Professional Documents
Culture Documents
nxn
0
0
d n,n
0
0
1
0
Id =
2 0 0
D = 0 3 0
0 0 1
0 0
1 0
0 1
9 0
0 5
T=
0 0
0 0
0
0
0 0
0 5
0
0
2 5
Exemplo (51) Para a matriz A =
determine uma matriz diagonal D tal
8 7
que a matriz D possa ser obtida a partir da matriz A por sucessivas operaes
elementares.
Soluo
5
5
1
5
2
1
2
2
L1
A
L L 2 8L1
L1 2
2
8
7
7
27
8
0
1
L2
L2
27
0
5
2
L L 5L
1
2
1
2
1
0
D
A b
A b
(2) Usando sucessivas operaes elementares, transforme a matriz
numa
30
1
0
Id =
0 0
1 0
0 1
(3) Se
f1
f 2
f
n
( para k = 1 , 2 , ... , n )
8x 7x 37
1
2
Soluo
5
2
8
7
5 11
2
A b
8
7 37
11
ento
b
37
2
8
11
7 37
5
L1
L1
2
11
2
7 37
5
2
L 2 L 2 8L1
31
11
2
L L2
2 27
27 81
5
2
5
11
2
2
L L 5L
1
2
1
2
1 3
0 2
1 3
Id
f1
2
f
f 2
3
pode-se concluir que :
x1 = - 2
x2 = 3
5x 1 2x 2 x 3 3
3x 2x 3x 3
1
2
3
Soluo
Porque, neste caso
1
2
2
2 1
A= 5
3 2 3
3
b 3
3
1/2
1/2
2
1
2
2
3
L
1 3 L 1 1
2
3 3
2
3/2
6 9/2 L 3 L 3 3L1
3
3
1
3/2
1 3 L 2 L 2 5L1
3 3
1/2
2
2
1/2
1/2
1/2
3/2
6 9/2 L 2 2L 2
6 15/2
1
32
0
1
1/2
1
1/2
1/2
1
0
1/2
1
0
3/2
1
12 9 L 3 L 3 L 2
2
6 15/2
1
3/2
12 9 L 2 L 2 12L 3
1 1
1
0 1/2
1
0 3 L 1 L 1 L 2
2
1 1
3/2
L
12 9 L 3 3
12
12 12
1/2
1
0
1 3/2
0 3 L1 L1 L 3
1 1
1/2
1
0
0 2
0 3
1 1
0
1
0
Id
a partir de
f1
2
f f 2 3
f 3
1
podemos concluir que: x1 = 2 , x2 = - 3 , x3 = 1, a soluo do sistema de
equaes lineares dado.
Exemplo (54) Usando o Mtodo de Diagonalizao de Gauss-Jordan podemos ver
que:
x1 = 0,33333334 , x2 = - 0,14285714 , x3 = 0
uma soluo (aproximada) do sistema de equaes lineares:
5x 1
x 1
1
x2
3
13x 3
6x 2
11x 3
x2
1
21
17
21
4
21
33
x1
1
0,333333
3
x2
1
0,1428571429.....
7
x3 0
vemos a necessidade de considerar, nos clculos, um nmero grande de
dgitos para tentar chegar o mais prximo possvel do resultado real.
Usando o Mtodo de Diagonalizao de Gauss-Jordan, determine a soluo do sistema
de equaes lineares:
3 x2 6 x3
11
5 x1
9 x4 8
4 x2 7 x3 5 x4 0
x
2 x3 7 x4 6
1
INVERSO DE MATRIZES
Definio (59) Uma matriz A (quadrada de ordem nxn) dita inversvel se existir
uma matriz F (tambm de ordem nxn) que satisfaz as condies :
A F Id F A
1
0
onde Id =
0 0
1 0
a matriz identidade de ordem nxn.
0 1
Quando existir dita matriz F ela ser chamada de matriz inversa de A e ser
denotada com o smbolo A-1.
Observao (60) Seja A uma matriz dada (de ordem nxn).
