Responda verdadeiro ou falso:
(a) Um sistema linear A x=b pode ter exatamente três soluções distintas.
(b) A eliminação de Gauss pode falhar somente quando a matriz de coeficientes é malcondicionada ou singular.
(c) Se uma matriz tem zero na diagonal principal, então ela é necessariamente singular.
(d) Para qualquer vetor \mathrm{x},\|x\|_{1} \geq\|x\|_{\infty}.
(e) Em matrizes densas usam-se métodos exatos já que os iterativos não convergem.
(f) Existem sistemas lineares que convergem para a solução exata quando qualquer valor real é dado como aproximação inicial em métodos iterativos.
(g) Métodos exatos para solução de sistemas lineares estão sujeitos a erro de truncamento.

Passo 1

O enunciado pede que eu responda verdadeiro ou falso para as afirmações (a) a (g). Vou listar exatamente cada afirmação para ficar claro o que é pedido:
(a) Um sistema linear A x=b pode ter exatamente três soluções distintas.
(b) A eliminação de Gauss pode falhar somente quando a matriz de coeficientes é malcondicionada ou singular.
(c) Se uma matriz tem zero na diagonal principal, então ela é necessariamente singular.
(d) Para qualquer vetor \mathrm{x},\|x\|_{1} \geq\|x\|_{\infty}.
(e) Em matrizes densas usam-se métodos exatos já que os iterativos não convergem.
(f) Existem sistemas lineares que convergem para a solução exata quando qualquer valor real é dado como aproximação inicial em métodos iterativos.
(g) Métodos exatos para solução de sistemas lineares estão sujeitos a erro de truncamento.

Passo 2

Analisando (a): quantas soluções um sistema linear pode ter?
Explicação didática: as soluções de A x=b (se existirem) formam um conjunto que é um ponto (solução única) ou um subespaço afim (infinitas soluções), ou não existe solução. Formalmente, se A é invertível, há exatamente uma solução; se A é singular e o sistema é compatível, o espaço de soluções é da forma \{x_0 + v \mid v\in\mathcal{N}(A)\}, onde \mathcal{N}(A) é o núcleo (um subespaço linear) e tem dimensão \ge 1, logo infinito (contém infinitas direções contínuas). Logo um sistema linear não pode ter um número finito maior que 1 de soluções diferentes: as possibilidades são 0, 1 ou infinitas. Conclusão para (a): falso.

Passo 3

Analisando (b): pode a eliminação de Gauss falhar somente em caso de má-condição ou singularidade?
Explicação didática: “Falhar” precisa ser esclarecido. Na prática, eliminação de Gauss sem pivotamento pode encontrar um pivô igual a zero mesmo quando a matriz é não singular — então o algoritmo puro “falha” se você exigir divisão por um pivô nulo. Além disso, mesmo com pivoteamento, questões numéricas aparecem quando a matriz é malcondicionada (grandes erros de arredondamento), mas isso é diferente de uma falha algorítmica (parada por pivô zero). Portanto a eliminação de Gauss pode falhar (por pivô zero) também quando a matriz é não singular mas tem zeros em posições de pivô; isso é resolvido por pivotamento parcial ou total. Assim afirmar que a falha ocorre somente por malcondicionamento ou singularidade é incorreto: há outra causa (ausência de pivotamento apropriado). Conclusão para (b): falso.

Passo 4

Analisando (c): zero na diagonal principal implica singularidade?
Explicação didática: ter um elemento zero em alguma entrada diagonal a_{ii}=0 não implica que a matriz não tenha inversa. Um contraexemplo simples mostra isso: considere a matriz permutação
A=\begin{pmatrix}0 & 1 \\[4pt] 1 & 0\end{pmatrix}.
Aqui \,a_{11}=0 e \,a_{22}=0, mas \det(A) = -1\neq 0, logo A é invertível (não singular). Assim a presença de zeros na diagonal principal não garante singularidade. Conclusão para (c): falso.]

