Professional Documents
Culture Documents
ÍNDICE
Causas:
• Divisões Inexatas;
• Números Irracionais;
• Abandono de Casas Decimais e
• Etc.
Figura 1
(
∆l = l 0 α .t + β .t 2 )
onde:
∆l → var iação do comprimento
l0 → comprimento inicial
t → temperatura
α e β → coeficientes de dilatação de cada material.
Logo:
0,001252 < α < 0,001254
0,000067 < β < 0,000069
Então:
(
∆l > 1. 0,001252.10 + 0,000067.10 2)
∆l < 1.(0 ,001254.10 + 0,000069.10 ) 2
Logo:
0,019220 < ∆l < 0,019440
ou
∆l = 0 ,0193 ± 10−4
Então vemos que uma imprecisão na sexta casa decimal de α e β, implicou uma imprecisão
na quarta casa decimal de ∆l.
A precisão do resultado não é só função do modelo matemático, mas também dos dados
de entrada.
ε≥∆
∆
δ=
a
ε
δ≤
a'
a ≅ a'
“Erro relativo tem por objetivo dar uma idéia ao grau de uma influência do erro, no valor
desejado”.
O erro absoluto não traduz nada, se não soubermos a ordem de grandeza do valor
calculado.
Ex.:
a = 3876,373
b = 1,373
0,373
δa = < 10 − 4
Para a: 3876,376
0 ,373
δb = < 2.10 − 1
Para b: 1,373
0 ,000010
= 10− 5
1
Com esta definição é possível afirmar que se o número a e sua aproximação a’ tem
algarismos significativos coincidindo a partir da esquerda até o de ordem i, então o número
de algarismos significativos corretos é pelo menos (i – 1).
2
(0,666....)
A aproximação 0,668543 de 3 . O algarismo 8 da aproximação não é correto pois:
Ex.: Seja o número a = 0,000045045. Por um processo numérico foi determinado para o
mesmo valor a’ = 0,000045270.
a = 0,45045.10-4 e a’ = 0,45270.10-4
Absoluto:
∆ = a − a' = 0,000000225 = 0,00225.10. −4
∆ < 0,5.10 − 2 .10 − 4
Relativo:
0,00225.10 −4
δ = −4
< 0,5.10 − 2
0,45045.10
Se considerarmos o erro absoluto, da ordem de 10-6, podemos ter uma idéia errônea do
número de algarismos significativos. No entanto, com a apreciação do erro relativo,
podemos perceber porque sua precisão não vai além dos dois primeiros algarismos
significativos.
Teorema
Se o erro relativo da aproximação a’ de a for maior que 0,5x10-s, então a’ tem pelo menos
“s” algarismos significativos corretos.
Demonstração
Como
a = µ x10t < 10t , devemos ter:
a'− a
δ = > 0,5 x10 − t
a o que por hipótese é absurdo.
C.Q.D.
Regras a serem observadas:
0,2013
1,5367x0,00337
2 + 1 ,5367 x 0 ,00337
0,01
• adicionar: 1,41 + 0,01 = 1,42
0,01
• efetuar a subtração:
22,32
Log10 2 = 0,301
• - multiplicá-lo pelo expoente
0,301x2,32 = 0,69832
• - arredondar o resultado para 3 algarismos significativos.
0,698
Prof. José Augusto Lucas Matos Página 8 de 55
Material sujeito a correções
5,00
3,14
π + 22,32
• somando diretamente, vem:
Cálculo final
1 ,41
= 0 ,173
8 ,14
1.7 Erro de Truncamento
São erros provenientes da utilização de processo que deveriam ser infinitos ou muito
grandes para a determinação de um valor, e que, por razões práticas, são truncados.
Definição:
Lim xn − x = 0
n→ ∞
en = xn − x
Ex.:
1
A seqüência {xn} com
xn =
n converge para o limite “0” porque:
1
Lim = −0 =0
n→ ∞ n
Exemplo:
Usando a seqüência:
x x2 x3
e ≈1+ x + + ....
2! 3!
e 0 ,15 ≈ 1 + 0 ,15 +
(0 ,15)2 + (0 ,15)3 = 1,1618125
2 6
Sabendo-se que
e 0 ,15 = 1 ,161834243 ± 0 ,5 x10 −4
, isto é, os algarismos até a 8ª casa
decimal são exatos, e comparando este valor com o calculado pelo processo numérico,
verificamos que apenas 5 algarismos significativos são exatos.
(0 ,15 ) (0 ,15)
2 3
0 ,15
− 1 + 0 ,15 +
Erro de truncamento =
e
2!
