Tarefa 4 - MAP2320 - Profº Alexandre Roma

Lucka de Godoy Gianvechio

11352442
November 28, 2022

1 Questão 1
1.1 Item 1
O método de elminiação gaussiana é um algoritmo utilizado para encontrar
a solução de um sistema linear, com ordem de complexidade computacional
O(n3 ). Dizer que a complexidade computacional é da ordem de O(n3 ) significa
que o número de operações a serem realizadas pelo processador para encontrar
a solução de um sistema linear com sua matriz quadrada de dimensões n × n é
da ordem de O(n3 ).

1.2 Item 2
Para esse problema vamos escolher duas configurações ideais para a resolução
do problema: um computador dez vezes mais poderoso em questão de memória
RAM e em processamento que os melhores da atualidade. O supercomputador
Frontier, desenvolvido pela Oak Ridge National Laboratory possuı́ a capacidade
de executar 1.1×1018 operações por segunto, i.e., uma pontuação de 1.1 exaflops.
O Frontier ainda possuı́ 4.6 petabytes de memória RAM, ou seja, 4.6×1015 bytes.
Vamos considerar um computador com 11 exaflops e 46 petabytes de memória
RAM para execução dessa estimação.
Considerando uma divisão igual para as fronteiras do problema de n = 103 ,
com os dados do problema, chegamos em um sistema linear com aproximada-
mente 109 incógnitas. Como a complexidade computacional da eliminação gaus-
siana é de O(n3 ) e precisamos armazenar O(n2 ) entradas da matriz, então pre-
cisamos de aproximadamente 1027 flops e 8 × 1018 bytes de memória ram para
executar esse algortimo.
1027 7
Utilizando nosso computador ideal precisamos de t = 11×10 18 = 9 × 10 s o

que são 2.8 anos, e além disso seria necessário 100 vezes mais memória RAM.

2 Questão 2
Considere:

 
1000 1 0  
1
 2999  
0.001

 0 1000
A= 1 1  , b = 2 , x̄ = −2998 , x[k] = 0.0001
1

0 0 3 3000 2
1000

1
 Considerando um critério ϵ = 10, meramente ilustrativo. Note que:
√
||Ax[k] − b|| = 8.998 ≈ 3 < ϵ
Contudo:
p
||x[k] − x̄|| = 1.797 × 107 ≈ 4239
Considerando a escala das soluções exata e aproximada, vemos que a solução
aproximada é muito distante da real, enquanto o critério é satisfeito, con-
siderando um critério arbitrario de proximidade.

3 Questão 3
3.1 Método de Jacobi
Como dito no enunciado do problema, o Método de Jacobi é um algoritmo
iterativo para encontrar uma aproximação da solução de um sistema linear.
Seja Ax = b nosso problema linear, vamos utilizar como estratégia a divisão de
A em partições M e N de modo que A = M − N e daı́ derivamos um método
iterativo.
Primeiro, sejam aij os elementos de A, defino D matriz diagonal onde dij =
aij se i = j e dij = 0 do contrário. Isto é, D é a matriz com os elementos da
diagonal de A. Defino também a matriz R = A − D, ou seja, todos os elementos
de A fora da diagonal. Assumindo que D tem inversa, notamos que:

Ax = b ⇐⇒ (D + R)x = b ⇐⇒ Dx + Rx = b ⇐⇒ Dx = b − Rx

Daı́, se D possuı́ inversa derivamos o método iterativo:

x[k+1] = D−1 (b − Rx[k] )

E nesse caso temos que M = D e N = −R. Note que D é inversı́vel se, e
somente se, todas as entradas da diagonal forem não-nulas.

3.2 Método de Gauss-Seidel

Analogamente ao método de Jacobi, o método de Gauss-Seidel também par-
ticiona a matriz A considerando sua diagonal, contudo, dividimos a matriz
R em duas L e U , respectivamente triangulares inferior e superior. Assim
A = L + D + U e derivamos, bem como no método acima a seguinte formula:

(L + D)x = b − U x
Se assumirmos que a matriz L+D é inversı́vel, derivamos o método iterativo:

x[k+1] = (L + D)−1 (b − U x[k] )

Nesse caso, consideramos M = L + D e N = −U .