O termo ordenado (x,  y,  z) pertence à intersecção entre os três
planos.

Existem oito possibilidades para as posições relativas dos três planos que vamos nomear de
π1 ,  π2  e π3 no espaço.

1ª possibilidade: os três planos coincidentes

Nesse caso, todos os pontos P (x,  y,  z) de π1 são solução do sistema; há, portanto, in nitas
soluções (SPI).

Veja o exemplo a seguir:

⎧ x + y − z = 1  

⎨ 2x + 2y − 2z = 2  


4x + 4y − 4z = 4

Nesse caso, analisando o plano formado pelas três equações, podemos usar qualquer uma das três
equações para determinar uma solução genérica. Usaremos a equação 1.

x + y − z = 1      z = x + y − 1Solu ção = (x,  y,  x + y − 1)

Algumas possíveis soluções para o sistema (1,  1,  1) ,   (1,  2,  2) ,   (2,  5,  6) , que representam
um plano na gura:
Figura 3.4 - Plano formado pela 1ª equação
Fonte: Elaborada pelo autor.

•2ª possibilidade: dois planos coincidem, e o terceiro é paralelo a eles

Nesse caso, o sistema é impossível, pois não existem pontos em comum aos três planos (SI).

Veja o exemplo a seguir, cuja solução é apresentada na Figura 3.5:

⎧ x + y − z = 1  

⎨ 2x + 2y − 2z = 2  


4x + 4y − 4z = 7

Figura 3.5 - Dois planos coincidentes e outro paralelo


Fonte: Elaborada pelo autor.

3ª possibilidade: dois planos coincidem, e o terceiro os intersecta segundo uma reta, como
mostrado na Figura 3.5. Nesse caso, todos os pontos P (x,  y,  z) da reta formada pela
intersecção dos três planos é solução do sistema linear (SPI).

Como as duas primeiras equações formam o mesmo plano, analisaremos a primeira e a terceira
equações, para determinar a equação da reta e uma solução genérica para o sistema.

⎧ x + y − z = 1   

x + y − z = 1. (−4)
⎨ 2x + 2y − 2z = 2       {   

⎪ 4x + 4y − z = 4           
4x + 4y − z = 4  

−4x − 4y + 4z = −4          
{
4x + 4y − z = 4            

3z = 0    z = 0   então 4x + 4y = 4    y = 1 − x


Solução genérica (x,  1 − x,  z)

Exemplos de solução do sistema (1,  0,  0) , (2,   − 1,  0)

Figura 3.6 - Dois planos coincidem, e o terceiro os intersecta segundo uma reta
Fonte: Elaborada pelo autor.

4ª possibilidade: os três planos são paralelos

Nesse caso, o sistema é impossível, pois não existem pontos em comum aos três planos (SI), como
mostrado na Figura 3.7:

Veja o exemplo:

⎧ x + y − z = 1  

⎨ 2x + 2y − 2z = 3  


4x + 4y − 4z = 7

Figura 3.7 - Três planos paralelos


Fonte: Elaborada pelo autor.
5ª possibilidade: dois planos são paralelos, e o outro os intersecta, formando duas retas,
como mostrado na Figura 3.8.

Nesse caso, o sistema é impossível, pois não existem pontos em comum aos três planos (SI).

Veja o exemplo:

⎧ x + y − z = 1  

⎨ 2x + 2y − 2z = 3  


4x + 4y − 4z = 4

Figura 3.8 - Dois planos são paralelos, e o outro os intersecta formando duas retas
Fonte: Elaborada pelo autor.

6ª possibilidade: os três planos são distintos e têm uma reta em comum, como mostrado na
Figura 3.9:

Nesse caso, todos os pontos P (x,  y,  z) da reta formada pela intersecção dos três planos são
solução do sistema linear (SPI).

⎧ x + y + z = 1

⎨ 2x − y + z = 5      


4x + y + 3z = 7

A terceira equação é uma combinação entre a primeira e a segunda equações. Para veri car, basta
multiplicar a primeira equação por dois e somar com a segunda.

