Baixe o app para aproveitar ainda mais
Prévia do material em texto
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 13 Sistemas de Equações Lineares – Parte 3 04/2014 Aula 12 – Sistemas de Equações Lineares – Parte 3 Cálculo Numérico 3/44 MÉTODOS ITERATIVOS Aula 12 – Sistemas de Equações Lineares – Parte 3 Cálculo Numérico 4/44 MOTIVAÇÃO ¨ Os métodos iterativos ou de aproximação fornecem uma alternativa aos métodos de eliminação vistos. ¨ Eles utilizam menos memória dos computadores; ¨ Podem reduzir os erros de arredondamento na solução obtida por métodos exatos; ¨ Em alguns casos, podem ser aplicados para resolver conjuntos de equações não-lineares; ¨ No caso da matriz dos coeficientes ser esparsa, darão boas aproximações. Aula 12 – Sistemas de Equações Lineares – Parte 3 Cálculo Numérico 5/44 ¨ Os método iterativos são semelhantes às técnicas de obtenção de raízes de uma única equação. ¨ Consistem em escolher um valor e, então, usar um método sistemático para obter uma estimativa refinada da raiz. Aula 12 – Sistemas de Equações Lineares – Parte 3 Cálculo Numérico 6/44 MÉTODO DE GAUSS-SEIDEL Aula 12 – Sistemas de Equações Lineares – Parte 3 Cálculo Numérico 7/44 MÉTODO DE GAUSS-SEIDEL ¨ Este é o método iterativo mais comumente usado. ¨ Vamos supor, por simplicidade, um sistema de 3 equações e 3 incógnitas: E1 : a11x1 + a12x2 + a13x3 = b1 E2 : a21x1 + a22x2 + a23x3 = b2 E3 : a31x1 + a32x2 + a33x3 = b3 Aula 12 – Sistemas de Equações Lineares – Parte 3 Cálculo Numérico 8/44 MÉTODO DE GAUSS-SEIDEL ¨ Se os elementos da diagonal forem todos não-nulos, é possível isolar x1 em E1; x2 em E2 e x3 em E3; x1 = b1 − a12x2 − a13x3 a11 x2 = b2 − a21x1 − a23x3 a22 x3 = b3 − a31x1 − a32x2 a33 Aula 12 – Sistemas de Equações Lineares – Parte 3 Cálculo Numérico 9/44 MÉTODO DE GAUSS-SEIDEL ¨ Podemos, então, escolher aproximações iniciais para os x’s e resolver estas equações. ¨ Uma forma simples é supor que os valores de x são todos nulos. ¨ Estes zeros são usados para calcular um novo valor para: ¨ Então, substitui-se este novo x1 junto com x3 = 0, para obter um novo x2, e repete-se o processo para calcular uma nova estimativa para x3. x1 = b1 a11 Aula 12 – Sistemas de Equações Lineares – Parte 3 Cálculo Numérico 10/44 MÉTODO DE GAUSS-SEIDEL ¨ Em seguida, volta-se para a primeira equação e todo o processo é repetido até que a solução convirja para valores suficientemente próximos dos valores verdadeiros. Aula 12 – Sistemas de Equações Lineares – Parte 3 Cálculo Numérico 11/44 Critério de Parada ¨ Como saber se os valores estão próximos dos valores verdadeiros? Para todo i, onde j e j – 1 representam a iteração atual e a anterior. εa,i = xij − xij−1 xij ⋅100%< εs Aula 12 – Sistemas de Equações Lineares – Parte 3 Cálculo Numérico 12/44 Exemplo 1 ¨ Considere o sistema: ¨ A solução verdadeira é: ¨ Use o Método de Gauss-Seidel para obter a solução aproximada com 3x1 − 0,1x2 − 0,2x3 = 7,85 0,1x1 + 7x2 − 0,3x3 = −19,3 0,3x1 − 0,2x2 +10x3 = 71, 4 " # $$ % $ $ x1 = 3, x2 = −2,5, x3 = 7 εs = 0,01% Aula 12 – Sistemas de Equações Lineares – Parte 3 Cálculo Numérico 13/44 Exemplo 1 Iteração (j) x1(j) x2(j) x3(j) 1 2,616667 -2,794524 7,005610 2 2,990557 -2,499625 7,000291 3 3,166674 -2,502369 6,994952 4 3,166409 -2,502594 6,994956 |εt| iteração 4 5,55% 0,10% 0,007% |εa| iteração 