Baixe o app para aproveitar ainda mais
Prévia do material em texto
ENG-D01: Métodos Computacionais na Engenharia Profa Karen PontesProf . Karen Pontes Dezembro 2008 ProgramaPrograma Si t d õ l éb i li Sistemas de equações algébricas lineares Equações algébricas não-lineares Sistemas de equações algébricas não-lineares InterpolaçãoInterpolação Aplicações na engenharia. BibliografiaBibliografia 3 Erros associados aos métodos numéricosErros associados aos métodos numéricos M d l d li cdv -cv Modelo queda livre: vm g dt Solução analítica: tgm )/( mg S l ã é i tmce c gmtv )/(1)( Solução numérica: iiiii tttvcgtvtv 11 )()()( iiiii m 11 Erros associados aos métodos numéricosErros associados aos métodos numéricos Exemplo: exp( / ) 0x x c Solução analítica: 1.1 líti 1 ln 1 1x c u c u u Solução analítica: 0 8 0.9 1 c v a l u e analítica numérica ln 1 1u c 0.6 0.7 0.8 c 0.4 0.45 0.5 0.55 0.6 0.5 root x value Erros associados aos métodos numéricosErros associados aos métodos numéricos Erros de arredondamento Capacidade limitada do computador para armazenar números Raízes de equação quadrática com a = 1, b = 3000,001 e c = 3 (solução exata x1 = -0,001 e x2 = -3000) Erros de truncamentoErros de truncamento discrepância introduzida por aproximações usadas nos métodos numéricos para representar operações e quantidades matemáticas exatasmatemáticas exatas Série de Taylor Exemplo: erros de arredondamentoExemplo: erros de arredondamento 300130002 xxy program arredondamento 3001,3000 xxy implicit none real :: a, b, c, d, x1, x2 real*8 :: aa bb cc dd x11 x22 aa=1.d0 bb=3000.001 cc=3.d0 real 8 :: aa, bb, cc, dd, x11, x22 a=1.d0 b=3000.001 c=3 d0 dd = sqrt(bb*bb-4*aa*cc) x11 = (-bb+dd)/(2*aa) x22 = (-bb-dd)/(2*aa) c=3.d0 d = sqrt(b*b-4*a*c) x1 = (-b+d)/(2*a) x2 = ( b d)/(2*a) write(*,*) 'Resultado em dupla precisao' write(*,1) 'x11 = ', x11 write(*,2) 'x22 = ', x22 write(*,*) x2 = (-b-d)/(2 a) write(*,*) 'Resultado em precisao simples' write(*,1) 'x1 = ', x1 write(* 2) 'x2 = ' x2 1 format(1x,a10,f20.14) 2 format(1x,a10,f10.4) write( ,2) x2 = , x2 write(*,*) end program Série de TaylorSérie de Taylor Permite prever o valor da função em um ponto em termos do valor da função e suas derivadas em um outro ponto Aproximação de ordem zero )()( 1 ii xfxf Aproximação de 1ª ordem ))((')()( 11 iiiii xxxfxfxf Aproximação de 2ª ordem 2 111 )(!2 )('' ))((')()( ii i iiiii xx xf xxxfxfxf Série de TaylorSérie de Taylor Expansão completa ixffff )()(''))((')()( 2 n n ii i n ii i ii i iiiii Rxxxfxxxf xx f xxxfxfxf )( ! )( ...)( !3 )( )( !2 )( ))((')()( 1 )( 3 1 )3( 2 111 niiii n )( ! )( !3 11 Resto 1 )1( )( n n hfR 1 nhOR )!1( n hnR n hOR Série de Taylor ExemploSérie de Taylor - Exemplo A i ã d li ô i é i d T l Aproximação de um polinômio por série de Taylor 2,125,05,015,01,0)( 234 xxxxxf Qual o valor da função em xi+1 = 1, sendo xi=0, h=1 Série de Taylor ExemploSérie de Taylor - Exemplo A i ã d f ã ú fi it d Aproximação de uma função com um número finito de derivadas U õ é i d T l 0 té 6 Use expansões em série de Taylor com n = 0 até 6 para aproximar em com base no valor de f(x) e )cos()( xxf 3/1 ix suas derivadas em . 4/ix 12/4/3/ h 5,0)3/cos()( 1 ixf Série de Taylor ExemploSérie de Taylor - Exemplo C ti ã Continuação Ordem n f(n)(x) f(n)(/3) t O(hn+1) 0 2617993880 cos(x) 0,707106781 -41,4 0,261799388 1 -sen(x) 0,512986659 -4,4 0,068538919 2 cos(x) 0 497754491 0 449 0,0179434472 -cos(x) 0,497754491 0,449 0,017943447 3 sen(x) 0,499869147 2,62 x 10-2 0,004697583 4 cos(x) 0,500007551 -1,51 x 10-3 0,001229824( ) 5 -sen(x) 0,500000304 -6,08 x 10-5 0,000321967 6 -cos(x) 0,499999988 2,44 x 10-6 8,42908E-05 Cada termo adicional resulta em alguma melhora na estimativa da função mas o termo torna se desprezível à medida que n aumentafunção, mas o termo torna-se desprezível à medida que n aumenta Sistema de equações linearesSistema de equações lineares Balanço de massa em uma torre de destilação DD yB yT 80% recuperação do benzeno 50% tolueno 50% benzeno50% benzeno FT = 70kgmol/min R xB: 0.1% mol xT : 0.9% mol Sistema de