2. Sistemas lineares
|
|
- Pietra Silveira Abreu
- 7 Há anos
- Visualizações:
Transcrição
1 2. Sistemas lineares 2.1 Conceitos fundamentais. 2.2 Sistemas triangulares. 2.3 Eliminação de Gauss. 2.4 Decomposição LU. 2.5 Decomposição de Cholesky. 2.6 Decomposição espectral. 2.7 Uso da decomposição. 2.8 Métodos iterativos estacionários. 2.9 Análise de erro na solução de sistemas Estudos de caso: Tensões em circuito elétrico. Estequiometria de reação química Exercícios Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 1
2 Conceitos fundamentais Matriz é um conjunto de elementos dispostos em forma retangular. Tamanho ou dimensão definido pelo número de linhas e colunas. Elementos da matriz delimitados por colchetes ou parênteses A = a 11 a 12 a 13 a 1n a 21 a 22 a 23 a 2n a 31 a 32 a a 3n. a m1 a m2 a m3 a mn. Elemento referenciado por dois índices o primeiro indica a linha e o segundo a coluna onde está o elemento. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 2
3 Formas de matrizes Coluna: a 11 a 21 a 31. a m1. Linha: [ a 11 a 12 a 13 a 1m ]. Nula: Diagonal: Identidade: d d d d nn Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 3
4 Formas de matrizes Triangular inferior: Triangular superior: Densa: Esparsa: Simétrica b b 21 b b m1 b m2 b mm c 11 c 12 c 1m 0 c 22 c 2m c mm.. cont... M = e M T = Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 4
5 Transposição Operações matriciais A = e A T = Adição e subtração A = C = A + B =, B = Multiplicação por escalar e D = A B = A = [ ] e B = 2A = [ ]. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 5
6 Operações matriciais cont. Multiplicação por vetor A = , v = [ 1 2 ] x = Av = Multiplicação por matriz A = [ ], B = C = AB = [ ]. Produto interno e externo x= 5 1 2, y = k =x T y =10 e M =xy T = Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 6
7 Determinante Definição det(a) = a 11 det(m 11 ) a 12 det(m 12 ) + + ( 1) n+1 a 1n det(m 1n ). Particularmente A = [ ] a 11 det(a) = a11, A = [ a11 a 12 a 21 a 22 ] det(a) = a 11 a 22 a 21 a 12, A = a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 det(a) = a 11 (a 22 a 33 a 32 a 23 ) a 12 (a 21 a 33 a 31 a 23 ) + a 13 (a 21 a 32 a 31 a 22 ). Exemplo [ 2 1 A = 4 5 ] det(a) = = 6. Matriz singular: det(a) = 0. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 7
8 Posto Vetores {v 1, v 2,..., v n } linearmente dependentes α 1 v 1 + α 2 v α n v n = 0. Escalares α 1, α 2,..., α n, não todos nulos. Vetores v 1, v 2,..., v n linearmente independentes se a igualdade acima só se verificar com os α i, i = 1, 2,..., n iguais a zero. Posto de A: o número máximo de vetores linhas ou colunas de A que são linearmente independentes. A = Linhas 2 e 4 obtidas pela combinação linear das linhas 1 e 3: L2 = L1 + L3 e L4 = 2L1 L3. posto(a)=2. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 8
9 Traço Soma dos elementos da diagonal principal traço(a) = n i=1 a ii. Exemplo A = traço(a) = = 17. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 9
10 Inversa Inversa da matriz A = A 1 AA 1 = A 1 A = I n. Lei comutativa existe para o produto de uma matriz por sua inversa. Exemplo A = A 1 = e AA 1 = Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 10
11 Operações com transposta e inversa (A T ) T = A. (A 1 ) 1 = A. (A 1 ) T = (A T ) 1 = A T. Se A = BCD, então A T = D T C T B T e A 1 = D 1 C 1 B 1. (A + B) T = A T + B T. (A + B) 1 A 1 + B 1. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 11
12 Autovalores e autovetores Seja a matriz A = [ ] e a igualdade [ ] [ 1 2 ] = 2 [ 1 2 ]. Matriz A possui um autovalor λ = 2 e um correspondente autovetor v = [1 2] T. Também é verdade para λ = 4 e v = [2 3] T. Relação fundamental Av = λv. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 12
13 Problema do autovalor Solução não trivial de (A λi)v = 0. Teorema Se M for uma matriz de ordem n, então o sistema homogêneo My = 0 tem solução não trivial se, e somente se, M for singular. Pelo teorema e sabendo que uma matriz singular tem determinante nulo det(a λi) = 0. Para a matriz A dada det(a λi) = det ([ 10 λ λ ]) = 0, (10 λ)( 4 λ) 12( 4) = 0 λ 2 6λ + 8 = (λ 2)(λ 4) = 0. Valores de λ para os quais det(a λi) = 0 são λ 1 = 2 e λ 2 = 4. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 13
14 Polinômio característico Determinante D n (λ) = det(a λi), D n (λ)=det a 11 λ a 12 a 13 a 1n a 21 a 22 λ a 23 a 2n a 31 a 32 a 33 λ a 3n a n1 a n2 a n3 a nn λ. Polinômio D n (λ) de grau n. Os n zeros λ i de D n (λ): autovalores de A. Expandindo o determinante para n = 3 D 3 (λ) = λ 3 +[a 11 +a 22 +a 33 ]λ 2 [(a 11 a 22 a 21 a 12 )+(a 22 a 33 a 32 a 23 ) + (a 11 a 33 a 31 a 13 )]λ+ [a 11 (a 22 a 33 a 32 a 23 ) a 12 (a 21 a 33 a 31 a 23 )+a 13 (a 21 a 32 a 31 a 22 )], D 3 (λ) = c 3 λ 3 + c 2 λ 2 + c 1 λ + c 0. c n 1 = c 2 = n i=1 a ii = traço(a). c 0 = det(a). Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 14
15 Relações de Girard Relações entre raízes e coeficientes λ 1 + λ 2 + λ λ n = n i=1 λ i = c n 1 c n e λ 1 λ 2 λ 3... λ n = n i=1 λ i = ( 1) nc 0 c n. Duas importantes propriedades Soma dos elementos da diagonal principal é igual à soma dos autovalores traço(a) = c n 1 c n n i=1 a ii = n i=1 λ i. Determinante de uma matriz é igual ao produto dos seus autovalores det(a) = ( 1) nc 0 c n det(a) = n i=1 Uma matriz singular tem, no mínimo, um autovalor nulo. λ i. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 15
16 Exemplo das propriedades Para a matriz A = [ ], traço(a) = 10 + ( 4) = 6 = λ 1 + λ 2 = 2 + 4, det(a) = 10( 4) 12( 4) = 8 = λ 1 λ 2 = 2 4. Uma matriz com elementos reais tem seu polinômio característico com coeficientes reais. Uma matriz com elementos reais tem autovalores reais e/ou complexos conjugados em pares. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 16
17 Exemplo de autovalores Calcular os autovalores de A = Polinômio característico [ ]. D 2 (λ) = det(a λi) = det ([ ]) 2 λ 2, 2 1 λ D 2 (λ) = λ 2 λ 6. Zeros do polinômio característico D 2 (λ) λ = 1 ± ( 1) ( 6) 2 { λ1 = 3 λ 2 = 2. traço(a) = 2 + ( 1) = 1 = 2 i=1 λ i = 3 + ( 2), det(a) = 2( 1) 2 2 = 6 = 2 i=1 λ i = 3( 2). Calcular autovalores usando o polinômio característico é computacionalmente ineficiente. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 17
18 Propriedades dos autovalores Considerando que det(a) = det(a T ), então os autovalores λ de A, representados por λ(a), são iguais a λ(a T ). Se A for uma matriz triangular de ordem n det(a λi)=(a 11 λ)(a 22 λ) (a nn λ)=0. O posto de matriz quadrada é igual ao número de autovalores não nulos. Se λ i são os autovalores de A, então λ 1 autovalores de A 1 i são os Av = λv, A 1 Av = λa 1 v, Iv = λa 1 v A 1 v = 1 λ v. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 18
19 Normas Expressar magnitude de vetor ou de matriz. Normas vetoriais definidas como norma-p x p = p n i=1 x i p. Norma-1 ou norma de soma de magnitudes x 1 = n i=1 x i. Norma-2 ou norma Euclidiana x 2 = n i=1 x i 2. Norma- ou norma de máxima magnitude x = lim n p p i=1 x i p = max 1 i n x i. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 19
20 Condições das normas vetoriais Norma vetorial é uma função : C n R que associa um número real a cada vetor. Satisfaz as condições x 0 e x = 0 se, e somente se, x = 0, x + y x + y, kx = k x, x, y C n são vetores e k C é um escalar. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 20
21 Cálculo de norma vetorial Calcular as normas 1, 2 e do vetor x = [3 5 1] T. x 1 = = 9, x 2 = = 5,9161, x = max( 3, 5, 1 ) = 5. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 21
22 Condições das normas matriciais As normas satisfazem as condições A 0 e A = 0 se, e somente se, A = 0, A + B A + B, ka = k A, A e B são matrizes de mesma ordem e k é um escalar. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 22
23 Normas matriciais Norma-1 ou norma de soma máxima de coluna A 1 = max 1 j n n i=1 a ij, Norma- ou norma de soma máxima de linha A = max 1 i n n j=1 a ij, Norma de Frobenius A F = n n i=1 j=1 a ij 2, Norma-2 ou norma espectral { λmax se A = A A 2 = T σ max se A A T λ max é o maior autovalor de A em módulo e σ max é o maior valor singular de A, σ max = λ max (A T A) (raiz quadrada do maior autovalor em módulo da matriz A T A). Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 23
24 Normas consistentes e subordinadas Norma matricial A é consistente com uma norma vetorial x se para qualquer matriz A (n n) e vetor x (n 1) Ax A x. Norma matricial consistente A é subordinada a uma norma vetorial y se para qualquer matriz A (n n) existe um vetor y (n 1), y 0 Ay = A y. Se a norma for subordinada, então AB A B. As normas matriciais 1, 2 e são consistentes e subordinadas às respectivas normas vetoriais. A norma de Frobenius é consistente, mas não subordinada à norma-2 vetorial. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 24
