Escolar Documentos
Profissional Documentos
Cultura Documentos
(3.1)
O conjunto soluo de um sistema linear pode ser vazio, conter um nico elemento (uma nica
soluo) ou infinitos elementos (infinitas solues). Por exemplo, no caso de um sistema de duas
variveis e duas incgnitas, cada equao representa um reta no R2 e o conjunto soluo ser vazio
se as retas forem paralelas, possuir apenas uma soluo se as retas se cruzarem ou ainda infinitas
solues se as retas se sobreporem.
32
(3.2)
onde
a1,1
a1,2 . . . a1,n
x=
x1
x2
..
.
xn
b=
b1
b2
..
.
bn
Nessa forma, a matriz A e o vetor coluna b constituem os dados de entrada do problema numrico.
A soluo, ou dado de sada, dado pelo vetor coluna x cujas componentes sero aproximadas
atravs de mtodos numricos.
Um representao alternativa para o sistema (3.1) consiste na matriz completa do sistema formada pela justaposio das matrizes A e b da equao (3.2):
a1,1
a1,2 . . . a1,n
b1
[ A| b] = .
..
..
..
..
.
.
.
.
.
.
.
an,1 an,2 . . . an,n bn
(3.3)
Essa representao til pois concatena todos os daddos de entrada e permite descrever o sistema
de equaes (3.1) do modo mais econmico.
Uma das propriedades mais evidentes do sistema de equaes (3.1) o fato de que sua soluo
independe da ordem em que as equaes so postas. Ou seja, se o vetor x0 soluo de (3.2), ele
tambm ser soluo de um sistema em que as equaes so as mesmas em uma ordem diferente.
Portanto ao trocarmos duas linhas quaisquer da matriz completa (3.3) obtemos uma matriz equivalente1 . A operao de troca de linhas na matriz completa um tipo de operao conhecido como
operao elementar.
As operaes elementares so operaes realizadas em uma matriz completa que resultam em
uma matriz equivalente. Por ser linear, o sistema de equaes (3.1) possui a seguinte propriedade:
a troca de qualquer equao pela combinao linear dela com qualquer outra equao do sistema
resulta em um sistema com o mesmo conjunto soluo. Portanto, a substituio de qualquer linha
de (3.3) pela combinao linear da linha a ser substituda com qualquer outra, no altera a soluo.
Essa operao portanto uma operao elementar. Note que a simples multiplicao de uma linha
por uma constante no nula um caso especial dessa operao.
A partir das operao elementares possvel implementar uma srie de mtodos distintos para
encontrar a soluao do sistema. Os mtodos que utilizam uma seqncia finita de operaes elementares para determinar a soluo so denominados mtodos diretos.
1
Dadas duas matrizes completas C e D, dizemos que so equivalentes se representam sistemas de equaes equivalentes. Notao:
C D.
33
Um dos mtodos diretos mais conhecidos a eliminao de Gauss-Jordan. Esse mtodo consiste
em aplicar sucessivas operaes elementares at que a matriz completa [ A| b] assuma a forma
1 0 0 . . . 0 x1
0 1 0 . . . 0 x2
0 0 1
0 x3
[ A| b] .
.. ..
. . .. ..
. . .
. .
0 0 0 . . . 1 xn
(3.4)
Esse o mtodo comumente utilizado na soluo de pequenos sistemas de n incgnitas e n equaes na disciplina lgebra linear:
1. Partimos da primeira coluna esquerda em [ A| b] e, sucessivamente, utilizamos operaes elementares para anular as componentes abaixo da diagonal e igualar as componentes da diagonal
a 1 at chegar ltima linha. Nesse ponto teremos uma matriz diagonal superior.
2. Ento retornamos a partir da ltima linha e da direita para a esquerda, realizamos operaes
elementares para anular as componentes acima da diagonal anulando elementos.
Se o sistema possuir uma nica soluo, o resultado do mtodo ser a matriz completa reduzida no
lado esquerdo da relao de equivalncia (3.4). Os termos x1 , . . . , xn so a soluo do sistema.
x1
2x2 +
x3
2x2 8x3 =
Ac =
1 2
0
8 .
