Sistemas lineares. Ricardo Biloti 2S/2015. Cálculo Numérico UNICAMP.
|
|
- Armando Gama Mota
- 8 Há anos
- Visualizações:
Transcrição
1 Sistemas lineares Ricardo Biloti Cálculo Numérico UNICAMP 2S/205 Licença Seus direitos e deveres são: Você é livre para copiar e redistribuir este material, em qualquer meio ou formato, para adaptá-lo, transformá-lo ou utilizá-lo para construir seu próprio material. Você deve dar os créditos apropriados, fornecendo link para a licença e indicando se alterações foram feitas. Você pode fazer isto de qualquer forma razoável, porém sem tentar passar a ideia ou sugerir que o autor endosse suas alterações ou seu uso do material. Você não pode utilizar este material para fins comerciais. Se você alterar, transformar ou construir seu próprio material com base neste trabalho, você deverá distribuí-lo sob a mesma licença usada no original. Este trabalho é licenciado sob os termos da Licença Internacional Creative Commons Atribuição-NãoComercial-CompartilhaIgual 4.0. Para ver uma cópia desta licença, visite
2 Sistemas lineares Neste curso, tratamos apenas de sistemas lineares quadrados, ou seja, sistemas lineares nos quais o número de equações e o número de incógnitas é o mesmo. Apesar disto, os métodos diretos que serão vistos (eliminação de Gauss / decomposição LU) prestam-se também a sistemas retangulares. Considere A R n n e b R n. Queremos x tal que Ax = b Sistemas lineares Uma parte da dificuldade em resolver um sistema linear é determinada pela estrutura da matriz de coeficientes. O caso mais trivial é o de um sistema linear com a matriz de coeficientes sendo própria matriz identidade. Outra situação ainda muito simples se dá quando a matriz de coeficientes é diagonal. Se todas as entradas da diagonal forem não-nulas, então x i = b / d ii. Entretanto é uma hipótese muito forte supor que a matriz A é diagonal. Para que matrizes A é fácil resolver o sistema linear Ax = b? I, matriz identidade D, matriz diagonal T, matriz triangular Matrizes triangulares são um bom compromisso entre simplicidade e generalidade. Veremos que muitas vezes é possível converter um sistema linear em outro equivalente cuja matriz seja triangular. Além disso, resolver sistemas lineares triangulares é bem simples. Por sistemas lineares equivalentes queremos dizer sistemas lineares que tenham exatamente as mesmas soluções.
3 Como resolver um sistema triangular? a x + a 2 x 2 + a 3 x 3 + a 4 x 4 = b a 22 x 2 + a 23 x 3 + a 24 x 4 = b 2 a 33 x 3 + a 34 x 4 = b 3 a 44 x 4 = b 4 A única hipótese necessária para poder garantir a existência de solução de um sistema triangular é que todos os elementos da diagonal, a kk, sejam não nulos. Isto é facilmente constatado observando-se a expressão geral para o elemento x k. Entretanto, mesmo que um elemento da diagonal seja nulo, ainda pode acontecer do sistema ter solução. Imagine, por exemplo, o caso em que a última equação é 0 x 4 = b 4. Nesse caso, x 4 está livre para assumir qualquer valor se b 4 = 0, e não há solução possível se b 4 0. x 4 = (b 4 )/a 44 x 3 = (b 3 a 34 x 4 )/a 33 x 2 = (b 2 a 23 x 3 a 24 x 4 )/a 22 x = (b a 2 x 2 a 3 x 3 a 4 x 4 )/a x k = b k n j=k+ a kj x j a kk, k = n, n,..., Algoritmo O custo de algoritmos para resolução de sistemas lineares é tradicionalmente medido contando-se quantas operações de ponto flutuante são realizadas. x n b n /a nn Se a kk 0, k =, 2,..., n: Para k = (n ), (n 2),..., : n k= x n b n /a nn x k = b k n j=k+ a kj x j a kk, k = n, n,..., soma b k Para j = (k + ), (k + 2),..., n: n j=k+ soma soma a kj x j 2 x k soma /a kk Para k = (n ), (n 2),..., : soma bk Para j = (k + ), (k + 2),..., n: soma soma a kj x j xk soma /a kk Custo total: n + k= n j=k+ n 2 + = + [2(n k) + ] k= n = + (2n + )(n ) 2 k k= = + 2n 2 n(n ) n 2 = n 2 2
4 Exercício Para contar o número de operações de algoritmos é necessário conhecer algumas identidades. Demonstre que: n = n k= Na verdade, não é necessário contar exatamente o número de operações que um algoritmo realiza, mas apenas ter uma boa estimativa. Para tanto, basta determinar corretamente o termo de maior ordem e o coeficiente desse termo. Uma técnica simples que presta-se a fornecer esta estimativa é aproximar as somas por integrais. n n dk = n k= 0 n n k k dk = n k= 0 2 k2 = 0 2 n2 n k = k= n k 2 = k= n(n + ) 2 n(n + /2)(n + ) 3 n n k 2 k 2 dk = n k= 0 3 k3 = 0 3 n3 Observe que todas as estimativas acertaram exatamente o termo de maior ordem. Operações elementares Operações elementares são operações que podem ser realizadas com as equações de um sistema linear sem alterar seu conjunto solução. Ou seja, apesar de alterar as equações do sistema linear, o sistema alterado continua tendo as mesmas soluções do sistema original, e nenhuma outra. A primeira operação elementar é multiplicar uma das equações do sistema linear por uma constante não nula. Claramente, a igualdade é preservada. 2x + 3x 2 + x 3 + x 4 = 2 ( 3) 4x + 7x 2 + 4x 3 + 3x 4 = 4x + 7x 2 + 6x 3 + 4x 4 = 6x + 9x 2 + 9x 3 + 8x 4 = 3 Multiplicar uma equação por um escalar não-nulo Intercambiar a posição de duas equações Somar/Subtrair uma equação à outra
5 Trocar a ordem das equações de um sistema linear também não altera suas soluções. Operações elementares 2x + 3x 2 + x 3 + x 4 = 2 4x + 7x 2 + 4x 3 + 3x 4 = 6x + 9x 2 + 9x 3 + 8x 4 = 3 4x + 7x 2 + 6x 3 + 4x 4 = Multiplicar uma equação por um escalar não-nulo Intercambiar a posição de duas equações Somar/Subtrair uma equação à outra Operações elementares Por fim, somar ou subtrair uma equação de outra também não alterar as soluções do sistemas, visto que ao fazer isso, na verdade, está se somando/subtraindo uma constante nos dois lados de uma equação. 2x + 3x 2 + x 3 + x 4 = 2 4x + 7x 2 + 4x 3 + 3x 4 = 6x + 9x 2 + 9x 3 + 8x 4 = 3 4x + 7x 2 + 6x 3 + 4x 4 = Multiplicar uma equação por um escalar não-nulo Intercambiar a posição de duas equações Somar/Subtrair uma equação à outra