25 Exemplo de norma matricial Calcular as normas 1,, F e 2 da matriz A = [ ]. A 1 = max( 2 + 3, ) = max(5, 6) A 1 = 6, A = max( 2 + 1, ) = max(3, 8) A = 8, A F = = 39 A F = 6,2450, A 2 =max ( ) λ(a T A) = max(2,2284; 5,8339) A 2 = 5,8339. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 25
26 Sistemas de equações lineares Conjunto de m equações polinomiais com n variáveis x i de grau 1 a 11 x 1 + a 12 x 2 + a 13 x a 1n x n = b 1 a 21 x 1 + a 22 x 2 + a 23 x a 2n x n = b 2 a 31 x 1 + a 32 x 2 + a 33 x a 3n x n. =. b 3. a m1 x 1 + a m2 x 2 + a m3 x a mn x n = b m. Forma matricial a 11 a 12 a 13 a 1n a 21 a 22 a 23 a 2n a 31 a 32 a a 3n. a m1 a m2 a m3 a mn x 1 x 2 x 3. x n = b 1 b 2 b 3. b m. Ax = b, onde A é a matriz dos coeficientes, x é o vetor solução e b é o vetor dos termos independentes. Se A for uma matriz quadrada (n n) não singular Ax = b A 1 Ax = A 1 b x = A 1 b. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 26
27 Classificação de sistemas Sistema sobredeterminado: tem-se mais equações do que incógnitas A (m n), m n e posto(a) = n. Problema de quadrados mínimos lineares minimize x b Ax 2. Sistema subdeterminado: existem mais incógnitas do que equações m < n e posto(a) = m. Sistema não tem solução ou existe um número infinito de soluções. Determinar a solução de norma mínima do sistema linear. Resolver um sistema de ordem n. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 27
28 Exemplo Sistema com única solução [ x 1 + x 2 = x 1 x 2 = ][ x1 x 2 ] = [ 3 1 ] det(a) 0 e x = [1 2] T. det(a) 0: sistema admite uma única solução. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 28
29 Geometria de sist. solução única Solução de um sistema linear de ordem n é um ponto no R n comum aos n hiperplanos descritos por cada uma das n equações x 1 x 2 x 3 = Vetor solução x é a interseção dos três planos descritos por cada uma das três equações E1, E2 e E3: x = [5 1 10] T. Solução : x = [5 1 10] E2 50 E1 x3 0 * E x x Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 29
30 Sistema com infinitas soluções Exemplo [ x 1 + x 2 = x 1 + 2x 2 =4 2 2 ][ x1 x 2 ] = [ 2 4 ] det(a) = 0 e x = [θ 2 θ] T. det(a) = 0: sistema admite infinitas soluções, uma para cada valor de θ. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 30
31 Geometria de sist. infinitas soluções Exemplo x 1 x 2 x 3 = Com det(a) = 0, os três planos se interceptam em uma linha reta descrita por x = [70 6,5θ 16 1,5θ θ] T. Para cada valor de θ ter-se-á uma solução do sistema linear. Infinitas soluções x x x1 0 5 Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 31
32 Exemplo Sistema sem solução x 1 + x 2 = 1 x 1 + x 2 = 1 [ ] [ x1 x 2 ] = [ 1 1 ] det(a) = 0 e x. det(a) = 0: sistema não tem solução. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 32
33 Geometria de sistema sem solução Exemplo x 1 x 2 x 3 = Com det(a) = 0: nunca se interceptam simultaneamente, ou seja, o sistema acima não admite solução. Sem solução x x x1 0 5 Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 33
34 Sistema triangular inferior Apresenta a forma l l 21 l l 31 l 32 l l n1 l n2 l n3 l nn x 1 x 2 x 3. x n = c 1 c 2 c 3. c n. Solução via substituições sucessivas l 11 x 1 = c 1 x 1 = c 1 l 11, l 21 x 1 + l 22 x 2 = c 2 x 2 = c 2 l 21 x 1 l 22, l 31 x 1 + l 32 x 2 + l 33 x 3 = c 3 x 3 = c 3 l 31 x 1 l 32 x 2 l 33,. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 34
35 Generalizando Substituições sucessivas l n1 x 1 + l n2 x l n,n 1 x n 1 + l nn x n = c n, x n = c n l n1 x 1 l n2 x 2 l n,n 1 x n 1 l nn. Esquematicamente x i = c i i 1 j=1 l ij x j l ii, i = 1, 2,..., n. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 35
36 Exemplo de substituições sucessivas Calcular a solução do sistema triangular inferior x x x 3 = x 4 6 2x 1 = 4, x 1 = 4 2 x 1 = 2, 3x 1 + 5x 2 = 1, x 2 = 1 3(2) 5 x 2 = 1, x 1 6x 2 + 8x 3 = 48, x 3 = x 3 = 5, 48 (2) + 6( 1) 8 x 1 + 4x 2 3x 3 + 9x 4 = 6, x 4 = 6 + (2) 4( 1) + 3(5) 9 x 4 = 3. Solução do sistema: x = [ ] T. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 36
37 Algoritmo: substituições sucessivas Algoritmo Substituiç~oes Sucessivas { Objetivo: Resolver sist. triangular inferior } { Lx = c pelas substituições sucessivas } par^ametros de entrada n, L, c { ordem, matriz triang. inf. e vetor indep. } par^ametros de saída x { solução do sistema triangular inferior } x(1) c(1)/l(1, 1) para i 2 até n faça Soma 0 para j 1 até i 1 faça Soma Soma + L(i, j) x(j) fim para x(i) (c(i) Soma)/L(i, i) fim para fim algoritmo Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 37
38 Sistema triangular superior Apresenta a forma u 11 u 12 u 1,n 1 u 1n 0 u 22 u 2,n 1 u 2n u n 1,n 1 u n 1,n u nn x 1 x 2 x 3. x n 1 x n = d 1 d 2 d 3. d n 1 d n. Solução via substituições retroativas u nn x n = d n x n = d n u nn, u n 1,n 1 x n 1 + u n 1,n x n = d n 1 x n 1 = d n 1 u n 1,n x n u n 1,n 1,. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 38
39 Continuando Substituições retroativas u 22 x 2 + u 23 x u 2n x n = d 2 x 2 = d 2 u 23 x 3 u 2n x n u 22, u 11 x 1 + u 12 x 2 + u 13 x u 1n x n = d 1 x 1 = d 1 u 12 x 2 u 13 x 3 u 1n x n u 11. Esquematicamente x i = d i n j=i+1 u ij x j u ii, i = n, n 1,..., 1. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 39
40 Exemplo de substituições retroativas Achar solução do sistema triangular superior x 1 x 2 x 3 x 4 = x 4 = 8, x 4 = 8 2 x 4 = 4, 4x 3 + 5x 4 = 28, x 3 = 28 5(4) 4 x 3 = 2, 3x 2 + 7x 3 4x 4 = 2, x 2 = x 2 = 0, 2 7(2) + 4(4) 3 5x 1 2x 2 + 6x 3 + x 4 = 1, x 1 = 1 + 2(0) 6(2) (4) 5 x 1 = 3. Solução do sistema: x = [ ] T. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 40
41 Algoritmo: substituições retroativas Algoritmo Substituiç~oes Retroativas { Objetivo: Resolver sist. triangular superior } { Ux = d pelas substituições retroativas } par^ametros de entrada n, U, d { ordem, matriz triang. sup. e vetor indep. } par^ametros de saída x { solução do sistema triangular superior } x(n) d(n)/u(n, n) para i n 1 até 1 passo 1 faça Soma 0 para j i + 1 até n faça Soma Soma + U(i, j) x(j) fim para x(i) (d(i) Soma)/U(i, i) fim para fim algoritmo Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 41
42 Complexidade: subst. sucessivas Considerando n i=1 i = n(n + 1). 2 Adições n i=2 [(i 1) + 1] = n(n + 1) 2 1 = n2 2 + n 2 1. Multiplicações n i=2 (i 1) = n(n + 1) 2 1 (n 1) = n2 2 n 2. Divisões 1 + n i=2 1 = 1 + n 1 = n. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 42
43 Complexidade: subst. retroativas Adições n 1 i=1 [(n i) + 1] = (n 1)n (n 1)n 2 + n 1 = n2 2 + n 2 1. Multiplicações n 1 i=1 (n i) = (n 1)n (n 1)n 2 = n2 2 n 2. Divisões 1 + n 1 i=1 1 = 1 + n 1 = n. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 43
44 Eliminação de Gauss Classes de métodos para resolução de sistemas lineares. Métodos diretos: solução obtida com número finito de operações aritméticas. Métodos iterativos: solução exata somente com número infinito de operações. Eliminação de Gauss é um exemplo de método direto. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 44
45 Sistemas equivalentes Sistemas de equações lineares que possuem o mesmo vetor solução A { 2x1 + 3x 2 = 8 x 1 x 2 = 1 e B { 2x1 2x 2 = 2 x 1 + 4x 2 = 9 = x A = x B = [ 1 2 ] = A B. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 45
46 Operações l-elementares Trocar ordem de duas equações B { 2x1 2x 2 = 2 x 1 + 4x 2 = 9 e C { x1 + 4x 2 = 9 2x 1 2x 2 = 2 x B = x C = [ 1 2 ] = B C. Multiplicar uma equação por constante não nula C { x1 + 4x 2 = 9 2x 1 2x 2 = 2 e D { x1 + 4x 2 = 9 x 1 x 2 = 1 x C = x D = [ 1 2 ] = C D. Somar uma equação à outra D { x1 + 4x 2 = 9 x 1 x 2 = 1 e E { 2x1 + 3x 2 = 8 x 1 x 2 = 1 x D = x E = [ 1 2 ] = D E. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 46
47 Sistema triangular equivalente Método de eliminação de Gauss a 11 a 12 a 13 a 1n a 21 a 22 a 23 a 2n a 31 a 32 a a 3n. a n1 a n2 a n3 a nn x 1 x 2 x 3. x n = b 1 b 2 b 3. b n u 11 u 12 u 13 u 1n 0 u 22 u 23 u 2n 0 0 u u 3n u nn x 1 x 2 x 3. x n = d 1 d 2 d 3. d n. Transformação Ax = b Ux = d. Solução do sistema triangular superior Ux = d pelas substituições retroativas. Vetor resíduo r = b Ax. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 47
48 Exemplo de eliminação de Gauss Resolver o sistema pelo método de eliminação de Gauss e verificar a exatidão da solução x 1 x 2 x 3 = Eliminar elementos da primeira coluna x 1 x 2 x 3 = Eliminar elementos da segunda coluna x 1 x 2 x 3 = Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 48
49 Dispositivo prático L multiplicador A b Operações m 21 = ( 2)/1= m 31 = (4)/1= L 1 + L 2 5 m 32 = (6)/2= L 1 + L L 4 + L 5 Sistema triangular superior x 1 x 2 x 3 = Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 49
50 Vetores solução e resíduo Sistema triangular superior x 1 x 2 x 3 = Substituições retroativas x 3 = 36, x 3 = x 3 = 3, 2x 2 + 3x 3 = 7, x 2 = 7 3(3) 2 x 2 = 1, x 1 3x 2 + 2x 3 = 11, x 1 = x 1 = ( 1) 2(3) 1 Vetor solução: x = [2 1 3] T. Vetor resíduo: r = b Ax r = = Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 50
