Clculo Numrico

Resoluo Numrica de
Sistemas Lineares Parte
II

Prof. Jorge Cavalcanti jorge.cavalcanti@univasf.edu.br

MATERIAL ADAPTADO DOS SLIDES DA DISCIPLINA CLCULO
NUMRICO DA UFCG - www.dsc.ufcg.edu.br/~cnum/

Sistemas Lineares Mtodos Iterativos

bastante comum encontrar sistemas lineares que

envolvem uma grande porcentagem de coeficientes nulos.

Esses sistemas so chamados de sistemas esparsos.

Para esses tipos de sistemas, o mtodo de Eliminao de

Gauss no o mais apropriado, pois ele no preserva essa
esparsidade, que pode ser til por facilitar a resoluo do
sistema.

Maneira mais apropriado para esse tipo de sistema

mtodos iterativos

Mtodos Iterativos

Consistem em encontrar uma seqncia de estimativas xik

(dada uma estimativa inicial xi0) que aps um nmero
suficientemente grande de iteraes convirja para a soluo do
sistema de equaes.
x10

x 11

x 12

x1

x 20

x 12

x 22

x2

x30
x 40
M
x n0

x 31

x 32

x 14

x 42

x 1n

x n2

x3
x4
M
xn
3

Mtodos Iterativos

Outra vantagem destes mtodos no so to

suscetveis ao acmulo de erros de arredondamento como
o mtodo de Eliminao de Gauss.

importante lembrar que:



Como todo processo iterativo, estes mtodos sempre

apresentaro um resultado aproximado, que ser to
prximo do resultado real conforme o nmero de iteraes
realizadas.

Alm disso, tambm preciso ter cuidado com a

convergncia desses mtodos.

Mtodos Iterativos

Transforma o sistema linear Ax=b em

x=Cx+g




A: matriz dos coeficientes, n x m

x: vetor das variveis, n x 1;
b: vetor dos termos constantes, n x 1.

 C: matriz n x n
 g: vetor n x 1

Mtodos utilizados:
 Gauss-Jacobi
 Gauss-Seidel

Mtodo de Gauss-Jacobi

Conhecido x(0) (aproximao inicial) obtm-se

consecutivamente os vetores:
x(1) = Cx(0) + g,

(primeira aproximao)

x(2) = Cx(1) + g,

(segunda aproximao), etc.

 De um modo geral, a aproximao x(k+1) calculada

pela frmula:

x(k+1) = C x(k)+g, k=0, 1, ...

So geradas novas aproximaes at que um dos
critrios de parada seja satisfeito:

Mx xi(k+1) - xi(k) (Tolerncia), com 1 i n, ou:

k > M, com M=Nmero mximo de iteraes
6

Mtodo de Gauss-Jacobi
 Da primeira equao do sistema
a11 x1 + a12 x2 + ... +a1n x2 = b1
obtm-se

x1 = b1 - ( a12 x2 + a13 x3 ... +a1n xn)

a11

analogamente x2 = b2 (a21 x1 + a23 x3 + ... + a2n xn)

a22
Ou: xn = (1/ann) (bn - an1 x1 - ... - an,n-1 xn-1 )
7

Mtodo de Gauss-Jacobi
 Desta forma para x = C x + g
0

C=

- a12 /a11

... - a1n /a11

... - a2n /a22

- a21 /a22 0
.
.
.

- an1 /ann - an2 /ann

0

xn = (1/ann) (bn - an1 x1 - ... - an,n-1 xn-1 )

g=

(b1 /a11

b2 /a22

. . . bn

/ann ) T

Mtodo de Gauss-Jacobi
 Ento como x = C x + g

C=

0
- a12 /a11
... - a1n /a11

... - a2n /a22

- a21 /a22 0
.
.
.

- an1 /ann - an2 /ann

0

x1(k+1) = (1/a11)(b1 - a12 x2(k) - ... -a1nxn(k))

x=

x2(k+1) = (1/a22)(b2 - a21 x1(k) - ... -a2n xn(k))

...
xn(k+1) = (1/ann)(bn - an1 x1(k) - .. - an,n-1 xn-1(k))

g=

(b1 /a11

b2 /a22

T
b
/a
)
... n
nn
9

Mtodo de Gauss-Jacobi EXEMPLO 1



10 x1 + 2x2 + 3x3 = 7

Seja o sistema

x1 + 5x2 + x3 = -8
2x1 + 3x2 + 10x3 = 6
0

C=

C=

- a12 /a11

e = 0,05

... - a1n /a11

... - a2n /a22

- a21 /a22 0
.
.
.

