MTODO DE DIAGONALIZAO DE GAUSS-JORDAN

Definio (49) Uma matriz D = di,j

nxn

dita diagonal se di,j 0 para todos os i

j isto , se acontecer que D tem o formato:

d1,1 0
0 d
2,2
D =

0
0

d n,n

0
0

Exemplo (50) Como exemplos de matrizes diagonais temos:

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

ALGORTMO ITERATIVO PARA

SOLUCIONAR O SISTEMA DE
EQUAES LINEARES A X b ( MTODO DE GAUSS-JORDAN )

(1) Considerando o sistema de equaes lineares A X b construa a matriz

A b

A b
(2) Usando sucessivas operaes elementares, transforme a matriz

Id f , sendo Id a matriz identidade (diagonal):

matriz do tipo

numa

30

1
0
Id =

0 0
1 0

0 1

(3) Se

f1


f 2

f
n

ento uma soluo (aproximada) para o sistema de equaes lineares A X b vem

dado por
xk = fk

( para k = 1 , 2 , ... , n )

Exemplo (52) Usando o Mtodo de Gauss-Jordan determine uma soluo

(aproximada) do sistema de equaes lineares
2x 1 5x 2 11

8x 7x 37
1
2

Soluo

5
2

Porque, neste caso, A =

8
7
5 11
2

A b

8
7 37

11
ento
b

37

Assim, usando as sucessivas operaes elementares do Exemplo (51) obtemos :

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

a partir do fato que:

f1
2

f
f 2
3
pode-se concluir que :
x1 = - 2

x2 = 3

soluo do sistema dado.

Exemplo (53) Usando o mtodo de Gauss-Jordan determine uma soluo

(aproximada) do sistema de equaes lineares:
2x 1 x 2 2x 3 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

ento temos que a

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

Comparando este resultado obtido com o resultado matemtico terico (exato):

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

MTODO PARA DETERMINAR A MATRIZ A-1

Dada a matriz A de ordem nxn e com det (A) 0:
(1) Construir a matriz

A Id

,onde

Id a matriz identidade de ordem

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) A matriz F resultado do processo aplicado no item (2) , justamente, a

matriz A-1 procurada, isto , F = A-1

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

SOLUO DE SISTEMAS DE EQUAES LINEARES: MTODO DA

MATRIZ INVERSA
Voltando ao problema que estamos estudando: Solucionar sistemas de equaes
lineares, temos os seguintes fatos:
A representao matricial de um sistema de equaes:

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

Assim, supondo a existncia da matriz inversa A-1 de A obtemos, multiplicando

esquerda ambos membros da equao acima pela matriz A-1 :

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

Usando o Mtodo da Matriz Inversa no determine, caso exista, a soluo do sistema de

equaes lineares

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

3.10 MTODO ITERATIVO DE GAUSS JACOBI

No Exemplo (37) foi visto que a soluo do sistema de equaes:

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

segundo o Mtodo de Triangularizao de Gauss

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.

Assim, consideremos um sistema de equaes lineares

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

de forma tal que a1,1 0 , a 2,2 0 , , a n1,n1 0 e a n,n 0 . Nessas

condies podemos obter, a partir do sistema [4], as equaes:

x1

x2

b1 a1,2 x 2 a1,3 x 3 a1,4 x 4 a1,n1 x n1 a1,n x n

a1,1
b 2 a 2,1 x 1 a 2,3 x 3 a 2,4 x 4 a 2,n1 x n1 a 2,n x n
a 2,2

38

x n1

xn

b n1 a n1,1 x 1 a n1,2 x 2 a n1,3 x 3 a n1,n2 x n2 a n1,n x n

a n1,n1
b n a n,1 x 1 a n,2 x 2 a n,3 x 3 a n,n2 x n2 a n,n1 x n1
a n,n

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

Assim, o sistema [4] foi transformado no sistema:

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 1,2 x 2 c 1,3 x 3 c 1,n 1 x n 1 c 1,n x n

c 2,3 x 3 c 2,n1 x n1 c 2,n x n

c 3,n 1 x n 1 c 3,n x n

c n1,1 x 1 c n 1,2 x 2 c n1,3 x 3

c n1,n x n

c n,1 x 1 c n,2 x 2 c n,3 x 3 c n,n 1 x n 1

onde, para cada s = 1 , 2 , ... , 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:

A X b [4] pode-se transformar no sistema [7]: X d C X , sempre que

a k,k 0 para todos os ndices k = 1 , 2 , ... , n.