51 Exemplo de eliminação de Gauss Resolver o sistema pelo método de eliminação de Gauss e verificar a exatidão da solução Dispositivo prático x 1 x 2 x 3 x 4 = L multiplicador A b Operações m 21 = (3)/1= m 31 = (1)/1= m 41 = (5)/1= L 1 + L 2 6 m 32 = ( 2)/1= L 1 + L 3 7 m 42 = (3)/1= L 1 + L L 5 + L 6 9 m 43 = (5)/2= 2, L 5 + L ,5L 8 + L 9 Sistema triangular superior equivalente x 1 x 2 x 3 x 4 = Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 51
52 Substituições retroativas Sistema triangular superior equivalente x 1 x 2 x 3 x 4 Substituições retroativas = x 4 = 1, x 4 = 1 1 x 4 = 1,. 2x 3 10x 4 = 12, x 3 = (1) 2 x 3 = 11, x 2 2x 3 + 3x 4 = 1, x 2 = 1 + 2(11) 3(1) 1 x 2 = 20, x 1 + 6x 2 + 2x 3 + 4x 4 = 8, x 1 = 8 6(20) 2(11) 4(1) 1 x 1 = 138. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 52
53 Vetores solução e resíduo Vetor solução x = Vetor resíduo r = = Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 53
54 Cálculo do determinante Determinante da matriz dos coeficientes obtido como um subproduto do método de Gauss. Relações entre os determinantes das matrizes dos sistemas equivalentes intermediários obtidos pelas operações l-elementares. a) Se duas linhas quaisquer de uma matriz A forem trocadas, então, o determinante da nova matriz B será det(b) = det(a). A = [ ] det(a) = 10, B = [ ] det(b) = 10. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 54
55 Determinante via operações l-elementares b) Se todos os elementos de uma linha de A forem multiplicados por uma constante k, então, o determinante da matriz resultante B será det(b) = k det(a). A = [ ] det(a) = 10, B = [ ] det(b) = 5. c) Se um múltiplo escalar de uma linha de A for somado à outra linha, então, o determinante da nova matriz B será det(b) = det(a). A = [ ] det(a) = 5, B = [ ] det(b) = 5. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 55
56 Determinante via operações l-elementares d) Se A for uma matriz triangular ou diagonal de ordem n, então, o seu determinante será igual ao produto dos elementos da diagonal principal det(a) = a 11 a 22 a a nn = n i=1 a ii. A = [ ] det(a) = 2, B = det(b) = 15. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 56
57 Determinante via operações l-elementares e) Se uma matriz A for multiplicada por uma matriz B, então, o determinante da matriz resultante C será det(c) = det(a) det(b). A = [ ] det(a) = 10, B = [ ] det(b) = 3, C = [ ] det(c) = 30. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 57
58 Exemplo de cálculo do determinante Calcular o determinante da matriz Seqüência de matrizes obtidas pelas operações l- elementares Matrizes obtidas somente por combinações lineares das linhas. As três matrizes possuem determinante com mesmo valor. Determinante será igual ao produto dos elementos da diagonal, ou seja, o determinante será o produto dos pivôs det(a) = (1)(2)( 12) = 24. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 58
59 Pivotação parcial Método de Gauss falha quando pivô for nulo. Consiste em escolher como pivô o maior elemento em módulo da coluna, cujos elementos serão eliminados. A pivotação parcial garante que o pivô seja não nulo, exceto quando a matriz for singular. Todos os multiplicadores satisfazem 1 m ij 1. Multiplicadores grandes podem ampliar os erros de arredondamento. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 59
60 Exemplo de pivotação parcial Resolver o sistema pelo método de Gauss com pivotação parcial x 1 x 2 x 3 = Dispositivo prático L multiplicador A b Operações 1 m 11 = (1)/4= 0, m 21 = ( 2)/4=0, m 12 = ( 1,5)/5=0,3 0 1,5 0,75 3,75 0,25L 3 +L ,5 0,5 0,5L 3 +L ,2 3,6 0,3L 5 +L 4 Sistema triangular superior equivalente , ,2 x 1 x 2 x 3 = 29 0,5 3,6. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 60
61 Vetor solução Sistema triangular superior equivalente , ,2 x 1 x 2 x 3 = 29 0,5 3,6. Substituições retroativas 1,2x 3 = 3,6, x 3 = 3,6 1,2 x 3 = 3, 5x 2 + 1,5x 3 = 0,5, x 2 = 0,5 1,5(3) 5 x 2 = 1, 4x 1 6x 2 + 5x 3 = 29, x 1 = ( 1) 5(3) 4 x 1 = 2. Vetor solução: x = [2 1 3] T. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 61
62 Decomposição LU Uma matriz quadrada qualquer pode ser escrita como o produto de duas matrizes. Exemplo [ ] = [ ] [ ]. A matriz A foi fatorada tal que A = LU. L: matriz triangular inferior unitária. U: matriz triangular superior. Resolver o sistema Ax = b Ax = b LUx = b, Ly = b e Ux = y. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 62
63 Cálculo dos fatores Fatoração por eliminação de Gauss. Resolver o sistema x 1 x 2 x 3 = Dispositivo prático L m A Operações m 21 = ( 2)/1 = m 31 = (4)/1 = L 1 + L 2 5 m 32 = (6)/2 = L 1 + L L 4 + L 5 Matrizes L e U L = e U = Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 63
64 Sistema triangular inferior Ly = b Igualdade A = LU = Solução do sistema Ly = b y 1 y 2 y 3 = , y 1 = 11, 2y 1 + y 2 = 15, y 2 = (11) y 2 = 7, 4y 1 + 3y 2 + y 3 = 29, y 3 = 29 4(11) 3(7) y 3 = 36. Vetor intermediário: y = [ ] T. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 64
65 Sistema triangular superior Ux = y Solução do sistema Ux = y x 1 x 2 x 3 = , 12x 3 = 36, x 3 = x 3 = 3, 2x 2 + 3x 3 = 7, x 2 = 7 3(3) 2 x 2 = 1, x 1 3x 2 + 2x 3 = 11, x 1 = ( 1) 2(3) 1 x 1 = 2. Vetor solução: x = [2 1 3] T. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 65
66 Pivotação parcial Evitar pivô nulo. Evitar multiplicadores com valores grandes. Decomposição da forma P A = LU. P : matriz de permutações. L: matriz triangular inferior unitária formada pelos multiplicadores, com sinais contrários. U: matriz triangular superior. Resolver o sistema Ax = b Ax = b P Ax = P b LUx = P b. Ly = P b e Ux = y. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 66
67 Resolver o sistema Exemplo x 1 x 2 x 3 = Dispositivo prático L m A Operações LP 1 m 11 = (1)/4= 0, m 21 = ( 2)/4=0, m 12 = ( 1,5)/5=0,3 0 1,5 0,75 0,25L 3 +L ,5 0,5L 3 +L ,2 0,3L 5 +L 4 1 L = U = m m 11 m , ,2 = e P = , ,25 0, Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 67
68 Sistema triangular inferior Ly = P b Solução do sistema Ly = P b , ,25 0,3 1 y 1 y 2 y 3 = , y 1 = 29; 0,5y 1 + y 2 = 15, y 2 = ,5(29) y 2 = 0,5; 0,25y 1 0,3y 2 + y 3 = 11, y 3 = 11 0,25(29) + 0,3( 0,5) y 3 = 3,6. Vetor intermediário: y = [29 0,5 3,6] T. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 68
69 Sistema triangular superior Ux = y Solução do sistema Ux = y , ,2 x 1 x 2 x 3 = 29 0,5 3,6, 1,2x 3 = 3,6, x 3 = 3,6 1,2 x 3 = 3, 5x 2 + 1,5x 3 = 0,5; x 2 = 0,5 1,5(3) 5 x 2 = 1; 4x 1 6x 2 + 5x 3 = 29; x 1 = ( 1) 5(3) 4 x 1 = 2. Vetor solução: x = [2 1 3] T. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 69
70 Cálculo do determinante Pelas propriedades dos determinantes P A = LU det(p A) = det(lu), det(a) = det(l) det(u), det(p ) det(l) = n i=1 l ii = 1, det(u) = n i=1 u ii, det(p ) = ( 1) p, p: número de trocas de linhas necessárias para transformar a matriz de permutações em identidade. Determinante det(a) = ( 1) p n i=1 u ii. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 70
71 Exemplo Calcular o determinante da matriz A = Matrizes U e P U = Valor de p , ,2. e P = p linhas pivotais comentário trocar 3 com ordem crescente. Determinante det(a) = ( 1) p 3 i=1 u ii = ( 1) 1 (4)(5)(1,2) det(a) = 24. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 71
72 Exemplo Resolver o sistema x 1 x 2 x 3 x 4 = Dispositivo prático L m A Operações LP 1 m 11 = (4)/5= 0, m 21 = (1)/5= 0, m 31 = (0)/5= m 12 = ( 1)/4=0, ,8L 4 +L m 22 = ( 2)/4=0, ,2L 4 +L L 4 +L ,25 0,25L 7 +L m 23 = ( 2)/( 5)= 0, ,5 0,5L 7 +L ,4 0,4L 8 +L 9 2 Índices das linhas pivotais (LP): 4, 3, 1 e 2. Matrizes L, U e P L= ,8 0, ,2 0,5 0,4 1, U= , ,4, P= Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 72
73 Sistemas triangulares Solução do sistema Ly = P b ,8 0, ,2 0,5 0,4 1 y 1 y 2 y 3 y 4 = y = ,25 2. Solução do sistema Ux = y , ,4 x 1 x 2 x 3 x 4 = ,25 2 x = Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 73
74 Exatidão e unicidade da solução Exatidão r =b Ax= r = Unicidade da solução p linhas pivotais comentário trocar 4 com trocar 3 com trocar 4 com ordem crescente, det(a) = ( 1) p 4 i=1 u ii, det(a) = ( 1) 3 (5)(4)( 5)( 0,4) = Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 74
75 Sistema com matriz singular Sistema com infinitas soluções. Resolver o sistema Ax = b, sendo A = Decomposição LU e b = L m A Operações LP. 1 m 11 = (1)/( 2)=0, m 31 = ( 1)/( 2)= 0, ,5 0,5L 2 +L m 32 = (1)/1= ,5 0,5L 2 +L L 4 +L 5 3. Os três fatores L= , ,5 1 1, U= , e P= Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 75
76 Solução dos sistemas triangulares Solução do sistema Ly = P b , ,5 1 1 y 1 y 2 y 3 = y = Solução do sistema Ux = y , x 1 x 2 x 3 = , 0x 3 = 0 x 3 = θ, x 2 + 1,5x 3 = 16 x 2 = 16 1,5θ, 2x 1 + 8x 2 x 3 = 12, x 1 = 12 8(16 1,5θ) + θ 2 x 1 = 70 6,5θ. Vetor solução: x = [70 6,5θ 16 1,5θ θ] T. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 76
