Sistemas Lineares. Métodos Iterativos Estacionários
|
|
- Felipe Pinho Maranhão
- 6 Há anos
- Visualizações:
Transcrição
1 -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 - UFES, Vitória, ES, Brasil
2 -58 Matrizes Esparsas Introdução Substituição Regressiva 3 4 Pivoteamento Parcial Matrizes Esparsas x
3 Matrizes Esparsas Introdução Encontra a solução exata a menos de erros de ponto flutuante. A idéia dos métodos é transformar o sistema em um sistema trivial (sistema triangular). A complexidade é em torno de n 3 (número de operações de ponto flutuante). Em certos casos, métodos diretos não são eficientes, por exemplo, quando a matriz dos coeficientes é uma matriz esparsa (muitos elementos iguais a zero).
4 Matrizes Esparsas Sistema linear n n: a x + a x + a 3 x a n x n = b a x + a x + a 3 x a n x n = b a n x + a n x + a n3 x a nn x n = b n a ij = coeficientes, b j = constantes, x j = variáveis (i, j =,, n) Na forma matricial Ax = b a a a 3 a n x b a a a 3 a n x..... = b. a n a n a n3 a nn x n b n
5 Matrizes Esparsas Substituição Regressiva Sistema triangular superior n n: a a a 3 a n x b 0 a a 3 a n x b 0 0 a 33 a 3n x 3 = b a nn x n b n Assuma que o sistema tem solução única: a ii 0, i =,, n. Solução: a nn x n = b n x n = b n a nn a n,n x n + a n,n x n = b n x n = b n a n,n x n linha i x = b i 5-58 n j=i+ a ij x j a n,n
6 6-58 Matrizes Esparsas Algoritmo para a substituição regressiva: x i = Data: A,b,n Result: x for i=n,,- do soma = b[i]; for j=i+,n, do soma = soma - a[i][j] x[j]; end x[i] = soma/a[i][i]; end Esforço computacional ( de operações (+,-,x,/) ou flops): divisão: n subtração e multiplicação: n j = n(n )/ total = n j= b i n a ij x j j=i+ a ii
7 Matrizes Esparsas Idéia do método: Ax = b = Ãx = b operações de linhas elementares onde à é uma matriz triangular superior. Operações de linhas elementares: trocar a ordem de duas equações; multiplicar uma equação por uma constante não nula; somar uma equação à outra. Observação: A eliminação deve ser feita de forma sistemática, ou seja, usando uma sequência de operações elementares de modo a transformar um sistema linear em um outro equivalente, onde a matriz é triangular superior.
8 Matrizes Esparsas Exemplo: sistema solução exata: x x x 3 = x 4 Primeiro Passo: Eliminar os coeficientes da primeira coluna abaixo da diagonal: pivô: a = 3 multiplicadores: m = 7/3 =.333, m 3 = /3 = 0.667, m 4 = /3 = L L (m )L, L 3 L 3 (m 3 )L, L 4 L 4 (m 4 )L
9 Matrizes Esparsas Segundo Passo: Eliminar os coeficientes da segunda coluna abaixo da diagonal pivô: a = multiplicadores: m 3 =.336/7.664 = 0.3, m 4 = 0.664/7.664 = L 3 L 3 (m 3 )L, L 4 L 4 (m 4 )L
10 0-58 Matrizes Esparsas Terceiro Passo: Eliminar os coeficientes da terceira coluna abaixo da diagonal pivô: a 33 =.98 multiplicadores: m 43 = 5.434/.98 =.74 Operações: L 4 L 4 (m 43 )L
11 -58 Matrizes Esparsas Substituição Regressiva: x x x 3 = x x 4 =.963 x 4 = x x 4 = 7.98 x 3 = x.666x x 4 = x =.000 3x + 8x x 3 + 3x 4 = 6 x =.00
12 -58 Matrizes Esparsas Cálculo do Resíduo: R = b A x R = = Observação: A solução é exata a menos dos erros de ponto flutuante. Sendo assim, o resíduo tem que ser bem pequeno, em torno do número de casas decimais utilizadas para os cálculos.
