Baixe o app para aproveitar ainda mais
Prévia do material em texto
Sistema de Equações Lineares Método Iterativo de Gauss Seidel Métodos Iterativo • Dois métodos iterativos específicos • Diferença entre esses dois métodos está na maneira pela qual os novos valores calculados para as incógnitas são utilizados. • Método de Jacobi: valores das incógnitas no lado direito da são atualizados todos de uma vez no final de cada iteração. Método de Gauss-Seidel • Os valores atuais das incógnitas são utilizados no cálculo do novo valor da próxima incógnita. • Em outras palavras, à medida que um novo valor é calculado, ele é imediatamente utilizado na próxima equação explícita • No método de Jacobi, os valores das incógnitas obtidos em uma iteração são utilizados como um conjunto completo no cálculo dos novos valores das incógnitas na próxima iteração. Método de Gauss-Seidel 1. Valor inicial é escolhido 𝑥1 (0) , 𝑥2 (0) , 𝑥3 (0) , … , 𝑥𝑛 0 2. Os valores iniciais das incógnitas são substituídos na equação explicita, da seguinte forma 2.1 Com i = 1 calcular o valor de 𝑥1 (1) 𝑥1 (1) = 1 𝑎11 𝑏1 − σ𝑗=2 𝑗=𝑛 𝑎1𝑗 𝑥𝑗 (0) 2.2 Com i = 2 calcular o valor de 𝑥2 (1) , utilizando 𝑥1 (1) 𝑥2 (1) = 1 𝑎22 𝑏2 − 𝑎21𝑥1 (1) + σ𝑗=3 𝑗=𝑛 𝑎2𝑗 𝑥𝑗 (0) 2.3 Com i = 3 calcular o valor de 𝑥3 (1) , utilizando 𝑥1 (1) , 𝑥2 (1) 𝑥3 (1) = 1 𝑎33 𝑏3 − 𝑎31𝑥1 (1) + 𝑎32𝑥2 (1) + σ𝑗=4 𝑗=𝑛 𝑎3𝑗 𝑥𝑗 (0) … . 2.n Com i = n calcular o valor de 𝑥𝑛 (1) , utilizando 𝑥1 (1) , 𝑥2 (1) , … , , 𝑥𝑛 (1) 𝑥𝑛 (1) = 1 𝑎𝑛𝑛 𝑏𝑛 − σ𝑗=1 𝑗=𝑛−1 𝑎𝑛𝑗 𝑥𝑗 (1) 𝑥1 (1) , 𝑥2 (1) , 𝑥3 (1) , … , 𝑥𝑛 1 Método de Gauss-Seidel 3. A primeira estimativa das incógnitas são substituídos na equação explicita, da seguinte forma 3.1 Com i = 1 calcular o valor de 𝑥1 (2) 𝑥1 (2) = 1 𝑎11 𝑏1 − σ𝑗=2 𝑗=𝑛 𝑎1𝑗 𝑥𝑗 (1) 3.2 Com i = 2 calcular o valor de 𝑥2 (2) , utilizando 𝑥1 (2) 𝑥2 (2) = 1 𝑎22 𝑏2 − 𝑎21𝑥1 (2) + σ𝑗=3 𝑗=𝑛 𝑎2𝑗 𝑥𝑗 (1) 3.3 Com i = 3 calcular o valor de 𝑥3 (1) , utilizando 𝑥1 (2) , 𝑥2 (2) 𝑥3 (2) = 1 𝑎33 𝑏3 − 𝑎31𝑥1 (2) + 𝑎32𝑥2 (2) + σ𝑗=4 𝑗=𝑛 𝑎3𝑗 𝑥𝑗 (1) … . 