Baixe o app para aproveitar ainda mais
Prévia do material em texto
Resolvendo Sistemas Lineares por Decomposição LU • Consideremos os seguintes abordagens: 1) Mostrar como um sistema linear Ax = b pode ser resolvido, fatorando a matriz A em duas matrizes triangulares (superior e inferior), e 2) Como construir tal fatoração 2 Decomposição em LU • O objetivo é fatorar a matriz dos coeficientes A em um produto de duas matrizes L e U. – Seja: nn n n n nnn u uu uuu uuuu mmm mm m LU 000 00 0 1 0 01 001 0001 333 22322 1131211 321 3231 21 • Definição Uma fatoração de uma matriz quadrada A com A = LU, onde L é triangular inferior e U é triangular superior, é chamada uma fatoração ou decomposição LU ou, ainda, decomposição triangular da matriz A. • Teorema 1 Se A é uma matriz quadrada que pode ser reduzida à forma escalonada por linhas U por eliminação gaussiana sem troca de linhas, então A pode ser fatorada como A = LU, onde L é uma matriz triangular inferior. • Se uma matriz A de tamanho n x n puder ser fatorada num produto de matrizes n x n como A = LU onde L é triangular inferior e U é triangular superior, então o sistema linear A x = b pode ser resolvido como segue: Passo1. reescrever o sistema A x = b como LU x = b (1) Passo2. definir uma nova matriz y de tamanho n x 1 por U x = y (2) Passo3. usar (2) para escrever (1) como L y = b e resolver esse sistema em y. Passo4. substituir y em (2) e resolver em x. • Observação: embora esse procedimento substitua o problema de resolver um único sistema A x = b, pelo problema de resolver dois sistemas Ly = b e U x = y, esses dois sistemas são fáceis de resolver, pois usam matrizes triangulares. Exemplo: resolvendo um sistema por fatoração 100 310 131 734 013 002 294 083 262 3 2 2 294 083 262 3 2 1 x x x Considerando-se válida a fatoração usar o método descrito para resolver o sistema Soluçao: Passo1. reescrever o sistema A x = b como LU x = b 3 2 2 100 310 131 734 013 002 3 2 1 x x x (continua) (1) Exemplo: resolvendo um sistema por fatoração (continuação) 3 2 1 3 2 1 100 310 131 y y y x x x (continua) Passo2. definir uma nova matriz y de tamanho n x 1 por U x = y Passo3. usar (2) para escrever (1) como L y = b e resolver esse sistema em y. 3 2 2 734 013 002 3 2 1 y y y 3734 23 22 321 21 1 yyy yy y ou Para resolver esse sistema o procedimento é similar à retro-substituição, exceto que as equações são resolvidas de cima para baixo. Esses procedimento é chamado substituição direta. O resultado é 25,1 321 yeyy (2) Resolvendo um Sistema por Fatoração (continuação) O resultado, usando retro-substituição é 21,2 321 xexx Passo4. substituir y em (2) e resolver em x. 3 2 1 3 2 1 100 310 131 y y y x x x 2 5 1 100 310 131 3 2 1 x x x (2) portanto 2 53 13 3 32 321 x xx xxxou 8 Decomposição em LU • 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 como segue. 9 Decomposição em LU • E a matriz coeficiente A: – Têm-se: nn3n2n1n n22221 n11211 aaaa aaa aaa A nn n333 n22322 n1131211 nn3n2n1n 3231 21 nn3n2n1n n22221 n11211 u000 uu00 uuu0 uuuu mmmm 0 01mm 001m 0001 ]LU[ aaaa aaa aaa A 10 Decomposição em LU • 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: .n,...,2,1j,au ,auau1 ,auau1 ,auau1 j1j1 n1n1n1n1 12121212 11111111 11 Decomposição em LU • 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 a m , u a maum , u a maum , u a maum 11 1l 1l 11 1l 1l1l111l 11 31 31311131 11 21 21211121 12 Decomposição em LU • 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,umau ,umauauum ,umauauum ,umauauum j121j2j2 n121n2n2n2n2n121 1321232323231321 1221222222221221 13 Decomposição em LU • 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 uma m , u uma maumum , u uma maumum , u uma maumum 22 121l2l 2l 22 121l2l 2l2l222l121l 22 124142 424222421241 22 123132 323222321231 14 Decomposição em LU • Temos a seguinte fórmula geral: .jl,u/)uma(m ,jl,umau jjkjlkljlj 1l 1k kjlkljlj Método para se encontrar uma decomposição LU • Passo 1. reduzir A à forma escalonada por linhas U por eliminação gaussiana sem troca de linhas, mantendo armazenados os multiplicadores usados para introduzir os pivôs (líderes) e os multiplicadores utilizados para introduzir os zeros abaixo dos pivôs. • Passo 2. em cada posição ao longo da diagonal principal de L, colocar o recíproco do multiplicador que introduziu o pivô naquela posição em U. • Passo 3. em cada posição abaixo da diagonal principal de L, colocar o negativo do multiplicador utilizado para introduzir o zero naquela posição em U. • Passo 4. formar a decomposição A = LU. A decomposição LU tem como variantes os elementos da matriz diagonal •Método de Doolittle : • Método de Crout : • Método de Cholesky : 1iiU 1iiL iiii UL Método de Doolittle Decomposição LU com lii = 1 Faz a geração de ambas as linhas de L e U Fortemente adaptável a eliminação gaussiana e armazenada Vantagens quando a matriz é armazenada por linhas Os elementos de L são dados jiparauulal jj j k kjikijij /)( 1 1 jiparaulau i k kjikijij )( 1 1 Enquanto os elementos de U são dados por 3234 22 1423 321 321 321 xxx xxx xxx 234 211 423 A 3 2 1 b 333231 232221 131211 33 2322 131211 3231 21 00 0 1 01 001 aaa aaa aaa u uu uuu ll l u11 = a11 = 3; u12 = a12 = 2; u13 = a13 = 4; jiparaulau i k kjikijij )( 1 1 u22= a22 - l21u12; u23 = a23 - l21u13; *00 **0 423 U u33 = a33 - l31u13 - l32u23 jiparauulal jj j k kjikijij /)( 1 1 Os elementos de L são dados l21 = a12/ u11 = 1/3; l31 = a31/u11 = 4/3; 113/4 013/1 001 L l32 = [3 - (4/3).2]/1/3 = 1 400 3/23/10 423 U u22 = 1 - (1/3).2 = 1/3 u23 = 2 - (1/3).4 = 2/3 u33 = 2 - (4/3).4 – 1.(2/3) = - 4; Logo a solução do sistema é x1= -3; x2 = 5; x3 = 0 Propriedades da decomposição LU P1: O det (A) é a multiplicação dos elementos da diagonal principal da matriz U P2: Dado que A = LU, então A-1=U-1.L-1 P3: Uma dada matriz A pode não ser decomponível na forma LU se existir submatrizes com det = 0 123 111 122 A1 363 742 321 A 2 Método de Crout • Decomposição LU com • Faz a geração das colunas deL e linhas de U. • Possui como estrutura: niAL ii ..1,11 njLAU ij ..2,/ 1111 1iiU 1 1 ..2, j k kjikijij niijULAL njji L ULA U ii i k kjikij ij ..3, 1 1 Teorema 1: Dada uma matriz quadrada A de ordem n, seja Ak a matriz constituída das primeiras k linhas e colunas de A. Suponha que det(Ak) 0 para k = 1, 2, …, (n-1). Então, existe uma única matriz triangular inferior L = (lii), com lii = 1, 1 i n e uma única matriz triangular superior U = (uij) tais que A = LU. Ainda mais, det(A) = u11u22…unn. Complexidade da Decomposição LU bZL Quão mais rápida e melhor a Decomposição LU em relação a Eliminação Gaussiana. Complexidade n = número de equações Para decompor [A], a complexidade será Para resolver: Com complexidade 3 3n bXU 2 2n Complexidade da Decomposição LU Portanto a complexidade será proporcional a: 2 3 3 n n ) 2 (2 3 23 nn or Enquanto que a eliminação gaussiana será: 23 23 nn Qual será o melhor? Complexidade da Decomposição LU ) 2 n 3 n (m 23 )n(m 3 n 2 3 51033.8 Complexidade do Vetor Independente Na decomposição LU da [A] é independente do vetor [b], portanto somente uma vez: Seja m = o número de vezes que o vetor [b] é trocado The computational times are proportional to Eliminação Gaussiana = Decomposição LU= Considere um conjunto de 100 variaveis com 50 elementos dos lados direito do vetor. Então: LU Decomposition = Gauss Elimination = 71069.1 Complexidade da Decomposição LU Outra vantagem Encontrar a inversa da matriz LU Decomposition Gauss Elimination 3 4 )( 3 3 2 3 n nn n 2323 3423 nnnn n Para valores grandes de n 3 4 23 334 nnn 27 • Exemplo: – O resíduo calculado é: – Vê-se pelo resíduo que a precisão alcançada não foi satisfatória. – O vetor x(0) é chamado de vetor solução. 594,0 594,0 214,0 042,0 Axbr )0()0( Erros – Resíduo 28 • Exemplo: – Com o intuito de melhorar a solução, considera- se um novo vetor x(1) chamado de vetor solução melhorado. Erros – Resíduo 29 • Exemplo: – De forma que : x(1) = x(1) + δ(0), onde δ(0) é o vetor de correção. Assim: )0()0( )0()0( )0()0( )0()0( )1( rA AxbA bAAx b)x(A bAx Erros – Resíduo 30 • Exemplo: – Calcular o vetor de correção: 594,0 594,0 214,0 042,0 5,212,130,810,21 4,115,238,83,53 1,455,118,85,24 0,113,90,37,8 4 3 2 1 Erros – Resíduo 31 • Exemplo: – A solução é: 0000,0 0294,0 0195,0 0295,0 )0( Erros – Resíduo 32 • Exemplo: – Desta forma, a solução melhorada será: 0000,1 9999,0 0000,2 0000,1 xx )0()0()1( Erros – Resíduo 33 • Exemplo: – Cujo novo resíduo é: 013,0 024,0 011,0 009,0 Axbr )1()1( Erros – Resíduo 34 • Exemplo: – Utilizando o mesmo procedimento, têm-se que: x(2)=x(1)+δ(1) – Assim, o vetor correção, calculado por A δ(1)=r(1), é: 0000,0 0007,0 0002,0 0002,0 )1( Erros – Resíduo 35 • Exemplo: – Acha-se assim uma solução melhorada: 0000,1 0000,1 0000,2 0000,1 x )2( Erros – Resíduo 36 • Exemplo: – Que possui resíduo: 0 0 0 0 r )2( Erros – Resíduo 37 Sistemas Lineares - Bibliografia – 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://www.math.ist.utl.pt/stat/pe/qeb/semestre_1_2004- 2005/PE_erros.pdf [Último acesso 07 de Junho de 2007].
Compartilhar