SlideShare uma empresa Scribd logo
1 de 11
Baixar para ler offline
Métodos iterativos para o cálculo de sistema de equações lineares 1
Métodos para Sistemas de Equações Lineares
Sistema de equações lineares
a11 x1 + a12 x2 + a13 x3 + … + a1n xn = b1
a21 x1 + a22 x2 + a23 x3 + … + a2n xn = b2
a31 x1 + a32 x2 + a33 x3 + … + a3n xn = b3
M M M M M
an1 x1 + an2 x2 + an3 x3 + … + ann xn = bn
Na forma matricial: A x = b, na qual:
A =
















nnnnn
n
n
n
aaaa
aaaa
aaaa
aaaa
L
MOMMM
L
L
L
321
3333231
2232221
1131211
, x =
















nx
x
x
x
M
3
2
1
b =
















nb
b
b
b
M
3
2
1
Exemplo
Solução de um sistema de equações no Matlab:
x1 + 3 x2 - 7 x3 = 1
2 x1 + 9 x2 - 2 x3 = 1
-3 x1 + 6 x2 - 8 x3 = 4
>> A = [ 1 3 -7; 2 9 2; -3 6 8 ];
>> b = [ 1; 1; 4 ];
>> x = Ab
x =
-0.9677
0.3548
-0.1290
Exemplo
Sistema de equações com matriz de coeficientes A singular (não possui solução):
x1 + 3 x2 - 7 x3 = 1
2 x1 + 6 x2 - 14 x3 = 1
-3 x1 + 6 x2 - 8 x3 = 4
Métodos iterativos para o cálculo de sistema de equações lineares 2
>> A = [ 1 3 -7; 2 6 14; -3 6 8 ];
>> b = [ 1; 1; 4 ];
>> x = Ab
Exemplo
Sistema mal-condicionado: matriz de Hilbert, aij = 1/(i + j - 1)
>> A = hilb(3);
>> det(A)
ans =
4.6296e-004
O resultado para o cálculo do determinante da matriz de Hilbert não mostra que o
sistema é mal-condicionado. Para isso, utilizamos o número de condição, cond.
>> cond(A)
ans =
524.0568
O número de condição de uma matriz A é calculado como o produto da norma
de A pela norma de sua inversa, 1−
AA . Quanto maior o número de condição da
matriz, mais mal-condicionada ela será. Assim, para o exemplo apresentado, o número
de condição igual a 524.0568 expressa uma matriz mal-condicionada. O erro no cálculo
das variáveis x num problema do tipo Ax = b relaciona-se com o número de condição
através da expressão:
A
E
AA
x
xx 1
~
~
−
≤
−
= número de condição
A
E
na qual | xx ~− é a norma do desvio da variável x, E o erro devido ao desvio e x~ a
variável com incerteza.
A norma de uma matriz é medida do tamanho da matriz. Observe que o
tamanho não é a dimensão da matriz, isto é, o número de linhas e colunas que esta
possui.
Existem diversos tipos de normas, que estão apresentadas a seguir.
Normas de vetor:
Norma p:
pn
i
p
ip
xx
/1
1
|| 





= ∑=
Métodos iterativos para o cálculo de sistema de equações lineares 3
Norma 1: ∑=
=
n
i
ixx
1
1
|| (soma dos módulos)
Norma 2 ou euclideana:
2/1
1
222
2
2
1 





=+++= ∑=
n
i
ine
xxxxx L
Norma máxima (ou infinita): ||
1
i
ni
xmáxx
≤≤∞
=
Normas de matrizes:
Norma 1: ∑=
≤≤
=
m
i
ij
nj
amáxA
1
11
|| = máxima soma absoluta de colunas
Norma máxima: ∑=
≤≤∞
=
n
j
ij
mi
amáxA
1
1
|| = máxima soma absoluta de linhas
Norma euclideana: 







= ∑∑= =
m
i
n
j
ije
aA
1 1
2
No Matlab, as normas são avaliadas pela função norm:
>> help norm
NORM Matrix or vector norm.
For matrices...
NORM(X) is the largest singular value of X, max(svd(X)).
NORM(X,2) is the same as NORM(X).
NORM(X,1) is the 1-norm of X, the largest column sum,
= max(sum(abs((X)))).
NORM(X,inf) is the infinity norm of X, the largest row sum,
= max(sum(abs((X')))).
NORM(X,'fro') is the Frobenius norm, sqrt(sum(diag(X'*X))).
NORM(X,P) is available for matrix X only if P is 1, 2, inf or
'fro'.
For vectors...
NORM(V,P) = sum(abs(V).^P)^(1/P).
NORM(V) = norm(V,2).
NORM(V,inf) = max(abs(V)).
NORM(V,-inf) = min(abs(V)).
Tipos de matrizes de sistemas de equações lineares
1. Matriz densa
Métodos iterativos para o cálculo de sistema de equações lineares 4
Uma matriz densa é aquela em que a maioria ou até, a totalidade dos seus
elementos são não-nulos.
A =












nnnn
n
n
aaa
aaa
aaa
L
MOMM
L
L
21
22221
11211
, em geral, aij ≠ 0
2. Matriz diagonal
A matriz diagonal é aquela que apresenta elementos não-nulos somente na
diagonal principal.
A =












nna
a
a
L
MOMM
L
L
00
00
00
22
11
, aii ≠ 0 e aij = 0 (i ≠ j)
3. Matriz triangular superior
A matriz triangular superior é aquela que apresenta elementos não-nulos acima
da diagonal principal (incluindo esta).
A =












nn
n
n
a
aa
aaa
L
MOMM
L
L
00
0 222
11211
, aij



>=
≤≠
ji
ji
,0
,0
4. Matriz triangular inferior
Inversamente a anterior, a matriz triangular inferior somente contém elementos
não-nulos abaixo da diagonal principal.
A =












nnnn aaa
aa
a
L
MOMM
L
L
21
2221
11
0
00
, aij



<=
≥≠
ji
ji
,0
,0
6. Matriz tridiagonal
Métodos iterativos para o cálculo de sistema de equações lineares 5
A matriz tridiagonal é aquela que contém elementos não-nulos nos dois
elementos em torno do elemento da diagonal principal.
A =


























−
−−−
nnnn
nnnn
aa
aa
aa
aaa
aaa
aaa
aa
,1,
,11,1
5554
454443
343332
232221
1211
00000
00000
00000
0000
0000
0000
00000
L
L
MMOMMMMM
L
L
L
L
L
, aij ≠ 0 (i = j ± 1)
A matriz tridiagonal é um caso particular da matriz banda, isto é, a matriz cujos
elementos não-nulos se encontram em uma faixa (ou banda) em torno da diagonal
principal. Exemplos de matrizes bandas, além da tridiagonal, são as matrizes quadri e
pentadiagonais.
5. Matriz esparsa
As matrizes esparsas são aquelas que apresentam os elementos não-nulos
dispersos aleatoriamente numa matriz constituída predominantemente por elementos
nulos. Um tipo de matriz esparsa é a matriz banda cujas linhas e colunas tenham sido
permutados aleatoriamente.
A =


























