1 / 46

UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE MATEMÁTICA

UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE MATEMÁTICA. Unidade II SISTEMAS LINEARES. Introdução. A resolução de sistemas lineares pode surgir em diversas áreas do conhecimento.

bernie
Download Presentation

UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE MATEMÁTICA

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE MATEMÁTICA Unidade II SISTEMAS LINEARES

  2. Introdução

  3. A resolução de sistemas lineares pode surgir em diversas áreas do conhecimento. O caso geral, em que o sistema linear envolve m equações com n incógnitas, o sistema pode apresentar uma única solução, infinitas soluções ou não admitir solução. Neste capítulo vamos analisar esquemas numéricos para soluções de sistemas lineares den equações com n incógnitas, supondo que este tenha uma única solução:

  4. Os métodos de resolução de equações lineares são classificados em: Métodos Diretos - fornecem a solução exata de um sistema linear, a menos dos erros de máquina, através da realização de um número finito de operações. Métodos Iterativos – fornecem uma seqüência de aproximações para a solução X a partir de uma solução inicial X(0). O sistema é representado por A x = b onde aijsão os coeficientes, xjsão as incógnitas e os bjsão os termos independentes.

  5. Métodos Iterativos

  6. Vamos considerar um sistema linearAX = b, onde: A: matriz de coeficientes, n x n; X =(x1, x2, ..., xn)t: vetor de variáveis, n x 1 b: vetor independente, n x 1 (constantes) Tal sistema linear pode ser escrito na forma equivalente: Métodos Iterativos • X = CX + d onde: C: matriz com dimensõesn x n; d: vetor com dimensõesn x 1;

  7. Partindo de um vetor X(0) (vetor aproximação inicial), constrói-se uma seqüência iterativa de vetores: X(1) = CX(0) + d X(2) = CX(1) + d Primeira aproximação Segunda aproximação De um modo geral, a aproximação X(k+1) é dada por: k = 0, 1, 2, ... OBSERVAÇÃO:k é chamado de índice de iteração. • Sendo um processo iterativo, necessitamos de um critério de parada. E para isto temos que ter uma medida entre as aproximações X(k+1) e X(k). Para isto vamos usar o conceito de norma de matrizes.

  8. As normas matriciais mais usadas são: Definição: Uma norma em é uma aplicação que satisfaz as seguintes propriedades:

  9. A norma vetorial pode ser vista como um caso particular da norma matricial, onde um vetor é equivalente a uma matriz de ordem .Com isto temos as normas de vetores dadas por: Além disso, as normas satisfazem as seguintes propriedades:

  10. O conceito de norma nos permite definir convergência de uma seqüência de vetores {Xk}. Dizemos que X(k)→X se onde X é a solução do sistema linear.

  11. Com isto podemos definir os critérios de parada: Dado um e > 0

  12. Critério de convergência

  13. Demonstração: Seja X solução do sistema. Então: X = CX + d. Subtraindo membro a membro de X = CX + d e X(k+1)=CX(k)+d tem-se: Sendo o erro em cada iteração dado por e(k) =X(k) – X e usando as propriedades de norma segue que: Critério de convergência Seja ║.║ uma norma qualquer de matriz. Se ║C║<1 o processo iterativo X(k+1)=CX(k)+d fornecerá uma seqüência {X(k)}convergente para a solução do sistema AX = b.

  14. Logo a seqüência {X(k)}converge para a solução do sistema X se e isto ocorre se a matriz C satisfaz a condição Quanto menor || C || mais rápido a convergência do processo.

  15. Método iterativo de Gauss-Jacobi

  16. Seja o sistema linear: Supondo , isole a coordenada xi do vetor X, na i-ésima equação, da seguinte forma:

  17. Desta forma, tem-se o sistema equivalente X = CX + d, onde 0 0 e 0 0 Dada uma aproximação inicial: X(0) o Método de G.Jacobi consiste em obter seqüência: X(1), X(2),..., X(k) através da relação recursiva: X(k+1)=CX(k)+d.

  18. Assim, Observe que o processo iterativo utiliza somente estimativas da iteração anterior.

  19. Método iterativo de Gauss-Seidel

  20. Observando as equações de iteração no método de Jacobi ou seja nota-se que na iteração de ordem (k+1) são usadas as componentes xj(k) da iteração anterior.

  21. No Método de Gauss-Seidel para calcular a componente xj da iteração (k+1), utiliza-se as componentes já atualizadasx1(k+1), x2(k+1), ..., xj-1(k+1)e as componentes ainda não atualizadas da iteração anterior xj+1(k), xj+2(k), ..., xn(k). x1(k+1)= (b1 - a12x2 (k) - a13x3 (k) - a13x3 (k) - ... - a1nxn (k) x2(k+1)= (b2 - a21x1 (k+1)- a23x3 (k) – a24x4 (k) - ... - a2nxn (k) x3(k+1)= (b3 - a31x1(k+1) - a32x2 (k+1)– a34x4 (k) - ... - a3nxn (k) . . . xn(k+1)= (bn - an1x1(k+1)- an2x2 (k+1)– an3x4 (k+1)- ... - ann-1xn-1 (k+1)

  22. Interpretação Geométrica do Método de Gauss-Seidel Considere o sistema linear 2x2 dado pelas equações abaixo e geometricamente representados pela retas r1 e r2. y r2 r1 x Temos:

  23. r2 r1 y x Inicie no ponto (x10, x20) = (0,0). Para determinar (x11, x20), substitua na reta r1 o valor x20, ou seja mova ao longo da reta horizontal iniciando no ponto (0, 0) até encontrar a reta r2. O próximo ponto (x11, x21), é determinado movendo-se ao longo de uma reta vertical iniciando no ponto (x11, x20) até encontrar a reta r1. Continuando desde modo, aproxima-se sucessivamente da solução do sistema, no caso da seqüência ser convergente.

