Professional Documents
Culture Documents
Ó MÉTODOS DIRETOS
Ó MÉTODOS ITERATIVOS
MÉTODOS DIRETOS
SISTEMAS TRIANGULARES
ª l11 0 0 0 º ª x1 º ª b1 º
«l21 l22 0 0 » « x2 » «b2 »
«l l32 0 0 » « x3 » «b »
« 31 »
« » «« »» « 3»
«»
«¬ln1 ln 2 lnn a lnn »¼ ¬ xn ¼ ¬bn ¼
ELIMINAÇÃO GAUSSIANA
Se a22 z 0
( 2)
a11(1)
x1 a12
(1)
x2 a13
(1)
x3 a1(1n) xn b1(1)
°
°°
( 2)
a22 x2 a23
( 2)
x3 a2( 2n) xn b2( 2)
® a33( 3)
x3 a3(3n) xn b3(3)
°
° (n)
°¯ ann xn bn( n )
Ó Os elementos a11
(1) ( 2)
, a22 ,, an( n1,1n)1 são denominados de Pivots
ALGORÍTMO
ELIMINAÇÃO RETROSUBSTITUIÇÃO
For k 1, n 1 For i n,1,1
For i k 1, n sum 0
aik( k ) For k i 1, n
mik (k )
akk sum sum aik(i ) * xk
For j k 1, n 1 end
aij( k 1) aij( k ) mik akj( k ) ai(,in)1 sum
xi
end aii(i )
end end
end
NÚMERO DE OPERAÇÕES:
ELIMINAÇÃO RETROSUBSTITUIÇÃO
n 1 n
¦
k 1
(n k )(n k 1) | 13 n 3 ¦ (i 1)
i 1
1
2
n(n 1) | 12 n 2
n Eliminação Retrosubstituição
10 0.0050 s 0.0008 s
100 5s 0.075 s
1000 5000 s 7.5 s
PIVOTAMENTO
x1 x2 x3 1 ª1 1 1 1º
°
® 1 2
x x 2 x3 2 «1 1 2 2»
°̄ x1 2 x2 2 x3 1 «¬1 2 2 1»¼
ª1 1 1 1º
«0 0 1 1» o a22
( 2)
0
«¬0 1 1 0»¼
Uma solução seria trocar a posição das linhas 2 e 3, o que já fornece a matriz triangular
x1 x2 x3 1 ª1 1 1 1º
°
® x1 1.0001x2 2 x3 2 «1 1.0001 2 2»
°̄ x1 2 x2 2 x3 1 «¬1 2 2 1»¼
ª1 1 1 1 º
«0 0.0001 1 1 »
¬« 0 0 9999 10000 ¼»
O processo de retrosubstituição usando uma precisão de 3 casas decimais fornece:
PIVOTAMENTO PARCIAL
PIVOTAMENTO COMPLETO
PIVOTAMENTO PARCIAL k
No passo k do processo de eliminação
x Escolher r como o menor inteiro tal que k
(k )
ark max aik( k ) , k d i d n r
x Trocar linhas k e r
PIVOTAMENTO COMPLETO k s
No passo k do processo de eliminação
AT A (aij a ji ) e xT Ax ! 0, x z 0
DECOMPOSIÇÃO LU
Ó Muitas vezes o mesmo sistema é resolvido com
diferentes termos independente (lado direito do sistema)
Ax1 b1 ; Ax 2 b2 ;
Ó Pode-se evitar o processo repetido de eliminação gaussiana através
de uma decomposição da matriz A
Ó Todo matriz não singular pode ser decomposta como o produto de uma matriz
triangular inferior L e uma matriz triangular superior U
1/ 2
§ k 1 ·
mkk ¨ akk ¦ mkp2
¸
¨ ¸
© p 1 ¹
k 1
aik ¦ mip mkp
k 1,, n
p 1
mik ,i
mkk
MATRIZES DE BANDA
