Cap02 Matrizes&SistemasLineares

Mtodos Numricos Aplicados Engenharia Mecnica - EMA-084N
Cap. 2.- Matrizes e

Sistemas Lineares
2.1. Definio
Representaes
Matriz retangular A,
m x n (eme por ene)
linha = rows
coluna = columns
2.2. Tipos
Matriz linha
Matriz coluna
Matriz quadrada de
ordem n
Matriz unitria
Matriz diagonal
Matriz um conjunto organizado de nmeros dispostos em linhas e
colunas.
A=
a
11
a
12
a
1n
a
21
a
2n

a
m1
a
m2
a
mn
|
A ou A| ou ( A) ou A
a
ij
o elemento da matriz localizado na linha i e na coluna j
A =(a
ij
) para i =1.m e j =1.n
m = 1
n = 1
m = n
Os elementos da diagonal principal so:
a
ij
para i = j
Os elementos da diagonal secundria so:
a
ij
para i + j = n + 1
m = n = 1
Os elementos so:
a
ij
= 0
para
i j
Jos Eduardo Mautone Barros 26/10/12 1/30
A= 123|
A=
1
2
3
|
A=
1 2 3
4 5 6
7 8 9
|
159|
357|
A= 3|
A=
1 0 0
0 5 0
0 0 9
|
2.2. Tipos(cont.)
Matriz identidade
Matriz triangular
superior (U)
(upper)
Matriz triangular
inferior (L)
(lower)
Matriz nula
Matriz oposta
A = -B
Matriz idntica
A = B
Matriz cheia
Matriz esparsa
Matriz de banda
Matriz tridiagonal
a matriz diagonal onde:
a
ij
=1
para
i= j
a
ij
= 0
para
i j
Os elementos abaixo da diagonal principal so nulos.
Os elementos acima da diagonal principal so nulos.
Todos os elementos so nulos:
a
ij
= 0
V i e j
A oposta de B se:
a
ij
=b
ij
V i e j
A idntica a B se:
a
ij
= b
ij
V i e j
So matrizes com a maior parte dos elementos no nulos.
So matrizes com a maior parte dos elementos nulos
So matrizes quadradas esparsas cuja diagonal principal e algumas
diagonais paralelas a principal so compostas de elementos no nulos.
1 1 0 0
1 2 2 0
0 2 3 3
0 0 3 4
|
U=
1 2 3
0 8 5
0 0 2
|
L=
2 0 0
3 5 0
1 2 1
|
I
3
=
1 0 0
0 1 0
0 0 1
|
N=
0 0
0 0
|
L=
2 0 0
3 5 0
1 2 1
|
L=
2 0 0
3 5 0
1 2 1
|
A=
1 3
7 .2
|
B=
1 3
7 .2
|
a b
c d
|
=
1 2
5 7
|
a=1; b=2 ; c=5; d=7
2.3. Operaes
Adio
C = A + B
Propriedades
Subtrao
C = A - B
Multiplicao por um
nmero k
C = k B
Propriedades
Obs: a e b podem ser
nmeros complexos
Multiplicao
C = A.B
Definio indicial
Obs: matrizes
quadradas devem ter a
mesma ordem para
poderem ser
multiplicadas
As matrizes so do mesmo tamanho m x n.
c
ij
= a
ij
+b
ij
V i e j
A + B = B + A comutativa
A + (B + C) = (A + B) +C associativa
A + 0 = A
A+(-A) = 0
C = A - B = A + (-B)
c
ij
=k b
ij
V i e j
a (b A) = (a b) A
a (A + B) = a A + a B
(a +b) A = a A + b A
1.A = A
A =(a
ij
) mp
B =(b
jk
) pn
C =(c
ik
) mn
onde c
ik
= a
i1
b
1k
+ a
i2
b
2k
+ a
i3
b
3k
+ . + a
ip
b
pk
c
ik
=

j=1
p
a
ij
b
jk
1 2
1 3
|
+
4 7
5 8
|
=
5 9
6 11
|
2 3 0 1|+ 7 2 5 3|= 9 5 5 4|
4 7
2 3
0 5
|
7 1
3 2
7 0
|
=
3 6
1 1
7 5
|
3
2 3
1 4
|
=
6 9
3 12
|
2
2
3
5
|
+4
1
1
2
|
=
8
10
2
|
2.3. Operaes (cont.)
Multiplicao
C = A.B
Definio esquemtica
Wikipdia, 2009
Propriedades
Matriz Transposta
A
t
Propriedades
Matriz simtrica
Matriz anti-simtrica
c
ik
=

j=1
p
a
ij
b
jk
A.B B.A no comutativa
A.B = 0 > A = 0 ou B = 0
(A.B).C = A.(B.C) associativa
(A+B).C = A.C+B.C distributiva a direita
C.(A+B) = C.A+C.B distributiva a esquerda
(k.A).B = A.(k.B) = k.(A.B) k = constante real ou imaginria
A.I
n
= I
m
.A = A A uma matriz m x n
A
t
= (b
ji
) , tipo m x n, a matriz transposta de A = (a
ij
), tipo n x m onde,
b
ji
= a
ij
V i e j
(A+B)
t
= A
t
+ B
t
(kA)
t
= kA
t
(A.B)
t
= B
t
.A
t
a matriz quadrada cuja transposta igual a matriz original:
A
t
= A ou seja, a
ij
= a
ji
V i e j
a matriz quadrada cuja transposta igual a oposta da matriz original:
A
t
= -A ou seja, a
ij
= -a
ji
V i e j
a
i1
a
i2
a
i3
a
ip

