Escolar Documentos
Profissional Documentos
Cultura Documentos
Objetivos
Estudar técnicas de resolução numérica de sistemas
Computação Científica II de equações lineares algébricas, que surgem nas
(EEL7031) mais diversas áreas do conhecimento científico.
Tópicos principais
Introdução.
Sistemas triangulares
Resolução de Sistemas de Equações Lineares
Eliminação Gaussiana
(Métodos Diretos) Pivoteamento
Decomposição LU
Conclusões
1 2
Introdução Introdução
Outros exemplos Outros exemplos (Cont.)
Sistema com solução única Sistema com nenhuma solução
2 x1 + x2 = 3 1
Solução x* = 2 x1 + x2 = 3
x1 − 3x2 = −2 1
4 x1 + 2 x2 = 2
det( A) ≠ 0
Sistema com infinitas soluções 2 1
det( A) = det =0
2 x1 + x2 = 3 2 1 4 2
det( A) = det =0
4 x1 + 2 x2 = 6 4 2
13 14
Procedimento geral ⋮ ⋮ ⋱ ⋮ ⋮
(0)
Considere o sistema linear constituído por n equações: an1 an( 02) (0)
⋯ ann bn( 0 )
Estágio 1: Eliminar os elementos abaixo de a11 ≠ 0 como segue:
(0)
A
x b
E1: a11 x1 + a12 x2 + … + a1n xn = b1 E1(1) = E1( 0 ) a11(1)
E a x + a x + … + a x = b a11 a12 ⋯ a1n x1 b1 a12(1) ⋯ a1(n1) b1(1)
2: 21 1 22 2 2 a
21 a22 ⋯ a2 n • x2 = b2
(1)
=E (0)
− m21 E (0)
[A ]
(1)
2n n
E 0 a22 ⋯ a2(1n) b2(1)
=
2 2 1 (1)
⋮ ⋮ ⋮ ⋮ , b (1)
⋮ ⋮ ⋱ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋱ ⋮ ⋮
E n: an1 x1 + an 2 x2 + … + ann xn = bn
an1 an1 ⋯ ann xn bn En(1) = En( 0 ) − mn1 E1( 0 ) 0 an(12) ⋯ ann
(1)
bn(1)
a11( 2 ) 3x1 + 2 x2 + 4 x3 = 1 3 2 4 1
E1( 2 ) = E1(1) = E1( 0 ) a12( 2 ) ⋯ a1(n2 ) b1( 2 )
E2( 2 ) = E2(1)
0 a ( 2)
⋯ a ( 2)
b2( 2 )
x1 + x2 + 2 x3 = 2 [
A , b = 1 1 2
(0) (0)
] 2
22 2n
4 x + 3 x − 2 x = 3
⋮
[A ( 2)
,b ( 2)
] = 0 0 ⋯ a ( 2)
3n b3( 2 ) 1 2 3 4 3 − 2 3
⋮ ⋮ ⋱ ⋮ ⋮
(0)
Estágio 1: pivô:a11 = 3 ; multiplicadores: m21 = a21
( 0)
/ a11( 0) = 1/ 3
En( 2 ) = En(1) − mn 2 E2(1)
0 0 ⋯ a ( 2)
bn( 2 )
nn m31 = a31
(0)
/ a11( 0 ) = 4 / 3
∴ mk 2 = ak(12) / a22(1) , k = 3,⋯ , n (1)
O elemento a22 é dito pivô do estágio 2 E1(1) = E1( 0 ) 3 2 4 1
Estágios subseqüentes: E (1)
2 =E (0)
2 −m E21 1
(0) [A (1)
]
, b (1) = 0 1 / 3 2 / 3 5 / 3
O procedimento descrito é aplicado subseqüentemente para as E (1)
=E (0)
−m E (0) 0 1 / 3 − 22 / 3 5 / 3
3 3 31 1
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 18
Fatoração LU Fatoração LU
Cálculo dos fatores LU por eliminação gaussiana Cálculo dos fatores LU (cont.)
