Resolução de Sistemas de
|
|
- Ana Vitória de Carvalho Lisboa
- 7 Há anos
- Visualizações:
Transcrição
1 Capítulo 4 Resolução de Sistemas de Equações Lineares 4. Introdução Aresolução de sistemas de equações lineares é um dos problemas numéricos mais comuns em aplicações científicas. Tais sistemas surgem, por exemplo, em conexão com a solução de equações diferenciais parciais, determinação de caminhos ótimos em redes (grafos) e interpolação de pontos, dentre outros. Consideraremos aqui, inicialmente, a resolução de um sistema de equações lineares de n equações a n variáveis (incógnitas), a x + a 2 x a n x n = b a 2 x + a 22 x a 2n x n = b 2... a n x + a n2 x a nn x n = b n ou, escrito na forma matricial, Ax = b (4.) onde A é uma matriz quadrada, de ordem n, ex e b são vetores de n elementos, a a 2... a n x b a 2 a a 2n x = b 2.. a n a n2... a nn x n b n AmatrizA pode apresentar, dependendo do problema de onde o sistema foi derivado, uma certa estrutura e esparsidade. Uma matriz éditaestruturada se os seus elementos estão dispostos de uma determinada forma como, por exemplo, ao longo de algumas diagonais e/ou colunas/linhas (figuras 4.-a) e 4.-b), como um triângulo (a matriz em 4.-c éditatriangular inferior) ou, ainda, sem estrutura qualquer (4.-d). Além disso, as matrizes mostradas na figura 4. apresentam alguns elementos nulos. Uma matriz éditaesparsa se ela contém, aproximadamente, em torno de 9% de elementos nulos; caso contrário, ela éditadensa. Emconseqüência, pode-se dizer que um sistema é esparso ou denso, dependendo de como é a matriz de coeficientes do sistema. Uma das principais metas a se atingir, na resolução de um sistema de equações lineares, é obterasuasolução no menor espaço de tempo e, se possível, sem alterar a sua estrutura e/ou esparsidade. Por isso, existem certos métodos e/ou algoritmos específicos para se resolver alguns sistemas particulares, conforme veremos a seguir. 6
2 (a) (c), (b), (d) Figura 4.: Estruturas típicas de matrizes: (a)tridiagonal, (b)flecha, (c)triangular inferior, (d) não-estruturada. 4.2 Resolução de Sistemas Triangulares de Equações Lineares Se o sistema (4.) apresenta sua matriz de coeficientes A na forma triangular seja ela inferior, como mostrado na figura 4.-c, ou superior então é possível resolvê-lo de forma imediata, através de substituição direta, para matrizes triangulares inferiores, e de retro-substituição, para matrizes triangulares superiores. Suponha então um sistema triangular inferior, onde L =, Lx = b (4.2) l l 2 l 22 l 3 l 32 l l n l n2 l n3... l nn Nesse caso, as incógnitas x, x 2,..., x n, podem ser facilmente determinadas como x = b l x 2 = b 2 l 2 x l 22 x 3 = b 3 l 3 x l 32 x 2 l x n = b n n j= l njx j l nn O processo acima, denominado de substituição direta, pode ser expresso de forma algorítmica como. A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha 62
3 Algoritmo 4.2. Substituição Direta proc substituição direta(input: L, b; output: x) for i =, 2,...,n do s for j =, 2,...,i do s s + l ij x j x i bi s l ii endproc onde De forma similar, podemos resolver o sistema triangular superior U = Ux = b (4.3) u u 2 u 3... u n u 22 u u 2n u u 3n.... u nn Nesse caso, as incógnitas x, x 2,..., x n, podem ser facilmente determinadas como x n = b n u nn x n = b n u n,n x n u n,n. x n 2 = b n 2 u n 2, x u n 2,2 x 2 u n 2,n 2... x = b n j=2 u jx j u Note que, devido à estrutura de U, asincógnitas são obtidas na ordem contrária àquela com que são obtidas as incógnitas em um sistema triangular inferior. Esse processo é denominado de retro-substituição e pode ser expresso de forma algorítmica como Algoritmo Retro-substituição proc retro substituição(input: U, b; output:x) for i = n, n,..., do s for j = i +,i+2,...,n do s s + u ij x j x i bi s u ii endproc A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha 63
4 4.3 por Eliminação Gaussiana Se o sistema de equações lineares não apresenta uma forma simples, tal que se possa determinar as incógnitas facilmente, então podemos efetuar modificações no sistema de tal forma que o transformamos em um sistema triangular, preservando a solução do sistema anterior. Uma vez feitas estas modificações, a solução é obtida de forma imediata, conforme visto na seção anterior. Um processo desse tipo é aquele chamado de eliminação Gaussiana, o qual consiste em se aplicar operações elementares somas e multiplicações àslinhasdamatrizdecoeficientesedo vetor independente b, de tal forma que a matriz passe a ser triangular superior. Suponha, por exemplo, o sistema x x 2 x 3 = cuja solução é x = x 2 = x 3 =. Para transformarmos a matriz A em uma matriz triangular superior, devemos eliminar os elementos abaixo da diagonal principal de A. Para tanto, se multiplicamos a primeira linha por a 2 /a = /4 e subtraímo-la da segunda, temos: , 5 3, 75 x x 2 = 4 8 x 3 9, 25 2 Agora, para eliminar o termo a 3, multiplicamos a primeira linha por a 3 /a =/ e subtraímo-la da terceira: , 5 3, 75 x 9 x 2 =, x 3 3 Note que os elementos do vetor independente b são modificados também! A matriz agora é praticamente triangular superior; falta eliminar o termo a 32. Para tanto, basta multiplicar a segunda linha por a 32 /a 22 = 2/7, 5 e subtraí-la da terceira, de onde , 5 3, 75 x x 2 = 6 x 3 9, 25 6 Agora, podemos utilizar o algoritmo de retro-substituição para determinar as incógnitas: x 3 =, 25 3, 75 x 2 = = 7, 5 9 (2 +3 ) x = = 4 Podemos sumarizar o processo então da seguinte forma: para se eliminar os elementos abaixo da diagonal na k-ésima coluna (ou seja, os elementos das linhas k +, k +2,..., n na coluna k), usamos o elemento a kk chamado de pivô para calcularmos um multiplicador z = a ik a kk para cada i-ésima linha abaixo da linha k. Esse multiplicador será utilizado para multiplicar a k-ésima linha e subtraí-la da linha i (incluindo, aqui, os elementos do termo independente b). Uma vez eliminados todos os elementos abaixo da diagonal principal de A, resta-nos uma matriz triangular superior,e,então, podemos determinar a solução x usando o algoritmo da retro-substituição. O processo de eliminação Gaussiana pode ser descrito de forma algoritmica como A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha 64
5 Algoritmo 4.3. Eliminação Gaussiana proc eliminação Gaussiana(input: A, b; output: x) for k =, 2,...,n do for i = k +,k+2,...,n do z a ik a kk a ik for j = k +,k+2,...,n do a ij a ij za kj b i b i zb k call retro substituição(a, b, x) endproc 4.3. Dificuldades O processo de eliminação Gaussiana, descrito acima, não consegue resolver todo e qualquer sistema. Considere, por exemplo, o sistema [ ][ ] [ ] x = (4.4) x 2 2 o qual tem como solução x = x 2 =. No entanto, se formos aplicar eliminação Gaussiana a esse sistema, ele falhará, pois o pivô a =. Éóbvio, portanto, que os pivôs não podem ser nulos. O sistema (4.4) pode, no entanto, ser modificado, procedendo-se a uma troca de linhas - imediatamente temos um sistema triangular superior. No entanto, épossível que, ao longo do processo de eliminação Gaussiana, surja um zero na diagonal principal e não seja possível, por qualquer troca de linhas, removê-lo. Nesse caso, o sistema não tem solução ; o algoritmo para a eliminação Gaussiana deve ser modificado adequadamente para se levar em conta tal possibilidade. Opróximo exemplo mostra uma outra dificuldade associada ao método: [ ][ ] [ ] ε x = (4.5) x 2 2 onde <ε, cuja solução correta é x = ε x 2 = 2ε ε No entanto, se aplicarmos eliminação Gaussiana ao sistema (4.5), obteremos x 2 = 2 ε ε x =( x 2 )ε o qual obviamente aproxima bem x 2, mas o valor de x é completamente errado! Isso acontece porque, se ε é pequeno o suficiente em um determinado computador, tanto 2 ε quanto ε serão calculados como ε (devido à perda de dígitos significativos na subtração). Desse exemplo, tiramos uma outra lição: o pivô deve, sempre, ser escolhido como o maior possível, em módulo. O processo de escolha de pivôs, chamado de pivotamento, implica na troca de linhas da matriz de coeficientes (bem como do termo independente b). Computacionalmente, no entanto, não é Esta é, inclusive, uma maneira de se determinar se o sistema é singular, istoé, a matriz de coeficientes não tem inversa. A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha 65
6 aconselhável se movimentar dados na memória de forma excessiva, pois o tempo de execução do algoritmo passa a ser proibitivo. Podemos, no entanto, modificar o algoritmo de eliminação Gaussiana utilizando um vetor auxiliar de índices chamado de p o qual implicitamente diz quais linhas foram trocadas; os elementos desse vetor são utilizados para se acessar convenientemente os elementos da matriz e do termo independente. Note, ainda, que o algoritmo deve ser capaz de tratar o caso no qual não é necessário se efetuar qualquer troca de linhas. No algoritmo a seguir, é feito também um escalonamento das linhas, isto é, um fator s i = max j n a ij, i =, 2,...,n é calculado para cada linha. Esse fator é utilizado para se escolher um pivô que seja o maior relativo aos elementos de uma coluna; em outras palavras, na k-ésima coluna, iremos selecionar o maior valor a pik /s pi nas linhas k i n. O algoritmo para a eliminação Gaussiana com pivotamento e escalonamento pode ser expresso como segue: Algoritmo Eliminação escalonamento Gaussiana com pivotamento e proc eliminação Gaussiana pivotamento e escalonamento(input: A, b; output: x) for i =, 2,...,n do p i i s i max j n a ij for k =, 2,...,n do j k for i = k +,k+2,...,n do if ( a pik /s pi a pjk /s pj ) then j i break endif q p k p k p j p j q if (a pk k =)then break endif for i = k +,k+2,...,n do z a p i k a pk k a pik z for j = k +,k+2,...,n do a pij a pij za pk j b pi b pi zb pk for i = n, ( n,..., do x i b pi ) n j=i+ a p ijx j /a pij endproc A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha 66
