Cálculo Numérico

Sistemas Lineares
Critérios de Convergência

Alessandro Alves Santana

Universidade Federal de Uberlândia

Faculdade de Matemática
Sobre Convergência de Métodos Iterativos para Sistemas Lineares

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 1

Sobre Convergência de Métodos Iterativos para Sistemas Lineares
Métodos iterativos para sistemas lineares são esquemas condicionalmente convergentes, e portanto convergência não é garantida para
qualquer sistema linear. Para tratar dessa questão existem os chamados critérios de convergência. Alguns desses critérios fornecem
condições suficientes mas não necessárias para que haja garantia de convergência. Definições e exemplos para abordar o tema serão
inseridos antes de tratar do apresentar os critérios.

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 1

Sobre Convergência de Métodos Iterativos para Sistemas Lineares
Métodos iterativos para sistemas lineares são esquemas condicionalmente convergentes, e portanto convergência não é garantida para
qualquer sistema linear. Para tratar dessa questão existem os chamados critérios de convergência. Alguns desses critérios fornecem
condições suficientes mas não necessárias para que haja garantia de convergência. Definições e exemplos para abordar o tema serão
inseridos antes de tratar do apresentar os critérios.

Definição 1: Matriz Diagonal Dominante é uma matriz DD pois

Uma matriz A n × n é dita ser Diagonal Dominante (DD) se


 |11 | > |12 | + |13 | ⇒ | − 4| > |2| + | − 1|
n
X |22 | = |21 | + |23 | ⇒ | − 8| = |3| + |5|
 | | > | | + | | ⇒ |7| > | − 1| + |5|
| | ≥ |j | 33 31 32
j=1
j,
enquanto que a matriz
para cada  = 1, 2, . . . , n. Agora, se  
n −5 3 −1
B =  1 −9 4
X
| | > |j |
j=1 −1 −3 8
j,

para cada  = 1, 2, . . . , n, então dizemos que a matriz A é Es- é EDD pois

tritamente Diagonal Dominante (EDD). 
 |b11 | > |b12 | + |b13 | ⇒ | − 5| > |3| + | − 1|
|b22 | > |b21 | + |b23 | ⇒ | − 9| > |1| + |4| .
Por exemplo, a matriz  |b | > |b | + |b | ⇒ |8| > | − 1| + | − 3|
33 31 32
 
−4 2 −1
A =  3 −8 5 A diagonal dominância estrita estabelece a primeira condição para
−1 5 7 haja garantia de convergência na aplicação do MGJ e do MGS.

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 1

 Teorema 1
Seja A = b é um sistema linear onde A é uma matriz n × n. Se A é uma matriz estritamente diagonal dominante, então independente
+∞
da escolha da aproximação inicial (0) , é garantida a convergência da sequência (k) k=0 , para a única solução do sistema linear


A = b, na aplicação do MGJ e do MGS.

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 2

 Teorema 1
Seja A = b é um sistema linear onde A é uma matriz n × n. Se A é uma matriz estritamente diagonal dominante, então independente
+∞
da escolha da aproximação inicial (0) , é garantida a convergência da sequência (k) k=0 , para a única solução do sistema linear


A = b, na aplicação do MGJ e do MGS.

Alguns autores fizeram uma adaptação desse teorema chamando-o de Critério das Linhas, onde estabelece a garantia de convergência
na aplicação MGJ e MGS em um sistema linear A = b, independente da aproximação inicial (0) , se
n
X
|j |
j=1
j,
α = mx α < 1 onde α = .
1≤≤n | |
Note que verificar o critério das linhas é o mesmo que verificar se a matriz dos coeficientes é estritamente diagonal dominante. Porém,
vale aqui algumas observações interessantes sobre a diagonal dominância estrita:

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 2

 Teorema 1
Seja A = b é um sistema linear onde A é uma matriz n × n. Se A é uma matriz estritamente diagonal dominante, então independente
+∞
da escolha da aproximação inicial (0) , é garantida a convergência da sequência (k) k=0 , para a única solução do sistema linear


A = b, na aplicação do MGJ e do MGS.

Alguns autores fizeram uma adaptação desse teorema chamando-o de Critério das Linhas, onde estabelece a garantia de convergência
na aplicação MGJ e MGS em um sistema linear A = b, independente da aproximação inicial (0) , se
n
X
|j |
j=1
j,
α = mx α < 1 onde α = .
1≤≤n | |
Note que verificar o critério das linhas é o mesmo que verificar se a matriz dos coeficientes é estritamente diagonal dominante. Porém,
vale aqui algumas observações interessantes sobre a diagonal dominância estrita:

É Quanto mais próximo de zero for α, maior é a taxa de convergência, isto é, mais rápida é a convergência.

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 2

 Teorema 1
Seja A = b é um sistema linear onde A é uma matriz n × n. Se A é uma matriz estritamente diagonal dominante, então independente
+∞
da escolha da aproximação inicial (0) , é garantida a convergência da sequência (k) k=0 , para a única solução do sistema linear


A = b, na aplicação do MGJ e do MGS.

Alguns autores fizeram uma adaptação desse teorema chamando-o de Critério das Linhas, onde estabelece a garantia de convergência
na aplicação MGJ e MGS em um sistema linear A = b, independente da aproximação inicial (0) , se
n
X
|j |
j=1
j,
α = mx α < 1 onde α = .
1≤≤n | |
Note que verificar o critério das linhas é o mesmo que verificar se a matriz dos coeficientes é estritamente diagonal dominante. Porém,
vale aqui algumas observações interessantes sobre a diagonal dominância estrita:

É Quanto mais próximo de zero for α, maior é a taxa de convergência, isto é, mais rápida é a convergência.

É Resultados empíricos mostram que se na matriz dos coeficientes de um sistema linear A = b existir pelo menos uma linha k onde
n
X
|kk | > |kj |
j=1
j,k

e nas demais
n
X
| | = |j |
j=1
j,

com  = 1, 2, . . . , k − 1, k + 1, . . . , n, então mesmo assim a convergência para o MGJ e MGS é garantida independente da aproximação
inicial.
Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 2
 Observação 1
A diagonal dominância estrita estabelece uma condição suficiente para garantia de convergência, mas não necessária. Isso
quer dizer que existem sistemas lineares A = b onde A não é EDD mas mesmo assim ocorre a convergência do MGJ e MGS quando
aplicados aos mesmos, independente da aproximação inicial.

Se sistemas lineares A = b tiverem como matriz dos coeficiente as matrizes abaixo, haverá convergência na aplicação do MGJ e MGS
mesmo que não sendo nenhuma delas EDD.
   
    −3 −1 4 −2 3 3 −3 −4
4 −3 3 8 −9 −1  1 3 −3 −4  0 3 0 1
A = 7 4 −4
  A = 2 8 −8
  A=   A =  
2 2 4 −1 −1 0 3 2
7 −2 8 0 −7 6
3 4 1 −4 −5 −3 −4 −5

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 3

 Observação 1
A diagonal dominância estrita estabelece uma condição suficiente para garantia de convergência, mas não necessária. Isso
quer dizer que existem sistemas lineares A = b onde A não é EDD mas mesmo assim ocorre a convergência do MGJ e MGS quando
aplicados aos mesmos, independente da aproximação inicial.

Se sistemas lineares A = b tiverem como matriz dos coeficiente as matrizes abaixo, haverá convergência na aplicação do MGJ e MGS
mesmo que não sendo nenhuma delas EDD.
   
    −3 −1 4 −2 3 3 −3 −4
4 −3 3 8 −9 −1  1 3 −3 −4  0 3 0 1
A = 7 4 −4
  A = 2 8 −8
  A=   A =  
2 2 4 −1 −1 0 3 2
7 −2 8 0 −7 6
3 4 1 −4 −5 −3 −4 −5

Existe um critério específico para o MGS chamado Critério de Sassenfeld. Esse critério estabelece que se β = mx β < 1, onde
1≤≤n

n
X
−1 n
|j | X X
j=1
|j |βj + |j |
j, j=1 j=+1
β1 = e β = (1)
| | | |
para  = 2, 3, . . . , n, então o MGS gera uma sequência convergente para solução exata do sistema linear A = b, indenpendente da
aproximação inicial (0) . São observações quanto ao Critério de Sassenfeld:

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 3

 Observação 1
A diagonal dominância estrita estabelece uma condição suficiente para garantia de convergência, mas não necessária. Isso
quer dizer que existem sistemas lineares A = b onde A não é EDD mas mesmo assim ocorre a convergência do MGJ e MGS quando
aplicados aos mesmos, independente da aproximação inicial.

Se sistemas lineares A = b tiverem como matriz dos coeficiente as matrizes abaixo, haverá convergência na aplicação do MGJ e MGS
mesmo que não sendo nenhuma delas EDD.
   
    −3 −1 4 −2 3 3 −3 −4
4 −3 3 8 −9 −1  1 3 −3 −4  0 3 0 1
A = 7 4 −4
  A = 2 8 −8
  A=   A =  
2 2 4 −1 −1 0 3 2
7 −2 8 0 −7 6
3 4 1 −4 −5 −3 −4 −5

Existe um critério específico para o MGS chamado Critério de Sassenfeld. Esse critério estabelece que se β = mx β < 1, onde
1≤≤n

n
X
−1 n
|j | X X
j=1
|j |βj + |j |
j, j=1 j=+1
β1 = e β = (1)
| | | |
para  = 2, 3, . . . , n, então o MGS gera uma sequência convergente para solução exata do sistema linear A = b, indenpendente da
aproximação inicial (0) . São observações quanto ao Critério de Sassenfeld:

É Um observação interessante quanto ao Critério de Sassenfeld é que quanto mais próximo de zero estiver β mais rápida é a
convergência do MGS

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 3

 Observação 1
A diagonal dominância estrita estabelece uma condição suficiente para garantia de convergência, mas não necessária. Isso
quer dizer que existem sistemas lineares A = b onde A não é EDD mas mesmo assim ocorre a convergência do MGJ e MGS quando
aplicados aos mesmos, independente da aproximação inicial.

Se sistemas lineares A = b tiverem como matriz dos coeficiente as matrizes abaixo, haverá convergência na aplicação do MGJ e MGS
mesmo que não sendo nenhuma delas EDD.
   
