Baixe o app para aproveitar ainda mais
Prévia do material em texto
� SOLUÇÃO NUMÉRICA DE SISTEMAS DE EQUAÇÕES ALGÉBRICAS LINEARES � UNIVERSIDADE FEDERAL DO PAMPA 67 444 SOLUÇÃO NUMÉRICA DE SISTEMAS DE EQUAÇÕES ALGÉBRICAS LINEARES 4.1 – Introdução Num determinado circuito eléctrico, as correntes 1i , 2i e 3i passam através das impedâncias 1z , 2z e 3z são dadas por: −=− −=− =++ 323312 212211 321 0 eeiziz eeiziz iii Se 101 =z , 82 =z , 33 =z , 6521 =− ee e 12032 =− ee a) Calcule os valores das correntes 1i , 2i e 3i por um método direto e estável. No capítulo 3 tratamos de determinar o valor de x satisfaz uma única equação, ( ) 0=xf . Nesta seção temos por objetivo determinar nxxx ,...,, 21 que satisfazem simultaneamente um conjunto de equações: ( ) ( ) ( ) 1 1 2 1 2 1 2 2 1 2 , , , 0 , , , 0 , , , 0 n n n n n f x x x b f x x x b f x x x b = = = = = = … … ⋮ … (4.1) Tais sistemas podem ser lineares ou não lineares. Nesta seção trataremos das equações algébricas lineares que tem a forma geral: CAPÍTULO � SOLUÇÃO NUMÉRICA DE SISTEMAS DE EQUAÇÕES ALGÉBRICAS LINEARES � UNIVERSIDADE FEDERAL DO PAMPA 68 11 1 12 2 13 3 1 1 1 21 1 22 2 23 3 2 2 2 1 1 2 2 3 3 a a a a a a a a a a a a a a a j j n n j j n n n n n nj j nn n n x x x x x b x x x x x b x x x x x b + + + + + + = + + + + + + = + + + + + + = ⋯ … ⋯ … ⋮ ⋯ … (4.2) onde os a ’s são coeficientes constantes, os b ’s são constantes e n é o número de equações. Notação matricial: O sistema de equações (4.2) pode ser escrito de forma compacta: bxA �� = (4.3) Onde, = nnn32n1 2n232221 1n131211 a a a a a a a a a a a a ⋯ ⋱⋮ ⋯ ⋯ n A (4.4) = nx x x x ⋮ � 2 1 (4.5) = nb b b b ⋮ � 2 1 (4.6) n x ℜ∈ � é o vetor de incógnitas (solução do sistema), nnA ×ℜ∈ é a matriz dos coeficientes e nb ℜ∈ é o termo independente. Os métodos que serão estudados neste capítulo tratam de resolver sistemas lineares de n equações a n incógnitas. Caso existam mais incógnitas do que equações, o método não funcionará, ou seja, ele não permite resolver sistemas com grau de liberdade maior ou igual a 1. Já os sistemas com mais equações do que incógnitas podem ser resolvidos, desde que não hajam contradições que o tornem um sistema impossível (SI). Neste estudo, vamos nos concentrar em sistemas lineares do tipo n x n, onde o número de equações é igual ao número de incógnitas. � SOLUÇÃO NUMÉRICA DE SISTEMAS DE EQUAÇÕES ALGÉBRICAS LINEARES � UNIVERSIDADE FEDERAL DO PAMPA 69 Há algumas formas especiais de matrizes quadradas que são importantes e devem ser observadas. Uma matriz simétrica é aquela em que jiij aa = para todos os i ’s e j ‘s. Por exemplo, a matriz simétrica 33× : [ ] = 8 7 2 7 3 1 2 1 5 A Uma matriz diagonal é uma matriz quadrada cujos elementos fora da diagonal principal são iguais à zero, como na matriz abaixo: = 44 33 22 11 a 0 0 0 0 a 0 0 0 0 0 0 0 0 a a A Uma matriz triangular superior é uma matriz em que todos os elementos abaixo da diagonal principal são zero, como na matriz a seguir: = 44 3433 242322 14131211 a 0 0 0 a a 0 0 a a a 0 a a a a A Uma matriz triangular inferior é uma matriz em que todos os elementos acima da diagonal principal são zero, como na matriz a seguir: = 44434241 333231 2221 11 a a a a 0 a a a 0 0 a a 0 0 0 a A Uma matriz de banda tem todos os elementos iguais a zero, com a possível exceção de uma faixa centrada na diagonal