77 Sistema com matriz singular Sistema sem solução. Resolver o sistema Ax = c, sendo A = Solução de Ly = P c e c = , ,5 1 1 y 1 y 2 y 3 = y = Solução de Ux = y , x 1 x 2 x 3 = x 3 = 70 x 3 x. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 77
78 Algoritmo: decomposição LU Algoritmo Decomposiç~ao LU { Objetivo: Fazer a decomposição LU de uma matriz A } par^ametros de entrada n, A { ordem e matriz } par^ametros de saída A, Det, Pivot { matriz decomposta A = U + L I, determinante, pivôs } para i 1 até n faça Pivot(i) i fim para; Det 1 para j 1 até n 1 faça { Escolha do elemento pivô } p j; Amax abs(a(j, j)) para k j + 1 até n faça se abs(a(k, j)) > Amax ent~ao Amax abs(a(k, j)); p k fim se fim para se p j ent~ao { Troca de linhas } para k 1 até n faça t A(j, k); A(j, k) A(p, k); A(p, k) t fim para t Pivot(j); Pivot(j) Pivot(p); Pivot(p) t Det Det fim se Det Det A(j, j) se abs(a(j, j)) 0 ent~ao { Eliminação de Gauss } r 1/A(j, j) para i j + 1 até n faça m A(i, j) r; A(i, j) m para k j + 1 até n faça A(i, k) A(i, k) m A(j, k) fim para fim para fim se fim para Det Det A(n, n) fim algoritmo Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 78
79 Complexidade da decomposição LU Matriz de ordem n Operações Adições Multiplicações Complexidade 1 3 n3 1 2 n n 1 3 n3 1 3 n Divisões n 1 Desconsideradas operações de trocas de sinal e multiplicações para o cálculo do determinante. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 79
80 Algoritmo: Substituições sucessivas pivotal Algoritmo Substituiç~oes Sucessivas Pivotal { Objetivo: Resolver sistema triang. inferior } { Lx = P c pelas substituições sucessivas, } { com pivotação parcial } par^ametros de entrada n, L, c, Pivot { ordem, matriz triangular inferior unitária, } { vetor independente e posição dos pivôs } par^ametros de saída x { solução do sistema triangular inferior } k Pivot(1) x(1) c(k) para i 2 até n faça Soma 0 para j 1 até i 1 faça Soma Soma + L(i, j) x(j) fim para k Pivot(i) x(i) c(k) Soma fim para fim algoritmo Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 80
81 Decomposição de Cholesky Matriz dos coeficientes A simétrica e definida positiva, A = A T e v T Av > 0, v 0. Decomposição LU simplificada para A = LL T, L: matriz triangular inferior. L T : matriz triangular superior. Teorema (Cholesky) Se A for uma matriz simétrica e definida positiva, então existe uma única matriz triangular L com elementos da diagonal positivos tal que A = LL T. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 81
82 Cálculo do fator Decomposição LL T = A de matriz de ordem 4 l l 21 l l 31 l 32 l 33 0 l 41 l 42 l 43 l 44 l 11 l 21 l 31 l 41 0 l 22 l 32 l l 33 l l 44 = a 11 a 12 a 13 a 14 a 21 a 22 a 23 a 24 a 31 a 32 a 33 a 34 a 41 a 42 a 43 a 44. Elemento l 44 da diagonal l l l l2 44 = a 44 l 44 = a 44 (l l l2 43 ) l 44 = a 44 3 k=1 l 2 4k. Elemento qualquer da diagonal de L l jj = a jj j 1 k=1 ljk 2, j = 1, 2,..., n. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 82
83 Cálculo do fator cont. l l 21 l l 31 l 32 l 33 0 l 41 l 42 l 43 l 44 l 11 l 21 l 31 l 41 0 l 22 l 32 l l 33 l l 44 = Elemento l 43 abaixo da diagonal a 11 a 12 a 13 a 14 a 21 a 22 a 23 a 24 a 31 a 32 a 33 a 34 a 41 a 42 a 43 a 44. l 41 l 31 + l 42 l 32 + l 43 l 33 = a 43 l 43 = a 43 (l 41 l 31 + l 42 l 32 ) l 33 l 43 = a 43 2 k=1 l 4k l 3k l 33. Elemento genérico abaixo da diagonal principal l ij = a ij j 1 k=1 l ik l jk l jj, j = 1, 2,..., n 1 e i = j + 1, j + 2,..., n. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 83
84 Solução de Ax = b por Cholesky Solução de Ax = b Ax = b LL T x = b. Ly = b e L T x = y Sistema triangular inferior Ly = b y i = b i i 1 j=1 l ij y j l ii, i = 1, 2,..., n. Sistema triangular superior L T x = y x i = y i n j=i+1 l ji x j l ii, i = n, n 1,..., 1. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 84
85 Cálculo do determinante Pelas propriedades dos determinantes det(a) = det(ll T ), det(a) = det(l) det(l T ) det(a) = n l ii i=1 2. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 85
86 Resolver o sistema Exemplo x 1 x 2 x 3 = Coluna 1 l 11 = a 11 = 4 = 2, l 21 = a 21 l 11 = 2 2 = 1, l 31 = a 31 l 11 = 2 2 = 1. Coluna 2 l 22 = a 22 l21 2 = 10 ( 1) 2 = 3, l 32 = a 32 l 31 l 21 l 22 = 7 (1)( 1) 3 = 2. Coluna 3 l 33 = a 33 (l31 2 +l2 32 )= 30 ((1) 2 +( 2) 2 )=5. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 86
87 Dispositivo prático A L i\j i\j Verificação que LL T = A = Sistema Ly = b y 1 y 2 y 3 = y = Sistema L T x = y x 1 x 2 x 3 = x = Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 87
88 Exatidão e unicidade da solução Exatidão r = b Ax, r = r = 0 solução exata = 0 0 0, Unicidade det(a) = 3 l ii i=1 2 = ((2)(3)(5)) 2 = 900, det(a) 0 solução única. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 88
89 Exemplo Resolver o sistema x 1 x 2 x 3 x 4 = Coluna 1 l 11 = a 11 = 9 = 3, l 21 = a 21 l 11 = 6 3 = 2, l 31 = a 31 l 11 = 3 3 = 1, l 41 = a 41 l 11 = 3 3 = 1. Coluna 2 l 22 = a 22 l 221 = 20 (2) 2 = 4, l 32 = a 32 l 31 l 21 l 22 l 42 = a 42 l 41 l 21 l 22 = Coluna 3 l 33 = = 2 ( 1)(2) = 1, 4 22 (1)(2) = 5. 4 a 33 (l l232 ) = 6 (( 1) 2 + (1) 2 ) = 2, l 43 = a 43 (l 41 l 31 + l 42 l 32 ) 2 ((1)( 1) + (5)(1)) = l 33 2 Coluna 4 l 44 = = 1. a 44 (l 241 +l242 +l243 )= 28 ((1) 2 +(5) 2 +( 1) 2 )=1. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 89
90 Dispositivo prático A L i\j i\j Sistema Ly = b y 1 y 2 y 3 y 4 = y = Sistema L T x = y x 1 x 2 x 3 x 4 = x= Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 90
91 Exatidão e unicidade da solução Exatidão r = b Ax, r = = r = 0 solução exata. Matriz L L = Unicidade det(a) = 4 l ii i=1 2 = ((3)(4)(2)(1)) 2 = 576, det(a) 0 solução única. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 91
92 Algoritmo: decomposição de Cholesky Algoritmo Cholesky { Objetivo: Fazer a decomposição LL T de uma matriz A } { simétrica e definida positiva } par^ametros de entrada n, A { ordem e matriz a ser decomposta } par^ametros de saída L, Det, Erro { fator, determinante e condição de erro } Det 1 para j 1 até n faça Soma 0 para k 1 até j 1 faça Soma Soma + L(j, k) 2 fim para t A(j, j) Soma; Det Det t Erro t 0 { variável lógica: se verdadeiro tem erro e se falso não tem } se Erro ent~ao escreva a matriz não é definida positiva ; abandone sen~ao L(j, j) raiz 2 (t); r 1/L(j, j) fim se para i j + 1 até n faça Soma 0 para k 1 até j 1 faça Soma Soma + L(i, k) L(j, k) fim para L(i, j) (A(i, j) Soma) r fim para fim para fim algoritmo Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 92
93 Complexidade: decomposição de Cholesky Matriz de ordem n Operações Adições Multiplicações Divisões Raízes quadradas Complexidade 1 6 n n n 1 6 n n2 2 3 n n n Desconsideradas as multiplicações para cálculo do determinante. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 93
94 Decomposição espectral Uma matriz A de ordem n possui autovalores λ i, i = 1, 2,..., n. Cada autovalor tem um autovetor correspondente. Generalizando a relação Av = λv Av i = λ i v i, i = 1, 2,..., n, AV = V Λ. Λ = diag(λ 1, λ 2,..., λ n ): matriz diagonal contendo os autovalores λ i. V : matriz, cujas colunas são os autovetores v i. Pós-multiplicando por V 1 AV V 1 = V ΛV 1 A = V ΛV 1. Matriz A decomposta em termos de seus autovalores e autovetores. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 94
95 Cálculo dos autovetores Da relação fundamental Av i = λ i v i (A λ i I)v i = 0. Matriz (A λ i I) é singular det(a λ i I) = 0. Sistema (A λ i I)v i = 0 é homogêneo. Ele apresenta infinitas soluções v i. Atribuir valor arbitrário a um elemento de v i. Por exemplo, v i1 = 1. Obter os demais elementos do autovetor v i pela solução do sistema resultante de ordem n 1. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 95
96 Exemplo de decomposição espectral Fazer a decomposição espectral da matriz A = Polinômio característico D 3 (λ) = det 7 λ λ λ. Desenvolvendo o determinante D 3 (λ) = λ 3 + 2λ λ 12. Os três zeros do polinômio característico são os três autovalores de A λ 1 = 4, λ 2 = 1 e λ 3 = 3. Matriz Λ contendo os autovalores Λ = Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 96
97 Matriz A = Autovetor v de λ 1 = Sistema homogêneo (A λ 1 I)v = (A 4I)v = 0. Autovetor v correspondente à λ 1 = v 1 v 2 v 3 = Equações 1 e 2 são redundantes. Elimina-se a segunda e faz-se v 1 = 1 [ ][ v2 v 3 ] = [ 3 12 ] v 2 = 0,5; v 3 = 2 v = 1 0,5 2. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 97
98 Matriz A = Autovetor w de λ 2 = Sistema homogêneo (A λ 2 I)w = (A I)w = 0. Autovetor w correspondente à λ 2 = w 1 w 2 w 3 = Equações 1 e 3 redundantes. Elimina-se a terceira e faz-se w 1 = 1 [ ] [ w2 w 3 ] = [ 6 3 ] w 2 = 1, w 3 = 4 w = Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 98
99 Matriz A = Autovetor z de λ 3 = Sistema homogêneo (A λ 3 I)z = (A + 3I)z = 0. Autovetor z correspondente à λ 3 = z 1 z 2 z 3 = Equações 2 e 3 redundantes. Elimina-se a terceira e faz-se z 1 = 1 [ ] [ z2 z 3 ] = [ 10 3 ] z 2 = 1, z 3 = 2 z = Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 99
