Baixe o app para aproveitar ainda mais
Prévia do material em texto
Análise Numérica – Sistemas de Equações Lineares Prof. Matheus Nohra Haddad matheus.haddad@ufop.edu.br Sala A302 Departamento de Computação e Sistemas Universidade Federal de Ouro Preto mailto:matheus.haddad@ufop.edu.br SISTEMAS DE EQUAÇÕES LINEARES Um sistema de equações lineares pode ser representado na forma: 𝑎11 𝑎12 ⋯ 𝑎1𝑛 𝑥1 𝑎21 𝑎22 ⋯ 𝑎2𝑛 𝑥2 ⋮ ⋮ ⋱ ⋮ ⋮ 𝑎𝑛1 𝑎𝑛2 ⋯ 𝑎𝑛𝑛 𝑥𝑛 = 𝑏1 𝑏2 ⋮ 𝑏𝑛 𝐴𝑥 = 𝑏 Matriz dos coeficientes Vetor solução Vetor de termo independentes NÚMERO DE SOLUÇÕES O número de soluções de um sistema linear pode ser determinado de acordo com o determinante da matriz dos coeficientes. det 𝐴 ≠ 0 – Solução única. det 𝐴 = 0 – Infinitas ou nenhuma solução. Quando o determinante for igual a zero o que pode determinar se o sistema tem infinitas ou nenhuma solução é o escalonamento da matriz dos coeficientes junto com o vetor de termos independentes. MÉTODOS PARA SOLUÇÃO DE SISTEMAS LINEARES Métodos diretos São aqueles em que a solução exata é obtida com um número finito de operações Métodos iterativos A solução é obtida por meio de iterações. A precisão da solução é determinada de acordo com o número de iterações. SISTEMAS TRIANGULARES São sistemas nos quais a matriz dos coeficientes A é triangular inferior ou superior; SISTEMAS TRIANGULARES Inferior 𝑙11 0 ⋯ 0 𝑙21 𝑙22 ⋯ 0 ⋮ ⋮ ⋱ ⋮ 𝑙𝑛1 𝑙𝑛2 ⋯ 𝑙𝑛𝑛 𝑥1 𝑥2 ⋮ 𝑥𝑛 = 𝑏1 𝑏2 ⋮ 𝑏𝑛 Neste sistema a solução pode ser calculada simplesmente por substituições sucessivas. ALGORITMO DE SUBSTITUIÇÕES SUCESSIVAS 𝑙11 0 ⋯ 0 𝑙21 𝑙22 ⋯ 0 ⋮ ⋮ ⋱ ⋮ 𝑙𝑛1 𝑙𝑛2 ⋯ 𝑙𝑛𝑛 𝑥1 𝑥2 ⋮ 𝑥𝑛 = 𝑏1 𝑏2 ⋮ 𝑏𝑛 𝑙11𝑥1 = 𝑏1 1 𝑏1 𝑥 = 𝑙11 𝑙21𝑥1 + 𝑙22𝑥2 =𝑏2 2 𝑏2 − 𝑙21𝑥1 𝑥 = 𝑙22 ALGORITMO DE SUBSTITUIÇÕES SUCESSIVAS 𝑙11 0 ⋯ 0 𝑙21 𝑙22 ⋯ 0 ⋮ ⋮ ⋱ ⋮ 𝑙𝑛1 𝑙𝑛2 ⋯ 𝑙𝑛𝑛 𝑥1 𝑥2 ⋮ 𝑥𝑛 = 𝑏1 𝑏2 ⋮ 𝑏𝑛 𝑙31𝑥1 + 𝑙32𝑥2 + 𝑙33𝑥3 = 𝑏3 3 𝑏3 − 𝑥 = 𝑙31𝑥1 + 𝑙32𝑥2 𝑙33 ALGORITMO DE SUBSTITUIÇÕES SUCESSIVAS 𝑙11 0 ⋯ 0 𝑙21 𝑙22 ⋯ 0 ⋮ ⋮ ⋱ ⋮ 𝑙𝑛1 𝑙𝑛2 ⋯ 𝑙𝑛𝑛 𝑥1 𝑥2 ⋮ 𝑥𝑛 = 𝑏1 𝑏2 ⋮ 𝑏𝑛 𝑥𝑖 = 𝑗 =1𝑏𝑖 − ∑ 𝑖−1 𝑙𝑖𝑗𝑥𝑗 𝑙𝑖 𝑖 ALGORITMO DE SUBSTITUIÇÕES SUCESSIVAS