Escolar Documentos
Profissional Documentos
Cultura Documentos
(EEL7031)
(Métodos Diretos)
1
Objetivos e Tópicos Principais
Objetivos
Estudar técnicas de resolução numérica de sistemas
de equações lineares algébricas, que surgem nas
mais diversas áreas do conhecimento científico.
Tópicos principais
Introdução.
Sistemas triangulares
Eliminação Gaussiana
Pivoteamento
Decomposição LU
Conclusões
2
Introdução
Aspectos Gerais
Sistemas de equações são usados para representar problemas físicos
que envolvem a interação de várias propriedades.
As variáveis no sistema representam as propriedades sob estudo e as
equações descrevem a interação entre elas.
Em geral, é mais fácil de estudar sistemas em que todas as equações
são lineares.
Freqüentemente, o número de equações é igual ao número de
variáveis e somente nestes casos é que existe solução única para o
sistema.
Embora muitos problemas físicos não possam ser representados por
sistemas de equações lineares, em diversos casos são obtidos
resultados relevantes quando se utiliza uma representação
aproximada por sistemas lineares.
Muitas vezes, é necessário apenas uma representação aproximada
que forneça informações qualitativas a respeito do sistema físico. 3
Introdução – Exemplo de Aplicação
Componentes de força em treliça
∑ F = −αf − f + αf + f = 0
x 5 6 9 10
Junção
∑ F = αf + f + αf − 15 = 0
5
y 5 7 9
∑ F = − f − αf + f + αf = 0
x 8 9 12 13
Junção
∑ F = −αf − f − αf = 0
6
y 9 11 13
Exemplo
x1 + x2 = 0 0
Solução x =
*
x1 − x2 = 0 0
x
1 − 3 x 2 = −2 1
det( A) ≠ 0
Sistema com infinitas soluções
2 x1 + x2 = 3 2 1
det( A) = det =0
4 x1 + 2 x2 = 6 4 2
α
Solução x =
*
, ∀α ∈ ℜ
3 − 2α
2 x1 + x2 = 3
4
1 x + 2 x 2 = 2
2 1
det( A) = det =0
4 2
8
Sistemas Triangulares
Sistema triangular superior
a11 x1 + a12 x2 + a13 x3 + … + a1,n −1 xn −1 + a1n xn = b1
aij = 0, se j < i
a x + a x + … + a x + a x = b
22 2 23 3 2 , n −1 n −1 2n n 2
∴
a33 x3 + … + a3,n −1 xn −1 + a3n xn = b3 para i, j = 1,2,⋯ , n
⋮ ⋮ ⋮
an −1,n −1 xn −1 + an −1,n xn = bn −1
an ,n xn = bn
Algoritmo de solução
xn = bn / ann
Substituição
n
k k ∑ kj j kk
x = b − a ⋅ x / a , para k = n − 1, ⋯ , 2,1 retroativa ou
inversa
j = k +1 9
Sistemas Triangulares
Sistema triangular inferior
a11 x1 = b1
∴
a21 x1 + a22 x2 = b2
aij = 0, se j > i
⋮ ⋮ ⋮
a x + a x + a x + … + a = bn −1 para i, j = 1,2,⋯ , n
n −1, n −1 xn −1
n −1,1 1 n −1, 2 2 n −1, 3 3
an1 x1 + an 2 x2 + an 3 x3 + … + a1,n −1 xn −1 + a1n xn = bn
Algoritmo de solução
x1 = b1 / a11
Substituição
k −1 progressiva
xk = bk − ∑ akj ⋅ x j / akk , para k = 2,3⋯ , n
ou direta
j =1
10
Sistemas Triangulares
Exemplo 1:
x4 = 2 / 2 → x4 = 1
3x1 + 4 x2 − 5 x3 + x4 = −10 3 + 5 (1 )
x3 = → x3 = 2
x 2 + x 3 − 2 x 4 = − 1 4
4 x − 5 x = 3 x
2 = − 1 − 1( 2 ) + 2(1) → x = −1
3 4 2
Portanto, a solução é:
1
− 1 Sistema
x* = determinado
