Estudaremos métodos numéricos para resolução de sistemas lineares com n equações e n incógnitas. Estes podem ser:

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "Estudaremos métodos numéricos para resolução de sistemas lineares com n equações e n incógnitas. Estes podem ser:"

Transcrição

1 1 UNIVERSIDADE FEDERAL DE VIÇOSA Departamento de Matemática - CCE Cálculo Numérico - MAT 271 Prof.: Valéria Mattos da Rosa As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia. Resolução de Sistemas Lineares Estudaremos métodos numéricos para resolução de sistemas lineares com n equações e n incógnitas. Estes podem ser: Métodos diretos. São aqueles que, a menos de erros de arredondamento, fornecem a solução exata do sistema linear, caso ela exista, após um número finito de passos. Métodos iterativos. São aqueles que geram uma seqüência de vetores x (k), a partir de uma aproximação inicial x (0). Caso a solução exista, esta seqüência converge sob certas condições. Exemplos de métodos diretos: Para um sistema Ax = b, onde A é uma matriz n n: Regra de Cramer. Idéia: achar o i-ésimo elemento de x como x i = i, onde i é o determinante da matriz obtida a partir de A trocando-se a coluna j pela matriz coluna b. Obs: Exige o cálculo de (n+1) determinantes de ordem n o que resulta em (n+1)(n!)(n 1) operações! Eliminação Gaussiana. Idéia: Transformar o sistema original em um sistema triangular superior equivalente. Fatoração LU. Idéia: Decompor a matriz A em duas matrizes triangulares L (inferior com diagonal unitária) e U (superior) de forma que A = LU. Fatoração de Cholesky. Idéia: Sendo A uma matriz simétrica (a ij = a ji, para i, j = 1,..., n), definida positiva (x t Ax > 0, x 0), decompô-la na forma A = GG t, onde G é uma matriz triangular inferior com g ii > 0, para i = 1,..., n. Exemplos de métodos iterativos: Para um sistema Ax = b, onde A é uma matriz n n. Podemos sempre escrever A = L + D + U, onde: L é uma matriz triangular inferior; D é uma matriz diagonal;

2 1 MÉTODO DA ELIMINAÇÃO DE GAUSS. 2 U é uma matriz triangular superior. Dessa forma o sistema pode ser reescrito como: Dx = b (L + U)x, e quando detd 0 podemos escrever x = D 1 (b (L + U)x). Método de Jacobi. Idéia: Calcular x (k+1) usando a fórmula acima e todo os elementos do vetor x (k) e sendo assim a iteração seguinte é calculada como x (k+1) = D 1 (b (L+U)x (k) ) Método de Gauss-Seidel. Idéia: Calcular x (k+1) usando a fórmula acima e parte do vetor x (k) e as novas aproximações x (k+1) já calculadas nos passos anteriores. Por exemplo, no caso 3x3: x k+1 1 x k+1 2 x k+1 3 = b 1 + a 12 x k 2 + a 13 x k 3 b 2 + a 21 x k a 23 x k 3 b 3 + a 31 x k a 32 x k+1 2 Observações gerais: Os métodos diretos são adequados para sistemas pequenos (menores que 300x300) e quando a matriz dos coeficientes é cheia. Os métodos iterativos são adequados para sistemas de qualquer tamanho, quando a matriz dos coeficientes é esparsa (muitos coeficientes são nulos). São mais econômicos. Reduzem problemas com erros de arredondamento, os quais acabam sendo em grande parte absorvidos pelo processo iterativo. Também podem ser aplicados em sistemas não -lineares. 1 Método da Eliminação de Gauss. Como já dissemos, o objetivo é transformar o sistema linear em um sistema triangular superior equivalente. Teorema do MEG: Seja Ax = b um sistema linear. Aplicando sobre as equações deste sistema uma seqüência de operações elementares escolhidas entre: 1. trocar duas equações ; 2. multiplicar uma equação por um escalar não -nulo; 3. adicionar uma equação a outra; obtemos um novo sistema A x = b equivalente ao sistema original, ou seja, eles possuem as mesmas soluções. Usaremos o teorema do MEG para achar a matriz triangular superior equivalente à matriz do sistema original. Suponhamos que detd 0. Na etapa k do processo eliminaremos a variável x k das equações k + 1, k + 2,..., n. O coeficiente da matriz A na linha i, coluna j e etapa k será denotado por a (k) ij, i, j = 1,..., n. O coeficiente da matriz dos termos independentes b na linha i, coluna n + 1 e etapa k será denotado por b (k) i, i = 1,..., n.

3 1 MÉTODO DA ELIMINAÇÃO DE GAUSS. 3 Como detd 0 existe a 1j não -nulo para algum j = 1,..., n, então reescrevemos A, se necessário for, de forma que a 11 seja não -nulo. A (0) b (0) ETAPA 1: Eliminação de x 1 das equações 2, 3,..., n, fazendo L (1) 1 = L (0) 1 e L (1) i = L (0) i m i1 L (0) 1, onde m i1 = a i1/a11 são chamados de multiplicadores da etapa 1 e o elemento a 11 de pivô da etapa 1, i = 2,..., n. A (1) b (1) ETAPA 2: Eliminação de x 2 das equações 3, 4,..., n, fazendo L (2) 1 = L (1) 1, L(2) 2 = L (1) 2 e L (2) i = L (1) i m i2 L (1) 2, onde m i2 = a i2 /a 22 sø chamados de multiplicadores da etapa 2 e o elemento a 22 de pivô da etapa 2, i=3,...,n. A (2) b (2) Seguindo um raciocínio análogo, prossegue-se até a etapa (n 1) e a matriz, ao final, será uma triangular superior estendida. E o sistema A (n 1) x = b (n 1) será equivalente ao sistema Ax = b. Exercício: Resolver os sistemas abaixo pelo método de eliminação de Gauss e verificar a exatidão da solução. Use mantissa com 4 dígitos e arredondamento. 7x 1 + 2x 2 5x 3 = 18 x 1 + 5x 2 3x 3 = 40 2x 1 x 2 9x 3 = 26 4x 1 + 2x 2 x 3 + x 4 = 6 8x 1 + 4x 2 + 2x 3 2x 4 = 10 x 1 + 4x 2 + 2x 3 2x 4 = 3 2x 1 + x 2 2x 3 + 6x 4 = 8 Como vimos anteriormente, a escolha do pivô pode influenciar na precisão da solução do sistema. 1.1 Estratégias de pivoteamento: No caso de precisão infinita o pivô precisa apenas ser não-nulo, mas utilizando máquinas trabalhamos com precisão finita e então o pivô deve ser o mais longe de zero possível. a)pivoteamento parcial. Consiste em: i)no início da etapa k da fase de eliminação, escolher para o pivô o elemento de maior módulo entre os coeficientes a (k 1) ik, i = k, k + 1,..., n; ii)se necessário for, permutar linhas. Exercício: Resolver os sistemas abaixo pelo método de eliminação de Gauss e verificar a exatidão da solução. Use mantissa com 4 dígitos e arredondamento.