+
3! ≤ 0 ,0000217435
Que representamos por:
e 0 ,15 = 1,16181 ± 0 ,00003
1.9 Propagação de erros
Exemplos de como os erros vistos podem influenciar o desenvolvimento de um cálculo.
Supondo-se que as operações abaixo sejam processadas em uma máquina com 4 dígitos
significativos e fazendo-se:
x1 = 0,3491x104 e x2 = 0,002345x100
Temos:
Os dois resultados são diferentes quando não deveriam ser. A causa foi o arredondamento
feito na adição (x1 + x2) cujo resultado tem 8 dígitos e a máquina apenas 4.
2 MATRIZES
Ex.:
a11 a12 ... a1n
a a2 n
21 a22 ...
...... ....... ...... ......
am 1 am 2 ..... amn
a11 a1
a a
21 ou 2
.... ...
a m 1 a m
a11 0 0
0 a 22 0
0 0 a 33
• Matriz Unitária é uma matriz quadrada, na qual todos os elementos são nulos exceto
os da diagonal principal que são todos iguais a 1. A matriz unitária de ordem n é
representada por In.
1 0 .... 0
0 1 .... 0
In = ..... .... .... .....
0 0 ..... 1
• Matriz Triangular é a matriz na qual aiJ = 0 para i < j (triangular inferior) ou aiJ = 0
para i > j (triangular superior).
Ex.:
a11 0 .... 0
a a 22 .... 0
12 (triangular inferior )
.... .... .... ....
a n1 a n 2 .... a nn
• Matriz Simétrica é toda matriz quadrada onde aiJ = aJi. Os elementos são iguais
simetricamente à diagonal principal.
A = AT
A = -AT
Igualdade de Matrizes
Duas matrizes A = (aij) e B = (bij) de ordem mxm, são iguais se e somente se aij = bij.
Adição
5 4 7 8 3 7 8 5 8 11 15 13
3 2 1 6 + 0 0 1 2 = 3 2 2 8
Subtração
Ex.:
5 4 7 8 3 7 7 5 2 − 3 0 3
3 2 1 6 − 0 0 1 2 = 3 2 0 4
A + ( B + C ) = ( A + B ) + C associatividade
( a + b ).A = aA + bA
distributividade
c( A + B ) = cA + cB
A+ B = B + A comutatividade
3- Transpondo-se uma linha ou uma coluna para a primeira posição, o determinante fica
multiplicado por (-1)k-1 onde k representa a ordem da linha ou coluna transposta.
5- O determinante é nulo se todos os elementos de uma linha ou uma coluna são nulos.
6- O determinante é nulo se os elementos de duas linhas ou colunas são iguais entre si.
∆' = (− 1)
m −1
.∆
∆'' = (− 1)
k −1
∆'
.∆
∆'' = (− 1)
k +m
.∆
Toda matriz que tem duas linhas ou colunas iguais tem determinante nulo.
Trocando-se a posição destas linhas ou colunas o seu valor deveria trocar de sinal.
Logo:
∆ = -∆
∆
2∆
∆=0
∆=0
a11 a13
M 32 =
a21 a23
Dado o determinante
a11 a12 ... a1n
a a2 n
21 a22 ...
...... ....... ...... ......
an1 an 2 ..... ann
Aj i
Chama-se complemento algébrico ao elemento a i j e representa-se por ao
determinante obtida pela expressão:
Aij = (− 1) + M ij
i+ j
Definimos como matriz adjunta de [A] e representamos por , a matriz cujo elemento
[A ]
'
aij = A ji A ji
genérico é onde representa o complemento algébrico do elemento aij do
determinante associado da matriz [A].
Como podemos observar, a matriz adjunta pode ser obtida, em outras palavras, a partir da
matriz transposta ([At]), construindo-se uma nova matriz, onde os elementos são os
correspondentes complementos algébricos dos elementos do determinante |At|.
Ex.:
Achar a matriz adjunta de:
[A] =
a11 a12
a21 a22
[A ] = aa
t 11 a21
a22
12
[A' ] =
a22 − a12
− a21 a11
Definimos como matriz inversa [A] e representamos por [A-1], a matriz tal que seja
satisfeita a expressão (1) .
