Baixe o app para aproveitar ainda mais
Prévia do material em texto
Sistemas Lineares Parte 2Parte 2 Métodos Diretos Seja o sistema linear . Este processo de fatoração consiste em decompor a matriz em bxA = A MÉTODOS DIRETOS Fatoração LU fatoração consiste em decompor a matriz em um produto de dois ou mais fatores. Exemplo: Seja , então resolver é equivalente a resolver e depois . A bxA =DCA = byC = yxD = Na fatoração a matriz é triangular inferior com diagonal unitária LULA = MÉTODOS DIRETOS Fatoração LU triangular inferior com diagonal unitária e a matriz é triangular superior.U Teorema da fatoração LU Dada uma matriz quadrada nxn. Se 0≠ADet MÉTODOS DIRETOS Fatoração LU Dada uma matriz quadrada nxn. Se então existe uma única matriz triangular inferior , com diagonal principal unitária, e uma única matriz triangular superior , tais que , e 0≠ADet ijmL = ijuU = AUL = ∏ = = n i iiuA 0 det Exemplo de fatoração LU. Considere =++ 1423 321 xxx 423 MÉTODOS DIRETOS Fatoração LU onde Do método de Gauss sem pivoteamento: =++ =++ =++ 3234 22 1423 321 321 321 xxx xxx xxx = 234 211 423 A = 234 211 423 A − 3/103/10 3/23/10 423 − 3/103/13/4 3/23/13/1 423 MÉTODOS DIRETOS Fatoração LU No último passo foi acrescentados os multiplicadores Os multiplicadores são definidos como segue: da equação (linha) j subtraímos a equação (linha) i multiplicada por , de modo a escalonar a matriz Continuando o processo: ijm ijm A = 234 211 423 A − 3/103/13/4 3/23/13/1 423 −413/4 3/23/13/1 423 MÉTODOS DIRETOS Fatoração LU Assim, as matrizes L e U são = 113/4 013/1 001 L − = 400 3/23/10 423 U AUL = Resolvendo o sistema por fatoração LU: =++ =++ 22 1423 321 321 xxx xxx bxA = byL = =+ = 23/1 1 21 1 yy y = 3/5 1 y MÉTODOS DIRETOS Fatoração LU Continuando − = 0 5 3 x =++ 3234 321 xxx =++ 33/4 321 yyy yxU = =− =+ =++ 04 3/53/23/1 1423 3 32 321 x xx xxx 0 � Fatoração LU com pivoteamento parcial. � Fatoração LU com pivoteamento total. O pivoteamento pode ser implementado por MÉTODOS DIRETOS Fatoração LU + Pivoteamento O pivoteamento pode ser implementado por meio da matriz de permutação. Definição: Uma matriz quadrada de ordem n é uma matriz de permutação se pode ser obtida da matriz identidade de ordem n permutando-se suas linhas (ou colunas). Exemplo de matriz permutação = 001 100 010 P 413 MÉTODOS DIRETOS Fatoração LU + Pivoteamento Seja Note: = • = 413 562 951 562 951 413 001 100 010 AP = 562 951A Definição: Uma matriz quadrada de ordem n é definida positiva se . Definição: A fatoração de Cholesky de uma matriz , A nT xxAx ℜ∈∀> 0 A MÉTODOS DIRETOS Fatoração de Cholesky Definição: A fatoração de Cholesky de uma matriz , simétrica positiva, é dada por com uma matriz triangular inferior com elementos da diagonal estritamente positivos. A ,:onde nnGGGA T ×= G Do teorema LU, temos , onde é uma matriz diagonal de ordem n. Ainda, se for simétrica, então