Material sujeito a correções ÍNDICE 1 ERROS NAS APROXIMAÇÕES NUMÉRICAS.....................................2 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2 MATRIZES .....................................................................................12 2.1 2.2 2.3 2.4 2.5 2.6 3 4 Erros Absolutos ................................................................................................ 3 Erros Relativos ................................................................................................. 4 Erro de Arredondamento................................................................................... 5 Ordem decimal de um algarismo: ...................................................................... 5 Algarismos significativos corretos....................................................................... 5 Cálculo dos erros absoluto e relativo:................................................................. 6 Erro de Truncamento ........................................................................................ 9 Seqüências – Convergências.............................................................................. 9 Propagação de erros ....................................................................................... 10 Propriedades dos Determinantes ..................................................................... 15 Menor Complementar ..................................................................................... 16 Complemento Algébrico de um elemento (COFATOR) ....................................... 16 Matriz Adjunta ................................................................................................ 17 Matriz Inversa ................................................................................................ 17 Cálculo do Determinante ................................................................................. 22 VALORES E VETORES CARACTERÍSTICOS ....................................24 SISTEMAS DE EQUAÇÕES LINEARES ............................................26 4.1 Métodos Diretos ou de Eliminação ................................................................... 26 4.1.1 Método de Gauss ..................................................................................... 26 4.1.2 Método de Gauss-Jordan .......................................................................... 31 4.1.3 Condensação Pivotal ................................................................................ 34 4.1.4 Refinamento da Solução ........................................................................... 37 4.1.5 Inversão de Matrizes ................................................................................ 40 5 SISTEMAS DE EQUAÇÕES LINEARES ............................................42 5.1 5.2 5.3 5.4 6 Métodos Iterativos .......................................................................................... 42 Método de Jacobi............................................................................................ 43 Método de Gauss-Siedel .................................................................................. 45 Estudo da Convergência.................................................................................. 46 Decomposição LU..........................................................................47 6.1 6.2 Teorema LU ................................................................................................... 47 Esquema prático para a decomposição LU........................................................ 49 Página 1 de 55 Material sujeito a correções 1 ERROS NAS APROXIMAÇÕES NUMÉRICAS Causas: • Divisões Inexatas; • Números Irracionais; • Abandono de Casas Decimais e • Etc. Este último aspecto é de particular interesse no caso de computadores digitais. O processo de solução de um problema físico, através de métodos numéricos, pode ser representado como se segue: Figura 1 Nas fases de modelagem e resolução podem ocorrer erros. Ex.: Erro na fase de modelagem: A variação no comprimento de uma barra de metal sujeita a certa variação de temperatura é dado por: ( ∆l = l 0 α .t + β .t 2 ) onde: ∆l → var iação do comprimento l0 → comprimento inicial t → temperatura α e β → coeficientes de dilatação de cada material. Exemplo: Calcular a variação no comprimento de uma barra sujeita a 10º C de variação e que tenha: l 0 = 1m α = 0 ,001253 exp erimentais β = 0 ,000068 Logo, ( ) ∆l = 1. 0 ,001253.10 + 0 ,000068.10 2 = 0 ,019330 Os valores de α e β foram obtidos experimentalmente com precisão de 10-6. Página 2 de 55 Material sujeito a correções Logo: 0,001252 < α < 0,001254 0,000067 < β < 0,000069 Então: ( ) ∆l < 1.(0 ,001254.10 + 0,000069.10 ) ∆l > 1. 0,001252.10 + 0,000067.10 2 2 Logo: 0,019220 < ∆l < 0,019440 ou ∆l = 0 ,0193 ± 10−4 Então vemos que uma imprecisão na sexta casa decimal de α e β, implicou uma imprecisão na quarta casa decimal de ∆l. A precisão do resultado não é só função do modelo matemático, mas também dos dados de entrada. 1.1 Erros Absolutos Quando se substitui um valor a por outro aproximado a’ (a’≠ ≠a), define-se como erro absoluto: ∆ = a − a' Normalmente como não conhecemos o valor de a, o erro absoluto é indeterminado. Trabalhamos então com a cota superior ε do erro absoluto, isto é: ε≥∆ Assim, podemos dizer que: a'− a ≤ ε ou a' - ε ≤ a ≤ a'+ε e que a’ é valor aproximado de a com erro absoluto não superior a ε. Ex.: Se a = 3.876,373 e só desejamos a parte inteira a’, o erro absoluto é: ∆a = a' − a = 0 ,373 ( 3.876 − 3.876 ,373 ) Página 3 de 55 Material sujeito a correções 1.2 Erros Relativos Chama-se erro relativo cometido sobre um valor a, quando este é aproximado por a’ ao quociente positivo: δ= ∆ a Como normalmente o valor de a não é conhecido, e é próximo de a’, costuma-se calcular também uma cota superior para o erro relativo tal que: δ≤ ε a' Onde ε é uma adequada cota superior de erro absoluto. A substituição de a por a’ no denominador é justificável se: a ≅ a' que é o caso normalmente encontrado na prática. “Erro relativo tem por objetivo dar uma idéia ao grau de uma influência do erro, no valor desejado”. O erro absoluto não traduz nada, se não soubermos a ordem de grandeza do valor calculado. Ex.: a = 3876,373 b = 1,373 Como vemos, o efeito da aproximação de b é muito maior do que de a. Considerando o erro relativo, teremos uma melhor visão deste efeito. Para a: δa = 0,373 < 10 − 4 3876,376 Para b: δb = 0 ,373 < 2.10 − 1 1,373 Página 4 de 55 Material sujeito a correções 1.3 Erro de Arredondamento Diz-se que um valor foi arredondado na posição de ordem n, se todos os algarismos significativos de ordem n + 1 em diante forem abandonados de forma que o algarismos de ordem n é aumentado de uma unidade, se e somente se, o de ordem n+1 for superior a n. O arredondamento é feito, por exemplo, em computadores digitais que trabalham com um número “d” fixo de algarismos significativos. Se por exemplo d = 5 e tivermos com um valor igual a: 2,73589 (algarismos significativos). A diferença entre estes valores é o erro de Arredondamento. Estes erros podem se propagar cumulativamente, podendo afetar o resultado final. 