Transformando em pseudocódigo Algoritmo Substituições sucessivas Utilizado para soluções de sistemas triangulares Entrada: A – Matriz dos coeficientes b – Vetor de termos independentes n – Ordem do sistema Saída: x – Vetor solução Para i = 1 até n faça soma = 0; Para j = 1 até i – 1 faça soma = soma + A(i,j)*x(j); Fim para x(i) = (b(i) - soma)/A(i,i); Fim Para ALGORITMO DE SUBSTITUIÇÕES RETROATIVAS 𝑢11 𝑢12 ⋯ 𝑢1𝑛 𝑥1 0 𝑢22 ⋯ 𝑢2𝑛 𝑥2 ⋮ ⋮ ⋱ ⋮ ⋮ 0 0 0 𝑢𝑛𝑛 𝑥𝑛 = 𝑏1 𝑏2 ⋮ 𝑏𝑛 𝑥 = 𝑗 =𝑖+1𝑏𝑖 − ∑ 𝑛 𝑢𝑖𝑗𝑥𝑗 𝑙𝑖 𝑖 ELIMINAÇÃO DE GAUSS Dispositivo prático 𝐴 = 1 3 2 −2 8 4 −6 5 −1 , 𝑏 = 11 −15 29 L Multiplicador A b Operação 1 1 -3 2 11 2 -2 8 -1 -15 3 4 -6 5 29 ELIMINAÇÃO DE GAUSS Dispositivo prático 𝐴 = 1 3 2 −2 8 4 −6 5 −1 , 𝑏 = 11 −15 29 L Multiplicador A b Operação 1 1 -3 2 11 2 𝑚21 = −2/ 1 = −2 -2 8 -1 -15 3 4 -6 5 29 ELIMINAÇÃO DE GAUSS Dispositivo prático 𝐴 = 1 3 2 −2 8 4 −6 5 −1 , 𝑏 = 11 −15 29 L Multiplicador A b Operação 1 1 -3 2 11 2 𝑚21 = −2/1 = −2 -2 8 -1 -15 3 𝑚31 = 4/1 = 4 4 -6 5 29 ELIMINAÇÃO DE GAUSS Dispositivo prático 𝐴 = 1 3 2 −2 8 4 −6 5 −1 , 𝑏 = 11 −15 29 L Multiplicador A b Operação 1 1 -3 2 11 2 𝑚21 = −2/1 = −2 -2 8 -1 -15 3 𝑚31 = 4/1 = 4 4 -6 5 29 4 −𝑚21𝐿1 + 𝐿2 ELIMINAÇÃO DE GAUSS Dispositivo prático 𝐴 = 1 3 2 −2 8 4 −6 5 −1 , 𝑏 = 11 −15 29 L Multiplicador A b Operação 1 1 -3 2 11 2 𝑚21 = −2/1 = −2 -2 8 -1 -15 3 𝑚31 = 4/1 = 4 4 -6 5 29 4 0 2 3 7 −𝑚21𝐿1 + 𝐿2 ELIMINAÇÃO DE GAUSS Dispositivo prático 𝐴 = 1 3 2 −2 8 4 −6 5 −1 , 𝑏 = 11 −15 29 L Multiplicador A b Operação 1 1 -3 2 11 2 𝑚21 = −2/1 = −2 -2 8 -1 -15 3 𝑚31 = 4/1 = 4 4 -6 5 29 4 0 2 3 7 −𝑚21𝐿1 + 𝐿2 5 −𝑚31𝐿1 + 𝐿3 ELIMINAÇÃO DE GAUSS Dispositivo prático 𝐴 = 1 3 2 −2 8 4 −6 5 −1 , 𝑏 = 11 −15 29 L Multiplicador A b Operação 1 1 -3 2 11 2 𝑚21 = −2/1 = −2 -2 8 -1 -15 3 𝑚31 = 4/1 = 4 4 -6 5 29 4 0 2 3 7 −𝑚21𝐿1 + 𝐿2 5 0 6 -3 -15 −𝑚31𝐿1 + 𝐿3 ELIMINAÇÃO DE GAUSS Dispositivo prático 𝐴 = 1 3 2 −2 8 4 −6 5 −1 , 𝑏 = 11 −15 29 L Multiplicador A b Operação 1 1 -3 2 11 2 𝑚21 = −2/1 = −2 -2 8 -1 -15 3 𝑚31 = 4/1 = 4 4 -6 5 29 4 0 2 3 7 −𝑚21𝐿1 + 𝐿2 5 𝑚32 = 6/2 = 3 0 6 -3 -15 −𝑚31𝐿1 + 𝐿3 6 ELIMINAÇÃO DE GAUSS Dispositivo prático 𝐴 = 1 3 2 −2 8 4 −6 5 −1 , 𝑏 = 11 −15 29 L Multiplicador A b Operação 1 1 -3 2 11 2 𝑚21 = −2/1 = −2 -2 8 -1 -15 3 𝑚31 = 4/1 = 4 4 -6 5 29 4 0 2 3 7 −𝑚21𝐿1 + 𝐿2 5 𝑚32 = 6/2 = 3 0 6 -3 -15 −𝑚31𝐿1 + 𝐿3 6 −𝑚32𝐿4 + 𝐿5 ELIMINAÇÃO DE GAUSS Dispositivo prático 𝐴 = 1 3 2 −2 8 4 −6 5 −1 , 𝑏 = 11 −15 29 L Multiplicador A b Operação 1 1 -3 2 11 2 𝑚21 = −2/1 = −2 -2 8 -1 -15 3 𝑚31 = 4/1 = 4 4 -6 5 29 4 0 2 3 7 −𝑚21𝐿1 + 𝐿2 5 𝑚32 = 6/2 = 3 0 6 -3 -15 −𝑚31𝐿1 + 𝐿3 6 0 0 -12 -36 −𝑚32𝐿4 + 𝐿5 ELIMINAÇÃO DE GAUSS (ALGORITMO) Algoritmo Eliminação de Gauss Objetivo: Determinar o sistema triangular superior Entrada: A – Matriz dos coeficientes b – Vetor de termos independentes n – Ordem do sistema Saída: A – Matriz dos coeficientes escalonada b – Vetor de termos independentes ajustados Para j = 1 até n - 1 faça Para i = j+1 até n faça m(i,j) = A(i,j)/A(j,j); Para k = 1 até n faça A(i,k) = -m(i,j)*A(j,k) + A(i,k); Fim para b(i) = -m(i,j)*b(j) + b(i); Fim para Fim para L Multiplicador A b Operação 1 1 -3 2 11 2 𝑚21 = −2/1 = −2 -2 8 -1 -15 3 𝑚31 = 4/1 = 4 4 -6 5 29 4 0 2 3 7 −𝑚21𝐿1 + 𝐿2 5 𝑚32 = 6/2 = 3 0 6 -3 -15 −𝑚31𝐿1 + 𝐿3 6 0 0 -12 -36 −𝑚32𝐿4 + 𝐿5 DECOMPOSIÇÃO LU Podemos decompor uma matriz qualquer A no produto de duas outras, uma triangular inferior L (Lower) e outra triangular superior U (Upper). 𝐴 = 𝐿𝑈 Podemos usar esta propriedade para ajudar na solução de um sistema linear. Então vejamos: 𝐴𝑥 = 𝑏 𝐿𝑈𝑥 = 𝑏 Podemos então fazer uma transformação de variáveis. 𝑈𝑥 = 𝑦 𝐿𝑦 = 𝑏 DECOMPOSIÇÃO LU Utilizamos a eliminação de Gauss para determinar a matrizes L e U: A matriz L é obtida utilizando os multiplicadores. 𝐿 = 0 0 ⋯ 0 1 0 ⋯ 0 1 𝑚21 𝑚31 𝑚32 ⋮ ⋮ 𝑚𝑛1 𝑚𝑛2 1 ⋯ 0 ⋮ ⋱ ⋮ 𝑚𝑛3 ⋯ 1 A matriz U é obtida utilizando a matriz A escalonada. 