Baixe o app para aproveitar ainda mais
Prévia do material em texto
GEX114 - Ca´lculo Nume´rico Profa.Dra. Amanda Castro Oliveira Departamento de Cieˆncias Exatas - DEX/UFLA amanda@dex.ufla.br Cap.3 Resoluc¸o˜es de Sistemas Lineares Seja o Sistema Linear Ax = b , onde A = (aij) i , j = 1, 2, ..., n A = matriz nxn, matriz dos coeficientes, x = (xj) t , j = 1, ..., n vetor da inco´gnitas, b = (bi ) t , i = 1, ..., n vetor dos coeficientes independentes, det(A) 6= 0 Garantia de soluc¸a˜o u´nica. 3.4 Me´todos Iterativos Ja´ vimos alguns me´todos que, a menos de erros de arredondamento fornecem a soluc¸a˜o do sistema apo´s um nu´mero finito de passos: me´todos diretos. Agora veremos me´todos que partindo de uma aproximac¸a˜o inicial, atrave´s de iterac¸o˜es sucessivas, fornecem novas aproximac¸o˜es num processo de convergeˆncia, sob determinadas condic¸o˜es sobre a matriz A, para a soluc¸a˜o do sistema. Os me´todos iterativos sa˜o convenientes para sistemas grandes e esparsos que aparecem frequentemente na discretizac¸a˜o de equac¸o˜es diferenciais. 3.4 Me´todos Iterativos Ja´ vimos alguns me´todos que, a menos de erros de arredondamento fornecem a soluc¸a˜o do sistema apo´s um nu´mero finito de passos: me´todos diretos. Agora veremos me´todos que partindo de uma aproximac¸a˜o inicial, atrave´s de iterac¸o˜es sucessivas, fornecem novas aproximac¸o˜es num processo de convergeˆncia, sob determinadas condic¸o˜es sobre a matriz A, para a soluc¸a˜o do sistema. Os me´todos iterativos sa˜o convenientes para sistemas grandes e esparsos que aparecem frequentemente na discretizac¸a˜o de equac¸o˜es diferenciais. 3.4 Me´todos Iterativos Ja´ vimos alguns me´todos que, a menos de erros de arredondamento fornecem a soluc¸a˜o do sistema apo´s um nu´mero finito de passos: me´todos diretos. Agora veremos me´todos que partindo de uma aproximac¸a˜o inicial, atrave´s de iterac¸o˜es sucessivas, fornecem novas aproximac¸o˜es num processo de convergeˆncia, sob determinadas condic¸o˜es sobre a matriz A, para a soluc¸a˜o do sistema. Os me´todos iterativos sa˜o convenientes para sistemas grandes e esparsos que aparecem frequentemente na discretizac¸a˜o de equac¸o˜es diferenciais. 3.4 Me´todos Iterativos Ideia central: generalizar o me´todo do ponto fixo. Seja o sistema linear Ax = b, onde: A :matriz dos coeficientes nXn; x :vetor das varia´veis nX1; b :vetor dos termos constantes nX1. Convertemos este sistema Ax = b num sistema do tipo: x = Cx + g , C e´ uma matriz nXn e g e´ um vetor nX1. φ(x) = Cx + g e´ uma func¸a˜o de iterac¸a˜o matricial. 3.4 Me´todos Iterativos Ideia central: generalizar o me´todo do ponto fixo. Seja o sistema linear Ax = b, onde: A :matriz dos coeficientes nXn; x :vetor das varia´veis nX1; b :vetor dos termos constantes nX1. Convertemos este sistema Ax = b num sistema do tipo: x = Cx + g , C e´ uma matriz nXn e g e´ um vetor nX1. φ(x) = Cx + g e´ uma func¸a˜o de iterac¸a˜o matricial. 