9 9
2 8
5
L1
Ac = L2 3L1 2L2 = L2
L3
L3
L3
L1
L1
L3
L2
L1
34
para representar operaes elementares nas linhas de uma matriz. De acordo com essa notao
Ac
L1
1 2
L1
2 8
8 = L2
= 0
0 3 13 9
4L1 + L3
L3
L1
L1
1 2
1 0
L2
1 4 4 = L2
= 0
2
3
0
0
1 3
L3
L2 + L3
2
L1 L2
1 2 0 3
L2 + 4L3 = 0
1 0 16 =
L2
L3
L1 + 2L2
L2
L3
0 1
1 0 0 29
= 0 1 0
0 0 1
16 .
3
(3.5)
Portanto a matriz Ac equivalente a matriz (3.5) que representa o sistema de equaes lineares
x1 = 29
x2 = 16 ,
x3 = 3
Existe muita literatura sobre esses tpicos, sugerimos ao leitor mais interessado o texto:
35
U=
0
0
..
.
0
0 u3,3 . . . u3,n
.
..
..
..
..
.
.
.
.
0
0 . . . un,n
u1,1 x1 + u1,2 x2 +
u2,2 x2 +
...
u1,n xn
c1
...
..
.
u2,n xn
c2
cn
que pode ser resolvido atravs de substituies recursivas: a partir da ltima linha, temos que
xn =
cn
.
un,n
(3.6)
Utilizamos o valor de xn obtido em (3.6) para determinar xn1 atravs da equao imediatamente
superior,
xn1 =
1
un1,n1
(cn1 un1,n xn ) .
n
X
1
xi =
ui,j xj ,
ci
ui,i
j=i+1
onde i = 1, 2, . . . , n 1.
3.1.2. Instabilidade numrica
Se houvesse uma mquina capaz de armazenar variveis com preciso arbitrria e realizasse
operaes aritmticas sem erros de arredondamento em tempo finito, atravs do mtodo de eliminao gaussiana descrito na subseo anterior, seriamos perfeitamente capazes de encontrar a soluo
exata para um sistema de equaes lineares. No entanto, devemos nos recordar que na prtica
as variveis so representadas por pontos flutuantes e conseqentemente, as operaes aritmticas
esto sujeitas a erros de arredondamento.
Para ilustrar as limitaes da eliminao gaussiana simples vamos considerar o seguinte exemplo.
Exemplo: Seja um sistema de equaes lineares representado pela matriz completa [ A| b].
Vamos supor que estamos na fase final de um processo de eliminao gaussiana e que as ope-
36
raes envolvem pontos flutuantes. Vamos supor tambm que, com exceo de uma particular
componente, o resultado de todas as operaes representam exatamente a matriz completa
equivalente na forma (quase) escalonada:
u2,2 u2,3
0
u3,3
..
.
..
.
..
..
..
..
.
.
.
0
1
1
0
2
1
3
[ A| b] .
(3.7)
n(n+1)
u2,2 u2,3
0 u3,3
..
.
..
.
..
[ A| b] .
..
..
..
.
.
.
0
0
1
1
0
2
1
3
n(n+1)
(3.8)
xn1 = 1.
Por outro lado, o valor obtido para as duas ltimas componentes da soluo aproximada a
partir da matriz completa (3.7) so resultado das operaes
2
x
n =
2
1
3
x
n1 =
1x
n
.
(3.9)
Vamos supor que as variveis pertenam ao sistema de ponto flutuante F (10, 10, 90, 90) e
2
que o erro seja pequeno, por exemplo, = 0.1 1010 . Nesse caso, = 0.2 1012 e assim
2
2
o numerador e denominador de x
n , 3 e 1 sero arredondados respectivamente para
0.1999999999 1012 e 0.1999999999 1012 ou 0.2000000000 1012 e 0.2000000000
1012 , dependendo da escolha de arredondamento. Em qualquer um dos casos, para um erro
x
n1 = 0.
37
Uma anlise mais atenta dos termos (3.9) nos permite concluir que nesse exemplo no possvel encontrar a soluo exata atravs da eliminao gaussiana simples.
