CAPITULO 3. — Acree Leer Comeuricionau: Dons Prostewss — 65
que indica a equivaléncia entre normas.
Como se observa, a norma euclidiana fomece o comprimento de um vetor. Logo, a norma um ¢ 2 do
:méximo fomecem também alguma medida de comprimento de vetor.
Derinicho 3.14
‘Uma seqiléncia de vetores (X;,X. 5 Ny) €m F* é dita convergente para um vetor X se, € somente se,
lim 1x,- Xi =0. @B.15)
OuseRvacho Analogamente ao visto na Definigio 2.1, se
han oo 1
woe X,—XIP
1x,
6.16)
diz-se que a sequléncia converge com ordem p.
DeriNicAo 3.15,
Anorma de uma matriz A € C(m, a} 6 una fungdo real A € Clm,n|—> |} = IR, tal que quaisquer A, B &
‘Cm, a} para todo escalar c & + as seguintes condigoes sao satisfeitas:
@ JA] =0c JA} =0,s0, € somente se, a
| Gi) cAt = el 1AB
(ii) A+B = Al +1Bhc
[.e) api s 141 al.
Desiicho 3.16
Uma norma matricial € dita associada a uma norma vetorial se, para toda matriz A € C[n, n] ¢ todo vetor
XeC" vale
L IAK = LAL IX
Para qualquer norma de veter, existe uma norma matricial associada. De fato, escothida uma norma
|X|) vetorial, 2 norma matricial a ela associada pode ser definida por
AX
= mix MAE. 7
alm mee Tx J
As nommas matriciais usuais sito:
‘Norma euclidiana: 6.18) 66 Chet Nanri
Norma um: G19)
Norma do miximo: 20)
No Quadro 3.1 mostram-se a norma vetorial e a norma matricial associada.
ss ae
iy=dis i=l Sie
(te mae Vate= maz Big
Quadro 3.1, Norma matricial assciada & nota vetoial
Derinicao 3.17
Una seqiléneia de matrizes {4,}, converge para uma matriz A se, ¢ somente se
Bim 4, At ean
3.3. Sistemas DE EQuacées LINEARES
Um sistema de equagdes lineares com m equagdes € n incdgnitas € usualmente escrito na forma:
32)
lode a, y= 1,2, mj = 1,2, am pertencem a F. Toda n-upla (x3, d@ elementos de F que satis-
faz. cada uma das equagdes em (3.22) € dita uma solugao do sistema, Se hy = by = .. = by = 0, diz-se que
o sistema é homogénco, Em notagio matricial, (3.22) pode ser assim escrita
AX=B, 6.23)
onde
O sistema (3.22) pode ter uma tinica solugio, ou pode ocorrer de o sistema ter infinitas solugdes.
Ocorrendo essas duas situagdes, o sistema sera dito possfvel ou consistente. No caso de o sistema niio pos-
suir solugao, serd dito impossivel ou inconsistente. CAPITULO 3 — Austana Lives ComPuruciona: Dors Paostewes 67
Supondo que A € Clm, n]e# € C*, quanto A existéncia e unicidade de solucio para o sistema (3.22),
possivel mostrar que:
@
ai)
Gi)
Para esse tipo de sistema, tem-
sistema tem solugio se, ¢ somente se, o posto da matriz A é igual a0 posto da matriz aumentada
(aay
Se os postos das matrizes mencionadas no item anterior sfo iguais a r = n, ento a solugtio de (3.22)
Se os postos das matrizes 4 e [A |B] sfo iguais ar G40)
Se for colocado my = 1, k= 1,2, .. entdo os elementos aust
obtidos nessa ordem, respectivamente, de (3.39) ¢ (3.40),
ay © MA ko Medes My 5 SO
Jey sane
ean
Essa maneira de obter os elementos de L ¢ U denomina-se métoda de Doolittle.
Agora, se for colocado 1: = 1, & = 1, 2, ..m, obtém-se um método diferente, chamado método de
Crout. Nesse caso, as equages para o passo & ficam sendo
15.42) CAPITULO @ — Aucesea Leuk Coururaconat: Dols Pkostewas 75
Exemplo 3.10
Efetuando os edlculos com cinco casas decimals, resolva o sistema de equagGes lineares pelo método
de Cront.
Sr—x4x=10
e+ 4x = 12
ett Se
Usando-se (3.42), obtém-se:
3 1 =0,20000 — 0,20000]
L=]2 440000 Lu 4 0.09091
1 1,20000 4.90909 1
Resolvendo o sistema LY = B, ver y, = 2,
ima UX = ¥, obtém-se x, = 2.55856, xy = 1,72222 € x,
81818 © y, = —1,05556. Resolvendo-se o siste-
=1,0556.
Aé 0 momento ni foi usada nesses métodos a estratégia de pivotagdo. Entretanto, para garantic a
cestabilidade numérica, é necesséria uma estratégia de pivotaglo, que pode ser parcial
Apresenta-se a seguir 0 modo como é feita a pivotagio parcial no método de Doolittle, pois para o
método de Crout ela é feita de maneira andloga.
No método de Doolittle, vx, # 0, caso contrario nao € possivel dar continuidade ao método. Entio, 0
celemento-chave nesse método é 6 uj, que a cada passo k deve ser escothido de forma conveniente, a fim de
inimizar 0 erro de arredondamento cometido no decorrer dos cilculos.
cada passo a pivotagio deve ser efetuada da seguinte Forma:
1. Calcula-se
Determina-se max{uff, 1 sn-k +1}
mo desse conjunto em valor absoluto,
3, Troca-se na matriz A, aumentada do vetor constante B, A,, ¢, na matriz L, a k-ésima linha pela (k +
y— 1)-ésima linha, dando continuidade ao método,
Exemplo 3.11
Efetuando os célculos com tr8s casas decimais, resolva o sistema de equagoes lineares pelo método de
Doolitle com pivotagio parcial.
(4x, + 2x x += 6
Rr, +4, + 2x, — Dn,
x, + 4, + 25) — 2ey
2x, $5 Oy +O 8 76 Gaucaio Nunéerco
‘A matriz. dos coeficientes aumentada do vetor constante desse sistema, trocando-se a segunda
linha com a primeira, &
' g 4 2 -2/ 10
i 42-1 1 6
i 14 2-2) 3
; 2 1-2 6 8
I Para k 1b j~ 1.2.3.4: 6 = 2,3,4, temese que wy 2; me
‘iy, = 04125; ma) = 025. Pasa k= 2,) = 2.3.4: ~ 3,4, O primeiro elemento a ser caleulado € 0 a». Os
© candidatos a ven so:
entio, ws, = ul = 3.5, ¢ deve-se trocar em. 4, ¢ La segunda linha com a terceira, resultando em
| 8 4 2 -2/ 10
14 2-2) 3
42-1 16
: 21-2 5/8
i bs = Ay ma 5g ~ Mais = ~ 175;
| 2 ~My) tan = O5 mas = (ey ~ at) ta = O. Para Assim,
| WE = gy = My
Portanto, 1,, =u? = ~2,5, e deve-se trocar em A, ¢ La terceira linha com a quarta, obtendo-se
t 43
1 3 3
Amie 1 4
| rae
i my, = A, my = 0,125; ms) — 0,25; mg, = 0,5; my = I; mse 65; mg = (ty —
[marys ~ melts = O8. Para k= 4,7 = 40 tas = day — Mats ~
i Entio,
1 8
' os 1
| B=lo2s 0 1
i 05 0 og
i Resolvendo-se o sistema LY ~ B, obtém-se yy = 10: y: = 1,75; yy = 4.5: ye = ~34. Resolvendo-
se 0 sistema UX = ¥, obtém-se x =
= 1,75: 5 = 0.5625; 15 = 1,0625. CAPITULO 3 — AuseaRs Lnene Comuracionet: Dots Peoviewas 77,
Método de Cholesky
Para matrizes simétricas definidas positivas, o esquema compacto Se torna atrativo, pois nio é necessério
utilizar nem estratégia de pivotagdo nem escalonamento. Nesse caso, tem-se que (ver Exercicio 25)
vse G43)
‘Sendo assien, 1. = my ty = mp & a8 fOrmulas
41) podem ser modificadas para
44)
que € 0 método de Cholesky.
Onseavacko O ndimero de operagdes que os métodos de Doolittle € Crout envolvem ¢ equivalente ao nime-
ro de operacdes envolvidas no método de eliminagao de Gauss. No método de Cholesky, 0
niimero de operagdes (multiplicagdes ¢ divisdes) € aproximadamente igual a (1/6)n°, isto é
aproximadamente a metade de ((1/3)n°) € requerida na decomposigao usual; além disso requer
somente nin + 1)2 posigoes de meméria para a matriz.L, menos do que as n° localizagdes da
decomposieo usual
‘Método de Correcéo Residual
Os erros de arredondamento, mesmo com pivotagdo ou outras estratégias, tém influéneia nos resultados.
Entio, obtida a solucio, pode-se melhoré-ta por meio de uma técnica denominada método de correciio resi-
dual, que reduz os erros de arredondamento, podendo até permitir uma soluglo razodvel a alguns sistemas
mal condicionados. O conceito de sistemas mal condicionados ser abordado na seqiiéncia,
(O método consiste no seguinte: seja X = X° uma sokugdo aproximada de (3.23), com m = n obtida por
decomposigao LU ou por eliminagdo gaussiana. Entdo,
AX® = BO, (345)
‘Subtraindo (3.23) de (3.45), vem
AG = X) = B- B®.