𝑈 = 𝑢11 𝑢12 ⋯ 𝑢1𝑛 0 𝑢22 ⋯ 𝑢2𝑛 ⋮ ⋮ ⋱ ⋮ 0 0 ⋯ 𝑢𝑛𝑛 PROPRIEDADES DO DETERMINANTE Se duas linhas de matriz forem trocadas, então o determinante troca o sinal. det 𝐵 = −1 𝑡det 𝐴 onde t = número de trocas Se todos os elementos de uma linha de A forem multiplicados por uma constante k então o valor do determinante fica multiplicado pela mesma constante. B(1,:) = kA(1,:) então det(B) = kdet(A) PROPRIEDADES DO DETERMINANTE Se um múltiplo escalar de uma linha ou coluna de A for somado à outra linha ou coluna, respectivamente, então o determinante não se altera. B = A e B 𝑖, : = 𝐴 𝑖, : + 𝑘𝐴 𝑙, : com 𝑙 ≠ 𝑖 então det(B) = det(A) Se uma matriz for triangular 𝑛 det(A) = ∏ 𝑎𝑖𝑖 𝑖=1 Se C = AB então det 𝐶 = det 𝐴 det 𝐵 PROPRIEDADES DO DETERMINANTE Utilizando estas propriedades é possível calcular o determinante facilmente dentro dos algoritmos de solução de sistemas lineares. PROPRIEDADES DO DETERMINANTE Cálculo do determinante com decomposição LU Usando a propriedade do determinante de uma matriz triangular 𝑛 det(L) = ∏ 𝑙𝑖𝑖 𝑖=1 𝑛 det(U) = ∏ 𝑢𝑖𝑖 𝑖=1 PROPRIEDADES DO DETERMINANTE Usando a propriedade da multiplicação de matrizes e determinantes det 𝐴 = det 𝐿 det 𝑈 𝑖=1 det 𝐿 = 1, det 𝑈 = ∏ 𝑢𝑖 𝑖 det 𝐴 𝑛 = 1 ∏ 𝑢𝑖𝑖 ∴ det 𝐴 𝑖=1 𝑛 = ∏ 𝑢𝑖𝑖 𝑖=1 𝑛 ELIMINAÇÃO DE GAUSS COM PIVOTAÇÃO PARCIAL Dispositivo prático 𝐴 = 1 3 2 −2 8 4 −6 5 −1 , 𝑏 = 11 −15 29 L Multiplicador A b Operação 1 1 -3 2 11 2 -2 8 -1 -15 3 4 -6 5 29ELIMINAÇÃO DE GAUSS COM PIVOTAÇÃO PARCIAL Dispositivo prático 𝐴 = 1 3 2 −2 8 4 −6 5 −1 , 𝑏 = 11 −15 29 L Multiplicador A b Operação 1 𝑚11 = 1/ 4 = 0,25 1 -3 2 11 2 -2 8 -1 -15 3 4 -6 5 29 ELIMINAÇÃO DE GAUSS COM PIVOTAÇÃO PARCIAL Dispositivo prático 𝐴 = 1 3 2 −2 8 4 −6 5 −1 , 𝑏 = 11 −15 29 L Multiplicador A b Operação 1 𝑚11 = 1/4 = 0,25 1 -3 2 11 2 𝑚21 = −2/ 4 = −0,5 -2 8 -1 -15 3 4 -6 5 29 ELIMINAÇÃO DE GAUSS COM PIVOTAÇÃO PARCIAL Dispositivo prático 𝐴 = 1 3 2 −2 8 4 −6 5 −1 , 𝑏 = 11 −15 29 L Multiplicador A b Operação 1 𝑚11 = 1/4 = 0,25 1 -3 2 11 2 𝑚21 = −2/4 = −0,5 -2 8 -1 -15 3 4 -6 5 29 1 −𝑚11𝐿3 + 𝐿1 ELIMINAÇÃO DE GAUSS COM PIVOTAÇÃO PARCIAL Dispositivo prático 𝐴 = 1 3 2 −2 8 4 −6 5 −1 , 𝑏 = 11 −15 29 L Multiplicador A b Operação 1 𝑚11 = 1/4 = 0,25 1 -3 2 11 2 𝑚21 = −2/4 = −0,5 -2 8 -1 -15 3 4 -6 5 29 1 0 -1,5 0,75 3,75 −𝑚11𝐿3 + 𝐿1 ELIMINAÇÃO DE GAUSS COM PIVOTAÇÃO PARCIAL Dispositivo prático 𝐴 = 1 3 2 −2 8 4 −6 5 −1 , 𝑏 = 11 −15 29 L Multiplicador A b Operação 1 𝑚11 = 1/4 = 0,25 1 -3 2 11 2 𝑚21 = −2/4 = −0,5 -2 8 -1 -15 3 4 -6 5 29 1 0 -1,5 0,75 3,75 −𝑚11𝐿3 + 𝐿1 2 −𝑚21𝐿3 + 𝐿2 ELIMINAÇÃO DE GAUSS COM PIVOTAÇÃO PARCIAL Dispositivo prático 𝐴 = 1 3 2 −2 8 4 −6 5 −1 , 𝑏 = 11 −15 29 L Multiplicador A b Operação 1 𝑚11 = 1/4 = 0,25 1 -3 2 11 2 𝑚21 = −2/4 = −0,5 -2 8 -1 -15 3 4 -6 5 29 1 0 -1,5 0,75 3,75 −𝑚11𝐿3 + 𝐿1 2 0 5 1,5 -0,5 −𝑚21𝐿3 + 𝐿2 ELIMINAÇÃO DE GAUSS COM PIVOTAÇÃO PARCIAL Dispositivo prático 𝐴 = 1 3 2 −2 8 4 −6 5 −1 , 𝑏 = 11 −15 29 L Multiplicador A b Operação 1 𝑚11 = 1/4 = 0,25 1 -3 2 11 2 𝑚21 = −2/4 = −0,5 -2 8 -1 -15 3 4 -6 5 29 1 𝑚12 = −1,5/ 5 = −0,3 0 -1,5 0,75 3,75 −𝑚11𝐿3 + 𝐿1 2 0 5 1,5 -0,5 −𝑚21𝐿3 + 𝐿2 ELIMINAÇÃO DE GAUSS COM PIVOTAÇÃO PARCIAL Dispositivo prático 𝐴 = 1 3 2 −2 8 4 −6 5 −1 , 𝑏 = 11 −15 29 L Multiplicador A b Operação 1 𝑚11 = 1/4 = 0,25 1 -3 2 11 2 𝑚21 = −2/4 = −0,5 -2 8 -1 -15 3 4 -6 5 29 1 𝑚12 = −1,5/ 5 = −0,3 0 -1,5 0,75 3,75 −𝑚11𝐿3 + 𝐿1 2 0 5 1,5 -0,5 −𝑚21𝐿3 + 𝐿2 −𝑚12𝐿2 + 𝐿1 ELIMINAÇÃO DE GAUSS COM PIVOTAÇÃO PARCIAL Dispositivo prático 𝐴 = 1 3 2 −2 8 4 −6 5 −1 , 𝑏 = 11 −15 29 L Multiplicador A b Operação 1 𝑚11 = 1/4 = 0,25 1 -3 2 11 2 𝑚21 = −2/4 = −0,5 -2 8 -1 -15 3 4 -6 5 29 1 𝑚12 = −1,5/ 5 = −0,3 0 -1,5 0,75 3,75 −𝑚11𝐿3 + 𝐿1 2 0 5 1,5 -0,5 −𝑚21𝐿3 + 𝐿2 1 0 0 1,2 3,6 −𝑚12𝐿2 + 𝐿1 ELIMINAÇÃO DE GAUSS COM PIVOTAÇÃO PARCIAL Dispositivo prático 𝐴 = 1 3 2 −2 8 4 −6 5 −1 , 𝑏 = 11 −15 29 L Multiplicador A b Operação 1 𝑚11 = 1/4 = 0,25 1 -3 2 11 2 𝑚21 = −2/4 = −0,5 -2 8 -1 -15 3 4 -6 5 29 1 𝑚12 = −1,5/5 = −0,3 0 -1,5 0,75 3,75 −𝑚11𝐿3 + 𝐿1 2 0 5 1,5 -0,5 −𝑚21𝐿3 + 𝐿2 1 0 0 1,2 3,6 −𝑚12𝐿2 + 𝐿1 𝒑 = 3 2 1 SOLUÇÃO DE SISTEMA LINEAR COM PIVOTAÇÃO PARCIAL Para iniciar o processo de solução do sistema linear baseado na decomposição da matriz dos coeficientes precisamos determinar uma matriz P. A matriz P é uma matriz identidade