equações linearesSistema de equações lineares Circuito elétrico - lei de Kirchoff 9 4 2 24i i i 1 2 3 1 2 3 4 1 2 3 4 9 4 2 24 4 17 6 3 16 2 6 14 6 0 i i i i i i i i i i i 2 3 43 6 11 18i i i Sistema de equações linearesSistema de equações lineares D fi i ã Definição: Uma equação linear é uma equação composta exclusivamente de adições e subtrações de termos que são constantes ou o produto de uma constante pela primeira potência de uma variável Forma geral: 11 1 12 2 1 1... n na x a x a x b Exemplo: 4 3 2 0 2 3 0 0 x y z x y z w Exemplo não-linear: 2 2 9 2 3 0 x y x y zw 2 3 0x y zw Sistema de equações linearesSistema de equações lineares 11 1 12 2 1 1... n na x a x a x b Forma geral: 21 1 22 2 2 2... n na x a x a x b 1 1 2 2 ... ...n n nn n na x a x a x b onde os coeficientes aij e bij são conhecidos Objetivo: determinar os valores de xi Sistema de equações linearesSistema de equações lineares G d lib d d Graus de liberdade: Se n é número de incógnitas e m o número de equações: 1x y 1x y 1x y n > m n = m n < m 3 9 0.5 1.5 x y x y 3 9x y 1x y Infinitas soluções Uma única solução Nenhuma solução Sistema de equações linearesSistema de equações lineares Consistência: existe solução Consistência: existe solução n = mn = m n > m 1 3 9 x y x y 3 2 2 3 2 2 x y x y 3 2 2x y 1x y 3 2 2x y (-1,0) (0,1) (2,3) 3 2 2x y 3 2 2x y ( , ) (3,0) 3 9x y Uma única solução N h l ã I fi it l õUma única solução Sistema possível e determinado Nenhuma solução Sistema impossível Infinitas soluções Sistema possível e indeterminado Sistema de equações lineares Consistência (três equações e três incógnitas): Sistema de equações lineares ( q ç g ) Consistente Inconsistente Sistema de equações lineares Sistemas singulares e mal condicionados Sistema de equações lineares Sistemas singulares e mal condicionados 3 2 2x y 15.0 21 xx 1.146.0 21 xx3 2 2 y x y 22 21 21 xx 125.0 21 21 xx 3 2 2x y 3 2 2x y Nenhuma solução Infinitas soluções Mal condicionados Sistema singular Sistema singular Sistema de equações lineares Sistemas singulares e mal condicionados Sistema de equações lineares Sistemas singulares e mal condicionados 3 2 2x y 15.0 21 xx 1.146.0 21 xx3 2 2 y x y 22 21 21 xx 125.0 21 21 xx 3 2 2x y 3 2 2x y Nenhuma solução Infinitas soluções Mal condicionados Sistema de equações linearesSistema de equações lineares F t i i l 11 12 1... na a a 1 b 1 x Forma matricial Ax b 21 22 2 1 2 ... ... na a a a a a A 2b b b 2 nx x x onde 1 2 ...n n nna a a nb n Se b = 0 sistema homogêneo solução trivial S b 0 i t ã h êSe b 0 sistema não homogêneo Para obter solução algébrica: 1 1 1 A Ax A b x A b onde A-1 é a inversa de A A Ax A b x A b onde A 1 é a inversa de A Sistema de equações linearesSistema de equações lineares Fó l l éb i d ã ál l d i Fórmula algébrica padrão para cálculo da inversa: 1 adj( ) det( )tA A A onde det(A) é o determinate de A e adj(At) é oadj( ) det( )A A A onde det(A) é o determinate de A e adj(A ) é o adjunto da transposta de A (matriz composta pelos cofatores) Se det(A) = 0 A não tem inversa (singular) não existe solução única para x Se det(A) 0 existe solução única para x( ) ç p Cálculo de A-1 ineficiente (necessita muitas operações). Entretanto, importante! Regra de CrammerRegra de Crammer )'det(A j )det( )( A x jj Determinante não nulo para que exista solução Se uma ou mais linhas ou colunas de A forem idênticas ou linearmente dependentes determinante é nulolinearmente dependentes, determinante é nulo. Exemplo 532 21 xx Exemplo 344 21 21 xx Método ineficiente para solução de sistemas de ordem maior que 2maior que 2 Matrizes especiaisMatrizes especiais M t i di l 0 i j Matriz diagonal, aij=0 para ij 11 0 ... 0a 220 ... 0 0 0 ... a a A 0 0 ... nna Solução trivial de se aij 0 1 1 11x b a Ax b 1 1 11 2 2 22x b a n n nnx b a Matrizes especiaisMatrizes especiais M t i t i l i 0 i j Matriz triangular superior: aij = 0 se i > j 11 1 12 2 13 3 1 1................... n na x a x a x a x b 11 12 1 22 2 ... 