(1) A matriz A-1 existe se, e somente se det (A) 0 .
(2) Quando A-1 existe, ento sempre se tem : A A 1 Id A 1 A
(3) Quando det (A) 0 existe uma frmula matemtica que diz como
determinar a matriz A-1. Porque dita frmula matemtica inclui o clculo de muitos
determinantes, ento ela torna-se pouco recomendvel para ser usada com programas
computacionais.
34
A Id
,onde
nxn.
(2) Usando sucessivas operaes elementares, transforme a matriz
A Id numa matriz do tipo Id F ,onde Id a matiz identidade de
ordem nxn:
A Id
Id
3
Exemplo (61) Se A
7
Soluo
A Id
F2 F2 7F1
1
2
determine, caso exista, a matriz A-1.
4
F
F1 1
0
3
2 1
4 0
2
3
1
3
26
7
3
3
F1 F1 F2
1
3
2
13
-1
assim, podemos concluir que A =
7
26
3F2
F2
0
26
2
13
7
1
26
1
13
3
26
2
1
3
3
4 0
Id
1
3
7
26
A 1
1
13
3
26
35
3
26
a 1,1x 1
a 2,1x 1
a x
n,1 1
a 1,2 x 2
a 1,n x n
b1
a 2,2 x 2
a 2,n x n
b2
a n,2 x 2
a n,n x n
bn
[2]
AX b
A 1 A X A 1 b
isto :
I X A 1 b
ou seja
X A 1 b
Por isso podemos concluir que a soluo do sistema de equaes [2] encontra-se
multiplicando, esquerda, a matriz inversa de A pelo vetor
Exemplo (63) Usando o Mtodo da Matriz Inversa, determine a soluo do sistema de
equaes lineares:
3x 2y 11
7x 4y 5
[3]
Soluo
Consideremos a matriz de coeficientes do sistema de equaes [3]:
3
A =
7
36
2
13
Sendo que A-1 =
7
26
de equaes [3] dado :
1
13
[Exemplo (61)] ento a soluo do sistema
3
26
1
27
11
13
13
3 5 31
13
26
2
13
1
X A b
7
26
2x y
6
5 z 7
4x
x 3y 6z 0
Exerccio (67) Usando o Mtodo da Matriz Inversa determine, caso exista, a soluo
do sistema de equaes lineares
3 x2 6 x3
5x
9 x4
1
4 x2 7 x3 5 x4
x 1
2 x3 7 x4
11
8
0
6
5 x1
11 x 2
x3
987,65
x1
3
13
x2
7
1
x3
44.910,5727
x1
x2
7
3
x3
444.283,1391
571.542,4554
37
0,3183102
X 0 0,0001356
141.419,9421
No Exemplo (48) vimos que o vetor resto, resultado desta resposta numrica, :
0,0077
r 0,01216
0,0135
que consideramos aceitvel em termos numricos. O Mtodo de Gauss-Jacobi serve
para melhorar solues de sistemas de equaes j existentes. Assim, este mtodo serve
como complemento e aperfeioamento dos outros mtodos de soluo de sistema de
equaes lineares estudados.