3.4 Me´todos Iterativos Partimos de um vetor aproximac¸a˜o inicial x (0) e constru´ımos iterativamente os vetores: x (1) = φ(x (0)) = Cx (0) + g x (2) = φ(x (1)) = Cx (1) + g ... x (k) = φ(x (k−1)) = Cx (k−1) + g Se a sequeˆncia de aproximac¸o˜es x (0), x (1), · · · , x (k) e´ tal que lim k→∞ x (k) = α, enta˜o α = Cα + g , isto e´, α e´ a soluc¸a˜o do sistema linear Ax = b. 3.4 Me´todos Iterativos Partimos de um vetor aproximac¸a˜o inicial x (0) e constru´ımos iterativamente os vetores: x (1) = φ(x (0)) = Cx (0) + g x (2) = φ(x (1)) = Cx (1) + g ... x (k) = φ(x (k−1)) = Cx (k−1) + g Se a sequeˆncia de aproximac¸o˜es x (0), x (1), · · · , x (k) e´ tal que lim k→∞ x (k) = α, enta˜o α = Cα + g , isto e´, α e´ a soluc¸a˜o do sistema linear Ax = b. 3.4.2 Crite´rios de Parada O processo iterativo deve ser repetido ate´ que o vetor x (k) esteja suficientemente pro´ximo do vetor x (k−1) Seja a distaˆncia entre x (k) e x (k−1) dada por: d (k) = max 1≤i≤n |x (k)i −(k−1)i | ex.x (k) = (3, 4, 5) e x (k−1) = (3, 5, 8) d (k) = max 1≤i≤n |x (k)i −(k−1)i | max{|3− 3|, |4− 5|, |5− 8|} = max{0, 1, 3} = 3 Assim, dada uma precisa˜o �, o vetor x (k) sera´ escolhido como x¯ , soluc¸a˜o aproximada do sistema linear Ax = b se d (k) < �. 3.4.2 Crite´rios de Parada O processo iterativo deve ser repetido ate´ que o vetor x (k) esteja suficientemente pro´ximo do vetor x (k−1) Seja a distaˆncia entre x (k) e x (k−1) dada por: d (k) = max 1≤i≤n |x (k)i −(k−1)i | ex.x (k) = (3, 4, 5) e x (k−1) = (3, 5, 8) d (k) = max 1≤i≤n |x (k)i −(k−1)i | max{|3− 3|, |4− 5|, |5− 8|} = max{0, 1, 3} = 3 Assim, dada uma precisa˜o �, o vetor x (k) sera´ escolhido como x¯ , soluc¸a˜o aproximada do sistema linear Ax = b se d (k) < �. 3.4.2 Crite´rios de Parada O processo iterativo deve ser repetido ate´ que o vetor x (k) esteja suficientemente pro´ximo do vetor x (k−1) Seja a distaˆncia entre x (k) e x (k−1) dada por: d (k) = max 1≤i≤n |x (k)i −(k−1)i | ex.x (k) = (3, 4, 5) e x (k−1) = (3, 5, 8) d (k) = max 1≤i≤n |x (k)i −(k−1)i | max{|3− 3|, |4− 5|, |5− 8|} = max{0, 1, 3} = 3 Assim, dada uma precisa˜o �, o vetor x (k) sera´ escolhido como x¯ , soluc¸a˜o aproximada do sistema linear Ax = b se d (k) < �. 3.4.2 Crite´rios de Parada O processo iterativo deve ser repetido ate´ que o vetor x (k) esteja suficientemente pro´ximo do vetor x (k−1) Seja a distaˆncia entre x (k) e x (k−1) dada por: d (k) = max 1≤i≤n |x (k)i −(k−1)i | ex.x (k) = (3, 4, 5) e x (k−1) = (3, 5, 8) d (k) = max 1≤i≤n |x (k)i −(k−1)i | max{|3− 3|, |4− 5|, |5− 8|} = max{0, 1, 3} = 3 Assim, dada uma precisa˜o �, o vetor x (k) sera´ escolhido como x¯ , soluc¸a˜o aproximada do sistema linear Ax = b se d (k) < �. 3.4.2 Crite´rios de Parada O processo iterativo deve ser repetido ate´ que o vetor x (k) esteja suficientemente pro´ximo do vetor x (k−1) Seja a distaˆncia entre x (k) e x (k−1) dada por: d (k) = max 1≤i≤n |x (k)i −(k−1)i | ex.x (k) = (3, 4, 5) e x (k−1) = (3, 5, 8) d (k) = max 1≤i≤n |x (k)i −(k−1)i | max{|3− 3|, |4− 5|, |5− 8|} = max{0, 1, 3} = 3 Assim, dada uma precisa˜o �, o vetor x (k) sera´ escolhido como x¯ , soluc¸a˜o aproximada do sistema linear Ax = b se d (k) < �. 