4 2 FATORAÇÃO LU E FATORAÇÃO DE CHOLESKY 4 7x 1 + 2x 2 5x 3 = 18 x 1 + 5x 2 3x 3 = 40 2x 1 x 2 9x 3 = 26 0, 423x1 24, 72x 2 = 20, 49 0, 004x , 73x 2 = 15, 77 0, 004x1 + 15, 73x 2 = 15, 77 0, 423x 1 24, 72x 2 = 20, 49 b)pivoteamento completo. Consiste em, no início da etapa k é escolhido o elemento de maior módulo entre todos os elementos que ainda atuam no processo de eliminação. Se max a (k 1) ij = a rs (k 1) então pivô =a rs (k 1), i, j >= k. Exercícios: 1) Resolva o sistema linear abaixo usando o MEG, com pivoteamento parcial e 3 casas decimais: 4x 1 + 2x 2 x 3 + x 4 = 6 8x 1 + 4x 2 + 2x 3 2x 4 = 10 x 1 + 4x 2 + 2x 3 2x 4 = 3 2x 1 + x 2 2x 3 + 6x 4 = 8 2 Fatoração LU e Fatoração de Cholesky 2.1 Fatoração LU Seja o sistema linear Ax = b. O processo de fatoração para a resolução deste sistema consiste em decompor a matriz A dos coeficientes em um produto de dois ou mais fatores e, em seguida, resolver uma seqüência de sistemas triangulares. A vantagem dos processos de fatoração é que podemos resolver qualquer sistema linear que tenha A como matriz dos coeficientes. Se o vetor b for alterado o novo sistema linear será terá resolução quase imediata. A fatoração LU é um dos processos de fatoração mais empregados. Nesta fatoração a matriz L é triangular inferior com a diagonal unitária e a matriz U é triangular superior Cálculo dos fatores L e U Os fatores L e U podem ser calculados através de fórmulas específicas, ou então, podem ser construídos usando o método de eliminação de Gauss. Usaremos a segunda possibilidade. Exemplo teórico no caso de ordem 3 dado em sala de aula. Após a utilização do MEG obtemos uma matriz triangular superior, esta será a nossa matriz U, a matriz L será formada pelos multiplicadores m ij, sendo assim, no caso n n teremos: L = m m 31 m 32 1

5 2 FATORAÇÃO LU E FATORAÇÃO DE CHOLESKY 5 Teorema 1: (Fatoração LU) Dada uma matriz quadrada A de ordem n, seja A (k) a matriz construída a partir das primeiras k linhas e colunas de A. Suponha que det(a) 0 para k = 1, 2,..., (n 1). Então existe uma única matriz triangular inferior L = (m ij ), com m ii = 1, 1 i n e uma única matriz triangular superior U = (u ij ) tais que LU = A. Ainda mais, det(a) = u 11 u u nn. Resolução do sistema linear Ax = b usando a fatoração LU. Dados o sistema linear Ax = b e a fatoração LU da matriz A, temos: LUx = b e fazendo y = Ux, resolvemos agora dois sistemas triangulares: Ly = b que é triangular inferior, Ux = y que é triangular superior. Exercício: Resolver os sistemas lineares anteriores usando a fatoração LU. 2.3 Fatoração LU com estratégia de pivoteamento parcial Na estratégia de pivoteamento freqüentemente precisamos permutar linhas na matriz A (k), por isso trabalharemos com matrizes de permutação. Uma matriz quadrada de ordem n é uma matriz de permutação se pode ser obtida da matriz identidade de ordem n permutando-se suas linhas (ou colunas). Exemplo: P = é uma matriz de permutação que troca a 2 linha com a 3 linha. Se A = , então o produto P A nos dá P A = Seja agora o sistema linear Ax = b e os fatores L e U obtidos pelo método da eliminação de Gauss com estratégia de pivoteamento parcial. Estes fatores são da matriz A, onde A é a matriz com as linhas permutadas, isto é, A = P A = LU. Os sistemas Ax = b e P Ax = P b são equivalentes, logo resolveremos os seguintes sistemas lineares: Ly = P b que é triangular inferior, Ux = y que é triangular superior.

6 2 FATORAÇÃO LU E FATORAÇÃO DE CHOLESKY 6 e obteremos a solução do sistema linear original. Exemplo: Resolva o sistema linear abaixo usando a FLU com pivoteamento parcial, com mantissa de 4 dígitos e arredondamento. Identifique as matrizes de permutação. 3x 1 4x 2 + x 3 = 9 x 1 + 2x 2 + 2x 3 = 3 4x 1 3x 3 = 2 Exercícios: 1)Resolva os sistemas abaixo, com e sem pivoteamento, usando quatro dígitos e aritmética com arredondamento. Em qual técnica se obteve melhores resultados? 58, 09x1 + 1, 003x 2 = 68, , 8x1 + 5, 550x 2 = 377, 3 321, 8x 1 + 5, 550x 2 = 377, x , 3x 2 = , 550x , 8x 2 = 377, 3 100, 3x x 2 = ) Desenvolva um algoritmo para a fatoração LU, sem e com estratégia de pivoteamento parcial. 3) Mostre que, se A é uma matriz não singular e A = LU, então A = LDU, onde D é uma matriz diagonal e U é uma matriz triangular superior com diagonal unitária. 2.4 Fatoração de Cholesky Uma matriz quadrada A de ordem n é definida positiva se xtax > 0 para todo x, x 0. Uma matriz com a propriedade acima e simétrica pode ser fatorada na forma: A = GG t, onde G é uma matriz quadrada de ordem n, triangular inferior com elementos na diagonal estritamente positivos. Esta é a fatoração de Cholesky da matriz A. Suponhamos que a matriz A satisfaça condições do teorema da fatoração LU, usando o exercício 3, temos que A pode ser fatorada como: A = LDU com: L - matriz quadrada de ordem n, triangular inferior com diagonal unitária; D - matriz diagonal de ordem n; U - matriz quadrada de ordem n, triangular superior com diagonal unitária. Se, além disso, a matriz A for simétrica, mostra-se que U = L t e, a fatoração fica: A = LDL t. Exemplo: Considere a matriz A =

7 2 FATORAÇÃO LU E FATORAÇÃO DE CHOLESKY 7, os fatores L e U são: e, enquanto que, D e U serão : e. L = U = U = D = / / / /4 3/4 1/ Observamos que: u ij = u ij u ii ; como a matriz A é simétrica, U = L t. Se A for definida positiva, os elementos da matriz D são estritamente positivos. Temos que x R, x 0, x t Ax > 0, sendo assim: 0 < x t Ax = x t (L t DL)x = (Lx) t D(Lx) = y t Dy,fazendo y = e i, i = 1, 2,..., n, vetores da base canônica do R n, teremos 0 < e t i De i = d ii que nos leva ao fato de que d ii > 0, para todo i = 1, 2,..., n (lembramos que L tem posto completo o que garante, dado y, a existência de x tal que y = Lx, além disso, como x 0, temos y 0). Escrevemos então: A = LD D L t, onde d ii = (d ii ) 1/2, chamando G = LD teremos a fatoração de Cholesky na forma A = GG t, com G triangular inferior com diagonal estritamente positiva. Teorema 2: (Fatoração de Chloesky) Se a matriz A é quadrada de ordem n, simétrica e definida positiva, então existe uma única matriz G quadrada de ordem n, triangular inferior com diagonal estritamente positiva, tal que A = GG t. Exemplo: Para o exemplo anterior o fator de Cholesky da matriz A =

8 3 MÉTODOS ITERATIVOS 8 será. G = No exemplo anterior o fator de Cholesky foi calculado a partir da decomposição LDL t, que por sua vez foi obtida da fatoração LU, mas este fator deve ser calculado a partir de sua definição A = GG t, o que reduz a quantidade de cálculos pela metade. 2.5 Cálculo do fator de Cholesky: Dada a matriz a 11 a a 1n a 21 a a 2n A = a 31 a a 3n ] a n1 a n2... a nn é simétrica e definida positiva, o fator de Cholesky será obtido a partir da equação matricial: A = GG t. Observações :] i) Na prática, aplicamos a fatoração de Cholesky para verificar se uma determinada matriz A simétrica é definida positiva. ii) A fatoração de Cholesky requer cerca de n/3 operações de multiplicação e adição no cálculo dos fatores, aproximadamente a metade do número de operações necessárias na fase da eliminação da fatoração LU. iii)obtido o fator G, a resolução do sistema linear Ax = b prossegue com a resolução dos sistemas triangulares: Gy = b que é triangular inferior, G t x = y que é triangular superior. Exercício: Resolva o sistema abaixo usando a fatoração de Cholesky: 3 Métodos Iterativos 3.1 Introdução 1, 0000x 1 + 0, 5000x 2 + 0, 3333x 3 = 1 0, 5000x 1 + 0, 3333x 2 + 0, 2500x 3 = 0 0, 3333x 1 + 0, 2500x 2 0, 2000x 3 = 0 A idéia central dos métodos iterativos é fazer uso do teorema do ponto fixo. Seja o sistema linear Ax = b, onde :