1.4 Ordem decimal de um algarismo: Diz-se que a ordem decimal de um algarismo significativo ai de um número a é m, se o resultado quando substituímos ai por 1 e todos os outros algarismos significativos por zeros, é 10n. Ex.: No número 2,718278, a ordem decimal do algarismo significativo de ordem 6 é -5, pois: 0 ,000010 = 10− 5 1 Quando um número está representado na forma normalizada, a ordem decimal do algarismo significativo de ordem i é (–i + t). Forma Normalizada de um número é a sua representação: 0, a1, a2, a3,...ad . 10t Onde d é o número de algarismos significativos e ai, i = (1, 2, ...,d) são os algarismos. 1.5 Algarismos significativos corretos Diz-se que um algarismo significativo de ordem “n” (an) de uma aproximação a’ de um número a, é algarismo significativo correto, se o erro absoluto de a’ for inferior a 0,5.10m, onde m é a ordem decimal desse algarismo. Com esta definição é possível afirmar que se o número a e sua aproximação a’ tem algarismos significativos coincidindo a partir da esquerda até o de ordem i, então o número de algarismos significativos corretos é pelo menos (i – 1). De fato, com a ordem decimal do algarismo significativo de ordem i é –i + t, então, com essa coincidência, o erro absoluto deve ser menor que 10-i+t (t se refere a forma normalizada) e por isso menor do que 0,5.10-i+t-1, como exemplo temos as aproximações 2,5 e 2,4 de 2,0. Página 5 de 55 Material sujeito a correções Para ambas existe coincidência até o algarismo significativo de ordem 1, no entanto só a segunda aproximação tem um algarismo correto. Ex.: 1,9999 e 2,05 2 (0,666....) . O algarismo 8 da aproximação não é correto pois: A aproximação 0,668543 de 3 0,668543 – 0,666 = 0,00187633 > 0,5.10-3 O número 0,668543 só possui dois algarismos significativos corretos. Ex.: Seja o número a = 0,000045045. Por um processo numérico foi determinado para o mesmo valor a’ = 0,000045270. Aplicando a definição concluímos que a’ só tem dois algarismos significativos corretos. Passando para a forma normalizada vem, a = 0,45045.10-4 e a’ = 0,45270.10-4 1.6 Cálculo dos erros absoluto e relativo: Absoluto: ∆ = a − a' = 0,000000225 = 0,00225.10. −4 ∆ < 0,5.10 − 2 .10 − 4 Relativo: 0,00225.10 −4 δ = < 0,5.10 − 2 −4 0,45045.10 Se considerarmos o erro absoluto, da ordem de 10-6, podemos ter uma idéia errônea do número de algarismos significativos. No entanto, com a apreciação do erro relativo, podemos perceber porque sua precisão não vai além dos dois primeiros algarismos significativos. Teorema Se o erro relativo da aproximação a’ de a for maior que 0,5x10-s, então a’ tem pelo menos “s” algarismos significativos corretos. Demonstração Seja a =µ.10t, onde µ é a mantissa da forma normalizada de a. Suponhamos que o algarismo significativo a’s correspondente a as na aproximação a’ não é correto. Página 6 de 55 Material sujeito a correções Devemos ter então pela fórmula (A) a' − a = ∆ > 0 ,5 x10 − s + t Como a = µ x10t < 10t , devemos ter: δ = a'− a > 0,5 x10 − t o que por hipótese é absurdo. a Então o algarismo significativo a’s é correto e, portanto, todos os de ordem inferior. C.Q.D. Regras a serem observadas: 1. Fixar o número “d” de algarismos significativos para o cálculo. 2. Se os dados iniciais têm mais que “d” algarismos significativos, arredondá-los na posição do algarismo de ordem d; caso contrário preencher as posições restantes com zero 3. As operações de adição e subtração deverão ser realizadas sempre com dois números de cada vez. Antes de iniciá-la arredondar o número de menor valor absoluto, de modo que a mais baixa ordem decimal deste último possa ser a mesma do outro. 4. Efetuar as operações de multiplicação normalmente e arredondar o produto de forma que ele passe a ter “d” algarismos significativos. 5. Efetuar as operações de divisão até que o quociente tenha “d” algarismos significativos. 6. Potenciações com expoentes inteiros deverão ser realizadas como multiplicações de números, dois a dois. 7. Valores irracionais como “π”, e valores de funções elementares como, “sen x”, “cos x”, “ex”, etc., usados como dados, deverão ser tomados com “d” algarismos corretos. 8. Potenciações com expoentes não inteiros deverão ser realizadas por meio de logaritmos com “d” algarismos significativos. EX.: Calcular o valor de: 2 + 1,5367 x 0 ,00337 − ( 0 ,201 )3 , retendo 3 algarismos 22 ,32 + π significativos. As operações na ordem em que devem ser efetuadas são: 0,2013 Página 7 de 55 Material sujeito a correções • • multiplicamos inicialmente 0,201x0,201 = 0,040401, arredondamos o resultado para 0,0404 multiplicamos agora 0,0404x0,201 = 0,0081204, arredondamos para 0,00812 1,5367x0,00337 • arredondamos inicialmente os fatores para: 1,54 e 0,00337 • efetuamos: 1,54x0,00337 = 0,0051898 • arredondamos o resultado para: 0,00519 • extraindo a raiz quadrada vem: 1,41 2 2 + 1 ,5367 x 0 ,00337 • arredondar o produto na ordem decimal -2 : (1,5367x0,00337 = 0,0051) 0,01 • adicionar: 1,41 + 0,01 = 1,42 2 + 1 ,5367 x 0 ,00337 − 0 ,2013 • arredondar a potência na ordem decimal -2: 0,01 • efetuar a subtração: 1,42 – 0,01 = 1,41 22,32 • - achar o logaritmo decimal de 2,00 Log10 2 = 0,301 • - multiplicá-lo pelo expoente 0,301x2,32 = 0,69832 • - arredondar o resultado para 3 algarismos significativos. 0,698 Página 8 de 55 Material sujeito a correções • encontrar o número que tem este valor por logaritmo decimal. 5,00 π • - arredondando para 3 algarismos significativos, vem: 3,14 π + 22,32 • somando diretamente, vem: 5,00 + 3,14 = 8,14 Cálculo final 1 ,41 = 0 ,173 8 ,14 1.7 Erro de Truncamento São erros provenientes da utilização de processo que deveriam ser infinitos ou muito grandes para a determinação de um valor, e que, por razões práticas, são truncados. Em outras palavras, erro de truncamento de um processo infinito é o erro absoluto do resultado obtido com um número finito de operações. 1.8 Seqüências – Convergências Uma seqüência de números reais nada mais é do que um conjunto finito ou infinito de valores ordenados, x1, x2, x3,..., xn, representado por {xn}, onde xn é chamado termo geral. Dizemos que a seqüência é infinita se contiver um número infinito de elementos. Neste caso podemos dizer que ela converge ou não para um limite, de acordo com a definição. Definição: Uma seqüência infinita de números {xn} converge para um valor x, se: Lim xn − x = 0 n→ ∞ E nesse caso x é o limite da seqüência. Quando a seqüência é truncada em xn, o erro de truncamento é dado por: en = xn − x Página 9 de 55 Material sujeito a correções Ex.: A seqüência {xn} com xn = 1 n converge para o limite “0” porque: Lim = n→ ∞ 1 −0 =0 n Exemplo: Dado x = 0,15, calcular o valor de ex. Empregando um processo numérico que consiste em substituir a função ex por um polinômio. Usando a seqüência: x2 x3 e ≈1+ x + .... + 2! 