2
1 11
Sistemas Triangulares
Exemplo 2:
x4 = 2 / 2 → x4 = 1
3 + 5 (1)
3x1 + 4 x2 − 5 x3 + x4 = −10 x3 = → x3 = 2
4
x − 2 x = 0
3 4
2 3
0 x + x − 2 x 4 = 0 → 0 x 2 = −2 + 2 (1)
4 x − 5 x = 3
3 4
0 x2 = 0 → x2 = λ
2 x4 = 2
− 4λ − 1
x1 = (− 4λ + 5(2) − (1) − 10 ) / 3 = 3
Portanto:
− (1 + 4λ ) / 3
λ Sistema
x= indeterminado
2
1 12
Sistemas Triangulares
Exemplo 3:
x4 = 2 / 2 → x4 = 1
3x1 + 4 x2 − 5 x3 + x4 = −10
x3 = 3 + 5 (1)
x − 2 x = − 1 → x3 = 2
3 4
4
4 x 3 − 5 x 4 = 3 0 x2 + x3 − 2 x4 = −1 → 0 x2 = −1 − 2 + 2(1)
2 x4 = 2
0 x2 = −1
Sistema incompatível
13
Sistemas Lineares Equivalentes
Teorema:
Seja Ax = b um sistema linear. Aplicando-se sobre as equações
deste sistema uma seqüência de operações, escolhidas entre:
intercambiar a posição de duas equações;
multiplicar uma equação por uma constante não-nula;
Adicionar um múltiplo de uma equação a uma outra equação;
~ ~
obtém-se um novo sistema A x = b equivalente ao sistema Ax = b
14
Eliminação Gaussiana
Aspectos gerais
Consiste em transformar convenientemente o sistema linear original,
por meio de operações elementares, num sistema triangular superior
equivalente, o qual se resolve facilmente por substituição retroativa.
Procedimento geral
Considere o sistema linear constituído por n equações:
A
x b
E1: a11 x1 + a12 x2 + … + a1n xn = b1 a11 a12 ⋯ a1n x1 b1
E a x + a x + … + a x = b a x b
2: 21 1 22 2 2n n 2 a ⋯ a
21 22 2n 2
• = 2
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋱ ⋮ ⋮ ⋮
E n: an1 x1 + an 2 x2 + … + ann xn = bn
a
n1 a n1 ⋯ a nn xn bn
15
Eliminação Gaussiana
Procedimento geral (Cont.)
Forme a matriz aumentada
a11( 0 ) a12( 0 ) ⋯ a1(n0 ) b1( 0 )
(0) (0)
[A ]
(0)
a a22 ⋯ a2( 0n) b2
(0)
, b(0) = 21
⋮ ⋮ ⋱ ⋮ ⋮
(0) (0)
an1 an( 02) (0)
⋯ ann bn
Estágio 1: Eliminar os elementos abaixo de a11 ≠ 0 como segue:
(0)
E ( 2)
=E (1)
=E (0) a11( 2 ) a12( 2 ) ⋯ a1(n2 ) b1( 2 )
1 1 1 ( 2)
E ( 2)
=E (1)
0 a22 ⋯ a2( 2n) b2( 2 )
2
⋮
2
[A ( 2)
, b ( 2) ] = 0 0 ⋯ a3( 2n) b3( 2 )
En( 2 ) = En(1) − mn 2 E2(1) ⋮ ⋮ ⋱ ⋮ ⋮
0 0 ( 2)
⋯ ann bn( 2 )
∴ mk 2 = ak(12) / a22(1) , k = 3,⋯ , n (1)
O elemento a22 é dito pivô do estágio 2
Estágios subseqüentes:
O procedimento descrito é aplicado subseqüentemente para as
colunas i = 3,… , n − 1 usando-se mki = aki( i −1) / aii( i −1) e
Ek( i ) = Ek(i −1) − mki Ei( i −1) ; k > i 17
Eliminação Gaussiana
Exemplo
Resolver o sistema linear abaixo por eliminação Gaussiana:
3x1 + 2 x2 + 4 x3 = 1 3 2 4 1
+
1 2
x x + 2 x3 = 2 [
A( 0 ) , b ( 0 ) = 1 1 2 ] 2
4 x + 3 x − 2 x = 3
1 2 3 4 3 − 2 3
(0)
Estágio 1: pivô:a11 = 3 ; multiplicadores: m21 = a21 ( 0)
/ a11( 0) = 1/ 3
m31 = a31
(0)
/ a11( 0 ) = 4 / 3
E1(1) = E1( 0 ) 3 2 4 1
E (1)
2 =E (0)
2 −m E21 1
(0) [A (1)
, b (1) ] = 0 1 / 3 2 / 3 5 / 3
E (1)
=E (0)
−m E (0) 0 1 / 3 − 22 / 3 5 / 3
3 3 31 1
18
Eliminação Gaussiana
Exemplo (Cont.)