Para determinar uma solução genérica, faremos combinações entre as duas primeiras equações:

x + y + z = 1 6 − 3x
{     3x + 2z = 6    z =  
2x − y + z = 5 2
x + y + z = 1           x + y + z = 1 x − 4
{         {      − x + 2y = −4    y =
2x − y + z = 5. (−1) −2x + y − z = −5 2

x − 4 6 − 3x
~
Solu 
a
 o 
 gen 
  é
 rica  (x,   ,  )
2 2

Exemplos de solução do sistema (0,   − 2,  3) (2,   − 1,  0)

Figura 3.9 - Três planos são distintos e têm uma reta em comum
Fonte: Elaborada pelo autor.

7ª possibilidade: os três planos se intersectam, dois a dois, formando três retas paralelas,
como mostrado na Figura 3.10.

Nesse caso, o sistema é impossível, pois não existem pontos em comum aos três planos (SI).

Veja o exemplo:

⎧ x + y − 3z = 1  

⎨ 5x + 2y + z = 2    


9x + 3y + 5z = 5
Figura 3.10 - Três planos se intersectam, dois a dois, formando três retas paralelas
Fonte: Elaborada pelo autor.

8ª possibilidade: os três planos têm um único ponto em comum, como mostrado na Figura
3.11.

Nesse caso, o sistema é possível e determinado, pois existe um único ponto em comum aos três
planos.

Vamos ver um exemplo

⎧ x + 2y − 3z = 4 ⎧ x + 2y − 3z = 4
⎪ ⎪

⎨ 2x + 3y + 4z = 5        ⎨   − y + 10z = −3       



⎪ ⎩

4x + 7y − z = 13              − z = 0

z = 0,  y = 3,  x = −2

Solução (−2,  3,  0)

Figura 3.11 - Três planos têm um único ponto em comum


Fonte: Elaborada pelo autor.
praticar
Vamos Praticar
Dado um sistema de equações com três equações com três incógnitas:

a11 x1 + a12 x2 + a13 x3 = b1


⎢ a21 x1 + a22 x2 + a23 x3 = b2



a31 x1 + a32 x2 + a33 x3 = b3

cada equação representa um plano no espaço tridimensional. Dessa forma, os três planos acima que vamos
designar como π1 ,  π2 e π3 são os planos de nidos pelas equações do sistema. Assim, as soluções do referido
sistema pertencem à intersecção desses planos.

Usando esses conceitos, assinale a alternativa que corresponda à solução geométrica do seguinte sistema
linear:

x + 2y − z = 3

⎢ 2x + 4y − 2z = 4

3x + 6y − 3z = 5

a) Os três planos coincidem. Nesse caso, o sistema é indeterminado e qualquer ponto dos planos é
uma solução do sistema.
b) O sistema é impossível. Nesse caso, dois planos coincidem, e o terceiro plano é paralelo a eles.
c) Dois planos coincidem, e o terceiro os intersecta segundo uma reta r. Nesse caso, o sistema é
indeterminado, e qualquer ponto da reta r é uma solução do sistema.
d) Os três planos são paralelos. Nesse caso, o sistema é impossível.D.
Feedback: alternativa correta, pois você encontrou os vetores normais dos planos formados pelas
três equações. Isso pode ser veri cado pelos vetores normais das três equações: (1,2,-1), (2,4,-2) e
(3,6,-3).
e) Os planos formados pelas duas primeiras equações são paralelos, e o plano formado pela terceira
equação os intersecta segundo duas retas paralelas. Nesse caso, o sistema é impossível.
Métodos Iterativos

Nesta seção, apresentaremos os métodos iterativos para a resolução de sistemas lineares. Faremos
uma pequena introdução aos métodos iterativos e, após, apresentaremos os métodos de Gauss
Jacobi e Gauss Seidel.

Introdução dos Métodos Iterativos


Os métodos iterativos consistem em transformar um sistema linear Ax = b em que:

A = matriz dos coe cientes do sistema linear, n x n

x = matriz das variáveis, n x 1

b = matriz dos termos constantes, n x 1

Solução
Em um sistema do tipo x = Mx + c em que M é matriz n x n e c matriz n x 1

Observamos que φ (x) = Mx + c é uma função de iteração dada na forma matricial.

E, dessa forma, podemos iniciar o esquema iterativo.

