Escolar Documentos
Profissional Documentos
Cultura Documentos
Centro Tecnolgico
Departamento de Informtica e Estatstica
Apostila:
Anlise Numrica I
VERSO RASCUNHO:
Por favor informe suas observaes aos autores.
equao linear
b). x 2 2 y 1 0
equao no linear
c). 1 / x y z 0
equao no linear
Quando vrias equaes lineares so agrupadas, de modo que todas devam ser
satisfeitas simultaneamente por uma mesma soluo, tem-se um sistema de equaes lineares.
Existem aplicaes de sistemas de equaes lineares nos mais variados segmentos da
cincia e tecnologia.
Def.: Um sistema de ordem n, constitudo por n equaes lineares a n incgnitas, toda
expresso do tipo:
Axb
a 1 a 12 a 1 n x 1 b 1
a a a x b
2 1 2 2n 2 2
a n1 an2 an xn bn
(1)
45
a).
b).
x1 x2 20
x1 x 2 4
11 x1 20
.
1 1 x2 4
operaes elementares sobre linhas (ou sobre colunas) na matriz expandida, buscando a
eliminao seletiva de elementos no nulos para torna-la uma matriz triangular. Podemos
associ-lo a um processo de pivotamento, parcial ou total, que promove uma troca seletiva de
linhas (ou colunas), visando tomar pivs (elementos da diagonais principais) com maior
mdulo possvel, e assim procurando evitar a presena de pivs nulos.
Ex. 1): Resolver o seguinte sistema de equaes lineares pelo mtodo de eliminao de Gauss
sem pivotamento adotando operaes aritmticas com 4 (quatro) dgitos significativos e
arredondamento ponderado.
x1
x
2
x 3
0
1
0
0.421
0.784
0.832
0.784
0.279
0.193 1
0.207 0
(0.421)
0.448
0.421
0.784
0.832
0.784
0.421
0.279 0
0.193 1 L 2 L 2 0.448 /( 0.421) L1 L 2 L 2 1.064L1
0.207 0
L 3 L3 0.421 /( 0.421) L1 L3 L3 L1
0.784
1.666
1.568
0.279 0
0.4899 1
0.0720 0
0.421
0.784
(1.666)
1.568
0.279 0
0.4899 1
0.0720 0 L3 L3 (1.568 / 1.666)L 2 L3 L3 0.9412L 2
47
0.421
0.784
1.666
0
0.279
0.4899
0
1
0.3891 - 0.9412
0x 1 1.666 x 2 0.4899x 3 1
0x 0x 0.3891x - 0.9412
1
2
3
Obs.: Note-se que o valor de x3 pode ser diretamente obtido a partir da equao 3, uma vez
que esta equao independe de x1 e x2. Posteriormente os valores de x2 e x1 so obtidos das
equaes 2 e 1, respectivamente.
x3 = -0.9412/(-0.3891)
x3 = 2.419
x2 = ( 1 0.4899x3 ) / 1.666
x2 = -0.1110
x1 = 1.396
Neste caso, tambm pode ser calculado o erro exato, dado por
erro = | Xexato - Xaproximado |. A soluo exata foi encontrada atravs do MATLAB, e foi obtida
com 16 dgitos significativos :
Xexato1 = 1.39628656...
Xexato2 = - 0.11108021803
Xexato3 = 2.4190803038
Vamos avaliar o erro utilizando a preciso de 4 dgitos significativos, que foi utilizada
at aqui em todas as operaes. Ento:
Xexato1 = 1.396
Xexato2 = - 0.1111
48
Xexato3 = 2.419
E o erro exato obtido foi:
Erro1 = | 1.396 - 1.369 |
= 0.000
Erro2 = | -0.1111 - (-0.1110) | = 0.0001
Erro3 = | 2.419 - 2.419 |
= 0.000
Ex. 2): Resolver o seguinte sistema de equaes lineares pelo mtodo de eliminao de Gauss
com pivotamento parcial utilizando operaes aritmticas com 4 (quatro) dgitos
significativos e arredondamento ponderado.
x1
x
2
x 3
0
1
0
0.421
0.784
0.832
0.784
0.279
0.193 1
0.207 0
k=1
i
0.421
(0.448)
0.421
0.784
0.832
0.784
=
0.279 0
0.193 1
0.207 0
2
(maior mdulo da coluna k=1 est na linha i = 2).