    −3 −1 4 −2 3 3 −3 −4
4 −3 3 8 −9 −1  1 3 −3 −4  0 3 0 1
A = 7 4 −4
  A = 2 8 −8
  A=   A =  
2 2 4 −1 −1 0 3 2
7 −2 8 0 −7 6
3 4 1 −4 −5 −3 −4 −5

Existe um critério específico para o MGS chamado Critério de Sassenfeld. Esse critério estabelece que se β = mx β < 1, onde
1≤≤n

n
X
−1 n
|j | X X
j=1
|j |βj + |j |
j, j=1 j=+1
β1 = e β = (1)
| | | |
para  = 2, 3, . . . , n, então o MGS gera uma sequência convergente para solução exata do sistema linear A = b, indenpendente da
aproximação inicial (0) . São observações quanto ao Critério de Sassenfeld:

É Um observação interessante quanto ao Critério de Sassenfeld é que quanto mais próximo de zero estiver β mais rápida é a
convergência do MGS
É É importante ressaltar que esse critério fornece uma condição apenas suficiente para convergência do MGS, mas não necessária.

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 3

 Observação 1
A diagonal dominância estrita estabelece uma condição suficiente para garantia de convergência, mas não necessária. Isso
quer dizer que existem sistemas lineares A = b onde A não é EDD mas mesmo assim ocorre a convergência do MGJ e MGS quando
aplicados aos mesmos, independente da aproximação inicial.

Se sistemas lineares A = b tiverem como matriz dos coeficiente as matrizes abaixo, haverá convergência na aplicação do MGJ e MGS
mesmo que não sendo nenhuma delas EDD.
   
    −3 −1 4 −2 3 3 −3 −4
4 −3 3 8 −9 −1  1 3 −3 −4  0 3 0 1
A = 7 4 −4
  A = 2 8 −8
  A=   A =  
2 2 4 −1 −1 0 3 2
7 −2 8 0 −7 6
3 4 1 −4 −5 −3 −4 −5

Existe um critério específico para o MGS chamado Critério de Sassenfeld. Esse critério estabelece que se β = mx β < 1, onde
1≤≤n

n
X
−1 n
|j | X X
j=1
|j |βj + |j |
j, j=1 j=+1
β1 = e β = (1)
| | | |
para  = 2, 3, . . . , n, então o MGS gera uma sequência convergente para solução exata do sistema linear A = b, indenpendente da
aproximação inicial (0) . São observações quanto ao Critério de Sassenfeld:

É Um observação interessante quanto ao Critério de Sassenfeld é que quanto mais próximo de zero estiver β mais rápida é a
convergência do MGS
É É importante ressaltar que esse critério fornece uma condição apenas suficiente para convergência do MGS, mas não necessária.

É Existem sistemas lineares onde a matriz dos coeficientes não são do tipo EDD mas satisfazem o Critério de Sassenfeld.

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 3

 Exemplo 1
Seja A = b um sistema linear a matriz dos coeficientes é dada por
 
3 −1 −1
A =  3 −5 2 .
−2 −2 4

e responda, justificando, cada um dos itens a seguir:

(a) Pelo teorema da estrita diagonal dominância, podemos afirmar que haverá garantia de convergência se aplicarmos o MGJ ou o
MGS a esse sistema linear ?
(b) A matriz dos coeficientes satisfaz o Critério das Linhas ?
(c) Pelo Critério de Sassenfeld podemos afirmar que haverá garantia de convergência se aplicarmos o MGS a esse sistema linear ?

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 4

 Exemplo 1
Seja A = b um sistema linear a matriz dos coeficientes é dada por
 
3 −1 −1
A =  3 −5 2 .
−2 −2 4

e responda, justificando, cada um dos itens a seguir:

(a) Pelo teorema da estrita diagonal dominância, podemos afirmar que haverá garantia de convergência se aplicarmos o MGJ ou o
MGS a esse sistema linear ?
(b) A matriz dos coeficientes satisfaz o Critério das Linhas ?
(c) Pelo Critério de Sassenfeld podemos afirmar que haverá garantia de convergência se aplicarmos o MGS a esse sistema linear ?

Resolução: Vamos responder agora cada um dos itens:

(a) A matriz A não é EDD. Basta ver que |22 | = |21 |+ |23 | e |33 | = |31 |+ |32 |, ou seja, |− 5| = |3|+ |2| e |4| = |− 2|+ |− 2|, respectivamente.
Baseando apenas no teorema não podemos afirmar nada quanto convergência ou divergência uma vez que este teorema
fornece uma condição suficiente mas não necessária para que seja garantida a convergência do MGJ e do MGS.

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 4

 Exemplo 1
Seja A = b um sistema linear a matriz dos coeficientes é dada por
 
3 −1 −1
A =  3 −5 2 .
−2 −2 4

e responda, justificando, cada um dos itens a seguir:

(a) Pelo teorema da estrita diagonal dominância, podemos afirmar que haverá garantia de convergência se aplicarmos o MGJ ou o
MGS a esse sistema linear ?
(b) A matriz dos coeficientes satisfaz o Critério das Linhas ?
(c) Pelo Critério de Sassenfeld podemos afirmar que haverá garantia de convergência se aplicarmos o MGS a esse sistema linear ?

Resolução: Vamos responder agora cada um dos itens:

(a) A matriz A não é EDD. Basta ver que |22 | = |21 |+ |23 | e |33 | = |31 |+ |32 |, ou seja, |− 5| = |3|+ |2| e |4| = |− 2|+ |− 2|, respectivamente.
Baseando apenas no teorema não podemos afirmar nada quanto convergência ou divergência uma vez que este teorema
fornece uma condição suficiente mas não necessária para que seja garantida a convergência do MGJ e do MGS.
(b) Como a matriz dos coeficientes não é EDD, segue que a mesma não satisfaz o Critério das Linhas, uma vez esse critério é derivado da
diagonal dominância estrita.

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 4

 Exemplo 1
Seja A = b um sistema linear a matriz dos coeficientes é dada por
 
3 −1 −1
A =  3 −5 2 .
−2 −2 4

e responda, justificando, cada um dos itens a seguir:

(a) Pelo teorema da estrita diagonal dominância, podemos afirmar que haverá garantia de convergência se aplicarmos o MGJ ou o
MGS a esse sistema linear ?
(b) A matriz dos coeficientes satisfaz o Critério das Linhas ?
(c) Pelo Critério de Sassenfeld podemos afirmar que haverá garantia de convergência se aplicarmos o MGS a esse sistema linear ?

Resolução: Vamos responder agora cada um dos itens:

(a) A matriz A não é EDD. Basta ver que |22 | = |21 |+ |23 | e |33 | = |31 |+ |32 |, ou seja, |− 5| = |3|+ |2| e |4| = |− 2|+ |− 2|, respectivamente.
Baseando apenas no teorema não podemos afirmar nada quanto convergência ou divergência uma vez que este teorema
fornece uma condição suficiente mas não necessária para que seja garantida a convergência do MGJ e do MGS.
(b) Como a matriz dos coeficientes não é EDD, segue que a mesma não satisfaz o Critério das Linhas, uma vez esse critério é derivado da
diagonal dominância estrita.
(c) Vamos verificar se o Critério de Sassenfeld é satisfeito para a matriz dos coeficientes. Aplicando a fórmula (1), segue que

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 4

 Exemplo 1
Seja A = b um sistema linear a matriz dos coeficientes é dada por
 
3 −1 −1
A =  3 −5 2 .
−2 −2 4

e responda, justificando, cada um dos itens a seguir:

(a) Pelo teorema da estrita diagonal dominância, podemos afirmar que haverá garantia de convergência se aplicarmos o MGJ ou o
MGS a esse sistema linear ?
(b) A matriz dos coeficientes satisfaz o Critério das Linhas ?
(c) Pelo Critério de Sassenfeld podemos afirmar que haverá garantia de convergência se aplicarmos o MGS a esse sistema linear ?

Resolução: Vamos responder agora cada um dos itens:

(a) A matriz A não é EDD. Basta ver que |22 | = |21 |+ |23 | e |33 | = |31 |+ |32 |, ou seja, |− 5| = |3|+ |2| e |4| = |− 2|+ |− 2|, respectivamente.
Baseando apenas no teorema não podemos afirmar nada quanto convergência ou divergência uma vez que este teorema
fornece uma condição suficiente mas não necessária para que seja garantida a convergência do MGJ e do MGS.
(b) Como a matriz dos coeficientes não é EDD, segue que a mesma não satisfaz o Critério das Linhas, uma vez esse critério é derivado da
diagonal dominância estrita.
(c) Vamos verificar se o Critério de Sassenfeld é satisfeito para a matriz dos coeficientes. Aplicando a fórmula (1), segue que

|12 | + |12 | | − 1| + | − 1| 2 |21 |β1 + |23 | |3| 23 + |2| 4 |31 |β1 + |32 |β2 | − 2| 23 + | − 2| 45 11
β1 = = = β2 = = = β3 = = =
|11 | |3| 3 |22 | | − 5| 5 |33 | |4| 15

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 4

 Exemplo 1
Seja A = b um sistema linear a matriz dos coeficientes é dada por
 
3 −1 −1
A =  3 −5 2 .
−2 −2 4

e responda, justificando, cada um dos itens a seguir:

(a) Pelo teorema da estrita diagonal dominância, podemos afirmar que haverá garantia de convergência se aplicarmos o MGJ ou o
MGS a esse sistema linear ?
(b) A matriz dos coeficientes satisfaz o Critério das Linhas ?
(c) Pelo Critério de Sassenfeld podemos afirmar que haverá garantia de convergência se aplicarmos o MGS a esse sistema linear ?

