Sunteți pe pagina 1din 29
Cursul 4 Rezolvarea sistemelor de ecua ţ ii

Cursul 4

Rezolvarea sistemelor de ecuaţii

Rezolvarea numeric ă a ecua ţ iilor algebrice Rezolvarea sistemelor triun g hiulare. Eliminarea Gauss. Eliminarea

Rezolvarea numerică a ecuaţiilor algebrice

Rezolvarea sistemelor triunghiulare. Eliminarea Gauss.

Eliminarea Gauss cu pivotare par ţială. Eliminarea Gauss cu pivotare totala. Factorizarea LU. Factorizarea Cholesky. Metoda Gauss-Jordan.

Factorizarea LU:

Factorizarea LU:

Factorizarea LU:
Factorizarea LU: Matricea U se calculeaza in cursul procesului de eliminare gaussiana fara pivotare. Matricea L
Factorizarea LU:
Matricea U se calculeaza in cursul procesului
de eliminare gaussiana fara pivotare.
Matricea L este:
n-1
-1
− 1
-1
-1
-1
L=T
=
(
T
T
⋅⋅
...
T
T
)
=
T
T
⋅⋅
...
T
=
I
+
T
n-1
n-2
2
1
1
2
n-1
n
p
p=1
1
t
1
21
L=
tt1
31
32
...
...
...
1
t
t
...
t
1
⎢ ⎣
n1
n2
n,n-1
⎦ ⎥

e

T

p

Daca se considera elementele diagonale ale matricei U unitare (U ii =1) se obtine factorizarea Crout, daca L ii =1 se obtine factorizarea Doolitle.

Factorizarea Crout: Se dezvolta relatia: min(i,j) A= ij ∑ m=1 L im ⋅ U mj Matricele

Factorizarea Crout:

Se dezvolta relatia:

min(i,j)

A=

ij

m=1

L

im

U

mj

Matricele L si U se calculeaza incepand cu prima coloana din L si prima linie din U:

coloana 1 din L (i=1:n, j=1)

A

i1

=L

i1

U

11

de unde L

i1

=A

i1

, i=1:n

linia 1 din U (i=1, j=2:n) A

A

1j

=L

11

U

1j

U

1j

=

1j

L

11

, j=2:n

Factorizarea Crout: Folosin d i nductia procesu l se continua. D upa ce s-au calculat primele

Factorizarea Crout:

Folosind inductia procesul se continua. Dupa ce s-au calculat primele p-1 coloane din L si primele p-1 linii din U:

coloana p din L (i=p:n, j=p)

A

ip

p-1

=

m=

1

L U +⋅

im

mp

L

ip

U

pp

L

ip

=A

ip

p-1

L

im

m=

1

U

mp

, i=p:n

linia p din U (i=p, j=p+1:n)

p-1

A=

pj

m=1

L

pm

U

mj

L

U

+⋅⇒

pp

pj

U=

pj

A

pj

p-1

m=1

LU

pm

mj

L

pp

Factorizarea Cholesky:

Factorizarea Cholesky:

Factorizarea Cholesky:
Factorizarea Cholesky: Dac ă o matrice p ă trat ă A este simetrica si pozitiv definita,

Factorizarea Cholesky:

Dacă o matrice pătrată A este simetrica si pozitiv definita, ei i se poate aplica o factorizare speciala, mai eficienta din punct de vedere numeric, numita factorizare Cholesky.

Simetria inseamna satisfacerea egalității A=A T sau a ij =

a ji pentru toti indicii i,j=1,

...

,n.

O matrice A se numește pozitiv definita daca inegalitatea x T Ax>0 este satisfacuta pentru orice vector x, iar anularea produsului matriceal are loc numai atunci cand x este identic cu vectorul nul.

Proprietatea definirii pozitive a matricei A joaca un rol esential in stabilitatea numerica a calculelor efectuate in cursul factorizarii Cholesky.