49
2
0.421 0.784 0.207 0
versa)
(iii). Matriz pivotada:
(0.448)
0.421
0.421
0.832
0.784
0.784
0.193 1
0.279 0
0.207 0
0.421 0.784
(0.448)
0.193 1
0.279 0 L 2 L 2 (0.421 / 0.448) L 1 L 2 L 2 0.9397 L1
0.207 0 L 3 L 3 (0.421 / 0.448)L 1 L3 L3 0.9397 L1
0.832
1.566
0.0022
0.193
1
0.4604 0.9397
0.3884 - 0.9397
Obs.: Note que as operaes elementares aplicadas acima eliminam os elementos abaixo da
diagonal principal na primeira coluna. A operao de eliminao acontece sempre que subtraise de cada linha, a linha do piv multiplicada pelo elemento a ser eliminado divida pelo
elemento piv.
4). Pivotao Parcial, correspondente ao segundo piv (k=2):
(i). Busca parcial do maior mdulo da coluna k = 2 (busca a partir da segunda linha e
da segunda coluna, pois a primeira coluna j foi anulada)
K=2
50
0.832
1.566
0
0.193
0.4604 0.9397
0.3890 - 0.9410
Obs.: Note-se que o valor de x3 pode ser diretamente obtido a partir da equao 3, e
posteriormente x2 e x1 a partir dos valores obtidos anteriormente.
x3 = -0.9410/ (-0.3890)
x3 = 2.419
x2 = -0.1113
x1 = 1.397
Neste caso, tambm pode ser calculado o erro exato, dado por
erro = | Xexato - Xaproximado |, atravs da soluo exata encontrada atravs do MATLAB:
Xexato1 = 1.39628656...
Xexato2 = - 0.11108021803
Xexato3 = 2.4190803038
51
Vamos avaliar o erro utilizando a preciso de 4 dgitos significativos, que foi utilizada
at aqui em todas as operaes. Ento:
Xexato1 = 1.396
Xexato2 = - 0.1111
Xexato3 = 2.419
E o erro exato obtido foi:
Erro1= | 1.396 - 1.397 |
= 0.001
Erro2= | -0.1111 - (-0.1113) | = 0.0002
Erro3= | 2.419 - 2.419 |
= 0.000
Obs.: Note que com o processo de pivotamento parcial:
Eliminam-se os possveis pivs nulos, caso a matriz de coeficientes seja no
singular (determinante diferente de zero);
Tambm consegue-se uma reduo nos efeitos de erros de arredondamento
(diminuio da perda de significao), destacada na avaliao do erro exato.
Alternativamente, pode-se implementar o mtodo de eliminao de Gauss usando a
pivotao total, que computacionalmente mais eficiente, induzindo um menor erro de
arredondamento acumulado, de forma a se obter solues computacionalmente mais estveis
em relao s perturbaes introduzidas por erros de arredondamento. No pivotamento total,
ou completo, procura-se o elemento de maior mdulo dentre todos os elementos disponveis
na matriz de coeficientes, promovendo trocas de linhas e/ou colunas conforme a necessidade.
Para avaliar as consequncias destas trocas de linhas e colunas deve-se interpretar os
elementos da matriz expandida em termos das equaes do sistema, assim:
Troca de linhas implica apenas em trocar a ordem na apresentao das equaes;
Troca de colunas implica na troca da ordem de apresentao das variveis
(incgnitas) do sistema.
Ex. 3): Resolver o seguinte sistema de equaes lineares, usando a pivotao total e
operaes aritmticas com 4 (quatro) dgitos significativos e arredondamento ponderado.
x1
x
2
x 3
0
1
0
0.421
0.448
0.421
0.784
0.832
0.784
0.279
0.193
0
1
0.207 0
j= 2
0.279 0
0.421 0.784
Obs.: Observa-se que foi acoplada uma linha adicional na matriz de coeficientes para o
armazenamento da ordem de apresentao das variveis envolvidas. Ento, inicialmente temse a ordem natural das variveis x1, x2 e x3, cujos coeficientes multiplicadores so,
respectivamente, os elementos da primeira, segunda e terceira colunas.
(ii). Efetua-se a troca de linhas e colunas:
C2
C1
L1 L 2
(Troca da linha L1 com a linha L2 e vice-versa, e
troca
L2
L1dos elementos da coluna 1 com os elementos
da coluna 2 e vice-versa).