6 Operações elementares Por fim, somar ou subtrair uma equação de outra também não alterar as soluções do sistemas, visto que ao fazer isso, na verdade, está se somando/subtraindo uma constante nos dois lados de uma equação. 2x + 3x 2 + x 3 + x 4 = 2 4x + 7x 2 + 4x 3 + 3x 4 = 6x + 9x 2 + 9x 3 + 8x 4 = 3 2x + 2x 2 + 3x 3 + 4x 4 = 2 l 3 l 4 Multiplicar uma equação por um escalar não-nulo Intercambiar a posição de duas equações Somar/Subtrair uma equação à outra Exemplo Nesse exemplo, vamos utilizar as operações elementares para transformar o sistema linear em outro sistema linear, equivalente ao original, mais simples. Por sistemas lineares equivalentes, queremos dizer sistemas lineares com o mesmo conjunto solução. Ax = b x =
7 Escalonamento Ao invés de manipular as equações do sistema, é mais conveniente trabalhar apenas com os coeficientes e com o termo independente. Para isso, operamos na matriz extendida ou aumentada do sistema, que é a matriz de coeficientes acrescida de uma coluna contendo o vetor b do sistema linear. Através de operações elementares, vamos transformar a matriz de coeficientes do sistema linear em uma matriz triangular superior, pois já vimos que sistemas com essa estrutura são simples de serem resolvidos. l 2l + l 2 2l + l 3 3l + l Por uma questão de organização e metodologia, vamos tentar introduzir zeros na matriz, nas posições abaixo da diagonal principal, de cima para baixo e da esquerda para a direita. Esquematicamente, cada a i-ésima linha da matriz é representada por l i. Para zerar os elementos da primeira coluna, abaixo do elemento na diagonal, utilizando a terceira operação elementar descrita anteriormente. Por exemplo, para introduzir um zero na posição (2, ) da matriz, somamos à linha 2, um múltiplo apropriado da linha. Com efeito, l 2 2l + l 2. O mesmo é feito com as linhas 3 e 4, através das operações l 3 2l +l 3 e l 4 3l +l 4. Escalonamento Para introduzir zeros nas posições (3, 2) e (4, 2) vamos utilizar múltiplos da linhas 2. Veja que se continuássemos utilizando múltiplos da linha, estragaríamos os zeros já introduzidos na primeira coluna. Por uma eventualidade, alguns diriam até mesmo sorte, o elemento (4, 2) já é zero. l l 2 l 2 + l 3 0l 2 + l
8 Resta zerar o coeficiente (4, 3), o que é feito com a operação l 4 3l 3 + l 4. Escalonamento l l 2 l 3 3l 3 + l Sistema triangular superior O sistema linear representado por essa matriz aumentada pode ser novamente escrito na forma usual. A resolução deste sistema é simples, realizada através do algoritmo já discutido para sistemas lineares triangulares superiores x + 3x 2 + x 3 + x 4 = 3 x 2 + 2x 3 + x 4 = 0 2x 3 + x 4 = 2 2x 4 = 0
9 Exemplo Durante o processo de eliminação gaussiana, para simplificar o sistema linear Ax = b, operamos na matriz aumentada do sistema, [A b]. Todas as operações realizadas alteram tanto as entradas da matriz A quanto do vetor b. Entretanto, se você olhar com atenção o exemplo apresentado, vai reparar que apenas as entradas da matriz A foram determinantes na definição de cada operação. O vetor b, mesmo tendo sido alterado, em nenhum momento foi decisivo para a escolha da operação elementar a ser aplicada na matriz aumentada. Essa constatação nos motiva a postergar a manipulação do vetor b. A razão para isso ficará evidente mais a frente. A = Vamos realizar as mesmas operações utilizadas no processo de escalonamento, porém sem considerar o vetor b, tomando o cuidado de guardar as operações realizadas na matriz A, para que possam ser posteriormente aplicadas também ao vetor b. Escalonamento Já vimos quais são as operações que devem ser feitas para introduzir zeros na primeira coluna de A, abaixo da diagonal. A questão principal aqui é como guardar o histórico dessas operações, de maneira que elas possam ser reaplicadas ao vetor b. Uma forma de salvar as operações elementares é perceber que o resultado produzido por elas pode ser obtido através de um produto matricial. L A = l 2l + l 2 2l + l 3 3l + l = = Observe que o produto da matriz L pela matriz A produz exatamente o mesmo efeito de três operações elementares utilizadas no exemplo. Perceba também que a matriz L tem uma estrutura peculiar. Ela é triangular inferior, com os elementos da diagonal todos iguais a. Além disso cada multiplicador computado durante o processo de eliminação, adequado para zerar o elemento na linha i da primeira coluna, foi armazenado na matriz L exatamente naquela mesma posição.
10 Escalonamento Para zerar os dois elementos abaixo da diagonal na segunda coluna, podemos também realizar um produto matricial que tem o mesmo efeito das duas operações elementares necessárias (nesse exemplo, por sorte, de fato, apenas uma é necessária). Essa matriz, L 2 é multiplicada por L A (que representa o estado parcial da matriz A depois do primeiro passo do processo de eliminação). L 2 L A = l l 2 l 2 + l 3 0l 2 + l = = Escalonamento Por fim, a última operação elementar necessária para tornar a matriz A em triangular superior pode ser computada pelo produto L 3 (L 2 L A). L 3 L 2 L A = l l 2 l 3 3l 3 + l = =
11 Escalonamento A matriz triangular superior obtida, denotada por U, fica expressa como U = L 3 L 2 L A. Como as matrizes L j são todas não singulares (Por quê?), podemos escrever A em função de L, L 2, L 3 e U. Resta saber como computar L j. L 3 L 2 L A = = U A = (L 3 L 2 L ) U = (L L 2 L 3 )U Invertendo L j Em geral, computar a inversa de uma matriz é bem mais caro que resolver um sistema linear. Mas para nossa sorte, as matrizes L j têm uma estrutura especial. Se multiplicar por L j tem o resultado de realizar algumas operações elementares, multiplicar por L j tem que desfazer essas operações elementares, visto que L j L j = I. L = L = Por exemplo, se l 2 representa a segunda linha da matriz A e l 2 representa a segunda linha, após a operação elementar, então l 2 = l 2 2l, que na matriz L corresponde à linha [ 2 0 0]. A operação inversa é que corresponderia à linha [2 0 0]. l 2 = l 2 + 2l, Assim, L é obtida apenas trocando-se o sinal dos elementos abaixo da diagonal de L.
