03_Sistemas_Lineares (1).pdf
-
Upload
carolina-cristiane-pinto -
Category
Documents
-
view
29 -
download
0
Transcript of 03_Sistemas_Lineares (1).pdf
Programag
1. Introdução2 Mé d Di2. Métodos Diretos
a) Eliminação de Gaussb) Decomposição LUb) Decomposição LU
3. Métodos Iterativosa) Gauss-Jacobia) Gauss-Jacobib) Gauss-Siedel
Introduçãoç
A resolução de sistemas lineares é um problema que i di ásurge nas mais diversas áreas
Ex: Cálculos de estruturas, Redes de transporte, Redes de comunicação, etc
Introduçãoç
Exemplo: Calcular tensões dos nós do circuito elétrico:
V
Solução:
1V
ç
Temos que a corrente entre 2 pontos é dada por: RVVI ba Temos que a corrente entre 2 pontos é dada por: .
Pela lei de Kirchoff a soma das correntes que chega a um nó é igual a soma das correntes que saem dele. Assim:
R
g q
Introduçãoç
Exemplo: Calcular tensões dos nós do circuito elétrico:
V
Nó 1:
1V
01141312
VVVVVVV 2312 VVVV
Nó 2:Nó 1:
Nó 3:
1221
31
127 3134323 VVVVVVV
Nó 2:
Nó 3:3213
3134323
VVVV Nó 4:21
1443 VVVV
Introduçãoç
Exemplo: Calcular tensões dos nós do circuito elétrico:
Simplificando as equações:Nó 1:
10
2211141312
VVVVVVV 026 4321 VVVV
Nó 2:31
2312 VVVV
043 321 VVV
Nó 3:3
127213
3134323 VVVVVVV
VVVV
25461323 4321 VVVV
Nó 4:21
1443 VVVV
032 431 VVV
Introduçãoç
Exemplo: Calcular tensões dos nós do circuito elétrico:
0014301126 4321
VVVVVVVV
Montando o sistema:
032012546132300143
4321
4321
VVVVVVVVVVVV
03201 4321 VVVV
Nosso problema agora se resume em encontrar os valores de V V V e V que solucionem o sistema linearde V1, V2, V3 e V4 que solucionem o sistema linear acima.
Introduçãoç
Um sistema linear com m equações e n variáveis tem a i f lseguinte forma geral:
nn bxaxaxa ... 11212111
nn
nn
bxaxaxa ... 22222121
11212111
mnmnmm bxaxaxa ...2211
onde:a coeficientes 1 ≤ i ≤ m 1 ≤ j ≤ n
mnmnmm 2211
aij coeficientes 1 ≤ i ≤ m, 1 ≤ j ≤ nxj incógnitas j = 1,...,nb termos independentes i 1 mbi termos independentes i = 1,...,m
Introduçãoç
Exemplo:
5542 321 xxx
15422514 321
xxxxxx
onde:
1542 321 xxx
onde:
2 4 5 4 1 5 2 4 e 5 fi i t2, 4, -5, 4, 1, -5, 2, 4 e 5 coeficientes
x1, x2 e x3 incógnitas
5, 2 e -1 termos independentes
Introduçãoç
Relembrando... Multiplicação de Matrizes
O produto de uma matriz A de dimensão n x m por um escalar k resulta em uma matriz B = kA de mesma dimensão n x m, tal que .,, jikab ijij
Ex: 321 642
e
654321
A
12108642
2AB
Introduçãoç
Relembrando... Multiplicação de Matrizes
O produto de uma matriz A (n x m) por um vetor v (m x 1) resulta em um vetor x (n x 1) de forma que
m
....,,2,1,1
nivaxj
jiji
Ex:
5
121
1711
21
,6543 AvxvA
Introduçãoç
Relembrando... Multiplicação de MatrizesO produto de uma matriz A (n x p) por uma matriz
B (p x m) é uma matriz C = AB (n x m) tal que
....,,2,1...,,2,1,1
mjenibacp
kkjikij
o elemento cij é obtido pela soma dos produtos da linha i de A pelos correspondentes elementos da coluna j de B. Logo, para a multiplicação de duas matrizes, o número de colunas da primeira tem que ser igual ao número de linhas da segundaEx: 126
61012
2223
32 48415304,
653 xx
x
ABCBA
Introduçãoç
É possível então reescrever o sistema linear na Forma M i i lMatricial:
Ax = b
na qual:
naaa 11211
b1
x1
naaaA 22221
b
b2
x
x2
mnmmm aaaa 321
mb
nx
Introduçãoç
Exemplo: Forma Geral:
5542 321 xxx
25145542
321
321
xxxxxx
Forma Matricial:
1542 321 xxx
5542 1x
1
2542514
3
2
xx
1542 3x
Introdução – Classificação de Sistemasç ç
Relembrando…. Conceito de DeterminanteUma matriz quadrada (n x n) A, chamada matriz de ordem
n, tem um número associado denominado determinante, cujo valor pode ser obtido pela fórmula de recorrência
)det()1()det()det()det( 1n MaMaMaA
onde Mij é a matriz de ordem n-1 resultante da remoção
)det()1(...)det()det()det( 1112121111 nn MaMaMaA
da linha i e coluna j de A e sendo o determinante de uma matriz (1 x 1) igual a esse único elemento. Logo:
1111 )det(][ aAaA
aa 12212211
2221
1211 )det( aaaaAaaaa
A
Introdução – Classificação de Sistemasç ç
Relembrando…. Conceito de Determinante
232221
131211
aaaaaa
A
333231
232221
aaaaaaA
)()()()det( 223132211323313321122332332211 aaaaaaaaaaaaaaaA
Matriz A com det(A) = 0 Matriz Singular
Matriz A com det(A) ≠ 0 Matriz Não Singular
Introdução – Classificação de Sistemasç ç
Classificação dos sistemas Solução Única
det (A) ≠ 0 (Matriz de Coeficientes Não Singular)
Infinitas Soluções ou Sem Solução det (A) = 0 (Matriz de Coeficientes Singular)
Introdução – Classificação de Sistemasç ç
Solução Única1 Exemplo:
2332
21
21
xxxx
11
x
det (A) = -6 -1 = -7
Infinitas SoluçõesInfinitas Soluções Ex:
62432 21
xxxx
23x
det (A) = 4 4 = 0
624 21 xx 23
det (A) = 4 - 4 = 0
Introdução – Sistemas Triangularesç g
Possibilidade de resolução da forma Direta Sistema Triangular Inferior
Sistema Triangular Superior
Introdução – Sistemas Triangularesç g
Sistema Triangular Inferior
bb
xx
aaa
2
1
2
1
2221
11
00000
bxaaa
33333231 0
A solução é calculada pelas substituições sucessivas
nnnnnnn bxaaaa 321
A solução é calculada pelas substituições sucessivas
1bb 1212 xabb , ,
11
111111 a
xbxa 22
121222222121 a
xbxaxa
b
23
232131333333232131 a
xaxabxbxaxaxa
Introdução – Sistemas Triangularesç g
Sistema Triangular Inferior
bb
xx
aaa
2
1
2
1
2221
11
00000
bxaaaaa
3
2
3
2
333231
2221
000
nnnnnnn bxaaaa
321
bxaxaxaxa
nnnnnnnnnn bxaxaxaxa 11,2211 ...
nnnnnn xaxaxab 112211 ...