0.784
0.421
0.421
0.448
0.193 1
0.279 0
0.207 0
3
(0.832) 0.448
0.784 0.421
0.784
0.193 1
0.421
(0.832)
0.8432
0.0012
0.448
0.193
1
0.097 - 0.9423
0.3839 - 0.9423
3
j= 2
0.448
0.193 1
0.832
i 2 0
(0.8432) 0.0971 - 0.9423
0
0.0012 0.3889 - 0.9423
2
0.448
(0.8432)
0.0012
0.832
0.193
1
0.0971 - 0.9423
0.3889 - 0.9423 L 3 L 3 (0.0012 / 0.8432)L 2 L3 L 3 0.001423L 2
0.448
( 0.8432)
0
1
0.193
1
0.0971 - 0.9423
0.3890 - 0.9410
3
6). Retrosubstituio:
0.832
0.448
( 0.8432)
0
1
0.193
0.0971 - 0.9423
0.3890 - 0.9410
3
54
x3 = -0.9410/ -0.3890
x3 = 2.419
x1 = 1.396
x2 = - 0.1106
S = {1.396,-0.1106, 2.419}
Os resduos ( r = | b - A x | ) so:
r1 | - 0.421x 1 0.784 x 2 0.279 x 3 0 | 0.0005
r2 = | 0.448x 1 0.832x 2 0.193x 3 1 |
= 0.0003
= 0.0003
L3 L3 -
a 31
L
a 11 1
Sabendo-se que o objetivo desta operao anular o elemento a 31, pode-se modificar
esta operao, desde que se mantenha o resultado nulo na primeira coluna. Assim, se
L3 -
a 31
L = 0
a 11 1
Ento, pode-se multiplicar a equao acima pelo elemento piv a11, resultando numa
forma alternativa, que mantm o resultado nulo para primeira coluna da matriz.
a 11 L 3 - a 31 L 1 = 0
Assim, com esta forma alternativa de aplicar as operaes de eliminao tem-se um
menor acmulo de erros de arredondamento, pois no haver divises ao longo do processo
de eliminao. Ser necessria apenas uma diviso em cada equao no momento de
determinar as variveis xi.
Este procedimento alternativo pode gerar erros por perda de significao quando temse pivs de grande magnitude, ou quando o nmero de equaes elevado, pois nestes casos
o acmulo de operaes de multiplicao em cada linha do sistema, especialmente nas ltimas
linhas, pode conduzir a coeficientes muito grandes, podendo gerar valores que no possam ser
representados (valores podem cair na regio de overflow).
Exerccios:
1). Monte um algoritmo para resolver um sistema de equaes lineares pelo mtodo de Gauss
utilizando:
Pivotao Parcial;
Pivotao Total.
2). Como voc avaliaria o determinante da matriz de coeficientes utilizando o processo de
eliminao adotado pelo mtodo de Gauss?
6.2.2). Mtodo de Gauss-Jordan:
Consiste na transformao da matriz expandida em matriz diagonal (normalizada com
coeficientes unitrios), que equivalente a matriz identidade. Esta transformao obtida
atravs da aplicao sucessiva de operaes elementares sobre linhas (ou sobre colunas),
buscando a eliminao seletiva dos elementos no nulos externos a diagonal principal.
Tambm pode-se associar este mtodo a um processo de pivotamento, parcial ou total.
Ex. 3): Resolver o seguinte sistema de equaes lineares usando o mtodo de Gauss-Jordan
com pivotamento parcial:
56
3x 1 15. x 2 4.75x 3 8
4 x 1 2 x 2 3x 3 7
2 x 5x 3x 12
2
3
1
adota-se tambm, operaes aritmticas com 4 (quatro) dgitos significativos e
arredondamento ponderado.
Na forma matricial tem-se
3 15
. 4.75
3
4 2
2 5
3
x1
x2 7
x 3
12
15
.
4
2
2
5
4.75
3
3
7
- 12
4
2
15
.
2
5
4.75 8
3 7
3 - 12
3 15
. 4.75 8 L 1 L 2
3 7 L 2 L1
4 2
2 5
3 - 12
3
2
2
15
.
5
3 7
4.75 8
3 - 12
57
( 4)
3
2
15
. 4.75 8
5
3 - 12
3
2
0.5
15
.