ALGORITMO ITERATIVO DE GAUSS-JACOBI PARA SOLUCIONAR O

SISTEMA DE

EQUAES LINEARES A X b QUANDO a k,k 0 PARA k = 1 , 2 , ... ,
n
Para pr em funcionamento o Mtodo de Gauss-Jacobi para solucionar sistemas
de equaes lineares temos que saber reconhecer sob quais condies possvel usar
este mtodo. O resultado a seguir responde esta questo

Teorema (68) Considere um sistema de equaes lineares A X b , onde
A ai, j nxn e a k,k 0

Se para cada k = 1 , 2 , ... , n acontece que

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)

para X 0 dado, produzem uma sequncia X 1 , X 2 , ... , X m1 , ...., de aproximaes

da soluo X do sistema de equaes lineares A X b de forma tal que:

X0 X

X1 X

X2 X

Xp

X
1

Observao (69) O Teorema (68) diz que o Mtodo de Gauss-Jacobi permita

determinar uma sequncia de solues numricas X 0 , X 1 , X 2 , ... , X m , X m1 , ....,

do sistema de equaes lineares A X b de forma tal que, a cada iterao a mais, a

soluo aproximada X m estar mais prxima da soluo exata X do sistema de

equaes lineares considerado.

ALGORTIMO ITERATIVO

Considerando o sistema de equaes lineares A X b
(1)

Verifique se a matriz A = [ai,j] satisfaz as condies [8]

(2)

Construa o sistema associado

X d C X

(3)

Considere (escolha) uma soluo aproximada inicial X 0 .

(4)

Para cada k 1, determine X k usando a relao : X k d C X k 1

(5)

O processo pra quando se determine um vetor X m1 d C X m que

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

< equivale com as condies:

z2 y2

<

.....

zn y n

<

[9]
Por isso, quando se pea que a condio

Xp

Xp

< seja satisfeita,

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

determinando a soluo aproximada X m do sistema at conseguir que a condio

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

da equao [7]. Usando [5] e [6] temos os valores:

c1,1 = 0,00000
c2,1 = =
c3,1 =

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

Com estes dados construmos a equao de recorrncia: X m

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

Considerando o vetor X 0 1,00000 e substituindo este vetor X 0 na

1,00000

relao [11] obtemos o vetor X 1 da seguinte maneira:

0,75000 0,00000 0,25000 0,25000

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 0,00000 0,75000

= 0,00000 - 0,75000 = 0,75000
0,80000 0,40000 1,20000
Sendo que

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

pois, 0,25000 > = 0,01 [Observao (70)], ento calcula-se o vetor X 2

0,75000

X 2 = 0,00000 0,80000

0,00000 0,25000 0,25000

0,25000
0,00000
0,50000

0,20000 0,20000
0,00000

0,75000
- 0,75000

1,20000

X1

0,75000 - 0,11250 0,86250

= 0,00000 - 0,78750 = 0,78750
0,80000 0,30000 1,10000
Sendo que

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

ento calcula-se o vetor X 3

0,75000

X 3 = 0,00000 0,80000

0,00000 0,25000 0,25000

0,25000
0,00000
0,50000

0,20000 0,20000
0,00000

0,86250
0,78750

1,10000

X2

0,75000 - 0,07813 0,82813

= 0,00000 - 0,76562 = 0,76562
0,80000 0,33000 1,13000
Porque

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

0,00000 0,25000 0,25000

0,25000
0,00000
0,50000

0,20000 0,20000
0,00000

0,82813
0,76562

1,13000

X3

45

0,75000 - 0,09100 0,84100

= 0,00000 - 0,77203 = 0,77203
0,80000 0,31874 1,11874
Sendo que

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

0,00000 0,25000 0,25000

0,25000
0,00000
0,50000

0,20000 0,20000
0,00000

0,84100
0,77203

1,11874

X4

0,75000 - 0,08668 0,83668

= 0,00000 - 0,76962 = 0,76962
0,80000 0,32260 1,12260
Porque

0,83668 - 0,84100

X 5 X 4 = 0,76962 ( 0,77203)

1,12260 1,11874

-0,00432 0,00432

= 0,00241 = 0,00241 <

0,00368 0,00386

= 0,01
ento os valores:
x1 = 0,83668 , x2 = -0,76962 , x3 = 1,12260

(valores obtidos do vetor X 5 ) so uma soluo (aproximada) melhorada do sistema de

equaes lineares:

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

(valores do vetor de entrada X 0 ) aceito como soluo do sistema dado.