Para obtermos [A-1], comecemos por calcular [A].[A’]. Considerando os teorema de Laplace
e Cauchy, resulta:
[A].[ A' ] = AI
Supondo que
A ≠ φ , temos:
Ex.:
Achar a matriz inversa de:
[A] =
a11 a12
a21 a22
A
Cálculo de
Cálculo de [At]
[A ] = aa
t 11 a21
a22 (poderia ser a transposta da adjunta)
12
Cálculo de [A’]
[A' ] =
a22 − a12
− a21 a11
Obtenção de [A-1]
1 a − a12
[A ] = a
−1
. 22
a11
11a22 − a 21a12 − a 21
Seja o sistema:
a11 .x1 + a12 x2 + ..... + a1n xn = b1
a21 x1 + a22 x2 + ..... + a2 n xn = b2
..... ........ ...... ...... ...... ......
an1 x1 + an 2 x2 + ...... + ann xn = bn
[A][ X ] = [b]
[A ][A][X ] = [A ][b]
−1 −1
Donde:
[X ] = [A−1 ][b]
Ex.:
Resolver o sistema:
x+ y+z=6
2x − y + z = 3
x + 2y − z = 2
1 1 1 x 6
2 - 1 1 y = 3
1 2 - 1 z 2
Resultando:
−1
x 1 1 1 6
y = 2 - 1 1 3
z 1 2 - 1 2
1 1 1 1 1
2 - 1 1 2 - 1 = 1 + 1 + 4 − ( −1 ) − 2 − ( −2 ) = 7 , log o A = 7
1 2 -1 1 2
Cálculo da transposta:
1 2 1
At = 1 - 1 2
[ ]
1 1 - 1
Cálculo da adjunta:
− 1 3 2
[A' ] = 3 - 2 1
5 - 1 - 3
Cálculo da Inversa:
− 1 3 2
1
[A ]
−1
= 3 -2 1
7
5 - 1 - 3
x − 1 3 2 6
y = 3 - 2 1 . 3
1
7
z 5 - 1 - 3 2
Ou seja:
x 1
y = 2
z 3
Seja:
a 21 a 31 a
Multiplicando-se os elementos da 1ª linha por
, ,....., n1 , e subtraindo estes resultados
a11 a11 a11
dos elementos das linhas 2, 3, 4, ......., n, resulta:
... ... ... ... ...
0 a (1)
n2 ... ... a ( 1 ) nn
Onde:
1 2 4
A = 5 2 6
2 1 3
a 21
Multiplicando a 1ª linha por a11 e subtraindo os resultados das multiplicações de todos os
elementos dos elementos respectivos da 2ª linha vem:
5 10 20 1 2 4
= = 5 ⇒ 5 2 6 , .então l 2 − l1 ⇒ 0 − 8 − 14 etc...
a21 5 (1 )
a11 1
2 1 3 2 1 3
a31
Multiplicando a 1ª linha por e subtraindo os resultados dos respectivos elementos da 3ª
a11
linha vem:
1 2 4 1 2 4
0 −8 − 14 = 0 − 8 − 14
( 2 − 2 ) ( 1 − 4 ) ( 3 − 8 ) 0 − 3 − 5
1 2 4
a32 − 3 3
Multiplicando a 2ª linha por
= = ⇒ 0 − 3 − 5 ,25
a22 − 8 8
0 − 3 − 5
1 2 4 1 2 4
0 −8 −4 = 0 − 8 − 14
0 (( −3 ) − ( −3 )) (( −5 ) − ( 5 ,25 )) 0 0 0 ,25
Logo:
∆ = 1 x( −8 ) x 0 ,25 = −2
AX = λ [ X ]
Os valores de
λ
que satisfazem a equação característica da matriz (raízes da equação) A
são os valores característicos de A.
λ
Dos valores de , obtemos os valores dos vetores
X
, (conjuntos de soluções), que são
denominados Vetores Característicos de A.
10 x1 + 2x2 + x 3 = λ x1
2 x1 + 10x 2 + x 3 = λx2
2 x1 + x 2 + 10x 3 = λ x3
Teremos:
( 10 − λ ) 2 1
1 = (10 − λ ) − 7(10 − λ ) + 6 = 0
3
∆= 2 ( 10 − λ )
2 1 ( 10 − λ )
− 3 λ1 = 13
10 − λ = 1 ⇒ λ 2 = 9
2 λ = 8
3
- 3x1 + 2x2 + x3 = 0
Para
λ1 = 13 2x1 - 3x2 + x3 = 0
2x + x - 3x = 0
1 2 3
Fazendo
x3 = 1 teremos x1(1) = 1, x2(1) = 1 e x3(1) = 1
x1 + 2x 2 + x 3 = 0
λ2 = 9 2x1 + x 2 + x 3 = 0
Para
2x + x + x = 0
1 2 3
1 1
Fazendo
x3 = 1 teremos x1( 2 ) = − , x 2( 2 ) = − e x3( 2 ) = 1
3 3
2x1 + 2 x 2 + x3 = 0
Para
λ3 = 8 2x1 + 2 x 2 + x3 = 0
2x + x + 2x = 0
1 2 3
3
Fazendo
x3 = 1 x ( 3 ) = − , x 2( 3 ) = 1 e x 3( 3 ) = 1
teremos 1 2
O estudo é limitado aos sistemas não homogêneos de “n” equações a “n” incógnitas.