3.4.2 Crite´rios de Parada Para o teste do erro relativo calculamos a distaˆncia relativa dada por: d (k) r = d (k) max 1≤i≤n |x (k)i | ex.x (k) = (3, 4, 5) e x (k−1) = (3, 5, 8) d (k) r = d (k) max 1≤i≤n |x (k)i | = 3 max{3, 4, 5} = 3 5 3.4.2 Crite´rios de Parada Para o teste do erro relativo calculamos a distaˆncia relativa dada por: d (k) r = d (k) max 1≤i≤n |x (k)i | ex.x (k) = (3, 4, 5) e x (k−1) = (3, 5, 8) d (k) r = d (k) max 1≤i≤n |x (k)i | = 3 max{3, 4, 5} = 3 5 3.4.3 Me´todo Iterativo de Gauss - Jacobi Queremos transformar o sistema Ax = b em x = Cx + g . Assumindo que aii 6= 0 ∀i temos: a11x1+ a12x2+ · · · +a1nxn = a21x1+ a22x2+ · · · +a2nxn = ... an1x1+ an2x2+ · · · +annxn = b1 b2 ... bn Isolamos o vetor x da seguinte forma: x (k+1) 1 = 1 a11 (b1 − a12x (k)2 − a13x (k)3 − · · · − a1nx (k)n ) x (k+1) 2 = 1 a22 (b2 − a21x (k)1 − a23x (k)3 − · · · − a2nx (k)n ) ... x (k+1) n = 1 ann (bn − an1x (k)1 − an2x (k)2 − · · · − ann−x (k)n−1) 3.4.3 Me´todo Iterativo de Gauss - Jacobi Queremos transformar o sistema Ax = b em x = Cx + g . Assumindo que aii 6= 0 ∀i temos: a11x1+ a12x2+ · · · +a1nxn = a21x1+ a22x2+ · · · +a2nxn = ... an1x1+ an2x2+ · · · +annxn = b1 b2 ... bn Isolamos o vetor x da seguinte forma: x (k+1) 1 = 1 a11 (b1 − a12x (k)2 − a13x (k)3 − · · · − a1nx (k)n ) x (k+1) 2 = 1 a22 (b2 − a21x (k)1 − a23x (k)3 − · · · − a2nx(k)n ) ... x (k+1) n = 1 ann (bn − an1x (k)1 − an2x (k)2 − · · · − ann−x (k)n−1) 3.4.3 Me´todo Iterativo de Gauss - Jacobi De tal forma que x (k+1) i = 1 aii (bi − n∑ j=1 j 6=i aijx (k) j ) Como vetor aproximac¸a˜o inicial, x (0), podemos escolher qualquer vetor,pois se o sistema convergir a escolha inicial na˜o sera´ relevante. Resolva numericamente o sistema abaixo usando o me´todo de Gauss-Jacobi. 10x1 + 3x2 + x3 = 2x1 − 10x2 + 3x3 = x1 + 3x2 + 10x3 = 14 −5 14 Para facilitar as contas tome x (0) = (0, 0, 0)t 3.4.3 Me´todo Iterativo de Gauss - Jacobi De tal forma que x (k+1) i = 1 aii (bi − n∑ j=1 j 6=i aijx (k) j ) Como vetor aproximac¸a˜o inicial, x (0), podemos escolher qualquer vetor,pois se o sistema convergir a escolha inicial na˜o sera´ relevante. Resolva numericamente o sistema abaixo usando o me´todo de Gauss-Jacobi. 10x1 + 3x2 + x3 = 2x1 − 10x2 + 3x3 = x1 + 3x2 + 10x3 = 14 −5 14 Para facilitar as contas tome x (0) = (0, 0, 0)t 3.4.3 Me´todo Iterativo de Gauss - Jacobi Sistema de iterac¸a˜o xk+11 = 1 10 (14− 3xk2 − xk3 ) xk+12 = 1 −10(−5− 2x k 1 − 3xk3 ) xk+13 = 1 10 (14− xk1 − 3xk2 ) k = 0 x11 = 1 10 (14− 3(0)− (0)) = 1.4 x12 = 1 −10(−5− 2(0)− 3(0)) = 0.5 x13 = 1 10 (14− (0)− 3(0)) = 1.4 x (1) = (1.4, 0.5, 1.4)t 3.4.3 Me´todo Iterativo de Gauss - Jacobi d (k) r = d (k) max 1≤i≤n |x (k)i | = 1.4 max{1.4, 0.5, 1.4} = 