0 ... n n a a a a a A 22 2 23 3 2 2 33 3 2 3 ................... ................... n n n n a x a x a x b a x a x b 0 0 ... nna 1, 1 1 1, 1 1 n n n n n n na x a x b a x b Solução regressiva nn n na x b n n nnx b a 1 1 1 1 1n n n n n n nx b a x a 1 1 1, 1, 1n n n n n n nx b a x a … Matrizes especiaisMatrizes especiais S l ã i Solução regressiva n n nnx b a 1 1 1, 1, 1n n n n n n nx b a x a … Exemplo: 1 2 3 2 3 3 6 9 3 2 2 2 x x x x x 2 3 3 4 2x Matrizes especiaisMatrizes especiais S l ã i Solução regressiva n n nnx b a 1 1 1, 1, 1n n n n n n nx b a x a … Fórmula geral: 1 1 2 1 , ,..., j n i i ij j ii j i x b a x a i n n 1j i Solução regressiva AlgoritmoSolução regressiva - Algoritmo function x = ElimTS(a,b) % A funcao resolve um sistema de equacoes lineares q [a][x]=[b] em que a e uma % matriz na forma triangular superior % Variaveis de entrada: % a Matriz de coeficientes, forma triangular superior., g p % b Um vetor coluna com as constantes. % Variaveis de saida: % x Um vetor coluna com a solucao. ab=[a,b]; [R,C]=size(ab); % C=R+1 na matriz aumentada x = zeros(R,1); x(R) = ab(R,C)/ab(R,R); for i = R-1:-1:1 soma(i)= 0;( ) for j=i+1:n soma(i)=soma(i)+ab(i,j)*x(j); end % ab(i,i+1:R)*x(i+1:R); %multiplicacao matricial => ( ) ( ) p escalar com a soma x(i)=(ab(i,C)-soma(i))/ab(i,i); end Matrizes especiaisMatrizes especiais M t i t i l i f i 0 i j Matriz triangular inferior: aij=0, i<j 00 bxa 1111 aa a 2221 11 0 00 A bxaxaxa bxaxa 3333232131 2222121 1111 nnnn aaa 21 nnnnnnn bxaxaxaxa 332211 Solução progressiva 1 1 11x b a 2 2 21 1 22x b a b a 2 2 21 1 22 … Matrizes especiaisMatrizes especiais S b tit i ã i l Substituição progressiva – regra geral: 1 1 11x b a 1 1 2,3,..., j i i i ij j ii j x b a b a i n 1j Operações elementares nas linhasOperações elementares nas linhas M t i t d Matriz aumentada: 11 12 1 1 21 22 2 2 ... ... n n a a a b a a a b A b 1 2 4 ( 1) ...n n nn n na a a b As seguintes operações podem ser aplicadas às õ i di id i lt l ã d i tequações individuais sem alterar a solução do sistema: Trocar a posição de quaisquer 2 linhas (equações) Multiplicar uma linha (equação) por um escalar 0 Multiplicar uma linha (equação) por um escalar 0 Trocar uma linha pela soma desta com um múltiplo escalar de outra linha Operações resolução de problemas de álgebra linear Sistema de equações lineares Independência Sistema de equações lineares Nenhuma das equações é derivada de outra E i lê i Equivalência Dois sistemas são equivalentes se têm a mesma solução Métodos de solução Diretos: eliminação algébrica, solução exataç g , ç Eliminação Gaussiana Eliminação de Gauss-Jordan Decomposição LU Decomposição LU Iterativos: estimativa inicial Interação de Gauss-Seidel I t ã d J bi Interação de Jacobi Eliminação GaussianaEliminação Gaussiana D d t t l t d d t ê õ Depende totalmente do uso das três operações elementares nas linhas Matriz aumentada matriz triangular superior Matriz aumentada matriz triangular superior Coeficiente pivô a x a x a x b b Equação pivô 11 1 12 2 13 3 1 21 1 22 2 23 3 2 a x a x a x b a x a x a x b b 11 12 13 1 21 22 23 2 a a a b a a a b A 31 1 32 2 33 3 3a x a x a x b 31 32 33 3a a a b =m a a Multiplicadores: 21 21 11= m a a 31 31 11m a a Eliminação GaussianaEliminação Gaussiana 11 1 12 2 13 3 1a x a x a x b 11 1 12 2 13 3 1 21 1 22 2 23 3 2 31 1 32 2 33 3 3 a x a x a x b a x a x a x b equação 2 = equação 2 - equação 1 * m21 21 21 11= m a a 11 12 13 1 21 21 21 21 21 11 22 12 23 13 1 1 a a a b a a a aa a a a a a b b A L2 L2 – m21 L1 11 11 11 11 31 32 33 3 a a a a a a a b 11 12 13 1 1 22 23 20 ' ' ' a a a b a a b A 1 22 23 2 31 32 33 3a a a b Eliminação GaussianaEliminação Gaussiana equação 3 = equação 3 - equação 1 * m31 31 31 11m a a 11 12 13 1a a a b 22 23 1 31 31 31 31 31 11 32 12 31 13 3 3 0 ' ' 'a a b a a a aa a a a a a b b a a a a A L3 L3 – m31 L1 11 11 11 11a a a a 11 12 13 1 0 ' ' ' a a a b b A 22 23 2 32 33 3 0 ' ' ' 0 ' ' ' a a b a a b A Redução dos campos da primeira coluna, exceto a11 (o elemento pivô), a zeroelemento pivô), a zero Procedimento da Eliminação GaussianaProcedimento da Eliminação Gaussiana Conjunto inicial de equacoes Passo 1 