Baixe o app para aproveitar ainda mais
Prévia do material em texto
CÁLCULO DE RAIZ DE EQUAÇÃO Necessidade de determinar a raiz de uma equação em diversos problemas de engenharia, isto é, determinar x, tal que: 0)( xf Algumas equações mais simples possuem solução analítica, como 3 e 2065 10202 2 xxxx xx Na maioria dos casos (equação não-linear), as raizes da equação não podem ser determinadas analiticamente Deve-se utilizar procedimentos iterativos para determinar a(s) raiz(es) MÉTODO DE PICARD )(0)(0)( ** )( *** * xgxxgxxf xf x* é raiz da equação f(x) = 0 PROCEDIMENTO ITERATIVO )( )1()( )1()( )1()( )0( :Raiz )( 1 repetir , Enquanto )(1 :inicial Chute i ii ii ii x xgx ii xx xgx i x x )(xg x *x RAIZ)0(x )( )0( )1( xg x )2(x )( )0(xg )( )1(xg 0 xex xx exgex )( EXEMPLO 1: RESOLVER 69220.0)( 36788.0)( 1 36788.0)1()2( 1)0()1( )0( exgx exgx x n xn g(xn)0 1 0.367881 0.36788 0.692202 0.69220 0.500473 0.50047 0.606244 0.60624 0.545405 0.54540 0.579616 0.57961 0.560127 0.56012 0.571148 0.57114 0.564889 0.56488 0.5684310 0.56843 0.5664111 0.56641 0.56756. . .20 0.56714 0.56714 01x 12)(12 xxgxx EXEMPLO 2: RESOLVER 6.018.02)( 8.019.02)( 9.0 )1()2( )0()1( )0( xgx xgx x n x n g ( x n )0 0 . 9 0 . 81 0 . 8 0 . 62 0 . 6 0 . 23 0 . 2 - 0 . 6 Processo iterativo diverge PORQUE ??? x)(xg x *x RAIZ )0(x)( )0( )1( xg x)2(x )( )0(xg )( )1(xg DIVERGE x )(xg x *x RAIZ )0(x )( )0( )1( xg x)2(x )( )0(xg )( )1(xg CONVERVE OSCILANDO OSCILANDO CONVERGE0)(1 MENTEMONOTONICA CONVERGE1)(0 DIVERGE1)( xg xg xg MÉTODO DE BISSEÇÃO SE f(x) É UMA FUNÇÃO CONTÍNUA E f(a).f(b) < 0A RAIZ DE f(x) PERTENCE AO INTERVALO (a,b) MÉTODO DE BISSEÇÃO CRIA UMA SEQUENCIA DE INTERVALOSCADE VEZ MENOR QUE CONTENHA A RAIZ )(xf x *x 0a 0b ),( 00 ba ),( 11 ba 1m 2m i iii ii ii ii ii ii ii i i m bam ii mb aa mfaf bb ma bfmf mf bam i bfafba :Raiz 21 1end then0)()( ifend then0)()( if do ,)( While 211 0)()( que tal e Escolher 11 1 1 1 1 00 0000 0sin2 2 xxEXEMPLO 3: RESOLVER i ai-1 f(ai-1) bi-1 f(bi-1) mi f(mi)1 1.5 <0 2 >0 1.75 <02 1.75 2 1.875 <03 1.875 2 1.9375 >04 1.875 1.9375 1.90625 <05 1.90625 1.9375 1.9219 CONVERGÊNCIA EXTREMAMENTE LENTA CONVERGÊNCIA MELHORA USANDO VALORES DE f(x)NO CÁLCULO DE mi )()( )()( 11 1111 ii iiii i bfaf bfaafb m MÉTODO DE NEWTON-RAPHSON (DE NEWTON))(xf x*x )0(x)1(x)2(x )( )( )()(tan 1 1 i i ii i ii i xf xfxx xf xx xf PROCEDIMENTO ITERATIVO )1( )()1( )( )( )( )0( :Raiz 1 )( )( do ,)( While0 :inicial Chute i ii i i i x ii xxx xf xf x xf i x 0sin2 2 xxEXEMPLO 4: RESOLVER i xi f(xi) f’(bi) x0 1.5 0.434995 -0.67926 0.640391 2.14039 -0.30319 -1.60948 -0.188382 1.95201 -0.02437 -1.34805 -0.018083 1.93393 -0.00023 -1.32217 -0.000184 1.93375 0.000005 -1.32191 CONVERGÊNCIA RÁPIDA O TAMANHO DO PASSO DIMINUI A CADA ITERAÇÃODE UM FATOR DE 10 0 xexEXEMPLO 5: RESOLVER i xi f(xi) f’(bi) x0 0.01234 PROPRIEDADE DE CONVERGÊNCIA Vamos supor que é uma raiz simples de f(x): 0)( e 0)( ff Obter uma estimativa de erro para a aproximação xn do Método de Newton nn x Expandindo f(x) em série de Taylor em x=xn com um passo - xn )( )(21lim)( )(21 )( )()(21)( )( )( )()(21)()( )( ),();()(21)()()(0 