Introdução aos Métodos Numéricos
|
|
- Raphael Azenha Furtado
- 6 Há anos
- Visualizações:
Transcrição
1 Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho
2 Conteúdo Erros e Aproximações Numéricas Sistemas de Equações Lineares. Métodos diretos Interpolação Ajuste de Curvas Zeros de Função Sistemas de Equações Lineares. Métodos Iterativos Integração Numérica Introdução à Resolução de Equações Diferenciais Ordinárias
3 Conteúdo Sistemas de Equações Lineares. Métodos diretos
4 Pronto, fiz os cálculos e achei x!...mas como sei se é a solução?
5 Exemplo de Wilson ( x=( Substitua o vetor solução por x T =(9,2; 12,6 ; 4,5 ; 1,1
6 Exemplo de Wilson Substitua o vetor solução por Resultado: ( x=( b T =(32,1 ;22,9;33,1 ;30,9 x T =(9,2; 12,6 ; 4,5 ; 1,1
7 ( Sistemas de equações Exemplo de Wilson Parece que estamos perto da solução... A 9,2 32,1 12,6 22,9 4,5 33,1 ; 1,1 30,9 =( b=(
8 Exemplo de Wilson ( x=( Substitua o vetor solução por x T =(1,82; 0,36 ;1,35 ;0,79
9 Exemplo de Wilson Substitua o vetor solução por Resultado: ( x=( b T =(32,01 ;22,99;33,01;30,99 x T =(1,82; 0,36 ;1,35 ;0,79
10 Exemplo de Wilson Realmente parecia que estávamos perto da solução? ( A =( 1,82 0,36 1,35 0,79 32,01 22,99 33,01 30,99 ; b=(
11 ( ( Sistemas de equações Exemplo de Wilson Repare... A =( 1,82 32,01 0,36 22,99 1,35 33,01 0,79 30,99 ; A 9,2 32,1 12,6 22,9 4,5 33,1 ; 1,1 30,9 =( b=(
12 Exemplo de Wilson ( x=( Solução: x T =(1;1;1 ;1
13 A técnica de substituir na equação pode nos enganar
14 A técnica de substituir na equação pode nos enganar Estamos olhando o problema da forma errada
15 Este sistema é mal-condicionado, portanto: Pequenas variações nos parâmetros do problema (neste caso o vetor constante gera uma mudança muito maior na solução
16 Este sistema é mal-condicionado, portanto: Pequenas variações nos parâmetros do problema (neste caso o vetor constante gera uma mudança muito maior na solução Cada vetor dado é a solução exata para o vetor constante correspondente
17 O exemplo de Wilson é ilustrativo da sensibilidade que sistemas de equações podem ter quanto à precisão de suas componentes. Pequenas variações daquelas podem gerar grandes variações no vetor solução.
18 Mas há casos patológicos! Matrizes de Hilbert h ij = 1 i+ j 1 ; j=1, n,i=1,,n
19 Matrizes de Hilbert =( =( 1 1/2 1/3 1/ 4 H= ( 1 1/2 1/3 1 1/2 H 1/2 1/3 1/ 4 1/5 1/2 1/3 4 H 1/2 1/3 1/3 1/ 4 1/5 1/6 1/3 1/4 1/5 1/4 1/5 1/6 1/7
20 Seja um sistema da forma H x=( H matriz de Hilbert. As componentes da solução são sempre inteiros.
21 Seja um sistema da forma H x=( H matriz de Hilbert. As componentes da solução são sempre inteiros. Isto pode ser demonstrado pela regra de Cramer!
22 Um pouquinho de matemática... Norma de vetores e matrizes
23 Normas Norma é uma ampliação do conceito de módulo É uma maneira de medir propriedades de objetos matemáticos complexos como vetores, matrizes e funções.
24 Normas Norma (módulo de um vetor É uma maneira de medir o comprimento de um vetor
25 Normas Norma (módulo de um vetor É uma maneira de medir o comprimento de um vetor Observou as aspas?
26 Normas Norma de um vetor Nos interessa da norma três propriedades: É sempre positiva
27 Normas Norma de um vetor Nos interessa da norma três propriedades: É sempre positiva Só é nula se o vetor for nulo
28 Normas Norma de um vetor Nos interessa da norma três propriedades: É sempre positiva Só é nula se o vetor for nulo Se o vetor for multiplicado por um valor, a norma será a norma do vetor multiplicado pelo valor em módulo
29 Normas v vetor de dimensão n v 2 = v 1 v 1 +v 2 v 2 +v 3 v 3 + +v n v n = n i=1 v i v i Esta é a Norma Euclidiana
30 Normas v vetor de dimensão n n v 1 = v 1 + v 2 + v v n = v i i=1 Esta é a Norma 1 ou Norma Manhattan
31 Normas v vetor de dimensão n v max =max i [ v 1, v 2, v 3,, v n ];i=1,, n Esta é a Norma do Máximo
32 Normas Um exemplo: v T =( 2,3,1 v 2 = ( 2 ( = 14 3, v 1 = =6 v max =max i [ 2, 3, 1 ]=3
33 Normas Um exemplo: v T =( 2,3,1 v 2 = ( 2 ( = 14 3, v 1 = =6 v max =max i [ 2, 3, 1 ]=3 São todas medidas do vetor mas não dão a mesma medida. São maneiras diferentes de medir...
34 Normas A matriz n x n = ( A n n 2 i=1 j=1 2 a ij n A 1 =max 1 j n a i=1 ij A max=max 1 i n j=1 n a ij São a Norma de Fröbenius, a Norma 1 e a Norma do Máximo para matrizes
35 Para que isto?
36 O número de condicionamento de uma matriz A é dado por κ= A 1 A É fácil de ver que o número de condição da matriz identidade é 1.
37 O número de condicionamento de uma matriz A é dado por κ= A 1 A É fácil de ver que o número de condição da matriz identidade é 1. Não é difícil de demonstrar que o número de condição é sempre maior ou igual a 1
38 Uma matriz é tão mais bem condicionada quanto o seu número de condição for mais próximo de 1.
39 Vamos a alguns exemplos usando o Maxima...
40 Vimos que o número de condição para o exemplo de Wilson é 4488 e para os casos de matrizes de Hilbert 3x3 é 748 e a 4x4 maior que
41 Vimos que o número de condição para o exemplo de Wilson é 4488 e para os casos de matrizes de Hilbert 3x3 é 748 e a 4x4 maior que As matrizes de Hilbert com aproximação de três casas decimais já apresentam soluções distantes da solução com números racionais
42 Vimos que o número de condição para o exemplo de Wilson é 4488 e para os casos de matrizes de Hilbert 3x3 é 748 e a 4x4 maior que As matrizes de Hilbert com aproximação de três casas decimais já apresentam soluções distantes da solução com números racionais Na grande maioria das vezes não calculamos diretamente o número de condição
43 Observemos o método de Eliminação gaussiana: Se um pivô for bem menor que o(s elemento(s eliminado(s, teremos ruído numérico afetando todos os cálculos subsequentes.
44 Observemos o método de Eliminação gaussiana: Se um pivô for bem menor que o(s elemento(s eliminado(s, teremos ruído numérico afetando todos os cálculos subsequentes. E assim, o vetor obtido pelo algoritmo poderá estar distante do vetor solução
45 Observemos o método de Eliminação gaussiana: Se um pivô for bem menor que o(s elemento(s eliminado(s, teremos ruído numérico afetando todos os cálculos subsequentes. E assim, o vetor obtido pelo algoritmo poderá estar distante do vetor solução Se diz que este algoritmo é numericamente Instável
46 Primeiro passo: Como verificar se o vetor obtido é próximo da solução do sistema?
47 Método dos Resíduos Seja o sistema A x= b do qual obtemos uma solução aproximada x 1 devido à instabilidade numérica da eliminação gaussiana
48 Método dos Resíduos Então podemos escrever x= x 1 + z 1 que substituída na equação original resulta em A ( x 1 + z 1 = b A x 1 + A z 1 = b A z 1 = b A x 1
49 Método dos Resíduos Observe que podemos calcular teremos A z 1 = b b 1 b A x1. Definindo b 1 = A x 1 Definindo o resíduo como r 1 = b b 1 ficaremos com A z 1 = r 1
50 Parece que nossos problemas foram resolvidos...
51 Parece que nossos problemas foram resolvidos... Só que não...
52 Parece que nossos problemas foram resolvidos... Só que não... Pelos mesmos motivos que não conseguimos a solução exata, não conseguiremos o valor de z 1 mas uma aproximação que chamaremos de z1 O que nos resta?