3! x Limitando até 4 termos, temos: e 0 ,15 ≈ 1 + 0 ,15 + (0 ,15)2 + (0 ,15)3 2 6 = 1,1618125 e 0 ,15 = 1 ,161834243 ± 0 ,5 x10 −4 , isto é, os algarismos até a 8ª casa Sabendo-se que decimal são exatos, e comparando este valor com o calculado pelo processo numérico, verificamos que apenas 5 algarismos significativos são exatos. Neste caso temos o erro 1,1618342435 − 1,1618125000 = 0,0000217435 Escrevemos então: Erro de truncamento = e 0 ,15 2 3 ( 0 ,15 ) (0 ,15) − 1 + 0 ,15 + + ≤ 0 ,0000217435 2 ! 3 ! Que representamos por: e 0 ,15 = 1,16181 ± 0 ,00003 1.9 Propagação de erros Exemplos de como os erros vistos podem influenciar o desenvolvimento de um cálculo. Supondo-se que as operações abaixo sejam processadas em uma máquina com 4 dígitos significativos e fazendo-se: x1 = 0,3491x104 e x2 = 0,002345x100 Página 10 de 55 Material sujeito a correções Temos: (x2 + x1) – x1 = (0,002345x100 + 0,3491x104) – 0,3491x104 = 0,3491x104 – 0,3491x104 (4 dígitos) = 0,000 x2 + (x1 – x1) = 0,002345x100 + (0,3491x104 – 0,3491x104) = 0,002345 + 0,000 = 0,002345 Os dois resultados são diferentes quando não deveriam ser. A causa foi o arredondamento feito na adição (x1 + x2) cujo resultado tem 8 dígitos e a máquina apenas 4. Página 11 de 55 Material sujeito a correções 2 MATRIZES Definimos como matriz de ordem mxn, ao conjunto de números aij (i = 1, 2,...,m), (j = 1, 2, ...,n) dispostos em m linhas e n colunas. Ex.: ... a11 a12 a ... 21 a22 ...... ....... ...... am 1 am 2 ..... a1n a2 n ...... amn Os elementos aij podem ser números, funções ou mesmo matrizes. Quando m = n temos uma matriz quadrada. Quando n = 1 temos uma matriz coluna: a11 a1 a a 21 ou 2 .... ... a m 1 a m Quando m = 1, temos uma matriz linha: [a11 , a12 , a13 ...a1n ] [a1 , a2 , a3 ,..., an ] Definições • Uma matriz é um conjunto de números, função ou matrizes. • Um determinante é uma representação simbólica de um polinômio perfeitamente definido. • Matriz Diagonal é aquela em que aij ≠ 0, para i = j. a11 0 0 0 a 22 0 a 33 0 0 Página 12 de 55 Material sujeito a correções • Matriz Unitária é uma matriz quadrada, na qual todos os elementos são nulos exceto os da diagonal principal que são todos iguais a 1. A matriz unitária de ordem n é representada por In. 0 .... 0 1 0 1 .... 0 In = ..... .... .... ..... 0 ..... 1 0 • Matriz Triangular é a matriz na qual aiJ = 0 para i < j (triangular inferior) ou aiJ = 0 para i > j (triangular superior). Ex.: • a11 0 a a 22 12 .... .... a n1 a n 2 .... 0 .... 0 (triangular inferior ) .... .... .... a nn a11 a12 0 a 22 ..... .... 0 0 .... a1n .... a 2 n (triangular superior ) .... .... 0 a nn Matriz Simétrica é toda matriz quadrada onde aiJ = aJi. Os elementos são iguais simetricamente à diagonal principal. A = AT • Matriz Anti-simétrica é toda matriz em que se tem aij = -aji. A = -AT • Matriz Transposta de uma matriz A de ordem mxn é a matriz At de ordem nxm, obtida permutando-se as linhas pelas colunas. • Matriz Zero é aquela em que todos os seus elementos são nulos. Página 13 de 55 Material sujeito a correções Igualdade de Matrizes Duas matrizes A = (aij) e B = (bij) de ordem mxm, são iguais se e somente se aij = bij. Adição Tendo-se as matrizes A = (aij) e B = (bij) de ordem mxn, a adição de A com B será: C = A + B = (aij + bij) = (cij) Ex.: 5 4 7 8 3 7 8 5 8 11 15 13 3 2 1 6 + 0 0 1 2 = 3 2 2 8 Subtração C = A – B = (aij - bij) = (cij) Ex.: 5 4 7 8 3 7 7 5 2 − 3 0 3 3 2 1 6 − 0 0 1 2 = 3 2 0 4 Produto de uma Matriz por um número Se A = (aij) é uma matriz mxn e c um número, temos: c .a11 .... c.A = A.c = B = c .a m 1 ... c .a1n .... .... .... c .a mn As seguintes leis são válidas: A + ( B + C ) = ( A + B ) + C associatividade ( a + b ).A = aA + bA c( A + B ) = cA + cB distributividade A+ B = B + A comutatividade Página 14 de 55 Material sujeito a correções 2.1 Propriedades dos Determinantes 1- Um determinante não se altera quando se trocam as linhas pelas colunas e vice-versa. 2- Trocando-se as posições de duas linhas ou colunas, o determinante fica multiplicado por (-1). 3- Transpondo-se uma linha ou uma coluna para a primeira posição, o determinante fica multiplicado por (-1)k-1 onde k representa a ordem da linha ou coluna transposta. 4- Transpondo-se um elemento para a primeira posição, o determinante fica multiplicado por (-1)k+m onde k representa a ordem da coluna e m a ordem da linha que se cruzam no elemento transposto. 5- O determinante é nulo se todos os elementos de uma linha ou uma coluna são nulos. 6- O determinante é nulo se os elementos de duas linhas ou colunas são iguais entre si. 7- Se os elementos de uma linha ou coluna são multiplicados por um número, o determinante fica, também, multiplicado por este número. 8- O determinante não se altera se somarmos aos elementos de uma linha ou coluna os respectivos elementos de outra linha ou coluna multiplicados por um número. Consideremos um determinante ∆ e suponhamos que o elemento a transpor seja amk. Passando a m-ésima linha para a primeira posição e designando ∆’ o novo determinante, temos: ∆' = (− 1) m −1 .∆ Passando a k-ésima coluna para a primeira posição, no determinante ∆’ e designando por ∆’’ o novo determinante, temos: ∆'' = (− 1) k −1 .∆ ∆' Substituindo o valor de ∆’ vem: ∆'' = ( −1 )k −1 .( −1 )m −1 .∆ = ( −1 )k + m − 2 .∆ , e como (-1)-2 = 1, vem : k +m ∆'' = (− 1) .∆ Toda matriz que tem duas linhas ou colunas iguais tem determinante nulo. Trocando-se a posição destas linhas ou colunas o seu valor deveria trocar de sinal. Página 15 de 55 Material sujeito a correções Logo: ∆ = -∆ ∆ 2∆ ∆=0 ∆=0 2.2 Menor Complementar Chama-se de menor complementar do elemento aij (Mij), ao determinante de ordem n – 1 extraído de [A], pela supressão da linha e da coluna em que está situado o elemento aij. a11 a12 A = a21 a22 a31 a32 a13 a23 a33 Ex.: O menor complementar de a32 é: M 32 = 2.3 a11 a13 a21 a23 Complemento Algébrico de um elemento (COFATOR) Dado o determinante ... a11 a12 a ... 21 a22 ...... ....... ...... an1 an 2 ..... Chama-se complemento algébrico ao elemento a i determinante obtida pela expressão: j a1n a2 n ...... ann e representa-se por Aj i ao Aij = (− 1) + M ij i+ j Consideremos a matriz quadrada: ... a11 a12 a a22 ... 