0)()( 22121 2 1 2 2 1 f f xf f xf fx xf xfx xf fx x xf xf xfxxfxxf fxxf n n n xn nn n n n x n n n n n n n n nnnnn nn n n )( )(21 ff Quando perto da solução, o erro cai quadraticamente: 854423 101010 PROBLEMAS COM O MÉTODO DE NEWTON O chute inicial deve estar suficientemente próximo da solução )(xf x*x )0(x )1(x )(xf x )0(x)1(x O processo iterativo passa por umponto de máximo ou mínimo local *x O processo iterativo pode entrar em um ciclo que não converge )(xf x*x )0(x )1(x Os problemas com o Método de Newton podem ser resolvidos comum chute inicial perto da solução Combinar um método com convergência global boa (mas lenta) como método de Newton (convergência global ruim, mas extremamenterápido quando perto da solução) MÉTODO DA SECANTE O cálculo da derivada f ’(x) pode ser muito complicado ou caro computacionalmente Aproximar a derivada por: 1 1)()()( ii ii xx xfxfxf PROCEDIMENTO ITERATIVO )1( )()1( )1()( )1()()( )( )1()0( :Raiz 1 )()()( do ,)( While1 e :inicial Chute i ii ii ii i i x ii xxx xfxf xx xfx xf i xx INTERPRETAÇÃO GEOMÉTRICA )(xf x*x )0(x)1(x)2(x Necessita de 2 chutes iniciais Convergência não é quadrática 0sin2 2 xxEXEMPLO 6: RESOLVER i xi f(xi) x0 1.0 -0.591471 2.0 0.090702345 Escreva uma rotina no SciLab para cálculo de raiz de funções usando os métodos de Bisseção e Newton.O programa principal deve fazer as seguintes tarefas: Utilize o programa desenvolvido para determinar a raiz das equações abaixo. (a) (b)1)( 2 xxf xexxf 21)( Exercício Script Principal Método da Bisseção Método de Newton � M aior parte do tem po de um a sim ulação por elem entos finitos, diferenças finitas ou outro m étodo num érico é gasto na resolução do sistem a de equações obtido com a discretização � N ecessidade de m étodos robustos e rápidos SO LU Ç Ã O D E SISTEM A D E EQ U A Ç Õ ES � A solução de um sistem a de equações é necessária na grande m aioria dos problem as de engenharia Problem as de interpolação e ajuste de curvas Solução de equações diferenciais -sim ulação de problem as de engenharia SISTEMA DE n EQUAÇÕES E n INCÓNITAS � � � � � ���� ���� ���� nnnnnn nn nn bxaxaxa bxaxaxa bxaxaxa � � � � 2211 22222121 11212111 � Se os coeficientes aij são constantes, o sistema é dito linear � O sistema acima pode ser representado na forma de matriz: � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � nnnnannnn nn nn nn b b b b x x x x aaaa aaaa aaaa aaaa �� � ���� � � � 3 2 1 3 2 1 21 3133231 2122221 1111211 bAx � MÉTODOS DE SOLUÇÃO �MÉTODOS DIRETOS A solução exata (a menos de erros de truncamento do computador) é determinada após um número finito de operações Requer mais memória de armazenamento Mais robusto Mais rápido �MÉTODOS ITERATIVOS Fornece uma sequência de soluções aproximadas que convergem quando o número de passos tende a infinito Menor necessidade de memória de armazenamento Problemas de convergência MÉTODOS DIRETOS SISTEMAS TRIANGULARES � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � nnnn nn nn nn b bb b x x x x u uu uuu uuuu �� � ���� � � � 3 2 1 3 2 1 313 21222 1111211 000 00 0 Se niuii ,,2,1,0 ��� as incógnitas podem ser