7 Note que os fatores a p i k a pk k utilizados para se eliminar os elementos abaixo da diagonal são armazenados na matriz A, onde se colocariam zeros (conforme utilizado no algoritmo da eliminação Gaussiana sem pivotamento). Isso é feito de forma a se poder obter, a partir do algoritmo acima, a fatoração LU da matriz A, conforme veremos na seção a seguir. O exemplo abaixo mostra o funcionamento do algoritmo descrito acima: Exemplo 4. Calcule a solução do sistema x x 2 = 3 x 3 2 Solução: Inicialmente, temos p =(, 2, 3) (de acordo com o algoritmo)e s =(6, 8, 3) (verifique, por inspeção). A cada passo, temos: A = k j p i z 3 (3, 2, ) 2, , 6667, , , 6667, , , , 2,, b =, , , k j p i z 2 3 (3,, 2) 3, 238, , , 6667 A =, 3333, 238, 5385 b = 3, 2,, Uma vez efetuada a eliminação, procede-se ao cálculo das incógnitas: i =3 :, 654 p 3 =2,x 3 =, 5385 =3, 3333 ( 2) i =2 : p 2 =,x 2 = 4, 3333 i = : p =3,x = 2 ( ) = Eliminação Gaussiana e a Fatoração LU, 3333, 654 2, Conforme visto na seção anterior, o algoritmo de eliminação Gaussiana com pivotamento e escalonamento produz, de forma implícita, uma matriz triangular inferior, uma matriz triangular superior e um vetor de permutação. Como essas matrizes foram obtidas por transformações sobre amatriza original, podemos de alguma forma relacioná-las entre si. Primeiramente, analisemos o vetor de permutação; seus elementos indicam qual linha foi trocada com outra, i.e., se p j = k, isso significa que a linha j foi trocada com a linha k. Essa permutação pode ser expressa, também, através de uma matriz de permutação, P,aqualtem como elementos apenas o e o. No exemplo mostrado na seção anterior, obtemos p =(3,, 2) ao fim; ou seja, a linha 3 está no lugar da linha ; a linha está no lugar da linha 2 e, por fim, a linha 2 está na linha 3. A matriz de permutação correspondente é P =. =2 A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha 67
8 Arelação existente entre A e as matrizes triangular inferior, L; triangular superior, U; ea matriz de permutação P éaseguinte: PA = LU onde L é triangular inferior com diagonal unitária e os seus elementos abaixo da diagonal principal encontram-se armazenados na matriz A, ao final do algoritmo de eliminação Gaussiana com pivotamento e escalonamento, porém possivelmente permutados. Usando mais uma vez o exemplo anterior, temos: PA = LU =, , , , 3333, 238, 5385 = onde as matrizes L e U foram permutadas adequadamente, usando a matriz P.Pode-severificar, por inspeção, que o lado direito da igualdade éamatriza com as suas linhas trocadas conforme expresso por P. A fatoração LU é útil quando, para uma mesma matriz de coeficientes A, temos de resolver m sistemas de equações lineares Ax (j) = b (j), com termos independentes b (), b (2),..., b (m). Basta, então, obter a fatoração com o algoritmo de eliminação Gaussiana com pivotamento e escalonamento (sem calcular x i asúltimas três linhas do algoritmo), obtendo L, U e P. Valendose da igualdade PAx = Pb e, como PA = LU, podemos escrever L(Ux)=b, de onde a solução de um sistema Ax = b é obtida resolvendo-se dois sistemas triangulares: Ly = Pb Ux = y A fatoração LU, bem como a solução dos sistemas triangulares acima, são expressas pelos algoritmos e A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha 68
9 Algoritmo Fatoração LU proc fatoração LU(input: A, b; output: A, b, p) for i =, 2,...,n do p i i s i max j n a ij for k =, 2,...,n do j k for i = k +,k+2,...,n do if ( a pik /s pi a pjk /s pj ) then j i break endif q p k p k p j p j q if (a pk k =)then break endif for i = k +,k+2,...,n do z a p i k a pk k a pik z for j = k +,k+2,...,n do a pij a pij za pk j endproc Algoritmo Resolve sistema usando LU proc resolve sistema LU(input: A, b, p; output: x) for i =, 2,...,n do z i b pi i j= a p ijz j for i = n, n,..., do x i endproc ( z i n j=i+ a p ijx j ) /a pii O Custo Computacional da Fatoração LU O custo computacional de um algoritmo numérico é, normalmente, medido em termos do número de multiplicações e/ou divisões, já que adições e subtrações são efetuadas em uma fração do tempo necessário para aquelas outras duas operaçõesaritméticas. Assim, ao nos referirmos a operações, estaremos nos referindo a multiplicações e/ou divisões. Para se obter a fatoração LU de uma matriz A, vemos que, quando k =, no algoritmo respectivo, para cada uma das n linhas abaixo da linha, é calculado um multiplicador e, então, um múltiplo da primeira linha é subtraído daquelas n linhas; isso nos dá n operações. A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha 69
10 Como n linhas são processadas dessa forma, temos um total de n(n ) n 2 operações para aprimeiracoluna. Para as demais colunas, note que o mesmo raciocínio acima éválido, mas écomoseamatriz diminuísse de uma linha e uma coluna a cada novo valor de k. Assim, para todos os n pivôs a serem calculados, teremos: n 2 +(n ) = 3 n3 + 2 n2 + 6 n 3 n3 + 2 n2 aqualé obtida usando n k= k2 = 6n(n + )(2n +). Para se corrigir o termo independente b, gasta-se n operações, depois n 2, e assim sucessivamente, de onde (n ) + (n 2) +...+= 2 n2 2 n. Finalmente, o processo de retro-substituição custa n = 2 n2 + 2 n operações. Combinando todas as expressões, podemos dizer que, para se resolver m sistemas de equações lineares Ax (i) = b (i), usando a fatoração LU, apresenta um custo computacional de aproximadamente 3 n3 + ( 2 + m oquemostraqueé mais eficiente efetuar a fatoração LU apenas uma vez, e depois resolver os m sistemas lineares, do que se resolvêssemos cada sistema independentemente, pois o custo, nesse caso, seria da ordem de 3 mn Resolução de sistemas com múltiplos termos independentes Existem situações que requerem a solução de vários sistemas lineares, todos eles com a mesma matriz de coeficientes, porém com diferentes termos independentes. Como visto na seção 4.3.3, é mais vantajoso, nesse caso, realizar-se a fatoração LU de A, apenas uma vez; a solução de todos os sistemas é obtida, simplesmente, calculando-se as soluções dos sistemas triangulares Ly (i) = Pb (i) e Ux (i) = y (i), onde o índice (i) identifica um sistema específico Cálculo da inversa de uma matriz Uma dessas situações éocálculo da inversa de uma matriz. Note que tal cálculo não é realizado com o fim de se resolver um sistema de equações (utilizando-se a relação x = A b; aplicações que envolvam certas decomposições de matrizes exigem que se escreva um vetor v como XDX, onde X e D são matrizes. Seja então a matriz A, cujainversaa é desejada. Como, por definição, o produto entre uma matriz e a sua inversa é a matriz identidade I, ) n 2 AA = I (4.6) podemos escrever o problema de determinação da inversa na forma de um sistema de equações lineares com múltiplos termos independentes (e, conseqüentemente, múltiplas soluções) como onde X A, i.e., as colunas (X) i são as colunas de A. AX = I (4.7) A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha 7
11 Dessa forma, obtendo-se a fatoração LU de A, a primeira coluna de A é obtida resolvendo-se os sistemas Ly (i) = P (4.8)... e U(X) = y () (4.9) e a segunda coluna éobtidacomo Ly (2) = P (4.)... e U(X) 2 = y (2) (4.) easdemaiscolunassão obtidas similarmente. Note que, computacionalmente, basta usar apenas um vetor y, sendo o mesmo reutilizado a cada novo sistema resolvido. Exemplo 4.2 Obtenha a inversa da matriz 2 A = 2 Solução: Aplicando-se o algoritmo 4.3.3, obtemos os fatores L, U e P : L =, 5, 5 U = P = Agora, aplica-se o algoritmo usando-se como termo independente o vetor (,,...,) T, i.e., resolve-se Ly () = P, 5 y () =, 5 y () = A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha 7
12 e U(X) = y () (X) = (X) =,, e Para a segunda coluna, temos, 5, 5 Ly (2) = P y (2) = y (2) = U(X) 2 = y (2) (X) 2 = (X) 2 =,, 3, e Finalmente, para a terceira coluna, temos, 5, 5 Ly (3) = P y (3) = y (3) =, U(X) 3 = y (3) (X) 3 =, 5 (X) 3 =,, A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha 72
13 Assim, A é dada por A = X =,,, 3,,,, e pode-se verificar que 2 2,,,, 3,,, AA = I = 4.4 Resolução Iterativa de Sistemas de Equações Lineares Em certos casos, não é conveniente se resolver o sistema Ax = b através de um método direto como a eliminação Gaussiana. Considere, por exemplo, a matriz A derivada da discretização em diferenças-finitas (com estêncil de 5 pontos) do operador diferencial 2, cuja estrutura é mostrada na figura 4.2; se aplicarmos a fatoração LU sobre A, alguns dos elementos que eram nulos em A passarão a ser diferentes de zero, tanto em L como em U (figura 4.3). Note que A tem 64 elementos não-nulos, ao passo que L e U apresentam um total de 34 elementos não-nulos. A. Estrutura da matriz A nz = 64 Figura 4.2: Estrutura da matriz A derivada da discretização em diferenças-finitas do operador diferencial 2. eliminação Gaussiana está, nesse caso, destruindo a estrutura e/ou a esparsidade da matriz, o que não é aconselhável, principalmente para matrizes grandes (n >). Por outro lado, mesmo quando a matriz é densa ou seja, a inserção de elementos não-nulos não implicará em aumento considerável do uso da memória pode não ser aconselhável utilizar um método direto, se a solução desejada necessita apenas um número pequeno de dígitos corretos. Estrutura da matriz L Estrutura da matriz U nz = nz = 67 Figura 4.3: Estruturas da matriz L (à esquerda)e U (à direita), resultantes da fatoração LU de A. A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha 73