Resolução: Vamos responder agora cada um dos itens:

(a) A matriz A não é EDD. Basta ver que |22 | = |21 |+ |23 | e |33 | = |31 |+ |32 |, ou seja, |− 5| = |3|+ |2| e |4| = |− 2|+ |− 2|, respectivamente.
Baseando apenas no teorema não podemos afirmar nada quanto convergência ou divergência uma vez que este teorema
fornece uma condição suficiente mas não necessária para que seja garantida a convergência do MGJ e do MGS.
(b) Como a matriz dos coeficientes não é EDD, segue que a mesma não satisfaz o Critério das Linhas, uma vez esse critério é derivado da
diagonal dominância estrita.
(c) Vamos verificar se o Critério de Sassenfeld é satisfeito para a matriz dos coeficientes. Aplicando a fórmula (1), segue que

|12 | + |12 | | − 1| + | − 1| 2 |21 |β1 + |23 | |3| 23 + |2| 4 |31 |β1 + |32 |β2 | − 2| 23 + | − 2| 45 11
β1 = = = β2 = = = β3 = = =
|11 | |3| 3 |22 | | − 5| 5 |33 | |4| 15
4
Como β = mx β = 5
< 1, segue que haverá garantia de convergência na aplicação do MGS.
1≤≤3

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 4

 Observação 2
Esse exemplo mostra que se a matriz dos coeficientes de um sistema linear não for EDD, o que equivale a dizer que não satisfaz o
Critério das Linhas, não significa que ela não possa satisfazer o Critério de Sassenfeld.

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 5

 Observação 2
Esse exemplo mostra que se a matriz dos coeficientes de um sistema linear não for EDD, o que equivale a dizer que não satisfaz o
Critério das Linhas, não significa que ela não possa satisfazer o Critério de Sassenfeld.

Definição 2: Raio Espectral

O raio espectral ρ(A) de uma matriz A é definido por
ρ(A) = mx |λ |
1≤≤n
q
onde λ ,  = 1, 2, . . . , n são os autovalores da matriz A. Caso |λ | seja um número complexo λ =  + b , segue que |λ | = 2 + b2 .

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 5

 Observação 2
Esse exemplo mostra que se a matriz dos coeficientes de um sistema linear não for EDD, o que equivale a dizer que não satisfaz o
Critério das Linhas, não significa que ela não possa satisfazer o Critério de Sassenfeld.

Definição 2: Raio Espectral

O raio espectral ρ(A) de uma matriz A é definido por
ρ(A) = mx |λ |
1≤≤n
q
onde λ ,  = 1, 2, . . . , n são os autovalores da matriz A. Caso |λ | seja um número complexo λ =  + b , segue que |λ | = 2 + b2 .

Teorema 2
Se A é uma matriz n × n, então
Æ
(i) ||A||2 = ρ(At A)
(ii) ρ(A) < ||A|| para qualquer norma natural (também chamada norma induzida).

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 5

 Observação 2
Esse exemplo mostra que se a matriz dos coeficientes de um sistema linear não for EDD, o que equivale a dizer que não satisfaz o
Critério das Linhas, não significa que ela não possa satisfazer o Critério de Sassenfeld.

Definição 2: Raio Espectral

O raio espectral ρ(A) de uma matriz A é definido por
ρ(A) = mx |λ |
1≤≤n
q
onde λ ,  = 1, 2, . . . , n são os autovalores da matriz A. Caso |λ | seja um número complexo λ =  + b , segue que |λ | = 2 + b2 .

Teorema 2
Se A é uma matriz n × n, então
Æ
(i) ||A||2 = ρ(At A)
(ii) ρ(A) < ||A|| para qualquer norma natural (também chamada norma induzida).

Observação 3: Sobre normas naturais de matrizes

Normas naturais de matrizes são aquelas definidas por normas de vetores, e são calculadas pela relação

||A|| = mx ||A||.

||||=1

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 5

Existem normas que não são naturais como, por exemplo, a norma de Frobenius. Nesse contexto de análise de convergência, utilizaremos
as seguintes normas naturais:
n
X n
X Æ
||A||∞ = mx |j | ||A||1 = mx |j | ||A||2 = ρ(At A)
1≤≤n 1≤j≤n
j=1 =1

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 6

Existem normas que não são naturais como, por exemplo, a norma de Frobenius. Nesse contexto de análise de convergência, utilizaremos
as seguintes normas naturais:
n
X n
X Æ
||A||∞ = mx |j | ||A||1 = mx |j | ||A||2 = ρ(At A)
1≤≤n 1≤j≤n
j=1 =1

Definição 3
Uma matriz A n × n é convergente se
lim (Ak )j = 0
k→+∞

para cada  = 1, 2, . . . , n e j = 1, 2, . . . , n.

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 6

Existem normas que não são naturais como, por exemplo, a norma de Frobenius. Nesse contexto de análise de convergência, utilizaremos
as seguintes normas naturais:
n
X n
X Æ
||A||∞ = mx |j | ||A||1 = mx |j | ||A||2 = ρ(At A)
1≤≤n 1≤j≤n
j=1 =1

Definição 3
Uma matriz A n × n é convergente se
lim (Ak )j = 0
k→+∞

para cada  = 1, 2, . . . , n e j = 1, 2, . . . , n.

Essa definição diz que a matriz será convergente se cada um de seus argumentos tender a zero quando k → +∞.

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 6

Existem normas que não são naturais como, por exemplo, a norma de Frobenius. Nesse contexto de análise de convergência, utilizaremos
as seguintes normas naturais:
n
X n
X Æ
||A||∞ = mx |j | ||A||1 = mx |j | ||A||2 = ρ(At A)
1≤≤n 1≤j≤n
j=1 =1

Definição 3
Uma matriz A n × n é convergente se
lim (Ak )j = 0
k→+∞

para cada  = 1, 2, . . . , n e j = 1, 2, . . . , n.

Essa definição diz que a matriz será convergente se cada um de seus argumentos tender a zero quando k → +∞.

Teorema 3
As seguintes afirmações são equivalentes:
(i) A é uma matriz convergente.
(ii) lim ||Ak || = 0 para alguma norma natural.
k→+∞

(iii) lim ||Ak || = 0 para qualquer norma natural.

k→+∞

(iv) ρ(A) < 1.

(v) lim Ak  = 0 para qualquer .
k→+∞

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 6

Análise de Convergência via Normas Naturais e Raio Espectral

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 7

Análise de Convergência via Normas Naturais e Raio Espectral
Teorema 4
Se a matriz de iteração G do esquema iterativo
(k+1) = G(k) + d
tem ||G|| < 1 para alguma norma natural, então esse esquema iterativo gera um sequência convergente para a solução do sistema
linear A = b ao qual está associado, independente da aproximação inicial (0) .

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 7

Análise de Convergência via Normas Naturais e Raio Espectral
Teorema 4
Se a matriz de iteração G do esquema iterativo
(k+1) = G(k) + d
tem ||G|| < 1 para alguma norma natural, então esse esquema iterativo gera um sequência convergente para a solução do sistema
linear A = b ao qual está associado, independente da aproximação inicial (0) .

Exemplo 2
Considere um sistema linear A = b onde  
−9 2 3
A = −7 −10 −3
−8 1 −7
e verifique, usando o último teorema apresentado, considerando apenas as normas naturais ||A||∞ , ||A||1 e ||A||2 , se há garantia de
convergência para o MGJ e para o MGS.

Resolução: O primeiro passo é obter as matrizes de iteração do MGJ e do MGS. Decompondo a matriz A em uma soma das matrizes L, D
e U, temos que

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 7

Análise de Convergência via Normas Naturais e Raio Espectral
Teorema 4
Se a matriz de iteração G do esquema iterativo
(k+1) = G(k) + d
tem ||G|| < 1 para alguma norma natural, então esse esquema iterativo gera um sequência convergente para a solução do sistema
linear A = b ao qual está associado, independente da aproximação inicial (0) .

Exemplo 2
Considere um sistema linear A = b onde  
−9 2 3
A = −7 −10 −3
−8 1 −7
e verifique, usando o último teorema apresentado, considerando apenas as normas naturais ||A||∞ , ||A||1 e ||A||2 , se há garantia de
convergência para o MGJ e para o MGS.

Resolução: O primeiro passo é obter as matrizes de iteração do MGJ e do MGS. Decompondo a matriz A em uma soma das matrizes L, D
e U, temos que

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 7

Análise de Convergência via Normas Naturais e Raio Espectral
Teorema 4
Se a matriz de iteração G do esquema iterativo
(k+1) = G(k) + d
tem ||G|| < 1 para alguma norma natural, então esse esquema iterativo gera um sequência convergente para a solução do sistema
linear A = b ao qual está associado, independente da aproximação inicial (0) .

Exemplo 2
Considere um sistema linear A = b onde  
−9 2 3
A = −7 −10 −3
−8 1 −7
e verifique, usando o último teorema apresentado, considerando apenas as normas naturais ||A||∞ , ||A||1 e ||A||2 , se há garantia de
convergência para o MGJ e para o MGS.

Resolução: O primeiro passo é obter as matrizes de iteração do MGJ e do MGS. Decompondo a matriz A em uma soma das matrizes L, D
e U, temos que  
−9 2 3
−7 −10 −3
−8 1 −7
| {z }
A

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 7

Análise de Convergência via Normas Naturais e Raio Espectral
Teorema 4
Se a matriz de iteração G do esquema iterativo
(k+1) = G(k) + d
tem ||G|| < 1 para alguma norma natural, então esse esquema iterativo gera um sequência convergente para a solução do sistema
linear A = b ao qual está associado, independente da aproximação inicial (0) .

Exemplo 2
Considere um sistema linear A = b onde  
−9 2 3
A = −7 −10 −3
−8 1 −7
e verifique, usando o último teorema apresentado, considerando apenas as normas naturais ||A||∞ , ||A||1 e ||A||2 , se há garantia de
convergência para o MGJ e para o MGS.

Resolução: O primeiro passo é obter as matrizes de iteração do MGJ e do MGS. Decompondo a matriz A em uma soma das matrizes L, D
e U, temos que  
−9 2 3
−7 −10 −3 =
−8 1 −7
| {z }
A

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 7

Análise de Convergência via Normas Naturais e Raio Espectral
Teorema 4
Se a matriz de iteração G do esquema iterativo
(k+1) = G(k) + d
tem ||G|| < 1 para alguma norma natural, então esse esquema iterativo gera um sequência convergente para a solução do sistema
linear A = b ao qual está associado, independente da aproximação inicial (0) .