nn
nnnnnnn a
x 11,2211
Introdução – Sistemas Triangularesç g
Sistema Triangular Inferior
bb
xx
aaa
2
1
2
1
2221
11
00000
bxaaaaa
3
2
3
2
333231
2221
000
nnnnnnn bxaaaa
321
As substituições sucessivas podem ser representadas por:
21
1
1 nixab
x
i
jjiji
....,,2,1, nia
xii
ji
Introdução – Sistemas Triangularesç g
Sistema Triangular InferiorExemplo: Calcular a solução do sistema triangular inferior
usando as substituições sucessivas:
14
00530002
2
1
xx
648
93410861
4
3
2
xx
,
4
2442 11 xx 1231153 221
xxx,22
42 11 xx 15
153 221 xxx
)1(6248 58
)1(62484886 3321
xxxx
Introdução – Sistemas Triangularesç g
Sistema Triangular InferiorExemplo: Calcular a solução do sistema triangular inferior
usando as substituições sucessivas:
14
00530002
2
1
xx
648
93410861
4
3
xx
39
)5(3)1(4)2(66934 44321
xxxxx
Logo o vetor solução é dado por:
9
1
2
xLogo, o vetor solução é dado por:
35
x
Introdução – Sistemas Triangularesç g
Sistema Triangular Superior
n
ndd
xx
ccccccc
2
1
2
1
22322
1131211
0
n
ndxcc
33333
22322
00
A solução é calculada pelas substituições retroativas:
nnnn dxc000
A solução é calculada pelas substituições retroativas:
ndd ,nn
nnnnnn c
xdxc
11 nnnn xcdd
1,1
,1111,111,1
nn
nnnnnnnnnnnn c
xdxcxc
Introdução – Sistemas Triangularesç g
Sistema Triangular Superior
n
ndd
xx
ccccccc
2
1
2
1
22322
1131211
0
n
ndxcc
33333
22322
00
nnnn dxc000
,21232222323222
...... xcxcdxdxcxcxc nnnn
22c
11313212111 ... dxcxcxcxc nn
11
131321211
...c
xcxcxcdx nn
Introdução – Sistemas Triangularesç g
Sistema Triangular Superior
n
ndd
xx
ccccccc
2
1
2
1
22322
1131211
0
n
ndxcc
33333
22322
00
nnnn dxc000
As substituições retroativas podem ser representadas por:
111
nnixcd
x
n
ijjiji
.1...,,1,, nnic
xii
ji
Introdução – Sistemas Triangularesç g
Sistema Triangular SuperiorExemplo: Determinar a solução do sistema triangular superior
utilizando as substituições retroativas:
21
47301625
2
1
xx
828
20005400
4
3
xx
, ,42882 44 xx 2
445282854 343
xxx
2
03
442722473 2432
xxxx3
Introdução – Sistemas Triangularesç g
Sistema Triangular SuperiorExemplo: Determinar a solução do sistema triangular superior
utilizando as substituições retroativas:
21
47301625
2
1
xx
828
20005400
4
3
xx
35
4260211625 14321
xxxxx
Logo o vetor solução é dado por:
5
03
xLogo, o vetor solução é dado por:
42
x
Introdução –Métodos de Soluçãoç ç
Os métodos numéricos para a solução de sistemas li d di idid d ilineares podem ser divididos em dois grupos: Métodos Diretos Fornecem a solução do sistema,
caso ela exista, após um número finito de iterações (soluções arredondadas também podem ocorrer)
Métodos Iterativos Geram uma sequência de { (k)} i d i i i i l (0)vetores {x(k)} a partir de uma aproximação inicial x(0).
Sob certas condições esta sequência converge para a solução x do sistema caso ela existasolução x do sistema, caso ela exista
Métodos Diretos
Pertencem a essa classe todos métodos utilizados no i i dprimeiro e segundo graus Esses métodos não são eficientes para a resolução de
sistemas lineares de grande porte, ou seja, sistemas que envolvam um grande número de equações e variáveis
Para o caso de sistemas lineares n x n, com solução 1 1única, o vetor x é dado por x = A-1b, onde A-1 é a
inversa da matriz de coeficientes A. 1 O cálculo de A-1 é demorado e, por isso, não competitivo
com os métodos que veremos a seguir: Eliminação de Ga ss e Decomposição LUGauss e Decomposição LU
Eliminação de Gaussç
Consiste em transformar o sistema linear original em i li i l i i lum sistema linear triangular superior equivalente
Resolução do novo sistema utilizando as substituições retroativas
A solução encontrada para o sistema equivalente será a mesma do sistema linear original Conceito de Si t E i l tSistemas Equivalentes
Eliminação de Gaussç
A transformação do sistema linear original em outro i l é f i é d iequivalente é feita através das seguintes operações
elementares: Trocar duas equações
94222 2121 xxxx
Multiplicar uma equação por uma constante não nula
22294 2121 xxxx
941
94222
21
21
21
21
xxxx
xxxx
Adicionar um múltiplo de uma equação a uma outra equação
2121
1832
194
21
21
21
21
xxxx
xxxx
Eliminação de Gauss - Execuçãoç ç
Passo 1: Construção da matriz aumentada Ab
n baaa 111211
n baaaAb 222221
Importância:
nnnnnn baaaa 321
Importância: É necessário transformar matriz A em uma matriz
triangular superiortriangular superior Todavia, todas as operações elementares aplicadas
sobre as linhas de A também devem ser refletidas nosobre as linhas de A, também devem ser refletidas no vetor de termos independentes b
Eliminação de Gauss - Execuçãoç ç
Passo 2: Eliminar os coeficientes de x1 presentes nas linhas
2,3,...,n, fazendo assim a21 = a31, = ... = an1 = 0, sendo a11 chamado de pivô e a linha 1 de linha pivotal
Substituir a linha 2, L2, pela combinação linear
11
212112122 :,
aamqualnaLmLL
Substituir a linha 3, L3, pela combinação linear:
a
11
313113133 :,
aamqualnaLmLL
Eliminação de Gauss - Execuçãoç ç
Passo 2: Continuar a substituição até a linha n Caso algum elemento app=0, achar outra linha k onde
akp≠ 0 e trocar tais linhas. Caso a linha k não exista, o sistema linear não possui solução
Próximos Passos: Eliminar os coeficientes de x2 nas linhas 3, 4, ..., n
(fazendo a32=a42=...=an2 = 0)
Eliminar os coeficientes de x3 nas linhas 4, 5, ..., n 3
(fazendo a43=a53=...=an3 = 0) e assim sucessivamente
Eliminação de Gaussç
Exemplo: Resolver o sistema linear abaixo:
3344532
321
321
xxxxxx
132 321 xxx
Matriz aumentada:
5132
33445132
Ab
1132
Eliminação de Gaussç
Exemplo: Resolver o sistema linear abaixo:
3344532
321
321
xxxxxx
Pivô da linha 1: 2
132 321 xxx
2212112122
aamLmLL
71205132233442
11
La
1,11
313113133
aamLmLL
62605132111323 L
Eliminação de Gaussç
Exemplo: Resolver o sistema linear abaixo:
3344532
321
321
xxxxxx
132 321
321
xxx
Obtemos então a seguinte matriz aumentada:
71205132
Ab
6260
Eliminação de Gaussç
Exemplo: Resolver o sistema linear abaixo:
3344532
321
321
xxxxxx
132 321 xxx
Pivô da linha 2: -2
a
15500712036260
3,
3
22
323223233
LaamLmLL
155007120362603 L
Eliminação de Gaussç
Exemplo: Resolver o sistema linear abaixo:
3344532
321
321
xxxxxx
132 321 xxx
Nova matriz [Ab] e sistema linear equivalente obtido:
5x3x2x
7x2x
5x3x2x
32
321
71205132
Ab 155x3
15500
Eliminação de Gaussç
Exemplo: Resolver o sistema linear abaixo:
3344532
321
321
xxxxxx
O novo sistema obtido é resolvido utilizando-se as
132 321 xxx
substituições retroativas:
3155 3x155x 33
12253625322x42x732x7x2x 22232
Logo o vetor solução é dado por:
21
x
1x22x5362x5x3x2x 111321
Logo, o vetor solução é dado por:
32x
Eliminação de Gaussç
Verificação da exatidão do resultado obtido através do íd b Avetor resíduo r = b – Ax:
011325
000
321
132344132
135
Axbr
Logo, a solução x obtida é exata.
031321
g , ç
A verificação acima pode ser utilizada também paraA verificação acima pode ser utilizada também para validar os resultados encontrados por TODOS os métodos diretos que vamos estudar.métodos diretos que vamos estudar.
Exercício
Resolva o sistema linear abaixo utilizando o método direto de Eliminação de Gauss.
8425
5734228425
321
321
xxxxxx
Solução:
5734 321 xxx
ç
3335...333,1
3/163/4
...333,2...333,5
3/73/16x
Eliminação de Gaussç
No método de Gauss os multiplicadores das linhas são d i d i fó lgerados a partir da seguinte fórmula:
nikniaam
ii
ikik ...,,1...,,1
sendo aii o pivô e aik o elemento a ser zerado
Assim, podemos concluir:
ii
O método de Gauss não funciona quando o pivô é nulo
Quando o pivô é muito próximo de zero, os multiplicadores gerados para as linhas são muito grandes, ocasionando um aumento nos erros de arredondamento gerados durante a execução do método.
