UNIVERSIDADE DO ESTADO DE SANTA CATARINA – UDESC

CENTRO DE EDUCAÇÃO SUPERIOR DA FOZ DO ITAJAÍ – CESFI

ENGENHARIA DE PETRÓLEO

AMANDA LIMA, ANA JÚLIA DA SILVA, KARINE VOTRI

SISTEMAS LINEARES - MÉTODOS DIRETOS:

ELIMINAÇÃO DE GAUSS E DECOMPOSIÇÃO LU

BALNEÁRIO CAMBORIÚ
2021
AMANDA LIMA, ANA JÚLIA DA SILVA, KARINE VOTRI

SISTEMAS LINEARES - MÉTODOS DIRETOS:

ELIMINAÇÃO DE GAUSS E DECOMPOSIÇÃO LU

Trabalho realizado para a disciplina

de Cálculo Numérico do curso de
Engenharia de Petróleo da UDESC.

Orientador(a): Profª. Dra. Lindaura

Maria Steffens.

BALNEÁRIO CAMBORIÚ
2021
 SUMÁRIO
1 INTRODUÇÃO ..................................................................................... 4

1. SISTEMAS LINEARES ................................................................... 4

2 MÉTODO DA ELIMINAÇÃO DE GAUSS .......................................... 6

2.1 CONCEITO ........................................................................................ 6

2.2 ELIMINAÇÃO DE GAUSS COM PIVOTAMENTO PARCIAL............. 7

3 DECOMPOSIÇÃO LU ....................................................................... 9

3.1 CONCEITO ........................................................................................ 9

3.2 DECOMPOSIÇÃO LU COM PIVOTAMENTO ................................. 10

4 IMPLEMENTANDO OS MÉTODOS DEFINIDOS ............................ 11

4.1 FUNÇÃO MATLAB PARA O MÉTODO DE ELIMINAÇÃO DE

GAUSS .......................................................................................... 11

4.2 FUNÇÃO MATLAB PARA A DECOMPOSIÇÃO LU...................... 12

5 IMPLEMENTAÇÃO ......................................................................... 14

6 RESULTADOS ................................................................................ 15

6.1 SISTEMA 1 ...................................................................................... 15

6.2 SISTEMA 2 ...................................................................................... 15

6.3 SISTEMA 3 ...................................................................................... 16

6.4 SISTEMA 4 ...................................................................................... 17

7 CONCLUSÃO ..................................................................................... 17

REFERÊNCIAS ..................................................................................... 18
1 INTRODUÇÃO

Sistemas lineares surgem com frequência em situações do

cotidiano. A modelagem de um problema em equações lineares é de extrema
importância para a resolução e obtenção da solução. O conjunto de equações
lineares nas mesmas variáveis é definido como um sistema de equações
lineares.

1. SISTEMAS LINEARES

Uma equação linear em n variáveis 𝑥 , 𝑥 , 𝑥 , …, 𝑥 é uma equação do

tipo 𝑎 𝑥 + 𝑎 𝑥 + … + 𝑎 𝑥 = 𝑏.
Um sistema linear é um conjunto de m equações lineares:

𝑎 𝑥 +𝑎 𝑥 +𝑎 𝑥 +…+𝑎 𝑥 =𝑏
⎧ 𝑎 𝑥 +𝑎 𝑥 +𝑎 𝑥 +…+𝑎 𝑥 =𝑏
⎪
.
⎨ .
⎪ .
⎩𝑎 𝑥 + 𝑎 𝑥 + 𝑎 𝑥 + … + 𝑎 𝑥 = 𝑏

onde:
 𝑎 são os coeficientes reais para 1 ≤ 𝑖 ≤ 𝑚 e 1 ≤ 𝑗 ≤ 𝑛;
 𝑏 são constantes reais para 1 ≤ 𝑖 ≤ 𝑚.

Todo sistema linear pode ser reescrito como o produto matricial

𝐴𝑋 = 𝐵
onde A é a matriz dos coeficientes, X é a matriz das variáveis, e B é a matriz das
constantes.