12 Calculando L L 2 L 3 Nosso último golpe de sorte é perceber que o produto de todas as matrizes L j é também uma matriz triangular inferior com diagonal unitária, contendo todos os multiplicadores computados durante o processo de eliminação, em suas respectivas posições. Essa matriz final é denotada por L Decomposição LU A decomposição LU consite então de uma fatoração da matriz A em um produto de duas matrizes, uma triangular inferior com diagonal unitária e outra triangular superior. A = = = LU
13 Algoritmo U A, L I Para k =, 2,..., n Para j = k +,..., n ljk u jk /u kk Número de operações: uj,k:n u j,k:n l jk u k,k:n n n k= j=k+ [ + 2(n k + )] 2 3 n3 flops FLOPS (FLoating-Point operations per Second) é a quantidade de operações de ponto flutuante que seu computador pode, em tese, realizar por segundo. Essa medida é computada por GFLOPS = v np nc oc, onde GFLOPS são bilhões de operações por segundo, v é a velocidade da CPU em GHz, np é o número de CPU s, nc é o número de cores (núcleos) por CPU e oc é a quantidade de operações de ponto fluante capazes de serem feitas por ciclo (4 em geral). Por exemplo, um processor Intel Core i7 3.6 GHz e 4 núcleos, executaria, em tese, 57 GFLOPS ou 57 bilhões de operações de ponto flutuante por segundo. Dessa forma, uma matriz quadrada de ordem n = 5.000, precisa ao redor de 83 bilhões de operações e portanto teria sua decomposição LU computada em aproximadamente.4 segundos, isto se todos os núcleos fossem utilizados. Em um algoritmo sequêncial, onde apenas um núcleo é utilizado, esse tempo subiria para algo em torno de 5.8 segundos. Os dois sistemas lineares triangulares seriam resolvidos em aproximadamente 3.5 milisegundos. Já uma matriz quadrada de ordem n = levaria aproximadamente 6 horas para ser decomposta em LU e os sistemas lineares triangulares seriam resolvidos em 55 milisegundos. Na prática, os tempos são maiores, pois há restrições de acesso à memória, tempo gasto para trazer os dados da memória para dentro do processador, tempo de acesso a disco (caso os dados sejam grandes demais), etc. Resolução de sistemas lineares Utilizando a decomposição LU, o problema de resolver um sistema linear quadrado, sem qualquer outra característica particular, é convertido no problema de resolver em sequência dois sistemas lineares triangulares. A vantagem disto, como já vimos anteriormente, é que a resolução de sistemas lineares triangulares é simples e computacionalmente barata. Ax = b LUx = b Ly = b, Ux = y
14 Sistemas triangulares Inicia-se pela resolução do sistema linear triangular inferior, Ly = b, a um custo computacional da ordem de n 2 operações. Seja L R n n é triangular inferior e b R n Ly = b Para i =,..., n y i i (b i l ij y j ) l ii j= Número de operações: n [2 + (i ) + (i 2)] n 2 flops i= Sistemas triangulares Computado o vetor y, resta resolver o sistema linear triangular superior, Ux = y, novamente a um custo computacional da ordem de n 2 operações. Ao final, obtem-se o vetor x, solução do sistema linear original. Seja U R n n é triangular superior e y R n Ux = y Número de operações: n 2 flops
15 Resolução de sistema linear O algoritmo completo para a resolução de um sistema linear quadrado, através da decomposição LU tem custo computacional da ordem de 2 3 n3 operações, uma vez que o custo computacional da resolução dos dois sistemas triangulares é desprezível em comparação com o custo para decompor a matriz A nos fatores L e U. Seja A R n n e b R n, queremos x tal que Ax = b. Compute da decomposição LU de A Resolva Ly = b Resolva Ux = y Número de operações: 2 3 n3 flops Decomposição LU Do ponto de vista computacional, a resolução de sistema lineares através do algoritmo proposto, por meio da decomposição LU, parecer ser muito bom. Resta a pergunta se isso sempre é possível. Ou seja, será que toda matriz pode ser decomposta em fatores L e U, como descrito? De fato, nem sempre isso é possível. O teorema apresentado explicita qual a condição necessária para garantir a existência da decomposição LU. Teorema Seja A uma matriz quadrada com todos os menores principais não-singulares. Então A pode ser fatorada de maneira única no produto A = LU, com L triangular inferior com diagonal unitária e U triangular superior. Como devemos proceder na prática, quando nos depararmos com um sistema linear para resolver? Será que devemos primeiro verificar se as hipóteses do teorema são satisfeitas, antes de tentar computar a decomposição LU? Na verdade, tentar verificar se as hipóteses do teorema são ou não satisfeitas seria muito mais caro do que tentar computar diretamente a decomposição LU. Sendo assim, aplica-se diretamente o algoritmo para o cálculo dos fatores L e U. Se o algoritmo não encontrar empecílhos à execução é porque a matriz de fato tem decomposição LU. Pergunta: mas o que poderia dar errado na cálculo da decomposição LU?
16 Exemplo perverso Este exemplo é para mostrar que mesmo quando a matriz tem decomposição LU, a qualidade numérica dessa decomposição pode ser desastrosa. Perceba que por um erro muito pequeno, a troca de ( 0 20 ) por 0 20, o produto LU já ficou muito diferente de A. A matriz A = A = [ 0 [ 0 20 ] não tem decomposição LU. Entretanto ] [ = ] [ ] = LU Numericamente, como u 0 6, fl( 0 20 ) = Logo, A [ ] [ = ] [ ] = ˆLÛ Exemplo perverso [ 0 20 ] [ x = 0 ] Quando se computam os fatores L e U, dificilmente será computado o produto deles e comparado com a matriz A original. O perigoso seria então tentar utilizar esses fatores na resolução do sistema linear. Veja que o resultado obtido seria completamente errado. O problema com esse exemplo é que o pivô, apesar de não ser nulo, era muito pequeno. Como no algoritmo dividi-se pelo pivô, pivôs pequenos dão origem a multiplicadores muito grandes e dai surge problemas de perda de dígitos significativos. A estratégia para circundar este tipo de problema é evitar ao máximo pivôs pequenos. Usando LU, x [ ] [ 0, e usando ˆLÛ, x = ]. Estabilidade Apesar dos fatores LU terem sido calculados de maneira estável, a solução do sistema linear utilizando LU não foi estável.
17 Pivoteamento x kk x kk Pivoteamento x ik 0 0 x ik 0
18 Pivoteamento x ij 0 0 x ij 0 Pivoteamento parcial x ik P 2 x ik = max x jk j x ik L 2 x ik 0 0 0
19 Exemplo A = Exemplo =
20 Exemplo = Exemplo =
21 Exemplo = Exemplo =
22 Decomposição LU com pivoteamento Diferentemente do que acontece com a decomposição LU sem pivoteamento, a decomposição LU com pivoteamento sempre existe. Teorema Qualquer matriz quadrada A, pode ser fatorada como PA = LU, com P uma permutação da matriz identidade, L uma matriz triangular inferior com diagonal unitária com entradas com magnitude não maior que, e U uma matriz triangular superior. Exercícios Resolva o sistema linear abaixo através da decomposição LU com pivoteamento x = Encontre a decomposição LU com pivoteamento para
23 Tudo ou nada Já vimos que o custo computacional da resolução de um sistema linear é O( 2 3 n3 ). E se não houver recursos suficientes? Por exemplo, se não tiver... tempo, espaço, dinheiro? Tudo ou nada Métodos diretos Caso seja possível arcar com o custo total de um método direto, como eliminação do Gauss ou Decomposição LU, ao final de um número finito de passo, a solução é conhecida, a menos de erros numéricos. Métodos iterativos Métodos iterativos obtém aproximações sucessivas da solução, cuja qualidade é proporcional à disponibilidade de recursos.