a 1,1 x 1
a 2,1 x 1
a n1,1 x 1
a n,1 x 1
[4]
a 1,2 x 2
a 1,3 x 3
a 1,n1 x n1
a 1,n x n
b1
a 2,2 x 2
a 2,3 x 3
a 2,n1 x n1
a 2,n x n
b2
a n1,2 x 2
a n1,3 x 3
a n1,n1 x n1
a n1,n x n
b n1
a n,2 x 2
a n,3 x 3
a n,n1 x n1
a n,n x n
bn
x1
x2
38
x n1
xn
isto , as equaes:
x1
b1
a 1,1
x2
b2
a 2,2
a 2,1
x1
a
2,2
a 1,2
a 1,1
x2
a 1,3
a 1,1
a 2,3
a 2,2
x n1
b n 1,n 1
xn
bn
a n,n
a n1
x 3
a 1,n 1
a 1,1
a 2,n1
a 2,2
x n1
x n
a 1,n
x n 1
a 1,1
a 2,n
a 2,2
x n
a n1,1
a n 1,2
a n 1,3
x1
x2
x3
a
a n 1,n 1
a n1,n1
n1,n1
x n
a n 1,n
a n1,n1
a n,1
a n,2
a n,3
a n,n1
x n1
1
2
3
a
a
a
a
n,n
n,n
n,n
n,n
x 1 d1
x 2 d2
c 2,1 x 1
x 3 d3
c 3,1 x 1 c 3,2 x 2
x n 1 d n 1
x n dn
c 3,n 1 x n 1 c 3,n x n
c n1,n x n
39
bs
a s,s
[5]
ds
e para k , s = 1 , 2 , ... , n
com k s
c k, s
a k, s
a k,k
[6]
ou seja, os sistema (*) eqivale com a equao matricial:
c 1,2
c 1,3
c 1,n 1
c 1,n x 1
0
x1
d1
c 2,1
x2
d2
0
c 2,3
c 2,n1
c 2,n x 2
c 3,1
x3
d3
c 3,2
0
c 3,n 1
c 3,n
x
x
d
c n 1,2
c n 1,3
0
c n1,n
n 1,1
x n1
n1
n 1
c n,1
c n,2
c n,3
c n,n1
0 xn
n
xn
d
[7]
Assim, podemos resumir esta introduo afirmando que o sistema original:
Teorema (68) Considere um sistema de equaes lineares A X b , onde
A ai, j nxn e a k,k 0
40
a k,k
a k,1
a k,2
a k,k 1
a k,k 1
[8]
ento as iteraes
X k d C X k 1
(k 1)
X0 X
X1 X
X2 X
Xp
X
1
ALGORTIMO ITERATIVO
Considerando o sistema de equaes lineares A X b
(1)
(2)
X d C X
(3)
(4)
(5)
X m1 X m
, para algum > 0, suficientemente
satisfaz a condio
pequeno, dado.
A Observao a seguir introduz a nomenclatura necessria para entender o
critrio seguido para deter o processo iterativo do Mtodo de Gauss-Jacobi.
Observao (70) Para os vetores
41
a k,n
y1
y
Xp = 2
y n
Definem-se os vetores
Xp
z1 y 1
z2 y2
zn yn
Xp
z1 y 1 z1
z y z
2
2
2
Xp = - =
z n y n z n
Ento, a notao
z1 y 1
Xp
<
Xp
z1
z
= 2
z n
y1
y 2
yn
Xp
Xp
z2 y2
<
.....
zn y n
<
[9]
Por isso, quando se pea que a condio
Xp
Xp
isso significar que temos que garantir que todas as condies [9] sejam satisfeitas.
Exemplo (71) Verifique se as condies do Teorema (68) so satisfeitas para poder
aplicar o Mtodo de GaussJacobi para solucionar o sistema de equaes lineares:
4x 1 x 2 x 3 3
x 1 4x 2 2x 3 0
x x 5x 4
2
3
1
[10]
No caso de ser possvel aplicar o Mtodo de Gauss-Jacobi, solucione o
sistema de equaes lineares dado usando a soluo aproximada
1
X 0 1
1
X m X m1 0,01
seja satisfeita.
Soluo
Neste caso
42
a 11 a 12
A = a 21 a 22
a 31 a 32
a 13 4 1 1
a 23 = 1 4
2
a 33 1 1 5
b1
3
b b 2 0
b 3
4
Sendo que
4 = | 4 | = | a1,1 | > | a1,2 | + | a1,3 | = | -1 | + | -1 | = 1 + 1 = 2
4 = | 4 | = | a2,2 | > | a2,1 | + | a2,3 | = | 1 | + | 2 | = 3
5 = | -5 | = | a3,3 | > | a3,1 | + | a3,2 | = | 1 | + | -1 | = 2
ento o Teorema (68) garante que podemos usar o Mtodo de Gauss-Jacobi
para determinar uma soluo do sistema de equaes lineares [10].
