Escolar Documentos
Profissional Documentos
Cultura Documentos
2.1 Introdução
Este sistema pode ser representado através de uma representação matricial da forma:
Αx = b
onde:
A – matriz de coeficientes de ordem n × n
x – vetor de incógnitas de ordem n ×1
b – vetor independente de ordem n ×1
1
i n if n i t sa os l u ç õ e s
A singular ⇒
s i s t e imn ca o m epl a t í v
2.3.1 Métodos Diretos – Fornece solução “exata” após um número finito de operações.
Solução assegurada para matriz de coeficientes não-singular.
R ge r ad e C r a m e r
I n v e dr sa Mã o a tAr i z
M é t oD d i or se t o s
E l i mi n a çd ãe Go a u s s
F a t o rL a Uç ã o
2
G − Ja au cs os b i
E s i t o a G s c − Sai oeu ni s d ás e r l
S o ab ç r ãe or e l a x
M éI t eo rd a o t si v o G s r Ca do in e j nu t g e a d o
G r Ba di co i oe n tj eu g a d
N − Eã so i t oa sc i o n á r
G r i ac do E in es dj nt u ao t g be aBi ld i oz a
e . t. c
2.3.3 Regra Cramer
∆i
xi =
∆
onde:
∆ = determinante da matriz A
Operações necessárias:
a) Cálculo de 21 determinantes, cada um de ordem 20.
O determinante de uma matriz Α é definido como uma soma de termos a1−a 2 −a 3− ......
a n − onde o símbolo – representa subscritos de permutações de 1 a n. No exemplo a soma
3
tem 20! termos cada qual requerendo 19 multiplicações. Assim, a soluções do sistema
requer 21 x 20! x 19 multiplicações, além de um número 21 x 20! de somas que será
desconsiderado.
Tempo de Solução:
21 x 20! x19
= 15604,55 anos
2.000 .000 .000 x3600 x 24 x360
x= A −1 b
A inversa requer mais aritmética (uma divisão e uma multiplicação em vez de uma só
divisão), além de produzir uma resposta menos exata.
4
Ax=b A x = b
U x = b’
U x = b’
x= A −1 b
n 3 operações (produto)
n 2 operação (produto)
U
b n3
x = ~ 3
operações de produção
0
2. Substituição Inversa.
5
η2
operações de produto
2
Exemplo Numérico
3 2 4 x1 1
1 1 2
x 2
2 =
4
3 −2 3
x 3
Α ( 0)
Estágio 1
pivô a11 = 3
Multiplicadores
Μ 21 = 1
3
Μ 31 = 4
3
3 2 4 1
x1
2 . x
0 3 1 2 = 5
1 − 223 x 3 53
0 3 3 3
Α ( 1)
Estágio 2
Pivô a 22 = 1
3
1
Multiplicador Μ 23 = 3 =1
1
3
3 2 4 x1 1
0 1 2 x 5
3 3 2 = 3
0 0 − 8 x 3 0
6
Substituição Inversa
. –8 x 3 = 0 x3 = 0
1 x +2 x =5 x2 =5
3 2 3 3 3
3 x1 + 2 x 2 + 4 x 3 = 1 x1 = −3
Exemplo:
0,0 0 x01 +2 2 x 2 = 5
2 x1 + 2 x 2 = 6
pivô 0.2 x 10 −3
0.2 x10 1
multiplicadores −3
= 1x10 4 = 0.1x10 5
0.2 x10
( )( )
a 22 = 0.2 x10 1 − 0.1x10 5 0.2 x10 1 = −0.2 x10 5
b2 = 0.6 x10 −0.5 x10 x0.1x10
1 1 5
= −0.5 x10 5
0
x = Não satisfaz o sistema
2.5
Com pivoteamento
7
0.2 x10 1 0.2 x10 1 x1 0.6 x10 1
−3 = 1
0.2 x10 0.2 x10 1 x 2 0.5 x10
0.2 x10 −3
pivô 0.2 x10 1 mult. = 0.1x10 −3
0.2 x10 1
Erro: e = x - x*
Resíduo: r = || b – A x * || (dependente de escala, multiplicando-se A e b
por uma constante α , o resíduo também vai
ser multiplidado por α )
b − Ax *
Resíduo relativo:
A x*
Da teoria de matrizes sabemos que, sendo A não singular e se uma medida acima é nula, a
outra também o será, mas ambos não são necessariamente igualmente pequeno.
