Solução de sistemas de equações lineares
|
|
- Aline Diegues Bayer
- 5 Há anos
- Visualizações:
Transcrição
1 Cálculo Numérico Solução de sistemas de equações lineares Prof Daniel G Alfaro Vigo dgalfaro@dccufrjbr Departamento de Ciência da Computação IM UFRJ
2 Parte I Métodos diretos
3 Motivação: Circuito elétrico A figura mostra um circuito elétrico simples Queremos determinar as correntes que circulam no circuito, sabendo que R 1 = 10 Ω, R 2 = 20 Ω, R 3 = 30 Ω, E 1 = 3 V e E 2 = 4 V (Fonte: Wikipédia)
4 Motivação: Circuito elétrico Usando as leis de Kirchhoff, temos pela Lei dos nós que i 1 i 2 i 3 = 0 Da Lei das malhas, em s 1 temos R 1 i 1 R 2 i 2 + E 1 = 0 = R 1 i 1 R 2 i 2 = E 1, e em s 2 R 3 i 3 E 2 E 1 + R 2 i 2 = 0 = R 2 i 2 R 3 i 3 = E 2 + E 1
5 Motivação: Circuito elétrico Usando as leis de Kirchhoff, temos pela Lei dos nós que i 1 i 2 i 3 = 0 Da Lei das malhas, em s 1 temos R 1 i 1 R 2 i 2 + E 1 = 0 = R 1 i 1 R 2 i 2 = E 1, e em s 2 R 3 i 3 E 2 E 1 + R 2 i 2 = 0 = R 2 i 2 R 3 i 3 = E 2 + E 1 Assim, chegamos no sistema de equações lineares i 1 i 2 i 3 = 0 10i 1 20i 2 = 3 20i 2 30i 3 = 7
6 Motivação: Redes elétricas Eletrônica de Potência Cálculo para Geração, Transmissão dee Distribuição sistemas de Energia Elétrica elétricos J A Pomilio Transmissão Geração Distribuição Indústria Comércio Residências Figura 81 Sistema elétrico convencional Figura obtida em xi (Fonte: X Yu et al,the New Frontier of Smart Grids Da década de 1970 para a década de 1990, a demanda crescente levou a um aumento do número de usinas geradoras Em algumas áreas, o abastecimento de eletricidade, especialmente em horários de pico, [ieeexploreieeeorg]) não poderia ser mantido com essa demanda crescente, resultando em uma piora na qualidade da energia elétrica fornecida, o que incluía oscilações de tensão, quedas, cortes de energia e até apagões Cada vez mais a sociedade dependia de eletricidade para a DG Alfaro Vigo indústria, wwwdccufrjbr/ dgalfaro condicionamento de ambientes, comunicação, Solução iluminação de sistemas e entretenimento, lineares e os
7 Motivação: Cálculo estrutural Cálculo de estruturas pelo método dos elementos finitos (Fonte:
8 Sistema de equações lineares Vamos estudar métodos para a solução de um sistema de n equações com n incógnitas a 11 x 1 + a 12 x 2 + +a 1,n 1 x n 1 + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + +a 2,n 1 x n 1 + a 2n x n = b 2 a n1 x 1 + a n2 x 2 + +a n,n 1 x n 1 + a nn x n = b n
9 Sistema de equações lineares Vamos estudar métodos para a solução de um sistema de n equações com n incógnitas a 11 x 1 + a 12 x 2 + +a 1,n 1 x n 1 + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + +a 2,n 1 x n 1 + a 2n x n = b 2 a n1 x 1 + a n2 x 2 + +a n,n 1 x n 1 + a nn x n = b n Usando notação matricial A x = b onde a matriz dos coeficientes A, o vetor das incógnitas x e o vetor do lado direito b são dados por a 11 a 12 a 1,n 1 a 1n x 1 b 1 a 21 a 22 a 2,n 1 a 2n A =, x = x 2 e b = b 2 a n1 a n2 a n,n 1 a nn x n b n
10 Sistema de equações lineares Também usaremos a representação do sistema através da matriz aumentada a 11 a 12 a 1,n 1 a 1n b 1 a 21 a 22 a 2,n 1 a 2n b 2 [A b] = a n1 a n2 a n,n 1 a nn b n
11 Interpretação geométrica de um sistema de equações A solução do sistema consiste dos pontos de interseção no espaço n-dimensional R n dos n hiperplanos associados às equações do sistema x₂ a₂₁ x₁ + a₂₂ x₂ = b₂ 24 a₁₁ x₁ + a₁₂ x₂ = b₁ x₁ Caso bidimensional: Sistema de duas equações
12 Número de soluções de um sistema de equações Solução única x₂ a₂₁ x₁ + a₂₂ x₂ = b₂ 24 a₁₁ x₁ + a₁₂ x₂ = b₁ x₁ Sistema de duas equações com uma única solução
13 Número de soluções de um sistema de equações (cont) Infinitas soluções 24 x₂ a₁₁ x₁ + a₁₂ x₂ = b₁ a₂₁ x₁ + a₂₂ x₂ = b₂ x₁ Sistema de duas equações com infinitas soluções
14 Número de soluções de um sistema de equações (cont) Não existe solução a₁₁ x₁ + a₁₂ x₂ = b₁ x₂ 24 a₂₁ x₁ + a₂₂ x₂ = b₂ x₁ Sistema de duas equações sem solução
15 Número de soluções de um sistema de equações (cont) Unicidade da solução O sistema de n equações com n incógnitas A x = b, terá uma única solução, se e somente se o determinante da matriz é não nulo (det A 0) Se det A = 0 o sistema poderá ter um número infinito de soluções ou nenhuma solução
16 Sistema de equações lineares Estudaremos métodos para a resolução de sistemas de n equações com n incógnitas, no caso quando a solução é única Observamos que nas aplicações podemos ter sistemas com centenas ou milhares de equações Classes de métodos Métodos diretos: a solução é obtida em um número finito de passos; Métodos iterativos: construímos uma sequência de aproximações para a solução
17 Sistema de equações lineares Estudaremos métodos para a resolução de sistemas de n equações com n incógnitas, no caso quando a solução é única Observamos que nas aplicações podemos ter sistemas com centenas ou milhares de equações Classes de métodos Métodos diretos: a solução é obtida em um número finito de passos; Métodos iterativos: construímos uma sequência de aproximações para a solução Começaremos estudando um método direito conhecido como método de eliminação de Gauss Esse método generaliza a técnica de substituição que é usada frequentemente quando resolvemos sistemas com poucas equações
18 Exemplo: circuito elétrico Assim temos que resolver o sistema i 1 i 2 i 3 = 0 10i 1 20i 2 = 3 20i 2 30i 3 = 7 Da primeira equação: i 1 = i 2 + i 3 Substituindo na segunda equação obtemos 10i 1 20i 2 = 3
19 Exemplo: circuito elétrico Assim temos que resolver o sistema i 1 i 2 i 3 = 0 10i 1 20i 2 = 3 20i 2 30i 3 = 7 Da primeira equação: i 1 = i 2 + i 3 Substituindo na segunda equação obtemos 10i 1 20i 2 = 3 10(i 2 + i 3 ) 20i 2 = 3
20 Exemplo: circuito elétrico Assim temos que resolver o sistema i 1 i 2 i 3 = 0 10i 1 20i 2 = 3 20i 2 30i 3 = 7 Da primeira equação: i 1 = i 2 + i 3 Substituindo na segunda equação obtemos 10i 1 20i 2 = 3 10(i 2 + i 3 ) 20i 2 = 3 30i 2 10i 3 = 3
21 Exemplo: circuito elétrico Agora nos focamos no sistema com duas equações { 30i2 10i 3 = 3 20i 2 30i 3 = 7 Da primeira equação temos que i 2 = 3+10i 3 Substituindo na segunda equação obtemos 20i 2 30i 3 = 7 30 = i 3
22 Exemplo: circuito elétrico Agora nos focamos no sistema com duas equações { 30i2 10i 3 = 3 20i 2 30i 3 = 7 Da primeira equação temos que i 2 = 3+10i 3 Substituindo na segunda equação obtemos 30 = 1 20i 2 30i 3 = 7 20( i 3) 30i 3 = i 3
23 Exemplo: circuito elétrico Agora nos focamos no sistema com duas equações { 30i2 10i 3 = 3 20i 2 30i 3 = 7 Da primeira equação temos que i 2 = 3+10i 3 Substituindo na segunda equação obtemos 30 = i 3 20i 2 30i 3 = 7 20( i 3) 30i 3 = i 3 = 9
24 Exemplo: circuito elétrico Agora nos focamos no sistema com duas equações { 30i2 10i 3 = 3 20i 2 30i 3 = 7 Da primeira equação temos que i 2 = 3+10i 3 Substituindo na segunda equação obtemos 30 = i 3 20i 2 30i 3 = 7 20( i 3) 30i 3 = i 3 = 9 Assim o sistema inicial foi reduzido na forma i 1 i 2 i 3 = 0 30i 2 10i 3 = i 3 = 9
25 Exemplo: circuito elétrico Para resolver esse sistema reduzido i 1 i 2 i 3 = 0 30i 2 10i 3 = i 3 = 9 começamos pela última equação e obtemos 70 3 i 3 = 9 i 3 = 27 70
26 Exemplo: circuito elétrico Para resolver esse sistema reduzido i 1 i 2 i 3 = 0 30i 2 10i 3 = i 3 = 9 começamos pela última equação e obtemos 70 3 i 3 = 9 i 3 = Da segunda equação temos 30i 2 10i 3 = 3 i 2 = ( 70 ) =
27 Exemplo: circuito elétrico Para resolver esse sistema reduzido i 1 i 2 i 3 = 0 30i 2 10i 3 = i 3 = 9 começamos pela última equação e obtemos Da segunda equação temos 70 3 i 3 = 9 i 3 = i 2 10i 3 = 3 i 2 = ( 70 ) = Finalmente, da primeira equação temos i 1 i 2 i 3 = 0 i 1 = 8 ( ) =
28 Método de eliminação de Gauss Essa ideia pode ser aplicada no caso de um sistema geral Reduzimos o sistema de equações a um sistema equivalente mais simples (de fácil solução) Resolvemos o sistema reduzido
