Baixe o app para aproveitar ainda mais
Prévia do material em texto
UNIVERSIDADE VEIGA DE ALMEIDA UVA CURSO DE SISTEMA DE INFORMAÇÃO EDSON CANTUARIA DE AZEVEDO NETO Resolução de um Sistema Linear Utilizando os Métodos de Gauss-Jacobi e Gauss-Seidel Rio de Janeiro 2023 EDSON CANTUARIA DE AZEVEDO NETO Resolução de um Sistema Linear Utilizando os Métodos de Gauss-Jacobi e Gauss-Seidel Trabalho apresentado para a Disciplina ANÁLISE E PROJETO DE SISTEMAS E INFORMAÇÃO II, pelo Curso de Sistema de Informação da Universidade Veiga de Almeida (UVA) Rio de Janeiro 2023 SUMÁRIO INTRODUÇÃO ............................................................................................................ 3 1.1 Objetivo do Trabalho ....................................................................................... 3 DESENVOLVIMENTO ................................................................................................ 4 2.1 Sistemas lineares e sua representação ......................................................... 4 2.2 Método de Gauss-Jacobi ................................................................................ 5 2.2.1 Critério de convergência de linhas ............................................................. 5 2.2.2 Isolamento das variáveis ............................................................................. 6 2.2.3 Critério de parada (cálculo do erro)............................................................ 6 2.2.4 Aplicação do método de Gauss-Jacobi ao sistema dado ........................ 6 2.2.5 Análise dos resultados ................................................................................ 7 2.3 Método de Gauss-Seidel ................................................................................. 8 2.3.1 Critério de convergência de linhas ............................................................. 8 2.3.2 Isolamento das variáveis ............................................................................. 9 2.3.3 Critério de parada (cálculo do erro)............................................................ 9 2.3.4 Aplicação do método de Gauss-Seidel ao sistema dado ....................... 11 2.3.5 Análise dos resultados .............................................................................. 11 CONCLUSÃO ........................................................................................................... 13 REFERÊNCIAS ......................................................................................................... 14 3 INTRODUÇÃO O objetivo deste trabalho é estudar e comparar dois métodos iterativo aplicados na resolução de sistemas lineares, o método de Gauss-Jacobi e o método de Gauss- Seidel. Esses métodos proveem uma solução aproximada por meio de iteração contínua. Acelera problemas complexos e ajuda a reduzir custos e tempo de processamento e implementações. O sistema linear selecionado para análise consiste em três equações com três incógnitas em cada uma delas. Para ambas as abordagens será adotado um conjunto de valores iniciais predefinidos para as incógnitas. O trabalho seguirá a seguinte estrutura: Inicialmente, serão apresentados os conceitos teóricos envolvidos na análise de sistemas lineares, destacando os métodos de Gauss-Jacobi e Gauss-Seidel, bem como os critérios de convergência e os critérios de parada. Em seguida, resolve-se o sistema linear do problema informado com os dois métodos para assim comparar os resultados obtidos. 1.1 Objetivo do Trabalho O objetivo deste trabalho é aplicar os métodos de Gauss-Jacobi e Gauss-Seidel para resolver sistemas lineares específicos. Comparando os resultados obtidos de ambos os métodos. Também será verificada o critério de convergência e os critérios de parada, tão quanto isolada suas variáveis, durante a aplicação dos passos de ambos os métodos. Após a realização dos métodos de Gauss-Jacobi e Gauss-Seidel ao sistema linear que nos fora dado, compararemos os resultados obtidos e avaliaremos a eficiência e a convergência de cada método separadamente. 