Exemplo 2
Considere um sistema linear A = b onde  
−9 2 3
A = −7 −10 −3
−8 1 −7
e verifique, usando o último teorema apresentado, considerando apenas as normas naturais ||A||∞ , ||A||1 e ||A||2 , se há garantia de
convergência para o MGJ e para o MGS.

Resolução: O primeiro passo é obter as matrizes de iteração do MGJ e do MGS. Decompondo a matriz A em uma soma das matrizes L, D
e U, temos que    
−9 2 3 0 0 0
−7 −10 −3 = −7 0 0
−8 1 −7 −8 1 0
| {z } | {z }
A L

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 7

Análise de Convergência via Normas Naturais e Raio Espectral
Teorema 4
Se a matriz de iteração G do esquema iterativo
(k+1) = G(k) + d
tem ||G|| < 1 para alguma norma natural, então esse esquema iterativo gera um sequência convergente para a solução do sistema
linear A = b ao qual está associado, independente da aproximação inicial (0) .

Exemplo 2
Considere um sistema linear A = b onde  
−9 2 3
A = −7 −10 −3
−8 1 −7
e verifique, usando o último teorema apresentado, considerando apenas as normas naturais ||A||∞ , ||A||1 e ||A||2 , se há garantia de
convergência para o MGJ e para o MGS.

Resolução: O primeiro passo é obter as matrizes de iteração do MGJ e do MGS. Decompondo a matriz A em uma soma das matrizes L, D
e U, temos que    
−9 2 3 0 0 0
−7 −10 −3 = −7 0 0 +
−8 1 −7 −8 1 0
| {z } | {z }
A L

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 7

Análise de Convergência via Normas Naturais e Raio Espectral
Teorema 4
Se a matriz de iteração G do esquema iterativo
(k+1) = G(k) + d
tem ||G|| < 1 para alguma norma natural, então esse esquema iterativo gera um sequência convergente para a solução do sistema
linear A = b ao qual está associado, independente da aproximação inicial (0) .

Exemplo 2
Considere um sistema linear A = b onde  
−9 2 3
A = −7 −10 −3
−8 1 −7
e verifique, usando o último teorema apresentado, considerando apenas as normas naturais ||A||∞ , ||A||1 e ||A||2 , se há garantia de
convergência para o MGJ e para o MGS.

Resolução: O primeiro passo é obter as matrizes de iteração do MGJ e do MGS. Decompondo a matriz A em uma soma das matrizes L, D
e U, temos que      
−9 2 3 0 0 0 −9 0 0
−7 −10 −3 = −7 0 0 +  0 −10 0
−8 1 −7 −8 1 0 0 0 −7
| {z } | {z } | {z }
A L D

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 7

Análise de Convergência via Normas Naturais e Raio Espectral
Teorema 4
Se a matriz de iteração G do esquema iterativo
(k+1) = G(k) + d
tem ||G|| < 1 para alguma norma natural, então esse esquema iterativo gera um sequência convergente para a solução do sistema
linear A = b ao qual está associado, independente da aproximação inicial (0) .

Exemplo 2
Considere um sistema linear A = b onde  
−9 2 3
A = −7 −10 −3
−8 1 −7
e verifique, usando o último teorema apresentado, considerando apenas as normas naturais ||A||∞ , ||A||1 e ||A||2 , se há garantia de
convergência para o MGJ e para o MGS.

Resolução: O primeiro passo é obter as matrizes de iteração do MGJ e do MGS. Decompondo a matriz A em uma soma das matrizes L, D
e U, temos que      
−9 2 3 0 0 0 −9 0 0
−7 −10 −3 = −7 0 0 +  0 −10 0 +
−8 1 −7 −8 1 0 0 0 −7
| {z } | {z } | {z }
A L D

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 7

Análise de Convergência via Normas Naturais e Raio Espectral
Teorema 4
Se a matriz de iteração G do esquema iterativo
(k+1) = G(k) + d
tem ||G|| < 1 para alguma norma natural, então esse esquema iterativo gera um sequência convergente para a solução do sistema
linear A = b ao qual está associado, independente da aproximação inicial (0) .

Exemplo 2
Considere um sistema linear A = b onde  
−9 2 3
A = −7 −10 −3
−8 1 −7
e verifique, usando o último teorema apresentado, considerando apenas as normas naturais ||A||∞ , ||A||1 e ||A||2 , se há garantia de
convergência para o MGJ e para o MGS.

Resolução: O primeiro passo é obter as matrizes de iteração do MGJ e do MGS. Decompondo a matriz A em uma soma das matrizes L, D
e U, temos que        
−9 2 3 0 0 0 −9 0 0 0 2 3
−7 −10 −3 = −7 0 0 +  0 −10 0 + 0 0 −3
−8 1 −7 −8 1 0 0 0 −7 0 0 0
| {z } | {z } | {z } | {z }
A L D U

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 7

Análise de Convergência via Normas Naturais e Raio Espectral
Teorema 4
Se a matriz de iteração G do esquema iterativo
(k+1) = G(k) + d
tem ||G|| < 1 para alguma norma natural, então esse esquema iterativo gera um sequência convergente para a solução do sistema
linear A = b ao qual está associado, independente da aproximação inicial (0) .

Exemplo 2
Considere um sistema linear A = b onde  
−9 2 3
A = −7 −10 −3
−8 1 −7
e verifique, usando o último teorema apresentado, considerando apenas as normas naturais ||A||∞ , ||A||1 e ||A||2 , se há garantia de
convergência para o MGJ e para o MGS.

Resolução: O primeiro passo é obter as matrizes de iteração do MGJ e do MGS. Decompondo a matriz A em uma soma das matrizes L, D
e U, temos que        
−9 2 3 0 0 0 −9 0 0 0 2 3
−7 −10 −3 = −7 0 0 +  0 −10 0 + 0 0 −3
−8 1 −7 −8 1 0 0 0 −7 0 0 0
| {z } | {z } | {z } | {z }
A L D U
Para obter GGJ = −D−1 (L + U), matriz de iteração do MGJ, precisamos inverter a matriz diagonal D, que é simples, pois bastar inverter os
números da diagonal, e depois multiplicar pela soma L + U. Para obter GGS = −(L + D)−1 U, matriz de iteração do MGS, precisamos inverter a
matriz triangular inferior L + D, que pode ser invertida via operações elementares, e depois multiplicar por U. Calculando,

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 7

 Matrizes de Iteração
MGJ MGS
         
1 2 1 1 2 1
−
 9
0 0 
0 2 3  
0 9 3
−
 9
0 0 
0 2 3  
0 9 3
         
GGJ = − 
 0 − 10 0 −7 0 −3 ⇒ GGJ = − 10 0 − 10 
1    7 3  GGS = − 
 90 − 10 0 0 0 −3 ⇒ GGS = 0 − 45 − 15 
7 1    7 8 
         
0 0 − 71 −8 1 0 − 87 71 0 29
210
− 1
70
− 1
7
0 0 0 0 − 29
105
− 16
35

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 8

 Matrizes de Iteração
MGJ MGS
         
1 2 1 1 2 1
−
 9
0 0 
0 2 3  
0 9 3
−
 9
0 0 
0 2 3  
0 9 3
         
GGJ = − 
 0 − 10 0 −7 0 −3 ⇒ GGJ = − 10 0 − 10 
1    7 3  GGS = − 
 90 − 10 0 0 0 −3 ⇒ GGS = 0 − 45 − 15 
7 1    7 8 
         
0 0 − 71 −8 1 0 − 87 71 0 29
210
− 1
70
− 1
7
0 0 0 0 − 29
105
− 16
35

Observando a tabela abaixo

||G||∞ ||G||1 ||G||2

MGJ 1.28571 1.84286 1.35517
MGS 0.73333 1.32381 0.86048

pode-se notar que todas as normas naturais para o MGJ foram maiores que 1. Para o MGS podemos afirmar, pela norma infinita e pela
norma 2, que haverá convergência pois ||GGS ||∞ < 1 e ||GGS ||2 < 1. Agora vem uma observação muito importante sobre o teorema que aqui
utilizamos.

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 8

 Matrizes de Iteração
MGJ MGS
         
1 2 1 1 2 1
−
 9
0 0 
0 2 3  
0 9 3
−
 9
0 0 
0 2 3  
0 9 3
         
GGJ = − 
 0 − 10 0 −7 0 −3 ⇒ GGJ = − 10 0 − 10 
1    7 3  GGS = − 
 90 − 10 0 0 0 −3 ⇒ GGS = 0 − 45 − 15 
7 1    7 8 
         
0 0 − 71 −8 1 0 − 87 71 0 29
210
− 1
70
− 1
7
0 0 0 0 − 29
105
− 16
35

Observando a tabela abaixo

||G||∞ ||G||1 ||G||2

MGJ 1.28571 1.84286 1.35517
MGS 0.73333 1.32381 0.86048

pode-se notar que todas as normas naturais para o MGJ foram maiores que 1. Para o MGS podemos afirmar, pela norma infinita e pela
norma 2, que haverá convergência pois ||GGS ||∞ < 1 e ||GGS ||2 < 1. Agora vem uma observação muito importante sobre o teorema que aqui
utilizamos.

Observação 4

Esse teorema, o qual assegura a convergência do esquema iterativo (k+1) = G(k) + d desde que a matriz de iteração tenha alguma
norma natural menor do que 1, fornece uma condição suficiente mas não necessária para que haja convergência. Nesse último
exemplo, embora todas as normas naturais utilizadas para calcular as normas de ||GGJ || tenham resultado em valores maiores que 1,
se aplicarmos o MGJ para o sistema linear A = b haverá convergência. Essa afirmação vem do cálculo do chamado raio espectral,
assunto a ser abordado no próximo teorema.

