aula 9 sl direto
TRANSCRIPT
-
8/18/2019 Aula 9 SL Direto
1/13
69
3.3.4 Fatoração LU
Ax = b A = LU
L – triangular inferior
U – triangular superiorVamos observar o exemplo introdutório
( )
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
Α
234
211
4230
343
1.
3
31
21
=Μ
=Μ
=
mult
Pivo
( ) 1.31
322
310
32
310
423
321 =Μ=
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
−
Α mult pivo
( )
⎥
⎥⎥
⎦
⎤
⎢
⎢⎢
⎣
⎡
−
Α
800
32
310
4232
Observe que a matriz ( )1Α pode ser obtida de ( )0Α pré-multiplicado-a por uma matrizconveniente, no caso:
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
Μ−
Μ−=Μ
10
01
001
31
211 =
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
−
−
1034
0131
001
Da mesma forma a matriz ( )2Α é obtida pré-multiplicando-a por:
-
8/18/2019 Aula 9 SL Direto
2/13
70
( )
( ) ( )
( )
( ) ( )
( )
( )
( )
( )
( )
( )
( ) U L
erior triângular matrizumaé
Assim
=Α
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡ Α
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
ΜΜ
Μ=Α
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡ Α
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
Μ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
Μ
Μ=Α
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡ Α
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
Μ−⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
Μ−
Μ−=Α
ΑΜΜ=Α
Α
ΑΜΜ=Α
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−
=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
Μ−
=Μ
−
−−
0
2
3231
210
2
323
210
2
32
1
31
210
012
11
0
2
012
2
32
2
0
01
001
10
010
001
10
01
001
10
010
001
10
01
001
.sup
,
010
010
001
10
010
001
-
8/18/2019 Aula 9 SL Direto
3/13
71
A matriz L é uma matriz triangular inferior, pois é resultante do produto de matrizestriangulares inferiores elementares.
A decomposição LU não é única..
Seja D uma matriz diagonal não singular qualquer, então:
L = LD é triangular inferior
U = U D 1− é triangular superior
A = LU = L DD 1− = U L
De modo que U L também é uma decomposição LU . Isto sugere a possibilidade dese normalizar as decomposições LU .
Seja a transformação A= LDU
Onde: L é triangular inferior unitário (diagonal) D é diagonalU triangular superior unitária (diagonal)
Pode-se mostrar que a decomposição LDU de uma matriz A é única, se suas submatrizes principais guias [ ] [ ] [ ]121 ,.......,, −ΑΑΑ n são todos não-singulares.
⎥⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢⎢
⎣
⎡
Α
−
−−−−−
−
−
nnnnnn
nnnnnn
nn
nn
aaaa
aaaa
aaaa
aaaa
121
1111211
2122221
1111211
............
...................................................
....................
.............
isto garante pivôs não nulos.Α = 222111 U D LU D L =Α
222111 U D LU D L =
-
8/18/2019 Aula 9 SL Direto
4/13
72
unitárioerior triang D L L DU U
U U D L DU U D L L D
unitárioSuperior TriangU
unitárioerior Triang L
existe D
existeU
existe L
sup.
.
inf .
221
11
11
21
1222
11
11
12111
11
11
2
1
11
12
11
→=
=−−−
−−−−−−
−
−
−
Produto de 2 matrizes triang. sup. unitário resulta matriz triang sup. unitário. Isto força oser diagonal ⇒ Identidade.
211
21 U U I U U ==− da mesma forma pode-se chegar .2121 D De L L ==
Diferentes decomposições LU:
( ) LU LD ==Α U →onde: U é triângular superior unitário – Decomposição de Crout
( ) U L DU L ==Α → onde: L é triângular superior unitário – Decomposição de Doolittle
Se A for simétrica:
Choleskydeão Decomposiç L LU D LD A
D D Dse
LDL
t →=⎟
⎠ ⎞⎜
⎝ ⎛ ⎟
⎠ ⎞⎜
⎝ ⎛ =
=>
=Α +
2121
21
21
0
Algoritmo para Decomposição de Crout
→= U L A U é triângular superior com diagonal unitária
{ }n jiula jk
jimim
k k i ji,.....1,
,
1 ==∑ =
-
8/18/2019 Aula 9 SL Direto
5/13
73
Como :111 =u
nilula iii ,.....,1,11111 ===
ou seja a primeira coluna de é igual a primeira coluna de L.