14 Uma outra razão, que justifica o uso de métodos iterativos (ver [3]), é o fato de seu custo computacional ser proporcional a n 2 (e, às vezes, até mesmoan), o que os torna bastante competitivos, se comparados a um método direto (cujo custo é proporcional a n 3 ) Normas de vetores e de matrizes Como todo processo iterativo, é necessário saber quando se alcançou a convergência do processo em nosso caso, obteve-se uma estimativa x k que aproxima suficientemente x = A b. Fazendo uma analogia com o método da bissecção (ver seção 2.2), onde se detectava a convergência quando o comprimento do intervalo era menor do que uma tolerância pré-especificada, aqui vamos também calcular um comprimento de um vetor (em IR n ). Para se calcular esse comprimento, utiliza-se uma norma. Uma norma de um vetor x pertencente a um espaço vetorial V é uma função x : V IR + que obedece aos seguintes postulados: x >, se x,x V λx = λ x, se λ IR,x V x + y x + y se x, y V (desigualdade triangular) A norma de um vetor é o seu comprimento no espaço vetorial V ;é uma generalização da noção de valor absoluto de um número real. Para o espaço vetorial IR n, a norma mais conhecida é a chamada norma Euclidiana, definida por x 2 = ( n i= x 2 i ) 2 (4.2) onde x =(x,x 2,...,x n ) T. Particularmente, em IR 2,temos x 2 = x 2 + x2 2,queé a expressão paraadistância de um ponto com coordenadas (x,x 2 )emrelação àorigemdosistemadeeixos cartesianos. Existemoutrasnormasquesão bastante usadas em cálculos numéricos, como a norma-l eanorma-l, x = n max i= x i (4.3) x = n x i (4.4) as quais são bem mais simples e menos onerosas de se calcular do que a norma Euclidiana Normas de matrizes Uma vez especificada uma norma de um vetor, a norma matricial subordinada é definida como para uma matriz An n. Pode-severificarque i= A =sup Au : u IR n, u = (4.5) Ax A x, x IR n Por exemplo, a norma matricial subordinada da norma vetorial é dada por A = n max i= n a ij (4.6) j= A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha 74
15 4.4.3 Número de condição de uma matriz Normas de vetores e de matrizes nos permitem avaliar o quão suscetível a erros numéricos será uma computação empregando-se uma dada matriz A. Para tanto, suponha que se deseja resolver osistemaax = b, onde A é n n e A existe. Se A tem seus valores perturbados (isto é, ligeiramente modificados), gerando uma nova matriz B, asolução do sistema não émaisx = A b mas x = Bb. Essa perturbação pode ser medida em termos do comprimento do vetor x x, x x = x Bb = x BAx = (I BA)x I BA x ou x x I BA x o que nos dá umanoção do erro relativo entre x e x. De forma análoga, suponha que b foi perturbado, gerando um novo vetor b. Se x e x são as soluções de Ax = b e A x = b, podemos medir o erro absoluto entre x e x escrevendo e o erro relativo como x x = A b A b = A (b b) A b b x x A b b = A Ax b b b A A x b b b x x x A A b b b o que nos diz que o erro relativo em x é limitado pelo número A A. Essa quantidade é denominada de número de condição de A, eé denotada por Vejamos um exemplo do uso de κ(a). κ(a) = A A (4.7) Exemplo 4.3 Seja a matriz A e sua inversa A, [ ] +ε A = A ε = [ ε 2 ε +ε ]. Usando a norma-l,então A =2+ε e A = ε 2 (2 + ε), deonde ( ) 2 2+ε κ(a) = > 4 ε ε 2. Se ε,, então κ(a) 4. Isso quer dizer que, se b sofrer uma pequena perturbação, a perturbação relativa na solução do sistema Ax = b será 4 vezes maior! Uma matriz que tenha um número de condição muito grande é dita mal-condicionada, e pequenas variações nos valores de b induzirão um grande erro relativo no vetor solução do sistema. A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha 75
16 4.4.4 Erros computacionais e condicionamento Qualquer solução de um sistema linear deve ser considerada uma solução aproximada, em virtude de erros de arredondamento e outros. O método mais natural para determinação da precisão de uma solução éverificarquão bem esta soluçãosatisfazo sistema original, calculando o vetorresíduo. Se a solução aproximada x for uma boa aproximação, pode-se esperar que cada componente de r = b A x seja pequeno, pelo menos em um conceito relativo. Há sistemasdeequações, contudo, em que o resto não proporciona uma boa medida da precisão da solução. São sistemas nos quais pequenas alterações nos dados de entrada conduzem a mudanças significativas na solução. Estes são denominados sistemas instáveis ou mal-condicionados. Exemplo 4.4 A solução exata do sistema { x + x 2 =2, x + x 2 =2, é x = x 2 =. Supondo que, devido a erros, a solução calculada fosse x = x 2 = 2, 5 o vetor resíduo neste caso seria R T =[, 5;, 5]. Entretanto, o erro em cada resposta, x e x 2,é de aproximadamente uma unidade. Por outro lado, os coeficientes também podem conter erros. Supondo que algum tipo de erro tenha mudado as equações acima para { x + x 2 =2, x + x 2 =2, 7 até mesmo uma solução bem diferente da anterior, como x = e x 2 = 98 produziria um resíduo bem pequeno, R T =[;, 3]. Erros deste tipo, ao contrário daqueles causados pela acumulação de erros de arredondamento, não podem ser evitados por uma programação cuidadosa. Como, então, determinar quando um problema é mal-condicionado? Figura 4.4: Os sistemas que descrevem a intersecção das retas são, da esquerda para a direita: bem-condicionado, mal-condicionado e singular. Em geral, tem-se a situação mostrada na figura 4.4, para o caso de duas retas. Quando o sistema é ordem maior, no entanto, deve-se recorrer a medidas algebricas para se estimar o malcondicionamento do sistema. Uma dessas medidas é o chamado determinante normalizado da matriz dos coeficientes. Paraobtê-lo, normaliza-se a matriz de coeficientes A dividindo-se cada A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha 76
17 linha de A pela raiz quadrada da soma dos quadrados dos elementos de cada linha, norm A = a a 2 α a 2 a 22 α 2. a n α n a n α a 2n α 2 α α a n2 α n a nn α n = A α α 2... α n (4.8) onde α i = a 2 i + a2 i a2 in. Diz-se, então, que uma matriz A é mal-condicionada se o número norm A for pequeno, comparado com a unidade. Exemplo 4.5 Seja a matriz A = [, verifique se ela é mal-condicionada. Solução: Calculando-se α = e α 2 = 2, 2, podemos obter, norm A =, 5 α α 2 ou seja, A é dita ser mal-condicionada Métodos iterativos Dado um sistema não-singular de n equações lineares Ax = b, ummétodo iterativo para resolver esse sistema é definido por um conjunto de funções Φ k (x,x,...,x k,a,b), onde x =Φ (A, b) é uma estimativa inicial para a solução x = A b e x, x 2,... são as aproximações sucessivas para asolução, ] ; x = Φ (x,a,b) x 2 = Φ 2 (x,x,a,b). x k = Φ k (x,x,...,x k,a,b) As funções Φ k nos definem os métodos iterativos. Diz-se que um método é estacionário se, para um m>, Φ n não depende de n para todo n m, ouseja,φ=φ m =Φ m+ =... Nesse caso, x n+ depende de, no máximo, m vetores anteriores, x n, x n,..., x n m+. Por exemplo, para m =2,temos x = Φ (A, b) (4.9) x = Φ (x,a,b) (4.2) x k = Φ(x k 2,x k,a,b), k =2, 3,... (4.2) O grau de um método estacionário é ˆm (para ˆm m) se,paran m, x n+ depende de x n, x n,..., x n ˆm+ mas não para k<n ˆm+. O grau de um método iterativo definido pelas equações (4.9)-(4.2) é 2. Um método iterativo éditolinear se todas as funções Φ i são funções lineares de x, x,..., x n. Assim, um método iterativo estacionário linear de grau pode ser expresso por onde G é uma matriz e f um vetor, escolhidos adequadamente. x k+ = Gx k + f (4.22) A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha 77
18 Para um método como em (4.22), podemos nos referir a um sistema linear relacionado, (I G)x = f; (4.23) onde I é a matriz identidade de ordem n. Por exemplo, se G = I A, f b, então (4.23) é equivalente a Ax = b. A definição de um método iterativo pode também ser feita a partir de uma matriz separadora, Q. Podemos escrever o sistema Ax = b na forma equivalente Qx =(Q A)x + b (4.24) isto é, x =Φ(x, A, b), o que nos leva a escrever um processo iterativo, de aproximações sucessivas, como Qx k =(Q A)x k + b, k =,,... (4.25) AmatrizQ deve ser escolhida de tal forma que se possa calcular rapidamente os x k equea seqüência x, x,... convirja rapidamente para a solução x = A b. A fim de obter uma condição necessária e suficiente para que haja convergência, reescrevemos (4.25) como x k =(I Q A)x k + Q b (4.26) Asolução x satisfaz a equação i.e., x éumponto fixo do mapa x =(I Q A)x k + Q b (4.27) x (I Q A)x k + Q b (4.28) Usando as equações (4.26) e (4.27), podemos obter uma expressão para o erro x k x como e, aplicando normas, temos x k x =(I Q A)(x k x) (4.29) x k x (I Q A) (x k x) (I Q A) 2 (x k 2 x). (I Q A) k (x x) (4.3) de onde lim k x =, k se (I Q A) < (4.3) desde que A e Q sejam invertíveis Refinamento iterativo O primeiro método iterativo para a solução de um sistema de equações lineares Ax = b é o chamado refinamento iterativo. Para uma estimativa inicial x, definimos o vetor erro e como e = x x (4.32) eovetorresíduo r como r = b Ax. (4.33) O vetor erro nos diz o quanto x está distantedex, eovetorresíduo nos diz o quanto Ax está distante de b. A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha 78