Partindo de x(0) (aproximação inicial) podemos construir a seguinte sequência:


Primeira x (1) = C.x (0) + g = φ(x (0)
)
Iteração

freepik.com

A próxima iteração é sempre calculada usando o valor da iteração anterior.

Teste de Parada
O processo iterativo é repetido até que a matriz solução x(k) do sistema linear seja su cientemente
próxima da matriz x(k−1)

∣ (k) (k−1)
Medimos essa distância por d
(k) ∣
= max1 ≤ i ≤ n   x − x
∣ i i ∣

Assim, dada uma precisão ε, a matriz x(k) será escolhida como resposta aproximada da solução exata
do sistema linear se d
(k)
< ε

Podemos, também, efetuar o cálculo utilizando o teste do erro relativo:

(k)
(k) d
dr =
∣ (k) ∣
max1 ≤ i ≤ n   x
∣ i ∣

Método de Gauss – Jacobi


A forma como o método de Gauss-Jacobi transforma o sistema linear Ax = b em um sistema
x = Mx + c é a seguinte:

Vamos pegar um sistema genérico n x n


⎧ a11 x1 + a12 x2 + … + a1n xn = b1



⎪ a21 x1 + a22 x2 + … + a2n xn = b2


⎪     ⋮           ⋮                 ⋮          ⋮             ⋮ 



an1 x1 + an2 x2 + … + ann xn = bn

a11 a12 … a1n x1 b1


⎡ ⎤ ⎡ ⎤ ⎡ ⎤

⎢ a21 a22 … a2n ⎥ ⎢ x2 ⎥ ⎢ b2 ⎥


A = ⎢ ⎥                      x = ⎢ ⎥                      b =   ⎢ ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⋮ ⎥ ⎢ ⋮ ⎥
⋮ ⋮ ⋮ ⋮
⎣ ⎦ ⎣ ⎦ ⎣ ⎦
an1 an2 … ann xn bn

Inicialmente, temos de supor aii ≠ 0 ,  i = 1, … ,  n isolamos o x da diagonal principal

1

⎪ x1 = . (b1 − a12 x2 − a13 x3 − … − a1n xn )
a11




⎪ 1
x2 = . (b2 − a21 x1 − a23 x3 − … − a2n xn )
a22


⎪ ⋮           ⋮           ⋮           ⋮           ⋮




⎪ 1
xn = . (bn − an1 x1 − an2 x2 − … − an,n−1 xn−1 )
ann

Para fazer os passos da iteração, usaremos o valor determinado no passo anterior e, portanto,
teremos:

(k+1) 1 (k) (k) (k)


⎧ x1 = . (b1 − a12 x2 − a13 x3 − … − a1n xn )

⎪ a11


⎪ (k+1) 1 (k) (k) (k)
⎪ x2 = . (b2 − a21 x1 − a23 x3 − … − a2n xn )
a22



⎪ ⋮                 ⋮                  ⋮           ⋮              ⋮



⎪ (k+1) 1 (k) (k) (k)
xn = . (bn − an1 x1 − an2 x2 − … − an,n−1 xn−1 )
ann

Condição de Convergência
Considere o sistema linear

⎧ a11 x1 + a12 x2 + a13 x3 = b1


⎨ a21 x1 + a22 x2 + a23 x3 = b2




a31 x1 + a32 x2 + a33 x3 = b3

Vamos ver três critérios para analisar a convergência do sistema por método iterativo. Esses critérios
estabelecem apenas condições su cientes.

1. Critério da soma por linha

a11   ≥ a12 + a13                 a22   ≥ a21 + a23                a33   ≥ a31 + a32  

Se as três desigualdades se veri carem, podemos garantir a convergência. Se uma das condições não
está satisfeita, nada podemos a rmar sobre a convergência.
2. Critério da soma por colunas

a11   ≥ a21 + a31                 a22   ≥ a12 + a32                a33   ≥ a13 + a23

Se as três desigualdades se veri carem, podemos garantir a convergência. Se uma das condições não
está satisfeita, nada podemos a rmar sobre a convergência.