9 3 MÉTODOS ITERATIVOS 9 A é a matriz dos coeficientes, nxn; x é o vetor das incógnitas, nx1; b é o vetor dos termos independentes, nx1. Podemos sempre escrever A = L + D + U, onde: L é uma matriz triangular inferior; D é uma matriz diagonal; U é uma matriz triangular superior. Dessa forma o sistema pode ser reescrito como: Dx = b (L + U)x, e quando detd 0 podemos escrever x = D 1 (b (L + U)x). Temos, agora, o sistema convertido na forma x = Cx + g, onde C = D 1 (L + U) e g = D 1 b. 3.2 Teorema do Ponto Fixo Seja uma função f(x) contínua em [a, b], intervalo que contém uma raiz da equação f(x) = 0. Procuramos encontrar esta raiz transformando a equação acima em uma do tipo x = Ψ(x) e a partir de uma aproximação inicial gerar uma seqüência x (k) de aproximações para a raiz pela relação x (k+1) = Ψ(x (k) ). Temos que f(x) = 0 se, e somente se x (k+1) = Ψ(x (k) ), o que nos leva a um problema de encontrar o ponto fixo da função Ψ(x). A função Ψ(x) é chamada de função de iteração para a equação f(x) = 0. Por exemplo, para a equação x 3 + x 5 = 0 temos as seguintes possível funções de iteração : a) Ψ(x) = 5 x 3 ; b) Ψ(x) = (5 x) 1/3 ; c) Ψ(x) = 5 x x 2. A forma geral das funções de iteração é Ψ(x) = x + A(x)f(x), com a condição que em α, ponto fixo de Ψ(x), tenhamos A(α) 0. Teorema do ponto fixo. Seja α uma raiz isolada de f(x) = 0 em um intervalo I centrado em α. Seja Ψ(x) uma função de iteração para a equação acima. Se: Ψ(x) e Ψ (x) são contínuas em I, Ψ (x) M < 1, para todo x I e x 0 I, então a seqüência x k gerada pelo processo iterativo x k+1 = Ψ(x k ) converge para α. Demonstração no livro texto páginas 59 e 60. Observamos, então, que Ψ(x) = Cx + g é uma função de iteração para a equação matricial Ax = b. Para obtermos uma solução para o sistema utilizamos o seguinte esquema iterativo: 1.Escolhemos uma aproximação inicial x (0). 2.Construímos consecutivamente os vetores:

10 3 MÉTODOS ITERATIVOS 10 x (1) = Cx (0) + g = Ψ(x (0) ) x (2) = Cx (1) + g = Ψ(x (1) ). x (k) = Cx (k 1) + g = Ψ(x (k 1) ) (primeira aproximação) (segunda aproximação) (k-ésima aproximação) de forma que se Ψ(α) = α, então α = Cα + g, ou seja, α é solução do sistema linear. Repetimos o processo acima até que o vetor x (k) seja próximo o suficiente do vetor x (k 1). Podemos medir essa distância de duas formas: d (k) = x (k) x (k 1) = máx x (k) i d (k) r = x(k) x (k 1) x (k) x (k 1) i ; i = 1,..., n} = máx x(k) x (k 1) ; i = 1,..., n} x (k) Dada a precisão ɛ, o vetor x (k) será escolhido como x, solução aproximada da solução exata, quando d (k) < ɛ, esse será o nosso teste de parada. Podemos também efetuar o teste com o erro relativo: d (k) r < ɛ. Computacionalmente usamos também como teste de parada um número máximo de iterações. 3.3 Método iterativo de Gauss-Jacobi Supondo os elementos da diagonal da matriz A não-nulos, podemos isolar o vetor x da seguinte forma: x i = (b i a i1 x 1 a i2 x 2... a i,i 1 x i 1 a i,i+1 x i+1... a in x n )/a ii, i = 1, 2,..., n. Desta forma, temos x = Cx + g, onde : 0 a 12 /a 11 a 13 /a a 1n /a 11 b 11 /a 11 a 21 /a 22 0 a 23 /a a 2n /a 22 b 22 /a 22 C = a 31 /a 33 a 32 /a a 3n /a 33 ] e b = b 33 /a 33 ] a n1 /a nn a n2 /a nn a n3 /a nn... 0 b nn /a nn E o método de Jacobi consiste em, dada a aproximação inicial x (0), obter sucessivas aproximações através da relação recursiva x (k+1) = Cx (k) + g. Daí, o vetor x (k+1) se escreve como: = (b i a i1 x (k) 1 a i2x (k) 2... a i,i 1x (k) i 1 a i,i+1x (k) i+1... a inx (k) n )/a ii, i = 1, 2,..., n. Exercícios: 1) Resolva o sistema linear abaixo pelo método de Gauss-Jacobi com x (0)t = x (k+1) i [0, 7 1, 60, 6] e ɛ = 0, x 1 + 2x 2 + x 3 = 7 x 1 + 5x 2 + x 3 = 8 2x 1 + 3x x 3 = 6 2) Resolva o sistema linear abaixo pelo método de Gauss-Jacobi com x (0)t = [000] e ɛ = 0, 05. 4, 00x 1 + 0, 24x 2 0, 08x 3 = 8, 00 0, 09x 1 + 3, 00x 2 0, 15x 3 = 9, 00 0, 04x 1 0, 08x 2 + 4, 00x 3 = 20, 00

11 REFERÊNCIAS Critério de convergência (um deles...) Condição suficiente para que o método de Gauss-Jacobi seja convergente: Critério das linhas: Seja o sistema linear Ax = b e seja α k =. Se α =máxα k, k = 1,..., n, então o método de Gauss-Jacobi gera uma sequência x (k) convergente para a solução do sistema dado, independente da escolha da aproximação inicial, x (0). Análisar dos exercícios (1) e (2). Lembrar que o critério é apenas suficiente e não necessário. Exemplo: Para o sistema x1 + x 2 = 3 x 1 3x 2 = 10 o método de Gauss-Jacobi gera uma seqüência convergente para a solução exata x*= (3/2 3/2)t. No entanto, o critério das linhas falha. Sempre podemos permutar as equações de forma a encontrar um sistema que satisfaça o critério das linhas. Exemplo: A matriz do sistema x 1 + 3x 2 + x 3 = 2 5x 1 + 2x 2 + 2x 3 = 3 6x 2 + 8x 3 = 6 não satisfaz o critério das linhas, mas a do sistema 5x 1 + 2x 2 + 2x 3 = 3 x 1 + 3x 2 + x 3 = 2 6x 2 + 8x 3 = 6 satisfaz. Referências [1] RUGGIERO, M.A.G. e ROCHA LOPES, V.L. Cálculo Numérico - Aspectos Teóricos e Computacionais. MAKRON Books,1996 [2] CUNHA, M.C.C. Métodos Numéricos. Campinas, Editora da Unicamp, [3] CAMPOS Filho,F.F. Algorítmos Numéricos. [4] SPERANTIO,D.,MENDES,J.T.,SILVA,L.H.M. Cálculo Numérico. São Paulo, Prentice Hall, 2003.

Resolução de Sistemas de Equações Lineares

Resolução de Sistemas de Equações Lineares 1 As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia. Resolução de Sistemas de Equações

Leia mais

Cálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU

Cálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU Cálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU Prof. Dr. Sergio Pilling (IPD/ Física e Astronomia) III Resolução de sistemas lineares por métodos numéricos. Objetivos: Veremos

Leia mais

computador-cálculo numérico perfeita. As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:

computador-cálculo numérico perfeita. As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem: 1 UNIVERSIDADE FEDERAL DE VIÇOSA Departamento de Matemática - CCE Cálculo Numérico - MAT 271 Prof.: Valéria Mattos da Rosa As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia

Leia mais

Métodos Numéricos. A. Ismael F. Vaz. Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho aivaz@dps.uminho.

Métodos Numéricos. A. Ismael F. Vaz. Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho aivaz@dps.uminho. Métodos Numéricos A. Ismael F. Vaz Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho aivaz@dps.uminho.pt Mestrado Integrado em Engenharia Mecânica Ano lectivo 2007/2008 A.

