Upload
phungcong
View
216
Download
1
Embed Size (px)
Citation preview
Prof. Erivelton Geraldo Nepomuceno
2016
SISTEMAS DE EQUAÇÕES LINEARES
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
UNIVERSIDADE DE JOÃO DEL-REI
PRÓ-REITORIA DE PESQUISA
CENTRO FEDERAL DE EDUCAÇÃO
TECNOLÓGICA DE MINAS GERAIS
DIRETORIA DE PESQUISA E PÓS-GRADUAÇÃO
étodos
uméricos
Conteúdo
1. Conceitos fundamentais
2. Métodos diretos para resolução de SL: Métodos para resolução de SL triangulares Método de eliminação de Gauss Método de decomposição LU Decomposição de Cholesky Decomposição espectral
3. Inversão de matrizes através de métodos diretos
4. Métodos iterativos para resolução de SL Método iterativo de Jacobi–Richardson Método iterativo de Gauss – Seidel
5. Análise de erros na solução de SL
6. Cálculo de autovalores e autovetores 2
A solução de um sistema de equações lineares algébricas é um dosprocessos numéricos mais utilizados para simular situações reais. É umaetapa fundamental na solução de problemas que envolvem por exemplo:
Equações diferenciais parciais Otimização Regressão Sistemas não lineares Equações integrais
É muito importante a escolha e implementação de um método eficientepara solução do SL devido principalmente da dois fatores:
Esforço computacional requerido (tempo/memória) Precisão dos resultados
Introdução
Uma equação é linear se cada termo contém não mais do que uma variável e cada variável aparece na
primeira potência. 3
Conceitos Fundamentais
Matriz é um conjunto de elementos dispostos em formaretangular.
O tamanho de uma matriz é determinado pelo seu número de linhase colunas. Uma matriz com m linhas e n colunas é dita m x n.
Os elementos podem ser números, expressões ou outras matrizes.
Os elementos de uma matriz são delimitados por colchetes ouparênteses e são referenciados por dois índices, o primeiro indicaa linha e o segundo a coluna.
5
Conceitos FundamentaisFormas de Matrizes:Matrizes com determinados formatos e elementos frequentes:
1
21
11
ma
a
a
naaa 11211
000
000
000
mnd
d
d
d
000
000
000
000
33
22
11
1000
0100
0010
0001
Coluna A(mx1): Nula: A(mxn) aij=0, i, j
Diagonal: A(mxn) dij=0, ij Identidade: A(mxn) eij=1, i=j e eij=0, ij
Linha A(1xn):
6
Conceitos FundamentaisFormas de Matrizes:
018637
93111621
21704
126535
98041
12000
80130
09160
00030
08001
Densa: (5x5) Esparsa: (5x5) Simétrica dij= dji0, i,j A=AT
mnmm ddmdd
ddd
dd
d
3
0
00
000
21
333231
2221
11
mn
n
n
n
d
dd
ddd
dddd
000
00
0
333
22322
1131211
Triangular inferior: A(mxn) dij=0, i<j Triangular superior: A(mxn) dij=0, i>j
7624
6850
2591
4013
7
Conceitos FundamentaisOperações Matriciais:
Transposição:
68210
50492
17365
651
807
243
196
025
TAA
Adição/Subtração: (Matrizes devem ter as mesmas dimensões)
36
32
910
132
32
80
68
52BABABA
Uma matriz complexa é Hermitiana se ela é igual aos seu complexocinjugado transposto.
8
Conceitos FundamentaisOperações Matriciais:
Multiplicação por escalar: (resulta em matriz de mesma dimensão)
3040
25105
68
52AA
Multiplicação por matriz: (o número de colunas de A(m1xp) deveser igual ao número de linhas de B(pxn2) sendo AxB=C(m1xn2):
2
1
1 ,...,2,1,...,2,1, njmibaCp
k
kjikij
4841
126
53
04
61
653
012ABBA
9
Conceitos FundamentaisOperações Matriciais:
Produto interno e externo: multiplicação de vetores que resulta emum escalar ou uma matriz.
10
Conceitos FundamentaisOperações Matriciais:
Determinante: Uma matriz quadrada de ordem n tem um númeroassociado chamado determinante:
2231322213
2331332112
2332332211
333231
232221
131211
12212211
2221
1211
1111
)det(
)det(
)det(
aaaaa
aaaaa
aaaaaA
aaa
aaa
aaa
A
aaaaAaa
aaA
aAaA
Se det(A) = 0 matriz é singular (não tem inversa).
