Baixe o app para aproveitar ainda mais
Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original
1 Material cedido por Prof. Arilo/Profa. Fabíola do IComp } Conceitos Fundamentais e Sistemas Triangulares } Métodos Diretos ◦ Método de Eliminação de GAUSS ◦ Método de Eliminação de JORDAN ◦ Decomposição LU ◦ Análise de Erro na solução de sistemas } Métodos Iterativos ◦ Método de Gauss-Jacobi ◦ Método de Gauss-Seidel 2 3 } Um sistema de equações lineares (abreviadamente, sistema linear) é um conjunto finito de equações lineares nas mesmas variáveis. ◦ Equação linear: equação envolvendo apenas somas ou produtos de constantes e variáveis do primeiro grau. } Algoritmos computacionais para achar soluções são uma parte importante da álgebra linear numérica, e tais métodos têm uma grande importância em: ◦ engenharia, física, química, ciência da computação e economia. 4 } Forma Geral onde: aij à coeficientes xi à incógnitas bi à termos independentes nnnnnn nn nn bxaxaxa bxaxaxa bxaxaxa =+++ =+++ =+++ ... ... ... 2211 22222121 11212111 !!"!! 5 1x5x4x2 2x5x1x4 5x5x4x2 321 321 321 −=++ =−+ =−+ } Exemplo: 2, 4, -5, 4, 1, -5, 2, 4 e 5 à coeficientes x1, x2 e x3 à incógnitas 5, 2 e -1 à termos independentes 6 } Forma Matricial na qual: Ax = b ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ = nn3n2n1n n22221 n112 aaaa aaa aaa A 11 !"!! … … ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ = n 2 1 b b b b !⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ = n 2 1 x x x x ! 7 1x5x4x2 2x5x1x4 5x5x4x2 321 321 321 −=++ =−+ =−+ } Exemplo ◦ Forma Geral ◦ Forma Matricial ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎣ ⎡ − = ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎣ ⎡ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎣ ⎡ − − 1 2 5 x x x . 542 514 542 3 2 1 8 } Classificação: Sistemas Lineares Impossível Possível Determinado Indeterminado Homogêneo 9 } Classificação: ◦ Impossível à Não possui solução Exemplo: 10 } Classificação: ◦ Possível à Possui 1 ou mais soluções Determinado à Solução única Exemplo: 11 } Classificação: ◦ Possível à Possui 1 ou mais soluções Indeterminado à Mais de uma solução Exemplo: 12 } Classificação: ◦ Possível à Possui 1 ou mais soluções Homogêneo à Vetor b=0 (x=0 sempre existe solução) Exemplo: ⎩ ⎨ ⎧ =+ =+ 0x3x2 0xx 21 21 13 } Sistema Triangular Inferior: nnnnnnn b b b b xaxaxaxa xaxaxa xaxa xa ! 3 2 1 332211 333232131 222121 111 ... = = = = = ++++ ++ + ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ = nn3n2n1n 333231 2221 11 aaaa 0aaa 00aa 000a A … !"!!! … … … 14 } Resolução: nn nnnnnnn n a xaxaxaxabx a xaxabx a xabx a bx 11332211 33 2321313 3 22 1212 2 11 1 1 ... −−−−−−−= −− = − = = ! Pergunta Qual a solução deste sistema? É possível elaborar uma fórmula geral para encontrar os valores de x? 15 } Considere um Sistema Triangular Inferior de ordem 4. 4 3 2 1 444343242141 333232131 222121 111 b b b b xaxaxaxa xaxaxa xaxa xa = = = = +++ ++ + Pergunta Qual a solução deste sistema? 16 } Resolução 44 3432421414 4 33 2321313 3 22 1212 2 11 1 1 a xaxaxabx a xaxabx a xabx a bx −−− = −− = − = = 17 } Resolução: método de substituições sucessivas n. ..., 3, 2, 1,i a xab x ii i j jiji i = − = ∑ − = , 1 1 18 } Sistema Triangular Superior nnnn nn nn nn b b b b xa xaxa xaxaxa xaxaxaxa ! 3 2 1 3333 2323222 1313212111 ... ... ... = = = = = ++ +++ ++++ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ = nn n333 n22322 n1131211 a000 aa00 aaa0 aaaa A … !"!!! … … … 19 } Resolução 11 13132121 1 22 24243232 2 33 34343 3 ... ... ... a xaxaxabx a xaxaxabx a xaxabx a bx nn nn nn nn n n −−−− = −−− = −−− = = ! 20 } Elaborar a fórmula geral para encontrar o valor de x para um sistema triangular superior. 21 } Resolução: método de substituições retroativas n. ..., 3, 2, 1,i ,1 = − = ∑ += ii n ij jiji i a xab x 22 } Exemplo: ◦ Dado o sistema: ◦ Primeiro passo para sua resolução: 2x2 3x5x4 1x2xx 10xx5x4x3 4 43 432 4321 = =− −=−+ −=+−+ 1 2 2x4 == 23 } Exemplo: ◦ Segundo passo: ◦ Terceiro passo: 2x 315x4 3x5x4 3 3 43 = =⋅− =− 1x 1122x 1x2xx 2 2 432 −= −=⋅−+ −=−+ 24 } Exemplo: ◦ Último passo: 1x 10125)1(4x3 10xx5x4x3 1 1 4321 = −=+⋅−−⋅+ −=+−+ 25 } Sistemas Lineares Equivalentes ◦ Sistema Lineares equivalentes são sistemas que possuem a mesma solução, ou seja, o mesmo vetor x satisfaz as equações tanto de um quanto de outro. 26 } Exercício: Verificar quais destes sistemas lineares são equivalentes. ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ =⎥ ⎦ ⎤ ⎢ ⎣ ⎡ ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − 7 6 41 22 ) 2 1 x x A ⎥ ⎦ ⎤ ⎢ ⎣ ⎡− =⎥ ⎦ ⎤ ⎢ ⎣ ⎡ ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − 1 2 41 22 ) 2 1 x x B ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ =⎥ ⎦ ⎤ ⎢ ⎣ ⎡ ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − 0 7 12 31 ) 2 1 x x C ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − − =⎥ ⎦ ⎤ ⎢ ⎣ ⎡ ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ 1 2 41 32 ) 2 1 x x D ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − − =⎥ ⎦ ⎤ ⎢ ⎣ ⎡ ⎥ ⎦ ⎤ ⎢ ⎣ ⎡− 6 10 52 41 ) 2 1 x x E ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − =⎥ ⎦ ⎤ ⎢ ⎣ ⎡ ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − 3 5 21 13 ) 2 1 x x F Pergunta Esses sistemas têm solução única? Por quê? 27 } Exercício: Verificar quais destes sistemas lineares são equivalentes. ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ =∴⎥ ⎦ ⎤ ⎢ ⎣ ⎡ =⎥ ⎦ ⎤ ⎢ ⎣ ⎡ ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − 2 1 7 6 41 22 ) 2 1 x x x A ⎥ ⎦ ⎤ ⎢ ⎣ ⎡− =∴⎥ ⎦ ⎤ ⎢ ⎣ ⎡− =⎥ ⎦ ⎤ ⎢ ⎣ ⎡ ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − 0 1 1 2 41 22 ) 2 1 x x x B ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ =∴⎥ ⎦ ⎤ ⎢ ⎣ ⎡ =⎥ ⎦ ⎤ ⎢ ⎣ ⎡ ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − 2 1 0 7 12 31 ) 2 1 x x x C ⎥ ⎦ ⎤ ⎢ ⎣ ⎡− =∴⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − − =⎥ ⎦ ⎤ ⎢ ⎣ ⎡ ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ 0 1 1 2 41 32 ) 2 1 x x x D ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − =∴⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − − =⎥ ⎦ ⎤ ⎢ ⎣ ⎡ ⎥ ⎦ ⎤ ⎢ ⎣ ⎡− 2 2 6 10 52 41 ) 2 1 x x x E ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ =∴⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − =⎥ ⎦ ⎤ ⎢ ⎣ ⎡ ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − 2 1 3 5 21 13 ) 2 1 x x x F 28 } Operações l-Elementares ◦ Sistema Lineares podem ser transformados em sistemas equivalentes por meio de 3 operações l-elementares. Trocar ordem de duas equações. Multiplicar uma equação por uma constante não nula. Somar uma equação à outra. 29 } Operações l-Elementares ◦ Trocar ordem de duas equações. ⎥⎦ ⎤ ⎢ ⎣ ⎡− =∴⎥ ⎦ ⎤ ⎢ ⎣ ⎡− =⎥ ⎦ ⎤ ⎢ ⎣ ⎡ ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − 0 1 1 2 41 22 2 1 x x x ? 2 1 22 41 2 1 =∴⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − =⎥ ⎦ ⎤ ⎢ ⎣ ⎡ ⎥ ⎦ ⎤ ⎢ ⎣ ⎡− x x x ⎥ ⎦ ⎤ ⎢ ⎣ ⎡− = 0 1 x 30 } Operações l-Elementares ◦ Multiplicar uma equação por uma constante não nula. ⎥⎦ ⎤ ⎢ ⎣ ⎡− =∴⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − =⎥ ⎦ ⎤ ⎢ ⎣ ⎡ ⎥ ⎦ ⎤ ⎢ ⎣ ⎡− 0 1 2 1 22 41 2 1 x x x ? 2 2 22 82 2 1 =∴⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − =⎥ ⎦ ⎤ ⎢ ⎣ ⎡ ⎥ ⎦ ⎤ ⎢ ⎣ ⎡− x x x ⎥ ⎦ ⎤ ⎢ ⎣ ⎡− = 0 1 x 31 2 } Operações l-Elementares ◦ Somar uma equação à outra. ? 0 2 100 82 2 1 =∴⎥ ⎦ ⎤ ⎢ ⎣ ⎡ =⎥ ⎦ ⎤ ⎢ ⎣ ⎡ ⎥ ⎦ ⎤ ⎢ ⎣ ⎡− x x x ⎥ ⎦ ⎤ ⎢ ⎣ ⎡− =∴⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − =⎥ ⎦ ⎤ ⎢ ⎣ ⎡ ⎥ ⎦ ⎤ ⎢ ⎣ ⎡− 0 1 2 2 22 82 2 1 x x x ⎥ ⎦ ⎤ ⎢ ⎣ ⎡− = 0 1 x 32 } Equivalência entre sistemas ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ =⎥ ⎦ ⎤ ⎢ ⎣ ⎡ ⎥ ⎦ ⎤ ⎢ ⎣ ⎡− 0 2 100 82 2 1 x x ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − =⎥ ⎦ ⎤ ⎢ ⎣ ⎡ ⎥ ⎦ ⎤ ⎢ ⎣ ⎡− 2 2 22 82 2 1 x x ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − =⎥ ⎦ ⎤ ⎢ ⎣ ⎡ ⎥ ⎦ ⎤ ⎢ ⎣ ⎡− 2 1 22 41 2 1 x x ⎥ ⎦ ⎤ ⎢ ⎣ ⎡− =⎥ ⎦ ⎤ ⎢ ⎣ ⎡ ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − 1 2 41 22 2 1 x x ∼ ∼ ∼ 33 Sistemas Lineares Métodos Diretos Eliminação de Gauss Eliminação de Jordan Decomposição LU Métodos Iterativos Método de Jacobi Método de Gauss-Seidel Métodos que chegam à solução EXATA de sistemas lineares em um número FINITO de passos. Métodos que chegam à solução EXATA de sistemas lineares em um número INFINITO de passos. 34 Sistemas Lineares Métodos Diretos Eliminação de Gauss Eliminação de Jordan Decomposição LU Métodos Iterativos Método de Jacobi Método de Gauss-Seidel 35 } Diretos ◦ Solução pode ser encontrada através de um número finito de passos Método de Gauss Método da Eliminação de Jordan Decomposição LU 36 } Iterativos ◦ Solução a partir de uma sequencia de aproximações para o valor do vetor solução x , até que seja obtido um valor que satisfaça à precisão pré-estabelecida Método de Jacobi Método de Gauss – Siedel 37 Método de Gauss 38 } Propósito ◦ Transformação do sistema linear a ser resolvido em um sistema linear triangular; ◦ Resolução do sistema linear triangular de forma retroativa (método que resolve sistemas triangulares superiores). 39 } Triangularização xA b= x d= n ~ 40 } Resolução x d= n 41 } Transformação do Sistema Linear ◦ Troca da ordem das linhas; ◦ Multiplicação de uma das equações por um número real não nulo; ◦ Substituição de uma das equações por uma combinação linear dela mesma com outra equação. ◦ Transforma um sistema de Ax=b via operações l- elementares em um sistema equivalente Ux = d, onde U é uma matriz triangular superior. Tem-se então Ax=b ∼ Ux = d 42 } Elementos do método ◦ Pivô: elemento da diagonal da coluna que deseja-se eliminar os elementos ◦ Linha Pivotal: a linha que contém o pivô ◦ Multiplicador: relacionado ao elemento da linha i coluna j ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ = ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ −− − − == == −== 1 10 6 5 1202 2121 1231 0211 2/ 1/ 1/ 4 3 2 1 414 313 212 x x x x pivôum pivôum pivôum 43 } Passos do Método de Gauss ◦ Construção da matriz aumentada Ab [ ] ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ = nnn3n2n1n 2n22221 1n11211 baaaa baaa baaa Ab !!"!! … … 44 } Passos do Método de Gauss ◦ Passo 1: Eliminar os coeficientes de x1 presentes nas linhas 2,3,...,n - sendo a21 = a31, = ... = an1 = 0 - sendo a11 chamado de pivô da coluna Substituir a linha 2, L2, pela combinação linear 11 21 2122 :, a amqualnaLmL =⋅− 45 } Passos do Método de Gauss ◦ Substituir a linha 3, L3, pela combinação linear: 11 31 31333 :, a amqualnaLmLL =⋅−= 46 } Passos do Método de Gauss ◦ Deve-se continuar a substituição até a linha n; ◦ Caso algum elemento app=0, achar outra linha k onde akp≠ 0 e trocar tais linhas. Caso a linha k não exista, o sistema linear não possui solução. 