Denominando ® = X —X® e R® = B — B®, entdo
Ad = R®, 3.46)
Resolvendo-se (3.46) por decomposi¢fo LU ou pelo método de eliminago de Gauss, obtém-se 2, ¢
uma nova aproximagao, para a solugao do sistema, X, é X" = X + 2, Esse procedimento pode ser repe-
tido, calculando-se XX", ., até que o erro de arredondamento seja suficientemente pequeno, O ntimero
de operagdes envolvidas no céloulo de X\", X®, .. é inexpressivo quando comparado com o niimero de ope-
rages para obter X'®, tendo em vista que a decomposigao LU jf esté feita, De maneira geral, 0 método con-
siste na seqiiéncia de passos a seguir. 78 Cuca Nunéaco
Se X' é uma aproximagao para a solugao de (3.23), obtida por decomposigio LU ou por climinagio
a, eno para k= 0, 1, 2... caloula-s:
L
2 R®=B- BY
3. resolve-se o sistema Ae”
4 Xa xHD XO 4 2,
We
0 processo & comtinuado até que todos os elementos de o! em valor ubsoluto sejam menores que
Os * 10"
Exemplo 3.12
A solugio do sistema de equagdes lineares AX = B, onde A é uma matriz de Hilbert 3 3 (ver Exer-
cicio 24), ou seja,
1,000 05000. 03333
A=] 0.5000 0.3333 0.2500 = [2 0 of
0.3333 0,2500 0.2000
‘com quatro digitos, ¢ X = [9,062; ~36,32; 30.30)", Pelo método de eliminagao de Gauss com pivotagio
parcial, obtém-se X = [9,190; ~37,04; 31,00)". Calculando-se o residuo R em dupla preciso e arre-
dondando-se para quatro dfgitos significativos, tem-se R" = (0.002300); 0,0004320; -0,003027)".
Resolvendo o sistema Ae = 8 com a decomposicio LU ja efetuada, resulta é = [—0,1309; 0.7320,
0.7122)". Portanto, x‘" = (9,059; ~36,31; 30,291". Repetindo essas operagdes, vem
(00003430; 0,0001230; 0,0001353/;
9,062; 36,32: 30,30)’, que € a solugao,
0.002792; ~0,01349; 0.012891";
Alice de Fra nas Mbtadas Riretas
Para a andlise de erro cometido no célculo da solucao de (3.23) com m ~ n, inicialmente se examina a esta-
Dilidade da solugao X relativa a pequenas pertubagdes no lado direito B. Sendo assim, considere 0 sistema
perturbado
AX =B+R an
Seja £ = X — X, Subtraindo-se (3.23) de (3.47), obtém-se
AB=
Portanto, E = AR, 3.48)
Para se analisar a estabilidade de (3.23), anatisa-se a quantidade
JEL, URI -
eT aT" pee
onde as componentes de R € IR* sto pequenas quando comparadas com as de B.
De (3.48), tomando-se a norma, tem-se
RIS ANNE VEL =A" IRL CAPITULO 3 — Auceora Linea® Conruracionat: Dovs Prowicmas 79
Dividindo-se a primeira desigualdade por | |X| ea segunda por [ |, tem-se
PRU AEN SAARI
TAVIXT~ TXT 1x
‘onde & norma matricial é a norma induzida pela norma vetorial. Usando-se as desigualdades
IBS ALIX: IXI SWAT BL
1 1RL
TAVIATT [BI
El 1p IRI
ep SAL a
ped aso
XI "Tai ed
Comparando-se (3.50) com (3.49), introduz-se a defini¢ao de niimero de condicionamento de uma
matriz.A, denotado por cond(A), como sendo:
cond(4) = AJ JA]. G51)
‘A quantidade (3.51) varia de acordo com a norma usada, mas cond(A) = 1, pois cond(a)= A] [A =
Waa = Ut =A
Se cond(A) ~ 1, entio observando-se (3.49) pode-se ver que pequenas perturbagtes em 8 conduzem a
‘pequenas perturbagdes em X, e (3.23) € dito ser bem-condicionado. Mas, se cond(A) > 1, entfo (3.49) suge-
re que pequenas perturbagGes relativas em B conduzem a grandes perturbagoes relativas em X,¢ (3.23) € dito
ser mal condicionadbo.
Exemplo 3.13
Considere o sistema de equagdes lineares:
cuja solugto € x; = 0€ x; = 0.1. Entio,
bel
Nesse caso, tem-se: cond(A), = cond(A), = 289, cond(A), = 223,
i Com esses niimeros de condicionamento, conclui-se que 0 sistema pode ser mal condicionado,
| isto 6,0 sistema pode ser sensivel a pequenas perturbagées introduzidas no vetor constante B. De fato,
considere o sistema perturbado
| ferra
3x, +7,
0.69,
| que tem como solugio % = -0,17 A variagio na solugo pode ser considerada grande quan-
do comparada com a variagio do vetor B. Logo, esse sistema é mal condicionado, 80 Chicuto Numteico
‘Como foi visto em (3.51), 0 némero eond(A) varia de acordo com a norma escolhida, Uma maneira de
efinir esse niimero para ele ficar igual a0 menor limite superior para a norma ¢ por meio de autovalores €
autovetores, Esse assunto serd retomado no item 3.4.2 deste capitulo para concluir a anzlise de erro de arre-
dondamento nos métodos ditetos.
InversAo be Mareizes
‘Antes de prosseguir com a apresentacSo de métodos numéricos para resolver sistemas de equagées lineares,
aborda-se problema do célculo da matriz inversa, A”), de uma matriz.A, n x n, ndo-singular (det A 0).
Da Definigao 3.5 sabe-se que AA“! = 4 Se for eolocado X = A“, tem-se AX = ou AX, = @3 7
1,2, monde X, € a p-ésima coluna da matriz Xe e, 6 a p-ésima coluna da matriz J. Entdo, as colunas
de A“ siio as solugdes dos sistemas de equagbes lineares, AX, = ¢,, Logo, 0 método de eliminagao de Gauss
pode ser usado no eélculo de A~’, aplicando-o & matriz [4 |/] de ordem n x 2x, ou seja, & matriz. dos coefi-
Cientes aumentada da matriz identidade. O algoritmo para 0 método de eliminagto de Gauss nesse caso € 0
mesmo, apenas j = k + 1. + 2, m0 2n em (3.24) e (3.25), A solucdo dos n sistemas de equapdes lineares
triangulares resultante da aplicagio de eliminago em [4 |] so as colunas da matriz A™!
‘Outra maneira de calcular A~! € por meio da decomposigdo LU. Se a decomposicio L1/ da matriz. A é
conhecida, entao se calcula A~! como sendo 4’ = LU)! = UL. A matriz inversa da matriz L é também
‘uma matriz triangular inferior. Colocando ¥ ~ L~?, as colunas ¥;de ¥ satisfazem LY, = ¢,j ~ 1,2.3, os Eno,
(08 elementos de L~! sfio determinados, resolvendo-se os n sistemas triangulares que tém, como solucio,
a- Btu
PE Ll Tov
3.52)
‘onde
Analogamente, Z = U~' € uma matriz triangular superior com elementos calculados por meio de
Zr
ol (353)
{ Exemplo 3.14
Calcule A~' por eliminago gaussiana e por decomposigio LU, onde
&
i
Por eliminag0 gaussiana: CAPITULO 3. — Auceure Linea® Conruraciowal: Dovs Peowuenas
aq dg ay dh a an 1 2 : °
a) dah ahaa | 2 3 0 1
Ce a a 1 2 0 o
my a 05 15 2-05 1
my a 2 =1 2-20
Mm a ae -067 | -067 _-2.33 067
i =05 -497 3.48
4 oh M 0 2 =1
ao OH as 2 1s
Amatriz A é
05 0s,
At=|-497 202
348-1 -15
Por decomposi¢o LU, da eliminagao gaussiana tem-se que
1 21 2
u=l05 1 eu 1s 2 |.
2 067 1 0.67
Usando-se (3.52), obtém-se
©, por meio de (3.53), caleula-se
ost 2
0s -034 05
et
-15
A matriz inversa A~" é dada pelo produto da matriz.L~! com a matriz U~', Logo,
0 as
202 |
-1 15
Méropos trerarivos
_
Apresentam-se a seguir métodos iterativos para a solugo de (3.22), com m
dos iterativos.
al
rn, que possuem caracte-
ticas As dos métodos iterativos apresentados anteriormente para a solugio de equagao nao-linear
‘uma variavel, Sendo assim, os elementos constituintes desses métodos sdo: tentativa inicial x para a solu-
‘glo de (3.22); equagao de iteragao do tipo X = @(X), e teste de parada. Abordam-se nesta seco tres méto~ 82 Chcwo Nuwéeica
Método de Jacobi
Supondo que a, # 0;
a, 54)
Sendo x = [x11 .. 4.0] uma tentativa inicial para a solugio do sistema de equagbes linenres, para
1 =0,1,2,... caleula-se a seqiiéneia de aproximagées para a solugio X, (X"*!}, XED = [YFP a6, NYP
por meio de
55)
ats que um teste de parada seja satisfeito. Os testes de parada mais usuais sio:
5! 0, d, € tomado como um
elemento do subespago 5;. Entao, d, € uma combinagao linear dos gradientes gy... si. 04 Se, S, coinci-
de com o subespaco gerado pelos gradientes 9, 2,» A diego d, deve ser tal que, Se Xess = Xe + ted
for tomado como ponto 6timo na direc d, (admitindo, portanto, pesquisa unidimensional exata), esse
ponto sera também 6timo em todo 0 conjunto ¥,. Em outras palavras, d; € S, deve ser escolhido de tal forma
que a restrigio de F a V; seja minima no ponto X,... Note que, em prinefpio, esse método € tio eficiente
quanto o de gradientes puros.