5
3 7
L1 L1 / 4
0.75 1.75
4.75 8
3 - 12
3
2
0.5
15
.
5
0.75 1.75
4.75 8
3 - 12
0.5
0.75 1.75
0
0
L2 L2 3L1
L3 L3 2 L1
2.5 2.75
15
.
- 15.5
0
0
2
.
5
2.75
L2 L3
0 (4) 15. -15.5 L3 L2
0
(
4
)
15
.
-15.5
0 0 2.5 2.75
15
. - 15.5
0 4
0 0 2.5 2.75
L2 L2 / 4
58
0.5
0
0
0.75 1.75
0.375 - 3.875
2.5 2.75
0.5
0
0
1
0
0
0
1
0
0.75 1.75
0.375 - 3.875
2.5 2.75
L1 L1 0.5 L2
L 3 L3 0 L 2
0.5625 3.6875
0.375 - 3.875
2.5
2.75
0
0
1
0
0.5625 3.6875
0.375 - 3.875
2.5 2.75
L3 L3 / 2.5
1 0 0.5625 3.688
0 1 0.375 - 3.875
0 0
1
1.1
10). Processo de diagonalizao, correspondente ao terceiro piv (k = 3):
1 0 0.5625 3.688
L1 L1 0.5625L3
0 1
0 0
0.375 - 3.875
1
1.1
L2 L2 0.375L3
0 3.069
0
0
0 - 4.288
1 1.1
0x1 x 2 0x 3 4.288
0x 0x x 1.1
2
3
1
Obs.: Note que cada equao representa explicitamente uma incgnita, ou seja, o vetor b de
termos independentes modificado guarda a prpria soluo do sistema. Assim,
x1 = 3.069
x2 = - 4.288
59
x1 = 1.100
A soluo obtida
S = {3.069,- 4.288,1.100}
Exerccios:
3). Elabore um algoritmo para resolver um sistema de equaes lineares pelo mtodo de
Gauss-Jordan utilizando pivotao parcial;
6.2.3 - Mtodo da Inverso de Matrizes:
Seja o sistema dado pela eq. (1), A.x = b,
onde A a matriz de coeficientes, x o vetor de incgnitas e b o vetor de termos
independentes.
Multiplicando a equao (1) pela matriz inversa A-1 de A, obtida a partir de um mtodo
qualquer, tem-se,
A-1.(A.x) = A-1.(b)
Utilizando a associatividade do produto matricial resulta:
(A-1.A).x = A-1.b
I.x = A-1.b
x = A-1.b
Portanto, pode-se obter o vetor de incgnitas x multiplicando a matriz inversa A-1 pelo
vetor b.
Trata-se de um mtodo eficiente quando dispomos da inversa da matriz A, caso
contrrio temos o custo adicional da determinao da inversa.
Ex. 4): Resolva o sistema de equaes lineares indicado abaixo usando o mtodo de inverso
de matrizes. Utilize o processo de pivotamento parcial para evitar pivs nulos.
3x 1 15. x 2 4.75x 3 8
4 x 1 2 x 2 3x 3 7
2 x 5x 3x 12
2
3
1
Adota-se tambm operaes aritmticas com 4 (quatro) dgitos significativos e
arredondamento ponderado.
Na forma matricial tem-se
60
3 15
. 4.75
3
4 2
2 5
3
x1
8
x2 7
x 3
12
15
.
4
2
2
5
4.75 1
3
3
0
0
0
1
0
1
0
(ii). Atravs de operaes elementares sobre linhas (ou sobre colunas) transforma-se a matriz
A na matriz identidade I, e consequentemente a matriz identidade inicial transforma-se na
inversa A-1. Trata-se de um procedimento anlogo ao utilizado no mtodo de Gauss-Jordan.
Este procedimento tambm pode ser associado a um processo de pivotao parcial,
para evitar pivs nulos e diminuir a perda de significao.
Seguem-se os passos para obteno de A-1:
a). Pivotao parcial, correspondente ao primeiro piv (k=1):
(i). Busca do maior mdulo da coluna k = 1
k=1
3
( 4)
2
15
.
2
5
i=2
4.75 1
3 0
3 0
0
1
0
1
0
15
. 4.75 1 0 0 L1 L2
3 0 1 0 L2 L1
( 4) 2
2
5
3 0 0 1
3
2
15
.