21 [A] = ...... ....... ...... an1 an 2 ..... a1n a2 n ...... ann Página 16 de 55 Material sujeito a correções 2.4 Matriz Adjunta [A ] ' , a matriz cujo elemento Definimos como matriz adjunta de [A] e representamos por aij = A ji A ji genérico é onde representa o complemento algébrico do elemento aij do determinante associado da matriz [A]. Nestas condições, a matriz adjunta de [A] será: ... A11 A21 A A ... [A' ] = 12 22 ...... ....... ...... A1n A2 n ..... An1 An 2 ...... Ann Como podemos observar, a matriz adjunta pode ser obtida, em outras palavras, a partir da matriz transposta ([At]), construindo-se uma nova matriz, onde os elementos são os correspondentes complementos algébricos dos elementos do determinante |At|. Ex.: Achar a matriz adjunta de: [A] = a11 a12 a21 a22 [A ] = aa 11 t 12 a21 a22 Logo a adjunta de A será: [A' ] = a22 − a21 2.5 − a12 a11 Matriz Inversa Teorema: Para qualquer matriz quadrada A, temos: [A] [A−1 ] = [A−1 ][ A] = [I ] Equação (1) Onde (I) é a matriz unitária. Definimos como matriz inversa [A] e representamos por [A-1], a matriz tal que seja satisfeita a expressão (1) . Página 17 de 55 Material sujeito a correções Para obtermos [A-1], comecemos por calcular [A].[A’]. Considerando os teorema de Laplace e Cauchy, resulta: ... a11 a12 a a22 ... 21 ...... ....... ...... an1 an 2 ..... a1n A11 A21 ... a2 n A12 A22 ... ...... x ...... ....... ...... ann A1n A2 n ..... An1 A 0 ... 0 A2 n 0 A ... 0 = ...... ...... ....... ...... ...... Ann 0 0 ..... A Pelo que obtivemos, vamos em seguida efetuar o produto: [A].[ A' ] = Supondo que AI A ≠ φ , temos: a11 a 21 .... ann a12 a22 an 2 A11 a1n A a2 n A12 x A .... ann A1n A A21 A A22 A .... A2 n A An1 A 1 An 2 0 .... A = .... .... .... Ann 0 .... A .... 0 1 .... 0 ... ... .... 0 .... 1 0 .... Desta ultima igualdade concluímos que: A11 A A12 [A-1] = A .... A 1n A A21 A A22 A .... A2 n A An1 A An 2 .... A ou .... .... Ann .... A .... [A ]. [AA' ] −1 Ex.: Achar a matriz inversa de: [A] = a11 a12 a21 a22 Cálculo de A A = a11 .a22 − a12 .a21 Página 18 de 55 Material sujeito a correções Cálculo de [At] [A ] = aa 11 t 12 a21 a22 (poderia ser a transposta da adjunta) Cálculo de [A’] [A' ] = a22 − a21 − a12 a11 Obtenção de [A-1] a 1 . 22 11a22 − a 21a12 − a 21 [A ] = a −1 − a12 a11 A matriz inversa desempenha importante papel na resolução de sistemas de equações lineares. Seja o sistema: a11 .x1 + a12 x2 + ..... + a1n xn = b1 a21 x1 + a22 x2 + ..... + a2 n xn = b2 ..... ........ ...... ...... ...... ...... an1 x1 + an 2 x2 + ...... + ann xn = bn Sob forma de produto matricial: [A][ X ] = [b] [A ][A][X ] = [A ][b] −1 −1 Donde: [X ] = [A−1 ][b] Página 19 de 55 Material sujeito a correções Ex.: Resolver o sistema: x+ y+z=6 2x − y + z = 3 x + 2y − z = 2 Sob forma matricial temos: 1 1 1 x 6 2 - 1 1 y = 3 1 2 - 1 z 2 Resultando: 1 x 1 1 y = 2 - 1 1 z 1 2 - 1 −1 6 3 2 Cálculo do Determinante (|A|) de A: 1 1 1 1 1 2 - 1 1 2 - 1 = 1 + 1 + 4 − ( −1 ) − 2 − ( −2 ) = 7 , log o A = 7 1 2 -1 1 2 Cálculo da transposta: 1 2 1 At = 1 - 1 2 1 1 - 1 [ ] Cálculo da adjunta: 2 − 1 3 [A' ] = 3 - 2 1 5 - 1 - 3 Página 20 de 55 Material sujeito a correções Cálculo da Inversa: [A ] −1 2 − 1 3 1 1 = 3 -2 7 5 - 1 - 3 Donde a solução do sistema será: x − 1 3 2 6 1 y = 3 - 2 1 . 3 7 z 5 - 1 - 3 2 Ou seja: x 1 y = 2 z 3 Página 21 de 55 Material sujeito a correções 2.6 Cálculo do Determinante A solução pelo teorema de Laplace torna-se inconveniente no cálculo do determinante de ordem superior a quarta devido ao grande número de operações envolvidas no processo. Para contornarmos esta dificuldade usamos um processo que utiliza a 8ª propriedade anteriormente citada, que permite a redução sucessiva da matriz a uma matriz triangular, através de operações elementares. Seja: a11 a12 A = a21 a22 a31 a32 a13 a23 a33 a a 21 a 31 , ,....., n1 , a11 a11 a11 Multiplicando-se os elementos da 1ª linha por e subtraindo estes resultados dos elementos das linhas 2, 3, 4, ......., n, resulta: a11 0 A= 0 ... 0 a12 a (1 ) a (1 ) a (1) 22 32 ... n2 ... ... a1n ... ... a ( 1 ) 2 n (1) ... ... a 3 n ... ... ... ... ... a ( 1 ) nn Onde: Primeira coluna abaixo do elemento pivô, a a (1) a21 = a21 − a11 21 ,.........., an( 11 ) = an1 − a11 n1 a11 a11 Demais elementos das linhas, (1) a22 = a22 − a12 a21 a ,.........., a2( 1n ) = a2 n − a1n 21 a11 a11 (1) a32 = a32 − a12 a31 a ,.........., a3( 1n ) = a3 n − a1n 21 a11 a11 ....................................................................... Página 22 de 55 Material sujeito a correções Exemplo: Calcular o determinante da matriz a seguir: 1 2 4 A = 5 2 6 2 1 3 Multiplicando a 1ª linha por a 21 a11 e subtraindo os resultados das multiplicações de todos os elementos dos elementos respectivos da 2ª linha vem: 2 4 1 5 10 20 a21 5 (1 ) = = 5 ⇒ 5 2 6 , .então l 2 − l1 ⇒ 0 − 8 − 14 etc... a11 1 2 1 3 2 1 3 Multiplicando a 1ª linha por a31 e subtraindo os resultados dos respectivos elementos da 3ª a11 linha vem: 2 4 1 2 4 1 0 −8 − 14 = 0 − 8 − 14 ( 2 − 2 ) ( 1 − 4 ) ( 3 − 8 ) 0 − 3 − 5 Multiplicando a 2ª linha por 4 1 2 a32 − 3 3 = ⇒ 0 − 3 − 5 ,25 = a22 − 8 8 0 − 3 − 5 Subtraindo-se esta segunda linha obtida da terceira linha, teremos: 2 4 4 1 1 2 0 = 0 − 8 − 14 −8 −4 0 (( −3 ) − ( −3 )) (( −5 ) − ( 5 ,25 )) 0 0 0 ,25 Logo: ∆ = 1 x( −8 ) x 0 ,25 = −2 Página 23 de 55 Material sujeito a correções 3 VALORES E VETORES CARACTERÍSTICOS Equações homogêneas do tipo: a11 x1 + a12 x2 + ........... + a1n xn = λx1 a21 x1 + a22 x2 + ........... + a2 n xn = λ x2 AX = 0 = ............................................................ an1 x1 + an 2 x2 + ........... + ann xn = λ xn São frequentemente encontradas em certos tipos de problemas físicos, onde parâmetro indeterminado. λ é um Representando matricialmente teremos: AX = λ [ X ] que tem solução não trivial se o determinante ( a11 − λ ) ∆ − λI = a21 a12 .................a1n ( a12 − λ )................ a 2n ................................................... an1 an2 ( ann − λ ) que conduz à equação polinomial de grau n em =0 λ: λn + C1λn −1 + C 2λn − 2 + .......... ... + C n = 0 que é conhecida como equação característica da matriz. λ Os valores de que satisfazem a equação característica da matriz (raízes da equação) A são os valores característicos de A. λ Dos valores de , obtemos os valores dos vetores denominados Vetores Característicos de A. X , (conjuntos de soluções), que são Exemplo: Determinar os valores e vetores próprios do sistema: 2x2 + x 3 = λ x1 2 x1 + 10x 2 + x 3 = λx2 10 x1 + 2 x1 + x 2 + 10x 3 = λ x3 Página 24 de 55 Material sujeito a correções Teremos: ( 10 − λ ) ∆= 2 2 2 ( 10 − λ ) 1 1 3 1 = (10 − λ ) − 7(10 − λ ) + 6 = 0 ( 10 − λ ) ∴ − 3 10 − λ = 1 ⇒ 2 Para λ1 = 13 Fazendo Para Para x1 + 2x 2 + x 3 = 0 2x1 + x 2 + x 3 = 0 2x + x + x = 0 2 3 1 1 1 x3 = 1 teremos x1( 2 ) = − , x 2( 2 ) = − e x3( 2 ) = 1 3 3 λ3 = 8 Fazendo - 3x1 + 2x2 + x3 = 0 2x1 - 3x2 + x3 = 0 2x + x - 3x = 0 1 2 3 x3 = 1 teremos x1(1) = 1, x2(1) = 1 e x3(1) = 1 λ2 = 9 Fazendo λ1 = 13 λ 2 = 9 λ = 8 3 2x1 + 2 x 2 + x3 = 0 2x1 + 2 x 2 + x3 = 0 2x + x + 2x = 0 1 2 3 3 x3 = 1 x ( 3 ) = − , x 2( 3 ) = 1 e x 3( 3 ) = 1 teremos 1 2 Página 25 de 55 Material sujeito a correções 4 SISTEMAS DE EQUAÇÕES LINEARES O estudo é limitado aos sistemas não homogêneos de “n” equações a “n” incógnitas. 4.1 Métodos Diretos ou de Eliminação São métodos que determinam a solução de um sistema de equações lineares com um número finito de operações. Eles atuam diretamente sobre as equações. 