Comente sobre as seguintes afirmações:
O condicionamento da matriz de coeficientes de um sistema linear tem influência na solução do sistema. Se, durante a solução do sistema por meio do método de eliminação de Gauss for utilizado pivoteamento, o condicionamento da matriz de coeficientes não terá nenhuma influência na solução.
O condicionamento da matriz de coeficientes de um sistema linear tem influência na solução do sistema. Se, durante a solução do sistema por meio do método de eliminação de Gauss for utilizado pivoteamento, o condicionamento da matriz de coeficientes não terá nenhuma influência na solução.
Passo 1
O enunciado apresenta duas afirmações e pede um comentário sobre elas. As afirmações são:
- “O condicionamento da matriz de coeficientes de um sistema linear tem influência na solução do sistema.”
- “Se, durante a solução do sistema por meio do método de eliminação de Gauss for utilizado pivoteamento, o condicionamento da matriz de coeficientes não terá nenhuma influência na solução.”
Informações/objetivos dados: analisar a veracidade e explicar o porquê de cada uma dessas afirmações.
Passo 2
O que é condicionamento (definição e significado prático).
- Para uma matriz
invertível define‑se o número de condição
Aqui
é uma norma matricial consistente (na prática usa‑se muito a norma 2). Intuitivamente,
mede quanto uma pequena perturbação nos dados (vetor
ou na própria matriz
) pode amplificar o erro na solução
do sistema
.
- Interpretação: se
é pequeno (próximo de ), o sistema é bem condicionado — pequenas perturbações produzem pequenas mudanças relativas em . Se é grande, o sistema é mal condicionado (ill‑conditioned) — pequenas perturbações podem causar grandes variações relativas em .
Passo 3
Relação matemática entre perturbação em
e erro em
.
- Suponha
e que é perturbado para . Denotando por a solução exata e por a solução do sistema perturbado, tem‑se aproximadamente (primeira ordem)
- Dividindo por
e reescrevendo, obtém‑se o vínculo clássico
- Conclusão direta: o fator
multiplica a fragilidade dos dados e, portanto, condicionamento influência diretamente a sensibilidade da solução.
Passo 4
O que é a eliminação de Gauss e o que o pivoteamento faz (propósito prático).
- Eliminação de Gauss (Gauss/LU) procede por combinações lineares para triangularizar a matriz e resolver por substituição. Em aritmética exata isso resolve sem erros.
- Em aritmética finita (ponto flutuante) surgem dois problemas práticos:
- Necessidade de evitar pivôs nulos.
- Evitar possíveis amplificações de erros de arredondamento quando um pivô é muito pequeno comparado a outros elementos da mesma coluna.
- Pivoteamento parcial (trocar linhas, geralmente representado por uma matriz permutação
tal que ) escolhe o maior elemento em magnitude na coluna como pivô. Pivoteamento completo troca linhas e colunas (permutações e , ). - O objetivo do pivoteamento é controlar a “fator de crescimento” dos elementos durante a eliminação e reduzir amplificação de erros de arredondamento.
Passo 5
Pivoteamento não altera o condicionamento da matriz (explicação formal).
- Trocar linhas é multiplicar por uma matriz permutação
e trocar colunas por . Essas matrizes são ortogonais (ou permutações), portanto na norma 2. - Se multiplicar
por permutações, as normas e os valores singulares não se alteram (ou mudam de forma controlada), logo
- Conclusão: o pivoteamento é apenas uma reordenação das equações/colunas; não muda a propriedade intrínseca de sensibilidade medida por
.
Passo 6
Como condicionamento e pivoteamento atuam juntos no erro numérico (ligações com estabilidade algorítmica).
- Em aritmética finita, a solução computada
de um algoritmo (por exemplo Gauss com pivoteamento parcial) geralmente satisfaz que é a solução exata de um sistema levemente perturbado
onde
e
são da ordem de
e
multiplicados por um fator que depende do algoritmo (crescimento de eliminação), sendo
a precisão da máquina.
- Algoritmos “backward stable” (como Gauss com pivoteamento parcial na maioria dos casos práticos) garantem que as perturbações relativas são pequenas:
e , possivelmente com um fator de crescimento moderado. - O erro final (forward error) satisfaz então
- Portanto: pivoteamento reduz o termo
(evita grandes fatores de crescimento), ou seja melhora a estabilidade numérica do procedimento, mas o multiplicador continua presente e pode amplificar mesmo pequenos erros de arredondamento.
Passo 7
Exemplos numéricos e interpretação prática (números para sentir a escala).
- Exemplo ilustrativo: suponha
(ponto flutuante duplo) e que, graças ao pivoteamento, o algoritmo é backward stable com fator constante pequeno, então a perturbação efetiva é da ordem de . - Se
, o erro relativo na solução pode ser da ordem de (aceitável). Se , o erro relativo pode ficar na ordem de (problema grande). Mesmo com pivoteamento perfeito, o enorme impõe limites à precisão alcançável. - Outro exemplo conceitual: a matriz de Hilbert
é famosa por ser muito mal condicionada; mesmo resolvendo com pivoteamento, a solução numérica pode ter grande erro porque cresce exponencialmente com .
Passo 8
Resumo, resposta direta às afirmações e recomendações práticas.
- Afirmação 1: correta. O condicionamento da matriz influencia a sensibilidade da solução;
atua como fator de amplificação de erros/perturbações. - Afirmação 2: incorreta. O pivoteamento melhora a estabilidade do algoritmo (reduz crescimento e evita pivôs pequenos), mas não elimina a influência intrínseca do condicionamento: a condição
continua a multiplicar qualquer erro residual. Em outras palavras, pivoteamento pode reduzir o erro algorítmico, mas não pode transformar uma matriz mal condicionada em bem condicionada. - Recomendações práticas quando
é grande: usar escalonamento/normalização, aplicar técnicas de regularização, usar precisão aritmética maior (p. ex. aritmética de precisão estendida) ou usar refinamento iterativo (iterative refinement) para tentar recuperar precisão apesar do alto condicionamento.
Resposta
- Verdadeira.
- Falsa.