100 Decomposição espectral de A Matriz V contendo os autovetores de A V = [v w z] = Inversa de V V 1 = , , ,5.. Decomposição espectral A = V ΛV = 0, , ,5 Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 100
101 Solução de sistema Solução de Ax = b obtida por x = A 1 b. x = (V ΛV 1 ) 1 b x = (V Λ 1 V 1 )b. Vetor solução x depende de λ 1 i. Quase singularidade da matriz A. Solução x tem elementos muito grandes. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 101
102 Exemplo Calcular a solução do sistema A = x 1 x 2 x 3 = Sabendo que x = (V Λ 1 V 1 )b, x = 0, x = , , , Solução exata r = = Grande custo computacional. Normalmente, não é utilizada para a solução de sistemas de equações lineares. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 102
103 Uso da decomposição Resolver sistemas de equações lineares. Calcular o determinante de uma matriz. Refinamento da solução de sistemas. Cálculo da matriz inversa. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 103
104 Refinamento da solução x 0 : solução aproximada de Ax = b calculada por decomposição LU com pivotação parcial LUx 0 = P b Lt = P b e Ux 0 = t. Fatores L e U perdem exatidão. Solução melhorada x 1 = x 0 + c 0, c 0 : vetor de correção Ax 1 = b A(x 0 + c 0 ) = b Ac 0 = b Ax 0 Ac 0 = r 0. Parcela de correção c 0 é a solução do sistema LUc 0 = P r 0 Lt = P r 0 e Uc 0 = t. Melhor aproximação x 2 = x 1 + c 1, c 1 : solução de Ac 1 = r 1 obtida por LUc 1 = P r 1. Esquematicamente LUx 0 =P b Lt=P b e Ux 0 =t, r k =b Ax k LUc k =P r k Lt=P r k e Uc k =t x k+1 =x k + c k k =0, 1, 2,... Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 104
105 Exemplo Resolver o sistema e refinar a solução até que c < x 1 x 2 x 3 = Decomposição LU com pivotação parcial L= 0, ,33 0,42 1, U = , ,74, P = Cálculo de x 0 Ax 0 =b LUx 0 =P b, 19 Lt=P b t= 8,73 13,6034 e Ux 0 =t x 0 = 1,9731 0,9738 4,9647. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 105
106 x 0 = 1,9731 0,9738 4,9647 r 0 = b Ax 0 = x 1 = x 0 + c 0 = r 1 = b Ax 1 = x 2 = x 1 + c 1 = Refinamento da solução, 0, ,0712 1,9999 1,0000 4,9999 0, ,0002 2,0000 1,0000 5,0000, LUc 0 = P r 0 c 0 =,, LUc 1 = P r 1 c 1 =. 0,0268 0,0262 0,0352 0,0001 0,0000, 0,0001 Final do refinamento: c 1 = 0,0001 < 10 3., Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 106
107 Cálculo da matriz inversa Matriz inversa satisfaz AA 1 = A 1 A = I, a 11 a 12 a 1n a 21 a 22 a 2n a n1 a n2 a nn v 11 v 12 v 1n v 21 v 22 v 2n v n1 v n2 v nn = V = A 1 : usado para simplificar a notação. Cálculo de V pela solução dos n sistemas Av i = e i, i = 1, 2,..., n, v i : i-ésima coluna da matriz inversa. e i : i-ésima coluna da matriz identidade. Mesma matriz A dos coeficientes. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 107
108 Exemplo Calcular a inversa da matriz A = A é simétrica.. Decomposição de Cholesky L = Coluna LL T v 1 = e 1 = L T v 1 = t v 1 = Lt = e 1 t = 2,75 1,70 0,10. 0,5 1,5 0,5, Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 108
109 Coluna 2 Cálculo das colunas de A 1 LL T v 2 = e 2 = L T v 2 = t v 2 = Coluna 3 LL T v 3 = e 3 = L T v 3 = t v 3 = Lt = e 2 t = 1,70 1,16 0,08. Lt = e 3 t = 0,10 0,08 0, , ,2,, Matriz inversa A 1 = V = [v 1 v 2 v 3 ] A 1 = 2,75 1,70 0,10 1,70 1,16 0,08 0,10 0,08 0,04. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 109
110 Métodos iterativos estacionários Gerar, a partir de x 0, uma seqüência de vetores {x 1, x 2, x 3,..., x k,...} x. Uma série de operações é repetida várias vezes. Seja M a matriz de iteração e c um vetor constante x k+1 = Mx k + c. Método iterativo é dito estacionário quando a matriz M for fixa. Métodos de Jacobi e Gauss-Seidel. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 110
111 Condição de convergência Teorema (Condição necessária) O método iterativo x k+1 = Mx k +c converge com qualquer valor inicial x 0 se, e somente se, ρ(m) < 1, sendo ρ(m) o raio espectral (maior autovalor em módulo) da matriz de iteração M. Teorema (Condição suficiente) É condição suficiente para a convergência dos métodos iterativos de Jacobi e Gauss-Seidel que a matriz dos coeficientes A seja diagonal estritamente dominante, ou seja, a ii > n j = 1 j i a ij, i = 1, 2,..., n. Convergência não depende da escolha de x 0. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 111
112 Critério de parada Solução exata de método iterativo lim k xk = x. Critérios de parada x k x k 1 x k ε ou k k max, ε: tolerância, k max : número máximo de iterações. Adotando-se a norma- max 1 i n x k i xk 1 i x k i max 1 i n ε, x k i : i-ésimo componente do vetor xk obtido na k- ésima iteração. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 112
113 Método de Jacobi Decompor a matriz A, tal que A = D E F, D: matriz diagonal e E e F : matrizes triangulares inferior e superior com diagonais nulas. Sistema linear Ax = b escrito na forma (D E F )x = b Dx = (E + F )x + b. Igualdade convertida em processo iterativo x k+1 = ( D 1 (E + F ) ) x k + D 1 b x k+1 = Jx k + c. Matriz de iteração do método de Jacobi J = D 1 (E + F ). Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 113
114 Forma análoga de dedução Sistema linear na forma a 11 x 1 + a 12 x 2 + a 13 x a 1n x n = b 1 a 21 x 1 + a 22 x 2 + a 23 x a 2n x n = b 2 a 31 x 1 + a 32 x 2 + a 33 x a 3n x n. =. b 3. a n1 x 1 + a n2 x 2 + a n3 x a nn x n = b n. Explicitar x i na i-ésima equação. Equações de iterações do método de Jacobi x k+1 1 = a 1 ( a12 x k 11 2 a 13x k 3 a 1nx k n + b ) 1, x k+1 2 = a 1 ( a21 x k 22 1 a 23x k 3 a 2nx k n + b ) 2, x k+1 3 = a 1 ( a31 x k 33 1 a 32x k 2 a 3nx k n + b ) 3,.. x k+1 n = a 1 ( an1 x k nn 1 a n2x k 2 a n,n 1x k n 1 + b ) n Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 114
115 Forma matricial Forma de recorrência x k+1 = Jx k + c x k+1 1 x k+1 2 x k+1 3. x k+1 n }{{} x k+1 = 0 a 12 a 11 a 13 a 11 a 1n a 11 a 21 a 22 0 a 23 a 22 a 2n a 22 a 31 a 33 a 32 a 33 0 a 3n a a n1 a nn a n2 a nn a n,n 1 a nn 0 }{{} J x k 1 x k 2 x k 3. x k n }{{} x k + b 1 a 11 b 2 a 22 b 3 a 33. b n a nn. }{{} c Convergência independe do vetor inicial x 0. Vetor inicial x 0 i = b i a ii. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 115
116 Algoritmo: método de Jacobi Algoritmo Jacobi { Objetivo: Resolver sistema Ax = b pelo método de Jacobi } par^ametros de entrada n, A, b, Toler, IterMax { ordem, matriz, vetor independente, } { tolerância e número máximo de iterações } par^ametros de saída x, Iter, Erro { vetor solução, número de iterações e condição de erro } { Construção das matrizes para as iterações } para i 1 até n faça r 1/A(i, i) para j 1 até n faça se i j ent~ao A(i, j) A(i, j) r fim se fim para b(i) b(i) r; x(i) b(i) fim para; Iter 0 { Iterações de Jacobi } repita Iter Iter + 1 para i 1 até n faça Soma 0 para j 1 até n faça se i j ent~ao Soma Soma + A(i, j) x(j) fim se fim para v(i) b(i) Soma fim para Norma1 0; Norma2 0 para i 1 até n faça se abs(v(i) x(i)) > Norma1 ent~ao Norma1 abs(v(i) x(i)) fim se se abs(v(i)) > Norma2 ent~ao Norma2 abs(v(i)) fim se x(i) v(i) fim para DifMax Norma1/Norma2 escreva Iter, x, DifMax { Teste de convergência } se DifMax < Toler ou Iter IterMax ent~ao interrompa fim se fim repita Erro DifMax Toler { variável lógica: se verdadeiro há erro e se falso não há erro } fim algoritmo Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 116
117 Exemplo Resolver o sistema de equações pelo método de Jacobi com ε < 10 5 e k max = x 1 x 2 x 3 = Matriz diagonal estritamente dominante 10 > 3 + 2, 8 > e 5 > Equações de iterações x k+1 1 = 1 10 ( 3x k 2 + 2x k ), x k+1 2 = 1 8 ( 2x k 1 + x k ), x k+1 3 = 1 5 ( x k 1 x k 2 4). Vetor inicial: x 0 = [5,7 2,5 0,8] T. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 117
118 Coordenadas do vetor da primeira iteração x 1 1 = 1 10 ( 3x x ), x 1 1 = 1 10 ( 3(2,5) + 2( 0,8) + 57) x1 1 = 4,79; x 1 2 = 1 8 ( 2x x ), x 1 2 = 1 8 ( 2(5,7) + ( 0,8) + 20) x1 2 = 0,975; x 1 3 = 1 5 ( x 0 1 x 0 2 4), x 1 3 = 1 5 ( (5,7) (2,5) 4) x1 3 = 2,44. x 1 = [4,79 0,975 2,44] T. Critério de parada x 1 x 0 max( 4,79 5,7, 0,975 2,5, 2,44 ( 0,8) ) =, x 1 max( 4,79, 0,975, 2,44 ) x 1 x 0 max(0,91; 1,525; 1,64) = x 1 max(4,79; 0,975; 2,44) = 0,3424. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 118
119 Resultados obtidos pelo algoritmo Solucao de sistema linear pelo metodo de Jacobi k x1 x2 x3 Epsilon e e e e e e e e e-06 Vetor solução x x 9 = [5, , ,00000] T. Algoritmos Numéricos Cap.2: Sistemas lineares Ed1.0 c 2001 FFCf 119
Algoritmos Numéricos 2 a edição
Algoritmos Numéricos 2 a edição Capítulo 2: Sistemas lineares c 2009 FFCf 2 2.1 Conceitos fundamentais 2.2 Sistemas triangulares 2.3 Eliminação de Gauss 2.4 Decomposição LU Capítulo 2: Sistemas lineares
Leia maisétodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO
Leia maisétodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO
Leia maisCálculo Numérico BCC760