53 Parece que nossos problemas foram resolvidos... Só que não... Pelos mesmos motivos que não conseguimos a solução exata, não conseguiremos o valor de z 1 mas uma aproximação que chamaremos de z1 O que nos resta? Começar tudo de novo...
54 Podemos escrever x 2 = x 1 + z 1 e x= x 2 + z 2 que substituída na equação original resulta em A ( x 2 + z 2 = b A x 2 + A z 2 = b A z 2 = b A x 2 = r 2 onde r 2 é o segundo resíduo. Teremos o sistema A z 2 = r 2
55 O qual, de novo, não me dá o resultado correto mas uma aproximação z2
56 O qual, de novo, não me dá o resultado correto mas uma aproximação z2 Espero que esteja ficando claro que obteremos, de fato, as sequências { x 1, x 2, x 3,, x i } e { z 1, z 2, z 3,, z i } Esperamos que, se tudo estiver bem, teremos a cada passo valores melhores da solução e valores menores para a norma de zi
57 Se os valores em módulo do vetor de correção diminuirem consistentemente, podemos dizer que o sistema é bem-condicionado e que a solução obtida é confiável
58 Se os valores em módulo do vetor de correção diminuirem consistentemente, podemos dizer que o sistema é bem-condicionado e que a solução obtida é confiável Obs: No mundo real sempre haverá uma situação de mal-condicionamento a medida que chegamos perto do limite de precisão da máquina
59 Observe que o método dos resíduos tem um problema: Temos que resolver uma sequência de SEL A z 1 = r 1 ; A z 2 = r 2 ; A z 3 = r 3 ; A z k = r k Aparentemente o custo é alto...
60 Observe que o método dos resíduos tem um problema: Temos que resolver uma sequência de SEL A z 1 = r 1 ; A z 2 = r 2 ; A z 3 = r 3 ; A z k = r k Aparentemente o custo é alto... Só que não...
61 Apresentaremos um outro assunto mas retornaremos ao Método dos Resíduos em breve...
62 Fatoração LU Aqui abordaremos resolver um sistema A x= b supondo ser possível fazer a seguinte fatoração onde L e U são A=LU
63 Matrizes L e U L=( l l 31 l l 41 l 42 l l n 1,1 l n 1,2 l n 1,3 l n 1,4 1 0 l n,1 l n,2 l n,3 l n,4 l n,n 1 U =( u11 u12 u13 u14 u1,n 1 u1,n 0 u 22 u 23 u 24 u 2,n 1 u 2,n 0 0 u 33 u 34 u 3,n 1 u 3,n u 44 u 4,n 1 u 4,n u n 1,n 1 u n 1,n u n, n podemos demonstrar que se A tem det(a 0 então tal fatoração sempre é possível, embora permutações de linhas possam ser necessárias
64 Um dos que primeiro estudaram a fatoração LU foi Alan Turing, considerado um dos pais da computação. Ele apresenta a fatoração LU num artigo onde são analizados os erros gerados no processo de eliminação gaussiana.
65 Fatoração =( a 21 a 22 a 23 a 24 a 2,n 1 a 2,n a 31 a 32 a 33 a 34 a 3,n 1 a 3,n a 41 a 42 a 43 a 44 a 4, n 1 a 4, n a n 1,1 a n 1,2 a n 1,3 a n 1,4 a n 1,n 1 a n 1,n a n,1 a n,2 a n,3 a n,4 a n,n 1 a n,n ( a11 a12 a13 a14 a1,n 1 ann u12 u13 u14 u1,n 1 u1, n l u 22 u 23 u 24 u 2,n 1 u 2, n l 31 l u 33 u 34 u 3,n 1 u 3, n l 41 l 42 l u 44 u 4,n 1 u 4, n l n 1,1 l n 1,2 l n 1,3 l n 1, u n 1, n 1 u n 1,n l n,1 l n,2 l n,3 l n,4 l n,n 1 1(u u n,n Você consegue achar a fatoração aplicando o que você sabe sobre multiplicação de matrizes.
66 Fatoração =( a 21 a 22 a 23 a 24 a 2,n 1 a 2,n a 31 a 32 a 33 a 34 a 3,n 1 a 3,n a 41 a 42 a 43 a 44 a 4, n 1 a 4, n a n 1,1 a n 1,2 a n 1,3 a n 1,4 a n 1,n 1 a n 1,n a n,1 a n,2 a n,3 a n,4 a n,n 1 a n,n ( a11 a12 a13 a14 a1,n 1 ann u12 u13 u14 u1,n 1 u1, n l u 22 u 23 u 24 u 2,n 1 u 2, n l 31 l u 33 u 34 u 3,n 1 u 3, n l 41 l 42 l u 44 u 4,n 1 u 4, n l n 1,1 l n 1,2 l n 1,3 l n 1, u n 1, n 1 u n 1,n l n,1 l n,2 l n,3 l n,4 l n,n 1 1(u u n,n Se você multiplicar a primeira linha de L por cada coluna de U você obterá a 11 =u 11 ;a 12 =u 12 ;a 13 =u 13 ; ;a 1 n =u 1 n
67 Fatoração =( a 21 a 22 a 23 a 24 a 2,n 1 a 2,n a 31 a 32 a 33 a 34 a 3,n 1 a 3,n a 41 a 42 a 43 a 44 a 4, n 1 a 4, n a n 1,1 a n 1,2 a n 1,3 a n 1,4 a n 1,n 1 a n 1,n a n,1 a n,2 a n,3 a n,4 a n,n 1 a n,n ( a11 a12 a13 a14 a1,n 1 ann u12 u13 u14 u1,n 1 u1, n l u 22 u 23 u 24 u 2,n 1 u 2, n l 31 l u 33 u 34 u 3,n 1 u 3, n l 41 l 42 l u 44 u 4,n 1 u 4, n l n 1,1 l n 1,2 l n 1,3 l n 1, u n 1, n 1 u n 1,n l n,1 l n,2 l n,3 l n,4 l n,n 1 1(u u n,n Se agora, sabendo a primeira linha de U, multiplicar as linhas de L pela primeira coluna de U você obterá a 21 =l 21 u 11 ;a 31 =l 31 u 11 ;a 41 =l 41 u 11 ; ;a n 1 =l n 1 u 11
68 Obtemos u 1 j =a 1 j ; j=1, n e l i1 = a i 1 u 11 ;i=2, n
69 Fatoração =( a 21 a 22 a 23 a 24 a 2,n 1 a 2,n a 31 a 32 a 33 a 34 a 3,n 1 a 3,n a 41 a 42 a 43 a 44 a 4, n 1 a 4, n a n 1,1 a n 1,2 a n 1,3 a n 1,4 a n 1,n 1 a n 1,n a n,1 a n,2 a n,3 a n,4 a n,n 1 a n,n ( a11 a12 a13 a14 a1,n 1 ann u12 u13 u14 u1,n 1 u1, n l u 22 u 23 u 24 u 2,n 1 u 2, n l 31 l u 33 u 34 u 3,n 1 u 3, n l 41 l 42 l u 44 u 4,n 1 u 4, n l n 1,1 l n 1,2 l n 1,3 l n 1, u n 1, n 1 u n 1,n l n,1 l n,2 l n,3 l n,4 l n,n 1 1(u u n,n Multipliquemos a segunda linha de L pelas colunas de U a 22 =l 21 u 12 +u 22 ;a 23 =l 21 u 13 +u 23 ;a 24 =l 21 u 14 +u 24 ; ; a 2 n =l 21 u 1 n +u 2 n
70 Obtemos u 2 j =a 2 j u 1 j l 21 ; j=2, n
71 Obtemos u 2 j =a 2 j u 1 j l 21 ; j=2, n Observe que neste cálculo não usamos os valores da primeira linha de A. É como se eles não mais existissem.