24 Considere o sistema linear Exemplo prático simples { 7.5x + 7.3x 2 = x + 9.0x 2 = Repare que isolando a incógnita x na primeira equação e x 2 na segunda, obteríamos duas equações expĺıcitas para x e x 2, se soubéssemos o valor de x 2 na primeira equação e o de x na segunda. função desta aparoximações { 7.5x + 7.3x 2 = x + 9.0x 2 = { 7.5x = x 2 9.0x 2 = x Exemplo prático simples Se tivermos uma aproximação para (x, x 2 ), digamos x k = (x k, xk 2 ), então podemos construir novas aproximações x (k+) = (x (k+), x (k+) 2 ), utilizando estas equações expĺıcitas. Para facilitar a interpretação geométrica deste método, graficar a reta associada à primeira equação em vermelho e a reta associada à segunda equação de azul. { 7.5x + 7.3x 2 = x + 9.0x 2 = x (k+) = x k 2 9.0x (k+) 2 = x k
25 Exemplo prático simples Se tivermos uma aproximação para (x, x 2 ), digamos x k = (x k, xk 2 ), então podemos construir novas aproximações x (k+) = (x (k+), x (k+) 2 ), utilizando estas equações expĺıcitas. Para facilitar a interpretação geométrica deste método, graficar a reta associada à primeira equação em vermelho e a reta associada à segunda equação de azul. { 7.5x + 7.3x 2 = x + 9.0x 2 = x (k+) = ( x k 2 )/7.5 x (k+) 2 = ( x k )/9.0 Interpretação geométrica x (k+) = ( x k 2 )/7.5 x (k+) 2 = ( x k )/9.0 Seja x k a aproximação atual para a solução do sistema linear (marcado com o ponto preto no gráfico). A solução do sistema linear é facilmente identificada como o ponto de intersecção das duas retas. Determinar x (k+) pela primeira equação é o mesmo que perguntar a coordenada x do ponto da reta vermelha cuja coordenada x 2 é a mesma do ponto x k. Graficamente, x (k+) é a abscissa do ponto de intersecção da reta vermelha com uma reta paralela ao eixo x passando por x k. Raciocínio análogo vale para a determinação de x (k+) 2. Este será o ponto de interseção da reta azul com uma retar paralela ao eixo x 2, passando por x k.
26 O gráfico acima exibe as primeiras sete iterações deste algoritmo. Interpretação geométrica Note a convergência para a solução do sistema linear. Repare que ambos os sitemas lineares são o mesmo, exceto pela troca da ordem das equações. Exemplo prático simples { 7.5x + 7.3x 2 = x + 9.0x 2 = { 2.8x + 9.0x 2 = x + 7.3x 2 = 4.65
27 Vamos partir agora de um ponto bem mais próximo da solução do sistema. Interpretação geométrica Jacobi Interpretação geométrica Jacobi Vamos partir agora de um ponto bem mais próximo da solução do sistema. Repetindo o processo anterior (x (k+) definido pela intersecção de reta paralela ao eixo x, que passa por x k, e a reta vermelha, primeira equação, e x (k+) 2 definido pela intersecção de reta paralela ao eixo x 2, que passa por x k, e a reta azul, segunda equação), acabamos por nos afastar da solução do sistema linear. Veja que a troca da ordem das equações resultou em divergência.
28 Exercício Esboce graficamente o comportamento do método de Jacobi nas seguintes situações no plano: O sistema linear tem solução e o método converge lentamente. O sistema linear tem solução e o método diverge lentamente. O sistema linear não tem solução. O sistema linear tem infinitas soluções. Partindo do ponto marcado, realize algumas iterações do método de Jacobi. Exercício
29 Método de Jacobi As principais característica do método de Jacobi (ou Gauss-Jacobi) são: Facilidade de construção. Basta utilizar a j-ésima equação para determinar x (k+) j partir de x k. Convergência não assegurada para qualquer sistema linear. Precisamos ainda tentar descobrir critérios que garantam a convergência pelo menos para uma classe de sistemas lineares. Dependência da ordem das equações no sistema linear. Mesmo que o método convirjá, como vimos no exercício anterior, a convergência pode ser bem lenta. a Fácil de construir Nem sempre converge Convergência depende da ordem das equações Mesmo quando converge, pode ser lento Método de Gauss-Seidel O método de Gauss-Seidel utiliza uma abordagem muito similar à do método de Jacobi, porém como o método de Jacobi pode ter convergência lenta, a idéia é tentar modifica-lo com o propósito de acelerar sua convergência. A idéia é utilizar a melhor aproximação assim que disponível. Logo, na segunda equação, por que utilizar x k se x(k+) é supostamente melhor e já é conhecido neste ponto do algoritmo? x (k+) = ( x k 2 )/7.5 x (k+) 2 = ( x (k+) )/9.0
30 Interpretação geométrica Gauss-Seidel Interpretação geométrica Gauss-Seidel
31 Interpretação geométrica Gauss-Seidel Interpretação geométrica Gauss-Seidel
32 Método de Gauss-Seidel Também é fácil de construir Nem sempre converge Convergência depende da ordem das equações Quando converge, em geral é mais rápido que Jacobi Direto Iterativo Métodos diretos Encontram a solução exata depois de um número determinado de passos Destroem a estrutura da matriz Precisam de memória para manipular a matriz Métodos iterativos Podem convergir ou não Fornencem aproximações sucessivas Preservam a estrutura da matriz Precisam de menos memória
33 Modelo de método de iterativo Seja x (0) uma aproximação inicial x (k+) = φ(x (k) ), para k = 0,, 2,... Função de iteração Se x é uma solução do problema, φ deve ter a propriedade de que x = φ(x ) Função de iteração Se x é solução de Ax = b, então Ax = b x + Ax = x + b x = (I A)x + b Proposta: φ(x) Bx + b, B = (I A)
34 Método de Richardson φ(x) = Bx + b, B = (I A) Seja x 0 uma aproximação inicial x (k+) = φ(x (k) ) = Bx (k) + b, para k = 0,, 2,... Este método é convergente? Convergência O método é convergente se x (k) x, ou seja, se e (k) x (k) x 0
35 Normas vetoriais Norma é uma função que mede o tamanho de vetores. A norma Euclidiana é a medida utilizada para se definir o conceito de usual distância. Ou seja, a distância (em linha reta) de um ponto A a um ponto B é dada por A B 2. Muitas outras normas podem ser definidas. Em particular a norma e a norma infinito são outras duas opções, inclusive mais baratas de serem computadas. Norma Euclidiana: x = (x, x 2,..., x n ) T x 2 = x 2 + x x 2 n Norma : Norma infinito: x = x + x x n x = max{ x, x 2,..., x n } Exemplo: Araraquara No caso da cidade de Araraquara, com seu planejamento cartesiano, a distância percorrida de um ponto a outro da cidade não é medida pela distância em linha reta, ou distância Euclidiana convencional, mas sim pela distância do trajeto ao longo dos eixos coordenados. Esta distância é justamente medida pela norma. Este exemplo é apenas para deixar claro que diferentes noções de como medir distâncias podem ser úteis em contextos diferentes.
