1

Mtodos Para Resolver Sistemas de

Equaes Lineares















2

SUMRIO


1. INTRODUO ........................................................................................................ 3
2. MTODO DE ELIMINAO DE GAUSS ............................................................ 5
3. DECOMPOSIO LU ............................................................................................ 8
3.1 Desenvolvimento do Mtodo de Decomposio LU ...................................... 9
4. A FATORAO DE CHOLESKY ....................................................................... 10
5. REFERNCIAS BIBLIOGRFICAS ................................................................... 17





























3

1. INTRODUO


A resoluo de sistemas de equaes lineares e o clculo de determinantes so dois
exemplos de problemas fundamentais da lgebra linear que foram estudados desde
longa data. Leibniz encontrou em 1693 a frmula para o clculo de determinantes, e
em 1750 Cramer apresentou um mtodo para resolver sistemas de equaes lineares,
conhecida desde ento como a Regra de Cramer, primeira pedra na construo da
lgebra linear e da teoria das matrizes. No incio da evoluo dos computadores
digitais, o clculo matricial recebeu a ateno merecida. John von Neumann e Alan
Turing eram os pioneiros mundialmente famosos da cincia da computao, e
introduziram contribuies notveis para o desenvolvimento da lgebra linear
computacional. Em1947, Von Neumann e Goldstein pesquisaram os efeitos dos
erros de arredondamento na resoluo de equaes lineares. Um ano depois, Turing
iniciou um mtodo para decompor uma matriz num produto de uma matriz triangular
inferior com uma matriz escalonada (conhecida como decomposio LU). Hoje, a
lgebra linear computacional uma rea de muito interesse. Isto devido ao fato que
este campo est reconhecido agora como uma ferramenta absolutamente essencial em
muitas das aplicaes computacionais que requerem clculos longos e difceis de
desenvolver manualmente, como por o exemplo: em grficos de computador, em
modelagem geomtrica, em robtica, etc. [1].
Antes de iniciarmos um estudo sobre os mtodos diretos que so utilizados para
encontrar a soluo exata para um sistema de Equaes Algbricas Lineares, iremos
relembrar alguns conceitos relevantes ao tema deste trabalho.
Para comear vamos falar um pouco sobre os sistemas de equaes lineares. Tais
sistemas aparecem frequentemente em matemtica aplicada, economia e engenharia ao
modelar certos fenmenos. Por exemplo, em programao linear, geralmente discutido
como maximizar o lucro quando existem certas restries relacionadas dificuldade,
disponibilidade de tempo, ou outras condies. Estas restries podem ser colocadas na
forma de um sistema de equaes lineares [2].
Deste modo, um sistema de equaes lineares (ou sistema linear) uma coleo de
equaes lineares envolvendo o mesmo conjunto de variveis. A soluo de um sistema
linear uma n-upla de valores s = (s
1
,s
2
,....,s
n
) que simultaneamente satisfazem todas as
4

equaes do sistema [2]. Observando a Figura 1 podemos visualizar a interseo dos
planos formada pela soluo de um sistema:







Figura 1 - Cada equao de um sistema linear em trs variveis determina um plano. Uma soluo do
sistema corresponde a um ponto na interseo desses planos.

A soluo para os sistemas de Equaes Algbricas Lineares obtida a partir de
tcnicas diretas e iterativas estas tcnicas so implementadas atravs de dois mtodos:
mtodos diretos e mtodos iterativos. Neste trabalho iremos tratar apenas dos mtodos
diretos.
Os mtodos diretos se caracterizam por uma sequncia de operaes (quantidade
definida de operaes), depois da qual se obtm a soluo do sistema. No presente
trabalho iremos trabalhar apenas com os mtodos diretos de Eliminao de Gauss,
Decomposio LU e Fatorao de Cholesky.
O trabalho esta dividido da seguinte forma: nos Captulos 2, 3 e 4 teremos uma
reviso bibliogrfica sobre os mtodos de Eliminao de Gauss, Decomposio LU e
Fatorao de Cholesky respectivamente.