13 3-58 Matrizes Esparsas Algoritmo para a : Passo k: Eliminar os coeficientes da k-ésima coluna abaixo da diagonal ( k n ) Operação sobre a Linha i: L i L i m ik L k onde m ik = a ik a kk, k + i n a ij a ij a ik a kk a kj, k + j n b i b i a ik a kk b k
14 4-58 Matrizes Esparsas Data: A,b,n Result: x for k=,n- do for i=k+,n do fator = a[i][k] / a[k][k]; for j=k+,n do a[i][j] = a[i][j] - fator a[k][j]; end b[i] = b[i] - fator b[k] end end Esforço computacional: adição e subtração: n 3 /3 + O(n) multiplicação e divisão: n 3 /3 + O(n ) total = n 3 /3 + O(n ) Obs: O(m n ) significa termos de ordem m n e menores.
15 5-58 Matrizes Esparsas Esporço Computacional: Eliminação Progressiva: n 3 /3 + O(n ) Substituição Regressiva: n n Elim. Subst. Flops n 3 /3 % Elim % % % O tempo de computação cresce bastante à medida que o sistema fica maior. A quantidade de flops cresce quase três ordens de grandeza para cada aumento na ordem de grandeza da dimensão; A maior parte do esforço vem da parte da eliminação. Esforços para melhorar o algoritmo devem se concentrar neste passo.
16 Matrizes Esparsas Variantes do Método de Gauss Gauss-Jordan algoritmo: [A b] = [I x], onde I é a matriz identidade e x é a solução do sistema. Neste método o esforço computacional é O(n 3 ), ou seja, aproximadamente 50% mais operações que a eliminação de Gauss ingênua. Esforço Computacional: Regra de Cramer: O(n!) Gauss-Jordan: O(n 3 ) ingênua: O(n 3 /3) Obs: a regra de Cramer é inviável computacionalmente quando n é grande. Observe que a regra de Cramer envolve o cálculo de determinantes. 6-58
17 Matrizes Esparsas Problemas com a ingênua Divisão por zero Exemplo: solução exata (,, ) T x + 3x 3 = 5 x 3x + x 3 = x + x 3 = 3 Solução trocar L com L Erros de arredondamento Exemplo: solução exata (/3, /3) T x + 3x =.000 x + x =
18 8-58 [ Matrizes Esparsas ] L L [ L ] x = = /3 x =.000 3(x ) Tabela: Resultado muito sensível à precisão. de Dígitos x x % Error relativo x
19 9-58 Matrizes Esparsas Técnicas para melhorar a solução: Usar mais dígitos significativos, ou seja, aumentar a precisão. Usar a estratégia de pivoteamento parcial. Pivoteamento Parcial: no início de cada etapa k, k n, escolher para pivô o elemento de maior módulo entre os coeficientes a ik, k i n, trocar as linhas k e i, se for necessário. Exemplo: solução exata (/3, /3) T x + 3x =.000 x + x =
20 0-58 Matrizes Esparsas [ ] L L L L [ ] x = = /3 x = x Tabela: Resultado usando pivoteamento parcial. de Dígitos x x % Error relativo x L
21 -58 Matrizes Esparsas Pseudocódigo para implementar o pivoteamento parcial []:
22 -58 Matrizes Esparsas Exemplo com Pivoteamento: sistema solução exata: 6 7 x x x 3 = x 4 Primeiro Passo: Escolher o pivô (a ), trocar linhas e eliminar os coeficientes da primeira coluna abaixo da diagonal 7 3 L L ( 3/7)L L L L L 3 ( /7)L 6 7 L 4 L 4 (/7)L
23 3-58 Matrizes Esparsas Segundo Passo: Escolher o pivô (a ), trocar linhas e eliminar os coeficientes da segunda coluna abaixo da diagonal L 3 L 3 (.74/7.57)L L 4 L 4 (.857/7.57)L
24 Matrizes Esparsas Terceiro Passo: Escolher o pivô (a 33 ), trocar linhas e eliminar os coeficientes da terceira coluna abaixo da diagonal 7 3 L 3 L L 4 L 4 (.98/5.434)L 3
25 5-58 Matrizes Esparsas Substituição Regressiva: x 4 = x 4 = x x 4 = x 3 = x.43x x 4 = 0.74 x =.000 7x x + x 3 + 3x 4 = x =.000
26 6-58 Matrizes Esparsas Cálculo do Resíduo: R = b Ax R = = Observação: Na eliminação de Gauss com pivoteamento todos os multiplicadores são em módulo menores ou iguais a.