Solução: Pivoteamento Parcial
Eliminação de Gauss - Pivoteamento Parcialç
Melhoria do Método de Gauss
Consiste em escolher o elemento de maior valor (em módulo) em cada coluna para ser o pivô Garante que os multiplicadores estarão sempre entre 0 e 1
Minimiza a amplificação de erros de arredondamento p çdurante as eliminações
Eliminação de Gauss - Pivoteamento Parcialç
Exemplo: Resolver o sistema linear abaixo:
15182
1123
321
321
xxxxxx
29564 321 xxx
Matriz aumentada:
11231
1518211231
Ab
29564
Eliminação de Gauss - Pivoteamento Parcialç
Exemplo: Resolver o sistema linear abaixo:
1518211231
Ab
Maior elemento (em módulo) da primeira coluna: 4. Logo
29564( ) p g
este será o primeiro pivô. Assim:
25011 amLmLL
75,375,05,102956425,011231
25,0
1
311331311
La
mLmLL
5,0,31
212332322
aamLmLL
5,05,15029564)5,0(511822 L
Eliminação de Gauss - Pivoteamento Parcialç
Exemplo: Resolver o sistema linear abaixo:
15182
1123
321
321
xxxxxx
29564 321 xxx
Obtemos então a seguinte matriz aumentada:
5,05,15075,375,05,10
Ab
29564
Eliminação de Gauss - Pivoteamento Parcialç
Exemplo: Resolver o sistema linear abaixo:
50515075,375,05,10
Ab
29564
5,05,150Ab
Maior elemento (em módulo) da segunda coluna: 5. Logo este será o segundo pivô. Assim:g p
3,0121221211
amLmLL
6,32,1005,05,150)3,0(75,375,05,101
22
La
Eliminação de Gauss - Pivoteamento Parcialç
Exemplo: Resolver o sistema linear abaixo:
15182
1123
321
321
xxxxxx
Nova matriz [Ab]:
29564 321 xxx
[ ]
5,05,1506,32,100
Ab
Trocando a ordem das linhas chegamos ao seguinte
29564
5,05,50b
Trocando a ordem das linhas, chegamos ao seguinte sistema equivalente:
5051529564 321 xxx
6,32,15,05,15
3
32
xxx
Eliminação de Gauss - Pivoteamento Parcialç
Exemplo: Resolver o sistema linear abaixo:
15182
1123
321
321
xxxxxx
O novo sistema obtido é resolvido utilizando-se as
29564 321 xxx
substituições retroativas:
36321 36,32,1 33 xx
1555,05,455,05,15 22232 xxxxx28429156429564
Logo o vetor solução é dado por:
12
x
28429156429564 111321 xxxxxx
Logo, o vetor solução é dado por:
31x
Determinante
O determinante da matriz de coeficientes pode ser b id é d i i l l dobtido através da matriz triangular resultante da
aplicação da Eliminação de Gauss. Basta considerar no cálculo a influência das operações
elementares realizadas durante o processo de eliminação
Vamos então analisar essas 5 relações:1) Se duas linhas de uma matriz A forem trocadas, então o determinante da nova matriz B será:
)det()det( AB
4122 10)det(
2241
10)det(4122
BBeAA
Determinante
2) Se todos os elementos de uma linha de A forem multiplicados por uma constante k, então o determinante da matriz resultante B será:
)det()det( AkB
5)d t(41
10)d t(41
BBAA 5)det(11
10)det(22
BBeAA
3) Se um múltiplo escalar de uma linha de A for somado a outra linha, então o determinante da nova matriz B será:
)det()det( AB
4141 5)det(
5041
5)det(11
41
BBeAA
Determinante
4) Se A for uma matriz triangular ou diagonal de ordem n, então seu determinante será igual ao produto dos elementos da diagonal principal, ou seja:
n
iiinn aaaaaA
1332211 ...)det(
15)d t(050003
2)d t(32
BBAA 15)det(100
0502)det(10
BBeAA
Determinante
5) Se uma matriz A for multiplicada por uma matriz B, o d i d i l C ádeterminante da matriz resultante C será:
)det()det()det( BAC )det()det()det( BAC
3)det(03
10)det(21
BBeAA 3)det(11
10)det(43
BBeAA
30)det(41321
CC
Determinante
Exemplo: Calcular o determinante da matriz utilizada no último exemplo:
15182
1123
321
321
xxxxxx
Matriz de coeficientes: 231
29564 321 xxx
564182
231A
Depois de 3 combinações lineares das linhas e uma troca de linhas, chegamos à seguinte matriz triangular:
de linhas, chegamos à seguinte matriz triangular:
5150564
B
2,1005,150B
Determinante
Exemplo: Calcular o determinante da matriz utilizada no último exemplo:
Pela propriedade 3, não há alteração no determinante de B, todavia, pela propriedade 1, , assim:)det()det( AB
24)2,154()det()det( BA
Exercício
Resolva o sistema linear abaixo utilizando o método direto de Eliminação de Gauss, com pivoteamento parcial.
251541938426
4321
4321
xxxxxxxx
7239335181284
4321
4321
xxxxxxxx
Solução:
138
1120
x
1
Decomposição LUp ç
O objetivo é fatorar a matriz dos coeficientes A em um d d d i L Uproduto de duas matrizes L e U.
aaa
Seja:
n
n
aaaaaa
A 22221
11211
nnnnn aaaa
A
321
A = matriz de coeficientes do sistema linear
nnnnn 321
A = matriz de coeficientes do sistema linear
Decomposição LUp ç
e o produto LU:
n
uuuuuuu
l
00010001 1131211
n
n
uuuuu
lll
LU
000
001001
333
22322
3231
21
nnnnn ulll 0001321
sendo:L = matriz triangular inferior unitária il 1L = matriz triangular inferior unitária U = matriz triangular superior
ilii ,1
Decomposição LUp ç
tem-se então:
n
n
n
n uuuuuuu
lll
LUaaaaaa
A
000
010010001
22322
1131211
2122221
11211
n
nnnnn
n
u
uu
lll
llLU
aaaa
A
000
00
1001 333
321
3231
321
22221
Logo, o sistema Ax = b pode ser reescrito como Ax = b LUx = b
nnnnn ulll 0001321
Ax = b LUx = b
Fazendo Ux = y a equação acima reduz se a Ly = b Fazendo Ux = y, a equação acima reduz-se a Ly = b.
Resolvendo o sistema triangular inferior (utilizando as substituições sucessivas) Ly = b, obtém-se o vetor y
Decomposição LUp ç
O vetor y é então utilizado como termo independente i i l i U j l éno sistema triangular superior Ux = y, cuja solução x é
calculada pelas substituições retroativas
A Decomposição LU é um dos processos mais empregados. Uma das vantagens é que podemos resolver qualquer sistema linear que tenha A como matri de coeficientes Se o etor b for alterado amatriz de coeficientes. Se o vetor b for alterado, a solução do novo sistema linear será quase que imediataimediata
Decomposição LU - Execuçãop ç ç
Exemplo:Resolver o sistema abaixo, utilizando a Decomposição LU:
1511
182231 1
xx
29
15564182
3
2
xx
Passo 1: Aplicar o método da Eliminação de Gauss à matriz de A.matriz de A. Pivô linha 1: 1
221amLmLL
320231)2(182
2
2
11
212112122
La
mLmLL
Decomposição LU - Execuçãop ç ç
Exemplo:
4,11
313113133
aamLmLL
Obtemos então a seguinte matriz de coeficientes:
36023145643 L
g
320231
A
Pivô linha 2: 2
360
320A
Pivô linha 2: 2
3323223233
amLmLL
120032033603
22
La
Decomposição LU - Execuçãop ç ç
Exemplo:Nova matriz de coeficientes:
231
1200320A
A matriz L é então constituída pelos multiplicadores utilizados nas eliminações de cada uma das linhas,
ç ,logo:
001001001
134012001
101001
101001
2121
mmm
lllL
13411 32313231 mmll
Decomposição LU - Execuçãop ç ç
Exemplo:Nova matriz de coeficientes:
231
1200320A
A matriz U é própria matriz de coeficientes, obtida após a Eliminação de Gauss:
ç
231131211 uuu
1200320
000
33
2322
uuuU
Decomposição LU - Execuçãop ç ç
Exemplo:Assim:
231001231
1200320231
134012001
564182
231LUA
Substituindo a matriz de coeficientes A no sistema
1200134564
Substituindo a matriz de coeficientes A no sistema, temos então LUx = b. Fazendo Ux = y, temos então Ly = b. Assim o próximo passo na solução do problemaLy b. Assim o próximo passo na solução do problema é calcular o valor do vetor y.