2.3.7 Fatoração LU
Ax = b A = LU
L – triangular inferior
U – triangular superior
8
Pivo = 3
3 2 4
(0)
Α 1 1 2 mult. Μ 21 = 1
3
4 3 2
Μ 31 =4
3
3 2 4
Α ( 1) 0 1 2 pivo = 1 mult. Μ 32 = 1
13 − 223 3
0 3 3
3 2 4
Α ( 2) 0 1 2
3 3
0 0 − 8
Observe que a matriz Α ( 1) pode ser obtida de Α ( 0 ) pré-multiplicado-a por uma matriz
conveniente, no caso:
1 0 0
1 0 0 1
− 3 1 0
Μ1 =
− Μ21 1 0
− 4
− Μ31 0 1
3 0 1
=
Da mesma forma a matriz Α ( 2 ) é obtida pré-multiplicando-a por:
9
1 0 0 1 0
0
Μ( 2 ) = 0 1 0 = 0 1 0
0 − Μ32 1 0 −1 0
Assim ,
Α( 2 ) = Μ2 Μ1 Α( 0 )
a ( 2) a1n
( 2)
1 0 0 1 0 0 11
( 0)
Α = Μ21 1 0 0 1 0 ( 2)
a 22
( 2)
Μ3 0 1 0 Μ32 1 0 a nn
a ( 2) a1n
( 2)
1 0 0 11
Α( 0 ) = Μ21 0 ( 2)
1 a 22
( 2)
Μ31 Μ32 0 0 a nn
Α( 0 ) = L U
10
A matriz L é uma matriz triangular inferior, pois é resultante do produto de matrizes
triangulares inferiores elementares.
L = LD é triangular inferior
U = D −1 U é triangular superior
A = LU = L DD −1 U = L U
Pode-se mostrar que a decomposição LDU de uma matriz A é única, se suas submatrizes
principais guias Α[1] , Α[ 2 ] ,......., Α[ n −1] são todas não-singulares.
L1−1 existe
U 2−1 existe
D1−1 existe
L1 Triang . inf erior unitário
U 2 Triang .Superior unitário
D1−1 L1−1 L1 D1 U 1 U 2−1 = D1−1 L1−1 D 2 U 2 U 2−1
U 1 U 2−1 = D1−1 L1−1 L 2 D 2 → triang . sup erior unitário
11
Produto de 2 matrizes triang. sup. unitário resulta matriz triang sup. unitário. Isto força o
segundo membro da equação a ser diagonal, já que é triangular inferior ⇒ Identidade.
Se A for simétrica:
Α= LDL T
1 1
se D > 0 D= 2 D 2
1 1
2 D 2U = L L t →Decomposiç
A =
LD ão de Cholesky
mim { i , j }
a i j = ∑k =1 li k u k j i, j =1,..... n
Como u11 =1 :
a i1 =l i1 u 11 =l i1 , i =1,....., n
ou seja a primeira coluna da matriz A é igual a primeira coluna da matriz L.
Além disso:
a ij = l11 u1 j
a1 j
u1 j = j = 1,.......n
l11
12
Assim determinamos 1° linha de U.
Da mesma forma
a p1 = l pp u pj + ∑k =1 l pu u kj
p −1
( j = p + 1,....n )
onde
u pj =
1
l pp
(a pj − ∑k −1 l pj u kj
p −1
) ( j = p +1,.. n)
Observe que não há necessidade de calcular-se para j = p, pois, u pp =1 .
OBS: Pode-se verificar que, após a ij ter sido utilizado para calcular l i j ou u i j , ele não é
mais utilizado, assim, os elementos não nulos de L e U podem ser escritos sobre os
elementos correspondentes de A.
1. a i p ← l i p = a i p − ∑k −1 l i k u k p ,
p −i
i = p,....., n
−1
2. a p j ← u p j = l pp a p j − ( ∑
p −1
l
k =1 p k
Uk j , ) j = p + 1,......n
13
Matriz quadrada de ordem n obtida da matriz identidade de ordem n pela permutação
de suas linhas.
A pré-multiplicação de uma matriz A por uma matriz de permutação P resulta em
uma matriz A’, obtida de A com a mesma seqüência de permutações de linhas , realizadas
na matriz P.
Onde:
A’= PA
p −1
1. a ip ←l ip = a ip − ∑k =1 l ik U kp ( i = p, ......., n )
2. Achar ρp tal que l ρp , p ≥ l ip (i = p,...... n)
3. a pj ← a ρ p j ( j = 1,2,...... n )
p −1
4. a pj ←u pj = l pp a p1 − ∑k =1 l pk u kj ( j = k +1,..... n )
−1
OBS: O algoritmo de Crout com pivoteamneto parcial pode ser considerado um algoritmo
estável.
