Solução Aproximada de

Sistemas de Equações
Algébricas Lineares via
Métodos Iterativos
Motivação
 Em certos casos, métodos diretos não são
eficientes, por exemplo, quando a matriz de
coeficientes é uma matriz esparsa (muitos
elementos iguais a zero)
 Métodos iterativos são mais adequados no que
tange a memória dos computadores
 Podem ser usados para reduzir os erros de
arredondamento na solução obtida por métodos
exatos (Métodos Diretos!...)
 Em alguns casos podem ser aplicados para
resolver conjuntos de equações não-lineares
 Um método é iterativo quando fornece
uma sequência de aproximações da
solução
 Cada uma das aproximações é obtida a
partir das anteriores pela repetição do
mesmo processo
 Precisa-se saber se a sequência obtida
está convergindo ou não para a solução
desejada.
Convergência
 Dados uma sequência de vetores x(k) ∈ E

 Uma norma sobre E, onde E é um espaço

vetorial

 Dizemos que a sequência {x(k)} converge para x

∈ E se ||x(k) – x||∞ → 0, quando k → ∞.
 Para determinar a solução de um sistema
linear através de métodos iterativos,
precisa-se transformar o sistema atual em
um outro sistema onde possa ser definido
um processo iterativo
 A solução obtida para o sistema
transformado deve ser também a solução
do sistema original (sistemas lineares
devem ser equivalentes)
 Assim um sistema do tipo A x = y é
transformado em x(k) =F x(k-1) + d
 Escolhemos uma aproximação inicial x0
 Assim, x(1) =F x(0) + d
 X(2) = F x(1) + d
 E assim sucessivamente
Método de Jacobi
 Iterativamente, reescreve-se o sistema

x1
( k +1)
=
1
a 11
(
b1 − a 12 x 2
(k )
− a 13 x 3
(k )
− ...... − a 1 n x n
(k )
)
x2
( k +1)
=
1
a 22
(
b 2 − a 21 x 1
(k )
− a 23 x 3
(k )
− ...... − a 2 n x n
(k )
)
.......... .......... .......... .......... .......... .......

xn
( k +1)
=
1
a nn
( (k )
b n − a n1 x 1 − a n 2 x 2
(k )
− ...... − a n , n −1 x n −1
(k )
)
Método de Jacobi
 Desta forma
 0 − a12 / a11 ...... − a1 n / a11 
 
 − a 21 / a 22 0 ....... − a 2 n / a 22 
F =
........ ......... ....... ......... 
 
− a /a − a n 2 / a nn ....... 0 
 n1 nn 

 b1 / a11 
 
 b2 / a22 
d =
....... 
 
 bn / ann 
Quando Parar?
Se a sequência x(k) estiver suficientemente
próximo de x(k-1) paramos o processo
 Dada uma precisão ε, quando
||x(k) – x|| < ε
Então x(k) é a solução do sistema linear

 Computacionalmente, um número máximo

de iterações também é critério de parada
 10 x1 + 2 x 2 + x3 = 7
 Exemplo:
1 x1 + 5 x 2 + x3 = −8
 0.7  2 x1 + 3 x 2 + 10 x3 = 6
 
x (0) =  − 1.6 
 0.6 
 Seja   com ε = 0.05. Portanto,
 0 − 2 / 10 − 1 / 10   7 / 10   0.7 
     
F =  −1/ 5 0 −1/ 5  d =  − 8 / 5  =  − 1.6 
 − 1 / 5 − 3 / 10  6 / 10   0.6 
 0     
 Substituindo
(1) ( 0) (0)
x1 = −0.2 x 2 − 0.1 x3 + 0.7 = −0.2 (−1.6) − 0.1 (0.6) + 0.7 = 0.96
(1) ( 0) ( 0)
x2 = −0.2 x1 − 0.2 x3 − 1.6 = −0.2 (0.7) − 0.2 (0.6) − 1.6 = −1.86
(1) ( 0) ( 0)
x3 = −0.2 x1 − 0.3 x 2 + 0.6 = −0.2 (0.7) − 0.3 (−1.6) + 0.6 = 0.94