Essa dificuldade em encontrar a soluo exata apesar de um erro pequeno e isolado poderia
nos levar a pensar que a eliminio gaussiana seria intil na busca da soluo atravs de mtodos
numricos. Este no o caso. O problema explicitado na exemplo foi drasticamente amplificado
pelo fato de que na posio de piv da (n1)-sima coluna da matriz completa a componente possui
um valor muito pequeno (), o resultado, de acordo com o algoritmo do mtodo de eliminao
gaussiana simples, a combinao linear das duas ltimas linhas com um termo multiplicativo de
2
valor absoluto muito grande ( ). Uma medida simples como a operao elementar de troca das
duas ltimas linhas antes da combinao linear das mesmas resultaria nas aproximaes
3
1
2
x
n =
1
1
2
x
n1 =
3x
n
2
Naturalmente, devemos levar em conta que as operaes so em ponto flutuante, ou seja, a representao obtida
exata sem a necessidade de tomar o limite 0, basta que seja um valor suficientemente prximo de 0.
38
para quaisquer m e n naturais no nulos. Vamos ento nos ater em trs exemplos de normas para
esses espaos.
Exemplo (Normas para o Rn): Em geral, diferenciamos as normas entre si por algum simbolo no ndice de kk. Em particular vamos considerar as normas kk1 , kk2 e kk : dado um
um exerccio simples verificar que essas trs normas satisfazem as propriedades da definio.
Da mesma forma vamos considerar as normas kk1 , kk2 e kk para matrizes A Mmn :
Exemplo (Normas para o Mmn): Dada uma matriz A Mmn , de componentes ai,j , de-
finimos as normas
P
.
1. kAk1 = max1jn m
i=1 |ai,j |, (norma 1),
qP P
.
m
n
2
2. kAk2 =
i=1
j=1 |ai,j | , (norma 2 ou norma euclideana),
P
.
3. kAk = max1im nj=1 |ai,j |, (norma sup ou norma ).
um exerccio simples verificar que essas trs normas satisfazem as propriedades da definio.
Utilizamos os mesmos ndices para identificar algumas das norma de vetores e matrizes pois,
nesse caso, elas possuem uma importante relao entre si, elas so normas compatveis: dado qualquer vetor x Rn , qualquer matriz A Mmn e o vetor que resulta da multiplicao matricial
Ax Rm , verificamos que, de acordo com as definies de norma para vetores e matrizes dos
exemplos anteriores,
kAxk
.
kAk = maxn
=
max
kAyk .
xR
kxk
yRn :kyk =1
A partir das definies de norma para vetores e matrizes, possivel comparar diferentes aproximaes para a soluo de um sistema de equaes lineares. Se x0 e x1 so duas aproximaes
distintas do sistema no singular (possui apenas uma nica soluo)Ax = b, ento a multiplicao
matricial de A pelos vetores que representam a aproximao resulatm em duas aproximaes para
o vetor das constantes b:
Ax0 = b0
Ax1 = b1 .
Parece razovel supor que, atravs dos resduos
b b0
e
b b1
, os vetores b0 e b1 forne-
cem uma boa indicao sobre a exatido das aproximaes x0 e x1 . O exemplo a seguir mostra
que isso no necessariamente verdade.
39
Exemplo: Seja o sistema de equaes lineares representado pela seguinte matriz completa
0.780 0.563 0.217
0.913 0.659 0.254
0.999
0.341
!
!
=
.
ex
0.087
1.001
A matriz formada pelas duas primeiras colunas da matriz!completa no singular, portanto
1
. Nossa questo escolher qual
o sistema possui uma nica soluo dada por x =
1
das duas aproximaes a mais adequada supondo que no conheamos a soluo exata.
!
0.1343 103
Os resduos associados s aproximaes so dados respectivamente por r =
0.1572 103
!
0.1 106
e r =
. Note que qualquer que seja a norma utilizada, krk >
r
:
0
=
e duas aproximaes x
krk1 = 0.2915 103 >
r
= 0.1 106 ,
1
3
krk2 = 0.2067 . . . 10
>
r
= 0.1 106 ,
2
3
krk = 0.1572 10
>
r
= 0.1 106 .
