Baixe o app para aproveitar ainda mais
Prévia do material em texto
Material sujeito a correções Página 1 de 55 ÍNDICE 1 ERROS NAS APROXIMAÇÕES NUMÉRICAS.....................................2 1.1 Erros Absolutos ................................................................................................ 3 1.2 Erros Relativos ................................................................................................. 4 1.3 Erro de Arredondamento................................................................................... 5 1.4 Ordem decimal de um algarismo: ...................................................................... 5 1.5 Algarismos significativos corretos....................................................................... 5 1.6 Cálculo dos erros absoluto e relativo:................................................................. 6 1.7 Erro de Truncamento ........................................................................................ 9 1.8 Seqüências – Convergências.............................................................................. 9 1.9 Propagação de erros ....................................................................................... 10 2 MATRIZES .....................................................................................12 2.1 Propriedades dos Determinantes ..................................................................... 15 2.2 Menor Complementar ..................................................................................... 16 2.3 Complemento Algébrico de um elemento (COFATOR) ....................................... 16 2.4 Matriz Adjunta ................................................................................................ 17 2.5 Matriz Inversa ................................................................................................ 17 2.6 Cálculo do Determinante ................................................................................. 22 3 VALORES E VETORES CARACTERÍSTICOS ....................................24 4 SISTEMAS DE EQUAÇÕES LINEARES............................................26 4.1 Métodos Diretos ou de Eliminação ................................................................... 26 4.1.1 Método de Gauss ..................................................................................... 26 4.1.2 Método de Gauss-Jordan .......................................................................... 31 4.1.3 Condensação Pivotal ................................................................................ 34 4.1.4 Refinamento da Solução........................................................................... 37 4.1.5 Inversão de Matrizes ................................................................................ 40 5 SISTEMAS DE EQUAÇÕES LINEARES............................................42 5.1 Métodos Iterativos .......................................................................................... 42 5.2 Método de Jacobi............................................................................................ 43 5.3 Método de Gauss-Siedel.................................................................................. 45 5.4 Estudo da Convergência.................................................................................. 46 6 Decomposição LU..........................................................................47 6.1 Teorema LU ................................................................................................... 47 6.2 Esquema prático para a decomposição LU........................................................ 49 Material sujeito a correções Página 2 de 55 1 ERROS NAS APROXIMAÇÕES NUMÉRICAS Causas: • Divisões Inexatas; • Números Irracionais; • Abandono de Casas Decimais e • Etc. Este último aspecto é de particular interesse no caso de computadores digitais. O processo de solução de um problema físico, através de métodos numéricos, pode ser representado como se segue: Figura 1 Nas fases de modelagem e resolução podem ocorrer erros. Ex.: Erro na fase de modelagem: A variação no comprimento de uma barra de metal sujeita a certa variação de temperatura é dado por: (((( ))))20 t. .l ββββαααα ++++====∆∆∆∆ tl onde: material.cada de dilataçãode escoeficiente atemperaturt inicial ocomprimentl ocompriment do iaçãovarl 0 →→→→ →→→→ →→→→ →→→→∆∆∆∆ ββββαααα Exemplo: Calcular a variação no comprimento de uma barra sujeita a 10º C de variação e que tenha: erimentaisexp , , ml ==== ==== ==== 0000680 0012530 10 ββββ αααα Logo, (((( )))) 01933001000006801000125301 2 ,.,.,.l ====++++====∆∆∆∆ Os valores de αααα e ββββ foram obtidos experimentalmente com precisão de 10-6. Material sujeito a correções Página 3 de 55 Logo: 0,001252 < α < 0,001254 0,000067 < β < 0,000069 Então: (((( )))) (((( ))))2 2 00,000069.1 .,1. l 00,000067.1 0 0,001252.11. l ++++<<<<∆∆∆∆ ++++>>>>∆∆∆∆ 100012540 Logo: 0,019440 ∆l 0,019220 <<<<<<<< ou 41001930 −−−−±±±±====∆∆∆∆ ,l Então vemos que uma imprecisão na sexta casa decimal de α e β, implicou uma imprecisão na quarta casa decimal de ∆∆∆∆l. A precisão do resultado não é só função do modelo matemático, mas também dos dados de entrada. 1.1 Erros Absolutos Quando se substitui um valor a por outro aproximado a’ (a’≠≠≠≠a), define-se como erro absoluto: 'aa −−−−====∆∆∆∆ Normalmente como não conhecemos o valor de a, o erro absoluto é indeterminado. Trabalhamos então com a cota superior ε do erro absoluto, isto é: ε ≥≥≥≥ ∆∆∆∆ Assim, podemos dizer que: εεεεεεεεεεεε ++++≤≤≤≤≤≤≤≤≤≤≤≤−−−− ' - ' ou ' aaaaa e que a’ é valor aproximado de a com erro absoluto não superior a ε. Ex.: Se a = 3.876,373 e só desejamos a parte inteira a’, o erro absoluto é: (((( ))))373876387633730 ,.. ,a'aa −−−−====−−−−====∆∆∆∆ Material sujeito a correções Página 4 de 55 1.2 Erros Relativos Chama-se erro relativo cometido sobre um valor a, quando este é aproximado por a’ ao quociente positivo: a ∆∆∆∆ ====δδδδ Como normalmente o valor de a não é conhecido, e é próximo de a’, costuma-se calcular também uma cota superior para o erro relativo tal que: 'a εεεεδδδδ ≤≤≤≤ Onde ε é uma adequada cota superior de erro absoluto. A substituição de a por a’ no denominador é justificável se: 'aa ≅ que é o caso normalmente encontrado na prática. “Erro relativo tem por objetivo dar uma idéia ao grau de uma influência do erro, no valor desejado”. O erro absoluto não traduz nada, se não soubermos a ordem de grandeza do valor calculado. Ex.: 373,1 373,3876 = = b a Como vemos, o efeito da aproximação de b é muito maior do que de a. Considerando o erro relativo, teremos uma melhor visão deste efeito. Para a: 410 376,3876 373,0 −−−−<<<<====aδδδδ Para b: 1102 3731 3730 −−−−<<<<==== . , , bδδδδ Material sujeito a correções Página 5 de 55 1.3 Erro de Arredondamento Diz-se que um valor foi arredondado na posição de ordem n, se todos os algarismos significativos de ordem n + 1 em diante forem abandonados de forma que o algarismos de ordem n é aumentado de uma unidade, se e somente se, o de ordem n+1 for superior a n. O arredondamento é feito, por exemplo, em computadores digitais que trabalham com um número “d” fixo de algarismos significativos. Se por exemplo d = 5 e tivermos com um valor igual a: 2,73589 (algarismos significativos). A diferença entre estes valores é o erro de Arredondamento. Estes erros podem se propagar cumulativamente,podendo afetar o resultado final. 