Professional Documents
Culture Documents
11
12
1
21
22
2
1
2
= 1, ,
= 1, ,
Se m=n ento a matriz dita quadrada.
Um vetor coluna uma matriz consistindo de uma nica coluna, i.e.,
=
11
21
1
Definio 2: Matriz Diagonal
Uma matriz D dita diagonal =
, = = 1, , , onde:
=
0,
, =
=
1
0 0
0
2
0
0 0
Se
=
1 0 0
0 1 0
0 0 1
Definio 3: Igualdade de Matrizes
Sejam
=
, = 1, , ; = 1, ,
=
, = 1, , ; = 1, ,
Ento =
, = 1, , ; = 1, , .
Operaes com Matrizes
Sejam
,
Define-se ento:
Soma de Matrizes: ( +)
, = 1, , ; = 1, , .
Multiplicao da matriz por um real: ()
, = 1, , ; =
1, , .
Sejam
,
A matriz C o produto das matrizes A e B se,
= (
) =
=1
Definio 4: Matriz Transposta
Seja a matriz A dada por
, = 1, , ; = 1, ,
Definio 5: Matriz Triangular
Matriz triangular uma matriz de uma das seguintes formas:
=
11
0 0
21
22
0
1
2
, =
11
12
1
0
22
2
0 0
U dita triangular superior e L triangular inferior.
Observe que:
L triangular inferior
= 0, >
U triangular superior
= 0, <
Definio 6: Diz-se que uma matriz diagonalmente dominante se
|
| >
, i = 1, . . . , n
=1
Definio 7: Determinante de uma Matriz
Determinante de uma matriz uma funo com valores reais, definida no
conjunto
das matrizes m x m :
.
Denotaremos det(A) o determinante de uma matriz quadrada A
m x m
.
As trs regras dadas a seguir so suficientes para computar det(A) para
qualquer matriz A
m x m
.
i. O determinante de uma matriz no se altera se adicionarmos uma
linha (coluna) multiplicada por um nmero outra linha (coluna);
ii. O determinante de uma matriz triangular dado pelo produto dos
elementos da diagonal;
iii. Se duas linhas (colunas) so trocadas o valor do determinante
multiplicado por -1.
Definio 8: Matriz Singular
Dizemos que A
m x m
singular se det(A) =0.
Clculo Numrico-Sistemas Lineares Prof. Carlos Gonalves [4]
Definio 8: Matriz Inversa
Se A no singular ento existe a matriz inversa de A que denotamos A
-1
e
satisfaz:
1
=
1
=
2.2 Sistemas De Equaes Lineares
Sejam a matriz real A
m x m
, x e b vetores colunas. Um sistema de equaes
lineares ou apenas sistema linear, uma equao do tipo = , onde:
11
12
1
21
22
2
1
2
Equao 1
A Equao 1 e a forma = so formas vetoriais do sistema de equaes.
Um sistema linear tambm pode ser escrito como se segue:
11
1
+
12
2
++
1
=
1
21
1
+
22
2
++
2
=
2
1
+
2
2
++
Equao 2
Ou ainda,
, = 1, ,
=1
Resolver o sistema da Equao 1 significa determinar um vetor coluna =
(
1
, ,
2
1
+ 3
2
3
= 5
4
1
+ 4
2
3
3
= 3
2
1
3
2
+
3
= 1
Soluo: Escreva a matriz aumentada do sistema, i.e.,
= ( |) =
2 3 1 5
4 4 3 3
2 3 1 1
A estratgia transformar a matriz B
0
= B em triangular superior, atravs
de transformaes elementares em seus elementos, e.g., tomando-se
como piv o coeficiente
11
= 2, e calculando-se os multiplicadores para
11
de tal ordem que os coeficientes
21
e
31
ao se somar com
11
tornem-se zero (a 1 equao fica inalterada!).