19 Multiplicando r por A,temos A r = A b x = x x = e (4.34) e, usando essa igualdade, podemos obter uma expressão para x: x = x + A r (4.35) Note que a equação (4.35) envolve A ; mas, obviamente, não podemos utilizá-la, pois se a calculássemos, a solução do sistema seria imediata! Por outro lado, a equação (4.34) nos permite escrever Ae = r (4.36) e, combinando as equações (4.33), (4.36) e (4.35), podemos descrever o método do refinamento iterativo como r k = b Ax k resolve Ae k = r k, k =,,... (4.37) x k+ = x k + e k Ométododorefinamentoiterativoé utilizado em conjunto com um método direto, como a eliminação Gaussiana. Tendo fatorado A no produto LU e obtido uma solução x para Ax = b (a qual pode não ser muito boa, devido a erros de arredondamento), fazemos x = x e refinamos essa solução, usando (4.37), até quex k seja suficientemente bom. Note que a fatoração LU pode, agora, ser utilizada para resolver Ae k =(LU)e k = r k. Se consideramos que a solução obtida com a fatoração LU de A não foi exata, então podemos dizer que U L = B A.Usandoaequação (4.35), escrevemos x k+ = x k + A r k = x k + A b A Ax. k.. B A... = x k + B(b Ax k ) (4.38) De onde podemos mostrar que o método converge para uma solução: subtraindo x de ambos os lados da equação (4.38), temos x k+ x = x k x + B(b Ax k )... b = Ax... = x k x + B(Ax Ax k )=(I BA)(x k x) e, tomando normas de ambos os lados da igualdade acima, vem, pela desigualdade triangular: x k+ x I BA x k x... x k x = I BA x k x... I BA 2 x k x.. I BA k x x o que nos diz que os erros convergem para se I BA <. Assim como nos métodos de determinação de raízes de funções, precisamos definir alguns critérios de parada do processo de refinamento. O primeiro desses critérios é a estipulação de um número máximo de iterações (k max ); o segundo pode ser baseado na norma do resíduo r k, devidamente escalonada por b (usando uma norma qualquer, previamente escolhida). Assim, as iterações procederão enquanto r k <ε b (4.39) não for satisfeito; ε éumnúmero real, escolhido de acordo com a exatidão requerida. Um algoritmo que expressa o método do refinamento iterativo pode ser escrito como: A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha 79
20 Algoritmo 4.4. Refinamento Iterativo proc refinamento iterativo(input: A, L, U, b, x, k max, ε; output:x k ) t ε b for k =,,...,k max do r k b Ax k if r k <tthen break endif resolve (LU)e k = r k, obtendo e k x k+ x k + e k endproc O exemplo abaixo [] mostra o comportamento desse método. Exemplo 4.6 Seja o sistema x = cuja solução é o vetor x =(,,, ) T. Utilizando um computador com apenas 6 casas decimais de precisão, obtemos como solução inicial, através da eliminação Gaussiana, com pivotamento, o vetor x =(, ,, 37,, 99967,, 25) T Agora, dispondo dos fatores triangulares da fatoração LU, podemos utilizar o algoritmo 4.4. e obter: x =(, ,, 69,, 99983,, ) T Método iterativo de Jacobi x =(, ,, 46,, 99989,, 7) T x =(, ,, 8,, 99982,, 2) T x =(,,, 6,, ,, ) T Suponha o sistema (4.), com n = 3, sem perda de generalidade. Se os elementos da diagonal de A são todos não-nulos, então pode-se isolar cada variável x, x 2 e x 3 através de onde x = c 2 x 2 + c 3 x 3 + d x 2 = c 2 x + c 23 x 3 + d 2 x 3 = c 3 x + c 32 x 2 + d 3 c ij = { a ij a ii, i j, i = j d i = b i /a ii Com essa transformação, o sistema Ax = b foi transformado em um sistema da forma (I C)x = d A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha 8
21 onde C = D (D A), d = D b e D = diag(a) (istoé, a matriz formada pelos elementos da diagonal de A). De forma equivalente, podemos escrever x = Cx + d o que sugere uma correção de x por aproximações sucessivas, x k+ = Cx k + d = D (D A)x k + D b = = (I D A)x k + D b, k =,,... (4.4) a qual define o método iterativo de Jacobi. A matriz separadora, aqui, é D ;ométodo de Jacobi converge se a matriz A for diagonal dominante, i.e., n a ii > a ij (4.4) e, usando a norma-l, j= j i I D A = max i n de onde pode-se verificar que a dominância diagonal é condição necessária para a convergência do método. Para obtermos a solução do sistema Ax = b via o método iterativo de Jacobi, podemos usar a forma equivalente a (4.4), x k+ = x k D Ax k + D b (4.42) Note que, do ponto de vista de eficiência do processo, deve-se efetuar as divisões de cada linha de A edoelementorespectivodeb pelo elemento na diagonal de A antes de se iniciar as iterações. Além disso, se o critério de parada envolve o cálculo do resíduo r k = b Ax k, isso exigiria um produto matriz-vetor a mais por iteração, o que pode ser evitado se usarmos como critério de parada r k+ = D r k+, D r k+ ε D b (4.43) pois r k+ = D r k+ = D b D Ax k+ e os termos no lado direito da equação já foram calculados, anteriormente, para se obter x k+.o algoritmo a seguir utiliza essas idéias: n j= j i a ij a ii A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha 8
22 Algoritmo Método de Jacobi proc jacobi(input: A, b, x, k max, ε; output:x k+ ) for i =, 2,...,n do q i a ii t ε q b for i =, 2,...,n do for j =, 2,...,n do a ij a ij q i % sobrescreve A com D A b i b i q i % sobrescreve b com D b for k =,,...,k max do w Ax k x k+ = x k w + b r k+ b w if r k+ <tthen break endif endproc O exemplo abaixo ilustra o comportamento típico do método de Jacobi: Exemplo 4.7 Resolva o sistema x = cuja solução é x = (, 667,, 3333,, 3333,, 667) T, usando o método de Jacobi com x = (,,, ) T aumatolerância ε = 2. Solução: Aplicando o método de Jacobi, obtemos x = (,, 25,, 25, ) T x 2 = (, 25,, 25,, 25,, 25) T x 3 = (, 25,, 325,, 325,, 25) T x 4 = (, 563,, 325,, 325,, 563) T x 5 = (, 563,, 328,, 328,, 563) T x 6 = (, 64,, 328,, 328,, 64) T x 7 = (, 64,, 332,, 332,, 64) T x 8 = (, 66,, 332,, 332,, 66) T ou seja, com oito iterações, obtemos uma aproximação para a solução dentro da tolerância especificada Método iterativo de Gauss-Seidel Analisando o método de Jacobi, vê-se que, a cada iteração, produzem-se todos os elementos do vetor x k+, usando apenas os elementos do vetor x k. No entanto, nada impede que, àmedida A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha 82
23 que os elementos de x k+ são produzidos, eles possam ser utilizados para produzir os próximos elementos do próprio x k+.ométodo de Gauss-Seidel faz exatamente isso. De forma análoga ao método de Jacobi, escrevemos, para n =3, x k+, = u 2 x k,2 + u 3 x k,3 + d x k+,2 = l 2 x k+, + u 23 x k,3 + d 2 x k+,3 = l 3 x k+, + l 32 x k+,2 + d 3 ou, em forma matricial, x k+ = Lx k+ + Ux k + d (4.44) onde L = D A L, U = D A U, D = diag(a), d = D b e A L e A U indicam as porções estritamente inferior e superior de A (isto é, sem a diagonal). No caso do método de Gauss-Seidel, podemos escrever a correção para x k+ de forma mais compacta; note que a expressão Lx k+ + Ux k pode ser calculada como n ( ) aij x j, i =, 2,...,n j= j i a ii Ocritério de parada, no entanto, deve ser calculado usando o resíduo r k+ = b Ax k+,como mostra o algoritmo Algoritmo Método de Gauss-Seidel proc gauss seidel(input: A, b, x, k max, ε; output:x k+ ) for i =, 2,...,n do q i a ii t ε q b for i =, 2,...,n do for j =, 2,...,n do a ij a ij q i % sobrescreve A com D A b i b i q i % sobrescreve b com D b for k =,,...,k max do u x k for i =, 2,...,n do u i b n j= a ij u j j i x k+ u r k+ b Ax k+ if r k+ <tthen break endif endproc O exemplo 4.8 ilustra o comportamento típico do método de Gauss-Seidel: Exemplo 4.8 Resolva o sistema x = A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha 83
24 cuja solução é x = (, 667,, 3333,, 3333,, 667) T,usandoométodo de Gauss-Seidel com x =(,,, ) T aumatolerância ε = 2. Solução: Aplicando o método de Gauss-Seidel, obtemos x = (,, 25,, 25,, 25) T x 2 = (, 25,, 325,, 325,, 563) T x 3 = (, 563,, 328,, 328,, 64) T x 4 = (, 64,, 332,, 332,, 66) T ou seja, com quatro iterações, obtemos uma aproximação para a solução dentro da tolerância especificada. Da mesma forma que o método de Jacobi, uma condição necessária e suficiente para a convergência do método de Gauss-Seidel équeamatriza seja diagonal-dominante (ver equação 4.4). Existe um critério de Sassenfeld que, se atendido, garante a convergência do método. Para se verificar se uma matriz de coeficientes do sistema satisfaz a tal critério, calcula-se os valores S, S 2,..., S n, definidos como S = a ( a 2 + a a n S 2 = a 22 ( a 2 S + a a 2n.. S n = a nn ( a n S + a n2 S a nn S n e, se S i <, i n entãoométodo de Gauss-Seidel irá convergir. (4.45) Exemplo 4.9 Para a matriz do exemplo 4.8, verifique se o critério de Sassenfeld é atendido. Solução: Calculando os valores de S i,temos: S = ( + ) =, 5 < 4 S 2 = (, 5+ ) =, 375 < 4 S 3 = (, 5+ ) =, 375 < 4 S 4 = (, 375 +, 375) =, 875 < 4 e, como S i <, i 4, ocritério de Sassenfeld é atendido e, por conseguinte, o método de Gauss-Seidel é convergente para um sistema com essa matriz de coeficientes. O critério de Sassenfeld é, no entanto, apenas suficiente; uma matriz pode não atendê-lo e, mesmo assim, o método de Gauss-Seidel pode convergir, como mostra o exemplo abaixo. Exemplo 4. Resolvaosistema [ 3 ] [ x = 3 3 ] Solução: Ocritério de Sassenfeld não é satisfeito pois, calculando os valores de S i,temos S = S 2 = ( = ( ) =, < 3 A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha 84
25 No entanto, o método de Gauss-Seidel converge para a solução x = (, 5,, 5) T em iterações, a uma tolerância de 4 : x = (,,, ) T x = (3,, 2, ) T x 2 = (,,, 3333) T x 3 = (, 6667,, 5556) T x 4 = (, 4444,, 485) T x 5 = (, 585,, 562) T x 6 = (, 4938,, 4979) T x 7 = (, 52,, 57) T x 8 = (, 4993,, 4998) T x 9 = (, 52,, 5) T x = (, 4999,, 5) T x = (, 5,, 5) T Note que a dominância diagonal de uma matriz é relacionada com a ordem em que as equações se apresentam. Uma simples troca entre duas linhas pode ser desastrosa, como mostra o exemplo aseguir. Exemplo 4. Seja o sistema apresentado no exemplo 4., com as linhas trocadas entre si, i.e. [ ] [ ] 3 3 x = 3 Nesse caso, como a matriz do sistema não é diagonal-dominante, o método de Gauss-Seidel diverge, apresentando como primeiras estimativas os vetores x = (,,, ) T x = ( 3,, 6, ) T x 2 = (5,, 2, ) T x 3 = ( 39,, 42, ) T. x 8 = ( 29523,, 29526, ) T x 9 = (88575,, 88572, ) T. x 2 = (5, 232 9, 5, ) T apesar do sistema ter a mesma solução x =(, 5,, 5) T Extrapolação de um método iterativo Uma das formas de garantir e/ou acelerar a convergência de um método iterativo é utilizar uma técnica de extrapolação, a qual consiste em se combinar a correção da estimativa x k dadapela equação governante do método iterativo com uma outra correção, semelhante. Em termos das funções Φ, isso pode ser expresso como x k+ = ωφ k (x,x,...,x k,a,b)+( ω) Φ k (x,x,...,x k,a,b),ω IR (4.46) Note que, se ω =, temos o método iterativo original. A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha 85