4.75 1
3
3
. 4.75 1 0 0
3 15
2 5
3 0 0 1
61
0.5
0.75 0
0.25
3
2
15
.
4.75 1
0
1
0.5
0.75 0
0.25
3
2
15
.
5
4.75 1
3 0
0
0
0.5
0.75 0
0.25
0
0
0
4
2.5 1
15
.
0
0.75
0.5
0 L2 L2 3 L1
1 L3 L3 2 L1
0
0
1
Obs.: Note que existe uma completa analogia com o mtodo de eliminao de Gauss-Jordan.
d). Pivotao parcial, correspondente ao segundo piv (k=2):
(i). Busca parcial do maior mdulo da coluna k = 2 (busca a partir da segunda linha,
pois a primeira linha j foi utilizada no processo de eliminao).
k=2
1
0.5
0.75 0
0.25
0
0
2.5 1
0.75
( 4)
15
. 0
0.5
0
1
L2 L3
L3 L2
0
0
0.5
( 4)
0
0.75 0
15
. 0
2.5 1
0.25
0.5
0.75
1
0
Obs.: Note que a pivotao parcial eliminou um piv nulo (processo possvel em caso de
matrizes no singulares).
e). Processo de normalizao do segundo piv (k=2):
2
0 0 2.5 1 0.75 0
0.5
0.75 0
0.25
0
0
0.375 0
0.125
2.5
0.75
0.25
0
62
0.5
0.75 0
0.25
0
0
1
0
0.375 0
2.5 1
0.125
0.75
0.5625 0
0.3125
0
0
0.375 0
0.125
2.5
0.25
0
L 3 L 3 0L 2
- 0.125
0.25
0
0.75
L1 L1 0.5L2
0.5625 0
0.3125
1
0
0.375 0
2.5 1
0.125
0.75
0
1
0.5625 0
0.375 0
- 0.125
0.25
0 L 3 L 3 / 2.5
0.3125
0.125
0.3
0.4
- 0.125
0.25
0
.
0.25 L2 L2 0.375L3
0 1 0.375 0 0125
0 0
1
0.4 0.3
0
1
0 - 0.225
0.4812
0
0
1
0
0 0.15
1 0.4
0.0125
0.3
- 0.225
Ento,
-1
A = 0.15
- 0.125
0.25
0
0.4812
0.0125
0.4
0.3
- 0.125
0.25
0
0.15
-1
x=A .b=
0.4812
0.0125
0.4
0.3
- 0.125
0.25
0
. 7
12
3.069
4.288
1100
4,01x1 x 2 3x 3 7
x 0,5x - 0,05x 1
2
3
1
5). Monte um algoritmo para determinar a matriz inversa de A, recorrendo ao pivotamento
parcial (sugesto: use o algoritmo de Gauss-Jordan).
Alm dos mtodos de eliminao tradicionais, como Gauss, Gauss-Jordan e inverso, tem-se
as suas variaes classificadas como mtodos de decomposio LU, conforme o
procedimento que segue.
6.2.4 - Mtodo de decomposio LU (Crout)
Nesta famlia de mtodos diretos para a soluo de um sistema linear faz-se uso do
fato de que, sob certas condies, uma matriz quadrada pode ser decomposta no produto de
duas matrizes triangulares. Uma destas variaes do procedimento geral de eliminao
conhecida como mtodo de Crout (ou Cholesky para o caso particular de matrizes simtricas
positivas definidas).
A matriz A pode ser decomposta no produto A=LU, onde L uma matriz triangular
inferior e U uma matriz triangular superior , quando a matriz for no singular (Det (A) 0).
Alm disso, se atribuirmos valores fixos aos elementos da diagonal, seja de L (l ii = 1 no
Mtodo de Doolitle) ou em U (uii = 1 no Mtodo de Crout), esta decomposio ser nica.
Para a soluo de A . x = b, pode-se decompor A segundo o Mtodo de Crout,
conforme segue:
l 11
l
21
0
l 22
l
l n2
n1
0
0
1 u 12
0 1
l nn
u 1n
u 2n
64
u12 a 12 / l11
u13 a 13 / l11
l 22 a 22 l 21u12
l 32 a 32 l 31 u 12
u 23 (a 23 l 21 u 13 ) / l 22
l 33 a 33 l 31u13 l 32 u 23
c 1 b 1 / l 11
c 2 ( b 2 l 21 c 1 ) / l 22
c 3 ( b 3 l 31 c 1 l 32 c 2 ) / l 33
Note que o clculo de c pode ser feito da mesma forma que o clculo de u.
