Capítulo 2. Método de Choleski´s e Método Crout · a fatoração de uma matriz em um produto de...

59

Grupo : Alexandre Luis de Andrade Capretz; Fernando Augusto Martins; Flávio

Hitoshi; Glauter Fonseca Jannuzzi; Moisés Ari Lino de Oliveira; Ricardo Chindi.

Capítulo 2. Método de Choleski´s e Método Crout 2.1. Introdução O método de eliminação de Gauss é a principal ferramenta para a solução direta de

sistemas de equações lineares da forma Ax = b. Pode-se também utilizar este método para

a fatoração de uma matriz em um produto de matrizes, visando facilitar sua manipulação.

A fatoração é particulamente usada quando se tem a forma A = LU, onde L é uma matriz

triangular inferior e U é uma matriz triangular superior. Nem todas as matrizes podem ser

fatoradas desta maneira, porém grande parte delas ocorre frequentemente nos estudos de

técnicas numéricas.

Nesse trabalho estudaremos dois métodos de resolução de sistemas de equações

lineares, onde em cada um é usado um método de fatoração de matrizes seguido de um

método de substituição para se obter a resolução do sistema.

2.2. Motivação

Os métodos de Choleski´s e Crout são bastante importante para a fatoração de

sistemas lineares.

60

No primeiro método (Choleski´s), a fatoração da matriz A de coeficientes do

sistema é feita através da multiplicação da matriz L por sua transposta L’, o que reduz o

número de multipliações/divisões e adições/subtrações em relação ao método de

fatoração LDL’.

O segundo método (Crout) é usado para resolver sistemas de equações lineares n X

n onde a matriz dos coeficientes é tridiagonal. Neste caso, a matriz A é fatorada em duas

matrizes triangulares L e U. O que facilitará a obtenção das soluções do sistema.

2.3. Método de Choleski´s

2.3.1. Fatoração LDL’

Para efeito de comparação, introduziremos o conceito de fatoração LDL’.

Para fatorar a matriz positiva A n x n definida na forma LDL’, onde L é a matriz

triangular inferior e D é a matriz diagonal com entradas positivas :

Entradas: dimensão n

entradas aij, 1< i, j < n de A

Saídas: entradas lij , 1< j<i, 1< i< n de L e di, 1< i< n de D

1° passo : Para i=1,...,n faça passos 2-4

2° passo : Para j=1,...,i-1, vj = lijdj

3° passo : di = aij - l vij jj

i

=

−

�1

1

4° passo : Para j = i + 1, ..., n faça Iji = (aji - l vjk kk

i

=

−

�1

1

) / di.

5° passo : Saídas (Iij para j = 1, ..., i-1 e i = 1, ..., n);

61

Saídas (di para i = 1, ..., n)

Fim.

2.3.2. Choleski´s

Para fatorar uma matriz positiva A definida de ordem n x n em LL`, onde L é

triangular inferior, utilizamos o seguinte algoritmo :

Entradas: dimensão n

entradas aij ,1 < i,j< n de A

Saídas: entradas lij, 1< j< i,1< i< n de L (As entradas de U=L` são uij =lij,

i< j< n, 1< i< n).

1° passo : l11= a11

2° passo : Para j=2,...,n e ej1 = aij / e11

3° passo : for i=2,...,n-1 faça passos 4 e 5

4° passo : l a lii ii ikk

i

= −�

��

��=

−

� 2

1

1 1 2/

5° passo : For j = i+1, ... ,n

ll

a l ljiij

ij jk ikk

i

= −�

��

�

��

=

−

�1

1

1

6° passo : l a lnn nn nkk

n

= −�

��

�

��

=

−

� 2

1

112

7° passo : Saídas (lij, Para j=1,...,i e i=1,...,n)

Fim

Exemplo : A matriz:

62

A =−

−

�

�

��

�

�

��

4 1 11 4 25 2 75

1 2 75 35. .. .

é positiva definida. A fatoração LDL’ de A dada no algoritmo de fatoração LDL’ é:

A = −�

�

��

�

�

��

�

�

��

�

�

��

−�

�

��

�

�

��

1 0 00 25 1 0

0 25 0 75 1

4 0 00 4 00 0 1

1 0 25 0250 1 0 750 0 1

. .. .

. .. = LDL’

e wazzu o algoritmo de Choleski produz a fatoração :

A LL= = −�

�

��

�

�

��

−�

�

��

�

�

��

' .. .

. ..