11 12 13 14 1 1 21 22 23 24 2 2 31 32 33 34 3 3 a a a a x b a a a a x b a a a a x b 12 13 11 4 21 1 ' a a a a a 22 23 24 31 ' ' ' ' a a a a 32 33 34' ' 'a a a1 1 2 2 3 3 ' ' x b x b x b 41 42 43 44 4 4a a a a x b 41'a 4 442 43 44 '' ' ' x ba a a Passo 2 Passo 3 11 12 13 14 23 24 3 22 2 0 0 ' ' ' '' a a a a a a a a 33 34'' ''a a 1 1 2 2 3 3 ' '' x b x b x b 11 12 13 14 22 23 24 3433 0 0 0 ' ' ' '''' a a a a a a a aa 1 1 2 2 3 3 ' '' x b x b x b 420 ''a 4 443 44 '''' '' x ba a 340 0 '' 'a 3 3 44 4 4''' '''a x b Equacoes na forma triangular superior 11 12 13 14 1 1 22 23 24 2 2 33 34 3 3 0 0 0 ' ' ' ' '' '' '' a a a a x b a a a x b a a x b 33 34 3 3 44 4 40 0 0 '' ''a x b Eliminação GaussianaEliminação Gaussiana E l 2 3 5x x x 1 Exemplo 1 2 3 1 2 3 1 2 3 2 3 5 4 4 3 3 2 3 1 x x x x x x x x x 1 2 3 x 1 2 3 513251325132 15500 7120 6260 7120 1132 3344~A Procedimento da Eliminação GaussianaProcedimento da Eliminação Gaussiana P i i i ô ( 0) Para o primeiro pivô a11 (a11 0): 1 1 1 1 11 2,3,... i i i i iL L m L m a a i n Para o segundo pivô a22 (a22 0): 2 2 2 2 22 3, 4,... i i i i iL L m L m a a i n Logo, para o pivô ajj (ajj 0): L L m L m a a i i ij j ij ij jjL L m L m a a 1 2 1 2 1, ,..., ; , ,...,i j j n j n Algoritmo para Eliminação GaussianaAlgoritmo para Eliminação Gaussiana function x = Gauss(a,b) % A funcao resolve um sistema de equacoes lineares [a][x]=[b] usando o % metodo de eliminacao de Gauss % Variaveis de entrada: % a Matriz de coeficientes. % b U l% b Um vetor coluna com as constantes. % Variaveis de saida: % x Um vetor coluna com a solucao. b [ b] % t i t dab = [a,b]; %matriz aumentada [R, C] = size(ab); %C=R+1 na matriz aumentada for j = 1:R-1 %loop para equação pivo for i = j+1:R %operacao nas linhas b(i j C) b(i j C) b(i j)/ b(j j)* b(j j C)ab(i,j:C) = ab(i,j:C)-ab(i,j)/ab(j,j)*ab(j,j:C); end end x = zeros(R,1); (R) b(R C)/ b(R R)x(R) = ab(R,C)/ab(R,R); for i = R-1:-1:1 x(i)=(ab(i,C)-ab(i,i+1:R)*x(i+1:R))/ab(i,i); %multiplicacao matricial => escalar end Eliminação de GaussEliminação de Gauss Difi ld d Dificuldades Elemento pivô zero Elemento pivô pequeno Elemento pivô pequeno Pivotação Pivotação Troca da linha pivô por outra linha Exemplo 8 2 7x x 3 5 2 8 4 2 3 1 2 3 8 2 7 3 5 2 8 6 2 8 26 x x x x x x x x 3 5 2 8 0 8 2 7 0 0 6 3 A 4 1 0,5 x 1 2 36 2 8 26x x x 0 0 6 3 0,5 Eliminação de GaussEliminação de Gauss Elemento pivô é pequeno em relação aos demais elementos da p p q ç linha pivô 1 20.0003 12.34 12.343x x 10 1 t Método de Gauss com precisão de 4 algarismos significativos 1 2 1 20.4321 5.321x x 10 1 tx Método de Gauss com precisão de 4 algarismos significativos 21 21 11 0.4321 0.0003 1440m a a 1 20.0003 12.34 12.343 0 0001 17770 17760 x x x x S b tit i ã i ( i d ) 1 20.0001 17770 17760x x Substituição regressiva (aproximando a12 para zero) x2=0.9994 e x2=33.15 Eliminação de GaussEliminação de Gauss Pi t ã ( i ô 0) Pivotação (pivô 0) 1 20.4321 5.321x x 1 20.0003 12.34 12.343x x 1 20.0003 12.34 12.343x x 1 20.4321 5.321x x 21 0.0003 0.4321 0.0006943m 1 2 1 2 0.4321 5.321 0 12.34 12.343 x x x x Solução: x1=10 e x2=0.1, ou seja, a solução exata Mudança de EscalaMudança de Escala C fi i t d d d dif t Coeficientes com ordem de grandeza diferente E it d d d t Evitar erros de arredondamento Normalização dos elementos da linha de modo que o maior coeficiente seja 1 Novos coeficientes servem como critério para o pivotamentopivotamento Recomenda-se manter os coeficientes originais para evitar erros de arredondamento Mudança de EscalaMudança de Escala 10000010000002 21 xx x = 1 00002 e x = 0 999980 1) Sem mudar a escala aplica se a eliminação de Gauss 221 xx x1 1,00002 e x2 0,999980 1) Sem mudar a escala, aplica-se a eliminação de Gauss 10000010000002 21 xx x1 = 0,00 e x2 = 1,00 5000050000 2x 1 , 2 , 2) Mudando a escala das equações originais 100002,0 21 xx 221 xx 221 xx 221 xx 100002,0 21 21 xx 12 21 xPivotação Eliminação x1 = x2 = 1,00 Mudança de EscalaMudança de Escala 10000010000002 21 xx x = 1 00002 e x = 0 999980 3) Mudando a escala mas mantendo os coeficientes