11
Conceitos FundamentaisOperações Matriciais:
Posto
02211 nnvvv
Um conjunto de vetores {v1, v2, ...,vn} é dito linearmente dependentese existirem escalares 1, 2, ..., n não todos nulos, tais que:
Os vetores v1, v2, ...,vn são linearmente independentes se a igualdade éverificada somente para todos os escalares 1, 2, ..., n nulos.
Posto de uma matriz A é o número máximo de vetores linha ou colunade A que são linearmente independentes.
Linhas 2 e 4 obtidas pela combinação linear das linhas 1 e 3: L2=L1+L3 L4=2L1-L3Posto(A)=2. 12
Conceitos FundamentaisOperações Matriciais:
Traço: O traço de uma matriz quadrada é definido como a somados elementos da sua diagonal principal.
n
i
iiaA1
traço
13
Conceitos FundamentaisOperações Matriciais:
Inversa: A inversa de uma matriz quadrada A de ordem n A-1 é:
Sendo In a matriz identidade de ordem n. Observa-se que a leicomutativa existe para o produto de uma matriz por sua inversa.
14
Conceitos FundamentaisAutovalores e Autovetores:
Seja a matriz:
Tal que:
▪ A Matriz A possui um autovalor = 2 e um correspondenteautovetor v = [1 2]T .
▪ Também e verdade para = 4 e v = [2 3]T .
▪ A matriz de ordem n possui n autovalores e n autovetores.
▪ Relação fundamental: vAv 16
Conceitos FundamentaisAutovalores e Autovetores:
O problema do autovalor é encontrar a solução não trivial (não nula) dosistema homogêneo:
▪ Teorema: Se M for uma matriz de ordem n, então o sistemahomogêneo My = 0 tem solução não trivial se, e somente se, Mfor singular.
▪ Pelo teorema e sabendo que uma matriz singular temdeterminante nulo então:
0 vIA
0det IA
17
Conceitos FundamentaisAutovalores e Autovetores:
Polinômio Característico:
▪ O Polinômio Dn() de grau n é o polinômio característicos de A.▪ Os n zeros i são autovalores de A.▪ Expandindo o determinante para n = 3 tem-se:
19
Conceitos FundamentaisAutovalores e Autovetores:
Polinômio Característico:
Relações de Girard (relações entre raízes e coeficientes de umaequação algébrica):
20
Conceitos FundamentaisAutovalores e Autovetores:
Duas importantes propriedades são obtidas:
Soma dos elementos da diagonal principal é igual a soma dosautovalores:
Determinante de uma matriz é igual ao produto dos seusautovalores:
Isso mostra que uma matriz singular tem, no mínimo, umautovalor nulo. 21
Conceitos FundamentaisAutovalores e Autovetores:
Exemplo:
Uma matriz com elementos reais tem seu polinômiocaracterístico com coeficientes reais.
Uma matriz com elementos reais tem autovalores reais e/oucomplexos conjugados em pares.
22
Conceitos FundamentaisAutovalores e Autovetores:
Exemplo: Calcular os autovalores da matriz:
Polinômio característico:
Zeros do polinômio característico:O processo de calcular osautovalores por intermédioda determinação dos zerosdo polinômio característico,apesar de ser simples, éineficiente em termoscomputacionais. Existemoutros métodos maiseficientes.
23
Conceitos FundamentaisAutovalores e Autovetores:
Outras Propriedades dos Autovalores:
1. Considerando que det(A) = det(AT ), então os autovalores deA, representados por (A), são iguais a (AT ).
2. Se A for uma matriz triangular de ordem n:
det(A- I)=(a11- )(a22- ) ... (ann- ) = 0
Logo os autovalores de uma matriz triangular ou diagonal sãoiguais aos elementos da diagonal principal.
3. O posto de matriz quadrada e igual ao numero deautovalores não nulos.
24
Conceitos FundamentaisAutovalores e Autovetores:
Outras Propriedades dos Autovalores:
4. Se i são os autovalores de A, então i-1 são os autovalores
de A-1 por porque :
25
Conceitos FundamentaisNormas:
É o termo utilizado para expressar magnitude (número real nãonegativo) de um vetor ou de matriz. O conceito de norma éestreitamente ligado ao de comprimento do vetor.
As normas vetoriais são definidas em termos da norma-p. Assimpara um vetor x de tamanho n tem-se:
Norma-1 ou norma de soma de magnitudes
26
Conceitos FundamentaisNormas:
▪ Uma Norma vetorial é uma função que associaum numero real a cada vetor e que satisfaz as condições:
Condições das normas vetoriais:
28
e se, e somente se,
são vetores e é um escalar
Conceitos FundamentaisNormas:
Normas matriciais:
Norma-1 ou norma de soma máxima de coluna
Norma- ou norma de soma máxima de linha
Norma de Frobenius
30
Conceitos FundamentaisNormas:
Norma-2 ou norma espectral
▪ max é o maior autovalor de A em modulo▪ max e o maior valor singular de A, ou seja, raiz quadrada
do maior autovalor em modulo da matriz ATA).