com as linhas na ordem do vetor p. Para o exemplo acima teríamos uma matriz P. 0 0 1 𝑃 = 0 1 0 1 0 0 O vetor p = [3 2 1] por isto a terceira linha foi trocada de lugar com a primeira. SOLUÇÃO DO SISTEMA LINEAR COM PIVOTAÇÃO PARCIAL Fazendo a transformação de variáveis 𝑃𝐴 = 𝐿𝑈 Multiplicando por P o sistema Ax=b 𝑃𝐴𝑥 = 𝑃𝑏 𝐿𝑈𝑥 = 𝑃𝑏 Fazendo a mudança de variáveis 𝐿𝑦 = 𝑃𝑏 𝑈𝑥 = 𝑦 SOLUÇÃO DO SISTEMA LINEAR COM PIVOTAÇÃO PARCIAL Montando a matriz L Os valores de 𝑚𝑖𝑗 são dados tais que j é a posição da coluna do elemento e i = p(k) onde k é o número da linha. Para o exemplo anterior temos: 𝐿 = 𝑝 = 3 2 1 1 𝒎𝒊𝟏 𝒎𝒊𝟏 0 0 1 0 𝒎𝒊𝟐 1 𝒎𝒊𝟏 ∴ 𝑖 = 𝑝 2 𝒎𝒊𝟏 ∴ 𝑖 = 𝑝 3 𝒎𝒊𝟐 ∴ 𝑖 = 𝑝 3 = 2 ∴ 𝒎𝟐𝟏 = 1 ∴ 𝒎𝟏𝟏 = 1 ∴ 𝒎𝟏𝟐 𝐿 = 1 𝒎𝟐𝟏 𝒎𝟏𝟏 𝒎𝟏𝟐 0 0 1 0 1 SOLUÇÃO DO SISTEMA LINEAR COM PIVOTAÇÃO PARCIAL Para o exemplo anterior 𝐿 = 1 𝒎𝟐𝟏 𝒎𝟏𝟏 0 0 1 0 𝒎𝟏𝟐 1 1 0 0 𝐿 = −𝟎,𝟓 1 0 𝟎,𝟐𝟓 −𝟎,𝟑 1 𝑈 = 4 −6 5 0 5 1,5 0 0 1,2 CÁLCULO DO DETERMINANTE De acordo com a decomposição pela eliminação de Gauss com pivotação 𝑃𝐴 = 𝐿𝑈 det 𝑃𝐴 = det 𝐿𝑈 Usando as propriedades de determinante det 𝐴 = det 𝐿 det 𝑈 det 𝑃 det 𝐿 = ∏ 𝑙𝑖𝑖 = 1 det 𝑈 = ∏𝑢𝑖𝑖 DECOMPOSIÇÃO DE CHOLESKY Utilizada quando a matriz dos coeficientes é simétrica e definida positiva. Diz que uma matriz A simétrica e definida positiva pode ser decomposta na multiplicação de uma matriz triangular inferior pela sua transposta. 𝐴 = 𝐿𝐿𝑇 DECOMPOSIÇÃO DE CHOLESKY Determinando os elementos de L. 𝑙11 0 0 0 𝑙21 𝑙31 𝑙22 0 𝑙32 𝑙33 𝑙41 𝑙42 𝑙43 𝑙44 𝑙11 𝑙21 𝑙31 0 0 𝑙22 𝑙32 0 0 0 𝑙33 0 0 0 𝑙41 𝑙42 𝑙43 𝑙44 = 𝑎11 𝑎21 𝑎31 𝑎41 𝑎12 𝑎22 𝑎32 𝑎42 𝑎13 𝑎23 𝑎33 𝑎43 𝑎14 𝑎24 𝑎34 𝑎44 DECOMPOSIÇÃO DE CHOLESKY Determinando os elementos de L. 𝑙11 0 0 0 𝑙21 𝑙31 𝑙22 0 𝑙32 𝑙33 𝑙41 𝑙42 𝑙43 𝑙44 𝑙11 𝑙21 𝑙31 0 0 𝑙22 𝑙32 0 0 0 𝑙33 0 0 0 𝑙41 𝑙42 𝑙43 𝑙44 = 𝑎14 𝑎24 𝑎34 𝑎11 𝑎21 𝑎31 𝑎41 𝑎12 𝑎22 𝑎32 𝑎42 𝑎13 𝑎23 𝑎33 𝑎43 𝑎44 41𝑙 2 + 𝑙2 + 𝑙2 + 𝑙2 42 43 44 = 𝑎44 44𝑙 2 = 𝑎44 − 41𝑙 2 + 𝑙2 + 𝑙2 42 43 𝑙44 = 𝑎44 − 41𝑙 2 + 𝑙2 + 𝑙2 42 43 DECOMPOSIÇÃO DE CHOLESKY Determinando os elementos de L. 