4.1 Métodos Diretos ou de Eliminação
São métodos que determinam a solução de um sistema de equações lineares com um
número finito de operações. Eles atuam diretamente sobre as equações.
(1) (1)
x1 + a12 x2 + a13 x3 + ........................... + a1(1( n) − 1) xn − 1 + a1(1n) xn = b1(1)
( 2)
x2 + a23 x3 + ........................... + a2( 2( n) − 1) xn − 1 + a2( 2n) xn = b2( 2 )
........................................................................................................
xn − 1 + a((nn−−11))n xn = bn( n−−11)
xn = bn( n )
l1 l1(1)
1. Dividir pelo elemento pivô, o que nos dará uma nova linha e
j = 1 ,.........,n + 1
a ij( 1 ) = a ij − a ij a2( 1j ) para
i = 2 ,.........., n ,
Aε
Ao fim da 1ª eliminação, a matriz está transformada em:
1 a12 (1)
..............a1(1n) b1(1)
(1)
0 a22 ..............a2(1n) b (1) 2
Aε =
.........................................
0 a (1) ..............a (1) b (1)
n2 nn n
(1)
A segunda eliminação consiste em anular os elementos da segunda coluna, abaixo de
a 22 ,
denominado pivô desta eliminação.
(1) (2)
1. Dividimos
l 2 pelo pivô, obtendo
l 2 ;
(1) (1) (2) (1)
2. Para anular o elemento
a 32 somamos
l 3 a
l 2 pré-multiplicada por
a 32
j = 2 ,.........,n + 1
a ij( 2 ) = a ij( 1 ) − ai(21 )a 2( 1j ) para
i = 3 ,.........., n ,
l k( k − 1 )
l k( K ) = ( k −1 ) ,
a kk
( k −1 )
(k ) akj k = 1 ,............, n
akj = ( k −1 )
......
akk j = k ,............, n + 1 .
k = 1 ,.........,n − 1
(k ) ( k − 1) ( k − 1) ( k )
a ij =a ij −a ik a kj para j = k,.........,n + 1
i = k + 1,.........,n
Exemplo:
2 x1 + 2 x2 + x3 + x4 = 7
x1 - 2 x2 + 2 x3 − x4 = 1
3 x1 + 2 x2 − 3 x3 − 2 x4 = 4
4 x1 + 3 x2 + 2 x3 + x4 = 12
l1 2 2 1 1 7
l2 1 − 1 2 − 1 1
l3 3 2 − 3 − 2 4
l4 4 3 2 1 12
1ª Eliminação:
l1(1) = l1 / 2
(1) 1 1 0,5 0,5 3,5
l2 = l 2 − 1l1(1) 0 −2 1,5 − 1,5 − 2,5 (1.l1(1) ) = 1 1 0,5 0,5 3,5
(1)
l3 = l 3 − 3l1(1) 0 −1 − 4,5 − 3,5 − 6,5
(1)
= l 2 − 4l1(1) 0 −1 0 -1 −2
l4
2ª eliminação:
1 1 0,5 0,53,5
( 2 ) (1 )
l2 = l2 /(−2) 0 1 − 0,75 0,75 1,25
( 2 ) (1 )
l3 = l3 − (−1)l 2
( 2)
0 0 − 3,25 − 2,75 − 5,25 (−1)(l2( 2) ) = 0 − 1 0,75 − 0,75 − 1,25
l ( 2) = l (1) − (−1)l ( 2)
4 4 2 0 0 − 0,75 − 0,25 − 0,75
3ª eliminação:
1 1 0,5 0,5 3,5
0 1 − 0,75 0,75 1,25
(3) (2)
l3 = l3 /(−3,25) 0 0 1 − 0,5238 1
l (3) = l (2) − (−0,75)l (3)
4 4 3 0 0 0 − 0,1907 0 (−0,75)(l3(3) ) = 0 0 − 0,75 0,3586 − 0,75
x4 = 0
x3 = (0,5238)0 + 1 = 1
x2 = 1,25 + (0,75)1 − (0,75)0 = 2
x1 = 3,5 − 2 − 0,5 x1 − 0,5 x 0 = 1
É importante observar que nenhum dos elementos que servem de pivô numa eliminação ‘k’
pode ser igual a zero. Se isto ocorrer devemos trocar de posição as (n-k+1) linhas abaixo
lk
de (inclusive), de modo que tais elementos não sejam nulos.