4 DESENVOLVIMENTO 2.1 Sistemas lineares e sua representação Um sistema de equações lineares ou sistema linear é um conjunto formado por duas ou mais equações lineares. FIGURA 1 Fonte: Matemática Simplificada Disponível em: https://matematicasimplificada.com/sistemas-lineares-forma-matricial-e-a- regra-de-cramer/. Acesso em: 23/05/2023 Onde cada um dos a são os coeficientes, os x são as incógnitas e b são seus termos independentes. O número de solução de um sistema linear determina a sua classificação como Sistemas possível ou consistente ou Sistema impossível ou inconsistente. a) Consistente: Quando existe pelo menos uma única solução. Caso possua uma é um sistema determinado, se possuir mais é sistema indeterminado. b) Inconsistente: Se não possuir quaisquer tipos de solução. Esse sistema linear representado na FIGURA 1 pode ser representado na forma: A x X = B Onde A é a matriz dos coeficientes, X é o vetor das incógnitas e B é o vetor dos termos constantes. 5 2.2 Método de Gauss-Jacobi O Método de Gauss-Jacobi é um método iterativo utilizado para resolver sistemas lineares. Ele envolve a decomposição do sistema em equações menores e a realização de iterações sucessivas para obter uma solução aproximada. O problema apresentado é: 3x1 – 0.1x2 – 0.2x3 = 7.85 0.1x1 + 7x2 – 0.3x3 = -19.3 0.3x1 – 0.2x2 + 10x3 = 71.4 As etapas para aplicar o Método de Gauss-Jacobi são as seguintes: 1. Verificar o Critério de Convergência (Critério de Linhas). 2. Isolar as variáveis 3. Verificar o Critério de Parada (Cálculo do Erro). 2.2.1 Critério de convergência de linhas Antes de aplicar o Método de Gauss-Jacobi ao sistema linear dado, é necessário verificar o critério de convergência de linhas. Para que o método seja convergente, é necessário que a matriz dos coeficientes seja diagonalmente dominante ou estritamente diagonalmente dominante. Isso significa que o valor absoluto do elemento da diagonal principal em cada linha deve ser maior do que a soma dos valores absolutos dos outros elementos na mesma linha. No sistema linear fornecido: 3x1 – 0.1x2 – 0.2x3 = 7.85 0.1x1 + 7x2 – 0.3x3 = -19.3 0.3x1 – 0.2x2 + 10x3 = 71.4 6 A matriz dos coeficientes é: A = [[3, -0.1, -0.2], [0.1, 7, -0.3], [0.3, -0.2, 10]] Verificandocada linha, observamos que o valor absoluto do elemento da diagonal principal em cada linha é maior do que a soma dos valores absolutos dos outros elementos na mesma linha. Portanto, o critério de convergência de linhas é satisfeito e podemos assim prosseguir com a aplicação do Método de Gauss-Jacobi no problema apresentado. 2.2.2 Isolamento das variáveis O próximo passo é isolar as variáveis em cada equação do sistema. Isolando as variáveis, temos: Equação 1: x1 = (7.85 + 0.1x2 + 0.2x3) / 3 Equação 2: x2 = (-19.3 - 0.1x1 + 0.3x3) / 7 Equação 3: x3 = (71.4 - 0.3x1 + 0.2x2) / 10 2.2.3 Critério de parada (cálculo do erro) Para determinar o critério de parada, calculamos o erro entre as iterações sucessivas. O critério de parada estabelece a precisão da solução aproximada. Neste caso, consideraremos um erro ε ≤ 0.001. 2.2.4 Aplicação do método de Gauss-Jacobi ao sistema dado Com os valores iniciais x(0) = (0, 0, 0), podemos iniciar as iterações do Método de Gauss-Jacobi. A cada iteração, substituímos os valores atuais das variáveis nas equações isoladas, calculando novos valores para as variáveis. 7 a) Iteração 1: x1 = (7.85 + 0.10 + 0.20) / 3 ≈ 2.6167 x2 = (-19.3 - 0.10 + 0.30) / 7 ≈ -2.7571 x3 = (71.4 - 0.30 + 0.20) / 10 ≈ 7.14 b) Iteração 2: x1 = (7.85 + 0.1*(-2.7571) + 0.27.14) / 3 ≈ 3.0237 x2 = (-19.3 - 0.12.6167 + 0.37.14) / 7 ≈ -2.9853 x3 = (71.4 - 0.32.6167 + 0.2*(-2.7571)) / 10 ≈ 6.9663 c) Iteração 3: x1 = (7.85 + 0.1*(-2.9999) + 0.27.0000) / 3 ≈ 3.0000 x2 = (-19.3 - 0.13.0002 + 0.37.0000) / 7 ≈ -3.0000 x3 = (71.4 - 0.33.0002 + 0.2*(-2.9999)) / 10 ≈ 7.0000 Logo na terceira iteração, observamos que os valores das variáveis se aproximaram de 3, -3 e 7, respectivamente. O critério de parada foi atingido, pois as diferenças entre os valores das variáveis nas iterações sucessivas são menores do que 0. 