 Segue d1(1) = x1(1) − x1(0) = 0.26 > 0.05

 0.96 
 
x (1) =  − 1.86  d 2(1) = x 2(1) − x 2(0) = 0.26 > 0.05
 0.94 
  d 3(1) = x3(1) − x3(0) = 0.34 > 0.05
  0.978 
( 2)
 
 Continuando x =  − 1.98  com
 0.966 
 
d ( 2) = MAX xi(2 ) − xi(1) = 0.12 > ε
1≤i ≤ n

Segue  0.999  é a solução, pois


( 3)
 
x =  − 1.999 
 0.998 
 

 d ( 3) = MAX xi(3) − xi( 2) = 0.032 < ε critério de parada

1≤ i ≤ n
 Sistemas de Equações Lineares

Método de Gauss-Seidel

 Conhecido x(0) (aproximação inicial) obtém-se x(1),

x(2), ...x(k).

 Ao se calcular x kj +1 usa-se todos os valores

k +1 k +1
x1 ,..., x j −1 que já foram calculados e os valores
k k
x j +1 ,..., xn restantes.
 Métodos Iterativos – Gauss-Seidel
Descrição do Método
 Seja o seguinte sistema de equações:
a 11 .x 1 + a 12 .x 2 + a 13 .x 3 + ... + a 1n −1 .x n −1 + a 1n −1 .x n = b1

a 21 .x 1 + a 22 .x 2 + a 23 .x 3 + ... + a 2n −1 .x n −1 + a 2n −1 .x n = b 2

a 31 .x 1 + a 32 .x 2 + a 33 .x 3 + ... + a 3n −1 .x n −1 + a 3n −1 .x n = b 3

M
a n 1 .x 1 + a n 2 .x 2 + a n 3 .x 3 + ... + a n 1n −1 .x n −1 + a nn .x n = b n
 Métodos Iterativos – Gauss-Seidel
 Isolando xi a partir da linha i, tem-
se:
1
x1 = (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
x 2 = (b 2 − a 21 .x 1 − a 23 .x 3 − a 2n − 1 .x n −1 − a 2n .x n )
a 22

1
x3 = (b 3 − a 31 .x 2 − a 32 .x 2 − a 3n − 1 .x n −1 − a 3n .x n )
a 33

M
1
x n = (b n − a n1 .x 1 − a n2 .x 2 − ... − a nn − 1 .x n −1 )
a nn
 Métodos Iterativos – Gauss-Seidel
 O processo iterativo é obtido a partir das equações, fazendo:

1
xk +1
1 =
a11
(
b1 − a12 .x 2k − a13 .x3k − ... − a1,n −1 .x nk−1 − a1n .x nk )

1
x k +1
2 =
a 22
(
b2 − a 21 .x1k +1 − a 23 .x 3k − ... − a 2 ,n −1 .x nk−1 − a 2 n .x nk )

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

1
x nk +1 =
a nn
(
bn − a n1 .x1k +1 − a n 2 .x 2k +1 − ... − a n ,n −1 .x nk−+11 )
 Métodos Iterativos – Gauss-Seidel
Critério de Parada
 Diferença relativa entre duas iterações consecutivas.
 Define-se por diferença relativa a expressão:
 xik +1 − xik
 se xik +1 ≠ 0
 Máx. xik +1
 1≤i≤n

M Rk +1 = 
0 se xik +1 = xik = 0

  xik +1 = 0
 1 se  k
  xi ≠ 0


Fim do processo iterativo

 Métodos Iterativos – Gauss-Seidel

Exemplo: Resolva: 5x + y + z = 5
3x + 4 y + z = 6
3x + 3 y + 6 z = 0
Solução:
com M Rk ≤ 5 . 10 − 2.
1
x= (5 − y − z )
5
1
y = (6 − 3 x − z )
4
1 1
z = − (3 x + 3 y )  z = − (x + y )
6 2
 Métodos Iterativos – Gauss-Seidel
k
xk M x yk M k
y zk M k
z M k
R

-1 - 0 - 1 - -
0,8 2,25 0,65 1 -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

Verificação (substituição no sistema):

5.(1,002) + (0,998) + (-1) = 5,008 ≅ 5 ok
3.(1,002) + 4.(0,998) + (-1) = 5,998 ≅ 6 ok
3.(1,002) + 3.(0,998) + 6.(-1) = 0 ok
 Método de Gauss-Seidel -
Critérios de Convergência
 Processo iterativo  a convergência para a solução
exata não é garantida para qualquer sistema.

