Propriedades
11 12 13 14 11 12 13 14 31 32 33 34 31 32 33 34 41 4 21 22 23 24 21 22 23 24 21 22 23 2 43 44 41 42 24 43 44 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a m m m m a m = + + + + ( )
1 1 1 AB − =B A− −Exemplo: Adicionar à linha 3, a linha 2 multiplicada por um factor multiplicativo m
2) Inversa do produto
1) Combinação linear de linhas duma matriz – soma de uma linha com outra linha multiplicada por um factor multiplicativo
Método de Gauss
(1) 1 1 1 1 1 2 2 1 1 A A= = − (1) (1) (2) M A = A 21 31 1 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 1 1 1 2 2 1 0 1 2 1 1 0 1 2 1 1 1 0 0 0 0 0 0 0 1 0 m m ⇔ = = − − − −− − − − − (2) (2) (3) M A = A 32 1 2 0 0 1 1 1 1 1 1 1 1 1 1 1 0 1 2 1 0 1 2 1 2 1 3 0 1 1 1 0 1 1 1 0 0 0 0 0 0 0 0 0 0 2 0 m ⇔ = = − − − − − − − − − − ou seja (1) (1) (1) (2) (2) (1) (3) (2) (2) (3) M A A M A A M M A A M A A = = = = (3) M A A =Método de Gauss
M A U=( )
32 1 (2) 1 1 0 1 0 1 0 1 0 0 0 2 0 0 1 0 1 0 m M − = A(3) é triangular superior, i.e., (3)
0 0 0 1 1 1 2 1 3 2 A =U = − − Então A M U= −1
(
)
1 1 (2) (1) M− = M M − =( ) ( )
M(1) −1 M(2) −1( )
21 ( ) 1 1 3 1 1 1 1 1 0 1 0 0 1 0 0 0 0 0 1 2 m m M − = = ( ) ( )
1 1 1 (1) (2) M− = M − M − 21 21 31 32 31 32 0 0 0 0 0 0 0 1 1 1 1 1 1 2 2 1 1 0 1 1 0 1 0 1 1 1 0 0 0 0 0 m m m m m m = = = Método de Gauss
Então A M U= −1 ⇔ A L U= 21 31 32 1 1 1 1 1 1 0 0 0 0 1 1 1 2 0 0 2 m m L m M− = = = Ou seja, através do método de Gauss podemos obter uma factorização A=LU.
Depois de se obter uma factorização A=LU (que requer um número de operações da ordem de n3) o sistema de equações é resolvido mediante uma substituição descendente seguida
duma substituição ascendente (que requerem um número de operações da ordem de n2)
M–1 é triangular inferior i.e.,
↑ ↑ ⇔ = − − −
Matriz dos factores Matriz do final da multiplicativos factorização de Gauss
1 1 1 1 1 1 1 1 1 2 1 1 1 2 1 3 2 1 1 2 1 2 0 0 0 0 0 2 0
Factorização A=LU – Resolução do sistema
i) L y = b – substituição descendente( )
( )
y Ax b= ⇔ LU x b= ⇔ L Ux =b 1 2 3 1 1 1 4 1 1 2 4 2 1 1 5 x Ax b x x = ⇔ − = 1 1 1 1 1 1 1 1 1 2 1 1 1 2 1 3 2 1 1 2 1 2 0 2 0 0 0 0 0 A LU − = ⇔ − = − L y b U x y = = 1 2 3 0 0 0 1 4 1 1 4 1 5 2 1 2 y L y b y y = ⇔ = 1 1 2 2 1 1 2 3 3 1 2 4 4 4 0 1 1 2 5 5 2 3 2 2 y y y y y y y y y y y = + = = − = + + = = − − = −{
4 0 3}
T y = −Factorização A=LU – Resolução do sistema
ii) U x = y – substituição ascendente1 2 3 1 1 1 4 2 0 0 1 0 2 0 3 3 x U x y x x − = ⇔ = − − 3 3 3 2 3 2 1 2 3 1 2 3 3 3 2 2 2 0 1 2 4 4 1 x x x x x x x x x x x x − = − = − − + = = = − + + = = − − = 1 Solução final, 1 2 x =
i) Factorização A = L D U, com L e U de diagonal unitária
iii) Por definição, uma matriz [A] diz-se definida positiva se ∀
{ } { } { }
x ≠ 0 , x T[ ]
A x{ }
>0 iv) Na factorização A = L D U, se a matriz A for simétrica definida positiva, prova-se queas entradas da diagonal de D são positivas, ou seja dii > 0