Exemplo (72) Verifique se as condies do Teorema (68) so satisfeitas para poder

aplicar o Mtodo de GaussJacobi para solucionar o sistema de equaes lineares:

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

obtida no Exemplo (47), determinando a soluo aproximada X m do sistema at

conseguir que a condio X m X m1 0,00000001

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

a 1,1 a 1,2 2,2360680 3,1415927

A=
=

a 2,1 a 2,2 14,000000 0,57735027

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

Assim, a partir dos dados:

a 1,1 a 1,2 14,00000 0,57735027

A=
=

a 2,1 a 2,2 2,2360680 3,1415927

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

da equao [7]. Usando [5] e [6] temos os valores:

c1,1 = 0,00000000
0,57735027
= 0,0412393
14
a 2,1
2,2360680
c2,1 =
=
= - 0,7117625
a 2,2
3,1415927

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

Com estes dados construmos a equao de recorrncia: X m1 d C X m

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

na relao [15] obtemos o vetor X 1 da seguinte maneira:

0,00000000 0,00000000 0,0412393

X1 =
- 0,7117625 0,00000000
4,4563383

0.1785355
4,3292633

X0

0,00000000 0,1785358 - 0,1785358

=
-
=

4,4563383 0,1270749 4,3292634

Sendo que

0,1785358 ( 0.1785355) 0,0000003 0,0000003

X1 X 0 =
=
=
4,3292634 4,3292633 0,0000001 0,0000001

= 0,00000001

ento calcula-se o vetor X 2

0,00000000 0,00000000 0,0412393

X2 =
- 0,7117625 0,00000000
4,4563383

0.1785358
4,3292634

X1

0,00000000 0,1785358 - 0,1785358

=
-
=

4,4563383 0,1270751 4,3292632

Sendo que

0,1785358 ( 0,1785358) 0,0000000

X 2 X1 =
=
=
4,3292632 4,3292634 0,0000002

0,00000001
0,00000002 = 0,00000001

ento calcula-se o vetor X 3

0,00000000 0,00000000 0,0412393

X3 =
- 0,7117625 0,00000000
4,4563383

0.1785358
4,3292632

X2

49

0,00000000 0,1785358 - 0,1785358

=
-
=

4,4563383 0,1270751 4,3292632

Sendo que

0,1785358 ( 0,1785358) 0,0000000 0,00000000

X3 X2 =
=
=
4,3292632 4,3292632 0,0000000 0,00000000

< = 0,00000001
ento os valores:
x1 = -0,1785358
,
x2 = 4,3292632

(valores obtidos do vetor X 3 ) so uma soluo (aproximada) melhorada do

sistema de equaes lineares [12], comparada com os valores:
x1 = -0,1785355
,
x2 = 4,3292633

(valores do vetor de entrada X 0 ) obtidos como soluo do sistema dado usando o

Mtodo de Triangularizao de Gauss [Exemplo (47)].
Observao (73) Este Pargrafo foi iniciado esperando melhorar a soluo:
x1 = 0,3183102

x2 = - 0,0001356

x3 = 141.419,9421

obtida no Exemplo (37) (usando o Mtodo de Triangularizao de Gauss) para o

sistema de equaes lineares:

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

O sistema [16] escrito com coeficientes expressos em forma decimal, torna-se no

sistema:

2,2360679 x 1 3,3166247 x 2 3,1415926 x 3 444.283,1391

329,2166667 x 1 0,5150787 x 2 0,3183098 x 3 44.910,5727

1,7724538 x 1,4049629 x 4,0414518 x 571.542,4554
1
2
3

[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

 329,2166667 x 1 0,5150787 x 2 0,3183098 x 3 44.910,5727

2,2360679 x 1 3,3166247 x 2 3,1415926 x 3 444.283,1391

1,7724538 x 1,4049629 x 4,0414518 x 571.542,4554
1
2
3

[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

(aproximada) considerada X 0 do sistema possa, ao final, estar mais prxima ou no da

soluo exata do sistema de equaes lineares dado.
Exerccio (75) Verifique se as condies do Teorema (68) so satisfeitas para poder
aplicar o Mtodo de GaussJacobi para solucionar o sistema de equaes lineares:

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

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 0,00001

seja satisfeita.