e a fatoração escreve-se como: A DUDLA= TLU = TT dLDDLLDLA === donde MÉTODOS DIRETOS Fatoração de Cholesky Portanto, ii TT dLDDLLDLA === iidonde DLG = Considere a matriz −− −− −− −− = 83214 214112 1124 412416 A MÉTODOS DIRETOS Fatoração de Cholesky Calculando os fatores L U −− • − − = −− −− −− −− = 81000 1100 0210 412416 1104/1 0124/3 0014/1 0001 83214 214112 1124 412416 A Calculando os fatores ULA = −− • − = −− −− −− = 1100 0210 412416 0124/3 0014/1 0001 214112 1124 412416 UDLDL e MÉTODOS DIRETOS Fatoração de Cholesky − −− −− 81000 1100 1104/1 0124/3 83214 214112 TLDLA = −− • • − − = 1000 1100 0210 4/14/34/11 81000 0100 0010 00016 1104/1 0124/3 0014/1 0001 Enfim, TLDDLA = −− • • • − = 1100 0210 4/14/34/11 0100 0010 0004 0100 0010 0004 0124/3 0014/1 0001 MÉTODOS DIRETOS Fatoração de Cholesky Ou ainda, − 1000900090001104/1 TGGA = −− • − − = 9000 1100 0210 1314 9101 0123 0011 0004 Teorema da Fatoração de Cholesky Se é uma matriz simétrica positiva definida, então existe uma única matriz triangular inferior A MÉTODOS DIRETOS Fatoração de Cholesky então existe uma única matriz triangular inferior com diagonal estritamente positiva, tal que G TGGA = Resolução de sistemas lineares é semelhante ao método LU. Seja , então resolver é equivalente a resolver e depois . TGGA = bxA = byG = yxGT = MÉTODOS DIRETOS Fatoração de Cholesky depois .yxGT = �Fatoração de Cholesky: Primeiro verificar se a matriz é simétrica e definida positiva. Em caso positivo, continuar com o método de Cholesky. �OBS: MÉTODOS DIRETOS Fatoração de Cholesky �OBS: � A fatoração LU realiza cerca de n3/3 operações � A fatoração de Cholesky requer aproximadamente a metade das operações necessárias para a fatoração LU, da ordem de n3/6 operações. Sistemas Lineares Parte 3 Parte 3 Métodos Iterativos � Métodos diretos: eliminação por Gauss, fatoração LU, fatoração de Cholesky, ... Fornecem solução de qualquer sistema. Para minimizar problemas de arredondamento, adota-se o pivoteamento. MÉTODOS ITERATIVOS Introdução adota-se o pivoteamento. � Métodos iterativos: podem ser mais rápidos e necessitar de menos memóriado computador. Fornecem sequências que convergem para a solução sob certas condições. � Seja um sistema linear de ordem . A idéia é generalizar o método do ponto fixo, escrevendo o sistema linear na forma bxA = gxCx += n MÉTODOS ITERATIVOS Introdução onde é uma matriz de ordem e é um vetor coluna . � Dado um vetor aproximação inicial , cons- truímos iterativamente: gxCx += C n g 1×n )0(x gxCx += )1()2( gxCx += )0()1( Se a sequência , , ....., convergir )0(x α=+= − gxCx kk grandek )1()(lim )(kx)1(x MÉTODOS ITERATIVOS Introdução Então é a solução do sistema linear α== xbxA com grandek α Se a sequência estiver suficientemente próximo de paramos o processo. � Dada um precisão , quando )(kx ε )1( −kx MÉTODOS ITERATIVOS Teste de Parada � Dada um precisão , quando então é a solução do sistema linear. � Computacionalmente, um número máximo de iterações também é critério de parada. ε<−= − ≤≤ 1 1 )( k i k i ni k xxMAXd ε )(kx Seja o sistema linear nn nn bxaxaxaxa bxaxaxaxa =++++ =++++ ...... ...... 