𝑎 𝑎 𝑎 … 𝑎
⎡ 𝑎 𝑎 𝑎 … 𝑎 ⎤
⎢ … ⎥
𝐴=⎢ 𝑎 𝑎 𝑎 𝑎 ⎥ é a matriz dos coeficientes;
⎢ ⋮ ⋮ ⋮ ⋱ ⋮ ⎥
⎣𝑎 𝑎 𝑎 … 𝑎 ⎦
 𝑥
⎡𝑥 ⎤
⎢ ⎥
𝑋 = ⎢𝑥 ⎥ é a matriz das variáveis;
⎢⋮ ⎥
⎣𝑥 ⎦

𝑏
⎡ ⎤
𝑏
⎢ ⎥
𝐵 = ⎢𝑏 ⎥ é a matriz das constantes.
⎢⋮ ⎥
⎣𝑏 ⎦

Resolver um sistema linear consiste em determinar todos os valores das

variáveis 𝑥 , 𝑥 , 𝑥 , …, 𝑥 , caso exista, que satisfazem simultaneamente as 𝑚
equações do sistema.
Um sistema linear pode ser classificado de acordo com a sua solução.
Nem sempre é possível determinar uma solução para um sistema; e, ainda, um
mesmo sistema pode admitir infinitas soluções.
Dizemos que o sistema é possível e determinado quando admite uma
única solução. Nesse caso, cada variável é unicamente determinada (assume
um único valor).
O sistema é dito possível e indeterminado no caso em que admite infinitas
soluções.
E o sistema é dito impossível (ou inconsistente) no caso em que não
admite solução. Nesse caso, não existem valores para as variáveis que
satisfazem a todas as equações do sistema.
Uma forma de resolver um sistema linear é substituir o sistema inicial
por outro equivalente que tenha a mesma solução, mas que seja mais fácil de
resolver. Tal sistema é obtido aplicando as operações elementares sobre as
linhas da matriz de coeficientes do sistema, conhecida como matriz aumentada
do sistema e dada por [𝐴|𝐵 ].
 𝑎 𝑎 𝑎 … 𝑎 |𝑏
⎡ 𝑎 𝑎 𝑎 … 𝑎 ⎤
|𝑏
⎢ … 𝑎 ⎥
[𝐴|𝐵] = ⎢ 𝑎 𝑎 𝑎 |𝑏 ⎥
⎢ ⋮ ⋮ ⋮ ⋱ ⋮ |⋮ ⎥
⎣𝑎 𝑎 𝑎 … 𝑎 |𝑏 ⎦

2 MÉTODO DA ELIMINAÇÃO DE GAUSS

2.1 CONCEITO

O método de eliminação de Gauss consiste em transformar o

sistema dado em um sistema equivalente triangular superior que pode ser
resolvido por substituição inversa. Nesse processo, utilizamos as operações
elementares sobre as linhas de uma matriz. Embora o método seja válido para
matrizes de ordem 𝑚 × 𝑛, vamos exemplificá-lo para matrizes quadradas de
ordem 𝑛.
Considere o sistema linear 𝐴𝑋 = 𝐵.
𝑎 𝑥 +𝑎 𝑥 +𝑎 𝑥 +𝑎 𝑥 +…+𝑎 𝑥 =𝑏
⎧𝑎 𝑥 +𝑎 𝑥 +𝑎 𝑥 +𝑎 𝑥 +…+𝑎 𝑥 =𝑏
⎪
⎪𝑎 𝑥 +𝑎 𝑥 +𝑎 𝑥 +𝑎 𝑥 +…+𝑎 𝑥 =𝑏
.
⎨ .
⎪
⎪ .
⎩𝑎 𝑥 + 𝑎 𝑥 + 𝑎 𝑥 + 𝑎 𝑥 +…+𝑎 𝑥 =𝑏

A matriz aumentada do sistema é:

𝑎11 𝑎12 𝑎13 𝑎14 … 𝑎1𝑛 𝑎1,𝑛+1
⎡ 𝑎 𝑎23 𝑎24 … 𝑎2𝑛 𝑎2,𝑛+1 ⎤
21 𝑎22
⎢ 𝑎 𝑎32 𝑎33 𝑎34 … 𝑎3𝑛 𝑎3,𝑛+1 ⎥
⎢ 31 ⎥
⎢ ⋮ ⋮ ⋮ ⋮ ⋱ ⋮ ⋮ ⎥
⎣𝑎𝑛1 𝑎𝑛2 𝑎𝑛3 𝑎𝑛4 … 𝑎𝑛𝑛 𝑎𝑛,𝑛+1 ⎦
No final do processo da eliminação de Gauss, o objetivo é obter uma
matriz como triangular superior:
 𝑎 𝑎 𝑎 𝑎 … 𝑎 𝑎,
⎡ 0 𝑎 𝑎 𝑎 … 𝑎 𝑎 , ⎤
⎢ 0 0 𝑎 𝑎 … 𝑎 𝑎 , ⎥
⎢ ⎥
⎢ ⋮ ⋮ ⋮ ⋮ ⋱ ⋮ ⋮ ⎥
⎣ 0 0 0 0 … 𝑎 𝑎 , ⎦