Decomposição LU - Execuçãop ç ç
Exemplo:Passo 2: Calcular a solução do sistema Ly = b:
11001 y
2915
11
134012001
2
1
yy
29134 3y
111 y1
711215152 2221 yyyy
3673114292934 33321 yyyyy
TLogo: Ty 36711
Decomposição LU - Execuçãop ç ç
Exemplo:Passo 3: De posse do valor de y, calcular então a solução do sistema Ux = y:
711
320231 1
xx
36
71200320
3
2
xx
33612 33 xx12/)337(732 2232 xxxx /)7(7 2232
232)1(3111123 11321 xxxxx
Logo: Tx 312
Exercício
Resolva o sistema linear abaixo utilizando o método direto da Decomposição LU.
22
1423
321
321
xxxxxx
3234 321 xxx
Solução:3
053
x
Exercício
Resolva o sistema linear abaixo utilizando o método direto da Decomposição LU.
1423 321 xxx
323422
321
321
xxxxxx
Mas e se, ao invés de colocar o termo de multiplicação na linha pivotal, eu colocá-lo na própria linha cujo elemento
desejo zerar? Funciona?
423
234211423
A 3
Exercício
Resolva o sistema linear abaixo utilizando o método direto da Decomposição LU.
Mas e se, ao invés de colocar o termo de multiplicação na linha pivotal, eu colocá-lo na própria linha cujo elemento desejo zerar? Funciona?
Aplicando a Eliminação de Gauss à matriz A:
Pivô linha 1: 3
21042321133
2
2112212
LmLLmL
21042321132 L
43, 3113313 mLLmL
4/104/1042323443
3 L
Exercício
Resolva o sistema linear abaixo utilizando o método direto da Decomposição LU.
Mas e se, ao invés de colocar o termo de multiplicação na linha pivotal, eu colocá-lo na própria linha cujo elemento desejo zerar? Funciona?
Obtemos então a seguinte matriz de coeficientes:
423
Pivô linha 2: -1
4/104/10210A
43223323 mLLmL 12002104/104/1043
3223323
L
Exercício
Resolva o sistema linear abaixo utilizando o método direto da Decomposição LU.
Mas e se, ao invés de colocar o termo de multiplicação na linha pivotal, eu colocá-lo na própria linha cujo elemento desejo zerar? Funciona?
Nova matriz de coeficientes:
423
1200210A
Exercício
Resolva o sistema linear abaixo utilizando o método direto da Decomposição LU.
Mas e se, ao invés de colocar o termo de multiplicação na linha pivotal, eu colocá-lo na própria linha cujo elemento desejo zerar? Funciona?
Fazendo então A = LU
423001423
1200210
144/3013
234211LUA
Percebemos, pela igualdade acima, que, ao fazer L x U, não encontramos A. Daí concluímos que a multiplicação
deve sempre ser feita na linha pivotal, como mostra
a fórmula trabalhada em sala.
Decomposição LU – Pivoteamento Parcialp ç
Os motivos para Pivoteamento Parcial na D i LU d iliDecomposição LU são os mesmos de sua utilização na Eliminação de Gauss: Evitar pivô nulo Evitar que os multiplicadores mij tenham valores muito
grandes
Decomposição LU – Pivoteamento Parcialp ç
Relembrando... Matriz Identidade É uma matriz quadrada na qual os elementos situados na
diagonal principal são iguais a um e, os demais, são nulos. ÉÉ denotada por In.
001
010001
nI
1000
Sendo A uma matriz de ordem n, tem-se que
AAIIA AAIIA nn ..
Decomposição LU – Pivoteamento Parcialp ç
No pivoteamento parcial, a decomposição é feita da fforma:
PA = LUonde P é uma matriz de permutações que será construída das linhas de uma matriz identidade I, colocadas na mesma ordem das linhas que geram a matriz triangular superior U. A matriz L é formada pelos m ltiplicadores tili ados na eliminação naspelos multiplicadores utilizados na eliminação nas respectivas linhas de U. Assim, para resolver o sistema Ax = b tem-se:sistema Ax = b, tem-se:
Ax = b PAx = Pb LUx = PbF d U tã L PbFazendo Ux = y, então Ly = Pb
Decomposição LU – Pivoteamento Parcialp ç
Exemplo:Resolver o sistema abaixo, utilizando a Decomposição LU, com Pivoteamento Parcial:
1511
182231 1x
2915
564182
3
2
xx
Passo 1: Aplicar o método da Eliminação de Gauss, com Pivoteamento Parcial, à matriz A.Pivoteamento Parcial, à matriz A. Primeiro pivô: 4
25011 amLmLL
75,05,1056425,0231
25,0
1
311331311
La
mLmLL
Decomposição LU - Pivoteamento Parcialp ç
Exemplo:
5,0,31
212332322
aamLmLL
Obtemos então a seguinte matriz de coeficientes:
5,150564)5,0(1822 L
g
515075,05,10
A
Segundo pivô: 5
5645,150A
Segundo pivô: 5
3,0121221211
amLmLL
2,1005,150)3,0(75,05,101
22
La
Decomposição LU - Pivoteamento Parcialp ç
Exemplo:Nova matriz de coeficientes:
5642,100
2,1005,150
5645,150A
A matriz L é então constituída pelos multiplicadores relativos a cada uma das linhas pivotais, logo:
,
p , g
001001001
13,025,0015,0
101
101
1213
23
3231
21
mmm
lllL
Decomposição LU - Pivoteamento Parcialp ç
Exemplo:Nova matriz de coeficientes:
5642,100
2,1005,150
5645,150A
A matriz U é própria matriz de coeficientes, obtida após o pivoteamento:
,
p
564131211 uuu
2,1005,150
000
33
2322
uuuU
Decomposição LU - Pivoteamento Parcialp ç
Exemplo:Nova matriz de coeficientes:
5642,100
2,1005,150
5645,150A
A matriz P possui as linhas de uma matriz identidade na ordem das linhas pivotais. P pode ser vista ainda como
,
p puma matriz similar à identidade com as linhas colocadas de modo que os elementos iguais a 1 estejam nas colunas relativas aos índices das linhas pivotais.
100
001010P
Decomposição LU - Pivoteamento Parcialp ç
Exemplo:Assim:
564001231100
21005,150
564
130250015,0001
564182
231
001010100
LUPA
Assim para resolver o sistema Ax = b temos:
2,10013,025,0564001
Assim, para resolver o sistema Ax = b, temos:
Ax = b PAx = Pb LUx = PbAx = b PAx = Pb LUx = Pb
Fazendo Ux = y, então Ly = Pb
Decomposição LU - Pivoteamento Parcialp ç
Exemplo:Passo 2: Calcular a solução do sistema Ly = Pb:A multiplicação Pb ordena as linhas de b na ordem das linhas pivotais
29001 1y
1115
13,025,0015,0
3
2
yy
291 y
5,0295,015155,0 2221 yyyy ,,, 2221 yyyy5,03,02925,011113,025,0 3321 yyyy
6,33 y
Logo: Ty 6,35,029
6,33y
Decomposição LU - Pivoteamento Parcialp ç
Exemplo:Passo 3: De posse do valor de y, calcular então a solução do sistema Ux = y:
5029
5150564 1
xx
6,3
5,02,1005,150
3
2
xx
36,32,1 33 xx15/)35,15,0(5,05,15 2232 xxxx /),,(,, 2232
4/35)1(62929564 1321 xxxx2x
Logo: Tx 312
21 x
Determinante
Considerando que:
PA = LU det (PA) = det (LU)
pela propriedade dos determinantes vista anteriormente:p p p
)det()det()det()det(
PULA
matriz triangular
d t d i ô
)(
1...)det(1
332211
n
iiinn lllllL
n
U )d t( produto dos pivôs
troca de linhas necessárias para
i
iiuU1
)det(tP )1()det(
transformar a matriz de permutações P em uma matriz identidade.