47 } Passos do Método de Gauss ◦ Eliminar os coeficientes de x2 nas linhas 3, 4, ..., n (fazer a32=a42=...=an2 = 0); ◦ Eliminar os coeficientes de x3 nas linhas 4, 5, ..., n (fazer a43=a53=...=an3 = 0) e assim sucessivamente. 48 } Exemplo: ◦ Resolver o sistema: Matriz aumentada Ab 1xx3x2 3x3x4x4 5xx3x2 321 321 321 −=+− =−+ =−+ [ ] ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎣ ⎡ −− − − = 1132 3344 5132 Ab 49 } Exemplo: ◦ Faz-se: ◦ Assim: 2, 11 21 21222 ==⋅−= a amLmLL [ ] [ ] [ ]7120L 513223344L 2 2 −−−= −⋅−−= 50 } Exemplo: ◦ Faz-se: ◦ Assim: 1, 11 31 31333 ==⋅−= a amLmLL [ ] [ ] [ ]6260L 513211132L 3 3 −−= −⋅−−−= 51 } Exemplo: ◦ Obtém-se a matriz: [ ] ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎣ ⎡ −− −−− − = 6260 7120 5132 Ab 52 } Exemplo: ◦ Substituindo a linha 3 por: ◦ Têm-se: 3, 22 32 32333 ==⋅−= a amLmLL [ ] [ ] [ ]15500L 712036260L 3 3 = −−−⋅−−−= 53 } Exemplo: ◦ A matriz [Ab] fica assim com os seguintes valores: [ ] ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎣ ⎡ −−− − = 15500 7120 5132 Ab 54 } Exemplo: ◦ Usa-se a solução retroativa: ⎪ ⎪ ⎪ ⎩ ⎪ ⎪ ⎪ ⎨ ⎧ =⇒=⇒=−+⇒ ⇒=−⋅+ =⇒=−−⇒−=−− =⇒= 1x22x5362x 5xx32x 2x732x7x2x 3x155x 111 321 2232 33 55 } Exemplo 2: ◦ Resolver o sistema. ◦ Representando o sistema pela matriz aumentada: 9,8x8,7x7,5x7,2 7,11x5,4x3,2x2,4 10x3,3x4,5x5,1 321 321 321 =++ =++ =++ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ = 9,88,77,57,2 7,115,43,22,4 103,34,55,1 ][Ab 56 } Exemplo 2: ◦ Escolhendo a primeira linha como pivô, obtém-se: [ ] [ ] [ ] [ ] [ ] [ ] 9,11,864,020 L 103,35,41,5(2,7/1,5)8,97,85,72,7LmLL 16,34,7412,820 L 103,35,41,5(4,2/1,5)11,74,52,34,2LmLL 3 1333 2 1222 −−−= ⋅−=⋅−= −−−= ⋅−=⋅−= 57 } Exemplo 2: ◦ Representando o sistema pela matriz aumentada: [AB] = 1,5 5,4 3,3 10 0 −12,82 −4,74 −16,3 0 −4,02 1,86 −9,1 " # $ $ $ % & ' ' ' 58 } Exemplo 2: ◦ Escolhendo agora a segunda linha como pivô, têm-se: L3 =L3 −m3 ⋅L1 L3 = 0 −4,02 −1,86 −9,1 # $ % &− −4,02 / −12,82( ) ⋅ 0 −12,82 −4,74 −16,3#$ % & L3 = 0 0 3,3463 −3,9888 # $ % & 59 } Exemplo 2: ◦ Obtêm-se a seguinte matriz ampliada: ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − −−−= 3,98883,346300 16,34,7412,820 103,35,41,5 [AB] 60 } Exemplo 2: ◦ O que termina com a triangulação: ⎪ ⎩ ⎪ ⎨ ⎧ −=⋅+⋅+⋅ −=⋅−⋅−⋅ =⋅+⋅+ 3,9888x3,3463x0x0 16,3x4,74x12,82x0 10x3,3x5,41,5x 321 321 321 61 } Exemplo 2: ◦ Com solução: x3 = -3,9888/3,3463=-1,1918 x2 =[ -16,3 - (-4,74)⋅(-1,1920)]/(-12,82) = 1,7121 x1 = [10 - 5,4(1,7122) - 3,3(-1,1920)]/1,5 = 3,1251 62 63 64 65 Algoritmo da Triangularização ( Eliminação de Gauss ) Inicio Entrada: Uma matriz estendida Ann+1 Para k = 1, 2, ..., n-1 faça ( k determina o passo ) Para i = k+1 , ..., n ( i determina as linhas que serão alteradas ). Início If akk = 0 then troca_linha(k,k+1) mik := -aik/akk (linha corrente e coluna = coluna do passo k) Para j = 1, ..., n +1 faça (j determina a coluna na linha corrente) aij:= aij + mik* akj Fim Fim Saída: Uma matriz triangular Superior Ann+1 66 Algoritmo da Retrosubstituição Início Entrada: Uma matriz triangular superior Ann+1 xn:= bn/ann Para k:= n-1, ..., 1 faça Início xk:=bk; Para i = k+1, ..., n faça xk := xk –aki*xi; xk := xk/akk; Fim Saida: Um vetor x. Fim } Semelhante ao método de Gauss; } Minimiza a amplificação de erros de arredondamento durante as eliminações; } Consiste em escolher o elemento de maior módulo em cada coluna para ser o pivô. } Utilizando tanto na Eliminação de GAUSS quanto na Decomposição LU. 67 } Exemplo 3: ◦ Resolver o sistema com precisão de 4 casas decimais 9,8x8,7x7,5x7,2 7,11x5,4x3,2x2,4 10x3,3x4,5x5,1 321 321 321 =++ =++ =++ 68 } Exemplo 3: ◦ Matriz aumentada original deve ser ajustada: ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎣ ⎡ 9,88,77,57,2 7,115,43,22,4 103,34,55,1 ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎣ ⎡ 9,88,77,57,2 103,34,55,1 7,115,43,22,4 69 } Exemplo 3: ◦ Sistema inalterado, elemento pivô 4,2. ◦ Encontrar as novas linhas: ]1,37864,90714,22140[L ]11,74,52,34,2[(2,7/4,2) ]8,97,85,72,7[LmLL ]5,82141,69294,57860[L ]11,74,52,34,2[1,5/4,2) ]103,35,41,5[LmLL 3 1333 2 1222 = ⋅ −=−= = ⋅ −=⋅−= . ( 70 } Exemplo 3: ◦ A matriz ampliada fica da forma: ◦ Como o elemento já é o pivô da 2ª coluna, tem- se: ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ 1,37864,90714,22140 5,82141,69294,57860 11,74,52,34,2 ]3,98863,346300[L ]5,82141,69294,57860[5786)(4,2214/4, ]1,37864,90714,22140[LmLL 3 2333 −= ⋅ −=⋅−= 4,5786 71 } Exemplo 3: ◦ A matriz ampliada fica na forma: ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ 3,9886-3,346300 5,82141,69294,57860 11,74,52,34,2 72 } Exemplo 3: ◦ A solução do sistema triangular que resultou dessas operações é: x3 = -3,9886/3,3463 = -1,1919 x2 = [5,8214-1,6929⋅(-1,1919)]/(4,5786) = 1,7121 x1 = [11,7- 2,3(1,7121)- 4,5(-1,1919)]/4,2 = 3,1252 73 Soluções dos Exemplos 2 e 3 (com pivotação): EXEMPLO 1 EXEMPLO 2 x3 = -1,1918 x3 = -1,1919 x2 = 1,7121 x2 = 1,7121 x1 = 3,1252 x1 = 3,1251 Solução encontrada no Octave: x3 = -1,19198135198135 x2 = 1,71216783216783 x1 = 3,12522144522145 74 Método de Eliminação de Jordan 75 } Consiste em efetuar operações sobre as equações do sistema, com a finalidade de obter um sistema diagonal equivalente; } Um sistema diagonal é aquele em que os elementos aij da matriz coeficiente [A] são iguais a zero, para i≠j, i, j = 1,2,...,n. 76 } Sistema diagonal equivalente: ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ = nn 33 22 11 a000 0a00 00a0 000a ]A[ … …!""" # … … 77 } Exemplo: ◦ A partir do sistema: ◦ Com matriz aumentada: 4x2x3x2 2x3x2x5 1xx5x 321 321 321 =++ =++ =++ [ ] ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ = ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ = 4232 1151 2325 4232 2325 1151 Ab 78 } Exemplo: ◦ Substituindo a linha 2 por: ◦ Substituindo a linha 3 por : [ ] [ ] [ ] 0,21/5 a am0,60,44,60L ,2325(1/5)1151LmLL 11 21 22 12122 ==== ⋅−=⋅−= , [ ] [ ] [ ] 0,42/5 a am3,20,82,20L 2325(2/5)4232LmLL 11 31 33 1333 ==== ⋅−=⋅−= , 79 } Exemplo: ◦ A matriz ampliada resulta em: ◦ Substituindo a linha 3 por: [ ] ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎣ ⎡ = 3,20,82,20 0,60,44,60 2325 Ab [ ] [ ] [ ] 8, 0,472,2/4,6 a am2,9130,60900L 0,60,44,60(2,2/4,6)3,20,82,20LmLL 22 32 33 2333 ==== ⋅−=⋅−= 80 } Exemplo: ◦ A matriz ampliada resulta em: ◦ Substituindo a linha 2 por [ ] ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎣ ⎡ = 913,2609,000 6,04,06,40 1325 Ab [ ] [ ] [ ]1,31304,60L 2,9130,60900)(0,4/0,609 0,60,44,60LmLL 2 3322 −= ⋅ −=⋅−= 81 } Exemplo: ◦ Matriz ampliada resulta em: ◦ Substituindo a linha 1 por Ab[ ] = 5 2 3 1 0 4,6 0 −1,313 0 0 0,609 2,913 " # $ $ $ % & ' ' ' [ ] [ ] [ ] 2/4,6 a am,1,571305L ,1,31304,60(2/4,6)1325L 22 12 11 1 === −⋅−= 82 errado } Exemplo: ◦ Substituindo a linha 1 por: ◦ A matriz ampliada fica da seguinte forma: [ ] [ ] [ ] 3/0,609 a am12,779005L 2,9130,60900(3/0.609) 1,571305L 33 13 11 1 ==−= ⋅ −= [ ] ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎣ ⎡ − − = 2,9130.60900 1,31304,60 12,779005 Ab 83 } Exemplo: ◦ E as soluções são: x1 =-2,556 , x2= -0,285, x3=4,783 84 85 Método de Decomposição LU 86 } Uma matriz A quadrada pode ser escrita com o produto de duas matrizes L e U, t r i a n g u l a r e s i n f e r i o r e s u p e r i o r respectivamente. } No Método de Decomposição LU, o primeiro passo é encontrar as matrizes L e U tais que A = LU, sendo L uma matriz triangular inferior com lij = 1, ∀ i=j. 87 } Decomposição A = n L × 88 } Decomposição xA b= → x = n L b 89 } Resolução Fazendo x = n y =L by x = n y Sistema Triangular Inferior. Sistema Triangular Superior. 90 } A Matriz U é a mesma encontrada via Eliminação de GAUSS. } A Matriz L é formada pelos multiplicadores mij. 91 } O objetivo é fatorar a matriz dos coeficientes A em um produto de duas matrizes L e U. ◦ Seja: [ ] ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ ⋅ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ = nn n333 n22322 n1131211 3n2n1n 3231 21 u000 uu00 uuu0 uuuu 1lll 0 01ll 001l 0001 LU … !"!!! … … … … "!!! … … … 92 } E a matriz coeficiente A: ◦ Tem-se, então: ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ = nn3n2n1n n22221 n11211 aaaa aaa aaa A !"!! … … [ ] ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ ⋅ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ == ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ = nn n333 n22322 n1131211 3n2n1n 3231 21 nn3n2n1n n22221 n11211 u000 uu00 uuu0 uuuu 1lll 0 01ll 001l 0001 ]LU[ aaaa aaa aaa A … !"!!! … … … … "!!! … … … !"!! … … 93 } Para se obter os elementos da matriz L e da matriz U, deve-se calcular os elementos das linhas de U e os elementos da colunas de L seguindo os passos: ◦ Encontrar as matrizes L e U tal que A = LU ◦ Resolver o sistema triangular inferior Ly = b ◦ Resolver o sistema triangular superior Ux = y ◦ A solução deste último sistema é a solução do problema original. 94 } 1ª linha de U: Faze-se o produto da 1ª linha de L por todas as colunas de U e a iguala com todos os elementos da 1ª linha de A, assim: 95 ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ − 1... 0.: :1 0...01 0...001 )1(21 . .3231 21 . nnnn lll ll l ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ nnu uu uuu uuuu 0......0 :.: ...00 ...0 ... . 3333 232322 13131211 ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ nnnnn n n n αααα αααα αααα αααα ... ::::: ... ... ... 321 3333231 2232221 1131211 X = L U A } 1ª linha de U: Faze-se o produto da 1ª linha de L por todas as colunas de U e a iguala com todos os elementos da 1ª linha de A, assim: ⎪ ⎪ ⎪ ⎪ ⎩ ⎪⎪ ⎪ ⎪ ⎨ ⎧ == =⇒=⋅ =⇒=⋅ =⇒=+++⋅ .,...,2,1, ... ,1 ,1 ,0.0...0.01 11 1111 12121212 11111111 njau ndoGeneraliza auau auau auau jj nnnn ! 96 } 1ª coluna de L: Faz-se o produto de todas as linhas de L, (da 2ª a até a nª), pela 1ª coluna de U e a iguala com os elementos da 1ª coluna de A, (abaixo da diagonal principal), obtendo , 97 ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ − 1... 0.: :1 0...01 0...001 )1(21 . .3231 21 . nnnn lll ll l ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ nnu uu uuu uuuu 0......0 :.: ...00 ...0 ... . 3333 232322 13131211 ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ nnnnn n n n αααα αααα αααα αααα ... ::::: ... ... ... 321 3333231 2232221 1131211 X = L U A } 1ª coluna de L: Faz-se o produto de todas as linhas de L, (da 2ª a até a nª), pela 1ª coluna de U e a iguala com os elementos da 1ª coluna de A, (abaixo da diagonal principal), obtendo , ⎪ ⎪ ⎪ ⎪ ⎪ ⎩ ⎪⎪ ⎪ ⎪ ⎪ ⎨ ⎧ == =⇒=⋅ =⇒=⋅ =⇒=⋅ .n,...,2,1l, u al , u alaul , u alaul , u alaul 11 1l 1l 11 1l 1l1l111l 11 31 31311131 11 21 21211121 ! 