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 8

 Matrizes de Iteração
MGJ MGS
         
1 2 1 1 2 1
−
 9
0 0 
0 2 3  
0 9 3
−
 9
0 0 
0 2 3  
0 9 3
         
GGJ = − 
 0 − 10 0 −7 0 −3 ⇒ GGJ = − 10 0 − 10 
1    7 3  GGS = − 
 90 − 10 0 0 0 −3 ⇒ GGS = 0 − 45 − 15 
7 1    7 8 
         
0 0 − 71 −8 1 0 − 87 71 0 29
210
− 1
70
− 1
7
0 0 0 0 − 29
105
− 16
35

Observando a tabela abaixo

||G||∞ ||G||1 ||G||2

MGJ 1.28571 1.84286 1.35517
MGS 0.73333 1.32381 0.86048

pode-se notar que todas as normas naturais para o MGJ foram maiores que 1. Para o MGS podemos afirmar, pela norma infinita e pela
norma 2, que haverá convergência pois ||GGS ||∞ < 1 e ||GGS ||2 < 1. Agora vem uma observação muito importante sobre o teorema que aqui
utilizamos.

Observação 4

Esse teorema, o qual assegura a convergência do esquema iterativo (k+1) = G(k) + d desde que a matriz de iteração tenha alguma
norma natural menor do que 1, fornece uma condição suficiente mas não necessária para que haja convergência. Nesse último
exemplo, embora todas as normas naturais utilizadas para calcular as normas de ||GGJ || tenham resultado em valores maiores que 1,
se aplicarmos o MGJ para o sistema linear A = b haverá convergência. Essa afirmação vem do cálculo do chamado raio espectral,
assunto a ser abordado no próximo teorema.

Quando todos os outros critérios falham, a última instância que vai resolver a questão da convergência ou divergência,
de um método iterativo da forma  (k+1) = G (k) + d, é o cálculo do raio espectral.

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 8

 Teorema 5
Para qualquer aproximação inicial (0) a sequência definida pela esquema iterativo

(k+1) = G(k) + d

convergirá para a única solução do sistema linear  = G + d se, e somente se, ρ(G) < 1.

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 9

 Teorema 5
Para qualquer aproximação inicial (0) a sequência definida pela esquema iterativo

(k+1) = G(k) + d

convergirá para a única solução do sistema linear  = G + d se, e somente se, ρ(G) < 1.

Perceba que, no fundo tanto, o MGJ e o MGS são esquemas iterativos onde o sistema linear A = b original foi transformado em sistema
linear da forma  = G + d e com esta relação foi montado um esquema iterativo da forma (k+1) = G(k) + d, lembrando assim o Método do
Ponto Fixo.

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 9

 Teorema 5
Para qualquer aproximação inicial (0) a sequência definida pela esquema iterativo

(k+1) = G(k) + d

convergirá para a única solução do sistema linear  = G + d se, e somente se, ρ(G) < 1.

Perceba que, no fundo tanto, o MGJ e o MGS são esquemas iterativos onde o sistema linear A = b original foi transformado em sistema
linear da forma  = G + d e com esta relação foi montado um esquema iterativo da forma (k+1) = G(k) + d, lembrando assim o Método do
Ponto Fixo.
Exemplo 3
Considerando a matriz do último exemplo, temos que ρ(GGJ ) = 0.76468 < 1 e ρ(GGS ) = 0.71871 < 1. Isso justifica a afirmação que foi
feita anteriormente com relação a garantia de convergência para o sistema linear associado ao exemplo.

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 9

 Teorema 5
Para qualquer aproximação inicial (0) a sequência definida pela esquema iterativo

(k+1) = G(k) + d

convergirá para a única solução do sistema linear  = G + d se, e somente se, ρ(G) < 1.

Perceba que, no fundo tanto, o MGJ e o MGS são esquemas iterativos onde o sistema linear A = b original foi transformado em sistema
linear da forma  = G + d e com esta relação foi montado um esquema iterativo da forma (k+1) = G(k) + d, lembrando assim o Método do
Ponto Fixo.
Exemplo 3
Considerando a matriz do último exemplo, temos que ρ(GGJ ) = 0.76468 < 1 e ρ(GGS ) = 0.71871 < 1. Isso justifica a afirmação que foi
feita anteriormente com relação a garantia de convergência para o sistema linear associado ao exemplo.

Observação 5
Este último teorema é o teste de verificação de convergência que vai resolver a questão de saber se haverá ou não garantia de
convergência para o MGJ ou MGS quando todos os outros critérios tiverem falhado. A aplicação desse teorema exige o cálculo dos
autovalores da matriz de iteração G.

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 9

 Teorema 5
Para qualquer aproximação inicial (0) a sequência definida pela esquema iterativo

(k+1) = G(k) + d

convergirá para a única solução do sistema linear  = G + d se, e somente se, ρ(G) < 1.

Perceba que, no fundo tanto, o MGJ e o MGS são esquemas iterativos onde o sistema linear A = b original foi transformado em sistema
linear da forma  = G + d e com esta relação foi montado um esquema iterativo da forma (k+1) = G(k) + d, lembrando assim o Método do
Ponto Fixo.
Exemplo 3
Considerando a matriz do último exemplo, temos que ρ(GGJ ) = 0.76468 < 1 e ρ(GGS ) = 0.71871 < 1. Isso justifica a afirmação que foi
feita anteriormente com relação a garantia de convergência para o sistema linear associado ao exemplo.

Observação 5
Este último teorema é o teste de verificação de convergência que vai resolver a questão de saber se haverá ou não garantia de
convergência para o MGJ ou MGS quando todos os outros critérios tiverem falhado. A aplicação desse teorema exige o cálculo dos
autovalores da matriz de iteração G.

Os passos para aplicar esse último teorema são:

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 9

 Teorema 5
Para qualquer aproximação inicial (0) a sequência definida pela esquema iterativo

(k+1) = G(k) + d

convergirá para a única solução do sistema linear  = G + d se, e somente se, ρ(G) < 1.

Perceba que, no fundo tanto, o MGJ e o MGS são esquemas iterativos onde o sistema linear A = b original foi transformado em sistema
linear da forma  = G + d e com esta relação foi montado um esquema iterativo da forma (k+1) = G(k) + d, lembrando assim o Método do
Ponto Fixo.
Exemplo 3
Considerando a matriz do último exemplo, temos que ρ(GGJ ) = 0.76468 < 1 e ρ(GGS ) = 0.71871 < 1. Isso justifica a afirmação que foi
feita anteriormente com relação a garantia de convergência para o sistema linear associado ao exemplo.

Observação 5
Este último teorema é o teste de verificação de convergência que vai resolver a questão de saber se haverá ou não garantia de
convergência para o MGJ ou MGS quando todos os outros critérios tiverem falhado. A aplicação desse teorema exige o cálculo dos
autovalores da matriz de iteração G.

Os passos para aplicar esse último teorema são:

1o¯ Decomposição da matriz A nas matrizes L, D e U.
2o¯ Cálculo da matriz de iteração do método. Se for o MGJ precisa obter a matriz GGJ = −D−1 (L + U). Se for o MGS, precisa obter a matriz
GGS = −(L + D)−1 U.
3o¯ Cálculo dos autovalores da matriz de iteração do método escolhido resolvendo a equação pn (λ) = 0 onde pn (λ) é o polinômio
característico da matriz G, sendo pn (λ) = det(G − λ) lembrando que n é a ordem da matriz G.
Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 9
Análises de Alguns Sistemas Lineares
Exemplo 4
Seja A = b um sistema linear onde  
−2 0 1
A =  3 3 −2  .
3 −4 −2
Haverá garantia de convergência se aplicarmos o Método de Gauss-Seidel sobre esse sistema linear ? Justifique sua resposta.

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 10

Análises de Alguns Sistemas Lineares
Exemplo 4
Seja A = b um sistema linear onde  
−2 0 1
A =  3 3 −2  .
3 −4 −2
Haverá garantia de convergência se aplicarmos o Método de Gauss-Seidel sobre esse sistema linear ? Justifique sua resposta.

Resolução: Fazendo A = L + D + U, temos que

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 10

Análises de Alguns Sistemas Lineares
Exemplo 4
Seja A = b um sistema linear onde  
−2 0 1
A =  3 3 −2  .
3 −4 −2
Haverá garantia de convergência se aplicarmos o Método de Gauss-Seidel sobre esse sistema linear ? Justifique sua resposta.

Resolução: Fazendo A = L + D + U, temos que

       
−2 0 1 0 0 0 −2 0 0 0 0 1
 3 3 −2  =  3 0 0  +  0 3 0 +  0 0 −2  .
3 −4 −2 3 −4 0 0 0 −2 0 0 0
| {z } | {z } | {z } | {z }
A L D U

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 10

Análises de Alguns Sistemas Lineares
Exemplo 4
Seja A = b um sistema linear onde  
−2 0 1
A =  3 3 −2  .
3 −4 −2
Haverá garantia de convergência se aplicarmos o Método de Gauss-Seidel sobre esse sistema linear ? Justifique sua resposta.

Resolução: Fazendo A = L + D + U, temos que

       
−2 0 1 0 0 0 −2 0 0 0 0 1
 3 3 −2  =  3 0 0  +  0 3 0 +  0 0 −2  .
3 −4 −2 3 −4 0 0 0 −2 0 0 0
| {z } | {z } | {z } | {z }
A L D U
Calculando agora a matriz de iteração, temos que
    
− 21 0 0 0 0 1 0 0 1
2
    
GGS = −(L + D)−1 U = −  1 1
0 0 −2 ⇒ G = 1
.
     
2 3
0    GS 0 0 6
    
− 47 − 23 − 12 0 0 0 0 0 5
12
| {z }| {z }
(L+D)−1 U

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 10

Análises de Alguns Sistemas Lineares
Exemplo 4
Seja A = b um sistema linear onde  
−2 0 1
A =  3 3 −2  .
3 −4 −2
Haverá garantia de convergência se aplicarmos o Método de Gauss-Seidel sobre esse sistema linear ? Justifique sua resposta.

Resolução: Fazendo A = L + D + U, temos que

       
−2 0 1 0 0 0 −2 0 0 0 0 1
 3 3 −2  =  3 0 0  +  0 3 0 +  0 0 −2  .
3 −4 −2 3 −4 0 0 0 −2 0 0 0
| {z } | {z } | {z } | {z }
A L D U
Calculando agora a matriz de iteração, temos que
    
− 21 0 0 0 0 1 0 0 1
2
    
GGS = −(L + D)−1 U = −  1 1
0 0 −2 ⇒ G = 1
.
     