1 k = 1 x21 = 1 10 (14− 3(0.5)− (1.4)) = 1.11 x22 = 1 −10(−5− 2(1.4)− 3(1.4)) = 1.20 x23 = 1 10 (14− (1.4)− 3(0.5)) = 1.11 x (1) = (1.11, 1.20, 1.11)t d (k) r = d (k) max 1≤i≤n |x (k)i | = 0.70 max{1.11, 1.20, 1.11} = 0.70 1.20 = 0.583 3.4.3 Me´todo Iterativo de Gauss - Jacobi d (k) r = d (k) max 1≤i≤n |x (k)i | = 1.4 max{1.4, 0.5, 1.4} = 1 k = 1 x21 = 1 10 (14− 3(0.5)− (1.4)) = 1.11 x22 = 1 −10(−5− 2(1.4)− 3(1.4)) = 1.20 x23 = 1 10 (14− (1.4)− 3(0.5)) = 1.11 x (1) = (1.11, 1.20, 1.11)t d (k) r = d (k) max 1≤i≤n |x (k)i | = 0.70 max{1.11, 1.20, 1.11} = 0.70 1.20 = 0.583 3.4.3 Me´todo Iterativo de Gauss - Jacobi d (k) r = d (k) max 1≤i≤n |x (k)i | = 1.4 max{1.4, 0.5, 1.4} = 1 k = 1 x21 = 1 10 (14− 3(0.5)− (1.4)) = 1.11 x22 = 1 −10(−5− 2(1.4)− 3(1.4)) = 1.20 x23 = 1 10 (14− (1.4)− 3(0.5)) = 1.11 x (1) = (1.11, 1.20, 1.11)t d (k) r = d (k) max 1≤i≤n |x (k)i | = 0.70 max{1.11, 1.20, 1.11} = 0.70 1.20 = 0.583 3.4.3 Me´todo Iterativo de Gauss - Jacobi Apo´s mais algumas iterac¸o˜es podemos observar que o algoritmo converge para a soluc¸a˜o x = (1, 1, 1)t Crite´rio de Convergeˆncia Teorema 3.3 - Crite´rio das Linhas Seja o sistema linear Ax = b e seja αk = n∑ j=1 j 6=k |akj | |akk | . Se α = max1≤k≤n αk < 1 enta˜o o me´todo de Gauss-Jacobi gera uma sequeˆncia {xk} convergente para a soluc¸a˜o do sistema dado, independentemente da escolha da aproximac¸a˜o inicial x (0). Neste caso a matriz A e´ dita diagonalmente dominante. 3.4.3 Me´todo Iterativo de Gauss - Jacobi Apo´s mais algumas iterac¸o˜es podemos observar que o algoritmo converge para a soluc¸a˜o x = (1, 1, 1)t Crite´rio de Convergeˆncia Teorema 3.3 - Crite´rio das Linhas Seja o sistema linear Ax = b e seja αk = n∑ j=1 j 6=k |akj | |akk | . Se α = max1≤k≤n αk < 1 enta˜o o me´todo de Gauss-Jacobi gera uma sequeˆncia {xk} convergente para a soluc¸a˜o do sistema dado, independentemente da escolha da aproximac¸a˜o inicial x (0). Neste caso a matriz A e´ dita diagonalmente dominante. 3.4.3 Me´todo Iterativo de Gauss - Jacobi Seja a matriz dos coeficientes do exemplo anterior A = 10 3 12 −10 3 1 3 10 α1 = 3+1 10 = 0.4 α2 = 3+2 10 = 0.5 α3 = 3+1 10 = 0.4 α = max 1≤k≤3 αk = max{0.4, 0.5} = 0.5 Como α = 0.5 < 1 assim, pelo crite´rio de linhas, temos assegurada a convergeˆncia do processo iterativo para a soluc¸a˜o do problema. 3.4.3 Me´todo Iterativo de Gauss - Jacobi Considere o sistema linear{ x1 + x2 = 3 x1 − 3x2 = −3 , o me´todo iterativo de Gauss-Jacobi gera uma sequeˆncia convergente para a soluc¸a˜o exata x = (1.5, 1.5)t . Pore´m, o crite´rio das linhas na˜o e´ satisfeito, uma vez que, α1 = 1. Este fato ocorre visto que a condic¸a˜o do teorema 3.3 e´ uma condic¸a˜o apenas suficiente. Se a matriz inicial na˜o for diagonalmente dominante, podemos tentar uma reorganizac¸a˜o das suas linhas antes de aplicarmos o me´todo iterativo. 