v) Neste caso, duma matriz simétrica definida positiva,
(
1/2 1/2) (
1/2)(
1/2) ( )
* * TT T T
A L D L= =L D D L = L D D L =L L
onde L* é uma matriz de diagonal NÃO unitária
Nota: Para o caso duma matriz diagonal (mas apenas para este caso)
11 22 nn d d D d = 11 1/2 22 nn d d D d =
Factorização de Choleski
– matrizes simétricas definidas positivas
vi) As entradas da matriz L* podem ser obtidas através das condições
( )
2 1/2 1 1 1 1 , j j j jj j ij ij im jm jj m j m m l a l l l l a l i j − = − = = − > = −
( )
11 11 11 21 31 41 21 22 21 22 22 32 42 * * 31 32 33 31 32 33 33 43 14 42 43 44 41 42 43 44 44 0 0 0 0 0 0 0 0 0 0 0 0 T a l l l l l a a l l l l l A L L a a a l l l l l a a a a l l l l l = ⇔ = ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) = = = + = = + = + + = = + = + + = + + + 2 11 11 2 2 21 21 11 22 21 22 2 2 2 31 31 11 32 31 21 32 22 33 31 32 33 2 2 2 2 41 41 11 42 41 21 42 22 43 41 31 42 32 43 33 44 41 42 43 44 a l a l l a l l a l l a l l l l a l l l a l l a l l l l a l l l l l l a l l l l ou seja ( ) ( ) [ ](
( ) ( ))
[ ] ( )(
( ) ( ) ( ))
1/2 11 11 1/2 2 21 21 11 22 22 21 1/2 2 2 31 31 11 32 32 31 21 22 33 33 31 32 1/2 2 2 2 41 41 11 42 42 41 21 22 43 43 41 31 42 32 33 44 44 41 42 43 l a l a l l a l l a l l a l l l l a l l l a l l a l l l l a l l l l l l a l l l = = = − = = − = − + = = − = − + = − + + Método de Gauss – escolha de Pivot
− − = 1 2 3 4 4 1 3 0 2 0 0 1 1 0 0 2 2 4 4 0 1 0 1 0 x x x x Resolva pelo método de Gauss o sistema de equações ⏐ = ⏐ = − = = − (1) (1) (2) (2) 32 42 4 0 1 1 0 2 2 4 4 1 0 2 0 1 0 1 3 0 2 0 0 0 1 0 A A m b m b ? ? i) Condensação Troca de linhas
(ou seja de equações)
para que o pivot não seja nulo
⏐ = − − (2) (2) 2 2 4 4 0 1 4 1 3 0 2 0 0 0 1 0 1 0 1 0 A b = ⏐ = − − (2) (2) 42 2 2 4 4 0 1 1 0 1 0 1 0 4 1 3 0 2 1 0 0 0 2 A m b ⏐ = − − − − − (3) (3) 2 2 4 4 0 1 4 1 3 0 2 0 0 0 1 0 0 1 1 2 A b
Método de Gauss – escolha de Pivot
− ⏐ = − − − − = − 43 (3) (3) 4 1 3 0 2 0 2 2 4 4 1 0 0 1 0 1 1 2 0 0 1 1 A m b ⏐ = − − − − (4) (4) 4 1 3 0 2 0 2 2 4 4 0 0 1 1 0 0 0 0 2 2 A b − ⋅ = − 2 x4 2 x4 =1ii) Substituição ascendente
− = − − − 1 2 3 4 0 0 0 0 0 4 1 3 0 2 2 2 4 4 1 0 1 0 2 2 x x x x − = = = 3 4 0 3 4 1 x x x x − ⋅ + ⋅ ⋅ + ⋅ + ⋅ = = 3 4 = − 2 3 4 2 4 (2 4 ) 2 2 4 4 1 2 x x x x x x − − ⋅ ⋅ + − ⋅ = = 2 3 = 1 2 3 1 2 ( 3 ) 3 4 3 2 4 2 x x x x x x
Em aritmética em ponto flutuante, devido aos arredondamentos, em geral a escolha de pivot é vantajosa mesmo quando o pivot não é nulo
Método de Gauss – importância da escolha de Pivot
b) Resolva agora efectuando escolha de pivot (na mesma com uma mantissa com 4 dígitos) a) Resolva o sistema pelo método de Gauss utilizando uma mantissa com 4 dígitos, ou seja, simulando os cálculos em FP(10,4,2,A)
= − 1 2 0.0003 1.246 1.249 0.4370 2.402 1.968 x x ⏐ = − 2 ) ( 1 (1 1) 0.0003 1.246 1.249 0.4370 2.402 1.968 A m b
Considere o sistema de equações