36 Normas matriciais... A = max{ a j }, A = a a 2 a n... A é a maior norma- das colunas de A A = max{ a j }, A = a a 2. a n A é a maior norma- das linhas de A Exemplo A = A = 9 A = 8
37 Convergência O método é convergente se x (k) x, ou seja, se e (k) x (k) x 0 Como o erro varia em um passo do método? e (k) = x (k) x = φ(x (k ) ) φ(x ) = (Bx (k ) + b) (Bx + b) = B(x (k ) x ) = Be (k ) Convergência e (k) = Be (k ) = B (Be (k 2)) ( = B 2 Be (k 3)) = = B k e (0) e (k) = B k e (0) e (k) B k e (0)
38 Modelo de método iterativo Seja x (0) uma aproximação inicial qualquer x (k+) = φ(x (k) ), para k = 0,, 2,... com φ(x) = Bx + c, tal que x = φ(x ) B < x (k) x Exemplo ( ) ( 2.0 x = 0. ) B = (I A) = ( ), B = 0.8, B = 0.7
39 Iterando... x (0) = b, Ax (0) b = 0.78 ( ) x () = Bx (0) b = 0.87 Ax () b = 0.6 ( ) x (2) = Bx () b = 0.95 Ax (2) b = 0.05 x (4) = Bx (3) + b = ( ) Ax (4) b = Outro exemplo ( ) ( 2.0 x = 0. ) B = (I A) = ( ), B =.4, B =.3
40 Repartindo matrízes A = A = + + A = L + D + U Método de Jacobi Ax = b (L + D + U)x = b Dx = (L + U)x + b x = D (L + U)x + D b Função de Iteração φ(x) = B J x + c, B J = D (L + U), c = D b
41 Exemplo ( ) ( 2.0 x = 0. ) ( B J.7 =.5 ) ( ) = ( ) B J = B J = 0.47 Convergência B J = a a 22 a a nn 0 a 2 a 3 a n a 2 0 a 23 a 2n a 3 a 32 0 a 2n..... a n a n2 a n3 0 0 a 2 /a a 3 /a a n /a a 2 /a 22 0 a 23 /a 22 a 2n /a 22 B J = a 3 /a 33 a 32 /a 33 0 a 3n /a a n /a nn a n2 /a nn a n3 /a nn 0
42 Critério das linhas O critério das linhas garante que o método de Jacobi será convergente se os elementos da diagonal da matriz dominarem os restantes dos elementos das linhas, ou seja, se em cada linha o elemento da diagonal em módulo foi maior que a soma dos elementos fora da diagonal, todos em módulo. Para que B J <, basta que Matrizes com essa propriedade são denominadas Matrizes diagonalmente dominantes por linhas. b j = a j + + a j(j ) + a j(j+) + + a jn a jj <, para j =, 2,..., n, ou seja a jj > n a jk k= k j Exemplo A primeira matriz satisfaz o critério das linhas, visto que 4 > 2 +, 3 > 0 +, e 6 > Logo, seguramente o método de Jacobi aplicado a um sistema linear com esta matriz de coeficientes convergirá. A segunda matriz não satisfaz o critério das linhas, visto que na segunda linha 3 < A terceira matriz também não satisfaz o critério das linhas, dado que tanto a segunda como a terceira linhas violam a condição necessária (3 < 2+7 e 0 < 2+). Entretanto, permuntando a segunda e a terceira linhas, a nova matriz sim satisfaz o critério das linhas. Portanto, é possível aplicar o método de Jacobi, desde que esta permutação seja feita antes.
43 Jacobi na prática 5x 2x 2 + x 3 = 6 x 4x 2 2x 3 = 3 2x + 2x 2 7x 3 = 8 5x (k+) = 6 + 2x (k) 2 x (k) 3 4x (k+) 2 = 3 x (k) + 2x (k) 3 7x (k+) 3 = 8 2x (k) 2x (k) 2 Jacobi na prática 5x (k+) = 6 + 2x (k) 2 x (k) 3 4x (k+) 2 = 3 x (k) + 2x (k) 3 7x (k+) 3 = 8 2x (k) 2x (k) 2 x 0 = x = x 2 = x x 0 = 6.6, x 2 x = 3.3 Ax 0 b = 46.0, Ax b = 22.9, Ax 2 b = 7.2
44 Método de Gauss-Seidel Ax = b (L + D + U)x = b (L + D)x = Ux + b x = (L + D) Ux + (L + D) b Função de Iteração φ(x) = B GS x + c, B GS = (L + D) U, c = (L + D) b Gauss-Seidel na prática 5x 2x 2 + x 3 = 6 x 4x 2 2x 3 = 3 2x + 2x 2 7x 3 = 8 5x (k+) = 6 + 2x (k) 2 x (k) 3 4x (k+) 2 = 3 x (k+) + 2x (k) 3 7x (k+) 3 = 8 2x (k+) 2x (k+) 2
45 Gauss-Seidel na prática 5x (k+) = 6 + 2x (k) 2 x (k) 3 4x (k+) 2 = 3 x (k+) + 2x (k) 3 7x (k+) 3 = 8 2x (k+) 2x (k+) 2 x 0 = x = x 2 = x x 0 = 0.2, x 2 x = Ax 0 b = 46.0, Ax b = 20.4, Ax 2 b = 8.6 Jacobi Gauss-Seidel Sim! Pois no método de Jacobi o cálculo de x (k+) j depende apenas de x (k) e portanto, todos x (k+) j podem ser calculados em paralelo. Esta caracterítica pode ser aproveitada quando utilizamos clusters de computadores, capazes de realizar várias operações em paralelo. Se Gauss-Seidel é, em geral, mais rápido que Jacobi, e o custo computacional é o mesmo, ainda há espaço para o método de Jacobi?
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 maisa 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 maisO 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 maisEstudaremos métodos numéricos para resolução de sistemas lineares com n equações e n incógnitas. Estes podem ser:
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[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 maisCálculo 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 maisConceitos Fundamentais
Capítulo 1 Conceitos Fundamentais Objetivos: No final do Capítulo o aluno deve saber: 1. distinguir o uso de vetores na Física e na Matemática; 2. resolver sistema lineares pelo método de Gauss-Jordan;
Leia maisExercícios 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 maisUNIVERSIDADE 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 maisE A D - S I S T E M A S L I N E A R E S INTRODUÇÃO
E A D - S I S T E M A S L I N E A R E S INTRODUÇÃO Dizemos que uma equação é linear, ou de primeiro grau, em certa incógnita, se o maior expoente desta variável for igual a um. Ela será quadrática, ou
Leia maisGabarito da Prova de Oficinas dos Velhos Ano 2008
Gabarito da Prova de Oficinas dos Velhos Ano 2008 12 de maio de 2008 1 (a) O objetivo principal da oficina de espectroscopia é que os aprendizes aprendessem, rápido, a interpretar espectros e linhas espectrais,
Leia mais5 Equacionando os problemas
A UA UL LA Equacionando os problemas Introdução Nossa aula começará com um quebra- cabeça de mesa de bar - para você tentar resolver agora. Observe esta figura feita com palitos de fósforo. Mova de lugar
Leia maisRESUMO 2 - FÍSICA III
RESUMO 2 - FÍSICA III CAMPO ELÉTRICO Assim como a Terra tem um campo gravitacional, uma carga Q também tem um campo que pode influenciar as cargas de prova q nele colocadas. E usando esta analogia, podemos
Leia maisNotas 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 maisMaterial Teórico - Módulo de Divisibilidade. MDC e MMC - Parte 1. Sexto Ano. Prof. Angelo Papa Neto
Material Teórico - Módulo de Divisibilidade MDC e MMC - Parte 1 Sexto Ano Prof. Angelo Papa Neto 1 Máximo divisor comum Nesta aula, definiremos e estudaremos métodos para calcular o máximo divisor comum
Leia maisIBM1018 Física Básica II FFCLRP USP Prof. Antônio Roque Aula 6. O trabalho feito pela força para deslocar o corpo de a para b é dado por: = =
Energia Potencial Elétrica Física I revisitada 1 Seja um corpo de massa m que se move em linha reta sob ação de uma força F que atua ao longo da linha. O trabalho feito pela força para deslocar o corpo
Leia maisCapítulo 1. x > y ou x < y ou x = y
Capítulo Funções, Plano Cartesiano e Gráfico de Função Ao iniciar o estudo de qualquer tipo de matemática não podemos provar tudo. Cada vez que introduzimos um novo conceito precisamos defini-lo em termos
Leia maisAV1 - 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 maisx0 = 1 x n = 3x n 1 x k x k 1 Quantas são as sequências com n letras, cada uma igual a a, b ou c, de modo que não há duas letras a seguidas?