Determinante
Considerando que:
PA = LU det (PA) = det (LU)
pela propriedade dos determinantes vista anteriormente:p p p
)d t()det()det()det(
PULA
Logo:)det(P
n
n
iit
t
n
iii
uu
A 1 )1()1(
1)det(
i 1)1(
Determinante
Exemplo: Calcular o determinante da matriz utilizada no último exemplo:
564231
2,1005,150
564182A
Para calcular o determinante, precisamos encontrar o valor de t, isto é, o número de trocas de linhas necessárias para transformar a matriz P em uma matriz identidade. Voltando na matriz, percebemos que somente uma troca é suficiente. Assim, temos t=1 e:
1n
t 242,154)1()1()det( 1
1
i
iit uA
Sistemas com Matriz Singularg
Quando a matriz de coeficientes do sistema linear for i l j d (A) 0 i d i fi isingular, ou seja, det(A) = 0, o sistema pode ter infinitas
soluções ou não ter solução. Será mostrado como diferenciar essas situaçõesdiferenciar essas situações.
Exemplo:Resolver os sistemas Ax = b e Ax = c utilizando a decomposição LU com pivoteamento parcial, sendo
1020
1222
,182231
cebA
8010151
Sistemas com Matriz Singularg
Exemplo:Os três fatores são:
010182001
100001
0005,110,
1150015,0 PeUL
Para Ax=b a solução do sistema Ly = Pb é dada por:
100000115,0
Para Ax=b, a solução do sistema Ly = Pb é dada por:
1212001 1y
0
161022
115,0015,0
3
2 yyy
, 3y
Sistemas com Matriz Singularg
Exemplo:A solução do sistema Ux = y é dada por:
12182 x
01612
0005,110182
2
1
xx
Logo:
0000 3x
Logo:)(00 333 soluçãoéxdequalquerxx
51161651 5,116165,1 232 xxx
2/)5,116(8121282 1321 xxxx
5,6701 x
Sistemas com Matriz Singularg
Exemplo:Assim, o vetor solução do sistema é dado por
, ou seja, o sistema Ax=b Tx 5,1165,670 apresenta infinitas soluções, uma para cada valor de
. |
Para resolver o sistema Ax=c, não é necessário calcular novamente L, U e P. Como a matriz de coeficientes A é comum aos dois sistemas (Ax=b e Ax=c), os cálculos feitos anteriormente podem ser reaproveitados.
Sistemas com Matriz Singularg
Exemplo:Assim, para Ax = c, solução de Ly = Pc é
1010001
15
102010
015,0001
2
1
yyy
7080115,0 3y
Sistemas com Matriz Singularg
Exemplo:A solução do sistema Ux = y é dada por:
10182 x
701510
0005,110182
2
1
xx
Logo:
70000 3x
Logo:xxx 33 700
Assim, o sistema Ax = c não tem solução pois tal q e
3x00que . 00 3 x
Exercício
Resolva o sistema linear pela Decomposição LU, utilizando o pivoteamento parcial, e verificar a exatidão e unicidade da solução:
322943 321
xxxxxx
234
322
31
321
xxxxx
Solução: 1Solução:
21
1x
2
Exercício
Resolva o sistema linear pela Decomposição LU, utilizando o pivoteamento parcial, e verificar a exatidão e unicidade da solução:
943 321 xxx
234322943
31
321
321
xxxxxxxx
Demonstrando a solução:
221143
A
31
Fazendo a eliminação com pivoteamen. parcial na matriz A:
304
221A
Fazendo a eliminação com pivoteamen. parcial na matriz A:
Primeiro Pivô: 4311
amLmLL
4/13403044/31434
1
311331311
La
mLmLL
Exercício
Resolva o sistema linear pela Decomposição LU, utilizando o pivoteamento parcial, e verificar a exatidão e unicidade da solução: 121
amLmLL
4/11203044/12214
,
2
312332322
La
mLmLL
Obtemos então a seguinte matriz de coeficientes:
4/1340
3044/1120A
Segundo Pivô: -4
1123221211
amLmLL
8/35004/1340)2/1(4/11202
1
223221211
La
mLmLL
Exercício
Resolva o sistema linear pela Decomposição LU, utilizando o pivoteamento parcial, e verificar a exatidão e unicidade da solução:
Nova matriz de coeficientes:
3044/1340
8/35004/1340
3048/3500A
A matriz P é então constituída pelas linhas da matriz Identidade, com as linhas trocadas, assim como em A, logo:
001100
P
010001P
Exercício
Resolva o sistema linear pela Decomposição LU, utilizando o pivoteamento parcial, e verificar a exatidão e unicidade da solução:
Nova matriz de coeficientes:
3044/1340
8/35004/1340
3048/3500A
A matriz L é então constituída pelos multiplicadores utilizados nas eliminações de cada uma das linhas, logo:
014/3001
01001
lL
12/14/1014/3
101
3231
21
lllL
Exercício
Resolva o sistema linear pela Decomposição LU, utilizando o pivoteamento parcial, e verificar a exatidão e unicidade da solução:
Nova matriz de coeficientes:
3044/1340
8/35004/1340
3048/3500A
A matriz U é própria matriz de coeficientes, obtida após as eliminações e a troca de linhas:
4/1340304
0 2322
131211
uuuuu
U
8/3500
4/134000
0
33
2322
uuuU
Exercício
Resolva o sistema linear pela Decomposição LU, utilizando o pivoteamento parcial, e verificar a exatidão e unicidade da solução:
Calcular a solução do sistema Ly = Pb:
A multiplicação Pb ordena as linhas de b na ordem das linhas pivotais.
2001 y
392
12/14/1014/3001
2
1
yy
Fazendo os cálculos, vamos encontrar:
312/14/1 3y
Fazendo os cálculos, vamos encontrar: Ty 4/352/212
Exercício
Resolva o sistema linear pela Decomposição LU, utilizando o pivoteamento parcial, e verificar a exatidão e unicidade da solução:
De posse do valor de y, calcular então a solução do sistema Ux = y:
2/212
4/1340304 1
xx
4/35
2/218/35004/1340
3
2
xx
Fazendo os cálculos, vamos encontrar:
T211 Tx 211
Exercício
Resolva o sistema linear pela Decomposição LU, utilizando o pivoteamento parcial, e verificar a exatidão e unicidade da solução:
Provando a unicidade da solução:
304143
8/35004/1340
304221A
8/3500304
703544)1()1()det( 2 n
t uA
Como o det(A) ≠ 0 logo o sistema tem solução
708
44)1()1()det(1
i
iiuA
Como o det(A) ≠ 0, logo o sistema tem solução única!