Leia mais

Resolução de sistemas lineares

Resolução de sistemas lineares Resolução de sistemas lineares J M Martínez A Friedlander 1 Alguns exemplos Comecemos mostrando alguns exemplos de sistemas lineares: 3x + 2y = 5 x 2y = 1 (1) 045x 1 2x 2 + 6x 3 x 4 = 10 x 2 x 5 = 0 (2)

Leia mais

Análise de Arredondamento em Ponto Flutuante

Análise de Arredondamento em Ponto Flutuante Capítulo 2 Análise de Arredondamento em Ponto Flutuante 2.1 Introdução Neste capítulo, chamamos atenção para o fato de que o conjunto dos números representáveis em qualquer máquina é finito, e portanto

Leia mais

As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:

As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem: 1 As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia. Introdução O Cálculo Numérico

Leia mais

Sistema de equações lineares

Sistema de equações lineares Sistema de equações lineares Sistema de m equações lineares em n incógnitas sobre um corpo ( S) a x + a x + + a x = b a x + a x + + a x = b a x + a x + + a x = b 11 1 12 2 1n n 1 21 1 22 2 2n n 2 m1 1

Leia mais

Universidade Federal de São Carlos Departamento de Matemática 083020 - Curso de Cálculo Numérico - Turma E Resolução da Primeira Prova - 16/04/2008

Universidade Federal de São Carlos Departamento de Matemática 083020 - Curso de Cálculo Numérico - Turma E Resolução da Primeira Prova - 16/04/2008 Universidade Federal de São Carlos Departamento de Matemática 08300 - Curso de Cálculo Numérico - Turma E Resolução da Primeira Prova - 16/0/008 1. (0 pts.) Considere o sistema de ponto flutuante normalizado

Leia mais

Capítulo 3 - Sistemas de Equações Lineares

Capítulo 3 - Sistemas de Equações Lineares Capítulo 3 - Sistemas de Equações Lineares Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Matemática I - 1 o Semestre 2011/2012 Matemática I 1/

Leia mais

Capítulo 3 - Sistemas de Equações Lineares

Capítulo 3 - Sistemas de Equações Lineares Capítulo 3 - Sistemas de Equações Lineares Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Matemática I - 1 o Semestre 2011/2012 Matemática I 1/

Leia mais

Resolução de Sistemas de

Resolução de Sistemas de Capítulo 4 Resolução de Sistemas de Equações Lineares 4. Introdução Aresolução de sistemas de equações lineares é um dos problemas numéricos mais comuns em aplicações científicas. Tais sistemas surgem,

Leia mais

Sumário. 1 ALGORITMOS BÁSICOS 2 1.1 PrecisãodeMáquina... 2 1.2 AlgorítmosBásicos... 3

Sumário. 1 ALGORITMOS BÁSICOS 2 1.1 PrecisãodeMáquina... 2 1.2 AlgorítmosBásicos... 3 CÁLCULO NUMÉRICO Prof. Dr Rogério de Aguiar Departamento de Matemática CCT-UDESC-JOINVILLE Email: dma2ra@joinville.udesc.br Home Page: www2.joinville.udesc.br/ ~dma2ra/ Joinville, 16 de Fevereiro de 2009

Leia mais

Um sistema de equações lineares (sistema linear) é um conjunto finito de equações lineares da forma:

Um sistema de equações lineares (sistema linear) é um conjunto finito de equações lineares da forma: Sistemas Lineares Um sistema de equações lineares (sistema linear) é um conjunto finito de equações lineares da forma: s: 2 3 6 a) 5 2 3 7 b) 9 2 3 Resolução de sistemas lineares Metodo da adição 4 100

Leia mais

Sistemas lineares. Ricardo Biloti biloti@ime.unicamp.br 2S/2015. Cálculo Numérico UNICAMP. http://goo.gl/7dzpr

Sistemas lineares. Ricardo Biloti biloti@ime.unicamp.br 2S/2015. Cálculo Numérico UNICAMP. http://goo.gl/7dzpr Sistemas lineares Ricardo Biloti biloti@ime.unicamp.br Cálculo Numérico UNICAMP 2S/205 http://goo.gl/7dzpr Licença Seus direitos e deveres são: Você é livre para copiar e redistribuir este material, em

Leia mais

Método de Eliminação de Gauss. Eduardo Camponogara

Método de Eliminação de Gauss. Eduardo Camponogara Sistemas de Equações Lineares Método de Eliminação de Gauss Eduardo Camponogara Departamento de Automação e Sistemas Universidade Federal de Santa Catarina DAS-5103: Cálculo Numérico para Controle e Automação

Leia mais

a m1 A ou [ A] ou A ou A A = a ij para i = 1 m e j = 1 n A=[ 1 2 3 Os elementos da diagonal principal são: a ij para i = j

a m1 A ou [ A] ou A ou A A = a ij para i = 1 m e j = 1 n A=[ 1 2 3 Os elementos da diagonal principal são: a ij para i = j Cap. 2.- Matrizes e Sistemas Lineares 2.. Definição Matriz é um conjunto organizado de números dispostos em linhas e colunas. Representações Matriz retangular A, m x n (eme por ene) a 2 a n A=[a a 2 a

Leia mais

Sistemas Lineares. Propõe-se, neste capítulo, apresentar métodos numéricos para resolver sistemas lineares postos na forma:

Sistemas Lineares. Propõe-se, neste capítulo, apresentar métodos numéricos para resolver sistemas lineares postos na forma: Métodos Numéricos, Notas de aula, 011 c Departamento de Computação, Universidade Federal de Ouro Preto Sistemas Lineares Marcone Jamilson Freitas Souza, Departamento de Computação, Instituto de Ciências

Leia mais

[a11 a12 a1n 4. SISTEMAS LINEARES 4.1. CONCEITO. Um sistema de equações lineares é um conjunto de equações do tipo

[a11 a12 a1n 4. SISTEMAS LINEARES 4.1. CONCEITO. Um sistema de equações lineares é um conjunto de equações do tipo 4. SISTEMAS LINEARES 4.1. CONCEITO Um sistema de equações lineares é um conjunto de equações do tipo a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 11 x 1 + a 12 x 2 +... + a 1n x n = b 2... a n1 x 1 + a

Leia mais

Álgebra Linear. André Arbex Hallack Frederico Sercio Feitosa

Álgebra Linear. André Arbex Hallack Frederico Sercio Feitosa Álgebra Linear André Arbex Hallack Frederico Sercio Feitosa Janeiro/2006 Índice 1 Sistemas Lineares 1 11 Corpos 1 12 Sistemas de Equações Lineares 3 13 Sistemas equivalentes 4 14 Operações elementares

Leia mais

Aula 2 - Cálculo Numérico

Aula 2 - Cálculo Numérico Aula 2 - Cálculo Numérico Erros Prof. Phelipe Fabres Anhanguera Prof. Phelipe Fabres (Anhanguera) Aula 2 - Cálculo Numérico 1 / 41 Sumário Sumário 1 Sumário 2 Erros Modelagem Truncamento Representação

Leia mais

UENF PROGRAMA ANALÍTICO DE DISCIPLINA. Carga Horária:68. Assinaturas: Chefe do Laboratório ou Diretor de Centro: Coordenador do Curso:

UENF PROGRAMA ANALÍTICO DE DISCIPLINA. Carga Horária:68. Assinaturas: Chefe do Laboratório ou Diretor de Centro: Coordenador do Curso: Página: 1 Data de Criação: 11/03/2002 Período Início: 2002/01 Horas Aula Teórica: 68 Prática: 0 ExtraClasse: 0 Carga Horária:68 Número de Créditos: 4 Sistema de Aprovação: Aprovação por Média/Freqüência

Leia mais

Universidade Federal de São João Del Rei - UFSJ

Universidade Federal de São João Del Rei - UFSJ Universidade Federal de São João Del Rei - UFSJ Instituída pela Lei 0.45, de 9/04/00 - D.O.U. de /04/00 Pró-Reitoria de Ensino de Graduação - PROEN Disciplina: Cálculo Numérico Ano: 03 Prof: Natã Goulart