Recorrências Muitas vezes não é possível resolver problemas de contagem diretamente combinando os princípios aditivo e multiplicativo. Para resolver esses problemas recorremos a outros recursos: as recursões
Leia maisSomatórias e produtórias
Capítulo 8 Somatórias e produtórias 8. Introdução Muitas quantidades importantes em matemática são definidas como a soma de uma quantidade variável de parcelas também variáveis, por exemplo a soma + +
Leia maisVetores Lidando com grandezas vetoriais
Vetores Lidando com grandezas vetoriais matéria de vetores é de extrema importância para o ensino médio basta levar em consideração que a maioria das matérias de física envolve mecânica (movimento, dinâmica,
Leia maisDisciplina: Introdução à Álgebra Linear
Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Norte Campus: Mossoró Curso: Licenciatura Plena em Matemática Disciplina: Introdução à Álgebra Linear Prof.: Robson Pereira de Sousa
Leia maisAs 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 maisUma lei que associa mais de um valor y a um valor x é uma relação, mas não uma função. O contrário é verdadeiro (isto é, toda função é uma relação).
5. FUNÇÕES DE UMA VARIÁVEL 5.1. INTRODUÇÃO Devemos compreender função como uma lei que associa um valor x pertencente a um conjunto A a um único valor y pertencente a um conjunto B, ao que denotamos por
Leia maisAnálise 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 maisTópico 11. Aula Teórica/Prática: O Método dos Mínimos Quadrados e Linearização de Funções
Tópico 11. Aula Teórica/Prática: O Método dos Mínimos Quadrados e Linearização de Funções 1. INTRODUÇÃO Ao se obter uma sucessão de pontos experimentais que representados em um gráfico apresentam comportamento
Leia maisObjetivos. Apresentar as superfícies regradas e superfícies de revolução. Analisar as propriedades que caracterizam as superfícies regradas e
MÓDULO 2 - AULA 13 Aula 13 Superfícies regradas e de revolução Objetivos Apresentar as superfícies regradas e superfícies de revolução. Analisar as propriedades que caracterizam as superfícies regradas
Leia maisCI202 - 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 maisAPLICAÇÕES DA DERIVADA
Notas de Aula: Aplicações das Derivadas APLICAÇÕES DA DERIVADA Vimos, na seção anterior, que a derivada de uma função pode ser interpretada como o coeficiente angular da reta tangente ao seu gráfico. Nesta,
Leia maisSoluções Nível 1 5 a e 6 a séries (6º e 7º anos) do Ensino Fundamental
a e 6 a séries (6º e 7º anos) do Ensino Fundamental 1. (alternativa C) Os números 0,01 e 0,119 são menores que 0,12. Por outro lado, 0,1 e 0,7 são maiores que 0,. Finalmente, 0,29 é maior que 0,12 e menor
Leia maiscomputador-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 maisA equação do 2º grau
A UA UL LA A equação do 2º grau Introdução Freqüentemente, ao equacionarmos um problema, obtemos uma equação na qual a incógnita aparece elevada ao quadrado. Estas são as chamadas equações do 2º grau.
Leia maisMatemática - UEL - 2010 - Compilada em 18 de Março de 2010. Prof. Ulysses Sodré Matemática Essencial: http://www.mat.uel.
Matemática Essencial Equações do Segundo grau Conteúdo Matemática - UEL - 2010 - Compilada em 18 de Março de 2010. Prof. Ulysses Sodré Matemática Essencial: http://www.mat.uel.br/matessencial/ 1 Introdução
Leia maisEquações do segundo grau
Módulo 1 Unidade 4 Equações do segundo grau Para início de conversa... Nesta unidade, vamos avançar um pouco mais nas resoluções de equações. Na unidade anterior, você estudou sobre as equações de primeiro
Leia maisGAAL - 2013/1 - Simulado - 1 Vetores e Produto Escalar
GAAL - 201/1 - Simulado - 1 Vetores e Produto Escalar SOLUÇÕES Exercício 1: Determinar os três vértices de um triângulo sabendo que os pontos médios de seus lados são M = (5, 0, 2), N = (, 1, ) e P = (4,
Leia maisCURSO 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 mais2 A Derivada. 2.1 Velocidade Média e Velocidade Instantânea
2 O objetivo geral desse curso de Cálculo será o de estudar dois conceitos básicos: a Derivada e a Integral. No decorrer do curso esses dois conceitos, embora motivados de formas distintas, serão por mais
Leia maisPARTE 2 FUNÇÕES VETORIAIS DE UMA VARIÁVEL REAL
PARTE FUNÇÕES VETORIAIS DE UMA VARIÁVEL REAL.1 Funções Vetoriais de Uma Variável Real Vamos agora tratar de um caso particular de funções vetoriais F : Dom(f R n R m, que são as funções vetoriais de uma
Leia mais2. Representação Numérica
2. Representação Numérica 2.1 Introdução A fim se realizarmos de maneira prática qualquer operação com números, nós precisamos representa-los em uma determinada base numérica. O que isso significa? Vamos
Leia maisTodos os exercícios sugeridos nesta apostila se referem ao volume 1. MATEMÁTICA I 1 FUNÇÃO DO 1º GRAU
FUNÇÃO IDENTIDADE... FUNÇÃO LINEAR... FUNÇÃO AFIM... GRÁFICO DA FUNÇÃO DO º GRAU... IMAGEM... COEFICIENTES DA FUNÇÃO AFIM... ZERO DA FUNÇÃO AFIM... 8 FUNÇÕES CRESCENTES OU DECRESCENTES... 9 SINAL DE UMA
Leia maisDadas a base e a altura de um triangulo, determinar sua área.
Disciplina Lógica de Programação Visual Ana Rita Dutra dos Santos Especialista em Novas Tecnologias aplicadas a Educação Mestranda em Informática aplicada a Educação ana.santos@qi.edu.br Conceitos Preliminares
Leia maisEquações do primeiro grau
Módulo 1 Unidade 3 Equações do primeiro grau Para início de conversa... Você tem um telefone celular ou conhece alguém que tenha? Você sabia que o telefone celular é um dos meios de comunicação que mais
Leia maisÁlgebra 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 mais9. Derivadas de ordem superior
9. Derivadas de ordem superior Se uma função f for derivável, então f é chamada a derivada primeira de f (ou de ordem 1). Se a derivada de f eistir, então ela será chamada derivada segunda de f (ou de
Leia maisPROPRIEDADES DOS DETERMINANTES E O CÁLCULO DA ÁREA DE TRIÂN- GULOS: EXEMPLOS SIGNIFICATIVOS
A RTIGO PROPRIEDADES DOS DETERMINANTES E O CÁLCULO DA ÁREA DE TRIÂN- GULOS: EXEMPLOS SIGNIFICATIVOS Fábio Marson Ferreira e Walter Spinelli Professores do Colégio Móbile, São Paulo Recentemente nos desafiamos
Leia maisAplicações de Combinatória e Geometria na Teoria dos Números
Aplicações de Combinatória e Geometria na Teoria dos Números Nesse artigo vamos discutir algumas abordagens diferentes na Teoria dos Números, no sentido de envolverem também outras grandes áreas, como
Leia maisUnidade: Vetores e Forças. Unidade I:
Unidade I: 0 Unidade: Vetores e Forças 2.VETORES 2.1 Introdução Os vetores são definidos como entes matemáticos que dão noção de intensidade, direção e sentido. De forma prática, o conceito de vetor pode
Leia maisMATRIZES 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 maisHoje estou elétrico!
