Sistemas Lineares
Metodos Diretos
Eliminacao Gaussiana
Joao Paulo Gois
Universidade Federal do ABC
1
Apresentac
ao baseada nos slides do prof. John Carroll, Dublin City University e no Livro An
alise Num
erica
(Burden & Faires)
Roteiro
Roteiro
Roteiro
Roteiro
Roteiro
Introducao
Sistema Equacoes Lineares
Vamos considerar os Metodos Diretos para resolver um sistema linear
de n equacoes a n inc
ognitas.
Introducao
Sistema Equacoes Lineares
Vamos considerar os Metodos Diretos para resolver um sistema linear
de n equacoes a n inc
ognitas.
Tal sistema tem a forma:
E1 : a1,1 x1 + a1,2 x2 + + a1,n xn = b1
E2 : a2,1 x1 + a2,2 x2 + + a2,n xn = b2
..
.
..
.
..
.
..
.
Introducao
Sistema Equacoes Lineares
Vamos considerar os Metodos Diretos para resolver um sistema linear
de n equacoes a n inc
ognitas.
Tal sistema tem a forma:
E1 : a1,1 x1 + a1,2 x2 + + a1,n xn = b1
E2 : a2,1 x1 + a2,2 x2 + + a2,n xn = b2
..
.
..
.
..
.
..
.
Introducao
Sistema Equacoes Lineares
Vamos considerar os Metodos Diretos para resolver um sistema linear
de n equacoes a n inc
ognitas.
Tal sistema tem a forma:
E1 : a1,1 x1 + a1,2 x2 + + a1,n xn = b1
E2 : a2,1 x1 + a2,2 x2 + + a2,n xn = b2
..
.
..
.
..
.
..
.
Introducao
Introducao
Introducao
Introducao
Introducao
Matrizes e Vetores
Matriz
Uma matriz n m (n por m) e um arranjo retangular de elementos
com n linhas e m colunas.
Matrizes e Vetores
Matriz
Uma matriz n m (n por m) e um arranjo retangular de elementos
com n linhas e m colunas.
Notacao
A notacao de uma matriz n m sera por letras mai
usculas (por ex.
A) e as entradas ma matriz serao letras min
usculas com subscritos
duplos (por ex. ai,j ) para se referir ao elemento a que pertence a
linha i e coluna j.
A = [ai,j ] = .
..
..
..
..
.
.
.
an,1 an,2
an,m
Matrizes e Vetores
Vetor: um caso especial de matriz
A matrix 1 n:
A = [a1,1 a1,2 a1,n ]
e uma matriz linha ou vetor linha de dimensao n e a matriz n 1:
a1,1
a2,1
A= .
..
an,1
e uma matriz coluna ou vetor coluna de dimensao n.
Matrizes e Vetores
a1
a2
A= .
..
an
..
.
..
.
..
.
..
.
..
.
..
.
a1,1
a2,1
A = [ai,j ] = .
..
a1,2
a2,2
..
.
..
.
an,1 an,2
a1,n
b1
b2
a2,n
.. e b = ..
.
.
an,n
bn
a1,1 a1,2
a2,1 a2,2
[A, b] = .
..
..
.
an,1 an,2
..
.
a1,n
a2,n
..
.
b1
b2
..
.
an,n
bn
a1,1 a1,2
a2,1 a2,2
[A, b] = .
..
..
.
an,1 an,2
..
.
a1,n
a2,n
..
.
b1
b2
..
.
an,n
bn
a1,1 a1,2
a2,1 a2,2
[A, b] = .
..
..
.
an,1
an,2
..
.
a1,n
a2,n
..
.
b1
b2
..
.
an,n
bn
a1,1 a1,2
a2,1 a2,2
[A, b] = .
..
..
.
an,1
an,2
..
.
a1,n
a2,n
..
.
b1
b2
..
.
an,n
bn
..
.
..
.
..
.
..
.
..
.
..
.
..
.
..
.
..
.
: x1
: 2x1
: 3x1
: x1
+ x2
+ x2 x3
x2 x3
+ 2x2 + 3x3
+ 3x4
+ x4
+ 2x4
x4
= 4
= 1
= 3
= 4
: x1
: 2x1
: 3x1
: x1
+ x2
+ x2 x3
x2 x3
+ 2x2 + 3x3
+ 3x4
+ x4
+ 2x4
x4
= 4
= 1
= 3
= 4
: x1
: 2x1
: 3x1
: x1
+ x2
+ x2 x3
x2 x3
+ 2x2 + 3x3
+ 3x4
+ x4
+ 2x4
x4
= 4
= 1
= 3
= 4
: x1 + x2
:
x2 x3
:
4x2 x3
:
3x2 + 3x3
3x4
5x4
7x4
2x4
=
4
= 7
= 15
=
8
: x1 + x2
:
x2 x3
:
4x2 x3
:
3x2 + 3x3
3x4
5x4
7x4
2x4
=
4
= 7
= 15
=
8
: x1 + x2
:
x2 x3
:
+ 3x3
:
+ 3x4
5x4
+ 13x4
13x4
=
4
= 7
= 13
= 13
: x1 + x2
:
x2 x3
:
+ 3x3
:
+ 3x4
5x4
+ 13x4
13x4
=
4
= 7
= 13
= 13
Este u
ltimo sistema de equac
oes e agora conhecido como forma
triangular (ou reduzida) e pode ser resolvido pelo processo de retrosubstituicao.