⏐ = (2) (2) (2) (2) 22 2 0.0003 1.246 1.249 0 a b A b = − × = − − × (2) (1) (1) 22 22 21 12 2.402 1457 1.246 a a m a = −2.402 1815. 422− = −1817. 402 = − × = − × (2) (1) (1) 2 2 21 1 1.968 1457 1.249 b b m b =1.968 1819.793− =1.968 1820− = −1818. 032 = −2.402 1815− Nota: solução exacta, x1=10, x2=1 i) Condensação a) = = → = 21 21 0.4370 1456.6(6) 1457 0.0003 m m
⏐ = − − (2) (2) 0.0003 1.246 1.249 0 1817 1818 A b − = = → = − 2 2 1817 1.00065 1.001 1818 x x
ii) Substituição ascendente
= − − 1 2 0.0003 1.246 1.249 0 1817 1818 x x − ⋅ ⋅ + ⋅ = = 2 1 2 1 1.249 1.246 0.0003 1.246 1.249 0.0003 x x x x = 1.249 1.246 1.001− × 0.0003 − = 1 1.249 1.247 246 x 0.0003 = 0.02 0.0003 = 6.666(6) A solução obtida é x1=6.667, x2=1.001, enquanto a solução exacta é x1=10, x2=1.
Comparando com a solução exacta verifica-se que o valor obtido para x1 possui 33% de erro.
= 6.667
Método de Gauss – importância da escolha de Pivot
Método de Gauss – importância da escolha de Pivot
− ⏐ = 2 ) ) 1 (1 (1 0.4370 2.402 1.968 0.0003 1.246 1.249 A m b ⏐ = − 2(2) (2) (2) (2) 2 2 0.4370 2.402 1.968 0 a b A b − − = = × 4 → = × 4 21 21 0.0003 6.8649886 10 6.865 10 0.4370 m m − = − × = − × ×− (2) (1) (1) 4 22 22 21 12 1.246 6.865 10 2.402 a a m a =1.246 0.001648973+ = 1.248 − = − × = − × × (2) (1) (1) 4 2 2 21 1 1.249 6.865 10 1.968 b b m b =1.249 0.001351 032− =1.246 0.001649+ b) Uma forma de minimizar os problemas numéricos é efectuar escolha de pivot ⏐ = − (1) (1) 0.0003 1.246 1.249 0.4370 2.402 1.968 A b i) Condensação − ⏐ = (1) (1) 0.4370 2.402 1.968 0.0003 1.246 1.249 A b Troca de linhas
(ou seja de equações)
= 1.247649
=1.249 0.001351− = 1.247649 = 1.248
para que o pivot tenha maior valor absoluto
− ⏐ = (2) (2) 0.4370 2.402 1.968 0 1.248 1.248 A b = = → = 2 2 1.248 1 1.000 1.248 x x
ii) Substituição ascendente
− = 1 2 0.4370 2.402 1.968 0 1.248 1.248 x x + ⋅ ⋅ − ⋅ = = 2 1 2 1 1.968 2.402 0.4370 2.402 1.968 0.4370 x x x x =1.968 2.402 1.000+ × 0.4370 + = 1 1.968 2.402 0.4370 x = 4.370 0.4370 = 10
A solução obtida é x1=10, x2=1, igual à solução exacta
Tipos de Pivot
− − − − − − − = ( ) ( ) ( ) ( ) ( ) ( ) ( ) 1, 1 1, 1 1, 1, 1, 1, ( ) ( ) ( ) ( ) ( ) 1, 1 1, 1, 1, 1, ( ) ( ) ( ) ( ) , , , , ( ) ( ) ( ) ( ) , , , , , 0 0 0 0 0 0 0 k k k k k k k k k p q n k k k k k k k k k k p k q k n k k k k k k k p k q k n k k k k p k p p p q p n q k a a a a a a A a a a a a a a a a a a a a a ( ) ( ) ( ) ( ) , , , ( ) ( ) ( ) ( ) , , , , 0 0 k k k k q p q q q n k k k k n k n p n q n n a a a a a a aTipos de pivot: - pivot parcial - pivot total - pivot diagonal
- pivot parcial com patamar
submatriz activa
Pivot parcial
( ) ( ) ( ) ( ) ( ) ( ) ( ) 1, 1 1, 1 1, 1, 1, 1, ( ) ( ) ( ) ( ) ( ) 1, 1 1, 1, 1, 1, ( ) ( ) ( ) ( ) , , , , ( ) ( ) ( ) ( ) , , , , , 0 0 0 0 0 0 0 k k k k k k k k k p q n k k k k k k k k k k p k q k n k k k k k k k p k q k n k k k k p k p p p q p n q k a a a a a a A a a a a a a a a a a a a a a − − − − − − − = ( ) ( ) ( ) ( ) , , , ( ) ( ) ( ) ( ) , , , , 0 0 k k k k q p q q q n k k k k n k n p n q n n a a a a a a a pivot parcial– os candidatos a pivot são os elementos da coluna k da submatriz activa