27 7-58 Matrizes Esparsas A Ideia Básica da Decomposição LU Seja Ax = b, supor que exista: L matriz triangular inferior com l ii = U matriz triangular superior tal que: A = LU LUx = b Ly = b () Ux = y () Como encontrar os fatores L e U?
28 Matrizes Esparsas Voltando ao Exemplo Seja L matriz triangular inferior tal que l ij = m ij para i > j e l ii = e U a matriz triangular superior resultante da :.0 L = U = LU = A 8-58
29 Matrizes Esparsas Voltando ao Exemplo Seja L matriz triangular inferior tal que l ij = m ij para i > j e l ii = e U a matriz triangular superior resultante da :.000 L = U = LU = = PA, sendo P =
30 30-58 Matrizes Esparsas []:
31 3-58 Matrizes Esparsas Processo de Substituição: A x = b PA x = Pb LU x = Pb U x = y, então L y = Pb L y = P b, Substituição Progressiva e determino y; U x = y, Substituição Regressiva e determino a solução x. [ ] [ ] [ ] [ ] 4 3 x 7 Exemplo : =, solução exata = 8 5 x 3 [ ] [ ] 0 y = 4/8 y [ ] [ ] 0 7 = 0 3 [ ] [ ] 8 5 x = 0 / x [ ] 3 / [ ] 3 7 [ x x ] = [ y y ] = [ ] [ ] 3 /
32 3-58 Matrizes Esparsas Cálculo do Determinante Cálculo do determinante: PA = LU det(pa) = det(lu), então, pela propriedade de determinantes, det(a) = det(l)det(u), det(p) onde det(l) = n det(u) = i= u ii (produto dos pivôs) det(p) = ( ) t onde t é o número de permutações n det(a) = ( ) t i= u ii
33 33-58 Matrizes Esparsas Cálculo da inversa [A] [A] = [A] [A] = [I ] Exemplo 3 3: [A] [A] = [I ] = matriz identidade a a a 3 x x x a a a 3 x x x 3 = 0 0 a 3 a 3 a 33 x 3 x 3 x de A: PA = LU Resolve L U x j = P I j, j =,, 3, onde x j x j = x j e I j = j-ésima coluna de [I ] x 3j
34 34-58 Matrizes Esparsas Matrizes Esparsas: (a) Tridiagonal. (b) Banda. (c) Pentadiagonal.
35 35-58 Matrizes Esparsas
36 36-58 Características Método de Gauss-Jacobi Método de Gauss-Seidel Convergência dos métodos Método SOR Matrizes Esparsas x Idéia dos métodos Método de Gauss-Jacobi 3 Método de Gauss-Seidel 4 Convergência dos métodos 5 Método SOR
37 37-58 Introdução Características Método de Gauss-Jacobi Método de Gauss-Seidel Convergência dos métodos Método SOR Matrizes Esparsas x Encontra uma solução aproximada com precisão pré-fixada. O objetivo é transformar o sistema Ax = b em uma expressão recursiva tal que x (k+) = M x (k) + c para uma condição inicial x (0) conhecida. Depende de critérios de convergência relacionados a matriz de iteração M. A complexidade, por iteração, é em torno de n (número de operações de ponto flutuante). Quando a matriz dos coeficientes é esparsa, somente os coeficientes não nulos necessitam ser armazenados.
38 38-58 Ideia Gerais Características Método de Gauss-Jacobi Método de Gauss-Seidel Convergência dos métodos Método SOR Matrizes Esparsas x A x = b (3) Isolar x, reescrevendo o sistema (3) da seguinte forma: x = M x + c (4) onde M = matriz n n c = vetor n
39 Características Método de Gauss-Jacobi Método de Gauss-Seidel Convergência dos métodos Método SOR Matrizes Esparsas x Defina o processo iterativo com k = 0,,, Dado x (0), usar (5) para calcular x (k+) = M x (k) + c (5) x () = M x (0) + c x () = M x () + c. até que e rel = x(k+) x (k) < ɛ ou k k x (k+) max (critério de parada) onde ɛ = tolerância dada k max = número máximo de iterações dado x = max j n x j (norma do máximo) Outro critério de parada: r = b Ax (k+) < ɛ, 39-58
40 Características Método de Gauss-Jacobi Método de Gauss-Seidel Convergência dos métodos Método SOR Matrizes Esparsas x Seja A um sistema n n a x + a x + a 3 x a n x n = b a x + a x + a 3 x a n x n = b a n x + a n x + a n3 x a nn x n = b n onde estamos assumindo que a ii 0, i =,,, n. x = a [b (a x + a 3 x a n x n )] x = a [b (a x + a 3 x a n x n )].