72 Fatoração =( a 21 a 22 a 23 a 24 a 2,n 1 a 2,n a 31 a 32 a 33 a 34 a 3,n 1 a 3,n a 41 a 42 a 43 a 44 a 4, n 1 a 4, n a n 1,1 a n 1,2 a n 1,3 a n 1,4 a n 1,n 1 a n 1,n a n,1 a n,2 a n,3 a n,4 a n,n 1 a n,n ( a11 a12 a13 a14 a1,n 1 ann u12 u13 u14 u1,n 1 u1, n l u 22 u 23 u 24 u 2,n 1 u 2, n l 31 l u 33 u 34 u 3,n 1 u 3, n l 41 l 42 l u 44 u 4,n 1 u 4, n l n 1,1 l n 1,2 l n 1,3 l n 1, u n 1, n 1 u n 1,n l n,1 l n,2 l n,3 l n,4 l n,n 1 1(u u n,n Multipliquemos linhas de L pela segunda coluna de U a 32 =l 31 u 12 +l 32 u 22 ; a 42 =l 41 u 12 +l 42 u 22 ; ; a n 2 =l n 1 u 12 +l n 2 u 22
73 Obtemos l i2 = a i 2 l i 1 u 12 u 22 ;i=3, n
74 Obtemos l i2 = a i 2 l i 1 u 12 u 22 ;i=3, n Aqui não usamos os valores da primeira linha de A nem da primeira coluna de A. Eles não são mais necessários.
75 Fatoração =( a 21 a 22 a 23 a 24 a 2,n 1 a 2,n a 31 a 32 a 33 a 34 a 3,n 1 a 3,n a 41 a 42 a 43 a 44 a 4, n 1 a 4, n a n 1,1 a n 1,2 a n 1,3 a n 1,4 a n 1,n 1 a n 1,n a n,1 a n,2 a n,3 a n,4 a n,n 1 a n,n ( a11 a12 a13 a14 a1,n 1 ann u12 u13 u14 u1,n 1 u1, n l u 22 u 23 u 24 u 2,n 1 u 2, n l 31 l u 33 u 34 u 3,n 1 u 3, n l 41 l 42 l u 44 u 4,n 1 u 4, n l n 1,1 l n 1,2 l n 1,3 l n 1, u n 1, n 1 u n 1,n l n,1 l n,2 l n,3 l n,4 l n,n 1 1(u u n,n Multipliquemos a terceira linha de L pelas colunas de U a 33 =l 31 u 13 +l 32 u 23 +u 33 ;a 34 =l 31 u 14 +l 32 u 24 +u 34 ; ; a 3 n =l 31 u 1 n +l 32 u 2 n +u 3 n
76 Obtemos 2 u 3 j =a 3 j l 31 u 1 j l 32 u 2 j =a 3 j k =1 l 3 k u kj ; j=3,n
77 Obtemos 2 u 3 j =a 3 j l 31 u 1 j l 32 u 2 j =a 3 j k =1 l 3 k u kj ; j=3,n E aqui não necessitamos das duas primeiras linhas de A nem das duas primeiras colunas.
78 Fatoração =( a 21 a 22 a 23 a 24 a 2,n 1 a 2,n a 31 a 32 a 33 a 34 a 3,n 1 a 3,n a 41 a 42 a 43 a 44 a 4, n 1 a 4, n a n 1,1 a n 1,2 a n 1,3 a n 1,4 a n 1,n 1 a n 1,n a n,1 a n,2 a n,3 a n,4 a n,n 1 a n,n ( a11 a12 a13 a14 a1,n 1 ann u12 u13 u14 u1,n 1 u1, n l u 22 u 23 u 24 u 2,n 1 u 2, n l 31 l u 33 u 34 u 3,n 1 u 3, n l 41 l 42 l u 44 u 4,n 1 u 4, n l n 1,1 l n 1,2 l n 1,3 l n 1, u n 1, n 1 u n 1,n l n,1 l n,2 l n,3 l n,4 l n,n 1 1(u u n,n Multipliquemos linhas de L pela terceira coluna de U a 43 =l 41 u 13 +l 42 u 23 +l 43 u 33 ; ; a n 3 =l n 1 u 13 +l n 2 u 23 +l n 3 u 33
79 Obtemos l i3 = a i3 l i 1 u 13 l i 2 u 23 u 33 = 1 u 33 [ 2 a i 3 k =1 ] l ik u ;i=4, n k 3 Novamente não faremos referência as duas primeiras linhas de A e às duas primeiras colunas.
80 O algoritmo está começando a ficar nítido...
81 O algoritmo está começando a ficar nítido... e para i=2 até n u 1 j =a 1 j ; j=1, n l ij = 1 u jj [ j 1 a ij k=1 ] l ik u ;i> j kj i 1 u ij =a ij k =1 l ik u kj ; j>1
82 Pensando como computeiro... Pense bem... Nós humanos necessitamos de organizar um pouco o mundo. Mas os computadores já nascem ordenados.
83 Pensando como computeiro... Pense bem... Nós humanos necessitamos de organizar um pouco o mundo. Mas os computadores já nascem ordenados. Eles não necessitam organizar a fatoração em duas matrizes separadas pois o algoritmo não invade os dados de forma errada, a não ser que o programador falhe.
84 Pensando como computeiro Observe que não necessitamos de guardar no computador a fatoração em duas matrizes separadas =( a 21 a 22 a 23 a 24 a 2,n 1 a 2,n a 31 a 32 a 33 a 34 a 3,n 1 a 3,n a 41 a 42 a 43 a 44 a 4, n 1 a 4, n a n 1,1 a n 1,2 a n 1,3 a n 1,4 a n 1,n 1 a n 1,n a n,1 a n,2 a n,3 a n,4 a n,n 1 a n,n ( a11 a12 a13 a14 a1,n 1 ann u12 u13 u14 u1,n 1 u1, n l u 22 u 23 u 24 u 2,n 1 u 2, n l 31 l u 33 u 34 u 3,n 1 u 3, n l 41 l 42 l u 44 u 4,n 1 u 4, n l n 1,1 l n 1,2 l n 1,3 l n 1, u n 1, n 1 u n 1,n l n,1 l n,2 l n,3 l n,4 l n,n 1 1(u u n,n O algoritmo que se segue aproveita o espaço que não armazena mais valores necessários à fatoração
85 Algoritmo: Para i=1 até n Para j 1 até i 1 s a ij Para k=1, j 1 s s a ik a kj Para a ij s/a jj j 1 até n Também é uma algoritmo ingênuo s a ij Para k=1 até i 1 s s a ik a kj a ij s
86 Mas e a resolução do sistema? Observe que A x= b ( LU x= b L y= b onde U x= y o que nos deixa com dois SEL L y= b U x= y
87 Mas os sistemas são triangulares e de custo baixo O(n 2 E quanto custa a fatoração?
88 Mas os sistemas são triangulares e de custo baixo O(n 2 E quanto custa a fatoração? O(n 3!
89 Mas os sistemas são triangulares e de custo baixo O(n 2 E quanto custa a fatoração? O(n 3! O custo computacional total da resolução do SEL é o mesmo que a eliminação gaussiana
90 Mas os sistemas são triangulares e de custo baixo O(n 2 E quanto custa a fatoração? O(n 3! O custo computacional total da resolução do SEL é o mesmo que a eliminação gaussiana Então, para que isto?