26 Porexemplo,nocasodométodo de Jacobi, podemos usar Φ k (x,x,...,x k,a,b)=i (ou seja, a matriz identidade). Assim temos o método de relaxação de Jacobi (JOR), x k+ = ω(x k D Ax k + D b)+( ω)x k, <ω (4.47) e, de forma análoga, temos o método das relaxações sucessivas (SOR), uma variante do método de Gauss-Seidel, x k+ = ω(lx k+ + Ux k + d)+( ω)x k, <ω<2 (4.48) Exemplo 4.2 Sejaosistema x = 3 3 cuja solução é (,,, ) T. Utilizando-se o método JOR para resolvê-lo, com ω =, 65, auma tolerância ε = 2, obtemos: x = (,,,,,,, ) T x = (, 325,, 975,, 975,, 325) T x 2 = (, 63,, 8937,, 8937,, 63) T x 3 = (, 349,, 992,, 992,, 349) T x 4 = (, 35,, 9884,, 9884,, 35) T x 5 = (, 38,, 9986,, 9986,, 38) T ou seja, com cinco iterações, obtemos uma aproximação para a solução dentro da tolerância especificada. O método de Jacobi, se utilizado para resolver o mesmo método, não alcança a solução após 2 iterações. Exemplo 4.3 Sejaosistema x = cuja solução é x =(, 667,, 3333,, 3333,, 667) T. Utilizando-se o método SOR para resolvêlo, com ω =,, aumatolerância ε = 2, obtemos: x = (,,, 275,, 275,, 53) T x = (, 53,, 337,, 337,, 668) T x 2 = (, 668,, 3336,, 3336,, 668) T ou seja, com três iterações, obtemos uma aproximação para a solução dentro da tolerância especificada (compare com o exemplo 4.8). 4.5 MétododoGradiente Ométododogradienteé indicado para resolver um SELA onde A é uma matriz simétrica, positivodefinida (SPD), i.e. x T Ax >, x IR n (4.49) Uma outra característica de matrizes SPD é que todos os seus autovalores são estritamente positivos. Ométodo baseia-sena relação existente entre a solução de um SELA e a minimização da forma quadrática, quando A for SPD. Assim, inicialmente veremos o que é a forma quadrática e alguns exemplos da mesma. A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha 86
27 4.5. Forma Quadrática A forma quadrática é uma função vetorial f : R n R dada por f(x) = 2 xt Ax b T x + c (4.5) onde A IR n n, x IR n, b IR n e c IR. Por exemplo, considere o sistema [ 2 2 ] [ x = ] (4.5) cuja solução é x =(, ) T. A matriz de coeficientes éspdeafigura4.5mostraográfico e as curvas de nível da forma quadrática correspondente (com c = ). Note que o gráfico da função é um parabolóide portanto, com apenas um ponto de mínimo e que aparentemente, o ponto (, ) (ou seja, a solução do sistema) éopontodemínimo da função. Já as figuras mostram outras situações possíveis, dependendo dos valores dos elementos de A (todos os sistemas tiveram fixada a sua solução em (, ) e os termos independentes foram calculados adequadamente). Por exemplo, na figura 4.6, temos os gráficos para a matriz negativodefinida [ ] 2 2 i.e., x T Ax <, x; note que a forma do gráfico é um parabolóide invertido, com apenas um ponto de máximo éasituação oposta à de uma matriz SPD. Na figura 4.7, temos o caso em que a forma quadrática assume tanto valores negativos quanto positivos ográfico da função é a chamada sela. A matriz em questão é [ Finalmente, o gráficoeascurvasdenível para a forma quadrática exibidos na figura 4.8 correspondem a uma matriz quase-singular, [ ] 2 2 3, 8 a qual apresenta infinitas soluções ao longo da reta na base do gráfico. Para verificarmos se isso é verdade, vamos calcular f (x) =. Como f é uma função vetorial, a sua derivada ou gradiente é dada por f (x) = ] x f(x) x 2 f(x). x n f(x) (4.52) oqualrepresentaumcampo vetorial; para um dado ponto x, ele aponta na direção de maior variação de f(x). O gráfico de f (x) na figura 4.9 étípico da situação em que A éspd: Aplicando a equação (4.52) à (4.5), obtemos e, se A ésimétrica, A = A T, de onde f (x) = 2 AT x + Ax b (4.53) 2 f (x) =Ax b. Igualando f (x) a zero, obtemos Ax = b, ou seja, o sistema que queremos resolver. Portanto, podemos dizer que A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha 87
28 Figura 4.5: Gráfico de f(x) e suas curvas de nível para A SPD. Figura 4.6: Gráfico de f(x) e suas curvas de nível para A ND. A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha 88
29 Figura 4.7: Gráfico de f(x) e suas curvas de nível para A indefinida. Figura 4.8: Gráfico de f(x) e suas curvas de nível para A singular. A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha 89
30 Figura 4.9: Gráfico de f (x) para A SPD. minimizar a forma quadrática f(x) = 2 xt Ax b T x+c equivale a resolver o sistema Ax = b se A for simétrica. Se a matriz A é positivo-definida, além de simétrica, entãoasolução de Ax = b éomínimo (único) de f(x); logo, para A SPD, a solução x = A b éopontox que minimiza f(x). Isso pode ser mostrado como segue. Suponha A simétrica, x um vetor que satisfaz Ax = b, y um vetor similar a x (em termos geométricos, y éumpontopróximo a x) ee = y x o vetor erro; então, f(x + e) = 2 (x + e)t A(x + e) b T (x + e)+c = 2 xt Ax + e T Ax + 2 et Ae b T x b T e + c... b = Ax; A = A T... = 2 xt Ax b T x + c + e T b + 2 et Ae b T e = f(x)+ 2 et Ae (4.54) e f(x + e) =f(x x + y) =f(y) =f(x)+ 2 (y x)t A(y x) (4.55) Agora, como A é SPD, por hipótese, então (y x) T A(y x) >, y e, portanto, f(y) >f(x). Isso mostra que x éomínimo de f(x), nesse caso Descrição do método do Gradiente O gráfico da forma quadrática, para A SPD, nos sugere uma estratégia para localizarmos a solução do sistema: basta escorregar ao longo das paredes do parabolóide, pois isso nos levará, necessariamente, ao ponto de mínimo. A questão que se coloca agora é: qual direção devemos tomar, a partir de um x k,paraobtermosumx k+ que seja mais próximo da solução? A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha 9
31 Figura 4.: O vetor erro e e o vetor resíduo r. Lembramos que o gradiente f (x) apontanadireção de maior aumento de f(x), em sentido oposto ao fundo do parabolóide. É natural, portanto, que andemos ao longo da direção oposta ao gradiente, isto é, f (x) =b Ax. Ora, conforme visto anteriormente, r k = b Ax k, de onde estabelecemos as seguintes relações entre o vetor resíduo e o gradiente de f(x): r k = f (x) (4.56) r k = b Ax. k.. e k = x k x... = b Ax Ae. k.. x = A b... = Ae k (4.57) Aequação (4.56) nos diz que o resíduo tem a mesma direção do gradiente, porém sentido oposto; já aequação (4.57) nos diz que o resíduo é o vetor erro, transformado por A (e, portanto, no mesmo espaço de b). Suponha, então, que temos a seguinte situação, conforme a figura 4.. Como decidimos andar ao longo do vetor resíduo, a partir de x, a nova estimativa x é um ponto sobre a reta r,ouseja x = x + α r, α IR (4.58) O escalar α indica o deslocamento sobre r. Para determinar o melhor α ou seja, aquele para oqual x x émínimo derivamos f(x )emrelação a α e igualamo-la a zero: d f(x )=f (x ) T d x = f (x ) T r (4.59) dα dα Note que f (x ) T r é o produto escalar entre os vetores f (x )er. Como o produto escalar é dado por u T v = u v cos θ onde θ éoângulo formado entre os vetores u e v, ao igualarmos f (x ) T r a zero, estamos exigindo que os vetores f (x )er sejam ortogonais entre si. Como f (x )= r, isso implica que dois resíduos sucessivos são ortogonais entre si; a figura 4. mostra três situações típicas para a solução do sistema (4.5), com as seqüências de resíduos (representados pelas retas) gerados pelo método do Gradiente a partir de três diferentes estimativas iniciais. A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha 9
32 Figura 4.: Caminhos típicos no método do Gradiente. A partir da equação (4.59), pode-se o obter o valor de α : f (x ) T r =... f (x )= r... r T r = (b Ax ) T r = (b Ax α Ar ) T r = (r α Ar ) T r = de onde α = rt r r T Ar (4.6) O que significa minimizar f (x )? Os gráficos mostrados na figura 4.2 mostram que, para α calculado conforme a equação (4.6), a nova estimativa x corresponde ao mínimo da parábola obtida como se tivéssemos cortado o parabolóide f(x) por um plano vertical ao plano x y que passa pela reta r! Utilizando as equações (4.58) e (4.6), além da expressão para o resíduo, devidamente generalizadas para a k-ésima iteração, podemos escrever um algoritmo que descreve o método do Gradiente. Antes, porém, note que r = r α Ar conforme obtido na derivação da equação (4.6); essa expressão nos permite economizar um produto matriz-vetor da forma Ax k,poisar k játerá sido calculado previamente para se obter α k. O algoritmo pode ser, então, escrito como segue. A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha 92
33 Figura 4.2: α é escolhido de tal forma que f(x ) émínima. Algoritmo 4.5. MétododoGradiente proc gradiente(input: A, b, x, k max, ε; output:x k+ ) t ε b r b Ax for k =,,...,k max do w k Ar k α k rt k r k r T k w k x k+ x k + α k r k r k+ r k α k w k if r k+ <tthen break endif endproc O exemplo seguinte ilustra o comportamento típico do método do Gradiente: Exemplo 4.4 Resolvaosistema x = cuja solução é x =(, 667,, 3333,, 3333,, 667) T,usandoométododoGradientecomx = (,,, ) T aumatolerância ε = 2. Solução: Aplicando o método do Gradiente, obtemos x = (,, 25,, 25, ) T x 2 = (, 25,, 25,, 25,, 25) T x 3 = (, 25,, 325,, 325,, 25) T x 4 = (, 563,, 325,, 325,, 563) T x 5 = (, 563,, 328,, 328,, 563) T x 6 = (, 64,, 328,, 328,, 64) T A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha 93