1.4 Ordem decimal de um algarismo: Diz-se que a ordem decimal de um algarismo significativo ai de um número a é m, se o resultado quando substituímos ai por 1 e todos os outros algarismos significativos por zeros, é 10n. Ex.: No número 2,718278, a ordem decimal do algarismo significativo de ordem 6 é -5, pois: 510 1 0000100 −−−− ==== , Quando um número está representado na forma normalizada, a ordem decimal do algarismo significativo de ordem i é (–i + t). Forma Normalizada de um número é a sua representação: 0, a1, a2, a3,...ad . 10t Onde d é o número de algarismos significativos e ai, i = (1, 2, ...,d) são os algarismos. 1.5 Algarismos significativos corretos Diz-se que um algarismo significativo de ordem “n” (an) de uma aproximação a’ de um número a, é algarismo significativo correto, se o erro absoluto de a’ for inferior a 0,5.10m, onde m é a ordem decimal desse algarismo. Com esta definição é possível afirmar que se o número a e sua aproximação a’ tem algarismos significativos coincidindo a partir da esquerda até o de ordem i, então o número de algarismos significativos corretos é pelo menos (i – 1). De fato, com a ordem decimal do algarismo significativo de ordem i é –i + t, então, com essa coincidência, o erro absoluto deve ser menor que 10-i+t (t se refere a forma normalizada) e por isso menor do que 0,5.10-i+t-1, como exemplo temos as aproximações 2,5 e 2,4 de 2,0. Material sujeito a correções Página 6 de 55 Para ambas existe coincidência até o algarismo significativo de ordem 1, no entanto só a segunda aproximação tem um algarismo correto. Ex.: 1,9999 e 2,05 A aproximação 0,668543 de ....)666,0(3 2 . O algarismo 8 da aproximação não é correto pois: 0,668543 – 0,666 = 0,00187633 > 0,5.10-3 O número 0,668543 só possui dois algarismos significativos corretos. Ex.: Seja o número a = 0,000045045. Por um processo numérico foi determinado para o mesmo valor a’ = 0,000045270. Aplicando a definição concluímos que a’ só tem dois algarismos significativos corretos. Passando para a forma normalizada vem, a = 0,45045.10-4 e a’ = 0,45270.10-4 1.6 Cálculo dos erros absoluto e relativo: Absoluto: 42 4 10.10.5,0 .10.00225,0000000225,0' −−−−−−−− −−−− <<<<∆∆∆∆ ========−−−−====∆∆∆∆ aa Relativo: 2 4 4 10.5,0 10.45045,0 10.00225,0 −−−− −−−− −−−− <<<<====δδδδ Se considerarmos o erro absoluto, da ordem de 10-6, podemos ter uma idéia errônea do número de algarismos significativos. No entanto, com a apreciação do erro relativo, podemos perceber porque sua precisão não vai além dos dois primeiros algarismos significativos. Teorema Se o erro relativo da aproximação a’ de a for maior que 0,5x10-s, então a’ tem pelo menos “s” algarismos significativos corretos. Demonstração Seja a =µ.10t, onde µ é a mantissa da forma normalizada de a. Suponhamos que o algarismo significativo a’s correspondente a as na aproximação a’ não é correto. Material sujeito a correções Página 7 de 55 Devemos ter então pela fórmula (A) tsx,a'a ++++−−−−>>>>∆∆∆∆====−−−− 1050 Como ttx a 1010 <<<<==== µµµµ , devemos ter: tx a aa −−−−>>>> −−−− ==== 105,0 'δδδδ o que por hipótese é absurdo. Então o algarismo significativo a’s é correto e, portanto, todos os de ordem inferior. C.Q.D. Regras a serem observadas: 1. Fixar o número “d” de algarismos significativos para o cálculo. 2. Se os dados iniciais têm mais que “d” algarismos significativos, arredondá-los na posição do algarismo de ordem d; caso contrário preencher as posições restantes com zero 3. As operações de adição e subtração deverão ser realizadas sempre com dois números de cada vez. Antes de iniciá-la arredondar o número de menor valor absoluto, de modo que a mais baixa ordem decimal deste último possa ser a mesma do outro. 4. Efetuar as operações de multiplicação normalmente e arredondar o produto de forma que ele passe a ter “d” algarismos significativos. 5. Efetuar as operações de divisão até que o quociente tenha “d” algarismos significativos. 6. Potenciações com expoentes inteiros deverão ser realizadas como multiplicações de números, dois a dois. 7. Valores irracionais como “pi”, e valores de funções elementares como, “sen x”, “cos x”, “ex”, etc., usados como dados, deverão ser tomados com “d” algarismos corretos. 8. Potenciações com expoentes não inteiros deverão ser realizadas por meio de logaritmos com “d” algarismos significativos. EX.: Calcular o valor de: pipipipi++++ −−−−++++ 322 3 2 2010003370536712 , ),(,x, , retendo 3 algarismos significativos. As operações na ordem em que devem ser efetuadas são: 0,2013 Material sujeito a correções Página 8 de 55 • multiplicamos inicialmente 0,201x0,201 = 0,040401, arredondamos o resultado para 0,0404 • multiplicamos agora 0,0404x0,201 = 0,0081204, arredondamos para 0,00812 1,5367x0,00337 • arredondamos inicialmente os fatores para: 1,54 e 0,00337 • efetuamos: 1,54x0,00337 = 0,0051898 • arredondamos o resultado para: 0,00519 • extraindo a raiz quadrada vem: 1,41 2 003370536712 ,x,++++ • arredondar o produto na ordem decimal -2 : (1,5367x0,00337 = 0,0051) 0,01 • adicionar: 1,41 + 0,01 = 1,42 32010003370536712 ,,x, −−−−++++ • arredondar a potência na ordem decimal -2: 0,01 • efetuar a subtração: 1,42 – 0,01 = 1,41 22,32 • - achar o logaritmo decimal de 2,00 Log10 2 = 0,301 • - multiplicá-lo pelo expoente 0,301x2,32 = 0,69832 • - arredondar o resultado para 3 algarismos significativos. 0,698 Material sujeito a correções Página 9 de 55 • encontrar o número que tem este valor por logaritmo decimal. 5,00 pipipipi • - arredondando para 3 algarismos significativos, vem: 3,14 pi + 22,32 • somando diretamente, vem: 5,00 + 3,14 = 8,14 Cálculo final 1730148 411 , , , ==== 1.7 Erro de Truncamento São erros provenientes da utilização de processo que deveriam ser infinitos ou muito grandes para a determinação de um valor, e que, por razões práticas, são truncados. Em outras palavras, erro de truncamento de um processo infinito é o erro absoluto do resultado obtido com um número finito de operações. 