Leia mais

Exercícios Teóricos Resolvidos

Exercícios Teóricos Resolvidos Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Matemática Exercícios Teóricos Resolvidos O propósito deste texto é tentar mostrar aos alunos várias maneiras de raciocinar

Leia mais

Cálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU

Cálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU Cálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU Prof. Dr. Sergio Pilling (IPD/ Física e Astronomia) II Métodos numéricos para encontrar raízes (zeros) de funções reais. Objetivos:

Leia mais

Matemática Computacional - Exercícios

Matemática Computacional - Exercícios Matemática Computacional - Exercícios 1 o semestre de 2009/2010 - LEMat e MEQ Teoria de erros e Representação de números no computador Nos exercícios deste capítulo os números são representados em base

Leia mais

NIVELAMENTO MATEMÁTICA 2012

NIVELAMENTO MATEMÁTICA 2012 NIVELAMENTO MATEMÁTICA 202 Monitor: Alexandre Rodrigues Loures Monitor: Alexandre Rodrigues Loures SUMÁRIO. LOGARITMOS... 3.. Mudança de base... 3.2. Propriedades dos logaritmos... 4 2. DERIVADAS... 4

Leia mais

Representação de números em máquinas

Representação de números em máquinas Capítulo 1 Representação de números em máquinas 1.1. Sistema de numeração Um sistema de numeração é formado por uma coleção de símbolos e regras para representar conjuntos de números de maneira consistente.

Leia mais

R é o conjunto dos reais; f : A B, significa que f é definida no conjunto A (domínio - domain) e assume valores em B (contradomínio range).

R é o conjunto dos reais; f : A B, significa que f é definida no conjunto A (domínio - domain) e assume valores em B (contradomínio range). f : A B, significa que f é definida no conjunto A (domínio - domain) e assume valores em B (contradomínio range). R é o conjunto dos reais; R n é o conjunto dos vetores n-dimensionais reais; Os vetores

Leia mais

Discussão de Sistemas Teorema de Rouché Capelli

Discussão de Sistemas Teorema de Rouché Capelli Material by: Caio Guimarães (Equipe Rumoaoita.com) Discussão de Sistemas Teorema de Rouché Capelli Introdução: Apresentamos esse artigo para mostrar como utilizar a técnica desenvolvida a partir do Teorema

Leia mais

Lista 1 para a P2. Operações com subespaços

Lista 1 para a P2. Operações com subespaços Lista 1 para a P2 Observação 1: Estes exercícios são um complemento àqueles apresentados no livro. Eles foram elaborados com o objetivo de oferecer aos alunos exercícios de cunho mais teórico. Nós sugerimos

Leia mais

MATRIZES Matriz quadrada Matriz linha e matriz coluna Matriz diagonal Matriz identidade

MATRIZES Matriz quadrada Matriz linha e matriz coluna Matriz diagonal Matriz identidade MATRIZES Matriz quadrada matriz quadrada de ordem. diagonal principal matriz quadrada de ordem. - 7 9 diagonal principal diagonal secundária Matriz linha e matriz coluna [ ] colunas). (linha e matriz linha

Leia mais

CÁLCULO NUMÉRICO COM. i=1. Flaulles B.Bergamaschi

CÁLCULO NUMÉRICO COM. i=1. Flaulles B.Bergamaschi n CÁLCULO NUMÉRICO COM 0 1 2 3 4 5 6 7 8 50 40 30 20 10 0 0 10 20 30 40 50 i=1 Flaulles B.Bergamaschi PARA ELIANE... Sumário 1 Sistemas Lineares 1 1.1 Introdução......................... 1 1.1.1 Solução

Leia mais

FACULDADE DE CIÊNCIA E TECNOLOGIA. Cursos de Engenharia. Prof. Álvaro Fernandes Serafim

FACULDADE DE CIÊNCIA E TECNOLOGIA. Cursos de Engenharia. Prof. Álvaro Fernandes Serafim FACULDADE DE CIÊNCIA E TECNOLOGIA Cursos de Engenharia Prof. Álvaro Fernandes Serafim Última atualização: //7. Esta apostila de Álgebra Linear foi elaborada pela Professora Ilka Rebouças Freire. A formatação

Leia mais

QUESTÕES COMENTADAS E RESOLVIDAS

QUESTÕES COMENTADAS E RESOLVIDAS LENIMAR NUNES DE ANDRADE INTRODUÇÃO À ÁLGEBRA: QUESTÕES COMENTADAS E RESOLVIDAS 1 a edição ISBN 978-85-917238-0-5 João Pessoa Edição do Autor 2014 Prefácio Este texto foi elaborado para a disciplina Introdução

Leia mais

Álgebra Linear Resumo das aulas teóricas e práticas Paulo R. Pinto http://www.math.ist.utl.pt/ ppinto/ Lisboa, Novembro de 2011

Álgebra Linear Resumo das aulas teóricas e práticas Paulo R. Pinto http://www.math.ist.utl.pt/ ppinto/ Lisboa, Novembro de 2011 Álgebra Linear Resumo das aulas teóricas e práticas Paulo R Pinto http://wwwmathistutlpt/ ppinto/ Lisboa, Novembro de 2011 Conteúdo 1 Matrizes e sistemas lineares 1 11 Álgebra das Matrizes 1 12 Operações

Leia mais

Exercícios Adicionais

Exercícios Adicionais Exercícios Adicionais Observação: Estes exercícios são um complemento àqueles apresentados no livro. Eles foram elaborados com o objetivo de oferecer aos alunos exercícios de cunho mais teórico. Nós recomendamos

Leia mais

Roteiro para o Segundo Laboratório de Cálculo Numérico

Roteiro para o Segundo Laboratório de Cálculo Numérico Roteiro para o Segundo Laboratório de Cálculo Numérico Prof. Dr. Waldeck Schützer May 7, 8 Nesta segunda aula de laboratório, vamos aprender a utilizar o MatLab/Octave para resolver sistemas lineares.

Leia mais

UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR

UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR Assuntos: Matrizes; Matrizes Especiais; Operações com Matrizes; Operações Elementares

Leia mais

ESPAÇOS MUNIDOS DE PRODUTO INTERNO

ESPAÇOS MUNIDOS DE PRODUTO INTERNO ESPAÇOS MUNIDOS DE PRODUTO INTERNO Angelo Fernando Fiori 1 Bruna Larissa Cecco 2 Grazielli Vassoler 3 Resumo: O presente trabalho apresenta um estudo sobre os espaços vetoriais munidos de produto interno.

Leia mais

a 1 x 1 +... + a n x n = b,

a 1 x 1 +... + a n x n = b, Sistemas Lineares Equações Lineares Vários problemas nas áreas científica, tecnológica e econômica são modelados por sistemas de equações lineares e requerem a solução destes no menor tempo possível Definição

Leia mais

Eduardo Camponogara Eugênio de Bona Castelan Neto

Eduardo Camponogara Eugênio de Bona Castelan Neto UNIVERSIDADE FEDERAL DE SANTA CATARINA DEPARTAMENTO DE AUTOMAÇÃO E SISTEMAS CÁLCULO NUMÉRICO PARA CONTROLE E AUTOMAÇÃO Versão preliminar Eduardo Camponogara Eugênio de Bona Castelan Neto Florianópolis,

Leia mais

Método Simplex - Exemplos. Iteração 1 - variáveis básicas: y 1, y 2, y 3. Exemplo 1. Facom - UFMS. Exemplo. Edna A. Hoshino.