Estágio 2: pivô= a22 ≠ 0 , multiplicadores: m32 = a32 / a22
(1) (1) (1)
Considere o sistema:
a11 x1 + a12 x2 + a13 x3 = b1 a11( 0 ) a12( 0 ) a13( 0 )
(0) (0) a11(1) a12(1) a13(1) a1( 2j ) = a1(1j) , p/ j = 1,2,3
a21 x1 + a22 x2 + a13 x3 = b2 A( 0 ) = a21 (0)
a22 a23 (1)
a x + a x + a x = b a31
(0) (0)
a32 (0)
a33 A(1) = 0 (1)
a22 a23 a2( 2j) = a2(1j) , p/ j = 2,3
31 1 32 2 33 3 3 0 (1) (1)
a 32 a33 a32 j = a3(1j) − m32 ⋅ a12 j , p/ j = 2,3
Estágio 1: pivô= a11 ≠ 0, multiplicadores: m21 = a21 / a11 ; m31 = a31 / a11
(0) (0) (0) (0) (0)
a1(1j) = a1( 0j ) , p/ j = 1,2,3 aij(1) = aij( 0 ) − mi1 ⋅ aij( 0 ) , p/ i = 2,3 e j = 1,2,3 1 0 0 a11(1) a12(1) a13(1) a11( 2 ) a12( 2 ) a13( 2 )
(1) ( 2)
Operações equivalentes a representação matricial abaixo A( 2 ) = M ⋅ A = 0
(1) (1)
1 0 ⋅ 0 (1)
a22 a23 = 0
( 2)
a22 a23
1 0 0 a11( 0 ) a12( 0 ) a13( 0 ) a11(1) a12(1) a13(1) 0 − m32 1 0 (1)
a32 (1)
a33
0 0 ( 2)
a33
(0) (0) (1)
A(1) = M ( 0 ) ⋅ A( 0 ) = − m21 1 0 ⋅ a21 (0)
a22 a23 = 0
(1)
a22 a23
Portanto:
− m31 0 1 a31
(0) (0)
a32 (0)
a33
0
(1)
a32 a (1)
27 33 A( 2 ) = M (1) ⋅ A(1) = M (1) ⋅ M ( 0 ) ⋅ A( 0 ) ∴ A( 2 ) é triangular superior 28
Fatoração LU Fatoração LU
Análise do resultado A( 2 ) = M (1) ⋅ A(1) = M (1) ⋅ M ( 0 ) ⋅ A( 0 ) Portanto:
Lembrando que A( 0 ) = A , pode-se escrever
1 0 0 a11( 2 ) a12( 2 ) a13( 2 )
A( 2 ) = M (1) ⋅ M ( 0 ) ⋅ A (
A = M (1) ⋅ M ( 0 ) )
−1
⋅ A( 2 )
A= M ( ) ⋅ (M )
( 0 ) −1 (1) −1
⋅ A( 2 ) = m21
0 ⋅ 0 ( 2)
= LU
( 2)
1 a22 a23
Portanto:
m31 1 0 ( 2)
(
A = M (0) ) ⋅ (M )
−1 (1) −1
⋅ A( 2 )
m32 0 a33
Fatoração LU Fatoração LU
Exemplo Exemplo (cont.)
Resolva o sistema linear abaixo usando a fatoração LU Estágio 2: (1)
pivô : a22 = 1/ 3
3x1 + 2 x2 + 4 x3 = 1 3 2 4 3 2 4
= 1 1 2
= 0 1 / 3 2 / 3
1/ 3
x1+ x2 + 2 x3 = 2 multiplicador : m32 = a32 = =1
(0) (1) (1) (1)
A A / a22
4 x + 3x + 2 x = 3 1/ 3
1 2 3 4 3 2 0 1 / 3 − 10 / 3
Estágio 1: pivô : a11
(0)
= 3 multiplicadores : m21 = a21
(0)
/ a11( 0 ) = 1 / 3; Portanto: a1( 2j ) = a1(1j) , p/ j = 1,2,3
m31 = a (0)
/a(0)
= 4/3
31 11
a2( 2j) = a2(1j) , p/ j = 2,3
Portanto:
a32 j = a3(1j) − m32 ⋅ a12 j , p/ j = 2,3
a1(1j) = a1( 0j ) , p/ j = 1,2,3 aij(1) = aij( 0 ) − mi1 ⋅ a1( 0j ) , p/ i = 2,3 e j = 1,2,3
1 0 0 3 2 4 3 2 4
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
A(1) = M ( 0 ) ⋅ A( 0 )
= − 1 / 3 1 0 ⋅ 1 1 2 = 0 1 / 3 2 / 3
0 − 1 1 0 1 / 3 − 10 / 3 0 0 − 4
− 4 / 3 0 1 4 3 2 0 1 / 3 − 10 / 3 31 32
Fatoração LU Fatoração LU
Exemplo (cont.) Fórmulas gerais (fase de fatoração)
Fatores LU: 1 0 0 Gerar a primeira coluna de L e a primeira linha de U usando:
3 2 4
L = 1 / 3 1 0 ⋅ U = 0 1 / 3 2 / 3 l11u11 = a11 e
l j1 =
a j1
e u1 j =
a1 j
; j = 2,3,… , n
4 / 3 1 1 0 0 − 4 u11 l11
Solução:
Para cada i = 2,3,… , n − 1 selecione os elementos diagonais uii e lii e
gere os demais elementos da i-ésima coluna de L e i-ésima linha de U
y1 =1 3 x1 + 2 x2 + 4 x3 = 1 usando as equações: i −1
lii uii = aii − ∑ lik uki
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 k =1
1 2 3
i −1 i −1
1 1
− 3 e l ji = a ji − ∑ l jk uki e uij = aij − ∑ lik ukj ; j = i + 1,… , n
1 uii k =1 lii k =1
y = 5 / 3 x = 5
n −1
0 0 Finalmente, determinar lnnunn = ann − ∑ lnk ukn
33 k =1 34
35 36
Pivoteamento Parcial Aplicado à Pivoteamento Parcial Aplicado à
Fatoração LU Fatoração LU
Permutação de linhas de uma matriz A Aplicação à fatoração LU
Pré-multiplicando-se uma matriz A por uma matriz de permutação P, Seja o sistema Ax = b e seja L e U obtidos por eliminação
obtém-se a matriz A com as linhas permutadas, sendo esta gaussiana com pivoteamento parcial.
permutação de linhas igual a permutação de linhas efetuadas na L e U serão fatores de A’ se e somente se A′ = P ⋅ A
matriz identidade.