−−−
000000
00000
00000
000000
00000
0000
00000
2,
1,11,1
5452
45
3533
22321
1411
L
L
MMOMMMMM
L
L
L
L
L
n
nnn
n
a
aa
aa
a
aa
aaa
aa
Métodos numéricos para o cálculo de sistemas de equações lineares
1. Métodos diretos
1.1 Método de eliminação gaussiana
1.2 Método de Gauss-Jordan
1.3 Método LU
Métodos iterativos para o cálculo de sistema de equações lineares 6
1.4 Método QR
1.5 Método de Choleski
2. Métodos iterativos
Métodos iterativos baseados no cálculo de resíduos: )()( kk
Axbr −=
)()()1( kkk
xxx δ+=+
da qual o vetor )(k
xδ satisfaz a equação
)()(
)'( kk
rxUL =⋅⋅ δ
2.1 Método de Jacobi
O métodos iterativos baseiam-se na repetição do cálculo das equações atribuídas
ad-hoc a partir das próprias equações do sistema de equações lineares:
x1 = 1 / a11 (b1 - a12 x2 - a13 x3 - … - a1n xn)
x2 = 1 / a22 (b2 - a21 x1 - a23 x3 - … - a2n xn)
x3 = 1 / a33 (b3 - a31 x1 - a32 x2 - … - a3n xn)
M M M M M
xn = 1 / ann (bn - an1 x1 - an2 x2 - … - ann xn)
Re-escrevendo as equações acima na forma algébrica compacta e considerando
que os valores das variáveis xi do lado esquerdo de cada equação são os valores da
iteração k+1 calculados a partir dos valores da iteração k de cada variável xi do lado
direito de cada equação, tem-se que:










−= ∑
≠
=
+
n
ij
j
k
j
ii
ij
i
ii
k
i x
a
a
b
a
x
1
)()1( 1
, k = 1, 2, ...
Este é o método iterativo de Jacobi, que começa com um valor inicial x(0)
que é
atualizado por um processo iterativo até que a convergência para a solução seja
alcançada. O critério de convergência é determinado pela expressão:
ε<−+
|| )()1( k
i
k
i xx
na qual ε é a tolerância especificada.
O método de Jacobi pode ser formulado na forma matricial, tomando-se a matriz
de coeficientes A dividida em três partes:
Métodos iterativos para o cálculo de sistema de equações lineares 7
UDLA ++=
na qual L é a parte de A abaixo da diagonal, U é a parte de A acima da diagonal e D é
matriz diagonal de A.
Para encontrar a equação para o cálculo iterativo de Jacobi, re-escrevemos a
equação original Ax = b na forma:
bxUDL =⋅++ )(
Re-arranjando a equação, obtém-se:
bxULxD +⋅+−=⋅ )(
O vetor solução atualizado x(k+1)
substitui x no lado esquerdo da equação,
enquanto x(k)
substitui x no lado direito da equação. O resultado é o processo iterativo:
bDxJx kk
⋅+⋅= −+ 1)()1(
no qual J é a matriz de iteração de Jacobi dada por:
)(1
ULDJ +⋅−= −
Exemplo
No Matlab, vamos resolver o sistema de equações lineares:
15 x1 - 5 x2 - 5 x4 = -3,45
-5 x1 + 12 x2 - 2 x3 = 9,96
- 2 x2 + 6 x3 - 2 x4 = 0
-5 x1 - 2 x3 + 9 x4 = 0
>> A = [ 15 -5 0 -5 ; -5 12 -2 0 ; 0 -2 6 -2 ; -5 0 -2 9 ]
A =
15 -5 0 -5
-5 12 -2 0
0 -2 6 -2
-5 0 -2 9
>> b = [ -3.45; 9.96; 0; 0 ]
b =
-3.4500
9.9600
0
0
>> D = diag(diag(A))
D =
15 0 0 0
0 12 0 0
0 0 6 0
Métodos iterativos para o cálculo de sistema de equações lineares 8
0 0 0 9
>> L = tril(A) - D
V =
0 0 0 0
-5 0 0 0
0 -2 0 0
-5 0 -2 0
>> U = triu(A) - D
W =
0 -5 0 -5
0 0 -2 0
0 0 0 -2
0 0 0 0
>> J = -inv(D)*(L + U)
J =
0 0.3333 0 0.3333
0.4167 0 0.1667 0
0 0.3333 0 0.3333
0.5556 0 0.2222 0
>> x = [0 0 0 0]'
x =
0
0
0
0
>> for k = 1:50
x = J*x + Db;
end
>> x
x =
0.1400
0.9500
0.3700
0.1600
A solução do sistema pelo método iterativo de Jacobi, obtida após 50 iterações,
foi x1 = 0,14; x2 = 0,95; x3 = 0,37 e x4 = 0,16.
2.2 Método de Gauss-Seidel
O método de Gauss-Seidel difere do método de Jacobi ao incorporar os valores
atualizados de x imediatamente após o seu cálculo. A forma de Gauss-Seidel para a
equação é dada por:
bxUxDL +⋅−=⋅+ )(
O processo iterativo de Gauss-Seidel é expresso então por:
bDLxGx kk
⋅++⋅= −+ 1)()1(
)(
Métodos iterativos para o cálculo de sistema de equações lineares 9
no qual G é a matriz de iteração de Gauss-Seidel, dada por:
UDLG ⋅+−= −1
)(
Na forma algébrica, o método de Gauss-Seidel é descrito pela equação:








−−= ∑∑ +=
−
=
++
n
ij
k
jij
i
j
k
jiji
ii
k
i xaxab
a
x
1
)(
1
1
)1()1( 1
, k = 1, 2, ...
Os métodos de Jacobi e de Gauss-Seidel requerem que as matrizes J e G,
respectivamente, sejam convergentes. O parâmetro que determina a convergência desses
métodos é o raio espectral ρρρρ, que é calculado como o maior autovalor das matrizes J e
G.
2.3 Método de sobrerrelaxação sucessiva (SOR)
A forma matricial do método de sobrerrelaxação sucessiva SOR em termos das
matrizes D, V, e W é dado por:
bLDxSx kk
⋅++⋅= −+ 1)()1(
)()( ωωω
no qual S(ω) é a matriz de iteração SOR, que depende de ω e é expressa como:
[ ]UDLDS ωωωω −−⋅+= −
)1()()( 1
Quando ω = 1, S(ω) = G, ou seja, a matriz SOR é igual à matriz de
Gauss-Seidel. Normalmente, os valores de ω, denominado fator de sobrerrelaxação,
possuem valores maiores do que 1.
Na forma algébrica, a equação do método de Gauss-Seidel pode ser re-escrita
como:








−−+= ∑∑ +=
−
=
++
n
ij
k
jij
i
j
k
jiji
ii
k
i
k
i xaxab
a
xx
1
)(
1
1
)1()()1( 1
, k = 1, 2, ...
No método SOR, o fator de sobrerrelaxação ω é introduzido multiplicando o
coeficiente 1/aii:








−−+= ∑∑ +=
−
=
++
n
ij
k
jij
i
j
k
jiji
ii
k
i
k
i xaxab
a
xx
1
)(
1
1
)1()()1( ω
, k = 1, 2, ...
A comparação entre os três métodos utilizando 16 casas decimais (format long)
mostra que o método de Jacobi converge após 84 iterações, enquanto que o método de
Gauss-Seidel converge após 43 iterações e o SOR (ω = 1,15) com 26 iterações.
Métodos iterativos para o cálculo de sistema de equações lineares 10
Fator de sobrerrelaxação ω Número de iterações
para atingir erro < 10-16
1,00
1,05
1,10
1,15
1,20
1,25
1,30
43
37
32
26 ← mínimo
27
31
35
Autovalores e autovetores
Problemas de equilíbrio do tipo circuito RLC ressonante ou sistema mecânico
massa-mola podem ser tratados como problemas que envolvem o cálculo de autovalores
e autovetores (em inglês, eigenvalues e eigenvectors).
xAx λ=
Rearranjando a equação, resulta:
0)( =−=− xIAxAx λλ
pois, como λ é um escalar, I é matriz identidade.
Para que a equação acima admita outras soluções além da solução trivial (x = 0),
é necessário que a matriz do sistema homogêneo acima seja singular, isto é, que:
0|| =− IA λ
Na forma explícita, o determinante acima pode ser re-escrito como:
0
321
3333231
2232221
1131211
=
−
−
−
−
λ
λ
λ
λ
nnnnn
n
n
n
aaaa
aaaa
aaaa
aaaa
L
MOMMM
L
L
L
O cálculo do determinante característico conduz a uma equação polinomial de
grau n. As raízes do polinômio característico são os chamados autovalores da matriz A.
Exemplo
Considere a seguinte matriz de coeficientes do sistema de equações A x =λ x:
Métodos iterativos para o cálculo de sistema de equações lineares 11
A =










247
311
512
A matriz de autovalores pode ser escrita como:
A - λ I =










−
−
−
λ
λ
λ
247
311
512
cujo determinante resulta no polinômio característico:
16405)( 23
+−−= xxxxp
sendo que as suas raízes, λ1 = 9,1712; λ2 = -4,5543 e λ3 = 0,3831, são os autovalores da
matriz A.
No Matlab:
EIG Eigenvalues and eigenvectors.
E = EIG(X) is a vector containing the eigenvalues of a square
matrix X.
[V,D] = EIG(X) produces a diagonal matrix D of eigenvalues and a
full matrix V whose columns are the corresponding eigenvectors so
that X*V = V*D.
[V,D] = EIG(X,'nobalance') performs the computation with balancing
disabled, which sometimes gives more accurate results for certain
problems with unusual scaling. If X is symmetric,
EIG(X,'nobalance')
is ignored since X is already balanced.
E = EIG(A,B) is a vector containing the generalized eigenvalues
of square matrices A and B.
[V,D] = EIG(A,B) produces a diagonal matrix D of generalized
eigenvalues and a full matrix V whose columns are the
corresponding eigenvectors so that A*V = B*V*D.

Mais conteúdo relacionado

Mais procurados

Lista de exercícios 7 - Mat Elem
Lista de exercícios 7 - Mat ElemLista de exercícios 7 - Mat Elem
Lista de exercícios 7 - Mat ElemCarlos Campani
 
Aula 4 Profmat - Algoritmo de Euclides - MDC e MMC 25 08-17
Aula 4   Profmat - Algoritmo de Euclides - MDC e MMC 25 08-17Aula 4   Profmat - Algoritmo de Euclides - MDC e MMC 25 08-17
Aula 4 Profmat - Algoritmo de Euclides - MDC e MMC 25 08-17Aline Guedes
 
Resumo teorico matematica afa
Resumo teorico matematica afaResumo teorico matematica afa
Resumo teorico matematica afaAcir Robson
 
Funções exponencial e logarítmica
Funções exponencial e logarítmicaFunções exponencial e logarítmica
Funções exponencial e logarítmicaCarlos Campani
 
Fórmulas matemáticas
Fórmulas matemáticasFórmulas matemáticas
Fórmulas matemáticasFernando Viana
 
Lista de exercícios 10
Lista de exercícios 10Lista de exercícios 10
Lista de exercícios 10Carlos Campani
 
Álgebra básica, potenciação, notação científica, radiciação, polinômios, fato...
Álgebra básica, potenciação, notação científica, radiciação, polinômios, fato...Álgebra básica, potenciação, notação científica, radiciação, polinômios, fato...
Álgebra básica, potenciação, notação científica, radiciação, polinômios, fato...Carlos Campani
 
Lista de exercícios 1 - Cálculo
Lista de exercícios 1 - CálculoLista de exercícios 1 - Cálculo
Lista de exercícios 1 - CálculoCarlos Campani
 
Discussão de um sistema linear
Discussão de um sistema linearDiscussão de um sistema linear
Discussão de um sistema linearDamysson Henrique
 
Lista de exercícios 5 - Mat Elem
Lista de exercícios 5 - Mat ElemLista de exercícios 5 - Mat Elem
Lista de exercícios 5 - Mat ElemCarlos Campani
 
Funções trigonométricas
Funções trigonométricasFunções trigonométricas
Funções trigonométricasCarlos Campani
 
Lista de exercícios 13
Lista de exercícios 13Lista de exercícios 13
Lista de exercícios 13Carlos Campani
 

Mais procurados (20)

Equação Exponencial - 2º ano M12 e M13
Equação Exponencial - 2º ano M12 e M13Equação Exponencial - 2º ano M12 e M13
Equação Exponencial - 2º ano M12 e M13
 
Apostila matematica
Apostila matematicaApostila matematica
Apostila matematica
 
Apostila pré cálculo
Apostila pré cálculoApostila pré cálculo
Apostila pré cálculo
 
Lista de exercícios 7 - Mat Elem
Lista de exercícios 7 - Mat ElemLista de exercícios 7 - Mat Elem
Lista de exercícios 7 - Mat Elem
 
Aula 4 Profmat - Algoritmo de Euclides - MDC e MMC 25 08-17
Aula 4   Profmat - Algoritmo de Euclides - MDC e MMC 25 08-17Aula 4   Profmat - Algoritmo de Euclides - MDC e MMC 25 08-17
Aula 4 Profmat - Algoritmo de Euclides - MDC e MMC 25 08-17
 
Resumo teorico matematica afa
Resumo teorico matematica afaResumo teorico matematica afa
Resumo teorico matematica afa
 
Funções exponencial e logarítmica
Funções exponencial e logarítmicaFunções exponencial e logarítmica
Funções exponencial e logarítmica
 
Equações e funções exponenciais
Equações e funções exponenciaisEquações e funções exponenciais
Equações e funções exponenciais
 
Fórmulas matemáticas
Fórmulas matemáticasFórmulas matemáticas
Fórmulas matemáticas
 
ajuste de curva
ajuste de curvaajuste de curva
ajuste de curva
 
Lista de exercícios 10
Lista de exercícios 10Lista de exercícios 10
Lista de exercícios 10
 
Equações Modulares
Equações ModularesEquações Modulares
Equações Modulares
 
Álgebra básica, potenciação, notação científica, radiciação, polinômios, fato...
Álgebra básica, potenciação, notação científica, radiciação, polinômios, fato...Álgebra básica, potenciação, notação científica, radiciação, polinômios, fato...
Álgebra básica, potenciação, notação científica, radiciação, polinômios, fato...
 