Passo 1: Denotaremos os coeficientes dos pivs e as linhas nos sucessivos
passos por
(1)
, = 1, , , e
(1)
, respectivamente, sendo os
sobrescritos em parnteses o ndice da matriz transformada. Seja ento
11
(0)
=
11
= 2, aps as operaes e eliminaes, vem:
1
=
2 3 1 5
0 2 1 7
0 6 2 6
Passo 2: Seja agora
22
(1)
= 2, logo,
2
=
2 3 1 5
0 2 1 7
0 0 5 15
~
2
1
+ 3
2
3
= 5
0
1
2
2
3
= 7
0
1
+ 0
2
+ 5
3
= 15
Clculo Numrico-Sistemas Lineares Prof. Carlos Gonalves [7]
Resolvendo o sistema triangular superior por substituio retroativa, tem-
se como soluo = (
1 2 3
)
21
(0)
=-4/2=-2
4 4 -3 3
L3
31
(0)
=-2/2=-1
2 -3 1 -1
L4 0 -2 -1 -7 -2*L1+L2
L5
54
(1)
=-6/-2=3
0 -6 2 -6 -1*L1+L3
L6 0 0 5 15 -3*L4+L5
O sistema triangular superior obtido tem como equaes as linhas L1, L4 e
L6, i.e.,
2
1
+ 3
2
3
= 5
0
1
2
2
3
= 7
0
1
+ 0
2
+ 5
3
= 15
Cuja soluo obtida por substituio retroativa = (
1 2 3
)
.
Clculo do Determinante
O determinante da matriz de coeficientes [A] calculado a partir do
produto dos coeficientes a
ii
da diagonal principal, i.e.:
|| =
=
3
=1
11
22
33
=1
= 2 (2) 5 = 20
Como o || 0, ento a soluo nica.
Clculo Numrico-Sistemas Lineares Prof. Carlos Gonalves [8]
Exerccio 1: Resolva pelo mtodo de Gauss, usando 2 casas decimais, o
sistema abaixo dado por:
1
+
2
+
3
= 4
2
1
+ 3
2
+
3
= 9
1
2
3
= 2
Resp.: = (
1 2 1
)
Exerccio 2: Resolva pelo mtodo de Gauss, usando arredondamento
simtrico para 2 casas decimais durante os clculos, o sistema abaixo
dado por:
8.7
1
+ 3.0
2
+ 9.3
3
+ 11.0
4
= 16.4
24.5
1
8.8
2
+ 11.5
3
45.1
4
= 49.7
52.3
1
84.0
2
23.5
3
+ 11.4
4
= 80.8
21.0
1
81.0
2
13.2
3
+ 21.5
4
= 106.3
Resp.: A resposta correta = (
1 2 1 1
)
, mas com os
arredondamentos usados se obter valores aproximados um pouco
menores.
Suponha que voc tenha obtido = (
0.97 1.98 0.97 1
)
. Uma
medida para avaliar a preciso dos clculos estimar o resduo, que
dado por:
=
Ou seja,
=
16.4
49.7
80.8
106.3
8.7 3.0 9.3 11.0
24.5 8.8 11.5 45.1
52.3 84.0 23.5 11.4
21.0 81.0 13.2 21.5
0.97
1.98
0.97
1.00
Donde:
=
0.042
0.214
0.594
0.594
Clculo Numrico-Sistemas Lineares Prof. Carlos Gonalves [9]
2.4.1.1 Refinamento de Solues
Ao se trabalhar com aproximaes nos clculos, as imprecises so
inevitveis devido propagao dos erros nos arredondamentos, assim,
podemos melhorar uma soluo encontrada minimizando o efeitos
destes erros na soluo final usando a tcnica dos resduos. A tcnica a
seguinte:
Seja
(0)
a soluo aproximada para o sistema Ax = b. Ento a soluo
melhorada obtida de
(1)
=
(0)
+
(0)
, onde
(0)
parcela de ajuste.
Assim:
(1)
=
(0)
+
(0)
=
(0)
+
(0)
=
Segue-se que:
(0)
=
(0)
(0)
=
(0)
Logo, para obter-se a parcela de ajuste, basta resolver agora o sistema
linear
(0)
=
(0)
. Caso se deseje melhor uma aproximao o processo
repetido, i.e., resolve-se um novo sistema
(1)
=
(1)
, onde
(1)
,
(1)
,
so a parcela de ajuste para
(1)
, e
(1)
o resduo produzido por
(1)
,
respectivamente.