Seja k > 0. Existe um ponto 6timo em V,. De fato, se X € Vj, entio X =X, + Yay g, Logo, FX) =
FO) = FO, + Se)
Jimitada inferiormente. Assim, de acordo com a teoria das fungdes quadriticas, existe um minimo para Gem.
IR" e, portanto, para F em Vi.
Deseja-se que X.., seja esse ponto de minimo, Assim sendo, X,., seré também ponto de minimo para
F, quando restrto a qualquer direg30 v © Vj; portanto,
GleGy ns €). Note que G € uma funclo quadrética nas varidveis ay, a, 06, € €
‘em particular, para » = g, resulta em
Wes gd = 0, G65)
A propriedade (3.65) justifica a denominagao do método.
Por outro lado, tem-se que as direcdes sto A-conjugadas, isto é, (Ad,, d) = 0,8 = 0, 1, k: De fato,
9%) — 90) =a - x)
a) = gX) + AY’ - X).
Para ¥ = X,. €X = Xy essa relagio se torna 88 Ciucuo Naneerco
= Akay = XD.
Como X,,,~f, = ny entio
Biv ~ B= Ad 3.66)
Multplicando-se (3.66) por d= 0, 1.2 k~ 1, tease
est — 8d) = HAdy gph i 0161 = &. De (3.67), di € g4 i= 0,1,.., # — 1 so A-conjugadas, Lembrando que A 6
siméttica, entiio (Ad, a) = (dy, Ad); portanto,
Hd Ad)
(a, AN — X99
ist0 6, (as gi0i ~ 8) = 0,
(6,15 0,1,2, ah
1 Ivo k= 1, OU (ty) ~ dy) = De, Consequientemente, (dj, 2) ~ constan-
Uma Expresso Recorrente para d, (i> 0)
‘Da iwvatidueia ¢ da orrogonalidade dos gradientes tem-se:
Bgl; t
Logo, CAPITULO 3 — Aceate Lear Conruraconat: Dols Prosirmss 89
ou
3.68)
ou ainda,
onde
Cateulo do Passo,
O valor de, € calculado como no método de gradientes puros, ou seja, realizando-se pesquisa unidimensio-
nal exata, do que resulta
(odd
d,, a)
ow
~ Mtns
Add)
1
ta ver qe 4) = (tumay + HEE
Desse modo, um algoritmo para 0 métode fica sendo:
41) = “Goad
41, Escolhe-se X> € iR* como uma tentativa inicial para a solugao de (3.23) com m= n.
2 Caleuta-se
Bon Bo)
tad a)
3. Parag =
2,3, «» caleula-se
Keke thd
a= AB 90 Caucus Nunéeica
wt ead
(gy 80
ad, 4°
4. O processo continna até que |X; ~ X,-,| <¢ ou |¢s| <, com e suficientemente pequeno.
Propriedade do Método de Gradientes Conjugados
‘Uma propriedade do método de gradientes conjugados que 0 toma mais eficiente que o método de gradien-
tes puros é que ele converge com um ntimero de iteragdes nfo superior a n + 1, quando aplicado na mini-
mizago de um funcional definido em IR’. De fato, sendo os gradientes mutuamente ortogonais, ou alzum
deles € zero (¢ entio ter4 terminado o processo), ou eles sfo linearmente independentes, o que evidente-
‘mente ocorreré enquanto & for menor ou igual a n. Teoricamente, isso significa que, se o sistema tem n
equagées, com no méximo n iteragées, obtém-se a solugo exata do sistema. Nos métodos iterativos em
eral, com a aritmética de preciso finita 0 nimero de iteragdes necessérias pata se ter a solugdo com a pre-
Cistio desejada nfo € conhecido previamente € pode ser superior a n, Isso € um atrativo do método de gra-
diantes conjugados.
Exemplo 3.19
Resolva o sistema de equagées Tineares do Exemplo 3.18 pelo mérodo de gradientes conjugados,
tomando Xj = [0, 0, Of.
‘Usando-se 0 algoritmo, obtém-se 0s resultados, conforme mostra o Quadro 3.7.
k x ae 4 Xn
0 | @.0,0 4,9, 10) 0.0987 _| (1.0857; 0,8883; 0,9870)
1_| 4.0857; 0,8883; 0,9870)_| (—0,7994; 1.1409; -0,0264) | 0.0992. | (1.0064; 1,0015; 0,9844)
2_ | c1.0064; 1,015; 0.9844) | (-0,0592; ~0,0152; 0.1507) | 0,0970_| (1,007; 1,0000; 0,990)
Quadro 3.7. Exemplo de apicacao do método de gradentesconjugados.
SisTenas Esparsos o¢ Equacoes Lineares
‘Com frequlncia, na prética depara-se com sistemas esparsos de equagGes lineares. Na resolugo por com:
putador de sistemas esparsos de equacSes lineares de ordem elevada, um dos aspectos mais importantes & 0
problema de armazenamento da matriz dos coeficientes. E dbvio que para uma matriz esparsa, quanto mais
elementos nulos nio forem armazenados, maior seré a economia de meméria. Essa economia pode, entre-
tanto, resultar em sobrecarga de processamento, pois algumas vezes os elementos no-nulos dependeriio de
referéncia e acesso mais elaborados.
Para o armazenamento dessas matrizes, dispde-se de diversos esquemas. O problema ¢ escother 0
esquema mais econdmico para uma solucdo eficiente do sistema, por determinado método,
Armazenamento Bidimensional da Banda: Matrizes Nao-Simétricas
Se a matriz é do tipo banda, onde 1, 6 pequena em comparagiio com n (ordem da matriz), 6 conveniente
armazenar apenas os elementos da banda da matriz, pois isso propicia significativa economia de meméria
De fato, por exemplo, se a matriz ¢ tridiagonal de ordem 100, em vez de se armazenarem 10° elementos, que
0 ntimero de elementos da matriz, armazenam-se apenas 300 numa matriz. de ordem 100 x 3, De maneira
geral, em vez de se armazenarem x » elementos, armazenam-se n> 1, elementos, ritulo 3 — A
ssn Linear CoMPUTACIONAL: Dols Pragienss 91
Ficam entio as perguntas: como € possivel armazenar apenas os elementos da banda da matriz?
E como os métodos numéricos so adaptados a esse esquema de armazenamento? Pata mostrar isso,
considere 0 caso particular em que A, matriz dos coeficientes em (3.23), é tridiagonal, isto é, tem a
seguinte estrutura:
A aa
a | we 1" linha de A.
Fee wee ‘2 linha de A
re nxn ms
Figura 3.6(i) Matiz tidiagonal armazenamento normal, Figura 3.6(i) Matiz tridiagonal armazenamento em bands,
AAs linhas da matriz dos coeficientes podem ficar seqiencialmente armazenadas numa matriz de ordem
nx 3. A diagonal principal fica correspondendo 4 2! coluna, ¢ as diagonais secundérias abaixo e acima da
principal comespondem & 1! e & 3* colunas, respectivamente,
A adaptacio do método de eliminagdo de Gauss para sistemas tridiagonais, a fim de que operagées
desnecessarias nao sejam realizadas, fica sendo:
8.70)
Past 17 Mae Oe
Supondo agora que os elementos da banda de 4 estejam armazenados numa matriz.C de ordem x3
e dispostos conforme a Figura 3.6(ii), entao um algoritmo do método de eliminagao para esse tipo de arma-
Zenamento pode see
am 92 Chucuto Namenica
A solucio do sistema triangular é dada por:
72)
Isso que foi feito para um sistema tridiagonal pode ser feito para quaisquer sistemas com a largura de
banda |,, Outros métodos também podem ser adaptados, armazenando apenas os elementos da banda.
Caso a matriz dos coeticientes seja simétrica, & possivel desenvolver esquemas ¢ adaptar métodos em
ue a parte simétrica da banda nao seja armazenada e, nesse caso, a economia de meméria seja ainda maior.
Armazenamento Unidimensional da Banda: Matrizes Nao-simétricas
esse caso, em vez de os elementos da banda da matriz dos coeficientes estarem armazenados numa matriz
de ordem 1X ly, eles sito armazenados num Yetor, dai o nome armazenamento unidimensional.