originais 221 xx x1 1,00002 e x2 0,999980 3) Mudando a escala, mas mantendo os coeficientes originais 100002,0 21 xx 221 xx 221 xx 221 xx Pivotação Eliminação 1 00 1000001000002 21 21 xx 100000100000 2x Caso sejam mantidos os coeficientes escalonados erros de x1 = x2 = 1,00 Caso sejam mantidos os coeficientes escalonados, erros de arredondamento podem ocorrer 000003330000006670 xx13000002 21 xx 00000333,000000667,0 21 xxEscalonamento Eliminação de GaussEliminação de Gauss O ál l é i ã t Os cálculos numéricos são menos propensos a erros e apresentam menos erros de arredondamento se o elemento pivô possuir um valor numérico absoluto grande em comparação com os demais elementos na mesma linha multiplicador pequeno Arranjar equações (cada vez que uma nova equação pivô é Arranjar equações (cada vez que uma nova equação pivô é utilizada) equação pivô tenha o maior elemento pivô possível (valor absoluto) Além disso, é sempre bom aplicar pivotação para se ter um elemento pivô com o maior valor possível (mesmo quando a e e e to p ô co o a o a o poss e ( es o qua do a pivotação não for necessária). Eliminação de Gauss JordanEliminação de Gauss-Jordan Si t i l t f di l l t Sistema equivalente na forma diagonal, com elementos normalizados A matriz dos coeficientes é transformada em uma matriz A matriz dos coeficientes é transformada em uma matriz identidade 11 12 13 1 1 21 22 23 2 2 a a a x b a a a x b 1 1 2 2 1 0 0 ' 0 1 0 ' x b x b 21 22 23 2 2 31 32 33 3 3a a a x b 2 2 3 30 0 1 'x b Eliminação de Gauss JordanEliminação de Gauss-Jordan Idêntico ao procedimento de eliminação de Gauss Idêntico ao procedimento de eliminação de Gauss, exceto pelas duas diferenças a seguir: A equação pivô é normalizada com a divisão de todos os seus q ç p termos pelo coeficiente pivô coeficiente pivô igual a 1. A equação pivô é utilizada na eliminação dos elementos fora da diagonal principal em todas as demais equações.g p p q ç Gauss-Jordan também pode ser utilizado para resolver vários sistemas de equações que tenham a mesma matriz de coeficientes, mas diferentes vetores b Gauss-Jordan pode ser usado para calcular a inversa Eliminação de Gauss JordanEliminação de Gauss-Jordan E l Exemplo 1 2 3 44 2 3 6 12x x x x 1 2 3 4 1 2 3 4 6 7 6.5 6 6.5 7.5 6.25 5.5 16 12 22 15 517 x x x x x x x x x x x x 1 2 3 412 22 15.5 17x x x x 1 0 0 0 2 2 0 1 0 0 4 4 A x 0 0 1 0 3 3 0 0 0 1 0.5 0.5 A x Eliminação de Gauss JordanEliminação de Gauss-Jordan Cál l d i ét d d G J d Cálculo da inversa com o método de Gauss-Jordan 11 12 13 14 11 12 13 14' ' ' '1 0 0 0 1 0 0 0 ' ' ' '0 1 0 0 0 1 0 0 a a a a a a a a a a a a a a a a 21 22 23 24 21 22 23 24Gauss-Jordan 31 32 33 34 31 32 33 34 41 42 43 44 41 42 43 44 ' ' ' '0 1 0 0 0 1 0 0 ' ' ' '0 0 1 0 0 0 1 0 ' ' ' '0 0 0 1 0 0 0 1 a a a a a a a a a a a a a a a a a a a a a a a a 41 42 43 44 41 42 43 440 0 0 1 0 0 0 1a a a a a a a a Métodos IterativosMétodos Iterativos It ã d J bi Iteração de Jacobi Iteração de Gauss-Seidel Forma explícita de um sistema de equações lineares 2424323222121 1414313212111 bxaxaxaxa bxaxaxaxa 2242432312122 1141431321211 )( )( axaxaxabx axaxaxabx 4444343242141 3434333232131 bxaxaxaxa bxaxaxaxa 4434324214144 3343423213133 )( )( axaxaxabx axaxaxabx Estimativa inicial iterações convergência Métodos IterativosMétodos Iterativos E i t õ õ lí it Em sistema com n equações, as equações explícitas para as incógnitas xi são: nixab a x nj ij j jiji ii i ,...,2,1 1 1 Em forma matricial: 1 12 11 13 11 1 11 1 1 11 2 21 22 23 22 2 22 2 2 22 3 31 33 32 33 3 33 3 3 0 0 0 n n n x a a a a a a x b a x a a a a a a x b a x a a a a a a x b a 33 3 31 33 32 33 3 33 3 3 1 2 3 0 n n n nn n nn n nn nx a a a a a a x F 33 n nnb a d F d onde aii0 e i=1,2,...,n Métodos IterativosMétodos Iterativos E f t i i l Em forma matricial: 1 12 11 13 11 1 11 1 1 11 2 21 22 23 22 2 22 2 2 22 0 0 n n x a a a a a a x b a x a a a a a a x b a 2 21 22 23 22 2 22 2 2 22 3 31 33 32 33 3 33 3 30 0 n nx a a a a a a x b a x a a a a a a x 33 b a 1 2 3 0n n nn n nn n nn nx a a a a a a x F n nnb a d onde