Baixe o app para aproveitar ainda mais
Prévia do material em texto
Fundamentos IV Sistemas Lineares Clarimar Coelho Departamento de Computac¸a˜o August 26, 2014 Clarimar, Departamento de Computac¸a˜o Aula 1, Sistemas Lineares 1/24 Me´todos iterativos para a soluc¸a˜o de sistema lineares Clarimar, Departamento de Computac¸a˜o Aula 1, Sistemas Lineares 2/24 Me´todos iterativos Um sistem Ax = b pode ser resolvido por um processo que gera a partir de um vetor inicial x0 uma sequeˆncia de vetores {x1, x2, x3, . . . , xk , . . .} Que deve convergir para a soluc¸a˜o x do sistema Esse processo e´ chamado de iterativo Clarimar, Departamento de Computac¸a˜o Aula 1, Sistemas Lineares 3/24 Me´todo de Jacobi Clarimar, Departamento de Computac¸a˜o Aula 1, Sistemas Lineares 4/24 Carl Gustav Jakob Jacobi/Iacobi Potsdam, 10 de dezembro de 1804 Berlim, 18 de fevereiro de 1851 Matema´tico alema˜o que contribuiu com fundamentos para func¸o˜es el´ıpticas, dinaˆmica, equac¸o˜es diferenciais e teoria dos nu´meros Clarimar, Departamento de Computac¸a˜o Aula 1, Sistemas Lineares 5/24 Me´todo de Jacobi Resolve um sistema linear de n inco´gnitas Seja o sistema a11x1+ a12x2+ . . .+ a1nxn = b1 a21x1+ a22x2+ . . .+ a2nxn = b2 ... ... ... ... an1x1+ an2x2+ . . .+ annxn = bn Clarimar, Departamento de Computac¸a˜o Aula 1, Sistemas Lineares 6/24 Parte pra´tica do me´todo Na primeira equac¸a˜o coloca-se em evideˆncia o x1, na segunda o x2 e na n−e´sima o xn Clarimar, Departamento de Computac¸a˜o Aula 1, Sistemas Lineares 7/24 x1 a11x1 + a12x2 + . . .+ a1nxn = b1 x1 = 1 a11 (b1 − a12x2 − a13x3 − . . .− a1xn) Clarimar, Departamento de Computac¸a˜o Aula 1, Sistemas Lineares 8/24 x2 a21x1 + a22x2 + . . .+ a2nxn = b2 x2 = 1 a22 (b2 − a21x1 − a23x3 − . . . − a2nxn) Clarimar, Departamento de Computac¸a˜o Aula 1, Sistemas Lineares 9/24 xn an1x1 + an2x2 + . . .+ annxn = bn xn = 1 ann (bn − an1x1 − an2x2 − . . .− ann−1xn−1) Clarimar, Departamento de Computac¸a˜o Aula 1, Sistemas Lineares 10/24 Gerac¸a˜o de novos valores Um valor novo e´ gerado a partir de um valor antigo xN1 = 1 a11 (b1 − a12x A 2 − a13x A 3 − . . .− a1x A n ) xN2 = 1 a22 (b2 − a21x A 1 − a23x A 3 − . . .− a2nx A n ) ... xAn = 1 ann (bn − an1x A 1 − an2x A 2 − . . . − ann−1x A n−1) Clarimar, Departamento de Computac¸a˜o Aula 1, Sistemas Lineares 11/24 Exemplo 1 Seja o sistema 5x1 − 2x2 + 3x3 = 1 −3x1 + 9x2 + x3 = 2 2x1 − x2 − 7x3 = 1 Clarimar, Departamento de Computac¸a˜o Aula 1, Sistemas Lineares 12/24 Colocando em evideˆncia xN1 = 1 5 ( −1 + 2xA2 − 3x A 3 ) xN2 = 1 9 ( 2 + 3xA1 − x A 3 ) xN3 = − 1 7 ( 3− 2xA1 + x A 2 ) Clarimar, Departamento de Computac¸a˜o Aula 1, Sistemas Lineares 13/24 Chute inicial xA1 = 0, x A 2 = 0, x A 3 = 0 Clarimar, Departamento de Computac¸a˜o Aula 1, Sistemas Lineares 14/24 Primeira iterac¸a˜o lcm calcula o mmc em