facilmente calculadas ii n ik kkii i nn nnnn nnnnnnnn nn n n u xub x u xub xbxuxu u bx � �� �� �� ������ � � � ���� � 1 , 1,1 ,11 11,111,1 :i linha ; :1-n linha ; :n linha � RETROSUBSTITUIÇÃO Se a matriz for triangular inferior: � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � � nnnnannnn b b b b x x x x llll ll ll l �� � ���� � � � 3 2 1 3 2 1 21 3231 2221 11 00 00 000 A solução é calculada da seguinte forma: ii i ik kkii i l xlb x l xlb xbxlxl l bx � � � � � � ���� � 1 , 22 11,22 2222,211,2 11 1 1 :i linha ; :2 linha ; :1 linha � SUBSTITUIÇÃO A FRENTE NÚMERO DE OPERAÇÕES: � � ������ n i nnnnin 1 2 2 1 )1( 2 1 )1( ELIMINAÇÃO GAUSSIANA � � � � � ���� ���� ���� nnnnnn nn nn bxaxaxa bxaxaxa bxaxaxa � � � � 2211 22222121 11212111 � Eliminar as variáveis de uma maneira sistemática até obter um sistema triangular, de fácil solução Eliminar x1 das (n-1) úlimas equações Se � � � � � �� � � � � �� � � �� � � ���� � � �� � � ����� � � �� � � �� �� � � �� � � ���� � � �� � � ����� � � �� � � ���� � � �� � � � ���� 1 11 1 1 11 1 212 11 1 21 1 11 21 21 11 21 2212 11 21 221 0 11 11 21 21 11212111 0 b a abxa a aaxa a aax b a abxa a aaxa a aaxa a aa bxaxaxa n nnn n nn n n nnn nn � � � �� ��� �� � 011 �a Eliminar x2 das (n-2) últimas equações Se Após o primeiro passo, o sistema fica sendo: � � � �� � � ��� ��� ���� )2()2( 2 )2( 2 )2( 2 )2( 22 )2( 22 11212111 nnnnn nn nn bxaxa bxaxa bxaxaxa � � � � Onde nibmbb niamaa ni a am iii jiijij i i ,,3,2; ,,3,2; ,,3,2; 11 )2( 11 )2( 11 1 1 � � � ��� ��� �� 0)2(22 �a � � � � �� � � � ��� ��� ���� ����� )3()3( 3 )3( 3 )3( 3 )3( 33 )3( 33 )2( 2 )2( 23 )2( 232 )2( 22 11313212111 nnnnn nn nn nn bxaxa bxaxa bxaxaxa bxaxaxaxa � � � � � nibmbb niamaa ni a am iii jiijij i i ,,4,3; ,,4,3; ,,4,3; )2( 22 )2()3( )2( 22 )2()3( )2( 22 )2( 2 2 � � � ��� ��� �� E assim por diante, até obter um sistema da forma � � � � �� � � � � ��� ���� ����� )()( )3( 3 )3( 33 )3( 33 )2( 2 )2( 23 )2( 232 )2( 22 )1( 1 )1( 13 )1( 132 )1( 121 )1( 11 n nn n nn nn nn nn bxa bxaxa bxaxaxa bxaxaxaxa � � � � O SISTEMA TRIANGULAR PODE SER FACILMENTE RESOLVIDO ATRAVÉS DE UMA RETROSUBSTITUIÇÃO � Os elementos são denominados de Pivots � O lado direito do sistema de equações é modificado da mesma forma que os coeficientes das equações � Melhor tratar o sistema na forma matricial, com o lado direito do sistema sendo a coluna n+1 da matriz, conforme mostrado a seguir )1( 1,1 )2( 22 )1( 11 ,,, � �� n nnaaa � � � � � � � � � � � � � � � � nnnannnn nn nn nn b b b b aaaa aaaa aaaa aaaa � � ���� � � � 3 2 1 21 3133231 2122221 1111211niba ki k ni ,,2,1, )()( 1, ���� end end end 1,1For ,1For 1,1For )()()1( )( )( k kjik k ij k ij k kk k ik ik amaa nkj a am nki nk �� ��� � �� �� � end end * ,1For 0 1,1,For )( )( 1, )( i ii i ni i k i ik a suma x xasumsum nik sum ni � � �� �� � �� � ALGORÍTMO ELIMINAÇÃO RETROSUBSTITUIÇÃO � O maior custo computacional ocorre no processo de eliminação � Supor que o tempo de cada operação seja de 1 microsegundo O tempo em segundos de cada parte do algoritmo é mostrado abaixo st 610�� NÚMERO DE OPERAÇÕES: � � � ���� 1 1 3 3 1)1)(( n