aii0 e i=1,2,...,n Iterações ii , , , (0) (1) (1) (2) ( ) ( 1)i i Fx d x Fx d x Fx d x (2) (3) Fx d x Condição para convergênciaCondição para convergência C di ã fi i t ê i Condição suficiente para convergência 1 e 1 x v x v x u x u 2121 xxxx 121)( ab Explicitando as equações 1 212 21 2 11 12 11 1 21 ),( ),( xabxxv x aa xxu 1 2222 21 ),( xaa xxv auu Derivadas parciais 0 0 21 11 12 21 vav a a x u x u 0 2221 xax Condição para convergênciaCondição para convergência S b tit i d di õ fi i t Substituindo nas condições suficientes para convergência 1 1 22 21 11 12 a a a a 21221211 aaaa E t ã õ Extensão para n equações j n a a 1, 1 ii ij j j a a Condição para convergênciaCondição para convergência D i â i di l Dominância diagonal j n 1, 1 j ii ij j j a a Condição suficiente mas não necessária para a convergência do método iterativo Convergência x Divergência Gauss SeidelConvergência x Divergência – Gauss-Seidel 99911 :),( 2861311 :),( 2121 2121 xxxxv xxxxu Método Iterativo de JacobiMétodo Iterativo de Jacobi Valores das incógnitas do lado direito da equação são atualizados Valores das incógnitas do lado direito da equação são atualizados todos de uma vez no final de cada interação nixab a x nj ij j i jiji ii i ,...,2,1 1 1 )()2( (k+1)-ésima estimativa 1 j n ( 1) ( ) 1 1 1,2,..., j n k k i i ij j jii j i x b a x i n a Critério de convergência: ( 1) ( ) 1 2 k k i ix x i n ( ) 1,2,...,k i i n x Método Iterativo de JacobiMétodo Iterativo de Jacobi E l l ti á i d 0 052 1x x Exemplo erro relativo máximo de 0.051 2 1 2 2 1 2 3 x x x x Forma explícita: ( ) ( 1) 2 1 1 2 k k xx ( ) ( 1) 1 2 3 2 k k xx O erro de arredondamento não tem tanta influencia no l fi l já f i f id ti ti i i i lvalor final, já que foi fornecida uma estimativa inicial arbitrária Método Iterativo de JacobiMétodo Iterativo de Jacobi U d l 1 22 3x x Usando o mesmo exemplo: 1 2 1 2 2 3 2 1 x x x x Porém com outra forma explícita: 23 )()1( )( 2 )1( 1 kk kk xx Solução diverge 12 )(1 )1( 2 kk xx O método interativo depende das equações iniciais que d t i t i Fdeterminam a matriz F Método Iterativo de JacobiMétodo Iterativo de Jacobi C ité i d ê i Critério de convergência 21 12 12 21 versus dominante Não-dominante converge Não converge Método Iterativo de Gauss SeidelMétodo Iterativo de Gauss-Seidel À did l i ó it é À medida que um novo valor para a incógnita é calculado, ele é imediatamente usado na próxima aplicação da equação geralaplicação da equação geral Diferença em relação a Jacobi Método Iterativo de Gauss SeidelMétodo Iterativo de Gauss-Seidel Fó l it ti Fórmula iterativa ( 1) ( )1 j nk k ( 1) ( )1 1 1 211 1k k j j j x b a x a 1 ( 1) ( 1) ( )1 2,3,..., 1 j i j n k k k i i ij j ij jx b a x a x i na 1 1j j iiia 1( 1) ( 1) 1 1 j nk k n n nj j jnn x b a x a Método Iterativo de Gauss SidelMétodo Iterativo de Gauss-Sidel E l l ti á i d 0 052 1x x Exemplo erro relativo máximo de 0.051 2 1 2 2 1 2 3 x x x x Forma explícita: ( ) ( 1) 2 1 1 2 k k xx ( ) ( 1) 1 2 3 2 k k xx Métodos iterativosMétodos iterativos C ã t ét d it ti d J bi Comparação entre os métodos iterativos de Jacobi e Gauss-Seidel Jacobi Gauss-Seidel Interação x1 erro x2 erro x1 erro x2 erro 1 0.5 --- 1.5 --- 0.5 --- 1.25 --- 2 1.25 1.5 1.25 0.17 1.125 1.25 0.938 0.25 3 1 125 0 10 0 875 0 3 0 969 0 14 1 016 0 083 1.125 0.10 0.875 0.3 0.969 0.14 1.016 0.08 4 0.938 0.16 0.938 0.07 1.008 0.04 0.996 0.02 5 0.969 0.03 1.031 0.1 --- --- --- --- Algoritmo para Iteração de Gauss SeidelAlgoritmo para Iteração de Gauss-Seidel k = 1; x1 = 0; x2 = 0; x3 = 0; x4 = 0;k 1; x1 0; x2 0; x3 0; x4 0; disp(' k x1 x2') fprintf(' %2.0f %-8.5f %-8.5f \n', k, x1, x2) for k=2 : 5 1 (1 2)/2x1 = (1+x2)/2; x2 = (3-x1)/2; fprintf(' %2.0f %-8.5f %-8.5f \n', k, x1, x2)endend Relaxamento Aprimoramento da convergênciaRelaxamento - Aprimoramento da convergência velhonovonovo )1( 0 < < 2 velho i novo i novo i xxx )1( = 1: resultado não é modificado 0 < < 1: sub-relaxamento Sistema não-convergente passa a convergir Acelerar convergência 1 < < 2: sobre-relaxamento A l ê i d i t já t Acelerar a