Segundo o algoritmo do Mtodo de Gauss-Jacobi precisamos
determinar a matriz
c 1,1 c 1,2
C = c 2,1 c 2,2
c 3,1 c 3,2
c 1,3
c 2,3
c 3,3
d1
d d 2
d 3
e o vetor
a 2,1
a 2,2
a 3,1
a 3,3
c1,2 =
1
= 0,25000
4
a 1,2
a1,1
1
= - 0,25000
4
c1,2 =
c2,2 = 0,00000
1
= - 0,20000
5
c3,2 =
a 3,2
a 3,3
c2,3 =
1
= 0,20000
5
1
= - 0,25000
4
2
= 0,50000
4
a1,3
a1,1
a 2,3
a 2,2
c3,3 = 0,00000
e os valores:
d1 =
b1 3
= 0,75000
a 1,1 4
d1 =
b2
0
= 0,00000
a 2,2 4
b3
4
= 0,80000
a 3,3 5
d C Xm
d1 =
0,75000
0,00000 0,25000 0,25000
X m1 0,00000 0,25000
0,00000
0,50000 X m
0,80000
0,20000 0,20000
0,00000
[11]
43
1,00000
0,00000
0,50000
X 1 = 0,00000 - 0,25000
0,80000 0,20000 0,20000
0,00000
1,00000
- 1,00000
1,00000
X0
0,75000 1,00000
X1 X 0 = 0,75000 ( 1,00000)
1,20000 1,00000
0,25000
0,25000 = 0,01
0,20000
0,25000
= 0,25000 =
0,20000
X 2 = 0,00000 0,80000
0,20000 0,20000
0,00000
0,75000
- 0,75000
1,20000
X1
44
0,86250 0,75000
X 2 X1 = 0,78750 ( 0,75000
1,10000 (1,20000)
0,11250
0,03750 = 0,01
0,10000
0,11250
= 0,03750
0,10000
X 3 = 0,00000 0,80000
0,20000 0,20000
0,00000
0,86250
0,78750
1,10000
X2
0,82813 0,86250
X 3 X 2 = 0,76562 ( 0,78750
1,13000 (1,10000)
0,03430
0,02188 = 0,01
0,03000
-0,03430
= 0,02188 =
0,03000
ento calculamos X 4
0,75000
X 4 = 0,00000 0,80000
0,20000 0,20000
0,00000
0,82813
0,76562
1,13000
X3
45
0,84100 - 0,82813
X 4 X 3 = 0,77203 ( 0,76562)
1,11874 1,13000
0,01287
0,00641 = 0,01
0,01126
0,01287
= -0,00641 =
-0,01126
ento calculamos X 5
0,75000
X 5 = 0,00000 0,80000
0,20000 0,20000
0,00000
0,84100
0,77203
1,11874
X4
0,83668 - 0,84100
X 5 X 4 = 0,76962 ( 0,77203)
1,12260 1,11874
-0,00432 0,00432
= 0,01
ento os valores:
x1 = 0,83668 , x2 = -0,76962 , x3 = 1,12260
46
4x 1 x 2 x 3 3
x 1 4x 2 2x 3 0
x x 5x 4
2
3
1
comparada com os valores:
x1 = 1,00000 , x2 = -1,00000 , x3 = 1,00000
5 x 1 x 2 14
3
x2 0
14 x 1
3
[12]
No caso de ser possvel aplicar dito mtodo, solucione o sistema de
equaes lineares dado usando a soluo aproximada
0.1785355
X0
4,3292633
seja satisfeita.