A U A UL LA Hoje estou elétrico! Ernesto, observado por Roberto, tinha acabado de construir um vetor com um pedaço de papel, um fio de meia, um canudo e um pedacinho de folha de alumínio. Enquanto testava
Leia maisTítulo: Sistemas Lineares no CAp UFRJ: Interpretações Algébrica e Gráfica
Autor Letícia Guimarães Rangel Co-autor(es): Fernando Celso Villar Marinho Lílian Káram Parente Cury Spiller Rita Maria Cardoso Meirelles Tipo de Pesquisa Ensino Médio Números e Operações Componente Curricular
Leia maisSistemas 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 maisCT-234. Análise de Algoritmos e Complexidade Estrutural. Carlos Alberto Alonso Sanches
CT-234 Estruturas de Dados, Análise de Algoritmos e Complexidade Estrutural Carlos Alberto Alonso Sanches CT-234 4) Árvores balanceadas AVL, Rubro-Negras, B-Trees Operações em árvores binárias de busca
Leia maisBases Matemáticas. Aula 2 Métodos de Demonstração. Rodrigo Hausen. v. 2013-7-31 1/15
Bases Matemáticas Aula 2 Métodos de Demonstração Rodrigo Hausen v. 2013-7-31 1/15 Como o Conhecimento Matemático é Organizado Definições Definição: um enunciado que descreve o significado de um termo.
Leia maisRoteiro 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 maisBatalha Naval Algoritmos de Busca. Correlações curriculares Matemática: Números: maior que, menor que, iguais a.
Atividade 6 Batalha Naval Algoritmos de Busca Sumário Computadores são freqüentemente requisitados a encontrar informação em grandes coleções de dados. Estes precisam desenvolver métodos rápidos e eficientes
Leia maisOrientação a Objetos
1. Domínio e Aplicação Orientação a Objetos Um domínio é composto pelas entidades, informações e processos relacionados a um determinado contexto. Uma aplicação pode ser desenvolvida para automatizar ou
Leia maisSumário. Prefácio... xi. Prólogo A Física tira você do sério?... 1. Lei da Ação e Reação... 13
Sumário Prefácio................................................................. xi Prólogo A Física tira você do sério?........................................... 1 1 Lei da Ação e Reação..................................................
Leia maisMAT1154 ANÁLISE QUALITATIVA DE PONTOS DE EQUILÍBRIO DE SISTEMAS NÃO-LINEARES
MAT1154 ANÁLISE QUALITATIVA DE PONTOS DE EQUILÍBRIO DE SISTEMAS NÃO-LINEARES VERSÃO 1.0.2 Resumo. Este texto resume e complementa alguns assuntos dos Capítulo 9 do Boyce DiPrima. 1. Sistemas autônomos
Leia maisO Problema do Troco Principio da Casa dos Pombos. > Princípios de Contagem e Enumeração Computacional 0/48
Conteúdo 1 Princípios de Contagem e Enumeração Computacional Permutações com Repetições Combinações com Repetições O Problema do Troco Principio da Casa dos Pombos > Princípios de Contagem e Enumeração
Leia maisErros. Número Aproximado. Erros Absolutos erelativos. Erro Absoluto
Erros Nenhum resultado obtido através de cálculos eletrônicos ou métodos numéricos tem valor se não tivermos conhecimento e controle sobre os possíveis erros envolvidos no processo. A análise dos resultados
Leia maisFUNÇÃO DO 1º GRAU. Vamos iniciar o estudo da função do 1º grau, lembrando o que é uma correspondência:
FUNÇÃO DO 1º GRAU Vamos iniciar o estudo da função do 1º grau, lembrando o que é uma correspondência: Correspondência: é qualquer conjunto de pares ordenados onde o primeiro elemento pertence ao primeiro
Leia maisAS LEIS DE NEWTON PROFESSOR ANDERSON VIEIRA
CAPÍTULO 1 AS LEIS DE NEWTON PROFESSOR ANDERSON VIEIRA Talvez o conceito físico mais intuitivo que carregamos conosco, seja a noção do que é uma força. Muito embora, formalmente, seja algo bastante complicado
Leia maisMovimento Retilíneo Uniforme (MRU) Equação Horária do MRU
Movimento Retilíneo Uniforme (MRU) velocímetro do automóvel da figura abaixo marca sempre a mesma velocidade. Quando um móvel possui sempre a mesma velocidade e se movimenta sobre uma reta dizemos que
Leia maisAssociação de resistores
Associação de resistores É comum nos circuitos elétricos a existência de vários resistores, que encontram-se associados. Os objetivos de uma associação de resistores podem ser: a necessidade de dividir
Leia maisEstabilidade. Carlos Alexandre Mello. Carlos Alexandre Mello cabm@cin.ufpe.br 1
Estabilidade Carlos Alexandre Mello 1 Introdução Já vimos que existem três requisitos fundamentais para projetar um sistema de controle: Resposta Transiente Estabilidade Erros de Estado Estacionário Estabilidade
Leia maisExercícios 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 maisCapítulo 3. Avaliação de Desempenho. 3.1 Definição de Desempenho
20 Capítulo 3 Avaliação de Desempenho Este capítulo aborda como medir, informar e documentar aspectos relativos ao desempenho de um computador. Além disso, descreve os principais fatores que influenciam
Leia maisCálculo Numérico Aula 1: Computação numérica. Tipos de Erros. Aritmética de ponto flutuante
Cálculo Numérico Aula : Computação numérica. Tipos de Erros. Aritmética de ponto flutuante Computação Numérica - O que é Cálculo Numérico? Cálculo numérico é uma metodologia para resolver problemas matemáticos
Leia maisTIPOS DE REFLEXÃO Regular Difusa
Reflexão da luz TIPOS DE REFLEXÃO Regular Difusa LEIS DA REFLEXÃO RI = raio de luz incidente i normal r RR = raio de luz refletido i = ângulo de incidência (é formado entre RI e N) r = ângulo de reflexão
Leia maisAula 4 Estatística Conceitos básicos
Aula 4 Estatística Conceitos básicos Plano de Aula Amostra e universo Média Variância / desvio-padrão / erro-padrão Intervalo de confiança Teste de hipótese Amostra e Universo A estatística nos ajuda a
Leia maisobjetivo Exercícios Meta da aula Pré-requisitos Aplicar o formalismo quântico estudado neste módulo à resolução de um conjunto de exercícios.
Exercícios A U L A 10 Meta da aula Aplicar o formalismo quântico estudado neste módulo à resolução de um conjunto de exercícios. objetivo aplicar os conhecimentos adquiridos nas Aulas 4 a 9 por meio da
Leia maiscasa. Será uma casa simples, situada em terreno plano, com sala, dois quartos, cozinha, banheiro e área de serviço.
