DMA IMECC UNICAMP

MT402: Matrizes
Prof. Roberto Andreani

1o Sem 2009
IMECC Sala 110

LISTA DE EXERC
ICIOS VII
ao os metodo de Jacobi con1. Seja A IRnn estritamente diagonal dominanate ent
verge partindo de qualquer ponto. Que acontece com o metodo de Gauss- Seidel?
2. Mostre que a iteracao de Jacobi pode ser escrita na forma x(k+1) = x(k) +Hr(k) , onde
r(k) = b Ax(k) .Quem e a matriz H, faca o mesmo para a iterac
ao de Gauss-Seidel.
3. Crit
erio de Sassenfeld: (Criterio so suficiente e valido so para o metodo de GaussSeidel.)
|a12|+|a13 |+...+|a1n |
Sejam 1 =
e, para 2 j n,
|a11 |
j =

|aj1 |1 + |aj2 |2 + . . . + |aj,j1 |j1 + |aj,j+1 | + . . . + |ajn |

.
|ajj |

uencia conSe = max1ini < 1, entao o metodo de Gauss-Seidel gera uma seq
vergente para x .
4. Mostrar que se A e simetrica e positiva definida ent
ao o metodo de Gauss-Seidel
converge partindo de qualquer ponto, que acontece com o metodo de Jacobi?.
5. Mostrar que para matrizes de IR22 simetricas definidas positiva o metodo de Jacobi
converge.
6. Mostrar que se A = M N , M nao singular e A singular ent
ao (M 1 N ) > 1.

4 1 1

7. Qual e o parametro otimo para o metodo SOR para a matriz 1 4 1

1 1 4
8. Mostre a recproca do teorema de convergencia dos metodos de splitting de A, A =
M N , i.e., mostre que se a iterac
ao M x(k+1) = N x(k) + b sempre converge, ent
ao
1
(M N ) < 1.
"

"

1 1/2
1 3/4
9. Suponha que A1 =
e que A2 =
. Sejam HJ1 e
1/2
1
1/12
1
HJ2 as respectivas matrizes de iterac
ao de Jacobi. Mostre que (HJ1 ) > (HJ2 ),
comprovando assim que e falso afirmar que quanto maior e a dominancia da diagonal
de A, mais rapida sera a convergencia da iterac
ao de Jacobi.
"

10. Considere a matriz 22, A =

ira convergir para esta matriz?

1
1

. Sob que condic

oes a iterac
ao de Gauss-Seidel

"

11. Repita o exerccio anterior, para a matriz A =

In S
S T In

, onde S IRnn .

(Sugestao: use a SVD de S.)

M
etodo de dire
c
oes conjugadas
Dadas {d0 , d2 , . . . , dn1 } direc
oes A conjugadas, fazer
passo 1 escolher x0 , k = 0.
passo 2

rk = b Axk se rk = 0 parar.
rT r
xk+1 = xk + k dk com k = dTkAdk .
k
k
k k + 1 ir ao passo 2.

M
etodo dos Gradientes conjugados
passo 1 escolher x0 , d0 = r0 = b Ax0 , k = 0.
passo 2

rk = b Axk se rk = 0 parar.
rT r
xk+1 = xk + k dk com k = dTkAdk .
k

dk+1 = rk+1 + k dk com k =

k k + 1 ir ao passo 2.

T
rk+1
rk+1
.
rkT rk

12. Mostrar que no metodo de direc

oes conjugadas rk+1 e ortogonal a span{d1 , d2 , . . . , dk }.
13. Provar que os {r0 , . . . , rk } gerados pelo metodo do gradientes conjugados sao mutuamente ortogonais
14. Seja A IRnn simetrica definida positiva mostrar que se {p0 , p1 , . . . , pn1 } s
ao vetores linearmente independentes as direc
oes {d0 , d1 , . . . , dn1 } recursivamente por:
d0 = p0
dk+1 = pk+1

Pk

pT
k+1 Adi
i=0 dT Adi di
i

sao A conjugadas.
15. Suponhamos que no exercicio anterior as pk s
ao geradas como pk = Ak p0 mostrar
que as dk correspondentes se podem gerar com uma formula de recursao de tres
termos onde a dk+1 e deinida em func
ao de Qdk , dk e dk1 .
16. mostrar que se no exercicio anterior tomamos pk = ek o vetor canonico, mostrar
que el metodo de dire(c)oes conjugadas e equivalente `a eliminac
ao gaussiana para
resolver Ax = b.

17. Seja A simetrica provar que os autovetores correspondientes a autovalores diferentes

sao A conjugados.
18. Sejam A simetrica e d1 , d2 , . . . , dn A conjugados mostrar E tal que E T AE seja diagonal.