4 0,008% 0,009% 0,00006% Aula 12 – Sistemas de Equações Lineares – Parte 3 Cálculo Numérico 14/44 Algoritmo do método de Gauss-Seidel ENTRADA: A (matriz n×n com ajj ≠ 0, j = 1, ..., n), b, aproximação inicial x(0), precisão ε, número máximo de iterações N. SAÍDA: solução aproximada x(m) = [xj(m)] ou mensagem de falha. Passo 1: Para m = 0, ..., N – 1, faça: Passo 2: Para j = 1, ..., n, faça: FIM Passo 2 x jm+1( ) = 1 ajj bj − ajkxkm+1( ) k=1 j−1 ∑ − ajkxkm( ) k= j+1 n ∑ # $ %% & ' (( novos antigos Aula 12 – Sistemas de Equações Lineares – Parte 3 Cálculo Numérico 15/44 Algoritmo do método de Gauss-Seidel Passo 3: Se , então: SAÍDA: x(m+1) PARE (Procedimento concluído com sucesso). FIM Passo 1 SAÍDA: . PARE (Procedimento concluído sem sucesso). máx j x jm+1( ) − x jm( ) < ε Aula 12 – Sistemas de Equações Lineares – Parte 3 Cálculo Numérico 16/44 ¨ À medida que cada novo valor de x é calculado pelo método de Gauss-Seidel, ele é imediatamente usado na próxima equação. ¨ Assim, se a solução estiver convergindo, a melhor estimativa disponível será empregada. Uma abordagem alternativa é dada pelo Aula 12 – Sistemas de Equações Lineares – Parte 3 Cálculo Numérico 17/44 MÉTODO DE GAUSS-JACOBI Aula 12 – Sistemas de Equações Lineares – Parte 3 Cálculo Numérico 18/44 Método de Gauss-Jacobi ¨ Neste método, em vez de usar os últimos x’s disponíveis, esta técnica usa as equações: x1 = b1 − a12x2 − a13x3 a11 x2 = b2 − a21x1 − a23x3 a22 x3 = b3 − a31x1 − a32x2 a33 Aula 12 – Sistemas de Equações Lineares – Parte 3 Cálculo Numérico 19/44 Método de Gauss-Jacobi ¨ Para calcular um conjunto de novos x’s com base no conjunto de antigos x’s. Método de Gauss-Seidel Método de Gauss-Jacobi Aula 12 – Sistemas de Equações Lineares – Parte 3 Cálculo Numérico 20/44 CRITÉRIOS DE CONVERGÊNCIA Aula 12 – Sistemas de Equações Lineares – Parte 3 Cálculo Numérico 21/44 Critérios de convergência ¨ Nos métodos iterativos são necessários os critérios que garantam a convergência: ¤ Critério das linhas; ¤ Critério de Sassenfeld. ¨ Estes critérios são suficientes, mas não necessários para a convergência. Aula 12 – Sistemas de Equações Lineares – Parte 3 Cálculo Numérico 22/44 Critério das Linhas ¨ Dado o sistema Ax = b, seja: ¨ Se , então os métodos de geram uma sequência {x(k)} convergente para a solução do sistema, independente da escolha de x(0). αk = akj j=1 j≠k n ∑ # $ % % % & ' ( ( ( akk α =máx 1≤k≤n αk <1 Aula 12 – Sistemas de Equações Lineares – Parte 3 Cálculo Numérico 23/44 Exemplo 2 ¨ Considere o sistema do Exemplo 1: ¨ Vamos aplicar o critério das linhas para verificar a convergência. 3x1 − 0,1x2 − 0,2x3 = 7,85 0,1x1 + 7x2 − 0,3x3 = −19,3 0,3x1 − 0,2x2 +10x3 = 71, 4 " # $$ % $ $ Aula 12 – Sistemas de Equações Lineares – Parte 3 Cálculo Numérico 24/44 Critério de Sassenfeld ¨ Sejam: e β1 = a1 j a11j=2 n ∑ βi = aij β j j=1 i−1 ∑ + aij j=i+1 n ∑ # $ % % & ' ( ( aii , = ai1 β1 + ai2 β2 +!+ aii−1 βi−1 + aii+1 +!+ ain aii = a12 + a13 +!+ a1n a11 i = 2,3,!,n Aula 12 – Sistemas de Equações Lineares – Parte 3 Cálculo Numérico 25/44 Critério de Sassenfeld ¨ Seja: ¨ Se β < 1, o gera uma sequência convergente para qualquer x (0). ¨ Quanto menor β, mais rápida a convergência. β =máx 1≤i≤n βi{ } Aula 12 – Sistemas de Equações Lineares – Parte 3 Cálculo Numérico 26/44 Exemplo 3 ¨ Seja o sistema: ¨ Verifique se este sistema convergirá ao aplicarmos o Método de Gauss-Seidel. 