 Existem certas condições que devem ser satisfeitas

por um sistema de equações lineares para se
garantir a convergência do método.

 As condições podem ser determinadas por dois

critérios:
 Critério de Sassenfeld
 Critério das Linhas.
 Método de Gauss-Seidel -
Critério de Sassenfeld
 Sejam as quantidades βi dadas por:

1 n  i −1 n 
⋅  a1 j
1
β1 = e βi =
aii

⋅  ( aij ⋅ β j ) +
 j =1
 aij 

a11 j = 2  j =i +1 

para i = 2, 3, ..., n.
n - ordem do sistema linear que se deseja resolver
aij - são os coeficientes das equações que compõem o sistema.

 Este critério garante que o método de Gauss-Seidel convergirá

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

M = max β i for menor que 1 (M<1).

1≤i ≤ n
 Método de Gauss-Seidel -
Critério de Sassenfeld
 Exemplo: Seja A, a matriz dos coeficientes e b o
vetor dos termos constantes dados por:
1
β1 = ⋅ (| a12 + | a13 | + | a14 )
a11
a11 a12 a13 a14 b1
1
a21 a 22 a 23 a 24 b2 β2 = ⋅ ( a21 β1 + a23 + a24 )
a22
a31 a32 a33 a34 b3
1
a41 a 42 a 43 a 44 b4 β3 = ⋅ ( a31 β1 + a32 β 2 + a34 )
a33
1
β4 = ⋅ ( a41 β1 + a42 β 2 + a43 β 3 )
a44
 Método de Gauss-Seidel -
Critério de Sassenfeld
Exemplo: Mostre que a solução do sistema
linear dado pelas equações:
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

convergirá pelo método de Gauss-Seidel.

 Método de Gauss-Seidel -
Critério de Sassenfeld
 Solução: critério de Sassenfeld A B
 calcular os valores das quantidades βi.
1
β1 = ⋅ (1 + 0.2 + 0.2) = 0.7
2 2.0 1.0 - 0.2 0.2 0.4
1 0.6 3.0 - 0.6 - 0.3 - 7.8
β 2 = ⋅ (0.6 ⋅ 0.7 + 0.6 + 0.3) = 0.44 - 0.1 - 0.2 1.0 0.2 1.0
3
0.4 1.2 0.8 4.0 - 10.0
1
β 3 = ⋅ (0.1 ⋅ 0.7 + 0.2 ⋅ 0.44 + 0.2) = 0.358
1
1
β 4 = ⋅ (0.4 ⋅ 0.7 + 1.2 ⋅ 0.44 + 0.8 ⋅ 0.358) = 0.2736
4
M é menor que 1  a solução
M = max β i = 0.7 desse sistema irá convergir usando
1≤i ≤ 4 o método de Gauss-Seidel.
 Método de Gauss-Seidel -
Critério das Linhas
 Segundo esse critério, um determinado sistema irá
convergir pelo método de Gauss-Seidel, se:
n

a
j =1
ij < a ii , para i=1, 2, 3, ..., n.
j ≠i
 Método de Gauss-Seidel -
Critério das Linhas
Exemplo: O sistema do exemplo anterior satisfaz o
critério das linhas e essa verificação 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 n

a 22 = 3 > a 21 + a 23 + a 24 = 0.6 + 0.6 + 0.3 = 1.5

a
j =1
ij < a ii
j ≠i
a33 = 1 > a31 + a32 + a34 = 0.1 + 0.2 + 0.2 = 0.5
para i=1, 2, 3, 4.
a 44 = 4 > a 41 + a 42 + a 43 = 0.4 + 1.2 + 0.8 = 2.4