91 Vamos a um exemplo
92 Seja o sistema ( x=(
93 Seja o sistema ( x=( que é conhecido nosso...
94 Fatoremos a matriz ( =( l l 31 l l 41 l 42 l 43 1 multiplicando os valores das matrizes. Primeira linha de L pelas colunas de U ( u11 u12 u13 u14 0 u 22 u 23 u u 33 u u 44 u 11 =a 11 =2 ;u 12 =a 12 =4 ;u 13 =a 14 = 1;u 14 =a 14 =1
95 ( =( l l 31 l l 41 l 42 l 43 1 Multiplicando as linhas de L pela primeira coluna de U. Os valores da segunda coluna da matriz L serão ( u 22 u 23 u u 33 u u 44 4=2l 21 ;6=2l 31 ;2=2l 41 l 21 = 2 ;l 31 =3;l 41 =1
96 ( =( l l 42 l 43 1 Multiplicando a segunda linha de L pelas colunas de U. Os valores da segunda linha da matriz U serão ( u 22 u 23 u u 33 u u 44 1= 2 4+u 22 ;6=( 2 ( 1+u 23 ;2= 2 1+u 24 u 22 =9;u 23 =4 ;u 24 =4
97 ( =( l l 42 l 43 1 Multiplicando as linhas de L pela segunda coluna de U. Os valores da segunda coluna da matriz L serão ( u 33 u u 44 3=3 4+9l 32 ;6=1 4+9l 42 l 32 = 1;l 42 =2/9
98 ( =( /9 l 43 1 Multiplicando a terceira linha de L pelas colunas de U. Os valores da terceira linha da matriz U serão ( u 33 u u 44 3=3 ( u 33 ;1= u 34 u 33 =10 ;u 34 =2
99 ( =( /9 l 43 1 Multiplicando as linhas de L pela terceira coluna de U. Os valores da terceira coluna da matriz L serão ( u 44 2= 1 1+2/9 4+10l 43 l 43 =19/90
100 ( =( /9 19/90 1 Multiplicando a quarta linha de L pelas colunas de U. Os valores da quarta linha da matriz U serão ( u 44 4=1 1+2/ /90 2+u 44 u 44 =76/75
101 Matriz fatorada ( =( /9 19/90 1 Observe a matriz final da eliminação gaussiana. Ela é idêntica à matriz U obtida. Se você olhar os valores dos m's da eliminação gaussiana, irá encontrá-los com os sinais trocados na matriz L. ( /75
102 Matriz fatorada ( =( /9 19/90 1 Observe a matriz final da eliminação gaussiana. Ela é idêntica à matriz U obtida. Se você olhar os valores dos m's da eliminação gaussiana, irá encontrá-los com os sinais trocados na matriz L. Não é coincidência... ( /75
103 Resolvendo o sistema ( x=(
104 Resolvendo o sistema ( =( /9 19/90 1 ( /75
105 Na fatoração LU o sistema original é transformado em dois sistemas A x= b LU x= b L y= b e U x= y ou seja, resolveremos primeiro ( y=( 1 2/9 19/
106 Calculemos cada valor do vetor y como abaixo ( y=( 1 2/9 19/ y 1 =4 ; 2 y 1 + y 2 = y 2 =9 y 2 =17 3 y 1 y 2 + y 3 = y 3 = 1 y 3 =4 y 1 +2/9 y 2 +19/90 y 3 + y 4 =12 4+2/ /90 4+ y 4 =12 y 4 =152/ 45
107 O vetor solução da primeira equação será y=( 152/45 que é o vetor constante no final da eliminação gaussiana.
108 O segundo sistema U x= y será ( x=( /45 152/ 45 que é equivalente a fazer a retrosubstituição na eliminação gaussiana. Ou seja
109 O segundo sistema U x= y será ( x=( /45 152/ 45 x 4 = =2 10 x 3 +2 x 4 =4 10 x =4 x 3 = =0 9 x 2 +4 x 3 +4 x 4 =17 9 x 2 = x 2 = 9 9 =1 2 x 1 +4 x 2 x 3 +x 4 =4 2 x 1 = x 1 = 2 2 = 1
110 O vetor solução do problema será x=(
111 Vimos que há uma equivalência entre a resolução por fatoração LU e eliminação gaussiana.
112 Vimos que há uma equivalência entre a resolução por fatoração LU e eliminação gaussiana. No entanto, a fatoração LU é um pouco menos sensível à instabilidade numérica em relação à eliminação gaussiana.
113 Vimos que há uma equivalência entre a resolução por fatoração LU e eliminação gaussiana. No entanto, a fatoração LU é um pouco menos sensível à instabilidade numérica em relação à eliminação gaussiana. Além disso, a fatoração LU diminui o custo computacional de alguns problemas.
114 Retornemos um pouco...
115 No método dos resíduos temos que resolver uma sequência de SEL A z 1 = r 1 ; A z 2 = r 2 ; A z 3 = r 3 ; A z k = r k Se fizermos eliminação gaussiana em todos os sistemas o custo será alto. No caso, aproximadamente n 3 vezes k.
116 No entanto, se fizermos por fatoração LU, o primeiro sistema terá custo O(n 3 mas os demais sistemas o custo será de aproximadamente n 2 vezes k. O custo total será bem menor...
117 Um outro problema: Inversão de matrizes Se det(a é não nulo, então se AB=I diremos que B é a matriz inversa de A.
118 Um outro problema: Inversão de matrizes Se det(a é não nulo, então se AB=I diremos que B é a matriz inversa de A. Observe que este é um sistema de equações cuja a incógnita não é um vetor mas uma matriz
119 Vamos ao velho truque: Resolveremos este problema por multiplicação de matrizes...
120 O sistema abaixo pode ser escrito como AB=I ( a11 a12 a13 a14 a1,n 1 ann a 21 a 22 a 23 a 24 a 2,n 1 a 2,n a 31 a 32 a 33 a 34 a 3,n 1 a 3,n a 41 a 42 a 43 a 44 a 4, n 1 a 4, n ( a n 1,1 a n 1,2 a n 1,3 a n 1,4 a n 1,n 1 a n 1,n a n,1 a n,2 a n,3 a n,4 a n,n 1 a n,n b11 b12 b13 b14 b1, n 1 b1n =( b 21 b 22 b 23 b 24 b 2,n 1 b 2n b 31 b 32 b 33 b 34 b 3,n 1 b 3n b 41 b 42 b 43 b 44 b 4,n 1 b 4, n b n 1,1 b n 1,2 b n 1,3 b n 1,4 b n 1,n 1 b n 1,n b n,1 b n,2 b n,3 b n,4 b n,n 1 l nn
121 ( a11 a12 a13 a14 a1,n 1 ann a 21 a 22 a 23 a 24 a 2,n 1 a 2,n a 31 a 32 a 33 a 34 a 3,n 1 a 3,n a 41 a 42 a 43 a 44 a 4, n 1 a 4, n ( a n 1,1 a n 1,2 a n 1,3 a n 1,4 a n 1,n 1 a n 1,n a n,1 a n,2 a n,3 a n,4 a n,n 1 a n,n b11 b12 b13 b14 b1, n 1 b1n =( b 21 b 22 b 23 b 24 b 2,n 1 b 2n b 31 b 32 b 33 b 34 b 3,n 1 b 3n b 41 b 42 b 43 b 44 b 4,n 1 b 4, n b n 1,1 b n 1,2 b n 1,3 b n 1,4 b n 1,n 1 b n 1,n b n,1 b n,2 b n,3 b n,4 b n,n 1 l nn Mas este sistema pode ser entendido como a matriz A multiplicada por cada coluna de B resultando em cada coluna de I
122 Ou seja, A b 1 = I 1 A b 2 = I 2 A b 3 = I 3 A b n = I n onde são as k-ésimas colunas de B e I. b k e I k
123 Inverter uma matriz corresponde a resolvermos n sistemas de equações
124 Inverter uma matriz corresponde a resolvermos n sistemas de equações O números de operações necessárias para inverter uma matriz usando fatoração LU é de aproximadamente 4n 3 /3, quatro vezes mais que a eliminação gaussiana ou a fatoração LU.