Factorizarea Cholesky: Daca cele doua propriet ăț i sunt satisfacute, factorizarea Cholesky descompune matricea A într-un

Factorizarea Cholesky:

Daca cele doua proprietăți sunt satisfacute, factorizarea Cholesky descompune matricea A într-un produs de doua matrice triunghiulare de tipul L·U, cu proprietatea remarcabilă L=U T :

A=L·L T

Pentru acest tip de factorizare, se pot scrie (n 2 +n)/2 ecuații independente care conțin tot atâtea necunoscute (elementele nenule din matricea L).

In consecință, factorizarea Cholesky a unei matrice este unică, nefiind necesara precizarea a priori a valorilor unor necunoscute.

Factorizarea Cholesky: Pentru stabilirea relatiilor generale de calcul dupa care se desfasoara factorizarea Cholesky, expresia A=L·L

Factorizarea Cholesky:

Pentru stabilirea relatiilor generale de calcul dupa care se desfasoara factorizarea Cholesky, expresia A=L·L T se expliciteaza in functie de elementele matricelor A si L:

Factorizarea Cholesky: Pentru stabilirea relatiilor generale de calcul dupa care se desfasoara factorizarea Cholesky, expresia A=L·L

In ipoteza determinarii prealabile a elementelor de pe primele j-1 coloane ale matricei L, relația anterioară se explicitează pentru a evidenția elementul diagonal:

Factorizarea Cholesky: Pentru stabilirea relatiilor generale de calcul dupa care se desfasoara factorizarea Cholesky, expresia A=L·L
Factorizarea Cholesky: Cu particularizarea i = j se ob ț ine: Deoarece toti termenii ( m=1,

Factorizarea Cholesky:

Cu particularizarea i = j se obține:

Deoarece toti termenii ( m=1, ,j-1 ) au fost calculați λ jm în prealabil, se poate
Deoarece toti termenii
( m=1,
,j-1
) au fost calculați
λ jm
în prealabil, se poate determina elementul diagonal
Factorizarea Cholesky: Cu particularizarea i = j se ob ț ine: Deoarece toti termenii ( m=1,

dupa care se calculează restul elementelor de pe coloana j a matricei L:

Factorizarea Cholesky: Cu particularizarea i = j se ob ț ine: Deoarece toti termenii ( m=1,
Factorizarea Cholesky: Cu particularizarea i = j se ob ț ine: Deoarece toti termenii ( m=1,
Factorizarea Cholesky: Ultimele dou ă rela ț ii stau la baza factorizarii matricei A dupa metoda

Factorizarea Cholesky:

Ultimele două relații stau la baza factorizarii matricei A dupa metoda

...

,n, permite

Cholesky. Aplicarea lor repetata, pentru toti indicii j=1, determinarea celor n coloane ale matricei L.

O particularitate a factorizării Cholesky se referă la aplicarea tehnicilor de pivotare. In acest sens, dacă matricea A satisface conditiile pentru

a admite o factorizare Cholesky (este simetrica si pozitiv definita), ea va fi întotdeauna nesingulara.

Prin urmare riscul impartirii la un element nul in ultima relație nu exista si nici erorile de rotunjire nu pot afecta semnificativ rezultatele calculelor.

Prin urmare, nu mai este necesara aplicarea pivotarii. Mai mult decat atat, aplicarea tehnicilor de pivotare nici nu este permisa deoarece:

pivotarea partiala strica simetria matricei;

pivotarea completa pastreaza simetria, dar conduce, de regula, la pierderea proprietatii de "definire pozitiva" a matricei A.

In ambele cazuri sunt incalcate conditiile care asigura existenta factorizarii Cholesky.