Esse comportamento est relacionado ao fato de que a matriz A prxima de uma matriz
singular. Matrizes com tal caracterstica so denominadas matrizes mal-condicionadas. O condicionamento de uma matriz pode ser medido atravs de sua norma e relaciona o erro relativo do vetor
= A
uma aproximao da soluo do sistema e b
b ao erro relativo da soluo x: sejam x
x, atravs
da inversa de A relacionamos a soluo e sua aproximao aos respectivos vetores constantes:
x = A1 b
= A1 b.
x
A partir das duas ltima expresses, relacionamos o erro relativo cometido em na soluo e o erro
relativo no vetor de constantes
k =
A1 b Ab
kx x
=
A1 b b
A1
b b
,
onde a norma para a matriz uma norma compatvel utilizada para os vetores. A desigualdade
que obtemos iplica a seguinte expresso para o erro relativo na soluo
1
k
kx x
A1
b b
.
kxk
kxk
(3.10)
40
Para reescrever o lado direito da desigualdade acima como o erro relativo do vetor das constantes
b, basta utilizar o fato de que a sua norma pode ser limitada pelo produto das normas da matriz e
do vetor soluo :
kbk = kAxk kAk kxk ,
ou seja
1
kAk
.
kxk
kbk
(3.11)
Utilizando a desigualdade (3.11) no ltimo termo do lado direito de (3.10) concluimos que
k
kx x
A1
kAk
kxk
b b
kbk
(3.12)
A partir da desigualdade (3.12) definimos o condicionamento de uma matriz inversvel (ou seja,
no singular) A como o valor numrico
A1
kAk. No difcil verificar que o condicionamento
kxk =
AA1 x
kAk
A1 x
kAk
A1
kxk
o que implica
A1
kAk 1.
Ento se a preciso na estimativa de b dada pelo soluo aproximada possuir erro absoluto
10pb ,
podemos esperar um erro relativo na soluo, limitado superiormente por 10ps e relacio-
Ainda assim, devemos lembrar que a desigualdade (3.12) fornece apenas uma estimativa superior para o erro relativo. Na seo seguinte estudaremos um mtodo intermedirio entre os mtodos
diretos e os mtodos iterativos, trata-se do mtodo de refinamento iterativo de uma soluo.
(3.13)
calculada atravs de um mtodo numrico direto como, por exemplo, a eliminio gaussiana. A
multiplicao matricial de A pela aproximao x(0) , realizada atravs de operaes aritmticas
em ponto flutuante, resulta em um vetor b(0) diferente da representao em ponto flutuante de b.
Para determinar a representao mais prxima exata no sistema de ponto flututante utilizado, ser
41
= r(0) ,
o vetor soluo do sistema A = r(0) , onde r(0) o resduo da soluo aproximada x(0) com
relao soluo exata.
A soluo numrica do sistema A = r(0) estar sujeita s mesmas condies da equao original (3.13), portanto podemos esperar obter diretamente um vetor (0) que soluo aproximada
para o vetor que corrige a soluo x(0) . A correo dessa soluo aproximada com o vetor (0) determina a aproximao x(1) para a soluo de (3.13) . Esse procedimento iterado sucessivamente
de modo que a (k + 1)-sima soluo iterada, x(k+1) , dada pela soma
x(k+1) = x(k) + (k) ,
onde (k) o vetor soluo do sistema
A(k) = r(k)
.
e o resduo r(k) = b b(k) = b Ax(k) , para k = 0, 1, . . .
Quanto estabilidade numrica desse mtodo, possvel demonstrar que dada uma matriz
A, no singular (e portanto, com um condicionamento finito
A1
kAk), a seqncia x(i)
i
Vamos utilizar o mtodo da eliminao gaussiana para determinar uma aproximao para a soluo no sistema de ponto flutuante F (10, 5, 20, 20) com arredondamento por truncamento.