5

2. MTODO DE ELIMINAO DE GAUSS

Em um sistema linear formado por um par de equaes, o processo para
descobrir as duas incgnitas consiste em isolar uma delas e substituir na outra equao,
eliminando assim, uma das incgnitas.
Para um sistema maior, podemos estender a abordagem para um nmero maior de
equaes atravs do mtodo conhecido como Eliminao de Gauss, que basicamente
manipula algumas variveis, a fim de gerar uma eliminao ao longo da execuo, ao
tempo que vai substituindo regressivamente nas equaes originais, a fim de obter a
soluo final.
Sendo assim, o sistema geral que iremos estudar formado por um conjunto arbitrrio
de equaes tais que:

(Equao 2.1)



(Equao 2.2)





(Equao 2.3)


Entre os mtodos computacionais temos que o processo de diagonalizao de
matrizes uma tcnica-chave para soluo de sistemas lineares. Sendo assim, a primeira
fase da eliminao de Gauss est em reduzir a matriz dos coeficientes para uma matriz
triangular-superior, eliminando da primeira varivel em todas as equaes diferentes de
. Para isso, vamos multiplicar a Equao 1 por . Com isso, obtemos

6

(Equao 2.4)
Agora, subtramos a Equao 4 da Equao 2, O que nos permite obter

(Equao 2.5)

substituindo cada termo dentro dos parnteses por um novo , onde , temos
que a Equao 5 pode ser escrita como

(Equao 2.6)



onde.
Assim como fizemos com a segunda linha do sistema, repetimos o processo para as
demais equaes. Ou seja, multiplicamos pela Equao 1 e subtramos o resultado
da equao 3, e continuamos o processo at a ltima equao [3].
No processo de eliminao, o termo conhecido como piv, e a multiplicao
de cada linha pelo elemento denominada normalizao. Portanto, podemos
notar que o piv nulo um problema no processo de normalizao, j que provoca uma
diviso por zero. Por isso, em implementaes reais, devemos utilizar algumas tcnicas
de re-normalizao para eliminarmos o piv nulo do processo [3].
Aps a primeira eliminao o sistema linear modificado ficar:
(Equao 2.7)





7

(Equao 2.8)





(Equao 2.9)



Agora, repetimos o mesmo processo de eliminao, mas tomando como coeficiente de
normalizao como sendo , aplicando-o todas equaes a partir da terceira. Este
processo deve continuar usando os pivs obtidos nas equaes remanescentes. Ou seja,
repetimos o pivotamento e normalizao descritas para at a equao ,
eliminando at o termo da equao [3]. Com isso, obteremos o sistema
triangular a seguir:
(Equao 2.10)



(Equao 2.11)



(Equao 2.12)





(Equao 2.13)


A partir do sistema triangular, a soluo facilmente obtida, a comear por x
n
:
8

(Equao 2.14)



substituindo esse resultado na equao anterior, isto , na equao , cuja
dependncia est apenas nas variveis e , podemos determinar tambm .
Esse processo de ir substituindo as incgnitas j encontradas nas equaes anteriores
chamaremos de backtrack. A partir dele, encontramos todos pela da frmula [3]:
(Equao 2.15)



para [3].

3. DECOMPOSIO LU

Um sistema linear do tipo:

(Equao 3.1)



(Equao 3.2)





(Equao 3.3)



pode ser representado na seguinte forma matricial:
9




onde a matriz formada pelos coeficientes , o vetor formado
pelas variveis a serem determinadas e o vetor dos termos
independentes [4].
Para determinao das incgnitas, o mtodo da eliminao de Gauss desenvolve
duas fases: a primeira a eliminao progressiva, onde reduz o nmero de variveis ao
longo da execuo para, ento, aplicar a segunda fase, chamada de substituio
regressiva, onde utiliza o resultado da primeira para determinar a soluo geral do
sistema [4].
Dois passos descritos, o primeiro o que consome mais tempo de clculo, uma vez
que nesta fase que consiste o maior nmero de operaes aritmticas e de trocas de
dados. Por isso, encontrar um mtodo que minimize esta fase crtica implica em
aumentar o desempenho para realizar a tarefa de resoluo de sistemas lineares [4].
Os mtodos de decomposio LU consistem em separar a fase de eliminao da
matriz dos coeficientes , que consomem maior tempo, das manipulaes envolvidas
com o vetor dos termos independentes, . Portanto, devemos deixar claro que, ao
contrrio da eliminao de Gauss, uma decomposio de LU uma estratgia de
melhoria na resoluo de sistemas lineares. Sendo assim, no existe o mtodo de
decomposio LU, mas sim algumas abordagens a serem tomadas que permitem
decompor o sistema. Uma implicao interessante disso que a prpria eliminao de
Gauss pode ser descrita como uma decomposio LU [4].