4.1.1 Método de Gauss Consiste em transformar a matriz dos coeficientes das incógnitas em uma matriz triangular superior, a partir de uma matriz estendida (adicionando-se o vetor independente como última coluna), através de operações elementares. (1) (1) x1 + a12 x2 + a13 x3 + ........................... + a1(1( n) − 1) xn − 1 + a1(1n) xn = b1(1) ( 2) x2 + a23 x3 + ........................... + a2( 2( n) − 1) xn − 1 + a2( 2n) xn = b2( 2 ) ........................................................................................................ xn − 1 + a((nn−−11))n xn = bn( n−−11) xn = bn( n ) onde os índices superiores dos coeficientes correspondem ao número de modificações efetuadas em cada elemento. Neste caso, a solução do sistema é imediata, mediante a substituição regressiva. Formando a matriz estendida, justapondo-se o vetor independente, teremos: a11 a12 ..............a1n b1 a 21 a 22 ..............a 2 n b2 Aε = ......................................... a n1 a n 2 ..............a nn bn Começamos as transformações anulando os elementos da coluna 1 abaixo do elemento a11 , ao qual chamaremos de elemento Pivô. Gauss prevê dois passos: 1. Dividir l1 pelo elemento pivô, o que nos dará uma nova linha 2. Para anular o elemento a 21 é bastante somar l1 a De um modo geral para se anular o elemento vetorial: l1( 1 ) l1(1) e pré-multiplicada por − a21 . a i 1 ( i = 2...........n ) , executamos a operação Página 26 de 55 Material sujeito a correções l i( 1 ) = l i − a i 1l1( 1 ) com (i = 2......... n) , que zera todos os demais elementos da coluna 1 abaixo do elemento pivô. Desenvolvida para os elementos de todas as linhas equivale a: j = 1 ,.........,n + 1 a ij( 1 ) = a ij − a ij a2( 1j ) para i = 2 ,.........., n , Ao fim da 1ª eliminação, a matriz Aε está transformada em: (1) 1 a12 ..............a1(1n) b1(1) (1) 0 a22 ..............a2(1n) b (1) 2 Aε = ......................................... 0 a (1) ..............a (1) b (1) nn n n2 A segunda eliminação consiste em anular os elementos da segunda coluna, abaixo de denominado pivô desta eliminação. (1) a 22 , (1) (2) l l 2 2 1. Dividimos pelo pivô, obtendo ; (1) (2) (1) (1) a l l a 32 3 2 32 somamos a pré-multiplicada por 2. Para anular o elemento De um modo geral para se anular o elemento operação vetorial: l i( 2 ) = l i(1) − a i(21) l 2( 3 ) com a i(21 ) ( i = 3...........n ) , executamos a (i = 3.........n) , que se desenvolvida para os elementos de todas as linhas equivale a: j = 2 ,.........,n + 1 a ij( 2 ) = a ij( 1 ) − ai(21 )a 2( 1j ) para i = 3 ,.........., n , Podemos agora generalizar os procedimentos da 1ª e 2ª eliminação para uma eliminação genérica “K” que consiste em anular os elementos de (denominado pivô da k-ésima eliminação. C k( k − 1 ) abaixo de ( k −1 ) a kk Página 27 de 55 Material sujeito a correções Fazemos inicialmente a divisão: l k( K ) = que desenvolvida elemento a elemento de (k ) akj = ( k −1 ) akj ( k −1 ) akk l k( k − 1 ) ( k −1 ) , a kk l k( k ) , equivale a: k = 1 ,............, n ...... j = k ,............, n + 1 . Se ‘k’ for menor ‘n’, fazemos as operações vetoriais: l ik = li( k − 1) − a ik( k − 1) lk( k ) com i = k + 1,........., n Que desenvolvida elemento a elemento, é: a (k ) ij =a ( k − 1) ij −a ( k − 1) ( k ) ik kj a k = 1 ,.........,n − 1 para j = k,.........,n + 1 i = k + 1,.........,n Exemplo: 2 x1 + 2 x2 + x3 + x4 = 7 x1 - 2 x2 + 2 x3 − x4 = 1 3 x1 + 2 x2 − 3 x3 − 2 x4 = 4 4 x1 + 3 x2 + 2 x3 + x4 = 12 Obtendo a matriz entendida, vem: l1 l2 l3 l4 1 1 7 2 2 1 − 1 2 − 1 1 3 2 − 3 − 2 4 2 1 12 4 3 Página 28 de 55 Material sujeito a correções 1ª Eliminação: l1(1) (1) l2 (1) l3 (1) l4 = l1 / 2 = = l 2 − 1l1(1) l 3 − 3l1(1) = l 2 − 4l1(1) 1 0 0 1 −2 −1 0 −1 0,5 0,5 3,5 1,5 − 1,5 − 2,5 (1.l1(1) ) = 1 1 0,5 0,5 3,5 − 4,5 − 3,5 − 6,5 0 -1 −2 2ª eliminação: ( 2 ) (1 ) l2 = l2 /(−2) ( 2 ) (1 ) ( 2) l3 = l3 − (−1)l 2 l ( 2) = l (1) − (−1)l ( 2) 4 4 2 1 1 0 0 0 1 0 0 1 1 0 0 1 0 0 0 3,5 − 0,75 0,75 1,25 − 3,25 − 2,75 − 5,25 (−1)(l2( 2) ) = 0 − 1 0,75 − 0,75 − 1,25 − 0,75 − 0,25 − 0,75 0,5 0,5 3ª eliminação: (3) (2) l3 = l3 /(−3,25) l (3) = l (2) − (−0,75)l (3) 4 3 4 l (4) = l ( 3) /(−0,1907) 4 4 0,5 3,5 1,25 1 0 (−0,75)(l3(3) ) = 0 0 − 0,75 0,3586 − 0,75 0,5 − 0,75 0,75 1 − 0,5238 0 − 0,1907 1 1 0,5 0,5 0 0 1 0 − 0,75 1 0,75 − 0,5238 0 0 0 1 1,25 1 0 3,5 O sistema então ficará: x1 + x 2 + 0,5 x 3 + 0,5 x4 = 3,5 x 2 − 0,75 x 3 + 0,75 x4 = 1,25 x 3 − 0,5238 x4 = 1 x4 = 0 Que substituindo regressivamente teremos: x4 = 0 x3 = (0,5238)0 + 1 = 1 x2 = 1,25 + (0,75)1 − (0,75)0 = 2 x1 = 3,5 − 2 − 0,5 x1 − 0,5 x 0 = 1 É importante observar que nenhum dos elementos que servem de pivô numa eliminação ‘k’ Página 29 de 55 Material sujeito a correções pode ser igual a zero. Se isto ocorrer devemos trocar de posição as (n-k+1) linhas abaixo de lk (inclusive), de modo que tais elementos não sejam nulos. É óbvio que isto não altera a solução do sistema, porque apenas trocaremos duas equações de posição. Quando este procedimento não for possível porque todos os elementos abaixo do pivô são nulos, i sistema é singular. Página 30 de 55 Material sujeito a correções 4.1.2 Método de Gauss-Jordan Se transformarmos a matriz do sistema em uma matriz identidade, a solução do sistema se apresentará espontaneamente no novo vetor ‘b’ (dos temos independentes). x1 b1( n ) ... = = ... ... ... xn = bn( n ) ... ... ... x2 ... ... b2( n ) O método consiste em modificas as eliminações do método de Gauss, para anular em cada eliminação ‘k’, elementos abaixo e acima do elemento pivô (elemento da diagonal principal). Com um procedimento inteiramente análogo ao que nos levou às expressões anteriores (no método de Gauss),temos para o método de Gauss-Jordan: Fazemos inicialmente a divisão: l k( K ) que desenvolvida elemento a elemento de a kj( k ) = akj( k − 1 ) ( k −1 ) akk l k( k − 1 ) = ( k −1 ) , a kk lk(k ) , equivale a: k = 1,............, n ...... j = k ,............, n + 1 . Se “k” for menor “n”, fazemos as operações vetoriais: l ik = l i( k − 1 ) − aik( k − 1 )l k( k ) com i = 1 ,........., n com i ≠ k Que desenvolvida elemento a elemento, é: a ij( k ) = a ij( k − 1 ) − aik( k − 1 )a kj( k ) k = i,.........,n − 1 j = k,.........,n + 1 para i = k + 1,.........,n j ≠ k Página 31 de 55 Material sujeito a correções Exemplo: Usemos o mesmo exercício anterior: 2 x1 + 2 x 2 + x 3 + x4 = 7 x1 - 2 x2 + 2 x3 − x4 = 1 3 x1 + 2 x 2 − 3 x3 − 2 x4 = 4 4 x1 + 3 x2 + 2 x3 + x4 = 12 Obtendo a matriz entendida, vem: 1 1 7 2 2 1 − 1 2 − 1 1 3 2 − 3 − 2 4 2 1 12 4 3 1ª Eliminação: → l1 (1) l2 (1) l3 (1) l4 (1) = l1 / 2 (1) 1 = l 2 − (1)l = l 3 − ( 3)l1(1) = l 2 − (4)l1(1) 1 1 0 0 −2 −1 0 −1 3,5 1,5 − 1,5 − 2,5 − 4,5 − 3,5 − 6,5 0 -1 −2 0,5 0, 5 2ª Eliminação: l1( 2 ) → l 2( 2 ) ( 2) l3 ( 2) l4 = l1(1) − l 2( 2 ) =l (1) 2 /( −2) = l 3(1) − ( −1)l 2( 2 ) = l4(1) − ( −1)l 2( 2 ) 1 0 0 0 0 1 0 0 1,25 0,25 2,25 1,25 − 0,75 0,75 − 5,25 − 2,75 − 5,25 − 0,75 − 0,25 − 