b
1k
b
2k
b
3k
...
b
pk
c
ik
isimalinha de A ksima coluna de B elementoik deC
1 1 2
2 3 1
|
.
4
0
5
|
=
14
13
|
2 x3 3 x1 2 x 1
A.B=
1 2
3 5
|
.
4 6
7 8
|
=
18 22
47 58
|
B.A=
4 6
7 8
|
.
1 2
3 5
|
=
22 38
31 54
|
1 0
1 0
|
.
0 0
1 1
|
=
0 0
0 0
|
B
t
. A
t
=
3 4
3 4
|
.
2 1
4 3
|
=
22 15
22 15
|
=( A.B)
t
A.B=
2 4
1 3
|
.
3 3
4 4
|
=
22 22
15 15
|
A=
1 2
2 3
|
A=
0 1
1 0
|
B=
1 5 7
4 3 2
9 6 8
|
B
t
=
1 4 9
5 3 6
7 2 8
|
A=
2 3
4 1
0 6
|
A
t
=
2 4 0
3 1 6
|
2.4. Determinantes
Definio
Menor complementar
do elemento a
i1
da
matriz M
Matriz quadrada de
ordem 2
Menor Complementar
Determinante 2x2
Regra grfica
Matriz quadrada de
ordem 3
Menor Complementar
Seja uma matriz quadrada M=(a
ij
), de ordem n, chamamos determinante
de M, simbolizado por:
a um nmero calculado por:
a) Para n=1 ento M=(a
11
) e det M = a
11
b) Para n 2 ento det M =
i=1
n
(1)
i +1
a
i1
D
i1
onde,
D
i1
o determinante da matriz que se obtm de M, suprimindo-se a linha i
e a coluna 1.
det M=
a
11
a
12
a
13
... a
1n
a
21
a
22
a
23
... a
2n
: : : : :
a
n1
a
n2
a
n3
... a
nn
det M=a
11
a
22
a
21
a
12
D
11
=
: :
: a
22
D
21
=
: a
12
: :

det M=
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
=(1)
1+1
a
11
D
11
+(1)
2+1
a
21
D
21
+(1)
3+1
a
31
D
31
det M=
a
11
a
12
a
21
a
22
=(1)
1+1
a
11
D
11
+(1)
2+1
a
21
D
21
D
11
=
: : :
: a
22
a
23
: a
32
a
33
D
21
=
: a
12
a
13
: : :
: a
32
a
33
D
31
=
: a
12
a
13
: a
22
a
23
: : :

2.4. Determinantes
(cont.)
Determinante 3x3
Regra de Sarrus
(regra grfica)
Pierre Frdric Sarrus
1798-1861
Matriz quadrada de
ordem n>3

Determinante nxn
Propriedades
Definindo Cofator do elemento a
ij
de uma matriz quadrada de ordem n,
por
A
ij
=(1)
i+ j
D
ij
det M=
i=1
n
a
i1
A
i1
det M
t
= det M
Se uma linha ou coluna da matriz M constituda de elementos nulos,
ento det M = 0
Se multiplicarmos uma linha ou coluna da matriz M por um nmero k,
gerando uma nova matriz N, ento det N = k det M
Se duas linhas ou colunas na matriz M forem iguais ou proporcionais,
ento det M = 0
Numa matriz triangular superior ou inferior, temos
det M=a
11
a
22
a
33
... a
nn
det M=a
11
(a
22
a
33
a
32
a
23
)a
21
(a
12
a
33
a
32
a
13
)+a
31
(a
12
a
23
a
22
a
13
)
det M=(a
11
a
22
a
33
+a
12
a
23
a
31
+a
13
a
21
a
32
)(a
13
a
22
a
31
+a
11
a
23
a
32
+a
12
a
21
a
33
)
2.5. Matrizes
inversveis
Matriz Inversa (A
-1
)
Obs:
Matriz de
Cofatores (A')
Matriz Adjunta ()
Teorema
Gabriel Cramer
1704-1752
Matriz inversa A
-1
da matriz quadrada A, de ordem n, definida por
A.A
1
= A
1
. A=I
n
Se existir inversa, ento a matriz A dita inversvel ou no singular;
Se no existe inversa, ento a matriz A chamada de singular;
Se a matriz A inversvel, ento a sua inversa nica.
a matriz composta pelos cofatores de cada elemento da matriz A.
A' =( A
ij
)
a transposta da matriz de cofatores da matriz A.
A=( A' )
t
Se A uma matriz quadrada de ordem n, tal que, D = det A 0, ento a
inversa de A ,
A
1
=
1
D
A
pois,
A A=A A=D I
n
D A
1
= A
D AA
1
= A A
D I
n
= A A

D A
1
= A
D A
1
A = A A
D I
n
= A A
2.6. Matrizes em
Planilhas e no SciLab
2.7. Resoluo de
Sistemas Lineares
2.7.1. Representao
Notao usual
Notao indicial
Notao matricial
Matriz de coeficientes
Matriz de termos
independentes
Matriz de incgnitas
2.7.2. Soluo
Se D = det A 0
Mtodo de Cramer
a
11
x
1
+a
12
x
2
+.+a
1n
x
n
=b
1
S
n
= a
21
x
1
+a
22
x
2
+.+a
2n
x
n
=b
2

a
n1
x
1
+a
n2
x
2
+.+a
nn
x
n
=b
n
S
n
=
j=1
n
a
ij
x
j
=b
i
i = 1..n
A.X=B
A=
a
11
a
12
a
1n
a
21
a
22
a
2n

a
n1
a
n2
a
nn
|
B=
b
1
b
2
b
n
|
X=
x
1
x
2
x
n
|
A.X=B
A
1
.( A.X )=A
1
. B
( A
1
. A)=A
1
. B
I
n
. X =A
1
. B
X=
1
D