principal: = 4443 343332 232221 1211 a a 0 0 a a a 0 0 a a a 0 0 a a A Essa matriz possui largura da banda 3 e tem nome especial – matriz tri diagonal. Vamos fazer uma análise geométrica da solução de alguns sistemas lineares: � SOLUÇÃO NUMÉRICA DE SISTEMAS DE EQUAÇÕES ALGÉBRICAS LINEARES � UNIVERSIDADE FEDERAL DO PAMPA 70 Ex1: 2 0 x y x y + = − = Se o det ≠ 0 o sistema possui solução única Ex2: 2 2 2 2 x y x y + = + = O sistema não possui solução Ex3: 2 2 2 4 x y x y + = + = O sistema possui infinitas soluções � SOLUÇÃO NUMÉRICA DE SISTEMAS DE EQUAÇÕES ALGÉBRICAS LINEARES � UNIVERSIDADE FEDERAL DO PAMPA 71 Os métodos numéricos desenvolvidos para a solução de sistemas de equações algébricas lineares são de dois tipos: métodos diretos e métodos indiretos. No caso dos métodos diretos é realizado um número fixo de operações ao final das quais se obtém o resultado. Os métodos indiretos são construídos com procedimentos iterativos onde a solução é obtida após um número variável de iterações, estando este número associado ao critério de convergência estabelecido a priori. Em ambos os casos existem vantagens e desvantagens. Nas próximas seções serão apresentados alguns destes métodos. 4.2 – Métodos Diretos 4.2.1 – Eliminação Gaussiana Conhecendo as operações matriciais elementares estudadas no curso de álgebra linear vamos introduzir os métodos computacionais para solução de sistemas de equações lineares. Operações realizadas sobre linhas (colunas) de uma matriz A. São de três tipos: I) Troca de duas linhas (colunas); II) Multiplicação de uma linha (coluna) por um escalar 0≠k ; III) Substituir uma linha (coluna) pela sua adição a um múltiplo não nulo de outra linha (coluna). O método de Gauss ou eliminação gaussiana consiste na operação de um sistema de equações lineares por meio dessas operações elementares até que seja � SOLUÇÃO NUMÉRICA DE SISTEMAS DE EQUAÇÕES ALGÉBRICAS LINEARES � UNIVERSIDADE FEDERAL DO PAMPA 72 obtido um sistema equivalente na forma escalonada. Em sistemas consistentes, a forma escalonada pode, então, ser facilmente resolvida por solução descendente. Em sistemas dependentes uma solução poderá ser encontrada por meio da atribuição de valores às variáveis livres. A denominação do método é uma homenagem ao matemático alemão Carl Friedrich Gauss. Referências sobre esse método já existiam em antigos textos indianos e chineses, de cerca de 2000 anos atrás. Entretanto, os europeus o desconheciam até que Gauss o utilizou enquanto trabalhava num sistema de equações que buscava determinar por aproximação a órbita do asteroide Ceres. Essa aproximação foi feita através do método dos quadrados mínimos, método também atribuído a Gauss. Gauss trabalhava num sistema de 17 equações a 17 incógnitas, dimensão impraticável para solução manual. Na pesquisa por um método, chegou a esse processo de eliminação. Em outras palavras neste método o problema bxA �� = é reduzido a um sistema equivalente: dxU �� = (4.7) onde U é uma matriz triangular superior, sendo este problema facilmente resolvido por uma substituição de trás para frente (backward sweep). Obviamente além de o sistema ter número de incógnitas e equações iguais, para ser resolvido pelos métodos a serem estudados a matriz dos coeficientes precisa ser diferente de zero (Sistema possível e determinado nnA ×ℜ∈ e 0≠A ). Para a obtenção do sistema (4.7) a partir do sistema original bxA �� = , são realizadas as manipulações que serão descritas a seguir. Reescrevendo o sistema originalcom um total de n equações e n incógnitas: ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )111 3 1 32 1 21 1 1 1 2 1 2 1 23 1 232 1 221 1 21 1 1 1 1 1 13 1 132 1 121 1 11 nnnnjnjnnn nnjj nnjj bxaxaxaxaxa bxaxaxaxaxa bxaxaxaxaxa =++++++ =++++++ =++++++ …⋯ ⋮ …⋯ …⋯ (4.8) onde, o índice (1) representa os coeficientes com seus valores iniciais. Com as manipulações a serem realizadas os valores dos coeficientes serão alterados e estes índices assumirão então outros valores (2), (3),…,conforme o número de operações realizadas. Definindo os multiplicadores: ( ) ( ) ni a a m ii , 3, 2, ,1 11 1 1 1 …== (4.9) � SOLUÇÃO NUMÉRICA DE SISTEMAS DE EQUAÇÕES ALGÉBRICAS LINEARES � UNIVERSIDADE FEDERAL DO PAMPA 73 multiplicando a primeira equação por 1im e subtraindo a equação resultante da equação i correspondente, elimina-se o coeficiente de 1x , i.e. 1ia . Este procedimento é realizado para todas as equações ni ,,3 ,2 …= , ou seja, ( ) ( ) ( ) njniamaa jiijij …… ,3 ,2 e ,,3 ,2 , 1 11 12 ==−= (4.10) ( ) ( ) ( ) ,,3 ,2 ,111 12 nibmbb iii …=−= (4.11) e ( ) ,,3 ,2 ,021 niai …== (4.12) O sistema (4.8) passa então a ser escrito como ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )222 3 2 32 2 2 2 3 2 3 2 33 2 332 2 32 2 2 2 2 2 23 2 232 2 22 1 1 1 1 1 13 1 132 1 121 1 11 0 0 0 nnnnjnjnn nnjj nnjj nnjj bxaxaxaxa bxaxaxaxa bxaxaxaxa bxaxaxaxaxa =++++++ =++++++ =++++++ =++++++ …⋯ ⋮ …⋯ …⋯ …⋯ (4.13) Observe que a primeira equação não foi modificada com relação à primeira equação do sistema original (4.8). Após este passo continuamos o processo de eliminação com o multiplicador: ( ) ( ) ni a a m ii , 3, ,2 22 2 2 2 …== (4.14) Agora a segunda equação é multiplicada por 2im e subtraindo a equação resultante da equação i correspondente, elimina-se o coeficiente de 2x , i.e. 2ia . Este procedimento é realizado para todas as equações ni ,,4 ,3 …= , de forma que: ( ) ( ) ( ) ,,4 ,3 e ,,4 ,3 ,222 23 njniamaa jiijij …… ==−= (4.15) ( ) ( ) ( ) ,,4 ,3 ,222 23 nibmbb iii …=−= (4.16) e ( ) ,,4 ,3 ,032 niai …== (4.17) O sistema (4.13) passa então a ser escrito na forma equivalente � SOLUÇÃO NUMÉRICA DE SISTEMAS DE EQUAÇÕES ALGÉBRICAS LINEARES � UNIVERSIDADE FEDERAL DO PAMPA 74 ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )333 3 3 3 3 5 3 5 3 53 3 53 3 4 3 4 3 43 3 43 3 3 3 3 3 33 3 33 2 2 2 2 2 23 2 232 2 22 1 1 1 1 1 13 1 132 1 121 1 11 00 00 00 00 0 nnnnjnjn nnjj nnjj nnjj nnjj nnjj bxaxaxa bxaxaxa bxaxaxa bxaxaxa bxaxaxaxa bxaxaxaxaxa =++++++ =++++++ =++++++ =++++++ =++++++ =++++++ ⋯⋯ ⋮ …⋯ …⋯ …⋯ …⋯ …⋯ (4.18) O processo aqui descrito é então continuado até que se obtenha o sistema de equações algébricas lineares na forma dada pela Eq. (4.7), ou seja, ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )n nn n nn n nn n nnn n nn nn nn nn bxa bxaxa bxaxa bxaxaxa bxaxaxaxa =++++ =+++++ =++++ =++++ =++++ − − − −− − −− ⋯ ⋯ ⋮ ⋯ … … 000 000 00 0 1 1 1 ,11 1 1,1 3 3 3 33 3 33 2 2 2 23 2 232 2 22 1 1 1 13 1 132 1 121 1 11 (4.19) De forma genérica, o procedimento adotado para a obtenção do sistema (4.19) a partir do sistema (4.8), consiste no uso de multiplicadores ( ) ( ) nkkink a a m k kk k ik ik ,,2,1,1,,2,1, …… ++=−== (4.20) de