29 Método de eliminação de Gauss Essa ideia pode ser aplicada no caso de um sistema geral Reduzimos o sistema de equações a um sistema equivalente mais simples (de fácil solução) Resolvemos o sistema reduzido Para facilitar a notação do processo o sistema a ser resolvido será representado na forma A (0) x = b (0), ou seja a (0) 11 x 1 + a (0) 12 x 2+ +a (0) 1,n 1 x n 1 + a (0) 1n x n = b (0) 1 a (0) 21 x 1 + a (0) 22 x 2+ +a (0) 2,n 1 x n 1 + a (0) 2n x n = b (0) 2 a (0) n1 x 1 + a (0) n2 x 2+ +a (0) n,n 1 x n 1 + a nn (0) x n = b n (0)
30 Método de eliminação de Gauss Essa ideia pode ser aplicada no caso de um sistema geral Reduzimos o sistema de equações a um sistema equivalente mais simples (de fácil solução) Resolvemos o sistema reduzido Para facilitar a notação do processo o sistema a ser resolvido será representado na forma A (0) x = b (0), ou seja a (0) 11 x 1 + a (0) 12 x 2+ +a (0) 1,n 1 x n 1 + a (0) 1n x n = b (0) 1 a (0) 21 x 1 + a (0) 22 x 2+ +a (0) 2,n 1 x n 1 + a (0) 2n x n = b (0) 2 a (0) n1 x 1 + a (0) n2 x 2+ +a (0) n,n 1 x n 1 + a nn (0) x n = b n (0) No primeiro estágio, da primeira equação temos que x 1 = b(0) 1 a (0) 11 a(0) 12 a (0) 11 x 2 a(0) 1,n 1 a (0) 11 x n 1 a(0) 1n a (0) 11 x n
31 M de eliminação de Gauss: redução Substituindo x 1 na equação j-ésima (2 j n) temos a (0) j1 x 1 + a (0) j2 x a (0) j,n 1 x n 1 + a (0) jn x n = b (0) j ( ) a (0) b (0) 1 j1 a (0) a(0) a (0) x 2 a(0) 1,n 1 11 a (0) x n 1 a(0) 1n 11 a (0) x n 11 + a (0) j2 x a (0) j,n 1 x n 1 + a (0) jn x n = b (0) j, donde, agrupando obtemos
32 M de eliminação de Gauss: redução Substituindo x 1 na equação j-ésima (2 j n) temos a (0) j1 x 1 + a (0) j2 x a (0) j,n 1 x n 1 + a (0) jn x n = b (0) j ( ) a (0) b (0) 1 j1 a (0) a(0) a (0) x 2 a(0) 1,n 1 11 a (0) x n 1 a(0) 1n 11 a (0) x n 11 + a (0) j2 x a (0) j,n 1 x n 1 + a (0) jn x n = b (0) j, donde, agrupando obtemos a (0) j1 a (0) 11 + b (0) 1 + ( ( a (0) j2 a(0) j1 a (0) j,n 1 a (0) a(0) 1,n 1 j1 a (0) 11 a (0) 12 a (0) 11 ) ) x 2 + x n 1 + ( a (0) jn a(0) j1 a (0) 1n a (0) 11 ) x n = b (0) j
33 M de eliminação de Gauss: redução (cont) Logo ( a (0) j2 a(0) j1 e introduzindo obtemos ) ( a(0) 12 a (0) x a (0) j,n 1 a(0) j1 11 ( + a (0) jn a(0) j1 m j1 = a(0) j1 a (0) 11 ) a(0) 1n a (0) x n = b (0) j 11 ) a(0) 1,n 1 a (0) x n 1 11 a(0) j1 a (0) 11 b (0) 1,
34 M de eliminação de Gauss: redução (cont) Logo ( a (0) j2 a(0) j1 e introduzindo obtemos ( ) a (0) j2 m j1 a (0) 12 ) ( a(0) 12 a (0) x a (0) j,n 1 a(0) j1 11 ( + a (0) jn a(0) j1 m j1 = a(0) j1 a (0) 11 ( x a (0) ) a(0) 1n a (0) x n = b (0) j 11 j,n 1 m j1 a (0) ( a (0) jn m j1 a (0) 1n ) a(0) 1,n 1 a (0) x n ,n 1 a(0) j1 ) a (0) 11 x n 1 b (0) 1, ) x n = b (0) j m j1 b (0) 1
35 M de eliminação de Gauss: redução (cont) Ou seja, chegamos em onde a (1) j2 x a (1) j,n 1 x n 1 + a (1) jn x n = b (1) j, j = 2,, n, a (1) jl = a (0) jl m j1 a (0) 1l, b (1) j = b (0) j m j1 b (0) 1, m j1 = a(0) j1 a (0) 11, j = 2,, n, l = 1,, n
36 M de eliminação de Gauss: redução (cont) Ou seja, chegamos em onde a (1) j2 x a (1) j,n 1 x n 1 + a (1) jn x n = b (1) j, j = 2,, n, a (1) jl = a (0) jl m j1 a (0) 1l, b (1) j = b (0) j m j1 b (0) 1, m j1 = a(0) j1 a (0) 11, j = 2,, n, l = 1,, n O sistema inicial foi transformado em a (0) 11 x 1 + a (0) 12 x 2+ +a (0) 1,n 1 x n 1 + a (0) 1n x n = b (0) 1 0 x 1 +a (1) 22 x 2+ +a (1) 2,n 1 x n 1 + a (1) 2n x n = b (1) 2 0 x 1 +a (1) 32 x 2+ +a (1) 3,n 1 x n 1 + a (1) 3n x n = b (1) 3 0 x 1 +a (1) n2 x 2+ +a (1) n,n 1 x n 1 + a nn (1) x n = b n (1)
37 M de eliminação de Gauss: redução (cont) O resultado do primeiro estágio fazemos as transformações E (1) j = E (0) j m j1 E (0) 1 onde m j1 = a(0) j = 2,, n, j1 a (0) 11 e obtemos um sistema com matriz aumentada a (0) 11 a (0) 12 a (0) 1,n 1 a (0) 1n b (0) 1 0 a (1) 22 a (1) 2,n 1 a (1) 2n b (1) 2 [A (1) b (1) ] = 0 a (1) 32 a (1) 3,n 1 a (1) 3,n b (1) 3 0 a (1) n2 a (1) n,n 1 a nn (1) b n (1)
38 M de eliminação de Gauss: redução (cont) No segundo estágio, usando a segunda equação temos que x 2 = b(1) 2 a (1) a(1) a (1) x 3 a(1) 2,n 1 22 a (1) x n 1 a(1) 2n 22 a (1) x n 22 Substituindo x 2 na equação j-ésima (3 j n) obtemos ( ) a (1) b (1) 2 j2 a (1) a(1) a (1) x 3 a(1) 2,n 1 22 a (1) x n 1 a(1) 2n 22 a (1) x n 22 + a (1) j3 x a (1) j,n 1 x n 1 + a (1) jn x n = b (1) j, e agrupando
39 M de eliminação de Gauss: redução (cont) No segundo estágio, usando a segunda equação temos que x 2 = b(1) 2 a (1) a(1) a (1) x 3 a(1) 2,n 1 22 a (1) x n 1 a(1) 2n 22 a (1) x n 22 Substituindo x 2 na equação j-ésima (3 j n) obtemos ( ) a (1) b (1) 2 j2 a (1) a(1) a (1) x 3 a(1) 2,n 1 22 a (1) x n 1 a(1) 2n 22 a (1) x n 22 + a (1) j3 x a (1) j,n 1 x n 1 + a (1) jn x n = b (1) j, e agrupando ( a (1) j3 a(1) j2 a (1) 23 a (1) 22 ) x ( a (1) jn ( a (1) j,n 1 a (1) ) a(1) 2,n 1 j2 a (1) x n 1 22 a(1) j2 a (1) 2n a (1) 22 ) x n = b (1) j a(1) j2 a (1) 22 b (1) 2
40 M de eliminação de Gauss: redução (cont) Assim, chegamos em onde a (2) j3 x a (2) j,n 1 x n 1 + a (2) jn x n = b (2) j, j = 3,, n, a (2) jl = a (1) jl m j2 a (1) 2l, b (2) j = b (1) j m j2 b (1) 2, m j2 = a(1) j2 a (1) 22, j = 3,, n, l = 1,, n O sistema inicial foi transformado em a (0) 11 x 1 + a (0) 12 x 2 + a (0) 13 x 3+ +a (0) 1,n 1 x n 1 + a (0) 1n x n = b (0) 1 0 x 1 +a (1) 22 x 2 + a (1) 23 x 3+ +a (1) 2,n 1 x n 1 + a (1) 2n x n = b (1) 2 0 x x 2 +a (2) 33 x 3+ +a (2) 3,n 1 x n 1 + a (2) 3n x n = b (2) 3 0 x x 2 +a (2) n3 x 3+ +a (2) n,n 1 x n 1 + a nn (2) x n = b n (2)
41 M de eliminação de Gauss: redução (cont) No segundo estágio fazemos as transformações E (2) j = E (1) j m j2 E (1) 2 onde m j2 = a(1) j = 3,, n, j2 a (1) 22 O sistema inicial foi transformado em a (0) 11 a (0) 12 a (0) 13 a (0) 1,n 1 a (0) 1n b (0) 1 0 a (1) 22 a (1) 23 a (1) 2,n 1 a (1) 2n b (1) 2 [A (2) b (2) ] = 0 0 a (2) 33 a (2) 3,n 1 a (2) 3n b (2) a (2) n3 a (2) n,n 1 a nn (2) b n (2)
42 M de eliminação de Gauss: redução (cont) Repetindo esse processo no final do k-ésimo estágio obtemos a (0) 11 x 1 + a (0) 12 x a (0) 1,k+1 x k+1+ +a (0) 1n x n = b (0) 1 0 x 1 +a (1) 22 x a (1) 2,k+1 x k+1+ +a (1) 2n x n = b (1) 2 0 x x 2 + +a (k) k+1,k+1 x k+1+ +a (k) k+1,n x n = b (k) k+1 0 x x 2 + +a (k) n,k+1 x k+1+ +a nn (k) x n = b n (k) onde a (k) jl b (k) j = a (k 1) jl = b (k 1) j m jk = a(k 1) jk a (k 1) kk m jk a (k 1) kl, m jk b (k 1), k, j = k + 1,, n, l = 1,, n
43 M de eliminação de Gauss: redução (cont) No k-ésimo estágio fazemos as transformações E (k) j onde = E (k 1) j m jk = a(k 1) jk a (k 1) kk m jk E (k 1) k, j = k + 1,, n e obtemos o sistema com a matriz aumentada a (0) 11 a (0) 12 a (0) 1,k+1 a (0) 0 a (1) 22 a (1) 2,k+1 a (1) [A (k) b (k) ] = 0 0 a (k) k+1,k+1 a (k) k+1,n 0 0 a (k) n,k+1 a nn (k) 1n b (0) 1 2n b (1) 2 b (k) k+1 b (k) n
44 M de eliminação de Gauss: redução (cont) Observações Durante o k-ésimo estágio o elemento na diagonal da k-ésima linha, a (k 1) kk é chamado de elemento pivô do estágio Os números m jk = a(k 1) jk a (k 1) kk são chamados de multiplicadores, j = k + 1,, n, Se o elemento pivô do k-ésimo estágio é não nulo, então esse estágio poderá ser finalizado com sucesso Se o elemento pivô do k-ésimo estágio for nulo não podemos definir os multiplicadores diretamente, e precisaremos fazer um pivoteamento para tentar contornar essa situação
45 M de eliminação de Gauss: redução (cont) Pivoteamento simples Se antes de começar o k-ésimo estágio observamos que o elemento pivô a (k 1) kk = 0, procuramos na k-ésima coluna um elemento não nulo abaixo da diagonal, ou seja um a (k 1) pk 0 com p {k + 1,, n} Se esse elemento existe permutamos as posições da k-ésima e a p-ésima equação, e procedemos a realizar o k-ésimo estágio do processo de redução a partir do sistema permutado