Rezolvarea sistemelor tridia gonale (a =0, |i-j|>1):

Rezolvarea sistemelor tridiagonale (a ij =0, |i-j|>1):

Rezolvarea sistemelor tridia gonale (a =0, |i-j|>1):
Rezolvarea sistemelor tridia gonale (a =0, |i-j|>1):

Rezolvarea sistemelor tridiagonale (a ij =0, |i-j|>1):

Rezolvarea sistemelor tridia gonale (a =0, |i-j|>1):
Inversarea matricelor triunghiulare:

Inversarea matricelor triunghiulare:

Inversarea matricelor triunghiulare:
Metoda Gauss-Jordan: Inversarea une i matr ice presupune rezo l varea a n sisteme de ecuatii

Metoda Gauss-Jordan:

Inversarea unei matrice presupune rezolvarea a n sisteme de ecuatii lineare. Daca se noteaza X=A -1 , pornind de la identitatea A·X=I n , dezvoltata pe coloane, se obtine:

A [ xx

12

A

⋅=

xe

i

i

,

...

x

n

] =

[ee

12

i =

1:

n

...

e

n

]

Matricea inversa ar avea drept coloane solutiile sistemului avand ca termeni liberi coloanele matricei unitate. Metoda este inutilizabila datorita complexitatii ei O(n 4 ).

Metoda Gauss-Jordan: Metoda Gauss-Jord an porneste de la matricea ex ti nsa pe care o aduce

Metoda Gauss-Jordan:

Metoda Gauss-Jordan porneste de la matricea extinsa pe care o aduce la forma diagonala:

B=

⎡ ⎣

A I

n

⎤ ⎦

scrisa sub forma B=A I

n

A

1

Transformarea se efectueaza progresiv, in fiecare pas se modifica o singura coloana din primele n ale matricei B:

normalizare:

A

pj

=

A

A

pj

pp

, p

=1:n

,

j=

p

:2n

reducere:

A

ij

=A

ij

A

ip

A

pj

, p=1:n, i=1:n, j=p:2n

Exemplul 3: Folosind metoda Gauss-Jordan s ă se rezolve sistemul: ⎧ xx ⎪ ⎨ 28 +

Exemplul 3:

Folosind metoda Gauss-Jordan să se rezolve sistemul:

xx

28

+

2

x

1

+=

x

=

41

1

123

+

10

6

xx

23

+

x

1

+

8 xx

+

23

21

=

Metoda Gauss-Jordan: Matricele sistemului: A = ⎡ ⎢ ⎢ 284 2 10 6 ⎤ ⎥ ⎥

Metoda Gauss-Jordan:

Matricele sistemului:

A

=

284

2

10

6

182

,

b

=

⎡⎤

1

⎢⎥

1

⎢⎥

⎢⎥ 1

⎣⎦

Metoda Gauss-Jordan: Primul obiectiv este aparitia vectorului (1 0 0) in prima coloana. Se imparte prima
Metoda Gauss-Jordan:
Primul obiectiv este aparitia vectorului (1 0 0) in prima
coloana. Se imparte prima linie la 2, se scade din a doua
linie impartita la randul ei cu 2 si din a treia linie:
284
⎡⎤
1
142
⎡⎤
1/ 2
⎢⎥
⎢⎥
A
=
2
10
6
,
b
=
1
A
=
0
2
2,
b
=
0
⎢⎥
⎢⎥
⎢ 182 ⎥
⎢⎥ 1
⎢0 4 0⎥
⎢⎥ 1/2
⎣⎦
⎣⎦

Al doilea obiectiv este aparitia vectorului (0 1

0) in a doua

coloana. Se imparte a doua linie la 2, se scade de 4 ori

din prima linie si din a treia linie:

A

=

1

0

01

0

0

− ⎤

2

1,

4

b

=

⎡⎤

1/2

⎢⎥

0

⎢⎥

⎢⎥ 1/2

⎣⎦

Metoda Gauss-Jordan: Al doilea obiec ti v este apar iti a vec t oru lu i

Metoda Gauss-Jordan:

Al doilea obiectiv este aparitia vectorului (0

1

0) in a doua

coloana. Se imparte a doua linie la 2, se scade de 4 ori

din prima linie si din a treia linie:

A

=

1

0

01

0

0

− ⎤

2

1,

4

b

=

⎡⎤

1/2

⎢⎥

0

⎢⎥

⎢⎥ 1/2

⎣⎦

Al treilea obiectiv este aparitia vectorului (0

0

1) in a treia

coloana. Se imparte a treia linie la -4, se aduna de 2 ori

la prima linie si se scade din a doua linie:

A =

100

0

0

1

0

0

1

,

b =

⎡⎤

1 / 4

⎢⎥

1/8

⎢⎥

⎢⎥ −1/8

⎣⎦

. Metoda Gauss-Jordan: V ec t oru l b con ti ne soluti a: 1 x

.

Metoda Gauss-Jordan:

Vectorul b contine solutia:

 

1

x

1

=

4

 

1

x

2

=

8

 

1

x

3

= −

 

8

Pro pag area erorilor in rezolvarea sistemelor de ecuatii lineare: In rezolvarea sistemelor de ecua ţ

Propagarea erorilor in rezolvarea sistemelor de ecuatii lineare:

In rezolvarea sistemelor de ecuaţii lineare, anumite matrice (rău condiţionate) pot crea dificultăţi, în sensul că mici variaţii ale datelor pot produce mari variaţii în soluţii.

Astfel dacă în sistemul de ecuaţii:

10 xxxx

7 xx

  • 1234 +⋅ 7 +⋅ 8 +⋅ 7 = 32

5

6 xx

5

23

⋅ +⋅ +⋅ +⋅ =

1234

8

7

x

+

6

x

12

+

10

xx

34

+

9

⋅ +⋅

5

xx

+⋅ +

x

9

123

10

x

4

=

33

=

31

Pro pag area erorilor in rezolvarea sistemelor de ecuatii lineare: având solu ţ iile x =

Propagarea erorilor in rezolvarea sistemelor de ecuatii lineare:

având soluţiile

  • x = [1111]

T

. Se aplică

termenilor liberi mici perturbaţii astfel încât

devin

b

~ T

=

[

32.1

22.9

33.1

se obţin soluţiile noului sistem

~ T

[

9.2

x =−

12.6

4.5

 

30.9

]

1.1

]

Să considerăm sistemul de ecuaţii liniare şi sistemul perturbat

A x

~

=

b

~

b

~

=

bb δ ,

+

x

~

= xx + δ .

Pro pag area erorilor in rezolvarea sistemelor de ecuatii lineare: ( Ax δ x ⋅ +

Propagarea erorilor in rezolvarea sistemelor de ecuatii lineare:

(

Ax δ x

+

)

δδ

Ax

=

b Ax

=⋅

b

δ

x

δ

x

 

x

Pro pag area erorilor in rezolvarea sistemelor de ecuatii lineare: ( Ax δ x ⋅ +

b

=+ b δ b − 1 ⇒= ⋅ δ xA ⇒ b
=+ b δ b
− 1
⇒= ⋅
δ
xA
b
− 1 AA ⋅ δ b ) ⋅ b
− 1
AA
δ
b
) ⋅
b

δ

b

δ

x

x

A

≤ K A (
K A
(
⋅⋅ x δ b
⋅⋅
x
δ
b
≤

A

1

⋅ δ b
δ
b

,

KA( ) =

A
A

A
A

1

Numarul de conditionare al matricei , care actioneaza ca un factor de amplificare a perturbarii solutiilor datorate variatiei termenilor liberi

Pro pag area erorilor in rezolvarea sistemelor de ecuatii lineare: O rela ţ ie asem ă

Propagarea erorilor in rezolvarea sistemelor de ecuatii lineare:

O relaţie asemănătoare

se obţine

în cazul

perturbării matricei coeficienţilor:

( A + δ Ax ) δ xb ) =

⋅+ (

A δδ

x

+

Ax 0 δ x

=

=−

A δ Ax

1

δ x ≤ A δ x ≤ x
δ
x
A
δ
x
x

1

⋅ δ Ax ⋅ δ A K ( A ) ⋅ A
δ
Ax
δ
A
K ( A ) ⋅
A

Efectul perturbării coeficienţilor se regaseste amplificat de K(A) ori in solutie.