forma que os novos coeficientes calculados no passo k sejam ( ) ( ) ( ) nkkjnkkinkamaa kkjik k ij k ij ,,2 ,1 e ,,2 ,1 ,1,,2 ,1 , 1 ……… ++=++=−=−=+ (4.21) e ( ) ( ) ( ) nkkinkbmbb k kik k i k i ,,2 ,1 ,1,,2 ,1 , 1 …… ++=−=−= + (4.22) sendo nulos então os coeficientes ( ) nkkinka k ik ,,2 ,1 ,1,,2 ,1 ,0 1 …… ++=−==+ (4.23) Para a obtenção do sistema (4.19) são aplicadas, portanto, as Eqs. (4.20) a (4.23), sendo operadas no passo k , as linhas nkk ,,2 ,1 …++ , com 1,,2 ,1 −= nk … . O coeficiente ( )kkka é denominado pivo, e segundo a definição dos multiplicadores dada de forma genérica pela Eq. (4.20), é necessário que ( ) 0≠kkka (4.21) � SOLUÇÃO NUMÉRICA DE SISTEMAS DE EQUAÇÕES ALGÉBRICAS LINEARES � UNIVERSIDADE FEDERAL DO PAMPA 75 No início de cada passo k de eliminação de coeficientes, quando a linha k é mantida fixa, é feita uma troca de posição de equações, de forma que fique um termo diferente de zero na posição do pivot. A solução do sistema (4.19) é muito simples, sendo feita uma simples substituição de trás para frente (backward sweep). Começando da última equação escrevemos ( ) ( )n nn n n n a b x = (4.22) Conhecendo nx podemos calcular então 1−nx usando a penúltima equação do sistema (4.19), ( ) ( ) ( )1 1,1 1 ,1 1 1 1 − −− − − − − − − = n nn n n nn n n n a xab x (4.23) Este passo é então continuado até que todas as incógnitas sejam determinadas. De forma genérica escreve-se ( ) ( ) ( ) 1,,2 ,1 , , 1 1 …−−= −= ∑ += nnnlxab a x n lj j l lj l ll ll l (4.24) Vamos agora ao algoritmo para o método de eliminação gaussiana: � SOLUÇÃO NUMÉRICA DE SISTEMAS DE EQUAÇÕES ALGÉBRICAS LINEARES � UNIVERSIDADE FEDERAL DO PAMPA 76 Vamos agora ao algoritmo para a substituição regressiva: A implementação computacional do método de eliminação gaussiana é relativamente simples, e fornece o resultado após um número fixo de operações. Porém, a qualidade do resultado pode ser comprometida pelos erros de arredondamento que são acumulados a cada operação. Visando minimizar a propagação de erros de arredondamento podem ser usadas as técnicas de pivoteamento parcial ou de pivoteamento completo, que serão sucintamente descritas a seguir. Exemplo: Resolva o sistema linear pelo Método de Eliminação de Gauss. � SOLUÇÃO NUMÉRICA DE SISTEMAS DE EQUAÇÕES ALGÉBRICAS LINEARES � UNIVERSIDADE FEDERAL DO PAMPA 77 =+−− =−+ =+− 3352 12 22 321 321 321 xxx xxx xxx 4.2.2 - Fatoração L.U � Considere um sistema linear Ax b= onde A é uma matriz quadrada e invertível; � Suponha que é possível obter uma Fatoração LU de forma que LU A= ; � L seja quadrada, da mesma ordem de A e triangular inferior, invertível; � U seja quadrada, da mesma ordem de A e triangular superior, invertível; � Assim, LUx b= . Fazendo Ux y= temos que Ly b= ; � Logo resolver o sistema Ax b= é equivalente a resolver o sistema Uz y= ; � z=U-1y=U-1L-1b=(LU)-1b = A-1b=x. Dados o sistema linear e a fatoração da matriz , temos: Seja . A solução do sistema linear pode ser obtida da resolução dos sistemas lineares triangulares: i) ii) Exemplo: Resolver o sistema linear usando a fatoração : Resolvendo : � SOLUÇÃO NUMÉRICA DE SISTEMAS DE EQUAÇÕES ALGÉBRICAS LINEARES � UNIVERSIDADE FEDERAL DO PAMPA 78 i) ii) 4.3 – Métodos Iterativos Para sistemas com um grande número de equações o uso de métodos diretos implica em um número