( ) ( )
Escolher: max ikk pkk
i k≥ a a
→ =
Trocar linha com linha p k
→
linha p linha k
Algoritmo pivot parcial
# inicialização # linha pi
para # para to
vot
# escolha do elemento pivot
# para todos as entradas aba
1 até
ixo de
das as colunas a conde
1 para 1 até s nsar kk kk k n p k pivot a k k n a i = = − = = = + # 1. escolher pivot # linha pivot # troca de linhas
# se , então trocar linha com a
e então
se então para até
linha
# para todas as entradas não nulas das linhas a trocar
ik ik a pivot p i pivot a p k p k p k k j k n > = = = ≠ = ≠
# para todas as linhas abaixo da linha # factor multiplicativo
# pa
para 1 até /
para 1 até ra todos as entradas não nulas dessa
kj kj pj pj ik ik kk aux a a a a aux i k n m a a j k n k = = = = + = = + # 2. condensação linha ij ij ik kj a a m a = −
Pivot total
( ) ( ) ( ) ( ) ( ) ( ) ( ) 1, 1 1, 1 1, 1, 1, 1, ( ) ( ) ( ) ( ) ( ) 1, 1 1, 1, 1, 1, ( ) ( ) ( ) ( ) , , , , ( ) ( ) ( ) ( ) , , , , , 0 0 0 0 0 0 0 k k k k k k k k k p q n k k k k k k k k k k p k q k n k k k k k k k p k q k n k k k k p k p p p q p n q k a a a a a a A a a a a a a a a a a a a a a − − − − − − − = ( ) ( ) ( ) ( ) , , , ( ) ( ) ( ) ( ) , , , , 0 0 k k k k q p q q q n k k k k n k n p n q n n a a a a a a a pivot total – os candidatos a pivot são todos os elementos da submatriz activa
( ) ( )
,
Escolher: max ikk pqk
i j k≥ a a
→ =
Trocar linha com linha e trocar coluna com coluna p k q k
→
linha p linha k
coluna q coluna k
Pivot diagonal
( ) ( ) ( ) ( ) ( ) ( ) ( ) 1, 1 1, 1 1, 1, 1, 1, ( ) ( ) ( ) ( ) ( ) 1, 1 1, 1, 1, 1, ( ) ( ) ( ) ( ) , , , , ( ) ( ) ( ) ( ) , , , , , 0 0 0 0 0 0 0 k k k k k k k k k p q n k k k k k k k k k k p k q k n k k k k k k k p k q k n k k k k p k p p p q p n q k a a a a a a A a a a a a a a a a a a a a a − − − − − − − = ( ) ( ) ( ) ( ) , , , ( ) ( ) ( ) ( ) , , , , 0 0 k k k k q p q q q n k k k k n k n p n q n n a a a a a a a pivot diagonal – os candidatos a pivot são os elementos da diagonal da submatriz activa
( ) ( )
Escolher: max iik qqk
i k≥ a a
→ =
Trocar linha com linha e trocar coluna com coluna q k q k
→
linha q linha k
coluna q coluna k
Com pivot diagonal, a simetria duma matriz simétrica é mantida
Pivot parcial com patamar
( ) ( ) ( ) ( ) ( ) ( ) ( ) 1, 1 1, 1 1, 1, 1, 1, ( ) ( ) ( ) ( ) ( ) 1, 1 1, 1, 1, 1, ( ) ( ) ( ) ( ) , , , , ( ) ( ) ( ) ( ) , , , , , 0 0 0 0 0 0 0 k k k k k k k k k p q n k k k k k k k k k k p k q k n k k k k k k k p k q k n k k k k p k p p p q p n q k a a a a a a A a a a a a a a a a a a a a a − − − − − − − = ( ) ( ) ( ) ( ) , , , ( ) ( ) ( ) ( ) , , , , 0 0 k k k k q p q q q n k k k k n k n p n q n n a a a a a a a pivot parcial– os candidatos a pivot são os elementos da coluna k da submatriz activa