A cada passo do processo do método da Eliminação de Gauss

escolhemos o pivô de cada uma das colunas da matriz e zeramos todos os
elementos abaixo dele. Definimos o pivô de cada coluna 𝑘 como sendo o
elemento da coluna que pertence à diagonal principal. Ou seja, o pivô de cada
coluna 𝑘 é dado por 𝑎 .Observe que em cada passo determinamos o pivô de
uma coluna:
 Passo 1- pivô da coluna 1: elemento 𝑎 ;
 Passo 2- pivô da coluna 2: elemento 𝑎 ;
 ⋮
 Passo 𝑘 - pivô da coluna 𝑘: elemento 𝑎 ;
Apresentamos a seguir as etapas para o Método de Eliminação de Gauss:
1) Escrever a matriz aumentada do sistema;
2) A cada passo 𝑘, escolher o pivô da coluna 𝑘: 𝑎 ;
3) Zerar todos os elementos 𝑎 , que estão abaixo de 𝑎 . Para toda
linha 𝑖 abaixo da linha que contém o elemento 𝑎 :

 Encontrar o multiplicador 𝑚 =

 Atualizar a linha 𝑖:
𝐿 =𝐿 −𝑚 𝐿
4) Fazer o processo iterativamente para todas as colunas até obter a
matriz na forma triangular superior.

2.2 ELIMINAÇÃO DE GAUSS COM PIVOTAMENTO PARCIAL

O método da eliminação de Gauss por pivotamento parcial consiste em

transformar o sistema dado em um sistema triangular superior. Para o processo
de pivotamento, utilizamos as operações elementares sobre as linhas e
tomamos como pivô o elemento de maior valor absoluto, dentre os elementos
que estão abaixo da diagonal principal, de cada coluna da matriz A.
Considere o sistema linear 𝐴𝑋 = 𝐵.
𝑎 𝑥 +𝑎 𝑥 +𝑎 𝑥 +𝑎 𝑥 +…+𝑎 𝑥 =𝑏
⎧𝑎 𝑥 +𝑎 𝑥 +𝑎 𝑥 +𝑎 𝑥 +…+𝑎 𝑥 =𝑏
⎪
⎪𝑎 𝑥 +𝑎 𝑥 +𝑎 𝑥 +𝑎 𝑥 +…+𝑎 𝑥 =𝑏
.
⎨ .
⎪
⎪ .
⎩𝑎 𝑥 + 𝑎 𝑥 + 𝑎 𝑥 + 𝑎 𝑥 +…+𝑎 𝑥 =𝑏

A matriz aumentada do sistema é:

𝑎11 𝑎12 𝑎13 𝑎14 … 𝑎1𝑛 𝑎1,𝑛+1
⎡ 𝑎 𝑎23 𝑎24 … 𝑎2𝑛 𝑎2,𝑛+1 ⎤
21 𝑎22
⎢ 𝑎 𝑎32 𝑎33 𝑎34 … 𝑎3𝑛 𝑎3,𝑛+1 ⎥
⎢ 31 ⎥
⎢ ⋮ ⋮ ⋮ ⋮ ⋱ ⋮ ⋮ ⎥
⎣𝑎𝑛1 𝑎𝑛2 𝑎𝑛3 𝑎𝑛4 … 𝑎𝑛𝑛 𝑎𝑛,𝑛+1 ⎦

No 𝑘-ésimo passo do processo da eliminação de Gauss por pivotamento

parcial, o objetivo é determinar, dentre todos os elementos que estão abaixo da
diagonal principal, o que possui maior valor absoluto. Na 𝑘-ésima coluna,
analisamos todos os elementos abaixo de 𝑎 .