extremamente elevado de operações a serem realizadas. Neste caso os métodos iterativos são melhores, e em alguns casos são os únicos que poderão ser usados na prática. É comum também que a matriz seja esparsa, ou seja, com um grande número de coeficientes nulos, e muitas vezes podendo ser representada de forma simples. Neste caso os métodos iterativos são superiorespor utilizarem apenas os coeficientes diferentes de zero, enquanto que ao se utilizar métodos diretos a maioria dos coeficientes nulos seriam trocados por valores diferentes de zero. Por exemplo, em um sistema linear 2x2 usando como estimativa inicial ( )0 01 2,x x o próximo passo é encontrar ( )1 11 2,x x até a convergência e um determinado critério de parada como representa a Figura 4.0. � SOLUÇÃO NUMÉRICA DE SISTEMAS DE EQUAÇÕES ALGÉBRICAS LINEARES � UNIVERSIDADE FEDERAL DO PAMPA 79 Figura 4.0 – Representação da convergência dos métodos iterativos 4.3.1 – Método de Gauss-Jacobi Considere novamente o problema bxA �� = (4.36) onde o objetivo é obter o vetor de incógnitas = nx x x x ⋮ � 2 1 (4.37) Cada equação do sistema (4.36) é dada por nibxaxaxaxaxa ininnniiiiii ,,2 ,1 ,11,2211 …⋯⋯ ==++++++ −− (4.38) ou seja, nibxaxaxa i n ij jij i j iiijij ,,2 ,1 , 1 1 1 …==++ ∑∑ += − = (4.39) Da Eq. (4.39) obtém-se então nixab a x n ij j jiji ii i ,,2 ,1 , 1 1 …= −= ∑ ≠ = (4.40) Podemos representar na forma matricial: Suponha um sistema linear com incógnitas 1x , ..., nx da seguinte forma: Suponha também que todos os termos aii sejam diferentes de zero (i = 1, ... , n). Se não for o caso, isso às vezes pode ser resolvido com uma troca na ordem das equações. Então a solução desse sistema satisfaz as seguintes equações: 11 1 12 2 1 1 21 1 22 2 2 2 1 1 2 2 . . . . . . . . . n n n n n n nn n n a x a x a x b a x a x a x b a x a x a x b + + + = + + + = + + + = ⋯ ⋯ ⋮ ⋮ ⋮ ⋮ ⋯ � SOLUÇÃO NUMÉRICA DE SISTEMAS DE EQUAÇÕES ALGÉBRICAS LINEARES � UNIVERSIDADE FEDERAL DO PAMPA 80 O Método de Jacobi consiste em estimar os valores iniciais para x1 (0), x2 (0), ..., xn (0), substituir esses valores no lado direito das equações e obter daí novos valores x1 (1), x2 (1), ..., xn (1). Em seguida, repetimos o processo e colocamos esses novos valores nas equações para obter x1 (2), x2 (2), ..., xn (2), etc. Desta forma temos: Considerando que as equações no sistema (4.36) estejam ordenadas de forma que os coeficientes na diagonal sejam não nulos, 0≠iia , um procedimento iterativo é construído usando a Eq. (4.40) conforme descrito no seguinte algoritmo: { } { } { } 1 1 12 2 1 11 2 2 21 1 2 22 1 1 1 1 1 . . 1 . . 1 . . n n n n n n n n n n nn x b a x a x a x b a x a x a x b a x a x a − − = − − − = − − − = − − − ⋯ ⋯ ⋮ ⋮ ⋮ ⋮ ⋯ { } { } { } 1 2 2 1 1 1 ( 1) ( ) ( ) 1 12 1 11 ( 1) ( ) ( ) 2 21 2 22 ( 1) ( ) ( ) 1 1 1 . . 1 . . 1 . . n n n n k k k n k k k n k k k n n n n nn x b a x a x a x b a x a x a x b a x a x a − + + + − = − − − = − − − = − − − ⋯ ⋯ ⋮ ⋮ ⋮ ⋮ ⋯ � SOLUÇÃO NUMÉRICA DE SISTEMAS DE EQUAÇÕES ALGÉBRICAS LINEARES � UNIVERSIDADE FEDERAL DO PAMPA 81 Como o método de Gauss-Jacobi pode não convergir, é necessário que no algoritmo seja incluída a parada do mesmo caso um número máximo de iterações definido a priori seja atingido. Exemplo: Dado o sistema de equações lineares abaixo, determine a sua solução de acordo com o método de