A. B
2.7.3. Classificao
Exemplo
Sistema linear 2x2
a
11
x
1
+a
12
x
2
=b
1
a
21
x
1
+a
22
x
2
=b
2
Uma equao
inconsistente!
Uma equao
redundante!
Um sistema linear
homogneo sempre
admite a soluo
trivial!
Sistema determinado det A 0 soluo nica
Sistema indeterminado det A = 0 mltiplas solues
Sistema incompatvel sem soluo
Sistema homogneo B=(0)
Soluo trivial X=(0)
x
1
x
2
x
1
x
2
x
1
x
2
x
1
x
2
2.7.3. Classificao
(cont.)
Sistema triangular
Exemplo
Obs
2.7.4. Operaes com
Sistemas Lineares
Obs
2.7.5. Aplicaes
Admite um mtodo de soluo simplificado.
O sistema triangular superior resolvido por substituio retroativa.
A.X=B
3 4 5 1
0 1 1 2
0 0 4 5
0 0 0 2
|
.
x
1
x
2
x
3
x
4
|
=
10
1
3
2
|
x
4
=2/ 2=1
4x
3
51=3x
3
=2
x
2
+221=1x
2
=1
3x
1
+4(1)52+1=10x
1
=1
X
t
=1 1 2 1|
O sistema triangular inferior resolvido por substituio progressiva.
Realizando as seguintes operaes sobre as linhas de um sistema linear
obtm-se uma sistema linear equivalente ao primeiro, ou seja, um novo
sistema que possui a mesma soluo:
Trocar a posio de duas equaes do sistema;
Multiplicar uma equao do sistema por uma constante no nula;
Adicionar duas equaes do sistema.
A troca de colunas na matriz de coeficientes somente altera a ordem dos
termos na matriz soluo X.
Eltrica e Eletrnica
Economia
Engenharia Civil
Engenharia Trmica
Engenharia Aeronutica
Engenharia de Estruturas
Otimizao
Computao Grfica
F1
F2
F2
F3
F3
F1
F2
F2
F3
F3
W3
W2
P1
W1
P2
P3
K1
K2
K3
K1
K2
K3
m1
m2
m3
x1
x2
x3
P1
P2
P3
x=0
2.7.5. Aplicaes
(cont.)
Fora de uma mola
K a constante da
mola
Fora devido ao
Peso Prprio
g acelerao da
gravidade
A matriz de
coeficientes K
chamada de matriz de
rigidez do sistema e
simtrica.
O sistema homogneo
P=0 usado em
anlise de vibraes
naturais.
Modelo de um sistema mecnico
2
a
Lei de Newton no equilbrio

F
ext
=0
Diagrama de corpo livre
Massa 1:
F
x
=2F
1
P
1
2F
2
W
1
Massa 2:
F
x
=2F
2
P
2
2F
3
W
2
Massa 3:
F
x
=2F
3
P
3
W
3
F
1
=K
1
x
1
F
2
=K
2
( x
2
x
1
)
F
3
=K
3
( x
3
x
2
)
W
1
=m
1
g
W
2
=m
2
g
W
3
=m
3
g
O sistema de equaes lineares que modelam o problema :
2( K
1
+K
2
) x
1
2K
2
x
2
=P
1
+m
1
g
2K
2
x
1
+2( K
2
+K
3
) x
2
2K
3
x
3
=P
2
+m
2
g
2K
3
x
2
+2K
3
X
3
=P
3
+m
3
g
2
K
1
+K
2
K
2
0
K
2
K
2
+K
3
K
3
0 K
3
K
3
|
x
1
x
2
x
3
|
=
P
1
P
2
P
3
|
+
m
1
g
m
2
g
m
3
g
|
2 K X=P+W
para P = 0 o sistema est em equilbrio devido ao peso prprio;
para uma dada carga P os deslocamentos X so nicos;
para uma carga cclica P os deslocamentos X tambm so cclicos.
2.7.5. Aplicaes
(cont.)
Ponte de Wheatstone
Ao longo de qualquer
circuito envolvendo a
fonte.
Ns do circuito =
pontos A, B, C e D na
figura
N D
N B
Circuito ADC
Circuito ABC
Circuito ADBC
Usar substituio
progressiva!
Instrumentao:
Uma Ponte de Wheatstone (ao lado) um circuito eltrico usado para
medio de sinais de vrios tipos de sensores (de termistores a clulas de
carga). O medidor de tenso, de resistncia R
g
, fica entre os terminais D e
B da ponte. A fonte fornece uma fora eletromotriz E ao circuito.
Vamos mostrar que para uma condio de equilbrio na ponte, temos:
I
g
=0
R
4
R
3
=
R
1
R
2
As leis que regem o fenmeno fsico so:
Lei de Ohm V =R.I
Lei de Kirchhoff
I
n
=0
O sistema de equaes lineares que modelam o sistema :
I
1
I
2
I
g
=0
I
3
I
4
+I
g
=0
R
1
I
1
+R
2
I
2
=E
R
3
I
3
+R
4
I
4
=E
R
1
I
1
+R
3
I
3
+R
g
I
g
=E
Na notao matricial:
1 1 0 0 1
0 0 1 1 1
R
1
R
2
0 0 0
0 0 R
3
R
4
0
R
1
0 R
3
0 R
g
|
I
1
I
2
I
3
I
4
I
g
|
=
0
0
E
E
E
|
ou seja,
A X=B
Resolvendo o sistema para I
g
= 0 , obtemos,
R
4
R
3
=
R
1
R
2
2.7.6. Mtodos
Numricos de Soluo
de Sistemas Lineares
Mtodos Diretos
Exemplos de mtodos
diretos
Mtodos Indiretos
Exemplos de mtodos
indiretos
(SOR = successive
over relaxation)
2.7.6.1.. Mtodos
Diretos
A soluo encontrada por mtodos algbricos com um nmero fixos de
operaes. A soluo exata.
Recomendados para:
Sistemas lineares pequenos (n<=1000).
Matriz de coeficientes do tipo matriz cheia, onde a maioria dos
elementos so no nulos (a
ij
0).
Mtodo da Eliminao de Gauss
Mtodo da Eliminao de Gauss-Jordan
Mtodo da Inverso da Matriz de Coeficientes
Mtodo da Decomposio LU
A soluo encontrada por tentativa e erro, atravs de um processo
iterativo. Uma soluo assumida e substituda no sistema de equaes
para o clculo do erro. Este erro usado para melhorar a estimativa. O
procedimento repetido at que o erro calculado seja menor que um valor
pr-definido. A soluo final aproximada.
Recomendados para:
Sistemas lineares grandes (n>1000).
Matriz de coeficientes do tipo matriz esparsa , onde a maioria dos
elementos so nulos (a
ij
=0).
Mtodo de Iterao de Jacobi
Mtodo de Iterao de Gauss-Siedel
Mtodo da Relaxao
Mtodo da Super-Relaxao Sucessiva (SOR)
Sero discutidos os Mtodos de Gauss e o da Decomposio LU.
c
11
c
12
c
1n
c
1
c
21
c
22
c
2n
c
2