41 4-58 Características Método de Gauss-Jacobi Método de Gauss-Seidel Convergência dos métodos Método SOR Matrizes Esparsas x Método de Gauss-Jacobi x (k+) = a [ b (a x (k) + a 3 x (k) 3 + a 4 x (k) a n x (k) n ) x (k+) = a [ b (a x (k) + a 3 x (k) 3 + a 4 x (k) a n x (k) n ). x (k+) n = a nn [ b n (a n x (k) + a n x (k) + a n3 x (k) a n,n x (k) n ) ] Para k 0, x (k+) i = a ii b i n a ij x (k) j, j= j i i =,,, n ] ]
42 Características Método de Gauss-Jacobi Método de Gauss-Seidel Convergência dos métodos Método SOR Matrizes Esparsas x a a a 3 A = a a a 3 = E + D + F a 3 a 3 a a a a 3 = a a a 3 a 3 a a Gauss-Jacobi: A x = (E + D + F ) x = b D x = (E + F ) x + b D x (k+) = (E + F ) x (k) + b x (k+) = D (E + F ) x (k) + D b = M x (k) + c
43 43-58 Características Método de Gauss-Jacobi Método de Gauss-Seidel Convergência dos métodos Método SOR Matrizes Esparsas x Exemplo: Resolver o sistema a seguir pelo método iterativo de Gauss-Jacobi, usando 5 casas decimais, x x = 0, x (0) = 0, ɛ = x x (k+) = ( 0.5 x (k+) = x (k+) 3 = x (k) 0.3x (k) 3 ( 0.0.0x (k).0x (k) 3 ( x (k) + 0.4x (k) ) ) )
44 44-58 Características Método de Gauss-Jacobi Método de Gauss-Seidel Convergência dos métodos Método SOR Matrizes Esparsas x Método de Gauss-Seidel x (k+) = [ ] b (a x (k) + a 3 x (k) 3 + a 4 x (k) a n x n (k) ) a x (k+) = a [ b (a x (k+) + a 3 x (k) 3 + a 4 x (k) a n x (k) n ) x (k+) 3 = a 33 [ b 3 (a 3 x (k+) + a 3 x (k+) + a 34 x (k) a 3n x (k) n ). x n (k+) = [ ] b n (a n x (k+) + a n x (k+) + + a n,n x (k+) n a ) nn ] ] Para k 0, x (k+) i = a ii i b i a ij x (k+) j j= n j=i+ a ij x (k), j i =,,, n
45 Características Método de Gauss-Jacobi Método de Gauss-Seidel Convergência dos métodos Método SOR Matrizes Esparsas x a a a 3 A = a a a 3 = E + D + F a 3 a 3 a a a a 3 = a a a 3 a 3 a a Gauss-Seidel: A x = (E + D + F ) x = b (E + D) x = F x + b (E + D) x (k+) = F x (k) + b x (k+) = (E + D) F x (k) + (E + D) b = M x (k) + c
46 Características Método de Gauss-Jacobi Método de Gauss-Seidel Convergência dos métodos Método SOR Matrizes Esparsas x Exemplo: Resolver o sistema a seguir pelo método iterativo de Gauss-Seidel, usando 5 casas decimais, x x = 0, x (0) = 0, ɛ = x x (k+) = 0.5 x (k+) = x (k+) 3 = ( ( ) x (k) 0.3x (k) 3 ) 0.0.0x (k+).0x (k) 3 ( x (k+) + 0.4x (k+) )
47 47-58 Características Método de Gauss-Jacobi Método de Gauss-Seidel Convergência dos métodos Método SOR Matrizes Esparsas x A convergência da sequência gerada pelo método iterativo estacionário, x k+ = M x k + c, é dada pelo Teorema, onde são fornecidas condições necessárias e suficientes de convergência. Teorema : O método iterativo x k+ = M x k + c converge com qualquer x 0 se, e somente se, ρ(m) <, sendo ρ(m) o raio espectral (maior autovalor em módulo) da matriz de iteração M. Observações: A taxa de convergência será controlada pela magnitude do raio espectral. Quanto menor o raio espectral, mais rápida a convergência. A determinação do raio espectral da matriz de iteração ρ(m) pode requerer maior esforço computacional que a própria solução do sistema Ax = b.