1/ 3
Estágio 2: pivô: a22
(1)
= 1/ 3
; multiplicador: m32 = a (1)
32 / a (1)
11 =
1/ 3
E1( 2 ) = E1(1) = E1( 0 ) 3 2 4 1
E2( 2 ) = E2(1) [A ( 2)
, b( 2) ] = 0 1 / 3 2 / 3 5 / 3
E3( 2 ) = E3(1) − m32 E2(1) 0 0 −8 0
Substituição retroativa:
x3 = 0
3x1 + 2 x2 + 4 x3 = 1
(1 / 3) x 2 = 5 / 3 ⇒ x 2 = 5
1
0 x + (1 / 3) x + ( 2 / 3) x = 5 / 3 3x + 2(5) = 0 ⇒ x = −3
2
0 x + 0 x − 8 x = 0
3
1 1
1 2 3
− 3
x* = 5
0 19
Eliminação Gaussiana
Algoritmo Para k = 1,2,⋯ , n − 1
Seja o sistema linear: Para i = k + 1,⋯ , n
Ax = b, A : n × n, m = aik / akk
x : n ×1 e b : n ×1 aik = 0
Supor que: Para j = k + 1,⋯ , n
a ij = aij − m ⋅ akj
akk ≠ 0, k = 1,2,⋯ , n − 1
bi = bi − m ⋅ bk
xn = bn / ann
Para l = n − 1,⋯ ,2,1
n
xl = bl − ∑ alj ⋅ x j / all
j =l +1
20
Eliminação Gaussiana
Quantidade de operações aritméticas
O número de operações aritméticos do método de eliminação
Gausssina depende do tamanho n do sistema, como segue:
n3 n n 3 n 2 5n
Multiplicações/divisões : + n 2 − Adições/subtrações : + −
3 3 3 2 6
Para n grande o número total de cada classe de operações acima é
3
aproximadamente n / 3 , ou seja, O( n 3 ).
Portanto, o número de operações e o tempo computacional aumentam
3
com n em proporção aproximada a n / 3 , com mostra a tabela abaixo:
21
Eliminação Gaussiana
Estratégias de Pivoteamento
Evitar pivôs nulos pois inviabilizam a resolução do sistema
Evitar pivôs de valor próximo de zero:
geram multiplicadores de valor elevado;
amplificam os erros de arredondamento.
Exemplo
0.0002 x1 + 2 x2 = 5 0.2 ⋅10 −3 0.2 ⋅101 0.5 ⋅101
[A (0)
,b ( 0 ) ] =
2 x1 + 2 x2 = 6 0.2 ⋅10 0.2 ⋅101 0.6 ⋅101
1
Pivô : a11( 0) = 0.2 ⋅10 −3 , multiplicador : m21 = a21
(0)
/ a11( 0 ) = 0.1⋅105 Não satisfaz a
equação 2
0.2 ⋅10 −3 0.2 ⋅101 0.5 ⋅101 0.0
[A (1)
,b (1)
] = x =
*
2 x1 + 2 x2 = 6
SL. triangular equivalente :
0
1x + 1. 9998 x 2 = 4 . 9995
O uso do pivoteamento parcial faz com que
Solução correta os multiplicadores, em módulo, estejam no
0.5 intervalo [0,1], evitando a ampliação dos
x =
*
erros de arredondamento.
2.5 24
Eliminação Gaussiana
Estratégias de Pivoteamento Completo
Escolher para pivô, no início do estágio k, o elemento de maior
módulo entre todos os coeficientes que ainda atuam no processo de
eliminação. Pivô = max aij( k −1)
∀i,j ≥ k
Realizar as trocas de linhas e colunas necessárias
Exemplo
Determinar, para a matriz aumentada apresentada abaixo, o pivô do
estágio k = 2 e realize as trocas de linhas e colunas necessárias.