Lista de exercícios 1 - Cálculo
Lista de exercícios 1 - CálculoLista de exercícios 1 - Cálculo
Lista de exercícios 1 - Cálculo
 
Discussão de um sistema linear
Discussão de um sistema linearDiscussão de um sistema linear
Discussão de um sistema linear
 
Equações
EquaçõesEquações
Equações
 
Lista de exercícios 5 - Mat Elem
Lista de exercícios 5 - Mat ElemLista de exercícios 5 - Mat Elem
Lista de exercícios 5 - Mat Elem
 
Funções trigonométricas
Funções trigonométricasFunções trigonométricas
Funções trigonométricas
 
Lista de exercícios 13
Lista de exercícios 13Lista de exercícios 13
Lista de exercícios 13
 
Lista matrizes 2_ano_2012_pdf
Lista matrizes 2_ano_2012_pdfLista matrizes 2_ano_2012_pdf
Lista matrizes 2_ano_2012_pdf
 

Destaque

2012 Arch otolaryngol hed neck surg. 138 (10) 942-949
2012 Arch otolaryngol hed neck surg. 138 (10) 942-9492012 Arch otolaryngol hed neck surg. 138 (10) 942-949
2012 Arch otolaryngol hed neck surg. 138 (10) 942-949Helen Cox
 
Renacimentoo
RenacimentooRenacimentoo
Renacimentoosouagnd
 
13th march 2016 What is Kindness (in the fruit of the holy spirit)
13th march 2016   What is Kindness (in the fruit of the holy spirit)13th march 2016   What is Kindness (in the fruit of the holy spirit)
13th march 2016 What is Kindness (in the fruit of the holy spirit)Thorn Group Pvt Ltd
 
Algoritmo para construção de mapas residuais
Algoritmo para construção de mapas residuaisAlgoritmo para construção de mapas residuais
Algoritmo para construção de mapas residuaisJosemar Pereira da Silva
 
Ung xu cua nguoi nong dan trong sxnn
Ung xu cua nguoi nong dan trong sxnnUng xu cua nguoi nong dan trong sxnn
Ung xu cua nguoi nong dan trong sxnnMắm Tôm Bún
 
Taller #2 trabajo y energía
Taller #2 trabajo y energíaTaller #2 trabajo y energía
Taller #2 trabajo y energíasaliradu
 
La guerra de los navegadores
La guerra de los navegadoresLa guerra de los navegadores
La guerra de los navegadoresRocberto Metal
 

Destaque (13)

Lobna Saeed
Lobna SaeedLobna Saeed
Lobna Saeed
 
Glue Ear
Glue EarGlue Ear
Glue Ear
 
2012 Arch otolaryngol hed neck surg. 138 (10) 942-949
2012 Arch otolaryngol hed neck surg. 138 (10) 942-9492012 Arch otolaryngol hed neck surg. 138 (10) 942-949
2012 Arch otolaryngol hed neck surg. 138 (10) 942-949
 
Renacimentoo
RenacimentooRenacimentoo
Renacimentoo
 
13th march 2016 What is Kindness (in the fruit of the holy spirit)
13th march 2016   What is Kindness (in the fruit of the holy spirit)13th march 2016   What is Kindness (in the fruit of the holy spirit)
13th march 2016 What is Kindness (in the fruit of the holy spirit)
 
Algoritmo para construção de mapas residuais
Algoritmo para construção de mapas residuaisAlgoritmo para construção de mapas residuais
Algoritmo para construção de mapas residuais
 
Ung xu cua nguoi nong dan trong sxnn
Ung xu cua nguoi nong dan trong sxnnUng xu cua nguoi nong dan trong sxnn
Ung xu cua nguoi nong dan trong sxnn
 
Taller #2 trabajo y energía
Taller #2 trabajo y energíaTaller #2 trabajo y energía
Taller #2 trabajo y energía
 
Database Users List
Database Users ListDatabase Users List
Database Users List
 
La guerra de los navegadores
La guerra de los navegadoresLa guerra de los navegadores
La guerra de los navegadores
 
JAMES ... BIOGRAFIA
JAMES ... BIOGRAFIAJAMES ... BIOGRAFIA
JAMES ... BIOGRAFIA
 
BreeCS Example Report - Local Deliveries 3 Tier Lifespan
BreeCS Example Report - Local Deliveries 3 Tier LifespanBreeCS Example Report - Local Deliveries 3 Tier Lifespan
BreeCS Example Report - Local Deliveries 3 Tier Lifespan
 
BreeCS Example Report - Local Deliveries 2 Tier Lifespan
BreeCS Example Report - Local Deliveries 2 Tier LifespanBreeCS Example Report - Local Deliveries 2 Tier Lifespan
BreeCS Example Report - Local Deliveries 2 Tier Lifespan
 

Semelhante a Sistemas equacoes lineares

Sistemas lineares
Sistemas linearesSistemas lineares
Sistemas linearescon_seguir
 
Unid 2- sistemas lineares
Unid 2- sistemas linearesUnid 2- sistemas lineares
Unid 2- sistemas linearesBrenda Rayza
 
Cálculo numérico aula 04 - resolução de sistemas de equações lineares - mét...
Cálculo numérico   aula 04 - resolução de sistemas de equações lineares - mét...Cálculo numérico   aula 04 - resolução de sistemas de equações lineares - mét...
Cálculo numérico aula 04 - resolução de sistemas de equações lineares - mét...Rodolfo Almeida
 
Implementação mód4
Implementação   mód4 Implementação   mód4
Implementação mód4 inechidias
 
Implementação mód4
Implementação   mód4 Implementação   mód4
Implementação mód4 inechidias
 
Implementação mód4 -
Implementação   mód4 - Implementação   mód4 -
Implementação mód4 - inechidias
 
Implementação Currículo - módulo4 - Matrizes/Nºs Complexos
Implementação Currículo - módulo4 - Matrizes/Nºs ComplexosImplementação Currículo - módulo4 - Matrizes/Nºs Complexos
Implementação Currículo - módulo4 - Matrizes/Nºs Complexosinechidias
 
Implementação currículo- Módulo IV-Matrizes/Determinantes/Nºs Complexos
Implementação currículo- Módulo IV-Matrizes/Determinantes/Nºs ComplexosImplementação currículo- Módulo IV-Matrizes/Determinantes/Nºs Complexos
Implementação currículo- Módulo IV-Matrizes/Determinantes/Nºs Complexosinechidias
 
Matemática - Módulo 02
Matemática - Módulo 02Matemática - Módulo 02
Matemática - Módulo 02Everton Moraes
 
Teorema de lapace grupo elayne
Teorema de lapace   grupo elayneTeorema de lapace   grupo elayne
Teorema de lapace grupo elaynecstelene
 

Semelhante a Sistemas equacoes lineares (20)

sistema.ppt
sistema.pptsistema.ppt
sistema.ppt
 
Sistemas lineares
Sistemas linearesSistemas lineares
Sistemas lineares
 
Unid 2- sistemas lineares
Unid 2- sistemas linearesUnid 2- sistemas lineares
Unid 2- sistemas lineares
 
Cálculo numérico aula 04 - resolução de sistemas de equações lineares - mét...
Cálculo numérico   aula 04 - resolução de sistemas de equações lineares - mét...Cálculo numérico   aula 04 - resolução de sistemas de equações lineares - mét...
Cálculo numérico aula 04 - resolução de sistemas de equações lineares - mét...
 