: x1
: 2x1
: 3x1
: x1
+ x2
+ x2 x3
x2 x3
+ 2x2 + 3x3
1 1
2 1
[A, b] =
3 -1
-1 2
0
-1
-1
3
+ 3x4
+ x4
+ 2x4
x4
3
1
2
-1
4
1
-3
4
= 4
= 1
= 3
= 4
1
2
3
-1
1
1
-1
2
0
-1
-1
3
3
1
2
-1
1
4
0
1
0
-3
4
0
1
-1
0
0
0
-1
3
0
3
-5
13
-13
4
-7
13
-13
1
2
3
-1
1
1
-1
2
0
-1
-1
3
3
1
2
-1
1
4
0
1
0
-3
4
0
1
-1
0
0
0
-1
3
0
3
-5
13
-13
4
-7
13
-13
Passos basicos
A Eliminacao Gaussiana aplicada a um Sistema Linear:
E1 : a1,1 x1 + a1,2 x2 + + a1,n xn = b1
E2 : a2,1 x1 + a2,2 x2 + + a2,n xn = b2
..
.
..
.
..
.
..
.
Passos basicos
Passos basicos
Primeiro transforme na matrix expandida A
A = [A, b] = .
..
..
..
..
.
.
.
an,1
an,2
an,n
a1,n+1
a1,n+1
..
.
a1,n+1
Passos basicos
Primeiro transforme na matrix expandida A
A = [A, b] = .
..
..
..
..
.
.
.
an,1
an,2
an,n
a1,n+1
a1,n+1
..
.
a1,n+1
a1,1 a1,2
0
a2,2
A = .
..
..
..
.
.
0
a1,n
a2,n
..
.
a1,n+1
a1,n+1
..
.
an,n
a1,n+1
a1,1 a1,2
0
a2,2
A = .
..
..
..
.
.
0
a1,n
a2,n
..
.
a1,n+1
a1,n+1
..
.
an,n
a1,n+1
+
+
..
.
..
.
+
+
..
a1,n xn
a2,n xn
..
.
..
.
..
.
= a1,n+1
= a2,n+1
..
.
..
.
..
.
an,n xn = an,n+1
+
+
..
.
..
.
+
+
..
a1,n xn
a2,n xn
..
.
..
.
..
.
= a1,n+1
= a2,n+1
..
.
..
.
..
.
an,n xn = an,n+1
assim, a retro-substituicao pode ser realizada. Resolvendo a
n-esima equacao para xn temos:
xn =
an,n+1
an,n
an1,n+1 an1,n xn
an1,n1
an1,n+1 an1,n xn
an1,n1
ai,n+1
Pn
j=i+1 ai,j xj
ai,i
para cada i = n 1, n 2, , 2, 1.
ai,j =
(k1)
ai,j
0
(k1)
ai,j
(k1)
a
i,k1
(k1)
k1,k1
(k1)
ak1,j
quando
quando
i = 1, 2, , k 1
i = k, k + 1, , n
e
e
j = 1, 2, , n + 1
j = 1, 2, , k 1
quando
i = k, k + 1, , n
j = k, k + 1, , n + 1
is the matrix
Eliminacao Gaussiana
com Retro-Substituicao
(k1)
ai(k)
j
Descricao
Assim,
Thus
ai j
0,
(k1)
ai,k1
(k1)
(k1)
mais
precisa
(k1) ak1,
j ,
ai j
a
k1,k1
A (k)
when i = 1, 2, . . . , k 1 and j = 1, 2, . . . , n + 1,
(1)
a11
(1)
a12
(1)
a13
when i = k, k + 1, . . . , n and j = 1, 2, , k 1,
when i = k, k + 1, . . . , n and j = k, k + 1, . . . , n + 1.
(1)
a1,k1
(2)
0. . . . a22 (2)
a(2) a2,k1
.. . . . . . . . . 23
... ...
..
..
... ...
.
..
... ...
... ...
..
. . . . (k1)
. . . ak1,k1
...
...
..
..
..
0
..
..
..
.
...
.
0 ......................... 0
(1)
a1k
(1)
a1n
(2)
a2k
..
.
(2)
a2n
..
.
(k1)
ak1,k
(k)
akk
..
.
(k)
ank
(k1)
ak1,n
(k)
akn
(k)
ann
..
.
..
(1)
.. a1,n+1
..
.. a(2)
2,n+1
..
..
..
..
.
..
.. a(k1)
.. k1,n+1
..
(k)
.. ak,n+1
..
..
..
.
..
..
(k)
.. an,n+1
(6.6)
represents the equivalent linear system for which the variable xk1 has just been eliminated
from equations Ek , Ek+1 , . . . , En .
ht 2010 Cengage Learning. All Rights Reserved. May not be copied, scanned, or duplicated, in whole or in part. Due to electronic rights, some third party content may be suppressed from the eBook and/or eChapter(s).
ew has deemed that any suppressed content does not materially affect the overall learning experience. Cengage Learning reserves the right to remove additional content at any time if subsequent rights restrictions require it.