Para verificar como isso pode ser feito, suponha que se deseje resolver (3.23) pelo método de elimi-
‘ago de Gauss, com matriz dos coeficientes tridiagonal nao-simétrica, e que os elementos da banda este-
jum armazenados em urn vetor,
"-
[= x © x |} einaaca
aie x |J
ee fo} pesiaaiea
oO a “ | simak de A
L
Figura 3.70) srs wegen naenamen a Figur 3.70) Mie idiagona: aavenament uniirensorl
Denominando V = [¥y, V5. Vy = Yyq_ol” de vetor onde os elementos da banda esttio armazenados
sseqllencialmente por linhas, observe que 0s elementos da diagonal principal da matriz dos eoeficientes
‘correspondem em V aos elementos v3.9. = 1,2, a. 11~ 1,€ 08 das diagonais abaixo e acima da principal cor-
respondem respectivamente em V aos elementos v3. Yey13 f= 1,2, 11 ~ 1. Eno, 0 algoritmo indicial fica
sendo
@73)
sistema triangular resultante da eliminago pode ser resolvido por meio de:
am)
n= 2,41 CAPITULO $ — Ausesaa Lean Coueracion: Doss Prasiemss 93
‘Seguindo raciocinio andlogo, outros métodos para resolver sistemas lineares, em que a matriz dos coe-
ficientes é do tipo banda com anmazenamento unidimensional, podem ser adaptados, a fim de que operagies
desnecessérias nao sejam realizadas, propiciando economia e redugd0 do tempo de processamento.
‘Armazenamento Unidimensional da Banda: Matrizes Simétricas
Este tipo de armazenamento & possivel de ser adotado se a matriz é simétrica e se o método numérico a ser
uusado na resolugdo do sistema permite que se armazenem, na banda, somente os elementos da faixa, ou seja,
parte da matriz.composta dos elementos da banda sem os elementos simétricos. Dependendo da largura 1,
minima de diagonais secundarias, a economia de meméria poder ser significativa, Inicialmente, apresen-
tam-se alguns esquemas de armazenamento unidimensional da faixa, para depois se proceder 2 adaptacio
dos métodos numéricos para tais esquemas de armazenamento,
‘Esquema 1: Armazenamento de Matriz Tridiagonal
‘Seja A uma matriz tridiagonal. Armazenando-se seqlencialmente por linhas os elementos da faixa de A num
vetor V, tem-se
lene a de Ts
conde os sobrescritos nos a, indicam a posiglo desse elemento no vetor ¥. A dimensio de ¥€ 2n~ 1, © para
localizar o elemento a, no vetor V basta realizar a operaglo i + j ~ 1. Esquemas semelhantes a esses podem
ser obfidos no caso de A ser pentadiagonal, septadiagonal etc,
Esquema 2: Armazenamento da Faixa para Qualquer Largura de Faixa
Nesse esquema, a faixa de A seri armazenada por linhas em um vetor V, conforme indicado na Figura 3.8,
Ti
} Retin
“ae |
O\T N | Resito tt ves tia
laments
smstecos
Figura 3.8() Fixe ou semibanda super. ‘Figura 3.8() Acmazenamenta da faixa no veto gor nha,
Armazenando-se por linhas as elementos da faixa em V, referenciam-se os elementos da faixa dentro
do vetor V por meio de uma fungao que depende de i,j, n € 1;. Para isso, considera-se a parte inteira, pi),
da expressiio
B+ 2), (373)
onde
0 se i © regifo 1
woof StS Sim 94 Chico Nuwteico
Definindo-se por i, a variével que indica a posigo do elemento a, no vetor V, tem-se
(= Dips J— f+ 1G = mt = 2M + 1 NHB 75)
Esquema 3: Armazenamento da Faixa da Matriz de Banda Variével
Este esquema é proposto por Jennings & Tuff (1971) e consiste em armazenar de cada linha da matriz
somente os elementos entre o primeiro nao-nulo ¢ o elemento da diagonal principal. As linhas sao armaze~
nadas seqiiencialmente no vetor V ¢ ¢ utilizado um vetor de enderecos S, que contém as posigdes dos ele-
mentos da diagonal no vetor V. A posicdo do elemento a, no vetor ¥'€ caleuluda por meio de
-ith am
0 indice cotuna do primeiry elemento ndo-nulo de uma linha &, k= 1, 6 dado por
~ Ise seal + (3.78)
E obvio que riesse esquema o ntimero de posigdes de armazenamento no dependerd somente do
nnimero de elementos nio-nulos da matriz, mas também da configurago desses elementos na matriz.
Nesse caso, 0 n(imero de elementos da banda é dado por
m= (1 ~ ep fl €3) (3.79)
onde ¢, ¢e, sao indices de esparsidade da matriz ou da banda, isto &, a porcentagem de coeticientes nulos
dentro da matriz e da banda, respectivamente. O niimero de elementos da faixa sera (n, + n)/2. Além disso,
‘0 vetor de endcregos ocupa » posigdes, entio o mimero de posigses de ammazenamento ser
atm (Lepr +3n(l - 6)
+n
ge aoe
(3.80)
Esquema 4: Armazenamento Exclusivo dos Klementos Nao-nulos da Kanda — Matriz com estrutura,
Definida
‘A matriz dos coeticientes pode ser também esparsa no interior de sua banda, A economia de meméria toma-
se ainda mais significativa se os elementos nulos da faixa nao so armazenados, Realmente, considere uma
‘matriz que tenha estrutura como a da Figura 3.9.
‘© Quadro 3.8 mostra o quanto é economizado de meméria se forem armazenados da faixa apenas 03
elementos no-nulos indicados por x, em vez de todos 0s elementos da faixa,
7 % de economia de menor
2s saan
81 68,2353
289 82,8282
1089 91,0407
4205 95,4193
10.000 97,0187
Quadro 3.8 Econamia de memésia para mati com a estrtura da Fgura 3.9 CAPITULO 3 — fusebea Lent Conrurarowst: Doss Prostexes 9S
i,
x LH Bremenos autos
seekmentos nfonules que
“Scio anarenados
lementossiméricos
(lo armazenados)
Figura 3.9 Matiz esparsa com uma faba de elementos nus no interior da faba.
Observe que, quando 1 = 10,000, a matriz terd 10° elementos, a sua faixa terd 1.004.950 elementos &
‘a quantidade de elementos armazenadios sera igual a 30,000.
‘Armazenando os elementos no-nulos da faixa por linhas, a Figura 3.10 mostra a disposigdo deles no
vetor V € 0 elemento a, pode ser referenciado no vetor Vem &, com as seguintes instrugdes:
Sey-D=1,
entio ky = f+ 20 — Di:
senao k, = 31
Woe) = ay
y 0
My OE Vy
MOVs Ye
— Vana | Yerot
Figura 3.10. Disposcd0 dos elementos nao-nuos da fava da mati no veto V.
‘Se a matriz tem uma estrutura similar & da Figura 3.10, entao, sem grandes dificuldades, ¢ possivel
obter um esquema para referenciar os elementos da matriz dos coeticientes no vetor V. 96 Ciucu Nawéeno
Esquema 5: Armazenamento Exclusivo dos Elementos Nao-nulos da Matriz — Matriz com Estrutura
Nao Definida
Quando a matriz é esparsa, mas ndo tem uma estrutura definida, pode-se recorrer ao esquema de armazena-
mento que segue. Para cada elemento nio-nulo da matriz, guarda-se 0 indice da linha ¢ da coluna,
Armazenando-se a matriz por linbas, esses indices podem ser desprezados. Forma-se, entio, um vetor com
08 elementos ndo-nulos, sendo cada linha da matriz dematcada nesse vetor por um zero. Porma-se também
lum vetor auxiliar de indices das colunas nas posicées comespondentes aos respectivos elementos nao-nules.
Nesse vetor auxiliar, nas posigdes correspondentes aos zeros demarcados no vetor de valores, indica-se o
‘imero de elementos da linha correspondente. Tem-se, assim,
‘Vetor de valores: (0) Tinka 10128 nha |. 10 In-ésin lia)
Vetor auxiliar (7m, | jis uly, MgB db, | Lm Leds ond Je
onde m,, my, m, indicam 0 nimero de elementos da 1", 2%... n-Gsima linha, respectivamente, &
UieFeond zou = e2s ons Tepresentam © indice das colunas correspondentes aos elementos da p-esima
linha!
Nesse caso, a dimensao fica sendo
Netor de valores: ((1 — e,)n® + 0)/2+ sn
onde a primeira parcela corresponde aos elementos niZo-nulos da faixa, ea segunda, aos n zeros demarcado-
res colocados no vetor de valores. Por sua Vez, temn-se:
‘Vetor auniiae: (1 ~ ey? + 9/24 82)
Sendo assim, o nimero total de posigaes de armazenamento &
(1 = en? + 31, 3.83)
De posse dos esquemas de armazenamento, 0 passo seguinte é adaptar os métodos numéricos a esses
esquemas. A seguir, adapta-se 0 método de Cholesky para sistemas tridiagonais ao esquema 1 de armazena-
‘mento unidimensional ¢ 0 método dos gradientes conjugados avs esquemas 4 e 5 de armazenamento.