- an1 /ann - an2 /ann

0

- 2/10 - 1/10

-1/5

-1/5 3/10

- 1/5
0

g=

7/10

-8/5

6/10

10

Mtodo de Gauss-Jacobi EXEMPLO 1

 O Processo iterativo :
x1(k+1) = (1/a11)(b1 - a12 x2(k) - ... -a1nxn(k))
x2(k+1) = (1/a22)(b2 - a21 x1(k) - ... -a2n xn(k))

...
xn(k+1) = (1/ann)(bn - an1 x1(k) - .. - an,n-1 xn-1(k))

Equaes de Iterao
x1(k+1) = (1/10)(7 - 2x2(k) x3(k)) =(0x1(k) 0.2x2(k) 0.1x3(k) +0,7)
x2(k+1) = (1/5)(-8 - x1(k) x3(k)) =(-0.2x1(k) 0x2(k) 0.2x3(k) 1.6)
x3(k+1) = (1/10)(6 - 2x1(k) -3x2(k) =(-0.2x1(k) 0.3x2(k) 0x3(k)+ 0.6)
11

Mtodo de Gauss-Jacobi EXEMPLO 1

Com

x0 =

0,7
-1,6

0,6

Obs: X0 estimado por (bn/ann), muito embora possa ser adotado

qualquer valor inicial, como por exemplo x0 = [0 0 0]T
Para k=0:
x1(k+1) = 0x1(k) 0.2x2(k) 0.1x3(k) +0,7 = -0.2(-1.6)-0.1(0.6)+0,7=0.96
x2(k+1) = -0.2x1(k) 0x2(k) 0.2x3(k) 1.6 = -0.2(0.7)-0.2(0.6)-1.6=-1.86
x3(k+1) =-0.2x1(k) 0.3x2(k) 0x3(k) 0.6=-0.2(0.7)-0.3(-1.6)+0.6=0.94
0,96

Obtemos ento:

x(1) = Cx(0) + g =

-1,86
0,94
12

Mtodo de Gauss-Jacobi EXEMPLO 1

Avaliando o critrio de parada para = 0,05 :
Mx xi(k+1) - xi(k) (Tolerncia), com 1 i n, ou:

-1,86

|x1(1) x1(0)| = 0,26

|x2(1) x2(0)| = 0,26

0,94

|x3(1) x3(0)| = 0,34

0,96

x(1) = Cx(0) + g =

Mx xi(k+1) - xi(k) = 0,34 >

Prosseguindo com as iteraes, para k=1:
x1(2) = 0x1(1) 0.2x2(1) 0.1x3(1) +0,7 = -0.2(-1.86)-0.1(0.94)+0,7=0.978
x2(2) = -0.2x1(1) 0x2(1) 0.2x3(1) 1.6 = -0.2(0.96)-0.2(0.94)-1.6=-1.98
x3(2) =-0.2x1(1) 0.3x2(1) 0x3(1) 0.6=-0.2(0.96)-0.3(-1.86)+0.6=0.966
13

Mtodo de Gauss-Jacobi EXEMPLO 1

x(2) =

0,978
-1,98

0,966

|x1(2) x1(1)| = 0,018

|x2(2) x2(1)| = 0,12
|x3(2) x3(1)| = 0,026

Mx xi(k+1) - xi(k) = 0,12 >

Para k=2:

x(3) =

0,9997
-1,9888

0,984

x* =

|x1(3) x1(2)| = 0,0021

|x2(3) x2(3)| = 0,008
|x3(3) x3(2)| = 0,018

Mx xi(k+1) - xi(k) = 0,018 <

0,9997
-1,9888

0,984

14

Mtodo de Gauss-Jacobi Resumindo:

1. Escolhe-se a aproximao inicial x(0):

x(0) = [x1(0), x2(0), ..., xn(0)]T

2. Calculam-se as aproximaes sucessivas x(k), a partir da

iterao:

x(k+1) = Cx(k) + g

3. Continua-se a gerar aproximaes at que um dos critrios de

parada seja satisfeito:

Mx xi(k+1) - xi(k) (Tolerncia), com 1 i n, ou:

K > M, com M=Nmero mximo de iteraes

Observar que os elementos do sistema original aii 0, i. Caso isso no

ocorra, deve-se reorganizar as equaes para que se consiga essa condio.
importante tambm que na diagonal principal estejam os maiores valores
absolutos, para acelerar o processo de convergncia e dar mais preciso ao
resultado final.
15

Mtodo de Gauss-Jacobi EXEMPLO 2

 Resolver o sistema abaixo, com 10-2 ou k >10:
2x1 - x2 = 1
x1 + 2x2 = 3
 Encontrando as equaes de iterao:
 2x1 = 1+x2 x1 = (1+x2)
 2x2 = 3-x1 x2 = (3 - x1)
 Ento:
 x1(k+1) = (1+x2(k))
 x2(k+1) = (3-x1(k)), k= 0, 1, 2, .n
16

Mtodo de Gauss-Jacobi EXEMPLO 2

 Fazendo x(0) = [ 0 0 ]T como soluo inicial:
 Ento, para k=0:
 x1(k+1) = (1+x2(k))
x1(1) = (1+x2(0)) = (1 + 0) = 0,5
 x2(k+1) = (3-x1(k))
x2(1) = (3-x1(0)) = (3 - 0) = 1,5
 Para k=1:
 x1(2) = (1+x2(1)) = (1 + 1,5) = 1,25
 x2(2) = (3-x1(1)) = (3 0,5) = 1,25
= Mx xi(k+1) - xi(k) = |1,25 0,5| = 0,75 > 10-2

17

Mtodo de Gauss-Jacobi EXEMPLO 2

 Para k=2:
 x1(3) = (1+x2(2))
x1(3) = (1 + 1,25) = 1,125
 x2(3) = (3-x1(2))
x2(3) = (3-x1(2)) = (3 1,25) = 0,875
= | 0,875 - 1,25 | = 0,375 > 10-2

18

Mtodo de Gauss-Jacobi - EXEMPLO

 Prosseguindo com as iteraes para k=3, 4:
x1(k)

X2(k)

0,06 10-2

1,500

1,500

Ou k > 10?

1,250

1,250

0,750

1,125

0,875

0,375

0,938

0,938

0,188

x1 = 0,998

0,969

1,031

0,094

x2 = 1,002

1,016

1,016

0,047

x = 0,998

1,008

0,992

0,023

0,996

0,996

0,012

0,998

1,002

0,006

0,500

Ento pare!

1,002

19

Sistemas de Equaes Lineares

Mtodo de Gauss-Seidel

Conhecido x(0) (aproximao inicial) obtm-se x1,

x2, ...xk.
Ao se calcular x kj +1 usa-se todos os valores

x1k +1 ,..., x kj+11 que j foram calculados e os

k
k
x
,...,
x
valores
j +1
n restantes.

20

Mtodos Iterativos Gauss Seidel

Descrio do Mtodo

Seja o seguinte sistema de equaes:

a11 . x1 + a12 . x 2 + a13 . x 3 + ... + a1n 1 . x n 1 + a1n 1 . x n = b1
a 21 . x1 + a 22 . x 2 + a 23 . x 3 + ... + a 2 n 1 . x n 1 + a 2 n 1 . x n = b2
a 31 . x1 + a 32 . x 2 + a 33 . x 3 + ... + a 3 n 1 . x n 1 + a 3 n 1 . x n = b3
M
a n1 . x1 + a n 2 . x 2 + a n3 . x 3 + ... + a n1n 1 . x n 1 + a nn . x n = bn