125 Inverter uma matriz corresponde a resolvermos n sistemas de equações O números de operações necessárias para inverter uma matriz usando fatoração LU é de aproximadamente 4n 3 /3, quatro vezes mais que a eliminação gaussiana ou a fatoração LU. O algoritmo de Gauss-Jordan para inversão de matrizes faz isto de maneira compacta
126 Ou seja, em geral não é uma boa ideia resolver um sistema invertendo a matriz associada ao sistema pois o custo e quatro vezes maior que por eliminação ou fatoração LU.
127 Ou seja, em geral não é uma boa ideia resolver um sistema invertendo a matriz associada ao sistema pois o custo e quatro vezes maior que por eliminação ou fatoração LU. O maior número de operações também gerará mais ruído numérico.
128 Ou seja, em geral não é uma boa ideia resolver um sistema invertendo a matriz associada ao sistema pois o custo e quatro vezes maior que por eliminação ou fatoração LU. O maior número de operações também gerará mais ruído numérico. Mesmo assim, há casos especiais que inverter pode ser interessante.
129 Mas continuamos com a instabilidade numérica da eliminação gaussiana e da fatoração LU Há como evitar?
130 Mas continuamos com a instabilidade numérica da eliminação gaussiana e da fatoração LU Há como evitar? Não...
131 Mas continuamos com a instabilidade numérica da eliminação gaussiana e da fatoração LU Há como evitar? Não... Mas podemos diminuir o desastre...
132 Pivotamento parcial e total São procedimentos que podem diminuir o ruído numérico nos métodos vistos
133 Pivotamento parcial e total São procedimentos que podem diminuir o ruído numérico nos métodos vistos Só será apresentado o caso da eliminação gaussiana
134 Pivotamento parcial Começando pela primeira coluna, ache o maior elemento em módulo desta coluna Troque a linha na qual está este valor como a primeira linha Faça a eliminação
135 Pivotamento parcial Ache o maior elemento em módulo da segunda coluna abaixo da primeira linha Troque a linha na qual está este valor como a segunda linha Faça a eliminação
136 Pivotamento parcial Ache o maior elemento em módulo da terceira coluna abaixo da segunda linha Troque a linha na qual está este valor como a terceira linha Faça a eliminação
137 Pivotamento parcial Faça o equivalente para as demais colunas
138 Pivotamento parcial Faça o equivalente para as demais colunas Qual é a ideia por trás disto?
139 Pivotamento parcial A maior fonte de ruído numérico é a divisão pelo pivô pois se o pivô for menor que o termo a ser eliminado teremos potencialmente um elevado ruído numérico
140 Pivotamento parcial A maior fonte de ruído numérico é a divisão pelo pivô pois se o pivô for menor que o termo a ser eliminado teremos potencialmente um elevado ruído numérico Ao escolhermos o maior maior em módulo da coluna a ser eliminada, reduzimos o ruído numérico
141 Pivotamento parcial A maior fonte de ruído numérico é a divisão pelo pivô pois se o pivô for menor que o termo a ser eliminado teremos potencialmente um elevado ruído numérico Ao escolhermos o maior maior em módulo da coluna a ser eliminada, reduzimos o ruído numérico Não há garantia mas funciona bem em muitas situações
142 Pivotamento parcial O custo computacional é basicamente o custo da busca do maior elemento em módulo. Um exemplo do algoritmo de busca para um vetor...
143 Seja o vetor v de n elementos Afirmarmos que o primeiro elemento é o maior em módulo e o guardamos numa variável M, valor provisoriamente de máximo e em IM a linha deste máximo provisório.
144 Seja o vetor v de n elementos Afirmarmos que o primeiro elemento é o maior em módulo e o guardamos numa variável M, valor provisoriamente de máximo e em IM a linha deste máximo provisório. Se M < v 2, façamos M= v 2 e IM = 2. Caso não, avançamos para o próximo elemento
145 Seja o vetor v de n elementos Afirmarmos que o primeiro elemento é o maior em módulo e o guardamos numa variável M, valor provisoriamente de máximo e em IM a linha deste máximo provisório. Se M < v 2, façamos M= v 2 e IM = 2. Caso não, avançamos para o próximo elemento Se M < v 3, faremos M= v 3 e IM = 3. Caso não, avançamos para o próximo elemento.
146 Seja o vetor v de n elementos Afirmarmos que o primeiro elemento é o maior em módulo e o guardamos numa variável M, valor provisoriamente de máximo e em IM a linha deste máximo provisório. Se M < v 2, façamos M= v 2 e IM = 2. Caso não, avançamos para o próximo elemento Se M < v 3, faremos M= v 3 e IM = 3. Caso não, avançamos para o próximo elemento. Faremos isto até o último elemento Custo computacional por coluna: O(n, custo total O(n 2
147 Façamos um exemplo para esclarecer a questão de acharmos o maior elemento de um vetor. Dado o vetor v=(
148 M = 1, IM = 1 M < 3, portanto M = 3, IM = 2 M < -4, portanto M = 4, IM = 3 M > 2 v=( M < 8, portanto M = 8, IM = 5
149 M = 1, IM = 1 M < 3, portanto M = 3, IM = 2 M < -4, portanto M = 4, IM = 3 M > 2 v=( M < 8, portanto M = 8, IM = 5. Obtivemos a posição do valor maior em módulo do vetor
150 O exemplo que será apresentado é ilustrativo da técnica mas é, claramente, desnecessário (sob o ponto de vista numérico fazer pivotamento deste sistema.
151 Comecemos com o sistema ( x=( /12 47/6 21/4 35/12 Observe que o maior valor em módulo da primeira coluna está na segunda linha. Troquemos
152 Primeiro pivotamento ( x=( /6 49/12 21/4 35/12 Façamos a eliminação
153 Primeiro pivotamento ( x=( /6 49/12 21/4 35/12 m 21 = a 21 /a 11 = 4 /6= 2/3 m 31 = a 31 /a 11 = 3/6= 1/2 m 41 = a 41 /a 11 = 1/6 que resulta em
154 Primeiro pivotamento ( /3 8/3 1/ / /3 11/6 10/3 x=( 47/ 6 41/36 4 /3 29/18 O maior valor em módulo da segunda coluna abaixo da primeira linha está na quarta linha
155 Segundo pivotamento ( /3 11/6 10/ / 2 2 x=( 0 1/3 8/3 1/3 47/ 6 29/18 4 /3 41/36 Façamos a eliminação
156 Segundo pivotamento ( /3 11/6 10/ / 2 2 x=( 0 1/3 8/3 1/3 47/ 6 29/18 4 /3 41/36 m32= 2 11/3 =6/11 m 42 = 1/3 11/3 =1/11 que resulta em
157 Segundo pivotamento ( /3 11/6 10/ /2 42/ /2 7/11 x=( 47/6 29/18 73/33 131/ 132 Observe que o maior valor em módulo da terceira coluna abaixo da segunda linha está na posição correta. Façamos a eliminação
158 Eliminação ( /3 11/6 10/ /2 42/ /2 7/11 x=( 47/6 29/18 73/33 131/132 m 43= 5/2 19/2 = 5 19 que resulta em
159 Eliminação ( /3 11/6 10/ /2 42/ / 209 x=( 47/6 29/18 73/33 343/836 que a resolução deste sistema triangular nos dará
160 ( /3 11/6 10/ /2 42/ / 209 x=( 47/6 29/18 73/33 343/836 a solução x 4 = ( = 1 4 x 3 = 2 19 ( = 1 3 x 2 = 3 11 ( = 1 2 x 1 = 1 6 ( 47/ =1
161 Pivotamento total A busca do maior valor da matriz agora é feita em toda matriz ou submatriz que ainda não passou pelo processo de eliminação
162 Pivotamento total A busca do maior valor da matriz agora é feita em toda matriz ou submatriz que ainda não passou pelo processo de eliminação Isto exigirá: troca de linhas e de colunas um algoritmo que compute as mudanças de colunas Custo computacional por submatriz O(n 2, total O(n 3
163 Pivotamento total Devido à estas características (aumento de complexidade de algoritmo, aumento de custo computacional este pivotamento é usado só em situações especiais. Não aprofundaremos o estudo sobre este item.