Além disso:
jij ula 111=
n jl
au
j
j ,.......111
1
1 ==
Assim determinamos 1° linha de U .
Suponha que as primeiras (p –1) colunas de L e as primeiras (p – 1) linhas de U tenhamsido calculadas e como 1=kk u .
).....,.........1,(1
1
n p piulla p
k
kpik ipip +=+= ∑−
=
portanto a esima p coluna de L é dada por:
( )∑ −
= +=−=
1
1,.....1,
p
k kpik ipip n p piU lal
Da mesma forma
( )∑ −
= +=+=
1
1,....1
p
k kj pk pj pp pj n p julula
onde
( ) ( )n p julalu kj p
k pj pj
pp
pj ,..111
1 +=−= ∑ −
=
Observe que não há necessidade de calcular-se para j = p, pois, 1= ppu .
OBS: Pode-se verificar que, após ija Ter sido utilizado para calcular ji ji uoul , ele não é
mais utilizado, assim, os elementos não nulos de L e U podem ser escritos sobre oselementos correspondentes de A.
Algoritmo para Redução de Crout: para p = 1, 2,.....,n:
1.
n piulala pk k i p
k pi pi pi ,.....,,1
1 =−=← ∑ −
− 2. n p jU lalua
p
k jk k p j p pp j p j p,......1,
1
1
1 +=−=← ∑ −
=
−
- Os elementos ppl são pivôs na redução de Grauss e são ≠ 0, se as submatrizes
principais guias de A são não – singulares.- Produtos internos devem ser acumulados em precisão dupla.
-
8/18/2019 Aula 9 SL Direto
6/13
74
A utilização de pivôs pequenos podem provocar erros de arredondamento quecontaminam significativamente a solução. Uma solução é utilizar o pivoteamento parcial,isto é, fazer uma pesquisa na coluna do pivô de forma a encontrar o elemento de maiorvalor absoluto. O elemento com maior valor absoluto é utilizado como pivô, para tanto, permuta-se a linha do elemento com a linha do pivô.
É importante observar que, quando forem executadas as etapas de substituição diretae inversa, as permutações realizada no pivotemameto devem ser realizados no vetorindependente do sistema de equação linear.
Def. Matriz de PermutaçãoMatriz quadrada de ordem n obtida da matriz identidade de ordem n pela permutação
de suas linhas.A pré-multiplicação de uma matriz A por uma matriz de permutação P resulta em
uma matriz A’, obtida de A com a mesma seqüência de permutações de linhas , realizadosna matriz P.
Seja o sistema linear b x A = e sejam os fatores LU obtidos por redução de Croutcom pivoteamento parcial. Portanto, LU são fatores de A’.
Onde: A’= PA
As mesmas permutações devem ser efetuados sobre b .
bPb ='
Algoritmo redução de Crout com permutação de linhas.
Para p=1, 2,.........n
1. ( )∑ −
= =−=←
1
1.......,,
p
k kpik ipipip n piU lala
2. ( )n pillquetal Achar ip p p p ,......, =≥ ρ ρ
3. ( )n jaa j pj p ,......2,1=← ρ
4. ( )nk julalua p
k kj pk p pp pj pj,.....1
1
111 +=−=← ∑
−
=
−
OBS: O algoritmo de Crout com pivoteamneto parcial pode ser considerado um algoritmoestável.