c
n1
c
nn
c
n
|
2.7.6.11. Mtodo de
Gauss
Mtodo da Eliminao
de Gauss
Mtodo da
Triangularizao de
Gauss
Carl Friedrich Gauss
1777-1855
Frmula generalizada
de transformao:
m
ij
k 1
=
c
ij
k1
c
jj
k1
para i = k+1 .. n
para j = k
L
i
k
=m
ij
k1
L
j
k1
+L
i
k1
para i = k+1 .. n
para j = k
k = ndice de iterao;
i = ndice da linha;
j = ndice da coluna.
Obs.: nenhum
elemento da diagonal
principal pode ser
nulo.
um mtodo direto de soluo de sistemas lineares.
Consiste em transformar um sistema de equaes lineares em um outro
sistema triangular superior, equivalente ao primeiro, e de soluo direta
por substituio retroativa.
a
11
a
12
a
1n
b
1
a
21
a
22
a
2n
b
2

a
n1
a
nn
b
n
|

1 c
12
c
1n
d
1
0 1 c
2n
d
2

0 0 1 d
n
|
Etapas:
1) Escrever a matriz aumentada C
0
= [A : B]
2) Pivotamento
Escolher o piv (elemento da diagonal principal) c
0
11
Encontrar os multiplicadores para eliminar os termos c
0
21
e c
0
31
m
21
0
=c
21
0
/ c
11
0
m
31
0
=c
31
0
/ c
11
0
3) Transformar as linhas L para obter a nova matriz aumentada C
1
L
1
1
=L
1
0
L
2
1
=m
21
0
L
1
0
+L
2
0
L
3
1
=m
31
0
L
1
0
+L
3
0
4) Repetir as operaes de pivotamento e transformao para o novo piv
at chegar a ltima linha da matriz aumentada.
L
1
2
=L
1
1
L
2
2
=L
2
1
m
32
1
=c
32
1
/ c
22
1
L
3
2
=m
32
1
L
2
1
+ L
3
1
5) Resolver o sistema triangular superior por substituio retroativa.
2.7.6.1.1. Mtodo de
Gauss (cont.)
Exemplo
A X = B
C
0
= [A : B]
L
1
2
=
-2*[ 2 3 -1 : 5] +
[ 4 4 -3 : 3 ]
= [ 0 -2 -1 : -7]
Matriz triangular
superior
Soluo por
substituio retroativa
Soluo Final
Sistema de ordem 3
2x
1
+3x
2
x
3
=5
4x
1
+4x
2
3x
3
=3
2x
1
3x
2
+x
3
=1
C
0
=
2 3 1 5
4 4 3 3
2 3 1 1
|
L
1
1
=L
1
0
m
21
0
=c
21
0
/c
11
0
=2 L
2
1
=m
21
0
L
1
0
+ L
2
0
m
31
0
=c
31
0
/c
11
0
=1 L
3
1
=m
31
0
L
1
0
+ L
3
0
C
1
=
2 3 1 5
0 2 1 7
0 6 2 6
|
L
1
2
=L
1
1
L
2
2
=L
2
1
m
32
1
=c
32
1
/c
22
1
=3 L
3
2
=m
32
1
L
2
1
+ L
3
1
C
2
=
2 3 1 5
0 2 1 7
0 0 5 15
|
5x
3
=15
2x
2
x
3
=7
2x
1
+3x
2
x
3
=5
X=
1
2
3
|
ou X
t
=1 2 3|
Obs.: n = 3 exige 31 operaes aritmticas
2.7.6.1.1. Mtodo de
Gauss (cont.)
Exemplo
Matriz triangular
superior
Soluo por
substituio retroativa
Sistema de ordem 4
C
0
=
3 2 0 1 3
9 8 3 4 6
6 4 8 0 16
3 8 3 4 18
|
L
1
1
=L
1
0
m
21
0
=c
21
0
/ c
11
0
=3 L
2
1
=m
21
0
L
1
0
+ L
2
0
m
31
0
=c
31
0
/c
11
0
= 2 L
3
1
=m
31
0
L
1
0
+ L
3
0
m
41
0
=c
41
0
/ c
11
0
=1 L
4
1
=m
41
0
L
1
0
+ L
4
0
C
1
=
3 2 0 1 3
0 2 3 1 3
0 8 8 2 10
0 10 3 5 15
|
L
1
2
=L
1
1
L
2
2
=L
2
1
m
32
1
=c
32
1
/c
22
1
=4 L
3
2
=m
32
1
L
2
1
+ L
3
1
m
42
1
=c
42
1
/c
22
1
= 5 L
4
2
=m
42
1
L
2
1
+ L
4
1
C
2
=
3 2 0 1 3
0 2 3 1 3
0 0 4 2 2
0 0 12 0 0
|
L
1
3
=L
1
2
L
2
3
=L
2
2
L
3
3
=L
3
2
m
43
0
=c
43
2
/c
33
2
= 3 L
4
3
=m
43
2
L
3
2
+ L
4
2
C
3
=
3 2 0 1 3
0 2 3 1 3
0 0 4 2 2
0 0 0 6 6
|
X=
2
1
0
1
|
ou X
t
= 2 1 0 1|
Obs.: n = 4 exige 76 operaes aritmticas
n = 5 exige 145 operaes aritmticas
Exerccio: Obter uma equao para calcular o nmero de operaes
aritmticas necessrias para a soluo de um sistema linear de ordem n
pelo mtodo de eliminao de Gauss.
2.7.6.1.1. Mtodo de
Gauss (cont.)
No SciLab:
function x = GaussElim(n,a,b)
// Matriz aumentada
c = [a b];
// Triangularizao da matriz
// aumentada
for k=1:n-1
for i=k+1:n
mik=c(i,k)/c(k,k);
c(i,k) = 0;
for j = k+1:n+1
c(i,j)=c(i,j)-mik*c(k,j);
end
end
end
// Substituio retroativa
x=zeros(n,1);
x(n)=c(n,n+1)/c(n,n);
for i=n-1:-1:1
soma = 0;
for j=i+1:n
soma = soma +c(i,j)*x(j);
end
x(i)=(c(i,n+1)-soma)/c(i,i);
end
endfunction
Algortimo de Triangularizao de Gauss para Sistema Lineares
Entradas:
Ordem do sistema linear n
Matriz de coeficientes a[n,n]
Matriz de termos independentes b[n,1]
Sada:
Matriz de incgnitas x[n,1]
Incio
// Definir os termos da matriz aumentada
c[n,n+1]= a[n,n]:b[n,1];
// Triangularizao da Matriz aumentada
Para k=1 at n-1 faa
incio
Para i=k+1 at n faa
incio
mik=c(i,k)/c(k,k);
c(i,k) = 0;
Para j = k+1 at n+1 faa
incio
c(i,j)=c(i,j)-mik*c(k,j);
fim;
fim;
fim;
// Substituio retroativa
x(n)=c(n,n+1)/c(n,n);
Para i=n-1 at 1 faa
incio
soma = 0;
Para j=i+1 at n faa
incio
soma = soma +c(i,j)*x(j);
fim;
x(i)=(c(i,n+1)-soma)/c(i,i);
fim;
Mostre a matriz x[n,1];
fim.
2.7.6.1.2. Mtodo de
Decomposio LU
A matriz U nica!
Mtodo de soluo
l
ij
=1 se i =j
l
ij
=0 se i j
u
ij
=0 se i> j
Decomposio usando
a igualdade LU = A
Forma indicial
Obs: na frmula de u
ij