Soluo
Para verificar as condies do Teorema (68) precisamos primeiro expressar o
sistema [12] na forma decimal:
2,2360680 x 1 3,1415927 x 2 14
14 x 0,57735027 x 0
1
2
[13]
Assim, neste caso
b 14
b = 1 =
b 2 0
Sendo que
2,2360680 = | 2,2360680 | = | a1,1 | | a1,2 | = | -3,1415927 | = 3,1415927
0,57735027 = | 0,57735027 | = | a2,2 | | a2,1 | = | 14 | = 14
ento as condies do Teorema (68) no so satisfeitas. Por isso, se aplicarmos o
Mtodo de Gauss-Jacobi para solucionar [13], tal vez no consigamos melhorar a
0.1785355
soluo X 0
j encontrada, pois no existe garantia que isto
4,3292633
47
acontea. Antes de desistir observemos que o sistema [12] tambm pode ser escrito da
forma:
3
x2 0
14 x 1
3
5 x 1 x 2 14
[14]
isto
14 x 1 0,57735027 x 2 0
2,2360680 x 3,1415927 x 14
1
2
b 0
b = 1 =
b 2 - 14
temos, agora
14 = | 14 | = = | a1,1 | > | a1,2 | = | 0,57735027 | = 0,57735027
3,1415927 = | 3,1415927 | = | a2,2 | > | a2,1 | = 2,2360680= | 2,2360680 |
isto , as condies do Teorema (68) so satisfeitas e podemos aplicar o Mtodo de
Gauss-Jacobi para solucionar o sistema de equaes [14].
Segundo o Mtodo de
(determinar) as matrizes
Gauss-Jacobi
c 1,1 c 1,2
C=
c 2,1 c 2,2
precisamos conhecer
d
d = d 1
d 2
c1,2 =
a 1,2
a 1,1
c2,2 = 0,00000000
e os valores:
d1 =
b1
0
=
= = 0,00000000
a 1,1
14
d2
b2
a 2,2
14
= 4,4563383
3,1415927
48
0,00000000 0,00000000 0,0412393
X m1 =
= 0,7117625 0,00000000 X m
4,4563383
[15]
X0
0.1785355
Considerando o vetor dado X 0
e substituindo este vetor
4,3292633
0.1785355
4,3292633
X0
X1 X 0 =
=
=
4,3292634 4,3292633 0,0000001 0,0000001
= 0,00000001
0.1785358
4,3292634
X1
X 2 X1 =
=
=
4,3292632 4,3292634 0,0000002
0,00000001
0,00000002 = 0,00000001
0.1785358
4,3292632
X2
49
X3 X2 =
=
=
4,3292632 4,3292632 0,0000000 0,00000000
< = 0,00000001
ento os valores:
x1 = -0,1785358
,
x2 = 4,3292632
x2 = - 0,0001356
x3 = 141.419,9421
5 x1
987,65
x1
x1
[16]
11 x 2
x3
13
x2
7
x3
44.910,5727
x3
x2
7
3
444.283,1391
571.542,4554
[17]
Sendo que:
2,2360679 = | a1,1 | | a1,2 | + | a1,3 | = 6,4582173
ento as condies do Teorema (68) no so satisfeitas e parece que no poderemos usar
o Mtodo de Gauss-Jacobi. Trocando a primeira equao do sistema [17] pela segunda
equao obtemos o sistema:
50
[18]
Assim,
329,2166667 = | a1,1 | > | a1,2 | + | a1,3 | = 0,8333885
3,3166247 = | a2,2 | | a2,1 | + | a2,3 | = 5,3776605
4,0414518 = | a3,3 | > | a3,1 | + | a3,2 | = 3,1774167
e vemos que tambm as condies do Teorema (68) no so satisfeitas. Infelizmente,
qualquer outra troca de equaes efetuadas no sistema [18] no consegue atender as
condies exigidas no Teorema (68) e por isso temos que desistir de usar o Mtodo de
Gauss-Jacobi para tentar melhorar a soluo:
x1 = 0,3183102
,
x2 = - 0,0001356
,
x3 = 141.419,9421
obtida no Exemplo (44), usando o Mtodo de Triangularizao de Gauss.
Observao (74) Quando as condies do Teorema (68) no se verificam, num sistema
de equaes lineares dado, nada garante que ao usar o Mtodo de Gaus-Jacobi a soluo
13
2 x 1 3x 2 3x 3 4
x 1 4x 2 2x 3 6
11
3x 1 2x 2 x 3 14
2
X m X m1 0,00001
seja satisfeita.