MATRIZ TRIDIAGONAL § a1 c1 0 0 ·
¨b a c 0 ¸¸
¨ 2 2 2
Ó Matriz de banda com p = q = 1 ¨ ¸
¨0 bn 1 an 1 cn 1 ¸
¨0 0 bn an ¸¹
©
g1 f1 , g i f i E i g i 1 ; i 2,3,, n
gn g i ci xi 1
xn , xi ; i n 1, n 1,,2,1
Dn Di
ANÁLISE DE ERRO DA DECOMPOSIÇÃO LU
Ó Considere o sistema Ax b
Ó Asolução do sistema sempre apresenta algum erro devido a
erros de truncamento que ocorrem durante o processo
x §¨ 00.9911 ·¸
© .4870 ¹
R b Ax §¨ 0 .8642 · §1.2969 0.8648 ·§ 0.9911 · § 10 8 ·
¸ ¨ ¸¨ ¸ ¨ 8 ¸
© 0.1440 ¹ © 0.2161 0.1441¹© 0.4870 ¹ © 10 ¹
a21 0.2161
( 2)
a22 a22 a12 0.1441 u 0.8648 0.1441 0.1440999923 | 10 8
a11 1.2969
a 0.2161
b2( 2) b2 21 b1 0.1440 u 0.8642 0.1440 0.1440000154 | 10 8
a11 1.2969
( 2)
b2
x2 ( 2)
0.4870
a22
x p
x1
p
x2
p
xn
p 1/ p
,1d p f
x ! 0, se x z 0 e x 0, se x 0
Dx D x , D escalar
xy d x y
Ax
Ó Norma de uma Matriz A max
xz 0 x
n
Para Norma do máximo, pode-se mostrar que A f
max
1di d n
¦a
j 1
ij
ANÁLISE DE PERTURBAÇÃO
Ax b x A 1b
A(x Gx) (b Gb) Gx A 1Gb Gx d A 1 Gb
A GA (x Gx) b AGx GA(x Gx) 0 Gx A 1GA(x Gx)
Gx GA
Gx d A 1 GA x Gx d A 1 A
x Gx
A
K (A)
Gx Gb
Como b Ax b d A x d K ( A)
x b
Condicionamento da matriz
Escreva uma rotina SciLab para solução de um sistema linear sem pivotamento e uma outra com
pivotamento parcial. Escreva um programa principal que realize as seguintes operações:
ଵ
ܣ ൌ ܾ ൌ ܣ
ାାଵ
ୀଵ
x ( 0) x (1) x ( 2) x ( k )
Chute inicial
lim x ( k ) x
k of
¦a x
j 1
ij j bi , para i 1,2,, n
n
¦a x
j 1
ij j bi
n
aii xi ¦a xj 1
ij j bi xi
j zi
aii
, para i 1,2,, n
j zi
n
¦a x
j 1
ij
(k )
j bi
j zi
xi( k 1) , para i 1,2,, n
aii
MÉTODO DE GAUSS-SEIDEL
i 1 n
i 1 n
¦a x ¦a xij j ij j bi
¦a x
j 1
ij j aii xi ¦a x
j i 1
ij j bi xi
j 1
aii
j i 1
, para i 1,2,, n
i 1 n
¦ aij x (jk 1) ¦a x
j i 1
ij
(k )
j bi
xi( k 1)
j 1
, para i 1,2,, n
aii
§ 4 1 1 0 · §1·
¨ 1 4 0 1¸ ¨ ¸
EXEMPLO: Resolver Ax = b A ¨ 1 0 4 1¸ ; b ¨ 02 ¸
¨ 0 1 1 4 ¸ ¨1¸
§ 0· © ¹ © ¹
( 0) ¨ 0¸
Chute inicial : x ¨ 0¸
¨ 0¸
© ¹
MÉTODO DE JACOBI
1 2 0 1
x1(1) 0.25 ; x2(1) 0.5 ; x3(1) 0.0 ; x4(1) 0.25
4 4 4 4
(1) u 0.5 (1) u 0.0 (0.0) u 0.25 1
x1( 2) 0.375 ; x2( 2)
4
MÉTODO DE GAUSS-SEIDEL
1 (1) u 0.25 2
x1(1) 0.25 ; x2(1) 0.5625 ;
4 4
(1) u 0.25 0 (1) u 0.5625 (1) u 0.0625 1
x3(1) 0.0625 ; x4(1) 0.40625