Passo 5

Analisando (d): relação entre normas \ell_1 e \ell_\infty.
Explicação didática sobre normas: para um vetor x=(x_1,\dots,x_n) definimos
\|x\|_1=\sum_{i=1}^{n}|x_i|
e
\|x\|_\infty=\max_{1\le i\le n}|x_i|.
Prova da desigualdade \|x\|_1\ge\|x\|_\infty: seja M=\|x\|_\infty=\max_i|x_i|. Então cada |x_i|\le M, e pelo menos um |x_j|=M. Somando todos os |x_i| obtemos
\|x\|_1=\sum_{i=1}^n|x_i|\ge |x_j|=M=\|x\|_\infty.
Portanto a desigualdade é verdadeira para todo vetor x. Conclusão para (d): verdadeiro.

Passo 6

Analisando (e): “Em matrizes densas usam-se métodos exatos já que os iterativos não convergem.”
Explicação didática: isso é uma afirmação muito forte e falsa. Iterativos não são intrinsecamente não convergentes em matrizes densas; a convergência depende da matriz e do método. Por exemplo, para matrizes simétricas definidas positivas (muitas vezes densas) o método de Gradientes Conjugados (Conjugate Gradient, CG) converge e é amplamente usado mesmo em matrizes densas quando apropriado. Além disso, critério prático: métodos exatos (diretos) como eliminação de Gauss têm custo O(n^3) e consumo de memória grande para matrizes muito grandes; por isso métodos iterativos são usados mesmo em problemas densos grandes. Dizer que iterativos não convergem é falso: existem muitas classes de matrizes (diagonalmente dominantes, SPD, etc.) onde iterativos convergem. Conclusão para (e): falso.

Passo 7

Analisando (f): “Existem sistemas lineares que convergem para a solução exata quando qualquer valor real é dado como aproximação inicial em métodos iterativos.”
Explicação didática: essa afirmação tem quantificador existencial — basta um exemplo de sistema e método iterativo tal que, para qualquer aproximação inicial, a iteração converge para a solução exata. Isso existe: por exemplo, considere o método de iteração linear
x^{(k+1)}=B\,x^{(k)}+c,
que tem solução fixa x^\ast satisfazendo x^\ast=Bx^\ast+c. Se a matriz de iteração B tem raio espectral \rho(B)<1, então a iteração converge para x^\ast a partir de qualquer x^{(0)}. Para sistemas lineares, condições práticas que garantem isto incluem matrizes estritamente diagonalmente dominantes (Jacobi/Gauss–Seidel convergem) ou matrizes SPD com certos métodos. Outro exemplo extremo e trivial: se A=I e b qualquer, a iteração x^{(k+1)}=b (ou qualquer método consistente) leva imediatamente à solução independentemente do x^{(0)}. Ainda, para o método CG em aritmética exata com A SPD, ele produz a solução exata em no máximo n iterações partindo de qualquer x^{(0)}. Portanto existem sistemas/métodos com convergência para qualquer aproximação inicial. Conclusão para (f): verdadeiro.

Passo 8

Analisando (g): “Métodos exatos para solução de sistemas lineares estão sujeitos a erro de truncamento.”
Explicação didática sobre tipos de erro: erro de truncamento normalmente se refere ao erro introduzido ao truncar uma série infinita ou ao discretizar um operador contínuo (ex.: truncar expansão de Taylor, aproximação por diferença finita). Métodos exatos (diretos) como eliminação de Gauss produzem a solução exata em aritmética real exata; na prática com aritmética de máquina ocorrem erros de arredondamento (round-off), não truncamento. Assim dizer que métodos exatos estão sujeitos a erro de truncamento é incorreto na terminologia padrão — o erro predominante é de arredondamento numérico (e possivelmente propagação/bias devido à má-condição). Em alguns contextos muito específicos pode haver truncamentos (por exemplo ao truncar precisão ou ao aproximar funções), mas de forma geral a afirmação como colocada é falsa. Conclusão para (g): falso.

Resposta

(a) Falso
(b) Falso
(c) Falso
(d) Verdadeiro
(e) Falso
(f) Verdadeiro
(g) Falso

Exercícios relacionados