46 M de eliminação de Gauss: redução (cont) Pivoteamento simples Se antes de começar o k-ésimo estágio observamos que o elemento pivô a (k 1) kk = 0, procuramos na k-ésima coluna um elemento não nulo abaixo da diagonal, ou seja um a (k 1) pk 0 com p {k + 1,, n} Se esse elemento existe permutamos as posições da k-ésima e a p-ésima equação, e procedemos a realizar o k-ésimo estágio do processo de redução a partir do sistema permutado Observação Se a (k 1) jk = 0 para j = k,, n então o sistema não possui solução única
47 M de eliminação de Gauss: redução (cont) Conclusão Após (n 1)-estágios bem sucedidos obtemos o sistema reduzido a (0) 11 x 1 + a (0) 12 x a (0) 1,k+1 x k+1+ +a (0) 1n x n = b (0) 1 0 x 1 +a (1) 22 x a (1) 2,k+1 x k+1+ +a (1) 2n x n = b (1) 2 0 x x 2 + +a (k) k+1,k+1 x k+1+ +a (k) k+1,n x n = b (k) k+1 0 x x x k+1 + +a nn (n 1) x n = b n (n 1) Esse tipo de sistema de equações é chamado de sistema triangular superior, pois todos os elementos abaixo da diagonal principal são nulos
48 M de eliminação de Gauss: substituição reversa Na fase final do método, resolvemos o sistema triangular superior obtido no (n 1)-ésimo estágio Aplicando a técnica de substituição reversa ou regressiva
49 M de eliminação de Gauss: substituição reversa Na fase final do método, resolvemos o sistema triangular superior obtido no (n 1)-ésimo estágio Aplicando a técnica de substituição reversa ou regressiva Começamos pela última equação Se a (n 1) nn x n = b(n 1) n a (n 1) nn 0 obtemos que
50 M de eliminação de Gauss: substituição reversa Na fase final do método, resolvemos o sistema triangular superior obtido no (n 1)-ésimo estágio Aplicando a técnica de substituição reversa ou regressiva Começamos pela última equação Se a (n 1) nn x n = b(n 1) n a (n 1) nn 0 obtemos que Depois na penúltima equação substituímos x n e calculamos x n 1 a (n 2) n 1,n 1 x n 1+a (n 2) n 1,n x n = b (n 2) n 1 x n 1 = b(n 2) n 1 a (n 2) n 1,n x n a (n 2) n 1,n 1
51 M de eliminação de Gauss: substituição reversa (cont) Continuando esse processo após calcularmos x n, x n 1,, x k+1 podemos usar a k-ésima equação para calcular x k a (k 1) kk x k + a (k 1) k,k+1 x k a (k 1) x k = b(k 1) k k,n 1 x n 1 + a (k 1) k,n x n = b (k 1) k a (k 1) k,k+1 x k+1 a (k 1) k,n 1 x n 1 a (k 1) k,n a (k 1) kk ou seja, temos que para k = n 1, n 2,, 1 x k = b(k 1) k n j=k+1 a(k 1) kj x j a (k 1) kk x n,
52 M de eliminação de Gauss: substituição reversa (cont) Continuando esse processo após calcularmos x n, x n 1,, x k+1 podemos usar a k-ésima equação para calcular x k a (k 1) kk x k + a (k 1) k,k+1 x k a (k 1) x k = b(k 1) k k,n 1 x n 1 + a (k 1) k,n x n = b (k 1) k a (k 1) k,k+1 x k+1 a (k 1) k,n 1 x n 1 a (k 1) k,n a (k 1) kk ou seja, temos que para k = n 1, n 2,, 1 x k = b(k 1) k Observação: Se a (n 1) nn n j=k+1 a(k 1) kj x j a (k 1) kk sistema possui infinitas soluções se b (n 1) n se b (n 1) n 0 = 0 o sistema não possui solução única O = 0, e nenhuma solução x n,
53 Algoritmo: M de eliminação de Gauss (sem pivoteamento) Entradas: dimensão do sistema n; matriz A = [a ij ]; vetor b = [b i ] (i, j = 1,, n) Saída: solução x 1,, x n ou mensagem de erro
54 Algoritmo: M de eliminação de Gauss (sem pivoteamento) Entradas: dimensão do sistema n; matriz A = [a ij ]; vetor b = [b i ] (i, j = 1,, n) Saída: solução x 1,, x n ou mensagem de erro 1 Para k = 1,, n 1, execute o passo Se a kk = 0 então SAÍDA: o método falhou ; PARE 3 Para j = k + 1,, n, execute os passos Faça m = a jk /a kk 5 Faça E j = E j m E k
55 Algoritmo: M de eliminação de Gauss (sem pivoteamento) Entradas: dimensão do sistema n; matriz A = [a ij ]; vetor b = [b i ] (i, j = 1,, n) Saída: solução x 1,, x n ou mensagem de erro 1 Para k = 1,, n 1, execute o passo Se a kk = 0 então SAÍDA: o método falhou ; PARE 3 Para j = k + 1,, n, execute os passos Faça m = a jk /a kk 5 Faça E j = E j m E k 6 Se a nn = 0 então SAÍDA: sem solução única ; PARE 7 Faça x n = b n /a nn 8 Para k = n 1,, 1, execute o passo 9 9 Faça x k = (b k n j=k+1 a kj x j )/a kk 10 SAÍDA: x 1,, x n ; FIM
56 Observações sobre o Algoritmo Re-escrevemos em detalhes os passos 5 e 9 do algoritmo Passo 5: Faça E j = E j m E k 1 Faça b j = b j m b k 2 Para l = k,, n, execute o passo 3 3 Faça a jl = a jl m a kl
57 Observações sobre o Algoritmo Re-escrevemos em detalhes os passos 5 e 9 do algoritmo Passo 5: Faça E j = E j m E k 1 Faça b j = b j m b k 2 Para l = k,, n, execute o passo 3 3 Faça a jl = a jl m a kl Passo 9: Faça x k = (b k n j=k+1 a kj x j )/a kk 1 Faça s = 0 2 Para j = k + 1,, n, execute o passo 3 3 Faça s = s + a kj x j 4 Faça x k = (b k s)/a kk
58 Algoritmo: Eliminação de Gauss com pivoteamento simples Entradas: dimensão do sistema n; matriz A = [a ij ]; vetor b = [b i ] (i, j = 1,, n) Saída: solução x 1,, x n ou mensagem de erro
59 Algoritmo: Eliminação de Gauss com pivoteamento simples Entradas: dimensão do sistema n; matriz A = [a ij ]; vetor b = [b i ] (i, j = 1,, n) Saída: solução x 1,, x n ou mensagem de erro 1 Para k = 1,, n 1, execute o passo Faça p = menor inteiro em {k,, n} tal que a pk 0 3 Se não existe tal p então SAÍDA: sem solução única ; PARE 4 Se p k então troque E k e E p
60 Algoritmo: Eliminação de Gauss com pivoteamento simples Entradas: dimensão do sistema n; matriz A = [a ij ]; vetor b = [b i ] (i, j = 1,, n) Saída: solução x 1,, x n ou mensagem de erro 1 Para k = 1,, n 1, execute o passo Faça p = menor inteiro em {k,, n} tal que a pk 0 3 Se não existe tal p então SAÍDA: sem solução única ; PARE 4 Se p k então troque E k e E p 5 Para j = k + 1,, n, execute os passos Faça m = a jk /a kk 7 Faça E j = E j m E k
61 Algoritmo: Eliminação de Gauss com pivoteamento simples Entradas: dimensão do sistema n; matriz A = [a ij ]; vetor b = [b i ] (i, j = 1,, n) Saída: solução x 1,, x n ou mensagem de erro 1 Para k = 1,, n 1, execute o passo Faça p = menor inteiro em {k,, n} tal que a pk 0 3 Se não existe tal p então SAÍDA: sem solução única ; PARE 4 Se p k então troque E k e E p 5 Para j = k + 1,, n, execute os passos Faça m = a jk /a kk 7 Faça E j = E j m E k 8 Se a nn = 0 então SAÍDA: sem solução única ; PARE 9 Faça x n = b n /a nn 10 Para k = n 1,, 1, execute o passo Faça x k = (b k n j=k+1 a kj x j )/a kk 12 SAÍDA: x 1,, x n ; FIM
62 Observações sobre o Algoritmo Neste algoritmo o pivoteamento simples é realizado nos passos 2 ao 4 Re-escrevemos esses passos em uma forma mais detalhada para a implementação computacional Passos 2 ao 4 (pivoteamento simples) 1 Faça p = k 2 Enquanto p n e a pk = 0 execute o passo 3 3 Faça p = p Se p > n então SAÍDA: sem solução única ; PARE 5 Se p k execute os passos 6 e 8 6 Para l = k,, n, execute o passo 7 7 Faça aux = a kl, a kl = a pl, a pl = aux 8 Faça aux = b k, b k = b p, b p = aux
63 Observações sobre o método de eliminação de Gauss Aplicado para sistemas lineares de qualquer dimensão A solução é obtida em um número finito de passos Quantidade de operações aritméticas Etapa multiplicações/divisões adições/subtrações Redução 2n 3 +3n 2 5n 6 2n 3 n 3 Substituição n 2 +n 2 n 2 n 2 Total Exemplos de valores n 3 +3n 2 n 3 2n 3 +3n 2 5n 6 n multiplicações/divisões adições/subtrações
64 Propagação de erros e estratégias de pivoteamento Na prática, recorremos ao computador para fazer os cálculos e nesse caso obtemos apenas uma solução aproximada Para evitar a propagação descontrolada dos erros de arredondamento são usadas diferentes estratégias de pivoteamento Essas estratégias, propõem usar, no início de cada estágio, um elemento pivô a (k 1) kk que não seja muito próximo de zero Discutiremos duas estratégias básicas: o pivoteamento parcial e o pivoteamento completo
65 Pivoteamento parcial Pivoteamento parcial Antes de começar o k-ésimo estágio procuramos na coluna k, da diagonal para baixo, o primeiro elemento com o modulo máximo e positivo Ou seja, achamos o menor p {k,, n} tal que a (k 1) pk = max k j n { a(k 1) jk } 0 Se esse elemento existe permutamos as posições da k-ésima e a p-ésima equação