Figura 1: k-ésimo passo do processo da eliminação de Gauss por pivotamento parcial

 Observe a seguir que em cada passo determinamos o pivô de uma coluna.
 Passo 1 – pivô da coluna 1: elemento de maior valor absoluto na
coluna 1 abaixo (inclusive) de 𝑎 .
 Passo 2 – pivô da coluna 2: elemento de maior valor absoluto na
coluna 2 abaixo (inclusive) de 𝑎 .
 ⋮
 Passo 𝑘 – pivô da coluna 𝑘: elemento de maior valor absoluto na
coluna 𝑘 abaixo (inclusive) de 𝑎 .
Apresentamos a seguir as etapas para o método da Eliminação de Gauss
por pivotamento parcial.
1. A cada passo 𝑘, escolher o pivô de maior valor absoluto da coluna 𝑘,
que está abaixo da diagonal principal. Isto é, escolher a linha 𝑟, tal
que:
|𝑎 | = 𝑚á𝑥 |𝑎 |, 𝑎 , , … , |𝑎 |
2. Trocar a posição das linhas 𝑘 e 𝑟, se 𝑟 ≠ 𝑘.
3. Aplicar o método da decomposição de Gauss, que consiste em
transformar o sistema linear num sistema equivalente triangular
superior. Nesse caso, considera-se o pivô na posição 𝑎 .

3 DECOMPOSIÇÃO LU

3.1 CONCEITO

A resolução de sistemas lineares pode ser obtida através de métodos

numéricos que são divididos em métodos diretos e métodos iterativos.
O método da decomposição LU é um dos métodos diretos, que são
métodos que permitem obter a solução do sistema linear realizando um número
finito de operações. Neste caso a solução é exata, a menos de erros de
arredondamento, e é possível determinar o esforço computacional gasto para
obter a solução.
Neste método, para a solução de um sistema linear usa-se o fato de que,
nas condições necessárias, uma matriz quadrada pode ser decomposta como
um produto de duas matrizes triangulares.
 Considere o sistema linear 𝐴 = 𝐵, onde A é uma matriz invertível (det(A)
≠ 0). Nessa condição, a matriz 𝐴 pode ser decomposta como o produto 𝐴 = 𝐿𝑈,
onde 𝐿 é uma matriz triangular inferior e 𝑈 é uma matriz triangular superior.
Teorema: se a matriz 𝐴 é tal que det (𝐴) ≠ 0, então existe uma única matriz
triangular inferior 𝐿 = 𝑙 , onde 𝑙 = 𝑚 (multiplicadores do método de Gauss)
e uma matriz triangular superior 𝑈 = 𝑢 , tal que 𝐴 = 𝐿𝑈 (CONTE, 1965).
Podemos reescrever o teorema da seguinte forma: se o método da
eliminação de Gauss pode ser efetuado sobre a matriz 𝐴, então pode ser escrita
por 𝐴 = 𝐿𝑈, onde 𝐿 é uma matriz triangular inferior com 𝑙 = 1, e 𝑈 é uma
matriz triangular superior.
O teorema fornece um processo para construir as matrizes 𝐿 e 𝑈. A matriz
𝐿 é obtida pelos multiplicadores utilizados no processo da eliminação de Gauss,
sendo que 𝑙 = 1, e a matriz 𝑈 é a própria matriz triangular superior obtida no
processo da decomposição de Gauss.
1 0 0 … 0 𝑢 𝑢 𝑢 … 𝑢
⎡𝑙 1 0 … ⎤ ⎡ 0 𝑢 𝑢 … 𝑢 ⎤
⎢ 0⎥
⎢ 0 ⎥
𝐿 = ⎢𝑙 𝑙 1 … 0⎥ e 𝑈 = ⎢ 0 𝑢 … 𝑢 ⎥
⎢ ⋮ ⋮ ⋮ ⋱ ⋮⎥ ⎢⋮ ⋮ ⋮ ⋱ ⋮ ⎥
⎣𝑙 𝑙 𝑙 … 1⎦ ⎣0 0 0 … 𝑢 ⎦

A vantagem do método da decomposição 𝐿𝑈 é que podemos alterar o

vetor 𝐵, e não é necessário refazer os cálculos do método da eliminação de
Gauss, pois efetuamos as operações somente sobre as linhas da matriz 𝐴.