48 Exemplo: x 0. x = x Características Método de Gauss-Jacobi Método de Gauss-Seidel Convergência dos métodos Método SOR Matrizes Esparsas x M J = D (E + F ) = 0 ρ(m J ) = M GS = (E + D) F = ρ(m GS ) = Calculando as sequências dadas pelos métodos de Gauss-Jacobi e Gaus-Seidel podemos confirmar que Gauss-Jacobi diverge e Gauss- Seidel converge [].
49 Exemplo: x 0. x = x Características Método de Gauss-Jacobi Método de Gauss-Seidel Convergência dos métodos Método SOR Matrizes Esparsas x M J = D (E + F ) = 0 ρ(m J ) = M GS = (E + D) F = ρ(m GS ) = Calculando as sequências dadas pelos métodos de Gauss-Jacobi e Gaus-Seidel podemos confirmar que Gauss-Jacobi converge e Gauss- Seidel diverge [].
50 50-58 Características Método de Gauss-Jacobi Método de Gauss-Seidel Convergência dos métodos Método SOR Matrizes Esparsas x Teorema (Critério das Linhas): É condição suficiente para a convergência dos métodos iterativos de Gauss-Jacobi e Gauss-Seidel que a matriz dos coeficientes A seja diagonalmente dominante, ou seja, n α i = ( a ij )/ a ii <, i =,,, n j= j i Teorema 3 (Critério de Sassenfeld): É condição suficiente para a convergência do método iterativo de Gauss-Seidel que a matriz dos coeficientes A satisfaça β = α < [ i a ij β j + n β i = j= a ii j=i+ a ij ] <, i =, 3,, n
51 Características Método de Gauss-Jacobi Método de Gauss-Seidel Convergência dos métodos Método SOR Matrizes Esparsas x Observação: O critério de linhas é apenas suficiente, veja os exemplos a seguir. Observe que nos dois exemplos a matriz A não é diagonalmente dominante. [ ] [ ] [ ] [ ] 3 x 3.5 Exemplo : =, sol. exata = 3.5 [ ] x (0) x (0) = [ [ ] [ 0 0 ] x (4) x (4) = x () x () [ x x (k+) = 3 + 3x (k) x (k+) = 3 x (k) ] [ ] [ ] 3 = 3 ] [ ] x (5) x (5) = x () x () [ 39 5 = [ ] [ ] 6 x (3) 6 x (3) = ] divergindo [ ] 5 3
52 5-58 Exemplo : [ ] [ ] x = 3 x [ 3 3 Características Método de Gauss-Jacobi Método de Gauss-Seidel Convergência dos métodos Método SOR Matrizes Esparsas x ], sol. exata = [.5.5 ] [ ] x (0) x (0) = [ ] [ 0 0 [ x (4) x (4) [ x () x () ] x (k+) = 3 x (k) x (k+) = (k) (3 + x ) 3 ] ] = ] x (6) x (6) = [ ] [ 3 [ ] = x () x () [ x (5) x (5) = ] [ ] [ = x (3) x (3) ] [ [ ].5556 convergindo.5556 ] [ =.6667 ]
53 Características Método de Gauss-Jacobi Método de Gauss-Seidel Convergência dos métodos Método SOR Matrizes Esparsas x Método da sobre-relaxação sucessiva (SOR) para 0 < ω < : Ax = b ω(d + E + F )x = ωb (D D)x + ω(d + E + F )x = ωb (D + ωe)x = [( ω)d ωf ]x + ωb Dado x (0), calcular (D + ωe)x (k+) = [( ω)d ωf ]x (k) + ωb Dx (k+) = ω( Ex (k+) Fx (k) + b) + ( ω)dx (k) x (k+) = ωd ( Ex (k+) Fx (k) + b) + ( ω)x (k) Observação: Para ω =, temos o método de Gauss-Seidel: x (k+) = (E + D) F x (k) + (E + D) b (6)
54 Características Método de Gauss-Jacobi Método de Gauss-Seidel Convergência dos métodos Método SOR Matrizes Esparsas x Exemplo: Resolver o sistema a seguir pelo método iterativo SOR, usando 5 casas decimais e ω =.5, x x = 0, x (0) = 0, ɛ = x x (k+) = ω 0.5 x (k+) = ω x (k+) 3 = ω ( ( ) x (k) 0.3x (k) 3 ) 0.0.0x (k+).0x (k) 3 ( x (k+) + 0.4x (k+) + ( ω)x (k) + ( ω)x (k) ) + ( ω)x (k) 3
55 55-58 A é Pentadiagonal Armazenamento de Matrizes Stencil Características Método de Gauss-Jacobi Método de Gauss-Seidel Convergência dos métodos Método SOR Matrizes Esparsas x
56 n - ordem de A nnz - número de coeficientes não nulos nnz + n + - número de alocações para armazenar A AA(k) = a ij, JA(k) = j, IA(i) k < IA(i + ) Características Método de Gauss-Jacobi Método de Gauss-Seidel Convergência dos métodos Método SOR Matrizes Esparsas x Armazenamento de Matrizes Esparsas - Formato CSR A = AA JA IA