66 Pivoteamento parcial Pivoteamento parcial Antes de começar o k-ésimo estágio procuramos na coluna k, da diagonal para baixo, o primeiro elemento com o modulo máximo e positivo Ou seja, achamos o menor p {k,, n} tal que a (k 1) pk = max k j n { a(k 1) jk } 0 Se esse elemento existe permutamos as posições da k-ésima e a p-ésima equação Observação max k j n { a(k 1) jk } = 0 = a (k 1) jk = 0 para j = k,, n = Então não existe solução única
67 Pivoteamento parcial (cont) [A (k 1) b (k 1) ] = a (0) 11 a (0) 12 a (0) 1,k a (0) 0 a (1) 22 a (1) 2,k a (1) 0 0 a (k 1) k,k a (k 1) k,n 0 0 a (k 1) p,k a p,n (k 1) 0 0 a (k 1) n,k a nn (k 1) 1n b (0) 1 2n b (1) 2 b (k 1) k b (k 1) p b (k 1) n
68 Pivoteamento parcial (cont) [A (k 1) b (k 1) ] = a (0) 11 a (0) 12 a (0) 1,k a (0) 0 a (1) 22 a (1) 2,k a (1) 0 0 a (k 1) k,k a (k 1) k,n 0 0 a (k 1) p,k a p,n (k 1) 0 0 a (k 1) n,k a nn (k 1) a (k 1) pk = max k j n { a(k 1) jk } 0 1n b (0) 1 2n b (1) 2 b (k 1) k b (k 1) p b (k 1) n
69 Pivoteamento parcial (cont) [A (k 1) b (k 1) ] = a (0) 11 a (0) 12 a (0) 1,k a (0) 0 a (1) 22 a (1) 2,k a (1) 0 0 a (k 1) k,k a (k 1) k,n 0 0 a (k 1) p,k a p,n (k 1) 0 0 a (k 1) n,k a nn (k 1) 1n b (0) 1 2n b (1) 2 b (k 1) k b (k 1) p b (k 1) n E k E p
70 Pivoteamento parcial (cont) [Ã (k 1) b (k 1) ] = a (0) 11 a (0) 12 a (0) 1,k a (0) 0 a (1) 22 a (1) 2,k a (1) 0 0 a (k 1) p,k a p,n (k 1) 0 0 a (k 1) k,k a (k 1) k,n 0 0 a (k 1) n,k a nn (k 1) 1n b (0) 1 2n b (1) 2 b (k 1) p b (k 1) k b (k 1) n [A (k 1) b (k 1) ] [Ã (k 1) b (k 1) ]
71 Pivoteamento completo Pivoteamento completo Antes de começar o k-ésimo estágio procuramos na submatriz com linhas e colunas da k até a n um elemento com o modulo máximo e positivo Ou seja, achamos p, r {k,, n} tais que a (k 1) pr = max k j, l n { a(k 1) jl } 0 Se esse elemento existe permutamos as posições da k-ésima e da p-ésima equação e depois da k-ésima e da r-ésima variáveis (Ou seja, na matriz aumentada permutamos as linhas k e p, e as colunas k e r)
72 Pivoteamento completo Pivoteamento completo Antes de começar o k-ésimo estágio procuramos na submatriz com linhas e colunas da k até a n um elemento com o modulo máximo e positivo Ou seja, achamos p, r {k,, n} tais que a (k 1) pr = max k j, l n { a(k 1) jl } 0 Se esse elemento existe permutamos as posições da k-ésima e da p-ésima equação e depois da k-ésima e da r-ésima variáveis (Ou seja, na matriz aumentada permutamos as linhas k e p, e as colunas k e r) Observação max k j, l n { a(k 1) jl } = 0 = Então não existe solução única
73 Pivoteamento completo (cont) a (0) 11 a (0) 1,k a (0) 1r a (0) 0 a (k 1) k,k a (k 1) kr a (k 1) k,n [A (k 1) b (k 1) ] = 0 a (k 1) p,k a pr (k 1) a p,n (k 1) 0 a (k 1) n,k a nr (k 1) a nn (k 1) 1n b (0) 1 b (k 1) k b (k 1) p b (k 1) n
74 Pivoteamento completo (cont) a (0) 11 a (0) 1,k a (0) 1r a (0) 0 a (k 1) k,k a (k 1) kr a (k 1) k,n [A (k 1) b (k 1) ] = 0 a (k 1) p,k a pr (k 1) a p,n (k 1) 0 a (k 1) n,k a nr (k 1) a nn (k 1) a (k 1) pr = max k j, l n { a(k 1) jl } 0 1n b (0) 1 b (k 1) k b (k 1) p b (k 1) n
75 Pivoteamento completo (cont) a (0) 11 a (0) 1,k a (0) 1r a (0) 0 a (k 1) k,k a (k 1) kr a (k 1) k,n [A (k 1) b (k 1) ] = 0 a (k 1) p,k a pr (k 1) a p,n (k 1) 0 a (k 1) n,k a nr (k 1) a nn (k 1) 1n b (0) 1 b (k 1) k b (k 1) p b (k 1) n E k E p
76 Pivoteamento completo (cont) a (0) 11 a (0) 1,k a (0) 1r a (0) 0 a (k 1) [Ã (k 1) b (k 1) p,k a pr (k 1) a p,n (k 1) ] = 0 a (k 1) k,k a (k 1) kr a (k 1) k,n 0 a (k 1) n,k a nr (k 1) a nn (k 1) 1n b (0) 1 b (k 1) p b (k 1) k b (k 1) n [A (k 1) b (k 1) ] [Ã (k 1) b (k 1) ]
77 Pivoteamento completo (cont) a (0) 11 a (0) 1,k a (0) 1r a (0) 0 a (k 1) [Ã (k 1) b (k 1) p,k a pr (k 1) a p,n (k 1) ] = 0 a (k 1) k,k a (k 1) kr a (k 1) k,n 0 a (k 1) n,k a nr (k 1) a nn (k 1) 1n b (0) 1 b (k 1) p b (k 1) k b (k 1) n x k x r
78 Pivoteamento completo (cont) a (0) 11 a (0) 1r a (0) 1,k a (0) 0 a [Â(k 1) ˆb (k 1) pr (k 1) a (k 1) p,k a p,n (k 1) ] = 0 a (k 1) kr a (k 1) k,k a (k 1) k,n 0 a nr (k 1) a (k 1) n,k a nn (k 1) à (k 1) x = b (k 1) onde x k = ˆx r, x r = ˆx k e x j = ˆx j em cc  (k 1) ˆx = ˆb (k 1) 1n b (0) 1 b (k 1) p b (k 1) k b (k 1) n
79 Estratégias de pivoteamento Observações As duas estratégias apresentadas ajudam no controle da propagação dos erros de arredondamento mas o pivoteamento completo, em geral, produz resultados de melhor qualidade Por outro lado, no pivoteamento completo precisamos o elemento de modulo máximo dentre (n k + 1) 2 coeficientess entanto que no pivoteamento parcial será apenas dentre n k + 1 coeficientes A implementação computacional do pivoteamento parcial é bem mais simples do que o pivoteamento completo Essas estratégias podem ser combinadas com outras técnicas para se obter melhores resultados
80 Exemplo O sistema { x x 2 = x x 2 = possui a solução exata é x 1 = 10 e x 2 = 1 Vamos resolve-lo usando aritmética de ponto flutuante com 4 dígitos de precisão (na base decimal) pelo método de eliminação de Gauss
81 Exemplo O sistema { x x 2 = x x 2 = possui a solução exata é x 1 = 10 e x 2 = 1 Vamos resolve-lo usando aritmética de ponto flutuante com 4 dígitos de precisão (na base decimal) pelo método de eliminação de Gauss Primeiro sem pivoteamento Temos que m =
82 Exemplo O sistema { x x 2 = x x 2 = possui a solução exata é x 1 = 10 e x 2 = 1 Vamos resolve-lo usando aritmética de ponto flutuante com 4 dígitos de precisão (na base decimal) pelo método de eliminação de Gauss Primeiro sem pivoteamento Temos que m
83 Exemplo O sistema { x x 2 = x x 2 = possui a solução exata é x 1 = 10 e x 2 = 1 Vamos resolve-lo usando aritmética de ponto flutuante com 4 dígitos de precisão (na base decimal) pelo método de eliminação de Gauss Primeiro sem pivoteamento Temos que m a ( )( )
84 Exemplo O sistema { x x 2 = x x 2 = possui a solução exata é x 1 = 10 e x 2 = 1 Vamos resolve-lo usando aritmética de ponto flutuante com 4 dígitos de precisão (na base decimal) pelo método de eliminação de Gauss Primeiro sem pivoteamento Temos que m a
85 Exemplo O sistema { x x 2 = x x 2 = possui a solução exata é x 1 = 10 e x 2 = 1 Vamos resolve-lo usando aritmética de ponto flutuante com 4 dígitos de precisão (na base decimal) pelo método de eliminação de Gauss Primeiro sem pivoteamento Temos que m a
86 Exemplo O sistema { x x 2 = x x 2 = possui a solução exata é x 1 = 10 e x 2 = 1 Vamos resolve-lo usando aritmética de ponto flutuante com 4 dígitos de precisão (na base decimal) pelo método de eliminação de Gauss Primeiro sem pivoteamento Temos que m a
87 Exemplo O sistema { x x 2 = x x 2 = possui a solução exata é x 1 = 10 e x 2 = 1 Vamos resolve-lo usando aritmética de ponto flutuante com 4 dígitos de precisão (na base decimal) pelo método de eliminação de Gauss Primeiro sem pivoteamento Temos que m a
88 Exemplo O sistema { x x 2 = x x 2 = possui a solução exata é x 1 = 10 e x 2 = 1 Vamos resolve-lo usando aritmética de ponto flutuante com 4 dígitos de precisão (na base decimal) pelo método de eliminação de Gauss Primeiro sem pivoteamento Temos que m a b ( )( )
89 Exemplo O sistema { x x 2 = x x 2 = possui a solução exata é x 1 = 10 e x 2 = 1 Vamos resolve-lo usando aritmética de ponto flutuante com 4 dígitos de precisão (na base decimal) pelo método de eliminação de Gauss Primeiro sem pivoteamento Temos que m a b
90 Exemplo (cont) Obtemos a matriz aumentada [ [A (1) b (1) ] = ]
91 Exemplo (cont) Obtemos a matriz aumentada [ [A (1) b (1) ] = ] Logo x =
92 Exemplo (cont) Obtemos a matriz aumentada [ [A (1) b (1) ] = ] Logo x
93 Exemplo (cont) Obtemos a matriz aumentada [ [A (1) b (1) ] = ] Logo x x ( )( )
94 Exemplo (cont) Obtemos a matriz aumentada [ [A (1) b (1) ] = ] Logo x x
95 Exemplo (cont) Obtemos a matriz aumentada [ [A (1) b (1) ] = ] Logo x x
