Baixe o app para aproveitar ainda mais
Prévia do material em texto
UFRN Universidade Federal do Rio Grande do Norte Escola de Ciências e Tecnologia Solução de Sistemas de Equações Lineares Parte I: Introdução, Eliminação de Gauss e Pivotação ECT1303 – Computação Numérica • Manter o telefone celular sempre desligado/silencioso quando estiver em sala de aula; • Nunca atender o celular na sala de aula. Objetivos Definição dos conceitos de equação linear e sistema linear; Apresentação de métodos numéricos exatos e iterativos para resolução de sistemas lineares; Exemplos de aplicações dos sistemas lineares na engenharia. Motivação Aplicações: Determinação do potencial elétrico em redes elétricas; Cálculos de estruturas em construção civil; Cálculo da razão de escoamento num sistema hidráulico com derivações; Previsão da concentração de reagentes sujeitos à reações químicas simultâneas. a11 x1 + a12 x2 + ... + a1nxn = b1 a21 x1 + a22 x2 + ... + a2nxn = b2 ... an1 x1 + an2 x2 + ... + annxn = bn Em diversas situações práticas, necessitamos resolver sistemas de equações lineares, da forma: Exemplo Considere o circuito a seguir com resistências e baterias tal como indicado. Escolhemos arbitrariamente os sentidos das correntes em cada malha: Motivação Aplicando no exemplo anterior, obtemos para as correntes i1, i2, i3, o seguinte sistema linear: Deseja-se determinar o valor de i = (i1, i2, i3) T que satisfaça o sistema acima. A Lei de Kirchhoff estabelece que a soma algébrica das diferenças de potencial em qualquer circuito fechado é zero. 2i1 + 4(i1 - i2 )+2(i1 - i3)-10 = 0 2i2 +2i2 +2(i2 - i3)+ 4(i2 - i1)= 0 6i3 +2(i3 - i1)+ 2(i3 - i2 )- 4 = 0 ì í ïï î ï ï Motivação Em forma matricial: Neste caso, existe solução, mas nem sempre é o caso. 4 0 10 1022 2104 248 3 2 1 i i i 8i1 4i2 2i3 10 4i1 10i2 2i3 0 2i1 2i2 10i3 4 Linearidade • O conceito de linearidade é baseado nos dois princípios abaixo: – Homogeneidade: a*f(x1) = f(a*x1) – Superposição: f(x1) + f(x2) = f(x1 + x2) • Desta forma, se uma função ou sistema f(x) satisfaz os dois princípios acima, ele é dito linear. Linearidade Uma equação é linear se cada termo contém não mais do que uma variável e cada variável aparece na primeira potência. Sistemas lineares Um conjunto de n equações lineares com n variáveis (incógnitas) é denominado de: Sistemas de n equações lineares; ou Sistema linear de ordem n Uma solução para um sistema linear consiste em determinar valores para as n variáveis que satisfaçam todas as equações simultaneamente. Sistemas lineares De modo geral, um sistema de n equações lineares pode ser escrito como: Sistemas lineares Ou na forma matricial: Ou simplesmente: Matriz dos coeficientes Vetor de termos independentes Vetor solução Classificação de um Sistema Linear Sistema possível ou consistente: pelo menos uma solução Determinado: apenas uma solução Indeterminado: mais de uma solução Sistema impossível ou inconsistente: nenhuma solução Exemplos possível e determinado possível e indeterminado impossível Sistemas possíveis e indeterminados Qual a característica de um sistema indeterminado ? A linha 2 é igual à linha 1 multiplicada por um escalar. Caso geral: Uma linha é combinação linear de outras linhas. A matriz A é singular: det(A)=0. x + y = 6 2x + 2y = 12 Sistemas impossíveis Qual a característica de um sistema impossível? A linha 2 (coeficientes) é igual à linha 1 multiplicada por um escalar, enquanto o coeficiente b2 é igual a b1 multiplicado por um outro escalar. Caso geral: Uma linha (coeficientes) é combinação linear de outras linhas, mas