CÁLCULO NUMÉRICO

Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br

 Aula 12
04/2014 Sistemas de Equações Lineares – Parte 2
FATORAÇÃO LU

Aula 11 – Sistemas de Equações Lineares – Parte 2

Cálculo Numérico 3/37
FATORAÇÃO LU
¨  Uma fatoração LU de uma dada matriz quadrada é dada por:

A = LU

onde L é triangular inferior e U é triangular superior.

Exemplo:
! 2 3 $ ! 1 0 $! 2 3 $
A =# & = LU = # &# &
" 8 5 % " 4 1 %" 0 −7 %

Aula 11 – Sistemas de Equações Lineares – Parte 2

Cálculo Numérico 4/37
Quando usar fatoração LU

¨  A fatoração LU é, geralmente, utilizada quando precisamos

resolver vários sistemas de equações lineares, sendo todos
compostos pela mesma matriz dos coeficientes A.

Aula 11 – Sistemas de Equações Lineares – Parte 2

Cálculo Numérico 5/37
Método de Doolittle
¨  Pode ser provado que, para qualquer matriz não-singular
(inversível), as linhas podem ser reordenadas de forma que a
matriz resultante A tenha uma fatoração LU do tipo:

Matriz dos multiplicadores mjk

¨  L com diagonal principal 1, ..., 1

Matriz do sistema triangular ao

¨  U final da eliminação de Gauss

Aula 11 – Sistemas de Equações Lineares – Parte 2

Cálculo Numérico 6/37
Método de Doolittle
¨  Podemos, então, determinar x mais facilmente.

¨  Fazemos y = Ux

¨  Passo 1: Resolvemos o sistema Ly = b para y.

¨  Passo 2: Resolvemos o sistema Ux = y para x.

Aula 11 – Sistemas de Equações Lineares – Parte 2

Cálculo Numérico 7/37
Método de Doolittle

¨  Como L é triangular, determinar y a partir desta equação

exige somente O (n2 ) operações.
¨  Com y conhecido, o sistema triangular superior Ux = y exige
somente O (n2 ) operações adicionais para determinar x.
¨  Logo, o número de operações necessárias para resolver
Ax = b é reduzido de O (n3 ) para O (n2 ).
¨  Porém, determinar L e U exige O (n3) operações.

Aula 11 – Sistemas de Equações Lineares – Parte 2

Cálculo Numérico 8/37
Teorema 1

¨  Se a eliminação de Gauss puder ser realizada no sistema

linear Ax = b sem trocas de linha, então a matriz A pode ser
fatorada no produto de uma matriz triangular inferior L e
uma matriz triangular superior U, A = LU, em que:

a (ji )
1
m ji = (1)
aii

Aula 11 – Sistemas de Equações Lineares – Parte 2

Cálculo Numérico 9/37
Exemplo 1
¨ Seja o sistema:
Considere que a eliminação de Gauss possa ser aplicada sem
troca de linhas.

" 3x1 + 5x2 + 2x3 = 8

$
# 8x2 + 2x3 = −7
$6x + 2x + 8x = 26
% 1 2 3

¨  Resolva pelo Método de Doolittle.

Aula 11 – Sistemas de Equações Lineares – Parte 2

Cálculo Numérico 10/37
Exemplo 1
¨  A fatoração LU é obtida de:
! a13 # ! 3
%
a11 a12
& % 5 2 #
&
A = !"a jk #$ = % a21 a22 a23 & = % 0 8 2 &
% & % 6 2 8 &$
%" a31 a32 a33 &$ "
! $! u u12 u13 $
# 1 0 0 &# 11 &
=# m21 1 0 &# 0 u22 u23 &
# &# &
" m31 m32 1 %#" 0 0 u33 &%

¨  Pela determinação de mjk e ujk e utilizando a multiplicação de

matrizes.
Aula 11 – Sistemas de Equações Lineares – Parte 2
Cálculo Numérico 11/37
Exemplo 1

! 3 5 2 $ ! 1 0 0 $! 3 5 2 $
# & # &# &
A = # 0 8 2 & = LU = # 0 1 0 &# 0 8 2 &
# 6 2 8 & # 2 −1 1 &# 0 0 6 &
" % " %" %

Resolvendo Ly = b: Resolvendo Ux = y:
" 8 % " %
$ ' $ 4 '
y = $ −7 ' x = $ −1 '
$ 3 ' $ '
# & 1
$# 2 '&
Aula 11 – Sistemas de Equações Lineares – Parte 2
Cálculo Numérico 12/37
Matriz de Permutação
¨  Quando as trocas de linha forem necessárias, utilizaremos
uma matriz de permutação.