3 2 1 −1 5 3 − 1 1 2 5
0 1 0 7 − 5 − 3 6
[ ]
A(1) , b (1) =
0 3 7 [A (1)
, b (1) ]
pivot . =
0 3 0 1 7
0 − 3 − 5 7 6
0 0 4 2 15
0 2 4 0 15
pivô = a34 = 7 Realizar a eliminação p/
o estágio 2 e repetir o
permutar linhas 3 e 2 permutar colunas 4 e 2 processo p/ o estágio 3. 25
Fatoração LU
Aspectos gerais
Consiste em decompor um SL em dois sistemas lineares triangulares
cujas soluções podem ser obtidas, respectivamente, por processos de
substituições progressiva (forward) e retroativa (backward).
Procedimento geral
Seja o sistema linear Ax = b
Decompor A = LU onde:
L: matriz triangular inferior com diagonal unitária;
U: matriz triangular superior.
Resolver Ax = LUx = b em duas etapas:
Etapa 1: supondo Ux = y , resolver Ly = b
Etapa 2: resolver Ux = y
Novos coeficientes:
A ( 2)
=M (1)
⋅A (1)
=M (1)
⋅M (0)
⋅A (0) ∴ A( 2 ) é triangular superior 28
Fatoração LU
Análise do resultado A( 2 ) = M (1) ⋅ A(1) = M (1) ⋅ M ( 0 ) ⋅ A( 0 )
Lembrando que A( 0 ) = A , pode-se escrever
A( 2 ) = M (1) ⋅ M ( 0 ) ⋅ A (
A = M (1) ⋅ M ( 0 ) )
−1
⋅ A( 2 )
Portanto:
A= M ( ) ⋅ (M )
( 0 ) −1 (1) −1
⋅ A( 2 )
Considerando que:
1 0 0
(M )
(0) −1
= m21 1 0 1 0 0
m31 0 1 (M ) ⋅ (M )
( 0 ) ( −1) (1) −1
= m21 1 0
m31 m32 1
1 0 0
(M )(1) −1
= 0 1 0
0 m32 1 29
Fatoração LU
Portanto:
1 0 0 3 2 4 3 2 4
A(1) = M ( 0 ) ⋅ A( 0 ) = − 1 / 3 1 0 ⋅ 1 1 2 = 0 1 / 3 2 / 3
− 4 / 3 0 1 4 3 2 0 1 / 3 − 10 / 3 31
Fatoração LU
Exemplo (cont.)
Estágio 2: (1)
pivô : a22 = 1/ 3
3 2 4
= 0 1 / 3 2 / 3
1/ 3
A(1) multiplicador : m32 = a32
(1) (1)
/ a22 = =1
1/ 3
0 1 / 3 − 10 / 3
1 0 0 3 2 4 3 2 4
A( 2 ) = M (1) ⋅ A(1) = 0 1 0 ⋅ 0 1 / 3 2 / 3 = 0 1 / 3 2 / 3
0 − 1 1 0 1 / 3 − 10 / 3 0 0 − 4
32
Fatoração LU
Exemplo (cont.)
Fatores LU: 1 0 0 3 2 4
L = 1 / 3 1 0 ⋅ U = 0 1 / 3 2 / 3
4 / 3 1 1 0 0 − 4
Solução:
y1 =1 3 x1 + 2 x2 + 4 x3 = 1
L ⋅ y = b ⇒ (1 / 3) y1+ y2 = 2 U ⋅ x = y ⇒ (1/3) x2 + (2 / 3) x3 = 5 / 3
(4 / 3) y + y + y = 3 − 4 x3 = 0
1 2 3
1 − 3
y = 5 / 3 x = 5
0 0
33
Fatoração LU
Fórmulas gerais (fase de fatoração)
Gerar a primeira coluna de L e a primeira linha de U usando:
e a j1 a1 j
l11u11 = a11 l j1 = e u1 j = ; j = 2,3,… , n
u11 l11
i −1 i −1
1 1
e l ji = a ji − ∑ l jk uki e uij = l aij − ∑ lik ukj ; j = i + 1,… , n
uii k =1 ii k =1
n −1
Finalmente, determinar lnnunn = ann − ∑ lnk ukn
k =1 34
Fatoração LU
Fórmulas gerais (fases de substituição em LUx = b)
Solução de Ly = b:
b1 1 i −1
y1 = e yi = bi − ∑ lij y j ; i = 2,3,… , n
l11 lii j =1
Solução para Ux = y:
y
xn = n 1 n
unn
e xi = yi − ∑ uij x j ; i = n − 1, n − 2,… ,1
uii j =i +1
35
Pivoteamento Parcial Aplicado à
Fatoração LU
Matriz de permutação:
É uma matriz quadrada de ordem n obtida da matriz identidade de
ordem n, permutando-se suas linhas e/ou colunas.