96 Exemplo (cont) Obtemos a matriz aumentada [ [A (1) b (1) ] = ] Logo x x
97 Exemplo (cont) Obtemos a matriz aumentada [ [A (1) b (1) ] = ] Logo x x
98 Exemplo (cont) Obtemos a matriz aumentada [ [A (1) b (1) ] = ] Logo x x A solução aproximada obtida x 1 = 10 e x 2 = 1001 é muito ruim! Temos os erros relativos ɛ x1 = 2 e ɛ x2 = 10 3 Observe que o erro de x 1 é muito grande comparado com o epsilon da máquina ɛ maq = 10 3
99 Exemplo (cont) Agora vamos usar pivoteamento parcial A matriz aumentada do sistema é [ ] [A (0) b (0) ] =
100 Exemplo (cont) Agora vamos usar pivoteamento parcial A matriz aumentada do sistema é [ ] [A (0) b (0) ] = Aplicamos o pivoteamento parcial: E 1 E 2, e obtemos [ ] [Ã (0) b (0) ] =
101 Exemplo (cont) Agora vamos usar pivoteamento parcial A matriz aumentada do sistema é [ ] [A (0) b (0) ] = Aplicamos o pivoteamento parcial: E 1 E 2, e obtemos [ ] [Ã (0) b (0) ] = Logo m =
102 Exemplo (cont) Agora vamos usar pivoteamento parcial A matriz aumentada do sistema é [ ] [A (0) b (0) ] = Aplicamos o pivoteamento parcial: E 1 E 2, e obtemos [ ] [Ã(0) b (0) ] = Logo m
103 Exemplo (cont) Agora vamos usar pivoteamento parcial A matriz aumentada do sistema é [ ] [A (0) b (0) ] = Aplicamos o pivoteamento parcial: E 1 E 2, e obtemos [ ] [Ã(0) b (0) ] = Logo m a ( )( )
104 Exemplo (cont) Agora vamos usar pivoteamento parcial A matriz aumentada do sistema é [ ] [A (0) b (0) ] = Aplicamos o pivoteamento parcial: E 1 E 2, e obtemos [ ] [Ã(0) b (0) ] = Logo m a
105 Exemplo (cont) Agora vamos usar pivoteamento parcial A matriz aumentada do sistema é [ ] [A (0) b (0) ] = Aplicamos o pivoteamento parcial: E 1 E 2, e obtemos [ ] [Ã(0) b (0) ] = Logo m a
106 Exemplo (cont) Agora vamos usar pivoteamento parcial A matriz aumentada do sistema é [ ] [A (0) b (0) ] = Aplicamos o pivoteamento parcial: E 1 E 2, e obtemos [ ] [Ã(0) b (0) ] = Logo m a
107 Exemplo (cont) Agora vamos usar pivoteamento parcial A matriz aumentada do sistema é [ ] [A (0) b (0) ] = Aplicamos o pivoteamento parcial: E 1 E 2, e obtemos [ ] [Ã (0) b (0) ] = Logo m a
108 Exemplo (cont) b ( )( )
109 Exemplo (cont) b
110 Exemplo (cont) b Obtemos a matriz aumentada [ [A (1) b (1) ] = ]
111 Exemplo (cont) b Obtemos a matriz aumentada [ [A (1) b (1) ] = ] Logo x
112 Exemplo (cont) b Obtemos a matriz aumentada [ [A (1) b (1) ] = ] Logo x
113 Exemplo (cont) b Obtemos a matriz aumentada [ [A (1) b (1) ] = ] Logo x x ( )( )
114 Exemplo (cont) b Obtemos a matriz aumentada [ [A (1) b (1) ] = ] Logo x x =
115 Exemplo (cont) b Obtemos a matriz aumentada [ [A (1) b (1) ] = ] Logo x x
116 Exemplo (cont) b Obtemos a matriz aumentada [ [A (1) b (1) ] = ] Logo x x Usando o pivoteamento parcial chegamos na solução exata x 1 = 10 e x 2 = 1!
117 Algoritmo: Eliminação de Gauss com pivoteamento parcial Entradas: dimensão do sistema n; matriz A = [a ij ]; vetor b = [b i ] (i, j = 1,, n) Saída: solução x 1,, x n ou mensagem de erro
118 Algoritmo: Eliminação de Gauss com pivoteamento parcial Entradas: dimensão do sistema n; matriz A = [a ij ]; vetor b = [b i ] (i, j = 1,, n) Saída: solução x 1,, x n ou mensagem de erro 1 Para k = 1,, n 1, execute o passo Faça p = menor inteiro em {k,, n} tal que a pk 0 atinge o máximo 3 Se não existe tal p então SAÍDA: sem solução única ; PARE 4 Se p k então troque E k e E p
119 Algoritmo: Eliminação de Gauss com pivoteamento parcial Entradas: dimensão do sistema n; matriz A = [a ij ]; vetor b = [b i ] (i, j = 1,, n) Saída: solução x 1,, x n ou mensagem de erro 1 Para k = 1,, n 1, execute o passo Faça p = menor inteiro em {k,, n} tal que a pk 0 atinge o máximo 3 Se não existe tal p então SAÍDA: sem solução única ; PARE 4 Se p k então troque E k e E p 5 Para j = k + 1,, n, execute os passos Faça m = a jk /a kk 7 Faça E j = E j m E k
120 Algoritmo: Eliminação de Gauss com pivoteamento parcial Entradas: dimensão do sistema n; matriz A = [a ij ]; vetor b = [b i ] (i, j = 1,, n) Saída: solução x 1,, x n ou mensagem de erro 1 Para k = 1,, n 1, execute o passo Faça p = menor inteiro em {k,, n} tal que a pk 0 atinge o máximo 3 Se não existe tal p então SAÍDA: sem solução única ; PARE 4 Se p k então troque E k e E p 5 Para j = k + 1,, n, execute os passos Faça m = a jk /a kk 7 Faça E j = E j m E k 8 Se a nn = 0 então SAÍDA: sem solução única ; PARE 9 Faça x n = b n /a nn 10 Para k = n 1,, 1, execute o passo Faça x k = (b k n j=k+1 a kj x j )/a kk 12 SAÍDA: x 1,, x n ; FIM
121 Observações sobre o Algoritmo Neste algoritmo o pivoteamento parcial é feito nos passos 2 ao 4 Re-escrevemos esses passos em uma forma mais detalhada para a implementação computacional Passos 2 ao 4 (pivoteamento parcial) 1 Faça max = 0 2 Para j = k,, n execute o passo 3 3 Se a jk > max então faça p = j e max = a jk 4 Se max = 0 então SAÍDA: sem solução única ; PARE 5 Se p k execute os passos 6 e 8 6 Para l = k,, n, execute o passo 7 7 Faça aux = a kl, a kl = a pl, a pl = aux 8 Faça aux = b k, b k = b p, b p = aux
122 Método de fatoração LU O método de fatoração LU consiste em escrever a matriz dos coeficientes na forma de um produto de duas matrizes A = LU, onde L é uma matriz triangular inferior e U é uma matriz triangular superior Dessa forma para resolver o sistema Ax = b, primeiro resolvemos o sistema Ly = b e depois o sistema Ux = y Em muitas aplicações práticas é preciso resolver vários sistemas de equações que possuem a mesma matriz dos coeficientes Nessa situação é muito vantajoso usar o método de fatoração LU
123 Eliminação de Gauss e fatoração LU Teorema 1: Fatoração LU Se a etapa de redução no método de eliminação de Gauss sem pivoteamento é realizada com sucesso, então temos que A = LU, onde L é uma matriz triangular inferior com a diagonal principal unitária e os multiplicadores abaixo dessa diagonal e U = A (n 1) é a matriz triangular superior obtida durante a etapa de redução Ou seja, a (0) 11 a (0) 12 a (0) 1n m L =, U = 0 a (1) 22 a (1) 2n m n1 m n,n a nn (n 1)
124 Eliminação de Gauss e fatoração LU (cont) Teorema 2: Fatoração LU com pivoteamento parcial/simples Se a etapa de redução no método de eliminação de Gauss é realizada com sucesso aplicando pivoteamento parcial/simples, então temos que P A = LU, onde L é uma matriz triangular inferior com a diagonal principal unitária e os multiplicadores abaixo da diagonal, U = A (n 1) é a matriz triangular superior obtida durante a etapa de redução e P é uma matriz associada com as permutações de linhas realizadas durante o processo de redução (matriz de permutações) Resolução do sistema Nesse caso, para resolver o sistema Ax = b, primeiro resolvemos o sistema Ly = Pb e em seguida o sistema Ux = y
125 Exemplo: fatoração LU com pivoteamento parcial Resolver o sistema 3x 1 4x 2 + x 3 = 9 x 1 + 2x 2 + 2x 3 = 3 4x x 2 3x 3 = 2
126 Exemplo: fatoração LU com pivoteamento parcial Resolver o sistema 3x 1 4x 2 + x 3 = 9 x 1 + 2x 2 + 2x 3 = 3 4x x 2 3x 3 = 2 Começamos fazendo o pivoteamento , {L 1 L 3 } =
127 Exemplo: fatoração LU com pivoteamento parcial Resolver o sistema 3x 1 4x 2 + x 3 = 9 x 1 + 2x 2 + 2x 3 = 3 4x x 2 3x 3 = 2 Começamos fazendo o pivoteamento , {L 1 L 3 } = Também temos que montar a matriz de permutações Aplicando L 1 L 3 em = 0 0 1
128 Exemplo: fatoração LU com pivoteamento parcial Resolver o sistema 3x 1 4x 2 + x 3 = 9 x 1 + 2x 2 + 2x 3 = 3 4x x 2 3x 3 = 2 Começamos fazendo o pivoteamento , {L 1 L 3 } = Também temos que montar a matriz de permutações Aplicando L 1 L 3 em = P =
129 Exemplo (cont) Zeramos na primeira coluna e armazenamos os multiplicadores m 21 = 1/4, L L 2 1/4L 1, m 31 = 3/4, L 3 L 3 3/4L 1
130 Exemplo (cont) Zeramos na primeira coluna e armazenamos os multiplicadores m 21 = 1/4, L L 2 1/4L , 1/4 2 11/ m 31 = 3/4, 3/4 4 13/4 L 3 L 3 3/4L 1
131 Exemplo (cont) Zeramos na primeira coluna e armazenamos os multiplicadores m 21 = 1/4, L L 2 1/4L , 1/4 2 11/ m 31 = 3/4, 3/4 4 13/4 L 3 L 3 3/4L 1 Fazemos o pivoteamento na segunda coluna /4 2 11/4, {L 2 L 3 } 3/4 4 13/4