34 Figura 4.3: Método das Direções-Conjugadas: a cada iteração é corrigida uma componente do vetor solução. ou seja, com seis iterações, obtemos uma aproximação para a solução dentro da tolerância especificada. Um possível problema ao se utilizar a fórmula de recorrência para r k+ no método do Gradiente é a perda de ortogonalidade entre os vetores resíduo, causada pela acumulação de erros de ponto-flutuante. Isso pode ser detectado através do cálculo do produto-interno entre dois resíduos sucessivos, r T k r k; caso essa quantidade seja maior do que, por exemplo, ε (onde ε éoépsilon da máquina), deve-se recalcular r k = b Ax k, e proceder normalmente com o algoritmo. 4.6 Método das Direções-Conjugadas Conforme visto anteriormente, o método do Gradiente toma sucessivas direções os resíduos que são ortogonais entre si. Isso significa que a solução é procurada repetindo-se direções. Ora, se para uma dada direção, a solução não foi encontrada ao longo dela, então por que utilizá-la novamente? Uma alternativa é a seguinte: suponha que tenhamos um conjunto de n direções de procura d, d,..., d n.emcadai-ésima direção, caminha-se exatamente a distância necessária para se obter a i-ésima componente da solução, x i ;após termos percorrido todas as n direções dessa forma, todas as componentes de x estarão corretas, e a solução terá sido obtida. Na figura 4.3, aprimeiraiteração corrige x 2, e a segunda corrige x (note que e é ortogonal a d ). De forma semelhante ao métododogradiente,asiterações são da forma x i+ = x i + α i d i, α i IR (4.6) e, para determinar α i, tomamos e i+ ortogonal a d i,deformaquenão mais se percorra a direção d i.então: d T i e i+ =... e i+ = x i+ x = x i + α i d i x = e i + α i d. i.. d T i (e i + α i d i ) = d T i e i + α i d T i d i = de onde α i = dt i e i d T i d i (4.62) A.L. de Bortoli, C. Cardoso, M.P.G. Fachin, R.D. da Cunha 94
Estudaremos métodos numéricos para resolução de sistemas lineares com n equações e n incógnitas. Estes podem ser:
1 UNIVERSIDADE FEDERAL DE VIÇOSA Departamento de Matemática - CCE Cálculo Numérico - MAT 271 Prof.: Valéria Mattos da Rosa As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia
Leia maisResolução de sistemas lineares
Resolução de sistemas lineares J M Martínez A Friedlander 1 Alguns exemplos Comecemos mostrando alguns exemplos de sistemas lineares: 3x + 2y = 5 x 2y = 1 (1) 045x 1 2x 2 + 6x 3 x 4 = 10 x 2 x 5 = 0 (2)
Leia maisCálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU
Cálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU Prof. Dr. Sergio Pilling (IPD/ Física e Astronomia) III Resolução de sistemas lineares por métodos numéricos. Objetivos: Veremos
Leia maisExercícios Teóricos Resolvidos
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Matemática Exercícios Teóricos Resolvidos O propósito deste texto é tentar mostrar aos alunos várias maneiras de raciocinar
Leia maisAnálise de Arredondamento em Ponto Flutuante
Capítulo 2 Análise de Arredondamento em Ponto Flutuante 2.1 Introdução Neste capítulo, chamamos atenção para o fato de que o conjunto dos números representáveis em qualquer máquina é finito, e portanto
Leia maisLista 1 para a P2. Operações com subespaços
Lista 1 para a P2 Observação 1: Estes exercícios são um complemento àqueles apresentados no livro. Eles foram elaborados com o objetivo de oferecer aos alunos exercícios de cunho mais teórico. Nós sugerimos
Leia maisCurvas em coordenadas polares
1 Curvas em coordenadas polares As coordenadas polares nos dão uma maneira alternativa de localizar pontos no plano e são especialmente adequadas para expressar certas situações, como veremos a seguir.
Leia maisExercícios Adicionais
Exercícios Adicionais Observação: Estes exercícios são um complemento àqueles apresentados no livro. Eles foram elaborados com o objetivo de oferecer aos alunos exercícios de cunho mais teórico. Nós recomendamos
Leia maisPotenciação no Conjunto dos Números Inteiros - Z
Rua Oto de Alencar nº 5-9, Maracanã/RJ - tel. 04-98/4-98 Potenciação no Conjunto dos Números Inteiros - Z Podemos epressar o produto de quatro fatores iguais a.... por meio de uma potência de base e epoente
Leia maisNotas de Cálculo Numérico
Notas de Cálculo Numérico Túlio Carvalho 6 de novembro de 2002 2 Cálculo Numérico Capítulo 1 Elementos sobre erros numéricos Neste primeiro capítulo, vamos falar de uma limitação importante do cálculo
Leia maisCálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU
Cálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU Prof. Dr. Sergio Pilling (IPD/ Física e Astronomia) II Métodos numéricos para encontrar raízes (zeros) de funções reais. Objetivos:
Leia maisUniversidade Federal de São Carlos Departamento de Matemática 083020 - Curso de Cálculo Numérico - Turma E Resolução da Primeira Prova - 16/04/2008
Universidade Federal de São Carlos Departamento de Matemática 08300 - Curso de Cálculo Numérico - Turma E Resolução da Primeira Prova - 16/0/008 1. (0 pts.) Considere o sistema de ponto flutuante normalizado
Leia maisProblemas de Valor Inicial para Equações Diferenciais Ordinárias
Problemas de Valor Inicial para Equações Diferenciais Ordinárias Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Matemática Aplicada - Mestrados
Leia maisEquações Diferenciais Ordinárias
Capítulo 8 Equações Diferenciais Ordinárias Vários modelos utilizados nas ciências naturais e exatas envolvem equações diferenciais. Essas equações descrevem a relação entre uma função, o seu argumento
Leia maisNotas sobre a Fórmula de Taylor e o estudo de extremos
Notas sobre a Fórmula de Taylor e o estudo de etremos O Teorema de Taylor estabelece que sob certas condições) uma função pode ser aproimada na proimidade de algum ponto dado) por um polinómio, de modo
Leia mais36 a Olimpíada Brasileira de Matemática Nível Universitário Primeira Fase
36 a Olimpíada Brasileira de Matemática Nível Universitário Primeira Fase Problema 1 Turbo, o caracol, está participando de uma corrida Nos últimos 1000 mm, Turbo, que está a 1 mm por hora, se motiva e
Leia maisÁlgebra Linear. André Arbex Hallack Frederico Sercio Feitosa
Álgebra Linear André Arbex Hallack Frederico Sercio Feitosa Janeiro/2006 Índice 1 Sistemas Lineares 1 11 Corpos 1 12 Sistemas de Equações Lineares 3 13 Sistemas equivalentes 4 14 Operações elementares
Leia maisExercícios 1. Determinar x de modo que a matriz
setor 08 080509 080509-SP Aula 35 MATRIZ INVERSA Uma matriz quadrada A de ordem n diz-se invertível, ou não singular, se, e somente se, existir uma matriz que indicamos por A, tal que: A A = A A = I n
Leia maisUniversidade Federal de São João Del Rei - UFSJ
Universidade Federal de São João Del Rei - UFSJ Instituída pela Lei 0.45, de 9/04/00 - D.O.U. de /04/00 Pró-Reitoria de Ensino de Graduação - PROEN Disciplina: Cálculo Numérico Ano: 03 Prof: Natã Goulart
Leia maisAula 9 Plano tangente, diferencial e gradiente
MÓDULO 1 AULA 9 Aula 9 Plano tangente, diferencial e gradiente Objetivos Aprender o conceito de plano tangente ao gráfico de uma função diferenciável de duas variáveis. Conhecer a notação clássica para
Leia maisAV1 - MA 12-2012. (b) Se o comprador preferir efetuar o pagamento à vista, qual deverá ser o valor desse pagamento único? 1 1, 02 1 1 0, 788 1 0, 980
Questão 1. Uma venda imobiliária envolve o pagamento de 12 prestações mensais iguais a R$ 10.000,00, a primeira no ato da venda, acrescidas de uma parcela final de R$ 100.000,00, 12 meses após a venda.
Leia maisMétodos Numéricos. A. Ismael F. Vaz. Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho aivaz@dps.uminho.
Métodos Numéricos A. Ismael F. Vaz Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho aivaz@dps.uminho.pt Mestrado Integrado em Engenharia Mecânica Ano lectivo 2007/2008 A.
Leia maisAula 4 Estatística Conceitos básicos
Aula 4 Estatística Conceitos básicos Plano de Aula Amostra e universo Média Variância / desvio-padrão / erro-padrão Intervalo de confiança Teste de hipótese Amostra e Universo A estatística nos ajuda a
Leia mais1 Propagação de Onda Livre ao Longo de um Guia de Ondas Estreito.
1 I-projeto do campus Programa Sobre Mecânica dos Fluidos Módulos Sobre Ondas em Fluidos T. R. Akylas & C. C. Mei CAPÍTULO SEIS ONDAS DISPERSIVAS FORÇADAS AO LONGO DE UM CANAL ESTREITO As ondas de gravidade
Leia maisRetas e Planos. Equação Paramétrica da Reta no Espaço
Retas e lanos Equações de Retas Equação aramétrica da Reta no Espaço Considere o espaço ambiente como o espaço tridimensional Um vetor v = (a, b, c) determina uma direção no espaço Dado um ponto 0 = (x
Leia maisUNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR Assuntos: Matrizes; Matrizes Especiais; Operações com Matrizes; Operações Elementares
Leia maisTruques e Dicas. = 7 30 Para multiplicar fracções basta multiplicar os numeradores e os denominadores: 2 30 = 12 5
Truques e Dicas O que se segue serve para esclarecer alguma questão que possa surgir ao resolver um exercício de matemática. Espero que lhe seja útil! Cap. I Fracções. Soma e Produto de Fracções Para somar
Leia maisFaculdade Sagrada Família
AULA 12 - AJUSTAMENTO DE CURVAS E O MÉTODO DOS MÍNIMOS QUADRADOS Ajustamento de Curvas Sempre que desejamos estudar determinada variável em função de outra, fazemos uma análise de regressão. Podemos dizer
Leia maisÁlgebra. SeM MiSTéRio
Álgebra SeM MiSTéRio Série SeM MiSTéRio Alemão Sem Mistério Álgebra Sem Mistério Cálculo Sem Mistério Conversação em Alemão Sem Mistério Conversação em Espanhol Sem Mistério Conversação em Francês Sem
Leia maisEquações Diferenciais Ordinárias
Equações Diferenciais Ordinárias Uma equação diferencial é uma equação que relaciona uma ou mais funções (desconhecidas com uma ou mais das suas derivadas. Eemplos: ( t dt ( t, u t d u ( cos( ( t d u +
Leia maisFUNÇÃO DE 1º GRAU. = mx + n, sendo m e n números reais. Questão 01 Dadas as funções f de IR em IR, identifique com um X, aquelas que são do 1º grau.