Apostila álgebra linear
Apostila   álgebra linearApostila   álgebra linear
Apostila álgebra linear
 
Implementação mód4
Implementação   mód4 Implementação   mód4
Implementação mód4
 
Implementação mód4
Implementação   mód4 Implementação   mód4
Implementação mód4
 
Implementação mód4 -
Implementação   mód4 - Implementação   mód4 -
Implementação mód4 -
 
Lmatead icns05
Lmatead icns05Lmatead icns05
Lmatead icns05
 
Implementação Currículo - módulo4 - Matrizes/Nºs Complexos
Implementação Currículo - módulo4 - Matrizes/Nºs ComplexosImplementação Currículo - módulo4 - Matrizes/Nºs Complexos
Implementação Currículo - módulo4 - Matrizes/Nºs Complexos
 
Implementação currículo- Módulo IV-Matrizes/Determinantes/Nºs Complexos
Implementação currículo- Módulo IV-Matrizes/Determinantes/Nºs ComplexosImplementação currículo- Módulo IV-Matrizes/Determinantes/Nºs Complexos
Implementação currículo- Módulo IV-Matrizes/Determinantes/Nºs Complexos
 
Funcoes Exponenciais
Funcoes ExponenciaisFuncoes Exponenciais
Funcoes Exponenciais
 
Funções.saa
Funções.saaFunções.saa
Funções.saa
 
Matemática - Módulo 02
Matemática - Módulo 02Matemática - Módulo 02
Matemática - Módulo 02
 
Trabalho de eletromag
Trabalho de eletromagTrabalho de eletromag
Trabalho de eletromag
 
Funções
Funções Funções
Funções
 
Teorema de lapace grupo elayne
Teorema de lapace   grupo elayneTeorema de lapace   grupo elayne
Teorema de lapace grupo elayne
 
Matematica matrizes
Matematica matrizesMatematica matrizes
Matematica matrizes
 
Aula Oral 06
Aula Oral 06Aula Oral 06
Aula Oral 06
 
Trabalho de mat.pptx
Trabalho de mat.pptxTrabalho de mat.pptx
Trabalho de mat.pptx
 

Mais de Josemar Pereira da Silva

Influence of temperature on the liquid liquid equilibria of methanol benzene ...
Influence of temperature on the liquid liquid equilibria of methanol benzene ...Influence of temperature on the liquid liquid equilibria of methanol benzene ...
Influence of temperature on the liquid liquid equilibria of methanol benzene ...Josemar Pereira da Silva
 
Liquid liquid equilibrium for the ternary system of isopropyl acetate 2 propa...
Liquid liquid equilibrium for the ternary system of isopropyl acetate 2 propa...Liquid liquid equilibrium for the ternary system of isopropyl acetate 2 propa...
Liquid liquid equilibrium for the ternary system of isopropyl acetate 2 propa...Josemar Pereira da Silva
 
(Liquid liquid) equilibrium of systems involved in the stepwise ethanolysis o...
(Liquid liquid) equilibrium of systems involved in the stepwise ethanolysis o...(Liquid liquid) equilibrium of systems involved in the stepwise ethanolysis o...
(Liquid liquid) equilibrium of systems involved in the stepwise ethanolysis o...Josemar Pereira da Silva
 
Liquid liquid equilibrium data for n hexane ethylacetate acetonitrile ternay ...
Liquid liquid equilibrium data for n hexane ethylacetate acetonitrile ternay ...Liquid liquid equilibrium data for n hexane ethylacetate acetonitrile ternay ...
Liquid liquid equilibrium data for n hexane ethylacetate acetonitrile ternay ...Josemar Pereira da Silva
 
Liquid liquid equilibria data for ethylbenzene or p xylene with alkane and 1 ...
Liquid liquid equilibria data for ethylbenzene or p xylene with alkane and 1 ...Liquid liquid equilibria data for ethylbenzene or p xylene with alkane and 1 ...
Liquid liquid equilibria data for ethylbenzene or p xylene with alkane and 1 ...Josemar Pereira da Silva
 
Influence of temperature on the liquid liquid equilibria of methanol benzene ...
Influence of temperature on the liquid liquid equilibria of methanol benzene ...Influence of temperature on the liquid liquid equilibria of methanol benzene ...
Influence of temperature on the liquid liquid equilibria of methanol benzene ...Josemar Pereira da Silva
 
Isobaric vapor liquid equilibrium for binary mixtures of 3 methyl 1 butanol 3...
Isobaric vapor liquid equilibrium for binary mixtures of 3 methyl 1 butanol 3...Isobaric vapor liquid equilibrium for binary mixtures of 3 methyl 1 butanol 3...
Isobaric vapor liquid equilibrium for binary mixtures of 3 methyl 1 butanol 3...Josemar Pereira da Silva
 
Investigation on thermodynamics in separation for ethylene glycol neopentyl g...
Investigation on thermodynamics in separation for ethylene glycol neopentyl g...Investigation on thermodynamics in separation for ethylene glycol neopentyl g...
Investigation on thermodynamics in separation for ethylene glycol neopentyl g...Josemar Pereira da Silva
 
A correlation for the prediction of thermal conductivity of liquids
A correlation for the prediction of thermal conductivity of liquidsA correlation for the prediction of thermal conductivity of liquids
A correlation for the prediction of thermal conductivity of liquidsJosemar Pereira da Silva
 
A new model of thermal conductivity for liquids
A new model of thermal conductivity for liquidsA new model of thermal conductivity for liquids
A new model of thermal conductivity for liquidsJosemar Pereira da Silva
 
On criteria for occurence of azeotropes in isothermal and isobraric binary sy...
On criteria for occurence of azeotropes in isothermal and isobraric binary sy...On criteria for occurence of azeotropes in isothermal and isobraric binary sy...
On criteria for occurence of azeotropes in isothermal and isobraric binary sy...Josemar Pereira da Silva
 
Heteroazeotropic batch distillatioin feasibility and operation
Heteroazeotropic batch distillatioin feasibility and operationHeteroazeotropic batch distillatioin feasibility and operation
Heteroazeotropic batch distillatioin feasibility and operationJosemar Pereira da Silva
 
A new model of thermal conductivity for liquids
A new model of thermal conductivity for liquidsA new model of thermal conductivity for liquids
A new model of thermal conductivity for liquidsJosemar Pereira da Silva
 
Production of-n-propyl-acetate-by-reactive-distillation-experimental-and-theo...
Production of-n-propyl-acetate-by-reactive-distillation-experimental-and-theo...Production of-n-propyl-acetate-by-reactive-distillation-experimental-and-theo...
Production of-n-propyl-acetate-by-reactive-distillation-experimental-and-theo...Josemar Pereira da Silva
 

Mais de Josemar Pereira da Silva (20)

Fmincon
FminconFmincon
Fmincon
 
Critical data
Critical dataCritical data
Critical data
 
Influence of temperature on the liquid liquid equilibria of methanol benzene ...
Influence of temperature on the liquid liquid equilibria of methanol benzene ...Influence of temperature on the liquid liquid equilibria of methanol benzene ...
Influence of temperature on the liquid liquid equilibria of methanol benzene ...
 