j-1<i significa

ignorar os termos do
somatrio onde ki
Substituio
progressiva
Substituio
retroativa
Soluo
AX=B
A=
2 3 1
1 0 2
0 3 1
|
X=
x
1
x
2
x
3
|
B=
4
3
2
|
A=LU
LUX=B
LY =B
UX=Y
LY =B-Y -UX=Y -X
X
t
=1 1 1|
u
11
=a
11
u
12
=a
12
u
13
=a
13
l
21
u
11
=a
21
l
21
=a
21
/ u
11
l
21
u
12
+u
22
=a
22
u
22
=a
22
l
21
u
12
l
21
u
13
+u
23
=a
23
u
23
=a
23
l
21
u
13
l
31
u
11
=a
31
l
31
=a
31
/ u
11
l
31
u
12
+l
32
u
22
=a
32
l
32
=(a
32
l
31
u
12
)/ u
22
l
31
u
13
+l
32
u
23
+u
33
=a
33
u
33
=a
33
l
31
u
13
l
32
u
23
para i j u
ij
=a
ij
se j =1 e u
ij
=a
ij
k=1
j1< i
l
ik
u
kj
se j> 1
para i> j l
ij
=
a
ij
u
jj
se j =1 e l
ij
=(a
ij
k=1
j1
l
ik
u
kj
)/ u
jj
se j> 1
LY =B
L=
1 0 0
1/ 2 1 0
0 2 1
|
Y=
y
1
y
2
y
3
|
B=
4
3
2
|
UX=Y
U=
2 3 1
0 3/ 2 5/ 2
0 0 4
|
X=
x
1
x
2
x
3
|
Y=
4
1
4
|
A=LU
L=
1 0 0
l
21
1 0
l
31
l
32
1
|
U=
u
11
u
12
u
13
0 u
22
u
23
0 0 u
33
|
A=
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
|
2.7.6.1.2. Mtodo de
Decomposio LU
(cont.)
Rotina de
Decomposio LU em
cdigo do SciLab
Obs: O programa para
o clculo dos u
ij
ignora
os termos de ki
automaticamente, pois
estes ainda so nulos
at o seu clculo.
//Rotina de Decomposio LU para Sistema Lineares
//entrada Ordem do sistema linear n
// Matriz de coeficientes a[n,n]
// Matriz de termos independentes b[n,1]
//sada Matriz de incgnitas x[n,1]
function x = DecoLU(n,a,b)
// Decomposio de A em L(matriz triangular inferior) e U(matriz triangular superior)
// LU=A
l = zeros(n,n); // zerar matrizes L e U
u = zeros(n,n);
for i=1:n // diagonal de L igual a 1
l(i,i)=1;
end
j=1; // clculo dos elementos de L e U para j=1
for i=1:n
if i<=j then
u(i,j)=a(i,j);
else
l(i,j)=a(i,j)/u(j,j);
end
end
for i=1:n // clculo dos elementos de L e U para j>1
for j=2:n
SumLU=0;
for k=1:j-1
SumLU=SumLU+l(i,k)*u(k,j);
end
if i<=j then
u(i,j)=a(i,j)-SumLU;
else
l(i,j)=(a(i,j)-SumLU)/u(j,j);
end
end
end