k nknkn � � ���� n i nnni 1 2 2 1 2 1 )1()1( ELIMINAÇÃO RETROSUBSTITUIÇÃO n Eliminação Retrosubstituição 10 0.0050 s 0.0008 s 100 5 s 0.075 s 1000 5000 s 7.5 s PIVOTAMENTO � � � � � � �� � � � ��� ��� ��� 1221 2211 1111 122 22 1 321 321 321 xxx xxx xxx RESOLVER O SISTEMA POR ELMINAÇÃO GAUSSIANA Sistema não singular, e a solução é: 1321 ���� xxx Após o primeiro passo na eliminação, a matriz fica sendo: 0 0110 1100 1111 )2( 22 �� � � � � � a A eliminação não pode continuar pelo procedimento normal. Uma solução seria trocar a posição das linhas 2 e 3, o que já fornece a matriz triangular � � � � � � �� � � � ��� ��� ��� 1221 220001.11 1111 122 220001.1 1 321 321 321 xxx xxx xxx OUTRO EXEMPLO: RESOLVER O SISTEMA POR ELMINAÇÃO GAUSSIANA Sistema não singular, e a solução é: 0001.1 e 1 321 ���� xxx O sistema triangular obtido após a eliminação sem troca de linhas é: � � � � � 10000999900 110001.00 1111 O processo de retrosubstituição usando uma precisão de 3 casas decimais fornece: 000.1,0 ,0 321 ��� xxx Se as linhas 2 e 3 fossem trocadas durante o processo de eliminação, a solução também usando uma precisão de 3 casas decimais seria 000.1,000.1 ,000.1 321 ���� xxx Resultado correto usando uma precisão de 3 casas decimais Resultado incorreto � Para evitar falha catastrófica (divisão por zero) ou resultados errados é necessário fazer uma escolha criteriosa dos PIVOTS usados na eliminação PIVOTAMENTO PARCIAL PIVOTAMENTO COMPLETO PIVOTAMENTO PARCIAL No passo k do processo de eliminação k r k rk nikaa r k ik k rk e linhasTrocar ,max que talinteiromenor o como Escolher )()( � ��� � PIVOTAMENTO COMPLETO No passo k do processo de eliminação k r k skrk njikaa sr k ij k rs e colunas e , e linhasTrocar ,,max que talinteiros menores os como e Escolher )()( � ��� � s � A Eliminação Gaussiana deve ser feita sempre com PIVOTAMENTO para garantir estabilidade do método � Na grande maioria dos casos, PIVOTAMENTO PARCIAL é suficiente e deve ser usada no lugar de PIVOTAMENTO COMPLETO � PIVOTAMENTO COMPLETO não é muito usado devido ao grande tempo computacional gasto no processo de busca do pivot. � PIVOTAMENTO não é necessário em dois casos particulares MATRIZ DIAGONAL DOMINANTE MATRIZ SIMÉTRICA E POSITIVA-DEFINIDA � � � �� n ij j ijii niaa 1 .,,2,1, � 0xAxxAA ����� ,0 e)( Tjiij T aa DECOMPOSIÇÃO LU � Muitas vezes o mesmo sistema é resolvido com diferentes termos independente (lado direito do sistema) � Pode-se evitar o processo repetido de eliminação gaussiana através de uma decomposição da matriz A � Todo matriz não singular pode ser decomposta como o produto de uma matriz triangular inferior L e uma matriz triangular superior U � A decomposição não é única. �;; 2211 bAxbAx �� � � � � � � � � � � � � � � � � � � � � � � � �� � � � � �� � nn n n n nnnn u uu uuu uuuu lll ll l 000 00 0 ; 1 01 001 0001 ; 333 22322 1131211 1,21 3231 21 � � � � � � � � � � ULLUA � A matriz L corresponde aos coeficientes mik da eliminação gaussiana e a matriz U corresponde a matriz triangular superior obtida na eliminação gaussiana � Uma vez feita a decomposição, a solução do sistema