É óbvio que isto não altera a solução do sistema, porque apenas trocaremos duas equações
de posição.
Quando este procedimento não for possível porque todos os elementos abaixo do pivô são
nulos, i sistema é singular.
Com um procedimento inteiramente análogo ao que nos levou às expressões anteriores (no
método de Gauss),temos para o método de Gauss-Jordan:
l k( k − 1 )
l k( K ) = ( k −1 ) ,
a kk
lk(k )
que desenvolvida elemento a elemento de , equivale a:
akj( k − 1 ) k = 1,............, n
a kj( k ) = ( k −1 )
......
akk j = k ,............, n + 1 .
i = 1 ,........., n
l ik = l i( k − 1 ) − aik( k − 1 )l k( k ) com
com i ≠ k
2 x1 + 2 x 2 + x 3 + x4 = 7
x1 - 2 x2 + 2 x3 − x4 = 1
3 x1 + 2 x 2 − 3 x3 − 2 x4 = 4
4 x1 + 3 x2 + 2 x3 + x4 = 12
2 2 1 1 7
1 − 1 2 − 1 1
3 2 − 3 − 2 4
4 3 2 1 12
1ª Eliminação:
→ l1
(1)
= l1 / 2 1 1 0,5 0, 5 3,5
(1)
l2 = l 2 − (1)l (1)
1 0 −2 1,5 − 1,5 − 2,5
(1)
l3 = l 3 − ( 3)l1(1) 0 −1 − 4,5 − 3,5 − 6,5
(1)
= l 2 − (4)l1(1) 0 −1 0 -1 −2
l4
2ª Eliminação:
3ª Eliminação:
4ª Eliminação:
l1( 4 ) = l1( 3 ) − ( −0,9047)l4( 4 ) 1 0 0 0 1
( 4)
l2 = l 2( 3 ) − (1,1428)l 4( 4 ) 0 1 0 0 2
( 4)
l3 = l 3( 3 ) − (0,5238)l4( 4 ) 0 0 1 0 1
→ l ( 4) = l4( 3 ) / 0,1428 0 0 0 1 0
4
Logo:
x1 = 1
x2 = 2
x3 = 1
x4 = 0
Valem as mesmas observações feitas para o método anterior, referentes à troca das linhas
caso o pivô na k-ésima eliminação for zero e se esta troca não for possível o sistema é
singular.
Os métodos de eliminação são exatos exceto pelos erros de arredondamento que podem
conduzir a soluções errôneas.
Este efeito pode ser diminuído e mesmo evitado mediante a condensação pivotal.
Para isto, rearrumamos as equações, colocando na linha da posição do pivô a linha abaixo
da linha do pivô com o maior elemento absoluto na coluna do pivô.
x1 + 3 x2 + 40 x3 = 38
36 x1 + 106 x2 + 7 x3 = −63
25 x1 + 5 x2 + 12 x3 = 32
1 3 40 38
36 106 7 − 63
25 5 12 32
1ª Eliminação:
l1( 1 ) = l1 / 1 1 3 40 38
( 1 ) (1)
l 2 = l2 − 36l1 0 − 2 − 1433 − 1431
(1 )
l 3 = l3 − 25l1 0 − 70 − 988 − 918
(1)
2ª Eliminação:
1 3 40 38
(2) 1
l 2 = l2 /( −2 ) 0 1 716 ,5 715 ,5
(2) 1 ( 2 ) 0 0 − 51153988 − 51003
l 3 = l3 − ( −70 )l 2
3ª Eliminação:
1 3 40 38
0 1 716 ,5 715 ,5
(3) 2 0 0 1 0 ,99706
3l = l 3 /( − 51153
Donde:
x3 = 0 ,99706
x2 = 715 ,5 − 716 ,5 x 0 ,99706 = 1,07785
x = 38 − 40 x 0 ,99706 − 3 x1,07785 = −5 ,11595
1
36 106 7 − 63
1 3 40 38
25 5 12 32
1ª eliminação
2ª Eliminação:
3ª Eliminação:
l3
Dividindo por (-39,81134), vem:
1 3 40 38
2 1
l 2 = l 2 /( −68 ,611 ) 0 1 − 0 ,10405 − 1 ,10405
2 1
l 3 = l 3 /( −39 ,81134 )0 0 1 1
Donde:
x3 = 1
x2 = −1 ,10405 + 0 ,10405 = −1
x = −1,75 + 2 ,94444 − 0 ,19444 = 1
1
É obvio que mesmo com a condensação pivotal, pode persistir algum erro devido aos
arredondamentos.
x = x( 0 ) + E ( 0 )
onde a
E ( 0 ) é o vetor correção as solução.