3.n Com i = n calcular o valor de 𝑥𝑛 (2) , utilizando 𝑥1 (2) , 𝑥2 (2) , … , , 𝑥𝑛 (2) 𝑥𝑛 (2) = 1 𝑎𝑛𝑛 𝑏𝑛 − σ𝑗=1 𝑗=𝑛−1 𝑎𝑛𝑗 𝑥𝑗 (2) 𝑥1 (2) , 𝑥2 (2) , 𝑥3 (2) , … , 𝑥𝑛 2 Método de Gauss-Seidel K A estimativa k-1 das incógnitas são substituídos na equação explicita, da seguinte forma k.1 Com i = 1 calcular o valor de 𝑥1 (𝑘) 𝑥1 (𝑘) = 1 𝑎11 𝑏1 − σ𝑗=2 𝑗=𝑛 𝑎1𝑗 𝑥𝑗 (𝑘−1) k.2 Com i = 2 calcular o valor de 𝑥2 (𝑘) , utilizando 𝑥1 (𝑘−1) 𝑥2 (𝑘) = 1 𝑎22 𝑏2 − 𝑎21𝑥1 (𝑘) + σ𝑗=3 𝑗=𝑛 𝑎2𝑗 𝑥𝑗 (𝑘−1) k.3 Com i = 3 calcular o valor de 𝑥3 (𝑘) , utilizando 𝑥1 (𝑘−1) , 𝑥2 (𝑘−1) 𝑥3 (𝑘) = 1 𝑎33 𝑏3 − 𝑎31𝑥1 (𝑘) + 𝑎32𝑥2 (𝑘) + σ𝑗=4 𝑗=𝑛 𝑎3𝑗 𝑥𝑗 (𝑘−1) … . k.n Com i = n calcular o valor de 𝑥𝑛 (𝑘) , utilizando 𝑥1 (𝑘−1) , 𝑥2 (𝑘−1) , … , , 𝑥𝑛 (𝑘−1) 𝑥𝑛 (𝑘) = 1 𝑎𝑛𝑛 𝑏𝑛 − σ𝑗=1 𝑗=𝑛−1 𝑎𝑛𝑗 𝑥𝑗 (𝑘) 𝑥1 (𝑘) , 𝑥2 (𝑘) , 𝑥3 (𝑘) , … , 𝑥𝑛 𝑘 Método de Gauss-Seidel Forma Geral A (k + 1)-ésima estimativa da solução é calculada a partir da k- ésima estimativa usando 𝑥1 (𝑘+1) = 1 𝑎11 𝑏1 − σ𝑗=2 𝑗=𝑛 𝑎1𝑗 𝑥𝑗 (𝑘) , para i =1 𝑥𝑖 (𝑘+1) = 1 𝑎𝑖𝑖 𝑏𝑖 − σ𝑗=1 𝑗=𝑖−1 𝑎𝑖𝑗𝑥𝑗 (𝑘+1) +σ𝑗=𝑖+1 𝑗=𝑛 𝑎𝑖𝑗 𝑥𝑗 (𝑘) , para i = 2,3,..., n-1 𝑥𝑛 (𝑘+1) = 1 𝑎𝑛𝑛 𝑏𝑛 − σ𝑗=1 𝑗=𝑛−1 𝑎𝑛𝑗 𝑥𝑗 (𝑘+1) , para i = n Método de Gauss-Seidel As iterações continuam até • Máxima diferença entre os valores de qualquer incógnita atual e anterior for menor que um ERRO 𝑚á𝑥|𝑥𝑖 (𝑘) - 𝑥𝑖 (𝑘+1) | ≤ ∈ , para i = 1,2,3,...,n • Atingir um número máximo M de iterações. 𝑘 >M Exercício: Resolver pelo método de Jacobi ቊ 2𝑥1 − 𝑥2 = 1 𝑥1 + 2𝑥2 = 3 Com ∈< 10−2 ou k > 10 Método de Jacobi ቊ 2𝑥1 − 𝑥2 = 1 𝑥1 + 2𝑥2 = 3 Forma explicita método de Jacobi ቐ 𝑥1 (𝑘+1) = 1/2(1 + 𝑥2 (𝑘) ) 𝑥2 (𝑘+1) = 1/2(3 − 𝑥1 (𝑘) ) 𝑘 = 0,1,2, , … Forma explicita método de Gauss-Seidel ቐ 𝑥1 (𝑘+1) = 1/2(1 + 𝑥2 (𝑘) ) 𝑥2 (𝑘+1) = 1/2(3 − 𝑥1 (𝑘+1) ) 𝑘 = 0,1,2, , … Método de Gauss-Seidel k 𝑥1 (𝒌) 𝑥𝟐 (𝑘) E 0 0 0 0 1 0,5000 1,2500 1,2500 2 1,1250 0,9375 0,6250 3 0,9688 1,0156 0,1563 4 1,0078 0,9961 0,0391 5 0,9980 1,0010 0,0098 k 𝑥1 (𝒌) 𝑥𝟐 (𝑘) E 0 0 0 1 0,5 1,5 1,5 2 1,25 1,25 0,75 