( ) ( )
Escolher: max ikk pkk
i k≥ a a
→ =
( ) ( )
Trocar linha com linha se: p k τ apkk akkk , 0 τ 1
→ > ≤ ≤ linha p linha k coluna k Com patamar, a troca só é efectuada se “valer a pena”, i.e., se apkfor francamente superior a akk τé o valor do patamar
Propriedades
1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 I = (1) A troca de 2 linhas duma matriz A pode ser traduzida pela pré-multiplicação duma matriz de permutação elementar P(e)
(2) A matriz de permutação elementar P(e) pode ser obtida a partir da matriz identidade à
qual é efectuada as correspondentes trocas de linhas
Ex: matriz 4x4, matriz elementar de troca das linhas 1 e 3
( ) 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 0 e P = Linhas 1 2 3 4 3 2 1 4
Ex: troca das linhas 1 e 3 duma matriz A (4x4)
11 12 13 14 31 32 21 22 23 24 21 22 23 24 ( ) 31 32 33 34 41 42 43 44 41 42 43 44 11 12 1 3 34 3 1 3 4 0 0 0 0 1 0 0 0 0 0 0 0 0 1 1 1 P e a a a a a a a a a a a a A P A a a a a a a a a a a a a a a a a a a a a = = =
Propriedades
(4) As matrizes de permutação elementar P(e) possuem as seguintes propriedades:
( ) ( )
) e e
i P ⋅P =I ii)
( )
P( )e T =P( )e(3) A troca de 2 colunas duma matriz A pode ser traduzida pela pós-multiplicação duma matriz de permutação elementar P(e)
Ex: troca das colunas 2 e 3 duma matriz A (4x4)
11 12 13 14 11 14 21 22 23 24 21 24 ( ) 31 3 13 23 2 33 34 31 34 41 42 43 12 22 3 44 41 44 33 43 2 42 1 0 0 0 0 0 0 0 0 0 0 1 1 1 0 0 P e a a a a a a a a a a a a a a A A P a a a a a a a a a a a a a a a a a a = = = 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 I =
Ex: matriz 4x4, matriz elementar de troca das colunas 2 e 3
( ) 1 0 0 0 0 0 0 0 0 0 1 1 1 0 0 0 e P = Colunas 1 2 3 4 1 3 2 4
Propriedades
− = = − − − − − 21 31 21 ( ) (1) 31 41 41 1 0 0 0 1 0 0 0 1 0 0 0 0 0 0 1 0 0 0 1 1 0 ) 0 0 0 0 1 0 0 1 1 0 0 0 0 1 0 0 1 0 0 1 e m m M m m m i P m(5) Troca de 2 linhas duma matriz de factores multiplicativos
21 (1) 31 41 1 0 0 0 1 0 0 0 1 0 0 0 1 m M m m − = − − Ex: Seja
e considere-se a troca das linhas 2 e 3
Linhas 1 2 3 4 1 3 2 4 = ( ) 1 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 e P
Propriedades
− = − − ( ) (1) ( ) 41 3 21 1 1 0 0 0 1 0 0 0 1 0 0 0 1 e e m P m m M P ou sejapelo que P(e)M(1)P(e) corresponde a trocar os factores multiplicativos das linhas 2 e 3
− = − − 21 ( ) (1) ( ) 31 41 1 0 0 0 1 0 0 0 1 0 0 0 0 0 0 1 0 0 1 0 0 0 ) 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 1 1 1 0 1 0 0 1 e e m ii P M P m m 41 3 21 21 1 3 41 1 1 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 1 1 1 0 0 1 1 1 1 1 m m m m m m − =− = − − − −
Condensação de Gauss com pivot parcial
(1) (1 ) (1) (1) (2) (1) (1 ) (1) (1) (1) P P A A A P A A M A M P A = = = = (1) 0 0 1 0 0 1 0 0 1 0 0 0 0 0 0 1 P = Ex: Seja A uma matriz (4x4) e considere-se o processo de condensação de Gauss com troca das linhas 1 e 3 na primeira fase da condensação, troca das linhas 2 e 3 na segunda fase e troca das linhas 3 e 4 na terceira fase da condensação