Método Simplex - Exemplos. Iteração 1 - variáveis básicas: y 1, y 2, y 3. Exemplo 1. Facom - UFMS. Exemplo. Edna A. Hoshino. Tópicos Método Simplex - s Edna A. Hoshino 1 Facom - UFMS março de 2010 E. Hoshino (Facom-UFMS) Simplex março de 2010 1 / 21 E. Hoshino (Facom-UFMS) Simplex março de 2010 2 / 21 1 Iteração 1 - variáveis

Leia mais

Aulas Teóricas e de Problemas de Álgebra Linear

Aulas Teóricas e de Problemas de Álgebra Linear Aulas Teóricas e de Problemas de Álgebra Linear Nuno Martins Departamento de Matemática Instituto Superior Técnico Maio de Índice Parte I (Aulas teóricas e chas de exercícios) Matrizes e sistemas de equações

Leia mais

Prova de Admissão para o Mestrado em Matemática IME-USP - 23.11.2007

Prova de Admissão para o Mestrado em Matemática IME-USP - 23.11.2007 Prova de Admissão para o Mestrado em Matemática IME-USP - 23.11.2007 A Nome: RG: Assinatura: Instruções A duração da prova é de duas horas. Assinale as alternativas corretas na folha de respostas que está

Leia mais

O ENSINO DE CÁLCULO NUMÉRICO: UMA EXPERIÊNCIA COM ALUNOS DO CURSO DE CIÊNCIA DA COMPUTAÇÃO

O ENSINO DE CÁLCULO NUMÉRICO: UMA EXPERIÊNCIA COM ALUNOS DO CURSO DE CIÊNCIA DA COMPUTAÇÃO O ENSINO DE CÁLCULO NUMÉRICO: UMA EXPERIÊNCIA COM ALUNOS DO CURSO DE CIÊNCIA DA COMPUTAÇÃO Prof. Leugim Corteze Romio Universidade Regional Integrada URI Campus Santiago-RS leugimcr@urisantiago.br Prof.

Leia mais

Problemas de Valor Inicial para Equações Diferenciais Ordinárias

Problemas de Valor Inicial para Equações Diferenciais Ordinárias Problemas de Valor Inicial para Equações Diferenciais Ordinárias Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Matemática Aplicada - Mestrados

Leia mais

ANÁLISE NUMÉRICA DEC - 1996/97

ANÁLISE NUMÉRICA DEC - 1996/97 ANÁLISE NUMÉRICA DEC - 996/97 Teoria de Erros A Teoria de Erros fornece técnicas para quantificar erros nos dados e nos resultados de cálculos com números aproximados. Nos cálculos aproximados deve-se

Leia mais

Álgebra Linear. Mauri C. Nascimento Departamento de Matemática UNESP/Bauru. 19 de fevereiro de 2013

Álgebra Linear. Mauri C. Nascimento Departamento de Matemática UNESP/Bauru. 19 de fevereiro de 2013 Álgebra Linear Mauri C. Nascimento Departamento de Matemática UNESP/Bauru 19 de fevereiro de 2013 Sumário 1 Matrizes e Determinantes 3 1.1 Matrizes............................................ 3 1.2 Determinante

Leia mais

PP 301 Engenharia de Reservatórios I 11/05/2011

PP 301 Engenharia de Reservatórios I 11/05/2011 PP 301 Engenharia de Reservatórios I 11/05/2011 As informações abaixo têm como objetivo auxiliar o aluno quanto à organização dos tópicos principais abordados em sala e não excluem a necessidade de estudo

Leia mais

Implementar algoritmos de solução de sistemas esparsos de grande porte utilizando métodos iterativos não-estacionários e armazenamento otimizado.

Implementar algoritmos de solução de sistemas esparsos de grande porte utilizando métodos iterativos não-estacionários e armazenamento otimizado. Universidade Federal do Espírito Santo Departamento de Informática 2 o Trabalho de Algoritmos Numéricos II - 11/1 Métodos não-estacionários - Sistemas Lineares Data de entrega: 21/06/11 Objetivo Implementar

Leia mais

Gobooks.com.br. PucQuePariu.com.br

Gobooks.com.br. PucQuePariu.com.br ÁLGEBRA LINEAR todos os conceitos, gráficos e fórmulas necessárias, em um só lugar. Gobooks.com.br PucQuePariu.com.br e te salvando de novo. Agora com o: RESUMO ÁLGEBRA LINEAR POR: Giovanni Tramontin 1.

Leia mais

Exercícios 1. Determinar x de modo que a matriz

Exercícios 1. Determinar x de modo que a matriz setor 08 080509 080509-SP Aula 35 MATRIZ INVERSA Uma matriz quadrada A de ordem n diz-se invertível, ou não singular, se, e somente se, existir uma matriz que indicamos por A, tal que: A A = A A = I n

Leia mais

Cálculo numérico. ln 1 = 0. Representação numérica. Exemplo. Exemplos. Professor Walter Cunha. ln 1. I s

Cálculo numérico. ln 1 = 0. Representação numérica. Exemplo. Exemplos. Professor Walter Cunha. ln 1. I s Representação numérica Cálculo numérico Professor Walter Cunha Um conjunto de ferramentas ou métodos usados para se obter a solução de problemas matemáticos de forma aproximada. Esses métodos se aplicam

Leia mais

APRENDIZAGEM NO CURSO DE ENGENHARIA QUÍMICA BASEADA EM SALAS LABORATÓRIO

APRENDIZAGEM NO CURSO DE ENGENHARIA QUÍMICA BASEADA EM SALAS LABORATÓRIO APRENDIZAGEM NO CURSO DE ENGENHARIA QUÍMICA BASEADA EM SALAS LABORATÓRIO Viviana Cocco Mariani - viviana.mariani@pucpr.br Pontifícia Universidade Católica do Paraná, Programa de Pós-Graduação em Engenharia

Leia mais

EA616 - Análise Linear de Sistemas Aula 28 - Estabilidade do Estado

EA616 - Análise Linear de Sistemas Aula 28 - Estabilidade do Estado Aula 28 EA616 - Análise Linear de Sistemas Aula 28 - Estabilidade do Estado Prof. Ricardo C.L.F. Oliveira Faculdade de Engenharia Elétrica e de Computação Universidade Estadual de Campinas 2 o Semestre

Leia mais

SOCIEDADE BRASILEIRA DE MATEMÁTICA MESTRADO PROFISSIONAL EM REDE NACIONAL PROFMAT

SOCIEDADE BRASILEIRA DE MATEMÁTICA MESTRADO PROFISSIONAL EM REDE NACIONAL PROFMAT SOCIEDADE BRASILEIRA DE MATEMÁTICA MESTRADO PROFISSIONAL EM REDE NACIONAL PROFMAT GABARITO da 3 a Avaliação Nacional de Aritmética - MA14-21/12/2013 Questão 1. (pontuação: 2) (1,0) a) Enuncie e demonstre

Leia mais

Notas de Aula. Álgebra Linear Numérica

Notas de Aula. Álgebra Linear Numérica Notas de Aula Álgebra Linear Numérica Rodney Josué Biezuner 1 Departamento de Matemática Instituto de Ciências Exatas ICEx) Universidade Federal de Minas Gerais UFMG) Notas de aula da disciplina Álgebra

Leia mais

Eduardo Camponogara. DAS-5103: Cálculo Numérico para Controle e Automação. Departamento de Automação e Sistemas Universidade Federal de Santa Catarina

Eduardo Camponogara. DAS-5103: Cálculo Numérico para Controle e Automação. Departamento de Automação e Sistemas Universidade Federal de Santa Catarina Eduardo Camponogara Departamento de Automação e Sistemas Universidade Federal de Santa Catarina DAS-5103: Cálculo Numérico para Controle e Automação 1/48 Sumário Arredondamentos Erros 2/48 Sumário Arredondamentos

Leia mais

4 Sistemas de Equações Lineares

4 Sistemas de Equações Lineares Nova School of Business and Economics Apontamentos Álgebra Linear 4 Sistemas de Equações Lineares 1 Definição Rank ou característica de uma matriz ( ) Número máximo de linhas de que formam um conjunto

Leia mais

Matrizes e Determinantes

Matrizes e Determinantes Capítulo 1 Matrizes e Determinantes 11 Generalidades Iremos usar K para designar IR conjunto dos números reais C conjunto dos números complexos Deste modo, chamaremos números ou escalares aos elementos

Leia mais

por séries de potências

por séries de potências Seção 23: Resolução de equações diferenciais por séries de potências Até este ponto, quando resolvemos equações diferenciais ordinárias, nosso objetivo foi sempre encontrar as soluções expressas por meio