3 1,125 0,875 0,375 4 0,938 0,938 0,187 5 0,969 1,031 0,093 6 1,016 1,016 0,047 7 1,008 0,992 0,024 8 0,996 0,996 0,012 9 0,998 1,002 0,006 Método de Jacobi Método de Gauss-Seidel Exercício: Resolver pelo método de Gauss-Seidel 9𝑥1 − 2𝑥2 + 3𝑥3 + 2𝑥4 = 54,5 2𝑥1 + 8𝑥2 − 2𝑥3 + 3𝑥4 = −14 −3𝑥1 + 2𝑥2 + 11𝑥3 - 4𝑥4 = 12,5 −2𝑥1 + 3𝑥2 + 2𝑥3 + 10𝑥4 = −21 Com ∈< 10−2 ou k > 10 Método de Gauss-Seidel 9𝑥1 − 2𝑥2 + 3𝑥3 + 2𝑥4 = 54,5 2𝑥1 + 8𝑥2 − 2𝑥3 + 3𝑥4 = −14 −3𝑥1 + 2𝑥2 + 11𝑥3 - 4𝑥4 = 12,5 −2𝑥1 + 3𝑥2 + 2𝑥3 + 10𝑥4 = −21 Forma explicita 𝑥1 (𝑘+1) = 1/9[54,5 − (−2𝑥2 (𝑘) + 3𝑥3 (𝑘) + 2𝑥4 (𝑘) )) 𝑥2 (𝑘+1) = 1/8[−14 − (−2𝑥1 𝑘+1 − 2𝑥3 (𝑘) + 3𝑥4 (𝑘) )) 𝑥2 (𝑘+1) = 1/11[12,5 − (−3𝑥1 𝑘+1 + 2𝑥2 𝑘+1 − 4𝑥4 (𝑘) )) 𝑥2 (𝑘+1) = 1/10[−21 − (−2𝑥1 (𝑘+1) + 3𝑥2 (𝑘+1) + 2𝑥3 (𝑘+1) )) 𝑘 = 0,1,2, , … Vetor inicial 𝑥 (0) = [0 0 0 0] Método de Gauss-Seidel 1𝑥1 (1) 𝑥2 (1) 𝑥3 (1) 𝑥4 (1) 1𝑥1 (2) 𝑥2 (2) 𝑥3 (2) 𝑥4 (2) Método de Gauss-Seidel k 𝑥1 (𝒌) 𝑥𝟐 (𝑘) 𝑥𝟑 (𝒌) 𝑥𝟒 (𝑘) E 0 0 0 0 0 0 1 6,05556 -3,26389 3,38131 -0,58598 6,05556 2 4,33336 -1,76827 2,42661 -1,18817 1,7222 3 5,11778 -1,97723 2,45956 -0,97519 0,78442 4 5,01303 -2,02267 2,51670 -0,99393 0,10475 5 4,98805 -1,99511 2,49806 -1,00347 0,02756 6 5,00250 -1,99981 2,49939 -0,99943 0,01445 7 5,00012 -2,00040 2,50031 -0,99992 0,00238 Convergência • condição suficiente para a convergência ocorre se, em cada uma das linhas da matriz de coeficientes [a], o valor absoluto do elemento diagonal for maior que a soma dos valores absolutos dos elementos fora da diagonal. |𝑎𝑖𝑖| > 𝑗=𝑖, 𝑗≠𝑖 𝑗=𝑛 |𝑎𝑖𝑗| condição é suficiente mas não necessária para a convergência. matriz [a] é classificada como diagonalmente dominante Qual o melhor método? • Não se pode garantir a priori qual método é mais eficiente. • Métodos Diretos: • Sistema de pequeno porte • Sistema com matrizes de coeficiente densas. • Métodos iterativos • Quando existe convergência garantida • Sistema de grande porte • Matriz de coeficientes com grandes proporções de zeros
Compartilhar