3.4.3 Me´todo Iterativo de Gauss - Jacobi Tome o seguinte sistema linear: x1 + 3x2 + x3 = 5x1 + 2x2 + 2x3 = 6x2 + 8x3 = −2 3 −6 temos que α1 = 3+1 1 = 4 α2 = 5+2 2 = 3.5 α3 = 6 8 = 0.75 α = 4 > 1, na˜o satisfaz ao crite´rio de linhas. 3.4.3 Me´todo Iterativo de Gauss - Jacobi Tome o seguinte sistema linear: x1 + 3x2 + x3 = 5x1 + 2x2 + 2x3 = 6x2 + 8x3 = −2 3 −6 temos que α1 = 3+1 1 = 4 α2 = 5+2 2 = 3.5 α3 = 6 8 = 0.75 α = 4 > 1, na˜o satisfaz ao crite´rio de linhas. 3.4.3 Me´todo Iterativo de Gauss - Jacobi Tome o seguinte sistema linear: x1 + 3x2 + x3 = 5x1 + 2x2 + 2x3 = 6x2 + 8x3 = −2 3 −6 temos que α1 = 3+1 1 = 4 α2 = 5+2 2 = 3.5 α3 = 6 8 = 0.75 α = 4 > 1, na˜o satisfaz ao crite´rio de linhas. 3.4.3 Me´todo Iterativo de Gauss - Jacobi Se permutarmos as linhas 1 e 2 teremos: 5x1 + 2x2 + 2x3 = x1 + 3x2 + x3 = 6x2 + 8x3 = −2 3 −6 temos que: α1 = 2+2 5 = 0.8 α2 = 1+1 3 = 0.667 α3 = 6 8 = 0.75 α = 0.8 < 1 O novo sistema e´ equivalente ao sistema original e sua matriz dos coeficientes e´ diagonalmente dominante uma vez que satisfaz ao crite´rio das linhas. Agora podemos aplicar o me´todo de Gauss-Jacobi a esta nova disposic¸a˜o do sistema, uma vez que a convergeˆncia esta´ assegurada pelo crite´rio das linhas. 3.4.3 Me´todo Iterativo de Gauss - Jacobi Se permutarmos as linhas 1 e 2 teremos: 5x1 + 2x2 + 2x3 = x1 + 3x2 + x3 = 6x2 + 8x3 = −2 3 −6 temos que: α1 = 2+2 5 = 0.8 α2 = 1+1 3 = 0.667 α3 = 6 8 = 0.75 α = 0.8 < 1 O novo sistema e´ equivalente ao sistema original e sua matriz dos coeficientes e´ diagonalmente dominante uma vez que satisfaz ao crite´rio das linhas. Agora podemos aplicar o me´todo de Gauss-Jacobi a esta nova disposic¸a˜o do sistema, uma vez que a convergeˆncia esta´ assegurada pelo crite´rio das linhas. 3.4.3 Me´todo Iterativo de Gauss - Jacobi Sempre que o crite´rio de linhas na˜o for satisfeito devemos tentar permutac¸o˜es de linhas ou colunas de forma a obtermos uma disposic¸a˜o para a qual a matriz dos coeficientes satifac¸a o crite´rio das linhas. No entanto, nem sempre e´ poss´ıvel obter tal disposic¸a˜o e ainda assim, e´ poss´ıvel encontrar sequeˆncias do MGJ que sejam convergentes. 3.4.4 Me´todo Iterativo de Gauss - Seidel Podemos modificar o me´todo de Gauss-Jacobi de tal forma que cada iterac¸a˜o e´ calculada atualizando os valores das componentes do vetor x a` medida que as mesmas va˜o sendo calculadas. Seja o sistema linear Ax = b, no me´todo de Gauss-Seidel reescrevemos este sistema por separac¸a˜o diagonal, na forma equivalente x = Cx + g O processo iterativo consiste em, sendo x (0) uma aproximac¸a˜o inicial, calcular x (1), x (2), · · · , x (k) da seguinte forma: x (k+1) 1 = 1 a11 (b1 − a12x (k)2 − a13x (k)3 − · · · − a1nx (k)n ) x (k+1) 2 = 1 a22 (b2 − a21x (k+1)1 − a23x (k)3 − · · · − a2nx (k)n ) ... x (k+1) n = 1 ann (bn − an1x (k+1)1 − an2x (k+1)2 − · · · − ann−x (k)n−1) 3.4.4 Me´todo Iterativo de Gauss - Seidel Logo, no processo iterativo de Gauss-Seidel, nomomento de se calcular x (k+1) j usamos todos os valores x (k+1) 1 , x (k+1) 2 , · · · , x (k+1)j−1 que ja´ foram calculados e os x (k) j+1, x (k) j+2, · · · , x (k)n restantes. Resolva numericamente o sistema abaixo usando o me´todo de Gauss-Seidel. 