132 Exemplo (cont) Zeramos na primeira coluna e armazenamos os multiplicadores m 21 = 1/4, L L 2 1/4L , 1/4 2 11/ m 31 = 3/4, 3/4 4 13/4 L 3 L 3 3/4L 1 Fazemos o pivoteamento na segunda coluna /4 2 11/4, {L 2 L 3 } 3/4 4 13/4, P /4 4 13/4 1/4 2 11/
133 Exemplo (cont) Zeramos na primeira coluna e armazenamos os multiplicadores m 21 = 1/4, L L 2 1/4L , 1/4 2 11/ m 31 = 3/4, 3/4 4 13/4 L 3 L 3 3/4L 1 Fazemos o pivoteamento na segunda coluna /4 2 11/4, {L 2 L 3 } 3/4 4 13/4, P /4 4 13/4 1/4 2 11/ Zeramos na segunda coluna { } m32 = 1/2, 3/4 4 13/4, L 1/4 2 11/4 3 L 3 + 1/2L 2
134 Exemplo (cont) Zeramos na primeira coluna e armazenamos os multiplicadores m 21 = 1/4, L L 2 1/4L , 1/4 2 11/ m 31 = 3/4, 3/4 4 13/4 L 3 L 3 3/4L 1 Fazemos o pivoteamento na segunda coluna /4 2 11/4, {L 2 L 3 } 3/4 4 13/4, P /4 4 13/4 1/4 2 11/ Zeramos na segunda coluna { } m32 = 1/2, 3/4 4 13/4, L 1/4 2 11/4 3 L 3 + 1/2L /4 4 13/4 1/4 1/2 35/8
135 Exemplo (cont) Obtemos as matrices P = 1 0 0, L = 3/4 1 0, U = / /4 1/ /8 Daí Pb = =
136 Exemplo (cont) Obtemos as matrices P = 1 0 0, L = 3/4 1 0, U = / /4 1/ /8 Daí Pb = = Logo Ly = Pb = y y y 3 = 2 3/4 y 1 + y y 3 = 9 1/4 y 1 1/2 y 2 + y 3 = 3 2 = y = 21/2 35/4
137 Exemplo (cont) Finalmente temos 4 x x 2 3 x 3 = 2 Ux = y = 0 x 1 4 x /4 x 3 = 21/2 0 x x /8 x 3 = 35/4 1 = x = 1 2
138 Considerações computacionais Na implementação computacional do método (e até mesmo quando fazemos as contas a mão) é interessante montar as matrizes L e U em conjunto como foi mostrado no exemplo Isso apresenta várias vantagens Usamos de uma forma eficiente a memória do computador pois nas entradas da matriz inicial que são zeradas, agora armazenam os multiplicadores correspondentes Os multiplicadores são alocados nas suas linhas correspondentes, assim as próximas permutações preservam essa correspondência
139 Considerações computacionais Na implementação computacional do método (e até mesmo quando fazemos as contas a mão) é interessante montar as matrizes L e U em conjunto como foi mostrado no exemplo Isso apresenta várias vantagens Usamos de uma forma eficiente a memória do computador pois nas entradas da matriz inicial que são zeradas, agora armazenam os multiplicadores correspondentes Os multiplicadores são alocados nas suas linhas correspondentes, assim as próximas permutações preservam essa correspondência Do ponto de vista computacional é mais eficiente usar o vetor de permutações no lugar da matriz de permutações Esse vetor pode ser definido por p = P z onde z = [1, 2,, n] t Dessa forma para a j-ésima componente do vetor P b temos (P b) j = b k onde k = p j
140 Parte II Métodos iterativos
141 Métodos iterativos para sistemas lineares Os métodos iterativos são métodos de ponto fixo, em que a função de iteração é linear (ou seja é um polinômio de primeiro grau em relação a qualquer uma das variáveis x 1, x 2,, x n )
142 Métodos iterativos para sistemas lineares Os métodos iterativos são métodos de ponto fixo, em que a função de iteração é linear (ou seja é um polinômio de primeiro grau em relação a qualquer uma das variáveis x 1, x 2,, x n ) Da equivalência A x = b x = C x + g, onde C é uma matriz e g um vetor, obtemos o método iterativo (linear) x (k+1) = C x (k) + g, k 0, para gerar uma sequência de aproximações a partir da aproximação inicial x (0)
143 Métodos iterativos para sistemas lineares Os métodos iterativos são métodos de ponto fixo, em que a função de iteração é linear (ou seja é um polinômio de primeiro grau em relação a qualquer uma das variáveis x 1, x 2,, x n ) Da equivalência A x = b x = C x + g, onde C é uma matriz e g um vetor, obtemos o método iterativo (linear) x (k+1) = C x (k) + g, k 0, para gerar uma sequência de aproximações a partir da aproximação inicial x (0) O objetivo é gerar uma sequência que convirja para a solução do sistema de equações, isso significa que queremos que lim k x(k) = x, onde x é solução do sistema A x = b
144 Métodos iterativos para sistemas lineares (cont) O limite deve ser interpretado como um limite componente a componente, ou seja lim k x(k) = x lim x (k) k j = xj, j = 1,, n
145 Métodos iterativos para sistemas lineares (cont) O limite deve ser interpretado como um limite componente a componente, ou seja lim k x(k) = x lim x (k) k j = xj, j = 1,, n Na prática, podemos fazer apenas um número finito de iterações e por isso precisamos de algum critério de parada
146 Métodos iterativos para sistemas lineares (cont) O limite deve ser interpretado como um limite componente a componente, ou seja lim k x(k) = x lim x (k) k j = xj, j = 1,, n Na prática, podemos fazer apenas um número finito de iterações e por isso precisamos de algum critério de parada Critérios de parada A aproximação x (k) é suficientemente boa quando (k) C1 Ẽ k = max x 1 j n j C2 ɛ k = max 1 j n x (k) j x (k 1) j < ɛ tol x (k 1) j max 1 j n x (k) j < ɛ tol
147 Método de Gauss-Jacobi Usando a decomposição A = L 0 + D + U 0 em que D é uma matriz diagonal, L 0 é triangular inferior com diagonal principal nula e U 0 é triangular superior com diagonal principal nula, chegamos em A x = b (L 0 + D + U 0 )x = b A x = b D x + (L 0 + U 0 )x = b A x = b D x = b (L 0 + U 0 )x A x = b x = D 1 {b (L 0 + U 0 )x}
148 Método de Gauss-Jacobi Usando a decomposição A = L 0 + D + U 0 em que D é uma matriz diagonal, L 0 é triangular inferior com diagonal principal nula e U 0 é triangular superior com diagonal principal nula, chegamos em A x = b (L 0 + D + U 0 )x = b A x = b D x + (L 0 + U 0 )x = b A x = b D x = b (L 0 + U 0 )x A x = b x = D 1 {b (L 0 + U 0 )x} Método de Gauss-Jacobi A partir da aproximação inicial x (0) obtemos novas aproximações calculando x (k+1) = D 1 { b (L 0 + U 0 )x (k)}, k 0
149 Método de Gauss-Jacobi (cont) Observações O método pode ser aplicado se D 1 está bem definida, ou seja se D é não singular Isso acontece se e somente se a ll 0, para l = 1,, n Nesse caso temos C = D 1 (L 0 + U 0 ) e g = D 1 b Além disso 1 0 a 12 a 1n a L 0 +U 0 = a 21 0 an 1,n, 1 D 1 = 0 a 22 0 a n1 a n,n a nn
150 Método de Gauss-Jacobi (cont) Logo o método pode ser escrito por extenso como x (k+1) 1 = b 1 a 12 x (k) 2 a 1n x n (k) = 1 n b 1 a 1j x (k) j a 11 x (k+1) l x (k+1) n a 11 j=2 = b l a l1 x (k) 1 a l,l 1 x (k) l 1 a l,l+1x (k) l+1 a lnx n (k) a ll = 1 a ll b l n a lj x (k) j j=1 j l = b n a n1 x (k) 1 a n,n 1 x (k) n 1 = 1 n 1 b n a nn a nn j=1 a nj x (k) j
Cálculo Numérico BCC760
Cálculo Numérico BCC760 Resolução de Sistemas de Equações Lineares Simultâneas Departamento de Computação Página da disciplina http://www.decom.ufop.br/bcc760/ 1 Introdução! Definição Uma equação é dita
Leia maisAgenda do Dia Aula 14 (19/10/15) Sistemas Lineares: Introdução Classificação
Agenda do Dia Aula 14 (19/10/15) Sistemas Lineares: Introdução Classificação Sistemas Lineares Sistemas lineares são sistemas de equações com m equações e n incógnitas formados por equações lineares. Um
Leia maisSISTEMAS LINEARES PROF. EDÉZIO
SOLUÇÕES NUMÉRICAS DE SISTEMAS LINEARES PROF. EDÉZIO Considere o sistema de n equações e n incógnitas: onde E : a x + a x +... + a n x n = b E : a x + a x +... + a n x n = b. =. () E n : a n x + a n x
Leia maisMétodos Numéricos - Notas de Aula
Métodos Numéricos - Notas de Aula Prof a Olga Regina Bellon Junho 2007 Introdução Sistemas Lineares Sistemas lineares são sistemas de equações com m equações e n incógnitas formados por equações lineares,
Leia 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 maisResolução de Sistemas Lineares. Ana Paula
Resolução de Sistemas Lineares Sumário 1 Aula Anterior 2 Decomposição LU 3 Decomposição LU com Pivotamento 4 Revisão Aula Anterior Aula Anterior Aula Anterior Aula Anterior Eliminação de Gauss Transforma