Introdução aos Métodos Numéricos. Instituto de Computação UFF
Introdução aos Métodos Numéricos Instituto de Computação UFF Conteúdo Erros e Aproximações Numéricas Sistemas de Equações Lineares. Métodos diretos Interpolação Ajuste de Curvas Zeros de Função Sistemas
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 maisSistemas Lineares. ( Aula 3 )
Sistemas Lineares ( Aula 3 ) Determinante Definição: Determinante Matriz quadrada é a que tem o mesmo número de linhas e de colunas (ou seja, é do tipo n x n). A toda matriz quadrada está associado um
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 5 de fevereiro de 2014 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires. Marina
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 maisMétodos Numéricos. Turma CI-202-X. Josiney de Souza.
Métodos Numéricos Turma CI-202-X Josiney de Souza josineys@inf.ufpr.br Agenda do Dia Aula 15 (21/10/15) Sistemas Lineares Métodos Diretos: Regra de Cramer Método da Eliminação de Gauss (ou triangulação)
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 maisFigura : Monitoria. Monitoria Cálculo Numérico
Monitoria Cálculo Numérico 207-02 NOME Email Dia / Horário Local Ana Sofia Nunez de Abreu nunez.asofia@gmail.com Sex. 0-2h D- Luiz Eduardo Xavier luizeduardosxavier@gmail.com Ter, 5-7h Lab Rafael Mendes
Leia maisResolução de sistemas de equações lineares: Método de eliminação de Gauss - estratégias de pivotamento
Resolução de sistemas de equações lineares: Método de eliminação de Gauss - estratégias de pivotamento Marina Andretta ICMC-USP 28 de março de 2012 Baseado no livro Análise Numérica, de R. L. Burden e
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 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 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 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 maisAlgoritmos 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 maisProblema 5a by
Problema 5a by fernandopaim@paim.pro.br Resolva o sistema linear por escalonamento S = x y z=1 x y z= 1 2x y 3z=2 Resolução Utilizaremos quatro métodos para ilustrar a resolução do sistema linear acima.
Leia maisMatrizes e Sistemas Lineares
MATEMÁTICA APLICADA Matrizes e Sistemas Lineares MATRIZES E SISTEMAS LINEARES. Matrizes Uma matriz de ordem mxn é uma tabela, com informações dispostas em m linhas e n colunas. Nosso interesse é em matrizes
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 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 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 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 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 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 maisSistemas Lineares. Juliana Pimentel. juliana.pimentel. Sala Bloco A, Torre 2
Sistemas Lineares Juliana Pimentel juliana.pimentel@ufabc.edu.br http://hostel.ufabc.edu.br/ juliana.pimentel Sala 507-2 - Bloco A, Torre 2 O que é uma equação linear? O que é uma equação linear? Ex: 1)
Leia mais[a11 a12 a1n 7. SISTEMAS LINEARES 7.1. CONCEITO. Um sistema de equações lineares é um conjunto de equações do tipo
7. SISTEMAS LINEARES 7.1. 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 maisPode-se mostrar que da matriz A, pode-se tomar pelo menos uma submatriz quadrada de ordem dois cujo determinante é diferente de zero. Então P(A) = P(A
MATEMÁTICA PARA ADMINISTRADORES AULA 03: ÁLGEBRA LINEAR E SISTEMAS DE EQUAÇÕES LINEARES TÓPICO 02: SISTEMA DE EQUAÇÕES LINEARES Considere o sistema linear de m equações e n incógnitas: O sistema S pode
Leia maisSolução de Sistemas Lineares: Métodos Exatos
Capítulo 4 Solução de Sistemas Lineares: Métodos Exatos 4 Introdução Uma variedade de problemas de engenharia pode ser resolvido através da análise linear; entre eles podemos citar: determinação do potencial
Leia maisProf. MSc. David Roza José 1/39
1/39 Eliminação de Gauss Objetivos: Saber resolver pequenos sistemas de equações com o método gráfico e regra de Cramer; Compreender como implementar a eliminação progressiva e substituição regressiva;
Leia maisEscalonamento. Sumário. 1 Pré-requisitos. 2 Sistema Linear e forma matricial. Sadao Massago a Pré-requisitos 1
Escalonamento Sadao Massago 2011-05-05 a 2014-03-14 Sumário 1 Pré-requisitos 1 2 Sistema Linear e forma matricial 1 3 Forma escalonada 3 4 Método de eliminação de Gauss (escalonamento) 5 5 A matriz inversa
Leia maisUniversidade Federal do Rio Grande do Norte. Métodos Computacionais Marcelo Nogueira
Universidade Federal do Rio Grande do Norte Métodos Computacionais Marcelo Nogueira Método de Jacobi Método iterativo: produz uma sequencia de soluções,,,, que aproximam a solução do sistema a partir de
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 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 maisNotas de Aulas de Matrizes, Determinantes e Sistemas Lineares
FATEC Notas de Aulas de Matrizes, Determinantes e Sistemas Lineares Prof Dr Ânderson Da Silva Vieira 2017 Sumário Introdução 2 1 Matrizes 3 11 Introdução 3 12 Tipos especiais de Matrizes 3 13 Operações
Leia maisEAD DETERMINANTES CONCEITO:
1 EAD DETERMINANTES CONCEITO: Dada uma Matriz Quadrada de ordem n, dizemos que Determinante de ordem n é um número associado a essa Matriz conforme determinadas leis. Representamos o Determinante de uma
Leia maisEXEMPLOS Resolva as equações em : 1) Temos uma equação completa onde a =3, b = -4 e c = 1. Se utilizarmos a fórmula famosa, teremos:
EQUAÇÃO DE SEGUNDO GRAU INTRODUÇÃO Equação é uma igualdade onde há algum elemento desconhecido Como exemplo, podemos escrever Esta igualdade é uma equação já conhecida por você, pois é de primeiro grau
Leia mais2. Sistemas lineares
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.
Leia maisMatriz de Admitância e Cálculo de Redes
Matriz de Admitância e Cálculo de Redes Matriz de Admitância e Fatoração LU Joinville, 22 de Abril de 2013 Escopo dos Tópicos Abordados Matriz de Admitância e Cálculo de Redes Matriz de Admitância; Eliminação
Leia mais1, , ,
Ministério da Educação Universidade Tecnológica Federal do Paraná Câmpus Francisco Beltrão Licenciatura em Informática Fundamentos de Geometria Analítica e Álgebra Linear Profª Sheila R. Oro Este texto
Leia maisMatrizes material teórico
M A T R I Z E S A Matemática é a mais simples, a mais perfeita e a mais antiga de todas as ciências. (Jacques Hadarmard) "Aqueles que estudam seriamente a matemática acabam tomados de uma espécie de paixão
Leia maisEXERCÍCIOS DE MATEMÁTICA COMPUTACIONAL: PRIMEIRO BIMESTRE: EDGARD JAMHOUR. QUESTÃO 1: Indique as afirmativas verdadeiras.