Método de Cholesky Adaptado ao Esquema 1 de Armazenamento
Adaptando-se 0 método de Cholesky para matrizes tridingonais, tem-se o seguinte algoritmo
my = (ay),
EA 2350-1
gg gy = MN? 84)
tn = (ay — Ml
Supondo agora que os elementos da matriz A estejam armazenados vetorialmente em ¥, conforme 0
esquema 1, € que os elementos de L, sejam armazenados na forma
onde 0 sobreserito indica a posigdo do elemento da matriz no vetor V, entiio o método de Cholesky fica
sendo CAPITULO 3 — Auseaea Linear Coupuinciona: Dots Proauems — 97
85)
1, = Bgl,
B= mes Suns
Método de Gradientes Conjugados Adaptado ao Esquema 4 de Armazenamento
A adaptagio desse método para algoritmo apresentado no Item 3.3.1 incide somente sobre 0 produto da
‘matriz A, com armazenamento unidimensional no vetor V, pelo vetor X., € no edleulo de d,. Eno, 0 algo-
ritmo para o método € 0 que jé foi apresentado, sendo o produto Z = AX calculado por meio do seguinte
algoritmo
n-y-1
indy =1
=o,
Para i= 1, 2,.., kexecute
4 ind,
42 + Vga, 5
43 +1, com passo I~ 2, até i + 1,~ 2, execute
43.1 ind; = ind, +1
432 =, + Vg)
44 ind, = ind, +3
Para i= n~ 1,1 execute
Sind,
ind,
2+ Ma,
ind, ¥ 1
GuseRvACAO Para adaptar o método de gradientes conjugados com o esquema de armazenamento unidimen-
sional 5, basta adaptar a maneira de fazer o produto da matriz dos coeficientes armazenada em
V por X, e 0 modo de calcular ai
Inpicaivos Compurraciowars: Srerena nr Fquacrs | veanes
Ao resolver o sistema (3.22) com m= n, a preocupacio nio deve ser apenas resolver o sistema, mas sim
resolvé-lo ‘bem’, isto €, deve-se fazer uma combinago que aproveite ao maximo as caracteristicas do sis-
tema no que concemne & estrutura da matriz A, as vantagens do método para cada tipo de sistema, bem como
as vantagens da maquina a ser usada, 98 Chucuwo Numérvo
Para afirmar que 0 sistema (3.22) é de pequeno porte, porte médio ou grande porte, € necessério ter
em mente algum referencial. A idéia de pequeno, médio e grande, em muitas situagdes, € relativa, O refe~
rencial a ser tomado deve ser a capucidade da méquina que ser usada para a resolueio do sistema.
‘Um sistema com 100 equates e 100 incégnitas pode ser de pequeno porte para determinada méqui-
za, de grande porte para outra ou até mesmo ser impossivel de ser resolvido por uma terceira. Quando hi
disponibilidade de informagdes como as que constam no Quadro 3.9, em que a mAquina levou 3,07 segun-
dos para resolver um sistema com 81 equagées, conclui-se que, para essa maquina, esse é um sistema de
‘pequeno porte.
‘A guestio € como aproveitar ao maximo ¢ com eficigncia a méquina disponivel para resolver um sis-
tema. Por exemplo, se a matriz A for esparsa, é claro que, se for possivel resolver o sistema por meio de um
‘método que permita o armazenamento apenas dos elementos nifo-nulos de A, a economia de memoria & sig-
nificativa e o sistema pode ser resolvido por meio de outras méquinas que a priori nfo o resolveriam caso
todos os elementos de 4 tivessem de ser armazenadlos.
Outro aspecto a considerar € que, além das limitagdes de maquina, existem as limitagdes inerentes a
cada mé1udo, Por exeuiplo, 0 método de gradientes conjugados pode ser usado se A for uma matriz simétri-
a, definida positiva, © mesmo acontece com 0 método de Cholesky. A utilizacio do método de eliminaco
de Gauss, que, teoricamente, fornece a solugdo exata, pode ser catastrfica se o sistema for mal condi-
cionado. Isso se deve & propagacio dos erros de arredondamento. © método iterative de Gauss-Seidel
somente converge para determinados tipos de sistemas de equagSes, E imposetvel usar a regra de Cramer
‘para resolver sistemas, a menos que o sistema seja de poucas equagdes.
Desse modo, cada método tem as suas vantagens € desvantagens, © a decisiio de quall deve ser usado
depende do problema particular a ser resolvido.
‘Tendo-se em mente esses fatos, fazem-se as seguintes consideragbes:
(i) Tratando-se de sistemas de equagées lineares de grande porte, cuja matriz dos coeficientes é simétri-
a, definida positiva e esparsa, é fundamental do ponto de vista computacional 0 uso de armazenamen-
‘0 unidimensional para a matriz dos coeficientes. Se a matriz tem estrutura determinada, € possivel 0
desenvolvimento de esquemas especificos para cada estrutura, Por exemplo, no caso da matriz tridia-
gonal, o Esquema 1 é mais eficiente que o Esquema 2, Uma comparacio entre os esquemas 3 ¢ 5 no
ue conceme ao uso de meméria resulta no que segue. O gasto de armazenamento do Esquema 3, dado
fem (3.80), depend de), e: € n, Habitualmente, 1 € e, so conhecidos. Ento, no Bsquema 3, a prio-
1, € dificil prever a necessidade de meméria, J4 o Esquema 5 depende apenas de e, €n (ver (3.82).
De acordo com (3.80) e (3.83), 0 esquema de armazenamento unidimensional 5 seri mais vantajase.
quando
(= epn? + 3nl — 2) 2
SE > a epi + 0
isto é,
ey Le +3
° 20 = ee +n oe
Da desigualdade (3.86) conclui-se que 0 Esquema 5 supera o Esquema 3 quando o indice de esparsi-
dade da banda (e.) supera 50%.
Entre 0s métodos iterativos, diretos e de otimizacao, para resolver sistemas de equagdes lineares espar-
sos de grande porte, com esquema de armazenamento unidimensional, método mais eficiente é 0 de
eradientes conjugados, devido aos seguintes fatos:
(@)_€ fécil de ser implementado computacionalmente;
() permite o armazenamento somente dos elementos nfo-nulos da matriz dos coeficientes; CAPITULO 3 — Auseees Leak Cowruractonat: Dots ProsLemss — 99
(©) €um método que demanda menor tempo de processamento. A titulo de informagio, calcula-se ©
tempo de processamento para se obter a solugao de (3.22), onde A tem estrutura como a indica-
da na Figura 3,9, pelo método de gradientes com o esquema de armazenamento unidimensional
4. Os resultados obtides so mostrados no Quadro 3.9, onde n representa o niimero de equag6es
do sistema c r representa o tempo gasto em segundos para resolver o sistema. © Quadro 3.9 da
ina idéia aveica da eficieucia do méwodo de gradtentes con|ugados quanto a0 tempo de proces-
samento [Sperandio, 1981], ¢
(@ teoricamente 0 método converge para a solugao do sistema em até n iteragées e, quando a matriz
€ esparsa, o ntimero de iteragées é bem menor do que n, De fato, empiricamente se determinou que
‘o nimero de iteracées, utilizando-se o teste de parada | g, || Daal [As] =~ = [Ayhe sendo X;, XX, 08 autovetores de A associados aos autovalores Ay, A...
A,eZ EIR’, entio
Fy ks + Oy to + Xp QE Ri = 12,00 412)
Aplicando a matriz A repetidamente ao vetor Z,, resulta em,
2, ~ AZ,= a, AK, + a, AX, +o. +0, AK,
= W ALN HAIR, ta TP |LALA,
ae -fara (2) 240 0) x]
nfo va,(2)n tra}
Como Aya) < 1.)= 2,3, a diregao de Z; tende para a dirego de X,, desde que a # 0. O quociente
Zaz,
ZZ,
ene)
denominado quociente de Rayleigh de Z, tenders para A.
Na pritica, visto que A}? freqiientemente tende para zero ou se tora muito grande, é necessirio esca-
Jonar a seqiéncia (Z,), Isso pode ser feito usando, em lugar de (Z,), uma seqincia (¥,), tal que [¥|y = 1,
obtida a partir de ¥, = Z,/|Z,|>. Entio, Z,., = AY, # = 0, 1,2, ..,€, portanto,
O algoritmo para 0 método da poténcia fica sendo:
fornecido um vetor inicial 2);
Para k = 0,1, .,caleula-se
fe Sau = AZ: AY = VE Zea
Ah
3. O processo continua até que
ae — ag
Sat] <2 ou [age atl D = diagQy, Roy Ay.