3. Critério de Sassenfeld

∣ a12 ∣ ∣ a13 ∣ ∣ a21 ∣ ∣ a23 ∣ ∣ a31 ∣ ∣ a32 ∣


β1 = ∣ ∣ + ∣ ∣ < 1         β2 = ∣ ∣ . β1 + ∣ ∣ < 1         β3 = ∣ ∣ . β1 + ∣ ∣ . β2 < 1
∣ a11 ∣ ∣ a11 ∣ ∣ a22 ∣ ∣ a22 ∣ ∣ a33 ∣ ∣ a33 ∣

Se as três desigualdades se veri carem, podemos garantir a convergência. Se uma das condições não
está satisfeita, nada podemos a rmar sobre a convergência.

Exemplo: mostre que, mesmo permutando a ordem das equações, o critério da soma por linhas e por
colunas não garante a convergência do sistema, mas o critério de Sassenfeld satisfaz a condição de
convergência.

⎧ 3x1 + 3x2 − 5x3 = 2   


⎨ 10x1 + 3x2 + 2x3 = −20




2x1 + 5x2 − 3x3 = 10 

Vamos permutar as equações, para tentar deixar os maiores valores de cada equação na posição
a11 ,  a22 ,  a33

⎧ 10x1 + 3x2 + 2x3 = −20   


⎨ 2x1 + 5x2 − 3x3 = 10    




3x1 + 3x2 − 5x3 = 2      

Critério da soma por linha não satisfaz a condição de convergência, como podemos veri car:

10 > 3 + 2  (v)        5 > 2 + 3  (f)     5 > 3 + 3  (f)

Critério da soma por colunas não satisfaz a condição de convergência, como podemos veri car:

10 > 2 + 3  (v)     5 > 3 + 3  (f)     5 > 3 + 2  (f)

O critério de Sassenfeld satisfaz a condição de convergência, como podemos veri car:

∣ 3 ∣ ∣ 2 ∣ 1 ∣ 2∣ 1 ∣ −3 ∣ 4
β1 = ∣ ∣ + ∣ ∣ =     <  1                                                        β2 = ∣ ∣. + ∣ ∣ = < 1 
∣ 10 ∣ ∣ 10 ∣ 2 ∣ 5∣ 2 ∣ 5 ∣ 5

∣ 3 ∣ 1 ∣ 3 ∣ 4 39
β3 = ∣ ∣. + ∣ ∣. = < 1
∣ −5 ∣ 2 ∣ −5 ∣ 5 50

1. Determine a solução do sistema linear a seguir, com ε < 0, 05 :


⎧ 10x1 + 2x2 + x3 = 7

⎨ x1 + 5x2 + x3 = −8


2x1 + 3x2 + 10x3 = 6

Inicialmente, veri caremos as condições de convergência:

10 > 2 + 1          5 > 1 + 1          10 > 2 + 3

O sistema atende à condição da soma por linha.

Inicialmente, devemos isolar x1 na primeira equação, x2 na segunda equação e x3 na terceira


equação.

1
x1 = . (7 − 2x2 − x3 )   
10

1
x2 = . (−8 − x1 − x3 )
5

1
x3 = . (6 − 2x1 − 3x2 )   
10

0
⎡ ⎤
Se adotarmos como solução inicial x (0)
= ⎢ 0⎥, teremos:
⎣ ⎦
0

(1)
1
x1 = . (7 − 2.0 − 0) = 0, 7 
10

(1)
1
x2 = . (−8 − 0 − 0) =   − 1, 6
5

(1)
1
x3 = . (6 − 2.0 − 0) = 0, 6 
10

0, 7
⎡ ⎤
(1)
x = ⎢ −1, 6 ⎥
⎣ ⎦
0, 6

Para pularmos essa primeira iteração, podemos sempre adotar a solução inicial como sendo:

(0)
bi (0) b1 7 (0) b2 −8 (0) b3 6
x =    x = =          x = =         x =   =  
1 2 3
aii a11 10 a22 5 a33 10

Prosseguindo vamos fazer a segunda iteração

(2)
1
x1 = . (7 − 2. (−1, 6) − 0, 6) =  0, 96
10
(2)
1
x2 = . (−8 − 0, 7 − 0, 6) =   − 1, 86
5