51
2x 1 9x 2 6x 3 1
6x 2x 3x 2
1
2
3
8x 1 x 2 12x 3 0
[23]
2x 4x 7x 7
1
2
3
11x1 8x 2 x 3 1
[24]
52
x 1 d1
x 2 d2
c 2,1 x 1
x 3 d3
c 3,1 x 1 c 3,2 x 2
x n 1 d n 1
x n dn
c 3,n 1 x n 1 c 3,n x n
c n1,n x n
bs
a s,s
[25]
ds
com k s
c k, s
e para k , s = 1 , 2 , ... , n
a k, s
a k,k
x (k2 1)
(k 1)
x
X k 1 3
:
(k 1)
x n 1
(k 1)
x n
53
x 1(k 1) d1
x (k2 1) d2
c 2,1 x 1(k 1)
x (k3 1) d3
c 1,2 x (k)
2
c 1,3 x (k)
3
c 1,n1 x (k)
c 1,n x (k)
n1
n
c 2,3 x (k)
3
(k)
c 2,n1 x (k)
n1 c 2,n x n
(k)
c 3,n1 x (k)
n1 c 3,n x n
:
:
x (kn11) dn1
x (kn 1) dn
c n1,n x (k)
n
Teorema (82) Considere um sistema de equaes lineares A X b , onde
A ai, j nxn e a k,k 0 .
a k,k
a k,1
a k,2
a k,k 1
a k,k 1
a k,n
[28]
X0 X
X1 X
X2 X
X p 1 X
54
Considerando o sistema de equaes lineares A X b
(1)
(2)
X = d -C X
(4)
(5)
satisfaz a condio
X m1 X m
, para algum > 0, suficientemente
pequeno, dado.
(4)
(5)
Parar o processo quando se determine um vetor
condio
X k 1 X k
X k 1
satisfazendo a
5x 1 2x 2 2x 3 9
x 1 4x 2 3x 3 9
x x 2x 1
2
3
1
[29]
No caso de ser possvel aplicar dito mtodo, solucione o sistema de
equaes lineares dado usando a soluo aproximada
1,52
X 0 2,31
0,47
X m X m1 0,02
.
55
Soluo
Neste caso
a 1,1 a 1,2
A = a 2,1 a 2,2
a 3,1 a 3,2
a 1,3 5 2 2
a 2,3 = 1 4 3
a 3,3 1 1 2
b 9
1
b = b 2 = 9
b 3 1
Sendo que
5 = | 5 | = | a1,1 | > | a1,2 | + | a1,3 | = | 2 | + | 2 | = 2 + 2 = 4
4 = | 4 | = | a2,2 | = | a2,1 | + | a2,3 | = | 1 | + | 3 | = 1 + 3 = 4
2 = | 2 | = | a3,3 | = | a3,1 | + | a3,2 | = | 1 | + | -1 | = 1 + 1 = 2
ento o Teorema (82) garante que podemos usar o Mtodo de Gauss-Seidel
para determinar uma soluo do sistema de equaes lineares [29].
Segundo o algoritmo do Mtodo de Gauss-Seidel determinamos a matriz
C e o vetor d usando [25] e [26]. Assim, neste caso
c 1,1 c 1,2
C = c 2,1 c 2,2
c 3,1 c 3,2
0
c 1,3
1
c 2,3 =
4
c 3,3
1
2
5
2
0
1
2
2
5
3
4
0
9
5
d1
9
.