EXERCÍCIOS DE MATEMÁTICA COMPUTACIONAL: PRIMEIRO BIMESTRE: EDGARD JAMHOUR QUESTÃO 1: Indique as afirmativas verdadeiras. ( ) O número Pi não pode ser representado de forma exata em sistemas numéricos de
Leia maisProfs. Alexandre Lima e Moraes Junior 1
Raciocínio Lógico-Quantitativo para Traumatizados Aula 07 Matrizes, Determinantes e Solução de Sistemas Lineares. Conteúdo 7. Matrizes, Determinantes e Solução de Sistemas Lineares...2 7.1. Matrizes...2
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 maisÁlgebra Linear Semana 04
Álgebra Linear Semana 04 Diego Marcon 17 de Abril de 2017 Conteúdo 1 Produto de matrizes 1 11 Exemplos 2 12 Uma interpretação para resolução de sistemas lineares 3 2 Matriz transposta 4 3 Matriz inversa
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 mais- identificar operadores ortogonais e unitários e conhecer as suas propriedades;
DISCIPLINA: ELEMENTOS DE MATEMÁTICA AVANÇADA UNIDADE 3: ÁLGEBRA LINEAR. OPERADORES OBJETIVOS: Ao final desta unidade você deverá: - identificar operadores ortogonais e unitários e conhecer as suas propriedades;
Leia maisMaterial Teórico - Módulo Matrizes e Sistemas Lineares. Sistemas Lineares - Parte 2. Terceiro Ano do Ensino Médio
Material Teórico - Módulo Matrizes e Sistemas Lineares Sistemas Lineares - Parte 2 Terceiro Ano do Ensino Médio Autor: Prof Fabrício Siqueira Benevides Revisor: Prof Antonio Caminha M Neto 1 A representação
Leia maisMétodos Numéricos e Estatísticos Parte I-Métodos Numéricos
Métodos Numéricos e Estatísticos Parte I-Métodos Numéricos Lic. Eng. Biomédica e Bioengenharia-2009/2010 lineares Muitos problemas da Física, Matemática, Engenharia, Biologia, economia e outras ciências,
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 maisTema: Método da Eliminação de Gauss
Universidade Federal de Uberlândia Faculdade de Computação GMA038 Introdução à Ciência da Computação Prof. Renato Pimentel Trabalho de implementação 25,0 pontos Prazo máximo para entrega: 15 de julho (até
Leia maisÁLGEBRA LINEAR AULA 4
ÁLGEBRA LINEAR AULA 4 Luís Felipe Kiesow de Macedo Universidade Federal de Pelotas - UFPel 1 / 14 1 Introdução 2 Desenvolvimento de Laplace 3 Matriz Adjunta 4 Matriz Inversa 5 Regra de Cramer 6 Posto da
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 maisResolução de problemas com apenas restrições lineares de igualdade
Resolução de problemas com apenas restrições lineares de igualdade Marina Andretta ICMC-USP 14 de outubro de 2014 Marina Andretta (ICMC-USP) sme0212 - Otimização não-linear 14 de outubro de 2014 1 / 22
Leia maisTP062-Métodos Numéricos para Engenharia de Produção Introdução. Prof. Volmir Wilhelm Curitiba, Paraná, Brasil
TP062-Métodos Numéricos para Engenharia de Produção Introdução Prof. Volmir Wilhelm Curitiba, Paraná, Brasil TP062-Métodos Numéricos para Engenharia de Produção Ementa Matrizes. Sistemas lineares. Zeros
Leia maisLista de exercícios 9 Mudanças de Bases
Universidade Federal do Paraná 2 semestre 2016 Algebra Linear Olivier Brahic Lista de exercícios 9 Mudanças de Bases Observação: no livro do Leon [1] o autor chama de matriz de transição de B 1 para B
Leia maisMÓDULO 2 POTÊNCIA. Capítulos do módulo:
MÓDULO 2 POTÊNCIA Sabendo que as potências tem grande importância no mundo da lógica matemática, nosso curso terá por objetivo demonstrar onde podemos utilizar esses conceitos no nosso cotidiano e vida
Leia maisCálculo Numérico Noções básicas sobre erros
Cálculo Numérico Noções básicas sobre erros Profa. Vanessa Rolnik 1º semestre 2015 Fases da resolução de problemas através de métodos numéricos Problema real Levantamento de Dados Construção do modelo
Leia mais. Repare que ao multiplicar os vetores (-1,1) e
Álgebra Linear II P1-2014.2 Obs: Todas as alternativas corretas são as representadas pela letra A. 1 AUTOVETORES/ AUTOVALORES Essa questão poderia ser resolvida por um sistema bem chatinho. Mas, faz mais
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 maisÁlgebra Linear. Transformações Lineares
Álgebra Linear Transformações Lineares Fórmulas e Resumo Teórico Para fins gerais, considere V um espaço vetorial e uma transformação T: V W. Propriedades de Transformações Lineares - T é linear se: Para
Leia mais6 Matrizes. Matrizes. Aluno Matemática Eletricidade Básica Desenho Técnico A B C D 3 7 4
6 Definição: Chama-se matriz do tipo m x n toda tabela A formada por números reais distribuídos em m linhas e n colunas. Para exemplificar o uso de uma matriz, podemos visualizar a seguir uma tabela representando
Leia maisMATRIZES - PARTE Mais exemplos Multiplicação de duas matrizes AULA 26
AULA 26 MATRIZES - PARTE 2 26. Mais exemplos Nesta aula, veremos mais dois algoritmos envolvendo matrizes. O primeiro deles calcula a matriz resultante da multiplicação de duas matrizes e utiliza três
Leia maisUNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE CAMPUS AVANÇADO DE NATAL CURSO DE CIÊNCIA DA COMPUTAÇÃO DISCIPLINA: ÁLGEBRA LINEAR
UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE CAMPUS AVANÇADO DE NATAL CURSO DE CIÊNCIA DA COMPUTAÇÃO DISCIPLINA: ÁLGEBRA LINEAR PROFESSOR: MARCELO SILVA 1. Introdução No ensino fundamental você estudou
Leia maisPesquisa Operacional
Pesquisa Operacional Tópicos em Programação Linear e Inteira Prof. Dr.Ricardo Ribeiro dos Santos ricr.santos@gmail.com Universidade Católica Dom Bosco UCDB Engenharia de Computação Revisão: Tópicos de
Leia maisMatemática II /06 - Matrizes 1. Matrizes
Matemática II - 00/0 - Matrizes Matrizes Introdução Se m e n são números naturais, chama-se matriz real de tipo m n (m vezes n ou m por n) a uma função A : f; ; :::; mg f; ; :::; ng R: (i; j) A (i; j)
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ DISCIPLINA DE MÉTODOS NUMÉRICOS 2º SEMESTRE 2004 Professora Aurora T. R. Pozo 1ª LISTA DE EXERCÍCIOS
UNIVERSIDADE FEDERAL DO PARANÁ DISCIPLINA DE MÉTODOS NUMÉRICOS 2º SEMESTRE 2004 Professora Aurora T. R. Pozo 1ª LISTA DE EXERCÍCIOS Representação de Números Reais e Erros 1. Converta os seguintes números
Leia maisUm sistema linear é um conjunto de n equações lineares do tipo:
Um sistema linear é um conjunto de n equações lineares do tipo: Este sistema pode ser representado através de uma representação matricial da forma: A.x = b onde: A matriz de coeficientes de ordem x vetor
Leia maisNoções sobre Erros em Matemática Computacional
Noções sobre Erros em Matemática Computacional Sumário Representação de Números em Ponto Flutuante Erros em Expressões Definições Úteis Ponto Flutuante em Computadores Representação de Números em Ponto
Leia mais4.1 Resolvendo o Sistema Linear
4 Solução Numérica 4.1 Resolvendo o Sistema Linear Resolveremos o sistema (2 7) pelo método de Usawa acelerado por Gradiente Conjugado (ver [15, pp. 202]). Primeiro eliminamos a variável u e depois resolvemos
Leia maisDeterminantes - Matemática II / Determinantes
Determinantes - Matemática II - 00/05 19 Permutações Determinantes Seja n N Uma permutação p = (p 1 ; p ; : : : ; p n ) do conjunto f1; ; ; ng é um arranjo dos n números em alguma ordem, sem repetições