Jacobi, considerando uma tolerância ε ≤ 10-2. A solução analítica é x1=4/3 e x2=7/3. De acordo com Jacobi, temos que: Tomando uma solução inicial arbitrária x1=0 e x2=0, teremos a seguinte tabela de resultados: −=− =− 3.2 1.2 21 21 xx xx Vamos agora ao algoritmo do método de Gauss Jacobi: 1) Escolha uma estimativa inicial 0x � e faça o contador de iterações 0=k ; 2) Calcule uma nova estimativa para as incógnitas com a Eq. (4.40), nixab a x n ij j k jiji ii k i ,,2 ,1 , 1 1 1 …= −= ∑ ≠ = + (4.41) 3) Verifique se o critério de parada estabelecido a priori foi satisfeito. Como exemplo usamos a diferença relativa das incógnitas em duas iterações sucessivas ni x xx k i k i k i ,,2 ,1 , 1 …=< −+ ε com 0≠kix (4.42) onde ε é um número relativamente pequeno, por exemplo 510− . Caso o critério de parada não esteja satisfeito faça 1+= kk e volte ao passo 2. ( ) ( ) 1 2 ( 1) ( ) 2 ( 1) ( ) 1 1 . 1 2 1 3 2 k k k k x x x x + + = + = + � SOLUÇÃO NUMÉRICA DE SISTEMAS DE EQUAÇÕES ALGÉBRICAS LINEARES � UNIVERSIDADE FEDERAL DO PAMPA 82 Tabela 1 – Representação do processo iterativo de Gauss-Jordan K x1 x2 E(x1) E(x2) 0 0 0 1 0,5 1,5 0,5 1,5 2 1,25 1,75 0,75 0,25 3 1,375 2,125 0,125 0,375 4 1,5625 2,1875 0,1875 0,0625 5 1,59375 2,28125 0,03125 0,09375 6 1,640625 2,296875 0,046875 0,015625 7 1,648438 2,320313 0,007813 0,023438 8 1,660156 2,324219 0,011719 0,003906 9 1,662109 2,330078 0,001953 0,005859 Portanto, o resultado aproximado para a tolerância solicitada é x1=1,66 e x2=2,33. Outro método para realizar o teste de parada seria realizar k iterações. Exemplo: Resolva o seguinte sistema linear usando o Método de Gauss-Jacobi. =+− −=−+ =−− 4,71102,03,0 3,193,071,0 85,72,01,03 321 321 321 xxx xxx xxx 4.3.2 – Método de Gauss-Seidel No método de Gauss-Jacobi é utilizada a estimativa anterior kx � para o cálculo da nova estimativa 1+kx � . No método de Gauss-Seidel ao se calcular a nova estimativa para a incógnita 1+kix , ni ,,2 ,1 …= , são usadas as novas estimativas ,1+klx 1,,2 ,1 −= il … , já calculadas, e as estimativas anteriores ,klx niil ,2 ,1 …++= , para as incógnitas ainda não calculadas. Partindo da Eq. (4.42) escrevemos: nixaxab a x i j n ij k jij k jiji ii k i ,,2 ,1 , 1 1 1 1 11 …= −−= ∑ ∑ − = += ++ (4.43) � SOLUÇÃO NUMÉRICA DE SISTEMAS DE EQUAÇÕES ALGÉBRICAS LINEARES � UNIVERSIDADE FEDERAL DO PAMPA 83 O algoritmo apresentado na seção anterior pode ser utilizado fazendo a troca da Eq. (4.41) pela Eq. (4.43). Conforme descrito no algoritmo apresentado na seção 4.3.1, o procedimento iterativo é continuado até que o critério: 0 ,1,,3 ,2 , 1 ≠−=< −+ k ik i k i k i MNi M MM …ε (4.44) seja satisfeito. Exemplo:De acordo com Gauss Seidel,considerando o mesmo exemplo temos que: Tomando uma solução inicial arbitrária x1=0 e x2=0, teremos a seguinte tabela de resultados: Tabela 2 – Representação do processo iterativo usando método de Gauss-Seidel K x1 x2 E(x1) E(x2) 0 0 0 1 0,5 1,75 0,5 1,75 2 1,375 2,1875 0,875 0,4375 3 1,59375 2,296875 0,21875 0,109375 4 1,648438 2,324219 0,054688 0,027344 5 1,662109 2,331055 0,013672 0,006836 6 1,665527 2,332764 0,003418 0,001709 { } { } { } 1 2 2 1 1 1 ( 1) ( ) ( ) 1 12 1 11 ( 1) ( 1) ( ) 2 21 2 22 ( 1) ( 1) ( 1) 1 1 1 . . 1 . . 1 . . n n n n k k k n k k k n k k k n n n n nn x b a x a x a x b a x a x a x b a x a x a − + + + + + + − = − − − = − − − = − − − ⋯ ⋯ ⋮ ⋮ ⋮ ⋮ ⋯ ( ) ( ) 1 2 ( 1) ( ) 2 ( 1) ( 1) 1 1 . 