A sequncia de operaes :
1). Calcular a primeira coluna de L, calcular a primeira linha de U e c1;
2). Calcular a segunda coluna de L, calcular a segunda linha de U e c2;
e assim sucessivamente.
Os valores de x so obtidos por substituio sucessiva a partir de c (U.x = c)
x 3 c3
x 2 c 2 u 23 x 3
x 1 c 1 u 13 x 3 u 12 x 2
Note que, o vetor c tambm pode ser obtido do sistema parcial L.c = b por
substituies sucessivas.
Sugere-se usar o processo "tipo escada" para armazenar L e U na mesma rea de
memria, o que torna o processo mais eficiente,
65
i = 1,2,3,...,n
u1j a 1j / l11
j = 2,3,...,n+1
l ik a ik l ir u rk
i k (i = k,k+1,...,n)
r 1
u kj
k 1
l kk
a kj l kr u rj
r 1
j > k (j = k+1,...,n+1)
Ex. 5): Resolver o sistema abaixo pelo Mtodo de Crout, sem estratgia de pivotamento,
usando 4 dgitos significativos e arredondamento ponderado.
0.448 x1 0.832 x 2 0.193x3 1
66
0.448
0.421
0.832
0.784
0.421
0.784
0.193 1
0.207 0
0.279 0
0.421
0.832
0.784
0.784
0.193 1
- 0.207 0
0.279 0
C1
C1
0.421
0.832
0.784
0.784
0.193 1
0.207 0
0.279 0
L1 / l11
0.448
0.421
1.857
0.784
- 0.421
0.784
0.4308 2.232
0.207 0
0.279 0
C2
C 2 l i1u12
0.448
0.421
- 0.421
1.857
0.4308 2.232
0.0022
1.566
0.207 0
0.279 0
0.448
0.421
1.857
0.4308 2.232
0.448
0.421
- 0.421
1.857
(0.0022)
1.566
0.279 0
- 0.421
1.857
0.0022
1.566
0.4308 2.232
176.5 427.1
0.279 0
C3
C 3 l 31u 31 l 32 u 23
0.448
0.421
- 0.421
1.857
0.0022
1.566
0.4308 2.232
176.5 427.1
276.9 0
(ii) No h pivotamento.
(iii). Definio da linha k = 3 da matriz U - u3j: (j = 4)
0.448
0.421
- 0.421
1.857
0.0022
1.566
0.4308 2.232
- 176.5 - 427.1
(276.9) 0
L3 ( L3 l 31u14 l 32 u 24 ) / l 33
68
0.448
0.421
- 0.421
1.857
0.0022
1.566
0.4308 2.232
- 176.5 - 427.1
276.9 2.419
0 x1 1x 2 176.5 x3 427.1
0 x 0 x 1x 2.419
1
2
3
x3 = 2.419
(-427.1+427.0)
x2 = -0.1000
(2.232+0.1857-1.042) x1 = 1.376
A soluo obtida
S = { 1.376, -0.1000, 2.419}
Os resduos ( r = | b - A x | ) de cada uma das equaes do sistema linear proposto so
os seguintes:
r1 = | 0.448 x1 0.832 x 2 0.193 x 3 1 | = 0.0001
r2 = | 0.421x1 0.784 x 2 0.207 x 3 0 | = 0.0002
r3 | - 0.421x1 0.784 x 2 0.279 x 3 0 | 0.0172
Neste caso, tambm pode ser calculado o erro exato, dado por
erro = | Xexato - Xaproximado |. A soluo exata foi encontrada atravs do MATLAB, e foi obtida
com 16 dgitos significativos. Vamos avaliar o erro utilizando tambm a preciso de 4 dgitos
significativos, que foi utilizada at aqui em todas as operaes. Ento:
Xexato1 = 1.396
Xexato2 = - 0.1111
Xexato3 = 2.419
E o erro exato obtido foi:
Erro1 = | 1.396 - 1.376 |
Erro2 = | -0.1111 - (-0.1000) |
Erro3 = | 2.419 - 2.419 |
= 0.0020
= 0.0111
= 0.0000
69
Ex. 6): Resolver o sistema anterior pelo Mtodo de Crout, com pivotamento parcial, usando 4
dgitos significativos e arredondamento ponderado.