Cálculo da Matriz Inversa
Seja A uma matriz quadrada de ordem n, não-singular, i é d (A) ≠ 0 U i A 1 é i d Aisto é, det(A) ≠ 0. Uma matriz A-1 é a inversa de A se
A . A-1 = A-1 . A = I
010001
22221
11211
22221
11211
n
n
n
n
vvvvvv
aaaaaa
1000321
22221
321
22221
nnnnn
n
nnnnn
n
vvvvaaaa
onde V = A-1 é usado para simplificar a notação. Para calcular V basta resolver os n sistemas lineares da
321321 nnnnnnnnnn
Para calcular V, basta resolver os n sistemas lineares da forma:
Avi = ei, i = 1, 2, …, ni i, , , ,onde vi e ei são as i-ésimas colunas das matrizes inversa e identidade, respectivamente
Cálculo da Matriz Inversa
Exemplo: Calcular a inversa da matriz abaixo:
5106264
3052
5106
Solução:
Precisaremos então calcular a solução dos seguintesPrecisaremos então calcular a solução dos seguintes sistemas: Av1 = e1, Av2 = e2, Av3 = e3, onde:
00
,,10
,,01
,,5106264
223
13
3222
12
2121
11
1 evv
vevv
vevv
vA 1003052 333231 vvv
Cálculo da Matriz Inversa
Exemplo: Calcular a inversa da matriz abaixo:Solução:
Como a matriz de coeficientes é mesma para os três sistemas, fazemos então a Decomposição LU de A:
5106001264
3/853/505106
,013/1001
,5106264
ULA 100015/23/23052
100010
P
001
Cálculo da Matriz Inversa
Exemplo: Calcular a inversa da matriz abaixo:Solução:
Calculando então a solução de cada um dos sistemas:
Coluna 1: Para Av1 = e1, a solução do sistema Ly = Pe1 é dada por:1 1, ç y 1 p
0
000
013/1001 1
yyy
A l ã d i t U é d d
1
010
15/23/2013/1
3
2 yyy
A solução do sistema Uv1 = y é dada por:
10/174/11
00
3/853/505106 11v
10/110/17
10
10003/853/50 1
31
21 vvv
Cálculo da Matriz Inversa
Exemplo: Calcular a inversa da matriz abaixo:Solução:
Calculando então a solução de cada um dos sistemas:
Coluna 2: Para Av2 = e2, a solução do sistema Ly = Pe2 é dada por:2 2, ç y 2 p
3/1
101
013/1001 1
yyy
A l ã d i t U é d d
5/4
3/100
15/23/2013/1
3
2 yyy
A solução do sistema Uv2 = y é dada por:
25/2910/17
3/11
3/853/505106 12v
25/225/29
5/43/1
10003/853/50 2
32
22 vvv
Cálculo da Matriz Inversa
Exemplo: Calcular a inversa da matriz abaixo:Solução:
Calculando então a solução de cada um dos sistemas:
Coluna 3: Para Av3 = e3, a solução do sistema Ly = Pe3 é dada por:3 3, ç y 3 p
1
010
013/1001 1
yyy
A l ã d i t U é d d
5/2
101
15/23/2013/1
3
2 yyy
A solução do sistema Uv2 = y é dada por:
25/210/1
10
3/853/505106 13v
25/125/2
5/21
10003/853/50 3
33
23 vvv
Cálculo da Matriz Inversa
Exemplo: Calcular a inversa da matriz abaixo:Solução:
Consequentemente, A-1 = V = [v1 v2 v3], ou seja:
080161711,07,15,2
25/225/2910/1710/110/174/11
1A
04,008,01,008,016,17,1
25/125/210/125/225/2910/171A
A relação A . A-1 = I pode ser verificada:
010001
08,016,17,11,07,15,2
5106264
A
10004,008,01,03052
Métodos Iterativos
A solução de problemas complexos com sistemas li d à / i ê i d i dlineares tende à geração/existência de matrizes de coeficientes grandes e/ou esparsas Grandes Comum para n > 100.000 Esparsas Maioria dos coeficientes nulos
Resolução de sistemas esparsos por métodos diretos Processos de triangularização e fatoração Onerosos,
por não preservarem a esparsidade original, que pode ser útil por facilitar a resolução do sistema.
Métodos Iterativos
Métodos mais apropriados para a resolução de i d Mé d I isistemas de natureza esparsa Métodos Iterativos Gauss-Jacobi, Gauss-Seidel
Métodos Iterativos
Os métodos iterativos consistem em gerar, a partir de i i i l 0 ê i d { 0 1 2um vetor inicial x0, uma sequência de vetores {x0, x1, x2,
…, xk, …} que deve convergir para a solução x do sistemasistema
)0(x )1(x )2(1x )(
1kx
)0(2
1
x
x
)1(2
1
x
x
)2(2
1
x
x
)(2
1
kx
x
)0(3x
)1(3x
)2(3x
)(3kx
)0(nx
)1(nx
)2(nx
)(knx
Métodos Iterativos
Lembretes importantes: Como todo processo iterativo, estes métodos sempre
apresentarão um resultado aproximado, que será tão próximo do resultado real conforme o número de iterações realizadas.
Além disto, também é preciso ter cuidado com a convergência destes métodos.
Métodos Iterativos - Funcionamento
Os métodos iterativos funcionam a partir da f d i li A b Ctransformação do sistema linear Ax = b em x = Cx + g,
onde:
A: matriz dos coeficientes (n x n)
x: vetor das variáveis (n x 1)
b: vetor dos termos constantes, (n x 1)
C: matriz n x n
g: vetor n x 1
Métodos Iterativos - Funcionamento
Conhecida a estimativa inicial, x(0), obtém-se iconsecutivamente os vetores:
o)aproximaçã(primeira)0()1( gCxx
o)aproximaçã (segunda ,o)aproximaçã(primeira ,
)1()2( gCxxgCxx
o)aproximaçãésima-(k)1()( gCxx kk
De um modo geral, a aproximação x(k+1) é calculada
o)aproximaçãésima(k ,gCxx
gpela fórmula:
x(k+1) = C x(k) + g, k = 0, 1, ...chamada de função de iteração, dada na forma matricial
Método de Gauss - Jacobi
Dado o sistema linear:
nn bxaxaxa ... 11212111
nn bxaxaxa ... 22222121
nnnnnn bxaxaxa ...2211
e supondo , i = 1, …, n.0iiaii
Método de Gauss - Jacobi
Isolamos então o vetor x mediante a separação pela di l A i i d i i ddiagonal. Assim, a partir da primeira equação do sistema:
b
obtemos:
11212111 ... bxaxaxa nn
)(1 xaxaxabx obtemos:
e, analogamente:
)...( 1313212111
1 nnxaxaxaba
x
e, analogamente:
)...(1232312122 nnxaxaxab
ax
22a
)(1 b )...( 113311 nnnnnnnn
n xaxaxaba
x
Método de Gauss - Jacobi
Dessa forma, temos x = C x + g, onde:
abxaaaaaax /0
n
n
babab
xx
aaaaaaaaaaaa
xx
///
00
0
222
111
2
1
22222232221
11111131112
2
1
n abxaaaaaax /0 3333333333233313
nnnnnnnnnnnnnn abxaaaaaax /0321
x(k+1) C x(k) g
Método de Gauss - Jacobi
O método de Gauss-Jacobi consiste em, dado , i i i i l b é d
)0(x 1 kaproximação inicial, obter através da
relação recursiva :
......,1 kxx gCxx kk 1
)...(1 )(
1)(
313)(
212111
)1(1
knn
kkk xaxaxaba
x
)...(1 )(
2)(
323)(
1212)1(
2
11
knn
kkk xaxaxabx
a
)( 2323121222
2 nna
)...(1 )(11,
)(22
)(11
)1( knnn
kn
knn
kn xaxaxab
ax nna
Método de Gauss - Jacobi
O processo é repetido até que o vetor esteja fi i ó i
kx 1ksuficientemente próximo ao vetor
A distância entre duas iterações é dada por
1kx
A distância entre duas iterações é dada por
- max d 1)(k-i
(k)i
(k) xx
assim, dada uma precisão , o vetor será escolhido como , solução aproximada da solução