57 57-58 Básica [] Algoritmos Numéricos, Frederico F. Campos, Filho - a Ed., Rio de Janeiro, LTC, 007. [] Métodos Numéricos para Engenharia, Steven C. Chapa e Raymond P. Canale, Ed. McGraw-Hill, 5 a Ed., 008. [3] Cálculo Numérico - Aspectos Teóricos e Computacionais, Márcia A. G. Ruggiero e Vera Lúcia da Rocha Lopes, Ed. Pearson Education, a Ed., 996.
58 Sugestão de Exercícios Na referência [].6;.7;.8;.;.;.3;.6;.7;.9;.9. Na referência [].3;.3;.33;.38;.39;.40 (utilizando os algorítmos sor e jacobi implementados em octave).
Sistemas 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 - 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 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 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 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 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 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 maisCálculo Numérico BCC760
Cálculo Numérico BCC760 Resolução de Sistemas de Equações Lineares Simultâneas Departamento de Computação Página da disciplina http://www.decom.ufop.br/bcc760/ 1 Introdução! Definição Uma equação é dita
Leia 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 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 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 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 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 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 maisLCAD. LNCC - Programa de Verão Minicurso M16 Estrutura de Dados e Solvers. Lucia Catabriga
LNCC - Programa de Verão 2008 Minicurso M16 Estrutura de Dados e Solvers Lucia Catabriga www.inf.ufes.br/~luciac LCAD - Laboratório de Computação de Alto Desempenho Departamento de Informática - CT/UFES
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 maisMétodos Numéricos. Turma CI-202-X. Josiney de Souza.
Métodos Numéricos Turma CI-202-X Josiney de Souza josineys@inf.ufpr.br Agenda do Dia Aula 15 (21/10/15) Sistemas Lineares Métodos Diretos: Regra de Cramer Método da Eliminação de Gauss (ou triangulação)
Leia maisétodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO
Leia 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 de São João Del Rei - UFSJ
Universidade Federal de São João Del Rei - UFSJ Instituída pela Lei 10.425, de 19/04/2002 - D.O.U. de 22/04/2002 Pró-Reitoria de Ensino de Graduação - PROEN Disciplina: Cálculo Numérico Ano: 2012 Prof:
Leia 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 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 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 maisLucia Catabriga e Andréa Maria Pedrosa Valli
1-35 Lucia Catabriga e Andréa Maria Pedrosa Valli Laboratório de Computação de Alto Desempenho (LCAD) Departamento de Informática Universidade Federal do Espírito Santo - UFES, Vitória, ES, Brasil 2-35
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 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 maisétodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO
Leia maisCÁLCULO NUMÉRICO. 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 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 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 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 maisCálculo Numérico Prof. Guilherme Amorim 26/11/2013. Aula 11 Sistemas de Equações Lineares / Parte 4 Convergência e Sistemas mal-condicionados
Cálculo Numérico Prof. Guilherme Amorim 26/11/2013 Aula 11 Sistemas de Equações Lineares / Parte 4 Convergência e Sistemas mal-condicionados Aula passada... Métodos Iterativos Jacobi Gauss-Seidel Pergunta...