-
8/18/2019 Aula 9 SL Direto
7/13
75
3.3.5 Decomposição de Cholesky
Considerando: A Simétrica e definida positiva
Tem-set LL A =
Teorema: Se A é simétrica positiva definida então existe uma única matriz L comelementos diagonais positivos tal que t LL A = .
OBS 1: A matriz A é positiva definida se 0> x A xT para qualquer vetor x diferente dezero.OBS 2: Os elementos diagonais de uma matriz definida positiva são sempre positivos.
0>= iiiT i ae Ae
ie – vetor com elemento igual a 1 na posição i e o restante igual a zero.
A prova do teorema é feita por indução.
11: −×−⎥⎦
⎤⎢⎣
⎡= nnordemdesubmatriz H e positivaescalar d onde
H v
vd A
T
A matriz particionada pode ser escrito como o produto:
⎥⎥
⎦
⎤
⎢⎢
⎣
⎡⎥⎦
⎤⎢⎣
⎡
⎥⎥
⎦
⎤
⎢⎢
⎣
⎡
−−
in
T
n I d
vd
H I d
vd
00
010
1
d
vv H H
T
−= a matriz H é simétrica e também positiva definida, pois para qualquer vetor
x de comprimento n-1.
x H x xd
vv H x
xd
v x
H v
vd x
d
v x T T
T
T T
T T
=⎟⎟ ⎠
⎞⎜⎜⎝
⎛ −=⎥⎥
⎦
⎤⎢⎢
⎣
⎡−⎥⎦
⎤⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡− ,
0> x H xT , pois a matriz original é positiva definida por.
-
8/18/2019 Aula 9 SL Direto
8/13
76
Por indução H, pode ser fatorado como T H H L L com elementos diagonais positivos.
Portanto, A pode ser dada por:
T
T
H
T
H n
T
T
H H n
LL
Ld
vd
Ld
vd
I d
vd
L Lo
o
I d
vd
=
⎥⎥
⎥
⎦
⎤
⎢⎢
⎢
⎣
⎡
⎥
⎥
⎦
⎤
⎢
⎢
⎣
⎡=
⎥
⎥
⎦
⎤
⎢
⎢
⎣
⎡
⎥⎦
⎤⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡
⎥
⎥
⎦
⎤
⎢
⎢
⎣
⎡
−− 0
0
00
0110
11
Para provar a unidade, tem-se:
( )1⎥⎦
⎤⎢⎣
⎡=
H v
vd A
T
( )20⎥⎦
⎤⎢⎣
⎡=
−
Ll
Lλ
( )30
0 2
⎥⎥⎦
⎤
⎢⎢⎣
⎡=⎥
⎦
⎤⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡== T
T
T
T
T
L Ll
l
L
l
Ll LL A
λ
λ λ λ λ
De (1) e (3) tem-se:
λ λ
λ λ
λ λ
vlvl
vlvl
d oud
T T T T
==
==
==2
Como podemos ver, os fatores l são únicos para λ positivo. Este procedimento pode serestendido por indução aos fatores seguintes.
Computação dos fatores
Suponha a matriz particionado como ⎥⎦
⎤⎢⎣
⎡=
5T u
u M A onde os fatores T M M L L da
submatriz principal M já foram obtidos. Os fatores da matriz A podem se dado por:
⎥⎦
⎤⎢⎣
⎡=⎥⎦
⎤⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡=Αsu
u M
t
w L
t w
LT
T M
T
M
00
uw L M =
212 )( wwst st ww T T −=⇒=+
-
8/18/2019 Aula 9 SL Direto
9/13
77
Para i = 1, 2, ......n
Solucione
⎥⎥⎥⎥
⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎢⎢
⎣
⎡
−−− 1,11,1
11
...
....
..
0
iii ll
l
⎥⎥⎥⎥
⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎢⎢
⎣
⎡
−1,
1
ii
i
l
l
=
⎥⎥⎥⎥
⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎢⎢
⎣
⎡
−1,
1
ii
i
a
a
Compute ⎥⎦
⎤⎢⎣
⎡−= ∑
−
=
21
1k i
i
K
iiii lal
Exemplo 2x2.