  24. y x r2 r1

  25. Critério de Sassenfeld

  26. Seja o sistema linear definindo: e paraj = 2, 3, ..., n.

  27. Define-se Seβ<1, então o Método de Gauss-Seidel gera uma seqüência convergente para a solução do sistema, qualquer que seja o vetor inicial. Além disso, quanto menor for o valor de β mais rápida é a convergência.

  28. Métodos diretos

  29. Os Métodos Diretos são aqueles que após um número finito de operações fornecem a solução exata do sistema, a menos dos erros de arredondamentos. Definição: Dois sistemas lineares são equivalentes se estes tem a mesma solução. Podemos obter um sistema equivalente ao dado, efetuando as seguintes operações elementares: Trocar duas equações; multiplicar uma equação por uma constante; somar uma equação a outra multiplicada por uma constante;

  30. Sistema Triangular Superior Denomina-se sistema triangular superior a todo sistema Ax =bem que aij = 0, paraj < i.

  31. Método de Eliminação de Gauss

  32. O Método de Eliminação de Gauss consiste em transformar um sistema linear Ax= b em um sistema triangular superior equivalente. Considere o sistema linear: onde det(A) ≠ 0, isto é, o sistema admite uma única solução.

  33. O sistema linear pode ser representado na forma de matriz estendida [A0 | b0 ], ou seja: onde o índice superior indica a etapa do processo. Etapa 1 Eliminar a incógnita x1 das equações k = 2, 3, ..., n. Sendo a11(0) ≠0, subtraímos da linha k a primeira linha multiplicada por:

  34. Os elementos mk1 são chamados de multiplicadores e o elemento a11(0) é chamado de pivô da Etapa 1. Indicando a linha kda matriz por Lk(0),esta etapa se resume em: Ao final desta etapa tem-se: 0 0 0 que representa um sistema linear equivalente ao sistema original, onde a incógnita x1 foi eliminada das equações k = 2, 3,..., n.

  35. Etapa 2 Eliminar a incógnita x2 das equações k = 3, 4, ..., n. Supondo que a22(1) ≠ 0,vamos tomar este elemento como pivô desta etapa e desta forma os multiplicadores são dados por A eliminação segue com as seguintes operações sobre as linhas:

  36. obtendo ao final da etapa a matriz 0 0 0 0 0 Com procedimentos análogos ao das etapas 1 e 2 elimina-se as incógnitas xkdas equações k + 1, k + 2, ..., ne ao final de n -1 etapas tem-se a matriz:

  37. 0 0 0 0 0 0 Esta matriz representa um sistema triangular superior equivalente ao sistema original. Logo a solução deste sistema, obtido pela Retro-Solução (substituição regressiva), é solução do sistema original.

  38. Assim,

  39. Pivotamento Parcial

  40. Em cada etapa k da eliminação temos o cálculo do multiplicador Se o pivô |akk(k-1)| << 1, ou seja, próximo de zero, os erros de arredondamento se tornam significativos, pois operar números de grandezas muito diferentes aumenta os erros. A estratégia de pivotamento parcial é baseada na operação elementar: Trocar duas equações. No início de cada etapa k escolhemos como pivô o elemento de maior módulo entre os coeficientes akk(k-1)para i = k, k + 1, ..., n.

  41. Inversão de matrizespelo método de Gauss

  42. Vamos supor que desejamos resolver os sistemas lineares Ax = b1, Ax = b2, Ax = bk, onde a matriz A é a mesma para todos os sistemas. A matriz triangular superior, resultante do processo de eliminação, não depende do vetor b e portanto será a mesma em qualquer um dos sistemas. Assim podemos resolver estes sistemas num único processo de eliminação usando a matriz estendida (A |b1|b2|...| bk) e aplicando a Retro-Solução para cada vetor bk.

  43. O Cálculo da inversa de uma matriz é um caso particular do esquema acima. A inversa de uma matriz ARnxn, denotada por A-1, é uma matriz nxntal que AA-1 = I Como exemplo vamos considerar uma matriz A de dimensão 3 3 cuja a inversa A-1 é dada por

  44. Logo tem-se:

  45. Portanto cada coluna kda inversa da matriz A é solução de um sistema linear, onde o vetor dos termos independentes é a k-ésima coluna da matriz identidade, isto é

  46. Portanto, se temos uma matriz nxn, podemos achar a inversa resolvendo nsistemas lineares, representados pela matriz estendida (A | b1| b2 | ... | bk) , onde os vetores bk são os vetores unitários ( 1 na posição ke zeros nas demais posições).

More Related