3.1 Desenvolvimento do Mtodo de Decomposio LU

A equao pode ser reescrita como . Aplicando a eliminao
de Gauss, sabemos que este sistema pode ser reescrito como uma matriz triangular
superior na forma:
10





Esta notao matricial tambm pode ser usada da seguinte maneira:
.Agora, vamos supor que existe uma matriz composta apenas pela formula triangular
inferior, tal que

O processo de decomposio LU consiste justamente de em decompor a matriz
dos coeficientes em duas matrizes, onde a primeira est na forma triangular inferior
(Low), enquanto a outra est na forma triangula superior (Upper). Sendo assim, para
e , temos que
(Equao 3.4)
Agora, isolamos os termos dependentes de , temos que

(Equao 3.5)

E

(Equao 3.6)

desta forma, isolamos a dependncia dos termos independentes da matriz dos
coeficientes . Desta forma, tambm livramos as operaes efetuadas sobre (agora
) de serem feitas em , diminuindo a demanda de recursos para resoluo deste
sistema [4].
4. A FATORAO DE CHOLESKY
A Fatorao de Cholesky expressa uma matriz simtrica como o produto,de
uma matriz triangular (chamada de Fator de Cholesky) pela sua transposta , na
11

forma:
(equao 4.1)
onde ser triangular superior.
Sabendo-se que simtrica quando seus elementos obedecem uma formao
para toda linha e coluna . Desta forma, a matriz ser idntica sua
transposta: . Matrizes com este tipo de formao fornecem algumas vantagens
computacionais, pois favorecem a eficincia na soluo de sistemas lineares, quando
usados mtodos adequados. Alm disso, essa identidade permite a criao de algoritmos
simples de criptografia e verificao de dados [5].
Uma vez que se identifica que uma matriz simtrica, podemos utilizar a
Equao (4.1) para gerar e a partir de . Ou seja, ao multiplicarmos e igualarmos
seus termos, obtemos as seguintes relaes:
(Equao 4.2)
onde . Alm disso, o elemento da diagonal ser obtido por

(Equao 4.3)

As expresses acima so obtidas como uma especificao da decomposio LU para o
caso da matriz decomposta ser simtrica [5].













12

Exemplo de como resolver um sistema de Equaes Algbricas Lineares utilizando o
Mtodo de Eliminao de Gauss:

Questo:

2
9
1
7
2 6 5
0
7
3
11 3 2
) (
4
) (
3
) (
2
2 ) (
1
2
) (
4
) (
3
) (
2
) (
1
) (
4
) (
3
2 ) (
2
) (
1
2
) (
4
) (
3
) (
2
) (
1
= + +
= +
= + +
= +
k k k k
k k k k
k k k k
k k k k
g g g e g
g g g g
g g e eg g
g g eg g
t
t
t
t


Escrever a matriz expandida para a etapa (L=0)
| |
(
(
(
(
(
(
(

=
(
(
(
(
(

+ + +
+ + +
+ + +
+ + +
=
2
9
1
7
2 1 6 5
0
7
3
11 3 2
,
2 2
2 2
) 0 (
44
) 0 (
43
) 0 (
42
) 0 (
41
) 0 (
34
) 0 (
33
) 0 (
32
) 0 (
31
) 0 (
24
) 0 (
23
) 0 (
22
) 0 (
21
) 0 (
14
) 0 (
13
) 0 (
12
) 0 (
11
0 0

e
e e
e
a a a a
a a a a
a a a a
a a a a
b A
t
t
t
t

1)Passo: Definies das multiplicadores e das linhas para a etapa (L=1)

1414 , 3
0,7118
5
1414 , 3
) 0 (
11
) 0 (
41 ) 1 (
41
) 0 (
11
) 0 (
31 ) 1 (
31
) 0 (
11
) 0 (
21 ) 1 (
21
= = =
= = =
= = =
t
t
t
a
a
m
a
a
m
a
a
m


0
1
) 1 (
41
) 0 (
4
) 1 (
4
) 0 (
1
) 1 (
31
) 0 (
3
) 1 (
3
) 0 (
1
) 1 (
21
) 0 (
2
) 1 (
2
) 0 (
1
) 1 (
1
; ; ; L m L L L m L L L m L L L L