2 0 005 2 0

05 15 1

2 0 5 0 50 2 150 0 1

A fatoração LDL` descrita no algoritmo requer n

nn3

2

676

+ − multiplicações /

divisões e n n3

6 6− adições / subtrações. E a fatoração de Choleski LL’ de uma matriz

positiva definida requer somente n n n3 2

6 223

+ − multiplicações / divisões e n n3

6 6−

adições / subtrações. A vantagem computacional da fatoração de Choleski é ilusória, ao

passo que ela necessita achar n raízes quadradas. O número de operações requeridas para

computar as n raízes quadradas é um fator linear de n e decrescerá significativamente

tanto quanto n crescer.

O algoritmo de Fatoração LDL’ nos mostra um método estável de fatorar uma

matriz positiva definida da forma A=LDL’ , mas deve ser modificado para resolver o

sistema linear Ax=b. Para fazer isto, nos deletamos a linha Fim do passo 5 do algoritmo e

adicionamos os seguintes passos para resolver o sistema triangular linear Ly=b.

6° passo : y1 = b1

63

7° passo : Para i=2,...,n, yi = bi - l yij jj

i

=

−

�1

1

.

sistema linear Dz = y pode ser resolvido por

8° passo : Para i=1,...,n, faça zi = yi / di

Finalmente, o sistema triangular superior L’x = z e resolvido com os passos dados por

9° passo : xn = zn.

10° passo : Para i=n-1,...,1, faça xi = zi - l xji jj i

n

= +�

1.

11° passo : Saídas (xi , para i=1,...,n);

Fim.

As operações adicionais requeridas para resolver o sistema linear são mostradas na tabela

abaixo:

Passo Multiplicações / Divisões Adições / Subtrações 6 0 0

7 ( )n n/ −12

( )n n/ −12

8 n 0 9 0 0

10 ( )n n/ −12

( )n n/ −12

Total n2 n2 - n

Se a fatoração Choleski é preferida, os passos adicionais para resolver o sistema

Ax=b estão abaixo. Primeiramente, apague o Fim do passo 7. Então, adicione :

8° passo : yi = b1/l11

64

9° passo : Para i=1,...,n, faça yi =

b l y

l

i ij jj

i

ii

−�

�

�

=

−

�1

1

10° passo : xn = yl

n

nn

11° passo : Para i = n-1,...,1, faça xi =

y l x

l

i ij jj i

n

ii

−�

�

�

= +�

1

12° passo : Saída (xi, Para i = 1,...,n)

Fim

Os passos 8-12 requerem n2 + n multiplicações / divisões e n2 - n adições /

subtrações.

A ultima classe de matrizes consideradas são chamadas band matrices. Na maioria

das aplicações as band matrices são também diagonalmente dominantes ou positivas

definidas. Esta combinação de propriedades são muito úteis.

Definição 1: Uma matriz n X n é chamada band matrix se existirem inteiros p e q,

com 1 < p,q < n, onde aij = 0 sempre que i + p < j ou j+ q < i. A

largura de banda de uma band matrix é definida como w = p + q - 1.

Por exemplo, a matriz

A = 7 2 03 5 10 5 6

−− −

�

�

��

�

�

��

é uma band matrix com p = q = 2 e largura de banda igual a 3.

A definição de band matrix força algumas matrizes a centralizar todas as suas

entradas diferentes de zero em torno da diagonal. Dois casos especiais de band matrix

65

que ocorrem frequentemente na prática são os casos em que p = q = 2 e p = q = 4. A

matriz de largura de banda 3, ocorrendo quando p = q = 2, também é utilizada no estudo

de aproximações por spline cúbico. Estas matrizes são chamadas de Tridiagonais, desde

que elas tem a forma:

A =

a a

a a a

a a a

an nan n an n

11 12 0

21 22 230 32 33 34 0

10 0 1

� �

� �

� � � �

�

−−

�

�

��

�

�

��

,, ,

Além disso, Matrizes Tridiagonais também estão ligadas ao estudo de

aproximações lineares picewise para problemas de valores de limite, quando as funções

de aproximação assumem a forma de splines cúbicos.

O algoritmo de fatoração pode ser simplificado consideravelmente no caso de band

matrices porque um grande número de zeros ocorrem nestas matrizes em modelos

regulares. É particularmente interessante observar a forma que os métodos de Crout ou

Doolittle assumem neste caso. Para ilustrar esta situação, suponha a matriz tridiagonal

A =

a a

a a a

a a a

an nan n an n

11 12 0

21 22 230 32 33 34 0

10 0 1

� �

� �

� � � �

�

−−

�

�

��

�

�

��

,, ,

que pode ser fatorada dentro de matrizes triangulares L e U.