1.8 Seqüências – Convergências Uma seqüência de números reais nada mais é do que um conjunto finito ou infinito de valores ordenados, x1, x2, x3,..., xn, representado por {xn}, onde xn é chamado termo geral. Dizemos que a seqüência é infinita se contiver um número infinito de elementos. Neste caso podemos dizer que ela converge ou não para um limite, de acordo com a definição. Definição: Uma seqüência infinita de números {xn} converge para um valor x, se: 0====−−−− ∞∞∞∞→→→→ xxLim n n E nesse caso x é o limite da seqüência. Quando a seqüência é truncada em xn, o erro de truncamento é dado por: xxe nn −−−−==== Material sujeito a correções Página 10 de 55 Ex.: A seqüência {xn} com n xn 1 ==== converge para o limite “0” porque: 001 ====−−−−==== ∞∞∞∞→→→→ n Lim n Exemplo: Dado x = 0,15, calcular o valor de ex. Empregando um processo numérico que consiste em substituir a função ex por um polinômio. Usando a seqüência: .... ! x ! x xe x 32 1 32 ++++++++++++≈≈≈≈ Limitando até 4 termos, temos: (((( )))) (((( )))) 16181251 6 150 2 1501501 32 150 , ,, ,e , ====++++++++++++≈≈≈≈ Sabendo-seque 4150 10501618342431 −−−−±±±±==== x,,e , , isto é, os algarismos até a 8ª casa decimal são exatos, e comparando este valor com o calculado pelo processo numérico, verificamos que apenas 5 algarismos significativos são exatos. Neste caso temos o erro 0000217435,01618125000,11618342435,1 =− Escrevemos então: Erro de truncamento = (((( )))) (((( )))) 00002174350 3 150 2 1501501 32 150 , ! , ! , ,e , ≤≤≤≤ ++++++++++++−−−− Que representamos por: 000030161811150 ,,e , ±±±±==== 1.9 Propagação de erros Exemplos de como os erros vistos podem influenciar o desenvolvimento de um cálculo. Supondo-se que as operações abaixo sejam processadas em uma máquina com 4 dígitos significativos e fazendo-se: x1 = 0,3491x104 e x2 = 0,002345x100 Material sujeito a correções Página 11 de 55 Temos: (x2 + x1) – x1 = (0,002345x100 + 0,3491x104) – 0,3491x104 = 0,3491x104 – 0,3491x104 (4 dígitos) = 0,000 x2 + (x1 – x1) = 0,002345x100 + (0,3491x104 – 0,3491x104) = 0,002345 + 0,000 = 0,002345 Os dois resultados são diferentes quando não deveriam ser. A causa foi o arredondamento feito na adição (x1 + x2) cujo resultado tem 8 dígitos e a máquina apenas 4. Material sujeito a correções Página 12 de 55 2 MATRIZES Definimos como matriz de ordem mxn, ao conjunto de números aij (i = 1, 2,...,m), (j = 1, 2, ...,n) dispostos em m linhas e n colunas. Ex.: mnmm n n a.....aa ......................... a...aa a...aa 21 22221 11211 Os elementos aij podem ser números, funções ou mesmo matrizes. Quando m = n temos uma matriz quadrada. Quando n = 1 temos uma matriz coluna: m 1 m a ... a a ou a .... a a 2 1 21 11 Quando m = 1, temos uma matriz linha: [[[[ ]]]]na...a,a,a 1131211 [[[[ ]]]]na,...,a,a,a 321 Definições • Uma matriz é um conjunto de números, função ou matrizes. • Um determinante é uma representação simbólica de um polinômio perfeitamente definido. • Matriz Diagonal é aquela em que aij ≠≠≠≠ 0, para i = j. 33 22 11 00 00 00 a a a Material sujeito a correções Página 13 de 55 • Matriz Unitária é uma matriz quadrada, na qual todos os elementos são nulos exceto os da diagonal principal que são todos iguais a 1. A matriz unitária de ordem n é representada por In. In = 100 010 001 ..... .................. .... .... • Matriz Triangular é a matriz na qual aiJ = 0 para i < j (triangular inferior) ou aiJ = 0 para i > j (triangular superior). Ex.: (((( ))))inferior triangular a....aa ................ ....aa ....a nnnn 21 2212 11 0 00 (((( ))))superior triangular a ................. a....a a....aa nn n n 000 0 222 11211 • Matriz Simétrica é toda matriz quadrada onde aiJ = aJi. Os elementos são iguais simetricamente à diagonal principal. A = AT • Matriz Anti-simétrica é toda matriz em que se tem aij = -aji. A = -AT • Matriz Transposta de uma matriz A de ordem mxn é a matriz At de ordem nxm, obtida permutando-se as linhas pelas colunas. • Matriz Zero é aquela em que todos os seus elementos são nulos. Material sujeito a correções Página 14 de 55 Igualdade de Matrizes Duas matrizes A = (aij) e B = (bij) de ordem mxm, são iguais se e somente se aij = bij. Adição Tendo-se as matrizes A = (aij) e B = (bij) de ordem mxn, a adição de A com B será: C = A + B = (aij + bij) = (cij) Ex.: ==== ++++ 8 13 2 15 2 11 3 8 2 5 1 8 0 7 0 3 6 8 1 7 2 4 3 5 Subtração C = A – B = (aij - bij) = (cij) Ex.: −−−− ==== −−−− 40 0 2 3 3 2 2 5 1 7 0 7 0 3 6 8 1 7 2 4 3 5 3 Produto de uma Matriz por um número Se A = (aij) é uma matriz mxn e c um número, temos: c.A = A.c = B = mnm n a.c....a.c ............ a.c...a.c 1 111 As seguintes leis são válidas: dadecomutativi ABBA vidadedistributi cBcA)BA(c bAaAA).ba( idadeassociativ C)BA()CB(A ++++====++++ ++++====++++ ++++====++++ ++++++++====++++++++ Material sujeito a correções Página 15 de 55 2.1 Propriedades dos Determinantes 1- Um determinante não se altera quando se trocam as linhas pelas colunas e vice-versa. 2- Trocando-se as posições de duas linhas ou colunas, o determinante fica multiplicado por (-1). 3- Transpondo-se uma linha ou uma coluna para a primeira posição, o determinante fica multiplicado por (-1)k-1 onde k representa a ordem da linha ou coluna transposta. 4- Transpondo-se um elemento para a primeira posição, o determinante fica multiplicado por (-1)k+m onde k representa a ordem da coluna e m a ordem da linha que se cruzam no elemento transposto. 5- O determinante é nulo se todos os elementos de uma linha ou uma coluna são nulos. 6- O determinante é nulo se os elementos de duas linhas ou colunas são iguais entre si. 7- Se os elementos de uma linha ou coluna são multiplicados por um número, o determinante fica, também, multiplicado por este número. 8- O determinante não se altera se somarmos aos elementos de uma linha ou coluna os respectivos elementos de outra linha ou coluna multiplicados por um número. Consideremos um determinante ∆∆∆∆ e suponhamos que o elemento a transpor seja amk. Passando a m-ésima linha para a primeira posição e designando ∆∆∆∆’ o novo determinante, temos: (((( )))) ∆∆∆∆−−−−====∆∆∆∆ −−−− .' m 11 Passando a k-ésima coluna para a primeira posição, no determinante ∆∆∆∆’ e designando por ∆∆∆∆’’ o novo determinante, temos: (((( )))) 'k'' .∆∆∆∆−−−−====∆∆∆∆ −−−−11 Substituindo o valor de ∆’ vem: :vem ,(-1) comoe ,.)(.).()( -2mkmk'' 1111 211 ====∆∆∆∆−−−−====∆∆∆∆−−−−−−−−====∆∆∆∆ −−−−++++−−−−−−−− (((( )))) ∆∆∆∆−−−−====∆∆∆∆ ++++ .mk'' 1 Toda matriz que tem duas linhas ou colunas iguais tem determinante nulo. Trocando-se a posição destas linhas ou colunas o seu valor deveria trocar de sinal. Material sujeito a correções Página 16 de 55 Logo: ∆∆∆∆ = -∆∆∆∆ 2∆∆∆∆ = 0 ∆∆∆∆ = 0 2.2 Menor Complementar Chama-se de menor complementar do elemento aij (Mij), ao determinante de ordem n – 1 extraído de [A], pela supressão da linha e da coluna em que está situado o elemento aij. ==== 333231 232221 131211 aaa aaa aaa A Ex.: O menor complementar de a32 é: 2321 1311 32 aa aa M ==== 2.3 ComplementoAlgébrico de um elemento (COFATOR) Dado o determinante nnnn n n a.....aa ......................... a...aa a...aa 21 22221 11211 Chama-se complemento algébrico ao elemento jia e representa-se por ijA ao determinante obtida pela expressão: (((( )))) ijjiij MA ++++−−−−==== 1 Consideremos a matriz quadrada: [A] = nnnn n n a.....aa ......................... a...aa a...aa 21 22221 11211 Material sujeito a correções Página 17 de 55 2.4 Matriz Adjunta Definimos como matriz adjunta de [A] e representamos por [[[[ ]]]]'A , a matriz cujo elemento genérico é jiij Aa ==== onde jiA representa o complemento algébrico do elemento aij do determinante associado da matriz [A]. Nestas condições, a matriz adjunta de [A] será: [ ] ='A nnnn n n A.....AA ......................... A...AA A...AA 21 22212 12111 Como podemos observar, a matriz adjunta pode ser obtida, em outras palavras, a partir da matriz transposta ([At]), construindo-se uma nova matriz, onde os elementos são os correspondentes complementos algébricos dos elementos do determinante |At|. Ex.: Achar a matriz adjunta de: [[[[ ]]]] ==== 2221 1211 aa aa A [[[[ ]]]] ==== 2212 2111 aa aa At Logo a adjunta de A será: [[[[ ]]]] −−−− −−−− ==== 1121 1222 a a aa 'A 2.5 Matriz Inversa Teorema: Para qualquer matriz quadrada A, temos: [[[[ ]]]][[[[ ]]]] [[[[ ]]]][[[[ ]]]] [[[[ ]]]]IAAA A ======== −−−−−−−− 11 Equação (1) Onde (I) é a matriz unitária. Definimos como matriz inversa [A] e representamos por [A-1], a matriz tal que seja satisfeita a expressão (1) . Material sujeito a correções Página 18 de 55 Para obtermos [A-1], comecemos por calcular [A].