Ei Ei
ai,k
(k)
ak,k
Ek
Ei Ei
ai,k
(k)
ak,k
Ek
podera ser feita (no caso de an,n = 0). O sistema pode ter solucao,
mas a tecnica para encontrar deve ser alterada.
1 -1 2 -1 -8
2 -2 3 -3 -20
A = A(1) =
1 1 1 0
-2
1 -1 4 3
4
1 -1 2 -1 -8
2 -2 3 -3 -20
A = A(1) =
1 1 1 0
-2
1 -1 4 3
4
Realizando as operacoes
E2 E2 2E1 ; E3 E3 E1 ; E4 E4 E1
temos
1 -1 2 -1 -8
2 -2 3 -3 -20
A = A(1) =
1 1 1 0
-2
1 -1 4 3
4
Realizando as operacoes
E2 E2 2E1 ; E3 E3 E1 ; E4 E4 E1
temos
A(2)
1
0
=
0
0
-1
0
2
0
2
-1
-1
2
-1
-1
1
4
-8
-4
6
12
A(2)
1
0
=
0
0
-1
0
2
0
2
-1
-1
2
-1
-1
1
4
-8
-4
6
12
A(2)
(2)
1
0
=
0
0
-1
0
2
0
2
-1
-1
2
-1
-1
1
4
-8
-4
6
12
A(2)
1
0
=
0
0
-1
0
2
0
2
-1
-1
2
-1
-1
1
4
-8
-4
6
12
(2)
A(2)
1
0
=
0
0
-1
0
2
0
2
-1
-1
2
-1
-1
1
4
-8
-4
6
12
(2)
A(2)
1
0
=
0
0
-1
0
2
0
2
-1
-1
2
-1
-1
1
4
-8
-4
6
12
A(2)
1
0
=
0
0
-1
0
2
0
2
-1
-1
2
-1
-1
1
4
-8
-4
6
12
-1
2
0
0
2
-1
-1
2
-1
1
-1
4
-8
6
-4
12
Operacao E2 E3
p
A(2)
1
0
=
0
0
p
A(2)
1
0
=
0
0
-1
2
0
0
2
-1
-1
2
-1
1
-1
4
-8
6
-4
12
p
Como x2 ja esta eliminado em E3 e E4 , A(3) sera A(2) , e o calculo
continua com a operacao E4 E4 + 2E3 , dando:
1 -1 2 -1 -8
0 2 -1 1 6
A(4) =
0 0 -1 -1 -4
0 0 0 2 4
Solucao
4
=2
2
[4 (1)x4 ]
x3 =
=2
1
x4 =
[6 x4 (1)x3 ]
=3
2
[8 (1)x4 2x3 (1)x2 ]
x1 =
= 7
1
x2 =
Observacoes
Observacoes
(k)
Observacoes
(k)
Observacoes
(k)
Observacoes
(k)
Observacoes
(k)
Observacoes
(k)
Suponha um n
umero x
= x + aproximado onde x e a parte
exata e e uma parte aproximada.
Suponha um n
umero x
= x + aproximado onde x e a parte
exata e e uma parte aproximada.
Se dividirmos por um n
umero y muito pequeno (ou
multiplicarmos por um muito grande),
Suponha um n
umero x
= x + aproximado onde x e a parte
exata e e uma parte aproximada.
Se dividirmos por um n
umero y muito pequeno (ou
multiplicarmos por um muito grande),
Teremos xy + y.
Suponha um n
umero x
= x + aproximado onde x e a parte
exata e e uma parte aproximada.
Se dividirmos por um n
umero y muito pequeno (ou
multiplicarmos por um muito grande),
Teremos xy + y.
Logo y tera um erro muito grande.
Suponha um n
umero x
= x + aproximado onde x e a parte
exata e e uma parte aproximada.
Se dividirmos por um n
umero y muito pequeno (ou
multiplicarmos por um muito grande),
Teremos xy + y.
Logo y tera um erro muito grande.
Neste caso e recomendavel que o pivotamento com a linha
que contem o maior n
umero encontrado, nao pelo primeiro.
Neste caso, o erro e mantido pequeno, podendo evitar
problemas de propagacao de erro.
Algoritmo
Entrada: N
umero de inc
ognitas e equac
oes n; a matriz expandida
A = [ai,j ], onde 1 n e 1 j n + 1
Sada: Solucao [x1 , x2 , , xn ]
Passo 1 Para i = 1, , n 1 faca Passos 2 4 (Processo de
Eliminacao)
Passo 2: Seja p o menor inteiro com i p n e ap,i 6= 0, Se nenhum inteiro P pode ser
encontrado IMPRIMA(n
ao existe soluc
ao) e pare o processo
Passo 3 Se p 6= i, ent
ao faca Ei Ep
Passo 4: Para j = 1 + 1, , n faca Passos 5 e 6:
Passo 5: Faca mj,i = aj,i /ai,i
Passo 6: Faca Ej Ej mj,i Ei