Os autovetores sio determinados por
X= QQ Oc = Xe-Oy k= 1,2,
1,2, a © autovetor associado ao autovalor ,, pois, de acordo
onde Q, & a matriz.de rotago usada para anular 0 elemento oi
autovetores X = [Xi Xs my Nah Sendo Xi,
com (3.91), A = @D, sende Q = Q10r
Entiio, X; tender para a matriz. dos
Exemplo 3.24
Determine pelo método de Jacobi os autovalores e autovetores da matriz, CAPITULO 3. — Aveebea Lineat Conrutscionat: Dots Proecexas 113
@) k= Lyamulagio de al! ea, entio p= 1 eg =2:
2d) dd
=> sinal da tg 26 =~; 08 26 = —
V (di = ah) + 4a:
0.70711; ¢ = 0.70711; s = 0.70711; r = ~0,41421;
B= — 7
Céileulo da matriz. A,
A, = Ry“ BARS)
0
O07 070711 i) — RO)
[san 070711
AP — tal = 1 + (-1)2 = ~1,00000
Bh = — af? — sal) + ral), F— 1,25 2#1 © 1#D
af) — sai + rai) = 1 — (0.707 LIY(A + (0.414219) = 1.41421
at? + sfal? — rd); 7= 1,23 11 © 122
a a2 a] 3.00000 0 1aaaz
@ @l-lo ~1.00000 9.00000)
og a8] [141422 0.00000 1.00000
wo -1eq
cos 28 asm;
Veal = 8) + 4a
sen d = 048970; 208 = OS6607: ¢— 088807: ¢~ ~O4S0T0y = 024818 1= -0.8176
Céileulo da matriz As:
AL= RADAR OD
‘ass07 0 —0,45070)
045970 0 (0.88807
0 1 0 pan RM) = RO)
~ (-0,51764)(1,41422) = 3.73206
+ (-0,51764)(1,41422) = 0.26794
+ raf) = 0 — (=0,45970)(0,00000) + (—0,24348)0) = 0.00000,
10,0000 — (-0,459703(0 + (~-0,24348}0,00000) = 0,00000 4 Ghcuto Nunéeico
aoa] 7373206 0
| A= |i) a ah =] 0 o
a ° © a26794|
0.26794, As colunas da mati X
= 0,0, sho os autovetores correspondentes. Efetuando-se entio 0 produto Q,0,, obtém-se o8 autoveto-
#08 X, = [0.62796 0162796 0.45970)", Xq=[-0,70711 0.70711 O}" eX,=[-0.32506 0.32506 O88807}"
Se a amulagdo for feita em ordem cfclica, dada pelos indices (1,2) (1,3), (I,m), (2, soy 25, 8.4), on
(@— I,m), conforme Isaacson & Keller (1966), 0 método de Jacobi converge quadraticamente. Esse método
tem uma boa eficiéncin para matrizes de grande porte, pois nem sempre a reducio da matriz dada & forma
diagonal é possfvel por um nimero finito de transformagdes similares,
Muitos métodos de determinagao de autovalores e autovetores comegam transformando a matriz A em
uuma forma que tenha uma estrurara mais tiatével du que A e Us snesius uulovalores € auToveTores, que
podemos obter por meio de um nismero finito de passos, de maneira mais facil
No caso de uma matriz simétrica, uma forma conveniente é obter a forma simétrica tridiagonal, ¢ para
‘matrizes ndo-simetricas uma forma conveniente é a quase-triangular ou de forma de Hessemberg, isto é, uma
matriz,H com a estratura
yy
nt
won| ig
CD her A
Givens prop6s a redugio de matrizes simétricas a uma forma tridiagonal por uma seqiéncia finita de
rotagdes planas ((n — 1)(n ~ 2)/2 rotagtes). Householder propds a redugio de matrizes arbitrdrias a uma
forma quase-triangular por meio de reflexdes planas (n ~ 2 reflexées). Para mostrar isso, a seguir se apresen-
ta.0 método de Householder.
Mérop0 pe Housewotwer
Neste método, a matriz 4, nfo-simétrica, € reduzida a uma forma de Hessemberg por (n ~ 2) reflextes
planas:
AvsPIODAP LW): R= 12a 2, 6.16)
PAW) = 1-2 _ ww,
AM =~ a Wa oun
‘Assim sendo, tem-se de encontrar W, para definir PW). Para & = 1, temese
ABW, AP,W,) G18)
PW) = 1-2 ww, 119)
1) = rg
Para realizar esses céleulos, é conveniente fazer a partigfo das matrizes na seguinte forma: CAPITULO 3 — Auseoe Liners Compuraconsi: Dots Prostewas 115
onde A,, P, ¢ W, so de ordem n — 1. No caso geral para o passo &, tém-se matrizes de ordem n —
Realizando-se a multiplicaglo indicada em (3.118), vem
‘A consigdo que deve ser imposta é que a primeira coluna e a primeira linha de 4, estejam na forma
quase-triangular:
‘onde x indica elementos ndo-nulos e A, = P7A, P,
‘A forma de A, pode ser alcangada pela reflexdo P, aplicada ao vetor C, de A, transformando-o em um
‘vetor que tem somente a sua primeira coordenada nfo-nula, O comprimento do novo vetor deve ser o mesmo
que 0 de C,, Entio, WV pode ser determinado da condigdo
C—O WS, = +1C he @.120)
conde e; = [1 000... 0/7, 0 sinal ‘+’ ou ‘—" pode ser escolhido para aumentar a estabilidade numérica. Como
Enecesséria apenas a diregio de W,, uma solugdo para (3.120) &
©, + sinal (a) Cs
No passo seguinte, isto &, para k = 2, proceda na matriz A, como na matriz.A,,¢ assim sucessivamente,
Exemplo 3.25
Reduza a matriz A a forma quase-triangular, sendo
»
fl
Para k= 1 116 Cueuto Nunca
3 a] f sues 5
+ 3.1623 50-2 13;
“i. 9 aa wem,
1 of 6.1628 _ 1) -[-29481 os161
[i] -995[. $2 ]tses—n= [eat aus
e osss1 3.1622
31604 —0,39968 2.19829
0 0119952 6.39938
No caso de a matriz A ser simétrica, seria obtido 0 seguinte’
saat
Conseqiientemente, apés (1 ~ 2) transformagoes, a matriz A estaria reduzida a uma forma tridiagonal
Exemplo 3.26
Reduza 4 a forma quase-trianguler, sendo
S401 0
46-4 1
AS) aca og aap
Oo 1-4 5
0
“i ] fran)
1)—suasi [oleh w,=]-8 2], 6 qoaesrs
0 qf o t
10 0) [-suzair 0.9701 02425 o
01 0-0] 1 [-812311 1 o]=]0.2825 o9701 0};
oo1
° oo i
1 0 oo
p,=|® ~29701 0245 0
© 02425 09701 of
0 0 0 1
5 412300 0
4.1230 7.8823 3.5294 —1,9405
oO 35294 4.1177 -3,6380)
9 1.9403 3.6380 5 CAPITULO 3 — Aiseaes Lzat Conruracions.: Dois Prostemes 117
°
3.5294 1]_[ 75870 0
be) “se 5] = [4502} =| Baca
~ 1.9403,
° 75570 _[-98763 01817
i|-+[sta)trssm row - [osc atl}
| 1o 9 0 5 4123900 0
ar en) g,—|41230 78823, 4.0276 0
0 0 -088s3 oasi7f A'~]o 40276 7.3941 23219
0 0 04817 O8763 0 o 23219 1,7236
Observe que as matrizes A, Az € A; Sio simétricas, Apbs a redugdo de 4 para a forma quase-trian-
gular ou tridiagonal, aplica-se um algoritmo denominado QR para determinar os autovalores ¢ os auto-
vvotorca de A, Buue procedimento tem bom desempenho na prética.
Méto00 Irenarivo QR
A idéia fundamental deste método é decompor a matriz.A na forma
A=OR G21)
onde @ € uma matriz ortogonal, ¢ R é uma mattiz triangular superior.
De (3.121) tem-se que
RQ = O'AQ. @.122)
Assim, a0 se calcular RQ, realiza-se uma transformagdo similar em A. Para se reduzir 4, aplicam-se
rotagdes planas, isto é,
RG) RYO) RO = G28)
onde a matriz R, ¢ escolhida para anular 0 elemento na posicio i,j) de A.
Correspondentemente, em vista de (3.121) e (3.122),
Q = Ry) RB) «Ry oi G.124)
A equagio (3.121) fornece o métode iterative
Ae= ORG Ay
entio,
Aas = Qn k= 0, G25)
onde Ay.1 > U © Q,0s Op-1Or—> Kis k + *: Ny € a matriz dos autovetores, que podem estar em ordem dis-
tinta dos autovalores. 118 Chieu Kuaeeico
‘Um resultado de convergéneia para uma classe de matrizes reais que possuem um autovalor dorninan-
te € fornecido pelo teorema a seguir [Isuacson & Keller, 1966].
‘Tenens 3.48
‘Seja A uma matriz real de ordem nxn com autovalores {A,] satisfazendo [| > Ao)
> > [Ay] > 0, entio as iteragdes 4,,, do método QR, definidas em (3.125), convergem
para uma matriz triangular superior, com os autovalores (A,) na diagonal. Se A é simé-
‘rica, a seqgneia {4,) converge para uma matriz diagonal.
O método QR deve ser aplicado, a menos que A seja de “pequeno porte’, apés a aplicacaio do método
{de Householder, pois 0 método para matrizes densas pode ser exaustivo, ou seja, consumir muito tempo de
processamento.
Mérovo pA Ireraco Inversa pana A DETERMINAGAO DE AuTOVETORES
‘Um dos métodos mais eficientes para 0 célculo de autovetores de uma matriz ¢ 0 método da iteragao inver-
sa, Pata simplificar a andlise desse método, seja A uma matriz diagonalizavel, isto é, existe a transformagao
de similaridade U~IAU = D,
Denotando as colunas de U por Xi, X.
enti
AK, = Kip = 152s ons G.126)
Sem perda de generalidade, pode-se assumir que |¥,|,, ~ 1 para todo X,. Seja A uma aproximagio
para um autovalor A, simples de A. Dada uma tentativa inicial Z®, definem-se (W) © (2), para & = 0,
por meio de
wet
wer,
An AnWe = 2, 26 @.127)
Convém observar que (3.127) é o método da poténcia com (4 ~ Al)-! no lugar de A.