10x1 + 3x2 + x3 = 2x1 − 10x2 + 3x3 = x1 + 3x2 + 10x3 = 14 −5 14 Tome x (0) = (0, 0, 0)t 3.4.4 Me´todo Iterativo de Gauss - Seidel Logo, no processo iterativo de Gauss-Seidel, no momento de se calcular x (k+1) j usamos todos os valores x (k+1) 1 , x (k+1) 2 , · · · , x (k+1)j−1 que ja´ foram calculados e os x (k) j+1, x (k) j+2, · · · , x (k)n restantes. Resolva numericamente o sistema abaixo usando o me´todo de Gauss-Seidel. 10x1 + 3x2 + x3 = 2x1 − 10x2 + 3x3 = x1 + 3x2 + 10x3 = 14 −5 14 Tome x (0) = (0, 0, 0)t 3.4.4 Me´todo Iterativo de Gauss - Seidel Sistema de iterac¸a˜o xk+11 = 1 10 (14− 3xk2 − xk3 ) xk+12 = 1 −10(−5− 2x k+1 1 − 3xk3 ) xk+13 = 1 10 (14− xk+11 − 3xk+12 ) k = 0 x11 = 1 10 (14− 3(0)− (0)) = 1.4 x12 = 1 −10(−5− 2(1.4)− 3(0)) = 0.78 x13 = 1 10 (14− (1.4)− 3(0.78)) = 1.026 x (1) = (1.4, 0.78, 1.026)t 3.4.4 Me´todo Iterativo de Gauss - Seidel Sistema de iterac¸a˜o xk+11 = 1 10 (14− 3xk2 − xk3 ) xk+12 = 1 −10(−5− 2x k+1 1 − 3xk3 ) xk+13 = 1 10 (14− xk+11 − 3xk+12 ) k = 0 x11 = 1 10 (14− 3(0)− (0)) = 1.4 x12 = 1 −10(−5− 2(1.4)− 3(0)) = 0.78 x13 = 1 10 (14− (1.4)− 3(0.78)) = 1.026 x (1) = (1.4, 0.78, 1.026)t 3.4.4 Me´todo Iterativo de Gauss - Seidel Sistema de iterac¸a˜o xk+11 = 1 10 (14− 3xk2 − xk3 ) xk+12 = 1 −10(−5− 2x k+1 1 − 3xk3 ) xk+13 = 1 10 (14− xk+11 − 3xk+12 ) k = 0 x11 = 1 10 (14− 3(0)− (0)) = 1.4 x12 = 1 −10(−5− 2(1.4)− 3(0)) = 0.78 x13 = 1 10 (14− (1.4)− 3(0.78)) = 1.026 x (1) = (1.4, 0.78, 1.026)t 3.4.4 Me´todo Iterativo de Gauss - Seidel k = 1 x11 = 1 10 (14− 3(0.78)− (1.026)) = 1.0634 x12 = 1 −10(−5− 2(1.0634)− 3(1.026)) = 1.02048 x13 = 1 10 (14− (1.0634)− 3(1.02048)) = 0.98752 x (1) = (1.0634, 1.02048, 0.98752)t Que esta´ convergindo para a soluc¸a˜o exata. Avance nos ca´lculos e verifique a convergeˆncia!! 3.4.4 Me´todo Iterativo de Gauss - Seidel k = 1 x11 = 1 10 (14− 3(0.78)− (1.026)) = 1.0634 x12 = 1 −10(−5− 2(1.0634)− 3(1.026)) = 1.02048 x13 = 1 10 (14− (1.0634)− 3(1.02048)) = 0.98752 x (1) = (1.0634, 1.02048, 0.98752)t Que esta´ convergindo para a soluc¸a˜o exata. Avance nos ca´lculos e verifique a convergeˆncia!! 3.4.4 Me´todo Iterativo de Gauss - Seidel k = 1 x11 = 1 10 (14− 3(0.78)− (1.026)) = 1.0634 x12 = 1 −10(−5− 2(1.0634)− 3(1.026)) = 1.02048 x13 = 1 10 (14− (1.0634)− 3(1.02048)) = 0.98752 x (1) = (1.0634, 1.02048, 0.98752)t Que esta´ convergindo para a soluc¸a˜o exata. Avance nos ca´lculos e verifique a convergeˆncia!! 