1 2 1 3 2 k k k k x x x x + + + = + = + � SOLUÇÃO NUMÉRICA DE SISTEMAS DE EQUAÇÕES ALGÉBRICAS LINEARES � UNIVERSIDADE FEDERAL DO PAMPA 84 Exemplo: Resolva o seguinte sistema linear usando o Método de Gauss-Seidel. =+− −=−+ =−− 4,71102,03,0 3,193,071,0 85,72,01,03 321 321 321 xxx xxx xxx Estudo da convergência do método de Gauss-Seidel Voltando à Eq. (4.40) que descreve de forma genérica o método de Gauss-Seidel, este converge com o uso de qualquer estimativa inicial 0x � quando ocorre a dominância da diagonal, i.e. niaa n ij j ijii , ,2 ,1 , 1 …=≥ ∑ ≠ = (4.45) e parapelo menos uma linha ∑ ≠ = > n ij j ijii aa 1 (4.46) Esta é uma condição suficiente e não uma condição necessária, implicando, portanto, no fato de que convergência pode ser observada mesmo que não se tenha a dominância da diagonal. 4.3.3 – Método das Sobre-Relaxações Sucessivas (SOR: Successive Over Relaxation) A técnica de sobre-relaxação pode ser usada na tentativa de acelerar qualquer método iterativo. Conforme representado na Fig. 4.1, o atirador tem uma chance maior de acertar um alvo em movimento se tentar antecipar a trajetória do mesmo, atirando, portanto, um pouco à frente da posição observada no momento do disparo. � SOLUÇÃO NUMÉRICA DE SISTEMAS DE EQUAÇÕES ALGÉBRICAS LINEARES � UNIVERSIDADE FEDERAL DO PAMPA 85 Figura 4.1 – Um atirador aumenta as chances de acertar o alvo se levar em consideração a trajetória do mesmo. Vamos aplicar esta técnica à solução de um sistema de equações algébricas lineares com o método de Gauss-Seidel. Ao final de cada iteração do método de Gauss-Seidel é feita uma correção da estimativa obtida buscando uma aceleração da convergência do método. A correção é feita usando ( ) k i k i k i SORGSSOR xxx ωω −+= ++ 111 (4.47) onde 0>ω é o parâmetro de relaxação. Para que ocorra convergência, ω tem que ser menor que 2. Para 21 << ω tem-se uma sobre-relaxação e para 10 << ω tem-se uma sub-relaxação. Com 1=ω volta-se ao método de Gauss-Seidel. Em alguns casos é possível obter analiticamente o valor de ω ótimo, optω , para o qual o número de iterações é mínimo. No entanto, na maioria das vezes é feita uma busca de uma aproximação para optω empregando experimentação numérica. O valor obtido pode então ser aplicado em outros problemas semelhantes. 4.4 - Exercícios 4.4.2 – Uma fábrica de tintas pretende utilizar as sobras de tinta de 4 diferentes tonalidades de tinta verde para criar uma tonalidade de verde mais popular. Uma unidade de medida ( ..mu ) da nova tinta será composta por, 1x ..mu de tinta tipo 1, 2x ..mu de tinta tipo 2, 3x ..mu de tinta tipo 3 e 4x ..mu de tinta tipo 4. Cada ..mu de tinta nova é composta por 4 pigmentos que estão relacionados pelo seguinte sistema de equações lineares: Atirador Lançador � SOLUÇÃO NUMÉRICA DE SISTEMAS DE EQUAÇÕES ALGÉBRICAS LINEARES � UNIVERSIDADE FEDERAL DO PAMPA 86 =+ =+++ =++ =++ 284 3172602016 27101080 40103080 41 4321 432 431 xx xxxx xxx xxx Os coeficientes da matriz representam a porcentagem de pigmento em cada uma das 4 diferentes tonalidades de tinta verde, por exemplo, a tinta com a nova tonalidade deverá conter 31% de pigmento 3, sabendo que a tinta tipo 1 contém 16%, a tinta tipo 2 20%, a tinta tipo 3 60% e a tinta tipo 4 contém 72% do mesmo pigmento. a) Analisando apenas as condições suficientes de convergência, verifique se o método de Gauss-Seidel converge, quando aplicado a este sistema. b) Resolva o sistema de equações usando o método iterativo de Gauss-Seidel, utilizando para aproximação inicial o ponto ( )T0;2,0;2,0;5,0 e utilizando com critério de parada ε = 0.25 ou 2=máxn . 