2 3
0    GS 0 0 6
    
− 47 − 23 − 12 0 0 0 0 0 5
12
| {z }| {z }
(L+D)−1 U

O próximo passo é o cálculo do polinômio característico, p3 (λ) = det(GGS − λ ). Depois de determiná-lo, o passo seguinte é resolver a
equação o3 (λ) = 0 para determinar os autovalores. Se o maior autovalor em módulo for menor que 1, então a convergência é garantida.
Caso contrário, haverá divergência.
Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 10
Análises de Alguns Sistemas Lineares
Exemplo 4
Seja A = b um sistema linear onde  
−2 0 1
A =  3 3 −2  .
3 −4 −2
Haverá garantia de convergência se aplicarmos o Método de Gauss-Seidel sobre esse sistema linear ? Justifique sua resposta.

Resolução: Fazendo A = L + D + U, temos que

       
−2 0 1 0 0 0 −2 0 0 0 0 1
 3 3 −2  =  3 0 0  +  0 3 0 +  0 0 −2  .
3 −4 −2 3 −4 0 0 0 −2 0 0 0
| {z } | {z } | {z } | {z }
A L D U
Calculando agora a matriz de iteração, temos que
    
− 21 0 0 0 0 1 0 0 1
2
    
GGS = −(L + D)−1 U = −  1 1
0 0 −2 ⇒ G = 1
.
     
2 3
0    GS 0 0 6
    
− 47 − 23 − 12 0 0 0 0 0 5
12
| {z }| {z }
(L+D)−1 U

O próximo passo é o cálculo do polinômio característico, p3 (λ) = det(GGS − λ ). Depois de determiná-lo, o passo seguinte é resolver a
equação o3 (λ) = 0 para determinar os autovalores. Se o maior autovalor em módulo for menor que 1, então a convergência é garantida.
Caso contrário, haverá divergência.
Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 10
  
1
−λ 0 2
5 5
 
1
 
p3 (λ) = det   0 −λ 6
 ⇒ p3 (λ) = −λ3 + λ 2
⇒ p 3 (λ) = −λ 2
λ−
  12 12
5
0 0 12
−λ

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 11

  
1
−λ 0 2
5 5
 
1
 
p3 (λ) = det   0 −λ 6
 ⇒ p3 (λ) = −λ3 + λ 2
⇒ p 3 (λ) = −λ 2
λ−
  12 12
5
0 0 12
−λ
5 5
Note que as raízes de p3 (λ) são λ1 = λ2 = 0 e λ3 = 12 . O raio espectral da matriz de iteração GGS é 12
que é menor que 1. Logo, teremos
garantia de convergência se aplicarmos o MGS ao sistema linear em questão.

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 11

  
1
−λ 0 2
5 5
 
1
 
p3 (λ) = det   0 −λ 6
 ⇒ p3 (λ) = −λ3 + λ 2
⇒ p 3 (λ) = −λ 2
λ−
  12 12
5
0 0 12
−λ
5 5
Note que as raízes de p3 (λ) são λ1 = λ2 = 0 e λ3 = 12 . O raio espectral da matriz de iteração GGS é 12
que é menor que 1. Logo, teremos
garantia de convergência se aplicarmos o MGS ao sistema linear em questão.

Exemplo 5
Considere um sistema linear A = b onde  
−2 −1 α
A =  4 −2 −1  .
0 4 −2
Para que valores de α haverá convergência se aplicarmos o MGS sobre esse sistema linear ?

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 11

  
1
−λ 0 2
5 5
 
1
 
p3 (λ) = det   0 −λ 6
 ⇒ p3 (λ) = −λ3 + λ 2
⇒ p 3 (λ) = −λ 2
λ−
  12 12
5
0 0 12
−λ
5 5
Note que as raízes de p3 (λ) são λ1 = λ2 = 0 e λ3 = 12 . O raio espectral da matriz de iteração GGS é 12
que é menor que 1. Logo, teremos
garantia de convergência se aplicarmos o MGS ao sistema linear em questão.

Exemplo 5
Considere um sistema linear A = b onde  
−2 −1 α
A =  4 −2 −1  .
0 4 −2
Para que valores de α haverá convergência se aplicarmos o MGS sobre esse sistema linear ?

Resolução: Escrevendo a matriz A como uma soma das matrizes L, D e U, temos que

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 11

  
1
−λ 0 2
5 5
 
1
 
p3 (λ) = det   0 −λ 6
 ⇒ p3 (λ) = −λ3 + λ 2
⇒ p 3 (λ) = −λ 2
λ−
  12 12
5
0 0 12
−λ
5 5
Note que as raízes de p3 (λ) são λ1 = λ2 = 0 e λ3 = 12 . O raio espectral da matriz de iteração GGS é 12
que é menor que 1. Logo, teremos
garantia de convergência se aplicarmos o MGS ao sistema linear em questão.

Exemplo 5
Considere um sistema linear A = b onde  
−2 −1 α
A =  4 −2 −1  .
0 4 −2
Para que valores de α haverá convergência se aplicarmos o MGS sobre esse sistema linear ?

Resolução: Escrevendo a matriz A como uma soma das matrizes L, D e U, temos que
       
−2 −1 α 0 0 0 −2 0 0 0 −1 α
 4 −2 −1  =  4 0 0  +  0 −2 0  +  0 0 −1  .
0 4 −2 0 4 0 0 0 −2 0 0 0
| {z } | {z } | {z } | {z }
A L D U

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 11

  
1
−λ 0 2
5 5
 
1
 
p3 (λ) = det   0 −λ 6
 ⇒ p3 (λ) = −λ3 + λ 2
⇒ p 3 (λ) = −λ 2
λ−
  12 12
5
0 0 12
−λ
5 5
Note que as raízes de p3 (λ) são λ1 = λ2 = 0 e λ3 = 12 . O raio espectral da matriz de iteração GGS é 12
que é menor que 1. Logo, teremos
garantia de convergência se aplicarmos o MGS ao sistema linear em questão.

Exemplo 5
Considere um sistema linear A = b onde  
−2 −1 α
A =  4 −2 −1  .
0 4 −2
Para que valores de α haverá convergência se aplicarmos o MGS sobre esse sistema linear ?

Resolução: Escrevendo a matriz A como uma soma das matrizes L, D e U, temos que
       
−2 −1 α 0 0 0 −2 0 0 0 −1 α
 4 −2 −1  =  4 0 0  +  0 −2 0  +  0 0 −1  .
0 4 −2 0 4 0 0 0 −2 0 0 0
| {z } | {z } | {z } | {z }
A L D U
Calculando a matriz de iteração do MGS,

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 11

  
1
−λ 0 2
5 5
 
1
 
p3 (λ) = det   0 −λ 6
 ⇒ p3 (λ) = −λ3 + λ 2
⇒ p 3 (λ) = −λ 2
λ−
  12 12
5
0 0 12
−λ
5 5
Note que as raízes de p3 (λ) são λ1 = λ2 = 0 e λ3 = 12 . O raio espectral da matriz de iteração GGS é 12
que é menor que 1. Logo, teremos
garantia de convergência se aplicarmos o MGS ao sistema linear em questão.

Exemplo 5
Considere um sistema linear A = b onde  
−2 −1 α
A =  4 −2 −1  .
0 4 −2
Para que valores de α haverá convergência se aplicarmos o MGS sobre esse sistema linear ?

Resolução: Escrevendo a matriz A como uma soma das matrizes L, D e U, temos que
       
−2 −1 α 0 0 0 −2 0 0 0 −1 α
 4 −2 −1  =  4 0 0  +  0 −2 0  +  0 0 −1  .
0 4 −2 0 4 0 0 0 −2 0 0 0
| {z } | {z } | {z } | {z }
A L D U
Calculando a matriz de iteração do MGS,
    
α
− 12 0 0 0 −1 α 0 − 21 2
    
GGS = −(L + D)−1 U ⇒ GGS = −  −1 − 12 0   0 0 −1 ⇒ G = 1 
0 −1 α − 2  .
   
 GS 
    
−2 −1 − 12 0 0 0 0 −2 2α − 1

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 11

Calculando o polinômio característico, segue que

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 12

Calculando o polinômio característico, segue que
p3 (λ) = det(GGS − λ) ⇒ p3 (λ) = −λ3 + (2α − 2)λ2 .

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 12

Calculando o polinômio característico, segue que
p3 (λ) = det(GGS − λ) ⇒ p3 (λ) = −λ3 + (2α − 2)λ2 .

As raízes desse polinômio são dadas por λ1 = λ2 = 0 e λ3 = 2α − 2. Duas raízes são em módulo menores que 1 independente de α. Assim
sendo, para garantir convergência via MGS basta determinar α de tal modo que |λ3 | < 1, ou seja, |2α − 2| < 1. Resolvendo essa inequação
modular,

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 12

Calculando o polinômio característico, segue que
p3 (λ) = det(GGS − λ) ⇒ p3 (λ) = −λ3 + (2α − 2)λ2 .

As raízes desse polinômio são dadas por λ1 = λ2 = 0 e λ3 = 2α − 2. Duas raízes são em módulo menores que 1 independente de α. Assim
sendo, para garantir convergência via MGS basta determinar α de tal modo que |λ3 | < 1, ou seja, |2α − 2| < 1. Resolvendo essa inequação
modular,
1 3
|2α − 2| < 1 ⇒ −1 < 2α − 2 < 1 ⇒ 1 < 2α < 3 ⇒ < α < .
2 2

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 12

Calculando o polinômio característico, segue que
p3 (λ) = det(GGS − λ) ⇒ p3 (λ) = −λ3 + (2α − 2)λ2 .

As raízes desse polinômio são dadas por λ1 = λ2 = 0 e λ3 = 2α − 2. Duas raízes são em módulo menores que 1 independente de α. Assim
sendo, para garantir convergência via MGS basta determinar α de tal modo que |λ3 | < 1, ou seja, |2α − 2| < 1. Resolvendo essa inequação
modular,
1 3
|2α − 2| < 1 ⇒ −1 < 2α − 2 < 1 ⇒ 1 < 2α < 3 ⇒ < α < .
2 2 € Š
1 3
Portanto, para que se tenha garantia de convergência na aplicação do MGS ao sistema linear em questão, é necessário que α ∈ 2 , 2 .