[A’]. Considerando os teorema de Laplace e Cauchy, resulta: nnnn n n a.....aa ......................... a...aa a...aa 21 22221 11211 x nnnn n n A.....AA ......................... A...AA A...AA 21 22212 12111 = A..... ......................... ...A ...A 00 00 00 Pelo que obtivemos, vamos em seguida efetuar o produto: [[[[ ]]]] [[[[ ]]]] IA'A.A ==== Supondo que φφφφ≠≠≠≠A , temos: ==== 100 010 001 21 22212 12111 2 22221 11211 .... .............. .... .... A A .... A A A A ................ A A .... A A A A A A .... A A A A x aaa .... aaa aaa nnnn n n nnnnn n n Desta ultima igualdade concluímos que: [A-1] = A A .... A A A A ................ A A .... A A A A A A .... A A A A nnnn n n 21 22212 12111 ou [[[[ ]]]] [[[[ ]]]]A'A.A 1−−−− Ex.: Achar a matriz inversa de: [[[[ ]]]] ==== 2221 1211 aa aa A Cálculo de A 21122211 a.aa.aA −−−−==== Material sujeito a correções Página 19 de 55 Cálculo de [At] [[[[ ]]]] ==== 2212 2111 aa aa At (poderia ser a transposta da adjunta) Cálculo de [A’] [[[[ ]]]] −−−− −−−− ==== 1121 1222 a a aa 'A Obtenção de [A-1] [[[[ ]]]] −−−− −−−− −−−− ==== −−−− 1121 1222 12212211 1 1 a a aa . aaaa A A matriz inversa desempenha importante papel na resolução de sistemas de equações lineares. Seja o sistema: ====++++++++++++ ====++++++++++++ ====++++++++++++ nnnnnn nn nn bxa......xaxa ...... ...... ...... ...... ........ ..... bxa.....xa xa bxa.....xax.a 2211 22222121 11212111 Sob forma de produto matricial: [[[[ ]]]][[[[ ]]]] [[[[ ]]]]bXA ==== [[[[ ]]]][[[[ ]]]][[[[ ]]]] [[[[ ]]]][[[[ ]]]]bAXAA 11 −−−−−−−− ==== Donde: [[[[ ]]]] [[[[ ]]]][[[[ ]]]]bAX 1−−−−==== Material sujeito a correções Página 20 de 55 Ex.: Resolver o sistema: 22 32 6 ====−−−−++++ ====++++−−−− ====++++++++ zyx zyx zyx Sob forma matricial temos: ==== 2 3 6 1 2 1 z y x 1- 2 1 1- 1 1 Resultando: ==== −−−− 2 3 6 1 2 1 1 1- 2 1 1- 1 1 z y x Cálculo do Determinante (|A|) de A: 77221411 1 2 1 ========−−−−−−−−−−−−−−−−−−−−++++++++==== A olog ,)()( 211- 2 1-21 1- 1 11 1 Cálculo da transposta: [[[[ ]]]] ==== 1-1 21- 1 2 At 1 1 1 Cálculo da adjunta: [[[[ ]]]] −−−− ==== 3-1-5 1 2- 3 2 3 'A 1 Material sujeito a correções Página 21 de 55 Cálculo da Inversa: [[[[ ]]]] −−−− ==== −−−− 3-1-5 1 2- 3 2 3 A 1 7 11 Donde a solução do sistema será: −−−− ==== 2 3 61 7 1 . 3-1-5 1 2- 3 2 3 z y x Ou seja: ==== 3 2 1 z y x Material sujeito a correções Página 22 de 55 2.6 Cálculo do Determinante A solução pelo teorema de Laplace torna-se inconveniente no cálculo do determinante de ordem superior a quarta devido ao grande número de operações envolvidas no processo. Para contornarmos esta dificuldade usamos um processo que utiliza a 8ª propriedade anteriormente citada, que permite a redução sucessiva da matriz a uma matriz triangular, através de operações elementares.Seja: ==== 333231 232221 131211 aaa aaa aaa A Multiplicando-se os elementos da 1ª linha por 11 1 11 31 11 21 a a a a a a n ,.....,, , e subtraindo estes resultados dos elementos das linhas 2, 3, 4, ......., n, resulta: ==== nn )( n )( n )()( n )()( n a......a ............... a......a a......a a......aa A 1 2 1 3 1 32 1 2 1 22 1 11211 0 0 0 Onde: ....................................................................... a a aaa.,,......... a a aaa a a aaa.,,......... a a aaa linhas, das elementos Demais a a aaa.,,......... a a aaa pivô, elemento do abaixocoluna Primeira nn )( n )( nn )( n )( n n )( n )( 11 21 13 1 3 11 31 1232 1 32 11 21 12 1 2 11 21 1222 1 22 11 1 111 1 1 11 21 1121 1 21 −−−−====−−−−==== −−−−====−−−−==== −−−−====−−−−==== Material sujeito a correções Página 23 de 55 Exemplo: Calcular o determinante da matriz a seguir: ==== 312 625 421 A Multiplicando a 1ª linha por 11 21 a a e subtraindo os resultados das multiplicações de todos os elementos dos elementos respectivos da 2ª linha vem: etc... ll .então , a a )( 2 −−−−−−−−⇒⇒⇒⇒−−−− ⇒⇒⇒⇒======== 312 1480 421 312 625 20105 5 1 5 1 1 11 21 Multiplicando a 1ª linha por 11 31 a a e subtraindo os resultados dos respectivos elementos da 3ª linha vem: −−−−−−−− −−−−−−−−==== −−−−−−−−−−−− −−−−−−−− 530 1480 421 834122 1480 421 )()()( Multiplicando a 2ª linha por −−−−−−−− −−−−−−−−⇒⇒⇒⇒==== −−−− −−−− ==== 530 25530 421 8 3 8 3 22 32 , a a Subtraindo-se esta segunda linha obtida da terceira linha, teremos: −−−−−−−−==== −−−−−−−−−−−−−−−−−−−− −−−−−−−− 25000 1480 421 2555330 480 421 ,)),()(())()(( Logo: 225081 −−−−====−−−−====∆∆∆∆ ,x)(x Material sujeito a correções Página 24 de 55 3 VALORES E VETORES CARACTERÍSTICOS Equações homogêneas do tipo: ====++++++++++++ ====++++++++++++ ====++++++++++++ ======== nnnnnn nn nn xxa...........xaxa ............................................................ xxa...........xaxa xxa...........xaxa AX λλλλ λλλλ λλλλ 2211 22222121 11212111 0 São frequentemente encontradas em certos tipos de problemas físicos, onde λλλλ é um parâmetro indeterminado. Representando matricialmente teremos: [[[[ ]]]]XAX λλλλ==== que tem solução não trivial se o determinante 01221 11 ==== −−−− −−−− −−−− ====−−−−∆∆∆∆ )a( a a ................................................... a .......).........a( a .......a..........a )a( I nnn2n1 2n 1n12 λλλλ λλλλ λλλλ λλλλ que conduz à equação polinomial de grau n em λλλλ : 02211 ====++++++++++++++++ −−−−−−−− nnnn C.............CC λλλλλλλλλλλλ que é conhecida como equação característica da matriz. Os valores de λλλλ que satisfazem a equação característica da matriz (raízes da equação) A são os valores característicos de A. Dos valores de λλλλ , obtemos os valores dos vetores X , (conjuntos de soluções), que são denominados Vetores Característicos de A. Exemplo: Determinar os valores e vetores próprios do sistema: 31 21 11 2 2 10 x10x x x xx 10x x xx 2xx 32 32 32 λλλλ λλλλ λλλλ ====++++++++ ====++++++++ ====++++++++ Material sujeito a correções Página 25 de 55 Teremos: (((( )))) (((( )))) 0610710 10 102 10 3 ====++++−−−−−−−−−−−−==== −−−− −−−− −−−− ====∆∆∆∆ λλλλλλλλ λλλλ λλλλ λλλλ )( 1 2 1 )( 1 2 )( ∴ ==== ==== ==== ⇒⇒⇒⇒ −−−− ====−−−− 8 3 2 1 9 13 2 1 3 10 λλλλ λλλλ λλλλ λλλλ Para ====++++ ====++++ ====++++++++ ==== 0 3x -x 2x 0x 3x- 2x 0x 2x3x- 321 321 321 131λλλλ Fazendo 13 ====x teremos 1 e 1 ,1 )1( 3 )1( 2 )1( 1 ============ xxx Para ====++++++++ ====++++++++ ====++++++++ ==== 0x x 2x 0x x2x 0x x2x 9 321 321 321 2λλλλ Fazendo 13 ====x teremos 13 1 3 1 2 3 2 2 2 1 ====−−−−====−−−−==== )()()( xe x ,x Para ====++++++++ ====++++++++ ====++++++++ ==== 0 2x x 2x 0x x2x 0x x2x 321 321 321 2 2 83λλλλ Fazendo 13 ====x teremos 112 3 3 3 3 2 3 1 ========−−−−==== )()()( xe x ,x Material sujeito a correções Página 26 de 55 4 SISTEMAS DE EQUAÇÕES LINEARES O estudo é limitado aos sistemas não homogêneos de “n” equações a “n” incógnitas. 