98 } 2ª linha de U: Faz-se o produto da 2ª linha de L por todas as colunas de U, (da 2ª até a nª), e igualando com os elementos da 2ª linha de A, (da diagonal principal em diante), obtêm-se , 99 ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ − 1... 0.: :1 0...01 0...001 )1(21 . .3231 21 . nnnn lll ll l ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ nnu uu uuu uuuu 0......0 :.: ...00 ...0 ... . 3333 232322 13131211 ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ nnnnn n n n αααα αααα αααα αααα ... ::::: ... ... ... 321 3333231 2232221 1131211 X = L U A } 2ª linha de U: Faz-se o produto da 2ª linha de L por todas as colunas de U, (da 2ª até a nª), e igualando com os elementos da 2ª linha de A, (da diagonal principal em diante), obtêm-se , ⎪ ⎪ ⎪ ⎪ ⎩ ⎪⎪ ⎪ ⎪ ⎨ ⎧ =⋅−= ⋅−=⇒=+⋅ ⋅−=⇒=+⋅ ⋅−=⇒=+⋅ .n,...,3j,ulau ,ulauauul ,ulauauul ,ulauauul j121j2j2 n121n2n2n2n2n121 1321232323231321 1221222222221221 ! 100 } 2ª coluna de L: Faz-se o produto de todas as linhas de L (da 3ª até a nª) pela 2ª coluna de U e a iguala com os elementos da 2ª coluna de A, (abaixo da diagonal principal), obtendo:, 101 ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ − 1... 0.: :1 0...01 0...001 )1(21 . .3231 21 . nnnn lll ll l ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ nnu uu uuu uuuu 0......0 :.: ...00 ...0 ... . 3333 232322 13131211 ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ nnnnn n n n αααα αααα αααα αααα ... ::::: ... ... ... 321 3333231 2232221 1131211 X = L U A } 2ª coluna de L: Faz-se o produto de todas as linhas de L (da 3ª até a nª) pela 2ª coluna de U e a iguala com os elementos da 2ª coluna de A, (abaixo da diagonal principal), obtendo:, ⎪ ⎪ ⎪ ⎪ ⎪ ⎩ ⎪⎪ ⎪ ⎪ ⎪ ⎨ ⎧ = ⋅− = ⋅− =⇒=⋅+⋅ ⋅− =⇒=⋅+⋅ ⋅− =⇒=⋅+⋅ .n,...,3l, u ulal , u ulalaulul , u ulalaulul , u ulalaulul 22 121l2l 2l 22 121l2l 2l2l222l121l 22 124142 424222421241 22 123132 323222321231 ! 102 } Temos a seguinte fórmula geral: 103 uij = aij − likukj, i ≤ j k=1 i−1 ∑ lij = aij − likukj k=1 j−1 ∑ ujj , i > j $ % & && ' & & & } Resumo dos Passos: ◦ Seja um sistema Ax = b de ordem n, onde A satisfaz as condições da fatoração LU. ◦ Então, o sistema Ax = b pode ser escrito como: LUx = b 104 } Resumo dos Passos: ◦ Fazendo Ux = y, a equação acima reduz-se a Ly = b. ◦ Resolvendo o sistema triangular inferior Ly = b, obtém-se o vetor y. 105 } Resumo dos Passos: ◦ Substituição do valor de y no sistema Ux = y ⇒ Obtenção de um sistema triangular superior cuja solução é o vetor x procurado; ◦ Aplicação da fatoração LU na resolução de sistemas lineares ⇒ Necessidade de solução de dois sistemas triangulares 106 } Exemplo: ◦ Dado o sistema, encontrar a solução. 107 2 z - 3y 3 2z x 4 z - 3y 2 ⎪ ⎩ ⎪ ⎨ ⎧ = =+ =+x } Exemplo: ◦ Com esse sistema, formamos 2 matrizes 108 ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − − 130 201 132 ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ 2 3 4 A = e B = Temos a forma Ax = B } Exemplo: ◦ Então fazemos A= L*U, Sendo: 109 L = e U = L = Matriz Triangular inferior (lower) de diagonal unitária U= Matriz Triangular Superior (upper) ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ 1 01 001 3231 21 ll l ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ 33 2322 131211 00 0 u uu uuu A = ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − − 130 201 132 } Exemplo: ◦ # Primeira linha de U 110 ⎪ ⎩ ⎪ ⎨ ⎧ −=⇒=⋅ =⇒=⋅ =⇒=++⋅ 11 ,31 ,20.00.01 131313 121212 111111 uau uau uau } Exemplo: ◦ # Primeira coluna de L 111 ⎪ ⎪ ⎩ ⎪⎪ ⎨ ⎧ ==⇒=⋅ =⇒=⋅ 0 2 0 , 2 1 31311131 21211121 laul laul } Exemplo: ◦ # Segunda linha de U 112 ⎪ ⎪ ⎩ ⎪⎪ ⎨ ⎧ =⇒−⋅−=⇒=+⋅ −=⇒⋅−=⇒=+⋅ 2 5)1( 2 12 , 2 33 2 10 232323231321 222222221221 uuauul uuauul } Exemplo: ◦ # Segunda coluna de L 113 ⎪ ⎪ ⎩ ⎪⎪ ⎨ ⎧ −= − =⇒ − ⋅− =⇒=⋅+⋅ 2 2 3 3 2 3 303 32323222321231 llaulul } Exemplo: ◦ # Terceira linha de U 114 ⎪ ⎪ ⎩ ⎪⎪ ⎨ ⎧ =+−= ⇒⋅−−−⋅−−= ⇒=+⋅+⋅ 451 2 5)2()1(01 33 33 333323321331 u u auulul } Exemplo: ◦ Matriz fatorada 115 L = e U = ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − 120 012/1 001 ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − − 400 2/52/30 132 Voltando à fórmula Ax = B, como A = L* U obtemos LUx = B 11 6 } Exemplo: ◦ Agora substituiremos Ux por Y e obtemos a fórmula LY = B, onde: L = Y = ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − 120 012/1 001 Solução Retroativa: Y1 = 4 Y2 = 1 Y3 = 4 ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ 3 2 1 Y Y Y ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ 2 3 4 B = } Exemplo: ◦ Como Ux = Y e os valores de U e Y já são conhecidos, calculamos X. 117 U = X = Solução Retroativa: X1 = 1 X2 = 1 X3 = 1 ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ 4 1 4 Y = ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − − 400 2/52/30 132 ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ 3 2 1 X X X ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ 3 2 1 Y Y Y = 11 8 } Pesquisar sobre o método direto de Decomposição de Cholesky, explicando como este funciona e quais as restrições para que este seja usado. } Entrega: próxima quarta. 119 Método de Jacobi Método de Gauss-Seidel 120 } Motivação: ◦ Ocorrência em larga escala de sistemas lineares em cálculos de Engenharia e modelagem científica ◦ Exemplos: Simulações de processos químicos Simulações de dispositivos e circuitos Modelagem de processos geocientíficos e geoambientais Análise estrutural Biologia estrutural Modelagem de processos físicos 121 } Motivação: ◦ Tendência à existência de matrizes de coeficientes grandes e esparsas Grandes ð Comum para n > 100.000 Esparsas ð Maioria dos coeficientes nulos ◦ Resolução de sistemas esparsos por métodos diretos Processos de triangularização e fatoração ð Onerosos, por não preservarem a esparsidade original, que pode ser útil por facilitar a resolução do sistema. 