Equações 1
Se substituirmos o valor de
x ( 0 ) no sistema original, teremos:
Equações 2
Então:
β 1( 0 ) = b1 − b1( 0 ) = 38 − 38 = 0
β 2( 0 ) = b2 − b2( 0 ) = −63 − ( −62 ,94268 ) = −0 ,05732
β 3( 0 ) = b3 − b3( 0 ) = 32 − ( −110 ,54478 ) = 142 ,54478
(0)
O vetor
E será obtido pela resolução do sistema:
E1( 0 ) + 3 E 2( 0 ) + 40 E 3( 0 ) = 0
36 E1( 0 ) + 106 E 2( 0 ) + 7 E 3( 0 ) = −0 ,05732
25 E1( 0 ) + 5 E 2( 0 ) + 12 E 3( 0 ) = 142 ,54478
36 106 7 − 0 ,05732
1 3 40 0
25 5 12 142 ,54478
1ª eliminação:
1 2 ,94444 70 ,19444 − 0 ,00159
0 − 0 ,05556 − 39 ,80556 − 0 ,00159
0 68 ,111 − 7 ,139 − 142 ,58453
Fazendo a condensação pivotal, vem:
2ª eliminação:
x3( 1 ) = 0 ,00296
(1 )
x2 = −2 ,09341 + 0 ,10981( 0 ,00296 ) = −2 ,09308
(1 )
x1 = −0 ,00159 − ( 70 ,19444( 0 ,00296 )) − 2 ,94444( −2 ,09308 ) = 5 ,95359
A x b1 = e1 , onde e1 = (1 0 0 )
t
b2 b3
O que valeu para a primeira coluna vale para as outras duas. Assim para obter e ,
resolvemos os sistemas:
A x b2 = e2 , onde e2 = (0 1 0)t
A x b3 = e3 , onde e3 = (0 0 1)t
Os três sistemas podem ser resolvidos pelo método de Gauss-Jordan.
Como eles têm a mesma matriz (A), poderemos resolvê-los simultaneamente, pois as
eliminações feitas em A, seriam exatamente as mesmas se as resoluções fossem feitas
Prof. José Augusto Lucas Matos Página 40 de 55
Material sujeito a correções
∆E
Fazemos então as eliminações de Gauss-Jordan na matriz , ao fim das quais o vetor
b1 b2 b3
solução aparecerá na 4ª coluna, na 5ª e na 6ª.
l1 1 3 1 1 0 0
l 2 2 4 3 0 1 0
l 3 − 1 1 0 0 0 1
1ª Eliminação:
l1( 1 ) = l1 / 1 1 3 1 1 0 0
l 2( 1 ) = l 2 − 2l1( 1 ) 0 − 2 1 − 2 1 0
l 3( 1 ) = l 3 − ( −1 )l1( 1 ) 0 4 1 1 0 1
2ª Eliminação:
l1( 2 ) = l1( 1 ) − 3l 2( 2 ) 1 0 2 ,5 − 2 1 ,5 0
l 2( 2 ) = l 2( 1 ) /( −2 ) 0 1 − 0 ,5 1 − 0 ,5 0
l 3( 2 ) = l 3( 1 ) − 4l 2( 2 ) 0 0 3 −3 2 1
3ª Eliminação:
0 ,5 − 0 ,16666 − 0 ,83333
1 − 0 ,16666 0 ,16666
. È óbvia a generalização do processo.
− 1 0 ,66666 0 ,33333
O estudo é limitado aos sistemas não homogêneos de “n” equações a “n” incógnitas.
x = F ( x) + d
F d ∈ Rn
Onde é uma matriz (m x n) e d é um vetor ( ).
x (0)
Deste modo, partindo de uma aproximação inicial , fazemos as iterações:
1a x (1) = F ( x ( 0 ) + d
2 a x ( 2 ) = F ( x (1) + d
...................................
x ( k + 1) = F ( x ( k ) ) + d
Se:
(k )
Lim x −x =0
k →∞
→∞
x (k ) x
diremos que a seqüência de aproximações converge para . Caso contrário, diremos
que a seqüência diverge.