(2)
1
x3 = . (6 − 2.0, 7 − 3. (−1, 6)) = 0, 94
10

0, 7 0, 96 0, 26
⎡ ⎤ ⎡ ⎤ ⎡ ⎤
(1) (2) (2) (1)
x = ⎢ −1, 6 ⎥              x = ⎢ −1, 86 ⎥      ∣
∣x −  x ∣ = ⎢
∣ 0, 26 ⎥  
⎣ ⎦ ⎣ ⎦ ⎣ ⎦
0, 6 0, 94 0, 34

(2)
(2) d 0, 34
dr = =   ≅0, 1827 > 0, 05
(2) 1, 86
∣ ∣
max1 ≤ i ≤ n   x
∣ i ∣

Teremos de fazer mais uma iteração:

(3)
1
x1 = . (7 − 2. (−1, 86) − 0, 94) =  0, 978  
10

(3)
1
x2 = . (−8 − 0, 96 − 0, 94) =   − 1, 98
5

(3)
1
x3 = . (6 − 2.0, 96 − 3. (−1, 86)) =  0, 966
10

0, 96 0, 978 0, 018
⎡ ⎤ ⎡ ⎤ ⎡ ⎤
(2) (3) (3) (2)
x = ⎢ −1, 86 ⎥              x = ⎢ −1, 98 ⎥      ∣
∣x −  x ∣ =   ⎢ 0, 12 ⎥

⎣ ⎦ ⎣ ⎦ ⎣ ⎦
0, 94 0, 966 0, 026

(3)
(3) d 0, 12
dr = =   ≅0, 06O6 > 0, 05
(3)
∣ ∣ 1, 98
max1 ≤ i ≤ n   x
∣ i ∣

Teremos de fazer mais uma iteração:

(4)
1
x1 = . (7 − 2. (−1, 98) − 0, 966) =  0, 9994  
10

(4)
1
x2 = . (−8 − 0, 978 − 0, 966) =   − 1, 9888 
5

(4)
1
x3 = . (6 − 2.0, 978 − 3. (−1, 98)) = 0, 9984 
10

0, 978 0, 9994 0, 0214


⎡ ⎤ ⎡ ⎤ ⎡ ⎤
(3) (4) (4) (3)
x = ⎢ −1, 98 ⎥               x = ⎢ −1, 9888 ⎥     ∣
∣x −  x ∣ =   ⎢ 0, 0088 ⎥

⎣ ⎦ ⎣ ⎦ ⎣ ⎦
0, 966 0, 9984 0, 0324

(4)
(4) d 0, 0324
dr = =     ≅0, 01629 < 0, 05
(4)
∣ ∣ 1, 9888
max1 ≤ i ≤ n   x
∣ i ∣
0, 9994
⎡ ⎤
Portanto, a solução aproximada do sistema linear é x = ⎢ −1, 9888 ⎥ .
⎣ ⎦
0, 9984

praticar
Vamos Praticar
Vimos que um dos métodos de resolução de sistemas lineares são os métodos iterativos. Nessa metodologia,
devemos escolher valores iniciais para fazer a convergência do cálculo iterativo. Também, devemos levar em
conta a convergência do sistema linear.

⎧ kx1 + 3x2 + x3 = 1

⎨ kx1 + 6x2 = 2


x1 + 6x2 + 8x3 = 3

Pelo critério de linhas, assinale a alternativa que indica o intervalo de k, para que exista a convergência do
sistema apresentado:

a) 1 < k < 3 .
b) 2 < k < 4 .
c) 3 < k < 7 .
d) 4 < k < 6 .
Feedback: alternativa correta, pois provavelmente, você utilizou a condição de convergência nas
linhas para encontrar a solução.
e) 8 < k < 10 .
Método de Gauss-
Seidel

Inicialmente, o método de Gauss-Seidel é exatamente igual ao método de Gauss-Jacobi, ou seja, o


processo iterativo consiste em sendo x
(0)
uma aproximação inicial, calcular x
(1) (2)
,  x  , … ,  x
(k)

até atingir uma resposta em que o erro relativo seja menor do que o erro estipulado.

A diferença no processo iterativo de Gauss-Seidel consiste em usar valores já conhecidos de x


(k)
,
(k+1) (k+1) (k+1)
portanto, no momento de se calcular x
j
usamos todos os valores x
1
,   … ,  x
j−1
que já
(k) (k)
foram calculados e os valores xj+1 ,   … ,  xn restantes.