122 } Motivação: ◦ Métodos mais apropriados para a resolução de sistemas de natureza esparsa ð Métodos iterativos Gauss-Jacobi Gauss-Seidel 123 } Como funcionam? ◦ Partem de uma solução inicial e a partir dela geram uma nova solução. O processo então se repete gerando um sequência de soluções que deve convergir para a solução exata do sistema. O que significa convergir para a solução do sistema ? 124 } A partir de uma estimativa inicial xi0, consistem em encontrar uma sequência de estimativas xik que convirja para uma solução do Sistema de Equações Linear (SEL) após um número suficientemente grande de iterações. ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ )0( n )0( 3 )0( 2 )0( 1 x x x x ! ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ )1( n )1( 3 )1( 2 )1( 1 x x x x ! ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ )2( n )2( 3 )2( 2 )2( 1 x x x x ! ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ )k( n )k( 3 )k( 2 )k( 1 x x x x ! ! 125 } Vantagem ⇒ Menos suscetíveis ao acúmulo de erros de arredondamento do que o método direto. } Lembretes importantes: ◦ Como todo processo iterativo, estes métodos sempre apresentarão um resultado aproximado, que será tão próximo do resultado real conforme o número de iterações realizadas. ◦ Além disto, também é preciso ter cuidado com a convergência destes métodos. 126 Elementos de um processo Iterativo Fórmula de iteração Condição de Convergência Critério de parada Solução inicial 127 } Fórmula de iteração ◦ Corresponde às operações matemáticas que a solução atual sofre para gerar uma nova solução. ◦ Para os métodos iterativos estacionários para resolução de sistemas lineares tem-se: ◦ Onde M é a matriz de iteração e c um vetor constante ◦ O método é chamado de estacionário porque a matriz M não muda durante o processo. cMxx kk +=+1 128 Elementos de um processo Iterativo Fórmula de iteração Condição de Convergência Critério de parada Solução inicial 129 } Condição de Convergência ◦ Todo método iterativo tem associado a ele uma condição de convergência que irá garantir que a cada iteração o método está caminhando em direção da solução do sistema. ◦ Uma vez garantida a convergência, os métodos iterativos para resolução de sistemas lineares a cada passo obtêm soluções com exatidão crescente. Isso significa que: xxk k = ∞→ lim 130 Elementos de um processo Iterativo Fórmula de iteração Condição de Convergência Critério de parada Solução inicial 131 ε≤ − = − ≤≤ − ≤≤ ∞ ∞ − ||max ||max |||| |||| 1 1 1 1 k ini k i k ini k kk x xx x xx ε≤ − − |||| |||| 1 k kk x xx } Critério de Parada ◦ Os mé todos i t e r a t i vos não podem con t i nua r indefinidamente, ou seja, eles devem ser interrompidos em algum momento. ◦ Alguns critérios de parada para esses métodos podem ser sendo ε um parâmetro de entrada do algoritmo e ||.|| é uma norma vetorial, ◦ como por exemplo a norma infinita, e neste caso: 132 maxkk ≥ } Critério de Parada onde kmax é um parâmetro de entrada do algoritmo que indica o número máximo de iterações do método. ◦ Os do is c r i té r ios podem ser u t i l i zados separadamente ou em conjunto. Neste último caso evita-se que o programa entre o loop por não conseguir atingir o valor de ε estabelecido. 133 Elementos de um processo Iterativo Fórmula de iteração Condição de Convergência Critério de parada Solução inicial 134 } Solução Inicial ◦ Como o método parte de uma solução inicial x0 deve-se estabelecer como esse x0 deve ser gerado. 135 Métodos Iterativos } Transformação do sistema linear Ax=b em x = Cx +g ◦ A: matriz dos coeficientes, n x n ◦ x: vetor das variáveis, n x 1; ◦ b: vetor dos termos constantes, n x 1; ◦ C: matriz, n x n; e ◦ g: vetor, n x 1. } Métodos a estudar ◦ Gauss-Jacobi ◦ Gauss-Seidel 136 Método de Gauss-Jacobi 137 } Conhecida a solução in ic ia l , x(0) , obtém-se consecutivamente os vetores: o)aproximaçã ésima-(k ,gCxx o)aproximaçã (segunda ,gCxx o)aproximaçã (primeira ,gCxx )1k()k( )1()2( )0()1( += += += − ! § De um modo geral, a aproximação x(k+1) é calculada pela fórmula: x(k+1) = C x(k)+g, k=0, 1, ... 138 § Da primeira equação do sistema: a11 x1 + a12 x2 + ... +a1n x2 = b1 obtém-se: x1 = (1/a11) (b1 - a12 x2 - ... -a1n x2) e, analogamente, x2 = (1/a22) (b2 - a21 x1 - ... -a2n xn) xn = (1/ann) (bn - an1 x1 - ... - ann-1 xn-1) ! 139 § Desta forma, para x(1) = C x(0) + g, obtém-se: ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ = nn n 33 3 22 2 11 1 a b a b a b a b g !⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ −−− −−− −−− −−− = 0aaaaaa aa0aaaa aaaa0aa aaaaaa0 C nn3nnn2nnn1n 33n333323331 22n222232221 11n111131112 ! "# ! #"" ! ! e 140 Ò Condição de Convergência Ò Esta é uma condição necessária! TEOREMA “ O método iterativo de JACOBI converge com qualquer solução inicial x0 se, e somente se, ρ(M) < 1, sendo ρ(M) o raio espectral (maior autovalor em módulo) da matriz de iteração M.” 141 Ò Condição de Convergência Ò Esta condição não é necessária, mas quando acontece garante a convergência do método! TEOREMA “É condição suficiente para a convergência do método iterativo de JACOBI que a matriz de coeficientes A seja diagonal estritamente dominante. ,...,n,i,||a||a n ij j ijii 21 1 =>∑ ≠ = 142 } Critérios de Parada ◦ Distância entre as iterações ◦ Condição de Parada 1 ◦ Condição de Parada 2 (número de iterações) x - x max d 1)-(ki (k) i (k) = x max d d )k( i (k) (k) r ε< ⎜⎜ = maxkk ≥ 143 § Seja o sistema: § Determinação de C e g 6 10x 3x 2x 8 x 5x x 7 3x 2x x 10 321 321 321 =++ =++ =++ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ = 6 8 7 b⎥ ⎦ ⎤ ⎢ ⎣ ⎡ = 1032 151 3210 A 144 § Transformar no sistema Cx + g: § Determinação de C e g ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ = 10 6 5 8 10 7 g⎥⎦ ⎤ ⎢⎣ ⎡= 03/10 –1/5- 1/5-01/5- 3/10 -2/10 -0C 145 ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ −− −− −− = 0// /0/ //0 33323331 22232221 11131112 aaaa aaaa aaaa C ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ = 33 3 22 2 11 1 a b a b a b g 146 § Assim, considerando como estimativa inicial: e ε = 0,05. ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎣ ⎡ = 0,6 1,6- 0,7 x0 } Iteração 1: 147 ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎣ ⎡ =+= 0,94 1,34 0,84 g Cx x (0)(1) |x1(1) – x1(0)| = 0,14 |x2(1) – x2(0)| = 2,94 |x3(1) – x3(0)| = 0,34 ε 2,19 1,34 2,94 d (1)r >== O processo para ou continua? Por quê? } Iteração 2: 148 ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎣ ⎡ =+= 0,030 1,244 0,150 g Cx x (1)(2) ε>== 0,7315 1,244 0,91 d (2)r |x1(2) – x1(1)| = 0,69 |x2(2) – x2(1)| = 0,096 |x3(2) – x3(1)| = 0,91 O processo para ou continua? Por quê? } Iteração 3: 149 0,1968 1,5640 0,4422 g Cx x (2)(3) ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎣ ⎡ =+= ε>== 0,2046 1,5640 0,32 d (3)r |x1(3) – x1(2)| = 0,2922 |x2(3) – x2(2)| = 0,3200 |x3(3) – x3(2)| = 0,1668 O processo para ou continua? Por quê? } Iteração 4: 150 ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎣ ⎡ =+= 0,0424 1,4722 0,3282 g Cx x (3)(4) ε>== 0,1049 1,4722 0,1544 d (4)r O processo para ou continua? Por quê? |x1(4) – x1(3)| = 0,114 |x2(4) – x2(3)| = 0,0918 |x3(4) – x3(3)| = 0,1544 } Iteração 5: 151 ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎣ ⎡ =+= 0,0927 1,5259 0,3929 g Cx x (4)(5) ε<== 0,0424 1,5259 0,0647 d (5)r O processo para ou continua? Por quê? |x1(5) – x1(4)| = 0,0647 |x2(5) – x2(4)| = 0,0537 |x3(5) – x3(4)| = 0,0503 ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ = 0927,0 5259,1 3929,0 x } Para o seguinte sistema linear, executar o método de Jacobi para ε = 0,15 e kmax= 25. } Considere 152 [ ]Tx 6,025,23,60 −= ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − = ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − − 4 20 57 511 182 2310 3 2 1 x x x § Transformar no sistema Cx + g: § Determinação de C e g ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ − = 5 4 2 5 10 57 g⎥ ⎦ ⎤ ⎢ ⎣ ⎡ = 01/5– 1/5- 1/801/4- 2/103/10-0 C 153 } Iteração 1: 154 ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ =+= 2,51- 0,85 4,905 g Cx x (0)(1) |x1(1) – x1(0)| = 1,395 |x2(1) – x2(0)| = 1,4 |x3(1) – x3(0)| = 1,91 20 1 k <= O processo para ou continua?? ε 0,3893 4,905 1,91 d (1)r >== } Iteração 2: 155 ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ =+= 1,951- 0,96 4,943 g Cx x (1)(2) ε 0,113 4,943 0,559 d (2)r <== |x1(2) – x1(1)| = 0,038 |x2(2) – x2(1)| = 0,11 |x3(2) – x3(1)| = 0,559 O processo para ou continua?? 20 2 k <= } Solução Inicial ◦ Como para o método de Jacobi nada restringe o valor da solução inicial, por exemplo a convergência independe do valor inicial, pode-se iniciar o método com qualquer valor para x0. ◦ Neste caso pode-se então iniciar o sistema com a solução trivial ◦ A diferença entre uma solução inicial e outra está na velocidade de convergência. [ ]Tx 0000 = 156 Método de Gauss-Seidel 157 } Similarmente ao método de Gauss-Jacobi, conhecida a estimativa inicial, x(0), obtém-se consecutivamente os vetores x(1), x(2), ..., x(k) § Todavia, ao se calcular xj(k+1), usa-se todos os valores x1(k+1), x2(k+1), ..., xj-1(k+1) que já foram calculados e os valores xj+1(k), xj+2(k), ..., xn(k) restantes. 158 } Descrição: ◦ Seja o seguinte sistema de equações: nnnn1n1nn33n22n11n 3nn31n1n3333232131 2nn21n1n2323222121 1nn11n1n1313212111 b x.a x.a x.a x.a x.a b x.a x.a x.a x.a x.a b x.a x.a x.a x.a x.a b x.a x.a x.a x.a x.a =+++++ =+++++ =+++++ =+++++ −− −− −− −− ! "#" ! ! ! 159 } Descrição: ◦ Isolando xi a partir da linha i, tem-se: ( ) ( ) ( ) ( )1n1nn22n11nn nn n nn31n1n32322313 33 3 nn21n1n23231212 22 2 nn11n1n13132121 11 1 x.ax.ax.ab a 1x x.ax.ax.ax.ab a 1x x.ax.ax.ax.ab a 1x x.ax.ax.ax.ab a 1x −− −− −− −− −−−−= −−−−−= −−−−−= −−−−−= ! " ! ! ! 