a combinação diverge para o vetor b. A matriz A é singular: det(A)=0. x + y = 6 x + y = 4 Sistemas possíveis e determinados Características: A matriz A é não-singular: inversível e det(A) 0. Na forma matricial: A x = b x = A-1 b O nosso objetivo nesta disciplina é desenvolver métodos numéricos para resolver sistemas lineares de ordem n que tenham solução única. Exercício Classificar os seguintes sistemas lineares: Operações elementares Ao multiplicarmos o sistema Ax=b por uma matriz W inversível, a solução x não é modificada. WAx = Wb W-1WAx = W-1Wb Ax = b As operações elementares vamos realizar sobre a matriz A que correspondem a três tipos diferentes de matrizes W inversíveis. Multiplicação de uma linha por um escalar Exemplo: 10 33 6 145 31218 213 100 030 001 )3( 10 11 6 145 146 213 3 2 1 22 3 2 1 x x x WbWAx MW x x x bAx Notação: M(i i) Solução: [1 1 1]T Solução: [1 1 1]T Permutação de linhas Exemplo: Notação: P(i j) Solução: [1 1 1]T Solução: [1 1 1]T 11 10 6 146 145 213 010 100 001 )( 10 11 6 145 146 213 3 2 1 32 3 2 1 x x x WbWAx PW x x x bAx Operação T(i i +j) Exemplo: Notação: T(i i +j) Solução: [1 1 1]T Solução: [1 1 1]T 10 1 6 146 320 213 100 012 001 )2( 10 11 6 145 146 213 3 2 1 122 3 2 1 x x x WbWAx TW x x x bAx Matriz aumentada A matriz aumentada de um sistema linear é a matriz de dimensão n por n+1 que obtemos adicionando-se o membro da direita b à matriz A, ou seja: Sistemas equivalentes Podemos multiplicar uma linha de um sistema por um escalar e somar com outra linha. O sistema resultante continua válido. Exemplo: x + y = 3 x - y = 5 × 2 2x + 2y = 6 x - y = 5 - x + 3y = 1 x - y = 5 A B C A, B e C são equivalentes! x = 4, y = -1 Definição: Dois sistemas lineares são equivalentes quando admitem a mesma solução. Sistemas equivalentes Qual a vantagem ? Obviamente, de A para B para C, não ganhamos nada. Mas se fizermos: x + y = 3 x - y = 5 A - x + y = 3 -2y = 2 D sabemos resolver facilmente! Sistemas Triangulares Um sistema linear de ordem n é triangular inferiorse tiver a seguinte forma: Sistemas Triangulares A solução de um sistema triangular inferior é obtida por substituição direta (descida triangular): Sistemas Triangulares Um sistema linear de ordem n é triangular superior se tiver a seguinte forma: Sistemas Triangulares A solução de um sistema triangular superior é obtida por retro-substituição (subida triangular): Quadro Resolução Retroativa Ex: Resolva o seguinte sistema utilizando resolução retroativa Solução: Resolução Retroativa Mas como obter um sistema triangular? zerar estes elementos Resolução Numérica de Sistemas Lineares Os métodos numéricos para a resolução de sistemas lineares são divididos em dois grupos: – Métodos Exatos: são aqueles que forneceriam a solução exata com um número finito de operações, não fossem os erros de arredondamento; – Métodos Iterativos: são aqueles que permitem obter a solução de um sistema com uma dada precisão através de um processo infinito convergente. Resolução Numérica de Sistemas Lineares Uma maneira de obter a solução de um sistema linear através de métodos numéricos é transformá-lo em outro equivalente cuja solução seja facilmente obtida, por exemplo, em um sistema triangular. No geral, é o que acontece nos métodos exatos. Métodos Exatos Eliminação de Gauss Método da Eliminação de Gauss O método de Gauss consiste em transformar o sistema dado num sistema triangular superior equivalente através da aplicação repetida da operação: T(i i +j) Descrição do algoritmo Começamos com a matriz aumentada: Primeiro passo: eliminar a incógnita x1 da 