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 12

Calculando o polinômio característico, segue que
p3 (λ) = det(GGS − λ) ⇒ p3 (λ) = −λ3 + (2α − 2)λ2 .

As raízes desse polinômio são dadas por λ1 = λ2 = 0 e λ3 = 2α − 2. Duas raízes são em módulo menores que 1 independente de α. Assim
sendo, para garantir convergência via MGS basta determinar α de tal modo que |λ3 | < 1, ou seja, |2α − 2| < 1. Resolvendo essa inequação
modular,
1 3
|2α − 2| < 1 ⇒ −1 < 2α − 2 < 1 ⇒ 1 < 2α < 3 ⇒ < α < .
2 2 € Š
1 3
Portanto, para que se tenha garantia de convergência na aplicação do MGS ao sistema linear em questão, é necessário que α ∈ 2 , 2 .

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 12

 Exemplo 6
Considere um sistema linear A = b onde  
−4 8 5
A =  8 6 0 .
0 9 9
O gráfico do polinômio característico p3 (λ) da matriz de iteração do MGJ no intervalo [−1.6, 1.6] é dado na figura abaixo.
10


−1.6 −1.2 −0.8 −0.4 0.4 0.8 1.2 1.6

−2

−4

−6
y

Podemos afirmar que haverá garantia de convergência se aplicarmos o MGJ ao sistema linear A = b ? Justifique sua resposta.
Observação importante: Para obter um dos autovalores será necessário aplicar o Método de Newton. Nesse caso, tome como
aproximação inicial o ponto médio do intervalo de comprimento 0.4 que contém a raiz de acordo com os números do
gráfico, trabalhe com 6 casas decimais e como critério de parada tome ϵ = 10−5 .

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 13

Resolução: Reescrevendo A como uma soma das matrizes L, D e U, temos que
       
−4 8 5 0 0 0 −4 0 0 0 8 5
 8 6 0  =  8 0 0 +  0 6 0 +  0 0 0 .
0 9 9 0 9 0 0 0 9 0 0 0
| {z } | {z } | {z } | {z }
A L D U

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 14

Resolução: Reescrevendo A como uma soma das matrizes L, D e U, temos que
       
−4 8 5 0 0 0 −4 0 0 0 8 5
 8 6 0  =  8 0 0 +  0 6 0 +  0 0 0 .
0 9 9 0 9 0 0 0 9 0 0 0
| {z } | {z } | {z } | {z }
A L D U

A matriz de iteração do MGJ é dado por

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 14

Resolução: Reescrevendo A como uma soma das matrizes L, D e U, temos que
       
−4 8 5 0 0 0 −4 0 0 0 8 5
 8 6 0  =  8 0 0 +  0 6 0 +  0 0 0 .
0 9 9 0 9 0 0 0 9 0 0 0
| {z } | {z } | {z } | {z }
A L D U

A matriz de iteração do MGJ é dado por

 
   5
− 14 0 0 0 8 5  0 2 4 
    
GGJ = −  0 61 0   8 0  ⇒ GGJ =  − 43 0 0  .
    
0
    
0 0 19
 
0 9 0 0 −1 0
| {z }| {z }
D−1 L+D

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 14

Resolução: Reescrevendo A como uma soma das matrizes L, D e U, temos que
       
−4 8 5 0 0 0 −4 0 0 0 8 5
 8 6 0  =  8 0 0 +  0 6 0 +  0 0 0 .
0 9 9 0 9 0 0 0 9 0 0 0
| {z } | {z } | {z } | {z }
A L D U

A matriz de iteração do MGJ é dado por

 
   5
− 14 0 0 0 8 5  0 2 4 
    
GGJ = −  0 61 0   8 0  ⇒ GGJ =  − 43 0 0  .
    
0
    
0 0 19
 
0 9 0 0 −1 0
| {z }| {z }
D−1 L+D

Calculando, o polinômio característico dessa matriz é dado por

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 14

Resolução: Reescrevendo A como uma soma das matrizes L, D e U, temos que
       
−4 8 5 0 0 0 −4 0 0 0 8 5
 8 6 0  =  8 0 0 +  0 6 0 +  0 0 0 .
0 9 9 0 9 0 0 0 9 0 0 0
| {z } | {z } | {z } | {z }
A L D U

A matriz de iteração do MGJ é dado por

 
   5
− 14 0 0 0 8 5  0 2 4 
    
GGJ = −  0 61 0   8 0  ⇒ GGJ =  − 43 0 0  .
    
0
    
0 0 19
 
0 9 0 0 −1 0
| {z }| {z }
D−1 L+D

Calculando, o polinômio característico dessa matriz é dado por

8λ 5
p3 (λ) = −λ − 3
+ .
3 3

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 14

Resolução: Reescrevendo A como uma soma das matrizes L, D e U, temos que
       
−4 8 5 0 0 0 −4 0 0 0 8 5
 8 6 0  =  8 0 0 +  0 6 0 +  0 0 0 .
0 9 9 0 9 0 0 0 9 0 0 0
| {z } | {z } | {z } | {z }
A L D U

A matriz de iteração do MGJ é dado por

 
   5
− 14 0 0 0 8 5  0 2 4 
    
GGJ = −  0 61 0   8 0  ⇒ GGJ =  − 43 0 0  .
    
0
    
0 0 19
 
0 9 0 0 −1 0
| {z }| {z }
D−1 L+D

Calculando, o polinômio característico dessa matriz é dado por

8λ 5
p3 (λ) = −λ − 3
+ .
3 3
Para resolver p3 (λ) = 0, vamos antes simplificar essa expressão.
8λ 5
−λ −3
+ = 0 ⇒ 3λ3 + 8λ − 5 = 0.
3 3

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 14

Resolução: Reescrevendo A como uma soma das matrizes L, D e U, temos que
       
−4 8 5 0 0 0 −4 0 0 0 8 5
 8 6 0  =  8 0 0 +  0 6 0 +  0 0 0 .
0 9 9 0 9 0 0 0 9 0 0 0
| {z } | {z } | {z } | {z }
A L D U

A matriz de iteração do MGJ é dado por

 
   5
− 14 0 0 0 8 5  0 2 4 
    
GGJ = −  0 61 0   8 0  ⇒ GGJ =  − 43 0 0  .
    
0
    
0 0 19
 
0 9 0 0 −1 0
| {z }| {z }
D−1 L+D

Calculando, o polinômio característico dessa matriz é dado por

8λ 5
p3 (λ) = −λ − 3
+ .
3 3
Para resolver p3 (λ) = 0, vamos antes simplificar essa expressão.
8λ 5
−λ −3
+ = 0 ⇒ 3λ3 + 8λ − 5 = 0.
3 3

O próximo passo consiste em aplicar o Método de Newton considerando

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 14

Resolução: Reescrevendo A como uma soma das matrizes L, D e U, temos que
       
−4 8 5 0 0 0 −4 0 0 0 8 5
 8 6 0  =  8 0 0 +  0 6 0 +  0 0 0 .
0 9 9 0 9 0 0 0 9 0 0 0
| {z } | {z } | {z } | {z }
A L D U

A matriz de iteração do MGJ é dado por

 
   5
− 14 0 0 0 8 5  0 2 4 
    
GGJ = −  0 61 0   8 0  ⇒ GGJ =  − 43 0 0  .
    
0
    
0 0 19
 
0 9 0 0 −1 0
| {z }| {z }
D−1 L+D

Calculando, o polinômio característico dessa matriz é dado por

8λ 5
p3 (λ) = −λ − 3
+ .
3 3
Para resolver p3 (λ) = 0, vamos antes simplificar essa expressão.
8λ 5
−λ −3
+ = 0 ⇒ 3λ3 + 8λ − 5 = 0.
3 3

O próximo passo consiste em aplicar o Método de Newton considerando

ƒ (λ) = 3λ3 + 8λ − 5 e ƒ 0 (λ) = 9λ2 + 8,

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 14

Resolução: Reescrevendo A como uma soma das matrizes L, D e U, temos que
       
−4 8 5 0 0 0 −4 0 0 0 8 5
 8 6 0  =  8 0 0 +  0 6 0 +  0 0 0 .
0 9 9 0 9 0 0 0 9 0 0 0
| {z } | {z } | {z } | {z }
A L D U

A matriz de iteração do MGJ é dado por

 
   5
− 14 0 0 0 8 5  0 2 4 
    
GGJ = −  0 61 0   8 0  ⇒ GGJ =  − 43 0 0  .
    
0
    
0 0 19
 
0 9 0 0 −1 0
| {z }| {z }
D−1 L+D

Calculando, o polinômio característico dessa matriz é dado por

8λ 5
p3 (λ) = −λ − 3
+ .
3 3
Para resolver p3 (λ) = 0, vamos antes simplificar essa expressão.
8λ 5
−λ −3
+ = 0 ⇒ 3λ3 + 8λ − 5 = 0.
3 3

O próximo passo consiste em aplicar o Método de Newton considerando

ƒ (λ) = 3λ3 + 8λ − 5 e ƒ 0 (λ) = 9λ2 + 8,

no intervalo [0.4, 0.8], de comprimento 0.4, tomando λ0 = 0.6 como aproximação inicial, trabalhando com 6 casas decimais, temos que:

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 14

1a¯ Iteração (k=0):

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 15

1a¯ Iteração (k=0):
ƒ (λ0 ) ƒ (0.6) 0.448000
λ1 = λ0 − = 0.6 − = 0.6 − = 0.560142
ƒ 0 (λ 0) ƒ 0 (0.6) 11.240000

|λ1 − λ0 | |0.560142 − 0.600000| | − 0.039858|

= = = 0.071157 > 10−5
|λ1 | |0.560142| |0.560142|
2a¯ Iteração (k=1):

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 15

1a¯ Iteração (k=0):
ƒ (λ0 ) ƒ (0.6) 0.448000
λ1 = λ0 − = 0.6 − = 0.6 − = 0.560142
ƒ 0 (λ 0) ƒ 0 (0.6) 11.240000

|λ1 − λ0 | |0.560142 − 0.600000| | − 0.039858|

= = = 0.071157 > 10−5
|λ1 | |0.560142| |0.560142|
2a¯ Iteração (k=1):
ƒ (λ1 ) ƒ (0.560142) 0.008385
λ2 = λ1 − = 0.560142 − = 0.560142 − = 0.559367
ƒ 0 (λ 1) ƒ 0 (0.560142) 10.823832

|λ2 − λ1 | |0.559367 − 0.560142| | − 0.000775|

= = = 0.001385 > 10−5
|λ2 | |0.559367| |0.559367|
3a¯ Iteração (k=2):

