Baixe o app para aproveitar ainda mais
Prévia do material em texto
UNIVERSIDADE FEDERAL DE MATO GROSSO FACULDADE DE ARQUITETURA, ENGENHARIA E TECNOLOGIA ENGENHARIA ELÉTRICA LUCAS NAVES SCALEZ RAFAEL KOVALSKI DE LIMA MÉTODO DE GAUSS - JACOBI CUIABÁ-MT 2016 LUCAS NAVES SCALEZ RAFAEL KOVALSKI DE LIMA MÉTODO DE GAUSS - JACOBI Apostila apresentada na disciplina de Métodos Computacionais, no curso de Engenharia Elétrica, da Universidade Federal de Mato Grosso, com o objetivo de compreender o método numérico de Gauss – Jabobi e aplica-lo por meio de software. Professor: Antonio de Padua Finazzi. CUIABÁ- MT 2016 3 Sumário 1 – AUTORES DO MÉTODO...........................................................................4 1.1 - Carl Friedrich Gauss......................................................4 1.2 - Gustav Jacobi..................................................................4 2- MÉTODO DE ELIMINAÇÃO DE GAUSS.................................................5 3 – PROBLEMÁTICA.......................................................................................6 4 – MÉTODOS INTERATIVOS.......................................................................6 4.1– Método interativo de Gauss- Jacobi.............................8 5- MÉTODO DE GAUSS – JACOBI – RESUMO........................................14 6- APLICAÇÕES – ENGENHARIA ELÉTRICA........................................14 7- FLUXOGRAMA..........................................................................................15 8- REFERÊNCIAS BIBLIOGRÁFICAS.......................................................16 4 1 – AUTORES DO MÉTODO 1.1- Carl Friedrich Gauss Johann Carl Friedrich Gauss (1777 - 1855) foi um matemático astrônomo e físico alemão que contribuiu muito em diversas áreas da ciência, dentre elas a estatística, análise matemática, geofísica, eletroestática, astronomia e óptica. 1.2- Gustav Jacobi Carl Gustav Jakob Jacobi (1804 - 1851) foi um matemático alemão que fez contribuições fundamentais para funções elípticas, dinâmica, equações diferenciais e teoria dos números. Seu nome está escrito Jacobi foi o primeiro matemático judeu a ser nomeado professor em uma universidade alemã. 5 2- MÉTODO DE ELIMINAÇÃO DE GAUSS Tem como objetivo transformar um sistema linear Ax =b em um sistema equivalente e apresenta-lo na forma de uma matriz triangular superior dos coeficientes. a11 a12 ... a1n x1 b1 a21 a22 ... a2n x2 b2 Ax= * = an1 an2 ... ann xn bn Triangulação de matrizes Existem 3 formas básicas para triangular uma matriz: • Trocar duas equações (linhas); • Multiplicar uma equação por uma constante não nula; • Adicionar um múltiplo de uma equação a uma outra equação 3 2 1 -1 A= 0 1 0 3 0 0 -5 7 0 0 0 8 6 Figura 01 - Exemplo de matriz triangular superior 3 - PROBLEMÁTICA • É bastante comum encontrar sistemas lineares que envolvem uma grande porcentagem de coeficientes nulos. • Esses sistemas são chamados de sistemas esparsos. • Para esses tipos de sistemas, o método de Eliminação de Gauss não é o mais apropriado, pois ele não preserva essa esparsidade, que pode ser útil por facilitar a resolução do sistema. 4 – MÉTODOS INTERATIVOS Seja os Sistema Linear bxA onde: A matriz de coeficientes nn x vetor de variáveis 1n b vetor independente (constantes) 1n Idéia Geral dos Métodos Iterativos Converter o sistema de equações bxA em um processo iterativo )(xgxCx , onde: C matriz com dimensões nn g vetor com dimensões 1n )(x função de iteração matricial 7 Esquema Iterativo Proposto Partindo de uma vetor aproximação inicial )(o x , constrói-se uma seqüência iterativa de vetores: )( )()()1( oo xgxCx )( )1()1()2( xgxCx )( )1()1()( kkk xgxCx Forma Geral )( )()1( kk xx Os métodos de solução de sitemas lineares iterativos podem ser considerados como uma generalização do Método de Iteração Linear para a solução de raízes. Observação Se a sequência de aproximação )(o x , )1( x , )2( x , ......, )(k x é tal que gCx k k )(lim , então é a solução do sistema bxA . 8 Teste de Parada Como em todos os processos iterativos, necessitamos de um critérios para a parada do processo. a) Máximo desvio absoluto: )1()( ,1 )( max ki k i ni k xx b) Máximo desvio relativo: )( ,1 )( )( max ki ni k k R x Desta forma, dada uma precisão o vetor )(k x será escolhido como solução aproximada da solução exata, se )(k , ou dependendo da escolha, )(kR . 4.1– Método interativo de Gauss- Jacobi Considere o sistema linear: nnnnnnn nn nn bxaxaxaxa bxaxaxaxa bxaxaxaxa ............ .................................................................. .................................................................. ............ ............ 332211 22323222121 11313212111 Supondo niaii ,...,2,1,0 , isola-se o vetor x mediante a separação pela diagonal da matriz de coeficientes. 9 )..........( 1 )..........( 1 )..........( 1 )( 11 )( 22 )( 11 )1( )( 2 )( 323 )( 1212 22 )1( 2 )( 1 )( 313 )( 2121 11 )1( 1 k nnn k n k nn nn k n k nn kkk k nn kkk xaxaxab a x xaxaxab a x xaxaxab a x Assim, tem-se o sistema iterativo gxCx , onde: 0/// //0/ ///0 321 22222232221 11111131112 nnnnnnnnn n n aaaaaa aaaaaa aaaaaa C nnn ab ab ab g / / / 222 111 Dado uma aproximação inicial )(o x , o Método de Gauss-Jacobi consiste em obter uma seqüência )(o x , )1( x , )2( x , ......, )(k x , por meio da relação recursiva: gxCx kk )()1( Observe que o processo iterativo utiliza somente estimativas da iteração anterior. Exemplo: Resolver o sistema de equações lineares, pelo Método de Gauss- Jacobi com solução inicial Tox 6,06,17,0)( e tolerância 05,0 .10 61032 85 7210 321 321 321 xxx xxx xxx Separando-se os elementos diagonais, tem-se: )326( 10 1 )8( 5 1 )27( 10 1 )( 2 )( 1 )1( 3 )( 3 )( 1 )1( 2 )( 3 )( 2 )1( 1 kkk kkk kkk xxx xxx xxx 106 5 8 10 7 0 10 3 10 2 5 10 5 1 10 1 10 20 gC Solução para k=0 )1()0()1( xgxCx 94,0 86,1 96,0 106 5 8 10 7 6,0 6,1 7,0 0 10 3 10 2 5 10 5 1 10 1 10 20 1 1 x x Cálculo de )1( R : 1828,0 86,1 34,0 max 34,0 34,094,06,0 26,06,186,1 26,096,07,0 )1( 3,1 )1( )0( 3 )1( 3 )0( 2 )1( 2 )0( 1 )1( 1 i i R x xx xx xx 11 Para k=1: 0606,0 98,1 12,0 966,0 98,1 978,0 )2()2( Rx Para k=2: 0163,0 9888,1 0324,0 99984,0 9888,1 9994,0 )3()2( Rx 9984,0 9888,1 9994,0 x é solução com erro menor que 0,05. Condições Suficientes para a Convergência do Método de Gauss-Jacobi Teorema Seja o sistema linear bxA e seja: kk n kj j kj k a a 1 Se 1max ,1 k nk , então o método G-J gera uma seqüência )(kx convergente para a solução do sistema dado, independentemente da escolha da aproximação inicial )0( x . 12 Observe que esta é uma condição suficiente, se for satisfeita o método converge, entretanto se não for satisfeita nada se pode afirmar. Exemplo 1: Seja a matriz do exemplo dado anteriormente: 12,0 10 )32( 14,0 5 )11( 13,0 10 )12( 1032 151 1210 3 2 1 A Tem-se a convergência garantida para qualquer vetor inicial. Exemplo 2: Seja o sistema de equações lineares: 33 3 21 21 xx xx 3 1 1 1 1 2 1 As condições de convergência do teorema não são satisfeitas, entretanto o Método de Gauss-Jacobi gera uma seqüência convergente para a solução exata Tx 2 3 2 3 . Se as condições de suficiência não são satisfeitas, não significa que o método não possa convergir. Exemplo 3: Considere o sistema linear: 13 6860 3225 23 321 321 321 xxx xxx xxx 175,0 8 )60( 15,3 2 )25( 14 1 )13( 860 225 131 3 2 1 A As condições do teorema não são satisfeitas. Uma solução possível é permutar as equações. Seja no exemplo permutar a primeira equação com a Segunda equação: 175,0 8 )60( 166,0 3 )11( 18,0 1 )22( 860 131 225 3 2 1 A As condições passam a ser satisfeitas e a convergência é garantida para qualquer vetor inicial. Este tipo de procedimento nem sempre é possível. Fórmula Matricial do Método Gauss-Jacobi Decompõe-se a matriz de coeficientes A em: UDLA Onde: L – Matriz Triangular Inferior D – Matriz Diagonal U – Matriz Triangular Superior 0000 000 00 0 000 000 000 000 0 00 000 0000 1 223 11312 33 22 11 121 3231 21 nn n n nnnnnn a aa aaa U d d d d D aaa aa a L 14 )(11)1( )()1( )( )( )( )( kk kk xULDbDx xULbxD xULbxD bxUxDxL bxUDL 5- MÉTODO DE GAUSS – JACOBI - RESUMO • 1- Escolhe-se a aproximação inicial x(0) : • x(0) = [x 1(0), x 2(0), ..., x n (0) ]t • 2- Calculam-se as aproximações sucessivas x(k), a partir da iteração: • x(k+1) = Cx(k) + g 3. Continua-se a gerar aproximações até que um dos critérios de parada seja satisfeito: -Máx |xi(k+1) - xi(k)| ≤ ε (Tolerância), com 1 ≤ i ≤n. - K > M, com M=Número máximo de iterações. 6- APLICAÇÕES – ENGENHARIA ELÉTRICA • Solução de Fluxo de carga. • 2ª Lei de Kirchhoff: Lei das Malhas, calculo da corrente. 15 7- FLUXOGRAMA Figura 01 – Fluxograma do programa desenvolvido pelo grupo 16 8- REFERÊNCIAS BIBLIOGRÁFICAS • Cavalcanti, Jorge (2013) “Sitemas Lineares – Métodos Interativos.” Univasft. Consultado em 20 de Julho de 2016. <http://www.univasf.edu.br/~jorge.cavalcanti/6CN_Sistemas_Parte2.pdf> 17
Compartilhar