Seja a matriz identidade:
1 0 0
I = 0 1 0,
0 0 1
36
Pivoteamento Parcial Aplicado à
Fatoração LU
Permutação de linhas de uma matriz A
Pré-multiplicando-se uma matriz A por uma matriz de permutação P,
obtém-se a matriz A com as linhas permutadas, sendo esta
permutação de linhas igual a permutação de linhas efetuadas na
matriz identidade.
Exemplo:
3 1 4
Seja 0 1 0
A = 1 5 9.
P = 0 0 1, e
2 6 5
1 0 0
0 1 0 3 1 4 1 5 9
P ⋅ A = 0 0 1 ⋅ 1 5 9 P ⋅ A = 2 6 5
1 0 0 2 6 5 3 1 4
37
Pivoteamento Parcial Aplicado à
Fatoração LU
Aplicação à fatoração LU
Seja o sistema Ax = b e seja L e U obtidos por eliminação
gaussiana com pivoteamento parcial.
L e U serão fatores de A’ se e somente se A′ = P ⋅ A
Da mesma forma, devem ser realizadas as permutações sobre o vetor
de constantes do sistema linear, ou seja, b′ = Pb .
Portanto, A′x = b′ ⇔ Ax = b
Tomando-se A′ = LU , tem-se:
Ly = Pb e Ux = y
38
Pivoteamento Parcial Aplicado à
Fatoração LU
Exemplo:
Resolva o SL abaixo por fatoração LU usando pivoteamento parcial.
3x1 − 4 x2 + x3 = 9 3 − 4 1 1 0 0
1x + 2 x 2 + 2 x 3 = 3 A( 0 ) = 1 2 2 e P (0) = 0 1 0
4 x − 3 x = −2 4 0 − 3 0 0 1
1 3
Estágio 1:
(0)
pivô : a31 =4 0 0 1 4 0 − 3
P (1) = 0 1 0 e A′( 0) = 1 2 2
1 0 0 3 − 4 1
permutar linhas 1 e 3
Portanto: pivô : a′( 0 ) = 4
11
4 0 −3
′( 0 ) / a11
multiplicadores : m21 = a21 ′( 0 ) = 1 / 4; A(1) = 0 2 11 / 4
′( 0 ) / a11
m31 = a31 ′( 0 ) = 3 / 4 0 − 4 13 / 4 39
Pivoteamento Parcial Aplicado à
Fatoração LU
Exemplo (cont.)
Estágio 2:
4 0 −3 (1)
pivô : a32 = −4 permutar linhas 2 e 3
A(1) = 0 2 11 / 4
0 − 4 13 / 4 0 0 1 4 0 −3
P ( 2) = 1 0 0 e A′(1) = 0 − 4 13 / 4
0 1 0 0 2 11 / 4
Portanto:
pivô : a′22(1) = −4
4 0 −3
multiplicador :
A( 2 ) = 0 − 4 13 / 4
′(1) / a22
m32 = a32 ′(1) = 2 /( −4) = −1 / 2
0 0 35 / 8
40
Pivoteamento Parcial Aplicado à
Fatoração LU
Exemplo (cont.) −3
1 0 0 4 0
Fatores LU:
L = 1/ 4 1 0 e U = 0 − 4 13 / 4
3 / 4 −1/ 2 1 0 0 35 / 8
Resolução dos sistemas triangulares:
Ly = Pb
0 0 1 9 − 2 1 0 0 y1 −2 −2
Pb = 1 0 0 3 = 9 1/ 4
1 0 y = 9
2 y = 19 / 2
0 1 0 − 2 3 3 / 4 −1/ 2 1 y3 3 37 / 4
Portanto:
−3 x1 −2 38 / 35
4 0
Ux = y 0 −4 13 / 4 x = 19 / 2 x = −23 / 35
2 74 / 35
0 0 35 / 8 x3 37 / 4 41
Técnicas para Matrizes Especiais
Matriz de diagonal estritamente dominante
A matriz A, n × n, é dita ser de diagonal estritamente dominante quando:
n
aii > ∑ aij , para i = 1,2,… , n
j =1
j ≠i
43
Técnicas para Matrizes Especiais
Matriz positiva definida
Uma matriz A é positiva definida se for simétrica e se x t Ax > 0 para
qualquer vetor coluna n-dimensional x ≠ 0 .