Leia mais

Notas de Cálculo Numérico

Notas de Cálculo Numérico Notas de Cálculo Numérico Túlio Carvalho 6 de novembro de 2002 2 Cálculo Numérico Capítulo 1 Elementos sobre erros numéricos Neste primeiro capítulo, vamos falar de uma limitação importante do cálculo

Leia mais

Resolução de sistemas de equações lineares: Fatorações de matrizes

Resolução de sistemas de equações lineares: Fatorações de matrizes Resolução de sistemas de equações lineares: Fatorações de matrizes Marina Andretta/Franklina Toledo ICMC-USP 27 de agosto de 2012 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires. Marina

Leia mais

AV1 - MA 12-2012. (b) Se o comprador preferir efetuar o pagamento à vista, qual deverá ser o valor desse pagamento único? 1 1, 02 1 1 0, 788 1 0, 980

AV1 - MA 12-2012. (b) Se o comprador preferir efetuar o pagamento à vista, qual deverá ser o valor desse pagamento único? 1 1, 02 1 1 0, 788 1 0, 980 Questão 1. Uma venda imobiliária envolve o pagamento de 12 prestações mensais iguais a R$ 10.000,00, a primeira no ato da venda, acrescidas de uma parcela final de R$ 100.000,00, 12 meses após a venda.

Leia mais

Uma e.d.o. de segunda ordem é da forma

Uma e.d.o. de segunda ordem é da forma Equações Diferenciais de Ordem Superior Uma e.d.o. de segunda ordem é da forma ou então d 2 y ( dt = f t, y, dy ) 2 dt y = f(t, y, y ). (1) Dizemos que a equação (1) é linear quando a função f for linear

Leia mais

x exp( t 2 )dt f(x) =

x exp( t 2 )dt f(x) = INTERPOLAÇÃO POLINOMIAL 1 As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia Aproximação

Leia mais

Resolução de sistemas de equações lineares: Fatorações de matrizes

Resolução de sistemas de equações lineares: Fatorações de matrizes Resolução de sistemas de equações lineares: Fatorações de matrizes Marina Andretta/Franklina Toledo ICMC-USP 27 de fevereiro de 2015 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires. Marina

Leia mais

CURSO ONLINE RACIOCÍNIO LÓGICO

CURSO ONLINE RACIOCÍNIO LÓGICO AULA QUINZE: Matrizes & Determinantes (Parte II) Olá, amigos! Pedimos desculpas por não ter sido possível apresentarmos esta aula na semana passada. Motivos de força maior nos impediram de fazê-lo, mas

Leia mais

36 a Olimpíada Brasileira de Matemática Nível Universitário Primeira Fase

36 a Olimpíada Brasileira de Matemática Nível Universitário Primeira Fase 36 a Olimpíada Brasileira de Matemática Nível Universitário Primeira Fase Problema 1 Turbo, o caracol, está participando de uma corrida Nos últimos 1000 mm, Turbo, que está a 1 mm por hora, se motiva e

Leia mais

Modelos Pioneiros de Aprendizado

Modelos Pioneiros de Aprendizado Modelos Pioneiros de Aprendizado Conteúdo 1. Hebb... 2 2. Perceptron... 5 2.1. Perceptron Simples para Classificaçãod e Padrões... 6 2.2. Exemplo de Aplicação e Motivação Geométrica... 9 2.3. Perceptron

Leia mais

Introdução ao estudo de equações diferenciais

Introdução ao estudo de equações diferenciais Matemática (AP) - 2008/09 - Introdução ao estudo de equações diferenciais 77 Introdução ao estudo de equações diferenciais Introdução e de nição de equação diferencial Existe uma grande variedade de situações

Leia mais

Processos Estocásticos

Processos Estocásticos Processos Estocásticos Terceira Lista de Exercícios 22 de julho de 20 Seja X uma VA contínua com função densidade de probabilidade f dada por Calcule P ( < X < 2. f(x = 2 e x x R. A fdp dada tem o seguinte

Leia mais

Sistemas Lineares e Escalonamento

Sistemas Lineares e Escalonamento Capítulo 1 Sistemas Lineares e Escalonamento Antes de iniciarmos nos assuntos geométricos da Geometria Analítica, vamos recordar algumas técnicas sobre escalonamento de matrizes com aplicações na solução

Leia mais

CÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano

CÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 12 04/2014 Sistemas de Equações Lineares Parte 2 FATORAÇÃO LU Cálculo Numérico 3/37 FATORAÇÃO LU Uma fatoração LU de uma dada

Leia mais

Definição. A expressão M(x,y) dx + N(x,y)dy é chamada de diferencial exata se existe uma função f(x,y) tal que f x (x,y)=m(x,y) e f y (x,y)=n(x,y).

Definição. A expressão M(x,y) dx + N(x,y)dy é chamada de diferencial exata se existe uma função f(x,y) tal que f x (x,y)=m(x,y) e f y (x,y)=n(x,y). PUCRS FACULDADE DE ATEÁTICA EQUAÇÕES DIFERENCIAIS PROF. LUIZ EDUARDO OURIQUE EQUAÇÔES EXATAS E FATOR INTEGRANTE Definição. A diferencial de uma função de duas variáveis f(x,) é definida por df = f x (x,)dx

Leia mais

28 de agosto de 2015. MAT140 - Cálculo I - Derivação Impĺıcita e Derivadas de Ordem Superior

28 de agosto de 2015. MAT140 - Cálculo I - Derivação Impĺıcita e Derivadas de Ordem Superior MAT140 - Cálculo I - Derivação Impĺıcita e Derivadas de Ordem Superior 28 de agosto de 2015 Derivação Impĺıcita Considere o seguinte conjunto R = {(x, y); y = 2x + 1} O conjunto R representa a reta definida

Leia mais

O ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2

O ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2 3.2 O Espaço Nulo de A: Resolvendo Ax = 0 11 O ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2 Esta seção trata do espaço de soluções para Ax = 0. A matriz A pode ser quadrada ou retangular. Uma solução imediata

Leia mais

Verificação e Validação em CFD

Verificação e Validação em CFD Erro de arredondamento. Erro iterativo. Erro de discretização. As três componentes do erro numérico têm comportamentos diferentes com o aumento do número de graus de liberdade (refinamento da malha). Erro

Leia mais

Programa Institucional de Bolsas de Iniciação à Docência Projeto Matemática 1. Matrizes, determinantes e sistemas lineares

Programa Institucional de Bolsas de Iniciação à Docência Projeto Matemática 1. Matrizes, determinantes e sistemas lineares Programa Institucional de Bolsas de Iniciação à Docência Projeto Matemática 1 Matrizes, determinantes e sistemas lineares Curitiba 2014 PLANO DE AULA DE SISTEMAS LINEARES Dados de Identificação: Instituição:

Leia mais

Aulas 17 & 18. Comutação Rápida a Pacote. Eytan Modiano MIT

Aulas 17 & 18. Comutação Rápida a Pacote. Eytan Modiano MIT Aulas 17 & 18 Comutação Rápida a Pacote Eytan Modiano MIT 1 Comutador a Pacote Etiqueta Um comutador a pacote consiste de uma máquina de roteamento (table lookup), um escalonador e uma máquina de comutação.

Leia mais

Karine Nayara F. Valle. Métodos Numéricos de Euler e Runge-Kutta

Karine Nayara F. Valle. Métodos Numéricos de Euler e Runge-Kutta Karine Nayara F. Valle Métodos Numéricos de Euler e Runge-Kutta Professor Orientador: Alberto Berly Sarmiento Vera Belo Horizonte 2012 Karine Nayara F. Valle Métodos Numéricos de Euler e Runge-Kutta Monografia

Leia mais

Cálculo. Álgebra Linear. Programação Computacional. Metodologia Científica

Cálculo. Álgebra Linear. Programação Computacional. Metodologia Científica UNIVERSIDADE FEDERAL DO CEARÁ CENTRO DE TECNOLOGIA PROGRAMA DE EDUCAÇÃO TUTORIAL Cálculo Álgebra Linear Programação Computacional Metodologia Científica Realização: Fortaleza, Fevereiro/2012 UNIVERSIDADE

Leia mais

Prof. Márcio Nascimento. 22 de julho de 2015

Prof. Márcio Nascimento. 22 de julho de 2015 Núcleo e Imagem Prof. Márcio Nascimento marcio@matematicauva.org Universidade Estadual Vale do Acaraú Centro de Ciências Exatas e Tecnologia Curso de Licenciatura em Matemática Disciplina: Álgebra Linear

Leia mais

Carga horária: 60 horas Créditos: 04. Matrizes, Determinantes, Sistemas de Equações Lineares e Geometria Analítica.