Decomposição de Cholesky
Considerando:
A Simétrica e definida positiva
Tem-se
A = LL t
Teorema: Se A é simétrica positiva definida então existe uma única matriz L com
elementos diagonais positivos tal que A = LLt .
14
OBS 1: A matriz A é positiva definida se x T A x > 0 para qualquer vetor x diferente de
zero.
OBS 2: Os elementos diagonais de uma matriz definida positiva são sempre positivos.
e iT A ei = a ii >0
e i – vetor com elemento igual a 1 na posição i e o restante igual a zero.
d vT
A = onde : d escalar positiva e H submatriz de ordem n −1 × n −1
v H
d 0 1 0 d vT
v d
I n −1 0 H
0 I n − i
d
vv T
H =H − , onde H é simétrica e também positiva definida, pois para qualquer vetor x
d
de comprimento n-1, tem-se:
T
xT v T d v T − x v T vv T
− ,x d = x H − x = x T H x
d v H
x
d
T
Por indução H, pode ser fatorado como L H L H com elementos diagonais positivos.
Portanto, A pode ser dada por:
d 0 1 o 1 0 d vT d 0 vT
v d = v d
d = LL
T
I n −1 o L H 0 LTH LH
0 I n −1 d LTH
d 0
d vT
A= (1)
v H
15
λ 0
L = − ( 2)
l L
λ 0 λ l
T
λ2 λl T
A = LL T = T = T ( 3)
l L 0 L λ l L L
L 0 LT w M u
Α= M M = T
w
T
t 0 t u s
LM w = u
1
wT w + t 2 = s ⇒ t = ( s − wT w) 2
Exemplo:
16
4 1 2
A = 1 3 1
2 1 5
2 0 2 w 4 1
wT t 0 t = 1 3
2w = 1 w= 1
2
T 2
w w+t = 3
( )1
t = 3 − w t w 2 = 11
4
2 2 1
2 4 1
=
1 1 3
11 11
2 4 4
LM w = u
2 w1 2
1 11 w = 1
2 4 2
w1 = 1
11
w2 =
11
1
(
t = 5−w w T
) 1
2 12 2
= 5 − =
11
43
11
1 1
2 0 0 2 2
A= 1 11 ⋅ 11 11
2 4 4 1 1
11 43 43
1 11 1 1 1 1
Computado e acessado
17
lT
iK
li i Elementos a serem calculados
Elementos não
Calculados
Pela simetria de A, apenas é necessário se trabalhar com sua metade inferior. Além disso, os
elementos de L podem ser escritos sobre os de A.
Algoritmo
Para k = 1, 2, ....n
1. Para i =1, 2, ......... K −1
1 i −1
a K i ←l K i = a K i − ∑l i j l K
li i j
j =1
K −1
2. a KK ←l KK = a KK − ∑l k2 j
j =1
3
OBS: A decomposição de Cholesky requer n multiplicações, isto é, a metade das
6
exigidas pela redução de Crout. Os produtos internos devem ser acumulados em precisão
dupla, para se obter exatidão adicional.
O algoritmo de Cholesky é incondicionalmente estável. Como A é positiva definida, não há
necessidade de pivoteamento, pois neste caso ela sempre é diagonal dominante.
2.3.8.1 Decomposição LU
PA = LU
LU x = Pb
Substituição Direta
L y = Pb =b '
18
Atualização por linhas
, i −1
y i = b i − ∑l ij y j / l ii
i = 1, 2, ......... n
j =1
Substituição Inversa
U x =y
n
x i = y i − ∑ u ij x j i = n − 1,.......,1
j = i +1
Substituição Direta
Coluna 1
b1
b1' =
l11
b2, = b 2, − l 21 b1,
b3', = b3' − l 31 b1, .
b n', = bn, − l n1 b1,
Coluna 2
b' 2
b2' =
l 22
b3 = b3 − l 32 b' 2
b ' n = b n − l n 2 b' 2
Coluna n
b' n
b' n =
l nn
No final y =b' , observe que as atualizações foram feitas por colunas.
19
Para j =1....... n −1
b' j = b' j / l jj
Para k = j +1, n
b' K = b' K −b' j l kj
Continue
Continue
b' n
b' n =
l nn
y = b'
As substituições direta e inversa requerem η2 multiplicações.
Substituições direta LY =b
Substituições Inversa LT x = y
20