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 mais[ ] EXEMPLOS: Muitas vezes precisamos montar uma Matriz a partir de uma lei geral. Analise os exemplos a seguir:
MATRIZES CONCEITO: Um conjunto de elementos algébricos dispostos em uma tabela retangular com linhas e colunas é uma Matriz. A seguir, vemos um exemplo de Matriz de 3 linhas e 4 colunas, e que representaremos
Leia mais+ a 3. x 3. são números reais, que recebem o nome de coeficientes das incógnitas; x 1
3.2 SISTEMA LINEAR Equação linear Equação linear é toda equação da forma: a 1 x 1 + a 2 x 2 + a 3 x 3 +... + a n x n = b em que a 1, a 2, a 3,..., a n são números reais, que recebem o nome de coeficientes
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 maisAula 5: Conversões Entre Bases Numéricas
Aula 5: Conversões Entre Bases Numéricas Diego Passos Universidade Federal Fluminense Fundamentos de Arquiteturas de Computadores Diego Passos (UFF) Conversões Entre Bases Numéricas FAC 1 / 43 Conversão
Leia maisUnicidade da Forma Escalonada Reduzida de uma Matriz
1 Unicidade da Forma Escalonada Reduzida de uma Matriz Reginaldo J Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais http://wwwmatufmgbr/~regi 1 de maio de 24 Definição 1 Uma
Leia maisÁlgebra Matricial - Nota 03 Eliminação Gaussiana e Método de Gauss-Jordan
Álgebra Matricial - Nota 03 Eliminação Gaussiana e Método de Gauss-Jordan Márcio Nascimento da Silva Universidade Estadual Vale do Acaraú Curso de Licenciatura em Matemática marcio@matematicauva.org 8
Leia maisMatrizes e Sistemas lineares
Capítulo 5 Matrizes e Sistemas lineares Neste capítulo estudaremos alguns métodos para calcular a solução de sistemas de equações lineares Apenas nos preocuparemos com sistemas quadrados, isto é, aqueles
Leia maisMATEMÁTICA MÓDULO 11 DETERMINANTES. Professor Matheus Secco
MATEMÁTICA Professor Matheus Secco MÓDULO 11 DETERMINANTES INTRODUÇÃO Neste módulo, não daremos a definição padrão de determinantes via somatório envolvendo sinais de permutações, pois não há necessidade
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 maisMaterial Teórico - Módulo Equações do Segundo Grau. Equações de Segundo Grau: outros resultados importantes. Nono Ano do Ensino Funcamental
Material Teórico - Módulo Equações do Segundo Grau Equações de Segundo Grau: outros resultados importantes Nono Ano do Ensino Funcamental Autor: Prof. Fabrício Siqueira Benevides Revisor: Prof. Antonio
Leia maisAulas práticas de Álgebra Linear
Ficha 2 Determinantes Aulas práticas de Álgebra Linear Mestrado Integrado em Engenharia Eletrotécnica e de Computadores 1 o semestre 2016/17 Jorge Almeida e Lina Oliveira Departamento de Matemática, Instituto
Leia maisCSE-020 Revisão de Métodos Matemáticos para Engenharia
CSE-020 Revisão de Métodos Matemáticos para Engenharia Engenharia e Tecnologia Espaciais ETE Engenharia e Gerenciamento de Sistemas Espaciais L.F.Perondi Engenharia e Tecnologia Espaciais ETE Engenharia
Leia maisn. 4 DETERMINANTES: SARRUS E LAPLACE
n. 4 DETERMINANTES: SARRUS E LAPLACE A toda matriz quadrada está associado um número ao qual damos o nome de determinante. Determinante é uma função matricial que associa a cada matriz quadrada um escalar,
Leia maisSistemas - Relações entre as colunas da matriz ampliada
Sistemas - Relações entre as colunas da matriz ampliada Márcio Nascimento Universidade Estadual Vale do Acaraú Centro de Ciências Exatas e Tecnologia Curso de Licenciatura em Matemática Disciplina: Álgebra
Leia maisétodos uméricos INTERPOLAÇÃO, EXTRAPOLAÇÃO, APROXIMAÇÃO E AJUSTE DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno
étodos uméricos INTERPOLAÇÃO, EXTRAPOLAÇÃO, APROXIMAÇÃO E AJUSTE DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA
Leia maisficha 2 determinantes
Exercícios de Álgebra Linear ficha 2 determinantes Exercícios coligidos por Jorge Almeida e Lina Oliveira Departamento de Matemática, Instituto Superior Técnico 2 o semestre 2011/12 Determinantes 2 Sendo
Leia maisPesquisa Operacional. Prof. José Luiz
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 maisRepresentações de Números Inteiros: Sinal e Magnitude e Representação em Excesso de k
Representações de Números Inteiros: Sinal e Magnitude e Representação em Excesso de k Cristina Boeres Instituto de Computação (UFF) Fundamentos de Arquiteturas de Computadores Material de Fernanda Passos
Leia maisPré-requisitos Algebra Linear. Lorí Viali. Afiliação
Lorí Viali Licenciatura Plena em Matemática UFRGS Bacharelado em Matemática UFRGS Especialização em Formação de Pesquisadores PUCRS Mestrado em Engenharia de Produção (PO) UFSC Doutorado Sanduíche na USF
Leia maisMétodo de Gauss-Jordan e Sistemas Homogêneos
Método de Gauss-Jordan e Márcio Nascimento Universidade Estadual Vale do Acaraú Centro de Ciências Exatas e Tecnologia Curso de Licenciatura em Matemática Disciplina: Álgebra Matricial - 2017.1 14 de agosto
Leia maisDeterminantes. det A 6 ( 4) a a a. a a a. det A a a a. a a a
Determinantes 1 Introdução Até agora nós estudamos vários tipos de matrizes e suas mais diversas ordens Em especial, vimos a matriz quadrada, que tinha o mesmo número de linhas e colunas Toda matriz quadrada
Leia maisn. 2 MATRIZ INVERSA (I = matriz unidade ou matriz identidade de ordem n / matriz canônica do R n ).
n. 2 MATRIZ INVERSA Modo : utilizando a matriz identidade Seja A uma matriz quadrada de ordem n. Dizemos que A é matriz invertível se existir uma matriz B tal que A. B = B. A = I. (I = matriz unidade ou
Leia maisSistemas Lineares. Márcio Nascimento
Sistemas Lineares Márcio Nascimento Universidade Estadual Vale do Acaraú Centro de Ciências Exatas e Tecnologia Curso de Licenciatura em Matemática Disciplina: Álgebra Matricial - 2016.1 14 de abril de
Leia maisx exp( t 2 )dt f(x) =
INTERPOLAÇÃO POLINOMIAL 1 As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia Aproximação
Leia maisPlano de Ensino. Identificação. Câmpus de Bauru. Curso Engenharia de Produção. Ênfase. Disciplina EM1 - Cálculo Numérico Computacional
Curso 4402 - Engenharia de Produção Ênfase Identificação Disciplina 0002029EM1 - Cálculo Numérico Computacional Docente(s) Adriana Cristina Cherri Nicola Unidade Faculdade de Ciências Departamento Departamento
Leia maisA computação aplicada à resolução de sistemas lineares
Universidade Federal de Campina Grande Centro de Engenharia Elétrica e Informática Departamento de Sistemas e Computação Programa de Educação Tutorial (PET) A computação aplicada à resolução de sistemas
Leia maisInterpolação polinomial: Diferenças divididas de Newton
Interpolação polinomial: Diferenças divididas de Newton Marina Andretta ICMC-USP 16 de maio de 2012 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires. Marina Andretta (ICMC-USP) sme0500
Leia maisBAC004 Informática Teórica T2 Professora: Fabiana Costa Guedes Lista 05 Vetores e Matrizes Vetores
BAC004 Informática Teórica T2 Professora: Fabiana Costa Guedes Lista 05 Vetores e Matrizes Vetores 1- Faça um programa que preencha um vetor com seis elementos numéricos inteiros, calcule e mostre: a.
Leia mais