fica reduzida a solução de dois sistemas triangulares: yUxbLy bUxL y �� �� depois e Resolver Sistema triangular inferior Sistema triangular superior MÉTODO DE CHOLESKI � Matriz simétrica, positiva-definida � Escolher L e U de forma que TLU � nki m mma m mam mumu kk k p kpipik ik k p kpkkkk kppkkkkk ,,1, e 1 1 2/1 1 1 2 ��� � � �� � � �� � � �� �� � � � � � � MATRIZES DE BANDA � Matrizes onde os elementos diferentes de zero estão localizados em uma banda centrada na diagonal principal da matriz � As matrizes obtidas em resolução de um problema de valor de contorno são geralmente de banda, daí a importância do estudo deste tipo de matriz 0 0 p q qjipijaij ����� ou se 0 1 :Matriz da Banda ��� qpw � A estrutura de banda não é perdida, se não forem realizadas nenhuma troca de linhas ou coluna (pivotamento parcial ou completo) � As matrizes L e U serão matrizes de banda. jipiju qjiijm ij ij ���� ���� ou se 0 ou se 0 � � � � � � � � � � � � � � � � �� � � � � � � � � � � � � � � � � aaa aaaa aaaa aaam aam uu aaa aaaa aaaa aaaa aaa aa ''' '' passo 1 EXEMPLO � Sem pivotamento A estrutura de banda não é perdida � Com pivotamento (troca linha 1 e 3) A estrutura de banda é perdida � � � � � � � � � � � � � � � � �� � � � � � � � � � � � � � � � � aaa aaaa aaaa aaam aaam uuuu aaa aaaa aaaa aa aaa aaaa ''' ''' passo 1 � Os algoritmos devem ser escritos levando em conta a estrutura da matriz � Grande economia de tempo computacional MATRIZ TRIDIAGONAL � Matriz de banda com p = q = 1 � � � � � � � � � � � � � � ��� nn nnn ab cab cab ca � � � � 00 0 0 00 111 222 11 � Decomposição LU da matriz triagonal: ��� ���� �� � � � � ��� ���� �� � � � � � � � � UL � � � � � � � � � � � � � � �� � � � � � �� � � � � � � � � � � � � � � � � � � � � ������ n nn n n nn nnn c c c ab cab cab ca � � � � 000 00 00 00 100 010 001 0001 00 0 0 00 11 22 11 1 2 111 222 11 nkcaba kkkk k k k ,,3,2;,, 1 1 11 ������ � � � � � � A solução do sistema é feita através de uma resolução de sistemas triangulares 1,2,,1,1;, ,,3,2;, 1 111 � � ��� � �� ���� � � nnixcgxgx nigfgfg i iii i n n n iiii �� ANÁLISE DE ERRO DA DECOMPOSIÇÃO LU � Considere o sistema bAx � � Asolução do sistema sempre apresenta algum erro devido a erros de truncamento que ocorrem durante o processo � Denominar solução obtida como � Definir vetor resíduo como x xAbR �� xx0R ��� Solução calculada é a solução exata � Espera-se que quando o vetor resíduo seja próximo a zero, a solução calculada seja próxima da solução exata � Isto nem sempre é verdade ! Considere o exemplo � � �� � ��� � �� � �� 1440.0 8642.0 e 1441.02161.0 8648.02969.1 bA Solução exata: � � �� � � �� 0000.2 0000.2x Solução obtida: � � � � � ���� � �� � � ��� �� � ��� � �� � ���� �� � �� � � �� � � 8 8 10 10 4870.0 9911.0 1441.02161.0 8648.02969.1 1440.0 8642.0 4870.0 9911.0 xAbR x Apesar do vetor resíduo ser muito pequeno, a solução obtida não é muito distante da solução exata Este problema pode ser explicado analisando-se o processo de eliminação gaussiana 4870.0 101440000154.01440.08642.0 2969.1 2161.0 1440.0 101440999923.01441.08648.0 2969.1 2161.0 1441.0 )2( 22 )2( 2 2 8 1 11 21 2 )2( 2 8 12 11 21 22 )2( 22 ���� ���!