Exemplo: Do sistema linear do exemplo anterior, vimos que:
= (
0.97 1.98 0.97 1
)
Com resduo = (
0.042 0.214 0.594 0.594
)
.
Ento,
(1)
=
(0)
+
(0)
e =
(0)
, o clculo do ajuste feito pelo
sistema
(0)
=
(0)
, que fornece o resultado:
(0)
= (
0.0295 0.0195 0.0294 0.0000
)
A nova soluo ser:
(1)
=
(0)
+
(0)
= (
1.000 2.000 0.999 1.000
)
Cujo resduo :
Clculo Numrico-Sistemas Lineares Prof. Carlos Gonalves [10]
(1)
= (
0.009 0.011 0.024 0.013
)
O processo pode ser refeito at que o resduo chegue a zero ou prximo
disso. Fica como exerccio a repetio deste processo, no qual se verificar
que o
(2)
= (
0.0 0.0 0.0 0.0
)
, como desejado.
Exemplo: Interpolao polinomial.
Imagine que queiramos passar um
polinmio quadrtico (i.e., uma
parbola), pelos pontos A=(x
1
,y
1
),
B=(x
2
,y
2
), e C=(x
3
,y
3
) (v. figura).
Um polinmio quadrtico escrito, na
sua forma geral, como:
() = + +
Ora, como o objetivo determinar o polinmio quadrtico, as incgnitas so
os trs coeficientes a, b e c. Para encontrar as incgnitas dispomos de trs
equaes, pois o grfico do polinmio deve passar pelos trs pontos
dados: p(x
1
)=y
1
, p(x
2
)=y
2,
e
p(x
3
)=y
3.
.
Explicitando as equaes, ficamos com:
1
2
+
1
+ =
1
2
2
+
2
+ =
2
3
2
+
3
+ =
3
Reescrevendo-as evidenciamos o carter de sistema linear do problema,
pois as incgnitas agora so a, b, e c, vem:
1
2
+
1
+ =
1
2
2
+
2
+ =
2
3
2
+
3
+ =
3
De acordo com as condies dadas, pede-se determinar a parbola que
passa pelos pontos A=(0.54,1.99), B=(2.46,-1.03), C=(4.02,-1.65), usando
arredondamento simtrico com duas decimais.
Clculo Numrico-Sistemas Lineares Prof. Carlos Gonalves [11]
Soluo: Aps formar o sistema linear abaixo, vamos usar o mtodo de
Gauss para resolv-lo.
.
Assim, a equao procurada ser:
() = 0.33
2
2.57 + 3.28
Mtodo de Jordan
Pode ser considerado como uma variante do mtodo de Gauss, e consiste
em fazer transformaes elementares sobre as equaes do sistema linear
dado, at que se obtenha um sistema diagonal equivalente, i.e.,
11
0 0
0
22
0
0 0
Cuja soluo ser o vetor coluna:
=
11
22
Clculo Numrico-Sistemas Lineares Prof. Carlos Gonalves [12]
2.4.2 Mtodos Iterativos
Os mtodos iterativos so menos suscetveis a propagao de erros de
arredondamento (devido a sua autocorreo) do que os mtodos diretos,
alm de serem indicados para um sistema cuja matriz dos coeficientes
esparsa (muitos elementos iguais a zero). Computacionalmente
razoavelmente so fceis de implementar, j existindo cdigos prontos em
Fortran ou C na literatura e na internet, por exemplo.
Critrios de Convergncia
Antes de usarmos um mtodo iterativo a um sistema linear, importante
verificarmos a sua possvel convergncia para uma soluo.
Definio: Uma matriz A estritamente diagonalmente dominante se:
=1
< |
|, = 1, 2, , .
Demonstra-se que se a matriz dos coeficientes do sistema linear
estritamente diagonalmente dominante, ento o mtodo iterativo usado
convergente.
O mtodo iterativo para resolver o sistema linear = , onde A
diagonalmente dominante, consiste em escrev-lo na forma equivalente
como:
= +
[]
1
[]
[]
1
Donde partimos de uma aproximao inicial
(0)
e fazemos as iteraes
sucessivas:
(1)
=
(0)
+; ;
(+1)
=
()
+
Se lim
()
0, dizemos que a sequncia de aproximaes
()
converge para x.