A UUL AL A A casa Nesta aula vamos examinar a planta de uma casa. Será uma casa simples, situada em terreno plano, com, dois quartos, cozinha, banheiro e área de serviço. Introdução terreno 20 m rua 30
Leia maisResposta Transitória de Circuitos com Elementos Armazenadores de Energia
ENG 1403 Circuitos Elétricos e Eletrônicos Resposta Transitória de Circuitos com Elementos Armazenadores de Energia Guilherme P. Temporão 1. Introdução Nas últimas duas aulas, vimos como circuitos com
Leia maisRetas e Planos. Equação Paramétrica da Reta no Espaço
Retas e lanos Equações de Retas Equação aramétrica da Reta no Espaço Considere o espaço ambiente como o espaço tridimensional Um vetor v = (a, b, c) determina uma direção no espaço Dado um ponto 0 = (x
Leia maisConhecendo um pouco de matrizes e determinantes
Módulo 3 Unidade 29 Conhecendo um pouco de matrizes e determinantes Para início de conversa... Frequentemente em jornais, revistas e também na Internet encontramos informações numéricas organizadas na
Leia maisREVISÃO E AVALIAÇÃO DA MATEMÁTICA
2 Aula 45 REVISÃO E AVALIAÇÃO DA 3 Vídeo Arredondamento de números. 4 Arredondamento de números Muitas situações cotidianas envolvendo valores destinados à contagem, podem ser facilitadas utilizando o
Leia maisJá vimos que a energia gravitacional entre duas partículas de massas m 1 e m 2, com vetores posição em r 1 e r 2, respectivamente, é dada por
Força conservativa Já vimos que a energia gravitacional entre duas partículas de massas m 1 e m 2, com vetores posição em r 1 e r 2, respectivamente, é dada por U 12 = Gm 1m 2 r 2 r 1. Vimos também que
Leia maisIBM1018 Física Básica II FFCLRP USP Prof. Antônio Roque Aula 3
Linhas de Força Mencionamos na aula passada que o físico inglês Michael Faraday (79-867) introduziu o conceito de linha de força para visualizar a interação elétrica entre duas cargas. Para Faraday, as
Leia mais1. NÍVEL CONVENCIONAL DE MÁQUINA
1. NÍVEL CONVENCIONAL DE MÁQUINA Relembrando a nossa matéria de Arquitetura de Computadores, a arquitetura de Computadores se divide em vários níveis como já estudamos anteriormente. Ou seja: o Nível 0
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Não Linear Aula 25: Programação Não-Linear - Funções de Uma única variável Mínimo; Mínimo Global; Mínimo Local; Optimização Irrestrita; Condições Óptimas; Método da Bissecção; Método de Newton.
Leia maisAritmética Binária e. Bernardo Nunes Gonçalves
Aritmética Binária e Complemento a Base Bernardo Nunes Gonçalves Sumário Soma e multiplicação binária Subtração e divisão binária Representação com sinal Sinal e magnitude Complemento a base. Adição binária
Leia maisSistemas 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 maisREFLEXÃO DA LUZ: ESPELHOS 412EE TEORIA
1 TEORIA 1 DEFININDO ESPELHOS PLANOS Podemos definir espelhos planos como toda superfície plana e polida, portanto, regular, capaz de refletir a luz nela incidente (Figura 1). Figura 1: Reflexão regular
Leia maisSistemas de Numerações.
Matemática Profº: Carlos Roberto da Silva; Lourival Pereira Martins. Sistema de numeração: Binário, Octal, Decimal, Hexadecimal; Sistema de numeração: Conversões; Sistemas de Numerações. Nosso sistema
Leia maisSó Matemática O seu portal matemático http://www.somatematica.com.br FUNÇÕES
FUNÇÕES O conceito de função é um dos mais importantes em toda a matemática. O conceito básico de função é o seguinte: toda vez que temos dois conjuntos e algum tipo de associação entre eles, que faça
Leia maisPesquisa Operacional
Pesquisa Operacional Prof. José Luiz Resolver um problema de Programação Linear significa basicamente resolver sistemas de equações lineares; Esse procedimento, apesar de correto, é bastante trabalhoso,
Leia maisOrganização e Arquitetura de Computadores I
Organização e Arquitetura de Computadores I Aritmética Computacional Slide 1 Sumário Unidade Lógica e Aritmética Representação de Números Inteiros Aritmética de Números Inteiros Representação de Números
Leia maisTópico 02: Movimento Circular Uniforme; Aceleração Centrípeta
Aula 03: Movimento em um Plano Tópico 02: Movimento Circular Uniforme; Aceleração Centrípeta Caro aluno, olá! Neste tópico, você vai aprender sobre um tipo particular de movimento plano, o movimento circular
Leia maisMatemática - UEL - 2010 - Compilada em 18 de Março de 2010. Prof. Ulysses Sodré Matemática Essencial: http://www.mat.uel.
Matemática Essencial Equações do Primeiro grau Matemática - UEL - 2010 - Compilada em 18 de Março de 2010. Prof. Ulysses Sodré Matemática Essencial: http://www.mat.uel.br/matessencial/ Resumo: Notas de
Leia maisPor que o quadrado de terminados em 5 e ta o fa cil? Ex.: 15²=225, 75²=5625,...
Por que o quadrado de terminados em 5 e ta o fa cil? Ex.: 15²=225, 75²=5625,... 0) O que veremos na aula de hoje? Um fato interessante Produtos notáveis Equação do 2º grau Como fazer a questão 5 da 3ª
Leia maisO caso estacionário em uma dimensão
O caso estacionário em uma dimensão A U L A 6 Meta da aula Aplicar o formalismo quântico no caso de o potencial ser independente do tempo. objetivos verificar que, no caso de o potencial ser independente
Leia maisCapítulo 7 Medidas de dispersão
Capítulo 7 Medidas de dispersão Introdução Para a compreensão deste capítulo, é necessário que você tenha entendido os conceitos apresentados nos capítulos 4 (ponto médio, classes e frequência) e 6 (média).
Leia maisMétodo 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 maisFração como porcentagem. Sexto Ano do Ensino Fundamental. Autor: Prof. Francisco Bruno Holanda Revisor: Prof. Antonio Caminha M.
Material Teórico - Módulo de FRAÇÕES COMO PORCENTAGEM E PROBABILIDADE Fração como porcentagem Sexto Ano do Ensino Fundamental Autor: Prof. Francisco Bruno Holanda Revisor: Prof. Antonio Caminha M. Neto
Leia maisObjetivos: Construção de tabelas e gráficos, escalas especiais para construção de gráficos e ajuste de curvas à dados experimentais.
7aula Janeiro de 2012 CONSTRUÇÃO DE GRÁFICOS I: Papel Milimetrado Objetivos: Construção de tabelas e gráficos, escalas especiais para construção de gráficos e ajuste de curvas à dados experimentais. 7.1
Leia maisComputadores XXI: Busca e execução Final
Computadores XXI: Busca e execução Final A6 Texto 6 http://www.bpiropo.com.br/fpc20060123.htm Sítio Fórum PCs /Colunas Coluna: B. Piropo Publicada em 23/01/2006 Autor: B.Piropo Na coluna anterior, < http://www.forumpcs.com.br/viewtopic.php?t=146019
Leia maisDefinição. 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 maisVetores no R 2 : = OP e escreve-se: v = (x, y), identificando-se as coordenadas de P com as componentes de v.
Vetores no R 2 : O conjunto R 2 = R x R = {(x, y) / x, y Є R} é interpretado geometricamente como sendo o plano cartesiano xoy. Qualquer vetor AB considerado neste plano tem sempre um representante OP
Leia mais1.1. Organização de um Sistema Computacional
1. INTRODUÇÃO 1.1. Organização de um Sistema Computacional Desde a antiguidade, o homem vem desenvolvendo dispositivos elétricoeletrônicos (hardware) que funciona com base em instruções e que são capazes
Leia maisUnidade 5: Sistemas de Representação
Arquitetura e Organização de Computadores Atualização: 9/8/ Unidade 5: Sistemas de Representação Números de Ponto Flutuante IEEE 754/8 e Caracteres ASCII Prof. Daniel Caetano Objetivo: Compreender a representação
Leia mais