4.4.3 – Resolva os sistemas usando (i) o método de eliminação de Gauss (escalonamento); (ii) método de Gauss-Jacobi; (iii) método de Gauss-Seidel. Para os casos (i) e (ii) a precisão deve ser inferior a 0,02. a) 3x1 + 2x2 + 4x3 = 1 x1 + x2 + 2x3 = 2 4x1 + 3x2 – 2x3 = 3 b) 3x1 – 4x2 + x3 = 9 x1 + 2x2 + 2x3 = 3 4x1– 3x3 = -2 c) 10x1 + 2x2 + x3 = 7 x1 + 5x2 + x3 = -8 2x1 + 3x2 + 10x3 = 6. d) 5x1 + x2 + x3 = 5 3x1 + 4x2 + x3 = 6 3x1+ 3x2 + 6x3 = 0. e) x1 + x2 = 3 x1 – 3x2 = -3. f) 2x1 + 2x2 + x3 + x4 = 7 x1 – x2 + 2x3 – x4 = 1 3x1 + 2x2 – 3x3 – 2x4 = 4 � SOLUÇÃO NUMÉRICA DE SISTEMAS DE EQUAÇÕES ALGÉBRICAS LINEARES � UNIVERSIDADE FEDERAL DO PAMPA 87 4x1 + 3x2 + 2x3 + x4 = 12. g) Programe os métodos de eliminação gaussiana, Algoritmo de Gauss-Seidel e Gauss-Jacobi e então verifique se as respostas que encontrou nas questões acima estão corretas. 4.4.4 – Resolva o Sistema linear tipo banda triangular usando o algoritmo de Thomas, 4.4.5 – Implemente na linguagem de programação que preferir o algoritmo de Thomas e use-o para encontrar a Solução do sistema de banda tridiagonal a seguir: 4.4.6 – Um engenheiro de Produção supervisiona a produção de quatro tipos de computadores. Existem quatro espécies de recursos necessários à produção: mão-de-obra, metais, plásticos e componentes eletrônicos. As quantidades destes recursos, necessárias para produzir cada computador são: Considere um consumo diário de 504 h de mão-de-obra, 1970 Kg de metais, 970 Kg de plásticos e 601 componentes. a) Use um método direto e estável para calcular o número de computadores (número inteiro) de cada tipo produzidos por dia. b) Use o método iterativo de Gauss-Seidel, tomando como aproximação inicial x(1) =(9, 10, 12, 10). Apresente apenas os cálculos relativos às duas primeiras iterações, indicando uma estimativa do erro relativo. � SOLUÇÃO NUMÉRICA DE SISTEMAS DE EQUAÇÕES ALGÉBRICAS LINEARES � UNIVERSIDADE FEDERAL DO PAMPA 88 c) Comente os resultados obtidos, analisando as condições suficientes de convergência. 4.4.7 – Considere a figura representando um sistema de 4 molas ligadas em série sujeito a uma força F de 2000 Kg. Em uma situação de equilíbrio, as equações força-balanço deduzidas definem inter-relações entre as molas: em que k1 = 150, k2 = 50, k3 = 75 e k4 = 225 são as constantes das molas (kg/s2). a) Perceba na figura acima que entre as molas existem chapas metálicas onde estas se apoiam. Cada uma das chapas inicialmente está na posição sob a posição 321 ,, xxx e 4x respectivamente. Determine usando o algoritmo de Thomas o deslocamento resultante de cada uma das chapas em relação a posição inicial. 4.4.8 – Para cada um dos sistemas lineares a seguir, analise a existência ou não de solução, bem como a unicidade da solução. Se o sistema for possível e determinado, aplique um dos métodos de solução de sistemas lineares estudados neste capítulo para resolvê-lo. � SOLUÇÃO NUMÉRICA DE SISTEMAS DE EQUAÇÕES ALGÉBRICAS LINEARES � UNIVERSIDADE FEDERAL DO PAMPA 89
Compartilhar