Liquid liquid equilibrium for the ternary system of isopropyl acetate 2 propa...
Liquid liquid equilibrium for the ternary system of isopropyl acetate 2 propa...Liquid liquid equilibrium for the ternary system of isopropyl acetate 2 propa...
Liquid liquid equilibrium for the ternary system of isopropyl acetate 2 propa...
 
(Liquid liquid) equilibrium of systems involved in the stepwise ethanolysis o...
(Liquid liquid) equilibrium of systems involved in the stepwise ethanolysis o...(Liquid liquid) equilibrium of systems involved in the stepwise ethanolysis o...
(Liquid liquid) equilibrium of systems involved in the stepwise ethanolysis o...
 
Liquid liquid equilibrium data for n hexane ethylacetate acetonitrile ternay ...
Liquid liquid equilibrium data for n hexane ethylacetate acetonitrile ternay ...Liquid liquid equilibrium data for n hexane ethylacetate acetonitrile ternay ...
Liquid liquid equilibrium data for n hexane ethylacetate acetonitrile ternay ...
 
Liquid liquid equilibria data for ethylbenzene or p xylene with alkane and 1 ...
Liquid liquid equilibria data for ethylbenzene or p xylene with alkane and 1 ...Liquid liquid equilibria data for ethylbenzene or p xylene with alkane and 1 ...
Liquid liquid equilibria data for ethylbenzene or p xylene with alkane and 1 ...
 
Influence of temperature on the liquid liquid equilibria of methanol benzene ...
Influence of temperature on the liquid liquid equilibria of methanol benzene ...Influence of temperature on the liquid liquid equilibria of methanol benzene ...
Influence of temperature on the liquid liquid equilibria of methanol benzene ...
 
Isobaric vapor liquid equilibrium for binary mixtures of 3 methyl 1 butanol 3...
Isobaric vapor liquid equilibrium for binary mixtures of 3 methyl 1 butanol 3...Isobaric vapor liquid equilibrium for binary mixtures of 3 methyl 1 butanol 3...
Isobaric vapor liquid equilibrium for binary mixtures of 3 methyl 1 butanol 3...
 
Investigation on thermodynamics in separation for ethylene glycol neopentyl g...
Investigation on thermodynamics in separation for ethylene glycol neopentyl g...Investigation on thermodynamics in separation for ethylene glycol neopentyl g...
Investigation on thermodynamics in separation for ethylene glycol neopentyl g...
 
A correlation for the prediction of thermal conductivity of liquids
A correlation for the prediction of thermal conductivity of liquidsA correlation for the prediction of thermal conductivity of liquids
A correlation for the prediction of thermal conductivity of liquids
 
A new model of thermal conductivity for liquids
A new model of thermal conductivity for liquidsA new model of thermal conductivity for liquids
A new model of thermal conductivity for liquids
 
Perda de carga escoamento bifásico 1
Perda de carga escoamento bifásico 1Perda de carga escoamento bifásico 1
Perda de carga escoamento bifásico 1
 
Tibirica c bhebulição
Tibirica c bhebuliçãoTibirica c bhebulição
Tibirica c bhebulição
 
On criteria for occurence of azeotropes in isothermal and isobraric binary sy...
On criteria for occurence of azeotropes in isothermal and isobraric binary sy...On criteria for occurence of azeotropes in isothermal and isobraric binary sy...
On criteria for occurence of azeotropes in isothermal and isobraric binary sy...
 
Heteroazeotropic batch distillatioin feasibility and operation
Heteroazeotropic batch distillatioin feasibility and operationHeteroazeotropic batch distillatioin feasibility and operation
Heteroazeotropic batch distillatioin feasibility and operation
 
A new model of thermal conductivity for liquids
A new model of thermal conductivity for liquidsA new model of thermal conductivity for liquids
A new model of thermal conductivity for liquids
 
Nicolau maquiavel o príncipe
Nicolau maquiavel   o príncipeNicolau maquiavel   o príncipe
Nicolau maquiavel o príncipe
 
Production of-n-propyl-acetate-by-reactive-distillation-experimental-and-theo...
Production of-n-propyl-acetate-by-reactive-distillation-experimental-and-theo...Production of-n-propyl-acetate-by-reactive-distillation-experimental-and-theo...
Production of-n-propyl-acetate-by-reactive-distillation-experimental-and-theo...
 
On the dynamics of distillation processes
On the dynamics of distillation processesOn the dynamics of distillation processes
On the dynamics of distillation processes
 