2ª, 3ª, ..., nª equações (zerar os elementos da primeira coluna abaixo da diagonal) Descrição do algoritmo 2a linha = 2a linha - 1a linha multiplicada por a21 (1)/ a11 (1) 3a linha = 3a linha - 1a linha multiplicada por a31 (1)/ a11 (1) na linha = na linha - 1a linha multiplicada por an1 (1)/ a11 (1) Descrição do algoritmo Ficamos com a matriz: Observações (1/3) Para efetuar as operações de eliminação da primeira coluna, necessitamos que a11 0. O elemento a11 é denominado pivô. Descrição do algoritmo Segundo passo: eliminar a incógnita x2 da 3ª, 4ª, ..., nª equações (zerar os elementos da segunda coluna abaixo da diagonal). Descrição do algoritmo 3a linha = 3a linha - 2a linha multiplicada por a32 (2)/ a22 (2) na linha = na linha - 2a linha multiplicada por an2 (2)/ a22 (2) Descrição do algoritmo Obtemos então a matriz: Observações (2/3) Para efetuar as operações de eliminação da primeira coluna, necessitamos que a11 0. Para efetuar as operações de eliminação da segunda coluna, necessitamos a22 (2) 0 (pivô). O que isso significa ? Quando da eliminação de a21, não pode aparecer zero em a22 (2). E assim sucessivamente, sendo o pivô sempre não nulo. Descrição do algoritmo (n – 1)º passo: eliminar a incógnita xn-1 da nª equação (zerar os elementos da (n-1)ª coluna abaixo da diagonal) Para tal substituímos a nª equação pela diferença entre a nª equação e a (n-1)ª multiplicada por: Descrição do algoritmo Finalmente, obtemos a matriz: Descrição do algoritmo De forma geral, o kº passo do algoritmo da eliminação de Gauss é obtido por: Observações (3/3) No 2º passo, repetimos o processo, como se não existisse a 1ª linha e a 1ª coluna da 2ª matriz, isto é, todas as operações são realizadas em função da 2ª linha da matriz obtida no 1º passo. De um modo geral, no kº passo, repetimos o processo como se não existissem as (k-1) primeiras linhas e colunas da kª matriz, ou seja, todas as operações são realizadas em função da linha k da matriz obtida no passo (k-1). Exemplo Resolver o sistema abaixo usando eliminação de Gauss Matriz aumentada: Exemplo Eliminando a21: 2a linha = 2a linha - 1a linha x a21/a11 = 2a linha - 1a linha x 1/3 = 2a linha - (2 2/3 -1/3 | 7/3) Eliminando a31: 3a linha = 3a linha - 1a linha x a31/a11 = 3a linha - 1a linha x 1/2 = 3a linha - (3 1 -1/2 | 7/2) Exemplo Eliminando a32: 3a linha = 3a linha - 2a linha x a32/a22 = 3a linha - 2a linha x 1/(10/3) = 3a linha - 2a linha x 3/10 = 3a linha - (0 1 2/5 | 7/5) Exemplo 81/10 x3 = 81/10 x3 = 1 10/3 x2 + 4/3 = 14/3 x2 = 1 6 x1 + 2 - 1 = 7 x1 = 1 E quando aparece um pivô nulo? Exemplo: E quando aparece um pivô nulo? ))1/1(( ))1/1(( ))1/2(( 1443 1332 1221 T T T )( 324 P ))1/2(( 3445 T 2x4 = - 4 x4 = -2 x3 - 2 = 0 x3 = 2 2x2 + 2 - 4 = -4 x2 = -1 x1 – 1 + 4 – 2 = 2 x1 = 1 E quando aparece um pivô nulo? Exercício 23 03 0 21 321 321 xx xxx xxx • Resolva o sistema: Introdução Até aqui, utilizamos a aritmética exata para a resolução de sistemas lineares. Está na hora de verificar se a aritmética flutuante utilizada pelos computadores tem influência sobre os resultados. De fato, veremos que certas matrizes são muito sensíveis aos efeitos da aritmética flutuante. Exemplo 1 Considere o sistema: cuja solução exata é x = [4 3]T Se trocamos o termo 1,1 da matriz por 1,05, a nova solução exata é x = [8 1]T. Uma pequena modificação no termo de uma matriz pode levar a uma grande modificação da solução exata. Na prática, a aritmética flutuante provoca pequenas modificações nos termos de uma matriz, o que se reflete nos métodos exatos de resolução. 