4.1 Métodos Diretos ou de Eliminação São métodos que determinam a solução de um sistema de equações lineares com um número finito de operações. Eles atuam diretamente sobre as equações. 4.1.1 Método de Gauss Consiste em transformar a matriz dos coeficientes das incógnitas em uma matriz triangular superior, a partir de uma matriz estendida (adicionando-se o vetor independente como última coluna), através de operações elementares. ........................................................................................................ ........................... ........................... )( )1( 1 )1( )1(1 )2( 2 )2( 21 )2( )1(23 )2( 232 )1( 1 )1( 11 )1( )1(13 )1( 132 )1( 121 n nn n nn n nnn nnnn nnnn bx bxax bxaxaxax bxaxaxaxax ==== ====++++ ====++++++++++++++++ ====++++++++++++++++++++ −−−− −−−− −−−− −−−−−−−− −−−−−−−− −−−−−−−− onde os índices superiores dos coeficientes correspondem ao número de modificações efetuadas em cada elemento. Neste caso, a solução do sistema é imediata, mediante a substituição regressiva. Formando a matriz estendida, justapondo-se o vetor independente, teremos: ==== nnnnn n n b a..............a a .........................................b a..............a a b a..............a a A 21 222221 111211 εεεε Começamos as transformações anulando os elementos da coluna 1 abaixo do elemento 11a , ao qual chamaremos de elemento Pivô. Gauss prevê dois passos: 1. Dividir 1l pelo elemento pivô, o que nos dará uma nova linha )1( 1l e 2. Para anular o elemento 21a é bastante somar 1l a )(l 11 pré-multiplicada por 21a−−−− . De um modo geral para se anular o elemento )n...........i(ai 21 ==== , executamos a operação vetorial: Material sujeito a correções Página 27 de 55 n)2.........(i com lall )(ii)(i ====−−−−==== 1111 , que zera todos os demais elementos da coluna 1 abaixo do elemento pivô. Desenvolvida para os elementos de todas as linhas equivale a: ==== ++++==== −−−−==== n.,,.........i ,n,.........j para aaaa )( jijij )( ij 2 111 2 1 , Ao fim da 1ª eliminação, a matriz εεεεA está transformada em: ==== (1) n )1()1( 2 (1) 2 )1( 2 )1( 22 (1) 1 )1( 1 )1( 12 b .............. 0 ......................................... b .............. 0 b .............. 1 nnn n n aa aa aa Aεεεε A segunda eliminação consiste em anular os elementos da segunda coluna, abaixo de )(a 122 , denominado pivô desta eliminação. 1. Dividimos )(l 12 pelo pivô, obtendo )(l 22 ; 2. Para anular o elemento )(a 132 somamos )(l 13 a )(l 22 pré-multiplicada por )(a 132 De um modo geral para se anular o elemento )n...........i(a )( i 312 ==== , executamos a operação vetorial: n)3.........(i com )3(2)1(2)1()2( ====−−−−==== lall iii , que se desenvolvida para os elementos de todas as linhas equivale a: ==== ++++==== −−−−==== n.,,.........i ,n,.........j para aaaa )( j )( i )( ij )( ij 3 121 2 1 2 12 , Podemos agora generalizar os procedimentos da 1ª e 2ª eliminação para uma eliminação genérica “K” que consiste em anular os elementos de )k( kC 1−−−− abaixo de )k( kka 1−−−− (denominado pivô da k-ésima eliminação. Material sujeito a correções Página 28 de 55 Fazemos inicialmente a divisão: )k( kk )k( k)K( k a ll 1 1 −−−− −−−− ==== , que desenvolvida elemento a elemento de )k( kl , equivale a: ++++==== ==== ==== −−−− −−−− 1 1 1 1 n...,,.........kj n...,,.........k ...... a a a )k( kk )k( kj)k( kj . Se ‘k’ for menor ‘n’, fazemos as operações vetoriais: nkilall kkkikkiki ,,.........1 com )()1()1( ++++====−−−−==== −−−−−−−− Que desenvolvida elemento a elemento, é: ++++==== ++++==== −−−−==== −−−−==== −−−−−−−− ,n,.........ki .,nk,........j ,n,.........k aaaa kkj k ik k ij k ij 1 1 11 para )()1()1()( Exemplo: 12234 2323 2 22 4321 4321 4321 4321 ====++++++++++++ ====−−−−−−−−++++ ====−−−−++++ ====++++++++++++ x xxx 4 xxxx 1 x x 2x-x 7 x x xx Obtendo a matriz entendida, vem: −−−−−−−− −−−−−−−− 121234 42323 11211 71122 4 3 2 1 l l l l Material sujeito a correções Página 29 de 55 1ª Eliminação: 3,5 0,5 0,5 1 1 ).1( 21-010 5,65,35,410 5,25,15,120 5,35,05,011 4 3 1 2/ (1) 1 )1( 12 )1( 4 )1( 13 )1( 3 )1( 12 )1( 2 1 )1( 1 ==== −−−−−−−− −−−−−−−−−−−−−−−− −−−−−−−−−−−− −−−−==== −−−−==== −−−−==== ==== l lll lll lll ll 2ª eliminação: 25,1 75,0 0,75 1 0 ))(1( 75,00,250,7500 25,575,225,300 25,175,075,010 5,35,05,011 )1( )1( )2/( )2( 2 )2( 2 )1( 4 )2( 4 )2( 2 )1( 3 )2( 3 )1( 2 )2( 2 −−−−−−−−−−−−====−−−− −−−−−−−−−−−− −−−−−−−−−−−− −−−− −−−−−−−−==== −−−−−−−−==== −−−−==== l lll lll ll 3ª eliminação: 75,0 3586,0 75,0 0 0 ))(75,0(01907,0000 15238,0100 25,175,075,010 5,35,05,011 )75,0( )25,3/( )3( 3 )3( 3 )2( 4 )3( 4 )2( 3 )3( 3 −−−−−−−−====−−−− −−−− −−−− −−−− −−−−−−−−==== −−−−==== llll ll −−−− −−−− −−−−==== 01000 15238,0100 25,175,075,010 5,35,05,011 )1907,0/()3(4)4(4 ll O sistema então ficará: 0 15238,0 25,1 75,0 75,0 5,3 5,0 5,0 4 43 432 4321 ==== ====−−−− ====++++−−−− ====++++++++++++ x xx xxx xxxx Que substituindo regressivamente teremos: 105,015,025,3 20)75,0(1)75,0(25,1 110)5238,0( 0 1 2 3 4 ====−−−−−−−−−−−−==== ====−−−−++++==== ====++++==== ==== xxx x x x É importante observar que nenhum dos elementos que servem de pivô numa eliminação ‘k’ Material sujeito a correções Página 30 de 55 pode ser igual a zero. Se isto ocorrer devemos trocar de posição as (n-k+1) linhas abaixo de kl (inclusive), de modo que tais elementos não sejam nulos. É óbvio que isto não altera a solução do sistema, porque apenas trocaremos duas equações de posição. Quando este procedimento não for possível porque todos os elementos abaixo do pivô são nulos, i sistema é singular. Material sujeito a correções Página 31 de 55 4.1.2 Método de Gauss-Jordan Se transformarmos a matriz do sistema em uma matriz identidade, a solução do sistema se apresentará espontaneamente no novo vetor ‘b’ (dos temos independentes). )n( nn )n( )n( bx ............ b......x b.........x ==== ==== ==== 22 11 O método consiste em modificas as eliminações do método de Gauss, para anular em cada eliminação ‘k’, elementos abaixo e acima do elemento pivô (elemento da diagonal principal). Com um procedimento inteiramente análogo ao que nos levou às expressões anteriores (no método de Gauss),temos para o método de Gauss-Jordan: Fazemos inicialmente a divisão: )k( kk )k( k)K( k a ll 1 1 −−−− −−−− ==== , que desenvolvida elemento a elemento de )(k kl , equivale a: ++++==== ==== ==== −−−− −−−− 1 1 1 1 n...,,.........kj n...,,.........k ...... a a a )k( kk )k( kj)k( kj . Se “k” for menor “n”, fazemos as operações vetoriais: ≠≠≠≠ ==== −−−−==== −−−−−−−− ki com n,,.........i com lall )k(k)k(ik)k(iki 111 Que desenvolvida elemento a elemento, é: ≠≠≠≠ ++++==== ++++==== −−−−==== −−−−==== −−−−−−−− kj ,n,.........ki .,nk,........j .,ni,........k para aaaa )k(kj )k( ik )k( ij)k( ij 1 1 1 11 Material sujeito a correções Página 32 de 55 Exemplo: Usemos o mesmo exercício anterior: 12234 2323 2 22 4321 4321 4321 4321 ====++++++++++++ ====−−−−−−−−++++ ====−−−−++++ ====++++++++++++ x xxx 4 xxxx 1 x x 2x-x 7 x x xx Obtendo a matriz entendida, vem: −−−−−−−− −−−−−−−− 121234 42323 11211 71122 1ª Eliminação: 21-010 5,65,35,410 5,25,15,120 5,35,05,011 )4( )3( )1( 2/ )1( 12 )1( 4 )1( 13 )1( 3 )1( 12 )1( 2 1 )1( 1 −−−−−−−− −−−−−−−−−−−−−−−− −−−−−−−−−−−− −−−−==== −−−−==== −−−−==== ====→→→→ lll lll lll ll 2ª Eliminação: 75,025,00,7500 25,575,225,500 25,175,075,010 25,225,025,101 )1( )1( )2/( )2( 2 )1( 4 )2( 4 )2( 2 )1( 3 )2( 3 )1( 2 )2( 2 )2( 2 )1( 1 )2( 1 −−−−−−−−−−−− −−−−−−−−−−−− −−−− −−−−−−−−==== −−−−−−−−==== −−−−==== −−−−==== →→→→ lll lll ll lll 3ª Eliminação: 01428,1000 15238,0100 21428,1010 19047,0001 )75,0( )25,5/( )75,0( )25,1( )3( 3 )2( 4 )3( 4 )2( 3 )3( 3 )3( 3 )2( 2 )3( 2 )3( 3 )2( 1 )3( 1 −−−− −−−−−−−−==== −−−−==== −−−−−−−−==== −−−−==== →→→→ lll ll lll lll Material sujeito a correções Página 33 de 55 4ª Eliminação: 01000 10100 20010 10001 1428,0/ )5238,0( )1428,1( )9047,0( )3( 4 )4( 4 )4( 4 )3( 3 )4( 3 )4( 4 )3( 2 )4( 2 )4( 4 )3( 1 )4( 1 ==== −−−−==== −−−−==== −−−−−−−−==== →→→→ ll lll lll lll Logo: 0 1 2 1 4 3 2 1 ==== ==== ==== ==== x x x x Valem as mesmas observações feitas para o método anterior, referentes à troca das linhas caso o pivô na k-ésima eliminação for zero e se esta troca não for possível o sistema é singular. Material sujeito a correções Página 34 de 55 4.1.3 Condensação Pivotal Os métodos de eliminação são exatos exceto pelos erros de arredondamento que podem conduzir a soluções errôneas. Este efeito pode ser diminuído e mesmo evitado mediante a condensação pivotal. Para isto, rearrumamos as equações, colocando na linha da posição do pivô a linha abaixo da linha do pivô com o maior elemento absoluto na coluna do pivô. A condensação pivotal tem por finalidade: 1. Minimizar o erro de arredondamento; 2. Evitar a divisão por zero e 3. Testar a singularidade do sistema. Exemplo: Resolver o sistema 3212525 63710636 38403 321 321 321 x x x x x x xx x ====++++++++ −−−−====++++++++ ====++++++++ Sabendo-se que a solução é (1;-1 e 1) e resolvendo sem a condensação pivotal vem: −−−− 3212525 63710636 384031 1ª Eliminação: −−−−−−−−−−−− −−−−−−−−−−−− −−−−==== −−−−==== ==== 918988700 1431143320 384031 25 36 1 1 13 1 3 1 12 1 2 1 1 1 )()( )()( )( lll lll /ll 2ª Eliminação: −−−−−−−− −−−−−−−−==== −−−−==== 510035115398800 5715571610 384031 70 2 2 2 1 3 2 3 1 2 2 2 ,, l)(ll )/(ll )()( )( Material sujeito a correções Página 35 de 55 3ª Eliminação: −−−−==== 997060100 5715571610 384031 5115323 3 3 , ,, /(ll )( Donde: −−−−====−−−−−−−−==== ====−−−−==== ==== 11595507785139970604038 07785199706057165715 997060 1 2 3 ,,x,xx ,,x,,x ,x Fazendo a condensação pivotal: −−−− 3212525 384031 63710636 1ª eliminação −−−− −−−−−−−−−−−− −−−− −−−−==== −−−−==== ==== 75751397611680 753980556390555600 7511944409444421 25 36 1 13 1 3 1 12 1 2 1 1 1 ,,, ,,, ,,, lll lll /ll )()( )()( )( 2ª Eliminação: −−−−−−−−−−−− −−−− −−−− ⇔⇔⇔⇔ 753980556390555600 7575139711680 75119444409444421 32 ,,, ,,, ,,, ll 3ª Eliminação: −−−−−−−− −−−−−−−− −−−− −−−−−−−−==== −−−−==== 8113439811343900 10405110405010 7511944440944421 055560 61168 2 2 1 3 2 3 1 2 2 2 ,, ,, ,,, l),(ll ),/(ll Dividindo 3l por (-39,81134), vem: −−−−−−−− −−−−==== −−−−==== 1100 10405110405010 384031 8113439 61168 1 3 2 3 1 2 2 2 ,, ),/(ll ),/(ll Material sujeito a correções Página 36 de 55 Donde: ====−−−−++++−−−−==== −−−−====++++−−−−==== ==== 1194440944442751 1104050104051 1 1 2 3 ,,,x ,,x x Que é uma solução mais adequada que a anterior. Material sujeito a correções Página 37 de 55 4.1.4 Refinamento da Solução É obvio que mesmo com a condensação pivotal, pode persistir algum erro devido aos arredondamentos. Podemos, então, fazer um refinamento da solução. Seja o vetor abaixo a solução obtida: ),x..,,.........x ,x(x )n()()()( 102010 ==== e a solução exata seja: )()( Exx 00 ++++==== onde a )(E 0 é o vetor correção as solução. Portanto devemos ter: n )( n )( nnn )()( n )( n )( n )( nn )()()( )( n )( nn )()()( b)Ex(a.................)Ex(a)Ex(a ................................................................................................. b)Ex(a.................)Ex(a)Ex(a b)Ex(a.................)Ex(a)Ex(a ====++++++++++++++++++++++++ ====++++++++++++++++++++++++ ====++++++++++++++++++++++++ 000 2 0 22 0 1 0 11 2 00 2 0 2 0 222 0 1 0 121 1 00 1 0 2 0 212 0 1 0 111 Equações 1 Se substituirmos o valor de )(x 0 no sistema original, teremos: )( n )( nnn )( n )( n )()( nn )()( )()( nn )()( bxa.................xaxa ................................................................. bxa.................xaxa bxa.................xaxa 000 22 0 11 0 2 0 2 0 2220 121 0 1 0 1 0 212 0 111 ====++++++++++++ ====++++++++++++ ====++++++++++++ Equações 2 Material sujeito a correções Página 38 de 55 Subtraindo as equações 2 das equações 1 e definindo )()( bb 00 −−−−====ββββ , vem: )( n )( nnn )( n )( n )()( nn )()( )()( nn )()( )Ea.................EaEa .................................................................. Ea.................EaEa Ea.................EaEa 000 22 0 11 0 2 0 2 0 222 0 121 0 1 0 1 0 212 0 111 ββββ ββββ ββββ ====++++++++++++ ====++++++++++++ ====++++++++++++ Resolvendo este último sistema, encontramos um vetor x , aproximação de )(E 0 , e podemos ter: )()( xxx 10 ++++==== até que tenhamos valores que satisfaçam o erro requerido. Exemplo: Fazer o refinamento do problema anterior resolvido sem condensação pivotal e se tivéssemos encontrado raízes (-5,1195; 1,07785 e 0,99706): Calculamos o vetor residual )( 0ββββ : 5447811099706012077851511595525 9426862997060707785110611595536 389970604007785131159551 0 3 0 2 0 1 ,),(),(),(b ,),(),(),(b ),(),(),(b )( )( )( −−−−====++++++++−−−−==== −−−−====++++++++−−−−==== ====++++++++−−−−==== Então: 544781425447811032 057320942686263 03838 0 33 0 3 0 22 0 2 0 11 0 1 ,),(bb ,),(bb bb )()( )()( )()( ====−−−−−−−−====−−−−==== −−−−====−−−−−−−−−−−−====−−−−==== ====−−−−====−−−−==== ββββ ββββ ββββ O vetor )(E 0 será obtido pela resolução do sistema: 5447814212525 057320710636 0403 0 3 0 2 0 1 0 3 0 2 0 1 0 3 0 2 0 1 ,EEE ,EEE EEE )()()( )()()( )()()( ====++++++++ −−−−====++++++++ ====++++++++ Trocando-se as 1ª pela 2ª linhas (condensação pivotal), vem: −−−− 5447814212525 04031 057320710636 , , Material sujeito a correções Página 39 de 55 36111 /ll ==== −−−− 5447814212525 04031 00159019444709444421 , ,,, 1ª eliminação: −−−−−−−− −−−−−−−−−−−− −−−− 584531421397111680 00159080556390555600 00159019444709444421 ,,, ,,, ,,, Fazendo a condensação pivotal, vem: −−−−−−−−−−−− −−−−−−−− −−−− 00159080556390555600 584531421397111680 00159019444709444421 ,,, ,,, ,,, 2ª eliminação: −−−−−−−− −−−−−−−− −−−− 117850799743900 09341210481010 00159019444709444421 ,, ,, ,,, −−−−−−−− −−−− ==== 002960100 09341201098110 00159019444709444421 799743933 4 3 , , ,,, ,/ll )()( ====−−−−−−−−−−−−−−−−==== −−−−====++++−−−−==== ==== 9535950930829444420029601944470001590 093082002960109810093412 002960 1 1 1 2 1 3 ,),(,)),(,(,x ,),(,,x ,x )( )( )( Logo a solução aproximada é: ====++++==== −−−−====−−−−==== ====++++−−−−==== 000021002960997060 015231093082077851 837640953595115955 3 2 1 ,,,x ,,,x ,,,x Material sujeito a correções Página 40 de 55 4.1.5 Inversão de Matrizes Um algoritmo de execução extremamente simples para inverter uma matriz )(mxnA pode ser obtido por uma adaptação do método de Gauss-Jordan. Seja a matriz 3x3: ==== 333231 232221 131211 aaa aaa aaa A Onde 0≠≠≠≠A e a sua inversa (B) é: ==== 333231 232221 131211 bbb bbb bbb B Chamemos os 3 vetores coluna da matriz inversa de 321 be b ,b . Por definição de inversa teremos: ==== ==== 100 010 001 333231 232221 131211 333231 232221 131211 bbb bbb bbb x aaa aaa aaa A Quando consideramos a formação da primeira coluna da matriz identidade pela multiplicação de 1bx A , podemos dizer que: ==== ==== 0 0 1 31 21 11 333231 232221 131211 b b b x aaa aaa aaa A Logo, para determinar a primeira coluna 1b , da matriz inversa, basta resolver o sistema: (((( ))))t1eonde ,ebx A 00111 ======== O que valeu para a primeira coluna vale para as outras duas. Assim para obter 2b e 3b , resolvemos os sistemas: (((( )))) (((( ))))t3 t 2 eonde ,ebx A eonde ,ebx A 100 010 33 22 ======== ======== Os três sistemas podem ser resolvidos pelo método de Gauss-Jordan. Como eles têm a mesma matriz (A), poderemos resolvê-los simultaneamente, pois as eliminações feitas em A, seriam exatamente as mesmas se as resoluções fossem feitas Material sujeito a correções Página 41 de 55 separadamente. As únicas modificações estarão nos termos independentes das incógnitas, o que contornamos trabalhando com uma matriz estendida (3x6). ====∆∆∆∆ 100 010 001 333231 232221 131211 aaa aaa aaa E Fazemos então as eliminações de Gauss-Jordan na matriz E∆∆∆∆ , ao fim das quais o vetor solução 1b aparecerá na 4ª coluna, 2b na 5ª e 3b na 6ª. Exemplo: Seja a matriz a inverter (já acrescida da matriz identidade): −−−− 100011 010342 001131 3 2 1 l l l 1ª Eliminação: −−−−−−−− −−−−−−−−==== −−−−==== ==== 101140 012120 001131 1 2 1 1 13 1 3 1 12 1 2 1 1 1 )()( )()( )( l)(ll lll /ll 2ª Eliminação: −−−− −−−−−−−− −−−− −−−−==== −−−−==== −−−−==== 123300 05015010 05125201 4 2 3 2 2 1 3 2 3 1 2 2 2 2 2 1 1 2 1 ,, ,, lll )/(ll lll )()()( )()( )()()( 3ª Eliminação: −−−− −−−− −−−−−−−− ==== −−−−−−−−==== −−−−==== 3333306666601100 1666601666601010 83333016666050001 3 50 52 2 3 3 3 3 3 2 2 3 2 3 3 2 1 3 1 ,. ,, ,,, /ll l),(ll l,ll )()( )()()( )()()( Logo a matriz inversa é: −−−− −−−− −−−−−−−− 3333306666601 1666601666601 83333016666050 ,, ,, ,,, . È óbvia a generalização do processo. Material sujeito a correções Página 42 de 55 5 SISTEMAS DE EQUAÇÕES LINEARESO estudo é limitado aos sistemas não homogêneos de “n” equações a “n” incógnitas. 5.1 Métodos Iterativos Métodos Iterativos consistem em se escrever o sistema bAX ==== sob a forma: dxFx ++++==== )( Onde F é uma matriz (m x n) e d é um vetor ( nRd ∈∈∈∈ ). Deste modo, partindo de uma aproximação inicial )0(x , fazemos as iterações: ................................... ( 2 ( 1 )1()2( )0()1( dxFx dxFx a a ++++==== ++++==== e de um modo geral, se fizermos, ‘K’ iterações, obteremos a solução aproximada na iteração ‘k+1’, pela fórmula de recorrência: dxFx kk ++++====++++ )( )()1( Se: 0)( ====−−−− ∞∞∞∞→→→→ xx k k Lim diremos que a seqüência de aproximações )(kx converge para x . Caso contrário, diremos que a seqüência diverge. Material sujeito a correções Página 43 de 55 5.2 Método de Jacobi O método de Jacobi consiste na escolha da seguinte matriz F : )...............(1 ...................................................................... )...............(1 )...............(1 )0( 1)1(1 )0( 22 )0( 11 )1( )0( 2 )0( 323 )0( 1212 22 )1( 2 )0( 1 )0( 313 )0( 2121 11 )1( 1 −−−−−−−− −−−−−−−−−−−−−−−−==== −−−−−−−−−−−−−−−−==== −−−−−−−−−−−−−−−−==== nnnnn nn n nn nn xaxaxab a x xaxaxab a x xaxaxab a x Exemplo: Seja o sistema: ====++++ ============−−−− 32 1x e 1x é solução cuja ,12 21 2121 xx xx Solução: Transformando de acordo com a disposição anterior, teremos: )3( 2 1 )1( 2 1 12 21 xx xx −−−−==== ++++==== Fazendo 021 ======== xx , teremos: 1ª Iteração: 5,1)03( 2 1 5,0)01( 2 1 )1( 2 )1( 1 ====−−−−==== ====++++==== x x 2ª Iteração: 25,1)5,03( 2 1 25,1)5,11( 2 1 )2( 2 )2( 1 ====−−−−==== ====++++==== x x Material sujeito a correções Página 44 de 55 3ª Iteração: 825,0)25,13( 2 1 125,1)25,11( 2 1 )3( 2 )3( 1 ====−−−−==== ====++++==== x x 4ª Iteração: 9375,0)125,13( 2 1 9125,0)825,01( 2 1 )4( 2 )4( 1 ====−−−−==== ====++++==== x x Material sujeito a correções Página 45 de 55 5.3 Método de Gauss-Siedel É análogo ao método de Jacobi, com uma alteração esperada, em função da seguinte modificação: Quando na 1ª iteração calculamos )1( 2x , já dispomos do valor de )1( 1x que pode, portanto, ser usado. Analogamente, podemos proceder assim para as demais iterações. Teremos então na 1ª iteração e genericamente até a 1+k -ésima: )...............(1 ............................................................................................ )...............(1 )...............(1 )( 1)1(1 )1( 22 )1( 11 )1( )( 2 )( 323 )1( 1212 22 )1( 2 )( 1 )( 313 )( 2121 11 )1( 1 k nn k n k nn nn k n k nn kkk k nn kkk xaxaxab a x xaxaxab a x xaxaxab a x −−−−−−−− ++++++++++++ ++++++++ ++++ −−−−−−−−−−−−−−−−==== −−−−−−−−−−−−−−−−==== −−−−−−−−−−−−−−−−==== Exemplo: Seja o mesmo sistema anteriormente visto pelo método de Jacobi: ====++++ ====−−−− 32 12 21 21 xx xx Onde: )3( 2 1 )1( 2 1 12 21 xx xx −−−−==== ++++==== 1ª Iteração: 251503 2 1 5001 2 1 1 2 1 1 ,),(x ,)(x )( )( ====−−−−==== ====++++==== Material sujeito a correções Página 46 de 55 2ª Iteração: 973,0)125,13( 2 1 125,1)25,11( 2 1 )2( 2 )2( 1 ====−−−−==== ====++++==== x x 3ª Iteração: 0160,1)9690,03( 2 1 9690,0)9375,01( 2 1 )3( 2 )3( 1 ====−−−−==== ====++++==== x x 4ª Iteração: 996,0)008,13( 2 1 008,1)0160,11( 2 1 )4( 2 )4( 1 ====−−−−==== ====++++==== x x 5.4 Estudo da Convergência Os métodos iterativos convergem sejam quais forem os valores iniciais adotados, desde que em cada uma das equações a soma dos valores absolutos dos ija seja menor que 1. ),........2,1( para 1 1 ni a an ij j ii ij ====<<<<∑∑∑∑ ≠≠≠≠ ==== ou: ),........2,1( para 11 1 niaa n ij j ij ====<<<<∑∑∑∑ ≠≠≠≠ ==== Exemplo: 22103 2 442 202 9 2 10 321 321 321 ====++++++++−−−− ====−−−−++++ ====++++++++ xxx xxx xxx Material sujeito a correções Página 47 de 55 6 Decomposição LU Inicialmente veremos em que condições podemos decompor uma matriz quadrada A = (aij) no produto de uma matriz triangular inferior por uma matriz triangular superior. 6.1 Teorema LU Seja A = (aij) um matriz quadrada de ordem n, e Ak o menor principal, constituído das k primeiras linhas e k primeiras colunas de A assumimos que det (Ak) ≠ 0 para k = 1, 2,..., n –1. Então existe uma única matriz triangular superior U = (uij) tal que LU = A. Além disso, det (A) = u11u12...umn. Prova Para provar este teorema usaremos a indução sobre n. 1. Se n = 1, temos que: a11 = 1. a11 = 1.u11 unicamente, e assim A = LU, onde L = 1 e U = u11. Além disso, det (A) = u11. 