3x1 + x3 = 3 x1 − x2 =1 3x1 + x2 + 2x3 = 9 " # $$ % $ $ Aula 12 – Sistemas de Equações Lineares – Parte 3 Cálculo Numérico 27/44 Exemplo 4 ¨ Para o sistema linear: O Método de Gauss-Jacobi gera uma sequência convergente para a soluçãoexata: VERIFIQUE!!!!!! x1 + x2 = 3 x1 −3x2 = −3 " # $ x = 32 32 ! " # # # $ % & & & Aula 12 – Sistemas de Equações Lineares – Parte 3 Cálculo Numérico 28/44 Exemplo 4 ¨ Aplique o critério das linhas para verificar se ele é satisfeito para este sistema. ¨ Vimos que α1 = 1. Isto mostra que, o critério das linhas é uma condução , mas para a convergência dos Métodos de Gauss-Seidel e Gauss Jacobi. Aula 12 – Sistemas de Equações Lineares – Parte 3 Cálculo Numérico 29/44 Exemplo 5 ¨ Para o sistema linear: ¨ Veremos que o critério das linhas não é satisfeito, porém uma permutação de equações faz com que o critério seja satisfeito. x1 +3x2 + x3 = −2 5x1 + 2x2 + 2x3 = 3 6x2 +8x3 = −6 " # $$ % $ $ Aula 12 – Sistemas de Equações Lineares – Parte 3 Cálculo Numérico 30/44 Exemplo 5 ¨ Como o critério das linhas é satisfeito quando fazemos a permutação entre as equações 1 e 2, é conveniente aplicarmos o a esta nova disposição do sistema, pois desta forma a convergência está assegurada. ¨ Podemos, então, concluir que sempre que o critério das linhas não for satisfeito, devemos tentar uma permutação de linhas e/ou colunas de forma a obtermos uma disposição para a qual a matriz dos coeficientes satisfaça o critério das linhas. ¨ No entanto, nem sempre é possível obter tal disposição. Aula 12 – Sistemas de Equações Lineares – Parte 3 Cálculo Numérico 31/44 ¨ Em relação ao , podemos fazer permutações nas linhas e colunas para encontrar uma disposição que satisfaça o critério das linhas ou o critério de Sassenfeld. Aula 12 – Sistemas de Equações Lineares – Parte 3 Cálculo Numérico 32/44 Exemplo 6 ¨ Seja o sistema linear: ¨ Verifique se o critério de Sassenfeld pode ser aplicado à este sistema. Se não, faça as permutações necessárias para que o critério seja satisfeito. 2x1 + x2 +3x3 = 9 −x2 + x3 =1 x1 + 3x3 = 3 " # $$ % $ $ Aula 12 – Sistemas de Equações Lineares – Parte 3 Cálculo Numérico 33/44 COMPARAÇÃO ENTRE OS MÉTODOS Aula 12 – Sistemas de Equações Lineares – Parte 3 Cálculo Numérico 34/44 Convergência ¨ Métodos Diretos ¨ Métodos Iterativos Convergência assegurada apenas sob determinadas condições. Convergência garantida para qualquer sistema não-singular Aula 12 – Sistemas de Equações Lineares – Parte 3 Cálculo Numérico 35/44 Esparsidade ¨ Métodos Diretos ¨ Métodos Iterativos Principal vantagem é não alterar a estrutura da matriz A dos coeficientes, então, neste caso é muitas vezes preferível Durante o processo de eliminação podem surgir elementos não-nulos em posições aij que originalmente eram nulas. Aula 12 – Sistemas de Equações Lineares – Parte 3 Cálculo Numérico 36/44 Erros de Arredondamento ¨ Métodos Diretos ¨ Métodos Iterativos Somente os erros cometidos na última iteração afetam a solução. Sérios problemas com erros de arredondamento, para amenizar usamos técnicas de pivoteamento Erros cometidos nas iterações anteriores não levarão à divergência do processo, nem à convergência a um outro vetor que não a solução
Compartilhar