// Substituio progressiva LY=B
y=zeros(n,1);
y(1)=b(1);
for i=2:n
SumLY=0;
for j=1:i-1
SumLY = SumLY + l(i,j)*y(j);
end
y(i)=b(i)-SumLY;
end

// Substituio retroativa UX=Y
x=zeros(n,1);
x(n)=y(n)/u(n,n);
for i=n-1:-1:1
SumUX = 0;
for j=i+1:n
SumUX = SumUX +u(i,j)*x(j);
end
x(i)=(y(i)-SumUX)/u(i,i);
end
endfunction
// Jose Eduardo Mautone Barros 22/04/2010
2.7.6.2. Mtodos
Indiretos (Iterativos)
Exemplo:
AX=B
AXB=0
AX+IXB=IX
X=( A+I ) X B
2.7.6.2.1. Mtodo de
Jacobi
Carl Gustav Jakob
Jacobi 1804-1851
Obs: a
ii
0 V i
Seno necessrio
reagrupar as equaes
do sistema original.
Os mtodos iterativos consistem em transformar o sistema de equaes
lineares original para uma outra forma que permita obter novas
estimativas de valores do vetor de incgnitas X a partir de uma estimativa
anterior de valores do vetor X.
A X=B
para
X=F X+D
A partir de uma aproximao inicial:
X
( 0)t
= x
1
(0)
x
2
( 0)
x
3
( 0)
... x
n
(0)
|
obtemos a nova estimativa ,
X
1
=F X
0
+D
e repete-se at que,
mxx
i
k +1
x
i
k
c
ou
k>M
onde, = tolerncia na soluo
M = nmero mximo de iteraes
Seja o sistema de equaes lineares (LES),
a
11
x
1
+a
12
x
2
+a
13
x
3
+...+a
1n
x
n
=b
1
a
21
x
1
+a
22
x
2
+a
23
x
3
+...+a
2n
x
n
=b
2
...
a
n1
x
1
+a
n2
x
2
+a
n3
x
3
+...+a
nn
x
n
=b
n
explicita-se as incgnitas x da seguinte forma:
x
1
=
b
1
(a
12
x
2
+a
13
x
3
+...+a
1n
x
n
)
a
11
x
2
=
b
2
( a
21
x
1
+a
23
x
3
+...+a
2n
x
n
)
a
22
...
x
n
=
b
n
( a
n1
x
1
+a
n2
x
2
+...+a
n n1
x
n1
)
a
nn
2.7.6.2.1. Mtodo de
Jacobi (cont.)
Mtodo do Resduo
R
i
(k)

mais atual!
O mtodo iterativo de Jacobi consiste em:
a) Partindo-se de uma aproximao inicial
X
0
=( x
1
0
, x
2
0
, x
3
0
,., x
n
0
)
t
b) Calcula-se a sequncia de aproximaes
X
1
,X
2
, X
3
, ..., X
k
utilizando as equaes:
x
1
( k+1)
=
1
a
11
(b
1
a
12
x
2
k
a
13
x
3
k
a
14
x
4
k
.a
1n
x
n
k
)
x
2
( k+1)
=
1
a
22
(b
2
a
21
x
1
k
a
23
x
3
k
a
2
x
4
k
.a
2n
x
n
k
)
x
3
( k+1)
=
1
a
33
(b
3
a
31
x
1
k
a
32
x
2
k
a
34
x
4
k
.a
3n
x
n
k
)
. . . . . . . . . . .
x
n
( k+1)
=
1
a
nn
(b
n
a
n1
x
1
k
a
n2
x
2
k
.a
n(n1)
x
n1
k
)
c) Continuar a gerar aproximaes at que uma das seguintes condies
for satisfeita:
mxx
i
k +1
x
i
k
c
ou
k>M
onde,
= tolerncia
x
i
( k+1)
=x
i
(k)
+
R
i
(k )
a
ii
i=1..n
R
i
( k)
=b
i
j =1
n
a
ij
x
j
( k)
i=1..n
2.7.6.2.2. Mtodo de
Gauss-Siedel
Mtodo do Resduo
R
i
(k)

