Baixe o app para aproveitar ainda mais
Prévia do material em texto
Cálculo numérico Aula 5: Sistemas de Equações Lineares Apresentação Nesta aula, veremos a resolução de Sistemas de Equações Lineares, utilizando métodos diretos e métodos iterativos. Objetivos Identi�car, comparar e aplicar diferentes métodos para solução de sistemas de equações lineares. Métodos diretos Métodos diretos são aqueles que fornecem a solução exata do sistema linear, se ela existir, a menos em caso de erro de arredondamento. A seguir, estudaremos métodos diretos, estudaremos os seguintes métodos diretos: de Gauss-Jordan e da decomposição LU. Métodos diretos O método de Gauss-Jordan consiste em um processo de transformação de um sistema linear qualquer em um sistema linear escalonado equivalente. Para isso, utilizaremos os conhecimentos adquiridos na disciplina de Álgebra Linear. Generalizando o procedimento: de�na a matriz completa, de forma que a diagonal principal não seja nula. Caso isso ocorra, permute as linhas; de�na o pivô da linha (a ); k-ésimo passo: - k = {1,...,n}; divida a k-ésima equação (linha) pelo pivô (a K); subtraia das 1ª, 2ª,..., (k-1)ª, n-ésima equação, a k-ésima equação multiplicada por a , a ,..., a , a , a , respectivamente. kk kk 1k 2k k-1,k k+1,k n.k Saiba mais Clique aqui e saiba mais sobre o método de Gauss-Jordan. javascript:void(0); Algoritmo Seja o sistema linear Ax = b, A: n x m, x: n x 1, b: n x 1 Método da decomposição LU ou fatoração LU Novamente, trabalharemos com a matriz escrita na forma Ax = B. O processo de decomposição LU consiste em decompor a matriz A (matriz dos coe�cientes) em um produto de dois ou mais fatores, e, em seguida, resolver uma sequência de sistemas lineares que levará a solução do sistema original. Então, teremos A = LU; onde L é uma matriz triangular inferior de ordem m x n com diagonal principal contendo apenas 1’s, e U é uma matriz de ordem m x n que é da forma escalonada reduzida de A. Saiba mais Clique aqui e saiba mais sobre o método da decomposição LU. Métodos iterativos O método iterativo consiste em generalizar o procedimento na busca de raiz (ou raízes) de uma equação. É denominado iterativo quando fornece uma sequência de soluções aproximadas, na qual cada solução aproximada é obtida a partir da solução encontrada na sequência anterior, pela aplicação de um mesmo procedimento. Para isso, utilizaremos a decomposição Ax = B e os procedimentos anteriormente estudados. Método de Gauss-Jacobi O método de Gauss-Jacobi transforma o sistema linear AX = B em X = CX +G = 𝜑(x). De�nimos a matriz C com ordem n x n e G um vetor de ordem n x 1. Observe que a função 𝜑(x) é uma função de iteração dada na forma matricial. Os métodos que trabalhamos anteriormente podem ser resolvidos na forma matricial quando envolvem um sistema de equações e não mais apenas uma equação 𝜑(x), como na aula anterior. Saiba mais javascript:void(0); Clique aqui e saiba mais sobre o método de Gauss-Jacobi. Teorema: critério das linhas Seja o sistema linear Ax = B e seja . Se , então, o método de Gauss-Jacobi gera uma sequência de xk que converge para a solução do sistema, independentemente da escolha da aproximação inicial x0. Exemplo: Logo, podemos aplicar o método de Gauss-Jacobi que o mesmo levará à convergência. =ak | |∑nj=l j≠k akj | |akk a = ma | | < 1xl≤k≤n ∞k A = ⎡ ⎣ ⎢ 10 1 2 2 5 3 1 1 10 ⎤ ⎦ ⎥ = = 0. 3 < 1a1 2+1 10 = = 0. 4 < 1a2 1+1 5 = = 0. 