𝑙11 𝑙21 𝑙31 𝑙41 0 0 𝑙22 0 𝑙32 𝑙33 𝑙42 𝑙43 0 𝑙11 𝑙21 𝑙31 𝑙41 0 0 𝑙22 𝑙32 𝑙42 0 0 0 𝑙33 𝑙43 𝑙44 0 0 0 𝑙44 = 𝑎11 𝑎21 𝑎31 𝑎41 𝑎12 𝑎22 𝑎32 𝑎42 𝑎13 𝑎23 𝑎33 𝑎43 𝑎14 𝑎24 𝑎34 𝑎44 𝑙44 = 𝑎44 − 41𝑙 2 42+ 𝑙 2 43+ 𝑙 2 𝑙𝑖𝑖 = 𝑗 =1 𝑖−1 𝑖 𝑗 𝑎𝑖𝑖 − ∑ 𝑙2 , 𝑗 = 1,2, ⋯ , 𝑛 DECOMPOSIÇÃO DE CHOLESKY Determinando os elementos de L. 𝑙11 𝑙21 0 0 0 𝑙22 0 0 𝑙31 𝑙32 𝑙33 0 𝑙41 𝑙42 𝑙43 𝑙44 𝑙11 𝑙21 𝑙31 0 𝑙22 𝑙32 0 0 𝑙33 0 0 0 𝑙41 𝑙42 𝑙43 𝑙44 = 𝑎13 𝑎23 𝑎33 𝑎11 𝑎21 𝑎31 𝑎41 𝑎12 𝑎22 𝑎32 𝑎42 𝑎43 𝑎14 𝑎24 𝑎34 𝑎44 𝑙41𝑙31 + 𝑙42𝑙32 + 𝑙43𝑙33 = 𝑎43 43 𝑎43 − 𝑙 = 𝑙41𝑙31 + 𝑙42𝑙32 𝑙33 DECOMPOSIÇÃO DE CHOLESKY Determinando os elementos de L. 𝑙11 𝑙21 𝑙31 𝑙41 0 0 𝑙22 0 𝑙32 𝑙33 𝑙42 𝑙43 0 𝑙11 𝑙21 𝑙31 𝑙41 0 0 𝑙22 𝑙32 𝑙42 0 0 0 𝑙33 𝑙43 𝑙44 0 0 0 𝑙44 = 𝑎11 𝑎21 𝑎31 𝑎41 𝑎12 𝑎22 𝑎32 𝑎42 𝑎13 𝑎23 𝑎33 𝑎43 𝑎14 𝑎24 𝑎34 𝑎44 43 𝑎43 − 𝑙 = 𝑙41𝑙31 + 𝑙42𝑙32 𝑙33 𝑙𝑖𝑗 = 𝑘=1𝑎𝑖𝑗−∑ 𝑗−1 𝑙𝑖𝑘𝑙𝑗𝑘 𝑙𝑗𝑗 𝑗 = 1,2, ⋯ , 𝑛 − 1 e 𝑖 = 𝑗 + 1, 𝑗 + 2, ⋯ ,𝑛 SOLUÇÃO DO SISTEMA LINEAR COM DECOMPOSIÇÃO DE CHOLESKY Forma do sistema linear 𝐿𝐿𝑇𝑥 = 𝑏 𝐿𝑇𝑥 = 𝑦 𝐿𝑦 = 𝑏 CÁLCULO DO DETERMINANTE Usando as propriedades de determinante 𝐴 = 𝐿𝐿𝑇 det 𝐴 = det 𝐿 det 𝐿𝑇 det 𝐴 𝑛 𝑛 = ∏ 𝑙𝑖 𝑖 ∏ 𝑙𝑖 𝑖 ∴ det 𝑖=1 𝑖=1 2𝑛 det(A) = ∏𝑙𝑖𝑖 𝑖=1 MÉTODOS ITERATIVOS ESTACIONÁRIOS Nestes métodos partimos de uma solução inicial 𝑥0 e construímos uma sequência 𝑥1, 𝑥2,⋯ , 𝑥𝑘 que deve convergir para a solução exata 𝑥∗ do sistema. Seja 𝑀 uma matriz de iteração e 𝒄 um vetor constante qualquer. Um método iterativo pode ser definido como 𝑥𝑘+1 = 𝑀𝑥𝑘 + 𝒄 Um método definido desta forma é dito estacionário quando 𝑀 for fixa durante todo o processo de determinação da solução. CONDIÇÃO DE CONVERGÊNCIA Teorema O método iterativo converge com qualquer valor inicial 𝑥0 se e somente se, 𝜌 𝑀 < 1, sendo 𝜌 𝑀 o raio espectral da matriz de iteração 𝑀. O cálculo do raio espectral pode ser mais caro que o cálculo da solução. Podemos então utilizar o critério das linhas para os métodos de Jacobi e Gauss-Seidel. CONDIÇÃO SUFICIENTE DE CONVERGÊNCIA 𝑎𝑖 𝑖 Teorema É condição suficiente para a convergência dos métodos iterativos de Jacobi e Gauss-Seidel que a matriz dos