Para que 0 método (3.127) possa ser desenvolvido, A — A/ néo deve ser singular. Entio, A ndo pode ser
exatamente A,,, € sim uma aproximagio de A,,,
Seja 2® = 3 a,x, e suponha que a, #0. Em analogia com 0 método da poténcia, tem-se
G@aantze
w= ope
[a -aneze
@.128)
centio,
anapar- Lally x oe
Seja a, —
..e suponha que |A;— A |= ¢> 0,1 = 1, ., m1 m. De (3.128) ¢ (3.129), temse CAPITULO 3. — Atcevea Lintar Coururacionat: Dovs Prosiewas 119
+e>
para algum |t,|= 1. Se |e| +=,
Logo, de (3.130) ¢ (3.131) pode-se dizer que Z converge para X,, quando k—> +=, A convergéncia &
linear com velocidade de convergéncia dependendo da razao |eic |, Na pritica, |e| € bem pequeno, ¢ lec,
sendo pequeno, significa convergéncia répida, o que tora esse método superior ao da poténcia,
Implementagao tumerica do Método da Iteragéo Inversa
Na implementagao numérica de (3.127), inicialmente se fatora A ~ Ana forma LU, eno A — Ar = LU sem
usar pivotagto, Em cada iteragdo para se obter Z'"", resolvem-se os sistemas
Ly #0 = 2, yee = yt
© faz co
6.132)
‘Como A ~ AI possui determinante préximo de zero, o tiltimo elemento da diagonal de U deverd ser
préximo de zero. Desse modo, podem-se utilizar duas estratégias: caso o tiltimo elemento da diagonal de U
seja nulo, deve-se trocd-lo por um nimero pequeno ou entio trocar A ¢ recalcular Le U.
Para a tentativa inicial 2" Wilkinson (1965) sugere:
Z = Lee yr G13)
11,
dessa maneira (3.132) fica sendo:
1) =e UwH ae,
A escolha (3.133) € devida ao fato de que a, € nlo-nulo e nfo € pequeno. Mas, se ele for pequeno, 0
método em geral convergird rapidamente, Por exemplo, suporiha que algum ou todos os valores de a fa, €m
(3.131) sejam da ordem de 10° e |a/e|= 10-*, um valor que aparece em muitos casos. Entio, 0 lado direito
da desigualdade (3.131) fica (10~*)‘n10*, que deverd decrescer rapidamente quando k crescer.
Obtido 0 autovetor, 0 autovalor associado pode ser calculado pelo quociente de Rayleigh dado em
(3.113), 120 Catcuto Nunérico
Exemplo 3.27
Pelo método da iteragfo inversa, determine 0 autovetor X; associado a0 autovalor A,
- Re
V3. Para esse caso, tem-se que
Seja A = 1.2679 =a,
L=| 13659 1 | u 036621
1 0.7321 1 0
0 27310 1 oo1
Usando-se 7°" = [1s 1; LJ" e © algorimo (3.127) ¢ (3.132), ubte
se us seguintes resultados:
13385,2; -2477,3; 908.2077
00040; =0,73180; 0,26828)";
(20345; —14804; 5451,9)",
1,0000; ~0,73207; 0.26797".
Como Z® = 2°! com cinco casas decimais cortetas, entaio X, ~ [1,0000; ~0,73205: 0.26795).
3.5 Exercicios
L Por meio do método de climinagio de Gauss, resolva o sistema:
nj #2 + 3+ 4a, +5 =
Bi, + y+ Ty + Hor, + 13 = 2
r+, 4 11x, + 16, +21
Br, ~ ig 4 Tn, + Is, 4 28, = 37
fyb At, Sy 3x 1035 = 7.
Utilizando a estratégia de pivotagio parcial e retendo durante a eliminagdo de Gauss cinco casas deci-
mais, resolva o seguinte sistema:
y
0,8754x, + 300812, + 0,9358r, + 1 1080x, = 0.8472
2,4579x, — O8758x, + 1.1516, ~ 4.5148c, = 1.1221
5.23505, — 0.84734, — 2 3882x, + 11419, = 2.5078
2.1015, + 8,1083e, — 13232x, + 2,1548r, = —6.4984
3. (i) Adapte 0 método de eliminagao de Gauss para resolver sistemas de equagées lineares, cuja
atriz dos coeficientes é pentadiagonal, para que operacies desnecessérias nifo sejam realizadas.
(ii) Utilizando os resultados obtidos em (i), adapte o método supondo que a matriz dos cocficientes
seja armazenada seqiiencialmente por linhas em um vetor,
4. Por meio do método de climinago de Gauss com o menor esforgo, resolva os seguintes sistemas:
xty+z=0
pe =O: 10,
re
fet
0.3 — Auceses Lmeae Convuraciont: Deis Paosuemss 121
Mostre que 0 mémero de operagdes envolvidas no método de eliminagiio de Gauss para um sistema
com equagdes ¢ m ine6gnitas € igual a (4° + 9x? — TH)/6.
Por climinagao de Gauss, resolva o sistema:
2e—y +05 =2
=x OS) = 0252
+ 2y—52= 2,
Resolva os sistemas abaixo, retendo nas operagdes trés casas decimais pelos métodos de elimina-
0 de Gauss, Doolittle e Crout. Adote a pivotagio parcial e depois faga sem pivotagao. Compare
60s resultados
+4y= 20 [2e+ 10y— 62 + 4u +8y=8
$i dv 26 [a= dy Ort by bed
De ty+OrtWw= 10 [ox ty— Me + 15u + 18y= 29
4x + 2y— 2 (se 26y = 192 + 25u + 360 = 23;
3, + 6x, + xy + Tx, = 30
4x, — Tx, + 34, — 24, = —22
2-9, +4 ty —- 2
x, + 2, + 5x, +4, =
Empregando o métode de Cholesky e de gradientes conjugados, resolva os seguintes sistemas:
1 2-1 0 0 ofrxy [-2
2 8 4 -2 0 olfx} [10] [6 2 1 -1][x] [aca
1 4 19 9 -3 Offa ]i} 3s) } 2 4 1 off |_}saor
0-2 9 2% 5 =3\/x]7] a7} a a 4 nif] x] >] oraab
o 0 -3 5 i iif} fsa) Lr 0 -1 afta [1.502,
oo o m1 6{lx 3
Resolva por Gauss-Seidel, Jacobi ¢ sobre-relaxago os seguintes sistemas:
yy + 10x, +x,
2e, + 20%, + 2,
rat 10r,- = 9
fag ess gis toe Be,
ia 4x, + 10h
2e,— Dr, + 20%,
x, + 1x, — 2, = 0;
Calcule a inversa das matrizes abaixo, empregando a decomposigéo LU.
“1-6 3
42-15
2-4 of
-1 2-6
Use 0 método de Cholesky para calcular a matriz.L triangular inferior, tal que A = LL, onde 122 Cueuto Namerico
228-30 45
A=|-30 50-100
45-100 340.
12, Adapie vs inétodos de Duvlitile, Ciout © Gauss-Seidel para resolver sistemas lineares euja matriz. des.
coeficientes é tridiagonal, para que operagdes desnecesssirias ndo sejam realizadas e para que scja uti-
lizado armazenamento unidimensional da matriz dos coeficientes.
13, Por meio do método de gradientes conjugados, resolva o sistema:
14, Bfetuando 0s edeules com pelo menos ts casas decimais, calcule a inversa da matriz 4 por elimina-
20 de Gauss:
2-1-6 3
7-4 2 -15
1-2-4 9
1-1 2 -6
As
15, Utilizando 0 método de Cholesky, resolva os sistemas de equagdes lineares com © menor esforeo com
putacional possivel
an, tx =u [iy ty
tant 9 15, +4, +
a tdxy tx, = 24 yy +4, +94
a +d, = 9 +4,
16, Resolva o sistema abaixo pelo método de Gauss-Seidel
Os coeficientes nessas equagdes satisfazem as desigualdades cxigidas para convergéncia? Por que 0
processo diverge? Qual é a solucao desse sistema?
17. Por meio do método de Gauss-Seidel, resolva o sistema:
+10, + x, 10
2x, +20r, + x 10
+ 3y +30 +35, = 0
10r, + x —% = 4
+ 2x 2x, 20x, = 5S
tx F10y - x 0 18,
1,
2
24
2,
CAPITULO 3. — Avceoe4 Linexe-Conruractonat: Dows Prosiewas 123
Determine 0 maior ¢ o menor autovalor em valor absoluto e os autovetores associados da matriz. A,
sendo
12-25
dm 3 4
Aw le we O97
Bifi, Boa
Determine 08 autovalores ¢ os autovetores das matrizes abaixo por meio do método de Jacobi, reten-
do pelo menos quatro casas decimais, sendo
&
t
1
Por meio dos métodos de Houscholder, iterative QR e de iteragao inversa, determine os autovalores &
0s autovetores da matriz dada no Exercicio 18.
Conhecendo o maior autovalor da matriz 4 do Exercicio 18, A ~ 8,86988, determine 0 menor autovalor
relativo de A.
(@_— Mostre que, se A € autovalor de A, entio A ~ a é autovalor de (A~ al), a IR.