Cálculo Numérico BCC760 Resolução de Sistemas de Equações Lineares Simultâneas Departamento de Computação Página da disciplina http://www.decom.ufop.br/bcc760/ 1 Introdução! Definição Uma equação é dita
Leia maisResolução de Sistemas Lineares. Ana Paula
Resolução de Sistemas Lineares Sumário 1 Introdução 2 Alguns Conceitos de Álgebra Linear 3 Sistemas Lineares 4 Métodos Computacionais 5 Sistemas Triangulares 6 Revisão Introdução Introdução Introdução
Leia maisSistemas Lineares. Métodos Iterativos Estacionários
-58 Sistemas Lineares Estacionários Lucia Catabriga e Andréa Maria Pedrosa Valli Laboratório de Computação de Alto Desempenho (LCAD) Departamento de Informática Universidade Federal do Espírito Santo -
Leia maisResolução de Sistemas Lineares. Ana Paula
Resolução de Sistemas Lineares Sumário 1 Aula Anterior 2 Decomposição LU 3 Decomposição LU com Pivotamento 4 Revisão Aula Anterior Aula Anterior Aula Anterior Aula Anterior Eliminação de Gauss Transforma
Leia maisUma equação linear com n variáveis tem a seguinte forma:
Edgard Jamhour Uma equação linear com n variáveis tem a seguinte forma: a 1 x 1 + a 2 x 2 +... + a n x n = b onde a 1, a 2,..., a n e b são constantes reais. Um sistema de equações lineares é um conjunto
Leia maisMétodos Numéricos - Notas de Aula
Métodos Numéricos - Notas de Aula Prof a Olga Regina Bellon Junho 2007 Introdução Sistemas Lineares Sistemas lineares são sistemas de equações com m equações e n incógnitas formados por equações lineares,
Leia maisSistemas Lineares Métodos Diretos
Sistemas Lineares Métodos Diretos Andrea M. P. Valli, Lucia Catabriga avalli@inf.ufes.br, luciac@inf.ufes.br March 19, 2018 Andrea M. P. Valli, Lucia Catabriga (UFES) DI-PPGI/UFES March 19, 2018 1 / 34
Leia maisUniversidade Federal do Espírito Santo - UFES
Universidade Federal do Espírito Santo - UFES Centro Universitário Norte do Espírito Santo - CEUNES Departamento de Matemática Aplicada - DMA Prof. Isaac P. Santos - 2018/1 Aula: Métodos Iterativos Para
Leia maisINTRODUÇÃO AOS MÉTODOS NUMÉRICOS. Solução de Sistemas Lineares
INTRODUÇÃO AOS MÉTODOS NUMÉRICOS Solução de Sistemas Lineares Introdução Uma variedade de problemas de engenharia pode ser resolvido através da análise linear; entre eles podemos citar: determinação do
Leia maisAgenda do Dia Aula 14 (19/10/15) Sistemas Lineares: Introdução Classificação
Agenda do Dia Aula 14 (19/10/15) Sistemas Lineares: Introdução Classificação Sistemas Lineares Sistemas lineares são sistemas de equações com m equações e n incógnitas formados por equações lineares. Um
Leia maisModelagem Computacional. Parte 6 2
Mestrado em Modelagem e Otimização - RC/UFG Modelagem Computacional Parte 6 2 Prof. Thiago Alves de Queiroz 2/2016 2 [Cap. 6 e 7] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning,
Leia maisAutovalores e Autovetores
Algoritmos Numéricos II / Computação Científica Autovalores e Autovetores Lucia Catabriga 1 1 DI/UFES - Brazil Junho 2016 Introdução Ideia Básica Se multiplicarmos a matriz por um autovetor encontramos
Leia maisLaboratório de Simulação Matemática. Parte 6 2
Matemática - RC/UFG Laboratório de Simulação Matemática Parte 6 2 Prof. Thiago Alves de Queiroz 2/2017 2 [Cap. 6] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning, 2010. Thiago
Leia maisResolução de Sistemas Lineares. Ana Paula
Resolução de Sistemas Lineares Sumário 1 Aula Anterior 2 3 Revisão Aula Anterior Aula Anterior Aula Anterior Aula Anterior Decomposição LU A matriz de coeficientes é decomposta em L e U L é uma matriz
Leia maisResolução 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 maisSISTEMAS LINEARES PROF. EDÉZIO
SOLUÇÕES NUMÉRICAS DE SISTEMAS LINEARES PROF. EDÉZIO Considere o sistema de n equações e n incógnitas: onde E : a x + a x +... + a n x n = b E : a x + a x +... + a n x n = b. =. () E n : a n x + a n x
Leia maisANÁLISE NUMÉRICA. Sistemas Lineares (3) 5º P. ENG. DE COMPUTAÇÃO/TELECOMUNICAÇÃO/CONTROLE FACIT / Prof. Rodrigo Baleeiro Silva
ANÁLISE NUMÉRICA Sistemas Lineares () 5º P. ENG. DE COMPUTAÇÃO/TELECOMUNICAÇÃO/CONTROLE FACIT / Prof. Rodrigo Baleeiro Silva Decomposição LU Um matriz quadrada A pode ser escrita como o produto de duas
Leia maisParte 1 - Matrizes e Sistemas Lineares
Parte 1 - Matrizes e Sistemas Lineares Matrizes: Uma matriz de tipo m n é uma tabela com mn elementos, denominados entradas, e formada por m linhas e n colunas. A matriz identidade de ordem 2, por exemplo,
Leia maisUNIVERSIDADE FEDERAL DO ABC
UNIVERSIDADE FEDERAL DO ABC BC49 Cálculo Numérico - LISTA - sistemas lineares de equações Profs André Camargo, Feodor Pisnitchenko, Marijana Brtka, Rodrigo Fresneda Métodos diretos Analise os sistemas
Leia maisNotas para o Curso de Algebra Linear Il Dayse Haime Pastore 20 de fevereiro de 2009
Notas para o Curso de Álgebra Linear Il Dayse Haime Pastore 20 de fevereiro de 2009 2 Sumário 1 Matrizes e Sistemas Lineares 5 11 Matrizes 6 12 Sistemas Lineares 11 121 Eliminação Gaussiana 12 122 Resolução
Leia maisCÁLCULO 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. (1) Se S é o espaço vetorial gerado pelos vetores 1 e,0,1
QUESTÕES ANPEC ÁLGEBRA LINEAR QUESTÃO 0 Assinale V (verdadeiro) ou F (falso): (0) Os vetores (,, ) (,,) e (, 0,) formam uma base de,, o espaço vetorial gerado por,, e,, passa pela origem na direção de,,
Leia maisÁlgebra Linear. Professor Alessandro Monteiro. 1º Sábado - Matrizes - 11/03/2017
º Sábado - Matrizes - //7. Plano e Programa de Ensino. Definição de Matrizes. Exemplos. Definição de Ordem de Uma Matriz. Exemplos. Representação Matriz Genérica m x n 8. Matriz Linha 9. Exemplos. Matriz
Leia maisINSTITUTO SUPERIOR TÉCNICO Mestrado Integrado em Engenharia Física Tecnológica Ano Lectivo: 2007/2008 Semestre: 1 o
INSTITUTO SUPERIOR TÉCNICO Mestrado Integrado em Engenharia Física Tecnológica Ano Lectivo: 27/28 Semestre: o MATEMÁTICA COMPUTACIONAL Exercícios [4 Sendo A M n (C) mostre que: (a) n A 2 A n A 2 ; (b)
Leia maisDisciplina: Cálculo Numérico IPRJ/UERJ. Sílvia Mara da Costa Campos Victer. Aula 6 - Solução de Sistema de Equações Algébricas
Disciplina: Cálculo Numérico IPRJ/UERJ Sílvia Mara da Costa Campos Victer Aula 6 - Solução de Sistema de Equações Algébricas Métodos diretos: 1- Eliminação de Gauss com substituição recuada 2- Decomposição
Leia maisINSTITUTO SUPERIOR TÉCNICO Licenciatura em Engenharia Física Tecnológica Licenciatura em Engenharia e Gestão Industrial Ano Lectivo: 2002/
INSTITUTO SUPERIOR TÉCNICO Licenciatura em Engenharia Física Tecnológica Licenciatura em Engenharia e Gestão Industrial Ano Lectivo: / ANÁLISE NUMÉRICA Exercícios Considere o sistema linear 6 x 5 y = a)
Leia maisSistemas de equações lineares
É um dos modelos mais u3lizados para representar diversos problemas de Engenharia (cálculo estrutural, circuitos elétricos, processos químicos etc.) Conservação da carga: i 1 i 2 i 3 = 0 i 3 i 4 i 5 =
Leia maisResolução 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 maisResolução 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 maisUniversidade Federal de São João Del Rei - UFSJ
Universidade Federal de São João Del Rei - UFSJ Instituída pela Lei 10.425, de 19/04/2002 - D.O.U. de 22/04/2002 Pró-Reitoria de Ensino de Graduação - PROEN Disciplina: Cálculo Numérico Ano: 2012 Prof:
Leia maisDCC008 - Cálculo Numérico
DCC008 - Cálculo Numérico Resolução de Sistemas de Equações Lineares Bernardo Martins Rocha Departamento de Ciência da Computação Universidade Federal de Juiz de Fora bernardomartinsrocha@ice.ufjf.br Conteúdo
Leia maisAutovalores e Autovetores
Autovalores e Autovetores Maria Luísa B. de Oliveira SME0300 Cálculo Numérico 24 de novembro de 2010 Introdução Objetivo: Dada matriz A, n n, determinar todos os vetores v que sejam paralelos a Av. Introdução
Leia maisModelagem Computacional. Parte 7 2
Mestrado em Modelagem e Otimização - RC/UFG Modelagem Computacional Parte 7 2 Prof. Thiago Alves de Queiroz 2/2016 2 [Cap. 7] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning,
Leia maisÁlgebra Linear e Geometria Anaĺıtica. Matrizes e Sistemas de Equações Lineares
universidade de aveiro departamento de matemática Álgebra Linear e Geometria Anaĺıtica Agrupamento IV (ECT, EET, EI) Capítulo 1 Matrizes e Sistemas de Equações Lineares Geometria anaĺıtica em R 3 [1 01]
Leia maisSME0300 Cálculo Numérico Aula 11
SME0300 Cálculo Numérico Aula 11 Maria Luísa Bambozzi de Oliveira marialuisa @ icmc. usp. br Sala: 3-241 Página: tidia-ae.usp.br 21 de setembro de 2015 Tópico Anterior Sistemas Lineares: Métodos Exatos:
Leia maisSistemas de equações lineares
DMPA IM UFRGS Cálculo Numérico Índice Sistema de Equações Lineares 1 Sistema de Equações Lineares 2 com pivoteamento parcial 3 Método de Jacobi Método Gauss-Seidel Sistema de Equações Lineares n equações
Leia maisRenato Martins Assunção
Análise Numérica Renato Martins Assunção DCC - UFMG 2012 Renato Martins Assunção (DCC - UFMG) Análise Numérica 2012 1 / 84 Equação linear Sistemas de equações lineares A equação 2x + 3y = 6 é chamada linear
Leia maisSistemas de Equações Lineares