31
Conceitos FundamentaisNormas:
Condições das normas matriciais:
32
e se, e somente se,
A e B são matrizes de mesma ordem e k e um escalar.
Conceitos FundamentaisSistemas de equações lineares:
Conjunto de m equações polinomiais com n variáveis xi de grau 1:
Forma matricial:
▪ Ou simplesmente Ax = b, onde A é a matriz dos coeficientes, x é ovetor solução e b é o vetor dos termos independentes.
▪ Se A for uma matriz quadrada (nxn) não singular:Ax = b A-1Ax = A-1b x = A-1b. 34
Conceitos FundamentaisSistemas de equações lineares:
Classificação dos SL segundo a forma da matriz de coeficientes:
▪ Sistema sobredeterminado: tem-se mais equações do que incógnitas,ou seja, A(mxn) m n e posto(A)=n.
▪ Sistema subdeterminado: existem mais incógnitas do que equações,ou seja, m < n e posto(A) = m.
Sistema não tem solução ou existe um número infinito de soluçõesque satisfaça Ax=b.
▪ Situação mais comum é quando m = n, matriz de coeficientes équadrada. Resolver o sistema é encontrar as n incógnitas quesatisfaçam as n equações. 35
Conceitos FundamentaisSistemas de equações lineares:
Classificação dos SL segundo o número de soluções:
▪ Única solução: det(A) 0. Geometricamente, a solução de umasistema linear de ordem n é um ponto no n comum aos nhiperplanos descritos por cada uma das n equações, ou seja, oponto que satisfaz simultaneamente às n equações. Por exemplo:
O número de soluções depende do determinante da matriz dos coeficientes.
Vetor solução x é a interseção dos três planos descritos por cada umadas três equações. X =[5 1 10]T e det(A) = 251 0.
36
Conceitos FundamentaisSistemas de equações lineares:
▪ Infinitas soluções: det(A) = 0. No exemplo a seguir o sistema admiteinfinitas soluções uma para cada valor de .
Geometricamente no sistema com det(A) = 0, os três planos seinterceptam em uma linha reta:
38
Conceitos FundamentaisSistemas de equações lineares:
▪ Sem solução: det(A) = 0.
Neste caso geometricamente no sistema com det(A) = 0, os trêsplanos nunca se interceptam simultaneamente, ou seja, o sistema nãoadmite solução:
40
Conceitos FundamentaisSistemas de equações lineares:
Solução:
▪ Métodos diretos: solução obtida com número finito deoperações aritméticas. Exemplos de métodos diretos:
▪ Sistemas triangulares▪ Eliminação de Gauss▪ Decomposição LU▪ Decomposição de Cholesky
▪ Métodos iterativos: solução exata obtida somente com númeroinfinito de operações, é estabelecido um erro aceitável.
Existem duas grandes classes de métodos para resolução desistemas lineares:
42
Conceitos FundamentaisSistemas de equações lineares:
Solução:
Os métodos diretos, em princípio, desprezando os erros dearredondamento, produzem uma solução, se houver, em um númerofinito de operações aritméticas. Um método iterativo, por outrolado, requerer, em geral, um número infinito de operaçõesaritméticas para produzir a solução exata. Assim, um métodoiterativo tem um erro de truncamento e o direto não tem. Poroutro lado, em sistemas de grande porte os erros dearredondamento de um método direto podem tornar a solução semsignificado, enquanto que nos métodos iterativos os erros dearredondamento não se acumulam. Entretanto, ambos são úteis,tem vantagens e limitações.
43
Conceitos FundamentaisSistemas de equações lineares:
Sistemas equivalentes:
São sistemas de equações lineares que possuem o mesmo vetorsolução:
44
45
Métodos diretos para resolução de SL
São aqueles que após um número finito de operações fornecem a solução exata do sistema, a menos dos erros de
arredondamentos.
Sistemas TriangularesEm sistemas triangulares as soluções são facilmente obtidas.
Sistema triangular inferior:
▪ Solução obtida via substituições sucessivas:
46
Sistemas Triangulares Sistema triangular superior:
▪ Solução obtida via substituições sucessivas:
49
Sistemas Triangulares
▪ Exemplo Calcular a solução do sistema triangular inferior:
Os elementos x são obtidos em ordem reversa.
51