3.4.4 Me´todo Iterativo de Gauss - Seidel Crite´rio de Convergeˆncia Crite´rio de Sassenfeld Sejam β1 = |a12|+ |a13|+ · · ·+ |a1n| |a11| e βj = |aj1|β1 + |aj2|β2 + · · ·+ |ajj−1|βj−1 + |ajj+1|+ · · ·+ |ajn| |ajj | Seja β = max 1≤j≤n βj . Se β < 1, enta˜o o me´todo de Gauss-Seidel gera uma sequeˆncia convergente qualquer que seja x (0). Ale´m disto, quanto menor for β mais ra´pida sera´ a convergeˆncia do me´todo. 3.4.4 Me´todo Iterativo de Gauss - Seidel Seja a matriz dos coeficientes abaixo, verifique se ela atende ao crite´rio de Sassenfeld A = 1.0 0.5 −0.1 0.1 0.2 1.0 −0.2 −0.1 −0.1 −0.2 1.0 0.2 0.1 0.3 0.2 1.0 β1 = 0.5+0.1+0.1 1.0 = 0.7 β2 = 0.2∗0.7+0.2+0.1 1.0 = 0.44 β3 = 0.1∗0.7+0.2∗0.44+0.2 1.0 = 0.358 β4 = 0.1∗0.7+0.2∗0.44+0.2∗0.358 1.0 = 0.2736 β = max 1≤j≤n βj = max{0.7, 0.44, 0.358, 0.2736} = 0.7 Como β = 0.7 < 1 o me´todo de Gauss-Seidel para esta matriz A ira´ convergir. 3.4.4 Me´todo Iterativo de Gauss - Seidel Seja a matriz dos coeficientes abaixo, verifique se ela atende ao crite´rio de Sassenfeld A = 1.0 0.5 −0.1 0.1 0.2 1.0 −0.2 −0.1 −0.1 −0.2 1.0 0.2 0.1 0.3 0.2 1.0 β1 = 0.5+0.1+0.1 1.0 = 0.7 β2 = 0.2∗0.7+0.2+0.1 1.0 = 0.44 β3 = 0.1∗0.7+0.2∗0.44+0.2 1.0 = 0.358 β4 = 0.1∗0.7+0.2∗0.44+0.2∗0.358 1.0 = 0.2736 β = max 1≤j≤n βj = max{0.7, 0.44, 0.358, 0.2736} = 0.7 Como β = 0.7 < 1 o me´todo de Gauss-Seidel para esta matriz A ira´ convergir. 3.4.4 Me´todo Iterativo de Gauss - Seidel Seja a matriz dos coeficientes abaixo, verifique se ela atende ao crite´rio de Sassenfeld A = 1.0 0.5 −0.1 0.1 0.2 1.0 −0.2 −0.1 −0.1 −0.2 1.0 0.2 0.1 0.3 0.2 1.0 β1 = 0.5+0.1+0.1 1.0 = 0.7 β2 = 0.2∗0.7+0.2+0.1 1.0 = 0.44 β3 = 0.1∗0.7+0.2∗0.44+0.2 1.0 = 0.358 β4 = 0.1∗0.7+0.2∗0.44+0.2∗0.358 1.0 = 0.2736 β = max 1≤j≤n βj = max{0.7, 0.44, 0.358, 0.2736} = 0.7 Como β = 0.7 < 1 o me´todo de Gauss-Seidel para esta matriz A ira´ convergir. 3.4.4 Me´todo Iterativo de Gauss - Seidel Seja a matriz dos coeficientes abaixo, verifique se ela atende ao crite´rio de Sassenfeld A = 1.0 0.5 −0.1 0.1 0.2 1.0 −0.2 −0.1 −0.1 −0.2 1.0 0.2 0.1 0.3 0.2 1.0 β1 = 0.5+0.1+0.1 1.0 = 0.7 β2 = 0.2∗0.7+0.2+0.1 1.0 = 0.44 β3 = 0.1∗0.7+0.2∗0.44+0.2 1.0 = 0.358 β4 = 0.1∗0.7+0.2∗0.44+0.2∗0.358 1.0 = 0.2736 β = max 1≤j≤n βj = max{0.7, 0.44, 0.358, 0.2736} = 0.7 Como β = 0.7 < 1 o me´todo de Gauss-Seidel para esta matriz A ira´ convergir. 3.4.4 Me´todo Iterativo de Gauss - Seidel Seja a matriz dos coeficientes abaixo, verifique se ela atende ao crite´rio de Sassenfeld A = 1.0 0.5 −0.1 0.1 0.2 1.0 −0.2 −0.1 −0.1 −0.2 1.0 0.2 0.1 0.3 0.2 1.0 β1 = 0.5+0.1+0.1 1.0 = 0.7 β2 = 0.2∗0.7+0.2+0.1 1.0 = 0.44 β3 = 0.1∗0.7+0.2∗0.44+0.2 1.0 = 0.358 β4 = 0.1∗0.7+0.2∗0.44+0.2∗0.358 1.0 = 0.2736 β = max 1≤j≤n βj = max{0.7, 0.44, 0.358, 0.2736} = 0.7 Como β = 0.7 < 1 o me´todo de Gauss-Seidel para esta matriz A ira´ convergir. 3.4.4 Me´todo Iterativo de Gauss - Seidel Seja a matriz dos coeficientes abaixo, verifique se ela atende ao crite´rio de Sassenfeld A = 1.0 0.5 −0.1 0.1 0.2 1.0 −0.2 −0.1 −0.1 −0.2 1.0 0.2 0.1 0.3 0.2 1.0 β1 = 0.5+0.1+0.1 1.0 = 0.7 β2 = 0.2∗0.7+0.2+0.1 1.0 = 0.44 β3 = 0.1∗0.7+0.2∗0.44+0.2 1.0 = 0.358 β4 = 0.1∗0.7+0.2∗0.44+0.2∗0.358 1.0 = 0.2736 β = max 1≤j≤n βj = max{0.7, 0.44, 0.358, 0.2736} = 0.7 Como β = 0.7 < 1 o me´todo de Gauss-Seidel para esta matriz A ira´ convergir. 