Capítulo 3 Sistemas de Equações Lineares Um sistema com n equações lineares pode ser escrito na forma : ou na forma matricial onde com a 1,1 x 1 + a 1,2 x 2 + + a x n = b 1 a 2,1 x 1 + a 2,2 x 2 + + a
Leia mais1 Álgebra linear matricial
MTM510019 Métodos Computacionais de Otimização 2018.2 1 Álgebra linear matricial Revisão Um vetor x R n será representado por um vetor coluna x 1 x 2 x =., x n enquanto o transposto de x corresponde a
Leia maisInterbits SuperPro Web
1 (Ita 018) Uma progressão aritmética (a 1, a,, a n) satisfaz a propriedade: para cada n, a soma da progressão é igual a n 5n Nessas condições, o determinante da matriz a1 a a a4 a5 a 6 a a a 7 8 9 a)
Leia maisCálculo Numérico Algoritmos
Cálculo Numérico Algoritmos Valdenir de Souza Junior Abril de 2007 Sumário 1 Introdução 1 2 Raízes de Equações 1 2.1 Método da Bisseção......................... 2 2.2 Método de Newton-Raphson.....................
Leia maisVetores e Geometria Analítica
Vetores e Geometria Analítica ECT2102 Prof. Ronaldo Carlotto Batista 23 de fevereiro de 2016 AVISO O propósito fundamental destes slides é servir como um guia para as aulas. Portanto eles não devem ser
Leia maisUniversidade Federal do Espírito Santo - UFES
Universidade Federal do Espírito Santo - UFES Centro Universitário Norte do Espírito Santo - CEUNES Departamento de Matemática Aplicada - DMA Prof Isaac P Santos - 2018/1 Aula: Sistemas Lineares 1 Sistemas
Leia maisCálculo Numérico. Resumo e Exercícios P1
Cálculo Numérico Resumo e Exercícios P1 Fórmulas e Resumo Teórico Parte 1 Aritmética de ponto flutuante Operar com o número de algarismos significativos exigido. Arredondar após cada conta. Método de escalonamento
Leia maisAutovalores e Autovetores
Autovalores e Autovetores Lucia Catabriga Algoritmos Numéricos II Computação Científica Universidade Federal do Espírito Santo de junho de 24 Resumo Este texto tem por objetivo introduzir os conceitos
Leia maisé encontrado no cruzamento da linha i com a coluna j, ou seja, o primeiro índice se refere à linha e o segundo à coluna.
Ministério da Educação Secretaria de Educação Profissional e Tecnológica Instituto Federal De Santa Catarina Campus São José Professora: ELENIRA OLIVEIRA VILELA COMPONENTE CURRICULAR: ALG ÁLG. LINEAR MATRIZES
Leia maisDou Mó Valor aos Autovalores
1. Definições Preliminares Dou Mó Valor aos Autovalores 21ª Semana Olímpica Maceió, AL Prof. Davi Lopes Nível U Dada uma matriz quadrada A n n de entradas complexas, podemos definir os conceitos a seguir,
Leia maisMatrizes e Linearidade
Matrizes e Linearidade 1. Revisitando Matrizes 1.1. Traço, Simetria, Determinante 1.. Inversa. Sistema de Equações Lineares. Equação Característica.1. Autovalor & Autovetor 4. Polinômios Coprimos 5. Função
Leia maisConsideremos um sistema linear de n equações lineares e n incógnitas, do tipo:
58 3. Resolução de Sistemas Lineares MÉTODOS DIRETOS: são métodos que determinam a solução de um sistema linear com um número finito de operações. Entre os métodos diretos (Eliminação de Gauss, Eliminação
Leia maisSistemas Lineares - Decomposição LU
Sistemas Lineares - Decomposição LU Andréa Maria Pedrosa Valli Laboratório de Computação de Alto Desempenho (LCAD) Departamento de Informática Universidade Federal do Espírito Santo - UFES, Vitória, ES,
Leia maisÁlgebra Linear e Geometria Analítica
Álgebra Linear e Geometria Analítica Engenharia Electrotécnica Escola Superior de Tecnologia de Viseu wwwestvipvpt/paginaspessoais/lucas lucas@matestvipvpt 007/008 Álgebra Linear e Geometria Analítica
Leia maisdecomposição 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 maisétodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO
Leia maisDepartamento de Estatística
Departamento de Estatística Universidade Federal de São Carlos José Carlos Fogo São Carlos Julho de 207 Sumário Vetores Definição Representação gráfica no R 2 2 2 Propriedades algébricas 2 2 Vetores especiais
Leia maisAUTOVALORES E AUTOVETORES
AUTOVALORES E AUTOVETORES Prof a Simone Aparecida Miloca Definição 1 Uma tranformação linear T : V V é chamada de operador linear. Definição Seja T : V V um operador linear. existirem vetores não-nulos
Leia maisUniversidade Federal do Rio Grande do Norte. Métodos Computacionais Marcelo Nogueira
Universidade Federal do Rio Grande do Norte Métodos Computacionais Marcelo Nogueira Sistemas Lineares Comuns na engenharia (calculo de estruturas, redes elétricas, solução de equações diferenciais) Forma
Leia maisCálculo Numérico, Notas de aula, c Departamento de Computação, Universidade Federal de Ouro Preto. Sistemas Lineares
Cálculo Numérico, Notas de aula, 018. c Departamento de Computação, Universidade Federal de Ouro Preto. Sistemas Lineares Marcone Jamilson Freitas Souza, Departamento de Computação, Instituto de Ciências
Leia maisLegenda. Questões. 1ª Lista de Exercícios (ALGA001) Prof. Helder G. G. de Lima 1. Cálculos Conceitos Teoria Software
ª Lista de Exercícios (ALGA) Prof. Helder G. G. de Lima Legenda Cálculos Conceitos Teoria Software Questões. Mostre que as afirmações a seguir não são necessariamente verdadeiras para matrizes quadradas
Leia maisRevisão: Matrizes e Sistemas lineares. Parte 01
Revisão: Matrizes e Sistemas lineares Parte 01 Definição de matrizes; Tipos de matrizes; Operações com matrizes; Propriedades; Exemplos e exercícios. 1 Matrizes Definição: 2 Matrizes 3 Tipos de matrizes
Leia maisALGEBRA LINEAR 1 RESUMO E EXERCÍCIOS* P1
ALGEBRA LINEAR 1 RESUMO E EXERCÍCIOS* P1 *Exercícios de provas anteriores escolhidos para você estar preparado para qualquer questão na prova. Resoluções em VETORES Um vetor é uma lista ordenada de números
Leia maisCap. 4. Resolução Numérica de Sistemas Lineares. Filipe J. Romeiras
MATEMÁTICA COMPUTACIONAL Cap. 4. Resolução Numérica de Sistemas Lineares Filipe J. Romeiras Departamento de Matemática Instituto Superior Técnico Outubro de 2007 Apontamentos das aulas da disciplina do
Leia maisCap. 4. Resolução Numérica de Sistemas Lineares. Filipe J. Romeiras
MATEMÁTICA COMPUTACIONAL Cap. 4. Resolução Numérica de Sistemas Lineares Filipe J. Romeiras Departamento de Matemática Instituto Superior Técnico Apontamentos das aulas da disciplina do mesmo nome do o
Leia maisCapítulo 2 - Sistemas de Equações Lineares
Capítulo 2 - Sistemas de Equações Lineares Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança 2 o Ano - Eng. Civil e Electrotécnica Carlos Balsa Métodos
Leia maisSolução de sistemas de equações lineares
Cálculo Numérico Solução de sistemas de equações lineares Prof Daniel G Alfaro Vigo dgalfaro@dccufrjbr Departamento de Ciência da Computação IM UFRJ Parte I Métodos diretos Motivação: Circuito elétrico
Leia maisA = Utilizando ponto flutuante com 2 algarismos significativos, 2 = 0, x (0)
MAP 22 - CÁLCULO NUMÉRICO (POLI) Lista de Exercícios sobre Sistemas Lineares : Utilizando o método de eliminação de Gauss, calcule o determinante e a seguir a inversa da matriz abaixo. Efetue todos os
Leia maisSistemas de Equações Lineares
Sistemas de Equações Lineares Análise Numérica Artur M C Brito da Cruz Escola Superior de Tecnologia Instituto Politécnico de Setúbal 5/6 versão de Setembro de 7 Conteúdo Matrizes 3 Operações com Matrizes
Leia maisSistemas Lineares - Eliminação de Gauss
1-28 Sistemas Lineares - Andréa Maria Pedrosa Valli Laboratório de Computação de Alto Desempenho (LCAD) Departamento de Informática Universidade Federal do Espírito Santo - UFES, Vitória, ES, Brasil 2-28
Leia maisÁlgebra Linear. Professor Alessandro Monteiro. 1º Sábado - Matrizes - 11/03/2017
º Sábado - Matrizes - //7. Plano e Programa de Ensino. Matrizes. Exemplos. Ordem de Uma Matriz. Exemplos. Representação 7. Matriz Genérica m x n 8. Matriz Linha 9. Exemplos. Matriz Coluna. Exemplos. Diagonal
Leia mais1 NOTAS DE AULA FFCLRP-USP - VETORES E GEOMETRIA ANALÍTICA. Professor Doutor: Jair Silvério dos Santos
FFCLRP-USP - VETORES E GEOMETRIA ANALÍTICA 1 NOTAS DE AULA Professor Doutor: Jair Silvério dos Santos (i) Matrizes Reais Uma matriz real é o seguinte arranjo de números reais : a 11 a 12 a 13 a 1m a 21
Leia maisESTATÍSTICA COMPUTACIONAL
ESTATÍSTICA COMPUTACIONAL Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Introdução Solução de equações não lineares
Leia maisLegenda. Questões. 1ª Lista de Exercícios (ALI0001) Prof. Helder G. G. de Lima 1. Cálculos Conceitos Teoria Software
ª Lista de Exercícios (ALI) Prof. Helder G. G. de Lima Legenda Cálculos Conceitos Teoria Software Questões. Exiba matrizes quadradas A e B de ordem que exemplifiquem as situações a seguir. Compare com
Leia maisSME602 - Cálculo Numérico - - Prof. Murilo F. Tomé. Solução Numérica de Sistema Lineares A = MÉTODOS DIRETOS. x y z
SME602 - Cálculo Numérico - - Prof. Murilo F. Tomé Solução Numérica de Sistema Lineares NORMAS DE VETORES E MATRIZES 1. Dado o vetor v = (, 1, 8, 2) T, calcule v 1, v 2 e v. 2. Dada a matriz: A = 5 7 2
Leia mais3.6 Erro de truncamento da interp. polinomial.