No sistema inicial temos:
Clculo Numrico-Sistemas Lineares Prof. Carlos Gonalves [13]
11
1
+
12
2
++
1
=
1
21
1
+
22
2
++
2
=
2
1
+
2
2
++
Explicitando as equaes como segue:
1
=
1
11
(
1
12
2
13
3
1
2
=
1
22
(
2
21
1
23
3
2
=
1
1
2
2
1
1
)
S podemos escrever as equaes acima se
0, se isto no acontecer,
ento deve-se rearrumar as equaes para que o sistema fique na forma
desejada.
2.4.2.1 Mtodo de Jacobi-Richardson
Consiste nas etapas:
a) Escolher um vetor aproximao inicial arbitrrio,
(0)
. Na falta de
melhor alternativa pode-se usar
(0)
= 0, = 1, 2, , .
b) Gerar as aproximaes sucessivas:
(+1)
=
()
+ , = 0, 1, , .
c) Continuar at que seja satisfeito um dos critrios de parada abaixo:
i. max
1
(+1)
()
(+1)
10
1
+ 2
2
+
3
= 7
1
+ 5
2
+
3
= 8
2
1
+ 3
2
+ 10
3
= 6
Soluo: V-se que a matriz dos coeficientes diagonalmente dominante,
pois:
Clculo Numrico-Sistemas Lineares Prof. Carlos Gonalves [14]
|
12
| + |
13
| = |2| + |1| < |10| = |
11
|
|
21
| + |
23
| = |1| + |1| < |5| = |
22
|
|
31
| + |
32
| = |2| + |3| < |10| = |
33
|
Logo, o sistema converge. Ento, aps dividirmos as equaes por seus
respectivos elementos da diagonal principal, teremos as seguintes
equaes de iterao:
1
(+1)
= 0.2
2
()
0.1
3
()
+ 0.7
2
(+1)
= 0.2
1
()
0.2
3
()
1.6
3
(+1)
= 0.2
1
()
0.3
2
()
+ 0.6
Iniciando com
(0)
= (0.7 1.6 0.6)
, obtemos para
(1)
:
1
(1)
= 0.2
2
(0)
0.1
3
(0)
+ 0.7 = 0.2(1.6) 0.1(0.6) + 0.7
2
(1)
= 0.2
1
(0)
0.2
3
(0)
1.6 = 0.2(0.7) 0.2(0.6) 1.6
3
(1)
= 0.2
1
(0)
0.3
2
(0)
+ 0.6 = 0.2(0.7) 0.3(1.6) + 0.6
Efetuando-se as operaes e continuando com as iteraes, geramos a
tabela abaixo:
k 0 1 2 3 4 5
1
0,7 0,96 0,978 0,9994 0,99792 1,000236
2
-1,6 -1,86 -1,98 -1,9888 -1,99956 -1,99894
3
0,6 0,94 0,966 0,9984 0,99676 1,000284
A parada deve acontecer quando:
(4)
(3)
=
0.0015
0.0108
0.0016
Logo,
max
13
(4)
(3)
(4)
=
0.0108
1,9996
0.0054 < 10
2
Ento a soluo para o sistema linear dado :
Clculo Numrico-Sistemas Lineares Prof. Carlos Gonalves [15]
= (
0.9979 1.9996 0.9978
)
2.4.2.2 Mtodo de Gauss-Seidel
Representa uma acelerao na convergncia do mtodo de Jacobi-
Richardson, dado que uma varivel calculada na iterao, j usada no
cmputo de outra varivel na mesma iterao.
De modo similar ao mtodo de Jacobi-Richardson, o mtodo segue as
seguintes etapas:
a) Escolher um vetor aproximao inicial arbitrrio,
(0)
. Na falta de
melhor alternativa pode-se usar
(0)
= 0, = 1, 2, , .
b) Gerar as aproximaes sucessivas para = 0, 1, , :
(+1)
= (
(+1)
1
=1
()
=+1
)/
, = 1, , .
c) Continuar at que seja satisfeito um dos critrios de parada abaixo:
i. max
1
(+1)
()
(+1)
=+1
,
, = 1, ,
1
=1
E seja = max
1
.
