Escolar Documentos
Profissional Documentos
Cultura Documentos
Módulo III
Sistemas de Equações
Lineares (SEL ) – Parte II
Profs.: Bruno Correia da Nóbrega Queiroz
José Eustáquio Rangel de Queiroz
Marcelo Alves de Barros
Métodos Iterativos
◼ Motivação I
◼ Ocorrência em larga escala de sistemas lineares
em cálculos de Engenharia e modelagem científica
◼ Exemplos:
◼ Simulações de processos químicos
◼ Simulações de dispositivos e circuitos
◼ Modelagem de processos geocientíficos e
geoambientais
◼ Análise estrutural
◼ Biologia estrutural
◼ Modelagem de processos físicos
2
Métodos Iterativos
◼ Motivação II
◼ Tendência à existência de matrizes de coeficientes à
grandes e esparsas
◼ Grandes Comum para n > 100.000
◼ Esparsas Maioria dos coeficientes nulos
◼ Resolução de sistemas esparsos por métodos
diretos
◼ Processos de triangularização e fatoração Onerosos,
por não preservarem a esparsidade original, que pode
ser útil por facilitar a resolução do sistema.
3
Métodos Iterativos
◼ Motivação III
4
Métodos Iterativos
◼ Sistemas Esparsos no MATLAB
◼ >>help issparse Teste de esparsidade
◼ >>help sparse Conversão de matriz cheia
em matriz esparsa
◼ >>help full Conversão de matriz esparsa
em matriz cheia
◼ Geração de Matrizes Esparsas:
◼ >>help sprand Geração de matriz esparsa
aleatória
◼ >>help sparndsym Geração de matriz esparsa
simétrica aleatória
5
Métodos Iterativos
◼ Métodos para Sistemas Esparsos no MATLAB
◼ >> help pcg Gradiente Conjugado
◼ >> help cgs Gradiente Conjugado
Quadrático (CGS)
◼ >> help bicg Gradiente BiConjugado (BiCG)
◼ >>help bicgstab Gradiente BiConjugado
Estabilizdo (BiCGSTAB)
◼ >>help gmres Resíduo Mínimo Generalizado
(GMRES)
◼ >>help qmr Resíduo Quase Mínimo (QMR)
6
Métodos Iterativos
◼ A partir de uma estimativa inicial xi0, consistem em
encontrar uma seqüência de estimativas xik que
convirja para uma solução do SEL após um número
suficientemente grande de iterações.
x1(0) x1(1) x1(2) x1(k )
x (0 ) x (1) x (2) x (k )
2 2 2 2
(0 ) (1) (2) (k )
x3 x3 x3 x3
x (n0) x (n1) x (n2) x (nk )
7
Métodos Iterativos
◼ Lembretes importantes:
◼ Como todo processo iterativo, estes métodos
sempre apresentarão um resultado aproximado,
que será tão próximo do resultado real
conforme o número de iterações realizadas.
◼ Além disto, também é preciso ter cuidado com a
convergência destes métodos.
8
Sistemas de Equações Lineares
Métodos Iterativos
◼ Transformação do sistema linear Ax=b em
x = Cx +g
◼ A: matriz dos coeficientes, n x m
◼ x: vetor das variáveis, n x 1;
◼ b: vetor dos termos constantes, n x 1;
◼ C: matriz, n x n; e
◼ g: vetor, n x 1.