convergência de um sistema já convergente Sistemas mal condicionadosSistemas mal condicionados I li õ i i Inclinações quase iguais 102 21 xx 3;4 21 xx 4.1021.1 21 xx 102 21 xx 1;8 xx 4.10205.1 21 21 xx 1;8 21 xx Generalizando 1 1 11 2 bxax b 2 1 21 2 12 1 12 2 2222121 1212111 a bx a ax aa bxaxa bxaxa 2222 aa Sistemas mal condicionadosSistemas mal condicionados I li õ i i Inclinações quase iguais 111 bxax 221 12 1 1 12 11 2 2222121 1212111 bxax a x a x bxaxa bxaxa 22 1 22 2 a x a x Se as inclinações forem quase iguais 021122211211222112111 aaaaaaaaaa 02112221121122211 2212 aaaaaaaa aa Determinante do sistema de 2 equaçõesq ç Determinante 0 Sistema de equações lineares mal condicionados Ax b Sistema de equações lineares mal condicionados 3.0210 2.7140 6.9130 1.0310 4.2730 1.1210 A 12.648 2.1210 b 1.0000 1.0000 x 5.0840 5.8320 9.1550 8.4070 1.0000 Ax b Se a22 = -4.2750 1.7403 0.6851 x Sistema mal condicionado ! 2.3212 Dois planos no espaço quase paralelos Pequena mudança em aij, grande variação na resposta mal condicionado Pequena mudança em aij pequena variação na resposta Pequena mudança em aij, pequena variação na resposta bem condicionado Mal condicionamento Erro relativo da solução numérica Mal condicionamento Erro relativo da solução numérica 1 1 1 TS r e r A A b x bA A TS NS e x x NS r b Ax onde e são respectivamente a solução exata e a solução numérica TS TSx NSx TS NS . Definindo o número de condição Nú d di ã l d li i t l d 1( )cond A A A Número de condição elevado amplia o intervalo do erro relativo, enquanto que um baixo número de condição limita esse intervalo, ou seja, significa um menor erro a esse e a o, ou seja, s g ca u e o e o relativo. Algumas observações sobre o número de condição:Algumas observações sobre o número de condição: O d di ã d t i id tid d é i l 1 d di ã d O numero de condição da matriz identidade é igual a 1, e o numero de condição de qualquer outra matriz é maior ou igual a 1. Quando o numero de condição se iguala a 1, o erro relativo real tem a mesma ordemQuando o numero de condição se iguala a 1, o erro relativo real tem a mesma ordem de grandeza do resíduo relativo. Portanto, o ideal para um bom condicionamento é que o numero de condição seja igual a 1. À medida que o número de condição aumenta o sistema torna-se mal condicionadoaumenta, o sistema torna se mal condicionado. Se o numero de condição for muito maior que 1 então um pequeno resíduo relativo não necessariamente implica em um pequeno erro relativo real (mal condicionamento). Para uma dada matriz, o valor do numero de condição depende da norma matricial tili d d i ã d t d L áti dutilizada e da precisão do computador. Logo, na prática, deve-se preocupar apenas com o fato de o numero de condição ser muito maior que 1 ou não, e não com o seu valor exato. ExercíciosExercícios Explore cada exercício, fazendo cálculos para diferentes propriedadescálculos para diferentes propriedades, entradas variáveis, faça gráficos etc ! Exercício Cascata de reatores CSTR isotérmicos, fase líquida, estado estacionário Exercício CA0 qAO qA3 CA1 qAO C qA4 V1 CA1 k1 qAO V CA2 qAO+qA3 CA3k1 V2 CA2 k2 V3 CA3 qAO+qA3+qA4 CA4 qAO+qA4A3 k3 V4 CA4 k4 qAO qA4 ik A Ar kC A b Calcular as concentrações de A em cada reator. O sistema é bem condicionado? Exercício (cont ) Cascata de reatores CSTR isotérmicos, fase líquida, estado estacionário Exercício (cont.) Reator Volume Vi, L ki, h-1 1000 L/h C 1mol/Lq 1 1000 0.1 2 1500 0.2 3 100 0.4 0 A0 3 1000 L/h, C 1 mol/L, 100 L/h, 100 L/h A A q q q 4 500 0.2 4 100 L/h,Aq Não há variação de densidade ou volume do líquido Estado estacionário Entra – Sai + Gerado – Consumido = Acúmulo = 0 Exercício (cont ) Cascata de reatores CSTR isotérmicos, fase líquida, estado estacionário Exercício (cont.) Para o reator 1: 10 0 0 1 1 1 1 0AA A A A A VdCq C q C k C V dt q C q C k C V 0 0 0 1 1 1 1A A A A Aq C q C k C V Para o reator 2: 0 1 3 3 0 3 2 2 2 2 0A A A A A A A Aq C q C q q C k C V Para o reator 3: 0 3 2 4 4 0 3 4 3 3 3 3A A A A A A A A A Aq q C q C q q q C k C V Para o reator 