ii
kxx
escolhido como , solução aproximada da solução exata, se
x d(k)
Podemos utilizar também como critério de parada o erro relativo:
d(k)
max
d d )(
( )(k)r
k
ix
Método de Gauss - Jacobi
Exemplo: Resolva o sistema abaixo utilizando Gauss-
Jacobi com :0501 60,7
)0(
Jacobi com : 05,00,61,6-)0(
ex
7 2 10 321 xxx
8 5 321
321
xxx 6103 2 321 xxx
Método de Gauss - Jacobi
Exemplo: Resolva o sistema abaixo utilizando Gauss-J biJacobi :
85
7 2 10 321
xxxxxx
6 10 3 2 8 5
321
321
xxxxxx
O processo iterativo é dado por:
7121
8111107
101
1020) 2 (7
101 )(
3)(
2)(
1)(
3)(
2)1(
1kkkkkk xxxxxx
632158
51 0
51 8
51 )(
3)(
2)(
1)(
3)(
1)1(
2kkkkkk xxxxxx
106 0
103
102 3 26
101 )(
3)(
2)(
1)(
2)(
1)1(
3kkkkkk xxxxxx
Método de Gauss - Jacobi
Exemplo: Resolva o sistema abaixo utilizando Gauss-J biJacobi :
85
7 2 10 321
xxxxxx
6 10 3 2 8 5
321
321
xxxxxx
Na forma matricial temos: gCxx kk 1
1/10 -2/10 -0
C
8/57/10
ge
03/10– 1/5-1/5-01/5-C
6/108/5-ge
Método de Gauss - Jacobi
Exemplo: Resolva o sistema abaixo utilizando Gauss-J biJacobi :
85
7 2 10 321
xxxxxx
6 10 3 2 8 5
321
321
xxxxxx
Assim para k=0 e temos:
1,6-0,7
)0(xAssim para k 0 e temos:
0,6
1,6x
86,16,16,02,07,02,06,12,02,0
96,07,06,0 1,0 )6,1(2,07,0 1,0 2,0)0(
3)0(
1)1(
2
)0(3
)0(2
)1(1
xxx
xxx
94,06,0)6,1(3,07,02,0 6,0 3,02,0
86,16,16,02,07,02,06,12,02,0 )0(
2)0(
1)1(
3
312
xxx
xxx
Método de Gauss - Jacobi
Exemplo: Resolva o sistema abaixo utilizando Gauss-J biJacobi :
85
7 2 10 321
xxxxxx
6 10 3 2 8 5
321
321
xxxxxx
0,96
Logo:
0 941,86- g C (0)(1) xx
0,94
Método de Gauss - Jacobi
Exemplo: Resolva o sistema abaixo utilizando Gauss-J biJacobi :
85
7 2 10 321
xxxxxx
6 10 3 2 8 5
321
321
xxxxxx
Calculando , para temos:d(1)
1,86-0,96
6,1-7,0
(1))0( xexCalculando , para temos:dr
0,94
1,866,06,1 xex
26,0 - )0(1
)1(1 xx
1828,086,134,0
max34,0d
)1()1(
ir x
26,0 - )0(2
)1(2 xx
i34,0- )0(
3)1(
3 xx
Método de Gauss - Jacobi
Exemplo: Resolva o sistema abaixo utilizando Gauss-J biJacobi :
85
7 2 10 321
xxxxxx
6 10 3 2 8 5
321
321
xxxxxx
Assim para k=1 e temos:
1,86-0,96
)1(xAssim para k 1 e temos:
0,94
1,86x
98,16,194,02,096,02,06,12,02,0
978,07,094,0 1,0 )86,1(2,07,0 1,0 2,0)1(
3)1(
1)2(
2
)1(3
)1(2
)2(1
xxx
xxx
966,06,0)86,1(3,096,02,0 6,0 3,02,0
,,,,,,,,,)1(
2)1(
1)2(
3
312
xxx
Método de Gauss - Jacobi
Exemplo: Resolva o sistema abaixo utilizando Gauss-J biJacobi :
85
7 2 10 321
xxxxxx
6 10 3 2 8 5
321
321
xxxxxx
0,978
Logo:
0 9661,98- g C )1()2( xx
0,966
Método de Gauss - Jacobi
Exemplo: Resolva o sistema abaixo utilizando Gauss-J biJacobi :
85
7 2 10 321
xxxxxx
6 10 3 2 8 5
321
321
xxxxxx
Calculando , para :d(2)
1,98-0,978
1,86-0,96
)2()1( xexCalculando , para :dr
0,966
1,980,941,86 xex
018,0 - )1(1
)2(1 xx
0,060698,112,0
max12,0d
)2()2(
ir x
12,0 - )1(2
)2(2 xx
i026,0 - )1(
3)2(
3 xx
Método de Gauss - Jacobi
Exemplo: Resolva o sistema abaixo utilizando Gauss-J biJacobi :
85
7 2 10 321
xxxxxx
6 10 3 2 8 5
321
321
xxxxxx
Prosseguindo com as iterações temos:Para k=2Para k 2
0,01630,0324d1,9888-0,9994
gC (2)(2)(3)
xx 0,01631,9888
d0,99841,9888gC r
xx
Método de Gauss - Jacobi
Exemplo: Resolva o sistema abaixo utilizando Gauss-J biJacobi :
85
7 2 10 321
xxxxxx
6 10 3 2 8 5
321
321
xxxxxx
Logo a solução obtida pelo método de Gauss-Jacobi é:
1 98880,9994
(3)
0,99841,9888- (3)xx
Método de Gauss – Jacobi - Convergênciag
No exemplo estudado, o valor de foi fornecido d d bl T d i ê i
(0)xcomo entrada do problema. Todavia, a convergência ou não dos métodos iterativos independe da aproximação inicial escolhidaaproximação inicial escolhida
Teorema: Critério das Linhas Teorema: Critério das LinhasDado um sistema Ax=b, é condição suficiente para a convergência do método iterativo de Gauss-Jacobi:convergência do método iterativo de Gauss Jacobi:
n ..., 3, 2, 1,i para , ii
n
ij aa
ou seja, o somatório do módulo de todos os elementos
1
ijj
da linha, exceto o elemento da diagonal principal, deve ser menor que este elemento
Método de Gauss – Jacobi - Convergência
Analisando a matriz A do sistema linear do exemplo i
g
anterior:
1511210
A
Assim:
1032
151A
Assim:
31210 131211 aaa
53210
2115
323133
232122
aaa
aaa
Logo, como temos a
53210 323133 aaa
3 2, 1,i para ii
n
ij aa
convergência garantida para o método de Gauss-Jacobi
1
ijj
Método de Gauss – Jacobi - Convergência
Exemplo: Dado o sistema:
g
322523
321
321
xxxxxx
686
3225
32
321
xxxxx
O critério das linhas não é satisfeito pois:
4131
Contudo, se permutarmos a primeira equação com a
4131 131211 aaa
segunda, temos o sistema linear:
23
3225 321
xxxxxx
686
23
32
321
xxxxx
Método de Gauss – Jacobi - Convergência
Exemplo: Dado o sistema:
g
322523
321
321
xxxxxx
686
3225
32
321
xxxxx
O novo sistema é equivalente ao sistema original e sua matriz A satisfaz o critério de linhas:sua matriz A satisfaz o critério de linhas:
225
860131A
Método de Gauss – Jacobi - Convergência
Conclusão:
g
Sempre que o critério de linhas não for satisfeito, de emos tentar ma perm tação de linhas e/o col nasdevemos tentar uma permutação de linhas e/ou colunas de forma a obtermos uma disposição para a qual a matriz dos coeficientes satisfaça o critério de linhasmatriz dos coeficientes satisfaça o critério de linhas
Exercício
Calcule as 3 primeiras iterações do método de Gauss-J bi d i li b iJacobi do sistema linear abaixo:
7924 321 xxx
51523865
321
321
xxxxxx
Utilize como chute inicial:
321
21
)0(xUtilize como chute inicial:
3
Sol.:
667,3
5,7 )1(x
039,5783,4
)2(x
361,4246,2
)3(x
533,0
656,0
686,0
Método de Gauss - Seidel
Similarmente ao método de Gauss-Jacobi, conhecida a (0)estimativa inicial, x(0), obtém-se consecutivamente os
vetores x(1), x(2), ..., x(k)
Todavia, ao se calcular xj(k+1), usa-se todos os valores
x (k+1) x (k+1) x (k+1) que já foram calculados e osx1(k+1), x2
(k+1), ..., xj-1(k+1) que já foram calculados e os
valores xj+1(k), xj+2
(k), ..., xn(k) restantes.
Método de Gauss - Seidel
O processo do método de Gauss - Seidel se dá a partir das equações:
111131321211
1 ...1 kkkkk xaxaxaxabx
11
111,1313212111
1
1
...
kkkkk
nnnn
xaxaxaxabx
xaxaxaxaba
x
111
211,2323121222
2
1
...