FUNÇÃO DE 1º GRAU Veremos, a partir daqui algumas funções elementares, a primeira delas é a função de 1º grau, que estabelece uma relação de proporcionalidade. Podemos então, definir a função de 1º grau
Leia maisUnidade II - Sistemas de Equações Lineares
Unidade II - Sistemas de Equações Lineares 1- Situando a Temática Discutiremos agora um dos mais importantes temas da matemática: Sistemas de Equações Lineares Trata-se de um tema que tem aplicações dentro
Leia maisCapítulo 5: Aplicações da Derivada
Instituto de Ciências Exatas - Departamento de Matemática Cálculo I Profª Maria Julieta Ventura Carvalho de Araujo Capítulo 5: Aplicações da Derivada 5- Acréscimos e Diferenciais - Acréscimos Seja y f
Leia maisCapítulo 3 - Sistemas de Equações Lineares
Capítulo 3 - Sistemas de Equações Lineares Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Matemática I - 1 o Semestre 2011/2012 Matemática I 1/
Leia maisESPAÇOS MUNIDOS DE PRODUTO INTERNO
ESPAÇOS MUNIDOS DE PRODUTO INTERNO Angelo Fernando Fiori 1 Bruna Larissa Cecco 2 Grazielli Vassoler 3 Resumo: O presente trabalho apresenta um estudo sobre os espaços vetoriais munidos de produto interno.
Leia mais6. Programação Inteira
Pesquisa Operacional II 6. Programação Inteira Faculdade de Engenharia Eng. Celso Daniel Engenharia de Produção Programação Inteira São problemas de programação matemática em que a função objetivo, bem
Leia maisCálculo em Computadores - 2007 - trajectórias 1. Trajectórias Planas. 1 Trajectórias. 4.3 exercícios... 6. 4 Coordenadas polares 5
Cálculo em Computadores - 2007 - trajectórias Trajectórias Planas Índice Trajectórias. exercícios............................................... 2 2 Velocidade, pontos regulares e singulares 2 2. exercícios...............................................
Leia maisCapítulo 3 - Sistemas de Equações Lineares
Capítulo 3 - Sistemas de Equações Lineares Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Matemática I - 1 o Semestre 2011/2012 Matemática I 1/
Leia maisINSTITUTO TECNOLÓGICO
PAC - PROGRAMA DE APRIMORAMENTO DE CONTEÚDOS. ATIVIDADES DE NIVELAMENTO BÁSICO. DISCIPLINAS: MATEMÁTICA & ESTATÍSTICA. PROFº.: PROF. DR. AUSTER RUZANTE 1ª SEMANA DE ATIVIDADES DOS CURSOS DE TECNOLOGIA
Leia maisCap. 7 - Fontes de Campo Magnético
Universidade Federal do Rio de Janeiro Instituto de Física Física III 2014/2 Cap. 7 - Fontes de Campo Magnético Prof. Elvis Soares Nesse capítulo, exploramos a origem do campo magnético - cargas em movimento.
Leia mais[a11 a12 a1n 4. SISTEMAS LINEARES 4.1. CONCEITO. Um sistema de equações lineares é um conjunto de equações do tipo
4. SISTEMAS LINEARES 4.1. CONCEITO Um sistema de equações lineares é um conjunto de equações do tipo a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 11 x 1 + a 12 x 2 +... + a 1n x n = b 2... a n1 x 1 + a
Leia maisRepresentação de números em máquinas
Capítulo 1 Representação de números em máquinas 1.1. Sistema de numeração Um sistema de numeração é formado por uma coleção de símbolos e regras para representar conjuntos de números de maneira consistente.
Leia maisDICAS PARA CÁLCULOS MAIS RÁPIDOS ARTIGO 06
DICAS PARA CÁLCULOS MAIS RÁPIDOS ARTIGO 06 Este é o 6º artigo da série de dicas para facilitar / agilizar os cálculos matemáticos envolvidos em questões de Raciocínio Lógico, Matemática, Matemática Financeira
Leia maisUFV Universidade Federal de Viçosa DMA Departamento de Matemática MAT 138 Noções de Álgebra Linear
UFV Universidade Federal de Viçosa DMA Departamento de Matemática MAT 138 Noções de Álgebra Linear 1 2 a LISTA DE EERCÍCIOS - 2005/I 1. Resolva os sistemas abaixo e classifique-os quanto ao número de soluções:
Leia maisProva de Admissão para o Mestrado em Matemática IME-USP - 23.11.2007
Prova de Admissão para o Mestrado em Matemática IME-USP - 23.11.2007 A Nome: RG: Assinatura: Instruções A duração da prova é de duas horas. Assinale as alternativas corretas na folha de respostas que está
Leia maisO ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2
3.2 O Espaço Nulo de A: Resolvendo Ax = 0 11 O ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2 Esta seção trata do espaço de soluções para Ax = 0. A matriz A pode ser quadrada ou retangular. Uma solução imediata
Leia maisEventos independentes
Eventos independentes Adaptado do artigo de Flávio Wagner Rodrigues Neste artigo são discutidos alguns aspectos ligados à noção de independência de dois eventos na Teoria das Probabilidades. Os objetivos
Leia maisMatemática Computacional - Exercícios
Matemática Computacional - Exercícios 1 o semestre de 2009/2010 - LEMat e MEQ Teoria de erros e Representação de números no computador Nos exercícios deste capítulo os números são representados em base
Leia maisIntrodução ao estudo de equações diferenciais
Matemática (AP) - 2008/09 - Introdução ao estudo de equações diferenciais 77 Introdução ao estudo de equações diferenciais Introdução e de nição de equação diferencial Existe uma grande variedade de situações
Leia maisCapítulo SETE Números em Ponto Fixo e Ponto Flutuante
Capítulo SETE Números em Ponto Fixo e Ponto Flutuante 7.1 Números em ponto fixo Observação inicial: os termos ponto fixo e ponto flutuante são traduções diretas dos termos ingleses fixed point e floating
Leia maisCAPÍTULO 6 TRANSFORMAÇÃO LINEAR
INODUÇÃO AO ESUDO DA ÁLGEBA LINEA CAPÍULO 6 ANSFOMAÇÃO LINEA Introdução Muitos problemas de Matemática Aplicada envolvem o estudo de transformações, ou seja, a maneira como certos dados de entrada são
Leia maispor séries de potências
Seção 23: Resolução de equações diferenciais por séries de potências Até este ponto, quando resolvemos equações diferenciais ordinárias, nosso objetivo foi sempre encontrar as soluções expressas por meio
Leia maisCampos Vetoriais e Integrais de Linha
Cálculo III Departamento de Matemática - ICEx - UFMG Marcelo Terra Cunha Campos Vetoriais e Integrais de Linha Um segundo objeto de interesse do Cálculo Vetorial são os campos de vetores, que surgem principalmente
Leia maisAula 4 Conceitos Básicos de Estatística. Aula 4 Conceitos básicos de estatística
Aula 4 Conceitos Básicos de Estatística Aula 4 Conceitos básicos de estatística A Estatística é a ciência de aprendizagem a partir de dados. Trata-se de uma disciplina estratégica, que coleta, analisa
Leia maisa 1 x 1 +... + a n x n = b,
Sistemas Lineares Equações Lineares Vários problemas nas áreas científica, tecnológica e econômica são modelados por sistemas de equações lineares e requerem a solução destes no menor tempo possível Definição
Leia maisModelos Pioneiros de Aprendizado
Modelos Pioneiros de Aprendizado Conteúdo 1. Hebb... 2 2. Perceptron... 5 2.1. Perceptron Simples para Classificaçãod e Padrões... 6 2.2. Exemplo de Aplicação e Motivação Geométrica... 9 2.3. Perceptron
Leia maisMatemática Básica - 08. Função Logarítmica
Matemática Básica Função Logarítmica 08 Versão: Provisória 0. Introdução Quando calculamos as equações exponenciais, o método usado consistia em reduzirmos os dois termos da equação à mesma base, como
Leia maisPP 301 Engenharia de Reservatórios I 11/05/2011
PP 301 Engenharia de Reservatórios I 11/05/2011 As informações abaixo têm como objetivo auxiliar o aluno quanto à organização dos tópicos principais abordados em sala e não excluem a necessidade de estudo
Leia mais4Distribuição de. freqüência
4Distribuição de freqüência O objetivo desta Unidade é partir dos dados brutos, isto é, desorganizados, para uma apresentação formal. Nesse percurso, seção 1, destacaremos a diferença entre tabela primitiva
Leia maisx0 = 1 x n = 3x n 1 x k x k 1 Quantas são as sequências com n letras, cada uma igual a a, b ou c, de modo que não há duas letras a seguidas?
Recorrências Muitas vezes não é possível resolver problemas de contagem diretamente combinando os princípios aditivo e multiplicativo. Para resolver esses problemas recorremos a outros recursos: as recursões
Leia maisUniversidade Federal do Rio Grande do Norte. Centro De Ciências Exatas e da Terra. Departamento de Física Teórica e Experimental
Universidade Federal do Rio Grande do Norte Centro De Ciências Exatas e da Terra Departamento de Física Teórica e Experimental Programa de Educação Tutorial Curso de Nivelamento: Pré-Cálculo PET DE FÍSICA:
Leia maisKarine Nayara F. Valle. Métodos Numéricos de Euler e Runge-Kutta
Karine Nayara F. Valle Métodos Numéricos de Euler e Runge-Kutta Professor Orientador: Alberto Berly Sarmiento Vera Belo Horizonte 2012 Karine Nayara F. Valle Métodos Numéricos de Euler e Runge-Kutta Monografia
Leia maisCapítulo 1. x > y ou x < y ou x = y
Capítulo Funções, Plano Cartesiano e Gráfico de Função Ao iniciar o estudo de qualquer tipo de matemática não podemos provar tudo. Cada vez que introduzimos um novo conceito precisamos defini-lo em termos
Leia maisAula 17 GRANDEZAS ESCALARES E VETORIAIS. META Apresentar as grandezas vetoriais e seu signifi cado
GRANDEZAS ESCALARES E VETORIAIS META Apresentar as grandezas vetoriais e seu signifi cado OBJETIVOS Ao fi nal desta aula, o aluno deverá: Diferenciar grandezas escalares e vetoriais; compreender a notação
Leia maisFração como porcentagem. Sexto Ano do Ensino Fundamental. Autor: Prof. Francisco Bruno Holanda Revisor: Prof. Antonio Caminha M.
Material Teórico - Módulo de FRAÇÕES COMO PORCENTAGEM E PROBABILIDADE Fração como porcentagem Sexto Ano do Ensino Fundamental Autor: Prof. Francisco Bruno Holanda Revisor: Prof. Antonio Caminha M. Neto
Leia mais2. Representação Numérica
2. Representação Numérica 2.1 Introdução A fim se realizarmos de maneira prática qualquer operação com números, nós precisamos representa-los em uma determinada base numérica. O que isso significa? Vamos
Leia maisQUANTIFICADORES. Existem frases declarativas que não há como decidir se são verdadeiras ou falsas. Por exemplo: (a) Ele é um campeão da Fórmula 1.