3.2 DECOMPOSIÇÃO LU COM PIVOTAMENTO

Nas operações elementares aplicadas sobre as linhas da matriz A no

método de Gauss aparece a operação de divisão pelo pivô. Na maioria das
operações de divisão são gerados erros de arredondamento que vão se
acumulando ao longo das eliminações sucessivas. Outros problemas que
observamos nesse método são o caso em que um dos pivôs é igual a zero (o
que impossibilita a obtenção do multiplicador) ou o caso em que os
multiplicadores assumem valores muito grandes (pivô próximo de zero).
 Podemos associar o processo da decomposição 𝐿𝑈 a um processo de
pivota-mento parcial para evitar pivôs nulos (ou próximos de zero) e diminuir a
perda de significação. Para aplicar a estratégia de pivotamento parcial ao Método
da Decomposição 𝐿𝑈, faz-se necessário armazenar um vetor de permutação 𝑃,
que armazena a informação das trocas de linhas.
Nesse caso, continuamos com a decomposição 𝐴 = 𝐿𝑈 e os sistemas
triangulares a serem resolvidos são:
𝐿 =𝐵e𝑈 =𝑦
onde 𝐵 é o vetor obtido do vetor B alterando a ordem das linhas de acordo com
o vetor de permutação 𝑃.
Ao resolver um sistema linear por métodos diretos, é interessante adotar
um método com o menor número possível de operações possíveis. Neste caso,
o método de decomposição 𝐿𝑈 é o mais indicado. Apesar do número total de
operações ser da mesma ordem que o método de Gauss, a decomposição 𝐿𝑈
acumula menos erros de arredondamento.
Outro fator importante que devemos considerar é que, em sistemas mal
condicionados, isto é, sistemas nos quais uma pequena variação nos
coeficientes acarreta uma variação enorme na solução do sistema, o método de
pivotamento torna-se imprescindível, pois a solução do sistema fica menos
sensível a erros de arredondamento.

4 IMPLEMENTANDO OS MÉTODOS DEFINIDOS

4.1 FUNÇÃO MATLAB PARA O MÉTODO DE ELIMINAÇÃO DE GAUSS

function [x]=eliminagausspivotteste(A,b)
%--------------------------------------------------------------------
% elimanagauss : eliminação de Gauss para solução de um sistema linear
% Variáveis:
% [x]=elimanagauss(A,b)
% ENTRADA
% A : matriz dos coeficientes
% b: vetor de coeficientes
% SAÍDA
% x : vetor solução

%--------------------------------------------------------------------
[m,n]=size(A);
if m~=n, error ('a matriz A deve ser quadrada'), end

nb=n+1; % dimensão da matriz A mais o vetor b

Aum= [A b]; % Matriz Aumentada

% Eliminação Progressiva
for k= 1:n-1

[maior,i] = max(abs(Aum(k:n,k)));
ipr = i+k-1; % trocando as linhas
if ipr ~=k
Aum([k,ipr],:)=Aum([ipr,k],:); %
end

for i=k+1:n
fatorm = Aum(i,k)/Aum(k,k); % fator multiplicativo
Aum(i,k:nb) = Aum(i,k:nb) -fatorm*Aum(k,k:nb);
end
end

% Substituição Regressiva
x=zeros(n,1);
x(n)=Aum(n,nb)/Aum(n,n);
for i=n-1:-1:1
x(i) = (Aum(i,nb) -Aum(i,i+1:n)*x(i+1:n))/Aum(i,i);
end

4.2 FUNÇÃO MATLAB PARA A DECOMPOSIÇÃO LU

function [x]= decomposicaoLUteste(A,b);

%--------------------------------------------------------------------
% Decomposição LU : Decomposição LU para solução de um sistema linear
% Variáveis:
% [x]=decomposicaoLUteste(A,b)
% ENTRADA
% A : matriz dos coeficientes
% b: vetor de coeficientes
% SAÍDA
% x : vetor solução

%--------------------------------------------------------------------

% Decomposição LU
n=length(A); % ordem da matriz A
U=zeros(n); % matriz de zeros para montagem da matriz
superior
L=zeros(n); % matriz de zeros para montagem da matriz
inferior

for j=1:n % criação de um vetor para alocação da posição

dos pivôs
pivot(j,1)=j;
end

for j=1:n-1 % decomposição via pivotação parcial

 p=j;
Amax=abs(A(j,j));
for k=j+1:n
if abs(A(k,j))>Amax
Amax=abs(A(k,j));
p=k;
end
end
if p~=j
for k=1:n
t=A(j,k);
A(j,k)=A(p,k);
A(p,k)=t;
end
m=pivot(j,1);
pivot(j,1)=pivot(p,1);
pivot(p,1)=m;

end

if abs(A(j,j))~=0
r=1/A(j,j);
for l=j+1:n
mult=A(l,j)*r;
A(l,j)=mult;
for m=j+1:n
A(l,m)=A(l,m)-mult*A(j,m);
end
end
end
end

for j=1:n % montagem das matrizes L e U

for k=1:n
if j<=k
U(j,k)=A(j,k);
else
L(j,k)=A(j,k);
end
end
end

L=L+eye(n); % adicionando a diagonal principal

à matriz inferior

% Conferência do resultado
B=L*U;

for j=1:n % organizando as linhas do resultado

A(pivot(j,1),:)=B(j,:);
end

d=L\b; % Resolve Ld=b

x=U\d; % Resolve Ux=d

xm=A\b;