Octave xN1 = 1 5 (−1 + 2× 0− 3× 0) = −1 5 xN2 = 1 9 (2 + 3× 0− 0) = 2 9 xN3 = − 1 7 (3− 2× 0 + 0) = −3 7 Clarimar, Departamento de Computac¸a˜o Aula 1, Sistemas Lineares 15/24 Segunda iterac¸a˜o Consideramos os valores antigos aqueles gerados na primeira iterac¸a˜o xN1 = 1 5 ( −1 + 2(2 9 )− 3(−3 7 ) ) = − 46 315 xN2 = 1 9 ( 2 + 3(−1 5 ) + 3 7 ) = 64 315 xN3 = − 1 7 ( 3− 2(−1 5 ) + 2 9 ) = −163 315 Clarimar, Departamento de Computac¸a˜o Aula 1, Sistemas Lineares 16/24 Terceira iterac¸a˜o xN1 = 1 5 ( −1 + 2( 64 315 )− 3(−163 315 ) ) = − 302 1575 xN2 = 1 9 ( 2 + 3( 46 315 ) + 163 315 ) = 133 405 xN3 = − 1 7 ( 3− 2( 46 315 ) + 64 315 ) = −131 315 Clarimar, Departamento de Computac¸a˜o Aula 1, Sistemas Lineares 17/24 Quarta iterac¸a˜o xN1 = − 1 5 + 2 5 × 133 405 − 3 5 (−131 315 ) = 2564 14175 xN2 = 2 9 + 3 9 × 302 1575 − 1 9 (−131 315 ) = 673 2025 xN3 = − 3 7 + 2 7 × 302 1575 − 1 7 × 133 405 = −41744 99225 Clarimar, Departamento de Computac¸a˜o Aula 1, Sistemas Lineares 18/24 Fazemos a quinta, sexta, se´tima iterac¸o˜es ... Ate´ atingir um crite´rio de parada Geralmente o crite´rio de parada e´ o erro relativo A porcentagem do conjunto de valores x1, x2, x3 novos x1, x2, x3 e o conjunto de valores x1, x2, x3 antigos Clarimar, Departamento de Computac¸a˜o Aula 1, Sistemas Lineares 19/24 Crete´rio de parada relaxado A tabela mostra os resultados ate´ a iterac¸a˜o 7 Observa-se que entre a sexta e se´tima iterac¸a˜o na˜o houve alterac¸a˜o relevante Clarimar, Departamento de Computac¸a˜o Aula 1, Sistemas Lineares 20/24 Me´todo de Gauss-Seidel Clarimar, Departamento de Computac¸a˜o Aula 1, Sistemas Lineares 21/24 Johann Carl Friedrich Gauss Braunschweig, 30 de Abril de 1777 Go¨ttingen, 23 de Fevereiro de 1855 Matema´tico, astroˆnomo e f´ısico alema˜o que contribuiu muito em diversas a´reas da cieˆncia, dentre elas a teoria dos nu´meros, estat´ıstica, ana´lise matema´tica, geometria diferencial, geode´sia, geof´ısica, eletroesta´tica, astronomia e o´ptica Clarimar, Departamento de Computac¸a˜o Aula 1, Sistemas Lineares 22/24 Philipp Ludwig von Seidel Zweibru¨cken, 23 de outubro de 1821 Munique, 13 de agosto de 1896 matema´tico alema˜o Em 1857 von Seidel decompoˆs as aberrac¸o˜es monocroma´ticas de primeira ordem em cinco aberrac¸o˜es constituintes Estas sa˜o comumentemente referenciadas como as cinco aberrac¸o˜es de Seidel O me´todo de Gauss-Seidel e´ um me´todo nume´rico iterativo usual para a soluc¸a˜o de sistemas de equac¸o˜es lineares Clarimar, Departamento de Computac¸a˜o Aula 1, Sistemas Lineares 23/24 Me´todo de Gauss-Seidel Resolve um sistema linear de n inco´gnitas Seja o sistema a11x1+ a12x2+ . . .+ a1nxn = b1 a21x1+ a22x2+ . . .+ a2nxn = b2 ... ... ... ... an1x1+ an2x2+ . . .+ annxn = bn Clarimar, Departamento de Computac¸a˜o Aula 1, Sistemas Lineares 24/24
Compartilhar