4 4
De um modo geral, os dois métodos podem ser escritos como x ( k 1) Bx(k ) c
A D(L I U)
Ó O Método de Jacobi pode ser escrito como:
n
¦a x
j 1
ij
(k )
j bi
L U x ( k ) D 1b
j zi
xi( k 1) , para i 1,2,, n x ( k 1)
aii
BJ L U
Ó O Método de Gauss-Seidel pode ser escrito como:
i 1 n
¦ aij x (jk 1) ¦a x
j i 1
ij
(k )
j bi
xi( k 1)
j 1
, para i 1,2,, n
aii
x ( k 1) Lx ( k 1) Ux( k ) D 1b
I L U
1
B GS
ANÁLISE DE CONVERGÊNCIA
x ( k 1) Bx(k ) c
Se x é solução do sistema Ax = b : x Bx c
Autovalores : O1 , O2 ,, On
Autovetores : u1 , u 2 ,, u n
x ( 0) x D 1u1 D 2u 2 D n u n
x (1) x B(x ( 0) x) D 1Bu1 D 2 Bu 2 D n Bu n
x (1) x D 1O1u1 D 2 O2u 2 D n On u n
x ( k ) x D 1O1k u1 D 2 Ok2u 2 D n Okn u n
MÉTODO DE JACOBI
aij n aij
BJ L U bij
aii
, i z j bii 0 BJ max
1di d n
¦a
j 1 ii
j zi
MÉTODO DE GAUSS-SEIDEL
n y
B GS I L U
1
B GS max
x 0
¦ x
f
, y B GS x
j 1 f
j zi
n i 1 n
y f
yk yk ¦b
j 1
kj x j ¦b
j 1
kj y j ¦b
j i 1
kj x j
n aij i 1 aij
y f
y k d sk y f
rk x f , onde ri ¦
j i 1 aii
, si ¦a j 1 ii
ri
B GS f
d max o Processo converge se A for diagonal dominante
1di d n 1 s
i
MÉTODO SOR (SUCCESSIVE OVERRELAXATION)
BZ (I ZL) 1 >(1 Z )I ZU @
0 Z 2
Exercício 3
ଵ
ܣ ൌ ܾ ൌ ܣ
ାାଵ
ୀଵ
Método de Picard:
1. Chute inicial; c
( 0)
>u
( 0)
1 , u2( 0) , u3(0) ,, u N( 0) @
2. Calcular coeficientes da matriz usando o valor atual das incógnitas;
A Ac
(k )
c
( k 1)
Ac (k ) 1
f
Método de Newton:
Generalização do Método de Newton para 1 equação não-linear
f x
'x
f cx
PROCEDIMENTO ITERATIVO
Chute inicial : x( 0)
i 0
While f ( x(i ) ) ! H , do
f ( x(i ) )
'x
f c( x(i ) )
x(i 1) x(i ) 'x
i i 1
Raiz : x(i 1)
f ( x , x , x ,, x ) 0
N
Sistema a ser resolvido: ° 1 1 2 3
f ( x , x , x ,, xN ) 0
° 2 1 2 3 °
® f 3 ( x1 , x2 , x3 , , x N ) 0
°
°
°¯ f N ( x1 , x2 , x3 , , x N ) 0
Expansão por série de Taylor até termos de primeira ordem de cada equação:
wf1 wf wf
f1 ( x1 , x2 , , x N ) 'x1 1 'x2 1 'xN
wx1 wx2 wx N
wf 2 wf wf
f 2 ( x1 , x2 ,, x N ) 'x1 2 'x2 2 'x N
wx1 wx2 wx N
wf N wf wf
f N ( x1 , x2 , , x N ) 'x1 N 'x2 N 'xN
wx1 wx2 wx N
Matrix Jacobiana J ij
1 wx j
'x J f
PROCEDIMENTO ITERATIVO
(0)
Chute inicial : c
i 0
While f c ! H , do
(i )
Convergência Quadrática
°2 xy y 2 3
®
°̄ x 4 x 2 y 5