Leia 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 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 maisAndréa Maria Pedrosa Valli
Raízes de Equações Andréa Maria Pedrosa Valli Laboratório de Computação de Alto Desempenho (LCAD) Departamento de Informática Universidade Federal do Espírito Santo - UFES, Vitória, ES, Brasil 2-27 Raízes
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 maisCapítulo 2 - Sistemas de Equações Lineares
Capítulo 2 - Sistemas de Equações Lineares Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança 2 o Ano - Eng. Civil e Electrotécnica Carlos Balsa Métodos
Leia maisSolução de sistemas de equações lineares
Cálculo Numérico Solução de sistemas de equações lineares Prof Daniel G Alfaro Vigo dgalfaro@dccufrjbr Departamento de Ciência da Computação IM UFRJ Parte I Métodos diretos Motivação: Circuito elétrico
Leia 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 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 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 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 maisANÁLISE NUMÉRICA. Sistemas Lineares (3) 5º P. ENG. DE COMPUTAÇÃO/TELECOMUNICAÇÃO/CONTROLE FACIT / Prof. Rodrigo Baleeiro Silva
ANÁLISE NUMÉRICA Sistemas Lineares () 5º P. ENG. DE COMPUTAÇÃO/TELECOMUNICAÇÃO/CONTROLE FACIT / Prof. Rodrigo Baleeiro Silva Decomposição LU Um matriz quadrada A pode ser escrita como o produto de duas
Leia 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 maisAndréa Maria Pedrosa Valli
Interpolação Polinomial Andréa Maria Pedrosa Valli Laboratório de Computação de Alto Desempenho (LCAD) Departamento de Informática Universidade Federal do Espírito Santo - UFES, Vitória, ES, Brasil 2-32
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 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 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 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 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 maisAproximações e Erros
Aproximações e Erros Lucia Catabriga e Andréa Maria Pedrosa Valli Laboratório de Computação de Alto Desempenho (LCAD) Departamento de Informática Universidade Federal do Espírito Santo - UFES, Vitória,
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 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 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 27 de agosto de 2012 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires. Marina
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 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 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 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 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 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 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 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 maisMAP Primeiro exercício programa Método de Diferenças Finitas para solução de problemas de contorno de equações diferenciais ordinárias
MAP-2121 - Primeiro exercício programa - 2006 Método de Diferenças Finitas para solução de problemas de contorno de equações diferenciais ordinárias Instruções gerais - Os exercícios computacionais pedidos
Leia maisVetores e Geometria Analítica
Vetores e Geometria Analítica ECT2102 Prof. Ronaldo Carlotto Batista 23 de fevereiro de 2016 AVISO O propósito fundamental destes slides é servir como um guia para as aulas. Portanto eles não devem ser
Leia 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 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 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 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 maisReferências. www.inf.ufes.br/~luciac
Computação Científica Sistema Lineares Métodos Diretos Métodos Iterativos Estacionários Lucia Catabriga LCAD - Laboratório de Computação de Alto Desempenho Departamento de Informática - CT/UFES LCAD Referências
Leia maisUniversidade Federal do Espírito Santo Departamento de Informática 1 o Trabalho de Algoritmos Numéricos I - 17/2 Sistemas Lineares
Universidade Federal do Espírito Santo Departamento de Informática 1 o Trabalho de Algoritmos Numéricos I - 17/2 Sistemas Lineares (Cursos: Engenharia Mecânica, Engenharia de Computação e Ciência da Computação)