d = d 2 =
4
d 3
1
2
x (k2 1)
9
1 (k 1)
x1
4
4
x (k3 1)
1
1
1 (k 1)
x1
x (k2 1)
2
2
2
2 (k)
x2
5
2 (k)
x3
5
3 (k)
x3
4
x 1(0) 1,52
X 0 = x (0)
2 = 2,31
x (0)
3 0,47
Por isso as coordenadas do vetor X 1 so:
x 1(1)
2 (0)
2 (0)
9 2
2
x2
x3
2,31 0,47 1,06
5
5
5 5
5
56
x (1)
9
1 (1)
x1
4
4
x (1)
3
1
1
1 (1)
x 1 x (1)
2
2
2
2
3 (0)
9 1
3
x3
1,06 0,47 2,34
4
4 4
4
1 1
1
Sendo que
X1 X 0
1,06 1,52
2,34 2,31
0,14 ( 0,47)
0,46
0,03
0,61
0,46
0,03 0,02
0,61
2 (1)
2 (1)
9 2
2
x2
x3
2,34 0,14 0,81
5
5
5 5
5
x (2)
9
1 (2)
x1
4
4
x (2)
3
1
1
1 (2)
x 1 x (2)
2
2
2
2
3 (1)
9 1
3
x3
0,81 0,14 1,94
4
4 4
4
1 1
1
Porque
X 2 X1
0,81 1,06
0,25
0,25
0,40 0,02
0,07
2 (2)
2 (2)
9 2
2
x2
x3
1,94 0,07 1,00
5
5
5 5
5
x (3)
9
1 (3)
x1
4
4
x (3)
3
1
1
1 (3)
x 1 x (3)
2
2
2
2
3 (2)
9 1
3
x3
1,00 0,07 1,95
4
4 4
4
1 1
1
Sendo que
57
X3 X2
1,00 0,81
0,19
0,19
0,01 0,02
0,04
x (4)
2 (3)
2 (3)
9 2
2
x2
x3
1,95 0,03 1,01
5
5
5 5
5
9
1 (4)
x1
4
4
x (4)
3
3 (3)
9 1
3
x3
1,01 0,03 1,97
4
4 4
4
1
1
1 (4)
x 1 x (4)
2
2
2
2
1 1
1
Ao se ter
X4 X3
1,01 1,00
1,97 1,95
0,02 0,03
0,01
0,02
0,05
0,01
0,02 0,02
0,05
2 (4)
2 (4)
9 2
2
x2
x3
1,97 0,02 1,02
5
5
5 5
5
x (5)
9
1 (5)
x1
4
4
x (5)
3
1
1
1 (5)
x 1 x (5)
2
2
2
2
3 (4)
9 1
3
x3
1,02 0,02 2,01
4
4 4
4
Ainda, ao se ter
1,02 1,01
0,01
1 1
1
0,01
0,04 0,02
0,02
58
x 1(6)
2 (5)
2 (5)
9 2
2
x2
x3
2,01 0,00 0,99
5
5
5 5
5
x (6)
9
1 (6)
x1
4
4
x (6)
3
1
1
1 (6)
x 1 x (6)
2
2
2
2
3 (5)
9 1
3
x3
0,99 0,00 2,00
4
4 4
4
1 1
1
(64)
Porque
X6 X5
0,99 1,02
2 2,01
0,00 0,00
0,03
0,01
0,00
0,03
0,01 0,02
0,00
x (7)
9
1 (7)
x1
4
4
x (7)
3
1
1
1 (7)
x 1 x (7)
2
2
2
2
Finalmente, ao se ter
1,00 0,99
X 7 X 6 2,00 2,00
0,00 0,00
2 (6)
2 (6)
9 2
2
x2
x3
2,00 0,00 1,00
5
5
5 5
5
3 (6)
9 1
3
x3
1,00 0,00 2,00
4
4 4
4
1 1
1
0,01
0,01
0,00
0,00
6x 1 2x 2 3x 3 2
8x x 12x 0
1
2
3
59
13
x 1 3x 2 3x 3 4
2
x 1 4x 2 2x 3 6
11
3x 1 2x 2 x 3 14
2
[31]
No caso de ser possvel aplicar dito mtodo, solucione o sistema de equaes
lineares dado usando a soluo aproximada
1
X 0 0
3
determinando a soluo aproximada X m do sistema at conseguir que a condio
X m X m1 0,001 seja satisfeita.
2x 1 4x 2 7x 3 7
11x 8x x 1
1
2
3
[32]
60