Vamos pegar como exemplo o mesmo problema proposto anteriormente e resolvido pelo método de
Gauss-Jacobi.

Exemplo: determine a solução do sistema linear a seguir, com ε < 0, 05 :

⎪ 10x1 + 2x2 + x3 = 7

⎨ x1 + 5x2 + x3 = −8


2x1 + 3x2 + 10x3 = 6

Inicialmente, devemos isolar x1 na primeira equação, x2 na segunda equação e x3 na terceira


equação.

1
x1 = . (7 − 2x2 − x3 )   
10

1
x2 = . (−8 − x1 − x3 )
5

1
x3 = . (6 − 2x1 − 3x2 )   
10
0
⎡ ⎤
Se adotarmos como solução inicial x (0)
= ⎢ 0⎥, teremos:
⎣ ⎦
0

(1)
1
x1 = . (7 − 2.0 − 0) = 0, 7 
10

Agora vem a diferença no método de Gauss-Seidel, pois para calcular x2


(1),
já usaremos o
x1
(1)
= 0, 7, já encontrado no passo anterior.

(1)
1
x2 = . (−8 − 0, 7 − 0) =   − 1, 74
5

Para calcular o x3 (1) , vamos utilizar os valores já calculados acima x1 (1) = 0, 7 e x2 (1) =   − 1, 74 .

(1)
1
x3 = . (6 − 2.0, 7 − 3. (−1, 74)) = 0, 982  
10

0, 7
⎡ ⎤
(1)
x = ⎢ −1, 74 ⎥
⎣ ⎦
0, 982

Portanto, essa é a diferença do método de Gauss-Seidel: os valores que já foram calculados são
usados na própria iteração.

Vamos fazer mais uma iteração:

(2)
1
x1 = . (7 − 2. (−1, 74) − 0, 982) =  0, 9498
10

(2)
1
x2 = . (−8 − 0, 9498 − 0, 982) =   − 1, 98636
5

(2)
1
x3 = . (6 − 2.0, 9498 − 3. (−1, 98636)) = 1
10

0, 7 0, 9498 0, 2498
⎡ ⎤ ⎡ ⎤ ⎡ ⎤
(1) (2) (2) (1)
x = ⎢ −1, 74 ⎥              x = ⎢ −1, 98636 ⎥      ∣
∣x −  x ∣ =   ⎢ 0, 24636 ⎥

⎣ ⎦ ⎣ ⎦ ⎣ ⎦
0, 982 1, 005948 0, 023948

(2)
(2) d 0, 2498
dr = =   ≅0, 1258 > 0, 05
(2)
∣ ∣ 1, 98636
max1 ≤ i ≤ n   x
∣ i ∣

Teremos de fazer mais uma iteração:

0, 9498
⎡ ⎤
(2)
x = ⎢ −1, 98636 ⎥
⎣ ⎦
1, 005948
(3)
1
x1 = . (7 − 2. (−1, 98636) − 1, 005948) =  0, 9966772  
10

(3)
1
x2 = . (−8 − 0, 9966772 − 1, 005948) =   − 2, 000525
5

(3)
1
x3 = . (6 − 2.0, 9966772 − 3. (0, 9966772)) =  1, 0008221
10

0, 9498 0, 9966772 0, 0468772


⎡ ⎤ ⎡ ⎤ ⎡ ⎤
(2) (3) (3) (2)
x = ⎢ −1, 98636 ⎥              x = ⎢ −2, 000525 ⎥      ∣
∣x −  x ∣ =  ⎢
∣ 0, 014165 ⎥
⎣ ⎦ ⎣ ⎦ ⎣ ⎦
1, 005948 1, 0008221 0, 0051259

(2)
(2) d 0, 0468772
dr = =   ≅0, 023 < 0, 05
(2)
∣ ∣ 2, 000525
max1 ≤ i ≤ n   x
∣ i ∣

0, 9966772
⎡ ⎤
Portanto, a solução aproximada do sistema linear é x = ⎢ −2, 000525 ⎥
⎣ ⎦
1, 0008221

Para concluir, o método de Gauss-Seidel e o método de Gauss-Jacobi são algoritmos utilizados para
determinar soluções aproximadas para um sistema linear tão próximas quanto for desejado.

saiba
mais
Saiba mais
Os métodos iterativos são vastamente investigados na área
de computação para a veri cação de qual método pode ser
mais e ciente do ponto de vista computacional. Para ter um
entendimento melhor, você pode ler o artigo “Paralelização
e comparação de métodos iterativos na solução de sistemas
lineares grandes e esparsos”.