Fase 1 – troca das linhas 1 e 3 seguida de condensação
Fase 2 – troca das linhas 2 e 3 seguida de condensação
(2) (1) (1) (1) (2 ) (2) (2) (2) (1) (1) (1) (3) (2) (2 ) (2) (2) (1) (1) (1) P P A M P A A P A P M P A A M A M P M P A = = = = = (1) 21 31 41 1 0 0 0 1 0 0 0 1 0 0 0 1 m M m m − = − − (2) 1 0 0 0 0 0 1 0 0 1 0 0 0 0 0 1 P = (2) 32 42 1 0 0 0 0 1 0 0 0 1 0 0 0 1 M m m = − − 11 12 13 14 21 22 23 24 31 32 33 34 41 42 43 44 a a a a a a a a A a a a a a a a a =
Condensação de Gauss com pivot parcial
Atendendo a que P(2)P(2) = I, podemos reescrever A(3) na forma(1) (2) (21) Corresponde a trocar os factores multiplicativos de devido a , ou seja, a trocar os coeficientes (3) (2) (2) (1) (1) (1) ( das linhas 2 e 3 3) (2) (2) (1) (2) (2) (1) (1) M P P A M P M P A A M P M P P P A = = Linhas 1 2 3 4 3 2 1 4 3 1 2 4 (21) (2) (1) 0 0 1 0 1 0 0 0 0 1 0 0 0 0 0 1 P P P = =
Fase 3 – troca das linhas 3 e 4 seguida de condensação
(3) (2) (2) (1) (2) (2) (1) (1) (3 ) (3) (3) (3) (2) (2) (1) (2) (2) (1) (1) (4) (3) (3 ) (3) (3) (2) (2) (1) (2) (2) (1) (1) P P A M P M P P P A A P A P M P M P P P A A M A M P M P M P P P A = = = = = (3) 1 0 0 0 0 1 0 0 0 0 0 1 0 0 1 0 P = (3) 43 1 0 0 0 0 1 0 0 0 0 1 0 0 0 1 M m = −
Condensação de Gauss com pivot parcial
Atendendo a que P(3)P(3) = I, podemos reescrever A(4) na formaLinhas 1 2 3 4 3 2 1 4 3 1 2 4 (321) (3) (2) (1) 0 0 1 0 1 0 0 0 0 0 0 1 0 1 0 0 P P P P = =
Ou seja, a partir do método de Gauss com pivot parcial, podemos obter uma factorização
PA = L U, onde P é a matriz que considera todas as permutações efectuadas e L é a matriz dos factores multiplicativos tendo em consideração as trocas de linhas efectuadas à posteriori (2) (3) Corresponde a trocar os factores multiplicativos de devido a , ou sej (4) (3) (3) (2) (2) (1) (2) (2) ( a, a trocar os coeficientes das linhas 3 e 1) (1) (4) (3) (3) (2) (3) ) (2) (1) (2 4 (3 M P A M P M P M P P P A A M P M P P P M P = = (1) (3) (321) Corresponde a trocar os factores multiplicativos de devido a , ou seja, a trocar os coeficientes das linhas ) (3) (3 (2) (1) ( e 4 1 ) ) 3 P M P P P P P A 3 1 4 2
(
)(
)(
)
(321) (4) (3) (3) (2) (3) (3) (2) (1) (2) (3) (3) (2) (1) (1) P P M A M P M P P P M P P P P P A = = (4) A M P A = 1 (4) M A− P A = L U P A=Normas de matrizes
Normas de vectores = 1 + 2 + + 1 n x x x x(
)
= 2 + 2 + + 2 12 1 2 2 n x x x x norma Euclideana ∞ = =max1,, i i n x x norma 1norma do máximo (ou do infinito)
Normas de matrizes (mxn) ≤ ≤ = =
1 1 1 max m i j j n i A a ∞ ≤ ≤ = =
1 1 max n i j i m j A a( )
= = =
1 2 2 1 1 m n i j F i j A a norma de FrobeniusNúmero de condição (de matrizes)
Admitindo que existem perturbações nos valores da matriz A e do vector b, então resultam perturbações na solução do sistema x
[ ]