1
x1(1) = (b1 − a12 x 2( 0 ) − a13 x 3( 0 ) − ............... − a1n x n( 0 ) )
a11
1
x 2(1) = (b2 − a 21 x1( 0 ) − a 23 x 3( 0 ) − ............... − a 2 n x n( 0 ) )
a 22
......................................................................
1
x n(1) = (bn − a n1 x1( 0 ) − a n 2 x 2( 0 ) − ............... − a1( n − 1) x n( 0−)1 )
a nn
2 x1 − x2 = 1, cuja solução é x1 = 1 e x 2 = 1
x1 + 2 x2 = 3
Solução:
1
x1 = (1 + x2 )
2
1
x2 = ( 3 − x1 )
2
Fazendo
x1 = x 2 = 0 , teremos:
1ª Iteração:
1
x1(1) = (1 + 0) = 0,5
2
1
x2(1) = ( 3 − 0) = 1,5
2
2ª Iteração:
1
x1( 2 ) = (1 + 1,5) = 1,25
2
1
x2( 2 ) = ( 3 − 0,5) = 1,25
2
3ª Iteração:
1
x1( 3 ) = (1 + 1,25) = 1,125
2
1
x2( 3 ) = ( 3 − 1,25) = 0,825
2
4ª Iteração:
1
x1( 4 ) = (1 + 0,825) = 0,9125
2
1
x2( 4 ) = ( 3 − 1,125) = 0,9375
2
x 2(1) x1(1)
Quando na 1ª iteração calculamos , já dispomos do valor de que
pode, portanto, ser usado.
k +1
Teremos então na 1ª iteração e genericamente até a -ésima:
1
x1( k + 1) = (b1 − a12 x2( k ) − a13 x3( k ) − ............... − a1n xn( k ) )
a11
1
x2( k + 1) = (b2 − a21 x1( k + 1) − a23 x3( k ) − ............... − a2 n xn( k ) )
a22
............................................................................................
1
xn( k + 1) = (bn − an1 x1( k + 1) − an 2 x2( k + 1) − ............... − a1( n − 1) xn( k−)1 )
ann
Exemplo:
2 x1 − x2 = 1
x1 + 2 x2 = 3
Onde:
1
x1 = (1 + x2 )
2
1
x2 = ( 3 − x1 )
2
1ª Iteração:
1
x1( 1 ) = ( 1 + 0 ) = 0 ,5
2
1
x2( 1 ) = ( 3 − 0 ,5 ) = 1 ,25
2
2ª Iteração:
1
x1( 2 ) = (1 + 1,25) = 1,125
2
1
x2( 2 ) = ( 3 − 1,125) = 0,973
2
3ª Iteração:
1
x1( 3 ) = (1 + 0,9375) = 0,9690
2
1
x2( 3 ) = ( 3 − 0,9690) = 1,0160
2
4ª Iteração:
1
x1( 4 ) = (1 + 1,0160) = 1,008
2
1
x2( 4 ) = ( 3 − 1,008) = 0,996
2
Os métodos iterativos convergem sejam quais forem os valores iniciais adotados, desde
aij
que em cada uma das equações a soma dos valores absolutos dos seja menor que 1.
n aij
∑a < 1 para ( i = 1,2,........n)
j =1 ii
j≠i
ou:
n
∑ aij < a11 para ( i = 1,2,........n )
j =1
j≠i
Exemplo:
10 x1 + 2 x2 + x3 = 9
2 x1 + 20 x2 − 2 x3 = 44
− 2 x1 + 3 x2 + 10 x3 = 22
6 Decomposição LU
Inicialmente veremos em que condições podemos decompor uma matriz quadrada A = (aij)
no produto de uma matriz triangular inferior por uma matriz triangular superior.
6.1 Teorema LU
Prova
Para provar este teorema usaremos a indução sobre n.
3. Devemos mostrar que a decomposição pode ser feita para uma matriz de ordem n
= k, seja, então, A uma matriz de k. Partimos esta matriz em sub-matrizes da
Ak −1 r
forma: A = st a kk , onde r e s são vetores coluna, ambos com k
– 1 elementos.
Lk −1 0 U k −1 p
L = m t 1 ; U= 0 ukk
Onde m e p são vetores coluna, ambos com k – 1 componentes (mt é a transposta de m).