Gi) Mostre que, se A € autovalor de A, ento A~' é autovalor de A“,
Mostre que, se A ¢ 2 sto matrizes similares, entdo elas tém os mesmos autovalores
Seja H uma matriz nxn definida por
1
Type
151, jsa,
‘que é chamada de matriz. de Hilbert. Determine (H']'.
Seja.A uma matric simétrics definida positiva, Mostre que existe uma dnica matriz triangular superior
L-com elementas positives na diagonal principal, tal que A = L7L. CAPITULO 4
SISTEMAS DE EQUACOES
NAO-LINEARES
4.1 IntropucAo
[Alguns métodos vistos no Capitulo 2 para a solugdo de equagées a uma varidvel podem ser generalizados
para sistemas de equacGes nao-lineares. De maneira geral, um sistema ndo-Finear com n equagdes ¢ incdg-
nitas pode ser apresentado na forma
on)
‘ou na forma vetorial
FX)=0, 2)
donde X= [x),%5, 4” 60 vetor de incdgnitas, FAX) = Lf 20.L(00. on f,20I" €0 6 0 vetor nulo de R". A seguir
aprescntamse os métodos empregados com mais freqiléncia para resolver esse tipo de sistema,
4.2 Métopo pas Aproximacoes Sucessivas (MAS)
‘Coma idéia apresentada no caso de uma equag:
ver (4.1) na forma
0 método para um sistema de equagdes consiste em resol
3) 43)
iy = Ply Mae on Tye
‘onde as aproximagées para a solugo so atualizadas por meio do seguinte sistema recorrente:
BP mf al)
A= OOP ote
(44)
AP = B08 A
)
ou vetorialmente
XO = P(X), k= 0, 1,25 an as) CAPITULO 4 — Sisteaus ne Eouasoes Néo-umeares 125
sendo X= fx, 8 @ Batt) =
Jacobi [Ortega & Rheinboldt, 1970)
De maneira andloga 20 caso de uma cquagio, a atualizagio pode ser feta ocupando as vatidveis ja
atualizadas na propria iteracio corrente, resultando em um esquema de atualizagao do tipo Gauss-Seidel na
forma [Ortega & Rheinboldt, 1970]
O°), by), B,C, que usa atualizago do tipo
HE gl a)
1, an 20)
4)
1 geben, wen
{BO gate, aH), te
‘Uma condigio suficiente para a convergéncia do método é similar que foi estabelecida no Teorema
2.1, Seja a = [ety a uma Solucao para (4.1), entdo a = (a). Suponha que as derivadas parciais
ijn an
existam para x € By, onde By = |x € R*: |X ~ a |
0 € y > 0, pelo método de aproximagdes sucessi-
vas com atualizacao do tipo Gauss-Seidel.
Dado o sistema de equagdes:
pe
discuta a convergéncia do MAS, para encontrar sua soluga0,
Resolva 0 sistema dado no Exercicio 6, com precisio até a terceira casa decimal, usando os seguintes
métodos:
( _método de Steffensen, €
Gi) método de Newton-Raphson, atualizando a matriz jacobiana de tr8s em tres iteragoes. CAPITULO 5
INTERPOLACAO E APROXIMAGAO DE
FUNCOES A UMA VARIAVEL REAL
5.1 IntropucAo
Neste capitulo abordam-se aspectos bisicos da teoria de interpolagdo ¢ aproximago de fumes a uma varié-
vel real
‘Os problemas de interpolagio ¢ aproximagao estudados neste texto surgem ao se aproximar uma fun-
fo f por outra fungdo g mais apropriada aos usos que dela se deseja fazer. Isso ¢ escrito assim:
fia) = 9). 6)
Diversos so os motivos que impelem essa aproximagio. Mas, pelos resultados tedricos e priticos
advindos, dois deles sfio mais relevantes e surgem das seguintes questes:
(i) Como substinir a funcao f; de dificil manuseio ou avaliacio, por uma fungao g de tratamento mais
simples.
Gi) Como avaliar quantitativamente valores funcionais de uma fungo f, sendo conhecido apenas um
pequeno nimero de valores funcionais em argumentos denominados pontos bases, na forma (,f(%)),
0 1m isto &, deseja-se construir uma funclo, denominada interpolante, que fornega uma estimati-
va a0 valor de f(a), sendo x# 406m
[As fungdes interpolantes mais comuns so formadas por combinaco linear de fungées simples, esco-
Ihidas de uma classe de fungies {gy ou seja,
a0) = angle) + gi) + + aga, 62
Dentre as classes mais usadas se encontram os mondmios
{sen kx, cos kx}, © as exponenciais e™}, 0-5 & = x
‘Assim sendo, combinando monémios até a ordem n, obt&m-se interpolantes denominadas polinémios
de ordem menor ou igual a », ou seja,
', 0-5 £ =n, as fungées trigonométricas
$0) = 83) = 4) + aK + tO, 63)
combinando fungSes trigonométricas, tém-se interpolantes na forma
10) = s(3) = ay + a4 608 x + a3c08 2x + w+ 4,008 me +b sen +
en dv +. Hhysenms 8.4)
por sua vez, as interpolagdes exponenciais sio da forma
FO) = al) = aye" + ae + + aye 65) CAPITULO S$ — ntenrovacdo & APtowinagio oe Funedes 4 uwa Yanik Resi 134
Como se nota de (5.3) a (5.5), para que g fique completamente definida, falta determinar os cocficientes
presentes nessas expressdes, sendo esse um dos objetivos da teoria de interpolagao.
As interpolantes polinomiais sio as mais populares nao s6 por suas propriedades algébricus, mas
sobretudo pela justificativa fomecida pelo teorema de aproximagiio de Weirstrass, enunciado adiante, que
de fato garante a existéncia de um polindmio capaz. de aproximar a fungao f tio bem quanto se queira
[Rudin, 1971].
Teonema 5.1 (Wetrsrnass)
Se/é uma fungao continua num intervalo fechado [a 1}, entfo, dado © > 0, existe
alguma polinomial de ordem ni, P, com n = n(, tal que
[flx) ~ P,@)| < 2, parax-€ fa, BI. 5.6)
Apesar de justficar a existéncia da interpolante polinomial, esse teorema nfo construtivo, isto 6, nfo
‘fomece modos ou critérios para se obtcr a interpolante polinomial,cuja existéncia € garantida,
A seguir, sio apresentados os procedimentos mais usuais na geractio de interpolantes polinomiis na
forma
46) P19 = 3a,x, 6D
conforme se pode ver em Carnahan et al (1969).
5.2 INTERPOLAGAO PoLINOMIAL
Selecionada uma interpolante polinomial de ordem n como a expressa em (5.7), para definiIa completamen-
te é preciso determinar 0s coeficientes a,, 0 = j También podría gustarte
The Psychology of Money: Timeless lessons on wealth, greed, and happiness De EverandThe Psychology of Money: Timeless lessons on wealth, greed, and happinessCalificación: 4.5 de 5 estrellas4.5/5 (807)The Subtle Art of Not Giving a F*ck: A Counterintuitive Approach to Living a Good Life De EverandThe Subtle Art of Not Giving a F*ck: A Counterintuitive Approach to Living a Good LifeCalificación: 4 de 5 estrellas4/5 (5807)The Subtle Art of Not Giving a F*ck: A Counterintuitive Approach to Living a Good Life De EverandThe Subtle Art of Not Giving a F*ck: A Counterintuitive Approach to Living a Good LifeCalificación: 4.5 de 5 estrellas4.5/5 (20050)Never Split the Difference: Negotiating As If Your Life Depended On It De EverandNever Split the Difference: Negotiating As If Your Life Depended On ItCalificación: 5 de 5 estrellas5/5 (3290)Never Split the Difference: Negotiating As If Your Life Depended On It De EverandNever Split the Difference: Negotiating As If Your Life Depended On ItCalificación: 4.5 de 5 estrellas4.5/5 (843)The Courage to Be Disliked: The Japanese Phenomenon That Shows You How to Change Your Life and Achieve Real Happiness De EverandThe Courage to Be Disliked: The Japanese Phenomenon That Shows You How to Change Your Life and Achieve Real HappinessCalificación: 4 de 5 estrellas4/5 (393)It Starts with Self-Compassion: A Practical Road Map De EverandIt Starts with Self-Compassion: A Practical Road MapCalificación: 4.5 de 5 estrellas4.5/5 (189)The 7 Habits of Highly Effective People: 30th Anniversary Edition De EverandThe 7 Habits of Highly Effective People: 30th Anniversary EditionCalificación: 4.5 de 5 estrellas4.5/5 (41)The 5AM Club: Own Your Morning. Elevate Your Life. De EverandThe 5AM Club: Own Your Morning. Elevate Your Life.Calificación: 4 de 5 estrellas4/5 (344)The 7 Habits of Highly Effective People: Infographics Edition: Powerful Lessons in Personal Change De EverandThe 7 Habits of Highly Effective People: Infographics Edition: Powerful Lessons in Personal ChangeCalificación: 4.5 de 5 estrellas4.5/5 (143)Remarkably Bright Creatures: A Novel De EverandRemarkably Bright Creatures: A NovelCalificación: 4.5 de 5 estrellas4.5/5 (5621)Friends, Lovers, and the Big Terrible Thing: A Memoir De EverandFriends, Lovers, and the Big Terrible Thing: A MemoirCalificación: 4.5 de 5 estrellas4.5/5 (2139)