4: 0 3 3 4 3 0 4 4 4 4 4A A A A A A A A Aq q q q C q q C k C V 0 3 3 4 3 0 4 4 4 4 4A A A A A A A A Aq q q q q q Substituindo os valores 0 1 11000 1000 0,1 1000A A AC C C 1 3 2 21000 100 1100 0,2 1500 0A A A AC C C C 1100 100 1200 0 4 100C C C C 2 4 3 31100 100 1200 0,4 100A A A AC C C C 3 4 41100 1100 0,3 500A A AC C C Exercício (cont ) Cascata de reatores CSTR isotérmicos, fase líquida, estado estacionário Exercício (cont.) Rearrumando, 11100 1000AC 1 2 3 2 3 4 1000 1400 100 0 1100 1240 100 0 1100 1250 0 A A A A A A C C C C C C C C 3 41100 1250 0A AC C Montando o sistema linear 1100 0 0 0 1000 1400 100 0 1000 0 d(A) Montando o sistema linear, 1000 1400 100 0 0 1100 1240 100 0 0 1100 1250 A 0 0 0 b cond(A)= Trem de separação no estado estacionário 7% xileno 4% estireno 54% tolueno Trem de separação no estado estacionário D1 35% benzeno D 15% xileno 25% ti 18% xileno 24% estireno 42% tolueno 16% benzeno B1 25% estireno 40% tolueno 20% benzeno 15% xileno 10% estireno 54% t l D2 FT = 70kgmol/min 54% tolueno 21% benzeno B 24% xileno 65% estireno 10% toluenoB a) D1, D2, B1, B2 = ? b) D, B = ? 79 10% tolueno 1% benzeno B2 Trem de separação no estado estacionário Solução: Balanços materiais nos componentes individuais: Trem de separação no estado estacionário Balanços materiais nos componentes individuais: Xileno: 7015,024,015,018,007,0 2211 BDBD Estireno: Tolueno: 7025,065,010,024,004,0 2211 BDBD 70400100540420540 BDBDTolueno: Benzeno: 7040,010,054,042,054,0 2211 BDBD 7020,001,021,016,035,0 2211 BDBD 65,010,024,004,0 24,015,018,007,0 A 70 25,0 15,0 7025,0 7015,0 b bA 1 01,021,016,035,0 10,054,042,054,0 A 70 20,0 40,0 7020,0 7040,0 b bAx 1 80 Solução: D1=26,25 B1=17,5 D2=8,75 B2=17,5 Troca térmica em uma série de tanquesq Três tanques em série são usados para pré-aquecer uma solução multicomponente que será alimentada a uma coluna de destilação para separação. As condições de processo são dadas a seguir. vapor vapor vapor para separação. As condições de processo são dadas a seguir. Qual a temperatura em cada tanque no estado estacionário? T0=20 oC vapor T1 vapor vapor T2 T30 W1=100kg/min T1 1 T2 T3 2 3 0 1 11 ( ) ( ) ( ) ( ) stW Cp T T U A T TdT dt M Cp W C T T U A T TdT o10 kJ/min. C 100 kg/min 1000 k U A W 1 2 22 3 2 3 3 ( ) ( ) ( ) ( ) st st W Cp T T U A T TdT dt M Cp dT W Cp T T U A T T o 0 o 1000 kg 20 C 250 C M T T 81 3 3 3st dt M Cp 250 CstT Troca térmica em uma série de tanques No estado estacionário, dTi/dt=0, então Rearrumando, q 0 1 1 1 2 2 2 3 3 0 ( ) ( ) 0 ( ) ( ) 0 ( ) ( ) st st W Cp T T U A T T W Cp T T U A T T W Cp T T U A T T 1 0 1 2 ( ) ( ) ( ) st st T W Cp U A W Cp T U A T W Cp T T W Cp U A U A T W Cp T T W Cp U A U A T 2 3 30 ( ) ( )stW Cp T T U A T T 2 3 ( ) stW Cp T T W Cp U A U A T Na forma matricial, 0 0 ( ) 0 W Cp U A W Cp W Cp U A A 0 st st W Cp T U A T U A T b 0 ( )W Cp W Cp U A stU A T Portanto,, 1T A b 82 TreliçasTreliças Treliça é o nome de uma estrutura feita de várias vigas unidas pelasç g p extremidades (em junções ou nós, considerados pontuais nos cálculos teóricos). No caso da treliça mostrada na figura, as forças que agem nas sete vigas são determinadas resolvendo-se o sistema de equações a seguir: 2000 N 3000 N 2 6 73 5 1 P d D t i f F F 4 Pede-se: Determine as forças F1 a F6. Sistema de reatores químicosSistema de reatores químicos Balanço de massa em um único reator: Balanço de massa em um único reator: Estacionário: entra = sai 3332211 5,31550 ccQcQcQ 3332211 ,QQQ Sistema de reatores químicosSistema de reatores químicos Balanço de massa em reatores interligados: Balanço de massa em reatores interligados: 506 31 cc 1609 16033 32 21 cc cc 043 02118 521 5432 ccc cccc Sol ção 51110017061951115111CSolução: 51,1100,1706,1951,1151,11C Sistema massa molaSistema massa-mola FFxdm 2 UD FFdt m 2 FF No estacionário: UD FF Sistema massa molaSistema massa-mola Di d li d Diagrama de corpo livre para cada massa gmkxkx 121 23 gmkxkx gmkxkxkx gmkxkx 332 2321 121 32 3 g332 2 321 /10 5,2 3 2 skgkkgmkgmkgm Solução: 495,12 045,10 35,7 321 xxx
Compartilhar