Fonte: Adaptado de Barroso (1987).

ACESSAR

O método de Gauss-Seidel foi criado para convergir mais rapidamente, pois na própria iteração já
utiliza os valores calculados. Isso acontece com a grande maioria dos sistemas, mas não sempre.
reflita
Re ita
Tente aplicar essa técnica de método iterativo para
resolver os sistemas lineares do bloco 2. Veja se
encontra as mesmas soluções com os outros
métodos diretos e re ita sobre a resolução.

Vamos ver mais um exemplo de resolução do sistema linear usando o método de Gauss-Seidel.

Exemplo: veri que a convergência e, caso seja satisfeita, obtenha a solução pelo método de Gauss-
Seidel com erro absoluto inferior a 10−3 .

⎧ 5x + y + z = 5     

⎨ 3x + 4y + z = 6  


3x + 3y + 6z = 0

Critério da soma por linha 5 > 1 + 1                4 > 3 + 1  (f) não satisfaz.

Critério da soma por colunas 5 > 3 + 3  (f) não satisfaz.

Critério de Sassenfeld:

∣ 1∣ ∣ 1∣ ∣ 3∣ ∣ 1∣
β1 = ∣ ∣ + ∣ ∣ = 0, 4  < 1                                          β2 = ∣ ∣ .0, 4 + ∣ ∣ = 0, 55  < 1         
∣ 5∣ ∣ 5∣ ∣ 4∣ ∣ 4∣

∣ 3∣ ∣ 3∣
β3 = ∣ ∣ .0, 4 + ∣ ∣ .0, 55 = 0, 475 < 1
∣ 6∣ ∣ 6∣

Critério de Sassenfeld é satisfeito, pois β1 < 1     β2 < 1     β3 < 1

O sistema converge:
1
⎧ x =

. (5 − y − z)      
⎪ 5 0
⎡ ⎤
1 (0)
⎨ y =   . (6 − 3x − z)              x̄ = ⎢ 0⎥
4

⎩ ⎣ ⎦
⎪ 1
z =   . (−3x − 3y)    0
6

(1) 1
⎧ x = . (5 − 0 − 0) = 1                       

⎪ 5 1
⎡ ⎤
(1) 1 (1)
⎨ y =   . (6 − 3.1 − 0) = 0, 75                     x̄ = ⎢ 0, 75 ⎥
4
⎪ ⎣ ⎦

⎪ (1) 1
z =   . (−3.1 − 3.0, 75) = −0, 875   −0, 875
6

(2) 1
⎧ x = . (5 − 0, 75 − (−0, 875)) = 1, 025  

⎪ 5 1, 025
⎡ ⎤
(2) 1 (2)
⎨ y =   . (6 − 3.1, 025 − (−0, 875)) = 0, 95          x̄ = ⎢ 0, 95 ⎥
4
⎪ ⎣ ⎦

⎪ (2) 1
z =   . (−3.1, 025 − 3.0, 95) = −0, 9875     −0, 9875
6

E assim sucessivamente, até que o erro absoluto seja menor do que 10−3 .

Lembrando que o erro absoluto é calculado por x̄(k) − x̄


(k−1)
.

Vamos, agora, utilizar o Excel para resolver o problema proposto.

Inicialmente, devemos escrever o sistema linear da seguinte forma:

(k+1) 1 k k
x = . (5 − y − z )
5

(k+1) 1 (k+1) k
y =   . (6 − 3x − z )
4

(k+1) 1 (k+1) (k+1)


z =   . (−3x − 3y )
6

Agora, passemos ao Excel:

1° passo – criar a tabela a seguir no Excel, em que k = 0 é o chute inicial:

Figura 3.12 - Chute inicial para o processo iterativo


Fonte: Elaborada pelo autor.
Figura 3.13 - Digitar x(k+1) =
1

5
. (5 − y
k k
− z )

Fonte: Elaborada pelo autor.