Sistemas equacoes lineares

  • 1. Métodos iterativos para o cálculo de sistema de equações lineares 1 Métodos para Sistemas de Equações Lineares Sistema de equações lineares a11 x1 + a12 x2 + a13 x3 + … + a1n xn = b1 a21 x1 + a22 x2 + a23 x3 + … + a2n xn = b2 a31 x1 + a32 x2 + a33 x3 + … + a3n xn = b3 M M M M M an1 x1 + an2 x2 + an3 x3 + … + ann xn = bn Na forma matricial: A x = b, na qual: A =                 nnnnn n n n aaaa aaaa aaaa aaaa L MOMMM L L L 321 3333231 2232221 1131211 , x =                 nx x x x M 3 2 1 b =                 nb b b b M 3 2 1 Exemplo Solução de um sistema de equações no Matlab: x1 + 3 x2 - 7 x3 = 1 2 x1 + 9 x2 - 2 x3 = 1 -3 x1 + 6 x2 - 8 x3 = 4 >> A = [ 1 3 -7; 2 9 2; -3 6 8 ]; >> b = [ 1; 1; 4 ]; >> x = Ab x = -0.9677 0.3548 -0.1290 Exemplo Sistema de equações com matriz de coeficientes A singular (não possui solução): x1 + 3 x2 - 7 x3 = 1 2 x1 + 6 x2 - 14 x3 = 1 -3 x1 + 6 x2 - 8 x3 = 4
  • 2. Métodos iterativos para o cálculo de sistema de equações lineares 2 >> A = [ 1 3 -7; 2 6 14; -3 6 8 ]; >> b = [ 1; 1; 4 ]; >> x = Ab Exemplo Sistema mal-condicionado: matriz de Hilbert, aij = 1/(i + j - 1) >> A = hilb(3); >> det(A) ans = 4.6296e-004 O resultado para o cálculo do determinante da matriz de Hilbert não mostra que o sistema é mal-condicionado. Para isso, utilizamos o número de condição, cond. >> cond(A) ans = 524.0568 O número de condição de uma matriz A é calculado como o produto da norma de A pela norma de sua inversa, 1− AA . Quanto maior o número de condição da matriz, mais mal-condicionada ela será. Assim, para o exemplo apresentado, o número de condição igual a 524.0568 expressa uma matriz mal-condicionada. O erro no cálculo das variáveis x num problema do tipo Ax = b relaciona-se com o número de condição através da expressão: A E AA x xx 1 ~ ~ − ≤ − = número de condição A E na qual | xx ~− é a norma do desvio da variável x, E o erro devido ao desvio e x~ a variável com incerteza. A norma de uma matriz é medida do tamanho da matriz. Observe que o tamanho não é a dimensão da matriz, isto é, o número de linhas e colunas que esta possui. Existem diversos tipos de normas, que estão apresentadas a seguir. Normas de vetor: Norma p: pn i p ip xx /1 1 ||       = ∑=
  • 3. Métodos iterativos para o cálculo de sistema de equações lineares 3 Norma 1: ∑= = n i ixx 1 1 || (soma dos módulos) Norma 2 ou euclideana: 2/1 1 222 2 2 1       =+++= ∑= n i ine xxxxx L Norma máxima (ou infinita): || 1 i ni xmáxx ≤≤∞ = Normas de matrizes: Norma 1: ∑= ≤≤ = m i ij nj amáxA 1 11 || = máxima soma absoluta de colunas Norma máxima: ∑= ≤≤∞ = n j ij mi amáxA 1 1 || = máxima soma absoluta de linhas Norma euclideana:         = ∑∑= = m i n j ije aA 1 1 2 No Matlab, as normas são avaliadas pela função norm: >> help norm NORM Matrix or vector norm. For matrices... NORM(X) is the largest singular value of X, max(svd(X)). NORM(X,2) is the same as NORM(X). NORM(X,1) is the 1-norm of X, the largest column sum, = max(sum(abs((X)))). NORM(X,inf) is the infinity norm of X, the largest row sum, = max(sum(abs((X')))). NORM(X,'fro') is the Frobenius norm, sqrt(sum(diag(X'*X))). NORM(X,P) is available for matrix X only if P is 1, 2, inf or 'fro'. For vectors... NORM(V,P) = sum(abs(V).^P)^(1/P). NORM(V) = norm(V,2). NORM(V,inf) = max(abs(V)). NORM(V,-inf) = min(abs(V)). Tipos de matrizes de sistemas de equações lineares 1. Matriz densa
  • 4. Métodos iterativos para o cálculo de sistema de equações lineares 4 Uma matriz densa é aquela em que a maioria ou até, a totalidade dos seus elementos são não-nulos. A =             nnnn n n aaa aaa aaa L MOMM L L 21 22221 11211 , em geral, aij ≠ 0 2. Matriz diagonal A matriz diagonal é aquela que apresenta elementos não-nulos somente na diagonal principal. A =             nna a a L MOMM L L 00 00 00 22 11 , aii ≠ 0 e aij = 0 (i ≠ j) 3. Matriz triangular superior A matriz triangular superior é aquela que apresenta elementos não-nulos acima da diagonal principal (incluindo esta). A =             nn n n a aa aaa L MOMM L L 00 0 222 11211 , aij    >= ≤≠ ji ji ,0 ,0 4. Matriz triangular inferior Inversamente a anterior, a matriz triangular inferior somente contém elementos não-nulos abaixo da diagonal principal. A =             nnnn aaa aa a L MOMM L L 21 2221 11 0 00 , aij    <= ≥≠ ji ji ,0 ,0 6. Matriz tridiagonal
  • 5. Métodos iterativos para o cálculo de sistema de equações lineares 5 A matriz tridiagonal é aquela que contém elementos não-nulos nos dois elementos em torno do elemento da diagonal principal. A =                           − −−− nnnn nnnn aa aa aa aaa aaa aaa aa ,1, ,11,1 5554 454443 343332 232221 1211 00000 00000 00000 0000 0000 0000 00000 L L MMOMMMMM L L L L L , aij ≠ 0 (i = j ± 1) A matriz tridiagonal é um caso particular da matriz banda, isto é, a matriz cujos elementos não-nulos se encontram em uma faixa (ou banda) em torno da diagonal principal. Exemplos de matrizes bandas, além da tridiagonal, são as matrizes quadri e pentadiagonais. 5. Matriz esparsa As matrizes esparsas são aquelas que apresentam os elementos não-nulos dispersos aleatoriamente numa matriz constituída predominantemente por elementos nulos. Um tipo de matriz esparsa é a matriz banda cujas linhas e colunas tenham sido permutados aleatoriamente. A =                           −−− 000000 00000 00000 000000 00000 0000 00000 2, 1,11,1 5452 45 3533 22321 1411 L L MMOMMMMM L L L L L n nnn n a aa aa a aa aaa aa Métodos numéricos para o cálculo de sistemas de equações lineares 1. Métodos diretos 1.1 Método de eliminação gaussiana 1.2 Método de Gauss-Jordan 1.3 Método LU
  • 6. Métodos iterativos para o cálculo de sistema de equações lineares 6 1.4 Método QR 1.5 Método de Choleski 2. Métodos iterativos Métodos iterativos baseados no cálculo de resíduos: )()( kk Axbr −= )()()1( kkk xxx δ+=+ da qual o vetor )(k xδ satisfaz a equação )()( )'( kk rxUL =⋅⋅ δ 2.1 Método de Jacobi O métodos iterativos baseiam-se na repetição do cálculo das equações atribuídas ad-hoc a partir das próprias equações do sistema de equações lineares: x1 = 1 / a11 (b1 - a12 x2 - a13 x3 - … - a1n xn) x2 = 1 / a22 (b2 - a21 x1 - a23 x3 - … - a2n xn) x3 = 1 / a33 (b3 - a31 x1 - a32 x2 - … - a3n xn) M M M M M xn = 1 / ann (bn - an1 x1 - an2 x2 - … - ann xn) Re-escrevendo as equações acima na forma algébrica compacta e considerando que os valores das variáveis xi do lado esquerdo de cada equação são os valores da iteração k+1 calculados a partir dos valores da iteração k de cada variável xi do lado direito de cada equação, tem-se que:           −= ∑ ≠ = + n ij j k j ii ij i ii k i x a a b a x 1 )()1( 1 , k = 1, 2, ... Este é o método iterativo de Jacobi, que começa com um valor inicial x(0) que é atualizado por um processo iterativo até que a convergência para a solução seja alcançada. O critério de convergência é determinado pela expressão: ε<−+ || )()1( k i k i xx na qual ε é a tolerância especificada. O método de Jacobi pode ser formulado na forma matricial, tomando-se a matriz de coeficientes A dividida em três partes:
  • 7. Métodos iterativos para o cálculo de sistema de equações lineares 7 UDLA ++= na qual L é a parte de A abaixo da diagonal, U é a parte de A acima da diagonal e D é matriz diagonal de A. Para encontrar a equação para o cálculo iterativo de Jacobi, re-escrevemos a equação original Ax = b na forma: bxUDL =⋅++ )( Re-arranjando a equação, obtém-se: bxULxD +⋅+−=⋅ )( O vetor solução atualizado x(k+1) substitui x no lado esquerdo da equação, enquanto x(k) substitui x no lado direito da equação. O resultado é o processo iterativo: bDxJx kk ⋅+⋅= −+ 1)()1( no qual J é a matriz de iteração de Jacobi dada por: )(1 ULDJ +⋅−= − Exemplo No Matlab, vamos resolver o sistema de equações lineares: 15 x1 - 5 x2 - 5 x4 = -3,45 -5 x1 + 12 x2 - 2 x3 = 9,96 - 2 x2 + 6 x3 - 2 x4 = 0 -5 x1 - 2 x3 + 9 x4 = 0 >> A = [ 15 -5 0 -5 ; -5 12 -2 0 ; 0 -2 6 -2 ; -5 0 -2 9 ] A = 15 -5 0 -5 -5 12 -2 0 0 -2 6 -2 -5 0 -2 9 >> b = [ -3.45; 9.96; 0; 0 ] b = -3.4500 9.9600 0 0 >> D = diag(diag(A)) D = 15 0 0 0 0 12 0 0 0 0 6 0
  • 8. Métodos iterativos para o cálculo de sistema de equações lineares 8 0 0 0 9 >> L = tril(A) - D V = 0 0 0 0 -5 0 0 0 0 -2 0 0 -5 0 -2 0 >> U = triu(A) - D W = 0 -5 0 -5 0 0 -2 0 0 0 0 -2 0 0 0 0 >> J = -inv(D)*(L + U) J = 0 0.3333 0 0.3333 0.4167 0 0.1667 0 0 0.3333 0 0.3333 0.5556 0 0.2222 0 >> x = [0 0 0 0]' x = 0 0 0 0 >> for k = 1:50 x = J*x + Db; end >> x x = 0.1400 0.9500 0.3700 0.1600 A solução do sistema pelo método iterativo de Jacobi, obtida após 50 iterações, foi x1 = 0,14; x2 = 0,95; x3 = 0,37 e x4 = 0,16. 2.2 Método de Gauss-Seidel O método de Gauss-Seidel difere do método de Jacobi ao incorporar os valores atualizados de x imediatamente após o seu cálculo. A forma de Gauss-Seidel para a equação é dada por: bxUxDL +⋅−=⋅+ )( O processo iterativo de Gauss-Seidel é expresso então por: bDLxGx kk ⋅++⋅= −+ 1)()1( )(
  • 9. Métodos iterativos para o cálculo de sistema de equações lineares 9 no qual G é a matriz de iteração de Gauss-Seidel, dada por: UDLG ⋅+−= −1 )( Na forma algébrica, o método de Gauss-Seidel é descrito pela equação:         −−= ∑∑ += − = ++ n ij k jij i j k jiji ii k i xaxab a x 1 )( 1 1 )1()1( 1 , k = 1, 2, ... Os métodos de Jacobi e de Gauss-Seidel requerem que as matrizes J e G, respectivamente, sejam convergentes. O parâmetro que determina a convergência desses métodos é o raio espectral ρρρρ, que é calculado como o maior autovalor das matrizes J e G. 2.3 Método de sobrerrelaxação sucessiva (SOR) A forma matricial do método de sobrerrelaxação sucessiva SOR em termos das matrizes D, V, e W é dado por: bLDxSx kk ⋅++⋅= −+ 1)()1( )()( ωωω no qual S(ω) é a matriz de iteração SOR, que depende de ω e é expressa como: [ ]UDLDS ωωωω −−⋅+= − )1()()( 1 Quando ω = 1, S(ω) = G, ou seja, a matriz SOR é igual à matriz de Gauss-Seidel. Normalmente, os valores de ω, denominado fator de sobrerrelaxação, possuem valores maiores do que 1. Na forma algébrica, a equação do método de Gauss-Seidel pode ser re-escrita como:         −−+= ∑∑ += − = ++ n ij k jij i j k jiji ii k i k i xaxab a xx 1 )( 1 1 )1()()1( 1 , k = 1, 2, ... No método SOR, o fator de sobrerrelaxação ω é introduzido multiplicando o coeficiente 1/aii:         −−+= ∑∑ += − = ++ n ij k jij i j k jiji ii k i k i xaxab a xx 1 )( 1 1 )1()()1( ω , k = 1, 2, ... A comparação entre os três métodos utilizando 16 casas decimais (format long) mostra que o método de Jacobi converge após 84 iterações, enquanto que o método de Gauss-Seidel converge após 43 iterações e o SOR (ω = 1,15) com 26 iterações.
  • 10. Métodos iterativos para o cálculo de sistema de equações lineares 10 Fator de sobrerrelaxação ω Número de iterações para atingir erro < 10-16 1,00 1,05 1,10 1,15 1,20 1,25 1,30 43 37 32 26 ← mínimo 27 31 35 Autovalores e autovetores Problemas de equilíbrio do tipo circuito RLC ressonante ou sistema mecânico massa-mola podem ser tratados como problemas que envolvem o cálculo de autovalores e autovetores (em inglês, eigenvalues e eigenvectors). xAx λ= Rearranjando a equação, resulta: 0)( =−=− xIAxAx λλ pois, como λ é um escalar, I é matriz identidade. Para que a equação acima admita outras soluções além da solução trivial (x = 0), é necessário que a matriz do sistema homogêneo acima seja singular, isto é, que: 0|| =− IA λ Na forma explícita, o determinante acima pode ser re-escrito como: 0 321 3333231 2232221 1131211 = − − − − λ λ λ λ nnnnn n n n aaaa aaaa aaaa aaaa L MOMMM L L L O cálculo do determinante característico conduz a uma equação polinomial de grau n. As raízes do polinômio característico são os chamados autovalores da matriz A. Exemplo Considere a seguinte matriz de coeficientes do sistema de equações A x =λ x:
  • 11. Métodos iterativos para o cálculo de sistema de equações lineares 11 A =           247 311 512 A matriz de autovalores pode ser escrita como: A - λ I =           − − − λ λ λ 247 311 512 cujo determinante resulta no polinômio característico: 16405)( 23 +−−= xxxxp sendo que as suas raízes, λ1 = 9,1712; λ2 = -4,5543 e λ3 = 0,3831, são os autovalores da matriz A. No Matlab: EIG Eigenvalues and eigenvectors. E = EIG(X) is a vector containing the eigenvalues of a square matrix X. [V,D] = EIG(X) produces a diagonal matrix D of eigenvalues and a full matrix V whose columns are the corresponding eigenvectors so that X*V = V*D. [V,D] = EIG(X,'nobalance') performs the computation with balancing disabled, which sometimes gives more accurate results for certain problems with unusual scaling. If X is symmetric, EIG(X,'nobalance') is ignored since X is already balanced. E = EIG(A,B) is a vector containing the generalized eigenvalues of square matrices A and B. [V,D] = EIG(A,B) produces a diagonal matrix D of generalized eigenvalues and a full matrix V whose columns are the corresponding eigenvectors so that A*V = B*V*D.