◼ Métodos a estudar
◼ Gauss-Jacobi
◼ Gauss-Seidel
9
Método de Gauss-Jacobi
Método de Gauss-Jacobi
◼ Conhecida a estimativa inicial, x(0), obtém-se
consecutivamente os vetores:
▪ Método de Gauss-Jacobi
▪ Da primeira equação do sistema:
a11 x1 + a12 x2 + ... +a1n x2 = b1
obtém-se: x1 = (1/a11) (b1 - a12 x2 - ... -a1n x2)
e, analogamente,
x2 = (1/a22) (b2 - a21 x1 - ... -a2n xn)
xn = (1/ann) (bn - an1 x1 - ... - ann-1 xn-1)
11
Método de Gauss-Jacobi
▪ Método de Gauss-Jacobi
▪ Desta forma, para x = C x + g, obtém-se:
b1
a
11
0 −a12 a11 −a13 a11 −a1n a11
b
2
− a21 a22 0 − a23 a22 − a2n a22 a22
C = − a31 a33 − a32 a33 0 − a a e g = b3
3n 33
a33
− a a
n1 nn − an2 ann − an3 ann 0
bn
a
nn
12
Método de Gauss-Jacobi
▪ Método de Gauss-Jacobi
▪ Distância entre duas iterações
▪ Critério de Parada
d(k)
d(k)
r = (k )
max x i
13
Método de Gauss-Jacobi
0,7
x 0 = - 1,6
0,6
e = 0,05, obtém-se:
|x1(1) – x1(0)| = 0,14
0,84
x(1) = Cx(0) + g = 1,34 e |x2(1) – x2(0)| = 2,94
0,94
|x3(1) – x3(0)| = 0,34
15
Método de Gauss-Jacobi
0,4422 0,32
= 0,2046
(3) (2) (3)
x = Cx + g = 1,5640 dr =
0,1968 1,5640
16
Método de Gauss-Jacobi
0,3282 0,1544
= 0,1049
(4) (3) (4)
x = Cx + g = 1,4722 dr =
0,0424 1,4722
e, finalmente:
0,3929 0,0647
= 0,0424
(5) (4) (5)
x = Cx + g = 1,5259 dr =
0,0927 1,5259
17
Método de Gauss-Seidel
Método de Gauss-Seidel
18
Método de Gauss-Seidel
Método de Gauss-Seidel
◼ Descrição I
◼ Seja o seguinte sistema de equações:
an1.x1 + an2 .x2 + an3 .x 3 + + ann−1.xn −1 + ann.xn = bn
19
Método de Gauss-Seidel
Método de Gauss-Seidel
◼ Descrição II
◼ Isolando xi a partir da linha i, tem-se:
1
x1 = (b1 − a12 .x2 − a13.x 3 − − a1n −1.x n −1 − a1n.x n )
a11
1
x2 = (b2 − a21.x1 − a23.x 3 − − a2n −1.x n −1 − a2n .x n )
a22
1
x3 = (b3 − a31.x2 − a32.x2 − − a3n −1.xn −1 − a3n.x n )
a33
1
xn = (bn − an1.x1 − an2 .x2 − − ann−1.xn −1 )
ann
20
Método de Gauss-Seidel
Método de Gauss-Seidel
◼ Descrição III
◼ O processo iterativo se dá a partir das equações:
x1k +1 =
1
a11
(
b1 − a12.x2k − a13.x k3 − ... − a1,n −1.x kn −1 − a1n .x kn )
x2k +1 =
1
a22
(
b2 − a21.x1k +1 − a23.x k3 − ... − a2 ,n −1.xkn −1 − a2n .x kn )
x k3 +1 =
1
a33
(
b3 − a31.x1k +1 − a32.x2k +1 − ... − a3 ,n −1.x kn −1 − a3n .x kn )
x kn +1 =
1
ann
(
bn − an1.x1k +1 − an2 .x2k +1 − ... − an,n −1.x kn −+11 )
21
Método de Gauss-Seidel
Método de Gauss-Seidel
◼ Critério de Parada I
◼ Diferença relativa entre duas iterações consecutivas,
dada por:
x ki +1 − x ki k +1
Máx. k +1
, se x i 0
1in xi
MRk +1
0
= , se x ki +1 = x ki = 0
x ki +1 = 0
1
, se
x ki 0
22
Método de Gauss-Seidel
Método de Gauss-Seidel
◼ Critério de Parada II
◼ Fim do processo iterativo Valor de MRk+1
suficientemente pequeno para a precisão desejada
23
Método de Gauss-Seidel
xk M xk yk M yk zk M zk M Rk
-1 - 0 - 1 - -
0,8 2,25 0,65 1 -0,725 2,379 2,379
1,015 0,212 0,92 0,293 -0,967 0,250 0,293
x = 1,002 y = 0,998 z = -1
25
Método de Gauss-Seidel
26
Método de Gauss-Seidel
▪ Critérios de Convergência
▪ Processo iterativo Convergência para a solução
exata não garantida para qualquer sistema.