Verifique se as condies do Teorema (68) so satisfeitas para poder aplicar o Mtodo

de Gauss-Jacobi para solucionar o sistema de equaes lineares:

51

 2x 1 9x 2 6x 3 1

6x 2x 3x 2
1
2
3

8x 1 x 2 12x 3 0
[23]

No caso de ser possvel aplicar dito mtodo, solucione o sistema de equaes

lineares dado usando a soluo aproximada
0,3
X 0 0,2
0
determinando a soluo aproximada X m do sistema at conseguir que a condio
X m X m1 0,001 seja satisfeita.

Exerccio (81) Verifique se as condies do Teorema (68) so satisfeitas para poder

aplicar o Mtodo de Gauss-Jacobi para solucionar o sistema de equaes lineares:
x 1 4x 2 x 3 0

2x 4x 7x 7
1
2
3

11x1 8x 2 x 3 1
[24]

No caso de ser possvel aplicar dito mtodo, solucione o sistema de equaes

lineares dado usando a soluo aproximada
0
X 0 0.5
1
determinando a soluo aproximada X m do sistema at conseguir que a condio
X m X m1 0,001 seja satisfeita.

52

MTODO ITERATIVO DE GAUSS-SEIDEL

O Mtodo de Gauss-Seidel um mtodo que soluciona sistemas de equaes
lineares usando as mesmas equaes usadas no Mtodo de Gauss-Jacobi:

x 1 d1

x 2 d2

c 2,1 x 1

x 3 d3

c 3,1 x 1 c 3,2 x 2

c 2,3 x 3 c 2,n1 x n1 c 2,n x n

x n 1 d n 1
x n dn

c 1,2 x 2 c 1,3 x 3 c 1,n 1 x n 1 c 1,n x n

c 3,n 1 x n 1 c 3,n x n

c n1,1 x 1 c n 1,2 x 2 c n1,3 x 3

c n1,n x n

onde, para cada s = 1 , 2 , ... , n

bs
a s,s
[25]

ds

com k s

c k, s

c n,1 x 1 c n,2 x 2 c n,3 x 3 c n,n 1 x n 1

e para k , s = 1 , 2 , ... , n

a k, s
a k,k

A diferena no uso destas equaes (comparado com o Mtodo de Gauss-Jacobi)

est no fato de que ao invs de se construir um novo vetor soluo aproximado X k 1 (a
partir do vetor soluo aproximado anterior X k ) usando a equao matricial
X k 1 d C X k o Mtodo de Gauss-Seidel constri o novo vetor soluo:
x (k 1)
1

x (k2 1)
(k 1)
x

X k 1 3
:
(k 1)
x n 1
(k 1)
x n

que usa as seguintes equaes de recorrncia no matriciais:

53

x 1(k 1) d1

x (k2 1) d2

c 2,1 x 1(k 1)

x (k3 1) d3

c 3,1 x 1(k 1) c 3,2 x (k2 1)

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 n1,1 x 1(k 1) c n1,2 x (k2 1) c n1,3 x (k3 1)

c n1,n x (k)
n

c n,1 x 1(k 1) c n,2 x (k2 1) c n,3 x (k3 1) c n,n1 x (kn11)

Teorema (82) Considere um sistema de equaes lineares A X b , onde
A ai, j nxn e a k,k 0 .