0,75 3ª Eliminação: l1( 3 ) ( 3) l2 → l 3( 3 ) ( 3) l4 = l1( 2 ) − (1,25)l 3( 3 ) =l ( 2) 2 − ( −0,75)l =l ( 2) 3 /( −5,25) ( 3) 3 = l4( 2 ) − ( −0,75)l 3( 3 ) 1 0 − 0,9047 1,1428 0 1 0,5238 1 0 0 1,1428 0 1 0 0 0 1 0 0 2 Página 32 de 55 Material sujeito a correções 4ª Eliminação: l1( 4 ) ( 4) l2 ( 4) l3 → l ( 4) 4 = l1( 3 ) − ( −0,9047)l4( 4 ) 1 = l 2( 3 ) − (1,1428)l 4( 4 ) 0 = l 3( 3 ) − (0,5238)l4( 4 ) 0 0 = l4( 3 ) / 0,1428 0 1 0 0 0 0 1 0 0 0 0 1 1 2 1 0 Logo: x1 = 1 x2 = 2 x3 = 1 x4 = 0 Valem as mesmas observações feitas para o método anterior, referentes à troca das linhas caso o pivô na k-ésima eliminação for zero e se esta troca não for possível o sistema é singular. Página 33 de 55 Material sujeito a correções 4.1.3 Condensação Pivotal Os métodos de eliminação são exatos exceto pelos erros de arredondamento que podem conduzir a soluções errôneas. Este efeito pode ser diminuído e mesmo evitado mediante a condensação pivotal. Para isto, rearrumamos as equações, colocando na linha da posição do pivô a linha abaixo da linha do pivô com o maior elemento absoluto na coluna do pivô. A condensação pivotal tem por finalidade: 1. Minimizar o erro de arredondamento; 2. Evitar a divisão por zero e 3. Testar a singularidade do sistema. Exemplo: Resolver o sistema x1 + 3 x2 + 40 x3 = 38 36 x1 + 106 x2 + 7 x3 = −63 25 x1 + 5 x2 + 12 x3 = 32 Sabendo-se que a solução é (1;-1 e 1) e resolvendo sem a condensação pivotal vem: 3 40 38 1 36 106 7 − 63 25 5 12 32 1ª Eliminação: l1( 1 ) = l1 / 1 3 40 38 1 ( 1 ) (1) l 2 = l2 − 36l1 0 − 2 − 1433 − 1431 (1 ) (1) l 3 = l3 − 25l1 0 − 70 − 988 − 918 2ª Eliminação: 40 38 1 3 (2) 1 716 ,5 715 ,5 l 2 = l2 /( −2 ) 0 1 (2) 1 ( 2 ) 0 0 − 51153988 − 51003 l 3 = l3 − ( −70 )l 2 Página 34 de 55 Material sujeito a correções 3ª Eliminação: 40 38 1 3 0 1 716 ,5 715 ,5 (3) 2 0 0 1 0 , 99706 l = l /( − 51153 3 3 Donde: x3 = 0 ,99706 x2 = 715 ,5 − 716 ,5 x 0 ,99706 = 1,07785 x = 38 − 40 x 0 ,99706 − 3 x1,07785 = −5 ,11595 1 Fazendo a condensação pivotal: 36 106 7 − 63 1 3 40 38 25 5 12 32 1ª eliminação l1( 1 ) = l1 / 36 0 ,19444 − 1,75 1 2 ,94444 ( 1 ) (1 ) l 2 = l2 − l1 0 − 0 ,05556 − 39 ,80556 − 39 ,75 (1 ) (1 ) 7 ,139 75 ,75 l 3 = l3 − 25l1 0 − 68 ,611 2ª Eliminação: 1 2 ,94444 − 68 ,11 l2 ⇔ l 3 0 0 − 0 ,05556 0 ,194444 7 ,139 − 39 ,80556 − 1 ,75 75 ,75 − 39 ,75 3ª Eliminação: − 1,75 1 2 ,9444 0 ,194444 2 1 1 − 0 ,10405 − 1,10405 l 2 = l 2 /( −68 ,611 ) 0 2 1 2 0 − 39 ,81134 − 39 ,81134 l 3 = l 3 − ( −0 ,05556 )l2 0 Dividindo l3 por (-39,81134), vem: 40 38 1 3 2 1 l 2 = l 2 /( −68 ,611 ) 0 1 − 0 ,10405 − 1 ,10405 2 1 1 1 l 3 = l 3 /( −39 ,81134 )0 0 Página 35 de 55 Material sujeito a correções Donde: x3 = 1 x2 = −1 ,10405 + 0 ,10405 = −1 x = −1,75 + 2 ,94444 − 0 ,19444 = 1 1 Que é uma solução mais adequada que a anterior. Página 36 de 55 Material sujeito a correções 4.1.4 Refinamento da Solução É obvio que mesmo com a condensação pivotal, pode persistir algum erro devido aos arredondamentos. Podemos, então, fazer um refinamento da solução. Seja o vetor abaixo a solução obtida: x ( 0 ) = ( x1( 0 ) , x2( 0 ) ,..........., x1( n ) , ) e a solução exata seja: x = x( 0 ) + E ( 0 ) onde a E ( 0 ) é o vetor correção as solução. Portanto devemos ter: a11 ( x1( 0 ) + E10 ) + a12 ( x 2( 0 ) + E 2( 0 ) ) + ................. + a1n ( xn( 0 ) + E n( 0 ) ) = b1 a21 ( x1( 0 ) + E10 ) + a22 ( x2( 0 ) + E 2( 0 ) ) + ................. + a2 n ( xn( 0 ) + E n( 0 ) ) = b2 ................................................................................................. an1 ( x1( 0 ) + E10 ) + a n 2 ( x2( 0 ) + E 2( 0 ) ) + ................. + ann ( xn( 0 ) + E n( 0 ) ) = bn Equações 1 Se substituirmos o valor de x ( 0 ) no sistema original, teremos: a11 x1( 0 ) + a12 x2( 0 ) + ................. + a1n xn( 0 ) = b1( 0 ) a21 x1( 0 ) + a22 x2( 0 ) + ................. + a2 n xn( 0 ) = b2( 0 ) ................................................................. an1 x1( 0 ) + an 2 x2( 0 ) + ................. + ann xn( 0 ) = bn( 0 ) Equações 2 Página 37 de 55 Material sujeito a correções Subtraindo as equações 2 das equações 1 e definindo β ( 0 ) = b − b( 0 ) , vem: a11 E1( 0 ) + a12 E2( 0 ) + ................. + a1n En( 0 ) = β 1( 0 ) a21 E1( 0 ) + a22 E 2( 0 ) + ................. + a2 n E n( 0 ) = β 2( 0 ) .................................................................. an1 E1( 0 ) + an 2 E 2( 0 ) + ................. + ann En( 0 ) ) = β n( 0 ) x Resolvendo este último sistema, encontramos um vetor , aproximação de podemos ter: E( 0 ) , e x = x( 0 ) + x( 1 ) até que tenhamos valores que satisfaçam o erro requerido. Exemplo: Fazer o refinamento do problema anterior resolvido sem condensação pivotal e se tivéssemos encontrado raízes (-5,1195; 1,07785 e 0,99706): Calculamos o vetor residual β (0): b1( 0 ) = 1( −5 ,11595 ) + 3( 1,07785 ) + 40( 0 ,99706 ) = 38 b2( 0 ) = 36( −5 ,11595 ) + 106( 1 ,07785 ) + 7( 0 ,99706 ) = −62 ,94268 b3( 0 ) = 25( −5 ,11595 ) + 5( 1,07785 ) + 12( 0 ,99706 ) = −110 ,54478 Então: β 1( 0 ) = b1 − b1( 0 ) = 38 − 38 = 0 β 2( 0 ) = b2 − b2( 0 ) = −63 − ( −62 ,94268 ) = −0 ,05732 β 3( 0 ) = b3 − b3( 0 ) = 32 − ( −110 ,54478 ) = 142 ,54478 (0) E O vetor será obtido pela resolução do sistema: E1( 0 ) + 3 E 2( 0 ) + 40 E 3( 0 ) = 0 36 E1( 0 ) + 106 E 2( 0 ) + 7 E 3( 0 ) = −0 ,05732 25 E1( 0 ) + 5 E 2( 0 ) + 12 E 3( 0 ) = 142 ,54478 Trocando-se as 1ª pela 2ª linhas (condensação pivotal), vem: 36 106 7 − 0 ,05732 1 3 40 0 25 5 12 142 ,54478 Página 38 de 55 Material sujeito a correções l11 = l1 / 36 1 1 25 2 ,94444 70 ,19444 3 40 5 12 − 0 ,00159 0 142 ,54478 1ª eliminação: 70 ,19444 − 0 ,00159 1 2 ,94444 0 − 0 ,05556 − 39 ,80556 − 0 ,00159 0 68 ,111 − 7 ,139 − 142 ,58453 Fazendo a condensação pivotal, vem: 70 ,19444 − 0 ,00159 1 2 ,94444 0 68 ,111 − 7 ,139 − 142 ,58453 0 − 0 ,05556 − 39 ,80556 − 0 ,00159 2ª eliminação: 1 2 ,94444 70 ,19444 − 0 ,00159 0 1 − 0 ,10481 − 2 ,09341 0 0 − 39 ,79974 − 0 ,11785 1 2 ,94444 70 ,19444 − 0 ,00159 0 1 − 010981 − 2 ,09341 l 3( 4 ) = l 3( 3 ) / 39 ,79974 0 0 1 0 ,00296 x3( 1 ) = 0 ,00296 (1 ) x2 = −2 ,09341 + 0 ,10981( 0 ,00296 ) = −2 ,09308 (1 ) x1 = −0 ,00159 − ( 70 ,19444( 0 ,00296 )) − 2 ,94444( −2 ,09308 ) = 5 ,95359 Logo a solução aproximada é: x1 = −5 ,11595 + 5 ,95359 = 0 ,83764 x 2 = 1 ,07785 − 2 ,09308 = −1 ,01523 x = 0 ,99706 + 0 ,00296 = 1 ,00002 3 Página 39 de 55 Material sujeito a correções 4.1.5 Inversão de Matrizes Um algoritmo de execução extremamente simples para inverter uma matriz ser obtido por uma adaptação do método de Gauss-Jordan. A(mxn) pode Seja a matriz 3x3: a11 a12 A = a21 a22 a31 a32 Onde A ≠0 a13 a23 a33 e a sua inversa (B) é: b11 b12 B = b21 b22 b31 b32 b13 b23 b33 Chamemos os 3 vetores coluna da matriz inversa de teremos: a11 a12 A = a21 a22 a31 a32 a13 b11 b12 a23 x b21 b22 a33 b31 b32 b1 , b2 e b3 . Por definição de inversa b13 1 0 0 b23 = 0 1 0 b33 0 0 1 Quando consideramos a formação da primeira coluna