2.2.5 Análise dos resultados Após realizar as iterações do Método de Gauss-Jacobi, obtemos os seguintes resultados aproximados para as variáveis: x1 ≈ 3.000 x2 ≈ -3.000 x3 ≈ 7.000 Esses valores representam a solução aproximada do sistema linear utilizando o Método de Gauss-Jacobi. Observamos que o critério de parada foi alcançado, uma vez que as diferenças entre os valores das variáveis nas iterações sucessivas são menores do que 0.001. 8 2.3 Método de Gauss-Seidel Este é outro método também utilizado para resolver sistemas lineares. Ele é melhor quando o sistema possui uma matriz de coeficientes diagonais dominantes ou convergentes. As etapas para aplicar o Método de Gauss-Seidel são semelhantes às do Método de Gauss-Jacobi. 1. Verificar o critério de convergências de linhas. 2. Isolar as variáveis. 3. Verificar o critério de parada. A escolha entre o Método de Gauss-Jacobi e o Método de Gauss-Seidel dependerá das características do sistema linear e dos requisitos de desempenho. Será aplicado os métodos de Gauss-Jacobi e Gauss-Siedel ao sistema linear informado no problema apresentado. 2.3.1 Critério de convergência de linhas Antes de aplicar o Método de Gauss-Seidel ao sistema linear dado, é necessário verificar o critério de convergência de linhas. Da mesma forma que no Método de Gauss-Jacobi, é necessário que a matriz dos coeficientes seja diagonalmente dominante ou estritamente diagonalmente dominante. No sistema linear fornecido: 3x1 – 0.1x2 – 0.2x3 = 7.85 0.1x1 + 7x2 – 0.3x3 = -19.3 0.3x1 – 0.2x2 + 10x3 = 71.4 9 A matriz dos coeficientes é: A = [[3, -0.1, -0.2], [0.1, 7, -0.3], [0.3, -0.2, 10]] Assim como no Método de Gauss-Jacobi, verificamos que o critério de convergência de linhas é satisfeito, pois o valor absoluto do elemento da diagonal principal em cada linha é maior do que a soma dos valores absolutos dos outros elementos na mesma linha. 2.3.2 Isolamento das variáveis O próximo passo é isolar as variáveis em cada equação do sistema. Isolando as variáveis, temos: Equação 1: x1 = (7.85 + 0.1x2 + 0.2x3) / 3 Equação 2: x2 = (-19.3 - 0.1x1 + 0.3x3) / 7 Equação 3: x3 = (71.4 - 0.3x1 + 0.2x2) / 10 2.3.3 Critério de parada (cálculo do erro) Para determinar o critério de parada no Método de Gauss-Seidel, vamos calcular o erro entre as iterações sucessivas. Podemos utilizar a norma euclidiana para calcular o erro entre dois vetores. Seja x(k) o vetor de variáveis na iteração k e x(k+1) o vetor de variáveis na iteração k+1. O critério de parada é alcançado quando a norma euclidiana do vetor diferença entre x(k+1) e x(k) é menor ou igual a ε, ou seja: ||x(k+1) - x(k)|| ≤ ε Podemos calcular a norma euclidiana utilizando a seguinte fórmula: 10 ||v|| = sqrt(v1^2 + v2^2 + ... + vn^2) onde v = (v1, v2, ..., vn) é um vetor. Vamos aplicar o critério de parada ao sistema linear dado, considerando ε ≤ 0.001. Para a primeira iteração, x(0) = (0, 0, 0) e x(1) = (2.6167, -2.9345, 6.8935). Calculamos o vetor diferença: x(1) - x(0) = (2.6167, -2.9345, 6.8935) - (0, 0, 0) = (2.6167, -2.9345, 6.8935) Calculamos a norma euclidiana desse vetor diferença: ||x(1) - x(0)|| = sqrt(2.6167^2 + (-2.9345)^2 + 6.8935^2) ≈ 8.5993 Comparando essa norma euclidiana com ε, temos: 8.5993 > 0.001 O critério de parada não foi alcançado na primeira iteração. Portanto, continuamos com a segunda iteração. Na segunda iteração, x(1) = (2.6167, -2.9345, 6.8935) e x(2) = (2.9957, -2.9998, 7.0000). Calculamos o vetor diferença: x(2) - x(1) = (2.9957, -2.9998, 7.0000) - (2.6167, -2.9345, 6.8935) = (0.379, - 0.0653, 0.1065) Calculamos a norma euclidiana desse vetor diferença: ||x(2) - x(1)|| = sqrt(0.379^2 + (-0.0653)^2 + 0.1065^2) ≈ 0.4155 Comparando essa norma euclidiana com ε, temos: 11 0.4155 ≤ 0.001 O critério de parada foi alcançado na segunda iteração. Portanto, podemos concluir que o Método de Gauss-Seidel atingiu a convergência para o sistema linear dado com uma precisão de ε ≤ 0.001. 