22323222121 11313212111 MÉTODOS ITERATIVOS Método de Gauss-Jacobi Se podemos isolar por separação da diagonal. nnnnnnn nn bxaxaxaxa bxaxaxaxa =++++ =++++ ...... ......................................................... ...... 332211 22323222121 niaii ...1para0 =≠ gxCx += Iterativamente, o sistema reescreve-se como: ( ))(1)(313)(2121 11 )1( 1 ...... 1 k nn kkk xaxaxab a x + −−−−= MÉTODOS ITERATIVOS Método de Gauss-Jacobi ( ) ( ))(11,)(22)(11)1( )( 2 )( 323 )( 1212 22 )1( 2 11 ...... 1 ......................................................... ...... 1 k nnn k n k nn nn k n k nn kkk xaxaxab a x xaxaxab a x a −− + + −−−−= −−−−= Desta forma temos , onde e −− −− = ................................. /.......0/ /....../0 2222221 1111112 n n aaaa aaaa C = ab ab g ....... / / 222 111 gxCx += MÉTODOS ITERATIVOS Método de Gauss-Jacobi Do método de Gauss-Jacobi, dado , Obtemos , ....., através da relação recursiva −− 0.......// ................................. 21 nnnnnn aaaa nnn ab / ....... )0(x )1(x )1( +kx gxCx kk +=+ )()1( Exemplo: Seja o sistema linear Seja com . Portanto, −= 6.1 7.0 )0(x 05.0=ε =++ −=++ =++ 61032 85 7210 321 321 321 xxx xxx xxx MÉTODOS ITERATIVOS Método de Gauss-Jacobi Seja com . Portanto, −= 6.0 6.1)0(x 05.0=ε −− −− −− = 010/35/1 5/105/1 10/110/20 C −= −= 6.0 6.1 7.0 10/6 5/8 10/7 g Substituindo 94.06.0)6.1(3.0)7.0(2.06.03.02.0 86.16.1)6.0(2.0)7.0(2.06.12.02.0 96.07.0)6.0(1.0)6.1(2.07.01.02.0 )0( 2 )0( 1 )1( 3 )0( 3 )0( 1 )1( 2 )0( 3 )0( 2 )1( 1 =+−−−=+−−= −=−−−=−−−= =+−−−=+−−= xxx xxx xxx MÉTODOS ITERATIVOS Método de Gauss-Jacobi Segue . Calculando −= 94.0 86.1 96.0 )1(x 94.06.0)6.1(3.0)7.0(2.06.03.02.0 213 =+−−−=+−−= xxx 05.034.0 05.026.0 05.026.0 )0( 3 )1( 3 )1( 3 )0( 2 )1( 2 )1( 2 )0( 1 )1( 1 )1( 1 >=−= >=−= >=−= xxd xxd xxd Continuando com −= 966.0 98.1 978.0 )2(x ( ) ( ) ε>=−= 12.012)2( ii xxMAXd MÉTODOS ITERATIVOS Método de Gauss-Jacobi Segue é a solução, pois critério de parada ε>=−= ≤≤ 12.0 1 ii ni xxMAXd −= 998.0 999.1 999.0 )3(x ε<=−= ≤≤ 032.0)2()3( 1 )3( ii ni xxMAXd � Nos métodos iterativos são necessários critérios que garantam a convergência. MÉTODOS ITERATIVOS Método de Gauss-Jacobi – Critério de Convergência � Um critério para a convergência do Método de Gauss-Jacobi é dado pelo: 1) Critério das linhas. � Teorema – Critério das linhas Dado o sistema , seja bxA = ||/)||( kk n kjk aa∑ = =α MÉTODOS ITERATIVOS Método de Gauss-Jacobi – Convergência: critério das linhas Se , então o método de Gauss- Jacobi gera uma série convergente para a solução do sistema independentemente da escolha de . 