Leia 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 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 maisINTRODUÇÃO AOS MÉTODOS NUMÉRICOS. Solução de Sistemas Lineares
INTRODUÇÃO AOS MÉTODOS NUMÉRICOS Solução de Sistemas Lineares Introdução Uma variedade de problemas de engenharia pode ser resolvido através da análise linear; entre eles podemos citar: determinação do
Leia 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 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 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/Franklina Toledo ICMC-USP 3 de setembro de 2012 Baseado no livro Análise Numérica,
Leia maisModelagem Computacional. Parte 6 2
Mestrado em Modelagem e Otimização - RC/UFG Modelagem Computacional Parte 6 2 Prof. Thiago Alves de Queiroz 2/2016 2 [Cap. 6 e 7] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning,
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 13 04/2014 Sistemas de Equações Lineares Parte 3 MÉTODOS ITERATIVOS Cálculo Numérico 3/44 MOTIVAÇÃO Os métodos iterativos
Leia 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 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 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
1 As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia. Resolução de Sistemas de Equações
Leia maisSistemas Lineares Métodos Diretos
Sistemas Lineares Métodos Diretos Andrea M. P. Valli, Lucia Catabriga avalli@inf.ufes.br, luciac@inf.ufes.br March 19, 2018 Andrea M. P. Valli, Lucia Catabriga (UFES) DI-PPGI/UFES March 19, 2018 1 / 34
Leia maisSistemas Lineares. Métodos Iterativos Estacionários
-58 Sistemas Lineares Estacionários Lucia Catabriga e Andréa Maria Pedrosa Valli Laboratório de Computação de Alto Desempenho (LCAD) Departamento de Informática Universidade Federal do Espírito Santo -
Leia maisLaboratório de Simulação Matemática. Parte 6 2
Matemática - RC/UFG Laboratório de Simulação Matemática Parte 6 2 Prof. Thiago Alves de Queiroz 2/2017 2 [Cap. 6] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning, 2010. Thiago
Leia maisConsideremos um sistema linear de n equações lineares e n incógnitas, do tipo:
58 3. Resolução de Sistemas Lineares MÉTODOS DIRETOS: são métodos que determinam a solução de um sistema linear com um número finito de operações. Entre os métodos diretos (Eliminação de Gauss, Eliminação
Leia maisSistemas Lineares - Decomposição LU
Sistemas Lineares - Decomposição LU Andréa Maria Pedrosa Valli Laboratório de Computação de Alto Desempenho (LCAD) Departamento de Informática Universidade Federal do Espírito Santo - UFES, Vitória, ES,
Leia 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 maisInterpolação polinomial
Cálculo Numérico Prof. Daniel G. Alfaro Vigo dgalfaro@dcc.ufrj.br Departamento de Ciência da Computação IM UFRJ Motivação: População do Brasil Ano População (milhões) 1960 70, 992343 1970 94, 508583 1980
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 maisCálculo Numérico. Aula 8 Sistemas de Equações Lineares / Parte /04/2014. Prof. Guilherme Amorim*
Cálculo Numérico Aula 8 Sistemas de Equações Lineares / Parte 1 2014.1-29/04/2014 Prof. Guilherme Amorim* gbca@cin.ufpe.br * Com algumas modificações pelo Prof. Sergio Queiroz Perguntas... O que é um sistema
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 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 de Equações Lineares Algébricas
Sistemas de Equações Lineares Algébricas A 11 x 1 + A 12 x 2 +... + A 1n x n = b 1 A 21 x 1 + A 22 x 2 +... + A 2n x n = b 2............... A n1 x1 + A n2 x 2 +... + A nn x n = b n A 11 A 12... A 1n x
Leia maisMétodos iterativos para sistemas lineares.
Métodos iterativos para sistemas lineares. Alan Costa de Souza 7 de Setembro de 2017 Alan Costa de Souza Métodos iterativos para sistemas lineares. 7 de Setembro de 2017 1 / 46 Introdução. A ideia central
Leia maisUNIVERSIDADE FEDERAL DO ABC
UNIVERSIDADE FEDERAL DO ABC BC49 Cálculo Numérico - LISTA - sistemas lineares de equações Profs André Camargo, Feodor Pisnitchenko, Marijana Brtka, Rodrigo Fresneda Métodos diretos Analise os sistemas
Leia maisResolução de Sistemas Lineares. Ana Paula
Resolução de Sistemas Lineares Sumário 1 Aula Anterior 2 3 Revisão Aula Anterior Aula Anterior Aula Anterior Aula Anterior Decomposição LU A matriz de coeficientes é decomposta em L e U L é uma matriz
Leia 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 maisUniversidade Federal do Espírito Santo - UFES
Universidade Federal do Espírito Santo - UFES Centro Universitário Norte do Espírito Santo - CEUNES Departamento de Matemática Aplicada - DMA Prof Isaac P Santos - 2018/1 Aula: Sistemas Lineares 1 Sistemas
Leia maisCálculo Numérico Algoritmos
Cálculo Numérico Algoritmos Valdenir de Souza Junior Abril de 2007 Sumário 1 Introdução 1 2 Raízes de Equações 1 2.1 Método da Bisseção......................... 2 2.2 Método de Newton-Raphson.....................
Leia maisUniversidade Federal do Espírito Santo - UFES
Universidade Federal do Espírito Santo - UFES Centro Universitário Norte do Espírito Santo - CEUNES Departamento de Matemática Aplicada - DMA Prof. Isaac P. Santos - 2018/1 Aula: Métodos Iterativos Para
Leia maisSistemas de Equações Lineares
Capítulo 3 Sistemas de Equações Lineares Um sistema com n equações lineares pode ser escrito na forma : ou na forma matricial onde com a 1,1 x 1 + a 1,2 x 2 + + a x n = b 1 a 2,1 x 1 + a 2,2 x 2 + + a
Leia maisINSTITUTO SUPERIOR TÉCNICO Licenciatura em Engenharia Física Tecnológica Licenciatura em Engenharia e Gestão Industrial Ano Lectivo: 2002/
INSTITUTO SUPERIOR TÉCNICO Licenciatura em Engenharia Física Tecnológica Licenciatura em Engenharia e Gestão Industrial Ano Lectivo: / ANÁLISE NUMÉRICA Exercícios Considere o sistema linear 6 x 5 y = a)
Leia 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 maisSistema de Equaçõs Lineares
Summary Sistema de Equaçõs Lineares Hector L. Carrion ECT-UFRN Agosto, 2010 Summary Equações Lineares 1 Sistema de Eq. Lineares 2 Eliminação Gaussiana-Jordan 3 retangular 4 5 Regra de Cramer Summary Equações
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 maisFatoração LU André Luís M. Martinez UTFPR
Fatoração LU André Luís M. Martinez UTFPR Agosto de 2011 Sumário 1 Introdução Sumário 1 Introdução 2 Fatoração LU Sumário 1 Introdução 2 Fatoração LU 3 Método de Crout Sumário 1 Introdução 2 Fatoração
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 maisSolução aproximada de equações de uma variável
Cálculo Numérico de uma variável Prof. Daniel G. Alfaro Vigo dgalfaro@dcc.ufrj.br Departamento de Ciência da Computação IM UFRJ Parte I Localização de zeros e Método da bissecção Motivação: Queda de um
Leia maisUma equação linear com n variáveis tem a seguinte forma:
Edgard Jamhour Uma equação linear com n variáveis tem a seguinte forma: a 1 x 1 + a 2 x 2 +... + a n x n = b onde a 1, a 2,..., a n e b são constantes reais. Um sistema de equações lineares é um conjunto
Leia maisLista de Exercícios. 3x 1 + 2x 2 5x 3 = 0 2x 1 3x 2 + x 3 = 0 x 1 + 4x 2 x 3 = 4. 3x 1 + 4x 2 + 3x 3 = 10 x 1 + 5x 2 x 3 = 7 6x 1 + 3x 2 + 7x 3 = 15
Universidade Federal de Santa Catarina Centro Tecnológico Depto de Informática e Estatística Disciplina: INE5202-Cálculo Numérico Cap. 3 - Sistemas Lineares Lista de Exercícios 3.2 - Eliminação Gaussiana.
Leia maisIntrodução aos Métodos Numéricos
Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo Erros e Aproximações Numéricas Sistemas de Equações Lineares.
Leia maisComputação Paralela: Algoritmos e Aplicações
Computação Paralela: Algoritmos e Aplicações Prof. Amit Bhaya, Programa de Engenharia Elétrica, COPPE/UFRJ 06/05/2003 -- 09/05/2003 http://www.nacad.ufrj.br/~amit/ NACAD = Núcleo de Computação de Alto
Leia maisIntrodução aos Métodos Numéricos
Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo Erros e Aproximações Numéricas Sistemas de Equações Lineares.