da matriz identidade pela multiplicação de A x b1 , podemos dizer que: a11 a12 A = a21 a22 a31 a32 Logo, para determinar a primeira coluna a13 b11 1 a23 x b21 = 0 a33 b31 0 b1 , da matriz inversa, basta resolver o sistema: A x b1 = e1 , onde e1 = (1 0 0 ) t O que valeu para a primeira coluna vale para as outras duas. Assim para obter resolvemos os sistemas: b2 e b3 , A x b2 = e2 , onde e2 = (0 1 0)t A x b3 = e3 , onde e3 = (0 0 1)t Os três sistemas podem ser resolvidos pelo método de Gauss-Jordan. Como eles têm a mesma matriz (A), poderemos resolvê-los simultaneamente, pois as eliminações feitas em A, seriam exatamente as mesmas se as resoluções fossem feitas Página 40 de 55 Material sujeito a correções separadamente. As únicas modificações estarão nos termos independentes das incógnitas, o que contornamos trabalhando com uma matriz estendida (3x6). a11 a12 ∆E = a21 a22 a31 a32 a13 a23 a33 1 0 0 0 1 0 0 0 1 Fazemos então as eliminações de Gauss-Jordan na matriz solução b1 aparecerá na 4ª coluna, b2 na 5ª e b3 ∆E , ao fim das quais o vetor na 6ª. Exemplo: Seja a matriz a inverter (já acrescida da matriz identidade): l1 1 3 1 1 0 0 l 2 2 4 3 0 1 0 l 3 − 1 1 0 0 0 1 1ª Eliminação: l1( 1 ) = l1 / 1 1 3 1 1 0 0 l 2( 1 ) = l 2 − 2l1( 1 ) 0 − 2 1 − 2 1 0 l 3( 1 ) = l 3 − ( −1 )l1( 1 ) 0 4 1 1 0 1 2ª Eliminação: l1( 2 ) = l1( 1 ) − 3l 2( 2 ) 1 0 2 ,5 − 2 1 ,5 0 l 2( 2 ) = l 2( 1 ) /( −2 ) 0 1 − 0 ,5 1 − 0 ,5 0 l 3( 2 ) = l 3( 1 ) − 4l 2( 2 ) 0 0 3 −3 2 1 3ª Eliminação: l1( 3 ) = l1( 2 ) − 2 ,5l 3( 3 ) l 2( 3 ) = l 2( 2 ) − ( −0 ,5 )l 3( 3 ) l 3( 3 ) = l 3( 2 ) / 3 1 0 0 0 ,5 − 0 ,16666 − 0 ,83333 0 1 0 1 − 0 ,16666 0 ,16666 0 0 1 − 1 0.66666 0 ,33333 Logo a matriz inversa é: 0 ,5 − 0 ,16666 − 0 ,83333 1 − 0 ,16666 0 ,16666 . È óbvia a generalização do processo. − 1 0 ,66666 0 ,33333 Página 41 de 55 Material sujeito a correções 5 SISTEMAS DE EQUAÇÕES LINEARES O estudo é limitado aos sistemas não homogêneos de “n” equações a “n” incógnitas. 5.1 Métodos Iterativos Métodos Iterativos consistem em se escrever o sistema AX = b sob a forma: x = F ( x) + d Onde F é uma matriz (m x n) e d é um vetor ( d ∈ Rn Deste modo, partindo de uma aproximação inicial 1a x (0) ). , fazemos as iterações: x (1) = F ( x ( 0 ) + d 2 a x ( 2 ) = F ( x (1) + d ................................... e de um modo geral, se fizermos, ‘K’ iterações, obteremos a solução aproximada na iteração ‘k+1’, pela fórmula de recorrência: x ( k + 1) = F ( x ( k ) ) + d Se: x Lim k →∞ (k ) −x =0 →∞ diremos que a seqüência de aproximações que a seqüência diverge. x (k ) converge para x . Caso contrário, diremos Página 42 de 55 Material sujeito a correções 5.2 Método de Jacobi O método de Jacobi consiste na escolha da seguinte matriz F : x1(1) = 1 (b1 − a12 x 2( 0 ) − a13 x 3( 0 ) − ............... − a1n x n( 0 ) ) a11 x 2(1) = 1 (b2 − a 21 x1( 0 ) − a 23 x 3( 0 ) − ............... − a 2 n x n( 0 ) ) a 22 ...................................................................... x n(1) = 1 (bn − a n1 x1( 0 ) − a n 2 x 2( 0 ) − ............... − a1( n − 1) x n( 0−)1 ) a nn Exemplo: Seja o sistema: 2 x1 − x2 = 1, x1 + 2 x2 = 3 cuja solução é x1 = 1 e x 2 = 1 Solução: Transformando de acordo com a disposição anterior, teremos: 1 x1 = (1 + x2 ) 2 1 x2 = ( 3 − x1 ) 2 Fazendo x1 = x 2 = 0 , teremos: 1ª Iteração: 1 x1(1) = (1 + 0) = 0,5 2 1 x2(1) = ( 3 − 0) = 1,5 2 2ª Iteração: 1 x1( 2 ) = (1 + 1,5) = 1,25 2 1 x2( 2 ) = ( 3 − 0,5) = 1,25 2 Página 43 de 55 Material sujeito a correções 3ª Iteração: 1 x1( 3 ) = (1 + 1,25) = 1,125 2 1 x2( 3 ) = ( 3 − 1,25) = 0,825 2 4ª Iteração: 1 x1( 4 ) = (1 + 0,825) = 0,9125 2 1 x2( 4 ) = ( 3 − 1,125) = 0,9375 2 Página 44 de 55 Material sujeito a correções 5.3 Método de Gauss-Siedel É análogo ao método de Jacobi, com uma alteração esperada, em função da seguinte modificação: Quando na 1ª iteração calculamos pode, portanto, ser usado. x 2(1) , já dispomos do valor de x1(1) que Analogamente, podemos proceder assim para as demais iterações. Teremos então na 1ª iteração e genericamente até a k +1 -ésima: x1( k + 1) = 1 (b1 − a12 x2( k ) − a13 x3( k ) − ............... − a1n xn( k ) ) a11 x2( k + 1) = 1 (b2 − a21 x1( k + 1) − a23 x3( k ) − ............... − a2 n xn( k ) ) a22 ............................................................................................ 1 xn( k + 1) = (bn − an1 x1( k + 1) − an 2 x2( k + 1) − ............... − a1( n − 1) xn( k−)1 ) ann Exemplo: Seja o mesmo sistema anteriormente visto pelo método de Jacobi: 2 x1 − x2 = 1 x1 + 2 x2 = 3 Onde: 1 x1 = (1 + x2 ) 2 1 x2 = ( 3 − x1 ) 2 1ª Iteração: 1 ( 1 + 0 ) = 0 ,5 2 1 = ( 3 − 0 ,5 ) = 1 ,25 2 x1( 1 ) = x2( 1 ) Página 45 de 55 Material sujeito a correções 2ª Iteração: 1 x1( 2 ) = (1 + 1,25) = 1,125 2 1 x2( 2 ) = ( 3 − 1,125) = 0,973 2 3ª Iteração: 1 x1( 3 ) = (1 + 0,9375) = 0,9690 2 1 x2( 3 ) = ( 3 − 0,9690) = 1,0160 2 4ª Iteração: 1 x1( 4 ) = (1 + 1,0160) = 1,008 2 1 x2( 4 ) = ( 3 − 1,008) = 0,996 2 5.4 Estudo da Convergência Os métodos iterativos convergem sejam quais forem os valores iniciais adotados, desde que em cada uma das equações a soma dos valores absolutos dos n aij ∑a j =1 j≠i aij seja menor que 1. < 1 para ( i = 1,2,........n) ii ou: n ∑ aij < a11 para ( i = 1,2,........n ) j =1 j≠i Exemplo: 10 x1 + 2 x2 + x3 = 9 2 x1 + 20 x2 − 2 x3 = 44 − 2 x1 + 3 x2 + 10 x3 = 22 Página 46 de 55 Material sujeito a correções 6 Decomposição LU Inicialmente veremos em que condições podemos decompor uma matriz quadrada A = (aij) no produto de uma matriz triangular inferior por uma matriz triangular superior. 6.1 Teorema LU Seja A = (aij) um matriz quadrada de ordem n, e Ak o menor principal, constituído das k primeiras linhas e k primeiras colunas de A assumimos que det (Ak) ≠ 0 para k = 1, 2,..., n –1. Então existe uma única matriz triangular superior U = (uij) tal que LU = A. Além disso, det (A) = u11u12...umn. Prova Para provar este teorema usaremos a indução sobre n. 1. Se n = 1, temos que: a11 = 1. a11 = 1.u11 unicamente, e assim A = LU, onde L = 1 e U = u11. Além disso, det (A) = u11. 2. Assumimos que o teorema é verdadeiro para n = k – 1, ou seja, que toda matriz de ordem k – 1 é decomponível no produto LU nas condições do teorema. 