3 Interpolação 31 Polinômios interpoladores 32 Polinômios de Lagrange 33 Polinômios de Newton 34 Polinômios de Gregory-Newton 35 Escolha dos pontos para interpolação 36 Erro de truncamento da interp polinomial
Leia maisÁlgebra Linear. Determinantes, Valores e Vectores Próprios. Jorge Orestes Cerdeira Instituto Superior de Agronomia
Álgebra Linear Determinantes, Valores e Vectores Próprios Jorge Orestes Cerdeira Instituto Superior de Agronomia - 200 - ISA/UTL Álgebra Linear 200/ 2 Conteúdo Determinantes 5 2 Valores e vectores próprios
Leia maisMétodos Matemáticos II
Sumário Métodos Matemáticos II Nuno Bastos Licenciatura em Tecnologias e Design Multimédia Escola Superior de Tecnologia de Viseu Gabinete 4 nbastos@mat.estv.ipv.pt http://www.estv.ipv.pt/paginaspessoais/nbastos.
Leia maisMárcio Antônio de Andrade Bortoloti
Márcio Antônio de Andrade Bortoloti Departamento de Ciências Exatas e Tecnológicas - DCET Universidade Estadual do Sudoeste da Bahia Sumário 1 Definição Uma matriz quadrada de ordem n é definida positiva
Leia maisSistemas de Equações Lineares
Licenciatura em Engenharia Electrotécnica e de Computadores Análise Numérica 998/99 Sistemas de Equações Lineares PROBLEMAS Considere o seguinte sistema de equações da forma Ax = b : 3 2 3 2 2 2 2 x x
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 13 04/2014 Sistemas de Equações Lineares Parte 3 MÉTODOS ITERATIVOS Cálculo Numérico 3/44 MOTIVAÇÃO Os métodos iterativos
Leia maisCálculo Numérico. Sistemas lineares Métodos Iterativos: Introdução Método Iterativo de Jacobi-Richardson
Cálculo Numérico Sistemas lineares Métodos Iterativos: Introdução Método Iterativo de Jacobi-Richardson Métodos como: Métodos exatos Método de eliminação de Gauss Método de decomposição LU Método de Cholesky
Leia maisResolução de Sistemas Lineares. Método de Gauss. O algoritimo conhecido como Método de Gauss é desenvolvido a partir de dois ingredientes básicos:
Resolução de Sistemas Lineares Método de Gauss O algoritimo conhecido como Método de Gauss é desenvolvido a partir de dois ingredientes básicos: Resolução de Sistemas Lineares Triangulares Procedimento
Leia maisCálculo Numérico Prof. Guilherme Amorim 26/11/2013. Aula 11 Sistemas de Equações Lineares / Parte 4 Convergência e Sistemas mal-condicionados
Cálculo Numérico Prof. Guilherme Amorim 26/11/2013 Aula 11 Sistemas de Equações Lineares / Parte 4 Convergência e Sistemas mal-condicionados Aula passada... Métodos Iterativos Jacobi Gauss-Seidel Pergunta...
Leia maisx 1 + b a 2 a 2 : declive da recta ;
- O que é a Álgebra Linear? 1 - É a Álgebra das Linhas (rectas). Equação geral das rectas no plano cartesiano R 2 : a 1 x 1 + a 2 = b Se a 2 0, = a 1 a 2 x 1 + b a 2 : m = a 1 : declive da recta ; a 2
Leia maisSME300 - Cálculo Numérico - Turma Elétrica/Automação - Prof. Murilo F. Tomé. Lista 1: Solução Numérica de Sistema Lineares A = MÉTODOS DIRETOS.
SME300 - Cálculo Numérico - Turma Elétrica/Automação - Prof. Murilo F. Tomé Lista 1: Solução Numérica de Sistema Lineares NORMAS DE VETORES E MATRIZES 1. Dado o vetor v = ( 3, 1, 8, 2) T, calcule v 1,
Leia maisÁlgebra Linear I - Aula Forma diagonal de uma matriz diagonalizável
Álgebra Linear I - Aula 18 1 Forma diagonal de uma matriz diagonalizável 2 Matrizes ortogonais Roteiro 1 Forma diagonal de uma matriz diagonalizável Sejam A uma transformação linear diagonalizável, β =
Leia maisExercício: Identifique e faça um esboço do conjunto solução da. 3x xy + y 2 + 2x 2 3y = 0
Motivação Exercício: Identifique e faça um esboço do conjunto solução da equação 3x 2 + 2 3xy + y 2 + 2x 2 3y = 0 Motivação Exercício: Identifique e faça um esboço do conjunto solução da equação 3x 2 +
Leia maisMATRIZES. Álgebra Linear e Geometria Analítica Prof. Aline Paliga
MATRIZES Álgebra Linear e Geometria Analítica Prof. Aline Paliga INTRODUÇÃO Definição: chama-se matriz de ordem m por n a um quadro de m xn elementos dispostos em m linhas e n colunas. a a a a a a a a
Leia maisProcessamento de Imagens CPS755
Processamento de Imagens CPS755 aula 04 - sistemas lineares Antonio Oliveira Ricardo Marroquim 1 / 32 laboratório de processamento de imagens tópicos decomposições (álgebra linear) decomposição QR decomposição
Leia maisÁLGEBRA LINEAR I - MAT0032
UNIVERSIDADE FEDERAL DA INTEGRAÇÃO LATINO-AMERICANA Instituto Latino-Americano de Ciências da Vida e Da Natureza Centro Interdisciplinar de Ciências da Natureza ÁLGEBRA LINEAR I - MAT003 10 a Lista de
Leia maisMatriz, Sistema Linear e Determinante
Matriz, Sistema Linear e Determinante 1.0 Sistema de Equações Lineares Equação linear de n variáveis x 1, x 2,..., x n é uma equação que pode ser expressa na forma a1x1 + a 2 x 2 +... + a n x n = b, onde
Leia maisAula 1 Autovetores e Autovalores de Matrizes Aula 2 Autovetores e Autovalores de Matrizes Casos Especiais 17
Sumário Aula 1 Autovetores e Autovalores de Matrizes.......... 8 Aula 2 Autovetores e Autovalores de Matrizes Casos Especiais 17 Aula 3 Polinômio Característico................. 25 Aula 4 Cálculo de Autovalores
Leia maisMAE125 Álgebra Linear /1 Turmas EQN/QIN
MAE25 Álgebra Linear 2 205/ Turmas EQN/QIN Planejamento (última revisão: 0 de junho de 205) Os exercícios correspondentes a cada aula serão cobrados oralmente na semana seguinte à aula e valem nota Todas
Leia maisMAE125 Álgebra Linear /2 Turmas EQN/QIN
MAE25 Álgebra Linear 2 205/2 Turmas EQN/QIN Planejamento (última revisão: 26 de outubro de 205) Os exercícios correspondentes a cada aula serão cobrados oralmente na aula seguinte e valem nota Todas as
Leia maisMatrizes e sistemas de equações algébricas lineares
Capítulo 1 Matrizes e sistemas de equações algébricas lineares ALGA 2007/2008 Mest Int Eng Biomédica Matrizes e sistemas de equações algébricas lineares 1 / 37 Definições Equação linear Uma equação (algébrica)
Leia maisUNIVERSIDADE FEDERAL DE PERNAMBUCO Lista de Exercícios / Cálculo Numérico 1ª Unidade
1) Analise as alternativas abaixo e marque V para verdadeiro e F para falso. No segundo caso, explique como as tornaria verdadeiras: ( ) O método das secantes é utilizado para solucionar um problema de
Leia maisESPAÇO VETORIAL REAL. b) Em relação à multiplicação: (ab) v = a(bv) (a + b) v = av + bv a (u + v ) = au + av 1u = u, para u, v V e a, b R
ESPAÇO VETORIAL REAL Seja um conjunto V, não vazio, sobre o qual estão definidas as operações de adição e multiplicação por escalar, isto é: u, v V, u + v V a R, u V, au V O conjunto V com estas duas operações
Leia maisSISTEMAS LINEARES. Solução de um sistema linear: Dizemos que a sequência ou ênupla ordenada de números reais
SISTEMAS LINEARES Definições gerais Equação linear: Chamamos de equação linear, nas incógnitas x 1, x 2,..., x n, toda equação do tipo a 11 x 1 + a 12 x 2 + a 13 x 3 +... + a 1n x n = b. Os números a 11,
Leia mais