2 < 1a3 2+3 10 Método de Gauss-Jacobi O método de Gauss-Jacobi transforma o sistema linear AX = B em X = CX +G = 𝜑(x). De�nimos a matriz C com ordem n x n e G um vetor de ordem n x 1. Observe que a função 𝜑(x) é uma função de iteração dada na forma matricial. Os métodos que trabalhamos anteriormente podem ser resolvidos na forma matricial quando envolvem um sistema de equações e não mais apenas uma equação 𝜑(x), como na aula anterior. Saiba mais Clique aqui e saiba mais sobre o método de Gauss-Seidel javascript:void(0); javascript:void(0); Critério de Sassenfeld Sejam e e seja . Então, o método de Gauss-Seidel gera uma sequência que converge independentemente do ponto inicial x0. Além disso, quanto menor for B, mais rápido será a convergência. Portanto, Temos, então, a garantia de que o método de Gauss-Seidel levará à convergência. Observação: o critério das linhas utilizado no método de Gauss-Jacobi pode ser utilizado para garantir a convergência do método de Gauss-Seidel. No entanto, pode ocorrer de o critério das linhas não ser satisfeito e o de Sassenfeld ser. Logo, o sistema converge. = = 0. 4β1 | |+| |+...+| |a12 a13 aln 5 =βj | |. +| | +...+|ajll|aj1 β1 aj2 β2 ajj β = ma se β < 1.x1≤j≤n βj ⎧ ⎩ ⎨ ⎪ ⎪ 5 + + = 5x1 x2 x3 3 + 4 + = 6x1 x2 x3 3 + 3 + 6 = 0x1 x2 x3 = = 0. 4β1 1+1 5 = = 0. 6β2 3(0.4)+1 4 = = 0. 5β3 3(0.4)+3(0.6) 6 β = 0. 6 < 1.=max1≤j≤n βj Comparando os métodos numéricos Os métodos diretos são processos finitos. Portanto, na teoria, a solução de qualquer sistema não singular de equações será obtida. O método iterativo só obterá a solução se suas condições de convergência forem garantidas. No caso da matriz ser esparsa (ou seja, possuir muitos elementos zeros), os métodos diretos não são aconselháveis, pois, durante o processo de triangulação de A, a esparsidade pode ser destruída. Os métodos iterativos conservam a esparsidade. Os métodos diretos apresentam erros de arredondamento, mas o pivoteamento ameniza este problema. Os métodos iterativos têm menos erros de arredondamento, pois, garantido a convergência pelo teorema, serão independentes do ponto inicial x0. Questão 1 Seja o sistema linear a seguir. Determine o valor de a que garante a convergência, caso ele exista, utilizando o critério das linhas. ⎧ ⎩ ⎨ ⎪ ⎪ 3 + 1 = 3x1 x3 − = 1x1 x2 3 + + 2 = 9x1 x2 x3 Questão 2 Seja o sistema linear a seguir. Determine o valor de b que garante a convergência, caso ele exista, utilizando o critério de Sanssenfeld. ⎧ ⎩ ⎨ ⎪ ⎪ 3 + 1 = 3x1 x3 − = 1x1 x2 3 + + 2 = 9x1 x2 x3 Questão 3 Utilizando o método de Gauss-Jordan, encontre a solução do sistema linear a seguir: ⎧ ⎩ ⎨ ⎪ ⎪ x + 4y + 3z = 1 2x + 5y + 4z = 4 x − 3y − 2z = 5 NotasReferências ARENALES, Selma Helena de Vasconcelos; DAREZZO, Artur. Cálculo numérico: aprendizagem com apoio de software. São Paulo: Thomson Learning, 2008. BARROSO, Leônidas Conceição et. al. Cálculo numérico: com aplicações. 2. ed. São Paulo: Harbra, 1987. RUGGIERO, Marcia A. Gomes; LOPES, Vera Lucia da Rocha. Cálculo numérico: aspectos teóricos e computacionais. 2. ed. São Paulo: Pearson, 2006. Próxima aula Identi�cação e aplicação de técnicas de aproximação de funções, ou seja, interpolação polinomial e ajuste de funções; Implementação dos algoritmos. Explore mais Pesquise na internet sites, vídeos e artigos relacionados ao conteúdo visto. Se ainda tiver alguma dúvida, fale com seu professor online, utilizando os recursos disponíveis no ambiente de aprendizagem.
Compartilhar