���� ���!���� � � a bx b a abb a a aaa Processo de eliminação gaussiana � Uma pequena variação no elemento 0.1441 causa uma grande variação no elemento e consequentemente em )2(22a 2x � Para uma análise da precisão da eliminação gaussianda, é necessário usar o conceito de norma de vetores e matrizes NORMA DE VETOR E MATRIZ � Escalar não negativo que em algum sentido mede a magnitude de um vetor ou matriz � Norma p de um vetor " # $%����� pxxx ppnppp 1, /1 21 �x Norma Euclideana: p=2 Norma do máximo: p=infinito " # 2/1222212 nxxx ���� �x ini x ��$ � 1 maxx � Propriedades de uma Norma yxyx xx 0xx0xx ��� � ���� escalar , se ,0 e se ,0 ��� � Norma de uma Matriz x Ax A 0x� � max Para Norma do máximo, pode-se mostrar que Relação entre a norma de um vetor e de uma matriz: � � ��$ � n j ijni a 1 1 maxA xAAx � ANÁLISE DE PERTURBAÇÃO � Analisar o efeito de pequenas perturbações na matriz A e vetor b na solução x " # A A AA xx x xxAAx xxAAxxxAxAbxxAA bAxbAxbbxxA bAxbAx A 11 11 1 & & & &&& &&&&&&&& &&&&&& ����� )( 1 )(0)()( )()( K �� � �� � � � ��� ����������� ������� ��� b b A x x xAbAxb && )( Como K����� Se o condicionamento da matriz for alto, pequenas perturbações na matriz A e no vetor b provacam grandes perturbações na solução A Matriz é dita mal-condicionada e a solução do problema torna-se imprecisa Condicionamento da matriz � Para determinar o condionamento de uma matriz é necessário calcular a norma da matriz inversa, que normalmente não é conhecida � No exemplo anterior: dacondiciona-mal Matriz 103.3)( 1671.2)8648.02969.1( 10513.110)2161.02969.1( 2969.12161.0 8648.01441.010 8 881 81 �!�� ��� !�!��� � � �� � � � �!� � � A A A A K Escreva uma rotina MatLab para solução de um sistema linear sem pivotamento e uma outra com pivotamento parcial. Escreva um programa principal que realize as seguintes operações: 1. Defina a matrix A e o vetor b do sistema linear Ax = b, onde 2. Chame a função para solução do sistema sem pivotamento 3. Chame a função para solução do sistema com pivotamento Explique o que ocorreu. � � � � � � � � � � � � � � � � � � �� � � 139 120 119 ; 212.1411.6 71.1203.3 141.1203.3 bA Exercício 1 Modifique a rotina desenvolvida de forma a resolver o sistema linear Ax = b, onde Observe que a solução exata do sistema é Exercício 2 ܣ ൌ ଵ ାାଵ ܾ ൌ ୀଵ ܣ ݔ ൌ ͳ MÉTODOS ITERATIVOS Fornece uma sequência de soluções aproximadas que convergem quando o número de passos tende a infinito Usado para matrizes esparsas e grandes Menor necessidade de memória de armazenamento Eliminação Gaussiana “enche” a matriz Problemas de convergência xx xxxx � ���� $� )( )()2()1()0( lim k k k� Chute inicial No Método de Jacobi, a sequência de aproximações é obtida por: ni a bxa x ii i n ij j k jij k i ,,2,1 para, 1 )( )1( �� �� � � � � � MÉTODO DE JACOBI Osistema de equações pode ser escrito como ni a bxa xbxaxa nibxa ii i n ij j jij i n ij j ijijiii i n j jij ,,2,1 para, ,,2,1 para, 1 1 1 � � � �� ���� �� � � � � � � � � MÉTODO DE GAUSS-SEIDEL No método de Jacobi, os novos valores de x só