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 15

1a¯ Iteração (k=0):
ƒ (λ0 ) ƒ (0.6) 0.448000
λ1 = λ0 − = 0.6 − = 0.6 − = 0.560142
ƒ 0 (λ 0) ƒ 0 (0.6) 11.240000

|λ1 − λ0 | |0.560142 − 0.600000| | − 0.039858|

= = = 0.071157 > 10−5
|λ1 | |0.560142| |0.560142|
2a¯ Iteração (k=1):
ƒ (λ1 ) ƒ (0.560142) 0.008385
λ2 = λ1 − = 0.560142 − = 0.560142 − = 0.559367
ƒ 0 (λ 1) ƒ 0 (0.560142) 10.823832

|λ2 − λ1 | |0.559367 − 0.560142| | − 0.000775|

= = = 0.001385 > 10−5
|λ2 | |0.559367| |0.559367|
3a¯ Iteração (k=2):
ƒ (λ2 ) ƒ (0.559367) −0.000001
λ3 = λ2 − = 0.559367 − = 0.559367 − = 0.559367
ƒ 0 (λ 2) ƒ 0 (0.559367) 10.816023

|λ3 − λ2 | |0.559367 − 0.559367| |0.000000|

= = = 0.000000 < 10−5
|λ3 | |0.559367| |0.559367|

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 15

1a¯ Iteração (k=0):
ƒ (λ0 ) ƒ (0.6) 0.448000
λ1 = λ0 − = 0.6 − = 0.6 − = 0.560142
ƒ 0 (λ 0) ƒ 0 (0.6) 11.240000

|λ1 − λ0 | |0.560142 − 0.600000| | − 0.039858|

= = = 0.071157 > 10−5
|λ1 | |0.560142| |0.560142|
2a¯ Iteração (k=1):
ƒ (λ1 ) ƒ (0.560142) 0.008385
λ2 = λ1 − = 0.560142 − = 0.560142 − = 0.559367
ƒ 0 (λ 1) ƒ 0 (0.560142) 10.823832

|λ2 − λ1 | |0.559367 − 0.560142| | − 0.000775|

= = = 0.001385 > 10−5
|λ2 | |0.559367| |0.559367|
3a¯ Iteração (k=2):
ƒ (λ2 ) ƒ (0.559367) −0.000001
λ3 = λ2 − = 0.559367 − = 0.559367 − = 0.559367
ƒ 0 (λ 2) ƒ 0 (0.559367) 10.816023

|λ3 − λ2 | |0.559367 − 0.559367| |0.000000|

= = = 0.000000 < 10−5
|λ3 | |0.559367| |0.559367|
Com esse primeiro autovalor, podemos aplicar Briot-Ruffini para fatorar o polinômio característico para obter os outros autovalores.

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 15

1a¯ Iteração (k=0):
ƒ (λ0 ) ƒ (0.6) 0.448000
λ1 = λ0 − = 0.6 − = 0.6 − = 0.560142
ƒ 0 (λ 0) ƒ 0 (0.6) 11.240000

|λ1 − λ0 | |0.560142 − 0.600000| | − 0.039858|

= = = 0.071157 > 10−5
|λ1 | |0.560142| |0.560142|
2a¯ Iteração (k=1):
ƒ (λ1 ) ƒ (0.560142) 0.008385
λ2 = λ1 − = 0.560142 − = 0.560142 − = 0.559367
ƒ 0 (λ 1) ƒ 0 (0.560142) 10.823832

|λ2 − λ1 | |0.559367 − 0.560142| | − 0.000775|

= = = 0.001385 > 10−5
|λ2 | |0.559367| |0.559367|
3a¯ Iteração (k=2):
ƒ (λ2 ) ƒ (0.559367) −0.000001
λ3 = λ2 − = 0.559367 − = 0.559367 − = 0.559367
ƒ 0 (λ 2) ƒ 0 (0.559367) 10.816023

|λ3 − λ2 | |0.559367 − 0.559367| |0.000000|

= = = 0.000000 < 10−5
|λ3 | |0.559367| |0.559367|
Com esse primeiro autovalor, podemos aplicar Briot-Ruffini para fatorar o polinômio característico para obter os outros autovalores.
0.559367 3 0 8 −5
3 1.678101 8.938674 −0.0000001

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 15

1a¯ Iteração (k=0):
ƒ (λ0 ) ƒ (0.6) 0.448000
λ1 = λ0 − = 0.6 − = 0.6 − = 0.560142
ƒ 0 (λ 0) ƒ 0 (0.6) 11.240000

|λ1 − λ0 | |0.560142 − 0.600000| | − 0.039858|

= = = 0.071157 > 10−5
|λ1 | |0.560142| |0.560142|
2a¯ Iteração (k=1):
ƒ (λ1 ) ƒ (0.560142) 0.008385
λ2 = λ1 − = 0.560142 − = 0.560142 − = 0.559367
ƒ 0 (λ 1) ƒ 0 (0.560142) 10.823832

|λ2 − λ1 | |0.559367 − 0.560142| | − 0.000775|

= = = 0.001385 > 10−5
|λ2 | |0.559367| |0.559367|
3a¯ Iteração (k=2):
ƒ (λ2 ) ƒ (0.559367) −0.000001
λ3 = λ2 − = 0.559367 − = 0.559367 − = 0.559367
ƒ 0 (λ 2) ƒ 0 (0.559367) 10.816023

|λ3 − λ2 | |0.559367 − 0.559367| |0.000000|

= = = 0.000000 < 10−5
|λ3 | |0.559367| |0.559367|
Com esse primeiro autovalor, podemos aplicar Briot-Ruffini para fatorar o polinômio característico para obter os outros autovalores.
0.559367 3 0 8 −5
3 1.678101 8.938674 −0.0000001
Resta obter as soluções da equação 3λ2 + 1.678101λ + 8.938674 = 0, que dadas por −0.279686 + 1.703331 e −0.279686 − 1.703331.
Logo, o conjunto dos autovalores são dados por

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 15

1a¯ Iteração (k=0):
ƒ (λ0 ) ƒ (0.6) 0.448000
λ1 = λ0 − = 0.6 − = 0.6 − = 0.560142
ƒ 0 (λ 0) ƒ 0 (0.6) 11.240000

|λ1 − λ0 | |0.560142 − 0.600000| | − 0.039858|

= = = 0.071157 > 10−5
|λ1 | |0.560142| |0.560142|
2a¯ Iteração (k=1):
ƒ (λ1 ) ƒ (0.560142) 0.008385
λ2 = λ1 − = 0.560142 − = 0.560142 − = 0.559367
ƒ 0 (λ 1) ƒ 0 (0.560142) 10.823832

|λ2 − λ1 | |0.559367 − 0.560142| | − 0.000775|

= = = 0.001385 > 10−5
|λ2 | |0.559367| |0.559367|
3a¯ Iteração (k=2):
ƒ (λ2 ) ƒ (0.559367) −0.000001
λ3 = λ2 − = 0.559367 − = 0.559367 − = 0.559367
ƒ 0 (λ 2) ƒ 0 (0.559367) 10.816023

|λ3 − λ2 | |0.559367 − 0.559367| |0.000000|

= = = 0.000000 < 10−5
|λ3 | |0.559367| |0.559367|
Com esse primeiro autovalor, podemos aplicar Briot-Ruffini para fatorar o polinômio característico para obter os outros autovalores.
0.559367 3 0 8 −5
3 1.678101 8.938674 −0.0000001
Resta obter as soluções da equação 3λ2 + 1.678101λ + 8.938674 = 0, que dadas por −0.279686 + 1.703331 e −0.279686 − 1.703331.
Logo, o conjunto dos autovalores são dados por
{0.559367, −0.279686 + 1.703331, −0.279686 − 1.703331} .

Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 15

1a¯ Iteração (k=0):
ƒ (λ0 ) ƒ (0.6) 0.448000
λ1 = λ0 − = 0.6 − = 0.6 − = 0.560142
ƒ 0 (λ 0) ƒ 0 (0.6) 11.240000

|λ1 − λ0 | |0.560142 − 0.600000| | − 0.039858|

= = = 0.071157 > 10−5
|λ1 | |0.560142| |0.560142|
2a¯ Iteração (k=1):
ƒ (λ1 ) ƒ (0.560142) 0.008385
λ2 = λ1 − = 0.560142 − = 0.560142 − = 0.559367
ƒ 0 (λ 1) ƒ 0 (0.560142) 10.823832

|λ2 − λ1 | |0.559367 − 0.560142| | − 0.000775|

= = = 0.001385 > 10−5
|λ2 | |0.559367| |0.559367|
3a¯ Iteração (k=2):
ƒ (λ2 ) ƒ (0.559367) −0.000001
λ3 = λ2 − = 0.559367 − = 0.559367 − = 0.559367
ƒ 0 (λ 2) ƒ 0 (0.559367) 10.816023

|λ3 − λ2 | |0.559367 − 0.559367| |0.000000|

= = = 0.000000 < 10−5
|λ3 | |0.559367| |0.559367|
Com esse primeiro autovalor, podemos aplicar Briot-Ruffini para fatorar o polinômio característico para obter os outros autovalores.
0.559367 3 0 8 −5
3 1.678101 8.938674 −0.0000001
Resta obter as soluções da equação 3λ2 + 1.678101λ + 8.938674 = 0, que dadas por −0.279686 + 1.703331 e −0.279686 − 1.703331.
Logo, o conjunto dos autovalores são dados por
{0.559367, −0.279686 + 1.703331, −0.279686 − 1.703331} .
Note que ρ(GGJ ) = 1.726140 > 1. Portanto, não haverá convergência se aplicarmos o MGJ ao sistema linear.
Alessandro Alves Santana Cálculo Numérico - Sistemas Lineares - Critérios de Convergência 15