Leia maisDCC008 - Cálculo Numérico
DCC008 - Cálculo Numérico Resolução de Sistemas de Equações Lineares Bernardo Martins Rocha Departamento de Ciência da Computação Universidade Federal de Juiz de Fora bernardomartinsrocha@ice.ufjf.br Conteúdo
Leia 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 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 maisCálculo Numérico. Resumo e Exercícios P1
Cálculo Numérico Resumo e Exercícios P1 Fórmulas e Resumo Teórico Parte 1 Aritmética de ponto flutuante Operar com o número de algarismos significativos exigido. Arredondar após cada conta. Método de escalonamento
Leia maisSistemas Lineares. Marina Andretta/Franklina Toledo ICMC-USP. 4 de março de 2015
Sistemas Lineares Marina Andretta/Franklina Toledo ICMC-USP 4 de março de 2015 Marina Andretta/Franklina Toledo (ICMC-USP) sme0301 - Métodos Numéricos para Engenharia I 4 de março de 2015 1 / 15 Introdução
Leia maisINSTITUTO SUPERIOR TÉCNICO Mestrado Integrado em Engenharia Física Tecnológica Ano Lectivo: 2007/2008 Semestre: 1 o
INSTITUTO SUPERIOR TÉCNICO Mestrado Integrado em Engenharia Física Tecnológica Ano Lectivo: 27/28 Semestre: o MATEMÁTICA COMPUTACIONAL Exercícios [4 Sendo A M n (C) mostre que: (a) n A 2 A n A 2 ; (b)
Leia maisSistemas de Equações Lineares Algébricas
Sistemas de Equações Lineares Algébricas A x + A x +... + A n x n b A x + A x +... + A n x n b............... A n x + A n x +... + A nn x n b n A A... A n x b A A... A n x b.................. A n A n...
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 maisParte 0: Normas de Vetor e Matriz
Cálculo Numérico SME0104 ICMC-USP Lista : Sistemas Lineares Métodos Diretos Parte 0: Normas de Vetor e Matriz 1. Dadas as matrizes: 3 5 7 A = 3 6 B = 1 7 1 (a) Calcule A 1, B 1 e C 1 (b) Calcule A, B e
Leia maisModelagem Computacional. Parte 7 2
Mestrado em Modelagem e Otimização - RC/UFG Modelagem Computacional Parte 7 2 Prof. Thiago Alves de Queiroz 2/2016 2 [Cap. 7] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning,
Leia 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 maisSME0300 Cálculo Numérico Aula 11
SME0300 Cálculo Numérico Aula 11 Maria Luísa Bambozzi de Oliveira marialuisa @ icmc. usp. br Sala: 3-241 Página: tidia-ae.usp.br 21 de setembro de 2015 Tópico Anterior Sistemas Lineares: Métodos Exatos:
Leia maisIntrodução Sistemas Lineares
Introdução Sistemas Lineares Laura Goulart UESB 5 de Dezembro de 2018 Laura Goulart (UESB) Introdução Sistemas Lineares 5 de Dezembro de 2018 1 / 6 Motivação Uma variedade de problemas de engenharia pode
Leia maisIntrodução aos Métodos Numéricos
Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo específico Sistemas de Equações Lineares Métodos Iterativos
Leia maisCálculo Numérico, Notas de aula, c Departamento de Computação, Universidade Federal de Ouro Preto. Sistemas Lineares
Cálculo Numérico, Notas de aula, 018. c Departamento de Computação, Universidade Federal de Ouro Preto. Sistemas Lineares Marcone Jamilson Freitas Souza, Departamento de Computação, Instituto de Ciências
Leia maisIntrodução 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 maisUniversidade Federal de Santa Catarina Centro Tecnológico Depto de Informática e Estatística Disciplina: INE50-Cálculo Numérico Cap. - Sistemas Lineares Lista de Exercícios - Soluções 1. Resposta: a) x
Leia maisIntrodução aos Métodos Numéricos
Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo temático Sistemas de Equações Lineares. Métodos diretos Conteúdo
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 maisSME300 - Cálculo Numérico - Turma Elétrica/Automação - Prof. Murilo F. Tomé. Lista 1: Solução Numérica de Sistema Lineares A = MÉTODOS DIRETOS.
SME300 - Cálculo Numérico - Turma Elétrica/Automação - Prof. Murilo F. Tomé Lista 1: Solução Numérica de Sistema Lineares NORMAS DE VETORES E MATRIZES 1. Dado o vetor v = ( 3, 1, 8, 2) T, calcule v 1,
Leia maisNota importante: U é a matriz condensada obtida no processo de condensação da matriz
Decomposição P T LU A denominada decomposição P T L U é um processo que pode ser extremamente útil no cálculo computacional, na resolução de sistemas de equações lineares. Propriedade Seja A uma matriz
Leia maisRenato Martins Assunção
Análise Numérica Renato Martins Assunção DCC - UFMG 2012 Renato Martins Assunção (DCC - UFMG) Análise Numérica 2012 1 / 84 Equação linear Sistemas de equações lineares A equação 2x + 3y = 6 é chamada linear
Leia maisSME602 - Cálculo Numérico - - Prof. Murilo F. Tomé. Solução Numérica de Sistema Lineares A = MÉTODOS DIRETOS. x y z
SME602 - Cálculo Numérico - - Prof. Murilo F. Tomé Solução Numérica de Sistema Lineares NORMAS DE VETORES E MATRIZES 1. Dado o vetor v = (, 1, 8, 2) T, calcule v 1, v 2 e v. 2. Dada a matriz: A = 5 7 2
Leia maisLaboratório de Simulação Matemática. Parte 7 2
Matemática - RC/UFG Laboratório de Simulação Matemática Parte 7 2 Prof. Thiago Alves de Queiroz 2/2017 2 [Cap. 7] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning, 2010. Thiago
Leia maisNotas de Aula de Cálculo Numérico
IM-Universidade Federal do Rio de Janeiro Departamento de Ciência da Computação Notas de Aula de Cálculo Numérico Lista de Exercícios Prof. a Angela Gonçalves 3 1. Erros 1) Converta os seguintes números
Leia maisCálculo Numérico. Aula 10 Sistemas de Equações Lineares / Parte 3 Jacobi & Gauss-Seidel. Prof. Guilherme Amorim
Cálculo Numérico Aula 10 Sistemas de Equações Lineares / Parte 3 Jacobi & Gauss-Seidel Prof. Guilherme Amorim gbca@cin.ufpe.br 2014.1-15/05/2014 Aula passada... Método da Decomposição LU Seja o sistema
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 maisCapítulo 2 - Sistemas de Equações Lineares
Capítulo 2 - Sistemas de Equações Lineares Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança 2 o Ano - Eng. Civil e Electrotécnica Carlos Balsa Métodos
Leia maisResolução de sistemas de equações lineares: Método dos Gradientes Conjugados
Resolução de sistemas de equações lineares: Método dos Gradientes Conjugados Marina Andretta/Franklina Toledo ICMC-USP 24 de março de 2015 Baseado no livro Cálculo Numérico, de Neide B. Franco Marina Andretta/Franklina
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 maisCurso de Matemática Aplicada - MCC03 Algebra Linear. Iniciado em 03 de Agosto de 2017 Notas de aula e trabalhos Márcio Vital de Arruda
Curso de Matemática Aplicada - MCC03 Algebra Linear Iniciado em 03 de Agosto de 2017 Notas de aula e trabalhos Márcio Vital de Arruda Versão 26 de setembro de 2017 1 Sumário 1 Sistemas de Equações Lineares
Leia maisCálculo Numérico e Computacional CNC
Cálculo Numérico e Computacional Luiza Amalia Pinto Cantão luiza@sorocaba.unesp.br Sumário Introdução à Teoria de Erros e Estabilidade 3. Representação de Números.......................................
Leia maisSME0300 Cálculo Numérico Aula 4
SME0300 Cálculo Numérico Aula 4 Maria Luísa Bambozzi de Oliveira marialuisa @ icmc. usp. br Sala: 3-241 Página: tidia-ae.usp.br 13 de agosto de 2015 Aula Passada Operações Aritméticas: Arredondamento a
Leia maisSolução de Sistemas Lineares: Métodos Diretos
04 de abril de 2014 Estagiária PAE: Gabriela Reis Prof. Afonso Paiva Neto Solução de Sistemas Lineares: Métodos Diretos Decomposição LU Teorema Seja A uma matriz quadrada de ordem n, e A k o menor principal
Leia maisRefletores de Householder e Fatoração QR
Refletores de Householder e Fatoração QR Antonio Elias Fabris Instituto de Matemática e Estatística Universidade de São Paulo Map 2210 Aplicações de Álgebra Linear Antonio Elias Fabris (IME-USP) Householder
Leia maisIntrodução aos Métodos Numéricos
Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo específico Sistemas de Equações Lineares. Métodos Iterativos
Leia maisIntrodução aos Métodos Numéricos
Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo Erros e Aproximações Numéricas Sistemas de Equações Lineares
Leia maisIntrodução aos Métodos Numéricos
Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo Erros e Aproximações Numéricas Sistemas de Equações Lineares.
Leia maisDeterminação numérica de autovalores e autovetores: Método das Potências Inversas
Determinação numérica de autovalores e autovetores: Marina Andretta/Franklina Toledo ICMC-USP 27 de março de 2015 Marina Andretta/Franklina Toledo (ICMC-USP) sme0301 - Métodos Numéricos para Engenharia
Leia maisIntrodução aos Métodos Numéricos
Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo Erros e Aproximações Numéricas Sistemas de Equações Lineares.
Leia maisSistemas Lineares - Métodos Iterativos : Jacobi e Gauss-Seidel. Profa. Cynthia de O. Lage Ferreira Métodos Numéricos e Computacionais I - SME0305
Sistemas Lineares - Métodos Iterativos : Jacobi e Gauss-Seidel Profa. Cynthia de O. Lage Ferreira Métodos Numéricos e Computacionais I - SME35 Métodos Iterativos Nesta seção, vamos estudar métodos iterativos
Leia maisModelagem Computacional. Parte 8 2
Mestrado em Modelagem e Otimização - RC/UFG Modelagem Computacional Parte 8 2 Prof. Thiago Alves de Queiroz 2/2016 2 [Cap. 10 e 11] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning,
Leia maisIntrodução aos Sistemas Lineares
Introdução aos Sistemas Lineares Profa Cynthia de O Laga Ferreira Métodos Numéricos e Computacionais I - SME005 Frequentemente, em todas as áres científicas, precisamos resolver problemas na forma Ax =
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 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 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 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 maisRenato Martins Assunção. 9 de agosto de 2016
Métodos Numéricos Renato Martins Assunção DCC - UFMG 9 de agosto de 2016 Renato Martins Assunção (DCC - UFMG) Métodos Numéricos 9 de agosto de 2016 1 / 99 Sistema diagonal Solução de sistema diagonal O
Leia mais