Figura 3.14 - Digitar y (k+1) =  


1

4
. (6 − 3x
(k+1)
− z )
k

Fonte: Elaborada pelo autor.

Figura 3.15 - Digitar z (k+1) =  


1

6
. (−3x
(k+1)
− 3y
(k+1)
)

Fonte: Elaborado pelo autor.


Figura 3.16 - Primeira iteração
Fonte: Elaborada pelo autor.

Aqui, já podemos veri car a primeira iteração e comparar com o resultado obtido acima:

(1) 1
⎧ x = . (5 − 0 − 0) = 1                       

⎪ 5 1
⎡ ⎤
(1) 1 (1)
⎨ y =   . (6 − 3.1 − 0) = 0, 75                     x̄ = ⎢ 0, 75 ⎥
4
⎪ ⎣ ⎦

⎪ (1) 1
z =   . (−3.1 − 3.0, 75) = −0, 875   −0, 875
6

Figura 3.17 - Digitando o erro ∣∣xk+1 − x ∣



k

Fonte: Elaborada pelo autor.


Figura 3.18 - Arrastar toda a linha 1 para as outras linhas
Fonte: Elaborada pelo autor.

Na sexta linha, já é possível obter a resposta com um erro absoluto menor do que −3
10 , como
proposto no exercício.

praticar
Vamos Praticar
Resolva o sistema linear a seguir no Excel, usando o método de Gauss-Jacobi e Gauss-Seidel, com erro
absoluto ε −4
< 10 , determinando o número de iterações para cada método.
   

⎧ 7x + 3y + 2z + w = 13, 5         0
⎪ ⎡ ⎤


2x + 10y + 3z − 2w = −24, 5 (0) ⎢ 0 ⎥
⎨               x̄ = ⎢ ⎥
x − y + 11z − 3w = 16         ⎢ 0 ⎥



⎪ ⎣ ⎦
−x + 2y − 3z + 8w = 3             0

a) Gauss-Jacobi = 10 ; Gauss-Seidel= 9
b) Gauss-Jacobi = 11 ; Gauss-Seidel= 9
c) Gauss-Jacobi = 13 ; Gauss-Seidel= 7
d) Gauss-Jacobi = 11 ; Gauss-Seidel= 7
Feedback: alternativa correta, pois você provavelmente deve ter usado o Excel e encontrado a
resposta do item. Lembrando que, no método de Gauss-Seidel, o cálculo converge muito mais rápido.
e) Gauss-Jacobi = 11 ; Gauss-Seidel= 8
indicações
Material
Complementar

FILME

O jogo da imitação
Ano: 2015

Comentário: Filme que conta a história de Alan Turing, um cientista que


ajudou a decifrar os códigos que os alemães usam para se comunicarem
com os submarinos. O mais interessante é como ele programava o
computador, para tentar decifrar esses códigos.

Para conhecer mais sobre o lme, acesse o trailer, disponível.

TRAILER
LIVRO

Guia Mangá. Álgebra Linear


Shin Takahashi

Editora: Novatec

ISBN: 8575222937

Comentário: Uma maneira divertida para aprender álgebra.


Basicamente, nesse mangá, um personagem que conhece Matemática
tem de ensinar álgebra para uma menina. Se ele conseguir fazer isso,
poderá entrar para o clube de caratê.
conclusão
Conclusão
Neste capítulo, aprendemos a resolver e a interpretar as soluções de sistemas lineares 2x2 e 3x3.
Lembrando que no sistema 2x2 teremos duas retas e no sistema 3x3, três planos. Também,
apresentamos o método de resolução do sistema linear pelo método iterativo. Nesses métodos,
temos de começar com um “chute” inicial e, depois, fazemos as iterações, até a convergência. Vimos
dois métodos: Gauss-Jacobi e Gauss-Seidel. Veri camos que o método de Gauss-Seidel é mais rápido
de convergir do que o de Gauss-Jacobi.

referências
Referências
Bibliográ cas
BARROSO, L. C. Cálculo numérico (com aplicações). 2. ed. São Paulo: Harbra, 1987.

DORNELLES FILHO, A. A. Fundamentos de cálculo numérico. Porto Alegre: Editora Bookman, 2016.

Você também pode gostar