Desde que A tem apenas (3n - 2) entradas não-nulas, existem apenas (3n - 2)

condições para ser aplicadas para determinar as entradas de L e U, fornecidas, é claro,

66

que as entradas nulas de A são também obtidas. Suponha que as matrizes podem ser

encontradas na forma

L =

I

I I

I In n nn

11

21 22

1

0 0

00

0 0

� �

� �

� � � �

� � � �

� , −

�

�

��

�

�

��

e U =

1 0 00 1

0

0 0 1

12

1

u

un n

�

� � �

� � � �

� � �

� �

−

�

�

��

�

�

��,

Existem (2n - 1) entradas indeterminadas de L e (n - 1) entradas indeterminadas de

U, os quais totalizam um número de condições iguais a (3n - 2). As entradas nulas de A

são obtidas automaticamente.

A multiplicação envolvida com A = LU nos dá, junto com as entradas nulas,

a11 = I11;

(1) ai,i-1 = Ii,i-1, para cada i = 2,3, ..., n;

(2) aii = Ii,i-1ui-1,i + Iii, para cada i = 2,3, ..., n;

e

(3) ai,i+1 = Iiiui,i+1, para cada i = 1,2,..., n-1.

67

A solução para este sistema é encontrada, primeiramente, pelo uso da Eq. (1) para

obter todos os termos não-nulos da off-diagonal em L, e então usando as Eqs. (2) e (3)

para obter alternativamente o restante das entradas em U e L. Estes podem ser

armazenados na entrada correspondente de A. O Algoritmo de Fatoração de Crout

resolve um sistema de equações lineares n X n, onde cada coeficiente da matriz é

tridiagonal. Este algoritmo requer apenas (5n - 4) multiplicações / divisões e (3n - 3)

adições / subtrações. Consequentemente, este algoritmo tem uma considerável vantagem

computacional em relação aos métodos que não consideram a tridiagonalidade da matriz.

dimensão naij, 1<=i,j<=n

l11=a111/2

i=j=2

j<=n lj1=aj1/l11j=j+1Yes

i<=(n-1)

No

Yes

xn=yn/lnni=(n-1)

lii=[aii-somatk=1i-1(lik

2)]1/2

j=i+1 j=>n Yes

No

lji=1/lii[aji-somatk=1i-1(lj k *li k)]

j=j+1

No

lnn=[ann-somatk=1n-1(lnk

2)]1/2

y1=b1/l11i=2

i<=n Yes

No

yi=[bi-somat j=1i-1(lij*yj)]/lii

i=i+1

i>=1 xi=[yi-somat j=i+1n(lj i*xj)]/lii

i=i-1Yes

No

i=i+1

xi, 1<=i<=n

FLUXOGRAMA DO MÉTODO DE CHOLESKI'S

68

// Programa : CHOLESKI.CPP

// Finalidade : Resolver sistemas de equações lineares.

// Data : 02/06/97.

#include <stdio.h>

#include <stdlib.h>

#include <conio.h>

#include <math.h>

#define MAX 3

int n;

float L[ MAX][MAX], a[MAX][MAX], y[MAX], b[MAX], x[MAX];

float somatorio;

float somatorio1;

float somatorio2;

float somatorio3; float somatorio4;

Bloco Principal :

void main()

{

int j=0,i=0,k=0;

clrscr();

69

printf("Dimensao da matriz quadrada:");

scanf("%i",&n);

for (i=0;i<n;i++)

for (j=0;j<n;j++)

{

printf("Elemento %i,%i: ",i+1,j+1);

scanf("%f",&a[i][j]);

};

L[0][0]=sqrt(a[0][0]); //STEP 1

for (j=1;j<n;j++) //STEP 2

L[j][0]=a[j][0]/L[0][0];

for (i=1;i<n-1;i++) //STEP 3 (que inclui STEP's 4 e 5)

{

for (k=0;k<=i-1;k++)

somatorio+=pow(L[i][k],2);

L[i][i]=sqrt(a[i][i]-somatorio); //STEP 4

for (j=i+1;j<n;j++) //STEP 5

{

for (k=0;k<=i-1;k++)

somatorio1+=L[j][k]*L[i][k];

L[j][i]=(1/L[i][i])*(a[j][i]-somatorio1);

}

}

70

for (k=0;k<n-1;k++)

somatorio2+=pow(L[n-1][k],2);