Da mesma forma, devem ser realizadas as permutações sobre o vetor
Exemplo: de constantes do sistema linear, ou seja, b′ = Pb .
3 1 4
Seja 0 1 0
A = 1 5 9. Portanto, A′x = b′ ⇔ Ax = b
P = 0 0 1, e
Tomando-se A′ = LU , tem-se:
1 0 0 2 6 5
A′x = b′ PAx = Pb LUx = Pb
0 1 0 3 1 4 1 5 9 Finalmente, resolvem-se os sistemas triangulares:
P ⋅ A = 0 0 1 ⋅ 1 5 9 P ⋅ A = 2 6 5
3 1 4
1 0 0 2 6 5 Ly = Pb e Ux = y
37 38
′( 0 ) / a11
multiplicadores : m21 = a21 ′( 0 ) = 1 / 4; (1)
A = 0 2 11 / 4 ′(1) / a22
m32 = a32 ′(1) = 2 /( −4) = −1 / 2
0 0 35 / 8
′( 0 ) / a11
m31 = a31 ′( 0 ) = 3 / 4 0 − 4 13 / 4 39 40
Pivoteamento Parcial Aplicado à
Fatoração LU Técnicas para Matrizes Especiais
Exemplo (cont.) −3 Matriz de diagonal estritamente dominante
1 0 0 4 0
Fatores LU:
L = 1/ 4 1 0 e
U = 0 − 4 13 / 4 A matriz A, n × n, é dita ser de diagonal estritamente dominante quando:
3 / 4 −1/ 2 1 0 0 35 / 8 n
A = 0 β3 α3 0
O número p descreve o número de diagonais acima, incluindo a
γ n −1
diagonal principal e o número q descreve o número de diagonais abaixo,
0β n α n
0
incluindo a diagonal principal.
Pode-se fatorar a matriz como segue:
A largura de banda da matriz w = p + q − 1 indica o número de diagonais
que podem conter elementos não-nulos.
l1 0 0 0 1 u1 0 0
Exemplo: β l2 0 0 1 u Conhecida como
7 2 0
1 p=3 2 2 0
e forma de Crout.
3 L=0 β 3 l3 0
5 − 3 − 2 q=2
U = 0 1 0
A= 0
0 4 6 − 1 w=4 un −1
0 0 βn ln 0 0 1
0 0 5 8 51 52
Técnicas para Matrizes Especiais Técnicas para Matrizes Especiais
Resolução de sistemas tridiagonal Resolução de sistemas tridiagonal
Fatoração na forma de Crout: Exemplo: 2 x − x =1 2 −1 0 0
1 2
− x + 2 x − x − 1 2 − 1 0
l1 = α1 e u1 =
γ1 1 2 3 = 0 A=
l1 0 − 1 2 − 1
-x2 + 2 x3 − x4 = 0
γi − x3 + 2 x4 = 1 0 0 −1 2
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:
2 0 0 0 1 − 1 / 2 0 0 1
− 1 3 / 2 0 0 1
b1 1 0 1 − 2 / 3 0 x=
Para Ly = b y1 = e yi = [bi − βi yi −1 ]; i = 2,3,… , n A = LU = ⋅
1
l1 li 0 − 1 4 / 3 0 0 0 1 − 3 / 4
0 0 − 1 5 / 4 0 0 0 1 1
Para Ux = y xn = y n e xi = yi − ui xi +1
Em muitas aplicações as matrizes de banda são também
53 positiva definida ou de diagonal estritamente dominante. 54
Conclusões
A resolução de sistemas algébricos lineares produz solução exata se
todos os cálculos forem feitos usando aritmética exata.
O sistema linear Ax = b tem solução única se e somente se existe A−1 , o
que é equivalente a det A ≠ 0.
São empregadas técnicas de pivoteamento para minimizar os erros de
arredondamento, os quais podem dominar a solução quando são
utilizados métodos diretos.
Recomenda-se, na maioria dos casos, o uso de pivoteamento parcial,
visto que decresce o efeito dos erros de arredondamento sem adicionar
elevado esforço computacional.
O emprego da fatoração LU é vantajoso computacionalmente quando é
necessário resolver sistemas lineares com a mesma matriz de coeficientes
e diferentes vetores independentes.
Em matrizes positiva definidas podem ser utilizados esquemas de
55
fatoração mais simples tais como a fatoração de Choleski.