160 } Descrição: ◦ O processo iterativo se dá a partir das equações: ( ) ( ) ( ) ( )1k 1n1n,n1k22n1k11nn nn 1k n k nn3 k 1n1n,3 1k 232 1k 1313 33 1k 3 k nn2 k 1n1n,2 k 323 1k 1212 22 1k 2 k nn1 k 1n1n,1 k 313 k 2121 11 1k 1 x.a...x.ax.ab a 1x x.ax.a...x.ax.ab a 1x x.ax.a...x.ax.ab a 1x x.ax.a...x.ax.ab a 1x + −− +++ −− +++ −− ++ −− + −−−−= −−−−−= −−−−−= −−−−−= 161 } Critério de Parada: ◦ Diferença relativa entre duas iterações consecutivas, dada por: ⎪ ⎪ ⎪ ⎪ ⎪ ⎩ ⎪⎪ ⎪ ⎪ ⎪ ⎨ ⎧ ⎪⎩ ⎪ ⎨ ⎧ ≠ = = ≠ − = + + + + + ≤≤ + = 0 x 0 x se , 1 0 x x se , 0 0 x se , x xx .Máx M k i 1k i k i 1k i 1k i1k i k i 1k i ni1 1k R 162 } Critério de Parada: ◦ Fim do processo iterativo ð Valor de MRk+1 suficientemente pequeno para a precisão desejada 163 § Resolver: § Solução: .10.5 M com,0z6y3x3 6zy4x3 5zyx5 2k R −≤=++ =++ =++ ( ) ( ) ( ) ( )yx 2 1zy3x3 6 1z zx36 4 1y zy5 5 1x +−=⇒−−= −−= −−= )1,0,1(−=cialSolucaoIni 164 } Passos (primeira iteração): 1. calcula-se x1 usando os valores de y0 e z0 e da solução inicial 2. calcula-se y1 usando o valor de x 1 já calculado nesta iteração no passo anterior e o valor de z0 ainda da solução inicial 3. calcula-se z1 usando os valores de x 1 e y 1 já calculado nesta iteração (passos anteriores) 65,0)18,0.36( 4 11 =−−=y 725,0)65,08,0( 2 11 −=+−=z 8,0)105( 5 11 =−−=x 165 § Quadro de resultados do processo iterativo kx kxM ky kyM kz kzM k RM -1 - 0 - 1 - - 0,8 2,25 0,65 1 -0,725 2,379 2,379 1,015 0,212 0,92 0,293 -0,967 0,250 0,293 1,009 0,006 0,985 0,066 -0,997 0,030 0,066 1,002 0,007 0,998 0,013 -1 0,003 0,013 x = 1,002 y = 0,998 z = -1 166 } Verificação (substituição no sistema) x = 1,002 y = 0,998 z = -1 5.(1,002) + 1.(0,998) + 1.(-1) = 5,008 ≅ 5 OK 3.(1,002) + 4.(0,998) + 1.(-1) = 5,998 ≅ 6 OK 3.(1,002) + 3.(0,998) + 6.(-1) = 0 OK 167 } Resolver 168 3x − y+ z = 9 x − 4y+ 2z =17 2x + y+ 6z = 24, com mk ≤ 0,5. 169 } Critérios de Convergência ◦ Processo iterativo ð Convergência para a solução exata não garantida para qualquer sistema. ◦ Necessidade de determinação de certas condições que devem ser satisfeitas por um SEL para a garantia da convergência do método. ◦ Critérios de determinação das condições de convergência Critério de Sassenfeld Critério das Linhas 170 } Critério de Sassenfeld ◦ Sejam as quantidades βi dadas por: n - ordem do sistema linear que se deseja resolver aij - coeficientes das equações do sistema para i = 2, 3, ..., n ∑ = ⋅=β n 2j j1 11 1 aa 1 βi = 1 aii ⋅ aij ⋅β j j=1 i−1 ∑ + aij j=i+1 n ∑ $ % & & ' ( ) ) e 171 } Critério de Sassenfeld ◦ Este critério garante que o método de Gauss-Seidel convergirá para um dado SEL se a quantidade M, definida por: for menor que 1 (M<1). imaxM ni1 β≤≤= 172 } Critério de Sassenfeld ◦ Exemplo: Seja A a matriz dos coeficientes e b o vetor dos termos constantes, dados por: 444434241 334333231 224232221 114131211 b a a a a b a a a a b a a a a b a a a a ( ) ( ) ( ) ( )343242141 44 4 34232131 33 3 2423121 22 2 141312 11 1 aaa a 1 aaa a 1 aaa a 1 aaa a 1 β+β+β⋅=β +β+β⋅=β ++β⋅=β ++⋅=β 173 } Critério de Sassenfeld ◦ Exemplo: Mostrar que a solução do SEL a seguir convergirá pelo método de Gauss-Seidel. 0,10x0,4x8,0x2,1x4,0 0,1x2,0xx2,0x1,0 8,7x3,0x6,0x3x6,0 4,0x2,0x2,0xx0,2 4321 4321 4321 4321 −=⋅+⋅+⋅+⋅ =⋅++⋅−⋅− −=⋅−⋅−⋅+⋅ =⋅+⋅−+⋅ 174 } Critério de Sassenfeld ◦ Exemplo: Solução ( ) ( ) ( ) ( ) 2736,0358,08,044,02,17,04,0 4 1 358,02,044,02,07,01,0 1 1 44,03,06,07,06,0 3 1 7,02,02,01 2 1 4 3 2 1 =⋅+⋅+⋅⋅=β =+⋅+⋅⋅=β =++⋅⋅=β =++⋅=β M < 1 ⇒ Convergência da solução do sistema a partir do método de Gauss-Seidel 10.0- 4.0 0.8 1.2 0.4 1.0 0.2 1.0 0.2- 0.1- 7.8- 0.3- 0.6- 3.0 0.6 0.4 0.2 0.2- 1.0 2.0 A b 7,0M imaxni1 == β≤≤ 175 } Critério das Linhas ◦ Segundo este critério, um determinado sistema irá convergir pelo método de Gauss-Seidel, se: aij j=1 j≠i n ∑ < aii , para i =1, 2, 3, ..., n. 176 } Critério das Linhas ◦ Exemplo: O SEL anterior satisfaz o Critério das Linhas, sendo a verificação quase imediata, se for observado que: 4,28,02,14,0aaa4a 5,02,02,01,0aaa1a 5,13,06,06,0aaa3a 4,12,02,01aaa2a 43424144 34323133 24232122 14131211 =++=++>= =++=++>= =++=++>= =++=++>= 4. 3, 2, 1,i para aa ii n ij 1j ij =<∑ ≠ = 177 } Tanto o Critério de Sassenfeld quanto o Critério das Linhas são condições suficientes, porém não necessárias, para a convergência do método de Gauss-Seidel para um dado SEL ◦ Um dado SEL pode não satisfazer estes critérios e ainda convergir ◦ Um sistema pode não satisfazer o Critério das Linhas, porém sua convergência será garantida se satisfizer o Critério de Sassenfeld 178 } Critério das Linhas x Critério de Sassenfeld ◦ Exemplo: Seja o seguinte SEL: § O Critério das Linhas não é satisfeito, visto que: § Todavia, o Critério de Sassenfeld é satisfeito, uma vez que: 18x2x6 23xx10 21 21 =⋅+⋅ =+⋅ 6a2a 2122 =<= ( ) 3,01,06 2 1e1,01 10 1 21 =⋅⋅=β=⋅=β Assim sendo, a convergência do SEL é garantida. 179 } Embora não altere a solução do SEL, a ordem de aparecimento das equações pode alterar sua convergência pelo método Gauss-Seidel. ◦ Exemplo: Seja o SEL: ◦ Observa-se que na ordem atual de aparecimento das equações, o SEL não satisfaz o Critério das Linhas (verificar!!!); logo, sua convergência não é garantida. ◦ A inversão da ordem das duas equações do SEL fará com que o Critério das Linhas seja satisfeito e sua convergência pelo método de Gauss-Seidel garantida (verificar também!!! ). 15x3x5 19x10x4 21 21 =⋅+⋅ =⋅+⋅− 180 ◦ Ruggiero, M. A. Gomes & Lopes, V. L. da R. Cálculo Numérico: Aspectos teóricos e computacionais. MAKRON Books, 1996, 2ª ed. ◦ Asano, C. H. & Colli, E. Cálculo Numérico: Fundamentos e Aplicações. Departamento de Matemática Aplicada – IME/USP, 2007. ◦ Sanches, I. J. & Furlan, D. C. Métodos Numéricos. DI/ UFPR, 2006. ◦ Paulino, C. D. & Soares, C. Erros e Propagação de Erros, Notas de aula , SE/ DM/ IST [Online] http:// w w w . m a t h . i s t . u t l . p t / s t a t / p e / q e b / semestre_1_2004-2005/PE_erros.pdf [Último acesso 07 de Junho de 2007]. 181
Compartilhar