21

Mtodos Iterativos Gauss Seidel

Isolando xi a partir da linha i, tem-se:

x1 =

x2 =

x3 =

1
(b 1 a 12 . x 2 a 13 . x 3 a 1 , n 1 . x n 1 a 1 n . x n
a 11
1
a 22
1
a 33

(b 2

a 21 . x 1 a 23 . x 3 a 2 , n 1 . x n 1 a 2 n . x n

(b 3

a 31 . x 2 a 32 . x 2 a 3 , n 1 . x n 1 a 3 n . x n

M
xn =

1
a nn

(b n

a n 1 . x 1 a n 2 . x 2 ... a n , n 1 . x n 1

)
22

Mtodos Iterativos Gauss Seidel

O processo iterativo obtido a partir das equaes, fazendo:

x1k +1 =

1
b1 a12 .x 2k a13 .x3k ... a1,n 1 .x nk1 a1n .x nk
a11

x 2k +1 =

1
b2 a 21 .x1k +1 a 23 .x 3k ... a 2 ,n 1 .x nk1 a 2 n .x nk
a 22

k +1
3

1
=
b3 a 31 .x1k +1 a 32 .x 2k +1 ... a 3,n 1 .x nk1 a 3 n .x nk
a 33

k +1
n

1
=
bn a n1 .x1k +1 a n 2 .x 2k +1 ... a n ,n 1 .x nk+11
a nn

)
23

Mtodos Iterativos Gauss Seidel

Critrio de Parada
 Diferena

relativa entre duas iteraes

consecutivas.
 Define-se por diferena relativa a expresso:
dk

k +1

dr

k +1

= Mx | xi
=

xki |,1 i n

dk
mx | X(k) |
i

(Diferena Relativa)

do processo iterativo - valor de dRk+1

pequeno o bastante para a preciso desejada.

 Fim

24

Mtodos Iterativos Gauss Seidel

Ex.: Resolva:

5x + y + z = 5
3x + 4y + z = 6
3x + 3y + 6z = 0
com

D Rk 5 . 10 2.

Soluo:
1
(5 y z )
5
1
(6 3 x z )
y =
4
1
1
( 3 x + 3 y ) z = (x + y )
z =
6
2
x =

25

Mtodos Iterativos Gauss Seidel

D kx

xk

D ky

yk

zk

D kz

D Rk

-1

0,8

2,25

0,65

-0,725

2,379

2,379

1,015

0,212

0,92

0,293

-0,967

0,250

0,293

1,009

0,006

0,985

0,066

-0,997

0,030

0,066

1,002

0,007

0,998

0,0013

-1

0,003

0,0013

x = 1,002

y = 0,998

z = -1

Verificao (substituio no sistema):

5.(1,002) + (0,998) + (-1) = 5,008 5
3.(1,002) + 4.(0,998) + (-1) = 5,998 6
3.(1,002) + 3.(0,998) + 6.(-1) = 0

ok
ok
ok
26

Mtodo de Gauss-Seidel
Critrios de Convergncia

Processo iterativo a convergncia para a

soluo exata no garantida para qualquer
sistema.

Existem certas condies que devem ser

satisfeitas por um sistema de equaes lineares
para se garantir a convergncia do mtodo.

As condies podem ser determinadas por dois

critrios:
 Critrio de Sassenfeld
 Critrio das Linhas.
27

Critrio de Sassenfeld

Sejam as quantidades i dadas por:

i 1
aij j +
e
j =1
para i = 2, 3, ..., n.

1 n
1 =
a1 j
a11 j = 2

1
i =
aii

aij

j =i +1

n - ordem do sistema linear que se deseja resolver

aij - so os coeficientes das equaes que compem o sistema.

Este critrio garante que o mtodo de Gauss-Seidel convergir

para um dado sistema linear se a quantidade M, definida por:

M = max i
1i n

for menor que 1 (M<1).

28

Critrio de Sassenfeld

Exemplo: Seja A, a matriz dos coeficientes e b

o vetor dos termos constantes dados por:

a11 a12 a13 a14

b1

1
(a12 + a13 + a14 )
1 =
a11

a31 a32 a33 a34 b3

1
( a 21 1 + a 23 + a 24
2 =
a 22

a 41 a 42 a 43 a 44 b4

3 =

1
( a31 1 + a32 2 + a34
a33

4 =

1
( a 41 1 + a 42 2 + a 43 3 )
a 44

a 21 a 22 a 23 a 24 b2

)
)

29

Critrio de Sassenfeld
Exemplo: Mostre se a soluo do sistema
linear dado pelas equaes:
2 x1 + x2 0.2 x3 + 0.2 x4 = 0.4
0.6 x1 + 3 x2 0.6 x3 0.3 x4 = 7.8
0.1 x1 0.2 x2 + x3 + 0.2 x4 = 1.0
0.4 x1 + 1.2 x2 + 0.8 x3 + 4 x4 = 10.0
convergir pelo mtodo de Gauss-Seidel.