4,10 10 21,1 21 2 1 x x Resíduo • Durante a solução, geralmente cometemos erros de arredondamento, o que causa um erro na solução obtida • Como saber o quanto a resposta calculada foi afetada pelos erros de arredondamento? – Basta verificar se a solução dada satisfaz o sistema – Para tal, podemos calcular o resíduo, o qual irá indicar a qualidade da resposta obtida • Se a solução encontrada para o sistema foi x, o resíduo r é dado por: • Atenção: a matriz A e o vetor b devem ser o vetor e a matriz original fornecidos no problema Axbr Resíduo • Ex: Resolva o seguinte sistema, retendo durante os calculos 2 casas decimais, e em seguida calcule o resíduo da solução obtida: Solução 𝐴𝑏 = 3 2 1 1 11 5 𝑚 = 1 3 = 0,33, 𝐿2 −𝑚𝐿1 = −0,99 − 0,66 − 0,33 + 1 11 5 0 10,34 4,67 – Por resolução retroativa 𝑥2 = 4,67 10,34 = 0,45 𝑥1 = 1 − 0,9 3 = 0,03 – Resíduo 𝑟 = 1 5 − 3 2 1 11 0,03 0,45 = 1 5 - 0,99 4,98 = 0,01 0,02 Mal Condicionamento • Sistemas nos quais pequenas modificação levam a uma grande modificação da solução exata são chamados de mal condicionados • Nestes casos um resíduo pequeno não é garantia de uma boa solução (próxima da solução real do sistema) Mal Condicionamento • Uma maneira de verificar o mal condicionamento de um sistema é através do determinante normalizado de sua matriz dos coeficientes A, det(Norm A) • -1 < det(Norm A) < 1 • Se | det(Norm A)| for muito menor que 1, a matriz será mal condicionada• Ex: O sistema 𝑥1 + 1,001𝑥2 = 2,001 0,999𝑥1 + 𝑥2 = 1,999 possui a solução 𝑥 = 1 1 𝑇. Calcule o resíduo para a solução 𝑥 = 2 0 𝑇 e verifique que o resíduo é pequeno, o que significa que o sistema é mal condicionado. Confirme o mal condicionamento do sistema através do determinante normalizado da matriz dos coeficientes do sistema. Mal Condicionamento • Solução – Resíduo 2,001 1,999 − 1 1,001 0,999 1 2 0 = 0,001 0,001 – Determinante normalizado 𝛼1 = 12 + 1,0012 = 1,415 𝛼2 = 0,9992 + 12 = 1,414 𝑑𝑒 𝑡 𝑁𝑜𝑟𝑚 𝐴 = 𝑑𝑒 𝑡 𝐴 𝛼1𝛼2 = 0,000001 1,415 ∙ 1,414 = 5 ∙ 10−7 Mal Condicionamento Graficamente? • Exercício: Verifique se os seguintes sistemas são ou não mal condicionados. Em seguida calcule o resíduo da solução indicada: • 𝑥1 + 𝑥2 = 2,01 2𝑥1 − 𝑥2 = −1,8 Solução real: 𝑥 = 0,1; 2 𝑇. Calcule o resíduo de x = [0,4; 1,85] • 𝑥1 + 2𝑥2 = 3 1,0001𝑥1 + 2𝑥2 = 3,0001 Solução real: 𝑥 = 1; 1 𝑇. Calcule o resíduo de 𝑥 = 0,7; 1,15 𝑇 Mal Condicionamento Exemplo 2 – parte I Considere o sistema: cuja solução exata é x = [10 1]T Suponha que iremos realizar a eliminação de Gauss utilizando aritmética de 4 dígitos de precisão. Note que o primeiro pivô é pequeno a11=0,003, e seu multiplicador associado, m21=5,291/0,003 = 1763,666..., é arredondado para 1764. 78,46130,6291,5 17,5914,59003,0 21 21 xx xx Exemplo 2 – parte II A eliminação de Gauss fornece: Os módulos de m21a13 e a23 introduziu erros de arredondamento. A substituição regressiva resulta em: 104400104300 17,5914,59003,0 2 21 x xx 1010 1001,1 1 2 x x Como podemos limitar estes erros? Métodos Exatos Pivotação Pivotação Parcial Uma primeira possibilidade consiste em aumentar a precisão da mantissa p, porém isso nem sempre é possível. Analisando os cálculos precedentes, pode-se suspeitar que a origem dos problemas é a divisão por um pivô quase nulo. Sabemos que tal operação é perigosa numericamente. Uma estratégia consiste então em permutar as linhas mesmo se o pivô não é exatamente nulo. Pivotação Parcial A pivotação parcial consiste na troca de linhas de um sistema: selecionar um elemento na mesma coluna que esteja abaixo da diagonal principal e que tenha o maior módulo para ser o pivô. Exemplo 2 – parte