kkkkk
nnnn xaxaxaxaba
x
311,3
1232
11313
33
13 ...1 k
nnknn
kkk xaxaxaxaba
x
111
122
111
1 ...1 knnn
kn
knn
kn xaxaxabx
11,2211 nnnnnnnn
n a
Método de Gauss - Seidel
Exemplo: Resolva o sistema abaixo utilizando Gauss-
Seidel com :05000
)0(
Seidel com : 05,000)0(
ex
5 5 321 xxx
6 4 3 321
321
xxx 0633 321 xxx
Método de Gauss - Seidel
Exemplo: Resolva o sistema abaixo utilizando Gauss-S id lSeidel:
643
5 5 321
xxxxxx
0 6 3 36 4 3
321
321
xxxxxx
O processo iterativo é dado por:
1151
1361
51
51
55) 5(
51 )(
3)(
2)(
3)(
2)1(
1kkkkk xxxxx
3301
41
43
46 36
41 )(
3)1(
1)(
3)1(
1)1(
2kkkkk xxxxx
63
63
60 3 30
61 )1(
2)1(
1)1(
2)1(
1)1(
3kkkkk xxxxx
Método de Gauss - Seidel
Exemplo: Resolva o sistema abaixo utilizando Gauss-S id lSeidel:
643
5 5 321
xxxxxx
0 6 3 36 4 3
321
321
xxxxxx
Assim para k=0 e temos:
00
)0(xAssim para k 0 e temos:
00x
75,0025,0175,05,125,075,05,1
10 2,0 02,01 2,0 2,01)0(
3)1(
1)1(
2
)0(3
)0(2
)1(1
xxx
xxx
875,075,05,015,00 5,05,00
75,0025,0175,05,125,075,05,1 )1(
2)1(
1)1(
3
312
xxx
xxx
Método de Gauss - Seidel
Exemplo: Resolva o sistema abaixo utilizando Gauss-S id lSeidel:
643
5 5 321
xxxxxx
0 6 3 36 4 3
321
321
xxxxxx
1
Logo:
875075,0 g C (0)(1) xx
875,0
Método de Gauss - Seidel
Exemplo: Resolva o sistema abaixo utilizando Gauss-S id lSeidel:
643
5 5 321
xxxxxx
0 6 3 36 4 3
321
321
xxxxxx
Calculando , para temos:d(1)
75,01
00
(1))0( xex
1 - )0(1
)1(1 xx
Calculando , para temos:dr
875,0
75,000 xex
1175,0 - )0(
2)1(
2 xx 111
max1d
)1()1(
ir x
875,0 - )0(3
)1(3 xx
Método de Gauss - Seidel
Exemplo: Resolva o sistema abaixo utilizando Gauss-S id lSeidel:
643
5 5 321
xxxxxx
0 6 3 36 4 3
321
321
xxxxxx
Assim para k=1 e temos:
0,751
)1(xAssim para k 1 e temos:
0,875-
0,75x
950875025002517505125075051
025,1875,0 2,0 75,02,01 2,0 2,01)1()2()2(
)1(3
)1(2
)2(1
xxx
xxx
9875,095,05,0025,15,00 5,05,00
95,0875,025,0025,175,05,125,075,05,1)2(
2)2(
1)2(
3
312
xxx
xxx
Método de Gauss - Seidel
Exemplo: Resolva o sistema abaixo utilizando Gauss-S id lSeidel:
643
5 5 321
xxxxxx
0 6 3 36 4 3
321
321
xxxxxx
025,1
Logo:
9875095,0 g C )1()2( xx
9875,0
Método de Gauss - Seidel
Exemplo: Resolva o sistema abaixo utilizando Gauss-S id lSeidel:
643
5 5 321
xxxxxx
0 6 3 36 4 3
321
321
xxxxxx
Calculando , para :d(2)
95,0025,1
75,01
)2()1( xex
2020
Calculando , para :dr
9875,0
95,0875,075,0 xex
025,0 - )1(1
)2(1 xx
1951,0025,1
2,0max
2,0d)2(
)1(
ir x
20,0 -)1()2(
)1(2
)2(2 xx
1125,0 - )1(3
)2(3 xx
Método de Gauss - Seidel
Exemplo: Resolva o sistema abaixo utilizando Gauss-S id lSeidel:
643
5 5 321
xxxxxx
0 6 3 36 4 3
321
321
xxxxxx
Prosseguindo com as iterações temos:Para k=3Para k 3
ε4090 0d991200075,1
gC )3()2()3(
xx ε4090,0d9930,9
9912,0gC )(r
)()(
xx
Método de Gauss - Seidel
Exemplo: Resolva o sistema abaixo utilizando Gauss-S id lSeidel:
643
5 5 321
xxxxxx
0 6 3 36 4 3
321
321
xxxxxx
Prosseguindo com as iterações temos:Logo a solução obtida pelo método de Gauss-Seidel é:Logo a solução obtida pelo método de Gauss Seidel é:
0075,1
9930 9
9912,0 )3(xx 9930,9
Método de Gauss – Seidel - Convergênciag
Para o método de Gauss - Seidel, utilizaremos os i i é i d ê iseguintes critérios de convergência
Critério de SassenfeldC ité i d Li h Critérios das Linhas
Critério de Sassenfeld
Sejam o valores dados por:i
11 1
11
n
ij
i
jiji
n
j aaa
eaa
n ordem do sistema linear que se deseja resolvern ..., 3, 2, i para
11211
ijjiij aa
n - ordem do sistema linear que se deseja resolveraij - coeficientes das equações do sistema
Este critério garante que o método de Gauss-Seidel i á d d SEL l M d fi idconvergirá para um dado SEL se o valor M, definido por:
iMnimax
1
for menor que 1 (M<1). Além disso, quanto menor o valor de mais rápida será a convergência
Critério de Sassenfeld
Seja A a matriz dos coeficientes e b o vetor dos d dtermos constantes, dados por:
1 aaa
114131211
baaaabaaaa
14131211
1
1
aaa
aaaa
334333231
224232221
baaaabaaaa
342321313
242312122
2
1
aaa
aaaa
444434241 baaaa
3432421414
3423213133
3
1
aaa
aaaa
34324214144
4 a
Critério de Sassenfeld
Exemplo: Mostrar que a solução do sistema a seguir i á l é d d G S id lconvergirá pelo método de Gauss - Seidel.
4,0 2,02,0 2 4321 xxxx
12,02,01,0
8,73,06,03 6,0
4321
4321
xxxxxxxx
10 48,0 2,1 4,0
,,,
4321
4321
xxxx
Critério de Sassenfeld
Exemplo: Mostrar que a solução do sistema a seguir i á l é d d G S id lconvergirá pelo método de Gauss - Seidel.
0,2 0,2- 1,0 2,0
0,2 1,0 0,2- 0,1-0,3- 0,6- 3,0 0,6 ,,,,
A 7,0max
1
iniM
70202011
4,0 0,8 1,2 0,4 ,,,,
Logo, como M < 1, o método deGauss – Seidel converge para o
44,03,06,07,06,031
7,02,02,012
2
1
sistema em questão
358,02,044,02,07,01,0113
3
2
2736,0358,08,044,02,17,04,0411
4
Critério de Sassenfeld
O exemplo anterior também satisfaz o critério das li hlinhas:
0,2 0,2- 1,0 2,0
4 00 81 20 40,2 1,0 0,2- 0,1-0,3- 0,6- 3,0 0,6
A 4 3, 2, 1,i para 1
ii
n
jij aa
4,0 0,8 1,2 0,4 ijj
5,13,06,06,03
4,12,02,012
24232122
14131211
aaaa
aaaa
428021404
5,02,02,01,01 34323133
3
aaaa
aaaa
4,28,02,14,04 43424144 aaaa
Considerações finais – Gauss Seidelç
Tanto o Critério de Sassenfeld quanto o Critério das Li h di fi i éLinhas são condições suficientes, porém não necessárias, para a convergência do método de Gauss Seidel para um dado sistema linearGauss-Seidel para um dado sistema linear
Um dado sistema pode não satisfazer estes critérios e Um dado sistema pode não satisfazer estes critérios e ainda convergir
Um sistema pode não satisfazer o Critério das Linhas, porém sua convergência será garantida se satisfizer o Critério de Sassenfeld
Considerações finais – Gauss Seidelç
Critério das Linhas x Critério de Sassenfeld
Exemplo: Seja o sistema linear abaixo:
182623 10
21
21
xxxx
O Critério das Linhas não é satisfeito, visto que: 21
Todavia o Critério de Sassenfeld é satisfeito, uma vez que:
62 2122 aa
3,01,06211,01
101
21 e
Convergência garantida!
210
Considerações finais – MétodosDiretos/Iterativos Métodos Diretos
Processos finitos Teoricamente obtêm a solução de qualquer sistema não
singular ( det(A) ≠ 0 ) Podem sofrer com problemas de arredondamento
Solução: Técnicas de Pivoteamento
Métodos Iterativos Métodos Iterativos Convergem para a solução do sistema linear somente
sob certas condiçõessob certas condições Sofrem menos com problemas de arredondamento Convergência independe do valor de x(0) Convergência independe do valor de x
Somente erros cometidos na última iteração afetam a solução
Exercício
Verifique se o sistema abaixo atende ao Critério das Li h / C i é i d S f ld D i l lLinhas e/ou Critério de Sassenfeld. Depois, calcule as 3 primeiras iterações do método de Gauss - Siedel :
38657924 321
xxxxxx
51523865
321
321
xxxxxx
Utilize como chute inicial: Tx 321 )0(
Sol.
75,15,7
)1(x
266,0026,1
)2(x
01,1292,2
)3(x
0,067
3,0
315,0