A ⋅{ } { }
x = b → A x b⋅ = A x b ⋅ = ⇔(
A+δA) (
⋅ +x δx)
= +b δb(i) Admitir que apenas existem perturbações no 2º membro (e consequentemente na solução)
(
δ)
δ ⋅ + = + A x x b b A x A⋅ + ⋅δx b= +δb δ δ ⋅ = ⋅ = A x b A x b ⋅ = A x b b = ⋅ ≤A x A ⋅ x b ≤ x A (*) δ δ δ − δ ⋅ = = 1 ⋅ A x b x A b δx = A−1⋅δb ≤ A−1 ⋅ δb δx ≤ A−1 ⋅ δb x xNúmero de condição (de matrizes)
Tendo em atenção (*),(ii) Perturbações na matriz A(e consequentemente na solução)
δ − δ − δ ≤ 1 ⋅ ≤ 1 ⋅ x b b A A b x x A ≤ b x A δ − δ ≤ ⋅ ⋅ con 1 d A x b A A x b δ δ x ≤cond A⋅ b x b − = ⋅ 1 cond A A A
O número de condição duma matriz traduz, em termos relativos, a relação entre as perturbações na solução x e as perturbações no segundo membro b.
Analogamente se demonstra que a relação entre as perturbações na solução x e as perturbações da matriz A também dependem do número de condição da matriz
Um número de condição elevado indica que as perturbações do segundo membro são ampliadas sobre a solução do sistema
Efeito dos erros de arredondamento
(i) Pivot parcial – em certos casos patológicos γ pode ser muito elevado podendo atingir o valor máximo de 2n – 1. Contudo, estes casos patológicos são raros e na prática a factorização
com pivot parcial é em geral numericamente estável
Na resolução dum sistema (de dimensão n) em ponto flutuante, devido aos arredondamentos, a factorização obtida não é exactamente igual à matriz original
Pode demonstrar-se que os elementos da matriz erro são majorados por:
matriz dos erros L U A E ↑ ⋅ = + 1 ij e ≤ ⋅ ⋅ ⋅n u γ α 1
- constante da ordem da unidade de arredondamento - maior elemento (em módulo) de
- factor de crescimento dos coef. de durante factorização
ij u A A α γ
(ii) Pivot total – o majorante de γ cresce lentamente (com o aumento da dimensão do sistema) não se conhecendo casos para os quais seja superior a n. Logo a utilização de pivot total é numericamente estável.
Efeito dos erros de arredondamento
Introduzindo o conceito de resíduo,Atendendo a que
r b A x= − ⋅
onde o número de condição surge novamente como factor de ampliação
(
)
r b A x= − ⋅ = ⋅ − ⋅ = ⋅ − = ⋅ A x A x A x x A δx 1
r = ⋅A δx δx = A− ⋅r δx = A−1⋅r δx ≤ A−1 ⋅ r
(de fácil cálculo após se obter )x
1 x r A x x δ − ≤ ⋅ b A x b A x b x A ⋅ = ⋅ ≥ ≥ Então x A 1 r x A 1 r b x x x A δ − δ − ≤ ⋅ ≤ ⋅ δ ≤ − ⋅ ⋅ con 1 d A x r A A x b δ ≤cond ⋅ x r A x b Ou seja
Resumindo, o número de condição da matriz desempenha um papel fundamental nos erros existente na solução do sistema de equações
Matriz em banda
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X A X X X X X X = largura de banda superior: número de diagonais não nulas, acima da diagonal principal
largura de banda inferior: número de diagonais não nulas, abaixo da diagonal principal
largura de banda = largura de banda superior + largura de banda inferior + 1 ou seja, largura de banda é o numero total de diagonais não nulas