Lk −1 0 U k −1 p Lk −1U k −1 Lk −1 p
LU = t
L = m t 1 * U= 0
ukk ⇒ m p + ukk
t
m U k −1
Lk −1U k −1 Lk −1 p Ak −1 r
m tU =
k −1 m t p + ukk s t a kk
Observe que a primeira equação é válida para a hipótese de indução e, portanto Lk-1 e Uk-1
são univocamente determinadas. Além disso, nem Lk-1 e nem Uk-1 são singulares (ou Ak-1
também seria singular, contrariando a hipótese). Assim de:
Lk −1 p r ⇒ p = L−1 k −1 r ;
=
m t U k −1 st ⇒ m t = s t U − 1 k −1
=
m t p + ukk a kk ⇒ ukk = a kk − m t p
=
2. Produto de todas as linhas de L (da 2ª até nª), pela 1ª coluna de U igualada com os
elementos da 1ª coluna de A (abaixo da diagonal principal):
a 21
l 21 u11 = a 21 ⇒ l 21 =
u11
a 31
l 31 u11 = a 31 ⇒ l 31 =
u11
... ... ... ...
a n1
l n1 u11 = a n1 ⇒ l n1 =
u11
Generalizando,
a i1
l i1 = , i = 2,..., n
u11
3. Produto da 2ª linha de L por todas as colunas de U (da 2ª até nª), igualadas aos
elementos de 2ª linha de A (da diagonal principal em diante)
Generalizando,
u2 j = a 2 j − l 21 u1 j , j = 3,...n
a 32 − l 31U 12
l 31U 12 + l 32U 22 = a 32 ⇒ l 32 =
U 22
a 42 − l 41U 12
l 41U 12 + l 42U 22 = a 42 ⇒ l 42 =
U 22
a n 2 − l n1U 12
l n1U 12 + l n 2U 22 = a n 2 ⇒ l n 2 =
U 22
a i 2 − l i 2U 12
li2 = , i = 3,..., n
U 22
i −1
uij = a ij − ∑ l ik ukj , i≤ j
k =1
i −1
a ij − ∑ l ik ukj
l ij = k =1
, i> j
u jj
Ax = b
Logo:
LUx = b
Fazendo
Ux = y
A solução se reduz a: Ly = b
Exemplo de decomposição LU
Dado o sistema:
2 x + 3y - z = 4
x + 2z = 3
3y - z = 2
2 3 − 1 4
1 0 2 3
A= e B=
0 3 − 1 2
Temos a fórmula Ax = B
≤
# Primeira linha de L multiplicando a primeira coluna de U: (i j)
(1* u11) + (0 * 0) + (0 * 0) = a11
u11 + 0 +0= 2
u11 =2
≤
#Primeira linha de L multiplicando a segunda coluna de U: (i j)
(1* u12) + (u13 * 0) + (0 * 0) = a12
u12 + 0 +0= 3
u12 =3
≤
#Primeira linha de L multiplicando a terceira coluna de U: (i j)
1* u13) + (u23 * 0) + (u33 * 0) = a13
u13 + 0 +0= -1
u13 = -1
#Segunda linha de L multiplicando a primeira coluna de U: (i > j)
(l21 * u11) + (0 * 0) + (0* 0) = a21
2 l21 = 1
l21 = 1/2
≤
#Segunda linha de L multiplicando a segunda coluna de U: (i j)
(l21 * u12) + (u22 * 1) + (0* 0) = a22
(3 * ½) + u22 = 0
3/2 . u22 = 0
u22 = -3/2
≤
#Segunda linha de L multiplicando a terceira coluna de U: (i j)
(l21 * u13) + (1* u23) + (0 * u33) = a23
(1/2 *(-1)) + (u23 + 0) = 2
(-1/2* u23) + 0 = 2
u23 = 2 + l/2
4+1
u23 = 2
u23 = 5/2
Matriz Fatorada:
1 0 0 2 3 −1 2 3 − 1
1 / 2 1 0 0 − 3 / 2 5 / 2 1 0 2
L= * U= = A=
0 − 2 1 0 0 4 0 3 − 1
1 0 0 Y1 4
1 / 2 1 0 3
L= * Y = Y2 = B =
0 − 2 1 Y3 2
Resolvendo-o teremos:
Y1 = 4, Y2 = 1 e Y3 = 4
Resolvendo-o teremos:
2 3 −1 X1 Y1
0 − 3 / 2 5 / 2 X Y
U= * X = 2 = Y = 2
0 0 4 X 3 Y3
Donde:
X1 = 1 X2 = 1 X3 = 1
Tirando a Prova
2 3 − 1 X1 4
1 0 2 X 3
A= * X = 2 = B=
0 3 − 1 X 3 2