mais atual!
Seja o sistema:
A X = B
O mtodo iterativo de Gauss-Siedel consiste em:
a) Partindo-se de uma aproximao inicial
X
0
=( x
1
0
, x
2
0
, x
3
0
,., x
n
0
)
t
b) Calcula-se a sequncia de aproximaes
X
1
,X
2
, X
3
, ..., X
k
utilizando as equaes:
x
1
( k+1)
=
1
a
11
(b
1
a
12
x
2
k
a
13
x
3
k
a
14
x
4
k
.a
1n
x
n
k
)
x
2
( k+1)
=
1
a
22
(b
2
a
21
x
1
k +1
a
23
x
3
k
a
2
x
4
k
.a
2n
x
n
k
)
x
3
( k+1)
=
1
a
33
(b
3
a
31
x
1
k +1
a
32
x
2
k+1
a
34
x
4
k
.a
3n
x
n
k
)
. . . . . . . . . . .
x
n
( k+1)
=
1
a
nn
(b
n
a
n1
x
1
k+1
a
n2
x
2
k+1
.a
n( n1)
x
n1
k +1
)
c) Continuar a gerar aproximaes at que uma das seguintes condies
for satisfeita:
mxx
i
k +1
x
i
k
c
ou
k>M
onde,
= tolerncia
x
i
( k+1)
=x
i
(k)
+
R
i
(k )
a
ii
i=1..n
R
i
( k)
=b
i
j =1
i 1
a
ij
x
j
( k+1)
j =i
n
a
ij
x
j
( k)
i=1..n
K X1 E1 X2 E2 Teste
0 0,000 0,000
1 0,500 0,500 1,500 1,500 no
2 1,250 0,750 1,250 0,250 no
3 1,125 0,125 0,875 0,375 no
4 0,938 0,188 0,938 0,063 no
5 0,969 0,031 1,031 0,094 no
6 1,016 0,047 1,016 0,016 no
7 1,008 0,008 0,992 0,023 no
8 0,996 0,012 0,996 0,004 no
9 0,998 0,002 1,002 0,006 convergiu
1 2 3 4 5 6 7 8 9
0,000
0,100
0,200
0,300
0,400
0,500
0,600
0,700
0,800
Convergncia de x1 - Jacobi
x
1
k +1
=(1+x
2
k
)/ 2
x
2
k +1
=(3x
1
k
)/ 2
2 x
1
x
2
=1
x
1
+2 x
2
=3
2.7.6.2.3. Super-
relaxao Sucessiva
(SOR)
SOR = successive
over-relaxation
Mtodo do Resduo
R
i
(k)