De acordo com o algoritmo vamos realizar a seguinte operao elementar:
L1
((0.781 0.913) L1 ) L2
L1
(0.85542 L1 ) L2
0.913
0
0.659
0.254
42
x(0)
0.254
0.97421
(0)
= b Ax
0.254
0.217
0.217
6.79 106
4.09 106
0.913 0.659
0.25399321
0.21700409
!
.
0.781 0.564
!
0.97421
0.96428
6.79 106
Antes de realizar o processo de eliminao gaussiana,lembremos que, por definio, a matriz quadrada formada pelas duas primeiras colunas da matriz e a mesma do sistema original. Portanto j conhecemos
! a sua forma traingular, basta aplicar a operao elementar
L1
ltima coluna. Teremos ento
(0.85542 L1 ) L2
0.913
0.659
0
(0)
2.5523 102
x(1)
e
=
3.5351 102
O resduo da nova aproximao dado por
que imlica
r(1) = b Ax(1) =
=
2.68 106
2.19 106
6.79 106
0.254
0.217
!
0.99973
0.99963
0.913 0.659
0.781 0.564
0.99973
0.99963
A nova correo (2) soluo do sistema A(2) = r(1) representado pela matriz completa
0.913 0.659 2.68 106
0.913
0
0.659
2.68 106
43
(2)
2.6716 104
0.99999
x(2)
e
=
0.99999
3.6607 104
O resduo associado nova aproximao ainda no nulo:
que implica
r(2) = b Ax(2) =
2.54 106
2.17 106
0.254
0.217
!
0.913 0.659
0.781 0.564
0.99999
0.99999
A nova correo (3) soluo do sistema A(3) = r(2) representado pela matriz completa
0.913 0.659 2.54 106
que implica
(2)
0.913
0
9.8955 106
106
0.659
2.54 106
0.99999
x(3)
0.99999
9.6428
ento a partir desse ponto no conseguimos melhorar a aproximao.
dessa ltima representao, de acordo com o sistema de ponto flutuante F (10, 5, 20, 20) com
arredondamento por truncamento, o nmero 1 seria armazenado como 0.99999 100 .
44
sob a forma
A = B C,
onde B tambm no singular. Dada uma tal escolha, o sistema assume a forma
Bx Cx = b
ou seja,
Bx = b + Cx.
(3.14)
A partir de uma aproximao inicial x(0) vamos cosntruir a seqncia x(k) kN como soluo
da seguinte modificao do sistema (3.14): no lado direito da equao, utilizamos uma aproximao
conhecida para x e assumimos que a soluo do sistema resultante fornece a aproximao seguinte.
Ou seja,
Bx(k+1) = b + Cx(ik) ,
(3.15)
Vamos denominar (k) = x x(k) , como o erro da k-sima aproximao com relao soluo
x(k+1) = B1 b + B1 Cx(k)
= B1 (Ax) +B1 Cx(k)
= B1 (Bx Cx) + B1 Cx(k)
= x B1 C x x(k)
e a partir dessa ltima igualdade temos
x x(k+1) = B1 C x x(k)
(k+1) = M(k) ,
(3.16)
onde M = B1 C.
Uma condio necessria e suficiente para que limk (k) = 0 Rn para qualquer (0)
Rn que M seja tal que limk Mk = 0 Mnn . Pois, de acordo com (3.16), dada uma
aproximao inicial com erro (0) , aps k iteraes, o erro da (k + 1)-sima aproximao ser
(k) = M(k) = MM(k1) = . . . = Mk (0) .
Matrizes que satisfazem esse limite so denominadas matrizes convergentes. Portanto, quando
decompomos a matriz no singular A na forma A = B C, devemos realizar um escolha que
satisfaa os seguintes critrios:
45
somente se o valor absoluto de todos os seus autovalores for estritamente menor do que a unidade.
O seguinte corolrio muito til tambm:
Corolrio (matrizes convergentes - condio suficiente)
Uma matriz quadrada M convergente se para uma norma matricial qualquer, kMk < 1.