0.448 x1 0.832 x 2 0.193x3 1
0.448
0.421
0.832
0.784
0.421
0.784
0.193 1
0.207 0
0.279 0
0.421
0.832
0.784
0.784
0.193 1
- 0.207 0
0.279 0
C1
C1
0.421
0.832
0.784
0.784
0.193 1
0.207 0
0.279 0
L1 / l11
0.448
0.421
1.857
0.784
- 0.421
0.784
0.4308 2.232
0.207 0
0.279 0
C2
C 2 l i1u12
0.448
0.421
- 0.421
1.857
0.4308 2.232
0.0022
1.566
0.207 0
0.279 0
- 0.421
0.4308 2.232
0.207 0
0.279 0
1.857
0.0022
(1.566)
0.421
1.857
(1.566)
0.0022
0.4308 2.232
0.279 0 L 2 L3
0.207 0 L3 L 2
1.857
0.448
0.421 (1.566)
0.421
0.0022
0.448
0.421
0.421
1.857
(1.566)
0.0022
0.4308 2.232
0.279 0 L2 ( L2 l 21u1 j ) / l 22
0.207 0
0.4308 2.232
0.2940 0.6001
0.207 0
0.448
0.421
0.421
1.857
1.566
0.0022
0.4308 2.232
0.2940 0.6001
0.207 0
C3
C 3 l 31u13 l 32 u 23
71
0.448
0.421
0.421
1.857
1.566
0.0022
0.4308 2.232
0.2940 0.6001
0.3890 0
0.421
0.448
0.421
0.421
1.857
1.566
0.0022
1.857
1.566
0.0022
0.4308 2.232
0.2938 0.6001
( 0.3890) 0
L3 ( L3 l 31u14 l 32 u 24 ) / l 33
0.4308 2.232
0.2940 0.6001
0.3890 2.419
0 x1 1x 2 0.2940 x3 0.6001
0x 0x
1x 3 2.419
1
2
x3 = 2.419
(0.6001-0.7112)
x2 = - 0.1111
(2.232+0.2063-1.042) x1 = 1.396
= 0.0000
= 0.0000
= 0.0000
Consideraes:
(i). O nmero de operaes aritmticas envolvidas em cada um dos mtodos de eliminao
(sem pivotamento) apresentados da seguinte ordem:
Mtodos:
Gauss
Nmero de Operaes:
(sem pivotamento)
O ( 2 n3 / 3 )
Gauss-Jordan
O ( 2 n3 / 3 )
Inverso
O ( n3)
Crout
O ( 2 n3 / 3 )
Mtodo de Crout
(2n +9n2-11n)/6
(2n3+3n2-5n)/6
(n2+n)/2
(4n3+15n2-13n)/6
3
Total
Mtodo de Gauss
(2n +3n2-5n)/6
(2n3+3n2-5n)/6
(n2+n)/2
(4n3+9n2-7n)/6
3
a 11
73
l i1 a i1 / l 11
(i = 2,3,...,n)
k 1
l kk a kk l
r 1
l ik
2
kr
1/ 2
k 1
a ik l ir l kr
l kk
r 1
i = k+1,...,n
n 1
l nn a nn l
r 1
2
nr
1/ 2
O mtodo de Cholesky tambm utilizado para fazer um teste rpido se uma dada
matriz simtrica positiva definida ou no. Caso a decomposio seja possvel (radicando
positivo) ento a matriz simtrica positiva definida.
Exerccios:
6). Resolva o seguinte sistema de equaes lineares pelo mtodo de Cholesky:
4 x1
x2
x3 0
x1 4.25x 2 2.75x 3 1
x 2.75x 35. x 1
2
3
1
7). Para resolver um sistema de equaes lineares ordem 10 ( 10 equaes por 10 icgnitas)
um computador (Pentium 133), utilizando o mtodo de Eliminao de Gauss s/ pivotamento,
levou 0.11 segundos para encontrar a soluo. Estime o tempo que este mesmo computador
levaria para resolver um sistema de ordem 100, utilizando o mesmo mtodo.
74