Se para cada k = 1 , 2 , ... , n acontece que

a k,k
a k,1

a k,2

a k,k 1

a k,k 1

a k,n

[28]

ento a sequncia de vetores X 1 , X 2 , ... , X m1 , .... definidos usando as equaes de

recorrncia [27], produzem uma sequncia de aproximaes da soluo X do sistema

de equaes lineares A X b de forma tal que:

X0 X
X1 X
X2 X
X p 1 X

ALGORITMO ITERATIVO DE GAUSS-SEIDEL PARA SOLUCIONAR O

SISTEMA DE

EQUAES LINEARES A X b QUANDO a k,k 0 PARA k = 1 , 2 , ... ,
n

54


Considerando o sistema de equaes lineares A X b
(1)

Verifique se a matriz A = [ai,j] satisfaz as condies [28]

(2)

Construa o sistema associado

X = d -C X

onde d = [ d ] e C = [ c ] so definidos segundo [25] e [26].

(3)

Considere (escolha) uma soluo aproximada inicial X 0 .

(4)

Para cada k 1, determine X k usando as relaes iterativas dadas por [27].

(5)

O processo pra quando se determine um vetor X m1 d C X m que

satisfaz a condio
X m1 X m
, para algum > 0, suficientemente

pequeno, dado.
(4)

Escolha um valor > 0 to pequeno quanto voc desejar.

(5)
Parar o processo quando se determine um vetor
condio

X k 1 X k

X k 1

satisfazendo a

Exemplo (83) Verifique se as condies do Teorema (82) so satisfeitas para poder

aplicar o Mtodo de GaussSeidel para solucionar o sistema de equaes lineares:

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

determinando a soluo aproximada X m do sistema at conseguir satisfazer

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

Assim, as equaes de recorrncia [27] so, para este caso:

x 1(k 1)

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

Segundo dados do problema, temos que o vetor inicial X 0 o vetor

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

1,06 2,34 0,14

2 2
2

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

ento calculamos o vetor X 2

x 1(2)

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

0,81 1,94 0,14

2 2
2

Porque

X 2 X1

0,81 1,06
0,25

1,94 2,34 0,40

0,07 0,14
0,07

0,25

0,40 0,02

0,07

ento calculamos o vetor X 3

x 1(3)

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

1,00 1,95 0,03

2 2
2

Sendo que

57

X3 X2

1,00 0,81
0,19

1,95 1,94 0,01

0,03 0,07
0,04

0,19

0,01 0,02

0,04

ento calculamos o vetor X 4

x 1(4)

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

1,01 1,97 0,02

2 2
2

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

ento calculamos o vetor X 5 :

x 1(5)

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

X 5 X 4 2,01 1,97 0,04

0,00 0,02
0,02

1 1
1

1,02 2,01 0,00

2 2
2

0,01

0,04 0,02

0,02

ento calculamos o vetor X 6

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

0,99 2,00 0,00

2 2
2

(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

ento calculamos o vetor X 7

x 1(7)

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

1,00 2,00 0,00

2 2
2

0,01
0,01

0,00 0,00 0,02

0,00
0,00

ento podemos concluir que a soluo do sistema de equaes [29] segundo o

Mtodo de Gauss-Seidel : x1 = 1,00 , x2 = 2,00 , x3 = 0,00.
Exerccio (84) Verifique se as condies do Teorema (82) so satisfeitas para poder
aplicar o Mtodo de Gauss-Seidel para solucionar o sistema de equaes lineares:
2x 1 9x 2 6x 3 1

6x 1 2x 2 3x 3 2
8x x 12x 0
1
2
3

59

No caso de ser possvel aplicar dito mtodo, solucione o sistema de equaes

lineares dado usando a soluo aproximada
0.3
X 0 0.2
0
determinando a soluo aproximada X m do sistema at conseguir que a condio
X m X m1 0,001 seja satisfeita.

Exerccio (85) Verifique se as condies do Teorema (82) so satisfeitas para poder

aplicar o Mtodo de Gauss-Seidel para solucionar o sistema de equaes lineares:

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.

Exerccio (86) Verifique se as condies do Teorema (82) so satisfeitas para poder

aplicar o Mtodo de Gauss-Seidel para solucionar o sistema de equaes lineares:
x 1 4x 2 x 3 0

2x 1 4x 2 7x 3 7
11x 8x x 1
1
2
3

[32]

No caso de ser possvel aplicar dito mtodo, solucione o sistema de equaes

lineares dado usando a soluo aproximada
0
X 0 0.5
1
determinando a soluo aproximada X m do sistema at conseguir que a condio
X m X m1 0,001 seja satisfeita.

60