( )
⎥⎦
⎤⎢⎣
⎡=
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
=−=
=+
==
⎥⎦
⎤⎢⎣
⎡=⎥
⎦
⎤⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
31
14
411
212
411
21
2
4113
3
2112
31
14
0
202
512
131214
21
2
wwt
t ww
ww
t
w
t w
t
T
T
( ) 21
2
1
5
12
411
212
W W t
ww
uw L
T
M
−=
⎥⎦⎤⎢
⎣⎡=⎥
⎦⎤⎢
⎣⎡
⎥⎥⎦
⎤⎢⎢⎣
⎡
=
-
8/18/2019 Aula 9 SL Direto
10/13
78
Computado e acessado
iil T
iK l
Elemento nãoCalculado
Pela simetria de A, apenas é necessário se trabalhar com sua metade inferior. Além disso, oselementos de L podem ser escritos sobre os de A.
AlgoritmoPara K = 1, 2, ....n
⎟⎟ ⎠
⎞⎜⎜⎝
⎛ −=←
−=
∑−
=
1
1
1
1.........,2,1.1i
j
jK jiiK
ii
iK iK lla
lla
K iPara
∑−
=
−=←1
1
2.2K
j
jk KK KK KK lala
OBS: A decomposição de Cholesky requer 63n multiplicações, isto é, a metade das
exigidas pela redução de Crout. Os produtos internos devem ser acumulados em precisão
dupla, para se obter exatidão adicional.O algoritmo de Cholesky é incondicionalmente estável. Como A é positiva definida, não hánecessidade de pivoteamento, pois neste caso ela sempre é diagonal dominante.
3.4 Solução de Sistemas LinearesA partir das decomposições de Crout e Cholesky vistas anteriormente, pode-se resolver
os sistemas lineares através de substituições.
Seja o sistema Linear:b x A =
3.4.1 Decomposição LU
LU PA =
bP x LU =
-
8/18/2019 Aula 9 SL Direto
11/13
79
Substituição Direta'bbP y L ==
Substituição Inversa
y xU =
Substituição Direta 'bbP y L ==
Atualização por linhas
nil ylb y ii j
i
j
ijii .........,2,1/1
1
,=⎟
⎟ ⎠
⎞⎜⎜⎝
⎛ −= ∑
−
=
Substituição Inversa y xU =
1,.......,11
−=⎟⎟ ⎠
⎞⎜⎜⎝
⎛ −= ∑
+=
ni xu y xn
i j
jijii
Substituição Direta
Atualização por colunas.
-
8/18/2019 Aula 9 SL Direto
12/13
80
22
23233
22
2'2
,11
,,'
,131
'3
,'3
,121
,2
,2
11
1'1
2
11
2
1
1
2221
11
''
'
'2
.
1
blbb
blbb
l
bb
Coluna
blbb
blbb
blbb
l
bb
Coluna
b
b
b
y
y
y
ll
ll
l
nnn
nnn
nnnnn
−=
−=
=
−=
−=
−=
=
⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢
⎣
⎡
=
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
M
M
Coluna n
nn
n
n
l
bb
'' =
No final 'b y = , observe que as atualizações foram feitas por colunas.
Algoritmo para atualização por colunas
'
''
'''
,1
/''
1.......1
b y
lb
b
ContinueContinue
lbbb
n jk Para
lbb
n jPara
nn
nn
kj jK K
jj j j
=
=
−=
+=
=
−=
As substituições direta e inversa requerem 2η multiplicações.
-
8/18/2019 Aula 9 SL Direto
13/13
81
3.4.2 Decomposição de Cholesky
Neste caso não há necessidade de utilizar permutações.
b x LL
LL
T
T
=
=Α
Substituições direta bY L =
Substituições Inversa y x LT =