L[n-1][n-1]=pow(a[n-1][n-1]-somatorio2,0.5); //STEP 6

printf("\nMatriz de choleski:\n");

for (i=0;i<n;i++)

for (j=0;j<n;j++) //STEP 7

printf("Elemento %i,%i: %f\n",i+1,j+1,L[i][j]);

printf("\nEntre com os valores da matriz B:");

for (i=0;i<n;i++)

{

printf("\nElemento %i: ",i+1);

scanf("%f",&b[i]);

}

y[0]=b[0]/L[0][0]; //STEP 8

for (i=1;i<n;i++) //STEP 9

{

for (j=0;j<i;j++)

somatorio3+=L[i][j]*y[j];

y[i]=(b[i]-somatorio3)/L[i][i];

}

x[n-1]=y[n-1]/L[n-1][n-1]; //STEP 10

for (i=n-2;i>-1;i--) //STEP 11

{

71

for(j=i+1;j<n;j++)

somatorio4+=L[j][i]*x[j];

x[i]=(y[i]-somatorio4)/L[i][i];

}

printf("\nResultado do sistema Ax=B:");

for (i=0;i<n;i++) //STEP 12

printf("\n x%i: %f",i+1,x[i]);

}

*** SAÍDA DO PROGRAMA ***

Dimensao da matriz quadrada:3

Elemento 1,1: 1 Elemento 1,2: 1 Elemento 1,3: 2



Matriz de choleski:

Elemento 1,1: 1.000000 Elemento 1,2: 0.000000 Elemento 1,3: 0.000000



Entre com os valores da matriz B:

Elemento 1: 2 Elemento 2: 1 Elemento 3: 1

Resultado do sistema Ax=B:

x1: 12.500000 x2: -0.500000 x3: -5.000000

72

2.4. Fatoração Crout para sistemas linerares

tridiagonais

Para resolver o sistema linear n x n

E a x a x1 11 1 12 2: + = a1,n+1

E a x a x a x2 21 1 22 2 23 3: + + = a2,n+1

. . .

. . .

. . . En−1:: a x a x a xn n n n n n n n− − − − − − −+ +1 2 2 1 1 1 1, , , = an-1,n+1

En : an,n-1xn-1 + annxn = an,n+1

o qual é assumido ter uma única solução.

ENTRADAS: a dimensão da matriz n;

as entradas da matriz A;

SAÍDAS: as solução de x1,...xn.

1º Passo: definir l11=a11;

u12=a12 / l11.

2º Passo: Para i = 2,...,n-1 faça

li,i-1 = ai,i-1; (para a i-ésima linha de L)

lii = aii - li,i-1 * ui-1,i;

ui,i+1 = ai,i+1 / lii (para a (i+1)-ésima coluna de U)

73

3º Passo definir ln,n-1 = an,n-1; (para a n-ésima linha de L)

lnn = ann - ln,n-1 * un-1,n;

(o 3º e 4º passos resolvem Lz = b)

4º Passo: definir z1 = a1,n+1 / l11.

5º Passo: Para i = 2,...,n faça

zl

a l ziii

i n i i i= −+ − −

11 1 1[ * ], , .

(o 6º e 7º passos resolvem Ux = z)

6º Passo: definir xn = zn .

7º Passo: Para i = n-1,....,1 faça

xi = zi - ui,i+1 * xi+1 .

8º Passo: Imprimir (x1, ... ,xn);

Fim.

Exemplo: Para ilustrar o procedimento envolvendo o Algoritmo de Fatoração de Crout,

considere o sistema tridiagonal de equações:

2x1 - x2 = 1,

-x1 + 2x2 - x3 = 0,

-x2 + 2x3 - x4 = 0,

-x3 + 2x4 = 1,

no qual a matriz é:

2 1 0 0 11 2 1 0 0

0 1 2 1 00 0 1 2 1

−− −

− −−

�

�

��

�

�

��

74

O algoritmo de fatoração de Crout produz a seguinte fatoração:

2 1 0 01 2 1 0

0 1 2 10 0 1 2

2 0 0 01 0 0

0 1 00 0 1

1 0 00 1 00 0 10 0 0 1

32

43

54

12

23

34

−− −

− −−

�

�

��

�

�

��

=−

−−

�

�

��

�

�

��

�

�

��

�

�

��

=

−

−

−* LU

Resolvendo o sistema Lz = b obtemos z t= ( , , , )12

13

14 1 , e a solução de Ux = z é x =

(1,1,1,1)t.

O algoritmo de fatoração de Crout pode ser aplicado quando lii ≠ 0 para cada i =

1,2,...,n. Duas condições, as quais asseguram que isto é verdade, são aquelas que o

coeficiente da matriz do sistema é definida positiva or que é exatamente a diagonal

dominante. Uma condição adicional que assegura que este algoritmo pode ser aplicado é

dada no teorema abaixo:

Teorema : Supondo que A = (aij) é tridiagonal com ai,i-1 ≠ 0 para cada i = 2,3,...,n-1.