IV Retomando a eliminação de Gauss do exemplo (ainda com p=4) com pivotamento parcial, teremos agora: O multiplicador será, m21 = 0,000567, e o resultado após a substituição: x = [10 1]T ... igual a solução exata 17,5914,59003,0 78,46130,6291,5 21 21 xx xx Método da Pivotação Parcial • Ex: Resolver o sistema com precisão de 3 casas decimais 𝑥1 + 𝑥2 + 2𝑥3 = 8 −𝑥1 − 2𝑥2 + 3𝑥3 = 1 3𝑥1 − 7𝑥2 + 4𝑥3 = 10 Método da Pivotação Parcial • Solução – Matriz aumentada 𝐴𝑏 = 1,00 1,00 2,00 8,00 −1,00 −2,00 3,00 1,00 3,00 −7,00 4,00 10,00 – Trocando as linhas L1 e L3 𝐴𝑏 = 3,00 −7,00 4,00 10,00 −1,00 −2,00 3,00 1,00 1,00 1,00 2,00 8,00 – Eliminando coeficientes abaixo 𝐴𝑏 = 3,00 −7,00 4,00 10,00 0 −4,31 4,32 4,30 0 3,31 0,68 4,70 – O elemento de maior modulo é -4,31, de forma que este será o pivô e não é necessário trocar linhas Método da Pivotação Parcial – Eliminando coeficientes abaixo 𝐴𝑏 = 3,00 −7,00 4,00 10,00 0 −4,31 4,32 4,30 0 0 4,01 8,01 – Utilizando resolução retroativa 𝑥 = 3,02 1,01 2 – Resíduo 𝑟 = 8 1 10 − 1 1 2 −1 −2 +3 3 −7 4 3,02 1,01 2 = −0.03 0.04 0.01 Exemplo 3 – parte I A estratégia de pivotação parcial geralmente melhora a precisão dos resultados, porém nem sempre esta operação é suficiente. Considere o sistema que é o mesmo do exemplo anterior multiplicando a primeira equação por 104 . Por Gauss chegamos a x= [-10, 1,001]t . 78,46130,6291,5 59170059140030 21 21 xx xx Exemplo 3 – parte II Mais uma vez, o erro é considerável com relação à solução exata. Isto ocorre porque a matriz A é constituída de termos de ordem de grandeza completamente diferentes. Dimensionamento Uma solução parcial para o problema do exemplo anterior é efetuar o dimensionamento (mudança de escala) dos coeficientes da matriz. Atenção! O termo da direita b não é levado em consideração para se determinar o maior termo de cada linha. O dimensionamento consiste em dividir cada linha da matriz A pelo seu maior termo (em valor absoluto). Exemplo 3 – parte III O sistema se torna então Agora, a troca de linhas é necessária, pois o pivô 0,5x 10-4 é muito pequeno. Podemos mostrar que a resolução em aritmética flutuante com p=4 fornece a solução x = [10 1]T, que é o resultado exato. 78,46130,6291,5 59170059140030 21 21 xx xx 6313,78631,0 0005,100005,0 21 21 xx xx Pivotação Completa • A pivotação completa, no k-ésimo passo, busca todos os elementos aij para i=k, k+1, ..., n, e j= k, k+1, ..., n, para achar o elemento com o maior módulo. Ambas as trocas de linhas e colunas são executadas para trazer esse elemento à posição pivô. • O número de operações acrescentadas é maior se comparado a pivotação parcial com dimensionamento. Porém, a precisão é maior e não realiza a operação de divisão na etapa de pivotação. Na Pivotação completa ocorre tanto permutação de linhas quanto colunas, de forma que o maior elemento possível seja o pivô. Pivotação Completa • Ex: Ex: Resolver o sistema com precisão de 2 casas decimais • Trocando as linhas L1 e L3 𝐴𝑏 = 3,00 −7,00 4,00 10,00 1,42 0 2,56 9,4 −1,87 0 1,84 −1,9 • Eliminando coeficientes abaixo do pivô 𝐴𝑏 = 3,00 −7,00 4,00 10,00 1,42 0 2,56 9,4 −2,89 0 0 −8,67 • Por resolução retroativa 𝑥1 = −8,67 −2,89 = 3,00 𝑥3 = 9,4 − 1,42 ∗ 3 2,56 = 2,00 𝑥2 = 10 − 3 ∗ 3 − 4 ∗ 2 −7 = 1,00 • O resíduo será 0 0 0 𝑇 Exercício • Para o sistema • Cuja solução real é [0,007 1,94], encontre utilizando Gauss e uma precisão de três dígitos: – A solução sem pivotação; – A solução com pivotação parcial; – A solução com pivotação parcial e dimensionamento; – A solução com pivotação total. 𝑥1 + 𝑥2 = 2,01 2𝑥1 − 𝑥2 = −1,8
Compartilhar