*
) 1 (
2
L
13

4188 , 10 3166 , 3 * 1414 , 3 0
*
8697 , 5 ) 73 , 1 ( * 1414 , 3 4286 , 0
*
8252 , 11 4142 , 1 * 1414 , 3 ) 7171 , 2 (
*
2526 , 11 ) 7171 , 2 ( * 1414 , 3 7171 , 2
*
) 1 (
2
) 0 (
1
) 1 (
21
) 0 (
2
) 1 (
2
) 1 (
24
) 0 (
14
) 1 (
21
) 0 (
24
) 1 (
24
2 ) 1 (
23
) 0 (
13
) 1 (
21
) 0 (
23
) 1 (
23
) 1 (
22
) 0 (
12
) 1 (
21
) 0 (
22
) 1 (
22
= =
=
= =
=
= =
=
= =
=
b
b m b b
a
a m a a
a
a m a a
a
a m a a

*
) 1 (
3
L
7806 , 0 3607 , 2 1414 , 3
*
1813 , 0 2328 , 1 4142 , 1
*
0066 , 0 4142 , 1 * 0,7118 1
*
0,5155 - (-2,7171) * 0,7118 - 2,4495
*
) 1 (
3
) 0 (
1
) 1 (
21
) 0 (
3
) 1 (
3
) 1 (
34
) 0 (
14
) 1 (
31
) 0 (
34
) 1 (
34
) 1 (
33
) 0 (
13
) 1 (
31
) 0 (
33
) 1 (
33
) 1 (
32
) 0 (
12
) 1 (
31
) 0 (
32
) 1 (
32
= =
=
= + =
=
= =
=
= =
=
b
b m b b
a
a m a a
a
a m a a
a
a m a a




*
) 1 (
4
L

14

0046 , 9 4188 , 10 4142 , 1
*
5457 , 5
*
0871 , 7 4426 , 4 6445 , 2
*
15,9181 (-2,7171) * 3,1414 - 2,7171) (
*
) 1 (
4
) 0 (
1
) 1 (
21
) 0 (
4
) 1 (
4
) 1 (
44
) 0 (
14
) 1 (
31
) 0 (
44
) 1 (
44
) 1 (
43
) 0 (
13
) 1 (
31
) 0 (
43
) 1 (
43
2 ) 1 (
42
) 0 (
12
) 1 (
31
) 0 (
42
) 1 (
42
= =
=
=
=
= =
=
= =
=
b
b m b b
a
a m a a
a
a m a a
a
a m a a



| |
(
(
(
(

=
0046 , 9 5457 , 5 0871 , 7 9180 , 15 0000 , 0
7806 , 0 1813 , 0 0066 , 0 5153 , 0 0000 , 0
4188 , 0 1 8697 , 5 8252 , 11 2526 , 11 0000 , 0
3166 , 3 7320 , 1 4142 , 1 7171 , 2 1414 , 3
,
1 1

b A

2) Passo: Definies das multiplicadores e das linhas para a etapa (L=2)
4148 , 1
0458 , 0
) 1 (
22
) 1 (
42 ) 1 (
42
) 1 (
22
) 1 (
32 ) 2 (
32
= =
= =
a
a
m
a
a
m

1
2
) 1 (
42
) 1 (
4
) 2 (
4
) 1 (
2
) 2 (
32
) 1 (
3
) 2 (
3
) 1 (
2
) 2 (
2
) 1 (
1
2
1
; ; ; L m L L L m L L L L L L


2567 , 1
*
0869 , 0
*
5350 , 0 ) 8252 , 11 )( 0458 , 0 ( 0066 , 0
*
) 2 (
3
) 1 (
2
) 1 (
32
) 1 (
3
) 2 (
3
) 2 (
34
) 1 (
24
) 2 (
32
) 1 (
34
) 2 (
34
) 2 (
33
) 1 (
23
) 2 (
32
) 1 (
33
) 2 (
33
=
=
=
=
= =
=
b
b m b b
a
a m a a
a
a m a a


15

7430 , 23
*
6328 , 13
*
6408 , 9
*
) 2 (
4
) 1 (
2
) 1 (
42
) 1 (
4
) 2 (
4
) 2 (
44
) 1 (
24
) 2 (
42
) 1 (
44
) 2 (
44
) 2 (
43
) 1 (
23
) 2 (
42
) 1 (
43
) 2 (
43
=
=
=
=
=
=
b
b m b b
a
a m a a
a
a m a a


| |
(
(
(
(

=
7450 , 23 6328 , 13 6432 , 9 0000 , 0 0000 , 0
2567 , 1 0869 , 0 5350 , 0 0000 , 0 0000 , 0
4188 , 0 1 8695 , 5 8252 , 11 2525 , 11 0000 , 0
3166 , 3 7320 , 1 4142 , 1 7171 , 2 1414 , 3
,
2 2

b A

3) Passo: Definies dos multiplicadores e linhas para a etapa (L=3)
99 , 17
) 2 (
33
) 2 (
43 ) 3 (
43
= =
a
a
m
2
3
) 3 (
43
) 2 (
4
) 3 (
4
) 2 (
3
) 3 (
3
) 2 (
2
) 3 (
2
) 0 (
1
3
1
; ; ; L m L L L L L L L L