A importncia do corolrio deve-se ao fato de que existem normas matriciais cujo clculo
muito simples. De acordo com o corolrio, se para qualquer uma dessas normas, a norma de B1 C
for estritamente menor do que a unidade, ento o mtodo ser convergente, caso contrrio nada
podemos afirmar (a no ser que conheamos os autovalores da matriz). Duas normas que possuem
a caracterstica de serem calculadas facilamente so as normas kk1 e kk .
Uma escolha muito natural para a decomposio consistem em eleger B como a matriz diagonal
formada pelos elementos na diagonal de A, essa escolha determina o mtodo conhecido como
Mtodo de Jacobi.
x(k+1) = B1 b + Cx(k) ,
k = 0, 1, . . . ,
onde x(0) uma aproximao inicial e B a matriz diagonal formada pelos elementos da diagonal
de A, portanto (B)i,j = i,j ai,j e C = B A. Em termos das componentes das aproximaes da
soluo, o mtodo assume a forma da iterao
(k+1)
xi
n
X
1
(k)
bi
ai,j xj
ai,i
(3.17)
j=1
j6=i
para i = 1, 2, . . . n a cada k = 0, 1, . . ..
De acordo com o corolrio sobre condio suficiente para convergncia, o mtodo de Jacobi
ser convergente se
B1 C
< 1 ou
B1 C
< 1. Os elementos da matriz dada pelo produto
1
46
ai,j
(o termo (1 i,j ) indica que os elementos da diagonal de
ai,i
B1 C so nulos). Ento podemos concluir atravs da norma matricial kk1 que se
B1 C so B1 C
i,j
= (1 i,j )
X ai,j
1
B C
< 1 = max
ai,i < 1
1
1jn
(3.18)
i=1
i6=j
dominante por colunas (dado qualquer elemento da diagonal, o seu valor absoluto estritamente
maior que a soma dos valores absolutos dos demais elementos na mesma coluna) e, nesse caso , a
convergncia do mtodo de Jacobi est garantida.
De maneira semelhante, podemos concluir atravs da norma matricial kk1 que se
X ai,j
1
B C
< 1 = max
ai,i < 1
1in
(3.19)
j=1
j6=i
o mtodo converge. Nesse caso, a desigualdade (3.19) equivale a condio de dominncia diagonal
P
por linhas da matriz A: se |ai,i | > j=1 |ai,j | para todo i = 1, 2, . . . , n a matriz A diagonal
j6=i
dominante por linhas (dado qualquer elemento da diagonal, o seu valor absoluto estritamente
maior que a soma dos valores absolutos dos demais elementos na mesma linha) e, nesse caso , a
convergncia do mtodo de Jacobi tambm est garantida.
x1
(k+1)
xi
x(k+1)
=
n
n
X
1
(k)
a1,j xj ,
b1
a1,1
j=2
1
bi
ai,i
i1
X
j=1
1
bn
an,n
(k+1)
ai,j xj
n1
X
j=1
n
X
j=i+1
(k+1)
an,j xj
(k)
ai,j xj ,
i = 2, 3, . . . , n 1,
Pela estrutura da iterao, podemos notar que, ao contrrio do que ocorre no mtodo de Jacobi, no
h necessidade de armazenar os dados de todas as componentes da k-sima aproximao para obter
a seguinte.
47
3.4. Exerccios
1) Utilize o mtodo de Gauss com pivoteamento parcial para encontrar a soluo do seguinte
sistema de equaes lineares
(
4x + 4y
20, 5
7x + 6, 99y = 34, 97
no sistema F (10, 5, 10, 10). Verifique que o sistema possui soluo exata que pode ser represen-
2) Utilize o mtodo de gaus com pivoteamento parcial para encontrar a soluo do seguinte
sistema de equaes lineares
(
4x + 4y
20
7x + 6, 9y = 34, 7
no sistema F (10, 5, 10, 10). Verifique que o sistema possui soluo exata que pode ser represen-
0, 5
0, 4
0, 3 0, 25
=
Considere que conheamos a aproximao b
0, 200
.
!
5) Utilize o mtodo de Jacobi e o mtodo de Gauss-Seidel para esse mesmo sistema. O que
voc pode dizer sobre a convergncia dos mtodos? (trabalhe com a maior preciso possvel).