w< 1 sub-relaxado
w> 1 super-relaxado
Exemplo
Mtodo de Jacobi
Alterao do mtodo de Gauss-Siedel para acelerar a convergncia.
x
i
( k+1)
=x
i
( k )
+u
R
i
( k)
a
ii
i=1..n
R
i
( k)
=b
i
j =1
i 1
a
ij
x
j
( k+1)
j =i
n
a
ij
x
j
( k)
i=1..n
Fator de relaxao ()
0 < w < 2
2 x
1
x
2
=1
x
1
+2 x
2
=3
K X1 E1 X2 E2 Teste
0 0,000 0,000
1 0,500 0,500 1,250 1,250 no
2 1,125 0,625 0,938 0,313 no
3 0,969 0,156 1,016 0,078 no
4 1,008 0,039 0,996 0,020 no
5 0,998 0,010 1,001 0,005 convergiu
1 2 3 4 5
0,000
0,100
0,200
0,300
0,400
0,500
0,600
0,700
Convergncia de x1 - Gauss-Siedel
mega = 0,91
K X1 R1 X2 R2 Teste
0 0,000 0,000
1 0,455 1,000 1,158 2,545 no
2 1,023 1,248 1,004 -0,339 no
3 1,004 -0,042 0,999 -0,011 no
4 1,000 -0,009 1,000 0,003 convergiu
1 2 3 4 5
-0,200
0,000
0,200
0,400
0,600
0,800
1,000
1,200
1,400
Convergncia de x1 - SOR
R
1
k
=12x
1
k
+x
2
k
R
2
k
=3x
1
k +1
2 x
2
k
x
1
k +1
=x
1
k
+ R
1
k
/ 2
x
2
k +1
=x
2
k
+ R
2
k
/ 2
2 x
1
x
2
=1
x
1
+2 x
2
=3
2 x
1
x
2
=1
x
1
+2 x
2
=3
x
1
k +1
=(1+x
2
k
)/ 2
x
2
k +1
=(3x
1
k+1
)/ 2
2.7.6.2. Mtodos
Indiretos (cont.)
Mtodo de
Gauss-Siedel
Mtodo SOR
= + +
= +
= +
7 4 2
2 4
3 2 4
3 2 1
3 2 1
3 2 1
x x x
x x x
x x x
A B C D E F G H
1 k X1 E1 X2 E2 X3 E3 Teste
2 0 0 0 0
3 1 FM1 FM2 FM3 FM4 FM5 FM6 FM7
4 2
5
= + +
= +
= +
7 4 2
2 4
3 2 4
3 2 1
3 2 1
3 2 1
x x x
x x x
x x x
= + +
= +
= +
7 4 2
2 4
3 2 4
3 2 1
3 2 1
3 2 1
x x x
x x x
x x x
A B C D E F G H I
1 k X1 R1 X2 R2 X3 R3 Teste 1,1
2 0 0 0 0
3 1 FM1 FM2 FM3 FM4 FM5 FM6 FM7
4 2
5
2.7.6.2.4. Mtodos
Indiretos -
Implementao em
Planilhas
Mtodo de Jacobi
Exemplo
Erro admitido
de 1x10
-2
Mtodo de
Gauss-Siedel
Mtodo SOR
Omega de 1,1
(colocado numa clula
fixa $I$1)
Definir as seguintes frmulas:
FM1 = 1/4*(3 + 2*D2 - F2)
FM2 = ABS(B3 - B2)
FM3 = 1/4*(2 + B2 + F2)
FM4 = ABS(D3 - D2)
FM5 = 1/4*(7 - B2 - 2*D2)
FM6 = ABS(F3 F2)
FM7 = SE((C3>0,01) E (E3>0,01) E
(G3>0,01);convergiu;no)
Selecionar as clulas A2 a A3;
Estender as definies destas clulas at o nmero de iteraes
desejadas;
Selecionar as clulas B3 a H3;
Estender as definies destas clulas at o nmero de iteraes
desejadas.
FM1 = 1/4*(3 + 2*D2 - F2)
FM2 = ABS(B3 - B2)
FM3 = 1/4*(2 + B3 + F2)
FM4 = ABS(D3 - D2)
FM5 = 1/4*(7 - B3 - 2*D3)
FM6 = ABS(F3 F2)
FM7 = SE((C3>0,01) E (E3>0,01) E
Selecionar e estender as coluna A e a linha 3, colunas B a H, do
mesmo modo anterior.
FM1 = B2+$I$1*C2/4
FM2 = 3 - 4*B2+ 2*D2 - F2
FM3 = D2+$I$1*E2/(-4)
FM4 = -2 - B3 + 4*D2 - F2
FM5 = F2+$I$1*G2/4
FM6 = 7 - B3 2*D3 - 4*F2
FM7 = SE((C3>0,01) E (E3>0,01) E
Selecionar e estender as coluna A e a linha 3, colunas B a H, do
mesmo modo anterior.
2.8. Problemas de
Autovalor
Exemplo
= freqncia
natural
= ngulo de fase
X
i
= amplitude da
oscilao da massa i
Seja o sistema de equaes lineares:
A X = B
Se det A 0
Ele admite soluo nica
Se: det A = 0
Ele pode no admitir soluo
Ele pode admitir um nmero infinito de solues
Ele pode admitir ao menos a soluo trivial, X = 0, se o
sistema for homogneo, A X= 0
Para sistemas homogneos, com det A = 0, s existe a soluo trivial se
os coeficientes a
ij
forem fixos. Se alguns destes coeficientes for funo de
uma varivel, tal como lambda (), existem outras solues diferentes da
trivial. Neste caso, a matriz X chamada de autovetor e os valores de
lambda so chamados de autovalores do sistema de equaes lineares.
O sistema da figura acima constitudo de duas massas e duas molas
idnticas. As equaes diferenciais que descrevem o seu estado (posies
das massas) so obtidas a partir do balano de foras em cada massa do
sistema. Do seguinte modo,
M
d
2
x
1
d t
2
=K( x
2
x
1
)K x
1
=K x
2
2 K x
1
M
d
2
x
2
d t
2
=K( x
2
x
1
)=K x
1
K x
2
As soluo isoladas dos sistemas massa-mola so:
x
1
=X
1
sen(u t +)
x
1
=X
1
u cos(u t +)
x
1
=X
1
u
2
sen(u t +)
x
2
=X
2
sen(ut +)
x
2
=X
2
u cos(u t+)
x
2
=X
2
u
2
sen(ut +)
K K
M
x
x
1
x
2
M
x
1
x
2
x
1
x
2
2.8. Problemas de
Autovalor (cont.)
Definio arbitrria
Problema de
Autovalor
Equao
caracterstica
Soluo Numrica do
Exemplo
Autovalores
Substituindo as solues nas equaes diferenciais, temos,
( 2\) X
1
X
2
=0
X
1
+(1\) X
2
=0
onde, lambda foi definido como,
\=
u
2
M
K
Na forma matricial,
(2\) 1
1 (1\)
|
X
1
X
2
|
=0
ou,
( A\ I ) X =0
Esta a forma clssica do Problema de Autovalor.
A equao caracterstica do problema de autovalor obtida pela
condio de mltiplas solues, no triviais, para o sistema de equaes
lineares.
det ( A\ I )=0
A soluo gera um polinmio da mesma ordem do nmero de equaes
do sistema e cujas razes so os autovalores do sistema de equaes
lineares homogneo.
(2\) 1
1 (1\)
=0
( 2\)(1\)1=0
\
2
3\+1=0
Assim,
\
1
=2,6180 \
2
=0,3820
2.8. Problemas de
Autovalor (cont.)
Autovetores
Significado fsico
Para calcular os autovetores, usamos cada um dos autovalores,
Para
1
= 2,6180
0,6180 1
1 1,6180
|
X
1
X
2
|
=0
X
2
=0,6180 X
1
Para
2
= 0,3820
1,6180 1
1 0,6180
|
X
1
X
2
|
=0
X
2
=1,6180 X
1
Considerando X
1
= 1 , temos,
X
1
= 1 e X
2
= -0,6180 para
1

X
1
= 1 e X
2
= 1,6180 para
2

Para
1
as massas esto se movendo em direes opostas e a
amplitude da oscilao da segunda massa 61,8 % da amplitude
de oscilao da primeira massa. A freqncia de oscilao dada
por:
u
1
=
.
\
1
K
M
Para
2
as massas esto se movendo na mesma direo e a
amplitude da oscilao da segunda massa 161,8 % da amplitude
de oscilao da primeira massa. A freqncia de oscilao dada
por:
u
2
=
.
\
2
K
M
Mtodos de soluo
Soluo do problema
de autovalor em
programas simblicos
Matlab
Scilab
Obs
O problema achar os autovalores quando o polinmio gerado de
elevado grau, por exemplo, de ordem 300. Ou seja, possui 300 razes.
A soluo do problema de achar os autovalores pode ser feita atravs dos
seguintes mtodos:
Diretos soluo pela definio ou usando uma modificao da
equao caracterstica;
Indiretos soluo iterativa ou outro mtodo de busca de razes,
tais como,
Mtodo da potncia
Mtodo do inverso da potncia
Mtodo do deslocamento de autovalores.
eig(A,X)
[erots,X] = spec(A)
Existem problemas de autovalor que no so lineares:
AB(\)| X=0
det AB(\)|=0

Cap02 Matrizes&SistemasLineares

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Cap02 Matrizes&SistemasLineares

Enviado por

Direitos autorais:

Formatos disponíveis

Mtodos Numricos Aplicados Engenharia Mecnica - EMA-084N

Cap. 2.- Matrizes e

Você também pode gostar