¨  Uma n × n, P = [pij] é

obtida por meio da reorganização das linhas de In, a matriz
identidade.

¨  Isso resulta em uma matriz com exatamente um elemento

não-nulo em cada linha e em cada coluna, e cada elemento
não-nulo é igual a 1.

Aula 11 – Sistemas de Equações Lineares – Parte 2

Cálculo Numérico 13/37
Exemplo 2
¨  A matriz:
! 1 0 0 $
# &
P =# 0 0 1 &
# 0 1 0 &
" %
é a matriz de permutação 3 × 3.
¨  Para qualquer matriz A 3 × 3, multiplicar à esquerda por P
tem o efeito: ( E2 ) ↔ ( E3 )

Aula 11 – Sistemas de Equações Lineares – Parte 2

Cálculo Numérico 14/37
Exemplo 2

! 1 0 0 $! a11 a12 a13 $ ! a11 a12 a13 $

# &# & # &
PA = # 0 0 1 &# a21 a22 a23 & = # a31 a32 a33 &
# 0 1 0 &# a a32
& #
a33 &% #" a21 a22
&
a23 &%
" %#" 31

¨  De maneira análoga, multiplicar A à direita por P troca a

segunda e a terceira colunas de A.

Aula 11 – Sistemas de Equações Lineares – Parte 2

Cálculo Numérico 15/37
Propriedades

¨  Duas propriedades úteis de matrizes de permutação

relacionam-se à eliminação de Gauss:

¤  PA permuta as linhas de A;

¤  P-1 existe e P-1 = PT.

Aula 11 – Sistemas de Equações Lineares – Parte 2

Cálculo Numérico 16/37
¨  Podemos concluir, então, que para qualquer matriz A não-
singular, existe P para a qual o sistema PAx = Pb pode ser
resolvido sem trocas de linhas. PA pode ser fatorada em
LU.
¨  Como P-1 = PT, temos a fatoração:

A = P-1LU = (PTL) U

¨  A matriz U ainda é triangular superior, mas PTL não é mais

triangular inferior a menos que P = I.

Aula 11 – Sistemas de Equações Lineares – Parte 2

Cálculo Numérico 17/37
¨  Logo, resolver o sistema PAx = Pb é o mesmo que resolver
o sistema:

(PTL) U x = b
y

¨  Passo 1: Resolvemos o sistema PTLy = b para y.

¨  Passo 2: Resolvemos o sistema Ux = y para x.

Aula 11 – Sistemas de Equações Lineares – Parte 2

Cálculo Numérico 18/37
Exemplo 3
¨  Considere um sistema qualquer, tal que:
" 0 1 −1 1 % m21 = 0
$ '
1 1 −1 2 ' m31 = -1
A =$
$ −1 −1 1 0 '
$ 1 2 0 2 '& m41 = 1
#

¨  Como a11 = 0, a matriz A não tem uma fatoração LU. Então,
temos que fazer:

( E1 ) ↔ ( E2 ), ( E3 + E1 ) → ( E3 ), ( E4 − E1 ) → ( E4 ).
Aula 11 – Sistemas de Equações Lineares – Parte 2
Cálculo Numérico 19/37
Exemplo 3
" 1 1 −1 2 %
$ ' m32 = 1
(2) $ 0 1 −1 1 '
A =
$ 0 0 0 2 ' m42 = 0
$ 0 1 1 0 '&
#

¨  e: ( E3 ) ↔ ( E4 ), ( E3 − E2 ) → ( E3 ).
" 1 1 −1 2 %
$ '
$ 0 1 −1 1 '
$ 0 0 2 −1 '
$ 0 0 0 2 '&
#
Aula 11 – Sistemas de Equações Lineares – Parte 2
Cálculo Numérico 20/37
Exemplo 3
¨  A matriz de permutação associada às trocas das linhas:

( E1 ) ↔ ( E2 ), ( E3 ) ↔ ( E4 ),
será:

! 0 1 0 0 $
# &
1 0 0 0
P =# &
# 0 0 0 1 &
# 0 0 1 0 &
" %

Aula 11 – Sistemas de Equações Lineares – Parte 2

Cálculo Numérico 21/37
Exemplo 3
¨  Logo, a eliminação de Gauss pode ser feita em PA sem
trocas de linhas para fornecer a fatoração LU de:

" 1 0 0 0 %" 1 1 −1 2 %
$ '$ '
0 1 0 0 0 1 −1 1 '
PA = $ '$ = LU
$ 1 1 1 0 '$ 0 0 2 −1 '
$ −1 0 0 1 '$ 0 0 0 2 '&
# &#

L U
Aula 11 – Sistemas de Equações Lineares – Parte 2
Cálculo Numérico 22/37
 Exemplo 3
¨  Logo:
" 1 0 0 0 %" 1 1 −1 2 %
$ '$ '
0 1 0 0 0 1 −1 1 '
A = P −1 ( LU ) = ( P T L ) U = $ '$
$ 1 1 1 0 '$ 0 0 2 −1 '
$ −1 0 0 1 '$ 0 0 0 2 '&
# &#

e assim:

( L) Ux = b
P T

Aula 11 – Sistemas de Equações Lineares – Parte 2

Cálculo Numérico 23/37
TIPOS ESPECIAIS
DE MATRIZES

Aula 11 – Sistemas de Equações Lineares – Parte 2

Cálculo Numérico 24/37
¨  Temos duas classes de matrizes para as quais a eliminação
de Gauss pode ser realizada de forma eficaz sem trocas de
linhas. Logo, podem ser fatoradas em LU.

Aula 11 – Sistemas de Equações Lineares – Parte 2

Cálculo Numérico 25/37
DIAGONAL DOMINANTE
¨  Diz-se que a matriz n × n é estritamente diagonal
dominante quando:

n
aii > ∑ aij
j=1,
j≠i

é válida para cada i = 1, 2, ..., n.

Aula 11 – Sistemas de Equações Lineares – Parte 2

Cálculo Numérico 26/37
Teorema

¨  Uma matriz A estritamente diagonal dominante é não-

singular (inversível). Além disso, neste caso, a eliminação de
Gauss pode ser realizada em qualquer sistema linear da
forma Ax = b para obter sua solução única sem trocas de
linha ou coluna, e os cálculos serão estáveis com relação ao
crescimento de erros de arredondamento.

Aula 11 – Sistemas de Equações Lineares – Parte 2

Cálculo Numérico 27/37
DEFINIDA POSITIVA
¨  Uma matriz A é definida positiva se for simétrica e se,
xtAx > 0 para todo vetor n dimensional x ≠ 0.

! a11 a12 ! a1n $! x1 $

# &# &
t # a21 a22 ! a2n &# x2 &
x Ax = [ x1, x2 ,!, xn ]# &# &
# ! ! " ! &# ! &
#" an1 an2 ! ann &%#" xn &%

Aula 11 – Sistemas de Equações Lineares – Parte 2

Cálculo Numérico 28/37
Definição
¨  Uma submatriz principal dominante de uma matriz A é
uma matriz da forma:

! a11 a12 ! a1k $

# &
# a21 a22 ! a2k &
Ak = # &
# ! ! " ! &
#" ak1 ak 2 ! akk &%

para algum 1 ≤ k ≤ n.

Aula 11 – Sistemas de Equações Lineares – Parte 2

Cálculo Numérico 29/37
Teorema

¨  Uma matriz simétrica A é definida positiva se, e somente se

cada uma de suas submatrizes principais dominantes tiver
um determinante positivo.

Aula 11 – Sistemas de Equações Lineares – Parte 2

Cálculo Numérico 30/37
Método de Cholesky

¨  Para uma matriz A simétrica, definida positiva podemos em

A = LU, escolher U = LT, tal que:

u jk = mkj

¨  Para tal, não fazemos nenhuma imposição em relação aos

elementos da diagonal principal, ou seja:

Aula 11 – Sistemas de Equações Lineares – Parte 2

Cálculo Numérico 31/37
Método de Cholesky

! a a12 a13 #
% 11 &
A = !"a jk #$ = % a21 a22 a23 &
% &
%" a31 a32 a33 &$

! l
11 0 0 $! l11 l21 l31 $
# &# &
= LLT = # l21 l22 0 &# 0 l22 l32 &
# &# &
#" l31 l32 l33 &%#" 0 0 l33 &%

Aula 11 – Sistemas de Equações Lineares – Parte 2

Cálculo Numérico 32/37