ANÁLISE DO DESEMPENHO DAS FATORAÇÕES QR E CHOLESKY USANDO ESTRUTURA DE DADOS INDEXADA E DE LISTAS ENCADEADAS

Visualizações: 49

Autores

DOI:

https://doi.org/10.56579/rei.v8i4.3124

Palavras-chave:

Fatoração QR, Fatoração de Cholesky, Listas Encadeadas, Matrizes Esparsas

Resumo

Inúmeros problemas reais das áreas de física, química e engenharias envolvem sistemas lineares de grande porte e esparsos, compostos por milhares de equações Em alguns casos, tais  sistemas admitem uma única solução,  passível de ser obtida através de métodos diretos. Dentre eles, destacam-se aqueles que utilizam a decomposição da matriz de coeficientes, como ocorre com a Fatoração QR e de Cholesky. Esses métodos visam obter uma solução muito próxima da exata em um número limitado de passos. Eeste trabalho constitui no estudo e na implemetação dos métodos de Fatoração QR e de Cholesky usando estrutura de dados indexada e de listas encadeadas. Os resultados computacionais indicam que a estrutura de listas encadeadas teve um desempenho inferior com a Fatoração QR, mas o resultado inverteu-se com o método de Cholesky. Contudo, em ambos os métodos, o emprego de listas encadeadas resultou em um consumo de memória inferior, mostrando-se uma alternativa eficiente e eficaz para o armazenamento de dados.

Downloads

Não há dados estatísticos.

Biografia do Autor

Débora Rezende Jalles, Universidade Federal Fluminense

Mestre em Modelagem Computacional Ciência e Tecnologia na Universidade Federal Fluminense. Brasil, Rio de Janeiro. Santo Antônio de Pádua, 2025.  Professora de Matemática/Ciências Físicas da Secretaria Municipal de Educação de Itaperuna, RJ.

Ricardo Silveira Sousa, Universidade Federal Fluminense

Doutorado em Ciência da Computação e Matemática Computacional na USP. Professor e pesquisador permanente do Programa de Pós-graduação em Modelagem Computacional Ciência e Tecnologia da Universidade Federal Fluminense.

Thiago Jordem Pereira, Universidade Federal Fluminense

Formação: Doutorado em Modelagem Computacional na UERJ. Tem experiência na área de Matemática, com ênfase em Matemática Aplicada e Computacional, atuando principalmente nos seguintes temas: análise numérica e estocástica, quantificação de incertezas, escoamentos de fluidos em meios porosos e modelagem de crescimento tumoral. Professor e pesquisador permanente do Programa de Pós-graduação em Modelagem Computacional Ciência e Tecnologia da Universidade Federal Fluminense.

Wagner Rambaldi Telles, Universidade Federal Fluminense

Formação: Doutorado em Modelagem Computacional na UERJ. Professor colaborador do Doutorado Profissional em Modelagem e Tecnologia para Meio Ambiente Aplicadas em Recursos Hídricos (AmbHidro), ofertado pelo Instituto Federal Fluminense (IFFluminense). Tem experiência na área de Matemática, com ênfase em Matemática Aplicada e Computação Científica, atuando, principalmente, nas áreas de análise numérica, problemas inversos e otimização, com aplicação na modelagem de recursos hídricos. Professor e pesquisador permanente do Programa de Pós-graduação em Modelagem Computacional Ciência e Tecnologia da Universidade Federal Fluminense.

Referências

ARENALES, S.; DAREZZO, A. Cálculo numérico: aprendizagem com apoio de software. 2. ed. São Paulo: Cengage Learning, 2015.

BOLDRINI, J. L.; COSTA, S. I. R.; FIGUEIREDO, V. L.; WETZLER, H. G. Álgebra linear. 3. ed. São Paulo: Harper & Row do Brasil, 1980.

COLLA, E. C. Aplicação de técnicas de fatoração de matrizes esparsas para inferência em redes bayesianas. 2007. Dissertação (Mestrado em Ciências da Computação) – Instituto de Matemática e Estatística, Universidade de São Paulo, São Paulo, 2007.

COSTA, E. C. Estudo de fluxo de potência com aplicação de métodos diretos na resolução de sistemas de equações lineares. 2008. Dissertação (Mestrado Profissional) – Instituto de Matemática, Estatística e Computação Científica, Universidade Estadual de Campinas, Campinas, 2008.

CUNHA, M. C. C. Métodos numéricos. 2. ed. Campinas: Editora da Unicamp, 2000.

DAVIS, T. A.; HU, Y. The University of Florida Sparse Matrix Collection. ACM Transactions on Mathematical Software, New York, v. 38, n. 1, art. 1, p. 1-25, 2011. DOI: https://doi.org/10.1145/2049662.2049663.

JALLES, D. R. Métodos de decomposição para sistemas lineares com estrutura de dados de listas encadeadas. 2025. Dissertação (Mestrado em Modelagem Computacional em Ciência e Tecnologia) – Universidade Federal Fluminense, Volta Redonda, 2025.

PESCADOR, A.; POSSAMAI, J. P.; POSSAMAI, C. R. Aplicação de álgebra linear na engenharia. In: CONGRESSO BRASILEIRO DE EDUCAÇÃO EM ENGENHARIA, 39., 2011, Blumenau. Anais [...]. Blumenau: FURB, 2011. p. 1-9. Disponível em: https://admin.abenge.org.br/cobenge/legado/arquivos/8/sessoestec/art2127.pdf. Acesso em: 14 jul. 2026.

RUGGIERO, M. G.; LOPES, V. L. R. Cálculo numérico: aspectos teóricos e computacionais. 2. ed. São Paulo: Pearson, 2000.

SILVA, L. H. Métodos iterativos para sistemas lineares: pré-condicionadores, estruturas de dados e outras técnicas. 2021. Dissertação (Mestrado em Modelagem Computacional em Ciência e Tecnologia) – Universidade Federal Fluminense, Volta Redonda, 2021.

SUITESPARSE MATRIX COLLECTION. SuiteSparse Matrix Collection: formerly the University of Florida Sparse Matrix Collection. [S. l.], [s. d.]. Disponível em: https://sparse.tamu.edu/. Acesso em: 10 set. 2025.

TREFETHEN, L. N.; BAU, D. Numerical linear algebra. Philadelphia: Society for Industrial and Applied Mathematics, 1997.

ZIVIANI, N. Projeto de algoritmos com implementações em Pascal e C. 4. ed. São Paulo: Pioneira, 1999.

Downloads

Publicado

2026-07-21

Como Citar

Jalles, D. R., Sousa, R. S., Pereira, T. J., & Telles, W. R. (2026). ANÁLISE DO DESEMPENHO DAS FATORAÇÕES QR E CHOLESKY USANDO ESTRUTURA DE DADOS INDEXADA E DE LISTAS ENCADEADAS. REVISTA DE ESTUDOS INTERDISCIPLINARES, 8(4), 01–21. https://doi.org/10.56579/rei.v8i4.3124

Edição

v. 8 n. 4 (2026): REVISTA DE ESTUDOS INTERDISCIPLINARES

Seção

ARTIGOS

Licença

Copyright (c) 2026 REVISTA DE ESTUDOS INTERDISCIPLINARES

Creative Commons License
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.

A Revista Estudos Interdisciplinares adota a licença Creative Commons Atribuição 4.0 Internacional (CC BY 4.0), que possibilita o compartilhamento e a adaptação do trabalho, incluindo fins comerciais, desde que seja feita a atribuição adequada e seja reconhecida a publicação original nesta revista.

 

Métricas