Ento, se < 1, a sequncia
()
, gerada pelo mtodo de Gauss-Seidel
converge para a soluo do sistema dado.
(Para a prova desse teorema, favor consultar a bibliografia).
Resumindo, se a matriz dos coeficientes for estritamente diagonalmente
dominante, ento o mtodo iterativo de Gauss-Seidel converge, pois
Clculo Numrico-Sistemas Lineares Prof. Carlos Gonalves [16]
temos < 1. Note-se ainda que a convergncia no depende do valor
inicial do vetor coluna.
Exemplo: Resolver o sistema linear abaixo com erro relativo < 10
2
,
usando o mtodo de Gauss-Seidel com
(0)
= (0 0 0)
10 2 1
1 5 1
2 3 10
3
=
14
11
8
Soluo: Matriz dos coeficientes vem de:
1
(+1)
= 0.2
2
()
0.1
3
()
+ 1.4
2
(+1)
= 0.2
1
(+1)
0.2
3
()
2.2
3
(+1)
= 0.2
1
(+1)
0.3
2
(+1)
+ 0.8
Condio de convergncia:
1
=
3
=2
=
3
10
= 0.3000
2
= |
21
|
1+
|
23
| =
13
50
= 0.2600
3
= |
31
|
1+
|
32
|
2
=
69
500
= 0.1380
Donde,
= max
13
= max
13
{
0.3000 0.2600 0.1380
} < 1
Logo, temos garantia de convergncia na sequncia iterativa, assim, para
(0)
= (0 0 0)
, temos:
1
(1)
= 0.2
2
(0)
0.1
3
(0)
+ 1.4
2
(1)
= 0.2
1
(1)
0.2
3
(0)
2.2
3
(1)
= 0.2
1
(1)
0.3
2
(1)
+ 0.8
(1)
=
1.4000
1.9200
0.0560
Efetuando-se as operaes e continuando com as iteraes, geramos a
tabela abaixo:
Clculo Numrico-Sistemas Lineares Prof. Carlos Gonalves [17]
k 0 1 2 3 4 5
1 0 1,4 1,0216 0,999262 0,999743 0,999977
2 0 1,92 2,00688 2,001424 2,000107 2,000001
3 0 -0,056 -0,00638 -0,00028 1,92E-05 4,42E-06
Teste da parada:
max
13
(4)
(3)
(4)
=
0.0013
2,0001
0.0007 < 10
2
Assim, a soluo para o sistema ser
(4)
, com a preciso pedida.
2.4.3 Matrizes Complexas
Seja o sistema linear = , onde as matrizes so complexas, i.e.,
= +
= +
= +
Equao 3
Onde M, N so matrizes reais de dimenso n x n, e c, d, s, t so matrizes
reais de ordem n x 1.
Substituindo a Equao 3 na equao inicial:
( + )( +) = +
+ ( +) = +
Donde:
=
+ =
O qual, na notao matricial, se reduz a:
Equao 4
Clculo Numrico-Sistemas Lineares Prof. Carlos Gonalves [18]
O sistema linear inicial foi reduzido ao sistema real da Equao 4. Portanto,
basta resolver o sistema da Equao 4 por um dos mtodos j vistos
anteriormente.
Exemplo: Resolver o sistema:
(1 + 2)
1
+ 3
2
= 5 + 4
1
+
2
= 1
Soluo: Vamos montar a matriz dos coeficientes:
=
1 + 2 3 + 0
1 + 0 1 + 0
=
1 3
1 1
+
2 0
0 0
Termos independentes:
=
5 + 41
1 + 0
=
5
1
+
4
0
Variveis:
=
2
=
Escrevendo o sistema na forma da Equao 4, vem:
1 3 2 0
1 1 0 0
2 0 1 3
0 0 1 1
2
=
5
1
4
0
Resolvendo o sistema pelo mtodo de Gauss, vem que:
= (0 1 1 1)
= ( 1 +)
2.4.4 Noes de Condicionamento
(desenvolver)
<eof>