▪ Necessidade de determinação de certas condições
que devem ser satisfeitas por um SEL para a garantia
da convergência do método.
▪ Critérios de determinação das condições de
convergência
▪ Critério de Sassenfeld
▪ Critério das Linhas
27
Método de Gauss-Seidel
▪ Critério de Sassenfeld I
▪ Sejam as quantidades i dadas por:
n
i −1 n
a
1 1
1 = a1 j e i = j + aij
aii
ij
a11
j =2 j =1 j = i +1
para i = 2, 3, ..., n
28
Método de Gauss-Seidel
▪ Critério de Sassenfeld II
▪ Este critério garante que o método de Gauss-Seidel
convergirá para um dado SEL se a quantidade M,
definida por:
M = max
1in i
for menor que 1 (M<1).
29
Método de Gauss-Seidel
1
1 = (a12 + a13 + a14 )
for menor que 1 (M<1). a11
a11 a12 a13 a14 b1
2 =
1
(
a21 1 + a23 + a24 )
a21 a22 a23 a24 b2 a22
a31 a32 a33 a34 b3
3 =
1
a33
(
a31 1 + a32 2 + a34 )
a41 a42 a43 a44 b4
4 =
1
a44
(
a41 1 + a42 2 + a43 3 )
30
Método de Gauss-Seidel
▪ Critério de Sassenfeld IV
▪ Exemplo 15: Seja A a matriz dos coeficientes e b o
vetor dos termos constantes, dados por:
1
1 = (a12 + a13 + a14 )
a11
a11 a12 a13 a14 b1
2 =
1
a22
(
a21 1 + a23 + a24 )
a21 a22 a23 a24 b2
a31 a32 a33 a34 b3
3 =
1
a33
(
a31 1 + a32 2 + a34 )
a41 a42 a43 a44 b4
4 =
1
a44
(
a41 1 + a42 2 + a43 3 )
Mostrar que a solução do SEL a seguir convergirá
pelo método de Gauss-Seidel.
31
Método de Gauss-Seidel
▪ Critério de Sassenfeld V
▪ Exemplo 15:
32
Método de Gauss-Seidel
A b
▪ Critério de Sassenfeld VI
▪ Exemplo 15: Solução
2.0 1.0 - 0.2 0.2 0.4
1 0.6 3.0 - 0.6 - 0.3 - 7.8
1 = (1 + 0,2 + 0,2 ) = 0,7
2 - 0.1 - 0.2 1.0 0.2 1.0
1 0.4 1.2 0.8 4.0 - 10.0
2 = (0,6 0,7 + 0,6 + 0,3) = 0,44
3
1
3 = (0,1 0,7 + 0,2 0,44 + 0,2 ) = 0,358
1
1
4 = (0,4 0,7 + 1,2 0,44 + 0,8 0,358 ) = 0,2736
4
M < 1 Convergência da
M = max i = 0,7 solução do sistema a partir do
1in
método de Gauss-Seidel
33
Método de Gauss-Seidel
j =1
aij aii , para i = 1, 2, 3, ..., n.
ji
34
Método de Gauss-Seidel
j =1
aij aii para i = 1, 2, 3, 4.
ji
35
Considerações Finais
36
Método de Gauss-Seidel
37
Método de Gauss-Seidel
38
Considerações Finais