LIÇÃO 4 QUANTIFICADORES Existem frases declarativas que não há como decidir se são verdadeiras ou falsas. Por exemplo: (a) Ele é um campeão da Fórmula 1. (b) x 2 2x + 1 = 0. (c) x é um país. (d) Ele e
Leia maisAnálise de Regressão Linear Simples e Múltipla
Análise de Regressão Linear Simples e Múltipla Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Carla Henriques (DepMAT ESTV) Análise de Regres. Linear Simples e Múltipla
Leia maisAula 2 - Cálculo Numérico
Aula 2 - Cálculo Numérico Erros Prof. Phelipe Fabres Anhanguera Prof. Phelipe Fabres (Anhanguera) Aula 2 - Cálculo Numérico 1 / 41 Sumário Sumário 1 Sumário 2 Erros Modelagem Truncamento Representação
Leia maisImagem e Gráficos. vetorial ou raster?
http://computacaografica.ic.uff.br/conteudocap1.html Imagem e Gráficos vetorial ou raster? UFF Computação Visual tem pelo menos 3 grades divisões: CG ou SI, AI e OI Diferença entre as áreas relacionadas
Leia maisEstatística II Antonio Roque Aula 9. Testes de Hipóteses
Testes de Hipóteses Os problemas de inferência estatística tratados nas aulas anteriores podem ser enfocados de um ponto de vista um pouco diferente: ao invés de se construir intervalos de confiança para
Leia maisConceitos Fundamentais
Capítulo 1 Conceitos Fundamentais Objetivos: No final do Capítulo o aluno deve saber: 1. distinguir o uso de vetores na Física e na Matemática; 2. resolver sistema lineares pelo método de Gauss-Jordan;
Leia maisQUESTÕES COMENTADAS E RESOLVIDAS
LENIMAR NUNES DE ANDRADE INTRODUÇÃO À ÁLGEBRA: QUESTÕES COMENTADAS E RESOLVIDAS 1 a edição ISBN 978-85-917238-0-5 João Pessoa Edição do Autor 2014 Prefácio Este texto foi elaborado para a disciplina Introdução
Leia maisa m1 A ou [ A] ou A ou A A = a ij para i = 1 m e j = 1 n A=[ 1 2 3 Os elementos da diagonal principal são: a ij para i = j
Cap. 2.- Matrizes e Sistemas Lineares 2.. Definição Matriz é um conjunto organizado de números dispostos em linhas e colunas. Representações Matriz retangular A, m x n (eme por ene) a 2 a n A=[a a 2 a
Leia mais4 Mudança de Coordenadas
Material by: Caio Guimarães (Equipe Rumoaoita.com) Última atualização: 14 de outubro de 006 4 Mudança de Coordenadas Translação e Rotação de Curvas no R² Introdução O enfoque dos 3 primeiros capítulos
Leia maisTestedegeradoresde. Parte X. 38 Testes de Ajuste à Distribuição. 38.1 Teste Chi-Quadrado
Parte X Testedegeradoresde números aleatórios Os usuários de uma simulação devem se certificar de que os números fornecidos pelo gerador de números aleatórios são suficientemente aleatórios. O primeiro
Leia maisE A D - S I S T E M A S L I N E A R E S INTRODUÇÃO
E A D - S I S T E M A S L I N E A R E S INTRODUÇÃO Dizemos que uma equação é linear, ou de primeiro grau, em certa incógnita, se o maior expoente desta variável for igual a um. Ela será quadrática, ou
Leia maisFigura 2.1: Carro-mola
Capítulo 2 EDO de Segunda Ordem com Coeficientes Constantes 2.1 Introdução - O Problema Carro-Mola Considere um carro de massa m preso a uma parede por uma mola e imerso em um fluido. Colocase o carro
Leia maisGobooks.com.br. PucQuePariu.com.br
ÁLGEBRA LINEAR todos os conceitos, gráficos e fórmulas necessárias, em um só lugar. Gobooks.com.br PucQuePariu.com.br e te salvando de novo. Agora com o: RESUMO ÁLGEBRA LINEAR POR: Giovanni Tramontin 1.
Leia maisMétodo de Eliminação de Gauss. Eduardo Camponogara
Sistemas de Equações Lineares Método de Eliminação de Gauss Eduardo Camponogara Departamento de Automação e Sistemas Universidade Federal de Santa Catarina DAS-5103: Cálculo Numérico para Controle e Automação
Leia maisNuma turma de 26 alunos, o número de raparigas excede em 4 o número de rapazes. Quantos rapazes há nesta turma?
GUIÃO REVISÕES Equações e Inequações Equações Numa turma de 6 alunos, o número de raparigas ecede em 4 o número de rapazes. Quantos rapazes há nesta turma? O objectivo do problema é determinar o número
Leia maisAlém do Modelo de Bohr
Além do Modelo de Bor Como conseqüência do princípio de incerteza de Heisenberg, o conceito de órbita não pode ser mantido numa descrição quântica do átomo. O que podemos calcular é apenas a probabilidade
Leia mais7 - Análise de redes Pesquisa Operacional CAPÍTULO 7 ANÁLISE DE REDES. 4 c. Figura 7.1 - Exemplo de um grafo linear.
CAPÍTULO 7 7 ANÁLISE DE REDES 7.1 Conceitos Básicos em Teoria dos Grafos Diversos problemas de programação linear, inclusive os problemas de transporte, podem ser modelados como problemas de fluxo de redes.
Leia maisFACULDADE DE CIÊNCIA E TECNOLOGIA. Cursos de Engenharia. Prof. Álvaro Fernandes Serafim
FACULDADE DE CIÊNCIA E TECNOLOGIA Cursos de Engenharia Prof. Álvaro Fernandes Serafim Última atualização: //7. Esta apostila de Álgebra Linear foi elaborada pela Professora Ilka Rebouças Freire. A formatação
Leia mais1 A Integral por Partes
Métodos de Integração Notas de aula relativas aos dias 14 e 16/01/2004 Já conhecemos as regras de derivação e o Teorema Fundamental do Cálculo. Este diz essencialmente que se f for uma função bem comportada,
Leia maisA otimização é o processo de
A otimização é o processo de encontrar a melhor solução (ou solução ótima) para um problema. Eiste um conjunto particular de problemas nos quais é decisivo a aplicação de um procedimento de otimização.
Leia mais4.2 Produto Vetorial. Orientação sobre uma reta r
94 4. Produto Vetorial Dados dois vetores u e v no espaço, vamos definir um novo vetor, ortogonal a u e v, denotado por u v (ou u v, em outros textos) e denominado produto vetorial de u e v. Mas antes,
Leia maisDepartamento de Matemática - UEL - 2010. Ulysses Sodré. http://www.mat.uel.br/matessencial/ Arquivo: minimaxi.tex - Londrina-PR, 29 de Junho de 2010.
Matemática Essencial Extremos de funções reais Departamento de Matemática - UEL - 2010 Conteúdo Ulysses Sodré http://www.mat.uel.br/matessencial/ Arquivo: minimaxi.tex - Londrina-PR, 29 de Junho de 2010.
Leia maisTópico 11. Aula Teórica/Prática: O Método dos Mínimos Quadrados e Linearização de Funções
Tópico 11. Aula Teórica/Prática: O Método dos Mínimos Quadrados e Linearização de Funções 1. INTRODUÇÃO Ao se obter uma sucessão de pontos experimentais que representados em um gráfico apresentam comportamento
Leia maisCURSO DE CÁLCULO INTEGRAIS
CURSO DE CÁLCULO MÓDULO 4 INTEGRAIS SUMÁRIO Unidade 1- Integrais 1.1- Introdução 1.2- Integral Indefinida 1.3- Propriedades da Integral Indefinida 1.4- Algumas Integrais Imediatas 1.5- Exercícios para
Leia maisAula 9 ESCALA GRÁFICA. Antônio Carlos Campos
Aula 9 ESCALA GRÁFICA META Apresentar as formas de medição da proporcionalidade entre o mundo real e os mapas através das escalas gráficas. OBJETIVOS Ao final desta aula, o aluno deverá: estabelecer formas
Leia maisA Torre de Hanói e o Princípio da Indução Matemática
A Torre de Hanói e o Princípio da Indução Matemática I. O jogo A Torre de Hanói consiste de uma base com três pinos e um certo número n de discos de diâmetros diferentes, colocados um sobre o outro em
Leia maisCÁLCULO DE ZEROS DE FUNÇÕES REAIS
15 CÁLCULO DE ZEROS DE FUNÇÕES REAIS Um dos problemas que ocorrem mais frequentemente em trabalhos científicos é calcular as raízes de equações da forma: f() = 0. A função f() pode ser um polinômio em
Leia maisTecnologia da Informação Prof. Mário Henrique de Souza Pardo Resumo Aula 4
Tecnologia da Informação Prof. Mário Henrique de Souza Pardo Resumo Aula 4 1 MS-Excel Aplicando funções às suas fórmulas de Excel (continuação) Serão vistas, nesta aula as funções de busca e referência
Leia maisMaterial Teórico - Aplicações das Técnicas Desenvolvidas. Exercícios e Tópicos Relacionados a Combinatória. Segundo Ano do Ensino Médio
Material Teórico - Aplicações das Técnicas Desenvolvidas Exercícios e Tópicos Relacionados a Combinatória Segundo Ano do Ensino Médio Prof Cícero Thiago Bernardino Magalhães Prof Antonio Caminha Muniz
Leia maisO mercado de bens CAPÍTULO 3. Olivier Blanchard Pearson Education. 2006 Pearson Education Macroeconomia, 4/e Olivier Blanchard
O mercado de bens Olivier Blanchard Pearson Education CAPÍTULO 3 3.1 A composição do PIB A composição do PIB Consumo (C) são os bens e serviços adquiridos pelos consumidores. Investimento (I), às vezes
Leia maisI. Cálculo Diferencial em R n
Análise Matemática II Mestrado Integrado em Engenharia Electrotécnica e de Computadores Ano Lectivo 2010/2011 2 o Semestre Exercícios propostos para as aulas práticas I. Cálculo Diferencial em R n Departamento
Leia maisMD Sequências e Indução Matemática 1
Sequências Indução Matemática Renato Martins Assunção assuncao@dcc.ufmg.br Antonio Alfredo Ferreira Loureiro loureiro@dcc.ufmg.br MD Sequências e Indução Matemática 1 Introdução Uma das tarefas mais importantes
Leia maisOs Postulados da Mecânica Quântica
Márcio H. F. Bettega Departamento de Física Universidade Federal do Paraná bettega@fisica.ufpr.br Postulados Introdução Vamos apresentar nestas notas os postulados da mecânica quântica de acordo com o
Leia maisSomatórias e produtórias
Capítulo 8 Somatórias e produtórias 8. Introdução Muitas quantidades importantes em matemática são definidas como a soma de uma quantidade variável de parcelas também variáveis, por exemplo a soma + +
Leia mais