são usados no próximo passo No método de Gauss-Seidel, os novos valores de x são usados a medida que eles são obtidos ni a bxaxa xbxaxaxa nibxa ii i n ij jij i j jij ii n ij jijiii i j jij i n j jij ,,2,1 para, ,,2,1 para, 1 1 1 1 1 1 1 � � � ��� ����� �� �� �� � �� � � �� � � � Para j<1, os novos valores de xj já foram calculados No Método de Gauss-Seidel, a sequência de aproximações é obtida por: ni a bxaxa x ii i n ij k jij i j k jij k i ,,2,1 para, 1 )( 1 1 )1( )1( �� ��� � �� �� � � � � EXEMPLO: Resolver Ax = b � � � � � � � � � � � � � � � � � � � � � �� �� �� �� � 1 0 2 1 ; 4110 1401 1041 0114 bA � � � � � � � � � � � 0 0 0 0 :inicial Chute )0(x ��� �!�!��!�� � �������� )2( 2 )2( 1 )1( 4 )1( 3 )1( 2 )1( 1 ;375.0 4 125.0)0.0(0.0)1(5.0)1( 25.0 4 1 ;0.0 4 0 ;5.0 4 2 ;25.0 4 1 xx xxxx MÉTODO DE JACOBI k X1 (k) X2 (k) X3 (k) X4 (k) 0 0.0 0.0 0.0 0.0 1 0.25 0.5 0.0 0.25 2 0.375 0.625 0.125 0.375 3 0.4375 0.6875 0.1875 0.4375 8 0.49805 0.74793 0.24793 0.49805 MÉTODO DE GAUSS-SEIDEL 40625.0 4 10625.0)1(5625.0)1( ;0625.0 4 025.0)1( ;5625.0 4 225.0)1( ;25.0 4 1 )1( 4 )1( 3 )1( 2 )1( 1 � �!��!�� �� �!�� � � �!�� ��� xx xx k X1 (k) X2 (k) X3 (k) X4 (k) 0 0.0 0.0 0.0 0.0 1 0.25 0.5625 0.0625 0.40625 2 0.40625 0.70312 0.20312 0.47656 3 0.47656 0.73828 0.23828 0.49854 5 0.49854 0.74927 0.24927 0.49963 De um modo geral, os dois métodos podem ser escritos como Os diferentes métodos possuem diferentes formas para matriz B e o vetor c. cxBx ��� )()1( kk Uma matriz A pode ser decomposta na soma de três matrizes: Diagonal + Triangular Superior + Triangular Inferior )( UILDA ��� � O Método de Jacobi pode ser escrito como: " # bDxULx 1)()1( 1 )( )1( ,,2,1 para, ��� � � ������ �� � � kk ii i n ij j k jij k i nia bxa x � � O Método de Gauss-Seidel pode ser escrito como: bDUxLxx 1)()1()1( 1 )( 1 1 )1( )1( ,,2,1 para, ��� �� � � � � ���� �� ��� � �� kkk ii i n ij k jij i j k jij k i nia bxaxa x � " # ULIB 1����GS " #ULB ���J ANÁLISE DE CONVERGÊNCIA cxBx ��� )()1( kk Se x é solução do sistema Ax = b : cxBx �� O erro de cada aproximação x(k) é obtido pela subtração das equações )()()( )0(1)1(2)()1( xxBxxBxxBxx �������� ��� kkkk � Vamos supor que B tenha n autovetores linearmente independentes. Esses n vetores formam uma base do espaço vetorial. Qualquer vetor pode ser escrito como uma combinação linear dos autovetores. n n uuu ,,, :sAutovetore ,,, :sAutovalore 21 21 � � ''' n k nn kkk nnn nn nn uuuxx uuuxx BuBuBuxxBxx uuuxx 1 1 1 1 '�'�'� '�'�'� ��� ��� ����� ������ �������� ����� � � � � � 22211 )( 22211 )1( 221 )0()1( 221 )0( )( O processo iterativo converge somente se somente se 1B %)(( � Raio Espectral de B: 1)(max)( 1 %� �� BB ini '( Os autovalores de B não são conhecidos e esta condição não é facilmente aplicada. Uma condição suficiente que pode ser aplicada é que para o processo iterativo convergir: 1%B A taxa de convergência é dada por " #)(log10 B(��R MÉTODO DE JACOBI " #ULB ���J 0, ���� ii ii ij ij bjia a b � � � �� � n ij j ii ij niJ a a 1 1 maxB Se B for diagonal-dominante Converge Processo1 �%JB MÉTODO DE GAUSS-SEIDEL " # ULIB 1����GS xByx y B x