2. Assumimos que o teorema é verdadeiro para n = k – 1, ou seja, que toda matriz de ordem k – 1 é decomponível no produto LU nas condições do teorema. 3. Devemos mostrar que a decomposição pode ser feita para uma matriz de ordem n = k, seja, então, A uma matriz de k. Partimos esta matriz em sub-matrizes da forma: A = −−−− kk t k as rA 1 , onde r e s são vetores coluna, ambos com k – 1 elementos. Note que a matriz Ak – 1 é de ordem n k – 1 e satisfaz as hipóteses do teorema. Portanto pela hipótese de indução esta pode ser decomposta na forma 111 −−−−−−−−−−−− ==== kkk ULA Utilizando as matrizes Lk-1 e Uk-1, formamos: L = −−−− 1 01 t k m L ; U = −−−− kk k u pU 0 1 Onde m e p são vetores coluna, ambos com k – 1 componentes (mt é a transposta de m). m, p e ukk são desconhecidos. Assim, impondo que a matriz A seja decomponível em LU vamos tentar determiná-los. Material sujeito a correções Página 48 de 55 Efetuando o produto LU, segue que: L = −−−− 1 01 t k m L * U = −−−− kk k u pU 0 1 ⇒ ++++ ==== −−−− −−−−−−−−−−−− kk t k t kkk upmUm pLUL LU 1 111 Estudemos agora a equação LU=A, isto é: ==== ++++ −−−− −−−− −−−−−−−−−−−− kk t k kk t k t kkk as rA upmUm pLUL 1 1 111 Da igualdade acima concluímos que: 11 −−−−−−−− kk UL = 1−−−−kA ; pLk 1−−−− = r ; 1−−−−k tUm = ts ; kk t upm ++++ = kka . Observe que a primeira equação é válida para a hipótese de indução e, portanto Lk-1 e Uk-1 são univocamente determinadas. Além disso, nem Lk-1 e nem Uk-1 são singulares (ou Ak-1 também seria singular, contrariando a hipótese). Assim de: pLk 1−−−− = r ⇒⇒⇒⇒ ;1 1 rLp k −−−−−−−−==== 1−−−−k tUm = ts ⇒⇒⇒⇒ 1 1 −−−− −−−− ==== k tt Usm kk t upm ++++ = kka ⇒⇒⇒⇒pmau t kkkk −−−−==== Portanto p, m e ukk são determinados univocamente. Finalmente, Det(A) = det(L).det(U) Det(A) = 1.det(Uk-1).Ukk Det(A) = u1.u2....uk-1.ukk, Completando a prova. Material sujeito a correções Página 49 de 55 6.2 Esquema prático para a decomposição LU Observe que teoricamente, para obtermos as matrizes L e U, devemos calcular as inversões de Lk-1 e Uk-1. Entretanto, na prática podemos calcular L e U simplesmente aplicando a definição de produto e de igualdade de matrizes, isto é, impondo que LU = A. Seja então, −−−− 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 αααααααααααααααα αααααααααααααααα αααααααααααααααα αααααααααααααααα ... ::::: ... ... ... 321 3333231 2232221 1131211 Para obtermos os elementos da matriz L e da matriz U devemos calcular os elementos das linhas de U e os elementos das colunas de L. Isto pode ser feito efetuando o produto de L por U. 1. Produto da 1ª linha de L pelas colunas de U igualadas aos elementos da 1ª coluna de A 1.u11 + 0.0 + ...+ 0.0 = a11 1.u11 = a11 ⇒⇒⇒⇒ u11 = a11 1.u12 = a12 ⇒⇒⇒⇒ u12 = a12 ..... ..... .... .... .... 1. u1n = a1n ⇒⇒⇒⇒ u1n = a1n Generalizando, u1j = a1j, j = 1, 2, ...,n 2. Produto de todas as linhas de L (da 2ª até nª), pela 1ª coluna de U igualada com os elementos da 1ª coluna de A (abaixo da diagonal principal): 11 21 21211121 u alaul ====⇒⇒⇒⇒==== 11 31 31311131 u alaul ====⇒⇒⇒⇒==== ... ... ... ... 11 1 11111 u alaul nnnn ====⇒⇒⇒⇒==== Material sujeito a correções Página 50 de 55 Generalizando, ni u al ii ,...,2, 11 1 1 ======== 3. Produto da 2ª linha de L por todas as colunas de U (da 2ª até nª), igualadas aos elementos de 2ª linha de A (da diagonal principal em diante) 22221221 0*0...0*0.1 auul ====++++++++++++++++ 1221222222221221 ulauauul −−−−====⇒⇒⇒⇒====++++ 1321232323231321 ulauauul −−−−====⇒⇒⇒⇒====++++ ... ... ... ... nnnnnn ulauauul 1212222121 −−−−====⇒⇒⇒⇒====++++ Generalizando, njulau jjj ,...3,12122 ====−−−−==== 4. O produto de todas as linhas de L (da 3ª até a nª) pela 2ª coluna de U igualando aos elementos da 2ª coluna de A (dada diagonal principal em diante): 22 123132 323222321231 U UlalaUlUl −−−−====⇒⇒⇒⇒====++++ 22 124142 424222421241 U UlalaUlUl −−−−====⇒⇒⇒⇒====++++ 22 1212 22222121 U UlalaUlUl nnnnnn −−−− ====⇒⇒⇒⇒====++++ ni U Ulal iii ,...,3, 22 1222 2 ==== −−−− ==== Se continuarmos calculando a 3ª linha de U, 3ª coluna de L, 4ª linha de U, 4ª coluna de L, etc..., teremos de fórmulas gerais: Material sujeito a correções Página 51 de 55 >>>> −−−− ==== ≤≤≤≤−−−−==== ∑∑∑∑ ∑∑∑∑ −−−− ==== −−−− ==== ji u ula l jiulau jj i k kjikij ij i k kjikijij , , 1 1 1 1 Aplicação à solução de problemas Seja o sistema Ax = b de ordem n, onde A satisfaz as condições da decomposição LU. Então o sistema Ax = b pode ser escrito como: Ax = b Logo: LUx = b Fazendo Ux = y A solução se reduz a: Ly = b Resolvendo o sistema anterior, encontramos y e substituindo y e m Ux = y encontramos x. Material sujeito a correções Página 52 de 55 Exemplo de decomposição LU Dado o sistema: 2 z - 3y 3 2z x 4 z - 3y 2 ==== ====++++ ====++++x Com esse sistema formamos duas matrizes A = −−−− −−−− 130 201 132 e B = 2 3 4 Temos a fórmula Ax = B Então fazemos A= L*U, Sendo: L = Matriz Triangular inferior (lower) de diagonal unitária U= Matriz Triangular Superior (upper) L = 1 01 001 3231 21 ll l e U = 33 2322 131211 00 0 u uu uuu Multiplicando as matrizes L e U e igualando à matriz A, conseguimos obter todas as incógnitas das matrizes L e U: L = 1 01 001 3231 21 ll l * U = 33 2322 131211 00 0 u uu uuu = A= −−−− −−−− 130 201 132 Material sujeito a correções Página 53 de 55 # Primeira linha de L multiplicando a primeira coluna de U: (i≤≤≤≤ j) (1* u11) + (0 * 0) + (0 * 0) = a11 u11 + 0 +0= 2 u11 =2 #Primeira linha de L multiplicando a segunda coluna de U: (i≤≤≤≤ j) (1* u12) + (u13 * 0) + (0 * 0) = a12 u12 + 0 +0= 3 u12 =3 #Primeira linha de L multiplicando a terceira coluna de U: (i≤≤≤≤ j) 1* u13) + (u23 * 0) + (u33 * 0) = a13 u13 + 0 +0= -1 u13 = -1 #Segunda linha de L multiplicando a primeira coluna de U: (i >>>> j) (l21 * u11) + (0 * 0) + (0* 0) = a21 2 l21 = 1 l21 = 1/2 #Segunda linha de L multiplicando a segunda coluna de U: (i≤≤≤≤ j) (l21 * u12) + (u22 * 1) + (0* 0) = a22 (3 * ½) + u22 = 0 3/2 . u22 = 0 u22 = -3/2 #Segunda linha de L multiplicando a terceira coluna de U: (i≤≤≤≤ j) (l21 * u13) + (1* u23) + (0 * u33) = a23 (1/2 *(-1)) + (u23 + 0) = 2 (-1/2* u23) + 0 = 2 u23 = 2 + l/2 u23 = 2 14 ++++ u23 = 5/2 Material sujeito a correções Página 54 de 55 #Terceira linha de L multiplicando a primeira coluna de U: (i >>>> j) (l31 * u11) + (l23* 0) + (0 * 0) = a31 (l31* 2) + 0 + 0 = 0 l31 = 0 #Terceira linha de L multiplicando a segunda coluna de U: (i >>>> j) (l31* u12) + (l32* u22) + 0 * 0 = a32 (0/2 * 3) + l32 - 3/2 + 0 = 3 (-3/2. l32) + 0 = 3 -3.l32 = 3*2 -3l32 = 6 l32= 6/3 l32 = 2 #Terceira linha de L multiplicando a terceira coluna de U: (i≤≤≤≤ j) (l31* u13) + (l32* u23) + (1 * u33) = a32 (0/2 * 3) + 2 - 5/2 + u33 = -1 0-10/2 u33 = -1 u33 = -1+5 u33 = 4 Matriz Fatorada: L = −−−− 120 012/1 001 * U = −−−− −−−− 400 2/52/30 132 = A= −−−− −−−− 130 201 132 Voltando à fórmula Ax = B, como A = L* U obtemos LUx = B Agora substituiremos Ux por Y e obtemos a fórmula LY = B, onde L = −−−− 120 012/1
Compartilhar