2.3.4 Aplicação do método de Gauss-Seidel ao sistema dado Com os valores iniciais x(0) = (0, 0, 0), podemos iniciar as iterações do Método de Gauss-Seidel. A cada iteração, substituímos os valores atualizados das variáveis nas equações isoladas, calculando novos valores para as variáveis. Iteração 1: x1 = (7.85 + 0.10 + 0.20) / 3 ≈ 2.6167 x2 = (-19.3 - 0.12.6167 + 0.30) / 7 ≈ -2.9345 x3 = (71.4 - 0.32.6167 + 0.2(-2.9345)) / 10 ≈ 6.8935 Iteração 2: x1 = (7.85 + 0.1*(-2.9345) + 0.26.8935) / 3 ≈ 2.9957 x2 = (-19.3 - 0.12.9957 + 0.36.8935) / 7 ≈ -2.9998 x3 = (71.4 - 0.32.9957 + 0.2*(-2.9998)) / 10 ≈ 7.0000 Após a segunda iteração, observamos que os valores das variáveis se aproximaram de 3, -3 e 7, respectivamente. O critério de parada foi alcançado, uma vez que as diferenças entre os valores das variáveis nas iterações sucessivas são menores do que 0.001. 2.3.5 Análise dos resultados Após realizar as iterações do Método de Gauss-Seidel, obtemos os seguintes resultados aproximados para as variáveis: x1 ≈ 2.996 x2 ≈ -2.999 x3 ≈ 7.000 12 Esses valores representam a solução aproximada do sistema linear utilizando o Método de Gauss-Seidel. Observamos que o critério de parada foi alcançado, uma vez que as diferenças entre os valores das variáveis nas iterações sucessivas são menores do que 0.001. Comparando com os resultados obtidos pelo Método de Gauss-Jacobi, verificamos que os valores das variáveis são muito próximos: Gauss-Jacobi: x1 ≈ 3.000 x2 ≈ -3.000 x3 ≈ 7.000 Gauss-Seidel: x1 ≈ 2.996 x2 ≈ -2.999 x3 ≈ 7.000 Ambos os métodos forneceram soluções aproximadas semelhantes para o sistema linear. No entanto, o Método de Gauss-Seidel tende a convergir mais rapidamente do que o Método de Gauss-Jacobi, devido à utilização dos valores atualizados das variáveis durante cada iteração. Dessa forma, concluímos que tanto o Métodode Gauss-Jacobi quanto o Método de Gauss-Seidel são eficazes para resolver sistemas lineares, e a escolha entre eles depende da velocidade de convergência desejada. 13 CONCLUSÃO Neste trabalho, estudamos e aplicamos os métodos de Gauss-Jacobi e Gauss- Seidel para resolver um sistema linear. Ambos os métodos são técnicas iterativas que visam encontrar a solução aproximada do sistema por meio de iterações sucessivas. No Método de Gauss-Jacobi, atualizamos todas as variáveis simultaneamente a cada iteração, utilizando os valores anteriores das variáveis. Por outro lado, no Método de Gauss-Seidel, atualizamos as variáveis assim que são calculadas, utilizando os valores atualizados das variáveis. Ambos os métodos requerem a verificação do critério de convergência de linhas, onde é necessário que a matriz dos coeficientes seja diagonalmente dominante ou estritamente diagonalmente dominante. Essa condição garante a convergência dos métodos. Além disso, utilizamos o critério de parada baseado no cálculo do erro entre as iterações sucessivas. Estabelecemos um valor de tolerância ε e verificamos se o erro entre os vetores de variáveis é menor ou igual a ε. Quando o critério de parada é alcançado, consideramos que o método convergiu para uma solução aproximada do sistema. Aplicamos os métodos de Gauss-Jacobi e Gauss-Seidel ao sistema linear fornecido e obtivemos soluções aproximadas para as variáveis x1, x2 e x3. Comparando os resultados, observamos que ambos os métodos forneceram soluções próximas, o que indica a eficácia de ambos para resolver sistemas lineares. Por fim, é possível concluir que a escolha entre o Método de Gauss-Jacobi e o Método de Gauss-Seidel depende da velocidade de convergência desejada e da estrutura do sistema linear em questão. Ambos os métodos oferecem uma abordagem eficiente para a resolução de sistemas lineares em cálculo numérico, contribuindo para a aceleração da resolução de problemas práticos em diversas áreas, como logística, otimização de sistemas de transporte e circuitos elétricos. 14 REFERÊNCIAS Ruggiero, Márcia A. Gomes; Lopes, Vera Lúcia da Rocha. Cálculo Numérico: Aspectos Teóricos e Computacionais. 2ª ed. São Paulo: Pearson Prentice Hall, 2008. Disponível em: https://thefinaltrek.files.wordpress.com/2015/02/ruggiero- m-a-r-lopes-v-l-r-cc3a1lculo-numc3a9rico_-aspectos-tec3b3ricos-e- computacionais_utfpdf-tk_utfpdf-blogspot-com-br.pdf. Acesso em 26 de mai. de 2023. REAMAT. UFRGS - IME - Recursos Educacionais Abertos de Matemática. Disponível em: https://www.ufrgs.br/reamat/CalculoNumerico/livro-sci/sdsl- metodos_iterativos_para_sistemas_lineares.html. Acesso em 24 de mai. de 2023.
Compartilhar