n −1 1/ 2
Finalmente, determine: lnn = ann − ∑ lnk2
k =1 46
Técnicas para Matrizes Especiais
Fatoração LDLt
Faça d1 = a11 e l j1 = a j1 / d11 para cada j = 2,3,… , n
Para cada i = 2,3,… , n − 1 determine a i-ésima coluna de L como
segue:
i −1 i −1
1 , j = i + 1, i + 2,… , n
d i = aii − ∑ l d j e
2
ij l ji = ji ∑ jk ik k
a − l l d
j =1 di k =1
Finalmente, determine: n −1
d n = ann − ∑ lnj2 d j
j =1
47
Técnicas para Matrizes Especiais
Exemplo:
4 −1 1
A matriz A = − 1 4.25 2.75 é positiva definida.
1 2.75 3.5
A fatoração LDLt de A é:
1 0 0 4 0 0 1 − 0.25 0.25
A = LDLt = − 0.25 1 0 0 4 0 0 1 0.75
0.25 0.75 1 0 0 1 0 0 1
A fatoração de Choleski de A é:
2 0 0 2 − 0.5 0.5
A = LLt = − 0.5 2 0 0 2 1.5
0.5 1.5 1 0 0 1 48
Técnicas para Matrizes Especiais
Resolução do sistema linear Ax=b quando A é positiva definida
Usando fatoração de Choleski: Ax = b ⇒ LLt x = b
Define-se, então: Lt x = y
Ly = b
b1
Assim, por substituição progressiva: y1 = e
l11
1 i −1
yi = bi − ∑ lij y j ; i = 2,3,… , n
lii j =1
Por substituição retroativa, obtém-se:
y
xn = n 1 n
yi − ∑ l ji x j ; i = n − 1, n − 2,… ,1
e xi =
lnn lii j =i +1
49
Técnicas para Matrizes Especiais
Resolução do sistema linear Ax=b quando A é positiva definida
Usando fatoração LDLt: Ax = b ⇒ LDLt x = b
l1 0 0 0 1 u1 0 0
β l2 0 0 1 u Conhecida como
2 2 0
e forma de Crout.
L=0 β 3 l3 0 U = 0 1 0
0 un −1
0 0 βn ln 0 0 1
52
Técnicas para Matrizes Especiais
Resolução de sistemas tridiagonal
Fatoração na forma de Crout:
γ1
l1 = α1 e u1 =
l1
γi
li = α i - β i un −1 e u1 = ; i = 2,3,… , n − 1 e ln = α n - β n un −1
li
O sistema Ax = LUx = b é resolvido como segue:
b1 1
Para Ly = b y1 = e yi = [bi − β i yi −1 ]; i = 2,3,… , n
l1 li
Para Ux = y xn = y n e xi = yi − ui xi +1
53
Técnicas para Matrizes Especiais
Resolução de sistemas tridiagonal
Exemplo: 2 x − x =1 2 −1 0 0
1 2
− x + 2 x − x − 1 2 − 1 0
1 2 3 = 0 A=
0 − 1 2 − 1
-x + 2 x − x = 0
2 3 4
− x3 + 2 x4 = 1 0 0 −1 2
2 0 0 0 1 − 1 / 2 0 0 1
− 1 3 / 2 0 0 1
0 1 − 2 / 3 0 x=
A = LU = ⋅
1
0 − 1 4 / 3 0 0 0 1 − 3 / 4
0 0 − 1 5 / 4 0 0 0 1 1