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 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 maisCálculo Numérico. Sistemas lineares Métodos Iterativos: Introdução Método Iterativo de Jacobi-Richardson
Cálculo Numérico Sistemas lineares Métodos Iterativos: Introdução Método Iterativo de Jacobi-Richardson Métodos como: Métodos exatos Método de eliminação de Gauss Método de decomposição LU Método de Cholesky
Leia 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 maisAlgoritmos Numéricos II. Lucia Catabriga 1
Algoritmos Numéricos II Autovalores e Autovetores Métodos de Transformação Lucia Catabriga 1 1 DI/UFES - Brazil Junho 2014 Introdução Introdução Os métodos de transformação tem por objetivo modificar a
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 maisGauss-Seidel para Solução de Sistemas com Matrizes Banda Usando Armazenamento Especial
Universidade Federal do Espírito Santo Departamento de Informática Algoritmos Numéricos 2016/2 Profa. Claudine Badue Trabalho 1 Objetivos Gauss-Seidel para Solução de Sistemas com Matrizes Banda Usando
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 maisAndréa Maria Pedrosa Valli
1-24 Equações Diferenciais Ordinárias Andréa Maria Pedrosa Valli Laboratório de Computação de Alto Desempenho (LCAD) Departamento de Informática Universidade Federal do Espírito Santo - UFES, Vitória,
Leia maisMatrizes e Sistemas Lineares
MATEMÁTICA APLICADA Matrizes e Sistemas Lineares MATRIZES E SISTEMAS LINEARES. Matrizes Uma matriz de ordem mxn é uma tabela, com informações dispostas em m linhas e n colunas. Nosso interesse é em matrizes
Leia maisNotas para o Curso de Algebra Linear Il Dayse Haime Pastore 20 de fevereiro de 2009
Notas para o Curso de Álgebra Linear Il Dayse Haime Pastore 20 de fevereiro de 2009 2 Sumário 1 Matrizes e Sistemas Lineares 5 11 Matrizes 6 12 Sistemas Lineares 11 121 Eliminação Gaussiana 12 122 Resolução
Leia 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, Electrotécnica e Mecânica Carlos
Leia maisMatrizes e Sistemas lineares
Capítulo 5 Matrizes e Sistemas lineares Neste capítulo estudaremos alguns métodos para calcular a solução de sistemas de equações lineares Apenas nos preocuparemos com sistemas quadrados, isto é, aqueles
Leia maisSistemas Lineares. ( Aula 3 )
Sistemas Lineares ( Aula 3 ) Determinante Definição: Determinante Matriz quadrada é a que tem o mesmo número de linhas e de colunas (ou seja, é do tipo n x n). A toda matriz quadrada está associado um
Leia maisSistemas de Equações Lineares
Sistemas de Equações Lineares Análise Numérica Artur M C Brito da Cruz Escola Superior de Tecnologia Instituto Politécnico de Setúbal 5/6 versão de Setembro de 7 Conteúdo Matrizes 3 Operações com Matrizes
Leia 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 maisResolução do Exame Tipo
Departamento de Matemática e Engenharias Análise e Computação Numérica Resolução do Exame Tipo 1. O computador IBM 3090 possuía um sistema de vírgula flutuante F F(16, 5, 65, 62) (em precisão simples),
Leia maisa 11 a m1 A ou [ A] ou A ou A A = a ij para i = 1 m e j = 1 n A=[ 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 a 2 a n a A=[ 2 a
Leia maisSistemas de Equações Lineares
Licenciatura em Engenharia Electrotécnica e de Computadores Análise Numérica 998/99 Sistemas de Equações Lineares PROBLEMAS Considere o seguinte sistema de equações da forma Ax = b : 3 2 3 2 2 2 2 x x
Leia maisUniversidade Federal do Espírito Santo DI/PPGEM/PPGI 1 o Trabalho de Algoritmos Numéricos II - Computação Científica 17/1
Universidade Federal do Espírito Santo DI/PPGEM/PPGI 1 o Trabalho de Algoritmos Numéricos II - Computação Científica 17/1 Métodos Iterativos Não Estacionários para Sistemas Esparsos de Grande Porte 1 Introdução
Leia maisESTATÍSTICA COMPUTACIONAL
ESTATÍSTICA COMPUTACIONAL Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Introdução Solução de equações não lineares
Leia 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 maisMétodos Numéricos C. A. Ismael F. Vaz 1. Escola de Engenharia Universidade do Minho Ano lectivo 2007/2008
Métodos Numéricos C A. Ismael F. Vaz 1 1 Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho aivaz@dps.uminho.pt Ano lectivo 2007/2008 A. Ismael F. Vaz (UMinho) MN C 2007/2008
Leia mais