1 kj j ∑ ≠ = 1max 1 <α=α ≤≤ knk )0(x � Exemplo:Considere o sistema já estudado = 1032 151 1210 A =++ −=++ =++ 61032 851 7210 321 321 321 xxx xxx xxx MÉTODOS ITERATIVOS Método de Gauss-Jacobi – Convergência: critério das linhas Critério das linhas: Logo, convergência OK! 13.0 10 12 1 <= + =α =++ 61032 321 xxx 15.0 10 32 3 <= + =α14.0 5 11 2 <= + =α 15.0max 1 <=α=α ≤≤ knk � Obs1: O sistema converge pelo método de Gauss- Jacobi. No entanto, . Isto mostra que o Teorema das linhas é apenas suficiente para convergência. −=− =+ 33 3 21 21 xx xx 1max 1 =α=α ≤≤ knk MÉTODOS ITERATIVOS Método de Gauss-Jacobi – Convergência: critério das linhas linhas é apenas suficiente para convergência. � Obs2: O sistema � Contudo, o sistema Equivalente converge pelo critério das linhas 6860 3225 231 321 321 321 −=++ =++ −=++ xxx xxx xxx 4max 1 =α=α ≤≤ knk 6860 231 3225 321 321 321 −=++ −=++ =++ xxx xxx xxx 18.0max 1 <=α=α ≤≤ knk Seja o sistema linear nn nn bxaxaxaxa bxaxaxaxa =++++ =++++ ...... ...... 22323222121 11313212111 MÉTODOS ITERATIVOS Método de Gauss-Seidel Se podemos isolar por separação da diagonal. nnnnnnn nn bxaxaxaxa bxaxaxaxa =++++ =++++ ...... ......................................................... ...... 332211 22323222121 niaii ...1para0 =≠ gxCx += Iterativamente, o sistema reescreve-se como: ( ))(1)(313)(2121 11 )1( 1 ...... 1+ −−−−= k nn kkk xaxaxab a x MÉTODOS ITERATIVOS Método de Gauss-Seidel ( ) ( ))1(11,)1(22)1(11)1( )( 2 )( 323 )1( 1212 22 )1( 2 11 ...... 1 ......................................................... ...... 1 + −− +++ ++ −−−−= −−−−= k nnn k n k nn nn k n k nn kkk xaxaxab a x xaxaxab a x a Comentário: Gauss-Jacobi X Gauss-Seidel � O Método de Gauss-Seidel é uma variação do Método de Gauss-Jacobi, pois para )1( +k MÉTODOS ITERATIVOS Método de Gauss-Seidel calcular utilizamos os valores já calculados e os valores restantes )1( +k jx )1( 1 )1( 3 )1( 2 )1( 1 ,.....,,, + − +++ k j kkk xxxx )1()1( 2 )1( 1 ,.....,, ++ + + + k n k j k j xxx Exemplo:Seja o sistema linear Seja com. Portanto, = 0 )0( =++ =++ =++ 0633 6143 5115 321 321 321 xxx xxx xxx MÉTODOS ITERATIVOS Método de Gauss-Seidel Seja com . Portanto, = 0 0)0(x 05.0=ε ( ) ( ) ( ))1(2)1(1)1(3 )( 3 )1( 1 )1( 2 )( 3 )( 2 )1( 1 5.05.00 25.075.05.1 2.02.01 +++ ++ + −−= −−= −−= kkk kkk kkk xxx xxx xxx Logo, a primeira iteração fornece ( ) ( ) ( ) 75.0025.0175.05.125.075.05.1 10012.02.01 )0( 3 )1( 1 )1( 2 )0( 3 )0( 2 )1( 1 =×−×−=−−= =−−=−−= xxx xxx MÉTODOS ITERATIVOS Método de Gauss-Seidel ( ) ( ) 88.075.05.015.05.05.00 75.0025.0175.05.125.075.05.1 )1( 2 )1( 1 )1( 3 312 −=×−×−=−−= =×−×−=−−= xxx xxx − = 88.0 75.0 1 )1(x ε>=−−=− ε>=−=− ε>=−=− 88.0088.0 75.0075.0 101 )0( 3 )1( 3 )0( 2 )1( 2 )0( 1 )1( 1 xx xx xx Logo, a segunda iteração fornece ( ) ( ) ( ) 95.025.075.05.1 03.12.02.01 )1( 3 )2( 1 )2( 2 )1( 3 )1( 2 )2( 1 =−−= =−−= xxx xxx MÉTODOS ITERATIVOS Método de Gauss-Seidel ( ) ( ) 99.05.05.00 95.025.075.05.1 )2( 2 )2( 1 )2( 3 312 −=−−= =−−= xxx xxx − = 99.0 95.0 03.1 )2(x ε>=− ε>=− ε<=− 11.0 2.0 03.0 )1( 3 )2( 3 )1( 2 )2( 2 )1( 1 )2( 1 xx xx xx Logo, a terceira iteração fornece ( ) ( ) ( ) 99.025.075.05.1 01.12.02.01 )2( 3 )3( 1 )3( 2 )2( 3 )2( 2 )3( 1 =−−= =−−= xxx xxx MÉTODOS ITERATIVOS Método de Gauss-Seidel ( ) ( ) 00.15.05.00 99.025.075.05.1 )3( 2 )3( 1 )3( 3 312 −=−−= =−−= xxx xxx − = 00.1 99.0 01.1 )3(x ε<=− ε<=− ε<=− 01.0 04.0 02.0 )2( 3 )3( 3 )2( 2 )3( 2 )2( 1 )3( 1 xx xx xx Logo, após a terceira iteração − == 99.0 01.1 )3(xx MÉTODOS ITERATIVOS Método de Gauss-Seidel é solução do sistema considerado com erro menor do que . − 00.1 05.0=ε � Nos métodos iterativos são necessários critérios que garantam a convergência. � Convergência para o Método de Gauss-Seidel: MÉTODOS ITERATIVOS Método de Gauss-SEIDEL – Critério de Convergência � Convergência para o Método de Gauss-Seidel: 1) Critério das linhas (já visto) 2) Critério de Sassenfeld � Os critérios acima estabelecem condições suficientes para a convergência. � Sejam e ∑ = = +++ =β n j jn a a a aaa 2 11 1 11 11312 1 || || || |||||| K MÉTODOS ITERATIVOS Método de Gauss-Seidel – Convergência: critério de Sassenfeld e niaaa a aaaaa ii n ij ijj i j ij ii iniiiiiii i K KK ,3,2||/|||| || |||||||||| 1 1 1 1112211 = += +++++ = ∑∑ += − = +−− β ββββ � Seja Se β < 1, o método de Gauss-Seidel gera }{max 1 ini β=β ≤≤ MÉTODOS ITERATIVOS Método de Gauss-Seidel – Convergência: critério de Sassenfeld Se β < 1, o método de Gauss-Seidel gera uma sequência convergente para qualquer . Quanto menor β, mais rápida será a convergência. )0(x Seja o sistema: −=+++ =++−− −=−−+ =+−+ 5.22.03.01.0 0.12.02.01.0 6.21.02.02.0 2.01.01.05.0 4321 4321 4321 4321 xxxx xxxx xxxx xxxx 7.01/]1.01.05.0[||/|]||||[|||/]||[ 1114131211 4 2 11 =++=++==β ∑ = aaaaaa j j MÉTODOS ITERATIVOS - Exemplos 274.01/]358.02.044.02.07.01.0[ ||/]|||||[|||/|]|||[ 358.01/]2.044.02.07.01.0[ ||/|]||||[|||/|]|||[ 44.01/]1.02.07.02.0[ ||/|]||||[|||/|]|||[ 4434324214144 4 14 4 14 1 44 333423213133 4 13 3 13 1 33 22242312122 4 12 2 12 1 22 =⋅+⋅+⋅= =β+β+β=+β=β =+⋅+⋅= =+β+β=+β=β =++⋅= =++β=+β=β ∑∑ ∑∑ ∑∑ += − = += − = += − = aaaaaaa aaaaaaa aaaaaaa j jj j j j jj j j j jj j j � Então, 17.0}{max 1 <=β=β ≤≤ ini MÉTODOS ITERATIVOS - Exemplos de modo que o método de Gauss-Seidel converge. 2. Seja o sistema: Neste caso, =+ =+− =++ 33 1 932 31 32 321 xx xx xxx 122/]31[ >=+=β MÉTODOS ITERATIVOS - Exemplos Neste caso, Trocando a 1ª equação pela terceira, Nesta disposição: 122/]31[1 >=+=β =++ =+− =+ 932 1 33 321 32 31 xxx xx xx 131/]30[1 >=+=β 2. Agora se trocarmos a 1ª coluna pela terceira, =++ =+− =+ 923 1 3 3 123 23 13 xxx xx xx MÉTODOS ITERATIVOS - Exemplos Nesta disposição: =++ 923 123 xxx 3/22//)3/1(1)3/1(3[ 3/11/]0)3/1(1[ 3/13/]11[ 3 2 1 =⋅+⋅=β =+⋅=β =+=β 13/2}{max 1 <=β=β ≤≤ ini Garantia de convergência 3. Seja o sistema: � O método de Gauss-Seidel gera uma sequência convergente, apesar do critério das linhas não ser −=− =+ 33 3 21 21 xx xx MÉTODOS ITERATIVOS - Exemplos convergente, apesar do critério das linhas não ser satisfeito. � Pelo critério de Sassenfeld 3/13/11 11/1 2 1 =⋅=β ==β O critério de Sassenfeld não é satisfeito. O critério de Sassenfeld também é suficiente, mas não necessário. Seja o sistema: Método de Gauss-Jacobi: −=− =+ 33 3 21 21 xx xx ( ) )( 2 )1( 1 3 kk xx −= + MÉTODOS ITERATIVOS - Comparações Método de Gauss-Jacobi: Temos a sequência: ( ))(1)1(2 331 kk xx −=+ = = = = = 3/4 3/4 , 3/5 1 , 2 2 , 1 3 , 0 0 )4()3()2()1()0( xxxxx Seja o sistema: Método de Gauss-Seidel: −=− =+ 33 3 21 21 xx xx )()1( 3+ −= kk xx MÉTODOS ITERATIVOS - Comparações Método de Gauss-Seidel: Temos a sequência: ( ))1(1)1(2 )( 2 )1( 1 3 3 1 3 ++ −= −= kk kk xx xx = = = = 9/14 3/5 , 3/4 1 , 2 3 , 0 0 )3()2()1()0( xxxx � Comentário1: As duas sequências convergem para a solução exata do sistema . Vejamos, a) Gauss-Jacobi : b) Gauss-Seidel: � Comentário 2: A convergência do Método de Gauss- ( )5.15.1=∗x ( )56.167.1)3( =GSx ( )33.133.1)4( =GJx MÉTODOS ITERATIVOS - Comparações � Comentário 2: A convergência do Método de Gauss- Seidel é mais rápida, por construção do método. � Comentário 3: Embora a ordem das equações num sistema linear não mude a solução exata, as sequências geradas pelos Métodos de Gauss-Jacobi e Gauss-Seidel dependem fundamentalmente da disposição das equações 1) Convergência: � Os Métodos Diretos são processos finitos portanto fornecem solução para qualquer MÉTODOS DIRETOS E ITERATIVOS Comparações portanto fornecem solução para qualquer sistema linear não-singular. � Os Métodos Iterativos têm convergência assegurada sob certas condições. 2) Esparsidade da Matriz : Em problemasreais, como a discretização de EDO’s pelo Método de Elementos Finitos ou Diferenças Finitas, as matrizes dos coeficientes tornam-se esparsas. A forma de armazenamento destes dados tira proveito da esparsidade. A MÉTODOS DIRETOS E ITERATIVOS Comparações � Métodos diretos em sistemas esparsos provocam o preenchimento da matriz e no processo de Eliminação (escalonamento) geram elementos não-nulos, onde originalmente tínhamos elementos nulos. Técnicas especiais de pivoteamento reduzem este preenchimento. Fatoramento LU dão bons resultados. Algumas situações estes métodos não são possíveis. � Métodos iterativos não alteram a estrutura da matriz dos coeficientes. Vantagem. 3) Erros de Arredondamento � Métodos Diretos têm problemas de arredondamento. Técnicas de Pivoteamento MÉTODOS DIRETOS E ITERATIVOS Comparações arredondamento. Técnicas de Pivoteamento amenizam tais erros. � Métodos iterativos têm menos erros de arredondamento, quando a convergência estiver assegurada. � Fazer exercícios 3, 5, 9,14, 22, 29 do LISTA DE EXERCÍCIOS livro texto.
Compartilhar