Pro pag area erorilor in rezolvarea sistemelor de ecuatii lineare: Dac ă în rela ţ iile

Propagarea erorilor in rezolvarea sistemelor de ecuatii lineare:

Dacă în relaţiile anterioare nu se neglijează

termenul

δ A δ

x

se obţine o majorare mai exactă de forma:

δ

x

x

δ A A δ A ⋅ A
δ A
A
δ
A
A

)

K ( A )

(

1 K A

Dac ă se consider ă c ă numerele reale au mantisa reprezentat ă cu t cifre

Dacă se consideră că numerele reale au mantisa reprezentată cu t cifre binare semnificative

δ A ij δ x ≤ x
δ
A
ij
δ
x
x
− t − t ≤ 2 AAA ⇒ δ ≤ 2 ij − t − 1
t
t
2
AAA
δ
2
ij
− t
− 1
2
A
A
− t
2
K A
(
)
=
− t
− 1
− t
1
2
A
A
1
2
KA
(
)

Se

verifică relativ uşor următoarele

proprietăţi unei matrici

ale numărului de condiţionare al

K(A)1

K(A)=K(A -1 ) K(cA)=K(A)

Numărul de condiţionare depinde de norma considerată

Pro pag area erorilor in rezolvarea sistemelor de ecuatii lineare: Pentru matricele cu num ă r

Propagarea erorilor in rezolvarea sistemelor de ecuatii lineare:

Pentru matricele cu număr de condiţionare mare (matrice rău condiţionate) amplificarea erorilor din datele iniţiale este mare, indiferent de cât de exact sunt efectuate calculele, justificând variaţia relativă mare a

soluţiilor în raport cu variaţia termenilor liberi.

A =

11 1 2 13 1 4 1 2 13 1 4 15 13 1 4 15

11

11 1 2 13 1 4 1 2 13 1 4 15 13 1 4 15

1

2

11 1 2 13 1 4 1 2 13 1 4 15 13 1 4 15

13

11 1 2 13 1 4 1 2 13 1 4 15 13 1 4 15

1

4

11 1 2 13 1 4 1 2 13 1 4 15 13 1 4 15

1 2

11 1 2 13 1 4 1 2 13 1 4 15 13 1 4 15

13

11 1 2 13 1 4 1 2 13 1 4 15 13 1 4 15

1 4

11 1 2 13 1 4 1 2 13 1 4 15 13 1 4 15

15

11 1 2 13 1 4 1 2 13 1 4 15 13 1 4 15

13

11 1 2 13 1 4 1 2 13 1 4 15 13 1 4 15

1 4

11 1 2 13 1 4 1 2 13 1 4 15 13 1 4 15

15

11 1 2 13 1 4 1 2 13 1 4 15 13 1 4 15

16

11 1 2 13 1 4 1 2 13 1 4 15 13 1 4 15

1 4

11 1 2 13 1 4 1 2 13 1 4 15 13 1 4 15

15

11 1 2 13 1 4 1 2 13 1 4 15 13 1 4 15

16

11 1 2 13 1 4 1 2 13 1 4 15 13 1 4 15

17

 
  • 5 6

7

5

  • 7 10

8

7

AA

==

  • 6 10

8

9

  • 5 10

7

9

 

10

1

4

0

1

10

5

1

4

5

10

7

0

1

7

9

matricea Hilbert

matricea Wilson

matricea Rutishauser