30

Critrio de Sassenfeld

Soluo: critrio de Sassenfeld



Calcular os valores das quantidades i.

A
B
1
(1 + 0.2 + 0.2) = 0.7
2
1
2.0 1.0 - 0.2 0.2
0.4
2 = (0.6 0.7 + 0.6 + 0.3) = 0.44
3
0.6 3.0 - 0.6 - 0.3 - 7.8
1
- 0.1 - 0.2 1.0 0.2
1.0
3 = (0.1 0.7 + 0.2 0.44 + 0.2) = 0.358
1
0.4 1.2 0.8 4.0 - 10.0
1
4 = (0.4 0.7 + 1.2 0.44 + 0.8 0.358) = 0.2736
4

1 =

M = max i = 0.7
1i 4

M menor que 1 a soluo

desse sistema ir convergir usando
o mtodo de Gauss-Seidel.
31

Critrio das Linhas

Segundo esse critrio, um determinado sistema

ir convergir pelo mtodo de Gauss-Seidel, se:
n

a
j =1
j i

ij

< a ii

para i=1, 2, 3, ..., n.

32

Critrio das Linhas

Exemplo: O sistema do exemplo anterior satisfaz o
critrio das linhas e essa verificao pode ser feita de
maneira quase imediata, observando-se que:
2 x1 + x2 0.2 x3 + 0.2 x4 = 0.4
0.6 x1 + 3 x2 0.6 x3 0.3 x4 = 7.8
0.1 x1 0.2 x2 + x3 + 0.2 x4 = 1.0
0.4 x1 + 1.2 x2 + 0.8 x3 + 4 x4 = 10.0

a11 = 2 > a12 + a13 + a14 = 1 + 0.2 + 0.2 = 1.4

a 22 = 3 > a 21 + a 23 + a 24 = 0.6 + 0.6 + 0.3 = 1.5
a33 = 1 > a31 + a32 + a34 = 0.1 + 0.2 + 0.2 = 0.5
a 44 = 4 > a 41 + a 42 + a 43 = 0.4 + 1.2 + 0.8 = 2.4

a
j =1
j i

ij

< a ii

para i=1, 2, 3, 4.
33

Consideraes Finais
importante saber que:

A convergncia de um sistema INDEPENDE dos

valores iniciais estimados.
Os Critrios so condies suficientes, porm no
necessrias, para a convergncia do mtodo de
Gauss-Seidel para um dado sistema linear Isso
significa que um sistema pode no satisfazer esses
critrios e ainda convergir.
Um sistema pode no satisfazer o critrio das linhas
e satisfazer o critrio de Sassenfeld, o que garantir
sua convergncia.

34

Consideraes Finais
Exemplo:
Seja o sistema: 10x1 + x2 = 23
6x1 + 2x2 = 18
Note que esse sistema no satisfaz o critrio das linhas,
pois:

a 22 = 2 < a 21 = 6

porm, ele satisfaz o critrio de Sassenfeld:

1 =

1
1 = 0.1
10

2 =

1
(6 0.1) = 0.3
2

M = max i = 0.3 < 1

1i 4

Convergncia garantida.
35

Consideraes Finais
Outra observao importante
A

ordem com que as equaes aparecem no

sistema pode ser alterada para se avaliar a
convergncia.
 Apesar da ordem das equaes no alterar a
soluo do sistema, ela pode alterar a
convergncia do mesmo pelo mtodo da
Gauss-Seidel.

36

Consideraes Finais
Exemplo:
Seja o sistema:
4x1 + 10x2 = 19
5x1 + 3x2 = 15

 Na forma como o sistema est representado, ele no

satisfaz o critrio das linhas (verifique isso), portanto
sua convergncia no garantida.
 Porm, trocando-se a ordem das duas equaes, o
sistema satisfaz esse critrio, e sua convergncia pelo
mtodo de Gauss-Seidel garantida (verifique isso
tambm).
37