3. Devemos mostrar que a decomposição pode ser feita para uma matriz de ordem n = k, seja, então, A uma matriz de k. Partimos esta matriz em sub-matrizes da Ak −1 A = st forma: r a kk , onde r e s são vetores coluna, ambos com k – 1 elementos. Note que a matriz Ak – 1 é de ordem n k – 1 e satisfaz as hipóteses do teorema. Portanto pela hipótese de indução esta pode ser decomposta na forma Ak −1 = Lk −1U k −1 Utilizando as matrizes Lk-1 e Uk-1, formamos: Lk −1 L = m t 0 1 ; U k −1 U= 0 p ukk Onde m e p são vetores coluna, ambos com k – 1 componentes (mt é a transposta de m). m, p e ukk são desconhecidos. Assim, impondo que a matriz A seja decomponível em LU vamos tentar determiná-los. Página 47 de 55 Material sujeito a correções Efetuando o produto LU, segue que: Lk −1 L = m t 0 1 * U k −1 U= 0 p Lk −1U k −1 LU = t ukk ⇒ m U k −1 Lk −1 p m p + ukk t Estudemos agora a equação LU=A, isto é: Lk −1U k −1 m tU k −1 Lk −1 p Ak −1 = m t p + ukk s t r a kk Da igualdade acima concluímos que: Lk − 1U k − 1 = Lk − 1 p r = t m U k −1 = m t p + ukk Ak − 1 ; ; st = ; a kk . Observe que a primeira equação é válida para a hipótese de indução e, portanto Lk-1 e Uk-1 são univocamente determinadas. Além disso, nem Lk-1 e nem Uk-1 são singulares (ou Ak-1 também seria singular, contrariando a hipótese). Assim de: Lk −1 p = m t U k −1 r = m t p + ukk st = a kk ⇒ p = L−1 k −1 r ; ⇒ m t = s t U − 1 k −1 ⇒ ukk = a kk − m t p Portanto p, m e ukk são determinados univocamente. Finalmente, Det(A) = det(L).det(U) Det(A) = 1.det(Uk-1).Ukk Det(A) = u1.u2....uk-1.ukk, Completando a prova. Página 48 de 55 Material sujeito a correções 6.2 Esquema prático para a decomposição LU Observe que teoricamente, para obtermos as matrizes L e U, devemos calcular as inversões de Lk-1 e Uk-1. Entretanto, na prática podemos calcular L e U simplesmente aplicando a definição de produto e de igualdade de matrizes, isto é, impondo que LU = A. Seja então, 1 l 21 l 31 l n1 0 1 l 32 0 0 1 : l n2 ... ... . . .. ... l n( n−1) 0 u11 0 0 : 0 * 0 1 0 u12 u22 0 : ... u13 u23 u33 ... ... ... ... .. 0 u13 α 11 α u23 21 α 31 u33 = : : α n1 unn α 12 α 13 α 22 α 23 α 32 α 33 : : α n2 α n3 ... ... ... : ... α 1n α 2 n α 3n : α nn Para obtermos os elementos da matriz L e da matriz U devemos calcular os elementos das linhas de U e os elementos das colunas de L. Isto pode ser feito efetuando o produto de L por U. 1. Produto da 1ª linha de L pelas colunas de U igualadas aos elementos da 1ª coluna de A 1.u11 + 0.0 + ...+ 0.0 = a11 1.u11 = a11 ⇒ u11 = a11 1.u12 = a12 ⇒ u12 = a12 ..... ..... .... .... .... 1. u1n = a1n ⇒ u1n = a1n Generalizando, u1j = a1j, j = 1, 2, ...,n 2. Produto de todas as linhas de L (da 2ª até nª), pela 1ª coluna de U igualada com os elementos da 1ª coluna de A (abaixo da diagonal principal): l 21 u11 = a 21 ⇒ l 21 = a 21 u11 l 31 u11 = a 31 ⇒ l 31 = a 31 u11 ... ... ... ... l n1 u11 = a n1 ⇒ l n1 = a n1 u11 Página 49 de 55 Material sujeito a correções Generalizando, l i1 = a i1 , i = 2,..., n u11 3. Produto da 2ª linha de L por todas as colunas de U (da 2ª até nª), igualadas aos elementos de 2ª linha de A (da diagonal principal em diante) l 21 u12 + 1.u22 + 0 * 0 + ... + 0 * 0 = a 22 l 21 u12 + u22 = a 22 ⇒ u22 = a 22 − l 21 u12 l 21 u13 + u23 = a 23 ⇒ u23 = a 23 − l 21 u13 ... ... ... ... l 21 u1n + u2 n = a 2 n ⇒ u2 n = a 2 n − l 21 u1n Generalizando, u2 j = a 2 j − l 21 u1 j , j = 3,...n 4. O produto de todas as linhas de L (da 3ª até a nª) pela 2ª coluna de U igualando aos elementos da 2ª coluna de A (dada diagonal principal em diante): l 31U 12 + l 32U 22 = a 32 ⇒ l 32 = a 32 − l 31U 12 U 22 l 41U 12 + l 42U 22 = a 42 ⇒ l 42 = a 42 − l 41U 12 U 22 l n1U 12 + l n 2U 22 = a n 2 ⇒ l n 2 = li2 = a n 2 − l n1U 12 U 22 a i 2 − l i 2U 12 , i = 3,..., n U 22 Se continuarmos calculando a 3ª linha de U, 3ª coluna de L, 4ª linha de U, 4ª coluna de L, etc..., teremos de fórmulas gerais: Página 50 de 55 Material sujeito a correções i −1 uij = a ij − ∑ l ik ukj , k =1 i −1 a ij − ∑ l ik ukj k =1 l ij = , u jj i≤ j i> j Aplicação à solução de problemas Seja o sistema Ax = b de ordem n, onde A satisfaz as condições da decomposição LU. Então o sistema Ax = b pode ser escrito como: Ax = b Logo: LUx = b Fazendo Ux = y A solução se reduz a: Ly = b Resolvendo o sistema anterior, encontramos y e substituindo y e m Ux = y encontramos x. Página 51 de 55 Material sujeito a correções Exemplo de decomposição LU Dado o sistema: 2 x + 3y - z = 4 + 2z = 3 x 3y - z = 2 Com esse sistema formamos duas matrizes 2 3 − 1 1 0 2 A= 0 3 − 1 e 4 3 B= 2 Temos a fórmula Ax = B Então fazemos A= L*U, Sendo: L = Matriz Triangular inferior (lower) de diagonal unitária U= Matriz Triangular Superior (upper) 1 0 0 l 21 1 0 L= l 31 l 32 1 e u11 u12 u13 0 u 22 u 23 U= 0 0 u 33 Multiplicando as matrizes L e U e igualando à matriz A, conseguimos obter todas as incógnitas das matrizes L e U: 1 0 0 l 21 1 0 L= l 31 l 32 1 * u11 u12 u13 0 u 22 u 23 U= 0 0 u 33 = 2 3 − 1 1 0 2 A= 0 3 − 1 Página 52 de 55 Material sujeito a correções ≤ # Primeira linha de L multiplicando a primeira coluna de U: (i j) (1* u11) + (0 * 0) + (0 * 0) = a11 u11 + 0 +0= 2 u11 =2 ≤ #Primeira linha de L multiplicando a segunda coluna de U: (i j) (1* u12) + (u13 * 0) + (0 * 0) = a12 u12 + 0 +0= 3 u12 =3 ≤ #Primeira linha de L multiplicando a terceira coluna de U: (i j) 1* u13) + (u23 * 0) + (u33 * 0) = a13 u13 + 0 +0= -1 u13 = -1 #Segunda linha de L multiplicando a primeira coluna de U: (i > j) (l21 * u11) + (0 * 0) + (0* 0) = a21 2 l21 = 1 l21 = 1/2 ≤ #Segunda linha de L multiplicando a segunda coluna de U: (i j) (l21 * u12) + (u22 * 1) + (0* 0) = a22 (3 * ½) + u22 = 0 3/2 . u22 = 0 u22 = -3/2 ≤ #Segunda linha de L multiplicando a terceira coluna de U: (i j) (l21 * u13) + (1* u23) + (0 * u33) = a23 (1/2 *(-1)) + (u23 + 0) = 2 (-1/2* u23) + 0 = 2 u23 = 2 + l/2 4+1 u23 = 2 u23 = 5/2 Página 53 de 55 Material sujeito a correções #Terceira linha de L multiplicando a primeira coluna de U: (i > j) (l31 * u11) + (l23* 0) + (0 * 0) = a31 (l31* 2) + 0 + 0 = 0 l31 = 0 #Terceira linha de L multiplicando a segunda coluna de U: (i > j) (l31* u12) + (l32* u22) + 0 * 0 = a32 (0/2 * 3) + l32 - 3/2 + 0 = 3 (-3/2. l32) + 0 = 3 -3.l32 = 3*2 -3l32 = 6 l32= 6/3 l32 = 2 ≤ #Terceira linha de L multiplicando a terceira coluna de U: (i j) (l31* u13) + (l32* u23) + (1 * u33) = a32 (0/2 * 3) + 2 - 5/2 + u33 = -1 0-10/2 u33 = -1 u33 = -1+5 u33 = 4 Matriz Fatorada: 0 0 1 1 / 2 1 0 L= 0 − 2 1 * 3 −1 2 0 − 3 / 2 5 / 2 U= 0 0 4 = 2 3 − 1 1 0 2 A= 0 3 − 1 Voltando à fórmula Ax = B, como A = L* U obtemos LUx = B Agora substituiremos Ux por Y e obtemos a fórmula LY = B, onde 0 0 1 Y1 1 / 2 1 0 * Y = Y2 = B = L= Y3 0 − 2 1 4 3 2 Fazendo a multiplicação das matrizes (L e Y) e igualando à matriz B obtemos um Sistema Triangular Inferior de diagonal unitária. Página 54 de 55 Material sujeito a correções Resolvendo-o teremos: Y1 = 4, Y2 = 1 e Y3 = 4 Como Ux = Y e os valores de U e Y já são conhecidos utilizaremos o mesmo método utilizado para achar Y 1, Y2 , Y3 . Fazendo a multiplicação das matrizes U e X (X1, X2, X3) e igualando à matriz Y, obtemos um SISTEMA TRIANGULAR SUPERIOR. Resolvendo-o teremos: 3 −1 2 0 − 3 / 2 5 / 2 U= 0 0 4 X1 X * X = 2 X 3 = Y1 Y Y = 2 Y3 Donde: X1 = 1 X2 = 1 X3 = 1 Tirando a Prova Conforme a fórmula Ax = B, verificamos se os resultados obtidos X1, X2 e X3 satisfazem as condições da mesma, para isso multiplicaremos as matrizes A e X e igualamos à matriz B. Comparando os valores obtidos do produto AX com B, saberemos se encontramos a solução correta. 2 3 − 1 1 0 2 A= 0 3 − 1 * X1 X X = 2 X 3 = 4 3 B= 2 Página 55 de 55