3.4.4 Me´todo Iterativo de Gauss - Seidel O crite´rio de Sassenfeld e´ apenas suficiente. Ele pode na˜o ser satisfeito e mesmo assim o me´todo gerar uma sequeˆncia convergente. Sempre e´ poss´ıvel trocar linhas ou colunas para tentar atender a este crite´rio. Crite´rio das Linhas: seja αk = n∑ j=1 j 6=k |akj | |akk | . Se α = max1≤k≤n αk < 1 enta˜o o me´todo de Gauss-Seidel gera uma sequeˆncia {xk} convergente para a soluc¸a˜o do sistema dado. Se o crite´rio de linhas e´ satisfeito para uma dada matriz A, enta˜o, automaticamente o crite´rio de Sassenfeld e´ satisfeito. Entretanto, o crite´rio de Sassenfeld pode ser satisfeito mesmo que o crite´rio de linhas na˜o o seja. 3.4.4 Me´todo Iterativo de Gauss - Seidel Seja o sistema linear Ax = b tal que A = 3 0 11 −1 0 3 1 2 α1 = β1 = 1 3 α2 = 1→ fura o crite´rio de linhas!! β2 = 1∗1/3 1 = 1 3 α3 = 3+1 2 = 2 β3 = 1∗1/3+1∗1/3 2 = 4 6 < 1!! 3.4.4 Me´todo Iterativo de Gauss - Seidel Seja o sistema linear Ax = b tal que A = 3 0 11 −1 0 3 1 2 α1 = β1 = 1 3 α2 = 1→ fura o crite´rio de linhas!! β2 = 1∗1/3 1 = 1 3 α3 = 3+1 2 = 2β3 = 1∗1/3+1∗1/3 2 = 4 6 < 1!! 3.4.4 Me´todo Iterativo de Gauss - Seidel Seja o sistema linear Ax = b tal que A = 3 0 11 −1 0 3 1 2 α1 = β1 = 1 3 α2 = 1→ fura o crite´rio de linhas!! β2 = 1∗1/3 1 = 1 3 α3 = 3+1 2 = 2 β3 = 1∗1/3+1∗1/3 2 = 4 6 < 1!! 3.4.4 Me´todo Iterativo de Gauss - Seidel Seja o sistema linear Ax = b tal que A = 3 0 11 −1 0 3 1 2 α1 = β1 = 1 3 α2 = 1→ fura o crite´rio de linhas!! β2 = 1∗1/3 1 = 1 3 α3 = 3+1 2 = 2 β3 = 1∗1/3+1∗1/3 2 = 4 6 < 1!! 3.4.4 Me´todo Iterativo de Gauss - Seidel Seja o sistema linear Ax = b tal que A = 3 0 11 −1 0 3 1 2 α1 = β1 = 1 3 α2 = 1→ fura o crite´rio de linhas!! β2 = 1∗1/3 1 = 1 3 α3 = 3+1 2 = 2 β3 = 1∗1/3+1∗1/3 2 = 4 6 < 1!! U´ltimas considerac¸o˜es Em relac¸a˜o a` convergeˆncia, os me´todos diretos sa˜o processos finitos e portanto teoricamente sempre chegara˜o a` soluc¸a˜o do sistema, enquanto que os me´todos iterativos so´ tera˜o assegurada a` convergeˆncia sob certas condic¸o˜es. Sistemas lineares esparsos, que sa˜o bem frequentes em problemas de engenharia, sa˜o mais facilmente resolvidos pelos me´todos iterativos. Os me´todos iterativos sa˜o mais robustos em relac¸a˜o aos erros de arredondamento. Lista 3: 1,2,5,6,9(a,b,f),10,17,18,22,23,24 e 31 Pro´xima aula Por hoje e´ so´ pessoal!! Este material e´ inteiramente baseado na bibliografia do curso, principalmente no livro texto :RUGIERO, M. A.G; LOPES,V Ca´lculo Nume´rico: Aspectos teo´ricos e computacionais, Editora McGraw-Hill.1997. Sites consultados acessados em 24/03/2011: CASTILHO, J. E., Apostila de Ca´lculo Nume´rico, http://www.castilho.prof.ufu.br, UFU, 2002 http://www.alunos.eel.usp.br/numerico/notas.html Colli, E., Asano, H. C,Ca´lculo Nume´rico — Fundamentos e Aplicac¸o˜es-Departamento de Matema´tica Aplicada – IME-USP, 2009 Este material na˜o substitui a bibliografia.
Compartilhar