% Apresentação do Resultado
disp('Matriz L:');
disp(L);
disp('Matriz U:');
disp(U);
disp('x:');
disp(x)
end

5 IMPLEMENTAÇÃO

%------------------------------------------------------------
% Programa para a Resolução de Sistemas de Equações Lineares por
% diferentes Métodos:
% Método de Eliminação de Gauss
% Decomposição LU
% Professora : Lindaura Maria Steffens
% Alunas: Ana Júlia da Silva; Amanda Lima; Karine Votri
%------------------------------------------------------------
%
% Primeiro limpa a memória do Matlab, a tela, fecha gráficos
clear; clc; close all;

%------------------------------------------------------------
% ELIMINAÇÃO GAUSSIANA
%------------------------------------------------------------
% SISTEMA 1
A1=[10 2 -1 ; -3 -6 2 ; 1 1 5];
b1=[27 -61.5 -21.5]';

% %SISTEMA 2
A2=[8 3 1; -6 0 7 ; 2 4 -1];
b2=[12 1 5]';

% %SISTEMA 3
A3=[15 -3 -1; -3 18 -6 ; -4 -1 12];
b3=[3800 1200 2350]';

% SISTEMA 4 (ESCOLHIDO PELO GRUPO)

A4 = [ 7 1 1 2; 1 6 3 1; 4 1 9 2; 1 2 7 12];
b4 = [10 45 15 35]';

%%
[x]=eliminagausspivotteste(A4,b4)

Tabela = figure('Name','Resultado Obtido Eliminação-

gauss','Position',[400 100 710 100]);
C = [x];
columnname = {'Vetor solução do sistema'};
t = uitable('Units','normalized','position',[0.1 0.1 1.9
.9],'Data',C,'columnname',columnname);
RES = [(1:1:(length(x))) x'];

%%
[x]= decomposicaoLUteste(A4,b4)
 Tabela = figure('Name','Resultado Obtido Decomposição
LU','Position',[400 100 710 100]);
C = [x];
columnname = {'Vetor solução do sistema'};
t = uitable('Units','normalized','position',[0.1 0.1 1.9
.9],'Data',C,'columnname',columnname);
RES = [(1:1:(length(x))) x'];

6 RESULTADOS
6.1 SISTEMA 1

Valores de 𝑥 , 𝑥 e 𝑥 obtidos pela eliminação de Gauss

Valores de 𝑥 , 𝑥 e 𝑥 obtidos pela Decomposição LU

6.2 SISTEMA 2

Valores de 𝑥 , 𝑥 e 𝑥 obtidos pela eliminação de Gauss

Valores de 𝑥 , 𝑥 e 𝑥 obtidos pela Decomposição LU

6.3 SISTEMA 3

Valores de 𝑥 , 𝑥 e 𝑥 obtidos pela eliminação de Gauss

Valores de 𝑥 , 𝑥 e 𝑥 obtidos pela Decomposição LU

6.4 SISTEMA 4

Valores de 𝑥 , 𝑥 e 𝑥 obtidos pela eliminação de Gauss

Valores de 𝑥 , 𝑥 e 𝑥 obtidos pela Decomposição LU

7 CONCLUSÃO
Concluímos que para todos os sistemas escolhidos, tendo diagonal
principal dominante ou não, o método de eliminação de gauss resolveu e
convergiu todos os resultados. Já para os sistemas que a diagonal principal não
é dominante o método da decomposição LU calculou o sistema, porém divergiu,
já para os sistemas que a diagonal principal e dominante este método resolveu
e convergiu.

REFERÊNCIAS
FREITAS O., Rafael. CORREIA I. L., Rejane. MACHADO S. V., PATRÍCIA
CÁLCULO NÚMERO. Porto Alegre, SAGAH EDUCAÇÃO S.A, 2019. Pg 105 a
126.