GS n ij j GS �� � � � $ $ � ,max 1 0 dominante diagonalfor se converge Processo 1 max , onde, 1 1 11 1 1 11 AB xyy y � � � ����� ����� ��$ � ��� $$$ �� � �� $ �� ��� i i niGS i j ii ij i n ij ii ij ikkk n ij jkj i j jkj n j jkjkk s r a a s a a rrsy xbybxbyy MÉTODO SOR (SUCCESSIVE OVERRELAXATION) � Modificação do Método de Gauss-Seidel para melhorar a taxa de convergência ii i n ij k jij i j k jij k i k i k i k i ii k iii ii i k iii n ij k jij i j k jij ii i n ij k jij i j k jij k i a bxaxa rrxx a xa a bxaxaxa a bxaxa x ��� ��� � ���� � ��� � �� ���� � � � � � �� � � � �� � � � � )( 1 1 )1( )()()()1( )( )( 1 )( 1 1 )1( 1 )( 1 1 )1( )1( onde, )()()1( SOR ki k i k i rxx )��� � )*++Parâmetro de Relaxação , - 20 )1()( 1 %% ���� � ) )))) UILIB Resolva o sistema linear Ax = b utilizando os métodos de Jacobi e Gauss-Seidel Observe que a solução exata do sistema é Exercício 3 ܣ ൌ ଵ ାାଵ ܾ ൌ ୀଵ ܣ ݔ ൌ ͳ Solução de Sistema de Equações Não-Linear Método de Picard: 1. Chute inicial; 2. Calcular coeficientes da matriz usando o valor atual das incógnitas; 3. Resolver o sistema de equações e determinar o novo valor das incógnitas; • Comparar solução atual com anterior; • Se não covergiu, voltar para 2. , -)0()0(3)0(2)0(1)0( ,,,, Nuuuuc �� " #)(kcAA � " #" # fcAc kk 1)()1( �� � Convergência Ruim )(xAA bAx � � Método de Newton: Generalização do Método de Newton para 1 equação não-linear " # " # " # " # " # " # " # " # " #xf xfx xfxxfxxf xfxxfxxfxxf . �� .���� �..�.��� / // /// 0 2 � PROCEDIMENTO ITERATIVO )1( )()1( )( )( )( )0( :Raiz 1 )( )( do ,)( While 0 :inicial Chute � � �� /�� . ��/ � � i ii i i i x ii xxx xf xf x xf i x 0 � � � � �� � � � � � � � 0),,,,( 0),,,,( 0),,,,( 0),,,,( 321 3213 3212 3211 NN N N N xxxxf xxxxf xxxxf xxxxf � � � � � Sistema a ser resolvido: Expansão por série de Taylor até termos de primeira ordem de cada equação: N N NNN NN NNN N N N NN N N N NN x x fx x fx x fxxxf xxxxxxf x x fx x fx x fxxxf xxxxxxf x x fx x fx x fxxxf xxxxxxf /// /// /// /// /// /// 1 1 �� 1 1 � 1 1 � ����� 1 1 �� 1 1 � 1 1 � ����� 1 1 �� 1 1 � 1 1 � ����� �� � � �� � �� � 2 2 1 1 21 2211 2 2 2 2 1 1 2 212 22112 1 2 2 1 1 1 1 211 22111 ),,,( 0),,,( ),,,( 0),,,( ),,,( 0),,,( N N NNN NN N N N N N N x x fx x fx x fxxxf x x fx x fx x fxxxf x x fx x fx x fxxxf /// /// /// 1 1 �� 1 1 � 1 1 �� 1 1 �� 1 1 � 1 1 �� 1 1 �� 1 1 � 1 1 �� �� � �� �� 2 2 1 1 21 2 2 2 2 1 1 2 212 1 2 2 1 1 1 1 211 ),,,( ),,,( ),,,( fJx f f f x xx x f x f x f x f x f x f x f x f x f f N x N J N NNN N N 1 2 1 2 1 21 2 2 2 1 2 1 2 1 1 1 �� � � � � � � � � � �� � � � � � � � � � � � � � � � � � � � � � � � � � � 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 / / / / / � ��� � ���� ����� �� � � � �Sistema em Forma matricial Matrix Jacobiana j i ij x fJ 1 1 � PROCEDIMENTO ITERATIVO " # )1( )()1( 1 )( )0( :Raiz 1 do , While 0 :inicial Chute � � � �� �� �� � � i ii i c ii xcc fJx cf i c / / 0 Solução de um sistema linear Convergência Quadrática Exemplo: Resolver o sistema abaixo pelo (a) método de Picard e (b) método de Newton �� � � � �� �� 54 32 2 2 yxx yxy raiz17 sistema17p
Compartilhar