Se |a11|>|aii|, |aii|>=|ai,i-1|+|ai,i+1| para cada i = 2, 3,...,n-1, e |ann|>|an,n-1 |, então A é não

singular e os valores de Iii descritos no algoritmo de fatoração de Crout são não nulos para

cada i = 1,2,...,n.

75

// Programa : CROUT.CPP

// Linguagem : Borland C++

// Finalidade : Realizar a fatoracao de Crout para matrizes tridiagonais.

// Data : 02/06/97

#include <stdio.h>

#include <conio.h>

#define MAX 5

void show_matriz(float t[MAX][MAX], int n)

dimensão nvalores da matriz A

l11=a11u12

=a12/l11i=2

i<=(n-1)li,i-1=ai,i-1

lii=aii-li,i-1*ui-1,iui,i+1=ai,i+1/lii

Yes

i<=n

No

Yes zi=1/l11[ai,n+1-(li,i-1*zi-1)]i=i+1

xn=zni=(n-1)

i>=1 Yes

No

xi=zi-ui,i+1*xi+1i=i-1

xi, 1<=i<=n

FLUXOGRAMA DO MÉTODO DE FATORAÇÃO DECROUT PARA SISTEMAS LINEARES TRIDIAGONAIS

ln,n-1=an,n-1lnn=ann-(ln,n-1*un-1,n)

No

i=i+1

z1=a1,n+1/l11i=2

76

{

int i, j;

for(i=0; i < n; i++)

{

for(j=0; j < n; j++)

printf("%5.2f ",t[i][j]);

printf("\n");

}

getch();

}

void main(void)

{

float a[MAX][MAX], l[MAX][MAX], u[MAX][MAX], z[MAX], x[MAX];

int i, j, n;

clrscr();

printf("\nEntre com a Ordem da Matriz (n) : ");

scanf("%d",&n);

printf("\nEntre com os valores da Matriz ...a...\n");

printf( "======================================\n");

for(i=0; i < n; i++)

for(j=0; j <= n; j++)

{

printf("Entrada (%d,%d) :",i+1,j+1);

77

scanf("%f",&a[i][j]);

l[i][j] = u[i][j] = 0; // inicializacao

z[i] = x[i] = 0; // inicializacao

}

printf("\nA Matriz ...a...");

printf("\n==========\n");

show_matriz(a,n);

// Primeiro Passo

l[0][0] = a[0][0];

u[0][1] = a[0][1] / l[0][0];

// Segundo Passo

for(i=1; i < n-1; i++)

{

l[i][i-1] = a[i][i-1]; // para a i-esima linha de L

l[i][i] = a[i][i] - l[i][i-1]*u[i-1][i];

u[i][i+1] = a[i][i+1]/l[i][i]; // para a (i+1)-esima coluna de U

}

for(i=0; i < n; i++)

u[i][i] = 1;

// O 3o. e 4o. passos resolvem Lz=b

// Terceiro Passo

l[n-1][n-2] = a[n-1][n-2]; // para a n-esima linha de L

l[n-1][n-1] = a[n-1][n-1] - l[n-1][n-2]*u[n-2][n-1];

78

printf("\nA Matriz ...l...");

printf("\n==========\n");

show_matriz(l,n);

printf("\nA Matriz ...u...");

printf("\n==========\n");

show_matriz(u,n);

// Quarto Passo

z[0] = a[0][n]/l[0][0];

// Quinto Passo

for(i=0; i < n; i++)

z[i] = (1/l[i][i]) * (a[i][n] - l[i][i-1]*z[i-1]);

// O 6o. e 7o. passos resolvem Ux=z

// Sexto Passo

x[n-1] = z[n-1];

// Setimo Passo

for(i=n-2; i >= 0; i--)

x[i] = z[i] - u[i][i+1]*x[i+1];

// Oitavo Passo

printf("\n");

for(i=0; i < n; i++)

printf("z(%d) : %f ",i+1,z[i]);

getch();

printf("\n");

79

for(i=0; i < n; i++)

printf("x(%d) : %f ",i+1,x[i]);

getch();

}

Capítulo 2. Método de Choleski´s e Método Crout · a fatoração de uma matriz em um produto de...

Documents

Transcript of Capítulo 2. Método de Choleski´s e Método Crout · a fatoração de uma matriz em um produto de...