Carga horária: 60 horas Créditos: 04. Matrizes, Determinantes, Sistemas de Equações Lineares e Geometria Analítica. Disciplina: Matemática para o Ensino Básico IV Prof Ms José Elias Dos Santos Filho Curso de Licenciatura em Matemática UFPBVIRTUAL elias@ccaeufpbbr Ambiente Virtual de Aprendizagem: Moodle wwweadufpbbr

Leia mais

Estudo sobre a aplicação da Computação Paralela na resolução de sistemas lineares

Estudo sobre a aplicação da Computação Paralela na resolução de sistemas lineares Pontifícia Universidade Católica do Rio Grande do Sul Faculdade de Informática Pós-Graduação em Ciência da Computação Estudo sobre a aplicação da Computação Paralela na resolução de sistemas lineares Aluno:

Leia mais

O Método Simplex para

O Método Simplex para O Método Simplex para Programação Linear Formas de Programas Lineares O problema de Programação Matemática consiste na determinação do valor de n variáveis x 1, x 2,, x n que tornam mínimo ou máximo o

Leia mais

CURSO DE CÁLCULO INTEGRAIS

CURSO DE CÁLCULO INTEGRAIS CURSO DE CÁLCULO MÓDULO 4 INTEGRAIS SUMÁRIO Unidade 1- Integrais 1.1- Introdução 1.2- Integral Indefinida 1.3- Propriedades da Integral Indefinida 1.4- Algumas Integrais Imediatas 1.5- Exercícios para

Leia mais

Aula 8 Variações da Eliminação de Gauss/Fatoração LU.

Aula 8 Variações da Eliminação de Gauss/Fatoração LU. Aula 8 Variações da Eliminação de Gauss/Fatoração LU. MS211 - Cálculo Numérico Marcos Eduardo Valle Departamento de Matemática Aplicada Instituto de Matemática, Estatística e Computação Científica Universidade

Leia mais

CURSO DE. Álgebra Linear Aplicada

CURSO DE. Álgebra Linear Aplicada CURSO DE Álgebra Linear Aplicada Antonio Cândido Faleiros Centro de Matemática, Computação e Cognição Universidade Federal do ABC Santo André, SP 6 de abril de 2009 Sumário 1 Equações lineares 1 1.1 Equaçãoalgébricalinear...

Leia mais

FLAVIA MESCKO FERNANDES VELOCIDADE DE CONVERGÊNCIA DE MÉTODOS DE OTIMIZAÇÃO IRRESTRITA

FLAVIA MESCKO FERNANDES VELOCIDADE DE CONVERGÊNCIA DE MÉTODOS DE OTIMIZAÇÃO IRRESTRITA FLAVIA MESCKO FERNANDES VELOCIDADE DE CONVERGÊNCIA DE MÉTODOS DE OTIMIZAÇÃO IRRESTRITA CURITIBA DEZEMBRO, 2010 FLAVIA MESCKO FERNANDES VELOCIDADE DE CONVERGÊNCIA DE MÉTODOS DE OTIMIZAÇÃO IRRESTRITA Monografia

Leia mais

Universidade Federal do Espírito Santo Departamento de Informática 1 o Trabalho de Algoritmos Numéricos - 11/1. Sistemas Lineares

Universidade Federal do Espírito Santo Departamento de Informática 1 o Trabalho de Algoritmos Numéricos - 11/1. Sistemas Lineares Universidade Federal do Espírito Santo Departamento de Informática 1 o Trabalho de Algoritmos Numéricos - 11/1 Data de entrega: 22/05/11 Sistemas Lineares (Cursos: Física e Matemática) Objetivo Implementar

Leia mais

INSTITUTO TECNOLÓGICO

INSTITUTO TECNOLÓGICO PAC - PROGRAMA DE APRIMORAMENTO DE CONTEÚDOS. ATIVIDADES DE NIVELAMENTO BÁSICO. DISCIPLINAS: MATEMÁTICA & ESTATÍSTICA. PROFº.: PROF. DR. AUSTER RUZANTE 1ª SEMANA DE ATIVIDADES DOS CURSOS DE TECNOLOGIA

Leia mais

MATLAB Avançado. Melissa Weber Mendonça 1 2011.2. 1 Universidade Federal de Santa Catarina. M. Weber Mendonça (UFSC) MATLAB Avançado 2011.

MATLAB Avançado. Melissa Weber Mendonça 1 2011.2. 1 Universidade Federal de Santa Catarina. M. Weber Mendonça (UFSC) MATLAB Avançado 2011. MATLAB Avançado Melissa Weber Mendonça 1 1 Universidade Federal de Santa Catarina 2011.2 M. Weber Mendonça (UFSC) MATLAB Avançado 2011.2 1 / 46 Exemplo >> x = -3:0.1:3; >> [x,y] = meshgrid(x); >> z = x.^2+3*y-x.*y.^2

Leia mais

CI202 - Métodos Numéricos

CI202 - Métodos Numéricos CI202 - Métodos Numéricos Lista de Exercícios 2 Zeros de Funções Obs.: as funções sen(x) e cos(x) devem ser calculadas em radianos. 1. Em geral, os métodos numéricos para encontrar zeros de funções possuem

Leia mais

ENCONTRO RPM-UNIVERSIDADE DE MATO GROSSO DO SUL Roteiro de aulas do mini-curso: A Escavadeira de Cantor Novembro de 2013 Mário Jorge Dias Carneiro

ENCONTRO RPM-UNIVERSIDADE DE MATO GROSSO DO SUL Roteiro de aulas do mini-curso: A Escavadeira de Cantor Novembro de 2013 Mário Jorge Dias Carneiro ENCONTRO RPM-UNIVERSIDADE DE MATO GROSSO DO SUL Roteiro de aulas do mini-curso: A Escavadeira de Cantor Novembro de 203 Mário Jorge Dias Carneiro Introdução O que é um número real? A resposta formal e

Leia mais

Licenciatura em Engenharia Electrotécnica e de Computadores 1998/99. Erros

Licenciatura em Engenharia Electrotécnica e de Computadores 1998/99. Erros Licenciatura em Engenharia Electrotécnica e de Computadores Análise Numérica 1998/99 Erros Objectivos: Arredondar um número para n dígitos significativos. Determinar os erros máximos absoluto e relativo

Leia mais

Álgebra Linear e Geometria Analítica

Álgebra Linear e Geometria Analítica Álgebra Linear e Geometria Analítica Departamento de Matemática para a Ciência e Tecnologia Universidade do Minho 2005/2006 Engenharia e Gestão Industrial Engenharia Electrónica Industrial e de Computadores

Leia mais

decomposição de Cholesky.

decomposição de Cholesky. Decomposição LU e Cholesky Prof Doherty Andrade - DMA-UEM Sumário 1 Introdução 1 2 Método de Eliminação de Gauss 1 3 Decomposição LU 2 4 O método de Cholesky 5 5 O Algoritmo para a decomposição Cholesky

Leia mais

Capítulo 1: Sistemas Lineares e Matrizes

Capítulo 1: Sistemas Lineares e Matrizes 1 Livro: Introdução à Álgebra Linear Autores: Abramo Hefez Cecília de Souza Fernandez Capítulo 1: Sistemas Lineares e Matrizes Sumário 1 O que é Álgebra Linear?............... 2 1.1 Corpos.........................

Leia mais