1730 , 1
*
0721 , 12
*
) 3 (
4
) 2 (
3
) 3 (
43
) 2 (
4
) 3 (
4
) 3 (
44
) 2 (
34
) 3 (
43
) 2 (
44
) 3 (
44
=
=
=
=
b
b m b b
a
a m a a

| |
(
(
(
(

=
1730 , 1 0721 , 12 0000 , 0 0000 , 0 0000 , 0
2567 , 1 0869 , 0 5430 , 0 0000 , 0 0000 , 0
4188 , 0 1 8695 , 5 8252 , 11 2525 , 11 0000 , 0
3166 , 3 7320 , 1 4142 , 1 7171 , 2 1414 , 3
,
3 3

b A

Ento o sistema triangular superior :
1730 , 1 0721 , 12
2567 , 1 0869 , 0 5430 , 0
4188 , 10 8695 , 5 8252 , 11 2525 , 11
3166 , 3 7320 , 1 4142 , 1 7171 , 2 1414 , 3
) (
4
) (
4
) (
3
) (
4
) (
3
) (
2
) (
4
) (
3
) (
2
) (
1
=
= +
= +
= +
k
k k
k k k
k k k k
g
g g
g g g
g g g g


16

As equaes iterativas para asvariveis decisrias
) (
1
k
g
) (
2
k
g
) (
3
k
g
) (
4
k
g j com os
valores devidamente colocados so:

| | { }
) (
4
) (
3
) (
2
) (
1
) 1 (
1
7320 , 1 4142 , 1 7171 , 2 3166 , 3
1414 , 3
1
k k k k k
g g g g g + =
+

| | { }
) (
4
) (
3
) (
2
) 1 (
2
8695 , 5 8252 , 11 4188 , 10
2525 , 11
1
k k k k
g g g g + =
+

{ }
(

=
+ ) (
4
) (
3
) 1 (
3
0869 , 0 2567 , 1
5430 , 0
1
k k k
g g g
,
0721 , 12
1730 , 1
) (
4
) 1 (
4
(

=
+ k k
g g

Para k=0, toma-se como referncia o sinal (t).
| | { }
5782 , 1
7320 , 1 4142 , 1 7171 , 2 3166 , 3
1414 , 3
1
) 1 (
1
) 0 (
4
) 0 (
3
) 0 (
2
) 0 (
1
) 1 0 (
1
=
+ =
+
g
g g g g g


| | { }
9234 , 0
8695 , 5 8252 , 11 4188 , 10
2525 , 11
1
) 1 (
2
) 0 (
4
) 0 (
3
) 0 (
2
) 1 0 (
2
=
+ =
+
g
g g g g


{ }
2458 , 3
0869 , 0 2567 , 1
5430 , 0
1
) 1 (
3
) 0 (
4
) 0 (
3
) 1 0 (
3
=
(

=
+
g
g g g


4598 , 4
,
0899 , 12
1730 , 1
) 1 (
4
) 0 (
4
) 1 0 (
4
=
(

=
+
g
g g












17

5. REFERNCIAS BIBLIOGRFICAS

[1] RUBN PANTA PAZOS. Aplicando a Matemtica. Disponvel em:
rpanta.com/downloads/material/Gauss_01.PDF. Acesso em: 13 Out 2010.


[2] WIKIPDIA. A Enciclopdia Livre. Disponvel em:
http://pt.wikibooks.org/wiki/%C3%81lgebra_linear/Sistemas_de_equa%C3%A7%C3%
B5es_lineares . Acesso em: 13 Out 2010.


[3] SAWP. Software Advice Working Party. Disponvel em:
http://www.sawp.com.br/blog/?p=577. Acesso em: 14 Out 2010.


[4] SAWP. Software Advice Working Party. Disponvel em:
http://www.sawp.com.br/blog/?p=586. Acesso em: 14 Out 2010.


[5] SAWP. Software Advice Working Party. Disponvel em:
http://www.sawp.com.br/blog/?p=604. Acesso em: 14 Out 2010.