coeficientes 𝐴 seja diagonal estritamente dominante, ou seja, 𝑛 >∑ 𝑎𝑖𝑗 𝑗=1 𝑗≠𝑖 , 𝑖 = 1,2, ⋯ ,𝑛 CRITÉRIO DE PARADA Com a sequência gerada pelo método iterativo, convergente, então lim 𝑥𝑘 =𝑥∗ 𝑘→∞ Para 𝑘 > 0 a solução é obtida comexatidão crescente. Critérios de parada 𝑥𝑘 − 𝑥𝑘+1 𝑥𝑘 ≤ 𝜀 𝑘 ≤ 𝑘𝑚𝑎𝑥 CRITÉRIO DE PARADA A norma adotada pode ser a infinita 1≤𝑖≤𝑛 𝑖max 𝑥 𝑘 − 𝑥𝑘−1 1≤𝑖≤𝑛 max 𝑥𝑘𝑖 𝑖 MÉTODO DE JACOBI Incialmente faremos seguinte decomposição da matriz 𝐴 𝐴 = 𝐷 + 𝐸 + 𝐹 𝑎11 𝑎12 ⋯ 𝑎1𝑛 𝑎21 𝑎22 ⋯ 𝑎2𝑛 ⋮ ⋮ ⋱ ⋮ 𝑎𝑛1 𝑎𝑛2 ⋯ 𝑎𝑛𝑛 = 𝑎11 0 ⋯ 0 0 𝑎22 ⋯ 0 ⋮ ⋮ ⋱ ⋮ 0 0 ⋯ 𝑎𝑛𝑛 + 0 𝑎12 ⋯ 𝑎1𝑛 0 0 ⋯ 𝑎𝑛2 ⋮ ⋮ ⋱ ⋮ 0 0 ⋯ 0 + 0 𝑎12 ⋮ 𝑎𝑛1 0 ⋯ 0 0 ⋯ 0 ⋮ ⋱ ⋮ 𝑎𝑛2 ⋯ 0 APLICANDO AO SISTEMA 𝐴𝑥 = 𝑏 (𝐷 + 𝐸 + 𝐹)𝑥 = 𝑏 𝐷𝑥 + (𝐸 + 𝐹)𝑥 = 𝑏 𝐷𝑥 = 𝑏 −(𝐸 + 𝐹)𝑥 Se existir a inversa de D então 𝑥𝑘+1 = −𝐷−1 𝐸 + 𝐹 𝑥𝑘 + 𝐷−1𝑏 Ou seja 𝑥𝑘+1 = 𝐽𝑥𝑘 + 𝐶 MÉTODO DE JACOBI NA FORMA MATRICIAL Manuseando a equação anterior temos 1𝑥 𝑘+1 2𝑥 𝑘+1 𝑥𝑘+13 ⋯ 𝑛𝑥 𝑘+1 = 0 11 11 11 − 𝑎21/𝑎 22 0 − 𝑎23/𝑎 22 − 𝑎2𝑛/𝑎 22 − 𝑎31/𝑎 33 − 𝑎32/𝑎 33 − 𝑎3𝑛/𝑎 33 ⋮ −𝑎𝑛1/𝑎 𝑛 𝑛 ⋮ −𝑎𝑛2/𝑎 𝑛 𝑛 0 ⋮ −𝑎𝑛3/𝑎 𝑛 𝑛 − 𝑎12/𝑎 − 𝑎13/ 𝑎 ⋯ − 𝑎1𝑛/𝑎 ⋯ ⋯ ⋱ ⋯ ⋮ 0 1𝑥 𝑘 2𝑥 𝑘 𝑥𝑘3 ⋯ 𝑛𝑥 𝑘 + 𝑏1/𝑎 11 𝑏2/𝑎 22 𝑏3/𝑎 33 𝑏𝑛/ ⋮ 𝑎𝑛 𝑛 𝑥𝑘+1 𝐽 𝐶 MÉTODO DE JACOBI NA FORMA EQUAÇÕES Podemos também expressar o método na forma de equações 1𝑥 𝑘+1 = 1 𝑎11 −𝑎12𝑥𝑘 − 𝑎 𝑥𝑘 − ⋯ − 𝑎 𝑥𝑘 + 𝑏 2 13 3 1𝑛 𝑛 1 ⋮ 𝑛𝑥 𝑘+1 = 1 𝑎𝑛𝑛 −𝑎 𝑥𝑘 − 𝑎 𝑥𝑘 − ⋯ − 𝑎𝑛1 1 𝑛2 2 𝑛 ,𝑛−1 𝑛−1𝑥 𝑘 + 𝑏𝑛 Iniciando fazendo 𝑥0 = 0 0 𝑖 1𝑥 = 𝑐 então 𝑥 = 𝑏 𝑎𝑖 𝑖 Então 𝑥0 = 𝑏𝑖 𝑎𝑖 𝑖𝑖 𝑖 𝑖 𝑖 MÉTODO DE GAUSS-SEIDEL Partimos da mesma decomposição 𝐴 = 𝐷 + 𝐸 + 𝐹 O sistema linear fica da seguinte forma 𝐷 + 𝐸 + 𝐹 𝑥 = 𝑏 𝐷 + 𝐸 𝑥 = −𝐹𝑥 + 𝑏 A iteração é obtida pela fórmula de recorrência 𝑥𝑘+1 = −1 𝑥𝑘 +𝐷 + 𝐸 𝐷 + 𝐸 −1𝑏 𝑥𝑘+1 = 𝑆𝑥𝑘 + 𝐶 MÉTODO DE GAUSS-SEIDEL Na forma de equações 1𝑥 𝑘+1 = 1 −𝑎 𝑥𝑘 − 𝑎12 2 13 3𝑥 𝑘 − ⋯ − 𝑎1𝑛 𝑛𝑥 𝑘 + 𝑏1 2𝑥 𝑘+1 = 𝑎11 1 −𝑎21 1𝑥 𝑘+1 − 𝑎23 3𝑥 𝑘 − ⋯ − 𝑎2𝑛 𝑛𝑥 𝑘 + 𝑏2 3𝑥 𝑘+1 = 𝑎22 1 𝑎33 −𝑎31 1𝑥 𝑘+1 − 𝑎32 2𝑥 𝑘+1 − ⋯ − 𝑎3𝑛 𝑛𝑥 𝑘 + 𝑏3 ⋮ 𝑛𝑥 𝑘+1 = 1 𝑎𝑛𝑛 −𝑎𝑛1 1𝑥 𝑘+1 − 𝑎𝑛2 2𝑥 𝑘+1 − ⋯ − 𝑎𝑛 ,𝑛−1 𝑛−1𝑥 𝑘+1 + 𝑏𝑛 MÉTODO DE GAUSS-SEIDEL Valor inicial 𝑥0 = 𝑏𝑖 𝑎𝑖 𝑖
Compartilhar